Mobile menu

プリント基板のサプライチェーン

部品不足やサプライチェーンの不安定さで、生産スケジュールが狂うことはありません。プリント基板のサプライチェーンと、設計に必要な部品を調達する方法について、ライブラリをご覧ください。

ウェビナー

Explore upcoming and on-demand webinars for Supply Chain.

ビデオ

Watch videos for Supply Chain to learn more!

48:42 移り変わる風景をナビゲートする:サプライチェーン、AI、自動車、およびインターコネクトのトレンド 1 min Sponsored この絶えず変化する環境では、電子部品業界で成功するためには、情報を得て適応することが重要です。最近の7月19日 日 、2023年に開催されたウェビナーでは、主なプレゼンターとしてテクノロジーのシニアリサーチアナリスト、Dennis Reed、およびOctopartの責任者、Daniel Schoenfelderが、業界の現在のトレンドと課題について貴重な洞察を提供しました。 ここでは、議論された主要なポイントの簡単な要約を紹介します: 経済の変化:業界は「念のための」在庫管理から「ちょうどその時に」へとシフトし、現在は「あまりにも多い」在庫という課題に直面しています。Octopartのデータによると、過去18ヶ月間で電子部品の様々なカテゴリーの在庫レベルが劇的に上昇しました。 自動車および産業の課題:自動車セクターは、フリート車両と高級セダンおよびSUVへのシフトによって、混合した需要を経験しています。産業セクターは、マクロ経済要因と高い利息率の影響を受け、慎重な成長に直面しています。 防衛および医療の機会:防衛産業は、衛星や極超音速ミサイルなどの未来の戦争技術に焦点を当てた長期的な上昇トレンドにあります。医療市場は、人口動態の変化と医療機器への需要の増加により、強い成長を示しています。Octopartのデータによると、今後10年間で世界の医療機器の売上がほぼ倍増すると予測されています。 半導体の不確実性:半導体産業は、在庫の急増と予測不可能な需要による障害に直面しており、反発を予測することが困難になっています。Octopartのデータは、半導体需要の大きな変動を明らかにし、コネクタや受動デバイスなどの関連カテゴリーに影響を与えています。電子部品業界の絶えず変化する風景で成功するためには、今まで以上に情報を得て適応することが重要です。 ウェビナー全体を見逃した場合、以下で視聴することができます。または こちらをクリックしてください。 こちらをクリックしてください。または以下で聴くことができます。または こちらをクリックして、 Spotifyまたは その他のストリーミングプラットフォームでフルウェビナーを聴くことができます 。最新の業界トレンドを把握するために、将来のウェビナーにご期待ください。 記事を読む
BOM管理でサプライチェーンを改善する BOM管理でサプライチェーンを改善する 1 min Videos 今年に入ってから部品不足がさらに頻発しているのは周知の事実です。実際、世界各国では供給の問題で数十億ドルの収益が失われています。 EPSNewsによれば、「2021年、深刻な半導体不足が原因でチップを入手できず、自動車業界では1,000億ドル以上の損失が見込まれている」ということです。 部品の入手可能性と製造終了、偽造部品の蔓延、および環境規制の遵守違反の危険がますます増大している今日では、電子部品の選択とBOMコストの管理はこれまでにないほど重要です。大企業では、生産に必要な部品が不足する事態が発生しています。その結果、サプライチェーンに関するリアルタイムのアクセスが限られている中小企業では、必要な部品を入手することがさらに困難になると見込まれます。そのため、調達に関する意思決定がリスクの高いものになり、結果として偽造部品の入手につながる可能性があります。 半導体工業会によると、偽造部品による製造業者の損失は、年間で75億ドルに上ると推定されています。 2022年以降も、企業はサプライチェーンに関する難問に取り組んでいくことになるでしょう。部品を入手できない場合、製造の遅れがもたらす影響は相当なものになります。遅延が発生すれば販売計画が滞りますし、複数のサプライヤーの部品を差し替えれば、コストもリスクも跳ね上がる可能性があります。幸いなことに、多くの欠品はサプライチェーンに関する積極的な取り組みによって回避できます。 設計チームは、「 C17を調達できないので製品を作れない」と言われる瞬間を恐れています。 BOM のコストを管理する 3 つの方法 電気設計者は、長年にわたって部品に関する難問と闘ってきました。この問題は、部品の代替品が必要になったときや、設計が完成する前に部品が製造中止になったとき、またはその他の複合的な事態によって発生します。部品の調達に関する問題は、予期しない製造の遅れや時間のロスにつながり、複雑な問題を迅速に解決しなければならない設計チームのストレスを増大させる恐れがあります。 部品不足には避けられないものもありますが、その多くは一貫した意識と偶発事態への対応計画によって克服することができます。 1. BOM管理の重要度を上げる 従来、部品表 (BOM) はサイクルの後半に焦点が置かれており、その要件は設計が完了した後の調達に委ねられてきました。しかし、部品の入手可能性が重要な要素となっている現在、回路図やPCBの設計とともに調達要件の重要性が重視されなければなりません。 部品の入手可能性に関する情報を適切な形式で早めに入手し、最も重要な設計作業への影響を最小限に抑えることが最優先されます。供給に関する情報は、設計者が確認して評価し、それに応じた対策を取ることができる場所で提供されることが最も理想的です。偽造部品のリスク、入手可能性、コストといった重要な要素について、できる限り早く把握しておく必要があります。リスクのある部品を早い段階で特定することで、解決策を見つけるための時間を長く確保することができます。 プロジェクトの 記事を読む

Customer Success Stories

Discover customers finding success with Altium's Electronics Supply Chain solutions!

Technical Documentation

Explore Technical Documentation related to Supply Chain

在庫コスト削減のための高度な予測 高度な予測による在庫コストの削減 1 min Blog 購買・調達マネージャー 購買・調達マネージャー 購買・調達マネージャー 今日の競争の激しいビジネス環境において、効率的な 在庫管理は、コスト削減と顧客満足度の向上のための重要な戦略的要因です。これを実現する最も効果的な方法の一つが、先進的な予測を用いることです。 先進的な予測のケース 先進的な予測のケースは説得力があります。これは、最先端の技術や方法論を活用して未来のトレンドや行動を予測し、企業が情報に基づいた決定を行い、運営を最適化することを可能にする戦略的アプローチです。 統計は、どの予測モデルの基盤を形成します。しかし、先進的な予測は、従来の統計方法を超えています。これは、多変量解析、ベイジアン推論、モンテカルロシミュレーションのような複雑な統計技術を用いています。これらの技術により、複数の変数とその相互依存性を考慮した、より微妙なデータ理解が可能になります。 先進的な分析は、先進的な予測のもう一つの柱です。これは、データから学習し、パターンを識別し、予測を行うことができる高度なアルゴリズムの使用を含みます。機械学習は、先進的な分析の一部であり、モデルが時間とともにその精度を向上させ、エラーから学び、予測を洗練させることを可能にします。 ビッグデータモデルは、高度な予測に不可欠です。ビッグデータの登場により、企業は膨大な情報を手に入れました。高度な予測はこのデータを活用し、ビッグデータモデルを使用して大規模で多様なデータセットを処理・分析します。これらのモデルは、構造化されたデータと非構造化データの両方を扱うことができ、将来のトレンドに影響を与える要因のより包括的なビューを提供します。 人工知能(AI)は予測を革命的に変えました。ニューラルネットワークやディープラーニングモデルのようなAIアルゴリズムは、従来の統計方法では扱えない複雑で非線形な関係をモデル化することができます。新しいデータや変化する条件に適応できるため、動的で不確実な環境での予測に特に有用です。 高度な予測の利点は明らかです。マッキンゼーの研究によると、過去の結果ではなく、需要の基本的なドライバーに基づいて高度な予測を可能にすることで、予測の精度が10〜20パーセント向上し、これは在庫コストの5パーセント削減と収益の2〜3パーセントの増加につながる可能性があります( https://www.mckinsey.com/capabilities/quantumblack/our-insights/most-of-ais-business-uses-will-be-in-two-areas)。 これらの利点は、今日のデータ駆動型ビジネス環境における先進的な予測の価値を強調しています。統計、高度な分析、ビッグデータモデル、AIを活用することで、企業は未来を予測するだけでなく、形作ることもできます。 事例研究:IKEAとAIに基づく予測予測 グローバル小売大手の IKEAは、需要予測の精度を大幅に向上させる先進的なツールを開発しました。このツールは「Demand Sensing」として知られ、人工知能を使用し、既存のデータと新しいデータの両方を活用して、非常に正確な予測洞察を提供します。 Demand Sensingの実装前、IKEAは過剰在庫や在庫不足、収益機会の損失、資源配分の非効率などの課題に直面していました。これらの問題は、450以上のIKEA店舗と54の市場にわたるeコマースプラットフォームで必要とされる製品を見積もるIKEAの運営の規模を考えると、特に重要でした。 AIベースの予測分析システムの導入により、販売予測の精度が大幅に向上し、予測エラーが減少しました。このシステムは、各製品について最大200のデータソースを使用して 予測を計算し、将来の需要をより賢く、効果的に予測することができます。システムが考慮する影響要因には、祭りの間の買い物の好み、季節の変化が購買パターンに与える影響、天気予報が含まれます。 その結果は印象的でした。Demand 記事を読む