AUTOMATION EXAMPLES

業務の効率化・自動化
具体例

毎日の定型作業や現場の確認作業を、無理のない範囲から見直します。

自動化そのものが目的ではありません。人が考え、判断し、本来の仕事で力を発揮できる時間を増やすために、生産性を高める仕組みを検討します。

相談してみる

IOT

センサーで現場の状態を見える化・記録

温度・湿度などを定期的に測定して記録することで、巡回や手書き転記の負担を減らし、後から状況を確認しやすくします。

温度・湿度の自動記録

倉庫、事務所、作業場、保管庫などにセンサーを設置。指定した間隔で測定し、表やデータベースへ自動記録します。

しきい値を超えたときの通知

温度や湿度が設定範囲を外れた場合に、メールなどで担当者へ知らせます。異常に早く気づくための補助として活用できます。

記録をもとにした設備の制御

測定値や時刻に応じて、換気扇、照明、加湿器などを動かす仕組みを検討できます。安全性を確認しながら、用途に合う範囲で構成します。

現場に合わせた小規模な仕組み

Raspberry Pi などの小型コンピューターや各種センサーを組み合わせ、既製サービスだけでは合わない運用にも対応します。

RPA & AI

パソコン上の繰り返し作業を省力化

転記・集計の自動化

複数のファイルやシステムから必要な情報を集め、決まった形式の一覧表へまとめます。

定型的な照合・チェック

入力漏れ、重複、条件に合わないデータの確認を補助し、確認作業の負担を減らします。

AI を使った下準備

文書の要約、分類、下書き作成などを活用し、人が確認・判断する前の作業を効率化します。

EXCEL & DATABASE

今あるデータを使いやすく

Excel・VBA での定型業務改善

帳票作成、月次集計、CSV の取り込み・整形、複数ファイルの取りまとめなど、手順が決まった作業を見直します。

社内システム・データベースの活用相談

既存のデータを検索・集計しやすくする方法や、Excel とデータベースを組み合わせた運用についてご相談いただけます。

FIRST STEP

まずは現場の流れを確認します

現在の作業手順、使っている機器やデータ、困っている場面を伺い、導入の効果や実現方法を一緒に検討します。自動化が向かない部分も含め、現場に合わせた方法をご提案します。

GENERATIVE AI ENVIRONMENT

生成AIの環境構築実績

LLM（大規模言語モデル）とは

LLMは、大量のテキストデータから言語の仕組みを学習したAIモデルです。文章の生成要約、翻訳、コードの作成、質問への回答など、多様なタスクに活用できます。クラウドAPIとして提供されるものが多いですが、データを外部に送信せずに自分の環境で動かすことも可能です。

ローカルで実行するメリット

プライバシーの保護: 社内文書や顧客情報を外部に送信せずに扱えます
ネットワーク依存の排除: インターネット接続がなくても使用できます
コストの抑止: API利用料が発生せず、一度準備すれば使い放題です
データの完全な支配: 保存・管理・廃棄のすべてを自社でコントロールできます

上記のメリットを活かし、GitHub CopilotやVisual Studio Codeを活用した、プログラムコーディング支援環境、社内資料整理環境構築の実績があります。

環境 1: lemonade server

OS: Microsoft Windows 11 Pro for Workstations

CPU: Intel Xeon Bronze 3204 (6コア/6スレッド)

メモリ: 64 GB

GPU: NVIDIA GeForce RTX 3090 Ti (24 GB VRAM)

モデル: Qwen3.6-35B-A3B-GGUF-Q4_K_M

顧客先PCでのローカルLLM環境構築・最適化実績

環境 2: LM Studio

OS: Microsoft Windows 11 Pro

CPU: Intel Core i5-11400H (6コア/12スレッド)

メモリ: 16 GB

GPU: Intel UHD Graphics (1 GB) + RTX 3050 Ti (4 GB)

モデル: Qwen3.5 0.8B / gemma-4-e4b

ノートPC向け軽量モデルの環境構築と動作検証。いわゆるゲーミングPC環境のため、比較的導入しやすい環境です。

環境 3: ARM PC 環境

OS: Microsoft Windows 11 Pro (ARM 64 ビット)

CPU: Snapdragon X - X126100 - Qualcomm Oryon CPU (8コア/8スレッド)