川原：会社としてデミング賞挑戦を決めた当時、私は品質保証部長として、デミング賞挑戦への企画の任をうけ社内で立ち上げました。その後、部署を変わってデミング賞は宮田工場の工務部長の立場で受審し、デミング大賞受審時は苅田・小倉工場長として別の立場で臨みました。３つの立場と視点でＴＱＭ活動強化の牽引役をできたことは視野思考の拡大につながりラッキーだったと思います。

川原：私は、どんな仕事を任命されてもよい、やりがいのない仕事なんてないというスタンスなんです。また、其々の担当分野でTQMを懸命に取り組んできましたし、違和感なく「来たか。やりがいがあるな！」という気持ちでした。また、デミング賞と大賞への挑戦で多くの成果は得られましたが、私の目線からは浸透のばらつき等もっとレベルアップしたいところがみえてもいました。改善には終わりはありませんし、停滞は衰退に繋がりますので、やりがいある良いチャンスをいただいたなと思っています。

川原：多くの良い変化はありますが、役員間や機能間の会話や議論が明らかに増えて社内連携が良くなったこと、一体感が増したことが一番感じていることです。

川原：生産や関係各所への影響は大きいです。一方そんな中でも、仕事自体に目を移すと、やりづらくなる部分よりはアフターコロナでの可能性を大きくできると感じています。
コロナ渦により、リモートで仕事や会議ができる環境が一気に広がりました。今までより、必要な人が必要な時にリモートで集まり議論し易くなりました。やって慣れてみると面着だけが必ずしもベストではないこともわかってきました。現地現物面着でやるべき場面と、リモート活用が効率良い場面と、うまく使い分けることでトータルでの生産性向上やパフォーマンス発揮や成長につながると感じています。
また、コロナ前はフル生産が続きで、その間に各職場で十分に取り組めていなかったことも、できた時間や余力を活用して一気に挽回し先に進めることにも取り組んでおり（教育、訓練、多能工化、改善、生産性向上）体質改善の良いチャンスとも捉えています。

川原：はい。長期目線でプラスにすることを考えています。
リモート化には、然るべき投資が必要となります。生産量が落ち込む中で経理部門は投資の意思決定をしづらい部分があるのは事実です。ここでTQM活動の成果を感じました。

受審活動を通じて、部門間の風通しのよさ、方向性の一致などの土壌ができていたからこそ、導入に対してスピーディな意思決定ができたということです。結果として、コロナ渦ゆえに一気に進んだリモート環境の拡大整備により、先々の仕事の生産性向上にプラスに生かせる環境になりました。

川原：もともと当社は品質にこだわる文化は非常に強く、生産を担っているラグジュアリーブランドのレクサスが高品質を有している証として、当時生産の6～7割が北米向けであったアメリカ市場で、JDパワー社の初期品質調査（IQS）による製造工場世界NO.1であるプラチナ賞の受賞を目指しました。結果、5回受賞することができました。

しかし一方で、当社を取り巻く環境変化が起こり始めていました。グローバルでトヨタブランドの地産地消化（現地生産）が進み、高い品質が要求されるレクサスでも北米での現地生産が始まりました（カナダ・ケンブリッジ、アメリカ・ケンタッキー）プラチナ賞品質を旗印に頑張ってきた当社も、北米向けの生産が減少し、メンバーのモチベーション低下への影響もでるのではないかと考えていました。又、ユニットの2工場、生産技術部門、開発部門、と会社機能拡大やそれに伴う従業員増加も進んでいました。
2014年、二橋社長（当時）から、環境変化や機能拡大・人の増加などの大きな課題解決に向け機運を高め一丸となって取り組むためにも「TQMをもう一度しっかりやろう。デミング賞へ挑戦してはどうか」とピンチをチャンスにするための提案がありました。

川原：まず「TQMとはなにか」を、活動をリードする幹部に腹落ちして貰うことです。
人によってTQMに対する感覚がまちまちでした。「経営とは」、「ビジョンとは」、「方針とは」といったところから価値観を共有すること、腹落ちしてもらうことに注力しました。

川原：フレームワークの作成、見える化、トヨタ九州のTQMの枠組み、ビジョンの再設定など、全員が同じ価値観、ベクトルで進むことを目指し、各所で議論を繰り返しました。
それと、大きな課題としていたのは「スピード感」です。当社設立当初は、生産ライン1本での車両生産だけでしたので、自然と一致団結できていてスピード感もあって、それが自慢でもあったんです。しかし、会社規模が当初の約4倍になると、さすがにひとりひとりの顔が見え難くもなり、同時にスピード感の低下を感じていました。それがデミング賞への挑戦を通じて復活してきたと感じています。

川原：縦横斜めの議論や接点が強くなり、一体感とスピードが増したことです。仕事の最前線のメンバーからみても向かうべきゴールや優先順位がより分かりやすくなったではないかと思います。その結果、ビジョンや方針達成に向けてより効果的な動きが効率よくできるようになってきたと感じています。

川原：2025年のビジョン（V25）を作り終わった時期に大変革が起こり、2030年に向けたビジョン（V30）を作り直しました。V25一度で課題認識はできていたので、役員間での激論を経てスムーズに進んだように思います。今、起きていることは、コロナ関連を除けば当時議論した環境予測からはそう大きくずれていません。

川原：以前までは、自分たちからみえている環境からのプレゼントプッシュ的発想に偏重しがちだったのが、デミング賞へのチャレンジで議論を重ねる中で、フューチャープル側の思考分析ができるようになっていったからではないかと思います。

川原：実はこれまで、意識して「顧客価値創造」という考え方を中心に置いて動いていなかったのですが、結果として、我々の行動は、以前から脈々と顧客価値創造を自然に実施していたことがたくさんあったことに気づきました。
これまでの我々は、最高品質のモノ（クルマ）をタイムリーにできるだけ安くお客様に届けることに注力してやってきました。それを（レクサス車を）生み出すためのプロセス、例えば、生産スタッフがやっている行動やこだわりや、すべての仕事現場の思いやこだわりや行動が、コト価値につながっていることがたくさんあり、それらを繋ぎ合わせて表面化することを起点に顧客価値を生み出せるのではないかと考えています。例えば、当社ではレクサス販売店やオーナー様専用の工場案内があり、そこではレクサスを造る現場のライン測をトラムで案内しながら“レクサスづくりへの思いやこだわりや匠の技”を中心にご説明するプログラムがあります。海外からも含めて多くの販売店の方々やオーナー様が見学に来られますが、お褒めいただくお言葉の多くは、我々が取り組んでいる“コト”なんです。そういうところから思考を広げていきながら、今先頭を走られている顧客価値創造企業様が実践しているようなコト価値への取組みのステップへ進んでいきたいと思っています。

川原：当社は設立から29年、愚直にモノづくりを追究してきた、いわば“モノづくりオタク”です。コトへの思考回路拡大を目指しもっと顧客価値を高められるよう成長していきたい。もちろん、レクサスのブランド価値に対して、トヨタ九州がどう貢献していくか、新しい魅力を高めていく必要があると感じていますし、そのために機械学習は欠かせないものだと言えます。また、コト価値への取り組みは、クルマ（モノ）だけではなく企業市民としての貢献も、もっともっとできるようになれると思います。

川原：SQC手法による問題解決は、過去の知見などの固有知識に基づき、母集団からサンプリングを行い解析します。そのために固有知識の範囲での結果となるのが一般的です。一方、機械学習は解析手法の制約が少なく、直接、母集団データを解析できるため、固有知識では思いつかなかったヒント（新たな知見）を得られる可能性があります。これにより、新たな良品条件、バラツキの縮小、予測、予兆が導き出せると考えています。

川原：まだまだこれから、というのが実態です。既存工程にデータ収集のための機器を後付けするには莫大な費用が発生しますが、ハイブリッドユニットの小倉工場など新しい工程導入時にはデータ収集の仕掛けを織り込んだ工程設計をしています。機械学習の能力向上だけでなく、データを収集する仕掛けも並行して進めていく必要がありますからね。ただ、認識しておかなければならないのは、工程から収集したデータ全てが活きるわけではないということです。例えば、1000個のセンサーを張り巡らされていても、目的によっては役立つセンサー（データ）は10個かもしれないということです。
なので、投資価値に対しても「費用対効果の読みや確実性」を優先に意思決定をしがちだったこれまでの思考を、これからは、会社組織として先ほどのことを理解したうえで将来を見据えた投資価値として判断していくような大きな思考や判断基準の変化も必要です。

川原：当社はこれまで、問題解決、品質管理、ＳＱＣ、については長年にわたり教育実践してきました。機械学習も問題解決の手段の一つとして、SQCの延長線上として活用するという考えで、まずは、2017年から推進者の育成として、トヨタグループや社外の機械学習に関する場に参加することで、知識～実践・指導・講師力を２年間かけて育成してきました。そのメンバーが社内で技術員育成を実施する2段階で進めてきており、上級・中級・初級と力量を定義し、人財育成教育プログラムを設定しています。
年々育成のスピードをもっと早めたい、というニーズが強くなりました。ただし、当社のようにモノづくりの場面での活用を主に考えると、いきなり機械学習ではなく、SQCを身につけてからのステップを踏んだ方が結果的には育成が早く進むと考えています。

川原：いくつかあります。今回のクオリティフォーラムでの講演でも事例を紹介します。
当社はレクサス車を生産しています。高級車への期待値は当然高く、車内で違和感ある音が少しでも発生するとお客様苦情に繋がります。当社の完成車検査ラインには、世界の様々な悪路を再現したラフロードテスターを設置して異音の検査を全数実施していますが、それでもお客様からのご指摘が散見されていました、この問題解決に機械学習を活用して原因究明、対策し、成果が挙がった事例です。
この事例では現場の作業者さえも気づかなかった原因を機械学習により特定しています。また、生産情報（車種、仕様、仕向け）、検査結果情報、市場お客指摘等、バラバラにあったデータを一元管理したデータベースがあったからこそできたところもポイントです。

川原：経営層や上司の理解があることが一番重要なことだと思います。TQMの推進と同じですね。世の中の潮流だからやれ、という進め方では失敗します。
業務で成果を出すためには以下の図の「3つの力」が必要になります。データサイエンスは、そのうちの一つでしかありません。
問題顕在化の為にデータサイエンスを使う目的が思考できる「ビジネス力」と、データサイエンスを使うための必要データを収集する「データエンジニアリング力」と、機械学習などデータを調理する「データサイエンス力」、この３つの能力を有しなければならないということです。
個人で３要素全てを有するのは非常に困難だと思われますので、組織やチームとして３つを補填して有し回せる環境整備が重要になります。また、データエンジニアリング力やデータサイエンス力分野は一企業だけで保有するには困難な場合も多く、社外組織と協業することも必要だと思います。場面やタイミングでどの形態をとるのか？は、自社の将来像を描きながら決めていけばよいのではないかと思います。ただし、３要素が交差する部分の相互理解と融合は成功のためのキーポイントだと考えています。
クルマの生産が事業の中心である当社の場合は、長期的には出来る限り自前で３つの要素を育てて活躍してもらうことを軸に、データサイエンス分野はその時々に応じて外部と協業することや委託することも必要で、それらを組み合わせていくイメージを持っています。それは「ものづくりの本質」を理解した人やチームが「機械学習などで出てきた結果を使いこなす(ブラックボックス化させない)」そんな本質的なものづくりの探求こそが、日本にものづくりを残していくためのあるべき姿の一つだと考えているからです。
データサイエンス力を持った人財はすぐには育ちません、なので自社だけではすぐに成果は出ません。当社は3年間の取り組みで中級はまだ9人程度です。効率は高くありませんが、将来のために愚直に進めていく計画です。