IoT、ビッグデータ、AI活用

ブリヂストンのデジタル変革、「サービスとしてのタイヤ」に向けた取り組みとは？（1/2 ページ）

単なるものづくりから「Tire as a Service」にかじを切ったブリヂストン。タイヤのトップブランドとして知られる同社のデジタル変革にかける「本気」をレポートする。

公開 2017年06月06日 09時00分

[著]

印刷する

　市場環境の変化は、あらゆる企業にデジタル化によるビジネスモデルやビジネスプロセス変革を加速させる取り組みを迫っている。タイヤで培った高い技術力を核に、さまざまな事業分野でグローバル展開するブリヂストンは、デジタル化による変革にいち早く着手した1社だ。

　SAS Institute Japanが2017年5月23日に開催した「SAS FORUM JAPAN 2017」において、ブリヂストン執行役員チーフデジタルオフィサー兼デジタルソリューションセンター担当の三枝幸夫氏は「ソリューションビジネスを加速する、ブリヂストンのデジタルトランスフォーメーション」と題した特別講演に登壇し、同社が進めるデジタル変革の取り組み内容について、その詳細を語った。

併せて読みたいお薦め記事

IoTのビジネス活用

デジタル変革と企業組織

タイヤではなくサービスを売る決意

ブリヂストンの三枝幸夫氏

　ブリヂストンはグローバルのタイヤ市場において売上高ベースでトップシェアを維持してきたメーカーだ（注1）。市場規模が拡大するのと同時に新興国のタイヤメーカーが存在感を強める中、軽量化や低燃費化などの高付加価値化を進めてきた。

　従来の製造販売型のビジネスモデルに安住していたのでは、成長に限界がある。そうした危機感から「お客さまの困りごとを解決するソリューション事業者になるべく、デジタル変革への取り組みを開始した」と三枝氏は述べる。

※注1：出典：Tire Business「Global Tire Company Rankings」

　もちろん、これまで通り顧客にタイヤを提供することには変わりがない。重要なのはその先だ。使用中のタイヤの管理と、すり減った場合の交換、あるいはリトレッドタイヤ（注2）に再生するといったタイヤライフサイクル全般をサポートするサービスを提供し、そこで利益を生むのだ。顧客はメンテナンスの心配をしなくて済み、すり減ったタイヤは再生されるので環境にも優しい。

※注2：1次寿命が終了したタイヤのトレッドゴム（路面と接する部分のゴム）の表面を削って、その上に新しいゴムを張り付けトレッドパターン（溝）を形成して再利用するもの。

　このようなサービスを提供するには、顧客がどんなタイヤの使い方をしているのかを理解しなければならない。やらなければならないことは認識できたものの、創業80年以上の老舗ともなると、人や組織、プロセスが分断されてしまっている問題が少なからず出てくる。取り組みが始まる当初の社内について三枝氏は「綱渡りでバリューチェーンを運営している状態だった」と振り返る。

　分断を放置したままでサービスを提供しても、部門連携のためのコスト負担がサービスの収益性を圧迫してしまう。ビジネスモデルの変革だけでなく、バリューチェーン全体の効率を高めるにもデジタル変革は必須だった。

　ブリヂストンのコアコンピタンスは、高分子複合体の素材技術、加工技術、製品化技術および製品を使ったサービスモデルにある。このコアコンピタンスを圧倒的なスピードと精度で提供し、戦略実行に生かす。これを実行するために、同社のデジタル変革は「Digital for Bridgestone」「Digital for Customers」「Industry Level Ecosystem」の3つの領域に及ぶ。

Digital for Bridgestone：自社のものづくり効率を高めるデジタル

ビッグデータ解析

　まずPLC（Programmable Logic Controller）という制御用のコンピュータが収集するセンサーデータを、エンドユーザーが使いたいときに使えるような仕組みを整備した。

　この結果、多くのデータを分析に役立てることが可能になったが、半面、データが多過ぎるが故に、分析ができる人とできない人の分断ができてしまう問題が生じた。品質不良の改善は、属人的なスキルや経験に依存することが大きい典型的な分野だ。だからこそ、そこにビッグデータ解析ツールの活用余地があるともいえる。

　三枝氏はここで、ある製品の品質不良を改善した事例を紹介した。現場の技術者にヒアリングしたところ、その製品の品質を制御するパラメーターは89個もあったという。ここまで要素が多いと人手での解析には限界がある。ツールを使って解析した結果、思いもよらないパラメーターの組み合わせに問題があることが分かり、結果的に不良を6分の1に減らすことに成功した。

　この結果を踏まえ、三枝氏は品質改善に必要なスキルが今後は変化すると指摘する。具体的には、独力で問題を発見して解決するスキルよりも、データ解析ツールを使いこなすスキルを備えた人を増やすことが求められる。そして自分たちで全てを制御しようとするのではなく、制御できるものとできないものを整理することが必要になってくるという。

EXAMATION

　ビッグデータ解析や機械学習アルゴリズムを搭載した最新のタイヤ成形システム「EXAMATION」を導入した。これにより、従来は手作業だった成形について、システム側での完全な自動化が実現した。三枝氏によれば、品質のばらつきが15％以上、生産性は約2倍にまで改善した。タイヤ1個当たり480項目の品質データを大量のセンサーから収集して分析し、全ての部材を最適な条件で組み立てる機械学習アルゴリズムを実装できるまでになったという。

　ただし、全ての工程を機械学習などの人工知能（AI）技術に委ねることはしないと三枝氏は話す。タイヤが人の命を乗せて走るものである以上、何をどう制御しているか分からないアルゴリズムはシステムに搭載できない。人手で行うアルゴリズムの検証プロセスを効率化することが課題として残るという。それでも、データ解析のプロセス、解析結果、アルゴリズムをグローバル共通のナレッジベースとして共有し、グローバル展開がスピードアップできるような基礎が整備されたことは収穫になった。

次ページへ「Tire as a Service」を成功に導くために

印刷する

この記事の著者

冨永裕子

フリーランスのITアナリスト兼ITコンサルタント。2つのIT調査会社でエンタープライズIT分野におけるソフトウェア分野の調査プロジェクトを担当する。その傍ら、ITコンサルタントとして、ユーザー企業を対象としたITマネジメント領域を中心としたコンサルティングプロジェクトも経験する。新興領域、テクノロジーとビジネスのギャップを埋めることに関心あり。