生成AIは、OEE(Overall Equipment Effectiveness/設備総合効率)の計算や改善判断を自動で任せるための道具ではありません。一方で、必要データの抜けを洗い出す、稼働率・性能・品質率の計算式を確認する、停止理由を分類する、短時間停止や速度低下の候補を整理する、改善テーマ候補を比較するといった補助には使えます。
ただし、OEEは入力データの定義がずれると、見かけ上は正しい計算でも意味が変わります。計画生産時間に何を含めるか、理想サイクルタイムをどの条件で決めるか、手直し品を良品に含めるか、短時間停止を停止時間と性能損失のどちらへ入れるかは、現場ルールを知る人が確定する必要があります。
この記事では、生成AIをOEEの補助に使う方法を、具体的なプロンプト例、出力の使い方、人が確認すべきポイント、誤り・限界まで含めて解説します。
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。人だけで進める基本手順は、OEEのやり方で確認できます。
生成AIを使うと効果が出やすい場面
生成AIは、次のような作業で補助役として使いやすくなります。
- OEE計算に必要な入力項目を洗い出す
- 稼働率・性能・品質率の計算式を確認する
- 停止理由の分類候補を整理する
- 短時間停止や速度低下の候補を洗い出す
- 改善前後で比較条件が揃っているか確認する
- 改善テーマ候補を優先順位付けするための質問を作る
- 再測定時に確認すべき項目を整理する
一方で、次はAIだけに任せない方が安全です。
- 計画生産時間の正式な定義
- 理想サイクルタイムの正式値
- 停止時間の記録ルール
- 良品・不良品・手直し品の扱い
- 設備ログの正しさ
- どの損失を優先して改善するか
- 改善効果の最終判定
AIは「候補を出す」「抜けを探す」「計算を確認する」役に置き、正式な定義と改善判断は人が行います。
1. OEE計算に必要なデータを確認する
プロンプト例
以下の設備についてOEEを計算したいです。
対象:包装ライン1号 製品:製品A シフト:日勤
OEE計算に必要な入力項目を、
- 稼働率
- 性能
- 品質率
に分けて一覧化してください。
条件:
- 不明な値は推測しない
- 現場で確認すべき定義も質問として出す
出力の使い方
AIは、
- 計画生産時間
- 停止時間
- 稼働時間
- 理想サイクルタイム
- 総生産数
- 良品数
などを挙げられます。
人は、所定時間・休憩・計画停止をどう扱うかを正式ルールで確認します。
2. 計画生産時間の定義を確認する質問を作る
OEEで最も起こりやすいズレの1つが、計画生産時間の定義です。
プロンプト例
所定時間は480分です。 計画停止として休憩45分、朝礼15分があります。
計画生産時間を決める前に、人が確認すべき質問を整理してください。
条件:
- 480分から単純計算して確定しない
- 休憩、朝礼、計画保全、段取りの扱いを確認する
出力の使い方
AIは、
- 休憩は計画停止として除外するか
- 朝礼は生産計画外か
- 計画保全はどこへ入れるか
- 段取りは計画停止か稼働ロスか
といった質問を出せます。
人が現場ルールを確認し、たとえば「所定480分−計画停止60分=計画生産時間420分」と確定します。
3. 稼働率の計算を確認する
プロンプト例
計画生産時間420分、停止時間55分です。
稼働時間と稼働率を計算し、式も示してください。
出力の使い方
稼働時間は365分です。
稼働率は、
365 ÷ 420 × 100 ≒ 86.9%
となります。
AIは計算確認には使えますが、55分の停止時間が正しく記録されているかまでは判断できません。
4. 性能の計算と前提を確認する
プロンプト例
稼働時間365分、理想サイクルタイム0.5分/個、総生産数620個です。
性能を計算してください。
あわせて、理想サイクルタイム0.5分/個を採用する前に確認すべき事項も列挙してください。
出力の使い方
性能は、
0.5 × 620 ÷ 365 × 100 ≒ 84.9%
です。
AIは、理想サイクルタイムについて、
- 製品Aの標準値か
- 短時間の最高速度ではないか
- 品質を維持できる条件か
- 設備仕様値と実運転条件のどちらか
などの確認質問を出せます。
正式値は人が確定します。
5. 品質率の計算と手直し品の扱いを確認する
プロンプト例
総生産数620個、良品数600個です。
品質率を計算してください。
さらに、手直し品を良品として数えるか確認する質問も出してください。
出力の使い方
品質率は、
600 ÷ 620 × 100 ≒ 96.8%
です。
ただし、手直し後に良品となった製品を「初回良品」と同じ扱いにするかは、現場の品質定義によります。
AIの一般論だけで決めないことが重要です。
6. OEEを計算する
プロンプト例
稼働率86.9%、性能84.9%、品質率96.8%です。
OEEを計算し、どの要素が最も低いかも示してください。
出力の使い方
OEEは、
0.869 × 0.849 × 0.968 ≒ 0.714
なので、約71.4%です。
3要素の中では性能84.9%が最も低いため、性能側の損失も重要な候補になります。
ただし、「最も低い要素=最優先で改善」とは限りません。改善可能性、費用、安全、品質影響も人が確認します。
7. 停止理由を分類する
プロンプト例
停止55分の内訳です。
- 故障25分
- 段取り20分
- 材料待ち10分
改善テーマ候補を出すため、停止理由ごとに、
- 頻度
- 1回あたり時間
- 再発性
- 改善余地
を確認する質問を作ってください。
出力の使い方
AIは、単純に「25分の故障が最大だから故障対策」と決めるのではなく、頻度や再発性を確認する質問を作れます。
たとえば、故障25分が1回だけなのか、5分停止が5回なのかで対策は変わります。
8. 短時間停止や速度低下を洗い出す
OEEでは、停止時間に入っていない小さなロスが性能へ現れることがあります。
プロンプト例
性能が84.9%ですが、大きな停止以外の原因が分かっていません。
現場で確認すべき短時間停止・速度低下の候補を、質問形式で出してください。
条件:
- 原因を断定しない
- センサー、詰まり、材料供給、速度設定、再起動などの観点を含める
出力の使い方
AIは、
- センサー誤検知はないか
- 1分未満の停止を記録しているか
- 材料供給待ちで速度を落としていないか
- 立ち上がり後に定格速度へ戻るまで時間がかかっていないか
といった質問を出せます。
人が現場を確認した結果、センサー誤検知による短時間停止が頻発していると分かる場合があります。
9. 改善テーマ候補を整理する
プロンプト例
現状データ:
- 故障25分
- 段取り20分
- 材料待ち10分
- センサー誤検知による短時間停止が頻発
改善テーマ候補を、
- 期待効果
- 実施難易度
- 安全・品質への影響
- 必要な追加データ
で比較してください。
条件:
- 優先順位を断定せず、人が判断できる材料を整理する
出力の使い方
AIは、
- センサー位置・感度の見直し
- 頻発故障部位の点検強化
- 段取り前準備の標準化
- 材料補充ルールの見直し
などを候補として比較できます。
最終的な改善テーマは、安全・コスト・設備停止可能時間・担当能力も含めて人が決めます。
10. 改善前後の比較条件を確認する
OEEが上がっても、製品やシフトが違えば比較の意味が変わります。
プロンプト例
改善前後でOEEを比較します。
比較条件が揃っているか確認するチェックリストを作ってください。
条件:
- 設備
- 製品
- シフト
- 計画生産時間の定義
- 理想サイクルタイム
- 良品定義
を含める
出力の使い方
AIが作ったチェックリストを使い、同じ条件で再測定できているか確認します。
通し例|包装ライン1号で生成AIをOEE改善に使う
対象は包装ライン1号、製品A、日勤です。
人が現場ルールを確認し、次の条件を確定しました。
- 所定時間:480分
- 計画停止:60分
- 計画生産時間:420分
- 停止時間:55分
- 稼働時間:365分
- 理想サイクルタイム:0.5分/個
- 総生産数:620個
- 良品数:600個
AIに計算確認をさせると、
- 稼働率:約86.9%
- 性能:約84.9%
- 品質率:約96.8%
- OEE:約71.4%
となりました。
次に停止55分の内訳を、故障25分、段取り20分、材料待ち10分としてAIへ渡し、頻度・再発性・改善余地を確認する質問を作らせました。
さらに性能84.9%の背景を探るため、短時間停止・速度低下の確認質問を作らせました。
現場で確認すると、センサー誤検知による短時間停止が頻発していました。
AIには改善案の候補整理をさせ、
- センサー位置・感度の見直し
- 頻発故障部位の点検
- 段取り前準備
- 材料補充ルール
を、期待効果・難易度・安全影響の観点で比較させました。
人が設備保全・生産・品質の担当者と確認し、まずセンサー位置・感度、頻発故障部位、段取り前準備を優先しました。
改善後、同じ包装ライン1号・製品A・日勤の条件で再測定しました。
- 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
- 理想サイクルタイム:0.5分/個
再計算すると、
- 稼働率:約91.7%
- 性能:約88.3%
- 品質率:約97.4%
- OEE:約78.9%
となりました。
ここで「OEEが上がったから終了」とはしませんでした。
AIに3要素と損失内訳を再整理させ、人が確認すると、次の改善候補は性能側の短時間停止・速度低下でした。
この使い方では、AIが担ったのは、必要データ確認、計算、質問生成、損失分類候補、改善候補比較、再測定チェックです。
人が担ったのは、計画生産時間、理想サイクルタイム、良品定義、停止分類、設備ログの正しさ、改善テーマ、改善効果の最終判断です。
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、時間、性能、品質、損失内訳、改善テーマ、再測定まで整理しやすくなります。
具体案件への適用イメージを追いたい場合は、OEEの具体例が参考になります。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照してください。
人が必ず確認すべきポイント
計画生産時間
同じ480分勤務でも、休憩・朝礼・計画保全・段取りをどう扱うかで稼働率が変わります。
理想サイクルタイム
AIが設備仕様や一般値を推測しても、正式な現場基準ではありません。製品・設備条件に合う正式値を使います。
停止理由
設備ログだけでは、故障・材料待ち・段取り・短時間停止の区別が誤っている場合があります。
良品定義
手直し品、再検査品、廃棄品の扱いを品質部門とそろえます。
改善テーマ
AIは候補を比較できますが、安全、品質、投資、停止可能時間、保全能力を踏まえた最終優先順位は人が決めます。
改善効果
OEEだけでなく、出来高、コスト、安全、不良、残業など他の指標も必要に応じて確認します。
生成AIの誤りと限界
定義を勝手に補うことがある
計画生産時間や良品の定義が書かれていないと、一般的な前提で計算することがあります。
理想サイクルタイムをもっともらしく推測することがある
設備の最大能力と、品質を維持できる実用値は同じとは限りません。
停止分類を誤ることがある
短時間停止を停止時間へ入れるか、性能損失として扱うかは現場ルールによります。
数値が合っていても入力が誤っている可能性がある
計算式が正しくても、ログやカウントが誤っていれば結論は誤ります。
改善案が一般論に寄ることがある
「予防保全を強化する」「教育する」だけでは実行性が不足します。対象設備・損失・担当へ具体化します。
OEEを上げること自体を目的化しやすい
OEEは改善の手掛かりです。安全や品質を犠牲にして数値だけ上げる運用は避けます。
機密情報の扱いに注意する
設備能力、故障履歴、品質データ、生産計画などを入力する場合は、自社の情報管理ルールに従います。
生成AIに任せすぎないためのチェックリスト
- 計画生産時間の定義を人が確定したか
- 停止時間の記録ルールを確認したか
- 理想サイクルタイムを正式値で確認したか
- 総生産数・良品数の元データを確認したか
- 手直し品の扱いを確認したか
- AIの計算結果を式と照合したか
- 短時間停止・速度低下を見落としていないか
- 改善テーマをAIだけで決めていないか
- 改善前後の比較条件をそろえたか
- OEE以外の安全・品質・コストも確認したか
- 再測定したか
- 機密情報を不用意に入力していないか
まとめ
生成AIは、OEEを効率よく実践するための補助役として使えます。
特に役立つのは、必要データの洗い出し、稼働率・性能・品質率の計算確認、停止理由や短時間停止の分類候補、改善テーマを決めるための質問、改善前後の比較条件チェックです。
一方で、計画生産時間、理想サイクルタイム、良品定義、停止分類、設備ログの正しさ、改善テーマ、改善効果の最終判断は人が担う必要があります。
生成AIにOEE改善を任せるのではなく、「計算を確認する」「抜けを探す」「質問を作る」「改善候補を整理する」ために使うことで、現場データから損失を切り分け、改善と再測定へ効率よくつなげやすくなります。