Get fresh updates from Hortonworks by email

Once a month, receive latest insights, trends, analytics, offering information and knowledge of the Big Data.

行動喚起

始める

クラウド

スタートのご用意はできましたか?

Sandbox をダウンロード

ご質問はありませんか?

クローズクローズボタン
行動喚起

Big Data in Manufacturing and
the IoT Connected Factory

クラウド Hortonworks is a leader. Read the Forrester Wave.

レポートをダウンロード

Make it smarter

Manufacturing is all about efficiency. Using connected devices and machine learning, manufacturers can now create efficiencies to make better products and be first to market.

詳細はこちら

データを、良質な製品と効率的なプロセスへと変換

現在では比較的安価なセンサーが収集でき、頻繁に製造サプライチェーン(デザインショップ、サプライチェーン、生産ライン、保証業務)の多数のステップに沿ってデータを送信します。Hortonworks DataFlow(HDF™)は移動中のセンサーデータをリアルタイムかつ安全に収集し、製造業者は問題が発生した場合、どこで発生しても迅速に特定します。Hortonworks Data Platform は旧式のプラットフォームには適合しなかったデータの履歴分析を可能にしました。受動的なエラー回避から、積極的なプロセス改善へとエンジニアが移行する一助となりました。

ユースケース

原材料のジャストインタイム配送を確実に

製造業者は、手持ちの在庫を最小限にし、原材料のジャストインタイム配送を目指しています。その一方で、在庫切れは重大な生産遅延を引き起こす可能性があります。センサーと RFID タグは、サプライチェーンデータをキャプチャするコストを削減しますが、大規模なデータフローへの対応が常に必要となります。Hadoop は比較的低コストで、この非構造化データを保管することができます。製造業者がサプライチェーンの履歴をより詳しく確認できることで、数ヶ月分のデータからは読み取ることができなかった、大きなパターンを読み取ることができるようになります。このインテリジェンスにより、製造業者はより大きなリードタイムを得られるため、サプライチェーンで中断が発生しても調整することが可能です。また、サプライチェーンのコストを削減し、最終製品の利益を向上させることができます。


リアルタイムのデータと、組立ラインの履歴データとで品質を管理

ハイテク製造業では、製造工程の重要なステップでデータをキャプチャするためにセンサーを使用します。発生中に問題を検出できるため、このデータは製造段階において有用です。しかし、「未知なる未知」である捉えにくい問題の一部は、製造時には検出されない場合があります。にもかかわらず、製品が購入された後で、それが高い確率で故障につながる可能性があります。問題が発生して製品が返品された場合、製造業者は製品に法化学テストを行ない、製品が製造された時の元のセンサデータと、法化学データとを組み合わせることができます。多数の製品に付加されたこの可視性により、製造業者は、データ不足の環境では不可能だったレベルにまで、工程や製品を向上させることが可能になりました。


予防的な機器メンテナンスで停止を回避

現在の製造ワークフローでは、定義済みの正確なステップで調整された高機能なマシンを使っています。マシンが 1 台故障すると、生産ラインが停止する場合があります。早過ぎの段階でのメンテナンスにはコストがかかります。メンテナンスや修理には、早過ぎず遅過ぎない最適のスケジュールが必要です。機械学習アルゴリズムは、各機器の保守イベントやマシンデータと、故障履歴とを比較することができます。これらのアルゴリズムにより、リアルタイムの情報と履歴データに基づき、最適なメンテナンススケジュールを導出することができます。機器の利用率を最大限に高め、工場設備費を最小限に抑え、予期せぬ作業中断を回避する一助となります。


医薬品製造における歩留まりを高める

バイオ医薬品製造では、環境条件を注意深く監視し制御する必要があります。どんな生産工程においても、初回歩留まり(FTY)を最大限にすることが目標となります。FTY とは、生産ラインを初めて通って正しく製造された製品数を表す単位です。FTY の増加パーセンテージは、製造コストの大幅な削減を表します。オペレーションの可視性が乏しいと、FTY の改善が阻止されることが多々あります。他の既存のデータストアと統合することができる場合、センサーデータは、その可視性を改善するための生データを提供することができます。Hadoop はデータ採取前に先験的スキーマを必要としないため、Hadoop Data Lake ではこの統合が容易になります。また、Hadoop のストレージコストは低価格であり、クラスタはより多くのデータを、より多くのフォーマットで、より長期間保管できるため、データ内の新しい関係を発見することができます。Merck Research Laboratories が Hortonworks Data Platform で医薬品製造を最適化した方法についてご覧ください。

クラウドソースの品質保証

徹底的にテストした製品でも販売後には問題が発生します。顧客は製造業者には問題を報告しなくても、ソーシャルメディア上で友人や家族に製品に関する不満をシェアするかもしれません。製品の問題に関するデータのソーシャルストリームは、従来のサポートチャネルからの製品フィードバックを増強することができます。Hadoop は、膨大な量のソーシャルメディアからのセンチメントデータを保管します。このデータから、製造業者は早い時点で、製品の全ライフサイクルにおけるパフォーマンスを理解することができます。製品の評判を守るため、問題を迅速に把握し早期に行動するこの能力は、顧客ロイヤルティを獲得、維持する強い力を持っています。

顧客ケーススタディー

Western Digital
お客様
Western Digital

WD は、世界中のハードドライブの半分を製造しています。 Hadoop と、Hortonworks Data Platform により、WD のエンジニアは、製造データをより迅速に確認し、より長く保存し、より多くのチームメンバーと共有することができます。これは、製造工程の継続的な改善を意味しており、コスト削減と顧客満足度の向上を図ることができます。Hortonworks Data Platform を採用するまで、製造における課題として WD は...