データサイエンティスト
【第3回】いざ製造現場へ！日立の「モノづくり実習」とは？

「【第1回】日立が育てるデジタル人財の強み」はこちら＞
「【第2回】デジタル人財育成で未来への種をまく」はこちら＞

製造現場に3か月入り込む、データサイエンティストのモノづくり実習とは

——はじめにモノづくり実習とはどのようなものなのか、教えてください。

徳永
モノづくり実習とは、入社1、2年目のデータサイエンティストのための研修プログラムで、日立のさまざまな製造現場に3か月間入り込んで、課題の把握からデータ分析、そして業務への適用まで実際のプロジェクトのプロセスを一通り、一人で経験してもらうものです。

これまでは主に、ソフトウェアの開発現場におけるプログラミングなどSE系の業務で腕を磨いてもらっていました。もちろんそれも大切なのですが、データサイエンティストにはスキルセットとして、「ビジネス力」、「データサイエンス力」、「データエンジニアリング力」の3つが求められていて、全てを鍛えるためには机上の学びだけではやはり足りません。またOT（Operational Technology）×ITを実践できるデータサイエンティストになってもらうためには、現場を知ることがとても大事だと思い至った時に日立の社内を見回してみると、リアルなデータに触れられる実際の製造現場が豊富にあったわけです。

——でも一人で全部、3か月間でやりきる、というのはなかなか大変ではないですか。

徳永
大変ですが、自分で課題を見つけて自分で解くという課題解決力を養うためには、一人で走りきることがやはり必要です。以前は、こちらで課題を整理して実習に臨んでもらったこともあったのですが、現場の担当者とデータサイエンティストが会話を重ねるうちに、やっぱりこっちの課題の方が重要だね、と方向が変わることがありました。実はこういう課題設定の対話こそ、データサイエンティストには大きな学びになります。それならば、もうレールを敷かずに送り込んでしまおう、と今の形になりました。

また3か月という期間にも大きな意味があります。多くの実案件は3か月スパンで動いており、この期間で必ず結果を出す必要があります。実習では現場からさまざまなニーズが出ますが、3か月で、しかも現場の満足度を得ながら実習を完了するためには現場ニーズの優先度を見極めたり、効率的な作業の進め方を練ったりする必要があります。そういうプロジェクト全体をまとめる力も身に付けて欲しいと思っています。

データで現場を俯瞰する

——山崎建さんと山崎仁さんは、新幹線など鉄道車両の設計・製造拠点である日立の笠戸事業所でのモノづくり実習を終えました。まず建さんは、笠戸事業所でどのような課題に取り組まれたのでしょうか。

山崎建
鉄道車両の製造工程の最終段階に「導通」という点検作業があります。これは、編成車両の各所に取り付けられたさまざまな電子機器が間違いなく結線されているかどうかをチェックするもので、この導通の人的ミスをなくしたいという要望を、課題を探るヒアリングの中で受けました。

ミスの根本の課題を探るためにヒアリングを重ねると、導通は製造の最終工程のため前工程の遅延を受けて作業時間を削られやすいことが分かりました。私は「導通実績の可視化」による導通工程の計画改善・前工程計画へのフィードバックや、「導通の効率化」がミスの削減には有効だと考え、課題に設定しました。

「導通の効率化」は、作業の無駄をなくし限られた時間でも点検の品質を保持しようというものです。

この課題のもといくつかの施策に取り組みましたが、そのひとつが誤結線ダッシュボードです。これは導通で発見された誤結線が、どの車種、どの号車、どのエリアで起きたかなどを可視化するもので、誤結線発生の特性の把握により有効な防止策の立案を支援するものです。結線の品質を上げて手戻りを減らし、導通の効率化を図ることができるとともに、編成車両の品質向上にもつながります。いま、笠戸事業所ではこの取り組みを実運用に向けて検討しています。

データで鉄道車両の作り方を変える

——山崎仁さんは笠戸事業所でどのような課題に取り組みましたか。

山崎仁
私は、鉄道車両を六面体、つまり箱型に組み立てる「立て」という作業について相談を受けました。立て作業は主に溶接で行いますが、熱を加えることで材料は伸び縮みします。その誤差は溶接作業者が長年の経験で調整しているのですが、やはり仕上がってみると規定の寸法を外れていることがあります。そうなると手直し作業が増え、計画が遅延する可能性があり、品質低下にもつながるので、溶接のひずみの低減が強く求められていました。

また現場には、車両各部の溶接前と後の寸法が大量の紙に記録されていました。私はこの数値から溶接によるひずみの傾向を導き出し、適切な対策を打つことができるのではと考え、取り組むべき課題を「ひずみの傾向に基づく溶接の最適化」に設定し、分析に取りかかりました。

ただ紙でしか寸法が残っていないため、エクセルに約31,000行の数値を来る日も来る日も打ち込み、やっとの思いで分析してみると、やはり高さが逸脱しやすい箇所、幅が逸脱しやすい箇所などの傾向が現れました。そして傾向に応じて個所ごとに、溶接前に車両を拘束する寸法の適正な値などを導き出しました。私のこの取り組みは、実運用に向けて実習後も現場で検討が継続しています。

——二人とも机上の実習では得られない経験をたくさん積まれたようですね。

徳永
実際の製造現場に触れられるばかりでなく、鉄道車両などミッションクリティカル分野のモノづくりの厳しさを肌で学べるこのモノづくり実習は、日立だからこそ経験できることです。若手のうちからこうした現場を知っておくことは、日立のデータサイエンティストのアドバンテージになっていると、いま実案件に携わっている彼らの先輩たちの仕事ぶりを見ていて実感しています。もちろん二人にとっても、モノづくりの現場とはどういうものか、これから一人称で語れることは大きな強みになるでしょう。

——次回、建さんと仁さんに、モノづくり実習で直面した現場のデジタル化の難しさとその経験から得たスキルなどについて伺いたいと思います。

「【第4回】『モノづくり実習』でしか得られないスキルとは？」はこちら＞

徳永 和朗（とくなが かずあき）

株式会社 日立製作所Lumada Data Science Lab.
デジタル事業開発統括本部 Data&Design 担当部長

日立製作所に入社後、半導体のプロセス技術者としてLSI（大規模集積回路）の技術開発や量産など、日立の次世代モノづくりに携わる。2013年からはAIやビッグデータを活用したデータサイエンス領域を担当。製造業、IoT、マーケティング分野のデータ分析やプロジェクトマネジメント、人財育成の経験を有するデータサイエンティストとして活躍した後に、2020年4月にLumada Data Science Lab.立ち上げに従事。

山崎 建（やまざき たける）

株式会社 日立製作所 デジタル事業開発統括本部 Data&Design

2023年4月、日立製作所に入社。大学では、工学分野にて「意思決定支援のための個人特性と外的要因を含む確率モデルの評価」のテーマを研究。入社後は、公共分野のデータによる施策評価やデータ利活用コンサルティングの案件に従事した後、現在は産業分野の加工計画最適化、公共分野の全国状況可視化・将来予測、鉄道分野の生成AI活用などの案件に携わる。

山崎 仁（やまざき ひとし）

株式会社 日立製作所 デジタル事業開発統括本部 Data&Design

2023年4月、日立製作所に入社。大学、大学院では、「深層学習を用いたマルチモーダルな感情分析」、「三次元点群とRadiomics特徴量を用いた脳腫瘍患者術後生存期間予測」の自然言語処理や画像系のテーマを研究。入社後は、データサイエンティスト実践研修などを経て、公共・金融分野の生成AI案件、公共分野の自然言語処理案件などに従事。