Para encontrar la mejor manera de introducir tecnologías de análisis de Big Data en sus procesos de investigación y desarrollo, Honda R&D quería trabajar con un socio tecnológico que pudiera ofrecer un servicio verdaderamente integral.

Kyoka Nakagawa comenta: "IBM fue la elección correcta de socio por dos razones importantes. En primer lugar, IBM ofrece una gama muy amplia de capacidades de análisis de big data, que incluyen minería de datos, análisis de texto y visualización, por lo que pudimos obtener todas las herramientas que necesitábamos de un solo proveedor. En segundo lugar, IBM tenía las habilidades y la experiencia para guiarnos durante todo nuestro viaje hacia los macrodatos, desde la consulta hasta la prueba de concepto y la realización final».

El entorno de análisis de big data de Honda R&D se basa en IBM® SPSS Modeler, IBM Watson™ Content Analytics e IBM Predictive Maintenance and Quality (PMQ). El papel de Kyoka Nakagawa es actuar como un centro de redes para estas tecnologías, ayudando a establecer pruebas de concepto, organizar cursos de formación y alentar a los ingenieros a compartir sus conocimientos, experiencias y datos.

Kyoka Nakagawa comenta: "Los cursos de formación sobre minería de datos han tenido mucho éxito: IBM SPSS Modeler se ha convertido rápidamente en una herramienta popular en toda la empresa. Más de 100 ingenieros ya han completado la formación y muchos de ellos utilizan SPSS de forma habitual en su trabajo.

"SPSS Modeler es muy bueno para organizar los datos sin procesar en conjuntos de datos utilizables, de modo que se puedan analizar fácilmente. También es muy fácil de usar para análisis complejos. Otra característica valiosa es la capacidad de monitorear a los usuarios y ver cómo interactúan con la herramienta. Por lo tanto, si alguien tiene dificultades para administrar sus datos de manera eficaz, sus colegas pueden brindarle ayuda adicional».

Honda R&D utiliza IBM Watson Content Analytics para la minería de textos, lo que proporciona a los investigadores una visión casi instantánea de vastas reservas de documentos y otros datos textuales. Por ejemplo, los estudios iniciales de calidad de JD Power y los estudios internos de Honda R&D sobre la opinión de los clientes son fuentes de información muy valiosas sobre la calidad y la fiabilidad de los automóviles a lo largo del tiempo. En los EE. UU., la Autoridad Nacional de Seguridad del Tráfico en las Carreteras (NHTSA) también proporciona una rica fuente de información sobre los problemas y preocupaciones de seguridad de los consumidores.

Kyoka Nakagawa pone un ejemplo: "Hace poco tuvimos una reunión en la que un ejecutivo hizo una pregunta sobre una característica de uno de nuestros coches. Iniciamos sesión en Watson Content Analytics, analizamos más de un millón de registros del conjunto de datos de la NHTSA y, en 10 minutos, encontramos tres o cuatro ejemplos de comentarios relevantes de los clientes. Este es el tipo de análisis que sería casi imposible de realizar manualmente".

La solución IBM Watson Content Analytics se ejecuta en la plataforma flexible en la nube de IBM, en un entorno de servidor virtual compartido ubicado en Tokio. Honda valoró positivamente la versatilidad de IBM Cloud a la hora de crear y desplegar el entorno Watson Content Analytics para los usuarios del equipo de Big Data Initiative de la empresa, así como su capacidad de escalabilidad.

"Desde la perspectiva de nuestros usuarios de línea de negocio, no era importante si ejecutamos Watson Content Analytics en las instalaciones o en la nube", dice Kyoka Nakagawa. "Lo que realmente les importaba era la velocidad de implementación e IBM Cloud nos permitió poner en marcha la solución mucho más rápido de lo que hubiera sido posible con una solución local.

Además, los requisitos computacionales para la extracción de texto con Watson Content Analytics dependen de la cantidad de contenido que proporcionemos al diccionario personalizado.

Dado que desarrollamos constantemente nuestro diccionario a la vez que perfeccionamos nuestras capacidades de minería de texto, es vital contar con un entorno de nube flexible".

La escalabilidad de la infraestructura de IBM Cloud también significa que es fácil añadir nuevos usuarios, por lo que si otros departamentos deciden adoptar IBM Watson Content Analytics en el futuro, Honda podrá brindarles soporte sin problemas.

IBM Predictive Maintenance and Quality está diseñado para ayudar a las organizaciones a supervisar sus activos y procesos y a predecir los fallos de los activos o los problemas de calidad. Honda R&D ha estado probando esta tecnología en el análisis de las garantías de calidad del mercado y los resultados iniciales son prometedores.

"Estamos muy impresionados con las capacidades de visualización de IBM Predictive Maintenance and Quality", afirma Kyoka Nakagawa.

"PMQ sirve como un entorno de desarrollo analítico que permite a nuestros investigadores explorar dónde la información analítica puede ayudar a identificar problemas de calidad o de activos de fabricación en un entorno aislado. PMQ también sirve como una solución de análisis completa que operacionaliza el análisis con la ingesta continua de datos de eventos de procesos de nuestras operaciones, donde podemos cargar datos y verlos fácilmente en paneles intuitivos".

Los programas de formación de Honda R&D para el análisis de macrodatos han contribuido en gran medida a crear una cultura más abierta y colaborativa entre los equipos de ingeniería de la empresa.

"Lo llamo el 'Big Data Friends Club'", afirma Kyoka Nakagawa. "Reunir a nuestros ingenieros ha sido un beneficio en sí mismo, ya que es más probable que compartan sus datos y aprendan unos de otros. Por ejemplo, nuestro equipo de chasis estaba trabajando en un proyecto para estudiar el deterioro de las tuberías de escape y necesitaban algunos datos sobre la gasolina. Gracias al Big Data Friends Club, descubrieron que nuestro equipo de economía de combustible ya tenía los datos que necesitaba, lo que les ahorró mucho esfuerzo y dinero".

Y añade: "Aprender sobre el análisis de macrodatos también ha ayudado a algunos de nuestros ingenieros a pensar de forma innovadora. En lugar de simplemente analizar los parámetros que creen que son importantes, pueden usar técnicas de minería de datos para descubrir patrones y pistas en las que nunca pensaron.

Por ejemplo, tenemos millones de clientes en todo el mundo y los hábitos de conducción en los diferentes países difieren de maneras que no siempre son fáciles de predecir.

Hace poco, estuvimos discutiendo dónde ubicar un botón de "arranque del motor" en nuestros vehículos. Al analizar los registros de la NHTSA, descubrimos que varios conductores estadounidenses se habían quejado de haber presionado accidentalmente el botón de arranque del motor con las rodillas.

Fue una gran sorpresa para nosotros, porque solo es posible si pones el coche en el control de crucero, quitas los pies de los pedales y doblas las piernas sobre el asiento. Nunca habíamos imaginado que la gente elegiría conducir así, por lo que fue una información valiosa para nuestros equipos de diseño de productos".

Otra ventaja importante del enfoque de Honda R&D es que ha demostrado a los ingenieros de la empresa el valor del análisis de macrodatos para comprender cómo se comportan los coches y los conductores en condiciones reales e identificar nuevos proyectos de ingeniería.

Por ejemplo, la empresa utiliza los datos de los sensores del vehículo para monitorizar las maniobras de dirección de los conductores y comprender mejor las preferencias de los clientes. Esta visión del mundo real se incorpora a los proyectos de ingeniería que tienen como objetivo diseñar una experiencia de dirección que se pueda personalizar para cada conductor.

Kyoka Nakagawa concluye: "IBM Analytics está ayudando a los ingenieros de Honda R&D a aprovechar los Big Data para explorar nuevas y valiosas áreas de investigación y, en última instancia, diseñar automóviles mejores, más inteligentes y más seguros".