抜粋版ファクトリーiotossforum.jp/jossfiles/20171025...

1

2017/10/30

1

Confidential

COPYRIGHT © 2017 MITSUBISHI ELECTRIC INFORMATION SYSTEMS CORPORATION ALL RIGHTS RESERVED

2017年10月25日三菱電機インフォメーションシステムズ株式会社

⼩林敦

ファクトリー IoT日本OSS推進フォーラムビッグデータ部会

Bigdata/IoT/AI 時代におけるテクノロジー＆ビジネスを考える

〜工場の現場には、まだまだやることがある〜

本書に記載されている会社名、製品名は、それぞれの会社の商標又は登録商標（商標出願中）です。

配布用抜粋版

2

Confidential


近年、IoTやビッグデータの事例が氾濫しているが、過去の事例や、従来からの取り組みをIoTやビッグデータに当てはめて語るだけでは、経済的価値は無い。

・⾒える化・品質向上・異常検知・遠隔保守・設備保全・トレーサビリティ

新たなコンセプトを得ることの意味は、新たな発想、新たな枠組みでビジネスを創造するところにある。製造業においても、IoTやビッグデータをきっかけに、モノとITの関わりを深く考えることで、新たな価値創造を目指したい。

このプレゼンの趣旨このプレゼンの趣旨

IoTやビッグデータの導入を第一義としてしまうとROIの問題を克服するのが困難。⇒PoC(Proof of Concept) が本格的な商用導入に

繋がっていかない。

2

2017/10/30

3

Confidential


垂直統合（製造マネジメント）製造現場と経営を統合

水平統合（ﾗｲﾌｻｲｸﾙﾏﾈｼﾞﾒﾝﾄ）製造現場と開発・設計、アフターサービスを統合

製造業のデジタル化製造業のデジタル化

4

Confidential


（製造実行システム）

製造実績

計画層（経営計画システム）

販売計画

製造指示

生産計画

実行層（製造実行システム）

ERP

MES

制御層（生産現場）

何を作るか

どうやって作るかどのように作られたか

何が作られたか

製造指示製造指示実績収集実績収集

品質管理品質管理設備保全管理設備保全管理

トレーサビリティトレーサビリティ工程進捗管理工程進捗管理

製造プラットフォーム■ERP×MESの融合・MESが把握する生産の実態をきめ細かくERPに反映(製造モデル化）

・テンプレート化とユーザノウハウ組込によるスムーズなシステム構築

■製造業のお客様における課題解決・急な状況変化への対応・設備稼働率向上・品質・生産性確保・データ収集・入⼒コスト・製造トレーサビリティ

■MESとFAとの連携・システム構築コスト・メンテナンスコスト

製造業のデジタル化（垂直統合）製造業のデジタル化（垂直統合）

3

2017/10/30

5

Confidential


• 3Dプリンタ• 評価データの蓄積• シミュレーション

・不具合の分析・フィードバック

調達販売・物流・サービス• 生産予想• 在庫計画• 価格管理

• シミュレーション（物流ルート、コスト、為替）• モニタリング（物流稼働率、生産稼働率）

• 自動梱包／出荷• 個体認識・トレーサビリティ• 出荷管理・受注予測

• 市場情報の収集• 傾向予測

• 3Dデザイン• AR/VR• シミュレーション

・信頼性・工作性

• 自動化、知能化• モニタリング• 品質保全、フィードバック • 寿命予測

• 傾向管理• 予防計画

• 設備予防保全• 消費エネルギー管理

生産・製造

サプライチェーン

エンジニアリングチェーン製品設計工程設計運用・保守

デジタル空間の活用で各工程の効率化・期間短縮への期待

製造業のデジタル化（水平統合）製造業のデジタル化（水平統合）

6

Confidential


セル工程モジュール工程パック工程

PLC

IT

FA

事例）EV向けバッテリーの量産ラインの統合事例）EV向けバッテリーの量産ラインの統合電気⾃動⾞用リチウムイオンバッテリーの量産基盤をERP/MES/FAモデルで実現

製造現場

MES製造実⾏システム

製造実績収集

製造指示

マスタ管理

稼働状況監視

作業者管理

入出庫実績入入出庫実績入⼒機能

設備保全

工程進捗管理

品質管理

MES（MELNAVI-AP）

MES-設備（統合PLC）連携

トレーサビリティ

トレーサビリティDB

データ連携データ連携

ERP業務計画システム

SAP ERP

BOM部品管理システム

SAP PLM

SAP ERP-MELNAVI連携

M-BOM連携

ERP構築テンプレートMELEBUS生産計画に

関するSAP ERPの様々な画面を1画面に集約

内示/確定受注データ（EDIによる受信）

内示/確定受注データ（EDIによる受信）

在庫所要量⼀覧（MRP実⾏結果）

在庫所要量⼀覧（MRP実⾏結果）

データ登録ツールMALSY

英国英国

北米北米

ポルトガルポルトガル

中国中国

グローバルテンプレート展開

計画独⽴所要量登録（日別の生産計画登録）

計画独⽴所要量登録（日別の生産計画登録）

生産設備が「繋がる」ことで、製造現場が「デジタル化」される。CPS、Digital Twin、Industrie4.0への第⼀歩。

4

2017/10/30

7

Confidential


委託元（物品販売）

設備メーカー設備メーカーデータ

蓄積＆解析

IoT・・・

・・・

データの提供・生産状況把握・品質確認

3

データの自社利用• 予知保全• 保守計画最適化

1

データのフィードバック・設備稼働効率化・生産品質安定化

2

事例）出荷製品をIoT化して稼動データを収集事例）出荷製品をIoT化して稼動データを収集３方面でのデータ活用の検討。機器の稼動データから、生産委託先の現場の状況を把握できる可能性。

IoTIoT

生産委託先（工場）

物品納入

生産委託

8

Confidential


モノから上がってくるオペレーションデータは、全社共通の情報資産。セキュリティ面、信頼性面、性能面などを考慮し、基盤を固めて利用促進。

営業部門

製造部門企画部門

保守サービス部門在庫管理部門

開発・設計部門

IoTとビッグデータ基盤の提案（１）IoTとビッグデータ基盤の提案（１）

ビッグデータ基盤製品

生産設備

モノを繋げると従来は得られなかったデータが集まってくる。

5

2017/10/30

9

Confidential


ビッグデータ基盤

成形成形加硫加硫検査検査

複数工程トレース

複数工程トレース品質管理品質管理故障管理故障管理

ソース別に集計ソース別に集計

目的別に集計目的別に集計

工程、工場に跨って生産データを集積

押出押出

IoTとビッグデータ基盤の提案（２）IoTとビッグデータ基盤の提案（２）

多面的な集計・分析により、新たな気付きを導き出す

生産設備

生産実績だけでなく、途上の加工データも含めて収集。

10

Confidential


データソースデータ収集・検知ビッグデータ蓄積・貯蔵・その他

高速化キャッシュ/スケールアウト

データ分析

分析用データ

解析ツール

Apache Hadoop MapReduceApache Hadoop YARNApache MesosApache SparkApache Tez

並列分散処理Apache ManifoldCFApache Nutch

クローラ

Apache SqoopTalend

データロード

Apache FlumeApache KafkaFluentd

収集

Apache S4Apache Spark

StreamingApache StormEsperDrools Fusion

CEP

Apache Hadoop HDFSCephGlusterFSLustre

データ蓄積ファイルシステムMlibJubatusHivemall

機械学習

R言語統計解析

PentahoJasperReports

BI/BAツール

HinemosZabbix

運用管理/監視

MySQLPostgreSQL

定型業務RDB

※OSSで著名なものはない

DWH/ﾏｰﾄﾚｽDB

Webデータ

売上情報など

センサデータ

システムログ音声画像

構造化データ（業務RDB）

非構造化データ

Apache Sqoopデータロード

VoltDB

インメモリDB

Apache Cassandra MongoDBApache Hbase RedisInfinispan Riak Neo4j

インメモリDG/分散KVS/グラフDB

ElasticSearch全⽂検索エンジン

MIT KerberosOpenLDAP

セキュリティ/認証

Apache DrillApache HiveApache Spark SQLImpala

準リアルタイムクエリ

ディープラーニング

CaffeChainerCNTKDeeplearning4jDSSTNEPredictionIO

TensorFlowTheanoTorch7

ビッグデータ基盤を構成する機能

出所︓「2016年度版ビッグデータ関連ソフトウェアの動向調査」、2017年2月15日、日本OSS推進フォーラム・ビッグデータ部会

6

2017/10/30

11

Confidential


データソースデータ収集・検知ビッグデータ蓄積・貯蔵・その他

高速化キャッシュ/スケールアウト

データ分析

分析用データ

解析ツール

Apache Hadoop MapReduceApache Hadoop YARNApache MesosApache SparkApache Tez

並列分散処理

Apache ManifoldCFApache Nutch

クローラ

Apache SqoopTalend

データロード

Apache FlumeApache KafkaFluentd

収集

Apache S4Apache Spark

StreamingApache StormEsperDrools Fusion

CEP

Apache Hadoop HDFSCephGlusterFSLustre

データ蓄積ファイルシステムMlibJubatusHivemall

機械学習

R言語統計解析

PentahoJasperReports

BI/BAツール

HinemosZabbix

運用管理/監視

MySQLPostgreSQL

定型業務RDB

※OSSで著名なものはない

DWH/ﾏｰﾄﾚｽDB

Webデータ

売上情報など

センサデータ

システムログ音声画像

構造化データ（業務RDB）

非構造化データ

Apache Sqoopデータロード

VoltDB

インメモリDB

Apache Cassandra MongoDBApache Hbase RedisInfinispan Riak Neo4j

インメモリDG/分散KVS/グラフDB

ElasticSearch全⽂検索エンジン

MIT KerberosOpenLDAP

セキュリティ/認証

Apache DrillApache HiveApache Spark SQLImpala

準リアルタイムクエリ

ディープラーニング

CaffeChainerCNTKDeeplearning4jDSSTNEPredictionIO

TensorFlowTheanoTorch7

三菱電機インフォメーションシステムズのパートナ戦略、OSS戦略

ビッグデータ基盤を構成する機能

12

Confidential


収集コントローラ

工程毎のデータを集積して横断的に分析可能に

⻑期保存による時系列分析、経年分析

トレーサビリティの確保

エッジ側でのモデル化特徴量等を抽出した上で

データレイクにアップ

分析結果をもって、新たな監視・検知モデルを導き出す

IT領域（情報処理）

FA領域（リアルタイム制御）

生データ特徴量データデータ切り出し情報（イベント）

市販の分析ツール・BIツール（マクロ分析と詳細分析）

ITとFAを摺り合わせて、新たなモデルを現場の制御に適用

エッジ側でのリアルタイム分析

分析に必要なデータをプログラムレスで上げる

（データレイク）

生産技術による差別化を目指して生産技術による差別化を目指して

7

2017/10/30

13

Confidential


組織⼒学

経営層「わが社でも、IoTやビッグデータの活用を検討せよ」

データ収集・活用を主導する部門に関して、単純集計データを⾒ると、「経営者・経営戦略部門」は29.6％である一方で、「製造部門」は44.8％、「情報システム部門」は7.8％であり、それらを合計すると、過半の52.7％が現場サイド主導でのデータ収集・活用を⾏っている。

出所︓2017/6/6、経済産業省「2017年版ものづくり⽩書」、P40、http://www.meti.go.jp/report/whitepaper/mono/2017/honbun_pdf/index.html

図︓データの収集・活用の戦略・計画を主導する部門

現場は、⾃分達の周辺領域で必死に考える。（ここから、ズレが始まる）

14

Confidential


製造現場におけるIoTとビッグデータへの期待

基幹系システムとは別の、情報系システムとしての期待。まずは、目先の課題解決への期待。

■品質向上・製造の最適化（新たな視点・方式でのカイゼン）

■異常検知・予兆検知（⼩さな変化から、⼤きな異常を⾒つける）

■設備保全（タイムベースからコンディションベースへ）

■匠の技の継承（熟練技能者の高齢化対策）

8

2017/10/30

15

Confidential


現場では、データの活用目処が⽴っていない場合が殆ど。

現場の状況現場の状況

まずは、繋いでみませんか。溜めてみませんか。⾒える化しませんか。

ROIの⾒通しが⽴たないのに投資することは出来ない。どんなビジネスになるのか、どんな分析結果が出るのか。

提供者側（ｼｽﾃﾑｲﾝﾃｸﾞﾚｰﾀ）お客様

16

Confidential


■ 工場内の設備を繋ぐ

- 導入コストの問題（FAのコスト感覚 ⇔ ITのコスト感覚）

- 現場のヒトの動きも重要な分析対象であり、モノだけ繋いでも不⼗分

- 各設備や工程の隙間になっている、中間在庫や仕掛品への考慮も必要

- 現場の最適化やトラブル対処は様々であり、完全自動化は困難（ヒトの判断が不可⽋）

現場の「繋いで溜める」インセンティブ現場の「繋いで溜める」インセンティブ目先の課題は、

・リードタイム短縮・品質向上・仕掛削減、在庫削減

9

2017/10/30

17

Confidential


■ ⾃社製品を繋ぐ

- 製品の価格競争⼒への影響（IoT化のコストは誰が負担するか）

- どうせ保守員が現地に⾏って修理するので・・・

- 既存の販売ルートとの関係（B2B2C）

従来の製造業は、（極端には）モノを売ったら終わり。IoT時代の製造業は、モノが消費者に渡った時から、消費者との対話が始まり、情報が集まり始め、そこからビジネスが始まる。

現場の「繋いで溜める」インセンティブ現場の「繋いで溜める」インセンティブ

18

Confidential


現場のPoC（ありがちな結末）

■品質向上の方法が分かって良かった。（制御の安定化を目指すPoCは、制御モデルが確⽴できれば終わり。）

■確かに、⾒える化は出来た。でも、⾒えるだけでは投資出来ない。（状況が⾒えたことで、次の欲が出てきた。）

■繋がることは解った。情報の活用方法については、今後ゆっくり考える。（有用な情報が存在しないことが解った。）

■データは「ビッグ」でなかった。例）160項目×64Bits×毎秒5回のセンサーデータ ⇒年間182GBytes

あくまで一般論

10

2017/10/30

19

Confidential


No. プロダクトのIoT（出荷後の保守）

ファクトリーIoT（出荷前の品質向上）

業務改善（PSI・サプライチェーン）

1 インテル全てのチップを出荷前にテストするが、ビッグデータを活用することにより、製品の品質を保証する為に本当に必要なテストを⾒極め。テストに必要なコストを⼤幅に削減。 ●（半導体）

2 HP 製品から送信される⼤量のテレマトリーデータを解析。製造中に得たデータと出荷後のパフォーマンスを⽐較・分析。故障の予兆があれば能動的にメンテナンスを提案。 ○

3 GM 自動⾞のセンサー情報から、出荷後のパフォーマンスや故障率をモニタリング、継続的に品質改善。また、ディーラの需要予測から工場の生産を調整。 ○ ○ ○

4 サムソンお客様の工場のオペレーション効率化。センサー情報をもとに、品質低下の原因となっている製造ラインや機器の特定、異常の検知や、故障可能性が高い箇所の予測等。 ●

5 富士ゼロックスコピー機のパフォーマンスデータに基づき、故障の検知や予防保守を実施。故障を引き起こしやすいパーツの⾒直しや、製造プロセスの改善も実施。 ○

6 レイセオン製造過程において、各プロセスが適切に完了していなければ次のステップに進めない等。出荷製品からのデータも取得し、製造データと実際のパフォーマンスを分析して品質向上。 ○ ○

7 ハーレーダビッドソン工場の塗装過程で、湿度や温度といった塗装品質に影響し得るデータが既定値を超えるとソフトウェアが検知し、作業場の環境を最適に自動で制御。 ●（塗装）

8 OU Kosher ⾷料品の認証機関。製造プロセスを監視し、認証。センサーを用いて膨⼤な数の工場でポリシーに反した原材料が使われていないかをモニタリング。使用があった場合は代替の原材料を提案。 ●（⾷料）

9 3M 社内組織の各所に点在していたデータを一箇所に集め、意思決定を支援。１つの事実に基づいてコミュニケーションを⾏うことで意思決定の精度が向上。製造現場においても、異常検知や問題の事前予期など。 ○

10 ダイムラー製造現場、⾞両、サポートサービスという３つのポイントから収集されるデータで問題を分析・改善。⽋陥を起こしそうな部品や素材を早期に発⾒して改善を⾏うことで、偶発的なコスト発生の予防、ひいては故障が少ない⾞を提供。 ○ ○

事例分析（１）

出所︓2017/04/27 ハイクラスIT、ITコンサルのための情報サイト ITiger 「製造業におけるビッグデータの活用事例20選」http://itiger.jp/case/545.html

「製造業におけるビッグデータの活用事例20選」

※ PSI: 生産計画（Production）、販売計画（Sales）、在庫管理（Inventry）

↓単独のものは⿊丸

20

Confidential


No. プロダクトのIoT（出荷後の保守）

ファクトリーIoT（出荷前の品質向上）

業務改善（PSI・サプライチェーン）

11 フォードグローバルに点在していたデータを、統合的で部門横断的に活用できるデータ分析プラットフォームを構築。部品の製造トレース、リコール時の対象の限定、顧客のフィードバックを即時製造現場に反映など。 ○ ○

12 フリースケールセミコンダクタ

世界中の製造工場や拠点のデータをデータウェアハウスに集約し、全社的な業務システムとデータハウスを有機的に結びつけ、歩留り分析、サイクルタイム分析、生産性分析、返品分析など生産性向上を実現。 ●（半導体）

13 グラクソスミスクライン

データベースの一元化でより効果的なビジネス分析とそのスピードアップによる競争⼒の向上、そしてIT部門でも法制度の変更やオペレーションの変更時に、必要なシステムやデータベースの修正作業が⼤幅に限定されコストを⼤幅に削減。 ○

14 ナビスタートラックの⾞載センサーデータを分析し、メンテナンス時期を把握する等の運用管理コストを低減、問題箇所の把握と製造へのフィードバックによる品質改善、修理の必要状況を把握し、修理工場リソースを調整。顧客満⾜度を向上。 ○ ○

15 ピングゴルフクラブを受注後48時間以内に製造・納品する為にビッグデータを活用。注⽂を受けてから材料の調達や製造ラインの⼿配を⾏うのではなく、顧客の過去の注⽂傾向や市場の動向、問い合わせ状況等から予測して先回り製造。 ○

16 ボルボ 80-90%の⾞両が顧客の了承を得てインターネットに接続されたコネクテッドカーとなっており、データを収集。データドリブンな改善を軸に、製品デザイン、品質、コスト削減、顧客満⾜の向上を全社的に推進。 ○ ○

17 ボーイング航空機のエンジンやブレーキに搭載されたセンサーの情報を分析し、故障が発生しやすいコンディションの特定・回避、故障予測によるメンテナンスの早期化など。製造現場にもフィードバックし、製造プロセスの改善や品質向上も。 ○ ○

18 ユニクロビッグデータを活用した予測型のサプライチェーンマネージメントで、製造や調達といった全社の各機能がリアルタイムな予測に基づいて自発的にアクションが可能で、並⾏的な商品開発が可能な製造体制を構築。 ○

19 ホンダ電気自動⾞のバッテリーから送信されるデータを収集して品質改善。⾛⾏環境や使用状況に応じたパフォーマンスの変化を常時把握する事でバッテリー性能の改善に繋げる。 ○ ○

20 シーメンスデータドリブンな意思決定が可能な、サプライチェーンマネージメントシステムを製造業向けに提供。ユーザは自社のサプライチェーン上で何が起きているかをダッシュボード上で即座に把握、問題の解決に必要な分析を瞬時に実⾏。 ○

件数 9 13 7

事例分析（２）

出所︓2017/04/27 ハイクラスIT、ITコンサルのための情報サイト ITiger 「製造業におけるビッグデータの活用事例20選」http://itiger.jp/case/545.html

「製造業におけるビッグデータの活用事例20選」 ↓単独のものは⿊丸

11

2017/10/30

21

Confidential


事例分析

■ ３つの分類の中では、やはり「ファクトリーIoT」が最多。

■ 単独の「ファクトリーIoT」は少ない。他の「プロダクトのIoT」や「サプライチェーン・PSI」との組み合わせで価値を生み出している。

■ 単独の「ファクトリーIoT」は、ディスクリート系（組み⽴て系）よりも、プロセス系が多い。

22

Confidential


「つながる工場」の意味

日本の製造業にとって、工場の現場の品質向上は常に最優先課題であり、そのために現場の操業をデジタル化するところは本質的。しかし、生産設備を繋ぐ発想の延⻑上に価値創造はなく、ROIの説明も困難。

当たり前だが「つながる工場」の意味は、工場の中で設備が物理的に繋がるところではなく、工場の操業が外部のモノ・コトと繋がって価値を生み出すところ。

必ずしも排他的ではない。但し、インセンティブの所在が異なる。

12

2017/10/30

23

Confidential


プロセス系とディスクリート系

ビッグデータ分析が品質向上に資するケースは、プロセス系ラインにはありうる。ここにはROIが確保できる可能性がある。

出所︓Dynamics365チャンネル「プロセス製造とディスクリート製造の違い」、Dynamics365編集部、2017/8/16https://www.cloudtimes.jp/dynamics365/blog/process-manufacturing.html

プロセス系

化学変化（アナログ的）

流体（常に変化）

多量の設備が連携して製造

例）燃料・半導体

ディスクリート系

組み⽴て・組み合わせ

個体

設備同士の関連性は低い

例）自動⾞・電⼦部品

24

Confidential


可視化

分析サービス設備群

サーバ

ルータ

スイッチ

FW

・・・

分析周期の高速化

通信事業者様納め設備ログ分析基盤

設備運用部門

・生ログの検索

・設備増設計画に利用・セキュリティ攻撃の検知・システム変更後の開通確認・トラヒック解析・障害の予兆検知

データの⻑期保存

データディスク1080本

LB

多量の設備が連携、相互に関連して動作するケース（当社例）

13

2017/10/30

25

Confidential


出所︓2012年11月30日、日本電信電話（株）篠原弘道氏、「グローバル時代のＲ＆Ｄ戦略」http://www.nict.go.jp/info/event/2012/12/pdf/Slide-data.pdf

日本の製造業は勝てるのか日本の製造業は勝てるのか

日本の製造業の価値観（品質が起点）品質を徹底的に高めることで、コストを抑え、納期を守る。良いモノを通じて利用者に利便性を提供。

IoT（モノのサービス化）と産業のデジタル化により、新たな競争の枠組みが持ち込まれている。

このイナーシャはなかなか止められない。

26

Confidential


『⼤⼿製造業は、自社内に生産技術や設備の専門部隊がいて、生産ラインの⼤半は社内構築する⼒をもっている。これは、ある意味で、我が国の製造業の強みでもあり、一方で、「つながる工場」を実現する上での障害にもなり得る。』

『これを機に、FAインテグレータ業界が、工場管理関連のソフトウェアなどのシステムインテグレータ、そしてコンサルタント業界などと一体となり、これまでなかった種類の連携のニーズと、海外展開などを視野に入れ、新たなグローバルビジネスを担う産業として発展する必要がある。』

出所︓一般社団法人日本機械学会・生産システム部門、『日本的な「つながる工場」実現へ向けた製造プロセスイノベーションの提言』、平成26年6月、P8-9

製造業のデジタル化

14

2017/10/30

27

Confidential


①技術検証レベルのPoC

②適用性評価レベルのPoC

③ビジネスレベルのPoC

システムの性能評価や接続性評価、GUIのプロトタイピングなど。

⇒ ITベンダとしては従来領域。

新技術が「業務上で使い物になるかどうか」⇒ 新技術をもって客先業務のIT化に

寄与する。

新たなビジネスモデルの成否の⾒極め⇒ 企業間の共創による新規事業の

創出につながる。

まず、我々が視点を引き上げる成功するPoCにするために

28

Confidential


提供者側も繋がる必要性提供者側も繋がる必要性

全社視点でカッチリと作る

基幹システム（ERP/MES）

現場のカイゼンを地道に積み

上げるFAシステム

不確定ながら価値創造を目指すIoT/ビッグデータ分析系

基幹業務システム構築とIoT/ビッグデータの融合垂直統合の名の下で

融合

品質向上の切り札として融合

15

2017/10/30

29

Confidential


工場（品質第⼀）■ 工務部門■ 生産設計部門■ 情報システム部門

本社スタッフ（全社統制で施策を推進）■ 事業企画部門■ 生産技術部門■ 研究開発部門■ 情報システム部門

現場のインセンティブ、本社のインセンティブを考える現場のインセンティブ、本社のインセンティブを考える

ﾌｧｸﾄﾘｰIoT

ERP

ビッグデータ

価値創造

製造業の全社に働きかけ、製造業を繋いでゆく。

SCM・PSI制御方式

製品のIoT化・サービス化

30

Confidential


製造業（完成品）

倉庫業

卸業⼩売業

輸送業

実際、ビジネスレベルの施策やPoCは、現場発では発想し難い実際、ビジネスレベルの施策やPoCは、現場発では発想し難い

製造業（部品）

製造業（素材）

宅配業

製造業の分界

消費者

企業に跨るデジタル化の困難さ

製造業の主眼はこちら

16

2017/10/30

31

Confidential


■「モノ」と「IT」と「業務の現場」の融合の促進。

■従来型ビジネスの成熟と、アイデアの枯渇。異業種交流により、新たなビジネスの可能性を高める。

■保有資源の相互補完。モノを保有する者と応用ノウハウを保有する者のマッチングにより、従来１社だけではやれなかったことが出来る。

■データを得られる者と欲する者のズレの解消により、データに新たな価値を⾒出す。

様々な共創様々な共創

32

Confidential


UsereXperience Backcasting

お客様

お客様

お客様

外部環境

社会動向

あるべき姿

デザインアプローチデザインアプローチお客様との共創で、人中心の発想から新たな価値を創造する。実際のサービスに結び付けるための絞り込み（ギャップ分析）が重要。

ユーザー視点で潜在ニーズを発掘

環境分析・将来予測分析などから、事業や製品のあるべき姿を描く

・技術的難易度・市場規模・差別化要素など

新たな価値

Gap Analysis

17

2017/10/30

33

Confidential


■品質第一という製造業の価値観は尊重すべき。品質向上への弛まない取り組みは、⼤切な入り⼝として活かす。

■しかし、品質向上だけではROIが確保できず、IT投資も⾏き詰る。IT投資が⾏き詰まると、将来の「製造業のデジタル化」「新たな価値創造」に繋がっていかない。

■現場の品質向上を起点としながらも、製造業の現場全体を外部と繋いでゆくのは、我々IT業界。まず、我々が全体感を持って、繋がる。そして、顧客の組織も繋いでゆく。

繋ぐのは設備・装置ではなく、組織、業務、業界･･･であることを忘れない。

日本的ファクトリーIoTの推進日本的ファクトリーIoTの推進

34

Confidential


「工場の現場には、まだまだやることがある」

だからこそ、そこだけに捉われてはいけない。モノ作りの現場を支援しつつも、全体感のある「製造業のデジタル化」を。

抜粋版 ファクトリーiotossforum.jp/jossfiles/20171025...

Documents

抜粋版ファクトリーiotossforum.jp/jossfiles/20171025...