4/6 機械学習：S/4HANA, Vora & Spark on AWSから生まれる価値

2016.07.29 リアルテックジャパン

人間に勝る機械学習を使った運用

「Googleがデータセンター冷却電力を40％削減、DeepMindのAIを活用」という機械学習を使ったデータセンター運用についてのニュースに驚かされました。もはや、人間よりもシステムが勝る領域が日に日に大きくなってきています。今回は、HANA VoraとHANAのスピード間を活かした機械学習の解説をします。

なお本記事は、下記シリーズ記事の一部で、他記事も参照されることをお勧めします。

1/6 概要編：S/4HANA, Vora & Spark on AWSから生まれる価値

2/6 収集・蓄積：S/4HANA, Vora & Spark on AWSから生まれる価値

3/6 抽出・統合：S/4HANA, Vora & Spark on AWSから生まれる価値

SAPユーザー必見！テスト・トレーニング・データ移行時に機密データを守る方法は？

4/6 機械学習：S/4HANA, Vora & Spark on AWSから生まれる価値【本記事】

5/6 見える化:S/4HANA, Vora & Spark on AWSから生まれる価値

6/6 SNS連携:S/4HANA, Vora & Spark on AWSから生まれる価値

Predictive Analyticsに関しては「予測分析(Predictive Analysis)でシステムの価値を高める(後編)」も併せて参照ください。

予測分析において困難なこと

予測分析には困難なことが多く、成果を得るまでに時間がかかります。代表的なものとして、データサイエンティストが社内にいない、複数システムにデータが点在していて統合・加工に時間がかかる、などです。今回の検証においてHANAとPredictive Analyticsを使って目指したのは下図の姿です。

機械学習で需要予測

今回のシナリオにおける当記事の内容は、機械学習部分の処理です(下図赤枠部分)。

心臓ペースメーカーはバッテリーがなくなると当然、動かなくなります。そのため、バッテリーがなくなる前に交換手術をします。IoTでバッテリー残の情報をほぼリアルタイムで管理することにより、交換手術時期の予測、および交換後の患者情報を把握できます。今回の機械学習は交換による需要予測を下図のような形でしています。

モデリングのデモ動画

Predictive Analyticsを使ってモデリングをしているデモを動画にしましたのでご覧ください。

※正確には、デモ動画は、機械学習というよりはその前段階です。モデルを定義して、継続的にモデルに対してデータの蓄積をすることで機械学習となります。

ビッグデータだからこその機械学習

データ量や種類が少ない場合は、人間がExcelなどを使って管理ができるかもしれません。しかし、ビッグデータともなると人間よりもシステムに大きく分があるはずです。今までの技術・システムでは実現できなかった効率化・機械自律制御などの新しい価値が機械学習等で見えてくるのかもしれません

この記事に関するサービスのご紹介

導入／移行(プロフェッショナル)サービス

プロフェッショナルサービスでは主にSAPシステムの導入や移行、それに伴うテクニカルな支援を行います。ERPやS/4　HANA、SolManといった様々なSAP製品の新規導入、クラウドを含む様々なプラットフォームへのSAPシステムの最適な移行、保守切れに伴うバージョンアップ・パッチ適用等の作業だけでなく、パラメータ設計、パフォーマンスチューニング、導入・移行計画支援等についても対応いたします。

詳細はこちら