工場シミュレーション：生産ラインに手を加える前に変更をテストする方法

Disclosure: M365.FM host Mirko Peters works at iFAKT GmbH. This page describes the company factually; paid partnerships and links are labelled as advertising.

By Mirko Peters · 2026-11-11

工場シミュレーションを使えば、生産管理者は新しいシフト、機械、バッファを実際に導入する前にモデル上で試せます。効果が出やすい場面、必要なデータ、実施方法を解説します。

Automatically translated with AI from the original post. Read the English original

工場シミュレーションとは、工場の一部をモデル化してコンピューター上で稼働させ、ラインで実際に変更する前にその影響を確認できるようにする取り組みです。本記事は、残業シフトの追加、新しい機械の導入、バッファの縮小といった判断に直面し、まず根拠を得たいと考える生産管理者を対象としています。シミュレーションで答えられること、必要なデータ、段階を踏んだ検証の進め方、よくある失敗の回避方法を解説します。

重要なポイント

• 工場シミュレーションは、工場の一部で作業がどのように流れるかを管理された環境でモデル化する手法です。そのため、ラインで実施する前にモデル上で変更をテストできます。
• 多くのツールは離散事象シミュレーションを用います。これは時刻を伴う事象をモデル化し、故障、段取り替え、需要の変動といったランダム性を捉えます。
• シミュレーションの価値が最も高いのは、新しい機械、新しいレイアウト、新しいシフトパターンなど、判断が複雑で、コストがかかり、元に戻しにくい場合です。
• モデルの「もしもの検証」結果を信頼する前に、既知の挙動、たとえば先月の生産量と照合して妥当性を確認する必要があります。
• まず一つのビジネス上の問いと小さな範囲から始め、学ぶにつれてモデルを精緻化してください。

シミュレーションで何をテストできますか。

Autodeskの概要記事では、工場シミュレーションを、製造システムの振る舞いを分析、テスト、最適化するために用いる仮想モデルとして説明しています。モデルは、生産ライン、ワークステーション、資材の流れとバッファ、作業者、機械、そして停止、段取り替え、需要の変動といったばらつきを対象にできます。詳しくはAutodeskの工場シミュレーション基礎ガイドをご覧ください。

同記事では、一般的な用途として次の例を挙げています。

• 新しいラインや施設の設計
• キャパシティ計画とスループット分析
• ボトルネックの特定と仕掛品の削減
• リソース配分を含む作業者とシフトの計画
• 工場レイアウトの変更、自動化、拡張

シミュレーションは、勘に頼らずに製造プロセスとオーダーの作業フローを分析するのに役立ちます。同概要は、判断が複雑で、コストがかかり、元に戻しにくい場合にシミュレーションの価値が最も高まると述べています。これは現場の経験とも一致します。機械の移設、2台目の購入、シフトパターンの変更は元に戻すのにコストがかかるため、モデル上でのテストは比較的安価で、リスクなしにボトルネックを特定し、セットアップを最適化する手段となります。優れた製造シミュレーションソフトウェアを使えば、工場計画から日々のプロセスフローの最適化まで、この種のもしもの検証を仮想環境で行えます。

工場シミュレーションとは、工場の一部で作業がどのように流れるかを再現した管理されたモデルです。現在の運用ルール、リソース、受注、通常のばらつきを使うため、実際に変更する前にモデル上で試せます。重要なのは「管理されている」という点です。一度に変えるのは一つだけにし、結果を比較します。このようなモデルに現場の最新データを流し込むと、工場のデジタルツインに近づいていきますが、最初のスタディではリアルタイムのデータは必要ありません。

平均値はなぜ誤解を招くのか、そして離散事象シミュレーションとは何か

表計算ソフトは平均値で計算し、そこでのサイクルタイムは単一の数値です。しかし実際のラインはそうではありません。設備は停止し、段取り替えにかかる時間は日によって延び、受注はまとめて到着します。こうした要因によって、平均的な能力に余裕があるように見えても、待ち行列が伸び、生産量は低下します。

ほとんどのツールは離散事象シミュレーションを使用します。同じ概要によると、これはシステムを、部品の到着、工程の開始と完了、故障などの時間付きイベントの連続としてモデル化する手法です。ランダム性やばらつきを捉え、待ち行列、待ち時間、稼働率を追跡し、人、設備、材料がどのように相互作用するかを示せるため、製造業に適しています。

実務上の意味は次のとおりです。同じ変更を、異なる乱数を使って何度もシミュレーションし、一つの数値ではなく結果の幅を確認してください。平均値は良好に見えても、ある試行では目標に到達し、次の試行では届かないラインは、リスクを抱えているということです。

シミュレーションにはどのようなデータが必要ですか。

実際のラインの動きを記述するのに十分なデータが必要です。まずは次のリストから始めてください。

1. フロー。 各製品の工程ごとの経路、作業の順序、工程間のバッファ。
2. 時間。 サイクルタイム、段取り時間と段取り替え時間、およびそのばらつき。平均値だけでは不十分です。
3. リソース。 設備、作業者、工具、およびそれらのシフトカレンダー。
4. ロス。 故障の頻度と修理時間、スクラップと手直し。
5. 需要。 受注数量、納期、製品構成。たとえば生産計画の直近数か月分から取得できます。
6. ルール。 ジョブの選択方法、バッチの編成方法、作業者の割り当て方法。

概要では、利用可能な場合は現実的なデータを使い、時間をかけて精緻化することを勧めています。完璧なデータを待つ必要はありません。推定値であることを明示した上で、誠実な見積もりに基づく最初のモデルを作る方が、モデルがないよりはるかに有益です。ただし、どの入力が不確かかは必ず記録してください。それによって、回答をどこまで信頼できるかが決まります。

工場シミュレーションのスタディはどのように実施しますか。

公開された事例に、主なステップが示されています。Winter Simulation Conferenceの論文では、家電メーカーにおける離散事象スタディが紹介されています。組立ラインの下流で家電製品を仕分けし、手動操作のクランプトラックの運行をスケジュールすることが課題でした。チームは7つのシナリオをテストし、ピックアップのロジックを変更することで、最良のシナリオでは必要な台数が8台から5台に減ることが分かりました。詳細はWinter Simulation Conferenceの論文をご覧ください。これはスタディがどのような形になり得るかを示す一例であり、お使いの工場のベンチマークとして扱うものではありません。

以下のステップも同じ考え方に基づいています。

1. 問いを明確にする。 たとえば「仕上げ工程に作業者を一人追加すると、セルは1日130台を達成できるか」といったものです。明確な問いは、モデルを小さく保つのに役立ちます。
2. 範囲と指標を定義する。 対象とする工程、製品、出力指標（スループット、リードタイム、稼働率、待ち行列の長さなど）を決めます。
3. データを収集する。 上記のリストを使用します。推定値には印を付けてください。
4. モデルを構築する。 まずはシンプルに始め、結果に影響する部分だけ詳細を加えます。
5. 検証する。 モデルが意図どおりに動作することを確認します。論文では、ランダム性を除いた実行、単一品目の実行、アニメーションによる確認を行っています。
6. 妥当性を確認する。 モデルを実際の状況と比較します。同じスタディでは、モデルは顧客の現行の運用を再現し、故障がないという前提では、チームの表計算による見積もりと一致しました。概要でも、既知の状況や過去の実績と照合するよう勧めています。
7. 実験する。 各シナリオを、ウォームアップ期間と複数回の反復実行で実施します。論文では、5日間のウォームアップ、20日分のデータ、シナリオごとに12回の反復を用いています。
8. 決めて、検証する。 選択肢を決め、変更を実施し、実際の結果を予測と比較します。その差をモデルの改善に活かします。

例: 仕上げセルの3つの選択肢

この例は仮定の数値を使用しています。

あるセルには、1個あたり6分かかる加工機が2台と、1個あたり4分かかる手作業の仕上げステーションが1つあり、作業者は1名です。シフトの生産可能時間は7.5時間です。計画では1日130個が必要です。

1時間あたりの処理能力:

• 加工: 2台 × 60 ÷ 6 = 20個
• 仕上げ: 60 ÷ 4 = 15個

仕上げがボトルネックです。現状の生産量は 15 × 7.5 = 1日112.5個 で、17.5個不足しています。

選択肢A: 仕上げ作業者をもう1名追加する。 仕上げは1時間30個になるため、1時間20個の加工が上限になります。生産量は 20 × 7.5 = 150個 です。

選択肢B: 加工機を3台目として追加する。 加工は1時間30個になりますが、仕上げは15個のままです。生産量は 112.5個 です。加工機を誤った箇所に追加したため、改善はありません。このようなモデルは、誤った投資を避けることでコスト削減に役立ち、効果が出る箇所で効率を高めるのにも役立ちます。

選択肢C: 1.5時間の残業を行う。 生産量は 15 × 9 = 135個 です。書類上はぎりぎり足りる計算です。

ここで変動を加えてみます。停止、段取り替え、待ちによって実際の生産量が一律10%減少すると仮定します。選択肢Aは 150 × 0.9 = 135個となり、それでも需要を満たします。選択肢Cは 135 × 0.9 = 121.5個となり、不足します。シミュレーションでは、この一律10%を実際の事象のばらつきに置き換えるため、各選択肢が目標を下回る頻度もわかります。この例の要点は作業の順序です。まず制約を見つけ、そのうえで制約に対して選択肢を検証し、変動に対する余裕を確保します。

よくある間違い

• 問いを立てずに始める。 すべてに答えようとするモデルは、結局どれにもうまく答えられません。
• 詳細をモデル化しすぎる。 詳細には時間とデータがかかります。意思決定が変わる箇所にだけ追加してください。
• 検証を省略する。 先月の結果を再現できないモデルで、来月を予測してはいけません。
• 平均値だけを使う。 待ち行列を生むのはばらつきです。停止、段取り替え、需要の変動を含めてください。
• 1回だけ試行する。 1回の実行は、ランダムな結果の1つにすぎません。複数回実行し、その範囲を確認してください。
• 結果を約束として扱う。 シミュレーションは意思決定を支えるものであり、判断や現場での試行に取って代わるものではありません。
• 現場の人を除外する。 作業者は、データには現れない例外事象を把握しています。

ソフトウェアがどのように役立つか

ベンダーによっては、このようなモデルをデジタルファクトリーと呼ぶこともあります。シミュレーションソフトウェアを使えば、コードを書かずにこれらのモデルを構築・実行でき、データに基づく意思決定を支えられます。iFAKT's Polaris Simulator は iFAKT Polaris のモジュールで、生産システムを仮想的に検証します。例えば、処理能力、人員配置、バッファのシナリオを検証し、変更を行う前にボトルネックを明らかにします。ツールを比較する際は、モデルがどのようにデータを取得するか、どれだけ容易に検証できるか、専門家でない人でも結果を読めるかを確認してください。一人の専門家にしか理解できないモデルは、ほとんど定着しません。

次のステップ

検討中の変更を1つ選びます。たとえば新しいシフトパターンや機械などです。そのうえで、最初の工場シミュレーションの問いと出力指標を書き出してください。次に、対象エリアのサイクルタイムと損失データを収集し、変更を試す前に、簡単なモデルを先月の実績で検証します。