このページはJavaScriptを使用しています。JavaScriptを有効にして、または対応ブラウザでご覧下さい。

酒井真弓の業界DX探訪記 製造業界編

ダイセルの自律型工場、AIを活用し「真の目的」を追求する

日本基幹産業である製造業。その中でも化学製品など、流体原材料とする「プロセス型」領域では、データ活用した高度制御技術が欠かせない。その先進事例として知られているのが、東京ドーム約18個分面積を誇る化学メーカーダイセル」だ。同社のAI活用生産革新の取り組みについて、モノづくり革新センター三好 史浩 様に話を聞いた。

(聞き手はノンフィクションライター 酒井 真弓 さん)

株式会社ダイセル
モノづくり革新センター長

三好 史浩 様

ノンフィクションライター

酒井 真弓 さん

  • ※ 記事内の部署名、役職は取材当時のものです。

ダイセルのDXは20年前から始まっていた

2020年8月、ダイセルは「自律型生産システム」を開発したと発表した。生産現場収集したデータ人工知能 (AI) が学習することで、「ダイセル式生産革新手法」を劇的進化させたという。

ダイセル式生産革新手法

「ダイセル式生産革新手法」とは、2000年に実現した、ムダロスのないものづくりを実現する手法である。団塊世代大量退職による生産性低下懸念された、「2007年問題」を前に確立し、大幅生産性向上寄与してきた。特に主力網干工場 (兵庫県姫路市) では、作業員負荷低減し、一人当たりの監視範囲を約3倍に広げることに成功したという。

当時資料を見せてもらうと、「新たなビジネスモデル創出」を掲げ、「情報一元化」が強調されている。今から22年前と言えば、フロッピーディスクがまだ現役だった時代だ。同じ頃、0.1秒間に100万単位生成される生産現場データの中から必要なものを見極めて蓄積する手法確立されていたことからも、ダイセル先進性が伺える。

「新たなビジネスモデルの創出」を掲げて作成された当時の資料
「新たなビジネスモデルの創出」を掲げて作成された当時の資料

情報一元化」には独自工夫があった。その一つが「言語統一」だ。それまでは、同じポンプ一つとっても「倉庫西側のポンプ」や「P100番」など呼び名が異なり、認識のずれから対応の遅れが発生していた。そこで、全ての設備機器ユニーク名称を割り振ってデータ化し、稼働状況などの情報統合管理することで、トラブル発生時原因究明を行いやすくしたのだ。これが20年後、AIが学習しやすいデータ蓄積にもつながったと言える。

三好様は、「ダイセル式生産革新手法」の実現には第0段階 (必要性確認) の後、さらに3つの段階必要だと語る。

第1段階の「基盤整備安定化」は、言語統一をはじめとする現場作業負荷軽減だ。

第2段階の「標準化」では、熟練作業員監視操作判断に関わるノウハウ抽出する。これをダイセルでは「ノウハウの形式化」と呼んでいる。

第3段階の「システム化」では、標準化した意思決定フローシステム実装する。三好様は、この順番意味があると言う。

「第1段階ムダを残したまま第2段階標準化を進めると、それ以降ずっと現場ムダ作業を強いることになってしまいます。目的に対して必然性のある作業に絞った上で、標準化していくことがポイントです」

生産革新の段階的アプローチ

AIが引き出す、熟練作業員の暗黙知

ダイセル生産革新手法」の核心は、ヒアリングにより生産現場熟練作業員が持つノウハウを引き出し、誰もが使えるように標準化することにある。暗黙知とも言えるそのノウハウは、ものづくりの競争力を高めてきた源泉と言っても過言ではない。

ヒアリング手法にもこだわった。聞き役となるのは、社内試験合格したファシリテーション能力の高い人物だ。熟練作業員変調気付き、どうすべきか判断し、解決するまでの一連の流れをヒアリングするのだが、あえて対象作業に詳しくない人が適任だという。熟練作業員無意識のうちに行っている創意工夫は、先入観のないまっさらな頭で聞いたほうがうまく引き出せるのだそうだ。

一方で、ヒアリングによるノウハウ抽出には多大時間労力がかかり、時にはシステム導入障壁にもなっていた。そこで、「自律型生産システム」では、東京大学共同開発したAIを使って、生産現場データ熟練作業員業務分析し、ノウハウ機械的抽出させることに成功。その結果最適運転条件算出することや、設備機器トラブル予兆検知精度向上することができた。

工場内の複数エリアを制御するIPC (Integrated Production Center) コントロールルーム
工場内の複数エリアを制御するIPC (Integrated Production Center) コントロールルーム

自律型生産システム」内にあるAIアルゴリズム特長は、過去データから答えを導く「帰納法」と、原理原則から答えを導く「演繹法」を両立させたことだ。ディープラーニング (注1) など従来手法は、過去データを用いて帰納的計算を行うが、変数多岐にわたる化学プラントでは十分精度を得られなかった。

そこで、品質コスト変化など「結果」と、それら「原因」の複雑因果関係、約20年間蓄積してきたデータリアルタイム事象瞬時に組み合わせて演算することで、格段精度を高めることに成功した。国内全拠点に「自律型生産システム」の導入完了した場合には、グループ全体年間最大100億円コスト削減見込めるという。

  • 注1) コンピューター自律して学習する機械学習手法従来機械学習では実現できなかった複雑データ処理を行うことが可能となる。「深層学習」と呼ばれることもある。

兼務のプロジェクトだからこそ意味がある

自律型生産システム」のプロジェクトメンバーは、さまざまな拠点部門から集められたエース級の人材で、多くは本業兼務で取り組んでいる。これには理由がある。

「DXの成否を決めるのは、社内で真の目的共有できているかです。追求すべきは目的であり、それに合致した取り組みができているか、現場業務にまで落とし込めているかを常に意識しています。現場を離れている人がそこに潜む課題を肌で感じるのは難しいでしょう。だからこそ、兼務することに意味があります」(三好様)

兼務には本業にあたる部門上司折衝など、難しさもある。なぜ「自律型生産システム」が必要なのか、十分理解がないと単に人材の引っ張り合いになってしまう。

生産現場では『こんなことができたらいい』ということが沢山あります。しかし、そのまま実装してもうまくいきません。本来目的に立ち返り、自分たちのやるべきことに注力することが重要です」(三好様)

「本来やるべき仕事ができているか」が論点

自律型生産システム」は人間仕事を奪うディスラプター (破壊的技術) にも見えるかもしれない。確かに自律化によってなくなる仕事はあるが、三好様は「そもそも本来やるべき仕事ができていますか?」と問い続けている。

「例えば、現場巡回作業員が当たり前にやらなければならないとされている仕事の一つです。しかし、データから能力低下検知アラートを出せば、巡回無しでリカバリー業務注力できます。また、急な設備機器トラブル部課長クラス翻弄される必要はないはずです。これだけ激しく変化する世の中、人々はもっと余力を持ち、潜在的チャンスをつかむための戦略的仕事シフトすべきだと考えます」

追求すべきは、「真の目的」だ。AIがポイントかのように見える「自律型生産システム」だが、「目的達成できるならAIでなくても構わない」というのが三好様スタンスである。