生産はリーン。それを支える物流はそうではない。

Scaling Business Summit 2026、ホーチミン市からの洞察。

SBSの聴衆は2日間、AI、自律生産、未来の工場についての話を聞いていました。 Dr. Philipp Schäfers、SYNAOSのパートナーシップ責任者が、フォークリフトでセッションを始めました。

懐古趣味ではなく。診断として。なぜならほとんどの工場では、生産ラインが工場フロアで最も最適化されたものだからです。それを支える動き——フォークリフト、ピッキングルート、ステーション間の材料フロー——は多くの場合、手動で、追跡されておらず、誰も測定したことのない効率を垂れ流しています。

SYNAOSはこれを管理するオーケストレーションソフトウェアを構築しています。2018年にハノーバーで設立され、手動フォークリフト、モバイルロボット、混合フリートを一つのインテリジェントなプラットフォームでつなぎ、VolkswagenやSchaefflerから食品・飲料メーカーまで顧客を持ちます。アジアではパートナーのGradionを通じて展開しています。Philippが示したのは、フォークリフトからフリートインテリジェンスへの旅と、自動化がスケールするか停滞するかを決める具体的な選択です。

1. 工場における最大の最適化の盲点

ほとんどの製造施設では、生産プロセスは集中的に管理されています。リーンチームが無駄をマッピングします。産業工学者が作業負荷を均衡させます。サイクルタイムの一秒一秒が競い合われます。最適化の規律は本物であり、結果がそれを示しています。

そして完成部品が生産セルを出ます。そしてフォークリフトが引き継ぎます。

「構内物流では、最適化がないことが多い。プロセスは非常に手動です。また、注文処理も非常に手動です。だからこそ、これらのプロセスを最適化してより効率的にする大きな可能性があると見ています。」

ギャップは構造的なものです。生産最適化にはリーン、Six Sigma、制約理論という数十年の方法論があります。構内物流の最適化は、経験と直感によって大部分が管理されてきました。近道を知るドライバー、フロアを見守る監督者、スプレッドシートでスケジュールを作成するプランナー。

Philippは具体的な例を示しました。ある工場長がフォークリフトの運転手を観察するためにフロアに立ち、彼らが必要以上に空荷で走っていることに気づきました。疑いはあっても確認するデータがなく、改善のベースラインもなく、ルートが実際にどのように走られているかの可視性もありませんでした。 「彼は自分の手動構内物流プロセスの効率について本当に透明性を持っていませんでした。」 その透明性のギャップ——誰もそれを計測していなかったので見えなかった——こそが、ほとんどの工場が最も多くの効率をテーブルに残している場所です。

教訓1：生産が最適化されているのは、誰かがそれを測定することを選んだからです。構内物流が非効率なのも同じ理由です。あなたが起きていると想定していることと実際に起きていることのギャップは、センサーから始まります。

2. 自動化博物館の問題

多くの工場が自動化パイロットを始めました。モバイルロボットが2つのステーション間で部品を移動させます。うまく機能します。パイロットレポートは良好です。そしてそこで止まります。ロボット1台。場合によっては2台。何年も同じループを走り続けています。

Philippはこのパターンを直接名指ししました。 「1台か2台のロボットが走り回っているだけで立ち往生し、最終的に一種の自動化博物館になってしまいます。」 技術が失敗したからではなく。初期の決定がスケーリングを不可能にしたからです。

最も一般的な失敗ポイントはソフトウェアのロックインです。工場が1つのベンダーからモバイルロボットを購入します。そのロボットはベンダーの独自フリート管理システムとともに提供されます。そのロボットには機能します。工場が別のベンダーから2台目のロボットを求めると——別の車両タイプが必要、または最初のベンダーが十分な速さで供給できない場合——2つのシステムはお互いに通信できません。フリートをフリートとして管理できません。各ロボットは孤立して稼働します。

解決策は、単一のロボットベンダーにコミットすることではありません。最初からベンダーに依存しないプラットフォームにコミットすることです。

「最初から正しい決定をすることが重要です。そうしなければ、自動化をスケールするポイントに決して到達できません。」

それは、フリートが切り替えを高価にするほど大きくなる前に、複数のロボットタイプ、複数のベンダー、そして進化する手動と自動輸送の混合を収容できるオーケストレーションソフトウェアを選択することを意味します。

教訓2：自動化パイロットは簡単です。スケーリングの決定はソフトウェア層で行われます——2台目のロボットの前に。最初からベンダーに依存しないオーケストレーションを選択するか、あなたの自動化が博物館の展示物のままであることを受け入れてください。

3. あなたのフリートは多様になります。今すぐ計画を。

大規模では、どのメーカーも単一ベンダーのロボットフリートは運営しません。50サイトまたは100サイトをグローバルに運営するということは、異なる調達決定、異なるフロアタイプのための異なる車両要件、異なる地域での異なるサプライヤーを意味します。マルチベンダーフリートはエッジケースではありません。エンタープライズスケールでのデフォルトです。

これが生み出す課題はコミュニケーションです。異なるメーカーのロボットは異なるプロトコルを話します。あるベンダーのトウトラクタと別のベンダーのAMRは、標準が課さない限り、位置交換、注文受け付け、エラー処理のための共通言語を持ちません。

VDA 5050がその標準です。ドイツの自動車および機械製造業協会によって開発され、モバイルロボットとフリート管理システム間の普遍的な通信インターフェースを定義しています。技術非依存です。同じプロトコルがAMR、AGV、フォークリフトAGV、または自動トウトレインに機能します。SYNAOSは標準の発足以来ワーキンググループの一員であり、接続されたすべてのロボットの統合レイヤーとして使用しています。

標準はまた、混合フリート環境の運用上の複雑さも処理します。ローカルな安全決定——ロボットの前に人が入った場合の停止——はロボットの搭載システムに留まります。中央最適化と注文割り当てはクラウドで実行されます。アーキテクチャは、ローカルに留まる必要があるものと、よりよく集中化されるものを分離し、プロトコルがその引き渡しを管理します。

教訓3：マルチベンダーフリートは大規模では避けられません。今すぐオープンスタンダードを中心に統合アーキテクチャを設計し、ゼロから再構築することなく3つ目と4つ目のベンダーを追加できるようにしましょう。

4. ロボットではなく、フォークリフトから始める

工場自動化の反直感的なエントリーポイントは、ロボットを購入することではありません。すでに持っているものを計測することです。

SYNAOSの自動化の旅における最初の製品は、手動車両のリアルタイム位置特定です。既存のフォークリフトに取り付けられた小型カメラベースのセンサーキットが、その位置を継続的に送信します。フォークリフトは手動のままです。ドライバーは引き続き運転します。しかし初めて、システムはフォークリフトがどこへ行くか、各ステーションでどれだけ時間を費やすか、走行の何割が積載か空荷か、そして流れの実際のボトルネックがどこにあるかを見ることができます。

2番目のステップはフォークリフトガイダンスです。ドライバーに次に何を取り上げてどこへ行くかの指示を与えるアプリで、後でロボットフリートを管理する同じ最適化エンジンによってシーケンスされます。注文シーケンシングにおけるドライバーの判断はシステムインテリジェンスに置き換えられますが、車両は人間が操縦したままです。

両ステップは効率向上よりも価値があるものを生み出します。データを生み出します。データは工場の実際の材料フローを明らかにします——設計文書から想定されたフローではなく、実際のフロー。その現実が、その後のすべての自動化決定の基盤となります。ロボットはどこで意味があるか？どのルートに自動化を正当化するのに十分な量があるか？手動と自動フローはどこで共存する必要があるか？

教訓4：可視性は自動化に先行します。手動プロセスを計測することで得られるデータは、最初のロボットより価値があります。それはロボットをどこに置くかを教えてくれます。

5. ソフトウェアがインテリジェンス。クラウドがスケール。

Philippが描いた未来は、オーケストレーションインテリジェンスがそれが管理するハードウェアからきれいに分離されているものです。ロボットはナビゲーション、安全性、ローカル意思決定のための独自の搭載ソフトウェアを持ちます。クラウドプラットフォームがその上のすべてを処理します。注文割り当て、ルート最適化、交通管理、充電調整、そして条件が変わった際のリアルタイム再計画。

クラウド層は継続的に計算します。 「私たちはこのゴールに達するために1秒間に200から30万のソリューションを計算しています」 ——新しいイベントが発生するたびに、すべての保留中の輸送注文をすべての利用可能なリソースと比較します。ロボットが予期せず停止します。新しい注文が到着します。ドアがブロックされています。計画は誰かがExcelレポートをエクスポートする翌朝ではなく、リアルタイムで再計算されます。

これがほとんどの工場が現在生きているギャップです。データは存在します。システムがそれを生成します。しかし、データと決定の間に人が座って、自動化できる手動分析を行っています。ソフトウェアがミリ秒で継続的に行う最適化は、アナリストに何時間もかかり、実装されるときにはすでに時代遅れになった計画を生み出します。

クラウドアーキテクチャは、投資を正当化するエンタープライズロールアウトも可能にします。1つの工場で動いている同じプラットフォームが、ソフトウェアコストや管理オーバーヘッドを比例的に増加させることなく、10、50、または100サイトに拡張できます。そこでリターンが複利になります。

教訓5：構内物流ソフトウェアの効率ケースはリアルタイムの継続的最適化です。ビジネスケースはエンタープライズスケールです。どちらもクラウドアーキテクチャを必要とします。

CEOのための実行プレイブック：明日すべきこと

1. 今四半期中に1台のフォークリフトにセンサーをつける。 ロボットに関するいかなる議論の前に、手動構内物流が実際にどのように運営されているかをリアルタイムで可視化してください。データはあなたの仮定を確認するか修正するかします。どちらの結果も持つ価値があります。
2. 空荷走行比率をマッピングする。 位置特定データを取得したら、フォークリフトの移動のうち空荷の割合を計算してください。最適化されていないほとんどの業務では、この数字は驚くほど高いです。これが改善のための最初のベースラインです。
3. 現在の自動化ソフトウェアをベンダーロックインについて監査する。 既存のロボット管理システムが1社のベンダーのハードウェアとしか機能しない場合、すでにスケーリングの上限があります。次のロボット調達の前に、その上限がどこにあるかを理解してください。
4. 次のロボット購入でVDA 5050準拠を確認する。 新しいモバイルロボット契約を署名する前に、ベンダーがVDA 5050をサポートしていることを確認してください。これはロボットをフリートに追加することと、ロボットを博物館に追加することの違いです。
5. パイロットの前に構内物流のスケーリング目標を定義する。 この施設で最終的に何台のロボットを稼働させたいですか？最初の1台のためではなく、その数のためにソフトウェアアーキテクチャを設計してください。パイロットは再起動が安価です。アーキテクチャはそうではありません。

→ YouTubeでセッション全編を視聴する