工場設備の測定データ分析により生産性を向上

工場やプラントでは生産設備・空調設備・電気炉・ボイラ・ポンプ・排水液備・その他各種設備や、加工装置等から現在の温湿度や・電気量・生産状況・各種測定値などのあらゆる測定データをPLC（Programmable Logic Controller）から収集していますが、その膨大なデータを一元的に管理して、相互に関連を見ながら分析するためには、スケーラブルでありながら高速なデータ分析を可能とする高度な分析基盤が必要となります。

ENdoSnipeによるメトリクス分析ソリューションでは、時系列データに強く、スケーラブルでありながら高速なElasticsearchにメトリクスデータを収集することで、各種設備や装置の状況をモニタリング可能にする様々な分析ビューをダッシュボードとして提供します。異なる種類のデータの関連性を見ながらの分析が可能となり、また従来のしきい値判定で難しかった、以前とは違う傾向の検出を機械学習による異常検知によって実現します。

膨大な各種設備や装置の測定データをPLCから収集して、一元的に管理・分析することで、発生する異常を素早く把握し、対応コストの削減、カイゼンへの洞察を得ることができます。

想定外のKPI劣化を早期に検出

無線設備・センサーは常時様々なKPIデータを測定しています。計画工事や機器の故障、特定イベントによる影響以外でも、突如としてKPIが人知れず劣化していることがありますが、明示的な故障などが要因ではない場合にその劣化の検出は簡単ではありません。

ENdoSnipeによるメトリクス分析ソリューションでは、基盤とするElasticsearchにメトリクスデータを保存することで、メトリクスデータを地理情報と関連づけて、地図上での位置関係を確認しながらメトリクスデータの分析をすることが可能となります。KPIの劣化を検知した対象の周囲3km以内に存在する隣接した無線設備・センサーのメトリクスを確認することで、周囲で起きている事象との関連性から判断することが可能となります。さらに近い将来、複数のメトリクスから自動で相関関係を判定して分析する相関分析異常検知を提供する予定です。

KPIデータを地理情報と関連づけて、その影響も含めて分析することで、想定外のKPI劣化を検出することが可能となり、早期に対応することでユーザの利便性を向上させることができます。

事例紹介