[事例ニュース]

2025年12月17日(水)日川 佳三（IT Leaders編集部）

リスト

　京セラは、IoTセンサーを用いたスマートファクトリーを推進している。一方で、センサーから収集・蓄積するデータをSQLやPythonで分析できる人材が不足。製造現場では、Excelによる手作業でのデータ活用を中心に部材管理や原料調合などの業務が属人化していたという。

図1：京セラが取り組むデータエンジニア教育の概要と範囲。BIツール「MotionBoard」はデータの可視化に使っている（出典：ウイングアーク1st）
拡大画像表示

　2021年4月から、製造現場の技術者をデータエンジニアとして育成し、IT部門に依存せずに現場で課題を解決できる体制づくりに取り組んでいる。データ可視化基盤には、ウイングアーク1stのBIツール「MotionBoard」を導入した。現在、データ活用人材は200人を超えているという（図1）。

　BIツールの活用事例として、部材の在庫照会画面の開発を挙げている。有効期限の近いロット情報を表示し、現場での先入れ/先出し判断を促す（図2）。

図2：京セラの現場担当者がBIツールで作成した在庫照会画面（出典：ウイングアーク1st）
拡大画像表示

　図3は、MotionBoardで開発した発注履歴画面である。発注情報や納期回答日、発注残数などを一覧で確認することで過剰発注を防止し、過剰在庫を60%削減している。

図3：京セラの現場担当者がBIツールで作成した発注履歴画面（出典：ウイングアーク1st）
拡大画像表示

　ほかには、切削工具の製造工程における素材の調合業務を標準化している。原料投入から最終検査までの一連のデータを管理するシステムを開発し、調合内容と製品特性の関係を可視化した（図4）。

図4：素材の調合業務を標準化し、システムに落とし込んだ（出典：ウイングアーク1st）
拡大画像表示

　京セラは、データエンジニア教育に加えて、マシンラーニング（機械学習）を使って条件の最適化を目指すデータサイエンス教育も実施している。調合伝票の内容や工程に応じた値の変動、各配合比の影響度といった知見を基に、最適な調合の条件を予測するモデルを構築。運用を続けることでモデルの精度が向上し、従来は気付かなかった改善のヒントが得られているという。