設備稼働率（OEE）の計算方法と改善戦略：製造ラインの生産性を最大化する

「うちの設備は十分動いているはずなのに、なぜか生産量が目標に届かない」――製造業の現場で、こうした声を耳にすることは少なくありません。設備の「稼働率」を正しく測定・分析できているでしょうか。

本記事では、設備の生産性を総合的に評価する指標であるOEE（Overall Equipment Effectiveness：総合設備効率） の計算方法を具体例付きで解説し、改善に向けた実践的な戦略を紹介します。

1. 設備稼働率とは？ 3つの構成要素を理解する

設備の生産性を正しく評価するには、単に「設備が動いている時間の割合」だけを見ても不十分です。OEEは、設備のパフォーマンスを3つの要素に分解して評価します。

要素	英語名	意味	主な損失要因
時間稼働率	Availability	計画した操業時間のうち、実際に設備が稼働した時間の割合	故障停止、段取り・調整
性能稼働率	Performance	稼働中に理論上の最大速度でどれだけ生産できたかの割合	チョコ停（短時間停止）、速度低下
良品率	Quality	生産した製品のうち、良品として出荷できる割合	不良・手直し、立上りロス

この3要素をすべて掛け合わせることで、設備の真の生産効率が見えてきます。

なぜ3要素すべてが必要なのか

たとえば、時間稼働率が90%と高くても、設備が本来の速度の80%でしか動いておらず（性能稼働率80%）、さらに5%の不良が出ている（良品率95%）とします。この場合の総合効率は以下のとおりです。

0.90 × 0.80 × 0.95 = 0.684（68.4%）

一見「90%稼働」に見えた設備の実質的な効率は、わずか**68.4%**しかありません。設備が生み出すべき価値の約3分の1が、何らかのロスで失われていることになります。

2. OEE（総合設備効率）の計算式

OEEの計算は、以下の3ステップで行います。

計算式

OEE = 時間稼働率 × 性能稼働率 × 良品率

各要素の算出方法は次のとおりです。

指標	計算式
時間稼働率	稼働時間 ÷ 負荷時間
性能稼働率	(理論サイクルタイム × 生産数量) ÷ 稼働時間
良品率	良品数 ÷ 生産数量

用語の補足：

• 負荷時間：操業カレンダー上の総時間から、計画的な休止（計画停止・定期メンテナンス等）を差し引いた時間。設備が「動くべき」時間です。
• 稼働時間：負荷時間から、故障停止や段取り替え等の非計画停止を差し引いた、実際に設備が動いていた時間。
• 理論サイクルタイム：1個の製品を生産するのに理論上必要な最短時間。設備仕様書やカタログ値を基準とします。

3. 具体的な計算例：プレス機ラインのOEE

ある自動車部品工場のプレス機ラインを例に、OEEを計算してみましょう。

前提条件

項目	値
1日の操業時間	480分（8時間）
計画停止（昼休憩・定期点検）	40分
負荷時間	440分
故障による停止	20分
段取り替え	25分
稼働時間	395分
理論サイクルタイム	0.5分/個
生産数量	700個
不良品数	14個
良品数	686個

計算プロセス

ステップ1：時間稼働率

時間稼働率 = 稼働時間 ÷ 負荷時間
           = 395分 ÷ 440分
           = 89.8%

ステップ2：性能稼働率

性能稼働率 = (理論サイクルタイム × 生産数量) ÷ 稼働時間
           = (0.5分 × 700個) ÷ 395分
           = 350分 ÷ 395分
           = 88.6%

395分の稼働時間で理論上は790個（395÷0.5）作れるはずが、実際は700個。チョコ停や速度低下により90個分の生産機会が失われています。

ステップ3：良品率

良品率 = 良品数 ÷ 生産数量
       = 686個 ÷ 700個
       = 98.0%

OEE算出

OEE = 89.8% × 88.6% × 98.0%
    = 77.9%

このプレス機ラインのOEEは**77.9%**です。改善の余地がどこにあるかが、3要素の内訳から明確に読み取れます。この例では、性能稼働率（88.6%） が最も低く、チョコ停や速度低下への対策が優先課題であることがわかります。

4. OEEのベンチマーク：自社の立ち位置を知る

OEEの数値を評価する際の目安として、一般的に以下のベンチマークが知られています。

レベル	OEE	説明
ワールドクラス	85%以上	TPM活動を長年継続した先進的な工場が達成する水準
標準的	60%前後	多くの製造工場の現実的な平均値。改善の余地が大きい
低水準	40%以下	重大なロスが複数存在。早急な改善が必要

OEE 85%を達成するには、たとえば時間稼働率90%以上、性能稼働率95%以上、良品率99%以上が求められます。これはTPM（Total Productive Maintenance：全員参加の生産保全）活動を組織的に推進している工場で初めて到達できる水準です。

ただし、OEEの数値は業種・設備種類・生産形態（少量多品種 vs 大量生産）によって大きく異なります。自社の過去の推移や、同業他社との比較で改善度合いを評価することが重要です。

5. 「6大ロス」とその対策

TPMでは、設備効率を阻害する要因を6大ロスとして体系化しています。OEEの3要素それぞれに対応する形で整理されています。

OEE要素	ロスの種類	内容	主な対策
時間稼働率	1. 故障ロス	突発的な設備故障による停止	予防保全の徹底、故障データの分析と再発防止
	2. 段取り・調整ロス	品種切替時の停止と調整時間	SMED（シングル段取り）、外段取り化の推進
性能稼働率	3. 空転・チョコ停ロス	ワーク詰まり、センサー誤検知等による短時間停止	原因別の発生頻度分析、センサー・ガイドの改善
	4. 速度低下ロス	設計速度より遅い速度での運転	速度低下の原因究明、設備の基本条件整備
良品率	5. 不良・手直しロス	品質不良による廃棄や手直し作業	工程内品質保証の強化、条件管理の徹底
	6. 立上りロス	設備起動時・品種切替後の調整段階での不良	立上り条件の標準化、自動チューニング

対策の優先順位の決め方

6大ロスの改善は、ロスの大きさ（時間・金額） を定量化し、パレート分析で上位から着手するのが鉄則です。「まんべんなく対策する」よりも、最大ロスに集中投資するほうが、OEEの改善幅は大きくなります。

たとえば先ほどのプレス機ラインの例では、性能稼働率が最も低いため、チョコ停の発生状況を設備別・時間帯別に記録し、上位要因から対策を打つことが効果的です。

6. TPSに学ぶOEE改善の原点：「流れ」と「平準化」

AIやIoTの話に入る前に、OEE改善の本質を押さえておきましょう。大野耐一氏は『トヨタ生産方式』の中で、機械工場の改革について語っています。当時の工場では旋盤は旋盤工、フライスはフライス工と、機械ごとに専任の作業者が配置されていました。大野氏はこの固定化された体制を打破し、一人の作業者が複数の工程を受け持つ「多工程持ち（多能工）」を実現。工程間に「流れ」をつくることで、設備の遊休時間と仕掛品の滞留を同時に削減しました。これはOEEの時間稼働率と性能稼働率の両方を改善するアプローチの原点です。

もう一つ重要なのが「平準化生産」です。大野氏が批判した「でかんしょ生産」——月初はのんびり、月末に追い込む生産パターン——は、設備にも人にも過大な負荷変動をもたらします。月末に設備をフル稼働させれば故障リスクが上がり、月初に遊ばせれば稼働率が下がる。OEEを安定的に高い水準で維持するには、生産量の波を平らにする平準化が不可欠です。TPMの活動基盤としてもこの平準化は前提となります。

7. AIによるOEE改善アプローチ

近年、IoTセンサーの普及とAI技術の進化により、OEE改善の手法も大きく変わりつつあります。

6.1 予知保全（Predictive Maintenance）による時間稼働率の向上

従来の予防保全が「一定期間ごとに部品を交換する」アプローチだったのに対し、予知保全では振動・温度・電流値などのセンサーデータをAIが常時分析し、故障の兆候を事前に検知します。

• 突発故障による非計画停止を削減
• 過剰な予防保全（まだ使える部品の早期交換）も削減
• メンテナンス計画の最適化によりダウンタイムを最小化

6.2 AI外観検査による良品率の向上

画像認識AIを用いた外観検査は、人の目視検査と比較して以下の利点があります。

• 検出精度の安定化：人の疲労や個人差に左右されず、一定の判定基準で検査
• 微小欠陥の検出：人の目では見逃しやすい微細なキズ・汚れも検出可能
• 全数検査の実現：抜き取り検査から全数検査へ移行し、不良の流出を防止
• 不良原因のフィードバック：不良の傾向分析を自動化し、工程へのフィードバックを迅速化

良品率の改善に寄与する画像処理はAI外観検査だけではありません。非接触の寸法計測を工程内に組み込めば、寸法逸脱品を早期に排除でき、後工程での不良を削減できます。また、OCRによるロット番号照合を導入すれば、部品の取り違えに起因する品質不良を防止し、良品率の底上げにつながります。

6.3 生産データ分析による性能稼働率の改善

設備から収集したデータをAIで分析することで、以下のような改善が可能になります。

• チョコ停パターンの自動検出：発生条件（時間帯、材料ロット、環境温度等）の相関分析
• 最適運転条件の導出：品質と速度のトレードオフを最適化するパラメータの探索
• 段取り時間の短縮支援：過去の段取りデータから最適な手順・条件を提案

6.4 導入にあたっての現実的な留意点

AIによるOEE改善は大きな可能性を持つ一方で、以下の点に留意が必要です。

• データ基盤が前提：AIの効果を発揮するには、設備からデータを正確に収集する仕組み（IoTセンサー、PLCデータ連携等）の整備が先決
• 段階的な導入：全設備一括導入ではなく、ボトルネック設備から着手し、効果を確認しながら展開
• 現場の知見との融合：AIの分析結果と、現場のベテラン作業者が持つ暗黙知を組み合わせることで、より実効性の高い改善が実現

8. まとめ

OEE（総合設備効率）は、設備の生産性を時間稼働率・性能稼働率・良品率の3要素で総合的に評価する指標です。単なる「稼働率」では見えないロスを可視化し、改善の優先順位を明確にできる点が最大のメリットです。

本記事のポイント：

• OEE = 時間稼働率 × 性能稼働率 × 良品率
• ワールドクラスの目標はOEE 85%以上。一般的な工場は60%前後
• 6大ロス（故障、段取り、チョコ停、速度低下、不良、立上り）を定量化し、パレート分析で優先順位を決める
• TPM活動を基盤に、AI・IoT技術を活用することで改善を加速できる

OEE改善は一朝一夕に達成できるものではありませんが、正しく計測し、ロスを可視化することが改善の第一歩です。まずは自社の主要設備のOEEを算出し、最大のロスがどこにあるかを把握することから始めてみてください。

---

外観検査プログラム作成や検査条件の検討を進めたい方は、インダストリエイトのVisual Inspection AI Agentをご覧ください。サンプル画像と検査仕様をもとに、外観検査プログラム草案の生成方法を確認できます。AI導入の投資対効果を試算したい方はROI計算ツールもご活用ください。