テーマ6：生産技術の基礎

学習週：Week 10
優先度：★6位（DX施策設計の前提知識）

なぜこれを学ぶか

製造現場の物理的制約を知らずにDX施策を設計すると、「システムは動くが現場に使えない」ものができる。
加工の限界・ばらつきの原因・治工具の役割を理解することが、正しい施策設計の前提。

1. 工程設計の基礎

1.1 加工方法の選定基準

加工方法を選ぶ5つの判断軸：
① 要求精度（公差・表面粗さ）
② 材料特性（硬度・切削性・熱処理後特性）
③ 生産量（量産 vs 少量）
④ コスト（工具費・段取り費・設備費）
⑤ 設備能力（社内保有 vs 外注）

1.2 4M起因のばらつき

製造ばらつきの4つの発生源（4M）：

Man（人）：スキルの違い・疲労・ミス
Machine（機械）：設備精度・摩耗・熱変位
Material（材料）：材料特性のばらつき・ロット間差
Method（方法）：手順の違い・段取りミス

→ ばらつき削減＝4Mの安定化

1.3 公差の積み上げ

複数の部品を組み合わせると、各部品の寸法誤差が積み重なる。

最悪条件積み上げ法（Worst Case）：
  総公差 = Σ 各部品公差

統計的積み上げ法（RSS法：Root Sum Square）：
  総公差 = √(公差A² + 公差B² + 公差C² + ...)

→ RSS法のほうが実際に近い。量産では有効。
→ ETO製造では最悪条件で評価することが多い。

2. 治工具の役割

治具（Jig）：工作物を固定・位置決めする道具
  → 同じ品質を繰り返し実現するための「型」

工具（Fixture）：加工時に工作物を保持する道具

治工具の効果：
  ① 位置決め精度の確保（人のスキルに依存しない）
  ② 作業時間の短縮（段取り時間削減）
  ③ 品質の安定化（ばらつきの抑制）
  ④ 安全性の向上

治工具の管理：
  → 台帳管理（番号・保管場所・使用工程）
  → 定期点検（摩耗・損傷のチェック）
  → 設計変更時の更新（製品変更 → 治工具変更）

3. 設備・治工具の管理台帳設計

3.1 台帳に含める情報

設備・治工具の台帳は「探さなくてもわかる」状態を目指す。必要な情報が一か所に集まっていれば、段取り準備の抜け漏れと点検忘れを同時に防げる。

3.2 デジタル化のメリット：QRコードで即時参照

紙台帳の問題：
  → 現場で台帳を探す必要がある（設備の前 ≠ 台帳の場所）
  → 点検記録の記入・回収・集計に手間がかかる
  → 最新情報の反映が遅れる

QRコードデジタル化の効果：
  設備・治工具にQRコードを貼付
    → スマホ・タブレットで読み取り
    → 仕様書・点検履歴・図面を即時表示
    → 点検結果をその場で入力・自動集計
    → 点検期限アラートをシステムが自動送信

ETOで特に有効な理由：
段取り準備では「この治工具は最後にいつ使ったか」「点検は終わっているか」を素早く確認したい。QRコード管理なら倉庫内で立ったまま確認でき、段取り準備時間を大幅に短縮できる。

4. 生産技術ナレッジの形式知化

4.1 熟練技能のデジタル記録方法

ETOで最も失われやすい知識は「ベテランの感覚」だ。これをデジタルで記録する代表的な方法を示す。

動画記録：
  → 作業手順の「動き」を動画で撮影（スマホで十分）
  → 良品・不良品の判別シーンを録画
  → 工程ごとにクラウドにアップロード・番号管理

加工条件記録（ゴールデンバッチ記録）：
  → 良品が出たときの加工条件を即時記録
    （切削速度・送り量・温度・チャッキング圧力など）
  → 「この材料 + この形状 = この条件が正解」を蓄積
  → 次回の同条件案件でそのまま参照可能

効果確認の指標：
  → 初物合格率の変化（NG → OK への転換率）
  → 段取り時間の短縮（条件決定時間の削減）

4.2 初物確認（First Article Inspection）のデジタル化

初物確認（FAI）とは、製造ロットの最初の1個を全項目検査し、工程・設備・治工具・作業手順の設定が正しいことを確認するプロセスだ。

FAIデジタル化の設計ポイント：
  ① 検査項目をシステムに登録（図面番号・版数・検査項目・公差）
  ② 測定値をタブレットで直接入力（転記エラーゼロ）
  ③ 合否判定を自動計算（公差範囲との比較）
  ④ FAI結果を製番・品番・日時と紐付けて保存
  ⑤ 次回同類案件でFAI結果を参照可能にする

ETO特有の活用：
  → 類似案件のFAI記録を新案件の工程設計に活用
  → 「前回この品番はここで苦労した」をシステムが提示
  → 過去の初物NG原因データが設計部門にフィードバック可能

4.3 トラブル事例データベースの構築方法

データベースの構成要素：
  発生日時 / 製番・品番 / 工程番号 /
  不具合の内容（現象・測定値・写真） /
  推定原因（4M分類：Man/Machine/Material/Method） /
  暫定処置と恒久対策 /
  再発防止措置 / 水平展開先

運用のポイント：
  ① 入力の手間を最小化（スマホで写真＋短文入力）
  ② 「似た事例を検索」機能を必ず実装
  ③ キーワード・工程・材質で検索できるようにする
  ④ 月1回のレビューで「未完了の恒久対策」を消し込む

ETOでの価値：
  新案件の工程設計時に「類似形状・材質のトラブル事例」を
  事前に確認できれば、既知のリスクを設計段階で回避できる。

3. 設備能力と段取り

3.1 設備能力の確認項目

加工範囲（ストローク・テーブルサイズ）
繰り返し精度（同じ位置に何度でも正確に戻れるか）
主軸精度（振れの大きさ）
熱変位（稼働後の温度変化による寸法変化）
最大切削能力（トルク・出力）

3.2 SMED（段取り時間短縮）

SMED（Single-Minute Exchange of Die）
= 段取り時間を10分以内にする手法

内段取り：機械を止めなければできない作業
外段取り：機械が動いている間にできる作業

SMED の基本手順：
① 現状の段取り作業を記録・分析
② 内段取りと外段取りに分類
③ 内段取りを外段取りに変換できるか検討
④ 内段取りそのものを短縮する

4. 測定誤差と測定器選定

4.1 測定器選定基準

原則：測定器の分解能 < 測定対象の公差の 1/10

例：
  公差 ±0.1mm → 分解能 0.01mm以下の測定器を選ぶ
  公差 ±0.01mm → 分解能 0.001mm以下の測定器を選ぶ

4.2 温度管理

精密測定の基本条件：
  20℃±1℃環境での実施
  
なぜ重要か：
  金属は温度で膨張・収縮する
  線膨張係数の例：鉄 = 11.7×10⁻⁶/℃
  → 100mmの鉄が1℃変化すると 0.00117mm変化
  → 精密加工（μm単位）では無視できない

5. DX施策との接続

生産技術の知識がないと失敗する施策例：

× センサーで振動を計測したが、どの数値が「異常」か定義できない
  → 正常・異常の判断には設備知識が必要

× AI外観検査を導入したが、光の当たり方で誤判定だらけ
  → 照明・カメラ設置には加工面の知識が必要

× 工程改善をしたが、公差が積み上がって組立不良が多発
  → 公差設計の知識なしに工程変更はリスク

生産技術を知っていれば：
  → 「このばらつきはセンサーで検知できる性質か」を判断できる
  → 「この工程はAIが向くか、向かないか」を判断できる

推奨参考資料

✅ 実務チェックリスト

このテーマを「理解した」と言えるための確認項目

• 主要工程の加工条件（温度・圧力・速度・送り量）が標準書として文書化されている
• 治工具台帳が整備されており、最新の保管場所・点検状況が把握できる
• 主要工程の工程能力（Cp/Cpk）を測定・記録し、品質安定性を評価できる
• 設備投資の判断基準（稼働率・ROI・代替性）を説明できる
• 過去のトラブル事例が記録されており、横展開（類似工程への注意喚起）ができる

💡 ETO製造での適用ポイント

ETO製造における生産技術知識の最大の問題は「属人化」だ。「この加工は〇〇さんしかできない」「条件はベテランが感覚でわかる」という状態が、ETOでは特に根強く残りやすい。標準化対象の製品がないため、技術知識が個人の経験に閉じ込められがちになる。

DXにおけるゴールは、この暗黙知を「デジタル作業指示書」と「加工条件記録」という形で形式知化することだ。設備にセンサーを付けてパラメータを自動記録し、良品時の条件を「ゴールデンバッチ」として保存する仕組みが、ETO製造技術のDX化の第一歩になる。

治工具管理のデジタル化も見落とされがちな領域だ。紙台帳で管理されている治工具の使用履歴・点検記録をシステム化することで、「この治工具は前回いつ使ったか」「点検期限が来ているか」が即座にわかり、段取り準備の抜け漏れが減る。

ETOでは加工条件のバリエーションが多いため、ルールベースの条件管理（「材質Aの場合は切削速度Xm/min」という条件表）が特に有効。機械学習よりもシンプルなルールエンジンの方が、少数サンプルのETO環境では安定して動作することが多い。

🔗 関連テーマ