なぜメーカーはAIとビッグデータを採用する必要があるのですか？

Manufacturing Globalは、EY、Infor、GE Digitalのエグゼクティブリーダーと話し合い、この質問の根底に到達します。

製造業をデジタル化するという意欲は過去10年間話題になっていますが、最近の出来事により、インダストリー4.0のスマートな製造機能が提供できる俊敏性、拡張性、回復力の必要性が高まっています。 GEDigitalのシニアデジタルプロダクトマネージャーであるCobusVanHeerden、EY（UKI Consulting）のパートナーであるMark Powell、およびInfor Manufacturing GlobalのソリューションコンサルティングEMEA担当副社長であるPhilLewisと話をしました。 AIとビッグデータを活用するテクノロジーが、メーカーがリアルタイムの運用の可視性を解き放ち、プロセスの信頼性とパフォーマンスを向上させるのにどのように役立つかを見ていきます。

製造業における人工知能（AI）とビッグデータの現在のアプリケーションは何ですか？

CVH： インダストリアルAIは、ターゲットを絞ったAIテクノロジー、データ、物理学、および深いドメイン知識の組み合わせを使用して、主要なインダストリアルビジネスの課題を解決します。従来のAIは人間の知性を模倣しますが、産業用AIはそれを基に構築され、洞察を解き放ち、ハイステークス、動的、および変動する産業環境における因果関係の知識を決定します。製造業では、産業用AIを使用して主要なプロセスと資産の問題を検出および予測し、企業が容量、品質、コスト構造などの運用を最適化するのに役立てることができます。

PL： AIまたはビッグデータの教科書の定義は、業界が異なり、テクノロジーに対する要求が大幅に異なるという点を見逃しています。それは、企業が経験している可能性のある特定の問題への特定のテクノロジーの適用に関するものです。この問題は、「業界標準」の問題か、テクノロジの構成で発生する問題である可能性があります。しかし、ビッグデータやAIなどのツールをビジネスの重要な10％に適用することには、真に特異なものが最も価値があります。これを60/30/10分割として分類し、これらのテクノロジーを適用して最大の価値を推進する方法を示しています。

インダストリー4.0のスマートな製造機能の採用を検討しているメーカーにとって、なぜメーカーはAIとビッグデータを使用する必要があるのですか？

CVH： スマートマニュファクチャリングは、産業の高度な分析を展開して、リアルタイムおよび履歴データを使用し、閉ループで最適化して、将来の資産とプロセスのパフォーマンスを予測します。これには、AIと機械学習を使用して、プロセスエンジニアが産業データソース全体のデータを組み合わせ、問題を迅速に特定し、プラントの問題の根本原因を発見し、資産の将来のパフォーマンスを予測し、従業員が品質を向上させるために実行できるアクションを自動化できるようにします。 、生産性、および運用。

MP： デジタル化により、メーカーはサプライチェーンを再考する必要があります。一例として、ほとんどの企業は内部データを使用して需要と供給のバランスを追跡しており、サプライチェーンに影響を与える外部イベントを予測することは困難です。ソーシャルメディアやその他のイベントに関するデータなど、構造化されていない外部データセットを理解するAI技術を使用することで、メーカーはサプライチェーンの混乱をはるかに早く計画できます。

さらに、製造業者はAIとビッグデータを使用して製造業務のデジタルレプリカを作成し、生産のサイクルタイムを短縮し、製造能力を追加し、計画外のメンテナンス活動を予測するなどの変革の可能性を活用できます。

PL： AIとビッグデータのポスターチャイルド統計のいくつかは、単に注意を必要とします。最近、シーメンスはドイツの工場の1つを自動化し、プロセスの75％がデジタル化されているか、自動化が進んでいます。生産性が1,400％向上しました。それはどんなビジネスにとっても画期的なことです。これは、多くのメーカーがAIとビッグデータを将来の計画にどのように組み込むかを検討していることを意味します。

運用におけるAIとビッグデータの価値の実現に努めているメーカーにとって最善の戦略は何ですか？

CVH： プロセスエンジニアは、プロセスモデル（またはProcess Digital Twins）をまとめ、モデルを解釈できる優れた専門知識を持っています。これは、分析による競争上の優位性と成功を向上させるための基盤です。分析を推進し、プロセスを改善するために、メーカーはドメインの専門知識を5つの機能に合わせることができる戦略をまとめる必要があります。分析-自動根本原因識別は継続的な改善を加速します。監視–早期警告により、ダウンタイムと無駄が削減されます。予測–予防的な行動により、品質、安定性、信頼性が向上します。シミュレーション–what-ifシミュレーションは低コストで正確な意思決定を加速します。および最適化–最適なプロセス設定値により、許容可能な品質でのスループットが最大10％向上します。

すべてのプロセスエンジニアは、競争力を維持するために、分析と機械学習の機能を開発することができ、また開発する必要があります。時間の経過とともに、エンジニアは小さなプロジェクトからパイロット、そして分析を深く適用したマルチプラントの最適化に移行できます。彼らの深い専門知識は、非常に特定のアプリケーションにおけるゲームチェンジャーであるプロセスのモデリングと分析の開発の基盤を提供します。

最も重要なことは、分析を開始することです。いくつかのプロジェクトを「トライストーム」します。直感的なアイデアをテストし、データと分析をその背後に置きます。データサイエンスの専門家になるのを待つ必要はありません。それは必要ありません。ドメインの専門知識を活用した、実績のある使いやすい産業分析ツールを活用します。これにより、大幅な改善がすぐに促進されます。

PL： メーカーを含む企業は、顧客、サプライチェーン、内部効率、または人のいずれかに焦点を当ててデジタルプロジェクトを評価する傾向があります。これらは、デジタルへの進出の4つの主要な推進力です。これらは多くの場合有機的であり、継続的な「どうすればより良くできるか」という態度から生じます。これは、企業が競争や破壊的な参入者に取り残されることを恐れているため、競争の懸念によって加速されています。デジタル関連性については明白な恐れがあり、これは多くの投資を促進しています。

ただし、多くのメーカーがすでにテクノロジーに多額の投資を行っていることは注目に値します（COVIDがデジタル化への移行を強制する前であっても）。したがって、定義の最初のポイントは、AIとビッグデータを既存のテクノロジーに合わせることにあります。企業が現在使用されているテクノロジーを評価するとき、テクノロジーが現在のプロセスを処理するかどうかの短期的な視点だけでなく、将来のプラットフォームも提供するかどうかを念頭に置く必要があります。この後者の視点は、データに基づいています。どちらの要素も同様に重要ですが、2番目の「プラットフォームの観点」ではビッグデータが必要です。進行中のプロセスをサポート/微調整するだけのプラットフォームを選択するだけではもはや十分ではありません。将来の機能が組み込まれている必要があります。

その場合、このテクノロジーが可能な限り最善の方法で展開されるようにする必要があります。これには、オープンなクラウドベースのアプリケーションランドスケープが必要です。これにより、企業は、面倒な統合やボルトオンプロセスを経ることなく、ビッグデータやAIなどの新しい機会をつかむことができます。これにより、組織はより機敏になり、収益の新しい機会を特定するなど、ビジネスのニーズにテクノロジーを創造的に適用することに重点を置くことができます。

AIとビッグデータ分析を製造業務に採用する際の課題は何ですか？

CVH： 製造業者は、顧客の需要に応えながら、廃棄物、コスト、およびリスクを削減するという課題に直面しています。 AIとデータの組み合わせにより、分析ベースのソリューションを通じてデジタル化が加速され、従業員がコンテキスト内のデータを利用できるようになり、人、資産、プロセスが効率的に連携できるようになります。

企業にとってのもう1つの課題は、まだ始まったばかりです。彼らは、運用で分析を使用する方法についてもっと知りたいと思っていますが、それを現在の従業員の仕事とは見なしていません。幸いなことに、産業用AIソリューションは、プロセスエンジニアがデータサイエンティストである必要はなく、役立つ可能性があります。

MP： AIを採用する際の重要な課題は、AIが影響を与えるいくつかの価値の高い分野で、組織全体で連携を確立するメーカーの能力にあります。たとえば、機械学習とコンピュータービジョンを使用して、機器の障害が発生する前に予測および特定することで、生産のダウンタイムを削減し、メンテナンスコストを削減します。もう1つの課題は、テストと学習の文化を通じてAIをプロセスに注入する文化を確立することです。

あまりにも長い間、組織は「データ駆動型」になることについて話してきましたが、これは一般的に期待どおりに機能していません。製造業者は、新しい洞察から価値を引き出すことができる場所を理解することから始めて、ビジネス価値を推進できる洞察を推進するために必要なデータに焦点を当てるという別のアプローチをとる必要があります。組織は、単に「データ主導」ではなく、「洞察主導でデータ対応」になる必要があります。そうして初めて、AIとビッグデータの力を実際に活用できるようになります。

PL： データに対する態度がどのように変化したかがすべてです。以前は必要悪と見なされていましたが、現在はビジネスで最大の資産となっています。通常、これはビッグデータラベルへの執着を促進しますが、重要なのはデータを処理することです。AI/ BI / IoTなどを使用して、そのデータを真に価値のある資産に変えます。自動車産業はその代表的な例であり、自動車によって生成されたデータを使用および販売しています。興味深いことに、今では「クラウド」を当然のことと考えています。24か月前にこの質問に答えていたら、クラウドが最初の検討事項でしたが、今ではテーブルの賭けになっています。ビジネスがクラウドに移行するかどうかではなく、どのタイプのクラウド/クラウドを使用するかという問題が増えていますか？ –インフラストラクチャの会話をはるかに超えて、どのように、何に、そしてビジネスがデジタルを採用しようとしている理由に移行しました。

人工知能（AI）とビッグデータは第4次産業革命（インダストリー4.0）を推進していますか？

CVH： 産業用AIとデータの組み合わせにより、プロセスデジタルツインと呼ばれるものが生成されます。これは、製造業者が利用可能なセンサーと生産データから洞察をマイニングすることにより、連続、離散、またはバッチ製造プロセスのパフォーマンスを迅速にトラブルシューティングするのに役立ちます。予測分析を利用するこのテクノロジーにより、ユーザーは運用シナリオを分析し、運用の変更が主要なパフォーマンスメトリックに与える影響を評価し、パフォーマンス変動の原因を特定できます。 Digital Twinsは、過去のデータを振り返り、リアルタイムで迅速に前進することで、業界の将来の主要な目標である継続的な改善を促します。

PL： AI / MLの使用は日々増加しています。在庫の最適化、メンテナンス、財務プロセスの高速化はすべて、私たちが何度も目にする重要な分野です。これを継続し、投資収益率を継続するには、AIを組み込み、ボルトオンではなく他のシステムに対応できるようにする必要があります。そうしないと、企業は多額で費用のかかる統合プロジェクトに直面します。次の特定のテクノロジーに関しては、それは実際には個々の企業またはプロジェクトの成熟度に依存します。企業は、一連のデジタルプロジェクトではなく、デジタルファブリックの段階に到達しているだけです。 AIによって推進され、大量のセンサーデータによって供給される規範的な作業は、B2B /産業市場に大きな期待を寄せており、資産のメンテナンスとフィールドサービスの初期の撮影は非常に有望です。