核心要約
- APS評価:メイクスパン16.13%改善
- AIが担うのは再計画作業
- 鍵は設備・資材データの連携
- 再計画の回数・時間からまず数えてみる
JNEWorks、VMSソリューションズ、国立昌原大学校産学協力団によるコンソーシアムの自律生産計画ソリューション「APS」が、2025年のアルゴリズム評価でメイクスパン16.13%改善、納期遵守率18.16%向上を記録しました。同評価でBi-LSTMベースの需要予測精度は96.23%でした。電子新聞が2026年11月16日に報じました。
メイクスパン(Makespan)とは全体の生産を終えるまでにかかる時間を指し、16.13%は既存計画と比較した改善幅です。APSは緊急受注・設備故障・資材供給の遅延といった生産上の支障が生じた際に、AIが新たな生産スケジュールを提示するソリューションです。
生産に支障が出ると何が変わるのか
実証現場であるテリム産業・昌原工場は自動車操舵装置など多品種部品を生産しており、機種変更や緊急受注、人員変動といった生産変数が頻繁に発生します。従来は担当者がExcelで生産計画を修正しており、日程調整に半日以上かかるうえ、作業員のスケジュールや設備負荷、資材供給状況を同時に反映することも困難でした。
APSは次の3つを一つのプラットフォームに統合しました。
- Bi-LSTMベースの需要予測AI
- 強化学習ベースの生産リスケジューリング
- 「What-if」シミュレーション
緊急受注が入ったり特定設備が停止したりすると、AIが既存の生産順序と設備配分を再計算し、納期遵守率や生産時間、設備負荷などを比較して新たな生産計画を提示します。資材供給に問題が生じた場合も、当該資材を必要とする作業を考慮して生産順序とスケジュールを再調整できます。
実証はどこまで進んだか
コンソーシアムは2026年、これらの機能を多工程・複数ユーザーが活用できるAPS SaaS(サービスとしてのソフトウェア)プラットフォームへと統合しました。テリム産業のAAS(資産管理シェル)ベースのデータレイクとプラットフォームを連携させ、実際の生産・設備データに基づいて生産計画を生成する現場実証も推進しました。
適用範囲は自動車部品から造船・海洋・風力機材へと拡大しました。釜山のセボテクノロジーにソリューションを適用し、プロジェクトごとの仕様変更や安全試験の遅延、設備故障などに対応する生産計画を検証したほか、異なる製造環境を標準APIで連携しました。
コンソーシアムがTTA試験で検証するとした目標値は以下の通りです。
- 生産計画自動化率85%以上
- APSデータ連携成功率95%以上
- メイクスパン改善率20%以上
- 納期遵守向上率20%以上
- What-if複数シナリオ評価時間20分以内
本ソリューションは企業ごとの構築負担を軽減したクラウドサービスとして事業化し、適用分野を多品種少量生産や日程変更の多い防衛・港湾・プラントエンジニアリング分野へと拡大する計画です。本事業はJNEWorksが主管企業として参加する慶尚南道・慶南テクノパークの「広域連携型AIソリューション開発・実証支援事業(2025~2026年)」であり、科学技術情報通信部と情報通信産業振興院(NIPA)が支援する「製造業AI融合基盤造成事業(2024~2026年)」の2026年度詳細事業です。2025年4月に始まった2カ年事業として、2026年に現場実証と性能検証を完了します。
韓国企業AXへの示唆
本事例でAIが担うのは生産そのものではなく、支障が生じるたびに担当者がExcelで半日以上かけていた再計画作業です。ホン・ウィソクJNEWorks代表も「生産に支障が出るたびに担当者が計画を一から組み直さなければならなかった負担を減らすことが、この事業の核心だ」と述べています。生産計画AIの導入を検討するなら、精度の数値よりもまず、計画を組み直す作業がどれほど頻繁に繰り返され、1回あたりどれだけ時間がかかっているかを基準にする順序が適切でしょう。
テリム産業の実証が、AASベースのデータレイクと連携し、実際の生産・設備データで計画を作成する方式であった点も注目に値します。再計画AIが代替スケジュールを比較するには、作業員のスケジュール・設備負荷・資材供給データを一元的に読み取れる必要があります。このデータが担当者のExcelの中にしか存在しないのであれば、連携作業こそが導入の第一歩となります。
今週は、この1カ月間に緊急受注・設備故障・資材遅延により生産計画を組み直した回数と、1回あたりにかかった時間を書き出してみてください。
