【製造業向け】工場データの可視化から始めるデータドリブン経営の実践ステップ

製造現場の「暗黙知」を「形式知」へ変える。データドリブンの必然性

製造業は今、人手不足や高齢化の課題に直面していますが、熟練技能者の「勘や経験」といった「暗黙知」へ依存することは、経営および事業の持続可能性の面で懸念が生じます。
そのため、「暗黙知」をデータという客観的な「形式知」へ変換する取り組みが重要性を増しています。

「暗黙知」：個人の勘や経験に基づく、簡単には言語化できない知識。
「形式知」：言葉や数字などで可視化できる知識。

◆製造業の「暗黙知」を「形式知」へ変換するメリット

・属人化の解消
・技術継承
・業務効率化
・研修・教育

工場などで働く熟練工などの持つ「暗黙知」を「形式知」へ転換することで、属人化を解消し、技術継承を進められます。

「形式知」はマニュアルとしても利用が可能であるため、不明点が出たときに参照して業務効率化につながります。また研修・教育を進められるメリットも期待できます。

「暗黙知」を「形式知」に転換させて終わりではありません。むしろあらゆるデータの分析結果を意思決定の裏付けとする「データドリブン経営」のスタートです。これまでデータを活用してこなかった製造業にとって、この取り組みは大きな転換点となり得ます。

そして、世界的なデータ活用の潮流と国内の製造業の課題を踏まえると、もはやデータドリブン経営は不可欠といえます。

生産現場の「事実」を捉える：IoT活用によるリアルタイム可視化

データドリブン経営への第一歩が、IoT技術を活用したデータ収集です。その仕組みについて解説します。

◆IoT技術を活用するデータ収集とは？

IoT技術を活用するデータ収集とは、工場においてIoT技術を活用して、設備機器の稼働状況や生産ラインの予実データなどを取得することです。

例えば、設備機器に備わるセンサーが、稼働状況や周囲の環境などのデータを取得します。またカメラセンシングと呼ばれるカメラを用いたセンシング技術を用いれば、組み立て進捗やテストの状況など、視覚的な情報を画像や動画データとして取得も可能です。

これらのIoT技術で取得したデータを活用すれば、属人的な報告に頼らずに現場の「事実」を正確に捉えることができるようになります。

◆データ基盤の重要性

工場で収集したデータは、日々、積み重なっていき、膨大なビッグデータとなります。そのビッグデータの蓄積と加工には「データ基盤」が必要不可欠です。

データ基盤とは、データ分析に必要なデータを取り扱う技術的基盤です。従来のツールやシステムではビッグデータのような膨大なデータを分析活用するのには力不足です。データ基盤では「収集」「蓄積」「加工」「分析」の役割を通じて、データ分析を効率的に行うことができます。

出典：
＞ データレイク、データウェアハウス（DWH）、データマートの違い、メリット・デメリットを紹介！

データ基盤では各種データを蓄積し、分析しやすい形に成形するための加工を行い、分析を行います。

◆データの可視化ステップ

データの可視化に向け、データ基盤の構築のためには、次の具体的なステップを踏みましょう。

1.目的の明確化
最も重要なのは目的を明確にすることです。データ基盤構築の具体的な目的を、経営視点で設定する必要があります。例えば「特定の工程での不良品率の改善」「リードタイムの短縮化」「技能伝承のデータ化促進」などが挙げられます。

2.プロジェクト体制の構築
そしてプロジェクト体制を構築したら、データ基盤の技術設計を行います。

3.データ基盤の技術設計
基盤の技術設計の方法は大きく3通りに分かれます。分散型、統合型、データレイク型です。

分散型は複数のデータベースからデータを連携させる方法、統合型は一つのデータベースにデータを統合させる方法、データレイク型は、データレイクに加工前のデータを格納しておき、必要に応じて加工して分析に回す仕組みです。環境や状況に応じて最適な仕組みを選びます。

4.実装・テスト運用
データ基盤を実装し、まずはテスト運用を行います。問題があれば改善します。

5.本稼働
問題ないことがわかれば本稼働を進めましょう。

6.効果測定と改善
データ基盤を作った後は、データ取得から蓄積、分析まで運用しながら効果測定を行い、改善を重ねていきます。

関連リンク：
＞ データ可視化の基本ステップ

現場データと経営KPIの同期：利益を創出する分析・活用術

分析の仕組みと進め方について、もう少し詳しく見ていきましょう。

◆経営KPIによる分析方法

現場で可視化したデータを単なる工場の稼働監視で終わらせず、売上や利益率などの経営指標（KPI）と結びつけて分析していきます。

工場のデータを経営指標と結びつける具体例を見ていきましょう。

・生産コストの増加と品質テストの無駄の発見
経営指標の中でも生産コストの増加が深刻化しており、要因を探る中、製造工程における品質テストを過剰に実施しすぎていたことが判明しました。品質テストの無駄を削減したことで、生産コストの抑制が可能になりました。

・品質のバラつきをデータで確認
経営指標のうち、品質のバラつきは、顧客からのクレームにもつながるため、大きなリスクです。そこで工場の稼働データをすべて取得して洗い出したところ、ある手作業で行っている工程にアラがあることがわかりました。そこで工程を自動化することで、品質のバラつきをなくすことができました。

・機械製品の部品のリアルタイム監視で故障リスク低減
機械製品の故障を低減するには、素早く兆候を察知し反映させることが重要です。そこで、機械の運転中にリアルタイムで部品のモニタリングを行うことで、故障の兆候を素早く察知できるようにしました。運転中の故障を未然に防ぐことができる仕組みの構築につながったほか、その不具合データを生産部門に共有することで、より事故の少ない部品製造も実現することが可能です。

◆BIツールの活用で経営の意思決定を加速する

データ分析とその結果の可視化は、BIツールを活用するのが一般的です。

BIツールとは、膨大なビッグデータを分析し、可視化することで価値のある情報に変換し、経営や現場の意思決定を加速させるシステムです。データ分析結果はダッシュボードでビジュアライズされた状態で表示できるため、社内の誰もがわかりやすく確認できます。

工場のデータを、経営の意思決定につなげるためには、収集したデータを分析し、結果を可視化し、わかりやすくすることが最優先です。BIツールを活用することで、現場と経営層が迅速に意思決定を行い、施策実行と検証のPDCAサイクルを回すことができます。

まとめ：工場データを資産に変える、データドリブン経営

製造業におけるデータドリブン経営とは、工場内に眠るデータを単に管理するだけでなく、企業の成長やDXを推進するベースとなる「資産」として活用することにあります。

ただデータを活用すれば良いというわけではなく、迅速にわかりやすく可視化し、経営陣が指標と照らし合わせて意思決定できるか、また改善していけるかが重要です。

そのような仕組みを構築するには、データ基盤とBIツールの導入が有効です。BIツールでは、例えば生産ラインから収集したデータを分析し、結果をダッシュボードへわかりやすく可視化することができます。

BIツールを検討する場合は、製造業向けのソリューションを持ち、現場の担当者でも直感的に扱えるセルフサービスBIツール「LaKeel BI」がおすすめです。

自由度の高いレイアウトが作成可能な定型・非定型レポート作成機能でレポート作成効率が向上します。

特殊なデータの多い製造業のデータを、現場を理解している担当者が自ら分析を行うことで、新たな気付きが生まれるでしょう。

＞製造業・工場でのBIツール活用向け業務効率化ソリューション