Sight Machine Inc. heeft aangekondigd samen te werken met NVIDIA Corp. om machine learning toe te passen om fabrieksgegevens om te zetten in inzichten voor het verbeteren van de labeling van productiegegevens.De samenwerking verbindt de productiegegevensbasis van Sight Machine met het AI-platform van NVIDIA om te helpen bij de digitale transformatie van de productie door onbewerkte fabrieksgegevens voor te bereiden voor analyse.De productie-intelligentie van Sight Machine zal NVIDIA machine learning-software die draait op NVIDIA GPU-hardware begeleiden om twee of meer orden van grootte meer gegevens te verwerken bij de start van digitale transformatieprojecten.De productiegegevensbasis van Sight Machine helpt bij het oplossen van de centrale uitdaging in de digitale transformatie van productie, waarbij onbewerkte fabrieksgegevens worden omgezet in een gegevensbasis die de productie in digitale vorm vastlegt.Sight Machine past vervolgens data-analyse en AI/ML in realtime toe om de kernproblemen in de productie op te lossen, waaronder het verbeteren van prestatiemaatregelen, zoals doorvoer, kwaliteit en uitvaltijd, en duurzaamheidsmaatregelen, waaronder energieverbruik en schroot.Er blijft echter een knelpunt – gemeenschappelijk voor alle complexe data-omgevingen maar het moeilijkst in de productie – aan de voorkant van het proces: datalabeling, ook wel tag mapping genoemd.Voordat een datastroom in een datamodel of dataverzameling kan worden opgenomen, moet men weten wat dat specifieke type data voorstelt en waar het vandaan komt.Om AI op grote schaal toe te passen, moeten fabrikanten van ondernemingen de gegevens die ze analyseren begrijpen.Een moderne fabriek kan datastromen genereren uit 100.000 of meer puntbronnen, zoals individuele sensoren, en grote ondernemingen moeten miljoenen beheren.Veel bedrijven verzamelen al jaren industriële data in een data lake of historicus, ervan uitgaande dat als ze eenmaal data hebben verzameld, ze er waarde uit kunnen halen.Weinig bedrijven zijn erin geslaagd om al die datapunten te identificeren op een manier die ze nuttig maakt.Het plaatje wordt nog ingewikkelder: hoewel historici en datameren de toegankelijkheid van gegevens verbeteren, verliezen ze vaak bijbehorende metadata van de PLC of andere bronapparaten.Het resultaat is een groot aantal gegevenswaarden die uit hun context zijn verwijderd, waardoor het nog moeilijker wordt om te begrijpen of en waarom de gegevens nuttig zijn.Sight Machine streeft ernaar het knelpunt in de gegevenslabeling te doorbreken door zijn streaming-gegevenspijplijn te koppelen aan het NVIDIA AI-platform, dat draait op Microsoft Azure-infrastructuur, om gegevens op wereldwijde schaal toe te wijzen aan activa.De samenwerking met NVIDIA zal Sight Machine in staat stellen om ordes van grootte meer gegevens te organiseren dan momenteel mogelijk is, met hoge snelheden en zonder buitensporige tijd van datawetenschappers, controletechnici of andere materiedeskundigen.Door sneller gegevens te labelen, kan Sight Machine snel grote ondernemingen met enorme datameren in dienst nemen.Het zal het werk automatiseren en versnellen en leiden tot een nog snellere time-to-value.Terwijl vergelijkbare geautomatiseerde datamapping-technologie wordt ontwikkeld voor specifieke gegevensbronnen of goed gedocumenteerde systemen, is Sight Machine de eerste die data-introspectie gebruikt om automatisch tags toe te wijzen aan modellen voor een breed scala aan fabrieksvloersystemen.In het klantonboardingproces van Sight Machine werken data-engineers samen met veteranen op de fabrieksvloer om de instellingen te identificeren die de meeste invloed hebben op de productie.In een typische fabriek hebben ingenieurs en materiedeskundigen tussen de 10 en 100 go-to-datatags (bijv. machine-instellingen) waarmee ze doorgaans werken wanneer ze aanpassingen moeten maken om een ​​probleem op te lossen of de output te tweaken.Sight Machine begint met die tags en breidt de hoeveelheid te analyseren gegevens met een orde van grootte uit, vertrouwend op softwareautomatisering, analyses en zijn expertise in het identificeren van de gegevenstypen die het sterkst verband houden met productieprestaties.De resulterende databasis richt zich vervolgens op maar liefst enkele duizenden kritische tags.Dit proces omvat echter nog steeds slechts een fractie van de gegevens van een onderneming.Het nieuwe initiatief zal het labelen van alle datapunten automatiseren, waarbij de expertise van Sight Machine op het gebied van digitalisering van productie wordt gecombineerd met NVIDIA's AI-platform en expertise op het gebied van deep learning, en met de end-to-end streaming- en AI-oplossingen van Microsoft voor productie.NVIDIA GPU's, oorspronkelijk ontwikkeld voor high-speed graphics, zijn ideaal voor het efficiënt verwerken van grote hoeveelheden gegevens.