コニカミノルタにおけるデータドリブンPLMの取り組み
•
1 like•2,200 views
昨今，データを活用する技術の進歩が目覚ましく，その範囲も広がっています．このような中，コニカミノルタでは自社製品のIoTデータや生産拠点の設備データの蓄積が進んできており活用を進めています．本講演ではコニカミノルタがPLM（Product Lifecyvle Management）をデータドリブンに変革する取り組み事例を紹介します．
Recommended
Recommended
More Related Content
What's hot
What's hot (20)
Similar to コニカミノルタにおけるデータドリブンPLMの取り組み
Similar to コニカミノルタにおけるデータドリブンPLMの取り組み (20)
More from The Japan DataScientist Society
More from The Japan DataScientist Society (20)
コニカミノルタにおけるデータドリブンPLMの取り組み
- 1. © KONICA MINOLTA コニカミノルタにおける データドリブンPLMの取組 1 2020年9月7日 コニカミノルタ株式会社 東 立 『AI・データのビジネス活用事例(食品・製造)』 webセミナー
- 8. データドリブンによる潜在価値 出典：ハーバードビジネスレビュー2019年6月号 0 1 2 3 4 5 6 7 その他 人事 ファイナンス・IT 経営戦略 製品開発 サービスオペレーション リスク管理 製造・サプライチェーン 営業・マーケティング 図. 企業活動別アナリティクスによる潜在価値試算 （兆ドル） データドリブン経営のフロントランナーは2030年までにキャッシュフローを倍増させると 見られる一方で，乗り遅れた企業はキャッシュフローが20％減少すると示唆されている． （ 企 業 活 動 ）
- 9. PLM（Product Lifecycle Management）とは？ 顧客 ECM SCM 生産計画 量産設計 試作評価 サプライヤ 調達 製造 物流 販売 保守 サービス 顧客要望・トレンドのフィードバック 商品企画 製品開発 サービス計画 https://www.fujitsu.com/jp/solutions/industry/manufacturing/monozukuri-total-support/concept/article/overview/ より PLM 顧客要望・トレンドのフィードバック PLMとは、自社の製品の企画から廃棄ま で、製品のライフサイクル全体を通して相 互に関連付けながら管理し、業務に合わ せて情報を提供する方策． • 高品質な製品ニーズ • コスト削減 • 販売のタイミング
- 10. ＠Konica Minolta サービス販売物流製造調達 データでつなぐ まずはSCMの各オペレーションをデータでつなぎたい • 予知保全 • 自動配送 • アップセル • クロスセル • 歩留まり向上 • 異常検知 • 在庫削減 • 物流量予測 • 在庫削減 • 需要予測 各オペレーション個別で分析をしていた
- 12. 12 部品点数 約4,000～5,000点の部品で構成 <樹脂部品> <板金部品> <エレキ部品> 組立精度 ミクロンオーダーでの調整が必要 デバイス系材料系（プラント系） 組立系 •材料系はプラントによる国内生産 •デバイス系は国内生産での技術確立 と海外自社拠点で生産 •組立系は海外自社拠点で生産、低 付加価値の製品はOS/ODMを活用 コニカミノルタの生産形態
- 13. 【生産拠点】（2018年） 日本 ： 6社（16拠点） 中国 ： 5社（ 5拠点） マレーシア ： 1社（ 1拠点） 欧米 ： 2社（ 2拠点） 合計 ：13社（24拠点） 情報機器部門 産業用材料･機器事業 ヘルスケア事業 フランス アメリカ マレーシア 中国石龍 中国上海 中国大連 ・ 開発との技術連携、生産技術開発が必要な生産、及び高付加価値生産は国内 ・ 労働集約型の組立系生産は、中国を中心とした安価な労務費のアジア地域に展開 ・ 中国一極集中リスク回避のため、マレーシアに組立系生産拠点を設立（2014年～） ・ トナーなどの消耗品は、リードタイム短縮と在庫削減のため消費地近接で生産 中国無錫 MFP、PP組立 MFP、PP組立 MFP組立 レンズ、ユニット レンズ、ユニット トナー充填 トナー充填 生産拠点の特徴
- 16. １ ２ ３ 4 5接続 データ活用の成熟度モデル 監視 分析 最適化 自律 • KPI管理 • エラー監視 • 統計解析 • 機械学習 • ネットワーク最適化 • 数理最適化 • 自律判断 • 自動運転 • IoT • M2M マーケティングのアップセル／クロスセル分析 生産現場のデータ活用 プリンタ複合機の予知保全（消耗品の寿命予想） レポーティング 要因分析 モデル運用 ネットワークにつなげ てデータを収集する データをもとに状態 を監視する データを分析し新た な情報を獲得する 分析結果を総合し て最適化する データが自動で分析 され自律運転する
- 17. 17 優先順位を決める 効 果 大 効 果 小 難易度高 難易度低 難易度 取得の 難易度 分析の 難易度 活用の 難易度 効果 売上 アップ 売上 ダウン コスト アップ コスト ダウン （利益） 前 後 最優先 教育目的 研究課題 「できればいいな」を優先すると△をやり がち．早く成果を出すには◎のテーマを 優先する．」
- 26. 26 根拠を示す Before 安全在庫のうち 約半数の10億円を データ分析で削減 これまでも同様な取り組み をしてきたのに，今回はな ぜ上手くいくのか？ 経営層が安心して承認 できるような根拠を示す． その際，過去の取り組 みを否定しない． （トナーの在庫状況） 工場１ 工場２ 販社 顧客 ①これまではこのデータ で需要予測してきた． After ②今回は顧客データを追加 するため精度を向上できる．