人の可能性を引き出すためのAI導入
何百万通りもの配送ルートを自動最適化する挑戦

ステンレスやチタンなどの高機能材料の販売・加工事業を行う能勢鋼材株式会社は、創立から50年以上の歴史を持つ老舗企業だ。巨大な航空機に使用される部品から、細かな加工を必要とする製品までカバーする高い技術力と、顧客密着型のサービスを武器に成長を続けてきた。現場には、長年受け継がれてきた技術への誇りとこだわりが息づいていている。しかしそれ故に、一部の業務が属人化しているという課題もあった。従業員数84名。大阪のものづくり企業は、いかにしてAIを現場に取り入れたのか。

AI導入による業務効率化に取り組んだ経緯

まずは、能勢鋼材さまの事業とお二人について簡単に教えてください。

能勢

ステンレスやチタンなどの鋼材の加工販売を主な事業とし、毎月数十万個の商品を約3,000社のお客様にお届けしています。高い技術力と品質でお客様から信頼をいただいており、規格外のカスタマイズや極小ロットの製品を短納期で対応する柔軟性が強みです。2016年には航空業界にも進出し、業務を拡大しています。私は、2004年に代表に就任しました。

柴坂

私は25年前に能勢鋼材に入社し、現在は総務統括部門の部門長を任されております。総務・経理を担当していましたが、データサイエンスにはもともと興味があり、全社としてDXに取り組もうという能勢の考えの中で、プロジェクトリーダーとしてAI導入を進めています。

今回の取り組みに至った経緯はどのようなものだったのでしょうか。

能勢

小ロット・短納期を強みとする以上、いかに多くのお客様に多くの製品を届けることができるか、というのが経営上の命題です。しかしながら、「どの製品をどういうルートで誰がいつ配送するか」とい振り分け業務が属人化しており、とても非効率的なまま行われてきました。

柴坂

小ロット・短納期が故に外部業者には頼みにくく、配送量も一定ではありません。日によってバラつきがある中で、毎日手作業で配送ルートを作っていました。配送ドライバーからも不平不満が多く、振り分けを担当する社員の負担も大きい状況で、これはなんとかしなければと。そこで、兼ねてより付き合いのあった帝国データバンクさんに相談してみたんです。

能勢

最初は軽い気持ちというか「こういうのAIで自動化できない？」くらいのフランクな相談だったんですが、向こうがすごく興味を持ってくれて。驚くくらいトントン拍子で話が進みましたね。

柴坂

機械学習の導入 技術を持っている滋賀大学さんと共同で設立したDEMLセンター（Data Engineering and Machine Learning）の取り組みを紹介していただき、すぐに共同プロジェクトがスタートしました。

解決すべきテーマの設定と実際の取り組み

DEMLセンターとのプロジェクトはどのように進んだのでしょうか。

能勢

最初に行ったのは、解決すべき課題を明確化し、ゴールを決めることです。私たちの場合はそれが明確だったので「複数台トラックによる配送ルート設定の自動化」というテーマがすぐに決まりました。具体的には、これまで社員の経験に頼っていた暗黙知を、いかに型式値化するか。「あの人しか 知らない」という情報を現場から無くすことをゴールとしました。

柴坂

実際の取り組みとしては、トラックの積載量や稼働時間、交通ルートの規制などの制約条件をクリアした上で、トラックの台数や移動時間、さらにドライバーの不満指数などからなる配送コストを最小にするアルゴリズムを、滋賀大学の皆さんと共に構築していきました。

アルゴリズムを構築していく上で新しい発見などはありましたか。

柴坂

発見だらけでしたね。例えば、AIによって導き出した2つの配送ルートをマップ上に可視化してみると、ルートAの配送先のうち1箇所だけがすごく離れた場所、それもルートB付近にある。単純な距離で考えれば、この配送先はルートBで回ったほうが効率的だろうと思えるのですが、実はこの配送先は高速道路のインターチェンジ付近にあり、ルートAで回ったほうが結果的に時間が短縮できることが分かったんです。

能勢

配送ルートの自動化と一口に言っても、大きなトラックが通れる道かどうかとか、一方通行だから回り道をしないといけないとか、物理的な制約がいくつもあります。それに加えて、顧客特性も加味しないといけません。例えば「ここのお客さまは、到着してから15分は待ち時間がある」といったような事情も、お客様ごとにあるわけです。何百通りと考えられる配送ルートを、そう言った制約も加味して機械学習で最適化し、可視化していくことで、私たちとしても大いに発見を得られました。

システムを導入する上で意識したこと

では、実際に開発したAIを現場に導入した際のお話を伺わせてください。

柴坂

滋賀大学さんと検証を繰り返し、ドラフト版を作成し、十分現場で使用できるクオリティだと感じたので試験的に導入をスタートしました。その際に最も意識したのは対人コミュニケーションですね。「AI導入」というと、なんとなく人間の仕事を奪われるようなイメージがあるじゃないですか。でも私たちの場合は、もともと人件費削減を目的としていませんから、「今ウチの会社にはこんな課題があるので、AIを使うことでこう解決できますよ」と伝えることで、社員にも課題意識を持ってもらうことを心がけました。

確かに、ものづくりやクリエイティブを生業にするからこそ、なおさらAIに対するネガティブなイメージがあるのかもしれませんね。

能勢

私たちのような会社がAIを導入する意味は、あくまで人にあると私は考えています。AIによって業務が効率化される。それによって生み出された時間を、社員の創造性を高めるための取り組みに充てる。常に人がクリエイティビティを発揮できる環境でありたいというのは、やはりものづくりに携わる企業として譲れない思いがあります。社員がもっと自由に挑戦できる機会をつくるために、AIによる業務効率化を推進していると、全員に理解してもらえるように努めたつもりです。

柴坂

私自身も現在、業務と並行して滋賀大学の大学院に通っており、データサイエンスについて学び、研究しています。業務効率化によって生まれた時間を有効活用して、自身のスキルアップはもちろん、組織の成長に貢献できるということを、プロジェクトリーダーである私自身が実践していきたいと考えています。

能勢

組織にとって何より大切なのは人です。よくマーケティングの4Pっていうじゃないですか（Product、Price、Promotion、Place）。でも私は、1番大事なのはPersonだと思います。あらゆる組織、あらゆる事業は人が中心にあるべきです。そこは経営者として絶対にぶれないように心がけています。

実際の成果と今後のビジョン

AI導入の結果、何か目に見えた成果はございましたか。

柴坂

まず、仕分けにかかるコストは大幅に削減できましたね。わかりやすい数字で言うと、配送拠点やトラックの台数を減らすことができました。ただ何より大きいのは、ドライバーからのネガティブな意見が減り、モチベーションが上がったことです。定性的ではありますが、とても大きな成果だと感じていますし、今後もドライバーをはじめ全てのスタッフの負担を少しでも解消できるように磨きをかけていきたいです。

能勢

また、本プロジェクトの成功体験によって、最初はデジタルやAIに懐疑的だったメンバーも、そのメリットを実感できました。そのおかげで、「自分もこういうプロジェクトに参画したい」「こんな取り組みをやりたいんですけどどうですか？」と言ったポジティブな声が増えたと感じます。そういったメンバーにはできる限りチャレンジの機会をつくりたいと思いますね。

実際に何か新しい取り組みも始められているんですか？

能勢

今日お話したのは「配送ルートの最適化 」がテーマでしたが、新たに「母材保管^※」というテーマにも取り組み始めています。具体的には、切断・切削した素材の残った部分を、いかに有効活用し、スクラップを減らすか。そのアルゴリズムの開発に着手しています。現在は「どの素材がどれくらいどこに残っているか」という情報がデータとして共有できていません。すると、例えば新たな依頼があった際に「そういえば先週使った素材が、あそこにこれくらい残ってたはずだから、あれを使おう」といったふうに素材の活用方法が個々人に属人化してしまうのです。これを解決し、できる限り無駄を削減したいと考えています。

• 接合あるいは切断される金属材料のこと

柴坂

個人的には、データサイエンスをひとつの事業として成立させたいという思いがあります。業界的にもまだまだそういった取り組みは進んでいませんから、自社内だけでなく業界にも大きなインパクトを生み出したいですね。

最後に、これからデータ活用に取り込もうと考えている方々にメッセージをお願いします。

柴坂

アナログが多いということは、それだけ伸び代があるということです。AI導入にしてもDX推進にしても、大切なのは面白がって取り組めるかどうかではないでしょうか。私たちの取り組みも、組織としては大きな挑戦でしたが、発見や学びが多くとても面白いと感じています。多くの企業にこの面白さを実感してほしいですね。

能勢

一見AIなんていう単語とは程遠く見える私たちのような鋼材屋でも、こういう取り組みができるんだという成功事例になれたらと思います。私たちの取り組みをきっかけに、データ活用にチャレンジする企業がどんどん増えていけばいいと思いますし、私たちも常に先端を走り続けて、実績を残していきたいです。

※役職や所属は取材時のものです。

Related Content