Integrating Big Data to Plant AI for Digital Transformation

김동수 기자 / 기사승인 : 2019-06-18 18:41:53
  • 카카오톡 보내기
  • -
  • +
  • 인쇄
▲ [Photo source : 123RF] 

[스페셜경제= Dongsu Kim]  Customers realize they can achieve new outcomes by co-relating various types of data with the use of combinational analytics, according to research and consulting firm Frost & Sullivan, encouraging process industries to notably boost their digital spending.

There has been a consistent surge in the volume of data generated throughout the manufacturing chain as process industries become increasingly connected.

A whitepaper from Frost & Sullivan found that less than five percent of a plant operation's generated data is used. This low figure is due to improper data management strategy, limited application expertise, missing data, and insufficient resources.

However, high-fidelity data generated by sensors and other wireless devices—which currently produce inadequate insights for value creation—make a case for going digital on plant operations in a way that thoroughly boosts the plant's digitized sensor data.

"Already, more than 50% of customers claim they will invest two times more in analytics over the next two to three years," stated a press release on the whitepaper, which aims to assist in unraveling the value levers of digital transformation, understand the influence of integrating sense with artificial intelligence (AI) in plants, and assess application areas with high potential.

"The blurring of traditional automation boundaries is steering the development of innovative business models. Edge computing platforms are resulting in [the] democratization of analytics and near-real-time interfaces with sensing systems," Muthuraman Ramasamy, Automation & IIoT Industry Director at Frost & Sullivan, said in the press release.

"The industry understands the imperatives of digital, but the challenge resides in the 'how' of digital."

Ramasamy added that such challenges will push customers to seek help from established domain experts, who can help build a digital roadmap and also have notable AI application capacities over plant data as well as expertise over a manufacturing value chain.

The move from sensing to sensemaking enables customers to notice a closed loop from extracting data to value creation—leading to complete utilization of amassed high-fidelity plant data.

Over 90 percent of plant data currently contains noise that obscures patterns that could've been discovered in raw data. Analyzing such large volumes of raw data is not cost-effective and fails to provide new information. This is why there's a need to focus on the most relevant data and understanding plant processes, which can be done through:

· Comprehending the physics principles and AI algorithm in interpreting the data and determining the problem.
· Synaptically synthesizing various elements such as people, systems, data, services, and supply chains.
· Maintaining the relationship between OT, IT, business, and domain knowledge in achieving true digital transformation.


프로스트앤설리번, “수집되는 데이터의 5%만 사용된다” 디지털 변환 강조 

[스페셜경제= 김동수 기자]  고객 조사 및 컨설팅 회사인 프로스트앤설리번에 따르면 다양한 유형의 데이터를 조합 분석과 결합함에 따라 새로운 결과를 달성할 수 있다.

장치 산업계에서 연결성이 증가함에 따라 제조 라인 전반에 걸쳐 생성되는 데이터의 양은 꾸준히 증가하고 있다.

그런데 프로스트앤설리번의 조사에 따르면, 플랜트 운영에서 생성된 데이터의 5% 미만이 사용됐다. 수집되는 데이터의 양은 많은데 사용되는 데이터의 양이 적은 이유는 부적절한 데이터 관리 전략, 제한된 애플리케이션 전문 지식, 누락된 데이터 및 불충분한 자원 때문이다.

현재 센서 및 기타 무선 장치로 생성된 고충실 데이터는 가치 창출에 대한 통찰력이 부족하다. 이는 앞으로 공장의 디지털화된 센서 데이터를 철저하게 향상시키는 방식으로 공장 운영을 디지털화해야 할 것이다.

프로스트앤설리번은 "이미 고객 중 50% 이상이 향후 2~3년 동안 데이터 분석에 2배 더 많은 투자를 할 것이라고 말하고 있다. 인공지능(AI) 등을 공장에 통합시키면 그 잠재력이 매우 높다"고 말했다.

전통적으로 자동화의 경계가 모호했기 때문에 혁신적인 비즈니스 모델이 개발될 수 있었다. 에지 컴퓨팅 플랫폼은 분석 시스템을 민주화하고 감지 시스템을 거의 실시간으로 연결한다.

장치 산업계에서는 디지털의 필수 요건을 이해하고 있다. 하지만 도전 과제는 그것을 '어떻게' 달성하느냐는 것이다.

이런 도전 과제 때문에 프로스트앤설리번의 고객사는 디지털 로드맵 구축을 도울 수 있는 도메인 전문가들로부터 조언을 구하고 제조 가치 사슬에 대한 전문성뿐만 아니라 공장 데이터에 도움이 될 AI 응용 프로그램을 도입할 계획이다.

즉, 그저 센서로 감지하는 것에서 감각까지 만들어내는 과정으로 전환함으로써 장치 산업계는 고충실 공장 데이터를 완벽하게 활용할 수 있다.

공장에서 수집되는 데이터의 90% 이상에는 패턴을 모호하게 만드는 노이즈가 섞여 있다. 이런 대량의 로우(Raw) 데이터를 분석하는 것은 비용 효율적이지 않으며 새로운 정보를 얻기도 힘들다. 따라서 가장 관련성이 높은 데이터를 추출해 분석해야 한다.

그러기 위해서는 기계의 물리적인 음직임과 AI 알고리즘을 이해하고 문제를 파악해야 한다. 또한 사람, 시스템, 데이터, 서비스 및 공급망과 같은 다양한 요소를 시냅스로 합성해야 한다. OT와 IT, 비즈니스 및 도메인 지식 간의 관계를 유지해야 진정한 디지털 변환을 달성할 수 있다.

[저작권자ⓒ 스페셜경제. 무단전재-재배포 금지]

김동수 기자

오늘의 이슈

뉴스댓글 >