リーン生産方式とは|7つのムダ・JIT・自働化と導入の順序
リーン生産方式とは|7つのムダ・JIT・自働化と導入の順序
リーン生産方式とは|7つのムダ・JIT・自働化と導入の順序
リーン生産方式とは、トヨタ生産方式を米国で体系化した、あらゆるムダを排除して価値の流れを速く・安く・高品質に整える生産の考え方です。中核にあるのは「7つのムダ」の排除であり、それを支える二本柱が「ジャストインタイム(JIT)」と「自働化」です。
この記事でわかること
- リーン生産方式の定義と、名称が生まれた歴史(クラフチック/ウォマック・MITの調査)
- 中核概念である7つのムダ・JIT・自働化の中身
- リーン生産方式のメリットとデメリット
- 「形だけの導入」が失敗する理由と、中小製造業向けの導入順序
- リーンの土台なしにAIを乗せるとどうなるか(AIとの正しい組み合わせ方)
リーン生産方式とは何を指すのか
リーン生産方式は、トヨタ自動車が確立したトヨタ生産方式(TPS)を、米国の研究者が「lean(無駄がなく引き締まった)」という言葉で体系化・一般名詞化したものです。目的は一貫して、顧客が対価を払う「価値」に直接つながらない工程・在庫・動作をムダとして特定し、取り除くことにあります。
名称の由来には明確な出典があります。「リーン(lean)」という語を最初に用いたのは、マサチューセッツ工科大学(MIT)の国際自動車プログラム(IMVP)に在籍していた研究者ジョン・クラフチックで、1988年の論文「Triumph of the Lean Production System」(Sloan Management Review誌)が起点です。その後1990年、ジェームズ・ウォマック、ダニエル・ジョーンズ、ダニエル・ルースの3氏が、MIT IMVPによる5年間・14カ国にわたる自動車産業調査をまとめた著書『The Machine That Changed the World(邦題:リーン生産方式が、世界の自動車産業をこう変える)』を刊行し、「リーン生産方式」という呼称を世界へ広めました。日本発の生産思想が、米国の学術調査を通じて世界共通の枠組みになった、という成り立ちです。
この背景から、リーンは単なる現場改善の道具ではなく、「価値の流れ全体からムダを取り除き続ける」という経営思想として位置づけられます。以降で、その中核をなす3つの概念を順に見ていきます。
7つのムダとは何か
リーンの出発点は、排除すべき対象を明確に分類することにあります。トヨタ生産方式で整理された「7つのムダ」がその基準です。ムダを感覚で語るのではなく、7つの型に当てはめて特定できるようにした点に、この分類の実務的な価値があります。
つくりすぎ
需要を超える生産。最も重いムダとされる
手待ち
材料・前工程・指示を待つ時間
運搬
不必要な物の移動・積み替え
加工そのもの
価値を生まない過剰な加工
在庫
過剰な仕掛品・完成品の保有
動作
探す・かがむなど不要な人の動き
不良・手直し
不良品の発生とその修正
7つの中でも「つくりすぎのムダ」が最も重いとされます。つくりすぎは在庫・運搬・手待ちといった他のムダを次々に生み、その上「作業が進んでいる」ように見えるため発見が遅れるからです。7つのムダは、次に述べる二本柱によって排除されます。
リーンの5原則と3M(ムダ・ムラ・ムリ)
リーン生産方式は、次の5原則を順にたどると体系的に進められます。①価値(顧客にとっての価値を定義する)②価値の流れ(その価値を生む工程の流れを洗い出す)③フロー(流れを止めずよどみなく流す)④プル(後工程が必要な分だけ引き取る=つくりすぎない)⑤完璧(改善を繰り返し完璧を目指す)。この順で見ると、どこから手を付けるかが定まります。
あわせて押さえたいのが3M、すなわちムダ・ムラ・ムリです。7つのムダの「ムダ」に加え、仕事量の波(ムラ)と、能力を超えた負荷(ムリ)も現場を乱します。ムラをならし(平準化)、ムリを取り除くことが、ムダの発生そのものを抑えます。ムダだけを追うのではなく、その手前のムラ・ムリに目を向けるのが、リーンを表面的な模倣で終わらせないための要点です。
ジャストインタイム(JIT)はどう機能するのか
ジャストインタイム(JIT)は、リーンの一本目の柱です。トヨタは公式に、JITを「必要なものを、必要な時に、必要な量だけ」つくり、全工程を継続した流れとして同期させる考え方と説明しています。つくりすぎと在庫のムダを、仕組みそのもので抑え込む発想です。
JITを現場で成立させる代表的な手段が、後工程引取り・かんばん方式・平準化生産です。後工程が使った分だけ前工程が補充することで、指示待ちや過剰生産が起きにくくなります。ただしJITは在庫という緩衝材を薄くする仕組みでもあり、需要の急変や工程トラブルに対して弱くなる側面を併せ持ちます。だからこそ、後述する自働化による品質の作り込みと、平準化による負荷の均しが前提条件になります。
自働化はなぜ品質を作り込めるのか
自働化(じどうか)は、リーンの二本目の柱です。単なる自動化ではなく「ニンベンの付いた自働化」と表現され、トヨタは公式に「人間の知恵を付与した自動化(automation with a human touch)」と説明しています。中身は、異常が起きたら機械が自動で検知して止まり、不良品を後工程へ流さず、人に異常を知らせる、という仕組みです。
自働化の狙いは2つあります。1つは、不良を工程内で止め、品質を「検査で見つける」から「作り込む」へ転換すること。もう1つは、機械が正常に動く間は人が見張り続ける必要をなくし、人を付加価値の高い仕事に振り向けることです。異常を自動で検知して即座に止めるというこの思想は、現代のIoTセンサーやAIによる異常検知の源流にあたります。リーンとAIが技術的に地続きである理由は、ここにあります。
リーン生産方式のメリット・デメリットは何か
リーン生産方式は万能の処方箋ではありません。効果と副作用の両面を把握したうえで、自社の生産形態に合うかを判断することが導入の前提になります。
| 観点 | メリット | デメリット・注意点 |
|---|---|---|
| 在庫・資金 | 在庫を圧縮し、運転資金と保管スペースを解放できる | 在庫の緩衝が薄くなり、欠品・供給停止のリスクが上がる |
| 品質 | 自働化で不良を工程内に封じ込め、後工程への流出を防ぐ | 仕組みの整備前に在庫だけ削ると、トラブルが即ラインを止める |
| リードタイム | 流れを同期させ、受注から出荷までの時間を短縮できる | 需要変動が大きい多品種少量では平準化が難しい |
| 人・組織 | 現場主体のカイゼン文化が育ち、改善が継続する | 定着まで数年を要し、トップダウンの押し付けでは形骸化する |
| 適用範囲 | 製造以外(開発・物流・医療・サービス)へも応用が利く | 量産前提の手法を無理に当てはめると逆効果になる場合がある |
要点は、リーンのメリットは「仕組み(自働化・平準化・カイゼン)とセットで初めて成立する」という点です。仕組みを飛ばして在庫圧縮という結果だけを急ぐと、デメリット側だけが表面化します。
なぜ「形だけの導入」は失敗するのか
リーン導入がうまくいかない現場には、共通した型があります。
- 道具だけを真似る:かんばん・5S・アンドンを表面的に導入したが、「なぜやるか」の思想が伴わず、運用が続かない。
- トップダウンで押し付ける:現場の創意工夫を引き出せず、指示された作業として形だけ残る。
- 数値目標だけを追う:在庫削減の数字を急ぎ、緩衝の仕組みがないまま在庫を削って欠品が多発する。
- 継続しない:導入直後は熱心でも、旗振り役が離れると元へ戻る。
- 生産形態に合わない:量産を前提とした手法を、多品種少量の現場へそのまま当てはめて逆効果になる。
裏返せば、定着する現場の共通点は「思想を理解したうえで、自社の業種・規模・文化に合わせて翻訳している」ことに集約されます。リーンは教科書の写経ではなく、数年がかりの組織文化の変革として扱う対象です。この「思想が先、道具は後」という順序は、次に述べるAIとの関係でも同じ構造で効いてきます。
リーンの土台なしにAIを乗せるとどうなるか
近年はIoTやAIでデータ収集が容易になり、リーンの「事実に基づく管理」「カイゼン」「異常検知」をデータ駆動で実装しやすくなりました。この文脈で、リーンとAIの関係を正確に押さえておく必要があります。結論は明快で、リーンは思想、AIは道具です。両者は代替関係ではなく、土台と上物の関係にあります。
問題は、土台であるムダ取りを飛ばしてAIを乗せた場合に起こります。AIは、与えられた工程を速く・上手にこなす道具です。したがって、その工程自体がムダを含んでいれば、AIは「ムダを含んだ処理」を高速化・自動化することになります。たとえば、本来なくせるはずの運搬工程をAIで最適化しても、なくすべき移動を効率よく続けるだけです。つくりすぎている生産ラインにAI需要予測を接続すれば、過剰生産を精緻に後押しするおそれがあります。この状態では、AIが最適化している対象そのものがムダを含んでいるため、いくら精度を上げても全体の産出は変わらず、初期費用と運用費用だけが積み上がります。
これは、AIの性能ではなく前段の設計の問題です。突き詰めると「そもそも業務フローがムダを含んでいる」だけで、フローを直せばAIが要らなくなるケースも少なくありません。まず確認したいのは「これはAI以前の問題ではないか」であり、業務フローを見直したうえで、それでも必要な箇所にAIを当てる、という順序が筋の良い進め方になります。リーンでムダを取り、価値の流れを整えてからAIを乗せる。この順序を守ると、AIは最適化すべき正しい対象に向かい、投資が経営数字につながります。
中小製造業はどの順序で始めればよいか
リーンとAIを組み合わせる場合、中小製造業では次の順序が現実的です。前段のリーンでムダを取り、データが意味を持つ状態を作ってからAIへ進みます。
5Sの徹底
整理・整頓・清掃・清潔・しつけで土台を作る
可視化
かんばん・アンドンで状態を見える化する
改善活動
1ライン1テーマのカイゼンを週次で回す
JIT化
在庫を段階的に圧縮し流れを同期させる
AI連携
データが整った工程にAIを乗せる
5Sの徹底
整理・整頓・清掃・清潔・しつけで土台を作る
可視化
かんばん・アンドンで状態を見える化する
改善活動
1ライン1テーマのカイゼンを週次で回す
JIT化
在庫を段階的に圧縮し流れを同期させる
AI連携
データが整った工程にAIを乗せる
Step 1〜3はAIなしで実施できます。ここで「見えるムダ」を取り切ると、どの工程が全体の流れを詰まらせているかがデータとして浮かび上がり、AIを当てる対象を正しく選べます。AIとリーンの具体的な組み合わせ場面は、IoTで在庫・待ち時間・運搬を見える化する7つのムダの可視化、需要予測と安全在庫を最適化するJITの高度化、画像認識で品質異常を検知する自働化の拡張、の3方向です。いずれも、リーンで流れを整えた「後」に乗せることで効果が出ます。
全社一斉のリーン導入は失敗確率が高いため、1ライン1テーマで小さく始めて成功事例を作り、横展開する進め方が堅実です。最初の3ヶ月は5Sを「やったことにする」のをやめて整理・整頓まで完成させ、並行して1テーマのカイゼンを週次で回す。この2点が定着してから、可視化・JIT・AIへ広げます。
よくある質問
Q1. リーン生産方式とトヨタ生産方式(TPS)は何が違うのか
中身はほぼ同じです。トヨタが確立した生産方式がTPSで、それをMITの研究者が世界向けに「リーン生産方式」として体系化・一般名詞化しました。思想は共通で、呼び方と整理の枠組みが異なる関係です。
Q2. なぜ「リーン(lean)」という英語名なのか
日本発のトヨタ生産方式を、米国MITの国際自動車プログラムに関わった研究者が「無駄がなく引き締まった」という意味の「lean」で表現したためです。1988年のクラフチックの論文が名称の起点で、1990年の著書『The Machine That Changed the World』で世界へ広まりました。
Q3. 7つのムダのうち、どれから手を付けるべきか
まず「つくりすぎのムダ」を疑うのが定石です。つくりすぎは在庫・運搬・手待ちを連鎖的に生む一方、稼働しているように見えて発見が遅れます。ここを抑えると、他のムダも連動して減ります。
Q4. 中小製造業に大規模なリーン導入は重い。軽量版はあるか
5Sと1〜2個のかんばんから始めるのが現実解です。全社一斉ではなく、1ライン1テーマで小さく始めて成功事例を作り、横展開します。数年がかりの取り組みとして経営層が位置づけることが定着の前提です。
Q5. リーンはAIに置き換えられるのか
置き換えにはなりません。リーンは価値の流れからムダを取り除く思想であり、AIはそれを実装する道具です。土台であるムダ取りを飛ばしてAIを乗せると、ムダを含んだ工程を高速化するだけになり、費用だけが積み上がります。
Q6. 多品種少量生産でもリーンは有効か
有効ですが、そのまま当てはめると難しさが出ます。量産を前提としたJITや平準化は多品種少量では成立しにくいため、5S・可視化・カイゼンといった土台部分から取り入れ、段取り替えの短縮など自社の制約に合わせて翻訳することが現実的です。
出典
- Toyota Production System|Toyota Motor Corporation 公式サイト(ジャストインタイム・自働化の二本柱の定義)
- The Machine That Changed the World(書籍)|Wikipedia(1990年刊、MIT IMVP調査、ウォマック・ジョーンズ・ルース著)
- Lean manufacturing|Wikipedia(クラフチックによる1988年の名称の起点を含む歴史)
- The Machine That Changed the World|Lean Enterprise Institute(IMVP調査と著者情報)
関連記事
- 生産計画AIの全体像(このテーマのまとめ)
- 現場改善と5S(リーンの土台となる5Sの実践)
最後に
リーン生産方式は、7つのムダの排除を中核に、JITと自働化で価値の流れを整える生産思想です。AIはこの土台の上に乗せて初めて、正しい対象を最適化できます。逆に、ムダを含んだ工程へ先にAIを乗せると、費用だけがかさむ結果になります。
私たちDelight Flowは、製造現場のAI活用に専門特化した東大発のスタートアップです。「自社の工程のどこにムダがあり、どこからAIを当てるべきか整理したい」といったご相談があれば、初回相談(無料)でお話を伺います。

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