Incerto 合同会社（总部：东京都荒川区，代表：佐藤碧人，https://www.incerto.tech/）于今日正式开始提供制造业特化的『力量管理・人员配置 AI』。 本 AI 旨在集成 ISO 9001 规定的力量管理表运作、班长与职长脑中的人员配置判断，以及突发缺勤时的重新配置，从而消除人员配置的个人依赖。在资深班长退休与现场人手不足同时进行的制造业环境中，将每日的配置决策从「个人经验」转化为「工厂机制」。 ■ 背景：制造业人才结构的变化 制造业目前正涉及多重的人才挑战： - 招聘难度加剧：2024年11月「生产工程职业」的有效求职倍率为 1.50 倍，高于全职业平均的 1.25 倍，制造现场的人手不足已结构化。 - 负责判断的班长层高龄化：过去20年间，34岁以下就业者减少了 125 万人，而 65 岁以上则增加了 30 万人，资深班长退休导致的技术流失风险正不断升高。 - 多能工化的要求：为应对需求波动，多能工化（一人负责多个工序）越进展，管理「谁能做什么」及每日的配置判断就越复杂。 - 对突发缺勤的即时响应：对于少人化运作的产线，一人的突发缺勤极易波及整体生产计划，需要立即决定替代配置。 在这些压力下，配置判断集中在资深班长个人身上、缺乏再现性与持续性的状态，即「人员配置的个人依赖化」，已成为许多任务厂显著的经营课题。 ■ 课题：人员配置的个人依赖化 制造现场普遍存在以下状况： - 力量管理表流于形式：ISO 9001 要求的力量管理表（多能工矩阵）往往沦为每年仅更新一次的「纸张与 Excel 文档」，与现场实情脱节。 - 配置判断过度集中：每日人员配置依赖于资深班长脑中的隐性规则（如「避开此组合」、「此工序不放新人」等）。 - 约束条件复杂化：配置时需考虑劳基法、证照要求、外国技能实习生比例、GMP、分区管制等数十项约束。 无论是食品工厂、汽车零件厂、化工厂还是电子零件厂，内核问题都在于每日配置决策封闭在特定个人经验中，工厂无法实现可持续的运作。 ■ 解决方案：『力量管理・人员配置 AI』 本系统目前可承担以下业务： - 力量管理表自动修正：根据实际数据（工序作业时间、不良率、启动时间）自动修正技能评估，维持管理表的可用性。 - 配置表自动生成：结合劳基法、证照、外国实习生比例、GMP、分区等约束条件与员工技能信息，自动生成配置表。 - 突发缺勤应对：发生缺勤时，立即提示符合力量、证照与劳务约束的替代人选。 - 多管道输出：将配置表并行输出至纸张、LINE、Slack、Teams、现场终端或现有生产管理系统。 ■ 满足制造现场机密保护的安全设计 制造业涉及工序技术、人事考核、生产计划等敏感信息。为符合不同安全政策，本 AI 提供以下基盘选择： - 地端 / 本地 LLM 构成：在工厂内部服务器运行 AI，数据完全不外流。 - 企业级云端 AI：可选择 Amazon Bedrock 或 Azure OpenAI 等安全云端环境。