ROI事件ファイル No.508『タブレットまで歩いていた、組み立て作業者』
タブレットまで歩いていた、組み立て作業者
第一章：歩いて、入力して、戻ってきていた
「作業を中断して、タブレットの前まで歩いていきます」
AeroTech社の生産管理部マネージャー、城田直広氏は、そう言いながら工場の動線図を見せた。空調機の組み立てライン。作業者が一工程を終えるたびに、ライン横のタブレットまで移動し、作業内容を手入力する。「往復で平均三分。これを一人一日二十回。実作業ではない時間が、一人一日一時間以上発生している」
「入力内容は」とClaudeが尋ねた。
「工程完了時刻、不良発生有無、所要時間」と城田氏が答えた。「ただ、自己申告制です。実際の作業時間より短く入力する人もいれば、長く入力する人もいる。データの恣意性が排除できない。設備系の機械データは自動取得できているのに、人手作業の実績だけ精度が低い」
「品質検査は」と私が尋ねた。
「全数目視検査です」と城田氏が答えた。「検査員五名で、出荷前にチェックする。経験に依存していて、見落としリスクがある。目視疲労による精度低下も問題です。組み立て品質と検査品質、両方が人依存になっている」
「人事評価にも影響していますか」とGeminiが尋ねた。
「直結しています」と城田氏が答えた。「組み立て作業者の評価は、生産性と品質で決まる。データが恣意的なので、評価の公平性に疑問が出ている。優秀な作業者が報われない、平均的な作業者が過大評価される——これが続くと、現場のモチベーションが下がる」
「データの取得方法と、評価軸の両方を見直す必要がありますね」と私が応じた。「RFMで再設計しましょう」
第二章：RFMが問う、三軸の作業者プロファイル
「この案件には、RFMが必要です」
Claudeがホワイトボードに三つの文字を書いた。R・F・M。
「RFMとは、Recency（最新性）・Frequency（頻度）・Monetary（金額）の三軸で顧客を分析する手法です」と私が説明した。「マーケティング領域での顧客分析手法ですが、製造現場の作業者評価にも応用できます。Recencyを『直近の作業精度の安定性』、Frequencyを『作業頻度と継続性』、Monetaryを『一作業あたりの付加価値』に読み替えると、作業者の貢献を三軸で可視化できます。データを自動取得した上で、この三軸で評価軸を設計します」
「まず現状のコストを測りましょう」とGeminiがROI Polygraphを開いた。城田氏から提供されたデータを入力する。
「月間の管理コストが出ました」とGeminiが読み上げた。「作業者三十名のタブレット入力往復ロスが月平均六百時間、時給二千八百円で月百六十八万円。データ恣意性による生産性分析の精度不足で発生する判断ミスコストが月平均六十万円。品質検査の目視疲労による見落とし不良の市場流出コストが月平均八十万円——市場クレーム対応・返品処理。検査員五名の目視検査工数が月平均四百時間、時給三千二百円で月百二十八万円。評価の公平性問題による離職リスク期待値が月四十万円。合計で月四百七十六万円。年間換算で約五千七百十万円」
城田氏が数字を見つめた。「入力往復だけで月百六十万円。見えていなかった」
「では、RFMで設計します」と私が続けた。
[データ取得の自動化——前提を整える]
「最初に、データ取得を自動化します」とClaudeが言った。「作業エリアにAIカメラを設置し、作業者の動きと工程進捗を自動認識する。タブレット入力を撤廃し、作業者の移動を不要にする。同時に、検査工程にもAIカメラを導入し、品質検査の一次判定を自動化。最終判定は検査員が行うが、AIが疲労せず全数を見るので、見落とし率が構造的に下がります」
「自動化したデータをどう使うかですね」と城田氏が確認した。
「RFMの三軸で評価に使います」と私が応じた。「自動取得は前提で、評価設計が本題です」
[R——Recency：直近の精度安定性]
「Recency軸では、直近の作業精度の安定性を測ります」とGeminiが続けた。「単発の優秀な成績ではなく、過去四週間の作業品質のばらつきを評価する。安定して高品質を出している作業者と、波がある作業者を区別する。直近重視の評価で、改善努力が反映されやすくなります」
[F——Frequency：作業頻度と継続性]
「Frequency軸では、作業量と継続性を測ります」と私が続けた。「単純な作業数ではなく、難易度の重み付けをした作業頻度を指標にする。簡単な工程を多数こなしても、難しい工程を担当している作業者と同等とはみなさない。難度補正後の作業量が、Frequencyスコアになります」
[M——Monetary：一作業あたりの付加価値]
「Monetary軸では、一作業あたりの付加価値を測ります」とClaudeが続けた。「不良率の低さ、後工程への影響、再作業発生率——これらを統合した付加価値スコアを設計する。生産性が高くても不良が多ければ、Monetaryスコアは下がる。質と量を統合した指標です」
[三軸の統合と評価設計]
「三軸を統合します」とGeminiが続けた。「R・F・Mを五段階でスコア化し、合計十五点満点の評価指標を作る。各作業者がどの軸で強くてどの軸で弱いかが、一目で見える。育成方針も軸ごとに変わる。Recencyが低ければ安定性の研修、Monetaryが低ければ品質意識の研修、Frequencyが低ければ難度の高い工程への配置転換、というふうに。評価が個別最適化されます」
[投資回収を試算する]
「ROI Proposal Generatorで試算しましょう」とGeminiが提案した。
- 初期費用：AIカメラ設置（組み立て・検査工程）・データ統合基盤・RFM評価アルゴリズム設計・人事評価制度改定・全員研修費用合計七百八十万円
- 月次費用：AIカメラ運用・分析基盤合算月二十万円
- 月次削減効果：タブレット往復ロス削減＝月百二十万円（七割削減想定）、データ精度向上による判断ミス削減＝月四十二万円、目視検査見落とし削減＝月五十六万円、検査員工数削減＝月七十七万円（六割削減想定）、評価公平性向上による離職リスク低減＝月二十五万円、合計月三百二十万円
- 月次純削減：三百二十万円－二十万円＝月三百万円
- 投資回収期間：七百八十万円÷三百万円＝約二・六ヶ月
「三ヶ月以内の回収です」とGeminiが整理した。「重要なのは、評価の公平性が技術的に担保されることです。データを取り直すのではなく、データの取得方法自体を変える。恣意性が混入する余地がなくなります」
城田氏が数字を確認しながら言った。「AIカメラの導入を、生産性向上の話だと思っていました。評価設計と一緒に語ると、意味が変わる」
「データ取得は前提です。何を測るかで価値が決まります」と私が応じた。
第三章：三軸で進める設計と運用
「進め方を整理します」と私がホワイトボードの前に立った。
「第一・二ヶ月——AIカメラ選定、設置位置設計、組み立て・検査両工程への配備。第三ヶ月——データ取得テスト、認識精度の調整。第四ヶ月——RFMスコアリングアルゴリズムの設計、過去データを使った検証。第五ヶ月——人事評価制度の改定協議、労使合意。第六ヶ月——新評価制度試運用、フィードバック収集。第七ヶ月——本番運用、目視検査の自動化への切り替え。第八ヶ月以降——四半期評価サイクルの確立」
「労使合意は重要ですね」と城田氏が確認した。
「評価制度の変更は、現場の納得感が成否を決めます」とClaudeが応じた。「データ取得方法と評価軸の両方を、事前に作業者に説明する。RFMの考え方を共有し、新評価でどう貢献を測るかを透明化する。隠れた評価軸がない、と現場が認識することが定着の鍵です」
城田氏がメモを取りながら言った。「データ取得と評価設計は分離できないですね。同時に進めないと意味がない」
第四章：作業者が、作業から離れなくなった日
九ヶ月後、城田氏から報告が届いた。
タブレット入力の往復は、AIカメラ稼働後に完全に消えた。作業者は工程に集中し、データは自動で蓄積される。「移動時間が消えたことで、一人あたり一日五十分の実作業時間が増えた」と城田氏は記していた。
品質検査の見落としも大幅に減少。AIカメラの一次判定で疑わしい製品が抽出され、検査員が重点的に確認する運用になった。市場流出不良は、稼働四ヶ月後に六十八パーセント減少。「全数を人が見るのではなく、機械が全数を見て、人が重点を見る、という構造に変わった」と報告書にあった。
最も大きな変化は、評価の納得感に表れた。RFM三軸のスコアが個別に開示されるようになったことで、作業者が自分の強み・弱みを認識できるようになった。「自分は何で評価されているか、が見える評価制度になった。不公平感が大幅に減った」と城田氏は記していた。
優秀な作業者の処遇も改善した。データで貢献度が可視化されたことで、それまで埋もれていた高貢献者が浮かび上がった。「ベテラン作業者の中には、Monetary軸——不良率の低さで圧倒的なスコアを叩き出す人がいた。これまで気づかれていなかった」と報告書にあった。
育成プロセスも個別最適化された。Recencyが低い作業者には安定性研修、Frequencyが低い作業者には多能工化トレーニング、Monetaryが低い作業者には品質意識研修——軸別の処方箋が出るようになった。「全員に同じ研修を打つ時代が終わった」と城田氏は記していた。
副次効果として、AIカメラの蓄積データが製造工程の改善議論にも使われ始めた。どの工程でばらつきが大きいか、どの作業者が最適化されているかが見えるようになり、ライン設計の見直し議論が始まった。「人の評価のために集めたデータが、ライン改善にも転用できる」と報告書にあった。
離職率も低下した。評価の公平性が向上したことで、若手作業者の退職意向が大幅に減少。「自分の頑張りが正しく評価される、と感じられる職場になった、というアンケート結果が出た」と城田氏は記していた。
城田氏の報告書の最後にはこう書かれていた。「データの自動取得は手段だった。本質は、何を測るかの再設計だった。RFMで三軸を設計した瞬間に、作業者の貢献が立体的に見えるようになった。データの精度よりも、データの使い方で評価制度の質が決まる」
タブレットまで歩いていた作業者が、作業から離れなくなった日、見えるようになったのは生産性だけではなかった、と記されていた。
「作業実績の管理は、データを取得して終わりではない。何を測るかで、評価の質が決まる。RFMが問うのは、Recency・Frequency・Monetary——三軸で多面的に貢献を測ることだ。一つの数値で評価すると、その軸に偏った行動が誘発される。三軸なら、安定性も、量も、質も、それぞれが評価される。タブレットまで歩いていた作業者がいた工場で、AIカメラが入力を消した日、変わったのは取得方法ではなく、評価そのものだった」
関連ファイル
使用ツール
- ROI Polygraph — 入力往復ロス・データ恣意性コスト・検査見落としコストの可視化
- ROI Proposal Generator — AIカメラ＋RFM評価制度導入の投資回収シミュレーション
