日進工業のスマートファクトリー事例｜稼働データで生産性を上げる

結論：稼働データのリアルタイム把握が生産性向上の基盤になる

製造業においてAIの導入やスマートファクトリー化を検討する際、最初に取り組むべきことは、設備の稼働状態をリアルタイムに把握し、日々の改善活動に直結するデータを現場に蓄積することです。

高度なアルゴリズムや複雑な予測モデルを検討しても、土台となる製造現場の実態がデータとして整理されていなければ、分析結果を現場の改善アクションへ落とし込むことは容易ではありません。設備がいつ、どのような要因で停止しているのか、どの工程にボトルネックが存在するのかを把握できていない状態では、AIが提示する示唆の妥当性すら評価できないためです。

独立行政法人情報処理推進機構（IPA）が公開した調査報告書では、愛知県の日進工業株式会社による先進的な取り組みが紹介されています。同社は製造ラインの稼働状態を一括でリアルタイムに把握するシステムを開発し、各設備から稼働データを収集する仕組みを整えました。この事例は、AI活用や大規模なシステム刷新へ進む前の段階として、まず現場の「見える化」を確立することが、生産性向上だけでなく受注判断の高度化にもつながる実例を示しています。

公開事例：日進工業における稼働データの可視化と改善

取り組みの背景と概要

日進工業株式会社は、自動車向けの小型・高精度樹脂部品を手掛ける製造事業者です。IPAの報告書によると、同社では社長主導のもと、製造ラインの稼働状態をリアルタイムに把握できるシステムを自社主導で開発し、現場の設備から稼働データを直接収集する体制を構築しました。

製造現場においては、日報や作業者の感覚に頼った状況把握だけでは、どのラインでどのようなロスが生じているのかを正確に特定することが困難になりがちです。同社は設備ごとの稼働データをリアルタイムに集約することで、工場全体の状況を客観的な事実に基づいて捉えられる環境を整えました。

可視化がもたらした業務改善と受注判断への効果

このシステムによって稼働状況が可視化された結果、同社では生産性が低いラインを客観的に洗い出すことが可能になりました。特定されたラインについて詳細な原因を分析し、適切な対策を講じることによって、稼働率の改善を実現しています。

さらに、稼働状況の見える化は現場の工程改善にとどまらず、受注判断の現場にも直結しました。工場全体の稼働余力や設備の状況がリアルタイムに確認できるようになったことで、無理のない生産計画の立案や、適切な納期判断を伴う受注業務が行える環境が整備されました。

製造業でAI活用を検討する前に整理すべき指標

収集すべき基礎データ

AIによる異常検知や需要予測を有効に機能させるためには、まず現場で定常的に計測すべき指標を明確に定義しておく必要があります。収集の対象として優先度が高い項目には、以下のような指標が挙げられます。

• 設備ごとの稼働時間：各設備が実際に稼働している時間と停止している時間の推移
• 停止理由：設備トラブル、材料切れ、段取り調整など、停止に至った具体的な要因
• 段取り替え時間：金型交換や清掃、調整作業に費やされた時間
• 不良率：製造数に対する規格外品の発生比率
• 生産数量：時間ごとおよび工程ごとの実生産量
• 納期余力：現在の受注残と生産ペースを比較した余力状況

これらの基礎データが日々の業務の中で継続的に収集されて初めて、AIを活用して日々の改善候補を自動で抽出したり、将来の負荷を予測したりする実務へと発展させることが可能になります。

データと改善活動の結びつけ

集めた指標は、単にダッシュボードに表示して眺めるだけでは価値を生みません。それぞれのデータが、どの工程のどのような判断に影響を与えるのかを現場と管理者が共通認識として持っておくことが大切です。

設備停止のデータであれば、設備のメンテナンス手順の見直しや部品交換のタイミングの最適化に直結します。段取り替え時間のデータであれば、治具の配置変更や作業標準の改定という現場の工夫につながります。データを起点として具体的な業務手順を変える習慣があってこそ、その後のAI導入が効果的なものになります。

編集部の示唆：AI導入前に「見える化」を成立させる重要性

高度な分析ツールの前に現場の事実を掴む

スマートファクトリー化やDXを標榜する際、最初から複雑なAIツールや予知保全システムの導入を目指してしまうケースが見受けられます。しかし、現場の基礎データが欠落している段階で高度なソフトウェアを導入しても、入力するデータが不十分であるため期待した成果を得ることは困難です。

日進工業の事例が示しているように、まずは自社の設備がどのような状態にあるのかを事実として把握する仕組みを整えることが現実的なアプローチです。事実が数字やステータスとして可視化されるだけでも、現場主導のカイゼン活動は大きく前進します。AIはそのような「データに基づく改善文化」が定着した後に、人間では見落としがちなパターンの抽出や判断の自動化を補佐する手段として導入するのが自然な順序といえます。

AIと人の役割分担を整理する

データ活用やAI導入を推進する際は、AIに任せるべき領域と現場の人間が判断すべき領域の境界をあらかじめ整理しておく必要があります。

データの収集や集計、通常と異なる稼働パターンの検出といった作業はシステムやAIが得意とする領域です。一方で、なぜその設備停止が発生したのかという物理的な背景の調査、作業員の動線や作業環境の確認、そして具体的な再発防止策の実行は現場の人間にしか担えません。システムから得られた情報をどう解釈し、現場のオペレーションにどう反映させるかという意思決定のプロセスを明確に設計しておくことが求められます。

自社で試す手順：段階的なデータ収集と運用の定着

ボトルネックとなるラインや設備の選定

自社で同様のデータ活用を始める場合、すべての工場設備を一斉に対象とする必要はありません。まずは生産計画上でボトルネックになっている主要ラインや、突発的な停止が多く原因の特定に苦慮している設備を対象として選定することが推奨されます。

対象を絞り込むことで、初期の設備投資や現場への説明負荷を最小限に抑えつつ、改善の成果を早い段階で確認しやすくなります。限定された範囲で成功体験と運用の勘所を掴むことが、将来的な水平展開を円滑に進めるための土台となります。

データの収集体制と可視化の仕組みづくり

対象設備が決まったら、信号灯の点灯状態や稼働信号を取得する仕組みを検討します。既存設備にセンサーを取り付けたり、PLC（プログラマブルロジックコントローラ）から信号を取り出したりする方法など、現場の設備状況に応じた手段を選択します。

取得したデータは、現場の作業員や管理者が一目で把握できるよう、シンプルな画面構成で一覧表示できる仕組みを整えます。色分けや分かりやすいステータス表示を採用し、誰が見ても直感的に設備の状況が理解できる環境を作ることが運用の定着につながります。

定例ミーティングによる振り返りと対策の実行

可視化の環境が整った後は、現場リーダーと管理職が集まる定例の場を設け、収集されたデータを定期的に振り返る運用を確立します。

ミーティングでは、稼働率の低い設備や頻繁に停止している設備を取り上げ、その原因について意見を交わします。重要となるのは、データの数値そのものを責めるのではなく、設備や作業プロセスのどこに問題があるのかという構造的な課題に目を向けることです。決定した改善策を実施し、次のサイクルのデータで効果を確かめるというPDCAを回すことが運用の基本となります。

運用上の注意：データ収集だけで終わらせないためのポイント

現場の入力負担と入力項目の精査

設備の自動稼働データに加えて、停止理由や作業内容などの詳細データを収集しようとする際、現場作業員の手入力に頼りすぎないよう配慮することが大切です。

入力項目が多すぎたり、操作が煩雑であったりすると、現場の本来業務に支障をきたし、結果として入力の抜け漏れや虚偽の記録が発生する要因になります。作業員が入力する情報は必要最小限の選択式にするなど、現場の負担を増やさない設計を徹底する必要があります。

ツール導入そのものを目的にしない意識合わせ

システムやセンサーの導入自体が目的化してしまうと、画面が設置されただけで誰も見なくなり、改善活動につながらないという事態に陥りがちです。

なぜ稼働データを取得するのか、それによって現場のどのような不便が解消されるのかを、導入初期の段階で経営陣や現場担当者と丁寧に共有しておくことが欠かせません。収集されたデータが自分たちの作業環境の改善や負荷軽減に役立っているという実感を現場が持てるかどうかが、長期的な運用の成否を分けます。

部分的な検証から全体への展開

選定した設備での検証を通じて運用の効果と課題が明らかになった段階で、初めて隣接するラインや他の工場への展開を検討します。

小さな単位で試行錯誤を繰り返すことにより、センサーの設置方法、データの集計ルール、現場への周知方法などに関する自社特有のノウハウが蓄積されます。標準化された手順を確立した上で段階的に展開を進めることで、導入失敗のリスクを低減させながら工場全体のスマート化を推進できます。

参考にした公開事例

参考情報: IPA「中小規模製造業の製造分野におけるDXのための事例調査報告書」に掲載された日進工業の事例。中小企業で検討しやすいAI導入の要点を確認できます。

次に読む記事

製造業で使いやすいAI活用テーマは 製造業のAI活用例｜町工場でも使える業務効率化アイデア を、効果測定の考え方は 中小企業のAI導入KPIは売上より作業指標から置くべき理由 を確認してください。