工業製造
産業用モノのインターネット | 工業材料 | 機器のメンテナンスと修理 | 産業プログラミング |
home  MfgRobots >> 工業製造 >  >> Manufacturing Technology >> 産業技術

データと材料:現代製造業成功の双子の柱

新興の製造企業であれ、数十年の歴史を持つ企業であれ、データの断片化という問題は瞬く間にビジネス全体に深刻な課題と非効率をもたらします。製造業では問題解決のプロセスが物理的であることが多いため、多くの企業がこのリスクを十分に理解していない可能性があります。しかし、ビジネスのほとんどの領域にはデジタルデータが関与しており、問題が発生しても「即座の影響がない」と思われるために見過ごされたり、優先順位が下げられたりしがちです。

スタートアップと既存企業、それぞれのデータ課題

製造スタートアップはデータ断片化に対処するリソースを持っていることが多いものの、問題の存在に気づいていない場合があります。製造テクノロジーが進歩するにつれ、新技術を採用・活用する機会は確実に増えています。例えば3Dプリンターの活用では、コンピューター生成設計から即座に販売可能な製品を作り出せます。これらのメーカーは最新の設計ツールや、日常業務を運営するアプリケーション・テクノロジーを使用します。

日常業務の管理で最も一般的な問題の一つは、経営者が発生するデータの管理において狭い視野を持ちがちだということです。私たちは、「適切な量の材料をサプライヤーから調達して仕事を完遂すること」に強く焦点を当てた日々のサイクルにあります。何を、いくつ、どこに、いつ納品するかを把握すること。そして最も重要な日常業務:資金管理、どの顧客口座が最新か、どのサプライヤーにいつ支払うかを把握すること。

しかし、現代ビジネスには製造業者が対処すべきより広範な側面があります。設計から製造、出荷、買掛金に至る製造ライフサイクル全体で生成されるすべてのデータから何が学べるか。履歴データを調べれば、ほぼ常にビジネスの収益にプラスの影響を与える何かを学べます。問題はそれを見つけ、何が価値があり、何がノイズかを知ることです。データがビジネスのあちこちにサイロ化して散らばっていると、無駄な情報に圧倒されがちです。データはさまざまなアプリケーションによって生成され、しばしば異なる場所に格納されるため、ビジネスの異なる部分で異なる解釈をされる可能性があります。

レガシーデータの負担

確立された製造企業がより大きな問題に直面するのは、単純に時間の経過とともに、現在はあまり使われていない、あるいは完全に引退した多数のレガシーアプリケーションで作成された大量の履歴データを持っているためです。これによりデータの所在特定が困難になったり、今日の新しいテクノロジーと互換性がなくなったりします。しかし、メーカーはこのデータを廃棄できません。依然としてビジネスに計り知れない価値を持っている可能性が高いからです。

データのデフラグ(断片化解消)は、最終的にすべてのメーカーにとって不可欠になります。収集データ量が指数関数的に増え続け、業界を超えた競争圧力が高まる中、そのデータから洞察と価値を得る必要があるからです。

ステップ1:データの所在特定

これは容易ではありません。メーカーのデータの大半は、単調な日常業務運営を担当しないアプリケーションの深奥に隠れている可能性が高いからです。この履歴データの多くは現在「セカンダリ(二次的)」と見なされ、保全のためアーカイブされています。しかし、アーカイブされたデータも、ビジネス全体で生成される他のデータと同様に洞察導出の上で極めて重要であるため、このプロセスで価値が失われます。

例えば、開発・テストアーカイブに保持されているデータは、失敗したもののまだ可能性を秘めた新プロセスの初期試行に関する洞察を与えるかもしれません。それが新素材、ツール、技術に関する情報と組み合わされれば、それらの新プロセスが今どう機能するかを示せるかもしれません。しかしそのためには、データがどれだけ古く、どこに格納されていようと、メーカーがそれを特定・アクセス・分析する能力を持つ必要があります。

価値抽出への道

これが、データをビジネス全体で利用可能にする上で最も重要な要素です。一度データが特定されれば、そこから価値を抽出する作業を開始できます。これにより、大小・新旧を問わずすべての製造企業が、情報を統合し、ビジネス全体に新たな効率をもたらし、今必要な競争優位性を提供する情報について問い合わせることができるようになります。

テレサ・ミラーは、コヒシティのプリンシパルテクノロジストです。

産業技術

  1. PwCインサイト:AIとビッグデータで製造業を変革
  2. データとAIで製造業を変革:業界課題を克服する
  3. データ駆動型製造:効率化、コスト削減、イノベーションを解き放つ
  4. ビッグデータ×AI統合でビジネス価値を最大化する
  5. 製造業革新:ARとIIoTが作業員をエンパワーし効率を飛躍
  6. フリート管理の革命:AIとIoTの統合によるスマートな運用
  7. 生産効率を解き放つ:実証済みデータドリブン製造戦略
  8. 製造業における予測分析の活用:実証済みユースケースと具体的メリット
  9. 航空宇宙・防衛製造におけるインダストリー4.0課題を乗り越える
  10. AIとロボティクスが製造業に革命をもたらす:品質と効率を向上
  11. ビッグデータとクラウドコンピューティングを活用したビジネス成長の促進