『AIで工場改善』の前に整えるべきマスタデータ：品目・工程・設備・人員

対象読者：タイ・ASEAN拠点を持つ日系製造業の工場長・生産管理担当・IT推進担当・拠点長。「AI導入を検討しているが、まず何から手をつければよいか分からない」「DXと言われても現場データがバラバラで活用できていない」という課題をお持ちの方に向けた記事です。

「AIで工場を改善しよう」という掛け声は、タイに拠点を置く日系製造業でも急速に広まっています。ベンダーからの提案、本社からの方針、業界セミナーでのデモ——どれを見ても「AI・IoT・DX」という言葉が踊ります。しかし現場を訪問すると、多くの企業が同じ壁にぶつかっています。AIに食わせるべきデータが、そもそも整っていないのです。

品目マスタは部門ごとに別管理。設備コードは旧システムと現行システムで体系が異なる。工程名称はラインリーダーによって呼び方が違う。人員の担当スキルや資格はExcelで個別管理。これでは、どれほど高性能なAIエンジンを導入しても、出力されるのはゴミデータに基づいた誤った推奨です。「ゴミを入れればゴミが出る（Garbage In, Garbage Out）」——この原則は、AI時代においてもまったく変わっていません。

本記事では、タイ拠点の日系製造業が「AIで工場を改善する」前に必ず整えておくべきマスタデータ——品目・工程・設備・人員——の整備方法と、その重要性を現場目線で解説します。また、マスタ整備をどの順番で進めるか、本社説明に使える投資根拠の組み立て方、TOMAS TECHが支援できる領域についても触れます。

なぜ「マスタデータ」が今、問われているのか

2026年のタイ製造業は、成長一辺倒ではなく「選択と集中」の局面に入っています。World Bankはタイの経済成長見通しを慎重に評価しており、外部環境の不確実性、物流コストの上昇、エネルギーコストの増加が製造業の利益率を圧迫しています。一方でBOI（タイ投資委員会）は、自動化・AI・データ分析・企業管理ITへの投資を積極的に後押しする姿勢を明確にしています。

この環境下でAI・IoT投資を検討するとき、最も見落とされやすいのが「データ基盤」です。センサーを付ける、ダッシュボードを作る、AIモデルを走らせる——これらはすべて「データが正しく定義されている」ことを前提としています。その前提となる土台がマスタデータです。

タイ拠点では特有の課題があります。日本本社のシステムをそのまま移植できないケース、タイ人スタッフと日本人駐在員の間で情報の非対称が生じているケース、長年の運用で複数のExcelファイルが「事実上のシステム」になっているケース。こうした状況でAI導入を試みると、「システムは動いているが、現場の数字が合わない」という事態が発生しやすくなります。

マスタデータとは何か：4つの柱

製造現場のマスタデータは大きく4つに分けられます。それぞれが相互に関連し、AIや自動化システムの「判断の根拠」になります。

①品目マスタ（Item Master）

製品・部品・原材料・消耗品のすべてに「一意のコード」と「属性情報」を付与したものです。品番、品名、単位、仕入先コード、保管場所、ロット管理の要否、棚卸分類（A/B/C）などが含まれます。タイ拠点でよく見られる問題は、同じ部品が「日本語の品名」「タイ語の略称」「英語の型番」の3種類で別登録されているケースです。これにより在庫の二重計上や発注漏れが起きます。

②工程マスタ（Process Master）

製品を作るための工程ステップを標準化して登録したものです。工程コード、工程名称、標準サイクルタイム、担当ライン・設備、品質チェックポイントなどが含まれます。工程マスタが整っていないと、実績工数と標準工数の比較ができず、どの工程でロスが発生しているかを把握できません。AIが「どの工程で不良が多いか」を分析するためには、工程の定義が一本化されていることが前提です。

③設備マスタ（Equipment Master）

ラインを構成する機械・設備の台帳情報です。設備コード、設備名称、設置場所、導入年月、保全周期、担当メンテナンス担当者、スペック（定格出力・処理能力）などが含まれます。IoTセンサーを設備に取り付けてデータを取得するとき、センサーからの信号を「どの設備のどの状態値か」に紐付けるためのキーが設備マスタです。設備マスタが整っていないと、センサーデータは「数字の羅列」にしかなりません。

④人員マスタ（Personnel/Skill Master）

作業員・班長・技術者のスキル・資格・配属情報をデータ化したものです。担当できる工程、保有資格（フォークリフト免許、溶接技能など）、勤務シフト、多能工レベルなどが含まれます。人員マスタが整っていると、「特定の設備トラブル時に対応できる人員を自動で特定する」「多能工化の進捗を管理する」といった活用が可能になります。タイでは人員の入れ替わりが比較的多いため、スキルデータの最新化が特に重要です。

マスタデータが乱れると何が起きるか：現場の失敗パターン

マスタデータが整備されていない状態でデジタル化・AI化を進めると、どのような問題が起きるのでしょうか。タイの製造現場でよく観察されるパターンをまとめます。

パターン①：在庫数値が合わない

品目マスタが複数系統で管理されているため、システム上の在庫数と実地棚卸数が常にずれる。差異を調べると、同一部品が複数の品番で登録されていたことが判明する。月次の棚卸調整で経理担当が多大な工数を使っている。

パターン②：稼働率の数字が信用されない

IoTセンサーを導入して設備稼働データを取得したが、「センサーが示す稼働率」と「現場リーダーの体感」が大きく乖離している。調べると、設備マスタの「定格稼働時間」の設定が実態と異なっており、OEEの計算式が正しく機能していなかった。ダッシュボードは動いているが、誰も数字を信用しない。

パターン③：AIの推奨が「使えない」

需要予測AIを導入したが、出力される発注推奨が現場感覚と大きくずれている。原因を調査すると、過去の受注データに品目コードの揺れ（同じ製品が複数コードで登録）があり、AIが別製品として学習していた。モデルの精度問題ではなく、データ品質の問題だった。

パターン④：帳票のデジタル化が進まない

日報・点検表・品質記録をデジタル化しようとしたが、フォームの選択肢に入れるべき「品目名」「工程名」「設備名」が部門によってバラバラで、共通フォームを作れない。結局、各部門が独自フォームを持ち続け、データの集計・横串分析ができない。

マスタ整備はどの順番で進めるべきか

4つのマスタすべてを同時に整備しようとすると、プロジェクトが大きくなりすぎて頓挫します。優先順位は「現在最も数字が合っていない領域」と「投資回収に直結する領域」で決めるのが現実的です。以下は一般的な推奨順序です。

ただし、自社の課題や「痛点」によって順序は変えるべきです。設備トラブルが頻発していて本社への報告が急務であれば、Phase 2（設備マスタ）を先行させることが合理的です。

品目マスタ整備の実務：タイ現場でのつまずきと対処

品目マスタの整備は「一度やれば終わり」ではなく、継続的なメンテナンスが必要な生きたデータです。タイの現場で特によく起きるつまずきポイントと、その対処方法を解説します。

つまずき①：過去データの「ゴミ」が多すぎる
数年間使い続けたシステムには、廃番品・重複品番・使われていない品目が蓄積されています。まず全品目を洗い出し、「現在も使用中か」「重複はないか」を確認するクレンジング作業が必要です。これは地道な作業ですが、後工程への影響が非常に大きいため省略できません。

つまずき②：タイ語・日本語・英語の三言語が混在
品目名称の「正式名称」を何語で定義するかを最初に決めておかないと、検索性が下がります。推奨は「英語または英数字のコードを一意キーとし、日本語・タイ語の表示名は付属情報として持つ」構成です。コードが一意であれば言語を跨いだ照合が容易になります。

つまずき③：現場スタッフが新品番に慣れるのに時間がかかる
マスタ整備後、現場スタッフが旧い呼び方・旧い品番を使い続けることがあります。「旧品番→新品番」の変換テーブルをシステムに持たせ、移行期間は両方の番号で検索できるようにする経過措置が有効です。

つまずき④：メンテナンス担当者が決まっていない
品目マスタの「オーナー」（追加・変更・廃番の承認権限を持つ担当者）を明確に決めていないと、勝手に追加された品目が増え続けます。マスタ管理規程（品目の追加・変更・廃番の手続きフロー）を文書化し、タイ人スタッフが日常業務の中で運用できるようにすることが、長期維持の鍵です。

設備マスタとIoT：センサーデータを「意味ある情報」に変える

IoTセンサーを設備に取り付けることは、今や比較的低コストで実現できます。しかし、センサーが送り続けるデータは、適切な設備マスタと紐付けられて初めて「稼働率」「停止時間」「不良発生タイミング」という業務上の意味を持ちます。

設備マスタに最低限含めるべき項目は以下です。

• 設備コード：システム全体で一意のID（IoTデータのタグ名と対応付ける）
• 設備名称・型番：タイ語・日本語・英語の3言語で管理を推奨
• 設置場所：工場・棟・ライン・ステーションの階層構造で定義
• 定格稼働時間：OEEの分母になるため正確に設定（シフト時間・計画停止時間を考慮）
• 保全周期・直近保全日：予防保全計画の基準
• 担当メンテナンス担当者：人員マスタとの紐付け

OEE（総合設備効率）は「稼働率×性能率×品質率」で計算されますが、各要素の分子・分母は設備マスタの定義次第で大きく変わります。設備マスタを正確に整備することで、OEEが「管理指標として信頼できる数字」になり、改善活動の根拠として使えるようになります。

工程マスタと帳票デジタル化：「紙の日報」を脱却する手順

多くのタイ製造拠点では、日報・作業指示書・品質記録・設備点検表などが今も紙で運用されています。これをデジタル化しようとするとき、「どんなフォームを作るか」より先に解決しなければならない問題があります。それが工程マスタの統一です。

デジタル帳票のフォームには、「品目名」「工程名」「設備名」「作業者名」などの選択肢が必要です。この選択肢の源泉がマスタデータです。マスタが整っていないと、フォームの選択肢が部門ごとにバラバラになり、集めたデータを横断的に分析できなくなります。

工程マスタ整備のポイントは以下の3点です。

• 工程コードの体系化：「ライン番号＋工程番号」のように階層構造を持たせる
• 標準サイクルタイムの記録：実績との比較で生産性ロスを見える化するための基準値
• 品質チェックポイントの定義：どの工程でどの検査項目を確認するかをマスタに持たせることで、デジタル帳票が「確認漏れを防ぐツール」になる

工程マスタが整備された後、帳票デジタル化ツール（例：i-Reporter）を導入すると、全工程・全ラインのデータが同一フォーマットで集まり、日次・週次・月次での集計・比較分析が容易になります。「紙をデジタルに変えた」だけでなく、「分析できるデータが生まれた」という状態が実現します。

人員マスタと多能工化：タイ現場の人材流動性に備える

タイの製造拠点では、作業員の離職率が日本本社の想定より高いケースが少なくありません。特定の工程に熟練した作業員が退職すると、その工程の品質や生産性が一時的に大きく低下する「属人化リスク」は、タイの日系製造業が共通して抱える課題です。

人員マスタは、このリスクを管理するための仕組みの一部です。各作業員が「どの工程を習熟レベル別にどの程度できるか」をデータ化しておくことで、以下のような運用が可能になります。

• 特定のベテランが不在のとき、代替可能な作業員を即座に特定できる
• 多能工化の達成度を工程×人員のマトリクスで可視化し、訓練計画を立てやすくする
• 離職リスクが高い「1人しか担当できない工程」を早期に発見し、バックアップ育成を優先する

人員マスタの維持は、採用・配属変更・退職のたびに更新が必要なため、HR部門と製造部門が連携してメンテナンスする仕組みを作ることが重要です。タイ人の管理スタッフがシステムに習熟し、日常業務の中で更新できる環境を整えることが、長続きする鍵です。

マスタ整備と本社説明：「3年回収」の組み立て方

マスタデータ整備は、それ単体では「数字が見えやすくなる」効果はあっても、直接的な売上増・コスト削減の根拠を示しにくいため、本社への投資承認を取り付けにくい面があります。しかし実際には、マスタ整備はその後の投資（IoT・AI・帳票デジタル化）のROIを大きく左右します。

本社説明での推奨アプローチは、「マスタ整備」を単独プロジェクトとして申請するのではなく、「マスタ整備＋在庫管理システム導入」「マスタ整備＋設備稼働管理＋IoT」のような一体型プロジェクトとして、全体のROIを示す方法です。

BOI（タイ投資委員会）が対象とする自動化・IT投資の優遇措置を活用する場合、申請の段階から「どのシステムをどのプロセス改善に使うか」を明示する必要があります。マスタ整備を含む一体型プロジェクトとして設計することで、BOI申請の説得力が増すとともに、本社承認も取りやすくなります。詳細はBOIの公式サイト（https://www.boi.go.th/）または担当窓口にご確認ください。

マスタ整備プロジェクトの失敗パターンと回避策

マスタ整備プロジェクトは、一度動かしても途中で止まりやすいプロジェクトの筆頭です。よくある失敗パターンと、その回避策を整理します。

失敗パターン①：スコープが大きすぎる

「全社の全マスタを一気に整備する」という計画は、多くの場合途中で頓挫します。現場の協力が得られなくなる、担当者の工数が枯渇する、途中で優先度が変わるなどの理由で止まります。
回避策：まず1つの倉庫・1つのライン・1つの工程に絞ってパイロットを実施し、効果を測定してから横展開する。

失敗パターン②：マスタオーナーが決まっていない

整備後のメンテナンス責任者が決まっていないと、時間の経過とともにマスタの品質が劣化します。1年後には「また整備が必要な状態」に戻ります。
回避策：マスタ種別ごとに「オーナー（担当部門と担当者）」と「変更承認フロー」を文書化する。タイ人スタッフが主体的に管理できる体制を最初から設計する。

失敗パターン③：現場をスキップしてシステム部門だけで進める

IT部門や管理部門が主導して現場の意見を反映せずにマスタを設計すると、現場スタッフが使いにくいと感じて入力を怠るようになります。結果として「システム上のデータ」と「現場の実態」が乖離します。
回避策：マスタ設計の段階から現場リーダー（班長・ラインリーダー）を巻き込み、日常業務で自然に使える項目設計にする。

失敗パターン④：整備後にAI導入が先走る

マスタ整備が完了する前にAIモデルの導入を進め、「精度が出ない」「推奨が使えない」という問題が発生する。実はデータ品質の問題だったにもかかわらず、AIベンダーとシステム担当の間で責任の所在が曖昧になる。
回避策：AI導入の前提条件として「マスタデータのクレンジング完了」「過去データの品質確認」を契約・計画に明記する。

段階導入：小さく始めて現場に定着させる進め方

タイ拠点でデジタル化・DX化を成功させている企業に共通するのは、「大きなプロジェクト」ではなく「小さな成功体験の積み重ね」を重視していることです。

マスタ整備と後続システムの段階導入は、以下のようなステップで進めることを推奨します。

ステップ1（1〜3ヶ月）：現状調査と優先領域の特定
現在のデータ管理状況を棚卸しし、「どのマスタが最も乱れているか」「どの領域の数字が最も信用されていないか」を明確にします。この段階でKPI（在庫差異率、稼働率の計算精度など）のベースラインを計測しておくことが、後の効果測定に不可欠です。

ステップ2（3〜6ヶ月）：パイロット領域でのマスタ整備
最優先領域（例：主要部品の品目マスタ、主要設備の設備マスタ）に絞ってクレンジングと整備を実施します。この段階でマスタ管理規程と担当者を確定します。

ステップ3（6〜12ヶ月）：パイロット領域でのシステム導入と効果測定
整備されたマスタを基盤に、在庫管理システム・稼働管理システム・帳票デジタル化ツールをパイロット領域に導入します。KPIの変化（在庫差異率の改善、稼働率の可視化精度向上、日報作成工数削減など）を計測し、ROIの実績値を算出します。

ステップ4（12ヶ月以降）：横展開と次フェーズのマスタ整備
パイロットで得た知見と実績ROIを使って、本社への追加投資承認を取り付け、他ライン・他部門への横展開を進めます。同時に次フェーズ（工程マスタ・人員マスタ）の整備に着手します。

AI活用への道：整ったマスタデータが開く可能性

マスタデータが正確に整備された後、AI・機械学習の活用が初めて現実的な投資として機能します。マスタデータが整っている環境では、次のようなAI活用が現場の数字を動かします。

• 需要予測・発注最適化：正確な品目マスタと過去の出入庫実績データを組み合わせることで、過剰在庫と欠品のバランスを最適化する発注量推奨が精度高く機能します。
• 予知保全：設備マスタと正確なセンサーデータが紐付いていることで、「通常の振動パターンからの逸脱を検知して保全タイミングを推奨する」モデルが実用レベルで動作します。
• 不良原因分析：工程マスタと品質記録データが統合されていることで、「どの工程・どの条件・どの担当者のときに不良率が上がるか」をAIが特定できます。
• シフト最適化：人員マスタのスキルデータと工程の必要スキル要件を組み合わせることで、生産計画に合わせた最適なシフト案の自動生成が可能になります。

これらは「マスタが整備されていれば実現できるAI活用」です。逆に言えば、マスタが整っていない状態でAIを導入しても、これらの価値は生まれません。マスタ整備はAI活用への「投資の前提条件」と捉えることが正確です。

TOMAS TECHの視点

TOMAS TECHは、タイ・ASEANの日系製造業向けに、在庫管理システム「PEGASUS」、ペーパーレス化アプリ「i-Reporter」、設備稼働管理システム、スマートウォッチシステムを提供しています。マスタデータ整備と後続システム導入の観点から、各ソリューションが読者の課題にどう寄与するかを簡潔にお伝えします。

PEGASUSによる在庫管理のデータ基盤化：
在庫管理システム「PEGASUS」は、品目マスタを一元管理する仕組みを持ちます。入庫・出庫・棚卸のデータがPEGASUSを通じて記録されることで、「システム上の在庫数と実地の在庫数が合わない」という課題を解消する基盤になります。品目マスタのクレンジングと同時にPEGASUSを導入することで、データの正確性と運用の継続性を両立させることができます。

i-Reporterによる帳票デジタル化と工程データの蓄積：
ペーパーレス化アプリ「i-Reporter」は、工程マスタと連携した帳票フォームを設計することで、日報・点検表・品質記録を全工程・全ラインで統一フォーマットにより収集できます。紙の転記工数を削減するだけでなく、蓄積されたデータが工程別の品質・生産性分析の基盤になります。タイ人スタッフが現場で直感的に操作できるUI設計が、定着率を高める点でも評価されています。

設備稼働管理システムとOEEの可視化：
設備マスタを正確に整備した上で稼働管理システムを導入することで、設備ごとのOEE（稼働率・性能率・品質率）をリアルタイムで把握できます。計画外停止の発生と原因を記録することで、保全計画の根拠データとして活用できます。

スマートウォッチシステムによる現場の即応性向上：
設備異常や工程異常のアラートをスマートウォッチで受信することで、現場リーダーが問題に即座に気づき対応できます。人員マスタのスキルデータと組み合わせることで、アラートを「対応可能な担当者」に直接届ける仕組みも実現できます。

TOMAS TECHは、「1倉庫・1ライン・1工程」という小さな単位から始め、現場に定着させた後に横展開する進め方を標準的なアプローチとして採用しています。マスタ整備から導入、効果測定、本社報告まで一連のプロセスを支援できます。お問い合わせは https://tomastc.com/contact よりどうぞ。

まとめ

「AIで工場を改善したい」という意図は正しく、投資の方向性としても適切です。しかし、AIが機能するためには正確なデータが必要であり、正確なデータはマスタデータの整備なしには生まれません。品目・工程・設備・人員の4つのマスタが整備されて初めて、IoTセンサーのデータは「稼働率」に、帳票デジタル化のデータは「品質分析の根拠」に、需要データは「発注最適化の材料」になります。

タイ拠点の日系製造業が2026年以降の環境変化（成長鈍化・コスト上昇・品質要求の高まり）を乗り越えるためには、流行語としてのDXではなく、現場の数字を実際に変えるDXが必要です。マスタ整備はそのための最初の、そして最も重要な一歩です。

大規模プロジェクトを一気に立ち上げる必要はありません。まず1つの倉庫・1つのライン・1つの工程を対象に、マスタを整え、システムを導入し、効果を測定する。この小さな成功体験を積み重ねることが、タイ拠点のDXを現実のものにする最も確実な道筋です。

参考情報

• World Bank Thailand — Country Overview
• Thailand BOI（タイ投資委員会）
• 経済産業省 ものづくり白書2025
• S&P Global PMI — タイ製造業PMI
• JETRO タイ — 投資・ビジネス情報