AI人材育成講座卒業制作を観た感想
発表者の皆様
そしてSUNABACOの皆様
お疲れ様でした。
今回は受講はできませんできたが気になりすぎる講座だったので
発表だけでもと観た感想です。
見ながら書くので見落としや聞き漏れがあるかもしれませんがご容赦を。
SUNABACOさんは、
DX人材育成講座や、LP、WordPress、プログラミングなどなど様々な『お仕事に直結する』学びを全国で展開されている（あえて言うなら）ビジネススクールさんです。
詳細はできれば上記の動画をご覧ください。
じゃないと凄さが伝わらない。
たった1ヶ月、そして2週間程度の制作期間でこの結果が出てくるということ。
問題や困りごとの解決を、
今回はAIをも理解して、データサイエンスを活用してサービスに昇華。
①チームJ 「AIに任せられることを探してみよう」
BEMAC株式会社さんが現場
データはあるが、、の状態を整理整頓して未来予測に繋げる活動
よくあるシーンですね。。。
製造業の工程計画を立てるプロセスの自働化ですかね。
困りごとと現状分析
業務プロセスを探っていくと、
過去の実績にカンコツを加えて計画を立てている状態
であることがわかった。
改善
過去の実績（既存データ）を分析し、
それがどうなのかを見える化した上で、
データドリブンした工程計画を出力する
データ
作業員の作業実績データ
ツール
PowerBIを用いてcsvデータをグラフ化（見える化）
可視化することで見えてくるものがある。
手法
K-均等法（？）
K平均法じゃなく？K-meansかな。
おそらく、人と作業とを組み合わせたデータをクラス分けに使ったってことなのかな。
感想
人の工数がこれまで見えることすらなかったのに
今回、可視化することによって適正化のヒントになっていくのが面白い。
会社の中で僕らも感じている、「自己研鑽した個人がやっている」という部分が会社全体で認知されて方向性が決まっていくといいなという感想。
実際に現場で作業をしている人が、自分たちの仕事をデータサイエンスするという強みを感じました。
聞き漏らしたのかもしれないけどCSVファイルに記録された元データの確らしさがわからなかった。（日報がベースなのかな）
誰が、何の作業を、どれくらいの時間で、というデータは
僕も毎回苦労するデータで、機械的に取得しようとしても
働く側がヒトなので正しく取ることが難しい。
1秒ずれるだけでもアウトプットに大きな差が出てきてしまうから。
僕ら製造業に一番近い困りごとの改善事例だったと思いました。
まだまだ伸び代がありそう。
一見地味だけど、すごく「効く」し、何よりこれが働き方改革ですよね。
②チームA 「MugiTech Insight」
チームAは「大麦」が主役。
熊本県八代にある西田精麦さんが現場。
大麦はスーパーフード！！初めから勉強になる。
困りごとと現状分析
TVなどで取り上げられた際に、大幅に受注が増え
製造が追いつかず欠品となり納期調整が難航、
想定外の増産で社員が疲弊、機会損失も発生
なるほど、これも弊社にも大きく関係するテーマ。
改善
TVなど特集などから受注増を予測したい
データ
Googleトレンド ← すげーユニーク！！！
省庁が出しているデータ
これらの相関を調べる
ツール
スイムレーン
AutoML（Azure Machine Learningかな？）
手法
時系列データの予測を実施
Googleトレンドで検索数が上昇する部分を説明変数として用いているのが面白いですね
STL分解（Seasonal and Trend decomposition using Loess）
時系列データを季節成分（Seasonal）、トレンド成分（Trend）、残差成分（Residual）
残差をどう捉えたのかが気になる。
感想
GoogleトレンドをTVなどのメディア報道に見立てて使っているのがすごく面白かったです。
大麦のお客様年代とネット検索が合っているのかが気になりましたが、
大まかに予想を立てるには十分な感触。
すげーおもしろい。。。
お客様の動向や商品に対する需要を
データから分析するというのがすごく面白いし、
このチャレンジがどの会社にも通じるポテンシャルを持っていると感じました。すばらしい。
こちらも現場を知る人間がやるからこそ、のアイデアですね。
中村代表がおっしゃっていましたが、
これを現場を知らないデータサイエンティストに頼むと正解に辿り着かず無駄な検証が嵩んでコストだけがかかるってケースも多いと思います。
③チームL 「繊維業界にあらたな価値と想像を」
おお、SUNABACOのprogate魔神ことマジコさん登場！
そしていつも空出張のつちたに兄貴も！！（失礼）
田窪株式会社 総合アパレル関連副資材販売
が現場（創業90周年）
副資材販売って初めて聞いたかも。
つちたにさんの発表さすがだなー
困りごとと現状分析
国内市場は縮小傾向
生産量も低下
事業としての変化が求められている状態
SWOT分析で客観的な把握、将来の方向性を明確にする。
強み→工業系ミシン糸の販売からスタートした事業だからこそ、
系ジャンルでは西日本No.1
ミシン糸以外も扱う「付属屋」へ変革を遂げる（遂げたい）
そのために、主力の糸を含む現行の受発注プロセスの負担を減らして余力を作りたい（かな？？）
改善
輸出書類作成業務の（手作業）負荷を下げたい
→ 糸・付属品の集計、発注業務の自動化と情報の共有化
業務ツールとして「AIboX」を開発
データ
業務プロセス情報
自動化（デジタル化）することにより
調達先の納期、購入数量、価格、製品情報のデータを蓄積できる
ツール
スイムレーン
PowerApps（集約）
PowerBI（データの可視化）
手法
SWOT分析
感想
AIやデータ分析という感じではなかったが、一番DXらしい業務改善だと思いました。
しかも、事業の将来性を考えての取り組みなので
経営者層も関与せざるを得ないチャレンジングなテーマ
まだまだ
手作業、紙資料、紙帳票というプロセスを持つところは多いと思うので
欲しいというところは多いのではないかなぁ。
そして！この改善によって技術とデータの蓄積が始まるので、
今後大きな改善ができる種まきができていると思いました。
④チームE 「みんなを『つなぐ』アプリ 【DOT】」
八谷選手も参戦していたのか！！！
そして自称アーニャも！！！
株式会社 新来島どっく さんが現場
船舶の建造がお仕事。
僕ら自動車だと製造だけど、
船舶だと「建造」って言うんですね。さすがのデカさだ！
困りごとと現状分析
作業報告方法がさまざま
作業進捗が不透明（個人管理）
実績データがのこっていない
ペーパーレス化が遅れている
ちょっとまって、、、どうやって船作ってたの、、、っていうのが第一印象。
【紙中心で情報の見える化が不十分】
これは大改革の予感！！！！
改善
作業進捗がわかるアプリを開発
目標時間をカラーバーで見える化
データを蓄積し、作業時間を予測
データ
開始、終了をスマホアプリに登録
ツール
スイムレーン
手法
わからなかった。
感想
スマホアプリでデータの収集
たまったデータでボトルネック工程や作業がわかるところまでがしっかり作られていますね。
負荷係数なるものも画面に見えたので、現場ならではだなという感じ。
工数悪化要因を選択できるので、ヒアリングも兼ねていて
対策のヒントが日々入ってくるのもいい。
印象としては、無いからこそ生まれたアプリだなという感じ。
入力工数がかかりすぎているので現場のためにもっとシンプルにしていく方向に改善されていくと予想
入力がなぁなぁにならない工夫も今後必要になりそう。
法規（船舶検査？）に関わる部分などは注意が必要になると思う。
個人的にはアプリの背景が自分たちの造船所になっているところが好き。
やっぱりココで働いているという当事者意識が欲しいし。
作り込みはMAアーニャさんかな。
さすがだなぁ。。。あこがれるぅ
パイプ制作ってなんのことだったんだろう。
最後に熟練度（習熟度）に応じた作業時間の予測の話が出てきたのがよかった。そこまでの展望がでるってことはデータの収集が正確でちゃんとバラついたということ。クラス分類したくなったというのは次の改善が楽しみ。
⑤チームC 「回診を効率化したい」
読めないwww
そして登壇4名中2名が仮面やないか
褥瘡（じょくそう）回診
褥瘡を保有している患者さんの褥瘡の状態、全身状態について多職種が情報を共有しながら、治療や処置およびケア
褥瘡とは？
寝たきりなどによって、体重で圧迫されている場所の血流が悪くなったり滞ること
床ずれみたいなやつですかね。
床ずれまでは行きませんでしたが、母が最後はこれが痛いと言っていたのを覚えています。
困りごとと現状分析
褥瘡回診が嫌いだ
がきっかけのようですね。
患者の老化・衰弱および環境の介護力低下
診療報酬状の制約がある。
褥瘡対策にかかる専任医師および看護師から構成される専門チームが設置されること → そして整形外科医に白羽の矢が立ちがち
そうだったのかー。。しらなんだ
ごめんなさい。。。僕的にはショッキングな写真が多すぎてこれ以上は拝見できませんでした。。。フラッシュバックしそうで。。。
改善
データ
ツール
スイムレーン
手法
感想
個人的な理由で最後まで見れずで申し訳ございません。
医療DX、とくに医療従事者をサポートするためのDXはとても大切で今後もっと必要になると思っています。
⑥チーム D 「パイプ部品発注量を予測せよ」
またパイプが！！
困りごとと現状分析
パイプの発注数と使用数に乖離がある
乖離により金銭的なロス
担当者のカンコツによる決定
社内ではDX推進の空気感→大チャンス！！！！
カンコツをデータドリブンにしてより正確に無駄なくというテーマ。
これは僕にも美味しい！！！
改善
AIの活用により発注精度を上げ、無駄を取り除く
データ
パイプ部品データ（2871種類）
引当部品データ
特定部品データ
在庫・制作部品データ
ツール
スイムレーン
そしてたぶんPythonかな。
手法
線形回帰、Random Forest、GBDT（勾配ブースティングかな）
機械学習による予測モデルの生成
いちばん好きなやつぅ
感想
資料がめちゃくちゃかっこいい
精度に関して、何を正解として精度を確認したのかがわからなかったかなぁ。（聞き漏れた？）
1/4のモデルが良い成果がでた。
2871モデル中の1/4だからかなりいいのでは！！
あと処理時間が20sって本当なのだろうか？
2871モデルの処理が20sで終わるならすごい。。そしてこれまでの健闘作業が8時間だったらしいので、ほぼ工数ゼロ。
工数にも金銭的にも改善するという超ウルトラDXだった。。
ここでも今回の改善結果から蓄積されるデータが次の改善につながるお宝化しているのがすごくいい。
使えるデータとして残っていくことで、
新たな手法の武器になるすばらしい改善でした。
これ2週間でやったのか。。。。すごすぎる。。
⑦チームF 「the AI工場長」
ネーミングでそそられる！！！！
あだち先生キター
株式会社プライム・ハラさんが現場
シールやラベルの製造販売をしている会社
困りごとと現状分析
工場長が行う生産計画がボトルネック（工場長。。。。）
生産計画に時間がかかるため、
工場長が現場の改善など、会社の将来につながる業務に時間が使えない
社外へ知見を広げる活動ができない
生産計画に係る工数は工場長の60%を占める
あれ、これって工場長を救済するDXなのでは！！
工場のトップである工場長に属人化しているというのがびっくり
改善
機械学習を用いて、機械の選定や結果を予測
データ
受注データ
生産指示情報
制約情報
ツール
Pythonになるかな？
手法
Random Forest
人気だなー
決定木分析が説明変数の相関に強いからそうなるのかも。
感想
こちらも資料かっけー・・・。
予測結果を判断材料やレコメンドに使うという発想がいいですね。
こちらも、正解を何にするのかが難しそうだなという印象。
工場長以外の人が工場長と同じような答えを出すのに、
何を正解とするのかって結構大事だなと思いました。
工場長を「匠」と置き換えて
匠を科学するDXっていう感じでしたね。
これもまだまだ改善が進みそうですばらしいチャレンジ。
工場長もより上役としての質の良い仕事が舞い込みそう。
⑧チームG 「大型船 仕様・見積作成の効率化」
浅川造船株式会社さんが現場
ケミカルタンカー（化学薬品を搭載する船舶）を主に製造
生産計画に関する取り組みがおおく決勝にのこっている感じですね。
やはり計画を立てるって大変な作業だよなと改めて感じます。
困りごとと現状分析
特殊な大型船舶であるためお客様のご要望でカスタマイズする
営業開始から契約に至るまでに必要な資料が膨大
完全な標準（作業規格）がない
各自のアウトプットがバラバラ
顧客の要望は極力受けたい
設計に割り込みが！
情報が漏れていて再ヒアリングすることもある
だいたい特急作業となる
これは「重たい」なぁ。。。
改善
顧客仕様をヒアリングするだけで資料が完成する（業務の共通化）
ラフ見積もりもその場で完成させる
仕様書からJSONテンプレートを作成
AzureDBに蓄積
データ
仕様書（Word）
作成したJSONテンプレートデータ
ツール
スイムレーン
Azure SQL DB
OpenAI
手法
クラス分類だったのかな？？？
感想
高度な技術活用だなと思いました。
サラッと説明されていましたが、
営業から仕様書作成までってかなりのプロセスを踏むものであると思いますが、
それがある程度自動化されて、仕事のやり方がごっそり変わってしまっている。
製造にいたるまでの事業ベースが一気にデジタル化されましたね。
これ各チームがたった2週間でやった成果なんですよね。。。
こんなの専門のベンダーが入ってもどこに頼もうかって検討するだけで数ヶ月経ってしまう。
それを自分たちでやってしまうというのがほんとすごい話。
再度URLを貼っておきますのでぜひ発表をごらんください。
いいなと思ったら応援しよう！
