デジタルツインをリアルタイムデータに接続すべきとき、静的データで十分なとき

「まず統合から」がしばしば価値の実現を遅らせる理由

多くのプロジェクトは、最初のシミュレーションを実行する前に、すべての設備を接続しようと計画します。信号はマッピングし、クレンジングし、タイムスタンプを付けなければならず、古い設備には追加のハードウェアが必要です。この作業には何か月もかかります。

その間も、工場は意思決定を続けます。レイアウトは表計算シートで選ばれ、ロボットはサプライヤーのサイクルタイムをもとに発注されます。

もう1つの問題は、リアルタイムデータでは弱いモデルを補修できないことです。工程順序のロジックが間違っていたり、バッファのルールが現場と合っていなかったりすれば、リアルタイムのデータ連携は、間違った結果を新鮮に見せるだけです。まずモデルのロジックが正しくなければならず、それはエンジニアが1行ずつ読める静的データのほうが確認しやすいのです。工程表にある公称のサイクルタイムでも、出発点として役立ちます。モデルの出力を現場の実際の生産量と比べると、理論と現実の差が見え、その差が本当のボトルネックを指し示します。最低限必要なデータセットについては、工場シミュレーションを始めるには、どのようなデータが必要か？で説明しています。

何かを接続する前に問うべき5つの質問

統合を計画する前に、次の質問に書面で答えてください。答えの多くが左の列に当てはまるなら、今のところは静的データで十分です。

多くのチームは最後の質問を飛ばしてしまいます。リアルタイムのデータ連携には、責任者と、データが遅れて届いたときにどうするかのルールが必要です。

静的データですでに答えられること

DBR77の2つのケーススタディは、静的データで構築したモデルがどれだけの成果をもたらすかを示しています。

家電業界向けの樹脂射出成形メーカーは、ラインのいくつかの工程を自動化したいと考えていました。DBR77は、材料の流れと作業ごとのサイクルタイムから工場の一部のデジタルツインを構築しました。モデルによって、ボトルネックが1人目の作業者が行う手作業の工程にあることが分かりました。作業90秒に対して待機98秒です。これを見抜くのに、リアルタイムのデータ連携は必要ありませんでした。案の分析にかかったのは、わずか数日でした。

1シフトあたり平均800回のピッキングを行うHVAC（空調設備）メーカーは、倉庫からの材料の払い出しについて、より良い順序を必要としていました。シミュレーションは、現在の製造指図から数日で準備されました。更新するには、チームは改訂された製造指図を取り込むだけでよく、アルゴリズムが数秒で新しい解を見つけます。これは、材料や作業者が不足しているときに役立ちます。

2つ目の事例は、中間的な道筋を示しています。モデルは設備に接続されていませんが、計画が変わるたびに簡単な取り込みで更新されます。多くの工場にとって、これで日々のニーズはカバーできます。

リアルタイムデータが真価を発揮するとき

リアルタイムデータは、静的なモデルで本当のボトルネックが見えた後に進む、モデル活用の次の段階です。元を取れるのは、次の3つの状況です。

• 意思決定が繰り返される。チームがモデルを使って製品構成、シフト、人員配置を毎週計画するなら、毎回の実行は先週のラインの実際の動きから始めるべきです。リアルタイムデータは、実行と実行の間も、モデルのサイクルタイムと停止を現場と一致させます。
• 入力が変化していく。サイクルタイムがじわじわと伸び、ある設備が止まる頻度が増え、新しい工具で段取り替え時間が変わり、リアルタイムデータは次のレビュー会議よりも先にその変化を示します。
• 変更が稼働を始めたばかりである。新しいレイアウトやロボットが動き始めた後、リアルタイムデータはラインがモデルの示したとおりに動いているかを示します。そうでなければ、直すべきなのがモデルなのか現場なのかが分かります。

デジタルツインは変更を検証するために作られており、シフト向けの警報システムは別のツールです。アラートが目的なら、現場でIoTアラートが機能しない理由と、代わりに機能する方法をお読みください。データをどこで処理するかは別のアーキテクチャの問題であり、製造業におけるエッジとクラウドで解説しています。

一度にではなく、段階的に接続する

実践的な道筋には4つのステップがあります。

1. 1つの意思決定のために、静的データから始める。 レイアウトと工程のデータからモデルを構築し、1つの実際の変更について案を比較します。
2. 過去の実績で校正する。 モデルの出力を、ラインが実際に生産した量と比べます。両者の差は理論と現場が食い違う場所を示し、たいていそこに本当のボトルネックがあります。推定したサイクルタイムと停止率を、ログ、ERP、過去の設備データから得た値に置き換え、結果をラインを動かしている人たちと確認します。悪い週がどんなものかを知っているのは彼らです。
3. 結果を変える少数の信号を接続する。 通常は、ボトルネックとその周辺工程の状態とサイクルタイムです。40台の設備がある例示的な工場では、ボトルネック付近の3〜4つの工程が生産量を決めていることがあります。建屋内のほかのどのセンサーよりも先に、それらを接続してください。
4. 責任者と障害時のルールを決める。 データ連携が途切れたときに誰が直すか、データが遅れたときにモデルが何を使うか（例えば最後に承認された値）を決めます。

誰も責任を持たないモデルは、手作業でデータを入れていようとセンサーから取り込んでいようと、現場で最初の変更があった時点で工場と合わなくなります。役割についてはデジタルツインのモデルは誰が管理すべきか？で解説しています。

よくある質問

デジタルツインと呼ぶには、リアルタイムデータが必要ですか？

いいえ。デジタルツインとは、生産を時間の流れに沿って動かす工場のモデルです。新しい設備や新しいシフト体制など、工場が変わったときには、モデルの責任者が新しいデータや計測値をもとにモデルを更新し、そのバージョンが次の意思決定のベースになります。リアルタイムデータは後の段階です。モデルを定常的に使うようになり、そうした変更の合間にも工場の動きに追従させたくなったときに取り入れます。

静的データで構築したモデルは、投資判断に十分ですか？

はい。入力が実測され、単一の平均値ではなく範囲で入力されていれば十分です。レイアウトや投資の意思決定には案の公正な比較が必要であり、工程表とサイクルタイムの静的データはそれを支えます。

どの設備データから接続すべきですか？

ボトルネックとその隣の工程から始めてください。設備の状態、停止理由、実際のサイクルタイムです。これらの信号が結果を最も大きく動かします。残りは後回しでかまいません。

リアルタイムのデータ連携が途切れたらどうなりますか？

接続する前にそれを取り決めておいてください。よくあるルールは、モデルが最後に承認された値に戻り、欠落を明示するというものです。そうすれば、誰も欠けたデータや誤ったデータをもとに計画を立てずに済みます。

まとめ

リストにある次の意思決定を取り上げ、それがどのくらいの頻度で繰り返されるかを考えてください。年に1回の投資なら、レイアウト、工程順序、実測したサイクルタイムから今すぐモデルを構築します。チームが毎週再実行するなら、誰かがハードウェアを発注する前に、ボトルネック工程からのリアルタイムのデータ連携を担当する人を決めてください。

出典

• DBR77、ケーススタディ：自動化コンセプトの策定（本サイトの事例ページ）
• DBR77、ケーススタディ：倉庫からの材料の払い出し（本サイトの事例ページ）
• DBR77 Digital Twin、決定論的シミュレーションと確率的シミュレーションの比較