গ্লোবাল এক্সপার্টরা প্রিডিক্ট করেছেন যে IIoT মার্কেট সবার আশা অতিক্রম করবে। রিপোর্ট অনুযায়ী, এটি ২০৩০ সালের মধ্যে গ্লোবাল ইকোনমিতে প্রায় ১৪.২ ট্রিলিয়ন ডলার যোগ করবে (Accenture-র গবেষণা অনুযায়ী)। কিন্তু একদম থেকে, এটি বাধা মুখোমুখি হয়েছে কারণ ট্রেডিশনাল মেথডগুলো অ্যানোমালি ডিটেক্ট ও প্রিডিক্ট করতে সক্ষম নন। gầnে, কগনিটিভ অ্যানোমালি ডিটেকশন চিত্রে এসেছে, কিন্তু কি এটি আশা অনুযায়ী পারফর্ম করতে পারবে? জানতে হলে, আপনাকে IIoT এবং কগনিটিভ অ্যানোমালি ডিটেকশন সম্পর্কে জানতে হবে। তো, শুরু করা যাক!
IIoT কী?
IIoT টার্মটি GE কর্তৃক ২০১২ সালের শেষে কয়েন করা হয়েছিল। IIoT বা Industrial Internet of Things হলো Internet of Things কনসেপ্টের বড় চিত্র। IIoT ML এবং বিগ ডেটা টেকনোলজির পটেনশিয়েল কর্মক্ষেত্রে আনলো। এর সাথে, অটোমেশন টেকনোলজিকে পরের স্তরের স্ব-নিরব সাহায্যে আপগ্রেড করা আর চড়া পাহাড় নয়। বিশ্বজুড়ের সেন্সর বা ইন্টারনেট অফ থিংস যে পরিমাণ ডেটা সংগ্রহ করছে, প্রপার অ্যানালিটিক্স ছাড়া সেগুলোর ব্যবহার অস্তিত্বহীন হয়ে যাবে এবং আমরা সেগুলো অবশেষে ডিলিট করব। এটি ডেটা সংগ্রহের প্রক্রিয়াকে নিষ্প্রয়োজন করে দেবে। কিন্তু IIoT-এ, ডেটা অন্যান্য সিস্টেমের সাথে কম্বাইন হয়ে আরও সহজে প্রক্রিয়া করা যায়। কিন্তু কগনিটিভ অ্যানোমালি আসলে কী?
কগনিটিভ অ্যানোমালি ডিটেকশন কী?
CA ডিটেকশন হলো একটি প্রক্রিয়া যা IIoT ডেটা (প্রায়নই বড় চানক যা আগে নিষ্প্রয়োজন ছিল) এ অ্যানোমালি চিহ্নিত করে আনসুপারভাইজড লার্নিং এবং প্যাটার্ন রিকগনিশনের সাহায্যে। এদের সাথে, ফলস অ্যালার্মের উপস্থিতি খুব কমিয়ে যেতে পারে। এছাড়া, সঠিক সময়ে ফল্ট ও ফেইলার ডিটেকশন করলে আমরা উল্লেখযোগ্যভাবে সময় ও রিসোর্স বাঁচাতে পারি।
কগনিটিভ অ্যানোমালি ডিটেকশনের IIoT-র ওপর প্রভাব…
যদি পরিসংখ্যানে আস্থা রাখা যায়, তবে একটি A350 বিমানে প্রায় ৬ হাজার সেন্সর রয়েছে যা প্রতি ফ্লাইটে ২.৫ পেটাবাইট ডেটা জেনারেট করতে পারে। কার ম্যানুফ্যাকচারার, পাওয়ার প্ল্যান্ট, অয়েল রিগ, অ্যাসেম্বলি লাইন ইত্যাদি সেক্টরও এতে কম নন। হাজার হাজার সেন্সর নিরব Адשিন করছে, তারা দৈনিক ভিত্তিতে ভয়ঙ্কর পরিমাণ ডেটা উৎপাদন করছে। যেতে, IIoT কোম্পানিগুলো উৎপাদিত ডেটার ২০% এরও বেশি ব্যবহার করতে পারছে না। যেতে, আমরা এখনও এই সকল সংগ্রহিত ডেটার ব্যবহার খুঁজছি কারণ আমরা গুরুত্বপূর্ণ প্যাটার্নগুলো চিহ্নিত করতে পারছি না। আমাদের বড় স্কেলে অ্যানোমালি খুঁজে বের করতে হবে ইকুইপমেন্টের ইউটিলাইজেশন রেট বাড়াতে এবং ফুয়েলের প্রয়োজন কমাতে।
এছাড়া, আরো অনেক অ্যানোমালি রয়েছে যেন ল্যাটেন্সি প্রоб্লেম যা সরাসরি রিয়েল-টাইম ডেটাকে প্রভাবিত করে, ছোট পার্টসের লাইফটাইম প্রিডিক্ট করতে ব্যর্থতা, ম্যানপাওয়ার নিয়োগের খরচ, এবং অন্যান্য অনেক।
উপরোক্ত মতামত অনুযায়ী, কগনিটিভ অ্যানোমালি মেশিন লার্নিং এবং ডেটা অ্যানালিটিক্স দ্বারা চালিত যা IIoT-কে সমাধান খুঁজে বের করতে এবং সমস্যাগুলো মোকাবিলা করতে সাহায্য করে যা ট্রেডিশনাল মেথডগুলো প্রিডিক্ট বা রেজলভ করতে ব্যর্থ হয়েছিল। যেতে, শুধু অ্যানোমালি খুঁজে বের করা পর্যাপ্ত নয়। যেহেতু অ্যানোমালির چندین ধরন রয়েছে, ভালো ও মন্দগুলো আলাদা করা একটি কঠিন কাজ। তাই, যদি আমরা কানেক্ট ও কোরিলেট করতে পারি ফেইলার প্রিডিক্ট করতে, তবে আমরা বিশাল পরিমাণ সময় ও অ্যাসেট বাঁচাতে পারব।
এই বিষয়ে, ডেটা সায়েন্টিস্ট তাজ দাররা বলেছেন যখন ML কগনিটিভ IoT ফ্রেমওয়ার্কের সাথে এনহ্যান্স করা হয়, এটি IIoT বিজনেসকে সেন্সর ডেটার প্রাথমিক ইনজেশন থেকে আউটপুট প্রিডিকশন পর্যন্ত অ্যানোমালি ডিটেক্ট করতে সক্ষম করে এবং নির্ধারণ করতে পারে কি কিছু অ্যানোমালি কিনা শুধু ২ দিনে। এটি খুবই ইমপ্রেসিভ কারণ এখন সকল সেন্সর প্যারালেললি মেজার করা যাবে।
কগনিটিভ অ্যানোমালি ডিটেকশন ফেজগুলোতে করা হয় এবং সেগুলো সঠিক ক্রমে llevado হয়। Connect, detect, validate, predict, and act। প্রথম, আমরা ডেটা সোর্স কানেক্ট করি স্ট্রাকচার করার জন্য এবং তারপর ডিটেক্ট করি যে পাওয়া এন্টিটিগুলো অ্যানোমালি হিসেবে বিবেচনা করা যায় কিনা। প্রক্রিয়া চলতে থাকে ভ্যালিডেশন প্রক্রিয়ায় এবং তারপর প্রিডিকশন করা হয়। যেন এই প্রক্রিয়া সম্পূর্ণ হলে, আপনি আপনার সিস্টেমের API-এ কানেক্ট করে act করতে পারেন। এই পদ্ধতি অনুসরণ করে আপনি প্রায় ৭৫% পার্টসের ব্রেকডাউন তাদের অস্বাভাবিক আচরণ শুরু করার আগে প্রিডিক্ট করতে পারবেন।
তাই, আমরা বলতে পারি এই দুটো কম্বাইন করলে আমাদের প্র্যাকটিস আপগ্রেড করতে সাহায্য করবে। আমরা অস্বীকার করতে পারি না যে অসংখ্য ডেটা অপ্রয়োজনীয়ভাবে জায়গা নিচ্ছে কারণ আমাদের কার্যকর প্র্যাকটিসের অভাব, ট্রেডিশনাল মেথডকে নতুন দিয়ে রিপ্লেস করলে নিঃসন্দেহে আমাদের উদ্দেশ্য সার্ভ করবে। এছাড়া, যদি আমরা দৈনন্দিন উৎপাদিত বিশাল ডেটা চানকগুলো নিয়ন্ত্রণ পাই, তবে আমরা অ্যাসেট ফেইলার ম্যানেজমেন্ট উন্নত করতে পারব, অনপ্ল্যান্ড ডাউনটাইম কমানো, ফেইলার প্রিডিকশন উন্নত, মেইনটেনেন্স কস্ট মিনিমাইজ, রিসোর্স ইউজ অপ্টিমাইজ, কোয়ালিটি ইস্যু প্রতিরোধ ও ওয়ারেন্টি ক্লেইম মিনিমাইজ, এবং অ্যাসেট লাইফ বাড়ানো।
এখন সময় আপগ্রেডের! আমরা আশা করি এটি ডেটা এক্সপার্টরা যেভাবে وعدা দিয়েছে তেমনি কাজ করবে যাতে আমাদের একটি ভালো আগামী থাকে! আপনার মতামত কী, কমেন্ট সেকশনে জানাতে ভুলবেন না!
