Tenarisは、Clouderaを使った機械学習ソリューションを導入することで、製造工程全般にわたるコスト削減を実現しました。

Tenarisは、石油産業向けシームレス鋼管のグローバルメーカーです。同社の鋼管は、油田の掘削や石油のパイプラインに使用されています。

課題

Tenarisは、これまでも常にデータを活用して製造工程やサプライチェーンの改善を図ってきましたが、その意思決定にあたっては、小規模なデータサンプルだけに依存してきました。同社のレガシーなシステムは、様々なソースからのデータの統合に柔軟に対応することができず、また従来のツールを使用した予測モデルの構築には大変時間がかかっていました。

Tenarisは、分析要件が複雑化するにつれ、最新のデータプラットフォームの必要性を痛感するようになりました。

「目標変数と、可能性として考えられる何百もの機能との関係性を見つけることが課題でした。『この機能とこの目標変数を最もマッチさせるモデルは何か？』といった質問に答える必要があったのです」とTenarisのデータサイエンス責任者であるVincenzo Manzoni氏は述べています。

Tenarisでは、Clouderaの最先端のデータプラットフォームを導入することで、プロセス管理がいかに製造工程に影響を与えるかを実感しました。導入したソリューションは、製造工程で発生したデータと、R&D部門からのプロセス管理データの相関関係を分析します。

Tenarisは、Clouderaのプラットフォームを使い、数千のセンサーからの製造ログデータを、5つある各製造工場のプロプラエタリなプロセス管理アプリケーションとデータベースからそれぞれApache FlumeとApache Sqoop経由で取り込んでいます。Flumeのデータ取り込み機能には、Tenarisがオープンソースプロジェクトとして貢献した機能が組み込まれており、現在はCDHで提供されています。

各センサーは、プロセス全体の電力消費量、圧力、炉温などの変量を時系列データとしてトラッキングします。

データはApache Sparkを使って処理され、Apache ImpalaとTableauにより、ブラウザー上で分析が行えます。また、Sparkは機械学習機能をClouderaクラスタ全体に展開できるので、モデル学習でも同じデータを活用しています。

TenarisがClouderaを選択した理由は、管理ツール (Cloudera Manager) や他のエコシステム (Tableau) との連携機能など、そのプラットフォームの完成度の高さにあります。

Tenarisのチームは、わずか1ヶ月でClouderaを業務環境に投入しました。

「Cloudera Managerのおかげで、クラスタ全体の監視やチューニングが、わずか数クリックで可能となりました。効率的に時間を活用できることが、数名で構成される私達のチームにとって、大変有効となっています」とAndrea Rota氏は述べています。

Shoppermotionでは、クライアント向けにCloudera Enterpriseを使用したIoTアーキテクチャーを構築し、ストリーミング配信されるセンサーデータを容易に取り込み、保存、分析できるようにしました。Shoppermotionがサポートする物理小売店舗のショッピングカートや買い物カゴには、小型のビーコンが取り付けられています。ビーコンは、天井に設置されたBluetoothセンサーに1秒毎に信号を送信し、店内のお客様をトラッキングします。センサーは顧客の行動をリアルタイムに捉え、どの通路で買い物をしているか、どの方向から通路に入ったか、さらにそれぞれの商品の前にどれだけ滞留したかも判るようになっています。

Shoppermotionのクライアントは、カスタマイズ可能で簡単に操作できる分析ダッシュボードから、各店舗の全ての情報を確認することができます。また、Shoppermotionの小売専門家チームが、小売業者のニーズに応じた特別なビジネスインテリジェンス (BI) レポートを作成することも可能です。

ShoppermotionのIoTソリューションにより、小売業者は各通路の混雑度の計測や、レジ待ちのピーク時刻を予測することが可能になります。メーカーやマーケティング担当者は、プロモーションのコンバージョンレートを、各通路のコンバージョンレートと比較することで、店舗内における特定のマーケティングキャンペーンの実施に適したタイミングを知ることができます。

導入効果

「Clouderaの提供ソリューションによって、製造プロセスのコスト削減と効率向上に必要となる意思決定を行えるようになりました。より優れたパイプの製造が、お客様により優れた製品を提供することに繋がり、当社をこの製品業界のリーダーたらしめているのです」
Tenarisのデータサイエンス責任者、Vincenzo  Manzoni氏

今ではTenarisは、以前とは比較にならないほど短時間で、複雑なデータサイエンスの課題にも対応できるようになりました。

例えばTenarisでは、生産量と販売量を1時間単位で決定するための、機械学習モデルによるエネルギー消費予測に基づき、同社の主要発電所向け製品の製造工程の最適化を行っています。このモデルは、Clouderaのプラットフォーム上で大規模にテストされ、わずか1秒たらずで、より優れた成果を生む計算結果を提供します。一方、従来のスプレッドシートを使ったモデルでは、計算に数分かかるだけでなく、時系列のデータセットに対する正確性も大きく劣っていました。