【連載・第5回（補論）】「Factory Brainから考える供給能力の知識化―新しい供給システムはどのように生まれたのか」
- コンサルティング
- 製造業
- ものづくり
目次
Podcast『製造業進化論-技術とデジタルと経営と-』
オーツー・パートナーズ制作Podcast番組『製造業進化論-技術とデジタルと経営と-』にて、本コラムを執筆した伊藤尚志が『“作るだけでは儲からない時代”、製造業はどう戦うか？』をテーマにトーク。MCは当社取締役の勝見靖英が務めます。
第5回（補論）「Factory Brainから考える供給能力の知識化―新しい供給システムはどのように生まれたのか」
本論では、中国家電大手・美的集団（Midea）のFactory Brainを取り上げた。
Factory Brainは単なるスマートファクトリーではない。
品質、保全、生産計画、物流といった工場運営知識を学習し、再利用可能な知識資産へ変換する仕組みである。
本稿ではFactory Brainそのものを解説するのではなく、そこから見えてくる「供給能力の知識化」という現象について考察したい。
Factory Brainは何を解こうとしているのか。
そこから何が読み取れるのか。
そして、それを可能にした条件は何だったのか。
美的という企業を手掛かりに、新しい供給システムの姿を考えてみたい。
1. 美的はどのような供給システムを運営しているのか
Factory Brainを理解するためには、まず美的という企業を理解する必要がある。
美的集団は1968年に創業した中国を代表する白物家電メーカーである。
エアコン、洗濯機、冷蔵庫、厨房機器、業務用空調など幅広い製品群を展開し、中国国内だけでなく海外にも工場を持つコングロマリット型家電企業である。さらに2016年にはドイツのロボット大手KUKAを買収し、自動化・デジタル化領域への投資を加速させてきた。
ここで重要なのは、美的が運営している供給システムの性質である。
同社が扱うのは単一製品ではない。エアコンと洗濯機では部品も工程も物流も異なる。
さらに中国国内だけでなく海外工場も存在する。
つまり美的が向き合っているのは、「巨大×複雑×変化」する供給システムにほかならない。
白物家電は、自動車や半導体のような大量生産産業とも異なる。
多品種中量生産であり、需要変動、モデルチェンジ、販促施策、地域ごとの仕様差への対応が常に求められる産業である。
Factory Brainは、そのような供給システムの中で生まれた。
2. Factory Brainは何を解こうとしているのか
次にFactory Brainそのものを見てみたい。
資料によればFactory Brainには、
- Quality Agent
- Planning Agent
- Logistics Agent
- Material Agent
- Maintenance Agent
など複数のAgentが存在する。
興味深いのは、その対象領域である。
図表1 Factory Brainが対象とする領域
ここで気づくのは、解こうとしている業務課題が見えることである。
対象となっているのは、
品質問題
設備停止
材料不足
物流滞留
生産計画変更
などである。
これらに共通するものは何だろうか。
それは供給能力を制約する要因である。
例えば、
品質問題は手直しや停止を生む。
設備故障は稼働率を低下させる。
材料不足は生産を止める。
物流停滞はリードタイムを悪化させる。
生産計画の乱れは全体最適を崩す。
つまりFactory Brainは、
設備を知能化する仕組みというより、
供給能力を制約するボトルネックを継続的に発見し、解消する仕組みとして設計されているように見える。
これはTOC（制約理論）の考え方にも近い。
特に白物家電のような多品種中量生産では、ボトルネックは固定されない。
ある日は材料不足。
ある日は物流停滞。
ある日は設備停止。
制約条件は絶えず変化する。
Factory Brainは、その変化し続ける制約条件を管理する仕組みとして理解すると、その構造が見えてくる。さらにはエージェント間の調整を行うエージェントも定義されていることから、QCDのトレードオフといった条件を踏まえた最適化判断も行おうとしている可能性が高い。
3. Factory Brainから何が読み取れるのか
ここからは考察である。
Factory Brainの特徴は、Knowledge Repositoryという概念を持っていることである。
単にボトルネックを解消するだけなら従来システムでもよい。
しかしFactory Brainは、その判断を蓄積し再利用しようとしている。
図表2 Factory Brainアーキテクチャから見る供給能力の知識化
ここから読み取れるのは、Factory Brainが供給能力そのもの――換言すれば工場運営そのもの――を学習対象としているという点である。
どの順番で生産するか。
どのラインへ材料を供給するか。
どの設備を優先的に保全するか。
どの異常を優先的に対処するか。
こうした判断はこれまで、工場長やベテラン管理者が経験と勘によって担ってきた。
Factory Brainは、それらを知識資産へ変換しようとしているように見える。
もしこの解釈が正しいなら、Factory Brainは工場自動化システムではない。
供給能力を知識化する仕組みである。
この解釈は、第四回で提示した「巨大供給能力 → 巨大学習環境 → Knowledge化 → 再構成」という仮説とも整合する。
4. なぜそれが可能になったのか‐供給システム知識化の三条件（仮説）‐
では、なぜこのような仕組みが実現できたのだろうか。
公開情報から断定することはできない。
しかしFactory Brainという事実から逆算すると、三つの条件が見えてくる。
- Learning Environment（学習環境）
- Knowledge Framework（知識体系）
- Knowledge Engine（知識化エンジン）
条件① Learning Environment
巨大供給能力→巨大学習環境
Factory Brainの出発点はAIではない。
巨大な供給能力である。
製品が多い。工場が多い。工程が多い。
その結果として膨大な試行錯誤が発生する。
品質改善。物流改善。保全改善。生産計画改善。
それらが毎日発生する。
つまり、巨大供給能力→巨大学習環境
が成立する。
学習対象が存在しなければ、Knowledge Repositoryは成立しない。
条件② Knowledge Framework
KUKA × Industrie 4.0
Factory Brainを見ると、
Cyber Physical System
Digital Twin
Autonomous Manufacturing
など、Industrie 4.0との共通点が数多く見られる。
美的は2016年にKUKAを買収している。
この買収は一般にロボット技術の獲得として語られることが多いが、KUKAが持っていたのはロボットだけではない。
‐工程協調の知識：人・設備・物流等をどう連携させるか
‐工場統合の知識：ラインや工場全体をどう最適化させるか
‐OT接続の知識：現場設備をどうデジタル世界へ接続させるか
‐Industrie4.0の理論と実装経験：CPSやDigital Twinという概念と現実の工場への適用
つまり供給能力を成立させるための知識体系である。
Factory Brainは、中国の供給能力とドイツ発のIndustrie4.0を含む工場知識が融合した結果として理解することもできる。
条件③ Knowledge Engine
生成AI
最後の条件が生成AIである。
従来のシステムはデータを扱うことはできた。
しかし判断はできなかった。
生成AIとAgent技術によって、
MES
WMS
といった異なる世界を横断的に理解し、判断支援を行うことが可能になった。
すなわち、生成AIが異種システム間の「翻訳者」として機能することで、疎結合型のシステム構成が初めて現実のものとなった。
図表３ Factory Brainと既存システムの関係 （一部仮説含む）
新しい供給システムの原型
Factory BrainはAI導入事例として紹介されることが多い。とはいえ、その理解だけでは不十分だろう。
Factory Brainという事実を観察すると、そこには供給能力の知識化という動きが見えてくる。
その背景にはLearning Environment、Knowledge Framework、Knowledge Engineという三つの条件が存在する。
巨大供給能力が学習環境を生み、
KUKAとIndustrie 4.0が知識体系を提供し、
生成AIがそれを知識資産へ変換する。
公開情報を見る限り、Factory Brainは供給能力を知識資産へ変換する取り組みとして理解した方が説明力は高いように思われる。
もしそうだとすれば、Factory Brainは一企業の事例ではない。
製造業が長年抱えてきた「属人知識をいかに継承・活用するか」という問いに対する、一つの構造的な解答である。のものの競争原理が変わり始めていることを意味しているのではないか。
