ボトルネック工程の見つけ方と計画で解消するための5つの要素

なぜ「ボトルネック工程の特定」が工場経営を左右するのか

ボトルネック1時間のロスが全工程の遅延に波及する

ある部品加工工場では、5つの工程を順番に通して製品を仕上げています。工程3の処理能力が1時間あたり80個、他の工程はいずれも100個以上。この場合、工場全体の出来高は工程3の80個が上限になります。

工程3で1時間の設備停止が起きると、後工程の4と5は材料が来ないまま待機するしかありません。1時間のロスが2つの後工程に波及し、納期遅延のリスクが一気に高まる。納期遅延が頻発する工場では、こうしたボトルネック工程での停止やトラブルが根本原因になっているケースが少なくありません。

仕掛在庫の滞留がキャッシュフローを圧迫する

ボトルネック工程の前には、処理待ちの仕掛品が溜まり続けます。前工程が速いペースで流しても、ボトルネックが追いつかなければ仕掛品は積み上がるだけです。

仕掛在庫は完成品になるまで売上にはなりません。材料費や加工費はすでに投じているのに、棚の上で資金が寝ている状態が続く。仕掛在庫が月間で数百万円に膨らんでいる工場もあり、キャッシュフローへの影響は無視できません。一方、ボトルネック工程の後では、後工程が材料待ちで手空きになる。人件費だけがかかり、出来高には反映されない時間が生まれます。

改善活動の的が外れると投資が分散する

どの工程がボトルネックなのかを把握できていないと、何が起きるか。改善活動の優先順位が定まらず、投資が分散します。

ボトルネックでない工程の設備を増強しても、全体の出来高は変わりません。人員を追加しても同じです。100万円の改善投資をボトルネック工程に集中すれば出来高が10%伸びる場合でも、ボトルネックが見えていなければ、別の工程に投資してしまう。改善活動の効果が出ない原因は、努力不足ではなく、対象の選定ミスであることが多いのです。

ボトルネック工程が「見えない」3つの根本原因

工程ごとの実効処理能力が定量化されていない

たとえば、設備のカタログスペックでは1時間あたり100個処理できるとされている工程でも、実際の現場では段取り替え、清掃、品質検査、材料供給の待ち時間などが発生します。これらの付帯作業を含めた「実効処理能力」は、カタログ値の60〜80%に落ちることも珍しくない。

カタログスペックだけを見て「この工程は余裕がある」と判断すると、実はそこがボトルネックだった、という事態が起きます。段取り替えの頻度が高い工程ほど、カタログ値との乖離が大きくなる傾向がある。段取り替えが生産性に与える影響を計画に反映できていないと、ボトルネックの所在を見誤ります。

品種構成の変化でボトルネックが移動する

今月と来月でボトルネックが同じ工程にあるとは限らない。この点が、ボトルネック特定を難しくしている最大の要因です。

品種Aは工程2の加工時間が長く、品種Bは工程4の加工時間が長い。今月は品種Aの受注が多ければ工程2がボトルネックになり、来月は品種Bが増えて工程4に詰まりが移る。多品種少量生産の工場では、品種構成の変動が月単位、場合によっては週単位で起きるため、固定的な「ボトルネック工程の特定」では追いつきません。

計画がボトルネック起点で組まれていない

多くの工場では、生産計画を先頭工程から順に組んでいきます。「工程1に何を投入するか」を決め、その結果が工程2、工程3へ流れていく。この方式では、ボトルネック工程に過負荷がかかるかどうかは、計画を組んだ後でないと分かりません。

制約理論（TOC）の考え方では、ボトルネック工程のペースに全体を合わせるのが原則です。しかし、計画段階でボトルネックがどこにあるかを正確に把握していなければ、この考え方を実践に落とし込むことはできません。結果として、ボトルネック工程に仕事が集中しすぎたり、逆に空き時間が生まれたりする非効率が繰り返されます。

ボトルネックを計画で特定・解消するための5つの要素

ボトルネック工程を見つけ、計画で対処するためには、以下の5つの要素を同時に考慮する必要があります。前提として、各工程の標準作業時間や設備仕様などの基礎データが整備されていることが求められます。

(1) 工程別の実効処理能力

たとえば、旋盤工程の実効処理能力を算出するには、設備の理論処理速度だけでなく、段取り替えにかかる時間、品質検査の頻度、清掃作業の時間を差し引く必要があります。1シフト8時間のうち、段取り替えが3回で合計1.5時間、品質検査で0.5時間、清掃で0.3時間を消費するなら、実効稼働時間は5.7時間です。カタログスペックで時間あたり100個処理できる設備も、実効では71個程度に落ちる。この実効値を工程ごとに把握しなければ、どこがボトルネックかは見えません。

(2) 品種ごとの工程負荷

同じ設備を通る品種でも、加工条件によって所要時間は異なります。品種Aの工程3は20分だが、品種Bの工程3は35分かかる、といった差は現場では当たり前に存在するでしょう。品種ごとの工程負荷を把握しておかないと、「今月の品種構成ではどの工程がボトルネックになるか」を予測できません。品種数が50を超える工場では、この負荷パターンのデータ量は膨大になります。

(3) 投入順序と品種構成

ボトルネック工程の処理能力は、品種の投入順序によっても変動します。品種Aから品種Bへの切り替えでは段取り替えが30分かかるが、品種Aから品種Cなら10分で済む。投入順序次第で、ボトルネック工程の実効処理能力が大きく変わるのです。

どの順番で何を流すかという判断は、ボトルネックの所在そのものを左右します。段取り替えの少ない順序を選べばボトルネックが緩和され、逆の順序を選べば悪化する。計画段階で投入順序まで含めて評価しなければ、ボトルネックの正確な特定は困難です。

(4) 工程間の同期タイミング

たとえば、工程2の完了品が工程3に到達するタイミングが合わなければ、工程3（ボトルネック）は材料待ちで止まってしまいます。ボトルネック工程の手待ち時間は、工場全体の出来高に直結する最も高価な待ち時間です。

逆に、前工程が一気に仕上げてボトルネック工程に大量の仕掛品を送り込むと、処理が追いつかず滞留が膨らむ。前工程と後工程のペースをボトルネック工程に合わせて同期させることが、仕掛在庫の削減とスループットの安定に直結します。

(5) 設備・人員の共有制約

1台の設備を複数の品種で共有している場合、ある品種の加工が延びれば他の品種の加工開始が遅れます。同様に、多能工が複数の工程を掛け持ちしている工場では、ある工程の作業が長引くと別の工程が止まるという連鎖が発生しやすい。

こうした共有制約を無視して計画を組むと、計画上はボトルネックでなかった工程が、実際の運用ではボトルネックに変わることがあります。共有制約を計画に織り込むことで、隠れたボトルネックを事前に把握できるようになります。

なぜ人手の計画ではボトルネック対応に限界があるのか

品種構成が変わるたびに再特定が必要になる

ある自動車部品工場では、月ごとに受注品種の構成が変わり、主力品種の比率が10%変動するだけでボトルネック工程が工程3から工程5に移動します。担当者はExcelで工程負荷表を更新して対応していますが、品種構成が確定してから計画を組み直す時間は限られている。結果として、先月と同じ前提で計画を流用してしまい、新しいボトルネックに気づかないまま生産が始まるケースが繰り返されています。

投入順序の組み合わせ爆発を手計算で追えない

5つの工程に20品種を流す場合、投入順序の組み合わせは天文学的な数になります。どの順番で流せばボトルネック工程の段取り替えが最小になり、全体のスループットが最大になるか。この問いに対して、人間が全パターンを検討することは不可能です。

現場では「段取り替えが少なそうな順番」を経験で判断していることが多いでしょう。しかし、段取り替えを減らす順序が必ずしも全体のスループットを最大にするとは限りません。ボトルネック工程の段取り替えを優先すべきか、それとも後工程の納期を優先すべきか。こうしたトレードオフを同時に評価するには、人の判断力だけでは足りないのです。

計画変更のスピードが現場の変化に追いつかない

受注変更や設備トラブルが発生するたびに、ボトルネックの所在は変わり得ます。計画担当者がExcelで半日かけて作り直した計画が、翌朝には前提条件が変わっている。こうした状況では、常に「少し古い計画」で生産を回すことになります。

ボトルネック工程は、計画が正確であってこそ特定できるものです。前提条件がずれた計画で走り続ければ、実際のボトルネックと計画上のボトルネックが乖離し、改善の打ち手も的外れになる。計画の更新速度と現場の変化速度のギャップが、ボトルネック管理を形骸化させる大きな要因です。

最適化AIが切り拓くボトルネック解消への道

最適化AIとは、現場が守らなければならないルール（設備能力、作業順序、人員制約など）をすべて満たしながら、最も良い結果を自動で見つけるAIです。生成AIのように「それらしい答え」を返すのではなく、膨大な組み合わせを探索して、条件を一つも破らない計画を算出します。

全工程の負荷を同時に見渡し、ボトルネックを自動で特定する

最適化AIは、工程別の実効処理能力、品種ごとの工程負荷、設備の共有制約といった情報を一括で処理し、工場全体のどこにボトルネックが生じるかを自動で判定します。人間が工程負荷表を一つずつ確認する作業では、ここまでの範囲をカバーできません。

ある鉄鋼商品を扱う企業では、需要予測に基づいて各工程への投入量を最適化AIで調整しています。需要パターンが変わるたびにどの工程に負荷が集中するかをAIが事前に算出し、ボトルネックになる前に投入量を制御する。人手では追いきれなかった需要変動と工程負荷の連動を、AIが自動で可視化した事例です。

ボトルネック工程の稼働率を最大化する投入順序を算出する

たとえば、20品種の投入順序を決める場合、「ボトルネック工程の段取り替えを最小にする」「ボトルネック工程の手待ち時間をゼロにする」「全品種の納期を守る」という条件を同時に満たす順序を、AIが探索します。

人手では3〜4パターンを比較するのが精一杯ですが、最適化AIは数万から数百万のパターンを評価した上で、最も全体効率の高い投入順序を提示します。部分的に良い順序ではなく、全工程を横断した全体最適の投入計画が得られる点は、Excelや従来型のスケジューラでは実現が難しい領域です。さらに、「スループット重視」と「納期遵守重視」のように複数のバランスパターンを同時に提示できるため、現場の状況に応じて計画を選ぶことも可能になります。

計画変更時も数分で再計算し、移動するボトルネックに追従する

受注変更が入った場合、人手なら半日以上かかる計画修正を、最適化AIは数分で完了させます。品種構成が変わったことでボトルネックが工程3から工程5に移動しても、AIは新しいボトルネックに合わせた投入順序と工程間の同期タイミングを自動で再構成する。

計画の更新が速くなることで、「計画と現場のずれ」が縮まります。常に最新の前提条件に基づいた計画で生産を回せるため、ボトルネックの特定と対応が後手に回ることがなくなる。現場の変化に計画が追従できる状態を維持すること自体が、ボトルネック管理の精度を大きく左右します。

まとめ

工場全体の出来高は、ボトルネック工程の処理能力で決まります。ボトルネック以外をどれだけ改善しても、全体の生産量は変わらない。だからこそ、ボトルネックがどこにあるかを正確に把握することが、改善活動の出発点になります。

ボトルネックが見えなくなる原因は、実効処理能力の未計測、品種構成によるボトルネックの移動、ボトルネック起点で計画が組まれていないことの3つです。計画段階でボトルネックを特定するには、工程別処理能力、品種別工程負荷、投入順序、工程間同期、共有制約の5つを同時に考慮しなければなりません。

これらの要素を人手で管理し続けることには限界があります。品種構成の変動、投入順序の組み合わせ爆発、計画更新のスピード。最適化AIを活用することで、移動するボトルネックに追従し、全工程を横断した全体最適の計画を自動で算出できるようになります。