APS x AI - 生産計画
生産スケジューラ(APS)とAI:ERPデータを使った計画業務の支援
要点
AIはスケジューラの最適化エンジンを置き換えるものではなく、ERPの受注・在庫・工程実績を読み、計画担当者の問い合わせや例外対応を速くする層として使うのが現実的です。モデルは社内のGPUで動かし、データは外に出さない構成にできます。
日本の製造業では、Asprovaのような専用の生産スケジューラ、ERP標準の計画機能(SAPのPP/DSなど)、あるいはExcelと担当者の経験を組み合わせて生産計画を回している現場が多くあります。多品種少量、短納期、設備と作業者の制約が重なる工場ほど、計画は属人化しやすく、担当者が休むと回らないという声をよく聞きます。
スケジューラは制約を考慮して山を崩す計算は得意ですが、「この納期遅れの原因は何か」「急な特急オーダーを入れたら他の受注にどう響くか」といった問いに答えるには、結局ERPや実績データを人が調べ直すことになります。AIを使う価値があるのは、この調べ直しの部分です。
計画業務で実際に時間がかかっている部分
計画担当者の時間は、スケジューリング計算そのものよりも、前後の作業に取られがちです。マスタの不整合(標準時間、段取り時間、工程順序)の洗い出し、資材の入荷遅れの確認、設備停止や不良による再計画、営業からの納期問い合わせへの回答などです。
これらはいずれも、ERPの受注、部品表、在庫、発注残、工程実績のテーブルをまたいだ確認作業です。担当者がSQLや帳票を使い分けて調べているなら、自然言語で聞ける仕組みの効果が出やすい領域です。
- 特急オーダー投入時の影響確認(どの受注が何日遅れるか)
- 納期回答の根拠整理(資材、設備負荷、外注工程の状況)
- 標準時間と実績時間の乖離が大きい品目・工程の抽出
- 資材欠品リスクのある製造指示の一覧化
AIが担う範囲と、スケジューラが担う範囲
役割分担を明確にすることが重要です。有限能力の最適化計算、ルール(優先順位、段取り替えの最小化など)に基づく割付は、引き続きスケジューラが担います。生成AIは確率的に答えるため、設備や納期の割付そのものを任せるのには向きません。
AIが担当するのは、読み取りと説明です。ERPとスケジューラの出力を読み、「この製造指示が遅れる理由は、前工程の治具不足と資材入荷の2日遅れです」といった要約を、根拠となる数値とクエリ付きで返します。計画の変更を書き戻す場合は、必ず担当者の承認を挟みます。
ユースケース:ERPデータにAIを接続した場合
たとえばSAPであれば、製造指図(AFKO、AFPO)、所要量、在庫、購買発注の各データを参照し、「今週出荷予定で資材未着の受注はどれか」と質問できます。国産の生産管理システムでも、受注、製造指示、工程実績、在庫のテーブルや提供されているAPIが読めれば同様の構成になります。
製番管理の現場では、製番ごとの進捗と部品の引当状況を横断して見たいという要望が強く、AIによる問い合わせがそのまま「遅れ製番の一覧と原因」の自動生成につながります。スケジューラ側のログや出力ファイルも、RAGで文書として取り込むことができます。
アーキテクチャとデータの置き場所
ERP、スケジューラの出力、工程実績の三つに読み取り専用で接続し、オープンウェイトのモデル(Llama、Qwen、Mistral、Gemmaなど)をvLLMまたはOllamaで、御社のGPUサーバーまたは国内のプライベートクラウド上で動かします。受注情報や原価は営業秘密にあたるため、外部の生成AI APIに送らない設計が基本です。
ERPのロール(権限)を尊重し、実行したクエリは常に表示します。個人情報を含む作業者別の実績を扱う場合は、個人情報保護法の観点から、利用目的と閲覧範囲を事前に整理しておく必要があります。
始め方:小さく検証して判断する
最初の2〜4週間で、計画担当者が日常的に調べている質問を10〜20個集め、それをERPのデータで答えられるかを検証するのが現実的です。ここでマスタの品質(標準時間が更新されていない、工程順序の登録漏れなど)が見つかることも多く、AIの導入前に直すべき点が分かること自体が成果になります。
検証後に、読み取り専用の問い合わせから始め、次に例外一覧の自動生成、最後にスケジューラへの入力データ整備の支援へと広げます。スケジューラの入れ替えが目的なら、それは別のプロジェクトとして切り分けるべきです。
正直な限界:AIが向かないケース
スケジューラのベンダーが提供するAI機能や分析機能で足りる場合は、それを使う方が簡単です。計画業務の問題がAIではなくマスタ精度や現場の実績入力の遅れにあるなら、先にそちらを直すほうが効果が大きくなります。
また、数値の確実性が求められる場面では、AIの回答をそのまま使わず、表示されたクエリと元データで確認する運用を前提にしてください。
よくある質問
AIで生産スケジューラ(APS)を置き換えられますか。
置き換えは推奨しません。有限能力の割付計算は専用のスケジューラが得意な領域です。AIはERPや実績データの読み取り、原因の説明、例外の抽出に使い、計画の確定は担当者が行います。
Asprovaなど既存のスケジューラと併用できますか。
多くの場合は可能です。スケジューラの出力ファイルやデータベースを読み取り専用で参照し、ERPのデータと合わせて問い合わせに答える構成にできます。連携方式は製品とバージョンの確認が必要です。
データを社外に出さずに運用できますか。
できます。オープンウェイトのモデルを御社のGPUまたは国内のプライベート環境で動かし、ERPには読み取り専用で接続します。受注や原価などの営業秘密を外部APIに送らない構成です。
納期回答の自動化はどこまで可能ですか。
資材、設備負荷、外注の状況を集めて回答案の根拠を整理するところまでは有効です。回答の最終確定や、スケジューラへの書き戻しは担当者の承認を前提にします。
効果が出るかどうか、導入前に確認できますか。
計画担当者が実際に調べている質問を集め、ERPデータで答えられるかを小規模に検証できます。この段階でマスタの課題も見えるため、本格導入の判断材料になります。
関連ガイド
品質保証(8D・是正処置)とERPデータ:AIで原因調査と報告書作成を速くする
8D報告書や是正処置の作成を、ERPの不適合・ロット・工程実績データとAIで支援する方法。IATF 16949やAS9100の記録対応、オンプレミス運用を解説します。
ERP (自然言語での問い合わせ)ERPデータに日本語で問い合わせる:帳票やSQLに頼らない仕組みと注意点
ERPのデータを日本語の質問で検索・集計する仕組みと、権限・監査・オンプレミス運用の考え方。SQLや帳票に頼らず現場が答えを得る方法を解説します。
Microsoft Dynamics 365Microsoft Dynamics 365と生成AI:Copilotで足りる範囲と、社内モデルが必要な範囲
Dynamics 365 Finance・Supply Chain・Business CentralとCopilot、Azure OpenAI、社内モデルの使い分けを解説。日本の製造業向けに、データの置き場所も整理します。
製造業 AI ベンダー選定 (RFP)製造業のAIベンダー選定とRFP:評価基準とPoCの作り方
製造業がERPや生産システムにAIを導入する際のRFP・RFIの作り方、評価基準、PoCの設計、確認すべきセキュリティ項目を、実務の観点で整理します。
SAP ERP 6.0(ECC)/ SAP S/4HANASAP 2027年問題とAI:移行を急ぐ前に、社内の知識を読めるようにする
SAP ERP 6.0の保守終了(2027年問題)に向け、アドオン棚卸しや移行判断に生成AIをどう使うか。データを社外に出さない構成と注意点を解説。
ERP全般(オンプレミス生成AI)オンプレミス生成AIをERPにつなぐ:データを社内に置いたまま使う方法
ERPのデータを社外に出さずに生成AIを使うには。ローカルLLM、RAG、権限連携、承認フローまで、情報システム部門向けに構成と注意点を整理。