SlideShare una empresa de Scribd logo
1 de 16
Descargar para leer sin conexión
Analýza dat z výroby ve velkém
-
výzva pro machine learning?
Roman Čapek 12.11.2014
Kdo jsme a co je naším cílem
• Jsme startup, chceme dělat věci jednoduše, lidsky a hlavně pro lidi
• Primárním cílem je zvyšování efektivity výroby
• Žádné ruční reporty a jiné zdržování
• Místo toho jen přesný obraz reality – monitoring výroby
• Řešení Plantyst = synergie HW + SW + metodika
• HW = sensor, box, přenos dat
• SW = uložení (cloud), analýza (cloud) a prezentace dat (web)
• Metodika = jak správně podporovat lidi ve výrobě
Analýza výrobních dat 1/7Roman Čapek – Plantyst
K čemu je monitoring výroby?
Jak rychle jede toto auto?
Dojede k domu včas?
Nepřekračuje povolenou rychlost?
Analýza výrobních dat 2/7Roman Čapek – Plantyst
K čemu je monitoring výroby?
A teď?
Analýza výrobních dat 2/7Roman Čapek – Plantyst
Co už máme – monitoring výroby
• Měříme rychlost produkce, data sbíráme a dlouhodobě archivujeme
• Pro každý měřený bod (stroj) máme časovou řadu rychlosti
Analýza výrobních dat 3/7Roman Čapek – Plantyst
Co už máme – monitoring výroby
• Počet pulzů za každých 10 vteřin (umíme i po 1 vteřině) – raw data
• Agregace do větších časových úseků – minuty, hodiny, dny, měsíce
• Data jsou archivována – u některých strojů máme i 2 roky dat
Analýza výrobních dat 3/7Roman Čapek – Plantyst
Co už máme – monitoring výroby
Některé stroje jedou opravdu se strojovou přesností
Analýza výrobních dat 3/7Roman Čapek – Plantyst
Co už máme – monitoring výroby
Některá data nejsou tak „hezká“
Analýza výrobních dat 3/7Roman Čapek – Plantyst
Co už máme – monitoring výroby
Někdy je to jen „teď úder, … , teď úder, …“
Analýza výrobních dat 3/7Roman Čapek – Plantyst
Co už máme – monitoring výroby
A někdy je to „jede/nejede“ s dlouhou časovou konstantou
Analýza výrobních dat 3/7Roman Čapek – Plantyst
Kam chceme směřovat vývoj
• Automatická analýza dat – co, kdy, jak, proč, predikce
• Identifikace důležitých (atypických) úseků dat
• Nalezení skrytých závislostí
• Poslední páteční směna má většinou nízkou efektivitu
• V zimních měsících je produkce u pecí vyšší
• Když hraje Sparta, dochází příliš často k výpadkům na lince 1
• Frantovi vyhovují noční směny
Analýza výrobních dat 4/7Roman Čapek – Plantyst
Jak na to?
Analýza výrobních dat 5/7Roman Čapek – Plantyst
Pokus první – machine learning
• (Možné) výstupy:
• identifikace atypických úseků
• analýza závislostí – co má vliv na co
• ... představivosti se meze nekladou
• Vstupy:
• časové řady v délce jednotek až desítek měsíců (jednotky milionů vzorků)
• to samozřejmě zahrnuje přesnou časovou stopu (rozlišení až na vteřiny)
• dále doplnit dle vlastního uvážení o počasí, příliv a odliv, zápasy NHL…
Analýza výrobních dat 6/7Roman Čapek – Plantyst
Co je tedy cílem této prezentace?
• Pro vás:
• Motivovat chytré hlavy reálnou výzvou
• Podnítit chuť podílet se na řešení zajímavé úlohy
• Pro nás:
• Získat zpětnou vazbu k našim nápadům
• Vytvořit si lepší představu o možnostech použití machine learningu
Analýza výrobních dat 7/7Roman Čapek – Plantyst
Kontakt
• Dávala vám prezentace smysl, našli jste se v ní?
• Máte dojem, že víte jak nastíněnou úlohu řešit?
• Chybělo vám něco a chtěli byste vědět víc?
• Nebo vám připadá, že jsme spadli z višně?
Nebojte se ozvat!
roman.capek@plantyst.com http://plantyst.cz/o-nas/
Vize do budoucna (když to s ML vyjde…)
• Identifikace důležitých úseků expertem – mistr ve výrobě
• Anotace dat – textový popis důvodů některých úseků dat
• Propojení s daty z ERP systému – údaje o zakázkách a podobně
• Automatický výpočet doby zpracování na základě několika parametrů
• Rozšíření o monitoring akcí uživatelů v systému
• Automatická personalizace dle historie
Analýza výrobních dat ARoman Čapek – Plantyst

Más contenido relacionado

Destacado

Sarbanes oxley act overview-v4-final v1
Sarbanes oxley act overview-v4-final v1Sarbanes oxley act overview-v4-final v1
Sarbanes oxley act overview-v4-final v1Vijay Kumar C.A.
 
Young Marketers 3_The final round_Nguyen Thanh Tung
Young Marketers 3_The final round_Nguyen Thanh TungYoung Marketers 3_The final round_Nguyen Thanh Tung
Young Marketers 3_The final round_Nguyen Thanh Tungthanhtung211995
 
Waffle slab Arabic
Waffle slab Arabic Waffle slab Arabic
Waffle slab Arabic Yazid Hamoda
 
Simple Card Sorting Methods
Simple Card Sorting MethodsSimple Card Sorting Methods
Simple Card Sorting MethodsAndrii Rusakov
 
Globalization and Bangladesh
Globalization and BangladeshGlobalization and Bangladesh
Globalization and BangladeshJoy Protim
 
Prototyping invision vs axure
Prototyping invision vs axurePrototyping invision vs axure
Prototyping invision vs axureAndrii Rusakov
 

Destacado (7)

Tabaquismo
Tabaquismo Tabaquismo
Tabaquismo
 
Sarbanes oxley act overview-v4-final v1
Sarbanes oxley act overview-v4-final v1Sarbanes oxley act overview-v4-final v1
Sarbanes oxley act overview-v4-final v1
 
Young Marketers 3_The final round_Nguyen Thanh Tung
Young Marketers 3_The final round_Nguyen Thanh TungYoung Marketers 3_The final round_Nguyen Thanh Tung
Young Marketers 3_The final round_Nguyen Thanh Tung
 
Waffle slab Arabic
Waffle slab Arabic Waffle slab Arabic
Waffle slab Arabic
 
Simple Card Sorting Methods
Simple Card Sorting MethodsSimple Card Sorting Methods
Simple Card Sorting Methods
 
Globalization and Bangladesh
Globalization and BangladeshGlobalization and Bangladesh
Globalization and Bangladesh
 
Prototyping invision vs axure
Prototyping invision vs axurePrototyping invision vs axure
Prototyping invision vs axure
 

Similar a Machine learning - Plantyst

Jak se vyhnout chybám při analýze nejen velkých dat
Jak se vyhnout chybám při analýze nejen velkých datJak se vyhnout chybám při analýze nejen velkých dat
Jak se vyhnout chybám při analýze nejen velkých datJan Janca
 
25. 2. 2016 produktivita a efektivita v digitálním světě - v1.01
25. 2. 2016   produktivita a efektivita v digitálním světě - v1.0125. 2. 2016   produktivita a efektivita v digitálním světě - v1.01
25. 2. 2016 produktivita a efektivita v digitálním světě - v1.01Jan Janca
 
Jan Baštýř | VIVmail.cz | Kde hledat kouzlo dat? K čemu všemu je možné je již...
Jan Baštýř | VIVmail.cz | Kde hledat kouzlo dat? K čemu všemu je možné je již...Jan Baštýř | VIVmail.cz | Kde hledat kouzlo dat? K čemu všemu je možné je již...
Jan Baštýř | VIVmail.cz | Kde hledat kouzlo dat? K čemu všemu je možné je již...Targito
 
Úvod do analýzy - 2 část
Úvod do analýzy -  2 částÚvod do analýzy -  2 část
Úvod do analýzy - 2 částMartin Paták
 
Jak se mění práce analytika (Martin Bosák)
Jak se mění práce analytika (Martin Bosák)Jak se mění práce analytika (Martin Bosák)
Jak se mění práce analytika (Martin Bosák)Taste Medio
 
Social media monitoring
Social media monitoringSocial media monitoring
Social media monitoringJosef Šlerka
 
Žijeme s uživateli
Žijeme s uživateliŽijeme s uživateli
Žijeme s uživateliPetr Stedry
 
Data Restart 2022: Roman Appeltauer - Aktivace first-party dat pomocí SGTM
Data Restart 2022: Roman Appeltauer - Aktivace first-party dat pomocí SGTMData Restart 2022: Roman Appeltauer - Aktivace first-party dat pomocí SGTM
Data Restart 2022: Roman Appeltauer - Aktivace first-party dat pomocí SGTMTaste
 
2020: AutoML, aneb nahradí roboti analytiky?
2020: AutoML, aneb nahradí roboti analytiky?2020: AutoML, aneb nahradí roboti analytiky?
2020: AutoML, aneb nahradí roboti analytiky?Taste Medio
 
Profiling PHP Applications
Profiling PHP ApplicationsProfiling PHP Applications
Profiling PHP ApplicationsMichal Haták
 
Vizualizace dat mkti
Vizualizace dat mktiVizualizace dat mkti
Vizualizace dat mktiVTom PoUcha
 
Pokročilá segementace webových návštěvníků (Jan Matoušek)
Pokročilá segementace webových návštěvníků (Jan Matoušek)Pokročilá segementace webových návštěvníků (Jan Matoušek)
Pokročilá segementace webových návštěvníků (Jan Matoušek)Taste Medio
 
AI Restart 2024: Lukáš Kostka - Automatizace analýzy klíčových slov aneb změn...
AI Restart 2024: Lukáš Kostka - Automatizace analýzy klíčových slov aneb změn...AI Restart 2024: Lukáš Kostka - Automatizace analýzy klíčových slov aneb změn...
AI Restart 2024: Lukáš Kostka - Automatizace analýzy klíčových slov aneb změn...Taste
 
Prediktivní analytika pro rok 2020
Prediktivní analytika pro rok 2020Prediktivní analytika pro rok 2020
Prediktivní analytika pro rok 2020Taste Medio
 
Janek Žežula - V čem je platforma Targito unikátní a jak vám usnadní práci?
Janek Žežula - V čem je platforma Targito unikátní a jak vám usnadní práci?Janek Žežula - V čem je platforma Targito unikátní a jak vám usnadní práci?
Janek Žežula - V čem je platforma Targito unikátní a jak vám usnadní práci?Targito
 
BI and the competitive advantage of the business
BI and the competitive advantage of the businessBI and the competitive advantage of the business
BI and the competitive advantage of the businessJaroslav Smarda
 
Říjnový SEOloger 2019 - Screaming Frog a crawlování webů
Říjnový SEOloger 2019 - Screaming Frog a crawlování webůŘíjnový SEOloger 2019 - Screaming Frog a crawlování webů
Říjnový SEOloger 2019 - Screaming Frog a crawlování webůMartin Žatkovič
 
Big Data: reálné aplikace pro business - Odborna snidane 30. 11. 2016
Big Data: reálné aplikace pro business - Odborna snidane 30. 11. 2016Big Data: reálné aplikace pro business - Odborna snidane 30. 11. 2016
Big Data: reálné aplikace pro business - Odborna snidane 30. 11. 2016Profinit
 
Datadriven management
Datadriven managementDatadriven management
Datadriven managementRevoltBI
 

Similar a Machine learning - Plantyst (20)

Jak se vyhnout chybám při analýze nejen velkých dat
Jak se vyhnout chybám při analýze nejen velkých datJak se vyhnout chybám při analýze nejen velkých dat
Jak se vyhnout chybám při analýze nejen velkých dat
 
25. 2. 2016 produktivita a efektivita v digitálním světě - v1.01
25. 2. 2016   produktivita a efektivita v digitálním světě - v1.0125. 2. 2016   produktivita a efektivita v digitálním světě - v1.01
25. 2. 2016 produktivita a efektivita v digitálním světě - v1.01
 
Jan Baštýř | VIVmail.cz | Kde hledat kouzlo dat? K čemu všemu je možné je již...
Jan Baštýř | VIVmail.cz | Kde hledat kouzlo dat? K čemu všemu je možné je již...Jan Baštýř | VIVmail.cz | Kde hledat kouzlo dat? K čemu všemu je možné je již...
Jan Baštýř | VIVmail.cz | Kde hledat kouzlo dat? K čemu všemu je možné je již...
 
Úvod do analýzy - 2 část
Úvod do analýzy -  2 částÚvod do analýzy -  2 část
Úvod do analýzy - 2 část
 
Jak se mění práce analytika (Martin Bosák)
Jak se mění práce analytika (Martin Bosák)Jak se mění práce analytika (Martin Bosák)
Jak se mění práce analytika (Martin Bosák)
 
Social media monitoring
Social media monitoringSocial media monitoring
Social media monitoring
 
Žijeme s uživateli
Žijeme s uživateliŽijeme s uživateli
Žijeme s uživateli
 
Data Restart 2022: Roman Appeltauer - Aktivace first-party dat pomocí SGTM
Data Restart 2022: Roman Appeltauer - Aktivace first-party dat pomocí SGTMData Restart 2022: Roman Appeltauer - Aktivace first-party dat pomocí SGTM
Data Restart 2022: Roman Appeltauer - Aktivace first-party dat pomocí SGTM
 
2020: AutoML, aneb nahradí roboti analytiky?
2020: AutoML, aneb nahradí roboti analytiky?2020: AutoML, aneb nahradí roboti analytiky?
2020: AutoML, aneb nahradí roboti analytiky?
 
Profiling PHP Applications
Profiling PHP ApplicationsProfiling PHP Applications
Profiling PHP Applications
 
Vizualizace dat mkti
Vizualizace dat mktiVizualizace dat mkti
Vizualizace dat mkti
 
Pokročilá segementace webových návštěvníků (Jan Matoušek)
Pokročilá segementace webových návštěvníků (Jan Matoušek)Pokročilá segementace webových návštěvníků (Jan Matoušek)
Pokročilá segementace webových návštěvníků (Jan Matoušek)
 
AI Restart 2024: Lukáš Kostka - Automatizace analýzy klíčových slov aneb změn...
AI Restart 2024: Lukáš Kostka - Automatizace analýzy klíčových slov aneb změn...AI Restart 2024: Lukáš Kostka - Automatizace analýzy klíčových slov aneb změn...
AI Restart 2024: Lukáš Kostka - Automatizace analýzy klíčových slov aneb změn...
 
Prediktivní analytika pro rok 2020
Prediktivní analytika pro rok 2020Prediktivní analytika pro rok 2020
Prediktivní analytika pro rok 2020
 
Janek Žežula - V čem je platforma Targito unikátní a jak vám usnadní práci?
Janek Žežula - V čem je platforma Targito unikátní a jak vám usnadní práci?Janek Žežula - V čem je platforma Targito unikátní a jak vám usnadní práci?
Janek Žežula - V čem je platforma Targito unikátní a jak vám usnadní práci?
 
Příručka Aimtečáka 1.01
Příručka Aimtečáka 1.01Příručka Aimtečáka 1.01
Příručka Aimtečáka 1.01
 
BI and the competitive advantage of the business
BI and the competitive advantage of the businessBI and the competitive advantage of the business
BI and the competitive advantage of the business
 
Říjnový SEOloger 2019 - Screaming Frog a crawlování webů
Říjnový SEOloger 2019 - Screaming Frog a crawlování webůŘíjnový SEOloger 2019 - Screaming Frog a crawlování webů
Říjnový SEOloger 2019 - Screaming Frog a crawlování webů
 
Big Data: reálné aplikace pro business - Odborna snidane 30. 11. 2016
Big Data: reálné aplikace pro business - Odborna snidane 30. 11. 2016Big Data: reálné aplikace pro business - Odborna snidane 30. 11. 2016
Big Data: reálné aplikace pro business - Odborna snidane 30. 11. 2016
 
Datadriven management
Datadriven managementDatadriven management
Datadriven management
 

Machine learning - Plantyst

  • 1. Analýza dat z výroby ve velkém - výzva pro machine learning? Roman Čapek 12.11.2014
  • 2. Kdo jsme a co je naším cílem • Jsme startup, chceme dělat věci jednoduše, lidsky a hlavně pro lidi • Primárním cílem je zvyšování efektivity výroby • Žádné ruční reporty a jiné zdržování • Místo toho jen přesný obraz reality – monitoring výroby • Řešení Plantyst = synergie HW + SW + metodika • HW = sensor, box, přenos dat • SW = uložení (cloud), analýza (cloud) a prezentace dat (web) • Metodika = jak správně podporovat lidi ve výrobě Analýza výrobních dat 1/7Roman Čapek – Plantyst
  • 3. K čemu je monitoring výroby? Jak rychle jede toto auto? Dojede k domu včas? Nepřekračuje povolenou rychlost? Analýza výrobních dat 2/7Roman Čapek – Plantyst
  • 4. K čemu je monitoring výroby? A teď? Analýza výrobních dat 2/7Roman Čapek – Plantyst
  • 5. Co už máme – monitoring výroby • Měříme rychlost produkce, data sbíráme a dlouhodobě archivujeme • Pro každý měřený bod (stroj) máme časovou řadu rychlosti Analýza výrobních dat 3/7Roman Čapek – Plantyst
  • 6. Co už máme – monitoring výroby • Počet pulzů za každých 10 vteřin (umíme i po 1 vteřině) – raw data • Agregace do větších časových úseků – minuty, hodiny, dny, měsíce • Data jsou archivována – u některých strojů máme i 2 roky dat Analýza výrobních dat 3/7Roman Čapek – Plantyst
  • 7. Co už máme – monitoring výroby Některé stroje jedou opravdu se strojovou přesností Analýza výrobních dat 3/7Roman Čapek – Plantyst
  • 8. Co už máme – monitoring výroby Některá data nejsou tak „hezká“ Analýza výrobních dat 3/7Roman Čapek – Plantyst
  • 9. Co už máme – monitoring výroby Někdy je to jen „teď úder, … , teď úder, …“ Analýza výrobních dat 3/7Roman Čapek – Plantyst
  • 10. Co už máme – monitoring výroby A někdy je to „jede/nejede“ s dlouhou časovou konstantou Analýza výrobních dat 3/7Roman Čapek – Plantyst
  • 11. Kam chceme směřovat vývoj • Automatická analýza dat – co, kdy, jak, proč, predikce • Identifikace důležitých (atypických) úseků dat • Nalezení skrytých závislostí • Poslední páteční směna má většinou nízkou efektivitu • V zimních měsících je produkce u pecí vyšší • Když hraje Sparta, dochází příliš často k výpadkům na lince 1 • Frantovi vyhovují noční směny Analýza výrobních dat 4/7Roman Čapek – Plantyst
  • 12. Jak na to? Analýza výrobních dat 5/7Roman Čapek – Plantyst
  • 13. Pokus první – machine learning • (Možné) výstupy: • identifikace atypických úseků • analýza závislostí – co má vliv na co • ... představivosti se meze nekladou • Vstupy: • časové řady v délce jednotek až desítek měsíců (jednotky milionů vzorků) • to samozřejmě zahrnuje přesnou časovou stopu (rozlišení až na vteřiny) • dále doplnit dle vlastního uvážení o počasí, příliv a odliv, zápasy NHL… Analýza výrobních dat 6/7Roman Čapek – Plantyst
  • 14. Co je tedy cílem této prezentace? • Pro vás: • Motivovat chytré hlavy reálnou výzvou • Podnítit chuť podílet se na řešení zajímavé úlohy • Pro nás: • Získat zpětnou vazbu k našim nápadům • Vytvořit si lepší představu o možnostech použití machine learningu Analýza výrobních dat 7/7Roman Čapek – Plantyst
  • 15. Kontakt • Dávala vám prezentace smysl, našli jste se v ní? • Máte dojem, že víte jak nastíněnou úlohu řešit? • Chybělo vám něco a chtěli byste vědět víc? • Nebo vám připadá, že jsme spadli z višně? Nebojte se ozvat! roman.capek@plantyst.com http://plantyst.cz/o-nas/
  • 16. Vize do budoucna (když to s ML vyjde…) • Identifikace důležitých úseků expertem – mistr ve výrobě • Anotace dat – textový popis důvodů některých úseků dat • Propojení s daty z ERP systému – údaje o zakázkách a podobně • Automatický výpočet doby zpracování na základě několika parametrů • Rozšíření o monitoring akcí uživatelů v systému • Automatická personalizace dle historie Analýza výrobních dat ARoman Čapek – Plantyst