「データ活用が大事」と言われても、 何を集めればいいのか？どう使えばいいのか？ ここが曖昧なままDXが進まない現場は多いです。 本記事では、中小製造業が“最初に集めるべきデータ”と“どう改善に使うか”を、現場目線で解説します。
データ活用の第一歩は「現場の困りごと」から決める
データ活用は、最初から高度な分析をする必要はありません。 現場の困りごとを解決するために必要なデータだけ集めるのが正解です。
■ よくある現場の困りごと
- どこで止まっているか分からない
- 不良の原因が特定できない
- 段取りに時間がかかる理由が不明
- 仕掛りが多く、ボトルネックが見えない
これらを解決するために、必要なデータを“最小限”から集めます。
まず集めるべきデータは「時間・量・状態」の3つ
製造現場で最初に集めるべきデータは、次の3つだけです。
- ① 時間：止まった時間・段取り時間・作業時間
- ② 量：生産数・不良数・仕掛り量
- ③ 状態：設備の稼働状態・異常内容
この3つが揃うと、改善の“打ち手”が一気に増えます。
データの集め方：最初は「簡易」で十分
データ収集＝IoT導入と思われがちですが、 最初はスマホ・タブレットで十分です。
■ ① 時間データの集め方
- 停止時間 → タブレットで「開始」「終了」ボタン
- 段取り時間 → 作業開始・完了をスマホ入力
- 作業時間 → 選択式で登録
■ ② 量データの集め方
- 生産数 → 工程ごとにスマホ入力
- 不良数 → 種類別に選択式で入力
- 仕掛り量 → 定時にタブレットで記録
■ ③ 状態データの集め方
- 設備の稼働状態 → 簡易IoTで「動/止」を取得
- 異常内容 → 写真つきでスマホ報告
“まずは手入力＋簡易IoT”が最もコスパの良いスタートです。
集めたデータをどう使うか（改善に直結させる）
データは集めるだけでは意味がありません。 改善に使う仕組みが必要です。
■ 使い方1：停止ワースト3を毎週共有
- 停止理由の割合を自動集計
- ワースト理由に改善を集中
- 改善効果が数字で見える
■ 使い方2：不良の傾向を可視化
- 不良の種類別・時間帯別の傾向を分析
- 特定設備・特定時間帯に偏りが見える
- 原因設備のメンテや条件見直しに繋がる
■ 使い方3：段取り時間のばらつきを分析
- 作業者ごとの差が見える
- 動画マニュアルで標準化
- 段取り改善の優先順位が明確に
■ 使い方4：仕掛り量からボトルネックを特定
- どの工程前に仕掛りが溜まるか可視化
- 人員配置・段取り順の見直しに活用
「感覚の改善」から「データの改善」に変わるのが最大のメリットです。
実例：データ活用を始めた工場の変化
■ Before
- どこで止まっているか分からない
- 不良の原因が曖昧
- 改善テーマが感覚で決まる
■ After
- 停止理由のワーストが明確
- 不良の傾向が数字で見える
- 改善テーマがデータで決まる
効果：改善スピードが2〜3倍に向上
まとめ：データ活用は“最小のデータ”から始めれば成功する
データ活用の第一歩は、次の3つだけ押さえれば十分です。
- ① 現場の困りごとから必要なデータを決める
- ② 時間・量・状態の3つを最小限で集める
- ③ 集めたデータを改善会議で必ず使う
高度なIoTやAIは必要ありません。 小さく始めて、小さく改善し、成果を積み上げることが、データ活用DXの成功パターンです。