製造アナリティクス

製造アナリティクス(Manufacturing Analytics)とは

製造アナリティクス(Manufacturing Analytics)とは、製造業におけるオペレーションやイベントのデータや製造技術を活用して、品質の確保、生産性や歩留まりの向上、コストの削減、サプライチェーンの最適化を図ることです。製造アナリティクスは、クラウドやIoT(Internet of Things)などの新しい技術を取り入れることで、工場が自立し、自らを治癒する存在へと進化することが期待される、インダストリー4.0と呼ばれる広範な革命の一部です。

これまで製造業者は調達から生産、配送、顧客による利用まで、エンドツーエンドの製造プロセスで取得されるすべてのデータを利用することができませんでした。非常に複雑かつ高価なツールに頼らざるを得ず、オペレーターや機械からの情報収集しかできませんでした。そのため、製造プロセスの故障要因の特定に何週間もかかることもありました。しかし、競争の激しい今日の世界において、回答を得るまでに数週間、あるいは数日間待つという環境は全く持って不十分です。また、製造業者が360度ビューを持ち、常にアウトプットを最適化するためには、エンドの顧客に至るまでのプロセス全体を完全に可視化する必要があります。

製造アナリティクスは予測分析、ビッグデータ分析、IIoT(産業用IoT)、機械学習、エッジコンピューティングになどに基づいて、よりスマートでスケーラブルなファクトリーソリューションを実現するものです。製造アナリティクスを利用することで、現場の行動指針となりうるような具体性を持ったインサイトをリアルタイムで得ることができます。また、一つのソフトウェアパッケージを購入するだけであらゆるニーズに対応することができます。製造アナリティクスは、改善が必要な領域を特定するために、必要があれば無数のデータソースからデータを収集・分析します。データは機械から人、注文を受けてから配送するまで、すべてのデータが対象となります。製造アナリティクスではそれらのデータを収集し、プロセスのどこに問題があるかを示すために、理解しやすい方法で再フォーマットされます。製造アナリティクスは、大量データを収集・操作し、その結果に基づいたアクションを実行したり、リアルタイムで対応するための自動プロセスを設定したりするためのインサイトを示します。

データ仮想化のユーザーメリット

製造アナリティクスはコンテキスト・アウェアネスをリアルタイムで提供します。これにより、意思決定者にはビジネスのデジタライゼーション、コストの最適化、品質の向上、イノベーションの加速、カスタマーエクスペリエンスの最適化を通じて、競争力を得ることができます。大量データを活用することで、生産性および収益性向上にも貢献します。また、これらの大量データに対して機械学習モデルおよびデータ可視化ツールを使用することで、製造業者はデータからインサイトを発見し、プロセスを最適化し、パフォーマンスを最大化することができます。

主なユースケース

  • サプライチェーン

    • 需要予測
    • オーダーマネジメント
    • 在庫最適化
    • サプライヤーの実績管理
    • 物流分析
    • 早期アラートシステムの構築
  • フィールドサービス&サポート

    • 在庫管理
    • サプライヤーの実績管理
    • 物流分析
  • 製品品質

    • リアルタイムの品質モニタリング
    • 根本原因解析
    • 信頼性の向上
    • 製品品質保証
  • 効率性の高い工場の構築

    • リアルタイムの機器および製造のモニタリング
    • 製造能力の管理
    • メンテナンス最適化
    • 総合設備効率と工場生産性の管理向上

製造アナリティクスのジャーニー(インサイトからアクションまで)

しかし、どのようにしてこれらのユースケースにおけるビジネス目標を達成するのでしょうか。製造アナリティクスのジャーニーは、あらゆる製造関連データを集約して、ビジネスにプラスの影響を与えるアクションに繋がるインサイトへと変えていくことを目的としています。ジャーニーはユースケースの特定から始まります。ほとんどの製造業者は、製品の品質および信頼性の向上、収益拡大、効率的な工場の構築など、似通った目的を持っています。インサイトからアクションへと移行するためのすべてのステップを学ぶために、下の図のように左から右へとジャーニーを進めていきましょう。

ユースケースを特定した次のステップはデータの収集です。残念ながら、製造業では工場現場や接続されたデバイスやセンサーから非常に多くのデータが送られてくるために、データがサイロ化しているケースが多いです。製造業にはサプライヤー、プロセス、設備、販売といったさまざまなデータも存在します。これらのデータを整理し、マージし、クレンジングし、必要に応じてフィルタリングを行い、分析のための準備をする必要があります。

これができたら、データ内から欠陥、保証請求、ダウンタイム、歩留まりなどといったシグナルを探し出すプロセスの自動化を開始することができます。最初の調査の後、これらの標準的な表示方法が固まっていくことでしょう。新しい種類のデータに対しても再利用できるようなリアルタイムモニタリングやダッシュボード用のアプリケーションを作成することもできます。

ベーシックなダッシュボードを超えて、高度な分析アプリケーションを用いて、予測分析を行うためのモデルを構築することもできます。入力データには、圧力、温度、製品の測定値などがあります。モデルを使って、生産量や装置の故障や製品品質をチェックしたり、予測したりすることができます。

良い予測モデルができたら、アラートを出したいと思うでしょう。アラートの一例として、モバイル機器への表示があります。

製造アナリティクスが目指すゴール

製造アナリティクスのゴールは、単にデータを収集し表示する、所謂「記述的」なアプローチを超えて、データをリアルタイムに利用し、「予測的」なアプロ―チによって、製造や設備の問題の検出、コスト削減、サプライチェーン全体の効率化をより少ないオーバーヘッドおよびリスクで実現することです。そして、製造アナリティクスはCEOから現場まで組織の全員がインサイトを活用できるようにします。

製造アナリティクスは、企業の最終製品の品質向上に役立ちます。これは、データドリブンな生産の最適化、欠陥レベルの管理、顧客からのフィードバックや購買傾向の分析など、いくつかのプロセスを通じて行われます。データドリブンな生産の最適化では、IoTセンサーと機械学習モデルを利用して、多数の要素からなる生産を最適化します。製造業者は製品の利用状況を詳細に分析することで、利用率向上につながる部品の増減を調整することができます。また、製造業者は製品の欠陥を低く保たなくてはなりませんが、デジタルファクトリーから収集されるデータにより、、欠陥の増加に繋がる製造状況をより具体的に把握できるようになります。
顧客分析では、顧客の購買習慣やライフスタイルの好みを把握することができます。未来の購買行動の情報があれば、製造業者は顧客の望む数量をより正確に生産し、提供することがで可能になります。

製造アナリティクスは、生産の歩留まりやスループットを向上させることもできます。その主な方法の一つが、異常検知です。異常検知は、生産の初期段階で工場の監督者に製品の不具合を警告することができるため、生産量に影響を与えることなく、問題を迅速に解決することができます。異常検知では、IoTセンサー、履歴データ、機械学習アルゴリズムを組み合わせ、問題発生の兆候となる異常なデータを検出します。

さらに、製造アナリティクスはダウンタイムや設備故障に伴うリスクやコストを削減することができます。これは、ボトルネックや不採算の生産ラインを特定したり、重要設備の予知保全で故障を予測したりすることでダウンタイムを減らします。

TIBCOについて

TIBCO Software.incは、製造アナリティクスを実現するデータアナリティクスのリーダー企業です。
ガートナー社が発行するMagic QuadrantのData Science and Machine Learningではリーダ―の1社として選出され、フォレスター・リサーチ社が発行するThe Forrester Wave™ではAugmented BI、Streaming Analytics、Multimodal Predictive Analytics and Machine Learningの各分野においてリーダーとして選出されています。
また、国内評価ではビジュアルアナリティクスソフトウェアのTIBCO Spotfireが富士経済社が発行する市場調査レポートにて製造業向けダッシュボード国内シェア1位を獲得しています。

NTTコム オンライン・マーケティング・ソリューションはTIBCO Software.incの国内総代理店として、TIBCO Software.incのアナリティクス製品を販売しています。

各製品の詳細については各製品ページをご覧いただくか、こちらのお問合せフォームからお問合せください。

関連製品

  • TIBCO Spotfire®
    組織全体でのデータ分析・活用を実現するオールインワンのデータ分析ソフトウェア
    詳しく見る
  • TIBCO® Streaming
    ストリーミング処理アプリケーションを迅速に構築・デプロイ・運用できるプラットフォーム
    詳しく見る
  • TIBCO® Data Science
    エンドツーエンドで機械学習のライフサイクルをカバーする、データサイエンスプラットフォーム
    詳しく見る

資料ダウンロード

TIBCO Spotfire®における機械学習を活⽤した製造分野の高度な根本原因分析(Root cause analysis)

TIBCO Spotfire®における機械学習を活⽤した製造分野の高度な根本原因分析(Root cause analysis)

近年の機械学習技術では、複数のデータセットで各々学習を行い、ベストなモデルを自動的に構築するアルゴリズムが利用されるようになっています。これにより、統計学やモデリングの専門知識がほとんどないアナリストが、複雑な問題を解決できるようになってきています。
勾配ブースティングアルゴリズムは、単⼀の決定⽊を繰り返し強化するアンサンブルモデリング手法です。こちらのモデルは幅広い活⽤⽅法がありますが、ここでは製造分野における根本原因分析にフォーカスします。