製造業アナリティクス:工場現場で測定すべき指標と無視すべき指標

製造業アナリティクスとは、生産現場のデータを収集・分析し、それに基づいて行動することでスループットを向上させ、不良を減らし、操業コストを削減する実践である。工場現場の意思決定を実際に動かす指標は、多くの製造業がすでに収集しているデータのごく一部に過ぎない。ほとんどのアナリティクス施策が失敗するのは、データが手に入らないからではなく、誤った指標を追跡している、正しい指標が意思決定と結びついていない、あるいはデータが互いに連携しないシステムに散在しているためである。本稿では、何を測定し、何を無視すべきか、そして単なるレポーティングではなく、業務改善を生み出す工場現場アナリティクスの実践をどう構築するかを解説する。

なぜほとんどの工場現場アナリティクス施策はレポートしか生まないのか

典型的な工場アナリティクス施策は、実際に使う量よりも多くのデータを収集している。機械はセンサーデータを生成し、生産システムはイベントを記録し、ERPシステムは取引データを記録する。これらのデータはそれぞれ別のシステムに蓄積され、週次レポートに集約され、それを見ても行動する権限も文脈も持たない人々によってレビューされる。

その結果生まれるのは、アナリティクスの実践ではなくレポーティングの実践である。この違いは重要だ。レポーティングは何が起きたかを説明するだけである。アナリティクスは、なぜそれが起きたのか、そして何を変えるべきかを明らかにする。データから意思決定を引き出したい製造業は、収集しやすいデータを起点にするのではなく、達成したい意思決定を起点にアナリティクスを設計する必要がある。

工場現場のパフォーマンスを実際に左右する指標

設備総合効率(OEE)

OEEが最も広く使われる工場現場指標である理由は明快だ。生産パフォーマンスの3つの側面を1つの数値に統合しているからである。稼働率(Availability)は、計画された生産時間のうち実際に設備が稼働していた割合を測定する。性能(Performance)は、設計速度と比較して設備がどれだけ速く稼働したかを測定する。品質(Quality)は、初回で規格を満たした生産量の割合を測定する。

OEEスコアが85%を超えると、個別加工型製造業においては世界クラスとされる。多くの工場は40%から60%の間で運用されており、これは設備投資を行わなくても回収可能な生産能力が大きく残っていることを意味する。OEEは、工場全体の平均値としてではなく、機械やラインごとに追跡することで最も有効に機能する。平均値は、全体のスループットを制約する特定のボトルネックを覆い隠してしまうためである。

サイクルタイムとタクトタイムの乖離

サイクルタイムとは、実際に1単位の生産を完了するのにかかる時間である。タクトタイムとは、顧客の需要と利用可能な生産時間に基づいて、本来かかるべき時間である。両者の差こそが、生産ラインが需要に応えられているか、それとも遅れを取っているかを示す最も直接的な指標である。

ステーションごとにサイクルタイムの乖離を追跡することで、ボトルネックの所在が明らかになる。タクトタイムより一貫して遅いステーションは、ライン全体を制約する。一貫して速いステーションは、ボトルネックの手前に滞留する在庫を生み出しているにすぎず、それは産出ではなくムダである。どちらも、サイクルタイムの追跡によって初めて可視化される、行動につながるデータである。

直行率と工程別不良率

直行率(First Pass Yield)は、手直しや不合格を経ずに工程を完了した製品の割合を測定する。ライン終端ではなく工程ごとに直行率を追跡することで、不良がどこで検出されたかではなく、どこで発生したかが明らかになる。ライン終端で検出された不良は、その手前のどこかで発生したものだ。その不良のコストには、発生から検出までの間に加えられたすべての付加価値が含まれる。

工程別の不良率を根本原因の分類と組み合わせることで、品質改善投資の優先順位を決めるために必要なデータが得られる。不良率が最も高く、かつ不良1件あたりのコストが最も高い工程こそ、品質投資が最大のリターンをもたらす場所である。

原因別の突発停止(計画外ダウンタイム)

計画外のダウンタイムは、OEEとスループットを最も直接的に損なう要因である。原因、設備、シフトごとに追跡することで、計画保全や作業者教育で対処できるパターンが明らかになる。稼働サイクルの同じ時点で繰り返し故障する設備は、保全周期に問題があることを示している。特定のシフトに集中するダウンタイムは、作業者教育やプロセス遵守に問題があることを示している。どちらのパターンも、集計されたダウンタイム総数だけを見ていては見えてこない。

ステーション別の在庫・仕掛品(WIP)水準

生産ステーション間で在庫が滞留するのは、ライン全体の流れが不均衡であることの兆候である。特定のステーションの手前で仕掛品が積み上がるのは、ボトルネックの所在を示している。仕掛品が周期的に解消と再蓄積を繰り返すのは、断続的なパフォーマンスを抱える工程を示している。どちらのパターンも、フロー改善がスループットとフロアスペース活用に最も大きな効果をもたらす場所を教えてくれる。

工場現場で無視すべきもの

意思決定を生まずにアナリティクスの労力だけを消費する指標を見極めることは、重要な指標を見極めることと同じくらい重要である。

• 単独の指標としての稼働率。機械は、不良品を生産していても、誰も必要としない在庫を作り続けていても、高稼働率になり得る。品質や需要という文脈と結びつかない稼働率は、パフォーマンス指標とは言えない。
• シフトやライン全体の平均指標。平均値は、意思決定を左右する重要なばらつきを覆い隠してしまう。工場平均のOEEが72%であっても、それは安定した実績を反映している場合もあれば、優秀な1ラインが低調な2ラインを覆い隠しているだけの場合もある。
• 所有者のいない指標。報告はされていても、それに対して行動する権限と責任の両方を持つ人物と結びついていない指標は、アナリティクスの実践ではなく単なるレポーティングの作業にすぎない。
• 行動できる速度を超えて収集されるデータ。誰も見ていないダッシュボードに流れ込むリアルタイムデータは、業務改善にはつながらない。レポーティングの頻度は、意思決定の頻度に合わせるべきである。

業務改善を生み出す工場現場アナリティクスの実践を構築する方法

1つのダッシュボードではなく、1つの意思決定から始める

最も効果的な工場アナリティクス施策は、現在は勘に頼って行われている1つの業務上の意思決定を特定し、それを根拠に基づいて行えるようにするためのデータ基盤を構築することから始まる。保全スケジューリングの意思決定。人員配置の意思決定。生産順序の意思決定。1つの意思決定から始めることで、レポートされるだけの実践ではなく、実際に使われるアナリティクスの実践が生まれる。

データを意思決定者本人と結びつける

工場長にまで届くアナリティクスは、生産ラインのパフォーマンスを改善しない。ライン監督者、保全技術者、あるいは意思決定がなされるその場にいる機械オペレーターに届くアナリティクスこそが、それを改善する。データフローを組織階層ではなく意思決定者を中心に設計することこそ、アナリティクスが業務改善を生み出すかどうかを最も一貫して予測する要因である。

センサーを追加する前にシステムを統合する

ほとんどの工場は、すでに使っている以上のデータを収集している。アナリティクスの障壁はデータの有無ではない。データへのアクセスのしやすさである。生産データはMESに、保全データは別のシステムに、品質データはスプレッドシートに、財務データはERPにあり、それらは互いに連携していない。既存のデータソースを統合することは、既存のデータが活用されていない環境に新たなセンサーを導入するよりも、はるかに速く、大きな業務価値を生み出す。

よくある質問

製造業アナリティクスとは何か?

製造業アナリティクスとは、生産現場のデータを収集・分析し、それに基づいて行動することで、スループット、品質、操業コストを改善する実践である。OEE、サイクルタイムの乖離、直行率、計画外ダウンタイム、仕掛品水準といった指標を扱う。効果的な製造業アナリティクスは、レビューされるだけで行動につながらないレポートを生み出すのではなく、データを本来導くべき意思決定と結びつける。

OEEとは何か、なぜ工場現場で重要なのか?

OEE(設備総合効率)は、稼働率、性能、品質という3つの側面から生産パフォーマンスを測定する。生産が価値を失う3つの経路を1つの数値で捉えられるため、最も広く使われる工場現場指標となっている。世界クラスのOEEは85%を超える水準である。多くの製造業は40%から60%の間で運用されており、これは設備投資を行わなくても大幅なスループット改善の余地があることを意味する。

製造業はどの工場現場指標を追跡すべきか?

工場現場の改善を最も一貫して推進する指標は、機械・ライン別のOEE、ステーション別のサイクルタイムとタクトタイムの乖離、工程別の直行率と不良率、原因・設備別の計画外ダウンタイム、そしてステーション別の仕掛品水準である。これらの指標は行動につながる。それぞれが、特定の担当者が下せる具体的な業務上の意思決定と結びついているからである。

製造業はどの指標の追跡をやめるべきか?

意思決定を生まずにアナリティクスの労力だけを消費する指標には、品質という文脈を伴わない単独の稼働率、ライン単位のばらつきを覆い隠す工場平均の指標、意思決定者が明示されていない指標、そして行動できる速度を超えた頻度で収集されるデータが含まれる。価値の低い指標を取り除く規律は、価値の高い指標を追加することと同じくらい重要である。

工場現場アナリティクス施策はどう始めればよいか?

現在は勘に頼って行われている1つの業務上の意思決定を特定し、その意思決定を支えるデータ基盤を構築することから始める。新たなセンサーを導入する前に、既存のデータソースを統合する。アナリティクスの出力を、意思決定がなされるその場でその意思決定を下す人物と結びつける。アナリティクスの範囲を拡大する前に、意思決定の質が実際に向上したかを測定する。

なぜほとんどの製造業アナリティクス施策は成果を生まないのか?

ほとんどの製造業アナリティクス施策が成果を生まないのは、意思決定支援ではなくデータ収集を中心に設計されているためである。レビューはされても行動につながらないダッシュボードを生み出し、具体的な意思決定と結びついていない指標を追跡し、業務上の問題を引き起こしているばらつきを覆い隠す形でデータを集計し、その内容に対して行動する権限も文脈も持たない人々に出力を届けている。