「五感で覚えた匠の暗黙知」をAIが数値化 ヤンマーエネルギーシステムの取り組み

外部とのコラボレーションでWin-Winの関係を構築する

PwC 三善：
日本の製造業が抱える課題として、エンジニアリング領域のデータ分析には長けている反面、分析したデータをビジネスに活用したり分析プロジェクトを管理したりするマネジメント領域は手薄であることが指摘されています。

YES 河井：
ご指摘のとおりです。YESのデータ分析は、データ分析専任1名とIoTデータ内容に精通した担当者（兼務）1名の2名体制で運用していますが、ビジネス系スキルを有する要員は配属されていません。

ここでも課題の根底にあるのは人材不足です。ビジネスに精通しているデータアナリスト人材は、グローバルで争奪戦になっています。ですから、かぎられた人員でも成果が出せるようにするには、効率的なデータ分析が必須です。そのためにはデータ分析プロセスのすべてを内製化するのではなく、社外組織とコラボレーションし、足りない部分を良い形で補っていくことが大切だと考えています。

もちろん、すべての作業をアウトソースし、YESが報告を受けるだけの立場になってしまえば、データ分析に関するナレッジの蓄積はできませんし、ROI（投資収益率）を最大化するという視点も欠落してしまいます。PwCとのプロジェクトで心がけていたのは、YESとPwCが「成果を出す」という同じゴールに向かって協業し、Win-Winな関係を構築して成果を上げるノウハウを身につけることでした。

YES石野：
実データを使用したAI分析は、YESにとって有意義な機会でした。プロジェクトに参画したメンバーたちは、すでに実施できていた分析についてはその精度をブラッシュアップできました。同時に、データ分析・AIのプロジェクト管理といったこれまでできていなかった領域はPwCから知見をもらうことができました。今回の匠AIプロジェクトはYESのデータ分析業務の改善点を見つけるという意味からも、学びが多かったと受け止めています。

PwC 三善：
ありがとうございます。では、データ分析の視点からはどのような成果がありましたか。

YES 石野：
いちばんの収穫は、これまで熟練技術者の暗黙知だった「匠の技」が定量化できたことです。発電機のエラーに寄与する特徴の上位20項目の中に気象に起因するものが3項目あり、気象が発電機の起動に影響することがデータで裏付けられました。

また、「どの項目のデータがエラー発生前に上下（変化）するか」「AIの予測値と比較し、どのデータの予測値が、どのくらいの確率で合致しているか」といった知見も得ることができました。

過去の分析で明らかになっている要因も含め、匠にとって「当たり前のルール」をAIが捉えたことから、今回構築したAIモデルは信頼性が高いと判断できました。今後は匠AIプロジェクトで得た分析結果を基に新たな仮説を導き出し、さらに分析精度を向上させたいと考えています。

YES 河井：
興味深かったのは、エラーに寄与する特徴として想定していなかった項目が、AIの分析で判明したことです。一方で、発電機周辺のピンポイントの気温に関するデータも取得していかなければ、精度の高い予測は難しいこともわかりました。

PwC 三善：
データ利活用プロジェクトを推進する担当者は、技術的な分析スキルを磨けばよいわけではありません。アジャイルなアプローチで仮説検証を重ねるという「分析プロジェクト特有の進め方」を理解する必要があります。そのうえでさまざまな役割を持つメンバーを束ねながらステークホルダーとの調整を図り、プロジェクト全体をリードしていくのです。

そうしたポテンシャルを持った人を適材適所に配置することはもちろん、多面的なスキルセットを擁した人材を企業に定着させることも重要です。これはすべての日本企業が抱えている課題だといえるでしょう。