OEE(Overall Equipment Effectiveness、設備総合効率)は、設備や生産ラインが本来持っている能力を、どの程度有効に使えているかを「稼働率」「性能」「品質率」の3つに分けて見る指標です。
OEEの考え方を理解していても、実務では「どこから数字を集めるのか」「OEEが低かったら何を改善するのか」「単に数値を上げる活動にならないか」で迷いやすくなります。
この記事では、包装ラインでOEEを使った改善ケースを題材に、背景、課題、なぜOEEを選んだのか、実際の測定、損失の分解、改善判断、再測定、結果、学びまでを通して解説します。
OEEの意味や基本構造から確認したい場合は、OEEとは?を参照してください。手順を先に確認したい場合は、OEEのやり方が役立ちます。
ケースの背景|「生産量が足りない」の原因が一つに見えていた
ある工場では、包装ライン1号で製品Aを生産していました。
現場の悩みは、計画した数量に対して実績が届かない日が続いていることでした。
会議では、
- 故障が多い
- 段取り替えに時間がかかる
- 作業者の操作が遅い
- センサー停止が多い
- 不良も少し増えている
といった意見が出ていました。
しかし、どの要因がどの程度生産ロスに影響しているかは整理されていませんでした。
設備担当は故障を問題視し、製造担当は段取り時間を問題視し、品質担当は不良率を問題視していました。
つまり、「生産量が足りない」という一つの現象に対して、部門ごとに違う原因を見ている状態でした。
課題|改善テーマの優先順位を決められなかった
このラインでは毎日の生産実績や停止記録は取っていました。
ただし、数字が別々に管理されていたため、
- 停止時間の影響
- 速度低下の影響
- 不良の影響
を同じ基準で比較できませんでした。
その結果、
一番目立つ故障から直そう
不良をゼロにしよう
段取り時間を短くしよう
と、改善案は出ても優先順位が決まりませんでした。
なぜOEEを使ったのか
今回必要だったのは、単に設備の稼働時間を見ることではありませんでした。
必要だったのは、
- 止まっている時間の損失
- 動いているが遅い時間の損失
- 作ったが良品にならなかった損失
を分けて見て、どこから改善するか決めることです。
そこで、OEEを使って、
- 稼働率
- 性能
- 品質率
の3要素へ分解することにしました。
1. 測定条件を固定した
最初に、比較できるよう条件を固定しました。
対象
- 設備:包装ライン1号
- 製品:製品A
- シフト:日勤
- 測定単位:1日
- 比較期間:改善前5日、改善後5日
ここでの判断
製品やシフトが違うと、理想サイクルや停止要因が変わるため、まず同条件で比較することにしました。
2. 計画生産時間を整理した
1日の所定時間は480分でした。
そのうち、朝礼、計画休憩、定期清掃など、最初から生産しない時間が60分ありました。
そこで、
- 所定時間:480分
- 計画停止:60分
- 計画生産時間:420分
としました。
ここでの判断
計画停止まで設備停止損失に入れると、改善対象でない時間が混ざります。
そのため、今回のOEEでは計画生産時間420分を基準にしました。
3. 停止時間から稼働率を計算した
ある日の停止記録をまとめると、停止時間は55分でした。
内訳は、
- 故障:25分
- 段取り替え:20分
- 材料待ち:10分
でした。
したがって、
- 計画生産時間:420分
- 停止時間:55分
- 稼働時間:365分
です。
稼働率は、
365 ÷ 420 ≒ 86.9%
となりました。
ここでの判断
この時点で、「設備が止まること」だけで約13%の損失があると分かりました。
ただし、これだけでは生産量不足の全体像は説明できません。
4. 生産速度から性能を計算した
製品Aの理想サイクルタイムは0.5分/個です。
当日の総生産数は620個でした。
理想的に365分すべてを0.5分/個で動かせれば、
365 ÷ 0.5 = 730個
生産できる計算です。
実際は620個だったため、性能は、
620 ÷ 730 ≒ 84.9%
となりました。
ここでの判断
停止だけでなく、「動いている時間の中にも速度ロスがある」ことが見えました。
現場へ確認すると、短時間のセンサー誤検知による停止・再起動や、詰まりを避けるための速度低下が頻発していました。
5. 良品数から品質率を計算した
当日の総生産620個のうち、良品は600個でした。
品質率は、
600 ÷ 620 ≒ 96.8%
です。
不良20個の主な内訳は、
- シール不良
- ラベルずれ
- 包装破れ
でした。
ここでの判断
品質率は3要素の中では最も高く、最初の改善優先順位としては停止・速度ロスより低いと判断しました。
6. OEEを算出した
3要素を掛け合わせると、
- 稼働率:86.9%
- 性能:84.9%
- 品質率:96.8%
なので、OEEはおよそ71.4%でした。
ここで分かったこと
当初、現場では「不良も増えているから品質改善が必要」という声が強くありました。
しかし、OEEで分解すると、品質率は比較的高く、より大きい損失は停止と速度側にありました。
これによって、改善会議の論点が「どの部門の問題か」から「どの損失が最も大きいか」へ変わりました。
7. 稼働率の損失をさらに分解した
停止55分をそのまま一括で扱わず、原因別に確認しました。
故障25分
記録を確認すると、同じ搬送部位のセンサー異常が複数回発生していました。
段取り替え20分
治具、資材、ラベル設定の準備を設備停止後に始めていました。
材料待ち10分
材料補充の呼び出しタイミングが遅く、ライン停止後に補充が始まっていました。
ここでの判断
「停止時間55分を短くする」では改善行動が曖昧です。
そこで、停止を原因別に分け、
- センサー異常
- 段取り準備
- 材料補充タイミング
を別々の改善テーマとして扱いました。
8. 性能ロスを調べると、短時間停止が見つかった
性能が84.9%まで下がっている原因を調べると、停止記録に入っていない短時間停止が多数ありました。
たとえば、
- センサー誤検知で数十秒停止
- ワーク位置ずれで再起動
- 小さな詰まりを作業者が手で直す
といった停止です。
1回あたりは短いため、設備停止記録には残っていませんでした。
しかし、1日合計では無視できない時間になっていました。
ここでの判断
OEEの性能側が低かったことで、長時間停止だけ見ていては見逃す損失へ目を向けることができました。
9. 改善テーマを優先順位付けした
最初の改善テーマは、次の3つにしました。
1位|センサー誤検知と頻発故障
同一部位で停止が集中し、長時間停止と短時間停止の両方に影響していたためです。
2位|段取りの事前準備
20分の段取り時間のうち、停止前に準備できる作業が複数ありました。
3位|材料補充の呼び出しタイミング
材料待ち10分は、補充ルールの変更で比較的早く改善できると判断しました。
品質不良は継続監視としましたが、初回の重点改善にはしませんでした。
10. 実際に行った改善
センサー対策
- センサー位置を再調整
- 感度設定を見直し
- 汚れが付きやすい箇所の清掃頻度を変更
- 頻発故障部位を点検項目へ追加
段取り対策
- 次製品の資材を停止前に準備
- ラベルデータを事前確認
- 治具の置き場所を固定
- 段取り順序を標準化
材料待ち対策
- 残量が一定値になった時点で補充依頼
- 補充担当への通知方法を統一
11. 改善後に同条件で再測定した
改善後も、包装ライン1号、製品A、日勤、1日単位という条件を変えずに測定しました。
代表日の結果は、
- 計画生産時間:420分
- 停止時間:35分
- 稼働時間:385分
- 総生産数:680個
- 良品数:662個
- 理想サイクル:0.5分/個
でした。
稼働率
385 ÷ 420 ≒ 91.7%
性能
理想生産数は、
385 ÷ 0.5 = 770個
なので、
680 ÷ 770 ≒ 88.3%
品質率
662 ÷ 680 ≒ 97.4%
OEE
3要素を掛け合わせると、OEEは約78.9%になりました。
12. 数値改善だけで終わらせず、次の損失を確認した
OEEは約71.4%から約78.9%へ改善しました。
ただし、「OEEが上がったから終了」とはしませんでした。
改善後の内訳を見ると、停止時間は大きく減った一方、性能はまだ88.3%でした。
そこで次は、
- 短時間停止の回数
- 速度設定
- ワーク供給のばらつき
- 操作方法による速度差
を重点的に確認することにしました。
ここでの判断
OEEは目標値そのものではなく、「次にどこを調べるか」を示すための指標として使いました。
このケースから分かるOEEの使いどころ
1. 生産量不足を一つの原因で見ない
停止、速度、不良に分けることで、原因の見え方が変わります。
2. 部門ごとの主張を同じ基準へ置き換える
設備、製造、品質の各部門が別の問題を見ていても、OEEの3要素で共通の改善基準を持てます。
3. 長時間停止だけでなく短時間停止も見つける
性能低下を見ることで、停止記録に残りにくい細かなロスも発見しやすくなります。
4. 改善後は同条件で測る
製品、シフト、設備、期間が違うと比較が難しくなります。
5. OEEの数値だけを追わない
OEEが上がった理由・下がった理由を、3要素と損失内訳で確認します。
自分の業務へ置き換えるときの確認ポイント
- 測定対象の設備・製品・シフト・期間を固定したか
- 計画生産時間の定義を揃えたか
- 停止時間を原因別に分けたか
- 理想サイクルタイムの根拠を確認したか
- 総生産数と良品数を同じ期間で取ったか
- 稼働率・性能・品質率を別々に見たか
- 最も大きい損失から改善テーマを選んだか
- 短時間停止を見落としていないか
- 改善後も同条件で再測定したか
- OEE向上そのものを目的にしていないか
そのまま使える記入形式が必要なら、OEEテンプレートを使うと、測定条件、稼働率、性能、品質率、停止内訳、改善テーマ、再測定まで一続きで整理しやすくなります。
よくある失敗を先に確認したい場合は、OEEで失敗しやすいポイントも参考になります。生成AIを補助的に使って停止理由の分類や損失候補の整理を効率化したい場合は、生成AIでOEEを使う方法も参照してください。
まとめ
このケースでは、包装ライン1号で生産量不足が続いていましたが、設備、製造、品質の各部門が別々の原因を見ており、改善優先順位を決められないことが課題でした。
OEEを使い、計画生産時間420分、停止55分、稼働365分、総生産620個、良品600個、理想サイクル0.5分/個から、稼働率約86.9%、性能約84.9%、品質率約96.8%、OEE約71.4%を算出しました。
その結果、品質よりも停止と速度ロスの影響が大きいと分かり、センサー対策、段取りの事前準備、材料補充ルールを優先して改善しました。
改善後は停止35分、稼働385分、総生産680個、良品662個となり、OEEは約78.9%まで改善しました。
ただし、そこで終わらず、次は性能側の短時間停止や速度低下を改善対象として確認することにしました。
OEEの価値は、単に一つの数値を上げることではありません。生産ロスを停止・速度・品質に分け、改善の優先順位を決め、改善後の次の課題までつなげることにあります。