ストップウォッチが製造業の復活を脅かしている理由

私は、ほぼ25年前にゼネラルモーターズ（GM）の工場の床で歯を切り、両方の体で働いていました。ロボットが支配する店と、人が支配する集会所。ロボットからのデータはイーサネット経由で簡単にアクセスできることをすぐに知りましたが、人間に関するデータは、モデルTの頃にフレデリックテイラーが導入したのと同じ時間研究を実行して、ストップウォッチを使用する産業エンジニアが手動で生成する必要がありました。それでも厳しいものでした。現代の産業時代は、すでに75年ほど前のデータ収集方法にぶつかりました。

四半世紀後、私はまだ組み立てエリアを歩き、若いエンジニアが時間研究を行っているのを見ています。ツールが変更されました—カシオの代わりにiPhoneを使用する可能性が高くなりました—しかし、アクティビティは同じままであり、それは私を動揺させます。時間研究（および運動研究）は先駆的な技術でした。彼らはアメリカの製造業を世界で最高のものにしました。しかし、それらにも深刻な欠陥があります。産業用モノのインターネット（IIoT）の時代では、時間研究は追いつけません。

市場投入までの時間と生産性に焦点を当てる

アメリカの製造業が上昇傾向にあり、2004年以来最も速いペースで拡大していることは間違いありません。2017年には、再支給と海外直接投資の結果、171,000人の製造業の雇用が米国に戻ってきました。この復活を推進しているのは、おそらく多くの理由の中で最も重要なことですが、市場へのアクセスです。

「リショアリングは市場投入までの時間です」とコンサルティング会社ATカーニーのシニアアドバイザーであるベンスミスは言います。 「ピッツバーグで古い工場を見つけて、電気をつけ直すだけではありません。現代の製造業者は、市場へのアクセスを改善するために、全国に分散している15の小さな工場を好む可能性があります。つまり、工場の管理者は、コストから生産性に焦点を移します。」

従来の知識では、IIoTによって生産性が向上します。アクセンチュアによると、IIoTは間違いなく今後10年間の生産性と成長の最大の推進力です。 GE Digitalは、IIoTが年間ベースで約8.6兆ドルのパフォーマンス向上に責任があると考えています。

1つの問題は、工場が生み出す価値のほとんどは、その機械からではなく、人からもたらされるということです。 Boston Consulting Groupの調査によると、人々は依然として工場のフロアで最大90％のタスクを実行しています。したがって、牛が家に帰るまで機械を最適化することはできますが、工場で起こっていることの10パーセントしか最適化できません。

データへの時間に対する市場への時間の急増

「どの生産ラインでも、機械によって実行されるタスクの割合はごくわずかです」と、SRIInternationalの商業研究開発担当副社長であるPeterMarcotullioは述べています。 「機械を計測している場合は、プロセスのごく一部しかキャプチャしていません。」

IIoTの魅力を理解しています。データセットのサイズを見てください。時間調査を実施したり、標準化された作業チャートに記入したりするのにかかる時間内に、予測分析エンジン用に50ギガバイトのマシンデータがある場合があります。設備総合効率（OEE）を小数点以下3桁まで計算するのは簡単です。市場投入までの時間が重要である場合、データまでの時間は非常に重要です。

しかし、機器の最適化とプラント全体の生産性の向上の間には直線はありません。機械の貢献を価値創造のパーセンテージとして見ると、IIoTが全体像を見逃していることがわかります。プラント管理者が下す最も重要な決定のいくつか（毎日の人員配置や生産量の予測から、個別原価計算や見積もりに至るまで）には、人々からのデータが必要です。人々からのデータが収益を左右します。そのため、今日でも時間と動きの研究を行っている人々を見ると、私はとても心配します。

不完全で信頼性の低いデータセット

時間研究には2つの問題があります。データセットのサイズとそれに値する信頼です。まず、時間研究は不完全です。エンジニアは、ステーションごとに10個のサンプルを使用してラインから戻った場合、背中を軽くたたくことができます。ただし、10個のサンプルは、オペレーターのばらつきを説明するのに十分なほど重要ではありません。サンプルを月曜日の朝に採取するか金曜日の午後に採取するかは重要ですか？給料日または翌日？相関関係と因果関係を確立するための十分なデータがありません。

これは、2番目の問題であるデータの信頼性につながります。ヴェルナー・ハイゼンベルクは、観察という行為そのものが観察されたシステムを混乱させる可能性があることを実証しました。量子物理学に当てはまるのは、ワークステーションにも当てはまります。一部の労働者は、オブザーバーを感動させるために速く動きます。他の人は、自分たちが自分たちのために作成していることがわかっている標準を埋めるために、自分の仕事をゆっくりと歩きます。この難しさをさらに悪化させるのは、測定の課題です。たとえば、オブザーバーは、アクティビティがいつ開始および終了するかを一貫して判断する必要があります。

時間研究の結果、せいぜい疑わしい測定値になります。これは、彼らから導き出される結論に影響を与えます。また、市場投入までの時間がデータを必要とし、データを人から簡単に入手できない場合、メーカーはマシンのインデックスを過剰に作成するため、ビジネスに悪影響を与えるだけでなく、オペレーターにも悪影響を及ぼします。人々は仕事を失います。

現代の植物に欠けているものは何ですか？

人々のデータセットを拡張する方法はたくさんあります。通常のGembaウォーク、データを収集する計装されたライトカーテン、その他のポカヨケシステム、製造実行システム（MES）への無数の物理的フックにより、サイクルタイムを計算して生産性を推測します。ただし、このデータはスケーリングされません。人間の集会活動に関するデータは、分析では事実上見えません。

「製造業者が生産の問題を解決したいとき、彼らはアイデアをブレインストーミングするために労働者とマネージャーを集めます」と、Benhamou GlobalVenturesのジェネラルパートナーであるAnikBoseは言います。 「資産活用を改善したい場合は、時間と動きの研究のために無駄のない専門家を招き入れるか、エンジニアによる年2回の訪問に頼ります。新製品の紹介のために、彼らは実験を実行するためにラインをシャットダウンしました。代替手段がないため、すべて手動でアドホックです。他のタイプのアプローチを可能にするリアルタイムデータはありません。」

植物が人間の生産性をほとんど測定できない場合、どのようにそれを改善するのでしょうか？そして、人間の生産性を向上させることができない場合、人間のオペレーターはどうなりますか？マーシャルゴールドスミスの有名な言葉を思い出します。「ここに来たからといって、そこにたどり着くことはできません。」時間研究は私たちをここに連れて行きました、そしてそのために私はテイラー氏に感謝します。しかし、（人間の）労働生産性の向上から市場投入までの時間を加速していると私が見ている「そこ」に目を向けると、時間研究の時が来たと確信しています。

作者について

博士Prasad Akellaは、GMで世界初の協働ロボットを構築したチームを率いました。彼はのCEOです ドリシュティ 、人工知能を導入して工場の現場で人間と協力し、人間を強化する新会社。