A: AIによるリーン生産の最大の落とし穴は、それを万能薬とみなしてラインに積み上げ、リーン自体はまず引き算してから足し算するものだという点を無視することにある。本当に効果が出る道は、まずAIでムダを見つけ、次にAIで改善を定着させることであり、大規模モデルと大きなダッシュボードから始めることではない。具体的には、注意すべき落とし穴が5つある。

1. AIをリーンの代替とみなし、リーンの増幅器として扱わない。リーンの核心は7つのムダの排除であり、AIの価値はマシンビジョンで動作のムダを見つけ、時系列データで待ちのムダを見つけることにある。標準時間とタクトすら明確でなければ、AIは混沌を自動化するだけだ。120社以上(15以上の業界)の顧客にサービスを提供する中で、ZEVONは現場にAIを導入する前にリーンの基盤を築くほうが、いきなりAI検査に進むより成果がはるかに良いことが多いと分かっている。

2. アルゴリズムの精度に固執し、現場のデータ品質を無視する。多くの工場は良いモデルなら見逃しが解決すると考えるが、ラインの照明が変わったり材料の反射率が変わったりするとモデルは破綻する。リーンは現場に出て現物を見ることを重んじるが、AIも同様にデータ収集の安定性を改善プロジェクトとして扱う必要がある。たとえば電子工場がSMTの段取り替え時の初品確認にAIを使いながら、AOIの誤報データを一度も整理しなければ、AIは誤判定を増幅するだけだ。

3. AIプロジェクトをMESやESOPとつながらない孤島にする。リーンは流れを重んじるが、情報の流れが途切れていればAIは飾りにすぎない。自動車部品企業が組立のポカヨケにAIを使っても、作業手順が紙のままなら、段取り替えの際に従業員は最新のSOPを見られず、AIがアラームを出しても誰も対処の仕方が分からない。ZEVONのMES+AI能力は、AIの判定結果を現場端末と電子作業手順へ直接届け、異常をレポートの中に留めず現場で閉じることを重視している。
4. AIは検査しかできないと決めつけ、スケジューリング、物流、エネルギーといったリーンの場面を無視する。リーンの戦場は計画にあり、材料にあり、設備総合効率にある。AIは動的スケジューリングで段取り順序を最適化し、AGVの経路を配車して運搬のムダを減らし、エネルギーの予測でコンプレッサーの無駄な稼働を削れる。ZEVONの3,200台以上の端末での実践も、AIをスケジューリングや物流に適用するほうが、外観検査だけよりもOEEを直接改善することが多いと示している。
5. 一足飛びの無人化工場を狙い、人の参加を軽視する。リーンは全員による改善であり、AIは人を置き換えるのではなく、人の経験を再利用可能なルールとして残すものだ。班長にAIツールで改善の仮説を検証させるほうが、アルゴリズムのエンジニアに孤立して作業させるより効果的だ。
まとめの提案:AIによるリーン生産支援の順序は、リーンが先でAIが後、データが先でモデルが後、現場が先でラインが後、ループが先でダッシュボードが後であるべきだ。選定の際は、アルゴリズムの指標だけでなく、サービス提供者がリーンの現場を理解しているか、MESとESOPをつなげるか、業界をまたぐ導入経験があるかに注目したい。産業AIとMES+AIにおけるZEVONの位置づけは、まさにAIをリーン改善の一つひとつの具体的な行動に定着させる支援にある。