ライツアウト製造（無人化工場）は、完全自動化技術を用いて、人的介入をほぼゼロにして生産工場を稼働させる手法です。これには、機械学習や高頻度データ収集など、複数のテクノロジーのサポートが必要です。 多くのメーカーにとって、「セットして忘れる」マインドセットで生産を行うことは夢でした。単に出社し、マシンを動かし、照明を消して帰る。作業員ゼロ。建物内に人間ゼロ。ただマシンが得意とすること、すなわち人間よりはるかに高速で、正確で、反復的なタスクを日々実行するだけです。 これにより、職場事故、施設の冷暖房コスト、労働コスト自体を大幅に削減できます。また、人間とは異なりマシンは日々正確に振る舞いを再現でき

IIoT、デジタル変革、次期産業革命が進行中です。一部のリソースではテクノロジー導入が簡単そうに聞こえます。一方で、タクトタイム、リードタイム、サイクルタイムといった用語に困惑する人も多くいます。以下では、これらの時間指標の違い、背後にある計算式、それぞれの計算方法、そしてそれらが生産をどう改善または悪化させるかを説明します。 タクトタイム、サイクルタイム、リードタイムの違いは？ リードタイムは、最初の製品注文から最終納品までの総時間であるのに対し、サイクルタイムはより短い期間で、製品1つを完成させる平均時間です。最後に、タクトタイムは、顧客需要を満たすためにメーカーが製品を完成させなければな

重機製造業界には相応の課題があることは間違いありません。これらは、指定された政府規制内で販売・使用可能な装置を製造するために克服されなければなりません。OEMが業界内で直面するその他の障壁には、ロジスティクスとサプライチェーン、拡大するスキルギャップ、革新的な装置を生産する必要性が含まれます。 重機製造業界を導く規制と基準 重機製造業界を導く規制は、安全性と環境を有害物質から守ることに焦点を当てています。世界中で、重機の製造と工場フロアでの重機使用の両方について排出基準が存在します。米国の装置メーカーの場合、排出規制は労働安全衛生局（OSHA）が定めています。これらの排出規制は、重機向けに設計

工場フロアでインダストリー4.0ソリューションを成功裏に実装することは、重機製造企業に莫大なメリットをもたらすと期待されています。これらの利点には、マシン稼働率を最適化するデータ駆動型製造プロセス、予知保全、製造業務への規制基準の組み込みが含まれます。しかし、これらの実質的な「勝利」を得るには、重機製造業界の企業がまずインダストリー4.0実装フェーズを成功させる必要があります。 レガシー重機の負担を克服する 多くの重機メーカーにとって、成功裏の実装は容易ではありません。重機メーカーとOEMには、以下を含む多様な課題があります： レガシー設備の広範な使用 複雑なプロセスからのプラントフロアデー

重機メーカーがイノベーションと製造で直面する課題についての最近のインタビューで、Sciemetric InstrumentsのCEOであるNathan Sheaff氏は、データ取得と分析について語りました。氏は「インダストリー4.0の台頭により、我々はますます多くのデータに埋もれつつある。その大洪水（データの）に対処する最善の方法は、データ処理とエッジコンピューティング能力を高めることだ」と述べています。 この発言は、重機製造業界がインダストリー4.0とそれに伴うデジタル変革との格闘を正しく要約しています。今日、多くのメーカーは「マシンが生成するこれらすべてのデータセットをどうするか」「データ

製造業におけるKPIとは？ 製造業におけるKPIは、ビジネスパフォーマンスへの洞察を提供する定量化可能な指標です。KPIはKey Performance Indicatorの略で、その名の通り成功パフォーマンスを示します。 よく使用される製造業KPIの一つに「全体設備効率（OEE）」があり、工場のパフォーマンス、可用性、品質を計算して測定します。特に工場フロア、マシン固有のレベルでのパフォーマンス測定として効果的ですが、OEEは理想的には他のKPIと併用して、複数の角度からパフォーマンスをより明確に把握すべきです。製造企業は、意思決定の指針とするために、いくつかのKPIを選んで注力すべきです。

はじめに：過去数か月の解剖 今年初めには、誰もコロナウイルスが社会全体に及ぼす影響を真に予測できませんでした。これは、歴史的な株価変動（通常、前例のない不確実性のレベルを示す）、急速に変化する政策決定（その日の技術的環境の変化に対応しようとする中で）、ますます悪化する政治的環境に表れています。 秋に近づくにつれ、学校や大学キャンパスの再開と閉鎖、インフルエンザシーズンの到来に伴い、不確実性と変動性はさらに高まるでしょう。弊社が提供する製造業の実際の状態に関する日々のアップデートは、より多くの政策決定者が弊社データを予測と意思決定の指針に使用するようになる中で、ますます重要になります。 弊社デー

産業接続性の概要 インダストリー4.0の波及により、世界はより速い生産性、より高い品質、より高い透明性、前例のない運用効率を求めています。自動化が進む中、工場フロアにはこれまで以上に多くの資産、設備、マシンが存在し、これらすべてが高い水準でユニゾンして動作する必要があります。産業接続性がなければ、現代の工場フロアは瞬く間にカオスとなり、あらゆる関連会話がネガティブで、パフォーマンス関連のパニックに満ちたものになります：『このマシンは故障中だ』『あのマシンは能力を発揮せず、相棒が過負荷だ』『向こうのマシンは本来の2倍のエネルギーを消費しているが、誰も気づいていない』『データがサイロに閉じ込められ

「ここまで来たやり方では、目指す場所には行けない」という言葉が、テクノロジーの導入と拡大の違いを理解する鍵かもしれません。経営幹部は、AIやIoTといった新技術の統合が価値を生むことを見てきましたが、マイルストーンやROI予測を達成できていません。以下では、経営幹部がマシンデータをビジネスインテリジェンスに活用し、次のステップに進む方法を検証します。 パイロットプロジェクト拡大の問題点 製造業の現在のドライバーの一つは、テクノロジーを用いて生産増加とコスト削減を図ることです。多くの初期プロジェクトは接続性とマシンデータに焦点を当てています。マシンデータプロジェクトは有望に見えても、期待ROIを

インダストリー4.0テクノロジーとは？ インダストリー4.0、別名第4次産業革命は、ビジネスをよりスマートに、より自動化することを目指すものです。第3次産業革命が機械的・アナログプロセスをデジタル化することに焦点を当てていたのに対し、第4次産業革命は、機械をより自立させ、互いに「会話」させ、人間では処理しきれない膨大なデータを扱えるようにすることで、デジタル技術のインパクトを深化させることに焦点を当てています。すべては効率と成長のためです。インダストリー4.0テクノロジーは、第2次産業革命における蒸気動力から電力への変化と同様に、ビジネス運営の根本的な変革を表しています。 詳細はインダストリー

マサチューセッツ州ノーサンプトン—2020年9月22日— MachineMetricsとFiixは、MachineMetricsの最先端製造IoTプラットフォームとFiixの業界トップクラスのメンテナンスプラットフォームとの新たなパートナーシップを発表しました。これにより、企業は生産設備からのリアルタイムデーターンベースで、ターンキー型の自動メンテナンスソリューションを推進できるようになります。 「MachineMetricsはデジタルファクトリーのマシンデータコンポーネントです。今回、Fiixと共に、メーカーが当社プラットフォームからのリアルタイムデータを活用して、工場作業員のメンテナンスア

最終的に製造業は数字のゲームです。一部の企業がまだ手動でデータを報告している一方で、他社は新しい自律技術を導入して生産スループットの改善を図っています。しかし、多くの企業が新技術で期待ROIを達成できていない現状を踏まえ、数字を見直し、製造スループットに影響を与える要因を理解する時期に来ています。以下では、痛みのポイントを特定し、生産スループットを増加させ、主要製造指標を向上させるソリューションを紹介します。 製造スループットを増加させる戦略 1. ワークフローを検査する どのデータが収集され、なぜ収集されるのかを知ることから始めましょう。数字がすべてなら、「ガベージイン、ガベージアウト」を忘

インダストリー4.0の概念が医療機器オリジナル機器メーカー（OEM）を含む様々な業界でデジタル変革を推進しています。医療機器製造業界では、離散型メーカーへの焦点が当たり前となっており、医療機器メーカーが使用する装置を製造する企業が、デジタル変革モデルを適用して自社の課題を解決する情報をどこで得られるかという疑問が多く寄せられています。 このジレンマに答えるには、医療機器OEMが直面する固有の課題を理解することが必要です。これらの課題は、コモディティ化しにくい装置の販売による薄利多売から、複数の製造施設における運用パフォーマンスの最適化まで多岐にわたります。 医療機器OEMが直面する4つの課題

第4次産業革命は定着しつつあり、製造業では5〜10%の生産性向上が期待されるなど、多くのメリットがもたらされています。医療技術業界で使用される重機メーカーも、デジタル変革の恩恵を受けることが期待されています。 デジタル変革が支えるビジネスモデルには、状態ベース監視、予知保全、アセットパフォーマンス管理、リモートマシン監視、データ駆動型プラントパフォーマンス最適化などがあります。これらのモデルを活用するには、OEMがまずショップフロアデータの取得と分析を処理するデジタル化プログラムを成功裏に実装する必要があります。ここでは、医療機器OEMがこのプロセスを円滑に進めるための5つのヒントを紹介します

医療機器エンジニアリングコミュニティが頼る設備を生産するOEMは、一般に数十年機能してきたレガシーシステムを活用しています。統計によると、今日のショップフロア設備の約30〜40%がレガシー資産です。したがって、デジタル変革イニシアチブによるスマート施設への移行には、これらレガシーシステムを一緒に連れていく課題が伴います。 インダストリー4.0は、レガシー資産を除外せず、相互接続されたサイバーフィジカルシステム開発のメリットを包含します。これにより、医療機器OEM向けに多様なインダストリー4.0ビジネスモデルが開かれます。メリットがある一方、古いシステムを現代ネットワークへ統合する際に生じる特有

概要：IoTは製造業において、予期せぬダウンタイム関連コスト削減、資産追跡と複雑シミュレーションに使えるデジタルツイン作成、作業者安全と満足度向上、プロセスと設備改善への深く実行可能な洞察提供によりコスト削減に貢献します。IoTはまた、製造企業にアジリティとレジリエンスを与え、あらゆる状況下で成長し続けられるようにします。 IIoTでコストを削減し、利益を生む あらゆるセクターのビジネスがIoTテクノロジーから巨大な価値を得ており、業界成長がこのパターンを反映しています。マッキンゼーは、IoTが2025年までに11.1兆ドルの経済インパクトをもたらすと予測。IoTデバイスから収集されるデータも

自動車業界は、サプライチェーン全体で世界最高水準の品質管理を誇ります。この水準を維持するには、サプライヤーが厳格な開発要件追跡、実証済み製造システムを遵守し、定期的なプロセス監査を受け入れる必要があります。これはしばしば、コンポーネントレベルで1dpm（百万分率1欠陥）未満の欠陥レベルを要求することを意味します。このレベルの出荷品質を達成するには、製造プロセスの各中間ステップで、監視・制御可能な定量的結果を持たせる必要があります。統計的プロセス制御（SPC）は、正常運転からの逸脱をハイライトするためにしばしば必要とされます。 一日一括のウィジェットをフルシフトで生産し、出力をサンプリング検査す

インダストリー4.0がグローバル製造企業全体で成熟し続ける中、多くの人は新技術が旧来手法に取って代わり、効率と生産の継続的改善を促すと考えています。一部アプリケーションではそれが真実かもしれませんが、新技術が既存プラクティスを補完することもまた真実です。 産業IoTアプリケーションの価値提供と非常に相性が良い手法の一つが、トータルプロダクティブメンテナンス（TPM）です。リーン手法で普及した5S基盤の上に構築されたTPMは、ダウンタイム軽減と生産改善を助けるメンテナンスモデルです。このモデルでは、メンテナンスダウンタイムを製造スケジュールの一部として組み込みます。設備に最も精通したオペレーター

従来の自動車サプライチェーン製造メンテナンスは、設備の経験的観測と人間による測定に依存してきました。このアプローチでは、機械パフォーマンスを離散的な間隔でしかサンプリングできません。測定時間帯による再現性問題、人間の解釈エラー、センサー配置の問題に悩まされてきました。より現代的な同等のメンテナンス手法は、「デジタルツイン」として知られるインテリジェントシミュレーションを通じて、デジタルで実行可能になりました。 工場内で使用される複雑機械の詳細な運用特性を評価するため、完全なデジタルツイン表現を主要インテリジェンスツールとして使用できます。デジタルツインは3つのデジタルコンポーネントで構成されま

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