ページの本文へ

日立ハイテク
  1. Home
  2. 製品サービス・ソリューション
  3. AI・ICTソリューション
  4. AI・データ分析/活用
  5. Spotfire
  6. 事例が示す、探索的データ分析(EDA)の効果:日立ハイテク
事例が示す、探索的データ分析(EDA)の効果

データを“触りながら”考える。
未知の事象に切り込み、新しい視界を開く「探索的データ分析ツール Spotfire」。

データの見える化・活用には、多くの企業が関心をもち、実施してきました。ただ、統計的性質がわからないデータや、複雑なデータが増え、それぞれの特徴や相関性を把握することは、より難しくなっています。膨大なデータの特徴を理解するData Understandingの重要性があらためて高まり、その手法として「探索的データ分析(Exploratory Data Analysis)」が脚光を浴びています。

そのツールとして、今、多くのお客さまに活用いただいているのが「探索的データ分析ツールSpotfire」です。データの性質が明確になっていない段階からの、大量のデータ理解・分析を可能にするのがSpotfire。一般的なBIツールが「考えた結果を見せる」のに対し、Spotfireは関連する様々なデータを取り込んで、触りながら「考える」ツールです。その導入をサポートしている日立ハイテクのメンバーから、Spotfire活用の事例や手応えをご紹介します。

サプライチェーンプラットフォーム統括本部
SCレジリエンス推進本部
デジタルエンジニアリング部
部長代理 中村 健太郎
サプライチェーンプラットフォーム統括本部
SCレジリエンス推進本部
デジタルエンジニアリング部
新見 滉希
サプライチェーンプラットフォーム統括本部
戦略本部
デジタルソリューション開発部
主任技師 伊藤 大輔
サプライチェーンプラットフォーム統括本部
戦略本部
デジタルソリューション開発部
技師 福嶋 裕次

事例1多種・大容量のデータを取り込みながらKPIを探索
<半導体材料メーカーA社さま>

導入以前の状況頻繁な製造レシピ変更、設備増設、顧客要求仕様の変更など様々な変化がある中で、既存のダッシュボードツールでは事象の把握や改善対策を迅速に進められない。

  • 製造レシピ変更やモニタリング仕様変更に対応したい
  • 頻繁な顧客の要求仕様の変更、ビジネスモデルの変更でKPIの見直しが必要になるが、速やかに対応したい
  • データの保存場所・形式がバラバラで、データを結合して活用できない
  • 大容量データを取り込んだ可視化・分析ができない
探索的データ分析ツールSpotfireを導入

実現できたこと点在しているデータ、大容量データを用いた可視化分析、KPI策定がスピーディに可能に

  • 半日から1日程度かかっていたグラフの描画・データ分析業務が、2時間程度で完了
  • 特定の設備・工程のデータしか分析できていなかったが、Spotfireで簡単に統合できることで分析の幅が格段に広がった
  • 大容量データを用いて分析できることで、今まで見落としていた生産性阻害要因が見つかり、管理するべきKPIが明確になった

日立ハイテクより

  • 新見
    本番導入からわずか3カ月、トライアル期間を合わせても半年もかからずに、これだけの業務効率が上がり、「効果絶大だった」とコメントをいただいています。
  • 中村
    統計解析ツールにはプログラミング技術が必要であったり、習得に時間がかかるツールもありますが、Spotfireはデータ分析の基本知識を有している方であればすぐに課題解決のための分析に取り掛かることができるので使い勝手がよく、A社さまの品質保証部門の方々は1カ月ほどで使いこなしておられました。

事例2データの中身を確かめながら最適な分析手法を探索
<産業機械メーカーB社さま>

導入以前の状況変更の多い試作機開発に、追いつけるデータ分析ツールがない

  • 試作機開発段階では、専用の分析システム・試験データの分析結果共有用のシステムをつくる時間はなく、技術者間で分析結果を用いた議論ができていない
  • 恒久的に使わない分析画面に、多くの費用はかけられない
  • 試作機の開発プロセスで蓄積されるデータの項目変更が頻繁に発生する
探索的データ分析ツールSpotfireを導入

実現できたこと試作機段階でもデータ分析・共有が可能になり、開発がスピードアップ

  • フレキシブルな画面開発で、試作機開発でのデータ分析・共有が可能になった
  • 動作不良の種類・数、不良発生時の試作機の状態、センサー値を可視化できた
  • データの品質を確認でき、最適な分析手法の選択が可能になった
  • 天候や気温などの外部データも取り込むことができ、分析を深められた
  • 分析結果のフィードバックで開発を推進できた

日立ハイテクより

  • 福嶋
    エンジニアとして、B社さまの情報システム部門の方と一緒にプロジェクトを進めました。数カ月スパンで訪問しては、ご要望をその場で確認し、気温などの外部データ含め、様々なデータを集約しながら、分析テンプレートに追加・改修を実施しました。お客さまと試行錯誤しながらアジャイル的な開発ができたことで、迅速にユーザーが必要とする分析画面を提供することができたと、お客さまよりご評価いただけました。

事例3データを収集・追加しながら品質問題の原因を探索
<化学品メーカーC社さま>

導入以前の状況急がなければいけないデータの可視化。スモールスタートできる方法を模索

  • 製造プロセスのデータを集め、活用していきたいが遅れをとっている
  • 問題が起こったときに、その原因や不良ロットの原材料特定に時間がかかる
探索的データ分析ツールSpotfireを導入

実現できたことデータを見ながら考え、追加をおこないながら、より深い分析へ

  • 製品の試験結果の可視化から着手。バラツキを可視化
  • 原材料・中間製品ロットの特定を可能にするなどの機能拡張
  • 製品ロットの試験結果と製造時のラインのセンサーデータの対照を可能に

日立ハイテクより

  • 伊藤
    最初は試験結果を見るだけの画面から始まりましたが、それを見たお客さまに気づきが生まれ、それならばこういう分析もしたい、こういう画面をつくっていこうと、3カ月ほどの間に探索を深化させていくことができました。ファーストステップをお手伝いできたことで、お客さまのデータ活用の取り組みがどんどん進み始めました。

探索的データ分析の重要性とは。一般的なBIツールと何が違う?

データの活用を指示され、現場のデータをとりあえず集めたものの、思うような分析ができず、戸惑われるケースが多いと聞きます。
製造データを可視化するだけでは意味がなく、様々な角度から切り込み、データの特徴を理解できるような可視化をすることが重要です。
その先の分析や統計解析につなげていくためには、ノウハウが必要であったり、ツール習得に時間を要するという課題があります。とはいえ、単純な可視化ツールでは、データ量の壁や、もともと機能が搭載されておらず、サポートできる範囲も限られてしまう点も課題と言えます。
そうした双方の課題をカバーするのが、探索的データ分析に強みをもつSpotfireです。

何を見たらいいのか、何を明らかにしたらいいのかがわからない。でも、目の前で問題は起きている、不良が発生している。
未知の事象に対し、要因を探っていくプロセスでは、Spotfireが有効です。実際に、Spotfireと他のBIツールの両方を使っているお客さまも、その点は認識されており、高い評価を得ています。
経験則や主観に基づかない、データをもとに発見していくというプロセスにこそ、Spotfireは力を発揮します。

ぜひ一度、触ってみることで、深掘り分析のしやすさをお確かめください。
無料トライアルも可能です。お気軽にお問い合わせください。

資料・動画

セルフサービス型データ分析・可視化BIツール

無料トライアルも可能です。
お気軽にお問い合わせください。

ICTソリューション事業