製造現場のデータ分析！データで考える現場改善
現代のデジタル変革の中で、企業おいてはデータ分析がますます重要性を増してきています。IoT（Internet of Things）などによって現実世界の行動がデータとして記録できるようになってきました。
これにより、従来では捉えきれなかった知見を得られたり、将来の予測に役立てられたりする場面が増えてきているのです。
本記事では、製造現場におけるデータ分析について、必要な概念やデータ分析のポイントなどをご紹介していきます。
製造現場のデータ分析に必要な概念
デジタルの変革は製造業においてもなんら変わることはありません。しかしながら、製造現場においてどのようにデータ分析を活用すれば価値得られるのでしょうか。
その鍵を握るのが、スマートファクトリー、すなわち業務プロセスの改革や品質・生産向上を実現する工場と、サイバーフィジカルシステム（CPS）、すなわち現実空間の情報をデジタル上で処理して現実に反映させるシステムの二つです。以下では、それぞれ具体的にご紹介していきます。
スマートファクトリー
スマートファクトリーとは、業務プロセスの改革や品質・生産向上を実現する工場のことで、ドイツ政府による国家プロジェクトの一つが発端となっています。
スマートファクトリーにおける最大の価値は、AIやIoTなどの最先端の技術を取り入れてのデータの見える化やデータ活用による生産性・品質の向上・安定化です。
これらの浸透により、スマートファクトリーでは異常検知などといった部分最適だけではなく、全体最適を目的としたものへと変化しています。
稼働状況や製造実績をデータ化し、リアルタイムで見ることができるようになれば、熟練者の感覚的判断のみに頼るばかりでなく裏付けを持って業務の最適化を進めることはできるようになります。
サイバーフィジカルシステム（CPS）
スマートファクトリーと切り離して語れないのが、サイバーフィジカルシステム(CPS)です。CPSとは、現実空間の情報をIoTなどを通してデジタル上で処理して現実に反映させるシステムのことです。
例えば、SNSを介してなされる何気ない会話や発言などをデータとして収集していくのです。製造現場においては、特に人が行って付加価値を与える仕事と、機会のみでこなす仕事に分業されていくなど、ここでも全体最適に結びつくような影響があるでしょう。
そのため、スマートファクトリーとCPS、どちらも製造現場の業務効率化に欠かせません。両者の概念を念頭に置きながら、以下では製造現場におけるデータ分析のポイントを見ていきます。
製造現場におけるデータ分析のポイント
ここまで、製造現場においてデータの蓄積と分析について解説をしてきました。では具体的な活用のポイントは一体何なのでしょうか。現場のどこで活用できるのか、製造現場におけるデータ分析のポイントをここでは三つご紹介します。
- 不良原因の仮説を立て検証する
- ボトルネックを見つける
- 作業者の配置最適化
では、それぞれ詳細に見ていきましょう。
不良原因の仮説を立て検証する
まず一つ目のポイントは、不良原因の仮説を立て検証することです。
これは、不良実績の検査データを用います。それに製造条件や過去の設備トラブルの履歴などを併せて、同じ時間軸で比較します。
これにより、どういった条件のもとでより不良原因が発生しているのかと言う仮説を立てて、実際に検証することができます。
仮説が立証されれば、不良原因の要因を少なくとも一部は特定できたことになるので、以降の現場においてその要因を取り除くことができますので、実際の不良の減少を見込めるでしょう。
現在では画像データを分析するAIも存在しますので、データ上の数字のみでなく、画像データを蓄積・分析することも不良原因の分析に寄与するでしょう。
ボトルネックを見つける
二つ目のポイントはボトルネックを見つけることです。こちらは、例えば工程別の１個あたりの製造時間の実績データを用いた分析などです。
工程別の製造時間をヒストグラムにして並べ、ボトルネックになっている（全体の工程の製造時間を遅らせているような）工程を特定し、各工程・ひいては全工程の最適化を行うことができます。
ボトルネックを発見し、タイムリーに各工程をこなすことができれば工場全体での最適化につながります。
こうしたデータの処理は人力ではなかなか難しいため、ここでもやはりAIを用いてデータの処理を行うことで処理速度を改善することができます。
こうした最適化は早期のトラブルシュートにもつながるでしょう。
作業者の配置最適化
三つ目のポイントは、作業者の配置の最適化です。これは、作業者を属性別に捉え、各人の製造時間の実績データを用います。
先ほどと同様にデータをヒストグラムに並べて、各人の製造時間のばらつき度合いを把握し、ある工程が得意なAさんにはそちらを主に担当してもらうことは最も簡単な人員の配置の最適化でしょう。
また、配置の最適化といった糸からは少し外れるかもしれませんが、ばらつきの起こる要因（なぜAさんは特定の工程が得意なのか）を分析することができれば、そのノウハウを作業者全体に浸透させることもできます。
単に配置の最適化のみならず、得られるデータから派生して考えられる効能を最大限に発揮させましょう。
製造現場のデータ分析を成功させるには
ここまで、スマートファクトリーやCPSの基本的概念に加え、製造現場での具体的な活用方法・ポイントをご説明してきました。
最後に、製造現場のデータ分析を成功させるために必要な３つのことをご説明していきます。
- 製造現場からのデータ収集の仕組み化
- データに基づく現場改善
- 目的の明確化
こちらでご紹介する内容は、スマートファクトリーを成功させるために必要な要素であり、それぞれが密接に連携しています。
製造現場からのデータ収集の仕組み化
まず何よりも重要なのは、製造現場からのデータ収集の仕組み化です。そこには現場のネットワーク化も含みます。工場における各設備や測定器など、あらゆるものをつなぐネットワークの構築はデータ取得のために必須です。
それに加えて、取得したデータを処理して分析するためのシステムやツールなどの導入も必要でしょう。
また変化するデータの要件に対応するためにも拡張性の高さを保つのも必要です。
とはいえ、いきなり全てを構築するのは投資コストが膨大になりますので、難しい場合は従来収集できなかった・していなかった現場のデータは一体何かを整理し、徐々に進めていくことが肝要です。
ただし、その場合は最終的なゴールはあくまでも向上全体の最適化であることを忘れないようにしましょう。
データに基づく現場改善
次に重要なのは、データに基づく現実の現場改善を見据えることです。
まずは現場における、改善余地のある工程を整理し、何が各工程にとって最善なのか、そして全体として達成したいのかを理解しましょう。
データは確かに重要ですが、データの数値を見ているだけでは、本来の目的であろうはずの現場の改善からは乖離してしまうこともあるかもしれません。
そうなってはデータ分析の意味がありませんので、あくまでも現場の改善を大前提に置き、現状と理想を割り当てていくなどといった作業は必要でしょう。
実際に作業をしている作業者たちの見解も取り入れつつ、また工程の最適化にあたって想定される壁を洗い出し、データ分析に取り組みましょう。
目的の明確化
最後のご紹介になりましたが、既に記述したデータ収集の仕組み化や現場改善と併せて、製造現場でデータ分析を行う目的を明確にしておきましょう。
工場の全体最適を目指すと言う方向性は変りませんが、業種や会社によって全体最適の中でも何に最重点を置くのかは変わります。
品質が何よりも優先されるのか、品質が一定水準以上であれば効率性に重点的に取り組んでいくのか。向かうべき方向性は明確にしておくことが大事です。
ゴールがあって初めて仮説や検証が生きていきます。ここを飛ばしてしまうと、トラブルがあった時に立ち返るものがなくなってしまいますので、十分に注意してください。
まとめ
いかがでしたでしょうか。本記事では、スマートファクトリーやCPSの基本的な概念、製造現場におけるデータ分析の活用のポイントや成功するための注意事項をご説明してきました。AIやIoTといった先端の技術は、もはや活用して当たり前の時代になってきています。本記事を参考にデータ分析を行い、スマートファクトリーを目指した会社全体の業績向上に役立てれば幸いです。
BIツール Yellowfin の紹介資料はこちらから↓