製品の不良は数秒で発見できても、その根本原因を特定するまでには、数時間、場合によっては数日かかることがあります。 製造現場において、不良を発見することは品質管理の第一歩にすぎません。重要なのは、不良がどの工程で、なぜ発生したのかを正確に把握し、再発を防止することです。 1. 不良はすぐに見つかるのに、原因特定に時間がかかる理由 例えば、ある工場の午前の生産シフトで、不良率が急激に上昇したとします。 品質管理部門は検査結果を確認し、製造部門は設備の稼働状況を調査、技術部門は保全履歴を確認します。 しかし、必要なデータが複数の場所に分散しているケースは少なくありません。 品質検査結果はExcelで ...

社内文書や業務データを生成AIで活用する手段として、RAG（検索拡張生成）の導入を検討する企業が増えています。一方で、実際にプロジェクトを始めようとすると、次のような疑問に直面します。 RAG構築にはどのくらいの費用がかかるのか PoCから本番導入まで何か月必要なのか どのようなデータを準備すればよいのか 文書だけでなく、Excelやデータベースも活用できるのか PoCの成功をどう判断すればよいのか 結論から言うと 対象データを絞った技術検証なら2〜4週間から始められます。実際の業務データで回答品質と業務適合性を評価するなら、1〜3か月のPoCが目安です。BAP Solution Japanが ...

今後10年の技術競争力を形づくるもの 「オンプレミスからクラウドへの移行」――この言葉は、ここ数年のIT業界においてすでに一般的なものとなっています。しかし実際には、いまだに多くの企業が移行を検討しながらも、明確な意思決定に至っていません。 その理由は、情報が不足しているからではありません。オンプレミスかクラウドかという選択は、単なる技術的な問題ではなく、コスト、セキュリティ、ガバナンス、そして既存システム資産が複雑に絡み合う経営課題だからです。 ITインフラ基盤の選定は、経営層が判断すべき戦略的な意思決定です。この選択は、今後5年から10年にわたる企業の技術競争力を左右する可能性があります。 ...

DXが急速に進む中、多くの企業が既存のITシステムの刷新や移行という課題に直面しています。しかし、CTO、PM、情報システム部門の担当者にとって、システム移行プロジェクトをどこから始めるべきかは大きな悩みの一つです。 何から着手すべきか。事前に何を準備すべきか。業務停止をどのように防ぐのか。そして何より、予算超過やスケジュール遅延をどのように回避するのか。 実際、多くのシステム移行プロジェクトは、明確な計画がないことや、潜在的なリスクを十分に評価できていないことが原因で困難に直面します。その結果、追加コストの発生だけでなく、データ損失、業務停止、顧客体験への悪影響といったリスクが生じる可能性が ...

製造業におけるDX（デジタルトランスフォーメーション）が進む中、生産管理や品質管理、設備稼働状況の可視化を目的として、MES（製造実行システム）の導入を検討する企業が増えています。 しかし、工場のデジタル化を進めたいと考えていても、次のような課題に直面している企業は少なくありません。 MESを導入したいが、初期投資が大きい 生産実績や品質情報をExcelや紙で管理している 生産・品質・設備データが複数のシステムに分散している どの業務からデジタル化すべきか分からない 導入後の費用対効果を明確にできない では、工場のデジタル化を始めるために、最初から大規模なMESを導入する必要があるのでしょうか ...

生産計画の管理にはExcel。 品質検査の記録には紙。 設備トラブルが発生したら、写真を撮ってZaloで共有。 そして、1日の終わりにすべての情報を集めて報告書を作成する。 こうした業務の進め方は、今でも多くの工場で見られます。 Excelや紙、Zaloそのものが悪いわけではありません。 便利で使いやすく、現場の担当者も使い慣れています。しかし、生産規模が大きくなるにつれて、ある課題が浮かび上がってきます。 データはたくさんあるのに、あちこちに分散している。 部門ごとに異なるデータ管理 製造部門では、Excelで生産計画や生産実績を管理。 品質管理（QC）部門では、独自の検査記録を作成。 倉庫 ...

もし、工場で最も経験豊富な人材が明日退職したら？ 20年間の経験を持つエンジニアが退職するケースを想像してみてください。 生産ラインでトラブルが発生した。設備に異常の兆候が見られる。あるいは、何年も前に発生した不良（Defect）が再び発生した。 マニュアルだけでは、具体的な対処方法まで判断できないことがあります。 そんなとき、企業はこれまで**「ベテラン社員に聞く」**ことで問題を解決してきました。 では、その人がもう工場にいなかったら？ 問題は、単に一人の社員を失うことではありません。 その人の頭の中に蓄積されていた何十年分もの経験やノウハウまで失われる可能性があります。 I. 工場のナレ ...

AIは現在、製造業で最も注目されているテクノロジーの一つです。品質検査、設備故障の予測、生産計画の最適化など、AIを活用することで、手作業を削減し、データに基づいてより迅速な意思決定を行うことが可能になります。 しかし、多くの企業が直面している本当の課題は、 「AIで何ができるのか？」 ではありません。 むしろ、 「自社では、どこからAI活用を始めるべきなのか？」 という点です。 BAPのAI専門家は、実際のAIプロジェクトの導入経験から、最初から大規模なAIプロジェクトに取り組むべきではないと考えています。 まずは、製造現場の中からAIによって効果を数値で測定できる具体的な課題を一つ見つける ...

生成AI（Generative AI）の企業活用が広がる中、新たに注目されているのが「AIエージェント（AI Agent）」です。 従来の生成AIが質問への回答、文章生成、情報要約などを中心としていたのに対し、AIエージェントは、必要な情報を自ら取得・分析し、目標達成に必要な複数のタスクを連携させることができます。 特に製造業では、 設備異常を早期に発見できない トラブル対応のノウハウが熟練者に集中している 生産計画や在庫管理に時間がかかる ERP、MES、Excel、PDFなどにデータが分散している 問題発生後の対応プロセスが人に依存している といった課題を抱える企業も少なくありません。 A ...

MIGRATION / APPLICATION MODERNIZATION 移行案件が終わるたびに、得られた知見は担当者の中に残り、次の案件はまた一から始まる。Migration Factoryは、この繰り返しを断ち切り、システム移行を「再現できる組織能力」へ変えるための運用モデルです。AI活用、プラットフォームエンジニアリング、FinOpsをどう組み合わせるかを整理します。 著者：株式会社BAP Solution Japan　｜　公開日：2026年9月4日　｜ この記事の要点 Migration Factoryはツールの集合ではなく、運用モデル（オペレーティングモデル）である。 AIは調査と ...

「システムは今日も正確に動いている。ただ、なぜそう動くのかを説明できる人がほとんどいない」――COBOLで構築された基幹システムを抱える企業の多くが、こうした状態に直面しています。 問題は品質ではなく、変更のスピードと選択肢の狭さです。新しい販売チャネルの追加、SaaSとのデータ連携、AIによる需要予測――新しい施策のたびに「既存システムに手を入れられるか」が最初の関門となり、企画そのものが縮小してしまう。この構造こそが、レガシー刷新を検討する本当のきっかけです。 この記事でわかること（情報システム部門責任者・CIO・CTO向け） COBOL資産の刷新が優先課題になる8つの理由 マイグレーショ ...

「今のまま内製を続けるべきか、それとも外注に切り替えるべきか」――システム開発の現場で多くの企業が直面する判断です。タイミングを誤れば、コスト増や機会損失につながります。本記事では、内製から外注へ切り替えるべきタイミングと、その判断基準を具体的に解説します。 内製 資産化できるが、リソースを消費する 外注 即戦力を確保し、変動費化できる 見極め タイミングと基準が成否を分ける 1内製と外注は「対立」ではない 「いつ、どちらを使うか」という問い 内製と外注は、「どちらが優れているか」ではなく「いつ、どちらを使うか」という使い分けの問題です。内製はノウハウが社内に残る一方でリソースを消費し、外注は ...