スマートファクトリーの事例｜到達レベル別の実例と既存設備を後付けでつなぐ実装

スマートファクトリーの事例集は数多く公開されています。ところが読み終えたあと、自社で何から手を付けるかが決まらないという声を製造現場でよく聞きました。原因は、多くの事例が「何を導入したか」だけを書き、「どこまで到達したのか」と「稼働している既存設備をどうやってデータ化したのか」に触れていない点。本記事では、公表資料で確認できる事例を到達レベル別に並べ直し、旧い設備をつないだ実装の型と、他社の数値が自社で再現しない前提条件までを整理します。用語の定義や構成要素はスマートファクトリーとは？定義と5階層の構成要素・投資判断の線引きを解説に譲り、ここでは事例の読み方だけを扱いました。

まとめ：事例は到達レベルで読み、後付け接続の可否から逆算する

先に結論を出します。スマートファクトリーの事例を自社の判断材料に変えるには、事例を三つの情報に分解してください。第一に、その工場がデータの収集・蓄積で止まっているのか、分析と予測まで進んだのか、設備の制御まで届いたのかという到達レベル。第二に、稼働中の既存設備からどうやって信号を取り出したのかという接続の実装手段。第三に、投資額と回収年数の記述が残っているかどうかです。この三つが書かれていない事例は、読み物としては成立していても、自社の設備構成に置き換える計算ができません。

公表事例を並べると、到達レベルには明確な偏りがあります。日立製作所の大みか事業所のように設計から製造までデータをつなぎ、代表製品の生産リードタイムを半分にまで縮めた事例は国内でもごく少数です。一方、旭鉄工が1個50円のセンサーから年間4億円規模の労務費削減に到達したように、収集と見える化に的を絞って大きな金額を動かした例もあります。投資規模と成果は比例しません。

中小規模の工場が最初に決めるべきは、対象ラインを1本に絞ることと、取得する信号を生産数・停止時間・サイクルタイムの三つに限ることです。制御盤に手を入れず信号灯や電流から非接触で測る型なら、数十万円規模から始められます。逆に、改善を回す担当者が社内にいない工場、受注の変動が大きく標準時間が定まらない工場では、事例の数値は再現しません。その場合は設備をつなぐ前に、日報と実績の記録粒度をそろえる作業から着手してください。

スマートファクトリーの事例を到達レベル別に分類して読む三つの視点

事例記事の多くは業種別か企業規模別に並んでいます。この並べ方は読みやすい代わりに、自社が次に何をするかの判断には結び付きません。経済産業省が示したスマートファクトリーロードマップは、データを収集・蓄積する段階、分析・予測する段階、制御に反映する段階という三つのレベルで整理されています。事例をこのレベルに割り当て直すと、「同じスマートファクトリーという言葉で語られている取り組みが、実は別の段階の話だった」という構造が見えてきます。

視点1：収集・分析予測・制御のどのレベルまで到達した事例なのか

まず、事例の成果がどのレベルのものかを見分けます。「稼働状況がスマートフォンで見えるようになった」はレベル1の成果です。「停止の予兆を検知して部品交換のタイミングを決めた」はレベル2、「検査結果を設備の条件にフィードバックして自動で調整した」はレベル3にあたります。レベルの定義そのものはスマートファクトリーとは？定義と5階層の構成要素・投資判断の線引きを解説に譲りますが、事例を読むときは「この工場はどこで止まっているか」を毎回言語化してください。

この作業をすると、見出しと中身のずれに気づきます。「AIによる自動制御」と題した事例が、読むとレベル1の見える化に人の判断を足しただけ、という例は珍しくありません。

視点2：既存設備をどう接続したかという実装手段の記述があるか

日本の工場で稼働している設備は、導入から10年、20年を経たものが少なくありません。通信機能を持たない設備、持っていてもメーカー独自の規格で外部に出せない設備が並ぶのが普通です。事例の再現性を左右する最大の要素は、導入したソフトウェアの機能ではなく、既存設備から信号を取り出す手段になります。

ところが事例記事の大半は、この部分を「IoTセンサーを設置し」の一行で済ませています。どの物理量を、どのセンサーで、どこに付けて測ったのか。制御盤を開ける工事が要ったのか。ここが書かれた事例だけが、移植の可否を判断する材料になります。

視点3：投資額と回収年数の記述が事例に残っているかを確かめる

三つ目は費用の記述です。成果だけが書かれ、投資額が伏せられている事例は、社内稟議の材料になりません。センサー単価やシステム構成まで開示している事例だけが、金額の桁を掴む用途に使えます。旭鉄工が公表している「1個50円のセンサー」という記述は、その典型でした。

なお、他社が公表した成果数値を自社の投資判断に換算する手順そのものは、製造業のDX事例｜工程改善・予知保全・品質・在庫で見る成果指標と失敗パターンで工程別に整理しています。本記事では換算の計算に踏み込まず、事例側に費用情報が残っているかどうかの見分けに絞ります。

大手・中堅工場の事例｜日立と旭鉄工が公表した到達点と成果の測り方

日立大みか事業所の事例｜4Mデータで代表製品のリードタイムを半減

日立製作所の大みか事業所は、2020年1月に世界経済フォーラム（WEF）が選ぶ先進工場「Lighthouse」へ日本企業として初めて選出されました。同社の公表によれば、ハードウェアの設計・製造の工程で現場の4M（huMan・Machine・Material・Method）データを扱い、代表製品において生産リードタイムの50%短縮を実現しています。

この事例が到達レベル3に分類できる理由は、成果が「見えるようになった」ではなく「計画そのものが実績に応じて組み替わる」段階に届いている点にあります。見える化、属人化していた暗黙知のモデル化と自動化、実績のフィードバックによる計画の見直しという三層が接続されており、単独の設備改善ではなく工場全体を一つの流れとして扱った構造でした。

ただし、この事例をそのまま中小工場に移すことはできません。設計データと製造実績を同じIDで突き合わせる前提が必要で、製品構成情報の整備が先に済んでいることが条件になります。大手の事例からは、到達点そのものではなく「どの順番で層を積んだか」を持ち帰るのが実務的です。

旭鉄工の事例｜50円のセンサーから年間4億円規模の労務費削減へ

愛知県の自動車部品メーカーである旭鉄工は、既存設備に安価なセンサーを後付けして稼働状況を取得し、改善を回し続けた事例として広く知られています。同社は2016年9月に i Smart Technologies 株式会社を設立し、生産ライン遠隔モニタリングの仕組みを外部にも提供しています。

同社サイトの掲載を追うと、公表されている数値の幅が見えてきます。2017年5月には生産効率6割向上、同年7月には「1個50円のセンサーで4億円の削減効果」、2022年6月には年間4億円の労務費削減、同年8月には電力消費2割減という記述が並んでいました。設備投資の削減額としては約3.3億円という数値も公表されています。年度や対象範囲の定義が掲載ごとに異なるため、金額は「規模」として受け取るのが安全です。

実装面で参考になるのは、着手時の投資が小さい点です。高価な専用システムを一括導入したのではなく、市販のセンサーで生産数と停止時間を取ることから始め、取得したデータで改善を回した結果として金額が積み上がりました。到達レベルとしては収集と分析が中心で、制御まで自動化した事例ではありません。それでも金額が動いた事実は、レベル3を目指さないと成果が出ないという思い込みを崩してくれます。

大手の事例に共通する到達段階｜制御まで自動化された範囲はごく一部

複数の大手事例を並べると、共通する構造が見えます。全社基盤として複数工場をつないだと語られる事例でも、制御まで自動化されているのは特定の製品ライン、特定の工程に限られていることがほとんどでした。

この表の見方として押さえたいのは、レベルが上がるほど成果が大きいとは限らない点です。レベル1でも、停止時間の内訳が分かるだけで段取り替えの改善が進み、金額が動く工場は実在します。自社の到達目標は、レベルの高さではなく「今いちばん金額が漏れている場所」から決めてください。

中小工場の事例｜1ラインから始める後付けセンサーの実装と費用感

2026年版中小企業白書では、デジタル化によって事業そのものを変える段階まで進んだと回答した事業者は1桁台前半にとどまり、近い年次と比べても増えていません。中小規模の工場にとって、事例に出てくる到達点はまだ例外です。参考にすべきは完成形ではなく着手の仕方になります。

中小工場の事例で先に決まるのは対象ラインと取得する信号の種類

中小規模で成果を出した事例に共通しているのは、対象範囲を極端に絞っている点です。工場全体を一度にデータ化するのではなく、稼働時間が長く停止の影響が大きい1ラインだけを選び、そこに絞って測っています。範囲を絞ることの効果は、センサーの台数と確認すべき配線、説明すべき現場の人数がまとめて減る点。着手から数値が出るまでの期間が短くなり、社内の納得も得やすくなります。

取得する信号も同様です。温度、振動、電流、圧力とあらゆる物理量を並べたくなりますが、最初に必要なのは生産数と停止時間だけということが多くあります。この二つが取れれば、稼働率と停止の内訳が出せます。予兆検知に必要な振動や電流の常時計測は、対象設備を絞ったうえで次の段階に回す判断が現実的です。設備単位の予兆検知については工場の予知保全｜業種別の設置制約と対象設備の選び方・事例の読み方で対象設備の選び方を扱っています。

後付けセンサーで取れる指標｜生産数・停止時間・サイクルタイム

後付けで取得できる指標は多くありません。逆に言えば、少ない指標でも工場の実態はかなり見えます。

• 生産数：製品が1個できるたびに変化する信号（払い出し、押し出し、カウンタ出力）を拾って数えます。
• 停止時間：設備が動いていない時間の長さと発生回数。信号灯の色や電流値の落ち込みから判定します。
• サイクルタイム：生産数の信号の間隔から算出します。設計値との差が改善の入口になります。
• 段取り替え時間：停止のなかから品種切り替えに該当する区間を切り出して集計します。

この四つが揃うと、「どのラインの、どの時間帯に、どんな理由で時間が失われているか」を数値で説明できます。現場の感覚とずれていた箇所が改善の候補になります。

中小規模で現実的な投資額の帯と、補助金を当てにしない判断の線

費用は構成によって大きく変わりますが、外付けセンサーと通信機器、クラウド側の利用料という構成であれば、1ラインあたり数十万円から百万円台の帯に収まる事例が多く見られます。制御盤の改造や既存システムとの接続工事が入ると、この帯を超えます。事例を読むときは、この境目のどちら側の話なのかを確認してください。

補助金については、採択を前提に計画を立てないことを勧めます。採択されなければ着手しない規模の投資であれば、それは今の自社にとって過大な投資です。まず自己資金で回せる範囲の1ラインで数値を出し、その実績を根拠に次へ進む順番のほうが、途中で止まるリスクを抑えられます。補助金を含めた中小製造業の進め方は中小製造業のDXとは？補助金・人材不足を前提にした進め方と大企業との違いで整理しました。

事例に共通する接続の実装パターン｜旧設備をデータ化した四つの型

ここが事例記事でもっとも省略されやすく、しかし再現性を決める部分です。既存設備からデータを取り出す手段は、大きく四つの型に分かれます。自社の設備がどの型で拾えるかを見極めれば、移植可能性はかなり正確に判断できます。

型1：信号灯と電流を測る非接触の後付けで旧設備の稼働を数える

もっとも導入しやすい型です。設備に付いている積層信号灯の点灯色を光センサーで読む、あるいは電源ケーブルにクランプ式の電流センサーを挟んで消費電流の波形から稼働と停止を判定します。設備側の制御に一切触れないため、メーカー保証や安全認証への影響を避けられる点が利点です。旭鉄工の事例で語られる安価なセンサーも、この型にあたります。

制約もあります。信号灯からは稼働と停止の区別は取れても、停止の理由までは分かりません。電流波形からの判定には、設備ごとにしきい値を調整する手間がかかります。それでも、通信機能を一切持たない古い設備を数えられるようにする手段として価値は大きいままでした。

型2：PLCから直接読み出す方式が使える条件と、通信規格の壁

設備を制御しているPLC（プログラマブルロジックコントローラ）から、内部のデータを直接読み出す型です。生産数、アラーム番号、設定値といった情報がまとめて取得でき、後付けセンサーより得られる情報量が桁違いに多くなります。停止の理由がアラーム番号で分かるため、改善の当たりを付ける速度が変わります。

使える条件は限られます。PLCが外部通信に対応していること、通信ポートに空きがあること、そして設備メーカーの保守契約で外部接続が禁止されていないことです。メーカーごとに通信規格が異なるため、複数メーカーの設備が混在する工場では変換の仕組みが要ります。事例に「PLCから取得」と書かれていても、自社設備が同じ条件を満たすとは限りません。自社の構成と発注仕様を先に固める手順はスマートファクトリーのIoT構成｜測る・運ぶ・ためる・返すの4ブロックと発注仕様の決め方にまとめました。

型3：MESとERPへつないで工程をまたいだ実績を突き合わせる

設備単位のデータを、製造実行システムや基幹システムと突き合わせる型です。「どの受注番号の、どのロットが、どの設備で何分かかったか」を追跡でき、原価と工程の関係が数値で見えます。日立の事例が到達したのは、この層を設計データまで広げた段階でした。

分岐点は、既存の生産管理の仕組みが実績を受け取れる構造かどうかです。受け取れない場合、設備データを取っても紙の日報と二重管理になり、現場の負担だけが増えます。工程管理や原価連携を含めた判断軸は生産管理システムを製造業が導入するには｜工程管理・BOM・原価連携で選ぶ判断軸で整理しました。既製パッケージで受け止めきれない場合は実績を受け取る部分だけを個別に作る選択肢もあり、生産管理システム開発では既存設備からの実績取り込みを含めた設計・構築を承っています。

型4：画像で判定する検査工程への置き換えと、判定基準の管理方法

目視検査をカメラと画像処理に置き換える型です。他の三つと違い、対象が設備の稼働ではなく製品そのものになります。検査員の負担軽減と判定のばらつき削減を狙って導入される事例が多く、食品や部品の外観検査で公表事例が蓄積してきました。

導入判断で見落とされやすいのが、判定基準の管理です。良品と不良品の境目は、これまで検査員の頭のなかにありました。画像で判定する仕組みに移すには、この境目を明文化し、更新の責任者を決める運用が要ります。仕組みと導入判断はAI外観検査とは？仕組み・ルールベースとの違いと導入判断を解説で扱っています。

事例が自社で再現しない三つの前提条件と、着手を先送りすべき工場

他社の事例が自社で再現するかどうかは、導入した製品ではなく前提条件の一致で決まります。

前提1：事例の工場と自社の生産方式が同じ型かどうかを確かめる

同じ製造業でも、大量生産のライン生産と、多品種少量の個別受注生産では、データの意味が変わります。ライン生産では稼働率とサイクルタイムが直接的な指標になりますが、個別受注生産では品種ごとに標準時間が違うため、稼働率だけを見ても改善点が浮かびません。

判断は明確です。事例の工場が大量生産で、自社が多品種少量なら、成果数値をそのまま持ち込まないでください。見るべきは稼働率ではなく、段取り替えの時間と、品種ごとの実績時間のばらつきになります。事例から借りるのは指標ではなく、測る仕組みだけにしてください。自社で進めるときの工程の並びと、順序を誤ったときに後戻りする分岐点はスマートファクトリー化の進め方｜5工程の完了条件とPoC設計・体制の組み方で整理しています。

前提2：改善を回す人が社内にいるかどうかで再現率は大きく変わる

データが取れることと、改善が進むことは別です。公表事例で金額が動いている工場には、例外なく数値を見て手を打つ担当者がいます。旭鉄工の事例も、センサーが安かったから成果が出たのではなく、取得したデータで改善を回し続けた体制があったから金額が積み上がりました。

採用条件を言い切ります。取得したデータを週次で確認し、改善の担当を割り当てる人が社内に1人でもいるなら、着手して構いません。いないなら、システムを入れる前にその役割を決めるところから始めてください。外部の支援会社に運用ごと委ねる形も選べますが、その場合でも現場側に受け手が要ります。

前提3：受注の変動幅が大きい工場では見える化の効き方が変わる

受注量が月ごとに大きく振れる工場では、稼働率の低下が改善不足によるものか、受注が無いことによるものかを切り分けられません。この状態で稼働率だけを追うと、現場に無用な圧力がかかり、数字合わせの運用に流れます。

この型の工場では、指標の置き方を変えます。稼働率ではなく、受注があった時間帯に限定した実働の密度と、納期遵守率を主指標に据えてください。事例に出てくる「稼働率が何%向上」という表現は、受注が安定している工場の話である場合が多いという前提で読みます。

着手を先送りすべき工場の三条件と、代わりに先へ手を付ける対象

見送る条件も明示します。次の三つのいずれかに当てはまる工場は、設備をつなぐ投資を先送りしたほうが結果的に早く進みます。

• 生産実績の記録粒度が日単位より粗い：設備データを取っても比較対象が無く、改善の起点を作れません。
• 1年以内に設備の更新や工場の移転が決まっている：配線と設置をやり直すことになり、投資が二重になります。
• 現場が数値の公開に強く抵抗している：数値が評価に使われるという不信が残ったままでは、測定の妨害や運用の形骸化が起きます。

先に手を付ける対象も具体的に示します。一つ目は、日報や作業記録の粒度をロット単位・工程単位までそろえる作業。二つ目は、停止理由の区分を現場と合意して10個程度に固定する作業です。この二つは費用がほとんどかからず、しかも後でセンサーを付けたときにそのまま集計軸として使えます。事例に出てくる工場も、センサーを付ける前にこの整理を終えています。

工程別の成果指標の読み替え方や、他社の数値を自社の投資額へ換算する手順は製造業のDX事例｜工程改善・予知保全・品質・在庫で見る成果指標と失敗パターンで扱っています。本記事の分類軸と合わせて読むと、事例から自社の計画へ落とす道筋がつながります。

よくある質問

スマートファクトリーの事例はどこで探すと確実ですか？

一次情報にあたるのが確実です。取り組んだ企業自身のニュースリリースや事業所紹介ページには、実装手段や数値が具体的に残っていることがあります。経済産業省が2024年6月に公表した「スマートマニュファクチャリング構築ガイドライン」のような公的資料も、構築の考え方を整理した資料として参照価値があります。まとめ記事は候補企業を見つける入口に留め、数値は必ず一次情報で確認してください。

中小規模の工場でも再現できる事例はありますか？

あります。ただし再現できるのは、既存設備に外付けセンサーを付けて生産数と停止時間を取る型の事例です。全社基盤を構築した大手の事例は、そのままでは再現できません。対象を1ラインに絞り、数十万円から百万円台の範囲で着手する事例を探すのが現実的です。

古い設備しかない工場でもデータは取れますか？

通信機能を持たない設備でも取得できるのが実際のところです。信号灯の点灯を光センサーで読む方法、電源ケーブルにクランプ式の電流センサーを挟む方法なら、設備の制御に触れずに稼働と停止を判定できます。ただし停止の理由までは取れないため、理由の記録は当面、人が入力する運用と組み合わせます。

投資の回収期間はどのくらいを見ておくべきですか？

1ラインの見える化から始める規模であれば、停止時間の削減額から逆算して1年から2年で見る事例が多く見られます。ただしこれは改善を回す担当が決まっている前提です。担当が決まっていない場合、データが取れても金額は動かないため、回収年数の計算自体が成立しません。

スマートファクトリーは制御の自動化まで進めないと意味がないのですか？

そうではありません。公表事例でも、制御まで自動化しているのは特定の工程に限られています。収集と見える化の段階でも、停止時間の内訳が分かるだけで段取り替えの改善が進んだ事例があります。自社でいちばん時間と費用が漏れている場所から順に手を付けてください。

関連記事

• スマートファクトリーとは？定義と5階層の構成要素・投資判断の線引きを解説：本記事が前提にした定義と到達レベルの整理。
• 製造業のDX事例｜工程改善・予知保全・品質・在庫で見る成果指標と失敗パターン：工程別の成果指標と、他社数値を自社へ換算する手順。
• 工場の予知保全｜業種別の設置制約と対象設備の選び方・事例の読み方：レベル2へ進むときの対象設備の絞り込み方。
• AI外観検査とは？仕組み・ルールベースとの違いと導入判断を解説：検査工程を画像判定へ置き換える際の判断材料。
• 中小製造業のDXとは？補助金・人材不足を前提にした進め方と大企業との違い：人材と資金の制約を前提にした着手順。
• 生産管理システムを製造業が導入するには｜工程管理・BOM・原価連携で選ぶ判断軸：設備の実績を受け取る側の仕組みの選び方。