글로벌 전문가들은 IIot 시장이 모두의 예상을 뛰어넘을 것이라고 예측했습니다. 2030년까지 세계 경제에 약 14조 2천억 달러를 추가할 것으로 보고됩니다(Accenture의 연구에 따르면). 그러나 그 이후로 전통적인 방법으로는 이상 현상을 감지하고 예측할 수 없다는 이유만으로 장애물에 직면해 있습니다. 최근 Cognitive Anomaly Detection이 등장했는데 예상대로 작동할 수 있을까요? 이에 대해 알려면 IIoT 및 Cognitive Anomaly Detection에 대해 알아야 합니다. 그럼 시작하겠습니다!
IIoT란?
IIot라는 용어는 2012년 후반에 GE에 의해 만들어졌습니다. IIot 또는 산업용 사물 인터넷은 사물 인터넷으로 알려진 개념의 더 큰 그림입니다. IIoT는 ML 및 빅 데이터 기술의 잠재력을 발휘합니다. 이를 통해 자동화 기술을 다음 수준의 독립형 성능으로 업그레이드하는 것이 더 이상 힘든 작업으로 남아 있지 않습니다. 전 세계의 센서 또는 사물 인터넷이 수집하는 데이터의 양을 고려하십시오. 적절한 분석 없이는 이러한 데이터의 사용이 중단되고 결국 삭제됩니다. 이렇게 하면 데이터 수집 프로세스가 쓸모 없게 됩니다. 그러나 IIoT를 사용하면 데이터를 다른 시스템과 결합하고 훨씬 더 쉽게 처리할 수 있습니다. 그런데 인지 이상 현상이 무엇인가요?
인지 이상 감지란 무엇인가요?
CA 감지는 감독되지 않은 학습 및 패턴 인식을 통해 IIoT 데이터(이전에는 쓸모가 없었던 거대한 청크)의 이상을 식별하는 프로세스입니다. 이를 통해 잘못된 경보의 출현을 상당히 줄일 수 있습니다. 또한 적시에 결함과 장애를 감지하여 시간과 자원을 크게 절약할 수 있습니다.
인식 이상 탐지가 IIoT에 미치는 영향…
통계를 신뢰할 수 있는 경우 A350 비행기에는 비행당 2.5페타바이트의 데이터를 생성할 수 있는 센서가 거의 6k개 있습니다. 자동차 제조업체, 발전소, 석유 굴착 장치, 조립 라인 등과 같은 부문도 그리 뒤지지 않습니다. 수천 개의 센서가 지속적으로 작동하면서 매일 엄청난 양의 데이터를 생성하고 있습니다. 그러나 IIoT 회사는 생성된 데이터의 20% 이상을 활용할 수 없습니다. 그러나 중요한 패턴을 식별할 수 없기 때문에 수집된 모든 데이터의 사용을 찾기 위해 여전히 노력하고 있습니다. 장비 가동률을 높이고 필요한 연료를 줄이기 위해 대규모로 이상 현상을 찾아야 합니다.
또한 실시간 데이터에 직접적인 영향을 미치는 대기 시간 문제, 작은 부품의 수명 예측 실패, 인력 고용에 드는 비용 등 기타 여러 가지 예외 사항이 있습니다.
위에서 언급한 바와 같이 인지 이상 현상은 기계 학습 및 데이터 분석을 통해 IIot가 솔루션을 찾고 기존 방법이 예측하거나 해결하지 못하는 문제를 극복하는 데 도움이 됩니다. 그러나 이상 현상을 찾는 것만으로는 충분하지 않습니다. 변칙에는 여러 유형이 있기 때문에 좋은 것과 나쁜 것을 구별하는 것은 깨지기 힘든 견과가 됩니다. 따라서 실패를 예측하기 위해 연결하고 상호 연관시킬 수 있다면 막대한 시간과 자산을 절약할 수 있습니다.
이에 대해 데이터 과학자 Taj Darra는 인식 IoT 프레임워크로 ML을 강화하면 IIoT 기업이 센서 데이터의 초기 수집부터 예측 출력 및 이상 징후 여부 판단에 이르기까지 이상 징후를 감지할 수 있다고 전했습니다. 단 2일. 이제 모든 센서를 병렬로 측정할 수 있으므로 매우 인상적입니다.
Cognitive Anomaly Detection은 단계별로 수행되며 주어진 순서대로 정확하게 수행됩니다. 연결하고, 감지하고, 검증하고, 예측하고, 행동하십시오. 먼저 구조 데이터 소스에 연결한 다음 발견된 엔터티가 이상 항목으로 간주될 수 있는지 감지합니다. 프로세스는 검증 프로세스에서 계속되고 예측이 이루어집니다. 이 프로세스가 완료되는 즉시 시스템의 API에 연결하여 작업을 수행할 수 있습니다. 이 접근 방식을 수행하면 비정상적으로 작동하기 전에 약 75%의 부품 고장을 쉽게 예측할 수 있습니다.
따라서 이 두 가지를 결합하면 우리의 관행을 업그레이드하는 데 도움이 될 것이라고 말할 수 있습니다. 우리는 효과적인 관행이 부족하기 때문에 엄청난 양의 데이터가 불필요하게 공간을 차지한다는 사실을 부인할 수 없습니다. 기존 방법을 새로운 방법으로 대체하면 확실히 우리의 목적에 부합할 것입니다. 또한 매일 생성되는 엄청난 양의 데이터를 제어할 수 있다면 자산 장애 관리, 계획되지 않은 다운타임 감소, 장애 예측 개선, 유지 관리 비용 최소화, 리소스 사용 최적화, 품질 문제 예방 및 보증 청구 최소화를 향상할 수 있습니다. , 향상된 자산 수명.
업그레이드할 때입니다! 더 나은 내일을 위해 데이터 전문가들이 약속한 대로 이것이 작동하기를 바랍니다! 이에 대한 귀하의 견해는 무엇입니까? 아래 댓글 섹션에 알려주십시오!