中小製造業者がAIを活用し、リーン運営と効率化を推進

人工知能（AI）は、インダストリー4.0と呼ばれる次世代産業革命の重要な要素として広く認識されています。AIが次の産業革命のフェーズにどう組み込まれるかはまだ誰にもわかりませんが、ほとんどの専門家は、人、機械、情報技術の間により大きな接続性をもたらし、製造業者がプロセスを最適化し、問題を予測できるようになると同意しています。

では、新興技術をテストする時間も資本も通常持たない中小製造業者（SMM）は、AIが自社にどのような影響を与えるかをどう評価し、インダストリー4.0への備えにどう役立てればよいのでしょうか？

製造業界が「決断する」のを待つことは、決して選択肢になりません。1年、2年、あるいは5年の遅れが、製造業者を取り残す原因になりかねません。行動するのは今ですが、前進の道筋は明確ではありません。

この問題に対処する一つの方法は、多くのSMMがすでに取り組んでいる継続的な変革、すなわちリーン製造の観点からAIを評価することです。

AIで「継続的」を実現する継続的改善

リーン哲学の中心には継続的改善の考えがあります。これは継続的な変化へのコミットメントです。リーンを実践するには、改善の機会が見つかったときに即座に実装できるよう、常に変化への意欲を維持する必要があります。

リーン改善は介入を通じて進行します。例えばプロセスで問題が特定されると、作業が停止します。チームメンバーが集まり、観察し、結論を導き、判断を下し、最終的に問題の原因に対処するアクションを取ります。この断続的な運営こそがリーンの仕組みですが、その停止と再開のリズムは、継続的改善の考え方とは根本的に矛盾しているように見えます。しかし、これが現在可能な、あるいは人間的に可能なやり方なのです。

では、リーン活動のために作業を止める必要がなかったらどうでしょう？作業が進行している間に、リーンの基本プロセス（観察、結論、判断、アクション）の大部分を実行できたら？これにより、リーンプロセスをより「継続的」なものにできるはずです。これは、あらゆる規模の製造オペレーションに対するAIの主たる約束の一つです。

リーン運営におけるAI活用の出発点

AIは、データセットから学習するアルゴリズムからSF映画のようなロボットまで、幅広い技術を含む広大な分野です。

中小製造業者が主に関心を持つべきAIの種類は、機械学習と呼ばれるサブディシプリンです。アミット・マンガニ氏が『機械学習入門』で定義するように：

マンガニ氏は機械学習を4つのタイプに分類し、いずれもリーン製造への応用可能性があるとしています。ただし、これは中小製造業者が、計算分析に必要なデータを利用可能にするためのコンピューティングパワーへの投資を厭わないことを前提としています：

1. 教師あり機械学習
2. 教師なし機械学習
3. 半教師あり機械学習
4. 強化学習

これら4つの機械学習をリーン製造に適用する機会について、詳しく見ていきましょう：

1. 教師あり機械学習

教師あり機械学習では、アルゴリズムが入力データを解析し、事前に定義された基準を満たすデータにラベルを割り当てます。リーン製造業者は、関連する部品データを記録し、アルゴリズムで利用可能にできれば、複雑な部品の品質管理自動化などにこの手法を活用できます。

2. 教師なし機械学習

教師なし機械学習では、アルゴリズムが利用できる事前の正解はありません。代わりに、アルゴリズムは蓄積されるデータを観察・評価し、パターンを特定して新たなラベルを創発的に作り出します。このタイプは、生産機械やネットワーク化された一連の機械の異常振る舞いを監視し、故障を予知するために活用できます。

3. 半教師あり機械学習

名前の通り、半教師あり機械学習は教師ありと教師なしのアプローチを混合します。半教師ありシナリオでは、データに既存のラベルがいくつかあります。その他の基準は、人間の監督のもとでアルゴリズムが時間をかけて開発します。半教師ありシナリオは、反復的な部品生産の最適化に役立ち、部品とプロセスの両方の廃棄を排除する可能性があります。

4. 強化学習

強化学習シナリオでは、アルゴリズムが可能なアクションのセットから、最大の報酬をもたらすアクションを予測します。リーン変革に取り組むSMMは、このタイプの機械学習を用いて、彼らが思い描くプロセス指向の変更に向けた異なる道筋を比較検討できます。

機械学習でリーン製造を補完

機械学習に焦点を当てると、規模を問わずほとんどの製造業者にとって有用でアクセスしやすいAIの応用があることがわかります。場合によっては、すでに設置されている機械センサー、既存の情報技術（IT）および運用技術（OT）インフラによって収集されたデータという形で、パズルのピースがすでに揃っていることもあります。

SMMがAIの応用を検討し始めるにあたり、これらのシナリオのどれもが人間の雇用を自動的に脅かすものではないことを覚えておくことが重要です。むしろ、これらのアイデアは、従業員にリアルタイム情報と現場での問題解決・実行のためのより良いツールを提供することで、労働者をエンパワーするリーンプロセスを補完する形で追求できます。

有用なアナロジーは、現在の自動車センサー技術です。これは人間ドライバーの認識と知覚を補完します。この技術は安全性を向上させるだけでなく、道路上のすべての人の行動を調整することで、運転システム全体の摩擦を減らします。このように、車の安全技術は誰も運転の方程式から外すことはありません。運転をより安全で効率的な体験にするのです。

この視点を取れば、AIはリーンのツールボックスにあるただのもう一つのツールと見なせます。ただし、非常に強力になる可能性を秘めたツールです。