メインコンテンツへ移動
ナレッジベース

最初の90日後にIRISを見直し、拡大する方法

DBR77 Team7分で読めます

このページの内容

90日後には、IRISを六つの観点で見直します。すべてのシフトで使われているか、データが信頼されているか、問題がどれだけ速く締められているか、狙った損失が動いたか、人がAIの推奨をどう扱っているか、現場がどう受け止めているかです。そのうえで、拡大する、先に直す、中止する、のいずれか一つを決めます。拡大する前に、パイロットの設定(設備名、停止理由、役割、ルール、承認ゲート)をテンプレートにまとめ、新しいラインがそれぞれ、すでにうまくいっているものから始められるようにします。

90日は、習慣が定着するのを見るには十分に長く、誤りが広がる前に直すには十分に短い期間です。

90日という節目が重要な理由

1本のラインでうまくいくパイロットは、まだ工場全体の仕組みではありません。世界経済フォーラムのGlobal Lighthouse Networkに関する2023年の報告書は、パイロット煉獄に苦しむことはなくなったこうした先進的な拠点でさえ、生産ネットワーク全体に効果を広げようとする中で「拡大の停滞」を乗り越えようとしていると指摘しています。

90日間の見直しは、PDCAのCheckの段階にあたります。Lean Enterprise Instituteはこれを、成果を業績の観点から評価することと説明しており、その後にActが続きます。変更を標準化して定着させるか、もう一度サイクルを始めるかです。確認しなければ、工場はうまくいったものと一緒に失敗も次のラインに展開してしまいます。

90日後、2号ラインでは日勤と遅番で停止の96%が理由付きで記録されています。

90日後のパイロットラインの棒グラフ:シフト別の理由付き停止の割合とAI提案の受け入れ率

見直し:六つの観点とその根拠

データを持ち寄ります。そのほとんどはシステムから直接取り出せます。

観点持ち寄る根拠健全なサイン警告のサイン
利用状況指図、停止、作業指示のうち記録された割合、シフト別すべてのシフトで同程度夜勤が日勤を大きく下回る
データの質停止時間のうち理由がわかっている割合、実際の生産量と比べた個数「不明」が少なく安定している毎週理由が追加される
ループの速さシグナルから対応まで、タスクから完了までの時間短くなり、その後安定する多くのタスクが遅れて、または「対応不要」として締められる
狙った損失パイロットを選んだ理由である一つの損失を、ベースラインと比べた結果正しい方向に動いた横ばい、または関係のない理由で動いた
AIの推奨受け入れ率、変更率、却下率、上書きの理由却下に理由がある確認せずにすべて受け入れているか、無視されている
人オペレーター、段取り担当者、シフトリーダーへの短いインタビュー「時間の節約になる」「古い帳票に加えて余計な仕事が増えた」

「人」の行も根拠として数えます。夜勤が余計な仕事だと受け止めているシステムは、次のラインでも廃れていくからです。

AIを単独で見直す

最初の月にうまくいったモデルも、時間がたつとずれていくことがあるため、AIには独自の見直しが必要です。NISTのAI Risk Management Frameworkは、AIシステムは導入前に、そして運用中も定期的にテストすべきだとし、データ、モデル、概念のドリフトのために、より頻繁な保守が必要になる場合があると指摘しています。

次の四つを確認します。

  • 種類別の受け入れ率。 ほとんどの場合に却下される種類の推奨には、新しいルールが必要か、無効にすべきです。
  • 上書きの理由。 いくつか抜き出して読んでください。モデルが知らなかった段取り替えなど、欠けているデータが見えることがよくあります。
  • 確認なしの受け入れ。 一人がすべてを数秒で承認しているなら、承認ゲートは役割を果たしていません。
  • 承認ゲート。 推奨の種類ごとに、承認をそのまま維持するか、厳しくするか、より多くの提案をそのままタスクリストに入れることを認めるかを決めます。安全や製品の出荷判定に関わるものには、必ず人を介在させてください。

拡大する、先に直す、中止する

判断は、その裏付けとなる根拠とともに書き留めます。

  • 拡大する のは、利用状況がシフト間で均等で、データの質が安定し、狙った損失が動き、AIの推奨が形だけの承認ではなく確認されている場合です。
  • 先に直す のは、一部のシフトでは成果がよく、他のシフトでは弱い場合、あるいはデータの質がまだ変動している場合です。パイロットラインで直してから、30日後にもう一度見直します。
  • 中止する、または考え直す のは、狙った損失が動かず、現場がシステムを余計な仕事と受け止めている場合です。さらに費用をかける前に、理由を突き止めてください。

例(説明のための架空の例):90日後、2号ラインでは日勤と遅番で停止の96%が理由付きで記録されていますが、スーパーユーザーのいない夜勤では71%にとどまっています。停止への平均対応時間は、日勤で12分、夜勤で31分です。作業指示の優先順位についてのAIの提案は約60%が受け入れられており、却下の大半は計画された段取り替えを理由にしています。判断は「先に直す」です。工場は夜勤のスーパーユーザーを任命し、モデルが読むデータに段取り替えの計画を加え、30日後にもう一度見直してから、1号ラインと4号ラインに設定を展開します。

うまくいっている設定をより多くのラインと工場に展開する方法

拡大は、パイロットラインのテンプレートを展開して行います。

  1. テンプレートを書く。設備の命名規則、停止理由のリスト、役割、タスクのルール、エスカレーションの段階、承認ゲート、短い研修資料です。
  2. 拠点ごとに変えてよいものを列挙する。たとえばシフトパターンやライン固有のチェックです。それ以外はすべて同じにします。
  3. テンプレートの担当者を一人決める。変更はその人を通して行い、6号ラインが独自の理由コードを作ったりしないようにします。
  4. まず工場の中で拡大する。同じ人、同じ文化で、フィードバックも早く得られます。
  5. その後、2つ目の工場を加える。本稼働のチームには、最初の拠点から一人を加えます。

レイアウトや能力に関わる大きな変更は先に試すことができ、その方法はデジタルツインを繰り返し使える意思決定プロセスにする方法で紹介しています。同じ考え方の設備データ側については、IoTを繰り返し使えるオペレーティング・システムにする方法をご覧ください。

DBR77 IRISでの仕組み

DBR77 IRISは、別のプロジェクトを立ち上げなくても、見直しに必要な根拠を提供します。IRIS KPIは、シフト、ライン、工場、期間をまたいで業績を比較し、設備レベルまで掘り下げられます。IRIS Gembaは、未解決と解決済みの問題を階層と領域ごとに追跡します。Data & AIは各推奨を、それに対して人が取った操作と、適用された推奨の結果とともに保存します。そのため、受け入れ率と却下率は記録から得られます。

拡大は、モジュールごと、拠点ごとに行います。モジュールはいつでも追加でき、データと設定はそのまま引き継がれるため、パイロットの設定が次のラインの出発点になります。変更は先にDBR77 DTで試すことができます。工場を混乱させずにIRISをモジュールごとに導入する方法では、最初の段階の計画の立て方を説明しています。

よくある質問

90日で十分ですか?

最初の判断には十分です。習慣が定着するのを見るのに足りるだけのシフトのサイクルを含んでいます。動くまでにもっと時間がかかる損失もあるので、毎月の見直しは続けてください。

見直しには誰が参加すべきですか?

工場長、プロジェクトマネージャー、各シフトから一人ずつのシフトリーダー、保全と品質のリーダー、そしてITです。2時間以内に収めてください。

成果がまちまちな場合はどうすればよいですか?

それが最もよくあるケースです。「先に直す」を選び、何を変えるべきかを明らかにし、次の見直しの日付を決めてください。

2つ目の工場はいつ始めるべきですか?

最初の工場で、テンプレートを大きな変更なしに少なくとももう1本のラインに展開できたときです。

まとめ

90日の時点で、利用状況、データの質、ループの速さ、狙った損失、AI、人についての根拠を持ち寄り、拡大する、先に直す、中止するのいずれか一つの判断を書き留めてください。拡大する前に、うまくいったものを担当者が一人いるテンプレートにまとめ、同じ工場の別のラインに展開します。2つ目の工場を始めるのは、その展開で大きな変更が必要なかったときだけにしてください。

出典