LinePulse Cap Metrics

LinePulse

生産ラインデータを有効活用し、品質管理DXを実現

高品質部品をより効率的に作り込む品質管理DX

LinePulseは、高精度な生産ラインで生成されるデータに対して機械学習と人工知能(ML/AI)を使用します。製造現場のさまざまなシステムからのデータを分析し、チームがライン上の問題発見・解決に利用できる実用的なインサイトを提供します。製造ライン全体のデータ理解を深め、根本原因の分析を加速させ、初回歩留まりを大幅に向上させることができます。

品質管理DXを実現

生産データから実現可能なインサイトを抽出

競争優位な業務遂行力の実現と効率性の改善

DX を促進

LinePulse によって、生産ラインのリアルタイムでの健全性を常に把握することで、データから実用的な洞察を引き出すことができます: 

  • データ処理と分析の反復作業を大幅に削減または排除
  • あらゆる問題を未然に発見 
  • 生産への破壊的な影響を除去 
  • 現場から収集したデータを活用し、日々の問題解決を向上 

LinePulse の主要機能

ラインへの導入は数週間ではなく数時間で実現

  • 対話型のインターフェイスで柔軟かつスケーラブルなデータ取り込みが可能 
  • ドラッグ&ドロップで設定(ノーコード)
  • データフィールドの特定とラベル付け 
  • データとラインの紐付け (例:ステーション番号、信号種・名前、信号制限など)
  • ラインの変更に合わせたデータの追加・更新も手軽に可能 
Flexible and Scalable Data Ingestion of Your Data
LinePulse Capability Metrics - common platform for SPC and machine learning

競争優位な業務遂行力の実現と効率性の改善

  • 計測・品質データの時間経過での変化を表示
  • データ専門家の力を借りることなくデータ探索を実現
  • SPC(統計的工程管理)と機械学習技術をつなげる共通プラットフォーム
  • 従来のSPC(統計的工程管理)ツールよりも付加価値の高い機械学習技術を用いた可視化環境

生産品質の異常検知

  • 2種類のデータ群の信号分布
  • 機械学習を活用しリアルタイムに異常や不良を監視
  • 異常や不良発生時のリアルタイムのアラート設定により、本業務に集中
Detect anomalies in manufacturing quality with machine learning and artificial intelligence
Root Cause Analysis - locating defects and causes of failures

故障原因の可能性要因を特定

  • 問題発生時の複数要因を探索
  • 問題に関する影響要因を把握
  • 根本解決に繋がる要因を決定
  • トラブルシューティングが困難な問題に対する原因究明を支援
  • 不具合の原因をより正確に突き止める

LinePulse デモを申し込む

LinePulse 適用事例

AI-driven assembly

自動化された車両部品選択

射出成形のためのLinePulse

LinePulse SVD

LinePulse リリースノート

LinePulse FAQ

当社製品や技術についてよく聞かれるご質問とその回答をご紹介しています 

LinePulseでは、製造ラインのリアルタイムな生産及び部品品質に関する実用性の高いインサイト(洞察)を提供することに注力しています。ライン全体の健全性を常時監視するよう設計しており、製造現場における微細な変化感知・学習します。リアルタイムの形で生産ラインからのデータを可視化し実用的な洞察を得ることで、生産ラインで発生しうる問題を即座に発見し、どこに問題の原因があるかを知ることが可能です。 

当社ではクラウド環境による膨大なコンピューティングパワーを最大限活用し、機械学習技術による高度な分析を常に行っています。LinePulseプラットフォームはSaaS(Software as a Service)ソリューションであるため、製品に新しいイノベーションを追加する際にクラウド通じて継続的に改善を行うことができると共に、常に最新版のLinePulse環境をお客様に提供できるようにしております。また、クラウド接続環境のメリットとして、製造データやLinePulseでのベストプラクティスを場所や拠点に関係なく、異なる工場間でも共有することができるようになります。 

クラウド環境での部品アナリティクスを導入することで、製造ラインをお持ちのお客様に対して最先端のAI/ML技術を瞬時に提供できるようにすることは、Win-Winの関係構築へとつながっております。 

統計的工程管理ツールはプロセス(工程)の分析には適していますが、部品品質の向上のために設計されたものではありません。ランダムな異常検出は得意ではなく、またすべての不良を検出できるわけでもないので、性能に関する問題が発生する可能性があります。加えて、統計的工程管理ツールの管理限界はタイトでもあるので、良品が不良として認識される可能性も否定できません。 

LinePulseでは、統計的工程管理手法に付加価値を与えるべく、工場全体のシステムからデータを収集し、統計的工程管理では得られない情報を含む製造データの俯瞰的な視野を提供します。工程能力表示(Cap Metrics)は、従来の統計的工程管理ダッシュボードを提供し、レポート要件を合理化すると共に、使い慣れた手法でデータの掘り下げを実現します。また、異常検知機能により、従来の統計的工程管理では検知できなかった信号の変化やセンサーから得られたデータのドリフト(乖離)を検知します。LinePulseは統計的工程管理ツールを置き換えるわけではなく、補完するものとしてご理解ください。 

ご安心ください。当社では品質エンジニアやラインオペレータのためにLinePulseを設計・提供しております。LinePulseは機械学習と人工知能を使って、これまで見つけにくかった不具合を発見できるようにします。データサイエンスの世界ではLinePulseが提供する情報は機械学習を用いた高度な分析を行いその結果を理解しやすくすることから「説明可能」な分析技術と呼ばれていて、分析から得られるインサイト(洞察)を人間にやさしく解釈できるようにするもの、と考えています。つまり、当社のLinePulse環境ではほとんどの場合、機械学習・人工知能を使用していることを意識しないように設計されています。LinePulseの導入効果を得るために必要なことは、お客様が生産ラインで部品や製品を製造し、その過程のデータを収集することだけです。当社のサポートチームは、お客様のデータソースが業務効率改善や生産性改善などの目標達成に必要な情報を満たせているかを判断することもお手伝いしております。 

データサイエンスチームは得てして「モデル中心主義」になりがちです。つまり、単一の問題を解決するために機械学習を使用することが多いのです。新しい問題に遭遇するたびにカスタムモデルを構築する必要があり、問題が発生してから解決策を得るために数週間の時間を要することもあるため、一度にひとつの問題に集中する手法はスケーラブルではありません。これは労働集約的で長期的に生産ラインに適用できるものではありません。 

LinePulseはこれらのスケーラビリティに注意して設計されており、ラインエンジニア、品質担当者、オペレータが生産状況をリアルタイムに把握できるようにしています。問題発生時の要因がどこにあり、どのワーク工程での対処が問題解決に寄与することができるかの知見を提供します。 

LinePulseがどのようにお役立ていただけるか、お気軽にお問合せください

日本のお客様に対しては、日本人コンサルタント・エンジニアが日本語でサポートします。お気軽にご相談ください。

EOLテストの工数は御社の生産ラインでボトルネックになっていますか?

予測品質のためのソフトウェア環境は御社の品質管理プロセスを加速し効率的な変化を提供できます。

Automate root cause analysis and predict defects in real time

How is that possible?