データサイエンスとは?プロセスオートメーションへの応用方法をご紹介します。
産業用モノのインターネット(IIoT)は、フィールドデータを収集・整理するだけではありません。データサイエンスを使えば、それらすべての値を使って価値あるインサイトを生み出すことができます。今日は、IIoTソリューションにデータサイエンスを適用する方法をご紹介いたします。
別のブログで現場のデータを収集し、それをNetilionなどのクラウドソリューションで利用することについてお話しました。クラウドサービスは、お客様のアプリケーションに多くのメリットを提供しますが、もう少し深く掘り下げたい場合はどうでしょうか。データサイエンスを使えば、値を予測したり、複数のデータソースから高度な解釈を展開することができます。
今日は、データサイエンスの基本と、このコンセプトをプラントにどのように適用できるかを見てみましょう。標準的なプロセスオートメーションとは非常にかけ離れているように聞こえるかもしれませんが、OTとITの融合に伴い、この知識は非常に重要なものとなっていますので、ここでご説明いたします。
データサイエンスとは?
ウィキペディアでは、"科学的な手法、プロセス、アルゴリズム、システムを用いて、構造化されたデータや非構造化データから知見や洞察を抽出する分野 "と定義されています。
機械学習、深層学習、予測、パターン検出など、この分野から発せられるバズワードは、意味がよくわからくとも耳にしたことがあるのではないでしょうか。
これら、機械学習という同じテーマを異なる方法で表現しているに過ぎません。
データサイエンスにおける機械学習とは?
機械学習は、データサイエンスの主要な部分であり、株式市場での高頻度取引に用いられる予測から、現実の感覚を誤魔化すディープフェイクまで、最近の多くの技術的進歩の源となっています。機械学習をさらに分類すると、以下の表のようになります。
そのため、これらの分野の多くは、株価や天気を予測したり、自動運転車を作ったりすることに重点が置かれています。プロセスオートメーションはどうでしょうか?私たちの業界にも応用できるのでしょうか?はい、もちろんできます。このビデオで、説得力のあるユースケースをご覧ください。
これにより、たとえばタンクを空もしくは満杯にする時期など、重要なしきい値の比較や予測を改善したりすることができるようになりました。まず、データをどこに保存するかから始めましょう。
通常、制御システムにはヒストリカルデータを保存するためのデータベースが付属しています。ですので、そこからCSVやExcelのレポートで抽出することができます。もし、あなたにITのスキルがあれば、代わりにSQL( structured query language )を使うこともできます。そして今、新たに登場したIIoT技術として、アプリケーション・プログラミング・インターフェース(API)という新たなソリューションも提供しています。
データサイエンスにおけるAPIとは?
このAPIとは、システムの情報を読み書きできるツールのことです。現在の業界標準は「JSON/RESTful API」です。これは、JSON(JavaScript Object Notation)フォーマットを介して、4つのメソッドで情報をやり取りすることができます。
- GET: 対象リソースの状態を示します。
- POST: 対象リソースへのリクエストの処理をします。
- PUT または PATCH: 対象リソースをリクエストで定義された状態に設定します。
- DELETE: 対象リソースの状態を消去します。
この4つのメソッドは、CRUD(create、read、update、delete)に相当します。
APIサーバー上のこれらのメソッドには、インターネットサーフィンでおなじみのHTTP(s)でアクセスできます。しかし、Google Chromeのようにきれいなウェブページの結果が得られるのではなく、JSONオブジェクトが得られます。
それでも大丈夫です。データサイエンスでは、通常「GET」メソッドに注目します。これは、JSON形式でAPIからデータを引き出し、PythonのPandas Dataframeオブジェクトのような任意の形式に変換できるからです。
APIについては、記事「プロセスオートメーションにおけるAPIについて知っておくべきこととは」で詳しく解説していますので、よろしければご覧ください。
プロセスオートメーションにデータサイエンスを活用するには?
プロセスオートメーションにデータサイエンスを活用する方法を詳細に掘り下げるためのビデオを作りました。
ですから、データサイエンスはプロセスオートメーションに間違いなく関係しています。NetilionのようなIIoTエコシステムは、プロジェクトを軌道に乗せるのに役立ちます。データサイエンティストはサイエンスの部分に集中し、プロトタイプから本番までのデータ収集、保存、検索をIIoTエコシステムに任せることができます。
ところで、データサイエンティストがAPIコールではなく、データベースやSQLを好む場合は、それで構いません。Netilion Webhookですべてのデータを独自のアプリケーションに送信し、それをデータベースに保存することができます。このように、Netilion Connectはあなたのニーズにお応えいたします。
関連リンク
- Github リポジトリへのリンク: https://github.com/pcps-afa/datascience_netilion
- Pickleを使ってモデルをポータブルにし、そのモデルをHerokuでホストする: https://medium.com/analytics-vidhya/deploying-a-machine-learning-model-as-a-flask-app-on-heroku-part-1-b5e194fed16d
- Webhooksを使ったNetilion Connectサブスクリプションの設定方法のビデオ: https://www.youtube.com/watch?v=K3wJfXcD9g4&t=1s
- Netilion Webhooksに関するその他の情報: https://developer.netilion.endress.com/support/webhooks
今回のブログ記事を楽しんでいただけましたか?それでは、次の記事をお楽しみください。