電子部品・基板実装業のIoT活用ガイド｜SMTラインの見える化｜製造業・工場DX経営オンライン

電子部品・基板実装業のIoT活用ガイド——SMTラインのチョコ停削減・段取り改善・検査データの活用

■SEO設計メモ（公開時に削除）

・メインKW：基板実装 IoT

・サブKW：SMT 稼働率／実装機 チョコ停／EMS 生産管理／AOI データ活用／基板 トレーサビリティ

・titleタグ案：電子部品・基板実装業のIoT活用ガイド｜SMTラインの見える化｜製造業・工場DX経営オンライン

・meta description案：電子部品・基板実装業（EMS）に特化した工場IoTの活用法を解説。SMTラインのチョコ停をパレート分析で削減、段取り時間の分解計測、AOI・X線の検査データを判定から改善へ、部品ロットのトレーサビリティまで、実装工場を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：プリント基板実装（SMT）・電子機器組立を営む中堅・中小のEMS・製造業の経営者・工場長

・内部リンク：ピラー記事／子記事⑤見える化／⑨進め方／⑩センサー選び／③費用／業種別：自動車部品・医療機器医薬品

「実装機は高速で動いているのに、1日の生産数が計画に届かない」——基板実装の現場で、よく聞く悩みです。

原因の多くは、チョコ停にあります。部品の吸着ミス、認識エラー、部品切れ、基板の詰まり——1回あたり10秒から60秒程度の停止が、1日に数百回発生する。個々は小さいため問題視されませんが、積算すれば1日に1〜2時間、あるいはそれ以上のロスになります。

そして、この停止は人の目では追えません。高速で動く実装機の前で、いつ、どこで、何回止まったかを記録し続けることは不可能です。

しかし、朗報があります。多くの実装機と検査装置は、すでにこれらのデータを持っているのです。エラーログ、稼働記録、検査結果——これらを取り出して分析するだけで、改善の的は驚くほど明確になります。

新たにセンサーを設置するより、既存データを活用する——これが、電子部品・基板実装業のIoT活用における最大の特徴です。

本記事では、中堅・中小のEMS・実装企業を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。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。

電子部品・基板実装業の構造的特徴——なぜIoTが効くのか

この業種が抱える構造を整理します（図1）。

▲図1：電子部品・基板実装業の構造的特徴とIoTの効きどころ

表面実装（SMT）ラインは、1時間に数万点の部品を実装します。この高速性ゆえに、わずかな停止が生産数に大きく影響します。

そして、この速度は人の認知能力を超えています。「今、部品の吸着に失敗した」「いま基板が詰まった」——これらを目視で記録し続けることは不可能です。

だからこそ、データによる記録が必要になります。そして幸いなことに、実装機はこれらのイベントを内部で記録していることが多いのです。

EMSビジネスは、多品種少量の受託生産が中心です。1つの機種を数百台、あるいは数十台——という生産が日常的にあります。

ロットが小さくなれば、段取り替えの比率が高まります。フィーダーの交換、部品のセット、プログラムの切替、そして初品の確認——これらの時間が、生産性を大きく左右します。

1枚の基板に、数百点、時には千点を超える部品が実装されます。この部品の管理が、実装業の大きな課題です。

部品切れによる停止、欠品による生産中断、そして在庫と実消費の乖離——。部品の消費実績を正確に把握することが、供給の最適化につながります。

AOI（自動外観検査）、X線検査、ICT（インサーキットテスト）、ファンクションテスト——実装工程では、多段階の検査が行われます。

これらの装置は、大量の検査データを生成します。しかし多くの工場で、このデータは「合否の判定」にのみ使われ、蓄積・分析されていません。

検査データには、実装工程の状態が反映されています。「どの位置で、どんな不良が、どの頻度で発生しているか」——この情報を工程にフィードバックすれば、不良の発生自体を減らせます。

車載、産業機器、医療機器——これらの分野向けの基板では、トレーサビリティの要求が厳格です。「この基板は、いつ、どの装置で、どの部品ロットを使って作られたか」を追跡できることが求められます。

実装機と検査装置のデータ、そして部品ロットの情報を紐づけることで、この要求に応えられます。

SMTラインのロス構造

ロスを6つに分類して整理します（図2）。

▲図2：SMTラインのロス構造

フィーダーの交換、部品のセット、プログラムの切替、そして初品の確認——多品種少量化が進む実装業では、このロスの比率が高まっています。

対策の柱は外段取り化です。次の品種で使うフィーダーを事前に準備しておく、部品をセットしたフィーダーカートを用意しておく——これにより、機械を止める時間を大幅に短縮できます。

実装業における最大のロスです。部品の吸着ミス、画像認識のエラー、部品切れ、基板の搬送不良——。詳細は次章で述べます。

実装不良、はんだ不良、極性ミス、部品の欠品——これらは手直し工数と、場合によっては基板の廃棄につながります。

検査データの分析により、発生の傾向を把握し、予防的な対策を打つことが可能です。

印刷機、実装機、リフロー炉、検査装置——これらが連なるラインでは、各工程の速度差により待ちが発生します。

特に、複数の実装機を並べる構成では、機械ごとの負荷配分（どの部品をどの機械で実装するか）が生産性を左右します。実績データにより、この配分の最適化が可能になります。

はんだペーストの管理（使用期限、攪拌、温度）、部品の準備待ち——これらも生産を止める要因です。

次に何を生産するか決まらない、部品が揃わない——これらは生産管理側の課題です。実測して数字で示すことで、工場全体の課題として議論できるようになります。

チョコ停の可視化——実装ラインの最大の伸びしろ

実装業のIoT活用において、最も効果の大きいテーマです（図3）。

▲図3：チョコ停の可視化

まず、チョコ停の実態を数字で把握します。1日あたりの発生回数、累計の停止時間、そして発生の内訳——。

実装機のエラーログを取得できれば、これらは自動的に記録されています。ログを収集し、集計するだけで、実態が見えます。

多くの工場で、この数字は想像を超えます。「1日に300回、累計1時間半」——こうした結果が出ることも珍しくありません。

チョコ停の特徴は、原因が特定の箇所に集中していることです。特定のフィーダー、特定のヘッド、特定の部品——。

エラーログには、発生した装置、ヘッド番号、フィーダー位置、部品番号といった情報が含まれていることがあります。これを集計してパレート分析を行えば、ワーストの箇所が特定できます。

そして多くの場合、上位数箇所で全体の半分以上を占めます。つまり、少数の箇所に対策を集中させれば、大きな改善が得られるということです。

特定のフィーダーで吸着ミスが多発しているなら、そのフィーダーの整備または交換。特定のヘッドで問題があるなら、ノズルの清掃・交換。特定の部品で認識エラーが多いなら、認識条件の見直しや部品テープの品質確認——。

対策は、原因によって異なります。しかし、原因が特定できていれば、対策は具体的になります。

チョコ停が半減すれば、1日45分の生産時間が回復します。年間では200時間近く——実装機1台の年間稼働時間の相当な割合に当たります。

そして、この改善に必要なのは新しい設備ではありません。既存のデータを取り出し、分析し、対策を打つ——それだけです。

構造的特徴を踏まえ、この業種がIoTから得られる価値を整理します。

第一に、生産能力の回復です。チョコ停の削減と段取りの効率化により、高額なSMTラインを増設せずに生産量を増やせます。

第二に、品質の向上です。検査データを工程にフィードバックすることで、不良の発生自体を減らせます。手直し工数の削減と、流出リスクの低減という二重の効果があります。

第三に、高信頼性分野への展開力です。トレーサビリティの整備は、車載・医療・産業機器といった高付加価値分野への参入条件になります。

これら3つのうち、特に注目すべきは第三です。EMSビジネスにおいて、どの分野の仕事を受注できるかは、技術力だけでなく管理体制によっても決まります。データ整備は、事業領域を広げる投資でもあるのです。

本記事で繰り返し述べているとおり、実装業には他業種にない優位性があります。設備がすでにデータを持っているという点です。

多くの業種では、IoT導入の第一歩はセンサーの設置です。機器を選定し、購入し、設置し、調整する——この工程に時間と費用がかかります。

一方、実装業では、実装機と検査装置がすでに詳細なデータを記録しています。必要なのは、そのデータを取り出し、集計し、分析する仕組みです。

この違いは、導入のハードルを大きく下げます。「センサーを付ける」という物理的な作業なしに、データ活用を始められるのです。

もちろん、設備の年式やメーカーによって、出力できるデータの範囲は異なります。しかし、まず確認してみる価値は極めて高いと言えます。

実装業のIoT導入における最初のアクションは、設備の棚卸しです。

保有する実装機、印刷機、リフロー炉、検査装置——それぞれについて、メーカー、機種、年式、そして「データ出力の可否と範囲」を一覧にします。

この作業により、「何が測れて、何が測れないか」が明確になります。そして、測れるものから始めればよいのです。

すべての設備が対応していなくても構いません。主力ラインの実装機だけでもデータが取れれば、チョコ停分析は始められます。完璧を目指して着手が遅れるより、取れる範囲で始めるほうが確実に前進します。

検査データの活用——判定から改善へ

実装業に固有の、大きな可能性を持つテーマです（図4）。

▲図4：検査データの活用

AOI、X線検査装置、ICT——これらの装置は、検査のたびに詳細なデータを生成しています。どの位置の、どの部品に、どんな不良があったか——。

しかし多くの工場で、このデータは合否の判定に使われた後、蓄積されずに失われています。あるいは装置内に蓄積されていても、分析されることなく上書きされていきます。

検査データを蓄積し、分析すると、次のような傾向が見えてきます。

不良の発生位置の偏り——基板上の特定の位置、特定のヘッドが実装した部品、特定のフィーダーから供給された部品で不良が集中していないか。この偏りは、実装工程の問題を示唆します。

部品種別ごとの傾向——特定の部品形状、特定のメーカーの部品で不良が多くないか。部品の選定や、実装条件の見直しにつながります。

時系列での変化——不良率が徐々に上昇していないか。設備の劣化や、条件のドリフトを示唆する可能性があります。

リフロー条件との相関——はんだ不良と温度プロファイルの関係。条件の最適化につながります。

これらの分析結果を実装工程にフィードバックすることで、不良の発生自体を減らせます。

「検査で見つけて手直しする」から「そもそも不良を出さない」へ——この転換が、検査データ活用の目指すところです。手直し工数の削減、そして流出リスクの低減という、二重の効果があります。

この活用には、検査装置からデータを取り出せることが前提になります。装置のメーカーや年式によって、データ出力の可否と形式が異なるため、事前の確認が必要です。

近年の装置は、標準的な形式でのデータ出力に対応しているものが増えています。まず自社の装置が何を出力できるかを確認することから始めてください。

KPI設計——電子部品・基板実装業は何を測るべきか

指標の体系を整理します（図5）。

▲図5：電子部品・基板実装業のKPI設計

SMTラインは高額な設備です。この資産をどれだけ活かせているかを示す指標が、経営的には直感的です。人時生産性を併用することで、人の観点も加えられます。

管理指標の中心は、ラインのOEE（設備総合効率）です。個別の実装機ではなく、ライン全体としての効率を追うことが重要です。

もうひとつの重要指標が、直行率です。手直しなしで最終検査を通過した基板の割合を示します。この指標は、工程の品質実力を端的に表します。

これに、チョコ停の回数と時間、段取り時間（品種別）、実装不良率（PPM）を加えると、KPIセットとしては十分です。

現場が日々意識する指標としては、吸着ミス率（ヘッド別）、部品切れの発生回数、外段取り実施率、初品確認の所要時間、手直し工数——といったものを設定します。

データの取り方——実装工場での方式選定

何を、どう測るか。実務的な選択肢を整理します（図6）。

▲図6：実装工場のデータ取得方式

実装業の特徴は、設備がすでにデータを持っていることです。実装機の稼働記録とエラーログ、検査装置の検査結果、印刷機の条件データ——。

新たにセンサーを設置する前に、まず既存設備が何を出力できるかを確認してください。設備メーカーへの問い合わせ、あるいは取扱説明書の確認から始めます。

多くの場合、データ出力の機能はあるものの、活用されていない——というのが実情です。

近年の実装機は、稼働状況とエラー情報を出力できるものが多くあります。この機能があれば、センサーの追加なしに詳細なデータが取得できます。

出力機能がない旧型機については、信号灯センサーによる稼働監視で補完します（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）。

AOI・X線検査装置からのデータ出力です。装置によって形式は異なりますが、多くはCSVやデータベース形式での出力に対応しています。

実装機のプログラム切替の記録から把握できる場合もありますが、フィーダーの準備など機械の外での作業は、人による記録が必要です。タブレットでの選択式入力を組み合わせます。

はんだペーストの管理、静電気対策の観点から、作業エリアの温湿度は重要な管理項目です。温湿度センサーによる連続記録により、環境と品質の関係も分析できるようになります。

導入ステップ——電子部品・基板実装業の標準3カ月モデル

進め方を時系列で整理します（図7）。

▲図7：導入ステップ

実装機、検査装置、印刷機——これらが出力できるデータの範囲を確認し、収集を開始します。この段階では、新たな投資はほとんど不要です。

エラーログのパレート分析により、ワーストの発生箇所を特定し、重点対策を実施します。実装業で最も効果の大きいステップです。

段取り時間の分解計測と外段取り化、そして検査データの傾向分析と工程へのフィードバックを進めます。

部品ロットと製品の紐づけ、製品別採算の把握へと展開します。

導入プロジェクト全般の進め方は、子記事「工場IoT導入の進め方」で体系化しています。

KPIを設計したら、それを見る場を決めます。実装業では、朝礼での前日実績の共有（ラインOEE、チョコ停回数、直行率）と、週次15分のレビュー（パレート分析の確認、対策の決定と効果検証）が実務的です。

特に効果的なのが、週次でのチョコ停パレート図の確認です。「先週のワーストはフィーダー12番、次が3番」——この事実が毎週共有されることで、保全の優先順位が明確になり、改善が着実に進みます。

そして、対策を実施したら、翌週のデータで効果を検証する。この短いサイクルが、実装業の改善速度を高めます。

実装業でのデータ活用には、いくつかの選択肢があります。

第一に、設備メーカーが提供する生産管理システムです。自社設備との連携が確実で、詳細なデータが取得できる一方、他メーカーの設備との統合には制約があります。

第二に、複数メーカーの設備に対応した汎用の生産管理システムです。統合性に優れますが、機種によって取得できるデータの範囲が異なります。

第三に、自社での簡易な収集・分析です。設備が出力するログファイルを収集し、表計算ソフトやBIツールで分析する——初期投資が最も小さい方法です。

どれが最適かは、設備構成と目的によります。まず第三の方法で効果を確認し、必要に応じて本格的なシステムへ移行する——という段階論も、十分に合理的な選択です。

実装機は膨大なデータを生成します。すべてを長期保存しようとすると、システムの負荷とコストが増大します。

日常の改善に使うデータ（日次・週次の集計）と、トレーサビリティのために保存するデータ（製造履歴）を区別し、それぞれに適した粒度と保存期間を設計してください。

トレーサビリティの保存期間については、顧客要求や業界の慣行に従う必要があります。要求内容を確認したうえで設計してください。

なお、KPIの数は絞ってください。実装業では管理したい項目が多岐にわたりますが、全社で追う指標は「ラインOEE」「チョコ停時間」「直行率」の3つ程度で十分です。この3つが改善すれば、収益は自然に良くなります。

実装機や検査装置をネットワークに接続する際は、セキュリティへの配慮が必要です。

これらの設備は制御系に属し、生産に直結します。事務系ネットワークと分離する、必要最小限の通信に限定する、機器の認証を適切に管理する——といった基本的な対策を講じてください。

また、顧客の設計データや製造情報を扱うため、情報漏洩への対策も重要です。特に、車載や医療分野の顧客からは、情報管理体制についての要求がある場合があります。

セキュリティに関する一般的な考え方は、子記事「工場IoTのセキュリティ対策」で解説しています。

後工程（挿入・組立・検査）への展開

SMT以降の工程も、実装業の生産性を左右します。

自動挿入機で対応できない部品、コネクタや大型部品は、手作業で挿入されます。この工程は人手中心であり、SMTのような自動記録は困難です。

作業実績の入力による工数把握、そして作業手順の標準化が中心テーマになります。特に、多品種を扱う場合は、品種ごとの作業時間の把握が原価管理の基礎になります。

基板を筐体に組み込み、配線し、完成品にする工程です。ここも人手の比重が高く、作業実績の記録による工数把握が重要です。

工程間の仕掛かり、部品の揃い待ち——これらの滞留も、記録により可視化できます。

ファンクションテスト、エージング、そして最終検査——これらの工程では、検査時間そのものが長くなることがあります。エージングのような時間を要する工程は、設備の稼働計画が生産のボトルネックになり得ます。

検査設備の稼働状況を把握することで、能力の実態と、必要な設備数の判断材料が得られます。

SMT、挿入、組立、検査——これらの工程を通した進捗管理が、納期対応力を決めます。作業指示書のQRコードによる工程通過記録が、この可視化の基本手法です。

「いまこのロットが、どの工程にあり、何日そこにいるか」——この情報が見えれば、納期の見込みが立ち、遅延の兆候も早期に把握できます。

部品管理と調達リスク

電子部品の調達は、この業種の最重要課題のひとつです。

部品の消費実績を正確に把握することが、調達計画の基礎になります。実装機のデータから、「どの部品が、どれだけ使われたか」が自動的に記録できれば、在庫管理の精度が上がります。

そして、理論消費（BOM上の必要数）と実消費の差——つまり部品のロス——も把握できます。この差が大きい部品があれば、実装時の廃棄や、テープの残り分の管理に改善余地があるということです。

部品を持ちすぎれば資金が固定され、陳腐化のリスクもあります。足りなければ生産が止まります。このバランスは、消費実績のデータなしには最適化できません。

特に、長納期部品や供給が不安定な部品については、消費ペースと在庫水準を継続的に監視することが重要です。

部品の供給不足時には、代替品への切替が必要になります。この際、どの製品にどの部品が使われているかが即座に分かることが、対応のスピードを左右します。

部品と製品の対応関係が整理されていれば、代替検討の範囲が瞬時に特定できます。この情報整備は、供給リスクへの備えでもあります。

企業規模別のアプローチ

経営者や工場長が全体を把握している規模です。まず実装機のエラーログ分析から始め、チョコ停の削減に集中するのが効果的です。この規模では、分析も表計算ソフトで十分に実用的です。

ライン間の比較分析が可能になる規模です。「なぜこのラインは効率が良いのか」を分析し、良い実践を横展開できます。段取り時間の管理、検査データの活用も、この規模から本格化します。

拠点・ライン間の標準化と、全社的な指標管理が主要テーマになります。設備メーカーが異なる場合のデータ統合も課題になりますが、まずは共通で取得できる基本指標（稼働率、生産数、不良率）から統一するのが現実的です。

国内EMSの競争力とデータ

最後に、この業種が置かれた競争環境について述べます。

海外のEMSとの価格競争は、国内企業にとって長年の課題です。この環境で選ばれ続けるには、価格以外の価値を提供する必要があります。

短納期対応、小ロット対応、品質の安定性、技術的な提案力、そしてトレーサビリティ——これらはいずれも、国内EMSが優位に立てる領域です。

そして重要なのは、これらの価値を「数字で示せるか」です。「うちは品質が良い」ではなく「直行率◯％、不良率◯PPM」——この違いが、選定における説得力を決めます。

車載、医療、産業機器、インフラ——高信頼性が求められる分野は、参入障壁が高い一方、単価も高く安定した需要が見込めます。

これらの分野への参入条件は、技術力だけではありません。トレーサビリティ、変更管理、記録の体制——管理面の要求に応えられることが前提です。

データ整備は、この参入条件を満たすための投資でもあります。「工場の効率化」という枠を超えた、事業領域の拡大という視点で捉えることが重要です。

蓄積したデータは、顧客への提案材料にもなります。「この設計だと実装に時間がかかる」「この部品は不良率が高い」——実績に基づく提案は、単なる受託を超えたパートナーシップにつながります。

DFM（製造性を考慮した設計）の提案ができるEMSは、顧客にとって代替の効かない存在になります。そして、その提案の根拠になるのが、日々蓄積される製造データです。

実装業における予知保全

設備の突発停止は、納期に直結します。予知保全の観点も整理しておきます。

実装機のヘッド・ノズル、フィーダー、搬送機構、そしてリフロー炉の加熱系——これらは劣化が進行する部位であり、突発的な不調が生産を止めます。

特にリフロー炉は、ラインの中核であり、代替が効きません。加熱系の状態監視は優先度が高いと言えます。

実装業では、予知保全のための新たなセンサーを追加する前に、チョコ停データの活用が有効です。

特定のフィーダーやヘッドでエラーが増加傾向にあれば、それは劣化のサインです。エラー発生率の推移を監視することで、部品交換のタイミングを判断できます。

つまり、チョコ停データは生産性の指標であると同時に、設備の健康状態を示す指標でもあるのです。

ノズルの清掃、フィーダーの点検、印刷機のスキージ交換——これらのメンテナンス周期を、時間基準から状態基準へ移行できれば、過剰な保全と保全不足の両方を避けられます。

エラー発生率と、メンテナンス実施の記録を紐づけることで、「どの周期が最適か」が実績に基づいて判断できます。予知保全の一般的な方法論は、子記事「IoTで実現する予知保全入門」で解説しています。

生産計画と負荷平準化

複数ラインを運用する実装企業では、生産計画の質が生産性を左右します。

どの製品を、どのラインで生産するか——この割付は、段取り回数と生産効率に直接影響します。

同じフィーダー構成を使える製品をまとめて同じラインに割り付ければ、段取り時間は削減できます。実績データにより、「どの製品の組み合わせなら段取りが少なくて済むか」が分かれば、計画の精度が上がります。

ラインごとの負荷が偏っていれば、一方は残業、他方は手待ちという事態が生じます。各ラインの負荷状況を可視化することで、この偏りを是正できます。

そして、実績に基づく標準時間があれば、「この受注をこのラインに入れると、いつ完成するか」の見込みが立てられます。納期回答の精度も向上します。

生産能力の実態が把握できれば、「この納期で受けられるか」の判断が根拠を持ちます。無理な受注による混乱と、過度に保守的な回答による機会損失——この両方を減らせます。

EMSビジネスでは、受注のタイミングと量が読みにくいという特性があります。だからこそ、自社の能力を正確に把握しておくことの価値が大きくなります。

生産計画の精度を高めるには、受注情報と製造実績が連携していることが理想です。「この受注は、どのラインで、いつからいつまで生産する」という計画と、実際の進捗を突き合わせる——。

最初から完全な統合システムを目指す必要はありません。まず製造側の実績を正確に把握し、それを計画に反映していく——この片方向の連携からでも、十分な効果が得られます。

そして、製造実績の精度が上がれば、計画の精度も自然に上がります。標準時間が実績に基づいたものになるからです。

製品別原価管理と見積精度

実績データが揃うと、実装業でも製品別の原価管理が現実的になります。

受託生産である実装業の原価は、部品費、基板費、実装加工費（設備稼働時間×時間単価）、段取り費、検査工数、そして手直し工数で構成されます。

このうち、実装加工費と段取り費の配賦が難しい項目です。複数の製品が同じラインを流れ、段取りを挟みながら生産される構造では、製品ごとの正確な配賦が困難だからです。

実装機の稼働データと生産実績を紐づけることで、「この製品の生産に、ラインが何時間稼働したか」が分かります。段取り記録があれば、段取りコストの配賦も可能になります。

特に重要なのが、小ロット品の採算です。段取り時間が固定的に発生するため、ロットが小さいほど1枚あたりの段取り費は大きくなります。

「このロットサイズ以下では採算が取れない」という基準を実績データから設定できれば、受注判断と価格設定が根拠を持ちます。

EMSでは顧客からの小ロット要求が増えていますが、その採算を把握していなければ、受注が増えるほど利益が減るという事態も起こり得ます。

新規案件の見積において、実績データは強力な根拠になります。「同程度の部品点数、同程度のロットサイズの案件では、実績でこれだけの工数」——この参照ができれば、見積の精度は大きく向上します。

そして、見積と実績の乖離を継続的に検証することで、見積基準そのものが改善されていきます。

実装業において見落とされがちなのが、手直し工数です。不良の修正、部品の交換、再検査——これらの工数が記録されていなければ、製品別の真の原価は見えません。

手直しを「本工程」と区別して記録することで、どの製品で、どれだけの追加工数が発生しているかが明らかになります。

品質管理と信頼性

高信頼性が求められる分野への展開において、品質管理体制は重要な要素です。

はんだ印刷の厚み、実装位置の精度、リフローの温度プロファイル——これらの工程能力を継続的に監視することで、品質の安定性が確保できます。

規格内であっても、傾向が変化していれば早期に手を打つ——この予防的な管理が、高信頼性分野で求められる水準です。

電子部品は静電気に弱く、ESD（静電気放電）対策は品質保証の重要な要素です。作業エリアの湿度管理、除電設備の稼働状況——これらを記録することで、対策が適切に機能していることを示せます。

湿度が低下する冬季は、特に注意が必要な時期です。温湿度の連続記録により、リスクの高い期間が把握でき、対策の強化タイミングも明確になります。

部品の変更、条件の変更、設備の変更、作業者の変更——これらの変化点を記録することは、高信頼性分野では必須の要件です。

品質異常が発生した際、「その前後に何が変わったか」を即座に確認できることが、原因究明のスピードを決めます。

人材確保と技能

実装業も、人材面の課題を抱えています。

実装機の操作、段取り、トラブル対応——これらの技能は経験によって培われます。段取り時間や対応時間のデータから、育成の進捗を把握し、重点的な指導の対象を特定できます。

また、トラブル対応の記録を蓄積することで、「この症状にはこう対処する」という知識が組織に残ります。

目視検査に依存している工程では、要員の確保と負担が課題になります。AOIの活用範囲を広げる、検査データの分析により重点検査箇所を絞る——これらの取り組みが、負担の軽減につながります。

実装、挿入、組立、検査——これらを横断して対応できる人材が増えれば、生産の柔軟性が高まります。作業実績のデータから、各人の経験範囲を把握し、計画的に多能工化を進められます。

自動化・省人化への展開

人手不足を背景に、自動化投資を検討する実装企業も増えています。

実装業では、SMT工程はすでに自動化されています。人手が集中するのは、その前後——部品の準備、基板の投入、挿入実装、組立、検査、そして梱包です。

作業実績のデータから、「どの工程に、どれだけの人手がかかっているか」を把握することで、自動化の優先順位が定まります。

目視検査に多くの人員を割いている場合、AOIの活用範囲拡大や、AI外観検査の導入が選択肢になります。

判断にあたっては、現在の検査工数、検出精度、そして見逃しによる損失を把握することが前提です。「人が見なければならない項目」と「機械で代替できる項目」を切り分けることで、投資対効果の見積が現実的になります。

基板の搬送、フィーダーの準備、部品の供給——これらの自動化も選択肢です。ただし、投資額に対して削減できる工数を正確に見積もる必要があります。

そして、自動化の前に段取りやレイアウトの改善で対応できないかを検証すべきです。データがあれば、この比較検討も定量的に行えます。

自動化投資を実行した後も、効果の検証は重要です。導入前後で、対象工程の工数、処理量、品質がどう変わったか——この検証が、次の投資判断の精度を高めます。

設計・調達との連携

実装業のデータは、製造部門にとどまらず、設計や調達との連携にも活用できます。

製造データからは、「どの設計が作りやすく、どの設計が作りにくいか」が見えてきます。部品配置の密度、部品種の多さ、特殊形状の部品の使用——これらと実装工数・不良率の関係を分析すれば、設計への提案が可能になります。

受託生産であっても、顧客に対して「この部品を標準品に変更すれば、コストと不良率が下がります」といった提案ができれば、単なる下請けを超えたパートナーになれます。

部品種別ごとの不良率、実装しやすさ——これらのデータは、部品選定の材料になります。「この形状の部品は吸着ミスが多い」という実績があれば、代替品の検討につながります。

部品の消費実績データは、調達計画の基礎になります。理論値ではなく実績に基づく発注により、在庫の適正化と欠品の防止が両立できます。

供給リスクの高い部品については、消費ペースの監視により、在庫が枯渇する時期を予測し、早期の手配や代替検討につなげられます。

まとめに代えて——実装業のデータ活用が持つ二面性

本記事の各章で述べてきたことを、改めて整理します。

実装業のデータ活用には、二つの面があります。ひとつは、日々の生産性改善——チョコ停の削減、段取りの効率化、不良の低減。これは、既存事業の収益を高める取り組みです。

もうひとつは、事業領域の拡大——トレーサビリティの整備、品質管理体制の強化、そして顧客への提案力。これは、より高付加価値な分野へ展開するための基盤づくりです。

前者は短期的な効果、後者は中長期的な効果をもたらします。そして、両者は同じデータ基盤の上に成り立ちます。

まず前者から着手し、効果を確認しながら後者へ発展させる——この順序が、投資リスクを抑えつつ、着実に競争力を高める道筋になります。

電子部品・基板実装業の実践事例

守秘義務に配慮して一般化した事例をご紹介します。

「実装機は動いているのに生産数が上がらない」という課題を抱えていたEMS企業。実装機のエラーログを収集・分析したところ、1日あたり平均300回超のチョコ停が発生し、累計で1日1時間半に達していることが判明しました。

パレート分析の結果、停止の約4割が特定の3つのフィーダーに集中していることが分かりました。さらに、そのうち2つは同じ部品種を扱っており、部品テープの品質に問題がある可能性が示唆されました。

対策として、該当フィーダーの整備と交換、そして部品メーカーへのテープ品質の申し入れを実施。チョコ停は大幅に減少し、1日の生産数が向上しました。

新たな設備投資はゼロ。既存のログを取り出して分析しただけで、この成果が得られています。

特定の部品で実装不良が慢性的に発生していた企業の事例です。手直しで対応していたものの、原因は特定できていませんでした。

AOIの検査データを蓄積し、不良の発生位置を分析したところ、基板上の特定のエリアに不良が集中していることが判明。さらに、そのエリアは特定の実装ヘッドが担当している箇所でした。

ヘッドの点検により、ノズルの摩耗が確認され、交換を実施。あわせて、ノズルの点検・交換周期を実績に基づいて見直しました。当該不良は大幅に減少し、手直し工数も削減されています。

「検査で見つけて直す」から「発生源を特定して減らす」への転換を示す事例です。

小ロット化により段取り回数が増加し、生産性が低下していた企業の事例です。段取り時間は「だいたい40分」という認識でした。

工程を分解して実測したところ、フィーダーの交換自体は12分である一方、部品の準備とセットに18分、プログラムの切替と初品確認に10分——という内訳が明らかになりました。

対策として、フィーダーカートを追加購入し、次の品種の部品を事前にセットしておく運用に変更（外段取り化）。あわせて、初品確認の判定基準と担当を明確化しました。

機械を止める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生産量を維持できるようになりました。

車載向け基板の受注拡大に伴い、トレーサビリティの要求に応える必要が生じた企業の事例です。

部品の受入時にロット情報を記録し、フィーダーへのセット時に読み取ることで、「どの部品ロットが、どの基板に実装されたか」を自動的に記録する仕組みを構築。実装機の稼働データ、検査結果とあわせて、基板単位の製造履歴が追跡可能になりました。

この体制により、車載分野での受注が拡大。トレーサビリティの整備が、営業面での競争力にもなった事例です。

投資対効果の試算——電子部品・基板実装業の場合

導入判断のための試算例を示します。SMTライン2本、従業員60名規模の企業を想定します。

効果の第一は、チョコ停の削減です。1日1時間半のロスが半減すれば、1日45分、年250日で約190時間の生産時間が回復します。ライン1時間あたりの付加価値が3万円なら、年間570万円相当です。

第二は、段取り時間の短縮です。1回20分の短縮、月60回の段取りなら月20時間、年間240時間の回復です。

第三は、不良と手直しの削減です。直行率が向上すれば、手直し工数と材料損失が減ります。

第四は、実績報告の自動化による工数削減です。

一方の費用は、既存データの収集・分析システムで初期50万〜150万円（設備の対応状況による）、月額1万〜3万円程度。信号灯センサーの追加が必要な場合は+20万〜40万円。

チョコ停の削減だけでも投資額を大きく上回る効果が見込める構造です。費用の詳細は、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。

電子部品・基板実装業でよくある失敗と回避策

実装業では、設備がすでにデータを持っていることが多いにもかかわらず、新たなセンサーの導入から検討を始めてしまうケースがあります。まず「自社の設備は何を出力できるか」を確認してください。

エラーログを収集しても、パレート分析を行わなければ意味がありません。「どこで、何回、なぜ止まっているか」を集計し、上位から対策する——この運用まで設計してください。

AOI・X線のデータは、工程改善の宝庫です。合否判定だけで終わらせるのは、極めてもったいない使い方です。蓄積し、傾向を分析し、工程にフィードバックする仕組みを作ってください。

複数メーカーの設備が混在する工場では、データ形式の違いが統合の障壁になります。しかし、完全な統合を最初から目指す必要はありません。まず1台、1ラインから始め、効果を確認してから統合を検討する——この順序が現実的です。

高速で動く実装機では、小さな停止が日常的に発生します。それが当たり前になっていると、ロスとして認識されません。積算した数字を見れば、改善の必要性は明らかになります。

電子部品・基板実装業を取り巻く環境変化

第一に、部品供給の不安定化です。半導体をはじめとする部品の調達リスクは、この業種の最大の経営課題のひとつです。部品の消費実績と在庫の正確な把握が、対応力を左右します。

第二に、多品種少量・短納期化のさらなる進行です。段取りの効率化が、競争力を直接左右します。

第三に、品質・トレーサビリティ要求の高度化です。車載、医療、産業機器——高信頼性が求められる分野への展開には、記録体制の整備が前提になります。

第四に、人手不足です。実装技術者、検査要員、そして生産管理——いずれも確保が難しくなっています。自動化と省人化が急務です。

第五に、国内回帰の動きです。サプライチェーンの再構築により、国内生産の価値が見直されています。この機会を活かすには、品質と納期の確実性を数字で示せる体制が必要です。

導入前チェックリスト

電子部品・基板実装業でIoT導入を検討する際の確認事項です（図8）。

▲図8：電子部品・基板実装業のIoT導入チェックリスト

よくある質問（FAQ）

実装機と検査装置が出力できるデータの確認です。多くの場合、すでに詳細なデータが記録されており、それを取り出して分析するだけで大きな改善が得られます。新規投資の前に、既存資産の確認から始めてください。

機種によります。データ出力機能がない場合は、信号灯センサーによる稼働監視で稼働・停止の把握は可能です。エラーの詳細までは取得できませんが、「どれだけ止まっているか」は分かります。

データ形式が異なるため、統合には変換が必要です。近年は標準的なデータ形式への対応も進んでいますが、機種によって状況は異なります。まず1ラインから始め、効果を確認してから統合を検討する進め方が現実的です。

高度な分析は必要ありません。「不良の発生位置」「部品種別」「時系列の推移」——この3つの切り口で集計するだけで、多くの示唆が得られます。表計算ソフトでも十分に始められます。

既存データの活用が中心であれば、収集・分析システムで初期50万〜150万円、月額1万〜3万円が目安です。設備の対応状況によって幅があるため、まず現状確認から始めてください。

チョコ停の実態把握は、データ収集開始から数週間で可能です。パレート分析による対策の効果は1〜3カ月で現れます。検査データの分析による品質改善は、3〜6カ月の時間軸で考えてください。

顧客要求によります。車載や医療分野では厳格な要求がある一方、民生機器では簡易な管理で足りる場合もあります。過剰な粒度は運用負担を増やすため、要求に応じた設計を行ってください。

電子部品・基板実装業のIoT用語ミニ辞典

・SMT：表面実装技術。基板の表面に部品を実装する方式。

・チョコ停：数秒〜数分の短時間停止。実装業で最大級のロス要因。

・AOI：自動外観検査装置。実装後の基板を画像で検査する。

・直行率：手直しなしで最終検査を通過した割合。工程の品質実力を示す。

・フィーダー：実装機に部品を供給する装置。段取りの主要な対象。

・吸着ミス：実装機のノズルが部品を正しく吸えない現象。チョコ停の主因のひとつ。

・リフロー：はんだを溶融させて接合する工程。温度プロファイルが品質を左右する。

・OEE：設備総合効率。時間稼働率×性能稼働率×良品率。

・パレート分析：要因を影響度順に並べる分析。チョコ停対策の基本手法。

・トレーサビリティ：部品ロットから製品までの履歴を追跡できること。

まとめ——設備が持っているデータを、まず取り出す

本記事の要点を整理します。

・実装業の最大のロスはチョコ停。1日数百回、累計1〜2時間に達することも

・多くの実装機・検査装置は、すでに詳細なデータを持っている。新規投資の前に既存資産の確認を

・チョコ停の原因は特定箇所に集中している。パレート分析で的を絞れば少ない労力で大きな改善

・段取り時間を分解して測り、外段取り化を進める

・AOI・X線の検査データは「判定」だけでなく「工程改善」に活用できる

・部品ロットの紐づけによりトレーサビリティが実現し、高信頼性分野への展開が可能になる

・既存データの活用が中心なら、初期50万〜150万円から始められる

高速で動くSMTラインの中で、何が起きているのか——人の目では追えないこの領域こそ、データが最も力を発揮する場所です。そして、そのデータの多くは、すでに設備の中に眠っています。

船井総合研究所では、中堅・中小のEMS・実装企業に特化した「工場の小規模DX」コンサルティングとして、既存データの活用からチョコ停分析、段取り改善、検査データの工程フィードバックまで一貫して伴走支援しています。「うちの設備は何が取れるのか」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、車載向け基板を手がける企業は業種別記事「自動車部品加工業のIoT活用ガイド」、医療機器向けは「医療機器・医薬品製造業の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

SMTライン4本を運用する企業の事例です。ラインごとに生産性の差があることは感じられていましたが、その原因は不明でした。

各ラインの稼働データを収集し、比較分析を行ったところ、OEEに10ポイント以上の差があることが判明。さらに内訳を見ると、差の主因は段取り時間であることが分かりました。

効率の高いラインでは、フィーダーの準備を稼働中に行う運用が定着していた一方、他のラインでは機械を止めてから準備を始めていたのです。

良い実践を他のラインへ横展開したところ、全ラインの段取り時間が短縮され、工場全体の生産能力が向上しました。

「比較できる」ことの価値を示す事例です。同じ会社の中でも、実践には差があります。その差を可視化し、良いやり方を広げる——データはそのための道具です。

冬季に実装不良と静電気起因のトラブルが増加する傾向があった企業の事例です。「乾燥するから仕方ない」という認識でした。

作業エリアと部品保管庫に温湿度センサーを設置し、不良の発生記録と突き合わせました。分析の結果、相対湿度が一定水準を下回った日に、特定の不良が増加する相関が確認されました。

対策として、加湿設備の増強と、湿度の管理基準の設定を実施。あわせて、基準を下回った際にアラートが出る仕組みも導入しました。冬季の不良率は大幅に低下しています。

「季節のせい」を、制御可能な要因に変えた事例です。

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。

第一に、実装機のメーカーに問い合わせ、「稼働データとエラーログの出力が可能か」を確認してください。可能であれば、それが最短の出発点です。

第二に、実装機の画面でエラー履歴を確認し、直近1日分のチョコ停回数を数えてみてください。想像より多いはずです。

第三に、AOIの検査データが装置内にどれだけ蓄積されているか、そして取り出せるかを確認してください。そこに、品質改善の材料が眠っています。

この3つの確認は、いずれも費用をかけずに実施できます。そして、実装業のIoT活用は、この「既存資産の棚卸し」から始まります。

高速で動くSMTラインは、日本の電子産業を支える基盤です。その現場で何が起きているのか——人の目では追えないこの領域を、データが明らかにします。そして、そのデータの多くは、すでに設備の中にあります。本記事が、その活用の第一歩になれば幸いです。

本記事はプリント基板実装（SMT）を主な想定として書いていますが、電子部品製造、コネクタ・ハーネス製造、電子機器組立など、他の分野でも考え方の骨格は共通です。

設備が持つデータをまず確認する。チョコ停をパレート分析で潰す。段取りを分解して測る。検査データを工程にフィードバックする——これらの原則は、分野を問わず適用できます。

ただし、電子部品製造では材料の管理と工程条件の精度がより重要になり、ハーネス製造では人手作業の工数管理が中心になるなど、分野に応じた重点の違いはあります。自社の工程特性に合わせて、測る対象を設計してください。