ビッグデータ活用事例（6）：インフラストラクチャ領域/会社を強くするビッグデータ活用

この連載では「会社を強くするビッグデータ活用入門　-基本知識から分析の実践まで-」で取り上げたビッグデータやアナリティクスの活用事例を抜粋し、ご紹介していきます。

書籍の中では大きく2つの場合で事例を区分しており、合計8回にわたり、「自社活用：自社の競争力強化にビッグデータを用いている事例」」のビッグデータやアナリティクスの活用事例をご紹介します。

A:他社活用：他社や外部に向けた情報提供によるサービス提供にビッグデータを用いている事例　第1回〜第4回⇒掲載済み
B:自社活用：自社の競争力強化にビッグデータを用いている事例　第5回〜第12回

今回は下記領域のうち「②インフラストラクチャ」に関するビッグデータ活用事例です。

ビッグデータ活用事例：インフラストラクチャ

　　続いて②「インフラストラクチャ」になります。「インフラストラクチャ」はリスク管理や故障管理などにビッグデータが活用されおり、としては比較的数が多い領域になります。

　例えば、本田技研工業の「ディーラーやメカニック、コールセンターなどから送られてくる製品の記録データにテキストマイニングを用いて重大なトラブルを想起させる単語や、予想外に頻出する単語を検知」することで、「トラブルの早期発見や製品の品質改善」につなげる事例などがあります。テキストマイニングを用いてコールセンターの問い合わせ情報を定量的にも定性的にも分析を行うことはこれらの異常値をいち早くつかむことにつながります。現在はコールセンターの会話ログを自動でデジタルデータ化（テキスト化）するテクノロジーも実用化できる程に進展しており、この手のコールログを分析する機会がますます増えて行くと考えられます。

　ロールスロイスの事例で「3,700機のエンジン稼働状況をセンサーでモニタリング」する事で、「故障発生前に交換が必要な部品を検知する仕組み」などが紹介されています。

　同様に、国土交通省の事例で、「東京港臨海道路の東京ゲートブリッジに設置されたセンサーから送信されるデータ」を用いて、「橋のひずみや振動を常時検知し、橋の破損状況をリアルタイムで収集」することで、「適切なメンテナンス時期を算出したり、破損状況と走行する車の積載重量をシミュレーションし、橋の負担が軽減するために車両の通行を制限」するなどに活用されています。

　以前はセンサーデータやM2M(Machine-to-Machine)の活用は大企業だけのものと言うイメージもありましたが、近年はハードウェアのコスト的にもその障壁は下がっていますので、今後はセンサーデータやM2Mを活用した事例が非常に多く台頭してくると思われます。

　また、コマツの活用で有名なGPSの活用も今後はコスト的な面でも活用のハードルが下がり各社が自社の競争力を強化させるために活用が進んで行くと考えられます。コマツは自社建機に設置したコムトラックス（GPSによる位置情報）から取得した位置情報と稼動状況を使いながら、需要予測や与信管理などに活用しています。このコムトラックの考え方は他の企業でも非常に参考になると思います。

　機械の稼働状況により需要予測を行うという考えは製造期間にある程度のリードタイムがかかり、受注よりも先行して見込みで生産が必要となる業界では非常に有力な策になります。

　建設機械と同様に、トラクターやコンバインなどの農業機械などは、かきいれ時に機会が故障して動かなくなることは是が非でも避けたい事態です。刈り入れ時に農機の部品が故障して2週間以上も動かないなどは、農家にとって致命的な出来事になります。

　こういったデータを活用することで、故障を未然に防ぎ、整備するなどはアフターセールスの観点からも非常に重要な施策になります。

次回に続く。

ビッグデータに関してより詳細にお知りになりたい場合はこちらをお読み下さい。

会社を強くするビッグデータ活用入門基本知識から分析の実践まで