業界の成果：ラインの終わりに欠陥を見つけることは、すでにコストが支払われていることを意味します。品質で勝利している製造業者は、スクラップが発生する前に信号を見つけています。
によって ケイトリン・ゴードン による投稿
ユースケース
品質インテリジェンスと予測スクラップ削減
製造業における品質は、常に後出しの情報で語られてきました。欠陥率レポートが木曜日に届きます。それは先週起こったことを反映しています。是正措置が定義され、レビューされ、実施されるまでには、さらに1週間が経過します。レポートのきっかけとなった問題は、すでに自己修正されているか、悪化している可能性があります。
これは怠慢ではありません。断片化されたデータシステムの結果です。工程内検査データは一箇所にあります。サプライヤーロットデータは別の場所にあります。温度、湿度、振動などの環境モニタリングは、さらに別の場所にあります。これらの信号をリアルタイムで相関させるには、歴史的にSQLスキルと多くの忍耐力を持つ専任の品質エンジニアが必要でした。
予測品質は、生産、検査、サプライヤーのデータを機械学習と組み合わせて使用し、最終検査で検出するのではなく、欠陥が発生する前に予測します。品質管理を、反応的な文書作成からプロアクティブな介入へと移行させます。製造業において、予測品質は、予測メンテナンスやデジタルツインとともに、Industry 4.0の基本的な機能の1つです。
ほとんどの製造業者は、品質監視に多額の投資を行ってきました。SPCチャート、CPK追跡、欠陥ログなど、システムは存在します。彼らが欠いているのは、それらの信号を、意味のある期間内に迅速に行動可能な回答に統合する能力です。
最高品質責任者は、「新しいポリマーサプライヤーの欠陥率が 、当社のプレス温度のばらつきと相関しているか？」という質問に答えるために、3つのシステムからデータを40分かけて収集するべきではありません。その質問は、40分ではなく、40秒で答えられるべきです。
問題は、あなたのデータが欠陥を予測できるかどうかではありません。ほぼ間違いなくできます。問題は、誰かがそれに基づいて行動できるほど速くそのデータにアクセスできるかどうかです。
Databricks Genieは、品質リーダーが自然言語で運用データセット全体を照会できるようにします。これにより、品質レビュー会議で可能なことが変わります。
CQOは、先週の欠陥概要をレビューする代わりに、会議に入って「過去45日間の製品ラインAの初回パス収率低下のトップ3の根本原因貢献因子は何か、サプライヤーロット番号と相関させて？」と尋ねることができます。Genieは、実際の生産、検査、調達データから、引用付きで回答を提示します。
品質リーダーがデータに会話形式でアクセスし、照会できるようになると、品質機能の性格が変わります。それは、何が間違ったかを文書化することから、何が起こりそうかを理解し、スクラップコストが発生する前に行動することへと移行します。
それは単なる運用上の改善ではありません。高量生産では、スクラップ率をわずか数パーセントポイント削減する だけでも、大幅な利益につながります。それを達成するためのデータはすでにそこにあります。Genieは、介入がまだ意味のある時間枠で、それを必要とする人々がアクセスできるようにします。
予測品質は、生産、検査、サプライヤーのデータを機械学習と組み合わせて使用し、最終検査で検出するのではなく、欠陥が発生する前に予測します。品質管理を、反応的な文書作成からプロアクティブな介入へと移行させます。製造業において、予測品質は、予測メンテナンスやデジタルツインとともに、Industry 4.0の基本的な機能の1つです。
DATABRICKS GENIE · 主要な差別化要因
あなたのデータのために構築され、あなたのルールによって管理され、あらゆるビジネスリーダーに応答します。
Genieがあな たのチームに何ができるかをご覧ください
Databricks Genieは本日よりご利用いただけます。業界の同業他社がどのようにそれを使用して、データへのアクセス方法とそれに基づいて行動する方法を再考しているかをご覧ください。
(このブログ記事はAI翻訳ツールを使用して翻訳されています) 原文記事
ブログを購読して、最新の投稿を受信トレイにお届けします。