デジタルエッジ
Endress+Hauserは、データと人工知能を活用して内部プロセスを最適化しています。これは、Endress+Hauserがより高い水準の業績を達成し、最終的に顧客満足度を維持するのに役立つアプローチです。
Endress+Hauserの計測機器には多種多様なバリエーションがあるため、事実上すべての機器が一点ものです。
正確な予測
Endress+Hauserの計測機器は、標準的な在庫品ではありません。多種多様なバリエーションがあるため、事実上すべての機器が一点ものです。Endress+Hauserは、年間約300万台のセンサを受注生産しており、そのほとんどがわずか数日で納品されています。「プラントに必要な資材やリソースを適切な量と適切なタイミングで確保するためには、少なくとも12ヶ月先の市場需要を予測する必要があります」と、コーポレートサプライチェーンプロジェクト責任者のOskar Krollは言います。最近導入された機械学習モデルにより、この分野のチームのサポートが始まりました。「過去のデータを分析することで、パターンや相互関係が明らかになりました。そして、このモデルが現在、それらの情報を新しいデータに適用し、当社のセンサの需要を予測しています」とKrollは説明します。社内の科学者や外部の専門家によるわずか3ヶ月間のトレーニングを経て、このモデルが、見積もり、受注、為替レート、石油・ガス価格、経済指標、祝日などの要因に基づいて、初の需要予測を行うための準備が整いました。
「モデルを最適化するために、私たちはすでに受注実績が判明している期間を利用してバックテストを行いました。そして現在、このモデルを12ヶ月間のローリング予測に導入してから1年が経ちました。関係各国のチームがこれらの予測の妥当性を確認し、彼らの独自の知見を加えています」とKrollは述べます。この人間と人工知能の組み合わせは、うまく機能しています。「初期のデータは、予測精度が向上していることを示しています。これにより計画が改善され、お客様の期待に確実に応えられるようになります」（Kroll）
ますます多くの企業が、自社のサプライチェーンが人権や環境に関する義務に違反していないことを保証するよう求められています。
透明性の高いサプライチェーン
企業では、自社のサプライチェーンが人権や環境に関する義務に違反していないことを保証する必要性がますます高まっています。つまり、サプライヤーを綿密に調査し、監視する必要があるということです。「12,000社以上のサプライヤーを擁する国際企業として、これらの要件を満たす唯一の方法は、支援システムを導入することだと認識していました」と、Endress+Hauserのコーポレート調達部長を務めるThomas Nierlichは言います。Nierlichのチームは、求めていた解決策をPrewave社で見つけました。このスタートアップ企業は、AIを活用して400以上の言語でウェブやソーシャルメディアから収集した情報を分析するプラットフォームを開発しました。「Prewaveは24時間体制でデータを分析し、戦略的サプライヤーのリスク評価を行います」とThomas Nierlichは説明します。サプライヤーの工場の近くで抗議活動があったり、地域で自然災害が発生したりした場合、グローバル調達チームと現地の購買担当者に通知が届きます。「また、サプライチェーンの混乱を避けるために、特定の問題について幅広く協力できるサプライヤーがいるかどうかも一目で確認できます」（Nierlich）。Endress+Hauserは、Prewaveの最初の顧客の1社として、ツールの開発に貢献することができました。「現在では、当社グループのサービス会社や製造会社でも、一般的なリスク管理や新規サプライヤーの評価にPrewaveを活用しています。これらすべてが、サプライチェーンの強化につながり、私たちが確実かつ予定どおりに注文に対応するために役立っています」とNierlichは言います。
Endress+Hauserでは、校正は製造プロセスにおける重要なステップとなっています。
迅速な校正
校正は、Endress+Hauserの製造プロセスにおける重要なステップです。「この方法により、私たちは計測機器が仕様の範囲内で動作することを保証できます」と、流量測定技術プロダクトセンターの校正システム担当主任プロジェクトマネージャーを務めるJörg Zacheresは述べます。しかし、校正には時間がかかります。「そこで私たちは、品質を低下させることなく、このプロセスを加速できないだろうか、と考えました」。目標は、Endress+Hauserが最も多く販売している電磁流量計の受注処理を迅速化することでした。上級校正アナリストのJonas Bretzが説明するように、ここでの課題は可視性に関するものでした。「プロセスの多くは自動化されており、プラント内の見えないところで行われます」。透明性を確保するために、チームは多様なソースを利用して、機器、プロセス、製造プラントに関して生成されたすべてのデータを収集し、それらを重ね合わせました。「関係者全員が、一連のイベントの全容と詳細を可視化できるようになりました。これにより、事態がどのように進行しているか、共通の理解をさらに深めることができるのです」（Bretz）。
チームは、関係機関と緊密に連携しながら、世界中のプラントで校正プロセスを最適化しました。Jörg Zacheresは、この結果に満足しています。「校正プロセスは、約30%短縮されました。いくつかのステップが省略され、あるいは合理化され、さらには追加の品質管理ステップを組み込むことさえできました」。また、チームはコリオリ流量計の校正時間を短縮することにも成功しました。そして、さらなるプロジェクトが進行中です。「グループ全体でデータとAIのプラットフォームが構築されました。これにより、まもなくすべての校正データを標準化された方法で自動収集できるようになります。これは、データサイエンティストの業務を効率化し、最適化プロジェクトをより迅速に実現するのに役立ちます」。このように、データプロダクトオーナーのJean Gutknechtは言います。
