TrendMiner se abre a los entornos de ciencia de datos

Con SaaS y soluciones locales, la misión de TrendMiner es democratizar el análisis de datos para las industrias manufactureras. La editorial con sede en Bélgica fue comprada en 2018 por el grupo alemán Software AG para enriquecer su cartera de productos para IoT. Proporciona una solución analítica de autoservicio para optimizar el rendimiento de los procesos industriales. Con su versión 2021.R1 entregada a principios de año, TrendMiner acaba de agregar funcionalidad para integrar computadoras portátiles en su software. Este último proporciona acceso a paneles de control y análisis de datos basados ​​en códigos.

TrendMiner es utilizado por diferentes industrias, como empresas químicas, petroquímicas, mineras, farmacéuticas u operadores de gestión del agua. Diseñado para equipos operativos, el software permite analizar, monitorear y predecir el desempeño operativo a través de datos de series de tiempo generados por sensores. El motor de análisis del software es particularmente aplicable a este tipo de datos (series de tiempo). Los ingenieros comerciales pueden interrogar directamente los datos sin tener que pasar por científicos de datos. Además de mejorar los procesos de producción, la solución también le permite configurar alertas preventivas para la producción.

Pandas, NumPy, SciPy o SciKit-Learn de su elección

En comparación con las herramientas para científicos de datos, «el análisis de autoservicio tiene como objetivo reunir un subconjunto de recursos de modelado de ciencia de datos y llevarlos a usuarios experimentados en forma de un conjunto de recursos que no requiere configuración técnica o capacitación en ciencia de datos. Datos «, explica Thomas Dhollander, CTO y cofundador de TrendMiner en un comunicado de prensa. Con la función de integración de portátiles en la versión 2021.R1, los usuarios ahora pueden cambiar fácilmente de una vista de datos en TrendMiner a un entorno de ciencia de datos utilizando código.

«Desde la biblioteca de ciencia de datos de su elección, por ejemplo, Pandas, NumPy, SciPy o SciKit-Learn, los ingenieros pueden crear y ejecutar scripts personalizados para realizar análisis estadísticos avanzados», explica el editor. «También pueden utilizar las funciones de AutoML para diseñar modelos de aprendizaje automático para detectar anomalías». Luego, los usuarios pueden poner en funcionamiento las vistas resultantes del cuaderno, nuevamente utilizando las bibliotecas de su elección, como Matplotlib, Plotly o Seaborn, en forma de paneles en la herramienta DashHub TrendMiner.

Importación de árboles de activos industriales en formato CSV

En su versión 2021.R1, la solución también amplió sus capacidades para respaldar las infraestructuras de gestión operativa de la planta, conocidas como estructuras de activos. Por lo tanto, los usuarios de un PI System (sistema de información de la planta) como OSIsoft PI pueden, por ejemplo, conectar varios servidores de estructura de activos de OSI PI e instalar permisos de acceso. TrendMiner puede importar datos de árboles de activos industriales (árboles de activos) en un formato CSV estructurado para analizar el rendimiento operativo de diferentes líneas de producción.

Fundada en 2008, TrendMiner está establecida en Europa (en Hasselt en Bélgica y Darmstadt en Alemania, así como en España y Holanda). Además de su integración con OSIsoft PI, TrendMiner también se conecta de serie con los principales sistemas de gestión de recursos de producción: Yokogawa Exaquantum, AspenTech IP.21, Honeywell PHD, GE Proficy Historian y Wonderware InSQL.