株式会社ローソン

ローソンの店舗には、1店につき20〜30種類の電⼦機器があります。POSレジ、⾃動釣り銭機、ストアコンピューター、プリンタ、電⼦決済端末、ルータ、発注端末、検品機器、Loppiなどです。これらソフトウエアを伴う電⼦機器の管理は、私たちIT部⾨がおこなっています。

こうした機器が⼀つでも壊れたり、動かなくなったりすると、店舗運営に⼤きな⽀障をきたします。POSレジなど重要な機器は、1台壊れても⼤丈夫なように、必ず2台が冗⻑配備されています。また、その他の機器についても「店舗から故障の連絡があったら、素早く保守要員が出向き、修理する」という「かけつけ保守」の体制を取っています。保守業務は、外部の企業に委託しており、保守拠点は全国に140箇所に上ります。

しかし、「かけつけ保守」は、その体制を維持するのに、待機⼈員や部品在庫を常に確保せねばならず、相当なコストがかかります。このコストを低減するために「予防保守」を導⼊したいと考えました。これは、機器が壊れてから修理するのではなく、壊れる前に予兆を察知して適切な処置を施し、故障の発⽣を未然に防ぐという発想です。

故障の予兆を知るには各種データを分析する必要があります。このデータ分析に、KIを使おうと考えました。分析対象データは、⼤きく「機器の稼働状況」「店舗の属性」「外部要因」の3点です。

まず「機器の稼働状況」。コンビニ店内の各種機器は、その⼤半が、⾃⾝の稼働状況、つまり電源投⼊時間、読み込み書き込みなど各種イベントの発⽣頻度、所要時間など各種情報を、センターに⾃動送信する仕様になっています。この集積データを解析すれば、どんな機器が、どんな状況、どの程度の過酷さで使われたとき、故障が起きやすくなるか、その傾向がある程度わかると期待できます。次に「店舗の属性」。これは店舗の⽴地、売り上げなどの情報です。たとえば「⽇販いくら以上になると故障が起きやすい」「海のそばの店舗は故障が起きやすい」などの傾向がわかるかもしれません。最後に「外部要因」。これは季節、天気、温度、湿度、周辺地域のイベント情報などです。先に挙げた「機器情報」「店舗属性情報」と組み合わせて分析することにより、新たな知⾒が得られると期待できます。

この「予防保守」は簡単には実現しない難しいテーマであることは⾃覚しています。キーエンスのデータサイエンティストとも相談しながら、⽅法論を模索していきたいと考えています。

KIは、キーエンスからの働きかけを通じて知りました。上司からは「あの⾼収益で有名なキーエンスのデータ分析ツールなら、話を聞く価値がある。現場で検討してみてほしい」と話がありました。

当時、IT部⾨として「予防保守」がすでに課題にあげられていました。課題解決には、AIやデータ分析が必要であると考えていたため、KIはイメージに合致したツールでした。

さらにKI導⼊は、「データ分析の全社浸透」にも資するツールでもありました。キーエンスの⾼収益の源泉は、徹底したデータ志向の経営であり、KIは、⻑年の活動を通じ確⽴したノウハウをツール化したものであると聞いています。

世の中には「売っているのに、⾃分では使わないITソリューション」が多くあります。⼀⽅、KIは⾃社の悩みを解決するために作った「地に⾜のついたツール」でした。

KIのもう⼀つの魅⼒は、これを活⽤するとき「キーエンスのデータサイエンティストが伴⾛してくれること」でした。その過程でキーエンスのノウハウを、⾃社の課題を解決しながら、具体的に吸収できます。この「伴⾛⽀援の価値」も、KI導⼊の決め⼿の⼀つでした。

個⼈的な話で恐縮ですが、私⾃⾝はこの話を聞いたとき「⾃分を成⻑させる絶好のチャンスだ」と感じました。今回のデータ分析は私を含め数名でスタートします。⼈選の際は「新しい試みに積極的であること」を条件としました。まずこの数名が、データ分析のノウハウを吸収していきます。

当⾯、予防保守に活⽤しますが、今後、他の課題解決にも横展開していけたらと考えています。データサイエンティストと共に課題を解決することで、キーエンスのノウハウをできるだけ多く吸収していきたいです。データ分析で会社に成果をもたらし、かつ、関わる⼈材も成⻑する、そんな好循環を実現していきます。キーエンスの⼿厚いサポートに期待します。今後ともよろしくお願いします。