BIダッシュボードがスマートファクトリー分析を強化：IoTデータを行動可能な洞察へ

産業用IoTとスマートファクトリーの台頭が、アナリティクスの達成すべきことを再定義しました：運用データを、具体的なビジネス成果を導く形で解き放つこと。スマートファクトリーアナリティクスはまだ新興ですが、主要なハードルは、単にログを保存するだけでなく、IoTタッチポイントの洪水から有意義なトレンドを抽出することです。

工場フロアのIoTセンサーが生成するデータは、より広範な企業データタペストリーに織り込まれなければなりません。インサイト探求は、一時的な演習ではなく日常的な習慣でなければなりません。

IoTデータを日常ワークフローに取り込むには、AIと機械学習で燃料を供給されたアナリティクスプラットフォームと、IT BIダッシュボードをリアルタイム工場運用にリンクするコネクターが必要です。

長年、BIダッシュボードはバックオフィス分析に役立ってきましたが、多くが最近まで産業用IoT入力の取り込みに苦労していました。サイロ化された情報を避けるため、組織は産業用IoT、データレイク、またはクラウドデータベースをネイティブにサポートするダッシュボードを必要としています。

「スマートファクトリーデータは、ビジネス全体の他機能から来るデータと多くの共通点があります」と、McKinseyのパートナー、エノ・デ・ボア氏。「意思決定に資するものでなければ、データ収集は無意味です。」

バリューチェーン全体で

デ・ボア氏は、工場フロアデータがコンポーネント調達からラストマイル配送までバリューチェーン全体に浸透しなければ、真のビジネス価値は実現しないと強調します。

ビジネスインテリジェンスアナリティクスは今やエンタープライズITの定番ですが、運用への適用は依然として困難です。導入ハードルがあるにもかかわらず、産業アナリティクスの世界市場は2026年までに160億ドルに達すると、ResearchAndMarkets.comが予測しています。

スマートファクトリーアナリティクス スコアカード

複数のベンダーが高度な産業アナリティクスとBIダッシュボードを提供しています。スマートファクトリー分野の主要プレイヤーには、ABB、Honeywell、Bosch、Siemensが含まれます。

製造に深いフットプリントを持つIT大手—IBM、Hewlett Packard Enterprise、SAP—は、スマートファクトリーデータの取得、処理、保存、分析におけるキープレイヤーです。ClouderaやDataStaxのような革新的データスタートアップも特殊要件をターゲットにしています。

クラウドがファクトリーアナリティクスのハブになるにつれ、AWS、Google Cloud、Microsoft Azureのようなリーダーが、Looker、Microsoft Power BI、TableauなどのエンドユーザーBIダッシュボードに供給するデータワークフローパイプラインを構築しています。

スマートファクトリー構築

スマートファクトリーアナリティクスの導入は莫大な労力を要します。典型的な製造サイトでは月間2,200 GB以上のデータを生成できますが、その大半が未分析のままだと、IBMのデジタルトランスフォーメーションレポートが指摘します。未分析データが長引くIoT概念実証（PoC）プロジェクトを助長します。

「ほとんどの産業データはITの外部で生成されます」と、IBMのインダストリーズ、エナジー、リソース、製造担当ゼネラルマネージャー、マニッシュ・チョウラ氏。不十分な計画がPoCのリードタイムを延ばすと強調します。「人々は基礎なしでペントハウスを建てようとしました」と同氏。

チョウラ氏は、IBMが最近SiemensとRed Hatと協力し、Siemensの産業用IoTプラットフォームMindSphereからのアナリティクスをファクトリーエッジにより近い場所で実行することを強調しています。

SAPは、タイムシリーズヒストリアンデータ、IoTフィード、ビジネスデータのブレンドを顧客が分析できるように取り組んでいます。SAPの製造・産業用IoT担当VP兼プロダクトマネージメント責任者、ドミニク・メッツガー氏は、データ処理の標準化がより経済的かつ拡張可能になり、データレイクが重要なイネーブラーとして浮上したと指摘します。

SAPのIndustry 4.0戦略（通称「Industry 4」）は、データヒストリアン、エッジサービス、クラウドまたはERPシステム、ビジネスインテリジェンス機能までのワークフローを網羅する参照アーキテクチャを提供します。

アナリティクスにはデータ量が必要

スマートファクトリーアナリティクスの進化は、予測・処方AIの台頭など、アナリティクスに影響を与えるより広範な力によって形作られます。ユーザーはアナリティクス導入を慎重に進めるべきだと、PTCのAI・アナリティクス担当VP、エド・クオコ氏は語ります。

診断については、データ品質や量が不十分な場合、複雑な機械学習モデルより単純な統計的プロセス制御が望ましいとクオコ氏は注意喚起します。

PTCはエンドユーザーとソフトウェアパートナーと密接に協力し、ファクトリーフロントラインからビジネスユーザーへ、時には逆方向へもアナリティクスを届けています。最近の取引では、FujitsuのスマートファクトリーフレームワークとPTCのVuforia拡張現実とThingWorxプラットフォームを統合し、アナリティクスをオペレーションワーカーに直接届けています。

アナリティクスのための新しいグラフィックス

グラフデータ技術は、かつては高度アナリティクスの周辺的プレーヤーでしたが、今や工場を超えて受け入れられています。Neo4jのAura Enterpriseのようなグラフデータベースは、スマートファクトリーアナリティクスを文脈化し、クロスチーム協働を可能にして運用効率を発見します。

リレーショナルデータベースがデータを行と列に格納するのとは異なり、グラフ形式はデータ要素間の複雑な接続をマッピングします。Neo4jは自動車、保証、アナリティクス、サプライチェーン、医療機器などのセクターをターゲットにしています。

医療分野では、ある企業がNeo4jのグラフ手法を用いて出荷前の故障を追跡し、サブコンポーネント全体にわたる根本原因を特探偵する方法を示しました。

Neo4jは、TableauやTibco Spotfireなどのビジュアルダッシュボードへのコネクターと、独自のBloom可視化ツールを提供します。

オープンソースNoSQLデータベースのパイオニアであるDataStaxも、エンタープライズ版でグラフデータ処理をサポートします。そのソフトウェアは、南アフリカ拠点のLocstatなどのクライアントのIoTアナリティクスを駆動し、リアルタイムセンサーアナリティクスに使用されています。

「可視化は複雑なIoTランドスケープ理解のためにますます重要になっています」と、DataStaxのチーフテクノロジスト、マティアス・ブロエヒラー氏。一部の工場決定が即時応答を必要とすることから、自律的異常検知の開発を推進していると付け加えます。

さようなら、データサイロ

スマートファクトリーでは、あらゆるビジネストランスフォーメーションと同様、マネージャー、フィールドオペレーター、ITチーム間の協働が成功の鍵です。デ・ボア氏は、チームがサイロで動き、単一機能のみが変革を推進する場合、トランスフォーメーションは失敗すると警告します。

データの民主化とは、役員室から生産フロアまで、すべてのステークホルダーが新技術とその応用を理解しなければならないことを意味します。製造業では、オペレーション担当者がアナリティクスを推進する役割が極めて重要になります。

デ・ボア氏は、Global Lighthouse Networkが提供するアナリティクスアカデミープログラムを強調し、すべてのステークホルダーが参加から恩恵を受けられると主張します。