Analítica de datos industriales sin científicos de datos - Bismark Colombia

Analítica de datos industriales sin científicos de datos

pantalla con datos

Aunque las operaciones de planta usualmente generan grandes cantidades de datos – ambas estructuradas y no estructuradas – los ingenieros de plantas pueden apalancarse en un pequeño porcentaje de estos datos para tomar mejores decisiones en los procesos.  La mayoría de los datos procesados, provienen de los sistemas de planta y son almacenados en repositorios tipo historiadores on line y off line, con capacidades para recolectar, agregar y recuperar datos de producción y procesos en una base de datos de series de tiempo que pueden hacerlo de manera eficiente con un espacio de disco mínimo.

Las herramientas para almacenar datos históricos de procesos, tales como los historiadores, aunque relativamente fáciles de usar, no son ideales para analizar los datos o resolver las dudas.  Encontrar la variable correcta en los datos históricos y construir el proceso con datos del contexto puede consumir un tiempo considerable y convertirse en una tarea dispendiosa.

¿Qué se necesita?

Para mejorar el desempeño de los procesos, es requerido un nivel de inteligencia operacional y un entendimiento de los datos. Los ingenieros de procesos y otros actores en la organización deben ser capaces de buscar los datos de series de tiempo sobre una línea de tiempo específica y visualizar todos los eventos relacionados con la planta de manera rápida y eficiente.  Esto incluye datos de series de tiempo generados por los sistemas de control de procesos, sistemas de laboratorio y otros sistemas de planta, así como también las anotaciones y observaciones habituales hechas por los operadores e ingenieros. 

Usualmente el reto presentado por datos de series de tiempo es la dificultad para contar con un mecanismo que permita realizar búsquedas de manera eficiente y anotar comentarios efectivamente.  Combinando ambas series, las estructuradas generadas por los sistemas de planta desde los historiadores y los datos capturados por los ingenieros y operadores, los usuarios pueden predecir de manera más precisa lo que ocurre o lo que pasará en el futuro en procesos industriales continuos o batch.  Sin embargo, frecuentemente esto representa un gran desafío.

La solución de TrendMiner combina los elementos necesarios para visualizar datos de series de tiempo históricos, con capacidades de búsqueda multi-dimensionales como superponer patrones similares de comportamiento históricos y enriquecerlos con datos capturados por ingenieros y operadores, permitiendo capturar patrones en el comportamiento del proceso o “fingerprints”, para proveer a las áreas de operaciones e ingeniería con información clave o insights para optimizar los procesos y/o predecir el desarrollo de condiciones desfavorables, para poder anticiparse a los problemas.  Además, a diferencia de la mayoría de las soluciones en este campo, la ejecución no requiere de la intervención de un experto científico de datos. 

Conozca más de Analítica de Datos

Las claves:

  • El sistema TrendMiner trae consigo un conocimiento profundo de operaciones y técnicas de analítica de datos, para minimizar la necesidad de científicos de datos o de tener que crear modelos de datos complejos y así, generar valor sobre los datos operacionales que se hayan recolectado.
  • Las herramientas de descubrimiento y predicción de analítica predictiva de TrendMiner, sin necesidad de modelos, complementan mas no reemplazan las arquitecturas de información ya existentes en los historiadores.
  • TrendMiner puede desplegarse on premise en un servidor virtual o en una nube privada o pública de manera costo-eficiente y tiene una modalidad “plug and play”.

dashboard trendminer

Dashboards de la herramienta TrendMiner de Software AG

Los científicos de datos no son requeridos para ganar valor con TrendMiner

Los ingenieros de procesos y los operadores necesitan ser capaces de predecir, de manera precisa, el desempeño de los procesos o los resultados de un cúmulo de procesos, mientras eliminan falsos positivos en los diagnósticos.  Las herramientas tradicionales para visualizar los datos históricos al modo descubrir y describir son de poca ayuda en estos casos.  La predicción precisa de lo que ocurrirá en una planta o instalación requiere de herramientas que permitan una búsqueda de datos de series de tiempo y la habilidad de darle sentido a los patrones identificados en la data procesada.

Las soluciones analíticas de procesos, en una forma u otra, ya existen desde hace algún tiempo en el mercado del software industrial.  Estas herramientas de software primordialmente basadas en históricos frecuentemente requieren de mucha interpretación y manipulación por parte del usuario.  La analítica predictiva, una nueva dimensión de las herramientas de analítica, puede proveer a los usuarios de información clave o insigths valiosos acerca de lo que pasará en el futuro basado en un histórico de datos estructurados y no estructurados.  Sin embargo, muchas de estas herramientas avanzadas tienden a ser percibidas como unas “cajas negras”, dirigidas a usuarios empoderados, para hacer las correlaciones necesarias.

Existen otras herramientas de analítica predictiva que usan un acercamiento más empresarial, y requieren plataformas de computación sofisticadamente distribuidas, como Hadoop o Cloudera.  Éstas son útiles para muchas aplicaciones de analítica, pero representan un acercamiento más complejo para manejar datos de planta y empresariales a la vez.  Las compañías que usan este enfoque de administración de datos empresariales frecuentemente utilizan científicos de datos para ayudar a organizar y limpiar la data.

TrendMiner, tiene un enfoque diferente, utiliza un despliegue en un servidor virtual que se integra fácilmente con una copia local de los archivos de la base de datos del historiador.  TrendMiner puede describirse como una solución de “descubrimiento basado en reconocimiento avanzado de patrones, con capacidades predictivas para procesos industriales” enfocado en el usuario promedio, tal como el ingeniero de procesos o similar.   Es relativamente fácil de desplegar y usar, brindando el potencial para las organizaciones para ganar valor inmediato sin necesidad de modelos de Big Data ni de requerir un científico de datos. TrendMiner puede verse como el motor google para procesos industriales.

La Solución de búsqueda multidimensional de TrendMiner

El método único de Trendminer de conectar bases de datos ya existentes de los historiadores y usando una capa de base de datos columnar para indexar los datos, crea una interfaz inteligente que permite consultas de analítica basadas en búsquedas multidimensionales.  Estos algoritmos de reconocimiento de patrones únicos les permiten a los usuarios buscar tendencias de procesos, eventos específicos y detectar anomalías, lo que hace de TrendMiner una herramienta distinta de herramientas tradicionales de los historiadores.

Conocer más de TrendMiner https://www.trendminer.com/

 

Fuente: Fragmento originalmente escrito por ARC view y traducido al español por Bismark Colombia.

Compartir en:

Share on facebook
Share on twitter
Share on linkedin
noun_connect_375505Created with Sketch.
Conecte su empresa y optimice el desempeño de sus recursos.