製造業の“データ活用”をサポートする「労働生産性分析サービス　for FutureSatge」を紹介しました！ 2018年6月14日開催「第2回 製造業向けIoT活用事例」レポート

こんにちは。営業の江崎京太郎です。

このたび日立システムズは、新サービス「労働生産性データ分析サービス for FutureStage」をリリースさせていただくことになりました。

2018年6月14日に開催された「第2回 製造業向けIoT活用事例」セミナーでは、ご来場のみなさまに本サービスのプレゼンテーションをさせていただきました。本記事では、その内容をダイジェストでお送りいたします。

講演を行ったのは、本サービスの導入を担当する、日立システムズ 産業・流通インフラサービス事業部 インフラサービス拡大プロジェクト 主管技師 佐々木 誠治です。

株式会社日立システムズ
産業・流通インフラサービス事業部 インフラサービス拡大プロジェクト 主管技師
佐々木 誠治

本サービスが生まれた背景として、製造業における積極的なデータ活用が進展していることが挙げられます。

製造現場のさまざまなデータを分析し、業務改善に生かすことで、「歩留まり率を15％以上改善」「機械故障率を30％低減」などの成功事例を目にする機会が多くなりました。データ活用に関する関心は年々高まり、実際に取り組みを始めている企業も増えています。

しかし、データ活用に取り組む企業からは、このようなお悩みの声も聞かれます。

• 手作業やExcelでのデータ集計に手間がかかっている……
• どのようなデータが生産性向上に貢献するかわからない……
• 他社の成功事例が、自社にも当てはまるのか疑問……

データ活用には高い専門性が必要とされるため、中堅・中小企業が独力で取り組みを始めても、実際の成果を得るまでに乗り越えるべきハードルがいくつもあります。

中堅・中小企業がデータ活用から確実に成果を生み出すにはどうすればよいか。このような課題意識から「労働生産性データ分析サービス　for FutureStage」は生まれました。

本サービスを一言で表現すると、「データを見える化し、課題に気づくことを支援するサービス」と言うことができます。

以下は、製造業における一般的なデータ活用のプロセスです。

［拡大表示］

本サービスはこのプロセスにおける「データを見える化」と「課題に気づく」の部分を中心にサービス化したものです。

［拡大表示］

日立システムズは、作業実績、従業員情報、製品情報など、お客さまがすでにお持ちのデータをお預かりし、AI（機械学習）を用いて分析します。アナリストはその分析結果から、生産性を低下させている要因＝ボドルネックを発見し、レポートします。

データ活用の取り組みでは、一般的に「データの分析」とそのデータから「課題を発見する」作業の難易度が最も高いと言われています。本サービスは、多くの企業がつまずくこのプロセスを支援するサービスです。

本サービスのデータ分析を支えているのが、日立システムズがこれまで培ってきた「製造業における生産性改善のノウハウ」です。その概要を少しだけご紹介しましょう。

まず、生産性に影響を及ぼす諸要素として一般的に「4M」があると言われています。「4Mとはすなわち、Man（人）、Machine（機械）、Material（材料）、Method（方法）です。

• 新人作業員は、ベテラン作業員の2倍、作業時間がかかる（Man）
• ある業者から仕入れる材料を使うと、歩留まりが落ちる（Material）
• ある機械を利用する工程は、夏場だけ生産量が落ちる（Machine & Method）

このように「4M」は、作業時間、歩留まり、生産量などの「評価指標」に影響を与えているのです。

日立システムズは、これまでたくさんのお客さまと、生産性改善の取り組みを行ってきた結果、生産品目や生産形態によって、生産性に大きな影響を与える「4M」と「評価指標」の組み合わせに特長や傾向があることを発見しました。

これはいわば、生産性改善に向けた着眼点・ナレッジと言えます。本サービスは、製造品目や生産形態ごとに異なるこの着眼点・ナレッジを、「分析テンプレート」としてテンプレートに落とし込み、データ分析に生かしていることが特長です。

担当アナリストは、お客さまの製造品目・生産形態から、最適な分析テンプレートを選択します。そして、そのテンプレートにのっとり、最初のデータ分析作業を行うのは機械学習です。

分析テンプレートと機械学習を組み合わせることで、専門性の高い分析作業を、安価に、かつスピーディーに提供することに成功しました。

分析の結果、提供されるレポートには、以下のようなものがあります。

［拡大表示］

これらのレポートが指し示す内容は、現場の熟練作業員の方も「なんとなく」でしか把握できていない事実であったり、あるいは、まったく気がついていなかった重要な事実であることもしばしばです。

AI（機械学習）は、いわゆるビッグデータの中から、特異点や相関関係を見つけ出すことに長けています。だからこそ、熟練作業員の方でもなかなか発見できない、隠れたボトルネックを見つけ出すことができるのです。

本サービスは実際の分析レポートをご提供するまで、平均１か月程度のお時間をいただきます。主な作業工程は以下の通りです。

• Step1：現状の業務ヒアリング
• Step2：現状のデータ確認とデータクレンジング
• Step3：分析テンプレートと機械学習による分析作業
• Step4：専門アナリストによる課題点の抽出
• Step5：最終レポートの提出・ご報告

費用に関しては個別お見積りとなっております。ご興味がある企業さまは、まずはお気軽にご相談いただければと思います。

本サービスの基となっている「労働生産性分析サービス」は、FutureStageをご導入されていない企業さまでもご利用いただけるサービスです。

しかし、FutureStageをご導入されている企業さまの場合は、日々の製造実績データや、部品品目、仕入先情報、従業員情報などがすべてシステムの中に揃っているので、厚みのあるデータを用いて、精度の高い分析を行うことができます。

さらに、分析レポートが指し示すボトルネックに対して、実際に改善手段を講じる際、FutureStageに機能改修を行うことで対応するといった改善アプローチを取ることも可能になります。

本サービスは、FutureStageと非常に親和性の高いサービスですので、FutureStageをご導入中の企業さまは、ぜひ本サービスのご利用をご検討いただければと思います。