Demystificatie van geautomatiseerde gegevensverzameling – deel drie van drie
Door Ken Gifford
Heb je ooit iemand meegenomen naar Baskin-Robbins die echt houdt van ijs? Altijd als ik mijn vrouw daarheen breng, heeft ze een redelijk goed idee in haar hoofd waar ze van houdt. Wanneer ze echter wordt geconfronteerd met de verbijsterende reeks beschikbare keuzes, vindt ze het moeilijk om een beslissing te nemen. Dit soort situaties wordt tegenwoordig vaak "Information Overload" genoemd. We hebben een idee van de informatie waarnaar we op zoek zijn, maar onze zintuigen raken verzadigd met alle gegevens dat wordt ons aangeboden. Het is een beetje alsof je een drankje uit een brandslang haalt.
De Amerikaanse schrijver over internettechnologieën, Clay Shirky zegt:
“Het is geen overdaad aan informatie. Het is een filterfout."
Wikipedia zegt het zo:“Sommige cognitieve wetenschappers en grafische ontwerpers hebben het onderscheid benadrukt tussen ruwe informatie in een vorm die we kunnen gebruiken bij het denken. In deze visie kan informatie-overload beter worden gezien als 'organisatie-onderbelasting'. Dat wil zeggen, ze suggereren dat het probleem niet zozeer de hoeveelheid informatie is, maar het feit dat we niet kunnen onderscheiden hoe we het goed kunnen gebruiken in de onbewerkte of bevooroordeelde vorm die het ons wordt gepresenteerd. graag het onderscheid maken tussen data en informatie . Gegevens is simpelweg dat, onbewerkte data in zijn eenvoudigste vorm . Terwijl informatie zijn gegevens gedestilleerd tot iets bruikbaars .
In de industriële wereld wordt dit meestal weergegeven in trends . Trendgegevens zijn eenvoudigweg een ononderbroken lijn die een gegevenspunt in de loop van de tijd weergeeft. De meesten van ons hebben de beelden gezien van iemand die een presentatie geeft terwijl hij voor een schildersezel staat met een rode lijn erop die omhoog of omlaag loopt. Dit is een eenvoudige weergave van een trendlijn.
Bij het analyseren van tijdreeksgegevens wordt een trendgrafiek echter erg handig om plotselinge veranderingen te detecteren en precies te zien wanneer ze hebben plaatsgevonden. Hierdoor kan de gebruiker die de gegevens moet analyseren snel op een tijdbereik inzoomen voor een diepere analyse. Daarom zijn trends de belangrijkste weergave in elke toolkit voor industriële gegevensverzameling.
Maar hoe zit het met de vraag welke gegevens verzamelen? Dit is echt een beladen vraag. Telkens wanneer we met een klant een nieuw gegevensverzamelingsproject ingaan, stellen we de vraag:"Welke gegevens wilt u verzamelen?" Het antwoord is steevast "allemaal". Dit is in meerdere opzichten een uitdaging. Het is meestal een indicatie dat de eindgebruiker niet bekend is met welke gegevens het nuttigst zijn om te bepalen hoe goed een proces loopt. Voordat we dit verzoek ongeldig maken, moeten we er ook rekening mee houden dat er vaak veel normaal gesproken onzichtbare factoren zijn die een proces kunnen beïnvloeden. Door "alles" te verzamelen, krijgen de betrokkenen de kans om te begrijpen wat er aan de hand is als er iets heel ongewoons gebeurt. Dit betekent ook dat er enkele echt goede "filters" van de gegevens moeten zijn om een gebruiker in staat te stellen informatie te sorteren en te bekijken als dat nodig is om goede beslissingen te nemen.
Voordat de beslissing wordt genomen om in een "deep data dive'-benadering, moet men ook rekening houden met een andere factor:de kosten. Als u van plan bent een gegevensverzamelingssysteem op te zetten dat uit duizenden bronnen verzamelt, realiseer u dan dat zo'n groot systeem meer zal kosten. Eén benadering is om het systeem groot genoeg te bouwen om de "hoogwaardige" datapunten te verzamelen, met wat overhead - van bijvoorbeeld 100 extra databronnen. Wat dan kan worden gedaan, is dat deze overheadbronnen ("tags" zoals ze in softwareland worden genoemd) naar behoefte kunnen worden hergebruikt om verschillende punten te verzamelen bij het uitproberen van een nieuwe specificatie, of als u een terugkerend probleem ondervindt met een specifieke deel van uitrusting. Dit kan helpen de totale kosten van het project laag te houden, maar geeft u de flexibiliteit om diepere analyses uit te voeren wanneer u die nodig heeft.
Ik hoop dat je genoten hebt van deze serie over geautomatiseerde gegevensverzameling. Als u vragen heeft of gewoon een gesprek wilt hebben over het verzamelen van gegevens, bel ons dan op 800-844-8405.
Automatisering Besturingssysteem
- Drie kritieke punten om te overwegen voordat gegevens naar de cloud worden gemigreerd
- Drie IoT-trends om deze maand te bekijken
- Multichannel professionele datalogger op Raspberry Pi – deel 1
- Hyperconvergentie en secundaire opslag:deel 2
- Hyperconvergentie en het internet der dingen:deel 1
- IoT en uw begrip van data
- Microsoft heeft een volledig geautomatiseerde DNA-gegevensopslag gebouwd
- Waarom cloud? Drie voordelen die u moet overwegen
- Drie redenen om supply chain-technologie te gebruiken
- Proces + Master Data &Digitale Transformatie, Deel II
- In-line, geautomatiseerde CT-scangegevensinspectie van elektronische connectoren