分析による高度な製造における意思決定の改善

高度な製造は困難で複雑な取り組みです。また、消費者の嗜好やトレンドによって新製品への欲求が加速し、既存の製品のライフサイクルが短縮されているため、今日のメーカーは、適切な製品を適切なタイミングで管理、予測、追求するためにビッグデータに依存する必要があります。 PwCによるある調査によると、92％ものメーカーが、意思決定を高度なデータ主導型またはある程度データ主導型であると考えています。

ビッグデータは、正しい洞察に到達するために管理される1つの巨大なエンティティと考えるのは簡単です。ただし、企業の成熟度レベルや、企業および工場レベルでの意思決定を改善するために管理者や利害関係者が展開できるソフトウェアの種類に応じて、さまざまな種類のデータを使用できます。これを製造分析の旅と呼び、4種類のデータ分析が含まれています。

メーカーが分析機能を成熟させるにつれて、記述的分析から処方的分析に移行します。

4種類の製造データ分析

• 記述的分析 –記述的分析はユーザーに何が起こったのかを伝えます 。これは、工場または会社全体からの履歴データを使用して、パターン、関連付け、および関係を探すデータ処理の一種です。データ集約とデータマイニングを使用して、データは過去のアクションに対する深い洞察を生み出すことができる方法で編成されます。

この情報は、製品戦略の開発に役立ち、ユーザーが時間の経過に伴う傾向を理解するのに役立つ方法で価値を生み出すことができます。品質、財務、収益などの幅広いカテゴリに適用できます。しかし、記述的分析は、その後ろ向きの性質に限定されています。意思決定に情報を提供するのに役立つ有用なパターンと傾向が現れる可能性がありますが、その適用は現在および将来の出来事に限定されています。高度なデータ駆動型の企業の場合、追加のタイプのデータ分析も使用されます。

• 診断分析 –記述的分析が何が起こったのかを説明する場合 、診断分析はなぜそれが起こったのかを説明します 。マシンまたは製品グループが特定の方法で動作したことを理解した上で、診断分析はその理由を判断するのに役立ちます。診断分析では、ドリルダウン、高度なフィルタリング、データマイニングなどの手法を使用して、相関関係を探し、その理由を説明します。このタイプの分析は、特定の問題に対する洞察を収集し、それらを回避する方法に関する信頼できる予測を作成するのに役立ちます。

診断分析の価値の1つの例は、アラートが有効かどうかを判断することです。今日の接続された工場は、多数のセンサーやエッジデバイスから収集された膨大な量のデータを生成するため、診断分析によりアラートを認定して分類し、人間のオペレーターがアラートを理解して行動できるようにすることができます。また、多数のセンサーからの大量のデータを使用して、機械学習を使用して、何かが起こった理由を正確に説明するモデルを開発できます。これにより、正確な意思決定が可能になります。

• 予測分析 –予測分析は、最も起こりそうなことを説明するために使用されます 。記述的および診断的分析から収集された調査結果を使用して、予測分析は予測に役立ちます。このデータを使用して、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、機械学習を使用して、予測分析は次のようなさまざまな手法を使用します。

• セグメンテーション ：類似性に基づくグループ。
• 関連付け ：共同発生の頻度を特定し、特定の変数セットが相互作用した後に何が発生するかを決定するルールを作成します。
• 相関関係 ：要素のプロパティ間の関係を特定します。
• 予測 ：将来の価値観と出来事を導き出す。

• 処方分析 –他の3つのタイプの分析を使用して、処方分析は機械学習、高度なアルゴリズム、および定義されたビジネスルールを使用して、実行されるアクションを規定します。 。さらに、処方分析は、そのアクションの予想される結果も示すことができます。これにより、意思決定者は、企業の目標に基づいて複数の可能な結果を​​決定するための一定レベルの精度とさまざまなオプションを利用できます。意思決定が行われるだけでなく、システムがこれらの決定に基づいて自動的に適応される製造業の未来は、処方分析によって推進されます。

データは、MachineMetricsが私たちの仕事に非常に優れている理由です。また、MachineMetricsのデータの目標は、幅広い機械学習アルゴリズムと詳細な分析を強化して、OEEと製造効率の向上を通じて価値を推進するためのリアルタイムで実用的なプラットフォームを構築することです。固定HMIやポータブルデバイスによる視覚化を可能にするカスタマイズされたダッシュボードと組み合わせることで、これらの分析の力に基づいて意思決定を行い、オペレーターに力を与え、効率を高めることができます。

分析を収集して使用し、製造現場の効率を高めるための実践に関する詳細なリソース

接続された製造環境でのアナリティクスの使用

企業が成熟するにつれて、意思決定戦略は変化します。また、使用される分析のタイプも変更されます。データ主導型ではない企業の場合、分析の焦点の79％は、説明と診断のみで構成されています。スペクトルのもう一方の端には、予測分析と処方分析が分析使用率の54％を占める、高度にデータ駆動型の企業があります。 MachineMetricsは、顧客が詳細な分析のメリットを実感し、それらを独自に運用に適用するのに役立ちます。

「ある程度データ駆動型」と「高度にデータ駆動型」の両方の組織にとって、産業用IoTの登場は、高度な製造技術を使用する組織がデバイスとソフトウェアを利用して、最良の結果を得るための分析の適切な組み合わせに集中できることを意味します。産業用IoTテクノロジーとソフトウェアは、分析ソフトウェア内で使用するデータを標準化するために、さまざまな機器タイプ間の相互運用性のレベルを提供します。 MachineMetricsの顧客はこれを経験し、ERPシステム、スケジューリングおよび計画ツール、OEEソフトウェアなどの他のソリューションと統合するために使用しました。

機器に配備されたセンサーとエッジデバイスを使用しないと、大量のデータを収集することはできません。 MachineMetricsを通じて、顧客はこのデータをリアルタイムで利用できるため、分析プログラム内でデータを最も正確に反復できます。また、センサーとエッジデバイスを導入することで、遅延をなくし、可能な限り瞬時に近い情報を作成できます。

IIoTデバイスで収集された膨大な量のデータを考えると、生データは分析なしではほとんど意味がありません。この理由は、人間がデータを処理して意味のある決定を下すことができなかったためです。ただし、利用される分析のタイプを超えて、結果を視覚化してそれらの決定を行う機能があります。今日のIIoTテクノロジーは、分析結果を視覚化された形式に移行する機能を提供します。インタラクティブなダッシュボード、カスタマイズされた画面、タブレットや電話などの最適化されたハンドヘルドデバイスにより、オペレーター、技術者、および管理者は、自分の機械や工場の床を視覚的に表現できます。

データの収集により、正確な資産監視、リアルタイムの状態監視、リアルタイムの生産統計、および使用率レポートが可能になります。カスタマイズされたオペレーターダッシュボードと適切な通知およびアラートを使用して、これらを視覚的に配信できます。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、およびセットアップと切り替えのための実用的な領域が可能になります。さらに、データ分析は、収集されているデータへの洞察を深めるのに役立ちます。これは、傾向を特定し、原因と結果の関係を特定し、生産のボトルネックを説明し、予知保全プログラムを開始するのに役立ちます。

上記のタイプのデータ分析を使用すると、メーカーは既存の企業ソフトウェアと統合してパフォーマンスを向上させると同時に、リアルタイムの情報を提供して、工場の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できます。