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

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

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  

▼事例レポート無料ダウンロードお申し込みはこちら▼ 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 ▼事例レポート無料ダウンロードお申し込みはこちら▼ 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

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/  

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/  

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  

▼『製造業　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～』　無料ダウンロードはこちら 今すぐビジネスレポートをダウンロードする無料！ 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。   ▼『製造業　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～』　無料ダウンロードはこちら 今すぐビジネスレポートをダウンロードする無料！ ■関連するセミナーはこちら https://smart-factory.funaisoken.co.jp/event/ ▼『製造業　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～』　無料ダウンロードはこちら 今すぐビジネスレポートをダウンロードする無料！ 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。   ▼『製造業　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～』　無料ダウンロードはこちら 今すぐビジネスレポートをダウンロードする無料！ ■関連するセミナーはこちら https://smart-factory.funaisoken.co.jp/event/

今後変化していく社会環境やビジネス環境の変化に対応するため、人生100年時代を生き抜くために、組織・年代・職種を問わず、働き手一人ひとりが自身の責任で学び続けることが重要です。 これを経済産業省では「デジタルスキル標準」と定義し、さまざまな情報やコンテンツを整備しています。 さらに、「DXリテラシー標準」として、働き手一人ひとりがDXに参画し、その成果を仕事や生活で役立てるうえで必要となるマインド・スタンスや知識・スキルを示す、学びの指針が策定されています。 ここ数年でDXという言葉を頻繁に耳にする機会が増えたことと思いますが、実際自分自身がどの程度の理解度なのかを認識できているでしょうか。まずは、以下「DX理解度セルフチェック25項目」を試してみてください。 実際にこのチェックリストを埋めてみると、「ざっくり知っていても説明はできない」というようなレベルの項目があるかと思います。そこで今回は、2022年3月29日に開設された、経済産業省と情報処理推進機構（IPA）によるデジタル人材育成プラットフォーム「マナビDX（デラックス）」を一例としてご紹介します。マナビDXは「デジタルに関する知識や能力を身に付けるための実践的な学びの場」として公開され、DX（デジタルトランスフォーメーション）とは何かを知りたい方から基礎的な知識やスキルを身につけた人、実践的な技術を学びたい人まで様々なレベルに応じたオンライン学習ツールとなっています。 マナビDXはこちら：https://manabi-dx.ipa.go.jp/ 無料版から有料版まで、知識レベルにも応じたさまざまなコンテンツが発信されており、業種問わずDXを体系的に学ぶことができるのが魅力的です。近年、Udemy（https://www.udemy.com/）やgacco（https://gacco.org/）などのようなコンテンツが増えるだけでなく、G検定やE資格などの資格制度の整備も進みつつあり、DXを学ぶ動きは更に加速するものと思われます。 まずはDXを学ぶきっかけとして、オンライン学習ツールを覗いてみてはいかがでしょうか。   ■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://smart-factory.funaisoken.co.jp/event/   ■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（全てオンラインでの開催となります） 2022/06/01 (水)　13:00~15:00 2022/06/02 (木)　13:00~15:00 2022/06/07 (火)　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/   ■AIカメラ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_smart-factory_00847?media=smart-factory_S045 ■「こうなりたい！」と思っている経営者様におすすめ 機械稼働状況が把握したい！ 古い設備で信号取得・センサ設置ができないが稼働状況を見たい！ 様々な設備がありセンサの選定が難しいが稼働率を把握したい！ 管理者だけが稼働率を意識しているが現場にも意識してほしい！ 現場の改善活動を活発にしたい！ ■目次 1、AIカメラの特徴 2、AIカメラを用いた稼働監視システムの概要 ■レポートの内容 AIカメラによる稼働状況の見える化とは AIカメラの稼働監視システム導入の効果 ■このレポートを読むメリット AIカメラを活用した稼働監視システムの概要が分かる！   今後変化していく社会環境やビジネス環境の変化に対応するため、人生100年時代を生き抜くために、組織・年代・職種を問わず、働き手一人ひとりが自身の責任で学び続けることが重要です。 これを経済産業省では「デジタルスキル標準」と定義し、さまざまな情報やコンテンツを整備しています。 さらに、「DXリテラシー標準」として、働き手一人ひとりがDXに参画し、その成果を仕事や生活で役立てるうえで必要となるマインド・スタンスや知識・スキルを示す、学びの指針が策定されています。 ここ数年でDXという言葉を頻繁に耳にする機会が増えたことと思いますが、実際自分自身がどの程度の理解度なのかを認識できているでしょうか。まずは、以下「DX理解度セルフチェック25項目」を試してみてください。 実際にこのチェックリストを埋めてみると、「ざっくり知っていても説明はできない」というようなレベルの項目があるかと思います。そこで今回は、2022年3月29日に開設された、経済産業省と情報処理推進機構（IPA）によるデジタル人材育成プラットフォーム「マナビDX（デラックス）」を一例としてご紹介します。マナビDXは「デジタルに関する知識や能力を身に付けるための実践的な学びの場」として公開され、DX（デジタルトランスフォーメーション）とは何かを知りたい方から基礎的な知識やスキルを身につけた人、実践的な技術を学びたい人まで様々なレベルに応じたオンライン学習ツールとなっています。 マナビDXはこちら：https://manabi-dx.ipa.go.jp/ 無料版から有料版まで、知識レベルにも応じたさまざまなコンテンツが発信されており、業種問わずDXを体系的に学ぶことができるのが魅力的です。近年、Udemy（https://www.udemy.com/）やgacco（https://gacco.org/）などのようなコンテンツが増えるだけでなく、G検定やE資格などの資格制度の整備も進みつつあり、DXを学ぶ動きは更に加速するものと思われます。 まずはDXを学ぶきっかけとして、オンライン学習ツールを覗いてみてはいかがでしょうか。   ■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://smart-factory.funaisoken.co.jp/event/   ■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（全てオンラインでの開催となります） 2022/06/01 (水)　13:00~15:00 2022/06/02 (木)　13:00~15:00 2022/06/07 (火)　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/   ■AIカメラ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_smart-factory_00847?media=smart-factory_S045 ■「こうなりたい！」と思っている経営者様におすすめ 機械稼働状況が把握したい！ 古い設備で信号取得・センサ設置ができないが稼働状況を見たい！ 様々な設備がありセンサの選定が難しいが稼働率を把握したい！ 管理者だけが稼働率を意識しているが現場にも意識してほしい！ 現場の改善活動を活発にしたい！ ■目次 1、AIカメラの特徴 2、AIカメラを用いた稼働監視システムの概要 ■レポートの内容 AIカメラによる稼働状況の見える化とは AIカメラの稼働監視システム導入の効果 ■このレポートを読むメリット AIカメラを活用した稼働監視システムの概要が分かる！  

１．はじめに 近年、人手不足や技術革新などが要因となって産業用ロボットやAIが注目を集めています。本コラムをご覧になっている方も自社で何か自動化・効率化ができないかと色々検討されていることかと思います。ただ、実際導入するとなると決して安くない費用がかかるため、「費用対効果は出るのか？」「そもそも投資する資金がない」等、費用面での懸念も多いのではないでしょうか。そういった企業を支援するために近年では、国や地自体からはものづくり補助金や事業再構築補助金など多くの補助金が公表されております。中には数千万～1億円補助が出る補助金もあるため、投資をする際に活用しない手はありません。 今回は多くの補助が出て幅広い要件に使える事業再構築補助金について、最新情報を含めご紹介いたします。 ２．事業再構築補助金とは？ ポストコロナ・ウィズコロナの時代の経済社会の変化に対応するため、中小企業等の思い切った事業再構築を支援することで、日本経済の構造転換を促すことを目的とした補助金です。 次に、気になる補助額を以下に示します。 ３．補助額 第5次公募（3月24日締め切り）までの補助額は下記の通りです。 ※卒業枠とは：400社限定。事業計画期間内に、①組織再編、②新規設備投資、③グローバル展開のいずれかにより、資本金又は従業員を増やし、中小企業から中堅企業へ成長する事業者向けの特別枠。 第6次公募からは下記の補助額に変更になります。 ※中小企業庁「事業再構築補助金HP」より引用　https://jigyou-saikouchiku.go.jp/#c1 ４．必須申請要件 ① 売上が減少 2020年4月以降の連続する6か月間のうち、任意の3か月間の合計売上高が、コロナ以前(2019年または、2020年１～3月)の同3か月の合計売上高と比較して10％以上減少しており、2020年10月以降の連続する6か月間のうち、任意の3か月間の合計売上高が、コロナ以前の同3か月の合計売上高と比較して5％以上減少していること。 ※第6次公募以降は「2020年10月以降の連続する6か月間のうち、任意の3か月間の合計売上高が、コロナ以前の同3か月の合計売上高と比較して5％以上減少していること」を要件から撤廃。「2020年4月以降の連続する6か月間のうち、任意の3か月間の合計売上高が、コロナ以前(2019年または、2020年１～3月)の同3か月の合計売上高と比較して10％以上減少」のみを要件とする。 ②新分野展開、業態転換、事業・業種転換、事業再編に取り組む 事業再構築指針：https://www.meti.go.jp/covid-19/jigyo_saikoutiku/pdf/shishin.pdf 事業再構築指針の手引き：https://www.meti.go.jp/covid-19/jigyo_saikoutiku/pdf/shishin_tebiki.pdf ③認定経営革新等支援機関と事業計画を策定する・事業再構築に係る事業計画を認定経営革新等支援機関と策定する。補助金額が3,000万円を超える案件は金融機関（銀行、信金、ファンド等）も参加して策定する。（金融機関が認定経営革新等支援機関を兼ねる場合は、金融機関のみで構いません。） ④補助事業終了後、一定の条件達成 補助事業終了後３～５年で付加価値額の年率平均3.0%(グローバルV字回復枠は5.0％)以上増加、又は従業員一人当たり付加価値額の年率平均3.0%(同上5.0％)以上増加の達成を見込む事業計画を策定する。 ５．補助対象経費 基本的に設備投資を支援するもので、設備費のほか、建物の建設費、建物改修費、撤去費、システム購入費、貸工場の賃貸料などが補助対象となります。 ６．活用方法 当たり前ですが、ロボットやAI導入が目的であっても、事業再構築補助金を活用するためには、「新分野展開、業態転換、事業・業種転換、事業再編」を事業計画に盛り込むことが必須となります。そのため、ただロボットやAIを導入して既存業務の自動化・効率化を図るでは採択されません。ロボットやAIを導入が新分野展開に必要不可欠だと考えられる計画を策定する必要があります。例えば溶接加工業の企業様であれば「もともとは工業用製缶品の溶接を手掛けていたが、売上減少を受けて、高成長を続けている医療分野の製缶品の製作に事業拡大を目指す。医療分野に進出するためには溶接品質の安定・向上が不可欠となるため、安定した品質を実現できるロボットを導入する。」などが考えられます。まったく違う事業に展開するのも一つの手ではありますが、上記の例のように既存事業を拡大した自社の強みを生かせる内容が事業計画もしやすくベターだと考えられます。 非常に補助額の大きい補助金となりますので、設備投資を考えられている企業様は是非活用を検討されてみてはいかがでしょうか。   ■中堅・中小製造業の“ロボット稼働監視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__00587   目次 1、稼働監視システムとは？ 2、稼働監視システムの活用方法とその効果 3、稼働監視システムの導入成功事例   レポートの内容 稼働監視ツールを利用した具体的な生産効率向上の方法を解説しています！ ロボット稼働監視ツールとは？ 稼働監視ツールを導入した中小製造業の成功事例！   ■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 ◆講座内容 第1講座 多品種少量生産の機械加工業のロボット取組事例 社員数わずか20名！機械加工会社が多品種対応のロボット化により24時間稼働達成！ 社員数30名の機械加工会社が加工機への供給・取出し業務と検査測定業務をロボット化！ 段替え作業不要！多品種少量生産対応型！NC旋盤への供給・取出し・段替えロボットを導入！ 社員数10名の多品種少量生産の機械加工会社が協働ロボットを導入！ 社員数わずか6名の機械加工会社が自社で協働ロボットの導入に成功！   第2講座 多品種少量生産の機械加工業の社長が取り組むべきロボット戦略 ロボットによる夜間稼働＆休日稼働で人手を増やさずに生産性を上げる！ ロボット活用で生産量UP！原価率削減！社長が取るべき経営手法！ ロボットと協働する機械加工業のものづくり戦略！   全てオンライン開催となります 2022/05/18 (水)　13:00~15:00 2022/05/24 (火)　13:00~15:00 2022/05/26 (木)　13:00~15:00 2022/05/31 (火)　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．はじめに 近年、人手不足や技術革新などが要因となって産業用ロボットやAIが注目を集めています。本コラムをご覧になっている方も自社で何か自動化・効率化ができないかと色々検討されていることかと思います。ただ、実際導入するとなると決して安くない費用がかかるため、「費用対効果は出るのか？」「そもそも投資する資金がない」等、費用面での懸念も多いのではないでしょうか。そういった企業を支援するために近年では、国や地自体からはものづくり補助金や事業再構築補助金など多くの補助金が公表されております。中には数千万～1億円補助が出る補助金もあるため、投資をする際に活用しない手はありません。 今回は多くの補助が出て幅広い要件に使える事業再構築補助金について、最新情報を含めご紹介いたします。 ２．事業再構築補助金とは？ ポストコロナ・ウィズコロナの時代の経済社会の変化に対応するため、中小企業等の思い切った事業再構築を支援することで、日本経済の構造転換を促すことを目的とした補助金です。 次に、気になる補助額を以下に示します。 ３．補助額 第5次公募（3月24日締め切り）までの補助額は下記の通りです。 ※卒業枠とは：400社限定。事業計画期間内に、①組織再編、②新規設備投資、③グローバル展開のいずれかにより、資本金又は従業員を増やし、中小企業から中堅企業へ成長する事業者向けの特別枠。 第6次公募からは下記の補助額に変更になります。 ※中小企業庁「事業再構築補助金HP」より引用　https://jigyou-saikouchiku.go.jp/#c1 ４．必須申請要件 ① 売上が減少 2020年4月以降の連続する6か月間のうち、任意の3か月間の合計売上高が、コロナ以前(2019年または、2020年１～3月)の同3か月の合計売上高と比較して10％以上減少しており、2020年10月以降の連続する6か月間のうち、任意の3か月間の合計売上高が、コロナ以前の同3か月の合計売上高と比較して5％以上減少していること。 ※第6次公募以降は「2020年10月以降の連続する6か月間のうち、任意の3か月間の合計売上高が、コロナ以前の同3か月の合計売上高と比較して5％以上減少していること」を要件から撤廃。「2020年4月以降の連続する6か月間のうち、任意の3か月間の合計売上高が、コロナ以前(2019年または、2020年１～3月)の同3か月の合計売上高と比較して10％以上減少」のみを要件とする。 ②新分野展開、業態転換、事業・業種転換、事業再編に取り組む 事業再構築指針：https://www.meti.go.jp/covid-19/jigyo_saikoutiku/pdf/shishin.pdf 事業再構築指針の手引き：https://www.meti.go.jp/covid-19/jigyo_saikoutiku/pdf/shishin_tebiki.pdf ③認定経営革新等支援機関と事業計画を策定する・事業再構築に係る事業計画を認定経営革新等支援機関と策定する。補助金額が3,000万円を超える案件は金融機関（銀行、信金、ファンド等）も参加して策定する。（金融機関が認定経営革新等支援機関を兼ねる場合は、金融機関のみで構いません。） ④補助事業終了後、一定の条件達成 補助事業終了後３～５年で付加価値額の年率平均3.0%(グローバルV字回復枠は5.0％)以上増加、又は従業員一人当たり付加価値額の年率平均3.0%(同上5.0％)以上増加の達成を見込む事業計画を策定する。 ５．補助対象経費 基本的に設備投資を支援するもので、設備費のほか、建物の建設費、建物改修費、撤去費、システム購入費、貸工場の賃貸料などが補助対象となります。 ６．活用方法 当たり前ですが、ロボットやAI導入が目的であっても、事業再構築補助金を活用するためには、「新分野展開、業態転換、事業・業種転換、事業再編」を事業計画に盛り込むことが必須となります。そのため、ただロボットやAIを導入して既存業務の自動化・効率化を図るでは採択されません。ロボットやAIを導入が新分野展開に必要不可欠だと考えられる計画を策定する必要があります。例えば溶接加工業の企業様であれば「もともとは工業用製缶品の溶接を手掛けていたが、売上減少を受けて、高成長を続けている医療分野の製缶品の製作に事業拡大を目指す。医療分野に進出するためには溶接品質の安定・向上が不可欠となるため、安定した品質を実現できるロボットを導入する。」などが考えられます。まったく違う事業に展開するのも一つの手ではありますが、上記の例のように既存事業を拡大した自社の強みを生かせる内容が事業計画もしやすくベターだと考えられます。 非常に補助額の大きい補助金となりますので、設備投資を考えられている企業様は是非活用を検討されてみてはいかがでしょうか。   ■中堅・中小製造業の“ロボット稼働監視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__00587   目次 1、稼働監視システムとは？ 2、稼働監視システムの活用方法とその効果 3、稼働監視システムの導入成功事例   レポートの内容 稼働監視ツールを利用した具体的な生産効率向上の方法を解説しています！ ロボット稼働監視ツールとは？ 稼働監視ツールを導入した中小製造業の成功事例！   ■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 ◆講座内容 第1講座 多品種少量生産の機械加工業のロボット取組事例 社員数わずか20名！機械加工会社が多品種対応のロボット化により24時間稼働達成！ 社員数30名の機械加工会社が加工機への供給・取出し業務と検査測定業務をロボット化！ 段替え作業不要！多品種少量生産対応型！NC旋盤への供給・取出し・段替えロボットを導入！ 社員数10名の多品種少量生産の機械加工会社が協働ロボットを導入！ 社員数わずか6名の機械加工会社が自社で協働ロボットの導入に成功！   第2講座 多品種少量生産の機械加工業の社長が取り組むべきロボット戦略 ロボットによる夜間稼働＆休日稼働で人手を増やさずに生産性を上げる！ ロボット活用で生産量UP！原価率削減！社長が取るべき経営手法！ ロボットと協働する機械加工業のものづくり戦略！   全てオンライン開催となります 2022/05/18 (水)　13:00~15:00 2022/05/24 (火)　13:00~15:00 2022/05/26 (木)　13:00~15:00 2022/05/31 (火)　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．製造業のビックデータの市場規模 IDC社によると、世界全体のデータ量は2018年の33ZBから2025年には175ZBへ増加することが予測されています。 このデータを業界別で分類した場合に、特に注目したいのが製造業です。 Googleによると、製造業のビックデータの市場規模は米ドル換算で2020年に＄904.65millionでしたが、2026年には＄4.55billionになると予測されています。 日本に換算すると2020年段階で100億円ほどだったデータ量が2026年には4,000億円ほどになり、この間は年平均30.9％で成長する計算となります。 製造業は他の業界に比べて在庫管理や工程管理などデータを取得できるポイントが多いため、他の業界と比較しても高い成長率となることが予想されています。 ２．Googleが製造工程で使うAIとは データ活用のためのDX、製造業においてはスマートファクトリー化のためのソリューションは多数展開されています。 設備の予知保全や、作業データの自動記録、外観検査、需要予測など様々なものがありますが、たとえばGoogleが展開しているVisual Inspection AIを利用すれば、AIの知識が無くても検査工程における欠陥をAIによって識別することが可能となります。 実際、Googleでは「pixel」というスマートフォンを販売していますが、そのスマートフォンを出荷前に検査する工程で利用されているのがVisual Inspection AIです。 2020年頃は、ソリューションとしては発表されていても実績がないAIも多く存在していましたが、最近は実際の運用を伴うソリューションが増えてきました。 ３．クラウドとAI さらに、これらをGoogle Cloudで蓄積すると、データの収集が出来るだけでなく、データの保管やデータの可視化を行うことができるようになります。 Google Cloudの中でも特に注目しておきたいのがBigQueryというサービスです。 例えば蓄積されたデータから機械学習を行いたい場合、対象の綺麗なデータを抜き出して機械学習を行う必要がありますが、BigQueryを使えば、蓄積されているデータを全て対象とすることができます。 これは、日々膨大な量のデータがアップロードされるYouTubeを管理できるGoogleだからこそ構築できる仕組みです。 ４．無料で始められる！？GoogleのAI・DX 今回はGoogleから展開されているものをご紹介させていただきましたが、DXを検討するにあたり「やってみる」ということの難易度は年々下がっています。Googleツールは無料トライアル期間もあるので、担当者の方は一度検討してみてはいかがでしょうか。 Visual Inspection AI 　https://cloud.google.com/solutions/visual-inspection-ai#section-1 Google Cloud 　https://console.cloud.google.com/?hl=ja BigQuery 　https://cloud.google.com/bigquery/docs?hl=ja   ■AIを活用した類似案件検索システム導入事例レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ https://www.funaisoken.co.jp/dl-contents/smart-factory__00595 目次 類似案件検索システムとは 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   目次 1、稼働監視システムとは？ 2、稼働監視システムの活用方法とその効果 3、稼働監視システムの導入成功事例   レポートの内容 稼働監視ツールを利用した具体的な生産効率向上の方法を解説しています！ ロボット稼働監視ツールとは？ 稼働監視ツールを導入した中小製造業の成功事例！   ■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 製造業の取組事例に学ぶ！製造業経営者が知っておくべきAI活⽤戦略！ ▼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取組事例」 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   全日程オンラインでの開催となります 2022/04/12 (火)13:00~15:00 2022/04/14 (木)13:00~15:00 2022/04/20 (水)13:00~15:00 2022/04/21 (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．製造業のビックデータの市場規模 IDC社によると、世界全体のデータ量は2018年の33ZBから2025年には175ZBへ増加することが予測されています。 このデータを業界別で分類した場合に、特に注目したいのが製造業です。 Googleによると、製造業のビックデータの市場規模は米ドル換算で2020年に＄904.65millionでしたが、2026年には＄4.55billionになると予測されています。 日本に換算すると2020年段階で100億円ほどだったデータ量が2026年には4,000億円ほどになり、この間は年平均30.9％で成長する計算となります。 製造業は他の業界に比べて在庫管理や工程管理などデータを取得できるポイントが多いため、他の業界と比較しても高い成長率となることが予想されています。 ２．Googleが製造工程で使うAIとは データ活用のためのDX、製造業においてはスマートファクトリー化のためのソリューションは多数展開されています。 設備の予知保全や、作業データの自動記録、外観検査、需要予測など様々なものがありますが、たとえばGoogleが展開しているVisual Inspection AIを利用すれば、AIの知識が無くても検査工程における欠陥をAIによって識別することが可能となります。 実際、Googleでは「pixel」というスマートフォンを販売していますが、そのスマートフォンを出荷前に検査する工程で利用されているのがVisual Inspection AIです。 2020年頃は、ソリューションとしては発表されていても実績がないAIも多く存在していましたが、最近は実際の運用を伴うソリューションが増えてきました。 ３．クラウドとAI さらに、これらをGoogle Cloudで蓄積すると、データの収集が出来るだけでなく、データの保管やデータの可視化を行うことができるようになります。 Google Cloudの中でも特に注目しておきたいのがBigQueryというサービスです。 例えば蓄積されたデータから機械学習を行いたい場合、対象の綺麗なデータを抜き出して機械学習を行う必要がありますが、BigQueryを使えば、蓄積されているデータを全て対象とすることができます。 これは、日々膨大な量のデータがアップロードされるYouTubeを管理できるGoogleだからこそ構築できる仕組みです。 ４．無料で始められる！？GoogleのAI・DX 今回はGoogleから展開されているものをご紹介させていただきましたが、DXを検討するにあたり「やってみる」ということの難易度は年々下がっています。Googleツールは無料トライアル期間もあるので、担当者の方は一度検討してみてはいかがでしょうか。 Visual Inspection AI 　https://cloud.google.com/solutions/visual-inspection-ai#section-1 Google Cloud 　https://console.cloud.google.com/?hl=ja BigQuery 　https://cloud.google.com/bigquery/docs?hl=ja   ■AIを活用した類似案件検索システム導入事例レポート ▼事例レポート無料ダウンロードお申し込みはこちら▼ https://www.funaisoken.co.jp/dl-contents/smart-factory__00595 目次 類似案件検索システムとは 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   目次 1、稼働監視システムとは？ 2、稼働監視システムの活用方法とその効果 3、稼働監視システムの導入成功事例   レポートの内容 稼働監視ツールを利用した具体的な生産効率向上の方法を解説しています！ ロボット稼働監視ツールとは？ 稼働監視ツールを導入した中小製造業の成功事例！   ■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 製造業の取組事例に学ぶ！製造業経営者が知っておくべきAI活⽤戦略！ ▼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取組事例」 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   全日程オンラインでの開催となります 2022/04/12 (火)13:00~15:00 2022/04/14 (木)13:00~15:00 2022/04/20 (水)13:00~15:00 2022/04/21 (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．IoT活用前の課題 兵庫県のT社では慢性的に不良品が発生し生産性の低下が問題となっていました。 この製造ラインでは作業者が長年の勘とコツにより設備設定温度を感覚で調整しており、さらに温度設定は測定温度の数値を見て調整するのではなく製品の出来栄えを見ながら勘とコツで調整を行うような標準化が難しい作業となっていました。 このように作業者任せの条件設定となっているため作業者の違いによる品質の変化、外的要因による製品の不安定さ、が問題となっていました。 ２．IoT活用の概要 温度設定条件を作業者の勘とコツに頼っている状態から脱却するためT社ではIoTの導入を決めました。 まずは温度設定が製品に及ぼす影響について調査し、製品表面温度が製品品質の出来栄えに影響しているという仮説をたてました。 その仮説から、T社では設備の設定温度をモニタリングするのではなく、製品表面温度そのものを測定しIoTによりモニタリングする方法を採用しました。 製造ライン内の各所に温度センサーを設置して製品が通過する度に測定し温度データを取得、その取得したデータを保存します。 では、このIoTにより取得した製品表面温度のデータをどのように活用し不良率を低減したのでしょうか？ ３．IoT導入後のデータ活用と効果 取得した温度データを見てみると、作業者の勘とコツによる設備の温度設定で製品表面温度がある一定の範囲に収まるように設定されていることが判明しました。 さらに、温度データと製品品質を紐づけて見てみると、この一定の温度範囲を外れた場合に不良品が発生していることも分かりました。 以上のことから、製品表面温度を一定範囲内に保つように設備温度条件を設定することで不良品の発生を抑制できる、という結果が得られます。 製品表面温度を一定に保つための理想の状態は、取得した温度データを設備にフィードバックし自動で設備温度設定を変更することですが、T社の事例では設備及びコストの関係上、自動での温度設定は見送りました。 その代わり、製造ライン各所に製品表面温度の測定結果を表示するモニターを設置して作業者が現在の製品表面温度を監視できるようにしました。 製品表面温度がリアルタイムに監視できることで、以前は勘と経験に頼っていた設備温度設定を、製品表面温度の実測データを基に設定できるようになり、作業者による品質の違いや不良品の発生を抑えることが可能となりました。 ４．まとめ 以上のように、IoTと言ってもただデータを取得するだけでは意味がありません。 IoTで取得したデータから何を導き出すか、取得したデータをいかに活用するか、がIoT導入において重要といえるでしょう。   ■中堅・中小製造業の“ロボット稼働監視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__00587   目次 1、稼働監視システムとは？ 2、稼働監視システムの活用方法とその効果 3、稼働監視システムの導入成功事例   レポートの内容 稼働監視ツールを利用した具体的な生産効率向上の方法を解説しています！ ロボット稼働監視ツールとは？ 稼働監視ツールを導入した中小製造業の成功事例！   ■オンラインセミナー開催のお知らせ 食品・飲料品メーカー経営者セミナー「DX経営戦略！」 多品種小ロット＆労働集約型生産における自動化・ロボット化＆デジタル化・AI化・IoT化！ ▼セミナーお申し込みはこちら▼ https://smart-factory.funaisoken.co.jp/event/   第一講座　食品・飲料品メーカーDX取組事例講座編 「全国各地で見られる食品・飲料品メーカーでの自動化・ロボット化＆デジタル化・AI化・IoT化取組事例」 多品種小ロット＆労働集約型の食品・飲料品メーカーが取り組んでいるDX化事例 人海戦術に依存している食品・飲料品メーカーが生産現場で取り組んでいる自動化・ロボット化事例 生産技術・生産計画・生産管理でDXを活用して熟練者依存からの脱却に取り組んでいる食品・飲料品メーカーの事例 属人的な生産現場でデジタル化・AI化・IoT化に取り組んでいる食品・飲料品メーカーの事例 経営者として経営管理全般でDX化に邁進している食品・飲料品メーカーの事例   第二講座　食品・飲料品メーカーDX戦略講座編 「食品・飲料品メーカー経営者が取り組むべきDX戦略」 食品・飲料品メーカーの経営にDXを活用する方法 ”経営者”が知っておくべき自動化・ロボット化＆デジタル化・AI化・IoT化の具体的な活用とは？ 漠然とした理論・概論ではなく、現場で即使えて実践的なDX導入手順   全日程オンラインでの開催となります 2022/05/12 (木)　13:00~15:00 2022/05/17 (火)　13:00~15:00 2022/05/19 (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．IoT活用前の課題 兵庫県のT社では慢性的に不良品が発生し生産性の低下が問題となっていました。 この製造ラインでは作業者が長年の勘とコツにより設備設定温度を感覚で調整しており、さらに温度設定は測定温度の数値を見て調整するのではなく製品の出来栄えを見ながら勘とコツで調整を行うような標準化が難しい作業となっていました。 このように作業者任せの条件設定となっているため作業者の違いによる品質の変化、外的要因による製品の不安定さ、が問題となっていました。 ２．IoT活用の概要 温度設定条件を作業者の勘とコツに頼っている状態から脱却するためT社ではIoTの導入を決めました。 まずは温度設定が製品に及ぼす影響について調査し、製品表面温度が製品品質の出来栄えに影響しているという仮説をたてました。 その仮説から、T社では設備の設定温度をモニタリングするのではなく、製品表面温度そのものを測定しIoTによりモニタリングする方法を採用しました。 製造ライン内の各所に温度センサーを設置して製品が通過する度に測定し温度データを取得、その取得したデータを保存します。 では、このIoTにより取得した製品表面温度のデータをどのように活用し不良率を低減したのでしょうか？ ３．IoT導入後のデータ活用と効果 取得した温度データを見てみると、作業者の勘とコツによる設備の温度設定で製品表面温度がある一定の範囲に収まるように設定されていることが判明しました。 さらに、温度データと製品品質を紐づけて見てみると、この一定の温度範囲を外れた場合に不良品が発生していることも分かりました。 以上のことから、製品表面温度を一定範囲内に保つように設備温度条件を設定することで不良品の発生を抑制できる、という結果が得られます。 製品表面温度を一定に保つための理想の状態は、取得した温度データを設備にフィードバックし自動で設備温度設定を変更することですが、T社の事例では設備及びコストの関係上、自動での温度設定は見送りました。 その代わり、製造ライン各所に製品表面温度の測定結果を表示するモニターを設置して作業者が現在の製品表面温度を監視できるようにしました。 製品表面温度がリアルタイムに監視できることで、以前は勘と経験に頼っていた設備温度設定を、製品表面温度の実測データを基に設定できるようになり、作業者による品質の違いや不良品の発生を抑えることが可能となりました。 ４．まとめ 以上のように、IoTと言ってもただデータを取得するだけでは意味がありません。 IoTで取得したデータから何を導き出すか、取得したデータをいかに活用するか、がIoT導入において重要といえるでしょう。   ■中堅・中小製造業の“ロボット稼働監視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__00587   目次 1、稼働監視システムとは？ 2、稼働監視システムの活用方法とその効果 3、稼働監視システムの導入成功事例   レポートの内容 稼働監視ツールを利用した具体的な生産効率向上の方法を解説しています！ ロボット稼働監視ツールとは？ 稼働監視ツールを導入した中小製造業の成功事例！   ■オンラインセミナー開催のお知らせ 食品・飲料品メーカー経営者セミナー「DX経営戦略！」 多品種小ロット＆労働集約型生産における自動化・ロボット化＆デジタル化・AI化・IoT化！ ▼セミナーお申し込みはこちら▼ https://smart-factory.funaisoken.co.jp/event/   第一講座　食品・飲料品メーカーDX取組事例講座編 「全国各地で見られる食品・飲料品メーカーでの自動化・ロボット化＆デジタル化・AI化・IoT化取組事例」 多品種小ロット＆労働集約型の食品・飲料品メーカーが取り組んでいるDX化事例 人海戦術に依存している食品・飲料品メーカーが生産現場で取り組んでいる自動化・ロボット化事例 生産技術・生産計画・生産管理でDXを活用して熟練者依存からの脱却に取り組んでいる食品・飲料品メーカーの事例 属人的な生産現場でデジタル化・AI化・IoT化に取り組んでいる食品・飲料品メーカーの事例 経営者として経営管理全般でDX化に邁進している食品・飲料品メーカーの事例   第二講座　食品・飲料品メーカーDX戦略講座編 「食品・飲料品メーカー経営者が取り組むべきDX戦略」 食品・飲料品メーカーの経営にDXを活用する方法 ”経営者”が知っておくべき自動化・ロボット化＆デジタル化・AI化・IoT化の具体的な活用とは？ 漠然とした理論・概論ではなく、現場で即使えて実践的なDX導入手順   全日程オンラインでの開催となります 2022/05/12 (木)　13:00~15:00 2022/05/17 (火)　13:00~15:00 2022/05/19 (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/