エグゼクティブ・サマリー
- ロボット導入の総コストは、本体価格よりティーチングと立ち上げの工数に支配される。 本体を比較して安い方を選んだのに総額が膨らむのは、この構造を見ていないからである。比較すべきは「1品種あたりの立ち上げ工数」である。
- ティーチングレスは単一の技術ではなく、4つの異なるアプローチの総称である。 オフラインティーチング、ダイレクトティーチング、CAD／3Dビジョンからの自動生成、学習ベース制御。前提条件も残る工数もまったく違い、混同すると導入判断を誤る。
- 「レス」になるのは動作の教示だけで、周辺の工数は消えない。 治具設計、周辺機器との同期、異常時の復帰手順、安全確認は依然として人が設計する。ここを見落とした試算は必ず外れる。
- 効果が最も大きいのは多品種少量、段取り替えが頻繁な現場である。 同じ品種を大量に流す現場では、ティーチング工数は初回のみで償却され、レス化の投資が回収されにくい。
- 選定時に確かめるべきは「デモが動くか」ではなく「自社の最悪ケースで何分かかるか」である。 ばらつきの大きいワーク、想定外の姿勢、異常からの復帰。この3点を自社の現物で検証しない限り、判断材料にはならない。
ロボットを導入した企業が二度目の導入で必ず口にするのが、「立ち上げにこんなに時間がかかると思わなかった」という言葉である。本体の見積もりは明確で、比較もしやすい。しかし実際に工数が積み上がるのは、そのロボットに「何をどう動くか」を教える作業と、その周辺を成立させる作業である。品種が増えるたび、ラインを変えるたび、この工数が再び発生する。
ティーチングレス化は、この構造的なボトルネックに対する技術的な回答である。近年は3Dビジョン、シミュレーション、機械学習の進展によって選択肢が実務レベルに達しつつある。一方で、「ティーチングレス」という言葉が指すものはベンダーによって大きく異なり、期待と実態がずれたまま導入して失望する例も増えている。本稿では、4つのアプローチを整理し、それぞれが成立する条件、残る工数、そして選定時に確かめるべきことを実務目線で示す。
ティーチング工数はどこで発生しているか
「ティーチングに時間がかかる」を一つの塊として扱うと対策が打てない。実際には次の要素に分解できる。
| 工数の発生箇所 | 内容 | レス化技術で減るか |
|---|---|---|
| 動作点の教示 | 把持位置、経路、姿勢の指定 | 減る（4アプローチの主戦場） |
| 干渉回避の調整 | 治具・周辺機器・他軸との接触回避 | 一部減る（シミュレーションが効く） |
| 力・速度の調整 | 押し付け力、加減速、タクトへの追い込み | あまり減らない |
| 周辺機器との同期 | コンベア、チャック、センサ、上位システムとの信号設計 | 減らない |
| 異常時の復帰設計 | 落下、位置ずれ、供給切れからの戻し方 | 減らない |
| 安全確認・妥当性確認 | リスクアセスメント、動作確認、記録 | 減らない |
見ての通り、レス化技術が主に効くのは最初の2行である。ベンダーの提案で「ティーチング工数が90%削減」と示されるとき、その分母が動作点の教示だけを指しているのか、立ち上げ全体を指しているのかで、意味がまるで変わる。ここを確認しないまま投資判断をしてはならない。
したがって最初にやるべきは、自社の直近の導入案件について、上記6行それぞれに実際何時間かかったかを洗い出すことである。この分解表がないまま「ティーチングレスを検討する」と言っても、何が解決されるのかが誰にも分からない。
4つのアプローチと、それぞれの前提
ティーチングレスと呼ばれる技術は、大きく4系統に分かれる。
① オフラインティーチング（シミュレーション上での教示） PC上の3D環境でロボットとワーク・治具を再現し、動作を作成して実機へ転送する。実機を止めずに準備できるため、稼働率への影響が小さい。前提として、実機と3Dモデルの寸法・座標が一致していること（キャリブレーション精度）が要る。ここがずれると、シミュレーションでは通るのに実機で干渉する。
② ダイレクトティーチング（手で動かして教える） 作業者がロボットのアームを直接手で持って動かし、位置を記憶させる。専門知識が不要で、現場の作業者自身が教示できるのが最大の利点である。協働ロボットで広く用いられる。反面、繰り返し精度の必要な作業や、細かい姿勢制御を要する作業には向かない。
③ CAD／3Dビジョンからの自動生成 ワークのCADデータ、または3Dビジョンで取得した点群から、把持位置や経路をソフトウェアが自動算出する。バラ積みピッキングで実用化が進んでいる領域である。前提は、ワーク形状のデータが存在すること、あるいはビジョンが安定して形状を取得できること。透明・光沢・黒色のワーク、変形するワークは苦手であり、ここは今も技術的な壁が残る。
④ 学習ベース制御 実演データやシミュレーション上での試行から動作方針を学習させる。ばらつきの大きい対象や、力加減を要する作業に可能性がある一方、必要なデータ量、学習の再現性、そして「なぜその動きをしたか」の説明可能性が課題として残る。産業現場での適用は領域を絞った形で進んでいる段階と捉えるのが実務的である。この系統の位置づけはフィジカルAI入門、自然言語での指示との組み合わせは生成AI×ロボットで扱っている。
| アプローチ | 向いている作業 | 成立の前提 | 残る主な工数 |
|---|---|---|---|
| ①オフラインティーチング | 品種切替が多い、実機を止めたくない、経路が複雑 | 実機と3Dモデルの座標一致、CADの整備 | キャリブレーション、実機での微調整 |
| ②ダイレクトティーチング | 少量多品種、現場で頻繁に変更、精度要求が中程度 | 協働ロボット等の対応機種、安全確認の運用 | 精度追い込み、再現性の確認 |
| ③CAD／3Dビジョン自動生成 | バラ積み、供給姿勢が不定、形状データがある | ワークの光学特性、ビジョンの設置環境、照明 | 苦手ワークの例外処理、把持失敗時の復帰 |
| ④学習ベース制御 | ばらつきが大きい、力加減を要する、従来手法で解けない | データ収集の手段、検証の枠組み、適用範囲の限定 | 検証・妥当性確認、想定外時の挙動設計 |
重要なのは、これらが排他ではないことである。実務では「オフラインで大枠を作り、現場でダイレクトに微調整する」「ビジョンで位置を出し、経路はオフラインで作る」といった組み合わせが最も現実的な解になることが多い。
「レス」にならない条件を先に見極める
ティーチングレスが効かない、あるいは投資に見合わない条件がある。検討の初期段階でここを判定すべきである。
- 同一品種を長期間流す現場。 ティーチング工数は初回のみ発生し、その後は償却される。レス化への投資が回収されにくい。
- 治具で位置が完全に決まっている作業。 そもそも教示すべき変数が少なく、削減余地が小さい。
- ワークの光学特性が厳しい。 透明、鏡面、黒色、濡れているといった条件では3Dビジョンの取得が不安定になる。照明や撮像方式の工夫で改善する場合もあるが、検証なしに前提にしてはならない。
- 周辺機器との同期が複雑。 動作教示が自動化されても、信号設計と異常復帰の設計工数が支配的なら、全体の削減率は小さい。
- 精度要求が機構の限界に近い。 教示方法を変えても機構の繰り返し精度は変わらない。
逆に、多品種少量で段取り替えが頻繁、ワークの供給姿勢が定まらない、品種追加が今後も継続的に発生する——この条件が揃う現場では、レス化の効果は大きい。多品種少量への自動化アプローチ全般は製造業のロボット導入、バラ積みを含むピッキングの設計はピッキング自動化の設計で詳しく扱っている。
経済性をどう試算するか
判断の枠組みは単純である。次の表を自社の数字で埋める。
| 項目 | 現状 | レス化後（想定） | 差分 |
|---|---|---|---|
| 新規品種1点あたりの立ち上げ工数（時間） | |||
| 年間の新規品種数 | |||
| 段取り替え1回あたりの調整時間（分） | |||
| 年間の段取り替え回数 | |||
| 立ち上げ中のライン停止時間（時間／年） | |||
| 教示を担える人数 | |||
| 年間削減工数（時間） | — | — | |
| 追加投資額（ソフト・ビジョン・教育） |
この表で最も見落とされるのが最終行の一つ上、「教示を担える人数」である。従来のティーチングは有資格者・熟練者に依存し、その人が空くまで立ち上げが待たされる。ダイレクトティーチングやビジョンによる自動生成は、この待ち時間を消す効果を持つ。工数削減としては見えにくいが、リードタイム短縮としては大きい。試算にはこの項目を必ず入れる。
投資対効果の語り方の一般手順はロボット導入の投資対効果（ROI）の語り方を参照されたい。
導入7工程での扱い方
ティーチングレスは、機種選定の後に検討する「オプション」ではない。要件定義の段階で決めるべき事項である。
| 工程 | ティーチングレスに関して行うこと |
|---|---|
| ①RXビジョン／構想策定 | 品種追加の将来見込みを確認。多品種化が進む前提かを経営レベルで確定する |
| ②要件定義・PoC・選定・組成 | 立ち上げ工数の現状分解。自社の最悪ケースワークでの検証。アプローチの選択 |
| ③構築スケジュール／ToBe業務設計 | 誰が教示するのかを役割として定義。熟練者依存を残すかどうかの決定 |
| ④システム設計 | CADデータの管理方法、ビジョンの設置条件、上位システムとの品種情報連携 |
| ⑤開発・導入 | キャリブレーション手順の確立と文書化 |
| ⑥定着化 | 現場作業者への教示訓練。品種追加を現場だけで完結できる状態にする |
| ⑦運用 | 新品種の立ち上げ時間を継続測定。想定と乖離したら原因を分解する |
特に工程③の「誰が教示するのか」は、技術選択と同じ重みを持つ。ダイレクトティーチングを導入したのに、結局ベンダーに依頼し続けている現場は珍しくない。現場で教示を完結させることまでを設計に含めなければ、レス化の価値の半分は失われる。要件定義書への落とし込みはロボット導入の要件定義書を参照されたい。
ベンダーへの確認質問リスト
デモは、うまくいく条件で作られている。判断材料にするには、次の質問で自社条件との距離を測る。
| 確認事項 | 質問の形 |
|---|---|
| 削減率の分母 | 「その削減率は、動作教示のみですか、立ち上げ全体ですか」 |
| 自社ワークでの検証 | 「当社の現物を持ち込んで検証できますか。最も難しい品番で試したい」 |
| 苦手条件 | 「うまくいかないワークの条件を具体的に教えてください」 |
| 例外処理 | 「把持に失敗したとき、次に何が起きますか。復帰は自動ですか」 |
| 教示者 | 「当社の現場作業者だけで新品種を追加できますか。必要な教育期間は」 |
| データの前提 | 「CADデータはどの形式・精度が必要ですか。ない品種はどうしますか」 |
| キャリブレーション | 「実機とモデルのずれはどう管理しますか。頻度と所要時間は」 |
| 保守 | 「ソフトウェアの更新で既存の教示データはどうなりますか」 |
| 実績 | 「当社と同じ業種・同じ課題での稼働実績を、条件込みで教えてください」 |
このうち「うまくいかない条件を具体的に教えてください」への回答の質が、ベンダーの実力を最もよく表す。即答できるベンダーは現場を数多く経験している。曖昧な答えしか返らない場合は、検証で必ず確かめること。選定プロセス全般の設計はロボット選定の勘所とSIerの選び方で扱っている。
検証（PoC）で外してはならない3点
- 最悪ケースのワークで試す。 代表品番ではなく、最も形状が複雑な、最も光沢のある、最もばらつく品番を持ち込む。デモ用の理想ワークで得た結果は、本番の判断に使えない。
- 時間を測る。 「できた／できない」ではなく、「新品種1点を立ち上げるのに何分かかったか」を計測する。この数字が経済性試算の入力になる。
- 自社の人が操作する。 ベンダーの技術者が操作した時間は参考値にすぎない。自社の作業者が、教育後にどれだけの時間でできるかを測る。
検証の設計手順はPoC（実証実験）の設計と評価に整理している。
安全の観点で忘れてはならないこと
教示が容易になることは、「誰でも動作を変えられる」ことを意味する。これは利点であると同時にリスクでもある。教示内容が変われば、リスクアセスメントの前提も変わりうる。次を運用に組み込むこと。
- 教示変更の権限を持つ者を明示する
- 変更後に必要な確認手順（動作確認、記録）を定める
- 変更履歴を残す仕組みを持つ
- 変更がリスクアセスメントの前提を超える場合の判断基準を決める
考え方はロボットの安全とリスクアセスメント、および協働ロボットを用いる場合は協働ロボットの導入と安全設計を参照されたい。
まとめ
ティーチングレス化は、ロボット導入の最大のボトルネックである立ち上げ工数に直接効く技術群である。ただし「レス」が指す範囲は限定的であり、期待を正しく設定できるかどうかが導入成否を分ける。押さえるべきは次の5点である。
- 自社の立ち上げ工数を6要素に分解し、どこが支配的かを先に把握する
- 4アプローチの前提条件を理解し、自社条件に合うものを選ぶ（組み合わせが現実解になることが多い）
- 多品種少量・段取り替え頻発の現場でこそ投資が回収される
- 検証は最悪ケースのワークで、自社の人が、時間を測って行う
- 教示者を現場に移すことまでを設計に含める
RobiZyはロボットを販売しないNPO法人である。特定のメーカー・SIerの立場を持たない中立のコーディネーターとして、立ち上げ工数の分解、アプローチの比較、検証条件の設計、そしてベンダーとの対話に伴走する。「ティーチングレス」という言葉が自社にとって何を意味するのか——その翻訳作業こそ、売り手ではない立場が最も価値を出せる領域である。
技術の選択肢が増えた今こそ、機種を決める前の構想段階でのご相談を歓迎する。まだ何も固まっていない段階で構わない。現状の立ち上げ工数を一緒に分解するところから始めたい。