製造業のDXとは、設計・調達・生産・保全・販売といったものづくりの各工程でデータを取り、そのデータで業務の進め方や事業の仕組みを作り替える取り組みです。機械を入れて人手を減らす自動化や、紙をシステムに置き換えるIT化はその手段の一部にあたります。
2026年版ものづくり白書の調査では、何らかの目的でデータを取得している製造事業者は66.0%いる一方、そのデータで効果が出ていると答えた事業者は43.9%にとどまりました。製造業のDXで差がつくのは、データを「取る」段階ではなく「使って成果を出す」段階です。この記事では、白書と経済産業省の資料の数値をもとに、製造業でDXが急がれる理由、いま何が詰まっているのか、何から始めてどう広げるか、どんな投資は見送るべきかを整理します。
まとめ：製造業のDXの着手点と投資判断
- 製造業の就業者は2002年の1,202万人から2025年の1,033万人に減りました。人が減る前提で品質と生産量を保つ仕組みが要ることは、製造業でDXが求められる理由の一つです。
- データの取得66.0%、活用51.4%、効果43.9%と、段階が進むほど割合が下がります。データを取得・活用している事業者でも、工程（チェーン）の間でデータをつないでいるのは1割超から2割弱です。
- デジタル技術の活用戦略を策定済み・策定中の企業は大企業で55.5%、中小企業で18.2%です。中小企業の55.0%は策定の予定もありません。
- 着手は、困っている工程を1つ選び、何の数字を何%動かすかを決めてから、取るデータと置き場所を決める順です。設備やツールの選定から入ると、使われない投資になりやすくなります。
- 試行は1ラインで成果指標を測り、効果が出たら隣の工程やシステムとつなぎます。目的が決まらない設備投資と、既存システムとの連携を後回しにした導入は見送る判断が妥当です。
製造業のDXの定義と、自動化・IT化との違い
経済産業省が2023年に示した資料「製造業のDXについて」は、製造業のDXが可能にするものを二つに分けています。一つは設計から製造までの流れ（エンジニアリングチェーン）と調達から納品までの流れ（サプライチェーン）を最適化して品質・コスト・納期（QCD）を上げること、もう一つはノウハウを標準化・デジタル化して横展開やサービス化で事業機会を広げることです。工場の中だけの話ではない、という点が自動化との違いになります。
2026年版ものづくり白書は、この流れをさらに「エンジニアリングチェーン」「サプライチェーン」「プロダクションチェーン（工場の製造機能）」「サービスチェーン（顧客接点）」の4つに分け、まとめて「マニュファクチャリングチェーン」と呼んでいます。工場という現場に範囲を絞ったときの姿はスマートファクトリーの定義と5階層の構成要素・投資判断の線引きで扱っています。
| 取り組み | 変えるもの | 製造業での例 |
|---|---|---|
| IT化（デジタル化） | 紙・手作業の置き換え | 日報・検査記録のタブレット入力 |
| 自動化 | 人が行う作業 | 産業用ロボット・自動搬送 |
| DX | 業務の進め方・事業の仕組み | 稼働データで段取りと生産計画を組み替える |
IT化と自動化は、DXの手段として含まれます。ただし、紙をタブレットに置き換えただけでデータを誰も見ていなければ、DXの効果は出ません。自動化の中核になる設備の選び方は産業用ロボットの4種類と導入可否の判断基準で整理しています。
製造業でDXが急がれる背景：人の減少と、更新されない工場
製造業の就業者は23年で約170万人減少
2026年版ものづくり白書 第2章第1節（総務省「労働力調査」）によると、製造業の就業者数は2002年の1,202万人から2025年の1,033万人に減り、全産業に占める割合も2023年の15.6%から2025年は15.1%に下がりました。34歳以下の若年就業者は2025年に258万人で、割合は25.0%です。2002〜2004年は30%を超えていました。
65歳以上の高齢就業者は2025年に85万人（8.2%）で、2018年頃をピークに緩やかに減っています。高齢の熟練者が引退していく一方で、若手は増えていない。勘やコツで品質を支えてきた現場ほど、その技能をデータや手順の形で残さないと、人が入れ替わったときに品質を保てなくなります。
経済産業省が挙げる日本の製造業に共通する3つの課題
前出の経済産業省資料は、日本の製造業に共通する課題を3つ挙げています。
- 最新の工場がない：国内の設備投資が進まず、古い設備を現場の工夫で回してきた結果、技術が属人化した
- OTとITの連携が足りない：設備を動かす制御技術（OT）と経営・業務の情報システム（IT）の両方を扱える企業が少ない
- サプライチェーンが固定的：系列内の取引は平時には効率的だが、有事に調達先を切り替えるためのデータ共有ができていない
同じ資料では、世界経済フォーラムが選ぶ先進工場「Global Lighthouse」の132拠点のうち、本社所在国別にみた日本企業は2社2拠点でした（資料作成時点）。選ばれた工場の例では、ボッシュの中国・長沙拠点が生産リードタイムを36%（WEF 2022年報告書）、ハイアールの中国・青島第2拠点がエネルギー消費量を37%（WEF 2023年報告書）削減しています。設備の稼働データを業務システムへつなぐ技術的な土台は、OTとは？ITとの違い・Purdueモデル・OTセキュリティ実装で解説しています。
製造業のDXの現状：データは取れても、効果まで届かない
活用戦略を策定済み・策定中の中小企業は18.2%
2026年版ものづくり白書 第4章第3節では、デジタル技術の活用に向けた戦略を書いた事業計画の有無を企業規模別に調べています。「既に策定している」「現在策定中」の合計は大企業（n=126）で55.5%、中小企業（n=2,893）で18.2%でした。中小企業では「策定しておらず、予定もない」が55.0%と半数を超えています。
予算も担い手も限られる中小規模での進め方は、中小製造業のDXを補助金と人材不足の前提から整理した記事で詳しく扱っています。
取得66.0%・活用51.4%・効果43.9%の落差
同じ調査（n=2,851）で、何らかの目的でデータを取得している事業者は66.0%、取得したデータやデジタル技術を活用している事業者は51.4%、活用で効果が得られた事業者は43.9%でした。目的別では、生産計画・調達・在庫管理の負荷軽減や効率化でデータの取得・活用が最も進んでいます。
工程をまたいだ連携はさらに少なく、データを取得・活用している事業者（n=1,392）のうち、各チェーンの内部で連携しているのは約3割、チェーン間で連携しているのは1割超から2割弱です。4つのチェーンすべての間で連携している企業は3%弱にとどまります。これらの割合からは、チェーン間のデータ連携が広く普及しているとはいえない状況が読み取れます。
つまずく理由：知識・人材の不足と、判断材料の不足
戦略を立てて実行するときの課題としては、「デジタル技術に関する知識やノウハウの不足」と「デジタル技術導入や戦略策定に必要な人材の不足」が、戦略の策定状況にかかわらず5割前後で上位に並びました。差が出るのはその次です。戦略を策定済みの企業では「既存業務やシステムとの連携・調整が難しい」が43.0%と高く、策定しておらず予定もない企業では「デジタル技術の導入効果や必要性が不明確」が40.0%、「どのデジタル技術を活用すべきか判断できない」が33.7%でした。
始めていない企業は「何に効くのか分からない」で止まり、始めた企業は「今のシステムとつながらない」で止まっています。着手前は効果の測り方を、着手後は既存システムとの接続を先に設計しておくと、この2つの壁を越えやすくなります。
製造業のDXが効く領域：工程ごとの着手点
工程ごとに、DXで目指す状態と最初に取るデータを示します。道具の分類と選び方は製造業のDXツールをIoT・MES・生産管理・BIに分けて選び方まで解説した記事で整理しています。
| 領域 | よくある課題 | 最初に取るデータ |
|---|---|---|
| 設計・開発 | 過去の設計知見が個人に依存 | 図面・BOMの版と変更履歴 |
| 生産 | 進捗が見えず停止の原因が残らない | 設備の稼働・停止の時刻と理由 |
| 在庫・調達 | 過剰在庫と欠品が同時に起きる | 入出庫の実績と発注残 |
| 品質 | 不良の原因を遡れない | 検査結果とロット・加工条件 |
| 設備保全 | 壊れてから直す | 故障履歴と振動・温度などの状態値 |
| 技能継承 | ベテランの判断が言葉になっていない | 作業映像と判断の分かれ目のメモ |
生産：設備の稼働・停止の自動記録
着手しやすいのは、1つのラインの稼働状況を記録することです。IPAが公開している「製造分野におけるDX推進ガイド」のセミナーQ&Aは、装置から直接データを取れない場合に、パイロットランプをカメラで読み取ってデジタルデータにする事例を挙げています。設備がいつ動き、いつ止まり、止まった理由は何かが残れば、「あの工程が遅い」という感覚が「1日あたり何分停止している」という数字になり、人員配置や段取り順を見直す根拠になります。短い停止が積み重なる損失の測り方はチョコ停の原因と対策、稼働監視で停止を自動記録する設計で解説しています。
品質：検査データとロット・加工条件のひもづけ
検査結果に材料ロット・設備・加工条件が記録されていないと、不良が出たときに製造時の条件を遡れません。検査値をロット番号と加工条件にひもづけて記録すれば、不良が増える条件を後から絞り込めます。蓄積したデータに外観検査AIなどを当てる段階の判断は、工場のAIの選び方と効果が出る条件で4領域ごとに整理しています。
設備保全：停止時の影響による対象設備の優先順位
事後保全から予兆保全への移行は、全設備にセンサーを付けることではありません。世界経済フォーラムの2022年の報告書では、ボッシュの中国・長沙拠点が履歴データとセンサーデータを集約した予知保全などで保全コストを25%削減した例が載っています。自社で始めるときは、止まるとライン全体が止まる設備、修理部品の調達に時間がかかる設備から絞って状態値を取ります。紙やExcelの台帳から予知保全までの段階と外注の判断は設備保全DXの進め方を5段階で整理した記事にまとめています。
技能継承：ベテランのノウハウの形式知化
白書の調査では、「ベテラン等のノウハウ見える化」を目的としたデータの取得・活用・効果は、ほかの目的より割合が低くなっていました。ノウハウ見える化のためのデータを取っていない事業者（n=1,235）の68.6%が「ベテラン等の知識や経験等の形式知化が難しい」を課題に挙げています。
いきなり全作業を文書にするより、不良を見抜く場面や段取り替えの判断など、ベテランと若手で結果が分かれる作業を1つ選び、作業映像に「何を見て判断したか」を添えるほうが進みます。記録した手順を作業標準書として改訂管理する方法は作業標準書の書き方と、紙からデジタルへ移す判断で扱っています。紙の注文書や検査成績書のデータ化から入る場合は、製造業のAI-OCR導入判断と帳票種別ごとの適合を参照してください。
製造業のDXの進め方：何から始めて、どう広げるか
まず全体の目標と工程間連携の方針を定め、初期の担い手と予算を確保します。その上で、1つの工程で試し、成果を確認して広げる進め方を5つの手順で示します。
手順1：対象工程と成果指標の決定
最初に決めるのは技術ではなく、どの工程の何の数字を、いつまでにどれだけ動かすかです。「段取り替え時間を1回40分から25分に」「月の不良率を2.0%から1.0%に」のように、今の値が測れて、改善したかどうかを判定できる形にします。どこが詰まっているか分からない場合は、材料の投入から出荷までのモノと情報の流れを1枚に描くバリューストリームマッピング（VSM）で、待ち時間が長い工程を探すところから始めます。白書の調査では、戦略を策定しておらず予定もない事業者の40.0%が「デジタル技術の導入効果や必要性が不明確」を課題に挙げていました。効果の測り方を着手前に決めておくと、この壁で止まりにくくなります。
手順2：取得データと保存先の決定
次に、その数字を出すためにどのデータが要るかを決め、どのシステムに置くかを決めます。製造業のシステムは、設備を制御する層（PLCなど）、工場の製造実行を管理する層（MESなど）、生産計画・在庫・会計を扱う層（生産管理・ERPなど）、設計データを扱う層（PLM・CADなど）に分かれています。経済産業省の資料も、製造ソリューションをこの層構造と「各機能間の連携」として描いています。
置き場所を決めずにセンサーやツールを足すと、データが装置ごとのPCやExcelに散らばり、手順4で工程をつなぐときに作り直しになります。既存の生産管理システムが古く、外部のデータを受け取れない場合は、この段階で改修か作り替えかを判断します。現場の工程に合わせて生産計画・実績・在庫の仕組みを組む場合は、生産管理システム開発のように業務フローから設計する支援を使う方法もあります。
手順3：1ラインでの試行と成果指標による継続判定
選んだ1つのラインや1つの拠点で試し、手順1で決めた数字が動いたかで続けるかを判定します。判定の基準を試行の前に決めておかないと、「データが取れた」「画面ができた」ことが成果として報告され、現場の業務に組み込まれないまま終わります。工程ごとの事例と、そこで動いた成果指標の読み方は製造業のDX事例を工程改善・予知保全・品質・在庫の4類型で整理した記事にまとめています。
手順4：隣接工程・システム間のデータ連携
1つの工程で効果が出たら、隣の工程へ広げる前に、データを工程の間でつなぐ設計をします。生産実績を在庫と生産計画に、検査結果を設計にと、チェーンの境目をつなぐことで、白書の調査で1〜2割にとどまっていたチェーン間連携に進みます。工場全体のスマート化に向けて工程ごとの完了条件を決める方法はスマートファクトリー化の進め方と5工程の完了条件で扱っています。
手順5：担い手と予算の確保・見直し
白書の調査で上位に並んだ課題は、知識・ノウハウの不足と人材の不足でした。社内にシステムの分かる人がいない場合、何を社内に残し何を外部に出すかを先に決めます。外部の支援の範囲と費用の目安は製造業のDXコンサルの依頼範囲と費用相場で確認できます。事務局に登録されたITツールの導入費用などはデジタル化・AI導入補助金（旧IT導入補助金）の対象になる場合があり、取り組みを対外的に示したい場合はDX認定制度の申請要件が戦略の書き方の型として使えます。
製造業のDXで失敗する典型と、見送るべき投資
失敗の全体像はDXの失敗パターン10と回避策で扱っています。ここでは、着手前に確認したい3つの失敗パターンに絞ります。
PoC倒れ：試作後の運用設計の欠落
技術検証は成功したのに、現場の日々の業務に組み込む設計が抜けていて、元の手作業に戻るパターンです。検証の目的を「技術が動くか」ではなく「現場が使い続けられるか」に置き、試作の段階から、成功したら誰がどの画面をいつ見て何を判断するかまで決めておきます。この運用設計が決まらない検証は、始めないほうが費用を抑えられます。
目的のない設備投資と、現場不在のトップダウン
同業が入れたからという理由でIoTセンサーや最新設備を導入しても、手順1の「動かしたい数字」がなければ、取ったデータは見られないまま残ります。経営が現場を見ずに導入を決める場合も同じです。動かしたい数字が言えない投資は、見送るのが妥当な判断です。
既存システム連携の後回しによる二重入力
戦略を策定済みの企業でも「既存業務やシステムとの連携・調整が難しい」が43.0%に上りました。新しいツールを既存の生産管理システムとつながないまま入れると、同じ実績を両方に入力する二重入力が生まれ、現場の負担が増えます。導入前に、どのデータをどのシステムからどのシステムへ、どの頻度で渡すかを決めておくことが条件です。
よくある質問
製造業のDXは何から始めればよいですか？
困っている工程を1つ選び、動かしたい数字（段取り時間・不良率・停止時間など）を決めるところから始めます。次にその数字を出すデータと置き場所を決め、1つのラインで試して数字が動いたかで判定します。設備やツールの選定から始めると、目的のないデータが残りやすくなります。
製造業のDXと工場の自動化は同じですか？
同じではありません。自動化は機械やロボットで人の作業を置き換える取り組みで、DXの手段の一つです。製造業のDXは、設計・調達・生産・販売までの各工程でデータを取り、業務の進め方や事業の仕組みを作り替えることを指し、技能のデータ化や工程間のデータ連携など自動化以外の取り組みも含みます。
中小の製造業でもDXはできますか？
できます。白書の調査では、デジタル技術の活用戦略を策定済み・策定中の中小企業は18.2%にとどまります。既存の日報や検査記録の集計から始めれば初期費用を抑えられます。設備との接続やシステム改修が必要になる場合は、その分の見積もりを別に取ります。社内に担い手がいない場合は、補助金や外部の支援を使い、何を社内に残すかを先に決めておきます。
熟練者の技術はどうやってデータにするのですか？
ベテランと若手で結果が分かれる作業を1つ選び、作業の映像に「何を見て判断したか」を言葉で添え、作業標準書として残します。白書の調査では、ノウハウ見える化を目的としたデータを取得していない事業者の68.6%が形式知化の難しさを課題に挙げており、全作業を一度に文書化しようとすると止まりやすい作業です。検査データの蓄積など、数値で残せる部分から並行して進めます。
製造業のDXで生産管理システムの見直しは必要ですか？
工程のデータを取り始めると、それを計画・在庫・原価に反映する仕組みが要ります。既存の生産管理システムが外部のデータを受け取れない場合や、現場の工程と管理の単位が合っていない場合は、改修か作り替えが必要です。全面的な入れ替えではなく、データを取りたい工程に合わせて段階的に整える進め方もあります。
