.webp)
RFT（初回流動良品率）が94%で頭打ちになる工場の多くは、理論上やるべきことはすべてやり尽くしています。新しい標準作業手順書（SOP）の導入、再教育サイクルの実施、欠陥ラインを対象としたシックスシグマプロジェクトなどです。しかし、88%から93%までは上昇しても、そこで止まってしまいます。この限界はトレーニングの問題ではありません。監視の問題であり、その違いを認識することこそが、壁を突破する唯一の道です。
本ガイドでは、RFTの算出方法、停滞のメカニズム、そして製造現場が初回流動良品率を安定して99%以上に引き上げるために活用しているAIプロセス監視アーキテクチャについて解説します。
初回流動良品率（RFT）：定義と算出方法
初回流動良品率とは、手直しや修正を行うことなく、最初の工程で正しく製造された製品の割合を指します。
計算式： RFT = （欠陥のない製品数 / 総生産数） x 100.
多工程ラインの場合、 累積歩留まり（Rolled Throughput Yield） は、各工程の初回流動良品率を掛け合わせることで、最終的な出荷数値だけでは見えてこない複合的な損失を明らかにします。
1. RFT計算式の実践
1シフトで500個を生産し、25個の不良品が発生した場合、初回流動良品率は95%となります。20個に1個は廃棄されるか、手直しとして生産フローに戻されますが、その後の工程を通過するたびにフルコストがかかり続けます。
この計算式はアウトプットの品質を捉えるものであり、プロセスの健全性を捉えるものではありません。この区別こそが、あらゆる重要な改善判断の原動力となります。
2. 累積歩留まり：真の損失が蓄積される場所
累積歩留まり（RTY）は、各工程の初回流動良品率を掛け合わせることで、エンドツーエンドの真のパフォーマンスを算出します。
3工程のラインで98% x 95% x 89%の歩留まりの場合、RTYは83.1%となります。ライン末端の検査では89%と表示されますが、プロセス全体を通した真の初回流動良品率は83.1%です。このギャップこそが、主要な数値には現れない手直しコストが蓄積されている場所です。
工場長は最終的なRFT数値を報告しますが、品質エンジニアは各段階のRTYを追跡すべきです。RFTは「何が出荷されたか」を示し、RTYは「プロセスがどう機能しているか」を示します。
3. 複数欠陥に対応する施設向けの加重RFT
複数の欠陥クラスを追跡する施設では、各タイプに重要度を割り当て、加重RFT（初回良品率）を算出します。家電製品の表面的な傷と、安全性が重視される 自動車 部品の寸法誤差では、後工程で発生するコストが異なります。
加重RFT指標を用いることで、単に欠陥の数が多いだけでなく、影響度の高い欠陥タイプに対して改善の取り組みを集中させることができます。
なぜ多くの製造現場でRFTが92〜95%で頭打ちになるのか
トレーニングは知識不足を解消し、SOPは手順を定義します。しかし、どちらもRFTが頭打ちになる真の原因、つまり工程の途中で発生し、最終検査では見えない「プロセス遵守のギャップ」には対処できません。検査システムは結果しか捉えず原因を特定できないため、同じ欠陥が繰り返されるのです。
原因1：最終検査では欠陥の発生源を追跡できない
最終検査で不適合と判定された製品は、不適合数としてカウントされるだけです。どの工程で欠陥が生じたのか、どの作業者がミスをしたのか、シフトのどの時点で発生したのかまでは特定されません。RFTの悪循環を断ち切るために必要な情報が、一切記録されていないのです。
不適合を記録し、チームを再教育しても、数週間後には欠陥率が元の水準に戻ってしまいます。
原因2：SOP遵守は二元論だが、実行はそうではない
多くの施設では、SOPの遵守状況を合格か不合格かで監査します。作業者が手順を知っているか否かを確認し、監査は合格となります。しかし、RFTは93%のまま変わりません。
問題は、手順を知っていることと、生産のプレッシャーの中でそれを一貫して実行することの間の「グレーゾーン」にあります。1シフトあたり1,200個を組み立てる9工程のシーケンスでは、逸脱の余地はほとんどありません。同じトレーニングを受けた作業者でも、シフト開始時の1時間目と7時間目では、同じ手順でも実行内容が異なります。この実行のばらつきは監査には現れませんが、不適合率には確実に現れます。
原因3：シフト間のばらつきは統計的に見えない
RFTのパフォーマンスは、作業者、シフト、そしてシフト内の時間帯によって異なります。週次レポートで平均RFTが93.4%と表示されていても、実際には夜勤で89.2%まで低下しており、その損失のほとんどがシフト終了前の2時間に集中している可能性があります。
サイクルごとのプロセスデータがなければ、こうしたパターンはどのような改善プログラムでも見抜くことはできません。特定できない根本原因に対処することは不可能です。この停滞を打破するには、生産スピードに合わせて、工程ごと、サイクルごとの可視化が必要です。
シックスシグマにおけるRFT：DPMO、ポカヨケ、および源流管理
RFTとシックスシグマは同じ計算式に基づいています。 DPMO との関係を理解することで、プロセス能力において「優れた」RFT率が何を意味するのかを再定義できます。
1. RFTからDPMOへ：シックスシグマの翻訳
製造におけるRFT（初回良品率）95%は、100万機会あたりの欠陥数（DPMO）に換算すると50,000に相当します。これは3シグマのプロセスです。シックスシグマが目指すのは3.4 DPMOであり、そのためには99.9997%を超える初回良品率が求められます。
3シグマから5シグマへの移行は、直線的な努力で達成できるものではありません。プロセスの適合性を監視する方法そのものを構造的に変革する必要があります。単なるトレーニングだけで95%から99.9%へ引き上げることは不可能です。
2. ポカヨケ：AI以前の「源流品質」
ポカヨケは、 トヨタ生産方式における、源流品質を確保するための元祖メカニズムです。誤り防止装置により、物理的に誤った組み立てができないようにします。例えば、正しい向きでしか部品を受け付けない位置決めピンや、目標トルクに達するまでロックがかかるトルクツールなどがこれにあたります。
これは、部品の有無やトルクの達成・未達成といった、離散的なバイナリチェックには有効です。しかし、 多段階の工程 において、手順の飛ばしや順序の間違い、あるいは物理的には収まるものの機能的には不適合な部品の誤装着といった複雑なエラーには対応できません。
3. 源流品質スタック：3層フレームワーク
99%を超える安定した初回良品率を実現するには、以下の3つの層を機能させる必要があります。
- 第1層：標準作業手順書（SOP）：各ステップにおける正しい実行内容を明確に定義します。
- 第2層： リアルタイムAIプロセス監視：すべてのユニット、すべてのシフトにおいて、サイクルスピードで正しい実行を強制します。
- 第3層：RTY（直行率）分析：サイクルごとの実行データを用いてプロセスの健全性を測定し、源流での継続的な欠陥防止に役立てます。
従来のポカヨケは、バイナリチェックのみを行うレイヤー2をカバーするものです。製造品質を99%以上の「ファーストタイムライト（初回良品率）」に引き上げるには、バイナリセンサーでは対応できない複雑な多段階工程全体にレイヤー2を拡張する必要があります。
これら3つのレイヤーはすべて、同時に機能しなければなりません。
AIベースの工程監視が、いかにして初回良品率を99%以上に引き上げるか
初回良品率を99%以上に引き上げるには、工程監視システムが生産スピードに合わせて次の4つを実行する必要があります。各組み立て工程をデジタルSOP（標準作業手順書）と照合すること、ユニットが次工程へ進む前に逸脱を検知すること、リアルタイムで作業者に修正ガイダンスを提供すること、そしてRTY（直行率）追跡のためにサイクルごとのデータを記録することです。シフト終了後の品質レポートでは、これらのいずれも実行できません。これこそが、品質向上の限界を突破できない理由です。
Nagareが工程レベルで実現すること
Jidoka TechnologiesのNagare は、組み立て工程レベルでの初回良品率向上を目的に設計されています。既存のカメラで動作するため、Bosch、Hikvision、標準的なCCTVインフラなどをそのまま活用でき、新たなハードウェア調達が不要なため、投資回収期間を直接的に短縮します。
- 100%の組み立て工程をデジタルSOPとリアルタイムで照合します。
- 部品の欠落、手順の誤り、順序の不一致を、ユニットが次工程へ進む前に検知します。
- シフト終了後ではなく、エラー発生の瞬間に作業現場で修正指示を出します。
- サイクルごとのデータを取得し、MES（製造実行システム）や品質管理システムと直接連携してRTYを算出します。
エッジAIが視覚データをローカルで処理するため、クラウドへの依存はありません。毎分12,000個以上の部品を扱う高生産ラインを含め、すべてのシフトで一貫した初回良品率を維持します。Nagareを導入した工場では、手直し作業が35%削減され、工程遵守率が30%向上したと報告されています。現在、Jidokaのシステムは1日あたり3億個以上の部品の製造を支えています。
KOMPASS：部品レベルの欠陥検知が課題である場合
Where Nagare が組み立て手順の検証を担うのに対し、 KOMPASS は部品レベルでの高精度な外観検査を担います。稼働中のラインで99.8%の精度を達成し、各フレームを10ミリ秒以内で処理します。また、従来の画像認識モデルと比較して60〜70%少ない学習データで、新しい部品バリエーションを習得可能です。
NagareとKOMPASSを組み合わせることで、初回良品率を低下させる2つの失敗要因、すなわち「組み立てレベルでの工程遵守の欠如」と「人による検査をすり抜ける物理的な欠陥」の両方を解消します。両システムを併用することで、初回良品率向上プログラムが同じ欠陥カテゴリーを繰り返してしまう原因となっていた検査の死角を排除します。
結論：品質の限界は、監視の限界である
92〜95% の「初回良品率（Right First Time）」の停滞は、トレーニング不足やSOPの不備が原因ではありません。これは、実行時点と検知時点の間のモニタリング解像度が不足している証拠です。このタイムラグこそが手直しのコストを増大させ、改善サイクルを繰り返しても同じ種類の欠陥が発生し続ける原因となっています。
工程ごと、サイクルごとのプロセスモニタリングは、このタイムラグを解消します。これこそが解決のメカニズムです。多額の改善投資を行っているにもかかわらず初回良品率が停滞しているなら、次は「現在のモニタリングシステムで、工程レベルの何が見えていて、何が見えていないのか」を議論すべきです。
Jidoka Technologiesのウォークスルーを予約する。
よくある質問
1. 初回良品率（Right First Time）と直行率（First Pass Yield）の違いは何ですか？
初回良品率と直行率（FPY）は、手直しなしで正しく製造されたユニットの割合という、同じ指標を測定するものです。多くの工場ではこれらの用語は同義として使われています。区別する場合、FPYは個々の工程ステップで追跡され、初回良品率は生産ライン全体で報告されます。品質エンジニアは工程ごとのFPYを監視し、工場長は集計された初回良品率を経営層に報告します。
2. 適切な初回良品率はどの程度ですか？
適切な初回良品率は、業界やプロセスの複雑さによって異なります。標準化された作業とエラープルーフ（ポカヨケ）を備えた自動車組立ラインでは、99%以上のRFTを達成しています（SixSigma.us）。ほとんどの 組立加工メーカー は92〜98%の間で推移しています。多額の投資にもかかわらず初回良品率が停滞している場合、その原因はオペレーターの知識不足ではなく、ほぼ間違いなく工程レベルでのモニタリング解像度の不足にあります。
3. AIモニタリングは既存のMESや品質管理システムと統合できますか？
最新のエッジAIプラットフォームは、標準APIを介してMES、ERP、品質管理システムに接続可能です。Jidoka Technologiesの「Nagare」は、MESプラットフォームや品質管理システムと統合し、実行データと初回良品率改善ワークフローの間のループを完結させます。MESプラットフォームのバージョンによって異なるため、導入前にAPIの対応範囲とデータスキーマの互換性を確認してください。
4. AIプロセスモニタリングで初回良品率はどのくらい早く改善しますか？
主な欠陥原因がプロセス遵守の不備である施設では、通常、導入後数週間以内に初回良品率の測定可能な改善が見られます。作業現場でのリアルタイムな是正フィードバックは、エラー発生時に直接介入するため、シフト後の再トレーニングよりも迅速にオペレーターの行動を変容させます。サイクルごとのデータがSOPの改善やコーチングサイクルにフィードバックされることで、12ヶ月かけて改善効果が積み重なっていきます。
