でしまる

2025.3.9　◆高度経済成長期、大田区に9177社存在した工場は、水平分業体制で大手企業からの加工の依頼に対応できる体制を構築していました。しかし、2016年時点で工場数は4229社まで減少し、これによって既存の企業間ネットワークが崩れ始めてしまいます。そこで解決策として、工場にIoTセンサーを導入し、ITで連携させることでネットワークを維持する取り組みを始めました。実証実験を重ねた結果、個社のデジタル化だけではなく、モノづくり改革や地域での連携方法の見直しの必要性が認識され、これらについてもデジタル化と並行で進める形になりました。こうした実証実験で獲得したノウハウを大田区中小製造業全体に広げ、地域のデジタル化を加速することを目標にしました。

2025.3.8　◆グンゼの「気候変動への対応」では、2030年までにCO2の排出量をScope1＋2で合計35%以上削減（2013年BM比）することを目標として、省エネ、創エネ、再エネ活用に努めています。さらにエネルギーイノベーションとして、エネルギーの有効利用における新技術の活用を進め、環境に配慮した事業運営を推進していきます。

2025.3.7　◆営業利益率51％、日本で圧倒的な存在感を誇るキーエンスは、過去5年間の平均売上高成長率も15％と時価総額上位の中でもトップクラス。なぜキーエンスはこれほど高い収益力と成長力をあわせ持つことができるのか？

2025.3.6　◆ダイハツ工業では2017年に非公式の3人のワーキングチームで始まったAI（人工知能）活用の取り組みが「仲間を増やす、テーマを集め、事例を作る」により、今では全社のデータ利活用まで広がってきた。　その結果、専任組織を設ける工場ができはじめ、デジタル変革活動が自律的に推進されている。講演ではこうした状態に至るまでの活動を説明した。

2025.3.5　◆国内製造業における工場のスマート化やDX（デジタルトランスフォーメーション）が叫ばれて10年近く過ぎたが、必ずしも順調に進んでいるわけではない。　IoT（モノのインターネット）の仕組みを導入し、「生産ラインからデータを収集できるようになった」「各設備の稼働状況を可視化できるようになった」という取り組みの成果は多く出ている。しかし、そこから先の本当の意味でのデータ利活用に至っている事例はそれほど多いとは言えない。

2025.3.4　◆半導体の世界では、AMDやエヌビディアのように半導体の設計だけに特化して製造は外部に委託する「ファブレス」と、TSMC（台湾セミコンダクター・マニュファクチャリング・カンパニー）のように製造だけを担当する「ファウンドリー」とが分業するようになっている。ファブレスの半導体メーカーは1000社を超えていると言われている。なぜそれほど増えたかというと、巨額の設備投資が必要な製造の部分をTSMCに外注することにより設計だけに注力することができ、少ない資本でも気軽に創業できるようになったからだ。

2025.3.3　◆企業がデジタルマーケティングの高度化を図るうえで重要な役割を果たすCDP(カスタマーデータプラットフォーム)。自動車業界においても、CDPを活用したデータ活用のニーズが高まっている。ただ、CDPというと、まずどのようなツールを導入すればよいかという議論になりがちで、本質が見えにくくなる傾向がある。

2025.3.1　◆2000年以降、欧米では多くの国が着実に経済成長した一方で、日本は「失われた25年」を経験した。その背景には何があったのか。SAPジャパン カスタマー・アドバイザリー統括本部コーポレート・トランスフォーメーション ディレクターの村田聡一郎氏は著書『ホワイトカラーの生産性はなぜ低いのかー日本型BPR2.0』（プレジデント社）で、その一つの大きな要因として、デジタルによるホワイトカラー業務の生産性革命が起きた欧米と、それが起きなかった日本という“差”があったと指摘する。

2025.2.28　◆「製造業ドットコム」は、ホームページ・デジタルカタログ・印刷物・動画・バーチャル展示会などを利用して、『製造業の技術や魅力を分かりやすく』表現し、適切にPRすることができるサービスです。製造業は、技術的で説明が難しく、見えない場所で使われる製品や加工技術を展開していることも多く「魅力や技術力の高さを理解してもらえない」という業界ならではの悩みを抱える企業が多いのが実情です。

2025.2.27　◆ビジネスを発展させていく上で、最新テクノロジーの導入はもはや必須事項だと言っていいだろう。特に昨今では、AI（Artificial Intelligence、人工知能）を活用することで、業務効率化や新規事業創出に取り組む企業も多い。AIが話題に上がる際、ともに耳にする機会が多いのが「機械学習（Machine Learning）」だ。本稿ではAIと機械学習それぞれの基本的な概念や違い、適用領域や今後の展望などを紹介する。