機械学習で部品調達リスクを予測し、安定した生産を可能に。
新たなデータ活用プロジェクトを成功させるためのポイント

目的

部品納入の欠品や遅延というサプライチェーンリスクを予測し、それを回避して安定した生産を維持したい

課題

業界・社内でも事例がなく、どのようなデータを使い、どのようなモデルを構築すれば成果が出せるかわからない

効果

実証実験では96%の精度で欠品率を当てるモデルを実現し、本番運用に向けて準備を進行中
調達部署における部品調達の効率化、安定した生産計画への貢献を目指す

「部品調達のリスク予測」は新しい領域への挑戦
情報が少ない中でモデルを作る技術と発想力、
現場を巻き込むことが成功の要因

画像解析や制御最適化等に関する技術を持ち、社内に「AI課」も構えるＦＵＪＩ。内製で進めるデータ活用と並行して、外部からの新しい視点を期待する分野ではスタートアップとのオープンイノベーションにも取り組んできた。

ＦＵＪＩ製品例　電子部品実装ロボット「NXTR Aモデル」

鬼頭様：多くの製造業企業と同じく、安定した生産のために、部品の調達リスクを予測して事前に回避したいというニーズが当社にもありました。今までの基板の発注データと納入データを使えば「どの部品が入らないからこの基板が生産できていない」というのがわかるのではという構想が、このプロジェクトの始まりでした。

活用できそうなデータはあるものの、データベースとしては管理できていないという状況で、DATAFLUCTにはデータ整理の仕方からアドバイスをいただきました。

町田：製造業における機械学習の活用として「部品の欠品予測」が一般的でなく、先行事例がほとんどないというのが、このプロジェクトの最初の課題でした。

どのようなデータがあれば予測モデルが作れるか。正解とされる教師データがないところから、どう教師データを作るか。参考にできる情報が少ない中、社内で方法を検討し、ＦＵＪＩに蓄積されている発注データと納品データを組み合わせて教師データを作ることに挑戦しました。

この点については、ＦＵＪＩ側でデータ前処理をしっかりと準備いただけたのも、スムーズにプロジェクトを進められた理由だと思います。データの整理に時間かかり、モデル作成に取り掛かるのが遅れるというケースもよくあるんです。

株式会社DATAFLUCT プロダクト事業本部 開発ユニット 町田 順次

鬼頭様：ＦＵＪＩ社内の協力体制があったのもよかったですね。私自身、部品調達に対する知識がそれほど深くなかったので、調達部から情報を吸い上げて進めないといけないと感じました。

ドメイン知識を深めた上でモデル構築し、
96%の精度で欠品率を予測
期待以上の高精度の結果を、ビジネスに有効活用したい

町田：予測モデルの構築は、特徴量の検討がポイントです。今回であれば、欠品予測のためにどのような情報が必要で、発注データ・納品データからその情報をどのように作るか。ＦＵＪＩ様とのディスカッションを重ね、この業界に関するドメイン知識を深めながら、特徴量を検討したので、高い精度を出せたのだと思います。

ＦＵＪＩ様のニーズに合う分析結果を出すための工夫の一つが、予測実施時点の90日前、120日前など過去に遡って遅延や納品の実績をとり、動的な特徴量を作った点です。ある日に予測して、また後日予測すると、より精度の高い予測が可能になるというものです。

鬼頭様：パートナーにいかにドメイン知識を理解してもらうかが、こうした協働プロジェクトの肝だと思っていましたが、DATAFLUCTとの取り組みでは、ここの認識が最初から揃っており、効率的に時間を使うことができたのがよかったですね。今回のモデル構築に役立っただけではなく、ＦＵＪＩの事業領域のデータ活用について深い議論ができ、我々の知見にもなったと感じます。

PoCの成果については、基本統計量などのデータも見せていただきました。きちんと基礎分析がされている点や、そこから非常に有効な特徴量を見つけてくれたことがわかりました。結果的に、実証実験では96%の精度で欠品率を当てることができましたが正直そこまで高精度になるとは思っていなかったので、シンプルにDATAFLUCTは「分析力がすごい」と感じました。

町田：今回のPoCでは3種類のモデルを作って精度を比較しましたが、どのようなモデルなら高い精度が出せるかを明らかにできました。3種類のモデルで出せる結果はそれぞれ異なるので、実際ビジネスで使う際にどのようなアクションをしていくかが次の課題ですね。

（写真中央）株式会社ＦＵＪＩ イノベーション推進部 第2課 課長 神谷 一光様

神谷様：非常に良い結果が得られたPoCだったと思います。この結果をＦＵＪＩのビジネスサイドでしっかり活用することで、必ず当社にとって価値があるものになると感じています。得られたものをビジネスにどう落とし込むか、引き続きDATAFLUCTチームと相談していきたいです。

「AIプロジェクト」のパートナー探しは難しい
チームの実力を見極め、期待値のすり合わせができ、
今後への期待が感じられるPoCだった

神谷様：外部パートナーとプロジェクトを進める際のハードルとして、お互いの文化の違い、技術や知識の違い、スタートアップと事業会社の考え方の違いがあります。開発、意思決定、契約など、スタートアップのスピード感をしっかり理解した上で、プロジェクトを進めることが大事です。

協働プロジェクト成功のポイントは、「こんなプロジェクトをやりたい」と言うだけではなく、事業担当者がコミットし、完成までのイメージを描くこと。PoCだけではなく、事業化のイメージも持ちながら進めることが大事だと思います。

町田：「丸投げ」のような関係性だとドメイン知識のキャッチアップが難しくなりますし、事業会社側の社内で合意が取れていないと、プロジェクトの方針がコロコロ変わってしまう。ＦＵＪＩ様は、「一緒にプロジェクトを進めていく」というスタンスで向き合ってくださったので、プロジェクトをスムーズに進められました。

株式会社ＦＵＪＩ 取締役 執行役員 五十棲 丈二様

五十棲様：さまざまな新規事業を展開してきましたが、社内だけでずっとやっていると、アイデアが固まってしまう部分もあります。ＦＵＪＩが持つデータを分析して新しい価値を見つけるためには、外部からの新しい視点が欲しいと思っていました。

シリコンバレーに5年ほど駐在し、海外スタートアップとの取り組みも含めてAIプロジェクトを担当してきましたが、AIという領域は見えないし「一番わかりづらい」と感じます。どんなスキルがあればどんな結果が出るか、というのがわからない。メーカーなどであれば、パートナーと物差しを共通化できますが、AIはそこが難しいですね。

株式会社DATAFLUCT 代表取締役CEO 久米村 隼人

久米村：そういう意味でも、今回ＦＵＪＩ様とのPoCを経て、業務への実装という次のステップに進めることになり嬉しいです。プロジェクトを進める中で、DATAFLUCTはパートナーとしてどのような印象でしたか？

五十棲様：今回スモールスタートでPoCをして、チームを見ることができたのと、期待値のすり合わせができたのがよかったなと感じます。外部パートナーとプロジェクトを進める中で、こちらが「こういったことはできますか？」と投げかけたことに「できます」と返ってくるものの、期待した成果とは違うというケースもあります。

DATAFLUCTとのPoCでは、まずこちらの困りごとを説明して、「DATAFLUCTならこの期間やリソースで、このような結果が出せます」というスタンスだったのが、誠実だしわかりやすくてよかったですね。

外部の新しい目線が欲しいと思った時に、「請負での受発注」という関係性ではそうした発見を得られない。「何ができるか？」という上流の部分から一緒に会話できるパートナーを選ぶ必要があります。こちらの困りごとを話して、どう解決できるかを話し合わないと成功できないと思います。

 DATAFLUCTは、そこが期待できる、次はこういう案件もやってみたいなと感じる企業だった。なので、今回の部品調達リスク予測を含めて、他にも協業の可能性を検討するというステップに進んでいるんだと思います。

FA領域を超えて、新規事業に挑戦し続けたい

久米村：製造業界では、外部にデータを共有するのにハードルがあると考える企業が多い。実は、DATAFLUCTも製造業の取り組み事例はまだ少なく、ＦＵＪＩ様との商談も「新しい業界の企業とデータ活用に挑戦したい」という思いで臨んだのを覚えています。生産設備からどういう種類のデータが取れるのかなど、このプロジェクトを通して学ばせてもらっている最中です。

五十棲様：DATAFLUCTにもそういう学びがあり、ＦＵＪＩにも「こんな視点でデータを分析して価値に変える、データをビジネスにするやり方があるのか」という学びがあるといいなと思います。お互いに請負ではない関係性を作りたいですね。

ＦＵＪＩが得意とするファクトリーオートメーションの領域には、既に多くのデータがあり、「人間的でデータが取れていなくて、まずはデータ化から始めましょう」という業界とはそこが違う。一方で、コンベアの状態などカバーの中で動く世界から一歩出れば「人の流れ」や「モノの流れ」や「物流の遅れ」などの不確定要素が増えます。どこに着目して分析したら新しい価値が出るかわからない部分もあり、可能性があると感じています。

DATAFLUCTには、ファクトリーオートメーション領域だけではなく、「既に持っているデータの活用」という形にもこだわらず、いろんな視点でアイデアが欲しいと思っています。

久米村：介護ロボット、リサイクル分別ロボットなど、ロボット技術を応用した新規事業を積極的に進められていますよね。社会課題の解決に貢献することを軸に事業開発をされているのは、DATAFLUCTの理念である「サステナブルアルゴリズムの社会実装」とも近いなと感じています。今後も一緒にいろいろな取り組みを進めていきたいですが、ＦＵＪＩ様としては次はどんな新規事業を考えていますか？

五十棲様：いま飛地的に展開している事業を、組み合わせて考えていきたいです。自社でやっている分、データから見える価値も出しやすいのではないかと思います。

ＦＵＪＩの事業開発の一番の特徴は「早さ」です。私と他の役員のラフな会話で新規事業が始まることもあり、移乗サポートロボット「Hug」などもそうです。半年で試作品を作り、1年あれば、粗い状態だが市場に提供できる。そこから磨いていくというのがＦＵＪＩのやり方です。これからもこのスタンスで、アイデアから価値を出したり、データを分析して価値を出していくことで、世の中に貢献していきたいです。