予知保全で製造ライン・設備・装置の稼働率をより高く維持！

製造業をはじめ、サービス業、IT業界など、さまざまな業種において、設備や装置を正常な状態で稼働させ続け、高い稼働率を維持することは、重要な経営課題の1つです。たとえば、製造業では、設備の故障や誤動作は製造ラインの停止や歩留まり低下を引き起こし、原材料費や生産コストの増加、利益の圧迫につながります。

故障により操業が停止すると、復旧対応、生産計画の見直し、予防策の策定などに多くの労力を割かれることになります。復旧が遅れると生産性や効率が低下し、企業全体の業績にも影響を及ぼします。故障により操業が停止すると、復旧対応、生産計画の見直し、予防策の策定などに多くの労力を割かれることになります。復旧が遅れると生産性や効率が低下し、企業全体の業績にも影響を及ぼします。
また、故障発生時には、迅速な顧客対応が求められます。連絡が遅れたり説明が不足したりすると、信頼関係が損なわれます。納期の見直しも必要になり、顧客満足度が低下し、長期的なビジネス関係にも悪影響を及ぼす可能性があります。
このようなことを回避するためには、異常予兆検知が非常に重要です。

適用事例の一部をご紹介します。
事例① 製造設備の稼働状況モニタリングによる歩留まり向上

製造設備の不具合、異常をいち早く発見し、不良率を削減し歩留まりを向上させるため、設備の稼働状況の可視化や検査データの分析を行い、AI・機械学習を活用して、製造設備の異常予兆検知を実現しました。

事例② 製造プロセスの操業データ分析による歩留まり向上

製造プロセスにおいて、マニュアル、ガイドラインがあっても、実際の工程の中で考慮・判断すべき点が多く暗黙知となりがちなため、作業員によるパフォーマンスのバラつきが大きくなるという課題がありました。BIツールを駆使して作業員の操業データを分析・評価することで、高パフォーマンス作業員のノウハウの展開が可能となり、製造品質向上に寄与しました。

事例③ 水質浄化システムの水圧データ分析による作業効率向上

水質浄化システムの点検作業量削減のため、フィルタの品質劣化を予測して点検対象を絞り込むためのデータ分析を行いました。フィルタ品質に関連するデータ収集は可能でしたが、閾値設定やルール設定による品質劣化の判定が難しい状況にありました。関連データを可視化し、仔細に観察・分析することで、品質劣化を簡単に表現するための法則を見出しました。

製造業の保全活動の効率化を例に、ヒアリングから課題解決までの基本的な流れを紹介します。設備・装置に取り付けたセンサーなどのデータ、部品などの情報と故障・障害履歴により、設備・装置の状態を把握・予知し、点検・交換・修理稼働の削減を実現します。

BIツールなどを活用してデータの可視化、特徴、パターン、傾向変動、予兆検知すべき異常とデータの関係性を把握します。業界・業種に特化した知見や知識を獲得し、また、お客さま固有の問題を理解します。収集データにはほとんどの場合、欠損や重複などの不備があり、モデルの精度に影響を及ぼすため、データを分析できる状態に加工するため前処理を行います。BIツールなどを活用してデータの可視化、特徴、パターン、傾向変動、予兆検知すべき異常とデータの関係性を把握します。業界・業種に特化した知見や知識を獲得し、また、お客さま固有の問題を理解します。収集データにはほとんどの場合、欠損や重複などの不備があり、モデルの精度に影響を及ぼすため、データを分析できる状態に加工するため前処理を行います。

予兆検知モデル構築の際、特徴量の設計も重要なステップとなります。特徴量とは、データから得られる重要な情報を表す要素であり、これを適切に設計することで、精度の高い予兆検知モデルを作成できます。モデル作成は、取得したデータをすべて取り入れて実現するものではありません。予測に必要なデータの抽出やデータ加工には、データサイエンスの専門知識が求められます。

当社の高度スキルを持ったデータサイエンティスト人材が、データの理解、加工から特徴量の設計までを効率的に行います。

適用すべき統計分析手法、AI・機械学習の手法を検討し、有効な手法について効果や精度について評価を行います。予兆の傾向やパターンを発見し、異常予兆検知モデルを構築します。たとえば、機械学習、ディープラーニングなどを用いて、過去データから設備・装置のさまざまな状態を学習・推論することで、異常の予知や部品交換時期判断のための異常予兆検知モデルを構築します。
異常予兆検知モデルを用いた検証の結果に基づいて課題の解決手段を提案します。

価格については、お問合せください。

水質浄化システムの点検作業量削減のため、フィルタの品質劣化を予測して点検対象を絞り込むためのデータ分析を行いました。
フィルタ品質に関連するデータ収集は可能でしたが、閾値設定やルール設定による品質劣化の判定が難しい状況にありました。関連データを可視化し、仔細に観察・分析することで、品質劣化を簡単に表現するための法則を見出しました。