Introducing
Your new presentation assistant.
Refine, enhance, and tailor your content, source relevant images, and edit visuals quicker than ever before.
Trending searches
Data_Science_4.2
3
Data Science a Richterben
Tóth Martin
A legkomplexebb és legfontosabb üzleti problémákra a megoldás egyre több esetben az adatokban rejlik.
Relevancia
Relevancia
Az üzleti szférára, a gazdaságra közvetlen hatást gyakorol az adatok exponenciálisan növekvő száma. Azok a cégek, amelyek a rendelkezésükre álló hatalmas mennyiségű adatot értékként kezelik, majd a feltárt információt hatékonyan fel tudják dolgozni, új ismeretekhez, tudáshoz jutnak, ami által versenyelőnyt szerezhetnek.
TUDÁSMENEDZSMENT
Data Science
"The world’s most valuable resource is no longer oil, but data"
Economist
A data science, vagy adattudomány egy koncepció, mely egyesíti a statisztikát, adatelemzést, és egyéb kapcsolódó területeket, annak érdekében, hogy adatokat felhasználva megértsünk ismeretlen, jelentős üzleti értékkel bíró jelenségeket.
Majdnem azonos, pár különbség.
Egyes terminológia szerint BI magában foglal mindent, tehát az a legkülső halmaz.
Data science a gyógyszeriparban
Novartis:
120.000 alkalmazott, 1200 elemző és data scientist
Adatbányászat
Az adatbányászat a nagy mennyiségű adatokban rejlő információk félautomatikus feltárása különféle algoritmusok alkalmazásával.
Kihívás a keletkező adat és információ szisztematikus tárolása és feldolgozása.
Big Data
Leegyszerűsítve a „Big data” mint fogalom, a nagyon nagy mennyiségű, nagyon nagy sebességgel változó, és nagyon változatos adatok feldolgozásáról szól.
Nagyon nagy mennyiség =
Valódi Big Data felhasználó:
pl: Google, Facebook
Richternek ez távlati cél.
Eszközök
- Statisztikai módszerek
- Vizualizáció
- Algoritmusok
- Mesterséges intelligencia
Eszközök
- Adatvagyon
Gépi tanulás
Mesterséges Intelligencia (MI) egyik ága
Algoritmusok, melyek képesek önállóan, vagy emberi segítséggel összefüggéseket, szabályokat felismerni, meghatározni.
Felügyelt tanulás
A felügyelt tanulás folyamata során az algoritmust egy tanító adatkészlet segítségével "oktatjuk".
Algoritmusok tanítása példákon keresztül
algorimus - diák adatkészlet - tanár
- Neurális háló
- Döntési fa
- Lináris regresszió
- Logisztikus regresszió
Felügyelt tanulás
Klasszifikáció
Klasszifikáció alkalmazása során az adatpontokat két vagy több osztályba (jó/rossz kioldódás) soroljuk be, majd az algoritmus a tanítókészlet segítségével feltérképezi az összefüggéseket, mely alapján a jövőben képes lesz besorolni ismeretlen adatokat az előre meghatározott osztályokba.
Klasszifikáció
Elfogadható/nem elfogadható sarzsok (több szempontból) vizsgálata alapján a kritikus magyarázó változók felderítése
Regresszió
Regresszió használata során egy folytonos függő változó (pl kioldódás) kapcsolatát modellezzük egyéb független változókéval (pl kötőanyag hőmérséklete).
Regresszió
Mind lineáris, mind nemlineáris (döntési fa) kapcsolatok feltérképezésére alkalmas.
Felhasználás:
- Eldönteni mely független változónak van ráhatása a függőre (pl kioldódás)
- Predikciók extra/interpoláció segítségével
Például: Kioldódási problémákat mely okok magyarázzák (számszerűen), ebből pontosabb predikciót lehet készíteni, mint a klasszifikáció esetén.
Felügyelet nélküli tanulás
Rousseau pedagógiája
A felügyelet nélküli tanulás célja az adatok struktúrájának vagy eloszlásának modellezése, hogy ismereteket szerezzünk összefüggésekről, melyek sok esetben szemmel nem láthatóak.
A felügyelt tanulással ellentétben itt nincs "jó válasz" és nincs tanár. Az algoritmusok maguktól keresnek öszefüggéseket és próbálják stukturálni az adatokat.
Felügyelet nélküli tanulás
Klaszterezés
Rejtett struktúra az adathalmazban, hipotézis nélküli analitika.
Ajánló rendszer
Pl: Facebook hirdetések
ADATVAGYON
Hogyan, hol?
Hogyan, hol?
INFORMÁCIÓ
ERP rendszerek
Sarzs adatok
Szenzorok
Külső adat
TUDÁS
Vállalati kultúra
Adat értékként való kezelése
Nem elég a megfelelő embereket illetve partnereket alkalmazni, a vállalati kultúrába is be kell építeni a szemléletet: az alkalmazottaknak ismerniük kell a változások hátterét, hogy elfogadják az új technológiákat.
Digitalizáció:
- LIMS rendszerek
- Elektronikus sarzslap
- OSI PI
"A gyógyszeripar a többi iparághoz képest általában lassabban reagál a technológiai változásokra, melyek segítségével csökkenthetnék a kiadásokat, és növelhetnék a bevételeket."
-Financial Times
Termelés
Több száz gép, több ezer szenzor, melyek másodpercenként gyűjtik az adatot (hőmérséklet, nyomás, levegőáramlás, stb…).
- Folyamatok optimalizálása
- Döntések támogatása bizonyítékokon alapuló információk segítségével.
- Beruházások szükségességének előrejelzése
- Prediktív karbantartás
- Gépek alkatrészcseréjének előrejelzése
(tablettázó szerszámok, granuláló porzsák)
Proof of Concept
Megoldási javaslat: Glatt párásító egységének használata - legalább 7 g/m3 értékre állítása.
Megoldási javaslat: Kötőanyag készítés optimalizálása.
Probléma forrása a maradék etanoltartalom, vagy szezonális jelenségről van szó (páratartalom)?
Nehezen hozzáférhető archivált adatok miatt nincs előrelépés.
Kutatás-fejlesztés
- Virtuális molekulamodellezés
- adatok feldolgozása és értelmezése
- Biológiai folyamatok prediktív modellezése
- Turbine - tumorellenes szerek hatásának modellezése neurális háló segítségével
- Betegek "átvilágítása"/szűrése klinikai vizsgálatokhoz
- Klinikai tesztek monitorozása
- kombinálva prediktív modellezéssel a gyors és megfelelő reagálás érdekében
Egyéb
Kereskedelem és marketing
- Prediktív analitika - orvoslátogatók célzott elosztása
Logisztika - Supply chain managment
Szerializációból származó adatok felhasználása a GDPR szabályok figyelembe vételével
Mindenhol, ahol nagy mennyiségű adat található!
Jövőkép
Jövőkép
Ütemterv
Jelenleg "adatsilók" -> adattárház kialakítása
Adatelemző/BI/Data Science csoport létrehozása
Adat értékként kezelése
Adatvagyon létrehozása
- Jelenleg "adatsilók" -> adattárház kialakítása
- Kivizsgálások támogatása
- Gyártási receptek optimalizálása
- Automatizált prediktív modellek
- Gyártás közben megjósolják, hogy milyen minőségű (kioldódás, selejtszám stb..) lesz az adott gyártási tétel.
Adatelemző/BI/Data Science csoport létrehozása
- Adattárház kezelés
- Statisztika, Machine learning, programozás - Data Science
- Gyógyszerészet
- Képzés/oktatás
- Konferencia - Best practice
- Folyamat kialakítása ad hoc elemzések helyett
MES - EBR
- Elektronikus sarzslap
- digitális feljegyzések -> adat!
- Dokumentációs feladatok egyszerűsítése (PQR)
- OSI PI
Módszertan - EFOP-3.6.2
- Közös munka az SZTE-vel
- Machine learning, Big Data ismeretek szerzése
- Módszertan kidolgozása
- Hangsúly a felügyelet nélküli tanulás alkalmazásán
- Gyártások optimalizálása új összefüggések feltérképezésével