生産計画が「特定の人の頭の中」になっていないか
諏訪・岡谷の精密部品や機械部品の製造現場では、1日に何十種類もの品番をこなし、納期も仕様も顧客ごとに異なります。これが日常の景色です。
こうした多品種少量の現場で、生産計画と工程管理を担うのは多くの場合「経験を積んだ特定の担当者」です。ExcelとホワイトボードとAさんの頭の中にしか存在しない計画が、毎朝の朝礼で共有される。急な割込み受注や設備トラブルがあると、Aさんが即座に計画を組み直す。
この仕組みは、Aさんがいる間は機能します。しかし定年・異動・病欠で崩れやすく、毎朝の計画変更に時間が取られ、「なぜその順序か」が記録されないため引き継げない。これが、製造現場の生産計画における根本的な課題です。
AIを生産計画・工程管理に入れると、この構造のどこが変わるのかを整理します。
AIが生産計画・工程管理に持ち込むもの
AIの活用は、生産計画の各フェーズで役割が異なります。
① スケジューリングの自動最適化
受注情報・在庫情報・設備の稼働状況・工程ごとの標準工数──これらのデータを入力として、AIが「どの順番で何をいつ作るか」を自動的に組み立てます。
人が経験と勘で30分かけてやっていた計画組みが、数秒から数分で候補として出てきます。「この順番だと段取り換えが最小になる」「この配置なら残業を抑えられる」といった最適化が、瞬時に複数案として提示されます。
「AIが決めた計画をそのまま使う」ではなく、「AIが候補を出し、担当者が判断して確定する」という形が現実的な運用です。
② 負荷・能力のバランス確認
受注が重なった週と閑散期の落差、特定の設備だけへの負荷集中──こうした問題は、計画を立てた後でないと気づきにくいものです。
AIは受注データをもとに「来週の設備Aは定時内に収まらない」「工程2の担当者が火曜だけ過負荷になる」といった問題を、事前にシミュレーションで表示します。後手で残業を決めるのではなく、先手で計画を修正できます。
③ 納期シミュレーション
「この受注を取った場合、既存の受注をさばきながら〇〇日に間に合うか」──この問いに即答することが、受発注担当者には求められます。
AIが在庫・工程・設備・人員をまとめて考慮し、「間に合う/間に合わない」「どこに調整余地があるか」を即座に計算します。「2〜3日考えてからお返事します」が「その場で回答できる」に変わります。
多品種少量の現場でAIが機能する条件
多品種少量生産は、生産計画AIにとって難易度が高い環境です。品種が多いとデータが分散し、品番ごとの標準工数が整備されていないとシミュレーション精度が落ちます。
AIがその力を発揮するには、次の条件が整っていることが前提になります。
工程と標準工数がデータとして存在する
「品番Aは工程3を12分、工程5を8分」という工数データが記録されていないと、AIは計算できません。ExcelでもERPでも構いませんが、入力されている必要があります。「なんとなく分かっている」は、AIには伝わりません。
実績データが蓄積されている
標準工数と実際の出来上がり時間のズレを記録し続けることで、AIの計算精度が上がっていきます。実績を記録していない現場では、まずその習慣づくりが最初のステップです。
受注情報・在庫情報がリアルタイムで参照できる
計画を動かすには「いま何が来ているか」「いま何がどこにあるか」のデータが必要です。紙の受注票や手書きの在庫帳では、AIとのデータ連携が成立しません。
AIが担う部分と、人が握るべき部分
AIを入れても、現場の判断がゼロになるわけではありません。役割の整理が、導入後の定着を左右します。
計算と最適化はAIが担い、判断と交渉は人が握る──この分担が機能することで、担当者は「計算に追われる時間」から「判断に集中する時間」に移行できます。
特に重要なのは「現場体感によるデータ補正」です。AIは「標準工数60分」と計算しても、実際には段取りの関係で70分かかる工程があります。この差を経験で知っている担当者が補正を加えることで、AIの計画は現場で使えるものになります。
まず何から手をつけるか
生産計画AIを「いきなり全品番・全工程に展開する」のは、準備なしには機能しません。次の順序で進めます。
ステップ1：現状の見える化
品番ごとの工数実績をデータとして記録し始めること。これが最小の出発点です。ExcelでもGoogleスプレッドシートでも構いません。「記録する」という習慣を作ることが先です。
ステップ2：最も手間のかかる品番群から絞り込む
ロット数が多い、段取り換えが頻繁、担当者の記憶への依存が最も高い──こうした品番・ラインを一つ選んで、AIによるスケジューリングを試します。全体への展開はその後です。
ステップ3：精度を上げていく
実績とAI計画のズレを確認しながら、標準工数を修正し、精度を高めていきます。精度は使い始めてから上がるものです。最初から完璧を求めると、一歩も踏み出せません。
私たちの進め方
生産計画・工程管理のAI活用は、ツールを導入するだけでは動きません。「どのデータが使えるか」「どの工程から始めるか」「標準工数をどう整備するか」──この設計が精度と現場定着を左右します。
私たちは、現状の生産計画の実態を整理するところから支援します。効果が見込めない場合はその旨をはっきりお伝えします。長野・岡谷・諏訪の製造現場からのご相談をお待ちしています。