工程管理とは|目的・進め方と工程管理表・ツールの選び方
工程管理とは|目的・進め方と工程管理表・ツールの選び方
この記事を読むとわかること
工程管理とは、各工程が計画通りに進むよう、計画・実施・統制のPDCAを回して監視・調整する現場の活動です。目的は納期・品質・コストを安定させることにあり、進め方は「工程管理表に計画を落とす→実績を記録する→差を見て手を打つ」の繰り返しになります。ばらつき要因は4M(人・機械・材料・方法)で切り分け、品質は工程能力指数Cp/Cpkで見ます。読み終える頃には、工程管理表の作り方・ツールの選び方・改善の着眼点が判断できるようになります。
工程管理とは?目的と生産管理との違い
工程管理とは、製造の各工程が計画通りに進むよう、日程・進捗・品質・異常対応を監視し、ずれが出たら調整する現場の管理活動です。目的は明快で、約束した納期を守り、決めた品質を安定して出し、ムダなコストを抑えること、いわゆるQCDを工程レベルで安定させることにあります。工程管理が弱いと、計画は立てたのに現場で崩れる、不良が出てから気づく、納期遅れが顧客からの連絡で判明する、という後手の状態に陥ります。
混同されやすいのが生産管理との違いです。生産管理はQCD全体を対象に、計画・統制・購買・在庫・品質という広い機能を束ねる経営寄りの管理です。これに対し工程管理は、その中の「各工程が計画通りに動いているか」を現場で監視・調整する実行寄りの管理を指します。つまり生産管理が工程管理を包含する関係で、生産管理が「何を・いつ・どれだけ作るか」を決め、工程管理が「決めた通りに流れているか」を守ります。全体像は生産管理とはで扱っていますが、本記事では現場の工程管理そのものに絞って進め方を掘り下げます。
工程管理の進め方|計画・実施・統制のPDCAをどう回すか
工程管理の骨格は、計画(Plan)・実施(Do)・統制(Check・Act)のPDCAです。特別な手法ではなく、この輪をどれだけ速く・確実に回せるかが工程管理の実力になります。
計画
工程ごとに日程・工数・担当を決め、工程管理表に落とす
実施
作業指示を出し、進捗・品質・停止などの実績を記録する
統制
計画と実績の差を確認し、遅れ・異常を検知する
改善
原因を特定して段取りや標準を直し、次の計画へ返す
計画
工程ごとに日程・工数・担当を決め、工程管理表に落とす
実施
作業指示を出し、進捗・品質・停止などの実績を記録する
統制
計画と実績の差を確認し、遅れ・異常を検知する
改善
原因を特定して段取りや標準を直し、次の計画へ返す
計画:何を基準に工程を組むか
計画の要点は、負荷(作業量)と能力(使える時間・人・設備)を突き合わせて、無理のない日程に落とすことです。ここで各工程の標準時間や段取り時間があいまいだと、計画そのものが希望的観測になります。まずは主要工程の標準時間を数値で持ち、能力を超える山積みが起きていないかを確認するところから始めます。
実施と統制:実績を取らなければ管理は始まらない
実施フェーズで欠かせないのが実績の記録です。進捗・良品数・不良数・設備停止といった実績が取れていなければ、統制フェーズで「計画とどれだけずれたか」を判断できません。統制とは、この計画と実績の差を見て遅れや異常に手を打つ工程で、差を放置せず原因までたどって次の計画に返すことで、PDCAが空回りせずに改善へつながります。
4M(人・機械・材料・方法)で工程を見るとは?
工程で不良や遅れが出たとき、原因を感覚で探すと対策が発散します。そこで使うのが4M、すなわち人(Man)・機械(Machine)・材料(Material)・方法(Method)の視点です。ばらつきの要因をこの4つに切り分けると、どこに手を打てば工程が安定するかが見えやすくなります。
4M
工程のばらつき要因を切り分ける視点
人(Man)
- 熟練度・多能工化
- 作業手順の順守
機械(Machine)
- 設備の稼働・停止
- 精度・保全状態
材料(Material)
- 受入品質・ロット差
- 在庫・欠品
方法(Method)
- 標準作業・段取り
- 工程設計・加工条件
たとえば同じ工程で不良率が上がったとき、担当者が替わった(人)のか、設備の精度が落ちた(機械)のか、材料ロットが変わった(材料)のか、作業手順が守られていない(方法)のかを分けて確認します。4Mのどこが動いたかを起点に調べると、原因の当たりが早くつき、的外れな対策を避けられます。
工程管理表・ガントチャートはどう作る?
計画を現場で共有する道具が工程管理表です。基本は「工程(行)×日付(列)」のマトリクスで、各工程の予定と実績を並べて進捗を一目で分かるようにします。予定を横棒で示す形式がガントチャートで、工程の順序と重なり、遅れの波及が視覚的に追えます。
工程管理表に最低限のせたい項目は次の通りです。
| 項目 | 役割 |
|---|---|
| 工程名・作業内容 | 何をする工程かを特定する |
| 担当・設備 | 誰が・どの設備で行うか(4Mの人・機械) |
| 予定(開始〜終了) | 計画の基準線。ガントの横棒 |
| 実績(開始〜終了・数量) | 予定との差を測る材料 |
| 進捗・状態 | 遅れ・停止・完了などの現況 |
作り込みすぎないことも要点です。項目を増やすほど記入負担が増え、現場が埋めなくなって形骸化します。まずは予定と実績、遅れの有無が分かる最小構成で始め、運用が定着してから項目を足すのが現実的な順序です。Excelで様式を作り、必要に応じてガントチャート形式に広げるところから着手すると、費用をかけずに回し始められます。
工程表にはどんな種類がある?(ガント・ネットワーク・バーチャート)
工程管理表と一口に言っても、目的で使い分ける代表的な形式があります。
| 形式 | 特徴 | 向いている場面 |
|---|---|---|
| ガントチャート | 工程を横棒で並べ、予定・実績・進捗を一目で見る | 日々の進捗管理。最も広く使われる |
| バーチャート工程表 | 縦に作業、横に時間をとった棒グラフ形式 | シンプルに全体日程を共有したいとき |
| ネットワーク工程表(PERT) | 作業の前後関係を矢印でつなぎ依存関係を表す | 工程間の依存が複雑な案件。遅れの波及を追える |
| 曲線式(Sカーブ) | 進捗率を時間で累積しカーブで示す | 全体の進み具合・遅れ傾向をマクロに把握 |
なかでもネットワーク工程表では、開始から完了までで最も余裕のない一連の作業(クリティカルパス)が分かります。この経路が遅れると全体の納期がそのまま遅れるため、重点的に管理すべき工程が特定できます。まずはガントチャートで日々の進捗を追い、依存関係が複雑な案件ではネットワーク工程表を併用する、と使い分けると無理がありません。
工程管理ツールはどう選ぶ?
工程管理の手段は、紙・Excelから専用システムまで幅があります。選定の基準は機能の多さではなく、自社の記入負担で継続できるかと今のボトルネックに効くかの2点です。段階を飛ばして高機能なシステムを入れると、入力が回らず定着しません。
| 手段 | 向いている段階 | 特徴と注意点 |
|---|---|---|
| 紙・Excelの工程管理表 | まず可視化を始めたい | 低コストで着手しやすい。転記・集計が手作業になり、リアルタイム性は弱い |
| 現場帳票・進捗管理SaaS | 実績入力をデジタルで回したい | 入力・集計が楽になる。定着には様式の絞り込みが要る |
| 生産管理システム・MES | 複数工程・全社で統合したい | 計画から実績まで一気通貫。導入負荷が大きく、マスタ整備が前提 |
| IoT・AIによる自動取得 | 分単位の連続データが要る工程がある | 人の入力を減らせる。全工程ではなくボトルネック工程に絞ると投資対効果が出やすい |
見える化のレベルも一足飛びに上げないほうが定着します。まず「翌朝の朝礼で前日実績が分かる」日次から始め、次に時間別、必要な工程だけ分単位、という順に上げていくと、現場の負担と投資を釣り合わせながら進められます。中小規模の現場では、いきなり全工程を分単位で計測しようとして入力が破綻する例が少なくありません。
品質を守る一機能:工程能力指数Cp/Cpkの読み方
品質面の工程管理では、規格に対して工程がどれだけ余裕を持って作れているかを、工程能力指数Cp/Cpkで数値化します。Cpはばらつきが規格幅に収まるかを示し、Cpkはそこに中心ずれも加味した指標で、いずれも1.33以上が一般的な目安とされます(工程能力指数はJIS=日本産業規格でも定義される統計指標です)。
現場で混乱しやすいのが「Cpは高いのにCpkが低い」状態です。これはばらつきは小さいが、中心(狙い値)が規格の中心からずれていることを意味します。CpとCpkの両方を見て初めて、直すべきが「中心」なのか「ばらつき」なのかが判断できます。
| 指標の状態 | 工程の状態 | 主な打ち手 |
|---|---|---|
| Cp・Cpkとも1.33以上 | ばらつき・中心とも良好 | 現状維持・監視を継続 |
| Cp≥1.33・Cpk<1.33 | ばらつきは小さいが中心がずれている | 狙い値(中心)を調整する |
| Cp<1.33 | ばらつき自体が大きい | 4M視点でばらつき要因を減らす |
この切り分けができると、中心調整で済むのかばらつき削減が要るのかが分かり、対策の方向が定まります。Cp/Cpkは工程管理の全体ではなく、あくまで品質を数値で守るための一機能という位置づけで使うのが実務的です。
「気づくまでの時間」を工程管理のKPIにする
工程管理の教科書には「計画通りに進める」と書かれますが、現場は完全には計画通りに進みません。受注変更、設備の調子、材料の品質、人員の状況で計画は必ずずれます。そこで管理の主眼は「ずれをゼロにする」ことより、ずれが起きたときに何分で気づけるかに移ります。早く気づけば振替や応援などの選択肢が残り、遅れるほど打てる手がなくなるためです。
そこで有効なのが、異常に「気づくまでの時間(異常検知時間)」をKPIに据える見方です。異常の種類ごとに、どれくらいで気づきたいかを決めておくと、どこにIoTやAIの投資を向けるべきかの判断軸になります。目標値は工程やリスクで変わるため、次の表は数値の絶対的な正解ではなく、自社で設定するための考え方の一例です。
| 異常の種類 | 気づきたい時間の目安(一例・要自社設定) | 主な検知手段 |
|---|---|---|
| 設備の停止 | 短時間で(分単位) | 設備信号・IoTセンサー |
| 品質不良の急増 | その工程が動いているうち | 検査データ・工程内チェック |
| 進捗の遅れ | その日のうち | 実績記録・工程管理表 |
| 在庫・材料の枯渇予兆 | 前工程が止まる前に | 在庫データ・所要量計算 |
異常検知にAIが効く場面は、設備データの平常状態からの逸脱を捉える異常検知、不良や故障の予測、外観検査の画像認識、日報やトラブル報告の自動分類などです。ただしAIを検討する前に踏むべき順序があります。まず流れのどこが詰まっているか(ボトルネック)を見つけることです。全体の産出量は最も能力の低い工程で決まるため、詰まっていない工程をAIでいくら速くしても全体は変わらず、費用だけが積み上がります。受注から出荷までの工程を書き出し、各工程が「何日・何時間待ちか」を書き込むと、一番待ちの長い工程が見えます。KPIも投資も、まずそのボトルネックに寄せるのが順序です。裏を返せば、業務の流れを直すだけで詰まりが解け、AIが要らなくなる工程も現実には存在します。
関連記事
- 生産計画AIの全体像(このテーマのまとめ)
- 生産管理とは|QCD・5機能・全体像
よくある質問
Q1. 工程管理と生産管理の違いは何ですか
生産管理はQCD全体を計画・統制・購買・在庫・品質の広い機能で束ねる経営寄りの管理で、工程管理はその中の「各工程が計画通りに進むか」を現場で監視・調整する実行寄りの管理です。生産管理が工程管理を包含する関係にあります。
Q2. 工程管理表はまず何から作ればよいですか
工程(行)×日付(列)のマトリクスで、工程名・担当・予定・実績・進捗の最小構成から始めます。Excelで様式を作り、予定と実績、遅れの有無が分かる状態にするのが第一歩です。項目を増やしすぎると記入負担で形骸化するため、定着後に必要な項目を足します。
Q3. 工程管理ツールはどう選べばよいですか
機能の多さではなく、自社の記入負担で継続できるか、今のボトルネックに効くかで選びます。紙・Excel、現場帳票SaaS、生産管理システム・MES、IoT/AIの順に負荷とコストが上がるため、可視化の段階に合った手段から着手します。
Q4. 工程能力指数はどれくらいのデータ数が必要ですか
工程能力指数は統計指標のため、一例として最低でも数十個、可能なら100個程度のサンプルがあると値が安定します。データが少なすぎると、たまたまの結果に振り回されやすくなります。
Q5. CpとCpkはどちらを重視すべきですか
両方を併せて見ます。Cpだけでは中心ずれを見落とし、Cpだけ高くCpkが低い工程を「問題なし」と誤読します。Cp・Cpkがともに1.33以上を一般的な目安とし、Cpkが低ければ中心調整、Cpが低ければばらつき削減と、打ち手を分けます。
Q6. 紙の工程管理からデジタル化する順序は
日報や工程管理表のExcel化、現場帳票SaaSによる実績入力のデジタル化、IoTでのセンサーデータ自動取得、AIによる異常検知・予測、という順序が現実的です。一度に進めず、定着を確認しながら段階的に上げます。
Q7. 工程管理でAIを使うべきか迷っています
まず流れの詰まり(ボトルネック)を特定し、その工程が「業務フローの見直しで解けるのか、データや検知の自動化が要るのか」を切り分けます。詰まっていない工程にAIを当てても全体は変わらないため、AIの検討はボトルネックの特定より後です。
主な引用元
- IPA 中小規模製造業のDX推進ガイド
- JIS Z 8101-2 統計—用語及び記号—第2部:統計の応用(工程能力指数の定義)
Delight Flowでは、工程管理のデジタル化伴走・KPI設計・ボトルネック特定の支援を行っています。無料診断を実施中です。自社の状況に当てはめて考えたい方は、お気軽にご相談ください。

執筆者
村田 凌
株式会社Delight Flow 代表取締役CEO
外資系コンサルティングファームにて金融会社のサイバーセキュリティ戦略構築支援に従事した後、東京大学にてAIの研究に取り組む。現在は工学系研究科博士課程に在籍。国際論文誌、学会誌での受賞歴を持つ。
会社情報を見る記事の内容を、現場で「使える力」にしませんか
製造業特化のAI研修で、現場のAI活用を前に進める
貴社の実務を題材にしたオーダーメイド研修。助成金の活用もご相談いただけます。対面・オンライン対応、少人数から。
製造業特化AI研修を見る