今日では、成功し、競争力を維持するためには、明確な戦略を持つことが重要です。

新機能や新製品を市場に投入するには、迅速かつ適切なタイミングで行うことが基本であり、具体的なプロジェクトと取り組みの明確な道筋が重要な推進力となります。

たとえば、多くの製造メーカでは、大きなスプレッドシートを使用して機器の保守を管理しています。これは、イベントが発生したときにスプレッドシートに記録し、スペアの在庫を作成し、さまざまな部品で障害が発生したときの情報を使用して履歴を作成することを意味します。この経験的アプローチにより、次に壊れる前に故障した部品を確実に交換できますが、以下の点での高コストは考慮されていません。

• テクノロジ。履歴データが推奨しているというだけの理由で、完全に健全な部品が故障する前に交換できる
• リソース。豊富なスペアの在庫を作成するにはフルタイムの仕事が必要であり、継続的に管理することに完全に専念する必要がある
• ダウンタイム。問題を解決したり、破損した部品を注文したりするのに時間がかかるため、ダウンタイムが発生する

確立された計画的メンテナンス戦略は最初の出発点ですが、明確な戦略を作成するには、障害の原因を知ることが基本です。

この文脈では、「知識は力です」という言葉が引用されています。「力は情報を提供する」という表現は、現象を発生させる原因がはっきりしている場合、ジャストインタイムに介入し、状況を自分に有利な方向に変えることができることを意味します。

ただし、データがどこかにあるからといって、それを使用するプロセスが用意されているわけではありません。あなたとあなたの会社は、毎日どれくらいの量のデータを生成していますか。会社では、数十億または数兆のデータが生成される場合があります。調査し、そこから洞察を引き出す時間はありますか。調査によると、組織は収集したデータの大部分を活用できていないことがわかっています。Gartnerの調査によると、データの約97%は組織で未使用のまま放置されています。時代に求められているのは、優れたビジネス成果を生み出すために、できるだけ多くのデータから洞察を引き出すことです。 

効果的に競争するためには、企業はすべてのデータを使用して製品開発プロセスを改善するだけでなく、テストデータを活用して品質とパフォーマンスに影響を与える重要な問題を特定する必要があります。長期間にわたってデータを収集することは良い土台となりますが、原因と結果を関連付けるにはデータの洞察が必要です。情報の一部は資産から直接取得されますが、追加のセンサで補強する必要があります。センサは、障害の原因、周囲環境がどのように役割を果たしたか、システムへの電源供給の過渡が機器にどのように影響したかなど、必要な情報を提供するデータをキャプチャします。 

Thomas Redman氏は、「データの煙が発生するところには、ビジネスの火の気がある」と述べています。 データを正しく処理していない場合 (煙)、これは組織全体に大きな問題 (火) の原因となります。そのため、データを正しく収集、保存、使用するためのリソースに投資することが、火を消す (=問題を解決する) ための鍵となります。

イベント駆動型戦略では、事後対応型管理を使用します。逆に、データ駆動型アプローチは、企業が先を見越して行動するのに役立ちます。図1は、メンテナンスの成熟度モデルによって記述されたプロセスを示しています。

^{図1:メンテナンスの成熟度モデル}

• 最初のレベルは通常、資産が故障するまで実行され、それに対応してメンテナンス戦略を実装し、壊れたときに修理します。
• 2番目のステップは、エンジニアが定期的なメンテナンス作業を行うための計画を事前にスケジュールする、時間ベースのアプローチです。
• 次のレベルは、資産の最適化を開始し、計測器とデジタル化の機能、パフォーマンス、信頼性を向上させます。

テスト資産の条件ベースの監視により、運用パフォーマンスをリアルタイムで把握できます。予知保全に移行すると、90%以上の総合設備効率 (OEE) と稼働時間が期待できます。この方法では、ユーザ定義のルールを実装してメンテナンス作業を開始し、イベントやアクションをトリガする状態を監視できます。たとえば、重要な部品の耐用年数が最終年に近づくとアラームまたは通知といった警告がされます。これは、必要なときにスペアパーツが手元にあるようにするための基本です。会社の持つ在庫を減らすことができれば、コスト管理に役立ちます。 

このモデルの最上位レベルは自律メンテナンスであり、障害イベントを予測するだけでなく、実行すべきアクションも推奨するという、この解析をさらに高度なものにします。このプロセスを開始するための最初のステップは、会社がこのモデルのどこに当てはまり、何を目標にするかを決定することです。

最初に行うべきことは、どの資産がビジネスにとって重要であるか (つまり計画外に停止した場合に多大な影響を与える資産) を確認することです。データは、部品の劣化速度を加速する環境要因などの原因を考慮することができるため、故障箇所の特定に役立ちます。企業が異なる大陸で同じ装置を使用している場合、これはさらに重要です。基準となる気候は地域によって異なる場合があります。温度や湿度などの影響が故障に重大な影響を与える可能性があります。

何を監視する必要があるかが分かったら、エッジでデータを収集するスマートセンサを使用して既存の機器を補強することができます。これらのセンサは、データ処理の最初のレベルをリアルタイムで実行し、図1の成熟度モデルの自動化アプローチへの移行に役立ちます。 

^{図2: データ処理の成熟度レベル}

原理は簡単です。データをデータセンターの近くに配置できない場合は、データセンターをデータの近くに配置します。エッジでデータを収集することで、情報は発信元のソースに近いネットワーク周辺で処理されるようになります。処理や解析のために生データをシステムコントローラに送信するのではなく、データが生成された場所で処理されます。エッジでのこの最初のレベルの特徴抽出により、リアルタイムでデータを前処理し、システム内のレイテンシを一貫して削減することができます。 

次のレベルは、これらのスマートセンサをディープエッジコンピューティング用にシステムコントローラに接続することです。これにより、高品質のデータが得られます。データがサーバに送信される前に、エッジで機械学習 (ML) を使用して異常検出と傾向を特定することで、収集と特徴抽出が高速化されます。 

このレベルでは、詳細な解析を行い、通知やアラーム、トラブルシューティングのための自動化された状態ベースの推奨事項や自動化されたレポート作成などの機能を実装できます。また、ダッシュボードでデータとビジュアルを提供することもできます。これは、装置のリモート監視、異常箇所の確認、テストシステムとコンポーネントの残存耐用年数 (RUL) の判断に役立ちます。このレベルのインフラストラクチャを使用すると、必要なデータに集中でき、プラントをより適切に制御でき、ターゲットを絞って、メンテナンスチームを適切に配置できます。 

プロアクティブな資産最適化は、簡単に開始できるタスクではありませんが、努力する価値は十分にあり、また、1人で行う必要はありません。NIは、テストデータの収集から保存、解析に至るまで、設計から検証、生産までの製品ライフサイクル全体にわたって、お客様の組織に価値をもたらす強力なツールにデータを変換することで、お客様をサポートできる専門家として認められています。

予防保守は、テスト資産のヘルスケアに例えることができ、無駄を効果的に削減し、効率的な戦略を実行することに関連します。また、予防保守への投資は、予期しない故障によるコストと比較すると非常に低額です。

効率的なメンテナンス戦略を今から計画することで、資産の稼働を維持し、コストを削減し、競争力を高めることができます。資産最適化戦略は、以下を削減することにより、わずか30日で結果を出すことができます。  

• メンテナンスコストを25～30%削減
• 機器の故障率を70～75%削減
• ダウンタイムを35～45%短縮

ここに表示されている調査結果は、2017年10月から2018年6月までにGartnerの「データと分析についてのITScore」から収集された813人の回答に基づいています。

• データを活用して実行可能な洞察を得る方法を学ぶ
• OptimalPlusソフトウェアが製造の効率性、品質、信頼性を向上させるためにどのように役立つかを学ぶ
• 資産管理、ラボ連携、データ管理/解析ツールの中心的なインフラストラクチャを提供するNIのSystemLinkソフトウェアの詳細