製造業KPIとは？意味とKGIとの違いを解説

「売上を伸ばせ」「不良を減らせ」——このような定性的な号令だけで、製造現場は本当に動けるでしょうか。

目標が曖昧なまま改善活動を続けても、効果が数字で見えなければモチベーションは長続きしません。

そこで製造業の現場管理に欠かせないのがKPI（重要業績評価指標）です。

KPIとは最終目標であるKGIへ到達するための中間指標であり、日々の生産活動を数値で「見える化」する仕組みといえます。

しかし実務では「KPIとKGIの違いがよくわからない」「どの指標を選べばよいか迷う」という声が後を絶ちません。

本記事では、製造業におけるKPIの意味・KGIとの違い・設定方法から具体的な計算例までを体系的に解説します。

1. KPIとは何か？製造業における意味と役割
2. KGIとは何か？KPIとの違いを明確にする
3. KPIツリーの構築方法：KGIからKPIへの分解
4. 製造業で使われる代表的なKPI一覧と計算式
5. OEE（設備総合効率）の計算例
6. KPI設定のSMARTフレームワークと実践ポイント
7. 製造業KPIの活用事例：QCDSの4視点
8. KPIの可視化とPDCAサイクルの運用
9. KPI運用でよくある失敗と対策
10. ISO 22400に基づく製造KPIの国際標準体系
まとめ

1. KPIとは何か？製造業における意味と役割

KPIは「Key Performance Indicator」の略で、日本語では重要業績評価指標と訳されます。

組織や部門が掲げる最終目標（KGI）に対して、途中経過を定量的に測定するための指標です。

製造業の文脈では、KPIは生産性・品質・コスト・納期・安全といった多角的な視点から設定されます。

たとえば「月間不良率0.5%以下」や「設備稼働率90%以上」といった数値目標がKPIに該当します。

KPIの本質は行動の方向づけにあります。

「不良率を下げる」という曖昧な方針では現場は動けませんが、「今月の不良率を前月比20%低減する」という具体的なKPIがあれば、作業者から管理者まで全員が同じ方向を向けます。

国際規格ISO 22400（Automation systems and integration — Key performance indicators for manufacturing operations management）では、製造オペレーション管理に用いる34のKPIが体系的に定義されています。

この規格はPart 1で概念と用語を、Part 2で各KPIの定義式と構成要素を規定しており、グローバルで共通の指標体系を構築する際の基盤となっています。

KPIを正しく運用することで得られる効果を整理します。

改善活動の進捗を数値で可視化し、活動の効果を客観的に証明できる
異常値の早期発見が可能になり、問題が小さいうちに対策を打てる
部門間・工場間・海外拠点間での比較が共通の物差しで行える
経営層への報告が感覚や経験ではなくデータに基づくものになる
従業員のモチベーション維持に寄与する（数字で達成感が見える）

逆に、KPIが存在しない組織では「頑張っているのに評価されない」「何をどれだけやればよいのか分からない」という不満が蔓延しやすく、改善活動が属人的で持続しないという問題が生じます。

製造業でKPIが特に重視される背景には、ものづくりの現場が数値データの宝庫であるという事実があります。

生産数量・不良数・稼働時間・サイクルタイム——これらは全て日常的に記録されるデータであり、KPIの素材として最適です。

むしろ製造業ほどKPI管理に向いた業種はないと言えるでしょう。

2. KGIとは何か？KPIとの違いを明確にする

KGIは「Key Goal Indicator」の略で、日本語では重要目標達成指標と訳されます。

企業や事業部門が最終的に達成すべきゴールを定量的に表した指標です。

製造業におけるKGIの具体例を挙げます。

年間売上高100億円の達成
営業利益率15%の確保
市場シェア国内トップ3入り
顧客クレーム件数年間ゼロ達成
新製品売上比率30%以上

これらは全て最終到達点を示す数値であり、日々の現場作業で直接コントロールできるものではありません。

ここがKPIとの決定的な違いです。

KGIは経営層が中長期計画の中で設定するものであり、その達成には複数の部門・多数のプロセスが関与します。

一方でKPIは、現場の担当者が自分の日常業務の中で影響を与えられるレベルまで分解された指標です。

KPIとKGIの関係を数式で表す

KGIとKPIの関係は、数学的に次のように整理できます。

$\text{KGI} = f(\text{KPI}_1,\, \text{KPI}_2,\, \cdots,\, \text{KPI}_n)$

つまりKGIは複数のKPIの関数として表現されます。

1つのKGIを分解すると、複数のKPIに展開されるという構造です。

具体的にイメージしてみましょう。

「年間営業利益1億円」というKGIがあったとします。

$\text{営業利益} = \text{売上高} - \text{売上原価} - \text{販管費}$

このうち製造部門が影響を与えられるのは主に「売上原価」の部分です。

売上原価をさらに分解すると、材料費・労務費・製造経費に分かれ、それぞれにKPIが紐づきます。

KPIとKGIの比較表

比較項目	KGI	KPI
正式名称	Key Goal Indicator	Key Performance Indicator
日本語訳	重要目標達成指標	重要業績評価指標
役割	最終ゴールの数値化	中間プロセスの数値化
評価頻度	四半期〜年次	日次〜月次
設定レベル	経営戦略・中期計画	部門目標・個人目標
設定例（製造業）	年間売上100億円	月間稼働率90%以上
管理レベル	経営層・事業部長	現場管理者・作業者
改善の即効性	低い（結果が出るまで時間がかかる）	高い（日次で変化を確認できる）

このように、KGIは「どこに向かうか」を示し、KPIは「今日何を管理すべきか」を示す関係にあります。

両者を混同すると、現場レベルでは手の届かない目標を日々追いかける羽目になり、疲弊だけが残る結果となります。

よくある混同の例として、「月間売上目標5,000万円」を製造現場のKPIとして設定するケースがあります。

売上は営業・マーケティング・生産の全てが関与する結果指標であり、製造現場が直接コントロールできるものではありません。

製造現場が管理すべきは「生産計画達成率」「納期遵守率」といった、自部門の努力で動かせる指標です。

KSF（重要成功要因）との関係

KGIとKPIをつなぐ概念としてKSF（Key Success Factor：重要成功要因）があります。

KSFはKGIを達成するために「何が成功の鍵なのか」を定性的に示すものです。

たとえば、KGIが「営業利益率15%」の場合、KSFは「製造原価の低減」、それを数値化したKPIが「材料歩留まり率95%以上」というように連鎖します。

KSFを経由することで、KGIとKPIの論理的なつながりが明確になります。

3. KPIツリーの構築方法：KGIからKPIへの分解

KGIをKPIへ具体的に落とし込むためのフレームワークがKPIツリーです。

ツリー構造で最終目標を中間目標へと階層的に展開していきます。

KPIツリーの基本構造

製造業におけるKPIツリーの典型例を示します。

まず最上位のKGIを四則演算で要素に分解します。

$\text{KGI：営業利益} = \text{売上高} - \text{製造原価} - \text{販管費}$

このKGIを製造部門のKPIへ分解すると、次のようになります。

$\text{製造原価} = \text{材料費} + \text{労務費} + \text{製造経費}$

$\text{労務費} = \text{工数} \times \text{時間単価}$

$\text{工数} = \dfrac{\text{生産数量}}{\text{1人あたり生産性}}$

さらに材料費を分解します。

$\text{材料費} = \text{材料単価} \times \dfrac{\text{生産数量}}{\text{歩留まり率}}$

ここから導かれるKPIの例を挙げます。

1人あたり生産性（個/人時）：労務費削減に直結
材料歩留まり率（%）：材料費削減に直結
段取り替え時間（分/回）：稼働率向上に直結
設備稼働率（%）：生産能力の有効活用を示す
不良率（%）：品質コストの削減に直結

KPIツリー構築の3ステップ

Step 1：KGIの数式分解

まずKGIを構成する要素に因数分解します。

売上高であれば「単価 × 数量」、利益であれば「売上 − 原価」のように、四則演算で分解できるレベルまで落とします。

このとき会計の損益構造（P/L）を参照すると、漏れなくダブりなく分解できます。

Step 2：現場でコントロール可能な変数の特定

分解した各要素のうち、製造現場が日常業務の中で直接影響を与えられるものを洗い出します。

「材料費の単価」は購買部門の管轄ですが、「材料歩留まり率」は製造現場の努力で改善可能です。

「設備の購入費」は経営判断ですが、「設備稼働率」は保全活動と段取り改善で向上できます。

この「コントロール可能性」がKPIの生命線です。

自分たちの努力では動かせない指標をKPIに設定しても、現場のやる気を削ぐだけです。

Step 3：SMART基準による絞り込み

候補となるKPIをSMART基準でスクリーニングします。

$\text{SMART} = \begin{cases} S: & \text{具体的}(Specific) \\ M: & \text{測定可能}(Measurable) \\ A: & \text{達成可能}(Achievable) \\ R: & \text{関連性あり}(Relevant) \\ T: & \text{期限あり}(Time\text{-}bound) \end{cases}$

5つの条件を全て満たす指標のみをKPIとして採用します。

「品質を良くする」はSMARTではありませんが、「不良率を6ヶ月以内に現状3.2%から1.5%以下にする」はSMART基準を満たした優良なKPIです。

KPIツリーの具体例：不良率低減

KGI「顧客クレーム年間ゼロ」を起点としたKPIツリーを具体的に展開します。

$\text{顧客クレーム} = \text{流出不良数} = \text{工程内不良数} \times (1 - \text{検出率})$

ここから2つの方向にKPIが展開されます。

$\text{工程内不良数} = \text{生産数} \times \text{不良率}$

$\text{検出率} = \dfrac{\text{検出不良数}}{\text{工程内不良数}}$

したがって、設定すべきKPIは以下のようになります。

KPI①：工程内不良率 → 目標 0.5%以下（不良を作らない）
KPI②：検査検出率 → 目標 99.5%以上（不良を流さない）
KPI③：作業標準遵守率 → 目標 100%（不良の予防）

このように、1つのKGIから複数のKPIへと論理的に展開されていく構造がKPIツリーの本質です。

instant.engineer

4. 製造業で使われる代表的なKPI一覧と計算式

ここでは製造現場で広く使われる代表的なKPIを、その計算式とともに網羅的に紹介します。

ISO 22400で定義されているものを中心に、実務で即活用できる指標を取り上げます。

生産性に関するKPI

設備総合効率（OEE: Overall Equipment Effectiveness）

設備の稼働状態を総合的に評価する最も重要な指標の1つです。

時間ロス・速度ロス・不良ロスの3つを一括で捉える点が特長です。

$\text{OEE} = \text{時間稼働率} \times \text{性能稼働率} \times \text{良品率}$

各構成要素の計算式は以下のとおりです。

$\text{時間稼働率} = \dfrac{\text{稼働時間}}{\text{負荷時間}} \times 100\,\lbrack\%\rbrack$

$\text{性能稼働率} = \dfrac{\text{基準サイクルタイム} \times \text{加工数量}}{\text{稼働時間}} \times 100\,\lbrack\%\rbrack$

$\text{良品率} = \dfrac{\text{加工数量} - \text{不良数量}}{\text{加工数量}} \times 100\,\lbrack\%\rbrack$

世界クラスの目標値はOEE ≥ 85%（時間稼働率90%以上、性能稼働率95%以上、良品率99%以上）とされています。

日本の製造業の平均は概ね60〜70%程度であり、85%を達成している工場は業界トップクラスに位置づけられます。

労働生産性

投入した労働量に対する産出量を測定する指標です。

「人」のパフォーマンスを評価する際の基本となります。

$\text{労働生産性} = \dfrac{\text{生産量（または付加価値額）}}{\text{投入労働時間}\,\lbrack\text{人時}\rbrack}$

物的労働生産性（生産量ベース）と付加価値労働生産性（金額ベース）の2種類があり、目的に応じて使い分けます。

工場内の比較には物的労働生産性が、経営報告には付加価値労働生産性が適しています。

設備稼働率

計画された生産時間に対して、設備が実際に動いていた時間の割合です。

$\text{設備稼働率} = \dfrac{\text{実稼働時間}}{\text{計画稼働時間}} \times 100\,\lbrack\%\rbrack$

注意点として、稼働率を上げることが常に正しいとは限りません。

需要を超えた過剰生産は在庫増加を招き、キャッシュフローを悪化させます。

「必要なものを、必要な時に、必要な量だけ作る」というジャストインタイムの思想と両立させることが重要です。

スループット率

単位時間あたりに完成品として出力される数量です。

$\text{スループット率} = \dfrac{\text{完成品数量}}{\text{所要時間}}\;\lbrack\text{個/時間}\rbrack$

品質に関するKPI

不良率

製造した製品のうち、規格を満たさなかったものの割合です。

品質管理の最も基本的な指標ですが、不良率だけでは「どの工程で」「何が原因で」不良が出ているのか分かりません。

工程別・不良モード別に層別して管理することが実務上重要です。

$\text{不良率} = \dfrac{\text{不良品数}}{\text{総生産数}} \times 100\,\lbrack\%\rbrack$

直行率（FPY: First Pass Yield）

工程を一度通過しただけで良品と判定された割合を示します。

手直し品を含まないため、工程の真の品質能力を反映する点が不良率との違いです。

$\text{FPY} = \dfrac{\text{初回合格品数}}{\text{総投入数}} \times 100\,\lbrack\%\rbrack$

複数工程を直列に持つ場合、全体の直行率は各工程の積となります。

$\text{FPY}_{\text{全体}} = \text{FPY}_1 \times \text{FPY}_2 \times \cdots \times \text{FPY}_n$

たとえば5工程それぞれの直行率が98%であっても、全体の直行率は次のようになります。

$\text{FPY}_{\text{全体}} = 0.98^5 = 0.904 \approx 90.4\,\%$

1工程あたりわずか2%の不良でも、5工程を経れば約10%のロスが生じることになります。

この計算から、各工程の品質を高く保つことがいかに全体効率に影響するかが分かります。

工程能力指数（Cpk）

工程が規格に対してどれだけ余裕をもって製品を作れているかを示す指標です。

統計的工程管理（SPC）の中核をなす概念です。

$C_{pk} = \min\left(\dfrac{USL - \bar{x}}{3\sigma},\; \dfrac{\bar{x} - LSL}{3\sigma}\right)$

ここで、USLは規格上限、LSLは規格下限、 $\bar{x}$ は工程平均、 $\sigma$ は工程の標準偏差です。

一般にCpk ≥ 1.33であれば工程能力は十分と判定され、Cpk ≥ 1.67であれば余裕のある優良工程と評価されます。

instant.engineer

納期・リードタイムに関するKPI

製造リードタイム

原材料の投入から完成品の産出までに要する全ての時間です。

納期遵守と在庫削減の両面で重要な管理指標となります。

$\text{製造リードタイム} = \text{加工時間} + \text{段取り時間} + \text{搬送時間} + \text{待ち時間} + \text{検査時間}$

注目すべきは、製造リードタイムの大部分が「待ち時間」で占められている点です。

一般的な工場では、全リードタイムの70〜90%が待ち時間（次工程への滞留や順番待ち）であり、実際の加工時間は10〜30%程度に過ぎません。

リードタイム短縮の鍵は、加工時間の短縮よりも待ち時間の削減にあります。

納期遵守率

約束した納期通りに出荷できた割合を示します。

顧客満足度に直結する重要なKPIです。

$\text{納期遵守率} = \dfrac{\text{納期通りに出荷した件数}}{\text{出荷総件数}} \times 100\,\lbrack\%\rbrack$

在庫回転率

在庫が一定期間内に何回入れ替わったかを示す指標です。

$\text{在庫回転率} = \dfrac{\text{年間売上原価}}{\text{平均在庫金額}}\;\lbrack\text{回/年}\rbrack$

この値が高いほど在庫を効率よく回転させていることを意味し、資金効率が良い状態を示します。

逆に低い場合は、過剰在庫や滞留在庫が生じている可能性があります。

コストに関するKPI

製造原価率

売上高に対する製造原価の比率で、収益性を直接示します。

$\text{製造原価率} = \dfrac{\text{製造原価}}{\text{売上高}} \times 100\,\lbrack\%\rbrack$

材料歩留まり率

投入した材料のうち、製品に組み込まれた割合です。

加工産業では材料費が製造原価の40〜60%を占めることも多く、歩留まりの1%改善がそのまま大きなコスト削減に直結します。

$\text{歩留まり率} = \dfrac{\text{良品に使用された材料量}}{\text{投入材料量}} \times 100\,\lbrack\%\rbrack$

エネルギー原単位

製品1単位あたりのエネルギー消費量です。

カーボンニュートラル時代において重要性が高まっているKPIです。

$\text{エネルギー原単位} = \dfrac{\text{総エネルギー消費量}\,\lbrack\text{kWh}\rbrack}{\text{生産数量}\,\lbrack\text{個}\rbrack}$

安全に関するKPI

度数率

100万延べ実労働時間あたりの労働災害による死傷者数です。

厚生労働省が公表する労働災害統計で用いられる標準的な安全指標です。

$\text{度数率} = \dfrac{\text{労働災害による死傷者数}}{\text{延べ実労働時間}} \times 10^6$

強度率

1,000延べ実労働時間あたりの労働損失日数で、災害の重篤度を示します。

$\text{強度率} = \dfrac{\text{労働損失日数}}{\text{延べ実労働時間}} \times 10^3$

5. OEE（設備総合効率）の計算例

ここではOEEの計算を具体的な数値例で示します。

実際の製造現場に近い条件を設定し、Step形式で計算を進めましょう。

計算条件

ある自動車部品工場のプレスラインを想定します。

1日の操業時間：480分（8時間）
計画停止時間（昼休み・朝礼）：60分
設備故障による停止：30分
段取り替え時間：20分
基準サイクルタイム：0.5分/個
実際の生産数量：600個
不良品数：12個

Step 1：負荷時間を求める

負荷時間は、操業時間から計画停止時間を差し引いた値です。

これが「本来設備が動くべき時間」の基準になります。

$\text{負荷時間} = 480 - 60 = 420\,\lbrack\text{min}\rbrack$

Step 2：稼働時間を求める

稼働時間は、負荷時間から非計画停止時間（故障・段取り替え）を差し引きます。

非計画停止は時間ロスの主要因であり、TPM活動の重点対象です。

$\text{稼働時間} = 420 - (30 + 20) = 370\,\lbrack\text{min}\rbrack$

Step 3：時間稼働率を計算する

$\text{時間稼働率} = \dfrac{370}{420} \times 100 = 88.1\,\%$

88.1%は目標の90%に近いものの、故障停止30分の改善余地が見えます。

Step 4：性能稼働率を計算する

性能稼働率は、稼働している時間内でどれだけ設計速度通りに動いたかを示します。

$\text{性能稼働率} = \dfrac{0.5 \times 600}{370} \times 100 = \dfrac{300}{370} \times 100 = 81.1\,\%$

本来370分で理論上740個（= 370 ÷ 0.5）作れるはずが、600個しか作れていません。

この差140個分がチョコ停（短時間停止）や速度低下によるロスです。

Step 5：良品率を計算する

$\text{良品率} = \dfrac{600 - 12}{600} \times 100 = \dfrac{588}{600} \times 100 = 98.0\,\%$

良品率98.0%は目標の99%に対してやや低い状態です。

12個の不良品について、不良モード別のパレート分析が次のアクションとなります。

Step 6：OEEを求める

$\text{OEE} = 0.881 \times 0.811 \times 0.980 = 0.700$

$\therefore\; \text{OEE} = 70.0\,\%$

目標値85%に対してOEEは70.0%であり、15ポイントの改善余地があることが分かります。

7大ロスとOEEの関係

OEEの3要素は、TPM（Total Productive Maintenance）で定義される「設備の7大ロス」と直接対応しています。

時間稼働率に影響するロス

①故障ロス：突発的な設備停止
②段取り・調整ロス：品種切替に伴う停止

性能稼働率に影響するロス

③チョコ停ロス：5分未満の短時間停止
④速度低下ロス：設計速度未満での運転

良品率に影響するロス

⑤不良・手直しロス：規格外製品の発生
⑥立上りロス：生産開始直後の不安定期間
⑦刃具交換ロス：工具摩耗による品質劣化

今回の計算例では性能稼働率が最も低い値を示しましたが、これは③チョコ停ロスと④速度低下ロスが大きいことを意します。

改善の具体的なアプローチとしては、チョコ停の原因分析（センサー異常・材料引っかかり・エア圧変動など）と、速度条件の再検証が有効です。

ロス分析と改善の優先順位

OEEの3要素を比較すると、最もロスが大きいのは性能稼働率（81.1%）です。

改善優先順位は次のように決定されます。

$\text{性能ロス} = 1 - 0.811 = 0.189\;(18.9\%)$

$\text{時間ロス} = 1 - 0.881 = 0.119\;(11.9\%)$

$\text{不良ロス} = 1 - 0.980 = 0.020\;(2.0\%)$

性能ロス18.9%が最大であるため、チョコ停の原因究明と速度条件の最適化を最優先で取り組むべきです。

このように、OEEの3要素に分解することでボトルネックが可視化される点がKPI管理の真価です。

6. KPI設定のSMARTフレームワークと実践ポイント

KPIを有効に機能させるには、設定段階での品質が全てを左右します。

曖昧なKPIは測定できず、測定できないものは改善できません。

SMART基準の製造業への適用

SMART基準を製造業の各視点に当てはめた具体例を示します。

S（Specific：具体的）

「品質を改善する」ではなく「溶接工程の気孔不良率を低減する」のように、対象工程と不良モードまで特定します。

具体性が欠けていると、誰がどこで何をすべきか不明確になります。

M（Measurable：測定可能）

数値で表現できる指標のみを採用します。

「チームワークを良くする」はKPIにはなりえません。

「改善提案件数月10件以上」「多能工化率 80%以上」なら測定可能です。

A（Achievable：達成可能）

現在値から見て実現可能な目標を設定します。

不良率3.0%の工程にいきなり0.1%を課してもモチベーション低下を招くだけです。

まず2.0%を目指し、達成したら次のステップとして1.5%に引き下げるアプローチが有効です。

目安として、前期実績の10〜30%改善が「ストレッチだが達成可能」なゾーンとされています。

R（Relevant：関連性あり）

そのKPIがKGI達成に直結しているか確認します。

「トイレの清掃回数」は工場管理の一指標ではありますが、利益目標への貢献度は低く、主要KPIには適しません。

関連性が低いKPIは「やった感」だけを生み出し、本質的な改善から目を逸らす危険があります。

T（Time-bound：期限あり）

「来年度末までに」「今四半期中に」「今月末までに」といった明確な期限を設定します。

期限がなければ緊急性が生まれず、改善活動が「いつかやる」のまま形骸化します。

SMART KPIの設定例

非SMART（悪い例）	SMART（良い例）
品質を改善する	溶接工程の気孔不良率を3ヶ月以内に現状2.1%から1.0%以下に低減する
稼働率を上げる	A号機の段取り替え時間を6月末までに平均45分から30分以下にする
コストを下げる	材料歩留まり率を今期末までに88%から92%に向上させる
安全を徹底する	ヒヤリハット報告件数を月50件以上（全員参加）で今四半期中に達成する

KPI設定時の注意点

実務でKPIを設定する際に陥りがちな失敗を整理します。

指標の数が多すぎる問題

1つの部門で管理するKPIは3〜5個が適切な上限です。

10個も20個も設定すると優先順位が不明確になり、結局どれも達成できない事態に陥ります。

「何でも測定する」のではなく「何を測定しないか」を決めることが重要です。

先行指標と遅行指標のバランス

「不良率」「クレーム件数」は結果指標（遅行指標：Lagging Indicator）です。

結果が出てからでは手遅れの場合があるため、プロセスの上流を測る先行指標（Leading Indicator）を組み合わせることが重要です。

$\text{KPI体系} = \text{先行指標}(\text{Leading}) + \text{遅行指標}(\text{Lagging})$

先行指標の例：「作業標準遵守率」「始業点検完了率」「予防保全実施率」

遅行指標の例：「不良率」「クレーム件数」「設備故障件数」

先行指標は問題の予兆を捉え、遅行指標は結果を確認する——この両輪で初めてPDCAサイクルが効果的に回ります。

7. 製造業KPIの活用事例：QCDSの4視点

製造現場でKPIを体系的に管理するフレームワークとして、QCDS（Quality・Cost・Delivery・Safety）の4視点があります。

各視点に適切なKPIを配置することで、バランスの取れた管理が可能になります。

Q（Quality：品質）のKPI体系

品質KPIは「予防」「検出」「結果」の3層で設計します。

予防層（先行指標）

作業標準遵守率（%）
ポカヨケ実施率（%）
教育訓練完了率（%）
4M変更管理実施率（%）

検出層（プロセス指標）

工程内不良率（%）
検査検出率（%）
工程能力指数Cpk

結果層（遅行指標）

顧客クレーム件数（件/月）
市場不良率（ppm）
品質コスト比率（%）

3層全てにKPIを配置することで、「予防で防ぎ、検出で止め、結果で確認する」という品質保証の全体像が可視化されます。

C（Cost：コスト）のKPI体系

コストKPIで重要なのは原単位での管理です。

総額だけを見ると、生産量の増減に左右されて真の効率が見えなくなります。

製造原価率（%）
材料歩留まり率（%）
エネルギー原単位（kWh/個）
廃棄コスト原単位（円/個）
外注費比率（%）
残業時間（時間/月）

$\text{エネルギー原単位} = \dfrac{\text{総エネルギー消費量}\,\lbrack\text{kWh}\rbrack}{\text{生産数量}\,\lbrack\text{個}\rbrack}$

原単位管理の利点は、生産量が変動しても真の効率を比較できる点にあります。

「先月より電気代が増えた」のは生産量増加が原因かもしれず、原単位で見れば実は改善している可能性があります。

D（Delivery：納期）のKPI体系

納期遵守率（%）
製造リードタイム（日）
在庫回転率（回/年）
仕掛品滞留日数（日）
生産計画達成率（%）
段取り替え時間（分/回）

納期KPIの中で特に改善効果が大きいのが段取り替え時間です。

SMED（Single Minute Exchange of Die：シングル段取り）手法を適用し、段取り時間を10分以内に短縮することが多品種少量生産時代の競争力を左右します。

$\text{段取り替え削減効果} = (\text{現状段取り時間} - \text{改善後段取り時間}) \times \text{月間段取り回数}$

S（Safety：安全）のKPI体系

度数率
強度率
ヒヤリハット報告件数（件/月）
安全パトロール実施率（%）
リスクアセスメント実施率（%）
安全教育受講率（%）

安全KPIでは特に先行指標が重要です。

災害件数（遅行指標）がゼロでも、それが「本当に安全」なのか「たまたま事故が起きていないだけ」なのかは分かりません。

ヒヤリハット報告件数や安全パトロール実施率といった先行指標を重視することで、潜在リスクを把握し、事故を未然に防ぐ文化を醸成できます。

ハインリッヒの法則によれば、1件の重大災害の背後には29件の軽微な事故と300件のヒヤリハットが存在します。

$1\text{（重大災害）}: 29\text{（軽微事故）}: 300\text{（ヒヤリハット）}$

ヒヤリハット報告件数を増やすこと（潜在リスクの顕在化）こそが、災害ゼロへの最短経路です。

instant.engineer

8. KPIの可視化とPDCAサイクルの運用

KPIは「設定して終わり」では意味がありません。

継続的に測定・可視化し、PDCAサイクルで改善を回し続けることが本来の目的です。

KPI可視化の手法

管理板（アンドンボード）

現場に大型ディスプレイや管理板を設置し、リアルタイムでKPIを表示する方法です。

生産数量・不良数・稼働率などが一目でわかるため、異常発生時の初動が早くなります。

トヨタ生産方式で有名な「アンドン」の発展形として、多くの工場で採用されています。

管理図による推移管理

KPIの時系列データを管理図にプロットし、トレンドや異常を検知する手法です。

管理限界線（UCL・LCL）を設定し、KPIが管理限界を超えた場合に是正措置を発動します。

$UCL = \bar{x} + 3\sigma$

$LCL = \bar{x} - 3\sigma$

管理図は「工程が安定状態にあるか」を統計的に判断できるツールです。

日々のKPI値が管理限界内にあり、かつランダムに分布していれば工程は安定しています。

連続7点が中心線の片側に並ぶ（連の法則）などの異常パターンを検知した場合は、特殊原因の調査が必要です。

管理図とは？種類・見方・作り方

ダッシュボード（MESとの連携）

MES（Manufacturing Execution System）や IoT プラットフォームと連携し、WebベースのダッシュボードでリアルタイムにKPIを表示する手法です。

経営層はパソコンやタブレットからいつでもKPIの現在値を確認でき、意思決定のスピードが向上します。

PDCAサイクルとの連動

Plan（計画）：KGIからKPIツリーを構築し、目標値と期限を設定します。

目標値の根拠を明確にし、関係者全員が納得できるレベルに設定します。

Do（実行）：設定したKPIを日常業務の中で測定・記録します。

可能な限り自動計測を導入し、データ入力の手間を最小化します。

Check（確認）：KPIの実績を目標値と比較し、達成度を評価します。

ギャップが生じている場合は原因分析（なぜなぜ分析・特性要因図など）を行います。

$\text{達成率} = \dfrac{\text{実績値}}{\text{目標値}} \times 100\,\lbrack\%\rbrack$

$\text{ギャップ} = \text{目標値} - \text{実績値}$

Act（処置）：ギャップの原因に対する是正措置を実施し、必要に応じてKPI自体の見直しも行います。

目標を大幅に超過達成している場合は、目標値の引き上げを検討します。

KPIレビュー会議の運用

KPIを形骸化させないためには、定期的なレビュー会議が不可欠です。

推奨される会議体系を示します。

会議体	頻度	参加者	確認内容
朝礼	日次	現場作業者・班長	前日実績・本日目標・異常報告
週次ミーティング	週次	班長・工程管理者	週間KPI推移・異常対応状況
月次報告会	月次	部門長・工場長	月間KPI達成度・改善効果検証
経営レビュー	四半期	経営層	KGI進捗・KPI体系の見直し

特に重要なのは、KPIが未達の場合に責任追及の道具にしないことです。

KPIはあくまで改善のための「診断ツール」であり、未達を叱責すれば数字を改ざんしたり報告を遅らせたりする文化が生まれます。

「なぜ達成できなかったか」を建設的に議論し、次のアクションを決めることがレビューの目的です。

9. KPI運用でよくある失敗と対策

KPIを導入したものの上手く機能しないケースは少なくありません。

ここでは製造業特有の失敗パターンと、その具体的な対策を解説します。

失敗1：部分最適に陥る

個々のKPIを追いかけるあまり、全体のバランスが崩れる現象です。

たとえば「設備稼働率」だけを追い求めると、需要を超えた過剰生産に走り、在庫が積み上がってしまいます。

逆に「在庫削減」だけを追い求めると、欠品が頻発して納期遵守率が低下します。

対策：KPIは必ず複数の視点（QCDS）で設定し、相互のトレードオフを意識します。

また「制約条件」を明確にし、稼働率を上げつつも在庫回転率を一定以上に保つといった複合条件を設けます。

制約条件理論（TOC）の考え方を導入し、システム全体の最適を目指すことが有効です。

失敗2：測定負荷が高すぎる

データ収集に手間がかかりすぎると、現場が疲弊し、KPI管理自体が生産活動の足かせになります。

「測定するために働いている」という本末転倒な状況に陥る工場は意外に多く見られます。

対策：自動計測できるKPIを優先的に採用します。

IoTセンサーやMESからリアルタイムでデータを取得できるKPIは、測定負荷がほぼゼロです。

手書き集計が必要なKPIは導入の優先度を下げるか、バーコードやタブレット入力で半自動化してから導入します。

KPI導入のROI（投資対効果）を意識することも重要です。

$\text{KPI導入のROI} = \dfrac{\text{KPIによる改善効果（円）} - \text{測定・管理コスト（円）}}{\text{測定・管理コスト（円）}}$

このROIがマイナスになるKPIは、導入すべきではありません。

失敗3：目標値の根拠がない

「とりあえず稼働率90%」のように、根拠なく目標を設定するケースです。

根拠のない目標は、現場から「なぜその数字なのか」と問われた時に答えられず、信頼を失います。

対策：目標値の設定には次の3つのアプローチがあります。

過去実績基準：過去12ヶ月の平均値から10〜30%改善を目標にする
ベンチマーク基準：業界平均や世界クラス水準（OEE 85%など）を参照する
逆算基準：KGIから必要なKPI水準を数式で逆算する

逆算基準の例を示します。

KGIが「年間利益1億円増」で、不良率低減による原価削減が手段の場合を考えます。

$\text{必要な原価低減額} = \text{目標利益増分} = 1\text{億円}$

$\text{不良1個あたりコスト} = 5{,}000\text{円}$

$\text{年間生産量} = 100\text{万個}$

$\text{必要な不良率削減幅} = \dfrac{1\text{億}}{5{,}000 \times 100\text{万}} = \dfrac{10^8}{5 \times 10^9} = 0.02 = 2\,\%$

現状不良率が3.5%なら、目標不良率は1.5%に設定するという根拠が得られます。

失敗4：KPIが形骸化する

導入直後は活発だったKPI管理が、半年後には誰も見なくなるパターンです。

「毎月の報告資料は作っているが、それをもとに何かアクションを起こしたことがない」という状況です。

対策：KPIは定期的に「棚卸し」を行い、不要になった指標は廃止し、新たに必要な指標を追加します。

目安として四半期に1回のKPI体系見直しを経営レビューに組み込むことを推奨します。

また、KPIの達成・未達に応じた具体的なアクションプランを事前に定義しておくことで、数字を「見るだけ」の状況を防ぎます。

失敗5：結果だけ見て原因を追わない

「今月の不良率は2.5%でした」と報告するだけで、なぜその数値なのか・どうすれば改善できるのかの分析がないケースです。

数字の報告会にはなっていても、改善会議にはなっていない状態です。

対策：KPIの報告には必ずなぜなぜ分析やパレート分析を添付し、数字の背景にある真因を明らかにします。

「不良率2.5%」の内訳を不良モード別にパレート図化すれば、「外観不良が全体の60%を占めている」といった具体的な改善ターゲットが見えてきます。

10. ISO 22400に基づく製造KPIの国際標準体系

ISO 22400は、製造オペレーション管理（MOM: Manufacturing Operations Management）におけるKPIの国際規格です。

2014年に初版が発行され、スマートファクトリー時代のデータ駆動型経営の基盤として注目されています。

ISO 22400の構成

この規格は2部構成になっています。

Part 1（ISO 22400-1:2014）

概要・概念・用語を定義します。

KPIの構造モデル、時間モデル、KPI間の関係性を規定しています。

特に重要なのが「時間モデル」で、操業時間を階層的に分類し、各種ロスを明確に区分する枠組みを提供しています。

Part 2（ISO 22400-2:2014）

34のKPIを個別に定義します。

各KPIについて、名称・定義・計算式・構成要素・時間挙動・単位が明示されています。

これにより、異なる企業・異なるシステム間でもKPIの解釈にブレが生じません。

ISO 22400の6つのKPIカテゴリ

カテゴリ	代表的なKPI	概要
生産性（Productivity）	OEE, スループット率, ライン稼働率	設備や人の効率を測定
品質（Quality）	良品率, スクラップ率, 手直し率	製品品質の達成度を測定
能力（Capability）	機械能力指数Cm, 工程能力指数Cpk	設備・工程の潜在能力を評価
環境（Environment）	エネルギー消費比率, 排出比率	環境負荷を測定
在庫（Inventory）	在庫回転率, 在庫輸送比率	在庫管理効率を測定
保全（Maintenance）	MTBF, MTTR, 保全計画遵守率	設備保全の有効性を測定

MTBF,MTTR,MTTFとは？計算式と違い

ISO 22400のKPI定義構造

各KPIは以下の形式で厳密に定義されます。

$\text{KPI} = f(E_1, E_2, \ldots, E_m)$

ここで $E_i$ は「要素（Element）」と呼ばれ、時間データ・数量データ・品質データなどの基本測定値です。

要素はさらに「サブ要素」に分解でき、最終的にはセンサーやシステムから直接取得できるデータにまで細分化されます。

たとえばOEEの場合、ISO 22400では次のように定義されます。

$\text{OEE} = \dfrac{APT}{PBT} \times \dfrac{\text{理論生産時間}}{APT} \times \dfrac{GP}{TP}$

ここで各要素は以下のとおりです。

APT（Actual Production Time）：実生産時間
PBT（Planned Busy Time）：計画稼働時間
GP（Good Pieces）：良品数
TP（Total Pieces）：全生産数

この標準化された定義により、MESベンダーが異なっても同じ計算ロジックでOEEを算出でき、拠点間比較が正確に行えます。

ISO 22400の時間モデル

ISO 22400 Part 1では、操業時間を次のように階層分類しています。

$\text{カレンダー時間} \supset \text{計画稼働時間}(PBT) \supset \text{実稼働時間}(ABT) \supset \text{実生産時間}(APT)$

各階層間の差がロスとして識別されます。

カレンダー時間 − PBT = 計画外時間（休日・計画保全など）
PBT − ABT = 計画外ダウンタイム（故障など）
ABT − APT = セットアップ時間

この時間モデルに沿ってデータを分類することで、「どこで時間が失われているのか」を構造的に把握できます。

ISO 22400の活用メリット

この規格を活用することで得られる利点を整理します。

共通言語の確立：拠点間・サプライヤー間で同一定義のKPIを使用できる
MESとの連携：製造実行システムのKPI出力をISO準拠とすることで、ベンダーロックインを回避できる
ベンチマーキング：同業他社と共通の指標で定量的な比較が可能になる
DX推進の基盤：IoTデータの意味づけとしてISO 22400のKPI定義を利用できる
グローバル展開：海外工場との間でKPIの定義齟齬が発生しない

特にスマートファクトリーの構築においては、センサーから取得した生データをISO 22400の時間モデルに沿って集計することで、グローバルで統一されたKPIダッシュボードを実現できます。

Industry 4.0やDXを推進する企業にとって、ISO 22400は「KPIの共通言語」としての役割を果たします。

ISO 22400とIndustry 4.0の融合

Industry 4.0（第4次産業革命）では、サイバーフィジカルシステム（CPS）を通じて物理世界とデジタル世界を融合させます。

この融合において、ISO 22400は「デジタルツイン上でどのKPIをどう計算するか」の標準仕様として機能します。

体的な活用シーンを挙げます。

リアルタイムOEE監視：PLCからのI/O信号をMESが収集し、ISO 22400定義に従ってOEEを秒単位で算出・表示する
予知保全との連携：MTBF（平均故障間隔）のトレンドをAIが学習し、故障予兆を検知した時点でアラートを発する
サプライチェーン横断KPI：複数企業間でISO 22400準拠のKPIデータを交換し、サプライチェーン全体の効率を最適化する
デジタルツインでのシミュレーション：生産計画変更がKPIに与える影響を事前にシミュレーションし、最適な意思決定を支援する

日本においても、経済産業省が推進するConnected Industriesの文脈でISO 22400の活用が議論されています。

特に中堅・中小製造業がDXの第一歩としてKPIの標準化に取り組む際、ISO 22400は「何を測定すべきか」の出発点として有用です。

まずは自社の主要設備でOEEの自動計測から始め、データに基づく意思決定の土壌を整えることが推奨されます。

まとめ

本記事では、製造業におけるKPIの意味・KGIとの違い・設定方法・計算例を体系的に解説しました。

重要なポイントを振り返ります。

KPIは中間プロセスを測定する指標、KGIは最終ゴールを測定する指標であり、両者は「手段と目的」の関係にある
KPIツリーでKGIをKPIへ数式的に分解し、現場がコントロール可能な変数に落とし込むことが設計の基本
KPI設定にはSMART基準（具体的・測定可能・達成可能・関連性・期限）を必ず適用する
OEE（設備総合効率）は「時間稼働率×性能稼働率×良品率」で計算し、世界クラス目標は85%以上
QCDSの4視点でバランスよくKPIを配置し、部分最適を防ぐ
先行指標と遅行指標を組み合わせ、PDCAサイクルと連動させることで継続的改善を実現する
ISO 22400は製造KPIの国際標準であり、34の指標とその計算式を体系的に定義している
KPI管理は3〜5個に絞り、測定負荷の低い指標を優先的に採用する

KPIは数字を追うための道具ではなく、組織全体を同じ方向に向けるための羅針盤です。

適切に設計・運用されたKPI体系は、現場の改善力を最大限に引き出し、KGI達成への最短経路を照らしてくれるでしょう。

まずは自工場で最も課題となっている領域に1〜2個のKPIを設定するところから始めてみてください。

小さく始めて成果を実感し、そこから徐々にKPI体系を拡充していくことが、持続的な改善文化を根付かせる最も確実な方法です。

数値で語る文化が定着すれば、属人的な勘や経験に頼らない、再現性の高い製造マネジメントが実現できるはずです。