RPA IoT BusinessOptimizer

AI

作業のノウハウやその会社では「常識」となっている知識等をルールとして落とし込み、作業の自動化、正確性の向上を図ったRPA

センサーからの信号を元にリアルタイムな処理を行い、現場の人間に“何故”を考えさせるきっかけを与え、カイゼン活動の支援を行うIoT

ApplicationModernization

業務の流れを「データ」「プロセス」「ルール」に分けて整理し、基本となるルールを構築する、基幹業務の刷新

現状の組合わせよりも「より良い組合わせ」を探索し、最適な選択肢を導き出すビジネスリソース最適化ソリューション

現場の各個人が持っているナレッジを集積し、“3人集まれば文殊の知恵”とすることで、より早く人間を超えた判断や支援が出来るようになるAI

最新のApplication Modernization／RPA／IoT／AI／Business Optimizer技術を活用し、ビジネスの効率化と企業の成長を実現する

意思決定支援システムがここに

- 1 -

働き方改革や生産性の向上、よりよい顧客・行政サービスの提供など、企業や官庁が抱える課題はまだまだ沢山あります。

注目されているAI、RPA、IoT等のソリューションはまだ完成された分野ではなく、トライアンドエラーを繰り返す必要があり、柔軟に変更可能でかつ高速に実行する意思決定支援システムが必要になります。パターンマッチング技術と意思決定表等の分か

りやすい表記方法のあるルールエンジンを使用する必要があります。肥大化、複雑化した既存のアプリケーションを、「データ」「プロセス」「ルール」を分離したアーキテクチャでデザインすることで刷新しビジネス変革を実現することや、人やモノの配置や流れを最適化することで、コストを最小限かつ利益を最大化することが求められています。

レッドハットではこれらのお客様のビジネス課題を実現するために、日本でシェアNo.1*のルールエンジン、Red Hat Decision Managerを提供します。

*出典：ITR Market View : システム連携／統合ミドルウェア市場2017

ArtificialIntelligence

Robotics ProcessAutomation

Internet of Things

価値の創出

変化への速やかな対応

コストの削減

ビッグデータの本格的活用

働き方改革

生産性の向上

仕事の知性化

スキルの均一化

［Application Modernization］スパゲッティー化されたシステムの再構築に

最適なソリューションを提供

旧態依然としたアーキテクチャによるシステムを利用し続けており、例外処理の追加を際限なく行ってきた結果、業務側からしてみればたった少しの変更にも時間とコストがかかっているケースが多く見られます。結果、業務側としては小さな変更であればIT側にシステムの変更要求をすることを諦め、自分たちでなんとかしようとツール等の個人的なナレッジで対応しています。これは業務側の各担当者の負荷の増大、企業システムの維持費や再構築費用の増大、ビジネスを取り巻く

環境に遅れをとってしまうが故の機会損失などを招いています。ではシステムを再構築するのに、以前と同じように全ての棚卸し、既存の機能を全部担保した上での要求仕様、設計、実装、テストというウォーターフォール型で進めるのがベストなのでしょうか。レッドハットでは「繰返し開発を得意とするルールエンジン」を有効に活用する開発手法をご提案し、短期間に品質の良いものを作成するツールと手法をご提供しています。

概要 outline

theme

◎設計書の欠落したシステムをメンテナンスし続けているが、費用は増大しナレッジが減少している

◎システムの再構築に膨大な費用と期間が必要と言われ、諦めかけている

◎先送りしていたシステム更改が、ハードウェアやソフトウェアの保守切れにより、いよいよ利用できなくなってきた

課題

Solutionsソリューション

◎業務の流れをデータ・プロセス・ルールに分けて整理し、基本となるルールを構築　 入力値と期待値を含むテストデータをご準備いただき、　 ロジックを通したデータとの合致率が100%になるよう、　 繰返し開発可能

◎過去のデータを使用することで、過去５年間で使用された　 ロジックのみを確実に移行　 6年以上前のロジックは利用されていないとして、　 ロジックの整理も同時に実現

◎ルールエンジンの「パターンマッチング」技術を有効に　 利用した、テストに於けるルールエンジンの使用により、　 データの合致率を簡単に集計し、工程の進捗率を明確化

◎イテレーション開発により問題箇所を早期に発見、　 全体への波及を最小限に抑え、工数の削減と品質を向上

Case Study事例

導入目的：保守切れに伴う基幹システムの再構築大手製造業

導入目的：ホストマシンの負荷削減の為の外部実行構築大手サービス業

-2-

効果 大量データの処理も分散環境を上手く使うことで、ホストマシンと同等の性能を出し、業務停止の危機を逃れた

効果 マイクロサービス単位のイテレーション開発により、工期の短縮、品質の向上、追加要件の柔軟な対応ができた

案件スタート

入力チェック

承認受入

部品展開

引当処理 …＞ ＞ ＞ ＞ ＞

データ取得

チェックルール

データ格納

部品展開

データ取得

データ格納

品番処理

在庫取得

引当処理

データ格納

発注作成

入力画面入力画面

出力画面

承認画面

データ

プロセス

ルール

画面

XXマスター

CCマスター

BBマスター

AAマスター

業務データ

［Robotics Process Automation（RPA）］属人化された事務作業をITで集約し、作業の効率化、スキルの均一化を実現

事務作業等の人的作業の効率化を目指したものがRobotics Process

Automation（RPA）です。IT部門側が知らないところで作成されているExcelのマクロや関数で行っている計算や判断は、作業のミスも多く、少しの変更でも解析するのに時間がかかり、業務の効率化を妨げている1つになります。また、属人化されたナレッジは他人への展開が難しく、作業効率もスケールしません。業務ユーザーがロジックを簡単に変更できる仕組みとすることで、会

社のナレッジを集約することが可能になります。集約されたナレッジを、契約業務、請求業務、製造判定、お客様サービス等に適用することで、従来、社員によってばらつきがあったスキルや顧客対応を均一化して、企業価値を高めることができます。レッドハットではRPAで必須の意思決定支援システムとして、Red

Hat Decision Managerをご提供致します。

概要 outline

theme

◎ Excelの関数やマクロを多用して業務を行っているものの、IT部門側ではその存在に気づいておらず、ロジックの変更管理が破綻している

◎商品作成、見積り作成、料金計算、在庫管理等で、初めは種類も少なくプログラミングする必要もなかった単純だった構成が、　 お客様のニーズの増大に応じて多種・複雑になってしまい、手がつけられない状態になっている

◎Excel上の作業は単純であるにも関わらず、作業自体が多く、ミスを誘発している　 何故その判断になったのかの理由がわかりにくい

課題

Solutionsソリューション

◎データとルールの分離を行い、無限に増えるデータはデータベースへ、ロジックの変更はルールエンジンで行うようにし、　 それぞれの役割の明確化と一元管理を図る

◎担当する業務ユーザーがメンテナンスし易い　 意思決定表形式等でルールを記述することにより、　 業務ルールの追加変更に対して迅速に対応する

◎単純作業を自動化することにより作業ミスを無くし、　作業者をより知恵を出す仕事として働き方改革を行う

◎その判断に至った理由（通過したロジック）を　明確にすることで、お客様からの　問い合わせに対して的確に回答できる

事例

導入目的：ツアーカタログの料金作成業務の大幅な自動化ANAセールス株式会社

効果 基幹システムにも関わらず、業務側の要求から数日でシステムリリース可能なまでの俊敏性を確保、業績の大幅な拡大に寄与

導入目的：契約チェックの全自動化ソフトバンク株式会社

-3-

？ ♪

マクロ、ルール計算ロジックが混在し、上書きを繰り返すうち

誰もが手をつけられない状態に。

自然に近い言葉でのルール編集で的確かつ迅速な対応が可能に。

Before Afterルール

業務業務

ディシジョンテーブル

効果 掛けるべきでない時間の短縮化により、本来行うべき仕事に注力できるようになった

Case Study

今までインターネットにつながっていなかった設備からデータを発信利用することで、イベントドリブン、もしくはタイムドリブンで、データ間の関連性を判断して適切なアクションを起こすことで、より知的なサービスを提供することが出来るようになります。例えば人が気づかない0.1秒という時間の遅延は、積み重なることで数時間の残業につながります。IoT技術を使用して0.1秒の遅延を早期に検知し、作業者に認識させることで作業者はその遅延を解消す

べく、知恵を出します。AIの活用だけでは解決しない分野においては人の知見を有効に使うことで、競争力を高めることが可能です。データ間の関連性をルールエンジンで判断するだけではなく、時間軸をもって「来なかったイベント」をも検知する仕組みが必要になります。作業者の知識は製品・仕様が追加される度に多くなっていきます。Decision Managerではその「判断」「検知」において、抽出された作業者の知識を容易に追加し実行する仕組みを提供しています。

概要 outline

theme

◎製造業において生産性向上の為の改善活動を行っているものの、　 行き詰まりを感じているIoT技術を利用した新規ビジネスを行いたい

◎センサー等のデバイスから取得する大量のデータのスクリーニングや、複雑な条件によるデータ分析を自動的に実行したい

課題

Solutionsソリューション

◎センサーからの情報を集約し、ルールエンジンにて内容や時間的な相関関係をチェック

◎リアルタイムに状況を表示させることで、作業者に気づきを与えて改善活動を促進

◎ロジックの試行錯誤が伴うIoTにおいて、センサー側の情報をどのようにして取得するかだけではなく、　 通信経路とプロトコルの調整も含めて、サーバー側での判断処理を総合的に判断

◎各データの関連性の判断を従前のif-thenで作っていては、試行錯誤に耐えられない仕組みとなるため、　 パターンマッチング技術を使用したルールエンジンが実現 

Case Study事例

効果 大幅な生産性の向上ができ、設備投資費の削減、労務費の削減、品質の向上も達成

導入目的：IoTを使用した生産性の改善旭鉄工株式会社

効果 従業員の業務効率向上はもちろん、顧客への魅力的なサービス提供も実現

導入目的：IoT実行環境の提供大手通信業

-4-

センサー活用例：サイクルタイムモニター 装置Aの基準値4.0

HTTP

センサー

装置A

N N+1 N+2

#N+2

#N

12:34:50.000

#N+1

12:34:53.500

12:35:03.000

Decision Manager / CEP

< 4.0sec

> 4.3sec

> 8.0sec

カイゼン

［Internet Of Things（IoT）］今まで見えなかったモノやコトを可視化し、

業務効率の改善や働き方改革で高効率な環境へ

人工知能で人類の未来が変わると言われています。しかし、一口に人工知能と言っても、自動化と自律化という2つのタイプが存在しています。自動化の人工知能は、過去に人間が経験してきた知恵を集約し、その知識ベースとデータをマッチングさせて実行するものです。

自律化する人工知能を支える技術としては機械学習やディープラーニング等があげられますが、これはあくまでも膨大なデータから読み解いた知識です。その知識を利用して、初めて人間の役に立つものとなります。つまり、人の知識もしくは過去のデータから出した知識のどちらを利用しようとも、知識ベースの駆動エンジンを使う必要があります。

概要 outline

theme

◎機械学習を行うほどのデータ量もなく、でも属人化されている知識を集約し、頭脳明晰な判断やサービスを行いたい

◎属人化を排除し、人が発見した知識サービスを集約・管理し、試行錯誤も含めて迅速に対応し、人工知能における「自動化」を実現

◎人工知能における自律化において、機械学習やディープラーニング等がAIと思われがちだが、それだけではAIとしては不十分

◎学習させるためのデータは、ノイズを取り除く必要があり、　 学習の結果として「XXの条件ならばYYとする」 という場合分けが重要で学習の結果を実行する基盤が必要

◎学習をいきなり結論に持っていくことは非常に難しく、推論を繰返した結果の導出が必要

課題

Solutionsソリューション

Case Study事例

効果 過去の経験を知識化したルールエンジンに顧客の嗜好や履歴を適合させ適切なタイミングで提案、販売拡大に成功

導入目的：カリスマバーチャル店員大手通信販売会社

効果 適切な担当営業にアサインされたことにより契約数が増大、結果売上が増大

導入目的：求人情報と担当営業の適切なマッチング人材サービス会社

◎ AIの自動化に対しては、人が経験したナレッジをすぐに　 書き留めておき、それをルール化していく作業を実現

◎その実現に数ヶ月かかるようではAI活用の意味がなくなるため、　 すぐに本番適用できるよう、ルールエンジンを利用して　 ナレッジを蓄積・実行し、試行錯誤を繰返すプラットフォームを提供

◎AIの自律化に対しては、学習で出力されたルールを取込み、　 そのまま動かせるような仕組みも必要　 Decision Managerのルールエンジンでは、二分木を取り込んで　 推論を行ったり、スコアカードを取り込んだ意思決定を実現

-5-

このサイクルを高速に行うことが重要

分析・学習

機械学習 ディープラーニング● 事象の場合分け● 相関関係を抽出大量のデータ

Internet of Things● ゴミデータの掃除● 似たようなデータを　まとめる● 後で使えるように保管

● 事実をルールに従い処理● 脳のシナプスの様に　ルールを連続発火させて　推論結果を得る

推論・行動

データ収集

［AI］人工知能で未来のビジネスや暮らしを拓く

プラットフォームを提供

業務効率の低下は、作業や割当の無駄やむらから来ています。現状では管理者によってその作業が行われているところがほとんどです。人手による計画では、仲が良い、もしくは利用しやすいリソースをより多く使うことで、不公平、軋轢、疲労等につながることもあります。人間の勘や恣意による計画ではなく、制約を満たす組合せの中から最

適なものを探索することで、働き方改革を行うことが可能です。人が考えた制約を元に、無数の組合せから人が見つけられないより良い組合せを見つけるこのソリューションは、人工知能で研究され開発されたアルゴリズムを採用しています。

概要 outline

theme

◎病院の看護師、大規模店舗のシフト計画、エアラインのキャビンクルーのフライト計画、授業のスケジュール、生産計画など、　 制約が多く組合せに苦労している

◎安全在庫やサイクル在庫の調整が難しく、機会損失や余剰在庫を生んでいる

◎金融商品のポートフォリオの作成が難しく、提案準備に時間がかかる

課題

Solutionsソリューション

◎属人化されているナレッジを引き出し、組合せルール、制約ルールを整理

◎データとルールの分離を行い、組合せ最適化問題として解けるように整理し、計画に必要な需要予測についても、　 ルールエンジンを利用してより高い精度を実現

◎自動的に作成される組合せにスコアリングを行い、より良いスコアになる組合せをBusiness Optimizerを使用して探索

◎設定の異なるシナリオを同時に走らせて、より良い解を採用。その際、OpenShift等の分散環境を使用して実行することで、　 運用の手間とコストの削減も実現

Case Study事例

効果 ボトルネックだったものは作業者・管理者が想定していないものだったことが判明

導入目的：作業人員と作業機械の最適なマッチング大手製造業

効果 単なる効率化だけではなく、ドライバーに優しくかつ、今まで以上に効率の良いルーティングを作成

導入目的：物流におけるトラックの最適なルーティング大手製造業

セールスオペレーションセンター（SOC）

お問い合わせ

〒150-0013 東京都渋谷区恵比寿4-1-18 恵比寿ネオナートTEL：03-5798-8500（代表） http://www.jp.redhat.comレッドハット株式会社 TEL： 0120-266-086（携帯電話からは03-5798-8510）

E-mail： sales-jp@redhat.com

Copyright 2018 Red Hat Inc. All Rights Reserved. "Red Hat"、"Red Hat Enterprise Linux"、"JBoss"、"Openshift"および"Shadow Man"ロゴは、米国およびその他の国における Red Hat, Inc. の登録商標です。Linuxは、Linus Torvalds氏の登録商標です。OpenStackR Word MarkとOpenStackのロゴは、米国とその他の国における OpenStack Foundation の登録商標/サービスマークまたは商標/サービスマークのいずれかであり、OpenStack Foundation の許諾の下に使用されています。Red Hat は、OpenStack FoundationやOpenStack コミュニティの系列企業ではなくまた、支持や出資を受けていません。その他全ての登録商標及び商標の所有権は、該当する所有者が保有します。本誌に掲載された内容の無断複製・転載を禁じます。

Red Hatはオープンソースを活用し、これからの仕組みづくりを支援します。その実績とノウハウの詳細は下記までお問い合わせください。

「枠」「中身」「ルール・制約」の組合せを最適化し課題を解決

課題 枠 中身 ルール・制約人員の不足 タスク 人材 スキル

納品の遅れ 納期 部材 製造手順

売上の最大化 需要 供給 販売方針

目的 組合せ

= × ×

= × ×

= × ×

［Business Optimizer］人の想定を超える良い組合せを見つけることで

ムリ、無駄、むらを無くす