製造メーカが運用データがもたらす力を認識し、それを受け入れることで、コネクテッドファクトリは今や一般的になりつつあります。実際、COVID-19の大流行により、多くの企業が「新しい常識」に適応するために方向転換を余儀なくされましたが、こうした取り組みの主役は、データ能力の基盤であるデジタル化でした。
多くの企業が、自社のテクノロジ、人材、プロセスの蓋を開け、運用データを抽出することで、無数の眠っていた機能やつながりを発見し、生産ラインのオペレーション、能力、効率性について、より深い洞察を得ています。
しかし、このような新しいデータを利用する際に、大きな問題となるのは、このデータが最大限に活用されているかということです。企業は利用可能な情報を1バイト残らず絞り出し、それを効果的な場所やタイミングで展開し、適切な意思決定を下しているでしょうか?
多くの場合、正しい判断は、どこで判断するかによって左右されますが、これは判断方法と同様に重要です。ユースケースはそれぞれ異なりますが、デバイス、制御、エッジ、またはクラウドのいずれかで問題を解決することに価値があります。
クラウドの価値は、エコシステムやサプライチェーン間でのデータ共有、データの集約と非リアルタイムの視覚化(エネルギーモニタ)、高演算アプリケーション、機械学習モデルの開発とトレーニングなど、特定のタイプのアプリケーションにあります。
しかし、一般的に、データのソースから離れれば離れるほど、データが更新される頻度は低くなり、中間的なデータの値が欠落する可能性があります。その結果、クラウドのユーザは通常、可能なデータ値の小さなセットと内部のデバイスデータしか見ることができず、プロセス、制御、デバイスモデルはまったく見ることができません。
ほとんどの場合、データのコンテクストとスピードを維持するためには、できるだけソースに近いエッジで意思決定を下す必要があります。エッジでのコンテクスト化とモデリングは、より豊かな分析的洞察を可能にします。エッジ･ツー･クラウド･ベースのソリューションは、この2つの世界の長所を活用して、アジリティ(機敏性)と生産性の向上を実現します。
より現場に近いところでデータを収集し、分析することで、リアルタイムにフィードバックを得ることができます。この即時性がなければ、限られた能力と範囲のモデルやシミュレーションを作ってしまうかもしれません。観察された一般的な能力だけではなく、実際の能力を理解するための情報が必要です。しかし、エッジソリューションはその一部に過ぎません。
アナリティクス、AI、機械学習は、目に見えない価値や機会を理解して解き放つことができるライブラリや専門のエキスパートと併用することで強力なツールとなり、プロセスの最適化や観察された行動に基づく未来予測の機会を提供することができます。しかし、これらのツールは、幅広い産業分野で非常に多様なアプリケーションが考えられるため、一般的に適用することはできません。
データアナリティクスも全体像を示すものではありません。観察できるデータしか見られないので、追加の機能や制限は通常見えず、全体像の状況は得られないかもしれません。
例えば、ピザ屋のトラックを例にとると、運用データからどのようなことがわかるでしょうか。このトラックは、週にY日、X時間運行し、Z枚のピザを提供し、注文から配達までの時間はTとなっています。私たちが「観察」できないのは、そのトラックの能力です。1日に何時間稼働できるのか? スタッフは何時間働けばいいのか？スタッフは何時間働く必要があるのか、トレーニングを受けているのか、またどの程度のレベルなのか。最大で何人分の料理ができるのか? ピッチ間の距離(と速度)はどのくらいか? 適切にメンテナンスされているか? 厨房にはどのような設備(能力)があるか? 他の食べ物を用意できるか?
ピザ屋のトラックの例は、多くの企業がデータとモデルが混在し、詳細な情報が得られない状況に直面していることを示しています。これは、遠隔地からデータを調査しようとする場合に特に当てはまります。観察可能なデータの限界を理解し、どこで追加のデータを収集して含めることができるかを検討することで、最終的にあらゆる状況をより確実に把握することができます。
さらに、サンプリングレート、データの表現方法、ネットワークの通信リソースによる制限など、データの可用性に関する複数の課題があるため、データに大きなギャップが生じてしまいます。
自分が解決しようとしている問題と、達成しようとしている結果を理解する必要があります。より多くのことを知り、より多くのことを行なう必要がある場合は、分析から始めるのが良いでしょう。分析によって、どこに問題が存在するのかを洞察することができ、問題解決のための戦略を立てることができます。そのためには、センサを追加したり、ソリューションをモデル化するためのモデルを構築することが一般的です。これらのモデルは、これまで試したことのないソリューションを発見し、探索するためにも重要になります。
デバイス、制御、エッジ、クラウドで問題を解決することには価値がありますが、どのような場合でも、ニーズに最も適したツールを使用するようにしてください。実際には、ハイブリッドソリューションを導入することもあるでしょう。
工場の潜在能力を最大限に引き出すためには、適切なバランスを見つけることが重要です。最終的な目標は、専門分野の知識と適切なモデリングを適用して、データの全体像を使って正確なシミュレーションを行なうことです。
経営陣の視点ページでは、データを最大限に活用する方法について詳しく説明しています。このページでは、産業界の意思決定者向けの豊富なリソースを掲載しており、進化するデジタルの世界で成功するために必要な情報を提供しています。
公開 2021年11月3日
