質の低いシミュレーションデータがデジタルツインのイノベーションを阻害している:その解決方法

質の低いシミュレーションデータがデジタルツインのイノベーションを阻害している:その解決方法
デジタルツインのグラフィック表現。
画像: Adob​​e Stock

メーカーは、機械の性能を最適に調整するために、データシミュレーションやデジタルツインを作成し、現実的な条件下で様々なシナリオをテストすることがよくあります。しかし、使用される予測ツールは多くの場合、多くのリソースを必要とし、有用な洞察を生み出すには膨大な量の正確なデータが必要です。

特に中小企業にとって、データ品質の問題に対処する唯一の選択肢は、様々な統計手法と計算サイクルを適用してデータの不整合を修正することです。この力ずくのアプローチは、しばしば不正確な結果をもたらすだけでなく、プロセス集約型であるため、経済的にも持続不可能です。

デジタルツイン開発におけるデータ品質の低さによるコスト

シミュレーションデータの品質は、生成中に継続的に監視することはできません。問題が発見されるのは、データが分析やレポート作成に使用された後です。通常、メーカーはシミュレーションから使用可能なデータを得るために、従来の「後でクリーンアップする」戦略を採用します。

「こうした発見の遅れは、下流工程で多大なコストを生み出し、すぐに維持不可能な状況に陥ります…」と、モダン・データ・カンパニーの最高戦略責任者であるサウラブ・グプタ氏は述べています。「事前にデータ品質フレームワークを導入することで、こうした修復作業のデータ管理コストを20%以上削減できた事例を私は知っています。」ガートナーは、この永続的なデータクリーンアップに企業が年間1,290万ドルのコストを費やしていると推定しています。

このアプローチの財務上の影響は、通常、次のような複数の形で現れます。

  • 直接的な修復コスト:中小企業は通常、四半期ごとに数週間を費やし、部門横断的なチームと連携してデータ品質の問題を追跡・修正し、最終的に使用可能になるまでに時間を要します。経済的損失は、作業負荷の増加と製造スケジュールの遅延に関連しています。
  • 意思決定の遅延:信頼できるデータ基盤がなければ、データ検証を必要とするビジネス上の意思決定は数週間も遅れる可能性があります。時間的制約の大きい市場では、このような遅延は収益機会の損失や株主の不満につながる可能性があります。
  • リソース割り当ての非効率性:データに対して事後対応的なアプローチを取る組織では、エンジニアは新しい機能の構築よりも、品質問題のトラブルシューティングに多くの時間を費やしてしまうことがよくあります。使用可能なデータがいつ入手できるかが不確実であるため、リソースのバッファリングが発生し、進捗が停滞してしまいます。

大量コンピューティングのコストは低下しつつありますが、目標は、処理負荷の高い戦略から、より持続可能な代替手段へと移行することです。特に、予算とリソースが限られている小規模メーカーでも利用できる戦略が求められます。

強力なデータ基盤とは

最終版のデータのエラーを探す代わりに、最初から強固なデータ基盤の上にシミュレーションを構築するという方法があります。このアプローチは、リソース消費を抑えるだけでなく、迅速な実験とより効率的な製造イノベーションサイクルを可能にします。

強力なデータ基盤を構築するには、次の 2 つの重要な要素があります。

  • 適切に設計されたデータ製品:過去の設計性能データを統合するビジネス主導のデータ製品を実装することで、メーカーはデータ修正にかかる時間を大幅に削減できます。その結果、包括的なメタデータと確立されたプロセスによって管理される、信頼性が高く高品質なデータ製品が実現します。
  • 一貫したアクセス性:データシミュレーションにおける「ブラックボックス」アプローチを回避することで、チームは手動による介入を必要とせずに、様々なツールやインターフェースを通じて同一の信頼性の高いデータにアクセスできるようになります。様々な利用モードにおけるアクセス性により、エンジニアやアナリストはデータのラングリングではなくイノベーションに集中できます。

強固なデータ基盤が整備されれば、専門家はデータの品質や可用性を心配する必要がなくなります。データのクリーニングや準備に多くの時間を費やす代わりに、様々なモデルを用いて自由に実験やイノベーションを進めることができます。

製造設計(DFM)では、過去のビルドからのデータサイロが大きなボトルネックとなることがよくあります。エンジニアは、ビジネス主導のデータ製品を導入することで、過去の設計パフォーマンスデータを統合し、DFMレビューサイクルを短縮し、より多くの設計バリアントをより迅速にテストすることができます。こうすることで、データ基盤は線形設計プロセスからよりアジャイルなアプローチへの移行を導き、中小企業は各レビューサイクルをゼロから始めるのではなく、包括的な過去のパフォーマンスデータに基づいて設計とプロセスの変更を効率的に試すことができます。

中小メーカー向けの「最小限の実行可能なデータアーキテクチャ」を目指す

中小企業は、十分な量の製造履歴データにアクセスできない可能性があります。そのため、複雑なカスタム構築システムではなく、ビジネス主導型のテンプレート化されたデータ製品を活用して、最小限の実行可能なデータアーキテクチャを構築する必要があります。Device360、Vehicle360、Customer360などのすぐに利用できるテンプレートは、いずれも事前設定されたデータモデルを提供しており、細部にこだわりすぎずに、特定の製造ニーズに対応できます。

テンプレートを使用すると、データシミュレーションへの初期投資を削減し、ゼロから始める負担なしに、エンタープライズグレードのデータ機能のメリットをすべて享受できます。また、テンプレートには業界のベストプラクティスが網羅されているため、推測作業が不要になり、業界の経験が限られている製造業者にも最適です。

「これらのデータ製品を活用することで、メーカーはインフラ開発ではなく、データから価値を引き出すことに集中できるようになります」とグプタ氏は述べています。「このアプローチにより、価値実現までの時間が大幅に短縮されるだけでなく、組織の成熟に合わせて、より高度なデータ機能と実験能力の基盤が確立されます。」

設計とエンジニアリングを阻むデータの課題を解決する

データに基づく設計・製造上の課題に対する解決策は、利用可能なデータから小規模に始めることです。先進的なメーカーは、強固なデータ基盤の構築に投資し、イノベーションとリソース効率を優先しています。

グプタ氏は次のように述べています。「モデルのテスト、行動のシミュレーション、製品の開発にデジタル ツインを利用する企業が増えるにつれ、強固なデータ基盤を持つ企業は、依然としてデータ品質に苦労している競合他社よりも迅速かつコスト効率よくイノベーションを実現できるようになります。」

アニナ・オットは過去5年間、テクノロジーおよびSaaS関連のライターとして活躍し、解説記事、ハウツーガイド、業界動向、テクノロジーレビューなどを専門としています。Dashlane、Remote.It、Logit.ioといったクライアントと仕事をし、AllTopStartups、MakeUseOf、複数のTechnologyAdviceウェブサイトなど、著名なオンラインメディアに数​​百もの記事を寄稿してきました。彼女の目標は、明確で構造化された文章を通して、テクノロジーをより身近なものにすることです。プライベートでは、大の物理オタクで、アウトドアを楽しみ、ジグソーパズルに熱中しています。

Tagged: