AI CONSULTING COLUMN AI・デジタル・IoT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

製造業のスマートファクトリー

2023.03.17

今回は生産技術職を経験した立場から、 ものづくり企業のスマートファクトリーの進め方を述べさせて頂きます。 インターネット等でスマートファクトリーと調べると、大手企業や先進企業の取り組みや事例が 紹介されていることが多いです。 展示会に行っても、最新情報に溢れ、何から始めればよいか分からない場合が多いです。 私が感じているのは、下記のような方がまだまだ多いのではないでしょうか。 そもそも、そこまでスマートファクトリーの必要性を感じていないし、どの様なメリット・デメリットが あるか分からない。 自社の現状を考えると、スマートファクトリー化の前にやるべき課題が山積みになっている。 例えば、 ①業務・工程改善に向けて各種データの収集は行っているが、データ収集の目的が明確になっていない。  目的が伝わっていると思っているのは経営者・経営層のみ。 ②データを集めてはみたが活用されていない。  データをどの様に活用すればよいか分からない。 ③属人化された工程が多く、多能工化を目指し始めたばかりである。 ④最近やっと3DCADを導入したばかり。 まずは、スマートファクトリーとは何か、どのようなメリット・デメリットがあるのか、どのような手順で進めるか を理解することが大切であると思います。 簡単ではございますが、説明をさせて頂きます。 1.スマートファクトリーとは ものづくり企業のスマートファクトリーに関しては、2017年に経済産業省から‘スマートファクトリーロードマップ(第4次産業革命に対応したものづくりの実現に向けて)’が発行されています。 スマートファクトリーの基となっているのは、2011年にドイツ政府が発表した‘インダストリー4.0’という概念です。 スマートファクトリーとは、AI(Artificial Intelligence)やIoT(Internet of Things)などのデジタル技術を活用し、生産性が高く効率的な工場のことです。 デジタル技術の活用により、高品質・高付加価値な製品を低コストかつ短期間で効率的に製造することが可能になると言われています。 人間・機械などの企業資源が互いに通信し、自動化・効率化を目指すことです。 2.スマートファクトリーのメリット ①工場の見える化や自動化  生産性の高い工程・低い工程を把握し改善を行う、人手作業を自動作業へ改善することができます。 ②収集したデータを活用し生産性向上、品質改善  ただデータを収集するのではなく、データを様々なことに活用することができます。 ③AIやIoTによる最適なオペレーションの実現とコスト削減  機械・設備・人の最適化が実現することで、様々なコスト削減にもつながります。 ④人手不足の解消  労働人口が減っているなかで、人手不足の解消にもつながります。 上記の通り、様々なメリットがあります。 しかし、スマートファクトリー化における課題があることも事実です。 ではスマートファクトリー化における課題とはどのようなことがあるでしょうか? 3.スマートファクトリーにおける課題 ①デジタル人材の確保、育成。  デジタル人材はどの業界でも不足しています。また人材育成には時間がかかります。 ②初期費用の確保  初期投資に莫大な費用がかかる場合がございます。 ③雇用機会の消失  メリットとにもデメリットにもなり得ます。  デジタル人材以外は雇用機会の消失につながる恐れがあります。 4.手順 ①自社の現状把握  自社の現状を直視し、現状をしっかりと把握する必要があります。 ②自社工程の中でも何を最も改善したいのか  数ある工程の中で、どこが一番の問題なのか、どの工程を改善したいのかを明確にします。 ③あるべき姿を明確に  自社のあるべき姿を明確にして、全社で意思統一をし同じ方向に進んでいく必要があります。 ④強い意志とリーダーシップの発揮  強い意志を持った方がリーダーとなり、リーダーシップを発揮して推進する必要があります。 5.まとめ 簡単ではありますが、スマートファクトリーに関して述べさせて頂きました。 色々と述べてきましたが、見える化の推進・業務改善・工程改善をデジタル技術を活用し進めることがスマートファクトリーです。 ただ注意しなければならないのは、ただ単にシステム導入や自動化を進めることに注力しすぎると、手段が目的となってしまい、上手く進まなくなってしまいます。 スマートファクトリーを実現するのは簡単なことではありません。 一気に進めるのではなく、改善したい工程を抽出し、少しずつ改善を進めていって下さい。 推進するためには、全社で同じ方向を向き、強い意志を持って進めていくことが大切であると思います。 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。 最後までお読み頂きましてありがとうございました。   無料ダウンロード!!【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▼ https://www.funaisoken.co.jp/dl-contents/smart-factory_smart-factory_01539 スマートファクトリーの第一歩!! 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! ■「こうなりたい!」と思っている経営者様におすすめ 協働ロボットを活用して生産性を向上させたいと思っている製造業の経営者様 協働ロボットを活用して人手を増やさずに売り上げをUPさせたいと思っている製造業の経営者様 協働ロボットを活用して熟練職人の技術を継承したいと思っている製造業の経営者様 協働ロボットを活用して人手不足を解消したいと思っている製造業の経営者様 https://www.funaisoken.co.jp/dl-contents/smart-factory_smart-factory_01539   ■無料ダウンロード 多品種少量生産の塗装工程ロボット活用!社長セミナー 無料ダウンロードはこちらから https://www.funaisoken.co.jp/seminar/095685 ■このような方にオススメ 多品種少量生産で塗装工程を持つ金属・樹脂加工業の社長様 塗装工程の自動化・ロボット化・省力化を実現したいと思っている社長様 職人の手塗に依存していて塗装工程の属人化が課題と感じている社長様 塗装工程の職人不足を解決したいと感じている社長様 塗装工程に限らず、多くの工程で自動化・省人化・生産性UPしたい社長様 ■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 2023/03/07 (火) 13:00~15:00 2023/03/09 (木) 13:00~15:00 2023/03/13 (月) 13:00~15:00 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/095685 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。 今回は生産技術職を経験した立場から、 ものづくり企業のスマートファクトリーの進め方を述べさせて頂きます。 インターネット等でスマートファクトリーと調べると、大手企業や先進企業の取り組みや事例が 紹介されていることが多いです。 展示会に行っても、最新情報に溢れ、何から始めればよいか分からない場合が多いです。 私が感じているのは、下記のような方がまだまだ多いのではないでしょうか。 そもそも、そこまでスマートファクトリーの必要性を感じていないし、どの様なメリット・デメリットが あるか分からない。 自社の現状を考えると、スマートファクトリー化の前にやるべき課題が山積みになっている。 例えば、 ①業務・工程改善に向けて各種データの収集は行っているが、データ収集の目的が明確になっていない。  目的が伝わっていると思っているのは経営者・経営層のみ。 ②データを集めてはみたが活用されていない。  データをどの様に活用すればよいか分からない。 ③属人化された工程が多く、多能工化を目指し始めたばかりである。 ④最近やっと3DCADを導入したばかり。 まずは、スマートファクトリーとは何か、どのようなメリット・デメリットがあるのか、どのような手順で進めるか を理解することが大切であると思います。 簡単ではございますが、説明をさせて頂きます。 1.スマートファクトリーとは ものづくり企業のスマートファクトリーに関しては、2017年に経済産業省から‘スマートファクトリーロードマップ(第4次産業革命に対応したものづくりの実現に向けて)’が発行されています。 スマートファクトリーの基となっているのは、2011年にドイツ政府が発表した‘インダストリー4.0’という概念です。 スマートファクトリーとは、AI(Artificial Intelligence)やIoT(Internet of Things)などのデジタル技術を活用し、生産性が高く効率的な工場のことです。 デジタル技術の活用により、高品質・高付加価値な製品を低コストかつ短期間で効率的に製造することが可能になると言われています。 人間・機械などの企業資源が互いに通信し、自動化・効率化を目指すことです。 2.スマートファクトリーのメリット ①工場の見える化や自動化  生産性の高い工程・低い工程を把握し改善を行う、人手作業を自動作業へ改善することができます。 ②収集したデータを活用し生産性向上、品質改善  ただデータを収集するのではなく、データを様々なことに活用することができます。 ③AIやIoTによる最適なオペレーションの実現とコスト削減  機械・設備・人の最適化が実現することで、様々なコスト削減にもつながります。 ④人手不足の解消  労働人口が減っているなかで、人手不足の解消にもつながります。 上記の通り、様々なメリットがあります。 しかし、スマートファクトリー化における課題があることも事実です。 ではスマートファクトリー化における課題とはどのようなことがあるでしょうか? 3.スマートファクトリーにおける課題 ①デジタル人材の確保、育成。  デジタル人材はどの業界でも不足しています。また人材育成には時間がかかります。 ②初期費用の確保  初期投資に莫大な費用がかかる場合がございます。 ③雇用機会の消失  メリットとにもデメリットにもなり得ます。  デジタル人材以外は雇用機会の消失につながる恐れがあります。 4.手順 ①自社の現状把握  自社の現状を直視し、現状をしっかりと把握する必要があります。 ②自社工程の中でも何を最も改善したいのか  数ある工程の中で、どこが一番の問題なのか、どの工程を改善したいのかを明確にします。 ③あるべき姿を明確に  自社のあるべき姿を明確にして、全社で意思統一をし同じ方向に進んでいく必要があります。 ④強い意志とリーダーシップの発揮  強い意志を持った方がリーダーとなり、リーダーシップを発揮して推進する必要があります。 5.まとめ 簡単ではありますが、スマートファクトリーに関して述べさせて頂きました。 色々と述べてきましたが、見える化の推進・業務改善・工程改善をデジタル技術を活用し進めることがスマートファクトリーです。 ただ注意しなければならないのは、ただ単にシステム導入や自動化を進めることに注力しすぎると、手段が目的となってしまい、上手く進まなくなってしまいます。 スマートファクトリーを実現するのは簡単なことではありません。 一気に進めるのではなく、改善したい工程を抽出し、少しずつ改善を進めていって下さい。 推進するためには、全社で同じ方向を向き、強い意志を持って進めていくことが大切であると思います。 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。 最後までお読み頂きましてありがとうございました。   無料ダウンロード!!【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▼ https://www.funaisoken.co.jp/dl-contents/smart-factory_smart-factory_01539 スマートファクトリーの第一歩!! 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! ■「こうなりたい!」と思っている経営者様におすすめ 協働ロボットを活用して生産性を向上させたいと思っている製造業の経営者様 協働ロボットを活用して人手を増やさずに売り上げをUPさせたいと思っている製造業の経営者様 協働ロボットを活用して熟練職人の技術を継承したいと思っている製造業の経営者様 協働ロボットを活用して人手不足を解消したいと思っている製造業の経営者様 https://www.funaisoken.co.jp/dl-contents/smart-factory_smart-factory_01539   ■無料ダウンロード 多品種少量生産の塗装工程ロボット活用!社長セミナー 無料ダウンロードはこちらから https://www.funaisoken.co.jp/seminar/095685 ■このような方にオススメ 多品種少量生産で塗装工程を持つ金属・樹脂加工業の社長様 塗装工程の自動化・ロボット化・省力化を実現したいと思っている社長様 職人の手塗に依存していて塗装工程の属人化が課題と感じている社長様 塗装工程の職人不足を解決したいと感じている社長様 塗装工程に限らず、多くの工程で自動化・省人化・生産性UPしたい社長様 ■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 2023/03/07 (火) 13:00~15:00 2023/03/09 (木) 13:00~15:00 2023/03/13 (月) 13:00~15:00 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/095685

製造業DXの第一歩~RPAソフトの活用~

2023.03.17

DXを社内に取り入れることは、教育面においてもシステム導入面においても投資対効果が見合うまでのリードタイムが1年~数年単位と長いため、様々なサイトに掲載されている記事のようにうまく行くことは稀であるというのが現状です。 しかし、そんな中でも近年は社内でDXを内製化できるようなソフトが価格を下げて市場に出てくるようになりました。それが「RPAソフト」です。 今回は、RPAソフトの実際の活用場面を例として挙げ、 ① RPA構築の障壁の低さ ② RPA構築時に注意すべき事項 を説明していきます。 1.製造業におけるRPAソフト活用取組事例 A社では、システム(以下、別システム)を新たに導入したものの、基幹システムとのデータ連携において、すべて手作業で行っておりました。 基幹システム側をカスタマイズして、データ出力機能を追加する方法も検討したのですが、カスタマイズ費用と業務内容を比較すると費用対効果が見合わなく、仕方なく手作業で対応している状況でした。 実際に行っている作業は、大きく以下の5ステップです。 i. 基幹システムへログイン ii. 必要な条件を選択してデータファイル出力 iii. 別システムへログイン iv. データファイル入力 v. データ更新 これを午前と午後で1日2回行っておりました。 本来ならば別システムのデータ更新は1時間に1回ほどのペースで更新したいが、手作業であるため実現することができず、別システムの機能も十分に活用できていない状況であったのですが、そこでRPAを活用することを提案し、実現に向けての取り組みを行うことになりました。 上記に記載したフローチャート整理と、ある程度の筋道さえできてしまえば、プログラミングの知識が全くない方でも、PC操作に抵抗のない方であれば、構築が出来るようになります。今回のプロジェクトの進め方では、業務ヒアリングからフローチャート整理、RPA構築のアドバイスのみで構築ができるようになりました。 この事例による効果は、RPA構築による対象業務効率化だけではなく、RPAを構築することができるという成功体験が副次的な効果となります。 アフターフォローとして、同じような業務の棚卸を行い、RPAによる構築ができないかを検討するところまで行います。 これにより、システム開発等は出来ないものの、RPAによる業務効率化が出来るDX人材の育成が完了する、という取り組みを現在行っております。 2.なぜRPA活用は障壁が低いのか RPA活用の障壁の低さの理由は大きく2つあります。 1つ目は、前項で記載した事例ように、RPAはプログラミングのような大規模な専門知識を必要とせず、日本語や英語で記載されているパーツを組み立てるだけで構築できてしまうものであるためです。 さらに、最近のソフトでは、単純業務などの自動化に関しては、画面録画機能を使って自動で構築してしまうようなものもあるのです。 PC操作に抵抗のない方であれば、最短1日でRPAの構築が出来るようになることもあります。 2つ目は、単純業務自動化に特化している為です。 プログラミングは、規模の大きさに比例して、プログラミングによる業務効率化の価値が向上していきますが、規模の小さいシステム(単純業務や単純な計算作業等)においては開発対効果を発揮しにくい側面があります。 そのプログラミングの弱点のような部分を補足できるのがRPAとなるのです。 システム会社に依頼するほどでもないが、1日の業務の中で時間の占める割合が多い業務の自動化はRPAの活用を一度検討してみてください。 3.RPA構築時に注意すべき事項 今まで、RPAが如何に容易に構築することができるのかを説明してきましたが、1点注意すべき事項があります。 それは、管理者のいないRPAが業務に組み込まれないようにすることです。 管理者のいないRPAが業務に組み込まれてしまうと、作成者が不明となってしまうため、仮にRPAのカスタマイズや入れ替え等が必要になったときに対応できる人がいなくなってしまいます。 そのためRPA導入時には、作成者を明確にし、様々なRPAが構築されても一元で管理できるような体制を維持していくことが重要となります。 4.RPA構築時に注意すべき事項 中小企業では多くの場合システム課が無いため、社内DXという取り組みが出来ずにいることが多いですが、今回のRPAを使うことで、簡易社内DXが出来るようになります。 これをDXの第一歩として、様々な業務に対して効率化の糸口を見つけられるようになると、社内でDXの提案が出るような体制になると考えています。   ■関連セミナー開催のお知らせ 設計開発型メーカーの為のDX経営戦略!社長セミナー 無料ダウンロードはこちらから https://www.funaisoken.co.jp/seminar/094300   基礎知識や導入経験がない社長でもデータ化してデータ経営する方法がわかります。 ~設計・開発・営業・生産管理・原価管理・工程管理・修理メンテサービスをシステムで統合的する方法が良く分からない… そんな社長の為のセミナーです~ ■開催日程 全3回オンライン開催(開催内容は全て同じです) PCがあればどこでも受講可能! 下記いずれかの日程よりご都合の良い日をお選び下さい 2023/02/16 (木)13:00~15:00 2023/02/21 (火)13:00~15:00 2023/02/24 (金)13:00~15:00 2023/02/28 (火)13:00~15:00 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/094300   製造業 基幹システム活用2024年時流予測レポート ~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▼ https://www.funaisoken.co.jp/dl-contents/smart-factory__00950 ■レポートの内容 中堅中小製造業におけるBI活用の位置づけと実際のBI活用事例をこの1冊にまとめました。 ■このレポートを読むメリット 中堅中小製造業において、どういったデータをBIを活用して分析・見える化すれば良いかがわかります。 ■目次 1、国内製造業におけるDX化の現状 2、2023年BIを活用して経営・現場を見える化する製造業が増加する 3、2023年中堅中小製造業が実施すべきBI活用 4、具体的な取り組み(仕組化のプロセス) 5、BI活動成功事例 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。 DXを社内に取り入れることは、教育面においてもシステム導入面においても投資対効果が見合うまでのリードタイムが1年~数年単位と長いため、様々なサイトに掲載されている記事のようにうまく行くことは稀であるというのが現状です。 しかし、そんな中でも近年は社内でDXを内製化できるようなソフトが価格を下げて市場に出てくるようになりました。それが「RPAソフト」です。 今回は、RPAソフトの実際の活用場面を例として挙げ、 ① RPA構築の障壁の低さ ② RPA構築時に注意すべき事項 を説明していきます。 1.製造業におけるRPAソフト活用取組事例 A社では、システム(以下、別システム)を新たに導入したものの、基幹システムとのデータ連携において、すべて手作業で行っておりました。 基幹システム側をカスタマイズして、データ出力機能を追加する方法も検討したのですが、カスタマイズ費用と業務内容を比較すると費用対効果が見合わなく、仕方なく手作業で対応している状況でした。 実際に行っている作業は、大きく以下の5ステップです。 i. 基幹システムへログイン ii. 必要な条件を選択してデータファイル出力 iii. 別システムへログイン iv. データファイル入力 v. データ更新 これを午前と午後で1日2回行っておりました。 本来ならば別システムのデータ更新は1時間に1回ほどのペースで更新したいが、手作業であるため実現することができず、別システムの機能も十分に活用できていない状況であったのですが、そこでRPAを活用することを提案し、実現に向けての取り組みを行うことになりました。 上記に記載したフローチャート整理と、ある程度の筋道さえできてしまえば、プログラミングの知識が全くない方でも、PC操作に抵抗のない方であれば、構築が出来るようになります。今回のプロジェクトの進め方では、業務ヒアリングからフローチャート整理、RPA構築のアドバイスのみで構築ができるようになりました。 この事例による効果は、RPA構築による対象業務効率化だけではなく、RPAを構築することができるという成功体験が副次的な効果となります。 アフターフォローとして、同じような業務の棚卸を行い、RPAによる構築ができないかを検討するところまで行います。 これにより、システム開発等は出来ないものの、RPAによる業務効率化が出来るDX人材の育成が完了する、という取り組みを現在行っております。 2.なぜRPA活用は障壁が低いのか RPA活用の障壁の低さの理由は大きく2つあります。 1つ目は、前項で記載した事例ように、RPAはプログラミングのような大規模な専門知識を必要とせず、日本語や英語で記載されているパーツを組み立てるだけで構築できてしまうものであるためです。 さらに、最近のソフトでは、単純業務などの自動化に関しては、画面録画機能を使って自動で構築してしまうようなものもあるのです。 PC操作に抵抗のない方であれば、最短1日でRPAの構築が出来るようになることもあります。 2つ目は、単純業務自動化に特化している為です。 プログラミングは、規模の大きさに比例して、プログラミングによる業務効率化の価値が向上していきますが、規模の小さいシステム(単純業務や単純な計算作業等)においては開発対効果を発揮しにくい側面があります。 そのプログラミングの弱点のような部分を補足できるのがRPAとなるのです。 システム会社に依頼するほどでもないが、1日の業務の中で時間の占める割合が多い業務の自動化はRPAの活用を一度検討してみてください。 3.RPA構築時に注意すべき事項 今まで、RPAが如何に容易に構築することができるのかを説明してきましたが、1点注意すべき事項があります。 それは、管理者のいないRPAが業務に組み込まれないようにすることです。 管理者のいないRPAが業務に組み込まれてしまうと、作成者が不明となってしまうため、仮にRPAのカスタマイズや入れ替え等が必要になったときに対応できる人がいなくなってしまいます。 そのためRPA導入時には、作成者を明確にし、様々なRPAが構築されても一元で管理できるような体制を維持していくことが重要となります。 4.RPA構築時に注意すべき事項 中小企業では多くの場合システム課が無いため、社内DXという取り組みが出来ずにいることが多いですが、今回のRPAを使うことで、簡易社内DXが出来るようになります。 これをDXの第一歩として、様々な業務に対して効率化の糸口を見つけられるようになると、社内でDXの提案が出るような体制になると考えています。   ■関連セミナー開催のお知らせ 設計開発型メーカーの為のDX経営戦略!社長セミナー 無料ダウンロードはこちらから https://www.funaisoken.co.jp/seminar/094300   基礎知識や導入経験がない社長でもデータ化してデータ経営する方法がわかります。 ~設計・開発・営業・生産管理・原価管理・工程管理・修理メンテサービスをシステムで統合的する方法が良く分からない… そんな社長の為のセミナーです~ ■開催日程 全3回オンライン開催(開催内容は全て同じです) PCがあればどこでも受講可能! 下記いずれかの日程よりご都合の良い日をお選び下さい 2023/02/16 (木)13:00~15:00 2023/02/21 (火)13:00~15:00 2023/02/24 (金)13:00~15:00 2023/02/28 (火)13:00~15:00 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/094300   製造業 基幹システム活用2024年時流予測レポート ~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▼ https://www.funaisoken.co.jp/dl-contents/smart-factory__00950 ■レポートの内容 中堅中小製造業におけるBI活用の位置づけと実際のBI活用事例をこの1冊にまとめました。 ■このレポートを読むメリット 中堅中小製造業において、どういったデータをBIを活用して分析・見える化すれば良いかがわかります。 ■目次 1、国内製造業におけるDX化の現状 2、2023年BIを活用して経営・現場を見える化する製造業が増加する 3、2023年中堅中小製造業が実施すべきBI活用 4、具体的な取り組み(仕組化のプロセス) 5、BI活動成功事例

2023年AI業界の展望

2022.12.20

今回は、「生産計画のAI活用を成功させるポイントとは」というテーマについてお伝えさせていただきます。 1.ノーコードとは ノーコードとは、コードを書かずに画面操作のみでアプリケーションを開発する手法やサービスの総称して使われています。 これまでアプリケーションを開発するにはまずコーディングやプログラミングを学習する必要がありました。 しかしノーコードのツールを活用することで、IT人材に限らず幅広い層の人々がアプリケーションの開発に参加することが可能になります。 製品としては、kintoneやPowerAppsなどが有名です。 2.なぜノーコードが必要か? 経済産業省では、DXレポートの中で「2025年の崖」に関する問題を取り扱っています。 2025年の崖は、古くから使われているレガシーシステムが残存することで、最大12兆円の経済損失につながりかねないとしている課題です。 しかしその一方でDX推進をするためには、ITに関する知見を持ったDX人材の確保が必須です。 にもかかわらず、近年深刻なIT人材不足の為、DX推進を積極的に先導するような人材が枯渇しているのが現状です。 特に、企業内のシステムを外部ベンダーに依頼している場合は、企業内のITに関する知見やノウハウが蓄積されないため、自社内のシステム開発案件をこなせません。 さらに、DX推進の積極化によって、どの企業でもIT人材を求めていることもあり、企業で確保しようと思ってもなかなか人材が見つからないのです。 その救世主として、システムに知見がない担当者でもアプリが容易に作成できる「ノーコード開発」に注目が集まっており、それに応じるようにノーコード市場規模も年々成長を続けています。 3.AIもノーコードの時代へ 近年ノーコードはAI開発においても利用可能な時代となってきました。 ノーコードAIで有名なのはGoogle社であり、現在クラウドでノーコードAIを提供しています。 これによってユーザーは複雑なプログラミングをすることなく、業務上で必要な高度なデータ分析や画像解析をできるようになりました。 これまでスキルや知識を持った一部の人しかできなかったプログラミングが誰にでもできるようになったことで、「AIの民主化」と言われています。 また、外観検査分野ではAI inside社の「Learning Center」も代表的です。 直感的な操作で使いやすい日本語のUIを備え、ノーコードで誰でも簡単に高精度なAIモデル開発ができるサービスです。 ノーコードの懸念点としては、原則としてノーコードのツールでは提供された範囲の機能しか利用することができません。 カスタマイズには適さないことから、独自のシステムを作りたいときには実用的ではない場合もあります。 また、プログラミングのスキルは必須ではなくとも一般的なITの知識は必要になるでしょう。   ■オンラインセミナー開催のお知らせ 「板金加工業の為のAI活用!」社長セミナー https://www.funaisoken.co.jp/seminar/094242 ■講座内容 ■第1講座 AI取り組み事例講座編 「全国各地で見られる製造業でのAI取り組み事例」 生産計画・生産管理にAIを活用して、生産計画作成の自動化・脱属人化&生産管理最適化に取り組んでいる製造業の事例 製造現場でのデジタル活用を通じて、製品個別の原価管理の最適化に取り組んでいる製造業の事例 AIカメラを活用し、設備稼働監視&生産効率アップに取り組んでいる製造業の事例 製造現場でのAI化・IoT化・ロボット化・デジタル化により職人依存体制からの脱却を目指している製造業の事例 株式会社 船井総合研究所 岩松 将史 ■第2講座 見積もり業務のAI化を通じて”社長の生産性アップ”を実現!従業員数51名の製造業における”AI活用最新事例”講座 従業員数51名!多品種少量生産型の板金加工会社によるAI活用事例! 2DCADデータを用いた見積もりAIシステムを導入!属人的な見積もり業務の「標準化・脱属人化・技術継承」を推進! AI導入をきっかけとして、見積もり業務における”社長の生産性アップ”を実現! 佐竹鉄工 株式会社 代表取締役 佐竹 宏文 氏 株式会社 船井総合研究所 岩松 将史 ■第3講座 AI活用戦略講座編 「製造業経営者が取り組むべきAI活用戦略」 製造業の経営にAIを活用する方法 ”経営者目線”で知っておくべき製造業で実践できる具体的なAI活用とは? 漠然とした理論・概論ではなく、現場で即使えて実践的なAI導入手順 株式会社 船井総合研究所 菊池 功 ■開催日程 全てオンライン開催となります 2023/02/07 (火) 13:00~15:00 2023/02/09 (木) 13:00~15:00 2023/02/14 (火) 13:00~15:00 セミナー詳細・申込はこちらから⇒ https://www.funaisoken.co.jp/seminar/094242   ■“積算・見積もりAIシステム”事例解説レポート AIを活用し「積算・見積もりのドンブリ勘定」からの脱却を実現! AI活用を通じて“ベテラン社員の働き方改革”を推進! 積算・見積もり業務の“標準化・脱属人化・技術継承”実践事例とは? ▼事例レポート無料ダウンロードお申し込みはこちら▼ https://www.funaisoken.co.jp/dl-contents/smart-factory_smart-factory_00702 「こうなりたい!」と思っている経営者様におすすめ 見積もり業務の属人化を解消したい 見積もり業務の標準化を図りたい 見積もり業務にAIを活用したい 積算・見積もり業務の“標準化・脱属人化・技術継承”をしたい AI活用を通じてベテラン社員の働き方改革を進めたい 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、「生産計画のAI活用を成功させるポイントとは」というテーマについてお伝えさせていただきます。 1.ノーコードとは ノーコードとは、コードを書かずに画面操作のみでアプリケーションを開発する手法やサービスの総称して使われています。 これまでアプリケーションを開発するにはまずコーディングやプログラミングを学習する必要がありました。 しかしノーコードのツールを活用することで、IT人材に限らず幅広い層の人々がアプリケーションの開発に参加することが可能になります。 製品としては、kintoneやPowerAppsなどが有名です。 2.なぜノーコードが必要か? 経済産業省では、DXレポートの中で「2025年の崖」に関する問題を取り扱っています。 2025年の崖は、古くから使われているレガシーシステムが残存することで、最大12兆円の経済損失につながりかねないとしている課題です。 しかしその一方でDX推進をするためには、ITに関する知見を持ったDX人材の確保が必須です。 にもかかわらず、近年深刻なIT人材不足の為、DX推進を積極的に先導するような人材が枯渇しているのが現状です。 特に、企業内のシステムを外部ベンダーに依頼している場合は、企業内のITに関する知見やノウハウが蓄積されないため、自社内のシステム開発案件をこなせません。 さらに、DX推進の積極化によって、どの企業でもIT人材を求めていることもあり、企業で確保しようと思ってもなかなか人材が見つからないのです。 その救世主として、システムに知見がない担当者でもアプリが容易に作成できる「ノーコード開発」に注目が集まっており、それに応じるようにノーコード市場規模も年々成長を続けています。 3.AIもノーコードの時代へ 近年ノーコードはAI開発においても利用可能な時代となってきました。 ノーコードAIで有名なのはGoogle社であり、現在クラウドでノーコードAIを提供しています。 これによってユーザーは複雑なプログラミングをすることなく、業務上で必要な高度なデータ分析や画像解析をできるようになりました。 これまでスキルや知識を持った一部の人しかできなかったプログラミングが誰にでもできるようになったことで、「AIの民主化」と言われています。 また、外観検査分野ではAI inside社の「Learning Center」も代表的です。 直感的な操作で使いやすい日本語のUIを備え、ノーコードで誰でも簡単に高精度なAIモデル開発ができるサービスです。 ノーコードの懸念点としては、原則としてノーコードのツールでは提供された範囲の機能しか利用することができません。 カスタマイズには適さないことから、独自のシステムを作りたいときには実用的ではない場合もあります。 また、プログラミングのスキルは必須ではなくとも一般的なITの知識は必要になるでしょう。   ■オンラインセミナー開催のお知らせ 「板金加工業の為のAI活用!」社長セミナー https://www.funaisoken.co.jp/seminar/094242 ■講座内容 ■第1講座 AI取り組み事例講座編 「全国各地で見られる製造業でのAI取り組み事例」 生産計画・生産管理にAIを活用して、生産計画作成の自動化・脱属人化&生産管理最適化に取り組んでいる製造業の事例 製造現場でのデジタル活用を通じて、製品個別の原価管理の最適化に取り組んでいる製造業の事例 AIカメラを活用し、設備稼働監視&生産効率アップに取り組んでいる製造業の事例 製造現場でのAI化・IoT化・ロボット化・デジタル化により職人依存体制からの脱却を目指している製造業の事例 株式会社 船井総合研究所 岩松 将史 ■第2講座 見積もり業務のAI化を通じて”社長の生産性アップ”を実現!従業員数51名の製造業における”AI活用最新事例”講座 従業員数51名!多品種少量生産型の板金加工会社によるAI活用事例! 2DCADデータを用いた見積もりAIシステムを導入!属人的な見積もり業務の「標準化・脱属人化・技術継承」を推進! AI導入をきっかけとして、見積もり業務における”社長の生産性アップ”を実現! 佐竹鉄工 株式会社 代表取締役 佐竹 宏文 氏 株式会社 船井総合研究所 岩松 将史 ■第3講座 AI活用戦略講座編 「製造業経営者が取り組むべきAI活用戦略」 製造業の経営にAIを活用する方法 ”経営者目線”で知っておくべき製造業で実践できる具体的なAI活用とは? 漠然とした理論・概論ではなく、現場で即使えて実践的なAI導入手順 株式会社 船井総合研究所 菊池 功 ■開催日程 全てオンライン開催となります 2023/02/07 (火) 13:00~15:00 2023/02/09 (木) 13:00~15:00 2023/02/14 (火) 13:00~15:00 セミナー詳細・申込はこちらから⇒ https://www.funaisoken.co.jp/seminar/094242   ■“積算・見積もりAIシステム”事例解説レポート AIを活用し「積算・見積もりのドンブリ勘定」からの脱却を実現! AI活用を通じて“ベテラン社員の働き方改革”を推進! 積算・見積もり業務の“標準化・脱属人化・技術継承”実践事例とは? ▼事例レポート無料ダウンロードお申し込みはこちら▼ https://www.funaisoken.co.jp/dl-contents/smart-factory_smart-factory_00702 「こうなりたい!」と思っている経営者様におすすめ 見積もり業務の属人化を解消したい 見積もり業務の標準化を図りたい 見積もり業務にAIを活用したい 積算・見積もり業務の“標準化・脱属人化・技術継承”をしたい AI活用を通じてベテラン社員の働き方改革を進めたい

製造業のデータドリブン経営を実現するためのデータ化について

2022.11.29

▼無料ダウンロードはこちらをクリック データドリブン経営という言葉が出現してから随分と時間が経ちましたが、実際に実現できている会社は多くはありません。 その理由として、主に製造現場のデータ化の取り組みの優先順位が低いことが主に挙げられます。 しかし、製造現場の状況をデータ化することによって見えることは多くあり、うまく活用することによって適切な投資、経営改善が可能となります。 今回は製造現場をデータ化することによって ・見えてくるもの ・データを見て現場改善を進めていくことの効果 について説明していきます。 1.製造現場のデータ化ができていない理由 冒頭でも述べましたが、多くの企業では製造現場のデータ化ができておりません。データ化の優先順位が低いことももちろん理由として挙げられますが、優先順位を上げて取り組むとなった場合、次にデータ化の取り組みのハードルの高さが障壁となってきます。そのハードルの高さの原因は以下となります。 a.データ活用を見据えた、データの適切な粒度の設定が必要 b.現場の状況に合った適切なデータ取得方法の検討が必要 c.現場の方の協力が必要である d.恒常的に行わなければ効果が得られない a.データ活用を見据えた、データの適切な粒度の設定が必要 単に実績だけを取得するのでは、その製品の製造にかかわるリードタイムやボトルネック工程の分析ができなくなってしまいます。どの軸で分析を行い、どのデータを取得することでどのような改善が見込めるかが見えたうえで、データの粒度を設定していく必要があります。 これには、現場の知識だけでなくデータ分析の知識が必要であり、この双方を満たす人材が希少である為、データのハードルが高くなってします。 b.現場の状況に合った適切なデータ取得方法の検討が必要 データの粒度が確定した後には、データ取得方法を検討する必要があります。現在、市場には様々なデータ取得方法が存在しており、それぞれ得手不得手があります。 複数の方法を吟味するには多少の費用が必要となり、さらには一つの手法がすべての設備、工程に対して適切であるとは限らないため、全設備、全工程に合った取得方法を限られた費用の中で決定する必要があります。 費用感としてもおおよそ数百万はかかり、安い金額とは言えない為、限られた予算で取得方法を決定していかなければなりません。 c.現場の方の協力が必要である 取得方法が決定した後は、現場の方への協力をお願いする必要があります。すべて自動で取得できれば良いのですが、データ化する項目には製品名や工程数、担当者名等自動で取得し得ない情報が含まれていますので、二次元コード読み取りなどのひと手間をお願いしなければなりません。 しかし、多品種少量生産であり、常に特急品やその他トラブル等の外乱に対応している現場にとって、そのひと手間を行うことは製造業務の妨げであると感じてしまうことも少なくありません。 データ化することで何が見え、どのように現場改善としてフィードバックされていくのか、という道筋を然りとお見せし、現場の方への理解を得た上で進めていく必要があります。 d.恒常的に行わなければ効果が得られない 多品種少量生産において、データサンプリングによる現場分析にはある程度の限界があります。前項で述べたように、様々な外乱に対処しながら製造しているため、サンプリング時の状況から現場のすべてを推測することはできません。 そのため、恒常的にデータを取得していき、ビッグデータとして蓄積していく必要があります。 これらの障壁は避けられないものであり、簡易化させることはほとんど難しいと考えてよいでしょう。会社全体でデータ化に向けての取り組みを行い、地道に泥臭くデータ化を行っていくことが必要となってきます。 2.製造現場をデータ化することによって見えてくるもの しかし、1項の障壁を突破してでも、データ化することには意味があります。 まず、前提として取得すべきデータは下記項目である必要があります。 ロットNo 段取り開始時間 顧客名 段取り終了時間 製品名 作業開始時間 工程数 作業終了時間 担当者名 設備番号 指示数 良品数 不良品数 不良理由 ここまでの項目を取得できていれば、以下のように多くの軸からの分析が可能となります。 ロットNo軸集計による直接製造費の算出 顧客軸集計による客先別分析 製品ごとのボトルネック工程の分析 担当者ごとの作業分析 設備ごとの稼働分析・製品リードタイム分析 製品に対する良品・不良品の傾向分析 段取りのタイミング、製品ごとにおける傾向分析 製品の製造状況のリアルタイム把握、時間軸分析 etc… データに関してのみ言えば、取得したデータの項目が分析の軸となるため、取得するデータが細かいほどより細かい分析が出来るようになります。 もちろん、細かく取得する分現場への負荷が高くなってしまうため、議論を行う必要がありますが、データの項目を設定する際には、「取得する項目が既に取得されている項目別に違いが現れるかどうか」という点に留意して設定することでより適切な粒度設定が可能となります。 例)段取り時間を追加で取得する必要があるかどうかを検討する場合 ・取得する項目:段取り時間 ・既に取得されている項目:担当者 ・違い:担当者ごとにスキルが問われるため、時間に違いが現れる。 3.データを見て現場改善を進めていくことの効果 データの取得まで行うことができた場合、次は分析のフェーズになります。ここでいう分析では、高度な分析は必要とせずとも必要な改善項目が見えてくる場合が多いと感じています。 分析の方法としては、「項目別にフィルターをかけてそれぞれの違いを分かりやすくグラフ化する」という方法で十分です。 最初の分析段階では、データを見て現場改善していくことによって、今までなんとなく頭の中で「ここが課題で改善が必要だな…」と感じていた部分が可視化されるようになります。勘や経験による課題感の根拠となるものがデータとして現れてきます。 そうなると、根拠のある改善になるため、投資における失敗のリスクを削減することができ、さらに投資対効果の算出も可能となってきます。 データによる改善の効果が現れ始めると、改善による新たな項目に対してもデータ化を意識した改善を行うようになります。それによって新しく改善項目が現れ、またデータ化を意識した改善を行う…とこのサイクルを繰り替えるようになります。 これが「データドリブン経営」となるのです。 4.まとめ AIをはじめとした最新技術において、「データ」というものはデジタル社会である以上使われ続けます。 IT企業では、このデータを集めてビッグデータとして販売するような企業もあるほどです。 早い段階でこの「データ化」に取り組み、資産として蓄積していくことが会社をより良くしていくカギとなります。 ▼無料ダウンロードはこちらをクリック ▼無料ダウンロードはこちらをクリック 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。 データドリブン経営という言葉が出現してから随分と時間が経ちましたが、実際に実現できている会社は多くはありません。 その理由として、主に製造現場のデータ化の取り組みの優先順位が低いことが主に挙げられます。 しかし、製造現場の状況をデータ化することによって見えることは多くあり、うまく活用することによって適切な投資、経営改善が可能となります。 今回は製造現場をデータ化することによって ・見えてくるもの ・データを見て現場改善を進めていくことの効果 について説明していきます。 1.製造現場のデータ化ができていない理由 冒頭でも述べましたが、多くの企業では製造現場のデータ化ができておりません。データ化の優先順位が低いことももちろん理由として挙げられますが、優先順位を上げて取り組むとなった場合、次にデータ化の取り組みのハードルの高さが障壁となってきます。そのハードルの高さの原因は以下となります。 a.データ活用を見据えた、データの適切な粒度の設定が必要 b.現場の状況に合った適切なデータ取得方法の検討が必要 c.現場の方の協力が必要である d.恒常的に行わなければ効果が得られない a.データ活用を見据えた、データの適切な粒度の設定が必要 単に実績だけを取得するのでは、その製品の製造にかかわるリードタイムやボトルネック工程の分析ができなくなってしまいます。どの軸で分析を行い、どのデータを取得することでどのような改善が見込めるかが見えたうえで、データの粒度を設定していく必要があります。 これには、現場の知識だけでなくデータ分析の知識が必要であり、この双方を満たす人材が希少である為、データのハードルが高くなってします。 b.現場の状況に合った適切なデータ取得方法の検討が必要 データの粒度が確定した後には、データ取得方法を検討する必要があります。現在、市場には様々なデータ取得方法が存在しており、それぞれ得手不得手があります。 複数の方法を吟味するには多少の費用が必要となり、さらには一つの手法がすべての設備、工程に対して適切であるとは限らないため、全設備、全工程に合った取得方法を限られた費用の中で決定する必要があります。 費用感としてもおおよそ数百万はかかり、安い金額とは言えない為、限られた予算で取得方法を決定していかなければなりません。 c.現場の方の協力が必要である 取得方法が決定した後は、現場の方への協力をお願いする必要があります。すべて自動で取得できれば良いのですが、データ化する項目には製品名や工程数、担当者名等自動で取得し得ない情報が含まれていますので、二次元コード読み取りなどのひと手間をお願いしなければなりません。 しかし、多品種少量生産であり、常に特急品やその他トラブル等の外乱に対応している現場にとって、そのひと手間を行うことは製造業務の妨げであると感じてしまうことも少なくありません。 データ化することで何が見え、どのように現場改善としてフィードバックされていくのか、という道筋を然りとお見せし、現場の方への理解を得た上で進めていく必要があります。 d.恒常的に行わなければ効果が得られない 多品種少量生産において、データサンプリングによる現場分析にはある程度の限界があります。前項で述べたように、様々な外乱に対処しながら製造しているため、サンプリング時の状況から現場のすべてを推測することはできません。 そのため、恒常的にデータを取得していき、ビッグデータとして蓄積していく必要があります。 これらの障壁は避けられないものであり、簡易化させることはほとんど難しいと考えてよいでしょう。会社全体でデータ化に向けての取り組みを行い、地道に泥臭くデータ化を行っていくことが必要となってきます。 2.製造現場をデータ化することによって見えてくるもの しかし、1項の障壁を突破してでも、データ化することには意味があります。 まず、前提として取得すべきデータは下記項目である必要があります。 ロットNo 段取り開始時間 顧客名 段取り終了時間 製品名 作業開始時間 工程数 作業終了時間 担当者名 設備番号 指示数 良品数 不良品数 不良理由 ここまでの項目を取得できていれば、以下のように多くの軸からの分析が可能となります。 ロットNo軸集計による直接製造費の算出 顧客軸集計による客先別分析 製品ごとのボトルネック工程の分析 担当者ごとの作業分析 設備ごとの稼働分析・製品リードタイム分析 製品に対する良品・不良品の傾向分析 段取りのタイミング、製品ごとにおける傾向分析 製品の製造状況のリアルタイム把握、時間軸分析 etc… データに関してのみ言えば、取得したデータの項目が分析の軸となるため、取得するデータが細かいほどより細かい分析が出来るようになります。 もちろん、細かく取得する分現場への負荷が高くなってしまうため、議論を行う必要がありますが、データの項目を設定する際には、「取得する項目が既に取得されている項目別に違いが現れるかどうか」という点に留意して設定することでより適切な粒度設定が可能となります。 例)段取り時間を追加で取得する必要があるかどうかを検討する場合 ・取得する項目:段取り時間 ・既に取得されている項目:担当者 ・違い:担当者ごとにスキルが問われるため、時間に違いが現れる。 3.データを見て現場改善を進めていくことの効果 データの取得まで行うことができた場合、次は分析のフェーズになります。ここでいう分析では、高度な分析は必要とせずとも必要な改善項目が見えてくる場合が多いと感じています。 分析の方法としては、「項目別にフィルターをかけてそれぞれの違いを分かりやすくグラフ化する」という方法で十分です。 最初の分析段階では、データを見て現場改善していくことによって、今までなんとなく頭の中で「ここが課題で改善が必要だな…」と感じていた部分が可視化されるようになります。勘や経験による課題感の根拠となるものがデータとして現れてきます。 そうなると、根拠のある改善になるため、投資における失敗のリスクを削減することができ、さらに投資対効果の算出も可能となってきます。 データによる改善の効果が現れ始めると、改善による新たな項目に対してもデータ化を意識した改善を行うようになります。それによって新しく改善項目が現れ、またデータ化を意識した改善を行う…とこのサイクルを繰り替えるようになります。 これが「データドリブン経営」となるのです。 4.まとめ AIをはじめとした最新技術において、「データ」というものはデジタル社会である以上使われ続けます。 IT企業では、このデータを集めてビッグデータとして販売するような企業もあるほどです。 早い段階でこの「データ化」に取り組み、資産として蓄積していくことが会社をより良くしていくカギとなります。 ▼無料ダウンロードはこちらをクリック

DXを低コストで実現するためのポイント

2022.11.16

今回は、「DXを低コストで実現するためのポイントとは?」 というテーマについてお伝えさせていただきます。 さて、近年全国各地の中堅・中小製造業の企業様にて、 DX推進の一環として「業務のシステム化」に関する コンサルティングをさせていただく機会が増えています。 その中で、お付き合い先の製造業の経営者様から、 「システム化にはやはり多額のお金がかかるんですよね…」 といったお声を頂戴することがあります。 「できるだけ低コストでシステム化を実現したい!」という想いは、 多くの製造業経営者様の間で共通の認識であることを、 日々実感する次第です。 もちろん、「補助金活用」という手段を通じて、 システム化に伴う金額的な負担を軽減する という選択肢もありますが、 申請した補助金が不採択になってしまった場合のリスクを考慮すると、 「補助金活用」以外の手段も同時に考えていきたいところ。 そこで、今回のコラムでは 「システム化に伴うコストの低減」に繋げるために 有効なポイントを2つご紹介いたします。 1.ポイント(1):システム化の前に「既存業務の見直し・再定義」からスタートする 「システム化に伴うコストの低減」へと繋げるために重要なポイントとして、 既存の業務フローや業務の考え方をすべてシステム化しようとするのではなく、 システム導入を契機として、 既存の業務のあり方を見直し、 余計な業務工程や考え方・ルール等を削ぎ落とす ことが挙げられます。 多くの場合、現場担当者は「今の仕事が必要で、正しい」と思っているため、 現場担当者に対して「どのような仕事のやり方がベストか?」を聞いても、 「今の仕事のやり方がベスト」という答え以外はなかなか返ってきづらいです。 このような状況の中で、 既存の業務フローや業務の考え方を すべてシステム化しようとしてしまうと、 システム化に伴うコストは自然と上がってしまいます。 「業務のシステム化」に関するコンサルティングの流れとして、 既存業務を客観的に分析・整理することからスタートするわけですが、 システム化に伴うコストを低減するためには、 これまでの会社の常識や前任者の名残りで、既存業務の標準化が進んでいない業務はないか? 客観的に考えると特に競争優位になっていないのに、「単に複雑なだけ」の業務が残っていないか? よくよく聞いてみると実施目的が曖昧だが、これまでの慣習で残ったままになっている業務はないか? 自社の業績アップ(売上アップ・利益アップ・コスト削減)に貢献しているかどうか不透明な業務はないか? 等の客観的かつ経営的な観点から、 現状を俯瞰し整理していくことが必要です。 「システムへの投資後」ではなく、 「システムに投資する前」の段階で、 既存業務のあり方や目的等を問い直し、 その上で既存業務の簡素化・再定義を進めていくことが、 「システム化に伴うコスト低減」に向けた第一歩となります。 2.ポイント(2):「機能」ではなく、「本当に解決したい課題」から考える 結論としては、「1回のシステム開発に多くの機能・条件を求めすぎない」ことが特に重要となります。 よくある例としては、 既存の業務フローや業務の考え方をすべてシステム化しようとする。 「本当に解決したい課題」を絞らずに、機能の話ばかりに終始する。 各機能に対して優先順位を明確につけずに、すべての機能を1つのシステムに組み込もうとする。 その他にも自社特有の機能を1つのシステムに「あれもこれも」と追加しようとする。 結果としてシステム開発費用が膨れ上がる。 システム開発費用と比例して、システム開発工数も延びてしまう。 より多くの機能・条件を1つのシステム内でカバーする必要があるため、システム開発が難航してしまう。 システムの出来自体も、かなり複雑なものになってしまう。 等の事柄が挙げられます。 上記のような発想のまま、 1度で完璧なものを完成させる前提でシステム化を進めてしまうと、 システム化に伴うコストは高騰し、 結果的にシステム化自体も失敗する可能性が高まってしまいます。 システム化に伴うコストの高騰と システム化自体の失敗を回避するための進め方の一例としては、 ①現場の事実をもとにした課題の整理 ②解くべき課題の優先順位付け ③優先度の高い課題を解決する機能の洗い出し ④必要機能のシステムへの落とし込み という流れを踏まえた上で、 どうしても追加したい機能や条件がある場合は、 開発フェーズを分けて導入を進める等の進め方がおすすめです。 システムに搭載する機能自体は、 あくまでも「本当に解決したい課題」を解決するための手段にすぎません。 したがって、業務のシステム化を進めるにあたっては、 「どのような機能を追加するか?(=手段)」の議論の前に、 「本当に解決したい課題は何か?(=目的)」を十分に議論し、 内容を整理する機会を確保することが必要となります。   ■オンラインセミナー開催のお知らせ 「板金加工業の為のAI活用!」社長セミナー https://www.funaisoken.co.jp/seminar/094242 ■講座内容 ■第1講座 AI取り組み事例講座編 「全国各地で見られる製造業でのAI取り組み事例」 生産計画・生産管理にAIを活用して、生産計画作成の自動化・脱属人化&生産管理最適化に取り組んでいる製造業の事例 製造現場でのデジタル活用を通じて、製品個別の原価管理の最適化に取り組んでいる製造業の事例 AIカメラを活用し、設備稼働監視&生産効率アップに取り組んでいる製造業の事例 製造現場でのAI化・IoT化・ロボット化・デジタル化により職人依存体制からの脱却を目指している製造業の事例 株式会社 船井総合研究所 岩松 将史 ■第2講座 見積もり業務のAI化を通じて”社長の生産性アップ”を実現!従業員数51名の製造業における”AI活用最新事例”講座 従業員数51名!多品種少量生産型の板金加工会社によるAI活用事例! 2DCADデータを用いた見積もりAIシステムを導入!属人的な見積もり業務の「標準化・脱属人化・技術継承」を推進! AI導入をきっかけとして、見積もり業務における”社長の生産性アップ”を実現! 佐竹鉄工 株式会社 代表取締役 佐竹 宏文 氏 株式会社 船井総合研究所 岩松 将史 ■第3講座 AI活用戦略講座編 「製造業経営者が取り組むべきAI活用戦略」 製造業の経営にAIを活用する方法 ”経営者目線”で知っておくべき製造業で実践できる具体的なAI活用とは? 漠然とした理論・概論ではなく、現場で即使えて実践的なAI導入手順 株式会社 船井総合研究所 菊池 功 ■開催日程 全てオンライン開催となります 2023/02/07 (火) 13:00~15:00 2023/02/09 (木) 13:00~15:00 2023/02/14 (火) 13:00~15:00 セミナー詳細・申込はこちらから⇒ https://www.funaisoken.co.jp/seminar/094242   工場のAI・デジタル化最新事例解説レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ https://lp.funaisoken.co.jp/mt/smart-factory/dltext04-01-dl.html 「AIやデジタルツールなどを使うことで、工場内のどのような課題を解決できるのか?」 「工場のDX(デジタルトランスフォーメーション)に関して、具体的な事例を知りたい」 本レポートでは、「工場のAI・デジタル化」にテーマを絞った上で、各種事例をご紹介いたします。 【事例①】AI活用を通じて「見積もり業務の標準化・脱属人化」を推進 【事例②】AIを活用した「類似案件検索システム」の確立 【事例③】AIを活用した外観検査体制の構築 【事例④】現場に散乱していた生産日報・日常点検表等のペーパーレス化を実現 【事例⑤】メンテナンス事業の案件情報一元管理 【事例⑥】営業担当者のワンストップ簡易設計システムの構築 【事例⑦】クラウドIoTによる設備の故障予知 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、「DXを低コストで実現するためのポイントとは?」 というテーマについてお伝えさせていただきます。 さて、近年全国各地の中堅・中小製造業の企業様にて、 DX推進の一環として「業務のシステム化」に関する コンサルティングをさせていただく機会が増えています。 その中で、お付き合い先の製造業の経営者様から、 「システム化にはやはり多額のお金がかかるんですよね…」 といったお声を頂戴することがあります。 「できるだけ低コストでシステム化を実現したい!」という想いは、 多くの製造業経営者様の間で共通の認識であることを、 日々実感する次第です。 もちろん、「補助金活用」という手段を通じて、 システム化に伴う金額的な負担を軽減する という選択肢もありますが、 申請した補助金が不採択になってしまった場合のリスクを考慮すると、 「補助金活用」以外の手段も同時に考えていきたいところ。 そこで、今回のコラムでは 「システム化に伴うコストの低減」に繋げるために 有効なポイントを2つご紹介いたします。 1.ポイント(1):システム化の前に「既存業務の見直し・再定義」からスタートする 「システム化に伴うコストの低減」へと繋げるために重要なポイントとして、 既存の業務フローや業務の考え方をすべてシステム化しようとするのではなく、 システム導入を契機として、 既存の業務のあり方を見直し、 余計な業務工程や考え方・ルール等を削ぎ落とす ことが挙げられます。 多くの場合、現場担当者は「今の仕事が必要で、正しい」と思っているため、 現場担当者に対して「どのような仕事のやり方がベストか?」を聞いても、 「今の仕事のやり方がベスト」という答え以外はなかなか返ってきづらいです。 このような状況の中で、 既存の業務フローや業務の考え方を すべてシステム化しようとしてしまうと、 システム化に伴うコストは自然と上がってしまいます。 「業務のシステム化」に関するコンサルティングの流れとして、 既存業務を客観的に分析・整理することからスタートするわけですが、 システム化に伴うコストを低減するためには、 これまでの会社の常識や前任者の名残りで、既存業務の標準化が進んでいない業務はないか? 客観的に考えると特に競争優位になっていないのに、「単に複雑なだけ」の業務が残っていないか? よくよく聞いてみると実施目的が曖昧だが、これまでの慣習で残ったままになっている業務はないか? 自社の業績アップ(売上アップ・利益アップ・コスト削減)に貢献しているかどうか不透明な業務はないか? 等の客観的かつ経営的な観点から、 現状を俯瞰し整理していくことが必要です。 「システムへの投資後」ではなく、 「システムに投資する前」の段階で、 既存業務のあり方や目的等を問い直し、 その上で既存業務の簡素化・再定義を進めていくことが、 「システム化に伴うコスト低減」に向けた第一歩となります。 2.ポイント(2):「機能」ではなく、「本当に解決したい課題」から考える 結論としては、「1回のシステム開発に多くの機能・条件を求めすぎない」ことが特に重要となります。 よくある例としては、 既存の業務フローや業務の考え方をすべてシステム化しようとする。 「本当に解決したい課題」を絞らずに、機能の話ばかりに終始する。 各機能に対して優先順位を明確につけずに、すべての機能を1つのシステムに組み込もうとする。 その他にも自社特有の機能を1つのシステムに「あれもこれも」と追加しようとする。 結果としてシステム開発費用が膨れ上がる。 システム開発費用と比例して、システム開発工数も延びてしまう。 より多くの機能・条件を1つのシステム内でカバーする必要があるため、システム開発が難航してしまう。 システムの出来自体も、かなり複雑なものになってしまう。 等の事柄が挙げられます。 上記のような発想のまま、 1度で完璧なものを完成させる前提でシステム化を進めてしまうと、 システム化に伴うコストは高騰し、 結果的にシステム化自体も失敗する可能性が高まってしまいます。 システム化に伴うコストの高騰と システム化自体の失敗を回避するための進め方の一例としては、 ①現場の事実をもとにした課題の整理 ②解くべき課題の優先順位付け ③優先度の高い課題を解決する機能の洗い出し ④必要機能のシステムへの落とし込み という流れを踏まえた上で、 どうしても追加したい機能や条件がある場合は、 開発フェーズを分けて導入を進める等の進め方がおすすめです。 システムに搭載する機能自体は、 あくまでも「本当に解決したい課題」を解決するための手段にすぎません。 したがって、業務のシステム化を進めるにあたっては、 「どのような機能を追加するか?(=手段)」の議論の前に、 「本当に解決したい課題は何か?(=目的)」を十分に議論し、 内容を整理する機会を確保することが必要となります。   ■オンラインセミナー開催のお知らせ 「板金加工業の為のAI活用!」社長セミナー https://www.funaisoken.co.jp/seminar/094242 ■講座内容 ■第1講座 AI取り組み事例講座編 「全国各地で見られる製造業でのAI取り組み事例」 生産計画・生産管理にAIを活用して、生産計画作成の自動化・脱属人化&生産管理最適化に取り組んでいる製造業の事例 製造現場でのデジタル活用を通じて、製品個別の原価管理の最適化に取り組んでいる製造業の事例 AIカメラを活用し、設備稼働監視&生産効率アップに取り組んでいる製造業の事例 製造現場でのAI化・IoT化・ロボット化・デジタル化により職人依存体制からの脱却を目指している製造業の事例 株式会社 船井総合研究所 岩松 将史 ■第2講座 見積もり業務のAI化を通じて”社長の生産性アップ”を実現!従業員数51名の製造業における”AI活用最新事例”講座 従業員数51名!多品種少量生産型の板金加工会社によるAI活用事例! 2DCADデータを用いた見積もりAIシステムを導入!属人的な見積もり業務の「標準化・脱属人化・技術継承」を推進! AI導入をきっかけとして、見積もり業務における”社長の生産性アップ”を実現! 佐竹鉄工 株式会社 代表取締役 佐竹 宏文 氏 株式会社 船井総合研究所 岩松 将史 ■第3講座 AI活用戦略講座編 「製造業経営者が取り組むべきAI活用戦略」 製造業の経営にAIを活用する方法 ”経営者目線”で知っておくべき製造業で実践できる具体的なAI活用とは? 漠然とした理論・概論ではなく、現場で即使えて実践的なAI導入手順 株式会社 船井総合研究所 菊池 功 ■開催日程 全てオンライン開催となります 2023/02/07 (火) 13:00~15:00 2023/02/09 (木) 13:00~15:00 2023/02/14 (火) 13:00~15:00 セミナー詳細・申込はこちらから⇒ https://www.funaisoken.co.jp/seminar/094242   工場のAI・デジタル化最新事例解説レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ https://lp.funaisoken.co.jp/mt/smart-factory/dltext04-01-dl.html 「AIやデジタルツールなどを使うことで、工場内のどのような課題を解決できるのか?」 「工場のDX(デジタルトランスフォーメーション)に関して、具体的な事例を知りたい」 本レポートでは、「工場のAI・デジタル化」にテーマを絞った上で、各種事例をご紹介いたします。 【事例①】AI活用を通じて「見積もり業務の標準化・脱属人化」を推進 【事例②】AIを活用した「類似案件検索システム」の確立 【事例③】AIを活用した外観検査体制の構築 【事例④】現場に散乱していた生産日報・日常点検表等のペーパーレス化を実現 【事例⑤】メンテナンス事業の案件情報一元管理 【事例⑥】営業担当者のワンストップ簡易設計システムの構築 【事例⑦】クラウドIoTによる設備の故障予知

製造業にも当てはまる?飲食業の倒産数から見るAIロボット活用の最前線

2022.08.24

1.増加傾向にある飲食業の倒産数 近年、飲食業の倒産件数は増加傾向にあります。それを後押ししていると考えられているのが「人手不足」「賃金の増加」「原材料の高騰」です。 2021年度は減少傾向にあるように見えますが、コロナ対策の一環で助成金が支給されたことによる一時的な効果であると考えられており、依然過去最多の前年に次ぐ件数がやむを得ず倒産しています。 2022年8月1日段階では東京都の最低賃金が1,041円からは31円UPの1,072円とすることが検討されています。 人手不足の状況が加速する中で、確保した人材を離さないためにも企業側はさらに賃金を上げるなどの工夫が強いられています。 さらにロシア-ウクライナ間情勢もあり、様々な原材料価格が急激なスピードで高騰しています。つまり、飲食業では「原価」が上限なく急激なスピードで高騰しているのです。 これは、飲食業に限った話ではなく、製造業にも置き換えることができる内容です。 2.3Kから脱却&原価を抑えるための“AIロボット活用” 製造業の労働環境について、よく「3K(きつい、汚い、危険)」という表現が用いられます。これは、飲食業界にとっても同じです。 そこで現在、食品製造業にとどまらず外食産業業でもAIロボット技術への関心が高まっています。 例えば、Flippyというシステムは高温の油で揚げるような厨房での危険な仕事を人間のスタッフの代わりに行うことができます。 このとき、FlippyはAIを用いて食品を区別してフライヤーに入れることができ、油で揚げてから別の容器に移す最終工程までを完了させることができます。 ここでポイントなのは「AI」を活用しているという点です。机上で設定したものを量産するのが従来のロボットの概念でしたが、AIを用いることでその場の温度や湿度、分類されていない原材料の分別なども加味することができます。 さらに最近では、ファミリーマート経済産業省店にAIシステムを導入したロボット『TX SCARA』が導入されました。 これは、独自のAIシステム『Gordon』の自動制御により、バックヤードなどの狭いスペースで稼働可能となる水平多関節型のロボットです。 このAIロボットの導入で一日約1,000本行われている飲料陳列業務を、ロボットが人に代わって24時間担うことができます。 重いペットボトルなどの陳列は3Kの一つとしてカウントできると考えられますが、この「きつい」業務をロボットに置き換えることができるため従業員の負担が減り、従業員は売り場を離れることなく接客業務などのより付加価値の高い業務に取り組むことができます。 今回は飲食業で普及が進むAIロボットについてご紹介しました。特に製造業の皆様においては、飲食業界は他人事ではないかと思います。 加速する原価高騰への対策として、導入を検討してみてはいかがでしょうか。   ■【無料ダウンロード】工場のAI化・デジタル化最新事例解説レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ https://lp.funaisoken.co.jp/mt/smart-factory/dltext04-01-dl.html?txt=%E3%80%90%E4%B8%AD%E5%A0%85%E3%83%BB%E4%B8%AD%E5%B0%8F%E8%A3%BD%E9%80%A0%E6%A5%AD%20%E7%B5%8C%E5%96%B6%E8%80%85%E6%A7%98%E5%90%91%E3%81%91%E3%80%91%22%E5%B7%A5%E5%A0%B4%E3%81%AEAI%E3%83%BB%E3%83%87%E3%82%B8%E3%82%BF%E3%83%AB%E5%8C%96%22%20%E6%9C%80%E6%96%B0%E4%BA%8B%E4%BE%8B%E8%A7%A3%E8%AA%AC%E3%83%AC%E3%83%9D%E3%83%BC%E3%83%88 「AIやデジタルツールなどを使うことで、工場内のどのような課題を解決できるのか?」 「工場のDX(デジタルトランスフォーメーション)に関して、具体的な事例を知りたい」 本レポートでは、「工場のAI・デジタル化」にテーマを絞った上で、各種事例をご紹介いたします。 【事例①】AI活用を通じて「見積もり業務の標準化・脱属人化」を推進 【事例②】AIを活用した「類似案件検索システム」の確立 【事例③】AIを活用した外観検査体制の構築 【事例④】現場に散乱していた生産日報・日常点検表等のペーパーレス化を実現 【事例⑤】メンテナンス事業の案件情報一元管理 【事例⑥】営業担当者のワンストップ簡易設計システムの構築 【事例⑦】クラウドIoTによる設備の故障予知   ■オンラインセミナー開催のお知らせ 【メーカー経営者のためのAI活用戦略セミナー】~取り組み事例に学ぶ!メーカー経営にAIを活⽤する具体的⽅法とは!!~ 無料ダウンロードはこちらから https://www.funaisoken.co.jp/seminar/088304   このような方にオススメ 自社の経営にAIがどう適用できるかを知りたいメーカー経営者の方 営業がまだまだ属人的で、営業スタッフ個人のスキルに依存していると感じているメーカー経営者の方 商品企画や設計開発部門でノウハウが標準化されずに人材育成が遅れていると感じているメーカー経営者の方 生産技術・生産管理部門も特定の熟練者に知見とノウハウが集中していると感じているメーカー経営者の方 製造部門では熟練技術・職人的な業務があり、属人化・ブラックBOX化していると感じているメーカー経営者の方 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/088304   1.増加傾向にある飲食業の倒産数 近年、飲食業の倒産件数は増加傾向にあります。それを後押ししていると考えられているのが「人手不足」「賃金の増加」「原材料の高騰」です。 2021年度は減少傾向にあるように見えますが、コロナ対策の一環で助成金が支給されたことによる一時的な効果であると考えられており、依然過去最多の前年に次ぐ件数がやむを得ず倒産しています。 2022年8月1日段階では東京都の最低賃金が1,041円からは31円UPの1,072円とすることが検討されています。 人手不足の状況が加速する中で、確保した人材を離さないためにも企業側はさらに賃金を上げるなどの工夫が強いられています。 さらにロシア-ウクライナ間情勢もあり、様々な原材料価格が急激なスピードで高騰しています。つまり、飲食業では「原価」が上限なく急激なスピードで高騰しているのです。 これは、飲食業に限った話ではなく、製造業にも置き換えることができる内容です。 2.3Kから脱却&原価を抑えるための“AIロボット活用” 製造業の労働環境について、よく「3K(きつい、汚い、危険)」という表現が用いられます。これは、飲食業界にとっても同じです。 そこで現在、食品製造業にとどまらず外食産業業でもAIロボット技術への関心が高まっています。 例えば、Flippyというシステムは高温の油で揚げるような厨房での危険な仕事を人間のスタッフの代わりに行うことができます。 このとき、FlippyはAIを用いて食品を区別してフライヤーに入れることができ、油で揚げてから別の容器に移す最終工程までを完了させることができます。 ここでポイントなのは「AI」を活用しているという点です。机上で設定したものを量産するのが従来のロボットの概念でしたが、AIを用いることでその場の温度や湿度、分類されていない原材料の分別なども加味することができます。 さらに最近では、ファミリーマート経済産業省店にAIシステムを導入したロボット『TX SCARA』が導入されました。 これは、独自のAIシステム『Gordon』の自動制御により、バックヤードなどの狭いスペースで稼働可能となる水平多関節型のロボットです。 このAIロボットの導入で一日約1,000本行われている飲料陳列業務を、ロボットが人に代わって24時間担うことができます。 重いペットボトルなどの陳列は3Kの一つとしてカウントできると考えられますが、この「きつい」業務をロボットに置き換えることができるため従業員の負担が減り、従業員は売り場を離れることなく接客業務などのより付加価値の高い業務に取り組むことができます。 今回は飲食業で普及が進むAIロボットについてご紹介しました。特に製造業の皆様においては、飲食業界は他人事ではないかと思います。 加速する原価高騰への対策として、導入を検討してみてはいかがでしょうか。   ■【無料ダウンロード】工場のAI化・デジタル化最新事例解説レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ https://lp.funaisoken.co.jp/mt/smart-factory/dltext04-01-dl.html?txt=%E3%80%90%E4%B8%AD%E5%A0%85%E3%83%BB%E4%B8%AD%E5%B0%8F%E8%A3%BD%E9%80%A0%E6%A5%AD%20%E7%B5%8C%E5%96%B6%E8%80%85%E6%A7%98%E5%90%91%E3%81%91%E3%80%91%22%E5%B7%A5%E5%A0%B4%E3%81%AEAI%E3%83%BB%E3%83%87%E3%82%B8%E3%82%BF%E3%83%AB%E5%8C%96%22%20%E6%9C%80%E6%96%B0%E4%BA%8B%E4%BE%8B%E8%A7%A3%E8%AA%AC%E3%83%AC%E3%83%9D%E3%83%BC%E3%83%88 「AIやデジタルツールなどを使うことで、工場内のどのような課題を解決できるのか?」 「工場のDX(デジタルトランスフォーメーション)に関して、具体的な事例を知りたい」 本レポートでは、「工場のAI・デジタル化」にテーマを絞った上で、各種事例をご紹介いたします。 【事例①】AI活用を通じて「見積もり業務の標準化・脱属人化」を推進 【事例②】AIを活用した「類似案件検索システム」の確立 【事例③】AIを活用した外観検査体制の構築 【事例④】現場に散乱していた生産日報・日常点検表等のペーパーレス化を実現 【事例⑤】メンテナンス事業の案件情報一元管理 【事例⑥】営業担当者のワンストップ簡易設計システムの構築 【事例⑦】クラウドIoTによる設備の故障予知   ■オンラインセミナー開催のお知らせ 【メーカー経営者のためのAI活用戦略セミナー】~取り組み事例に学ぶ!メーカー経営にAIを活⽤する具体的⽅法とは!!~ 無料ダウンロードはこちらから https://www.funaisoken.co.jp/seminar/088304   このような方にオススメ 自社の経営にAIがどう適用できるかを知りたいメーカー経営者の方 営業がまだまだ属人的で、営業スタッフ個人のスキルに依存していると感じているメーカー経営者の方 商品企画や設計開発部門でノウハウが標準化されずに人材育成が遅れていると感じているメーカー経営者の方 生産技術・生産管理部門も特定の熟練者に知見とノウハウが集中していると感じているメーカー経営者の方 製造部門では熟練技術・職人的な業務があり、属人化・ブラックBOX化していると感じているメーカー経営者の方 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/088304  

AIを導入するならまずは自社のITインフラを確認しよう

2022.07.08

AIシステムの市場規模が急成長する一方で、そのプロジェクトの多くが消滅しています。その背景の1つに、従来のITインフラと、AIを実装するためのITインフラの違いがあると考えられています。 1.ITインフラがAIプロジェクトの成功を左右する 新型コロナウイルスの影響でDXへの取り組みは大きく加速しました。AIシステムへの投資意欲や投資金額も増加し、すでにAIは多くの業界において競争に勝ち抜く上での必須要素だと考え始められています。 AIプロジェクトの多くはPoC(概念検証)を実施し、そこで実現可否を判断します。しかしその段階で躓き、本番稼働に行きつけずに消滅してしまっているプロジェクトも多く存在します。米調査会社ガートナーによると、その割合は47%であり、約半数が本番稼働前に頓挫している現状となっています。また、同調査からは、全回答者の30%が「従来型のITインフラにAIソリューションを統合する際の複雑さがAIプロジェクト最大の障壁」だと考えていることも公表されています。つまり、ITインフラがAIプロジェクトの成功を左右する重要な要素となっているのです。 2.従来のITインフラとAIに対応できるインフラの違い 従来のITインフラとAIに対応できるインフラの最大の違いは「AI技術が発展途中であること」です。具体的には従来のITインフラにはない、「保守」と「拡張」の難しさの観点からご紹介します。 ・保守の難しさ AI分野は現在、世界中の大学・企業などが取り組む研究対象であり、その成果として日々さまざまなソフトウェアが公表されています。それらの多くはOSS(オープンソースソフトウェア)を組み合わせて構築されており、要は、ノウハウが整理されていないままの公開情報を組み合わせているため、その分不具合が生じる可能性も高いのです。企業がAIを導入する際も、この無償のOSSを使用することが多いのですが、セキュリティ面では企業のIT部門が求めるレベルの保守が無償のOSSでは提供されないのが一般的です。この点においてIT部門としては保守が受けられないことが大きなリスクとして捉え、保守ができないものは導入できないと考える企業も多くあります。 ・拡張の難しさ 従来のITインフラはAIプロジェクトによって拡張できることを想定しておらず、そもそも拡張できない状態である企業は多い現状です。それにより機会損失が発生する可能性もあります。 AIプロジェクトを始動する前に社内のITインフラをどのような基準で整備しているかを一度確認いただき、いざAIプロジェクトを始める際に上記のポイントについて問題がないかを確認してみてはいかがでしょうか。   ■無料ダウンロードAIを活用した類似案件検索システム導入事例解説レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ https://www.funaisoken.co.jp/dl-contents/smart-factory__00595 「こうなりたい!」と思っている経営者様におすすめ 見積作成時はベテラン担当者が過去の経験をフル活用して作成している→特定の担当者依存を解消したい 見積情報の共有範囲が不明確→情報共有を明確化したい 加工時間を参考にする場合は過去のファイルを参照→過去ファイルを探す時間を減らしたい 過去ファイルの存在は勘と経験頼り→勘と経験に依存した業務を無くしたい 目次 1、類似案件検索システムとは 2、類似案件検索システム導入後の効果 レポートの内容 AIを活用した類似案件検索システム導入事例 過去のPDF図面を参照する類似案件検索システム導入事例をご紹介   ■オンラインセミナー開催のお知らせ メーカー経営者のためのAI活用戦略セミナー ▼セミナーお申し込みはこちら▼ https://www.funaisoken.co.jp/seminar/088304   セミナー開催のお知らせ 取り組み事例に学ぶ!メーカー経営にAIを活⽤する具体的⽅法とは!! ■講座内容 ・第1講座 AI導入事例講座「メーカーでのAI取組事例」 営業AI化:営業部門でAIを活用し、属人化した営業スキルの標準化に取り組んでいるメーカーの事例 見積・提案AI化:営業スタッフの見積・提案業務をAIがサポート 受注予測AI化:AIを活用した受注予測により、売上見込みの精度向上 生産計画・生産管理AI化:AIを活用した生産計画・生産管理による生産性UP・利益率UP 生産技術AI化:AIを活用した生産現場での熟練技術の継承 外観検査AI化:AIを活用した外観検査の省人化&工程改善・品質UP 顧客対応AI化:営業時の顧客対応をAIがサポート ・第2講座 AI導入戦略講座「メーカー経営者が取り組むべきAI活用戦略とは」 メーカーの経営にAIを活用する方法 ”経営者目線”で知っておくべき製造業で実践できる具体的なAI活用とは? 漠然とした理論・概論ではなく、現場で即使えて実践的なAI導入手順 ■開催日程(全てオンライン開催) 2022/09/13 (火) 13:00~15:00 2022/09/15 (木) 13:00~15:00 2022/09/21 (水) 13:00~15:00 2022/09/22 (木) 13:00~15:00 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/088304   AIシステムの市場規模が急成長する一方で、そのプロジェクトの多くが消滅しています。その背景の1つに、従来のITインフラと、AIを実装するためのITインフラの違いがあると考えられています。 1.ITインフラがAIプロジェクトの成功を左右する 新型コロナウイルスの影響でDXへの取り組みは大きく加速しました。AIシステムへの投資意欲や投資金額も増加し、すでにAIは多くの業界において競争に勝ち抜く上での必須要素だと考え始められています。 AIプロジェクトの多くはPoC(概念検証)を実施し、そこで実現可否を判断します。しかしその段階で躓き、本番稼働に行きつけずに消滅してしまっているプロジェクトも多く存在します。米調査会社ガートナーによると、その割合は47%であり、約半数が本番稼働前に頓挫している現状となっています。また、同調査からは、全回答者の30%が「従来型のITインフラにAIソリューションを統合する際の複雑さがAIプロジェクト最大の障壁」だと考えていることも公表されています。つまり、ITインフラがAIプロジェクトの成功を左右する重要な要素となっているのです。 2.従来のITインフラとAIに対応できるインフラの違い 従来のITインフラとAIに対応できるインフラの最大の違いは「AI技術が発展途中であること」です。具体的には従来のITインフラにはない、「保守」と「拡張」の難しさの観点からご紹介します。 ・保守の難しさ AI分野は現在、世界中の大学・企業などが取り組む研究対象であり、その成果として日々さまざまなソフトウェアが公表されています。それらの多くはOSS(オープンソースソフトウェア)を組み合わせて構築されており、要は、ノウハウが整理されていないままの公開情報を組み合わせているため、その分不具合が生じる可能性も高いのです。企業がAIを導入する際も、この無償のOSSを使用することが多いのですが、セキュリティ面では企業のIT部門が求めるレベルの保守が無償のOSSでは提供されないのが一般的です。この点においてIT部門としては保守が受けられないことが大きなリスクとして捉え、保守ができないものは導入できないと考える企業も多くあります。 ・拡張の難しさ 従来のITインフラはAIプロジェクトによって拡張できることを想定しておらず、そもそも拡張できない状態である企業は多い現状です。それにより機会損失が発生する可能性もあります。 AIプロジェクトを始動する前に社内のITインフラをどのような基準で整備しているかを一度確認いただき、いざAIプロジェクトを始める際に上記のポイントについて問題がないかを確認してみてはいかがでしょうか。   ■無料ダウンロードAIを活用した類似案件検索システム導入事例解説レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ https://www.funaisoken.co.jp/dl-contents/smart-factory__00595 「こうなりたい!」と思っている経営者様におすすめ 見積作成時はベテラン担当者が過去の経験をフル活用して作成している→特定の担当者依存を解消したい 見積情報の共有範囲が不明確→情報共有を明確化したい 加工時間を参考にする場合は過去のファイルを参照→過去ファイルを探す時間を減らしたい 過去ファイルの存在は勘と経験頼り→勘と経験に依存した業務を無くしたい 目次 1、類似案件検索システムとは 2、類似案件検索システム導入後の効果 レポートの内容 AIを活用した類似案件検索システム導入事例 過去のPDF図面を参照する類似案件検索システム導入事例をご紹介   ■オンラインセミナー開催のお知らせ メーカー経営者のためのAI活用戦略セミナー ▼セミナーお申し込みはこちら▼ https://www.funaisoken.co.jp/seminar/088304   セミナー開催のお知らせ 取り組み事例に学ぶ!メーカー経営にAIを活⽤する具体的⽅法とは!! ■講座内容 ・第1講座 AI導入事例講座「メーカーでのAI取組事例」 営業AI化:営業部門でAIを活用し、属人化した営業スキルの標準化に取り組んでいるメーカーの事例 見積・提案AI化:営業スタッフの見積・提案業務をAIがサポート 受注予測AI化:AIを活用した受注予測により、売上見込みの精度向上 生産計画・生産管理AI化:AIを活用した生産計画・生産管理による生産性UP・利益率UP 生産技術AI化:AIを活用した生産現場での熟練技術の継承 外観検査AI化:AIを活用した外観検査の省人化&工程改善・品質UP 顧客対応AI化:営業時の顧客対応をAIがサポート ・第2講座 AI導入戦略講座「メーカー経営者が取り組むべきAI活用戦略とは」 メーカーの経営にAIを活用する方法 ”経営者目線”で知っておくべき製造業で実践できる具体的なAI活用とは? 漠然とした理論・概論ではなく、現場で即使えて実践的なAI導入手順 ■開催日程(全てオンライン開催) 2022/09/13 (火) 13:00~15:00 2022/09/15 (木) 13:00~15:00 2022/09/21 (水) 13:00~15:00 2022/09/22 (木) 13:00~15:00 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/088304  

検査工程を改善する!自動化以外に頼るべき手法!

2022.07.01

検査を自動化したい!という要望は非常に多いです。 ただ、検査の自動化はなかなかうまくいくものでもありません。 それは光の当たり方で変わることが多く、なかなか安定しないからです。 また、パターン登録をきっちりとしないといけない従来の検査カメラとかだと、多品種小ロット生産の中小企業ではなかなか導入できないというケースが多いです。 私は自動化のコンサルタントですが、「これは自動化しない方が良いな」という検査工程の相談を受ける場合も多いです。その時に何を提案するか?今回はそれをお伝えします。 1.作業分析による動作改善 組立の時にもお話に上げさせていただきましたが、動作分析を行うことは非常に大きな収穫があります。 ここでお伝えしたいことは「熟練者」と「未熟練者」の比較です。熟練者の作業を分析することで、どうやったらよいか?ということをしっかりとマニュアル化して教育に生かすことができます。 2.不良基準の見直し 熟練者の話が上がっていましたが、熟練者の検査が適切なのか?これも確認することは重要です。検査の担当者は「クレームを受ける立場の人」でもあります。不良品がお客様に納品されると、社外からも社内からもつつかれて痛い目に合うのが検査の担当です。 最も、お客さんに不良品を納めないことは大前提ではありますが、過剰なまでの検査を実施している可能性はあります。先ほど述べたように、お客様からのクレームが正義となり、 長く積み重ねた結果、かなり検査に関して工数をかけている、 社内での不良の発生率が高い という状態をたまに見かけます。 お客さんとの交渉は骨が折れますが、お客さんと改めて不良の基準を話し合ってもよいかと思います。その時のポイントは下記になります。 どの箇所の不良は完全にNGなのかはっきりさせる  ⇒搬送系のメーカーさんに納品する場合は必須です 許容してほしい不良の成り立ちを説明し、影響がないことを証明する  ⇒加工機の特性上仕方のないものは必ずあります お客さんとの交渉は長期にわたり骨が折れますが、過剰検査による工数の増大と、社内不良の発生は意外にあるので着目してはいかがでしょうか。 3.照明の設置 上記で上げましたが、工程内検査は意外にテコ入れがされていないことが多いです。出荷前検査はとても重要です。それなりに工数をかけて検査品質を保つ必要があります。ただ、その不良が起こったところはどこか?というものを分析していくと、工程内での不良です。早期発見に越したことはありません。 抜き取り検査などをする際、当たり前のように検査台に行き、そこにある測定器具を使用しますが、不思議と照明が設置されていることは少ないです。寸法が出ているか?納品基準を検査することに意識がいきがちですが、不思議と外観検査はしっかりと対策されているイメージはありません。外観検査の場合、金型や刃物の不良などによるものが工程内ではよく起こります。それが素通りするとかなりの数の製品に影響が出るケースが多いです。 人間の目は不思議なもので、照明があるだけで不良を見分けられます。作業者の環境を改善するためにも最も低コストで実施できる内容かもしれません。   ■AI画像検査導入事例解説レポート AIを活用し「積算・見積もりのドンブリ勘定」からの脱却を実現! AI活用を通じて“ベテラン社員の働き方改革”を推進! 積算・見積もり業務の“標準化・脱属人化・技術継承”実践事例とは? ▼事例レポート無料ダウンロードお申し込みはこちら▼ https://lp.funaisoken.co.jp/mt/smart-factory/dltext06-01-dl.html 収録内容 「人手に頼った目視検査で工数がかかっているので検査を自動化して工数を削減したい!」 「画像検査装置を導入したことが無いがやってみたい!」 「小さな不良なので画像検査が可能なのか分からないからテストしてみたい!」 「人による目視検査で不良品が流出しているので検査精度を上げて不良流出を防ぎたい!」 「検査業務が属人化しているので標準化して誰でも検査が行えるようにしたい!」 本レポートでは、「AI画像検査」にテーマを絞り、具体的な導入方法と成功事例をご紹介いたします。 【①】AI画像検査導入の進め方 ~業務分析、データ収集、作業分析、コスト効果分析、、、~ 【②】AI画像検査導入の具体的手法 ~透明な樹脂成型品の傷、異物を画像検査装置で検出~ 導入の具体的手法を徹底解説!! 【③】補助金を活用した画像検査装置導入成功事例 ●自動車用部品の最終検査工程に検査装置を導入  カメラ・力覚・レーザー変位センサーをロボットハンドに取り付け、検査の自動化を実現 ●ボールペン部品射出成形の検査及び箱詰め工程に検査装置を導入  目視での外観検査工程を、カメラで撮影した画像から検査を行うことで、判定を行う ●AI技術とロボットを用いた多品種油圧機器外観検査の自動化  ロボットで画像センサと照明を操作し、取得した画像をAI技術で判別し、外観検査を自動化   ■オンラインセミナー開催のお知らせ 多品種少量生産機械加工業のロボット活用!社長セミナー ▼セミナーお申し込みはこちら▼ https://smart-factory.funaisoken.co.jp/event/   このような方にオススメ マシニングセンタ・NC旋盤・各種加工機等を保有している機械加工業の社長様 多品種少量生産している機械加工業の社長様 現場スタッフに課題があり人手を掛けずに生産量を増やしたいと考えている社長様 ロボット化により夜間稼働や休日稼働をすることで生産性を上げたいと思われる社長様 ロボット活用にこれから取り組みたいが、どのように始めれば良いか分からない社長様 2022/08/16 (火) 13:00~15:00 2022/08/18 (木) 13:00~15:00 2022/08/23 (火) 13:00~15:00 2022/08/24 (水) 13:00~15:00 お申し込みはこちらから⇒ このセミナーは終了しました。最新のセミナーはこちらから。 https://smart-factory.funaisoken.co.jp/event/   検査を自動化したい!という要望は非常に多いです。 ただ、検査の自動化はなかなかうまくいくものでもありません。 それは光の当たり方で変わることが多く、なかなか安定しないからです。 また、パターン登録をきっちりとしないといけない従来の検査カメラとかだと、多品種小ロット生産の中小企業ではなかなか導入できないというケースが多いです。 私は自動化のコンサルタントですが、「これは自動化しない方が良いな」という検査工程の相談を受ける場合も多いです。その時に何を提案するか?今回はそれをお伝えします。 1.作業分析による動作改善 組立の時にもお話に上げさせていただきましたが、動作分析を行うことは非常に大きな収穫があります。 ここでお伝えしたいことは「熟練者」と「未熟練者」の比較です。熟練者の作業を分析することで、どうやったらよいか?ということをしっかりとマニュアル化して教育に生かすことができます。 2.不良基準の見直し 熟練者の話が上がっていましたが、熟練者の検査が適切なのか?これも確認することは重要です。検査の担当者は「クレームを受ける立場の人」でもあります。不良品がお客様に納品されると、社外からも社内からもつつかれて痛い目に合うのが検査の担当です。 最も、お客さんに不良品を納めないことは大前提ではありますが、過剰なまでの検査を実施している可能性はあります。先ほど述べたように、お客様からのクレームが正義となり、 長く積み重ねた結果、かなり検査に関して工数をかけている、 社内での不良の発生率が高い という状態をたまに見かけます。 お客さんとの交渉は骨が折れますが、お客さんと改めて不良の基準を話し合ってもよいかと思います。その時のポイントは下記になります。 どの箇所の不良は完全にNGなのかはっきりさせる  ⇒搬送系のメーカーさんに納品する場合は必須です 許容してほしい不良の成り立ちを説明し、影響がないことを証明する  ⇒加工機の特性上仕方のないものは必ずあります お客さんとの交渉は長期にわたり骨が折れますが、過剰検査による工数の増大と、社内不良の発生は意外にあるので着目してはいかがでしょうか。 3.照明の設置 上記で上げましたが、工程内検査は意外にテコ入れがされていないことが多いです。出荷前検査はとても重要です。それなりに工数をかけて検査品質を保つ必要があります。ただ、その不良が起こったところはどこか?というものを分析していくと、工程内での不良です。早期発見に越したことはありません。 抜き取り検査などをする際、当たり前のように検査台に行き、そこにある測定器具を使用しますが、不思議と照明が設置されていることは少ないです。寸法が出ているか?納品基準を検査することに意識がいきがちですが、不思議と外観検査はしっかりと対策されているイメージはありません。外観検査の場合、金型や刃物の不良などによるものが工程内ではよく起こります。それが素通りするとかなりの数の製品に影響が出るケースが多いです。 人間の目は不思議なもので、照明があるだけで不良を見分けられます。作業者の環境を改善するためにも最も低コストで実施できる内容かもしれません。   ■AI画像検査導入事例解説レポート AIを活用し「積算・見積もりのドンブリ勘定」からの脱却を実現! AI活用を通じて“ベテラン社員の働き方改革”を推進! 積算・見積もり業務の“標準化・脱属人化・技術継承”実践事例とは? ▼事例レポート無料ダウンロードお申し込みはこちら▼ https://lp.funaisoken.co.jp/mt/smart-factory/dltext06-01-dl.html 収録内容 「人手に頼った目視検査で工数がかかっているので検査を自動化して工数を削減したい!」 「画像検査装置を導入したことが無いがやってみたい!」 「小さな不良なので画像検査が可能なのか分からないからテストしてみたい!」 「人による目視検査で不良品が流出しているので検査精度を上げて不良流出を防ぎたい!」 「検査業務が属人化しているので標準化して誰でも検査が行えるようにしたい!」 本レポートでは、「AI画像検査」にテーマを絞り、具体的な導入方法と成功事例をご紹介いたします。 【①】AI画像検査導入の進め方 ~業務分析、データ収集、作業分析、コスト効果分析、、、~ 【②】AI画像検査導入の具体的手法 ~透明な樹脂成型品の傷、異物を画像検査装置で検出~ 導入の具体的手法を徹底解説!! 【③】補助金を活用した画像検査装置導入成功事例 ●自動車用部品の最終検査工程に検査装置を導入  カメラ・力覚・レーザー変位センサーをロボットハンドに取り付け、検査の自動化を実現 ●ボールペン部品射出成形の検査及び箱詰め工程に検査装置を導入  目視での外観検査工程を、カメラで撮影した画像から検査を行うことで、判定を行う ●AI技術とロボットを用いた多品種油圧機器外観検査の自動化  ロボットで画像センサと照明を操作し、取得した画像をAI技術で判別し、外観検査を自動化   ■オンラインセミナー開催のお知らせ 多品種少量生産機械加工業のロボット活用!社長セミナー ▼セミナーお申し込みはこちら▼ https://smart-factory.funaisoken.co.jp/event/   このような方にオススメ マシニングセンタ・NC旋盤・各種加工機等を保有している機械加工業の社長様 多品種少量生産している機械加工業の社長様 現場スタッフに課題があり人手を掛けずに生産量を増やしたいと考えている社長様 ロボット化により夜間稼働や休日稼働をすることで生産性を上げたいと思われる社長様 ロボット活用にこれから取り組みたいが、どのように始めれば良いか分からない社長様 2022/08/16 (火) 13:00~15:00 2022/08/18 (木) 13:00~15:00 2022/08/23 (火) 13:00~15:00 2022/08/24 (水) 13:00~15:00 お申し込みはこちらから⇒ このセミナーは終了しました。最新のセミナーはこちらから。 https://smart-factory.funaisoken.co.jp/event/  

生産計画のAI活用を成功させるポイントとは

2022.06.24

今回は、「生産計画のAI活用を成功させるポイントとは」というテーマについてお伝えさせていただきます。 1.生産計画に関する現場の課題 日々全国各地の製造業の企業様とやり取りをさせていただく中で、近年特に現場からのニーズとして顕在化しているのが、「生産計画のAI活用」に関するテーマです。 生産計画に関する主なお悩みとして、 生産計画の作成・修正業務が熟練者に依存している。 熟練者の生産計画関連ノウハウが暗黙知化している。 近い将来、熟練者の引退が控えているが、このままでは熟練者特有のノウハウが会社に残っていかない。 業務自体が属人化しているため、若手社員が生産計画関連業務に従事できない。 業務習得のためには経験とスキルが求められるため、人材育成に時間がかかる。 等の事柄が挙げられます。 2.AIを活用した生産計画とは 上記のような生産計画関連のお悩みを解決するために、AIを活用し、熟練者のノウハウを形式知化・ルール化することで 生産計画の自動立案(※立案結果の微調整・最終チェックはヒトが担当) 生産計画立案業務の標準化・脱属人化 生産計画内容の平準化 等を目指していくというのが、「生産計画のAI活用」の趣旨となります。 「生産計画のAI活用」については、ニーズとしては確かに顕在化している一方で、実際にAIシステムの開発・導入を進めるにあたっては思うように開発・導入が進んでいかないケースも。 そのような中で、開発・導入に関する失敗を極力回避しながら進めていくためにはどうすればよいのか。 次に生産計画のAI活用を成功させるポイントを解説します。 3.生産計画のAI活用を成功させるポイント 結論としては、「1度のAIシステム開発に多くの機能・条件を求めすぎない」ことが非常に重要となります。 よくある例としては、 既存の生産計画立案フローや立案の考え方をすべてシステム化しようとする。 生産計画の立案以外にも、生産管理関連の機能をすべて1つのシステムに組み込もうとする。 その他にも自社特有の機能を1つのシステムに「あれもこれも」と追加してしまう。 結果としてシステム開発費用が膨れ上がる。 システム開発費用と比例して、システム開発工数も延びてしまう。 より多くの機能・条件を1つのシステム内でカバーする必要があるため、システム開発が難航してしまう。 システムの出来自体も、かなり複雑なものになってしまう。 等の事柄が挙げられます。 上記のような発想のまま、1度で完璧なものを完成させる前提で生産計画のAI活用(システム化)を進めてしまうと、失敗する可能性が高まってしまいます。 失敗回避のための進め方の一例としては、 まずは「生産計画の自動立案の機能のみ」に特化したAIシステムを作る どうしても追加したい機能や条件がある場合は、開発フェーズを分けて導入を進める 等の進め方がおすすめです。 また、既存の生産計画立案フローや立案の考え方をすべてシステム化しようとするのではなく、システム導入を契機として、既存の業務の在り方を見直し、余計な業務工程や考え方・ルール等を削ぎ落とすこともまた、「生産計画のAI活用」を進める上で重要なポイントとなります。 以上、「生産計画のAI活用 失敗回避のポイントとは?」というテーマについてお伝えさせていただきました。   ■“積算・見積もりAIシステム”事例解説レポート AIを活用し「積算・見積もりのドンブリ勘定」からの脱却を実現! AI活用を通じて“ベテラン社員の働き方改革”を推進! 積算・見積もり業務の“標準化・脱属人化・技術継承”実践事例とは? ▼事例レポート無料ダウンロードお申し込みはこちら▼ https://www.funaisoken.co.jp/dl-contents/smart-factory_smart-factory_00702 「こうなりたい!」と思っている経営者様におすすめ 見積もり業務の属人化を解消したい 見積もり業務の標準化を図りたい 見積もり業務にAIを活用したい 積算・見積もり業務の“標準化・脱属人化・技術継承”をしたい AI活用を通じてベテラン社員の働き方改革を進めたい   ■オンラインセミナー開催のお知らせ 製造業の為のAI活用戦略!経営者セミナー ▼セミナーお申し込みはこちら▼ https://smart-factory.funaisoken.co.jp/event/   このような方にオススメ AIに関心はあるが、自社の経営・営業にAIを具体的にどう活用できるかを知りたい”製造業経営者” 営業部門がまだまだ属人的で、個々の営業スタッフの経験や勘に依存していると感じている”製造業経営者” 生産技術・生産計画・生産管理を特定の熟練者に依存していてブラックボックス化していると感じている"製造業経営者" 製造現場では匠の技が駆使されていて、AI化・IoT化・ロボット化・デジタル化が進んでいないと感じてる”製造業経営者” 営業管理・生産管理・原価管理等の基幹システムに課題があり、非効率的で改善が必要と感じている”製造業経営者”の方   ■講座内容 第1講座 AI取組事例講座編 「全国各地で見られる製造業でのAI取り組み事例」 営業部門でAIを活用し、属人化した営業スキルの標準化に取り組んでいる製造業の事例 見積・設計業務にAIを活用して、見積業務効率化・見積精度UP、設計業務効率化に取り組んでいる製造業の事例 生産計画・生産管理にAIを活用して、生産計画作成の自動化・最適化&生産管理の効率化に取り組んでいる製造業の事例 製造現場でのAI化・IoT化・ロボット化・デジタル化により職人依存体制からの脱却を目指している製造業の事例 経営管理全般でDX化に邁進している製造業の事例 第2講座 AI活用戦略講座編 「製造業経営者が取り組むべきAI活用戦略」 製造業の経営にAIを活用する方法 ”経営者目線”で知っておくべき製造業で実践できる具体的なAI活用とは? 漠然とした理論・概論ではなく、現場で即使えて実践的なAI導入手順   ■開催日程(全てオンラインでの開催となります) 以下いずかれよりご都合の良い日程をお選び下さい 2022/07/05 (火) 13:00~15:00 2022/07/07 (木) 13:00~15:00 2022/07/12 (火) 13:00~15:00 2022/07/14 (木) 13:00~15:00 お申し込みはこちらから⇒ このセミナーは終了しました。最新のセミナーはこちらから。 https://smart-factory.funaisoken.co.jp/event/   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、「生産計画のAI活用を成功させるポイントとは」というテーマについてお伝えさせていただきます。 1.生産計画に関する現場の課題 日々全国各地の製造業の企業様とやり取りをさせていただく中で、近年特に現場からのニーズとして顕在化しているのが、「生産計画のAI活用」に関するテーマです。 生産計画に関する主なお悩みとして、 生産計画の作成・修正業務が熟練者に依存している。 熟練者の生産計画関連ノウハウが暗黙知化している。 近い将来、熟練者の引退が控えているが、このままでは熟練者特有のノウハウが会社に残っていかない。 業務自体が属人化しているため、若手社員が生産計画関連業務に従事できない。 業務習得のためには経験とスキルが求められるため、人材育成に時間がかかる。 等の事柄が挙げられます。 2.AIを活用した生産計画とは 上記のような生産計画関連のお悩みを解決するために、AIを活用し、熟練者のノウハウを形式知化・ルール化することで 生産計画の自動立案(※立案結果の微調整・最終チェックはヒトが担当) 生産計画立案業務の標準化・脱属人化 生産計画内容の平準化 等を目指していくというのが、「生産計画のAI活用」の趣旨となります。 「生産計画のAI活用」については、ニーズとしては確かに顕在化している一方で、実際にAIシステムの開発・導入を進めるにあたっては思うように開発・導入が進んでいかないケースも。 そのような中で、開発・導入に関する失敗を極力回避しながら進めていくためにはどうすればよいのか。 次に生産計画のAI活用を成功させるポイントを解説します。 3.生産計画のAI活用を成功させるポイント 結論としては、「1度のAIシステム開発に多くの機能・条件を求めすぎない」ことが非常に重要となります。 よくある例としては、 既存の生産計画立案フローや立案の考え方をすべてシステム化しようとする。 生産計画の立案以外にも、生産管理関連の機能をすべて1つのシステムに組み込もうとする。 その他にも自社特有の機能を1つのシステムに「あれもこれも」と追加してしまう。 結果としてシステム開発費用が膨れ上がる。 システム開発費用と比例して、システム開発工数も延びてしまう。 より多くの機能・条件を1つのシステム内でカバーする必要があるため、システム開発が難航してしまう。 システムの出来自体も、かなり複雑なものになってしまう。 等の事柄が挙げられます。 上記のような発想のまま、1度で完璧なものを完成させる前提で生産計画のAI活用(システム化)を進めてしまうと、失敗する可能性が高まってしまいます。 失敗回避のための進め方の一例としては、 まずは「生産計画の自動立案の機能のみ」に特化したAIシステムを作る どうしても追加したい機能や条件がある場合は、開発フェーズを分けて導入を進める 等の進め方がおすすめです。 また、既存の生産計画立案フローや立案の考え方をすべてシステム化しようとするのではなく、システム導入を契機として、既存の業務の在り方を見直し、余計な業務工程や考え方・ルール等を削ぎ落とすこともまた、「生産計画のAI活用」を進める上で重要なポイントとなります。 以上、「生産計画のAI活用 失敗回避のポイントとは?」というテーマについてお伝えさせていただきました。   ■“積算・見積もりAIシステム”事例解説レポート AIを活用し「積算・見積もりのドンブリ勘定」からの脱却を実現! AI活用を通じて“ベテラン社員の働き方改革”を推進! 積算・見積もり業務の“標準化・脱属人化・技術継承”実践事例とは? ▼事例レポート無料ダウンロードお申し込みはこちら▼ https://www.funaisoken.co.jp/dl-contents/smart-factory_smart-factory_00702 「こうなりたい!」と思っている経営者様におすすめ 見積もり業務の属人化を解消したい 見積もり業務の標準化を図りたい 見積もり業務にAIを活用したい 積算・見積もり業務の“標準化・脱属人化・技術継承”をしたい AI活用を通じてベテラン社員の働き方改革を進めたい   ■オンラインセミナー開催のお知らせ 製造業の為のAI活用戦略!経営者セミナー ▼セミナーお申し込みはこちら▼ https://smart-factory.funaisoken.co.jp/event/   このような方にオススメ AIに関心はあるが、自社の経営・営業にAIを具体的にどう活用できるかを知りたい”製造業経営者” 営業部門がまだまだ属人的で、個々の営業スタッフの経験や勘に依存していると感じている”製造業経営者” 生産技術・生産計画・生産管理を特定の熟練者に依存していてブラックボックス化していると感じている"製造業経営者" 製造現場では匠の技が駆使されていて、AI化・IoT化・ロボット化・デジタル化が進んでいないと感じてる”製造業経営者” 営業管理・生産管理・原価管理等の基幹システムに課題があり、非効率的で改善が必要と感じている”製造業経営者”の方   ■講座内容 第1講座 AI取組事例講座編 「全国各地で見られる製造業でのAI取り組み事例」 営業部門でAIを活用し、属人化した営業スキルの標準化に取り組んでいる製造業の事例 見積・設計業務にAIを活用して、見積業務効率化・見積精度UP、設計業務効率化に取り組んでいる製造業の事例 生産計画・生産管理にAIを活用して、生産計画作成の自動化・最適化&生産管理の効率化に取り組んでいる製造業の事例 製造現場でのAI化・IoT化・ロボット化・デジタル化により職人依存体制からの脱却を目指している製造業の事例 経営管理全般でDX化に邁進している製造業の事例 第2講座 AI活用戦略講座編 「製造業経営者が取り組むべきAI活用戦略」 製造業の経営にAIを活用する方法 ”経営者目線”で知っておくべき製造業で実践できる具体的なAI活用とは? 漠然とした理論・概論ではなく、現場で即使えて実践的なAI導入手順   ■開催日程(全てオンラインでの開催となります) 以下いずかれよりご都合の良い日程をお選び下さい 2022/07/05 (火) 13:00~15:00 2022/07/07 (木) 13:00~15:00 2022/07/12 (火) 13:00~15:00 2022/07/14 (木) 13:00~15:00 お申し込みはこちらから⇒ このセミナーは終了しました。最新のセミナーはこちらから。 https://smart-factory.funaisoken.co.jp/event/  

なぜDXでAIが必要なのか?BI分野の最新トピック「拡張アナリティクス」をご紹介

2022.06.20

1.AI(人工知能)とBI(ビジネスインテリジェンス)について BI(ビジネスインテリジェンス)は、組織がよりデータに基づいた意思決定を行えるように支援することを指し、これにはデータ分析やビジネス分析が含まれています。BIによって出力される分析結果から、パターンや特徴・相関性を見つけて可視化することができますが、あくまでも人間が意思決定をするために必要な情報を提供する立場となります。 一方、AI(人工知能)は、人間の知的ふるまいの一部についてソフトウェアを用いて人工的に再現することを指します。BIで算出される結果に対し+αの高度な情報処理が可能です。AIを用いることで情報提供にとどまらず、人が行う「意思決定」までを実行することが可能なります。 2.拡張アナリティクスとは 最近話題となっている「拡張アナリティクス」は、機械学習・AIを組み込んだ分析のことを言います。「BI」によるデータを可視化する技術と「AI」による+αの高度な情報処理のハイブリット型ともいうことができ、さらに機械学習や自然言語処理分野の発展により技術的障壁は低くなってきているため、現在多くの注目を浴びています。 従来、このハイブリットな考え方をするためにはデータサイエンティストやデータアナリストなどのスキルを持ち合わせた人に依頼する必要がありました。特に、近年のアナリティクスやBIでは、分析データの前処理(データの整理、品質確保など)に莫大な手間とコストがかかっています。この点において拡張アナリティクスを用いることができれば、そのアルゴリズムによって手間の軽減・削減が可能となります。 ビジネスニーズや技術に応じて、DX分野は恐ろしいスピードで進化し続けています。今回のように、AIやBIを大前提とした言葉も昨今急激に増えてきました。業界の最先端で分析を進めるデータサイエンティストでさえ、拡張アナリティクスに仕事を奪われる日が来るかもしれないと考える専門家も複数います。そのため、自社の課題の本質を捉えて、どこまでの範囲でDXを行うのか(できるのか)を常に検討しておく必要があります。   ■“積算・見積もりAIシステム”事例解説レポート AIを活用し「積算・見積もりのドンブリ勘定」からの脱却を実現! AI活用を通じて“ベテラン社員の働き方改革”を推進! 積算・見積もり業務の“標準化・脱属人化・技術継承”実践事例とは? ▼事例レポート無料ダウンロードお申し込みはこちら▼ https://www.funaisoken.co.jp/dl-contents/smart-factory_smart-factory_00702 「こうなりたい!」と思っている経営者様におすすめ 見積もり業務の属人化を解消したい 見積もり業務の標準化を図りたい 見積もり業務にAIを活用したい 積算・見積もり業務の“標準化・脱属人化・技術継承”をしたい AI活用を通じてベテラン社員の働き方改革を進めたい   ■オンラインセミナー開催のお知らせ 製造業の為のAI活用戦略!経営者セミナー ▼セミナーお申し込みはこちら▼ https://smart-factory.funaisoken.co.jp/event/   このような方にオススメ AIに関心はあるが、自社の経営・営業にAIを具体的にどう活用できるかを知りたい”製造業経営者” 営業部門がまだまだ属人的で、個々の営業スタッフの経験や勘に依存していると感じている”製造業経営者” 生産技術・生産計画・生産管理を特定の熟練者に依存していてブラックボックス化していると感じている"製造業経営者" 製造現場では匠の技が駆使されていて、AI化・IoT化・ロボット化・デジタル化が進んでいないと感じてる”製造業経営者” 営業管理・生産管理・原価管理等の基幹システムに課題があり、非効率的で改善が必要と感じている”製造業経営者”の方   ■講座内容 第1講座 AI取組事例講座編 「全国各地で見られる製造業でのAI取り組み事例」 営業部門でAIを活用し、属人化した営業スキルの標準化に取り組んでいる製造業の事例 見積・設計業務にAIを活用して、見積業務効率化・見積精度UP、設計業務効率化に取り組んでいる製造業の事例 生産計画・生産管理にAIを活用して、生産計画作成の自動化・最適化&生産管理の効率化に取り組んでいる製造業の事例 製造現場でのAI化・IoT化・ロボット化・デジタル化により職人依存体制からの脱却を目指している製造業の事例 経営管理全般でDX化に邁進している製造業の事例 第2講座 AI活用戦略講座編 「製造業経営者が取り組むべきAI活用戦略」 製造業の経営にAIを活用する方法 ”経営者目線”で知っておくべき製造業で実践できる具体的なAI活用とは? 漠然とした理論・概論ではなく、現場で即使えて実践的なAI導入手順   ■開催日程(全てオンラインでの開催となります) 以下いずかれよりご都合の良い日程をお選び下さい 2022/07/05 (火) 13:00~15:00 2022/07/07 (木) 13:00~15:00 2022/07/12 (火) 13:00~15:00 2022/07/14 (木) 13:00~15:00 お申し込みはこちらから⇒ このセミナーは終了しました。最新のセミナーはこちらから。 https://smart-factory.funaisoken.co.jp/event/   1.AI(人工知能)とBI(ビジネスインテリジェンス)について BI(ビジネスインテリジェンス)は、組織がよりデータに基づいた意思決定を行えるように支援することを指し、これにはデータ分析やビジネス分析が含まれています。BIによって出力される分析結果から、パターンや特徴・相関性を見つけて可視化することができますが、あくまでも人間が意思決定をするために必要な情報を提供する立場となります。 一方、AI(人工知能)は、人間の知的ふるまいの一部についてソフトウェアを用いて人工的に再現することを指します。BIで算出される結果に対し+αの高度な情報処理が可能です。AIを用いることで情報提供にとどまらず、人が行う「意思決定」までを実行することが可能なります。 2.拡張アナリティクスとは 最近話題となっている「拡張アナリティクス」は、機械学習・AIを組み込んだ分析のことを言います。「BI」によるデータを可視化する技術と「AI」による+αの高度な情報処理のハイブリット型ともいうことができ、さらに機械学習や自然言語処理分野の発展により技術的障壁は低くなってきているため、現在多くの注目を浴びています。 従来、このハイブリットな考え方をするためにはデータサイエンティストやデータアナリストなどのスキルを持ち合わせた人に依頼する必要がありました。特に、近年のアナリティクスやBIでは、分析データの前処理(データの整理、品質確保など)に莫大な手間とコストがかかっています。この点において拡張アナリティクスを用いることができれば、そのアルゴリズムによって手間の軽減・削減が可能となります。 ビジネスニーズや技術に応じて、DX分野は恐ろしいスピードで進化し続けています。今回のように、AIやBIを大前提とした言葉も昨今急激に増えてきました。業界の最先端で分析を進めるデータサイエンティストでさえ、拡張アナリティクスに仕事を奪われる日が来るかもしれないと考える専門家も複数います。そのため、自社の課題の本質を捉えて、どこまでの範囲でDXを行うのか(できるのか)を常に検討しておく必要があります。   ■“積算・見積もりAIシステム”事例解説レポート AIを活用し「積算・見積もりのドンブリ勘定」からの脱却を実現! AI活用を通じて“ベテラン社員の働き方改革”を推進! 積算・見積もり業務の“標準化・脱属人化・技術継承”実践事例とは? ▼事例レポート無料ダウンロードお申し込みはこちら▼ https://www.funaisoken.co.jp/dl-contents/smart-factory_smart-factory_00702 「こうなりたい!」と思っている経営者様におすすめ 見積もり業務の属人化を解消したい 見積もり業務の標準化を図りたい 見積もり業務にAIを活用したい 積算・見積もり業務の“標準化・脱属人化・技術継承”をしたい AI活用を通じてベテラン社員の働き方改革を進めたい   ■オンラインセミナー開催のお知らせ 製造業の為のAI活用戦略!経営者セミナー ▼セミナーお申し込みはこちら▼ https://smart-factory.funaisoken.co.jp/event/   このような方にオススメ AIに関心はあるが、自社の経営・営業にAIを具体的にどう活用できるかを知りたい”製造業経営者” 営業部門がまだまだ属人的で、個々の営業スタッフの経験や勘に依存していると感じている”製造業経営者” 生産技術・生産計画・生産管理を特定の熟練者に依存していてブラックボックス化していると感じている"製造業経営者" 製造現場では匠の技が駆使されていて、AI化・IoT化・ロボット化・デジタル化が進んでいないと感じてる”製造業経営者” 営業管理・生産管理・原価管理等の基幹システムに課題があり、非効率的で改善が必要と感じている”製造業経営者”の方   ■講座内容 第1講座 AI取組事例講座編 「全国各地で見られる製造業でのAI取り組み事例」 営業部門でAIを活用し、属人化した営業スキルの標準化に取り組んでいる製造業の事例 見積・設計業務にAIを活用して、見積業務効率化・見積精度UP、設計業務効率化に取り組んでいる製造業の事例 生産計画・生産管理にAIを活用して、生産計画作成の自動化・最適化&生産管理の効率化に取り組んでいる製造業の事例 製造現場でのAI化・IoT化・ロボット化・デジタル化により職人依存体制からの脱却を目指している製造業の事例 経営管理全般でDX化に邁進している製造業の事例 第2講座 AI活用戦略講座編 「製造業経営者が取り組むべきAI活用戦略」 製造業の経営にAIを活用する方法 ”経営者目線”で知っておくべき製造業で実践できる具体的なAI活用とは? 漠然とした理論・概論ではなく、現場で即使えて実践的なAI導入手順   ■開催日程(全てオンラインでの開催となります) 以下いずかれよりご都合の良い日程をお選び下さい 2022/07/05 (火) 13:00~15:00 2022/07/07 (木) 13:00~15:00 2022/07/12 (火) 13:00~15:00 2022/07/14 (木) 13:00~15:00 お申し込みはこちらから⇒ このセミナーは終了しました。最新のセミナーはこちらから。 https://smart-factory.funaisoken.co.jp/event/  

中堅・中小製造業企業の業務基盤DX~AI・ロボットとの連携~

2022.05.25

1.はじめに 本コラムでは、中堅・中小製造業において、DX(デジタル トランスフォーメーション)を推進する中で、取組対象のひとつである「文章作成・表計算・Eメール・スケジュールといった社員共通で使用する基本ツール類」を業務基盤の一部と定義し、AIやロボットといった最先端技術を導入するにあわせて、全社で業務基盤とAI・ロボットを連携し活用する際の考え方について説明いたします。 本コラムのポイントは、以下の3つです。 (1)最新基本ツール類がもつ業務効率化に有用な機能 (2)AIやロボットの導入効果を全社で活用検討する際の考え方 (3)業務基盤のDXで目指すゴール設定について 2.業務基盤DXについて 上記で3つのポイントを上げさせていただきました。以降で、それらについて説明をさせていただきます。 (1)最新基本ツール類がもつ業務効率化に有用な機能 表的な基本ツール類としては、マイクロソフト社の「Microsoft365」があります。近年では、マイクロソフト社を含めた各メーカーが提供するツール類は、販売形態が物理的な記憶媒体を利用しないWebからのダウンロードに切り替わり、売り切りからSaaSが主流に変わっています。これらによって今後は、常に最新バージョンが使えるようになり、システム管理面でも管理の効率化が見込めます。 有用な機能の一つに、文章作成・表計算の同時編集機能があります。これは一つのファイルを複数人が同時にアクセスし作成・編集することが可能です。そのため、ファイルを順番に開いて、データを入力してもらうために発生する待ち時間が省略できます。それによって資料の完成までにかかる時間の短縮が可能です。 複数人が同時に一か所に集まって作業するには、一つのデータファイルを共有する必要があります。その手段としては、OnedriveやSharepoint、GoogleDrive、Box等のファイル共有クラウドサービスまた、オンプレミスのファイルサーバーが必要になります。外部データの取り込み機能もあるため、共有ファイル機能と併用することでBI(ビジネスインテリジェンス)を構築することが可能です。 このファイルを共有して同時に作業する機能を活用する方法を検討することが業務基盤DXの肝の一つです。 (2)AIやロボットの導入効果を全社で活用検討する際の考え方 蓄積したデータ分析にAIを活用し、現場の業務改善にロボットを導入して効率化を図ることは、皆様が日頃から思案していることだと思います。AIやロボットに共通していることは、プログラミングや電子回路に手を加えることでデータを取り出すことが基本可能なところです。(抽出できるデータの種類・難易度はシステムにより異なります。) これらの技術は、単体や限定された環境で稼働させることが多いですが、抽出したデータを活用できる箇所はないか、全社的に考えることが重要です。例えば、稼働状況を把握するために取っているデータを現場でなく、事務所のPCから見られるようにする、品質検査記録を分析して傾向・トレンドを設備メンテナンス計画に反映するといったことです。 考え方のポイントは、現状の業務で、採取したデータが、次にどこにつながって、どのように加工されて使われるかを考え、つながりと加工を業務基盤のツールを使って自動化・簡略化できないかを検討することです。その作業を自動化・簡略化することで、仕事の品質向上と業務効率化を実現することができます。 (3)業務基盤のDXで目指すゴール設定について ここで目指したい業務基盤DXのゴールは、「すべての社内情報、ツールへのアクセス起点を一か所にまとめること」です。具体的には、社内の情報ポータル(Portal:扉、入口)を作り、すべての業務の起点をそのポータルサイトに集約します。メリットは、社内の情報を一か所に集約するので、社内通知などの社内情報の共有効率化、利用者は必要な情報へのアクセス方法がわかりやすくなり利便性が向上します。 また、上記(1)(2)をあわせて活用することで、一般的なポータルサイトよりも情報・機能が充実した環境を作ることが可能です。自社で使用している業務基盤と親和性がたかいポータルを導入する、または、ゼロから業務基盤を刷新して、全社的な視点でツールを検討・選択することも選択肢です。 重要なのは、自社の業務の仕組みを理解して、どのようなアウトプット・インプットが存在するか把握し、無駄な工程を省いて効率的な業務設計になるように見直しをすることです。そのために、基盤業務ツールの最新機能を活用していただきたいです。 3.まとめ 今回のコラムでは、業務基盤DXと題して、社内の情報をすべてつなげて集約する・業務効率を改善する際の考え方について、概要を説明させていただきました。本内容を自社の業務改善、成長発展のお役に立てていただきたいです。また、上記内容は抽象的・概念的な要素が多いので、実際に実行する際は、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。   ■D製造業の基幹システム導入最新事例解説レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ https://www.funaisoken.co.jp/dl-contents/smart-factory__00747 ■「こうなりたい!」と思っている経営者様におすすめ ・紙を主体とした管理体制を変えたいと感じている経営者様 ・属人的な業務を標準化したいと思っている経営者様 ・システムを活用して新人でも即戦力になれる体制を作りたいと思っている経営者様 ・デジタルデータを活用して常に最新の情報を把握したいと思っている経営者様 ・基幹システム導入を成功させたいと思っている経営者様   ■関連するセミナー開催のお知らせ 「板金加工業の為の原価改善!」 社長セミナー 材料費高騰対策!原価管理を徹底見直し!原価率削減!粗利率改善! ▼セミナーお申し込みはこちら▼ https://www.funaisoken.co.jp/seminar/090672   ■本セミナーで学べるポイント 従業員200名以下の板金加工・プレス・溶接加工業の社長が知っておくべき原価管理システムが分かる!~社長の為の生産管理・原価管理システムで「見える化」する具体的な方法が分かります~ 原価管理システムで製品別・取引先別・工程別データ化したものを経営や現場が活用できるように分析する方法がわかる!~経営や現場が活用できるようにBIを活用してデータ分析をする方法がわかります~ 職人・属人化している生産管理・個別原価管理業務を改善する為のシステムを導入する方法が分かる!~一部の熟練者・職人に依存している業務にシステムを導入・活用する方法が分かります~ 基礎知識や導入経験がない社長でも個別原価をデータ化してデータ経営する方法がわかります。~生産・購買・在庫・原価をシステムで統合的する方法が良く分からない…そんな社長の為のセミナーです~ 個別原価を可視化する事で何が儲かっているのか?儲かっていないのか?が明確になりその具体的な対策が分かる!~理論・理屈ではなく、自社の現場で実践できるやり方が分かります~   ◆開催日程 全てオンライン開催となります 2022/10/12 (水) 13:00~15:00 2022/10/13 (木) 13:00~15:00 2022/10/17 (月) 13:00~15:00 2022/10/26 (水) 13:00~15:00 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/090672   1.はじめに 本コラムでは、中堅・中小製造業において、DX(デジタル トランスフォーメーション)を推進する中で、取組対象のひとつである「文章作成・表計算・Eメール・スケジュールといった社員共通で使用する基本ツール類」を業務基盤の一部と定義し、AIやロボットといった最先端技術を導入するにあわせて、全社で業務基盤とAI・ロボットを連携し活用する際の考え方について説明いたします。 本コラムのポイントは、以下の3つです。 (1)最新基本ツール類がもつ業務効率化に有用な機能 (2)AIやロボットの導入効果を全社で活用検討する際の考え方 (3)業務基盤のDXで目指すゴール設定について 2.業務基盤DXについて 上記で3つのポイントを上げさせていただきました。以降で、それらについて説明をさせていただきます。 (1)最新基本ツール類がもつ業務効率化に有用な機能 表的な基本ツール類としては、マイクロソフト社の「Microsoft365」があります。近年では、マイクロソフト社を含めた各メーカーが提供するツール類は、販売形態が物理的な記憶媒体を利用しないWebからのダウンロードに切り替わり、売り切りからSaaSが主流に変わっています。これらによって今後は、常に最新バージョンが使えるようになり、システム管理面でも管理の効率化が見込めます。 有用な機能の一つに、文章作成・表計算の同時編集機能があります。これは一つのファイルを複数人が同時にアクセスし作成・編集することが可能です。そのため、ファイルを順番に開いて、データを入力してもらうために発生する待ち時間が省略できます。それによって資料の完成までにかかる時間の短縮が可能です。 複数人が同時に一か所に集まって作業するには、一つのデータファイルを共有する必要があります。その手段としては、OnedriveやSharepoint、GoogleDrive、Box等のファイル共有クラウドサービスまた、オンプレミスのファイルサーバーが必要になります。外部データの取り込み機能もあるため、共有ファイル機能と併用することでBI(ビジネスインテリジェンス)を構築することが可能です。 このファイルを共有して同時に作業する機能を活用する方法を検討することが業務基盤DXの肝の一つです。 (2)AIやロボットの導入効果を全社で活用検討する際の考え方 蓄積したデータ分析にAIを活用し、現場の業務改善にロボットを導入して効率化を図ることは、皆様が日頃から思案していることだと思います。AIやロボットに共通していることは、プログラミングや電子回路に手を加えることでデータを取り出すことが基本可能なところです。(抽出できるデータの種類・難易度はシステムにより異なります。) これらの技術は、単体や限定された環境で稼働させることが多いですが、抽出したデータを活用できる箇所はないか、全社的に考えることが重要です。例えば、稼働状況を把握するために取っているデータを現場でなく、事務所のPCから見られるようにする、品質検査記録を分析して傾向・トレンドを設備メンテナンス計画に反映するといったことです。 考え方のポイントは、現状の業務で、採取したデータが、次にどこにつながって、どのように加工されて使われるかを考え、つながりと加工を業務基盤のツールを使って自動化・簡略化できないかを検討することです。その作業を自動化・簡略化することで、仕事の品質向上と業務効率化を実現することができます。 (3)業務基盤のDXで目指すゴール設定について ここで目指したい業務基盤DXのゴールは、「すべての社内情報、ツールへのアクセス起点を一か所にまとめること」です。具体的には、社内の情報ポータル(Portal:扉、入口)を作り、すべての業務の起点をそのポータルサイトに集約します。メリットは、社内の情報を一か所に集約するので、社内通知などの社内情報の共有効率化、利用者は必要な情報へのアクセス方法がわかりやすくなり利便性が向上します。 また、上記(1)(2)をあわせて活用することで、一般的なポータルサイトよりも情報・機能が充実した環境を作ることが可能です。自社で使用している業務基盤と親和性がたかいポータルを導入する、または、ゼロから業務基盤を刷新して、全社的な視点でツールを検討・選択することも選択肢です。 重要なのは、自社の業務の仕組みを理解して、どのようなアウトプット・インプットが存在するか把握し、無駄な工程を省いて効率的な業務設計になるように見直しをすることです。そのために、基盤業務ツールの最新機能を活用していただきたいです。 3.まとめ 今回のコラムでは、業務基盤DXと題して、社内の情報をすべてつなげて集約する・業務効率を改善する際の考え方について、概要を説明させていただきました。本内容を自社の業務改善、成長発展のお役に立てていただきたいです。また、上記内容は抽象的・概念的な要素が多いので、実際に実行する際は、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。   ■D製造業の基幹システム導入最新事例解説レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ https://www.funaisoken.co.jp/dl-contents/smart-factory__00747 ■「こうなりたい!」と思っている経営者様におすすめ ・紙を主体とした管理体制を変えたいと感じている経営者様 ・属人的な業務を標準化したいと思っている経営者様 ・システムを活用して新人でも即戦力になれる体制を作りたいと思っている経営者様 ・デジタルデータを活用して常に最新の情報を把握したいと思っている経営者様 ・基幹システム導入を成功させたいと思っている経営者様   ■関連するセミナー開催のお知らせ 「板金加工業の為の原価改善!」 社長セミナー 材料費高騰対策!原価管理を徹底見直し!原価率削減!粗利率改善! ▼セミナーお申し込みはこちら▼ https://www.funaisoken.co.jp/seminar/090672   ■本セミナーで学べるポイント 従業員200名以下の板金加工・プレス・溶接加工業の社長が知っておくべき原価管理システムが分かる!~社長の為の生産管理・原価管理システムで「見える化」する具体的な方法が分かります~ 原価管理システムで製品別・取引先別・工程別データ化したものを経営や現場が活用できるように分析する方法がわかる!~経営や現場が活用できるようにBIを活用してデータ分析をする方法がわかります~ 職人・属人化している生産管理・個別原価管理業務を改善する為のシステムを導入する方法が分かる!~一部の熟練者・職人に依存している業務にシステムを導入・活用する方法が分かります~ 基礎知識や導入経験がない社長でも個別原価をデータ化してデータ経営する方法がわかります。~生産・購買・在庫・原価をシステムで統合的する方法が良く分からない…そんな社長の為のセミナーです~ 個別原価を可視化する事で何が儲かっているのか?儲かっていないのか?が明確になりその具体的な対策が分かる!~理論・理屈ではなく、自社の現場で実践できるやり方が分かります~   ◆開催日程 全てオンライン開催となります 2022/10/12 (水) 13:00~15:00 2022/10/13 (木) 13:00~15:00 2022/10/17 (月) 13:00~15:00 2022/10/26 (水) 13:00~15:00 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/090672  

意外と身近な「最適化問題」とは

2022.05.10

▼無料ダウンロードはこちらをクリック 1.最適化問題とは 「最適化問題」とは、変数や目的関数、制約条件などの要素を定義した上で、目的の値を最大化/最小化する条件を求める問題を指します。一見、難しそうに聞こえますが、例えばカーナビによるルート提案などは最適化問題の解そのものです。つまり、一番合理的な結果を求めるための手段と言い換えることができます。さらに、最適化問題を数学的な手法によって解くことを「数理最適化」といいます。現実社会では、例えば以下のような例で活用されています。 ①最適解・改善策を見つける ・・・ トラック配送効率の向上、オフィス移転地の選定、投資アドバイスなど ②判断を最適化する ・・・ 目的地までのルート選択、勤務シフト作成、需要予測、不良品の選定など 上記のような現実的な問題を数理最適化の手法で解決することはDX(デジタルトランスフォーメーション)を進めるにあたり非常に重要な考え方です。このDXにおいて、ビジネスで発生する問題の大半が「組み合わせの最適化」の問題と言われており、以下のような例が挙げられます。 2.組み合わせの最適化問題の例① ナップザック問題 ナップザック問題とは、下記のイラストのように「決められた枠にどれだけたくさんの価値を詰めることができるか」を求める問題です。 この袋には容量や強度の制限があり、それを超えないようにたくさん積めたい状況があったとします。袋に入れたフルーツの価値の和が最大になるようにするためには、重くても安いものや、小さくても高いものをうまく組み合わせる必要があります。このイラストのように数個であれば容易に計算が出来ますが、個数が多くなればその計算は複雑化します。その時に利用するのが数理最適化です。 3.組み合わせの最適化問題の例② 巡回セールスマン問題 巡回セールスマン問題が実際に活かされているのはGoogleマップです。 あなたがセールスマンだったと仮定し、外回りの営業でn件を訪問する場合、何も考えずでたらめに回っていると余計な時間がかかってしまいます。そこで移動距離が最短になるような「最適な巡回路」を決定する必要があります。巡回すべき地点の数をn個としたとき、可能な巡回路の総数はn!/2n通り存在します。nが小さいときは全部の組み合わせを算出してみることができますが、nが大きくなってしまうとそうはいきません。実際に計算してみると、10地点の場合の巡回炉の総数は181,440件、30地点であれば4.42×1030となります。 「最適化問題」「数理最適化」というと、この文字から難しいことを想像しがちですが、案外日常生活で使っている考え方です。しかし、日々携わっている業務は意外と「最適化」が出来ていない箇所も多いのではないでしょうか。まずは身近なところからDXのヒントを見つけてみることをおすすめします。   ▼無料ダウンロードはこちらをクリック ■関連するセミナーはこちら https://smart-factory.funaisoken.co.jp/event/   ▼無料ダウンロードはこちらをクリック 1.最適化問題とは 「最適化問題」とは、変数や目的関数、制約条件などの要素を定義した上で、目的の値を最大化/最小化する条件を求める問題を指します。一見、難しそうに聞こえますが、例えばカーナビによるルート提案などは最適化問題の解そのものです。つまり、一番合理的な結果を求めるための手段と言い換えることができます。さらに、最適化問題を数学的な手法によって解くことを「数理最適化」といいます。現実社会では、例えば以下のような例で活用されています。 ①最適解・改善策を見つける ・・・ トラック配送効率の向上、オフィス移転地の選定、投資アドバイスなど ②判断を最適化する ・・・ 目的地までのルート選択、勤務シフト作成、需要予測、不良品の選定など 上記のような現実的な問題を数理最適化の手法で解決することはDX(デジタルトランスフォーメーション)を進めるにあたり非常に重要な考え方です。このDXにおいて、ビジネスで発生する問題の大半が「組み合わせの最適化」の問題と言われており、以下のような例が挙げられます。 2.組み合わせの最適化問題の例① ナップザック問題 ナップザック問題とは、下記のイラストのように「決められた枠にどれだけたくさんの価値を詰めることができるか」を求める問題です。 この袋には容量や強度の制限があり、それを超えないようにたくさん積めたい状況があったとします。袋に入れたフルーツの価値の和が最大になるようにするためには、重くても安いものや、小さくても高いものをうまく組み合わせる必要があります。このイラストのように数個であれば容易に計算が出来ますが、個数が多くなればその計算は複雑化します。その時に利用するのが数理最適化です。 3.組み合わせの最適化問題の例② 巡回セールスマン問題 巡回セールスマン問題が実際に活かされているのはGoogleマップです。 あなたがセールスマンだったと仮定し、外回りの営業でn件を訪問する場合、何も考えずでたらめに回っていると余計な時間がかかってしまいます。そこで移動距離が最短になるような「最適な巡回路」を決定する必要があります。巡回すべき地点の数をn個としたとき、可能な巡回路の総数はn!/2n通り存在します。nが小さいときは全部の組み合わせを算出してみることができますが、nが大きくなってしまうとそうはいきません。実際に計算してみると、10地点の場合の巡回炉の総数は181,440件、30地点であれば4.42×1030となります。 「最適化問題」「数理最適化」というと、この文字から難しいことを想像しがちですが、案外日常生活で使っている考え方です。しかし、日々携わっている業務は意外と「最適化」が出来ていない箇所も多いのではないでしょうか。まずは身近なところからDXのヒントを見つけてみることをおすすめします。   ▼無料ダウンロードはこちらをクリック ■関連するセミナーはこちら https://smart-factory.funaisoken.co.jp/event/