どのような業界においてもDXが進められていて、製造業も例外ではありません。大企業はもちろん中小企業においてもDXが進められている状況です。製造業で根本的な改革が起きていると表現しても過言ではないでしょう。ただ、DXが進められ自分が担当することにはなったものの「どのように進めたら良いのか」「何をすれば良いか」か、理解できていない人も多いはずです。今回は製造業におけるDXとは何かを解説し、DXによるメリットや課題、具体的な事例などを解説していきます。

製造業におけるDXとは？

製造業におけるDXとは、今までの製造プロセスを見直して、根本的に生産性やコストなどを見直すことを指します。一般的にDXでは、システムが活用されるため「製造業のDX＝製造系システムの導入」と理解されることはありますが、厳密にはデジタル化を含めて業務プロセスを見直すことです。システムを導入するだけでは、製造業におけるDXとはいえないため、その点は誤って理解しないようにしましょう。

製造業におけるDXが必要となる背景には、人材不足や原材料の高騰などが挙げられます。例えば、現在は労働人口が減少していて、製造業の現場で活躍できる人が減っている状況です。そのため、少ない人数でも効率よく製造できるように製造業のDXが求められています。

他にも、製造コストの低減を目的として製造業でDXが求められることも増えています。例えば、ウクライナ情勢が影響し、製造の原価は今まで以上に高まってます。これを製造側の努力で吸収するために、DXによる生産性の向上でカバーすることが求められています。

製造業DXでできること

製造業のDXで実現できることはいくつもありますが、今回は4つのメリットをピックアップして解説します。

情報の可視化

製造業でDXすることによって、必要な情報の可視化が可能です。例えば、今までの製造データや売上データを組み合わせるシステムを導入することによって、生産数が妥当であるかどうかの判断ができます。また、分析するだけではなくその結果をグラフなどで可視化することで、経営者はもちろん、マーケティング担当者や、製造管理部門など、幅広い人が素早く情報を直感的に理解することが可能です。今までも社内に情報は蓄積されていたと予想されますが、DXによって蓄積だけではなく分析や可視化の活用に繋げられるという点がメリットだと理解しましょう。

顧客ニーズへの柔軟な対応

製造DXで、多くの情報を収集したり整理したりすることで、顧客ニーズへの柔軟な対応が実現できます。例えば、売り上げの状況をリアルタイムで把握できる仕組みを構築することで、顧客がどのような商品を求め、次にどのようなマーケティングを展開すれば良いのか判断できるのです。製造業においても、売れ行きやニーズを正確に把握して、商品を製造したり、流通させたりすることが求められるため、DXによってこれを実現しやすくなります。顧客が求めるものを一番に流通させられるならば、商品ロスの低減を実現できるでしょう。

人員不足の解消

DXに力を入れることで、人員不足を解消しやすくなります。例えば、ツールを利用してデータ分析する仕組みを導入すれば、少ない人数で、どのような製品が必要とされているか判断できるようになるのです。今までは多くの人数でデータを分析したり、顧客の意見を評価したりすることが多かったでしょう。しかし、製造業DXでデジタル化し業務フローを見直せば、少ない人員で素早く対応できるようになるのです。

近年は、製造業において人手不足が大きな問題となっています。多くの企業や部署で人が不足し、思うように業務を進められないケースが見受けられます。しかし、DXにおいて根本的に業務フローの改革を実現できれば、人員を増やさずとも、効率的に業務を遂行できるようになるのです。

生産性の向上

生産性を向上させることにも製造業DXは貢献します。例えば、製造した商品に関するデータを常に収集し分析しておくことで、不良品の発生を素早く検知したり、不良が発生する根本原因を特定できるのです。不良品が増えてしまうと、手戻りやチェック作業も増え、生産性が下がってしまいます。しかし、DXで分析し原因を把握することで不良品の発生を減らせるようになると、全体としての生産性が向上するはずです。

また、業務フローを根本的に見直すことによって、製造に必要な時間を短縮することも考えられます。例えば、今までは人間が作業しているために5時間必要であった作業を、デジタル化することで1時間に短縮できるかもしれません。これは一例ですが、DXによって作業時間の短縮が図れ、生産性の向上を実現できることもありえます。

製造業DXの課題

製造DXには魅力がありますが、それと同時に課題を抱えています。続いては、どのような課題を抱えているかについても解説します。

DXを推進できる人材が不足している

製造業に限らずDXを推進できる人材が不足していることが課題です。DXコンサルタントなど呼び名は様々ありますが、どのようなポジションにおいても人材不足が顕著です。多くの企業が同時にDXを進めているため、DXを推進できる人材の供給が追いついてないと考えましょう。また、そもそもDXは新しい考え方であり、対応できる人材の絶対数が少ないとも考えられます。大規模なプロジェクトに参加したことがある人も限られていて、経験豊富な人材は一部なのです。優秀な人材を多くの企業が取り合うような状況になっているため、製造DXを進めたくとも、思うように人材を確保できない状況が続いています。

既存データの活用ができていない

DXを進めているにもかかわらず、既存のデータを活用できていないケースがあります。これは冒頭でも解説したように、システムを導入することに注力してしまい、業務の改善まで考慮できていないからです。

勘違いされがちですが、DXで重要となることは既存の業務を生かしつつ、新しい業務フローを生み出すことです。そのため、活用できるものは積極的に活用していかなければなりません。特に近年は、ビッグデータ解析など、大量のデータを活用することが重視されています。製造業においても、このようなトレンドに乗ることが重要であり、積極的にデータは活用するようにしましょう。

例えば、製品の製造に関するデータや原材料の仕入れ価格、不良品の発生率やクレームの内容など、流用できるデータの種類は幅広く考えられます。データを活用して、そこから新しい情報を得ることによって、データに基づいたデータドリブンな製造業の経営を実現できるのです。

システム改修にコストが生じる

多くの場合、製造DXでは新しいシステムを導入したり、既存のシステムを改修したりしなければなりません。このようなシステム関連のコストが発生してしまうため、その点が課題となってしまいます。特に製造業のように、システムの規模が大きくなりやすい場合は、システム改修やシステム導入のコストが高くなってしまうでしょう。DXを推進したいと考えていても、コストが高すぎるあまり資金を確保できず、DXを始められない可能性もあります。

社内での教育に時間を要する

どんなに製造DXを進めたとしても、それを使わなければ意味がありません。使いこなしてもらうためには、社員の教育を実施する必要があり、これには時間を要することが一般的です。例えば、リーダー層に新しいシステムの使い方を説明し、そこからそれぞれのチームに使い方を展開してもらうことが求められます。展開すれば、すぐさま使えるようになるということは少なく、そこから繰り返し利用してもらうことで、やっと新しい業務フローが定着するのです。

また、現場に新しいシステムなどを展開すると、使い方や運用について問い合わせが来るかもしれません。そのため、このような問い合わせにも対応する社内用の「サポートデスク」などを準備する必要があるでしょう。「よくある質問」などを集約して展開するケースもあり、社内での教育や定着には一定の時間を要するのです。

経営層の理解が及んでいない

経営層の理解が及んでいないと、これが課題になりやすいと考えましょう。DXを効果的に進めるためには、会社全体で一丸となって対応することが重要です。しかし、経営者の中にはDXの重要性を理解しておらず、現場に丸投げしてしまうケースが見受けられます。
経営層の理解が乏しく、全社的にDXを進められないならば、結果として失敗することになりかねません。例えば「DXは部門ごとにシステム化する作業だ」と誤認していると仮定します。この場合、トップダウンで部門を超えた指示を出せず、部門間連携に考慮漏れが生じているなど、中途半端なシステムを導入してのDXとなる可能性があるのです。
もちろん、スモールスタートは重要となるため、経営層が検討し意識的に一部門にだけDXを進めさせているならば良いでしょう。逆に経営陣が十分にDXを理解しておらず、一部門にだけDX化を指示した場合、後々全体のバランスがとれずにDXが失敗することもあり得るのです。

事例から学ぶ製造業DX

続いては製造業DXの事例にはどのようなものがあるのか、大手企業から中小企業まで幅広く紹介します。

株式会社広島精機

株式会社広島精機は、広島県のAI/IoT実証実験事業「ひろしまサンドボックス」でDXを実現し、工場の見える化を実現しました。例えば、デバイスによるデータ収集機能を利用して、工場の機械を見える化する仕組みを構築し、数値から定量的に物事を判断する仕組みを実現しています。

今までの製造現場では、従業員が感覚的に物事を判断しているだけでした。そのため、新しい製造方法を導入しても、それが何かしらの効果を発揮しているのか定量的に評価できなかったのです。しかし、DXによりいろいろなデータを収集・分析できるようになり「原材料の消費を抑えられているか」「製造に必要な時間を短縮できているか」などを評価できるようになりました。

なお、見える化により業務効率が高まっただけではなく、従業員のモチベーションが高まったという副次的な効果も見られています。今までよりも生産性が高まっていることが自信につながり、社内全体の雰囲気が良くなっている事例でもあります。

花王株式会社

花王株式会社は、デジタル化と製造業DXを進める過程で、顧客に対しても新しいサービスを提供しています。例えば、DX化の一環で導入したAI技術を活用し、メイク診断のコンテンツを提供していることが特徴です。一般的に、化粧品は店頭へテスターを配置しているケースが多いですが、昨今は社会事情の変化により、これを使用しない人も増えています。そのため、各ブランドサイトや公式サイトに、メイクシミュレーターを導入して、店頭でテスターを利用しなくとも、製品を擬似的に試せる仕組みを生み出しているのです。

また、単純にAIによる画像合成だけではなく、今までのデータを分析し「どのようなメイクであれば綺麗に見えるのか」を提案してくれることが特徴です。「なりたい顔に変われる」をコンセプトに、蓄積されたデータをDXの一貫で分析し、社内のみならず顧客にも還元しています。

株式会社ミスミグループ本社

株式会社ミスミグループ本社では、製品やサービス価値を向上させるために、AIによる機械部品の自動見積もりを実現しました。これにより、従来のようなFAX送信による見積もり依頼からの待ち時間を軽減し、顧客満足度の向上を実現しています。
見積もりの自動化にあたっては、今までの見積もり依頼と価格の関連性を新システムの導入で大量に分析しています。元来、AIを学習させるために蓄積していたデータではありませんが、これを全社的なシステムに学習させたのです。その結果、高精度な見積もりAIを生み出すことに成功しました。今まではすべての工程を人間が対応していましたが、現在は見積もりの内容を確認するだけの作業となり、大きな負担の軽減や業務効率の向上に繋がっています。

株式会社ダイセル

株式会社ダイセルでは「自律型生産システム」と呼ばれる仕組みを開発し、化学工場に導入するというDXをスタートしています。こちらにはいくつかのAIが搭載されていて、AIが安全・品質・生産量・コストなどをリアルタイムで監視していることが特徴です。また、監視するだけではなく、今までに集積された大量のデータから「今後どのような生産が必要となるか」や「どの程度の需要が発生するか」を導き出しています。また、それに世の中の需要やトレンドの変化など、収集した外部のデータを組み合わせ、最適解で工場に指示を出す仕組みです。
加えて、データの状況を分析し「今までに蓄積されたデータと比較して大きな外れ値がないか」をチェックしています。もし、連続し外れ値が観測されたならば、機器やセンサーの故障を疑い、担当者が早急に現場を確認する手順も生み出しました。

株式会社エイアイキューブ

株式会社エイアイキューブでは、蓄積された部品データをAIが分析し、素早くピッキングする作業効率化をDXで実現しています。今まで、細かな部品や複雑な形状の部品は人間がピッキングするしかありませんでした。しかし、データをAIが活用できるようにしたことで、製造業用のロボットでも効率よくピッキングできるようになっています。
また、DXの過程では業務の根本的な見直しも実施し、今まで人間がピックアップしている部分を可能な限り機械化しています。「人間でないと対応できない」と考えられていた部分を機械化することで、人件費の削減や作業ミスの低減などにも繋げられていることが特徴です。

オムロン株式会社

オムロン株式会社では、データの活用よりもデータの流れを重視したDXを実現しています。特に日本のみならず世界中で製品を製造する必要があるため、日本で立案した計画を世界中で展開する仕組みを確立したことが特徴です。
例えば、日本で設計や開発した製品を海外で製造しなければならないことがあります。このような業務の流れにおいて、これまでは手動でデータをやり取りする必要がありました。しかし、DX化グローバル基盤をとなるシステムを構築したことによって、ここにデータを登録するだけで世界へ共有されるようになっています。正確かつ素早く連携できることで、業務の効率を大きく高められました。

ダイキン工業株式会社

ダイキン工業株式会社では、当初より生産状況をそれぞれの機器からシステムで収集できる仕組みを導入していました。生産データを常に把握することによって、後から何かしら活用できる仕組みを構築してきたのです。製造業DXではこのように蓄積されたデータを活用して、生産における課題を発見したり解決したりする仕組みを生み出しています。
例えば、現在の生産状況と過去の需要など、そして気温の変化など外部から提供される予測データを組み合わせて、必要な生産数を速やかに算出しています。これにより、生産のロスを軽減し、最終的には利益率の向上などを実現しました。また、算出された生産数などが妥当なものであるか有識者が評価する作業を含めています。もし、算出された結果に問題があるならば、システムにフィードバックすることで、より正確な値を算出できるようにしているのです。

製造業DXのポイント

製造業のDXを成功させるためには、いくつものポイントがあるため、具体的に意識したい部分を解説します。

データを収集できる仕組みの導入

製造業DXを成功させるためには、データをうまく活用できるかが重要です。そのため、DXの推進にあたっては、データを収集できる仕組みの導入に努めましょう。社内に蓄積されているデータを効率よく収集できれば、データの活用を進めやすくなるはずです。

例えば、売上と顧客の居住地域についてデータを収集して分析できるようにすると、マーケティング活動を進めやすくなります。データに裏付けられた判断が下せることで、納得感のあるマーケティングを展開できるようになるでしょう。なお、データは多くあると何かと利用できる可能性があるため、まずは収集に徹することもひとつの手段です。

システムを運用できる人材の確保

DXを進めると、多くのシステムを運用することになりがちです。このような状況に対応するために、システムを運用してくれる人材を確保しましょう。例えば、情報システム部門の従業員数を増やしておき、多くのシステムをスムーズに運用できるようにします。

DXはシステムの活用に限った話ではありませんが、どうしてもシステムの運用とは切り離せません。もし、データや分析システムが停止してしまうと、営業や生産の業務に大きな影響が出ると予想されます。業務へ悪影響を最小限に抑えるために、システム運用の担当者を確保することは必須であると考えるべきです。

蓄積されたデータの活用

DXによって様々な業務をデジタル化すると、必然的にデータが集約されやすくなります。また、上記で触れたとおり、データを収集する仕組みをそもそも導入すべきです。また、これらのデータを積極的に活用できる仕組み作りを心がけましょう。

データを活用しない状況は宝の持ち腐れのような状態だと考えられます。蓄積されたデータを積極的に活用し、経営にプラスの効果を与えられるようにすべきなのです。例えば、データを分析するツールをDXで導入したり、製造業で必要とされるデータを視覚化したりするツールを導入しておきます。

見積もりや設計など他業務への情報連携

製造業のDXでは、見積もりや設計などの情報を他の業務へ連携することが重要です。重要な情報は、一部の部門だけで活用するのではなく、全社的に利用することを心がけましょう。例えば、設計に関する情報を見積もりと組み合わせることで、設計内容から大まかな見積もりを算出することが可能です。設計の自動化や見積もりの効率化にとどまらず、例えば製造部門から営業部門など業務を超えたデータの連携が求められます。

部門や事業所を超えた協力

製造業のDXを進める際は、上記でも触れたとおり部門を超えた協力が必要です。お互いが協力する仕組みを生み出すことによって、シナジー効果を生み出せると考えて良いでしょう。製造部門など特定の部門に限って、DXを進めるのではなく全社的に進めるものであると認識しなければなりません。全社的なDXを進めるためには、経営陣が中心となり推進することが重要です。部門任せになってしまうと、どうしてもお互いの連携が取れずスムーズなDXは実現できません。同じ事業者の部門はもちろん、異なる事業所など遠く離れた従業員同士でもお互いに協力して、全社的にDXを進めていくことが重要です。

製造業DXの将来展望

最後に、製造業DXが将来的にどのような状況になるか、今後の展望についても解説します。

業界全体におけるDX投資と回収の負担増

製造業全体の課題として、DX投資が増加し回収しなければならない負担も増えると考えられます。解説した通り、これからの時代はさまざまな観点でのDX推進が求められるでしょう。既にシステムが構築されていない限りは、新しく導入することになってしまい、どうしてもコスト負担が増えてしまうのです。

ただ、DXを見送ってしまうと、他の製造業に遅れをとってしまうことになりかねず、実質的にこれは不可能でしょう。補助金や助成金を使うなどして負担を抑えつつ、販売する製品の個数を増やしたり単価を高めたりして回収しなければなりません。

データを活用した業務の効率化が必須

システム化することによって、多くのデータを簡単に蓄積できるようになるため、これらを意識的に活用しなければなりません。現在は、経験や勘に基づいた判断ではなくデータに基づいた判断が重要視されているため、DXによって得られるデータは積極的に活用しましょう。

また、DXでのデータの活用方法はいくつもあるものの、その中でも業務の効率化に活用していくことが重要です。例えば、不良品が発生しやすい原因をデータから分析し、それを改善することで不良品の発生率を抑えます。こうすれば不良品を検品する作業を減らすなどの効率化ができるのです。

AIの発展による人手不足の解消や業務分担の変化

近年はAIが急速に発達し、幅広い分野で取り入れられるようになっています。製造業も例外ではなく、少しずつですがDXの一環として、AIが活用されている状況です。例えば、顧客からの注文書をAIで認識して、どのような部品が必要であるかを判断する作業をAIで自動化できます。

これは一例ですが、AIによって業務効率は高まり、製造業が抱える人手不足は若干ですが解決されるようになってきました。また、AIが担当する業務と人間が担当する業務の役割分担も生まれています。これからAIが取り入れられることで、今まで以上に「人間がやるべき仕事」に注力するようになるでしょう。

まとめ

製造業のDXにおいて重要なことは、データ活用がうまくできているかどうかです。活用するデータには内部データと外部データがありますが、その両方を活用することでデータ分析の精度を高められます。例えば、事例で取り上げたダイキン工業株式会社のように、社内のデータと気候予測など外部のデータを組み合わせるのです。製造業DXでは内部データをいつでも活用できる環境をつくることはもちろん、外部データを収集していくことも求められます。最新のデータを収集して内部データに組み合わせることで、さらに価値を高められると考えましょう。

外部データの収集にはスクレイピングと呼ばれるWeb上のデータを機械的に収集する仕組みが便利です。弊社ではPigDataというスクレイピング代行サービスを提供しています。製造業でDXを成功させるために、大量のデータを収集したいならば、ぜひご相談ください。