2021.1.5 ものつくり大大学院での講義資料

1. サステイナビリティ技術特論Ⅱ
ものつくりでのAI活用
2021年1月5日
ディレクトフォース
三竿郁夫 Ikuo Misao
1@ 2020 IA工房

2. (shoukai.type.jp)
IBM入社
タイ赴任
日立GST
ソニー
WD
自己紹介(三竿郁夫) 〜デジタル変革の時代に生きる〜
記憶装置 (β max, 光磁気ディスク , ハードディスクの開発製造 36年 )
@ 2020 IA工房 2

3. 自己紹介 (三竿郁夫)
 現職
• IA工房代表 (タイに日タイ連携/旅行会社設立)
• INDEE Japan コンサルティングパートナー
• Optimal Plus コンサルティングパートナー
• ディレクトフォース 企業支援アドバイザー
• 国連環境計画日本協会 国際協力委員会委員
• NPOブルーアース理事, DF環境部会副座長
• 日中文化経済交流発展基金会 AEBCプロジェクトリーダー
• 二松学舎大学非常勤講師
• DF(ディレクトフォース) アカデミー事業部大学講師
• ホームページ作成・SNS管理・スマホ教室 (@NPO, 自治会)
企業支援
環境
人財育成
デジタル時代 アジア連携 地球環境
@ 2020 IA工房 3

4. 自己紹介 (三竿郁夫) 私とアジア
アジア大好き人
間料理は、タイ・ベトナム・台湾・韓国料理が好き。
人は、ミャンマー・タイ・モンゴル人が好き。
★
⭐️訪問地
@ 2020 IA工房 4

5. ものつくりでのAI活用
1. デジタル時代の情報革命とAI
2. “ものつくり”の課題解決へのアプローチ
3. AIイノベーションの導入
4. 期待される企業・人材
@ 2020 IA工房 5

6. @ 2020 IA工房 6
デジタル時代
デジタル時代とは？ Digital Era?
Digital Transformation?
１. デジタル時代

7. @ 2020 IA工房 7
１. デジタル時代

8. 1. デジタル時代 〜 i-Phone / Facebook との出会い〜
2007年
2010年
@ 2020 IA工房 8

9. (shoukai.type.jp)
1.デジタル時代
@ 2020 IA工房 9

10. 1. デジタル時代 〜産業革命・企業変革の歴史〜
@ 2020 IA工房
エネルギーの変遷
材料と工程の進化
標準・規格化
生産・物流方式
デジタル化
(出典 :ネットコマース) 10

11. 1. デジタル時代 〜ウェブのプラットフォーム企業〜
新たなプラットフォーム会社が続々と
聞いたことありますか？
Tencent と Aribaba
１３億人 ８億人
@ 2020 IA工房 11

12. 2. デジタル時代 〜GAFA プラットフォーム〜
12
ITプラットフォーム会社の時代
@ 2020 IA工房
M H
N
G

13. 1. デジタル時代 〜時価総額ランキングの変遷〜
ITプラットフォーム会社の台頭
@ 2020 IA工房
世界
13

14. 2. デジタル時代 〜時価総額ランキングの変遷〜
ガラパゴス化した日本
@ 2020 IA工房
日本
14
トヨタはどうなる?
https://career.joi.media/trends/2019/04/09/6856/

15. @ 2020 IA工房
(出典 :Biz/Zine)
クレイトン・クリステンセンの著書から
• “イノベーションのジレンマ”
(巨大企業がいかに滅んでいくか)
• “ジョブ理論”
• “教育X破壊的イノベーション”
• “医療イノベーションの本質”
1. デジタル時代 〜破壊的イノベーションの時代〜
15

16. @ 2020 IA工房 16
1. デジタル時代 〜破壊的イノベーションの時代〜
お勧め書籍 〜イノベーション〜

17. @ 2020 IA工房
(出典 :nishitalab.org)
1. デジタルの情報革命 〜コンピュータ〜
17
https://www.youtube.com/watch?v=Bj5lgt0Y3T8

18. @ 2020 IA工房
電気業界の破壊的イノベーション
(出典 :Biz/Zine)
1. デジタル時代 〜破壊的イノベーション〜
18

19. @ 2020 IA工房
(出典 :Gigazine)
1. デジタル時代の情報革命 〜記憶装置〜
19
https://www.youtube.com/watch?v=jMICZSYee9k

20. @ 2020 IA工房
(出典 :SMBC)
1. デジタル時代 〜IT機器の破壊的イノベーション〜
20

21. @ 2020 IA工房
(出典 : Mineo)
1. デジタル時代 〜通信の破壊的イノベーション〜
21

22. @ 2020 IA工房 22
1. デジタル時代の情報革命を支える企業
プラットフォームビジネス AI 関連技術
EC SNS スマホ/5G 情報検索 深層学習 音声認識 画像認識
Amazon Facebook Apple Google IBM アドバンス
ドメディア
モルフォ
Aribaba Tencent Huawei BAIDU Microsoft ロゼッタ ALBERT
楽天 Twitter Samsung Yahoo Google
(+Abeja)
エーアイ フィー
チャー
Yahoo Instagram NTT トヨタ
(+PFN)
フュートレッ
ク
Google
ZOZO Youtube
(Google)
Softbank SMBC／
竹中
(+HEROZ)
Apple
メルカリ Line KDDI/au PKSHA 野村総研

23. @ 2020 IA工房 23
AIとは
• AIってどんなもの？
• なんのために使う？
1. デジタル時代の情報革命とAI

24. @ 2020 IA工房 24
1. デジタル時代の情報革命とAI

25. @ 2020 IA工房 25
1. デジタル時代の情報革命とAI ~ AIプラットフォーム〜
(出典: fujitsu.com )
AIプラットフォーム
AI関連アプリケーション

26. @ 2020 IA工房 26
ものつくりの本質的な課題
製造業の経営者・工場長の悩み・課題は？
(普遍のテーマ?)
2. ものつくりの課題

27. @ 2020 IA工房 27
2. ものつくりの課題 〜普遍のテーマ(1)〜
< スマート工場への変革の本質(1)>
- 設備のメンテナンス
- オペレータ教育・モチベーション向上
- 製造プロセスの最適化
- 生産性向上とコスト低減
この最も
本質的な課題にAI/IoEを適用する
ことがデジタル時代の改革の本丸。
人と物とプロセスの生産性向上は、製造業の永遠の
テーマ
普遍の重要課題 : “生産性”

28. @ 2020 IA工房 28
普遍の重要課題 : “歩留まりと在庫”
< スマート工場への変革の本質(2) >
- 品質の向上と顧客の満足度向上
- 歩留まり向上と在庫削減
品質・歩留まり・在庫は
製造業の総合的な開発・製造オペレーションの
膿み（本質的な課題)として現れてくる。
2. ものつくりの課題 〜普遍のテーマ(2)〜
この最も
本質的な部分にAI/IoEを適用する
ことがデジタル時代の改革の本丸。

29. 29
工場の課題 (KPIの観点から）
• 品質が悪い
• 納期が遅れる
• 部品コストが高い
• 人件費が高い
• 間接費が高い
• 在庫が多い
• 生産性が悪い
• 設備稼働率が悪い
• 歩留まりが悪い
• 作業効率が悪い
• 検査要員が多い
@ 2020 IA工房
2. ものつくりの課題解決へのアプローチ 〜工場課題〜
手を打つべき３大課題はなにか？

30. 30
グローバルで複雑な製造業の課題
• 製品の需給バランスが悪い
• 部品の需給バランスが悪い
• 物流に無駄が多い(何が最適かわかっていない）
• 各工場の部品や資産の配置が非効率
• グローバルな在庫が多い
• 工程の壁を超えた品質データ解析できない
• 解析ツールが有効に使われていない
• 各専門家のノウハウがグローバルに共有・活用
されていない
@ 2020 IA工房
2. ものつくりの課題解決へのアプローチ 〜グローバル製造課題〜
手を打つべき３大課題はなにか？

31. 31
工場の課題 (KPIの観点から、結果として）
• 出荷品質が悪い
• 納期が遅れる
• 部品コストが高い
• 人件費が高い
• 間接費が高い
• 在庫が多い
• 生産性が悪い
• 設備稼働率が悪い
• 歩留まりが悪い
• 作業効率が悪い
• 検査要員が多い
@ 2020 IA工房
2. ものつくりの課題解決へのアプローチ 〜工場の課題〜
なぜKPIが悪いかの深掘り？
その深掘りした要因の真の原
因はわかっているか？
Yes No
その対策がなぜ
打てないか？
原因解析がなぜ
できないか？

32. 32@ 2020 IA工房
工場の優先施策の例
• 出荷品質の向上
• 歩留まりの向上
2. ものつくりの課題解決へのアプローチ 〜工場の課題〜
その対策がなぜ
打てないか？
原因解析がなぜ
できないか？
責任リーダが何を困っているかをヒ
アリングする
• 必要なデータが手に入らない
• データ解析に時間がかかる
• 以前の解析のノウハウが生か
されていない
責任リーダを支援するAIを導入する
IoT
例
• AI画像検査
• AIビッグデータ解析
• AI路ロボティックス

33. 33@ 2020 IA工房
グローバルな重点施策の例
• 物流設計の最適化
• グローバル在庫の削減
グローバルな
リーダーはいる
か？
リーダーが手を打
てない理由はなに
か？
責任リーダーの解決策が進まない
のなぜかをヒアリングする
• 施策に必要なデータが手に入らない
• どうデータを活用すれば良いかわからない
• リーダーの経験ノウハウが最適化に生かさ
れていない
責任リーダを支援するAIを導入する
IoT
2. ものつくりの課題解決へのアプローチ 〜グローバル課題〜
例
• AI需給管理
• AI物流最適化設計
• AI在庫最適処理

34. @ 2020 IA工房 34
休憩

35. @ 2020 IA工房 35
3. AIイノベーションの導入 〜製造業務の理解 〜
(出典: fujitsu.com )
製造業務全体を理解する(1)生産系
手書き
Excel
業務専用アプリケーション
データの統合 (クラウド化)
データの解析・
ディープラーニング (AI)
人・物・プロセス(IoE)
の最適化
生産性向上・歩留まり向上・
在庫削減

36. @ 2020 IA工房 36
3. AIイノベーションの導入 〜製造業務の理解 〜
(出典: fujitsu.com )
製造業務全体を理解する(2) 品質系
手書き
Excel
業務専用アプリケーション
データの統合 (クラウド化)
データの解析・
ディープラーニング (AI)
人・物・プロセス(IoE)
の最適化
生産性向上・歩留まり向上・
在庫削減

37. @ 2020 IA工房 37
3. AIイノベーションの導入 ~ 製造業への機械学習応用〜
(出典: markezine )
v v
v

38. @ 2020 IA工房 38
AI/IoT活用の例 検査
(出典:NEC )
3. AIイノベーションの導入 ~ 目視検査〜

39. @ 2020 IA工房 39
AI/IoT活用の例 製造データ解析
(出典:Optimal Plus )
3. AIイノベーションの導入 ~ ビッグデータ解析〜

40. @ 2020 IA工房 40
3. AIイノベーションの導入 ~ ロボティックス〜
(出典:経産省)
(出典:TIS)
ロボティックス

41. @ 2020 IA工房 41
AI/IoT活用の例 生産計画
(出典: nec-nexs.com )
3. AIイノベーションの導入 ~ 生産計画〜

42. @ 2020 IA工房 42
4. 期待される企業
AI+製造業
どんな企業が頭に浮かびますか？

43. @ 2020 IA工房 43
4. 期待される企業 ~ AIと製造業の例 ~
業界 会社名 業務 提携先
自動車 トヨタ モビリティー管理 MONETテクノロ
ジーズ
ハイテク部品 日本電産 品質ビッグデー
タ管理・NPI
NI (Optimal+)
ロボット オムロン 工場内搬送
精密部品等 MENOU 目視検査 NVIDIA
食品 キューピー 原料仕分け

44. @ 2020 IA工房 44
4. 期待される企業 ~ 例 MAAS トヨタ〜
(出典:Optimal Plus )
MONETコンソーシアムはモ
ビリティイノベーションに
より、豊かな社会・未来を
共創して行きます。
(出典:MONETコンソーシアム)

45. @ 2020 IA工房 45
4. 期待される企業 〜例: ビッグデータ解析 NIDEC / NI 〜
https://www.youtube.com/watch?v=UFgYFMB4BOQ
(出典:Optimal Plus )
日本電産の精密小型モータ事業本部が、新
製品導入（NPI）を加速し、製造効率を向上
させるために、OptimalPlusビッグデータ分
析プラットフォームを採用している
(出典:PR Times)

46. @ 2020 IA工房 46
4. 期待される企業 〜例: ロボット オムロン〜
https://youtu.be/BX30YIAIhN0 (出典:OMRON)
オムロンのAI搭載"モバイル
ロボット"は、自分の移動す
る方向をスキャンして見渡
しながら自分で作成した地
図のどこにいるかをリアル
タイムで計算。目的の場所
まで人やモノといった障害
をよけながら最短ルートで
到達してくれます。

47. @ 2020 IA工房 47
4. 期待される企業 〜例: 画像AI MENOU 〜
https://menou.co.jp/
(出典:MENOU) 目視検査が当たり前な高品質な日常を陰で支えています。
専門人材がいなくてもAI導入が可能なソリューションの開発を行いAIをよ
り身近に利用できる環境を提供し、ものづくりのDX化を支援します。

48. @ 2020 IA工房 48
4. 期待される企業 〜例: キューピー〜
https://jafpec.com/topics/news-data/793/
<ＡＩはまだ技術では
なくイノベーション>
AI導入でうまくいくの
は具体的課題の解決型
の開発に取り組むこと
です。
(出典:キューピー)

49. @ 2020 IA工房 49
4. 期待される人材
AIを活用した製造イノベーション
そんな人材が求められていると思いま
すか？

50. @ 2020 IA工房 50
4. 期待される人材 〜DXリーダー〜
v
スキルだけではダメだ
v
思考法・マインド・行動

51. @ 2020 IA工房 51
4.期待される人材 〜DXリーダー〜
(出典:techbook)
カスタマージャーニー「顧客の旅」
顧客が商品を認知してから、購入し、さらに購入後の行動に至るまでを「旅」と捉え、その一連の行
動を時系列で把握する考え方を、カスタマージャーニーと呼びます。
思考法: 顧客ストーリー

52. @ 2020 IA工房 52
4. 期待される人材 〜仲間を巻き込む力〜
“やりたいことを実現するために仲間を巻き込みたい”
どうすれば良いか！
(出典: 巻き込む力)
思考法: 仲間を巻き込む

53. @ 2020 IA工房 53
4. 期待される人材 〜チーム力を生かす〜
(出典: 日本の人事部)
マインド:チーム力を生かす

54. 54@ 2020 IA工房
• 目指すゴールの階層化
• それを行動とタスクの単位まで落とし込んでいく手法
• 行動とタスクをリスト化、ブラッシュアップしていく手法
• 行動とタスクを洗練させていくための検証（CHECK)と調整（
ADJUST）の手法
(参考 : 冨田和成 “鬼速PDCA”,reijiブログ)
鬼速PDCAは、
• 前進のためのツール！
• 究極の前向き思考!
• 成長スピードの加速のた
めに!
• 営業管理の必須手法！
4. 期待される人材 〜DXリーダー〜
思考法/行動 : PDCA

55. @ 2020 IA工房 55
エグゼクティブ実務でMBA教育
に欠けていることを補う
感じたことを素早く行動に移す
(出典:GLO)
中国でエグゼクティブを排出する “Good Leaders Online”
マインド/行動 : アジャイル思考と素早い行動
4. 期待される人材 〜DXリーダー〜

56. @ 2020 IA工房 56
4. 期待される人材 〜 DXリーダー 〜
(出典:GIC)
現地に行って徹底的に人を調べる
行動 : グローバルに素早く

57. 57@ 2020 IA工房
スタートアップの資金を得る
4. 期待される人材 〜DXリーダー〜
(出典: 巻き込む力)
行動 : 共感を得る

58. @ 2020 IA工房 58
4. 期待される人材 ~DXリーダー〜
お勧め書籍 : DXリーダーの思考法

59. まとめ: DXイノベーションの本質 ~ IoE (Everything)~
59@ 2020 IA工房
プロセス
IoP
（Process)
物 IoT
(Things)
人 IoP
(Person)
Ciscoが提唱するIoE (Things, Person, Process)

60. まとめ : DXイノベーション 〜経営者への警鐘〜
経営者への警鐘
 インターネットとスマホの普及があらゆる業界に変革をもたらし
つつある。
 ITビジネス、IT音痴、IT部門等という、既存の考えを取り払うべ
き。
 IoTは、今にはじまったことではないが、IoE (Everything=物、
人、プロセス)としてどんどん導入が加速される。
 重要課題はなにか？ その専門家はだれか？
専門家の課題解決を助けるべくAIを導入する
ことで、会社が飛躍的に改革され成長する。
この流れに早く乗れば、業績が上がり、
乗り遅れる会社は、業績を落とす。
@ 2020 IA工房 60

61. まとめ：DXイノベーションの本質 ~ 製造業のIOE ~
61@ 2020 IA工房
プロセスIoP
（Process)
物 IoT
(Things)
人 IoP
(Person)
重要課題に関連するIoEデ
ータを統合的に収集しAIを
活用して解決を図る
• 専門家の知識
• 作業者の育成
• 作業者の動作
• 作業者の疲れ
• 検査の目の動き
• 人・時間ごとの
作業結果
• 健康データ
• 人の画像データ
• 装置の動き
• 部品の動き
• 金型のヘタリ
• 装置ごとの稼働
データ
• 故障履歴
• 装置画像データ
• ロボットデータ
• 部品の供給計画
• ものの動きの効率
• 装置タクトタイム
• 人と物の組み合わせデータ
• 計画と結果の比較データ
• 前後工程も含む物流データ
• 顧客品質データ
• クレーム処理情報
• 生産性データ
• 経理データ

62. まとめ
62
1. ウェブ・高速通信・スマホ技術・ IoT/AIの急速な発展で、企業
の収益追求のあり方が大きく変わってきた。
2. これまでの成功体験や業務経験だけでは、競争力を維持でき
ない時代となった。
3. 製造業務に最新のICT関連技術(AI, IoT)や経営課題を解決す
るデジタルイノベーション導入が始まった。
4. 日々変わっていくデジタル時代情報革命やAIの動向をつかみ
グローバルな視点でビジネス変革ができる企業変革リーダー
が必要とされている。
@ 2020 IA工房

63. デジタル時代にグローバルな活躍をしてほしい
みなさんへの期待
• 経験に時間とお金を使って(デジタル時代に呼応し
た)自分の専門性を見出してほしい。
• 気の合う仲間を生涯大事にして欲しい。
• ガラパゴス化した日本を海外と比較してほしい。
• 日本の強みや、自分の強み・専門性を仕事や事業
に生かして欲しい。
• 大きな目標と小さな目標を一緒に考えてそれに向
かって果敢に行動して欲しい。
@ 2020 IA工房

64. ご静聴ありがとうございました
三竿郁夫 (080-3088-2978)
Line : ikuomisao
Facebook : ikuomisao
Google : ikuomisao
@ 2019 IA工房
< 各種講座資料 >
• アジアの環境問題と日本への期待
• デジタル時代の企業変革
• ウェルネス-健康づくりのイノベーション
• アジア連携とイノベーション人材
• ものづくりでのAI活用
• デジタル時代のファンづくりと集客
• 日本の製造業が息づくほほ笑みの国タイ
• データセンターの省エネ
• ２次エネルギー水素
Slideshare