製造業の問題解決を改善するためにデータの海をナビゲートするための3つのヒント

情報には飢えているが、データには溺れている?

メーカーは、データの収集、分析、処理の方法を劇的に改善してきました。しかし、標準的なモニタリングやレポーティングにとどまらず、膨大な業務データやビジネスデータに圧倒され、ビジネスの成果を上げることができないことが多々あります。問題を解決し、収益性を最大化するために、システムデータを効果的に識別し、利用することに悩む企業が増えています。この問題は、現代の製造業を特徴づける様々なシステム、プラットフォーム、ロケーション、サプライヤーなどによって生じる問題の複雑さが増していることによって悪化しています。

効果的な問題解決と意思決定を行うためには、適切なデータを特定して使用することが重要です。 複雑な問題解決を可能にする膨大な数のデータの中から、より良いものを選び出すために、以下の3つの基本的な行動を考えてみましょう。

1.適切な人を部屋に入れる。多様性のある問題解決チームは、それぞれの専門分野の情報にアクセスし、利用する方法を理解しています。例えば、品質問題を解決するために、品質担当者、生産担当者、保守担当者を参加させることで、その場にいる専門家や知識を大幅に増やし、問題解決に必要な情報へのアクセスを加速させることができます。また、異なるデータソースに接続することで、様々なシステムや部門でサイロ化されていた情報にアクセスできるようになります。全員が問題解決に集中している状態で、多様な視点と情報を得ることで、障害を取り除き、合意を形成し、関連する情報に焦点を当てることで問題解決を前進させることができます。

2.もっとデータが必要?それだけではありません。 最終的に問題解決者は、必要な情報が手元になく、存在しないかもしれないという段階に到達します。そこで止まってはいけません。関連するすべてのデータソースの中に、編集が必要な生データや分析結果があるかもしれませんし、問題解決チームの外部に必要な答えにアクセスできる人がいるかもしれません。問題解決の追求を続けることができるかもしれませんが、その前に委任しましょう。データが入手できないことを受け入れるのではなく、フォローアップのためにチームメンバーを割り当て、情報にアクセスできるようにして、より多くのリソースを巻き込むのです。あるお客様の組織では、「もっとデータが必要だ」と言われても、それを受け入れずに行動を起こす必要性が、トラブルシューティングにおける大きな障害として認識され、問題解決を改善するための重要な優先事項として挙げられました。

3.解決策を求める前に、問題を理解する。問題は、解決策が明らかになっていないときに問題となります。解決策を効率的に検討するためには、具体的に定義する必要があります。腐食」などの故障モードだけでは、問題の定義としては不十分です。問題の仕様が具体的であればあるほど、解決につながるデータを見つけやすくなります。問題を定義するための簡単な方法として、「5つの理由」(状況を説明し、「わからない」という答えが出るまで、「なぜ?)単純な問題であれば、いくつかの「なぜ」を尋ねることで、すぐに原因を見つけることができます。複雑な問題の場合、Five Whysは、問題の核心に到達するために症状を取り除くことで、目の前の真の問題を定義するのに役立ちます。Whyに対する答えがI don't knowであれば、あなたは問題を特定したことになります。

トヨタ自動車が開発した「Five Whys」の例をご紹介します。

"ロボットが止まった"

  • "なぜロボットは止まったのか?"回路が過負荷になり、ヒューズが切れてしまったのです。
  • "なぜ回路が過負荷なのか?"ベアリングの潤滑が不十分だったため、ロックしてしまったのです。
  • "なぜベアリングの潤滑が不十分だったのか?"ロボットのオイルポンプが十分なオイルを循環させていない。
  • "ポンプが十分なオイルを循環していないのはなぜ?"ポンプの吸入口に金属片が詰まっている。
  • "なぜ吸気口に金属片が詰まっているのか?"ポンプにフィルターが付いていないからです。

問題定義の進化に注目してください。5つの理由は、データ(ここでは、デジタルモニターや複雑なデータ分析ではなく、観測されたデータ)を使って、「100万ドルのロボットが壊れている」という複雑になりがちな問題から、「ロボットのオイルポンプの吸気口に金属片が詰まっている」という問題に特定しました。問題解決チームは、ロボットを動かすためのソフトウェアの修正などの解決策に飛びつくのではなく、症状を取り除くことで、ロボットの特定の部分(この場合はオイルフィルターの欠落)にたどり着きます。問題を特定することで、問題解決に必要な情報へのアクセスが早くなります。

4.コンテキストの構築ビッグデータでは、完全にニュアンスのある完全な情報を明らかにするために、コンテキストが鍵となります。データ分析では、情報のサンプリングではなく、「濃いデータ」(膨大な量のデータ)を統合することで、集めたデータをもとに、より正確な文脈と全体像を作り出すことができます。同様に、問題解決においても、ニュアンスのある完全な情報を明らかにするためには、文脈が鍵となります。例えば、Kepner-Tregoe問題分析では、IS/IS NOTマトリックスを使ってコンテキストを構築します。

ビッグデータの規模ではありませんが、問題の「何」「どこ」「いつ」「どの程度」を定義するデータを収集すると、ISだけでなくIS NOTの情報も特定し(図1参照)、その違いを詳細に説明して原因を検討することで、ますます「厚い」データを構築することができます。ISとIS NOTの両方を含むデータを収集することで、より完全でニュアンスに富んだ状況が作成され、問題解決者は潜在的な原因と考えられる問題を排除しながら、問題を最もよく表し、可能な解決策をサポートする関連データに集中することができます。

Kepner Tregoe 根本原因分析

図1

これらの4つの基礎となる行動は、組織がデータをより効果的に使用し、より迅速かつ正確に問題を解決するのに役立ちます。データの量が増えれば増えるほど、それを活用する能力も遅れをとります。複雑な問題解決のために、データの海をナビゲートするためのこれらの基本的な行動は、問題解決を加速し、質の高いソリューションを生み出すのに役立ちます。

ケプナー・トリゴーについて

Kepner-Tregoe社は60年以上にわたり、何千もの企業に力を与え、何百万もの問題を解決してきました。Kepner-Tregoe社のサービスは、組織の課題に永続的に取り組み、品質とパフォーマンスを向上させ、全体的なコストを削減するという測定可能な結果をもたらすように設計されています。

関連記事

ブログ画像1
必須」のデータが不足している場合の問題解決方法
ブログ画像1
働き方の未来 - データに基づく意思決定
ブログ画像1
AIと問題解決。製造オペレーションにおける人間の継続的な役割について
ブログ画像1
IT業界のための問題解決トレーニングに投資すべき5つの兆候

私たちは以下の専門家です:

お問い合わせ

お問い合わせ、ご意見、詳細確認はこちらから