技術者KのPython道場 8.データ解析の活用事例3選 製造業編
こんにちは、技術者Kです。
前回までのPython道場の記事はご覧いただけたでしょうか？
前回は小売業界でのビッグデータ活用事例をご紹介しました。
まだ読んでいないという方は、ぜひご覧になってみてください！
今回は製造業界でのビッグデータ活用事例をご紹介したいと思います。
製造業界でのデータの活用と言われてどのようなものを思い浮かべるでしょうか。
例えば、近年では工場内の機械や設備、あるいはリリースした商品の不具合や故障のタイミングを予測する、予知保全に用いられています。
いつ不具合が発生するかや故障するかが分かれば、予め対策を練っておけるというわけですね。
この他にも製造業界では様々な形でビッグデータを活用しています。
データ分析がどのように経営課題を解決するかの例が気になる方はぜひ最後まで読んでみてください。
特に製造業でデータ分析を経営課題解決に役立てたいと思っている方は必見です！
それでは活用事例を見ていきましょう。
この記事の目次
日立造船
日立造船は全社的な経営情報の可視化をすることにより、受注予測につなげることができました。
日立造船では全社的な経営情報の可視化を目指していました。
可視化に取り組みやすい経営情報として4つ選ばれるのですが、そのうちの1つ「経営企画」のデータを可視化した成果についてご紹介します。
「経営企画」のデータを含む、選ばれた4つの経営情報は、いずれもExcelを用いて手作業で集計し、
紙の報告資料としてまとめられていましたが、紙の報告資料では詳細な情報を読み取れずに活用しきれていませんでした。
そこで日立造船ではこれらのデータを分析できるツールを導入しました。
そのツールを基に、各事業部門の受注に関するデータに着目し、業績と見込みを可視化することを目指しました。
その結果、様々な角度からグラフ化（可視化）することで、
経営者は実情が明確化されたデータを見て状況を判断し、将来を予測することができるようになったそうです。
また、それまで複数の担当者が1週間がかりで行っていたExcelでの集計作業が数時間で行えるようになり、
作業時間が1/10程度にまで減るという効果もありました。
これは、各事業の営業部門から送られてきたデータを経営企画部門の担当者が手作業で集計していたのが、
ツールによって、各事業の受注データをネットワーク経由で入力できるようになったためです。
データの可視化が経営者の意思決定に活用できただけではなく、データを集計する作業時間も大幅にカットすることができたのです。
ユニクロ
ユニクロは、ビッグデータを分析することで商品を開発するまでの時間を短縮することに成功しました。
かつて、ユニクロが商品を開発するまでには、素材調達、企画、デザイン、生産、物流、配送といった工程を
一つずつ進める必要があり、多くの時間を要していました。
アパレル業界はトレンドの移り変わりが非常に早いため、商品開発にかかる時間は売上に大きく影響します。
そこで、毎週の売上データ、スタイルの市場状況、各店舗の売上などのデータを収集、分析してネットワークで共有することにしました。
その結果、各工程を並行して進めることができるようになり、消費者が求める商品を早く開発できるようになりました。
他にも、トレンドを解析することで余分な在庫を発生させづらくすることができるようになり、
在庫の大量廃棄においても改善が見られたようです。
Intel
Intelはビッグデータから、製品の品質を保証するために本当の意味で必要なテストを見極めることができるようになり、
テストに必要なコストを大幅に削減できました。
Intelの製品の1つとして、パソコンに必要なICチップを集めたものであるチップセットがあります。
Intelはプロセッサーの製造にビッグデータを活用してきました。
製造されたチップは出荷前に品質検査を受けるのですが、その検査の数はなんと約19,000にも及んでいました。
そこでIntelは検査にかかる時間を短縮するために、製品としてリリースする前のチップの製造までに得られるデータを分析し始めました。
その結果、全てのチップに19,000もの検査を実施せずとも、特定のチップのみを検査すれば良いことが判明しました。
これによって、検査に要していた時間を短縮することができ、チップの製造コストを300万ドルも削減することに成功しました。
まとめ
今回は、製造業界でのビッグデータ活用事例をご紹介しました。
データを見える化することで経営者の意思決定に役立ったり、
そこから分析することで生産性の向上や生産コストを削減することができていましたね。
製品を製造すればするほど、生産性の向上や生産コスト削減の効果が響いてくると考えられるため、
製造業界ではデータを見える化して、分析することはかなり有用です。
今一度、データを多角的に視ることができるか、収集しているデータを活用することができているかをチェックしてみてはいかがでしょうか。