設備稼働率・可動率の見える化完全ガイド｜OEE計算式からIoT稼働監視まで｜製造業・工場DX経営オンライン

設備稼働率・可動率の見える化完全ガイド——OEEの計算式からIoT稼働監視・改善の進め方まで

■SEO設計メモ（公開時に削除）

・メインKW：稼働率 見える化／可動率とは

・サブKW：設備 稼働監視 IoT／OEE 計算式／設備総合効率／チョコ停 対策

・titleタグ案：設備稼働率・可動率の見える化完全ガイド｜OEE計算式からIoT稼働監視まで｜製造業・工場DX経営オンライン

・meta description案：稼働率と可動率（べきどうりつ）の違い、OEE（設備総合効率）の計算式、IoTによる稼働監視の仕組み、チョコ停対策、ダッシュボード設計、データを改善につなげる会議運用まで、稼働の見える化を成果に変える方法を船井総研の製造業コンサルタントが徹底解説します。

・想定読者：稼働率向上・生産性改善を課題とする中堅・中小製造業の工場長・製造部門責任者

・内部リンク：ピラー記事／子記事⑦レトロフィット／子記事⑩センサー選定

「設備の稼働率はどのくらいですか？」——この問いに、実測データで即答できる工場は多くありません。日報ベースの「だいたい85％くらい」という答えの中身を、センサーで実測してみると60％台だった。私たちのコンサルティング現場では、この「体感と実態のギャップ」に驚く経営者・工場長の姿を何度も見てきました。

設備稼働の見える化は、工場IoTの中で最も投資対効果が高く、最初に取り組むべきテーマです。新しい設備を買わなくても、いま止まっている時間を動く時間に変えるだけで、生産能力は確実に増えるからです。

本記事では、中堅・中小製造業の工場DXを数多く支援してきた船井総合研究所の製造業コンサルタントが、稼働率と可動率の違いという基本から、OEE（設備総合効率）の計算式、7大ロスの構造、IoTによる稼働監視の仕組み、ダッシュボード設計、そして最も重要な「データを改善につなげる運用」までを、実践に使えるレベルで徹底解説します。工場IoT全体の基礎から知りたい方は、まずピラー記事「工場IoTとは？完全ガイド」をご覧ください。

稼働率と可動率——似て非なる2つの指標を正しく使い分ける

見える化の話に入る前に、指標の定義を正確に押さえましょう。ここが曖昧なまま進むと、集めたデータの解釈を誤り、改善の方向性まで間違えることになります。

稼働率とは、設備のフル能力（定時操業時間）に対して、実際にどれだけ生産に使ったかを示す指標です。受注が少なければ稼働率が下がるのは当然であり、稼働率100％が常に正しいわけではありません。需要を無視して稼働率を上げれば、つくりすぎのムダ、つまり過剰在庫を生むだけです。稼働率は「需要と能力のバランス」を見る経営指標と位置づけるのが適切です。

一方の可動率は、「動かしたいときに、設備が正常に動いた割合」を示します。生産計画上は動くはずだった時間のうち、故障・チョコ停・段取りトラブルなどで動けなかった時間を除いた割合であり、こちらは100％が理想です。トヨタ生産方式では「稼働率」と区別するためにあえて「可動率（べきどうりつ）」と読ませることでも知られています。

改善活動で追うべきは可動率です。可動率が低いということは、「動くはずの時間に動けていない」ロスが存在するということであり、そのロスを潰せば、投資なしで生産能力が回復します（図1）。

▲図1：稼働率と可動率の違い

実務では、この2つが混同されているケースが非常に多く見られます。「うちは稼働率90％だから改善余地は少ない」という認識の工場が、実測してみると、計画停止を除いた可動率は70％、さらにOEEで見ると60％を切っていた——ということは珍しくありません。指標の定義を全社で統一し、「何を分母に、何を分子にしているか」を明文化することが、見える化プロジェクトの最初の仕事です。

OEE（設備総合効率）——設備の実力を1つの数字で表す

OEE（Overall Equipment Effectiveness：設備総合効率）は、設備がどれだけ価値を生み出せているかを総合的に示す国際的な標準指標で、次の式で計算されます。

OEE ＝ 時間稼働率 × 性能稼働率 × 良品率

時間稼働率は、負荷時間（動かす計画だった時間）のうち実際に稼働した時間の割合で、故障・段取り・チョコ停などの停止ロスの影響を表します。性能稼働率は、理論サイクルタイムどおりに生産できたかを示し、速度低下や空転といった速度ロスの影響を表します。良品率は、投入数に対する良品の割合で、不良・手直しロスの影響を表します（図2）。

▲図2：OEEの分解ツリー

例えば、時間稼働率90％・性能稼働率80％・良品率95％の設備のOEEは、0.9×0.8×0.95＝68.4％。それぞれの要素は悪くない数字に見えても、掛け算になると3割以上の価値が失われていることが分かります。世界トップクラスの工場の目安は85％とされ、多くの工場のOEEは50〜70％台——つまり、設備の潜在能力の3〜5割が眠っているのが実態です。

OEEは強力な指標ですが、使い方には注意が必要です。第一に、OEEの数値そのものを他社と比較することにあまり意味はありません。負荷時間の定義や理論サイクルタイムの設定が会社ごとに異なるためです。OEEは「自社の過去との比較」で改善の進捗を測る指標と割り切りましょう。

第二に、最初からOEEの完全計測を目指さないことです。性能稼働率の算出には品目ごとの理論サイクルタイムの整備が、良品率には不良数の紐づけが必要で、初期段階ではハードルが高くなります。まずは時間稼働率（可動率）の見える化から始め、データ基盤が育ってからOEEへ拡張する——この段階論が現実的です。

設備の7大ロス——OEEを削る「犯人」の構造を知る

OEEを下げる要因は、伝統的に「7大ロス」として整理されています（図3）。自社のロスがどこに集中しているかを知ることが、改善の出発点です。

▲図3：設備の7大ロス

停止ロスには、①故障（ドカ停）、②段取り・調整、③チョコ停、④立上げの4つがあります。中でも要注意なのがチョコ停です。1回あたり数秒〜数分の停止は日報に残らず、現場の記憶にも残りません。しかしセンサーで実測すると、チョコ停の合計が1日2時間を超えていた、という工場はざらにあります。「記録に残らないロス」こそ、IoTでしか捕捉できない領域です。

速度ロスには、⑤速度低下と⑥空転・小トラブルがあります。速度低下は「基準となる理論サイクルタイム」が整備されていないと、そもそも起きていることに気づけません。ベテランが辞めた後、なんとなく安全側に落とした設定速度がそのまま標準になっている——という隠れロスもよく見つかります。

不良ロスは⑦不良・手直しです。不良は材料と時間の両方を失う二重のロスであり、良品率の改善は品質とコストの両面に効きます。

多品種少量化が進む現代の工場では、特に②段取りロスと③チョコ停の比重が高まる傾向にあります。自社のロス構造を「思い込み」ではなく「データ」で特定すること——それが次章で解説する見える化の役割です。

なぜ紙の日報では見える化できないのか

多くの工場では、稼働記録を作業日報や工程報告書への手書き記入で行ってきました。しかしこの方式には構造的な限界があります（図4）。

▲図4：紙日報とIoT見える化の比較

第一に、粒度の限界です。日報に書けるのは「大きな停止」だけで、数分単位のチョコ停は記録されません。第二に、正確性の限界です。作業の合間に記憶を頼りに書くため、漏れ・丸め・主観が混入します。第三に、リアルタイム性の限界です。日報が集計されるのは早くて翌日、分析されるのは月次——その頃には現場の状況は変わっています。第四に、工数の問題です。記入・回収・転記・集計という一連の作業が、現場と管理部門の時間を毎日奪い続けます。

IoTによる見える化の副次効果として強調したいのが、日報作成・転記業務の削減です。見える化の導入を「現場の負担が増える監視の仕組み」ではなく「日報から解放される仕組み」として設計・説明できれば、現場は強力な味方になります。実際、当社の支援先では「手書き日報の廃止」を導入目標の一つに掲げることで、現場の協力度が大きく変わった事例が多数あります。

IoTによる稼働見える化の仕組み

稼働見える化システムは、①データ取得（センサー）→②収集・伝送（無線・ゲートウェイ）→③蓄積・演算（クラウド）→④表示・活用（ダッシュボード・アラート）という4ブロックで構成されます（図5）。

▲図5：稼働見える化システムの基本構成

データ取得部には、既存設備に後付けできる信号灯センサー・電流センサー・PLC接点活用といったレトロフィット方式を使うのが、中堅・中小工場の標準です。古い設備でも設備を買い替えることなく、1台あたり数万円からデータ収集を始められます。各方式の仕組みと選び方は、子記事「レトロフィットIoTで古い設備をIoT化する方法」で詳しく解説しています。

伝送部には、工場環境で実績の多い920MHz帯無線が第一候補です。蓄積・演算部はクラウドサービスの利用が主流で、可動率・OEEの自動集計、時間帯別・設備別・理由別の分析が標準機能として提供されます。

センサーが自動で分かるのは「いつ・どれだけ止まったか」という事実まで。「なぜ止まったか」は、現場のタブレット等での選択式入力で補います。選択肢は段取り替え・材料待ち・金型不良・設備故障・計画停止など最大10択程度に絞り、数タップで完了する設計にすることが定着の絶対条件です。事実の自動記録と理由の人力記録が紐づいて、初めて「改善に使えるデータ」が完成します。

ダッシュボード設計の実務——「見られる画面」をつくる技術

システムを導入しても、画面が見られなければ何も起きません。ダッシュボード設計は、見える化プロジェクトの中で最も軽視されがちで、最も成否を左右する工程です。

最大の設計原則は、「1つの画面で全員に応えようとしない」ことです。現場・管理者・経営層では、見たい情報も、見るタイミングも、判断したいことも異なります。私たちが標準としているのは3階層設計です（図6）。

▲図6：3階層ダッシュボード設計

現場向けの「アンドン画面」は、全設備のいまの稼働状態を色で示し、本日の可動率と目標との対比を大きく表示します。判断に迷う要素を削ぎ落とし、通りがかりに10秒見れば状況が分かるシンプルさが命です。製造エリアの大型モニタに常時掲示し、現場が自分たちの状態をリアルタイムで意識できる環境をつくります。

管理者向けの「分析画面」は、設備別・時間帯別・停止理由別の掘り下げができる画面です。停止理由のパレート図でワーストロスを特定し、週次レビューや改善会議の議論の土台にします。対策実施前後の比較ができるよう、期間指定での比較表示機能があると改善効果の検証が容易になります。

経営向けの「サマリ画面」は、工場全体のOEE・可動率のトレンド、改善効果の金額換算、ライン間・拠点間の比較を月次の視点で示します。経営会議で「現場のがんばり」が数字で語られるようになると、現場改善への投資判断も前向きになる——この好循環をつくることが、サマリ画面の隠れた役割です。

失敗の第一は「情報の詰め込みすぎ」です。グラフが10個並んだ画面は、結局どこも見られません。1画面1メッセージが原則です。第二は「専門用語の羅列」です。OEE、MTBF、MTTRといった略語が並ぶ画面は、現場との共通言語になりません。「今日どれだけ止まったか」「目標に届いているか」という平易な表現に翻訳しましょう。第三は「更新されない目標値」です。目標線が半年前のまま、実績が常に目標を超えている画面は、誰の行動も変えません。目標は改善の進捗に合わせてストレッチし続けることが必要です。

KPI設定と目標の立て方

見える化の初期は、シンプルに「可動率（時間稼働率）」と「停止理由別ロス時間」の2つで十分です。データ基盤と改善運用が育ってきたら、「チョコ停回数」「段取り時間」「平均故障間隔」など、重点ロスに対応した指標を追加します。OEEのフル計測は、理論サイクルタイムと品質データの整備が済んだ第三段階で導入するのが無理のない順序です。

指標を増やしすぎないことも重要です。KPIが10個あると、現場はどれを見ればいいのか分からなくなります。「全社で追う指標は2〜3個、各ラインで追う補助指標が2〜3個」程度が、実際に運用が回る上限だと考えてください。

目標は「業界平均」や「あるべき論」からではなく、自社の実測ベースラインから設定します。導入後最初の2〜4週間はあえて目標を置かず、現状の実力値を測定する期間に充てます。仮にベースラインが可動率65％なら、最初の目標は70％——「がんばれば届く水準」に置き、達成したら75％へ引き上げる。この小刻みな成功体験の積み重ねが、現場のモチベーションを持続させます。最初から「世界水準の85％」を掲げると、現場は「どうせ無理」と白け、数字がただの飾りになります。

データを改善につなげる運用——見える化を「成果」に変える心臓部

ここからが本記事の核心です。センサーもダッシュボードも、それ自体は1円も生みません。成果を生むのは、データを見て・決めて・動く運用です。

推奨する基本運用は、週1回15分のデータレビューです（図7）。

▲図7：週次レビューの回し方（15分）

進行は3部構成です。最初の5分で、先週の可動率と停止理由ワースト3をダッシュボードで確認します。データは自動集計されているので、事前の資料づくりは不要——これが紙日報時代との決定的な違いです。次の5分で、ワースト1位のロスに対する対策を1つだけ決めます。担当者と期限を必ずセットにします。最後の5分で、前週に決めた対策の効果をデータで検証します。効果があれば標準化し、なければ別のアプローチを試します。

ポイントは「毎週1つ、確実に」です。意欲的に対策を5つ決めると、翌週にはどれも中途半端で、レビュー自体が重荷になります。週1件でも年間50件。1件あたり停止時間を月1時間削減できれば、年間では膨大な生産能力の回復になります。

もう一つの鉄則は、会議で必ずダッシュボードの実画面を映すことです。データを紙に印刷して配った瞬間、リアルタイム性というIoTの価値は失われ、「先週の資料をつくる仕事」が復活してしまいます。画面を見ながらその場でドリルダウンする——このスタイルが定着すると、会議の質が目に見えて変わります。

特定されたワーストロスへの打ち手には、定石があります（図8）。

▲図8：ロス別改善アプローチの定石

段取り替えロスがワーストなら、内段取り（設備を止めて行う作業）の外段取り化（稼働中に準備する）への転換、手順の標準化と動画マニュアル化、治工具の定位置化が王道です。データで段取り時間のバラつき（人による差・時間帯による差）が見えると、改善ポイントの特定が一気に容易になります。

チョコ停がワーストなら、まず発生箇所・発生条件のパレート分析です。ワーク供給部の詰まり、センサーの誤検知、エア圧の変動など、原因はたいてい少数の箇所に集中しています。清掃・調整の基準化といった小さな対策の積み重ねが効く領域であり、現場の知恵が最も活きるテーマでもあります。

故障（ドカ停）がワーストなら、故障履歴の記録と分析から始め、重点設備の予防保全計画を整備します。さらに振動・温度・電流の常時監視による予知保全へ発展させる道筋は、子記事「IoTで実現する予知保全入門」で詳しく解説しています。

材料待ち・指示待ちがワーストの場合、問題は設備ではなく生産管理側にあります。供給タイミング、計画の平準化、前後工程との同期など、工場全体の流れの改善テーマとして扱います。実は、稼働見える化が「生産計画の質」の問題をあぶり出すことは非常に多く、これこそが「設備のデータが工場経営を変える」入口になります。

稼働データの分析手法——数字を「打ち手」に変換する4つの視点

データが集まり始めたら、次は分析です。難しい統計は不要です。現場改善に必要な分析は、次の4つの視点でほぼカバーできます。

停止理由別のロス時間を大きい順に並べたパレート図は、改善の優先順位を決める基本ツールです。多くの場合、上位2〜3項目でロス全体の7〜8割を占めます。「あれもこれも」ではなく、ワースト1位に資源を集中する——パレート図は、その意思決定を全員が納得できる形で支えてくれます。週次レビューの冒頭に映す定番画面として設定しておきましょう。

可動率やチョコ停の発生を、時間帯別・曜日別・月別に並べると、思わぬパターンが浮かび上がります。始業直後にチョコ停が集中していれば立上げ手順に、昼休み明けに停止が多ければ再稼働の段取りに、特定曜日に低ければその日の生産計画や人員配置に、原因の仮説が立てられます。夜勤帯と昼勤帯の差は、技能・手順書・支援体制の差を映し出す鏡でもあります。「いつ」の切り口は、原因仮説の宝庫です。

同型設備で可動率に差があれば、その差の中に改善のヒントがあります。高い側の設備の使い方・保全状態・担当者の工夫を観察し、横展開する。品目別に見て特定品目だけ停止が多ければ、その品目の条件・治具・材料に固有の問題がある。比較は「悪者探し」ではなく「良いやり方の発見」のために使う——この姿勢を徹底すると、現場が比較データを前向きに受け止めるようになります。

稼働データ単体から一歩進み、品質データ・環境データ（温湿度）・生産計画データと掛け合わせると、分析は一段深くなります。「気温が高い日にチョコ停が増える」「特定材料ロットで停止が多い」といった相関が見つかれば、対策の精度が飛躍的に上がります。ここまで来ると、見える化は単なる稼働管理を超えて、品質改善・技術伝承のツールへと進化します。

稼働見える化ツールの選定基準

市場には多様な稼働監視ツール・サービスが存在します。比較検討の軸を整理しておきます。

第一に、自社の設備構成への対応力です。旧型設備・メーカー混在環境で使うなら、信号灯センサー・電流センサーなどレトロフィット方式への対応が必須条件になります。第二に、スモールスタートできる価格体系か。数台からの導入と段階的な拡張が可能で、台数増加時の費用が読めることを確認します。第三に、停止理由入力のしやすさ。現場が毎日触る機能なので、デモで実際の入力動線を必ず確かめてください。

第四に、ダッシュボードのカスタマイズ性です。3階層設計（現場・管理者・経営）に対応できる柔軟さがあるか。第五に、アラート・通知機能。異常停止のスマートフォン通知、しきい値超過の警告など、リアルタイム活用の要です。第六に、データのエクスポート・API連携。将来の生産管理連携やBI分析に備え、データを自由に取り出せることは譲れない条件です。第七に、導入後の伴走支援。ツール提供だけでなく、運用定着まで支援してくれるパートナーかどうかが、実は最も重要な差になります。

ツール選定で陥りがちなのが、機能の多さで選んでしまうことです。多機能なツールは画面が複雑になりがちで、現場の定着ハードルが上がります。自社の成熟度に対して「半歩先」の機能を持つツールを選び、使いこなせるようになったら次の段階のツール・機能へ——という考え方が、結果的に最も早く成果に到達します。センサーからクラウドまでの機器・サービス選定の全体像は、子記事「工場IoTのセンサー・ツールの種類と選び方」でも詳しく解説しています。

業種別・稼働見える化の実務ポイント

見える化の基本は共通ですが、業種によって「効きどころ」が異なります。代表的な業種別に押さえどころを整理します。

サイクルが安定した装置型工程では、可動率とサイクルタイムの両方を追うことで効果が最大化します。段取り替えロスとチョコ停が二大テーマになりやすく、金型・機械・品目の組み合わせ別に停止傾向を分析すると、金型メンテナンスの優先順位づけや、生産計画上の品目割付の最適化にまでつながります。ショット数の自動カウントを組み合わせれば、生産実績報告の自動化も視野に入ります。

段取りと条件出しの時間比率が高い受注生産型では、「主軸が回っている時間」の割合を測ることが出発点です。実測すると、加工そのものの時間は就業時間の3〜4割で、残りは段取り・プログラム確認・測定・材料待ちだった——という発見が典型です。この構造が見えれば、外段取り化、プログラム事前検証、測定の効率化など、打ち手の優先順位が明確になります。夜間無人運転の実施工場では、夜間停止の即時通知が実効稼働時間を大きく左右します。

複数設備が連なるライン工程では、個別設備の可動率よりも「ラインとしての可動率」と「停止の起点設備の特定」が重要です。1台の停止が前後に波及するため、タイムスタンプで停止の連鎖を追える仕組みが効きます。また、清掃・洗浄・切替の時間が大きい業界特性上、切替作業の実測と標準化が改善の中心テーマになります。

設備よりも人の作業が中心の工程では、ラインバランス（工程間の作業時間のバラつき）の見える化がテーマです。作業実績のボタン入力やカメラ分析で工程別の実績時間を測り、ネック工程の平準化を図ります。設備型と考え方は同じで、「流れを止めているものを、データで特定して潰す」が原則です。

稼働データを経営に接続する——現場改善で終わらせない

設備別の空き時間が見えるようになると、「この受注を受けられるか」「納期回答は何日にすべきか」という判断が、勘からデータへ変わります。営業部門と製造部門が同じ稼働データを見て会話できるようになることは、受注機会の最大化と無理な受注の防止の両面に効きます。実際、見える化の副次効果として「営業と工場の関係が良くなった」という声は少なくありません。

停止ロスは、時間あたり付加価値で金額換算することで、経営言語に翻訳できます。「チョコ停が月40時間」よりも「チョコ停で月80万円の付加価値を失っている」のほうが、投資判断は動きます。さらに、品目別の実績時間データは、実際原価の把握と見積精度の向上にも活用でき、「儲かっている品目・いない品目」の解像度を上げる材料になります。

増産要請への対応で新設備の導入を検討する場面でも、稼働データは威力を発揮します。実測の可動率に改善余地があるなら、まず可動率改善で対応できないかを検証する。それでも足りない場合に、必要能力を定量的に見積もって投資する。稼働データは、数千万円規模の設備投資の精度を上げる、最も安価な保険と言えます。

稼働×エネルギーの掛け合わせ——一石二鳥の見える化

電流センサー方式で稼働を見える化した場合、同じデータからエネルギー使用量の見える化も同時に実現できます。この「一石二鳥」の構造は、投資対効果を考えるうえで見逃せません。

稼働データとエネルギーデータを重ねると、「動いていないのに電力を消費している時間」が浮かび上がります。休日のコンプレッサーの稼働、昼休みの設備待機電力、夜間の空調・照明——。稼働ステータスという文脈があるからこそ、単なる電力量の数字が「削減可能なムダ」として識別できるのです。運用ルールの整備だけで削減できるケースが多く、投資ゼロで効果が出る典型領域です。

さらに進んで、生産量あたりのエネルギー使用量（エネルギー原単位）を品目別・設備別に追うと、省エネと生産性を統合した評価が可能になります。同じ製品でも設備や条件によって原単位が異なることが見えれば、生産割付の最適化材料になります。カーボンニュートラル対応で取引先からCO2排出量の報告を求められた際にも、設備別の実測データがあれば、精度の高い算定と削減計画の提示ができます。脱炭素対応が取引条件になりつつある今、この備えの価値は年々高まっています。

稼働見える化は、単独のツール導入ではなく、工場DX全体の起点です。稼働データを軸に、品質・エネルギー・生産計画・原価のデータが順次つながっていくことで、工場は「経験と勘の経営」から「データに基づく経営」へと段階的に進化します。その全体像とロードマップは、ピラー記事「工場IoTとは？完全ガイド」で体系的に解説していますので、あわせてご覧ください。

大企業の見える化プロジェクトは、関係部門の調整、既存システムとの整合、全社標準への準拠など、動き出すまでに時間がかかります。一方、中堅・中小工場は意思決定が速く、経営者と現場の距離が近い。「来月からやろう」と決めた翌月にセンサーが付き、3カ月後には改善サイクルが回っている——このスピードは、規模の小さい組織だけが持てる武器です。

また、設備台数が数十台規模であれば、工場全体の見える化も現実的な投資額に収まります。全体が見える規模であることは、部分最適に陥りにくいという意味でも有利です。「うちは小さいから」ではなく「小さいからこそ速く・全体を」——この発想の転換が、見える化を競争力に変える鍵になります。

見える化を成功させる推進体制のつくり方

稼働見える化は小さなプロジェクトですが、体制の設計を省略すると失速します。必要な役割は3つです。経営層は「目的の発信者」として、なぜ見える化に取り組むのか、データを人の監視に使わないことを、自分の言葉で繰り返し伝えます。現場キーマンは「データと現場の翻訳者」として、停止理由の設計、判定精度の妥当性確認、現場の声の吸い上げを担います。推進担当は「サイクルの運営者」として、週次レビューの開催、ベンダー調整、データの健全性チェックを回します。

3人が別人である必要はありませんが、「この件は誰に聞けばよいか」が全員に見えている状態は必須です。特に現場キーマンの人選は成否を分けます。設備に詳しく、現場の信頼が厚く、新しいことに前向きな人——各職場に必ずいる「あの人」を、立ち上げ期に必ず巻き込んでください。

センサーが突然設備に付くと、現場は必ず身構えます。設置の前に、朝礼や掲示で「目的（設備と工程の改善）」「使わないこと（個人の評価・監視）」「現場のメリット（日報廃止・改善への反映）」の3点を伝えてください。たった一度の説明会が、その後数年の活用度を左右します。導入後も、データから生まれた改善成果を現場に還元し続けることで、「見える化は自分たちの道具だ」という感覚が育っていきます。

導入前によくある社内の反対意見と、その向き合い方

見える化の稟議・社内調整では、お決まりの反対意見に出会います。代表的なものと、私たちが実際に使っている向き合い方をご紹介します。

「今でも日報で分かっている」という意見には、実測データとのギャップを見せるのが最も効果的です。可能であれば1台だけ試験的にセンサーを付け、日報の数字と実測を並べて見せる——百の説明より一つの事実です。

「現場の負担が増える」という懸念には、「記録は自動化され、入力は数タップのみ。手書き日報は廃止する」という設計そのもので応えます。負担が増える設計になっているなら、それは懸念ではなく正しい指摘なので、設計を見直すべきです。

「投資対効果が不明」という指摘には、スモールスタートの実測で答える計画を示します。「3台・数十万円・3カ月で効果を実測し、その結果で本格展開を判断する」という段階設計は、反対者を検証の協力者に変える力があります。

「うちの設備は古いから無理」という声には、レトロフィット方式の存在を具体的に示します。信号灯センサー・電流センサーであれば、設備の年式もメーカーも問いません。

反対意見は、プロジェクトの弱点を事前に教えてくれる無料のレビューです。論破するのではなく、設計に取り込む——この姿勢が、結果的に導入後の協力者を増やします。

稼働見える化の導入ステップ——3カ月で改善サイクルを回す

導入の標準的な進め方を、時系列で整理します。

ボトルネック設備・停止損失の大きい設備を中心に3〜5台を選定します。同時に、稼働率・可動率・負荷時間の定義を明文化し、関係者の認識を揃えます。「計画停止は分母に含めるのか」「昼休みの扱いは」——こうした細部の定義が曖昧だと、後で数字の解釈を巡る不毛な議論が起きます。

レトロフィット方式でセンサーを設置し、実際の稼働との照合・判定精度の調整を行います。並行して停止理由の選択肢を現場と一緒に設計し、入力運用を開始します。この期間は「データの信頼を築く期間」です。現場から「この数字、合ってないよ」という指摘が出たら、放置せず即座に調整する——初期の信頼構築が、その後の活用度を決めます。

調整済みのデータで現状の実力値を測定し、目標を設定します。この段階で、経営層への中間報告を行い、「実測の可動率」という事実を共有します。多くの場合、ここで経営層の本気度が一段上がります。

週次レビューを開始し、改善サイクルを回し始めます。最初の改善テーマは、効果が見えやすく現場の負担が小さいものを意図的に選ぶのがコツです。初戦で「データを使ったら改善できた」という成功体験をつくることが、運用定着の最大の推進力になります。

稼働見える化の活用事例

守秘義務に配慮して一般化した、当社支援先の代表的な事例をご紹介します。

成形機12台の樹脂成形工場では、日報ベースで稼働率85％と認識していましたが、信号灯センサーでの実測により可動率は68％と判明。差分の内訳は、日報に記録されない金型段取りの延長と、1日平均40回を超えるチョコ停でした。段取り手順の標準化と外段取り化、チョコ停多発箇所の清掃基準化を週次レビューで一つずつ進め、6カ月で可動率78％を達成。残業時間の削減と、断っていた短納期案件の受注余力創出につながりました。

24時間稼働の金属加工工場では、可動率の時間帯別分析により、夜勤帯の可動率が昼勤帯より15ポイント低いことが判明しました。原因を掘り下げると、夜間のトラブル時に対応ノウハウが不足し、復旧まで設備を止めたまま朝を待つケースが頻発していたことが分かりました。対応手順書の整備と、異常時の当番通知の仕組み化により、夜間の実効稼働時間が大幅に改善。「人を増やさずに能力を増やす」を地で行く事例です。

複数設備が連なる充填・包装ラインでは、ライン停止の起点設備をタイムスタンプ分析で特定。全体の停止の過半が特定の包装機に起因することが分かり、重点対策により、ライン全体の可動率を底上げしました。個別設備ではなく「ラインの流れ」で見ることの威力を示す事例です。

よくある質問（FAQ）

両方を、役割を分けて報告することを推奨します。稼働率は受注・能力バランスの経営判断材料として、可動率は現場改善の進捗指標として報告します。1つの数字に混ぜると、需要減による稼働率低下が「現場の問題」に見えるなど、誤った議論を招きます。

可動率の見える化と改善運用が定着した後、第二段階として着手するのが現実的です。性能稼働率には品目別の理論サイクルタイム整備、良品率には不良数データの紐づけが必要で、最初から追うと立ち上げが重くなります。

一般論の目標値より、自社の実測ベースラインからの改善幅で設定してください。導入直後の実力値に対して＋5ポイントを最初の目標にし、達成のたびに引き上げる方式が、現場の納得感と持続性の両面で優れています。

できます。設備センサーの代わりに、作業実績のボタン入力、タブレット記録、人感センサー、カメラによる作業分析などを組み合わせます。設備系と同じダッシュボードに統合すれば、工場全体の流れを一枚で把握できます。

導入目的を「設備と工程の問題発見であり、人の評価には使わない」と経営層から明言すること、日報廃止など現場が楽になる要素をセットにすること、データを現場の改善提案に使う場をつくることの3点で、反発は協力に変えられます。実際、数カ月後には現場側から「この設備にもセンサーを付けてほしい」という声が出るようになるのが、うまくいくプロジェクトの共通パターンです。

出ます。設備3〜5台・初期費用数十万円のスモールスタートでも、日報工数の削減と可動率数ポイントの改善で1年以内の投資回収が十分に狙えます。詳細な費用構造は子記事「工場IoTの導入費用と使える補助金まとめ」をご参照ください。

第一の発展は予知保全（故障予兆の検知）、第二は生産実績データとしての活用（日報完全自動化・計画と実績の対比）、第三はエネルギーデータとの掛け合わせによる省エネです。いずれも、稼働見える化で整備したデータ基盤の上に載せられます。

稼働見える化でよくある失敗5パターンと回避策

最後に、見える化プロジェクトの典型的な失敗パターンを共有します。事前に知っておけば、いずれも回避可能です。

「稼働率」の定義が部署ごとに違い、数字が出てから解釈を巡って紛糾する——初歩的ですが最も多い失敗です。負荷時間の範囲、計画停止の扱い、昼休みの扱いを、導入前に1枚の定義書にまとめてください。

「このデータは95％しか正確じゃないから使えない」という完璧主義が、活用を無期限に凍結させます。改善の優先順位を判断するのに、95％の精度は十分すぎるほどです。「意思決定に足る精度か」を判断基準にし、精度改善と活用を並行して進めましょう。

画面を印刷して会議資料にする運用が始まると、リアルタイム性が失われ、いずれ「資料をつくるための集計作業」が復活します。会議では実画面を映す、を徹底してください。

データを見て「ふーん」で終わる会議は、数回で形骸化します。週次レビューでは「ワースト1位への対策を1つ、担当と期限つきで決める」ことを絶対のルールにします。決めない会議はやらないほうがましです。

改善効果を記録していないと、半年後に「で、あのセンサーは役に立ったのか？」という問いに答えられません。ベースライン→改善後の推移と金額換算を四半期ごとに1枚にまとめる習慣が、横展開の予算を引き寄せます。

あわせて押さえたい関連用語ミニ辞典

・可動率（べきどうりつ）：動かしたいときに設備が正常に動いた割合。改善活動の中心指標。

・OEE（設備総合効率）：時間稼働率×性能稼働率×良品率。設備の総合力を示す国際標準指標。

・チョコ停：数秒〜数分の短時間停止。日報に残らずセンサーでのみ捕捉可能。

・ドカ停：故障による長時間停止。予防保全・予知保全のターゲット。

・アンドン：現場の状態を一目で伝える表示。IoT時代はリアルタイム稼働モニタを指す。

・パレート図：要因を影響度順に並べた棒グラフ＋累積線。改善の優先順位づけの定番。

・内段取り／外段取り：設備停止中に行う段取り／稼働中に並行して行う段取り。外段取り化が改善の王道。

・タクトタイム：需要から逆算した1個あたりの生産ペース。サイクルタイムとの対比で能力を評価。

・MTBF／MTTR：平均故障間隔／平均復旧時間。保全レベルの評価指標。

・ラインバランス：工程間の作業時間の均等度。ネック工程の特定に使う。

推奨しません。稼働データを個人の評価に直結させると、現場は数字をよく見せる行動（停止理由の付け替え、入力回避）に走り、データの信頼性そのものが崩壊します。データは「工程と設備の問題発見」に限定して使い、その原則を現場に約束することが、正確なデータを持続的に得る唯一の道です。

月次で「工場全体の可動率トレンド」「改善効果の金額換算」「改善テーマの進捗」の3点を見れば十分です。細かい設備別データに経営層が踏み込みすぎると、現場のマイクロマネジメントになり逆効果です。経営層の役割は、数字の詮索ではなく、改善が進む環境（時間・予算・称賛）を用意することです。

導入前の最終チェックリスト——始める前に確認したい10項目

見える化プロジェクトのキックオフ前に、以下の10項目を確認してください。すべてにYESと答えられれば、成功の条件はほぼ整っています。

・稼働率・可動率・負荷時間の定義を1枚の文書にまとめたか

・対象設備をボトルネック・停止損失の観点で3〜5台に絞り込んだか

・KPI（初期は可動率＋停止理由別ロス）と測定期間を決めたか

・停止理由の選択肢を現場と一緒に10択以内で設計したか

・現場キーマンを推進メンバーに巻き込んだか

・「人の評価に使わない」ことを経営層から現場に伝える場を設定したか

・日報廃止など、現場のメリットを導入計画に組み込んだか

・週次レビュー（15分）の曜日・時間・参加者を先に決めたか

・電源・電波・設置環境の現地確認を実施したか

・3カ月後・6カ月後の効果検証と報告のタイミングを決めたか

このリストの特徴は、10項目中8項目が「機器」ではなく「運用と人」に関する項目だということです。見える化の成否は、センサーを付ける前に8割決まっている——これが、数多くの現場を見てきた私たちの結論です。

できます。稼働見える化は生産管理システムとは独立して導入可能で、むしろ「生産管理システム刷新の前に、稼働の実態を把握しておく」順序を推奨します。実態データがあれば、システム刷新時の要件定義の精度が上がり、過剰投資も防げます。

まず1拠点でモデルを完成させ、指標定義・画面設計・運用ルールをパッケージ化してから展開してください。拠点ごとに定義がバラバラだと、比較分析ができず、全社ダッシュボードが意味を失います。拠点間比較は「競争」ではなく「良いやり方の相互学習」として運用することも、健全な活用の条件です。

デジタルアンドン（リアルタイム稼働表示）は、見える化の構成要素の一つです。本記事で述べた見える化は、アンドン表示に加えて、データの蓄積・分析・改善サイクルまでを含む、より広い取り組みを指します。アンドンだけで止まると「眺める化」で終わるため、分析と改善運用までをセットで設計してください。

稼働データ活用の発展形——見える化のその先へ

稼働見える化で整備したデータ基盤は、次の段階への足場になります。発展の方向性を知っておくことで、初期のツール選定でも拡張性という視点を持てます。

稼働データに品目・数量情報を紐づけることで、日報の完全自動化が実現します。作業者は例外事項のみを入力し、実績は自動で生産管理へ流れる——記録業務からの解放は、現場が最も喜ぶ発展形です。転記ミス・集計遅れも同時に消滅します。

稼働ステータスに加えて振動・温度・電流波形を蓄積すれば、故障予兆の検知、すなわち予知保全へ発展できます。突発停止（ドカ停）が主要ロスである設備、24時間稼働の設備、停止が全体に波及するボトルネック設備から優先的に適用するのが定石です。詳しくは子記事「IoTで実現する予知保全入門」をご覧ください。

蓄積データが増えるほど、AIによる分析の価値が高まります。チョコ停の発生パターンからの原因推定、稼働実績に基づく生産計画の最適化提案、正常波形からの逸脱検知——。ただし順序は常に「まずデータ基盤、AIはその上」です。土台のない工場にAIだけを導入しても、学習させるデータがありません。

投資対効果のシミュレーション例——数十万円が数百万円を生む構造

具体的な数字で、見える化投資の回収構造を見てみましょう。あくまで一例ですが、社内検討のたたき台としてご活用ください。

前提として、設備5台に信号灯センサー方式で導入し、初期費用50万円、ランニング月額1万円（年12万円）とします。効果側の第一は記録工数の削減です。日報記入・転記・集計で1日合計90分が削減されるとすれば、年間では約370時間。人件費単価2,500円なら年間約92万円に相当します。第二は可動率改善です。ベースライン可動率68％の設備群が、改善サイクルにより6カ月で73％へ5ポイント向上したとします。1台あたり月200時間の負荷時間なら、5台で月50時間の稼働回復。時間あたり付加価値6,000円とすれば年間360万円の能力回復に相当します（すべてが売上に変わるわけではなくとも、残業削減・外注削減・受注余力として実現します）。

効果合計を保守的に見積もっても、初年度で投資額の数倍のリターンが視野に入る——これが、稼働見える化が「最初に取り組むべきIoT」と言われる理由です。もちろん前提数値は工場ごとに異なりますから、自社の数字で置き換えて試算し、導入後に実測で検証してください。この「試算→実測→検証」のプロセス自体が、データドリブン経営の練習にもなります。

産業機械部品を製造する工場では、見える化導入から半年後、想定していなかった変化が起きました。現場からの改善提案件数が倍増したのです。それまで「なんとなく非効率」だった事象が、データという共通言語で語れるようになり、「この停止、原因はこれだと思う。こう変えたい」という提案が自然に生まれるようになりました。見える化の最大の成果は、可動率の数字そのものではなく、データで考え語る現場文化の醸成かもしれない——私たちがこの仕事の醍醐味を感じる瞬間です。

なぜ今、稼働の見える化なのか——3つの経営環境の変化

稼働管理そのものは昔からある活動です。ではなぜ今、IoTによる見える化がこれほど重要になっているのでしょうか。背景には3つの経営環境の変化があります。

第一に、人手不足による「改善人材の枯渇」です。かつては現場に張り付いてストップウォッチで実測する時間観測ができる人員的余裕がありました。今は改善専任者を置ける工場は少数派です。IoTは、24時間365日、疲れず休まず記録し続ける「デジタル観測員」として、人手不足時代の改善活動を支えます。

第二に、多品種少量化による「ロス構造の複雑化」です。品種切替が1日に何度も発生する現代の生産では、段取りロスとチョコ停が細かく分散し、人の記憶と紙の記録では実態を捉えきれなくなりました。ロスが複雑になるほど、機械による全量記録の価値は高まります。

第三に、原価高騰による「1時間の価値の上昇」です。エネルギー・材料・人件費のすべてが上がった今、設備1時間の停止が生む損失は数年前より確実に大きくなっています。同じ可動率改善でも、得られる金額効果はかつてより大きい——投資回収の観点で、見える化の魅力は増し続けています。

最後に、本質的な話をさせてください。稼働見える化がもたらす最大の変化は、数字そのものではなく、組織の会話の変化です。

見える化以前の工場では、「あの設備はよく止まる気がする」「最近チョコ停が多い気がする」という感覚の応酬で議論が進みます。声の大きい人の意見が通り、対策の効果も「良くなった気がする」で終わる。これでは改善が組織の実力として積み上がりません。

見える化以後は、「先週のワーストは段取りロス12時間。前週比で2時間改善」という事実から会話が始まります。仮説はデータで検証され、効果は数字で確認され、成功は標準として残る。この「事実で語る文化」こそが、人が入れ替わっても改善し続けられる工場の土台であり、その入口として稼働の見える化ほど適したテーマはありません。

設備の稼働という、毎日目の前にありながら誰も正確に知らなかった事実。それを全員が見られるようにする——たったそれだけのことが、工場を変える最初の一歩になります。

見える化は始めるより続けるほうが難しい取り組みです。半年後も活き活きと運用され続けるために、3つの工夫を仕込んでおきましょう。

第一に、成果の見える化です。改善によって取り戻した時間・金額を、ダッシュボード上に累計表示します。「今年の改善効果：累計320時間」という数字が増えていく様子は、関係者全員のモチベーションの源泉になります。

第二に、役割のローテーションです。週次レビューの進行役を推進担当に固定せず、現場メンバーが持ち回りで務めると、当事者意識が組織全体に広がります。進行役を経験した人は、データの見方が確実に変わります。

第三に、テーマの鮮度管理です。同じ指標だけを何カ月も追うと関心は薄れます。重点ロスの改善が一巡したら、次の指標（段取り時間、チョコ停回数、エネルギー原単位など）へ焦点を移し、常に「今の重点」がある状態を保ちます。改善は永続する旅であり、見える化はその旅の地図です。地図を最新に保つ工夫こそが、旅を続ける秘訣です。

なお、こうした運用の工夫は、外部パートナーの伴走があるとより確実に定着します。導入から3〜6カ月の「習慣化の壁」を越えるまで、第三者が定期的にレビューの質を点検し、テーマ設定を支援する——当社のコンサルティングでも、この定着支援こそが最も価値を発揮する局面だと考えています。ツールは買えますが、文化は買えません。文化を育てる期間に、経験ある伴走者を付けるという投資は、ツール費用以上のリターンを生みます。

まとめ——「測る」だけで工場は変わり始める

本記事の要点を整理します。

・改善で追うべきは「可動率（べきどうりつ）」。稼働率との混同が改善の方向性を誤らせる

・OEEは時間稼働率×性能稼働率×良品率。多くの工場は50〜70％台で、設備能力の3〜5割が眠っている

・チョコ停をはじめとする7大ロスは、紙日報では捕捉できない。センサーによる自動記録が不可欠

・システムは「センサー→無線→クラウド→3階層ダッシュボード」＋「停止理由の選択式入力」が標準構成

・成果を生むのは週次15分のデータレビュー。「毎週1つ、確実に」の改善サイクルが年間50件の改善になる

見える化は、それ自体が目的ではありません。しかし「測る」ことで、現場の会話が変わり、改善の的が絞れ、対策の効果が確認できるようになる——工場が変わり始める起点であることは間違いありません。

船井総合研究所では、中堅・中小製造業に特化した「工場の小規模DX」コンサルティングとして、指標設計・センサー選定から、ダッシュボード設計、週次レビューの運用定着まで一貫して伴走支援しています。「まず自社の本当の可動率を知りたい」という段階のご相談も、無料経営相談で承っています。

▼無料経営相談のお申し込みはこちら

https://www.funaisoken.co.jp/form/consulting?siteno=S111