製造現場でAI処方を機能させるには、管理可能と管理不能パラメータを明確に分けて運用することが不可欠です。本記事では、品質を左右する重要パラメータの多くが調整不能な結果値である理由と、AIが示す目標値を現場が人の判断で実現するために必要な運用文化を解説します。

本記事では、筆者が外資系メーカーで世界初となる鋳造工場向けデジタルソリューション（可視化＋AI）の正式受注を獲得した経験を紹介します。社内の強い反対や専門外の領域にもかかわらず、筆者はPMOとして現場に入り、工程理解、ネットワーク解析、数千点のデータ整理、AIモデル構築まで主導しました。可視化の完成とAI検証では約40％の不良削減可能性が示され、その後も6年間にわたりデータ品質改善と運用定着を支援。結果として顧客は過去最高益を達成しました。これは技術ではなく、誰も踏み出さない領域に一歩踏み込むリーダーシップの物語です。

本記事では、ある製造業企業の実在ケースをもとに、労務費原価の不正確さがどのように赤字の主要因となっていたかを解説します。実際の労務費より低い原価レートを用いていたため、採算の取れない案件が利益が出ているように見え、赤字が隠れていました。さらに工数配賦やWIP計上の誤りが利益を歪めていました。原価の精度を正し、配賦ルールとERPを再構築することで、初めて実際の収益性が可視化され、赤字からの回復が進みました。

本記事では、砂型鋳造において「理論生産数」と実際の生産個数が一致しない理由と、その誤差が不良率・原価計算・生産管理を歪める問題を解説します。最も再現性の高い方法として、ショット後の総重量をバッチIDと紐づけて実生産数を算出する手法を紹介し、正確なデータに基づく工場運営を可能にします。

私はオーナー社長の右腕として、年商10億円規模の事業買収を2件担当し、PMI の中心実務を担ってきました。 メーカーとEMS企業という異なる論理を持つ組織の摩擦を調整し、HD化や会計プロセス整備を通じてメーカーの自立性を回復させ、過去最高益へ導きました。 また、衛星放送事業の買収では、事業の要となるエンジニアの確保と、台湾サプライヤーとの品質・商流交渉を主導。品質課題を解決し、事業をグループの収益源へ転換しました。 PMIとは、経営ロジックと現場の現実をつなぎ、摩擦を価値へ変える実務そのものです。

多くの工場では不良率を可視化していますが、データが「正しく見えない」ケースが少なくありません。 同じロットでも、検査員によって不良率が 2% と 8% に分かれるなど、ばらつきが大きく、問題は製品ではなく 検査員の判断の違い にありました。 背景には、限られた検査リソースの中で設定された 「何個検査したか」だけを評価する KPI があり、スピードが優先され、判断品質が犠牲になっていたのです。 この結果、データは信頼性を失い、不要なスクラップや誤った経営判断につながります。 工場データは機械だけでなく、人の行動を映し出す。人は戦略ではなく KPI に従う。

鋳造工場では、ボトルネックや待ち時間、トレーサビリティ不足が生産性向上を妨げています。本記事では、実際の鋳造現場での経験をもとに、IoT・可視化・統合データ・AIが生産性と品質改善にどう貢献するのか、そしてデジタル技術の限界と人の専門性が必要となる領域を解説します。