お役立ちコンテンツ
お問い合わせSTEP1 課題ヒアリング／抽出
課題や目的、対象設備や工程、現在のデータ取得状況などをヒアリングします。
また、課題抽出段階からサポートすることも可能です。
データによる確かな原因追及と改善を
ご提案
データ解析
ソリューション
製造現場のあらゆるデータを活用し、故障や不良品の発生要因や傾向を把握することで、
データに付加価値を与え、課題解決や改善活動を支援します。
ものづくり現場において、
このような課題はございませんか？
突発的な故障や
保全費用が増大している
製造ラインにおいて予期しない突発的な故障により、製造ラインが緊急停止している。また、緊急停止を避けるため、保全業務に時間や費用がかかっている。
トラブル対応が
属人化している
製造現場でのトラブル発生時、熟練エンジニアの経験やカンによって解決できているケースがあるが、データによる確かな原因や要因の追求ができていない。
的確な需要・未来値が
予測できない
的確な需要予測ができていないため、在庫切れや過剰在庫、廃棄ロスなどが発生している。また、設備の劣化などによる生産量変化を予測できておらず、生産計画と実績にズレが生じている。
UISのデータ解析ソリューションとは
経験豊富な
データエンジニアとアナリストが
製造データを用いて原因追及、
課題解決をトータルサポート
STEP2 データ解析
目的や現象にマッチした解析手法を採用し、PoCを介してご提案します。
STEP3 改善システム構築
異常兆候を知らせるアラートシステムなどを構築します。
主なサービス
異常・故障検知サービス
重大な事故・故障の発生前に、その予兆をデータから早期に検知
As Is
突発的な停止
上下限値アラートで検知変数間の関係の乱れが検知できず、突発的な生産ライン停止が発生している。
過剰保全
時間基準保全トラブル発生は回避出来ているが、過剰保全の可能性がある。また、トラブルが発生している。
To Be
緊急停止回避による生産ロス低減
データ解析によるアラート事象や対象、運転の状態に合わせてジャストフィットした手法でデータ解析を実施。異常予兆を捉えることで緊急停止回避、生産ロスを低減します。
保全費用削減、重大事故の防止
状態基準保全設備の状態をデータによって把握することで、部品の交換など保全タイミングを最適化することができます。
要因分析サービス
品質の低下、設備のトラブルに対してデータを利用し、要因を分析・特定します
As Is
品質低下
検査工程で低下を把握検査工程ではじめて把握できるため、歩留まりが低下する。また、品質の低下を繰り返してしまう。
設備トラブル
トラブル時の事後対応トラブルが発生した後での対応となっているため、どんなに早く対処できても、生産ロス・品質低下につながる。
To Be
品質の安定・向上
要因の重点監視、改善要因を特定することにより、重点監視による品質低下の未然防止や、操作条件改善による品質の安定・向上を達成します。
トラブルの根本的な解決
的確な設備改良によるトラブル回避プロセス変動やトラブルの要因を特定することにより、トラブルを回避するための的確な設備改善を行うことができます。
ソフトセンサー・
未来値予測サービス
オンラインセンサーが設置されていないポイントの予測や運転指標の未来値を予測することにより、
オペレーターの支援を行い最適な運転へ近づけます
As Is
品質低下
サンプリングによる品質確認サンプリング周期が長いと品質の変動に気づくのが遅れてしまう。
オペレーターによる運転のバラツキ
現在の指標値によるオペレーションオペレーターによっては判断・対応が遅れることがあり、品質低下やトラブルにつながる。
To Be
品質の安定
ソフトセンサーによる品質推定オンラインセンサーと同じ粒度で品質を確認できることで、変動をいち早く察知し、品質の安定につながります。
オペレーター支援による運転最適化
運転指標の未来値予測・提示運転指標の未来値を提示することにより、余裕を持ったオペレーションが可能となります。
導入ケース
異常・故障検知サービス導入 (タイヤ／自動車・ゴム製品製造業 試験センター)
試験装置責任者
導入前の課題
データが現場止まり
試験装置からのデータ自体は蓄積されていたが、確認するためには現場に赴く必要があり、稼働状態を事務所などで確認することが出来なかった。
過剰保全
データが現場止まりとなっているため、試験装置の保全業務に稼働データを活用することが出来ておらず、時間基準保全にて業務を実施。適切な保全タイミングが分かっていなかった。
ご提案・導入ソリューション
データ蓄積・連携ソリューション
InfluxDB (オープンソースソフトウェア)
Grafana (オープンソースソフトウェア)
データ解析ソリューション
AI機械学習モデルにより、
試験装置のデータから異常度を算出
導入後の効果
現場データの可視化
これまで現場止まりで運用していたデータの上位に時系列DBを導入したことにより、現場データの可視化を実現。また、試験装置の稼働だけでなく、試験内容のデータ可視化など、活用が容易になった。
適切な保全による費用削減
導入したシステムが試験装置の稼働データから異常度を算出し可視化したことにより、状態基準保全を適用。適切な保全タイミングに部品の交換や業務を実施できるようになり、保全費用が削減された。