富士電機株式会社

導入・提案事例

AI・機械学習導入に向けたデータ統合基盤の構築


関連タグ: データ分析 ビッグデータ AI・機械学習

「AI・機械学習導入に向けたデータ統合基盤の構築」の概要

食品工場のデータの活用に課題はありませんか。

生産性向上や製造品質向上にデータを活用するためにはデータ収集・管理コストを抑え、データ品質を確保することが重要です。

これを実現するために必要なのがデータ統合基盤です。

データ活用基盤を構築することで、レポーティングの自動化、製造データ解析による品質改善、AI・機械学習の導入も容易になり、食品工場の経営課題の解決や生産性向上を可能にします。

今後、食品工場のデータを活用した生産性向上や、AI・機械学習の活用の可能性がある場合、必要に応じてこのような仕組みをご検討されてはいかがでしょうか。

食品製造業は生産性向上が急務

 さまざまな業種業界でIoT・AI (人工知能)の導入が進んでいます。製造業では工場のスマートファクトリー化による自動化・省力化、経営課題の解決や生産性の向上が主な狙いです。

食品製造業の場合、他業種と比較して労働力不足・労働生産性が低いことが課題とされおり、機械化・IoTやAIなど先端技術を活用した生産性向上が急務とされています。

データ活用による生産性向上

 農水省では「食品製造業等の生産性向上」が取り組まれており、ロボット、AI、IoT等の先端技術を活用した食品産業の生産性向上が推進されています。

食品工場はこの蓄積されたデータを活用することで、生産性の向上や、いままで不可能だった課題解決が期待されています。

これを実現するためには、必要に応じで自由にデータ活用ができる環境整備が重要になります。

食品工場で進むデータ活用

 富士電機が調査した「食品製造業におけるIoT/ITの利用動向調査」では、IoT/ITで収集・取得したデータを利活用しているという回答は76.3%となりました。

IoTの普及を背景に、食品工場でもデータの取得段階から、活用段階に進みつつあると言え、今後もこの傾向は続いていくと考えられます。

食品製造業におけるIoT/ITの利用動向調査の調査データ
グラフデータ
・積極的に活用している 19.4%、 ・ある程度活用している 56.9%、 ・まだ活用していないが、今後活用を検討している 10.8%、 ・必要性は感じているが、活用していない 8.6%、 ・活用する予定はない 3.2%、 ・わからない 1.1%

データ活用の課題は「データ品質の確保」

 総務省の令和2年版 情報通信白書によると、データの利活用に関する課題・障壁については、「データの収集・管理に係るコストの増大」や「データを取り扱う(処理・分析等)人材の不足」が上位にあげられています。

また、同白書では海外企業と比較してデータ活用が進んでおらず、デジタルデータのさらなる活用するためには、データのフォーマットのばらつきや品質の確保が必要であると指摘されています。

なぜなら、AIや機械学習など、高度なデータ活用を進めるためには、大量データ(ビッグデータ)を蓄積し、データ品質を確保し、さまざまなデータを統合的に利用できることが前提となるためです。

では、なぜデータの利活用が進む一方で、データフォーマットを統一することが難しく、データ品質の確保ができないのでしょうか。

なぜ、データ品質の確保ができないのか

 データのフォーマットのばらつきや品質が確保できない原因には、以下のようなことが考えられます。

データ名称の違い

 同じデータであっても、設備やシステム毎にその名称は異なります。すべて同じメーカから設備やシステムを導入したとしても、データ名称を統一するのは容易ではありません。

導入時期の違い

 企業の設備投資は一度に新規設備の導入・更新することはほとんどありません。新旧規格をもつ設備が増えていき、同じメーカの製品であったとしてもデータ項目にばらつきが出てくることになります。

データの保存形態違い

 例えば点検は紙、Excelデータ、設備やセンサーからのデータはCSVやPDF、経営管理データはRDBなど、データの保存形態がばらばらであるためデータの利活用が容易ではありません。

 これら原因への対策としては、工場内のデータを一元管理できる仕組みを構築する必要があり、データの収集・管理に係るコストを低減し、データを取り扱う人材の不足の解消することが目的です。

データ統合基盤とは

 データ基盤とは、データ分析などに利用するさまざまなデータを蓄積・保管し、必要の際にデータを参照できるシステムのことです。

IoTの普及にともない、大量データの蓄積・利用が進み、次の活用ステージであるAI、機械学習や深層学習などの実用化が進んでいます。

これらを活用するためにデータ基盤が必要になります。データの収集や蓄積、分析や可視化などの機能を有しており、データ収集・蓄積・管理を効率化することを可能にします。

食品工場のデータ基盤を実現するための「MainGATE/PPA」のご紹介

 このデータ基盤を実現するのがMainGATE/PPA (Process Performance Analyis)です。経営管理、工程管理、品質管理などの管理区分に応じ、製造現場データを様々な切り口で利用可能になります。

データ基盤を構築することで、データの精度や粒度が設備・工程単位でばらつきがなくなり、最適な解が見いだせないという課題を解消し、食品工場のスマートファクトリー化、AI・機械学習など最先端技術を活用するための環境整備を可能にします。

MainGATE/PPAのシステム構成イメージ

これにより、例えばグラフや表による様々な分析機能を使ったレポートの作成や、製造工程と,非同期に発生する実績データ(在庫・品質検査データ等)を,製造番号や発生時刻等と関連付けて収集し,トレーサビリティを実現するなどが容易になります。

この他、品質傾向管理、工場操業管理、品質要因分析、製造ロット毎の各工程通過経路(工程/設備)の把握、エネルギー管理、各種連続データの傾向・推移を監視・解析、や不定期イベント検索などの業務に適用することができます。

食品工場のデータ統合基盤のご提案

 食品製造業の生産性向上は急務であり、データ基盤を整備することは、労働力不足・労働生産性の向上を可能にすることをご紹介しました。またAIなど先端技術活用にはデータ基盤整備は必須です。

今後、食品工場のデータを活用した生産性向上や、AI・機械学習の活用の可能性がある場合、必要に応じてこのような仕組みをご検討されてはいかがでしょうか。

関連:予知保全によるコスト削減・IoT活用事例
予知保全によるコスト削減・IoT活用事例のイメージ
予知保全によるコスト削減・IoT活用事例。予防保全から予知保全へ保全方式を切り替えることで、メンテナンスコストの低減やいままで対応が難しかった異常値の検知ができるようになります。

予知保全によるコスト削減・IoT活用事例