ビッグデータからスマートデータへ：製造業インサイトの向上

製造業におけるビッグデータとは？

ビッグデータは、製造システム全体で生成される大規模かつ複雑なデータセットで構成されますが、データ量だけではインサイトや運用改善を保証しません。

一般的なビッグデータソースには、IIoTシステム、生産システムソフトウェア、プログラマブルロジックコントローラ（PLC）、メンテナンスログ、品質管理ツール、コンピュータ化メンテナンス管理システム（CMMS）があります。

ビッグデータは質より量に焦点を当て、その結果、ユーザビリティの課題を生み出します。より多くのデータは企業が全体像を見るのに役立ちますが、詳細を見ることを難しくします。

ビッグデータの4つの一般的特性：

• 量： 生成されるデータ量。多くの企業が現在、毎日テラバイト（TB）単位のデータを生成。
• 速度： データが作成・更新されるスピード。多くの生産ラインが24/7/365稼働するため、データは止まりません。
• 多様性： 変動性を指す。製造業者は現在、材料データから性能効率情報、接続IoTセンサーデータ、品質管理結果まであらゆるものを収集。
• 真実性： 真実性：データは正確で信頼できるか？ データソースが信頼できなければビッグデータは役に立ちません。

スマートデータとは？

スマートデータは、ビッグデータ分析を通じて生成されるキュレーション済み、文脈化済み、目的駆動型の情報です。ビッグデータが大規模に収集・保存されるのに対し、スマートデータは情報に基づいた意思決定を支援するよう意図的に形作られます。

スマートデータをビッグデータから区別する3つの特性：

• 品質： 明確、簡潔、適切にフォーマットされたデータ。
• 関連性： 適時性を指す。履歴データは長期計画に役立ちますが、タイムリーなデータは現在の状況に対応した行動を確保するために必要。
• 正確性： 精度を指す。例えば、高温機械では数分の1度のキャリブレーションが必要。これ以上でも以下でも出力が使用不能に。スマートデータは正確なデータです。

ビッグデータかスマートデータかわからない？ 簡単な質問から始めてください：データは単に保存されているだけか、それともビジネスと運用の質問に答えるのに役立っているか？

ビッグデータとスマートデータの主な違い

ビッグデータとスマートデータの両方が製造操業で役割を果たします。ビッグデータは大規模トレンド分析の基盤を築き、優良製造規範（GMP）などの規制期待とガイドラインとの整合性をサポートできます。一方、スマートデータは製造業者が問題を特定、解決策を定義、標的を絞った行動を取るのを支援します。

ビッグデータとスマートデータの4つの主要な違い：

1. ビッグデータは収集を重視；スマートデータは活用を重視。
2. ビッグデータは一般的；スマートデータは具体的。
3. ビッグデータは内容を優先；スマートデータは文脈を優先。
4. ビッグデータは定常的；スマートデータは高速。

なぜビッグデータだけでは製造業で失敗しがちか

企業は製造業におけるビッグデータの役割を無視できません。

歴史的に、企業は総生産量、サイクルタイム、リワーク率などの高レベルデータのみを取得可能でした。小規模・常時接続システムとセンサーの登場により、機械データの大規模収集が可能になりました。今日、製造業者は初期起動から標準ワークロード、予期せぬダウンタイムまで、装置操作のあらゆる詳細を追跡・記録できます。生産ライン資産のあらゆるプロセス、スタッフのあらゆるアクション、ソフトウェアのあらゆる操作がビッグデータの風景の一部になります。

課題は、データ量がトンネルビジョンを引き起こすことです。製造業者は単にデータを収集するだけでインサイトを促進し行動を促せると思い込みます。しかし実際には、ビッグデータイニシアチブはしばしば価値を提供できません。5つの一般的な失敗原因：

• 明確な目的なきデータ収集
• データ品質と一貫性の悪さ
• システム間の標準化不足
• データ解釈と行動への限定的能力
• ダッシュボードが多すぎ、インサイトが少なすぎる

スマートデータが製造パフォーマンスを改善する仕組み

スマートデータは実行可能なインサイトを提供するため、製造パフォーマンスを改善します。装置センサー、コントローラー、ユーザーレポート、運用ベンチマークなど複数のソースから収集された4つの大規模構造化データセットを考えてみましょう。使用可能なインサイトはデータに含まれていますが、データが検証、キュレーション、分析されたときのみ可視化されます。

これらのプロセスが製造におけるビッグデータをスマートデータに変え、パフォーマンスに複数のメリットを提供します。第一は迅速な根本原因分析。装置がどう、いつ、なぜ故障したかについての文脈データを装備して、チームは症状ではなく原因を解決できます。

スマートデータは資産信頼性と稼働率も改善します。現在と過去のパフォーマンスデータを組み合わせることで、計画外ダウンタイムにつながる可能性のある故障ポイントを特定し、これらの問題を是正する措置を取れます。例えば、分析が高負荷資産で定期的な電気故障を示す場合、企業はより頻繁なメンテナンスをスケジュールして即時問題を解決しつつ、同時に根本原因を探索できます。

スマートデータのその他のメリットには、スクラップとリワーク率に関する正確で現在の情報に結びついた品質と歩留まりの向上、運用ニーズと装置効率の両方に基づいたワークロード計画と予測の改善があります。

最後に、スマートデータはチーム間のより強力な整合性を促進します。これはスマートデータがメンテナンスチーム、オペレーター、マネージャー、経営陣が同じ言語を話せるようにし、冗長作業や機会損失のリスクを減らすためです。

メンテナンスと信頼性のスマートデータ戦略における役割

メンテナンスと信頼性データはスマートデータ戦略で重要な役割を果たします。これは相互的なプロセスです。メンテナンスと信頼性の追跡はスマートデータの影響を改善し、スマートデータはメンテナンスと信頼性プロセスの継続的改善を推進します。

ここでは4つのメリットが一般的です：

• メンテナンス履歴が故障の文脈を提供： メンテナンス履歴は機械故障の文脈を明らかにする有意義な洞察を提供し、処方的分析を支援。
• 資産状態をパフォーマンス成果にリンク： 資産状態は構造化・非構造化データの両方で構成されることが多い。センサー出力に加え、数年の経験に基づく推奨を含むユーザーレポートも取り込める。これらのデータソースを組み合わせることでより良いパフォーマンス成果を推進。
• 実行可能データが受動的メンテナンスと計画外ダウンタイムリスクを削減： 受動的メンテナンスは故障が発生してから始まるため高コストかつ時間消費的。スマートデータを用いたヒートマップ、リスクレポート、データ可視化の作成は、計画外ダウンタイムの潜在的原因を特定するのに役立つ。
• スマートデータが予知保全分析を支える： 予測分析によりメンテナンスチームは潜在的問題に先手を打てる。また、機械パフォーマンスと潜在的改善に関するエンドツーエンドの洞察を提供するより高度な分析でも役割を果たす。

スマートデータをManufacturing 4.0の基盤として

デジタルトランスフォーメーションは、常時接続・常時稼働デバイスと装置に依存するManufacturing 4.0プロセスの採用を可能にします。

一方、スマートデータはデジタルトランスフォーメーションの基盤です。

人工知能（AI）と機械学習（ML）を考えてみましょう。これらの技術は、現在と過去のデータを用いて時間とともに「学習」し、操業を改善するスマートファクトリーを駆動します。MLアルゴリズムによるモデルトレーニングとAIによるデータ分析の両方には、クリーンで文脈化されたデータが必要です。これらのツールをビッグデータソースにそのまま適用すると効果が限定されます。スマートデータを活用することで、問い合わせからインサイトまでの距離が短縮されます。

スマートデータはまた、Manufacturing 4.0で要求されるリアルタイム機械健全性監視と最適化を支援します。多くの製造環境では、長期的な装置ダウンタイムがますますコスト高かつ破壊的になっています。スマートデータへのアクセスにより、チームはパフォーマンスを向上させる即時意思決定が可能になります。

さらに、スマートデータの活用は拡張可能で持続可能なデジタルイニシアチブを可能にします。企業は生産操業拡大に資金を最も効果的に投じられる領域を特定し、コスト削減、排出量削減、新しいグリーンテクノロジー支援の方法を識別できます。

また、スマートテクノロジーを用いてテクノロジーカーブの先を行くことにも意義があります。新しいAI搭載資産と自律エージェントが一般的になるにつれ、チームが取り残されるのは容易です。スマートデータ管理は改善領域を特定し、運用態勢を確保する方法を提案します。

製造業におけるスマートデータ創出のベストプラクティス

製造業におけるスマートデータの基盤作りは5つのベストプラクティスから始まります：

1. 明確なビジネスおよび運用目標を定義： スマートデータは明確さを提供しますが、何を見ているかわかっている場合のみ。明確なビジネスインテリジェンスと運用目標から始めます。機械スループット改善？ 出力品質向上？ メンテナンス対応時間短縮？ 終着点を理解することで出発点を定義できます。
2. データ定義と指標を標準化： データ処理のための一貫した指標と定義を作成。MTTR、MTBF、OEEなどのKPIについてドットを繋ぎ、データの相互運用性を確保。
3. データ量より品質に焦点： データが多い≠良いデータ。可能な限り、より多くの情報量より高品質データを選択。例えば、10分ごとの精密温度読み取りは、30秒ごとの大雑把な推定より価値があります。
4. システム間でデータを統合： 孤立したデータはスマートではない。CMMS、エンタープライズ資産管理（EAM）、エンタープライズリソースプランニング（ERP）などのシステム間でデータを統合してインサイトを最大化。
5. 部門横断的コラボレーションを構築： スマートデータへの協働的アクセスを確保し、実行可能な戦略構築を支援。オペレーター、メンテナンススタッフ、生産リーダー、技術専門家、企業リーダーを含む。

スマートデータが情報を行動に変える

ビッグデータは量を提供。スマートデータは価値を提供。両方ともデータ駆動型製造操業に必要です。ビッグデータは大規模トレンド分析と規制コンプライアンスの舞台を整え、スマートデータは企業がパフォーマンス、信頼性、コスト管理を改善するのを支援します。

ATSは製造業者がスマートデータを適用して信頼性、パフォーマンス、意思決定を改善するのを支援する詳細な分析で、情報を行動に変えます。お話ししましょう。

参考文献

IBM Institute for Business Value. (2022). Manufacturing 4.0: From data to decisions. IBM. https://www.ibm.com/thought-leadership/institute-business-value/en-us/report/manufacturing-4-0