AIは間違えたのか。それとも、人間が「正しい」と記録してきた過去を忠実に再現しただけなのか。設備M7の重大故障を前に、生産責任者・高瀬は、AIへ任せる判断と人間が引き受ける責任を一から問い直します。ベテラン大橋の「迷い」は若手の水野へ渡り、やが…

「AIでこの工場を変えてくれ」――従業員50人の東和精機で、生産管理責任者・高瀬直人に社長が命じた。需要予測、生産計画、在庫分析、設備保全。AIエージェント「ノア」は、ばらばらだった情報を瞬時につなぎ、工場に小さな成功をもたらしていく。しかし、営…

ロボット本体もセンサーも正常なのに、海外クラウドの認証エラーだけで工場が止まる――。フィジカルAI時代、「設備を所有すること」と「自社の判断で動かし続けられること」は同じではありません。本稿では、産業主権を「100％国産化」ではなく、依存先を把握…

「中国のスピード」と「日本の精密さ」は、どちらが優れているのでしょうか。フィジカルAIの競争を決めるのは、ロボットの国籍や部品性能だけではありません。現場で起きた失敗を誰が記録し、改善へ戻し、次の機体へ横展開するのか――その「学習循環」の主導…

ロボットを育てるのは、成功した作業だけではありません。部品を落とした瞬間、人が手を添えた理由、滑りかけて持ち直した過程――そうした「きれいではない経験」こそ、未知の変化に対応する力になります。本稿では、100回中93回の成功だけを残し、介入・失敗…

20メートルを自律移動できたロボットが、部品に触れる最後の10センチで止まる――。製造現場で真に難しいのは、歩くことよりも、対象物を傷つけずにつかみ、向きを整え、微妙な力加減で挿入することです。本記事では、部品をつかんで安定保持する「把持」や、…

AIが工場の判断を変える時代から、現実のモノを動かす時代へ。フィジカルAIは、ロボットに生成AIを載せるだけの技術ではありません。人間の実演、センサー、世界モデル、シミュレーション、学習データ、現場実装を循環させ、使うほど育てる産業基盤です。本…

需要予測、生産計画、調達、設計、品質、保全、技能承継――これまで個別に考えてきた工場の判断が、AIエージェントによって一つの閉ループにつながろうとしています。しかし、AIが助言者から実行者へ変われば、誤りは画面の中にとどまりません。最適解を追う…

ベテランの作業を動画に残せば、技能承継は完了するのでしょうか。動画に映るのは選ばれた行動であり、暗黙知が潜むのは、選ばなかった行動との境目です。本記事では、AIが熟練者の視線、音、動作、設備データを結び付け、「なぜ今変えたのか」と問いかける…

設備は、壊れる前に本当に異常を知らせられるのでしょうか。AIが「14日以内に故障する確率42％」と警告する一方、ベテランは「音も振動もいつも通りだ」と判断する――そのとき、工場は設備を止めるべきでしょうか。予知保全の本質は、故障日を言い当てること…

外観検査AIで不良品の流出を防げても、工程内で不良を作り続けているなら、それは品質改善ではなく「不良処理の自動化」にすぎません。本記事では、材料ロット、温度、湿度、設備条件など、正常範囲内で静かに重なる小さなブレをAIが捉え、不良発生前に工程…

AIが設計した製品は、本当に自社の工場でつくれるのか。強度や材料条件を満たしても、治具、作業動線、サイクルタイム、検査工程まで含めれば、現実のラインでは成立しないことがあります。そこで注目されるのがデジタルツインです。ただし、その価値は工場…

代替サプライヤーも在庫もない。そんなとき、調達できる材料や使える設備に合わせて、AIが製品そのものを設計し直す――。生成設計は、AIに自由に図面を描かせる技術ではありません。人間が目的、安全、品質、製造方法、供給条件などの「越えてはいけない線」…

海外の工業団地で停電が発生。しかし、仕入先から正式な連絡はまだ届いていない――。そんな段階でAIが、影響する部品、製品、在庫、顧客納期を結びつけ、「9日後に生産停止の可能性」「判断期限は明日15時」と知らせたら、工場の対応はどう変わるでしょうか。…

月曜日の午前8時に完成した「最適な生産計画」が、特急注文、欠員、設備停止、部材遅延によって午前10時には崩れている――。変化が絶えない工場で、AIに求めるべきなのは、決して崩れない計画ではありません。本記事では、AIが計画と実績の差を見守り、異変の…

AIに需要予測を任せれば、未来は当たるようになるのでしょうか。生成AIを使えば、ExcelのABC分析や過剰在庫の抽出は、マクロを組めなくても容易になりました。しかし、それは人間が思い立ったときに過去を振り返る「点」の活用にすぎません。AIの本当の可能…

AIを導入すれば、工場は本当に変わるのでしょうか。日報作成が速くなっても、紙への記入、Excelへの転記、人による確認、会議が残れば、仕事は減りません。むしろAIは、二重入力、曖昧な承認、部門ごとのKPI、理由のない例外まで高速化する可能性があります…

担当者が替わった瞬間、需要予測や発注の判断根拠まで失われていないでしょうか。本記事では、マニュアルや業務システムだけでは引き継げない「判断」を、定義・商品別ポリシー・例外ルール・責任と権限・判断ログ・更新履歴へ落とし込み、人が替わっても回…

「誰がこの数字を入れたのか」「なぜもっと早く止めなかったのか」――振り返りが犯人探しに変わると、現場は原因を明らかにするのではなく、自分を守り始めます。本記事では、悪い結果と悪い判断を分け、判断誤差・実行不備・報告遅延・意図的違反を切り分け…

会議を増やし、資料を詳しくしても、在庫は減らない――。その原因は、情報不足ではなく「誰が、何を、いつまでに決めるか」が曖昧なことにあります。本記事では、数字を読み上げるだけの製販在会議を、実際に在庫を動かす意思決定装置へ変える方法を解説しま…

「まだ売れるかもしれない」「廃棄すれば損失になる」――こうした言葉によって、不稼働在庫が長期在庫、戦略在庫、そして「いつか売れる在庫」へ言い換えられていないでしょうか。本記事では、保有効果、損失回避、サンクコストなど、在庫を手放せなくする心…

「2着目半額」に惹かれ、1着で十分なのに2着買ってしまう――企業のMOQや数量値引きにも、同じ罠があります。単価が下がっても、発注総額や在庫が増え、資金拘束、保管費、型落ち、値下げ、廃棄まで発生すれば、本当のコストダウンとは言えません。本記事では…

「この商品は特殊だから」「ケースバイケースだから、ルール化はできない」――在庫管理の現場で、そんな言葉を聞いたことはないでしょうか。ベテランの勘は、根拠のない感覚ではなく、顧客の注文傾向、在庫、販促、納期、過去の失敗などを瞬時に組み合わせた“…

「全商品、在庫1か月以内」――分かりやすい基準ですが、本当に適正在庫といえるのでしょうか。短期間で補充できる商品、海外調達で4か月かかる商品、売上は小さくても欠品すると主力品の出荷が止まる付属品では、同じ1か月でも意味が異なります。本記事では、…

「Forecastどおりでした」――最終予測520台、実績520台なら、予測精度は100％に見えます。しかし、3か月前は1,000台、2か月前は800台、1か月前は600台だったとしたら、その予測は本当に当たったのでしょうか。本記事では、Forecastの「更新」と「上書き」の違…

「来月は何台売れますか？」――その問いに、営業目標1,000台、過去実績620台、現実的な見通し700台、大型案件300台、正式注文420台という異なる数字が返ってきたら、どれを発注に使うべきでしょうか。本記事では、Target・Baseline・Forecast・Upside・Order…

在庫は会計上「資産」です。しかし、売れないまま倉庫に残れば、給与や仕入代金に使えない「動かない現金」へ変わります。では、なぜ在庫は増え、誰も止められず、不稼働化していくのでしょうか。本記事では、在庫がB/S・P/L・キャッシュフローへ与える影響…

工場の数字は、なぜ歪むのか。その答えは、人の弱さではなく、数字が作られる仕組みにあります。本シリーズ最終回では、需要予測、言葉の解釈、責任境界、判断ログ、KPIの歪みを統合し、「人を責めずに意思決定を変える」生産管理OSを提案します。注意喚起や…

KPIは現場を良くするために置くものです。しかし、置いた瞬間に現場は「その数字を良くする行動」へ適応し始めます。本記事では、納期遵守率・不良率・在庫金額・物流費・稼働率・粗利率が、単独で評価されることでどのように局所最適を生むのかを解説します…

DDU的な運用からFOBへ変えると、物流費は見えるようになります。しかし本当に変わるのは、費用だけではありません。船便手配、通関、書類確認、納期回答、在庫滞留、そしてトラブル時の責任境界まで、仕事のOSそのものが変わります。本記事では、貿易条件の…