高度製造における意思決定を強力なアナリティクスで強化する

高度製造は困難で複雑な取り組みです。消費者嗜好とトレンドの加速により新製品への欲求が高まり、既存製品のライフサイクルが短縮される中、今日の製造業者はビッグデータに頼り、適切な製品を適切なタイミングで管理、予測、追求しなければなりません。PwCの調査では、製造業者の92%が自社の意思決定を「高度にデータドリブン」または「ある程度データドリブン」と考えています。

ビッグデータを、正しい洞察を得るために管理すべき一つの巨大な実体と考えがちです。しかし、企業の成熟度レベルや、管理者・ステークホルダーが展開できるソフトウェアタイプに応じて、企業レベルと工場レベルの意思決定改善に利用できるデータタイプは複数あります。これを「製造アナリティクスジャーニー」と呼び、4種類のデータ分析が含まれます。

製造業者が分析能力を成熟させるにつれ、記述的分析から処方的分析へ移行します。

製造データ分析の4種類

• 記述的分析 ― 記述的分析はユーザーに「何が起きたか」を伝えます。工場や社内全体からの過去データを用い、パターン、関連性、関係性を探るデータ処理タイプです。データ集約とデータマイニングを用いてデータを整理し、過去の行動への深い洞察を導き出せる形にします。

この情報は、製品戦略策定や時系列トレンド理解に役立つ価値を生み出せます。品質、財務、収益など広範なカテゴリーに適用可能です。しかし記述的分析は後方視的性質により限界があります。有用なパターンとトレンドが浮かび上がり意思決定を支援できますが、現在および未来の事象への適用は限定的です。高度にデータドリブンな企業では、追加の分析タイプも併用されます。

 

• 診断的分析 ― 記述的分析が「何が起きたか」を描写するのに対し、診断的分析は「なぜ起きたか」を説明します。機械や製品グループが特定の振る舞いをしたという理解を前提に、診断的分析はその理由を特定します。ドリルダウン、高度フィルタリング、データマイニングなどの手法で相関関係を探り、なぜを説明します。この分析は特定問題への洞察獲得と、それらを回避する信頼性の高い予測開発に有用です。

診断分析の価値の一例は、アラートが有効かどうかの判断です。今日の接続工場は、多数のセンサーとエッジデバイスから膨大なデータを生成します。診断分析はアラートを資格付け、分類し、人間オペレーターが理解し行動できるようにします。また、多数センサーからのデータ量により、機械学習で「なぜ起きたか」を正確に説明するモデルを開発でき、精確な意思決定を可能にします。

 

• 予測的分析 ― 予測的分析は「何が最も起こり得るか」を説明します。記述的・診断的分析から得られた知見を用い、予測分析は予測に価値を発揮します。まだ発生していないデータを予測します。統計モデリング、データマイニング、機械学習を用い、以下の多様な手法を駆使します：

• セグメンテーション：類似性に基づくグループ分け。
• アソシエーション：共起頻度の特定と、特定変数セット相互作用後の発生を決定するルール作成。
• 相関：要素プロパティ間の関係性特定。
• 予測：将来値と発生の導出。

• 処方的分析 ― 他3タイプの分析から得られた分析を用い、機械学習、高度アルゴリズム、定義済みビジネスルールで「どのアクションを取るか」を処方します。さらに、そのアクションの起こり得る結果も示せます。これにより、意思決定者は精度と選択肢の幅を得て、企業目標に基づき複数の可能性ある結果を判断できます。意思決定のみならず、これら意思決定に基づきシステムが自動適応する製造の未来は、処方的分析によって駆動されます。

データこそがMachineMetricsを卓越させるものです。MachineMetricsでは、データの目標は幅広い機械学習アルゴリズムとディープアナリティクスをエンパワーし、OEEと製造効率向上を通じて価値を生むリアルタイム・実行可能プラットフォームを構築することです。固定HMIおよび携帯デバイスで可視化可能なカスタマイズダッシュボードと組み合わせ、これらアナリティクスの力に基づき意思決定を行い、オペレーターをエンパワーし効率を推進します。

ショップフロアで更なる効率を実現するための、データ収集とアナリティクス活用の実践に関する詳細リソース

接続された製造環境でのアナリティクス活用

意思決定戦略は企業成熟に伴い変化します。使用する分析タイプも同様に変化します。高度にデータドリブンでない企業では、分析フォーカスの79%が記述的と診断的のみで占められます。スペクトラムの反対側にある高度にデータドリブンな企業では、予測的・処方的分析が分析活用の54%を占めます。MachineMetricsは顧客がディープアナリティクスのメリットを実感し、自社運用へ独自に適用できるよう支援します。

「ある程度データドリブン」および「高度にデータドリブン」な組織双方にとって、産業IoTの到来は、先進製造技術を活用する企業が、デバイスとソフトウェアを用いて最良の結果をもたらす分析の組み合わせに焦点を当てられることを意味します。産業IoT技術とソフトウェアは、異なる設備タイプ間の相互運用性レベルを提供し、分析ソフトウェア内で利用可能な形でデータを標準化します。MachineMetrics顧客はこれを経験し、ERPシステム、スケジューリング・計画ツール、OEEソフトウェアなど他ソリューションとの統合に活用しています。

センサーとエッジデバイスを設備に展開しなければ、膨大なデータ収集は不可能です。MachineMetricsを通じて、顧客はこのデータをリアルタイムで活用し、アナリティクスプログラム内で最も精確なデータイテレーションを実現できます。展開されたセンサーとエッジデバイスによりレイテンシを排除し、可能な限り瞬時に近い情報を生成できます。

IIoTデバイスで収集される膨大なデータを前に、生データはアナリティクスなしではほとんど意味を持ちません。理由は、人間がデータを意味ある意思決定へ加工処理できないからです。しかし、使用する分析タイプ以上に重要なのは、結果を可視化して意思決定可能にする能力です。今日のIIoT技術は、分析結果を可視化フォーマットへ移行させる能力を提供します。インタラクティブダッシュボード、カスタマイズ画面、タブレットやスマホなど最適化された携帯デバイスにより、オペレーター、技術者、管理者が自分の機械と工場フロアの視覚的表現を見ることができます。

データ収集により、正確な資産監視、リアルタイム状態監視、リアルタイム生産統計、稼働率レポートが可能になります。これらをカスタマイズオペレーターダッシュボードと適切な通知・アラートで視覚的に提供します。これにより、ダウンタイムと品質パフォーマンスの正確な監視、セットアップと段取り替えにおける実行可能改善領域の把握が可能です。さらに、データアナリティクスは収集データへのより深い洞察を推進し、トレンド特定、因果関係のピンポイント特定、生産ボトルネック説明、予知保全プログラム立ち上げさえ可能にします。

上記分析タイプを用いることで、製造業者は既存社内ソフトウェアと統合し、パフォーマンスを改善しながら、工場フロアから本社まで企業全体で最適化された意思決定を推進するリアルタイム情報を提供できます。