詳細
生産されたすべてのワークの実際の形状と寸法は、指定された仕様とは異なります。これは、生産工程自体に原因がある可能性があり、その中には予測できる原因と予測できない原因があります。最高の生産品質を保証するには、それらの差異を解析および検査して、差異が定められた限度内に収まることを保証する必要があります。
ワークの特性を「測定」することは、差異が制御されていることを保証する最も明白な方法です。したがって、生産工程の生産量を評価する際に、データ収集が重要なステップになります。収集したデータを解析することは、組織がその工程の有効性および改善すべき個所を認識するのに役立ちます。
データ保存システムの価格の値下がりおよびネットワークインフラストラクチャーのアクセスのしやすさは、データシステム全域に影響を及ぼします。さまざまなセンサーからさまざまな種類の信号が来ること、および処理ユニットで多くのプロトコルが使用されていることは、従来は困難な問題を引き起こしましたが、現在はそれほどではありません。これは、センサーが「インテリジェント化」したことと世界的に通信規格が採用されていることが理由です。現在は、処理機能をできる限りセンサーの近くで実行して、センサーをネットワーク上で相互に通信可能なオブジェクトにすることが、トレンドになっています。処理されたデータは、中央の保存システムに送信されて保存されます。これにより、それらのデータを検索することや、さらに処理することが可能になります。
収集されるデータの量は増え続けており、その利用方法はもはや単純なワークの適合性（合否）の評価に留まりません。技術の進化により、現在は、以下のようなさまざまな産業支援システムを実行するための入力としてデータを提供できます。
- ヒストリアン：データトレーサビリティを実現
- 統計プロセスコントロール解析
- 生産計画システム
- 製造実行システム：製造に関する意思決定者を支援
- ERPシステム
- データウェアハウスシステム
- データマイニング/機械学習システム：生産工程を最適化し、事後/予防保全ポリシーを支援
データ量が増えるにつれて、処理インフラストラクチャーも増強する必要があります。膨大な量のデータを保存する必要があることから、NoSQLデータベースや分散ファイルシステムなど、より革新的な構造的保存手法の開発が促進されています。それに対応するように、分散処理方法/アルゴリズムの数を増やすための新技術が出現しています。
この変化により、データと生成されるイベントの間の関係をユーザーに効果的に伝えるためのプレゼンテーション手法も適合させる必要があります。現在、プレゼンテーション手法は、それ自体を体系的な技術と見なすことができます。1つの例として、インフォグラフィック分野から派生した記述統計手法とプレゼンテーション手法の使用が挙げられます。
