製造現場では、設備制約、行程順序、優先順位など、複数の条件を考慮しながら計画を立てる必要があり、スケジュール作成は高度な判断を伴う業務となります。本プロジェクトでは、この複雑な計画業務に対しAIを導入し、自動化・効率化を実現しました。
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
属人的かつ専門的な生産計画の立案に多大な時間を要していた
多数の制約条件や優先順位を考慮した、生産計画自動生成AIの作成
1日当たり6時間ほどかかっていた生産計画立案を、1分以内に終了させることを実現
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。

製造現場では、単に製品を順番に作ればよいわけではなく、どの品番をどの順序で製造するかが生産効率に大きく影響します。製造順序によっては、設備の切り替えに伴う工程間の待機時間が発生し、生産全体の効率低下につながるためです。そのため、効率的な生産計画を立てるためには、複数の条件を考慮しながら最適な順序を検討する必要があります。
しかし、このような工程調整は複雑であり、現場経験やノウハウをもとに人が判断して計画を作成しているケースも少なくありません。考慮すべき情報が多くなるほど組み合わせは膨大になり、最適な計画を人手で導き出すには多くの時間と負荷がかかります。
こうした背景から、本プロジェクトでは、製造順序の最適化を支援し、生産効率の向上につながる仕組みとしてAIを活用した自動計画生成の可能性を検討しました。
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。
上記も示した通り、製造現場では、どの品番をどの順番で製造するかによって、生産効率が大きく変化します。しかし、効率的な順序を導き出すには、多数の条件を同時に考慮しながら膨大な組み合わせを検討する必要があり、人手の対応には限界があり、以下のような課題がよく議題に挙げられていました。
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。
本プロジェクトでは、難解な要件を達成できるかを検証するPoC開発を先に行い、その成果が認められたうえで実際に現場運用可能なWebアプリの開発を順序だてて行いました。
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。