目次

• 日本の製造業の課題に、AIとデータで挑む
• 匠の技を生かす「分散協調型」のグローバルモデル
• 暗黙知を強みに自社独自のAIを進化させる

日本の製造業の課題に、AIとデータで挑む

日本の製造業は長らく、世界市場で高い競争力を維持してきた。勢いのある海外企業に守勢を強いられる分野もあるが、それでも巻き返しのチャンスは十分にある。鍵を握るのがAIとデータだ。ただし、その実現には乗り越えるべき課題がある。

「現場が個別最適に陥っている」。製造業の課題として、そうした声をよく聞く。だが、NTTデータ コンサルティング事業本部 エンジニアリングチェーンユニット長の工藤正博の見立ては異なる。

「日本のものづくりは、もともと前後の工程のつながりを意識しながら自工程を最適化する、全体最適志向です」

では、なぜ個別最適に見えるのか。工藤は、市場の変化に対応するための少品種変量生産が進む中で、現場が対応に追われ、すり合わせに代表される、人を中心とした全体最適の活動に十分な時間を割けなくなった点を挙げる。結果として、個別最適に陥らざるを得なくなっているという。

工藤によれば、この状況を変えるのがAIだ。全体最適の妨げになっていた個別設備のアラート対応や、量産立ち上げ、スループットや歩留まりの向上に必要なパラメーターチューニングの多くを、AIが担えるようになってきたという。

「現場は設備対応や膨大なデータ処理に振り回されることなく、本来持っている全体最適のマインドを取り戻し、優れた設計やより高度な生産技術といったコア業務に集中できるようになります。AIによって、人が持つ本来の力を、より付加価値の高い領域に生かせるようになるのです」

今、多くの工場がスマートファクトリー化を進めている。ただ、AIの本格的な活用はこれからという企業も多い。その取り組みを数多く支援してきたフォーティエンスコンサルティング マネージングディレクターの髙山直子は、次のように説明する。

「現場重視の文化は日本の製造業の強みですが、ときにそれが変革を遅らせることもあります。コンサルタントとして支援する際には、現場を理解した上で、『どこまでできるか』というラインを見極めることを心がけています」

スマートファクトリーやAI活用の前提となるのが、データの整備である。髙山はこう続ける。

「従来は、業務調査から課題の発見、解決策の実行という流れで変革に取り組むのが主流でした。最近は、『AIに何を判断・予測・最適化させたいのか』という業務価値を定義した上で、必要なデータアーキテクチャーやデータモデルを検討するケースが増えています。工場で生成される多種多様なデータを統合し、AIが横断的に活用できるデータ基盤を構築する。その上で、データが継続的かつ高品質に生成・蓄積されるよう、業務プロセスやシステムを見直していくアプローチに変わったのです」

髙山はこれまで、原価をはじめさまざまな製造KPI（重要業績評価指標）を可視化する多くのプロジェクトに参画してきた。そこで重要になるのは、単にデータを集めることではなく、その意味や関係性をデータモデルとして定義することである。データの定義がわずかに異なるだけで、A工場とB工場の原価を正しく比較できない。データモデルの不整合は分析結果やAIの判断をゆがめ、誤った意思決定を招くリスクにつながる。