製造現場の改善が、稟議を通らない本当の理由
- 不良・リードタイム・段取りを、数字にできる形にする -

現場から改善の提案が上がってくる。理屈は通っている。それでも決裁の場で必ず出るのが「で、いくら得するのか」です。答える材料がないまま判断を迫られれば、多くは見送りになります。慎重さの問題ではなく、材料の問題です。

1．答えを出せないのは、判断力ではなく材料の問題

刃物は使うほど切れが悪くなり、いずれ品質に跳ね返ります。ならば「100回切ったら交換する」と回数で管理するのが筋です。ところが数字にすると片側しか出てきません。交換頻度を上げれば購入費は確実に増え、請求書として毎月出てきます。一方で減るのは、不良になった材料費、手直しの工数、客先対応の時間、再発時に失う信用で、こちらを集計している会社は多くありません。増える側だけが金額で、減る側が「たぶん減る」でしかないなら、見送るのが合理的です。経営判断の失敗ではなく、比較すべき数字の片方がない状態です。

温度管理も同じで、効くと分かっていても、恒温設備にいくらかけて何年で回収できるかを示せなければ議題に上がりません。しかも不良は、材料・温湿度・設備の状態・工具の摩耗・習熟度が重なって出るもので、原因を一つに絞りきれない。効果を確率でしか語れない対策は、最も稟議に乗りにくい投資です。逆に条件と結果が記録に残っていれば、確率の話は根拠のある話に変わります。本当の費用対効果とは、管理会計を見ながらROIを考えることだからです。

2．納期を守るために、どこかで払っている

最も強力な手法はやはりトヨタ生産方式で、本質はリードタイムを短縮してコストを圧縮することにあります。その強さは、1週間でできる製品を「必ず1週間でできる」と言い切れる点です。見込みの1週間が2週間になれば追加コストが出ますが、この差額を原価に落とし込めている会社はごくわずかで、遅れのコストは払われているのに計上されていません。

在庫も同じです。納期に間に合わせるために先に作って持つのは、納期遵守だけを見れば正しい判断で、問題は持った瞬間から発生するコストが計上されない点にあります。鉄は放置すれば錆び、錆落としの工数が発生し、取り切れなければ不良になります。在庫は資産ではなく負債だという言い方は、この紐付けの話です。

段取り替えも同じです。切替に1〜2時間かかる以上、同じ製品をまとめて流すのは稼働率の面で正しい判断です。見えにくいのはその先で、100個作っても次工程が受けられるのが10個なら、残り90個は工程間に残り、資金を寝かせ、劣化していきます。前提を動かせるなら答えはシングル段取り（段取り時間の短縮）ですが、治具や訓練への投資が要る以上、また「いくら効くのか」に戻ります。90個の滞留が月にいくらかが出ていれば、その投資は初めて比較可能になります。

3．数字にするための材料は、すでに社内にある

これらの判断が必要としているのは、何が、どの条件で、何回起きているかという事実です。それは日々の不良の記録として、すでに社内にあります。

にもかかわらず「この不良、前にもなかったか？」に即答できる現場は多くありません。プリント基板の製造・実装工程でいえば、苦情連絡書、検査結果、現品写真、過去の報告書、上長コメントが別々の場所にあります。類似の過去トラ（過去トラブル事例）を探すだけで数時間から数日かかり、探し当てられるかはベテランの記憶に左右されます。横断分析ができないため再発や予兆にも気づけず、対策の「その後」を追う仕組みもないため、効いたかどうかの判断が人によって変わります。

これはそのままROIの問題です。件数が積み上がらなければ損失額は出せず、前後の変化を追えなければ回収も測れません。ROIが出せないのは、記録がないからではなく、構造化されていないからです。

4．報告書業務を起点に、知識を貯める

有効なのは、新しい入力作業を足さず、すでに発生している業務の中で構造化する方法です。製造業向けAI基盤「NEURON」は、調査報告書の作成業務を起点にこれを行います。①調査依頼書・検査結果・現品写真をそのままの形式で取り込む。②関連する過去トラを自動で紐付け、出典を明示したドラフトを生成する。③担当者が加筆・修正し、その内容も履歴に残す。④承認後、経営向け・顧客向けに体裁を変えて出力する。AIが担うのはドラフトまでで、確認と承認は人が行い、承認されたものだけが正式な知識として蓄積されます。

実際の導入では、対応レポートの作成時間が8割以上削減された事例（目安）のほか、記載レベルが担当者によらず揃い、上長の指摘観点も履歴に残るという効果が得られています。

蓄積は製品シリアルNo.や品番を起点に行います。製造ロット、検査結果、不具合内容、原因仮説、対策、報告書、修正履歴、過去トラを一つの文脈（オントロジー）として構造化するため、シリアルNo.をひとつ指定すれば「どの個体で何が起き、どう調査し、どう報告したか」を時系列で追えます。項目が増えても構造は壊れず、監査や顧客説明でもすぐ根拠にたどり着けます。

5．使いどころ

【不良予兆検知】出荷前検査でOK判定となった製品から、過去に返品となった製品に近い傾向を持つものを検出し、確認すべき観点を提示します。

【類似不良の横断検索】検査値・不良内容・得意先から、原因→対策→再発の有無までを一覧で確認できます。数時間の探索が数秒になります。

【再発防止策の効果検証】不良×対策×結果を一元化し、対策後に同種不良が再発していないかを追えます。

経営から見て効いてくるのは三つ目です。工程別・設備別に不良件数と手直し工数が出れば、交換頻度を上げた前後で不良が何件から何件になったかが並び、冒頭の刃物の話は形を変えます。同じ考え方は温度管理設備にも段取り短縮にも使えます。ROIを組み立てるうえで欠けていたのは、多くの場合この現物側のファクトです。

6．品質マネジメントとの整合

ISO 9001など既存の品質マネジメントとの整合は、最初に整理しておきたいところです。導入は既存の変更管理プロセスに従い、運用手順を文書化してブラックボックス化を防ぎ、過去トラ・検査記録が書き換えられない設計を確認する。そのうえで、傾向管理とファクトの整理までをNEURONが担い、合否判定・是正処置・予防的判断は人が行うという線引きを文書に残します。「実質的にAIが判断している」と見なされる運用にしないことが、監査対応の面でも重要です。

7．おわりに

不良率が下がらないとき、足りていないのは現場の努力ではありません。やるべきことは分かっていて、それが投資判断の土俵に上がっていないだけです。刃物の交換も、温度管理も、段取りの短縮も、費用と効果を並べられるようになった瞬間に、初めて経営の意思決定になります。報告書業務を情報の入り口として設計し直せば、書くほどに判断材料が増えていきます。