製造業の購買担当者がAIにかわることってあり得るの?
ビッグデータを品質管理に活用すれば、製造業の生産性と品質向上につながる可能性があります。
製品の使用データや検査データ、性能テストデータなどを蓄積・分析することで、品質上の問題を予測したり、不良品原因の特定につながったりします。
また生産ラインの状態監視データから、機械の故障予知もできるようになります。
過去の製品の使用データから不具合頻度を分析し、設計変更に活かすことができます。
同様に生産中監視データを蓄積・分析すれば、品質低下を早期に検知し対策にうつせます。
サプライチェーン全体のデータ連携も重要で、原材料メーカーから部品メーカー、組み立てメーカーに至る一貫したデータを分析すれば、品質向上につながります。
一方で、ビッグデータの分析では人の経験知や感性を活用できません。
生産現場のベテラン技術者の見識は宝で、人とAIの連携が重要になります。
ビッグデータだけでなく、人間の感性も活かして、製品や生産環境の微妙な変化に適時気付く仕組みが求められていると思います。
製造業の品質管理は、データと人の両方を活かすHybrid型のシステムが望まれるでしょう。
ビッグデータ活用の課題はデータ収集コストです。
生産設備や製品に溶接できる低コストなIoTセンサーの普及が望まれます。
センサーデータを雲に集約し分析するIoTプラットフォームも、小規模メーカーからも使いやすい価格と品質管理機能が求められるでしょう。
センサーとプラットフォームの低コスト化が、製造業全体の品質管理力向上につながると考えられます。
調達購買業務の効率化だけでなく、システムを導入することで、コスト削減や製品・資材のステータス可視化のほか、属人化していた購買情報の共有化による内部不正防止や統制にも役立ちます。