製造業のラインバランシングにAIを導入する方法｜タイ工場のRFP・FAT・SAT

「どの工程が遅いか」は分かっていても、作業をどのステーションへ移せばよいかは別の問題です。製造業のラインバランシングにAIを導入する目的は、時間の長い工程を赤く表示することではありません。工程の先行関係、顧客需要から決まるタクト、作業者の技能と身体負担、治具・設備、部材の供給位置を守りながら、実行できる作業配分案を比較し、現場で合否を判定できる形にすることです。本稿はタイ・ASEANの工場責任者、生産技術、IE、購買担当者に向けて、要件定義からRFP、FAT、SAT、引渡しまでの判断材料を整理します。以下の数値例は説明用であり、特定工場の成果ではありません。

ラインバランシングAIで発注する対象を一文で定義する

ラインバランシングは、各ステーションの仕事量を顧客需要に必要なペースへ近づけるため、作業要素を割り付ける活動です。AutodeskのProcess Analysis資料も、需要を満たす生産速度のために工程間の仕事量を分散するものとして説明しています。ただし、同資料が対象とする機能は単一モデル・単一製品のラインバランシングです。混流生産、技能差、欠員、材料補充まで扱えると推測して製品を選んではいけません。

従来の記事で扱ったタイ工場の工程改善AIは、課題を見つけ改善を回す広いテーマです。またAIを使った生産計画は、何をいつどれだけ作るかという計画に近い領域です。今回の対象は、その計画と現場の間にある「作業Aはステーション1、作業Bはステーション2」といった割付判断です。ボトルネック検知は問題の位置を知らせますが、移管先が技能・設備・順序・安全の条件を満たすかは答えません。発注仕様には「作業要素を、許容されたステーションと担当者へ再割当てした複数の実行可能案を出す」と書きます。

AIという名称を先に決める必要はありません。作業時間の推定に機械学習を使う、需要や品種構成を予測する、制約付き最適化で割付を解く、離散事象シミュレーションで変動を試すなど、異なる役割があります。まず手作業でも追跡できる基準案と制約表を作り、単純なルールや数理最適化で十分かを確認します。複雑な学習モデルが有効かどうかは、同じ入力と評価条件で比較して決めます。

タクト、サイクル、稼働率を混ぜない

Lean Enterprise Instituteによる標準作業の三要素は、タクトタイム、タクト内の正確な作業順序、工程を円滑に動かす標準仕掛量です。標準作業が既に見える状態であってこそ、新しい割付で何が変わったかを測れます。タクトは原則として対象期間の正味生産可能時間を顧客需要数量で割った値です。ステーションの観測サイクルタイム、設備の機械時間、歩行時間、部材待ち、故障停止とは意味が異なります。

例えば正味生産可能時間が1シフト24,300秒、必要数量が540個なら、説明上のタクトは45秒/個です。ここから「各ステーションが45秒以内なら540個作れる」と断言するのは誤りです。品種構成、微小停止、不良、欠品、前後工程の詰まりを含む実際の完成数量は、別に検証します。需要が週によって変わるなら、単一タクトだけでなく代表的な需要シナリオを用意します。休憩や会議は可用時間から除外し、計画外停止は実績データとして扱い、二重に差し引かないルールを決めます。

現状測定では、作業要素ごとに人手作業、機械自動時間、待ち時間、歩行、段取りを分けます。同時並行する機械時間をすべて直列に足すと、ライン負荷を過大評価します。平均値だけでなく製品型式、熟練度、シフト、供給状態別の分布を残します。LEIが紹介する工程能力表、標準作業組合せ票、標準作業票は、それぞれ設備能力、人と機械の時間関係、人の動線と材料位置を確かめる資料として使えます。時刻データがMES・PLCから取れても、動画やIEの時間観測と突合し、イベント定義を確かめてください。

六つの制約をハード条件として先に固定する

最適化器に「負荷が均一」とだけ与えると、現場では実行できない案が出ます。RFPの添付表には少なくとも次の六群を、違反不可の条件か、費用を伴う調整可能条件かを区別して書きます。

先行関係は単なる番号順ではありません。並列にできる作業、乾燥・硬化など待ち時間を挟む作業、検査後しか封止できない作業を有向グラフとして表します。工程表が古い場合、現場の標準作業と現物で更新してから計算します。技能条件は個人データの扱いも決め、発注先へ不要な個人名を渡さず認定区分で表せるか検討します。人間工学の上限は工場のEHS担当が決めます。AIの推薦がその判断を置き換えるわけではありません。

材料は特に見落とされがちです。作業要素だけ隣のステーションに移すと、部品棚、供給容器、検査治具、空箱回収が元の位置に残ります。歩行時間と補充頻度が増え、計算上の均衡が現実では崩れます。必要な設備移設やレイアウト変更を許す場合は、費用、停止期間、承認条件を別シナリオとして示してください。「ソフトウェアだけで改善可能な案」と「設備工事を伴う案」を混ぜて順位付けしないことが、投資判断を明瞭にします。

説明用の小さな割付例

説明用に、AからFまで六作業が直列に並び、基準時間が順に18、24、20、15、22、17秒、合計116秒、目標タクト45秒と仮定します。このとき理論上の最小ステーション数は ceil(116/45)=3 です。仮にA+B=42秒、C+D=35秒、E+F=39秒と三つに割り付けられます。しかし、この計算は技能、治具、部材位置、作業者の負担、時間変動、休止を無視しています。三ステーションが実現する保証でも、現場の改善実績でもありません。

例えばEに専用トルク工具が必要で、工具が第2ステーションにしか無いなら、E+Fを第3へ置く案は実行不能です。Cの後に接着硬化待ちが必要でも、機械待ちと人の作業を分けて扱えば、別作業と重ねられるかもしれません。Dを移した先で作業者の認定が無ければ、教育計画を立てるまでその案は採用できません。AIの価値は、こうした仮定を隠すことではなく、条件の違う実行可能案を素早く比較し、「なぜ不採用か」を説明可能にすることです。

比較指標も一つに絞りません。最大ステーション時間、タクト超過確率、必要人数、仕掛量、歩行、変更費用、品質検査の影響、技能育成の必要量を同じシナリオで見ます。スコアを重み付きで合計するなら、重みと単位を公開し、制約違反を高得点で相殺できない設計にします。負荷が均等でも、材料待ちで完成数量が増えない案は却下します。

AI・最適化・シミュレーションを役割分担する

研究上は高度な手法が進んでいます。2025年のNikkerdarらの論文は、深層強化学習と離散事象シミュレーションを組み合わせ、学習工場モデルで人と自動ステーションへの作業割付を動的に調整する研究を報告しています。比較実験で従来のヒューリスティクスを上回る結果を示しますが、これはその研究条件の結果です。タイの実工場で同じ効果や投資回収を保証しません。Sensorsの2025年レビューも、混流、作業者差、設備故障、作業時間の不確実性などを扱う研究の広がりを整理しつつ、実務での実証と経済性評価の余地を指摘しています。

現場導入では、まず三層に分けます。第一層は記録です。BOM/BOP、作業要素、設備、時間、技能、材料位置、現状の標準作業を版管理します。第二層は候補生成です。ハード制約を守るルール・数理最適化・学習モデルのいずれかで、複数案と不採用理由を出します。第三層は評価です。離散事象シミュレーションや現場試験で、変動を含む完成数量、滞留、停止、作業負担を確かめます。生成された案をそのままMESに流し込むのではなく、IE、現場班長、品質、EHS、物流が承認します。

SiemensはTeamcenter Easy Planを、MBOM、工程計画、資源、ライン負荷、サイクル、作業指示を管理する計画環境として説明しています。同社FAQは、工程計画の定義と下流の動的シミュレーションを区別しています。つまり、計画データを持つ機能、割付案を作る機能、変動を検証する機能を同一製品名から推測せず、提案者にデモとデータ連携を示させるべきです。「AI搭載」の表示だけで、自社の先行関係や技能制約を解けるとは判断できません。

導入前に集めるデータと欠損時の扱い

RFP前のデータ収集は、完璧なデジタルツインを作る作業ではありません。現在の割付と提案後の割付を同じ物差しで比べるため、最低限の入力を確定する作業です。品種・需要シナリオ、BOM/BOP、作業要素の開始終了定義、設備配置、治具の専用性、スキルマトリクス、供給頻度、停止理由、品質確認点を一覧にします。測定日は、量産安定日だけでなく、品種切替日、欠員時、部材供給が揺れた日を含めます。

時刻をセンサーや動画から推定する場合、ワークIDとステーションIDが正しく結び付いているか、並列動作をどう扱うか、異常停止を誰が注記するかを先に決めます。タイムスタンプの同期誤差が作業時間より大きければ、秒単位の最適化は意味を持ちません。観測人数が少ない工程や新製品は、推定値と信頼できる範囲を分けます。欠損を黙って平均値で埋めず、暫定値の根拠、感度分析、次に測る責任者を記録します。

ILOが紹介する2025年のガーナ縫製工場向け産業工学プログラムは、時間・作業・動作研究、標準作業、能力計算、ラインバランシングを同じ改善の道具として扱っています。これはタイ工場でAIの成果が出たという証拠ではありません。むしろ、現場の測定と標準作業が先に必要だという実務上の参考になります。作業者の負担や働く条件も評価項目から外しません。

データは一度集めて終わりではありません。新製品、設備改造、工具変更、需要変化、教育完了、品質不良の原因変更があれば、どの入力と最適化結果を再承認するか決めます。版IDを持つBOPと、現場で有効な標準作業票が異なるままなら、システムの計算結果が正しくても導入は失敗します。

RFPで求める機能・成果物・責任境界

「AIでラインを最適化」とだけ依頼すると、各社のデモを比較できません。対象ラインと品種、期間、現状ベースライン、許す変更、ハード制約、評価指標、受入試験データ、例外処理、運用責任をRFPの別表にします。納品対象は画面だけでなく、入力辞書、割付結果、制約違反レポート、理由説明、版管理、標準作業への反映手順、再計算手順です。

見積はライセンス料だけで比較しません。計測、マスタ整備、工程設計、シミュレーション、現場試験、教育、既存システム連携、保守、品種追加の費用を分けます。供給者が「標準機能」で扱える制約と、カスタム開発が必要な制約を個別に回答させます。多言語の標準作業を発行するなら、日本語・英語・タイ語・ベトナム語のどの言語を誰が承認するかも決めます。

個人単位の作業速度を収集する場合は、目的をライン設計と教育に限定し、閲覧権限、保存期間、匿名化の方針を工場の規程と合わせます。技能がない人を一方的に低評価するための仕組みにしないことが、現場の協力とデータ品質に直結します。外部ベンダーへ渡すデータ範囲は、目的に必要な最小限にしてください。

FAT：ソフトウェアと提案案の再現性を確認する

FAT（工場出荷前の受入）では、きれいなデモより、固定したデータセットと期待結果に対して同じ制約判定を再現できるかを見ます。発注者が作成した正常、境界、例外の試験ケースを渡し、供給者の内部サンプルだけで合格させません。最適値が毎回同じである必要はありませんが、制約違反ゼロ、評価方法、乱数条件、計算時間、候補の違いは追跡できなければなりません。

閾値は記事にある値を転用せず、発注者が自社の目標に合わせ事前に決めます。例えば「対象シナリオ集合Sの全ケースで重大制約違反が0」「完成数量が合意した下限Q_min以上」「高負荷作業の連続時間がEHS上限以下」のように、定義、計測法、除外条件を契約文にします。作業者や工程の安全に関わる項目を、スコアの高低で相殺してはいけません。

FATで通るべき成果物には、入力スナップショット、アルゴリズムまたはルールの版、制約表、複数候補、試験結果、不合格ケース、再現手順、残余リスクが含まれます。供給者が画面を操作しないと理由が分からない成果物では、工場が品種追加時に自律運用できません。データの輸出形式と契約終了時の利用権も確認します。

SAT：現場で初めて分かる変動を測る

SAT（据付後の受入）は、机上の割付が実ラインで機能するかを試します。新しい作業順序の教育、部材の置き場、治具移設、検査品質、歩行と姿勢、休憩後の立上げ、夜勤、供給乱れを含む試運転計画を作ります。作業者と班長の同意なく配置を当日変更すると、測定そのものが混乱します。標準作業票、作業指示、スキルマトリクス、補充指示を同じ版で発行してから測定します。

比較は導入前後の単日平均だけで行いません。対象品種、需要、シフト、品質条件、停止定義を揃え、実際の完成数量、タクト超過、WIP、歩行、欠品、再作業、人間工学上の懸念を観察します。悪化した指標を良化した指標で隠さず、合否表に両方を残します。数値が目標に届かなければ、時間推定の誤り、制約の未登録、実装手順の不足、需要条件の変化のどれかを切り分け、再試験の範囲を決めます。

タイ工場で複数言語の作業指示がある場合、翻訳の一致もSATの一部です。トルク値、検査順序、品種切替条件、異常時の停止指示が言語間で違えば、最適化の計算が正しくても安全と品質に影響します。現場で使う言語の指示を実際の担当者が読み、動作を再現して承認します。

シナリオをどう設計すれば誤った合格を防げるか

代表的な一日だけをFATに使うと、システムは現場の易しい条件に合わせて最適化されます。まず対象期間の注文構成を確認し、主力品種、少量品種、切替直後、需要増、欠員、部材供給遅れを別シナリオにします。各シナリオで「どの条件が変わったか」を一つずつ追えるよう、品種比率、需要数量、利用可能人員、設備の稼働条件、補充周期の版を固定します。同時に全条件を変えるストレス試験も必要ですが、それだけでは不合格原因が分かりません。基準ケースから一条件ずつ動かす試験と、複合変動の試験を両方持ちます。

作業時間にばらつきがある場合、平均を足し合わせた一つの負荷棒グラフだけでは不足です。例えば第2ステーションの平均がタクト内でも、限界品種では長い締付けや再検査が重なり、仕掛が積み上がることがあります。品種別の観測件数、中央値、ばらつき、測定から除外した異常を明記し、代表性が弱い場合は合格ではなく追加測定と判定します。予測値を使うなら、学習に使った期間と評価に使う期間を分け、同一ロットの繰返し測定が双方へ漏れないようにします。現場に未知の新製品を入れるなら、既存品の予測精度だけで受入れを決めないことも重要です。

FATの試験データには、わざと解けないケースを含めます。全員の資格が不足し、設備の移設も禁止されるなら、正しい出力は「改善案なし」です。制約を静かに緩めて見栄えの良い案を返すシステムは危険です。どの条件が矛盾しているか、条件を変えるとしたら教育、追加工具、工程変更、需要調整のどれが必要かを表示させます。ただし緩和案の提示と緩和の承認は別です。品質・安全の条件は責任部門の承認なしに自動変更できないようにします。

SATでは、導入前後を比較するときに作業者の習熟による変化にも注意します。新しい割付の初日だけで失格にせず、教育完了後の評価期間と立上げ期間を分けます。同時に、不利な日の記録を消して好調な日のみを残してはいけません。観測日、品種、シフト、担当人数、部材供給、停止理由、品質結果を同じ単位で保存し、達成しなかった条件を含めて受入会議に提出します。ここまで定めて初めて、AIの提案と現場の実績を公正に比較できます。

90日パイロットの例と停止条件

期間は説明上の例で、工場の改造規模によって調整します。第1〜3週は対象一ラインと代表品種を決め、現状の標準作業、需要、時間分布、制約を確定します。第4〜6週は手作業基準案と供給者の複数案を同じデータで比較し、現場が実行可能な案だけを残します。第7〜9週にFATを実施し、正常・例外・欠損・需要変動を再現します。第10〜13週に教育、標準作業改訂、限定的なSATを行い、継続、条件付き継続、停止を決めます。

停止条件は開始時に合意します。安全・品質上の必須制約違反、材料供給を整えられない、計測データの品質が基準に達しない、作業指示を現場言語で承認できない場合、稼働率改善の試算が魅力的でも量産適用を急ぎません。データ不足なら計測に戻り、制約不足ならRFPのモデルに戻り、教育不足ならSAT開始を延期します。何が不足したかを記録すれば、パイロットの停止も次の投資判断に役立ちます。

役割分担は明確にします。工場IEは作業要素と時間定義、製造班長は実行性、品質は検査と不良、EHSは身体負担と安全、物流は供給、IT/OTはデータ連携、購買は契約範囲、供給者はモデルと再現手順を担当します。最終承認者は複数部門の結果を見て、採用するシナリオと残余リスクを記録します。データの所有者と承認者が空欄のままでは、良いアルゴリズムも運用に残りません。

量産切替日の実行計画と差戻し条件

SATの数値が合格しても、量産ラインの切替は別の管理対象です。新しい割付へ移る日を決め、旧版の標準作業がいつまで有効か、新版をどのシフトから使うか、切替中の仕掛品をどう扱うかを一枚の実行計画にします。部材棚や治具を移す場合は、移設前の最終ロット、移設後の初回ロット、混在を許さない品種、検査を追加する期間を明記します。旧版の作業票を現場に残すなら、誤使用を防ぐため有効期限を明示し、端末と紙の双方を同じタイミングで切り替えます。

切替の責任者は、工程設計、現場、品質、物流、EHS、IT/OTでそれぞれ決めます。工程設計は割付とBOPの一致、現場は担当者の認定と教育、品質は初品の検査、物流は部材の新しい供給面、EHSは姿勢と動線、IT/OTは端末表示とMESのルーティングを確認します。切替会議では「準備完了」を一語で報告させず、各部門の証拠、未完了事項、暫定対策、承認者を記録します。部材棚の位置が変わったのにMES画面だけ先に切り替わる、といった片側の更新を防ぐためです。

差戻し条件も切替前に決めます。例えば必須の安全動作が守れない、検査漏れが発生した、合意した供給不足が続いた、認定済み作業者が確保できない場合は、新版を停止して旧版へ戻す手順を発動します。ここでいう閾値や観測時間は各工場が品質と安全の要求から定めるもので、本稿の数値を標準として使いません。旧版に戻すには、設備・治具・材料配置、作業票、端末設定、MES指示を一式で戻す必要があります。ソフトウェアの版だけ戻して物理配置を放置するのは安全な差戻しではありません。

初回ロットでは、サイクルだけを見ず、作業順序、トルク・検査記録、部材の取り違え、仕掛の置き場、担当者の負担を見ます。異常が起きたら班長がいつ、どの版、どの品種、どのステーションで観測したかを記録し、原因を「作業時間」「制約の不足」「教育」「供給」「設備」「品質」のどこに置くか暫定分類します。原因が確定するまでAIに同じデータで再計算させても、誤った入力から別の案が出るだけかもしれません。まず現場を安定化し、必要なら旧版へ戻し、修正した入力でFATの該当ケースを再実行してから再投入します。

切替後のレビューでは、計画した便益と実際の差を、成功例だけでなく未達例も含めて残します。最終承認記録に、新版の有効日、対象品種・シフト、使用した入力版、FAT/SAT証跡、差戻し条件、再評価日を添付します。これらが揃っていれば、後の品種追加や他工場展開の際にも、過去の割付を無条件にコピーせず、適用条件を確認できます。ラインバランシングを一度きりの計算で終わらせず、標準作業の変更管理として定着させるための実務です。

費用対効果は自社のベースラインで計算する

汎用的な改善率を投資計画に貼り付けるべきではありません。便益候補は、追加生産で実際に販売できる数量、残業や応援工数の削減、仕掛・歩行の削減、品種切替時の再計画時間短縮です。ただし二重計上を避けます。例えば完成数量増加と同じ時間の残業削減を両方満額で計上しないよう、対象期間と因果関係を明示します。売上増は需要と販売可能性がある場合のみ計上します。

費用には計測、データ整備、ライセンス、実装、設備・治具移設、教育、現場停止、保守、品種追加を含めます。純便益 = 検証された便益 − 導入・運用費用 と置き、需要高・中・低、技能配置、設備故障を変えた感度表を作ります。研究論文やベンダーの一般的な効率改善値は、自社の投資回収を保証しません。パイロットで測れない便益は「将来可能性」として分け、承認額に含めるかを明示します。

本稼働後の再バランシングを管理する

初回のSATで合格しても、その割付が永久に最適とは限りません。需要の変化、品種追加、技能認定、部材供給方法、設備改造が起きるたびに、再計算を要するかを判定します。変更を検知した人が入力版を更新し、IEが候補を比較し、班長・品質・EHS・物流が関係する制約を確認してから新しい標準作業を発行します。旧版を消してしまうと、現場で生じた差分を追えないため、承認履歴と有効期間を残します。

運用指標としては、提案候補が採用された割合だけでなく、採用後のタクト超過、完成数量、品質、歩行、仕掛、作業者の負担、再計算に要した工数を追います。候補が何度も却下されるなら、現場の抵抗と片付けず、制約表に欠けた条件を探します。逆に、採用案が現場で良好でも、当初モデルの時間推定に系統的なずれがあれば補正します。改善の閉ループは、AIモデルの更新だけでは完成せず、測定、合意、標準作業の改訂まで含みます。

発注前の12問と引渡しチェック

1. 対象は単一製品か混流か。対象外の品種は何か。
2. タクト、ステーションサイクル、完成数量の定義と測定期間は何か。
3. 作業の先行関係を誰が承認し、改訂時に何を再計算するか。
4. 技能・資格、EHS、設備、材料供給をハード制約にできるか。
5. 作業者差と時間変動を、どのデータと範囲で扱うか。
6. ルール、数理最適化、機械学習の役割と比較対象は何か。
7. 候補が実行不能なとき、理由と緩和できる条件を示せるか。
8. 設備移設を伴う案と伴わない案の費用を分けられるか。
9. FATで発注者の未知ケースを再実行し、結果を輸出できるか。
10. SATでどの品種・シフト・供給変動・品質指標を測るか。
11. 標準作業と多言語指示の改訂・教育・承認は誰が行うか。
12. 契約終了後、工場は入力、モデル、結果、履歴を再利用できるか。

納品時には、受入済みの入力版、制約表、割付と不採用理由、FAT/SATの証跡、更新後の標準作業、教育記録、既知の例外、再計算手順を揃えます。「AIが最適と判断」とだけ残すと、次の品種追加時に誰も変更の影響を説明できません。割付を承認した人、承認条件、次回見直し日まで記録して、改善を運用に接続します。

FAQ

ボトルネック分析AIと何が違いますか

ボトルネック分析は滞留や停止の位置と原因を見つけます。ラインバランシングは、先行関係や技能、設備、材料、安全を守って、作業をどのステーションへ移すかを決めます。前者の結果は後者の入力になりますが、検知だけで割付案が完成するわけではありません。

AIが無ければ導入できませんか

できます。対象が小さく制約が安定していれば、IEの手計算、標準作業票、ルール、数理最適化で十分な場合があります。AIは時間推定や変動の比較など、追加価値を実測できる箇所へ使います。

タクト以内の案なら量産できますか

必ずしもできません。平均時間がタクト以下でも、時間分布、故障、欠品、不良、品種切替、歩行が完成数量を下げます。FATでは変動を試し、SATでは現場で検証します。

何を最初のパイロットに選びますか

作業要素と先行関係を記録でき、現状の標準作業があり、変更を限定でき、成果を測れる一ラインを選びます。安全上の必須条件が曖昧なラインを、アルゴリズムの実験場にしないでください。

供給者比較で最も重要な証拠は何ですか

自社データの一部を使い、ハード制約を破らない複数案、実行不能理由、変動シナリオ、再現可能なFAT結果を示せることです。見栄えのよい負荷グラフだけでは判断できません。

まとめ

製造業のラインバランシングにAIを導入する際は、工程の遅さを示すダッシュボードから一歩進め、作業再割当ての制約、費用、承認、受入証跡を発注仕様にします。タクトと現状の標準作業を基準に、先行関係、技能、身体負担、設備、材料供給を守る案を比較します。FATで計算の再現性と制約を検証し、SATで実際の完成数量、品質、作業負担を確認したうえで、新しい標準作業として引き渡します。

タイ工場で対象ラインの選定、RFPの制約表、90日パイロットのFAT/SAT条件を整理する段階なら、TOMAS TECHへご相談ください。現状の作業配分とデータの不足を可視化し、現場が検証できる導入範囲から検討できます。

参考資料

• Lean Enterprise Institute, Standardized Work
• Autodesk, About Line Balancing
• Siemens, Teamcenter Easy Plan
• Siemens, Teamcenter Easy Plan FAQ
• International Labour Organization, Industrial engineering and productivity in factories
• Nikkerdar et al., Smart adaptable assembly line rebalancing based on reinforcement learning
• Sitahong et al., A Review of the Expansion and Integration of Production Line Balancing Problems