素材切断のムダを最小化し歩留まりを改善する3つの方法と最適化AIの活用

なぜ「素材の切断ムダ」を放置できないのか

素材切断のムダは、現場の小さな問題に見えて、経営の数字を着実に削っていきます。歩留まりの差は粗利の差にそのまま反映され、加えて廃棄処理費の上昇や環境規制の強化が二重三重の圧力として効いてきます。経営層が見過ごせない論点が、ここに集まっています。

歩留まり1%が利益を大きく動かす

素材原価が製造原価の半分以上を占める業種では、歩留まりわずか1%の改善でも年間の利益額が数千万円単位で動きます。鉄鋼、アルミ、板金加工、建材、繊維など、長尺材や板材を切って使う現場ではこの構造が顕著です。仕入数量が多いほど効果は膨らみ、原料市況の変動を吸収する余力にもなります。歩留まり改善は派手さこそないものの、損益計算書のいちばん上に直接効く施策で、経営インパクトは設備投資1件分に匹敵することもあります。

端材は新品の3割しか戻らない

端材やスクラップを売却すれば多少の収入にはなるものの、戻ってくるのは元の素材単価の3〜4割が相場です。鉄スクラップでも非鉄でも、新品との差額は「捨てているのと同じ」とまでは言わないにせよ、利益を確実に削っていきます。さらに端材を「もったいないから取っておく」と倉庫に積み上げると、保管スペースが圧迫され、フォークリフト動線も悪化し、結局再利用されないまま在庫として滞留する二次問題まで発生します。歩留まりを上げる以外に、この損失を取り戻す方法はありません。

スクラップ処理費とCO2削減の二重圧力

産業廃棄物処理法に基づく金属スクラップの処理委託費は年々上昇傾向にあり、マニフェスト管理の手間も増えています。加えてカーボンニュートラル文脈では、素材製造時に排出されるCO2が上流側のScope3として計上され、ロス削減がGHG削減量として評価されるようになりました。素材1kgを節約することは、原価を下げると同時に脱炭素目標にも貢献する取り組みになっています。歩留まり改善は、もはやコスト施策だけにとどまらない経営課題です。

ムダが生まれる根本原因

切断ムダが減らないのは、現場が手を抜いているからではありません。むしろベテランほど「これ以上は無理だ」という体感を持っています。原因は人ではなく、計画の作り方そのものにあります。

切断順序と組合せをベテランが感覚で決めている

切断計画の質は「どの素材から、どの順番で、どの製品を切り出すか」の組合せで決まります。多くの現場では、長年現場を見てきた班長や工程担当者が「こうすれば収まりがよい」と感覚で組合せを決めています。本人は経験則として最善を尽くしているつもりでも、何百通りある組合せのうちどれが本当に最良かを比較した上での判断ではありません。属人化が進めば進むほど、退職や配置転換の瞬間に歩留まりが急落します。引き継ぎマニュアルでは「感覚」までは伝えられず、後任は同じ判断ができないまま試行錯誤を繰り返すしかなくなります。

製品寸法が増えるほど比較対象が爆発する

たとえば50種類の寸法、各10本の発注がきたとき、これを何本の長尺材から、どの組合せで切り出すか。手計算で全パターンを比較しようとすると、組合せの数は天文学的に膨らみます。これがいわゆるカッティングストック問題で、製品数が増えるたびに組合せが指数的に膨らむ典型的な組合せ爆発の世界に入っていきます。人手では「思いついた数パターン」を試して、その中で良さそうなものを選ぶしかなく、本当の最適解に到達したかどうかは誰にも確かめられません。製品種類が増えるほど、人手で出した計画と最適計画の差は大きくなっていきます。

残材データが活かされず端材在庫が積み上がる

切断で出た残材を「次のオーダーで使えるかもしれない」と保管しておく現場は多いものの、実際にそれを次の計画で参照できているケースは多くありません。残材の寸法・本数・置き場をリスト化していても、新規オーダーが入った瞬間に「とりあえず新品を切る」運用になりがちです。理由は単純で、残材在庫まで含めて組合せを再計算する作業が手計算では追いつかないからです。結果、残材は使われないまま倉庫の隅に積み上がり、定期的にスクラップ業者へ放出される無限ループが続きます。

切断計画で同時に考えなければならない7つの要素

切断計画は、製品寸法を素材にあてはめれば終わるような単純な作業ではありません。歩留まりを最大化しようとした瞬間、考慮すべき要素が一気に増え、互いに影響し合います。ここでは現場が実際に同時に判断している7つの要素を整理します。

(1) 製品寸法・本数・納期

最初の入力情報は、当然ながら受注内容です。製品の寸法、本数、納期。品目が数十種類になれば組合せは膨大ですが、納期の優先度がからむとさらに難しくなります。納期が近い品目を優先すると歩留まりが落ち、歩留まりを優先すると納期遅延のリスクが高まる。このトレードオフを毎回ゼロから考え直すのが切断計画の出発点です。

(2) 素材在庫と寸法ラインナップ

次に、手元の素材在庫を見る必要があります。長尺材の長さは規格品でも複数あり、過去のオーダーで生まれた残材の寸法はバラバラです。同じ製品を切り出すにしても、6m材から取るのか、4m材から取るのか、残材から取るのかで歩留まりは変わります。素材在庫リストを正確に保つことが前提となりますが、在庫データの整備自体が現場の悩みの種であることも少なくありません。

(3) 切代（カーフ幅）

切断機が素材を切る際には、刃物やレーザヘッドの幅だけ素材が消えていきます。これを切代（カーフ）と呼び、機種や材質によって幅が異なります。レーザは細く、ガスやプラズマは太い。帯鋸でも刃の厚みが効きます。切代を計算に入れずに製品寸法だけで配置を決めると、現実には製品が指定寸法に届かないという致命的なミスにつながります。

(4) 残材として残す最小長さ

切り出した残りの素材を、再利用可能な残材として在庫戻しするか、廃棄するかの境目を決める必要があります。長すぎる基準にすれば再利用率は上がるが残材在庫も膨張する。短すぎる基準にすれば廃棄が増える。この設定一つで、年間の歩留まりも倉庫の埋まり方も変わります。現場ごとに「300mm以下は捨てる」といった独自ルールがあり、これを計画に反映する必要があります。

(5) 切断機の能力と段取り替え

切断機ごとに扱える材質、厚み、最大長さが異なります。材質や厚みを切り替える際には段取り替えが発生し、稼働時間と人手をとられます。段取り替えを減らすには同じ材質の製品をまとめて切る必要があり、これは納期や歩留まりとは別の制約として効いてきます。生産性改善の観点では段取り替えの最小化は独立した論点として扱われますが、切断計画でも同時に考慮すべき要素の一つです。

(6) 共通切りの可否

複数の製品で切断線を共有して切ることを共通切りと呼びます。同じ材質・同じ厚みの板材を切るときに、隣り合う製品の境界を1本の切断線でまかなえれば、切代の総量が減り、歩留まりが上がります。ただし共通切りには製品配置の制約があり、すべての組合せで成立するわけではありません。配置パターンの中で共通切りが成立するものを優先する判断が必要です。

(7) 同一材質・同一ロット内の順序

最後に、切断順序です。同じ材質の中でも、表面処理が異なる、コイル番号が異なる、検査ロットが異なるといった属性で順序が縛られることがあります。鉄鋼の事例では、属性違いの素材間で段取り替えを最小化する順序設計が歩留まりと稼働率の両立に効きました。切断計画は単に「どう配置するか」だけでなく「どの順番で切るか」まで含めて初めて完成します。

これら7つの要素は、互いに独立しているわけではありません。納期を優先すれば共通切りが崩れ、共通切りを優先すれば段取り替えが増え、段取り替えを抑えれば残材が増える。一つを動かすと他のすべてが動く構造になっています。

なぜ人手の計画ではどうにもならないのか

ここまで7つの要素を見てきた読者なら、すでに感じているかもしれません。これを毎日、人手で最適化することは現実的ではありません。理由は3つあります。

第一に、変数の多さです。1本の素材内で製品を組み合わせる「1次元のカッティング」だけなら何とかなっても、複数素材・複数オーダーをまたいだ全体最適は手計算では到達不可能です。Excelで配置表を作っても、製品が30種類を超えたあたりからシートの中で組合せを比較しきれなくなり、ソルバーアドインや条件付き書式では実用時間内に解が返らない領域に入ります。

第二に、トレードオフの複雑さです。歩留まり、納期、段取り替え回数、共通切り、残材活用。これらすべてを同時に良くする計画は存在しません。どこかを優先すれば他が犠牲になる構造の中で、毎回バランスを経験則だけで判断するのは、ベテランにとっても疲弊する作業です。

第三に、見直しスピードです。オーダーが追加された瞬間、本来なら残素材も含めて全体を組み替えるべきですが、人手では数時間〜数日かかります。間に合わないので「とりあえず新品を1本追加で切る」判断になり、歩留まりがさらに悪化します。せっかくの計画が現場の変化に追いつけないまま陳腐化していく構造です。

最適化AIが切り拓く歩留まり改善の道

最適化AIは、現場のルールを守りながら、最も良い計画を自動で見つける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、与えたゴールと守るべきルールに沿って最良の組合せを探し出します。切断計画のように組合せ爆発が起きる問題でも、メタヒューリスティクスや整数計画ソルバーを用いて実用時間内に高品質な解を返せる点が、人手の計画との決定的な違いです。

切断ムダの削減で言えば、AIに与えるゴールは「全オーダーを満たしたうえで、素材投入量を最小化する」ことです。守るべきルールは、製品寸法の遵守、切代の確保、同一材質内での組合せ制限、納期、段取り替え制約、残材最小長、共通切りの優先など、先に挙げた7要素そのものです。これらを同時に満たしながら、組合せの全体最適を探すのがAIの役割になります。

導入で具体的に変わることは、3つに整理できます。

計画の精度が変わる

AIが出力する計画は、ベテランが経験則で組んだものを上回る歩留まりに到達することが多くなります。理由は単純で、AIは数百通り、数千通りの組合せを比較した上で最良の解を選んでいるからです。人間が「思いついた数パターン」から選ぶのとは比較対象の量が桁違いです。さらに重要なのは、属人性が消えることです。誰が計画を作っても同じ品質の解が出るため、ベテランの退職や急な人員変更で歩留まりが落ちる事態を避けられます。精度のばらつきが消える効果は、長期運用するほど効いてきます。出力された計画の精度と信頼性は、ベンチマーク比較や複数案の並列出力によって組織内で検証できる形に変えていけます。

計画作成のスピードが変わる

人手で数時間〜数日かかっていた切断計画が、AIでは数十秒から数分で出力されます。これは単に「速くなる」だけでなく、業務の組み立て方を変える効果があります。オーダーが追加されたら全体を組み替える、急ぎの依頼が入ったら残材も含めて再計算する。こうした「都度の作り直し」が現実的な選択肢になります。物流分野では計画作成時間を200分から1分に短縮した事例があり、同じ転換が切断計画でも起きます。計画は「一度作って終わり」のものから「常に最新に保つ」ものへと性質が変わります。

計画の透明性が変わる

ベテランの感覚で組まれた計画は、なぜその組合せになったかを本人にしか説明できません。一方、最適化AIが出した計画は、どのルールがどう適用されたか、どの目的をどれだけ重視したかをデータとして示せます。たとえば「納期を優先したパターン」「歩留まりを優先したパターン」「両者のバランスを取ったパターン」を複数提示し、現場の判断で選ぶことも可能です。多目的最適化の強みで、これは複数の評価軸を同時に追いかける設計だからこそ実現できます。透明性が確保されると、現場と経営の合意形成が早くなり、計画への納得度も上がります。

OptHubの最適化AIは、こうした切断計画に加えて、配車計画、シフト計画、在庫計画など、現場固有の制約が複雑に絡む業務に対応してきました。鉄鋼商品の加工スケジューリングでは、属性違いの素材間で段取り替えを最小化しながら、納期と機械稼働率を両立させる計画を実現しています。汎用のスケジューラやExcelでは部分最適にとどまりがちなところを、業務全体を見渡した全体最適で計画を作れる点が本質的な価値です。「この材質は必ず昼勤帯で切る」といった現場独自のルールも、ヒアリングを通じて計画ロジックに組み込めます。

まずは業務整理から、OptHubへのご相談

歩留まり改善のためにいきなり最適化AIを導入しようとするのは、多くの場合うまくいきません。まず必要なのは、現場で何がどう動いているかを言語化する業務整理です。どの素材を、どの切断機で、どんなルールで切っているか。残材はどう扱われているか。納期と歩留まりが衝突したとき、現場では何を優先しているか。こうした暗黙のルールを可視化しないまま計算ロジックを組むと、AIが出した計画が「現場では使えない計画」になってしまいます。

OptHubでは、現場ヒアリングから業務プロセスの可視化、最適化AIの設計まで一貫して支援しています。アルゴリズムの提供にとどまらず、現場で本当に使える計画を生み出すための整理プロセスを伴走します。鉄鋼、板金、建材といった業種で素材ロスにお困りであれば、まずは現状の業務を一緒に整理するところから始めるのがよいかと思います。

まとめ

素材切断のムダは、現場の頑張り不足ではなく、計画の作り方の問題です。歩留まりの差はわずか数パーセントに見えても、素材原価が大きい業種では利益を直接押し下げ、廃棄処理費の上昇やCO2削減圧力と相まって、放置できない経営課題になっています。

切断計画で本当に良い解を出すには、製品寸法、素材在庫、切代、残材最小長、切断機の段取り、共通切り、切断順序という7つの要素を同時に考える必要があります。これらは互いに影響し合うため、ひとつを優先すれば他が崩れる構造になっており、人手の計画では到達できる範囲に限界があります。

最適化AIは、与えられたルールを守りながら全体最適を探す技術です。精度、スピード、透明性の3点で人手の計画を上回り、属人化を解消しながら現場独自のルールも反映できます。歩留まり改善に取り組むなら、まずは業務の整理から、現場の判断を言語化するところから始めるのが現実的な一歩です。