【自動車ドアモジュール工場のMPS 6】最適化AI導入ステップと成功のポイント

2026.07.29A1: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 , S08:金型や治具を使う工程で納期遅れと段取りを最少化したい

あなたの工場も、「分かってはいるが、動けない」を繰り返していませんか？

「リターン試算をすると、約5億円／年が出る。それは分かっている。でも、動けない」

こんな経営判断の膠着を、私は何度も見てきました。ドアモジュール工場では特にその傾向が強い。なぜなら、この工場の生産計画は、他の部品工場と比べて「異様に複雑」だからです。

金属プレス・機械加工・表面処理を経る金属ルート、射出成形・仕上げを経る樹脂ルート、SMT（表面実装）で完結する電子ルート——この3ルートがすべて揃わなければサブアッシーに着手できないという3ルート律速の構造。さらに左ドア・右ドアのセット品、グレード違いのペア品が絡むセット品マスタの複雑性。加えて、サービスパーツ（SP）は左ドア側の需要が右ドアの2〜3倍にのぼる不均一需要の現実。

これらを同時に見ながら、月次で計画を回しているのが、今のあなたの工場の実態ではないでしょうか。

そして、それを一手に引き受けているのが「あの人」です。

「上村さんがいるから、今のところは大丈夫」の危うさ

ある月曜朝、東海工場の会議室でこんな会話がありました。

「上村さん、今週のサブアッシーラインの段取り、電子基板の入荷が2日ずれ込んでも、先行で着手できる品番はありますか？」

今岡さんがそう問いかけると、上村さんは少し考えてから答えました。

「品番A-223とA-227は金属ルートが先行で終わってるから着手できる。ただし樹脂ルートが今週中に終わらんと週末の組み付けに間に合わへん。あと、A-229はセット品のペア側——左ドア用の在庫が今ギリギリやから、今週は右ドアだけ先に流すのは危険やで」

笠原工場長が静かに言いました。「上村さん、その判断、マニュアルに書けますか？」

上村さんは苦笑いしました。「……書けますけど、書き切れんですよ。例外が多すぎて」

國分さんが手元のメモに目を落としながら続けます。「工場長、この工場の在庫保有コスト、年間14億円ですよね。上村さんがいる間は何とかなる。でも、この状況があと何年続くと思いますか？」

誰も答えませんでした。

「月次でやっと回せている計画を、週次・日次に変えられるのか？」という問いの本質

読者の皆さんが抱えている最大の疑問は、おそらくここに集約されます。

「特殊な達人依存リスクの業務を、本当にAIで代替できるのか？」

答えは、「代替するのではなく、構造化する」です。

上村さんが頭の中でやっていることを分解すると、実は3つのことしかしていません。①3ルート律速の進捗を見て最も遅いルートを特定する、②セット品マスタのペア関係から同時完了のタイミングを逆算する、③SPの安全在庫動的設定を需要実績から都度更新する。

この3つは、人間の勘と経験に見えて、実はルールとデータで記述できる構造です。そして、最適化AIはこの構造を数百品番・数十工程に対して同時に、しかも週次・日次サイクルで実行します。かみむらさんが月次でやっと回しているのは、処理量の問題であり、判断ロジックの問題ではないのです。

「月次でやっとを、週次・日次に変える」——これは能力の問題ではなく、計算量の問題です。だから、AIで解ける。

6ヶ月で完了する導入ステップ——「何から始めるか」を明確にする

では、具体的にどう動けばいいのか。成功事例を踏まえると、6ヶ月間のステップに整理できます。

STEP 1：推進体制の立ち上げ（1ヶ月目）——「誰が旗を持つか」を決める

最初の1ヶ月でやることは、一つだけです。推進体制を作ること。

工場長が旗振り役、生産計画担当者（今岡さんのような方）が実務推進、情報システム部門がデータ連携担当、そして外部の導入支援者——この4者が週次で集まれる体制を作ります。失敗事例のほとんどは、「誰かがやるだろう」という体制の曖昧さから始まります。予算は会議体の運営コストのみ、投資ほぼゼロで始められます。

STEP 2：データ連携開発・マスタデータ整備・PoC（2〜5ヶ月目）——「達人の頭の中を形式知化する」

この4ヶ月が、導入の核心です。

まずマスタデータ整備。セット品・ペア品の関係、3ルート律速の工程順序、安全在庫動的設定の基準——これらをシステムが扱えるデータ形式に落とし込みます。ここでかみむらさんに登場してもらうことが、実は最大の成功因子です。「マニュアルに書けない」と言っていたかみむらさんの暗黙知を、ヒアリングと実データ分析で引き出す作業です。

目安として、品番数500〜800点規模のドアモジュール工場なら、マスタ整備に6〜8週間、データ連携開発に4〜6週間が標準です。

そしてPoC（実証実験）。過去3ヶ月の生産実績データを使って、AIが算出した計画とかみむらさんの実計画を比較します。「この品番でAIはこう計画したが、自分はなぜ違う判断をしたか」——この比較作業が、マスタの精度を急速に高めます。ある工場では、PoCの比較作業2週間で、在庫精度が従来比40%改善しました。

今岡さんが言いました。「PoCをやってみて初めて、自分たちがどれだけ属人的な運用をしていたか分かりました。かみむらさんが当たり前にやっていたことが、実は他の誰も理解していなかった」

STEP 3：運用試験・並行稼働（6ヶ月目）——「切り替えへの怖さ」を解消する

最も不安が大きいのが、この切り替え期です。でも、並行稼働という手法が、その不安を解消します。

1ヶ月間、現行の手動計画とAI計画を同時に走らせます。毎週月曜日に両者の計画を比較し、差異が生じた品番について理由を分析する。この作業を繰り返すと、「AIの計画の方が合理的だ」と現場が実感する瞬間が必ず来ます。

上村さんが静かに言いました。「正直、最初は負けたくなかった。でも、金属ルート律速の品番で、自分が見落としていた工程待ちをAIが正確に拾ってきたときは、素直に認めました」

並行稼働期間中は、週次サイクルから始め、日次への移行は現場の習熟度を見ながら段階的に行います。

STEP 4：運用開始と継続改善（7ヶ月目以降）——「達人がいなくなる日」への備え

7ヶ月目以降、計画業務の主体はシステムに移ります。今岡さんの役割は「計画を作る人」から「計画を検証・改善する人」に変わります。

重要なのは、ここからが本当のスタートだということです。在庫保有コストの削減は、継続的なマスタの精度向上によって積み上がります。初年度の削減効果が2〜3億円だったとしても、2年目・3年目と改善を重ねることで、5億円／年の目標値に近づいていきます。

上村さんが退職する日、工場の計画業務は止まりません。なぜなら、上村さんの判断ロジックは、すでにシステムの中に生きているからです。

「今年も見送る」を選ぶ代償——14億円の在庫保有コストと達人リスク

笠原工場長が、最後にこう言いました。

「毎年この議論をして、毎年『今年は難しい』と言い続けてきた。でも、在庫保有コストの14億円は毎年確実に出ていく。上村さんの後継者は今のところいない。何もしないことのリスクを、私たちはきちんと見ていなかった」

導入を躊躇する気持ちは、よく分かります。特殊な工場構造、複雑なセット品管理、達人の存在——これだけの事情が重なれば、「もう少し様子を見よう」と言いたくなるのは自然です。

しかし、現状維持にもコストがあります。達人依存リスクを放置する毎年のコスト、週次・日次で計画できないことによる機会損失、在庫アンバランスによる緊急対応コスト——これらを合計すれば、14億円という数字は決して誇張ではありません。

最初の一歩は小さくていい。STEP 1の推進体制の立ち上げ、それだけです。投資額はほぼゼロ。必要なのは、工場長の「始める」という意思決定だけです。

あなたの工場には、計画の達人が定年を迎えるまでに、何年残っていますか？

タグ : 3ルート律速 PoC（実証実験） セット品マスタ マスタデータ整備 並行稼働 在庫保有コスト 安全在庫動的設定 推進体制 継続改善 達人依存リスク