BIツールを導入したのに現場データが取り込めない。需要予測AIを入れようとしたら学習データが使えなかった——製造業のDX推進担当者からよく聞かれる悩みです。製造業のデータ品質問題は、一般的なクレンジングの教科書では取り上げられない固有の複雑さがあります。品番体系・BOM（部品表）・工程実績データは、製造業特有の設計思想と業務慣行に深く根ざしているためです。
本記事では、製造業において「データが使えない」状態を引き起こす4つの典型的な問題パターンと、それぞれの実務的な対処方法を解説します。汎用的なデータ品質改善の手順ではなく、製造業固有の観点で整理することで、自社の問題の根本原因を特定する手がかりを提供します。
製造業データ品質問題① 品番体系の複雑さと不統一
製造業で代表的なデータ品質問題の一つが、品番（品目コード）体系の複雑さと部門間の不統一です。製品ラインナップが増えるたびに品番の命名ルールが変わる、事業部ごとに独自の品番体系を使っている、子会社・仕入先と自社で品番体系が異なる——こうした状況が積み重なると、「同じ部品が複数の品番で登録されている」「部品マスタに不要な品番が大量に蓄積している」という状態になります。
- 典型的な症状：部品表（BOM）で参照している品番がマスタに存在しない・廃番になったはずの品番が発注に使われている・同一部品が工場ごとに別の品番で管理されている
- 根本原因：品番の追加・廃止ルールが明文化されていない・品番を管理するマスタオーナーが不在・システム移行時にマッピングが不完全だった
- 対処の方向性：品番マスタのオーナー（管理責任者）を設置し、追加・廃止の申請フローを整備します。既存品番の棚卸しで重複・廃番・孤立コードを特定し、優先度をつけてクリーンアップします
製造業データ品質問題② 生産実績データの粒度・更新頻度の問題
生産実績データ（製造数量・歩留まり・工程ごとの完了時刻など）の品質は、生産計画や生産最適化にAIを使う際の精度に影響します。なお需要予測の精度は、生産実績よりも受注・販売・在庫データの品質に左右されます。製造現場では、設備から自動で取れるデータと、日次・週次で集計・連携されるデータが混在することがあり、また入力の粒度（工程単位か製品単位かライン単位か）が部門・工場によって異なる場合があります。
- 典型的な症状：工場Aでは工程別の実績データがあるが工場Bでは日次合計しかない・投入数と完成数が合わない・実績データと出荷データで単位が違う（個数vsケース数）
- 根本原因：現場ごとの入力方法が統一されていない・PLC（設備を制御する装置）や設備から取れるデータと、基幹システムとの連携が自動化されていない・手入力による集計ミスが蓄積している
- 対処の方向性：まずAI・BI活用で必要なデータの粒度・頻度・形式要件を明確にし、現状との差分を把握します。全工場を一度に変えるのではなく、活用予定のデータ範囲から段階的に整備します
製造業データ品質問題③ 仕様書・図面データと実績データの乖離
設計図面・仕様書のデータと、実際の製造実績や在庫データとの間に乖離が生じるのも製造業特有の問題です。設計変更が図面には反映されているが基幹システムの品番マスタや仕様書DBには反映されていない、あるいは現場側で先行して変更が行われ、正式な設計情報への反映が遅れる、という状況が発生します。
- 典型的な症状：設計部門が持つ部品表（E-BOM）と製造部門が使う部品表（M-BOM）の内容が一致しない・図面バージョンと基幹システムのデータバージョンが不一致・設計変更のたびに複数システムを手動で更新する作業が発生している
- 根本原因：設計変更フロー（ECO/ECN）と基幹システムの更新が連動していない・変更管理のプロセスがExcelやメールで属人化している
- 対処の方向性：設計変更の承認→基幹システム反映→周知の一連のフローを整備し、変更管理の自動連携（PLM-ERPの連携等）を検討します。まず変更が多いカテゴリから手順を標準化します
製造業データ品質問題④ 仕入先・取引先コードの不統一
仕入先・外注先・顧客の管理コードが部門・システム・事業所ごとに異なることも製造業でよく見られる問題です。購買部門は購買システムの仕入先コードを、経理部門は会計システムの支払先コードを使い、その対応関係が管理されていないため、仕入先別のコスト分析やサプライチェーンのトレーサビリティが実現できません。
- 典型的な症状：仕入先別の調達コスト集計がシステムをまたいで手作業になる・同一仕入先が購買・経理・品質管理の各システムで別の名称・コードで登録されている
- 根本原因：各システムのコード体系と、その対応関係を管理するルールや責任者が決まっていない・既存システムへの変更コストが大きく統一が先送りになっている
- 対処の方向性：まず仕入先マスタの対応関係テーブル（どの社内コードが同一仕入先かを示すマッピング表）を作成します。完全統合を目標としつつ、まずはこのマッピングを使って横断集計を実現するところから始めます
製造業のデータ品質改善：着手の優先順位
製造業のデータ品質問題は広範囲に渡るため、すべてを同時に解決しようとすると費用・工数が膨大になります。着手の優先順位は「BI・AIで達成したい目的と、そのために最低限必要なデータは何か」から逆算することで決まります。
- 需要予測・在庫最適化が目的：生産実績・受注・在庫データの粒度・整合性を優先して整備します
- コスト分析・収益管理が目的：品番マスタと仕入先コードの統一が最初の課題になります
- 品質管理（QC）・トレーサビリティが目的：ロット・シリアル番号の追跡可能性と工程実績の正確性を優先します
BI・AIの目的から逆算して整備の順番を決める
※ 左から順に考えると整備範囲が広がりすぎます。右端の「最初の一歩」から着手します
この考え方が効くのは、製造業では「整備したいデータ」を列挙すると必ず全社の全システムに広がってしまうからです。品番・BOM・工程実績・仕入先コードはどれも他とつながっており、どこから手をつけても「その前にこれを直さないと」という話になります。目的から逆算すると、同じ品番マスタでも「コスト分析に必要な範囲」と「トレーサビリティに必要な範囲」は違うため、着手範囲を現実的な大きさに切れます。
製造業のデータ品質改善で陥りやすい失敗パターン
製造業の特殊性を十分に理解しないまま汎用的なデータクレンジングツールを導入しても、品番体系の問題や設計変更の管理不備は解決しません。ツール導入だけでは解決しにくいため、「整備すべき範囲の優先順位」と「業務プロセスの見直し」を並行して検討することが重要です。
もう一つよく見られる失敗が「IT部門だけで完結しようとする」ことです。品番マスタのオーナー設定や設計変更フローの見直しは、製造・調達・設計・IT部門が共同で取り組む必要があります。横断的な体制づくりを並行させることが、製造業のデータ品質改善を成功させる鍵です。
よくある質問
品番体系の統一は、既存の品番をすべて振り直す必要がありますか？
多くの場合は必要ありません。既存システムの品番をそのまま残し、システム間の対応関係を管理する変換表を用意する方法から始められます。全社で品番を振り直すのは、基幹システムの刷新など大きな節目に限られます。まず、どのシステムがどの情報の管理責任を持つのか、そしてシステム間のコード対応をどう管理するのかを決めることが先で、振り直しはその後の選択肢の一つです。考え方はマスタデータの分類設計でトラブルを防ぐ考え方で扱っています。
データ整備はIT部門が主導すべきですか、現場が主導すべきですか？
どちらか一方では進みません。品番の追加・廃止ルールや設計変更の反映フローは業務プロセスそのものなので、製造・調達・設計の各部門が決める必要があります。一方でシステム間の連携やマスタの統合はIT部門の領域です。実務では「どの値が正しいか」を業務部門が決め、それを仕組みに落とす作業をIT部門が担う分担が機能します。
まとめ
製造業のデータ品質問題は「汎用的なクレンジング手順を適用すれば解決する」ほど単純ではなく、品番体系・BOM・仕様変更管理・仕入先コードという製造業固有の業務構造への理解が不可欠です。問題の根本原因を正確に特定し、BI・AIの活用目的から逆算した優先順位で整備することが、費用対効果の高いアプローチです。製造業固有のデータ品質課題の診断・整備計画の策定については、BFT Insightにご相談ください。