自動車部品の生産現場では、生産順序の組み方一つで生産効率や欠品リスクが大きく変化します。しかし実際には、在庫状況や金型制約、段取り替えなど数多くの条件を考慮する必要があり、現場経験に依存した判断が行われていました。
本プロジェクトでは、生産順序を自動で最適化するAIアルゴリズムを開発。欠品リスクを最小限に抑えながら、生産効率（GSPH）の向上と現場制約の両立を実現しました。
対象業界、解決した課題、現在のフェーズ、採用したソリューションと得られた結果を、まずはサマリとしてまとめています。
大手自動車部品の製造業のお客様
生産順序は現場の熟練者が経験をもとに決定していましたが、考慮すべき条件が多く、人によって品質がばらつく状態でした。さらに突発的な割込み生産にも迅速に対応する必要があり、生産性と安定稼働の両立が課題となっていました。
在庫直数、生産数量、段取り時間、金型制約、残材制約など現場ルールを考慮した生産順序最適化アルゴリズムを構築。さらに割込み生産にも対応し、制約を維持したまま短時間で最適な順序を再計算できる仕組みを実装しました。
33直分の実績データで検証した結果、評価対象では欠品ゼロを達成し、平均GSPHを約4.98%改善しました。また全33直で金型違反・残材違反をゼロとし、突発割込み時も制約違反なく再スケジューリングできることを確認しました。
なぜこのプロジェクトが立ち上がったのか、その背景を整理します。
生産順序は単純に効率だけを考えればよいものではありません。在庫不足を避けながら、金型交換や段取り時間、各種現場ルールまで考慮する必要があり、熟練者でも最適解を導き続けることは容易ではありませんでした。現場では改善の余地があると分かっていても、膨大な組み合わせを人手で検討することには限界がありました。
過去の課題や、これまでの方法で解決しきれなかった理由を明確にします。
在庫状況だけでなく、金型、残材、北限定品番、段取り時間など多くの条件が存在するため、一つの条件を満たすと別の条件が悪化するケースが発生していました。また、突発的な割込み生産が発生すると、生産順序を短時間で組み直す必要があり、現場負荷も大きくなっていました。
クライアントが抱えていた状況と、それに対して弊社が提供できる強みの両面から整理します。
基本方針から提案ポイント、発注者にとっての価値、そしてなぜこの方法を選んだのかという判断根拠までを順に示します。
効率のみを追求するアルゴリズムではなく、現場で実際に運用できることを重視しました。既存の運用ルールを尊重しながら改善できる設計とし、説明可能性も確保することで現場への導入ハードルを下げています。
本プロジェクトで我々がスクラッチから設計・実装したコンポーネントを、主要なものから順に列挙します。
モデルが判断を行うために必要なデータと、その形式・取得元を整理します。
推論結果としてどのような形でデータを外部へ渡すか、その形式と活用法を示します。
社内系統及び外部サービスとの接続点と、その接続方式をまとめます。
見えずらい部分で効いた設計・実装上のポイントを大きなものから順に記します。
キックオフから本番稼働までに要した期間と、本プロジェクト全体の費用感をまとめます。
