モノのインターネットIoT導入が進んだことで、メーカーは従来の情報技術では処理しきれないほどのデータの洪水にさらされています。
工場がハイテク集約型になるにつれ、競争力を維持するために、製造業者はこの機械データを追跡・分析する方法を見つけることが不可欠になっています。
つまり、製造業者はオペレーションに影響を与える重要な指標を把握し、製造現場全体の生産を監視して最適化する必要があるのです。
その前に、基本的なことを簡単にまとめておきましょう。
機械生成データとは何ですか？
製造業の機械化された部門の自動化が進むにつれ、工場に設置された機械や装置から大量のデータが漏れるようになりました。
簡単に言えば、機械が生成するデータとは、生産ラインやその他の工場エリアにある装置から発信されるデータのことです。人間が直接入力することなく、機械が行ったすべての行動と決定は、システムやデータベースに記録され、機械生成データが作成されます。
これは、工場のデバイスからさまざまな不均一なデータを記録し、分類するために独自のソフトウェアに大きく依存していた従来の方法からの転換です。しかし、現在のデータの洪水は、オペレーションを制御するチームに実用的な洞察を提供するために、より多くの処理を必要とします。
ここでは、典型的な製造工場から発生する、さまざまなタイプの機械生成データを紹介します。
マシンデータの種類
製造業務がさらに複雑になるにつれ、工場現場で必要とされる機器の種類も増えています。その結果、これらの機械はそのさまざまな機能において、さまざまなタイプのデータを作り出します。
このように、機械によって生成されたデータは、これらのタイプに大まかに分類することができます：
センサーデータ：機械は予定された稼働時間中、ほぼ連続的に稼動するため、さまざまな機能やプロセスを経て貴重なデータが得られます。機械のセンサーは、圧力、温度、湿度、振動、加速度、さらには電力レベルまでも検知します。このような機械データの収集は、総合的な機器の有効性（OEE）を通じて機器の健全性を把握し、予知保全やトラブルシューティングの決定に情報を提供する上で中心的な役割を果たします。
ログデータ：一部の機械はデータベースを使用し、工場現場でのパフォーマンスやその他の重要な要素を分析するための鍵となる様々な種類のデータを記録します。さらに、製造工程に含まれるさまざまなアプリケーション、ウェブサーバー、およびファイルシステムは、このような機械が生成したデータの理想的なソースとなります。
ネットワークデータ：コネクテッド・マシンとスマート・デバイスで構成された工場フロアでは、生産過程でこれらの機器が相互に通信するため、大量のネットワーク・データが生成されます。機械はエッジデバイスを介してワイヤレスで相互作用するだけでなく、ローカルネットワークを介して有線接続することもできます。そのため、機械データを分析することで、機械データが移動するネットワークの整合性を監視することが容易になります。
マシンデータ収集の導入
業務にデジタル技術を導入している製造業は、プロセスを最適化し、生産が円滑に進み、長期的に改善されるよう、より良い体制を整えています。企業が継続的な改善をどの程度推進できるかは、機械データ収集の取り組みをどこからどのように実施するかによって決まります。
この収集の旅に出る前に、ビジネスプロセスを調べ、現在のマシンデータ収集能力を判断し、データ収集における潜在的なギャップを特定することが不可欠です。
その後、改善を推進するために必要なデータを取得するために、御社独自の様々なソリューションを展開することができます。
マシンデータ収集の主な情報源の例をいくつかご紹介します：
現場の機械：工場の床にある機械は、貴重なデータの大きな情報源です。最新の機械には、様々なデータを中継する様々なセンサーが取り付けられています。このデータは、機械のステータスのアップデートを提供し、オペレータが必要に応じて情報に基づいた意思決定を行うことを可能にします。さらに、一部の工場では、このデータを分析するエッジコンピューティングを備えており、機械の最適化プロセスにおける人間の入力の必要性を排除しています。
接続されたシステム現場の機械は常に全体像を把握できるわけではありません。そのため、コネクテッドファクトリーシステムを 使用することで、外部アプリケーションを統合し、機械や産業機器から生成されるデータをより全体的に把握することができます。
人間の入力：重要なデータを収集するために、工作機械や接続されたシステムができることは限られています。いくつかのケースでは、現場のオペレーターが手動でデータを入力し、より多くのコンテキストを与えて、情報に基づいた意思決定を行いやすくする必要があります。
注視すべき重要なマシン指標
以上のことを念頭に置いて、追跡すべき主な製造指標をいくつか挙げてみましょう：
生産量：工場が生産ラインから出荷できる製品の量です。
機械の稼働時間と停止時間：稼動時間とも呼ばれ、特定の期間における機械の実際の稼動時間。この指標は、停止、故障、またはシフトチェンジの間に無駄になる時間を強調します。
スループット：特定の期間に機械が生産する製品の量。この指標は、生産ライン全体に適用して効率をチェックすることもできます。
総合設備効率（OEE）：生産性の指標であるOEEは、機械が最高のパフォーマンスで稼働している時間の割合を示します。この指標は、機械の稼働率、性能、および品質の積です。
ファーストパス歩留まり： 一次通過歩留まりとは、ラインから出荷される製品のうち、欠陥がなく、修正作業を必要とせずに仕様を満たした製品の割合のことです。
平均故障間隔：MTBFは、製造オペレーションにおいて、機器の故障によって失われる稼働時間を示します。そのため、機械の信頼性を示す指標でもあります。
平均ダウンタイム：MDTと呼ばれるこの指標は、修理やメンテナンスにかかる時間を包括的に示すものです。交換部品が到着するまでの時間や、技術者の能力による損失時間に関する遅延も含まれます。
単位当たりのエネルギーコスト：これは、工場で所定の製品単位を生産するのに必要な電気、蒸気、石油、またはガスのコスト。
コンテクスチュアライゼーションでデータを洞察に変える
追跡する必要のある主要な機械生成データを収集したら、次の重要なステップは、そのようなデータを値に変えることです。機械が生成したデータを持つだけでは十分ではありません。調査によると、データレイクが業界で一般的になりつつある一方で、科学者は分析の実行やアルゴリズムの改良ではなく、スプレッドシート上でデータのクリーニングに80％の時間を費やしています。非効率なデータレイクは、メーカーをデータリッチ、情報プアという罠に陥れています。
データが豊富で情報が乏しい（DRIP：Data-rich, information-poor）とは、データが豊富であるにもかかわらず、そのようなデータを活用し、競争上の優位性を生み出すためのプロセスが欠如している状態を指します。残念ながら、DRIPは、テクノロジーに多大な投資を行ってきた多くのメーカーを定義する表現となっています。データはあふれているのに、PDFで印刷したり、いくつかの図表を作成したりする以上のことを行うための帯域幅がないのです。
DRIPの罠から抜け出すためには、メーカーは機械が生成したデータを人間のインプットで充実させ、どこで、どのように、誰がデータを収集したかを提供する必要があります。データの文脈化とは、機械が生成したデータに人間の入力を加え、データを情報に昇華させることです。これにより、ビジネスが実行可能な意味のある洞察を得ることができ、予測可能で適応性のある製造システムへの旅における基本的なステップとなります。
さまざまなデータソースとデータタイプを組み合わせることで、データコンテクストカリゼーションは、現場の作業員にリアルタイムの情報と実用的な洞察力を与え、現場でタイムリーでインパクトのある意思決定を可能にします。これは、効率性、品質、生産性の向上だけでなく、組織が迅速かつ持続的に拡張できる新たなレベルの俊敏性を意味します。
機械が生成したデータをどのように文脈化し、真の価値に変えることができるかを学ぶには、データの文脈 化と実装に関するウェビナーをお聞きください。
Tulip業務全体のデータ収集を自動化
製造業者がどのようにアプリを使用して、施設全体の人、機械、センサーからリアルタイムのデータを収集しているかをご覧ください。