樹脂成形業のIoT活用ガイド｜可動率・ショット数・金型管理の見える化｜製造業・工場DX経営オンライン

樹脂成形業のIoT活用ガイド——可動率・ショット数・金型管理から不良低減・省エネまで

■SEO設計メモ（公開時に削除）

・メインKW：射出成形 IoT

・サブKW：成形機 稼働監視／樹脂成形 生産性向上／金型 ショット数 管理／成形不良 原因分析／成形工場 DX

・titleタグ案：樹脂成形業のIoT活用ガイド｜可動率・ショット数・金型管理の見える化｜製造業・工場DX経営オンライン

・meta description案：射出成形・樹脂加工業に特化した工場IoTの活用法を解説。可動率とショット数の自動計測、金型段取りの改善、型番単位のショット数管理、成形条件と環境データによる不良分析、電力原単位の改善まで、成形工場を数多く支援してきた船井総研のコンサルタントが実践手順をまとめました。

・想定読者：射出成形を中心とする中堅・中小の樹脂加工業の経営者・工場長

・内部リンク：ピラー記事／子記事⑤見える化／⑦レトロフィット／⑨進め方／③費用／業種別：金型製造・機械加工

「日報上の稼働率は85％。でも、なぜか計画どおりに数が上がらない」——樹脂成形の現場で、経営者や工場長が抱く典型的な違和感です。

信号灯センサーで実測してみると、可動率は60％台。差の正体は、日報に書かれない金型段取りの延長と、1日に何十回も発生している数分単位のチョコ停でした——私たちが成形工場のご支援に入るとき、ほぼ例外なく最初に直面する光景です。

樹脂成形業は、実は工場IoTと最も相性の良い業種のひとつです。サイクルタイムが安定した装置型の生産であるため、止まった時間がそのまま生産数の損失として計算でき、改善効果が明快に金額化できます。加えて、信号灯の装備率が高くセンサーの後付けが容易であること、ショット数という明確な生産数の指標があること——導入のハードルは他業種より確実に低いのです。

本記事では、中堅・中小の樹脂成形業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、この業種に特化したIoT活用法を解説します。可動率とショット数の自動計測、金型段取りの改善、そして成形業ならではの「金型という第二の設備」の管理、条件・環境データを使った不良低減、電力原単位の改善まで——成形工場の現場で実際に機能する内容に絞ってお伝えします。

工場IoTの全体像は、ピラー記事「工場IoTとは？完全ガイド」をあわせてご覧ください。

樹脂成形業の構造的特徴——なぜIoTが効くのか

この業種がIoTと相性の良い理由を、構造から整理します（図1）。

▲図1：樹脂成形業の構造的特徴とIoTの効きどころ

射出成形は、条件が決まればサイクルタイムが安定します。ということは、「1時間止まれば、サイクルタイム30秒なら120ショットの損失」という計算が明快に成り立つということです。停止時間と生産数の損失、そして金額の損失が、一直線に結びつく——この計算のしやすさは、改善の説得力を高め、投資判断を容易にします。

顧客の在庫圧縮志向により、成形業でも多品種少量化が進んでいます。ロットが小さくなれば、それだけ型交換の回数は増えます。そして型交換は、型の脱着だけでなく、型温の上昇待ち、条件出し、初品検査待ちを含む一連の工程であり、担当者や型によって所要時間が大きくばらつきます。

このバラつきを実測できれば、改善の的が明確になります。私たちの支援経験では、同じ型の交換に、担当者によって1.5倍から2倍の差が出ることは珍しくありません。

樹脂成形業に固有の重要な論点がこれです。成形機は設備として管理されていても、金型の管理は台帳や担当者の記憶に頼っている工場が多いのが実情です。

しかし、成形工場の突発停止の相当部分は、金型に起因します。ガス焼け、カジリ、可動部の不調、そして突然の破損——。これらの多くは、累計ショット数に応じた計画的なメンテナンスで予防できるものです。「今この型は何万ショット目なのか」を把握できているかどうかが、突発トラブルの発生頻度を左右します。

樹脂温度、金型温度、射出速度、保圧、冷却時間——。成形品の品質は、これらの条件と、材料の状態、環境（温湿度）の組み合わせで決まります。不良が出たとき、原因が条件なのか、材料ロットなのか、環境なのか、金型の状態なのかを特定するのは容易ではありません。

だからこそ、これらのデータを時刻をキーに紐づけて蓄積することの価値が大きいのです。「なんとなく調整して収まった」を、「この条件のときにこの不良が増える」という再現性のある知見に変えられます。

成形機は電力を多く消費し、材料費も原価の大きな部分を占めます。原価高騰が続く中、設備別の電力使用量、非稼働時の待機電力、材料の歩留まりを把握することは、直接的な利益改善につながります。稼働の見える化を電流センサー方式で行えば、同じデータからエネルギーの見える化も同時に実現できます。

成形工場のロス構造——可動率を削っているもの

実測すると見えてくる、成形工場に特有のロスを整理します（図2）。

▲図2：成形工場のロス構造

型交換そのものの時間に加え、型温が安定するまでの待ち時間、条件出しの試打ち、初品検査の結果待ち——これらすべてが段取りロスです。多品種少量化が進むほど、このロスは全体に占める比重を高めます。

対策の柱は3つ。第一に外段取り化——次に使う型を事前に準備し、可能であれば予熱しておく。第二に条件の標準化——過去の成形条件を型番と品目で呼び出せるようにし、条件出しの試行錯誤を減らす。第三に手順の標準化——型交換の手順を動画等で共有し、担当者による時間差を縮める。

データによって「どの型の、誰の、どの工程に時間がかかっているか」が見えると、これらの対策の優先順位が明確になります。

材料切れによる停止、乾燥待ち、色替え・材料替え時のパージ（樹脂の入れ替え）。特に色替えのパージは、時間と材料の両方を消費します。生産順序を色の薄い順から濃い順へ組む、同一材料の品目をまとめて生産するといった計画上の工夫で削減できますが、そのためには「どの型が、どの材料・色を使うか」の情報が整理されている必要があります。

製品の取り出し不良、スプルーの詰まり、センサーの誤検知——。1回あたり数分でも、1日に何十回も発生すれば大きなロスです。そして日報には残りません。センサーで捕捉し、発生箇所をパレート分析すると、原因が特定の型や取出機に集中していることが分かります。

前述のとおり、成形工場の突発停止の主要因です。ショット数管理に基づく計画メンテナンスにより、突発を計画停止に置き換えることができます。

ソリ、ヒケ、ショートショット、バリ、糸引き、変色——。不良は材料と時間の両方を失う二重のロスです。種別ごとに原因が異なるため、「不良率◯％」という一括りの数字ではなく、種別を分けて記録することが分析の前提になります。

次に何を作るか決まらない、材料が届かない、段取り要員が他の機械に取られている——。これらは加工現場の外に原因があるロスであり、実測して数字で示すことで、生産計画や要員配置の議論を正しい土俵に乗せられます。

構造的特徴を踏まえ、成形業がIoT導入に有利な点を改めて整理します。第一に、信号灯の装備率が高いこと。後付けセンサーによる稼働監視が、最も簡便に実現できる業種です。第二に、生産数（ショット数）という明確な指標があること。稼働時間と生産数の両方が取れれば、OEEまで一気に見えます。第三に、効果の金額換算が容易なこと。サイクルタイムが安定しているため、「停止1時間＝◯ショット＝◯円」の計算が明快に成り立ちます。

導入のハードルが低く、効果が測りやすい——この2つが揃っている業種は、実はそれほど多くありません。成形業は、工場IoTの恩恵を最も受けやすい立場にあると言ってよいでしょう。

KPI設計——樹脂成形業は何を測るべきか

ロス構造を踏まえ、追うべき指標を設計します（図3）。

▲図3：樹脂成形業のKPI設計

成形業は設備集約型のビジネスです。高額な成形機という資産をどれだけ活かせているかを示す「設備1台あたり付加価値」は、経営指標として直感的で説得力があります。人手不足を背景に人時生産性を併用する企業も増えています。

現場の中心指標は可動率です。そして樹脂成形業には、他業種にない強みがあります。サイクルタイムが安定しているため、OEE（設備総合効率＝時間稼働率×性能稼働率×良品率）まで比較的容易に計測できるのです。

機械加工のように品目ごとに加工時間が大きく異なる業種では、性能稼働率の算出に品目別の標準サイクルタイムの整備が必要で、これが障壁になります。一方、成形業では型と条件が決まればサイクルタイムは一定です。ショット数を自動カウントできれば、理論生産数と実生産数の比較——すなわち性能稼働率——が自然に算出できます。

これに、段取り時間（型別・人別）、不良率（型別・品目別）、エネルギー原単位（kWhあたりショット数）を加えると、成形業のKPIセットとしては十分です。指標の詳しい定義と使い方は、子記事「設備稼働率・可動率の見える化完全ガイド」で解説しています。

現場が日々意識する指標としては、外段取り実施率、チョコ停回数、型メンテナンス計画の実施率、材料切れの発生回数、初品OK率——といった、行動と直結するものを選びます。

データの取り方——成形工場での方式選定

何を、どう測るか。成形工場での実務的な選択肢を整理します（図4）。

▲図4：成形工場のデータ取得方式

成形機は積層信号灯の装備率が高く、後付けの信号灯センサーが最も簡便な手段です。設備本体に一切手を加えず、メーカーも年式も問わず、1台数万円から導入できます。まずここから始めるのが定石です（方式の詳細は子記事「レトロフィットIoTで古い設備をIoT化する方法」参照）。

成形業ならではの有効な手法が、成形完了信号や取出機の動作信号を接点から取得する方式です。これにより、ショット数が自動でカウントされ、生産実績の自動収集が実現します。日報への生産数の手書きが不要になり、サイクルタイムの実測も可能になります。

接点の取り出しは設備メーカーや機種によって可否・方法が異なるため、事前確認が必要です。しかし実現できれば、成形業のIoT活用は一段深いレベルに進みます。

樹脂温度、金型温度、射出圧力、保圧、冷却時間といった成形条件のデータ出力は、成形機の機種・年式によって可否が大きく分かれます。近年の機種は外部出力や通信機能を備えているものが増えていますが、旧型機では困難な場合もあります。

実務的には、「条件データが取れる機械では取り、取れない機械では条件変更を人が記録する」というハイブリッドで始めるのが現実的です。すべての機械で完璧なデータを取ろうとして立ち止まるより、取れる範囲で始めて価値を確認するほうが、確実に前に進みます。

電源線にクランプする電流センサーは、稼働判定とエネルギー計測を同時に実現します。成形機は消費電力が大きく、待機時と稼働時の差も明確なため、この方式との相性は良好です。非稼働時間帯の待機電力、休日の電源管理、機種別のエネルギー効率——原価高騰への対策として、実利のあるデータが得られます。

工場内の温湿度、そして材料保管場所の環境は、成形品質に影響します。温湿度センサーは安価（1点あたり数千円〜）で設置も容易なため、複数点に配置して記録を始めることをおすすめします。単独では意味を持たないデータですが、不良データと組み合わせたとき、大きな示唆をもたらすことがあります。

そして成形業に特有の重要なポイントが、金型の識別です。金型にQRコードやNFCタグを貼付し、段取り時に読み取ることで、「どの型が、どの機械で、いつからいつまで、何ショット打ったか」が自動的に記録されます。この仕組みの価値は、次章で詳しく述べます。

センサーは「止まった事実」までしか分かりません。「なぜ止まったか」——段取り、材料切れ、型トラブル、チョコ停、計画停止——は、タブレット等での選択式入力で補完します。選択肢は10択以内、数タップで完了する設計が定着の絶対条件です。

成形機本体だけでなく、周辺機器のデータにも活用余地があります。取出機の動作信号はショット完了の代替信号として使えることがあり、成形機から接点が取り出せない場合の有力な選択肢になります。温調機の設定温度と実温度の差は、型温の安定性を示す指標になります。乾燥機の稼働記録は、材料の乾燥不足による不良の検証材料になります。

そしてコンプレッサーとチラー。これらは工場全体に供給するユーティリティであり、止まれば全機が止まる急所です。稼働と消費電力の監視対象として、優先度は高いと考えてください。実際、ある支援先では、稼働監視の対象にコンプレッサーを含めたことで、能力低下の兆候を早期に捉え、夏場の全停止を未然に防いだ事例があります。

金型を「もう一つの設備」として管理する——成形業のIoT活用の本丸

樹脂成形業のIoT活用において、他業種と最も異なる、そして最も価値の高いテーマが金型管理です（図5）。

▲図5：金型管理の仕組みと効果

成形工場の突発停止を分析すると、金型に起因するものが大きな割合を占めます。ガス焼けによる不良、可動部のカジリ、エジェクタピンの折損、冷却水路の詰まり、そして予期せぬ破損——。

これらの多くは、累計ショット数に応じた計画的なメンテナンスによって予防できます。「5万ショットごとに点検」「20万ショットで主要部品交換」といった基準を設けても、肝心の累計ショット数が分からなければ運用できません。多くの工場で、金型のショット数は台帳への手書きか、担当者の記憶に頼っているのが実情です。

仕組みはシンプルです。金型にQRコードまたはNFCタグを貼付し、段取り時にタブレットやスマートフォンで読み取ります。すると「いまこの機械で使われている型」が特定され、その機械のショット数カウントが、自動的にその型の累計に加算されていきます。

この仕組みができると、次の情報が自動的に蓄積されます。型番ごとの累計ショット数、直近の稼働履歴、どの機械で使われたか、そのときの不良率——。手作業での記録は一切不要になり、記録漏れもなくなります。

第一に、計画メンテナンスの実現です。「あと3千ショットで点検基準に達する型」を事前に把握でき、生産計画に合わせて計画的に整備できます。突発の型トラブルが計画停止に置き換わることで、生産の乱れが大きく減ります。

第二に、型の探索時間の削減です。保管場所の情報を紐づけておけば、「あの型はどこだ」という探索がなくなります。金型点数が数百に及ぶ工場では、これだけでも相応の工数削減になります。

第三に、顧客への説明力です。顧客支給の型を預かっている場合、「現在◯万ショット、直近のメンテナンスは◯月」といった状況を即座に報告できることは、信頼につながります。型の更新提案を行う際の根拠データにもなります。

第四に、投資判断の根拠です。型の寿命が近づいているのか、修理を重ねるより新規製作したほうが経済的か——累計ショット数と修理履歴・費用のデータがあれば、この判断が定量的に行えます。

金型製造を自社で行っている、あるいは金型メーカーとの連携が深い企業の方は、業種別記事「金型製造業のIoT・DX活用ガイド」もあわせてご覧ください。型を作る側の視点からの管理手法を解説しています。

不良低減——条件・環境・材料の相関を読む

成形業のもう一つの重要テーマが、不良の低減です。IoTがどう役立つのかを整理します（図6）。

▲図6：条件・環境・材料の相関分析

不良が発生すると、ベテランが成形条件を調整して収める——これが多くの現場の実態です。この対応は即効性がありますが、二つの問題があります。ひとつは、なぜその不良が出たのかという原因が特定されないまま収束するため、再発すること。もうひとつは、その調整技術がベテラン個人に依存していることです。

時刻をキーとして、次のデータを結合できる状態を作ります。成形条件（取得できる範囲で）、工場と材料保管場所の温湿度、材料のロット番号、使用している金型の型番と累計ショット数、そして検査結果（不良の種別と発生率）。

これらを組み合わせて分析すると、「梅雨時期にヒケが増える」「特定の材料ロットでショートが多発する」「型の累計ショットが一定数を超えるとバリが出やすくなる」といった相関が見えてきます。

私たちの支援先では、長年「原因不明」とされていた不良の波に、環境条件との明確な相関が見つかった事例が複数あります。材料の乾燥条件と保管環境を見直すだけで不良率が大きく改善した——といった、投資をほとんど伴わない対策にたどり着くことも少なくありません。

ただし、この分析には前提があります。不良を種別ごとに記録していることです。「不良率3％」という一括りの数字では、原因分析はできません。ソリ、ヒケ、ショート、バリ、糸引き、変色、異物——種別ごとに要因は異なるため、分けて記録することが分析の出発点になります。

検査工程での記録方法を、種別選択式に変更する。この小さな運用変更が、後の分析の質を決定的に左右します。IoT導入と同時に、この記録の仕組みも整えておくことを強くおすすめします。

累計ショット数と修理履歴が蓄積されると、次の段階として金型の原価管理が視野に入ります。型の製作費、これまでの修理・メンテナンス費用、そして生産したショット数——これらを突き合わせると、「1ショットあたりの金型コスト」が算出できます。

この数字が見えると、いくつかの経営判断が変わります。修理を重ねている型について、新規製作したほうが結果的に安いのではないか。生産数の少ない型を維持し続けるコストは妥当か。顧客に対して型の更新や修理費の負担をどう提案すべきか——。感覚で判断されがちなこれらの論点に、データが根拠を与えます。

特に、長期にわたって同じ型を使い続ける成形業では、この視点が利益に直結します。金型は「作って終わり」の道具ではなく、償却と維持のコストを持つ資産である——その当たり前の事実を、データが可視化してくれるのです。

導入ステップ——樹脂成形業の標準3カ月モデル

実際の進め方を時系列で示します（図7）。

▲図7：導入ステップ

3〜5台に絞ります。選定基準は、①主力機（生産量・売上への寄与が大きい）、②段取り回数の多い機械（多品種を流している）、③トラブルの多い機械——の3つです。トン数の異なる機械を混ぜると比較の視点が増え、後の展開判断にも役立ちます。

信号灯センサーを設置し、可動率のベースラインを測定します。同時に、停止理由の選択式入力を開始し、ロス構造を把握します。この段階で、日報の稼働率と実測の可動率のギャップが明らかになります。多くの工場でこの数字が経営会議の空気を変えることになりますが、繰り返し強調したいのは、この差は現場の努力不足ではなく、これまで見えていなかった構造的なロスの現れだということです。

次の段階として、成形完了の接点信号からショット数の自動カウントを実現します。これにより、生産実績の自動収集と、性能稼働率（理論生産数に対する実生産数）の算出が可能になります。

あわせて、金型へのQR／NFCタグ貼付を進め、型番単位の累計ショット数管理を開始します。金型点数が多い工場では、まず主力の型20〜30点から始め、段階的に広げていく進め方が現実的です。

稼働と生産数の基盤ができたら、環境データ（温湿度）と不良データを紐づけた品質分析、電流データを使ったエネルギー原単位の改善へと展開します。ここまで来ると、IoTは現場改善の道具から、原価管理と品質保証の基盤へと役割を広げます。

導入プロジェクト全体の進め方は、子記事「工場IoT導入の進め方」で体系化していますので、あわせてご参照ください。

樹脂成形業の実践事例

守秘義務に配慮して一般化した、当社ご支援先の事例をご紹介します。

日報ベースの稼働率85％を前提に生産計画を組んでいた成形メーカー。「計画どおりに数が上がらない」という慢性的な問題を抱えていました。

信号灯センサーで5台を実測したところ、可動率は68％。差の内訳は、日報に記録されない金型段取りの延長（型温待ち・条件出しを含む）と、1日平均40回を超えるチョコ停でした。停止理由入力のデータから、段取りロスの中でも「型を探す」「治具を探す」といった付帯作業の比重が大きいことも判明しました。

対策として、金型の保管場所を整理し定位置化、次の型の事前準備（外段取り化）、型温調機の事前立ち上げを実施。6カ月で可動率78％を達成し、残業の削減と、これまで断っていた短納期案件の受注につながりました。

金型のメンテナンスが「調子が悪くなったら整備する」という事後対応になっていた成形メーカー。突発の型トラブルによる生産の乱れが常態化していました。

主力の金型40点にNFCタグを貼付し、段取り時の読み取りによる累計ショット数の自動管理を開始。あわせて、過去のトラブル履歴から型ごとのメンテナンス基準ショット数を設定しました。

運用開始から半年で、基準到達前の計画整備が定着し、突発の型トラブルは半減。生産計画の乱れが減ったことで、納期遵守率も改善しました。「型の状態が見える」ことが、成形工場の安定操業にいかに直結するかを示す事例です。

毎年梅雨から夏にかけて特定製品の不良率が上昇する——長年「季節のせい」とされてきた現象に、データで挑んだ事例です。

工場内および材料保管エリアに温湿度センサーを複数設置し、不良データ（種別ごと）と時刻で紐づけて蓄積。数カ月の分析により、材料保管エリアの湿度が一定水準を超えた日に、特定の不良種別が有意に増加する相関が確認されました。

対策として、材料保管エリアの除湿強化と、材料乾燥条件の見直しを実施。翌年の同時期の不良率は大幅に低下しました。長年「仕方ない」とされていた問題に、データが説明と解決策を与えた事例です。

電力料金の高騰が利益を圧迫していた成形メーカーでは、電流センサーによる稼働監視の副産物として、設備別の電力使用量を可視化しました。

分析の結果、非稼働時間帯の待機電力、休日に稼働し続けていた温調機、そして生産量に対して効率の悪い旧型機の存在が明らかになりました。運用ルールの整備（休日の電源管理、待機時の温調設定変更）と、生産割付の見直し（同じ製品なら効率の良い機械を優先）により、電力使用量を削減。設備投資を伴わない運用改善だけで、相応のコスト削減を実現しました。

さらに、生産量あたりのエネルギー使用量（原単位）を機械別・製品別に把握できるようになったことで、取引先から求められるCO2排出量の算定にも、実測に基づいた回答ができるようになっています。

主要顧客の要請でロットが半減し、段取り回数が1.8倍に増加した成形メーカーの事例です。生産量は変わらないのに残業が増え続けるという状況で、原因を特定するために稼働の実測を開始しました。

段取り工程を要素分解して測定した結果、型交換そのものは平均18分である一方、型温の上昇待ちが平均32分、条件出しと初品検査待ちが平均25分を占めていることが判明。つまり、段取り時間の8割近くが「型を替える作業」以外に費やされていたのです。

対策は明快でした。型温調機を2台追加して次の型を事前予熱する運用に変更（投資額は数十万円）、過去の成形条件を型番・品目で検索できる仕組みを整備、初品検査の判定基準と担当を明確化して待ち時間を短縮——。これらにより、段取り1回あたりの平均時間は大幅に短縮され、増加した段取り回数を吸収しつつ残業を削減できました。

この事例が示すのは、「段取り時間を短縮せよ」という号令ではなく、「段取りの中身を分解して測る」ことが改善の出発点だということです。分解して初めて、投資すべき場所（この場合は型温調機）が明確になりました。

金型段取りの改善実務——データが示す改善余地の使い方

樹脂成形業の最大のロスである段取りについて、データを起点とした改善の進め方を掘り下げます。

「段取り時間」を一括りで測るだけでは、改善の的が絞れません。実務では、次の要素に分解して記録することを推奨します。型の取り外し、型の取り付け、配管・配線の接続、型温の上昇待ち、条件出し（試打ち）、初品検査と判定待ち、そして材料・色替えのパージ。

タブレット入力の選択肢をこの粒度にすると、「型交換そのものは15分だが、型温待ちと条件出しで45分かかっている」といった構造が見えます。そして構造が見えれば、打ち手は自ずと決まります。型温待ちが長いなら事前予熱、条件出しが長いなら条件データベースの整備、というように。

成形業における外段取り化の代表例を挙げます。次に使う型を、機械が稼働している間に準備エリアへ運び、予熱を開始しておく。使用する材料・色を事前に計量・準備しておく。取出機の治具・チャックを事前に交換可能な形にしておく。初品検査の治具・ゲージを準備しておく——。

これらはどれも「言われてみれば当たり前」の対策ですが、実行されていない工場は少なくありません。理由は、その効果が数字で見えていなかったからです。「型温待ちで月20時間の損失」という事実が見えた瞬間、事前予熱の運用は自然に始まります。データの役割は、当たり前の対策に優先度と動機を与えることにあります。

条件出しの時間は、「過去にこの型でこの材料をどう成形したか」が分かれば大幅に短縮できます。型番・品目・材料・使用機械をキーに、成形条件と結果（不良の有無、サイクルタイム）を記録し、検索できるようにする。この仕組みは、条件出し時間の短縮だけでなく、技能伝承の基盤にもなります。

成形条件のデータ出力ができる機械であれば自動記録が可能ですが、できない場合でも、条件シートの写真を型番・品目に紐づけて保存するだけで、実用的な資産になります。完璧なシステムより、まず「探せる状態」を作ることが重要です。

段取り時間は、生産する順序によっても変わります。同一材料・同系色の品目を連続させればパージが減り、同じ型締力の品目をまとめれば調整が減ります。稼働データと段取り実績が蓄積されると、「どの順序で流すと段取り時間が最小になるか」の判断材料が得られます。

生産計画の担当者が、この実績データを見ながら順序を組めるようにする——これは、システムによる自動最適化を導入しなくても実現できる、実務的な改善です。

企業規模別のアプローチ

樹脂成形業も、数名の工場から数百名の企業まで幅があります。規模別の勘所を整理します。

経営者や工場長が全機械を把握できる規模です。信号灯センサー3〜5台のスモールスタートで、可動率の把握と段取り改善に集中するのが効果的です。金型点数も比較的少ないため、主力型へのタグ付けも短期間で完了できます。意思決定が速いこの規模帯では、導入から成果までの期間が最も短くなる傾向があります。

推進担当と現場キーマンを立てた標準的な体制が機能します。機械間・シフト間の比較分析から改善のヒントが得られやすく、金型管理の効果も大きく現れます。この規模になると、段取り要員の配置や生産順序の最適化といった、工場全体の運用に関わるテーマが重要になってきます。

拠点間・ライン間の比較が可能になり、「良いやり方の水平展開」が改善の主要な手段になります。ただし、指標の定義（可動率の計算方法、停止理由の分類）を全社で統一しておかないと、比較が意味を持ちません。1拠点でモデルを完成させ、定義と運用をパッケージ化してから展開する——この順序が鉄則です。

段取り改善の成果は、必ず金額に換算して社内に共有してください。計算式は単純です。「1回あたりの短縮時間 × 月間段取り回数 × 時間あたり付加価値」。たとえば1回30分の短縮、月40回の段取り、時間単価6,000円なら、月12万円、年144万円の効果です。

この換算を行うことには2つの意味があります。ひとつは、経営層に対する説得力。「段取りが速くなりました」より「年144万円の効果が出ています」のほうが、次の投資判断を引き出します。もうひとつは、現場のモチベーションです。自分たちの工夫が会社の利益にどれだけ貢献したかが数字で見えることは、改善活動の強力な燃料になります。

そして、この金額換算ができるのは、実測データがあるからこそです。段取り時間を測っていない工場では、どれだけ改善しても、その価値は「なんとなく良くなった」で終わってしまいます。

投資対効果の試算——樹脂成形業の場合

導入判断のための試算例を示します。成形機5台への導入を想定します。

効果の第一は、可動率の改善です。5台がそれぞれ月200時間の負荷時間を持ち、可動率が68％から78％へ10ポイント改善した場合、月100時間の稼働回復。サイクルタイム30秒なら月12,000ショットの増産に相当します。1ショットあたりの限界利益が30円なら、月36万円、年間432万円の効果です。

第二は、日報・生産数集計の工数削減です。ショット数の自動カウントにより、生産数の手書きと集計作業が不要になります。1日60分の削減が年250日、単価2,500円で年間62万円相当です。

第三は、金型トラブルの削減です。突発停止が月10時間削減できれば、上記と同じ換算で年間相当額の効果になります。第四は、電力削減と不良削減。いずれも工場規模により金額は変わりますが、年間数十万円規模の効果が見込めるケースが多くあります。

一方の費用は、信号灯センサー5台・ゲートウェイ・クラウド・初期設定で初期50万〜80万円、月額1万円前後。ショット数の接点取得と金型タグ管理を加えると、初期費用は+20万〜50万円程度が目安です。

効果を保守的に見積もっても、初年度内での投資回収が十分に視野に入る構造です。前提数値は自社の実数（サイクルタイム、限界利益、負荷時間）で置き換えて試算してください。費用の詳細と補助金活用は、子記事「工場IoTの導入費用と使える補助金まとめ」をご覧ください。

樹脂成形業でよくある失敗と回避策

実測で可動率68％という数字が出たとき、「現場は何をしているんだ」という反応をしてしまうと、プロジェクトは終わります。ロスの多くは、型の探しにくさ、材料供給のタイミング、生産計画の組み方といった、現場の努力では解決できない構造に起因します。データは犯人捜しではなく構造発見の道具である——この認識を経営層と事前に共有してください。

金型点数が数百に及ぶ工場で、全型に一斉にタグを貼り、過去のショット数を遡って入力しようとすると、作業量に押しつぶされます。主力の20〜30点から始め、稼働頻度の高い型から順に広げる。過去の累計は「今日からのカウント開始」と割り切り、必要なら概算値を初期値として設定する——この現実的な進め方が定着への近道です。

「成形条件が取れる機械でないと意味がない」と考えると、旧型機の多い工場では検討が止まります。まず信号灯センサーで可動率を測り、改善サイクルを回す。条件データは、取れる機械から段階的に——この順序で十分に成果は出ます。

不良分析を始めようとして、既存の記録が「不良数」の一括計上だったために分析できない——というケースは非常に多く見られます。IoT導入と同時に、検査記録を種別選択式に変更しておいてください。数カ月後の分析の質がまったく変わります。

導入直後は見られていたダッシュボードが、3カ月後には誰も開かなくなる——最多の失敗です。週1回15分、可動率とロスワースト3を確認し、対策を1つ決める場を業務に固定してください。

関連工程への展開——成形の前後を見る

成形機の見える化が定着したら、前後の工程へ視野を広げます。

材料の乾燥状態は品質に直結します。乾燥機の稼働状況、乾燥時間、保管環境の温湿度を記録することで、不良分析の精度が上がります。また、材料の入出庫を記録すれば、歩留まり（投入量に対する製品重量）の把握が可能になり、原価管理の精度も向上します。

印刷、塗装、溶着、組立といった二次加工がある場合、成形工程との連携が課題になります。成形の実績が自動で見えるようになると、後工程への引き渡しタイミングの調整、仕掛かり在庫の適正化が進みます。人手中心の二次加工工程では、作業実績の入力による見える化を組み合わせるとよいでしょう。

検査結果を成形実績と紐づけることで、前述の不良分析が可能になります。さらに、ロット番号による製品と材料ロット・金型・成形条件の紐づけができれば、トレーサビリティの確保につながり、顧客からの品質要求への対応力が高まります。自動車部品や医療関連の樹脂部品を扱う企業では、この点が受注条件になることもあります。

成形工場の予知保全——止まらない工場へ

可動率の改善が進んだ次のテーマとして、予知保全があります。成形工場で優先度の高い対象を挙げます。

第一に、油圧ユニットです。油圧式成形機では、ポンプやバルブの不調が生産停止に直結します。油温、圧力、モーター電流の監視が有効です。第二に、型締機構とトグル部。振動や動作時間の変化から異常を捉えられる可能性があります。第三に、周辺機器——温調機、乾燥機、チラー、コンプレッサー。特にコンプレッサーは、止まると工場全体が止まる急所であり、監視の優先度が高い設備です。

いずれも、まず稼働の見える化で改善サイクルを回し、データ基盤と運用文化ができてから着手するのが順序です。予知保全の方法論は、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。

見積・原価管理への展開

稼働とショット数のデータが揃うと、成形業でも品目別の原価把握が現実的になります。

品目ごとの実績サイクルタイム、実績不良率、段取り時間、そして材料使用量——これらが実測で分かれば、見積の前提条件と実績を突き合わせられます。「見積時はサイクル25秒、不良率1％で計算したが、実績は28秒、不良率3％」といった乖離が見えれば、価格改定の交渉材料にも、生産条件の改善目標にもなります。

特に成形業では、長期にわたって同じ品目を継続生産するケースが多く、見積作成時の前提と現在の実態がずれたまま放置されがちです。定期的に実績と見積を突き合わせる仕組みを持つことは、地味ですが利益率を守る確実な手段になります。

さらに、材料価格や電力単価の変動を実績データに掛け合わせれば、価格改定交渉の根拠資料が短時間で作成できます。原価高騰局面において、この「根拠を示せる」能力は、企業の交渉力そのものです。

推進体制のつくり方——成形工場で誰を巻き込むか

樹脂成形業のIoT導入では、巻き込むべき役割が比較的明確です。

第一に、成形技術者（成形条件を決める人）です。条件出しと不良対応の中心にいるこの人物の協力なくして、品質面の活用は進みません。「あなたの技術をデータで裏づけ、組織に残す取り組みだ」という位置づけで参画してもらうことが重要です。

第二に、段取り担当者です。最大のロスである段取りの実態を最もよく知っており、停止理由の選択肢設計や、外段取り化の実務的な工夫は、この人たちの知恵が頼りです。

第三に、金型の管理担当者（型倉庫の管理者や保全担当）です。金型へのタグ付け、メンテナンス基準の設定、履歴の記録運用は、この人が中心になります。

第四に、生産管理担当者です。稼働データが最初に炙り出すのは、しばしば計画側の課題（材料手配のタイミング、生産順序、負荷の偏り）です。データを共有し、一緒に改善する関係を最初から作っておくと、部門間の対立を避けられます。

そして経営者の役割は、目的を語ること、「人の評価には使わない」と約束すること、成果を称賛して次の投資で応えることです。この3つは、経営者にしかできません。

樹脂成形業を取り巻く環境変化

最後に、この業種が置かれている状況を整理します。

第一に、多品種少量化のさらなる進行です。顧客の在庫圧縮により、ロットは小さく、切替は頻繁になっています。段取り時間の管理が競争力を左右する時代であり、その前提となるのが実測データです。

第二に、原価高騰への対応です。樹脂材料価格、電力料金、人件費のすべてが上昇しています。歩留まりの改善、エネルギー原単位の改善、そして適正な価格転嫁——いずれも実測データが根拠になります。特に価格交渉の場では、「実績でこれだけのコストがかかっている」というデータの説得力は絶大です。

第三に、脱炭素対応です。取引先からCO2排出量の報告を求められるケースが増えています。設備別・製品別のエネルギー使用量を実測できていれば、精度の高い算定と、削減計画の提示が可能になります。稼働の見える化を電流センサー方式で行っておくことは、この要求への備えにもなります。

第四に、品質要求とトレーサビリティです。自動車部品、医療関連、食品容器といった分野では、製品と材料ロット・成形条件・金型の紐づけが求められる場面が増えています。データの記録体制は、受注条件になりつつあります。

第五に、人手不足と技能伝承です。成形条件を決められる技術者、段取りを速くこなせる作業者——これらの人材の確保は年々難しくなっています。条件と手順をデータとして残し、少ない人数で回せる工場をつくることは、待ったなしの経営課題です。

これらの環境変化は、いずれも「データを持っている工場」に有利に働きます。そして幸いなことに、樹脂成形業はIoT導入の効果が最も見えやすく、始めやすい業種のひとつです。信号灯センサー3〜5台という小さな一歩から、その効果を確かめてみてください。

本記事を読み終えた方に、費用ゼロで今週できることを提案します。まず、直近1カ月の生産日報を持って、実際の生産数と計画数を突き合わせてみてください。差があるなら、その差はどこで生まれたのか——現場の担当者に聞いてみる。おそらく、「あの日は型のトラブルで半日止まった」「材料待ちで動けなかった」といった記憶が出てくるはずです。

次に、その記憶が記録として残っているかを確認してください。残っていなければ、それが「見えていないロス」の正体です。そして、主力の金型3点について、現在の累計ショット数を答えられるか確認してみてください。答えられなければ、金型管理の必要性がその場で明らかになります。

この30分の確認作業が、自社にとってIoTが必要かどうかの、最も確実な診断になります。

導入前チェックリスト

樹脂成形業でIoT導入を検討する際の確認事項です（図8）。

▲図8：樹脂成形業のIoT導入チェックリスト

特に確認していただきたいのは、「金型の累計ショット数を型番単位で管理できているか」の項目です。この業種において、設備の見える化と同じかそれ以上に、金型の見える化が経営に効きます。

よくある質問（FAQ）

できます。信号灯センサーや電流センサーは設備メーカー・年式を問わず後付けできるため、混在環境でも1つのダッシュボードで一元管理が可能です。むしろ、メーカー純正の監視システムを機種ごとに導入すると管理が分断されるため、レトロフィット方式のほうが混在環境には適しています。

成形完了信号や取出機の動作信号を接点から取得できるかは、機種・年式によって異なります。事前に設備メーカーへ確認するか、現地調査で判断します。取得できない機械では、まず信号灯センサーによる稼働監視から始め、ショット数は既存の運用（カウンタの読み取り等）を継続する形で問題ありません。

QRコードの刻印プレートやNFCタグは、型の非機能部（側面など）に取り付けるため、成形性能への影響はありません。ただし、高温になる部分や、洗浄・メンテナンスで薬品に触れる部分は避ける必要があります。耐熱・耐薬品性のあるタグを選定し、取り付け位置は現場と相談して決めてください。

事前に顧客の了解を得ることを推奨します。多くの場合、「型の管理精度が上がり、メンテナンス状況を報告できるようになる」という説明で理解が得られます。むしろ、型の状態を定期報告できることが、顧客からの評価につながるケースもあります。

最初から全条件を取る必要はありません。優先度が高いのは、金型温度、樹脂温度、サイクルタイム、そして条件変更の履歴（誰が、いつ、何を変えたか）です。取得可能な範囲から始め、不良分析の中で「このデータがあれば」と感じた項目を追加していく——この進め方が実務的です。

工場の現状によって大きく異なりますが、原因が特定できていない不良が慢性的に発生している工場では、相関分析による原因特定で大きな改善が得られることがあります。ただし、これは数カ月のデータ蓄積を要するテーマです。確実性の高い可動率改善を土台に据え、品質改善は「上振れの可能性」として位置づけるのが健全な期待値管理です。

信号灯センサー5台・ゲートウェイ・クラウド・初期設定で初期50万〜80万円、月額1万円前後が目安です。ショット数の接点取得、金型タグ管理、温湿度センサーを加えると初期費用は+20万〜60万円程度。補助金の活用により自己負担を圧縮できる可能性もあります。

信号灯センサーによる可動率の実測です。効果が読みやすく、投資も小さく、あらゆる後続テーマ（ショット数、金型管理、品質分析、省エネ）の土台になります。3〜5台、数十万円、3カ月——この規模から始めてください。

有効です。夜間・休日の異常停止をスマートフォンへ通知する仕組みにより、無人時間帯の停止に早く気づけるようになります。少人数で24時間を回している工場では、この機能だけでも投資に見合う効果が得られることがあります。

中小製造業全体のIoT導入率は2割未満とされており（出典：総務省「令和元年版 情報通信白書」https://www.soumu.go.jp/johotsusintokei/whitepaper/index.html）、成形業でも取り組んでいる企業はまだ多数派ではありません。一方で、装置型生産という特性上、成形業はIoTの効果が出やすい業種です。今取り組むことは、先行者の優位を取りに行くことを意味します。

樹脂成形業のIoT用語ミニ辞典

・可動率（べきどうりつ）：動かしたい時間に対し正常に動いた割合。成形業の中心指標。

・OEE（設備総合効率）：時間稼働率×性能稼働率×良品率。成形業は算出しやすい。

・ショット数：成形の回数。生産数の基本単位であり、金型管理の基準にもなる。

・サイクルタイム：1ショットに要する時間。条件が決まれば安定するのが成形の特徴。

・型温待ち：型交換後、金型温度が安定するまでの待機時間。段取りロスの主要因。

・パージ：材料・色替え時に前の樹脂を押し出す作業。時間と材料の両方を消費。

・チョコ停：取り出し不良やスプルー詰まり等による数分の停止。センサーでのみ捕捉可能。

・エネルギー原単位：生産量あたりのエネルギー使用量。省エネとCO2対応の基本指標。

・NFCタグ／QRコード：金型の個体識別に使用。段取り時の読み取りでショット数を自動累計。

・トレーサビリティ：製品と材料ロット・金型・成形条件の紐づけ。品質要求への対応力。

まとめ——成形業はIoTの効果が最も見えやすい業種

本記事の要点を整理します。

・成形業はサイクルが安定した装置型生産のため、停止時間が生産数と金額の損失に直結し、改善効果が明快に測れる

・実測すると、日報上の稼働率と実際の可動率には10〜20ポイントのギャップがあることが多い

・最大のロスは金型段取り（型温待ち・条件出しを含む）。外段取り化と条件の資産化が打ち手

・成形業に固有の重要テーマが金型管理。QR／NFCタグで累計ショット数を自動管理し、計画メンテナンスへ

・不良低減には、条件・環境・材料ロット・金型と検査結果の紐づけが有効。前提は不良の種別記録

・電流センサー方式なら、稼働の見える化と省エネ・CO2対応が一石二鳥で実現できる

・信号灯センサー3〜5台、数十万円、3カ月から始められ、初年度内の投資回収が視野に入る

成形機という高額な資産を、どれだけ動かし続けられるか。金型という第二の設備を、どれだけ健全に保てるか。そして、条件と品質の関係を、どれだけ再現性のある知識にできるか——樹脂成形業の競争力を左右するこれらの問いに、データは明確な答えを与えてくれます。

船井総合研究所では、中堅・中小の樹脂成形業に特化した「工場の小規模DX」コンサルティングとして、可動率の実測から段取り改善、金型管理の仕組みづくり、不良分析、省エネまで一貫して伴走支援しています。「うち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。

なお、金型を自社製造されている企業、金型メーカーとの連携を深めたい企業は業種別記事「金型製造業のIoT・DX活用ガイド」を、切削加工を併営されている企業は「機械加工業のIoT活用ガイド」もあわせてご覧ください。

▼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

本記事は射出成形を中心に述べてきましたが、他の成形工法でも考え方の骨格は共通です。ブロー成形では、パリソンの状態管理と型の切替が着目点になります。押出成形では連続運転が基本のため、可動率よりも「安定して規格内の製品を出せている時間」と、切替・立ち上げのロスが指標になります。インサート成形や複合工程では、人の作業時間の比重が高いため、作業実績の入力による見える化を組み合わせる設計が有効です。

いずれの工法でも、「止まっている時間の中身を分解して測る」「生産数を自動で捉える」「型を個体として管理する」という3つの原則は変わりません。自社の工法に合わせて、測る対象と方法を調整してください。

成形工法の違いは、測るべき指標の違いとして現れます。逆に言えば、指標さえ正しく設計できれば、センサーやツールは同じもので対応できるということでもあります。自社の工法に合った指標設計から始めてください。