ボトルネックを克服する：製造における分析の力

ProgressDataRPMの共同創設者兼最高製品および分析責任者であるRubanPhukanが、ボトルネックとの長年の戦いと捕食者の役割​​について説明します...

ProgressDataRPMの共同創設者兼最高製品および分析責任者であるRubanPhukanが、ボトルネックとの長年の戦いと製造における予測分析の役割について説明します。

製造におけるボトルネックを取り巻く問題は十分に文書化されています。生産の遅れ、在庫過剰、顧客からの圧力の高まりなどから、突然の予期しない容量の制限によって引き起こされる問題は、業界のどのビジネスにとっても壊滅的なものになる可能性があります。このことを念頭に置いて、Manufacturing Globalは、予知保全モデルの使用と、それらがフェイルプルーフ環境の確立にどのように役立つかについて、元YahooデータサイエンティストでありProgressDataRPMのリーダーであるRubanPhukanに話します。

問題の核心に迫る

Yahooデータ分析チームの元メンバーとして、Phukanはビッグデータの使用を取り巻く複雑さに精通しています。 「私は何年も前にYahooで作成された最初のデータサイエンスチームの一員でした」と彼は言います。 「そこでの大きな学びは、大規模な組織では、データサイエンスを手動で拡張するのが非常に難しいということでした。私たちが気付いたのは、ビジネスに価値を付加できる方法でデータサイエンスの問題を実際に解決する唯一の方法は、そのデータ分析の背後にあるプロセスを自動化することです。」

Phukanは、Yahooから移行して、機械学習を使用してユーザーの行動を理解し、特に予測分析を扱う、独自の垂直検索エンジンビジネスを開始しました。それを販売した後、彼は現在の共同創設者とビジネスを始めました。そこで彼はProgressDataRPMのストーリーを取り上げ、とりわけボトルネックへの取り組みに向けてどのように前進しているかを取り上げます。

「私たちが最初に集まったとき、大量のデジタルデータが生成されていることに気づきましたが、問題は同じままでした。手動で解決することはできません。データサイエンティストが足りないだけです。膨大な量のデータがあっても、企業がデータから得ていたような価値は、ROIを正当化するものではありません」と彼は言います。

「そこで、「データサイエンスのプロセスをシームレスかつ自動化するプラットフォームを作成できるか」と言い始めました。企業がベストプラクティスを活用し、問題に適用して大規模に解決できるようにしたかったのです。」

機械学習の進歩

機械学習の技術的能力の進歩により、Phukanと彼の共同創設者は、これまで不可能だった方法で、クライアントが利用できる膨大な量のデータと情報に対処することができました。重要なのは、製造業にとって、これは生産ラインなどにもプラスの影響を与える可能性があることを意味しました。

「たとえば、センサーなどを有効にすると、さまざまな動作条件や環境条件下でのマシンの正常な機能を非常に詳細なレベルで理解するのに役立ちます。次に、これが機械の状態にどのように影響し、その結果、効率の観点から生産ラインにどのような影響を与えるかを評価できます」と彼は語っています。

ProgressDataRPMは、データサイエンスの専門家である必要のない自動化されたプラントファームを展開することにより、大規模な資産ベースの業界が2つの問題を解決するのに本質的に役立ちます。計画外のダウンタイムを最小限に抑える方法と、出力の品質と効率を最大化する方法です。資産。これはすべて、認知異常予測ソフトウェアを介して行われます。センサーベースのデータに接続されるとすぐに、マシンの通常の動作状態のベースラインが自動的に設定されます。次に、これらの条件から逸脱しているものを探し、発生する可能性のある潜在的な問題を予測する前にアラートを作成します。

プーカンが以前の従来のプロセスからの大きな逸脱を表すと信じているのは、未知のものを予測するこの能力です。 「過去に起こった理由を調べることができる必要がありますが、さらに重要なことは、起こっていないことも予測する必要があります」と彼は説明します。

組立ラインへの影響

製造業が検討する必要のある重要な領域の1つは、生産ラインで何が起こるかに影響を与えるプロセス、特に品質管理のタイミングです。 「たとえば、自動車業界やヘルスケア業界の多くのメーカーと協力してきました。彼らが直面する最大の課題の1つは、製造プロセスの最後に品質チェックが行われることです。したがって、製品のバッチ全体が作成されると、テストが実行されて、問題がないかどうかが判断されます。これにより、75％ものスクラップ率が発生する可能性があります」とPhukan氏は述べています。

ほとんどのテストスイートルールは以前の経験に基づいてのみ作成できるため、説明されていない新しい問題が発生すると、製品のリコールなどの深刻な問題が発生する可能性があります。したがって、Phukanによれば、予測分析プラットフォームを使用することが標準になります。確かに、これは彼が製造業でますます特定しているものです。

「メーカーが私たちに話しかけるとき、彼らは機械学習を使用して、途中でバッチに欠陥があるかどうかを判断できるかどうかを尋ねます。彼らは、私たちがはるかに早く物事を検出できることを知っているので、プロセスを停止してコストと損失を最小限に抑えることができます。」

彼はこれの具体的な例を実際に持っていますか？ 「私たちはフランスの大規模な通信プロバイダーと協力しており、セットトップボックスで真の課題を抱えていました。これは、重い予知保全が必要だとは思わないでしょう。彼らが抱えていた問題は、失敗するたびに問題を特定して交換しなければならないことでした。明らかに、これは時間とお金の面でコストがかかります。顧客を失う大きなリスクもあります」と彼は言います。

「ボックスの3分の1に問題があることを事前に特定しました。これは、カスタマーサービスが電話をかけて、障害が発生する前にボックスを更新するか交換品を送るように人々に指示する可能性があることを意味します。」

ボトルネック分析の将来

メーカーは明らかに、マシンファーストコグニティブテクノロジーの利点にさらに慣れてきています。これにより、異常を特定し、対象分野の専門家を招いて、マシンの調査結果の影響を判断できるようになります。

実際、Phukanは、AR、IoT、保証、ハイブリッドクラウドコンピューティング、ブロックチェーンのすべてがますますその役割を果たすようになると説明していますが、彼が重要だと感じている未知のものを検出しています。 「鍵は、すでに知られているものではありません。ドメインの専門家はそれを処理する素晴らしい仕事をすることができますが、大きな課題は未知であり、次にビジネスに何が打撃を与えるかです。それが私たちが防ぐ必要のあることであり、それが製造業のゲームを変えるものの核心です」とプーカンは結論付けています。