研究開発とデジタルスレッドをつなぐ

過去のブログでは、自動車バリューチェーンのあらゆる部分をつなぐデジタルスレッドの力について述べてきた。サプライチェーンから製造、配送、そして顧客による車両の使用まで、分析結果をフィードできる単一の統合プラットフォームを提供するためにデータを接続することで、業界が直面する変化に対応できる、より俊敏な組織が生まれる。しかし、デジタルスレッドは、販売、マーケティング、サービスへと前方へと伸びるだけでなく、製品開発へと遡るべきである。研究開発部門は、オーケストレーションされたアナリティクスやスケールアウトされたデータ統合の影響をこれまで最も受けていない。しかし、この状況は変わりつつある。

現在、製造・販売プロセスのほぼすべての時点で多くのデータが収集され、日常的に使用されているコネクテッド・カーからのデータによってますます増強されているため、研究開発チームがこのデータを掘り起こして新たなインサイトを得る機会が生まれている。アナリティクスは、新製品開発だけでなく、テストや検証を劇的に強化することができる。また、アナリティクスは、製品開発の全プロセスだけでなく、プロジェクトポートフォリオや独自のプロジェクトのリスクを軽減し、最適化する上でも重要な役割を担っている。

製品開発の期間を数カ月短縮し、コストを数百万ドル削減

今日の自動車は複雑化しており、経験と研究開発チームの認識能力だけでは、サブシステムやコンポーネントの変更の影響を予測することが難しくなっている。これに加えて、利用可能なデータの量と粒度が爆発的に増加している。これは課題であると同時にチャンスでもある。アナリティクスを大規模に実装し自動化することは、製品開発を効果的にモデル化し、提案された変更が製品やプロジェクトのポートフォリオ全体に伝播することを予測する唯一のアプローチである。 さらに、PLMデータ、テストデータ、コネクテッドカーからの顧客データや使用データ、シミュレーションやデジタルツインデータなど、多様なデータセットを統合することで、より早く、より優れた新たなインサイトが生まれます。統合された高品質なデータは、意思決定の自動化にもつながります。アナリティクスを活用するごとに、製品開発から価値創出までの時間を短縮できる。統合されたアプローチにより、開発コストを数カ月、数百万ドル削減することができます。

何十億キロもの走行テストに代わるもの

テストと検証は、研究開発予算全体の少なくとも50％を占めると一般的に言われており、新型車の複雑さは、必要とされるテストの幅と深さを広げている。自動車会社が自動運転車に近づくにつれ、テストの理論的範囲は何十億キロ、何百年にも及ぶ可能性があり、データ分析主導のシミュレーションが、唯一の実行可能なアプローチになりつつある。研究開発チームは、車両のあらゆる部品（1万5000モデル以上）だけでなく、各顧客が所有するあらゆるバリエーション（数百万モデル）のあらゆる部品の性能と相互作用を理解するための予測モデルを構築し、訓練する必要がある。このような規模の「インシリコン」テスト・検証プロセスでは、規制当局と顧客の両方からますます厳しくなる基準を満たしながら、新製品のリードタイムを大幅に短縮できる可能性がある。 リスクは大きいが、その見返りも大きい。大手自動車メーカーの場合、テストとバリデーションの効率を保守的に1％改善するだけで、毎年8000万ドル以上のコストを回避できる可能性がある。

適切なプロジェクトをより早く承認する

デジタルスレッドは生産性を向上させ、研究開発プロセス自体のリスクを軽減することができるでしょう。新製品開発にはコストがかかり、多くの行き詰まりがある。個々のプロジェクトの影響、成功の可能性、失敗の結果を予測することは、人間だけで行うには複雑すぎる。コネクテッド・カーからのライブストリーミングデータから、テストデータ、特定コンポーネントの履歴分析まで、複数のソースから、複数のフォーマットで、さまざまなケイデンスで得られるデータを活用することで、予測分析は、早急に進めるべき適切なプロジェクトを特定することができる。また、リスクや潜在的な予期せぬ結果を明らかにすることもできる。これらすべてのデータを活用する分析モデルは、どのプロジェクトを早期に承認し、どのプロジェクトを中止すべきかを特定することで、研究開発のリスクを大幅に軽減し、効率を向上させることができるでしょう。

自動車のバリューチェーンにおいて、予測不可能な要素として悪名高いこの要素の予測可能性を高めることは、多大な利益をもたらす可能性がある。研究開発プロセス全体の効率を1％向上させれば、年間1億6,000万ドルを節約できると試算できる。

変化を促す敏捷性と顧客の期待

これらの例は氷山の一角にすぎない。自動車会社が、コアとなる電気機械的な車両だけでなく、ソフトウェアやサービス製品など、製品コンセプトを多様化し、顧客向けに超パーソナライズされた体験を創造するようになると、製品開発にデジタルスレッドを拡張するメリットは倍増する。物理的な製品のリードタイムは3、4年かかるが、アナリティクスはより良いデータに基づいてより良い意思決定を行うことで、リードタイムを短縮することができる。エンジニアはデータを探す時間を減らし、データを活用する時間を増やすことができる。ソフトウェア、サービス、パーソナライズされたエクスペリエンス製品では、市場投入までの時間はますます短くなっている。パーソナライズされたエクスペリエンスでは、顧客が接するたびに製品が即座に作られる。この場合、製品の挙動を顧客の期待に完全に一致させるために、リアルタイムに近いデータ分析が不可欠となる。いずれの場合も、予測分析をサポートするために複数のソースからデータを統合する利点が、プロセスを改善してくれる。製品そのものの価値を高めるまでの時間を短縮し、プロセスを合理化・最適化することで、従業員はこれまで以上に複雑なデータに目を通すよりも、本質的で価値の高い仕事に集中できるようになるだろう。 

今日まで、研究開発チームはそれぞれのサイロの中で活動してきた。データの急増、顧客の要求、市場における俊敏性の必要性から、これはもはや通用しない。R&Dは、既存のデータを最大限に活用し、効率を高め、開発リスクを軽減するために、デジタルの糸に結び付けなければならない。そうすることで得られる報酬は数億ドルに上る。デジタルのスレッドに接続しない場合のリスクは、はるかに高くなる可能性があるでしょう。