前回挙げさせていただいた原価算出時の問題点として、労務費を各製品の工程原価に振り分ける際に単純な作業時間での案分では、制作機械の特性等により様々なケースが存在するため正しく振り分けることが困難なケースが多々発生して、この為に製造原価の算出値に偏りが起こっているのではないかということでした。、ではその偏りの発生をAIによりどのように判別するのかという内容を順を追って説明させていただきます。

１、作業時間の予実比較

　前回の説明では原価計算機能にて算出をおこなった実際原価とあらかじめ設定をおこなっていた予定原価との間に大きな差額のある品目をグループ分けして、予定原価の方が大きなグループ（予定過大グループと呼びます）と実際原価の方が大きなグループ（実際過大グループと呼びます）との間に何らかの関連性があるかどうかを先ずチェックするというところで説明が終わっておりました。

　そこで次のステップとしましては、予定過大グループの品目と実際課題グループの品目との間に共通の工程があるかどうかを見てみます。まあこれは単純に同一工程の中で実際原価が過大に算出されているものと過少に算出されているものがあれば、それぞれの工程原価の案分方法が偏っており、具体的には品目Aに割り振られるはずの工程原価が誤って品目Bに割り振られていないかどうかを確かめる為の作業となります。

　この為もし同一工程において上記のように予定過大と実績過大が混在していれば、今度はそれらの品目の中で費用を案分する為の数値に着目しまして、工程原価の場合は作業時間により比例配分が行われるケースが多いかと思われますが、当然ながら予定過大の場合はこの数値が想定より少なくて実績過大の場合はこの数値が多いという形になっております。

　この内実際の作業時間が大きいケースは作業機械の不調で必要以上に時間がかかったとか材料の品質の問題でNG品が増大した等のもちろんイレギュラーではありますが、想定出来うるシチュエーションではあります。それに対して作業時間が少ないケースといいますと、どういった要因が考えられますでしょうか。手作業が多い工程ですとオペレーターさんの作業レベルが熟練した結果といったポジティブなケースも考えられなくもないのですが、それ以上に考えられるのは作業時間の測定ミス（あるいは入力ミス）ではないでしょうか。

　それで通常原価計算システムにおいてこの作業時間をどのように取得しているのかと言いますと、連携しております生産管理システムにて実際に作業機械から信号を取り込むケースもあれば、作業ライン上でオペレーターさんがハンディPC若しくはタブレットPCにて作業開始及び終了のボタンを押されているケース、若しくは紙に書かれた作業日報の数字をシステムに入力されているケース等、様々な形があるかと思います。

　この中でシステムに作業時間を手入力しているケースであれば入力ミスも考えられますし、ハンディPC等でボタンの押下で制御している場合でもボタンの押し間違いということもあるかも知れません。そこで生産管理システムの管理データの中には通常生産計画の作成や予定原価の算出等の目的で該当品目の該当工程における標準作業時間を持っておりますので、この予定作業時間と実績作業時間とを比較することにより、何月何日に取得（若しくは入力）された生産実績データにおいて作業時間が著しく異常になっている等の詳細を洗い出し、同データをまとめて警告リストの出力若しくは管理者にメール送付をおこなうことでデータの是正作業を促します。

２、原価計算における複雑なケースの問題点

　上記のケースであれば比較的簡単に問題データを洗い出すことが可能なのですが、では次に少し複雑なケースを考えてみます。前回も記述させていただいたのですが、制作機械と機械オペレーターが必ずしも１対１にならないケースもありまして、具体的には一人のオペレーターさんが複数台の機械をコントロールしていた場合、工程費用を単純に作業時間で案分するとどうしても偏りが出来てしまいます。極端な例を挙げますと一人のオペレーターさんが月の前半は一日中1台の機械で製品Aを制作して、後半は10台の機械で同時に製品Bを制作した場合、製品Aと製品Bの作業時間には10倍の開きが出てきます。ということは工程原価を単純に案分した場合製品Bは製品Aに対して10倍の費用が掛かった形で算出されるのですが、この費用のうち電気代や燃料代等の機械が稼働することにより発生する費用は作業時間による比例配分で特に問題は無いかと思います。ところが労務費については、実質的には製品Aに掛かった費用も製品Bにかかった費用も同じですので、製品Bにしてみれば（変な表現ではありますが）不当に費用を乗せられているのではないかということになります。

　あと機械の減価償却費についてはどうでしょうか。こちらについては実際に機械が稼働した時間で割り振るのだからベストな形ではないかとも思えるのですが、ただ考えようによっては減価償却費は通常日割り計算なので月の前半に稼働しなかった9台の機械の原価償却費については月の前半に制作された製品Aに割り振るべきだという意見が出てきてもおかしくはありません。

３、原価計算における複雑なケースをAIによりサポート

　前項のようなケースはほんの1例で、この他にも1台の機械で複数のオペレーターさんが作業するケースもあれば、１台の機械で2つ以上の製品が同時に作成されるケースとかもあるかと思います。こういった制作状況に臨機応変に対応するとすれば原価計算算出システムにおいて、かなり複雑な形のパラメーターをあらかじめ設定しておく必要がありまして、また前述のように様々なケースが想定されるため結果を確かめてはパラメーターの設定をやり直して、更にその結果を見て再設定をしてと言った形のトライ＆エラーを何度も繰り返さないといけないという事態となってしまいます。

　そこでこのような作業を人間に代わってAIにやってもらおうというのが今回の話の焦点でありまして、それで話は少し戻るのですが第1項で予定過大と実績過大とが混在している工程において作業時間の予実比較に問題が無かった場合、次に着目すべきは作業機械となります。どういうことかと言いますと予定過大の品目と実績過大の品目とが同一の機械で制作されていたとしますと、何らかの要因で該当機械に対する費用が偏って配分されているのではという疑いがあります。

　ただ作業時間については第1項のチェックで問題ないと判断されておりますので、問題があるとすれば前項のような他の機械の生産状況に影響されているケースが想定されます。そこで他の機械の制作状況を調査して予定過大の品目と同時に生産されていた品目は存在するのか、あるとすれば同品目の工程原価は予定と比べてどうなのかといった点を洗い出していくのですが、それらの情報だけ見てみても人間であれば今までの経験値を元にしてなるほどこういった状況だからこのような結果が出てしまったんだなと判断できるかも知れませんが、AIの場合は流石に断面的な情報だけではそこまでは判断することが出来ません。

　そこで今度は過去の実績を見ていく形となります。具体的には先月度の該当工程における各機械の生産状況はどうだったのか、生産された品目の工程原価は予定と比べてどうだったのか、今月の工程原価と比べてどうだったのか、そういった調査を過去数カ月に渡って分析していけば、ある程度の傾向が見えてくるかと思います。例えば複数機械で同時生産の多い品目はそうでない品目に比べると工程原価が多く配分される傾向があるとか、そういった状況が判明すればではそれに対してパラメータ設定をどのように調整すればよいかという部分も見えてくるようになります。

　その分析結果を先ずはレポートにして管理者にメール送付する形も可能ですし、その内容を元にして製造原価算出のパラメーターを自動更新することも出来ますが、最初は管理者がAIの分析結果及び推奨内容を参考にしながら、パラメータをどのように調整するかを決定した方が良いかも知れません。

　ということで今回説明させていただいた内容はほんの一例でございまして、この製造原価を個別品目単位で算出する機能に関しましては、工程原価の他にも原材料費の積み上げをどのように考えるのか、半製品の原価をどのように取り決めるのか等々、様々なファクターが存在します。これらをより実情に則した状態で算出することはかなり困難ではあるのですが、タイのお役所では会計上の在庫資産額が適正値なのかどうか（意図的な金額調整がおこなわれていないかどうか）については常に目を光らせておりまして、会計監査時には毎回のように指摘対象となる事項でもあります。

　この為、製造原価の算出については色々と頭を悩まされている会社さんも多いかとは思いますが、何か弊社でサポートさせていただけるような業務がございましたら、お気軽にご相談をいただけますでしょうか。

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

◆どんなところにバーコードシステムを利用可能か

　バーコードシステムは、入力の精度向上や入力工数の削減のために利用されています。バーコードシステムが適用されるのは、以下のような処理です。

①生産実績の入力(良品数、不良数、消費数、生産時間など)
②出荷実績の入力
③棚卸在庫の入力
③資材の払出しの入力
⑤購入品・外注品の受入数入力

……

SimLex Developmet Co., Ltd. 古賀 敏生

九州大学を卒業後、大手ベアリング会社に就職し生産技術研究所にて工程設計を経験し、38才で独立後スケジューラ・生産管理システムを中心とした開発・販売を実施した。その後、タイにてSimLex Development Co., Ltd.を設立し、0ベースよりERP・生産管理システム・会計システムを開発・販売し現在に至る。

　先ほどこの製造原価算出システムはERPシステムの中ではかなり重要な位置付けであると説明させていただきましたが、どういうことかと言いますとERP内での業務の流れとしましては、先ず販売・購買及び生産実績システムのデータを元に在庫管理データが作成され、次にそれらの各システムと固定資産管理や給与計算システム等の各システム群のデータを元に会計伝票が作成されます。そして会計データと前述の生産実績データや材料在庫のデータを元にして個別製造原価が算出されるということで、それらのシステムデータが全て正しくないと当然ですが正しい原価は算出されない訳で、極端な言い方をすると製造業様向けERPシステムの最終目標がこの個別製造原価の算出とも言えるのではないでしょうか。

　ただこのように非常に重要な位置付けのものではあるのですが、普通に考えますと製造原価における原材料費は材料在庫データからの積み上げになりますし、工程原価は会計データを個別に案分したものになりますことから、わざわざAI機能を使うまでもなく単純な計算式で事足りるのではないかとも思われます。実際この個別原価計算機能をエクセルシートにて毎月算出されている会社さんも結構いらっしゃいまして、ただ単純な式で算出しているが故に頭を悩まされてる問題も多々ありまして、そこで今回はその問題点と共にではAI機能を活用することによってその問題は解決するものなのかという点について考えてみたいと思います。

１、工程原価の算出における問題点

　この工程原価の算出と言いますのは、大雑把に説明しますとその月にかかった経費をその月に製造した品目に案分するという作業でありまして、会計的に見れば製造原価として計上された経費のトータルと各々の製造品目に振り分けられた工程原価のトータルが合致していれば問題無い訳で、少し乱暴な言い方をしますと壮大な辻褄合わせをおこなう処理であります。

　ただ当然ではありますがその案分の仕方が実情に則していないと、本当は高コストの製品を安価で販売してロスを出したり、逆に低コストの製品に不相応な高価格を付けて競争力を失ったりというような事態が発生してしまいます。そこで一般的な案分方法としまして機械オペレーターさんの給与や機械の減価償却費といったような直接製造に関連する経費については該当品目の製造時間を用いて比例配分をおこない、管理部門の給与や事務所内のOA機器に対する減価償却費といった間接経費については前述の直接経費を配分した結果の金額の多寡により比例配分をおこなうというやり方がよくおこなわれております。

　もちろんこの案分のルールについては会社さんによりケースバイケースでありまして、例えば機械の減価償却費であれば同一ラインの機械をまとめた値で算出するのではなく、機械単位で細かく金額を振り分けられたりとか、経費によっては作業時間ではなく品目ごとに設定された別の原価配分用の値を用いたりとかそういった様々な差異はあります。

　それで何が問題なのかと言いますと、このように比例配分が自動でおこなわれ最終的なトータル値が会計の数字と合致しているが為に、製造コストにおける異常事態を検知し難いという点が挙げられます。

　例を挙げて説明いたしますと、ある工程で使用する制作機械では製品を作成する作業に熱処理等が必要なためかなり時間がかかるのに対して、別の工程では切断処理だけなので短時間で作業が終了するといったケースが有ったとして、これらの生産工程における経費の案分を単純に作業時間のみでおこなってしまうと、時間がかかる機械工程にかなり多くの経費が分配される形となります。

　生産機械の減価償却費であれば機械ごとに案分してしまえばその形でも問題ないのですが、労務費についてはそれほど簡単にはいきません。実は時間のかかる作業機械は最初に設定さえ行えば後は自動で動く仕組みとなっており、オペレーターさんが常につきっきりで作業をおこなう訳ではなく、極端な話1人が同時に10台の機械を監視することも可能であったとします。この場合単純に作業時間を元に労務費を案分してしまうと、実際には他の作業機械に比べて10分の1の費用しかかかっていないのに実際以上に労務費がかかった形で原価が算出されてしまいます。

　上記は1例なのですがこの他にも1人のオペレーターさんが別の工程機械と兼任で担当するケースもあれば、逆に1台の機械に複数のオペレーターさんが付くケースもあるでしょうし、単純に作業時間で労務費を割り振る形では実情とはかけ離れた原価が算出される可能性は大いにあります。

２、予定原価との比較による問題品目の洗い出し

　上記のような原価算出の問題点を解決するには、単純に考えますと複数機械を同時に稼働させた場合を考慮して、労務費の案分時に同シチュエーションを補うような係数をかけてやれば解決するのではと思われます。

　ただ予定製造原価の算出はその形で問題ないとしても実際製造原価の場合は何台の機械が同時に作業をおこなうかはその生産状況に拠りますことから、常に10台の機械がフル稼働している訳ではなく、ある時は1台のみが稼働であるときは5台が同時に稼働する日もあります。（あくまでも仮定の話なのでそういう風な設定で考えます）

　その場合、より精緻な製造原価を算出するには後述のように少々厄介な処理ロジックを組む必要がありますので、そこで先ずは簡易的なチェック方法を考えますと前述の通り予定原価の算出時にはこの状況を鑑みた上での原価算出がおこなわれておりますので、同原価と実際製造原価とを比較して、あまりにも数値がかけ離れている場合にはいずれかの数値に問題があるのではという判断をおこなうことが可能となります。

３、問題品目における正確な実際原価の算出

　ということで、上記のようなケースで実際の製造原価を厳密に算出しようとすると、各品目の生産時に同時に稼働した機械台数を情報として取り込み、同情報を元に係数を調整していくという方法を採ればかなり実情に近い数値を算出することが出来るのではありますが、言うは易し行うは難しで当該の機械グループは当然ながら毎回同じタイミングで生産を始める訳ではなく、機械ごとで1時間とか30分とかずれて開始した場合に、では何時から何時までには機械台数が何台でといった形で時間帯ごとに台数とその割合を元に係数というパラメータを調整していく作業が必要になります。

　あとオペレーターさんと作業機械の関連性についても様々なケースが考えられますので、予定原価の算出時には人間が適正値を想定して算出をおこなうことが可能だとしても、実際原価の算出時には膨大な情報を元にありとあらゆるケースを想定しないといけない為、それを一つ一つ検証していく形ですと恐ろしく時間のかかる処理となりまして、そこでここの処理ロジックにAI機能を活用することが出来るのかというのがここからのお話となります。

４、問題品目のグループ分けを行い傾向を調査

　前述のようにいきなり各品目単位で枝葉からデータチェックをおこなう形で作業を開始しますとどこまでシミュレートを繰り返せば正解に近づけるかという部分が雲を掴むような話となりますので、先ずは前項にて洗い出した問題品目の傾向を探ることから始めてみます。具体的には問題品目をグループ分けしまして実際原価が予定原価に比べて大幅に上回っているグループ、若干上回っているグループ、若干下回っているグループ、大幅に下回っているグループといった形で幾つかのグループを作ります。

　そしてグループ分けされた結果を元に傾向を探っていきます。例えば全ての品目において実際原価が予定原価を大幅に上回っているとすれば、それは前述のような経費の配分方法が間違っているという問題ではなく、該当月が賞与支給月だったとか光熱費が予定原価算出時より上がったとか予定外の大きな支出があったとか、そういった形で年次レベルで確認をおこなう必要はあるのですは、今回の月次レベルでの確認作業としてはとりあえず置いておきます。

　それで調査作業の対象となりますのが、実際原価が予定原価を大幅に上回っているグループと大幅に下回っているグループが共に存在しているケースとなりまして、可能性としてその二つのグループには何の関連性も無くたまたまそのような結果となってしまったということも考えられなくもないのですが、前述のように片方の原価が別のグループに割り振られているという結果になっているとも考えられます。

　そこでようやく各品目ごとで工程ごと経費科目ごとで内容を確認していくフェーズに入る訳なのですが、ここまでの説明で思ったより枚数を費やしてしまいまして、ここからの説明もまた長くなりそうですので、続きのお話については次回に回させていただけますでしょうか。

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

◆一般的な生産計画のステップ

　一般的な生産計画のステップは、受注入力→①基準日程生産計画(日別数量平準化)→②MRP(オーダ方針)→③差立て計画→生産→出荷のようになり①②③項を総称して生産計画となります。

①第9回 基準日程生産計画(MPS Master Production Schedule)とはで述べています。
②第9回 基準日程生産計画(MPS Master Production Schedule)とはで述べています。
③差立て計画は、いつ(日時)・どの設備で・どのような順序で生産するかを計画します。この計画に対応できるソフトウエアは生産スケジューラです。

……

SimLex Developmet Co., Ltd. 古賀 敏生

九州大学を卒業後、大手ベアリング会社に就職し生産技術研究所にて工程設計を経験し、38才で独立後スケジューラ・生産管理システムを中心とした開発・販売を実施した。その後、タイにてSimLex Development Co., Ltd.を設立し、0ベースよりERP・生産管理システム・会計システムを開発・販売し現在に至る。

基準日程生産計画(MPS Master Production Schedule)とは

　基準日程生産計画は、完成品の必要数と必要日決める生産計画のことで、基準日程生産計画をなぜ必要とするのかの理由は以下のようになります。

・受注に合わせて生産を行うのが普通ですが、受注に合わせた生産では生産の負荷平準化ができない。
・受注数が多すぎるため、分割生産を行いたい。
・安全在庫を持ちたい。
・需要予測分の先行生産を行いたい。

　すなわち、基準日程生産計画は受注と生産の間を埋めるクッションの役割を果たします。

……

SimLex Developmet Co., Ltd. 古賀 敏生

九州大学を卒業後、大手ベアリング会社に就職し生産技術研究所にて工程設計を経験し、38才で独立後スケジューラ・生産管理システムを中心とした開発・販売を実施した。その後、タイにてSimLex Development Co., Ltd.を設立し、0ベースよりERP・生産管理システム・会計システムを開発・販売し現在に至る。

　どういうことかと言いますと、昨今のシステムではデータベースも含めて入出力プログラム自体がクラウド上に置かれておりインターネットを介してシステム使用をおこなうというケースが主流となっております。この形の利点としてはインターネットへの接続環境さえあれば在宅勤務でも出張先でも普通にシステム使用が可能となるということで、特に数年前のコロナ禍の時期にはこの方式がかなり一般的となりました。

　反面デメリットとしましては、当たり前ですが社外からもシステムに接続することが可能なので、VPN設定やファイアウォール、パスワード等でのセキュリティ管理により防御はされているとはいえ、外部からの部外者の侵入を100％防ぐことは不可能な状況となっております。また仮にクラウド形式でなく、社内にサーバーが設置されているオンプレミス形式であったとしても、社内のネットワークがインターネットに接続されていれば、同回線を通じて外部からの侵入は可能となってしまいます。

　あと、極端な話をしますと社内のネットワークが外部のインターネットに全く接続されていないケースでも（あまり考えたくはないのですが）社内に悪意を持った人がいればシステムデータを故意に捏造したり必要データを削除したりといったことは起こりうる問題であります。また悪意は無くともシステムオペレーションに不慣れなスタッフがとんでもない事態を引き起こしてしまう可能性も皆無ではありません。

　そこでそういった危機状況に対してAIを活用することにより防御は出来るのかというのが今回の主題となります。具体的にどういった手法にておこなうかという案を事例ごとに説明させていただきますと、下記の通りとなります。

１、ユーザーIDとオペレーション時間とのチェック

　システムのデータベースに直接接続を行う為にはIDとパスワードによる一般的なセキュリティロックが掛かっており同内容はシステム管理者といった限られた人しか知らされておりませんので、ここで言うところのユーザーIDはERPシステムにログオンをおこなうユーザーIDとなります。その場合パスワードの管理は各々のユーザーさんに委ねられますので、中には管理の甘いユーザーさんからパスワード情報が漏れてしまうというケースも考えられます。

　そこでシステムにログオンをおこなわれたユーザーIDが本当に正規のユーザーさんからのものかどうかを確認する必要があるのですが、どのようなチェックをおこなえば良いかということで先ずはログオンがおこなわれた時間について考えてみます。ただ昼勤のユーザーさんであれば基本的に会社の業務時間内にシステム使用がおこなわれますが、忙しい時期であれば残業をされるユーザーさんもいらっしゃるでしょうし、夜勤のユーザーさんもいらっしゃると思います。

　この為ユーザーIDごとで今までの使用時間の履歴を解析しておき、例えばAさんのユーザーIDは午前中にシステム使用が行われることが多く、Bさんは午後と残業時間帯、Cさんは夜勤の時間帯といった形でIDごとで使用時間がある程度決まっていたとした場合、通常使用される時間帯以外にログオンがおこなわれた際には、果たしてそれは本人がログインをおこなっているのだろうか？という疑いをかけるという仕組みとなります。

　もちろん普段は午前中しかシステムを使用しない人がたまたまその日は午前中に半休を取って午後から出社したとか、普段は定時で帰宅する人が繁忙期なので残業したりといったイレギュラーなケースは考えられますので、杓子定規にログオン不可にする訳にはいかないのですが、チェック内容や対応アクション（ユーザーIDに登録されているメールアドレスやシステム管理者のメールアドレスに警告メールを送る等）を設定することにより不正ログオンの防止をおこなうことが可能となります。

２、ユーザーIDと端末環境とのチェック

　こちらも前項と似たような内容なのですが、ここではログオン時の端末環境をチェックしてやろうということで、例えば普段は会社内からシステム接続をおこなっていたユーザーIDが会社外から接続された場合や、あとは接続端末のOSがWindowsではなくiOSやアンドロイドであった場合や使用ブラウザーがいつもはEdgeを使用していたのにSafariに変わったとか、そういう風に端末環境がいつもとは違っていた場合に、同じように警告メールを送る等のチェック機能を付けることでこちらも不正ログオンの防止に努めることが出来ます。

３、ユーザーIDとオペレーションパターンのチェック

　実は前項までの内容であれば現状でもかなり一般的に使用されているチェック手法でありまして、特にEコマースやポイントサイト等では普段とは違う端末を使用した場合、成り済ましによる不正ログオンかどうかを確認する為の警告メールが送られてくるといった経験をされた方も多いかと思います。ただこの手法はEコマースのようなB to Cサイトではかなり有効なのですが、社内の業務管理システムのように基本的に社内のネットワークから接続が行われる場合は、成り済まし者も同じIPアドレスで同じPC環境でというケースも考えられます。そこでこの項ではよりAI機能を活用することによるERPシステムならではの更に複雑なチェック機能を考えてみたいと思います。

　先ずはオペレーションのパターンをチェックということで、どういうことかと言いますと例えばAさんのユーザーIDであれば通常朝9時から受注データの入力をおこない、その後在庫予測の照会を行いながら発注依頼データの入力をおこなうというオペレーションが日課だったのに、ある日突然同じユーザーIDで販売単価マスターを開いて既存のデータを次々に変更をおこなっているとなれば、それはちょっと疑わしいのではという判断がおこなえるのではないでしょうか。

　もちろんたまたまその日に販売単価の入力ミスに気付いてそういうオペレーションをおこなう必要があったというケースも考えられるのですが、穿った見方をすれば単価を勝手に改ざんしてるのではということになります。そこで、こういった場合もユーザー本人やシステム管理者に警告メールを送る、若しくは一旦システム使用をロックするといった強硬なアクションを採ることも可能です。

　その他にも社外秘となるような資料の閲覧や財務諸表の出力等を普段あまりそういう作業をおこなわないようなユーザーIDによりオペレーションがおこなわれた場合にも疑ってかかる必要があるでしょうし、あとは何故か既存の伝票を大量に削除しようとしたとか、マスターデータの削除を行おうとしたとか、そういった通常おこなわれないような危険な作業を実施しようとしていた場合には、何らかのチェック機能を付けることにより大きな被害を受けることを事前に防ぐことが出来るのではないでしょうか。

　今回も危機管理ということで、ただ前回とは少し違った観点でシステム自体の脆弱性をカバーする目的としてのAI機能の活用方法についての話をさせていただきましたが、次回もまた同じように今までとは異なる形でのAIの可能性についての話をさせていただければと考えております。

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

◆様々の目的のための在庫

　在庫の種類には、次のものがあります。

・現在在庫（リアルタイムで確認できるシステム上の在庫）
・棚卸在庫（月次在庫とも。現品確認できる実際の在庫）
・有効在庫（＝現在在庫＋発注残（生産残）－消費予定数－安全在庫）
・理論在庫（将来のある時点での有効在庫）
・在庫台帳 (Stock Card)

◆有効在庫

　上記のうち有効在庫はMRP（資材所要量計画）で利用され、生産管理を行うために有益な概念で知られています。発注残（生産残）とは、Purchase P/Oが発行されている、生産指示発行されているものを指しています。

……

SimLex Developmet Co., Ltd. 古賀 敏生

九州大学を卒業後、大手ベアリング会社に就職し生産技術研究所にて工程設計を経験し、38才で独立後スケジューラ・生産管理システムを中心とした開発・販売を実施した。その後、タイにてSimLex Development Co., Ltd.を設立し、0ベースよりERP・生産管理システム・会計システムを開発・販売し現在に至る。

　一口に危機管理といいましても様々なシチュエーションがある訳で、その中で最大のプライオリティとしては人命に関わるものかと思いますが、社内の業務管理においては仮にオペレーションミスが重なったとしても、そこまでの問題に発生することは先ず考えられません。

　そこで次に重要な危機状況と言いますと会社に重大な損害を与えてしまうことになりますでしょうか。この内容であれば、業務管理システムに対するデータの入力ミスもそうですが悪意を持った人間が意図的にデータを改ざんといった要因により十分に考えられる内容でありまして、そこで今回はAI機能を駆使することで、こういった危機状況の発生を未然に防ぐことが出来るのかといった話をさせていただければと考えております。

１、在庫ショートの発生

　業務管理システムにおいて、会社に損害を与えるシチュエーションとして先ず考えられるのがこの在庫ショートの状況ではないでしょうか。在庫ショートが起きてしまうと対応策として通常は船便を使っているところを航空便を使わざるを得なくなりその分費用が増大してしまうとか、それ位ならまだ良い方で結果的に客先の信用を失ってしまい今後の取引に影響してしまうという事態まで引き起こしてしまいかねません。

　それで在庫ショートが発生する状況を考えてみますと、一般的な関連業務としまして客先からの注文データを元にして生産計画立案からMRP機能を使用して材料の発注点を求め、入荷された材料を使用して生産をおこなうという一連の流れが考えられるのですが、その処理の途中で様々な不測の事態が発生したことによって、最終的に客先希望納期までに製品作成が間に合わないケースが発生することがあります。

　不測の事態の例を挙げますと、受注データの入力ミスや機械別の稼働カレンダーや負荷マスターの設定ミスといった直接ERPシステムに関わる内容もあれば、仕入先の不備で材料入荷が遅れたり入荷した材料自体がNG品であったり、他には制作機械が故障したり生産時にNGが多発したりといったシステム外の要因により遅延が発生してしまうことも考えられます。

２、在庫ショートに対する一般的な防止策

　このうちERPシステムの内因であれば、わざわざAIに頼らずともあらかじめ問題の発生を想定して整合チェックロジック等を加えることによりある程度の防止は可能なのですが、外因による遅延に対してはどのように対応すれば良いでしょうか。一般的なシステムでの対応としましては材料在庫及び製品在庫に対して安全在庫を常にプールしておき、何か問題が発生した場合でもこの安全在庫の中から消費若しくは出荷してしまえば最悪の結果は逃れるといった方法を採用されているケースは多いかと思います。

　ただ、この安全在庫の設定についても色々と問題がございまして、不測の事態に備えるためであれば安全在庫のボリュームは多ければ多いほど安全ということになるのですが、在庫ボリュームが増えれば増えるほど当然ながら保管費用がその分発生する訳で、必要以上に持ってしまうとその為に費用どころかその為に新たに倉庫を建てないといけないという事態にもなってしまいます。

　そこで、適正在庫量を様々な手法を用いて算出する必要がありまして、ただ最近の傾向ですとなるべく保管費用を抑える目的で安全在庫を少な目に設定するケースが多く、この為在庫ショートの危険性も当然ではありますが高まります。

３、在庫ショートに対するAIを活用した防止策

　では、このような状況において在庫ショートを未然に防ぐためにはどのような対策を採ればよいでしょうか、ということでここでようやくAIが登場してきます。それでこの危機管理についてですが、飛行機事故を例に採ってみますと、一つの要因だけではなく複数の危険要因が積み重なった結果大きな事故になってしまったということはよく耳にいたします。どういうことかと言いますと、飛行機の運行では安全性が最も優先されるため不測の事態を想定してフライトコンピューターにしても3台装備されて仮に１台が故障しても問題なく運航できるように考えられており、なおかつ手動に切り替えられるモードも有しております。また何れの機器もフェイルセーフの考えを基本にして、もし一部の機器が故障したとしても常に安全側に動作するような仕組みが設けられておりまして、更に日常的に機器点検もおこなわれており少しでも不具合の前兆が見られた場合ですとか、あとは天候が著しく崩れる恐れがある場合には運行を見合わせるといった対応がおこなわれております。

　ところがこれだけ二重三重に守られた環境の中でも事故は起こってしまう訳で、それは前述しましたように様々な不測の事態が同時に発生したが為のもので、例えば点検時には問題の無かったエンジンの一つが離陸直後に故障して、元の空港に引き返そうにもたまたま滑走路が混雑しておりしばらくは引き返せない状態で、タイミングの悪いことに急に天候が崩れて云々といった危機的な要因が次から次に発生した結果、重大な事故が起こってしまうといったことです。

　ということで、何が言いたいのかと問われますとこのような複合要因の発生をあらかじめ予知できないものかというのがこれからのお話となります。在庫ショートの発生にしても要因としましては同様に一つだけに絞られる訳ではありません。こちらも例を挙げますといつもは少量の注文しか来ない製品にいきなり大量の注文が来て、しかも製品についても使用材料についても安全在庫がほとんど設定されておらず、また同製品の制作作業においていつもの機械オペレーターがたまたま休暇を取ってしまい不慣れなオペレーターのためNG品が大量に発生して云々といった内容になります。

　それでこういった不測の事態の発生をどのように予測するのかと言いますと、ここでAIの解析機能を活用する形となりまして、先ずは今までの販売実績を元にいたしまして受注時の希望納期と販売日付とを比較して販売日が希望納期より遅れているものがあれば、そのような事態になった要因を一つずつ抽出していきます。具体的には販売時点での製品の安全在庫係数、生産時点での材料の安全在庫係数、今までの受注数と受注時の生産計画とそれに対する生産実績との相違、生産時のNG比率、生産時の機械及びオペレーター等々といった様々なデータを積み上げていきます。

　次に納期遅れになっていないケースでも生産計画と生産実績とが大きく乖離して在庫ショート寸前になっていたケース、いわゆる隠れ納期遅延についても同じように様々な情報を抽出していき、これらの情報と正常に生産及び販売がおこなわれたケースの情報とを比較して、どういった状況であればスケジュールの遅延が発生しやすいのかといった要因を突き止めていきます。

　そして現時点でそれらの危険要因と同じ状況が発生していないかどうかを探し出して、例えばある受注データに対する生産進捗においていくつかの状況が当てはまっていれば、その要因ごとの優先順位と組み合わせを分析することにより、危険率の高い受注データをピックアップします。それらのデータを在庫ショートが発生する兆候のあるものと判断し、警告リストとして出力することにより管理者に対して注意を促すといった流れとなります。

　ということで、今回は本来であれば他にも様々な危機管理案件について話をさせていただくつもりだったのですが、この在庫ショートのお話だけで長くなってしまいましたので、続きは次回という形にさせていただけますでしょうか。

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

◆適切な在庫管理ポイントと現品票

　在庫管理の精度を高めていくには、まず、管理ポイントのメッシュが適切に設定され、運用可能なレベルにあることが大前提となります。そのうえで、あらゆる現品に対し現品票が備えられていることが必要になってきます。

　現品票とは全ての現品（原材料、部品、中間仕掛品、完成品のこと）について、それが、いつ、どこで作られ(購入され)、今、どこに、どれくらい所在するのかを取りまとまるための伝票です。品目コードやロットNoなどで管理され、現品の所在位置と数量を正しく把握するためには欠かせないものです。

……

SimLex Developmet Co., Ltd. 古賀 敏生

九州大学を卒業後、大手ベアリング会社に就職し生産技術研究所にて工程設計を経験し、38才で独立後スケジューラ・生産管理システムを中心とした開発・販売を実施した。その後、タイにてSimLex Development Co., Ltd.を設立し、0ベースよりERP・生産管理システム・会計システムを開発・販売し現在に至る。

　今回も前回の続きとしまして業務管理システムに絡めたAI機能について考えてみたいと思います。前回はEコマースについてということで、どちらかと言えば外に向いたシステムであったのに対して、今回は表題にありますようにワークフロー業務ということで、内部の管理業務に焦点を当てまして、今回はその中でも購買依頼に対する承認フローについてを取り上げたいと思っております。

　それでそういった購買依頼に関連するワークフローシステムについてはかなりポピュラーなものではありまして、一般的なERPパッケージシステムに組み込まれていたりワークフローシステムとして独立した形で販売されているケースもあり、システム自体は既に完成されたものですので、そこに果たしてAI機能を組み込む余地があるのかという点についてを今回は考えてみます。

1、購買ワークフローの概要

　ということで、先ずは購買ワークフローとは何ぞやという点について話をさせていただきますと、簡単に言えばその名の通り社内で必要なものを購買する為の仕組みでありまして、大は制作機械から小はボールペンといった消耗品に至るまで、会社として日常的に購買をおこなうものには様々なものがあるのですが、いくら仕事で必要になるとは言っても担当者さんが欲しいものを自由気ままに購入するわけには当然ではありますがいきません。そこで購買品のスペックやら仕入先を決定する為の会社としてのルールが必要になりまして、その社内ルールをシステム化したものが購買ワークフローということになります。

　具体的には100万バーツ以上の機械を購入する場合と１本50バーツのボールペンを購入する場合ではそのプロセスも当たり前ですが異なって来まして、例えば100万バーツ以上の購買には購買品目の決定に至る様々な資料が必要になると共に同資料を元にして5段階の承認者さんのチェック作業を経て最終的に会社のトップが決断を下す形になるのに対して、1,000バーツ以下の購買には担当部署のマネージャーさん一人の承認で購買が可能になるといった仕組みとなります。

　このような金額による承認ルールの他にも購買品によっては毎回同じものを買っているので金額が大きくとも最低限の承認で購買できるといった品目単位での承認ルール等もあります。それで同ルールをシステム内に組み込むことにより、各部署のユーザーさんより何れの品物を何れの仕入先さんから何月何日までに購買したいといった依頼データが入力されますので、そのデータを元に該当レベルの承認者さんにメールやラインで承認待ちデータの存在を通知し、同メールに記載されているアドレスをクリックすることにより承認作業がおこなわれます。そして最終承認が終了した依頼データより注文データが自動作成されるといった流れが一般的な購買ワークフローシステムになりますでしょうか。

2、購買価格の分析にAIを利用

　それでは上記のような購買ワークフローにAI機能を組み込むことを考えてみますと、どうなりますでしょうか。先ずはAIの得意分野となります過去データの分析機能を駆使して現在出されている購買依頼が妥当なものであるかどうかを確認してみます。具体的な例を挙げますと、１ダース600バーツのボールペンの購買依頼があったとしまして、過去にボールペンを購入した実績を購買管理システムの中から引っ張り出してみた場合、直近数年間の実績に比べて価格が同じであれば問題ないのですが上がっていたとしますと、更なる分析が必要となります。そこで次に型番と仕入先が同じかどうかをチェックして同じであれば、価格がどれくらい違っているのかにも寄るのですが単に仕入先が価格をアップしたということで納得できるのですが、型番や仕入先が違っていた場合なぜ同じものを同じところから購入しないのかという疑問が湧いてきます。理由として今までの型番が廃盤になったとか仕入先自体が廃業してしまったとかあるいは今までより機能性や耐久性に優れた品物なのでといった様々なものが考えられるかと思いますが、そういった理由を購買依頼ユーザーに問い合わせるといったステップを加えることが可能となります。

3、購買タイミングの分析にAIを利用

　この項については前項とよく似た形で同じく過去の購買実績を分析するのですが、ここでは購買頻度についての調査をおこないます。今回も600バーツのボールペンについて考えてみますと（実際600バーツくらいでそこまで細かく分析しないでしょうがあくまでも一例ということで）、今までの購買タイミングが凡そ半年ごとのペースでおこなわれていた場合、今回の購買依頼が前回から3ヶ月しか経過していないとすれば、こちらも何らかの理由付けが必要となります。理由としましては部署内のメンバーが倍に増えたからとか仕事上で急に書き物が増えたとか、様々なものがあるかと思いますが、そういった今までの購買頻度とそれに対して今回の購買タイミングが妥当かどうかを理由を含めて承認時に提示することにより、最終判断を承認者さんがおこなう形になりますでしょうか。

4、購買品の影響分析にAIを利用

　この項は前項までに比べますと少々複雑で分かりにくい内容となりまして、要は現在依頼の出されている購買品が本当に会社のためになるのかどうかをAIに判断させる機能となります。実は前項まではわざわざAIに頼らずとも手動でロジックを組めば対応できそうな内容でしたので、ここからがいよいよAI利用の本領発揮ともいえる訳です。

　例を挙げますと流石にボールペンの購入が会社の将来を左右するという訳には行きませんので、ここでは社内製造を行う為の材料購入のケースを考えてみます。それで社内製造の主原料として１年前まではA社から材料Bを購入していて今年からはC社から材料Dを購入する形に変更していた場合、現在また材料Dに対する購買依頼が発生した際にこのまま継続して材料Dを購入し続けることで問題は無いのか若しくは材料Bに戻した方が良いのかをAIに判断させる仕組みを考えてみます。とは言いましてもそもそも材料を変更した背景には価格やら品質やら様々な要因を鑑みて決定しているはずですので、（単に材料Bが廃盤になったからという理由もあるかも知れませんが）その答え合わせをするための分析作業という位置付けになりますでしょうか。

　それで具体的にはどのように分析をおこなうのかと言いますと、先ずは今までの生産実績データを元にして材料Bを使用した場合と材料Dを使用した場合との比較をおこなう形となりまして、比較項目としましては、効率管理の面での作業時間、品質管理の面での歩留まり等様々な値を比較してどちらがより短時間で高品質の製品を制作出来たのかという内容をを見極めます。ただ生産作業に関しましては作業人員の違いや制作する製品の違い等もありますので単純比較は難しい部分もあるかとは思いますが、それでも年間のデータであれば様々な条件下での比較がおこなえるかと思います。

　あと考えられる分析内容としましては、生産関連ですと制作機械や金型の購入、間接経費関連ですとPCやソフトウェアの購入等についても、関連する生産実績や会計データを元にして同じような分析作業がおこなえるのではないでしょうか。

　ということで、今回は購買ワークフローシステムに関連するAI機能の活用方法について話をさせていただきましたが、次回も同じような形でより実用的なシステムに対するAI活用についての話をさせていただければと考えております。

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