月別: 2019年11月

こんにちは、マスターブラックベルトの津吉です。

ものづくりの現場にはデジタル機器がすっかり浸透し、今ではデジタル的なものづくりが普通になりました。みなさんの現場でもアナログ的なものづくりからデジタル的なものづくりへの移行、つまりDX（デジタル・トランスフォーメーション）は進んでいますか？今回はあるものづくりの現場で行ったDXの試みと、その利点について説明してみたいと思います。

現場からの依頼

事の始まりは、ある検査プロセスからの依頼でした。依頼内容は「製品の検査プロセスで不合格品が時々発生するので、製品が悪いのか、それとも検査プロセスが悪いのか、一度調べて欲しい」というものでした。

製品は兎も角として、なぜ検査プロセスまで調べなくてはいけないのか、その理由を改めて聞いてみると、「製品が一品一品異なるオーダーメイドなので、検査プロセスの設定や手順をその都度製品に合わせて変更しているから」とのことでした。

アナログ的な検査プロセス

そこでまず、現場のオペレータにこれまでの検査履歴を見せてもらいました。しかしオペレータが持ってきたものは、製品シリアルナンバーのリストが印刷された紙に、製品それぞれの合否結果が手書きで記入されたものでした。これだけでは何も分析ができないので、オペレータに「パラメータの設定値や測定結果など、他のデータは記録していないのか？」と尋ねると、「検査手順書通りにパラメータを設定しているので、特に他には記録はしていない」との返事でした。

仕方がないので、ここから検査プロセスのDXを始めてみました。

アナログデータの取得からデジタルデータへの変換

まずDXへの手始めとして、検査プロセスのデータをすべて記録してもらうようにオペレータに依頼しました。製品の測定データ、電圧や電流などのパラメータ設定データなど、検査の合否に影響があると考えられるすべてのデータです。もちろん検査結果の合否だけではなく、検査測定値も記録してもらいました。

この段階ではまだオペレータが手で測定し、取得したデータを手でパソコンに打ち込むというアナログ／デジタル変換ですが、検査が進むうちに分析に必要な十分な量のデジタル・データセットが揃ってきました。

デジタルデータの分析

データセットに記録されたレコードには検査プロセスで得たすべてのデータが製品シリアルナンバーごとに記録されています。このデータセットとソフトウェアを使って、まずは回帰分析を行いました。

回帰分析を行うことで、検査結果に影響を与えている主因子を見つけ出すことができました。また回帰分析で導き出した数値モデルを使って、検査プロセスの最適化を行ったり、検査測定値のバラツキを検討したりすることもできました（モンテカルロ・シミュレーション）。

結果とし、検査プロセスの不具合を発見したり、改善（最適化）したりすることが簡単に行えました。

DX: デジタル・トランスフォーメーション

当初の依頼の目的はすでに達成しましたが、さすがにオペレータが検査のたびに今後もいちいち手でデータを収集していては大変です（また人的エラーも発生します）。そこで検査プロセスから自動的にデータを収集する簡単なプログラムをPLC（プログラマブル・ロジック・コントローラー）を使って作りました。

自動収集したデータは社内ネットワークを通してデータセットに記録されるようになり、どこからでもデータセットにアクセスできるようになりました。ここまで来ると簡単なIoTシステムと言っても差し支えないと思います。

機械学習への応用

検査のたびに大きくなるデータセットを使って、機械学習も行ってみました。機械学習によって検査結果を事前に予測することで、複雑な検査プロセスを簡略化し、コストダウンとリードタイムの短縮が図れるかもしれないと考えたからです。実際にその手応えを掴みつつあります。

DXの効果

PLCとネットワーク、データ解析用のソフトウェアを組み合わせるだけで、簡単に検査プロセスのDXが図れました。それだけではなく、様々な分析も行えるようになり、検査プロセスの改善やコストダウンが行るようになりました。

機会があれば、皆さんの現場でもぜひDXをお試し下さい。きっと良い結果が得られると思います。