Mobile menu

Supply Chain and Component Sourcing

Optimize component sourcing with real-time supply chain insights, helping designers choose reliable parts and avoid shortages or obsolescence.

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
適用
フィルターをクリア
要件管理 スプレッドシートのやりくりにストップ!Altium 365 RSPで要件を管理しよう 1 min Newsletters PCB設計者 電気技術者 購買・調達マネージャー PCB設計者 PCB設計者 電気技術者 電気技術者 購買・調達マネージャー 購買・調達マネージャー 電子設計の複雑さは、従来の 要件管理の方法を上回っています。私たちが見てきたところによると、開発チームの30から50パーセントがまだ要件をスプレッドシートや基本的なテキストドキュメントで追跡しており、他の人々は設計に直接メモを追加したり、Jiraのようなタスク管理ツールを使用したりしています。 この断片化されたアプローチ–要件が複数のシステムやチームにまたがって散在している–は、製品がより洗練されるにつれて、顕著なリスクを生み出します。エンジニアはスプレッドシート、ドキュメント、設計ファイル間を切り替えながら、要件を正確に追跡することに苦労しています。 散在する要件の隠れたコスト 要件が複数の場所に存在すると、問題は倍増します。エンジニアは現在の仕様を探すのに数時間を費やすと報告しており、プロジェクトマネージャーはバージョン管理を維持するのに苦労しています。設計チームはしばしば古い情報で進めてしまい、避けられたはずのやり直しを余儀なくされます。 影響は時間の無駄にとどまりません。適切な要件追跡がなければ、設計上の欠陥が開発の遅い段階で表面化し、大幅な遅延を引き起こします。規制された産業では、散在する要件はコンプライアンスの検証をほぼ不可能にします。異なる要件ソースから作業しているハードウェアとソフトウェアのチームも、互換性のないソリューションを構築してしまうことがあります。監査中に、要件の実装を証明することは、さまざまなシステムからのドキュメントを組み合わせることを含む、時間を要する挑戦となります。 要件管理の新しいアプローチ 要件&システムポータル(RSP)は、Altium 365内で要件を扱う異なる方法を表しています。AltiumがValispaceの技術を取得したことに基づき、RSPは要件管理をAltiumの電子開発エコシステムに直接統合します。 「要件は通常、プロジェクトを開始するところです。何をしたいか、どのように何かを構築するか、プロジェクトに何が必要かを記述します」と、Altiumのシステムエンジニアリング製品担当副社長であるLouise Lindbladは最新の ポッドキャストで説明しています。「そのパズルのピースは、Altium 365やAltiumの製品では多少欠けていました。そのため、要件フェーズを詳細設計に接続するためにValispaceが導入されました。」 要件を設計に接続する RSPは、包括的な要件管理機能を備えており、単なる要件リストをはるかに超えています。RSPは、 Altium 365のWebインターフェースと Altium Designerの両方を通じて要件をアクセス可能にします。エンジニアは作業中に要件にアクセスでき、 要件と特定の設計要素との間に直接リンクを作成することができます。一方、関係者は設計内で各要件がどこに実装されているかを迅速に特定できます。この接続により、要件が実装から切り離されるという一般的な問題が解消されます。 記事を読む
接続されたエレクトロニクス設計プラットフォームがもたらす、見えにくいROI つながった電子設計プラットフォームがもたらす隠れたROI 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 基板を1回リスピンするだけでも、コストは5万ドルを超えることがあります。製品投入のタイミングを逃せば、その損失はさらに大きくなり得ます。それにもかかわらず、エンジニアリング部門のリーダーが設計ソフトウェアを評価する際、多くはROIをたった1つの数字、つまり発注書に記載されたライセンス費用で測っています。しかし、真のリターンは、予算項目をひと目見ただけで計算できるものではありません。 使用している設計ソフトウェアのコスト、そして場合によっては不足している、あるいは十分に活用されていない統合機能のコストは、初期投資の一部にすぎません。考慮すべきなのは、初期支出の後に続く、数多くの業務上のメリットとコスト削減効果です。 ハードウェア開発プラットフォームの真のコストは、既存のワークフローにただ同期できるかどうかでは測れません。むしろ、ワークフロー上のギャップをどのように可視化し、それが企業全体のパフォーマンスにどのような影響を与え、どれほど大きなコスト回避につながるかで判断すべきです。 主なポイント エンジニア同士の連携不足は、設計者と効率性の間に隔たりを生みます。機械エンジニア(ME)や 電気エンジニア(EE)向けのスタンドアロン設計プラットフォームが、他のプラットフォームと相互に連携できない場合、多くの効率化の余地が見過ごされます。ワークフローを最適化するには、最大の効果を得るために、すべての関係者とあらゆるシナリオを考慮に入れる必要があります。 接続されたエレクトロニクス設計は、過去・現在・未来の課題を解決できます。チーム間のつながりをより効果的にすることで、データ共有によって現在も繰り返し修正されている設計上の問題を明らかにし、将来同様のミスが続くことを防げます。 接続型エレクトロニクス設計プラットフォームの価値は、分散チームやますます複雑化するプログラムを管理する成長企業にとって、十分に手の届くものです。Altium Agile Teams を使えば、設計者、調達担当者、製造担当者が、変更が発生したその場で伝達される単一のプラットフォーム上でインサイトを共有できます。 過去:失われた時間を取り戻す プロジェクト期間を短縮するにせよ、時間を節約するために事務作業を最小化するにせよ、エンジニアは非効率を特定し、排除する方法を必要としています。これはあらゆるリーンオペレーションの基本原則です。 ただし、各チームがどのような影響を与えているのか、あるいはデータセットの統合からどのような洞察が得られるのかを十分に理解していない場合があります。この問題の大きさはよく記録されています。 Bain & Companyの2023年 Engineering and R&D 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