総合化学メーカーでのAI活用術

総合化学メーカーに、そもそもAIは必要なのか

総合化学メーカーのAI活用を考えるとき、最初にやることは線を引くことです。判断軸は二つあります。一つは、同じ判断を月に何回繰り返しているか。もう一つは、その判断を間違えたときに何が起きるかです。両方が大きい業務ほど、仕組みにする値打ちが出ます。

この二軸を当てはめると、線ははっきりします。川下メーカーから届く技術的な問い合わせへの一次回答は、過去の回答と物性データを探し直す作業が毎日繰り返されます。仕向け地ごとの規制適合の確認も、当てはめの手順が条文と社内規定で決まっていて、見落とせば出荷そのものが止まります。

繰り返しの多さと、間違えたときの影響の大きさが重なる業務 から候補になります。

反対に、新しい触媒でどの運転域を試すかの見極めは、AIに任せる業務ではありません。前例のない条件に踏み込むのが仕事で、判断の根拠が社内の記録に存在しないからです。

定修明けの立ち上げや、異常が出たときに運転を続けるか止めるかの判断も同じです。 その時の設備の状態を見て決め、結果の責任を運転員が負う 場面だからです。

この線引きは、会社ごと、業務ごとに変わります。次の章では、総合化学メーカーの仕事を工程に分けて並べ、どこに負荷が集中しているのかを見ていきます。

総合化学メーカーの業務で、負荷が大きいのはどの工程か

総合化学メーカーの仕事は、一直線には流れません。触媒やプロセスの開発、プラントの連続運転、品質保証、規制対応、顧客への技術対応が、それぞれ別の周期で並行して回っています。役割ごとに分けて並べると、負荷の寄り方が見えてきます。

最も人の時間と神経を使っているのは、顧客技術対応の工程です。負荷が集中する理由は、問い合わせの件数ではありません。同じ製品が、まったく違う業界の川下メーカーに渡っていることにあります。

一つのグレードが、包装材にも電材にも農業向けにも入ります。同じ物性値を聞かれても、相手の用途と仕向け地によって、示すべき数値も添えるべき注意書きも変わります。担当者が時間を取られているのは回答文を書くところではなく、どの製品が誰にどう使われているかをたどり直す前段です。

クレームが入ったときはさらに厄介です。連続運転で貯槽の中身が混ざるため、出荷伝票からさかのぼっても、どの製造期間の分かが一つに決まりません。 過去の似た事例を思い出せるかどうかが、切り分けの速さを決めています 。

触媒・プロセス開発を「極小」としたのは、AIの精度の問題ではありません。どの運転域を試すかは、 記録に答えがないところへ手を伸ばす判断 であり、前例のない業務は仕組みにできないからです。

総合化学メーカーで最初に取り組むべきAI活用、3つ

手をつける順番は、繰り返しの回数と、間違えたときの影響の大きさで決まります。第1章の二軸で見ると、クレームの原因究明、顧客に出す技術文書、仕向け地ごとの規制確認の三つが、その重なりに位置します。

クレームの申し立てを、運転記録までさかのぼる

起点は、営業が受付フォームにクレームの内容を登録した時点です。AIは出荷伝票からタンクと出荷日をたどり、その期間の運転記録、出荷時の検査成績、過去のクレーム報告書に付けた原因の分類を突き合わせます。条件の近い事例を引き当て、疑うべき箇所を並べた資料の下書きを用意します。

下書きは案件の一覧表に行として増え、品質保証の担当者に業務チャットで通知が届きます。いまは出荷伝票を手で探すところから始めていますが、仕組みが入ると、 さかのぼる範囲と過去事例がそろった状態 から検討に入れます。

担当者が確かめるのは、どの製造期間までを対象にしたかです。貯槽の中で複数の期間が混ざるため、範囲の切り方で結論が変わります。顧客への回答は品質保証の責任者が決めます。

技術資料とSDSの下書きを、同じ出どころから組み立てる

いまは製品規格が改訂されるたびに、担当者が既発行の文書を開いて差分を手で書き換えています。ここを、規格の改訂版が指定の保管場所に入ったときと、新しい仕向け地向けの発行依頼がフォームで届いたときを合図に動かします。

AIが参照するのは、製品ごとの物性・有害性データの社内台帳、仕向け地ごとに何をどう記載するかを定めた社内の取り決め、そして既に発行した文書の控えです。下書きは文書として保管され、発行台帳に行が増えます。

人が見るのは、危険有害性の区分の当てはめと、改訂で変わった箇所です。同じ物質を複数の事業部が別の用途で売っているため、 部門をまたいで記載がそろっているか の確認が要ります。発行の責任は化学品管理の部門が持ちます。

仕向け地ごとの収載状況を、先に洗い出しておく

出力が戻る先は、化学品管理の部門が見る適合確認の一覧表です。製品と仕向け地の組み合わせごとに行が並ぶので、 確認が済んでいない組み合わせが目で見える形になります 。該当する事業部には通知が届きます。

動き出すのは、新しいグレードの上市が決まったときと、新規の仕向け地への引合が登録されたときです。AIは製品の構成成分と対応する登録番号の一覧、国ごとの既存化学物質リストへの収載状況の記録、社内の当てはめ基準を照らし、確認が要る成分を抜き出します。

担当者が見るのは、収載なしと出た成分と、少量での届出枠に収まるかどうかです。輸出できるかどうかの最終判断は、化学品管理の責任者が持ちます。

業務に組み込むまでの4ステップ

ここでは、クレームの原因分析を例にします。新しいシステムを作る話ではなく、社内にすでにある記録と保管場所の間に、情報の通り道を一本つくる作業です。

1. 使う情報がどこにあるかを決める

必要な記録は、すでに社内にあります。

• 出荷伝票と、タンク車・ローリーの配車記録
• 該当タンクの受入・払出記録と、その期間の運転記録
• 出荷時の検査成績表
• 過去のクレーム報告書と、そこに付けた原因の分類

新しく作るのではなく、最新のものがどこにあるかを決めるだけです。工場と本社に分かれているなら、一か所に集めるところから始まります。

2. 何をきっかけに動かすかを決める

担当者が思い出して開くのではなく、業務上の出来事で動かします。営業がクレームの内容を受付フォームに登録したとき、返送された品が受付に届いたときが、自然な合図です。ここを決めないと、忙しい時期ほど誰も起動しなくなります。

3. 判断の基準を設定しておく

いちばん時間がかかるのがここです。ベテランが頭の中でやっている切り分けを、文章にして一か所にまとめます。書き留めることになるのは、次のような基準です。

• 出荷伝票から、どのタンク・どの製造期間までさかのぼるか
• 規格内でも疑う値をどう扱うか
• 顧客側の受入・保管の状態を候補に入れる条件

一度まとめれば、製品が変わっても使い回せます 。

4. 結果の戻り先と、確認する人を決める

画面に答えを出して終わりにはしません。切り分けの下書きを案件の一覧表に行として増やし、品質保証の担当者へ業務チャットで通知が届くようにします。 顧客に回答を出す前に責任者が目を通す と決めるところまでが、この工程です。

先に知っておきたい、つまずきやすい3か所

• 同じ物質でも、事業部ごとに技術資料の書き方が違います。件数の多い事業部の言い回しに下書きが寄ると、別の事業部の顧客には通じない表現のまま出ます。 事業部ごとに違う記載を発行前に洗い出し 、どちらに寄せるかを先に決めておきます。
• 各国の規制区分や収載状況は改訂されます。社内に取り込んだ時点の記録のまま照合が続くと、古い基準のまま適合と出ます。照らした規制情報の版と取得日を出力に必ず添え、更新の確認を誰がいつ担当するかを先に取り決めます。
• 運転データのタグ名には、系列や号機ごとに違う呼び名が残っています。まとめて扱うと、別の場所の温度や圧力を拾ったまま話が進みます。 対象のプラントを一つに絞って始め 、呼び名の対応表を作りながら広げます。

総合化学メーカーのAI活用は、どこから考えればいいか

第1章で引いた線は、 判断の根拠が社内の記録にあるかどうか でした。今回の三つはいずれも、答えの出どころが過去の回答や運転記録の側にあり、人が毎回それを探し直していた業務です。触媒の運転域を見極める仕事とは、そこが違います。

全部に手をつける必要はありません。クレームの切り分けでも、技術文書の発行でも、 いま最も手が止まっている業務を一つ選べば十分 です。着手に要るのは、社内にすでにある記録と、基準を書き留めた文章だけです。