ビッグデータからスマートデータへ:製造に関する洞察を高める
メーカーはデータに熱心ですが、洞察が不足しています。 IBM の調査によると、「継続的なプロセス改善のための洞察を引き出すために、機器、プロセス、システムからのデータを使用している」組織はわずか 28% です。
問題は？ コンテキストや意図がなければ、ビッグデータだけが意味のある価値を生み出すことはほとんどありません。現在の業務を最適化し、デジタルファースト市場で競争力を維持するには、メーカーはビッグデータをスマートデータに変換する方法を必要としています。つまり、関連性があり、正確で、実用的な情報です。
読み続けて、ビッグデータとスマートデータ、そして企業がギャップを埋める方法について学びましょう。
製造業におけるビッグデータとは何ですか?
ビッグデータは、製造システム全体で生成された大規模で複雑なデータセットで構成されていますが、量だけでは洞察や運用の改善が保証されません。
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 コントローラー (PLC)、メンテナンス ログ、品質管理ツール、コンピューター化されたメンテナンス管理システム (CMMS) が含まれます。
ビッグデータは質よりも量に重点を置くため、ユーザビリティに課題が生じます。 より多くのデータは企業が全体像を把握するのに役立ちますが、詳細を把握するのは難しくなります。
ビッグデータには次の 4 つの特徴が一般的です。
- 音量: ボリュームとは、生成されるデータの量を指します。現在、多くの企業が毎日テラバイト (TB) 規模のデータを生成しています。
- 速度: 速度とは、データが作成および更新される速度を指します。多くの生産ラインが 24 時間 365 日稼働しているため、データが止まることはありません。
- 種類: 多様性は多様性を物語ります。 メーカーは現在、材料データから性能効率情報、接続された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しています。
- 真実性: 真実性は真実です:データは正確で信頼できるものですか?データソースが信頼できない場合、ビッグデータは役に立ちません。
スマート データとは何ですか?
スマートデータは、ビッグデータ分析を通じて生成され、厳選され、コンテキスト化され、目的に基づいて生成された情報です。ビッグデータは大規模に収集および保存されることがよくありますが、スマート データは情報に基づいた意思決定をサポートするために意図的に形成されています。
スマート データをビッグデータと区別する 3 つの特徴:
- 品質: 品質とは、明確、簡潔、適切にフォーマットされたデータを指します。
- 関連性: 関連性とは適時性を指します。過去のデータは長期計画において役割を果たしますが、現在の状況に確実に対処するためにはタイムリーなデータが必要です。
- 精度: 正確さは正確さを物語ります。たとえば、高温の機械では、わずか 10 分の 1 度の校正が必要な場合があります。それより多くても少なくても、出力は使用できない可能性があります。スマートデータは正確なデータです。
ビッグデータとスマートデータのどちらを所有しているかわからない場合は、まずは簡単な質問から始めましょう。データは単に保存されているだけですか、それともビジネス上や運用上の問題の解決に役立ちますか?
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はどちらも製造業務において役割を果たします。ビッグデータは大規模な傾向分析の基礎を築き、規制上の期待や適正製造基準（GMP）などのガイドラインとの整合をサポートできます。一方、スマート データは、メーカーが問題を特定し、解決策を定義し、的を絞った措置を講じるのに役立ちます。
ビッグデータとスマートデータには 4 つの大きな違いがあります。
1. ビッグデータは収集を重視します。 スマートデータは使用を重視します。
<オル>2. ビッグデータは一般的です。 スマートデータは具体的です。
<オル>3. ビッグデータはコンテンツを優先します。 スマートデータはコンテキストを優先します。
<オル>4. ビッグデータは安定しています。 スマートデータは高速です。
<オル>ビッグデータだけでは製造業で失敗することが多い理由
企業は製造業におけるビッグデータの役割を無視するわけにはいきません。
これまで、企業には総生産量、サイクル時間、再作業率などの高レベルのデータを取得する機能しかありませんでした。しかし、小規模な常時接続システムとセンサーの出現により、大規模なマシン データ収集が可能になりました。現在、メーカーは、初期起動から標準的なワークロード、予期せぬダウンタイムに至るまで、機器の動作のあらゆる詳細を追跡および記録できます。生産ライン資産からのすべてのプロセス、スタッフからのすべてのアクション、ソフトウェアからのすべての操作がビッグデータ ランドスの一部になります。
課題は何ですか？ データ量が多いと視野が狭くなる可能性があります。 メーカーは、単にデータを収集するだけで洞察を導き、迅速な行動を起こすのに十分であると考えています。 しかし実際には、ビッグデータへの取り組みは価値を提供できないことがよくあります。 一般的な失敗の原因は次の 5 つです。
- 明確な目的のないデータ収集
- データの品質と一貫性が低い
- システム全体にわたる標準化の欠如
- データを解釈して操作する能力が限られている
- ダッシュボードが多すぎると洞察が少なすぎる
スマート データにより製造パフォーマンスが向上する方法
スマートデータは実用的な洞察を提供するため、製造パフォーマンスの向上に役立ちます。機器のセンサー、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 つの大きな構造化データ セットを考えてみましょう。有用な分析情報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、分析された場合にのみ表示されます。
これらのプロセスにより、製造時のビッグデータがスマート データに変換され、パフォーマンスにさまざまなメリットがもたらされます。 1 つ目は、根本原因の分析が迅速化されることです。機器が故障したとき、どのように、そしてなぜ故障したかに関するコンテキスト データを備えているため、チームは症状ではなく原因を解決できます。
スマート データにより、資産の信頼性と稼働時間も向上します。現在のパフォーマンス データと過去のパフォーマンス データを組み合わせることで、チームは計画外のダウンタイムにつながる可能性のある障害点を特定し、これらの問題を修正するための措置を講じることができます。たとえば、分析の結果、高負荷の資産で定期的に電気的障害が発生していることが判明した場合、企業はより頻繁なメンテナンスをスケジュールして当面の問題を解決すると同時に、根本原因を探ることができます。
スマートデータのその他の利点には、スクラップ率と再作業率に関する正確な最新情報に関連付けられた品質と歩留まりの向上、運用ニーズと機器効率の両方に基づいたワークロードの計画と予測の改善が含まれます。
最後に、スマート データはチーム間の連携を強化します。これは、スマートデータにより、メンテナンス チーム、オペレーター、マネージャー、経営幹部が同じ言語を話すのに役立ち、冗長な作業や機会の逸失のリスクが軽減されるためです。
スマート データ戦略におけるメンテナンスと信頼性の役割
メンテナンスと信頼性のデータは、スマート データ戦略において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を追跡することでスマート データの効果が向上し、スマート データはメンテナンスと信頼性のプロセスの継続的な改善を促進するのに役立ちます。
ここでは、次の 4 つのメリットが一般的です。
- メンテナンス履歴により、障害のコンテキストが提供されます: メンテナンス履歴は、機械の故障の状況を明らかにするのに役立つ有意義な洞察を提供し、規範的な分析をサポートします。
- 資産の状態はパフォーマンスの結果に関連付けることができます: 多くの場合、資産状態は構造化データと非構造化データの両方で構成されます。企業は、センサー出力に加えて、長年の経験に基づいた推奨事項を含むユーザー レポートを組み込むこともできます。 これらのデータ ソースを組み合わせることで、パフォーマンスの向上が促進されます。
- 実用的なデータにより、事後的なメンテナンスと計画外のダウンタイムのリスクが軽減されます: 事後メンテナンスは障害が発生するまで開始されないため、費用と時間がかかります。 スマート データを使用してヒート マップ、リスク レポート、データの視覚化を作成すると、計画外のダウンタイムの潜在的な原因を特定するのに役立ちます。
- スマートデータが基盤 予測メンテナンス分析 : 予測分析により、メンテナンス チームは潜在的な問題の先を行くことができます。また、マシンのパフォーマンスと改善の可能性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します。
製造 4.0 の基盤としてのスマート データ
デジタル変革により、常時接続、常時接続のデバイスや機器に依存する製造 4.0 プロセスの導入が可能になります。
一方、スマート データはデジタル変革の基盤です。
人工知能（AI）と機械学習（ML）について考えてみましょう。これらのテクノロジーは、現在および過去のデータを使用して時間をかけて「学習」し、業務を改善するスマート ファクトリーの構築を推進します。 ML アルゴリズムによって実行されるモデル トレーニングと AI によって実行されるデータ分析には、どちらもクリーンなコンテキスト 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対して単に緩めるだけでは、その有効性は制限されます。スマート データを活用すると、調査から分析情報までの距離が短縮されます。
スマート データは、マニュファクチャリング 4.0 に必要なリアルタイムの機械状態のモニタリングと最適化もサポートします。 多くの製造環境では、機器のダウンタイムが長期化すると、コストが増大し、混乱が生じます。 スマート データにアクセスできるため、チームはパフォーマンスの向上につながる意思決定を即座に下すことができます。
さらに、スマート データを使用することで、スケーラブルで持続可能なデジタル イニシアチブが可能になります。 企業は、生産業務を拡大するためにどこにお金を使うのが最適かを判断し、コストを削減し、排出量を制限し、新しいグリーンテクノロジーをサポートする方法を特定できます。
テクノロジーの進歩を先取りするためにスマート テクノロジーを使用するケースもあります。 新しい AI 対応アセットや自律エージェントが一般的になるにつれて、チームは取り残されやすくなります。スマートなデータ管理は、改善すべき領域を特定し、運用の準備を確実にする方法を提案するのに役立ちます。
製造業におけるスマート データ作成のベスト プラクティス
製造業におけるスマート データの基礎を築くには、次の 5 つのベスト プラクティスから始まります。
１．明確なビジネス目標と運用目標を定義します。 スマートデータは明確さを提供しますが、それは自分が何を見ているのかを知っている場合に限ります。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。マシンのスループットを向上させたいと考えていますか?出力品質を向上させますか? メンテナンスの応答時間を短縮しますか?最終目標を理解することは、開始点を定義するのに役立ちます。
<オル>２．データ定義と指標を標準化する: データ処理のための一貫したメトリクスと定義を作成します。これは、平均修理時間（MTTR）、平均故障間隔（MTBF）、総合機器効率（OEE）などの KPI の点と点を結び、データの相互運用性を確保することを意味します。
<オル>3. データの量よりも質に重点を置く: データが多ければ多いほど、より良いデータが得られるわけではありません。可能であれば、大量の情報よりも高品質のデータを選択してください。たとえば、10 分ごとに取得された正確な温度測定値は、30 秒ごとに収集された大まかな推定値よりも価値があります。
<オル>４．システム間でデータを統合する: 分離されたデータはスマートではありません。 洞察を最大化するには、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）などのシステム全体でデータを統合します。
<オル>5. 部門を超えたコラボレーションを構築する: スマート データへの共同アクセスを確保し、実行可能な戦略の構築に役立てます。 これには、オペレーター、メンテナンス スタッフ、生産責任者、技術専門家、企業リーダーが含まれます。
スマート データが情報を行動に変える
ビッグデータはボリュームを提供します。スマートデータは価値を提供します。 どちらもデータドリブンの製造業務に必要です。ビッグデータは大規模な傾向分析と規制遵守のための舞台を設定する一方、スマートデータは企業のパフォーマンス、信頼性、コスト管理の向上に役立ちます。
詳細な分析により情報を行動に移します。 ATS は、メーカーがスマート データを適用して信頼性、パフォーマンス、意思決定を向上させるのに役立ちます。 話しましょう。
参考文献
IBM ビジネスバリュー研究所。 （2022年）。 製造 4.0:データから意思決定まで。 IBM。 https://www.ibm.com/thought-leadership/institute-business-value/en-us/report/manufacturing-4-0
<オル>機器のメンテナンスと修理