工場でサイロ化したシステムとスプレッドシートが生む本当のコスト
DBR77 Team7分で読めます
このページの内容
サイロ化したシステムは、工場に五つの場所でコストを生みます。同じデータを2回入力する時間、食い違う数字を突き合わせる時間、防ぐには遅すぎるタイミングで見つかる問題、ラインを出た後に見つかる不良、そして間違ったバージョンの数字に基づく判断です。どれも予算の項目には表れないため、めったに直されません。いくつかの種類の事象を部門をまたいで追えば、2週間で測ることができます。
このコストは実在しますが、保全、品質、計画、そしてスプレッドシートを見比べるミーティングに散らばっています。
コストが見えにくい理由
わざとサイロを買う人はいません。どのツールも正当な理由で選ばれています。保全にはCMMS、監査には品質データベース、計画にはスプレッドシートです。それぞれが自分のチームのためには機能していますが、コストはツールの間、誰も担当していない場所に生まれます。
そのコストの大部分は社員の人件費なので、請求書として表れることはありません。三つの情報源から毎日40分かけて生産計画を作り直す計画担当者にも、給与は同じように支払われます。
ビジネスの世界全体では、質の悪いデータに金額を付けようとする試みがあります。Gartnerの2020年の調査では、データ品質の低さが組織に年平均で少なくとも1,290万ドルの損失をもたらしていることがわかりました。この数字は製造業に限ったものではなく、工場の推定値でもありませんが、測る価値があるほどコストが大きいことは示しています。
- 誰が負担するか
- オペレーター、技術者、シフトリーダー
- 2週間で見る方法
- 事象の種類ごとに再入力の回数を数える
- 誰が負担するか
- マネージャー、管理会計、計画担当者
- 2週間で見る方法
- どちらの数字が正しいかに使った分数を記録する
- 誰が負担するか
- 生産、顧客
- 2週間で見る方法
- 事象から最初の対応までの時間
- 誰が負担するか
- 品質、営業、財務
- 2週間で見る方法
- 出荷許可の後に見つかった保留ロット
- 誰が負担するか
- 計画、購買
- 2週間で見る方法
- 古いデータが原因の計画変更
サイロ化したシステムは五つの場所でコストを生み、どれも予算の項目には表れません。
サイロがお金を失わせる五つの場所
| コスト | どこに表れるか | 誰が負担するか | 2週間で見る方法 |
|---|---|---|---|
| 二重入力 | 同じ停止、不良、移動を二つか三つのシステムに入力 | オペレーター、技術者、シフトリーダー | 事象の種類ごとに再入力の回数を数える |
| 突き合わせ | 一つの数字に合意するためのミーティングやメール | マネージャー、管理会計、計画担当者 | 「どちらの数字が正しいか」に使った分数を記録する |
| 遅れる信号 | 翌日にレポートで見つかる問題 | 生産、顧客 | 事象から最初の対応までの時間 |
| 品質の流出 | ロットが次工程に移った後や出荷後に見つかる不良 | 品質、営業、財務 | 出荷許可の後に見つかった保留ロット |
| 間違った判断 | 古い数字に基づく計画や購買 | 計画、購買 | 古いデータが原因の計画変更 |
通常、最もコストが大きいのは4行目です。ASQは、顧客が製品を受け取る前に見つかる不良に対する内部失敗コストと、その後に見つかる不良に対する外部失敗コストを区別しています。品質部門が設備の問題を2シフト遅れて知ると、不良は前者から後者へ移ります。手直しが返品、顧客先での選別、クレームに変わるのです。
ほかの行は、繰り返しによって積み上がります。停止1件あたり5分の再入力はわずかです。1日30件の停止になれば、パートタイムの仕事一つ分になります。
スプレッドシート:サイロをつなぎ止める接着剤
スプレッドシートは、システム間のあらゆる隙間を埋めます。速く、柔軟で、必要とする本人のものなので、どのソフトウェアプロジェクトの後も生き残り、計画、KPI、未解決の問題の実質的な記録になります。
Raymond Pankoは15年分の研究をレビューし、スプレッドシートのエラーはよく起こり、しかも軽微ではないと結論づけました。効果が示された手法は、セルを一つずつ確認するコード検査だけでした。計画用のワークブックをセルごとに検査している工場はほとんどありません。
現場では状況がさらに悪くなります。バージョンが増え、計画が、あるノートパソコンでは「plan_v7_final」、メールでは「plan_v8」として存在します。KPIのワークブックは一人の管理会計担当者のマクロに依存しているので、その人が不在になると数字が止まります。そしてスプレッドシートは未解決の問題を25件並べることはできても、それを割り当てたり、完了を確認したりはできません。
説明用の例:湿った樹脂ロット一つ
例(説明のための架空の例):あるプラスチック工場が、わずかに水分の多い樹脂ロットを受け入れます。この事象が四つの別々のツールをどう伝わるかを見てみましょう。
- 受け入れ(06:30)。 倉庫がERPのアドオンでロットを登録し、成績書をPDFで保存します。
- 生産(08:15)。 4号プレスでシルバーストリークが出ます。段取り担当者は乾燥機の温度を上げ、シフトシートにメモします。
- 品質(13:40)。 検査員が不良を見つけ、品質データベースに記録を作り、どのプレスにそのロットが使われたかを倉庫にメールで問い合わせます。
- 倉庫(15:10)。 返信で、さらに二つのプレスが挙がります。その時点で、それらのプレスの部品1,800個がすでに梱包されています。
- 計画(翌朝)。 計画担当者は朝のミーティングで保留を知り、三つの指図を手で動かします。
事象が計画に届くまでに1日以上かかり、5人がロット番号を探したり入力し直したりし、原因は紙のシフトシートに残っていました。一つの共通の記録があれば、品質保留は同じ1分のうちに倉庫と計画に届いていたはずです。
自社工場でコストを測る方法
2週間、次のものを数えてください。
- 部門をまたぐ事象の種類を三つ選ぶ。たとえば15分を超える設備停止、品質保留、資材不足です。
- それぞれ10件ずつ追う。入力されたシステム、かかわった人、最初の対応までの時間を記録します。
- 突き合わせの時間を測る。ミーティングで、行動ではなく数字の合意に使った分数を記録します。
- 判断の材料になっているスプレッドシートを一覧にする。持ち主と更新頻度も書きます。
- KPIの食い違いを数える。同じ週のOEE、不良、納期遵守率を、生産と経理の数字で比べます。
結果は、時間と遅れの大きさで順位を付けた受け渡しの一覧になり、それがビジネスケースの出発点になります。プラント・オペレーティング・システムのビジネスケースの作り方では、削減額をでっち上げずにそれを数字にする方法を説明しています。KPIの数字が食い違うなら、工場のリアルタイムKPIシステムの作り方から始めてください。
DBR77 IRISでの仕組み
DBR77 IRISは、生産、保全、品質、倉庫、計画を一つの共通データモデルの上で動かすため、事象の入力は一度で済みます。IRIS MESで指図を開始すると、その資材がIRIS WMSで引き当てられ、完成品は在庫に計上されます。IRIS QMSで受入検査が不合格になると、そのロットはIRIS WMSで保留になり、ピッキングできなくなります。MESで報告された設備故障は、IRIS CMMSで作業指示を発行します。IRIS KPIは各モジュールから数字を取得し、手作業での出力は必要ありません。
既存のツールをつないだまま、モジュールを一つずつ追加できます。その進め方はすべてを置き換えずにMES、WMS、QMS、CMMSを統合する方法で説明しています。価格はモジュール単位なので、工場は最もコストの大きい受け渡しから始められます。
KPIがアラートルールの条件を超えると、IRISはアラートを出します。Data & AIはモジュールをまたいで相関を探して推奨を出し、各推奨にはスコアの根拠が示されるので、判断する人はなぜそれが提案されたのかを確認できます。さらに質問があれば、IRISのアシスタントが同じデータから答えます。
よくある質問
これはITの問題ですか、それともオペレーションの問題ですか?
両方ですが、コストが発生するのはオペレーションと財務です。ITはツールをつなぎます。全員がどの記録を使うかを決めるのはオペレーションです。
データウェアハウスやBIツールで解決できませんか?
レポートは改善できますが、二重入力を止めたり、事象に担当者を与えたりはしません。
一般的な工場でコストはどのくらいですか?
中規模工場について信頼できる一般的な数字はありません。自社の受け渡しを測ってください。自社の事象から出した数字のほうが、どんなベンチマークよりも説得力があります。
まとめ
2週間の集計は、部門をまたぐ事象の種類を三つ、それぞれ10件ずつから始めてください。受け渡しを時間と遅れで順位付けし、最もコストの大きいものから直し、成果は事象がどれだけ早く適切な人に届くかで判断します。生産と経理が同じ週について異なるOEEや不良を報告しているなら、まずKPIの定義を直してください。
出典
- Gartner, Data Quality: Why It Matters and How to Achieve It, 2020年の調査
- ASQ, Cost of Quality (COQ)
- Raymond R. Panko, Spreadsheet Errors: What We Know. What We Think We Can Do, 2008