Mobile menu
Octopart
ホーム Octopart

Octopart

Octopart is the world's most comprehensive platform for component part search. 

Explore Octopart Octopart Discover Octopart Pulse Octopart BOM Tool
Filter
見つかりました
Sort by
役割
ソフトウェア
コンテンツタイプ
フィルターをクリア
PLMが実際にエンジニアリングチームの高速化にどのように役立つか_cover PLMが実際にどのようにエンジニアリングチームの迅速な業務遂行に役立つのか 1 min Blog エンジニアリングチームに私たちが求めるスピードで動いてもらうには、その業務に影響を与える人、製品データ、プロセスが常に完全に整合していなければなりません。 設計変更が発生するたびに、その影響は上流および下流のチーム全体に波及し、全員が同じ情報に基づいて作業し続けることが難しくなります。 そこで役立つのが製品ライフサイクル管理（PLM）です。最新の PLMソフトウェアは、アイデア段階から量産まで製品情報を管理します。 PLMは、バージョンの混乱、BOMの不一致、文書化されていない変更、手作業による引き継ぎで生じるエラーの防止に役立ちます。 では、日々の業務の中で、実際にどのようにエンジニアリングチームのスピード向上に貢献するのでしょうか。 エンジニアリングの時間が本当に失われる場面 製品がより複雑になり、チームが分散していることも多くなる中で、エンジニアは情報の検索、判断内容の確認、正しいリビジョンで作業しているかの確認に、より多くの時間を費やしています。 エンジニアリングチームは日常的に、次のような問いに対するリアルタイムの答えを必要としています。 現在有効なBOMはどれか？ この部品は承認済みか？ この変更を承認したのは誰か？ なぜこのコンポーネントが選定されたのか？ 製造部門にはどのリビジョンが渡されたのか？ こうした質問への回答が、エンジニアリング作業を中断させるべきではありません。情報を見つけにくいと、チームは手戻り、手動確認、不必要なやり取りに時間を奪われます。 今日の PLMツールは、エンジニアが必要な情報に簡単にアクセスできるようにし、情報探しに費やす時間を減らして、設計により多くの時間を使えるようにします。 エンジニアリングチームには信頼できる単一の製品記録が必要 信頼できる製品記録は、製品開発の全期間を通じて、エンジニアリング、調達、製造に単一の信頼できる情報源を提供します。これにより、すべてのチームが正しいリビジョンで作業しているという確信を持てます。 調査によれば、PLMユーザーの85%が、これらの 記事を読む
エッジセンシングBOMカバー エッジセンシングBOM：IMUからインターフェースまで、何を仕様選定すべきか 1 min Newsletters 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 この記事では、エッジセンシングシステムの重要な要素と、部品表（BOM）において各コンポーネントを効果的に仕様化する方法を詳しく解説します。電力効率とセンサーのローカルな意思決定能力に焦点を当てることで、バッテリー寿命やシステム全体の性能に影響を与える仕様を優先して検討する方法を学べます。 記事を読む
オンデバイス推論がセンサースタックを再構築している オンデバイス推論がセンサースタックを再構築している 1 min Newsletters 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 この記事では、オンデバイス推論がセンサーの動作方式をどのように変革しているのかを掘り下げ、効率性と性能向上のために、従来のストリーミング中心の方式からローカル処理へと移行している点を強調しています。さらに、多段階のウェイクアップシステムや高度な量子化技術といった進歩により、センサーはもはや信号のクリーンさだけでなく、ローカルモデルにどれだけ質の高いデータを提供できるかという観点でも評価されるようになっています。 記事を読む
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
MLCCで起こりがちな想定外の問題を解き明かす MLCCの意外な落とし穴を解説する 1 min Blog 製造技術者 電気技術者 製造技術者 製造技術者 電気技術者 電気技術者 DCバイアス、温度、経年劣化によってMLCCの容量がどのように静かに低下するのかを理解し、BOMを確定する前に実環境での性能を検証しましょう。 記事を読む
Murata vs Samsung vs Yageo Murata、Samsung、Yageoの比較：5V電源レールに適した10 µF MLCCの選び方 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 適切な部品を選ぶ作業は、単に部品番号をデータシートに照合すれば済むほど単純なものではありません。実際の設計では、部品をBOMに採用する前に、エンジニアは電気的性能、電圧マージン、信頼性、価格、入手性、ライフサイクルリスクのバランスを取る必要があります。 この記事では、マイコンベースの組み込みシステムにおける5 V電源レールのデカップリングネットワーク向けに、10 µFのMLCCを選定する実践的なワークフローをたどります。目的はシンプルです。データシート上の仕様だけでなく、実環境での挙動に着目して、次の設計に適した部品をどう選ぶかを示すことです。 実在する3つの部品を比較し、エンジニアが実際に部品認定で使うのと同じ基準で段階的に絞り込みながら、作業ツールとして Octopart を使って進めます。 重要ポイント 10 µFのMLCCが、回路内でも常に10 µFとは限りません。DCバイアスと定格電圧によって、実効容量は大きく低下することがあります。 ライフサイクル状況と認定済み代替品は、電気的性能と同じくらい重要です。EOL部品は高コストな再設計を招く可能性があります。 1つのワークフローで部品を比較することで、意思決定の質が向上します。 Octopartは、仕様、価格、在庫、ライフサイクル、代替品情報をまとめて提供し、部品選定を簡素化します。 「単純な」コンデンサが単純ではないとき エンジニアは通常、過去の設計、AVL、あるいは「10 µF、0805、セラミックコンデンサ」のような簡単なパラメトリック検索から、既知の部品番号をいくつか抽出するところから始めます。 では、この設計向けに次の3品目を候補に挙げたとしましょう。 GRM21BR61A106KE19L（Murata） CL21A106KOCLRNC（Samsung） 記事を読む
なぜ工場はまだ十分使える部品を廃棄してしまうのか なぜ工場は問題のない良品コンポーネントを廃棄してしまうのか（そして、それを防ぐ方法） 1 min Podcasts この示唆に富むCTRL+Listen Podcastのエピソードでは、ホストのJames SweetloveがComponent SenseのCEOであるKenny McGeeとともに、電子部品の無駄という深刻な問題と、それがメーカーの収益に与える影響について掘り下げます。 記事を読む