Rescaleでは、外部のエンジニアリングデータをより簡単に接続、検索、利用できます。
エンジニアリングデータは、通常、1か所にまとまって存在することはありません。シミュレーション入力、参照ドキュメント、プログラムファイル、および関連するコンテキストは、クラウドオブジェクトストレージ、SharePointライブラリ、その他のエンタープライズシステムに分散していることがよくあります。このような断片化は、特にエンジニアが適切なファイルを迅速に見つけ、ジョブに添付したり、コンテキストが重要なAI支援ワークフローに取り込んだりする必要がある場合に、チームの作業効率を低下させます。
Rescaleは最近、データコネクタの機能を拡張し、この作業をより簡単にしました。その目的は実用性を重視し、エンジニアリングチームが外部データソースを参照し、適切なファイルを検索し、不要な手動操作なしに、Rescaleのジョブ、ワークステーション、AI支援エクスペリエンスでそのデータをより直接的に利用できるようにすることです。
最も重要なのは、これらのいずれも既存システムの置き換えやデータの新しいリポジトリへの移行を必要としない点です。Rescaleはチームが既に利用しているシステムに接続し、コンテキストを維持しながら、プラットフォーム全体でデータの活用性を高めます。
Rescaleのデータコネクタを参照して、エンジニアリングコンテキストのデータファブリックを構築し、データへの高速アクセスとエージェント型ワークフローを実現します。
作業方法を変えずに外部ストレージを接続
Rescaleのデータファブリックは、AWS S3、Azure Blob Storage、SharePointという、多くのエンジニアリング組織がレポート、ジョブ入力、参照ファイル、プログラムドキュメントなどで既に利用している3つのシステムに対応した本番環境向けコネクタをサポートするようになりました。
RescaleのAWS S3およびAzure Blobコネクタを使用すると、エンジニアは手動でのダウンロードや再アップロードを行うことなく、顧客管理ストレージからジョブやワークステーションにデータを直接参照、添付、インポートできます。この合理化されたプロセスにより、冗長な転送手順が排除され、大規模なデータセットを移動するチームの時間を節約できます。また、両コネクタは、複雑なシナリオに対応する、より高速で拡張性の高いワークフローをサポートするように進化しています。
RescaleのSharePointコネクタは、AIを活用したユースケースの好例です。エンジニアリングや企業文書など、あらゆる種類の文書が大規模なSharePointドライブに分散して保存されていることが多いのですが、特定のチームやプロジェクトにとって関連性の高いコンテンツはごく一部に過ぎません。新しいパスフィルタリング機能により、管理者はインデックス化および表示対象を制限し、リポジトリ全体ではなく、承認済みのサイト、ライブラリ、またはフォルダに取り込み範囲を限定できます。これにより、関連性が向上し、不要な情報が削減されるため、アクセス管理や展開の制約が運用上の大きな課題となる企業環境において、この機能は実用的になります。
ファイルの閲覧とインポートをより効率的に
最も即効性のあるワークフロー改善点の1つは、ジョブやワークステーションの設定時に、接続されたストレージから直接ファイルを参照し、添付できるようになったことです。エンジニアは、フォルダ階層を手動で探したり、ファイルをダウンロードして再アップロードしたりする代わりに、Rescale内で適切なコンテンツを見つけて、より少ない手順でジョブに追加できます。
管理UIにおけるコネクタ管理機能の改善（リアルタイム接続テスト、認証情報編集、データ取り込み制御など）と相まって、コネクタの設定と保守プロセスはこれまで以上にセルフサービス化されています。認証情報の取り扱いも重要です。管理者はアクティブなコネクタを中断することなく認証情報を更新できるため、接続されたデータを日常的に利用するチームの管理作業の中断を軽減できます。
エンジニアが実際にデータを探す方法に合致した検索機能
関連する情報源を横断して検索するということは、実際には2つの異なる意味を持ち、その両方について正確に理解しておくことが重要です。
大規模な S3 または Azure Blob リポジトリを持つエンジニアは、Rescale 内で名前またはパスを直接検索できるため、既知のファイルを見つけるためだけにネストされたフォルダー構造をたどる必要がなくなります。プラットフォーム内検索により、エンジニアは接続されたオブジェクト ストア内で名前またはパスでファイルを検索できます。大規模な S3 または Azure Blob リポジトリを持つチームにとって、これは既知のファイルやデータセットを見つけるためだけにネストされたフォルダー構造をクリックする必要をなくします。
セマンティック検索により、エンジニアは関連する情報源に対して自然言語で質問を投げかけ、元のドキュメントへの引用を含む根拠に基づいた回答を得ることができます。この機能は、現在Rescale Assistantを通じてナレッジベースクエリを実行する上で重要な役割を果たしており、特にAWS S3、Azure Blob、SharePointコンテンツにおいて顕著に活用されています。
これら2つの検索モードを組み合わせることで、外部データソースをより有用なエンジニアリングリソースへと変換できます。運用タスクのための高速なファイルアクセスと、より複雑で判断を要する作業のためのより深い知識検索が可能になります。
接続されたデータソースを選択することで、過去のエンジニアリングの背景情報をより迅速に簡単に検索・分析できます。
エージェントおよびAI物理ワークフロー向けのAI対応データレイヤー
データ間の連携が強化されることで、エージェントができることや、その実行の信頼性が直接的に向上する。
Rescaleのエージェント型デジタルエンジニアリングは、実際の企業データに基づいた知識ベースを直接活用できるシミュレーションワークフローにエージェントを組み込みます。エージェントが設計標準を参照したり、過去のテスト結果を取得したり、既存のドキュメントに基づいて構成を検証したりする場合、関連するソースを意味的に正確に検索し、引用された回答を返す機能が重要になります。エンジニアとエージェントは、一般的なコンテキストではなく、顧客システムに既に存在する実際のファイル、レポート、および組織的な知識を活用できます。
AI物理ワークフローにも同様の論理が適用されます。信頼性の高いサロゲートモデルを構築するには、整理され追跡可能なデータへのアクセスが不可欠です。S3、Azure Blob、またはSharePointからシミュレーションデータ、参照ドキュメント、実験結果を構造化された検索可能なレイヤーに接続することで、エンジニアリングチームはワークフローに必要なデータセットを整理するためのより明確な基盤を得ることができます。
Rescaleは、エンジニアリング検索とエージェントによるデータ取得のために、接続されたデータを構造化し、ソースの帰属情報を保持することで、エンジニアとエージェントがすべての結果をその発生源まで遡って追跡できるようにします。内部的には、Rescaleのデータインテリジェンスファブリックが、RAGパイプラインを使用して、データの取り込み、チャンキング、ベクトル化、および取得を処理します。ファイルは再取り込み前に重複排除され、ソースメタデータは帰属情報のために保持され、システムは特定のソースドキュメントを指し示す引用を含む応答を返します。このトレーサビリティは、結果や推奨事項の発生源を検証する必要があるエンジニアリングワークフローにとって重要です。
過去の工学的知見から有益な教訓を得て、既存のシミュレーションワークフローに適用する。
エンジニアリングデータはあなたの役に立つはずです
Rescaleのデータコネクタは、エンジニアリングデータが存在する場所とエンジニアが必要とする場所との間のギャップを解消します。これらの機能は、日常的なシミュレーション作業から、エージェントワークフロー、そして根拠に基づいた信頼できるコンテキストに依存するAI物理アプリケーションに至るまで、Rescaleプラットフォームのその他の部分を支えるデータ基盤を強化します。
新しいコネクタ機能が、チームが外部データに容易にアクセスし、シミュレーションやAI支援ワークフローに豊富なコンテキストを取り入れ、組織が既に保有するエンジニアリング知識をさらに強化するのにどのように役立つかをご覧ください。接続されたデータは、より高度なシミュレーションから、実際のエンジニアリングコンテキストに基づいて動作するエージェントまで、あらゆるものの基盤となります。
データコネクタの詳細についてはこちらをご覧ください。Rescale Agentic Engineeringで利用可能、 お問い合わせ お客様のデータソースをRescaleの統合デジタルエンジニアリング環境に取り込む方法についてお問い合わせください。