現場のIoTデータで「死の螺旋」を断つ――損失関数で管理会計の不条理を紐解く（第1回）

🌀　はじめに：配賦のパラドックスから抜け出すために

前回の記事では、製品開発の現場で感じる「配賦」への違和感から出発し、工場の稼働率が下がることで無関係な製品の原価まで跳ね上がる「死の螺旋（Death Spiral）」の構造について考察した。

物理的なリソース消費量は何も変わっていないにもかかわらず、固定費を製品に割り当てるという制度会計上のルールが、現場の実態を覆い隠し、時に組織の判断を誤らせる。この問題を解決するためには、既存のERPや全社の会計システムを否定するのではなく、現場のIoTデータと品質工学の知見を用いて、内部管理のための「新しい物差し」を作る必要があるのではないか。それが、私が「DSMA（Data-driven Strategic Management Accounting）」と呼んでいる思考実験の起点である。

本稿（前編）では、この新しい物差しを具体的な数理モデルとして定式化していく。
どんぶり勘定の配賦を排除し、現場のエンジニアがコントロールできる物理現象と、それに伴うキャッシュフローの変動だけを記述した「真の原価計算式」を構築するプロセスについて考えてみたい。

⚖️　オペレーションとファイナンスの分離

真の実態に即した原価を計算するために、まず整理しなければならないのが「コストの性質」である。特に、従来の原価計算において製品に重くのしかかっている「減価償却費」と「インフラ維持費」の扱いについて、視点を変える必要がある。

従来の全部原価計算では、製造装置の減価償却費を稼働時間や生産数で割り、製品ごとに配賦している。しかし、装置を購入した時点で、キャッシュ（現金）の流出はすでに過去のものとなっている。これは経済学でいうサンクコスト（埋没費用）だ。今日、その装置を1時間稼働させようが、1日中スタンバイ状態で止めていようが、現金の流出額は1円も変わらない。（1）
キャッシュが動いていない過去の数字を製品の原価に乗せてしまうからこそ、「ロットが小さいと赤字になる」という配賦のパラドックスが生まれる。したがって、日々のオペレーションにおける原価計算から、減価償却費は切り離して考えるべきではないか。

こう言うと、財務や経営企画の視点からは当然の反論が予想される。「減価償却費には『タックスシールド（節税効果）』がある。減価償却費に法人税率を掛けた分だけキャッシュの流出を防いでいるのだから、経営において無視するのは間違っている」という指摘だ。

これは極めて正しい。減価償却によるタックスシールドは、企業全体のフリーキャッシュフローを最大化する上で、投資回収計画に不可欠な要素である。
しかし、重要なのは「それはどのレイヤーで管理すべき指標なのか」ということだ。タックスシールドや投資の税務回収は「ファイナンス（全社の財務戦略）」の領域で管理すべきものであり、「日々のオペレーション（現場の製品ごとの限界利益の算出）」に混ぜ込むべきものではない。

「この製品を1ロット流すために、物理的にどれだけのキャッシュが飛んでいくか」という現場のオペレーションの物差しと、「過去の投資を税務的にどう回収するか」というファイナンスの物差し。これらを「製品原価」というひとつの指標に統合してしまうから、現場の改善努力が見えにくくなる。DSMAの思想は、この2つの領域を明確に分離することにある。減価償却費はファイナンスのダッシュボードに委ね、我々が管轄する現場の原価モデルからは除外する。

同様の理由で、クリーンルームの空調費や工場建屋の維持費といった「インフラコスト」も製品原価から除外する。これらは「その環境を維持してビジネスを行う」という経営レベルの固定費であり、特定の製品AやBの製造に直接起因するものではないからだ。

📐　DSMAの完全数理モデル：真の原価の算出

ファイナンス的な指標とインフラコストを分離した後、現場に残るのは何か。
それは「装置を動かし、製品を処理したことによって発生する、リアルな物理的損耗と未来のキャッシュアウト」だけである。

製品 $i$ が工程 $j$ を通過する際の真のコストを $TC_{ij}$ としたとき、それは極めてシンプルかつ厳密に定式化できる。以下の3つの項の和である。

$$TC_{ij} = \sum_{k} (g_{ijk} \cdot p_{ik}) + \Delta T_{ij} \cdot C_{tool_{ij}}(t) + k_{ij} \cdot MD_{ij}$$

それぞれの項が何を意味し、現場のエンジニアリングとどう結びついているのか、具体的に解剖していこう。

第1項：直接リソースの消費（活動代謝）

第一項の $\sum_{k} (g_{ijk} \cdot p_{ik})$ は、プロセス中に直接消費された物理的なリソースを意味する。
$g_{ijk}$ は製品 $i$ が工程 $j$ で消費したリソース $k$ の量（流量や使用量）であり、$p_{ik}$ はその単価である。

ここには、プロセス特有の特殊ガス、薬液、あるいはヒーターを昇温させるための追加電力などが含まれる。これは、製品が処理されたとき「だけ」追加で発生する活動代謝のようなものだ。
現代の工場であれば、これらの消費量はIoTメーターを通じて製品ごとにかなり正確に取得できる。現場のエンジニアがレシピを最適化し、無駄なパージ時間や過剰なガス流量を削減すれば、この第一項が下がり、製品の原価低減としてダイレクトに評価される。

第2項：占有時間分の物理的損耗（基礎代謝の純化）

第二項の $\Delta T_{ij} \cdot C_{tool_{ij}}(t)$ は、「製品$i$が装置$j$を占有した時間」に対するコストである。
$\Delta T_{ij}$ は製品 $i$ が装置 $j$ を占有する時間（スループットの逆数）。そして $C_{tool_{ij}}(t)$ は、装置が単位時間あたりに発生させる固有のコストレートである。

ここで注意すべきは、第2項の装置稼働レートが従来の $C_{tool_j}(t)$ ではなく、製品$i$ の添え字を持つ $C_{tool_{ij}}(t)$として定義されている点である。
前述の通り、ここには減価償却費やクリーンルーム維持費のような「時間が経てば勝手に発生する固定費」は一切入らない。入るのは、「稼働とプロセス負荷に連動して確実に進む物理的な損耗（リスクの増大）」だけである。
例えば、チャンバー内の特殊なヒーターやポンプが「標準的な稼働であれば10,000時間で100万円の交換が必要になる（＝1時間あたり100円の物理的損耗）」という基準寿命を持っていたとする。旧来の会計であれば、これを単なる一律のレートとして処理していた。 しかし現実の物理現象において、装置の劣化や突発故障リスクは、カレンダー通りに平坦に進行するわけではない。製品$i$が「1,000℃の過酷な熱処理」というレシピを要求した場合、その負荷に比例して装置の寿命は急激に削られ、1時間あたりのドカ停リスク（損耗レート）は平時の数倍に跳ね上がる。 したがって、$C_{tool_{ij}}(t)$ は一律のどんぶり勘定ではなく、「装置に過酷な負荷を強いる製品ほど、高い時間あたりリスクコスト（損耗費）を負担する」という動的な関数として、各製品の原価へピンポイントに直課されるのである。

このモデルの最大のポイントは、「製品が装置に流れていない時間のコスト」の扱いである。
従来の配賦では、工場の稼働率が下がった場合、空回りしている時間のコストも無理やり生産された少数の製品に上乗せしていた。
しかしこの数式では、$\Delta T_{ij}$ （実際に製品が占有した時間）しか掛け算されない。つまり、待機時間や段取り替え、あるいは故障で装置が止まっている時間に発生しているコストは、製品原価には1円もチャージされない。

では、チャージされなかった時間はどうなるのか。それは製品原価から隔離され、「キャパシティ未活用コスト（工場を遊ばせていることによる経営側の損失）」として可視化される。製品が負担すべきコストと、経営が負担すべき未稼働リスクを、数学的に完全に切り離すことができるのだ。（2）

第3項：未来の品質損失の金額化（MD値とkij）

ここまでの第一項と第二項は、言わば「目に見えるコスト」である。しかし、製造業の原価において真に恐ろしいのは、後から発覚する「目に見えないコスト」だ。これを数理モデルに組み込むのが、第三項の $k_{ij} \cdot MD_{ij}$ である。

ここでは、品質工学の「損失関数」を拡張して用いる。
通常、製品が公差内に入っていれば会計上の損失はゼロとして扱われる。しかし、センサー波形にわずかなブレが生じていた場合、それは将来の歩留まり低下や、市場に出た後の長期的な信頼性低下というリスクを確実に孕んでいる。

これを評価するために、単一のセンサー値ではなく、複数のセンサー値の相関の崩れを捉える「マハラノビス距離（MD値）」を用いる。
田口玄一氏の損失関数は「目標値からのズレの二乗」に比例して損失が増大するという理論（$L=k(y-m)^2$）だが、数学的に見れば、マハラノビス距離という指標そのものが、すでに多次元空間における「ズレの二乗」の性質を内包している。（3）

したがって、MD値をわざわざさらに二乗したり引き算したりする必要はない。出力された $MD_{ij}$ に対して、損失係数 $k_{ij}$ をシンプルに掛け合わせるだけで、バラツキによる潜在的なリスクをそのまま「金額」へとダイレクトに変換できるのだ。

ここで極めて重要なのが、係数が単なる一律の $k$ ではなく、工程 $j$ と製品 $i$ に依存する $k_{ij}$ であるという点だ。

半導体の製造プロセスを例にとると、工程による影響の違いは明らかだ。
例えば「リソグラフィ（露光）工程」でMD値が少しズレてパターン不良の兆候が出たとする。この場合、最悪でもレジストを剥離してもう一度塗り直す「リワーク」でリカバリーできることが多い。やり直しの材料費と時間コストで済むため、損失額のスケールは比較的小さく、係数 $k$ も小さくなる。

一方で、「エッチング工程」や「イオン注入工程」でプラズマの波形がズレてウェハにダメージを与えた場合、物理的な不可逆性により、製品は一発で「スクラップ（廃棄）」となる。これまでの工程で積み上げてきた莫大なコストが全て無に帰すため、この工程の係数 $k$ は跳ね上がる。

さらに、製品 $i$ による違いもある。
同じエッチング工程のスクラップであっても、それが利益率の低い汎用製品なのか、それとも1枚で莫大な利益を生むハイエンド製品なのかで、会社が被るキャッシュアウトの重みは全く異なる。

この $k_{ij}$ という変数を導入することは、単なる原価計算の精緻化にとどまらない。「戦略的な投資判断の物差し」を得ることを意味する。
工場に無数にある装置のうち、どこに優先して高精度なIoTセンサーを追加すべきか。どこに優秀なデータサイエンティストを配置すべきか。これまでは経験や勘に頼りがちだった判断が、「$k_{ij}$ が最も大きい工程と製品の組み合わせ（少しの波形のズレが莫大な損害に直結する急所）」という数学的な根拠をもって導き出せるようになるのだ。

🌉　結び：数式と組織の境界線

減価償却費やインフラコストといったファイナンスの要素を排除し、IoTで計測可能なリソース消費と、部品の物理的損耗、そしてMD値による未来の品質リスク。これらすべてを「キャッシュの流出」という単一のベクトルで揃えたのが、$TC_{ij}$ という数理モデルである。

このモデルを用いれば、現場のエンジニアがサイクルタイムを1秒縮めることや、波形のバラツキを抑え込むという日々の改善が、いかにして製品の真の限界利益を高め、キャッシュフローに貢献しているかが透明化される。

理論としての「経営のデジタルツイン」の数式は、これで形になったと言えるだろう。
しかし、どれほど緻密で正しい数理モデルを構築しても、それだけで工場が良くなるわけではない。なぜなら、そのシステムを運用するのは、複雑な感情と組織のルールの中で動く「人間」だからだ。

もし、この新しい数式が弾き出した「見えない品質損失」を、経営側が単なる「減点材料」として使い、現場を責めるための裁判官にしてしまえばどうなるか。現場は自己防衛のためにデータの取得を避け、再び見えないように隠蔽工作を始めるだろう。システムは人間によって容易に腐敗する。（4）

正しい数理モデル（ハード）を機能させるためには、それを運用する人間に対する「知的なインセンティブ設計（ソフト）」が必要不可欠である。
次回の後編では、このDSMAの数式を使っている工場で「未知の大量不良」が起きたという思考実験を通じて、人間の減点主義という心理をどう乗り越え、失敗を組織の「無形資産」へと反転させるか。そのための新しいオペレーションとルールの設計について論じてみたい。

📗　参考文献

※この記事にはAmazonアソシエイトリンクが含まれています

（1）　相馬 裕晃 (著) ：なるほど、そうか！ 儲かる経営の方程式 ＭＱ会計×ＴＯＣで会社が劇的に変わる　ダイヤモンド社　2019

（2）　冨岡 萬守 (著), 栗原 治夫 (著) ：実践スル-プット会計: 将来にわたって企業が利益を出し続ける　日本能率協会マネジメントセンター　2003

（3）　田口 玄一 (著), 横山 巽子 (著) ：ベ-シックオンライン品質工学　日本規格協会　2009

（4）　ジェリー・Z・ミュラー (著), 松本 裕 (翻訳) ：測りすぎ――なぜパフォーマンス評価は失敗するのか?　みすず書房　2019

🎁　おまけ

本記事を動画にしたものは、以下のリンクで視聴できます。よろしければ、ご視聴ください。