コンサルが挑む ものづくりの現場でAI・データ利活用 〜 専門家とデータサイエンティストとの共創 〜 / Driving a co-creation project with Specialists x Data scientists x Consultants aimed at total optimization by AI x Data

2023年6月9日開催 Women in Data Science Tokyo @ IBM
DATA SCIENCE x CONSULTANT TALK資料
Speaker: 古屋 早知子
ビジネス・トランスフォーメーション・コンサルタント

日本IBM(株)
IBMコンサルティング事業本部

https://widstokyoibm2023.splashthat.com/

Transcript

1. Women in Data Science Tokyo @ IBM 2023 2023 06 09 IBM Consulting
2. 本セッションのSNS投稿について SNS投稿： 一部OK OK: SNS投稿禁止と書いてないスクリーンショットの画像/ 動画/内容を含んだ投稿 NG: SNS投稿禁止と書いてあるスライドのスクリーン ショットの画像/動画/内容を含んだ投稿 ハッシュタグ: #WiDS2023 #WiDSTokyoIBM 一部SNS投稿禁止
3. • • • • • • • •
4. 1.エンジニアからコンサルタントへの道のり 2.建築現場へのAI画像認識適用の課題と実践 3.まとめ 本日はご参加ありがとうございます。 エンジニアからコンサルタントのキャリアチェンジに至る経緯から、建設業のお客様との共創 プロジェクトで得た知見とコンサルタントの役割をお話させていただきます。
5. © 2023 IBM Corporation 5 01
6. CAEエンジニア～技術コンサルタントへ • • • • •
7. CAEエンジニア時代の仕事・役割 ◼ CAEを活用したノートパソコン設計支援・設計プロセス革新 • ゴール：CAEを製品設計過程に導入し、試作費用・期間削減する • 背景：構造設計者約80～90名のうち、ほとんどがCAEの導入に懐疑的。 熟練者ほどその傾向が強かった • 得たこと：使いたいと思われるような説明や見せ方。相手の業務を理解した上で、 ツールの利点・欠点を伝えながら業務への浸透を促す重要性
8. プリセールス・リエゾン時代 ◼ 研究所発AI画像認識技術のビジネス化 • ゴール：海外研究所開発のAI技術を現地支社と日本支社で合同ビジネス化 • 背景：当時、日本本社から海外への技術展開のスキームはあったが、現地支社と日 本支社による合同ビジネス化はスキームがなかった • 得たこと：イギリスの研究所では特許対策、日本本社法務にスキーム作成依頼など 適切な部門や関係者を探し、巻き込むためのビジネス基盤を構築した
9. 技術コンサルへの兆し・・・ ◼ 航空部品メンテナンス向けAI技術開発・導入の立上げ • ゴール：3Dスキャナ＋点群データ＋AI画像認識のソリューション開発 • 背景：航空部品のメンテナンスには、化学塗料など使用されるため、健康懸念など から3Dスキャナ等を用いた傷判別の需要があった • 役割：3Dスキャナで得られた点群データを変換し、AI画像認識で傷を検知するまで のプロトタイプを作成。それを元に、開発チームがアセット化 • 得たこと：自分のアイデアを提案に落とし込み、顧客と共にデリバリーまで実施
10. そして・・・ ◼ 国境・国籍を越えたプロジェクト活動、Business Development にやりがいを感じ、MBAを取得。コンサルへ転身。 SNS投稿・ス クショ禁止
11. キャリア変遷まとめ
12. © 2023 IBM Corporation 12 02
13. 建設業をとりまく状況
14. 建設業が直面する課題 ◼ 就業者の高齢化の進行への対応 ◼ 時間外労働の上限規制への対応
15. 建設業をとりまく状況：プロジェクトの取組
16. 実労働時間が長い 製造業と比較しても差は歴然。建設業では約4割が4週4休以下で就業。
17. 年間出勤日数を削減したが・・・ ◼ 製造業は、削減した労働時間分とほぼ同じ分の出勤日数削減 ◼ 建設業は、出勤日数が減った分を出勤日の労働時間を延長して カバーしている可能性がある という仮説も立てられる
18. デジタル化へのハードル(1/2) 建設業は、現在「デジタル化を実施していない」企業が約8割
19. デジタル化へのハードル(2/2) ◼ ステークホルダーが非常に多い。さらに建築段階によりステークホルダーが変わる ◼ 一律のルール作成や標準化が難しい。土地・建物の状況が日々変化する。さらに地域ごと の特色（山間部や都市部の違い）がある ◼ 天候・時間など外部要因を考慮したAIモデルの作成が必要
20. お客様の課題 ◼ 三現主義（現地・現物・現実）が管理の基本! のためテレワークが難しいという先入観 ◼ 現場面積大＝残業時間増の傾向あり。現場内の確認のための移動時間等が非常に多い ◼ DX施策に取り組むも、PoC止まりで現場導入に至らない SNS投稿・ス クショ禁止
21. 建築生産のプロセスとプロジェクトの範囲
22. プロジェクトのゴール：現場の目をITで実現 • • 最大の課題 最終目標 • • • • • •
23. プロジェクトのメンバー構成 ◼ それぞれの専門が全く異なる人が集まり、一つのゴールを目指す
24. 現場の目の実現 360 • • • • • SNS投稿・ス クショ禁止
25. AI画像認識適用時の建築現場と生産ラインの比較
26. 現場の目の実現のために・・・ ◼ それぞれの間にある壁をどう打ち破るか
27. その単語、伝わっていますか・・・？
28. その技術、伝わっていますか・・・？
29. 360 SNS投稿・ス クショ禁止
30. ◼ 全体最適を実現するためにはデータの整備・連携と全社基盤構築が不可欠 さらなるデジタル化への道筋 BIM/CIM モデル 設計時 BIM/CIM モデル 施⼯時 BIM/CIM モデル 維持管理 各活動 業務システム 業務システム 業務システム 業務システム 業務システム 業務システム 会計・原価管理システム ⼈事・給与システム 業務システム w eb -ED I PJポータル ダッシュボード BOX・⽂書管理 AR・VR 販売管理システム 調達・購買管理システム 案件管理 システム モバイル/タブレット /ウェアラブル カメラ ロボット I o Tセンサー GN N S リアル/現場 モデル BIM/CIM ダッシュボード 基幹・業務システム デバイス Phase1 Phase2 第一段階 第二段階 第三段階 第四段階 第三・第四段階に進めるために
31. © 2023 IBM Corporation 31 03
32. AI適用と共創を進めるために ◼ 専門性が異なるメンバーそれぞれの 知識・経験が重なりあう部分が大きく なるほど、成功確率は高まる そのためには… ◼ 共通言語を習得・利用 ◼ お互いの世界に興味を持つ ◼ 相手の立場と視点を 聞く・知る・想像する・確認する
33. 全体最適に向けて：コンサルタントの役割 ◼ 全体俯瞰 ◼ 技術成熟度・関係者を考慮した トータルコーディネート ◼ 道筋をつくる（リーダーシップ） ⚫ ⚫ ⚫
34. プロジェクト運営で参考にした書籍 本書より ◼ 科学は常に仮説である ◼ ブレストよりもユーザーに聞け ◼ 難問はまず切り刻め