工場で最も安い部品こそ、工場を止めるもの

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

工場の自動化に関する議論のほとんどは、ロボットから始まります。AGV、AIビジョンシステム、自律型生産セル。 Christoph Dirr、Würth Industry VietnamのGeneral Managerは、ファスナーから話を始めました。

それは話が逸れたのではありませんでした。それこそが本質だったのです。60カ国の産業メーカーへの供給で25年を経てきたChristophは、実際に工場を止めるものについて明確な見解を持っていました。大きなシステムではありません。高価な機械でもありません。誰もが在庫が切れるまで気に留めないコモディティ部品だったのです。

1. 最も小さい部品が最大の生産停止を引き起こす

ほとんどの工場は、主要な調達決定の最適化に真剣な時間を費やします。高額品目では厳しく交渉します。サプライヤーをベンチマークします。重要な支出には厳格な承認プロセスを構築します。そしてその後、ラインを毎日稼働させている4,000点の低価値部品をほぼ無視します。

Christoph Dirrはこれを直接指摘しました。Cパーツ——ファスナー、PPE、MRO消耗品、工業用化学品——は個々のユニット価値がほとんどありません。しかし、それらを購入し、在庫として保管し、適切なタイミングで適切な作業員に届けることの複雑さは莫大です。

“今日の工場が直面している課題は、バリューチェーン全体の中で相対的に価値が低い4,000点の部品を保有しながら、購入・在庫管理・任意の時点での作業員への提供において非常に高い複雑さを伴うことです。”

財務的な論理は一度述べれば明快です。数セントのボルトが欠品することによる生産停止は、サプライヤーを切り替えたり在庫をリーンに管理したりすることで得られる節約をはるかに超える機会費用を生み出します。Dirrはそれを忘れがたい言葉で表現しました： 「Cパーツは工場のエコシステムを流れる血液のようなものです。それがなくなった途端、心臓発作を起こします。」

オペレーションリーダーにとって、これはコモディティ調達の議論全体を再定義します。目標は最も安いファスナーを見つけることではありません。ファスナーが確実に存在することを保証することです。

レッスン1：Cパーツをユニット価格で最適化するのをやめてください。可用性で最適化してください。生産停止は1年分のサプライヤー節約よりもコストがかかります。

2. リアルタイムの可視性は先見性ではない

工場のサプライ管理における現在の最先端技術は、RFIDを活用したkanbanです——Toyotaが数十年前に発明したシステムで、今ではセンサーとデータ転送でアップグレードされています。すべての材料に2つのビン。1つが空になれば補充する。RFIDにより補充シグナルが速くなりました：ビンがゼロになるのを待つ代わりに、工場はフロアレベルのセンサーから毎時間の消費データを取得できるようになりました。

これは知性のように感じられます。しかしそうではありません。Christophはその違いについて正確でした： 「ビンが空になったとき、新しいビンを注文します。それは反応です。予測しているわけではありません。」 今日大規模に展開されているすべてのIoTシステム——RFIDリーダー、スマート自動販売機、センサータグ付きの保管庫——はすでに起きたことに関するデータを生成します。サプライチェーンは過去に反応しています。

それでも価値はあります。毎時の可視性は毎日よりも優れています。毎日は作業員がシフト終わりに記入する紙のカードよりも優れています。透明性は無駄を減らし、在庫管理を改善し、限られたリソースをより有効活用します。しかし、現在の状態の可視性を予測能力と混同している工場は、誤った前提の上に構築しています。

次のステップ——Christophが真のフロンティアと表現したもの——は、調達が積極的になることです。消費履歴ではなく、生産計画から構築された需要予測。必要とされる前に供給を配置すること、使用された後ではなく。

レッスン2：リアルタイムデータは何が起きたかを教えてくれます。何が来るかを知るには生産計画との統合が必要です。実際に持っているものを把握してください。

3. AIはデータフロアが必要だ、シーリングを持つ前に

質疑応答がAIに向いたとき、Christophは部屋のほとんどの誇大広告を切り抜ける答えを出しました。製造業におけるAIのボトルネックはアルゴリズムではありません。計算能力でもありません。実際に意思決定が行われる物理的な業務からの構造化データの欠如です。

「まず、データとそれを非常に迅速に保存してアクセスする能力が必要です。最高のハードウェアがあっても、何を供給すべきかがわからなければ意味がありません。」

これの実用的なバージョンは次のようなものです：作業員が材料使用量を紙のカードに書き留める工場は使用可能なデータを生成しません。センサーカバレッジなしのGoods-to-Manピッキングシステムにはフィードバックループがありません。スマートな需要管理ソフトウェア——Blue YonderやCelonisのようなプロセスマイニング企業が構築しているもの——は処理すべきデータポイントがある場合のみ機能します。それなしでは、アルゴリズムにはトレーニングするものも最適化するものもありません。

Christophは積極的な供給の最初のバージョンを控えめだが現実のものとして説明しました。何千もの類似メーカーの部品表データに対して生産計画を相互参照し、注文する前に工場が何を必要とするかを予測します。 「お客様に聞くことができます：今年何台のクレーンを製造する予定ですか？そこから、実際に何が必要かを計算できます。」 明白に聞こえます。実行するには何年もの構造化データが必要です。

レッスン3：AIレイヤーを評価する前に、物理的な業務が使用可能なデータを生成しているかどうかを確認してください。データインフラがなければ知性もなく、ノイズ上で動く高価なソフトウェアがあるだけです。

4. ベトナムは同じ道をたどる必要はない

セッションの中でより鋭い観察の一つは、ベトナムのサプライチェーン発展がどのように展開するかについてでした。Christophは中国からのパターンを指摘しました：何十年もの間、中国の銀行は消費者を現金からクレジットカード、そしてe-バンキングへと移行させようとしました。誰も移行しませんでした。そしてWeChatが登場し、数年のうちに全人口がモバイル決済に移行し、クレジットカードの時代を完全にスキップしました。

ベトナムの産業サプライチェーンへの示唆：先進的なヨーロッパや北米の経済が経験したのと同じ段階的な進化に従う必要はありません。中間段階をスキップして、目に見えない在庫を持つプラットフォーム経済モデルに直接移行できます。 「ベトナムで起こることは、このパターンに従う必要はありません。」

ベトナムのサプライチェーンには特定の構造的な課題があります：ほとんどのCパーツが輸入されています。毎月約8,000万ドルのファスナーがベトナムに入ってきます。これらの部品の現地製造は浅く、特に多様ではありません。サプライチェーンは中国よりも複雑で脆弱で、そこでは密な現地サプライヤーネットワークが柔軟性を提供します。その複雑さが自動化とデータ管理を単に有用なだけでなく必要なものにしています。 「ベトナムは本当にこれを大量に必要としており、特にデータを必要としています。」

レッスン4：ベトナムのサプライチェーンの制約は現実です。しかし、その飛躍の可能性も同様に現実です。サプライチェーンが向かっている方向——どこにあったかではなく——に向けて設計している企業は構造的な優位性を構築するでしょう。

CEO実行プレイブック：明日すべきこと

1. 1. Cパーツの故障リスクをマッピングしてください。 部品表の中で最も安い5つの部品で、欠品すれば生産停止を引き起こすものを特定してください。次に、その補充が可視化・自動化されているか、まだ手動で管理されているかを確認してください。そのギャップが最初の自動化優先事項です。
2. 2. 自分の可視性を正直に分類してください。 現在のIoTまたは在庫システムのうち、どれが反応的（枯渇によってトリガーされる）か、どれが積極的（生産計画によってトリガーされる）かを特定してください。答えがすべて反応的であれば、それがあなたのギャップであり、成果ではありません。
3. 3. AI会話の前にデータ監査を実施してください。 需要管理ソフトウェアや予測ツールを評価する前に、物理的な業務が構造化されたタイムスタンプ付きの消費データを生成していることを確認してください。作業員がまだ紙を使用している場合は、そこから始めてください。
4. 4. サプライヤーの制約を中心とした計画規律を構築してください。 供給ベースの集中度をマッピングしてください。5社未満のサプライヤーがほとんどの量を保有しているカテゴリーについては、障害のコストをモデル化し、それに応じた最低リードタイムを構築してください。

→ YouTubeでフルセッションを視聴する