労働生産性を高めれば、必ず業績は上がる　ウイングアークが掲げる“データによるエネルギー革命”とは

一旦増えて、また減り始める日本の労働人口

田中潤氏（以下、田中）：みなさん、こんにちは。ウイングアークの田中です。本日はよろしくお願いします。ウイングアークフォーラム大阪がついに始まりました。今回からウイングアークフォーラム「WAF」というタイトルに変えております。

これから60分の基調講演を始めさせていただきます。今日のテーマは「データによるエネルギー革命、あなたが変わる、世界を変える」です。

「なにを言っているの？」と思われる方がいらっしゃるかもしれませんが、ぜひこの基調講演で内容についてご理解いただければと思います。

まずは世の中の状況についてお話ししたいと思います。いま日本が抱えている課題として最近よく言われていることに、「労働人口の減少」という言葉があります。でも実は、いま日本の労働人口は増え続けているのです。不思議ですね。

人口は減っていっています。そして少子高齢化でこれからますます人口が減っていくと言われているなかでも労働人口が増えているのは、女性の活躍と、一度引退された方々の再雇用が関係しています。いま日本では、こういった新しい労働力を獲得しているので、労働人口は増え続けているのですけれども、2025年から今度は一気に減ると言われています。

それまで増え続けた労働人口が、またもう一度減り始めるのです。ある意味では当たり前なのですけれど、世界と比較しても、日本はどんどん労働人口が減少していくと言われています。

働き方改革における3つのキーワード

田中：そのようなかで、当然日本の政府もいろいろことを考えております。昨年のウイングアークフォーラムでもけっこうこの話題が出たのですが、「働き方改革関連法」というものが制定されました。

来年になると、すべての企業がこの働き方改革関連法に従わないといけないということになります。みなさん、他人事ではないですね。全部の企業が関係している。当然ながら当社もそうです。

ポイントになっていることに、3つのキーワードがあります。

まずは「長時間労働の是正」です。世界から見ても日本はとくに労働生産性の低い国と言われております。長い時間働かないと結果が出せず、残業時間も長いということですね。

ということもあり、働き方改革で真っ先に言われたのが「残業をなくそう」ということです。「でも、残業をなくすにはどうすればいいの？」「いままでと同じようにしていたら、成果があげられないのではないか？」と。こういったところを、もっと変えていかないといけないというのがテーマとしてあります。

そしてもう1つは、「労働の内容によって賃金を一定化させましょう」という考え方です。「社員や契約社員、派遣とかではなく、取り組んでいる業務に応じてちゃんと給料を払っていきましょう」ということです。

（スライドを指して）その下（の言葉）、「時間給から成果給に変えていく」にもつながっていくのです。そうすることで、日本でも「ただひたすら時間をかけて仕事すればいい」のではなく、成果をあげている人たちをきちんと評価することで、より生産性の高い国に変えられると言われてきています。

データによっていかに労働生産性を上げていくか

田中：当社でもやらないといけないと思っていることですが、やっぱり企業は、これからどんどん変わらないといけないわけです。それは我々だけじゃなくて、みなさんもです。

では、どうやって変えていくのか。そこにポイントがあるわけですよね。

そのなかで私が変えるために必要だと考えているのは、データとテクノロジー、この2つです。

テクノロジーについては、みなさんはITのイベントに来ているぐらいなので、仕事でもITのさまざまな要素を使われていると思います。いま一番ポイントになっているのは「データ」です。

みなさんは「データ」と聞くと、会社で所有しているデータではなく、外部にあるさまざまなデータのことをイメージされると思いますが、自分たちが持っているデータを使うことによっていかに労働生産性を上げていくかが重要なのです。このデータとテクノロジーをうまく使いこなすことで、これからの世の中に起こる変化に対応していくことがポイントになってきます。

ITをうまく活用できれば生産性は上がる

田中：（スライドを指して）このグラフは当社が出しているData Empowerment Reportというもので、いろんな企業さまから実際に採ったアンケートの内容をもとに制作しています。

「うちの会社は労働生産性が高いです」とおっしゃる方々がいるのです。「何で高いのですか」と聞くと、「それはITを活用しているからですよ」「ITは活用できていないけれども、労働生産性の高い仕事がうまくできています」という2つの答えがありました。

ただ実際のところ、「労働生産性が高い」と答えた方々の大半は、ITが活用できているからなのです。つまり、データをうまく使ってITを活用し、それで初めて労働生産性を高めることができる。ということは、「ITの活用」がとても重要になってきます。

当然ですが、我々ウイングアークは「ITをうまく活用しましょう」と言わせていただいております。けれども、実際にITを活用した結果、本当に労働生産性が上がっていくのかと疑問をお持ちの方もいらっしゃると思います。

労働生産性が上がるということは、企業の業績も必ず上がります。当然（企業に）いらっしゃる方々の成果が上がりますから、企業の業績もどんどん上がっていきます。では、実現できている事例は本当にあるのか。これは、みなさんが気になるところだと思います。

そこで、今日はゲストをお呼びしております。ITとデータをうまく使い、労働生産性を高めて会社を変えていっている方々です。

1人目のゲストは住友電気工業株式会社の吉江さんです。よろしくお願いします。

（会場拍手）

住友電工のIoTを用いた生産技術革新の取り組み

吉江信夫氏（以下、吉江）：住友電工の吉江です。よろしくお願いします。

田中：（スライドを指して）「自ら会社をIoTの力で変えてきた」というのは、私が書かせていただきました。住友電工さんは非常にすばらしい取り組みをして、会社自身をどんどん変えていっています。まさにそこで活躍されているのが、IoT研究開発センターでセンター長を務めている吉江さんです。ぜひみなさまにこの事例を聞いていただきたいと思い、今日はお呼びしました。

吉江さん、せっかくなので、まずは住友電工という会社についてご紹介いただきたいと思います。

吉江：それでは、簡単に住友電工グループの紹介をさせていただきたいと思います。グループ全体での売上高が3兆円となっておりまして、ワールドワイドに展開している会社が約400社ございます。その半分が海外で、主に工場や製造拠点です。従業員は25万5,000人で、その多くは工場で働く従業員です。

田中：どのような事業をしているかを教えていただけますか？

吉江：情報通信・自動車・環境エネルギー・エレクトロニクス・産業素材という5つのセグメントがございまして、弊社内では長モノ・半導体・組立製品という3つのジャンルの製造を行っています。

田中：（住友電工さんは）関西でとくに強い、ものづくりの会社だと思っております。

吉江：そうですね。もともと銅線から始まった会社です。

工場IoTにどうやって取り組んでいるか

田中：そんな住友電工さんは、ITのなかでも「IoT（物のインターネット）」という分野に特化して、さまざまな取り組みをされていると聞いています。なぜその取り組みを始めたのかについて、ぜひ吉江さんに教えていただきたいと思います。

吉江：2年ぐらい前の2016年に、弊社のなかで「いまIoT・AIという分野が非常に進んでいる」「これは会社の事業や製品開発にどのように活用できるのか」という議論が活発化いたしまして。（スライドを指して）これはその時に作った絵でございます。

一番下の収集、いわゆるセンシングのところから、無線等の伝送（を行い）、それをサーバーに集約し、処理して、最終的には活用する。この4つの層からなる仕組みがIoTだと申し上げています。

ただ、これだけだと何のことかよくわからないですね。そこで、応用分野、課題解決領域を明確にするために、IoTの前に形容詞を付けました。「自動車IoT」「電力IoT」「工場IoT」といった定義をいたしまして、まさにここがIoT化のスタートラインとなっております。

田中：なるほど、ありがとうございます。いま「工場IoT」というお話が出てきました。いま進めているところだと思うのですが、このIoTの取り組み体制について教えていただけますでしょうか。みなさんがこれからもっとIoTを活用していく時に、どういう体制で行うといいのか、ぜひ参考にしてもらえればと思います。

吉江：工場IoTにどうやって取り組んでいくのかということですね。準備期間を経た後、昨年の7月に生技、情シ、研究が三位一体になって、研究開発本部のなかにIoT研究開発センターを新設しました。住友電工グループ全体の生産課題についてAI・IoTを使って改善を図っていく組織を立ち上げたかたちです。

成功の秘訣は「三位一体の組織体制」

田中：住友電工さんは大変大きな会社かと思います。組織が縦割りのイメージがあるのですが、3つの組織が一体になって、実際に本部をこのなかに作ったということですよね。これは、実際にはどういった構造になっているか、ぜひ教えていただきたいと思います。

吉江：このIoT研究開発センターにおける、工場IoTの取り組みには大きな3つのポイントがございまして。まずは、いま申し上げたような三位一体の体制を作ることができたということだと思います。他の会社さんでもそうかもしれないですが、もともと生技、情シ、研究は、あまり仲が良いチームではなかったのです（笑）。

田中：今日お越しの方のなかにいらっしゃるかもしれませんね（笑）。

吉江：もともとIoTを始める上で、共通の認識があったのです。それで5年ぐらい前から技術交流といいますか、研究会を開催したりといった下地がまずありました。

それで実際にIoTに取り組むために、組織をどうするのかといった時に、とくに研究および生技のトップが「やろうじゃないか」というトップの判断がありました。そうやって、うまくこの3つの組織から人を集めて研究機関を作れたということです。

具体的な事業部の対応は生産技術部がやるため、その下で研究機関が、IoT・AIを使えるような仕組みや基盤を提供していきます。もう1つ重要なのは、とにかく人材が不足していますので、研究機関がIoTの人材を育成していくということです。これを大きな指針として立ち上げています。

2つ目のポイントとしては、研究機関のなかで現場の課題やニーズを集めてきて、計画的に技術を開発する。そして、それをプラットフォーム化して横展開していくという仕組みを作り上げたということです。

3つ目は非常に大きな活性化の武器になったのですが、「そもそもIoT・AIは、導入しても必ず成功するとはかぎらない」という前提でやっていまして、そのためにまずはIoT研の責任で、効果検証までを、もちろん事業部門と一緒に進めていって、効果がはっきりしてから事業部門に投資していただくと。そういう仕組みを作ったというのが次のポイントになります。

田中：事業部門からすると、投資をしないで取り組みができて、うまくいったらそこだけにちゃんと投資することで成果が上がるということなのですね。

吉江：そうですね。IoT研が全社の費用のなかで動いておりますので、ある意味では恩返しをしているようなイメージになります。

田中：なるほど。一般的に事業部門の方は自分たちの売上をすごく気にされるので、「一気に投資して失敗したらどうしよう」と二の足を踏むことが多いと思います。でも、この取り組みではむしろ、プラスにするために自分のお金を出すという感じですよね（笑）。

吉江：そうですね。あとはIoT研にはいろんな要望をいただいています。それをある程度選別して、うまく組み合わせることで事業に貢献していくということですね。

IoT人材をいかに増やしていくか

田中：このあたりは、みなさんの参考になるかもしれないですね。「勝手にやってください」というのではなくて、会社の仕組みをうまく使ってやっていますよね。

では実際に、IoTの中身のほうにもう少し入っていきたいと思います。いまIoTの取り組みとして、吉江さんのほうで考えていたり、実際に行っていることについてお話しいただけますか？

吉江：現場の課題をどう整理しようかということで、まず4大テーマに整理しています。このなかで一番大きな問題は「不良ロスの低減」。これはけっこう時間もかかりますし、その分効果も大きい領域です。それ以外に、目視検査の自動化・予兆保全・設備稼働率向上といった4つを大きなテーマとして、それぞれ取り組んでいます。

もう1つは技術開発ということで、データを集めて解析するという技術や見える化、もしくは、データを収集していくネットワークのセンシング技術などの開発です。

最後に、非常に重要なことですが、IoTの人材をどうやって会社のなかで増やしていくのかということです。現場IoTインテグレータといって、私どもは「GIer（ギア）」と呼んでいるのですが、事業部のなかにIoTを扱える人間を増やしていこうとしています。

もう1つ重要なのはデータアナリストの育成です。これからの育成は、集合研修とトレーニー制度で進めています。特にトレーニー制度は、事業部門からテーマと研修生をセットで来てもらって、研究所に所属し一緒になって解決するという仕掛けで始めております。

田中：基盤を見るところは、すでにいろいろなものを作り出しているわけです。でも人材育成はけっこう難しいですよね。この手のことをしようとすると、専門的な人が必要な気がするのですが、実際にはどういう方がやっているのですか？

吉江：実はトレーニー制度はこの下期から始めたばかりなので、本当の効果はわかりません。とは言え、やはり現場は課題を持っていますので、まずは課題を解決する人間を向こうから選んでいただいて、研究所に所属していただいています。

私ども研究の専門家が一緒になって、それをOJTで解決していく。それで事業部門に戻っていただいて、その人間がコアになってIoTを広げてもらうと。そういう狙いです。

構造図と2つの階層

田中：もう少し構造図を見せていただくと、考え方として階層が2つに分かれるのですね。

吉江：はい、IoTの基盤技術ですね。これは住友電工がけっこう内作志向が強いということと、もともと研究が母体になっていることもあって、いろんな開発を従来からやってきています。それをうまく活用し、運用していくということをやっているのです。

下の半分がいわゆるデータ収集系のところで、「データ収集基盤」と呼んでおります。省電力無線センサですとか、工場のオール無線化、マルチホップ無線中継機など……実はこれ、社内で開発して、実際に広く使っているものです。

上半分はいわゆる課題の解決です。弊社には「楽々Framework」というものがあり、それをベースに生産管理用に開発したものを「SEIPS-IT」と呼んでいまして、データをためて見える化したり、分析したりしているところです。

ポイントは2点ございます。上のほうではAI・データ分析技術の質と量の向上がまだまだ足りません。それから、データがたまった時に見える化をやってきているのですが、グラフのような、押し付けのツールが多いです。いま取り組んでいるのは、現場が自らデータを見える化できるツールを開発するということです。

見える化の「標準化」と「簡便化」

田中：まさしく我々がお手伝いしているところですね。そのあたりについて、もう少し詳しくお聞きしてもよろしいでしょうか？

吉江：はい。いろいろやっていますが、見える化はいま一番注力しているところなので、簡単にご紹介させていただきます。このポイントは、現場の作業者自らがヒト・モノ・設備の見える化ができるツールを提供するということです。

2つポイントがございまして、1つ目は「見える化の標準化」です。いま、生産技術部で標準的なテンプレートというものを作っていて、20種類ぐらいあります。それをまず提供するということ。

2つ目が「見える化の簡便化」です。これは、現場の作業者が容易に画面を作成できるツールを提供するということです。部品の構築と、それをダッシュボード上に並べて工場内に掲示するというツールで、いま開発しています。ここでMotionBoardを使わせていただいています（笑）。

田中：ありがとうございます（笑）。やはりMotionBoardを作られる方は専門的な技術を習得した方なのですか？

吉江：スキルレベルはいろいろあるのですが、狙いとしては「Excelを扱えるレベル」の方を対象に、いまは取り組みをしています。

田中：そうなると、ほとんどの人が対象ですよね？

吉江：そうですね。そういう意味では、少し訓練した人が使えるという感じでしょうか。

田中：実際、これで作られている方は（いらっしゃるのでしょうか）？

吉江：これはまだ試作レベルなのですが、すでに人気のある取り組みになっておりまして、いまだいたい10の工場で展開しております。現場でどんどんカスタマイズが進んでいるという状況です。

実際に「使えた」実績は23件

田中：なるほど、ありがとうございます。みなさんは実際の実績が一番気になりますよね。「取り組みをいろいろやっているのはわかったけど、どのくらいできているのか？」と。

吉江：この1年、先ほど申し上げました4大テーマについて取り組んでまいりました。設立した昨年の時点で44件の案件を集めて取り組んできまして、この1年で56件増加して、いま100件を超えた状況です。このなかで運用まで入ったのが23件ございます。そういう意味では、23パーセントは運用までいけたという状況です。

田中：なかなかすごいですね。23件の運用ということは、「使えた」ということですよね。みなさん、PoCはしているけれど、実際に使えるかわからないということがすごく多いのです。

では、なかのほうを見せていただきましょう。（スライドを指して）ここに項目があります。4大テーマがいろいろありますけど、どこが一番ポイントになっているのですか？

吉江：そうですね。この棒グラフは、左からニーズ把握・シナリオ検討・PoC（方式検証）・システム構築・運用で、左側の棒グラフはちょうど1年前の設立時、右側のほうが今年7月という状況になっております。

このなかで、PoC（方式検証）とシステム構築のところが高い棒になっているように、やっぱりここで時間がかかっているということになります。もう1つの特徴は、運用のところを見ていただいたらわかるのですが、設備稼働率の向上という点です。これはけっこう早い段階で運用まで持っていけるということが経験的にわかってきております。

不良ロスを低減するのが一番難しい

田中：なるほど。不良ロスを低減するのが一番難しいと、テーマの最初に書いてありました。ここはすごく大きなポイントだと思っているのですが、この事例について少しご紹介いただけますか？

吉江：全社的な課題は、やはり不良で廃棄したものですね。低減は、うまくいくと非常に効果が大きいテーマになっています。

この事例は半導体の製品の製造工程を簡略化したものです。ご存知の方も多いと思いますが、半導体の工程数は非常にたくさんあって、私どもの調べる特性値自体も、弊社のプロセスで600項目以上ございます。

もう1つは、不良が出るタイミングですね。製品の形がウエハ、バー、チップというふうに変わっていく中で、実際の不良は最終的な検査のところで判定することが多いのです。そうすると、一体どの工程でその不良の原因が発生したのかなかなかわからないという課題がありました。

これは実はけっこうな時間がかかっています。全部のプロセスや工程からデータを集めまして、それをまずはグラフで見える化しました。これは自動でやっていますが、そこでいろいろ不良との相関関係を調べるということです。

これでけっこうわかったこともあるのですが、やはりなかなかわからないことがありました。その次にやったのは、ある意味では現場のデータアナリストの知恵と言いますか努力と言いますか……最終的には複数ロットを重ねてみて初めてわかるようなことで、現段階で不良率は十数パーセント改善しています。

田中：十数パーセントということは、大きな生産性の向上になっていますよね。

吉江：はい。金額に直すと、私どもの不良損の大きさがわかりますので、申し上げられないのですが（笑）、かなりの効果がありました。

ディープラーニングを使った目視検査

田中：最近はさらにもっと先進的な取り組みも始められたというお話がありますけれども。

吉江：ディープラーニングを使った取り組みで、とくに目視検査です。人の目でできることは基本的にはディープラーニングで解決できると、ほぼ結論付けています。その代表的な例でございます。

（スライドを指して）左の写真は自動車の重要部品です。この先のほうに亀裂が入るという不良が起こります。この亀裂をクローズアップして、ディープラーニングを使って判定するということです。これは実際にラインに導入し検証稼働しています。

田中：いろんな取り組みをされていて、いまも成果が出ていると思います。我々はいまのところ、見える化のお手伝いをしていますが、住友電工さんから「ウイングアークともっとこういうことができたら」という期待があれば、教えていただきたいです。

吉江：こういったわりと先進的なことをやっているのですけれども、工場のなかにはまだまだ紙のデータがたくさんありまして。

田中：いわゆるアナログデータですね。

吉江：これをどうデジタル化するかという課題が、なかなか解決できていません。いまAIを使ってやっているのですが、なかなかうまくいっていない。御社がSPAを出されるということで、それには期待しています。

田中：ありがとうございます。実は次のセッションでその話題がありますので、ぜひ聞いていただければと思います。今日は本当にありがとうございました。住友電工さんが取り組む先進的な事例についてご紹介していただきました。吉江さん、ありがとうございます。

吉江：どうもありがとうございました。

（会場拍手）