製造分析とは

Michael Hickins |コンテンツ・ストラテジスト|| 2023年11月3日

アルミニウム・鉄鋼メーカー、電子部品メーカー、航空機エンジンメーカー、化学メーカーなど、あらゆる分野のメーカーがデータ分析を活用し、工場の円滑な運営、サプライヤーのパフォーマンス追跡、完全オーダー率の向上、サプライチェーンのボトルネックの特定、従業員の生産性向上、製品リコールの削減、そして最終的なコスト削減と利益向上を支援しています。

製造分析とは

メーカーはデータ分析を用いて、予定外のダウンタイムの削減、重要業績評価指標の追跡、工場効率と顧客満足度の向上を実現しています。この幅広い動向は、インダストリー4.0または スマート・マニュファクチャリング.と呼ばれています。これには、従来のITシステムや産業機器から収集したデータの集約やより十分な情報に基づく意思決定を行うための分析アプリケーションの実行が含まれます。また分析は、メーカーによる製造エラーの根本原因の特定と、受注処理を混乱させる可能性のある製造およびサプライチェーン・プロセス全体にわたるボトルネックの予測を支援します。

主なポイント

  • メーカーは、センサー・データを分析することで、工場機器が故障する可能性の高い時期を認識し、生産稼動中の工場機器の稼動維持を支援します。
  • よりサービス指向のビジネス・モデルへの移行を検討しているメーカーは、分析を利用して、生産の非効率性が直接影響する収益源を特定します。
  • 分析は、メーカーがサプライチェーンの継続的なモニタリングを行い、サプライヤーから輸送中の原材料や部品の動きや、さまざまな工場にある原材料を可視化できるよう支援します。
  • メーカーは分析を利用して、品質問題が発生した特定の機械や生産ラインを特定することで、製品リコールの回数と範囲を削減します。これにより、メーカーは出荷した製品全体ではなく、特定の製品バッチのみをリコールすることができます。
  • メーカーは分析を使用して、重要な主要業績評価指標を常に把握し、完全受注目標を確実に達成します。

製造分析についての説明

ほとんどのメーカーは、運用データと呼ばれる工場や設備からのデータと、製造、財務、サプライチェーン、人事プロセスを管理するアプリケーションを実行するITシステムからのデータを収集するためにセンサーを使用しています。製造分析は、ビジネス・リーダーがそれらの統合データに基づいて意思決定を行うことを支援します。

たとえば、分析システムにより、ビジネス・リーダーは主要業績評価指標(KPI)を追跡して、一貫してスケジュール通りに納品するサプライヤーとサプライチェーンのボトルネックを特定し、製品リコールの範囲を限定することができます。また、分析システムは、ERPシステムからの在庫や作業オーダーのデータ、工場現場の機械が生成するデータを解釈し、不十分な生産量や機械のダウンタイムが原因で重要な納期を逃す可能性について、マネージャーにアラートを発します。このような分析は、メーカーが、適切な数の商品を、損失または損害なく、適切な梱包で、規定の価格と納品数を正確に反映した請求書とともに納品する機能を反映するKPIである完全オーダー率を向上できるよう支援します。

製造分析の仕組み

ほとんどのメーカーでは、主要な機器に接続されたセンサーが、通常データウェアハウスに保存されている、モーターが稼動する温度やボールベアリングが発する振動レベルなどのあらゆる種類のパラメータに関するデータ・ストリームを常時送信しており、これらのデータはすべて、機器が故障して生産ラインが停止する前に対処しなければならない潜在的な問題を示しています。

より高度な工場では、運用データと関連するITを組み合わせることで、生産部門に起こりうる障害について、またビジネス・リーダーに機器に関連する特定の作業オーダーや生産が脅威にさらされていることをアラートで知らせます。このような分析には在庫を含めることもできます。マネージャーはアプリケーションを使用して、さまざまな倉庫やサプライヤーからの輸送中の在庫の場所を視覚化し、分析を適用して、迅速に対処しなければ生産を停止させる可能性のある潜在的な在庫不足への対処について、より適切かつ迅速な意思決定を行います。

製造分析の利点

製造分析は大きなメリットをもたらしますが、その中でも最も重要なものを以下に紹介します。

  • スケジュール外ダウンタイムの防止:メーカーは分析を用い、まもなく故障する可能性が高い機器を示すことができるセンサー・データを解釈します。たとえば、センサーはギアシャフトのボールベアリングが、まもなく使用不能となることを示す通常とは異なる周波数で振動していることを検出できます。そのデータを使用して、メーカーは予防メンテナンスを行い、機械と生産ラインをスケジュール通りに稼動させ続けることができます。
  • 生産性の向上McKinseyによると、メーカーは分析を活用することで、設備や従業員の生産性を向上させ、利益率を最大10%上昇させることができます。同コンサルタント会社は、特定の製品ラインのサードパーティ・サプライヤーへの依存度の低減や、一部の重要な生産資産のスループット向上による容量拡大の機会を特定することなどにより、年間数百万ユーロのコスト削減を実現した世界的な化学企業のたとえば例を挙げました。この企業はまた、他の製品カテゴリの生産容量を引き上げることで、売上も増加させました。このメーカーは、合計500以上の変数、3,000以上の制約条件、および数百の製造ステップを分析した分析モデルを使用しました。
  • 新たなビジネス・モデルのサポート:多くのメーカーは、サービスの提供を前提とし、完成品の販売を簡素化する、一部ではProduct as a Serviceと呼ばれる新しいビジネス・モデルを試みています。例としては、航空機のエンジン・メーカーが、修理の必要なく飛行した時間数に応じて航空会社に料金を請求したり、医療機器メーカーが、継続的なサービス料金の対価として機器の稼働時間を保証し、使用量に応じて病院に請求を行うことなどが挙げられます。メーカーはシステムから収集したデータを分析し、予防保守が必要となるタイミングを特定するため、こうしたサービスは分析により可能になっています。メーカーが収集および分析するデータは、差別化された経常収益ストリームの構築を可能にするだけでなく、今後の製品の改善を支援し、このモデルはより長期的な顧客関係の構築に役立ちます。
  • コストの最適化メーカーは、人件費、材料費、間接費、原材料の安全在庫を過剰に注文することによる持ち越し費用の発生といった異常経費など、コスト全体をより的確に把握することができます。このような分析の活用は、利益率の改善につながる可能性があります。
  • 主要業績評価指標(KPI)の恒常的な把握:ビジネス・リーダーは、工場とサプライチェーンの全体にわたり、ビジネスの重要な側面に影響を及ぼす可能性のある潜在的な問題の検出を支援するために分析を用います。工場やメーカーのパフォーマンスを示すことのできる単一のKPIはありません。さらに、定時搬送など一部のKPIは、1つの工場だけでなくサプライチェーン全体のパフォーマンスを反映します。大手メーカーは分析により、マネージャーがこれらのKPIそれぞれの根底にある問題や、KPI同士が相互に関連する仕組みを理解できるよう支援しています。

    最も一般的なKPIは以下の通りです。
    • 完全オーダー率とは、前述のとおり、メーカーがいかにミスなく完成品を納入するかを反映する様々なKPIの合成値であり、適切な個数の商品の出荷、正確な梱包、実際の出荷数量と一致するドキュメントの添付、規定価格による請求書の発行を確実に行うことなどが含まれます。
    • 歩留まりとは、商品が生産される効率を測定するもので、生産された総個数に対する標準的な仕様で生産された個数の割合を計算した値です。
    • 総合設備効率(OEE)は、製品の品質、機器の可用性、パフォーマンスを考慮し、工場が生産的である時間の割合を測定します。OEEを随時分析することにより、メーカーは機器の潜在的な故障を予測し、それに応じてメンテナンスを計画することができます。
    • 定時搬送,は、顧客に約束した特定の期間内に納品されたユニットの割合を測定したものです。この分析は、サプライヤーの納品問題や販売管理のボトルネックなど、受注処理に遅れが生じる可能性の把握と、その正確な原因の特定を支援します。
    • スループットとは、一定のスケジュールで生産された商品の総数に基づいて、特定の工場やメーカーの効率を計算したものです。このようなデータの継続的にな監視により、メーカーは潜在的な機器の非効率性を特定、リソースの滞留を管理、目標を達成するために生産計画を調整することができます。
    • サイクルタイムは、顧客の需要に対応するためのメーカーの設備の機能を計算する方法であり、顧客からの発注から顧客が商品を受け取るまでに工場が生産する商品の量によって測定されます。
    • 生産量,とは、一定のスケジュール内で生産されたユニットの総数を測定した値です。
    • 設備稼働率とは、あるスケジュールで使用された総設備容量を、使用可能な総設備容量で割ったものに100を掛けてパーセンテージを算出したもので、メーカーがどの程度設備容量を需要に対応させているかを測定した数値です
    • スクラップ率とは、作業終了後に廃棄しなければならない材料の量を測定した数値です。この率は、低い方が良いとされます。
  • サプライヤーのパフォーマンスを把握メーカーは分析を利用して、部品や原材料を一貫して期日通りに納入するサプライヤーを特定します。また、サプライヤーの製品品質、競合他社と比較した価格、労働基準や環境基準の遵守状況のモニターにも利用します。
  • サプライチェーンの可視化:メーカーは分析を利用して、原材料やパーツの在庫水準に関するレポートを作成します。また、どのパーツがまだ輸送中か、他の場所での不足分を補うために移動可能な在庫が各工場のどこにあるかを可視化することができます。これは、一度に何百もの注文をこなす何千ものサプライヤーを抱える大規模メーカーにとって特に重要です。
  • 作業オーダーの優先度設定:分析により、製造チームは、製品の納期、サプライチェーンの混乱の有無、各注文に必要な固有の在庫の有無などの要因に基づいて、 先すべきプロジェクトや生産工程優を容易に判断できるようになります。分析により、監督者は作業オーダー、注文書、手元在庫を比較することができ、また生産監督者は様々な生産工程が全体的な製造計画にどのように組み 込まれているかを確認することができます。たとえば、工場マネージャーは、迅速に充填する必要があるプレミアム顧客または大口顧客に対して、より新しい佐合オーダーを実行し、あまり安定していない顧客からの、対応にそれほど時間がかからない古い注文の優先順位を下げることにする可能性があります。
  • 従業員の生産性向上分析は、前述のとおり、スケジュール外のダウンタイム削減を支援できるため、生産現場の従業員がアイドル状態になることはほとんどありません。また、複数の施設にわたりいくつもの作業オーダーが進行している場合、手作業で実行するのは困難な場合もありますが、機器が使用されていない時間帯にメンテナンス活動のスケジュールを立てられるよう、スタッフを支援することもできます。その結果、メンテナンス・クルーがマシンのサービス待ちで立ち尽くすという、珍しくもない状況を確実に回避できるよう支援します。実際、メンテナンス担当の従業員が生産性の高い仕事に費やす時間は、全体の4分の1程度に過ぎないとも見積もられています。このような分析は、材料の納期やその他の外部要因に合わせてシフトの開始と終了の時間を調整するなど、他のプロセスの調整にも利用できます。
  • 製品リコールの範囲の制限::分析では、リアルタイムの生産データや品質管理レポートなど、個々の機器からの詳細なレポートを使用して、品質問題がいつ、どの生産ラインにおける、どの機器で発生したかをメーカーが正確に特定できるよう支援します。これにより、製品リコールの範囲の制限、コストの削減、顧客満足度の向上を支援します。
  • より詳細なデータの入手:メーカーは、通常工場レベルのデータでKPIを使用して運用を管理します。このデータは、個々の生産ラインや機械にも関連付けることができるため、メーカーはスループット、サイクルタイム、その他のKPIをきめ細かく改善することができます。
  • 従業員の離職を軽減:分析は、メーカーが安全上の危険、困難な労働条件、長すぎる勤務シフト、十分に稼働していない従業員などの特定と是正を支援することができ、士気、安全性、勤続年数の向上を支えます。また、メーカーは分析を利用して、特定のポジションで活用している以外のスキルを持つ従業員を特定することで、その従業員をビジネスの別の分野に配置転換し、キャリアアップを実現することもできます。
  • 一貫性のある財務データの生成:いまだにスプレッドシートなどの手作業で連結されてない財務データを管理している企業では、データに一貫性がないことがよくあります。これは、レポートエラーの結果であったり、管理者が与えられた状況を可能な限りうまく見せようとすることが原因である場合があります。財務アプリケーションと工場現場の機器の両方から抽出されたデータに分析を適用することにより、ヒューマンエラーや操作のない自動化された正確なレポートを作成することができます。

製造分析における9つのベストプラクティス

成功する分析プロジェクトには、以下のベストプラクティスで説明するようないくつかの共通する重要な特徴があります。

1. ビジネス・プロジェクトにする

分析プロジェクトの開発には、役員に至るまでビジネス上のステークホルダーを参加させます。プロジェクトを単なるITプロジェクトと見なさないよう、早期に意味のある成果(KPIのセクションを参照)を得られるようにします。たとえば、ITデータと運用データを組み合わせることで、定時搬送が顧客満足度に与える影響や、機械のダウンタイムが完全オーダー率に与える影響など、連携された指標の分析を支援できることを実証します。

2. 小さく始める

分析の価値を証明するには、エンタープライズ・スケールのプロジェクトを立ち上げるのではなく、ボトルネックとなっている機械や 製品ラインにとって特に重要な機械など、少数の機械から収集したデータから始めます。このアプローチは、ビッグバン・アプローチよりも低コストで、すぐに結果が出やすく、より広範な分析プロジェクトに対するより大きな需要につながることがよくあります。

3. データを棚卸し

さまざまな部署で使用されている異なるシステムから利用できるさまざまなデータ型を、本格的に洗い出す作業を実施します。この評価には、買収した企業で使用されているアプリケーション、買掛金、給与計算、その他時間をかけて追加されたバックオフィスのアプリケーション、さらには、開発者が10年前に誰かのために作成し、今でも誰かの机の下のサーバーで稼働している単発のアプリケーションも含める必要があります。

4. 運用データを含める

最も正確な分析を得るために、製造プロセスを管理するアプリケーションで収集されたデータとともに、工場設備やその他の運用データを含めます。たとえば、ERP アプリケーション からの作業指示データを、生産ラインのサイクルタイムに関する運用データと一緒に分析することで、顧客満足度と収益に直接影響する、指定された注文が時間通りに処理されるかを示すことができます。

5. 単一のデータ・リポジトリを作成

異なるデータウェアハウスのデータを単一のクラウドベースのデータウェアハウスまたはデータレイクに集約します。企業によってデータ管理システムが異なり、互いにうまく統合できないことが多いため、これは買収後に特に重要になります。

6. 管理が必要なものを測定

適切なデータ型が収集および分析されるように、分析プロジェクトの範囲を設定します。プロジェクトの目標の1つがダウンタイムの削減である場合、稼働状態のメンテナンスが必要な機器のセンサー・データが収集されていることを確認します。スループットの向上が目標の場合は、生産量を記録して時系列データを収集し、特定の時間枠でどれだけの生産量があるかを測定できるようにします。

7. AIと機械学習(ML)を導入

分析においてコード不要のMLLを活用することで、製造組織の誰もが、在庫における滞留傾向の特定、機械のダウンタイム予測、リソース未稼働の分析、生産不足が収益やマージンなどの主要なビジネス指標に与える影響の関連付けなど、履歴データに基づいて隠れたパターンを発見することができます。

8. 分析機能を段階的に拡大

データが収集されていない主要エリアを特定し、センサーやその他の機能を追加して、データを収集するようにします。それに応じて、分析プロジェクトの範囲を拡大し、複雑さも増します。たとえば、メーカーは生産台数や設備が容量一杯で稼働している時間の割合の測定から始め、その後、総生産台数に占める受入台数の割合などの品質指標を追加することができます。

9. 製造計画を調整

メーカーは、統合的な在庫、およびフルフィルメント、カスタマー・エクスペリエンス、販売、生産、サードパーティのソースから集積されたデータから、分析ドリブンなインサイトを使用して、迅速な意思決定を行い、必要に応じて生産計画を調整することができます。

製造分析のビジネス・ユースケース

メーカーはデータ分析を使用して、フロア運用とサプライチェーンの全体的な効率を改善し、全体的な機器の効率、機器の稼働時間、歩留まりスループットなどのKPIについてより適切なインサイトを得ています。以下の例をご参照ください。

  • HarbisonWalker International:大規模な多国籍メーカーは、分析を利用して予測精度の向上と定時搬送の改善を実現しています。たとえば、HarbisonWalker Internationalは150年以上の歴史を持つ耐火物製品(高度の熱、圧力、化学的攻撃に耐えうる製品)を製造する企業で、3つの大陸に点在する数十の施設を有しています。過去20年間に買収を繰り返し、無数のアプリケーションをつなぎ合わせてきたため、データの収集と分析が困難になっていました。HarbisonWalkerは、データとアプリケーションを単一のクラウドERPシステムに統合することで、全社的な製造データと財務データを分析し、予測精度の向上、従業員の残業時間の削減、在庫水準の微調整、定時搬送の90%以上の改善を実現しました。
  • Western Digital分析は、大規模ビジネスがデータに基づく意思決定を迅速に行うことを支援します。たとえば、データ・ストレージ企業のWestern Digitalでは、それぞれ異なるデータ・プラットフォームとワークフロー・プラットフォームを使用していた日立グローバル・ストレージ・テクノロジーとSanDiskの買収など、複数の要因により、データ・レポートのワークフローが滞っていました。3社合計で管理すべきアプリケーションは2,000を超え、IT部門がデータウェアハウスを更新するまでに8時間以上かかっていました。この設定により、ビジネス・ユーザーは平日にビジネス・インテリジェンスや分析にアクセスできず、レポートが利用可能になってもデータは24~48時間前のものでした。クラウドベースの新しいシステムでデータとワークフローを標準化し、デフォルトのレポートを使用することで、Western Digitalのビジネス・リーダーは約20分以内に分析データにアクセスできるようになりました。さらに、データとプラットフォームを統合したことで、企業はワークフローを効率化し、すべてのマネージャーとエグゼクティブが同じデータ・セットとレポートをもとに業務ができるようになりました。
  • Bitron:メーカーは分析を活用することで、エグゼクティブがデータ検索に費やす時間を削減し、直感レベルではなく経験に基づく意思決定を行いやすくしています。エネルギー、自動車、HVACなど、さまざまな産業向けの機械・電子部品を製造するイタリアのメーカー、Bitronは、クラウド・テクノロジーを利用してデータのサイロ化を解消しています。セルフサービスの分析ツールにより、マネージャーは必要なレポートを作成することができます。通常、ユーザーはさまざまなソースからデータをエクスポートし、ポイント分析ツールを使用して個別に分析を実行する必要があるため、インサイトに欠陥が生じます。しかし、データ準備とエンリッチメント機能を備えたOracle Analytics Cloudを使用すれば、ユーザーはより簡単にデータを集約してKPIを作成し、製造プロセスの管理を支援できます。
  • Bonnell Aluminum:分析により、メーカーはサプライチェーンおよび運用の可視化を強化し、顧客の需要をより適切に満たすことができます。Bonnell Aluminumは、アルミニウム押出材のカスタム加工および完成品のメーカーで、相互運用不可能なデータウェアハウスにあった5つの製造工場のデータを含む、人事、財務、工場運用システムのデータを使用しようとしていました。工場管理者は、スプレッドシートの現場データと自社開発のERPレポート・システムを組み合わせていたため、データに一貫性がなく、意思決定の根拠も不十分でした。信頼性の高いデータの欠如により、世界的な材料不足の特定や関連付け、業績不振なサプライヤーの識別、顧客注文の優先度設定が不可能になっていました。Bonnellのビジネスの80%はカスタムメイドの製造であり、指定の仕様で作られた商品を特定の時間に納品することが必要となるため、このような明確性の欠如は許容できないものとなっていました。新たなクラウドベースのERP と分析プラットフォームにより、同社は仕入れと在庫に関する意思決定を改善しました。サプライヤーからのデータも含むエンタープライズ全体のデータを連携させることで、Bonnellは最も需要の高い製品の理解向上、プロセスにおけるボトルネック(サプライヤーの遅延や関連する在庫問題など)の特定、およびそのようなカスタム需要に対応するために必要な変更(労働力や支出の再配置など)が可能です。

製造におけるデータ分析の導入方法

ほとんどのメーカーはデータ分析を利用していますが、多くの場合、包括的な戦略の導入には至っていません。これには、一貫したデータの集計とクレンジング、そのデータに対する分析クエリの実行、データによって明らかになったアラートやその他の情報に対するレスポンスポンの体系化などが含まれます。メーカーは、以下の10の導入ベストプラクティスを検討する必要があります。

  1. データ・リポジトリの現在の状態のインベントリを作成し、(予防保全、品質向上、従業員の安全などのために)作成してほしい指標を含め、最終的にあるべき状態をドキュメントにまとめます。
  2. データ型の棚卸しを行います。これには、機械、デバイス、輸送中の資産、その他のソース、および製造、財務、サプライチェーン、販売、マーケティング、人事、その他のアプリケーションから収集された非構造化データに加え、データウェアハウスやデータレイクで整理された構造化データが含まれます。
  3. まず、ビジネス継続性を確保するためにバックアップされた単一のデータウェアハウスまたはその他のリポジトリにデータを統合することから、データ移行プロセスを開始します。分析プロセスの重要な最初のステップであるだけでなく、このようにデータを合理化することは、ストレージ・コストを削減することにもつながり、これは最初の大きな成果となります。
  4. 異なるデータ・ソースから中央リポジトリへのコネクターまたはデータ・フィードを構築 します。
  5. データ・クレンジング・ソフトウェアを使用して、異なるシステムから収集された重複データ、矛盾データ、不正確なデータを削除し、一元化されたデータがクリーンで信頼できることを確実にします。
  6. 前述のとおり、小さく始めます。最初は、ボトルネックと特定された生産機器の1つをターゲットに絞り、予防保全とダウンタイムの削減を目的として、チームが分析を適用できるようにします。あるいは、分析を利用して追跡および改善する一連のKPI(サイクルタイム、スループット、従業員の安全性など)を特定します。
  7. より重要な生産ラインサプライチェーン・プロセスに分析を移します
  8. ビジネス・ユーザーが選択した間隔で独自のレポートやダッシュボードを作成できるようにすることで、IT部門への依存を軽減します。
  9. 人がデータの異常やその他のフラグに基づいて意思決定することを容易にするため、(表形式ではなく)視覚重視のレポート構成にします。
  10. 可能な限り、分析ソフトウェア・パッケージの一部であるデフォルトのレポートを使用し、業界標準のKPIを得ることで、競合他社に対する自社の運用評価を支援します。
製造におけるデータ分析の導入方法(イメージ)
製造分析プログラムの設定は、小さなプロジェクトから始めて徐々に範囲を広げていく反復プロセスです。

製造分析の未来

ほとんどのメーカーはすでに情報技術(IT)と、ある程度のテレマティクスやその他の計測機器を自社の機器に導入していますが、ITと分析の利用には特にばらつきがみられる傾向があります。これは、データが異なるサイロに存在し、アクセスと分析が困難なためです。

クラウドベースのITシステムを標準化することで、製造メーカーは、構造化データと非構造化データの両方を含むすべてのデータを統合し、正確で信頼できるインサイトを得るために一貫した方法で分析を活用して意思決定を改善することを支援します。

最後に、分析に組み込まれたローコードおよびコード不要のMLを導入することで、ビジネス・ユーザーは、リクエスト・チケットに記入したり、IT部門の支援を受けたりすることなく、自分でレポートを作成できるようになります。これにより、データの利用頻度が高まり、その結果、あらゆるメリットがもたらされます。

オラクルによる将来性のある製造プロセス

Oracle Fusion Cloud ERPの一部であるOracle Cloud Supply Chain & Manufacturingは、メーカーが変化する需給および市場環境に迅速に対応できるよう支援します。このアプリケーション・スイートを使用するメーカーは、在庫パターンを継続的にモニターして受注残のリスク軽減やサプライヤーのパフォーマンスが生産目標に影響する可能性の有無を判断することなどが可能です。

Oracle Fusion Supply Chain & Manufacturing Analyticsを使用することにより、メーカーは、デフォルトのインサイトによる生産性の向上、迅速な異常検出による生産現場の効率化、サプライチェーン&生産管理(SCM)データの統合的な表示による生産計画プロセスの最適化を実現できます。

製造分析に関するFAQ

分析がメーカーを支援する仕組みを教えてください。?
製造メーカーは、計画外のダウンタイムの削減、サプライヤーのパフォーマンスの追跡と改善、作業オーダーの優先度設定、従業員の生産性向上、製品不良の削減など、さまざまな目的で分析を利用しています。

センサーが検知できる物理現象の種類を教えてください。
センサーは炎の有無、ガス漏れ、オイル・レベルなどを検知し、温度、圧力、放射線などの物理的特性を検知します。また、物体の動きやお互いの近さを検出することもできます。

メーカーが分析するデータを入手する経路教えてください。
メーカーは、工場の機械、バックオフィスのITアプリケーション、サプライヤー、市場、人口統計、天候、規制、特許、環境、社会、およびガバナンス慣行、その他の情報カテゴリに焦点を当てたデータのサードパーティ・プロバイダーなど、さまざまなソースからのデータを関連付けます。

サプライチェーン・コマンドセンターで、収益を迅速に向上

サプライチェーンの意思決定の質とスピードを向上させ、将来のサプライチェーンの課題に先手を打つための方法を、eBookでご紹介しています。