データ分析

データの分析・レポーティング

タイ製造業向けにAI分析、IoTを活用したスマートファクトリーの構築をサポート

製造業においてデータを分析する目的は何でしょうか。
業務効率の改善、コストダウン、社員教育と現場の数だけ様々な答えが存在します。

データありきで、その有効な活用方法を考えつくのは意外に難しいものです。
そのため、課題を決め、課題解決のための問いを決める。その問いに答えるための手段として、どのようなデータ分析をするべきかを考えます。しかし、データ分析の正しい結果は誰にもわかりません。
データ分析とは新たな価値を生み出すために必要な視座を与えるものであり、「データ分析のストーリー」を設計することが重要になります。

「データ分析のストーリー」
1.何のために、何を知ろうとするのか
2.どのような仮説を置き、どの範囲を考えに入れるのか
3.どのデータを使い、どのような意味合いの数字を出すのか

製造現場において、「現地、現物、現認」の3現という、事実から問題の本質(原因や原因の裏に潜む真因)を見るための言葉があります。
簡単な問題であれば、現地、現物を見れば解けますが、難しい問題や複雑な問題の場合、構造を理解し”見えて”いないと解けません。
よく、見える化という言葉を聞きますが、見える化とは「見えない部分を見る」ということです。
一見、当たり前のような話ですが、見えていれば、判断基準が存在し、課題解決のプロセスも明確になる、「問題を詳細化し早期解決」できる状態とも言えます。

1.自分の判断基準による見える化
属人的な思い込みは、熟知や面倒さで怠ることで発生します。特に、目先の複雑な問題の場合、検討しているようで、それ以上の問題点を見ていないため、後々、大きな問題に繋がるリスクを孕むケースもあります。

2.分析手法を活用した見える化
構造を理解し、課題解決に活かすためにも統計的分析手法を用いて、分析を行っていく必要が現場には求められます。また、問題と問題の原因を、勘や経験だけでなく、仕組みとして持つことが必要になります。

3.目指す姿からの見える化
タイ人スタッフに考えさせる、任せるといった言葉を聞きますが、「させる」ということは、指示をした人間が目指す姿を理解しているかで活動が大きく変わってきます。
同じ問題でも分析手法により、見えてくる要因は異なり、属人的な思い込みによりボタンの掛け違いが発生します。

上記を踏まえて、下記のようなアクションはとれているでしょうか。

・構造の理解
・情報の収集
問題発生の情報を作業者にヒアリング
(マトリックス図法、チェックシート等)
・情報の整理
問題の視覚化
(KJ法、連関図法等)

こういったアクションは普段の業務において、なかなか時間がとれないのが実情ですし、またそれ以前にタイ現地スタッフの勤務態度や意思疎通といった現地ならではの課題による弊害も多くあることは承知しています。だからこそ、分析の精度を高め、現地化に落とし込める仕組みをつくることが日本人の役割だと感じます。
どんな作業にも目的がある以上、プロセスがあるはずです。そのプロセスを正しく見ることが重要になります。そして、問題の本質(原因や原因の裏に潜む真因)を効率的に求めるものが、システムの役目であり、分析を行う必要性になります。

分析手法・情報のまとめ方

■KJ法
事実の情報データを整理して問題を集約する

■マトリックス図法
問題点を様々な切り口で評価し、どの問題が最も重要かを見えるようにする

■系統図法
結果である問題の要因を系統立てて掘り下げ、要因を見えるようにする

■連関図法
要因と結果、目的と手段など複数に絡み合う問題の要因が見えるようにする

■親和図法
情報をまとめ、何が言えるのかを見えるようにする

■アローダイヤグラム法
計画時に必要な作業と順序、日程を見えるようにする

■PDPC(Process Decision Program Chart)法
事前に行動とその結果を予測し、対策の手を考えて工程の設計を行う

■マトリックスデータ解析法
データを分類体系化し、何が言えるかを見えるようにする

・チェックシート
どのような欠点が多いかを一目でわかるようにする

・パレート図
どのような内容が最も多く、全体の何%を占めるかを見えるようにする

・グラフ
推移や差を見えるようにする

・特性要因図
問題とする特性の要因を要素ごとに推定しお互いの原因を見えるようにする

・ヒストグラム
全体における状況やバラツキを見えるようにする

・管理図
平均値やバラツキの変化を見えるようにする

・散布図
相関関係を見えるようにする

分析レビュー例

分析の概要
・生産性における課題点の洗い出しにおいては、あらゆる切り口でのデータ比較が求められる
・昼夜勤、日々、週次、また同一ライン間での傾向を比較
・また、CNCの量産ラインで段取り替えの少ないラインにおいては、標準CTに対する遅れの可視化が重要
・サンプルラインを対象に1週間のデータを使用して解析した標準CTを元に、ロスタイムを視覚化

分析の流れ
・Dsyncでの集計データから昼夜勤、日々、週次、また同一ライン間での傾向を比較
・設備の稼働時間情報を1週間分集計
・稼働信号、停止信号の傾向からサイクルタイムの標準時間を計算し、標準時間以上に停止している時間をロスタイムとして別途計算

分析の結果
・昼夜勤、日々、週次、同一ライン比較において目立った傾向は見られず、個別のロスタイムの可視化が必要
・1週間のロスタイムを計算した結果、合計は約18時間
・これは1週間の稼働時間のうち15.67%にあたる

・他社事例ではロスタイムの視覚化を通じて分析、改善活動を行い、これを60%削減
・同様の成果を今回の結果に当てはめると、1週間で約10時間。1ヶ月で約40時間の稼働時間の確保が見込める

 


上記を踏まえて、弊社の日本人、タイ人スタッフがお伺いしお打ち合わせや製造現場を見させていただきますので、まずはお気軽にお問い合わせください。

データ分析に関するお問い合わせはこちらから

タイトルとURLをコピーしました