新ラインや新製品を立ち上げた直後、あるいは連休明けの再稼働直後に、なぜか不良が集中する——。その荒れは偶然ではなく、量産初期に特有の構造から生まれていると考えられます。原因を上流から分解し、初期流動を安定へ収束させる確かめ方を整理します。
新しいラインを立ち上げた、新製品の量産を始めた、あるいは長期連休明けにラインを再稼働させた——その直後に、それまで見なかったような不良が一気に増える。生産技術や品質管理の担当者であれば、一度は胃の痛む思いをしたことがあるのではないでしょうか。歩留まりの目標は決まっているのに、初日から数字が届かない。上からは「なぜだ」と問われ、現場では選別と手直しに追われ、原因を落ち着いて追う時間すら取れない。この状況は、特定の誰かが手を抜いたから起きているというより、量産初期という段階そのものが持つ構造から生まれていると考えられます。
背景には、製造業を取り巻く事情の変化もあります。多品種少量化で新品種の立ち上げ頻度が上がり、一つの製品をじっくり作り込んでから量産に移す従来の余裕が失われつつあります。同時に、熟練作業者の退職や人手不足で、立ち上げを支えてきた「勘どころを持つ人」が現場から減っています。つまり、立ち上げの難易度が上がっているのに、それを吸収してきた属人的な力が細っている。この二つが重なると、量産初期の荒れがより表面化しやすくなると考えられます。
立ち上げ期の不良多発は、ある程度は避けられない側面があります。だからといって「初期は荒れるもの」と受け流してしまうと、荒れがいつ収まるのかを誰も把握できないまま、選別コストと納期リスクを垂れ流すことになりかねません。大切なのは、荒れを完全にゼロにすることではなく、荒れの中身を見える状態にし、収束に向かっているのかどうかを客観的に判断できるようにすることだと考えます。この記事では、その「見える状態」をどうつくるかを軸に、原因の分解から確かめ方までを順に整理していきます。
「立ち上げで不良が増えた」と一言で言っても、その中身は一つではありません。原因が混ざったまま対策を打つと、効いているのか効いていないのか分からなくなります。まずは、量産初期に不良を押し上げる要因を大きく四つの層に切り分けて眺めてみることをおすすめします。層ごとに、確かめ方も打ち手も変わってくるからです。
温度・圧力・速度・塗布量・締め付けトルクといった加工条件が、量産の振れ幅を吸収できるところまで追い込めていない状態です。試作段階では良品が取れていても、量産の連続運転では材料ロットや環境の変動が乗ってきて、条件のわずかな余裕のなさが不良として現れることがあります。条件出し不足は、時間帯やロットで不良率が変動する形で見えてくることが多いと考えられます。
新しい治具・手順・チェックポイントに、作業者の身体がまだ馴染んでいない段階です。作業そのものの不良に加え、良否判定のばらつき——つまり「人によって、日によって、合格ラインが違う」問題も、この層に含まれます。連休明けの再稼働で不良が増えるのは、設備が冷えているだけでなく、人の手順の記憶が薄れることも一因だと考えられます。
立ち上げ初期は、そもそも「どこまでを不良とするか」の限度見本や判定基準が固まっていないことが少なくありません。基準が揺れていると、同じ現物が日によって合格にも不合格にもなり、不良率の数字が実態を映さなくなります。「不良が多い」のではなく「不良の定義が動いている」だけ、というケースも量産初期には起こりうると考えます。
公差の取り方や材料の選定など、上流の設計に由来する作りにくさが、量産の負荷で顕在化する層です。この層は現場の努力だけでは吸収しきれず、設計へのフィードバックが必要になります。四つの層のうちどれが主因なのかを取り違えると、現場を疲弊させるだけで数字が動かない、という事態に陥りやすいと考えられます。
多くの現場には、初期流動管理（初期流動監視）の仕組みがすでにあります。立ち上げから一定期間は検査頻度を上げ、チェックシートで工程を厳しく見る——制度としては正しい考え方です。ところが実際には、シートを埋めること自体が目的化し、荒れの収束を早めるという本来の役割を果たせていない場面をよく見かけます。なぜ形骸化するのでしょうか。
一つ目の理由は、記録が「良／否」の結果だけに偏り、現物が残らないことです。後から「あのときの不良はどんな見え方だったのか」を確かめようとしても、判定した本人の記憶しか手掛かりがなく、真因まで遡れません。二つ目は、記録が紙やスプレッドシートに散在し、傾向として一望できないことです。日ごとの不良率が下がっているのか横ばいなのかを、担当者が感覚で語る状態では、収束したかどうかを組織として判断できないと考えられます。
さらに厄介なのは、人の目視判定に頼っている限り、検査基準そのものの揺れが記録に残らないことです。合格ラインが日によってずれても、シート上は淡々と「良」「否」が並ぶだけで、揺れの証拠は残りません。不良の真因分析とフィードバックを回そうにも、判定の一次データが人の頭の中にしかなければ、分析の土台が欠けたままになります。初期流動管理に実効性を持たせるには、まず判定の根拠となる現物を、客観的なデータとして残す仕組みが要ると考えます。
ここで有効になりうるのが、良否判定を人の記憶ではなく画像と検査データとして自動的に蓄積する考え方です。元キーエンス画像処理事業部の現場知見をベースに、VLM（視覚言語モデル）による外観検査や産業用カメラ・現場ライティングを組み合わせれば、「何を、どう見て、どう判定したか」を毎回残せる状態に近づけられると考えられます。判定の一次データが揃って初めて、初期流動管理はチェックシートを埋める作業から、収束を測る計器へと変わりうると考えます。
量産初期に本当に知りたいのは、その日の不良率の絶対値そのものよりも、「荒れが日を追って収まりに向かっているか」という傾向だと考えます。初日に不良が多いのはある意味当然で、問題は三日後・一週間後に減っているのか、それとも高止まりしているのかです。この傾向を見るには、日々の不良率だけでなく、不良の中身（不良モードの内訳）が時間とともにどう変わるかを追える設計が要ります。
不良を一括りの数として見ていると、傷が減ってバリが増えても、合計はさほど変わらず「横ばい」に見えてしまいます。しかし種類ごとに分けて追えば、条件出しで潰せた不良モードと、まだ残っている不良モードが分離できます。前者が減衰し後者が残るなら、次に手を打つべき層がはっきりします。画像として現物が残っていれば、後から「この不良モードだけを抽出して並べる」といった振り返りもしやすくなると考えられます。
傾向を見る大前提として、判定基準が期間を通じて揺れていないことが必要です。基準が動いていれば、不良率の減少が本当の改善なのか、単に合格ラインを緩めただけなのかが区別できません。だからこそ、限度見本や判定ロジックを早い段階で固定し、その固定した物差しで測り続けることが重要だと考えます。検査の試行評価の設計を丁寧に行い、量産に入る前に「何をもって良品とするか」を現物ベースで合意しておくことが、収束監視の信頼性を支えると考えられます。
なお、新製品を立ち上げるたびにこの設計をゼロからやり直すのは負担が大きいものです。品種を追加する際に既存の検査枠組みへどう載せていくかは、新製品を検査に追加する方法の考え方が参考になります。立ち上げの仕組みを一度作り込んでおけば、次の立ち上げはより短い荒れで抜けられる可能性があると考えます。
量産が安定すればサンプリング検査に移行する現場は多いですが、立ち上げ期に限っては、可能な範囲で全数検査・全数の画像記録を行う価値が高いと考えます。理由は単純で、この段階では「何が効くか」がまだ分からないからです。抜き取りでは、頻度の低い不良や特定の条件でしか出ない不良を取りこぼし、後から真因を追おうにも現物が残っていない、という事態になりかねません。
全数の画像が残っていれば、ある日に不良が跳ねたとき、その時間帯の現物を後から見返して「ロットが変わった直後だった」「特定の号機に偏っていた」といった手掛かりを拾えます。人の記憶では消えてしまう情報が、データとして遡れる。これは量産初期の真因究明において、他に代えがたい資産になりうると考えられます。全数記録は、いま不良を止めるためだけでなく、次の立ち上げを楽にするための投資でもあります。
とはいえ、立ち上げの多忙な時期に人手で全数を見て、しかも画像を全数残すのは現実的ではありません。人が増えるほど判定はばらつき、記録は抜けます。ここに、VLMベースのAI外観検査やJetsonによるエッジ推論、産業用カメラと現場ライティングを組み合わせた仕組みが効いてくると考えます。判定の一貫性を保ちつつ全数の画像と結果を自動で蓄積できれば、立ち上げ期の重い負荷を吸収しながら、収束監視の土台を同時に作れる可能性があると考えられます。導入可否は現場条件に左右されるため、まずはPoC・検証設計の相談から始め、自社の不良モードで本当に判別できるかを確かめる進め方が現実的だと考えます。
立ち上げの荒れを抑えようとするとき、良かれと思って打った手が、かえって収束を遅らせてしまうことがあります。現場でよく見かけるつまずきを挙げておきます。
これらの落とし穴に共通するのは、「見えていないものを、見えているつもりで判断してしまう」ことだと考えます。判定の根拠と傾向をデータで残しておくことが、こうした思い込みへの一番の歯止めになりうると考えます。
最後に、量産初期の不良多発に向き合う手順を、無理のない順序で整理します。すべてを一度にやろうとせず、いまの立ち上げで踏める一歩から始めることをおすすめします。
まずは、良否の結果だけでなく現物そのものが後から見返せる状態を目指します。全数の画像記録が理想ですが、難しければ不良と判定したものだけでも確実に残すところから始められます。判定を人の記憶に閉じ込めないこと——これが以降のすべての土台になると考えます。
限度見本や判定基準を早い段階で合意・固定し、その物差しで不良を種類ごとに集計します。日々の減衰を見ながら、残っている不良モードがどの層（条件出し・習熟・基準・設計）に紐づくのかを切り分けていきます。ここまで来ると、次に打つべき手が具体化してくると考えられます。
残った不良を現物データから真因まで遡り、現場で潰せるものは潰し、設計・材料に返すべきものはフィードバックします。この循環が回り始めると、初期流動管理は「解除の判断を下すための計器」として機能し始めると考えます。判別性や運用が自社で成り立つかを見極めたい段階では、いきなり全面導入せず、代表的な不良モードで小さく検証してから広げるのが安全です。自社の条件で成立するかどうかは、相談するところから一緒に確かめていくのが現実的だと考えます。
量産初期の荒れは、消し去るものではなく、早く見えるようにして早く収束へ導くものだと考えます。現物を偏りなく記録し、固定した物差しで傾向を測る——その客観的な把握と現物検証が、遠回りに見えて最短の出発点になりうると考えます。
量産初期は、加工条件が量産の振れ幅を吸収し切れていない、作業者や段取りが未習熟、検査基準そのものが固まっていない、といった要因が重なりやすいためだと考えられます。特定の誰かの問題というより、立ち上げという段階が持つ構造的なものだと捉え、原因を層ごとに切り分けて確かめることが出発点になりうると考えます。
設備が冷えて条件が一時的にずれることに加え、作業者の手順の記憶が薄れて判定や作業がばらつくことも一因だと考えられます。再稼働直後を一種の小さな立ち上げと捉え、初期流動管理を一時的に強め、現物の記録を残して傾向を確認する運用が有効になりうると考えます。
チェックシートが結果の良否だけを記録し、現物が残らず傾向として一望できない状態だと、収束を早める役割を果たしにくくなります。判定の根拠となる画像や検査データを残し、不良を種類ごとに分けて減衰を追える状態にすることが、形骸化を防ぐ鍵になりうると考えられます。
可能な範囲で全数検査・全数の画像記録を行う価値が高いと考えます。この段階では何が効くか分からず、抜き取りだと低頻度の不良を取りこぼし、後から真因を遡る現物が残らないためです。人手だけでの全数は負荷が大きいため、AI外観検査などで記録を自動化する方法も選択肢になりうると考えます。
判定の一貫性を保ちつつ全数の画像と結果を自動で残せる点で、収束監視の土台づくりに寄与しうると考えます。ただし自社の不良モードで判別できるかは現物・現場で確かめる必要があり、効果や数値は前提条件に左右されます。まずは代表的な不良で小さく検証してから広げる進め方が現実的だと考えられます。
立ち上げ直後の不良多発は、現物を偏りなく記録し、固定した物差しで傾向を測ることで、収束へ導ける可能性があります。元キーエンス画像処理事業部の現場知見とVLM・産業用カメラ・現場ライティングを踏まえ、まずは自社の不良モードで判別できるかの現物検証から一緒に確かめていきます。
量産初期の品質安定について相談する