スマート製造
製造業の幅広いカテゴリー

スマート製造[1]は、コンピューター統合製造、高い適応性と迅速な設計変更、デジタル情報技術、より柔軟な技術者のトレーニングを採用した製造の幅広いカテゴリです。 [2]その他の目標には、需要に基づいた生産レベルの迅速な変更、[3] [1]サプライチェーンの最適化、[3]効率的な生産とリサイクル可能性が含まれます。[4]この概念では、スマートファクトリーには相互運用可能なシステム、マルチスケールの動的モデリングとシミュレーション、インテリジェントな自動化、強力なサイバーセキュリティ、ネットワーク化されたセンサーが備わっています。

スマートマニュファクチャリングの広義の定義は、多種多様な技術を網羅しています。スマートマニュファクチャリングにおける主要な技術としては、ビッグデータ処理能力、産業用コネクティビティデバイスおよびサービス、高度なロボット工学などが挙げられます。[5]

データ分析、コンピューティング、自動化の相互接続性を示すサンプル製造制御システムの図。[6]データ分析、コンピューティング、自動化の相互接続性を示すサンプル製造制御システムの図。
自動車生産で使用される高度なロボット

ビッグデータ処理

スマート製造は、ビッグデータ分析を活用して複雑な生産プロセスを最適化し、サプライチェーン管理を強化します。[7]ビッグデータ分析とは、3つのV、速度、多様性、量と呼ばれる観点から大規模なデータセットを収集し、理解する方法を指します。速度は、以前のデータの適用と同時に行われる可能性のあるデータ取得の頻度を示します。多様性は、処理される可能性のある異なるタイプのデータを表します。量は、データの量を表します。[8]ビッグデータ分析により、企業はスマート製造を使用して、注文に対応するのではなく、需要と設計変更の必要性を予測できます。[2]

一部の製品にはセンサーが組み込まれており、消費者の行動を理解し、製品の将来のバージョンを改善するために使用できる大量のデータを生成します。[9] [10] [11]

サプライチェーンの自律性

ビッグデータ処理における重要な要素の一つとして、サプライチェーンの完全な自律性の導入と、それに向けた継続的な進展が挙げられます。サプライチェーンの自律性とは、オペレーションとロジスティクスにおける新たな概念であり、データを活用することで、人為的な介入を最小限に抑え、あるいは全く必要とせずに、自立して機能できるサプライチェーンを指します。自律型サプライチェーン（ASC）とは、計画、調整、実行など、様々な機能を自己管理できるシステムと定義することができ、これらの機能における自律性の程度と包含度が、完全な自律性への進展を決定づけます。

これらのシステムは、デジタルツイン、AI駆動型エージェント、リアルタイムデータなどの技術を活用して、3つのコア機能、すなわち自己構成（オペレーションの動的な調整）、自己最適化（パフォーマンスの継続的な向上）、自己修復（手動介入なしに障害への対応）を実現します。これらの要素がセンシング、処理、意思決定、学習ループを通じて相互作用し、エンドツーエンドの自律性を実現する様子を示す概念フレームワークが存在し、[12]これは、複雑で不安定な環境において、将来のサプライチェーンをより回復力、効率性、適応性の高いものにする方法を理解するための基礎となります。

高度なロボット工学

スマートマシンとも呼ばれる先進産業用ロボットは、自律的に動作し、製造システムと直接通信することができます。一部の先進製造分野では、人間と協力して組立作業を行うこともあります。[13]感覚入力を評価し、異なる製品構成を区別することで、これらの機械は人間から独立して問題を解決し、意思決定を行うことができます。これらのロボットは、当初プログラムされた作業範囲を超えた作業を完了することができ、経験から学習できる人工知能を備えています。[5]これらの機械は、再構成や再利用が可能な柔軟性を備えています。これにより、設計変更やイノベーションに迅速に対応することができ、従来の製造プロセスに対する競争上の優位性となります。[14]先進ロボット工学を取り巻く懸念事項の一つは、ロボットシステムと相互作用する人間の労働者の安全と健康です。従来、ロボットを人間の労働力から隔離する対策が講じられてきましたが、ロボットの認知能力の進歩により、コボットなど、ロボットが人間と協働して作業する機会が開かれました。[15]

クラウドコンピューティングは、大量のデータストレージや計算能力を製造業に迅速に適用し、機械の性能や出力品質に関する膨大なデータを収集することを可能にします。これにより、機械の構成、予知保全、故障分析が改善されます。より正確な予測は、原材料の発注や生産スケジュールの策定といった戦略の精度向上につながります。

3Dプリント

2019年現在、3Dプリンティングは主にラピッドプロトタイピング、設計反復、小規模生産に利用されています。速度、品質、材料の改善により、大量生産[16] [17]やマスカスタマイゼーション[17]にも役立つ可能性があります。

しかし、近年3Dプリンティングは飛躍的に発展し、もはや試作技術としてのみ利用されるものではなくなっています。3Dプリンティング分野は試作にとどまらず、特にサプライチェーンにおいてますます普及しています。3Dプリンティングを用いたデジタル製造が最も多く見られる業界は、自動車、工業、医療です。自動車業界では、3Dプリンティングは試作だけでなく、最終部品や製品の量産にも活用されています。また、サプライヤーとデジタルメーカーが協力してCOVID-19対策に取り組む際にも、3Dプリンティングが活用されています。[18]

3Dプリンティングは試作をより成功させるため、企業は短期間で大量の部品を生産できるため、時間とコストを節約できます。3Dプリンティングはサプライチェーンに革命をもたらす大きな可能性を秘めており、多くの企業が導入しています。3Dプリンティングが直面する主な課題は、人々の意識の変化です。さらに、一部の労働者は3Dプリンティング技術を使いこなすために、新たなスキルセットを改めて習得する必要があるでしょう。[18]

職場の非効率性と危険を排除する

スマート製造は、職場の非効率性を調査し、作業員の安全を支援することにもつながります。効率の最適化は、「スマート」システム導入企業にとって大きな焦点であり、データリサーチとインテリジェントな学習自動化を通じて実現されます。例えば、オペレーターにはWi-FiとBluetoothを内蔵した個人用アクセスカードを配布し、機械やクラウドプラットフォームに接続して、どのオペレーターがどの機械で作業しているかをリアルタイムで把握することができます。[19]インテリジェントで相互接続された「スマート」システムを構築することで、パフォーマンス目標の設定、目標達成可能性の判断、そしてパフォーマンス目標の達成失敗や遅延による非効率性の特定が可能になります。[20]一般的に、自動化は人為的ミスによる非効率性を軽減する可能性があります。そして一般的に、進化するAIは、従来のシステムの非効率性を排除します。

ロボットが製造業における物理的な作業の多くを担うようになると、労働者が現場にいる必要がなくなり、危険にさらされる機会も減ります。[21]

インダストリー4.0の影響

インダストリー4.0は、ドイツ政府のハイテク戦略におけるプロジェクトであり、製造業などの伝統的産業のコンピュータ化を推進しています。その目標は、適応性、資源効率、人間工学を特徴とし、顧客とビジネスパートナーをビジネスプロセスと価値プロセスに統合するインテリジェントファクトリー（スマートファクトリー）です。その技術基盤は、サイバーフィジカルシステムとIoT（モノのインターネット）で構成されています。[22]

この種の「インテリジェント製造」では、以下のものを大いに活用します。

  • 製品の組み立て中および製品との遠距離のやり取り中のワイヤレス接続。
  • 最新世代のセンサーは、サプライチェーンおよび同一製品（モノのインターネット）に沿って分散されています。
  • 商品の製造、流通、使用のすべての段階を制御するために大量のデータを作成します。

欧州ロードマップ「未来の工場」とドイツのロードマップ「インダストリー4.0」は、実行すべきいくつかの行動方針とそれに伴うメリットを示しています。例として以下が挙げられます。

  • 高度な製造プロセスと迅速なプロトタイピングにより、各顧客は大幅なコスト増加なしに独自の製品を注文できるようになります。
  • 共同仮想工場 (VF) プラットフォームは、製品ライフサイクル全体にわたる完全なシミュレーションと仮想テストを活用することで、新製品の設計と生産プロセスのエンジニアリングに関連するコストと時間を大幅に削減します。
  • 高度なヒューマンマシンインタラクション（HMI）と拡張現実（AR）デバイスは、生産工場の安全性を高め、労働者（高齢化が進む）への身体的負担を軽減するのに役立ちます。
  • 機械学習は、リードタイムの​​短縮とエネルギー消費の削減の両方において、生産プロセスを最適化するための基盤となります。
  • サイバーフィジカルシステムとマシンツーマシン（M2M）通信により、非常に効果的な予測メンテナンスを実施してダウンタイムとアイドル時間を削減するために、製造現場からリアルタイムデータを収集して共有できるようになります。

統計

韓国経済産業省は2016年3月10日、中小企業1,240社を対象にスマートファクトリーの構築を支援したと発表した。その結果、不良品が平均27.6%減少し、試作品の製造スピードが7.1%速くなり、コストが29.2%削減されたという。[23]

参照

参考文献

  1. ^ ab Lu, Yuqian; Xu, Xun; Wang, Lihui (2020年7月). 「スマート製造プロセスとシステム自動化 – 標準規格と想定シナリオの批判的レビュー」 . Journal of Manufacturing Systems . 56 : 312– 325. doi :10.1016/j.jmsy.2020.06.010. S2CID  225557967.
  2. ^ ab デイビス, ジム; エドガー, トーマス; ポーター, ジェームズ; ベルナデン, ジョン; サーリ, マイケル (2012年12月20日). 「スマート製造、製造インテリジェンス、そして需要変動に対応したパフォーマンス」. Computers & Chemical Engineering . FOCAPO 2012. 47 : 145–156 . doi :10.1016/j.compchemeng.2012.06.037.
  3. ^ SMLC 2011より
  4. ^ Shipp, Stephanie S. (2012年3月). 「先進製造業における新たな世界的動向」(PDF) .先進製造業における新たな世界的動向. 国防分析研究所. 2012年6月6日時点のオリジナル(PDF)からアーカイブ。2020年4月12日閲覧。
  5. ^ ab 「スマート製造革命への道のり」www.industryweek.com 2015年12月30日2016年2月17日閲覧。
  6. ^ Albus, James S. (1995-01-01), 英語: Architecture for the NBS Automated Manufacturing Research Facility (AMRF). , 2016-03-04取得
  7. ^ Rachuri, Sudarsan (2014年2月4日). 「スマート製造システムの設計と分析」(PDF) .米国国立標準技術研究所. 2016年2月16日閲覧.
  8. ^ Leveling, J.; Edelbrock, M.; Otto, B. (2014-12-01). 「サプライチェーンマネジメントのためのビッグデータ分析」. 2014 IEEE International Conference on Industrial Engineering and Engineering Management . pp.  918– 922. doi :10.1109/IEEM.2014.7058772. ISBN 978-1-4799-6410-9. S2CID  31872187。
  9. ^ Yang, Chen; Shen, Weiming; Wang, Xianbin (2018年1月). 「製造業におけるモノのインターネット：主要な課題と潜在的な応用」. IEEE Systems, Man, and Cyber​​netics Magazine . 4 (1): 6– 15. doi :10.1109/MSMC.2017.2702391. S2CID  42651835.
  10. ^ ポーター、マイケル・E.（2014年11月）「スマートでコネクテッドな製品が競争をどう変革するか」ハーバード・ビジネス・レビュー、2016年4月。
  11. ^ 「IoTでスマートな製造業を構築」IT World Canada . Lopez Research. 2014年. 2015年1月19日時点のオリジナルよりアーカイブ。 2020年4月12日閲覧。
  12. ^ Xu, Liming; Mak, Stephen; Proselkov, Yaniv; Brintrup, Alexandra (2024年11月). 「自律型サプライチェーンに向けて：定義、特性、概念的枠組み、そして自律性レベル」Journal of Industrial Information Integration . 42 (100698). arXiv : 2401.14183 . doi :10.1016/j.jii.2024.100698.
  13. ^ Wang, W.; Li, R.; Chen, Y.; Diekel, Z.; Jia, Y. (2019). 「人間のデモンストレーションからの指導・学習・協調による人間とロボットの協調タスクの促進」IEEE Transactions on Automation Science and Engineering . 16 (2): 640– 653. doi : 10.1109/tase.2018.2840345 . ISSN  1545-5955.
  14. ^ 「スマート製造のためのロボットシステム」www.nist.gov . 米国商務省. 2013年10月. 2016年3月4日閲覧。
  15. ^ アントニオ・ビッキ;ペシキン、マイケル A.コルゲート、J. エドワード (2008-01-01)。 「人間とロボットの物理的な相互作用の安全性」。シチリアーノでは、ブルーノ。ハティブ、ウサマ・ハティブ (編)。Springer ロボット工学ハンドブック。シュプリンガー ベルリン ハイデルベルク。 pp.  1335–1348。土井:10.1007/978-3-540-30301-5_58。ISBN 9783540239574。
  16. ^ Zimmermann, Stefan (2018年3月26日). 「インダストリー4.0 – 製造業における3Dプリンティング」. Atosブログ. Atos SE . 2019年6月9日閲覧。
  17. ^ ab Hughes, Andrew (2017年3月23日). 「インダストリー4.0はデータ以上のもの：製造業における3Dプリンティング」.デジタルトランスフォーメーションとオペレーショナルエクセレンスブログ. LNSリサーチ. 2019年6月9日閲覧。
  18. ^ ウィルソン、ジョージア州 (2020年5月16日). 「製造業における3Dプリンティングの進化」. Manufacturing Global . BizClick Medial Limited . 2021年6月4日閲覧。
  19. ^ "ThingTrax". ThingTrax Connected Manufacturing . ロンドン. 2017年4月12日時点のオリジナルよりアーカイブ。2020年4月12日閲覧。
  20. ^ Jung, Kiwook (2015-03-16). 「スマート製造システムのための戦略目標と運用パフォーマンス指標のマッピング」Procedia Computer Science . 44 (44 p.184–193): 184– 193. doi : 10.1016/j.procs.2015.03.051 .
  21. ^ Louchez, Alain (2014年1月6日). 「スマート製造からスマート製造へ」. www.automationworld.com . Automation World . 2016年3月4日閲覧。
  22. ^ Jacinto, Joan (2014年7月31日). 「スマート製造？インダストリー4.0？一体何なのか？」The Vault - Siemens Totally Integrated Automation .
  23. ^ チョン・ミンヒ（2016年3月11日）「中小企業の生産性を向上させるスマートファクトリー」
  • CESMII - 米国国立スマート製造研究所
  • 未来の工場
  • Agnieszka Radziwon、Arne Bilberg、Marcel Bogers、Erik Skov Madsen. スマートファクトリー：適応型で柔軟な製造ソリューションの探求 – 第24回DAAAM国際インテリジェント製造・自動化シンポジウム議事録、2013年10月23～26日、クロアチア、ザダル。– Elsevier、Procedia Engineering、 ISSN 1877-7058、69 (2014)、1184～1190
  • アグニェシュカ・ラジウォン、マルセル・ボガース、アルネ・ビルバーグ著『スマートファクトリー：製造業エコシステムのためのオープンイノベーション・ソリューションの探求』執筆日：2014年5月28日。SSRNで公開中、全11ページ。掲載日：2014年10月1日
  • GE、製造業の未来を共創する「マイクロファクトリー」を立ち上げ
  • スマートマシンと未来の工場
Retrieved from "https://en.wikipedia.org/w/index.php?title=Smart_manufacturing&oldid=1324379907"