多品種少量生産の計画が難しい4つの原因と6つの計画要素

なぜ多品種少量生産の計画はこれほど難しいのか

品種が増えるほど段取り替えと在庫のコストが膨れ上がる

品種が10種類から30種類に増えれば、段取り替えの回数は単純計算で3倍に跳ね上がります。1回の段取り替えに30分かかる工場では、月あたり15時間以上の稼働ロスが新たに発生する計算です。同時に、品種ごとに安全在庫を持つ必要があるため、品種数の増加は在庫総量の膨張に直結します。在庫の保管スペースにも限りがあり、段取り替えのコストと在庫のコストが同時に増えていく構造は、多品種少量特有の難しさです。

化粧品や食品のラインでは品種切替のたびに立ち上がりロスが発生する

たとえば化粧品の充填ラインでは、品種を切り替えるたびにラインの洗浄が必要です。洗浄後の最初の数分間は充填精度が安定せず、内容量のばらつきが大きくなりやすい。この「立ち上がりロス」は段取り替えの回数に比例して増えるため、品種数が多い工場ほど歩留まりへの影響が大きくなります。品質面のコストは目に見えにくいですが、多品種少量環境では無視できない水準に積み上がっていくでしょう。

計画担当者の退職が工場の操業リスクになる

多品種少量の生産計画は、品種ごとの特性や現場の暗黙ルールを熟知した担当者に依存しがちです。「品種Aの後に品種Bを流すと段取りが楽」「この時期はCの需要が伸びるから先に回す」。こうした判断基準がExcelの裏に隠れた暗黙知として蓄積され、計画の属人化が進みます。担当者が退職すれば計画の根拠ごと失われ、後任は「前任がなぜこの順番で組んでいたのか分からない」状態から始めることになるのです。

なぜ10年前と同じ方法で計画を立て続けてしまうのか

品種が少なかった時代は、Excelに品種と数量を並べて「前回と同じ順番で」計画を組めば大きな問題は起きませんでした。品種が増えても、日々の業務の延長で同じ方法を続けてしまうのは自然なことです。しかし品種数が3倍になれば、考慮すべき組み合わせは数十倍に膨らんでいます。計画の複雑さは品種数に対して加速度的に増すため、ある時点で「今までの方法では回らない」と感じる瞬間が訪れます。その瞬間が来てから手法を切り替えようとしても、すでに現場には非効率が固定化しているのです。

多品種少量生産の計画が破綻する4つの根本原因

Excelで管理できる品種数には上限がある

Excelの生産計画は、品種が10種類以下であれば十分に機能します。しかし品種が30を超えると、行と列の規模が膨大になり、1つのセルを変更したときの影響を目で追うことが困難になります。品種Aのロットを1日前倒ししたら、品種Bの段取り替えタイミングが変わり、品種Cの納期に影響する。この連鎖反応をExcelで追跡し続けるのは事実上不可能です。品種数がExcelの管理能力を超えた瞬間に、計画の精度は急速に落ちていきます。

「納期順」の投入が段取り替えの無駄を生んでいる

多くの工場で採用されている「納期が近い品種から投入する」方式は、納期遵守の観点からは合理的に見えます。しかし段取り替え時間の視点が欠落しています。品種Aから品種Bへの段取り替えは15分で済むのに、品種Bから品種Cへは90分かかるケースもある。納期順に並べた結果、段取り替え時間の合計が膨れ上がり、かえって後ろの品種の納期を圧迫していることに気づけない。投入順序を段取り替えの効率と納期遵守の両面から検討する仕組みがなければ、品種が増えるほどこの非効率は大きくなるでしょう。

ロットサイズを「なんとなく」で決めていないか

段取り替えを減らしたいから大きめのロットで回す。在庫が増えたからロットを絞る。この場当たり的な判断は、品種が少なければ大きな問題にはなりません。しかし品種が30種を超えると、ある品種のロットサイズを変えた影響が他品種の生産枠と在庫水準に波及します。品種Aのロットを大きくすれば、ラインを占有する時間が長くなり、品種BやCの生産開始が遅れる。この影響を定量的に把握しないままロットサイズを決めている工場は少なくないはずです。

品種のライン固定が設備稼働率のばらつきを生む

品種が5種類だった時代に「ラインXは品種A、ラインYは品種B」と決めたルールが、品種が30種類になった今もそのまま残っている。新しく追加された品種は空いているラインに押し込まれ、結果として一部のラインに負荷が集中します。本来は品種の特性と各ラインの処理能力を照らし合わせ、負荷が均等になるよう振り分けるべきでしょう。しかし振り分けを変えるには段取り替え条件やスキル制約の再計算が必要であり、手作業では見直しのハードルが高すぎるのです。

多品種少量の計画で同時に考慮すべき6つの要素

多品種少量の生産計画を立てるには、以下の6つの要素を同時に扱う必要があります。前提として、品種ごとの加工時間や段取り替え時間の実測データが整備されていることが求められます。

(1) 品種ペアごとの段取り替え時間

品種AからBへの切替と、品種BからAへの切替では所要時間が異なることがあります。品種が30種類なら品種ペアは900通り。このマトリクスを把握していなければ、投入順序の良し悪しを判断する基準がありません。段取り替え時間のマトリクス整備が計画改善の出発点です。

(2) 品種ごとの納期と必要数量

どの品種をいつまでに何個作るか。納期が特定の週に集中する場合は、前倒し生産の可否も含めた判断が必要です。多品種環境では納期の分布そのものが複雑になるため、「全品種の納期を俯瞰して投入順序を組む」視点が欠かせません。

(3) ロットサイズと最低連続生産数

1品種あたりの最低生産数を設定しなければ、頻繁な切替で段取り替え時間が膨れ上がります。逆に大きすぎるロットは在庫増と他品種の生産枠圧迫を招く。品種ごとの需要量や保管条件に応じた設定が必要であり、一律のルールでは対応できません。

(4) 設備の稼働枠とメンテナンス予定

各ラインの定時稼働時間、許容残業枠、定期メンテナンスの日程を計画に反映しなければなりません。メンテナンス予定を見落として計画を組むと、予定日にラインが止まり計画全体が崩れる原因になります。

(5) 複数ラインへの品種振り分けルール

品種によって生産可能なラインが限られる場合があります。金型の適合性、設備の精度要件、作業者のスキル制約など、振り分けの条件は品種数が増えるほど複雑になっていく。どの品種をどのラインに割り当てられるかを整理しなければ、計画の選択肢を正しく評価できません。

(6) 在庫水準と保管スペースの制約

在庫の安全水準は品種ごとに異なります。多品種環境では品種ごとの在庫を積み上げると保管スペースが限界に達することも珍しくない。在庫水準が投入順序やロットサイズの自由度を制限するため、生産計画と在庫管理を切り離して考えることはできないのです。

なぜ人手では多品種少量の計画を立てられないのか

ここまで挙げた6つの要素を同時に満たす計画を、人手で作るのは事実上不可能です。

まず組み合わせの規模が壁になります。品種が20種類、ラインが3本の場合、投入順序だけでも候補の数は天文学的です。この中から段取り替え時間が最少で、全品種の納期を守り、在庫が許容範囲に収まる組み合わせを見つけるのは、Excelのソート機能では到底たどり着けない領域でしょう。

トレードオフの同時解決も求められます。段取り替えを減らすためにロットを大きくすれば在庫が膨らむ。在庫を抑えるためにロットを絞れば段取り替えが増える。負荷を分散させようとラインの振り分けを変えれば、段取り替え条件が変わり所要時間が読めなくなる。この相反する関係を全品種について同時にバランスさせる手段が、人手にはありません。

リスケの速度も深刻な問題です。急な受注変更や設備故障が発生したとき、6つの要素を考慮した再計画を数時間以内に仕上げなければ現場が止まります。計画担当者がExcelに向き合っている間に、現場は「とりあえず前の計画で」と動き出す。計画の更新が追いつかないたびに、段取り替えの無駄と在庫の偏りが積み上がっていくのです。

最適化AIで全品種の生産計画を同時に立てる

最適化AIとは、現場の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「それらしい文章」を出力するのとは根本的に異なり、膨大な組み合わせの中からルールを厳密に守った計画を探索します。

多品種少量の計画に適用する場合、AIに与えるゴールは「段取り替え時間の合計を最小化しながら、全品種の納期を守ること」です。守るべきルールとして、品種ごとのロットサイズ下限、設備の稼働枠、在庫の安全水準、品種の振り分け制約を組み込みます。「品種Aの後に品種Cを流してはいけない」「木曜午後はメンテナンスでラインXが使えない」といった現場固有のルールにも対応できる柔軟さを備えています。

全品種・全ラインの投入順序を同時に探索する精度

ある製造現場では、属性の異なる製品間で段取り替え時間に大きな差があり、保管スペースの制約も厳しい状況でした。最適化AIが全品種の投入順序を複数ラインにまたがって横断的に探索し、段取り替え時間の合計を最小化しながら納期と設備稼働率を両立する計画を導き出しています。人手では「品種AはラインXで」と固定していた振り分けをAIが柔軟に組み替え、全体の段取り替え時間が大幅に短縮された。1品種ずつ順番を決めていく部分最適ではなく、全品種を同時に扱う全体最適だからこそ見つかる計画です。

計画作成を数分に短縮し受注変更にも即座に対応するスピード

半日かけていた計画作成が数分で完了します。急な受注変更が入った場合でも、6つの要素を考慮した再計画を即座に出力できるため、現場が場当たり的に動くことを防げます。ある物流現場では、計画作成時間が数時間から数分に短縮され、計画担当者が「計画を組む作業」から「計画を判断する業務」に集中できるようになりました。計画変更のたびに非効率が蓄積する悪循環から脱却できる点は、多品種少量で計画変更が頻発する環境にとって大きな変化です。

「なぜこの計画なのか」が数値で見える透明性

投入順序を変えると段取り替え時間がどう変わるか、ロットサイズを調整すると在庫水準にどう影響するかが数値で可視化されます。経営層はコスト根拠を把握でき、現場も計画に従う理由が明確になるため納得感が高まります。

従来のExcelでは1品種の変更が他品種に与える影響を追跡することが困難でした。最適化AIは変更の影響を全品種にわたってシミュレーションし、複数の計画パターンを比較検討できる点が根本的に異なります。「段取り替えを優先した計画」と「在庫を抑えた計画」を並べて比較し、経営判断に応じて選択できる。この意思決定の透明性は、属人化した計画では得られないものです。

まずは計画業務の棚卸しから

多品種少量の計画を改善するには、まず「自社の計画が何を、どの手順で、誰が決めているか」を棚卸しするところから始める必要があります。品種ペアごとの段取り替え時間は把握できているか。ロットサイズの決定基準は明文化されているか。計画担当者の暗黙知はどこまで共有されているだろうか。

これらを整理するだけでも、計画改善の手がかりが見えてきます。たとえば品種の段取り替え時間をマトリクス化し、投入順序の見直し候補を洗い出すだけで、段取り替えの無駄を目に見える形にできるでしょう。

OptHubでは、現場のヒアリングから計画プロセスの可視化、守るべきルールの整理、そして最適化AIの設計と実装まで一貫して支援しています。「品種が増えすぎて計画が回らないが、何から手をつければいいか分からない」という段階でも構いません。

まずは計画業務の棚卸しからお気軽にご相談ください。

まとめ

多品種少量生産で計画が難しくなる原因は、品種数の増加に計画手法が追いついていないことにあります。Excelの管理能力を超えた品種数、段取り替えを無視した投入順序、勘頼りのロットサイズ決定、固定化したライン振り分け。この4つの構造的な原因を理解することが改善の第一歩です。

計画を立て直すには、段取り替え時間マトリクス、納期と必要数量、ロットサイズ、設備稼働枠、ライン振り分けルール、在庫水準の6つの要素を同時に扱わなければなりません。品種数が増えた環境では、これらを人手で同時に考慮することは事実上不可能であり、最適化AIによる全品種横断の計画自動生成が有効な解決手段です。

まずは計画業務の棚卸しからお気軽にご相談ください。約30分、オンラインで完結します。