ナレッジセンター
目次

Q: AI支援による意思決定が生産スケジューリングで価値を出すには、どのようなデータ基盤が必要ですか

A: AI支援による意思決定が生産スケジューリングで実際の価値を生むには、前提となるのはアルゴリズムの高度さではなく、データ基盤が「計算可能」「説明可能」「実行可能」という3つの要件を支えられるかどうかです。その基盤がなければ、どんなに優れたモデルでも、もっともらしく見えるものの実行できない提案しか出せません。

1. スケジューリングAIの入力データは指図、資源、制約の3本柱をカバーすること

指図側では、指図番号、納期、優先度、工程順序(ルーティング)、BOM構成、数量とロット要件が必要です。資源側では、設備一覧、設備能力、金型・治具の状態、作業者のスキルマトリクス、シフトカレンダー。制約側では、段取り替え時間マトリクス、材料のキッティング状況、品質リリースのルール、外注能力です。3つのうちどれか1つが欠けると、AIが作るスケジュールはどこかの段階で連鎖が切れます。例えば、指図と設備だけで段取り替え時間マトリクスがなければ、AIはAとBのどちらを先に流すほうが時間を節約できるか判断できません。

2. データの粒度は作業単位・分単位まで下りること。そうでなければAIは粗いスケジューリングしかできない

多くの工場はERPに指図の納期があり、MESに作業実績がありますが、その中間で工程順序を作業単位まで分解したデータや、設備の稼働可能時間を分単位まで示すデータがありません。AI支援による意思決定は作業単位のスケジューリングであり、各作業の標準時間、段取り時間、待ち時間、搬送時間が必要です。ある自動車部品会社が「1部品の加工に4時間」といった集計データしか持っていなければ、AIは日単位の計画しか作れません。「旋削18分、フライス加工22分、熱処理の待ち40分」といった作業単位のデータが得られれば、AIはシフト単位、さらには時間単位で実行可能な計画を作れます。

3. 過去の実行データが、AIスケジューリングが時間とともに精度を上げられるかを決める

AIスケジューリングは一度きりの計算ではなく、フィードバックループが必要です。必要な履歴データには、実際の開始・終了時刻、実際の段取り替え時間、設備故障の記録、品質異常の記録、材料不足によるライン停止の記録が含まれます。これらのデータは、実能力に関するモデルの推定を学習・補正するために使われます。ある電子工場が理論時間だけでスケジューリングすると、AIの計画は楽観的に傾きがちです。過去3か月の実際の段取り替えと故障停止を入力すると、能力の推定が現実にかなり近づきます。過去の実行データがなければ、AI支援による意思決定は少し賢いスケジューラにすぎず、その名に値しません。

4. データは生きていること。リアルタイムまたは準リアルタイムの更新があって初めて意思決定に意味が出る

スケジューリングは動的なプロセスです。突発的な設備故障、材料の遅延、急ぎ注文は、いずれも当初の計画を無効にします。AI支援による意思決定が機能するには、設備状態、材料のキッティング、作業実績の進捗が分単位または時間単位で更新される必要があります。データが前夜のバッチ実行結果であれば、AIが朝に出した助言は正午にはすでに不正確です。ある射出成形工場がSCADAやMESを通じて金型状態と機械状態をリアルタイムに返せるなら、金型が損傷した時点でAIが後続の指図を自動で再スケジューリングできます。1日1回誰かが手入力する運用では、AIは現場の変化に追いつけません。

5. マスタデータの一致性は見落とされやすい隠れた基盤

品目コード、設備コード、作業コード、BOMバージョン、工程順序バージョン。これらのマスタデータがERP、MES、APSで別々の体系になっていると、AIが受け取るのは矛盾したデータです。スケジューリングAIには共通言語が必要です。同じ品目がすべてのシステムで同じコードであり、同じ作業が一貫した時間定義を持ち、同じ設備が一貫した能力定義を持つこと。マスタデータが不整合だと、AIは正しく見えるのに実行できない提案を頻繁に出します。これは15以上の業種、120社以上のお客様での配備経験でも繰り返し出てきた論点で、アルゴリズムの問題ではなくデータガバナンスの問題です。

6. 実行可能な進め方:スケジューリングできる状態から正確にスケジューリングできる状態へ進む4ステップ

ステップ1:データの棚卸しを行う。指図、設備、工程順序、段取り替えマトリクス、カレンダーを明確に一覧化し、何が欠けているか、どこで定義が不整合かを記します。

ステップ2:作業単位の時間と実際の実行データを追加する。少なくとも過去3か月の主要ラインをカバーし、AIが補正するための根拠を持てるようにします。

ステップ3:MESまたは設備層からのデータ返送を開放し、設備状態と作業実績の進捗が準リアルタイムで更新されるようにする。まず1車間または1ラインで試験します。

ステップ4:マスタデータ管理のルールを定め、品目、設備、作業の一意なコードとバージョンの維持責任者を決め、その上でAIスケジューリングの適用範囲を段階的に広げます。

注意点:初日から全社・全作業のAIスケジューリングを狙わないこと。データ基盤が弱いときは、1ラインまたは1車間の支援的意思決定から始めてください。理論時間でモデルを学習し、実際の時間を使わないこと。段取り替えマトリクスと材料キッティングという2つの制約データを軽視しないこと。スケジューリング結果が実行できるかどうかは、アルゴリズム以上にこれらが決めることが多いからです。

分野: AI-FAQ