Według statystyk naukowcy i inżynierowie danych są jednymi z najszybciej rozwijających się zawodów w przemyśle wytwórczym. Jednak stosunkowo niewielu spośród specjalistów od danych jest zaznajomionych z unikatowymi parametrami istotnymi dla środowisk produkcyjnych i procesowo-produkcyjnych. Jedną z pojawiających się taktyk wypełniania tej luki w umiejętnościach jest wprowadzanie przez dostawców aplikacji samoobsługowych, pozwalających inżynierom na przejmowanie inicjatywy przy minimalnym wsparciu ze strony inżynierów danych. Dowody wskazują, że inżynierowie i technicy na własną rękę kontynuują kształcenie się w zakresie szczegółów statystyki i modelowania.
Ed Kuzemchak, CTO i dyrektor inżynierii IIoT i systemów wbudowanych w Software Design Solutions (SDS), oraz Sam Fahnestock, kierownik techniczny i główny inżynier ds. bezpieczeństwa w Applied Visions Co. rozwinęli ten temat w wywiadzie, który przeczytają Państwo poniżej.
P: Jak dużo dzisiejsi inżynierowie mechanicy powinni wiedzieć o danych?
O: Najbardziej produktywne współczesne zespoły inżynierskie zmierzają w kierunku interdyscyplinarności. Członkowie tych zespołów często są ekspertami w swoich dziedzinach, ale mają też pewne umiejętności i pojęcie o innych dziedzinach. Dzisiaj inżynierowie mechanicy czerpią korzyści z wiedzy o wykorzystaniu danych, co pozwala lepiej zrozumieć i ulepszyć swoje produkty.
P: Czy większość branż produkcyjnych nie ma wspólnych cech, jeśli chodzi o kontrolę procesów? Czy to sprawia, że lokalne anomalie procesów stają się mniej ważne?
O: Wiele branż ma wspólne cechy, jeśli chodzi o rodzaje danych, które mogą być gromadzone, ale każda firma będzie unikalna, jeśli chodzi o konkretny zwrot z inwestycji, jaki może osiągnąć w ramach konkretnego projektu IoT. Dlatego ważne jest, aby zacząć od małych projektów i mierzyć zwrot z inwestycji. Również zaangażowanie zewnętrznego dostawcy, który jest zaznajomiony z przemysłowym IoT, może zaoszczędzić dużo czasu i pieniędzy dzięki wykorzystaniu najlepszych praktyk, które są wspólne dla danej branży.
P: Które branże zwykle dysponują kapitałem, który mogą inwestować w modernizację obiektów z wykorzystaniem nowych technologii?
O: Często najlepszą strategią rozpoczęcia projektu przemysłowego IoT jest modernizacja istniejącego sprzętu za pomocą tanich i dostępnych w sprzedaży czujników. Urządzenia przemysłowe mają długi okres eksploatacji i jest to wyzwanie, które jest nieco wyjątkowe dla przemysłowego IoT w porównaniu z konsumenckim IoT lub nawet medycznym IoT. Często zdarza się, że sprzęt jest w użyciu przez 20 lub 30 lat. Modernizacja istniejącego sprzętu jest bardziej efektywna kosztowo niż wymiana sprzętu na nowy, wyposażony w IoT.
P: Jakie umiejętności powinien opanować inżynier, aby wcielić się w rolę specjalisty od danych?
O: Podstawowe zrozumienie matematyki i statystyki jest ważne, aby móc podjąć się roli specjalisty od danych w zespole. Dostępnych jest wiele zestawów narzędzi, od prostych do złożonych; umiejętność korzystania i rozumienia niektórych z nich jest również niezbędna do objęcia tej roli.
P: Wspomniałeś, że rola specjalisty od danych może pomóc zespołowi lepiej zaprojektować produkt. Jakiego rodzaju analizy powinni wykonywać, aby udoskonalać projekty?
O: Praktycznie każda analiza danych może dać wgląd w poprawę projektu produktu. Dobrym miejscem do rozpoczęcia byłaby analiza tego, z jakich elementów systemu użytkownicy korzystają najczęściej. Poprzez zrozumienie najczęściej używanych funkcji, zespół zyskuje zrozumienie „szkieletu” swojej aplikacji i może podjąć celowe kroki, aby zapewnić, że te funkcje są solidne i wydajne.
P: W mojej firmie nie ma żadnych naukowców zajmujących się danymi. Jak możemy zacząć inwestować w naukę o danych?
O: Rozszerzanie możliwości firmy nie jest prostą sprawą. Często zdarza się, że sprowadzenie pomocy z zewnątrz może pomóc firmie wejść na właściwą ścieżkę prowadzącą do długoterminowego sukcesu. Osoba trzecia, która rozumie nie tylko tajniki nauki o danych, ale także branżę, w której działasz, podpowie Ci, jakie dane zacząć zbierać i jak zacząć je analizować.
P: Jak wyglądałyby kroki w rozwoju projektu IIoT?
O: Jedną z najcenniejszych lekcji, jakie wyniosłem z prób połączenia kreatywnego sposobu myślenia z projektami IIoT, jest poświęcenie czasu na zaprojektowanie sprzętu z myślą o przyszłych funkcjach. Często o wiele łatwiej jest wypchnąć do klientów aktualizacje firmware’u, niż zmusić ich do wymiany sprzętu. Dodając od razu kilka dodatkowych czujników, będziesz w stanie dostarczyć klientom nowe funkcje poprzez oprogramowanie.
P: Jakie są niektóre z czynników zewnętrznych, które wpływają na sukces czujników przemysłowych w IoT?
O: Przemysłowy IoT jest wyjątkowy, ponieważ łączy w sobie kilka czynników środowiskowych, które stanowią wyzwanie dla czujników. Często czujniki muszą być zasilane bateriami, a baterie muszą wytrzymać długi czas. Ponadto czujniki są często używane w trudnych warunkach środowiskowych, więc ich wybór musi to uwzględniać. Wreszcie, często wykorzystywana jest komunikacja bezprzewodowa, ale może ona stanowić wyzwanie ze względu na zakłócenia powodowane przez liczbę metalowych urządzeń w pobliżu. Jednym ze sposobów na rozwiązanie tego ostatniego problemu jest wczesny prototyp z wykorzystaniem dostępnego na rynku sprzętu w celu oceny możliwości komunikacji bezprzewodowej.
P: Jaki pakiet do wizualizacji i analizowania danych polecacie?
O: Na początku zdecydowanie zalecamy, aby zacząć od małych i prostych rozwiązań. Pozostań przy tym, z czym czujesz się komfortowo – może to być coś tak prostego jak MS Excel. W miarę dojrzewania projektu IoT rodzaje analiz, których potrzebujesz, staną się oczywiste, a to pomoże Ci wybrać odpowiednią platformę do wizualizacji danych lub ich analizy. Jedną z korzyści wczesnego obejrzenia demonstracji platform wizualizacyjnych i analitycznych jest pomoc w wypełnieniu „luki wyobraźni”, która może powstrzymywać interesariuszy projektu.
P: Czy możesz rozwinąć temat „luki wyobraźni”?
O: Luka wyobraźni to termin, którego używamy do opisania sytuacji, w której ktoś nie wie, że coś jest możliwe, dlatego nawet nie bierze tego pod uwagę, gdy patrzy na opcje w krajobrazie IoT. Zniwelowanie tej luki jest ważne, aby pomóc interesariuszom dostrzec nowe możliwości i zdefiniować cele oraz kierunek, w jakim projekt może podążać w przyszłości.
P: Czy istnieją kwestie prawne związane z gromadzeniem danych niezbędnych do uczenia maszynowego i nauki o danych?
O: Tak jak w przypadku wszystkiego, zalecamy skonsultowanie się z zespołem prawnym firmy, aby dowiedzieć się, co konkretnie można, a czego nie można zbierać. Ten rodzaj zbierania danych często wymaga umowy z klientem końcowym, która pozwala na zbieranie danych o użytkowaniu.
P: Jak rozpocząć realizację projektu IoT?
O: Należy zebrać interesariuszy, z którymi rozmawialiśmy, a także zaangażować firmę inżynieryjną IoT w to wczesne spotkanie, która może przedstawić najlepsze praktyki, aby nie trzeba było powtarzać błędów innych, a także pomóc w opracowaniu zwinnej, etapowej mapy drogowej, która po drodze przyniesie stopniowe zwycięstwa.
Sam Fhanestock jest kierownikiem działu inżynierii i głównym inżynierem ds. bezpieczeństwa w Software Design Solutions. Jako kierownik inżynierii, szkoli członków zespołów w całej firmie w zakresie wdrażania kreatywnego sposobu myślenia. Jako główny inżynier ds. bezpieczeństwa, odgrywa kluczową rolę we włączaniu bezpieczeństwa do projektów w SDS. Wcześniej Sam Fhanestock spędził dziewięć lat, pracując w branży cyberbezpieczeństwa w Siłach Powietrznych Stanów Zjednoczonych. Pracował jako cywil Sił Powietrznych w Air Force Cyber Emergency Response Team (AFCERT), zajmując się analizą podatności, testami zabezpieczeń i zarządzaniem zespołem obrony cybernetycznej. W Booz Allen Hamilton tworzył oprogramowanie do obrony cybernetycznej dla 90. dywizjonu operacji informacyjnych Sił Powietrznych. Jest certyfikowanym trenerem agile ICAgile. Sam Fhanestock bloguje na temat cyberbezpieczeństwa i agile na SoftwareDesignSolutions.com.
Ed Kuzemchak jest CTO i dyrektorem działu IIoT oraz inżynierii systemów wbudowanych w Software Design Solutions, firmie należącej do Applied Visions. W 2003 roku założył firmę Software Design Solutions, koncentrując ją na systemach wbudowanych, maszynach do maszyn oraz tworzeniu oprogramowania IoT. Kierował rozwojem firmy od momentu powstania do jej przejęcia przez Applied Visions w 2016 roku. Przed założeniem Software Design Solutions, Ed Kuzemchak był głównym architektem oprogramowania w grupie narzędzi do cyfrowego przetwarzania sygnału (DSP) w Texas Instruments oraz członkiem Tartan Laboratories, które opracowało wysoce zoptymalizowaną technologię kompilatorów dla systemów wbudowanych. Uzyskał tytuł magistra informatyki na Uniwersytecie w Pittsburghu. Jest autorem kilku patentów dotyczących oprogramowania systemów wbudowanych.