製造業でPythonは何に使えるのか｜現場7年間で実際に使った5つの使い道

製造管理
製造管理

「製造業でPythonって、本当に使える場面あるの？」

と思っていませんか。

プログラミングの勉強を始めてみたはいいけれど、

「自分の仕事に活かせるイメージが湧かない」

という人は多いです。特に製造業や工場の事務系職種だと、「エンジニアじゃないし…」と感じやすいですよね。

私は生産管理を7年担当しながらプログラミングを独学しPythonを活用。実際に現場業務で使えるツールをいくつも作ってきました。この記事では、製造業でPythonが実際に何に使えるのかを、体験をもとに具体的に書きます。

「勉強したはいいけど、何に使えばいいかわからない」という人が、この記事を読み終えたときに「これ、自分でもできそう！」と思えることを目指します。

結論：製造業のPythonは「反復作業の撲滅」に使う

製造業でPythonが最も力を発揮するのは、毎月・毎週・毎日繰り返している手作業です。

計算・集計・ファイル操作・レポート作成——これらは全部Pythonで自動化できます。特別な知識は不要で、ChatGPTにコードを出してもらって少し修正するだけで現場で動くものが作れます。

私が生産管理時代に一番時間を奪われていたのが、工程管理でした。各部門から届く納期依頼を、

  • Excelファイルを一つひとつ開く
  • 基幹システムのデータを貼り付ける
  • 別シートに転記して一覧表を作って共有

これが毎月３時間かかっていました。
Pythonで自動化したあとは15分で終わるようになりました。

製造業でPythonが使える5つの場面

使い道は大きく5つです。

  • ① 生産実績の自動集計
  • ② 在庫・発注管理の自動化
  • ③ 品質データの分析・検索
  • ④ レポート・帳票の自動作成
  • ⑤ 計算ツールのWeb化
  • ⑥ 生産計画の共有

それぞれ詳しくみていきましょう。

① 生産実績の自動集計｜月１０時間→15分になった話

製造業の集計業務は、Pythonで一番効果が出やすい場面です。

各ラインや部署のExcelファイルを一枚に統合して集計する——これが手作業だと毎月1日がかりになるケースがあります。私のいた工場でも、月次の生産報告書を作るのに担当者が丸2日使っていました。

Pythonのライブラリ`openpyxl` や `pandas` を使えば、フォルダ内の全Excelを読み込んで縦結合・集計・グラフ出力まで一気にできます。

import pandas as pd
import glob

# フォルダ内のExcelをすべて読み込む
files = glob.glob(r"C:\生産実績\2026年3月\*.xlsx")
df_list = [pd.read_excel(f) for f in files]
df_all = pd.concat(df_list, ignore_index=True)

# ライン別集計
summary = df_all.groupby("ライン名")["生産数"].sum().reset_index()
summary.to_excel("月次集計結果.xlsx", index=False)
print("集計完了:", len(files), "ファイルを処理しました")

このコードを毎月実行するだけで、集計は終わりです。Excelを一つひとつ開く必要はありません。

② 在庫・発注管理の自動化｜「発注忘れ」がなくなる仕組み

在庫の閾値チェックと発注アラートは、Pythonで完全自動化できます。

「在庫が少ないのに気づかず欠品した」という経験はありませんか。手作業でExcelを確認する方法だと、確認タイミングによってはギリギリになるケースがあります。

Pythonを使えば、在庫データCSVを毎朝自動で読み込んで、発注点を下回った品目だけをメールで通知する仕組みが作れます。

import pandas as pd

df = pd.read_csv("在庫管理.csv", encoding="utf-8-sig")
# 発注点以下の品目を抽出
low_stock = df[df["在庫数"] <= df["発注点"]]

if len(low_stock) > 0:
    print(f"【要発注】{len(low_stock)}品目が発注点以下です")
    print(low_stock[["品番", "品名", "在庫数", "発注点"]].to_string(index=False))
else:
    print("在庫は問題ありません")

私がいた部署では、月に1〜2回は「気づいたら在庫が0になっていた」という問題が起きていました。このスクリプトをWindowsタスクスケジューラで毎朝8時に実行するようにしてから、欠品ゼロが続いています。

③ 品質データの分析｜手作業では気づけないトレンドが見える

Pythonのグラフ機能を使えば、品質データの傾向を視覚化できます。

ロット別の不良率、ライン別の傾向、月次の推移——これをExcelでグラフ化しようとすると、毎回セルを選んでグラフウィザードを動かす手間が発生します。Pythonなら、データを読み込んだらグラフ生成まで自動です。

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib

matplotlib.rc('font', family='Meiryo')

df = pd.read_csv("品質データ.csv", encoding="utf-8-sig")
df["年月"] = pd.to_datetime(df["検査日"]).dt.to_period("M").astype(str)

# 月別不良率の集計
monthly = df.groupby("年月").agg(
    検査数=("検査数", "sum"),
    不良数=("不良数", "sum")
).reset_index()
monthly["不良率"] = monthly["不良数"] / monthly["検査数"] * 100

plt.figure(figsize=(10, 4))
plt.bar(monthly["年月"], monthly["不良率"])
plt.title("月別不良率推移")
plt.ylabel("不良率 (%)")
plt.xticks(rotation=45)
plt.tight_layout()
plt.savefig("不良率推移.png", dpi=150)
print("グラフを保存しました")

手作業では「今月の数値だけ見て終わり」になりがちですが、グラフ化すると「3月から徐々に上がってきている」という傾向が一目でわかります。問題を早期に発見できるのが大きいです。

④ レポート・帳票の自動作成｜月末の残業がなくなる

月次報告書・週次レポートは、データが揃ったら自動生成できます。

「毎月末にExcelを埋めて、PDFに変換して、メールで送る」という業務は全部Pythonにやらせられます。

私が一番感動した使い道がこれです。月次レポートを作るために毎月末に2時間残業していたのが、スクリプトを実行するだけで10分以内に完成するようになりました。

from openpyxl import load_workbook
import subprocess

# テンプレートExcelを読み込む
wb = load_workbook("月次報告書_テンプレ.xlsx")
ws = wb.active

# 自動で数値を埋める
ws["C3"] = 15420   # 今月の生産数
ws["C4"] = 14        # 不良件数
ws["C5"] = 0.09   # 不良率（%）

wb.save("月次報告書_2026年3月.xlsx")

# ExcelをPDFに変換（LibreOffice使用）
subprocess.run([
    "soffice", "--headless", "--convert-to", "pdf",
    "月次報告書_2026年3月.xlsx"
])
print("レポート生成完了")

⑤ 計算ツールのWeb化｜ExcelをURLに変える

現場の計算式をWebアプリにして、全員が使える状態にできます。

これが私にとって一番インパクトのある使い道でした。フィルムパッケージの製造現場では、重量計算・巻き径計算・面積計算など、毎日使う計算式がExcelに散らばっていました。

「どのファイルが最新版？」「これって誰が作った式？」という混乱が続いていたため、計算式をWebアプリにして全員が同じものを使えるようにしたのが filmtools.jp を作ったきっかけです。

最初はPythonのFlaskやStreamlitでWebアプリを作っていましたが、今はJavaScriptとVue.jsを使っています。Pythonでの計算ロジックをWebに移植する流れで、技術をステップアップさせていきました。

Streamlitを使えば、Pythonだけでブラウザで動くWebツールが作れます。

import streamlit as st

st.title("フィルム重量計算ツール")

area = st.number_input("面積（㎡）", min_value=0.0, step=0.1)
thickness = st.number_input("厚み（μm）", min_value=0.0, step=1.0)
density = st.number_input("比重", min_value=0.0, value=1.4, step=0.01)

if st.button("計算"):
    weight = area * (thickness / 1_000_000) * density * 1000
    st.success(f"重量：{weight:.3f} kg")

`streamlit run app.py` で起動するだけで、ブラウザで動くツールが完成します。これを社内サーバーや無料のクラウドに置けば、URLを共有するだけで全員が使えます。

⑥ 生産計画の共有

営業部からの生産計画の問い合わせを、窓口が受けて工程管理に電話、メールで連絡・・・していました。問題だったのは、窓口の人に頼り切りだったことです。共有もされていませんでした。今考えると恐ろしい限りです。

これをWebアプリ化しました。

問い合わせをWebから登録してもらうことで、誰でも・どこからでも進捗が管理できるようにしました。

これで窓口の人の負担が軽減され、情報共有もバッチリになり問い合わせが月１０００件（笑）から５００件まで減りました。（強い成果が感じられないかもですが、いまは生産計画が不透明という根本問題に着手しています。）

このWebアプリには、基幹システムのデータもリアルタイムで反映したかったので、本格的な技術を使いました。社内サーバーにデータベースをたてて、Vue.js、Playframeworkなどを使いました。

いまではChatGPTに聞けばすぐできますね。良い時代です。

製造業でPythonを使うためのハードル別整理

ハードル対応方法
コードが書けないChatGPTに仕様を伝えれば出てくる。書かなくてよい
インストールが難しいGoogle ColabならPCに何もインストール不要
会社PCで動かせないまずColabで確認、本番はタスクスケジューラへ移植
エラーが怖いエラー文をそのままChatGPTに貼れば解決策が出る
何から作ればいいかわからない「毎月手作業で一番時間がかかっている作業」から始める

製造業でPythonを始める最短ルート

Pythonをゼロから学んで製造業の業務に使うまでの流れは3段階です。

第1段階：Google ColabとChatGPTで試す（1週間）

「やってみる」に最適です。

インストールなし。ブラウザだけで動く。
ChatGPTにコードを出してもらい、Colabで動かす体験をする。

第2段階：自分の業務に合ったツールを1本作る（1ヶ月）

毎月手作業でやっている集計や転記を1本自動化してみる。
完成したときの「あ、本当に動いた」という感覚が次のモチベーションになります。

第3段階：Windowsタスクスケジューラで定期実行化する（追加1週間）

作ったツールを「毎月1日 9:00に自動実行」するように設定すれば、本当に何もしなくても結果が出てくる状態になります。

このステップを踏めば、Pythonを「勉強したもの」ではなく「実際に仕事で動いているもの」にできます。体験が先です。体験なしに教材を読み続けても途中で止まります。

まとめ

  • 製造業でPythonを使う場面は5つ：実績集計・在庫管理・品質分析・帳票作成・計算ツールWeb化
  • 一番効果が出やすいのは「毎月繰り返している集計業務の自動化」
  • コードは書けなくてよい。ChatGPTに仕様を渡せば動くものが出てくる
  • まずGoogle Colabで1本動かしてみるのが最短ルート
  • 「計算式をURLにする」発想が、製造業の情報共有問題を解決する

現場の計算ツールが実際にどんなものになるか見てみたい方は、filmtools.jp を見てみてください。製造業向けの計算ツールを無料で公開しています。

業界特有ですが、フィルムの重量計算・巻き径計算・単位換算など、実際に現場で使うものを揃えています。

Pythonを学ぶなら、「業務改善」という目的を先に決めておくと学習が続きます。目的のない勉強は2週間で止まりますが、「自分の職場の集計作業を自動化する」という目標があると、エラーが出ても諦めずに調べ続けられます。

→ 製造業・非エンジニア向けPython学習の始め方

製造業でPythonが使える人材は、まだ圧倒的に少ないです。転職市場でも「業務改善ができる非エンジニア」は需要があります。今の職場でスキルを積むのも正解ですし、スキルをもって転職するのも正解です。どちらにせよ、Pythonを知っていることは必ず武器になります。

スポンサーリンク