難波 孝次 氏　Managing Director

ERPシステムにおいてAI機能を利用した予測制御はどの程度まで可能なのか

　今回は前回少し説明させていただだきましたようにAI機能の本道と言いますか最もERPシステムに適した処理であろうと思われる予測制御について考えてみます。AIの予測制御と言えば先ず連想されるのが囲碁や将棋といったボードゲームでの対戦だと思いますが、以前はそのような対戦ゲームにおいて、オセロのようなシンプルなゲームならともかくも将棋のような複雑なルール上ではコンピューターが人間を負かすことなどありえないだろうと言われておりました。ところが昨今ではプロの棋士ですら負かせてしまうようなコンピューターも登場しておりまして、逆に人間側が将棋の上達の為にAIを利用するといった状況にもなってきております。

　それで何故そこまでAIが急激に賢くなったのかと言えば、これは単純にハードウェアの性能向上に起因するところが大きく、具体的には将棋の強弱を左右するのは何手先まで状況を読むことが出来るのかといういわゆる状況予測の能力に拠るものとなります。将棋において次の1手を考えた場合、何れの駒をどのように動かすかというパターンは平均して100種類弱あるとのことで、これらの手の中からいずれか一つを選択する為には当然ながらこちらがこう打つとすれば相手はどう打つのかという次の次の手まで予測しないと何が最善の手かを決めることは出来ません。ということで2手先まで総当たりで予測するとしますと100種類×100種類で計1万通りのシミュレートが必要になる訳で、それをコンピューターで計算するのですが、この1万通りのシミュレートに丸一日かかるようでは、とてもではないですが使い物にはなりません。それで2手先を読む作業ですら1万通りも必要なのですが、プロ棋士ともなりますと何十手も先まで読むような人もいる訳で、そういった人に勝とうと思えば、何億通りものシミュレートが必須になりますことから、当然ながら恐ろしく高性能なCPUが必要になります。この為以前のコンピューターでは対戦の待ち時間を考えると数手先くらいしか読めなかったものが、CPUの急激な性能向上のお陰でプロ棋士と同様何十手も先まで短時間で読めるようになったことにより、今ではコンピューターの方が人間より強いという状況となっております。

　先ほどの説明の中で疑問に思われた人もいらっしゃるかとは思いますが、それはシミュレートの組み合わせ数について2手先を読むのに1万通りも必要になるのなら何十手も先を読むためには何億通り程度ではとてもでは無いけど足りず、それこそ天文学的な量の組み合わせになってしまうのではないか？ということでは無いでしょうか。実はこれには単純なからくりがありまして、確かに駒の動かし方のパターンとしては100通り程度あるとしましても、その中には例えば最初に香車を自陣で1マスだけ動かすとかといったような意味のない動かし方もある訳で、また終盤に王将を相手の駒の前に動かしてしまうような、どう考えても自陣に不利な動かし方も含まれておりまして、当然ながらそういう動かし方は考慮しなくても良いことになります。その意味の無い動かし方や不利になる動かし方かどうかの判断は1手目だけではなく2手目3手目で初めて分かるケースもありますので、通常の総当たり組み合わせでは階層が深くなるにつれ恐ろしく数が増えていくのですが、このAI将棋の組み合わせでは途中でチェック不要になるケースが次々に出て来るようになりますことから、実質的に6憶通りをシミュレート出来れば凡そ28手先まで読むことが可能となるとのことです。（ただこの手法の弱点としまして、人間側がAIを翻弄する為に故意に悪手を指し続けて行くと、最終的にAIが対応出来なくなるというケースも稀にではありますが出て来るのですが）

　ここでようやく本題に入らせていただきますが、ERPシステムで予測制御が必要になる業務となりますと、先ずはストレートに生産計画の立案システムを思い浮かべられるのではないでしょうか。ただ同システムはAIが今のようにポピュラーになる前から既に確立されておりまして、今更AI的な要素を加えてどうするんだと思われるかも知れませんが、今回は一般的な生産計画立案システムに加えて、製造原価を抑えるにはどのような計画を組めば良いのか？というお話をさせていただければと考えております。

　もちろん一般的な生産計画システムにおいても、コスト軽減の為に金型のチェンジタイミングだとか、生産機械の優先順位や材料在庫や半製品在庫の保持数等々を考慮しながら立案はされているのですが、そこら辺りの調整を人間の手でおこなうのはかなり大変な作業になる訳で、その部分を前述のAIによる膨大な組み合わせのシミュレートをおこなうことで自動的に最適値を求めることは可能なのかという、概要としましてはそういった内容です。

　具体的な手法といたしましては、先ず前提条件としまして今までの生産実績データ及び会計データが数年間に渡ってシステムのデータベースに蓄積されていることが必須となります。この状態で過去の生産実績を元に毎月の製造原価を求める訳ですが、これは各月の製造ボリュームや生産品目との兼ね合いがありますので、出来れば個別製造原価算出システムが導入されている方がより確実です。この状態で品目ごとの各月におけるユニット単位での製造原価を洗い出しまして、今度は製造原価算出の要素となる各種項目、例を挙げますと材料原価、従業員の給与関係、機械の減価償却費、電気代等々とそういったコスト金額を並べます。そして次に生産業務に纏わる様々な条件である制作機械の使用時間や制作時の不良品数、不良要因、同一機械における作業順序や金型替えの時間や洗浄時間、外注工程の有無や外注先の情報、その他諸々の情報を片っ端から数値化してデータベース内に蓄積しておきます。

　その状態で、仮に1ヵ月間の工場内での生産品目が100品目あったとしますと、一気にその100品目を対象にしてシミュレートをおこなうと、焦点がぼやけてしまうと言いますか何が何やら分からなくなってきますので、先ず優先順位を決めてその100品目の中で最重要となる品目を決定いたします。決定の仕方としましては単純に全品目の中で過去数年間において一番販売金額が大きい品目といった形で決めてしまっても良いですし、その条件に加えて毎月コンスタントに販売実績があるものといった内容を加味する形でも問題は無いでしょう。そして対象となる品目が決まりましたら、今度は該当品目の過去数年間のユニット単位での各月の製造原価と前述の原価算出の為の各種項目と生産業務に纏わる各種項目とを並べて互いの数値の変遷に何らかの関連性があるかを調べていきます。

　とは言いましても輸入原材料費が決定される際の最重要項目である為替レートや工程費用を決定する機械使用時間などが製造原価の動きとリンクすることについては単純に考えても分かるのですが（原材料費については材料在庫の保持期間に拠るタイムラグはあるかとは思いますが）、ただ為替レートなどは外的要因になりますことから、生産計画をどのように立案したとてそれでどうにかなるようなものでもありませんので、ここでは内的要因との関連性に目を向けてみたいと思います。

　それで生産計画の立案時に関係する項目としては、機械選定がまず挙げられますでしょうか。例えば製品Ａを生産するのに機械Ｂでも機械Ｃでも生産が行えるとしますと、どちらを使えば工程コストがより抑えられるのかという点を調べることとします。先ず製品Ａの工程コストの動きと製品Ａ生産時の機械Ｂと機械Ｃとの各々の使用時間との動きとを調べることにより、ある程度の関連性が見えてくると思います。ただ単月だけの比較ですとその月がたまたま特別賞与が出た月とかですとそういった別の要因でコストが大きく振れてしまいますので、出来れば数年にわたって同月対比がおこなえる形が望ましいです。他にも色々と別の要因が絡んでくることもあり、単純に比較することが難しいケースもあるのですが、それでも比較月を増やすことによって回答を導き出すことは可能となります。

　次に得られた回答を持って新たに立案される生産計画に反映させるといった手順となるのですが、ここの部分はまた説明が長くなりますので、続きは次回という形とさせていただきます。

AI棋士の先読みテクニック（総当たりシミュレートの場合）

AI棋士の先読みテクニック（不要な差し手を排除した場合）

個別製造原価と算出要因との対比グラフ

個別製造原価と機械使用時間との対比グラフ

BANGKOK TOKI SYSTEM CO., LTD.
住所：333 Lao Peng Nguan Tower 1, 17th Floor, Unit B1, SoiChaypuang,
Viphavadi-Rangsit Road, Chomphol, Chatuchak, Bangkok 10900
電話：0-2618-8310-1　ファクス：0-2618-8312　Eメール：toki@ksc.th.com
ウェブサイト：www.bkktoki.com