Para dar con la mejor manera de introducir tecnologías analíticas 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 como socio por dos razones importantes. En primer lugar, IBM ofrece una amplia gama de capacidades analíticas de big data, incluida la minería de datos, el análisis de textos y la visualización, por lo que pudimos obtener todas las herramientas que necesitábamos de un solo proveedor. En segundo lugar, IBM contaba con las habilidades y la pericia para guiarnos a lo largo de nuestro recorrido en materia de big data, desde la asesoría 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). Kyoka Nakagawa funge como un centro de interconexión para estas tecnologías, ayudando a establecer pruebas de concepto, organizar cursos de capacitación y alentar a los ingenieros a compartir sus conocimientos, experiencias y datos.

Kyoka Nakagawa comenta: “Los cursos de capacitación 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 han completado la capacitación y muchos de ellos usan SPSS regularmente en su trabajo”.

“SPSS Modeler es excelente para organizar 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 supervisar a los usuarios y ver cómo interactúan con la herramienta. Entonces, si alguien tiene dificultades para gestionar sus datos de manera eficaz, sus colegas pueden brindarle un poco más de ayuda”.

Honda R&D utiliza IBM® Watson Content Analytics para la minería de texto, lo que brinda a los investigadores una percepción casi instantánea de vastos almacenes de documentos y otros datos textuales. Por ejemplo, los estudios de calidad inicial de JD Power y los estudios internos de la voz del cliente de Honda R&D son fuentes de información muy valiosas sobre la calidad y confiabilidad de los automóviles con el tiempo. En Estados Unidos, la National Highway Traffic Safety Authority (NHTSA) también proporciona una rica fuente de información sobre los problemas y las preocupaciones de seguridad de los clientes.

Kyoka Nakagawa da un ejemplo: “Recientemente, tuvimos una reunión en la que un ejecutivo planteó una pregunta sobre una característica de uno de nuestros autos. Iniciamos sesión en Watson Content Analytics, analizamos más de un millón de registros en el conjunto de datos de 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 de nube flexible de IBM, en un entorno de servidor virtual compartido ubicado en Tokio. Honda dio la bienvenida a la versatilidad de IBM® Cloud para crear e implementar el entorno de Watson Content Analytics para los usuarios del equipo de Iniciativa de Big Data de la empresa y su capacidad de escalar.

“Desde la perspectiva de los usuarios de nuestra 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 la implementación, e IBM® Cloud nos permitió poner la solución en funcionamiento mucho más rápido de lo que hubiera sido posible con una solución en las instalaciones”.

“Además, los requisitos computacionales para la minería de texto con Watson Content Analytics dependen de cuánto contenido proporcionamos en el diccionario personalizado”.

“Dado que constantemente estamos desarrollando nuestro diccionario mientras refinamos nuestras capacidades de minería de texto, es vital tener un entorno de nube flexible”.

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

IBM® Predictive Maintenance and Quality está diseñado para ayudar a las organizaciones a supervisar sus recursos y procesos, así como predecir fallas de los recursos y problemas de calidad. Honda R&D ha estado probando esta tecnología en el análisis de garantía de calidad del mercado, y los resultados iniciales son prometedores.

“Nos han asombrado mucho las capacidades de visualización de IBM® Predictive Maintenance and Quality”, dice Kyoka Nakagawa.

“PMQ sirve como entorno de desarrollo de análisis para permitir que nuestros investigadores exploren dónde la información estratégica analítica puede ayudar a identificar problemas de calidad o de fabricación de los recursos en un entorno de pruebas. PMQ también sirve como una solución de análisis completa que pone en operación análisis con ingesta continua de datos de eventos de procesos de nuestras operaciones, donde podemos cargar datos y verlos fácilmente en paneles intuitivos."

Los programas de capacitación de Honda R&D en materia de análisis de big data han contribuido en gran medida a la creación de una cultura más abierta y colaborativa entre los equipos de ingeniería de la empresa.

“Yo lo llamo “Big Data Friends Club”, comenta Kyoka Nakagawa. “Reunir a nuestros ingenieros ha redundado en un beneficio, dado que de este modo, es más probable que compartan sus datos y aprendan unos de otros. Por ejemplo, nuestro equipo encargado de los chasis estaba trabajando en un proyecto para estudiar el deterioro de los tubos de escape, y necesitaban algunos datos sobre la gasolina. A través del Big Data Friends Club, descubrieron que nuestro equipo encargado de la economía de combustible ya tenía los datos que necesitaban, y eso les ahorró esfuerzo y redujo sus gastos”.

Y agrega: “Aprender sobre el análisis de big data 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 diferentes países difieren en formas que no siempre son fáciles de predecir”.

“Hace poco, discutíamos respecto de ubicar un botón de “arranque del motor” en nuestros vehículos. Al analizar los registros de la NHTSA, descubrimos que varios conductores en los EE. UU. se habían quejado de que habían presionado accidentalmente el botón de arranque del motor con las rodillas”.

“Esto nos sorprendió mucho, porque eso solo es posible si se activa el regulador de velocidad, se quitan pies de los pedales y se doblan las piernas. Nunca nos imaginamos que la gente querría conducir así, por lo que fue una idea 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 big data para comprender cómo se comportan los autos y los conductores en condiciones reales e identificar nuevos proyectos de ingeniería.

Por ejemplo, la empresa utiliza datos de los sensores de los vehículos para monitorear las maniobras de manejo de los conductores y comprender mejor las preferencias de los clientes. Esta perspectiva del mundo real se incorpora a los proyectos de ingeniería que pretenden diseñar una experiencia de manejo que se pueda personalizar para cada conductor.

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