なぜ継続的改善にはより良いデータが必要なのか

持続的改善は、時間とともに複利的に積み上がる学びを生み出すことを目指すものです。しかし多くの工場では、改善活動は依然としてワークショップ、スプレッドシート、個別のレポート、そして前の交代勤務で何があったかの記憶に大きく依存しています。カイゼン・イベントによって目に見える進展が生まれても、数週間後には、やや異なる生産条件の下で同じロスが再び現れることがよくあります。問題は必ずしも改善案の質にあるわけではありません。より大きな問題は、対策が実際に効果を発揮したか、どこで効果があったか、どの条件下で効果が失われたかを、チームが証明できないことが多い点にあります。

カイゼンの改善が消えてしまう理由
ワークショップは、数日間にわたって焦点を生み出します。チームはプロセスを可視化し、ムダを特定し、アクションを割り当て、工具を移動させ、チェックリストを変更し、引き継ぎを調整します。しかしその後、通常の生産の圧力が戻ってきます。監督者には別の緊急オーダーがあり、保全部門には別の故障があり、計画部門は順序を変更し、品質部門は別のロットを保留にします。改善アクションは、日常の運用リズムの一部になるのではなく、Excelファイルやプロジェクト管理ツールのどこかに残されたままになります。したがって重要なのは、アクションが完了したかどうかではなく、生産条件が実際に改善したかどうかです。

PDCAには本当の確認ステップが必要
Plan（計画）、Do（実行）、Check（確認）、Act（処置）は単純に聞こえますが、多くの組織では実質的にPlan、Do、そしてMove On（次へ進む）を繰り返しています。PLANでは、検証可能な問題、現状の状態、期待される改善、そして対策の背後にある仮説を定義すべきです。DOとは、実際の生産条件の下で対策を試行し、実際に何が起きたかを理解できるだけの文脈を記録することを意味します。CHECKでは、期待される結果と実際の生産データを比較します。ACTでは、証拠が裏付けるなら変更を標準化し、そうでなければ適応、縮小、または撤回を行います。
・ロスは実際に減少したのか？
・問題は単に別の場所へ移動しただけではないか？
・変更によって品質を損なう一方で稼働率が改善したのではないか？
・異なる製品、班、交代勤務にわたって効果があったか？
・保全、材料、スケジューリング、あるいは別のプロセス変更が結果に影響していないか？
一度の生産ランがうまくいったことは証明になりません。持続的改善には、再現可能な改善と偶然の好結果を区別するのに十分な証拠が必要です。

現場観察（現地現物）とデータは互いを必要とする
データは現場（Gemba）の代わりにはなりません。オペレーター、監督者、技術者、計画担当者、品質チームは、システムではしばしば捉えきれない生産条件を理解しています。機械の記録には10分間の停止が示されているかもしれませんが、オペレーターは、部品の感触がおかしかったから、通常の材料ルートが塞がれていたから、あるいは前の交代勤務がその工程を異常な状態のまま残したからだと知っています。同時に、観察だけでは1回の交代、1つの事象、あるいは問題の1つのバージョンしか示せません。接続された稼働データがあれば、その観察が受注、製品、機械、交代勤務、材料ロット、そしてより長い期間をまたいで繰り返されるかどうかを検証できます。

現場観察は、チームがどこを見るべきか、どの問いが重要かを特定する助けになります。稼働データは、それらの問いを実際の生産パターン全体で検証する助けになります。そして標準作業が、その学びを次の交代勤務へ引き継ぐので、ゼロからの再出発を防げます。

改善の問いから始める
製造分析における最大の失敗の1つは、たまたま利用可能なデータから始めてしまうことです。最新の生産ラインは、PLC、センサー、MESシステム、ERP、品質システム、保全アプリケーション、スプレッドシートから膨大な量の情報を生成できます。データが多ければ、自動的により良い意思決定が生まれるわけではありません。有用な改善プロセスは、チームが実際に答える必要のある生産上の問いから始まります。

「どんなデータがあるか？」ではなく、「どの生産上の問いに答えようとしているのか？」と問いましょう。「段取替えに時間がかかりすぎる」という表現はまだ広すぎます。より良い問いは次のようなものです。同じ製品ファミリーであっても、同じ生産ラインで段取替え時間が大きくばらつくのはなぜか？ これにより、重要な文脈が直ちに定義されます。
・前の製品
・次の製品
・製造オーダー
・資源またはライン
・工具構成
・材料
・交代勤務または班
・段取り開始
・再開時間
・最初の合格品
・安定生産
・品質結果
・機械アラーム
目標は何もかもを収集することではありません。改善の意思決定を変えうる、最小限の事実の集合を収集することが目標です。

ERPは計画を説明する
ERPは、生産を取り巻く商業的・計画的な文脈を提供します。計画数量、ルーティング、顧客への約束、材料所要量、オーダーの優先度、意図された生産順序を示すことができます。この文脈は重要です。生産条件は絶えず変化するからです。対策によって段取時間が本当に短縮されていても、生産ミックスが変わったり、計画担当者が製品切替えの頻度を増やしたりしたために、納期遵守率が悪化することがあります。
したがってERPは、何がどの順序で、どの需要に対して、どのルーティングと材料で実行されるはずだったのかを説明するのに役立ちます。しかしERPが主に示すのは意図です。現場で物理的に何が起きたかを必ずしも示すわけではありません。

MESは実際に何が実行されたかを説明する
製造実行システム（MES）は、そのギャップの一部を埋めます。MESは、オーダーの背後にある実行履歴を提供できます。具体的には、実際の工程の開始・終了、生産数量、不良、保留、手直し、資源、オペレーターの入力、材料消費、トレーサビリティ、理由コードなどです。これにより改善チームは、記憶や日次平均に頼るのではなく、ロスを実際のオーダーや工程に結び付けることができます。

MESのデータも解釈が必要です。入力が遅れることもあり、班によって理由コードの使い方が異なることもあり、タイムスタンプが実際の物理的瞬間ではなく、オペレーターが何かを確認した時点を表していることもあります。システムは証拠を提供しますが、その証拠に意味を与えるのはプロセスです。

機械およびIoTデータは物理的プロセスを説明する
工程内部で何が起きたかを理解する必要があるとき、機械データが重要になります。PLCやIoTの信号は、機械の状態、サイクルタイム、アラーム、速度、温度、圧力、インターロック、モーター負荷、再起動時の挙動、安定生産に至るまでの時間を明らかにできます。MESは、ある工程が特定の時刻に再開したことを示すかもしれませんが、機械データは、安定した出力が戻るまでの数分間に何が起きたかを説明します。
・繰り返し発生するアラーム
・再起動後の速度低下
・温度の回復
・手動調整
・インターロック
・不安定なサイクルタイム
生産の文脈がない機械データは、依然として誤解を招く可能性があります。アラームは、その事象を取り巻く作業オーダー、製品、工程、資源、工具の状態、材料、品質結果と結び付けられたときに、はるかに有用になります。

現場が意味を与える
オペレーター、保全技術者、監督者、品質チームは、自動化されたシステムが埋められないギャップを埋めます。「材料の問題」という理由コードは、実際には非常に異なる状況を表しているかもしれません。材料が遅れて到着したのかもしれず、挙動が異なったのかもしれず、ラベルが誤っていたのかもしれず、損傷していたのかもしれず、あるいは後になって初めて見えるようになった下流の問題を引き起こしたのかもしれません。

構造化されたコードは事象を分類するのに役立ちます。人間の文脈はそれらを説明するのに役立ちます。したがってデータ収集は、生産を妨げるのではなく、生産の実態に適合する必要があります。有用な問いは、オペレーターがどれだけ多くの情報を入力できるかではなく、次の改善の意思決定を良くするために必要な最小限の人間の入力は何か、というものです。

共有された工場の言語が必要
ERP、MES、保全システム、ヒストリアン、スプレッドシートは、同じ生産事象を異なる形で記述することがあります。あるシステムは資源を「Line 3」と呼び、別のシステムは「LINE03」を使い、保全はライン内の複数の別個の設備を追跡し、ヒストリアンは古いPLCタグを使い続けているかもしれません。