AI CONSULTING COLUMN AI・デジタル・IoTコンサルティングコラム

材料費や外注費は管理できていても、製造工数がきちんと把握できている企業は多くありません。 本コラムでは作業者が手を加えることなく工数を自動集計するシステムを紹介いたします。 １．正確な製造工数と見積の関係性 まず、利益を上げるためには材料費の変動・製造工数・固定費（機械の消耗費等）に即した適切な見積書が必要です。 つまり、正確な見積もりを行うことは、企業の成長において不可欠ということです。 しかし、実際に見積金額に正確な製造工数・固定費を組み込めている企業は多くなく、見積はベテラン社員の経験と勘に頼っている企業が多くあります。 それは実際の製造工数を正確に把握することが非常に難しいからです。 逆を言えば、実際の工数を把握することで効率的な生産計画を立て、利益が出る見積を作成し、大幅に生産性を向上させることができます。 以下では、RFIDセンサを活用した製造工数取得事例を紹介いたします。 ２．RFID活用事例企業の概要 当事例企業では、作業日報に作業者が実績を手書きし、別の担当者がシステムに転記、また別の担当者が作成したExcelのマクロを利用して可視化・分析を行っていました。 一見すると非常に効率が悪い作業のように見えますが、このような運用をしている企業は多くあります。 そこでRFIDを活用した結果、作業者が行う手間はほとんどなくなり、データは自動でシステムに飛ばされるため転記作業もなし。 さらに可視化・分析ツールは基幹システムと連携しているためマクロを組む必要もなくなり、いつでも見たい分析データがリアルタイムで見られるようになりました。 ３．RFIDシステムの詳細 事例企業では各工程の作業場にRFIDアンテナを設置し、センサが感知する作業スペースを区画し、作業者の帽子と作業指示書にRFIDタグを取り付けました。 これにより、作業者と指示書が作業スペースにある時間は「作業中」、作業者のみの場合は「段取り」など定義づけができるようになります（定義は企業の運用によってさまざまなカスタマイズが可能）。 そしてセンサが感知したデータは自動的にシステムに送信されます。 このシステムはコネクシオ様にご協力いただき実現しました。 結果、紙日報やタブレットよりも正確な製造工数データが手間なく収集できるようになりました。 ４．可視化・分析の詳細 上記のシステムによって正確な製造工数データが基幹システムに収集できました。 しかし、この貴重なデータは活用しないと全く意味がありません。 そこで、BIツールを活用して可視化・分析を行いました。 このBIツールも基幹システムと連携しているため、基幹システムに入っているデータはすべて活用できます。 そのため、設備の工賃や材料費・外注費・取得した工数データすべてを掛け合わせ、個別製品別・客先別・工程別といった様々な視点から原価算出が可能になりました。 また、BIツールの強みとして自動更新機能・クラウドへのアップロード機能があります。 自動更新機能は、設定した時間に自動的に基幹システムから最新のデータに更新する機能です。 この機能により、いつでも最新のデータがすぐに見られるようになります。 クラウドへのアップロード機能とは、ツールで作成した分析グラフをクラウドにアップできる機能です。 この機能では、作成した最新のデータ・グラフを外出先でも確認ができます。 例えば、営業の方が先方のオフィスでもデータが確認できるため、見積提示時に利益率の向上が期待できます。 ５．まとめ 以上、RFIDを活用した原価管理の最新事例を紹介いたしました。 労働者人口の減少・DX化が叫ばれている中、減らせる工数は減らす、よい事例であると考えています。 本コラムがお読みいただいている企業の皆様のさらなるご発展の一助になりますと幸いです。   正確なデータ分析につながる個別原価取得解説レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ 基幹システムをフル活用し、個別原価も正確に算出できている企業はまだ多くありません。 ただし、原価計算は利益に直結します。 従業員100名以下でもできる個別原価取得方法をご紹介いたします。 https://www.funaisoken.co.jp/dl-contents/smart-factory_smart-factory_02507_S045 材料費や外注費は管理できていても、製造工数がきちんと把握できている企業は多くありません。 本コラムでは作業者が手を加えることなく工数を自動集計するシステムを紹介いたします。 １．正確な製造工数と見積の関係性 まず、利益を上げるためには材料費の変動・製造工数・固定費（機械の消耗費等）に即した適切な見積書が必要です。 つまり、正確な見積もりを行うことは、企業の成長において不可欠ということです。 しかし、実際に見積金額に正確な製造工数・固定費を組み込めている企業は多くなく、見積はベテラン社員の経験と勘に頼っている企業が多くあります。 それは実際の製造工数を正確に把握することが非常に難しいからです。 逆を言えば、実際の工数を把握することで効率的な生産計画を立て、利益が出る見積を作成し、大幅に生産性を向上させることができます。 以下では、RFIDセンサを活用した製造工数取得事例を紹介いたします。 ２．RFID活用事例企業の概要 当事例企業では、作業日報に作業者が実績を手書きし、別の担当者がシステムに転記、また別の担当者が作成したExcelのマクロを利用して可視化・分析を行っていました。 一見すると非常に効率が悪い作業のように見えますが、このような運用をしている企業は多くあります。 そこでRFIDを活用した結果、作業者が行う手間はほとんどなくなり、データは自動でシステムに飛ばされるため転記作業もなし。 さらに可視化・分析ツールは基幹システムと連携しているためマクロを組む必要もなくなり、いつでも見たい分析データがリアルタイムで見られるようになりました。 ３．RFIDシステムの詳細 事例企業では各工程の作業場にRFIDアンテナを設置し、センサが感知する作業スペースを区画し、作業者の帽子と作業指示書にRFIDタグを取り付けました。 これにより、作業者と指示書が作業スペースにある時間は「作業中」、作業者のみの場合は「段取り」など定義づけができるようになります（定義は企業の運用によってさまざまなカスタマイズが可能）。 そしてセンサが感知したデータは自動的にシステムに送信されます。 このシステムはコネクシオ様にご協力いただき実現しました。 結果、紙日報やタブレットよりも正確な製造工数データが手間なく収集できるようになりました。 ４．可視化・分析の詳細 上記のシステムによって正確な製造工数データが基幹システムに収集できました。 しかし、この貴重なデータは活用しないと全く意味がありません。 そこで、BIツールを活用して可視化・分析を行いました。 このBIツールも基幹システムと連携しているため、基幹システムに入っているデータはすべて活用できます。 そのため、設備の工賃や材料費・外注費・取得した工数データすべてを掛け合わせ、個別製品別・客先別・工程別といった様々な視点から原価算出が可能になりました。 また、BIツールの強みとして自動更新機能・クラウドへのアップロード機能があります。 自動更新機能は、設定した時間に自動的に基幹システムから最新のデータに更新する機能です。 この機能により、いつでも最新のデータがすぐに見られるようになります。 クラウドへのアップロード機能とは、ツールで作成した分析グラフをクラウドにアップできる機能です。 この機能では、作成した最新のデータ・グラフを外出先でも確認ができます。 例えば、営業の方が先方のオフィスでもデータが確認できるため、見積提示時に利益率の向上が期待できます。 ５．まとめ 以上、RFIDを活用した原価管理の最新事例を紹介いたしました。 労働者人口の減少・DX化が叫ばれている中、減らせる工数は減らす、よい事例であると考えています。 本コラムがお読みいただいている企業の皆様のさらなるご発展の一助になりますと幸いです。   正確なデータ分析につながる個別原価取得解説レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ 基幹システムをフル活用し、個別原価も正確に算出できている企業はまだ多くありません。 ただし、原価計算は利益に直結します。 従業員100名以下でもできる個別原価取得方法をご紹介いたします。 https://www.funaisoken.co.jp/dl-contents/smart-factory_smart-factory_02507_S045

今回は製造業における見積りのAI活用について紹介させて頂きます。 １．製造業における見積りの課題　 ＜見積の精度・効率が低い＞ 特に、個別受注生産（新規品の多い）の企業では原価精度が低くなる傾向にあります。 顧客ごとに要件や仕様・内容が異なると、見積りが複雑になるためです。 見積りの作成に時間がかかったり、適切な納期や単価の設定ができなかったりする恐れがあります。 ＜見積りデータが管理されていない＞ 見積りをExcelで作成していたり、さらにそのExcelを個人PCで管理している場合、過去に請け負ったデータ・資料がすぐに参照できないという課題があります。 類似案件や過去の事例が見つからないため、見積り作成に時間がかかるのです。 過去案件などを周りに聞いて回るような作業が発生してしまいます。 ＜見積方法が統一されていない＞ 見積りの作成業務が属人化しやすくなる点も課題です。 見積りの作成プロセスが標準化されていない場合、社長や工場長などのごく限られた経験者しか見積りができないという事態に陥ります。 一部のベテラン担当者しか見積りが出来ないという状況は、中小製造業だけでなく、大企業でも起こりやすいため注意が必要です。 見積業務は、会社に利益をもたらす根源でもある為、非常に重要な業務ですが、一方でベテランしか出来ないブラックボックス化してしまっているという状況はよく耳にする話です。 ２．AIを活用した見積りの自動化とは 見積りを自動化する上でまず重要なことは、図面を含めた過去案件を一元で管理データするということです。 Excelのままでは、作成した担当者はわかっても、他の担当者からではわかりません。 これでは、情報が共有されていないのと同じ状況です。 大事なことは全部の情報をデータベース化することで、「いつでも」「誰でも」「簡単に」情報が閲覧できる仕組みが出来ることです。 昨今では、AIを活用して過去の類似した図面を検索できるような「類似図面検索システム」が利用されるようになっています。 このようなシステムで、PDFや３Ｄデータをアップロードすることで、その形状と類似した図面（案件）を誰でも簡単に取得することができるようになります。 これにより、過去の担当者を探し回るような作業も発生せずに「それがわかっていたら簡単に見積りができたのに・・」という情報を共有の不備から発生する、作業のムダもなくなります。 また、AIにより見積価格を予測するシステム開発も行われています。 これは、新規品の多い受注生産がメインの企業で取組みが見られます。 個別受注製品は見積りが複雑でベテランの担当者しか出来ない領域になっている場合が多くあります。 これは、工程の予測やそれぞれの工程工数を予測するのは長年の経験が必要となる為です。 過去の実績データを分析して、見積りに重要な必要な項目を再定義して、工数を予測するモデルを構築します。 この場合、実績工数をもとに、重量やサイズなどをパラメータとして、それぞれの相関関係などを検証していきます。 精度が高い予測モデルが構築出来れば、見積りを算出することが出来ます。 （リピート品はコストテーブルなどをシステムで持つことで見積りすることが可能です） ３．AI見積りシステム費と導入事例３選 １．３Ｄ図面類似図面検索を導入した事例 【業種】 プラスチック試作 【問題】 複雑形状の試作（一品モノ）の受注が多く、過去の類似案件から生産時間を割り出し、見積もり を作成していました。 見積データが一元化されていなかった為、過去の図面情報・製作情報の検索 に多くの時間と労力がかかり、「わかる人はわかる」という状況で作業が属人化していました。 【システム導入】 ３Ｄ図面での類似図面検索システムを導入しました。 ３Ｄ図面と過去の営業情報・加工情報を紐づけることで、３Ｄ図面をアップロードするだけで簡単にシステム上にて類似図面、案件情報が取得できるようになりました。 なお、この類似図面検索システムは図面との紐づけ項目が多くあり、画面設計にもこだわりがあった為、オリジナル開発としました。 【効果】 情報が一元化され、図面検索により検索時間が75％削減されまた。 過去案件の見積・営業情報の 共有化されたので、「それを知っていたらすぐに対応できたのに」といったムダがなくなり、業務全 体の効率化に繋がりました。 ２．PDF類似図面検索を既存の基幹システムを連携しながら導入した事例 【業種】 金属加工 【問題】 類似形状が非常に多く、わかる人しかわからない、過去の案件を探すのに苦労していました。 【システム導入】 客先支給はPDF図面の為、PDF図面における類似図面検索システムを導入しました。 図面に紐づいたデータは既存の基幹システムにある為、図面と基幹システムをキーNoで紐づけ、類似図面を検索システムで検索して、DBは基幹システムを参照できるようにシステムを構築しました。 なお、この類似図面検索システムはお客様の要望でオリジナル開発としました。 【効果】 過去の類似図面が簡単に検索でき、また、図面も閲覧しやすいように画面設計したため、業務で多く利用されるシステムとなりました。 このシステムは営業部門だけでなく、設計・生産管理・製造など様々な部門で利用するシステムになっています。 ３．個別受注生産において工数の予測モデル（見積自動化システム）を導入した事例 【業種】 金型加工 【問題】 個別受注生産多く、ベテラン担当者が担当しているが、見積り算出がブラックボックス化し、 後継者問題がありました。 【システム導入】 新規品は工数を予測するのが、難しい為、過去のデータから様々なパラメータの分析を行い、工数を予測するモデルを構築しました。 ただし、モデルは将来的にデータが増えていき、フィードバックしていくことで、精度向上を図っていきます。 【効果】 見積り作業が標準化された為、「いつでも」「誰でも」「簡単に」同じ品質で見積り業務が出来るよ うになりました。 また、見積り業務の負荷や後継者問題からも脱却することが出来ました。 上記は、株式会社船井総合研究所が支援に入った事例として紹介致しました。 また、類似図面検索システムの費用について、 パッケージ品であれば月額数万～十数万円（機能次第）となり、パッケージ品でもカスタマイズが可能な場合は、初期で数百万円～1,000万円（要件次第）が発生します。 オリジナル開発の場合では、システム開発費で800～2,000万円程度かかります。 （要件次第） ４．AI導入の進め方と３つの注意点 ＜AI導入の進め方＞ １．目的とニーズの明確化 AIを導入する目的やニーズを明確に定義します。 類似図面検索システムは様々な部門で活用することが出来ます。 システム導入の対象範囲や目的（どこの何を改善したいか）を明確にしましょう。 ２．データの収集と前処理 貴社の過去の見積データ、加工データや図面データが必須となります。 必要なデータを収集し、必要な前処理を行いましょう。 データの品質や量、形式にも注意を払いましょう。 データ数が多ければ多いほどAIシステムの質が向上しますが、一方で登録データが数十万件もあると登録に非常に多くの労力・コストがかかります。 その場合は、直近数年分を採用するのが良いでしょう。 ３．パッケージ品やスクラッチ開発の選択 類似図面検索システムにおいては、近年パッケージ品を提供するメーカーも増えてきており、機能も充実してきています。 これらは主にPDFや３Ｄ図面から類似図面を検索するものが主流となっています。 各ベンダーにてデモも相談できますので、自社の状況について相談するのも良いでしょう。 また、パッケージ品の場合は、機能拡張に制限がございますので、自社オリジナルで開発した場合は弊社にご相談ください。 見積の予測モデルについては、各社それぞれの対応となりパッケージ品では難しくなります。 こちらも弊社にご相談頂ければ幸いです。 ４．モデルの学習と評価 選んだAIモデル（サービス）を自社のデータで学習させ、その性能を評価します。 学習方法やパラメータの調整によってモデルの精度を高めていきます。 ５．導入と運用 学習したAIモデルを実際の業務に導入し、運用します。 トライアル期間を設け、結果を評価しながら適切な調整や改善を行いましょう。 これらのステップを踏みながら、AIを導入することで効果的な活用ができるでしょう。 ＜AI選定時の3つの注意点＞ ①「課題の抽出、目的とニーズの明確化」の注意点 AI導入おけるもっと重要な箇所は、冒頭の「課題の抽出、目的とニーズの明確化」です。 ＜どこが課題＞で＜何を目的に導入するのか＞をユーザー側は明確にする必要があります。 ＜目的＞が曖昧だったり、ブレてしまうと、どういうAIを選定するか？の際に、AIを当てはめることが優先され、結果的に導入されたものがさほど意味がない（当初の課題を解決してくれない）ものになってしまいます。 これを回避するには、課題抽出の時点からある程度のAIの知識（何が出来て何が出来ないか）を知っておく必要があります。 課題のすべてをAIが解決してくれるわけではないのです。 「うちの課題をAIで何か解決してくれないか？」という視点で始めると、AIを入れることが目的になるので、ほとんどの場合は、途中で頓挫しますので注意しましょう。 ②「AIベンダーとの付き合い方」の注意点 AIベンダーはユーザーから与えられた要望に対して、自社製品を使って必死に知恵を絞り出します。 しかし、根本的に課題抽出から間違っている場合も多くあります。 それは「そもそもAIで解決すべきではない」という結論です。 課題に対して、解決方法（アプローチ方法）はいくつかあります。 課題抽出の段階で、どの方法なら出来そうか？技術的なハードルを目途つけながらやっていくことが必要です。 全く考えないまま（知識がないまま）実施していくと、いわゆる「ベンダーの言いなり」となり、ベンダーが主導権を握り、自社ではハンドリングが出来なくなっていきます。 ③手元の「データ」の注意点 AIモデルを作る上で過去データは欠かせないものです。 データ分析をする場合、過去のデータがあるから問題ないというわけでもありません。 データ量（十分なデータ量があるか）、データ質（欠けたデータないか、信ぴょう性のあるデータか）データ構造（データ分析しやすいデータ構造になっているか）を事前に確認することが必要です。 使えると思っていたデータは実は、データ分析（モデル構築）の観点で見た場合、一部しか使うことが出来ない、もしくは全く使えない（いわゆるゴミデータ）ということはよくあることです。 これは「現場の言う＜データがある＞」「データサイエンティストが言う＜データがある＞」は意味が異なる為です。 データ分析は依頼する前に、きちんとデータ分析の依頼先に確認してもらいましょう。 見積のAI活用に関して困りごとがございましたら、お気軽にご相談下さい。 見積のAI活用に限らず、 【製造業での悩み・困っていること・相談したい】について、何でもご相談下さい。 いつも当コラムをご愛読頂きましてありがとうございます。 今回は製造業における見積りのAI活用について紹介させて頂きます。 １．製造業における見積りの課題　 ＜見積の精度・効率が低い＞ 特に、個別受注生産（新規品の多い）の企業では原価精度が低くなる傾向にあります。 顧客ごとに要件や仕様・内容が異なると、見積りが複雑になるためです。 見積りの作成に時間がかかったり、適切な納期や単価の設定ができなかったりする恐れがあります。 ＜見積りデータが管理されていない＞ 見積りをExcelで作成していたり、さらにそのExcelを個人PCで管理している場合、過去に請け負ったデータ・資料がすぐに参照できないという課題があります。 類似案件や過去の事例が見つからないため、見積り作成に時間がかかるのです。 過去案件などを周りに聞いて回るような作業が発生してしまいます。 ＜見積方法が統一されていない＞ 見積りの作成業務が属人化しやすくなる点も課題です。 見積りの作成プロセスが標準化されていない場合、社長や工場長などのごく限られた経験者しか見積りができないという事態に陥ります。 一部のベテラン担当者しか見積りが出来ないという状況は、中小製造業だけでなく、大企業でも起こりやすいため注意が必要です。 見積業務は、会社に利益をもたらす根源でもある為、非常に重要な業務ですが、一方でベテランしか出来ないブラックボックス化してしまっているという状況はよく耳にする話です。 ２．AIを活用した見積りの自動化とは 見積りを自動化する上でまず重要なことは、図面を含めた過去案件を一元で管理データするということです。 Excelのままでは、作成した担当者はわかっても、他の担当者からではわかりません。 これでは、情報が共有されていないのと同じ状況です。 大事なことは全部の情報をデータベース化することで、「いつでも」「誰でも」「簡単に」情報が閲覧できる仕組みが出来ることです。 昨今では、AIを活用して過去の類似した図面を検索できるような「類似図面検索システム」が利用されるようになっています。 このようなシステムで、PDFや３Ｄデータをアップロードすることで、その形状と類似した図面（案件）を誰でも簡単に取得することができるようになります。 これにより、過去の担当者を探し回るような作業も発生せずに「それがわかっていたら簡単に見積りができたのに・・」という情報を共有の不備から発生する、作業のムダもなくなります。 また、AIにより見積価格を予測するシステム開発も行われています。 これは、新規品の多い受注生産がメインの企業で取組みが見られます。 個別受注製品は見積りが複雑でベテランの担当者しか出来ない領域になっている場合が多くあります。 これは、工程の予測やそれぞれの工程工数を予測するのは長年の経験が必要となる為です。 過去の実績データを分析して、見積りに重要な必要な項目を再定義して、工数を予測するモデルを構築します。 この場合、実績工数をもとに、重量やサイズなどをパラメータとして、それぞれの相関関係などを検証していきます。 精度が高い予測モデルが構築出来れば、見積りを算出することが出来ます。 （リピート品はコストテーブルなどをシステムで持つことで見積りすることが可能です） ３．AI見積りシステム費と導入事例３選 １．３Ｄ図面類似図面検索を導入した事例 【業種】 プラスチック試作 【問題】 複雑形状の試作（一品モノ）の受注が多く、過去の類似案件から生産時間を割り出し、見積もり を作成していました。 見積データが一元化されていなかった為、過去の図面情報・製作情報の検索 に多くの時間と労力がかかり、「わかる人はわかる」という状況で作業が属人化していました。 【システム導入】 ３Ｄ図面での類似図面検索システムを導入しました。 ３Ｄ図面と過去の営業情報・加工情報を紐づけることで、３Ｄ図面をアップロードするだけで簡単にシステム上にて類似図面、案件情報が取得できるようになりました。 なお、この類似図面検索システムは図面との紐づけ項目が多くあり、画面設計にもこだわりがあった為、オリジナル開発としました。 【効果】 情報が一元化され、図面検索により検索時間が75％削減されまた。 過去案件の見積・営業情報の 共有化されたので、「それを知っていたらすぐに対応できたのに」といったムダがなくなり、業務全 体の効率化に繋がりました。 ２．PDF類似図面検索を既存の基幹システムを連携しながら導入した事例 【業種】 金属加工 【問題】 類似形状が非常に多く、わかる人しかわからない、過去の案件を探すのに苦労していました。 【システム導入】 客先支給はPDF図面の為、PDF図面における類似図面検索システムを導入しました。 図面に紐づいたデータは既存の基幹システムにある為、図面と基幹システムをキーNoで紐づけ、類似図面を検索システムで検索して、DBは基幹システムを参照できるようにシステムを構築しました。 なお、この類似図面検索システムはお客様の要望でオリジナル開発としました。 【効果】 過去の類似図面が簡単に検索でき、また、図面も閲覧しやすいように画面設計したため、業務で多く利用されるシステムとなりました。 このシステムは営業部門だけでなく、設計・生産管理・製造など様々な部門で利用するシステムになっています。 ３．個別受注生産において工数の予測モデル（見積自動化システム）を導入した事例 【業種】 金型加工 【問題】 個別受注生産多く、ベテラン担当者が担当しているが、見積り算出がブラックボックス化し、 後継者問題がありました。 【システム導入】 新規品は工数を予測するのが、難しい為、過去のデータから様々なパラメータの分析を行い、工数を予測するモデルを構築しました。 ただし、モデルは将来的にデータが増えていき、フィードバックしていくことで、精度向上を図っていきます。 【効果】 見積り作業が標準化された為、「いつでも」「誰でも」「簡単に」同じ品質で見積り業務が出来るよ うになりました。 また、見積り業務の負荷や後継者問題からも脱却することが出来ました。 上記は、株式会社船井総合研究所が支援に入った事例として紹介致しました。 また、類似図面検索システムの費用について、 パッケージ品であれば月額数万～十数万円（機能次第）となり、パッケージ品でもカスタマイズが可能な場合は、初期で数百万円～1,000万円（要件次第）が発生します。 オリジナル開発の場合では、システム開発費で800～2,000万円程度かかります。 （要件次第） ４．AI導入の進め方と３つの注意点 ＜AI導入の進め方＞ １．目的とニーズの明確化 AIを導入する目的やニーズを明確に定義します。 類似図面検索システムは様々な部門で活用することが出来ます。 システム導入の対象範囲や目的（どこの何を改善したいか）を明確にしましょう。 ２．データの収集と前処理 貴社の過去の見積データ、加工データや図面データが必須となります。 必要なデータを収集し、必要な前処理を行いましょう。 データの品質や量、形式にも注意を払いましょう。 データ数が多ければ多いほどAIシステムの質が向上しますが、一方で登録データが数十万件もあると登録に非常に多くの労力・コストがかかります。 その場合は、直近数年分を採用するのが良いでしょう。 ３．パッケージ品やスクラッチ開発の選択 類似図面検索システムにおいては、近年パッケージ品を提供するメーカーも増えてきており、機能も充実してきています。 これらは主にPDFや３Ｄ図面から類似図面を検索するものが主流となっています。 各ベンダーにてデモも相談できますので、自社の状況について相談するのも良いでしょう。 また、パッケージ品の場合は、機能拡張に制限がございますので、自社オリジナルで開発した場合は弊社にご相談ください。 見積の予測モデルについては、各社それぞれの対応となりパッケージ品では難しくなります。 こちらも弊社にご相談頂ければ幸いです。 ４．モデルの学習と評価 選んだAIモデル（サービス）を自社のデータで学習させ、その性能を評価します。 学習方法やパラメータの調整によってモデルの精度を高めていきます。 ５．導入と運用 学習したAIモデルを実際の業務に導入し、運用します。 トライアル期間を設け、結果を評価しながら適切な調整や改善を行いましょう。 これらのステップを踏みながら、AIを導入することで効果的な活用ができるでしょう。 ＜AI選定時の3つの注意点＞ ①「課題の抽出、目的とニーズの明確化」の注意点 AI導入おけるもっと重要な箇所は、冒頭の「課題の抽出、目的とニーズの明確化」です。 ＜どこが課題＞で＜何を目的に導入するのか＞をユーザー側は明確にする必要があります。 ＜目的＞が曖昧だったり、ブレてしまうと、どういうAIを選定するか？の際に、AIを当てはめることが優先され、結果的に導入されたものがさほど意味がない（当初の課題を解決してくれない）ものになってしまいます。 これを回避するには、課題抽出の時点からある程度のAIの知識（何が出来て何が出来ないか）を知っておく必要があります。 課題のすべてをAIが解決してくれるわけではないのです。 「うちの課題をAIで何か解決してくれないか？」という視点で始めると、AIを入れることが目的になるので、ほとんどの場合は、途中で頓挫しますので注意しましょう。 ②「AIベンダーとの付き合い方」の注意点 AIベンダーはユーザーから与えられた要望に対して、自社製品を使って必死に知恵を絞り出します。 しかし、根本的に課題抽出から間違っている場合も多くあります。 それは「そもそもAIで解決すべきではない」という結論です。 課題に対して、解決方法（アプローチ方法）はいくつかあります。 課題抽出の段階で、どの方法なら出来そうか？技術的なハードルを目途つけながらやっていくことが必要です。 全く考えないまま（知識がないまま）実施していくと、いわゆる「ベンダーの言いなり」となり、ベンダーが主導権を握り、自社ではハンドリングが出来なくなっていきます。 ③手元の「データ」の注意点 AIモデルを作る上で過去データは欠かせないものです。 データ分析をする場合、過去のデータがあるから問題ないというわけでもありません。 データ量（十分なデータ量があるか）、データ質（欠けたデータないか、信ぴょう性のあるデータか）データ構造（データ分析しやすいデータ構造になっているか）を事前に確認することが必要です。 使えると思っていたデータは実は、データ分析（モデル構築）の観点で見た場合、一部しか使うことが出来ない、もしくは全く使えない（いわゆるゴミデータ）ということはよくあることです。 これは「現場の言う＜データがある＞」「データサイエンティストが言う＜データがある＞」は意味が異なる為です。 データ分析は依頼する前に、きちんとデータ分析の依頼先に確認してもらいましょう。 見積のAI活用に関して困りごとがございましたら、お気軽にご相談下さい。 見積のAI活用に限らず、 【製造業での悩み・困っていること・相談したい】について、何でもご相談下さい。

製造業におけるAI（人工知能）の導入で労働市場への影響について様々な憶測が飛び交っています。 確かにAIの急速な進歩により、製造業界は大きな変革の時期を迎えています。 これにより、製造業で働く人々の仕事が大きく変わる可能性があります。 一部では、AIの導入により製造業の多くの作業が自動化され、作業者の仕事が不要になるという議論もありますが、実際にはそう単純なことではありません。 製造業におけるAIの導入による変化は、単純な仕事の自動化だけに留まらず、新たな働き方やスキルの需要の変化ももたらすでしょう。 AIの導入による影響について、2024年の展望を考えてみましょう。 １．AIを導入することで、製造業の仕事はどのように変わるのか？ AIの導入により、製造業の仕事は劇的に変わる可能性があります。 これまで人間が行ってきた単純で反復的な作業は、すでにRPAなどにより自動化されることで作業効率が向上しています。 今後はAIの導入でその傾向はさらに加速されるでしょう。 今までの製造業における多くの作業は肉体労働や機械操作が中心でしたが、AIの導入によりこれらの作業が自動化される作業フローの最適化が予想されます。 具体的には、例えば、製品の組み立てや梱包などの単純かつ反復的な作業がロボットや自動化システムによって実行されるようになるでしょう。 これにより、作業の効率化や精度向上が期待されます。 品質管理において、画像認識などの技術を活用し、製品不良を自動的かつ早期に検出、判定してくれます。 また、AI導入によりデータ解析や予測能力が向上し、生産計画の最適化や在庫管理の効率化が可能となります。 これにより、従来の生産管理や運用における「人間の判断に頼る部分」が自動化され、より効率的でリアルタイムな生産プロセスが実現されるようになるでしょう。 予防保全の面でもAI導入により機器や設備の状態を常に監視し、異常の検出や傾向の把握などにも活用が期待されています。 このような変化により、製造業の効率化が進む一方で、新たなスキルや専門知識を持つ人材が求められることになります。 例えば、AIシステムの開発や保守、センサーやロボットのプログラミング、データ解析に基づく意思決定など、高度なスキルや専門知識が求められる作業が増加する可能性があります。 また、AIと共に働くことで、人的な要素や感性、コミュニケーション能力など、AIでは代替できない人間の付加価値が求められることも考えられます ２．AI導入によって、作業者の仕事はなくなるのか？ AIの急速な進化により、多くの産業において様々な変化がもたらされています。 特に製造業においては、AIの導入による作業者の置き換えや仕事の自動化が関心を集めています。 一部では、AIの導入によって作業者の仕事がなくなるという懸念が表明されていますが、実際のところはどうなのでしょうか。 確かに一部の単純作業はAIによって自動化される可能性がありますが、これによって作業者の仕事が完全になくなるわけではありません。 むしろ、作業者の仕事は変化し、高度なスキルや知識を要する作業にシフトする可能性があります。 例えば、AIを活用して生産プロセスを監視・管理するエンジニアや、AIのアルゴリズムを構築・最適化する専門家などが、今後ますます重要な存在となるでしょう。 また、人間の感性や創造力、コミュニケーション能力など、AIにはない人間独自の能力が求められる分野も存在し、それらの価値が高まることが予想されます。 AIは仕事を奪う脅威ではなく、AIを考える時に重要なのは、 「AIを上手く活用し、ベテラン作業などを標準化して属人化した業務から脱却すること」や 「年々業務負荷が増えていく中で、作業者の負担をより軽減し、より高い付加価値を生み出す作業に移行していく」ことです。 一方で覚えておかなければならないのは、AIは最先端の革新的な技術ですが、万能ではありません。 ゆえに、製造業におけるAI導入の鍵は「協働」です。 AIは作業者の負担を軽減し、より高い付加価値を生み出す手助けとなりますが、AIを導入する上で業務の適切な再設計は必ず必要となります。 全体業務の中で「どこにAIを導入してどう運用するか」は人間が決めることです。 また、AIが苦手な部分（製造は状況がよく変わる）は人間がサポートしていく必要がまだまだあります。 AIによって自動化される作業が増える中で、創造性や柔軟性など人間が優れた能力はこれまで以上に求められるでしょう。 ３．まとめ AI導入によって製造業の仕事がなくなるのか？それとも変わるのか？2024年の展望を考えると、製造業は今後数年で確実に変化するでしょう。 AIは人の仕事を奪うなど、ネガティブな面が強調されることもありますが、＜AIは仕事を奪いません＞。 むしろ、AIの導入は人手不足の問題やコスト削減、品質向上など製造業界にとっても多くのメリットがあります。 従来の人手に頼った仕事の仕方では、人材も集まって来ず、従業員は消耗していくばかりです。 残念ながら今は長時間労働が前提とした働き方が多いですが、長時間労働のすべてが付加価値の高い仕事ではないはずです。 「人がやるべき仕事」「AIにやらせる仕事」の役割分担がより明確になっていく中で、生産性の低い作業は自然になくなっていくでしょう。 今後、一部の作業はAIによって自動化され、それによって作業者の仕事も変化します。 それは悪いことではなく、新たな技術や専門知識を身につけることで、製造業界でのキャリアパスは広がる可能性があります。 AIと人間は、相互補完的に働くことで、製造業はより効率的かつ持続可能な形で発展していかなければなりません。 AIはブームではなく、取り組むことが当たり前の時代に今後は間違いなくなっていきます。 ５年前と今と比較して、業務の仕方が変わっていない企業は多いと思いますが、今と５年後を比較して、業務の仕方が変わっていない企業が今後発展していくことは難しいかもしれません。 いかがですか？ＡＩの導入するための方法や活用事例を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。 最後までお読みいただきありがとうございました。 製造業におけるAI（人工知能）の導入で労働市場への影響について様々な憶測が飛び交っています。 確かにAIの急速な進歩により、製造業界は大きな変革の時期を迎えています。 これにより、製造業で働く人々の仕事が大きく変わる可能性があります。 一部では、AIの導入により製造業の多くの作業が自動化され、作業者の仕事が不要になるという議論もありますが、実際にはそう単純なことではありません。 製造業におけるAIの導入による変化は、単純な仕事の自動化だけに留まらず、新たな働き方やスキルの需要の変化ももたらすでしょう。 AIの導入による影響について、2024年の展望を考えてみましょう。 １．AIを導入することで、製造業の仕事はどのように変わるのか？ AIの導入により、製造業の仕事は劇的に変わる可能性があります。 これまで人間が行ってきた単純で反復的な作業は、すでにRPAなどにより自動化されることで作業効率が向上しています。 今後はAIの導入でその傾向はさらに加速されるでしょう。 今までの製造業における多くの作業は肉体労働や機械操作が中心でしたが、AIの導入によりこれらの作業が自動化される作業フローの最適化が予想されます。 具体的には、例えば、製品の組み立てや梱包などの単純かつ反復的な作業がロボットや自動化システムによって実行されるようになるでしょう。 これにより、作業の効率化や精度向上が期待されます。 品質管理において、画像認識などの技術を活用し、製品不良を自動的かつ早期に検出、判定してくれます。 また、AI導入によりデータ解析や予測能力が向上し、生産計画の最適化や在庫管理の効率化が可能となります。 これにより、従来の生産管理や運用における「人間の判断に頼る部分」が自動化され、より効率的でリアルタイムな生産プロセスが実現されるようになるでしょう。 予防保全の面でもAI導入により機器や設備の状態を常に監視し、異常の検出や傾向の把握などにも活用が期待されています。 このような変化により、製造業の効率化が進む一方で、新たなスキルや専門知識を持つ人材が求められることになります。 例えば、AIシステムの開発や保守、センサーやロボットのプログラミング、データ解析に基づく意思決定など、高度なスキルや専門知識が求められる作業が増加する可能性があります。 また、AIと共に働くことで、人的な要素や感性、コミュニケーション能力など、AIでは代替できない人間の付加価値が求められることも考えられます ２．AI導入によって、作業者の仕事はなくなるのか？ AIの急速な進化により、多くの産業において様々な変化がもたらされています。 特に製造業においては、AIの導入による作業者の置き換えや仕事の自動化が関心を集めています。 一部では、AIの導入によって作業者の仕事がなくなるという懸念が表明されていますが、実際のところはどうなのでしょうか。 確かに一部の単純作業はAIによって自動化される可能性がありますが、これによって作業者の仕事が完全になくなるわけではありません。 むしろ、作業者の仕事は変化し、高度なスキルや知識を要する作業にシフトする可能性があります。 例えば、AIを活用して生産プロセスを監視・管理するエンジニアや、AIのアルゴリズムを構築・最適化する専門家などが、今後ますます重要な存在となるでしょう。 また、人間の感性や創造力、コミュニケーション能力など、AIにはない人間独自の能力が求められる分野も存在し、それらの価値が高まることが予想されます。 AIは仕事を奪う脅威ではなく、AIを考える時に重要なのは、 「AIを上手く活用し、ベテラン作業などを標準化して属人化した業務から脱却すること」や 「年々業務負荷が増えていく中で、作業者の負担をより軽減し、より高い付加価値を生み出す作業に移行していく」ことです。 一方で覚えておかなければならないのは、AIは最先端の革新的な技術ですが、万能ではありません。 ゆえに、製造業におけるAI導入の鍵は「協働」です。 AIは作業者の負担を軽減し、より高い付加価値を生み出す手助けとなりますが、AIを導入する上で業務の適切な再設計は必ず必要となります。 全体業務の中で「どこにAIを導入してどう運用するか」は人間が決めることです。 また、AIが苦手な部分（製造は状況がよく変わる）は人間がサポートしていく必要がまだまだあります。 AIによって自動化される作業が増える中で、創造性や柔軟性など人間が優れた能力はこれまで以上に求められるでしょう。 ３．まとめ AI導入によって製造業の仕事がなくなるのか？それとも変わるのか？2024年の展望を考えると、製造業は今後数年で確実に変化するでしょう。 AIは人の仕事を奪うなど、ネガティブな面が強調されることもありますが、＜AIは仕事を奪いません＞。 むしろ、AIの導入は人手不足の問題やコスト削減、品質向上など製造業界にとっても多くのメリットがあります。 従来の人手に頼った仕事の仕方では、人材も集まって来ず、従業員は消耗していくばかりです。 残念ながら今は長時間労働が前提とした働き方が多いですが、長時間労働のすべてが付加価値の高い仕事ではないはずです。 「人がやるべき仕事」「AIにやらせる仕事」の役割分担がより明確になっていく中で、生産性の低い作業は自然になくなっていくでしょう。 今後、一部の作業はAIによって自動化され、それによって作業者の仕事も変化します。 それは悪いことではなく、新たな技術や専門知識を身につけることで、製造業界でのキャリアパスは広がる可能性があります。 AIと人間は、相互補完的に働くことで、製造業はより効率的かつ持続可能な形で発展していかなければなりません。 AIはブームではなく、取り組むことが当たり前の時代に今後は間違いなくなっていきます。 ５年前と今と比較して、業務の仕方が変わっていない企業は多いと思いますが、今と５年後を比較して、業務の仕方が変わっていない企業が今後発展していくことは難しいかもしれません。 いかがですか？ＡＩの導入するための方法や活用事例を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。 最後までお読みいただきありがとうございました。

皆様ご存じの通り、日本の人口は減少しており、生産年齢人口も減少しております。 生産年齢人口は1995年から減少が続いており、2021年は7,450人、2055年は5,028人まで減少すると言われております。 そこで、製造業が品質低下を招かないためにも行うべきことの一つが技術伝承です。 １．技術伝承とは？技術伝承の現状 技術伝承とは、熟練技術者の知識・経験・感覚(ノウハウ)を若手技術者へ伝えていくことです。 一般的な知識も大切ですが、自社独自のノウハウを伝承することが重要であると考えます。 製造業では、熟練技術など属人化されている業務を抱えている会社が多くあります。 見積業務・生産計画・現場の段取り・修理や保守・在庫管理など様々あると思います。 業務が属人化されてしまうと、その担当者しか詳細が分からない、担当者がいないと仕事が進まない、担当者への業務負荷が高まる、担当者が辞めてしまうなどの問題が発生します。 これら業務を遂行するため知識や技術を伝承しようと思っても、ここにも様々な問題が発生します。 令和4年 厚生労働省 能力開発基本調査によると、技能伝承に問題があるとする事業所は41.2%となっています。(能力開発基本調査では‘技術継承’と記載されていますが、本コラムでは‘技術伝承’と記載しています) 出典：厚生労働省 令和４年度「能力開発基本調査」 産業別にみると、 建設業：63.1% 学術研究,専門・技術サービス業：60.1% 製造業：59.5%。 製造業では、60%近くの会社が技術伝承に問題を抱えていることが分かります。 出典：厚生労働省 令和４年度「能力開発基本調査」 ２．技術伝承を進める上での５つの課題点 技術伝承を進める取り組みについて詳細な内容は下図となります。 1.退職者の中から必要な者を選抜して雇用延長、嘱託による再雇用を行い指導者として活用している：65.2% 2.中途採用を増やしている：46.4% 3.新規学卒者の採用を増やしている：29.2% 出典：厚生労働省 令和４年度「能力開発基本調査」 しかし、技術伝承を進める上で、中途人材や新卒採用を増やすだけでは技術の伝承は進みません。 また、 不足している技能を補うために 契約社員、派遣社員を活用している：20.4% 事業所外への外注を活用している：14.5% 上記の場合、自社のノウハウは蓄積されず、逆に流出してしまう可能性もあります。 技術伝承を行うためには、社内の体制を整え、会社一丸となって取り組むことが大切です。 退職予定者の伝承すべき技能・ノウハウ等を 文書化、データベース化、マニュアル化している：21.5% 技能伝承のための特別な教育訓練により、 若年・中堅層に対する技能・ノウハウ等を伝承している：19.1% 上記は非常によい取り組みであると思います。一方で、取り組めている会社は2割程度に過ぎません。 なぜ2割程度に過ぎないのか？ 技術伝承の重要性を理解していない 技術伝承の適切な方法が分からない 文書化、マニュアル化のやり方が分からない 教育訓練する時間がない など多岐に渡ると思います。 また、 マニュアルを作成しても全く活用されていない 訓練を行っただけで、フォローがされていない など、技術伝承に取り組んでみたが上手くいっていない場合もあると思います。 技術伝承が進まないと、生産性悪化や品質低下などを招き、結果的に企業の競争力が失われる可能性があります。自社ノウハウがブラックボックスになっている、もしくはブラックボックスになっていると感じている企業では今後、より大きな問題点となっていくでしょう。 ３．AI時代における技術伝承課題の解決策５選 IT技術を活用した技術伝承方法をご紹介します。 ①技能・ノウハウ等を文書化、マニュアル化する際、動画などを活用する テキストでのマニュアルが活用しづらい場合、マニュアルの動画化は非常に有効です。作業がイメージしやくすなり、また、昨今のサービスではマニュアルが対象者に閲覧されたかどうかを管理することも出来ます。 ②IoTセンサーなどのツールを活用し機械などの予知保全に活用する 保守員の技術伝承はかなり時間がかかるものです。これまで感覚的だった振動や異音などから判断する予防保全について、データを蓄積、活用することで機械の保守、修理など高度な知識・技術を伝承することが出来ます。 ③IoTセンサーを活用し段取り時間の削減を行う 製造現場の課題である熟練作業者の段取りプロセスをデータ化・可視化することで、若手技術者でもベテラン同様のセットに早く持っていくことが出来るようになります。可視化することで、情報は共有化され、段取り時間を削減でき、稼働率向上にもつながります。 ④AIシステムを活用し工具などの監視を行う 工具の振動データや画像診断により残り寿命は可視化することで、適切な工具交換の時期を明確にし、工具寿命を最大限活用することが出来ます。また、不良品を作ることが減少し、歩留り改善にも役立ちます ⑤AIシステムを検査工程に活用する AIシステムを検査工程に活用することで、不良基準が統一化され、検査担当者毎に発生する不良品の基準の違い、見落としによる不良流出減少が期待されます。当然ながら省人化にも役立ちます ４．IT技術を活用した技術伝承事例５選 最後に、技術伝承事例を5つご紹介致します。 【事例①】 ・業種：射出成形業 ・課題：成形条件を出せる技術者が限られており、段取りに時間を要していた。 ・対策：金型に取り付けたセンサーや射出成形機からデータ取得。 成形品品質と成形条件の適切な補正値をAIが予測し、成形品の良否判定や、 成形条件調整を自動化するシステムを導入。 ・効果：成形工程：成形条件の自動補正により歩留り改善と省人化を実現 　　　　　　　　　成形条件の調整回数を50回程度から15回程度に改善 検査工程：工数削減と省人化を実現 【事例②】 ・業種：鋳造業 ・課題：金型段替え作業時、試打ち⇒寸法測定⇒条件調整 を繰り返していた。 試打ちで使用される鋳造品は全て廃棄 ・対策：既存のボルトを、ボルト型の荷重センサーに置き換え荷重変動を測定 ・効果：試打ちをせず空打ちのみで段取り替えが可能に 　　　　200個/月 廃棄していた鋳造品が0個/月に 段取り時間の削減により工数削減を実現 品質のupを実現 品質向上により製品測定時間を60分/日削減 【事例③】 ・業種：金属切削業 ・課題：工具の交換時期や微細チッピングの連続排出に問題があった ・対策：切削工具を監視するAIシステムを導入 ・効果：工具交換の適切な時期を見える化(予知保全を実現) 不良品の連続的な排出を予防 24時間稼働を実現 夜間操業は行っていなかったが、24時間稼働を実現 【事例④】 ・業種：製造業 ・課題：・装置のチョコ停や突発的な故障が多発し、稼働率が低下していた。 ・装置のトラブルにより品質も不安定であった ・対策：IoTセンサーで機械の振動や回転数などを測定し予知保全に活用 ・効果：・製造ラインの高稼働率を実現 ・故障予兆を発見して早期処置を施すことが可能に ・機械の健康寿命の延命を実現 ・品質が安定 【事例⑤】 ・業種：製造業 ・課題：・若手技術者の教育や技術伝承に課題があった。 ・マニュアルはあるが、言語化が難しい工程は詳細が伝えきれていなかった。 ・対策：紙マニュアルではなく動画マニュアルを活用した。 ・効果：・熟練技術者の技術や手順を正確に伝えることができるようになった。 ・若手技術者の学習履歴を管理することができるようになった。 生産年齢人口が減少している昨今、製品の品質を低下させないためにも技術伝承は非常に大切です。 品質に関して困りごとがございましたら、お気軽にご相談下さい。 品質問題に限らず、【製造業での悩み・困っていること・相談したい】について、何でもご相談下さい。 皆様ご存じの通り、日本の人口は減少しており、生産年齢人口も減少しております。 生産年齢人口は1995年から減少が続いており、2021年は7,450人、2055年は5,028人まで減少すると言われております。 そこで、製造業が品質低下を招かないためにも行うべきことの一つが技術伝承です。 １．技術伝承とは？技術伝承の現状 技術伝承とは、熟練技術者の知識・経験・感覚(ノウハウ)を若手技術者へ伝えていくことです。 一般的な知識も大切ですが、自社独自のノウハウを伝承することが重要であると考えます。 製造業では、熟練技術など属人化されている業務を抱えている会社が多くあります。 見積業務・生産計画・現場の段取り・修理や保守・在庫管理など様々あると思います。 業務が属人化されてしまうと、その担当者しか詳細が分からない、担当者がいないと仕事が進まない、担当者への業務負荷が高まる、担当者が辞めてしまうなどの問題が発生します。 これら業務を遂行するため知識や技術を伝承しようと思っても、ここにも様々な問題が発生します。 令和4年 厚生労働省 能力開発基本調査によると、技能伝承に問題があるとする事業所は41.2%となっています。(能力開発基本調査では‘技術継承’と記載されていますが、本コラムでは‘技術伝承’と記載しています) 出典：厚生労働省 令和４年度「能力開発基本調査」 産業別にみると、 建設業：63.1% 学術研究,専門・技術サービス業：60.1% 製造業：59.5%。 製造業では、60%近くの会社が技術伝承に問題を抱えていることが分かります。 出典：厚生労働省 令和４年度「能力開発基本調査」 ２．技術伝承を進める上での５つの課題点 技術伝承を進める取り組みについて詳細な内容は下図となります。 1.退職者の中から必要な者を選抜して雇用延長、嘱託による再雇用を行い指導者として活用している：65.2% 2.中途採用を増やしている：46.4% 3.新規学卒者の採用を増やしている：29.2% 出典：厚生労働省 令和４年度「能力開発基本調査」 しかし、技術伝承を進める上で、中途人材や新卒採用を増やすだけでは技術の伝承は進みません。 また、 不足している技能を補うために 契約社員、派遣社員を活用している：20.4% 事業所外への外注を活用している：14.5% 上記の場合、自社のノウハウは蓄積されず、逆に流出してしまう可能性もあります。 技術伝承を行うためには、社内の体制を整え、会社一丸となって取り組むことが大切です。 退職予定者の伝承すべき技能・ノウハウ等を 文書化、データベース化、マニュアル化している：21.5% 技能伝承のための特別な教育訓練により、 若年・中堅層に対する技能・ノウハウ等を伝承している：19.1% 上記は非常によい取り組みであると思います。一方で、取り組めている会社は2割程度に過ぎません。 なぜ2割程度に過ぎないのか？ 技術伝承の重要性を理解していない 技術伝承の適切な方法が分からない 文書化、マニュアル化のやり方が分からない 教育訓練する時間がない など多岐に渡ると思います。 また、 マニュアルを作成しても全く活用されていない 訓練を行っただけで、フォローがされていない など、技術伝承に取り組んでみたが上手くいっていない場合もあると思います。 技術伝承が進まないと、生産性悪化や品質低下などを招き、結果的に企業の競争力が失われる可能性があります。自社ノウハウがブラックボックスになっている、もしくはブラックボックスになっていると感じている企業では今後、より大きな問題点となっていくでしょう。 ３．AI時代における技術伝承課題の解決策５選 IT技術を活用した技術伝承方法をご紹介します。 ①技能・ノウハウ等を文書化、マニュアル化する際、動画などを活用する テキストでのマニュアルが活用しづらい場合、マニュアルの動画化は非常に有効です。作業がイメージしやくすなり、また、昨今のサービスではマニュアルが対象者に閲覧されたかどうかを管理することも出来ます。 ②IoTセンサーなどのツールを活用し機械などの予知保全に活用する 保守員の技術伝承はかなり時間がかかるものです。これまで感覚的だった振動や異音などから判断する予防保全について、データを蓄積、活用することで機械の保守、修理など高度な知識・技術を伝承することが出来ます。 ③IoTセンサーを活用し段取り時間の削減を行う 製造現場の課題である熟練作業者の段取りプロセスをデータ化・可視化することで、若手技術者でもベテラン同様のセットに早く持っていくことが出来るようになります。可視化することで、情報は共有化され、段取り時間を削減でき、稼働率向上にもつながります。 ④AIシステムを活用し工具などの監視を行う 工具の振動データや画像診断により残り寿命は可視化することで、適切な工具交換の時期を明確にし、工具寿命を最大限活用することが出来ます。また、不良品を作ることが減少し、歩留り改善にも役立ちます ⑤AIシステムを検査工程に活用する AIシステムを検査工程に活用することで、不良基準が統一化され、検査担当者毎に発生する不良品の基準の違い、見落としによる不良流出減少が期待されます。当然ながら省人化にも役立ちます ４．IT技術を活用した技術伝承事例５選 最後に、技術伝承事例を5つご紹介致します。 【事例①】 ・業種：射出成形業 ・課題：成形条件を出せる技術者が限られており、段取りに時間を要していた。 ・対策：金型に取り付けたセンサーや射出成形機からデータ取得。 成形品品質と成形条件の適切な補正値をAIが予測し、成形品の良否判定や、 成形条件調整を自動化するシステムを導入。 ・効果：成形工程：成形条件の自動補正により歩留り改善と省人化を実現 　　　　　　　　　成形条件の調整回数を50回程度から15回程度に改善 検査工程：工数削減と省人化を実現 【事例②】 ・業種：鋳造業 ・課題：金型段替え作業時、試打ち⇒寸法測定⇒条件調整 を繰り返していた。 試打ちで使用される鋳造品は全て廃棄 ・対策：既存のボルトを、ボルト型の荷重センサーに置き換え荷重変動を測定 ・効果：試打ちをせず空打ちのみで段取り替えが可能に 　　　　200個/月 廃棄していた鋳造品が0個/月に 段取り時間の削減により工数削減を実現 品質のupを実現 品質向上により製品測定時間を60分/日削減 【事例③】 ・業種：金属切削業 ・課題：工具の交換時期や微細チッピングの連続排出に問題があった ・対策：切削工具を監視するAIシステムを導入 ・効果：工具交換の適切な時期を見える化(予知保全を実現) 不良品の連続的な排出を予防 24時間稼働を実現 夜間操業は行っていなかったが、24時間稼働を実現 【事例④】 ・業種：製造業 ・課題：・装置のチョコ停や突発的な故障が多発し、稼働率が低下していた。 ・装置のトラブルにより品質も不安定であった ・対策：IoTセンサーで機械の振動や回転数などを測定し予知保全に活用 ・効果：・製造ラインの高稼働率を実現 ・故障予兆を発見して早期処置を施すことが可能に ・機械の健康寿命の延命を実現 ・品質が安定 【事例⑤】 ・業種：製造業 ・課題：・若手技術者の教育や技術伝承に課題があった。 ・マニュアルはあるが、言語化が難しい工程は詳細が伝えきれていなかった。 ・対策：紙マニュアルではなく動画マニュアルを活用した。 ・効果：・熟練技術者の技術や手順を正確に伝えることができるようになった。 ・若手技術者の学習履歴を管理することができるようになった。 生産年齢人口が減少している昨今、製品の品質を低下させないためにも技術伝承は非常に大切です。 品質に関して困りごとがございましたら、お気軽にご相談下さい。 品質問題に限らず、【製造業での悩み・困っていること・相談したい】について、何でもご相談下さい。

在庫の状況が最適化されておらず、過剰在庫になってしまっていたり、欠品になってしまっていたり。。 在庫管理AIは、それらを防止するのに役立ちます。本コラムでは、AIによる在庫管理のメリットや事例、導入の進め方と注意点についてご紹介いたします。 １．AIによる在庫管理とは 製造業において在庫の保管・管理はどの企業も属人化しやすく、課題の多い業務の一つとなっています。 在庫管理業務の発注担当者は、日々在庫切れが起こらないよう在庫確認と発注作業が必要です。 その一方で、確認作業や発注作業のタイミングは各担当者に一任されているケースが見られます。 更に、社内に統一された明確なルールはなく、発注タイミングは個人の感覚に任せられているという状態が多くあるようです。 在庫管理は、ものづくりの中で重要な業務にもかかわらず、売上予測や発注業務が属人化し、勘や経験を必要とする業務となってしまっているのです。 AIはこのような「過去の経験から予測」するようなベテラン・属人化した作業を標準化し、肩代わりすることに適した技術です。 在庫管理は様々な事柄を考慮して、最適な１手（発注）することが求められます。 担当者が複数いた場合、この最適だと思っていた１手は実は担当者によりバラバラだったりします、ＡＩにより在庫管理業務を標準化することが出来るようになります。 ⇒関連記事：在庫管理の見える化とは？メリットや改善方法、成功事例を解説！ ２．AIによる在庫管理のメリット ①在庫がリアルタイムで可視化されること 在庫管理をする上では、在庫数をリアルタイムで把握することは必須となります。 AIカメラやタブレットを用いることで在庫数を容易にシステムで管理することが出来るようになり、社内の5s活動(整理・整頓・清掃・清潔・しつけ)を活性化させることができます。 ②需要予測により在庫が適正化されること 需要予測機械学習のアルゴリズムによって、過去の売上や季節による変動、顧客属性から、精度の高い需要予測を実現します。 担当者の主観的な判断ではなく、客観的なデータに基づいた分析が可能です。 現在だけでなく、将来的な視点に立って、適正在庫を維持させることができます。 ③作業が標準化されること 担当者の経験に基づいた在庫管理は非常に不安定なものです。 経験から導き出される答えが素晴らしい場合もありますが、ひどく間違える場合もあります。 担当者の体調によっても変化するかもしれません。 人の経験に依存した判断は当たりはずれがあるものです。 AIなどでシステム化をおこなうことで、作業は標準化され、誰がやっても同じ精度で発注することが出来ます。 突発のイレギュラーに対応するのが、難しい場合もありますが、それは人間も同じです。 考慮することを標準化して通常時の判断はシステムでお任せして、属人作業から脱却することが大切です。 ④在庫管理（発注者）人材の育成が不要になること 在庫担当者は様々な事柄を考慮する必要（覚える必要）があり、簡単に育成することが出来ません。 年単位の経験を経て、信頼される人材となっていきます。 一人の人材を育成するのに多くの時間が必要です。 その一方で、その作業が属人化してしまったら、その人の欠勤やや退職は大きなインパクトとなります。 そうならないように、ノウハウはシステム化して標準化していおく必要があります。 ３．AIによる在庫管理事例 続いて、A社におけるAI在庫管理の事例をご紹介します。 A社では、在庫管理が属人化して、発注タイミングがブラックボックス化しているお客様に対して、過去在庫のデータ分析を行い、過去の商品／在庫／実績／仕入先データ＋直近の売上／繁忙期／リードタイム等を機械学習により発注の予測モデルを構築しました。 予測モデルを構築するために、「何が発注に寄与するか」を担当者からヒアリングしながらデータ分析を実施しました。 データ分析の結果、売上推移にある一定の傾向が見られた為、売上予測をもとに品目ごとに在庫切れのタイミングを特定することで、現在の在庫数や最適な発注タイミングをシステム上で提示するようにしました。 他システムと連携しておこなうような自動発注は行わず、最終確認は人間が行い発注をする運用にすることで、ユーザーが安心して使える仕組みとしました。 A社では、このシステムを導入することで、属人化していた発注タイミングを「いつもで」「だれでも」「同じレベル(質)」で判断が出来るようになりました。 感覚的(感覚的に決定されている決まりを含む)な発注は在庫の持ち過ぎ、持たな過ぎに直結します。 システム構築により、担当者毎の発注に対する質が標準化（凸凹がなくなり）され、在庫の過剰／不足低減に繋がりました。 ４．AI導入の進め方と３つの注意点 ４－１．AI導入の進め方 1.目的とニーズの明確化 AIを導入する目的やニーズを明確に定義しましょう。 例えば、業務プロセスの効率化、顧客対応の向上、品質管理の強化など、具体的な目標を設定します。 2.データの収集と前処理 AIはデータに基づいて学習し予測を行いますので、必要なデータを収集し、必要な前処理を行いましょう。 データの品質や量、形式にも注意を払いましょう。 3.AIモデルの選択 導入するAIの種類やモデルを選定します。 自然言語処理によるチャットボット、画像認識による品質管理システムなど、目的やニーズに合ったAIモデルを選びましょう。 4.モデルの学習と評価 選んだAIモデルをデータで学習させ、その性能を評価します。 学習方法やパラメータの調整によってモデルの精度を高めていきます。 5.導入と運用 学習したAIモデルを実際の業務に導入し、運用します。 トライアル期間を設け、結果を評価しながら適切な調整や改善を行いましょう。 これらのステップを踏みながら、AIを導入することで効果的な活用ができるでしょう。４－２．AI選定時の3つの注意点 ①課題の抽出、目的とニーズの明確化を行うこと AI導入おけるもっとも重要な箇所は、「課題の抽出、目的とニーズの明確化」です。 ＜どこが課題＞で＜何を目的に導入するのか＞をユーザー側は明確にする必要があります。 ＜目的＞が曖昧だったり、ブレてしまうと、どういうAIを選定するか？の際に、AIを当てはめることが優先され、結果的に導入されたものがさほど意味がない（当初の課題を解決してくれない）ものになってしまいます。 これを回避するには、課題抽出の時点からある程度のAIの知識（何が出来て何が出来ないか）を知っておく必要があります。 課題のすべてをAIが解決してくれるわけではないのです。 「うちの課題をAIで何か解決してくれないか？」という視点で始めると、AIを入れることが目的になるので、ほとんどの場合は、途中で頓挫しますので注意しましょう。 ②AIベンダーとの付き合い方 AIベンダーはユーザーから与えられた要望に対して、自社製品を使って必死に知恵を絞り出します。 しかし、根本的に課題抽出から間違っている場合も多くあります。 「そもそもそれはAIで解決すべきではない」という結論です。 課題に対して、解決方法（アプローチ方法）はいくつかあります。 課題抽出の段階で、どの方法なら出来そうか？技術的なハードルを目途つけながらやっていくことが必要です。 全く考えないまま（知識がないまま）実施していくと、いわゆる「ベンダーの言いなり」となり、ベンダーが主導権を握り、自社ではハンドリングが出来なくなっていきます。 ③手元に適切なデータを集約すること AIモデルを作る上で過去データは欠かせないものです。 ただし、過去のデータがあるから問題ないというわけでもありません。 データ量（十分なデータ量があるか）、データ質（欠けたデータないか、信ぴょう性のあるデータか）データ構造（分析しやすいデータ構造になっているか）を事前に確認することが必要です。 使えると思っていたデータは実は、データ分析（モデル構築）の観点で見た場合、一部しか使うことが出来ない、もしくは全く使えない（いわゆるゴミデータ）ということはよくあることです。 これは「現場の言う＜データがある＞」「データサイエンティストが言う＜データがある＞」は意味が異なる為です。 データ分析は依頼する前に、きちんとデータ分析の依頼先に確認してもらいましょう。   無料ダウンロード！！2024年AI活用時流予測レポート ～今後の業界動向・トレンドを予測～ ▼事例レポート無料ダウンロードお申し込みはこちら▼ 目次 1、製造業AI業界の現状 2、2023年製造業AI業界はこうなる！ 3、2023年実践していただきたいこと 4、どの業務・工程でもAIは活用できる「業務別・工程別のAI活用」 5、国内中小製造業におけるAI導入事例 中小製造業のAI活用の最新事例と導入事例この1冊にまとめました。 AI活用術について「考え方」と「具体的な方法」を例を出して解説し、さらに導入事例を掲載することでAI活用の具体的な取り組み方が分かる資料になっております。 https://www.funaisoken.co.jp/dl-contents/jy-ai_S045   ■関連するセミナーのご案内 脱属人化＆技術継承！工場技術のDX化！AI＆IoT活用！ セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/113456 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/113456 在庫の状況が最適化されておらず、過剰在庫になってしまっていたり、欠品になってしまっていたり。。 在庫管理AIは、それらを防止するのに役立ちます。本コラムでは、AIによる在庫管理のメリットや事例、導入の進め方と注意点についてご紹介いたします。 １．AIによる在庫管理とは 製造業において在庫の保管・管理はどの企業も属人化しやすく、課題の多い業務の一つとなっています。 在庫管理業務の発注担当者は、日々在庫切れが起こらないよう在庫確認と発注作業が必要です。 その一方で、確認作業や発注作業のタイミングは各担当者に一任されているケースが見られます。 更に、社内に統一された明確なルールはなく、発注タイミングは個人の感覚に任せられているという状態が多くあるようです。 在庫管理は、ものづくりの中で重要な業務にもかかわらず、売上予測や発注業務が属人化し、勘や経験を必要とする業務となってしまっているのです。 AIはこのような「過去の経験から予測」するようなベテラン・属人化した作業を標準化し、肩代わりすることに適した技術です。 在庫管理は様々な事柄を考慮して、最適な１手（発注）することが求められます。 担当者が複数いた場合、この最適だと思っていた１手は実は担当者によりバラバラだったりします、ＡＩにより在庫管理業務を標準化することが出来るようになります。 ⇒関連記事：在庫管理の見える化とは？メリットや改善方法、成功事例を解説！ ２．AIによる在庫管理のメリット ①在庫がリアルタイムで可視化されること 在庫管理をする上では、在庫数をリアルタイムで把握することは必須となります。 AIカメラやタブレットを用いることで在庫数を容易にシステムで管理することが出来るようになり、社内の5s活動(整理・整頓・清掃・清潔・しつけ)を活性化させることができます。 ②需要予測により在庫が適正化されること 需要予測機械学習のアルゴリズムによって、過去の売上や季節による変動、顧客属性から、精度の高い需要予測を実現します。 担当者の主観的な判断ではなく、客観的なデータに基づいた分析が可能です。 現在だけでなく、将来的な視点に立って、適正在庫を維持させることができます。 ③作業が標準化されること 担当者の経験に基づいた在庫管理は非常に不安定なものです。 経験から導き出される答えが素晴らしい場合もありますが、ひどく間違える場合もあります。 担当者の体調によっても変化するかもしれません。 人の経験に依存した判断は当たりはずれがあるものです。 AIなどでシステム化をおこなうことで、作業は標準化され、誰がやっても同じ精度で発注することが出来ます。 突発のイレギュラーに対応するのが、難しい場合もありますが、それは人間も同じです。 考慮することを標準化して通常時の判断はシステムでお任せして、属人作業から脱却することが大切です。 ④在庫管理（発注者）人材の育成が不要になること 在庫担当者は様々な事柄を考慮する必要（覚える必要）があり、簡単に育成することが出来ません。 年単位の経験を経て、信頼される人材となっていきます。 一人の人材を育成するのに多くの時間が必要です。 その一方で、その作業が属人化してしまったら、その人の欠勤やや退職は大きなインパクトとなります。 そうならないように、ノウハウはシステム化して標準化していおく必要があります。 ３．AIによる在庫管理事例 続いて、A社におけるAI在庫管理の事例をご紹介します。 A社では、在庫管理が属人化して、発注タイミングがブラックボックス化しているお客様に対して、過去在庫のデータ分析を行い、過去の商品／在庫／実績／仕入先データ＋直近の売上／繁忙期／リードタイム等を機械学習により発注の予測モデルを構築しました。 予測モデルを構築するために、「何が発注に寄与するか」を担当者からヒアリングしながらデータ分析を実施しました。 データ分析の結果、売上推移にある一定の傾向が見られた為、売上予測をもとに品目ごとに在庫切れのタイミングを特定することで、現在の在庫数や最適な発注タイミングをシステム上で提示するようにしました。 他システムと連携しておこなうような自動発注は行わず、最終確認は人間が行い発注をする運用にすることで、ユーザーが安心して使える仕組みとしました。 A社では、このシステムを導入することで、属人化していた発注タイミングを「いつもで」「だれでも」「同じレベル(質)」で判断が出来るようになりました。 感覚的(感覚的に決定されている決まりを含む)な発注は在庫の持ち過ぎ、持たな過ぎに直結します。 システム構築により、担当者毎の発注に対する質が標準化（凸凹がなくなり）され、在庫の過剰／不足低減に繋がりました。 ４．AI導入の進め方と３つの注意点 ４－１．AI導入の進め方 1.目的とニーズの明確化 AIを導入する目的やニーズを明確に定義しましょう。 例えば、業務プロセスの効率化、顧客対応の向上、品質管理の強化など、具体的な目標を設定します。 2.データの収集と前処理 AIはデータに基づいて学習し予測を行いますので、必要なデータを収集し、必要な前処理を行いましょう。 データの品質や量、形式にも注意を払いましょう。 3.AIモデルの選択 導入するAIの種類やモデルを選定します。 自然言語処理によるチャットボット、画像認識による品質管理システムなど、目的やニーズに合ったAIモデルを選びましょう。 4.モデルの学習と評価 選んだAIモデルをデータで学習させ、その性能を評価します。 学習方法やパラメータの調整によってモデルの精度を高めていきます。 5.導入と運用 学習したAIモデルを実際の業務に導入し、運用します。 トライアル期間を設け、結果を評価しながら適切な調整や改善を行いましょう。 これらのステップを踏みながら、AIを導入することで効果的な活用ができるでしょう。４－２．AI選定時の3つの注意点 ①課題の抽出、目的とニーズの明確化を行うこと AI導入おけるもっとも重要な箇所は、「課題の抽出、目的とニーズの明確化」です。 ＜どこが課題＞で＜何を目的に導入するのか＞をユーザー側は明確にする必要があります。 ＜目的＞が曖昧だったり、ブレてしまうと、どういうAIを選定するか？の際に、AIを当てはめることが優先され、結果的に導入されたものがさほど意味がない（当初の課題を解決してくれない）ものになってしまいます。 これを回避するには、課題抽出の時点からある程度のAIの知識（何が出来て何が出来ないか）を知っておく必要があります。 課題のすべてをAIが解決してくれるわけではないのです。 「うちの課題をAIで何か解決してくれないか？」という視点で始めると、AIを入れることが目的になるので、ほとんどの場合は、途中で頓挫しますので注意しましょう。 ②AIベンダーとの付き合い方 AIベンダーはユーザーから与えられた要望に対して、自社製品を使って必死に知恵を絞り出します。 しかし、根本的に課題抽出から間違っている場合も多くあります。 「そもそもそれはAIで解決すべきではない」という結論です。 課題に対して、解決方法（アプローチ方法）はいくつかあります。 課題抽出の段階で、どの方法なら出来そうか？技術的なハードルを目途つけながらやっていくことが必要です。 全く考えないまま（知識がないまま）実施していくと、いわゆる「ベンダーの言いなり」となり、ベンダーが主導権を握り、自社ではハンドリングが出来なくなっていきます。 ③手元に適切なデータを集約すること AIモデルを作る上で過去データは欠かせないものです。 ただし、過去のデータがあるから問題ないというわけでもありません。 データ量（十分なデータ量があるか）、データ質（欠けたデータないか、信ぴょう性のあるデータか）データ構造（分析しやすいデータ構造になっているか）を事前に確認することが必要です。 使えると思っていたデータは実は、データ分析（モデル構築）の観点で見た場合、一部しか使うことが出来ない、もしくは全く使えない（いわゆるゴミデータ）ということはよくあることです。 これは「現場の言う＜データがある＞」「データサイエンティストが言う＜データがある＞」は意味が異なる為です。 データ分析は依頼する前に、きちんとデータ分析の依頼先に確認してもらいましょう。   無料ダウンロード！！2024年AI活用時流予測レポート ～今後の業界動向・トレンドを予測～ ▼事例レポート無料ダウンロードお申し込みはこちら▼ 目次 1、製造業AI業界の現状 2、2023年製造業AI業界はこうなる！ 3、2023年実践していただきたいこと 4、どの業務・工程でもAIは活用できる「業務別・工程別のAI活用」 5、国内中小製造業におけるAI導入事例 中小製造業のAI活用の最新事例と導入事例この1冊にまとめました。 AI活用術について「考え方」と「具体的な方法」を例を出して解説し、さらに導入事例を掲載することでAI活用の具体的な取り組み方が分かる資料になっております。 https://www.funaisoken.co.jp/dl-contents/jy-ai_S045   ■関連するセミナーのご案内 脱属人化＆技術継承！工場技術のDX化！AI＆IoT活用！ セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/113456 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/113456

IoTを活用した製造工程の見える化は、見える化することが目的になってしまうことが多いです。 しかし見える化はあくまで手段で、目的は工程を見える化したことで得られる情報を活用し製造、製造工程の課題を解決事です。 そこで、本コラムでは、 ・見える化する前の製造工程で考えられる課題 投資対効果を考慮して工程を見える化する為の ・IoT導入のメリット ・導入プロセス ・導入の際の注意点 を説明します。 １．見える化する前の製造工程での課題 下記の様な課題を解決するために、工程の見える化を検討します。 生産技術の伝承　:　熟練作業者の退職や移動により、技術が失われます。 生産効率の低下　:　手作業に頼った作業は時間がかかり、効率が悪くなります。 製品品質のばらつき　:　人為的なミスや工程の不確実性により、製品の品質が安定しなくなります。 機器の稼働率低下　:　機器の故障やメンテナンス不良により、稼働率が低下します。 材料やエネルギーの無駄　:　材料のロスや無駄なエネルギー使用が生じます。 人的資源の不足　:　高度な技術や経験を持つ従業員の不足が生産性に影響を及ぼします。 生産計画の適正化　:　生産スケジュールの立案や調整が十分に行われず、生産ラインの停滞や過剰在庫が発生します。 品質管理の複雑化　:　製品の多様化や品質基準の厳格化により、品質管理が複雑化し、ミスのリスクが高まります。 情報の非効率な管理　:　生産データや品質管理の情報が分散しており、効率的なデータ管理が困難になります。 環境負荷の増加　:　生産活動に伴う廃棄物や排出物が環境負荷を増加します。 ２．IoT導入(見える化)のメリット 工程へIoTを導入する際、考えられるメリットを下記に示します。 リアルタイムデータの収集　:　生産ライン上でのデータをリアルタイムで収集し、効率的な生産管理を実現できます。 予知保全の実現　:　機器のセンサーデータを活用して、故障の予兆を検知し、計画的なメンテナンスを行うことで、生産ラインの停止を最小限に抑え稼働率を向上させることができます。 生産工程の可視化　:　IoTデータを活用して、生産工程を可視化し、問題の早期発見と迅速な対応を可能にします。 自動化と効率化　:　IoTセンサーと自動制御システムを統合することで、生産プロセスの自動化と効率化が図ることができます。 品質管理の向上　:　データ分析を通じて、製品の品質を向上させ、不良品発生を削減できます。 リアルタイムリーン管理　:　生産ライン上のリーン管理をリアルタイムで行い、無駄を削減できます。 資材の適切な供給　:　IoTデータを活用して、必要な資材の供給を最適化し、在庫の過不足を解消できます。 フレキシブルな生産計画　:　IoTデータを基にした予測分析により、フレキシブルな生産計画を策定し、需要の変化に対応できます。 環境への配慮　:　IoT導入により、省エネやリサイクルなど、環境に配慮した生産活動が可能になります。 ３．導入プロセス IoT導入のプロセスは以下の通りです。 要件定義とシステム設計　:　“導入するIoTシステムの要件“を明確にし、システムの設計を行います。 センサーの設置　:　生産ラインにセンサーを設置し、必要なデータを収集します。 データの収集と分析システムの構築　:　センサーからのデータを収集し、分析システムを構築して生産データを解析します。 システムの統合とテスト　:　IoTシステムを既存の生産ラインに統合し、システムのテストと運用を行います。 従業員のトレーニングと運用　:　IoTシステムの運用やデータ解析に必要なスキルを持つ従業員を育成し、システムの運用を開始します。 ４．IoT導入(見える化)の際の注意点 IoT導入に際しては以下の点に注意する必要があります。 セキュリティ対策の強化　:　IoTシステムはネットワークに接続されるため、セキュリティリスクが高まります。その為適切なセキュリティ対策を講じる必要があります データの適切な活用　:　大量のデータを収集するため、適切なデータ解析手法を使用し、有益な情報を抽出する必要があります。 従業員のトレーニング　:　IoTシステムの運用やデータ解析に必要なスキルを持つ従業員を育成する必要があります。 予算とリソースの適切な配分　:　導入には費用とリソースが必要です。予算とリソースの適切な配分を行うことが重要です。 透明性とコミュニケーション　:　従業員や関係者との透明なコミュニケーションを確保し、導入プロセスに参加させることが重要です。 ５．IoT化した製造工程から得られた情報の活用事例 IoT化(見える化)した製造工程から得られた情報の活用事例を下記に示します。 機器の稼働率向上　:　センサーデータを活用して、機器の稼働状況をリアルタイムでモニタリングし、メンテナンス計画を最適化。 生産効率の向上　:　IoTデータを解析して、生産ライン上のボトルネックを特定し、効率改善策を実施。 品質管理の強化　:　センサーデータを使用して製品の品質をモニタリングし、異常が検出されると自動的に生産ラインを停止するシステムを導入。併せて生産管理システムの品質管理機能とIoTデータを組み合わせ、品質管理を強化。 資材の最適化　:　在庫レベルや需要予測をIoTデータで管理し、資材の適切な供給を実現。 リアルタイムな生産状況把握　：　生産管理システムとIoTデータを連携させ、リアルタイムで生産状況を把握し、迅速な対応を可能とした。 リアルタイム生産計画の実現　:　IoTデータを活用して生産スケジュールをリアルタイムで調整し、生産計画の柔軟性を向上。 生産計画の最適化　：　生産管理システムとIoTデータを統合し、生産計画をリアルタイムで最適化。 在庫管理の改善　：　生産状況と在庫状況を統合管理し、在庫の適切な調整を実施。 生産効率の向上　：　生産管理システムの生産効率分析とIoTデータの統合分析により、生産効率を向上。 熟練作業者の技術伝承　:　IoTデータを活用して熟練作業者の作業手順や技術を記録し、後継者に技術を伝承。 採用促進　:　先進的なIoT導入により、優秀な人材の採用を促進。 若手技術者の育成コスト削減　:　IoTシステムの導入により、若手技術者の教育やトレーニングにかかるコストを削減。 製品不良原因の把握　:　IoTデータを解析して、製品不良の原因を特定し、生産プロセスの改善。 以上のように、IoTの導入により製造工程の見える化は多くの利点をもたらし、効率性や品質の向上、環境への配慮など、さまざまな面で生産活動の革新を促進します。 ６．まとめ 今回のコラムでは、“製造工程を見える化(IoT化)する際のポイント＆課題”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。 本コラムの内容に関して、ダウンロードレポートや関連セミナーでより詳細の内容や事例を紹介しています。 併せてご参考にし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なった場合は、お気軽に弊社にご相談ください。 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 脱属人化＆技術継承！工場技術のDX化！AI＆IoT活用！ セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/113456 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/113456   経営者向けIoT化による高付加価値化・差別化製品開発解説レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ レポートの内容 自社製品をワイヤレスIoT化し高付加価値化・差別化を行うためのポイントを解説 IoT化の目的 無線技術を使用したIoT化の方法 無線技術を使用する際に考慮が必要な電波法・認証 を中心にポイントを１冊にまとめています。 https://www.funaisoken.co.jp/dl-contents/smart-factory_smart-factory_02477_S045 IoTを活用した製造工程の見える化は、見える化することが目的になってしまうことが多いです。 しかし見える化はあくまで手段で、目的は工程を見える化したことで得られる情報を活用し製造、製造工程の課題を解決事です。 そこで、本コラムでは、 ・見える化する前の製造工程で考えられる課題 投資対効果を考慮して工程を見える化する為の ・IoT導入のメリット ・導入プロセス ・導入の際の注意点 を説明します。 １．見える化する前の製造工程での課題 下記の様な課題を解決するために、工程の見える化を検討します。 生産技術の伝承　:　熟練作業者の退職や移動により、技術が失われます。 生産効率の低下　:　手作業に頼った作業は時間がかかり、効率が悪くなります。 製品品質のばらつき　:　人為的なミスや工程の不確実性により、製品の品質が安定しなくなります。 機器の稼働率低下　:　機器の故障やメンテナンス不良により、稼働率が低下します。 材料やエネルギーの無駄　:　材料のロスや無駄なエネルギー使用が生じます。 人的資源の不足　:　高度な技術や経験を持つ従業員の不足が生産性に影響を及ぼします。 生産計画の適正化　:　生産スケジュールの立案や調整が十分に行われず、生産ラインの停滞や過剰在庫が発生します。 品質管理の複雑化　:　製品の多様化や品質基準の厳格化により、品質管理が複雑化し、ミスのリスクが高まります。 情報の非効率な管理　:　生産データや品質管理の情報が分散しており、効率的なデータ管理が困難になります。 環境負荷の増加　:　生産活動に伴う廃棄物や排出物が環境負荷を増加します。 ２．IoT導入(見える化)のメリット 工程へIoTを導入する際、考えられるメリットを下記に示します。 リアルタイムデータの収集　:　生産ライン上でのデータをリアルタイムで収集し、効率的な生産管理を実現できます。 予知保全の実現　:　機器のセンサーデータを活用して、故障の予兆を検知し、計画的なメンテナンスを行うことで、生産ラインの停止を最小限に抑え稼働率を向上させることができます。 生産工程の可視化　:　IoTデータを活用して、生産工程を可視化し、問題の早期発見と迅速な対応を可能にします。 自動化と効率化　:　IoTセンサーと自動制御システムを統合することで、生産プロセスの自動化と効率化が図ることができます。 品質管理の向上　:　データ分析を通じて、製品の品質を向上させ、不良品発生を削減できます。 リアルタイムリーン管理　:　生産ライン上のリーン管理をリアルタイムで行い、無駄を削減できます。 資材の適切な供給　:　IoTデータを活用して、必要な資材の供給を最適化し、在庫の過不足を解消できます。 フレキシブルな生産計画　:　IoTデータを基にした予測分析により、フレキシブルな生産計画を策定し、需要の変化に対応できます。 環境への配慮　:　IoT導入により、省エネやリサイクルなど、環境に配慮した生産活動が可能になります。 ３．導入プロセス IoT導入のプロセスは以下の通りです。 要件定義とシステム設計　:　“導入するIoTシステムの要件“を明確にし、システムの設計を行います。 センサーの設置　:　生産ラインにセンサーを設置し、必要なデータを収集します。 データの収集と分析システムの構築　:　センサーからのデータを収集し、分析システムを構築して生産データを解析します。 システムの統合とテスト　:　IoTシステムを既存の生産ラインに統合し、システムのテストと運用を行います。 従業員のトレーニングと運用　:　IoTシステムの運用やデータ解析に必要なスキルを持つ従業員を育成し、システムの運用を開始します。 ４．IoT導入(見える化)の際の注意点 IoT導入に際しては以下の点に注意する必要があります。 セキュリティ対策の強化　:　IoTシステムはネットワークに接続されるため、セキュリティリスクが高まります。その為適切なセキュリティ対策を講じる必要があります データの適切な活用　:　大量のデータを収集するため、適切なデータ解析手法を使用し、有益な情報を抽出する必要があります。 従業員のトレーニング　:　IoTシステムの運用やデータ解析に必要なスキルを持つ従業員を育成する必要があります。 予算とリソースの適切な配分　:　導入には費用とリソースが必要です。予算とリソースの適切な配分を行うことが重要です。 透明性とコミュニケーション　:　従業員や関係者との透明なコミュニケーションを確保し、導入プロセスに参加させることが重要です。 ５．IoT化した製造工程から得られた情報の活用事例 IoT化(見える化)した製造工程から得られた情報の活用事例を下記に示します。 機器の稼働率向上　:　センサーデータを活用して、機器の稼働状況をリアルタイムでモニタリングし、メンテナンス計画を最適化。 生産効率の向上　:　IoTデータを解析して、生産ライン上のボトルネックを特定し、効率改善策を実施。 品質管理の強化　:　センサーデータを使用して製品の品質をモニタリングし、異常が検出されると自動的に生産ラインを停止するシステムを導入。併せて生産管理システムの品質管理機能とIoTデータを組み合わせ、品質管理を強化。 資材の最適化　:　在庫レベルや需要予測をIoTデータで管理し、資材の適切な供給を実現。 リアルタイムな生産状況把握　：　生産管理システムとIoTデータを連携させ、リアルタイムで生産状況を把握し、迅速な対応を可能とした。 リアルタイム生産計画の実現　:　IoTデータを活用して生産スケジュールをリアルタイムで調整し、生産計画の柔軟性を向上。 生産計画の最適化　：　生産管理システムとIoTデータを統合し、生産計画をリアルタイムで最適化。 在庫管理の改善　：　生産状況と在庫状況を統合管理し、在庫の適切な調整を実施。 生産効率の向上　：　生産管理システムの生産効率分析とIoTデータの統合分析により、生産効率を向上。 熟練作業者の技術伝承　:　IoTデータを活用して熟練作業者の作業手順や技術を記録し、後継者に技術を伝承。 採用促進　:　先進的なIoT導入により、優秀な人材の採用を促進。 若手技術者の育成コスト削減　:　IoTシステムの導入により、若手技術者の教育やトレーニングにかかるコストを削減。 製品不良原因の把握　:　IoTデータを解析して、製品不良の原因を特定し、生産プロセスの改善。 以上のように、IoTの導入により製造工程の見える化は多くの利点をもたらし、効率性や品質の向上、環境への配慮など、さまざまな面で生産活動の革新を促進します。 ６．まとめ 今回のコラムでは、“製造工程を見える化(IoT化)する際のポイント＆課題”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。 本コラムの内容に関して、ダウンロードレポートや関連セミナーでより詳細の内容や事例を紹介しています。 併せてご参考にし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なった場合は、お気軽に弊社にご相談ください。 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 脱属人化＆技術継承！工場技術のDX化！AI＆IoT活用！ セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/113456 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/113456   経営者向けIoT化による高付加価値化・差別化製品開発解説レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ レポートの内容 自社製品をワイヤレスIoT化し高付加価値化・差別化を行うためのポイントを解説 IoT化の目的 無線技術を使用したIoT化の方法 無線技術を使用する際に考慮が必要な電波法・認証 を中心にポイントを１冊にまとめています。 https://www.funaisoken.co.jp/dl-contents/smart-factory_smart-factory_02477_S045

▼事例レポート無料ダウンロードお申し込みはこちら▼ ChatGPTの登場により、AIが身近なものになってきました。 業務にChat-GPTを取り入れ、業務効率化、生産性向上に取り組む企業も増えています。 今回は、製造業におけるChatGPT活用について、その活用シーンや、活用手順を紹介します。 １．ChatGPTとは ChatGPT とは OpenAI により研究開発された、AI を用いた自然言語処理の技術であり、チャット（対話）形式で質問や指示を投げかけることで、AI がその回答を生成し、返してくれる仕組みです。検索エンジン等との違いは、質問や指示に対し、予め用意した回答を返すのではなく、AI が内容を理解した上で、都度、最適な回答を生成してくれるところにあります。 ▼ChatGPTに関する説明は以下のページもご覧ください。 https://smart-factory.funaisoken.co.jp/glossary/230124/ ２．ChatGPTが得意なこと ChatGPTは、自然な会話を理解し、適切な返答を生成することが得意です。また、大量のデータから学習するため、複雑な問題にも対応できます。 具体的には、製造業における、製品開発や生産計画の最適化、顧客サポートなど、さまざまな業務に活用できます。 ３．製造業におけるChatGPT活用シーン 製造業においてChatGPTを活用する場面は多岐にわたります。例えば、以下のようなシーンで活用されています。 ・ChatGPTを活用した製品企画・開発 製品企画・開発のアイデアを発展させるためのブレインストーミングや、市場のトレンド、顧客のフィードバックに基づいた新製品のコンセプト作成等、企画・開発業務にかかっていたリソースの削減が可能となります。 ・ChatGPTを活用した生産計画の最適化 これまでの販売実績や、販売数の伸び、在庫回転率、リードタイム等の情報をChatGPTが学習、分析し、需要予測や在庫管理の最適化を行います。これにより、生産効率の向上や欠品率及び、余剰在庫の削減が可能となります。 ・ ChatGPTを活用した製品の品質管理 製造・生産工程における検査データや、欠陥データ、製品の不具合、故障情報等、品質管理に関する情報をChatGPTに学習させ、収集・分析することで、欠陥や不具合の要因や解決策のアイデアを得ることが可能になります。 ・ChatGPTを活用した顧客サポート 顧客からの問合せや、それに対する回答をChatGPTに学習、蓄積することで、経験の浅いスタッフでも、顧客からの問い合わせに迅速かつ適切に対応することが可能になります。 ４．ChatGPT活用時の注意点 ChatGPTを活用する際、以下のような注意点があります。 ・データの品質 ChatGPTは大量のデータから学習しますが、データの品質が低い場合、生成される情報の精度も低くなる可能性があります。データの品質管理には注意が必要です。 ・プライバシーとセキュリティ ChatGPTを活用する際には、顧客情報や機密情報などのプライバシーとセキュリティに十分な配慮が必要です。情報漏洩やセキュリティ侵害を防ぐための対策が必要です。 また、著作権に関する注意も必要です。 ５．製造業におけるChatGPT活用手順 製造業におけるChatGPTの活用手順は以下の通りです。 Step 1: 目的の明確化と目標設定 ChatGPTを活用する目的・ねらいや、解決したい課題・ニーズを明確にします。例えば、生産効率の向上や顧客サポートの強化など、具体的な目標を設定します。 Step 2: 要件の検討と決定 ChatGPTを活用する対象業務や、業務上での活用イメージ、必要なアウトプット、アウトプットを得るためのデータ項目等、要件を検討・決定します。 Step 3: データの収集と整理 ChatGPTを活用するために必要なデータを収集し、整理します。データの量や品質が重要になるため、データが無い場合は、その収集に時間がかかる場合があります。 Step 4: ChatGPTモデルの構築と学習 収集したデータを使用して、ChatGPTモデルを構築し、学習させます。合わせて、ChatGPTから出力される回答の質や精度を設定・調整します。 Step 5: テスト ChatGPTのテストを行います。 Step 6: 評価と改善 ChatGPTの性能を評価し、必要に応じて改善を行います。ユーザーのフィードバックを活用して、継続的に改善していきます。 Step 7: 運用と管理 ChatGPTを運用し、定期的なメンテナンスや管理を行います。必要に応じて、モデルの再学習や更新を行い、システムの性能を維持します。 上記の手順により、ChatGPTを導入することで、経営・業務にChatGPTを効果的に活用し、業務効率の向上や競争力の強化への貢献が期待できます。 無料ダウンロード！！ 中堅・中小製造業　経営者向け 生成AI活用手順 ▼事例レポート無料ダウンロードお申し込みはこちら▼ 目次 1、生成AIとは 2、生成AIで出来ること 3、生成AIを経営・業務に活用するために必要な要素 4、生成AI活用による業務改善手順 5、具体事例 生成AIを活用してみたいが、どう取り組めばいいのかわからない… 生成AIを経営・業務への活かし方がわからない… 実際に取り組んでいる同業他社の事例を参考にしたい そんな方に向けて、生成AIをどうすれば経営・業務に活用できるのかを事例を交えて解説いたします。 ■関連するセミナーのご案内 DX活用して、品質改善・生産性改善・原価改善、そして、マネジメント改善・経営改善！ セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/105866 ■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 2024/06/04 (火)　13:00~15:00 2024/06/06 (木)　13:00~15:00 2024/06/10 (月)　13:00~15:00 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/112909 ▼事例レポート無料ダウンロードお申し込みはこちら▼ ChatGPTの登場により、AIが身近なものになってきました。 業務にChat-GPTを取り入れ、業務効率化、生産性向上に取り組む企業も増えています。 今回は、製造業におけるChatGPT活用について、その活用シーンや、活用手順を紹介します。 １．ChatGPTとは ChatGPT とは OpenAI により研究開発された、AI を用いた自然言語処理の技術であり、チャット（対話）形式で質問や指示を投げかけることで、AI がその回答を生成し、返してくれる仕組みです。検索エンジン等との違いは、質問や指示に対し、予め用意した回答を返すのではなく、AI が内容を理解した上で、都度、最適な回答を生成してくれるところにあります。 ▼ChatGPTに関する説明は以下のページもご覧ください。 https://smart-factory.funaisoken.co.jp/glossary/230124/ ２．ChatGPTが得意なこと ChatGPTは、自然な会話を理解し、適切な返答を生成することが得意です。また、大量のデータから学習するため、複雑な問題にも対応できます。 具体的には、製造業における、製品開発や生産計画の最適化、顧客サポートなど、さまざまな業務に活用できます。 ３．製造業におけるChatGPT活用シーン 製造業においてChatGPTを活用する場面は多岐にわたります。例えば、以下のようなシーンで活用されています。 ・ChatGPTを活用した製品企画・開発 製品企画・開発のアイデアを発展させるためのブレインストーミングや、市場のトレンド、顧客のフィードバックに基づいた新製品のコンセプト作成等、企画・開発業務にかかっていたリソースの削減が可能となります。 ・ChatGPTを活用した生産計画の最適化 これまでの販売実績や、販売数の伸び、在庫回転率、リードタイム等の情報をChatGPTが学習、分析し、需要予測や在庫管理の最適化を行います。これにより、生産効率の向上や欠品率及び、余剰在庫の削減が可能となります。 ・ ChatGPTを活用した製品の品質管理 製造・生産工程における検査データや、欠陥データ、製品の不具合、故障情報等、品質管理に関する情報をChatGPTに学習させ、収集・分析することで、欠陥や不具合の要因や解決策のアイデアを得ることが可能になります。 ・ChatGPTを活用した顧客サポート 顧客からの問合せや、それに対する回答をChatGPTに学習、蓄積することで、経験の浅いスタッフでも、顧客からの問い合わせに迅速かつ適切に対応することが可能になります。 ４．ChatGPT活用時の注意点 ChatGPTを活用する際、以下のような注意点があります。 ・データの品質 ChatGPTは大量のデータから学習しますが、データの品質が低い場合、生成される情報の精度も低くなる可能性があります。データの品質管理には注意が必要です。 ・プライバシーとセキュリティ ChatGPTを活用する際には、顧客情報や機密情報などのプライバシーとセキュリティに十分な配慮が必要です。情報漏洩やセキュリティ侵害を防ぐための対策が必要です。 また、著作権に関する注意も必要です。 ５．製造業におけるChatGPT活用手順 製造業におけるChatGPTの活用手順は以下の通りです。 Step 1: 目的の明確化と目標設定 ChatGPTを活用する目的・ねらいや、解決したい課題・ニーズを明確にします。例えば、生産効率の向上や顧客サポートの強化など、具体的な目標を設定します。 Step 2: 要件の検討と決定 ChatGPTを活用する対象業務や、業務上での活用イメージ、必要なアウトプット、アウトプットを得るためのデータ項目等、要件を検討・決定します。 Step 3: データの収集と整理 ChatGPTを活用するために必要なデータを収集し、整理します。データの量や品質が重要になるため、データが無い場合は、その収集に時間がかかる場合があります。 Step 4: ChatGPTモデルの構築と学習 収集したデータを使用して、ChatGPTモデルを構築し、学習させます。合わせて、ChatGPTから出力される回答の質や精度を設定・調整します。 Step 5: テスト ChatGPTのテストを行います。 Step 6: 評価と改善 ChatGPTの性能を評価し、必要に応じて改善を行います。ユーザーのフィードバックを活用して、継続的に改善していきます。 Step 7: 運用と管理 ChatGPTを運用し、定期的なメンテナンスや管理を行います。必要に応じて、モデルの再学習や更新を行い、システムの性能を維持します。 上記の手順により、ChatGPTを導入することで、経営・業務にChatGPTを効果的に活用し、業務効率の向上や競争力の強化への貢献が期待できます。 無料ダウンロード！！ 中堅・中小製造業　経営者向け 生成AI活用手順 ▼事例レポート無料ダウンロードお申し込みはこちら▼ 目次 1、生成AIとは 2、生成AIで出来ること 3、生成AIを経営・業務に活用するために必要な要素 4、生成AI活用による業務改善手順 5、具体事例 生成AIを活用してみたいが、どう取り組めばいいのかわからない… 生成AIを経営・業務への活かし方がわからない… 実際に取り組んでいる同業他社の事例を参考にしたい そんな方に向けて、生成AIをどうすれば経営・業務に活用できるのかを事例を交えて解説いたします。 ■関連するセミナーのご案内 DX活用して、品質改善・生産性改善・原価改善、そして、マネジメント改善・経営改善！ セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/105866 ■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 2024/06/04 (火)　13:00~15:00 2024/06/06 (木)　13:00~15:00 2024/06/10 (月)　13:00~15:00 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/112909

近年では、様々な分野でAI(人工知能)が活用され大きな効果を出しています。 当然ながら製造業でもAIの活用が注目されています。 製造業におけるAI活用は非常に大きな効果をもたらすことが期待されており、既に日本国内でも、AIを活用することでスマートファクトリー構想を実現している工場も存在している状態です。具体的には、AIによる需要予測、画像解析、異常検知・故障予知の分野において、成果を上げています。 現在では、様々なAIソリューションが散見されるため、 どのような業務においてAIが活用できるのかわからない！ 結局自社に最適なAI活用法がわからない！ ディープラーニングやアルゴリズムなど、AIの知識が高度・専門的過ぎてよくわからない！ と感じる方も多いのではないでしょうか。 本記事では、製造業におけるAI活用を検討されてる方に向けて、「工場におけるAI活用法4選」「自社に最適なAIを選ぶときの基準」「AI導入の具体的なステップ」「AI活用の課題と注意点」等について記載しています。 情報収集のお役に立てば幸いです。 １．製造業におけるAIの現状 AI活用がバズワードとなり久しいですが、実際に様々な分野で、目に見えるところ/見えないところでAIが活用され大きな効果を出しています。 当然ながら製造業でもAIの活用が注目されています。 全業種おいて30％を占める製造業ですが、AI活用は実際どのようになっているのでしょうか。 少し古い資料にはなりますが、財務省の調査データによると、2018年時点で企業全体の10.9％が“AIを活用している“にとどまっており、製造業も11.6％とほぼ変わらない結果となっています。 資本力のある大企業で16.5％、中堅以下の会社では5.6％と、非常に限定的な活用状況と言わざるを得ないのが現状です。 ちなみに、ここでのAI活用は「AIチャットボット」がほとんどのようです。 2024年時点でも少しずつ進捗はしているものの、AI活用に関しては大きな改善はまだ見られないと感じています。 一方で昨今の生成AIの台頭もあり、今後AI活用は急激に飛躍するかもしれません。 ⇒関連記事：AI導入で製造業の仕事はなくなるのか？2024年の展望 ２．製造業におけるAI活用のメリット AI活用のメリットを説明する前に、よく混同されがちなAI活用とRPA活用について説明します。 これらはよく混同されがちですが、以下のように違いがあります。 RPA＝定型の反復作業の代替Excelの転記など AI＝属人的、ベテラン作業の代替 RPAはご存知の方も多いと思いますが、AI活用についてはいかがでしょうか。 AIもRPAも簡単な作業を代替するものだと思っていた方もいるのではないでしょうか。 AI活用とは、過去の大量データから最適解を提示することを指します。 この作業は、ベテラン（職人）の過去の経験から一番良い手を見つけ出すことに似ています。 ベテラン（職人）が凄いのは、過去の経験値をたくさん持っているということです。 AIはその知識（データ）を学習することで、与えられた条件での最適解を選択することができます。 AI活用はベテラン（職人）作業を代替することができるのです。 AIもRPAも有意義な技術ですが、これらを混同してはいけません。 RPAに難しいことをさせても良くありませんし（技術的なハードルがある）、AIに簡単な反復業務をさせてもいけません（費用対効果が合わない）。 それらを踏まえて、以下にAI活用のメリットを示します。 ■労働力不足が解消する 少子高齢化による労働力不足や製造業を選択する若者の減少が問題になっており、製造業でも年々人手が足りなくなっています。 しかし、AIを導入することで、属人的業務、ベテラン業務の自動化や効率化を実現でき、限られた人員でも業務をスムーズにこなせるようになります。 ■コスト削減・生産性が向上する AIを活用することで業務判断が標準化され、ヒューマンエラーや部品ロスなどを減らすことができるため、コスト削減や生産性向上も期待できます。 すべてが数値化されるようになり、且つ課題の明確化や数値目標の設定もしやすくなるため、現場との合意も形成することができます。 ■製造の品質や安全性が向上する AIの有効活用により危険な作業を機械に任せられるため、事故の防止につながります。 ヒューマンエラーによる不良品の発生や異物の混入も避けることができます。 属人化した作業を自動化でき、製品品質も安定させられるでしょう。 ３．工場におけるAI活用成功事例4選 次に、工場における、AI活用成功事例を4つ紹介いたします。 ■見積業務におけるAI活用成功事例 【課題感】 複雑形状の試作（一品モノ）の受注が多く、過去の図面情報・製作情報の検索に多くの時間と労力がかかっていました。 見積り作業が属人化し、過去の情報も「わかる人にはわかる」状態となっており、ベテランでなければ精緻な見積は出来ず、新人などが出来るものではありませんでした。 【AI活用】 見積り業務に必要な過去案件の検索において、AIを活用して「いつでも」「だれでも」「簡単に」過去案件を検索・参照できる仕組みを構築しました。 これは、過去の図面データをAIに学習させることで、類似した図面をAIが検索します。 類似図面が見つかれば、その際に紐づけておいた営業情報、加工情報などを一緒に提示するようにしました。 【効果】 過去情報を探す時間は従来の1/４となり、これまでバラバラだった過去情報が一元管理され、「それを知っていたら簡単に見積を出せたのに・・」というムダな状況がなくなり業務が効率化されました。 また、この仕組みを生産計画部門でも利用しており、生産計画部門も業務の効率化に繋がりました。 このシステムは紐づける情報次第で、様々な部門で活用することが出来ます。 ⇒関連記事：AI見積り導入の費用感やAI選定方法は？導入効果や進め方についても解説！ ■生産計画業務におけるAI活用成功事例 【課題感】 生産計画（工程計画）には＜設備条件＞＜材料条件＞＜担当者スキル＞＜在庫条件＞＜納期条件＞＜生産状況＞等が複雑に絡み合い、多面的な知識と豊富な経験が必要で作業立案はベテラン１名で担当していました。 経験の浅い作業員では、立案ミスをする可能性があり、トラブルや運転停止のリスクが高いため仕事を任せられない現状がありました。 【AI活用】 数理最適化を用いて生産計画を最適化するシステムを構築しました。 構築にあたり、担当者の考え方やロジックをドキュメントに落とし込み、システム上で最適化した計画を立案・ガントチャートにて表示しました。 システムの見た目は通常のスケジューラーと似ていますが、裏で計算できるロジックは、通常のスケジューラーでは出来ない条件を計算実施しています。 立案後に担当者が調整可能な機能も実装し、特急品やイレギュラー対応も可能なシステムとしています。 【効果】 属人化していた生産計画について「いつもで」「だれでも」「同じレベル(質)」で生産計画を立案出来るようになりました。 生産計画担当者は属人化しやすく、ノウハウが担当者のみに蓄積される為、後継者の育成に数年～数十年と非常に時間のかかるものでした。 システム化により、技術継承にも継承しました。生産計画をある程度誰でも立案出来るようになり、後継者の育成が難しい「計画立案者の後継者問題」から解放されました。 ⇒関連記事：AIを活用した生産計画自動作成システムとは？ ⇒関連記事：生産計画のAI活用を成功させるポイントとは ■外観検査業務におけるAI活用成功事例 【課題感】 外観検査領域においては、従来の画像処理カメラやセンサを用いて、できる限りの自動化をおこなっている企業は数多く存在します。 それでも、従来のカメラで判別できない場合は、やむを得ず目視検査を続けるしかありません。 ただ、目視検査は、担当者の感覚に頼っている場合が多く、担当者毎のばらつきがあり、担当者自身もその時の体調などで判断が変わってしまうことがあります。 もしくは、検査自体が熟練した担当者しかできない＝属人化しているケースも多くあります。 担当者で判断が変わったり、熟練者しかできないという検査はモノづくりにおいて、かなり問題があることですが、「実際そのような状況に結果的になってしまっている」というケースが多くあります。 【AI活用】 従来の画像処理では、判断できなかった事象に対して、AIを搭載したカメラを用いることでうまく検査が出来るようになります。 例えば、透明なカップの外観や板地に模様がある中での傷の検査など、従来人の目でした判断がつかなかった事象についてもうまくとらえられるようになりました 【効果】 目視検査は人員を集めることも大変ですし、判断は標準化させることも難しい業務です。 その検査自体が、職人技なのであれば、さらに問題は複雑です。 AIカメラで代替させることで、品質基準は統一化され、365日24時間、同じ品筒基準で検査をしてくれるようになりました。 また、システム化により後継者の育成が難しい「外観検査の後継者問題」からも解放されました。 ⇒関連記事：AI外観検査とは？従来の画像検査との違い、導入のメリットや注意点とは？ ■在庫管理業務におけるAI活用成功事例 【課題感】 発注担当者は、在庫切れが起こらないよう日々在庫確認と発注作業が必要でした。 その一方で、確認作業や発注作業のタイミングは各担当者に一任されており、社内に統一された明確なルールはなく、発注タイミングは個人の感覚に任せられていました。 売上予測や発注業務が属人化しており勘や経験を必要とする業務となっていました。 【AI活用】 過去の商品／在庫／実績／仕入先データ＋直近の売上／繁忙期／リードタイム等を機械学習により発注の予測モデルを構築しました。 予測モデルを構築するには、「何が発注に寄与するか」を担当者からヒアリングしながらデータ分析を行いました。 売上予測をもとに品目ごとに在庫切れのタイミングを特定することで、最適な発注タイミングをシステム上で提示します。 自動発注は行わず、最終確認は人間が行い発注をします。 【効果】 属人化していた発注タイミングを「いつもで」「だれでも」「同じレベル(質)」で判断が出来るようになりました。 感覚的(決まりがあるが決まっているものが感覚的な場合もあり)な発注は在庫の持ち過ぎ、持たな過ぎに直結します。 システム構築により、担当者毎の発注に対する質が標準化（凸凹がなくなり）され、在庫の過剰／不足が低減に繋がりました。 ４．自社に最適なAIを選ぶときの基準 では、自社の状況に合ったAIはどのように選定していけば良いのでしょうか？以下の5つの基準を鑑みながら、選定していくことが重要です。 1. 目的とニーズの明確化 まずは、自社の目的とニーズを明確にすることが重要です。 AIを導入する目的や期待する効果、解決したい課題などを具体的に定義しましょう。 2. 機能と性能 AIの機能や性能が自社のニーズと一致しているかを確認しましょう。 具体的な要件や予算に基づいて、必要な機能や性能を評価します。 3. データの要件と適合性 自社のデータに合わせてAIが適切に動作するかを確認しましょう。 データの形式、量、品質などに対応できるかを評価します。 4. 解釈可能性と透明性 AIの結果を解釈できるかどうか、判断理由が明示されているかを確認しましょう。 特に、意思決定に影響を与える場合は、解釈可能性が求められます。 5. 可用性と拡張性 AIの実装および展開の容易さ、基幹システムの連携の可否、サポートやメンテナンスの提供、将来の拡張性などを評価しましょう。 自社の状況と予算に適合しているかを検討します。 これらの基準を元に、自社に最適なAIを選択することが重要です。 ５．AI導入の具体的なステップ AIを導入する際は、以下の5つのステップを踏み、着実にプロジェクトを進めていくことが重要です。 1. 目的とニーズの明確化 AIを導入する目的やニーズを明確に定義しましょう。 例えば、業務プロセスの効率化、顧客対応の向上、品質管理の強化、従業員の教育負担の軽減など、具体的な目標を設定します。 2. データの収集と前処理 AIはデータに基づいて学習し予測を行いますので、必要なデータを収集し、必要な前処理を行いましょう。 データの品質や量、形式にも注意を払いましょう。 3. AIモデルの選択 導入するAIの種類やモデルを選定します。 自然言語処理によるチャットボット、画像認識による品質管理システムなど、目的やニーズに合ったAIモデル・ツールを選びましょう。 4. モデルの学習と評価 選んだAIモデルをデータで学習させ、その性能を評価します。 学習方法やパラメータの調整によってモデルの精度を高めていきます。 5. 導入と運用 学習したAIモデルを実際の業務に導入し、運用します。 トライアル期間を設け、結果を評価しながら適切な調整や改善を行いましょう。 これらのステップを踏みながら、AIを導入することで効果的な活用ができるでしょう。 ６．AI活用の課題と注意点 AI導入おけるもっと重要な箇所は、１番初めの「課題の抽出、目的とニーズの明確化」です。 ＜どこが課題＞で＜何を目的に導入するのか＞をユーザー側は明確にする必要があります。 ＜目的＞が曖昧だったり、ブレてしまうと、どういうAIを選定するか？を考える際に、AIが出来ることが優先され、結果的に導入されたもののさほど意味がない（当初の課題を解決してくれない）ものになってしまいます。 これを回避するには、課題抽出の時点からある程度のAIの知識（何が出来て何が出来ないか）を知っておく必要があります。 課題のすべてをAIが解決してくれるとは限らないのです。 AIベンダーはユーザーから与えられた要望に対して、自社製品を使って必死に知恵を絞り出します。 しかし、根本的に課題抽出から間違っている場合も多くあります。 「そもそもそれはAIで解決すべきではない」という結論です。 課題に対して、解決方法（アプローチ方法）はいくつかあります。 課題抽出の段階で、どの方法なら出来そうか？技術的なハードルを目途つけながらやっていくことが必要です。 全く考えないまま（知識がないまま）実施していくと、いわゆる「ベンダーの言いなり」となり、ベンダーが主導権を握り、自社ではハンドリングが出来なくなっていきます。 ７．まとめ 船井総研では、上流の課題抽出からお客様と一緒に考え、取り上げられた課題は「今のAI技術で解決出来そうか」や、「技術的なハードルはどこか」を考慮しながらアドバイスを行っていきます。 AIプロジェクトだけではなく、様々なシステム開発に携わってきた観点からお客様の課題に対して「課題抽出→企画→要求取りまとめ→ベンダー選定→要件定義→システム開発→検証→ゴール（運用）」までお客様と共に伴走をしていきます。 工場内の課題に対して、「たくさん課題があるが何から手を付けるべきはわからない。」「AIを活用したいが、そもそもAIが必要なのか、どこに使えそうかわからない」という方はぜひ、船井総研までご相談下さい。 無料経営相談はこちら   無料ダウンロード！！2024年AI活用時流予測レポート ～今後の業界動向・トレンドを予測～ ▼事例レポート無料ダウンロードお申し込みはこちら▼ 目次 1、製造業AI業界の現状 2、2023年製造業AI業界はこうなる！ 3、2023年実践していただきたいこと 4、どの業務・工程でもAIは活用できる「業務別・工程別のAI活用」 5、国内中小製造業におけるAI導入事例 中小製造業のAI活用の最新事例と導入事例この1冊にまとめました。 AI活用術について「考え方」と「具体的な方法」を例を出して解説し、さらに導入事例を掲載することでAI活用の具体的な取り組み方が分かる資料になっております。 https://www.funaisoken.co.jp/dl-contents/jy-ai_S045 近年では、様々な分野でAI(人工知能)が活用され大きな効果を出しています。 当然ながら製造業でもAIの活用が注目されています。 製造業におけるAI活用は非常に大きな効果をもたらすことが期待されており、既に日本国内でも、AIを活用することでスマートファクトリー構想を実現している工場も存在している状態です。具体的には、AIによる需要予測、画像解析、異常検知・故障予知の分野において、成果を上げています。 現在では、様々なAIソリューションが散見されるため、 どのような業務においてAIが活用できるのかわからない！ 結局自社に最適なAI活用法がわからない！ ディープラーニングやアルゴリズムなど、AIの知識が高度・専門的過ぎてよくわからない！ と感じる方も多いのではないでしょうか。 本記事では、製造業におけるAI活用を検討されてる方に向けて、「工場におけるAI活用法4選」「自社に最適なAIを選ぶときの基準」「AI導入の具体的なステップ」「AI活用の課題と注意点」等について記載しています。 情報収集のお役に立てば幸いです。 １．製造業におけるAIの現状 AI活用がバズワードとなり久しいですが、実際に様々な分野で、目に見えるところ/見えないところでAIが活用され大きな効果を出しています。 当然ながら製造業でもAIの活用が注目されています。 全業種おいて30％を占める製造業ですが、AI活用は実際どのようになっているのでしょうか。 少し古い資料にはなりますが、財務省の調査データによると、2018年時点で企業全体の10.9％が“AIを活用している“にとどまっており、製造業も11.6％とほぼ変わらない結果となっています。 資本力のある大企業で16.5％、中堅以下の会社では5.6％と、非常に限定的な活用状況と言わざるを得ないのが現状です。 ちなみに、ここでのAI活用は「AIチャットボット」がほとんどのようです。 2024年時点でも少しずつ進捗はしているものの、AI活用に関しては大きな改善はまだ見られないと感じています。 一方で昨今の生成AIの台頭もあり、今後AI活用は急激に飛躍するかもしれません。 ⇒関連記事：AI導入で製造業の仕事はなくなるのか？2024年の展望 ２．製造業におけるAI活用のメリット AI活用のメリットを説明する前に、よく混同されがちなAI活用とRPA活用について説明します。 これらはよく混同されがちですが、以下のように違いがあります。 RPA＝定型の反復作業の代替Excelの転記など AI＝属人的、ベテラン作業の代替 RPAはご存知の方も多いと思いますが、AI活用についてはいかがでしょうか。 AIもRPAも簡単な作業を代替するものだと思っていた方もいるのではないでしょうか。 AI活用とは、過去の大量データから最適解を提示することを指します。 この作業は、ベテラン（職人）の過去の経験から一番良い手を見つけ出すことに似ています。 ベテラン（職人）が凄いのは、過去の経験値をたくさん持っているということです。 AIはその知識（データ）を学習することで、与えられた条件での最適解を選択することができます。 AI活用はベテラン（職人）作業を代替することができるのです。 AIもRPAも有意義な技術ですが、これらを混同してはいけません。 RPAに難しいことをさせても良くありませんし（技術的なハードルがある）、AIに簡単な反復業務をさせてもいけません（費用対効果が合わない）。 それらを踏まえて、以下にAI活用のメリットを示します。 ■労働力不足が解消する 少子高齢化による労働力不足や製造業を選択する若者の減少が問題になっており、製造業でも年々人手が足りなくなっています。 しかし、AIを導入することで、属人的業務、ベテラン業務の自動化や効率化を実現でき、限られた人員でも業務をスムーズにこなせるようになります。 ■コスト削減・生産性が向上する AIを活用することで業務判断が標準化され、ヒューマンエラーや部品ロスなどを減らすことができるため、コスト削減や生産性向上も期待できます。 すべてが数値化されるようになり、且つ課題の明確化や数値目標の設定もしやすくなるため、現場との合意も形成することができます。 ■製造の品質や安全性が向上する AIの有効活用により危険な作業を機械に任せられるため、事故の防止につながります。 ヒューマンエラーによる不良品の発生や異物の混入も避けることができます。 属人化した作業を自動化でき、製品品質も安定させられるでしょう。 ３．工場におけるAI活用成功事例4選 次に、工場における、AI活用成功事例を4つ紹介いたします。 ■見積業務におけるAI活用成功事例 【課題感】 複雑形状の試作（一品モノ）の受注が多く、過去の図面情報・製作情報の検索に多くの時間と労力がかかっていました。 見積り作業が属人化し、過去の情報も「わかる人にはわかる」状態となっており、ベテランでなければ精緻な見積は出来ず、新人などが出来るものではありませんでした。 【AI活用】 見積り業務に必要な過去案件の検索において、AIを活用して「いつでも」「だれでも」「簡単に」過去案件を検索・参照できる仕組みを構築しました。 これは、過去の図面データをAIに学習させることで、類似した図面をAIが検索します。 類似図面が見つかれば、その際に紐づけておいた営業情報、加工情報などを一緒に提示するようにしました。 【効果】 過去情報を探す時間は従来の1/４となり、これまでバラバラだった過去情報が一元管理され、「それを知っていたら簡単に見積を出せたのに・・」というムダな状況がなくなり業務が効率化されました。 また、この仕組みを生産計画部門でも利用しており、生産計画部門も業務の効率化に繋がりました。 このシステムは紐づける情報次第で、様々な部門で活用することが出来ます。 ⇒関連記事：AI見積り導入の費用感やAI選定方法は？導入効果や進め方についても解説！ ■生産計画業務におけるAI活用成功事例 【課題感】 生産計画（工程計画）には＜設備条件＞＜材料条件＞＜担当者スキル＞＜在庫条件＞＜納期条件＞＜生産状況＞等が複雑に絡み合い、多面的な知識と豊富な経験が必要で作業立案はベテラン１名で担当していました。 経験の浅い作業員では、立案ミスをする可能性があり、トラブルや運転停止のリスクが高いため仕事を任せられない現状がありました。 【AI活用】 数理最適化を用いて生産計画を最適化するシステムを構築しました。 構築にあたり、担当者の考え方やロジックをドキュメントに落とし込み、システム上で最適化した計画を立案・ガントチャートにて表示しました。 システムの見た目は通常のスケジューラーと似ていますが、裏で計算できるロジックは、通常のスケジューラーでは出来ない条件を計算実施しています。 立案後に担当者が調整可能な機能も実装し、特急品やイレギュラー対応も可能なシステムとしています。 【効果】 属人化していた生産計画について「いつもで」「だれでも」「同じレベル(質)」で生産計画を立案出来るようになりました。 生産計画担当者は属人化しやすく、ノウハウが担当者のみに蓄積される為、後継者の育成に数年～数十年と非常に時間のかかるものでした。 システム化により、技術継承にも継承しました。生産計画をある程度誰でも立案出来るようになり、後継者の育成が難しい「計画立案者の後継者問題」から解放されました。 ⇒関連記事：AIを活用した生産計画自動作成システムとは？ ⇒関連記事：生産計画のAI活用を成功させるポイントとは ■外観検査業務におけるAI活用成功事例 【課題感】 外観検査領域においては、従来の画像処理カメラやセンサを用いて、できる限りの自動化をおこなっている企業は数多く存在します。 それでも、従来のカメラで判別できない場合は、やむを得ず目視検査を続けるしかありません。 ただ、目視検査は、担当者の感覚に頼っている場合が多く、担当者毎のばらつきがあり、担当者自身もその時の体調などで判断が変わってしまうことがあります。 もしくは、検査自体が熟練した担当者しかできない＝属人化しているケースも多くあります。 担当者で判断が変わったり、熟練者しかできないという検査はモノづくりにおいて、かなり問題があることですが、「実際そのような状況に結果的になってしまっている」というケースが多くあります。 【AI活用】 従来の画像処理では、判断できなかった事象に対して、AIを搭載したカメラを用いることでうまく検査が出来るようになります。 例えば、透明なカップの外観や板地に模様がある中での傷の検査など、従来人の目でした判断がつかなかった事象についてもうまくとらえられるようになりました 【効果】 目視検査は人員を集めることも大変ですし、判断は標準化させることも難しい業務です。 その検査自体が、職人技なのであれば、さらに問題は複雑です。 AIカメラで代替させることで、品質基準は統一化され、365日24時間、同じ品筒基準で検査をしてくれるようになりました。 また、システム化により後継者の育成が難しい「外観検査の後継者問題」からも解放されました。 ⇒関連記事：AI外観検査とは？従来の画像検査との違い、導入のメリットや注意点とは？ ■在庫管理業務におけるAI活用成功事例 【課題感】 発注担当者は、在庫切れが起こらないよう日々在庫確認と発注作業が必要でした。 その一方で、確認作業や発注作業のタイミングは各担当者に一任されており、社内に統一された明確なルールはなく、発注タイミングは個人の感覚に任せられていました。 売上予測や発注業務が属人化しており勘や経験を必要とする業務となっていました。 【AI活用】 過去の商品／在庫／実績／仕入先データ＋直近の売上／繁忙期／リードタイム等を機械学習により発注の予測モデルを構築しました。 予測モデルを構築するには、「何が発注に寄与するか」を担当者からヒアリングしながらデータ分析を行いました。 売上予測をもとに品目ごとに在庫切れのタイミングを特定することで、最適な発注タイミングをシステム上で提示します。 自動発注は行わず、最終確認は人間が行い発注をします。 【効果】 属人化していた発注タイミングを「いつもで」「だれでも」「同じレベル(質)」で判断が出来るようになりました。 感覚的(決まりがあるが決まっているものが感覚的な場合もあり)な発注は在庫の持ち過ぎ、持たな過ぎに直結します。 システム構築により、担当者毎の発注に対する質が標準化（凸凹がなくなり）され、在庫の過剰／不足が低減に繋がりました。 ４．自社に最適なAIを選ぶときの基準 では、自社の状況に合ったAIはどのように選定していけば良いのでしょうか？以下の5つの基準を鑑みながら、選定していくことが重要です。 1. 目的とニーズの明確化 まずは、自社の目的とニーズを明確にすることが重要です。 AIを導入する目的や期待する効果、解決したい課題などを具体的に定義しましょう。 2. 機能と性能 AIの機能や性能が自社のニーズと一致しているかを確認しましょう。 具体的な要件や予算に基づいて、必要な機能や性能を評価します。 3. データの要件と適合性 自社のデータに合わせてAIが適切に動作するかを確認しましょう。 データの形式、量、品質などに対応できるかを評価します。 4. 解釈可能性と透明性 AIの結果を解釈できるかどうか、判断理由が明示されているかを確認しましょう。 特に、意思決定に影響を与える場合は、解釈可能性が求められます。 5. 可用性と拡張性 AIの実装および展開の容易さ、基幹システムの連携の可否、サポートやメンテナンスの提供、将来の拡張性などを評価しましょう。 自社の状況と予算に適合しているかを検討します。 これらの基準を元に、自社に最適なAIを選択することが重要です。 ５．AI導入の具体的なステップ AIを導入する際は、以下の5つのステップを踏み、着実にプロジェクトを進めていくことが重要です。 1. 目的とニーズの明確化 AIを導入する目的やニーズを明確に定義しましょう。 例えば、業務プロセスの効率化、顧客対応の向上、品質管理の強化、従業員の教育負担の軽減など、具体的な目標を設定します。 2. データの収集と前処理 AIはデータに基づいて学習し予測を行いますので、必要なデータを収集し、必要な前処理を行いましょう。 データの品質や量、形式にも注意を払いましょう。 3. AIモデルの選択 導入するAIの種類やモデルを選定します。 自然言語処理によるチャットボット、画像認識による品質管理システムなど、目的やニーズに合ったAIモデル・ツールを選びましょう。 4. モデルの学習と評価 選んだAIモデルをデータで学習させ、その性能を評価します。 学習方法やパラメータの調整によってモデルの精度を高めていきます。 5. 導入と運用 学習したAIモデルを実際の業務に導入し、運用します。 トライアル期間を設け、結果を評価しながら適切な調整や改善を行いましょう。 これらのステップを踏みながら、AIを導入することで効果的な活用ができるでしょう。 ６．AI活用の課題と注意点 AI導入おけるもっと重要な箇所は、１番初めの「課題の抽出、目的とニーズの明確化」です。 ＜どこが課題＞で＜何を目的に導入するのか＞をユーザー側は明確にする必要があります。 ＜目的＞が曖昧だったり、ブレてしまうと、どういうAIを選定するか？を考える際に、AIが出来ることが優先され、結果的に導入されたもののさほど意味がない（当初の課題を解決してくれない）ものになってしまいます。 これを回避するには、課題抽出の時点からある程度のAIの知識（何が出来て何が出来ないか）を知っておく必要があります。 課題のすべてをAIが解決してくれるとは限らないのです。 AIベンダーはユーザーから与えられた要望に対して、自社製品を使って必死に知恵を絞り出します。 しかし、根本的に課題抽出から間違っている場合も多くあります。 「そもそもそれはAIで解決すべきではない」という結論です。 課題に対して、解決方法（アプローチ方法）はいくつかあります。 課題抽出の段階で、どの方法なら出来そうか？技術的なハードルを目途つけながらやっていくことが必要です。 全く考えないまま（知識がないまま）実施していくと、いわゆる「ベンダーの言いなり」となり、ベンダーが主導権を握り、自社ではハンドリングが出来なくなっていきます。 ７．まとめ 船井総研では、上流の課題抽出からお客様と一緒に考え、取り上げられた課題は「今のAI技術で解決出来そうか」や、「技術的なハードルはどこか」を考慮しながらアドバイスを行っていきます。 AIプロジェクトだけではなく、様々なシステム開発に携わってきた観点からお客様の課題に対して「課題抽出→企画→要求取りまとめ→ベンダー選定→要件定義→システム開発→検証→ゴール（運用）」までお客様と共に伴走をしていきます。 工場内の課題に対して、「たくさん課題があるが何から手を付けるべきはわからない。」「AIを活用したいが、そもそもAIが必要なのか、どこに使えそうかわからない」という方はぜひ、船井総研までご相談下さい。 無料経営相談はこちら   無料ダウンロード！！2024年AI活用時流予測レポート ～今後の業界動向・トレンドを予測～ ▼事例レポート無料ダウンロードお申し込みはこちら▼ 目次 1、製造業AI業界の現状 2、2023年製造業AI業界はこうなる！ 3、2023年実践していただきたいこと 4、どの業務・工程でもAIは活用できる「業務別・工程別のAI活用」 5、国内中小製造業におけるAI導入事例 中小製造業のAI活用の最新事例と導入事例この1冊にまとめました。 AI活用術について「考え方」と「具体的な方法」を例を出して解説し、さらに導入事例を掲載することでAI活用の具体的な取り組み方が分かる資料になっております。 https://www.funaisoken.co.jp/dl-contents/jy-ai_S045

今回は成形業界の課題と解決方法と題して、述べさせて頂きます。 成形業界は、広範な産業において重要な役割を果たしています。 成形と言っても、樹脂・ゴム・鋳造・鍛造・プレスなど様々ございます。 業界に共通している様々な課題、取り組むべき方向性について探ってみましょう。 １．成形業界の課題 ◎技術継承 成形技術は、経験と知識に基づいた手法が多いため、ベテラン技術者の引退や 人材不足により技術継承の課題があります。 ◎技術の属人化 成形業界は、技術が属人化されています。 熟練技術者の経験や知識によって、問題がある程度解決できているため、 属人化が進んでしまい、工程の見える化が進んでいません。 ◎人手不足や技術者の高齢化 労働人口減少により、製造業従事者も減少しております。 それにより、生産性の低下・品質の低下・労働環境の悪化・競争力の低下・ 技術革新の遅れなど、様々な問題が起こっています。 製品の品質管理においても、適切な監視や検査が困難になる場合があります。十分な人手がいないことで、不良品の早期発見や品質のコントロールが難しくなります。 ◎環境への影響 成形プロセスに伴う廃棄物や排出物は、環境への負荷となる可能性がありま す。廃棄物の適切な処理やリサイクル、バイオプラスチックの研究開発など、 環境に配慮した取り組みが求められています。 ◎エネルギー消費の削減 成形には、高温や高圧の条件が必要なため、エネルギー消費が大きいという 課題があります。省エネルギー技術の導入やプロセスの最適化、 代替エネルギーの活用など、エネルギー効率を向上させる取り組みが必要です。 などなど課題を上げればきりがありません。 そのなかで、技術継承・属人化技術の解消・人手不足など、自社で取り組める課題に関して、簡単ではありますが考えられる解決策を述べさせて頂きます。 皆様の一助になればありがたいです。 ２．成形業界の課題に対する解決策 ◎技術継承や属人化技術の解消 ベテラン技術者の知識や経験の継承は、自社発展を支える重要な要素です。 技術継承を効果的に行うためには、知識やノウハウを文書化し、情報共有の仕組みを整備することが重要です。技術的な手順書や作業マニュアルを作成し、新たなメンバーに伝える際の参考資料として活用します。 キャリアパスの明確化も必要です。技術者が将来の成長やキャリアの展望を持つことで、継続的な学習やスキルの向上につながります。 ◎労働環境の改善や労働時間の見直し 従業員のワークライフバランスを向上させます。柔軟な労働時間制度や労働条件の改善は、従業員の満足度や生産性の向上につながる可能性があります。 異なるバックグラウンドや視点を持つ人材の採用や育成が必要です。新卒採用や中途採用の際には、様々なバックグラウンドを持つ人材を求めるようにしましょう。また、異業種からの転職者や外部の専門家との協業、グローバルな視野を持つ人材の活用なども考慮します。多様な人材が集まることで、新たなアイデアや知識が交流され、新たな成果を生み出す可能性が高まります。 今まで述べてきた方法はアナログ的な手法です。 これらの諸課題を解決するために、DX・AI・IoTを活用しては如何でしょうか。 次に、成形業界におけるDX・AI・IoT活用のポイントを見ていきます。 ３．成形業界におけるDX・AI・IoT活用のポイント AI・IoTと言われると、取っつきにくいと感じることもあるかと思います。 簡単に言えば、データを活用して、諸課題を解決していく手法です。 言い換えると技術のデータ化です。 ただこれらは、手段であり目的ではありません。 自社の目的を明確にして、進めていくことが重要であると考えます。 成形業界におけるDX・AI・IoTの活用は、 生産工程の効率化や改善 設備や装置の予知保全 成形ラインの生産性向上 作業時間の短縮と労働力の節約 品質管理の強化 製品開発の革新 など多岐にわたります。 もっと具体的に示すと、 各種センサーなどからリアルタイムでモニタリングをすることで、 下記の様な技術的・品質管理的なDXが進んでいます。 ◎生産現場 生産ラインの最適化 機械の稼働状況監視 品質データ収集により生産性の向上 遠隔モニタリングや遠隔操作で生産ラインの柔軟性と運用効率の向上 データ分析による異常検知や予知保全 成形条件の自動調整 ◎品質管理 品質の追跡管理 異常検知 不良品検出 自動的な品質分類 ◎技術継承や脱属人化 AIカメラでベテラン技術者の動作を撮影し解析 ◎製品開発 開発スピードと革新性が向上し、市場投入までの時間を短縮 ４．成形業界におけるDX・AI・IoT活用の今後 今後はDX、AI、IoTのさらなる普及と進化が予想されます。 AIはより高度な予知保全機能を備え、設備の故障を事前に検知してメンテナンスを行うシステムへと発展。 その結果として、製品品質の向上、生産効率の最適化、製品開発の高速化などが実現されていくでしょう。 自動化技術やAI、IoTを上手く活用することで、 冒頭の課題(技術継承・技術の属人化・人手不足など)を補うことができます。 しつこいですが、これらは手段であり目的ではありません。 自社の目的を明確にして、進めていくことが重要であると考えます。 活用方法など、お気軽にお問合せ下さい。 ■関連するセミナーのご案内 樹脂成型・ゴム成型工場の為の経営改善セミナー 品質UP！生産性UP！熟練者不足対策！技術の脱属人化＆技術継承！AI＆IoT活用！ セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/105866 このような方にオススメ 従業員200名以下で成型工程を持つ製造業 単品大量生産ではなく多品種少量生産の成型工程を持つ製造業 成型工程において職人の熟練技術に依存している製造業 職人技術・熟練技術の標準化・脱属人化＆技術継承を目指している成型製造業 品質管理に課題があり製品ロス率が高いと感じている成型製造業 ■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 2024/04/08 (月)　13:00~15:00 2024/04/10 (水)　13:00~15:00 2024/04/19 (金)　13:00~15:00 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/111326 無料ダウンロード！！ 2024年AI活用時流予測レポート ～今後の業界動向・トレンドを予測～ ▼事例レポート無料ダウンロードお申し込みはこちら▼ 目次 1、製造業AI業界の現状 2、2023年製造業AI業界はこうなる！ 3、2023年実践していただきたいこと 4、どの業務・工程でもAIは活用できる「業務別・工程別のAI活用」 5、国内中小製造業におけるAI導入事例 中小製造業のAI活用の最新事例と導入事例この1冊にまとめました。 AI活用術について「考え方」と「具体的な方法」を例を出して解説し、さらに導入事例を掲載することでAI活用の具体的な取り組み方が分かる資料になっております。 https://www.funaisoken.co.jp/dl-contents/jy-ai_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。 今回は成形業界の課題と解決方法と題して、述べさせて頂きます。 成形業界は、広範な産業において重要な役割を果たしています。 成形と言っても、樹脂・ゴム・鋳造・鍛造・プレスなど様々ございます。 業界に共通している様々な課題、取り組むべき方向性について探ってみましょう。 １．成形業界の課題 ◎技術継承 成形技術は、経験と知識に基づいた手法が多いため、ベテラン技術者の引退や 人材不足により技術継承の課題があります。 ◎技術の属人化 成形業界は、技術が属人化されています。 熟練技術者の経験や知識によって、問題がある程度解決できているため、 属人化が進んでしまい、工程の見える化が進んでいません。 ◎人手不足や技術者の高齢化 労働人口減少により、製造業従事者も減少しております。 それにより、生産性の低下・品質の低下・労働環境の悪化・競争力の低下・ 技術革新の遅れなど、様々な問題が起こっています。 製品の品質管理においても、適切な監視や検査が困難になる場合があります。十分な人手がいないことで、不良品の早期発見や品質のコントロールが難しくなります。 ◎環境への影響 成形プロセスに伴う廃棄物や排出物は、環境への負荷となる可能性がありま す。廃棄物の適切な処理やリサイクル、バイオプラスチックの研究開発など、 環境に配慮した取り組みが求められています。 ◎エネルギー消費の削減 成形には、高温や高圧の条件が必要なため、エネルギー消費が大きいという 課題があります。省エネルギー技術の導入やプロセスの最適化、 代替エネルギーの活用など、エネルギー効率を向上させる取り組みが必要です。 などなど課題を上げればきりがありません。 そのなかで、技術継承・属人化技術の解消・人手不足など、自社で取り組める課題に関して、簡単ではありますが考えられる解決策を述べさせて頂きます。 皆様の一助になればありがたいです。 ２．成形業界の課題に対する解決策 ◎技術継承や属人化技術の解消 ベテラン技術者の知識や経験の継承は、自社発展を支える重要な要素です。 技術継承を効果的に行うためには、知識やノウハウを文書化し、情報共有の仕組みを整備することが重要です。技術的な手順書や作業マニュアルを作成し、新たなメンバーに伝える際の参考資料として活用します。 キャリアパスの明確化も必要です。技術者が将来の成長やキャリアの展望を持つことで、継続的な学習やスキルの向上につながります。 ◎労働環境の改善や労働時間の見直し 従業員のワークライフバランスを向上させます。柔軟な労働時間制度や労働条件の改善は、従業員の満足度や生産性の向上につながる可能性があります。 異なるバックグラウンドや視点を持つ人材の採用や育成が必要です。新卒採用や中途採用の際には、様々なバックグラウンドを持つ人材を求めるようにしましょう。また、異業種からの転職者や外部の専門家との協業、グローバルな視野を持つ人材の活用なども考慮します。多様な人材が集まることで、新たなアイデアや知識が交流され、新たな成果を生み出す可能性が高まります。 今まで述べてきた方法はアナログ的な手法です。 これらの諸課題を解決するために、DX・AI・IoTを活用しては如何でしょうか。 次に、成形業界におけるDX・AI・IoT活用のポイントを見ていきます。 ３．成形業界におけるDX・AI・IoT活用のポイント AI・IoTと言われると、取っつきにくいと感じることもあるかと思います。 簡単に言えば、データを活用して、諸課題を解決していく手法です。 言い換えると技術のデータ化です。 ただこれらは、手段であり目的ではありません。 自社の目的を明確にして、進めていくことが重要であると考えます。 成形業界におけるDX・AI・IoTの活用は、 生産工程の効率化や改善 設備や装置の予知保全 成形ラインの生産性向上 作業時間の短縮と労働力の節約 品質管理の強化 製品開発の革新 など多岐にわたります。 もっと具体的に示すと、 各種センサーなどからリアルタイムでモニタリングをすることで、 下記の様な技術的・品質管理的なDXが進んでいます。 ◎生産現場 生産ラインの最適化 機械の稼働状況監視 品質データ収集により生産性の向上 遠隔モニタリングや遠隔操作で生産ラインの柔軟性と運用効率の向上 データ分析による異常検知や予知保全 成形条件の自動調整 ◎品質管理 品質の追跡管理 異常検知 不良品検出 自動的な品質分類 ◎技術継承や脱属人化 AIカメラでベテラン技術者の動作を撮影し解析 ◎製品開発 開発スピードと革新性が向上し、市場投入までの時間を短縮 ４．成形業界におけるDX・AI・IoT活用の今後 今後はDX、AI、IoTのさらなる普及と進化が予想されます。 AIはより高度な予知保全機能を備え、設備の故障を事前に検知してメンテナンスを行うシステムへと発展。 その結果として、製品品質の向上、生産効率の最適化、製品開発の高速化などが実現されていくでしょう。 自動化技術やAI、IoTを上手く活用することで、 冒頭の課題(技術継承・技術の属人化・人手不足など)を補うことができます。 しつこいですが、これらは手段であり目的ではありません。 自社の目的を明確にして、進めていくことが重要であると考えます。 活用方法など、お気軽にお問合せ下さい。 ■関連するセミナーのご案内 樹脂成型・ゴム成型工場の為の経営改善セミナー 品質UP！生産性UP！熟練者不足対策！技術の脱属人化＆技術継承！AI＆IoT活用！ セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/105866 このような方にオススメ 従業員200名以下で成型工程を持つ製造業 単品大量生産ではなく多品種少量生産の成型工程を持つ製造業 成型工程において職人の熟練技術に依存している製造業 職人技術・熟練技術の標準化・脱属人化＆技術継承を目指している成型製造業 品質管理に課題があり製品ロス率が高いと感じている成型製造業 ■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 2024/04/08 (月)　13:00~15:00 2024/04/10 (水)　13:00~15:00 2024/04/19 (金)　13:00~15:00 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/111326 無料ダウンロード！！ 2024年AI活用時流予測レポート ～今後の業界動向・トレンドを予測～ ▼事例レポート無料ダウンロードお申し込みはこちら▼ 目次 1、製造業AI業界の現状 2、2023年製造業AI業界はこうなる！ 3、2023年実践していただきたいこと 4、どの業務・工程でもAIは活用できる「業務別・工程別のAI活用」 5、国内中小製造業におけるAI導入事例 中小製造業のAI活用の最新事例と導入事例この1冊にまとめました。 AI活用術について「考え方」と「具体的な方法」を例を出して解説し、さらに導入事例を掲載することでAI活用の具体的な取り組み方が分かる資料になっております。 https://www.funaisoken.co.jp/dl-contents/jy-ai_S045

IoT化で自社製品を高付加価値化・差別化するための開発のポイントについて、わかりやすく説明させていただきます。 自社製品を高付加価値化・差別化するための開発ポイントと、無線化する際のポイントを以下に示します。 １．自社製品をIoT化する目的 自社製品をIoT化する目的は、IoT技術の活用により、製品の価値を高め、事業の成長と競争力の強化を実現し製品の高付加価値化、差別化を実現することです。 具体的には下記６つのポイントを考慮しながらそれをどのように実現するのか？を検討します。 ①市場競争力の強化 IoT化により、製品の機能や性能を向上させ、市場での競争力を強化します。 顧客ニーズに合った新しい機能やサービスを提供することで、競合他社との差別化を図ります。 ②顧客満足度の向上 IoT化された製品は、顧客の利便性や体験を向上させることができます。 製品のリモートモニタリングや制御、サービスの提供などにより、顧客満足度を高めます。 ③新たなビジネスモデルの構築 IoT化により、製品とサービスを組み合わせた新たなビジネスモデルを構築することが可能です。 例えば、製品の購入ではなくサブスクリプションモデルやサービス提供モデルを導入することで、持続的な収益を生み出します。 ④生産性と効率性の向上を提供 IoT化された製品は、リアルタイムデータの収集や分析を通じて生産性と効率性を向上させることができます。 この製品のユーザーは生産プロセスの最適化やトラブルの早期検出により、製造工程全体の効率を向上させることが可能になります。 ⑤製品ライフサイクル管理の改善を提供 IoT化により、製品の使用状況や性能をリアルタイムでモニタリングし、製品ライフサイクル全体を管理することが可能です。 この製品のユーザーは製品のメンテナンスやサポートを効率化し、製品の寿命を延ばし巣ことが可能になります。 ⑥持続可能性と環境への配慮を提供 IoT化された製品は、エネルギー消費や資源利用の最適化に貢献します。 この製品のユーザーはリアルタイムデータを活用して、生産プロセスや製品の設計を持続可能な方向に改善し、環境への配慮を促進します。 ２．IoT化による製品開発のポイント 自社製品をIoT化する際の開発のポイントは主に5項目です。 自社製品のみで実現、他社製品やシステムと組み合わせて実現など、ユーザーに選択肢をもたせながら ユーザーに対して提案していきます。 また、IoT化を行う際、無線技術を用いるケースが増えています。 本コラムでは無線化（ワイヤレス化）のポイントも併せて説明します。 ①顧客ニーズの理解 顧客のニーズや要求を的確に把握し、そのニーズに応えるような製品を設計します。顧客の課題や痛点を解決する製品を提供することが重要です。 ②センサー技術の活用 センサー技術を使用して製品の状態や環境をモニタリングし、リアルタイムのデータを収集します。 このデータを分析して製品の改善や新しい機能の開発に活用します。 ③リモートモニタリングと制御 IoT化された製品はリモートからモニタリングや制御が可能です。 顧客が製品の状態を遠隔地から確認し、必要に応じて操作できるようにします。 ④データドリブンなアプローチ IoT化された製品は大量のデータを生成します。 このデータを分析して製品の使用状況やパフォーマンスを理解し、製品の改善に役立てます。 ⑤サービスの提供 IoT化された製品には、付加価値の高いサービスを提供します。 定期的なメンテナンスや予防保守、リアルタイムのトラブルシューティングサポートなどを提供します。 次に、“無線化する際のポイント“に関しても説明します。 製品の運用方法、使用環境（屋内、屋外）、通信距離、伝送するデータ量や通信頻度、電源の有無、電池駆動の場合電池寿命等を考慮しながら最適な無線技術を選択する必要があります。 主なポイントは下記6点です。 ①通信プロトコルの選定 使用環境や要件に応じて適切な無線通信プロトコルを選定します。 例えば、Wi-Fi、Bluetooth、Zigbee、LoRaWANなどが選択肢となります。 ②電力消費の最適化 バッテリー駆動の場合、電力消費を最小限に抑える設計が重要です。 前述①にも関係しますが、省電力の通信プトロコル選択や通信頻度、運用方法を検討し効率的な電力管理を行う必要があります。 ③通信の安定性と範囲 通信範囲やデータ伝送の安定性を考慮し、適切なアンテナ設計や通信モジュールの配置を行います。 組み込みの状態や使用環境による影響を最小限に抑えるための工夫が必要です。 ④セキュリティ 無線通信はセキュリティリスクを伴います。 適切な暗号化技術や認証メカニズムを使用して、データの安全性を確保します。 一般的には各通信プロトコルが実装しているセキュリティを使用しますが、よりセキュリティを高めるため アプリケーションレベルでのセキュリティを実装する場合もあります。 ⑤規制要件の遵守 使用する無線技術や周波数帯域に関する規制要件を遵守し、適切な認証や認定を取得します。 法規制や業界規格に準拠することが重要です。 日本で使用する場合、日本国の電波法に従う義務があります。 そのため、技術適合証明や工事認証の取得が必要になります。 また、輸出等を行う場合、輸出先の国の電波法に準拠する必要があります。 ⑦実証試験とフィードバック 実際の使用環境でのテストを通じて、無線通信のパフォーマンスを評価し、改善点を特定します。 フィールドテストの結果、顧客からのフィードバックを収集し、製品の改善に活用します。 以上、説明したこれらのポイントを考慮して、自社製品のIoT化を行いし、必要に応じて無線通信を実装することにより、自社製品の高付加価値化、他社製品との差別化を実現します。 ３．まとめ 今回のコラムでは、“IoT化で自社製品を高付加価値化・差別化するための開発のポイント”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。 本コラムの内容に関して、ダウンロードレポートや関連セミナーでより詳細の内容や事例を紹介しています。 併せてご参考にし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開発支援が必要といった場合は、お気軽に弊社にご相談ください。 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 中堅・中小設計開発メーカーのAI・IoTを活用した開発戦略 AI・IoT対応製品を新規開発して高付加価値＆差別化した製品開発を目指そう！ セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/111543 このような方にオススメ 自社製品を設計開発・製造している従業員30～500名の設計開発・製品製造メーカー 自社製品の付加価値をもっと高めたいと感じている設計開発・製品製造メーカー 同業他社と比べて自社製品をもっと差別化したいと感じている設計開発・製品製造メーカー AI・IoTを活用した新製品開発とはどのように進めるのか関心のある設計開発・製品製造メーカー AI・IoTを活用した新製品開発の他社事例を学びたい設計開発・製品製造メーカー ■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 2024/04/11 (木)　13:00~15:00 2024/04/12 (金)　13:00~15:00 2024/04/17 (水)　13:00~15:00 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/111543   経営者向けIoT化による高付加価値化・差別化製品開発解説レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ レポートの内容 自社製品をワイヤレスIoT化し高付加価値化・差別化を行うためのポイントを解説 IoT化の目的 無線技術を使用したIoT化の方法 無線技術を使用する際に考慮が必要な電波法・認証 を中心にポイントを１冊にまとめています。 https://www.funaisoken.co.jp/dl-contents/smart-factory_smart-factory_02477_S045 IoT化で自社製品を高付加価値化・差別化するための開発のポイントについて、わかりやすく説明させていただきます。 自社製品を高付加価値化・差別化するための開発ポイントと、無線化する際のポイントを以下に示します。 １．自社製品をIoT化する目的 自社製品をIoT化する目的は、IoT技術の活用により、製品の価値を高め、事業の成長と競争力の強化を実現し製品の高付加価値化、差別化を実現することです。 具体的には下記６つのポイントを考慮しながらそれをどのように実現するのか？を検討します。 ①市場競争力の強化 IoT化により、製品の機能や性能を向上させ、市場での競争力を強化します。 顧客ニーズに合った新しい機能やサービスを提供することで、競合他社との差別化を図ります。 ②顧客満足度の向上 IoT化された製品は、顧客の利便性や体験を向上させることができます。 製品のリモートモニタリングや制御、サービスの提供などにより、顧客満足度を高めます。 ③新たなビジネスモデルの構築 IoT化により、製品とサービスを組み合わせた新たなビジネスモデルを構築することが可能です。 例えば、製品の購入ではなくサブスクリプションモデルやサービス提供モデルを導入することで、持続的な収益を生み出します。 ④生産性と効率性の向上を提供 IoT化された製品は、リアルタイムデータの収集や分析を通じて生産性と効率性を向上させることができます。 この製品のユーザーは生産プロセスの最適化やトラブルの早期検出により、製造工程全体の効率を向上させることが可能になります。 ⑤製品ライフサイクル管理の改善を提供 IoT化により、製品の使用状況や性能をリアルタイムでモニタリングし、製品ライフサイクル全体を管理することが可能です。 この製品のユーザーは製品のメンテナンスやサポートを効率化し、製品の寿命を延ばし巣ことが可能になります。 ⑥持続可能性と環境への配慮を提供 IoT化された製品は、エネルギー消費や資源利用の最適化に貢献します。 この製品のユーザーはリアルタイムデータを活用して、生産プロセスや製品の設計を持続可能な方向に改善し、環境への配慮を促進します。 ２．IoT化による製品開発のポイント 自社製品をIoT化する際の開発のポイントは主に5項目です。 自社製品のみで実現、他社製品やシステムと組み合わせて実現など、ユーザーに選択肢をもたせながら ユーザーに対して提案していきます。 また、IoT化を行う際、無線技術を用いるケースが増えています。 本コラムでは無線化（ワイヤレス化）のポイントも併せて説明します。 ①顧客ニーズの理解 顧客のニーズや要求を的確に把握し、そのニーズに応えるような製品を設計します。顧客の課題や痛点を解決する製品を提供することが重要です。 ②センサー技術の活用 センサー技術を使用して製品の状態や環境をモニタリングし、リアルタイムのデータを収集します。 このデータを分析して製品の改善や新しい機能の開発に活用します。 ③リモートモニタリングと制御 IoT化された製品はリモートからモニタリングや制御が可能です。 顧客が製品の状態を遠隔地から確認し、必要に応じて操作できるようにします。 ④データドリブンなアプローチ IoT化された製品は大量のデータを生成します。 このデータを分析して製品の使用状況やパフォーマンスを理解し、製品の改善に役立てます。 ⑤サービスの提供 IoT化された製品には、付加価値の高いサービスを提供します。 定期的なメンテナンスや予防保守、リアルタイムのトラブルシューティングサポートなどを提供します。 次に、“無線化する際のポイント“に関しても説明します。 製品の運用方法、使用環境（屋内、屋外）、通信距離、伝送するデータ量や通信頻度、電源の有無、電池駆動の場合電池寿命等を考慮しながら最適な無線技術を選択する必要があります。 主なポイントは下記6点です。 ①通信プロトコルの選定 使用環境や要件に応じて適切な無線通信プロトコルを選定します。 例えば、Wi-Fi、Bluetooth、Zigbee、LoRaWANなどが選択肢となります。 ②電力消費の最適化 バッテリー駆動の場合、電力消費を最小限に抑える設計が重要です。 前述①にも関係しますが、省電力の通信プトロコル選択や通信頻度、運用方法を検討し効率的な電力管理を行う必要があります。 ③通信の安定性と範囲 通信範囲やデータ伝送の安定性を考慮し、適切なアンテナ設計や通信モジュールの配置を行います。 組み込みの状態や使用環境による影響を最小限に抑えるための工夫が必要です。 ④セキュリティ 無線通信はセキュリティリスクを伴います。 適切な暗号化技術や認証メカニズムを使用して、データの安全性を確保します。 一般的には各通信プロトコルが実装しているセキュリティを使用しますが、よりセキュリティを高めるため アプリケーションレベルでのセキュリティを実装する場合もあります。 ⑤規制要件の遵守 使用する無線技術や周波数帯域に関する規制要件を遵守し、適切な認証や認定を取得します。 法規制や業界規格に準拠することが重要です。 日本で使用する場合、日本国の電波法に従う義務があります。 そのため、技術適合証明や工事認証の取得が必要になります。 また、輸出等を行う場合、輸出先の国の電波法に準拠する必要があります。 ⑦実証試験とフィードバック 実際の使用環境でのテストを通じて、無線通信のパフォーマンスを評価し、改善点を特定します。 フィールドテストの結果、顧客からのフィードバックを収集し、製品の改善に活用します。 以上、説明したこれらのポイントを考慮して、自社製品のIoT化を行いし、必要に応じて無線通信を実装することにより、自社製品の高付加価値化、他社製品との差別化を実現します。 ３．まとめ 今回のコラムでは、“IoT化で自社製品を高付加価値化・差別化するための開発のポイント”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。 本コラムの内容に関して、ダウンロードレポートや関連セミナーでより詳細の内容や事例を紹介しています。 併せてご参考にし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開発支援が必要といった場合は、お気軽に弊社にご相談ください。 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 中堅・中小設計開発メーカーのAI・IoTを活用した開発戦略 AI・IoT対応製品を新規開発して高付加価値＆差別化した製品開発を目指そう！ セミナー詳細・申込はこちらから https://www.funaisoken.co.jp/seminar/111543 このような方にオススメ 自社製品を設計開発・製造している従業員30～500名の設計開発・製品製造メーカー 自社製品の付加価値をもっと高めたいと感じている設計開発・製品製造メーカー 同業他社と比べて自社製品をもっと差別化したいと感じている設計開発・製品製造メーカー AI・IoTを活用した新製品開発とはどのように進めるのか関心のある設計開発・製品製造メーカー AI・IoTを活用した新製品開発の他社事例を学びたい設計開発・製品製造メーカー ■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 2024/04/11 (木)　13:00~15:00 2024/04/12 (金)　13:00~15:00 2024/04/17 (水)　13:00~15:00 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/111543   経営者向けIoT化による高付加価値化・差別化製品開発解説レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ レポートの内容 自社製品をワイヤレスIoT化し高付加価値化・差別化を行うためのポイントを解説 IoT化の目的 無線技術を使用したIoT化の方法 無線技術を使用する際に考慮が必要な電波法・認証 を中心にポイントを１冊にまとめています。 https://www.funaisoken.co.jp/dl-contents/smart-factory_smart-factory_02477_S045

製造現場では必須の生産計画ですが、最近では生産計画を自動立案する『スケジューラ』というものを様々なベンダーがシステム提供しています。 スケジューラの導入効果は非常に大きなものがありますが、導入に成功したという事例をなかなか耳にしません。 実は導入までには多くのハードルが存在し、乗り越えるためには非常にたくさんの労力が必要となるからです。 １．生産計画とは "生産計画とは、企業が製品やサービスを効率的に生産するために立てる計画です。 生産計画では、需要予測や在庫状況、生産能力などを考慮して、どの製品をいつ、どれくらいの量で生産するのかを決定します。 その生産計画は次のような目的を持っています。 需要の予測と調整、製品の生産効率化、リードタイムの管理、在庫管理などです。 生産計画は会社の経営戦略や目標と密接に関連しており、効率的な生産と顧客満足を両立するために重要な役割を果たしています。 また、生産計画は日々の生産活動を効果的に管理し、企業の生産性を向上させるための基礎となるものです。 ２．そもそも生産計画の立案は難しい "多くの製造現場で生産計画の立案は属人化されている場合が多いです。 なぜなら、生産計画の立案は非常に複雑なのです。 まず外部の需要面では客先要望やニーズの変化に対応が必須です。 また内部の供給面では段取りや設備、人員、在庫など幅広い知識が必要です。 この両面を持ち合わせている人材は少ないので、どうしても生産計画の立案業務が限られた人材に依存しやすくなるという問題が生じます。 この問題を解決するためのシステムが『スケジューラ』です。 ３．スケジューラのメリット スケジューラのシステムを使って計画の自動作成には次のようなメリットがあります。 計画作成の効率化・標準化や計画の精度向上とサイクル短縮。 そのほか計画の見える化や情報共有などがあり、さらに原材料手配の適正化やリードタイム短縮、在庫削減などにも良い影響を与えます。 ４．導入へのハードル これだけメリットがあるスケジューラですが、生産計画は様々な企業の工程や生産ラインを個別に考慮する必要があるので非常に複雑なシステムになります。 一般的なスケジューラを導入する企業からすると、自社には必要のない機能も多く存在することとなり、現場から「運用しにくい」と声が上がります。 また、導入には非常に長い期間を要します。 製造リードタイム、人員、設備などの制約条件を入力します。 しかし、工程担当者の熟練の暗黙知などの制約条件の抜け漏れがあり試運用を繰り返します。 このあたりがスケジューラ導入の最も難しいところとなります。 さらに、一般的なスケジューラは汎用的であるため、全てを現状に合わせようとするとどうしてもカスタマイズが必要となり費用がかさみます。 導入検討時にはシステムの把握が必要です。 仮に、ようやく導入にこぎつけてもそれで終わりではありません。 新製品や製造方法の変更、いわゆる４M変更などにより制約条件は変更しスケジューラのマスタ変更も必要になります。 ５．まとめ いかがでしょう？ スケジューラ導入に関する理解が少しでも深まりましたか？ スケジューラは非常に便利で良い効果をもたらしますが導入にはいくつものハードルがあり乗り越えるにはかなりの労力を要します。 ハードルの乗り越え方や上記内容の詳細について、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会社での生産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   無料ダウンロード！！2024年AI活用時流予測レポート ～今後の業界動向・トレンドを予測～ ▼事例レポート無料ダウンロードお申し込みはこちら▼ 目次 1、製造業AI業界の現状 2、2023年製造業AI業界はこうなる！ 3、2023年実践していただきたいこと 4、どの業務・工程でもAIは活用できる「業務別・工程別のAI活用」 5、国内中小製造業におけるAI導入事例 中小製造業のAI活用の最新事例と導入事例この1冊にまとめました。 AI活用術について「考え方」と「具体的な方法」を例を出して解説し、さらに導入事例を掲載することでAI活用の具体的な取り組み方が分かる資料になっております。 https://www.funaisoken.co.jp/dl-contents/jy-ai_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。 製造現場では必須の生産計画ですが、最近では生産計画を自動立案する『スケジューラ』というものを様々なベンダーがシステム提供しています。 スケジューラの導入効果は非常に大きなものがありますが、導入に成功したという事例をなかなか耳にしません。 実は導入までには多くのハードルが存在し、乗り越えるためには非常にたくさんの労力が必要となるからです。 １．生産計画とは "生産計画とは、企業が製品やサービスを効率的に生産するために立てる計画です。 生産計画では、需要予測や在庫状況、生産能力などを考慮して、どの製品をいつ、どれくらいの量で生産するのかを決定します。 その生産計画は次のような目的を持っています。 需要の予測と調整、製品の生産効率化、リードタイムの管理、在庫管理などです。 生産計画は会社の経営戦略や目標と密接に関連しており、効率的な生産と顧客満足を両立するために重要な役割を果たしています。 また、生産計画は日々の生産活動を効果的に管理し、企業の生産性を向上させるための基礎となるものです。 ２．そもそも生産計画の立案は難しい "多くの製造現場で生産計画の立案は属人化されている場合が多いです。 なぜなら、生産計画の立案は非常に複雑なのです。 まず外部の需要面では客先要望やニーズの変化に対応が必須です。 また内部の供給面では段取りや設備、人員、在庫など幅広い知識が必要です。 この両面を持ち合わせている人材は少ないので、どうしても生産計画の立案業務が限られた人材に依存しやすくなるという問題が生じます。 この問題を解決するためのシステムが『スケジューラ』です。 ３．スケジューラのメリット スケジューラのシステムを使って計画の自動作成には次のようなメリットがあります。 計画作成の効率化・標準化や計画の精度向上とサイクル短縮。 そのほか計画の見える化や情報共有などがあり、さらに原材料手配の適正化やリードタイム短縮、在庫削減などにも良い影響を与えます。 ４．導入へのハードル これだけメリットがあるスケジューラですが、生産計画は様々な企業の工程や生産ラインを個別に考慮する必要があるので非常に複雑なシステムになります。 一般的なスケジューラを導入する企業からすると、自社には必要のない機能も多く存在することとなり、現場から「運用しにくい」と声が上がります。 また、導入には非常に長い期間を要します。 製造リードタイム、人員、設備などの制約条件を入力します。 しかし、工程担当者の熟練の暗黙知などの制約条件の抜け漏れがあり試運用を繰り返します。 このあたりがスケジューラ導入の最も難しいところとなります。 さらに、一般的なスケジューラは汎用的であるため、全てを現状に合わせようとするとどうしてもカスタマイズが必要となり費用がかさみます。 導入検討時にはシステムの把握が必要です。 仮に、ようやく導入にこぎつけてもそれで終わりではありません。 新製品や製造方法の変更、いわゆる４M変更などにより制約条件は変更しスケジューラのマスタ変更も必要になります。 ５．まとめ いかがでしょう？ スケジューラ導入に関する理解が少しでも深まりましたか？ スケジューラは非常に便利で良い効果をもたらしますが導入にはいくつものハードルがあり乗り越えるにはかなりの労力を要します。 ハードルの乗り越え方や上記内容の詳細について、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会社での生産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   無料ダウンロード！！2024年AI活用時流予測レポート ～今後の業界動向・トレンドを予測～ ▼事例レポート無料ダウンロードお申し込みはこちら▼ 目次 1、製造業AI業界の現状 2、2023年製造業AI業界はこうなる！ 3、2023年実践していただきたいこと 4、どの業務・工程でもAIは活用できる「業務別・工程別のAI活用」 5、国内中小製造業におけるAI導入事例 中小製造業のAI活用の最新事例と導入事例この1冊にまとめました。 AI活用術について「考え方」と「具体的な方法」を例を出して解説し、さらに導入事例を掲載することでAI活用の具体的な取り組み方が分かる資料になっております。 https://www.funaisoken.co.jp/dl-contents/jy-ai_S045

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