スマートファクトリー 機械学習でデータ活用し製造業のリスクを軽減

ものづくりの現場では、工場内のあらゆる機器をインターネットに接続することで品質や状態などの情報を「見える化」したり、情報間の因果関係を明確にするなど、効率的な経営のため、全体最適を図る多くの取り組みがなされています。

Altairの機械学習による予測分析ツールAltair Knowledge Studioは、これまで数々の工場におけるスマートファクトリー化実現をサポートしてきました。隠れた異常を特定し、製造資産の次のレベルの監視と保守のためのインサイトを提供することにより、製造現場の効率を高めるツールです。

今回は、製造現場のデータライフサイクル全体において、運用データを活用し、リスク軽減および生産性向上を実現するKnowledge Studioのソリューションをご紹介します。

 

予測メンテナンス分析と機械学習で製造システムを改善

製造環境における計画的/計画外のダウンタイムにかかるコストは非常に高く、多くの場合、その負担額は年間数百万ドルにも上ります。特に予期しないダウンタイムは、有形無形問わず運用コストに大きな影響を与えかねません。通常、ダウンタイムに繋がるリスクを軽減するべく、メンテナンスが必要かどうかに関係なく、設備のメンテナンスカレンダーを作成し定期的に実施しているため、諸経費が発生しています。

ウォールストリートジャーナルによると、計画外のダウンタイムにかかるコストは年間推定500億ドルにもなり、このダウンタイムのうち42%は機器の故障が原因といいます。そのような計画外の停止を避けるため、多くの企業では通常過剰なメンテナンス、修理、機器の交換に費用をかけているのが現状です。

 

Altair Knowledge Studioでスマートファクトリーを実現する4つのポイント


1.リアルタイム監視

インダストリアルIoTとは製造業におけるモノのインターネットを意味し、機械をインターネットと結びつけることで生産性の向上を実現します。そのインダストリアルIoTとものづくり全体のプロセスにデジタル技術を活用するスマートマニュファクチャリングを実装することで、設備の稼働状況に関するリアルタイムデータを収集し、不要なメンテナンスを回避できます。

機器の故障の原因になり得る変化が含まれるデータを機械学習分析のツールに接続し予測分析することで、隠されたインサイトを抽出できるようになり、定期保守ではなく故障リスクが高くなってから保守をするという選択が可能になります。その結果、計画外のダウンタイムを回避しつつ、修理および保守の人員とリソースのスケジューリングをより効率的に行えます。

 

2.予測分析と機械学習

機器から直接生成したデータを分析することで得られるインサイトを使用して、予防的または是正措置を実行します。センサーを備えた既存の資産であれ履歴データのない新しいワイヤレスセンサーであれ、システムの異常検出に基づいてインサイトをトリガーし、さまざまな障害を分類します。

データサイエンスチームは、予期しないダウンタイムを最小限に抑え、より効率的な運用を実現する最適化されたメンテナンスルーチンを実現できます。高度なアルゴリズムをゼロから手動で作成したり高度な分析プログラミングの知識を必要としたりすることなく、機器資産のリスクと障害の特定を正確に行い各機器に対応できるようになります。各マシンは必要に応じた適切なメンテナンスを受けられるため、可能な限り長い期間、最良の状態で稼働させることができます。また、マシンの残りの耐用年数(RUL)を試算し、最適な使用と将来の投資計画もサポートします。

3.資産のモニタリングとメンテナンス

マッキンゼーによれば、予知保全を使用することで機械のダウンタイムを30-50%削減し、機械の寿命を20-40%延ばすことができるといいます。Knowledge Studioは、使用したいアルゴリズムをそのまま使用できるようオープンで柔軟なプラットフォームを採用しており、得られたインサイトを活用することでメーカーに次のメリットをもたらします。

  • 計画外の停止に関連するコストの軽減
  • 運用コストを削減し、不要な計画的ダウンタイムを回避
  • 早期の障害検出と機器診断
  • 障害の警告サインを発生前に検出し、障害が発生する可能性が高い時期を予測
  • 単発か複数回にわたる障害か、どの種類の障害になるかを分類

4.データドリブンオペレーションの有効化

Knowledge Studioのシンプルな操作性により、さまざまなスキルを持つ人が分析アプリケーションを簡単に構築したり既存のアプリケーションに分析を追加したりして、データを用いた、インサイトに基づく意思決定へと導きます。エンドツーエンドの分析プロセスパイプラインを構築することで、以下のような特長を活かしたデータドリブンな企業運営をサポートします。

  • リアルタイムストリーム処理分析エンジンと視覚化
  • 高性能かつノーコードのビジュアル環境でインサイトが迅速に生成、分析期間を大幅に短縮
  • ベンダーに依存しないプラットフォームなため、シームレスなデータ変換と工場プロセスの統合が可能

 

詳細・事例は、Knowledge Studioの製品ページ、またはお気軽にお問い合わせください。

5 1 vote
Article Rating

カテゴリー: データアナリティクス

Subscribe
Notify of
0 Comments
Inline Feedbacks
View all comments