[論文レビュー] Industrial Big Data Analytics: Challenges, Methodologies, and Applications

Junping Wang, Wensheng Zhang+3 more|arXiv (Cornell University)|Jul 3, 2018

Digital Transformation in Industry被引用数 44

ひとこと要約

本論文は、産業用ビッグデータ分析の課題・方法論・応用を概観し、製造業における異種データソースからのリアルタイム分析とエンドツーエンドのデータライフサイクル管理に焦点を当てる。

ABSTRACT

While manufacturers have been generating highly distributed data from various systems, devices and applications, a number of challenges in both data management and data analysis require new approaches to support the big data era. These challenges for industrial big data analytics is real-time analysis and decision-making from massive heterogeneous data sources in manufacturing space. This survey presents new concepts, methodologies, and applications scenarios of industrial big data analytics, which can provide dramatic improvements in velocity and veracity problem solving. We focus on five important methodologies of industrial big data analytics: 1) Highly distributed industrial data ingestion: access and integrate to highly distributed data sources from various systems, devices and applications; 2) Industrial big data repository: cope with sampling biases and heterogeneity, and store different data formats and structures; 3) Large-scale industrial data management: organizes massive heterogeneous data and share large-scale data; 4) Industrial data analytics: track data provenance, from data generation through data preparation; 5) Industrial data governance: ensures data trust, integrity and security. For each phase, we introduce to current research in industries and academia, and discusses challenges and potential solutions. We also examine the typical applications of industrial big data, including smart factory visibility, machine fleet, energy management, proactive maintenance, and just in time supply chain. These discussions aim to understand the value of industrial big data. Lastly, this survey is concluded with a discussion of open problems and future directions.

研究の動機と目的

• 製造システム全体に高度に分散したデータが存在するため、産業用ビッグデータ分析の必要性を喚起する。
• 産業環境におけるデータ管理・分析・意思決定の核心的課題を特定する。
• データ取り込み、リポジトリ、管理、分析、ガバナンスにまたがる既存の方法論を概観する。
• スマートファクトリ、機械フリート、エネルギー管理、保守といった典型的な産業アプリケーションを強調する。
• 分野の未解決問題と今後の方向性を概説する。

提案手法

• 多様なソースからの高度に分散した産業データの取り込みと統合を説明する。
• サンプリングバイアス、異種性、多形式データを扱う産業用ビッグデータリポジトリ手法を提案する。
• 膨大で異種データを組織化・共有する大規模な産業データ管理戦略を提示する。
• データ生成・前処理段階を通じたデータ発生源の追跡を含む産業データ分析実践を概説する。
• データの信頼性・完全性・セキュリティを確保する産業データガバナンスを論じる。

実験結果

リサーチクエスチョン

• RQ1 データ管理から意思決定まで、産業用ビッグデータ分析の主要な課題は何か？
• RQ2 産業分野における取り込み・格納・管理・分析・ガバナンスを扱う方法論は何か？
• RQ3 スマートファクトリ、機械群、エネルギー管理、保守、サプライチェーンにおける産業用ビッグデータ分析の適用はどう行われているか？
• RQ4 産業用ビッグデータ分析に存在する未解決の問題と今後の方向性は何か？

主な発見

• 産業用ビッグデータ分析は、取り込み、リポジトリ、管理、分析、ガバナンスという5つの中核的方法論分野を含む。
• 異種で分散したデータソースからのリアルタイム分析は、製造環境における中心的な課題である。
• データライフサイクル全体での信頼性・セキュリティ・完全性のためには、ガバナンスと発生源追跡が重要である。
• 適用範囲はスマートファクトリの可視化、機械フリート、エネルギー管理、予知保全、ジャストインタイムのサプライチェーンに及ぶ。
• 本調査は産業用ビッグデータ分析における未解決問題と将来の研究の方向性を論じる。