現在、多くの家庭には、日常の作業に役立ち、さまざまな娯楽を提供するさまざまな接続デバイスや家電製品がすでに導入されています。 さらに、他のデバイスは電力消費を管理し、エアコンや暖房システムを制御し、ホームセキュリティを提供します。
ここ数年、主にインターネットに接続されたWi-Fiルーターの形での家庭用ワイヤレス接続により、多くの家電メーカーが自社製品をスマートホーム デバイスのリストに追加できるようになり、消費者と企業の両方に新しい機能と機会がもたらされました。
これらの機器は、プログラム可能性、リモート操作、消費電力の削減など、ユーザーに高度な機能を提供します。また、ユニットとそのコンポーネントの使用に関する貴重な情報も収集します。この膨大なデータは、メーカーが自社製品の実際の使用状況を理解し、適切なタイミングでメンテナンスを実施し、将来の世代における潜在的な設計上の欠陥を修正するために不可欠です。
サプライチェーン管理の改善のための予防的および予測的なメンテナンス
過去2年間は、必要なスペアパーツと製品の予測が困難でした。人々が家で過ごす時間が増えたため、多くの製品の使い方が劇的に変化し、少なくともパンデミック以前にメーカーやサービスプロバイダーが何年も収集していた情報は不正確なものになった。
さらに、ヘルスケア製品や輸送ルートの予期せぬニーズによって生じた製造と輸送の混乱は、これまで想像もできなかった形でサプライ チェーンに影響を及ぼしました。
今日、製造業者にとって最も困難な状況は、部品とスペアパーツの不足です。これにより、新製品の製造に大幅な遅延が生じるだけでなく、保守作業や修理にもボトルネックが生じます。
多くのアナリストは、生産にとって極めて重要な一部の市場の状況を考慮すると、多くの部品、特に半導体の不足が2024年まで続く可能性が高いことに同意しています。
ほとんどのメーカーは、自社製品が数年間中断することなく稼働することを期待しています。ただし、多くの家電製品やその他の家庭用機器のさまざまな条件や動作頻度が、それらのユニットの推定寿命に大きな影響を与える可能性があります。
現在の家庭用製品の多くはインターネットに接続されており、一部にはセンサーが組み込まれているため、メーカーやサービスプロバイダーはそれらから収集した情報を使用して、今後のメンテナンスの必要性を予測できるようになります。
たとえば、熱帯地域に設置され、年間の大半にわたって使用されるエアコンユニットは、夏の数週間だけ使用される場所に設置された同じユニットよりも、はるかに早くメンテナンスや交換が必要になる可能性があります。2人世帯の洗濯機は、特に小さな子供がいる4人家族の家の同じ機種の洗濯機よりも長持ちします。さらに、水質、湿度、熱、氷点下の気候など、その他の環境条件や社会習慣もデバイスの使用や摩耗に影響を及ぼす可能性があります。
メーカーやサービス プロバイダーは、車載センサーや電力使用量から収集された情報を使用して、分析と機械学習を使用して、 メンテナンスの必要性を予測し、特にスペアパーツや交換ユニットの必要性を予測できるようになりました。
したがって、現在のニーズと将来のニーズを把握することで、コンポーネントとスペアパーツを事前に調達または製造し、必要な目的地に出荷することができます。
製造業者とサービスプロバイダーはどちらも、必要な製品とコンポーネントを事前に通知することで、サプライチェーン管理を合理化できます。
機械学習とインテリジェント製造により、新製品や部品の入手可能性を向上させることができます。
電力分析と機械学習を使用することで、製造業者は接続されたデバイスによって収集された情報を活用して、製造中の問題を修正することができます。
たとえば、オーブンやコーヒーマシンの動作中に適切な温度を維持できない問題が繰り返し発生するとします。その場合、それらの機器に使用されているサーモスタットがその用途に最適ではないか、間違った場所に配置されている可能性があります。
長年にわたり、メーカーは、これらの家電製品を修理するためにスペアパーツを要求した際に、サービスプロバイダーからこれらの問題について学んでいました。ただし、影響を受けるモデルや使用条件が特定されていないことが多いため、情報は不完全です。
センサーから収集された情報を使用条件やその他の関連要因と照合することで、メーカーは 自社製品用の新しい部品を探し始めたり 、同様の状況を回避するために既存の部品を再設計したりすることができます。これにより、メーカーは高額なリコールを回避することも可能になります。
サービスの問題や接続されたマシンやデバイスの使用状況に関する知識は、時間の経過に伴う需要と供給を予測するのにも役立ち、既存のサプライ チェーンの制約をより適切に理解できるようになります。
循環型経済で環境に貢献
何十億もの消費財や工業製品の継続的な製造と交換が地球に壊滅的な影響を与えていることは疑いの余地がありません。原材料の採掘と、その加工に必要なエネルギーは天然資源を枯渇させ、地球規模の気候変動の一因となります。
そのため、製品やコンポーネントはより長持ちするように作られ、交換が必要になったときには、その部品や材料に第二の人生を与えることが不可欠です。
リサイクルは長年にわたって行われていますが、廃棄された部品を分類、検査、改造し、サプライチェーンに戻すには長い時間がかかります。使用可能な部品や材料の多くは、埋め立て地に廃棄されたり、発電所で焼却されたりしています。
上に示したように、接続されたデバイスから収集された情報と高度な分析により、デバイス、アプライアンス、またはその他の接続されたマシンを部分的または完全に交換する必要がある時期を判断できます。
家電製品やその他のデバイスを交換する場合、多くの部品はおそらく完全に動作する状態であり、それらは他のデバイスのスペアパーツとして使用できます。さらに、それらの部品が使用できなくなった場合は、そのコンポーネントを分解して他の製品を製造することもできます。
接続されたデバイスからのデータと予測機械学習機能により、メーカーやサービス プロバイダーは、交換されたユニットのスペア パーツの今後の入手可能性を予測し、それらのパーツに再利用の機会を提供することで、廃棄物を減らし、原材料の必要性を減らすことができます。
新たなデジタルサプライチェーンに向けて
「テクノロジーと情報を活用すれば、組織にはるかに少ない財務的負担で回復力を生み出し、将来のサプライチェーンを構築することができます」と、デロイトのグローバル サプライチェーン & ネットワーク オペレーション リーダーであるジム キルパトリック氏は述べています。
数十億の消費者向けデバイスを接続することで、ユーザーに機器に対する可能性と制御が広がるだけでなく、メーカーやサービス プロバイダーがサプライ チェーンを改善し、より優れたサービスを提供し、そして最も重要なことに、より優れた製品を作り、顧客体験を向上させることにも役立ちます。