品質不具合の原因分析をデータで行う｜4M変動と工程パラメータの突き合わせ
不具合の原因究明を経験に頼ると、再発防止が属人化します。4M（人・機械・材料・方法）の変動記録と工程パラメータを突き合わせる分析の手順、必要なデータの粒度、よくある誤りを解説します。
約3分で読めます
製造業 × #データ活用 × #異常検知
製造業のうち、データ活用と異常検知のすべてに該当する記事を3件掲載しています。
#製造DX#データ活用#業務改善#運用設計#品質検査#AI導入#システム選定#稼働率改善#生産計画#設備保全#IoT#PoC設計#異常検知#技能伝承#原価管理#外観検査#予知保全#MES#スマートファクトリー#画像認識
2個のタグで絞り込み中（すべてに該当する記事を表示）条件をクリア
予知保全と異常検知の違い｜故障事例の件数から導入可否を判断する方法
予知保全と異常検知は目的も必要データも異なります。両者の違いを整理し、自社の故障事例の件数からどちらを選ぶべきかを判断する手順、データ量の誤解、投資回収の考え方までを解説します。
約8分で読めます
IoTセンサー導入の判断基準｜後付けで取れるデータ・取れないデータ
既存設備へのセンサー後付けは、何が取れて何が取れないかを理解しないと投資が無駄になります。電流・振動・温度・画像それぞれで分かること、サンプリング周期の決め方、通信方式の選び方を実務ベースで解説します。
約4分で読めます