您的问题回答：工业分析中的当前问题

CFE传媒举办了一场关于工业分析中的当前问题主讲人包括东丽美国塑料公司的首席工艺工程师迈克·马龙。网络直播结束后，马龙简短回答了一些与会者的问题。

问:关于项目的数据工程方面，你做了什么不同的事情?

马龙:在开始时花更多时间了解底层SQL脚本的命名法，该命名脚本将数据从制造系统中获取到自助服务数据分析工具。在这种情况下，我们早期抓住了一些格式化问题，并且没有追溯/重新做太多。我们准备并执行了几个小批次数据，以确保我们正在寻找，并在缩放自动数据分配之前对此感到满意。

问:为了充分识别导致失败的趋势，大量的信息是必要的。对于可以集成到现有设施中的监控设备，最好的数据存储解决方案是什么?

马龙:在Toray，我们发现该过程数据历史学家是从我们植物中超过10个独特的数据收集设备/控制系统收集的所有过程数据的集中存储的最佳解决方案。结果是使用智能数据压缩算法的单一时间序列数据流，以便有效地利用可用存储。我们一直优先考虑历史数据的价值，而不是所述数据存储的成本或空间。

这里有一篇简短的文章，讨论如何理解你的数据历史学家的选择和选择:

https://blog.canarylabs.com/data-historian-options-for-industrial-automation

问:关于这项研究，你有可以分享的正式报告吗?

马龙:是的，我确实有额外的信息要分享，但我更愿意根据你的兴趣和/或需要来调整它。这是因为正式的报告是在东丽内部进行的，我需要确保我分享的信息允许公众消费。请提供关于最感兴趣的研究主题的额外信息。

问题：你认为是什么是实现可靠机器AI等的最重要的障碍或障碍？

马龙:最大的挑战将消除机器学习（ML）模型中的过程盲点。定义和影响机器或制造过程性能的所有数据都需要实时在机器学习模型中访问。甚至一个流程变量缺失，即使有点随机，也会使机器模型难以学习什么是正常的，什么不是准确地预测未来的麻烦。即使在今天，我们仍然有一定程度的定性流程或设备评估，这些过程评估不容易被现场传感器捕获。