「KSKP」は、「誰もが当たり前にデータ分析・活用ができる社会」の実現に向けて、KSKアナリティクスが独自開発したデータ分析プラットフォームです。

IoTデータを柔軟に加工merit

IoTデータを活用して、製造品質の改善や設備の監視を行いたい場合、
粒度や取得タイミングの異なるデータを統合した分析用データを作成する必要があります。
KSKPは、波形データに対しても、柔軟な加工を行えることを目指した製品です。

問題IoTデータの加工は、特有の難しさあり

  • モノの流れで観測データを紐付けたいが、そのキーが無い。
  • 異なる観測間隔のデータを紐付けたいが、処理が煩雑。
  • 設備の停止期間などの不要なデータが含まれていて、除外が大変。
  • 反復型の連続波形データから、各反復の波形を切り出すのが大変。
  • 波形データの違いを定量化したいが、特徴量の計算が大変。
図 機会学習のためのデータ前処理の流れ
図 キー情報を抽出

事例キー情報を抽出

目的

  • 製造ラインの不良要因分析のために、未活用の現場でのCSVデータも加えて、見逃し要因の発見を狙う。

問題

  • 未活用のCSVデータには、明示的な紐付けのキーがなく、ファイル名情報や部分的に関連するキーの複雑な条件より、分析用データを作成する必要あり。

経緯

  • 内製でプロトタイプ作成するも、複雑すぎて処理効率と対象現場の拡大の面で、頓挫。

対策

  • KSKPへ、多様で大量なCSV群を扱える個社対応コマンドを追加し、複雑な紐付け処理を、理解性と処理効率が優れたフローを作成。

結果

  • 現行の機能を実現し、処理時間を1日半から半日に短縮。

事例グループ化で紐付け

目的

  • 製造ラインの不良要因分析のために、IoTデータを紐づけて、品質変動要因を分析する。

問題

  • 製品は個別の履歴がなく、製品の各工程とIoTデータを紐づけるのが難しい問題あり。

対策

  • 個別の製品ではなく、ロットを分割したグループの単位で、工程とIoTデータの紐付けることで、紐付けの誤差とデータ粒度とを考慮して、分析用データを作成。

結果

  • 現行運用のスクラッチ開発プログラムと比較して、より短期間で実装。(1週間)
図 グループ化で紐付け