【ワイヤーハーネス工場のMPS 6】最適化AI導入ステップと成功のポイント

2026.07.17A1:生産計画・スケジューリング , S07:Auto MPS: 基準日程生産計画を最適化したい

年間5億6,500万円の効果試算が出た。それでも、最後の一歩が踏み出せない――。この「わかっているのに動けない」という感覚こそ、ワイヤーハーネス工場の現場が抱える、最もリアルな葛藤です。

「数字は出た。でも怖い」——4人が語った本音

ある工場で、こんな会話が繰り返されていました。

工場長・笠原さん Returnの数字は見た。7%の在庫削減だって、控えめに見積もったはずだ。でも……3,500品番を毎日捌いている現場で、本当に欠品ゼロを維持できるのか。そこだけが頭から離れない。

営業・國分さん お客様からの急な設計変更や追加注文、しょっちゅうあります。「在庫上限を厳格化します」と言われると、あのときどうするんだろうって不安になります。

生産計画担当・今岡さん 正直に言うと、かみむらさんが月1回かけてやる計画を、私が週次・日次で本当に回せるか……自信がないんです。あの計画って、10年分の勘が詰まってるじゃないですか。

ベテラン・上村さん 俺の仕事がなくなるとは思っていない。ただ、自分がやってきたことをシステムに置き換えられたとき、本当に現場が回るのか……それが気になってる。

この4人の本音は、工場ごとに言葉こそ違えど、日本中のワイヤーハーネス工場で語られている言葉と重なります。

なぜワイヤーハーネス工場は「欠品恐怖」から逃れられないのか

ワイヤーハーネスは、自動車や産業機器の「神経系」です。1本欠けるだけで、完成品ラインが止まる。そのプレッシャーが、長年にわたって現場に染み込んでいます。だから在庫過多という選択は、ある意味で合理的な「保険」でした。

3,500SKUという超多品種対応の現場では、何が来ても対応できるよう安全在庫を厚く積む。その結果、倉庫は常にパンパンで、棚卸資産は膨らみ続ける。それが「正しい管理」として長年定着してきたのです。

今回の適正在庫への移行は、その「保険」を圧縮することを意味します。「7%削減」という数字は控えめに見えますが、現場の体感では「在庫の薄い棚を毎日見ながら仕事をする」という心理的変化を伴います。数値よりも、この感覚の変化が怖い——それが躊躇の正体です。

「達人の勘」はデータだった——属人化の正体を解く

上村さんが1か月かけてまとめてきた基準日程計画（MPS）。それは本当に「勘」だったのでしょうか。

実際には違います。彼の頭の中には、品番ごとの季節変動パターン、顧客別の発注リードタイム、ラインのボトルネック箇所、過去の欠品事例と対処法——これらが体系的に蓄積されていました。それは「勘」ではなく、構造化されていないデータだったのです。

AIが苦手とするのは「未経験の事象」です。しかし、3,500品番の過去実績、リードタイム、需要変動——これらは過去データとして必ず存在します。属人化の本質は「データが人の頭の中にある」ことであり、それをシステムに移行することは「達人を複製する」ことに他なりません。

POINT 上村さんが月次で行っていた計画作業の約70%は、データ照合・前回との差分確認・優先度の並び替えという「処理業務」です。AIが担うのはまさにこの部分。残り30%の「例外判断」こそ、かみむらさんの経験が活きる領域になります。

つまり、上村さんの役割はなくなるのではなく、月次の計画作業員から週次・日次の例外判断者へと進化します。これは格下げではなく、高度化です。

計画サイクルを「月→週→日」に縮める意味

現在の月次計画サイクルの最大の弱点は、「誤差が1か月間修正されない」ことです。需要が急増しても、翌月の計画改訂まで対応できない。その空白を埋めるために、現場は「念のため在庫」を積んできました。

計画サイクル短縮により、週次なら誤差の修正機会が月4回に増えます。日次ならば翌日には対応できる。これは「在庫を減らしても欠品しない」という命題への直接的な答えです。

國分さんが心配する急な設計変更や追加注文も、日次サイクルであれば翌日の計画に即座に反映できます。月次では「今月はもう計画変更できません」という場面が発生していたはずですが、週次・日次ではそれが原則なくなります。

今岡さんが感じる「毎日計画をするプレッシャー」も、実態を見れば変わります。月次計画は「ゼロから積み上げる大仕事」でしたが、日次計画は「前日計画の差分修正」です。AIが計画案を自動生成し、今岡さんはそれをレビューして承認する。作業時間で言えば、月次に比べて1回あたりの負荷は大幅に下がります。

成功する導入の6ヶ月ロードマップ

笠原さんが最も知りたいのは「具体的にどう進めるか」です。以下の4ステップで、6ヶ月以内に並行稼働まで完了できます。

STEP 1｜推進体制の立ち上げ（1ヶ月目）

笠原さん（工場長）をオーナーに、國分さん（営業）・今岡さん（計画）・上村さん（ベテラン）の4名を推進コアに据えます。役割は「決める人・使う人・教える人・検証する人」を明確に分担。外部ベンダーとのキックオフ、スコープ確定、KPI設定（在庫削減率7%・計画工数△60%・欠品率現状維持）を完了します。

STEP 2｜データ連携開発・マスタ整備・PoC（実証実験）（2〜5ヶ月目）

最も時間をかけるべき工程です。既存ERPや生産管理システムとのデータ連携開発を行い、3,500SKUのマスタデータを精査・整備します。並行して20〜50品番を対象に**PoC（実証実験）**を実施。AIが出した計画案をか上村さんが検証することで「AIの精度」と「上村さんの知見」を突き合わせ、モデルを育てます。このPoCの結果が、現場の「信頼感」を醸成する最大の武器になります。

STEP 3｜運用試験（並行稼働）（6ヶ月目）

従来の月次計画とAIによる週次・日次計画を同時に動かし、差異を比較します。「AIが出した計画で欠品が起きないか」「上村さんの計画との乖離はどこか」を数値で確認します。並行稼働期間は最低1ヶ月。このフェーズで現場の「体感」が変わります。いまおかさんの不安を解消できるのは、この段階での小さな成功体験の積み重ねです。

STEP 4｜運用開始と継続改善（7ヶ月目〜）

本番稼働後は「計画精度の継続モニタリング」に移行します。毎週の計画結果を振り返り、外れた品番・外れた理由を分析してモデルを更新します。上村さんの役割はここで最も輝きます。AIが見落とした「現場の文脈」を教え込む教師役として、彼の10年の経験がシステムに宿っていきます。

「PoC」が最大の保険になる理由

「移行できるのか」という不安の根本は、「失敗したときに戻れるか」という問いです。だからこそ**PoC（実証実験）**の設計が重要になります。

2〜5ヶ月目のPoC期間中、工場の本番ラインは従来通り動き続けます。AIの計画は「影の計画」として動き、現場への影響はゼロです。上村さんが「AIの提案がおかしい」と判断すれば、そのまま従来計画を使えばいい。PoCはあくまで検証の場であり、リスクを負う場ではありません。

このフェーズで確認すべき数字は3つです。

1. AIの計画と実績の乖離率（目標：主要品番で±10%以内）
2. 計画立案にかかる時間（目標：月次比△60%）
3. 仮想的な欠品リスクシミュレーション結果（適正在庫設定での安全係数検証）

これらが揃えば、笠原さんは「数字で判断できる材料」を手にすることができます。

上村さんの経験を「資産」に変える

最後に、最も重要な視点をお伝えします。

多くの工場で、ベテランの退職とともに「計画の精度」が落ちるという現象が起きています。10年・20年かけて蓄積された属人化した知恵が、引き継がれずに消えていく。これは工場にとって、目に見えない巨大な損失です。

今回の導入は、上村さんの知恵をシステムに写し取る、最後のチャンスかもしれません。PoCを通じてAIと上村さんが対話を重ねることで、彼の経験は「個人の記憶」から「工場の資産」へと変わります。

今岡さんも、月次計画の作業員としてではなく、「AIの精度を管理する計画マネージャー」として成長する機会を得ます。國分さんが感じる「急な変更への対応力」は、日次サイクルによって劇的に向上します。そして笠原さんは、5億6,500万円のReturnを「数字」から「現実」に変えるプロセスを、ステップごとに確認しながら進むことができます。

「最後の一歩」は、リスクを取ることではない

躊躇の本質は「失敗への恐怖」です。しかし今回の設計は、最初から失敗しないための構造になっています。継続改善の仕組みを内包したロードマップ、PoCによる段階的検証、並行稼働による安全網——これらは「万が一」を想定した設計ではなく、「必ず成功させる」ための設計です。

3,500品番の超多品種対応、欠品ゼロへの責任、ベテランの知恵の継承——これらはすべて、今回の導入を「やるべき理由」ではなく「やれる理由」として再解釈できます。

笠原さん、國分さん、今岡さん、上村さん——あなた方4人が今感じている不安は、導入を諦める理由ではなく、正しく設計するための問いです。

5億6,500万円のReturnを「試算値」のままにしておくことと、6ヶ月間のPoCを通じて「現実の数字」に変えることと、どちらのリスクが高いか——今一度、問い直してみてください。

タグ : PoC（実証実験） ボトルネック解消 並行稼働 基準日程計画（MPS） 属人化 欠品リスク 継続改善 計画サイクル短縮 超多品種対応 適正在庫