未来工lkl;場_L_001_r2_c2.png

夢のデザインから

​導入・運用まで

CIMXが考える
IoT導入メソッド

メソッド 

より優れた工場向けのシステムを目指して30年。CIMX株式会社のリーダー中島が語る真のスマートファクトリーとは

PHASE

フェーズ 1

1

夢をデザインする

現状の問題点

現場にIoT導入を勧めているのに、なかなか進まない。どうして現場はわかってくれないのか、そんなことで我が社の未来はどうなってしまうのか……。そんな心配や悩み持っていませんか?

どうしてこのような状況になっているでしょうか?

 

 

原因

バラバラなことを頭で思い描いているから

会社が組織ピラミッド型の階層と業務ユニットが細かく分かれた構造になっているため、階層トップ、ミドル、現場の視座、視線の高さから見える未来風景が違って見えてしまいます。

経営層

87x_2019-03-24 21.13.47 0001.png

我が社もAIやIoTを導入していかないと社の将来がない

どんどん進めるように号令をかけたのに・・・・

ミドル

87x_2019-03-24 21.17.10 0004.png

上の言うこともわかるが、下から提案があがってこない・・・・

上がってきても投資効果が分からないものばかり・・・・

現場

87x_2019-03-24 21.15.08 0002.png

仕事が忙しくて手が回らない・・・・

難しくてどこに聞いたらよいか分からない

各自がバラバラなことを思い描いていて、トップの思いが正確に形になって伝わっていないのです。

 

では、どうすればトップの思いが組織全部に伝わり実行に移せるのでしょう?

解決のコツ

ゴールを明確にして共有する

ただAIやIoTを導入せよと伝えただけでは、それぞれのイメージしたゴールが複数ある状態です。トップが「AIやIoTを導入していかないと社の将来がない」と思われた目的(ゴール)を明確にして共有しましょう。
 

shutterstock_772133455-[Converted].png

CIMXが考える工場のゴールは「生産性をダントツに高くする」ことです。

生産性は簡単な方程式で表せます。

87x_2019-04-16 12.06.14 000--0.fw.jpg

投入量の総稼動時間は機械の総稼動時間と人の総労働時間です。
これなら誰の目からみても一目でわかります。
 

解決のツボ

測れないものは改善できない

shutterstock_678653392-[Converted]_SOK_0

ゴール(目的)が明確になれば、次は達成に向けて改善する。

改善のテーゼに「測れないものは改善できない」とあります。

ここでIoTの登場です。測れないものをIoT導入により測れるようにするのです。

PHASE

フェーズ 2

2

構築と実装

IoT情報インフラシステム作り

問題点

ゴールである「ダントツに高い生産性の工場にする」を実現するためにはまず、生産性を正確に知ることから始めなければなりません。どうしてこれまでの工場では生産性を正確に知ることができなかったのでしょうか?

 

原因

生産性を測る仕組みがなかったから

生産性の分子に当たる生産高は売上に置き換えられるので簡単にわかります。

分母はどうでしょうか。人の労働時間は就業時間を集めてくれば分かります。

 

問題は稼動時間です。これが正確に取れていません。

作業日報を集計するのはとても手間です。その上不正確です。
測りは正確でないと意味がありません。

解決のコツ

生産性を測る仕組みを構築する

正確に総稼動時間を測るにはIoTを入れた新情報システム(機械の稼動時間を自動的に集めるしくみ)を構築することが必要です。
 

 

全員がコミュニケーションを取れるようにするためには「測り」を共通化することです。そのための新情報システムを導入することはトップの責任とも言えます。

解決のツボ

生産性の先行指標=稼動の見える化

生産性の方程式の分子である機械稼動の自動集計をリアルタイムに見える化することは先行指標として役にたちます。

87x_2019-04-24 7.19.31 0002.png
PHASE

フェーズ 3

3

運用と改善

組織全体で阻害要因を潰していく

問題点
 

 

機械の稼動データ収集を自動収集する仕組みが出来上がると、次は長年慣れ親しんだ改善の「PDCA」サイクルを組織全体で回して、生産性の向上を目指していくことになります。

改善には非稼動要因の発見が必要ですが、なかなか非稼動要因が見つかりません。

 

原因

非稼動要因のデータが不足しているから

改善のために見たいのは段取り中、停止中の中身です。

ところが、これは機械からの自動収集したデータだけではわかりません。

解決のコツ

非稼動要因のデータ収集

改善のために見たいのは段取り中、停止中の中身です。

ところが、これは機械からの自動収集したデータだけではわかりません。

非稼動要因のデータを追加して集める必要があります。
人からデータを集めるしかありません。方法はバーコードやQRコードやRFIDまたはカメラなど使ったいろいろなものがあります。

 

それと合わせてワークの動きが分かるようになるといいです。

87x_2019-04-24 7.02.18 0001.png

解決のツボ

非稼動要因を分析

集められたデータを分析するのは大変な手間になります。
そこは新IoT情報システムで分類、整理まで自動的に行い改善すべき点を分かりやすくします。ここから先は人が対策案を考え実施していくことになります。
 

 いままでの改善と一番違う点は、データに基づいて考えていくことです。

データ収集、データの整理、簡単な分析までシステムがすべて自動的に行ってくれます。これまでの改善のための作業量の半分以上が自動化されることになります。
 

シムックスでご提供するマリンバM3をベースにしたIoT情報システムは、データを集め、簡単な分析(改善のツボ)をし、整理分類するところまで自動的に行うことができます。

シムックスでは更にカスタマイズ、運用保守まで提供しています。

87x_2019-04-24 6.57.33 0000.png

​執筆者

TAKAHIDE NAKAJIMA

中島高英

87x_2019-03-28 12.02.52 0003.png

CIMX株式会社創業者 社長