インダストリー4.0テクノロジーを大規模に展開することを決定した企業は、あまり焦点を絞っていないアプローチを採用している企業に比べて、生産性の向上が2倍になりました。価値を推進するために分析に大きく依存しているため、この取り組みには分析モデルを大量生産する機能が必要です。物理的な大量生産と同様に、分析的な大量生産は、明確に定義されたプロセスと、目的のスループットに合わせて最適化できる適切なテクノロジーがある場合にのみ成功します。
分析、人工知能、機械学習から製造現場への入力を受け入れるように生産および保守プロセスを適応させることは、困難な場合があります。 Gartnerの調査による と、2022年までに、分析的洞察の20％のみがビジネスの成果をもたらします。
アーリーアダプターが示しているように、体系的にアプローチすれば、インダストリー4.0を導入することで得られる大きな価値があります。最近の調査から、分析が製造現場に提供できる価値を高める方法に関するガイダンスを提供する3つのインサイトを収集しました。
インサイト1：財政的コミットメントは、優れた利益をもたらします
2019年、デロイトの 調査に よると、スマートファクトリーテクノロジーの導入におけるリーダーであるTrailblazersは、生産量、工場の稼働率、および従業員の生産性を20％向上させました。先駆者は必ずしも他よりも大きな工場予算を持っているわけではありません。彼らは単にグローバルな工場予算に焦点を合わせており、65％がスマートファクトリーイニシアチブに費やされているのに対し、次のコホートの投資比率は19％です。
同じ予算、異なる投資の焦点は、利益を2倍にします。
ただし、スマートファクトリー・イニシアチブに資金を投入するだけでは、成功は保証されません。また、インストールしたり、スイッチをフリックしたり、生産性が向上するのを確認したりすることも1つか2つではありません。何百もの個別の分析ルーチンが絶えず大量のマシンデータを取り込み、オペレーターにタイムリーに洞察を提供することで、価値が実現されます。これを実現するには、適切な分析環境が必要です。
インサイト2：高度にスケーラブルな分析環境から始める
よくある間違いは、分析アルゴリズムの開発に焦点を合わせ、アルゴリズムをビジネスプロセスに統合する方法を検討しないことです。これは、Gartnerが発見した大規模な分析ドロップアウトに直接つながります。2020年6月、ハーバードビジネスレビューの記事がこの課題を認識しました。著者は、AIの価値を解き放つために、「適切に設計された本番環境から始める」必要性を強調しています。彼らはさらに、これを「実行効率を損なうことなく、迅速かつスムーズなシステム再構成とデータ同期を行うのに十分な柔軟性がある」環境として説明しています。
つまり、スマートファクトリをサポートする分析環境は次のことができる必要があります。
これはすべて、オペレーターが提供された洞察に従ってプロセスに適用しなければなりません。
小規模なプロジェクトで適切に機能するテクノロジーを選択しても、スマートファクトリ展開に必要な規模で機能するという保証はありません。
また、テクノロジーだけでは大規模な成功を保証するものではありません。分析を通じて製造の生産性を大幅に向上させるには、データサイエンティストの生産性も向上させる必要があります。
インサイト3：データ管理のボトルネックの最小化に焦点を当てる
90年代半ばにキャリアを開始したとき、80/20データルールを受け入れました。時間の80％はデータの収集に費やされ、20％は価値の提供に費やされました。ほぼ20年後、この比率は、それほど変化していません。
スマートファクトリプロジェクトの分析プロセスを理解すると、データ管理タスクを共有することによる生産性の向上がより明確になります。私の同僚であるMartin Willcoxは、このブログ投稿で分析プロセスについて詳しく説明しています。例を使用して、データ管理コラボレーションの利点を説明します。
個々のプロジェクトのビジネス目標（効率、品質、予知保全）に関係なく、データサイエンティストは、マシンイベントテーブルを作成することから始めます。このテーブルは、マシンが実行されていたときと、実行中の状態をログに記録します。共通のリソースとしてマシンイベントテーブルを作成することにより、生産性の向上がすぐに続きます。同じマシンを使用するプロジェクトは、単にデータを再利用します。異なるマシンからのデータを必要とするプロジェクトでも、最初のマシンイベントテーブルを作成した変換を再利用することでメリットが得られます。
これらの生産性の向上は、より多くのプロジェクトが共通の「ライブラリ」にデータとデータ準備のための分析ルーチンを提供するにつれて加速します。ボーナスとして、データライブラリのキュレーションは、データガバナンスの取り組みに焦点を当てることにより、データ品質も向上させます。データ品質が高いと、分析品質が向上します。
まとめ：小規模から始めて、拡張できるように設計されたテクノロジーを使用し、コラボレーションします。
これら3つの洞察の組み合わせは、スマートファクトリイニシアチブを通じて生産性を向上させるための明確な道筋を示しています。つまり、財政的コミットメント、慎重なテクノロジーの選択、プロジェクト間のコラボレーションです。工場予算の財政的コミットメントにより、分析出力のスケーリング（および展開）に必要な分析プロセスとテクノロジーに焦点を当てることができます。
クラウド展開オプションと消費ベースの価格設定モデルにより、Teradata Vantageで最初のプロジェクトを開始しない理由はありません 。Teradata Vantageを使用すると、データサイエンティストは、コラボレーションを促進するアジャイルデータ基盤を利用できます。最も重要なことは、テラデータのテクノロジーは、製造プロセスに価値を提供するために必要な分析規模で証明されていることです。
