Data science

การป้องกันเหตุการณ์ด้วย Big Data ในการผลิต

ในคุณสมบัติพิเศษของแขกรับเชิญนี้ Edwin Elmendorp สถาปนิกข้อมูล บริษัท Kinsmen Group ชี้ให้เห็นว่ามีโอกาสมากมายสำหรับการใช้เทคโนโลยีข้อมูลขนาดใหญ่ในการผลิต ในขณะที่บางส่วนยังอยู่ในขั้นตอนการวิจัย ส่วนอื่นๆ เป็นผลิตภัณฑ์ที่ใช้งานได้ซึ่งเสนอราคาที่เป็นประโยชน์สำหรับสินค้าขนาดเล็ก และองค์กรขนาดใหญ่โดยใช้แพลตฟอร์มที่ทันสมัย เอ็ดวินอาศัยอยู่ในฮูสตัน เท็กซัส และมีประสบการณ์ด้านการให้คำปรึกษา 20 เกือบปีในด้านการจัดการข้อมูลทางวิศวกรรม หลังจากจบการศึกษาในตำแหน่งวิศวกรเครื่องมือวัดทางไฟฟ้าในขั้นต้น เขาได้ย้ายไปเพิ่มปริญญาวิทยาการคอมพิวเตอร์ และเพิ่งสำเร็จการศึกษาระดับปริญญาโทด้านการจัดการกระบวนการทางธุรกิจและไอที นอกเหนือจากภูมิหลังทางวิชาการที่มั่นคงแล้ว Edwin ยังได้ทำงานร่วมกับเจ้าของและผู้ประกอบการหลายรายเพื่อเปลี่ยนแปลงวิธีที่บริษัทต่างๆ จัดการสินทรัพย์ข้อมูลของตนซึ่งครอบคลุมโซลูชันซอฟต์แวร์ต่างๆ มากมาย บริษัทผู้ผลิตตามกระบวนการต่างๆ จะได้รับการตรวจสอบอย่างต่อเนื่องเพื่อให้เป็นไปตามมาตรฐานสถานที่ทำงานสูงสุดและปลอดภัยที่สุด สำนักงานบริหารอาชีวอนามัย (OSHA) มีบทบาทสำคัญในการบังคับใช้แนวทางความปลอดภัย และเมื่อบริษัทต่างๆ ประสบอุบัติการณ์ ค่าปรับอาจสูงถึงหลายล้านดอลลาร์ OSHA ได้กำหนดมาตรฐานต่างๆ เช่น Process Safety Management (PSM) ที่ช่วยให้บริษัทต่างๆ ระบุ ควบคุม และลดความเสี่ยงด้านความปลอดภัย ข้อมูล PSM เพื่อคาดการณ์ความเสี่ยง ข้อมูลความปลอดภัยของกระบวนการถูกล็อกในแหล่งที่มาต่างๆ มากมาย และเป็นการผสมผสานระหว่างข้อมูลที่มีโครงสร้าง ไม่มีโครงสร้าง แบบคงที่ และแบบไดนามิก Pankaj et al ให้ภาพรวมต่อไปนี้ในเรื่องนี้ – รูปที่ 1 เมื่อเราดูภาพรวมนี้ จะง่ายต่อการดูคุณลักษณะต่างๆ สำหรับข้อมูล BIG หรือที่เรียกว่า 7 V's รูปที่ 1 – ประเภทและการจำแนกข้อมูลความปลอดภัยของกระบวนการ ปริมาตร – นักประวัติศาสตร์กระบวนการผลิตอุปกรณ์และข้อมูลเซ็นเซอร์ 10×7 สำหรับเซ็นเซอร์จำนวนมากในโรงงาน ความหลากหลาย – ประเภทของข้อมูลจะแตกต่างกันไป ข้อมูลไดนามิก สถิต มีโครงสร้าง และไม่มีโครงสร้าง ความเร็ว – ข้อมูลในอดีตถูกสร้างขึ้นอย่างต่อเนื่องจากเซ็นเซอร์ของสถานที่ แต่รายงานการทำงาน การอัปเดตแบบแปลน และข้อมูลอื่นๆ ก็เช่นเดียวกัน ค่า – มีทั้งค่าทางประวัติศาสตร์ แต่ยังรวมถึงเอกสารที่ สะท้อนถึงสถานะ “As-Built” ใหม่ของสิ่งอำนวยความสะดวก ความจริง – ข้อมูลจำนวนมากอิงจากเอกสารที่เป็นลายลักษณ์อักษร (เขียนด้วยลายมือ) และคุณภาพไม่สอดคล้องกันหรือถูกต้องเสมอไป ข้อมูลยังถูกเก็บไว้ในระบบที่แตกต่างกันและมักจะไม่สอดคล้องกัน ความแปรปรวน – ข้อมูลไม่สอดคล้องกัน และข้อมูลเดียวกันสามารถอยู่ในรูปแบบที่แตกต่างกันโดยขึ้นอยู่กับการสร้างมนุษย์ในระดับสูง Valence – ข้อมูลจำนวนมากเชื่อมต่อถึงกัน เป็นงาน คำแนะนำจะอ้างถึงข้อมูลอุปกรณ์ที่บันทึกโดยนักประวัติศาสตร์ ซึ่งอ้างอิงถึงในรายงานเหตุการณ์ด้วย ด้วยการประมวลผลข้อมูลที่มีคุณสมบัติเป็นข้อมูล “ใหญ่” การรวมโมเดลแหล่งที่มาเหล่านี้สามารถสร้างขึ้นสำหรับการวิเคราะห์เชิงคาดการณ์ได้ ด้านหนึ่งที่สามารถนำมาใช้ได้คือการประเมินความเสี่ยง นักวิจัยในกรณีนี้ได้อธิบายระดับความเสี่ยงที่แตกต่างกัน โดยทั้งหมดเชื่อมโยงถึงกันและสะท้อนถึงสิ่งอำนวยความสะดวก แต่ละเลเยอร์ใช้แหล่งอินพุตที่แตกต่างกัน ซึ่งส่งผลให้มีการจัดประเภทความเสี่ยง เมื่อพิจารณาถึงความถี่ของเหตุการณ์ที่เกิดขึ้นที่โรงงาน ได้มีการกำหนดสูตรเพื่อกำหนดโปรไฟล์ความเสี่ยงได้แม่นยำยิ่งขึ้นสำหรับสถานการณ์ที่กำหนด – ในกรณีนี้คือความเสี่ยงจากการระเบิดของฝุ่น กรอบความเสี่ยงที่พัฒนาขึ้นสำหรับ Big Data จะแสดงในรูปที่ 2 รูปที่ 2 – Big Data Dynamic Risk Framework แมชชีนเลิร์นนิงเพื่อให้เกิดการรับรู้สถานการณ์มากขึ้น นอกจากการวิเคราะห์เชิงคาดการณ์แล้ว ยังใช้ชุดข้อมูลขนาดใหญ่เพื่อให้ผู้ปฏิบัติงานทราบสถานการณ์มากขึ้นอีกด้วย เป็นเรื่องง่ายที่จะจินตนาการว่าแหล่งข้อมูลต่างๆ จำนวนมากสามารถสร้างข้อมูลที่ขัดแย้งกันสำหรับผู้ปฏิบัติงานของสถานที่ ซึ่งในกรณีฉุกเฉินจำเป็นต้องตอบสนองในเสี้ยววินาที การให้ข้อมูลที่ถูกต้องแก่ผู้ปฏิบัติงานสถานที่ทั้งหมดที่มีอยู่ในแหล่งอ้างอิงนั้นอาจเป็นเรื่องเล็กน้อยในการป้องกันเหตุการณ์ในโรงงาน มีโซลูชันซอฟต์แวร์ที่วิเคราะห์แหล่งข้อมูลพื้นฐานและค้นหารูปแบบที่ซ่อนอยู่ซึ่งอนุญาตให้มีการเชื่อมโยงข้อมูลในรูปแบบที่ปกติจะไม่สามารถใช้ได้ การใช้วิธีการแยกเอกสารที่ซับซ้อน ร่วมกับการจับคู่รูปแบบและการเรียนรู้ของเครื่อง ซอฟต์แวร์สามารถใช้แหล่งข้อมูลทั้งหมดเพื่อเชื่อมโยงไปยังข้อมูลได้ เมื่อเจ้าหน้าที่อำนวยความสะดวกเปิดเอกสาร เขาสามารถมองเห็นข้อมูลในอดีต คู่มืออุปกรณ์อ้างอิง ใบสั่งงานในปัจจุบันและในอดีต และอื่นๆ อีกมากมาย ดูรูปที่ 3 – ซอฟต์แวร์ตัวอย่างที่เชื่อมโยงข้อมูลการปฏิบัติงาน มีโอกาสมากมายสำหรับการใช้เทคโนโลยีข้อมูลขนาดใหญ่ ในการผลิต ในขณะที่บางส่วนยังอยู่ในขั้นตอนการวิจัย ส่วนอื่นๆ อยู่ในรูปแบบของผลิตภัณฑ์ที่ใช้งานได้ซึ่งเสนอแนวทางที่คุ้มค่าสำหรับองค์กรขนาดเล็กและขนาดใหญ่ อ้างอิง P. Goel, A. Datta และ M. Sam Mannan “การประยุกต์ใช้การวิเคราะห์บิ๊กดาต้าในความปลอดภัยของกระบวนการและการจัดการความเสี่ยง” Proc. – 2017 IEEE Int. ประชุม Big Data, Big Data 2017, ฉบับที่. 2018-มกราคม pp. 20–1152, 2017, ดอย: 10.1109/ข้อมูลใหญ่.2017.8258040. ลงทะเบียนเพื่อรับจดหมายข่าว InsideBIGDATA ฟรี เข้าร่วมกับเราบน Twitter: @InsideBigData1 – https://twitter.com/InsideBigData1

วิทยาศาสตร์ข้อมูล

  • 2018การตลาด
  • Leave a Reply

    Your email address will not be published. Required fields are marked *

    Back to top button