| 開催日 | 2026年9月29日(火) |
|---|---|
| 開催地 | Web |
★効果を出すDXのためには、その後の運用管理もカギに！導入効果がわからない・導入後の効果が上がらないというケースも多い中、経験豊富な講師が、導入から運用のポイントまでふまえた本当の実状や進め方の極意を伝授！
★生産性・品質向上や、省人化、技術継承等の現状をふまえ、AIがどのように寄与できるのか？
実践的なテーマにフォーカスし具体例を挙げ、実際の導入・進め方や成功させるポイントについて詳説します！
製造DX・AI技術の導入・活用と効果的なすすめ方
～失敗しないモノづくりDXのすすめ方および、AI技術の導入・運用のポイント詳細～
＜講師＞
株式会社ReiHawk 代表取締役 前田 岳志 氏
兼 日本アイ・ビー・エム株式会社 兼 コベルコシステム株式会社
＜日時＞
2026年9月29日(火) 10:30-16:30
＜形態＞
Zoomオンラインセミナー：見逃し視聴あり
＜受講料＞
【オンライン受講（見逃し視聴なし）】：1名 50,600円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき39,600円
【オンライン受講（見逃し視聴あり）】：1名 56,100円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき45,100円
＊「見逃し視聴あり」でお申込の場合、当日のご参加が難しい方も後日セミナー動画の視聴が可能です。
※受講料やセミナー申し込み～開催までの流れなど、詳細については、弊社HPのセミナーページを必ずご確認ください。
＜セミナーポイント＞
昨今、生成AIを含めAI技術はめざましく進歩してきている。一方、これまで品質や設備故障を現場力で担保してきた時代は、すでに限界を迎えようとしている。
このような状況をふまえ、各社で製造DX・AI技術が検討・導入されてきているが、現状では導入後の効果がわからないということで躊躇する製造会社も多く、また導入しても適切な運用ができておらず効果があまり出ていない製造会社がほとんどである。
ものづくりDXで効果を出すためには、導入時の検討のみでなくその後の運用管理が重要である。運用がうまくいかないのには理由があり、適切な対応が求められるが、その点を含め学べる場は現状では限られている。
本セミナーでは、まず「データ活用による付加価値創造（競争優位源泉の確保）とそれを実現するスマートファクトリー」について詳述することにより、製造現場へのデータ活用が必要不可避であることを詳述する。
その後、データ活用により高い効果が見込まれる、AI技術の適用および様々な活用展開について解説する。製造現場で問題となっている品質・生産性・品質向上や、省人化、技術継承等の現状をふまえ、AIがどのように寄与できるのか、また導入を成功させるポイントについて述べ、進め方の具体例として、特に不良予測、故障予知について詳説する。
詳説の前半は品質の担保としての「工場現場への失敗しないAIによる不良予測システム導入のポイント」について、また後半は設備保全に向けた「設備の予兆診断、予知保全へのデジタル技術導入と活用のポイント」として、実践的なテーマにフォーカスをあて、導入後の運用法と併せて解説する。
講師は導入検討からその後の運用まで数多くの案件に携わっているが、「今までやってきたことがいかに間違っていたか気付かされた」という声も非常に多い。その経験より効果的な導入・運用に向けた本当の極意を伝授したい。
○受講対象：
・DXの推進に携わっているチームリーダーおよび、メンバー
・DX・AIによる製造現場の生産性・品質向上などをお考えの方
・AIによる不良予測や設備の予兆診断、予知保全の導入を検討されている方
○受講後、習得できること：
失敗しないモノづくりDXのすすめ方および、AI活用による品質の担保と設備の予兆保全の導入のポイント 等
＜講演プログラム＞
1. データ活用による付加価値創造（競争優位源泉の確保）とそれを実現するスマートファクトリー
（1）製造業におけるDX・スマートファクトリーとは
（a）製造業におけるモノづくりDXの現状
（b）モノづくりDXの成功要因
（c）スマートファクトリーとは
（2）製造業におけるスマートファクトリーを成功に導くには
（a）改良・改善と改革の違い
（b）ゴール設計（ブループリント）と時間軸設計（詳細計画書）
（c）製造DXを成功に導くために最初に整えるべきもの
（d）DX成功の3つの要因
（3）マニュファクチャリング・デジタルサービスプラットフォーム
（a）データ活用のための必須条件
（b）マニュファクチャリング・デジタルサービスプラットフォーム
（4）データ活用により生まれる新たな価値
（a）最適化、自律制御、気づかせる化
（b）ソータ中心のプル型生産（余剰生産・在庫ムダの解消）
（5）製造現場においてデータの利活用が進まない背景
（a）製造業におけるDXの源泉は「データ活用」
（b）いかに「データ活用」を推し進めるか
（6）スマートファクトリーの事例
2. AI技術による各種生産性・品質向上システムと技術選定・導入活用のポイント
（1）2025年の崖：製造現場の現状
（2）人手不足と技術継承の崩壊
（a）ダウンタイム損失は経営インパクト級
（b）大手製造業のダウンタイム喪失は桁が違う
（c）大手製造業のAI導入はすでに「過半戦」
（d）AI導入ができない理由トップ3
（3）AI導入を成功させる3つのポイント
（a）データ：量より質と前処理
（b）運用：現場との協調
（c）説明性：ブラックボックスの回避（XAI）
（4）POC死の構造と回避策
（5）AI技術の製造現場への適用展開の例
3. 工場現場へのAIによる不良予測システムの導入と活用のポイント
（1）なぜ今、製造現場にAIが必要なのか
（2）「不良検知」と「不良予測」の違い
（3）導入を成功させる3つのポイント
（4）データ（量より質と前処理）
（5）運用（現場との協調）
（6）説明性（ブラックボックス化の回避）
（7）PoC（概念実証）から本番稼働へのロードマップ
（8）成功例と失敗例から学ぶ
4. 設備の予兆診断、予知保全へのデジタル技術導入と活用のポイント
（1）なぜ今「予知保全」なのか？
（2）背景と課題
（3）目指すべき姿
（4）保全方式の進化と予知保全の位置づけ
（5）予知保全のメリット
（6）デジタル技術が実現する予兆診断の仕組み
（7）導入への4つのステップ
（8）導入、活用のための重要ポイント（成功のカギ）
＜質疑応答＞
