製造業におけるビッグデータ分析の導入 「ビッグデータ」とは、従来の手法では効果的に処理できない、ますます複雑で巨大なデータストアを指します。製造業では、機械センサーデータ、品質保証情報、サプライヤーデータ、生産アウトプット、メンテナンス、財務情報、そして現代の製造業に入力される基本的にあらゆる測定可能なプロセスから収集される情報を指します。 製造業者があらゆる事象について膨大なデータを収集するのには理由があります。ビッグデータは処理・精製され、莫大な財務成長、顧客維持、メンテナンス・倉庫・予期せぬダウンタイムのコスト削減などを実現するビジネスインサイトへと昇華できます。 ビッグデータと製造分析

機械状態監視とは 機械状態監視とは、一定期間にわたる機械の健全性を評価する能力のことです。これには効率（効率低下は根本的な問題を示唆する可能性がある）、部品の摩耗、不良品出力などの性能指標、使用統計、メンテナンス統計などが含まれます。 現在、製造業の大半は原始的なメンテナンス戦略で運営されており、反応型またはカレンダーベースのアプローチで設備を維持しています。その理由は、ほとんどの製造業者が設備の運転健全性を知らせる機械状態データを持っていないからです。 その結果、選択肢は「スケジュール通りにメンテナンスする」か「故障するまで待つ」かの二択になり、どちらも効率的ではありません。これにより、不要

はじめに 日次稼働率アップデートが注目を集める中、データの管理者として、前提条件、バイアスの潜在的源泉、誤差範囲を明確化し、組織が我々の数値から最も情報に基づいた意思決定を行えるようにすることが重要だと感じています。あらゆるデータセットと同様、我々のデータにもバイアスが含まれます。したがって、報告指標にはすべて誤差範囲を付記しています。データ実務者として、これらのバイアス源、データへの前提、それらへの方法論的対処を透明化することは重要です。これにより、利用者である皆様が、我々の主張の真実性とデータの貴社への価値を自ら判断できるようになります。 従来の世論調査手法へのアナロジー 我々のデータセッ

デジタルファクトリーとは デジタルファクトリーとは、材料、人、機械からのデータを含め、工場内の情報をテクノロジーで自動的にデジタル共有する仕組みを持つ工場です。デジタル製造は、シミュレーション技術、接続された設備、コラボレーションツールで構成される統合システムに依存します。アナログ工場をデジタルファクトリーに変える「単一の技術」は存在しません。しかし、デジタルファクトリーには多くの共通技術と特徴があり、複数の技術を融合している製造業者ほど「デジタルファクトリー」と言えます。 デジタルファクトリーは、人、設備、システムからのデータを活用し、継続的改善イニシアチブを特定・優先順位付けするためのデジ

はじめに すべてのMachineMetricsのお客様は、追加費用なしでベンチマークプログラムに参加でき、自社工場の稼働率を業界標準と比較できます。統計的に有意なサンプルサイズ（現時点で誤差範囲±1.8%）を確保しているため、お客様は自社のパフォーマンスを社内目標だけでなく、業界全体のパフォーマンスと比較評価する際の信頼できる指標として活用できます。これは重要です。業界標準はマクロ経済状況やビジネスサイクルによって時間とともに変化するからです。つまり、大規模なサンプルサイズにより、貴社の工場がトレンドに追従しているかどうかを判断するための有用な比較が可能になります。昨四半期の稼働率低下は、貴社

品質保証（QA）とは 製造業における品質保証（Quality Assurance、QA）とは、品質マネジメントシステムの一環として製造業者が用いるプロセスのことで、生産する製品の品質を一貫して期待水準に維持することを目的とします。 品質管理（Quality Control、QC）とセットで語られることが多いQAは、顧客が予期せぬ欠陥のない高品質な製品を受け取れることを保証するエコシステムの一部です。QAは製品の品質を「管理」する仕組みであり（対してQCは品質を「検証」する仕組み）、あらゆる製造環境で重要ですが、自動車産業や高精度部品サプライヤーのように、品質基準の維持に失敗すると怪我や死亡事故

紀元前3万年、私たちの先祖は洞窟の壁に日常生活の物語を描き、紀元前700年には最初の印刷された物語『ギルガメシュ叙事詩』が誕生しました。そして2021年、私たちはすでに半世紀以上にわたりAIと共に物語を共創してきました。しかし、正確なビジネスインテリジェンスが求められる今、企業は自社のAIや機械学習システムが「創作の自由」を行使し、でたらめな話を吐き出していないかを確実に知る必要があります。 特に現在、AIとMLによる意思決定の導入が過去最高水準に達し、最も消極的な経営幹部でさえデータ中心の戦略アプローチがもたらす莫大なメリットを認識し始めています。AIとMLへの信頼が高まる中、精度の確保は極

リーン製造とは リーン製造とは、組織全体で廃棄と非効率を包括的に排除し、継続的改善とサステナビリティを戦略的に追求する哲学です。リーン製造はルールセットに従う以上のものであり、組織に浸透するマインドセットを「学習、イノベーション、アジャイル」へ転換する哲学的アプローチです。この哲学の重要な理念セットがトヨタ生産方式（TPS）であり、多くのリーン組織に今も指針を与えています。リーン組織で目にする概念には、例えば「すべてを測定可能に」、KPI、データ可視化、バリューストリームマッピング、需要ベースの「プル型」製造アプローチなどがあります。 セクションジャンプ： リーン製造の簡潔な歴史 リーン製造

インダストリアルDataOpsの意義と重要性 製造の観点から、データとデータに関するオペレーションは、過剰在庫や過度なリスクを負わず、競争力があり革新的でアジャイルな施設を創造・維持する上で役割を果たします。データを持っているだけでは先を行けません。重要なのは「データで何をするか」です。データ分析へのアプローチとして、DataOpsは自動化、統計的プロセス制御、アジャイル手法を用いて、高精度分析への到達時間を短縮し、製造業者が収集データをより速く、より高い信頼度で活用できるようにするものです。製造業者にとって、優れたDataOpsは、台頭する市場を支配するか、トレンドの裏側で気づかぬうちに市場

製造ダッシュボードで生産を最適化する デジタルダッシュボードは、製造における生産最適化のための最も効果的なツールの一つです。より良い情報がより良い意思決定を生み、最高優先度情報をリアルタイム表示するデジタルダッシュボードがあれば、意思決定を的確に、迅速に行えます。データがシンプルから複雑まで多岐にわたっても、デジタルダッシュボードは一目で理解しやすい動的ビジュアルを提供します。この即時フィードバックは、製造オペレーション全体の効率改善、スーパーバイザーによる要注意状況の早期発見、現場作業者へのフィードバックによる行動調整と生産目標達成支援、現場と経営の対話促進による現実的期待値設定と懸念表明を

原文：Towards Data Science掲載 過去数ヶ月、私たちは予知加工製品の新ユースケースを静かに監視・発見してきました。ストリームライン化されたオペレーターインターフェースが、便利なことに「裏側でのラベル付きデータ収集プラットフォーム」も兼ねているおかげで、これまでに数百件の工具故障、ベアリング故障、その他機械故障シナリオを観測しています。 お客様と共に、モーターデータ視点から見た典型的機械故障の大規模カタログを作成しました。これを今日は共有します。複数顧客サイトで繰り返し観測された6シナリオについて、「グラフ上のポイント」視点と、ショップフロアでの物理的顕在化の両面からレビューし

機械故障は、かつて製造業者とOEMにとって「避けられないもの」でしたが、IoTデバイス、クラウド、エッジコンピューティングを活用した現代技術で対抗できるようになりました。機械故障を未然に防ぐには、まず産業環境において「何が機械故障か」「なぜ起きるか」を理解することが重要です。 反応的保全、診断分析、予防保全といった既存の設備故障対策戦略を見直し、それらがどこで失敗するかを理解することで、これら3つの先行戦略の課題をすべて解決する予知保全へ、なぜ製造業者が移行しつつあるかがわかります。 本稿の構成（特定セクションへスキップしたい場合）： 機械故障とは 設備故障の種類 機械故障の最も一般的な原因

原文：Production Machining掲載 あなたのショップフロアの機械が話せたら、何を語るでしょうか。手厚くケアされ、最高度にメンテナンスされてきた物語か、酷使・放置された告白か。先週壊れた旋盤センターは、アラームで停止して以来なぜ動かないのか、正確に説明できるでしょうか。1日あたり何個生産し、先月何時間・何分稼働したかを知っているでしょうか。隅にあるCNCスイス型自動旋盤が、工具故障の予兆をオペレーターに知らせることはできるでしょうか。 これらすべての情報が指先で手に入るなら。収集データは経営陣にとって金脈となり、ショップフロアでのより多くの情報に基づく意思決定とプロセス最適化に使

製造の未来は、ショップフロア内でサイバーフィジカルシステムを開発し、産業オートメーション、相互運用性、その他最適化アプリケーションを推進する能力にかかっています。この展望では、データが「黄金」となり、データの取得、処理、転送がすべてのインダストリー4.0ビジネスモデルを駆動します。航空宇宙・防衛機器メーカーは、インダストリー4.0とデジタルトランスフォーメーション技術で生産性向上と新収益モデル創出を目指しますが、すべては工場からのデータ収集から始まります。 インダストリー4.0は、航空宇宙・防衛OEMが現在直面する多くの課題（在庫供給困難、革新継続の必要性、エネルギー効率設備開発等）を解決する

航空宇宙・防衛業界は現在、多くの課題を同時に抱えています。これは広範な製造業界でも認識されています。FABTECH 2018サミットの講演者たちが、今日の変化する環境における製造業者の課題を繰り返し指摘しました。特に、関税による米国への鉄鋼・アルミニウムサプライチェーンの混乱が挙げられました。世界中で状況は同様で、変化する政治同盟、関税、そして従来型サプライチェーンシステムを混乱させ続けるパンデミックが存在します。 グローバルサプライチェーンの断絶は航空宇宙・防衛OEMの生産性に悪影響を与えますが、これが唯一の課題ではありません。他には、要求の厳しい顧客への付加価値サービス提供の必要性、政府規

製造業の成長鈍化とエンドユーザーからの説明責任要求により、航空宇宙機器製造OEMの明暗が分かれています。大規模な変革期に複数の課題が迫る中、航空宇宙・防衛業界のOEMは、データを抽出しながら収益を生み出す新たな道を、デジタルトランスフォーメーションで見出さなければなりません。 航空宇宙・防衛に精通したビジネストランスフォーメーション専門家Eric Bernadini氏によれば、業界を襲う技術革命（デジタルトランスフォーメーション）は、変革期を定義するテクノロジーをいち早く習得した「ファーストムーバー」に収益成長機会をもたらします。産業用インターネット（IIoT）は、航空宇宙・防衛OEMに以下の

すべてが相互接続される今日の世界で、多くの製造業者が品質、納期、在庫管理において「一歩遅れ、一歩足りない」状態に陥っています。なぜか。情報が収集され、報告書がかき集められ、経営層に届く頃には、データはすでに陳腐化しているからです。 情報収集の時点と、その情報がビジネス意思決定に使われる時点のギャップが、リーダーとフォロワーを瞬く間に分けます。これはCOVID-19でこれ以上なく明確になりました。ほぼ一夜にして、製造業者は可能な限り迅速かつ正確に意思決定を迫られました。従業員の安全確保と、グローバルサプライチェーン混乱下での受注継続・必需品生産の両立ができた企業と、苦境に立たされた企業、あるいは

数十年にわたり、製造業者はデータを競争優位性獲得の手段として活用してきました。今日最大の変化は、「データの収集方法」です。一部企業では今も技術者がプラント内を歩き回り、ゲージを読み、フォームに記入し、機械の操作・保全履歴を手書きしています。すべて煩雑で、エラーを孕み、不正確な、意思決定をデータで駆動する手法とは言えません。しかし、IoTデバイスとセンサの普及、設備とオペレーションの接続化により、製造業者がデータとアナリティクスを活用する方法は変わりつつあります。 企業は、手動データ収集と文書化に伴う労力を削減するため、デジタルソフトウェアと接続デバイスへの移行を始めています。手動収集と比較し、

総合設備効率（OEE）は長年用いられてきた手法です。機械のパフォーマンスと生産性を測定するシンプルなシステムです。段取り替え、休憩、不良部品発生等に伴うダウンタイムなどの変数を考慮することで、OEEは生産設備の実効性を測定し、オペレーションが真にどれだけ生産的かを判定できます。 今日、OEEは機械監視OEEソフトウェアによって進化しています。コンピューティングパワーを活用し、OEEの方法論を用いて、企業の生産効率に影響する変数をより深く理解し、アクションにつなげます。OEEソフトウェア自体が最終解決策やゴールではありませんが、この実証済み手法を、ERPシステムのようなクラウドベースソフトウェア

エッジデバイスとは エッジデバイスとは、ローカルネットワークとクラウド間でデータを伝送する装置です。ローカルデバイスで使用されるプロトコル（言語）を、データがさらなる処理のために送られるクラウドで使用されるプロトコルへ翻訳します。ローカルデバイスはBluetooth、Wi-Fi、Zigbee、NFC等のプロトコルを使用し、クラウドはAMQP、MQTT、CoAP、HTTP等を使用します。IoTデータをクラウドとローカルデバイス間で移動させるには、スマートゲートウェイのようなエッジデバイスが、両者間で情報を翻訳、整理、安全に転送する必要があります。 エッジデバイスなしでは、これらデータは互換性がな