工場の残業が特定ラインに集中する3つの原因と負荷平準化の進め方

なぜ「特定ラインだけ残業」が経営リスクなのか

ライン間の残業格差が割増コストを不均等に押し上げる

ある中堅工場のデータでは、3つのラインの月間残業時間がそれぞれ15時間・18時間・65時間でした。合計98時間は目標の100時間以内に収まっていますが、ライン3の作業者は月60時間を超えているため割増率が50%に達します。仮に3ライン均等（各33時間）であれば全員25%割増で済むところを、偏りがあるだけで人件費が膨れている。残業の総量だけを管理しても、偏りによるコスト増は見落とされがちです。

負荷集中ラインで品質低下と離職が連鎖する

たとえば食品工場の充填ラインでは、連日の残業で疲労が蓄積した作業者がキャップの締め不良を起こし、月間不良率が他ラインの2倍に達していたケースがあります。ヒヤリハット報告も残業の多いラインに偏る傾向があり、負荷集中は品質リスクと安全リスクの両方を押し上げます。加えて、残業続きのラインからは「いつも自分たちだけ」という不満が生まれ、異動希望や退職につながる。人手不足の製造現場では、1人の離職が残った作業者の負荷をさらに重くする悪循環を招きかねません。

36協定の上限は個人単位で適用される

結論から言えば、残業の偏りそのものが法令リスクです。36協定の上限規制は会社全体の平均ではなく個人単位で適用されます。原則は月45時間・年360時間。特別条項を使っても月100時間未満（休日労働含む）、複数月平均80時間以内、年720時間以内で、月45時間を超えられるのは年6か月まで。工場全体の残業が基準内に収まっていても、特定ラインの特定の作業者が上限を超えれば法令違反です。罰則だけでなく企業の社会的信用にも直結するため、偏りの放置は許されません。

「工場全体では減っている」のになぜ現場は不満なのか

なぜ工場全体の残業は減っているのに、現場の不満は消えないのか。特定ラインだけが残業を続ける状態では、そのラインの作業者に「改善した」実感がないからです。残業の少ないラインとの間に不公平感が生まれ、現場全体のモチベーションを下げる要因になります。経営層にとっての数値改善と、現場にとっての体感は別物。ライン間の残業格差を可視化しなければ、数字に表れない不満は蓄積し続けます。偏りを放置すれば、残業削減の取り組み自体への信頼が損なわれかねません。

残業がいつも同じラインに集中する3つの構造的原因

品種ごとの加工負荷がライン割り当てに反映されていない

たとえば品種Aの加工時間が1個あたり3分、品種Bが1個あたり8分だとします。両方の品種を各ラインに「ロット数均等」で割り当てれば、一見公平に見えるでしょう。しかし実際の稼働負荷は倍以上の差が出ます。品種Bを多く抱えたラインは加工時間が長く、定時内に終わらない。にもかかわらず、多くの工場では品種数やロット数で配分し、加工時間の差を反映した負荷計算を行っていません。計画の時点で負荷が偏っていれば、現場がどれだけ効率化しても残業の集中は解消されないのです。

「このラインはこの品種」の固定慣習が負荷を偏らせる

なぜいつも同じラインが重い品種を担当するのか。背景にあるのは「このラインはこの品種に強い」「この設備はこの製品に向いている」という暗黙のルールです。ベテランの判断で長年続いてきたライン固定は、段取り替えの回数を減らす効果がある一方で、負荷の偏りを構造的に固定化してしまいます。担当者が異動しても「前任がそうしていたから」と引き継がれ、見直しの機会がないまま偏りが続く。属人的な割り当て慣習は、負荷平準化を阻む最大の障壁のひとつです。

納期変動時の負荷再配分ルールが存在しない

多くの工場では、納期が集中した分の負荷をライン間で分散するルールが決まっていません。月末に出荷が重なれば、該当ラインの残業で吸収するのが常態化しています。他ラインに振り分けようとしても、段取り替えや作業者のスキルを考えると簡単には動かせない。計画に負荷再配分の仕組みが組み込まれていなければ、繁忙期のたびに同じラインが同じ形で残業を抱えることになります。再配分のルールがなければ、計画は「通常時の均等割り」にとどまり、変動への対応力を持てません。

負荷平準化のために計画で押さえるべき5つの要素

負荷を平準化するには、以下の5つを計画段階で同時に考慮する必要があります。どれか1つが欠けても、別の形で偏りが再発します。

(1) ライン別の処理能力と稼働上限

各ラインがどれだけの負荷を受けられるかを数値で定義することが出発点です。定時の稼働時間に加え、許容する残業枠をラインごとに設定します。「ラインAは週40時間＋残業8時間まで」「ラインBは週40時間＋残業4時間まで」のように枠を明示的に設ければ、計画が特定ラインの残業を前提にしすぎることを防げるからです。設備メンテナンスや段取り替え準備の時間も、稼働枠から差し引いておく必要があります。枠を超えた負荷は他ラインに分散させるか、前後の週にずらす判断が求められます。

(2) 品種ごとの標準加工時間と段取り替え時間

食品工場の充填ラインを例にとると、品種Aの充填速度は毎分200個、品種Bは毎分80個といった差があるのが一般的です。加えて、品種の切替順序によって段取り替え時間も変わります。品種Aから品種Bへの切替が20分で済むのに、品種Bから品種Cへは1時間半かかるケースも珍しくありません。この差を無視した計画は、特定ラインの実際の所要時間を見積もりより大幅に超過させ、残業に直結します。品種ごとの加工時間と段取り替え時間を正確に把握していなければ、ライン負荷の見積もり自体が成り立ちません。

(3) 納期と出荷スケジュールの時間分布

月の出荷量の分布を見ると、最終週に全体の40%が集中しているケースは少なくありません。この偏りを事前に把握し、前倒し生産や生産順序の入れ替えを計画に織り込まなければ、月末だけ特定ラインの負荷が跳ね上がります。在庫の安全水準も考慮した上で、欠品リスクと過剰在庫のバランスを取ることが欠かせません。納期分布のデータを計画にフィードバックする仕組みがなければ、毎月同じタイミングで同じ偏りが繰り返されるのです。

(4) 作業者のスキルマトリクスと配置制約

特定の資格や技能を持つ作業者がいなければ稼働できないラインはどれだけあるか。有資格者が2名しかいないラインでは、その2名の残業上限がラインの稼働上限を実質的に決めることになります。品種を他ラインに振り分けようとしても、対応できる作業者がいなければ移動は不可能です。スキルマトリクスを整理し、「この品種はこのラインでしか作れない」「このラインなら品種AもBも対応できる」といった情報を計画に反映しなければ、負荷分散の選択肢が見えてきません。

(5) 平準化の評価指標（ライン間偏差 or 最大残業時間）

何を平準化するかは経営判断です。「ライン間の残業時間の差を最小にする」のか、「最も残業が多いラインの時間を最小にする」のか。前者は全体のバランスを重視し、後者は突出した偏りの解消を優先します。どちらを選ぶかによって計画の組み方は変わるため、目標を曖昧にしたまま進めると、改善したつもりが別の偏りを生みかねません。指標を数値で定義し、計画のたびに実績と比較する仕組みが不可欠です。平準化の効果を定量的に評価できなければ、改善の進捗も見えなくなります。

なぜExcelや班長の経験では負荷平準化が実現しないのか

ここまで挙げた5つの要素を、人手で同時に考慮しながら計画を立てるのは事実上不可能です。

1つ目の壁は、組み合わせの規模です。品種10種類、ライン4本、計画期間2週間であっても、品種をどのラインにどの順番で割り当てるかの候補は膨大になります。各品種の納期を守りながら、すべてのラインの残業上限を超えず、ライン間の残業差を最小にする配置を見つけ出すのは、人間の処理能力では届かない領域です。

2つ目の壁は、トレードオフの複雑さにあります。段取り替えを減らすために同一品種を長く流せば、そのラインに負荷が偏る。負荷を分散させれば段取り替えが増え、かえって残業が増える場合もある。こうしたトレードオフを全ラインで同時に解く手段は、Excelにも班長の頭の中にもありません。

3つ目の壁は、リスケの速度です。急な受注変更や設備トラブルが発生したとき、5つの要素を考慮した再計画が数時間以内に求められます。班長がExcelに向き合って半日かけてリスケしている間に、現場は「とりあえず残業で対応」に流れてしまう。見直しの速度が追いつかなければ、イレギュラーが入るたびに残業の偏りが拡大するのは避けられません。

最適化AIによる負荷平準化の仕組み

最適化AIとは、守るべきルールを一つも破らずに、実用上十分に良い計画を自動で見つけるAIです。生成AIが自然な文章や画像を出力するのとは根本的に異なり、制約条件を厳密に守りながら最良の計画を探索する点に特徴があります。

負荷平準化に適用する場合、ゴールは「ライン間の残業時間の差を最小化すること」。同時に段取り替え回数や在庫コストといった評価指標も設定できるため、経営判断に応じたバランスパターンを比較検討できます。守るべきルールとしては、各品種の納期、36協定の個人別上限、ラインごとの稼働枠、品種固有の段取り替え条件を組み込みます。「金曜日は段取り替えをしない」「品種Aの後にすぐ品種Cには切り替えない」といった現場独自のルールにも対応可能です。

ライン間の残業偏差を最小化する目的関数

最適化AIは「どのラインにどの品種をどの順番で割り当てるか」を、すべてのルールを満たした上で探索します。「ライン間の残業偏差の最小化」を目的関数に設定すれば、人手では見つけられなかった偏りの少ない計画を導き出せるのです。ある自動化工場では、作業者と機械を1組として扱い、段取り替え・休憩時間・納期を同時に考慮したスケジューリングを行った結果、ライン間の残業差が大幅に縮小しました。人手では気づかなかった「実は残業が均等になる生産順序」が見つかることも珍しくありません。

計画変更があっても数分で再配分できるスピード

急な受注変更が入っても、数分で再計画が完了します。たとえば月半ばに大口受注が入った場合でも、残りの期間で全ラインの負荷を再配分した計画が即座に得られます。班長が半日かけていたリスケが数分に短縮されるため、現場が場当たり的に動くことを防げるのです。受注変更のたびに「残業の偏りが拡大する」というパターンから脱却できる点は、日常的に計画変更が発生する製造現場にとって大きな変化になります。

どのラインにどの品種を割り当てたかが数値で見える透明性

「なぜこのラインにこの品種を割り当てたのか」が数値で可視化されます。経営層は残業コストの根拠を把握でき、現場も配置の理由を理解できるため、「なぜうちのラインだけ」という不満が生まれにくくなる。従来のExcelや属人的な判断では根拠が不明確だった配置理由が明示されることで、現場全体の納得感が高まります。計画の根拠が共有されれば、ライン間の応援体制や配置変更の議論も数値をベースに進められるようになるのです。

まずは負荷の見える化から

負荷平準化は、いきなり最適化AIを導入すれば解決する問題ではありません。まず「どのラインに、どの品種で、どれだけの負荷がかかっているか」を正確に整理するところから始める必要があります。

OptHubでは、現場のヒアリングから業務プロセスの可視化、制約条件の整理、そして最適化AIの設計・実装まで一貫して支援しています。「ライン間の残業差がAIで本当に均せるのかどうか分からない」という段階でも構いません。

まとめ

工場の残業が特定ラインに集中する原因は、現場の問題ではなく計画の負荷配分にあります。品種ごとの加工負荷がライン配分に反映されていないこと、ライン固定の慣習、納期変動時の再配分ルールの不在。この3つの構造的原因を理解することが、負荷平準化の第一歩です。

平準化を計画に組み込むには、ライン別の処理能力、品種別の加工・段取り時間、納期分布、作業者スキル、評価指標の5つを同時に考慮する必要があります。人手でこれらを同時に扱うのは事実上不可能であり、最適化AIによるライン横断の全体最適が有効な手段です。