DX CONSULTING COLUMN 工場DXコンサルティングコラム

専門コンサルタントが執筆するAI・ロボットコラム
最新のAI・ロボット技術に精通したコンサルタントによる定期コラム

工場の省人化 最新技術!完全無人化工場から協働ロボット搭載AMRまで!

2023.12.21

11/29~12/2に行われた世界最大規模のロボット展示会、「国際ロボット展 (iREX2023)」。ロボット専門コンサルタントの筆者も参戦し、最新情報を収集してきました。 今回のコラムでは、「完全無人化工場を支える技術」、「協働ロボット搭載AMR」に焦点を当てて、出展社数615から厳選した4社の最新技術事例を紹介致します。貴社のお役に立てば幸いです。 1.完全無人化工場を支える技術 今回の展示では、完全無人工場のデモが行われていました。完全に無人なので、製造工程の最初から最後まで、ロボットが全自動で作業を行います。 では、次世代型の完全無人工場実現のために、どのような技術が使われているのでしょうか?今回は、安川電機社とOmron社が提供する完全自動化サービスと、それを支える技術をご紹介致します。 1.1. 安川電機社: i³-Mechatronics i³-Mechatronicsはスマート工場化に向けたソリューションコンセプトです。平たく言えば、i³-Mechatronicsとは設備稼働状況や生産方法などのデータを管理し、分析し、活用するための考え方を指します。このソリューションの実現には様々な技術が使われていますが、今回は中でも「AIピッキング」と、「機器の故障予知診断」をご紹介いたします。 AIピッキング 安川電機社が独自開発したAI技術「Alliom(アリオム)」は、シミュレータ上でより現実環境に近い学習データを作成し剛体物だけでなく軟体物も同一ハンドでピッキングすることを可能にしています。Alliomの特徴は、「シミュレータ上でAI生成プロセス(学習データ生成+学習+AI生成)が完結できること」にあります。従来のAIは、学習させるための画像を大量に用意する必要がありましたが、Alliomは自前で生成した学習データを使って学習するため、AI開発含めて実運用までの導入時間が圧倒的に短くなり、実機投入精度の向上も期待されています。 例えば、バラ積み部品のピッキング作業においては、まず対象の部品をシミュレータに取り込み、仮想空間上に部品の摩擦感や光源の角度などを含めた、作業環境を構築します。その後、AIでバーチャル上に大量の部品データとバラバラの積み方を生成することで、ロボットハンドがどの軌道でどのポイントであれば安定して把持できるのか学習していき、これが繰り返されることで精度が上がっていきます。 (引用:https://www.yaskawa.co.jp/product/i3-mechatronics/ai_picking) これによって、これまで実機で生成していた学習用のデータが不要になったため、3-4時間ほどで実機検証して適用できるようになり、導入にかかる時間やコストの大幅な削減をすることが可能になります。 機器の故障予知診断 製造に使用する機械やロボットの故障を予知する技術です。これらは、機械にセンサーを取り付け、モニタリングすることで実現されます。 例えば産業用ロボットに組み込まれている減速機は、状況に応じて交換が必要な部品です。ロボットの稼働データから減速機に内蔵しているギヤの摩耗状態を予測し、減速機ごとの故障時期を推測することで、計画的に部品の交換を行うことができます。 またインバータやサーボモータも同様に、正常時と異常時の機器の状態を比較することで、事前にメンテナンスを行うことができます。具体的には、モータが駆動しているときの周波数・回転速度・消費電力・トルク値・温度・電圧など様々なデータを収集・分析することで、予知保全をすることが可能になります。 1.2. Omron社: Sysmac Sysmacは、Omron社が提供するスマート工場化に向けたソリューションコンセプトです。内容は先述の安川電機社のコンセプトとほぼ変わらず、データを収集し、分析し、活用していくことを推奨しています。今回は、Omron社草津工場でのビッグデータ活用事例を紹介します。Omron社草津工場では、IoTを活用した現場改善を行い、改善点の抽出時間を1/6以下に減少させることに成功しました。では、草津工場ではどのように改善点の抽出時間を減らしていったのでしょうか。 生産性向上の取り組み Omron社草津工場では、工程ごとの稼働時間や炉の酸素濃度をリアルタイムで把握し、改善点の抽出を行いました。 下記の画像は、Omron社草津工場の表面実装工程における、機械ごとにかかった作業時間を示しています。 図 Omron社草津工場の表面実装工程における、機械ごとにかかった作業時間 (引用:https://www.fa.omron.co.jp/product/special/sysmac/technology/kusatsu-report-1.html) この図の見方と図からわかることを下記に示します。 下図プロット画面左側のチャートがタイムライン。 上から下へ時間が流れており、横軸は4つの機械に入った時間、出た時間などがプロットされている。 一本一本の線がプリント基板を現しており、線をたどると、何時何分に第1工程に基板が入って、何分後に第2工程、第3工程に移っていくのが分かる。 線が浅い角度で密になっているほど加工時間が短いということ。逆に角度が大きいものは加工時間が長くかかったことを意味し、チャートの白いところは無駄な部分と言える。 線の途中のバブル・チャートは高速機のワーニング(警告)のデータ。青いバブルは機械が止まらなかったワーニング。赤いバブルは止まったワーニング。バブルの大きさはワーニングの回数を示している。 また、チャートの右側に示している数字は、実装工程に用いるリフロー炉の酸素濃度の変化を表しています。草津工場では、はんだがうまくつくように、炉内は窒素を充満させて酸素濃度を下げていますが、このデータから一部酸素濃度が高くなっている時間帯が存在することがわかります。検査工程ではんだ不良が出たときに、この個体が流れたときの酸素濃度が少し高くなっていたこと、機械トラブルではんだ塗布後に5分も止まっていたことがわかります。 このように、取得した稼働データからその稼働状況を図式化することで、ネック工程を論理的に解析することができます。 2.協働ロボット搭載AMR 近年、自律走行ロボット(AMR)と、協働ロボットを組み合わせる新たな運用方法が検討されています。AMRは人間でいうところの “足”、協働ロボットは人間でいうところの”手”に当たるので、協働ロボットを搭載したAMRはある程度疑似的に人間の動きを再現することができます。 今回は、国際ロボット展で紹介されていた2社の協働ロボット搭載AMRを紹介致します。 2.1. Dobot社:「Dobot AMR」 中国の協働ロボットメーカーDobot社が提供しているAMRと協働ロボットを組み合わせたロボット。 このロボットの特徴は、「充電時間の長さ」です。 後ほど紹介するロボットの充電時間が4~5時間程度であるのに対し、このロボットはリチウムイオンバッテリーを搭載しており、1回の充電で8時間稼働することができます。 AMRを安定的に稼働させるには、充電切れを未然に防ぐことが不可欠です。 Dobot社のロボットを使えば、昼勤時に充電なしでフル稼働させることも可能です。 こまめに充電を行えば、稼働時間はさらに伸びるでしょう。 2.2. Ci Robotics社:「MoMaシリーズ」 Ci Robotics社が提供するAMRと協働ロボットを組み合わせたロボット。 加工工場でのワーク搬送や、半導体製造工程の搬送・ハンドリング工程において導入実績があります。 MoMaの特徴の一つは、「ワイヤレス充電が行えること」です。 先述しましたが、AMRを安定的に稼働させるには、充電切れを未然に防ぐことが不可欠です。 しかし、プラグなどを用いた従来の接触式の充電では、スパークによる火災のリスクが懸念されていました。MoMaはワイヤレス充電に対応しているため、安全且つ安定的に運用することが可能です。 一回の充電で稼働できる時間は4~5時間と比較的少ないものの、急速充電に対応しておりいるため、24時間稼働をすることも可能です。 3.さいごに 今回は、「完全無人化工場を支える技術」、「協働ロボット搭載AMR」に焦点を当てて、紹介させていただきました。貴社の情報収集の一助となれば幸いでございます。 ※上記の記事を読んで「工場内物流・搬送の自動化」に興味が湧いた方に朗報です。 船井総研では、2024年2月13日/15日/19日に「従業員50~500名製造業 工場内物流・工程間搬送の自動化」セミナーを開催致します! 当日は、ECの物流倉庫立ち上げの経験を持つコンサルタントが成功する物流・搬送自動化手法を余すことなくご紹介します! さらに!!今回のゲスト講師は、低コストで搬送ロボットを導入し、年間工数600時間削減に成功した大野精工株式会社 代表取締役社長 大野龍太郎氏です!! 成功する物流・搬送自動化手法から、搬送ロボットの最新活用事例、搬送ロボット導入時の大野社長のリアルなお話まで、工場内物流・搬送工程自動化の“イマ”がわかるセミナーとなっております。   ■関連するセミナーのご案内 従業員50~500名製造業 工場内物流・工程間搬送の自動化 AGV・AMR・自動搬送システム・パレタイズロボット・ハンドリングロボットの活用 セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/108174 ■開催日程 全てオンライン開催となります 以下の日程よりご都合の良い日程をお選び下さい ※内容は全て一緒です 2024/02/13 (火) 13:00~15:00 2024/02/15 (木) 13:00~15:00 2024/02/19 (月) 13:00~15:00 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/108174   中堅・中小製造業の経営者向け 工場物流の自動化事例解説レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ 「こうなりたい!」と思っている経営者様におすすめ 工場内の物流を自動化して生産性を向上したいと思っている経営者様 工場内の物流を自動化して省人化したいと思っている経営者様 工場内物流の自動化成功事例を知りたいと思っている経営者様 工場内物流の自動化を進めるための具体的な方法を知りたいと思っている経営者様 https://www.funaisoken.co.jp/dl-contents/smart-factory_smart-factory_02125_S045 11/29~12/2に行われた世界最大規模のロボット展示会、「国際ロボット展 (iREX2023)」。ロボット専門コンサルタントの筆者も参戦し、最新情報を収集してきました。 今回のコラムでは、「完全無人化工場を支える技術」、「協働ロボット搭載AMR」に焦点を当てて、出展社数615から厳選した4社の最新技術事例を紹介致します。貴社のお役に立てば幸いです。 1.完全無人化工場を支える技術 今回の展示では、完全無人工場のデモが行われていました。完全に無人なので、製造工程の最初から最後まで、ロボットが全自動で作業を行います。 では、次世代型の完全無人工場実現のために、どのような技術が使われているのでしょうか?今回は、安川電機社とOmron社が提供する完全自動化サービスと、それを支える技術をご紹介致します。 1.1. 安川電機社: i³-Mechatronics i³-Mechatronicsはスマート工場化に向けたソリューションコンセプトです。平たく言えば、i³-Mechatronicsとは設備稼働状況や生産方法などのデータを管理し、分析し、活用するための考え方を指します。このソリューションの実現には様々な技術が使われていますが、今回は中でも「AIピッキング」と、「機器の故障予知診断」をご紹介いたします。 AIピッキング 安川電機社が独自開発したAI技術「Alliom(アリオム)」は、シミュレータ上でより現実環境に近い学習データを作成し剛体物だけでなく軟体物も同一ハンドでピッキングすることを可能にしています。Alliomの特徴は、「シミュレータ上でAI生成プロセス(学習データ生成+学習+AI生成)が完結できること」にあります。従来のAIは、学習させるための画像を大量に用意する必要がありましたが、Alliomは自前で生成した学習データを使って学習するため、AI開発含めて実運用までの導入時間が圧倒的に短くなり、実機投入精度の向上も期待されています。 例えば、バラ積み部品のピッキング作業においては、まず対象の部品をシミュレータに取り込み、仮想空間上に部品の摩擦感や光源の角度などを含めた、作業環境を構築します。その後、AIでバーチャル上に大量の部品データとバラバラの積み方を生成することで、ロボットハンドがどの軌道でどのポイントであれば安定して把持できるのか学習していき、これが繰り返されることで精度が上がっていきます。 (引用:https://www.yaskawa.co.jp/product/i3-mechatronics/ai_picking) これによって、これまで実機で生成していた学習用のデータが不要になったため、3-4時間ほどで実機検証して適用できるようになり、導入にかかる時間やコストの大幅な削減をすることが可能になります。 機器の故障予知診断 製造に使用する機械やロボットの故障を予知する技術です。これらは、機械にセンサーを取り付け、モニタリングすることで実現されます。 例えば産業用ロボットに組み込まれている減速機は、状況に応じて交換が必要な部品です。ロボットの稼働データから減速機に内蔵しているギヤの摩耗状態を予測し、減速機ごとの故障時期を推測することで、計画的に部品の交換を行うことができます。 またインバータやサーボモータも同様に、正常時と異常時の機器の状態を比較することで、事前にメンテナンスを行うことができます。具体的には、モータが駆動しているときの周波数・回転速度・消費電力・トルク値・温度・電圧など様々なデータを収集・分析することで、予知保全をすることが可能になります。 1.2. Omron社: Sysmac Sysmacは、Omron社が提供するスマート工場化に向けたソリューションコンセプトです。内容は先述の安川電機社のコンセプトとほぼ変わらず、データを収集し、分析し、活用していくことを推奨しています。今回は、Omron社草津工場でのビッグデータ活用事例を紹介します。Omron社草津工場では、IoTを活用した現場改善を行い、改善点の抽出時間を1/6以下に減少させることに成功しました。では、草津工場ではどのように改善点の抽出時間を減らしていったのでしょうか。 生産性向上の取り組み Omron社草津工場では、工程ごとの稼働時間や炉の酸素濃度をリアルタイムで把握し、改善点の抽出を行いました。 下記の画像は、Omron社草津工場の表面実装工程における、機械ごとにかかった作業時間を示しています。 図 Omron社草津工場の表面実装工程における、機械ごとにかかった作業時間 (引用:https://www.fa.omron.co.jp/product/special/sysmac/technology/kusatsu-report-1.html) この図の見方と図からわかることを下記に示します。 下図プロット画面左側のチャートがタイムライン。 上から下へ時間が流れており、横軸は4つの機械に入った時間、出た時間などがプロットされている。 一本一本の線がプリント基板を現しており、線をたどると、何時何分に第1工程に基板が入って、何分後に第2工程、第3工程に移っていくのが分かる。 線が浅い角度で密になっているほど加工時間が短いということ。逆に角度が大きいものは加工時間が長くかかったことを意味し、チャートの白いところは無駄な部分と言える。 線の途中のバブル・チャートは高速機のワーニング(警告)のデータ。青いバブルは機械が止まらなかったワーニング。赤いバブルは止まったワーニング。バブルの大きさはワーニングの回数を示している。 また、チャートの右側に示している数字は、実装工程に用いるリフロー炉の酸素濃度の変化を表しています。草津工場では、はんだがうまくつくように、炉内は窒素を充満させて酸素濃度を下げていますが、このデータから一部酸素濃度が高くなっている時間帯が存在することがわかります。検査工程ではんだ不良が出たときに、この個体が流れたときの酸素濃度が少し高くなっていたこと、機械トラブルではんだ塗布後に5分も止まっていたことがわかります。 このように、取得した稼働データからその稼働状況を図式化することで、ネック工程を論理的に解析することができます。 2.協働ロボット搭載AMR 近年、自律走行ロボット(AMR)と、協働ロボットを組み合わせる新たな運用方法が検討されています。AMRは人間でいうところの “足”、協働ロボットは人間でいうところの”手”に当たるので、協働ロボットを搭載したAMRはある程度疑似的に人間の動きを再現することができます。 今回は、国際ロボット展で紹介されていた2社の協働ロボット搭載AMRを紹介致します。 2.1. Dobot社:「Dobot AMR」 中国の協働ロボットメーカーDobot社が提供しているAMRと協働ロボットを組み合わせたロボット。 このロボットの特徴は、「充電時間の長さ」です。 後ほど紹介するロボットの充電時間が4~5時間程度であるのに対し、このロボットはリチウムイオンバッテリーを搭載しており、1回の充電で8時間稼働することができます。 AMRを安定的に稼働させるには、充電切れを未然に防ぐことが不可欠です。 Dobot社のロボットを使えば、昼勤時に充電なしでフル稼働させることも可能です。 こまめに充電を行えば、稼働時間はさらに伸びるでしょう。 2.2. Ci Robotics社:「MoMaシリーズ」 Ci Robotics社が提供するAMRと協働ロボットを組み合わせたロボット。 加工工場でのワーク搬送や、半導体製造工程の搬送・ハンドリング工程において導入実績があります。 MoMaの特徴の一つは、「ワイヤレス充電が行えること」です。 先述しましたが、AMRを安定的に稼働させるには、充電切れを未然に防ぐことが不可欠です。 しかし、プラグなどを用いた従来の接触式の充電では、スパークによる火災のリスクが懸念されていました。MoMaはワイヤレス充電に対応しているため、安全且つ安定的に運用することが可能です。 一回の充電で稼働できる時間は4~5時間と比較的少ないものの、急速充電に対応しておりいるため、24時間稼働をすることも可能です。 3.さいごに 今回は、「完全無人化工場を支える技術」、「協働ロボット搭載AMR」に焦点を当てて、紹介させていただきました。貴社の情報収集の一助となれば幸いでございます。 ※上記の記事を読んで「工場内物流・搬送の自動化」に興味が湧いた方に朗報です。 船井総研では、2024年2月13日/15日/19日に「従業員50~500名製造業 工場内物流・工程間搬送の自動化」セミナーを開催致します! 当日は、ECの物流倉庫立ち上げの経験を持つコンサルタントが成功する物流・搬送自動化手法を余すことなくご紹介します! さらに!!今回のゲスト講師は、低コストで搬送ロボットを導入し、年間工数600時間削減に成功した大野精工株式会社 代表取締役社長 大野龍太郎氏です!! 成功する物流・搬送自動化手法から、搬送ロボットの最新活用事例、搬送ロボット導入時の大野社長のリアルなお話まで、工場内物流・搬送工程自動化の“イマ”がわかるセミナーとなっております。   ■関連するセミナーのご案内 従業員50~500名製造業 工場内物流・工程間搬送の自動化 AGV・AMR・自動搬送システム・パレタイズロボット・ハンドリングロボットの活用 セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/108174 ■開催日程 全てオンライン開催となります 以下の日程よりご都合の良い日程をお選び下さい ※内容は全て一緒です 2024/02/13 (火) 13:00~15:00 2024/02/15 (木) 13:00~15:00 2024/02/19 (月) 13:00~15:00 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/108174   中堅・中小製造業の経営者向け 工場物流の自動化事例解説レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ 「こうなりたい!」と思っている経営者様におすすめ 工場内の物流を自動化して生産性を向上したいと思っている経営者様 工場内の物流を自動化して省人化したいと思っている経営者様 工場内物流の自動化成功事例を知りたいと思っている経営者様 工場内物流の自動化を進めるための具体的な方法を知りたいと思っている経営者様 https://www.funaisoken.co.jp/dl-contents/smart-factory_smart-factory_02125_S045

ものづくり補助金2024年の変更点

2023.12.21

新たな技術革新やシステム開発等で活用されている「ものづくり補助金(正式名称「ものづくり・商業・サービス補助金」)ですが、2024年のリーフレットおよび要項説明資料が2023年12月に中小企業庁にて公開されました。 当局が発表している資料を参考にして、変更点の内容について、本コラム及び、ダウンロードレポートにまとめました。本コラムでは抜粋して説明させていただいていますので、全体は是非ともレポートをダウンロードしてご確認をお願い致します。 1.ものづくり補助金2024年度の変更点 (1)申請枠・補助上限枠 2023年は「通常枠」「回復型賃上げ・雇用拡大枠」「デジタル枠」「グリーン枠」「グローバル市場開拓枠」で公募が実施されていました。 2024年は下記の通り、「省力化(オーダーメイド)枠」「製品・サービス高付加価値枠」「グローバル枠」と大幅に変更されます。 また、補助上限額も今までは最大4,000万円だったのが、8,000万円(大幅賃上げ特例時1億円)となりました。省力化のための投資を検討しているのであれば、活用を検討することをお勧めします。 (2)省力化(オーダーメイド)枠 ・省力化(生産プロセス改善)のための投資 ・補助上限額:750万円~8,000万円(大幅賃上げ特例適用時:1,000万円~1億円) ・補助率:1/2    ※小規模・再生事業者2/3   ※1,500万円までは1/2、1,500万円を超える部分は1/3 ・活用イメージ:熟練技術者が手作業で行っていた組立工程に、システムインテグレータ(Sier)と共同で開発したAIや画像判別技術を用いた自動組立ロボットを導入し、完全自動化・24時間操業を実現。組立工程における生産性が向上するとともに、熟練技術者は付加価値の高い業務に従事することが可能となった。 (3)製品・サービス高付加価値枠 ・製品、サービスの開発のための投資 <通常類型> ・製品、サービスの高付加価値化 ・補助上限額:750万円~1,250万円(大幅賃上げ特例適用時:850万円~2,250万円) ・補助率:1/2    ※小規模・再生事業者2/3   ※新型コロナ回復加速化特例2/3 ・活用イメージ:最新複合加工機を導入し、精密加工が可能となり国際基準に準拠した部品を開発 <成長分野進出類型(DX/GX)> ・DXやGXに資するもの ・補助上限額:1,000万円~2,500万円(大幅賃上げ特例適用時:1,100万円~3,500万円) ・補助率:2/3 ・活用イメージ:AIやセンサー等を活用した高精度な自律走行搬送ロボットの試作機を開発 (4)グローバル枠 ・海外事業の拡大、強化に資するもの ・海外旅費、通訳・翻訳費、広告宣伝・販売促進費も補助対象経費に含まれる ・補助上限額:3,000万円(大幅賃上げ特例適用時:4,000万円) ・補助率:1/2   ※小規模事業者2/3 ・活用イメージ:海外市場獲得のため、新たな製造機械を導入し、新製品の開発を行うとともに、海外展示会に出展 (5)公募回数が2回程度に変更 通年で継続的に公募が行われてきたものづくり補助金ですが、2024年に関しては、「公募は2回程度実施予定。」という記載になりました。 ですから、今までよりも公募回数が減少します。 公募時期に関しても、今までは申請締め切り日以降すぐに次期公募が開始されていましたが、今後はいつ公募が開始されるのか未定になります。 そのため、いつでも申請に動けるように計画を立てておく必要があります。 (6)補助実施期間が短縮 補助事業の実績報告締切日が「2024年12月10日まで」と明記されました。 公募の日程次第ではありますが、実際に発注できるのは通常交付決定日以降のため、実質的な実施期間が約8か月や、5か月程度となる可能性もあります。 ものづくり補助金は設備を設置して完了ではなく、開発期間が必要です。これまでは、「採択日から1年間」というケースがほとんどでしたので、大幅な期間の短縮となります 2.まとめ 2024年のものづくり補助金は上記のように大きな変更点があります。 省力化のための設備投資や、製品・サービス高付加価値化やDX,GX、海外事業の拡大を行う予定があれば、補助事業の実績報告が2024年12月10日であるということを念頭に、発注・納品等のスケジュールを組んでいただく必要があるでしょう。 ものづくり補助金の変更点について、上記で書ききれていない点については、ダウンロードレポートにまとめています。是非ともダウンロードして内容をご確認いただき、不明点などあればお気軽にご連絡ください。また、補助金活用に関して支援が必要な場合もご相談ください。 私どもは、企業の中に入り込み、企業に寄り添い、計画を立案実行し定着・継続的な改善まで支援させて頂き、経営指標を改善することがゴールですので、最後まで伴走させていただきます。 最後までお読みいただきありがとうございました。 ▼参考文献(経済産業省・中京企業庁) 「ものづくり補助金」リーフレット https://www.chusho.meti.go.jp/koukai/yosan/r4/r4_mono.pdf?1201 ものづくり・商業・サービス生産性向上促進補助金について(Ver.1.0) https://www.chusho.meti.go.jp/koukai/yosan/r5/r5_mono_shogyo_service.pdf   ものづくり補助金最新動向レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ ものづくり補助金(正式名称:「ものづくり・商業・サービス補助金」)の活用を検討している経営者様、次回申請の準備をしている経営者様にまず読んでいただきたいレポートです。 2023年12月に中小企業庁から次回以降のものづくり補助金の要件情報が一部公開されました。その内容からものつくり補助金に変更があることが明らかになりました。このレポートでは新たな要件を公開情報を基に整理しています。 ものづくり補助金の仕様を考えている経営者様は必ず押さえておくべき内容を記載したレポートです。 https://www.funaisoken.co.jp/dl-contents/smart-factory__02292_S045   ■関連するセミナーのご案内 ■東京&大阪 2拠点にて開催!! 【目指すは投資回収3年!協働ロボット活用事例特集!社長セミナー】 ~中小製造業で40台以上の協働ロボットの稼働に成功した社長から学ぶ! セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/105866 協働ロボットの活用事例特集! 中小製造業の皆様、このセミナーを見逃すわけにはいきません! ロボット活用成功事例がここに集結します! 低コストでの導入方法、自動化生産の具体的な手法、人手不足を解消する秘策、生産性を引き上げるノウハウ...全てがここで明かされます! 船井総合研究所と愛同工業の著名な社長が登壇し、現場目線からの貴重な情報を提供します! 東京会場・大阪会場での開催となります! このセミナーが御社の製造現場を変えるきっかけになるかもしれません! 空きは限られていますので、今すぐウェブサイトからお申し込みください。 協働ロボットの力を最大限に引き出し、成果を最短3年で得るチャンスです! ■開催日程 以下の日程よりご都合の良い日程をお選び下さい ※内容は全て一緒です 東京会場 2024/01/23 (火) 13:00~16:00 大阪会場 2024/01/29 (月) 13:00~16:00 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/107400 いつも当コラムをご愛読いただきありがとうございます。 新たな技術革新やシステム開発等で活用されている「ものづくり補助金(正式名称「ものづくり・商業・サービス補助金」)ですが、2024年のリーフレットおよび要項説明資料が2023年12月に中小企業庁にて公開されました。 当局が発表している資料を参考にして、変更点の内容について、本コラム及び、ダウンロードレポートにまとめました。本コラムでは抜粋して説明させていただいていますので、全体は是非ともレポートをダウンロードしてご確認をお願い致します。 1.ものづくり補助金2024年度の変更点 (1)申請枠・補助上限枠 2023年は「通常枠」「回復型賃上げ・雇用拡大枠」「デジタル枠」「グリーン枠」「グローバル市場開拓枠」で公募が実施されていました。 2024年は下記の通り、「省力化(オーダーメイド)枠」「製品・サービス高付加価値枠」「グローバル枠」と大幅に変更されます。 また、補助上限額も今までは最大4,000万円だったのが、8,000万円(大幅賃上げ特例時1億円)となりました。省力化のための投資を検討しているのであれば、活用を検討することをお勧めします。 (2)省力化(オーダーメイド)枠 ・省力化(生産プロセス改善)のための投資 ・補助上限額:750万円~8,000万円(大幅賃上げ特例適用時:1,000万円~1億円) ・補助率:1/2    ※小規模・再生事業者2/3   ※1,500万円までは1/2、1,500万円を超える部分は1/3 ・活用イメージ:熟練技術者が手作業で行っていた組立工程に、システムインテグレータ(Sier)と共同で開発したAIや画像判別技術を用いた自動組立ロボットを導入し、完全自動化・24時間操業を実現。組立工程における生産性が向上するとともに、熟練技術者は付加価値の高い業務に従事することが可能となった。 (3)製品・サービス高付加価値枠 ・製品、サービスの開発のための投資 <通常類型> ・製品、サービスの高付加価値化 ・補助上限額:750万円~1,250万円(大幅賃上げ特例適用時:850万円~2,250万円) ・補助率:1/2    ※小規模・再生事業者2/3   ※新型コロナ回復加速化特例2/3 ・活用イメージ:最新複合加工機を導入し、精密加工が可能となり国際基準に準拠した部品を開発 <成長分野進出類型(DX/GX)> ・DXやGXに資するもの ・補助上限額:1,000万円~2,500万円(大幅賃上げ特例適用時:1,100万円~3,500万円) ・補助率:2/3 ・活用イメージ:AIやセンサー等を活用した高精度な自律走行搬送ロボットの試作機を開発 (4)グローバル枠 ・海外事業の拡大、強化に資するもの ・海外旅費、通訳・翻訳費、広告宣伝・販売促進費も補助対象経費に含まれる ・補助上限額:3,000万円(大幅賃上げ特例適用時:4,000万円) ・補助率:1/2   ※小規模事業者2/3 ・活用イメージ:海外市場獲得のため、新たな製造機械を導入し、新製品の開発を行うとともに、海外展示会に出展 (5)公募回数が2回程度に変更 通年で継続的に公募が行われてきたものづくり補助金ですが、2024年に関しては、「公募は2回程度実施予定。」という記載になりました。 ですから、今までよりも公募回数が減少します。 公募時期に関しても、今までは申請締め切り日以降すぐに次期公募が開始されていましたが、今後はいつ公募が開始されるのか未定になります。 そのため、いつでも申請に動けるように計画を立てておく必要があります。 (6)補助実施期間が短縮 補助事業の実績報告締切日が「2024年12月10日まで」と明記されました。 公募の日程次第ではありますが、実際に発注できるのは通常交付決定日以降のため、実質的な実施期間が約8か月や、5か月程度となる可能性もあります。 ものづくり補助金は設備を設置して完了ではなく、開発期間が必要です。これまでは、「採択日から1年間」というケースがほとんどでしたので、大幅な期間の短縮となります 2.まとめ 2024年のものづくり補助金は上記のように大きな変更点があります。 省力化のための設備投資や、製品・サービス高付加価値化やDX,GX、海外事業の拡大を行う予定があれば、補助事業の実績報告が2024年12月10日であるということを念頭に、発注・納品等のスケジュールを組んでいただく必要があるでしょう。 ものづくり補助金の変更点について、上記で書ききれていない点については、ダウンロードレポートにまとめています。是非ともダウンロードして内容をご確認いただき、不明点などあればお気軽にご連絡ください。また、補助金活用に関して支援が必要な場合もご相談ください。 私どもは、企業の中に入り込み、企業に寄り添い、計画を立案実行し定着・継続的な改善まで支援させて頂き、経営指標を改善することがゴールですので、最後まで伴走させていただきます。 最後までお読みいただきありがとうございました。 ▼参考文献(経済産業省・中京企業庁) 「ものづくり補助金」リーフレット https://www.chusho.meti.go.jp/koukai/yosan/r4/r4_mono.pdf?1201 ものづくり・商業・サービス生産性向上促進補助金について(Ver.1.0) https://www.chusho.meti.go.jp/koukai/yosan/r5/r5_mono_shogyo_service.pdf   ものづくり補助金最新動向レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ ものづくり補助金(正式名称:「ものづくり・商業・サービス補助金」)の活用を検討している経営者様、次回申請の準備をしている経営者様にまず読んでいただきたいレポートです。 2023年12月に中小企業庁から次回以降のものづくり補助金の要件情報が一部公開されました。その内容からものつくり補助金に変更があることが明らかになりました。このレポートでは新たな要件を公開情報を基に整理しています。 ものづくり補助金の仕様を考えている経営者様は必ず押さえておくべき内容を記載したレポートです。 https://www.funaisoken.co.jp/dl-contents/smart-factory__02292_S045   ■関連するセミナーのご案内 ■東京&大阪 2拠点にて開催!! 【目指すは投資回収3年!協働ロボット活用事例特集!社長セミナー】 ~中小製造業で40台以上の協働ロボットの稼働に成功した社長から学ぶ! セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/105866 協働ロボットの活用事例特集! 中小製造業の皆様、このセミナーを見逃すわけにはいきません! ロボット活用成功事例がここに集結します! 低コストでの導入方法、自動化生産の具体的な手法、人手不足を解消する秘策、生産性を引き上げるノウハウ...全てがここで明かされます! 船井総合研究所と愛同工業の著名な社長が登壇し、現場目線からの貴重な情報を提供します! 東京会場・大阪会場での開催となります! このセミナーが御社の製造現場を変えるきっかけになるかもしれません! 空きは限られていますので、今すぐウェブサイトからお申し込みください。 協働ロボットの力を最大限に引き出し、成果を最短3年で得るチャンスです! ■開催日程 以下の日程よりご都合の良い日程をお選び下さい ※内容は全て一緒です 東京会場 2024/01/23 (火) 13:00~16:00 大阪会場 2024/01/29 (月) 13:00~16:00 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/107400

マスタデータ管理の重要性と課題

2023.12.15

マスタデータは、システムやプロセスの正確な運用に必要不可欠です。 マスタデータには、製品や顧客、従業員の基本情報、設定、規則などが含まれます。 正確で最新のマスタデータを保持することで、効率的な業務の実行や正確な帳票作成、意思決定の裏づけなどを可能にします。 また、マスタデータの一元管理により、データの一貫性と信頼性を確保し、データの重複や矛盾を回避することもできます。 したがって、マスタデータの適切な管理は、組織の業務効率化と意思決定の質の向上につながる重要な要素と言えます。 しかし、実際現場でどのような問題が起きているのか、それらの課題に対してどのような打ち手があるのかをご説明いたします。 1.データのサイロ化 現場でよくあるのが縦割り組織の上、各部署で権限が強いゆえに業務とシステムの個別最適化が進んでいるという課題です。 それゆえマスタデータも各部署で個別に確立した結果、社内の異なるシステムで似て非なるマスタデータが散在しているケースです。 この課題の本質は縦割りによる業務とシステムの物理的な分断です。 この課題の打ち手としては組織とシステムの壁を取り払って全体最適の観点で業務とシステムを俯瞰し、マスタデータに関わる業務・システム・データの統合を図るといった対応が必要です。 しかし、簡単にできそうに聞こえるかもしれませんが組織の壁はそう簡単には乗り越えられません。 この打ち手は全社レベルで推進することが多く、社内の関連部署の担当者による利害関係の調整だけでは大体うまくいきません。 慣れ親しんだ個別業務システムが変わってしまうことに抵抗があるのは容易に想像できます。 ボトムアップ型ではダメなのです。 したがってここで重要なのは強いリーダーシップを持った経営層の存在です。 重要な意思決定と全体の方向性をトップダウンで決めることがマスタデータ管理を成功へ導く大きなカギと言えます。 2.データの粒度不揃い・重複 2つ目は、データ粒度の不揃い・重複によるデータ品質低下の課題です。 よくあるデータ利活用の中で売り上げ分析は企業の戦略に欠かせない最も一般的なデータ活用手段です。 例えば「リンゴの販売数量は?」の問いを例に考えてみましょう。 マスタデータでは『リンゴ』や『りんご』、『林檎』、グローバルでは『apple』もあります。 また、『大林』や『ふじ』、『つがる』などといった粒度の違うものもあります。 数量についても同じです。 『個』、『パック』、『箱』、『キロ』など単位も様々です。 ですので「リンゴの販売数量は?」という簡単な問いが難問なるわけです。 このようなことは多くの企業の現場で起こっているのです。 その企業の商品マスタや顧客マスタの粒度はバラバラで統合されておらず、全社レベルでの共通的な分析軸が確立されていないことが多々あります。 だからと言って放置もできず無理やり統一するのも無理があります。 なぜならその言語で動いている個別業務とシステムが存在するからです。 そこでこの課題を解決するにはそれぞれの言語はそのまま残しつつも異なるコード体系や粒度のマスタデータを共通言語に変換しなければなりません。 そのためには読み替え表が必要です。 『リンゴ』=『りんご』=『林檎』=『apple』のようなイメージです。 3.データ精度と鮮度の低下 3つ目の課題は精度と鮮度の課題です。 業務上の重要な属性情報、例えば顧客の住所録、連絡先などに抜け漏れ・欠落が多く、1回登録した情報はその後何年たっても更新されないという場合です。 この課題に関する打ち手としてはマスタデータを社内の閉じた世界だけで考えるのではなく外部の2次データを活用して、住所情報・法人情報・行政の統計情報などを取り入れて社内のマスタデータの拡張させる観点が必要です。 4.まとめ いかがでしょう? 貴社のマスタ管理はできていますか? マスタ管理はデータの一貫性と信頼性を確保し、業務効率化と意思決定の質の向上を図る重要な要素です。 上記内容について、より具体的に詳細をお知りになりたい場合はお気軽に弊社にご相談ください。 このコラムが皆様の製造現場のデータ管理にお役に立てれば幸いです。 最後までお読みいただきありがとうございました。   ■関連するセミナーのご案内 補助金活用!板金・プレス・溶接加工業の為の生産計画DX 1,000万円超の補助金を活用して、生産計画”脱属人化”&生産管理”アナログ管理からの脱却”! セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/105866 生産計画DXセミナーは、貴社の成長を支える重要な情報を提供いたします。 限られた時間とリソースの中で、効率的かつ効果的な生産計画を実現しませんか?1,000万円超の補助金を活用しながら、生産計画の脱属人化とアナログ管理からの脱却を学べます。 多くの経営者の皆様が直面している課題、それは特定の熟練者に依存した生産計画やアナログ化、感覚化した管理体制です。 しかし、これらの課題は適切なアプローチと専門的なサポートを受ければ解決できるのです。 私たちのセミナーでは、AIや最新のテクノロジーを駆使し、多品種少量生産における生産計画DXを具体的にお伝えいたします。 さらに、補助金の活用方法や成功事例も紹介し、経営者の皆様のビジネスに革新をもたらすヒントを提供します。 貴社が従業員200名以下の板金・プレス・溶接加工業で、生産計画に課題を抱えている場合、このセミナーへの参加は必須です。 時間と手間をかけずに確実な成果を上げ、競争力を向上させることができます。 ご興味をお持ちの方は、お問い合わせフォームからお気軽にご連絡ください。 私たちのコンサルタントが、貴社に最適な解決策をご提案いたします。 経営者の皆様と共に、より効率的なものづくりを実現しましょう。 ■開催日程 全てオンライン開催となります 以下の日程よりご都合の良い日程をお選び下さい ※内容は全て一緒です 2024/02/22 (木) 13:00~15:00 2024/02/26 (月) 13:00~15:00 2024/02/28 (水) 13:00~15:00 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/109109 いつも当コラムをご愛読いただきありがとうございます。 マスタデータは、システムやプロセスの正確な運用に必要不可欠です。 マスタデータには、製品や顧客、従業員の基本情報、設定、規則などが含まれます。 正確で最新のマスタデータを保持することで、効率的な業務の実行や正確な帳票作成、意思決定の裏づけなどを可能にします。 また、マスタデータの一元管理により、データの一貫性と信頼性を確保し、データの重複や矛盾を回避することもできます。 したがって、マスタデータの適切な管理は、組織の業務効率化と意思決定の質の向上につながる重要な要素と言えます。 しかし、実際現場でどのような問題が起きているのか、それらの課題に対してどのような打ち手があるのかをご説明いたします。 1.データのサイロ化 現場でよくあるのが縦割り組織の上、各部署で権限が強いゆえに業務とシステムの個別最適化が進んでいるという課題です。 それゆえマスタデータも各部署で個別に確立した結果、社内の異なるシステムで似て非なるマスタデータが散在しているケースです。 この課題の本質は縦割りによる業務とシステムの物理的な分断です。 この課題の打ち手としては組織とシステムの壁を取り払って全体最適の観点で業務とシステムを俯瞰し、マスタデータに関わる業務・システム・データの統合を図るといった対応が必要です。 しかし、簡単にできそうに聞こえるかもしれませんが組織の壁はそう簡単には乗り越えられません。 この打ち手は全社レベルで推進することが多く、社内の関連部署の担当者による利害関係の調整だけでは大体うまくいきません。 慣れ親しんだ個別業務システムが変わってしまうことに抵抗があるのは容易に想像できます。 ボトムアップ型ではダメなのです。 したがってここで重要なのは強いリーダーシップを持った経営層の存在です。 重要な意思決定と全体の方向性をトップダウンで決めることがマスタデータ管理を成功へ導く大きなカギと言えます。 2.データの粒度不揃い・重複 2つ目は、データ粒度の不揃い・重複によるデータ品質低下の課題です。 よくあるデータ利活用の中で売り上げ分析は企業の戦略に欠かせない最も一般的なデータ活用手段です。 例えば「リンゴの販売数量は?」の問いを例に考えてみましょう。 マスタデータでは『リンゴ』や『りんご』、『林檎』、グローバルでは『apple』もあります。 また、『大林』や『ふじ』、『つがる』などといった粒度の違うものもあります。 数量についても同じです。 『個』、『パック』、『箱』、『キロ』など単位も様々です。 ですので「リンゴの販売数量は?」という簡単な問いが難問なるわけです。 このようなことは多くの企業の現場で起こっているのです。 その企業の商品マスタや顧客マスタの粒度はバラバラで統合されておらず、全社レベルでの共通的な分析軸が確立されていないことが多々あります。 だからと言って放置もできず無理やり統一するのも無理があります。 なぜならその言語で動いている個別業務とシステムが存在するからです。 そこでこの課題を解決するにはそれぞれの言語はそのまま残しつつも異なるコード体系や粒度のマスタデータを共通言語に変換しなければなりません。 そのためには読み替え表が必要です。 『リンゴ』=『りんご』=『林檎』=『apple』のようなイメージです。 3.データ精度と鮮度の低下 3つ目の課題は精度と鮮度の課題です。 業務上の重要な属性情報、例えば顧客の住所録、連絡先などに抜け漏れ・欠落が多く、1回登録した情報はその後何年たっても更新されないという場合です。 この課題に関する打ち手としてはマスタデータを社内の閉じた世界だけで考えるのではなく外部の2次データを活用して、住所情報・法人情報・行政の統計情報などを取り入れて社内のマスタデータの拡張させる観点が必要です。 4.まとめ いかがでしょう? 貴社のマスタ管理はできていますか? マスタ管理はデータの一貫性と信頼性を確保し、業務効率化と意思決定の質の向上を図る重要な要素です。 上記内容について、より具体的に詳細をお知りになりたい場合はお気軽に弊社にご相談ください。 このコラムが皆様の製造現場のデータ管理にお役に立てれば幸いです。 最後までお読みいただきありがとうございました。   ■関連するセミナーのご案内 補助金活用!板金・プレス・溶接加工業の為の生産計画DX 1,000万円超の補助金を活用して、生産計画”脱属人化”&生産管理”アナログ管理からの脱却”! セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/105866 生産計画DXセミナーは、貴社の成長を支える重要な情報を提供いたします。 限られた時間とリソースの中で、効率的かつ効果的な生産計画を実現しませんか?1,000万円超の補助金を活用しながら、生産計画の脱属人化とアナログ管理からの脱却を学べます。 多くの経営者の皆様が直面している課題、それは特定の熟練者に依存した生産計画やアナログ化、感覚化した管理体制です。 しかし、これらの課題は適切なアプローチと専門的なサポートを受ければ解決できるのです。 私たちのセミナーでは、AIや最新のテクノロジーを駆使し、多品種少量生産における生産計画DXを具体的にお伝えいたします。 さらに、補助金の活用方法や成功事例も紹介し、経営者の皆様のビジネスに革新をもたらすヒントを提供します。 貴社が従業員200名以下の板金・プレス・溶接加工業で、生産計画に課題を抱えている場合、このセミナーへの参加は必須です。 時間と手間をかけずに確実な成果を上げ、競争力を向上させることができます。 ご興味をお持ちの方は、お問い合わせフォームからお気軽にご連絡ください。 私たちのコンサルタントが、貴社に最適な解決策をご提案いたします。 経営者の皆様と共に、より効率的なものづくりを実現しましょう。 ■開催日程 全てオンライン開催となります 以下の日程よりご都合の良い日程をお選び下さい ※内容は全て一緒です 2024/02/22 (木) 13:00~15:00 2024/02/26 (月) 13:00~15:00 2024/02/28 (水) 13:00~15:00 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/109109

たった50万円のロボットも登場!?2024年ロボット最新技術7選!

2023.12.12

▼事例レポート無料ダウンロードお申し込みはこちら▼ 11/29~12/2、東京ビッグサイトで行われた、世界最大規模のロボット展示会、「国際ロボット展 (iREX2023)」。ロボット専門コンサルタントの筆者も参戦し、最新情報を収集してきました。 今回のコラムでは、「ロボットと生成AI」、「新世代ロボット」に焦点を当てて、出展社数615から厳選した7社の最新技術事例を紹介致します。貴社のお役に立てば幸いです。 1.ロボットにおける生成AI活用技術 ロボット活用においても、生成AIの利用が加速すると考えられます。 今回のロボット展の講演において、日立製作所の守屋氏は次の様に語っていました。「生成AIは、“目的の状態になることをコミットするもの“と定義することができ、これはすなわち”制御“である。ロボットの”制御“と生成AIは親和性が非常に高い。」。 このことから、ロボット分野においては、他の分野以上に生成AI活用の技術が進んでいくと考えられます。 1-1.Google Cloud社:検査AI (Visual Inspection AI)とロボットを使った検査の自動化 Googleが製造しているスマホ(Google Pixel)で写真を撮影すると、Google Pixelがその写真に映っている顔やモノを認識していることがわかるかと思います (iphoneも同様ですが)。この画像認識の技術はVision AIと呼ばれています。 Google Cloud社ではこの画像認識技術を製造業に転用し、検査の自動化ソリューションを提供しています。 検査できる項目は多岐に渡り、具体的には、OK/NG判定、へこみ、ひび割れ裂け目などの領域固有の不具合の検出、基板組み立ての不具合品がないかどうかの確認などを行うことができます。 外観検査AIに詳しい方であれば、その検査精度が非常に気になるところではないでしょうか。 Google Cloud社によると、「汎用の機械学習アプローチを使用した場合と比較して、Visual Inspection AI の使用によって正確さが最大で 10 倍も向上しました。」とのことで、従来の機械学習と比較して、高い検査精度を実現できていると言えます。 (引用:https://cloud.google.com/blog/ja/products/ai-machine-learning/improve-manufacturing-quality-control-with-visual-inspection-ai)。 またGoogle社では、Google Pixelを製造する際、Visual Inspection AIを利用して検査を行っています。自社での製造工程で使用していることが何より、検査精度の高さを物語っているのではないでしょうか。 こういった技術が産業用機械にも搭載される未来も近いと思われます。 1-2.DENSO社:AI模倣学習によるティーチングと音声認識によるプログラムの生成 今回のロボット展では、音声指示に従って自動でコーヒーの粉を調合することができる協働ロボットが展示されていました “音声指示に従ってロボットが動く“といったコンセプトの展示が見られたのは、(見た限り)DENSO社だけが展示を行っていました。 音声指示に従ってロボットを動かすために、今回の機構では2つのAIが使われています。 1つ目は、ご存じChat GPT。今回の機構においては、人が自然言語で注文した内容を認識する役割を持っています。内容を認識後、下記の2つ目のAIに認識した音声指示内容を指示します。 2つ目は、アメリカのIntegral社が開発した模倣学習AI。模倣学習AIとは、すでに蓄積されている教示データやワークのモデルデータを用いて、実際に撮影した3Dデータから詳細のワーク形状・位置を推論します。 推論したデータを用いて、ロボットの軌道を生成します。 これにより、ティーチングにかかる時間を大幅に削ることができると考えられています。 DENSO社のHPを確認すると、ワークの位置が変わっても、カメラで位置を補正して把持する例や、適切な粉の量を認識し、特定の量を持ってくる例などが見られました。 (引用:https://www.denso-wave.com/ja/robot/product/software/aiil.html) これらのティーチングは、今までは非常に困難なものでした。先述の例で言えば、毎作業ピッキングや粉を取る位置が異なり、いちいちティーチングを行う必要があったためです。 国際ロボット展で展示されていたGoogle Cloud社とDENSO社のAI活用事例を紹介しました。今後声だけでロボットに指示し、ロボットに稼働してもらう未来はそう遠くない、と思わせる展示内容でした。 2.新世代ロボット 世界最大規模のロボット展、ということもあり、新型のロボットが多数出展していました。今回は合計5社の新世代ロボットを紹介します。特に、今回紹介する海外の協働ロボットはどれも特徴的なので、是非ご覧ください。 2-1.ユニバーサルロボット社:30kgの可搬重量を持つ協働ロボット「UR30」 (引用:https://www.universal-robots.com/ja/%E8%A3%BD%E5%93%81%E3%83%A9%E3%82%A4%E3%83%B3%E3%83%8A%E3%83%83%E3%83%97/ur30-robot/) ユニバーサルロボットから、可搬重量30kgに対応した協働ロボット「UR30」が登場。ロボット展デモでは、積み荷のパレタイズや、タイヤを積む作業を行っていました。 有名どころで言えば、ファナックや安川電機に続いて、3番目となる可搬重量30kgに対応した協働ロボットの発売です。 UR30の特筆すべき点はその本体重量の軽さです。 同じ30 kg可搬のFANACの協働ロボット(CRX-25iA)と安川電機の協働ロボット(MOTOMAN-HC30PL)の本体質量がそれぞれ135kg,140kgであるのに対し、UR30は本体質量が65kgと大幅に軽量仕様となっています。 これにより、扱いやすさが向上し、さらには壁や天井などにも設置して利用することも可能です(引用:https://www.mapion.co.jp/news/column/cobs2693821-1-all/)。 2-2.安川電機社:最新自律ロボット「MOTOMAN NEXT」 (引用元:https://www.yaskawa.co.jp/newsrelease/product/1154379) 今回のロボット展でも大々的に展示されていた、安川電機の最新自律ロボット「MOTOMAN NEXT」。“自律ロボット“の名の通り、ロボットが周囲の状況に合わせて自律的に判断し、駆動します。 具体的に特徴を説明致します。「MOTOMAN NEXT」はあらかじめ動作環境を入力したパスプランニングサービスを使って、目標点までのパスを自動生成することができます。さらに、ビジョンカメラや力覚センサなどを用いることで、状況に合わせた判断を行うことが可能になります。究極的には、使用するツールや、具体的な作業の指示を行うことで、ティーチレスでロボットへ動作の指示を行うことができます。 2-3.海外の協働ロボット① FAIR Innovation Robot System社:「FAIRINO Robot」 (引用元:https://www.frtech.fr/) 中国の新興協働ロボットメーカー。その特徴は「圧倒的な価格の安さ」です。 一般的な協働ロボットの価格帯が200万円~500万円であるのに対し、1台50万円で購入することができます。 圧倒的低コストの理由を担当者の方に確認したところ、「減速機を含め部品を全て自社製造しているから」とのことでした。 中国メーカーで且つ破格に安価な価格であることから一抹の不安感がありますが、他社の協働ロボット同様、一般的な溶接、パレタイズ、ピッキングなど用途で活用することができます。筆者は実際に溶接作業のティーチングのデモを拝見しましたが、見た目は他社製の協働ロボットの動きと遜色ないな、という感想を持ちました。(しかも、オプションのカメラで撮像した画像からティーチング箇所を判断し、ティーチングを自動生成していました。) 手軽に協働ロボットを導入をしたい方にオススメです。 2-4.海外の協働ロボット② Kassow Robots:「KRシリーズ」 (引用元:https://ksw-robots.co.jp/) デンマークの協働ロボットメーカー。 「KRシリーズ」の特徴は、「7軸の協働ロボットであること」です。(FANACや安川電機など、現行の協働ロボットは6軸であることがほとんどです。) 軸が7つあることのメリットは、ロボットの可動域が広くなることです。 軸数が一つ増えることでそんなに可動域が変わるのか?とお思いの方は、添付の動画を是非ご覧になってください。 アーム本体に近いところや、入り組んだ場所にもアームが届いていることが理解できるはずです。 (引用:https://www.robot-digest.com/contents/?id=1539936027-885058&dp=2) 2-5.海外の協働ロボット③ BECKHOFF社:「ATRO」 (引用元:https://www.beckhoff.com/ja-jp/products/motion/atro-automation-technology-for-robotics/) ドイツの協働ロボットメーカー。 BECKOFFの協働ロボット「ATRO」の特徴は、「ロボットアームが軸毎に独立した部品で構成されていること」です。 つまり、ロボットアームを軸毎に分解&組立することができます。 この特徴を擁する「ATRO」の強みは2つです。 1つ目はハード面での汎用性が高いことです。軸毎に独立した部品で構成されているため、生産方法に合わせてロボットアームを構築することができます。 例えば、4軸で組み立ててピッキングに使用することができる一方で、1軸のみ使用しターンテーブルの様に使用することもできます。 (引用記事に記載の動画をみていただくと非常にわかりやすいかと思います。) https://monoist.itmedia.co.jp/mn/articles/2304/19/news076.html つまり、ユーザーの発想次第で使い方を無限大に広げることができます。 2つ目はメンテナンスが容易であることです。 協働ロボットが故障した場合、従来であれば故障したロボットを修理する必要がありました。 修理するためには、メーカーからエンジニアを呼ぶ必要があるため、長い期間生産が止まってしまう可能性があります。 その点、「ATRO」は故障した部品を交換するだけで、正常状態に戻すことができます。 現場の作業者が簡単に分解&組立できるので、メーカーからエンジニアを呼ぶ必要もありません。 下記のページを見ていただければ、組付けが簡単に行えることがわかるでしょう。 https://www.beckhoff.com/ja-jp/products/motion/atro-automation-technology-for-robotics/ 3.さいごに 今回は、生成AIと新世代ロボットに焦点を当てて、紹介させていただきました。貴社の情報収集の一助となれば幸いでございます。 国際ロボット展レポート第2弾は、“物流”に焦点を当てて、最新技術をご紹介致します。 ※上記の記事を読んでロボット導入に興味が湧いた方に朗報です。 船井総研では、1/23,1/29に「目指すは投資回収3年!協働ロボット活用事例特集!社長セミナー」を開催致します! 今回のゲスト講師は、SIerなしで協働ロボットを3年で40台、現在では100台以上の導入に成功した愛同工業株式会社 代表取締役社長 渡辺裕介氏です。 協働ロボットの最新活用事例から、協働ロボット導入時の渡辺社長のリアルなお話まで、協働ロボットの“イマ”がわかるセミナーとなっております。 詳細は下記の特設サイトをご覧ください! ■関連するセミナーのご案内 ■東京&大阪 2拠点にて開催!! 【目指すは投資回収3年!協働ロボット活用事例特集!社長セミナー】 ~中小製造業で40台以上の協働ロボットの稼働に成功した社長から学ぶ! セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/105866 協働ロボットの活用事例特集! 中小製造業の皆様、このセミナーを見逃すわけにはいきません! ロボット活用成功事例がここに集結します! 低コストでの導入方法、自動化生産の具体的な手法、人手不足を解消する秘策、生産性を引き上げるノウハウ...全てがここで明かされます! 船井総合研究所と愛同工業の著名な社長が登壇し、現場目線からの貴重な情報を提供します! 東京会場・大阪会場での開催となります! このセミナーが御社の製造現場を変えるきっかけになるかもしれません! 空きは限られていますので、今すぐウェブサイトからお申し込みください。 協働ロボットの力を最大限に引き出し、成果を最短3年で得るチャンスです! ■開催日程 以下の日程よりご都合の良い日程をお選び下さい ※内容は全て一緒です 東京会場 2024/01/23 (火) 13:00~16:00 大阪会場 2024/01/29 (月) 13:00~16:00 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/107400 【製造業】経営者向け!!工場の協働ロボット活用成功事例集 ▼事例レポート無料ダウンロードお申し込みはこちら▼ 中小製造業のロボット活用は協働ロボットが主流になる! 中小製造業が実践すべき協働ロボット活用のポイントと具体的な方法を解説! さらに、実際の中小製造業における協働ロボット活用成功事例をこの1冊にまとめました! https://www.funaisoken.co.jp/dl-contents/smart-factory_smart-factory_01539 ▼事例レポート無料ダウンロードお申し込みはこちら▼ いつも当コラムをご愛読いただきありがとうございます。 11/29~12/2、東京ビッグサイトで行われた、世界最大規模のロボット展示会、「国際ロボット展 (iREX2023)」。ロボット専門コンサルタントの筆者も参戦し、最新情報を収集してきました。 今回のコラムでは、「ロボットと生成AI」、「新世代ロボット」に焦点を当てて、出展社数615から厳選した7社の最新技術事例を紹介致します。貴社のお役に立てば幸いです。 1.ロボットにおける生成AI活用技術 ロボット活用においても、生成AIの利用が加速すると考えられます。 今回のロボット展の講演において、日立製作所の守屋氏は次の様に語っていました。「生成AIは、“目的の状態になることをコミットするもの“と定義することができ、これはすなわち”制御“である。ロボットの”制御“と生成AIは親和性が非常に高い。」。 このことから、ロボット分野においては、他の分野以上に生成AI活用の技術が進んでいくと考えられます。 1-1.Google Cloud社:検査AI (Visual Inspection AI)とロボットを使った検査の自動化 Googleが製造しているスマホ(Google Pixel)で写真を撮影すると、Google Pixelがその写真に映っている顔やモノを認識していることがわかるかと思います (iphoneも同様ですが)。この画像認識の技術はVision AIと呼ばれています。 Google Cloud社ではこの画像認識技術を製造業に転用し、検査の自動化ソリューションを提供しています。 検査できる項目は多岐に渡り、具体的には、OK/NG判定、へこみ、ひび割れ裂け目などの領域固有の不具合の検出、基板組み立ての不具合品がないかどうかの確認などを行うことができます。 外観検査AIに詳しい方であれば、その検査精度が非常に気になるところではないでしょうか。 Google Cloud社によると、「汎用の機械学習アプローチを使用した場合と比較して、Visual Inspection AI の使用によって正確さが最大で 10 倍も向上しました。」とのことで、従来の機械学習と比較して、高い検査精度を実現できていると言えます。 (引用:https://cloud.google.com/blog/ja/products/ai-machine-learning/improve-manufacturing-quality-control-with-visual-inspection-ai)。 またGoogle社では、Google Pixelを製造する際、Visual Inspection AIを利用して検査を行っています。自社での製造工程で使用していることが何より、検査精度の高さを物語っているのではないでしょうか。 こういった技術が産業用機械にも搭載される未来も近いと思われます。 1-2.DENSO社:AI模倣学習によるティーチングと音声認識によるプログラムの生成 今回のロボット展では、音声指示に従って自動でコーヒーの粉を調合することができる協働ロボットが展示されていました “音声指示に従ってロボットが動く“といったコンセプトの展示が見られたのは、(見た限り)DENSO社だけが展示を行っていました。 音声指示に従ってロボットを動かすために、今回の機構では2つのAIが使われています。 1つ目は、ご存じChat GPT。今回の機構においては、人が自然言語で注文した内容を認識する役割を持っています。内容を認識後、下記の2つ目のAIに認識した音声指示内容を指示します。 2つ目は、アメリカのIntegral社が開発した模倣学習AI。模倣学習AIとは、すでに蓄積されている教示データやワークのモデルデータを用いて、実際に撮影した3Dデータから詳細のワーク形状・位置を推論します。 推論したデータを用いて、ロボットの軌道を生成します。 これにより、ティーチングにかかる時間を大幅に削ることができると考えられています。 DENSO社のHPを確認すると、ワークの位置が変わっても、カメラで位置を補正して把持する例や、適切な粉の量を認識し、特定の量を持ってくる例などが見られました。 (引用:https://www.denso-wave.com/ja/robot/product/software/aiil.html) これらのティーチングは、今までは非常に困難なものでした。先述の例で言えば、毎作業ピッキングや粉を取る位置が異なり、いちいちティーチングを行う必要があったためです。 国際ロボット展で展示されていたGoogle Cloud社とDENSO社のAI活用事例を紹介しました。今後声だけでロボットに指示し、ロボットに稼働してもらう未来はそう遠くない、と思わせる展示内容でした。 2.新世代ロボット 世界最大規模のロボット展、ということもあり、新型のロボットが多数出展していました。今回は合計5社の新世代ロボットを紹介します。特に、今回紹介する海外の協働ロボットはどれも特徴的なので、是非ご覧ください。 2-1.ユニバーサルロボット社:30kgの可搬重量を持つ協働ロボット「UR30」 (引用:https://www.universal-robots.com/ja/%E8%A3%BD%E5%93%81%E3%83%A9%E3%82%A4%E3%83%B3%E3%83%8A%E3%83%83%E3%83%97/ur30-robot/) ユニバーサルロボットから、可搬重量30kgに対応した協働ロボット「UR30」が登場。ロボット展デモでは、積み荷のパレタイズや、タイヤを積む作業を行っていました。 有名どころで言えば、ファナックや安川電機に続いて、3番目となる可搬重量30kgに対応した協働ロボットの発売です。 UR30の特筆すべき点はその本体重量の軽さです。 同じ30 kg可搬のFANACの協働ロボット(CRX-25iA)と安川電機の協働ロボット(MOTOMAN-HC30PL)の本体質量がそれぞれ135kg,140kgであるのに対し、UR30は本体質量が65kgと大幅に軽量仕様となっています。 これにより、扱いやすさが向上し、さらには壁や天井などにも設置して利用することも可能です(引用:https://www.mapion.co.jp/news/column/cobs2693821-1-all/)。 2-2.安川電機社:最新自律ロボット「MOTOMAN NEXT」 (引用元:https://www.yaskawa.co.jp/newsrelease/product/1154379) 今回のロボット展でも大々的に展示されていた、安川電機の最新自律ロボット「MOTOMAN NEXT」。“自律ロボット“の名の通り、ロボットが周囲の状況に合わせて自律的に判断し、駆動します。 具体的に特徴を説明致します。「MOTOMAN NEXT」はあらかじめ動作環境を入力したパスプランニングサービスを使って、目標点までのパスを自動生成することができます。さらに、ビジョンカメラや力覚センサなどを用いることで、状況に合わせた判断を行うことが可能になります。究極的には、使用するツールや、具体的な作業の指示を行うことで、ティーチレスでロボットへ動作の指示を行うことができます。 2-3.海外の協働ロボット① FAIR Innovation Robot System社:「FAIRINO Robot」 (引用元:https://www.frtech.fr/) 中国の新興協働ロボットメーカー。その特徴は「圧倒的な価格の安さ」です。 一般的な協働ロボットの価格帯が200万円~500万円であるのに対し、1台50万円で購入することができます。 圧倒的低コストの理由を担当者の方に確認したところ、「減速機を含め部品を全て自社製造しているから」とのことでした。 中国メーカーで且つ破格に安価な価格であることから一抹の不安感がありますが、他社の協働ロボット同様、一般的な溶接、パレタイズ、ピッキングなど用途で活用することができます。筆者は実際に溶接作業のティーチングのデモを拝見しましたが、見た目は他社製の協働ロボットの動きと遜色ないな、という感想を持ちました。(しかも、オプションのカメラで撮像した画像からティーチング箇所を判断し、ティーチングを自動生成していました。) 手軽に協働ロボットを導入をしたい方にオススメです。 2-4.海外の協働ロボット② Kassow Robots:「KRシリーズ」 (引用元:https://ksw-robots.co.jp/) デンマークの協働ロボットメーカー。 「KRシリーズ」の特徴は、「7軸の協働ロボットであること」です。(FANACや安川電機など、現行の協働ロボットは6軸であることがほとんどです。) 軸が7つあることのメリットは、ロボットの可動域が広くなることです。 軸数が一つ増えることでそんなに可動域が変わるのか?とお思いの方は、添付の動画を是非ご覧になってください。 アーム本体に近いところや、入り組んだ場所にもアームが届いていることが理解できるはずです。 (引用:https://www.robot-digest.com/contents/?id=1539936027-885058&dp=2) 2-5.海外の協働ロボット③ BECKHOFF社:「ATRO」 (引用元:https://www.beckhoff.com/ja-jp/products/motion/atro-automation-technology-for-robotics/) ドイツの協働ロボットメーカー。 BECKOFFの協働ロボット「ATRO」の特徴は、「ロボットアームが軸毎に独立した部品で構成されていること」です。 つまり、ロボットアームを軸毎に分解&組立することができます。 この特徴を擁する「ATRO」の強みは2つです。 1つ目はハード面での汎用性が高いことです。軸毎に独立した部品で構成されているため、生産方法に合わせてロボットアームを構築することができます。 例えば、4軸で組み立ててピッキングに使用することができる一方で、1軸のみ使用しターンテーブルの様に使用することもできます。 (引用記事に記載の動画をみていただくと非常にわかりやすいかと思います。) https://monoist.itmedia.co.jp/mn/articles/2304/19/news076.html つまり、ユーザーの発想次第で使い方を無限大に広げることができます。 2つ目はメンテナンスが容易であることです。 協働ロボットが故障した場合、従来であれば故障したロボットを修理する必要がありました。 修理するためには、メーカーからエンジニアを呼ぶ必要があるため、長い期間生産が止まってしまう可能性があります。 その点、「ATRO」は故障した部品を交換するだけで、正常状態に戻すことができます。 現場の作業者が簡単に分解&組立できるので、メーカーからエンジニアを呼ぶ必要もありません。 下記のページを見ていただければ、組付けが簡単に行えることがわかるでしょう。 https://www.beckhoff.com/ja-jp/products/motion/atro-automation-technology-for-robotics/ 3.さいごに 今回は、生成AIと新世代ロボットに焦点を当てて、紹介させていただきました。貴社の情報収集の一助となれば幸いでございます。 国際ロボット展レポート第2弾は、“物流”に焦点を当てて、最新技術をご紹介致します。 ※上記の記事を読んでロボット導入に興味が湧いた方に朗報です。 船井総研では、1/23,1/29に「目指すは投資回収3年!協働ロボット活用事例特集!社長セミナー」を開催致します! 今回のゲスト講師は、SIerなしで協働ロボットを3年で40台、現在では100台以上の導入に成功した愛同工業株式会社 代表取締役社長 渡辺裕介氏です。 協働ロボットの最新活用事例から、協働ロボット導入時の渡辺社長のリアルなお話まで、協働ロボットの“イマ”がわかるセミナーとなっております。 詳細は下記の特設サイトをご覧ください! ■関連するセミナーのご案内 ■東京&大阪 2拠点にて開催!! 【目指すは投資回収3年!協働ロボット活用事例特集!社長セミナー】 ~中小製造業で40台以上の協働ロボットの稼働に成功した社長から学ぶ! セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/105866 協働ロボットの活用事例特集! 中小製造業の皆様、このセミナーを見逃すわけにはいきません! ロボット活用成功事例がここに集結します! 低コストでの導入方法、自動化生産の具体的な手法、人手不足を解消する秘策、生産性を引き上げるノウハウ...全てがここで明かされます! 船井総合研究所と愛同工業の著名な社長が登壇し、現場目線からの貴重な情報を提供します! 東京会場・大阪会場での開催となります! このセミナーが御社の製造現場を変えるきっかけになるかもしれません! 空きは限られていますので、今すぐウェブサイトからお申し込みください。 協働ロボットの力を最大限に引き出し、成果を最短3年で得るチャンスです! ■開催日程 以下の日程よりご都合の良い日程をお選び下さい ※内容は全て一緒です 東京会場 2024/01/23 (火) 13:00~16:00 大阪会場 2024/01/29 (月) 13:00~16:00 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/107400 【製造業】経営者向け!!工場の協働ロボット活用成功事例集 ▼事例レポート無料ダウンロードお申し込みはこちら▼ 中小製造業のロボット活用は協働ロボットが主流になる! 中小製造業が実践すべき協働ロボット活用のポイントと具体的な方法を解説! さらに、実際の中小製造業における協働ロボット活用成功事例をこの1冊にまとめました! https://www.funaisoken.co.jp/dl-contents/smart-factory_smart-factory_01539

使えるCRMで顧客関係を強化|顧客管理の重要性と実現方法

2023.12.07

いつも当コラムをご愛読いただきありがとうございます 1.顧客管理とは 顧客管理とは、企業が顧客との関係性を維持するための活動や情報を管理するものです。 多くの企業で、名刺そのものや、顧客台帳、Excel等のスプレッドシート、CRM(顧客関係性管理)システム等に情報を蓄積して管理されているかと思います。 しかしながら、せっかく蓄積した顧客情報を上手く活用できている企業は少ないようです。 例えば、 顧客情報は担当者個人で管理されていて、部門や会社全体で共有されていない CRM等、顧客情報をシステムで管理しているが、情報がメンテナンスされておらず、活用できていない 蓄積した顧客情報について、営業戦略や経営戦略等、戦略的な活動に活用できていない etc.. 上記に当てはまる方は、顧客管理のやり方を見直した方が良いかも知れません。 2.使える顧客管理とは 製造業においても、顧客管理は重要です。 例えば、製品の受注履歴や顧客の要望をデータとして蓄積することで、製品品質の向上や新製品/技術開発に活かせるようになります。 また、営業担当者は顧客の嗜好や購買パターン、決裁権者の情報等を把握することで、より的確な提案や営業活動を行うことができます。 顧客情報の活用により、顧客満足度の向上や競争力の強化につなげることが可能になります。 ただ単純に顧客情報を蓄積するのではなく、何のためにどういった情報を管理するのか、まずは顧客管理の目的を明確にした上で、目的達成に必要な顧客管理の仕組みを企画・導入することで、使える顧客管理を実現することが出来ます。 次に「使える顧客管理の実現手順」を解説します。 3.使える顧客管理の実現手順 使える顧客管理を実現する手順は以下の通りです。 (1)顧客管理の目的を明確にする (2)目的達成のために必要な管理項目を洗い出す (3)管理の仕組み(運用体制、ツール・システム含む)、情報の入力・更新等、運用ルールを策定する (4)試験的に運用を行い、問題点を洗い出す (5)問題点に対する対策を行う (6)本運用を開始する (7)定期的に運用状況を確認し、効果検証を行う 特に上記、「(1)顧客管理の目的を明確にする」と、「(3)管理の仕組み(運用体制、ツール・システム含む)、情報の入力・更新等、運用ルールを策定する」、「(7)定期的に運用状況を確認し、効果検証を行う」をしっかりと実施することが使える顧客管理実現のポイントです。 4.まとめ 「顧客管理」というと、会社名や、担当者名、連絡先等の名刺情報が蓄積されたものがイメージされるかと思いますが、顧客情報を管理するシステム「CRM」の日本語訳である「顧客関係性管理」と考えると、名刺情報だけでなく、顧客との接触履歴や、取引履歴等、関係性を含めたものを管理するものであることがわかります。 管理する情報項目を増やせば増やすど、運用が難しくなり、情報のメンテナンスも大変になりますが、最初から多くの情報を網羅しようとせず、まずは、最低限必要な情報から管理するようにし、その運用が定着してから管理項目を増やす等、段階的に取り組んでいくことが「使える顧客管理」実現への近道となります。 まずは、顧客管理の目的から見直しされてみることをお勧めします。 ▼無料オンライン相談(お問い合わせはこちら) https://lp.funaisoken.co.jp/mt/form01/inquiry-S045.html?siteno=S045   ■関連するセミナーのご案内 繊維・アパレル卸売業の為のDX経営~営業力・販売力強化編~ 基礎知識ゼロ DX初心者の社長が知っておくべきDX推進方法が分かる! ~DXなんて全く分からない…そんな社長の為のセミナーです~ セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/108581 ■開催日程 全てオンライン開催となります 以下の日程よりご都合の良い日程をお選び下さい ※内容は全て一緒です 2024/02/14 (水) 13:00~15:00 2024/02/21 (水) 13:00~15:00 2024/02/22 (木) 13:00~15:00 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/108581   基幹システム導入+業務改革事例レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ レポートの内容 基幹システム導入・活用のポイントを丸ッとご紹介します! システム導入のポイント プロジェクト推進のポイント 導入、活用による効果事例紹介   「こうなりたい!」と思っている経営者様におすすめ 旧システムを刷新し、業務改革を実行したい経営者様 数々の業務効率化を図り、費用対効果の高いシステム導入を行いたい経営者様 紙だらけの業務をデジタル化したいと思っている経営者様 経験と勘に頼らないデータドリブン経営を実践したいと思っている経営者様 スモールスタートからDXを始めたいと思っている経営者様 https://www.funaisoken.co.jp/dl-contents/smart-factory_smart-factory_02221_S045 いつも当コラムをご愛読いただきありがとうございます 1.顧客管理とは 顧客管理とは、企業が顧客との関係性を維持するための活動や情報を管理するものです。 多くの企業で、名刺そのものや、顧客台帳、Excel等のスプレッドシート、CRM(顧客関係性管理)システム等に情報を蓄積して管理されているかと思います。 しかしながら、せっかく蓄積した顧客情報を上手く活用できている企業は少ないようです。 例えば、 顧客情報は担当者個人で管理されていて、部門や会社全体で共有されていない CRM等、顧客情報をシステムで管理しているが、情報がメンテナンスされておらず、活用できていない 蓄積した顧客情報について、営業戦略や経営戦略等、戦略的な活動に活用できていない etc.. 上記に当てはまる方は、顧客管理のやり方を見直した方が良いかも知れません。 2.使える顧客管理とは 製造業においても、顧客管理は重要です。 例えば、製品の受注履歴や顧客の要望をデータとして蓄積することで、製品品質の向上や新製品/技術開発に活かせるようになります。 また、営業担当者は顧客の嗜好や購買パターン、決裁権者の情報等を把握することで、より的確な提案や営業活動を行うことができます。 顧客情報の活用により、顧客満足度の向上や競争力の強化につなげることが可能になります。 ただ単純に顧客情報を蓄積するのではなく、何のためにどういった情報を管理するのか、まずは顧客管理の目的を明確にした上で、目的達成に必要な顧客管理の仕組みを企画・導入することで、使える顧客管理を実現することが出来ます。 次に「使える顧客管理の実現手順」を解説します。 3.使える顧客管理の実現手順 使える顧客管理を実現する手順は以下の通りです。 (1)顧客管理の目的を明確にする (2)目的達成のために必要な管理項目を洗い出す (3)管理の仕組み(運用体制、ツール・システム含む)、情報の入力・更新等、運用ルールを策定する (4)試験的に運用を行い、問題点を洗い出す (5)問題点に対する対策を行う (6)本運用を開始する (7)定期的に運用状況を確認し、効果検証を行う 特に上記、「(1)顧客管理の目的を明確にする」と、「(3)管理の仕組み(運用体制、ツール・システム含む)、情報の入力・更新等、運用ルールを策定する」、「(7)定期的に運用状況を確認し、効果検証を行う」をしっかりと実施することが使える顧客管理実現のポイントです。 4.まとめ 「顧客管理」というと、会社名や、担当者名、連絡先等の名刺情報が蓄積されたものがイメージされるかと思いますが、顧客情報を管理するシステム「CRM」の日本語訳である「顧客関係性管理」と考えると、名刺情報だけでなく、顧客との接触履歴や、取引履歴等、関係性を含めたものを管理するものであることがわかります。 管理する情報項目を増やせば増やすど、運用が難しくなり、情報のメンテナンスも大変になりますが、最初から多くの情報を網羅しようとせず、まずは、最低限必要な情報から管理するようにし、その運用が定着してから管理項目を増やす等、段階的に取り組んでいくことが「使える顧客管理」実現への近道となります。 まずは、顧客管理の目的から見直しされてみることをお勧めします。 ▼無料オンライン相談(お問い合わせはこちら) https://lp.funaisoken.co.jp/mt/form01/inquiry-S045.html?siteno=S045   ■関連するセミナーのご案内 繊維・アパレル卸売業の為のDX経営~営業力・販売力強化編~ 基礎知識ゼロ DX初心者の社長が知っておくべきDX推進方法が分かる! ~DXなんて全く分からない…そんな社長の為のセミナーです~ セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/108581 ■開催日程 全てオンライン開催となります 以下の日程よりご都合の良い日程をお選び下さい ※内容は全て一緒です 2024/02/14 (水) 13:00~15:00 2024/02/21 (水) 13:00~15:00 2024/02/22 (木) 13:00~15:00 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/108581   基幹システム導入+業務改革事例レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ レポートの内容 基幹システム導入・活用のポイントを丸ッとご紹介します! システム導入のポイント プロジェクト推進のポイント 導入、活用による効果事例紹介   「こうなりたい!」と思っている経営者様におすすめ 旧システムを刷新し、業務改革を実行したい経営者様 数々の業務効率化を図り、費用対効果の高いシステム導入を行いたい経営者様 紙だらけの業務をデジタル化したいと思っている経営者様 経験と勘に頼らないデータドリブン経営を実践したいと思っている経営者様 スモールスタートからDXを始めたいと思っている経営者様 https://www.funaisoken.co.jp/dl-contents/smart-factory_smart-factory_02221_S045

製造業の社長が知るべきAI(ディープラーニング)画像検査のポイントとは?

2023.12.01

1.AI(ディープラーニング)画像検査のポイント 製造業の社長が知っておくべきAI(ディープラーニング)画像検査のポイントとは以下の事です。 サンプルデータの準備: AIモデルを訓練するためには、多くのサンプルデータが必要です。正しいラベル付けがされた多様な製品の画像データを収集し、特に不良品の画像に重点をおくことが重要です。 ラベル付けとアノテーション: サンプルデータに正しいラベルを付けることで、AIモデルが正確に学習することができます。不良品の位置や種類など、必要な情報をアノテーションしてデータセットを準備します。 アルゴリズムとモデルの選択: 画像検査には様々なアルゴリズムとモデルがあります。ディープラーニングの畳み込みニューラルネットワーク(CNN)は、画像認識や検査によく用いられます。適切なアルゴリズムとモデルを選択し、利用可能なリソースと要件に合わせた開発を行います。 モデルの訓練と評価: データセットを使用してAIモデルを訓練し、その精度や性能を評価します。適切なトレーニング手法やハイパーパラメータの選択を行い、モデルの性能を最大化します。クロスバリデーションやテストデータを使用してモデルの評価を行い、適切な精度を確認します。 リアルタイムの運用性: AI(ディープラーニング)画像検査はリアルタイムの運用も求められます。モデルを実際の製品ラインに統合し、高速で画像処理を行いながら検査結果を返す能力が必要です。リアルタイム性、スケーラビリティ、可用性などを考慮したシステムの開発が必要です。 継続的なモデルの改善と監視: AIモデルはトレーニング後も継続的な改善と監視が必要です。新たなデータの収集や追加学習などによりモデルを改善し、実際の運用データをベースにモデルのパフォーマンスを監視します。 これらのポイントを考慮し、製造業の社長がAI(ディープラーニング)画像検査の導入や開発を行うことが重要です。それにより、効率的な不良品検出や品質管理の向上を実現することができます。 上記の6つの列挙項目から分かる様に製造業の社長が知っておくべくAI(ディープラーニング)画像検査のポイントは主に6つの事象がある事が分かります。本コラムでは6つ事象の事例を交えて説明させて頂きます。 2.成功事例 製造業の社長が知っておくべきAI(ディープラーニング)画像検査のポイントを導入事例と共に解説します。 2.1 サンプルデータの準備 AIモデルを訓練するためには、多くのサンプルデータが必要です。正しいラベル付けがされた多様な製品の画像データを収集し、特に不良品の画像に重点をおくことが重要です。 導入事例:樹脂成型品のAI検査 樹脂成型品の良品サンプルと不良品サンプルを各約100個、つまり合計 約200個をお客様にご用意頂きました。 次に1つのサンプル品につき、上下左右前後の6方向から撮影し、合計約1,200枚の画像を撮影しました。 次に約1,200枚の画像から不良個所のある画像が約300枚をAIに学習させる事が出来ました。また、残り約900枚は正常品画像としてAIに学習させる事が出来ました。 2.2 ラベル付けとアノテーション サンプルデータに正しいラベルを付けることで、AIモデルが正確に学習することができます。不良品の位置や種類など、必要な情報をアノテーションしてデータセットを準備します。 導入事例:ゼリー容器の側面フィルムのAI検査 側面フィルムの不良個所を指定して、AIに不良部を教える方法「教示有り」という設定で学習させました。 フィルムの皺やめくれ、破れ、位置ズレなどを不良個所として登録する事で、正しく良品と不良品を判別する事が出来ました。 2.3 アルゴリズムとモデルの選択 画像検査には様々なアルゴリズムとモデルがあります。ディープラーニングの畳み込みニューラルネットワーク(CNN)は、画像認識や検査によく用いられます。適切なアルゴリズムとモデルを選択し、利用可能なリソースと要件に合わせた開発を行います。 導入事例:刻印文字のAI検査 金属コネクタに刻印された製品名(型式)をAI画像検査で判定を行う。 プレス刻印機で刻印される為、刻印された文字にばらつきがありました。 同じ文字でもばらつきが発生するため、ディープラーニングの畳み込みを使用し、ばらつきがあっても判別できる様に学習させることで、文字を認識し、認識できない場合を不良と判定する。 2.4 モデルの訓練と評価 データセットを使用してAIモデルを訓練し、その精度や性能を評価します。適切なトレーニング手法やハイパーパラメータの選択を行い、モデルの性能を最大化します。クロスバリデーションやテストデータを使用してモデルの評価を行い、適切な精度を確認します。 導入事例:冷却シートのAI検査 学習データを正常品画像と不良品画像を使って作成したのち、実際に製造ラインに導入する前に検査精度の評価を行いました。 異物や気泡、ズレなどの新たな不良品画像を数百枚用意し、漏れなく検出できるかを評価したうえで、実際の生産ラインへ導入しました。 2.5 リアルタイムの運用性 AI(ディープラーニング)画像検査はリアルタイムの運用も求められます。モデルを実際の製品ラインに統合し、高速で画像処理を行いながら検査結果を返す能力が必要です。リアルタイム性、スケーラビリティ、可用性などを考慮したシステムの開発が必要です。 導入事例:高速で巻き取る金属ワイヤのAI検査 高速で巻き取る金属ワイヤが正しく巻き取れない時を検出します。 例えば、ほつれ、浮き、ズレなどを素早く検出し、巻き取り装置を止めて、やり直しを行うためのAI検査装置です。 金属ワイヤが何重にも巻かれるため、一般的なルールベースの画像処理では困難でした。 また、検出速度も5msec以内に判定する為、不具合検出して直ぐに停止出来る為、まき直しが楽になりました。 2.6 継続的なモデルの改善と監視 AIモデルはトレーニング後も継続的な改善と監視が必要です。新たなデータの収集や追加学習などによりモデルを改善し、実際の運用データをベースにモデルのパフォーマンスを監視します。 導入事例:樹脂成型品のAI画像検査 成型後、一旦、K社製のルールベース画像検査(昔ながらの画像処理)を行い、NG判定した画像をAIで再検査しています。 導入当初の学習データではなかった不良が出だしたので、学習データを作り直し、以前からの不良に新しい不良を学習させたデータにする事にしました。 それにより以前からの不良と新しい不良も上手く検出出来る様になりました。 3.各項目の重要性 3.1 サンプルデータの準備 AIモデルを訓練するためには、多くのサンプルデータが必要です。正しいラベル付けがされた多様な製品の画像データを収集し、特に不良品の画像に重点をおくことが重要です。 AIモデルとは簡単に言うとお手本という事です。 つまり、お手本となる良品と不良品を複数用意し、それらをAIに学習させる事が重要です。 例えば、目視検査員に良品サンプルだけ渡しても、目視検査員は不良品を判断する事は難しいのと同じです。不良品のサンプルも渡して、どういった不良が出やすい製品なのか? どの部分をどの様な不良が発生していて、目視検査員に不良を見つけて欲しいのか皆様は説明して、目視検査員に目視検査を行って頂いていると思います。 その目視検査員をAI画像検査に置き換えてみてください。そして、目視検査員と同じようにAI画像検査においても教えてあげるのです。 3.2 ラベル付けとアノテーション サンプルデータに正しいラベルを付けることで、AIモデルが正確に学習することができます。不良品の位置や種類など、必要な情報をアノテーションしてデータセットを準備します。 ラベル付けとは良品画像には良品であるというラベルをつけます。また、不良品画像には不良品であるというラベルをつけます。また、不良品画像を更に細かく分類したい場合は、それぞれの不良種別毎にラベルとつける事が出来ます。 アノテーションとはAIが学習するために、テキストや音声や画像などあらゆる形態のデータにタグを付けて、「意味」をもたせる作業のことです。 アノテーションを行う時に重要なのは、例えば、「傷」という不良に対し、傷が明らかに分かる不良品画像を用意する事、また傷の不良においても「大きさ」「方向性」「深さ」など不良と判別するための不良品画像を用意する必要があります。明らかな小さな傷で良品と判断して欲しい傷の画像を不良品画像に含めて学習させてしまうとAIはそれらを不良品と判断してしまいますが、それらを良品としてAIに学習させる事で意図した判定を行える学習データを作る事が出来ます。 3.3 アルゴリズムとモデルの選択 画像検査には様々なアルゴリズムとモデルがあります。ディープラーニングの畳み込みニューラルネットワーク(CNN)は、画像認識や検査によく用いられます。適切なアルゴリズムとモデルを選択し、利用可能なリソースと要件に合わせた開発を行います。 アルゴリズムとは「欠陥検出アルゴリズム(教示無し)」、「欠陥検出アルゴリズム(教示有り)」、「分類アルゴリズム」、「カウントアルゴリズム」、「文字認識アルゴリズム」などがあります。 主に製造業で使用するのは「欠陥検出アルゴリズム」です。これは良品と傷や汚れ、打痕などの不良を判別するのに使用されます。その中でも教示有り、無しというのは、意図して不良個所を指示して学習させるか、そうでないかの違いです。例えば、傷の箇所はココだと教えるか、教えずに学習させるかの違いです。例えば特に特定箇所に傷が出やすい場合や背景画像との違いが少なく分かりにくい場合に教示有り学習すると有効です。 「分類アルゴリズム」は例えば、不良の種別を分けて検出したい場合なので使用します。「傷」、「汚れ」、「打痕」、「凸」など分ける場合などです。また、複数の種類が写る画像からそれぞれの物を仕分ける場合にも有効です。「カウントアルゴリズム」はカウントするのに便利なアルゴリズムです。例えば、トレー中の沢山のボルトをカウントしたい場合に 全体が見えているボルトばかりでなく、一部だけ見えているボルトをカウントさせるなどに有効です。「文字認識アルゴリズム」は文字を読み取るのに有効なアルゴリズムです。文字のフォントが変わっていても、学習する事でフォント違いでも読み取る事が出来ます。 モデルとは、上記アルゴリズムを活用する為に必要なモデル、お手本となる画像の事です。正しいアルゴリズムと正しいモデルを用意する事が非常に大切になります。 3.4 モデルの訓練と評価 データセットを使用してAIモデルを訓練し、その精度や性能を評価します。適切なトレーニング手法やハイパーパラメータの選択を行い、モデルの性能を最大化します。クロスバリデーションやテストデータを使用してモデルの評価を行い、適切な精度を確認します。 モデルの訓練とは、AIに1度の学習モデルを構築させただけで完璧に検査などが出来るという事はまずありません。よって、何度も繰り返し、やり直して、納得の行く検査が出来る学習データを作る事が必要です。そのためには、実際に作成した学習データ:AIモデルで実際に撮影した画像を判定させて、正しく判定出来ているか?欲しい精度が検出出来るか?意図する処理時間内で判定出来ているか?などテストしその結果を評価する事が必要です。 3.5 リアルタイムの運用性 AI(ディープラーニング)画像検査はリアルタイムの運用も求められます。モデルを実際の製品ラインに統合し、高速で画像処理を行いながら検査結果を返す能力が必要です。リアルタイム性、スケーラビリティ、可用性などを考慮したシステムの開発が必要です。 一般的なPCでもAI画像検査ソフトは動作します。しかし、AI画像検査における処理は、処理するPCに多大な負荷をかけます。よって、AI画像処理で良く用いられるのは、GPUボード(グラフィックボード)の高速CPUを用いる事です。特に良く使用されているのはNVIDIA製GPUがあります。 3.6 継続的なモデルの改善と監視 AIモデルはトレーニング後も継続的な改善と監視が必要です。新たなデータの収集や追加学習などによりモデルを改善し、実際の運用データをベースにモデルのパフォーマンスを監視します。 先ほど、導入事例においてもご説明した通り、AI画像検査は新たに発生した不良品などに対応させる必要に対応する事が導入後に発生するでしょう。よって、導入した後も絶えず、AI学習データ:モデルの改善が必要ではないか?を監視し続ける必要があります。 4.まとめ 今回のコラムでは、コラムでは、中堅・中小製造業の企業様にご活用頂きたい社長が知っておくべきAI(ディープラーニング)画像検査のポイントについて、分かりやすく説明をさせて頂きました。今回の紹介した内容をご検討頂き、自社での自動検品の導入検討や、過去に断念された自動検品の導入を再度進めていただければ幸いです。また、上記内容について、より具体的に詳細をお知りになりたい場合や導入支援が必要といった場合は、お気軽に弊社にご相談いただければ幸いです。   中堅・中小製造業 経営者向け AI外観検査の導入ポイント 解説レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ 製造業では必ずと言っていいほど人手のかかる作業となっている外観検査。 本レポートではその外観検査の自動化について、自動化のメリットとAIを活用した外観検査の概要、導入におけるポイント、成功事例を解説しています。 https://www.funaisoken.co.jp/dl-contents/smart-factory__02131_S045   ■関連するセミナーのご案内 ■東京&大阪 2拠点にて開催!! 【目指すは投資回収3年!協働ロボット活用事例特集!社長セミナー】 ~中小製造業で40台以上の協働ロボットの稼働に成功した社長から学ぶ! セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/107400 「成功事例ゲスト講座」中小製造業で40台以上の協働ロボットの稼働に成功した社長から学ぶ!社長特別講演! 低コストだから出来る!40台以上のロボットを導入して生産性を向上した事例を基に具体的な導入手法を解説! 低コストでロボットを導入するための具体的な手法! 経営者目線で語る協働ロボットのメリットと導入の手法! ■開催日程 以下の日程よりご都合の良い日程をお選び下さい ※内容は全て一緒です 東京会場 2024/01/23 (火) 13:00~16:00 大阪会場 2024/01/29 (月) 13:00~16:00 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/107400 いつも当コラムをご愛読いただきありがとうございます。 1.AI(ディープラーニング)画像検査のポイント 製造業の社長が知っておくべきAI(ディープラーニング)画像検査のポイントとは以下の事です。 サンプルデータの準備: AIモデルを訓練するためには、多くのサンプルデータが必要です。正しいラベル付けがされた多様な製品の画像データを収集し、特に不良品の画像に重点をおくことが重要です。 ラベル付けとアノテーション: サンプルデータに正しいラベルを付けることで、AIモデルが正確に学習することができます。不良品の位置や種類など、必要な情報をアノテーションしてデータセットを準備します。 アルゴリズムとモデルの選択: 画像検査には様々なアルゴリズムとモデルがあります。ディープラーニングの畳み込みニューラルネットワーク(CNN)は、画像認識や検査によく用いられます。適切なアルゴリズムとモデルを選択し、利用可能なリソースと要件に合わせた開発を行います。 モデルの訓練と評価: データセットを使用してAIモデルを訓練し、その精度や性能を評価します。適切なトレーニング手法やハイパーパラメータの選択を行い、モデルの性能を最大化します。クロスバリデーションやテストデータを使用してモデルの評価を行い、適切な精度を確認します。 リアルタイムの運用性: AI(ディープラーニング)画像検査はリアルタイムの運用も求められます。モデルを実際の製品ラインに統合し、高速で画像処理を行いながら検査結果を返す能力が必要です。リアルタイム性、スケーラビリティ、可用性などを考慮したシステムの開発が必要です。 継続的なモデルの改善と監視: AIモデルはトレーニング後も継続的な改善と監視が必要です。新たなデータの収集や追加学習などによりモデルを改善し、実際の運用データをベースにモデルのパフォーマンスを監視します。 これらのポイントを考慮し、製造業の社長がAI(ディープラーニング)画像検査の導入や開発を行うことが重要です。それにより、効率的な不良品検出や品質管理の向上を実現することができます。 上記の6つの列挙項目から分かる様に製造業の社長が知っておくべくAI(ディープラーニング)画像検査のポイントは主に6つの事象がある事が分かります。本コラムでは6つ事象の事例を交えて説明させて頂きます。 2.成功事例 製造業の社長が知っておくべきAI(ディープラーニング)画像検査のポイントを導入事例と共に解説します。 2.1 サンプルデータの準備 AIモデルを訓練するためには、多くのサンプルデータが必要です。正しいラベル付けがされた多様な製品の画像データを収集し、特に不良品の画像に重点をおくことが重要です。 導入事例:樹脂成型品のAI検査 樹脂成型品の良品サンプルと不良品サンプルを各約100個、つまり合計 約200個をお客様にご用意頂きました。 次に1つのサンプル品につき、上下左右前後の6方向から撮影し、合計約1,200枚の画像を撮影しました。 次に約1,200枚の画像から不良個所のある画像が約300枚をAIに学習させる事が出来ました。また、残り約900枚は正常品画像としてAIに学習させる事が出来ました。 2.2 ラベル付けとアノテーション サンプルデータに正しいラベルを付けることで、AIモデルが正確に学習することができます。不良品の位置や種類など、必要な情報をアノテーションしてデータセットを準備します。 導入事例:ゼリー容器の側面フィルムのAI検査 側面フィルムの不良個所を指定して、AIに不良部を教える方法「教示有り」という設定で学習させました。 フィルムの皺やめくれ、破れ、位置ズレなどを不良個所として登録する事で、正しく良品と不良品を判別する事が出来ました。 2.3 アルゴリズムとモデルの選択 画像検査には様々なアルゴリズムとモデルがあります。ディープラーニングの畳み込みニューラルネットワーク(CNN)は、画像認識や検査によく用いられます。適切なアルゴリズムとモデルを選択し、利用可能なリソースと要件に合わせた開発を行います。 導入事例:刻印文字のAI検査 金属コネクタに刻印された製品名(型式)をAI画像検査で判定を行う。 プレス刻印機で刻印される為、刻印された文字にばらつきがありました。 同じ文字でもばらつきが発生するため、ディープラーニングの畳み込みを使用し、ばらつきがあっても判別できる様に学習させることで、文字を認識し、認識できない場合を不良と判定する。 2.4 モデルの訓練と評価 データセットを使用してAIモデルを訓練し、その精度や性能を評価します。適切なトレーニング手法やハイパーパラメータの選択を行い、モデルの性能を最大化します。クロスバリデーションやテストデータを使用してモデルの評価を行い、適切な精度を確認します。 導入事例:冷却シートのAI検査 学習データを正常品画像と不良品画像を使って作成したのち、実際に製造ラインに導入する前に検査精度の評価を行いました。 異物や気泡、ズレなどの新たな不良品画像を数百枚用意し、漏れなく検出できるかを評価したうえで、実際の生産ラインへ導入しました。 2.5 リアルタイムの運用性 AI(ディープラーニング)画像検査はリアルタイムの運用も求められます。モデルを実際の製品ラインに統合し、高速で画像処理を行いながら検査結果を返す能力が必要です。リアルタイム性、スケーラビリティ、可用性などを考慮したシステムの開発が必要です。 導入事例:高速で巻き取る金属ワイヤのAI検査 高速で巻き取る金属ワイヤが正しく巻き取れない時を検出します。 例えば、ほつれ、浮き、ズレなどを素早く検出し、巻き取り装置を止めて、やり直しを行うためのAI検査装置です。 金属ワイヤが何重にも巻かれるため、一般的なルールベースの画像処理では困難でした。 また、検出速度も5msec以内に判定する為、不具合検出して直ぐに停止出来る為、まき直しが楽になりました。 2.6 継続的なモデルの改善と監視 AIモデルはトレーニング後も継続的な改善と監視が必要です。新たなデータの収集や追加学習などによりモデルを改善し、実際の運用データをベースにモデルのパフォーマンスを監視します。 導入事例:樹脂成型品のAI画像検査 成型後、一旦、K社製のルールベース画像検査(昔ながらの画像処理)を行い、NG判定した画像をAIで再検査しています。 導入当初の学習データではなかった不良が出だしたので、学習データを作り直し、以前からの不良に新しい不良を学習させたデータにする事にしました。 それにより以前からの不良と新しい不良も上手く検出出来る様になりました。 3.各項目の重要性 3.1 サンプルデータの準備 AIモデルを訓練するためには、多くのサンプルデータが必要です。正しいラベル付けがされた多様な製品の画像データを収集し、特に不良品の画像に重点をおくことが重要です。 AIモデルとは簡単に言うとお手本という事です。 つまり、お手本となる良品と不良品を複数用意し、それらをAIに学習させる事が重要です。 例えば、目視検査員に良品サンプルだけ渡しても、目視検査員は不良品を判断する事は難しいのと同じです。不良品のサンプルも渡して、どういった不良が出やすい製品なのか? どの部分をどの様な不良が発生していて、目視検査員に不良を見つけて欲しいのか皆様は説明して、目視検査員に目視検査を行って頂いていると思います。 その目視検査員をAI画像検査に置き換えてみてください。そして、目視検査員と同じようにAI画像検査においても教えてあげるのです。 3.2 ラベル付けとアノテーション サンプルデータに正しいラベルを付けることで、AIモデルが正確に学習することができます。不良品の位置や種類など、必要な情報をアノテーションしてデータセットを準備します。 ラベル付けとは良品画像には良品であるというラベルをつけます。また、不良品画像には不良品であるというラベルをつけます。また、不良品画像を更に細かく分類したい場合は、それぞれの不良種別毎にラベルとつける事が出来ます。 アノテーションとはAIが学習するために、テキストや音声や画像などあらゆる形態のデータにタグを付けて、「意味」をもたせる作業のことです。 アノテーションを行う時に重要なのは、例えば、「傷」という不良に対し、傷が明らかに分かる不良品画像を用意する事、また傷の不良においても「大きさ」「方向性」「深さ」など不良と判別するための不良品画像を用意する必要があります。明らかな小さな傷で良品と判断して欲しい傷の画像を不良品画像に含めて学習させてしまうとAIはそれらを不良品と判断してしまいますが、それらを良品としてAIに学習させる事で意図した判定を行える学習データを作る事が出来ます。 3.3 アルゴリズムとモデルの選択 画像検査には様々なアルゴリズムとモデルがあります。ディープラーニングの畳み込みニューラルネットワーク(CNN)は、画像認識や検査によく用いられます。適切なアルゴリズムとモデルを選択し、利用可能なリソースと要件に合わせた開発を行います。 アルゴリズムとは「欠陥検出アルゴリズム(教示無し)」、「欠陥検出アルゴリズム(教示有り)」、「分類アルゴリズム」、「カウントアルゴリズム」、「文字認識アルゴリズム」などがあります。 主に製造業で使用するのは「欠陥検出アルゴリズム」です。これは良品と傷や汚れ、打痕などの不良を判別するのに使用されます。その中でも教示有り、無しというのは、意図して不良個所を指示して学習させるか、そうでないかの違いです。例えば、傷の箇所はココだと教えるか、教えずに学習させるかの違いです。例えば特に特定箇所に傷が出やすい場合や背景画像との違いが少なく分かりにくい場合に教示有り学習すると有効です。 「分類アルゴリズム」は例えば、不良の種別を分けて検出したい場合なので使用します。「傷」、「汚れ」、「打痕」、「凸」など分ける場合などです。また、複数の種類が写る画像からそれぞれの物を仕分ける場合にも有効です。「カウントアルゴリズム」はカウントするのに便利なアルゴリズムです。例えば、トレー中の沢山のボルトをカウントしたい場合に 全体が見えているボルトばかりでなく、一部だけ見えているボルトをカウントさせるなどに有効です。「文字認識アルゴリズム」は文字を読み取るのに有効なアルゴリズムです。文字のフォントが変わっていても、学習する事でフォント違いでも読み取る事が出来ます。 モデルとは、上記アルゴリズムを活用する為に必要なモデル、お手本となる画像の事です。正しいアルゴリズムと正しいモデルを用意する事が非常に大切になります。 3.4 モデルの訓練と評価 データセットを使用してAIモデルを訓練し、その精度や性能を評価します。適切なトレーニング手法やハイパーパラメータの選択を行い、モデルの性能を最大化します。クロスバリデーションやテストデータを使用してモデルの評価を行い、適切な精度を確認します。 モデルの訓練とは、AIに1度の学習モデルを構築させただけで完璧に検査などが出来るという事はまずありません。よって、何度も繰り返し、やり直して、納得の行く検査が出来る学習データを作る事が必要です。そのためには、実際に作成した学習データ:AIモデルで実際に撮影した画像を判定させて、正しく判定出来ているか?欲しい精度が検出出来るか?意図する処理時間内で判定出来ているか?などテストしその結果を評価する事が必要です。 3.5 リアルタイムの運用性 AI(ディープラーニング)画像検査はリアルタイムの運用も求められます。モデルを実際の製品ラインに統合し、高速で画像処理を行いながら検査結果を返す能力が必要です。リアルタイム性、スケーラビリティ、可用性などを考慮したシステムの開発が必要です。 一般的なPCでもAI画像検査ソフトは動作します。しかし、AI画像検査における処理は、処理するPCに多大な負荷をかけます。よって、AI画像処理で良く用いられるのは、GPUボード(グラフィックボード)の高速CPUを用いる事です。特に良く使用されているのはNVIDIA製GPUがあります。 3.6 継続的なモデルの改善と監視 AIモデルはトレーニング後も継続的な改善と監視が必要です。新たなデータの収集や追加学習などによりモデルを改善し、実際の運用データをベースにモデルのパフォーマンスを監視します。 先ほど、導入事例においてもご説明した通り、AI画像検査は新たに発生した不良品などに対応させる必要に対応する事が導入後に発生するでしょう。よって、導入した後も絶えず、AI学習データ:モデルの改善が必要ではないか?を監視し続ける必要があります。 4.まとめ 今回のコラムでは、コラムでは、中堅・中小製造業の企業様にご活用頂きたい社長が知っておくべきAI(ディープラーニング)画像検査のポイントについて、分かりやすく説明をさせて頂きました。今回の紹介した内容をご検討頂き、自社での自動検品の導入検討や、過去に断念された自動検品の導入を再度進めていただければ幸いです。また、上記内容について、より具体的に詳細をお知りになりたい場合や導入支援が必要といった場合は、お気軽に弊社にご相談いただければ幸いです。   中堅・中小製造業 経営者向け AI外観検査の導入ポイント 解説レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ 製造業では必ずと言っていいほど人手のかかる作業となっている外観検査。 本レポートではその外観検査の自動化について、自動化のメリットとAIを活用した外観検査の概要、導入におけるポイント、成功事例を解説しています。 https://www.funaisoken.co.jp/dl-contents/smart-factory__02131_S045   ■関連するセミナーのご案内 ■東京&大阪 2拠点にて開催!! 【目指すは投資回収3年!協働ロボット活用事例特集!社長セミナー】 ~中小製造業で40台以上の協働ロボットの稼働に成功した社長から学ぶ! セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/107400 「成功事例ゲスト講座」中小製造業で40台以上の協働ロボットの稼働に成功した社長から学ぶ!社長特別講演! 低コストだから出来る!40台以上のロボットを導入して生産性を向上した事例を基に具体的な導入手法を解説! 低コストでロボットを導入するための具体的な手法! 経営者目線で語る協働ロボットのメリットと導入の手法! ■開催日程 以下の日程よりご都合の良い日程をお選び下さい ※内容は全て一緒です 東京会場 2024/01/23 (火) 13:00~16:00 大阪会場 2024/01/29 (月) 13:00~16:00 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/107400

年間1400万円のコストダウンに成功した基幹システム導入成功事例!

2023.12.01

いつも当コラムをご愛読いただきありがとうございます 1.成功事例の概要 本社:山梨県 従業員数規模:100名台 主な業種:ダイカスト製品の製造等 業務改革&基幹システム導入を通じて、生産性アップ&年間約1,400万円相当のコストダウンを実現 2.基幹システム導入のBefore/After 【Before(システム導入前の状態と主な課題)】 社内にムダな業務やアナログな工程が多く残っており、非効率な現場となっていた。 ExcelやAccessが散在しており、二重三重入力が常態化していた。 アナログ中心の生産管理体制であるがゆえに、業務自体が職人化・属人化していた。 IT担当者(DX人材)が不在で社内のDXが思うように進んでいなかった。 【After(システム導入後の主な効果)】 業務改革&基幹システム導入のコンサルティングを通じて、以下のような効果を出すことに成功した。 製造指示書の作成について、リードタイム等を「熟練担当者の勘と経験」に頼って手書きで作成していたが、システム導入によりほぼ自動で作成することができるようになった。加えて、属人化の排除に繋がった。 製造指示書を作成するのに、「1件あたり約1時間」かかっていたが、「1件あたり約10分」で作成できるようになった。結果として、作業時間・コストの大幅な削減に繋がった。 紙の手書き日報の内容を集めた後に、事務所にて逐一データ化していたが、直接現場でタブレット入力できるようになった。結果として、「二度手間・二重三重入力」の排除に繋がった。   鋳造・加工・営業部門にて、月次報告資料を都度Excel作成していたが、導入したシステムのExcel連携機能により、ボタン1つで資料作成ができるようになった。 元々は在庫を確認するのに1品目ごとしか確認できなかったが、システム導入後は「Excel連携機能」により、1品目ずつだけではなく、品目一覧をボタン1つで確認できるようになった。 全体を通じて、結果的に年間約1,400万円相当のコストダウンに成功した。 次に基幹システム導入成功のポイントを解説します。 3.基幹システム導入 成功のポイントとは? ポイント①:システムベンダーや社内担当者に丸投げせず、経営者自身がシステム導入を理解することに努めた。 ポイント②:自社全体を俯瞰し、自社の身の丈にあった計画を作った。 ポイント③:目的・目標・コンセプト・範囲を明確にし、PJメンバーとベクトルを合わせた。 ポイント④:既存業務をそのまますべてシステム化するのではなく、導入するシステムに合わせて既存業務のあり方を根本的に見直した。 ポイント⑤:システム導入をきっかけに、導入するシステムに合わせて、余計な工程や業務ルールを削減し、新しい業務フローを描いた。 ポイント⑥:パイロット運用(試験的な運用)ですぐに新業務のイメージを浸透させることに努めた。 ポイント⑦:現場担当者をプロジェクトの初期段階で巻き込み、現場担当者も納得するシステム導入の進め方を実践した。 以上、「業務改革&コストダウンの成功事例とは?」というテーマで お伝えさせていただきました。 「本コラムの内容について、個別に詳しく話を聞きたい」 「システム導入に関して、自社の現状を相談したい」 「属人的なアナログ業務を減らし、自社工場の自動化・効率化を更に進めていきたい」 「既存の社内システムの見直しや入れ替えを検討したい」 「自社の現状を診てもらった上で、自社の生産性向上に向けた提案をしてほしい」 という方は、以下のURLから是非お気軽にお問い合わせください。 ▼無料オンライン相談(お問い合わせはこちら) https://lp.funaisoken.co.jp/mt/form01/inquiry-S045.html?siteno=S045   ■関連するセミナーのご案内 「多品種少量生産製造業の為の原価改善!」 経営セミナー 紙運用の廃止!生産管理&原価管理を徹底見直し!DX経営による儲け改善! セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/108045 ■開催日程 全てオンライン開催となります 以下の日程よりご都合の良い日程をお選び下さい ※内容は全て一緒です 2024/02/21 (水) 13:00~15:00 2024/02/27 (火) 13:00~15:00 2024/02/29 (木) 13:00~15:00 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/108045   基幹システム導入+業務改革事例レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ 「こうなりたい!」と思っている経営者様におすすめ 旧システムを刷新し、業務改革を実行したい経営者様 数々の業務効率化を図り、費用対効果の高いシステム導入を行いたい経営者様 紙だらけの業務をデジタル化したいと思っている経営者様 経験と勘に頼らないデータドリブン経営を実践したいと思っている経営者様 スモールスタートからDXを始めたいと思っている経営者様 https://www.funaisoken.co.jp/dl-contents/smart-factory_smart-factory_02221_S045 いつも当コラムをご愛読いただきありがとうございます 1.成功事例の概要 本社:山梨県 従業員数規模:100名台 主な業種:ダイカスト製品の製造等 業務改革&基幹システム導入を通じて、生産性アップ&年間約1,400万円相当のコストダウンを実現 2.基幹システム導入のBefore/After 【Before(システム導入前の状態と主な課題)】 社内にムダな業務やアナログな工程が多く残っており、非効率な現場となっていた。 ExcelやAccessが散在しており、二重三重入力が常態化していた。 アナログ中心の生産管理体制であるがゆえに、業務自体が職人化・属人化していた。 IT担当者(DX人材)が不在で社内のDXが思うように進んでいなかった。 【After(システム導入後の主な効果)】 業務改革&基幹システム導入のコンサルティングを通じて、以下のような効果を出すことに成功した。 製造指示書の作成について、リードタイム等を「熟練担当者の勘と経験」に頼って手書きで作成していたが、システム導入によりほぼ自動で作成することができるようになった。加えて、属人化の排除に繋がった。 製造指示書を作成するのに、「1件あたり約1時間」かかっていたが、「1件あたり約10分」で作成できるようになった。結果として、作業時間・コストの大幅な削減に繋がった。 紙の手書き日報の内容を集めた後に、事務所にて逐一データ化していたが、直接現場でタブレット入力できるようになった。結果として、「二度手間・二重三重入力」の排除に繋がった。   鋳造・加工・営業部門にて、月次報告資料を都度Excel作成していたが、導入したシステムのExcel連携機能により、ボタン1つで資料作成ができるようになった。 元々は在庫を確認するのに1品目ごとしか確認できなかったが、システム導入後は「Excel連携機能」により、1品目ずつだけではなく、品目一覧をボタン1つで確認できるようになった。 全体を通じて、結果的に年間約1,400万円相当のコストダウンに成功した。 次に基幹システム導入成功のポイントを解説します。 3.基幹システム導入 成功のポイントとは? ポイント①:システムベンダーや社内担当者に丸投げせず、経営者自身がシステム導入を理解することに努めた。 ポイント②:自社全体を俯瞰し、自社の身の丈にあった計画を作った。 ポイント③:目的・目標・コンセプト・範囲を明確にし、PJメンバーとベクトルを合わせた。 ポイント④:既存業務をそのまますべてシステム化するのではなく、導入するシステムに合わせて既存業務のあり方を根本的に見直した。 ポイント⑤:システム導入をきっかけに、導入するシステムに合わせて、余計な工程や業務ルールを削減し、新しい業務フローを描いた。 ポイント⑥:パイロット運用(試験的な運用)ですぐに新業務のイメージを浸透させることに努めた。 ポイント⑦:現場担当者をプロジェクトの初期段階で巻き込み、現場担当者も納得するシステム導入の進め方を実践した。 以上、「業務改革&コストダウンの成功事例とは?」というテーマで お伝えさせていただきました。 「本コラムの内容について、個別に詳しく話を聞きたい」 「システム導入に関して、自社の現状を相談したい」 「属人的なアナログ業務を減らし、自社工場の自動化・効率化を更に進めていきたい」 「既存の社内システムの見直しや入れ替えを検討したい」 「自社の現状を診てもらった上で、自社の生産性向上に向けた提案をしてほしい」 という方は、以下のURLから是非お気軽にお問い合わせください。 ▼無料オンライン相談(お問い合わせはこちら) https://lp.funaisoken.co.jp/mt/form01/inquiry-S045.html?siteno=S045   ■関連するセミナーのご案内 「多品種少量生産製造業の為の原価改善!」 経営セミナー 紙運用の廃止!生産管理&原価管理を徹底見直し!DX経営による儲け改善! セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/108045 ■開催日程 全てオンライン開催となります 以下の日程よりご都合の良い日程をお選び下さい ※内容は全て一緒です 2024/02/21 (水) 13:00~15:00 2024/02/27 (火) 13:00~15:00 2024/02/29 (木) 13:00~15:00 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/108045   基幹システム導入+業務改革事例レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ 「こうなりたい!」と思っている経営者様におすすめ 旧システムを刷新し、業務改革を実行したい経営者様 数々の業務効率化を図り、費用対効果の高いシステム導入を行いたい経営者様 紙だらけの業務をデジタル化したいと思っている経営者様 経験と勘に頼らないデータドリブン経営を実践したいと思っている経営者様 スモールスタートからDXを始めたいと思っている経営者様 https://www.funaisoken.co.jp/dl-contents/smart-factory_smart-factory_02221_S045

納期回答とサプライヤー評価の重要性について

2023.11.30

このコラムでは、納期回答とサプライヤー評価の重要性について説明します。 製造業において、適時かつ正確な納期回答は信頼性と顧客満足度を高める要素です。 サプライヤー評価は、ビジネスパートナーの選択や継続的なパフォーマンス評価において欠かせないツールとして利用されています。 1.納期回答の重要性 納期回答の遅れや不確定な情報は、製造業において大きな問題を引き起こす可能性があります。 信頼性は顧客との関係を築く上で重要な要素であり、納期回答はそれを示す指標となります。 適切な納期回答は、顧客満足度を高め、会社への信頼性を向上させます。 まず、自社の生産管理や調達部門が各仕入先から納期回答をもらっているかどうかを調べることをするべきでしょう。 そもそも注文通りに部品や材料が入庫されているかどうかの管理を行えていない/属人化しているケースが往々にしてあると存じます。 納期回答のもらい方についても、メールや電話・FAX等バラバラになっていたり、担当者の中でとどめており、社内での情報共有がうまくいっていないケース等が考えられます。 このような状態であると、在庫量のUP DOWNが読めない為、不要な安全在庫を持つことになります。 また、在庫が無い場合には、自社が得意先に対し納期遅延や納品予定の変更が生じることがあるかもしれません。 不正確な情報は顧客にストレスを与え、信頼関係を揺らがせる可能性があります。 同様に得意先に対しても、適切な納期回答をすることで、顧客満足度を高めることができます。 正確な情報と適切なタイミングでの納期回答は、顧客に信頼感を与え、協力関係を強化する要素となります。 顧客は、予測可能なスケジュールを立てることや他のプロセスを円滑に進めることができるため、ビジネスパートナーとしての価値を感じるでしょう。 また、適切な納期回答はビジネスの信頼性を向上させます。 顧客から信頼されるビジネスは他の企業やパートナーからも信頼されやすくなります。 信頼性はビジネスパートナーや取引先を選ぶ際の重要な要素であり、信頼されるビジネスは市場での競争力を高めることができます。 特に、中堅・中小の製造業では特定の得意先に依存しているケースが多いかと存じます。 その得意先への関係性の強化は今後会社を継続的に運営していく中で重要になってくるはずです。 2.サプライヤー評価の意義 サプライヤー評価は、ビジネスパートナーの選択や継続的なパフォーマンス評価において重要な役割を果たしています。 ビジネスにとって信頼性の高いサプライヤーとの協力関係を築くことは、成功に欠かせない要素です。 以下に、サプライヤー評価の意義について詳しく説明します。 サプライヤーの信頼性を評価 サプライヤー評価は、ビジネスパートナーの信頼性を把握するための重要なツールです。 納期回答の正確性や納期通りの納品、品質管理の徹底度など、さまざまな評価基準を設けることができます。 これにより、サプライヤーの信頼性を客観的に評価し、信頼できるビジネスパートナーを特定することができます。 リスク管理と問題の早期発見 サプライヤー評価は、リスク管理の重要な手段となります。 リスクを適切に評価し、早期に発見することで、リスクに対する備えや対策を講じることができます。 例えば、サプライヤーの品質管理が不十分な場合、商品に欠陥があったり、顧客からの苦情が発生したりする可能性があります。 サプライヤー評価によって、問題の早期発見と解決に向けたアクションを取ることができます。 コスト削減と効率改善 優れたサプライヤー評価は、効率改善とコスト削減にも繋がります。 例えば、遅延や不正確な納期回答をするサプライヤーとの取引を避けることで、生産プロセスのスムーズさと適時性を確保することができます。 また、品質管理の徹底度が高いサプライヤーとの取引を積極的に行うことで、商品の品質を向上させることができます。 これにより、取引における不良品や返品のリスクを減らし、生産効率を向上させることができます。 長期的なパートナーシップの構築:サプライヤー評価は、長期的なパートナーシップの構築にも役立ちます。 信頼性の高いサプライヤーとの協力関係は、安定的な供給や効率的なプロセスを実現するために重要です。 サプライヤー評価によって、信頼できるパートナーを特定し、共通の目標達成に向けた持続的な協力を促進することができます。 以上のように、サプライヤー評価はビジネスにおいて重要な役割を果たしています。 信頼性の高いサプライヤーとの協力関係を築くためには、適切な評価基準を設け、評価を定期的に実施することが求められます。 サプライヤー評価はビジネスの成果を向上させ、競争力を高めるための有益なツールと言えます。 3.まとめ 納期回答とサプライヤー評価の改善に取り組むことは、製造業にとって不可欠です。 適時かつ正確な納期回答は信頼性と顧客満足度を高め、適切なサプライヤー評価はビジネスパートナーの選択とパフォーマンス評価に役立ちます。 ぜひ御社でも取り組んでみてはいかがでしょうか   基幹システム導入+業務改革事例レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ 「こうなりたい!」と思っている経営者様におすすめ 旧システムを刷新し、業務改革を実行したい経営者様 数々の業務効率化を図り、費用対効果の高いシステム導入を行いたい経営者様 紙だらけの業務をデジタル化したいと思っている経営者様 経験と勘に頼らないデータドリブン経営を実践したいと思っている経営者様 スモールスタートからDXを始めたいと思っている経営者様 https://www.funaisoken.co.jp/dl-contents/smart-factory_smart-factory_02221_S045   製造業経営者向けIoTを活用した原価データ取得事例解説レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ 「こうなりたい!」と思っている経営者様におすすめ IoTを活用して生産性を向上させたいと思っている経営者様 IoTを活用して原価の見える化をしたいと思っている経営者様 紙だらけの業務をデジタル化したいと思っている経営者様 経験と勘に頼らないデータドリブン経営を実践したいと思っている経営者様 スモールスタートからDXを始めたいと思っている経営者様 レポートの内容 中小製造業が実践すべき製造工程でのIoT活用 具体的な取り組み方 IoTを活用した 工数(労務原価)データ取得事例 https://www.funaisoken.co.jp/dl-contents/smart-factory_smart-factory_02162_S045 いつも当コラムをご愛読いただきありがとうございます。 このコラムでは、納期回答とサプライヤー評価の重要性について説明します。 製造業において、適時かつ正確な納期回答は信頼性と顧客満足度を高める要素です。 サプライヤー評価は、ビジネスパートナーの選択や継続的なパフォーマンス評価において欠かせないツールとして利用されています。 1.納期回答の重要性 納期回答の遅れや不確定な情報は、製造業において大きな問題を引き起こす可能性があります。 信頼性は顧客との関係を築く上で重要な要素であり、納期回答はそれを示す指標となります。 適切な納期回答は、顧客満足度を高め、会社への信頼性を向上させます。 まず、自社の生産管理や調達部門が各仕入先から納期回答をもらっているかどうかを調べることをするべきでしょう。 そもそも注文通りに部品や材料が入庫されているかどうかの管理を行えていない/属人化しているケースが往々にしてあると存じます。 納期回答のもらい方についても、メールや電話・FAX等バラバラになっていたり、担当者の中でとどめており、社内での情報共有がうまくいっていないケース等が考えられます。 このような状態であると、在庫量のUP DOWNが読めない為、不要な安全在庫を持つことになります。 また、在庫が無い場合には、自社が得意先に対し納期遅延や納品予定の変更が生じることがあるかもしれません。 不正確な情報は顧客にストレスを与え、信頼関係を揺らがせる可能性があります。 同様に得意先に対しても、適切な納期回答をすることで、顧客満足度を高めることができます。 正確な情報と適切なタイミングでの納期回答は、顧客に信頼感を与え、協力関係を強化する要素となります。 顧客は、予測可能なスケジュールを立てることや他のプロセスを円滑に進めることができるため、ビジネスパートナーとしての価値を感じるでしょう。 また、適切な納期回答はビジネスの信頼性を向上させます。 顧客から信頼されるビジネスは他の企業やパートナーからも信頼されやすくなります。 信頼性はビジネスパートナーや取引先を選ぶ際の重要な要素であり、信頼されるビジネスは市場での競争力を高めることができます。 特に、中堅・中小の製造業では特定の得意先に依存しているケースが多いかと存じます。 その得意先への関係性の強化は今後会社を継続的に運営していく中で重要になってくるはずです。 2.サプライヤー評価の意義 サプライヤー評価は、ビジネスパートナーの選択や継続的なパフォーマンス評価において重要な役割を果たしています。 ビジネスにとって信頼性の高いサプライヤーとの協力関係を築くことは、成功に欠かせない要素です。 以下に、サプライヤー評価の意義について詳しく説明します。 サプライヤーの信頼性を評価 サプライヤー評価は、ビジネスパートナーの信頼性を把握するための重要なツールです。 納期回答の正確性や納期通りの納品、品質管理の徹底度など、さまざまな評価基準を設けることができます。 これにより、サプライヤーの信頼性を客観的に評価し、信頼できるビジネスパートナーを特定することができます。 リスク管理と問題の早期発見 サプライヤー評価は、リスク管理の重要な手段となります。 リスクを適切に評価し、早期に発見することで、リスクに対する備えや対策を講じることができます。 例えば、サプライヤーの品質管理が不十分な場合、商品に欠陥があったり、顧客からの苦情が発生したりする可能性があります。 サプライヤー評価によって、問題の早期発見と解決に向けたアクションを取ることができます。 コスト削減と効率改善 優れたサプライヤー評価は、効率改善とコスト削減にも繋がります。 例えば、遅延や不正確な納期回答をするサプライヤーとの取引を避けることで、生産プロセスのスムーズさと適時性を確保することができます。 また、品質管理の徹底度が高いサプライヤーとの取引を積極的に行うことで、商品の品質を向上させることができます。 これにより、取引における不良品や返品のリスクを減らし、生産効率を向上させることができます。 長期的なパートナーシップの構築:サプライヤー評価は、長期的なパートナーシップの構築にも役立ちます。 信頼性の高いサプライヤーとの協力関係は、安定的な供給や効率的なプロセスを実現するために重要です。 サプライヤー評価によって、信頼できるパートナーを特定し、共通の目標達成に向けた持続的な協力を促進することができます。 以上のように、サプライヤー評価はビジネスにおいて重要な役割を果たしています。 信頼性の高いサプライヤーとの協力関係を築くためには、適切な評価基準を設け、評価を定期的に実施することが求められます。 サプライヤー評価はビジネスの成果を向上させ、競争力を高めるための有益なツールと言えます。 3.まとめ 納期回答とサプライヤー評価の改善に取り組むことは、製造業にとって不可欠です。 適時かつ正確な納期回答は信頼性と顧客満足度を高め、適切なサプライヤー評価はビジネスパートナーの選択とパフォーマンス評価に役立ちます。 ぜひ御社でも取り組んでみてはいかがでしょうか   基幹システム導入+業務改革事例レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ 「こうなりたい!」と思っている経営者様におすすめ 旧システムを刷新し、業務改革を実行したい経営者様 数々の業務効率化を図り、費用対効果の高いシステム導入を行いたい経営者様 紙だらけの業務をデジタル化したいと思っている経営者様 経験と勘に頼らないデータドリブン経営を実践したいと思っている経営者様 スモールスタートからDXを始めたいと思っている経営者様 https://www.funaisoken.co.jp/dl-contents/smart-factory_smart-factory_02221_S045   製造業経営者向けIoTを活用した原価データ取得事例解説レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ 「こうなりたい!」と思っている経営者様におすすめ IoTを活用して生産性を向上させたいと思っている経営者様 IoTを活用して原価の見える化をしたいと思っている経営者様 紙だらけの業務をデジタル化したいと思っている経営者様 経験と勘に頼らないデータドリブン経営を実践したいと思っている経営者様 スモールスタートからDXを始めたいと思っている経営者様 レポートの内容 中小製造業が実践すべき製造工程でのIoT活用 具体的な取り組み方 IoTを活用した 工数(労務原価)データ取得事例 https://www.funaisoken.co.jp/dl-contents/smart-factory_smart-factory_02162_S045

製造業のデータ活用における生産性向上と効率化の重要性

2023.11.21

いつも当コラムをご愛読いただきありがとうございます 製造業界における競争は激化しており、生産性の向上が企業の成功に不可欠です。 製造周りのシステムを導入し、業務においてシステムの存在が重要になっている現在において、多くの企業がそのシステムに蓄積されたデータの価値を理解し、その活用を模索しています。 しかし、多くの企業がデータ集計・分析に時間を費やす一方で、その後のデータ活用・現場改善が行われていない現状があります。こうした課題を解決するために、Power BIという集計・分析支援ソフトが登場し、分析に必要な時間を短縮し、生じた余剰時間をデータ活用に充てることが可能になりました。 今回はデータ分析の効率化、データ活用における生産性向上について説明していきます。 1.多くの企業が抱える課題 本項では、データ分析・活用を進める際に発生し得る状況について説明していきます。 製造業におけるデータ活用の課題は、データ集計・分析に時間を費やしすぎ、その後の実用化に取り組めていないことです。 また、データ集計・分析を効率化しようとExcelマクロを作成することもよく見受けられますが、それにより業務が属人化してしまうことも見受けられます。 一度Excelマクロを作成すると、どうしても様々な要望が社内で挙がってきます。 中には実現に時間がかかるものや、1から勉強しなければならないものも出てきますので、本来の自分の業務に加えてExcelマクロを修正する業務が追加として発生してしまいます。 Excelマクロを作ることができるデジタルスキルを持っている方への負荷が一方的に高まってしまうことは会社にとってとてももったいないことです。 上記のように、データ集計・分析に時間がかかりすぎるため、出てきた結果に対しての議論に時間をかけることができていないのが実態です。 2.データ集計・分析を効率化し、データ活用・現場改善へ時間を使う では、1項の課題はどのようにして解決することが出来るのか? データ集計・分析を効率化するためには、BIソフトなどのローコードソフトを活用することが鍵となります。 今回はPower BIというソフトを例として説明していきます。 Power BIは、生産管理システムなどのオンプレミスの既存システムと直接接続することができ、データをリアルタイムで抽出することができます。 さらに、取得したデータをクリック操作することによってプログラミングと同じ程度のデータ加工ができ、Excelと同じ感覚で可視化を行うことができます。 作成したレポートはクラウド上にアップロードすることでいつでもだれでもどこでも閲覧ができます。 このように、Power BIは、データ分析に必要な時間を大幅に削減し、その余剰時間をデータ活用に充てることができるツールです。このソフトウェアを使用することで、データの可視化や分析を迅速に行い、重要な洞察を得ることが可能です。 あくまでデータ分析、集計は生産性向上の手段であり、できるだけ効率化して早い結果を得られるような体制にすることが大切です。 3.まとめ いかがでしょうか?データ活用は製造業において極めて重要です。 Power BIのようなツールを利用することで、データから得られる価値を最大限に引き出し、生産性の向上や効率化を実現することが可能です。我々は、データ活用の重要性を認識し、製造業界全体の成長を支援するために積極的な取り組みを行っています。データ活用を通じて、製造業の未来を共に切り拓いていくことが重要です。 また、船井総研では、製造業におけるデータ活用を支援するため、Power BI等のソフトを用いたデータの可視化支援やデータ活用のサポートを提供しています。また、データが不足している場合には、その取得に向けたサポートも行っています。 データ活用がなかなか進まない、そもそもどのようにデータを使うのか等、お気軽にお問合せいただけますと幸いです。   ■関連するセミナーのご案内 「多品種少量生産製造業の為の原価改善!」 経営セミナー 紙運用の廃止!生産管理&原価管理を徹底見直し!DX経営による儲け改善! セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/108045 ■開催日程 全てオンライン開催となります 以下の日程よりご都合の良い日程をお選び下さい ※内容は全て一緒です 2024/02/21 (水) 13:00~15:00 2024/02/27 (火) 13:00~15:00 2024/02/29 (木) 13:00~15:00 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/108045   製造業経営者向け“基幹システム再構築戦略”解説レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ 多くの製造業は、全体としての原価・利益は見えているが、個別の実際原価は、属人化している業務で運用されている事で見えにくくなっています。製品別個別、取引先個別、工程別個別の実際原価を把握することで実際の利益が見えてきます。 見える化、DX化により、適切なアクションを取ることが重要です。 本レポートでは見える化とDX化のポイントを解説します! https://www.funaisoken.co.jp/dl-contents/smart-factory__02003_S045 いつも当コラムをご愛読いただきありがとうございます 製造業界における競争は激化しており、生産性の向上が企業の成功に不可欠です。 製造周りのシステムを導入し、業務においてシステムの存在が重要になっている現在において、多くの企業がそのシステムに蓄積されたデータの価値を理解し、その活用を模索しています。 しかし、多くの企業がデータ集計・分析に時間を費やす一方で、その後のデータ活用・現場改善が行われていない現状があります。こうした課題を解決するために、Power BIという集計・分析支援ソフトが登場し、分析に必要な時間を短縮し、生じた余剰時間をデータ活用に充てることが可能になりました。 今回はデータ分析の効率化、データ活用における生産性向上について説明していきます。 1.多くの企業が抱える課題 本項では、データ分析・活用を進める際に発生し得る状況について説明していきます。 製造業におけるデータ活用の課題は、データ集計・分析に時間を費やしすぎ、その後の実用化に取り組めていないことです。 また、データ集計・分析を効率化しようとExcelマクロを作成することもよく見受けられますが、それにより業務が属人化してしまうことも見受けられます。 一度Excelマクロを作成すると、どうしても様々な要望が社内で挙がってきます。 中には実現に時間がかかるものや、1から勉強しなければならないものも出てきますので、本来の自分の業務に加えてExcelマクロを修正する業務が追加として発生してしまいます。 Excelマクロを作ることができるデジタルスキルを持っている方への負荷が一方的に高まってしまうことは会社にとってとてももったいないことです。 上記のように、データ集計・分析に時間がかかりすぎるため、出てきた結果に対しての議論に時間をかけることができていないのが実態です。 2.データ集計・分析を効率化し、データ活用・現場改善へ時間を使う では、1項の課題はどのようにして解決することが出来るのか? データ集計・分析を効率化するためには、BIソフトなどのローコードソフトを活用することが鍵となります。 今回はPower BIというソフトを例として説明していきます。 Power BIは、生産管理システムなどのオンプレミスの既存システムと直接接続することができ、データをリアルタイムで抽出することができます。 さらに、取得したデータをクリック操作することによってプログラミングと同じ程度のデータ加工ができ、Excelと同じ感覚で可視化を行うことができます。 作成したレポートはクラウド上にアップロードすることでいつでもだれでもどこでも閲覧ができます。 このように、Power BIは、データ分析に必要な時間を大幅に削減し、その余剰時間をデータ活用に充てることができるツールです。このソフトウェアを使用することで、データの可視化や分析を迅速に行い、重要な洞察を得ることが可能です。 あくまでデータ分析、集計は生産性向上の手段であり、できるだけ効率化して早い結果を得られるような体制にすることが大切です。 3.まとめ いかがでしょうか?データ活用は製造業において極めて重要です。 Power BIのようなツールを利用することで、データから得られる価値を最大限に引き出し、生産性の向上や効率化を実現することが可能です。我々は、データ活用の重要性を認識し、製造業界全体の成長を支援するために積極的な取り組みを行っています。データ活用を通じて、製造業の未来を共に切り拓いていくことが重要です。 また、船井総研では、製造業におけるデータ活用を支援するため、Power BI等のソフトを用いたデータの可視化支援やデータ活用のサポートを提供しています。また、データが不足している場合には、その取得に向けたサポートも行っています。 データ活用がなかなか進まない、そもそもどのようにデータを使うのか等、お気軽にお問合せいただけますと幸いです。   ■関連するセミナーのご案内 「多品種少量生産製造業の為の原価改善!」 経営セミナー 紙運用の廃止!生産管理&原価管理を徹底見直し!DX経営による儲け改善! セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/108045 ■開催日程 全てオンライン開催となります 以下の日程よりご都合の良い日程をお選び下さい ※内容は全て一緒です 2024/02/21 (水) 13:00~15:00 2024/02/27 (火) 13:00~15:00 2024/02/29 (木) 13:00~15:00 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/108045   製造業経営者向け“基幹システム再構築戦略”解説レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ 多くの製造業は、全体としての原価・利益は見えているが、個別の実際原価は、属人化している業務で運用されている事で見えにくくなっています。製品別個別、取引先個別、工程別個別の実際原価を把握することで実際の利益が見えてきます。 見える化、DX化により、適切なアクションを取ることが重要です。 本レポートでは見える化とDX化のポイントを解説します! https://www.funaisoken.co.jp/dl-contents/smart-factory__02003_S045

2024年度補助金最速予測!「省人化・省力化補助金(仮称)」大胆予想!

2023.11.13

※本記事は、株式会社船井総合研究所のグループ企業「成長戦略株式会社」からの情報提供です。レポートをダウンロードする際は、成長戦略株式会社のウェブサイトに移動してダウンロードしていただきます。 "人手不足"に対応する新たな補助金を政府が検討中!補助金制度の内容を大胆予測! 中小企業の人手不足に対応するため、政府が「省人化・省力化補助金(仮称)」制度を検討中という情報があります。 報道の内容を簡単に整理します。 ◆何のための補助金? →人手不足に対応し、企業の生産性向上を通じて賃上げの拡大を図るための補助金 ◆いつ頃実施予定? →2023年度中の実施を目指す ◆どんな業種が利用できる? →介護、飲食、宿泊といったサービス業や製造業など、幅広い業種を対象とする ◆どんな事例が想定されている? ・旅館での清掃 ・飲食店での配膳 ・製造工場での加工・検査に用いるロボットの導入 などへの補助金の支給を想定 ◆申請手続きは煩雑? →補助金を活用できる事項を政府側がカタログ形式で示し、申請手続きを簡素にする予定 ここまでが報道内容の整理です。 補助上限金額や補助率など、気になる部分は公開されていません。 当社では今まで多数の補助金に対応してきた実績から、この補助金制度の内容について大胆に予測し、皆さまにご紹介いたします。 詳細はこちらからご覧いただけます。 https://ss.funaisoken.co.jp/page-1025/ ※本記事は、株式会社船井総合研究所のグループ企業「成長戦略株式会社」からの情報提供です。レポートをダウンロードする際は、成長戦略株式会社のウェブサイトに移動してダウンロードしていただきます。 こちらのレポートでは、 ・補助上限金額 ・補助率 ・申請枠 ・過去の似たテーマの補助事業における事例 などについて予測・記載しています。 是非ご一読いただき、申請に向けたスタートダッシュのヒントにしてください。 ※本レポートは予想を基にした情報提供であり、正式な制度内容とは異なる場合があります。最新情報は、政府や関係機関による公式発表をご参照ください。 ※現時点では、まだこの補助金の具体的な詳細や要件は未定となっている点をご留意ください。 「人手不足」と回答した企業割合が過去最大に 日本商工会議所が2023年9月に公開した調査によれば、7割近くが、人手が「不足している」と回答し、2015年の調査実施以降、最大とのこと。 また、そのうちの6割以上が「非常に深刻」または「深刻」と回答しています。 「人手不足を解消したい」という事業者様は多いと思いますので、この補助金にアンテナを立て、注視していただければと思います。 当社は、全国の中小企業が、日々進化・変化する社会に対応するために、今後も継続的に各補助金制度に関する最新情報をお届けし、皆さまのビジネスにお役立てしてまいります。 人手不足の課題を解決するためにロボットなどの設備導入をしたいという事業者様は、まずは下記のレポートをご覧ください。 ※本記事は、株式会社船井総合研究所のグループ企業「成長戦略株式会社」からの情報提供です。レポートをダウンロードする際は、成長戦略株式会社のウェブサイトに移動してダウンロードしていただきます。   【予測レポート】省人化・省力化補助金(仮称) ▼レポート無料ダウンロードお申し込みはこちら▼ https://ss.funaisoken.co.jp/page-1025/   【共催】最大1.5億円!補助金活用で新規設備投資&新事業開発 ▼レポート無料ダウンロードお申し込みはこちら▼ 中小製造業が実践すべき製造工程でのIoT活用 具体的な取り組み方 IoTを活用した 工数(労務原価)データ取得事例 https://www.funaisoken.co.jp/seminar/106918 いつも当コラムをご愛読いただきありがとうございます。 ※本記事は、株式会社船井総合研究所のグループ企業「成長戦略株式会社」からの情報提供です。レポートをダウンロードする際は、成長戦略株式会社のウェブサイトに移動してダウンロードしていただきます。 "人手不足"に対応する新たな補助金を政府が検討中!補助金制度の内容を大胆予測! 中小企業の人手不足に対応するため、政府が「省人化・省力化補助金(仮称)」制度を検討中という情報があります。 報道の内容を簡単に整理します。 ◆何のための補助金? →人手不足に対応し、企業の生産性向上を通じて賃上げの拡大を図るための補助金 ◆いつ頃実施予定? →2023年度中の実施を目指す ◆どんな業種が利用できる? →介護、飲食、宿泊といったサービス業や製造業など、幅広い業種を対象とする ◆どんな事例が想定されている? ・旅館での清掃 ・飲食店での配膳 ・製造工場での加工・検査に用いるロボットの導入 などへの補助金の支給を想定 ◆申請手続きは煩雑? →補助金を活用できる事項を政府側がカタログ形式で示し、申請手続きを簡素にする予定 ここまでが報道内容の整理です。 補助上限金額や補助率など、気になる部分は公開されていません。 当社では今まで多数の補助金に対応してきた実績から、この補助金制度の内容について大胆に予測し、皆さまにご紹介いたします。 詳細はこちらからご覧いただけます。 https://ss.funaisoken.co.jp/page-1025/ ※本記事は、株式会社船井総合研究所のグループ企業「成長戦略株式会社」からの情報提供です。レポートをダウンロードする際は、成長戦略株式会社のウェブサイトに移動してダウンロードしていただきます。 こちらのレポートでは、 ・補助上限金額 ・補助率 ・申請枠 ・過去の似たテーマの補助事業における事例 などについて予測・記載しています。 是非ご一読いただき、申請に向けたスタートダッシュのヒントにしてください。 ※本レポートは予想を基にした情報提供であり、正式な制度内容とは異なる場合があります。最新情報は、政府や関係機関による公式発表をご参照ください。 ※現時点では、まだこの補助金の具体的な詳細や要件は未定となっている点をご留意ください。 「人手不足」と回答した企業割合が過去最大に 日本商工会議所が2023年9月に公開した調査によれば、7割近くが、人手が「不足している」と回答し、2015年の調査実施以降、最大とのこと。 また、そのうちの6割以上が「非常に深刻」または「深刻」と回答しています。 「人手不足を解消したい」という事業者様は多いと思いますので、この補助金にアンテナを立て、注視していただければと思います。 当社は、全国の中小企業が、日々進化・変化する社会に対応するために、今後も継続的に各補助金制度に関する最新情報をお届けし、皆さまのビジネスにお役立てしてまいります。 人手不足の課題を解決するためにロボットなどの設備導入をしたいという事業者様は、まずは下記のレポートをご覧ください。 ※本記事は、株式会社船井総合研究所のグループ企業「成長戦略株式会社」からの情報提供です。レポートをダウンロードする際は、成長戦略株式会社のウェブサイトに移動してダウンロードしていただきます。   【予測レポート】省人化・省力化補助金(仮称) ▼レポート無料ダウンロードお申し込みはこちら▼ https://ss.funaisoken.co.jp/page-1025/   【共催】最大1.5億円!補助金活用で新規設備投資&新事業開発 ▼レポート無料ダウンロードお申し込みはこちら▼ 中小製造業が実践すべき製造工程でのIoT活用 具体的な取り組み方 IoTを活用した 工数(労務原価)データ取得事例 https://www.funaisoken.co.jp/seminar/106918

中堅・中小製造業のDX・IoT活用:デジタルツインの導入と活用方法

2023.11.13

本コラムでは、中堅・中小製造業の企業におけるDX・IoT活用について、まずはどこからどの様にDX・IoTを導入していくべきか、わかりやすく説明させていただきます。 1.はじめに 前回までのコラムで、“具体的にDXやIoT、AIを活用した業務の革新や改善を実施したいと考えたとき、まず『製造現場』へ導入すべき”と提案し、製造現場(工程)のIoT化手順に関し説明してきました。 今回からは、製造現場(工程)をIoT化して取得したデータの活用に関して説明して行きたいと思います。 ここ数年、“デジタルツイン”と言う言葉をよく耳にする様になりました。 工程や機器のIoT化によりセンサーや機器からの実際のデータ(情報)をIoT経由で取得できる様になってくると、実機のふるまいを大量のデジタルデータで表現できる様になります。 これは、実際の物理的な対象やプロセスの「ふるまい」(実機の動作や状態)をデジタルの世界で再現したものです。 具体的に説明すると、デジタルツインは、ある製品・設備・プロセス、またはシステムが現実世界でどのように動作し、機能するかを、デジタルモデルとして再現したものです。このデジタルモデルは、現実世界で収集したセンサーデータやリアルタイムデータを持ち、実機の動作状況を反映しています。 これにより、実機のふるまいをデジタル的に表現・モニタリングすることが可能となります。 例えば、工場の生産ラインのデジタルツインでは、実際の製品がどのように製造され、運搬され、検査されるかをデジタルモデルとして再現できます。 センサーが製品の進行状況や品質を監視し、この情報はデジタルツインに実機の情報として統合されます。 これにより、製品の製造過程がリアルタイムで可視化され、問題が発生した場合には、デジタルツインが警告を発し、生産プロセスに介入する様な事も可能になります。 デジタルツインは、シミュレーションや予測モデルの開発にも役立ちます。 デジタルツインを使用して、異なる設定や条件での製品やプロセスの挙動をシミュレートし、最適な設定を見つけ出すことが出来る様になります。 その結果、今までは、実際に製造工程を作りそれを動かして製造時間や製造時の問題点を抽出し改善、再度検証、これを数回繰り返すことで量産可能な状態まで作り上げていましたが、デジタルツインを用いるとシミュレーション上で想定できる条件全てを再現し、問題点抽出・改善までを行う事ができ、現実世界では最初から最適条件で製造工程を作り上げる事が出来、量産開始までの設備調整期間が大幅に短縮することが可能になります。 デジタルツインは、製造業の競争力向上と持続可能な成長に向けて非常に重要な役割を果たすテクノロジーとコンセプトとなりえます。 以下、デジタルツインの概念と中堅・中小製造業の経営者が考慮すべきポイントについて説明します。 2.デジタルツインとは何か? デジタルツインは、前述の様に物理的な製品やプロセスをデジタルモデルとして再現する概念です。 つまり、製品やプロセスのデジタルなコピーを作成し、そのデジタルコピーを使用してリアルタイムでモニタリング、分析、シミュレーションを行うことができます。デジタルツインは、次のような要素で構成されます。 1.デジタルツインモデル: 物理的な対応物に対応するデジタルなモデルで、設計、機能、および動作を再現します。 2.データ連携: デジタルツインモデルは、センサー、アクチュエータ、IoTデバイスなどからのデータと連携し、リアルタイムデータを収集します。 3.データ分析: 収集されたデータを分析し、洞察を得て、製品やプロセスの改善を支援します。 4.シミュレーション: デジタルツインは、将来の状況やシナリオをシミュレートし、機器の導入や構成変更、工程変更などに対する意思決定をサポートします。 3.中堅・中小製造業におけるデジタルツインの必要性 IoT化が進んだ中堅・中小製造業が次のStepでデジタルツインを導入する必要性に関して説明します。 1.効率と生産性の向上: デジタルツインを使用することで、製品設計や製造プロセスの効率を向上させることができます。リアルタイムデータモニタリングとシミュレーションにより、無駄な作業の削減とプロセスの最適化が実現可能です。 2.品質管理の強化: デジタルツインは、製品のデジタルコピーを提供し、品質管理を向上させます。欠陥の早期発見や品質問題の修正が容易になります。 3.生産停止の最小化: デジタルツインは、設備や機器の予防保守を支援し、生産中断を最小限に抑えます。計画的な保守により、生産ラインの停止を回避できます。 4.市場適応性: 変化する市場に適応する能力が強化されます。デジタルツインを活用して製品設計やプロセスを素早く調整でき、新たな市場機会に迅速に対応できます。 5.持続可能な製造: デジタルツインは、持続可能な製造プラクティスの推進に貢献します。製品のライフサイクルを管理し、環境への影響を最小限に抑えるための情報を提供します。 4.中堅・中小企業がデジタルツインを導入する際生ずると思われる問題点 中小・中堅企業がデジタルツインを導入する際には、いくつかの潜在的な問題点に直面する可能性があります。以下は、考えられる主な問題点とそれに対処するための一般的な戦略です。 1.導入コストとリソース不足: (対処策): デジタルツインの導入にはコストがかかり、スキルやリソースが必要です。 中小・中堅企業は、導入プロジェクトの予算を慎重に計画し、必要なリソースを確保する必要があります。船井総研等の外部の専門家やコンサルタントを活用しても良いと思います。 2.データの品質とセキュリティ: (対処策): デジタルツインはデータに依存するため、データ品質とセキュリティが重要です。データ品質の向上に取り組み、データの収集から保存までのセキュリティ対策を強化します。 3.既存システムとの統合: (対処策): 既存の製造システムやプロセスとデジタルツインを統合することは課題となることがあります。APIやプロトコルを使用して、異なるシステム間でデータの双方向の連携を確立します。 4.スキル不足: (対処策): デジタルツインの導入には新たなスキルが必要です。従業員のトレーニングや外部のスペシャリストの雇用を検討し、必要なスキルを獲得します。 5.デジタルツインの戦略的活用: (対処策): デジタルツインを単なる技術の導入とせず、戦略的な活用を検討しましょう。ビジネス目標とデジタルツインの目的を結びつけ、ROI(Return On Investment)を追求します。 6.データの過剰化: (対処策): 適切なデータ収集戦略を採用し、必要なデータを収集することに焦点を当てましょう。過度なデータの収集はコストを増やし、データの分析を複雑にすることがあります。 7.変化への抵抗: (対処策): 従業員への変更に対する抵抗があるかもしれません。変更管理戦略を確立し、従業員へのコミュニケーションと教育を重視しましょう。 8.セキュリティリスク: (対処策): デジタルツインのセキュリティ対策を重視し、セキュリティポリシーとプロセスを確立し、データへの不正アクセスやサイバーセキュリティリスクに対処しましょう。 これらの課題に対処するための適切な戦略を採用することで、効果的にデジタルツインを活用し、競争力を高めることができます。 デジタルツインの利点を最大限に引き出すためには、段階的・計画的な導入が重要です。 3.まとめ 今回のコラムでは、“中堅・中小製造業のDX・IoT活用のコツ~デジタルツイン~”につきまして簡単ではありますが説明させていただきました。 今回の紹介した内容をご検討頂き、自社での製造工程のIoT化導入や取得したデータの活用方法の検討、過去に断念されたIoT化を再度進めていただければ幸いです。 また、上記内容について、より具体的に詳細をお知りになりたい場合や導入支援が必要といった場合は、お気軽に弊社にご相談いただければ幸いです。 最後までお読みいただきありがとうございました。   製造業経営者向けIoTを活用した原価データ取得事例解説レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ 中小製造業が実践すべき製造工程でのIoT活用 具体的な取り組み方 IoTを活用した 工数(労務原価)データ取得事例 https://www.funaisoken.co.jp/dl-contents/smart-factory_smart-factory_02162_S045 いつも当コラムをご愛読いただきありがとうございます。 本コラムでは、中堅・中小製造業の企業におけるDX・IoT活用について、まずはどこからどの様にDX・IoTを導入していくべきか、わかりやすく説明させていただきます。 1.はじめに 前回までのコラムで、“具体的にDXやIoT、AIを活用した業務の革新や改善を実施したいと考えたとき、まず『製造現場』へ導入すべき”と提案し、製造現場(工程)のIoT化手順に関し説明してきました。 今回からは、製造現場(工程)をIoT化して取得したデータの活用に関して説明して行きたいと思います。 ここ数年、“デジタルツイン”と言う言葉をよく耳にする様になりました。 工程や機器のIoT化によりセンサーや機器からの実際のデータ(情報)をIoT経由で取得できる様になってくると、実機のふるまいを大量のデジタルデータで表現できる様になります。 これは、実際の物理的な対象やプロセスの「ふるまい」(実機の動作や状態)をデジタルの世界で再現したものです。 具体的に説明すると、デジタルツインは、ある製品・設備・プロセス、またはシステムが現実世界でどのように動作し、機能するかを、デジタルモデルとして再現したものです。このデジタルモデルは、現実世界で収集したセンサーデータやリアルタイムデータを持ち、実機の動作状況を反映しています。 これにより、実機のふるまいをデジタル的に表現・モニタリングすることが可能となります。 例えば、工場の生産ラインのデジタルツインでは、実際の製品がどのように製造され、運搬され、検査されるかをデジタルモデルとして再現できます。 センサーが製品の進行状況や品質を監視し、この情報はデジタルツインに実機の情報として統合されます。 これにより、製品の製造過程がリアルタイムで可視化され、問題が発生した場合には、デジタルツインが警告を発し、生産プロセスに介入する様な事も可能になります。 デジタルツインは、シミュレーションや予測モデルの開発にも役立ちます。 デジタルツインを使用して、異なる設定や条件での製品やプロセスの挙動をシミュレートし、最適な設定を見つけ出すことが出来る様になります。 その結果、今までは、実際に製造工程を作りそれを動かして製造時間や製造時の問題点を抽出し改善、再度検証、これを数回繰り返すことで量産可能な状態まで作り上げていましたが、デジタルツインを用いるとシミュレーション上で想定できる条件全てを再現し、問題点抽出・改善までを行う事ができ、現実世界では最初から最適条件で製造工程を作り上げる事が出来、量産開始までの設備調整期間が大幅に短縮することが可能になります。 デジタルツインは、製造業の競争力向上と持続可能な成長に向けて非常に重要な役割を果たすテクノロジーとコンセプトとなりえます。 以下、デジタルツインの概念と中堅・中小製造業の経営者が考慮すべきポイントについて説明します。 2.デジタルツインとは何か? デジタルツインは、前述の様に物理的な製品やプロセスをデジタルモデルとして再現する概念です。 つまり、製品やプロセスのデジタルなコピーを作成し、そのデジタルコピーを使用してリアルタイムでモニタリング、分析、シミュレーションを行うことができます。デジタルツインは、次のような要素で構成されます。 1.デジタルツインモデル: 物理的な対応物に対応するデジタルなモデルで、設計、機能、および動作を再現します。 2.データ連携: デジタルツインモデルは、センサー、アクチュエータ、IoTデバイスなどからのデータと連携し、リアルタイムデータを収集します。 3.データ分析: 収集されたデータを分析し、洞察を得て、製品やプロセスの改善を支援します。 4.シミュレーション: デジタルツインは、将来の状況やシナリオをシミュレートし、機器の導入や構成変更、工程変更などに対する意思決定をサポートします。 3.中堅・中小製造業におけるデジタルツインの必要性 IoT化が進んだ中堅・中小製造業が次のStepでデジタルツインを導入する必要性に関して説明します。 1.効率と生産性の向上: デジタルツインを使用することで、製品設計や製造プロセスの効率を向上させることができます。リアルタイムデータモニタリングとシミュレーションにより、無駄な作業の削減とプロセスの最適化が実現可能です。 2.品質管理の強化: デジタルツインは、製品のデジタルコピーを提供し、品質管理を向上させます。欠陥の早期発見や品質問題の修正が容易になります。 3.生産停止の最小化: デジタルツインは、設備や機器の予防保守を支援し、生産中断を最小限に抑えます。計画的な保守により、生産ラインの停止を回避できます。 4.市場適応性: 変化する市場に適応する能力が強化されます。デジタルツインを活用して製品設計やプロセスを素早く調整でき、新たな市場機会に迅速に対応できます。 5.持続可能な製造: デジタルツインは、持続可能な製造プラクティスの推進に貢献します。製品のライフサイクルを管理し、環境への影響を最小限に抑えるための情報を提供します。 4.中堅・中小企業がデジタルツインを導入する際生ずると思われる問題点 中小・中堅企業がデジタルツインを導入する際には、いくつかの潜在的な問題点に直面する可能性があります。以下は、考えられる主な問題点とそれに対処するための一般的な戦略です。 1.導入コストとリソース不足: (対処策): デジタルツインの導入にはコストがかかり、スキルやリソースが必要です。 中小・中堅企業は、導入プロジェクトの予算を慎重に計画し、必要なリソースを確保する必要があります。船井総研等の外部の専門家やコンサルタントを活用しても良いと思います。 2.データの品質とセキュリティ: (対処策): デジタルツインはデータに依存するため、データ品質とセキュリティが重要です。データ品質の向上に取り組み、データの収集から保存までのセキュリティ対策を強化します。 3.既存システムとの統合: (対処策): 既存の製造システムやプロセスとデジタルツインを統合することは課題となることがあります。APIやプロトコルを使用して、異なるシステム間でデータの双方向の連携を確立します。 4.スキル不足: (対処策): デジタルツインの導入には新たなスキルが必要です。従業員のトレーニングや外部のスペシャリストの雇用を検討し、必要なスキルを獲得します。 5.デジタルツインの戦略的活用: (対処策): デジタルツインを単なる技術の導入とせず、戦略的な活用を検討しましょう。ビジネス目標とデジタルツインの目的を結びつけ、ROI(Return On Investment)を追求します。 6.データの過剰化: (対処策): 適切なデータ収集戦略を採用し、必要なデータを収集することに焦点を当てましょう。過度なデータの収集はコストを増やし、データの分析を複雑にすることがあります。 7.変化への抵抗: (対処策): 従業員への変更に対する抵抗があるかもしれません。変更管理戦略を確立し、従業員へのコミュニケーションと教育を重視しましょう。 8.セキュリティリスク: (対処策): デジタルツインのセキュリティ対策を重視し、セキュリティポリシーとプロセスを確立し、データへの不正アクセスやサイバーセキュリティリスクに対処しましょう。 これらの課題に対処するための適切な戦略を採用することで、効果的にデジタルツインを活用し、競争力を高めることができます。 デジタルツインの利点を最大限に引き出すためには、段階的・計画的な導入が重要です。 3.まとめ 今回のコラムでは、“中堅・中小製造業のDX・IoT活用のコツ~デジタルツイン~”につきまして簡単ではありますが説明させていただきました。 今回の紹介した内容をご検討頂き、自社での製造工程のIoT化導入や取得したデータの活用方法の検討、過去に断念されたIoT化を再度進めていただければ幸いです。 また、上記内容について、より具体的に詳細をお知りになりたい場合や導入支援が必要といった場合は、お気軽に弊社にご相談いただければ幸いです。 最後までお読みいただきありがとうございました。   製造業経営者向けIoTを活用した原価データ取得事例解説レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ 中小製造業が実践すべき製造工程でのIoT活用 具体的な取り組み方 IoTを活用した 工数(労務原価)データ取得事例 https://www.funaisoken.co.jp/dl-contents/smart-factory_smart-factory_02162_S045

製造業における効果的なシステム入れ替えのポイントとは?生産性向上を実現するための考え方

2023.11.08

いつも当コラムをご愛読いただきありがとうございます "生産性向上が叫ばれる昨今、製造業界では基幹システムを含む様々なシステムの入れ替えを通して生産性向上を目指す企業が増えてきています。 このコラムでは、製造業におけるシステム入れ替えの方針について、効果的な移行のためのポイントをご紹介したいと思います。 まず、システム入れ替え、あるいは導入をする際には、企業の生産性、効率性、競争力の向上を目的としなければいけません。 信じられないことかもしれませんが、多くの企業で数千万、あるいは億単位のIT投資をしたにもかかわらずシステム活用の効果を実感できていないのはこの部分が原因のことが多いです。 大切なことなので、ご理解いただきたいのは、ある程度の規模を誇る企業であってもシステムを入れるだけ入れて活用することに失敗する事例が多々あるということです。 システム入れ替えには適切な方針と計画が不可欠です。以下に、効果的な移行、活用の効果を得るために必要なポイントをいくつかご紹介します。 1.ビジネス戦略とのマッチング "システム入れ替えの方針を決定する前に、企業のビジネス戦略や目標とのマッチングを行うことが重要です。システムは、ビジネスプロセスの自動化や生産性向上をサポートするためのツールです。したがって、システムの選択と導入は、ビジネスの方向性と一致している必要があります。 貴社には中長期の経営計画はおありでしょうか?あるいはその青写真はお持ちでしょうか。その計画の中で効力を発揮するシステムを選定する必要があるということです。 2.ユーザーの関与とトレーニング システム入れ替えは、企業全体の変革をもたらすことがあります。 例えば基幹システムを導入することによって現場の作業内容が変化する、業務フローが変化するなどといった具合です。 従業員の自主的な関与と相応のトレーニングは、成功への重要な要素です。変更に対する意識啓発やシステムの使い方のトレーニングを通じて、従業員の理解と受け入れを促進しましょう。 3.リスク管理とフェーズ別の移行 システムの入れ替えにはリスクが伴います。将来の問題や障害を最小限に抑えるために、全体スケジュールに合わせてリスク管理計画を策定しましょう。段階的に進めることで、トラブルの修正や課題の対処がしやすくなります。 プロジェクト管理の基本はタスクとスケジュールです。これにタスク担当者(責任者)と全体責任者(プロジェクトマネージャー)の積極的な関与、管理がない場合、たいていプロジェクトは失敗します。 当たり前のように聞こえるかもしれませんが、こういったポイントを抑えることは必須と言えます。 4.ベンダーの評価と選定 システム入れ替えには、信頼性や専門知識を持つ適切なベンダーが必要です。 ベンダーの経験と実績、サポート体制、将来のシステムの拡張性などを慎重に評価しましょう。 大規模なシステムかどうかにかかわらず、ベンダーを選定する際には、RFP(提案依頼書)が必須となります。これは、皆様の思いや狙いを正確に把握したうえで協力的な提案をしてくれる企業を選定するためには必須の工程です。 RFPは機能要件だけがまとめられていればいいというものではありません。適切なRFPの作成には工数が必要ですが、省略することは失敗の原因となります。 5.データの移行とテスト システムの入れ替えに伴い、データの移行は重要なプロセスです。失われたデータや情報漏洩のリスクを最小限に抑えるために、データ移行とテストに十分な時間とリソースを割きましょう。   以上、製造業のシステム入れ替えは、生産性と競争力の向上に向けた重要な一歩です。適切な方針と計画を持って効果的な移行を進めることが、成功への鍵となります。ビジネスの戦略とマッチングさせ、ユーザーの関与やトレーニング、リスク管理、ベンダーの評価、データの移行とテストなどを考慮しながら、システムの入れ替えを進めることをお勧めします。 船井総研では、スムーズなシステム入れ替えのお手伝いの経験が豊富なコンサルタントが多く存在します。もしシステム入れ替えにお悩みがあるようでしたらお声がけいただければと思います。   ■関連するセミナーのご案内 「食品加工業の為の原価改善!」 経営セミナー 産管理&原価管理を徹底的に見直す為のシステム利用方法が分かる!" セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/107707 ■開催日程 以下の日程よりご都合の良い日程をお選び下さい ※内容は全て一緒です 2024/01/25 (木) 13:00~15:00 東京会場 2024/01/30 (火) 13:00~15:00 大阪会場 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/107707   製造業経営者向け“基幹システム再構築戦略”解説レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ 多くの製造業は、全体としての原価・利益は見えているが、個別の実際原価は、属人化している業務で運用されている事で見えにくくなっています。製品別個別、取引先個別、工程別個別の実際原価を把握することで実際の利益が見えてきます。 見える化、DX化により、適切なアクションを取ることが重要です。 本レポートでは見える化とDX化のポイントを解説します! https://www.funaisoken.co.jp/dl-contents/smart-factory__02003_S045 いつも当コラムをご愛読いただきありがとうございます "生産性向上が叫ばれる昨今、製造業界では基幹システムを含む様々なシステムの入れ替えを通して生産性向上を目指す企業が増えてきています。 このコラムでは、製造業におけるシステム入れ替えの方針について、効果的な移行のためのポイントをご紹介したいと思います。 まず、システム入れ替え、あるいは導入をする際には、企業の生産性、効率性、競争力の向上を目的としなければいけません。 信じられないことかもしれませんが、多くの企業で数千万、あるいは億単位のIT投資をしたにもかかわらずシステム活用の効果を実感できていないのはこの部分が原因のことが多いです。 大切なことなので、ご理解いただきたいのは、ある程度の規模を誇る企業であってもシステムを入れるだけ入れて活用することに失敗する事例が多々あるということです。 システム入れ替えには適切な方針と計画が不可欠です。以下に、効果的な移行、活用の効果を得るために必要なポイントをいくつかご紹介します。 1.ビジネス戦略とのマッチング "システム入れ替えの方針を決定する前に、企業のビジネス戦略や目標とのマッチングを行うことが重要です。システムは、ビジネスプロセスの自動化や生産性向上をサポートするためのツールです。したがって、システムの選択と導入は、ビジネスの方向性と一致している必要があります。 貴社には中長期の経営計画はおありでしょうか?あるいはその青写真はお持ちでしょうか。その計画の中で効力を発揮するシステムを選定する必要があるということです。 2.ユーザーの関与とトレーニング システム入れ替えは、企業全体の変革をもたらすことがあります。 例えば基幹システムを導入することによって現場の作業内容が変化する、業務フローが変化するなどといった具合です。 従業員の自主的な関与と相応のトレーニングは、成功への重要な要素です。変更に対する意識啓発やシステムの使い方のトレーニングを通じて、従業員の理解と受け入れを促進しましょう。 3.リスク管理とフェーズ別の移行 システムの入れ替えにはリスクが伴います。将来の問題や障害を最小限に抑えるために、全体スケジュールに合わせてリスク管理計画を策定しましょう。段階的に進めることで、トラブルの修正や課題の対処がしやすくなります。 プロジェクト管理の基本はタスクとスケジュールです。これにタスク担当者(責任者)と全体責任者(プロジェクトマネージャー)の積極的な関与、管理がない場合、たいていプロジェクトは失敗します。 当たり前のように聞こえるかもしれませんが、こういったポイントを抑えることは必須と言えます。 4.ベンダーの評価と選定 システム入れ替えには、信頼性や専門知識を持つ適切なベンダーが必要です。 ベンダーの経験と実績、サポート体制、将来のシステムの拡張性などを慎重に評価しましょう。 大規模なシステムかどうかにかかわらず、ベンダーを選定する際には、RFP(提案依頼書)が必須となります。これは、皆様の思いや狙いを正確に把握したうえで協力的な提案をしてくれる企業を選定するためには必須の工程です。 RFPは機能要件だけがまとめられていればいいというものではありません。適切なRFPの作成には工数が必要ですが、省略することは失敗の原因となります。 5.データの移行とテスト システムの入れ替えに伴い、データの移行は重要なプロセスです。失われたデータや情報漏洩のリスクを最小限に抑えるために、データ移行とテストに十分な時間とリソースを割きましょう。   以上、製造業のシステム入れ替えは、生産性と競争力の向上に向けた重要な一歩です。適切な方針と計画を持って効果的な移行を進めることが、成功への鍵となります。ビジネスの戦略とマッチングさせ、ユーザーの関与やトレーニング、リスク管理、ベンダーの評価、データの移行とテストなどを考慮しながら、システムの入れ替えを進めることをお勧めします。 船井総研では、スムーズなシステム入れ替えのお手伝いの経験が豊富なコンサルタントが多く存在します。もしシステム入れ替えにお悩みがあるようでしたらお声がけいただければと思います。   ■関連するセミナーのご案内 「食品加工業の為の原価改善!」 経営セミナー 産管理&原価管理を徹底的に見直す為のシステム利用方法が分かる!" セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/107707 ■開催日程 以下の日程よりご都合の良い日程をお選び下さい ※内容は全て一緒です 2024/01/25 (木) 13:00~15:00 東京会場 2024/01/30 (火) 13:00~15:00 大阪会場 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/107707   製造業経営者向け“基幹システム再構築戦略”解説レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ 多くの製造業は、全体としての原価・利益は見えているが、個別の実際原価は、属人化している業務で運用されている事で見えにくくなっています。製品別個別、取引先個別、工程別個別の実際原価を把握することで実際の利益が見えてきます。 見える化、DX化により、適切なアクションを取ることが重要です。 本レポートでは見える化とDX化のポイントを解説します! https://www.funaisoken.co.jp/dl-contents/smart-factory__02003_S045