検索

データとアナリティクスが製造業に新しいビジネス価値をもたらす


製造業を中心にIoTが関心を集め、自動車業界では自動運転などの先端技術が話題になっているが、現実はどこまで進んでいるのだろうか。またこれらを活用あるいは実現化する取り組みに、テラデータはどのように貢献しているのだろうか。インダストリーコンサルタントとして、製造業や流通、通信業界でビジネス変革を支援している村松孝浩と、国内外の自動車業界全般に携わる栗田昭裕に話を聞いた。

自動運転の現状とそれに関わるテラデータの取り組み

--製造/自動車業界で現在ホットなテーマは何でしょうか。また、その分野でテラデータはどのような支援をしているのでしょうか。

栗田 :自動車業界であれば、自動運転でしょう。また、取り組みが活発なのは、テレマティクス・サービスとそのデータを利用したPredictiveMaintenance(予知保全)ですね。 自動運転には2種類あって、1つは周囲の自動車との連携による協調型です。相互のデータ通信とそれに基づく制御が主な技術になります。もう1つは自律型で、車輌単独での自動運転です。こちらは刻々と変わる状況を自力で判断する必要があって難しい。判断の元になるデータを、テラデータが提供するプラットフォームで分析して、制御のためのアルゴリズムを作り上げていくことになります。

村松 :この場合の「判断」とは、危険ゾーンなら先に減速しておく、人が飛び出したので急停止するというようなことです。我々がしていることは、「先に減速」というような自動車をスムーズに動かすアルゴリズムの開発を支援することです。

栗田 :「人が飛び出した」など、瞬時に判断すべきことは自動車側のセンシング技術と分析処理で実現します。自動運転の実現にはこの両輪が必要です。

--自動運転については、現時点ではどこまで進んでいるのでしょうか。

栗田 :まだ研究段階で、製品レベルではADAS(先進運転支援システム:運転の快適性や安全性を高めるためのシステム)が中心です。これはユーザーから見た自動車の魅力を高めることにも繋がっています。 自動車業界では、カーシェアリングの普及で売上が減るのではという危機感が強まっています。このためにも、実際の走行データをビッグデータとして活用して、製品開発にフィードバックする必要があります。ここはテラデータが最も力を発揮できる分野の1つです。

ダウンタイムを削減できるだけで利益につながる

--Predictive Maintenance(予知保全)に関連する取り組みについてはどうですか。

村松 :例えば、列車、建機、トラックなどの“働くクルマ”では、ダウンタイムの削減が大きな課題です。テレマティクスにより、センサーデータがリアルタイムに収集できるようになりました。この大量のセンサーデータを分析することで交換部品や故障個所を予測したり、特定することが可能です。この分析をテラデータが支援しています。 具体的には、ディープラーニングを活用して、センサーの波形から故障箇所を予測・特定してメンテナンス要員に知らせるといった取り組みをしています。働くクルマそのものに限らず製造設備も電子化・複雑化しており、メンテナンス要員の習熟速度よりも技術進化の方が早い。そこで、このような取り組みが必要なのです。これは、メーカーにとってはコストの削減に、ユーザーにとっては可用性の向上に寄与します。

栗田 :ダウンタイムを削減するだけで利益が出るのは、工場も“働くクルマ”も変わりません。この実現のためには、IoTが大前提です。昔は、最初に故障に気がつくのは機械の傍にいる、ある程度経験を積んだ人だけでした。今は、センサーが常時監視し、データが蓄積され、そしてその分析が人の代わりを務めます。製造業においては、突き詰めればIoTとビッグデータ分析が最も重要だと言っていいでしょう。

膨大なセンサーデータを分析して、ダウンタイム削減を実現

--Predictive Maintenance(予知保全)で大きな効果が出た事例はありますか。

栗田 :海外の製紙機械メーカーの事例があります。機械を構成する消耗部品について、部品の摩耗や劣化を正確に予測することで計画停止の間隔を適正化でき、ひいてはメンテナンスのコストを削減できます。また、このメーカーでは摩耗のメカニズムそのものを分析し、消耗部品そのものの寿命を延ばすことに繋げました。これには大量のセンサーデータを統合した上で、高速かつ簡単に分析する必要があり、テラデータはその支援を行っています。 今では、このメーカーは製紙機械の稼働保証に軸を置く、長期に亘るサービス契約をお客様に販売しています。つまりダウンタイムの削減を、サービスとしてマネタイズしているのです。

--日本の設備機械メーカーでも同様のマネタイズを実現している事例はないのでしょうか。

村松 :日本ではノウハウに課金する文化が乏しいので、同様のマネタイズは現時点ではなかなか難しいでしょう。製品にバンドルして、稼働率保証という付加価値を価格に含める形が現実的かもしれません。

栗田 :機械のメンテナンスではなく機械の稼働率を提供する様なサービスは、新しいビジネス価値を創出ことでもあります。テラデータが貢献できるところかと思います。

知見、体制、ユースケースがテラデータの強み

--ビッグデータ、ディープラーニング、AIといったキーワードが話題になる中で、テラデータが貢献できることは何でしょうか。

村松 :これらの言葉が一人歩きする中、経営者は成功事例を見て、現場に何らかの取り組みをせよと指示します。しかし、現場にとっては目先の課題解決が先決なので、単なる業務改善になってしまいがちです。データを使って新規ビジネスや新サービスを開発するといった戦略的ゴールを持つ企業はまだ少ない。

栗田:実現したいことの要素技術は何で、自社に足りないのは何かを把握できれば、どういうデータが必要かも分かってきます。必要なデータを明確化し、それらをどのように活用するかといった、具体的な施策に落とし込むための支援がテラデータにはできます。

村松 :製造業だけではなく多業種のユースケースがあり、それを横断的に活用できるのがテラデータの強みです。

--AIやディープラーニング、機械学習に関して、国内ではどうでしょうか。

村松 :設備の故障原因を判別するためにディープラーニングを活用している事例が出てきています。また機械学習の事例であれば、これは既に多数あります。

テラデータには知見を持つデータサイエンティストと様々なツールの選択肢があるので、お客様と相談しながら、機械学習やディープラーニング等の選択肢から最適なソリューションを探ることができます。

ビジネス価値の創出のためには

--インダストリーコンサルタントとデータサイエンティストの役割分担はどうなっていますか。

村松 :我々はデータを分析してモデルを作るわけですが、完璧なモデルがすぐにできるわけではなく、徐々に精度を上げていく必要があります。そのためには、お客様とインダストリーコンサルタント、データサイエンティストの三者が話し合いながら進めていく必要があります。三者の真ん中でコーディネート役を果たすのがインダストリーコンサルタントです。

栗田 :ビジネス上の価値は分析だけでは創出できません。分析の結果をどう使うかではじめて創出されます。そもそもお客様の多くは、自社で何ができるかが分かっていません。分析して初めて分かることが多い。その上で何がしたいかを決めるのにも、具体的な実現方法を考えるのにも支援が必要です。インダストリーコンサルタントとデータサイエンティストがお客様と協働する体制を用意できるのがテラデータの強みです。

村松 :様々な企業での経験による知見があるので、何をしていいか分からないお客様に対して、こちらから様々なアイデアを提供できます。

栗田 :価値として何を求めるかは、お客様によって違います。収益向上なのか、品質向上なのか、ブランド力向上なのか、目的によって分析手法も変わってきます。業務プロセス改革にも、次世代の商品開発にも、我々は寄与することができます。

--どのような方がテラデータを最も良く活用できるのでしょうか。

栗田 :データの価値は理解しているが、利用するための手がかりが分からないという方はぜひ相談して欲しいですね。世の中には多くの情報がありますが、自分の課題にすぐ使えるようなものが見つからないという方が気軽に声をかけてくれるとよいと思います。

村松 :ビジネス部門にいて、データを使えば必ず何らかの改善できると強く信じている方も相談していただきたいですね。そのような方々はデータを扱った経験があるので分析のスキルもお持ちですが、それでも扱いにくいデータが存在します。そのようなデータをハンドリングすることに関して、我々はスピード感のある対応ができます。

※本ブログは2017年5月発行Teradata Magazine Japan Special Edition 2017のインタビュー記事を掲載しています。