デジタルツインとは、実データで動き続ける生産システムの仮想モデルであり、物理的に何かに手をつける前に制約工程を見つけ、変更を試すことを可能にします。最も価値が高い使い方は、製品ミックスとともに移動する制約工程の検出です。これは従来の分析では見えません。同時にこれは、製造業で最も頻繁に無駄になる投資でもあります。工場が、明白なボトルネックを無料で見つけられたはずの基礎的な工程分析をやる前に、シミュレーションを買ってしまうからです。
- 製造業におけるデジタルツインとは何か
- 工程分析では見えないものが、ツインには見えるのか
- デジタルツインの成熟度の三段階とは
- デジタルツインを導入する準備はできているか
- ツインに実際に必要なデータは何か
- 投資を無駄にせずに構築する方法
- デジタルツインでよくある失敗は何か
- デジタルツイン：現場運営者のFAQ
- Stagnation Assassin について
要約
デジタルツインとは、実データで動き続ける生産システムの仮想モデルであり、物理的に何かを変える前に制約工程を見つけ、変更を試せるようにするものです。最も価値が高い使い方は、製品ミックスとともに移動する制約工程を検出することで、これは従来の分析では捉えられません。同時に、製造業で最も無駄になりやすい投資でもあります。明白なボトルネックを無料で見つけられたはずの基礎的な工程分析を済ませる前に、工場がシミュレーションを購入してしまうからです。
日本の製造業にとって、この主題は新奇なものではありません。オペレーショナル・エクセレンスの方法論を生んだ現場であり、評価の目も厳しい。だからこそ論点は技術の是非ではなく、基礎の順序が守られているかどうかに移ります。
製造業におけるデジタルツインとは何か
デジタルツインとは、設備、製造実行システム、在庫記録からの実時間データに接続され、物理的な工場が何をしているかを映し出す生産システムの仮想モデルです。実時間での制約工程の特定を可能にし、現場で何かを確定させる前に、生産計画や能力の変更をソフトウェア上で試せるようにします。
重要なのはシミュレーションとツインの区別です。シミュレーションは、構築し、実行し、解釈するモデルです。ツインは接続され続けるモデルであり、実際に起きていることによって継続的に供給されるため、誰かが構築した時点の条件ではなく、現在の実態を反映します。この接続こそが違いのすべてであり、そしてこれは多くのベンダーがデモの場で触れずに済ませる部分でもあります。
その接続から得られるのは、結果を伴わずに問いを立てられることです。ロットの順序を変えたら産出量はどうなるか。来週の火曜にあの設備を保全で止めたら、制約工程はどこへ移るか。この注文を特急にしたらどうなるか。こうした問いは通常、やってみて分かるという形で答えが出ますが、答えが悪かったときの代償は高くつきます。
私は Berkshire Hathaway、Illinois Tool Works、Whirlpool で変革を率いてきましたが、先に進む前に、この技術に対する立場を率直に述べておきます。デジタルツインは本当に強力であり、同時に製造技術予算の中で最も頻繁に使い方を誤られる費目です。どちらも事実です。二つの結末を分けるのは、ほとんどの場合ソフトウェアではありません。工場が先に、地味な基礎作業を済ませたかどうかです。
工程分析では見えないものが、ツインには見えるのか
製品ミックスとともに移動する制約工程です。従来の工程分析や設備総合効率（OEE）の分析は静止画を生み出すため、測定した条件のもとで制約工程がどこにあったかを特定します。ツインは変動するミックスをまたいで連続的に動き、受注構成が変わるにつれて律速となる工程が移り変わりうることを明らかにします。
これが投資を正当化するユースケースであり、その理由は正確に述べる価値があります。工程分析を行うとき、測定するのは一定期間、通常は数日です。その数日に流れたミックスが、何が見つかるかを決めます。もし本当に多品種の受注構成で操業しているなら、特定した制約工程は、そのミックスにとっての制約工程であって、翌月の制約工程ではないかもしれません。
別のところで書いた金属成形の事業所が、まさにこれに直面しました。顧客ごとの特別要求を含む数千の製品構成にわたって、四本の並列ラインを計画する必要があり、従来の計画手法では、段取り替えを最小化しつつ納期も満たすロットサイズと順序を見つけられませんでした。この工場は、製造実行システム、センサー、在庫データベースと統合したツインを構築し、さらに強化学習で訓練した計画エージェントを追加して、実際の生産制約から最適な受注順序を生成させました。
計画面での改善は本物でした。しかし最も重要な発見は構造的なものでした。真の制約工程は製品ミックスに応じて工程間を移動しており、その移動は従来の分析からは見えていなかったのです。単発の工程分析では決して見つからなかったはずです。どの工程分析も、一度に一つのミックスしか測れないからです。
数千の製品構成にわたって四本の並列ラインを計画したことで、単発の工程分析では決して見つからないものが表に出ました。真の制約工程は、ミックスに応じて工程間を移動していたのです。この状況にある工場は、測定した週にたまたま律速だった工程に何年も投資し続け、なぜ産出量が反応しないのかと首をひねることになります。
デジタルツインの成熟度の三段階とは
記述型のツインは現状を映し、いま仕掛品がどこに滞留しているかを示します。予測型のツインは、条件を変えたときに何が起きるかをシミュレートします。処方型のツインは最適な行動を推奨または実行し、多くの場合は機械学習を用います。ほとんどの工場に必要なのは第一段階だけですが、ほとんどが第三段階を買います。
第1段階：記述型、実時間の鏡
モデルが実データから現状を反映します。仕掛品がどこに滞留し、どの工程がいま流れを律速しているかを、週次の生産会議ではなく実時間で見られます。これだけでも行動は変わります。制約工程が手待ちになる前に、非制約工程が調整に動けるようになるからです。
第2段階：予測型、条件検証の装置
指定した条件のもとで、モデルが先へ進みます。火曜に熱処理を止めたらどうなるか。この注文が列に割り込んだらどうなるか。需要が20パーセント伸びたらどうなるか。現場で発見する代わりにソフトウェア上で結果を試せるようになり、設備投資回避の根拠は通常ここに存在します。
第3段階：処方型、最適化装置
モデルが最適な行動を推奨、あるいは直接設定します。典型的には計画順序とロットサイズであり、多くは実際の生産制約で訓練された機械学習が動かします。金属成形の事例が動いていたのはこの段階で、人の計画担当者が何年も見落としていた順序を見つけ出しました。同時に、失敗率が最も高い段階でもあります。ほとんどの工場が持っていない水準のデータ品質を要求するからです。
誠実な助言は、このはしごを一段ずつ登ることです。実時間の制約工程可視化を届ける記述型のツインは、本物の運営上の前進であり、妥当な計測環境があればほとんどの工場で実現できます。信頼できないデータの上に処方型の最適化へ一気に飛ぶと、ごみの上に築かれた自信満々の推奨が生まれます。それは推奨が何もない状態より、かなり悪い。
デジタルツインを導入する準備はできているか
準備ができているのは、明白な制約工程をすでに見つけて活用しきっており、工程データが推定ではなく実測であり、残っている問いが本当にシミュレーションを要するものである場合です。現場を歩けば誰にでも制約工程が見えるなら、ツインは相当な費用をかけて、すでに分かっていたことを確認するだけになります。
以下が私の使う準備度テストです。これまで推奨したどの技術よりも、多くの資金を顧客に節約させてきました。
- 工程分析を行い、制約工程を特定しましたか。 まだなら、まずそれをしてください。三日から五日で終わり、費用はほぼかかりません。
- その制約工程を活用しきりましたか。 段取り替え時間の短縮、停止の排除、前工程の従属化です。制約工程が生産中にまだ手待ちになっているなら、ツインはその手待ちを高解像度でモデル化するだけです。
- 工程データは実測ですか、推定ですか。 サイクルタイムがストップウォッチではなくERPの標準値から来ているなら、ツインは存在しない工場を忠実にシミュレートします。
- 制約工程は実際に移動しますか。 安定した製品ミックスで、毎月同じ工程が律速になっているなら、移動のユースケースは当てはまらず、投資の根拠は大きく弱まります。
- 示された内容に基づいて動けますか。 実時間の制約工程可視化が役に立つのは、それに応じて前工程の生産を調整する権限を誰かが持っている場合だけです。
自社のオペレーターが会話の最初の五分で正確に名指ししたボトルネックを放置したまま、シミュレーションソフトウェアに数百万ドルを費やす企業を見てきました。問題は技術ではありませんでした。順序でした。技術は知性を増幅します。知性の代わりにはならず、検証されていない工場に向けられた高度なモデルは、間違った対象について高価な精度を生み出します。
ツインに実際に必要なデータは何か
最低で四系統です。センサーまたは機械制御からの設備状態とサイクルタイム、製造実行システムからの受注と工順のデータ、仕掛品を含む在庫の所在、そして品質または手直し率です。モデルの精度はこれらの系統の精度を超えません。だからこそ、成否を決めるのはソフトウェアの選定よりデータ品質のほうがはるかに大きいのです。
各系統には、想定しておくべき特有の失敗様式があります。
設備状態とサイクルタイム。 工順の標準値ではなく、実際の機械信号または実測観察から来る必要があります。ERPの標準値がストップウォッチの実態から60パーセントずれていた例を見ています。それをツインに流し込めば、下流のあらゆる結論が誤差を引き継ぎ、しかも高度なモデルが与える誤った自信とともに届けられます。
受注と工順のデータ。 実際に何が作られているかを反映しなければならず、そこには手直しのループや、システムに入ったことのない非公式の工順も含まれます。公式のプロセスでは、材料はAからBへ、BからCへときれいに流れます。実際のプロセスには検査があり、手直しがあり、誰も文書化していない仮置き場があります。
在庫の所在。 システム上の数量ではなく、実地の数量です。システムが500個と考えていて現場に847個あるなら、ツインは実態と合わない待ち行列の挙動をモデル化します。そして制約工程を明らかにするのは、まさにその待ち行列の挙動です。
品質と手直し率。 不良は制約工程の能力を見えない形で消費します。手直しが見えていないツインは、能力が最も重要な工程でこそ、利用可能な能力を過大に見積もります。
この四つの失敗様式のうち三つが同じ失敗であることに注目してください。現場よりデータベースを信じる、という失敗です。それが基礎の規律であり、だからこそ厳密なロスの測定をすでに終えた工場は成功するツインを構築し、そうでない工場は構築できません。
投資を無駄にせずに構築する方法
範囲を狭く区切り、既知の実態に対して検証し、すでに理解している結果を再現できるとモデルが証明してから初めて拡張します。一つの価値の流れ、一本のライン、あるいは一つのセルから始めてください。いずれのツインも検証されないうちに工場全体のツインを構築するのは、誰も信用しない高価なモデルへの最短経路です。
ステップ1：一つの流れを選ぶ
制約工程の問いが本当に未解決である流れを選びます。できれば実際に製品ミックスの変動があるものがよく、そこでこそツインは元を取ります。工場全体をモデル化したい誘惑に抗ってください。ここでの範囲の規律が、プロジェクトを完了可能に保ちます。
ステップ2：計測し、データを検証する
四系統を確立し、それぞれを実地観察に対して検証します。サイクルタイムを抜き取りでストップウォッチ計測し、系統が報告する値と比較してください。在庫を実地で数え、システム上の所在と比較してください。モデル化の前に差を埋めます。差はすべて、後から気づけないモデル誤差に変わるからです。
ステップ3：構築し、過去データで検証する
流れをモデル化し、すでに理解している過去の期間に対して走らせます。実際に観測した産出量、待ち行列の状態、制約工程の位置を、そのツインは再現できますか。過去を再現できないなら、未来を予測する資格はありません。この検証のステップは絶えず飛ばされますが、結果を誰かが信用するかどうかを決めるのは、まさにこのステップです。
ステップ4：構築を正当化した問いを走らせる
そのために構築したシナリオを検証します。実際のミックスの幅にわたって制約工程はどこに位置するか。その設備の保全枠はいくらの損失になるか。どの順序規則が産出量を最大化するか。機能を足す前に、最初の問いに答えてください。
ステップ5：意図をもって拡張する
最初のツインが、実際に行動した意思決定と、測定した結果を生み出してから初めて、範囲または成熟度を広げます。その実績が予算を守り、第二段階や第三段階が妥当かどうかを教えてくれます。
ERPの標準値がストップウォッチの実態から60パーセントずれていた例を見ています。だからこそ過去データでの検証は任意ではありません。すでに理解している期間の産出量、待ち行列の状態、制約工程の位置をモデルが再現できないなら、何かを予測する資格はありません。それはチームが最も飛ばしがちなステップであり、工場がその結果をいつか信用するかどうかを決める唯一のステップです。
デジタルツインでよくある失敗は何か
四つが繰り返されます。基礎的な工程分析の前にシミュレーションを買うこと。実測ではなくERPの推定値をモデルに与えること。どの部分も検証しないうちに工場全体をモデル化すること。そしてツインを判断の増幅装置ではなく、判断の代替として扱うことです。
失敗1：見に行かずに買う
この分野で最も高くつく失敗です。明白で目に見える制約工程を抱えた工場が、一週間かけて測る代わりにシミュレーションのプロジェクトを発注します。数か月後、モデルはオペレーターが最初に言っていたことを確認します。先に工程分析をしてください。それで問いに答えが出るなら、投資額そのものを丸ごと節約したことになります。
失敗2：入力はごみ、出力は自信満々
ERPの標準値、提示リードタイム、システム上の在庫数量は、権威があるように感じられて、実際には大きく外れているのが常です。それらの上に築かれたツインは、存在しない工場について精密で見栄えのよい結論を出します。モデル化の前に、各系統を実地観察に対して検証してください。
失敗3：一度に抱え込みすぎる
チームは最初の構築で工場全体のツインを狙います。範囲が膨らみ、検証は行われず、日程は経営層の忍耐を超えて延び、何も出さないままプロジェクトが死にます。検証済みの一つの流れは、誰にも信用されない工場全体のモデルに勝ります。
失敗4：考えることを外注する
モデルが順序を推奨し、それが筋の通ったものかを誰も問いません。不完全な制約データで訓練された処方型のシステムは、間違った目的に向かって自信をもって最適化します。ある推奨は実行不可能だと言える経験豊富なオペレーターを輪の中に残してください。そしてその異議は、モデルへの抵抗ではなく、モデルについての情報として扱ってください。根回しの場で早めに出てくるこの種の異議こそ、後から効いてくる情報です。
この技術に関する私自身の誤りは、順序計画への熱意でした。ある工場に対して予測型のツインを勧めたことがありますが、その工場に必要だったのは、二週間の誠実な測定と、誰もがすでに特定していた工程での段取り替え時間の短縮でした。ツインはいずれ役に立ったでしょう。しかし当時それは障害物ではなく、それを追ったことで、本当に重要だった修正が四半期分遅れました。デジタル能力は築く価値があります。基礎の代わりにではなく、基礎の後に築いてください。
デジタルツイン：現場運営者のFAQ
製造業におけるデジタルツインとは何ですか
設備、製造実行システム、在庫記録からの実時間データに接続され、工場が実際に何をしているかを映し出す生産システムの仮想モデルです。実時間での制約工程の特定を可能にし、現場で確定させる前に、生産計画、能力、保全の判断をソフトウェア上で試せるようにします。
デジタルツインはどのようにボトルネックを特定しますか
静止画を作るのではなく実時間データに対して連続的に動くため、実時間で、また変動する条件をまたいで、どこに仕事が滞留するかを示します。その特徴的な能力は、製品ミックスが変わるにつれて工程間を移動する制約工程を検出することであり、単一期間の工程分析では見えません。
デジタルツインを構築する価値がないのはどんなときですか
制約工程がすでに明白なとき、まだ活用しきっていないとき、工程データが実測ではなくERPの標準値から来ているとき、あるいは製品ミックスが安定していて毎月同じ工程が律速になっているときです。これらの場合は、工程分析と活用のほうがはるかに少ない費用で多くをもたらします。
デジタルツインに必要なデータは何ですか
設備状態と実測サイクルタイム、手直しのループを含む実際の流れを反映した受注と工順のデータ、システム上の数量ではなく実地の在庫の所在、そして品質と手直し率です。これらの系統の正確さがモデルの品質を決める度合いはソフトウェアの選択よりはるかに大きいので、モデル化の前に各系統を実地観察に対して検証してください。
Stagnation Assassin について
Todd Hagopian は、Berkshire Hathaway、Illinois Tool Works、Whirlpool、そして JBT Marel において4,800億円以上の株主価値を生み出してきた Fortune 500 の変革担当エグゼクティブであり、JBT Marel では VP of Global Product Strategy を務めています。The Stagnation Assassin（停滞を断つ者）として知られ、二冊の著書を刊行しています。The Unfair Advantage: Weaponizing the Hypomanic Toolbox と Stagnation Assassin: The Anti-Consultant Manifesto です。ブログは15言語以上で公開され、世界中の現場運営者に読まれています。登壇の依頼は講演ページから、または LinkedIn でつながってください。
次の一歩：準備度の確認
シミュレーションに数十万ドルを投じる前に、それが必要かどうかを確かめてください。20分の準備度確認をご予約ください。制約工程がすでに見えているか、データがモデルとの接触に耐えるか、そして制約工程が実際に移動する種類のものかを見極めるお手伝いをします。確認はこちらから。