工場自動化に向けて産業用ロボットの特徴を知る

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/

今回のコラムでは、製造業・工場におけるデジタル活用事例をご紹介致します。 1.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 ・導入前の状態と主な課題 工場内で生産日報・日常点検表等の紙帳票が散乱した状態。加えて、➀ 日報・点検表等の内容を紙に記入⇒➁ エクセルに転記⇒➂ データ集計⇒➃ グラフ化という、「生産に直結しない間接作業」に多くの時間を要する点が課題となっていた。 ・導入後の主な課題解決効果 紙帳票の電子化・ペーパーレス化を進めたことで、業務効率化（転記作業の圧縮等）と紙コストの削減に成功。タブレットを使用することで情報共有がより円滑になった。また、間接作業を減らすことで、より生産に直結する作業へ集中できる現場体制へとシフトできた。 ・取り組みのポイント 現場従業員の中で「使用頻度の高い帳票×集計に時間がかかるもの」からペーパーレス化に着手 2.メンテナンス事業の案件情報一元管理 ・導入前の状態と主な課題 メンテナンス担当者が個々人でメンテナンス内容をエクセルで管理。顧客全体のメンテナンス状況がわかりずらく、メンテナンスから取得した情報も会社資産となっていなかった。また、メモ書きからエクセル記入しているため、資料作成にも時間がかかっていた。 ・導入後の主な課題解決効果 メンテナンス帳票を電子化しタブレットを採用。メンテナンス情報をクラウド上に一元管理。エクセル転記の手間がなくなった。また、入力項目をプルダウンにすることで、傾向分析や要因分析の実施も可能に。データ分析をすることで営業活動の改善にも繋げていくようにした。 ・取り組みのポイント タブレットで入力しやすいインターフェイスと導入ハードルが低いクラウドを活用 3.営業担当者のワンストップ簡易設計システムの構築 ・導入前の状態と主な課題 製品イメージをお客様に提示する場合、営業担当者が設計部に依頼をして、都度、提案用の3DCAD図面を作成していた。受注に繋がらない設計依頼も多く、提案用の設計依頼が設計部の仕事を圧迫するという課題があった。 ・導入後の主な課題解決効果 営業担当者でも容易に使える3DCADのインターフェイスを開発。営業担当者が客先からネットワークを経由して、自社の3DCADを操作できるようにした。営業担当者は必要な情報を入力するだけでシステムが自動で稼働し、3D図面を作図できるようになった。 ・取り組みのポイント 営業担当者がその場でお客様に製品イメージを提示でき商談を進めやすくなる 4.クラウドIoTによる設備の故障予知 ・導入前の状態と主な課題 設備トラブルが多く、毎日のように突発故障が発生していた。故障により、設備が長時間停止した場合は、生産計画の変更が必要となる。 故障挙動を事前に把握しておきたいが、人員が少なく、日常的に設備状態を監視できる体制が整備されていなかった。 ・導入後の主な課題解決効果 設備のPLCからデータを取得して、温度や電流値等を見える化。故障の傾向を把握することで、突発故障を減らすことができた。また、クラウドを活用することで環境設定が容易になり、結果として低コストでのシステム（IoT）導入が可能であった。 ・取り組みのポイント クラウド活用により、いつでも・どこでも設備状態を確認可能に 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   [sc name="ai-digital"][/sc] 今回のコラムでは、製造業・工場におけるデジタル活用事例をご紹介致します。 1.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 ・導入前の状態と主な課題 工場内で生産日報・日常点検表等の紙帳票が散乱した状態。加えて、➀ 日報・点検表等の内容を紙に記入⇒➁ エクセルに転記⇒➂ データ集計⇒➃ グラフ化という、「生産に直結しない間接作業」に多くの時間を要する点が課題となっていた。 ・導入後の主な課題解決効果 紙帳票の電子化・ペーパーレス化を進めたことで、業務効率化（転記作業の圧縮等）と紙コストの削減に成功。タブレットを使用することで情報共有がより円滑になった。また、間接作業を減らすことで、より生産に直結する作業へ集中できる現場体制へとシフトできた。 ・取り組みのポイント 現場従業員の中で「使用頻度の高い帳票×集計に時間がかかるもの」からペーパーレス化に着手 2.メンテナンス事業の案件情報一元管理 ・導入前の状態と主な課題 メンテナンス担当者が個々人でメンテナンス内容をエクセルで管理。顧客全体のメンテナンス状況がわかりずらく、メンテナンスから取得した情報も会社資産となっていなかった。また、メモ書きからエクセル記入しているため、資料作成にも時間がかかっていた。 ・導入後の主な課題解決効果 メンテナンス帳票を電子化しタブレットを採用。メンテナンス情報をクラウド上に一元管理。エクセル転記の手間がなくなった。また、入力項目をプルダウンにすることで、傾向分析や要因分析の実施も可能に。データ分析をすることで営業活動の改善にも繋げていくようにした。 ・取り組みのポイント タブレットで入力しやすいインターフェイスと導入ハードルが低いクラウドを活用 3.営業担当者のワンストップ簡易設計システムの構築 ・導入前の状態と主な課題 製品イメージをお客様に提示する場合、営業担当者が設計部に依頼をして、都度、提案用の3DCAD図面を作成していた。受注に繋がらない設計依頼も多く、提案用の設計依頼が設計部の仕事を圧迫するという課題があった。 ・導入後の主な課題解決効果 営業担当者でも容易に使える3DCADのインターフェイスを開発。営業担当者が客先からネットワークを経由して、自社の3DCADを操作できるようにした。営業担当者は必要な情報を入力するだけでシステムが自動で稼働し、3D図面を作図できるようになった。 ・取り組みのポイント 営業担当者がその場でお客様に製品イメージを提示でき商談を進めやすくなる 4.クラウドIoTによる設備の故障予知 ・導入前の状態と主な課題 設備トラブルが多く、毎日のように突発故障が発生していた。故障により、設備が長時間停止した場合は、生産計画の変更が必要となる。 故障挙動を事前に把握しておきたいが、人員が少なく、日常的に設備状態を監視できる体制が整備されていなかった。 ・導入後の主な課題解決効果 設備のPLCからデータを取得して、温度や電流値等を見える化。故障の傾向を把握することで、突発故障を減らすことができた。また、クラウドを活用することで環境設定が容易になり、結果として低コストでのシステム（IoT）導入が可能であった。 ・取り組みのポイント クラウド活用により、いつでも・どこでも設備状態を確認可能に 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   [sc name="ai-digital"][/sc]

１．はじめに 平成30年（2018年）9月、経済産業省から「DXレポート」が発表されました。 既存の社内ITシステムが抱える問題を放置すると様々な問題が発生し、2025年以降には最大で年間12兆円もの経済損失が生じてしまう、という「2025年の崖」は衝撃的な内容でした。 DXレポートに関しては以前のコラムでもご紹介しているので、詳しくはこちら（2021年5月14日のコラムURL）をご確認ください。 端的に言うと、今後日本企業にはITシステムの刷新が必要である、ということがDXレポートによって指摘されたわけですが、新型コロナウイルス感染拡大の影響もあって企業のIT活用意識は高まってきています。 例えば、不要不急の外出を制限するため、テレワークやWeb会議システムの仕組みは急速に広まりました。 総務省資料によると、テレワークを導入済み・または導入予定と回答した企業の割合が、2019年には約30％であったことに対して、2020年には約60％と倍増しています。 製造業に特化して着目すると、22％から56%と2倍以上の拡大を見せています。 ２．今後重要度が増す？統合型基幹システムとは テレワークやWeb会議システムに続いて、今後注目され重要度が増していくのは統合型基幹システムだと考えます。 まず基幹システムとは、販売管理システム・購買管理システム・生産計画システム・会計システム等、事業運営に欠かせないまさしく企業の基幹となるシステムのことです。 DXレポートでも指摘されていたように、日本企業のITシステムにおける最も大きな問題点の1つはシステムの「サイロ化」です。 「販売管理はこのシステム、購買管理にはこのシステム、会計管理はこれ…」など業務ごとに個別最適がなされ、データが分断されてしまい会社として一貫したデータを管理することができていないという状態、つまり基幹システムが「サイロ化」しているということです。 統合型基幹システムでは、上記のような「サイロ化」している各々のシステムを1つのシステムにまとめて、社内のデータ・情報資産を統合的に管理・活用できることが可能になります。 システム間のデータ受け渡しのために行っていた転記がなくなり生産性が向上する、転記によるタイムラグがなくなることで社内のデータをリアルタイムに見れるようになる、といったメリットがあります。 また、データ量が増えることでAI活用にもプラスの影響があるため、統合型基幹システムは「2025年の崖」を超えるためのカギと言えます。 ３．失敗する統合型基幹システム導入の3つの特徴 ただ、企業が統合型基幹システムを導入するにあたってはよく陥ってしまう問題・失敗があります。以下では、失敗する統合型基幹システム導入の3つの特徴をまとめました。 失敗①：システム導入目的・コンセプト・範囲があいまい 1つ目のよくある失敗は、システム導入の目的やコンセプト・業務範囲があいまいなまま導入を始めてしまうことです。初期構想が不明確なまま導入を進めてしまうことで、システム導入することを目的にしたり、カスタマイズが増えて費用だけがかさんで結果として思うような効果が挙げられなかった、というケースは多々あります。カスタマイズが増えることによる影響は導入時のコストだけではありません。必要以上のカスタマイズは、「技術的負債」として企業に残り続け、導入後の維持コストにも影響します。 失敗②：既存業務のやり方に固執する 2つ目のよくある失敗は、既存業務のやり方に固執して新しいシステムでもその再現を目指してしまうことです。既存業務のやり方は既存システムを使うという前提においてやりやすいだけ、という可能性は大いにあります。また、既存業務をすべて再現しようとすると必然的に大量のカスタマイズが発生します。その業務に精通する社員が在籍中はまだ良いですが、その社員が退職していなくなってから「この業務ってなんでこうなの？」となってからではもう遅いということになります。 失敗③：現実的なスケジュールが立てられていない 3つ目のよくある失敗は、導入までのスケジュールに無理があり現実的なスケジュールが立てられていないことです。「社長から〇月までにシステム導入するように言われていて…」などの場合が特に当てはまります。導入の目安期限を決めること自体は悪くありませんが、システム機能の要件定義や実際に業務をこなせるのかという受入テストなど、システム導入には様々な工程が発生します。導入だけで終わらない、実際に使えるシステムにするためにも、現実的なスケジュールを立てることが重要です。 基幹システム導入のポイントについては無料のダウンロードレポートを参考にしていただけますと幸いです。 是非ダウンロードして貴社の経営にお役立て下さい。   ■“中小製造業の基幹システム導入”最新事例レポート ▼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__00586 中小製造業の基幹システム導入事例と導入効果、取り組みのポイントをご紹介します！！ 「こうなりたい！」と思っている経営者様におすすめ 正確な在庫情報を把握したい 毎月の棚卸回数を減らしたい 棚卸業務による残業を削減したい 各担当者のExcelやAccessによるデータ分散を無くしたい 業務フローを改善したい   ■オンラインセミナー開催のお知らせ 多品種小ロット生産板金・プレス加工業の為の生産管理・基幹システム”革命セミナー”2022！ 属人化した生産・購買・在庫・原価のデータ化で「見える化」改革！ ▼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】 従業員30名～200名の板金・プレス・溶接加工業の社長様 人手の掛かる作業や二重三重の生産管理・購買管理・原価管理業務が多い板金・プレス・溶接加工業の社長様 工程毎の工数、製品毎の原価等を把握し現場改善を進めたいがどのようにはじめたら良いか分からない社長様 生産管理・基幹システムを入れ替えて効率を上げたいが、どのように始めれば良いか分からない社長様 職人・属人化している生産管理・購買管理・原価管理業務が多い板金・プレス・溶接加工業の社長様 【開催日程】 全てオンライン開催となります 2022/02/22 (火)　13:00~15:00 2022/02/24 (木)　13:00~15:00 2022/03/01 (火)　13:00~15:00 2022/03/03 (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/   [sc name="dx-system"][/sc] １．はじめに 平成30年（2018年）9月、経済産業省から「DXレポート」が発表されました。 既存の社内ITシステムが抱える問題を放置すると様々な問題が発生し、2025年以降には最大で年間12兆円もの経済損失が生じてしまう、という「2025年の崖」は衝撃的な内容でした。 DXレポートに関しては以前のコラムでもご紹介しているので、詳しくはこちら（2021年5月14日のコラムURL）をご確認ください。 端的に言うと、今後日本企業にはITシステムの刷新が必要である、ということがDXレポートによって指摘されたわけですが、新型コロナウイルス感染拡大の影響もあって企業のIT活用意識は高まってきています。 例えば、不要不急の外出を制限するため、テレワークやWeb会議システムの仕組みは急速に広まりました。 総務省資料によると、テレワークを導入済み・または導入予定と回答した企業の割合が、2019年には約30％であったことに対して、2020年には約60％と倍増しています。 製造業に特化して着目すると、22％から56%と2倍以上の拡大を見せています。 ２．今後重要度が増す？統合型基幹システムとは テレワークやWeb会議システムに続いて、今後注目され重要度が増していくのは統合型基幹システムだと考えます。 まず基幹システムとは、販売管理システム・購買管理システム・生産計画システム・会計システム等、事業運営に欠かせないまさしく企業の基幹となるシステムのことです。 DXレポートでも指摘されていたように、日本企業のITシステムにおける最も大きな問題点の1つはシステムの「サイロ化」です。 「販売管理はこのシステム、購買管理にはこのシステム、会計管理はこれ…」など業務ごとに個別最適がなされ、データが分断されてしまい会社として一貫したデータを管理することができていないという状態、つまり基幹システムが「サイロ化」しているということです。 統合型基幹システムでは、上記のような「サイロ化」している各々のシステムを1つのシステムにまとめて、社内のデータ・情報資産を統合的に管理・活用できることが可能になります。 システム間のデータ受け渡しのために行っていた転記がなくなり生産性が向上する、転記によるタイムラグがなくなることで社内のデータをリアルタイムに見れるようになる、といったメリットがあります。 また、データ量が増えることでAI活用にもプラスの影響があるため、統合型基幹システムは「2025年の崖」を超えるためのカギと言えます。 ３．失敗する統合型基幹システム導入の3つの特徴 ただ、企業が統合型基幹システムを導入するにあたってはよく陥ってしまう問題・失敗があります。以下では、失敗する統合型基幹システム導入の3つの特徴をまとめました。 失敗①：システム導入目的・コンセプト・範囲があいまい 1つ目のよくある失敗は、システム導入の目的やコンセプト・業務範囲があいまいなまま導入を始めてしまうことです。初期構想が不明確なまま導入を進めてしまうことで、システム導入することを目的にしたり、カスタマイズが増えて費用だけがかさんで結果として思うような効果が挙げられなかった、というケースは多々あります。カスタマイズが増えることによる影響は導入時のコストだけではありません。必要以上のカスタマイズは、「技術的負債」として企業に残り続け、導入後の維持コストにも影響します。 失敗②：既存業務のやり方に固執する 2つ目のよくある失敗は、既存業務のやり方に固執して新しいシステムでもその再現を目指してしまうことです。既存業務のやり方は既存システムを使うという前提においてやりやすいだけ、という可能性は大いにあります。また、既存業務をすべて再現しようとすると必然的に大量のカスタマイズが発生します。その業務に精通する社員が在籍中はまだ良いですが、その社員が退職していなくなってから「この業務ってなんでこうなの？」となってからではもう遅いということになります。 失敗③：現実的なスケジュールが立てられていない 3つ目のよくある失敗は、導入までのスケジュールに無理があり現実的なスケジュールが立てられていないことです。「社長から〇月までにシステム導入するように言われていて…」などの場合が特に当てはまります。導入の目安期限を決めること自体は悪くありませんが、システム機能の要件定義や実際に業務をこなせるのかという受入テストなど、システム導入には様々な工程が発生します。導入だけで終わらない、実際に使えるシステムにするためにも、現実的なスケジュールを立てることが重要です。 基幹システム導入のポイントについては無料のダウンロードレポートを参考にしていただけますと幸いです。 是非ダウンロードして貴社の経営にお役立て下さい。   ■“中小製造業の基幹システム導入”最新事例レポート ▼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__00586 中小製造業の基幹システム導入事例と導入効果、取り組みのポイントをご紹介します！！ 「こうなりたい！」と思っている経営者様におすすめ 正確な在庫情報を把握したい 毎月の棚卸回数を減らしたい 棚卸業務による残業を削減したい 各担当者のExcelやAccessによるデータ分散を無くしたい 業務フローを改善したい   ■オンラインセミナー開催のお知らせ 多品種小ロット生産板金・プレス加工業の為の生産管理・基幹システム”革命セミナー”2022！ 属人化した生産・購買・在庫・原価のデータ化で「見える化」改革！ ▼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】 従業員30名～200名の板金・プレス・溶接加工業の社長様 人手の掛かる作業や二重三重の生産管理・購買管理・原価管理業務が多い板金・プレス・溶接加工業の社長様 工程毎の工数、製品毎の原価等を把握し現場改善を進めたいがどのようにはじめたら良いか分からない社長様 生産管理・基幹システムを入れ替えて効率を上げたいが、どのように始めれば良いか分からない社長様 職人・属人化している生産管理・購買管理・原価管理業務が多い板金・プレス・溶接加工業の社長様 【開催日程】 全てオンライン開催となります 2022/02/22 (火)　13:00~15:00 2022/02/24 (木)　13:00~15:00 2022/03/01 (火)　13:00~15:00 2022/03/03 (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/   [sc name="dx-system"][/sc]