MESデータで改善サイクルを回す実務フロー
この記事でわかること
MESを入れたのにデータが使えていない——収集設計・可視化・分析・アクションの4ステップで、改善サイクルをどう回すかを生産技術担当者向けに解説。
MESを導入したのに「データが溜まるだけで改善に使えていない」という声を現場でよく聞きます。データがあっても、使い方の設計がなければ宝の持ち腐れです。この記事では、収集・可視化・分析・アクションという4つのステップに沿って、MESデータを改善サイクルに乗せるための実務フローを解説します。
MESデータで改善サイクルを回す4ステップ
「収集して終わり」「分析して終わり」にしないための全体像
1MESデータ活用が止まる3つの壁
MESやヒストリアン（工程データを時系列で記録するシステム）を入れると膨大なデータが蓄積されます。しかしどの現場でも共通して「データはある。でも誰も見ていない」という状態に陥りがちです。原因はシステムではなく、使い方の設計にあります。
この3つの壁を意識しながら、以降の4ステップを読み進めてください。
MESデータ活用が止まる3つの壁
どの現場でも共通して起きやすい落とし穴
2Step1：収集設計——課題から逆算して「何を・どこから・どの頻度で」決める
「全部取る」は失敗のもと。改善したい課題から逆算する
収集設計の出発点は「何を改善したいか」です。「とりあえず全部記録しておこう」という発想で設計すると、後でどのデータが何に使えるのか判断できなくなります。まず改善したい課題を1つ決めて、その課題に影響する工程パラメータ（温度・圧力・速度など）を特定してから収集対象を絞り込む——この逆算の順番が重要です。
PLCから取るか、SCADAから取るか、ヒストリアンから取るか
データの取得元は3つあります。それぞれの特徴を理解して用途に合わせて選ぶことが、後の分析効率を大きく左右します。
- PLCから取る：細かい制御パラメータを直接取りたい場合や、リアルタイム性が必要な場合に向きます。ただし設備ごとにアクセス方法が異なり、設定変更には慎重さが要ります。
- SCADAから取る：複数設備のデータを一元管理したSCADAは、加工・集約済みデータを扱いやすい反面、生データとの乖離が生じることがあります。
- ヒストリアンから取る：時系列での蓄積と検索に特化しており、過去データの遡及分析に最も適しています。分析用途がメインであればヒストリアンを軸に据えるのが現実的です。
各システムの役割分担について詳しくは、PLCとSCADA・ヒストリアンの違いを参照してください。
サンプリング頻度の決め方
| 用途 | 推奨頻度 | 理由 |
|---|---|---|
| 品質トレーサビリティ | 製品・ロット単位 | 後で原因追跡できればよい |
| 工程パラメータ監視 | 1〜10秒 | 異常を逃さない最低限 |
| 設備の振動・電流 | 100ms以下 | 機械の微細な変化を捉える |
| KPI集計（OEEなど） | 1分〜1時間 | 傾向把握に十分 |
細かすぎるサンプリングはデータ量を爆発させます。まず「何分おきのデータがあれば判断できるか」を現場と確認してから設定しましょう。
試作・開発フェーズから仕込む
量産ラインでなくても、試作段階からヒストリアンにデータを蓄積しておくことには大きな価値があります。量産移行後に「あの実験データがあれば条件出しが早かった」と後悔するケースは珍しくありません。実験条件（どのパラメータをどう変えたか）と結果（品質・収率）を紐付けて記録することが、後の分析資産になります。実験データが蓄積されてきたら重回帰分析をかけることで、どのパラメータが品質に最も影響しているかを定量的に把握でき、開発スピードが上がります。
3Step2：可視化——現場が「使う」ダッシュボードの設計原則
現場オペレーター向けと管理者向けは分ける
ダッシュボードは「誰が何を判断するために見るか」で設計が変わります。一つのダッシュボードで全員のニーズを満たそうとすると、誰にも使われないものができあがります。
ダッシュボードの設計：誰向けに何を見せるか
画面を分けることが「使われるダッシュボード」の第一歩
ダッシュボード設計で失敗しやすいのは「まず作ってから現場に見せる」という進め方です。現場オペレーターが実際にどの数字を見て判断を下しているかを先にヒアリングし、「この数字があれば自分で動ける」と言ってもらえるものを作ることが、使われるダッシュボードの条件です。
「見てわかる」指標を選ぶ
改善活動でよく使われる指標を整理します。
- OEE（総合設備効率）：時間稼働率 × 性能稼働率 × 良品率で計算する指標。設備の総合的な使われ方を一つの数字で表せます。計算式と業界別目標値についてはOEEとは何かを参照してください。
- サイクルタイム：製品1個を作るのにかかる時間。設計値との差が大きい時間帯や機種を特定できます。
- 不良率（PPM）：100万個あたりの不良個数。工程ごとに管理すると発生源の特定が容易になります。
BIツールとMES標準画面の使い分け
MESには標準の監視画面が付属していることが多いですが、カスタマイズ性には限界があります。柔軟な可視化が必要な場合は、Power BIやTableauなどのBIツールにデータを連携するのが現実的です。ヒストリアンからODBCやAPIでデータを取り出してBIツールに接続する構成が、現場でよく使われます。
4Step3：分析——「なぜ不良が出たか」をデータで追いかける
ヒストリアンデータ×検査結果で不良原因を特定する
「不良が出た時間帯に何が起きていたか」を探るには、工程パラメータ（温度・圧力・速度など）と品質検査結果を時刻で結合して比較します。ヒストリアンに工程パラメータが蓄積されていれば、不良が発生したロットの製造時間帯に遡って工程状態を確認できます。
手順の例：
- 検査で不良と判定されたロットの製造時刻を特定する
- ヒストリアンでその時刻帯の工程データを抽出する
- 正常ロットの同データと比較して差異を探す
- 差異のあったパラメータを「疑い要因」として仮説を立てる
Excelでも散布図を使えば簡単に相関を確認できます。特定のパラメータが一定値を超えると不良率が上がる、という関係が見えてくれば、次のアクションが明確になります。
「分析→仮説→実験→再分析」のサイクルを止めない
データ分析のサイクル
「分析して終わり」を「アクション」につなげる4ステップ
分析で相関が見つかっても、それは「関係がありそう」という示唆に過ぎません。因果関係を確認するには、意図的にパラメータを変えた実験データが必要です。複数の工程パラメータが品質に影響している場合は、重回帰分析（ExcelのAnalysis ToolPakで手軽に実施でき、データ量が多い場合はPythonのscikit-learnも選択肢）を使うと、どのパラメータがどれだけ品質に影響するかを定量化できます。
5Step4：アクションに落とす——改善を現場に根付かせる
分析結果を「標準書の変更」「アラームの設定変更」に落とし込む
分析結果がどれだけ優れていても、現場の行動が変わらなければ意味がありません。アクションの代表的な形は以下の2つです。
- 標準書（作業手順書）の変更：「○○温度は△△℃±5℃で管理する」という形で、分析で得た知見を手順に反映します。MESのレシピ機能（製品ごとの工程条件を管理する機能）がある場合は、そちらにも設定を反映します。
- アラームの設定変更：「このパラメータがこの値を超えたら警告する」という閾値を、分析結果に基づいて見直します。感度が低すぎると異常を見逃し、高すぎるとアラームが鳴りすぎて現場が慣れてしまいます（アラームフラッディングと呼ばれます）。
効果測定までがサイクル。「やりっぱなし改善」を防ぐ
不良率・サイクルタイム・OEEを改善前後で数値比較します。MESにデータが蓄積されているからこそ、期間を指定するだけで変化を確認できます。効果が出ていなければ仮説を見直し、出ていれば次の課題に移る——このサイクルを止めないことがデータ活用の本質です。
なお、MES関連の取り組みを組織として継続させるには、現場・IT・経営への社内調整も避けて通れません。MES導入の稟議を通す方法もあわせて参考にしてください。
6まとめ
データが溜まっているだけの状態を抜け出すには、「分析して終わり」ではなく「アクションと効果測定まで」を一つのサイクルとして設計することが出発点です。完璧な収集設計を目指すより、まず一つの課題に絞ってStep1〜4を最短で一巡させる経験を積む方が、現場のデータ活用文化を育てる近道です。
MESそのものの概要・ERP連携・導入の落とし穴については、MESとは何かを参照してください。
この記事の執筆者
seigitech 編集部
生産技術・機械設計・自動化・MES・AIを専門とする実務エンジニア集団。 現場での実務経験をもとに、すぐに使える知識とノウハウを整理・発信しています。