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

AIブームは終わるのか?

2021.06.25

映画スターウォーズに登場するC3POや、アイアンマンに登場する人工知能ジャービスのような私たちが理想とするAIを、一般的には「強いAI」と言います。しかし、現在の世界に人間と同じように考えることができる強いAIはまだ存在していません。 現在は、知能の一部に特化した機能を実現する「弱いAI」に 絞った研究が世界中で行われています。この一連の研究は、これまで「ブーム」と「冬の時代」を何度か繰り返してきました。 【第一次AIブーム】 第一次AIブームは、コンピュータによる「推論」や「探索」の研究が進み、特定の問題に対して解を提示できるようになったことが要因で起こったブームです。このブームが始まった1950年代後半から1960年代までを推論・探索の時代といいます。 当時のAI技術は、迷路や数学の定理の証明問題などの簡単な問題は解けても、数式上で表しきれない複雑な問題は解けないレベルでした。ルールが決められた中で最適な答えを探すことができることは証明されたのですが、それ以上のことが見込めないため、経済効果もついてきませんでした。1970年代頃からは冬の時代を迎えることになります。 【第二次AIブーム】 第一次AIブームが去り、冬の時代が明けた1980年代頃、「コンピュータに知識を入れると賢くなる」という考え方を基にしたアプローチが全盛期を迎えました。この時代を、知識の時代と言います。データベースに専門知識を詰め込んだ「エキスパートシステム」と呼ばれるコンピュータが大量に生産されたことがきっかけに起こったブームが第二次AIブームです。 第一次ブームの時に比べると、知識量によって応用を効かせることができることを証明できたのですが、入れたい知識をどのように蓄積・管理するのかという点が課題となり、第二次AIブームも冷め、冬の時代へ突入しました。 【第三次AIブーム】 そして現在起きているのが第三次AIブームです。機械学習と呼ばれる、「AIが自身で学習する仕組み」が発表されたことがきっかけに第三次AIブームが始まっています。さらに、第三次AIブームは、これまでの第一次AIブーム・第二次AIブームとは異なり、現実社会においてAIにより大きな経済効果を生み出している特徴があります。 これまでを振り返ると、第一次AIブームでは、条件の有限な問題でなければ解を得られないというフレーム問題が障壁となり、実用化が進まなかったため経済効果に至りませんでした。同様に、第二次AIブームでも、知識の定式化の難しさや知識に基づくルールの矛盾などが障壁となり経済効果に至らなかった背景があります。この第三次AIブームでは、特に、画像認識分野や自然言語処理分野で発展が目覚ましく、既に画像認識分野では自動運転や顔認証、自然言語処理分野では機械翻訳、音声対話、売上需要予測などの多くのサービスが展開され、私たちの生活の中にも身近なものとなってきました。今後AIは単独の業界にとどまることなく、様々な業界でさらに価値を生み出し続けていくことも明確とも言えるでしょう。 これまでのブームは過度な期待からの反動で終焉を迎えています。現在のAI技術でも個別の視点で見ると期待通りの結果が得られなかった事例もあるでしょう。しかし、全体として、経済効果を生み出している技術も既に多く存在し、それにより技術は進歩し続けています。 現在のブームがブームとして終焉を迎えるのは考えにくく、技術進歩により、今後もより多くの価値を生み出していくでしょう。 以下のダウンロードレポートでは、工場のAI活用事例について解説しています。 下記のバナーからダウンロード頂き工場のAI活用にお役立て下さい。   https://lp.funaisoken.co.jp/mt/smart-factory/dltext04-dl.html ■オンラインセミナー開催のお知らせ 板金・プレス・溶接加工業のAI&ロボット活用!社長セミナー https://smart-factory.funaisoken.co.jp/event/ 多品種少量生産の熟練技術・職人技術・人手の掛かる業務にAI&ロボットを活用して自動化&生産性UP! このような方におすすめ 従業員100名以下の板金・プレス・溶接加工業の社長様 多品種少量生産で一品特注品も多い板金・プレス・溶接加工業の社長様 熟練技術・職人的な業務、属人化している工程が多い板金・プレス・溶接加工業の社長様 人手の掛かる工程や手間・工数が掛かる工程が多い板金・プレス・溶接加工業の社長様 AI&ロボット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 本セミナーで学べるポイント ・従業員100名以下の板金・プレス・溶接加工業の社長が知っておくべきAI&ロボットが分かる! ~少人数精鋭主義の社長の為のAI&ロボットの導入法が分かります~ ・多品種少量生産でこそ活用すべきAI&ロボットが分かる! ~大量生産ではなく多品種少量生産に適したAI&ロボットの導入法が分かります~ ・熟練技術・職人的な業務にAI&ロボット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AI&ロボットを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多品種少量生産AI&ロボット導入法が分かる! ~多品種少量生産対応AI&ロボットは良く分からない...そんな社長の為のセミナーです~ ・自社でどんな工程・業務でAI&ロボットが活用できるかが具体的に分かる! ~多品種少量生産対応AI&ロボットは良く分からない...そんな社長の為のセミナーです~ 日時・会場 〈お申し込み期限につきまして〉開催日4日前までとなります。 〈複数開催の場合〉各回、同じ内容です。ご都合のよい日時をお選びください。 開催方式:オンライン(PCがあればどこでも受講可能) 2021/07/14 (水) 13:00~15:00 2021/07/15 (木) 13:00~15:00 2021/07/20 (火) 13:00~15:00 2021/07/21 (水) 13:00~15:00 詳細、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/ ■工場AI・ロボット.comでは「無料オンライン診断サービス」を行っております 専門コンサルタントが無料でAI活用について診断致します! AI活用したいが初めてでやり方が分からない・・・ データドリブン経営を実践したい・・・ 営業、見積もり業務が属人化している・・・ 生産管理に工数がかかっている・・・ 現場の進捗が見えない・・・ 他社の導入事例の詳細について聞きたい AI活用について相談できる所が見つからない・・・ ↓↓お申し込みはこちらから↓↓ https://lp.funaisoken.co.jp/mt/smart-factory/counsel.html 映画スターウォーズに登場するC3POや、アイアンマンに登場する人工知能ジャービスのような私たちが理想とするAIを、一般的には「強いAI」と言います。しかし、現在の世界に人間と同じように考えることができる強いAIはまだ存在していません。 現在は、知能の一部に特化した機能を実現する「弱いAI」に 絞った研究が世界中で行われています。この一連の研究は、これまで「ブーム」と「冬の時代」を何度か繰り返してきました。 【第一次AIブーム】 第一次AIブームは、コンピュータによる「推論」や「探索」の研究が進み、特定の問題に対して解を提示できるようになったことが要因で起こったブームです。このブームが始まった1950年代後半から1960年代までを推論・探索の時代といいます。 当時のAI技術は、迷路や数学の定理の証明問題などの簡単な問題は解けても、数式上で表しきれない複雑な問題は解けないレベルでした。ルールが決められた中で最適な答えを探すことができることは証明されたのですが、それ以上のことが見込めないため、経済効果もついてきませんでした。1970年代頃からは冬の時代を迎えることになります。 【第二次AIブーム】 第一次AIブームが去り、冬の時代が明けた1980年代頃、「コンピュータに知識を入れると賢くなる」という考え方を基にしたアプローチが全盛期を迎えました。この時代を、知識の時代と言います。データベースに専門知識を詰め込んだ「エキスパートシステム」と呼ばれるコンピュータが大量に生産されたことがきっかけに起こったブームが第二次AIブームです。 第一次ブームの時に比べると、知識量によって応用を効かせることができることを証明できたのですが、入れたい知識をどのように蓄積・管理するのかという点が課題となり、第二次AIブームも冷め、冬の時代へ突入しました。 【第三次AIブーム】 そして現在起きているのが第三次AIブームです。機械学習と呼ばれる、「AIが自身で学習する仕組み」が発表されたことがきっかけに第三次AIブームが始まっています。さらに、第三次AIブームは、これまでの第一次AIブーム・第二次AIブームとは異なり、現実社会においてAIにより大きな経済効果を生み出している特徴があります。 これまでを振り返ると、第一次AIブームでは、条件の有限な問題でなければ解を得られないというフレーム問題が障壁となり、実用化が進まなかったため経済効果に至りませんでした。同様に、第二次AIブームでも、知識の定式化の難しさや知識に基づくルールの矛盾などが障壁となり経済効果に至らなかった背景があります。この第三次AIブームでは、特に、画像認識分野や自然言語処理分野で発展が目覚ましく、既に画像認識分野では自動運転や顔認証、自然言語処理分野では機械翻訳、音声対話、売上需要予測などの多くのサービスが展開され、私たちの生活の中にも身近なものとなってきました。今後AIは単独の業界にとどまることなく、様々な業界でさらに価値を生み出し続けていくことも明確とも言えるでしょう。 これまでのブームは過度な期待からの反動で終焉を迎えています。現在のAI技術でも個別の視点で見ると期待通りの結果が得られなかった事例もあるでしょう。しかし、全体として、経済効果を生み出している技術も既に多く存在し、それにより技術は進歩し続けています。 現在のブームがブームとして終焉を迎えるのは考えにくく、技術進歩により、今後もより多くの価値を生み出していくでしょう。 以下のダウンロードレポートでは、工場のAI活用事例について解説しています。 下記のバナーからダウンロード頂き工場のAI活用にお役立て下さい。   https://lp.funaisoken.co.jp/mt/smart-factory/dltext04-dl.html ■オンラインセミナー開催のお知らせ 板金・プレス・溶接加工業のAI&ロボット活用!社長セミナー https://smart-factory.funaisoken.co.jp/event/ 多品種少量生産の熟練技術・職人技術・人手の掛かる業務にAI&ロボットを活用して自動化&生産性UP! このような方におすすめ 従業員100名以下の板金・プレス・溶接加工業の社長様 多品種少量生産で一品特注品も多い板金・プレス・溶接加工業の社長様 熟練技術・職人的な業務、属人化している工程が多い板金・プレス・溶接加工業の社長様 人手の掛かる工程や手間・工数が掛かる工程が多い板金・プレス・溶接加工業の社長様 AI&ロボット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 本セミナーで学べるポイント ・従業員100名以下の板金・プレス・溶接加工業の社長が知っておくべきAI&ロボットが分かる! ~少人数精鋭主義の社長の為のAI&ロボットの導入法が分かります~ ・多品種少量生産でこそ活用すべきAI&ロボットが分かる! ~大量生産ではなく多品種少量生産に適したAI&ロボットの導入法が分かります~ ・熟練技術・職人的な業務にAI&ロボット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AI&ロボットを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多品種少量生産AI&ロボット導入法が分かる! ~多品種少量生産対応AI&ロボットは良く分からない...そんな社長の為のセミナーです~ ・自社でどんな工程・業務でAI&ロボットが活用できるかが具体的に分かる! ~多品種少量生産対応AI&ロボットは良く分からない...そんな社長の為のセミナーです~ 日時・会場 〈お申し込み期限につきまして〉開催日4日前までとなります。 〈複数開催の場合〉各回、同じ内容です。ご都合のよい日時をお選びください。 開催方式:オンライン(PCがあればどこでも受講可能) 2021/07/14 (水) 13:00~15:00 2021/07/15 (木) 13:00~15:00 2021/07/20 (火) 13:00~15:00 2021/07/21 (水) 13:00~15:00 詳細、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/ ■工場AI・ロボット.comでは「無料オンライン診断サービス」を行っております 専門コンサルタントが無料でAI活用について診断致します! AI活用したいが初めてでやり方が分からない・・・ データドリブン経営を実践したい・・・ 営業、見積もり業務が属人化している・・・ 生産管理に工数がかかっている・・・ 現場の進捗が見えない・・・ 他社の導入事例の詳細について聞きたい AI活用について相談できる所が見つからない・・・ ↓↓お申し込みはこちらから↓↓ https://lp.funaisoken.co.jp/mt/smart-factory/counsel.html

工場におけるAI活用のポイントとAI活用事例

2021.06.18

現在、大手製造業ではリサーチ(PoC:実証実験)の段階にある企業が大半です。 一方、中堅・中小製造業においては、一部で既に工場におけるAIの導入・活用が始まっています。 中小企業を対象とした「ものづくり補助金」においても、「工場×AI」をテーマとした採択比率が年々増加傾向にあります。 製造業(特に中小製造業)においては、長い目で見れば見るほど経験者・熟練者不足が進行する(⇒経験者・熟練者不足は“確定された未来予測”である)と思われます。 「労働人口の減少」「働き方改革の推進」「職人の高齢化」「若手人材の採用難」等を背景として工場のAI活用事例が増えていくでしょう。 工場のAI活用の目的としては以下のような例があげれらます。 「既存業務の自動化・省力化・標準化」 「3K業務の自動化」 「熟練業務&属人業務の技術継承・若手育成」 「熟練者を単純作業から解放し、より付加価値の高い業務へ移行させる」 では、工場におけるAI活用テーマとしてどのようなテーマがあるのでしょうか? 1.工場におけるAI活用のテーマ まずは工場の業務別・工程別にAI活用テーマを分類・整理することからスタートします。 「あれもこれも」ではなく、「営業情報AI化」「見積もり作成AI化」「設計・構想AI化」「生産計画作成AI化」「外観検査AI化」「原価管理AI化」「メンテナンスAI化」等のように、まずは業務別・工程別にAI活用テーマを分類・整理することが重要です。 工場のAI活用は大きく分けると以下7つのテーマに分けられます。 営業情報AI化 見積もり作成AI化 設計・構想AI化 生産計画作成AI化 外観検査AI化 原価管理AI化 メンテナンスAI化 では、以上のテーマを一つずつ課題とAI活用の方向性について見ていきましょう。 ・営業情報AI化 課題:営業スキルに個人差があり、営業活動が担当者ごとに属人化している 方向性:営業担当者とお客様との商談情報をデータベース化&AI解析し、営業力を向上させる(営業スキルの標準化) ・見積もり作成AI化 課題:見積もりノウハウが社内に蓄積されておらず、見積もり業務自体が一部の熟練者の過去の経験に依存している 方向性:熟練者の経験に依存している見積もり作成に、AIを導入して省力化&標準化を図る ・設計・構想AI化 課題:設計業務が一部の熟練者に依存しており、技術継承が難しい 方向性:加工プログラム設計・金型設計・冶具設計等のAI化を通じて、設計業務の標準化を図る ・生産計画作成AI化 課題:生産計画の作成に関して特定社員に依存しており、代わりとなる人材がいない 方向性:AIを活用し、一部の経験者にしかできない生産計画の作成を自動化・最適化する ・外観検査AI化 課題:付加価値を生みにくい外観検査に人手と手間がかかり、作業効率が上がらない 方向性:外観検査工程にAIを導入し、省力化と作業の効率化を図る ・原価管理AI化 課題:個別製品毎の原価管理・利益管理の体制が整っておらず、チェック機能が上手くはたらいていない 方向性:AIを活用し、個別製品毎の原価管理・利益管理の仕組みを整備する ・メンテナンスAI化 課題:修理・メンテナンスの効率が悪く、余計に工数がかかってしまう 方向性:製品の販売後に生じる修理・メンテナンスの情報をデータベース化&AI解析することで、営業・設計開発に活かす では次に、実際の工場におけるAI活用事例をみていきましょう。 2.工場のAI活用事例 事例① “顧客提案用のCAD図面”自動作図システムの導入 顧客との商談を経て、営業担当者から設計部へ「顧客提案用のCAD図面を作ってほしい」という要望が頻発。設計部は本業の設計業務に注力できないという状況に。全体として。受注に繋がらない案件も多く、失注したら設計担当者の工数がそのままマイナス(赤字)となっていた。 CADを使えない営業担当者でも顧客との商談中に必要情報を入力することで、その場で顧客提案用のCAD図面を自動作成できるAIシステムを導入。結果として、設計部の業務負担が激減。設計担当者は空いた時間で「より付加価値の高い詳細設計業務」に集中できるようになった。 事例② AI活用を通じて「見積もり業務の標準化・脱属人化」を推進 一部のベテラン営業担当者と社長自ら見積もり業務に従事。見積もり算出に際して、取引先から共有された図面のうち約7~8割を書き直す必要があった。また、見積もり算出の参考として使用する過去の見積もりデータを探し出す作業に多くの時間を取られていた。 AIを活用し過去の類似案件を検索できるようにすることで、「従来かかっていた時間よりも短い時間で」かつ「より精度高く」見積もり作成が可能となった。また、一部のベテランに依存していた見積もり業務を、知識・経験の浅い社員でも問題なく実践できるようになった。 事例③ AIを活用した「類似案件検索システム」の確立 多品種小ロット(リピートが少ない)案件について、過去の類似案件から生産時間を割り出し、工程を作成する必要があったが、「過去図面の検索に多くの時間と労力がかかる」「図面を探してから、過去の製作情報を探す」「工程作成が属人化している」等の課題があった。 AIを活用することで、新規受注案件と類似した過去3D-CADから、過去の加工情報・見積もり価格を検索できるようにした。その結果、「営業サイドの見積もりの効率化」「生産計画担当の非属人化・効率化」の推進に成功。 事例④ AIを活用し、熟練者に依存していた生産計画作成を自動化 生産計画は複雑で難解になっており、生産計画作成には多面的な知識と豊富な経験が必要であった。その生産計画の作成は一握りのスタッフの“勘と経験”に依存(属人化)しており、そのスタッフの工数は相当多く、過度な業務負荷がかかっていた。 設備によってできる加工が異なり、生産順や納期等の条件から総合的に判断する必要のある生産計画作成工程にAIを活用。複数の生産計画パターンをシミュレーション&比較し、その時々に応じて最適な生産計画表を自動で出力。熟練者の工数減と業務の脱属人化を実現。 3.おわりに 以下のダウンロードレポートでは、工場のAI活用事例についてより詳しく解説しています。 下記のバナーからダウンロード頂き工場のAI活用にお役立て下さい。   https://lp.funaisoken.co.jp/mt/smart-factory/dltext04-dl.html ■オンラインセミナー開催のお知らせ 板金・プレス・溶接加工業のAI&ロボット活用!社長セミナー https://smart-factory.funaisoken.co.jp/event/ 多品種少量生産の熟練技術・職人技術・人手の掛かる業務にAI&ロボットを活用して自動化&生産性UP! このような方におすすめ 従業員100名以下の板金・プレス・溶接加工業の社長様 多品種少量生産で一品特注品も多い板金・プレス・溶接加工業の社長様 熟練技術・職人的な業務、属人化している工程が多い板金・プレス・溶接加工業の社長様 人手の掛かる工程や手間・工数が掛かる工程が多い板金・プレス・溶接加工業の社長様 AI&ロボット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 本セミナーで学べるポイント ・従業員100名以下の板金・プレス・溶接加工業の社長が知っておくべきAI&ロボットが分かる! ~少人数精鋭主義の社長の為のAI&ロボットの導入法が分かります~ ・多品種少量生産でこそ活用すべきAI&ロボットが分かる! ~大量生産ではなく多品種少量生産に適したAI&ロボットの導入法が分かります~ ・熟練技術・職人的な業務にAI&ロボット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AI&ロボットを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多品種少量生産AI&ロボット導入法が分かる! ~多品種少量生産対応AI&ロボットは良く分からない...そんな社長の為のセミナーです~ ・自社でどんな工程・業務でAI&ロボットが活用できるかが具体的に分かる! ~多品種少量生産対応AI&ロボットは良く分からない...そんな社長の為のセミナーです~ 日時・会場 〈お申し込み期限につきまして〉開催日4日前までとなります。 〈複数開催の場合〉各回、同じ内容です。ご都合のよい日時をお選びください。 開催方式:オンライン(PCがあればどこでも受講可能) 2021/07/14 (水) 13:00~15:00 2021/07/15 (木) 13:00~15:00 2021/07/20 (火) 13:00~15:00 2021/07/21 (水) 13:00~15:00 詳細、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/ ■工場AI・ロボット.comでは「無料オンライン診断サービス」を行っております 専門コンサルタントが無料でAI活用について診断致します! AI活用したいが初めてでやり方が分からない・・・ データドリブン経営を実践したい・・・ 営業、見積もり業務が属人化している・・・ 生産管理に工数がかかっている・・・ 現場の進捗が見えない・・・ 他社の導入事例の詳細について聞きたい AI活用について相談できる所が見つからない・・・ ↓↓お申し込みはこちらから↓↓ https://lp.funaisoken.co.jp/mt/smart-factory/counsel.html 現在、大手製造業ではリサーチ(PoC:実証実験)の段階にある企業が大半です。 一方、中堅・中小製造業においては、一部で既に工場におけるAIの導入・活用が始まっています。 中小企業を対象とした「ものづくり補助金」においても、「工場×AI」をテーマとした採択比率が年々増加傾向にあります。 製造業(特に中小製造業)においては、長い目で見れば見るほど経験者・熟練者不足が進行する(⇒経験者・熟練者不足は“確定された未来予測”である)と思われます。 「労働人口の減少」「働き方改革の推進」「職人の高齢化」「若手人材の採用難」等を背景として工場のAI活用事例が増えていくでしょう。 工場のAI活用の目的としては以下のような例があげれらます。 「既存業務の自動化・省力化・標準化」 「3K業務の自動化」 「熟練業務&属人業務の技術継承・若手育成」 「熟練者を単純作業から解放し、より付加価値の高い業務へ移行させる」 では、工場におけるAI活用テーマとしてどのようなテーマがあるのでしょうか? 1.工場におけるAI活用のテーマ まずは工場の業務別・工程別にAI活用テーマを分類・整理することからスタートします。 「あれもこれも」ではなく、「営業情報AI化」「見積もり作成AI化」「設計・構想AI化」「生産計画作成AI化」「外観検査AI化」「原価管理AI化」「メンテナンスAI化」等のように、まずは業務別・工程別にAI活用テーマを分類・整理することが重要です。 工場のAI活用は大きく分けると以下7つのテーマに分けられます。 営業情報AI化 見積もり作成AI化 設計・構想AI化 生産計画作成AI化 外観検査AI化 原価管理AI化 メンテナンスAI化 では、以上のテーマを一つずつ課題とAI活用の方向性について見ていきましょう。 ・営業情報AI化 課題:営業スキルに個人差があり、営業活動が担当者ごとに属人化している 方向性:営業担当者とお客様との商談情報をデータベース化&AI解析し、営業力を向上させる(営業スキルの標準化) ・見積もり作成AI化 課題:見積もりノウハウが社内に蓄積されておらず、見積もり業務自体が一部の熟練者の過去の経験に依存している 方向性:熟練者の経験に依存している見積もり作成に、AIを導入して省力化&標準化を図る ・設計・構想AI化 課題:設計業務が一部の熟練者に依存しており、技術継承が難しい 方向性:加工プログラム設計・金型設計・冶具設計等のAI化を通じて、設計業務の標準化を図る ・生産計画作成AI化 課題:生産計画の作成に関して特定社員に依存しており、代わりとなる人材がいない 方向性:AIを活用し、一部の経験者にしかできない生産計画の作成を自動化・最適化する ・外観検査AI化 課題:付加価値を生みにくい外観検査に人手と手間がかかり、作業効率が上がらない 方向性:外観検査工程にAIを導入し、省力化と作業の効率化を図る ・原価管理AI化 課題:個別製品毎の原価管理・利益管理の体制が整っておらず、チェック機能が上手くはたらいていない 方向性:AIを活用し、個別製品毎の原価管理・利益管理の仕組みを整備する ・メンテナンスAI化 課題:修理・メンテナンスの効率が悪く、余計に工数がかかってしまう 方向性:製品の販売後に生じる修理・メンテナンスの情報をデータベース化&AI解析することで、営業・設計開発に活かす では次に、実際の工場におけるAI活用事例をみていきましょう。 2.工場のAI活用事例 事例① “顧客提案用のCAD図面”自動作図システムの導入 顧客との商談を経て、営業担当者から設計部へ「顧客提案用のCAD図面を作ってほしい」という要望が頻発。設計部は本業の設計業務に注力できないという状況に。全体として。受注に繋がらない案件も多く、失注したら設計担当者の工数がそのままマイナス(赤字)となっていた。 CADを使えない営業担当者でも顧客との商談中に必要情報を入力することで、その場で顧客提案用のCAD図面を自動作成できるAIシステムを導入。結果として、設計部の業務負担が激減。設計担当者は空いた時間で「より付加価値の高い詳細設計業務」に集中できるようになった。 事例② AI活用を通じて「見積もり業務の標準化・脱属人化」を推進 一部のベテラン営業担当者と社長自ら見積もり業務に従事。見積もり算出に際して、取引先から共有された図面のうち約7~8割を書き直す必要があった。また、見積もり算出の参考として使用する過去の見積もりデータを探し出す作業に多くの時間を取られていた。 AIを活用し過去の類似案件を検索できるようにすることで、「従来かかっていた時間よりも短い時間で」かつ「より精度高く」見積もり作成が可能となった。また、一部のベテランに依存していた見積もり業務を、知識・経験の浅い社員でも問題なく実践できるようになった。 事例③ AIを活用した「類似案件検索システム」の確立 多品種小ロット(リピートが少ない)案件について、過去の類似案件から生産時間を割り出し、工程を作成する必要があったが、「過去図面の検索に多くの時間と労力がかかる」「図面を探してから、過去の製作情報を探す」「工程作成が属人化している」等の課題があった。 AIを活用することで、新規受注案件と類似した過去3D-CADから、過去の加工情報・見積もり価格を検索できるようにした。その結果、「営業サイドの見積もりの効率化」「生産計画担当の非属人化・効率化」の推進に成功。 事例④ AIを活用し、熟練者に依存していた生産計画作成を自動化 生産計画は複雑で難解になっており、生産計画作成には多面的な知識と豊富な経験が必要であった。その生産計画の作成は一握りのスタッフの“勘と経験”に依存(属人化)しており、そのスタッフの工数は相当多く、過度な業務負荷がかかっていた。 設備によってできる加工が異なり、生産順や納期等の条件から総合的に判断する必要のある生産計画作成工程にAIを活用。複数の生産計画パターンをシミュレーション&比較し、その時々に応じて最適な生産計画表を自動で出力。熟練者の工数減と業務の脱属人化を実現。 3.おわりに 以下のダウンロードレポートでは、工場のAI活用事例についてより詳しく解説しています。 下記のバナーからダウンロード頂き工場のAI活用にお役立て下さい。   https://lp.funaisoken.co.jp/mt/smart-factory/dltext04-dl.html ■オンラインセミナー開催のお知らせ 板金・プレス・溶接加工業のAI&ロボット活用!社長セミナー https://smart-factory.funaisoken.co.jp/event/ 多品種少量生産の熟練技術・職人技術・人手の掛かる業務にAI&ロボットを活用して自動化&生産性UP! このような方におすすめ 従業員100名以下の板金・プレス・溶接加工業の社長様 多品種少量生産で一品特注品も多い板金・プレス・溶接加工業の社長様 熟練技術・職人的な業務、属人化している工程が多い板金・プレス・溶接加工業の社長様 人手の掛かる工程や手間・工数が掛かる工程が多い板金・プレス・溶接加工業の社長様 AI&ロボット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 本セミナーで学べるポイント ・従業員100名以下の板金・プレス・溶接加工業の社長が知っておくべきAI&ロボットが分かる! ~少人数精鋭主義の社長の為のAI&ロボットの導入法が分かります~ ・多品種少量生産でこそ活用すべきAI&ロボットが分かる! ~大量生産ではなく多品種少量生産に適したAI&ロボットの導入法が分かります~ ・熟練技術・職人的な業務にAI&ロボット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AI&ロボットを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多品種少量生産AI&ロボット導入法が分かる! ~多品種少量生産対応AI&ロボットは良く分からない...そんな社長の為のセミナーです~ ・自社でどんな工程・業務でAI&ロボットが活用できるかが具体的に分かる! ~多品種少量生産対応AI&ロボットは良く分からない...そんな社長の為のセミナーです~ 日時・会場 〈お申し込み期限につきまして〉開催日4日前までとなります。 〈複数開催の場合〉各回、同じ内容です。ご都合のよい日時をお選びください。 開催方式:オンライン(PCがあればどこでも受講可能) 2021/07/14 (水) 13:00~15:00 2021/07/15 (木) 13:00~15:00 2021/07/20 (火) 13:00~15:00 2021/07/21 (水) 13:00~15:00 詳細、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/ ■工場AI・ロボット.comでは「無料オンライン診断サービス」を行っております 専門コンサルタントが無料でAI活用について診断致します! AI活用したいが初めてでやり方が分からない・・・ データドリブン経営を実践したい・・・ 営業、見積もり業務が属人化している・・・ 生産管理に工数がかかっている・・・ 現場の進捗が見えない・・・ 他社の導入事例の詳細について聞きたい AI活用について相談できる所が見つからない・・・ ↓↓お申し込みはこちらから↓↓ https://lp.funaisoken.co.jp/mt/smart-factory/counsel.html

AIを活用した生産計画自動作成システムとは?

2021.06.04

▼無料ダウンロードはこちらをクリック 今回は、国内の製造業の企業様で導入が進んできている 「AIを活用した生産計画作成システム」についてご紹介いたします。 1.AI生産計画作成システムとは? AI (人工知能)を活用した生産計画作成システムとは、製造業における生産計画作成工程の「自動化・標準化・最適化・業務効率化」の実現を目的としたシステムです。 従来の生産計画作成工程が1から10まであるとした場合、そのすべてを人が属人的に対応していた点にAIの技術を用いることによって、大きく以下の3つのメリットを享受することができます。 ①従来はすべて従業員が担当していた生産計画作成工程をAIで8割程度自動化できるようになる。 (⇒生産計画作成の自動化) ②現状、一部の従業員の勘や経験に依存している生産計画作成工程について、熟練者だけでなく、生産計画作成の知識や経験の浅い従業員でも対応できるようになる。 (⇒生産計画作成の標準化) ③AIを活用した生産計画作成システムの導入を通じて、目の前の状況や条件に合わせた、最適な生産計画案(生産計画表)を作成できるようになる。 (⇒生産計画作成の最適化) 2.AI生産計画作成システム導入事例 以下、従業員数約60名の製造業における「AIを活用した生産計画作成システム」の導入事例についてご紹介いたします。 <Before(導入前の状態と主な課題)> 生産計画(工程計画)の立案は複雑で難解になっており、生産計画作成には多面的な知識と豊富な経験が必要であった。 その生産計画の作成は一握りのスタッフの“勘と経験”に依存しており、そのスタッフの工数は相当多く、過度な業務負荷がかかっていた。 良く言えば、名人芸を持った優秀なスタッフだが、悪く言えば、生産計画作成ノウハウが「ブラックボックス化」してしまい、社長はそのスタッフの判断と考え方を信用するしかなかった。 <After(AIを活用し、熟練者に依存していた生産計画作成を自動化)> この場合どのように対応するかといいますと、まずはこの企業様が扱っていた「各製品の大量の加工手順・工数データ」を生産計画作成AIシステムの中に入れ込み、AIに学習させます。 併せて、実際に使用する設備のスペックデータもインプットします。 ただ、同じ設備を使っても、担当者によって設備の稼働時間や実際の製品の加工時間が異なる場合もあるため、「製品の加工手順・工数データ」や「設備のスペックデータ」と併せて現場担当者のスキルデータもシステムの中に予めインプットしておきます。 加えて、「納期」や「ロット」などに関する情報もシステムに事前に入れ込んでおきます。 以上を踏まえた上で、それぞれのデータを連携しながらAIを活用し、複数の生産計画(工程計画)作成パターンをシミュレーション&比較していきます。 その結果として、予めシステムにインプットしておいた各種データをもとに、例えば2週間先に製品の納期が設定されている場合に、その納期に合わせて最適な生産計画(工程計画)のパターンを出力してくれます。 ただ、この場合において大事なのは、品質100%の「ベスト」な生産計画をAIが作るということではなく、あくまでも品質80%程度の精度の「ベター」な生産計画を、ヒトの経験や勘に頼らず自動で作成してくれるということです。ここが重要なポイントになります。 8割方はAIが自動で作成し、残り約2割のちょっとした手直しについては、ヒトが担当するということになります。 これまでは1から10まですべてを一部の熟練者が担当していましたが、そのうち約8割はAIを活用して自動化でき、ヒトの手がかかるのは残りの約2割で済むようになる。 このような仕組みの中で、納期に合わせて自動でAIが最適な生産計画を作成してくれます。 3.より詳しく知りたくなった方へ 以上、ここまで「AIを活用した生産計画作成システムとは?」というテーマについてお伝えさせていただきました。 中堅・中小製造業におけるAI導入に関する考え方や、具体的な事例をもっと知りたい方は、是非以下の「無料オンライン相談」をご活用ください。 ご相談内容に応じて最適なコンサルタントを選定し、対応させていただきます。 ▼無料オンライン相談のお申し込みはこちら https://lp.funaisoken.co.jp/mt/smart-factory/counsel.html ▼無料ダウンロードはこちらをクリック   [sc name="ai-digital"][/sc] ▼無料ダウンロードはこちらをクリック いつも当メルマガ・コラムをご愛読いただきありがとうございます。 今回は、国内の製造業の企業様で導入が進んできている 「AIを活用した生産計画作成システム」についてご紹介いたします。 1.AI生産計画作成システムとは? AI (人工知能)を活用した生産計画作成システムとは、製造業における生産計画作成工程の「自動化・標準化・最適化・業務効率化」の実現を目的としたシステムです。 従来の生産計画作成工程が1から10まであるとした場合、そのすべてを人が属人的に対応していた点にAIの技術を用いることによって、大きく以下の3つのメリットを享受することができます。 ①従来はすべて従業員が担当していた生産計画作成工程をAIで8割程度自動化できるようになる。 (⇒生産計画作成の自動化) ②現状、一部の従業員の勘や経験に依存している生産計画作成工程について、熟練者だけでなく、生産計画作成の知識や経験の浅い従業員でも対応できるようになる。 (⇒生産計画作成の標準化) ③AIを活用した生産計画作成システムの導入を通じて、目の前の状況や条件に合わせた、最適な生産計画案(生産計画表)を作成できるようになる。 (⇒生産計画作成の最適化) 2.AI生産計画作成システム導入事例 以下、従業員数約60名の製造業における「AIを活用した生産計画作成システム」の導入事例についてご紹介いたします。 <Before(導入前の状態と主な課題)> 生産計画(工程計画)の立案は複雑で難解になっており、生産計画作成には多面的な知識と豊富な経験が必要であった。 その生産計画の作成は一握りのスタッフの“勘と経験”に依存しており、そのスタッフの工数は相当多く、過度な業務負荷がかかっていた。 良く言えば、名人芸を持った優秀なスタッフだが、悪く言えば、生産計画作成ノウハウが「ブラックボックス化」してしまい、社長はそのスタッフの判断と考え方を信用するしかなかった。 <After(AIを活用し、熟練者に依存していた生産計画作成を自動化)> この場合どのように対応するかといいますと、まずはこの企業様が扱っていた「各製品の大量の加工手順・工数データ」を生産計画作成AIシステムの中に入れ込み、AIに学習させます。 併せて、実際に使用する設備のスペックデータもインプットします。 ただ、同じ設備を使っても、担当者によって設備の稼働時間や実際の製品の加工時間が異なる場合もあるため、「製品の加工手順・工数データ」や「設備のスペックデータ」と併せて現場担当者のスキルデータもシステムの中に予めインプットしておきます。 加えて、「納期」や「ロット」などに関する情報もシステムに事前に入れ込んでおきます。 以上を踏まえた上で、それぞれのデータを連携しながらAIを活用し、複数の生産計画(工程計画)作成パターンをシミュレーション&比較していきます。 その結果として、予めシステムにインプットしておいた各種データをもとに、例えば2週間先に製品の納期が設定されている場合に、その納期に合わせて最適な生産計画(工程計画)のパターンを出力してくれます。 ただ、この場合において大事なのは、品質100%の「ベスト」な生産計画をAIが作るということではなく、あくまでも品質80%程度の精度の「ベター」な生産計画を、ヒトの経験や勘に頼らず自動で作成してくれるということです。ここが重要なポイントになります。 8割方はAIが自動で作成し、残り約2割のちょっとした手直しについては、ヒトが担当するということになります。 これまでは1から10まですべてを一部の熟練者が担当していましたが、そのうち約8割はAIを活用して自動化でき、ヒトの手がかかるのは残りの約2割で済むようになる。 このような仕組みの中で、納期に合わせて自動でAIが最適な生産計画を作成してくれます。 3.より詳しく知りたくなった方へ 以上、ここまで「AIを活用した生産計画作成システムとは?」というテーマについてお伝えさせていただきました。 中堅・中小製造業におけるAI導入に関する考え方や、具体的な事例をもっと知りたい方は、是非以下の「無料オンライン相談」をご活用ください。 ご相談内容に応じて最適なコンサルタントを選定し、対応させていただきます。 ▼無料オンライン相談のお申し込みはこちら https://lp.funaisoken.co.jp/mt/smart-factory/counsel.html ▼無料ダウンロードはこちらをクリック   [sc name="ai-digital"][/sc]

New Reportリリース!! 中小製造業 経営者様 必見 “製造業のDXにおけるAIの役割” ~AIの現在地/AIは何が出来るのか?~

2021.05.21

今回は、“製造業のDXにおけるAIの役割”~AIの現在地/AIは何が出来るのか?~と題して、製造業におけるAIの基本、AIの活用方法を解説しております。 ダウンロードレポートでは本コラムの内容をより詳しく解説しています。 是非、ダウンロードして頂き貴社の経営にお役立て下さい。     https://smart-factory.funaisoken.co.jp/download/210506_01/ 1.世界、日本におけるAIの動向 まずは、世界のAIの動向について、データでAIの現在地を確認していきます。 近年AIは中国・アメリカが激しい競争を繰り広げています。 中国の各産業におけるAIの活用状況は85%、アメリカは51%となっています。 (総務省(2018)「企業の人工知能(AI)の導入状況に関する各国調査」) 日本においてはその割合が39%と低く、日本は米中に大きく遅れをとっているのが現状です。 一方でこのような状況に日本は何もしていないわけではなく、日本の取り組みを紹介します。 日本では2017年に民間において日本ディープラーニング協会が設立され、AIエンジニアやビジネスパーソンの育成を行っています。 AI検定で知られているG検定やE検定は日本ディープラーニング協会が主催しています。ビジネスパーソン向けのG検定は3万人以上の合格者が生まれています。 また、民間に遅れて2019年に政府でもAI戦略を発表し、研究への支援やAI教育に、注力し始めています。 そのかいあってか、つい最近ですがAI分野の有力な国際学会で日本の論文が最高位に相次いで選ばれたというニュースがありました。 量ではまだまだ米中には及びませんが、質では追い付いたかもしれない?といったのが日本の今のAIの状況となります。 国内のAI市場予測「富士キメラ総研「2019人工知能ビジネス総調査」から、2018年は5031億円、2030年予想2兆1286億円と4倍に市場が広がる予測となっています。 この調査はコロナ以前の調査ですが、それでも4倍予測となっています。 コロナ禍で、AI分野の時計は大きく進んでいるといわれていますので、もしかしたらもっと市場が広がるかもしれません。 国内のAIの活用動向は、 「すでに導入しているが」4.2% 「実証実験(POC)をしている・検討している」を含めると全体の27%  となります。(AI白書2020) 業種別の導入状況を見ると、金融業が一番早くて、「導入している」「検討している」など何かしらしている割合が5割、製造業だと同じ項目で2割という状況です。 2.AIは何が出来るのか? では次に、AIで何が出来るかについてお話していきます。 AIの分野ではよく「強いAI」「弱いAI」という言い方をします。 「強いAI」は意識を持ち総合的な判断をできるAIのことを指します。これは現段階でこの世には存在しない技術です。 今の世の中にあるのは「弱いAI」特化型AIとも呼ばれています。一定の領域のみの業務に特化したAIです。 この分野は「機械学習」や「ディープラーニング」と呼ばれる技術で発展してきました。 AIは基本的に大量のデータを学習させることで力を発揮します。学習の仕方で大きく2つに分かれています。 機械学習はディープラーニングの一部ですが、それぞれに違いについて説明すると、 機械学習は人間が特徴を定義するのに対して、ディープラーニングはコンピューター自身が学習データから特徴を抽出していきます。それぞれにメリットデメリットありますが、ディープラーニングにおいては導き出された結果までがブラックボックスになってしまうという特徴があります。したがって、AIを活用する際は、それぞれの特徴とよく理解した上で活用していくと良いでしょう。 ではこのような技術を用いてAIは何が出来るのでしょうか? 今のAIが出来ることは、 「分類すること」、「判断すること」、「予測すること」の3つです。 この「分類」「判断」についていうと 「過去の経験から、物事を分類して判断する」 このような考えは、まさに「べテランや熟練作業者」範疇です。 AIは未来予測をする予測ツールとしてイメージされがちですが、実はベテランや熟練作業者の作業を代替ができる可能性を秘めているのです。 次に、DXとAIの関係性について整理します。 DXでは、「データの積極活用」が最も重要とされています。データを利活用することで人的コストを始めて削減することができます。 データを蓄積することも重要ですが、データを蓄積しているだけでは何も意味はありません。 では、蓄積するデータは何でしょうか? それは、「会社の知」です。他のどのデータでもありません。 どこかのデータを活用するわけではありません。まず、社内で「会社の知」を整理することが「始めの一歩」となります。 次に、このデータをどのように活用するかが重要になります。それを助けてくれるのがAI技術です。 AIでデータ学習(会社の知)や複雑な業務でもルール化することで、高度な判断・予測をすることができます。 AIにより、誰でも同じような結論が導き出されて、ベテラン担当者は属人化していた作業から解放されます。 「会社の知」を活かすことで、会社全体の質が向上することが期待されます。 実際に、導入している企業では収集された膨大なデータを活用し、AIを用いることで、競争優位性を確立しています。 また、別のツールでRPAというものがあります。AIとRPAに違いについて少し説明します。 RPAは「決められた単純な業務の繰り返し」なら代替することができます。AIで出来ること、RPAで出来ることをわけながら考えると課題は整理されていきます。RPAで難しいことをやらせてもいけませんし、AIで簡単なことをやらせてもいけません。 最後にデータ利用を語る上で重要なのがBI(ビジネスインテリジェンス)ツールです。 BIツールとは、蓄積データを簡単に分析・見える化して、経営や業務に役立てるソフトウェアのことを指します。従来、データはExcelで整理、グラフ化することが一般的でしたが、手間の多さが業務負担となっていました。データが増えると可視化の容易さも必要なアイテムとなってきます。 データは可視化しないと意味がありません。簡単に可視化できるツールはかかせないものになります。 3.おわりに ダウンロードレポートでは本コラムの内容をより詳しく解説しています。 是非、ダウンロードして頂き貴社の経営にお役立て下さい。     https://smart-factory.funaisoken.co.jp/download/210506_01/ ■執筆 株式会社 船井総合研究所 飯塚 佳史 宇都宮大学大学院エネルギー環境科学専攻を卒業後、トッパン・フォームズ株式会社に入社。開発部門や生産技術部門を経験し、工場における設備・システムの導入および現場改善に従事。 現職においては全国各地の中堅・中小製造業を対象にAIやIoTを活用したシステムや管理システムなどについて課題抽出~要件定義~導入~運用フォローまでを行っている。 ■オンラインセミナー開催のお知らせ 機械加工業の為の初めてのAI&ロボット活用!社長セミナー https://smart-factory.funaisoken.co.jp/event/ マシニングセンタ・NC旋盤・複合加工機等を保有している企業向け 多品種少量生産の熟練技術・職人技術・人手の掛かる業務にAI&ロボットを活用して自動化&生産性UP! このような方におすすめ! 従業員100名以下で マシニングセンタ・NC旋盤等を保有する機械加工業の社長様 多品種少量生産で一品特注品も多い機械加工業の社長様 熟練技術・職人的な業務、属人化している工程が多い機械加工業の社長様 人手の掛かる工程や手間・工数が掛かる工程が多い機械加工業の社長様 AI&ロボット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 本セミナーで学べるポイント! 従業員100名以下の機械加工業の社長が知っておくべきAI&ロボットが分かる! 少数精鋭主義の社長の為のAI&ロボット活用術が分かります マシニングセンタ・NC旋盤等を保有していて多品種少量生産で活用できるAI&ロボットが分かる! 大量生産ではなく多品種少量生産に適したAI&ロボットの導入法が分かります 熟練技術・職人的な業務にAI&ロボット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AI&ロボットを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多品種少量生産AI&ロボット導入法が分かる! 多品種少量生産対応AI&ロボットは良く分からない…そんな社長の為のセミナーです 自社でどんな工程・業務でAI&ロボットが活用できるかが具体的に分かる! 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 日時・会場 〈お申し込み期限につきまして〉開催日4日前までとなります。 〈複数開催の場合〉各回、同じ内容です。ご都合のよい日時をお選びください。 開催方式:オンライン(PCがあればどこでも受講可能) 2021/06/16 (水) 13:00~15:00 2021/06/22 (火) 13:00~15:00 2021/06/23 (水) 13:00~15:00 2021/06/29 (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/ ■工場AI・ロボット.comでは「無料オンライン診断サービス」を行っております 専門コンサルタントが無料でDX活用について診断致します! AI活用したいが初めてでやり方が分からない・・・ AIを活用したデータドリブン経営を実践したい・・・ 営業、見積もり業務が属人化しているのでAIを活用して改善したい・・・ 生産管理に工数がかかっているのでAIを活用した生産管理システムを導入したい・・・ 現場の進捗が見えない・・・ 他社のAI導入事例の詳細について聞きたい AI活用について相談できる所が見つからない・・・ ↓↓お申し込みはこちらから↓↓ https://lp.funaisoken.co.jp/mt/smart-factory/counsel.html 今回は、“製造業のDXにおけるAIの役割”~AIの現在地/AIは何が出来るのか?~と題して、製造業におけるAIの基本、AIの活用方法を解説しております。 ダウンロードレポートでは本コラムの内容をより詳しく解説しています。 是非、ダウンロードして頂き貴社の経営にお役立て下さい。     https://smart-factory.funaisoken.co.jp/download/210506_01/ 1.世界、日本におけるAIの動向 まずは、世界のAIの動向について、データでAIの現在地を確認していきます。 近年AIは中国・アメリカが激しい競争を繰り広げています。 中国の各産業におけるAIの活用状況は85%、アメリカは51%となっています。 (総務省(2018)「企業の人工知能(AI)の導入状況に関する各国調査」) 日本においてはその割合が39%と低く、日本は米中に大きく遅れをとっているのが現状です。 一方でこのような状況に日本は何もしていないわけではなく、日本の取り組みを紹介します。 日本では2017年に民間において日本ディープラーニング協会が設立され、AIエンジニアやビジネスパーソンの育成を行っています。 AI検定で知られているG検定やE検定は日本ディープラーニング協会が主催しています。ビジネスパーソン向けのG検定は3万人以上の合格者が生まれています。 また、民間に遅れて2019年に政府でもAI戦略を発表し、研究への支援やAI教育に、注力し始めています。 そのかいあってか、つい最近ですがAI分野の有力な国際学会で日本の論文が最高位に相次いで選ばれたというニュースがありました。 量ではまだまだ米中には及びませんが、質では追い付いたかもしれない?といったのが日本の今のAIの状況となります。 国内のAI市場予測「富士キメラ総研「2019人工知能ビジネス総調査」から、2018年は5031億円、2030年予想2兆1286億円と4倍に市場が広がる予測となっています。 この調査はコロナ以前の調査ですが、それでも4倍予測となっています。 コロナ禍で、AI分野の時計は大きく進んでいるといわれていますので、もしかしたらもっと市場が広がるかもしれません。 国内のAIの活用動向は、 「すでに導入しているが」4.2% 「実証実験(POC)をしている・検討している」を含めると全体の27%  となります。(AI白書2020) 業種別の導入状況を見ると、金融業が一番早くて、「導入している」「検討している」など何かしらしている割合が5割、製造業だと同じ項目で2割という状況です。 2.AIは何が出来るのか? では次に、AIで何が出来るかについてお話していきます。 AIの分野ではよく「強いAI」「弱いAI」という言い方をします。 「強いAI」は意識を持ち総合的な判断をできるAIのことを指します。これは現段階でこの世には存在しない技術です。 今の世の中にあるのは「弱いAI」特化型AIとも呼ばれています。一定の領域のみの業務に特化したAIです。 この分野は「機械学習」や「ディープラーニング」と呼ばれる技術で発展してきました。 AIは基本的に大量のデータを学習させることで力を発揮します。学習の仕方で大きく2つに分かれています。 機械学習はディープラーニングの一部ですが、それぞれに違いについて説明すると、 機械学習は人間が特徴を定義するのに対して、ディープラーニングはコンピューター自身が学習データから特徴を抽出していきます。それぞれにメリットデメリットありますが、ディープラーニングにおいては導き出された結果までがブラックボックスになってしまうという特徴があります。したがって、AIを活用する際は、それぞれの特徴とよく理解した上で活用していくと良いでしょう。 ではこのような技術を用いてAIは何が出来るのでしょうか? 今のAIが出来ることは、 「分類すること」、「判断すること」、「予測すること」の3つです。 この「分類」「判断」についていうと 「過去の経験から、物事を分類して判断する」 このような考えは、まさに「べテランや熟練作業者」範疇です。 AIは未来予測をする予測ツールとしてイメージされがちですが、実はベテランや熟練作業者の作業を代替ができる可能性を秘めているのです。 次に、DXとAIの関係性について整理します。 DXでは、「データの積極活用」が最も重要とされています。データを利活用することで人的コストを始めて削減することができます。 データを蓄積することも重要ですが、データを蓄積しているだけでは何も意味はありません。 では、蓄積するデータは何でしょうか? それは、「会社の知」です。他のどのデータでもありません。 どこかのデータを活用するわけではありません。まず、社内で「会社の知」を整理することが「始めの一歩」となります。 次に、このデータをどのように活用するかが重要になります。それを助けてくれるのがAI技術です。 AIでデータ学習(会社の知)や複雑な業務でもルール化することで、高度な判断・予測をすることができます。 AIにより、誰でも同じような結論が導き出されて、ベテラン担当者は属人化していた作業から解放されます。 「会社の知」を活かすことで、会社全体の質が向上することが期待されます。 実際に、導入している企業では収集された膨大なデータを活用し、AIを用いることで、競争優位性を確立しています。 また、別のツールでRPAというものがあります。AIとRPAに違いについて少し説明します。 RPAは「決められた単純な業務の繰り返し」なら代替することができます。AIで出来ること、RPAで出来ることをわけながら考えると課題は整理されていきます。RPAで難しいことをやらせてもいけませんし、AIで簡単なことをやらせてもいけません。 最後にデータ利用を語る上で重要なのがBI(ビジネスインテリジェンス)ツールです。 BIツールとは、蓄積データを簡単に分析・見える化して、経営や業務に役立てるソフトウェアのことを指します。従来、データはExcelで整理、グラフ化することが一般的でしたが、手間の多さが業務負担となっていました。データが増えると可視化の容易さも必要なアイテムとなってきます。 データは可視化しないと意味がありません。簡単に可視化できるツールはかかせないものになります。 3.おわりに ダウンロードレポートでは本コラムの内容をより詳しく解説しています。 是非、ダウンロードして頂き貴社の経営にお役立て下さい。     https://smart-factory.funaisoken.co.jp/download/210506_01/ ■執筆 株式会社 船井総合研究所 飯塚 佳史 宇都宮大学大学院エネルギー環境科学専攻を卒業後、トッパン・フォームズ株式会社に入社。開発部門や生産技術部門を経験し、工場における設備・システムの導入および現場改善に従事。 現職においては全国各地の中堅・中小製造業を対象にAIやIoTを活用したシステムや管理システムなどについて課題抽出~要件定義~導入~運用フォローまでを行っている。 ■オンラインセミナー開催のお知らせ 機械加工業の為の初めてのAI&ロボット活用!社長セミナー https://smart-factory.funaisoken.co.jp/event/ マシニングセンタ・NC旋盤・複合加工機等を保有している企業向け 多品種少量生産の熟練技術・職人技術・人手の掛かる業務にAI&ロボットを活用して自動化&生産性UP! このような方におすすめ! 従業員100名以下で マシニングセンタ・NC旋盤等を保有する機械加工業の社長様 多品種少量生産で一品特注品も多い機械加工業の社長様 熟練技術・職人的な業務、属人化している工程が多い機械加工業の社長様 人手の掛かる工程や手間・工数が掛かる工程が多い機械加工業の社長様 AI&ロボット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 本セミナーで学べるポイント! 従業員100名以下の機械加工業の社長が知っておくべきAI&ロボットが分かる! 少数精鋭主義の社長の為のAI&ロボット活用術が分かります マシニングセンタ・NC旋盤等を保有していて多品種少量生産で活用できるAI&ロボットが分かる! 大量生産ではなく多品種少量生産に適したAI&ロボットの導入法が分かります 熟練技術・職人的な業務にAI&ロボット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AI&ロボットを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多品種少量生産AI&ロボット導入法が分かる! 多品種少量生産対応AI&ロボットは良く分からない…そんな社長の為のセミナーです 自社でどんな工程・業務でAI&ロボットが活用できるかが具体的に分かる! 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 日時・会場 〈お申し込み期限につきまして〉開催日4日前までとなります。 〈複数開催の場合〉各回、同じ内容です。ご都合のよい日時をお選びください。 開催方式:オンライン(PCがあればどこでも受講可能) 2021/06/16 (水) 13:00~15:00 2021/06/22 (火) 13:00~15:00 2021/06/23 (水) 13:00~15:00 2021/06/29 (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/ ■工場AI・ロボット.comでは「無料オンライン診断サービス」を行っております 専門コンサルタントが無料でDX活用について診断致します! AI活用したいが初めてでやり方が分からない・・・ AIを活用したデータドリブン経営を実践したい・・・ 営業、見積もり業務が属人化しているのでAIを活用して改善したい・・・ 生産管理に工数がかかっているのでAIを活用した生産管理システムを導入したい・・・ 現場の進捗が見えない・・・ 他社のAI導入事例の詳細について聞きたい AI活用について相談できる所が見つからない・・・ ↓↓お申し込みはこちらから↓↓ https://lp.funaisoken.co.jp/mt/smart-factory/counsel.html

AIを活用した業務効率化最新事例解説レポート

2021.03.05

今回は、中堅・中小製造業経営者様向けの最新無料ダウンロードレポートについてご紹介いたします。 中堅・中小製造業経営者様向け「AIを活用した業務効率化」最新事例解説レポート ▼▼詳細は以下のボタンをクリック!(無料でレポートダウンロードできます)▼▼ 【レポートテーマ①】 AIを使って過去の類似案件を簡単検索!営業・生産計画立案の業務効率化! ・概要 見積りや生産計画立案は過去と類似した依頼があると、過去情報を参照していますが、それには多くの手間が発生します。更に、過去情報を個人で持っていて共有されていないケースが多く、無駄な作業が発生しやすくなります。 そのような作業に対してどのようにAIを活用して業務効率化を図るのかレポートで解説しています。 【レポートテーマ②】 ベテラン社員の“勘”と“経験”に頼った生産計画立案体制からの脱却! AIを活用し、生産計画立案を自動最適化・脱属人化! ・概要 生産計画の立案はベテラン社員が「経験」、「勘」、「度胸」によって計画し属人化(職人化)している状態となっていることが多く見受けられます。 ベテラン社員が多大な工数をかけて行っている生産計画立案をAIを活用して脱属人化する具体的手法をレポートにて解説しております。 【レポートテーマ③】 中堅・中小製造業における“AI化の進め方”とは? AI化の手順を1~16ステップに分けて徹底解説! ・概要 「AIを使ってみたいが相談できる所が無い、、、」 「手作業の単純業務に工数がかかっている、、、」 「一部の社員に偏っている業務がありノウハウを継承できていない、、、」 「高付加価値な業務をより効率よく行い生産性を高めたい、、、」 「経験と勘を要する業務で属人化している、、、」 「分析を通じてもっと品質改善&現場改善したい、、、」 「標準化・パッケージ化して誰でも出来るように継承したい、、、」 そのようなお悩みを解決するAI活用の手順を16ステップに分けて解説しています。 上記3テーマについて解説したレポートです。 無料でダウンロードできますので、是非お気軽にご覧ください! ▼▼詳細は以下のボタンをクリック!(無料でレポートダウンロードできます)▼▼ ■【2021年3月開催】オンラインセミナー開催のご案内 「製造業・メーカーの為の初めてのAI活用!社長セミナー」 https://smart-factory.funaisoken.co.jp/event/ <このような方におすすめ> 大手メーカーを除く中堅・中小メーカーの社長様 AIには興味はあるが、何から手を付ければ良いのか分からない社長様 自社のどんな業務にAI活用できるのか、自社で本当にAI導入できるのか分からない社長様 漠然とした理論・概論ではなく、実践的で現実的なAI手法を知りたい社長様 大手ではなく、中堅・中小の製造業・メーカーのAI取組事例を知りたい社長様 ▼オンラインセミナーの詳細・お申し込みは以下のURL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/ いつも当メルマガ・コラムをご愛読いただきありがとうございます。 今回は、中堅・中小製造業経営者様向けの最新無料ダウンロードレポートについてご紹介いたします。 中堅・中小製造業経営者様向け「AIを活用した業務効率化」最新事例解説レポート ▼▼詳細は以下のボタンをクリック!(無料でレポートダウンロードできます)▼▼ 【レポートテーマ①】 AIを使って過去の類似案件を簡単検索!営業・生産計画立案の業務効率化! ・概要 見積りや生産計画立案は過去と類似した依頼があると、過去情報を参照していますが、それには多くの手間が発生します。更に、過去情報を個人で持っていて共有されていないケースが多く、無駄な作業が発生しやすくなります。 そのような作業に対してどのようにAIを活用して業務効率化を図るのかレポートで解説しています。 【レポートテーマ②】 ベテラン社員の“勘”と“経験”に頼った生産計画立案体制からの脱却! AIを活用し、生産計画立案を自動最適化・脱属人化! ・概要 生産計画の立案はベテラン社員が「経験」、「勘」、「度胸」によって計画し属人化(職人化)している状態となっていることが多く見受けられます。 ベテラン社員が多大な工数をかけて行っている生産計画立案をAIを活用して脱属人化する具体的手法をレポートにて解説しております。 【レポートテーマ③】 中堅・中小製造業における“AI化の進め方”とは? AI化の手順を1~16ステップに分けて徹底解説! ・概要 「AIを使ってみたいが相談できる所が無い、、、」 「手作業の単純業務に工数がかかっている、、、」 「一部の社員に偏っている業務がありノウハウを継承できていない、、、」 「高付加価値な業務をより効率よく行い生産性を高めたい、、、」 「経験と勘を要する業務で属人化している、、、」 「分析を通じてもっと品質改善&現場改善したい、、、」 「標準化・パッケージ化して誰でも出来るように継承したい、、、」 そのようなお悩みを解決するAI活用の手順を16ステップに分けて解説しています。 上記3テーマについて解説したレポートです。 無料でダウンロードできますので、是非お気軽にご覧ください! ▼▼詳細は以下のボタンをクリック!(無料でレポートダウンロードできます)▼▼ ■【2021年3月開催】オンラインセミナー開催のご案内 「製造業・メーカーの為の初めてのAI活用!社長セミナー」 https://smart-factory.funaisoken.co.jp/event/ <このような方におすすめ> 大手メーカーを除く中堅・中小メーカーの社長様 AIには興味はあるが、何から手を付ければ良いのか分からない社長様 自社のどんな業務にAI活用できるのか、自社で本当にAI導入できるのか分からない社長様 漠然とした理論・概論ではなく、実践的で現実的なAI手法を知りたい社長様 大手ではなく、中堅・中小の製造業・メーカーのAI取組事例を知りたい社長様 ▼オンラインセミナーの詳細・お申し込みは以下のURL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/

初めての“AI画像検査”導入解説レポート!!

2021.02.12

3週連続!「導入解説レポート」リリース企画!! 第2週目の今回は、「初めての“AI画像検査”導入解説レポート」です! コラムではレポートの中身を少しだけお話します。 詳しくは導入解説レポートをダウンロード!! 1.中小製造業が抱える外観検査工程における悩みとは? 製造業において外観検査は切っても切れない存在です。 生産した製品にキズや汚れなどがないかの確認は主に検査員が行います。 外観検査は「目視検査」を検査員が行い、それにより「人件費」がかさみます。当然ながら検査員が自分の目でキズや汚れなどがないかを確認しますが、人間ですからミスを犯すことはありますので、外観不良のある製品が後工程に流れてしまう可能性もゼロではありません。また、キズの基準が曖昧となり検査の質が安定しない可能性があります。検査員による目視検査は一定のリスクがあると言えるでしょう。 昨今では、生産コストを抑えなければならないにもかかわらず高い品質が要求されます。検査コストは製品の原価に直接加算されますので、検査をいかに効率的に行うかが重要となってきます。 そういった背景の中で注目されているのが外観検査の自動化であり、画像認識技術とAI(人工知能)を活用した画像検査システムです。 工場AI・ロボット.comではAI画像検査システムの構築に積極的に取り組んでいます! 2. “AI画像検査”を導入するメリットとは? AI画像検査を導入によるメリットは多々ありますが代表的なメリットを以下に示します。 ①検査員削減による人員コスト削減 ②熟練検査作業者でも起こりうる見落とし(不良品流出)の防止 ③属人化した検査業務の脱属人化(システム化) ④不良データの蓄積による生産品質の改善、向上 ⑤不良情報の即時フィードバックによる生産性向上(大量の不良発生やロットアウト防止) では実際にAI画像検査を導入する具体的手法とはどのようなものなのでしょうか? 解説レポートでは導入の進め方について詳しく解説しています! 3.工場AI・ロボット.comが行うAI画像検査の強み 通常、AIシステムや画像検査システムベンダーに外観検査システムを依頼する場合、光沢のあるワークや透明なワークは「お断り」を受けるパターンが多いのが現状です。 たとえ“AI画像検査”自体が上手くいったとしてもその画像検査システムを運用する自動化システムの構想設計が適切でないと思った通りの効果が出ない可能性もあります。 工場AI・ロボット.comでは「お断り」のワークはもちろん、工場全体を見て確実に効果が出る“AI画像検査”システムを構築致します。 4.おわりに 詳細は「初めての“AI画像検査”導入解説レポート」をダウンロード!! https://smart-factory.funaisoken.co.jp/download/210212/ ■工場AI・ロボット.comでは「無料オンライン診断サービス」を行っております。 専門コンサルタントが無料でロボット活用について診断致します! ✓ロボットを導入したいが初めてでやり方が分からない・・・ ✓多品種少量生産の溶接ロボットを導入したい ✓旋盤工程のワーク供給にロボットを活用したい ✓人による目視検査を自動化したい ✓多品種少量生産の工場でも導入可能かどうかを知りたい ✓他社の導入事例の詳細について聞きたい ✓ロボットやAI活用について相談できる所が見つからない・・・ ご希望の場合は以下の問い合わせフォームより、「無料オンライン診断サービス希望」と明記の上お問い合わせ下さい!! https://lp.funaisoken.co.jp/mt/smart-factory/counsel.html 船井総研ではロボットやAIの導入に役立つダウンロードコンテンツやセミナーをご用意しております。 ■オンラインセミナー開催のお知らせ https://smart-factory.funaisoken.co.jp/event/ 製造業・メーカーの為の初めてのAI活用!社長セミナー ・「AIはまだ初心者」と感じているメーカー社長が知っておくべき初めてのAI導入法が分かる! ~AIなんて全くわからない...そんな社長の為のセミナーです~ ・大手が行う大規模で夢物語のAIではなく、中堅・中小メーカーに適したAI手法が分かる! ~大手メーカー様向けではなく、中堅・中小メーカー様向けです~ ・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手法が分かる! ~理論・概論は一切なく、現場的・実践的な話を聞けます~ ・営業・設計・生産・メンテナンス・経営管理各部門において活用できるAIが分かる! ~具体的にどの部門・業務でどんなAIが活用できるかが分かります~ ・中堅・中小メーカーの実際のAI取組事例を知ることができる! ~大手ではなく、中堅・中小メーカーの実際の取組事例・実践事例を紹介します~ ↓↓↓セミナー詳細は下記からご覧ください↓↓↓ 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/ 3週連続!「導入解説レポート」リリース企画!! 第2週目の今回は、「初めての“AI画像検査”導入解説レポート」です! コラムではレポートの中身を少しだけお話します。 詳しくは導入解説レポートをダウンロード!! 1.中小製造業が抱える外観検査工程における悩みとは? 製造業において外観検査は切っても切れない存在です。 生産した製品にキズや汚れなどがないかの確認は主に検査員が行います。 外観検査は「目視検査」を検査員が行い、それにより「人件費」がかさみます。当然ながら検査員が自分の目でキズや汚れなどがないかを確認しますが、人間ですからミスを犯すことはありますので、外観不良のある製品が後工程に流れてしまう可能性もゼロではありません。また、キズの基準が曖昧となり検査の質が安定しない可能性があります。検査員による目視検査は一定のリスクがあると言えるでしょう。 昨今では、生産コストを抑えなければならないにもかかわらず高い品質が要求されます。検査コストは製品の原価に直接加算されますので、検査をいかに効率的に行うかが重要となってきます。 そういった背景の中で注目されているのが外観検査の自動化であり、画像認識技術とAI(人工知能)を活用した画像検査システムです。 工場AI・ロボット.comではAI画像検査システムの構築に積極的に取り組んでいます! 2. “AI画像検査”を導入するメリットとは? AI画像検査を導入によるメリットは多々ありますが代表的なメリットを以下に示します。 ①検査員削減による人員コスト削減 ②熟練検査作業者でも起こりうる見落とし(不良品流出)の防止 ③属人化した検査業務の脱属人化(システム化) ④不良データの蓄積による生産品質の改善、向上 ⑤不良情報の即時フィードバックによる生産性向上(大量の不良発生やロットアウト防止) では実際にAI画像検査を導入する具体的手法とはどのようなものなのでしょうか? 解説レポートでは導入の進め方について詳しく解説しています! 3.工場AI・ロボット.comが行うAI画像検査の強み 通常、AIシステムや画像検査システムベンダーに外観検査システムを依頼する場合、光沢のあるワークや透明なワークは「お断り」を受けるパターンが多いのが現状です。 たとえ“AI画像検査”自体が上手くいったとしてもその画像検査システムを運用する自動化システムの構想設計が適切でないと思った通りの効果が出ない可能性もあります。 工場AI・ロボット.comでは「お断り」のワークはもちろん、工場全体を見て確実に効果が出る“AI画像検査”システムを構築致します。 4.おわりに 詳細は「初めての“AI画像検査”導入解説レポート」をダウンロード!! https://smart-factory.funaisoken.co.jp/download/210212/ ■工場AI・ロボット.comでは「無料オンライン診断サービス」を行っております。 専門コンサルタントが無料でロボット活用について診断致します! ✓ロボットを導入したいが初めてでやり方が分からない・・・ ✓多品種少量生産の溶接ロボットを導入したい ✓旋盤工程のワーク供給にロボットを活用したい ✓人による目視検査を自動化したい ✓多品種少量生産の工場でも導入可能かどうかを知りたい ✓他社の導入事例の詳細について聞きたい ✓ロボットやAI活用について相談できる所が見つからない・・・ ご希望の場合は以下の問い合わせフォームより、「無料オンライン診断サービス希望」と明記の上お問い合わせ下さい!! https://lp.funaisoken.co.jp/mt/smart-factory/counsel.html 船井総研ではロボットやAIの導入に役立つダウンロードコンテンツやセミナーをご用意しております。 ■オンラインセミナー開催のお知らせ https://smart-factory.funaisoken.co.jp/event/ 製造業・メーカーの為の初めてのAI活用!社長セミナー ・「AIはまだ初心者」と感じているメーカー社長が知っておくべき初めてのAI導入法が分かる! ~AIなんて全くわからない...そんな社長の為のセミナーです~ ・大手が行う大規模で夢物語のAIではなく、中堅・中小メーカーに適したAI手法が分かる! ~大手メーカー様向けではなく、中堅・中小メーカー様向けです~ ・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手法が分かる! ~理論・概論は一切なく、現場的・実践的な話を聞けます~ ・営業・設計・生産・メンテナンス・経営管理各部門において活用できるAIが分かる! ~具体的にどの部門・業務でどんなAIが活用できるかが分かります~ ・中堅・中小メーカーの実際のAI取組事例を知ることができる! ~大手ではなく、中堅・中小メーカーの実際の取組事例・実践事例を紹介します~ ↓↓↓セミナー詳細は下記からご覧ください↓↓↓ 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/

【事例紹介】AIを活用した熟練技術の継承とは?

2020.12.21

労働人口の減少(特に熟練者の不足)や職人の高齢化等の流れが進んでいく中、 「熟練技術の継承」というのは企業規模を問わず、工場経営における一大テーマかと存じます。 今回のコラムでは、「AIを活用した熟練技術の継承」というテーマに関して、 製造業での取り組み事例を2つご紹介いたします。 【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】 <Before> 一部のベテラン営業担当者と社長自ら見積もり業務に従事。 自社内での見積もり算出に際して、 取引先から共有された図面データを用いる必要があったが、 取引先から共有された図面データのうち半分以上はそのまま使うことができず、 後工程の業務を円滑に行うために自社内で図面データを書き直す必要があった。 また、見積もり算出の参考として使用する 過去の見積もりデータを探し出す作業に多くの時間を取られていた。 <After> AIを活用し過去の類似案件を検索できるようにすることで、 「従来かかっていた時間よりも短い時間で」 かつ「より精度高く」見積もり作成を行うことが可能となった。 また、一部のベテランに依存していた見積もり業務を、 知識・経験の浅い社員でも問題なく実践できるようになった。 (⇒業務の標準化&脱属人化を推進) <取り組みのポイント> ・業務の標準化を通じた若手社員の即戦力化 ・「社長やベテランじゃなくてもできる仕事」は、社長やベテラン以外の人間に任せる ・熟練者は空いた時間で、より高付加価値な業務に従事してもらう 【事例②:AIを活用した外観検査体制の構築】 <Before> 多品種小ロット案件の最終検査(傷の有無の確認)を目視で実施していたが、 「作業者の感覚に頼るところが多い」 「証拠が取れていないケースが多く、トレーサビリティ不可となる(責任問題への発展に関する懸念)」 等の課題を抱えていた。 <After> AIを活用し、打痕・傷の特徴やOK・NGレベルを 教師データとして事前に学習させることで、外観検査システムを開発。 様々なパターン傷を学習させていくことで精度が向上。 検査担当者が検査工程に従事する時間を短縮させることができた。 <取り組みのポイント> ・ヒトが付加価値を生まない作業(=検査工程)をAIで代替 ・熟練技術をAI自体に継承する 以上、AIを活用した熟練技術の継承に関する事例についてご紹介いたしました。 今回ご紹介した事例の他にも、 AIやデジタル技術を活用した「工場のAI・デジタル化」に関する事例を 以下のレポート内でご紹介しております。 中堅・中小製造業 経営者様向け “工場のAI・デジタル化”最新事例解説レポート 上記の事例レポートは無料でダウンロードいただくことができます。 ご興味のある方は、是非チェックしてみてください。 ▼事例レポート無料ダウンロード お申し込みはこちら▼ https://smart-factory.funaisoken.co.jp/download/201208/ いつも当メルマガ・コラムをご愛読いただきありがとうございます。 労働人口の減少(特に熟練者の不足)や職人の高齢化等の流れが進んでいく中、 「熟練技術の継承」というのは企業規模を問わず、工場経営における一大テーマかと存じます。 今回のコラムでは、「AIを活用した熟練技術の継承」というテーマに関して、 製造業での取り組み事例を2つご紹介いたします。 【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】 <Before> 一部のベテラン営業担当者と社長自ら見積もり業務に従事。 自社内での見積もり算出に際して、 取引先から共有された図面データを用いる必要があったが、 取引先から共有された図面データのうち半分以上はそのまま使うことができず、 後工程の業務を円滑に行うために自社内で図面データを書き直す必要があった。 また、見積もり算出の参考として使用する 過去の見積もりデータを探し出す作業に多くの時間を取られていた。 <After> AIを活用し過去の類似案件を検索できるようにすることで、 「従来かかっていた時間よりも短い時間で」 かつ「より精度高く」見積もり作成を行うことが可能となった。 また、一部のベテランに依存していた見積もり業務を、 知識・経験の浅い社員でも問題なく実践できるようになった。 (⇒業務の標準化&脱属人化を推進) <取り組みのポイント> ・業務の標準化を通じた若手社員の即戦力化 ・「社長やベテランじゃなくてもできる仕事」は、社長やベテラン以外の人間に任せる ・熟練者は空いた時間で、より高付加価値な業務に従事してもらう 【事例②:AIを活用した外観検査体制の構築】 <Before> 多品種小ロット案件の最終検査(傷の有無の確認)を目視で実施していたが、 「作業者の感覚に頼るところが多い」 「証拠が取れていないケースが多く、トレーサビリティ不可となる(責任問題への発展に関する懸念)」 等の課題を抱えていた。 <After> AIを活用し、打痕・傷の特徴やOK・NGレベルを 教師データとして事前に学習させることで、外観検査システムを開発。 様々なパターン傷を学習させていくことで精度が向上。 検査担当者が検査工程に従事する時間を短縮させることができた。 <取り組みのポイント> ・ヒトが付加価値を生まない作業(=検査工程)をAIで代替 ・熟練技術をAI自体に継承する 以上、AIを活用した熟練技術の継承に関する事例についてご紹介いたしました。 今回ご紹介した事例の他にも、 AIやデジタル技術を活用した「工場のAI・デジタル化」に関する事例を 以下のレポート内でご紹介しております。 中堅・中小製造業 経営者様向け “工場のAI・デジタル化”最新事例解説レポート 上記の事例レポートは無料でダウンロードいただくことができます。 ご興味のある方は、是非チェックしてみてください。 ▼事例レポート無料ダウンロード お申し込みはこちら▼ https://smart-factory.funaisoken.co.jp/download/201208/

製造業におけるDXの進め方

2020.12.07

DX(デジタルトランスフォーメーション)とは、「企業がビジネス環境の激しい変化に対応し、データとデジタル技術を活用して、顧客や社会のニーズを基に、製品やサービス、ビジネスモデルを変革するとともに、業務そのものや、組織、プロセス、企業文化・風土を変革し、競争上の優位性を確立すること」と定義されています。 DX化することで得られるメリットはたくさんあります。詳しくはこちらのコラムで紹介しておりますのでぜひご覧ください。 「AIとデジタル化の波は避けられない」 さて、「DX化」という言葉をよく耳にするようになった一方で、「製造DXのメリット・導入ポイント」「なぜ日本はDX化が進まないのか」「DX化が失敗する理由」というようなタイトルの記事をよく目にするようにもなりました。 経済産業省「DXレポート ~ITシステム「2025年の崖」克服とDXの本格的な展開~」 によると、生産プロセスに関する設備の稼働状況などのデータ収集を行っている企業の割合は、2019年度は51.0%となっており、2018 年度調査時より7%減少しております。 DX化を目指す一方で、現状は苦戦している企業が多いことがわかります。さらにこれからは、既存システムは変化していく状況に合わせて更新する必要があります。そのたびに要件は複雑になるため、既存システムの保守費は高額になると言われています。 DX化を進めていくことは必須と叫ばれているにも関わらず、進まないのはなぜでしょうか? その理由の一つに、日本人特有のマインドが関係していることが考えられます。日本人は1950~60年代の高度経済成長の成功体験が非常に大きく、その時代から何十年もかけて培われた世界的にも最高峰の現場による改善活動のおかげで、逆にDX化に踏み込めない思考になっています。この思考がDXというある意味システムに縛られる状況について、抵抗が生まれているのではないでしょうか。長年にわたり現場改善で運用していきたものをシステムに置きかえるのは容易ではありません。海外においては、日本と比較した場合、現場の声はさほど強くありません。その為、システムで現場を縛ることができ、DX化は進みやすい傾向があります。一方で日本では改善活動を行ってきた現場の力が強く、ITシステムが現場運用に合わせないといけないという状況が多く発生しています。その為、要件が複雑になり(もしくはシステム化できない)なかなか前に進んでいきません。 「現状はシステムに頼らなくても問題がない」と考えている現場の方は多いのではないのでしょうか。現場の力>ITシステムの構図が日本でDXが進まない根本要因と考えています。 とはいえ、やはりDX化を進めなければいけないのは明白です。 我々は、情報をもとに経営の意思決定をしなければなりません。現代においては営業部や製造部など多方面から様々な種類の情報収集するスピードが求められます、また、集められる情報は質・精度が高い必要があります。「高い質・精度の情報をリアルタイムで収集し、正確な情報を基に分析を行い経営判断する」これが今の時代に求められていることです。不確かな情報を手作業で取りまとめて資料作成に時間を費やす時代ではないということです。 それではどのように進めたらよいか? 中小企業の製造業に特化した船井総合研究所AI・ロボット支援室では、ロボットやAIの導入に役立つやセミナーをご用意しております。 この機会にぜひご参加ください。 ■ダウンロード事例集のご案内 https://smart-factory.funaisoken.co.jp/download/201208/ ■セミナー開催のお知らせ 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/ 機械加工業の為の初めてのAI&ロボット活用!社長セミナー(オンライン) マシニングセンタ・NC旋盤・複合加工機等を保有していて多品種少量生産の熟練技術・職人技術・人手の掛かる業務にAI&ロボットを活用して自動化&生産性UP! 2/16(火)、18(木)、24(水) 13:00~15:00 DX(デジタルトランスフォーメーション)とは、「企業がビジネス環境の激しい変化に対応し、データとデジタル技術を活用して、顧客や社会のニーズを基に、製品やサービス、ビジネスモデルを変革するとともに、業務そのものや、組織、プロセス、企業文化・風土を変革し、競争上の優位性を確立すること」と定義されています。 DX化することで得られるメリットはたくさんあります。詳しくはこちらのコラムで紹介しておりますのでぜひご覧ください。 「AIとデジタル化の波は避けられない」 さて、「DX化」という言葉をよく耳にするようになった一方で、「製造DXのメリット・導入ポイント」「なぜ日本はDX化が進まないのか」「DX化が失敗する理由」というようなタイトルの記事をよく目にするようにもなりました。 経済産業省「DXレポート ~ITシステム「2025年の崖」克服とDXの本格的な展開~」 によると、生産プロセスに関する設備の稼働状況などのデータ収集を行っている企業の割合は、2019年度は51.0%となっており、2018 年度調査時より7%減少しております。 DX化を目指す一方で、現状は苦戦している企業が多いことがわかります。さらにこれからは、既存システムは変化していく状況に合わせて更新する必要があります。そのたびに要件は複雑になるため、既存システムの保守費は高額になると言われています。 DX化を進めていくことは必須と叫ばれているにも関わらず、進まないのはなぜでしょうか? その理由の一つに、日本人特有のマインドが関係していることが考えられます。日本人は1950~60年代の高度経済成長の成功体験が非常に大きく、その時代から何十年もかけて培われた世界的にも最高峰の現場による改善活動のおかげで、逆にDX化に踏み込めない思考になっています。この思考がDXというある意味システムに縛られる状況について、抵抗が生まれているのではないでしょうか。長年にわたり現場改善で運用していきたものをシステムに置きかえるのは容易ではありません。海外においては、日本と比較した場合、現場の声はさほど強くありません。その為、システムで現場を縛ることができ、DX化は進みやすい傾向があります。一方で日本では改善活動を行ってきた現場の力が強く、ITシステムが現場運用に合わせないといけないという状況が多く発生しています。その為、要件が複雑になり(もしくはシステム化できない)なかなか前に進んでいきません。 「現状はシステムに頼らなくても問題がない」と考えている現場の方は多いのではないのでしょうか。現場の力>ITシステムの構図が日本でDXが進まない根本要因と考えています。 とはいえ、やはりDX化を進めなければいけないのは明白です。 我々は、情報をもとに経営の意思決定をしなければなりません。現代においては営業部や製造部など多方面から様々な種類の情報収集するスピードが求められます、また、集められる情報は質・精度が高い必要があります。「高い質・精度の情報をリアルタイムで収集し、正確な情報を基に分析を行い経営判断する」これが今の時代に求められていることです。不確かな情報を手作業で取りまとめて資料作成に時間を費やす時代ではないということです。 それではどのように進めたらよいか? 中小企業の製造業に特化した船井総合研究所AI・ロボット支援室では、ロボットやAIの導入に役立つやセミナーをご用意しております。 この機会にぜひご参加ください。 ■ダウンロード事例集のご案内 https://smart-factory.funaisoken.co.jp/download/201208/ ■セミナー開催のお知らせ 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/ 機械加工業の為の初めてのAI&ロボット活用!社長セミナー(オンライン) マシニングセンタ・NC旋盤・複合加工機等を保有していて多品種少量生産の熟練技術・職人技術・人手の掛かる業務にAI&ロボットを活用して自動化&生産性UP! 2/16(火)、18(木)、24(水) 13:00~15:00

中堅・中小製造業におけるAI導入の目的とは?

2020.11.24

突然ですが、読者の皆様は製造業における「AIの導入目的」をどのようにお考えでしょうか? 船井総研では、各業界の経営者・経営幹部の皆様向けに年間計900件超のセミナー開催を通じて、各業界の時流に適応したビジネスモデルや業務プロセスの紹介を行っております。 近年では、中堅・中小製造業の企業様向けにAI活用に関するセミナーを実施しておりますが、セミナーへご参加いただく全国各地の製造業の企業様から、 「AIを使って何ができるのか?」 「AIの導入目的をどのように考えていけばよいか?」 といったご質問をよく頂戴します。 そこで、今回のコラムでは、船井総研主催のAI活用に関するセミナーでもご紹介している「AI導入の目的」について、その一部をご紹介いたします。 中堅・中小製造業における主なAI導入の目的として、大きくは以下の4つが挙げられます。 【中堅・中小製造業における主なAI導入目的】   ①既存業務の自動化・省力化・標準化   ②3K業務の自動化   ③熟練業務・属人業務の技術継承・若手育成   ④熟練者をより付加価値の高い業務へ移行させる 以下に1つずつご紹介いたします。 1.AI導入目的①:既存業務の自動化・省力化・標準化 工場内やバックオフィスにてAIを活用し、これまで時間をかけて取り組んでいた業務を自動化・省力化・標準化したいというニーズは非常に大きいです。 例えば、とある製造業の支援先企業様では、現在「見積もりAIシステム」の開発に取り組まれています。 システムの概要としては、AIを活用して過去の類似案件を検索できるようにすることで、 「従来かかっていた時間よりも短い時間で」かつ 「精度高く見積もりを作成することができるようになる」というものです。 Step1)新規案件発生時に過去の見積もりデータを検索する Step2)過去の類似ワークの見積計算書・見積書等のデータを検出する という大きく2つのステップを経ることで、ベテランのみならず、知識や経験の浅い社員でも問題なく見積もり作成ができるようになります。 2.AI導入目的②:3K業務の自動化 3K業務とは、「きつい・汚い・危険」の頭文字「K」から取った言葉であり、労働条件が厳しい業務のことを指します。 この3K業務は、若年労働者から特に敬遠されることから、採用難や離職率の増加にも直結する要素となっています。 AIを活用し、3K業務を自動化することで、職業イメージの抜本的な改善を図り、結果として若手社員の採用を促すことにも繋がります。 また、昨今「働き方改革」の必要性が叫ばれている中、既存の従業員を3K業務から解放することで、既存の従業員にとって、より働きやすい現場環境を創出するという点でも、非常に意義のあるAI導入の目的設定であると言えます。 3.AI導入目的③:熟練業務・属人業務の技術継承・若手育成 これは、国内製造業のみならず、他の業界にも概ね当てはまる話ですが、「労働人口の減少(特に熟練者不足)」や「従業員の高齢化」が今後より進んでいくことが予測される中で、 「人手(特に熟練者)が不足していても問題なく運営できる体制を作る」 という発想がこれからの経営には必要となってきます。 例えば、とあるベテラン比率の高い製造業の企業様では、AIを導入して「熟練者の技術を買う」という考え方をもとに既存業務のAI化を進められています。 熟練者特有の技術・ノウハウを継承し、   1)経験や知識の浅い若手社員でも問題なく業務を進めることができる   2)経験や知識の浅い若手社員でも活躍できる土壌を形成する(若手社員の即戦力化) この辺りを狙いとして、既存業務のAI化を進められています。 4.AI導入目的④:熟練者をより付加価値の高い業務へ移行させる 全国各地の製造業の企業様にお話をお聞きしていると、AIを活用して熟練技術の継承を図る中で、現場のベテラン従業員の方から、 「AIを活用することで、自分たち(ベテラン従業員)の仕事がなくなるのでは?」 という懸念を表明されるケースが多々あるようです。 ただ、それに対する結論として言えるのは、AIというのは、「熟練者の仕事を奪うためのツール」ではないということです。 むしろ、AIというのは、「熟練者に “より高付加価値な業務” に従事してもらうためのツール」であると言えます。 技術継承を踏まえた上で、熟練者は空いた時間で「さらに付加価値の高い(ベテランだからこそできる)業務へ移行する」という、「人員配置・役割設計の再定義」の機会を発生させることに、AI導入の意義を見出すことができます。 5.おわりに 以上、ここまで「中堅・中小製造業におけるAI導入の目的とは?」というテーマについてお伝えさせていただきました。 中堅・中小製造業におけるAI導入に関する考え方や、具体的な事例をもっと知りたい方は、是非以下の「無料オンライン相談」をご活用ください。 ご相談内容に応じて最適なコンサルタントを選定し、対応させていただきます。 ▼無料オンライン相談のお申し込みはこちら▼ https://lp.funaisoken.co.jp/mt/smart-factory/counsel.html <無料レポートダウンロード> ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー 中堅・中小製造業 経営者様向け “工場のAI化デジタル化”最新事例解説レポート この1冊で、工場のAI化デジタル化の最新事例がわかる! ①AI活用を通じて「見積もり業務の標準化・脱属人化」を推進! ②付加価値を生まない検査工程から人手を開放!AIを活用した外観検査体制の構築! ③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! ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー https://lp.funaisoken.co.jp/mt/smart-factory/dltext04-dl.html いつも当メルマガ・コラムをご愛読いただきありがとうございます。 突然ですが、読者の皆様は製造業における「AIの導入目的」をどのようにお考えでしょうか? 船井総研では、各業界の経営者・経営幹部の皆様向けに年間計900件超のセミナー開催を通じて、各業界の時流に適応したビジネスモデルや業務プロセスの紹介を行っております。 近年では、中堅・中小製造業の企業様向けにAI活用に関するセミナーを実施しておりますが、セミナーへご参加いただく全国各地の製造業の企業様から、 「AIを使って何ができるのか?」 「AIの導入目的をどのように考えていけばよいか?」 といったご質問をよく頂戴します。 そこで、今回のコラムでは、船井総研主催のAI活用に関するセミナーでもご紹介している「AI導入の目的」について、その一部をご紹介いたします。 中堅・中小製造業における主なAI導入の目的として、大きくは以下の4つが挙げられます。 【中堅・中小製造業における主なAI導入目的】   ①既存業務の自動化・省力化・標準化   ②3K業務の自動化   ③熟練業務・属人業務の技術継承・若手育成   ④熟練者をより付加価値の高い業務へ移行させる 以下に1つずつご紹介いたします。 1.AI導入目的①:既存業務の自動化・省力化・標準化 工場内やバックオフィスにてAIを活用し、これまで時間をかけて取り組んでいた業務を自動化・省力化・標準化したいというニーズは非常に大きいです。 例えば、とある製造業の支援先企業様では、現在「見積もりAIシステム」の開発に取り組まれています。 システムの概要としては、AIを活用して過去の類似案件を検索できるようにすることで、 「従来かかっていた時間よりも短い時間で」かつ 「精度高く見積もりを作成することができるようになる」というものです。 Step1)新規案件発生時に過去の見積もりデータを検索する Step2)過去の類似ワークの見積計算書・見積書等のデータを検出する という大きく2つのステップを経ることで、ベテランのみならず、知識や経験の浅い社員でも問題なく見積もり作成ができるようになります。 2.AI導入目的②:3K業務の自動化 3K業務とは、「きつい・汚い・危険」の頭文字「K」から取った言葉であり、労働条件が厳しい業務のことを指します。 この3K業務は、若年労働者から特に敬遠されることから、採用難や離職率の増加にも直結する要素となっています。 AIを活用し、3K業務を自動化することで、職業イメージの抜本的な改善を図り、結果として若手社員の採用を促すことにも繋がります。 また、昨今「働き方改革」の必要性が叫ばれている中、既存の従業員を3K業務から解放することで、既存の従業員にとって、より働きやすい現場環境を創出するという点でも、非常に意義のあるAI導入の目的設定であると言えます。 3.AI導入目的③:熟練業務・属人業務の技術継承・若手育成 これは、国内製造業のみならず、他の業界にも概ね当てはまる話ですが、「労働人口の減少(特に熟練者不足)」や「従業員の高齢化」が今後より進んでいくことが予測される中で、 「人手(特に熟練者)が不足していても問題なく運営できる体制を作る」 という発想がこれからの経営には必要となってきます。 例えば、とあるベテラン比率の高い製造業の企業様では、AIを導入して「熟練者の技術を買う」という考え方をもとに既存業務のAI化を進められています。 熟練者特有の技術・ノウハウを継承し、   1)経験や知識の浅い若手社員でも問題なく業務を進めることができる   2)経験や知識の浅い若手社員でも活躍できる土壌を形成する(若手社員の即戦力化) この辺りを狙いとして、既存業務のAI化を進められています。 4.AI導入目的④:熟練者をより付加価値の高い業務へ移行させる 全国各地の製造業の企業様にお話をお聞きしていると、AIを活用して熟練技術の継承を図る中で、現場のベテラン従業員の方から、 「AIを活用することで、自分たち(ベテラン従業員)の仕事がなくなるのでは?」 という懸念を表明されるケースが多々あるようです。 ただ、それに対する結論として言えるのは、AIというのは、「熟練者の仕事を奪うためのツール」ではないということです。 むしろ、AIというのは、「熟練者に “より高付加価値な業務” に従事してもらうためのツール」であると言えます。 技術継承を踏まえた上で、熟練者は空いた時間で「さらに付加価値の高い(ベテランだからこそできる)業務へ移行する」という、「人員配置・役割設計の再定義」の機会を発生させることに、AI導入の意義を見出すことができます。 5.おわりに 以上、ここまで「中堅・中小製造業におけるAI導入の目的とは?」というテーマについてお伝えさせていただきました。 中堅・中小製造業におけるAI導入に関する考え方や、具体的な事例をもっと知りたい方は、是非以下の「無料オンライン相談」をご活用ください。 ご相談内容に応じて最適なコンサルタントを選定し、対応させていただきます。 ▼無料オンライン相談のお申し込みはこちら▼ https://lp.funaisoken.co.jp/mt/smart-factory/counsel.html <無料レポートダウンロード> ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー 中堅・中小製造業 経営者様向け “工場のAI化デジタル化”最新事例解説レポート この1冊で、工場のAI化デジタル化の最新事例がわかる! ①AI活用を通じて「見積もり業務の標準化・脱属人化」を推進! ②付加価値を生まない検査工程から人手を開放!AIを活用した外観検査体制の構築! ③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! ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー https://lp.funaisoken.co.jp/mt/smart-factory/dltext04-dl.html

AIのいろは「機械学習とディープラーニング」を学ぼう

2020.11.09

今回のコラムは現在のAIを語る上では欠かせない「機械学習とディープラーニング」について説明していきたいと思います。何となく聞いたことがある2つの言葉ですが、きちんと違いがわかりますか? 以前のAIの歴史を振り返るコラムでは第三次ブームの火付け役という紹介をしました。この2つキーワードがなぜ、AI再ブームの火付け役となったのか、ここでは一歩踏み込んだ話をしていきましょう。 1.AIとは「赤ちゃん」です AIの良いところはあらゆる過去の膨大なデータを学習して、忖度なく最適な解を示してくれるということです。AIはよく「赤ちゃん」に例えられます。赤ちゃんは親から動きや言葉を学ぶことで、やがて自分で判断できるようになります。生まれたばかりの赤ちゃんが一人では何も出来ないように、AIも何も教えなければ何もできません。AIも赤ちゃんも経験を積めば積むほど、最適な(精度の高い)言葉や動きが出来るようになります。どちらも最適な解(言葉や動き)を出す為には、たくさんたくさん学習していく必要があるのです。 2.機械学習とディープラーニング では、AIではどのように学習していくのでしょうか。AIの場合、学習の方法(目の付け所)を教えてあげる必要があります。目の付け所を教える=「特徴量を定義する」という言い方をします。例えば、りんごが赤りんごか青りんごを画像処理にて判断させる際には、まず①赤りんごと青りんごの2種類のいろいろな写真(学習データ)をAIに覚えさせます。赤りんごと言ってもたくさんの種類がありますよね。次に②「色に着目しなさい」と指示します。するとAIは自ら色を見て、初めて見る写真でも学習データと照らし合わせて赤りんごか青りんごかを判断することが出来ます。 では誰が「色に着目しなさい」と指示するのでしょうか。2つの言葉の違いは「目の付け所(特徴量の定義)を誰が指示するか?」ここがポイントになっていきます。 【機械学習とは】 機械学習は「人が特徴を定義する」技術です。人が目の付け所(特徴量を定義)を教えておくことで、既存の大量のデータをAI自ら解析してルールを見つけ出します。データはより多くあればあるほど精度は高くなっていきます。 つまり、トレーニングによって「特定のタスク」を実行できるようになる技術です。上記においては「りんごの色を見て赤りんごか青りんごか判断する特定のタスク」ということになります。 この手法は、自動で返答するチャットボットや、店舗来客予測など、出力の予測や傾向の発見を伴うプロジェクトで力を発揮します。 【ディープラーニングとは】 一方で、ディープラーニングは「人工知能が学習データから特徴を自動で抽出する」技術です。 機械学習が進化したとも言えるディープラーニングは、たくさんのデータを解析する際、どこに注目すればよいかを「自分で判断」し、人からの指示ではなく自動で学習して賢くなっていきます。機械学習では人が特徴量を定義していた為、人が特徴を判断できない場合(間違えて判断している場合)、AIは上手く判断が出来ません。 ディープラーニングは、そのような特徴を定義するのが難しい時に高い効果を発揮します。 特にディープラーニングは特徴を定義するのが難しい「言葉」を得意としており、主な適用領域は「音声認識」「画像認識」「言語処理」の3点と言われています。 GoogleHomeやiPhoneに搭載されているSiriなどでは、人間の音声を聞き取り、さらにテキストAIで意味を理解する音声認識技術が活用されています。また、画像認識領域では、商品検索や商品の検査工程など物体認識率が向上し、商用利用が拡大しています。言語処理領域では、機械翻訳などへの適応が始まっています。 機械学習とディープラーニングの違いは、分析の対象を区別する際に「特徴量という目の付け所を自動的に見つけ出せるか」という点になります。 3.Googleの猫(ディープラーニング始まりの話) 2012年にGoogle社の研究チームは、YouTubeに投稿された動画(静止画)の中から無作為に1000万枚の画像を取り出してAIに学習させ、人が教えることなくAIが自発的に猫を認識することに成功したことを発表しました。 この研究の最大のポイントは「人がAIに猫という【概念】を教えたわけではない」という点です。これは当時としてはかなり衝撃的なニュースとして取り上げられました。AI自身がYouTube上にある画像のパターンを自ら特徴をづけ、「猫」という言葉を紐づけていき、「猫」というものを自ら覚えていったのです。これまで必要とされた学習データを使うことなく。これは、人間がものを覚える過程とよく似ています。「猫」いうものは、誰から教わったという事でもなく、周りの人が「猫」と呼んでいるものを何度も聞いて特徴を見て、人は「猫」を認識するようになります。 AI領域では、人がAIに学習させた場合を「教師あり学習(学習データあり)」、人が何も教えていない学習を「教師なし学習(学習データなし)」と言います。 Googleの発表は、1000万枚の画像を学習・パターン分析しているうちにAIが画像内の特長を認識し、特定のものについて自動的に認知が出来るようになった初めての「教師なし学習」の実例として世界で注目され、ディープラーニングの可能性が証明された新しい時代の幕開けの瞬間となりました。 4.ディープラーニングにより可能になること 例えば、米国のSentient Technologies社では、商品検索にディープラーニングを使用しています。靴や服の好みなど、言葉では言い表すことが難しい「感覚」について、消費者がどの商品を検索しクリックしたかなどの情報を基に、次の商品を提案してくれるシステムです。 また、車の自動運転技術は、ディープラーニングを利用して作られた技術で最も期待されているものの1つと言えます。GPSによる位置情報や車に搭載されたカメラの情報などから、AIが学習し道路状況や渋滞状況を分析します。さらに、それらの情報によりAIが自動的に空間を把握することで、交差点の一時停止や右折・左折などもできるようになります。 ロボット工学の分野もディープラーニングとともに大きく進化しています。前述のように、特定の画像を自動的に認識できるようになった技術は検査工程にも応用されています。 AIによる外観検査について、詳しくはこちらをご参照ください。 https://smart-factory.funaisoken.co.jp/glossary/200925/ ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー 中堅・中小製造業 経営者様向け 「AIを活用した業務効率化」最新事例解説レポート この一冊で「AIを活用した業務効率化」の最新事例がわかる! ①類似案件をAIを使って簡単検索 営業・生産計画立案の業務効率 ②生産計画立案を自動最適化・脱属人化 ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー https://smart-factory.funaisoken.co.jp/download/210305/ 今回のコラムは現在のAIを語る上では欠かせない「機械学習とディープラーニング」について説明していきたいと思います。何となく聞いたことがある2つの言葉ですが、きちんと違いがわかりますか? 以前のAIの歴史を振り返るコラムでは第三次ブームの火付け役という紹介をしました。この2つキーワードがなぜ、AI再ブームの火付け役となったのか、ここでは一歩踏み込んだ話をしていきましょう。 1.AIとは「赤ちゃん」です AIの良いところはあらゆる過去の膨大なデータを学習して、忖度なく最適な解を示してくれるということです。AIはよく「赤ちゃん」に例えられます。赤ちゃんは親から動きや言葉を学ぶことで、やがて自分で判断できるようになります。生まれたばかりの赤ちゃんが一人では何も出来ないように、AIも何も教えなければ何もできません。AIも赤ちゃんも経験を積めば積むほど、最適な(精度の高い)言葉や動きが出来るようになります。どちらも最適な解(言葉や動き)を出す為には、たくさんたくさん学習していく必要があるのです。 2.機械学習とディープラーニング では、AIではどのように学習していくのでしょうか。AIの場合、学習の方法(目の付け所)を教えてあげる必要があります。目の付け所を教える=「特徴量を定義する」という言い方をします。例えば、りんごが赤りんごか青りんごを画像処理にて判断させる際には、まず①赤りんごと青りんごの2種類のいろいろな写真(学習データ)をAIに覚えさせます。赤りんごと言ってもたくさんの種類がありますよね。次に②「色に着目しなさい」と指示します。するとAIは自ら色を見て、初めて見る写真でも学習データと照らし合わせて赤りんごか青りんごかを判断することが出来ます。 では誰が「色に着目しなさい」と指示するのでしょうか。2つの言葉の違いは「目の付け所(特徴量の定義)を誰が指示するか?」ここがポイントになっていきます。 【機械学習とは】 機械学習は「人が特徴を定義する」技術です。人が目の付け所(特徴量を定義)を教えておくことで、既存の大量のデータをAI自ら解析してルールを見つけ出します。データはより多くあればあるほど精度は高くなっていきます。 つまり、トレーニングによって「特定のタスク」を実行できるようになる技術です。上記においては「りんごの色を見て赤りんごか青りんごか判断する特定のタスク」ということになります。 この手法は、自動で返答するチャットボットや、店舗来客予測など、出力の予測や傾向の発見を伴うプロジェクトで力を発揮します。 【ディープラーニングとは】 一方で、ディープラーニングは「人工知能が学習データから特徴を自動で抽出する」技術です。 機械学習が進化したとも言えるディープラーニングは、たくさんのデータを解析する際、どこに注目すればよいかを「自分で判断」し、人からの指示ではなく自動で学習して賢くなっていきます。機械学習では人が特徴量を定義していた為、人が特徴を判断できない場合(間違えて判断している場合)、AIは上手く判断が出来ません。 ディープラーニングは、そのような特徴を定義するのが難しい時に高い効果を発揮します。 特にディープラーニングは特徴を定義するのが難しい「言葉」を得意としており、主な適用領域は「音声認識」「画像認識」「言語処理」の3点と言われています。 GoogleHomeやiPhoneに搭載されているSiriなどでは、人間の音声を聞き取り、さらにテキストAIで意味を理解する音声認識技術が活用されています。また、画像認識領域では、商品検索や商品の検査工程など物体認識率が向上し、商用利用が拡大しています。言語処理領域では、機械翻訳などへの適応が始まっています。 機械学習とディープラーニングの違いは、分析の対象を区別する際に「特徴量という目の付け所を自動的に見つけ出せるか」という点になります。 3.Googleの猫(ディープラーニング始まりの話) 2012年にGoogle社の研究チームは、YouTubeに投稿された動画(静止画)の中から無作為に1000万枚の画像を取り出してAIに学習させ、人が教えることなくAIが自発的に猫を認識することに成功したことを発表しました。 この研究の最大のポイントは「人がAIに猫という【概念】を教えたわけではない」という点です。これは当時としてはかなり衝撃的なニュースとして取り上げられました。AI自身がYouTube上にある画像のパターンを自ら特徴をづけ、「猫」という言葉を紐づけていき、「猫」というものを自ら覚えていったのです。これまで必要とされた学習データを使うことなく。これは、人間がものを覚える過程とよく似ています。「猫」いうものは、誰から教わったという事でもなく、周りの人が「猫」と呼んでいるものを何度も聞いて特徴を見て、人は「猫」を認識するようになります。 AI領域では、人がAIに学習させた場合を「教師あり学習(学習データあり)」、人が何も教えていない学習を「教師なし学習(学習データなし)」と言います。 Googleの発表は、1000万枚の画像を学習・パターン分析しているうちにAIが画像内の特長を認識し、特定のものについて自動的に認知が出来るようになった初めての「教師なし学習」の実例として世界で注目され、ディープラーニングの可能性が証明された新しい時代の幕開けの瞬間となりました。 4.ディープラーニングにより可能になること 例えば、米国のSentient Technologies社では、商品検索にディープラーニングを使用しています。靴や服の好みなど、言葉では言い表すことが難しい「感覚」について、消費者がどの商品を検索しクリックしたかなどの情報を基に、次の商品を提案してくれるシステムです。 また、車の自動運転技術は、ディープラーニングを利用して作られた技術で最も期待されているものの1つと言えます。GPSによる位置情報や車に搭載されたカメラの情報などから、AIが学習し道路状況や渋滞状況を分析します。さらに、それらの情報によりAIが自動的に空間を把握することで、交差点の一時停止や右折・左折などもできるようになります。 ロボット工学の分野もディープラーニングとともに大きく進化しています。前述のように、特定の画像を自動的に認識できるようになった技術は検査工程にも応用されています。 AIによる外観検査について、詳しくはこちらをご参照ください。 https://smart-factory.funaisoken.co.jp/glossary/200925/ ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー 中堅・中小製造業 経営者様向け 「AIを活用した業務効率化」最新事例解説レポート この一冊で「AIを活用した業務効率化」の最新事例がわかる! ①類似案件をAIを使って簡単検索 営業・生産計画立案の業務効率 ②生産計画立案を自動最適化・脱属人化 ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー https://smart-factory.funaisoken.co.jp/download/210305/

製造業におけるAIの歴史

2020.10.19

製造業の世界において、今後さまざまな形で「AI」の導入・活用シーンが増えていくことが 現在各種メディアによって謳われています。 最近でこそ、「AI」という言葉については、 あらゆるビジネス環境において馴染みが出てきておりますが、 実のところ、AIという概念はこれまでの歴史の過程の中で、 「ブーム」と「下火」になることを繰り返し、現在に至ります。 今回のコラムでは、今後、製造業における「AIの活用」や 「AIとの共存」というテーマを考えていくにあたって、 その基盤となる「AIの歴史」について、簡単にご紹介いたします。 1.第一次AIブーム 第一次AIブームは、1950年代後半~1960年代に起こったと言われています。 この時代におけるAIの具体的な機能としては、 コンピューターによる「推論」や「探索」が実現できるようになったという点が挙げられます。 推論とは ⇒ある事実をもとにして、未知の事柄をおしはかり論じること。 探索とは ⇒蓄積された情報の集合から、特定の情報要求を満たすような情報を探し出すこと。 しかしながら、当時のAIの力の及ぶ範囲としては、 例えばコンピューターによってゲームやパズルを解かせることや、 迷路のゴールを探させる程度のものに留まっていたとされており、 「トイ・プロブレム(おもちゃの問題)」以上の複雑な問題を解くことはできませんでした。 当時の社会における現実的かつ複合的な課題に対しては適応することができず、 AIが社会に果たす役割としては極めて限定的なものになるとのことから、 AIブーム自体は下火となり、その後“冬の時代”が続くことになります。 2.第二次AIブーム 第二次AIブームは、1980年代であると言われています。 この時代に起こった顕著な動きとして、専門家の知識をAIに教え込む 「エキスパートシステム」の開発が目指されたことが挙げられます。 各分野の専門家特有の知識をAIに教え込み、 その道の専門家のごとくAIが振る舞うというプログラムの開発が進みました。 しかしながら、AIへ知識を教え込むにあたって、 膨大な量の情報を人が教え込む必要があったことから、 AIの実社会への適用自体はこの時点でも十分には進みませんでした。 コスト・時間・運用面での課題を十分にクリアできなかったことから、 この時代以降、再びAIは、しばらく“冬の時代”へと突入します。 3.第三次AIブーム 第三次AIブームは、2000年代から現在まで続いていると言われています。 この時代における特筆事項として、 ①「機械学習」が実用化された ②「ディープラーニング」が登場した という大きく2つの技術革新が起こったことが挙げられます。 「機械学習」とは、人工知能のプログラム自身が 自律的に学習する仕組みのことを表します。 ここでいう「学習」の根幹は、 「認識・判断の対象となる物事を分類する」という処理のことですが、 人がAIに対してすべての知識をインプットしなくても、 一定のデータを蓄積すれば、そのデータをもとに機械が学習することによって、 解答の精度を上げるという仕組みがこの時代に発展・浸透してきました。 一方、「ディープラーニング」とは、 「第三次AIブーム到来の火付け役」とも言われており、 位置づけとしては「機械学習の一種」ということになります。 従来型の機械学習は、 人による特徴の定義が多くの場合に必要とされていましたが、 一方で、ディープラーニングの場合は、 人が特徴の定義をしなくても、マシンそのものが自律的に特徴づけを行い、 高い精度のもとに自ら学習を進めていくことができます。 元々、ディープラーニングを活用するためには 膨大な情報を長時間にわたって取り扱う必要があったため、 2000年代初頭の段階ではまだまだ実用的でないという 評価・判断が一定数存在しました。 しかし、2016年以降、ビックデータに関する取り組みの広がりや、 マシンの処理速度の高性能化によって、 ディープラーニングの取り組みが急速に広がっていきました。 大量の学習データを確保できることに加えて、 それらを学習するための時間も大幅に短縮することができるようになったことから、 ディープラーニングの導入・活用の機会が増え、第三次AIブームはさらに過熱しました。 このディープラーニングの登場により、AIは単なる一時的なブームではなく、 社会全体の発展を支えるための重要なツール・基盤としての役割を拡大させていきます。 また、このディープラーニングについては、 ①画像・動画識別力(⇒人でいう“眼”の代わり) ②自然言語・会話制御力(⇒人でいう“耳と口”の代わり) ③物体制御力(⇒人でいう“身体”の代わり) という大きく3つの点でAIの力を高め、 社会の中でのAIの実用範囲を広げたと言われています。 以上、ここまでAIの歴史について簡単にお伝えしてきました。 AIについては今後もさらに技術的な発展が見込める中、 現代の技術として「AIでできること」と「AIでできないこと」を見極めた上で、 ・何のためにAIを活用するのか?(AIの活用目的) ・いかにして自社のビジネスに活用していくか?(AIの活用方法) という2点について、積極的に追求していきたいところです。 (参考文献) 『人工知能は人間を超えるか ディープラーニングの先にあるもの』 松尾 豊 (著) 『文系AI人材になる―統計・プログラム知識は不要』 野口 竜司 (著) ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー 中堅・中小製造業 経営者様向け “工場のAI・デジタル化”最新事例解説レポート この1冊で、工場のAI・デジタル化の最新事例がわかる! 【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】付加価値を生まない検査工程から人手を開放!AIを活用した外観検査体制の構築! 【事例③】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! ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー https://smart-factory.funaisoken.co.jp/download/201208/ 製造業の世界において、今後さまざまな形で「AI」の導入・活用シーンが増えていくことが 現在各種メディアによって謳われています。 最近でこそ、「AI」という言葉については、 あらゆるビジネス環境において馴染みが出てきておりますが、 実のところ、AIという概念はこれまでの歴史の過程の中で、 「ブーム」と「下火」になることを繰り返し、現在に至ります。 今回のコラムでは、今後、製造業における「AIの活用」や 「AIとの共存」というテーマを考えていくにあたって、 その基盤となる「AIの歴史」について、簡単にご紹介いたします。 1.第一次AIブーム 第一次AIブームは、1950年代後半~1960年代に起こったと言われています。 この時代におけるAIの具体的な機能としては、 コンピューターによる「推論」や「探索」が実現できるようになったという点が挙げられます。 推論とは ⇒ある事実をもとにして、未知の事柄をおしはかり論じること。 探索とは ⇒蓄積された情報の集合から、特定の情報要求を満たすような情報を探し出すこと。 しかしながら、当時のAIの力の及ぶ範囲としては、 例えばコンピューターによってゲームやパズルを解かせることや、 迷路のゴールを探させる程度のものに留まっていたとされており、 「トイ・プロブレム(おもちゃの問題)」以上の複雑な問題を解くことはできませんでした。 当時の社会における現実的かつ複合的な課題に対しては適応することができず、 AIが社会に果たす役割としては極めて限定的なものになるとのことから、 AIブーム自体は下火となり、その後“冬の時代”が続くことになります。 2.第二次AIブーム 第二次AIブームは、1980年代であると言われています。 この時代に起こった顕著な動きとして、専門家の知識をAIに教え込む 「エキスパートシステム」の開発が目指されたことが挙げられます。 各分野の専門家特有の知識をAIに教え込み、 その道の専門家のごとくAIが振る舞うというプログラムの開発が進みました。 しかしながら、AIへ知識を教え込むにあたって、 膨大な量の情報を人が教え込む必要があったことから、 AIの実社会への適用自体はこの時点でも十分には進みませんでした。 コスト・時間・運用面での課題を十分にクリアできなかったことから、 この時代以降、再びAIは、しばらく“冬の時代”へと突入します。 3.第三次AIブーム 第三次AIブームは、2000年代から現在まで続いていると言われています。 この時代における特筆事項として、 ①「機械学習」が実用化された ②「ディープラーニング」が登場した という大きく2つの技術革新が起こったことが挙げられます。 「機械学習」とは、人工知能のプログラム自身が 自律的に学習する仕組みのことを表します。 ここでいう「学習」の根幹は、 「認識・判断の対象となる物事を分類する」という処理のことですが、 人がAIに対してすべての知識をインプットしなくても、 一定のデータを蓄積すれば、そのデータをもとに機械が学習することによって、 解答の精度を上げるという仕組みがこの時代に発展・浸透してきました。 一方、「ディープラーニング」とは、 「第三次AIブーム到来の火付け役」とも言われており、 位置づけとしては「機械学習の一種」ということになります。 従来型の機械学習は、 人による特徴の定義が多くの場合に必要とされていましたが、 一方で、ディープラーニングの場合は、 人が特徴の定義をしなくても、マシンそのものが自律的に特徴づけを行い、 高い精度のもとに自ら学習を進めていくことができます。 元々、ディープラーニングを活用するためには 膨大な情報を長時間にわたって取り扱う必要があったため、 2000年代初頭の段階ではまだまだ実用的でないという 評価・判断が一定数存在しました。 しかし、2016年以降、ビックデータに関する取り組みの広がりや、 マシンの処理速度の高性能化によって、 ディープラーニングの取り組みが急速に広がっていきました。 大量の学習データを確保できることに加えて、 それらを学習するための時間も大幅に短縮することができるようになったことから、 ディープラーニングの導入・活用の機会が増え、第三次AIブームはさらに過熱しました。 このディープラーニングの登場により、AIは単なる一時的なブームではなく、 社会全体の発展を支えるための重要なツール・基盤としての役割を拡大させていきます。 また、このディープラーニングについては、 ①画像・動画識別力(⇒人でいう“眼”の代わり) ②自然言語・会話制御力(⇒人でいう“耳と口”の代わり) ③物体制御力(⇒人でいう“身体”の代わり) という大きく3つの点でAIの力を高め、 社会の中でのAIの実用範囲を広げたと言われています。 以上、ここまでAIの歴史について簡単にお伝えしてきました。 AIについては今後もさらに技術的な発展が見込める中、 現代の技術として「AIでできること」と「AIでできないこと」を見極めた上で、 ・何のためにAIを活用するのか?(AIの活用目的) ・いかにして自社のビジネスに活用していくか?(AIの活用方法) という2点について、積極的に追求していきたいところです。 (参考文献) 『人工知能は人間を超えるか ディープラーニングの先にあるもの』 松尾 豊 (著) 『文系AI人材になる―統計・プログラム知識は不要』 野口 竜司 (著) ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー 中堅・中小製造業 経営者様向け “工場のAI・デジタル化”最新事例解説レポート この1冊で、工場のAI・デジタル化の最新事例がわかる! 【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】付加価値を生まない検査工程から人手を開放!AIを活用した外観検査体制の構築! 【事例③】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! ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー https://smart-factory.funaisoken.co.jp/download/201208/

コロナ禍で求められるAI・デジタル活用による業務改革

2020.10.05

1.今、直面している日本の人材不足 日本の人口は、2009年をピークに毎年減少し続けています。総務省によると、2020年1月1日現在の日本の人口は1億2602万人、そのうち15~64歳の人口は7513万人となり、これは全体の約60%の人が労働人口として該当することを示します。また、国立社会保障・人口問題研究所の生産年齢人口の調査によると、2015年には7,728万人いた労働世代の人口が、2029年には7,000万人、2056年には5,000万人を割り込むと予測されています。 さらに、少子高齢化による労働人口の減少により、有効求人倍率も上昇しています。有効求人倍率とは、就職希望者一人当たりに何件の求人があるかを表した数値のことです。厚生労働省によると、2009年度から2019年までに有効求人倍率は10年連続で上昇しています。2019年度の有効求人倍率1.55倍に比べ、2020年度は新型コロナウイルスによる影響で1.08倍まで低下しましたが、人口が減っている以上、人材不足問題は更に大きくなっていくことが予想されます。 また、中小企業庁が発表する「中小企業白書」によると、1986年時点では、ほぼすべての地域で製造業の従業者が最多でした。しかし、2014年時点では、小売業やサービス業の労働者数が最多となる市町村が増加し、製造業からサービス業へと産業構造が変化していることも大きな問題です。 2.Withコロナで求められる本気の業務改革 業務改革と言えば、2016年8月に閣議決定した「働き方改革」より、プライベートの時間を大切にする価値観が広まり、労働者側の価値観の変化と多様化が進みました。 働き方改革の目的の一つは、今年に開催される予定だった東京オリンピックの初日をテレワーク・デイとして、企業への在宅や本社以外のオフィスでの勤務を呼び掛け、通勤者を減らし、東京オリンピックの期間中に観戦者が朝のラッシュ時に移動できるような環境作りをするというものでした。しかし、コロナをきっかけに多くの企業が半ば強制的に従来の仕事のやり方について見直しを迫られました。他人事であったテレワークやそれに伴う社内ツールのデジタル化について避けられない状況に直面した企業は多いでしょう。その中でたくさんの新しい価値観が生まれたことは間違いなく、この価値観は今後の生活・仕事のスタンダードとなっていくでしょう。 仕事の業務についても新しい価値観が生まれました。それはハンコ文化に代表される「業務の簡素化」です。すべてのことに「目の前の業務が本当に意味・価値はあるのか」と立ち止まって考える習慣が生まれました。意味がなければ廃止する。無駄だと感じてきた人力でアナログな作業はデジタル化に移行して効率化しようといった考え方をする人が多くなりました。 このような考え方をする人が多くなってきた中で、企業としてその波に乗れない企業は大きなリスクは抱えることになるでしょう。それは、デジタル化により業務効率化が図れないリスクではありません。最も重要なリスクは「社員のモチベーションの低下」です。今、デジタル化に対する社員の目は敏感です。自社がデジタル化に対応してくれないと感じれば、会社への信頼は揺らぎ、個々人のやる気は失われていくでしょう。逆に会社としてデジタル化に積極的な姿勢を見せれば、社員は「会社が社員のことを考えてくれている」と感じ、積極的に仕事に取り組むようになります。デジタル化への姿勢とは、効率化の数値に見えないところで社員に影響していくものです。 3.各業界の取り組み では、今各業界ではどのような取り組みがなされているのでしょうか。実例を挙げて見ていきましょう。少ない人材を効率よく回しながら従業員の満足度を上げるための第一歩として、マニュアル化された定型度の高い業務の自動化が挙げられます。そこには、人間の知的なふるまいを人工的に再現することができる「AI」が活用されています。ここでは、デジタル化の中でもAIを活用したシステムを紹介していきます。 例えば銀行では、取引時に印鑑票という顧客の印影や個人情報を記載した書類を利用します。実際、とある銀行では、数億ページの印鑑票を複数の倉庫に保管し、必要に応じて専用端末から参照していたのですが、書類の電子化は進んでおらず事務処理に膨大な時間がかかっていたそうです。その書類を、光学的文字認識(OCR)という書面上の文字を読み取り電子化するAI技術(AIOCR)を用いて電子化したことで、大幅に業務が効率化したことが報告されています。 また、弊社船井総合研究所では、人材の採用にAIを活用しています。AIによって、似た志向を持つ、相性の良いコンサルタントをマッチングさせ、面接官ではなくリクルーターとして内定までを応援しています。面接官がすべての学生からの質問を担当するのではなく、選定されたコンサルタントに選考に関しての質問や悩みを相談できるので、入社してからの意識の乖離を減少させることができるだけでなく、お互いが効率よく時間を使うことができます。 他にも、AIチャットボットによりお問い合わせ業務担当者の人員を削減、営業手段の1つであるTwitterへの投稿代行、製造現場では不良発生傾向を自動分類するなどAIでできることは多岐に渡ります。 4.AIが社会基盤を構築するようになった世界 AIによって雇用が奪われる危険性があるとの指摘があります。しかし、それは悲観的な見方であり、実際は期待される要素の方が多くあります。「人員不足が加速する中、AIで出来ることはAIに置きかえ、浮いた時間・人員を本来行うべき付加価値の高い仕事に充てる」という考えが近い将来には主流になっていきます。残念ながら今は長時間労働が前提とした働き方が多いですが、長時間労働のすべてが付加価値の高い仕事ではないはずです。「人がやるべき仕事」「AIにやらせる仕事」の役割分担がより明確になっていく中で、生産性の低い作業は自然になくなっていくでしょう。勘違いしてはいけないのは、AIは大企業だけが導入しているわけではありません。企業規模に関係なくAIを取り入れている企業は多くおります。テレワークが他人事ではなくなったように、AIも他人事ではありません。人口が減少していく日本社会において、AIは 我々の生活・仕事隅々にまで恩恵を与えることでしょう。 ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー 中堅・中小製造業 経営者様向け “工場のAI・デジタル化”最新事例解説レポート この1冊で、工場のAI・デジタル化の最新事例がわかる! 【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】付加価値を生まない検査工程から人手を開放!AIを活用した外観検査体制の構築! 【事例③】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! ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー https://smart-factory.funaisoken.co.jp/download/201208/ 1.今、直面している日本の人材不足 日本の人口は、2009年をピークに毎年減少し続けています。総務省によると、2020年1月1日現在の日本の人口は1億2602万人、そのうち15~64歳の人口は7513万人となり、これは全体の約60%の人が労働人口として該当することを示します。また、国立社会保障・人口問題研究所の生産年齢人口の調査によると、2015年には7,728万人いた労働世代の人口が、2029年には7,000万人、2056年には5,000万人を割り込むと予測されています。 さらに、少子高齢化による労働人口の減少により、有効求人倍率も上昇しています。有効求人倍率とは、就職希望者一人当たりに何件の求人があるかを表した数値のことです。厚生労働省によると、2009年度から2019年までに有効求人倍率は10年連続で上昇しています。2019年度の有効求人倍率1.55倍に比べ、2020年度は新型コロナウイルスによる影響で1.08倍まで低下しましたが、人口が減っている以上、人材不足問題は更に大きくなっていくことが予想されます。 また、中小企業庁が発表する「中小企業白書」によると、1986年時点では、ほぼすべての地域で製造業の従業者が最多でした。しかし、2014年時点では、小売業やサービス業の労働者数が最多となる市町村が増加し、製造業からサービス業へと産業構造が変化していることも大きな問題です。 2.Withコロナで求められる本気の業務改革 業務改革と言えば、2016年8月に閣議決定した「働き方改革」より、プライベートの時間を大切にする価値観が広まり、労働者側の価値観の変化と多様化が進みました。 働き方改革の目的の一つは、今年に開催される予定だった東京オリンピックの初日をテレワーク・デイとして、企業への在宅や本社以外のオフィスでの勤務を呼び掛け、通勤者を減らし、東京オリンピックの期間中に観戦者が朝のラッシュ時に移動できるような環境作りをするというものでした。しかし、コロナをきっかけに多くの企業が半ば強制的に従来の仕事のやり方について見直しを迫られました。他人事であったテレワークやそれに伴う社内ツールのデジタル化について避けられない状況に直面した企業は多いでしょう。その中でたくさんの新しい価値観が生まれたことは間違いなく、この価値観は今後の生活・仕事のスタンダードとなっていくでしょう。 仕事の業務についても新しい価値観が生まれました。それはハンコ文化に代表される「業務の簡素化」です。すべてのことに「目の前の業務が本当に意味・価値はあるのか」と立ち止まって考える習慣が生まれました。意味がなければ廃止する。無駄だと感じてきた人力でアナログな作業はデジタル化に移行して効率化しようといった考え方をする人が多くなりました。 このような考え方をする人が多くなってきた中で、企業としてその波に乗れない企業は大きなリスクは抱えることになるでしょう。それは、デジタル化により業務効率化が図れないリスクではありません。最も重要なリスクは「社員のモチベーションの低下」です。今、デジタル化に対する社員の目は敏感です。自社がデジタル化に対応してくれないと感じれば、会社への信頼は揺らぎ、個々人のやる気は失われていくでしょう。逆に会社としてデジタル化に積極的な姿勢を見せれば、社員は「会社が社員のことを考えてくれている」と感じ、積極的に仕事に取り組むようになります。デジタル化への姿勢とは、効率化の数値に見えないところで社員に影響していくものです。 3.各業界の取り組み では、今各業界ではどのような取り組みがなされているのでしょうか。実例を挙げて見ていきましょう。少ない人材を効率よく回しながら従業員の満足度を上げるための第一歩として、マニュアル化された定型度の高い業務の自動化が挙げられます。そこには、人間の知的なふるまいを人工的に再現することができる「AI」が活用されています。ここでは、デジタル化の中でもAIを活用したシステムを紹介していきます。 例えば銀行では、取引時に印鑑票という顧客の印影や個人情報を記載した書類を利用します。実際、とある銀行では、数億ページの印鑑票を複数の倉庫に保管し、必要に応じて専用端末から参照していたのですが、書類の電子化は進んでおらず事務処理に膨大な時間がかかっていたそうです。その書類を、光学的文字認識(OCR)という書面上の文字を読み取り電子化するAI技術(AIOCR)を用いて電子化したことで、大幅に業務が効率化したことが報告されています。 また、弊社船井総合研究所では、人材の採用にAIを活用しています。AIによって、似た志向を持つ、相性の良いコンサルタントをマッチングさせ、面接官ではなくリクルーターとして内定までを応援しています。面接官がすべての学生からの質問を担当するのではなく、選定されたコンサルタントに選考に関しての質問や悩みを相談できるので、入社してからの意識の乖離を減少させることができるだけでなく、お互いが効率よく時間を使うことができます。 他にも、AIチャットボットによりお問い合わせ業務担当者の人員を削減、営業手段の1つであるTwitterへの投稿代行、製造現場では不良発生傾向を自動分類するなどAIでできることは多岐に渡ります。 4.AIが社会基盤を構築するようになった世界 AIによって雇用が奪われる危険性があるとの指摘があります。しかし、それは悲観的な見方であり、実際は期待される要素の方が多くあります。「人員不足が加速する中、AIで出来ることはAIに置きかえ、浮いた時間・人員を本来行うべき付加価値の高い仕事に充てる」という考えが近い将来には主流になっていきます。残念ながら今は長時間労働が前提とした働き方が多いですが、長時間労働のすべてが付加価値の高い仕事ではないはずです。「人がやるべき仕事」「AIにやらせる仕事」の役割分担がより明確になっていく中で、生産性の低い作業は自然になくなっていくでしょう。勘違いしてはいけないのは、AIは大企業だけが導入しているわけではありません。企業規模に関係なくAIを取り入れている企業は多くおります。テレワークが他人事ではなくなったように、AIも他人事ではありません。人口が減少していく日本社会において、AIは 我々の生活・仕事隅々にまで恩恵を与えることでしょう。 ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー 中堅・中小製造業 経営者様向け “工場のAI・デジタル化”最新事例解説レポート この1冊で、工場のAI・デジタル化の最新事例がわかる! 【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】付加価値を生まない検査工程から人手を開放!AIを活用した外観検査体制の構築! 【事例③】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! ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー https://smart-factory.funaisoken.co.jp/download/201208/