BEGIN:VCALENDAR VERSION:2.0 PRODID:-//360exp//Events//ES METHOD:PUBLISH BEGIN:VTIMEZONE TZID:Asia/Tokyo TZURL:http://tzurl.org/zoneinfo-outlook/Asia/Tokyo X-LIC-LOCATION:Asia/Tokyo BEGIN:STANDARD TZOFFSETFROM:+0900 TZOFFSETTO:+0900 TZNAME:JST DTSTART:19700101T000000 END:STANDARD END:VTIMEZONE TIMEZONE-ID:Asia/Tokyo X-WR-TIMEZONE:Asia/Tokyo BEGIN:VEVENT UID:da773c2d-50f2-4b85-b7d4-10c6b374c6a4@360exp.net SEQUENCE:0 DTSTAMP:20260911T013414 DTSTART;TZID=Asia/Tokyo:20261027T060000 DTEND;TZID=Asia/Tokyo:20261027T080000 SUMMARY:製造AX拠点から考える、中小製造業の「AIに使え るデータ」～AIと現場にとって“良質なデータ”とは？ LOCATION:日刊工業新聞社 西日本支社 DESCRIPTION:【開催概要】 ■日時：2026年10月27日（火）15:00 ～17:00 ■場所：日刊工業新聞社西日本支社＆オンライ ン（ZOOM） ※後日の録画視聴も可能 ■参加費：3\,300円 （税込）※現地参加＆オンライン参加共通 ※オンライ ンでご参加される方には開催2日前にZOOMのミーティング リンクをお知らせします。 【開催趣旨】 「日本には、 世界に誇る膨大な現場データがある」「工場には宝の 山が眠っている――」 DXやAIの文脈で幾度となく語られ てきたこのフレーズ。しかし、現場の最前線に立つ方 々は、心の中でこう思っているはずです。「そのデー タ、本当に使い物になっていますか…？」 2026年版もの づくり白書で提唱され、産総研が主導する「製造AX拠点 」の始動により、製造データをAIに生かすためのエコシ ステムづくりが本格化しつつあります。大手製造業と 共創する未来像が描かれる一方、中小製造業の現場で は悩ましい現実があります。それは、「AI以前に、自社 のデータが現場の改善にすら使えていない」という課 題です。 ここで問うべきは、「良質な現場データ」と は何にとって良質かであり、同時に、データそのもの が良質であるとは、どのような状態を指すのかです。 例えば、単に「25分かかった」「3号機が停止した」と いう数字の羅列や現場の文脈が剥ぎ取られた断片的な 記録は、AIにとっても現場にとっても無力です。製品・ 設備・工程、そして「なぜその状態になったのか」と いう理由（文脈）が結びついて初めてデータは語り始 めるはずです。 本勉強会では、形骸化したデータ収集 の幻想を解体し、現場の改善に役立ち、結果としてAIに も使える『意味のある記録』をどう設計・運用してい くのかを解き明かします。 ■参加対象者 （こんな方に 最適です） ・「とりあえずデータを集めろ」と言われ たが、何から手をつけていいか途方に暮れている工場 長・生産管理責任者 ・ベンダーから高額なIoT・AIツー ルを提案されているが、自社の現場に本当に必要か見 極めたい経営企画・DX推進担当者 ・日報やシステムの 入力作業に追われているが、そこから何の知見も生ま れていないことにモヤモヤしている現場リーダー 【講 師】 オカピー・パートナーズ 代表 中小企業診断士 岡 実 氏 ［経歴］ 制御機器メーカーのオムロンに34年勤務 。PLCを中心としたFA機器の商品企画・マーケティングに 長く携わり、2010年代以降はIoT・製造DX、製造現場のデ ータ活用に関する商品・機能の企画、営業展開、講演 ・執筆などを担当。2026年に60歳で独立し、オカピー・ パートナーズを設立。現在は中小企業診断士として、 中小企業の経営支援、製造業DX・生成AI活用支援、セミ ナー・研修などに取り組む。 ［保有資格・専門性］ 中 小企業診断士、認定経営革新等支援機関、国家資格キ ャリアコンサルタント、滋賀県産業支援プラザ 登録専 門家 【プログラム構成】 1.製造現場にデータがあればO K？ 1-1 わが国における製造データの現状（2026年ものづ くり白書と産総研「製造AX拠点」構想） 1-2「データを 集めればAIが何とかしてくれる」という大いなる誤解 1- 3 大手主導のプラットフォームと、中小現場の距離感・ 向き合い方 2.良質な現場データの正体 2-1「25分かかっ た」というのはデータ？ ：単一の数字が無力な理由（ 製品・設備・工程・標準との比較の欠如） 2-2 同じ「停 止」でも違い？ ：減らすべき停止・必要な停止・計画 された停止の構造化 2-3 AI以前の条件 ：現場の改善に役 立つデータとは、突き詰めると「比較できる記録」で ある 2-4 「良質」の再定義 ：AIにとっての良質（構造化 ・比較可能性）と、現場にとっての良質（文脈と物理 の有無）の交点 3. 自社のデータを見直すための問い・ 観点 3-1 そのデータで何を良くしたいのか？ 3-2 今のデ ータで、見たい違いを比較できるか？ 3-3 足りない条件 や情報は何か？ 4．ディスカッション & Q&A 4-1 「3-1」～ 「3-2」の観点を踏まえた討論 4-2 そのほか「自社に使え そうだが、今のままでは使いにくいデータ」はあるか 」「そのデータを何に使いたいか」「外部と連携する なら何が気になるか」など 4-3 相談・質疑応答\n\nBoletos: https://aidata1027.peatix.com URL;VALUE=URI:https://360exp.net/events/da773c2d-50f2-4b85-b7d4-10c6b374c6 a4 END:VEVENT END:VCALENDAR