ジェイビックは、製造業の利益創出を力強く支援します

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
工場長・製造部長のコスト削減マネジメント vol.193 2020.6.24
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
日本ビジネス革新コンサルティング株式会社(ジェイビック) 3,896部

省エネ・品質改善・物流のコスト削減など、利益創出体質を実現!
工場のコスト削減コンサルティングファームのコラムです。

日本全国への移動が解禁になりました。しかし第二波で再度自粛など
とならないように細心の注意が必要ですね。
今号の目次↓
────────────────────────────────
【ごあいさつ】「大型定修設備保全(SDM)業務の今後の課題」
【メインコンテンツ】AIによる品質改善実現のために 4
【お知らせ】「AIによる品質改善実現のために」セミナー
(オンラインにて開催)
────────────────────────────────

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
【ごあいさつ】「大型定修設備保全(SDM)業務の今後の課題」
────────────────────────────────
文/青木 俊造

これまで石油・化学メーカーの事業所・工場は、24時間連続の安全・
安定操業を維持するため、高圧ガス保安法などの「保安4法」や、定修
保全工事業者、非破壊検査業者などの「下請関連法令」の適用を受け、
1回/1~2~4年、1~3ケ月/回の定修工事を行っていましたが、残業時間
が月80時間を超えるケースが多かったこともあり、長時間残業の上限を
規制する「働き方改革関連法令」が昨年度から施行されると、その順守
が最大の課題となりました。

そこでJBICでは、この課題解消のため、「SDM業務の最適化」プ
ログラムをご提供することにより、SDM工程に関わる残業時間の平準
化を図りつつ、業務内容のあるべき姿を追求したり、業務規程と現状の
仕事の仕方の乖離状況を見極めながら、多くの業務の改善案を発掘、実
行案化することにより、定修業務の仕組みの改革を目指しました。

残業時間と要員数と工事工期のいわば三次元で全体最適化を追求するこ
とにより、残業時間の削減と工事工期短縮の両立化を図ります。
しかも、必要に応じて、設備保全技能の継承と教育のシステムづくりも
プログラムに織り込みます。

お蔭様で、多くの石油・化学メーカーの設備保全部門の皆様に導入頂き、
SDM業務に携わる全ての保全マン・運転マンの残業時間を80時間/月・
人以内に収めるだけでなく、定修工事工期を大幅に短縮できるようにな
った、との声をたくさん頂いております。

こうして「働き方改革関連法令」を順守することが可能になったとし
ても、本年からは新たな課題が生じています。春先からの新型コロナウ
ィルスの感染拡大防止への対応です。各事業所の定修の現場では、作業
員や工事業者などが入構する際のマスク着用や検温、消毒はもとより、
詰所や昼食時などに「3密」を防ぐなどの感染症防止対策を講じていま
すが、外出や移動の自粛を要請される中で、工事業者や検査業者が要員
を予定通り確保できなかったり、定修現場で感染者が出た場合の作業日
程の遅れなどが懸念されています。

Withコロナ時代も踏まえ、今後は、設備保全業務の中で、非定常業務
であるSDM業務の比重を小さくしておき、日常保全業務の比重を大き
くすることも課題ではないでしょうか。

その解消策として、JBICの「AI・IoT活用による設備保全支援」プロ
グラムを改めて紹介、提案させて頂きます。例えば、設備の振動の大き
さや、異常温度、異音、腐食などの診断情報を、センサー、モニター、
ロボットなどのIoTを活用し、収集したデータをAIで分析、異常を予測、
判断する状態監視保全の仕組みを現場実態に応じて構築します。

また、これまでのSDM時の設備の劣化状況や、日常の設備故障の要因
解析、或は状態監視保全による傾向管理データを通じて、設備の寿命予
測や異常に至る故障メカニズム、トラブル予測の仕組みを構築すること
を目指します。

そして、こうした日常業務での事後保全の領域を少なくし、計画保全の
領域を増やすことが、非定常業務であるSDM業務量を縮小することに
繋がります。例えば、設備の寿命予測システムにより、設備の定修時期
を見直したり、定修時に開放して初めてわかるトラブルによる追加工事
がないように、定修業務量を減らすことが可能になります。

足元の「SDM業務の最適化」プログラムにより、残業時間の削減と工
事工期の短縮を図りつつ、「AI・IoT活用による設備保全支援」プログ
ラムにより、定修業務量の削減成果をご享受頂ければ幸いです。
お気軽にご相談願います。

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
【メインコンテンツ】AIによる品質改善実現のために 4
────────────────────────────────
文/横山 真一郎

これまで述べてきたように、品質改善を行うためには、既存業務ある
いは管理方法のあり方を検討しなくてはなりません。そのためには、
部分的な業務の効率化や自動化だけでは本当の改善は望めません。

それでは品質改善のためにどのようなことが必要か整理してみましょう。
今回はビッグデータに基づく自社独自の統計的品質管理実現のための教育
について考えてみましょう。まず、次の事柄が大切です

・広義の品質管理の必要性を理解し常に意識する
・データ蓄積と活用に対する従業員の共通の理解を得る
・データのバラツキの要因究明と減少を目指す
・活用する手法の狙いを理解する

これらを推し進めるための教育が必要でしょう。知識は陳腐化してしま
いますが有効な考え方や取り組む姿勢は変わりません。

では、「自社の品質改善の取り組み方あるいはシステム化に向けて」
どのようなことが必要か考えてみましょう。まず予算についての意思決定
の権限を持つ方をトップに、そのトップの方が、必要な役割を理解して、
その必要な役割を実施するために人を配置し、それぞれに権限そして責
任を割り当てることが必要です。

まさにプロジェクトです。このプロジェクトに含まれる役割には、予算
交渉、重要な業務とそれに関わる機能の抽出、課題抽出と分析、それら
の見える化とシステムの構築や統合などが考えられます。

大切なことは、関わる方々が互いの役割や進捗を理解することです。
今回はこのような取り組みを導入するために必要なことが何かについて
考えていただくことにあります。

具体的には例えば以下のことが考えられます。共通な事柄になります。

・現状をよく観察して「現場」、「現物」、「現実」に注視する
・生産あるいは業務に対して、その「原理」、「原則」を常に考える
・統計的品質管理の有用性を理解する
・データ活用の有効性を「識別」、「予測」、「実行」の観点から理解
する
・ビッグデータを活用した分析手法の基本的考え方や機能を理解する
・全社的なデータ活用に向けて、データの取り方と蓄積方法を検討する
・プロジェクト的な体制を検討する

AIの機能や考え方を活用した品質改善活動をプロジェクトと考えて、
成功するために必要な基本的取り組みとその実行のための教育について
考えてみましょう。
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
【お知らせ】「AIによる品質改善実現のために」セミナー
(オンラインにて開催)
────────────────────────────────

円滑な企業活動を実施して、企業が社会的責任を果たしていくことは、
BCM(事業継続マネジメント)の観点から重要です。その決め手は「良品
の生産と質の良いデータの管理」です。「自分の会社の製品、サービス
において、良い製品をつくり、良いサービスを行うこと」。

言い換えれば、正しいデータを使い、正しく管理して、不良品や欠陥商
品を世の中に出さないこと、あるいは、自分中心のサービス、不誠実な
サービスをしないことでしょう。

世の中では今、企業が将来も成長、競争力を強化していくために、新
たなデジタル技術を活用して新たなビジネス・モデルを創出することに
より柔軟に改変するデジタル・トランスフォーメーション(DX)の必要
性が叫ばれています。さらに2025年までにシステム刷新を集中的に推進
する必要があると言われています。

しかし装置産業では、設備の老朽化や、熟練層から若手へのシフトに
伴う技能・技術の継承の難しさなどの問題を抱えています。そのため多
くの企業が、既存システムの保守と運用に人材を割かざるを得ず、データ
解析技術を含む最先端のデジタル技術を担う人材が確保できないでいます。
そのためなかなかビッグデータやAI(Artificial Intelligence:人工知能)、
さらにクラウドベースのサービスを利用できないでいます。

一方、昨今の品質管理や検査体制に関わる不適切な対応事例が明らかに
なる中で、企業において、改めて品質管理の在り方が問われると共に、
AIを活用した管理が検討され、成功事例も報告されるようになりました。

適切な品質管理を行うために、複雑なシステムを導入する前に、自社が
目指す方向、自社に適した手法と活用できるデータについて検討する必
要があります。

AIを活用した品質改善活動のために、ビッグデータに基づく自社独自の
統計的品質管理実現のための教育を考えてみましょう。

【主な内容】
1.新たなデジタル技術の活用
2.ビッグデータ活用技術
3.AI手法と統計的品質管理
4.自社のシステム化に向けて
【日時】
2020/ 6/26(金) 10:00~12:00 *Zoomによるオンライン方式で開催
担当講師:横山 真一郎
開催場所:オンラインにて

費用:1名のご参加につき 10,000円(消費税等込み)

支払い方法:*開催日3日前までに弊社指定銀行口座に振込
ご入金確認次第ID、パスワードを送付します。
なお振込手数料は貴社ご負担ください。

お申込方法:本メールへの返信、またはお電話で承ります。
03-3519-7337 荒柴まで(不在時は鶴田までお願いします)。

申込期限:2020月6月19日(金) 24時まで。
※参加人数により会議室を変更しますので事前申込は必ずお願いします。
※午前・午後ともに最少催行人数は3名様です。満たない場合には
開催を取りやめる場合がございますので、あらかじめご了承ください。

────────────────────────────────
編集後記
────────────────────────────────
青木:コロナ禍による緊急事態宣言も解除され、ようやく不要不急の外
出の自粛や県を跨いだ移動の制約もなくなりましたが、100年前の
スペインかぜの全貌を活写した米国のアルフレッド・クロスビー
の『史上最悪のインフルエンザ』を読めば、変異した強烈な第二
波が来そうな気がしてなりません。今はこれまでの政府や自治体
の対策を検証しながら、第二波に備えることが肝要ではないでし
ょうか。

横山:新型コロナウイルスの感染で、仕事の進め方をはじめ世の中の動
きが大きく変わりそうです。大学入試科目に「情報」が加わるよ
うになったことからわかるようにも、これからはデータ活用技術
がますます大切となるでしょう。また、これからのコミュニケー
ションや教育の変化にも興味があります。
────────────────────────────────

メルマガの感想・要望があればぜひ、こちらへお願いします!

E-MAIL:< tokyo@jbic.co.jp >

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
工場長・製造部長のコスト削減マネジメント
────────────────────────────────
省エネ・品質改善・物流のコスト削減で利益創出体質を実現!
工場のコスト削減コンサルティングファームのコラム。
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
■発行人:日本ビジネス革新コンサルティング株式会社 荒柴宏充
公式サイト:< https://jbic.co.jp/ >
E-MAIL:< tokyo@jbic.co.jp >

※社内・取引先・ご友人などへの転送はご自由にどうぞ。
ただし、無断転載は厳禁です。出所を必ず明記してくださいね。
—————————————————————-
■広告や記事中でご紹介している商品・サービスに関してのトラブル等
について当方では一切責任を負いかねます。ご自身でご判断下さい。
■購読・解除は、ご自身でお願いいたします。こちらから出来ます。
独自配信 → https://i-magazine.jp/bm/p/f/tf.php?id=jbic
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

back_backnumber

メールマガジン

PAGETOP
Copyright © 2004-2016, Japan Business Innovation Consulting Co.,LTD. (JBIC) All rights reserved.