【新規事業/取り組みアイデア】産業廃棄物業界×人工知能(一般的な量的質的データ)

  • このエントリーをはてなブックマークに追加
  • Pocket
  • LINEで送る

今日は、産業廃棄物業界×人工知能(一般的な量的質的データ)です。

■なんで新規アイデア考えてるの?
新規アイデア作成のためのシートの公開もしています

AI BizDev 1000本ノックとは

では以下今日のアイデアです。

 

産業廃棄物業界の市場動向まとめ

産業廃棄物処理業の市場規模とシェア

まずは市場規模から。少し古いが環境省の調査によると、4.5兆円~5.3兆円の市場規模があると推定されている。なかなか大きい規模だなと。

(1)全国の産業廃棄物処理業の市場規模とシェアの状況

 全国の産業廃棄物処理業の市場規模は年間約5兆円と推計される。
また、全体の約4%の業者が売上の50%を占めており、大手の産業廃棄物処理業者に売上が集中している。

※市場規模の推計については、以下の2つの方法により算出した。
ア.単純推計有効調査票回答数に基づく全国の産業廃棄物棄物処理業者数を用いて拡大推計。推計結果 約5.3兆円
イ.比推定推計調査業務で得られた収集運搬、中間処理及び最終処分の単価に全国の産業廃棄物の収集運搬、中間処理量及び最終処分量を乗じて拡大推計。推計結果 約4.5兆円。
[1][2] の結果により約5兆円と推計される。

出所 :環境省(2013)「産業廃棄物処理業実態調査結果」

http://www.env.go.jp/press/press.php?serial=16478

 

鉄スクラップ市場のバリューチェーン

スクラップの発生経路

その中で、決め打ちだが、鉄スクラップについて調べてみた。(私自身が元々鉄鋼業界だったので)

鉄スクラップの流通ルートは以下のようになっており、工場発生スクラップと、老廃スクラップに分かれている。

 

市中スクラップ

1. 工場発生スクラップ

機械、電機、車両、造船その他の工場等での加工工程から発生するスクラップです。

2. 老廃スクラップ

廃車、廃船、建物やその他、使用済みの鉄製品として発生するスクラップです。一般にスクラップとして想像されるのは、この老廃スクラップでしょう 。

出所 : 日本鉄リサイクル工業会

http://www.jisri.or.jp/recycle/recycle01_02.html

 

スクラップの流通プロセス

鉄スクラップが回収された後は、以下のような、プレス加工、シャーリング加工、シュレッダー等が行われ、規格の形のスクラップになり、電炉メーカーや輸出等にて販売がされていく流れとなる。

 

回収された鉄スクラップの主な加工方法は以下のとおりです。
その種類によって 定められた規格(製品の種類と検収規格) に加工されて、製鋼メーカーに納入されます。
1. プレス(圧縮)加工

あき缶や新断くず(薄板を工場などで切り抜いた後の端切れ)など、薄い材料でできていて、空間の多い形の鉄スクラップを型に入れて圧縮し、箱型にまとめる加工法です。イラストのように、自動車をプレスすることもあります。

2. シャーリング(切断)加工

 現在最も多く使われている加工法で、パイプや建材など、厚みがあり長い材料を一定の長さに切断する加工法です。通称「ギロチン」という少々物騒な名前のついたプレスシャーリング(圧縮切断機)による加工が一般的です。この場合、材料をいったんプレス(圧縮)してまとめたうえで、切断用の刃の下に送り出して切断します。
なおシャーリング加工に限らず、鉄スクラップの積み下ろしや機械への投入は、バケット(カニのはさみや人の手のような形の”つかむ”装置・イラスト左上)や、マグネット(電気式の大きな磁石・イラスト右上)のついたクレーン等で行うのが一般的です。


3. シュレッダー(破砕)加工

 自動車や家電製品など、非鉄金属(鉄以外の金属)や非金属 (プラスチック・ゴムなど金属以外のもの)が多く含まれたものを処理する方法です。シュレッダー装置の高速で回転する円筒型のドラムに取り付けられたハンマー(刃の1種)で材料を細かく破砕して鉄・非鉄金属・非金属に分別します。非鉄金属は、さらに銅・アルミなどに分別され、リサイクルされます。また非金属はダスト(ゴミ)として処分されます。
一般的なシュレッダー装置は、本体のほか、プレシュレッダー(材料を本体に入れる前にある程度細かく破砕する装置)、磁選機(磁力による鉄の分離装置)、非鉄金属選別装置(非鉄金属を金属の種類ごとに分別する装置)、ダスト分離装置や、集塵装置(破砕・選別の際に出るホコリを集める装置)、それらをつなぐコンベア等を含めたかなり大規模な装置です。

4. ガス切断加工

 機械やその他大きな材料で、大きさや厚さのために上記の3つの加工方法が取れない場合、手作業でアセチレンガスのバーナー(工事現場などで見かける青い火のバーナーと同じもの)により溶断(溶かして切る)します。材料によってはさらにシャーリング(切断加工)等を行なう場合もあります。

5. 製品の種類

 加工された製品は、材料の種類や加工方法により規格が決まっています。品種としては、ヘビー(ヘビーメタル・主にシャーリング加工されたもの)、プレス(プレス加工されたもの)、シュレッダー(シュレッダー加工されたもの)、新断(新断くずを処理したもの)、ダライ粉(旋盤の削りくず)等があり、それぞれ品質等により等級があります。詳しくは 「製品の種類と検収規格」 をご覧下さい。

 

出所 : 日本鉄リサイクル工業会

http://www.jisri.or.jp/recycle/recycle01_02.html

 

私は前々職、家業の鉄板の切断会社にいて、上記で言う「工場発生スクラップ」が引き取られる場にいたのだが、このスクラップというものは価格が上下しやすいもので、それだけで相当経営にインパクトがあったことをよく覚えている。

 

発生側の工場としてはより高くスクラップを買って欲しいというニーズがある一方、

スクラップ引取会社としてはより安く買い取りたいと考えている。

 

スクラップ価格はK単価で算出されるが、市場相場がある中で、各社の買い取り価格が決められている他、

各社に当てはまる条件として、

回収時の分類の適正さ(スクラップを入れる箱の中に金属、非金属等がキレイに分類されているかどうか)、

またスクラップそのものを工場側から引取るのか、スクラップ買い取り会社に持っていくのか、

といったところで単価が決定される。

 

上記を踏まえ、以下今日のアイデアを記載する。

産業廃棄物業界×人工知能 ビジネスアイデアの内容

重厚産業向け大型トラックと、スクラップ排出会社をマッチングさせるシェアリングエコノミーサービス(運行経路最適化計算を用いて)

対象企業

・スクラップ業界向けのシェアリングエコノミーサービスをしたい会社

アイデア内容

・重厚産業向け大型トラックを保有していて帰り道のトラックを空で走らせている企業と、スクラップ排出会社及びスクラップ買い取り企業間のスクラップ移動をマッチングさせるシェアリングエコノミーサービス(運行経路最適化計算を用いて)

ビジネス詳細

・重厚産業向け大型トラックを保有している企業は自社の製品を納入先に運んだ後は、トラックに何も積んでいない状態で自社に帰ってきている状態であること、また繁閑の差もあり手待ちが発生しているトラックもあるかもしれない

・一方前述の通り、スクラップ排出工場は高くスクラップを買い取って欲しいので出来ればスクラップ買い取り会社まで、スクラップの持込をしたい

・スクラップ買い取り企業は、スクラップを持ってきてもらえると通常より高くスクラップを買い取ることになる

・スクラップ買い取り会社とスクラップ排出会社は移動距離の問題から、そもそもそれなりに近い場所に拠点があることが想定される

・以上を踏まえ、大型トラック保有会社は当日運搬の帰り道に、スクラップ排出工場に寄り、スクラップを引き取り、そのままスクラップ買い取り会社に運搬する

・本アイデアの立場としてはそのようなシェアリングエコノミーの仕組みをサービスとして立ち上げ、各プレイヤーを集めるとともに、スクラップ排出工場、スクラップ会社、トラック保有会社の拠点及び本来の配送先の組み合わせ最適化を日々回すための運搬経路計算を自動で行う仕組みを裏側で回し、各プレイヤーに自動マッチングを掲示する仕組みとする

※運搬経路の計算に関しては先日書いた記事を参考に

【新規事業/取り組みアイデア】リネンサプライ業界×人工知能(一般的な量的質的データ)

・マネタイズとしては、スクラップ引き取りの場合と持ち込みの場合の差額から、幾分かを運搬を行う会社に配分し、またプラットフォーム提供側も幾分かをもらう、という形となる

効用/解決する課題

・大型トラック保有会社:トラックの帰路において収益が全く発生していない状況を収益化できる(かかっているコストはあまり変わらないと想定)

・スクラップ排出工場:より高値でスクラップを買い取ってもらえる

・スクラップ買い取り企業:自社のトラック稼働を減らすことができたり、繁閑の差を変動費化できる(トラック購入や配送人員の固定費増加を避けることができる)

その他

・人工知能と題しつつも、また人工知能のアイデアではないんですけどね、、、

もし人工知能的なものにするなら運搬の傾向を学習させてレコメンドということにはなりますが、その日その日の精度が非常に重要だしデータ量も少なそうなので、あまり機械学習向きのサービスではないかと感じますが。。。

—————————————————–

今日は以上です。

※30分~1時間程度での思考訓練のための記事ですので、厳密性にはこだわっていません。

SNSでもご購読できます。