成型条件出しのノウハウを「設備別AI」で資産化。
EQUIPMENT AI PROFILE
設備別AI 導入情報
業種
樹脂成型（自動車部品・家電部品）
導入対象
成型現場・金型技術部門
導入期間
PoC 5週間 → 全工場展開 4ヶ月
BACKGROUND
条件出しナレッジのAI資産化
樹脂成型業界では、温度・圧力・速度・冷却時間の組み合わせを試作で詰める「条件出し」が品質を左右する。
I社では条件出しが熟練オペレーターの暗黙知に依存し、ベテラン依存と試作コストが課題だった。
受注の小ロット化が進むなか、新規金型立ち上げの頻度が増加し、条件出しコストの低減は全社の収益性に直結する経営課題となっていた。
CLAVI Miningで設備別・樹脂別の条件出しナレッジをAIに蓄積し、試作回数の削減を実現した。
BEFORE
導入前の課題
ISSUE 01
新規金型立ち上げ時の条件出し試作は、平均7〜10回繰り返されており、1試作あたり数万円の樹脂・人件費が発生していた。年間ベースでは試作コストだけで6,000万円を超えており、収益性改善の最大のテーマとなっていた。
ISSUE 02
成型条件のノウハウは紙の作業日報、個人の手書きメモ、設備個別のExcelに分散し、検索ができない状態だった。「過去の似た材料・似た設備でどうやったか」を調べるのに半日以上かかることも多く、現場では結局「ベテランに聞く」のが定石となっていた。
ISSUE 03
ベテランが現場を離れると新規立ち上げが滞り、「ベテランの後ろ盾なしには動けない」体制が長年改善できずにいた。退職予定の熟練オペレーター3名のノウハウ継承は、事業継続計画レベルの優先課題となっていた。
WHY CLAVI
選定理由
SELECTION AXIS
検索精度と現場負荷の最小化
REASON 01
I社が重視したのは「設備別・条件別の検索精度」と「現場が文書を整備し直す手間がないこと」。CLAVI Miningは過去の作業日報・条件記録をそのまま学習でき、設備別の検索精度が高い点で他候補との差別化が明確だった。
REASON 02
また、CSによる伴走支援で「現場が登録しやすい運用フロー」を一緒に設計してくれる点も決め手。成型業界では「マニュアル整備の文化」が根付いていないため、現場負荷を最小化しながらナレッジを蓄積するUX設計が重要だった。
REASON 03
PoCでは過去3年分の作業日報を学習させ、新規受注の3案件に対して条件出し試作回数を比較。AIアシストありで平均試作回数が4.2回まで減少（従来比41％減）し、本格展開の決定が早期に下された。
AFTER
導入後の効果
IMPACT 01
34％削減
【試作回数】平均7.2回→4.8回（34％削減）。1金型あたりの試作コストが大幅に低減し、年間試作費は2,500万円規模の削減効果を生んだ。
IMPACT 02
40％短縮
【条件出しリードタイム】平均5.2日→3.1日（40％短縮）。新規受注の対応速度が向上し、顧客への納期回答競争力が強化された。
IMPACT 03
80％
【ベテラン依存】新規立ち上げの80％が中堅オペレーター主導で完結する体制に移行。ベテランは「立ち上げ判断の最終確認」と「新ノウハウの蓄積」に時間を割けるようになった。
IMPACT 04
AI資産化
【ノウハウ資産化】熟練オペレーター3名の退職を控えていたが、AIに蓄積された条件知識が「組織の財産」として残ることが社内合意され、退職後のオペレーション持続性が確保された。
EXECUTIVE COMMENT
金型技術部長コメント：「成型業界は職人技。AIで職人技を奪うのではなく、職人の判断を若手が再現できる支援役として使えた。結果、職人の存在価値も向上した実感がある。」
FIELD SURVEY
78％
現場アンケートでも「AIによって作業の自信が上がった」との回答が78％を超え、若手・中堅・ベテラン全層の意識改革に繋がっている。AIによる職場文化の変革が、目に見える形で起きている事例である。
INSIGHTS / NEXT
本事例から得られる示唆と、今後の展開
CORE MESSAGE
職人の判断を組織の財産に変える
STEP 01
I社の事例が示すのは、「職人技をAIで奪うのではなく、職人の判断を組織の財産に変える」というアプローチの有効性だ。成型業界に限らず、ベテラン依存からの脱却を目指す多くの製造業に対して、「ベテランの存在価値を高めるAI活用」というコンセプトが有力な選択肢となっている。
STEP 02
I社では、成型条件出しのAI支援に加えて、金型保全業務への展開を検討中。金型の摩耗・破損履歴をAIに学習させ、適切なメンテナンスタイミングを予測する仕組みを目指している。
STEP 03
また、顧客との打ち合わせ時の技術相談対応にもAIを活用し、営業技術部門の対応スピードと品質を向上させる取り組みが始まっている。「ベテランの判断を組織全体に拡張する」コンセプトが、業務横断的に浸透している。中堅製造業の競争力強化は、職人技とAIの組み合わせで次の段階に入る。