スマートファクトリーの導入事例｜導入前の課題や導入後の効果を解説！

事例を読む前に、スマートファクトリーの考え方と、事例に登場する技術を整理します。前提をそろえておくと、各社の施策を比べやすくなります。

スマートファクトリーとは

スマートファクトリーは、設備や人の稼働データをITとIoTでつなぐ工場を指します。集めたデータをクラウドなどで分析し、停止の削減や品質の安定に活かす考え方です。

対象は工場の中だけにとどまりません。コマツのように、出荷した製品をネットワークにつなぐ取り組みもあります。製品の稼働データは、保守の提案や次の製品開発にも活かすことが可能です。全工程を一度に変える必要はなく、1つの工程から始める企業も多くみられます。

事例に登場する主な技術

事例で使われている技術は、大きく4つに分けられます。1つ目は設備の稼働監視で、後付けセンサーで稼働状況や停止理由を記録します。2つ目はAIによる画像検査で、原料や製品の良否を自動で判定する技術です。

3つ目はRFID（電子タグ）で、部品や工程の取り違えを防ぎます。4つ目は、熟練者の動作や温度をセンサーで捉え、技能をデータとして残す取り組みです。どの技術を選ぶかで、必要な基盤や費用感も変わってきます。

IoTプラットフォームの役割

集めたデータをためて分析し、現場や経営に届ける土台がIoTプラットフォームです。設備や拠点ごとに散らばったデータをまとめます。稼働率や停止理由などの指標を、拠点や工程をまたいで比較できる形に整えるのも役割の一つです。

基盤は、自社開発する方法と市販のサービスを使う方法に分かれます。デンソーは、世界約130工場をつなぐ基盤を自社開発しました。一方で旭鉄工は、SIM回線やクラウドサービスを組み合わせて低コストで始めています。

編集部メモ：スマートファクトリーには、大がかりな設備投資の印象がつきまといがちです。ただ、事例の入口は後付けセンサーやRFIDなど、身近な技術が多くを占めています。技術の名前より、どの課題に使ったかに目を向けると、自社との接点を見つけやすいでしょう。

事例を自社に活かすには、読む前に視点を決めておくと整理しやすくなります。成果の数字だけを追うと、自社では無理だと感じて終わりがちです。次の3つの視点で読むと、再現できる部分が見えてきます。

• 自社の規模に近い事例を選ぶ
• 課題を起点に読む
• 使った技術と基盤を確認する

自社の規模に近い事例を選ぶ

事例は、自社と規模や業種が近いものから読むと参考にしやすくなります。必要な投資額や推進体制は、企業規模によって大きく異なるためです。

世界約130工場を統合するデンソーと、1ラインから始めた旭鉄工では、前提がまったく違います。大手の事例を読むときは、施策の規模ではなく、どの課題から手をつけたかに注目してください。自社に近い規模や業種の事例ほど、施策をそのまま取り入れやすくなります。

課題を起点に読む

各社が何を解こうとしたかに注目すると、自社の課題と重なる事例を見つけやすくなります。技能継承、設備停止、品質検査、エネルギーコストなどが代表的な課題です。

技術から入ると、自社に必要のない仕組みまで検討対象に含めてしまうおそれがあります。まず課題で事例を分類し、そのうえで施策と効果を読んでいきましょう。技術ありきではなく課題ありきで読むことが、的外れな投資を避けることにつながります。

使った技術と基盤を確認する

効果と一緒に、何を使ったかも押さえておきます。AI画像検査か、設備の稼働監視か、SIM回線による遠隔監視かを確認しましょう。使う技術によって、必要なIoTプラットフォームが変わるためです。

費用感も、使う技術によって大きく異なります。基盤を自社開発したのか、市販のサービスを組み合わせたのかも確認したい点です。効果だけでなく使った技術まで把握すると、自社で検討すべき選択肢が具体的になるでしょう。

まず、投資余力と専門人材を持つ大手メーカーの事例を取り上げます。規模の大きさに目が向きがちですが、着目したいのは、どの課題から手をつけたかという起点の選び方です。

ダイキン工業×日立 — 熟練技能のデジタル化

• 業界：空調機製造
• 企業規模：大企業
• 導入前後の変化：導入前は、ろう付けの技能習得に時間がかかり、熟練者が訓練者の隣について指導していた。導入後は、標準動作モデルとの差を数値とグラフで示す訓練に変わり、育成期間が半減したと報じられている

空調機の製造に欠かせない「ろう付け」は、トーチの角度や母材の温度管理に熟練を要します。熟練者の高齢化が進み、技能継承が課題になっていました。同社は日立製作所と協創し、2017年に滋賀製作所へ技能訓練支援システムを導入しています。

熟練者の手やトーチの動き、温度変化をカメラやセンサーで収集し、標準動作モデルを構築しました。訓練者の動作をモデルと比較し、数値で指導する仕組みです。日経クロステックは、育成期間が半減したと報じています。

デンソー — 世界約130工場をつなぐFactory-IoTプラットフォーム

• 業界：自動車部品
• 企業規模：大企業
• 導入前後の変化：導入前は、世界各地の工場の生産情報がつながっておらず、全社で知見を共有しにくかった。導入後は、設備や人の稼働データを統合し、稼働率の向上や改善時間の短縮を目指す基盤が整った

デンソーでは、拠点ごとに最適化が進む一方で、全社の改善スピードに限界がありました。同社は2020年、世界約130工場をITとIoTでつなぐ基盤を自社開発したと公表しています。名称は「Factory-IoTプラットフォーム」です。

設備や人の稼働データを統合し、稼働率の向上や改善時間の短縮につなげる狙いがあります。拠点ごとに指標の定義が異なると、データがあっても全社で比べられません。共通の基盤で指標をそろえ、拠点横断で比較できる状態を目指しました。

コマツ — 製品IoTから現場全体の最適化へ

• 業界：建設機械
• 企業規模：大企業
• 導入前後の変化：導入前は、世界中に納めた建機の稼働状況を把握できていなかった。導入後は、KOMTRAXで所在や稼働状況を遠隔監視できるようになり、施工全体をデータでつなぐ取り組みへ広がった

コマツの特徴は、工場の設備ではなく、建設機械そのものをIoT化した点にあります。同社は「KOMTRAX（コムトラックス）」で建機をネットワークにつなぎました。所在や稼働状況、燃料、消耗品の状態を遠隔で監視できる仕組みです。

さらに、ドローン測量から施工計画、施工、検査までをデータでつなぐ取り組みへ発展させました。これが「スマートコンストラクション」です。稼働データが集まれば、部品の消耗時期を予測して保守を提案できます。盗難や不正使用の検知にも役立つでしょう。

三菱電機 — 自社工場でのe-F@ctory実践

• 業界：電機（FA機器・空調機器）
• 企業規模：大企業
• 導入前後の変化：導入前は、室外機の製造ラインで部品や工程の取り違えといった作業ミスを防ぐ必要があった。導入後は、RFIDによって取り違えを防ぐ仕組みが整った

三菱電機は、自社のFA機器を使い、まず自社工場のスマートファクトリー化を進めてきました。名古屋製作所では、各工程の生産データとITシステムを連携させ、情報処理の効率化を図っています。

静岡製作所では、業務用エアコン室外機の製造ラインにRFID（電子タグ）を導入しました。部品や工程の取り違えといった作業ミスを防ぐ仕組みです。これらの実践は、同社が提供するe-F@ctoryというコンセプトの土台になっています。

キユーピー — AIによる原料検査の自動化

• 業界：食品
• 企業規模：大企業
• 導入前後の変化：導入前は、原料の不良の種類が多く、不良パターンを学習させる従来の方式では精度を出しにくかった。導入後は、良品のパターンを学習させた検査装置により、多様な不良に対応できるようになった

食品の原料検査では、変色や夾雑物など不良の種類が数多くあります。不良パターンを学習させる従来の画像処理では、精度を出しにくいという壁がありました。そこで同社は、ブレインパッドおよびGoogleと連携しています。

開発したのは、ディープラーニングを使った原料検査装置です。不良ではなく良品のパターンを学習させ、それ以外をすべて不良として検出します。技術そのものより、何を学習させるかという設計の工夫が成果につながりました。

編集部メモ：5社の取り組みは規模こそ大きいものの、入口は1つの課題に絞られています。編集部では、この点が成果につながったとみています。技能の数値化や指標の共通化、良品基準での判定は、中堅・中小でも応用しやすい考え方です。製品を販売するメーカーなら、出荷後の製品データを活かす視点も検討に値するでしょう。

大手の事例は参考になる一方、投資規模や人材の前提が異なります。そのまま取り入れるのは難しい面もあるでしょう。ここでは、限られた資源のなかで成果を出した中堅メーカーとして、旭鉄工の取り組みを紹介します。

• 業界：自動車部品
• 企業規模：中堅（従業員数百名規模）
• 導入前後の変化：導入前は、古い機械が多く、IoT化は難しいという認識が社内にあった。導入後は、後付けセンサーで稼働状況や停止理由を見える化し、多数のラインで生産性が向上したとされている

旭鉄工は2014年ごろから、既存設備に後付けできるセンサーを使い始めました。生産ラインの稼働状況や停止理由を見える化する取り組みです。設備を入れ替えずにデータを取得し、SORACOMの通信回線などを使ってクラウドで分析しています。

データをもとに停止理由を一つずつ解消し、生産性を改善していきました。公開情報では、多数のラインの生産性が平均で大きく向上したとされています。労務費の削減にもつながりました。ただし、出典によって示される数値には幅があります。

この仕組みは社外からも評価されました。同社は外販を担う子会社として、i Smart Technologiesを設立しています。1ラインあたり月数百円規模から始められる点も、中小に広がった理由です。改善を進めたのは、外部のコンサルタントではなく現場を知る社内の人たちでした。

編集部メモ：この事例は、設備の入れ替えを待たずに見える化から始められることを示す好例です。停止理由をデータで把握できれば、原因の特定と対策は現場の知見で進むと編集部ではみています。大規模な投資より、小さく始めて効果を積み上げる姿勢が成果につながったと考えられます。

事例を読んだら、自社の状況に当てはめて進め方を考えます。規模によって変わる部分と変わらない部分を切り分けると、取り入れる範囲を判断しやすくなります。次の手順で整理してみてください。

最も解きたい課題を1つ選ぶ

最初に、技能継承・設備停止・品質検査・エネルギーコストのうち、最も解きたい課題を1つ選びます。課題が複数あると、効果の測り方も対象の工程もぼやけてしまうためです。

課題が決まれば、参考にする事例も選びやすくなります。技能継承ならダイキンの技能デジタル化、設備停止なら旭鉄工の見える化が近い事例です。品質検査が課題であれば、キユーピーのAI検査を参考にするとよいでしょう。課題と事例を対応づけると、取るべき手段が具体的になります。

規模に応じて手段を選ぶ

同じ見える化でも、規模によって投資額・基盤・対象範囲は大きく異なります。デンソーのように自社開発の基盤で多拠点をつなぐ方法は、相応の投資と専門人材を前提としています。

中堅・中小であれば、従量課金のクラウドやSIM回線単位のサービスを使う方法が現実的でしょう。旭鉄工のように後付けセンサーを使えば、設備を入れ替えずに始められます。効果の大きい工程に対象を絞ると、投資のリスクも抑えられます。

大手事例からは進め方を抜き出す

規模に関係なく共通するのは、次の3点です。課題を起点に始めること、効果を数値で測ること、現場を巻き込むことが挙げられます。技術の規模は違っても、進め方の骨格は変わりません。

大手事例を読むときは、投資規模ではなく考え方を取り出しましょう。デンソーの事例なら、拠点や工程ごとの指標をそろえる考え方が参考になります。2拠点・3ラインの規模でも、稼働率や停止理由の定義を共通化すれば比較が可能です。

小さな範囲で効果を検証する

課題と手段が決まったら、効果を測れる小さな範囲で検証します。1ラインや1工程など、結果を数値で確かめられる単位から始めましょう。

検証の前に、停止時間や生産性など、何で効果を測るかを決めておくことが大切です。数値で成果を示せれば、次の投資判断や他ラインへの展開の根拠になります。課題に合う製品は、製造業向けIoTプラットフォームのカテゴリページで条件を絞って比較できます。

規模も業種も異なる事例ですが、成果を出した企業には共通する進め方があります。自社で取り組むときの指針として、4つに整理しました。

• 目的を1つの工程・課題に絞って始めている
• 既存設備を活かしてスモールスタートしている
• 効果を数値で測り、横展開につなげている
• 現場を巻き込み、技能・ノウハウをデータに残している

目的を1つの工程・課題に絞って始めている

成功した事例は、いずれも何を解くかを明確にしてから着手しています。ダイキンは技能継承、キユーピーは原料検査、旭鉄工は設備停止と、対象を1つに絞りました。

「工場をスマートにする」という漠然とした目標では、効果を測る指標も定まりません。具体的な課題から入ることで、成果を数値で確かめられる状態をつくれます。課題を絞ることは、最初の投資の範囲を抑えることにもつながるでしょう。

既存設備を活かしてスモールスタートしている

旭鉄工は、古い設備を入れ替えずに後付けセンサーで見える化を始めました。ダイキンも、ろう付けという1つの工程から取り組んでいます。

最初から全設備・全工場を対象にすると、投資額が膨らみ、効果の検証も難しくなります。効果の大きい工程から小さく始めれば、投資のリスクを抑えながら成果を確認できるでしょう。この進め方は、資源の限られる中小にとって特に参考になります。

効果を数値で測り、横展開につなげている

デンソーは、拠点間で指標を共通化し、横断で比較できる状態を目指しました。拠点や工程ごとに指標の定義が異なると、データがあっても比較できません。効果を数値で測れる状態をつくることが、横展開の前提になります。

停止時間や生産性といった指標で改善を示せれば、次の投資判断や他ラインへの展開の根拠になります。反対に、数値で語れない実証実験は予算が続かず、途中で止まりがちです。旭鉄工も、停止理由のデータをもとに改善を積み重ねてきました。

現場を巻き込み、技能・ノウハウをデータに残している

ダイキンの技能デジタル化や三菱電機のRFID活用は、現場の作業そのものを改善の対象にしています。データを入力し、日々活用するのは現場の作業者です。

作業者が負担なく使える仕組みでなければ、取り組みは定着しません。旭鉄工でも、改善を進めたのは現場を知る社内の人たちでした。ベテランの技能をデータに残す取り組みは、人手不足が深刻な工場ほど効果が大きくなります。

成功事例の裏には、途中で止まった取り組みも数多くあります。事例から逆算すると、つまずきやすい点と回避策が見えてきます。

• 実証実験を繰り返し実用化に至らない
• 全社一斉導入を狙ってしまう
• 運用・分析の人材を見込んでいない
• 設備をつなぐ際のセキュリティ対策が後回しになる

実証実験を繰り返し実用化に至らない

実証実験（PoC）を繰り返すだけで実用化に至らない状態は「PoC死」と呼ばれます。専門メディアのMONOistでも、継続的に取り上げられている現象です。原因は技術よりも、PoCが経営目標と切り離され、効果を定量化できないまま予算が尽きることにあります。

回避策：着手前に、解く課題と効果を測る指標を決めておきましょう。成功事例が最初に課題と指標を定めていたのは、この事態を避けるためでもあります。

全社一斉導入を狙ってしまう

効果を検証しないまま広く導入すると、費用対効果が見えず行き詰まります。最初から完璧な全体像を描こうとして計画が膨らみ、着手できないまま終わるケースもみられます。

回避策：最初の対象を1つの工程やラインに絞りましょう。事例の多くが特定の工程や拠点から始めていたのは、リスクを抑えるためです。旭鉄工は1ラインから、ダイキンはろう付けという1工程から始めました。少ない投資で効果を確かめてから広げると、リスクを抑えられます。

運用・分析の人材を見込んでいない

仕組みを導入しても、データを使い続ける体制がなければ効果は出ません。導入後の運用や分析を担う人材を計画に含めていないと、データが集まるだけの状態になりかねません。導入して終わりにしないことが大切です。

回避策：社内人材が不足する場合は、外部パートナーと組む方法を検討します。ダイキンと日立、旭鉄工とi Smart Technologiesの組み合わせが参考になるでしょう。

設備をつなぐ際のセキュリティ対策が後回しになる

設備をネットワークにつなぐ以上、OT（制御系）を狙うサイバー攻撃への備えが欠かせません。つなぐ範囲を広げてから対策を考えると、構成の見直しが必要になります。結果として、手戻りが大きくなるおそれがあります。

回避策：どの設備を、どの経路でつなぐかを設計の段階で決めておきましょう。つなぐ範囲とつなぎ方を最初に定めておけば、後からの手戻りを防げます。

スマートファクトリーの事例から学ぶべきは、成果の大きさではなく進め方です。ダイキン・デンソー・コマツ・三菱電機・キユーピー・旭鉄工の取り組みを紹介しました。いずれも解く課題を絞り、既存の資源を活かして取り組みを広げています。

自社で取り組むなら、まず最も解きたい課題を1つ選び、近い事例の進め方を参考にします。効果を測れる小さな範囲で検証し、数値をもとに横展開していく流れは、中堅・中小でも再現できるでしょう。

用語や仕組みを整理したい場合はスマートファクトリーの解説記事を参照してください。製品は製造業向けIoTプラットフォームのカテゴリページで比較できます。