AOIのROIおよび投資回収期間の算出方法

AOIのROIは、導入総コストを年間純利益で割ることで算出します。年間純利益とは、削減されたプログラミング工数、削減された再検査工数、未然に防いだ流出不良のコスト、回収された生産能力の合計から、年間のランニングコストを差し引いたものです。計算自体は1分で終わります。労力を要するのは入力値の算出です。コストの大半は人件費項目に潜んでいますが、これを正確に測定している工場は極めて少なく、ベンダー側は都合の良い見積もりを提示しがちだからです。

AOIのROI計算ツールは数多く出回っています。しかし、その大半は資料請求が必要なクローズドなもので、ベンダーが作成したものであり、すべての前提条件がベンダー主導で決められています。本記事はその逆を行きます。算出モデルの全貌を公開し、すべての入力項目を明示し、投資回収が成立しないケースを含む2つの試算例を徹底的に検証します。

当社はAOIシステムを販売していますが、結論を鵜呑みにせず、提示する計算式そのものを検証してください。以下に記載するすべてのDaoAIの数値はベンダー報告値として明記しています。サードパーティの数値には情報源と年度を付記しています。試算例の数値はすべて、貴社独自の値に置き換え可能な前提条件です。

AOIシステムの総所有コスト（TCO）の内訳

総コストとは、購入価格に導入設置費、年間保守費、ソフトウェアライセンス費、プログラミング工数、再検査工数、トレーニング費、設置フロア面積コストを加算し、比較対象となるすべてのシステムで同一の年数にわたって算出したものです。公表データによると、基本的な2D装置で約USD 3,200、高度な3DシステムではUSD 110,000を超え、導入費用はUSD 5,000から15,000の範囲です（AllPCB、2025年）。カタログ価格は最も早く確認できる数値ですが、最終的な採否を左右することはほとんどありません。

モデルには8つの項目を計上します。4項目は見積書に記載されますが、残りの4項目は記載されません。

多品種少量生産の工場において決定打となるのは後半の4項目ですが、これらは誰も提示してくれません。これはベンダーの怠慢ではなく、貴社の生産品種構成に完全に依存するため、サプライヤー側では把握できない数値だからです。

比較を正当なものにするためには、1つの明確な規律が必要です。既存のシステムと導入候補の双方について、すべての項目を同一の期間（通常は5年間）でカウントすることです。すでに所有している設備であっても、保守費、プログラミング工数、確認ステーションの人件費を消費し続けています。新規の見積もりを「架空のゼロコスト」と比較してしまうことこそ、投資効果が得られるはずの更新計画を見送ってしまう最大の原因です。

実際に計上できるコスト削減効果とは

厳密な精査に耐えうる削減項目は4つのみです。プログラミングおよび段取り替え工数、目視確認ステーションでの再検査工数、流出不良の回避コスト、回収された生産能力です。それ以外の項目は、詳細を追及すると消え去る傾向があります。判定基準は明快です。その金額がどの予算項目から削減され、その予算責任者が誰であるかを特定できない場合、財務部門はそれを削減として認めませんし、現場も認めるべきではありません。

このうち2項目には注意が必要です。回収された生産能力は、割り当てるべき実業務が存在する場合にのみ現実の利益となります。稼働率60%のラインで週に4時間の余裕を生み出しても、グラフの見た目が良くなるだけでキャッシュは1円も増えません。財務部門から指摘される前に、事業計画書の中でこの点を明記しておく必要があります。

もう1つは人員削減です。確認ステーションから解放されたオペレータが、本来新規採用を予定していた別業務に就くのであれば、その削減効果は本物であり、どの採用計画を中止したかを明記すべきです。その作業者の負担が単に軽くなっただけなら、それはキャッシュではなく「余力（キャパシティ）」です。どちらも価値はありますが、計算シート上では異なる行に計上しなければなりません。

誤検出（フォールスコール）のコストをどう数値化するか

確認ステーションの作業を1週間計測し、それを年換算します。年間の誤検出人件費は、1シフトあたりの誤検出件数 × 1件あたりの確認時間（分） ÷ 60 × 負荷人件費単価 × 1日のシフト数 × 年間稼働日数で算出されます。基本給ではなく、福利厚生や間接費を含む負荷人件費単価を使用してください。多くの工場はこの数値を算出したことがなく、そのため過去のAOI選定において常に見落とされてきました。

前提条件を設定した具体的な試算例：

• 1シフトあたり60枚の基板がNG判定され、確認の結果すべて良品であった場合
• 基板の取り出し、再判定、クリア処理に1枚あたり平均45秒
• 1シフトあたり45分、2シフト、年間稼働250日：年間375時間
• 時給USD 35の負荷人件費：1ラインあたり年間USD 13,125

この数値は、DaoAIが報告している再検査およびライン停止に伴う人件費（作業者1人あたり年間USD 15,000〜40,000）の下限近くに位置します（DaoAI報告値）。貴社の確認ステーションが上記前提よりも逼迫している場合（多品種少量ラインでは通常そのようになります）、相応に拡大します。シフトの半分が確認作業で占有されているステーションは、品質管理予算の中に隠蔽された6桁ドル規模の人件費の塊です。

回収可能な金額は、誤検出率が実際にどれだけ低下するかによって決まります。DaoAIでは、オペレータによるフィードバックを通じて誤検出を抑制し、検出精度は98%以上を維持します。基本ケースでは誤検出率の改善幅を控えめに見積もり、パイロットテストで実際の数値を検証してください。その基盤となるメカニズムや、特徴空間判定がピクセル比較と異なる挙動を示す理由については、AOIの誤検出が発生する根本原因と対策で詳しく解説しています。

流出不良の損害額をどう評価するか

流出不良とは、検査をすり抜けた真の不良を指します。自社の実績数値を用いて評価してください。代替品、輸送費、工数、管理処理費用を含む、現場返品1件あたりの完全負荷コストを算出し、過去12か月間に記録された流出件数を掛け合わせます。業界の経験則は存在しますが、貴社の保証記録は「証拠」であり、経験則は証拠ではありません。この項目はモデル内で最大の数値になりがちですが、最も立証が難しいため、メインの根拠ではなく感度分析として扱うべきです。

よく知られている指標として、品質コストの「1-10-100の法則」があります。不良予防にかかるコストを1とすると、工程内検知には10、顧客へ流出した後には100のコストがかかるというものです。これは測定された定数ではなく経験から導かれた経験則であり、誠実な情報源であればそのように説明します。桁数の規模感を議論するために使うものであり、設備投資申請の確定値を算出するために使うべきではありません。

規模の参考として、ASQが引用した調査では、一般的な製造業における品質不良コスト（COPQ）は年間売上高の5〜25%に達し、優秀な企業では2%未満に抑えられています。この範囲が広いのは、各社の現場の実態がそれだけ大きく異なるからです。

この項目を論理的に成立させるための2つの原則があります。推測による流出ではなく、RMA（返品保証）記録や顧客クレームから証明できる流出のみをカウントすること。そして、流出コストは独立した行に配置し、懐疑的なレビュー担当者がその行を削除しても投資回収が成り立つか確認できるようにすることです。最も根拠の薄い入力値を削除しただけで崩壊する事業計画は、そもそも事業計画とは言えません。

投資回収期間の計算方法

回収期間（年）は、導入総コストを年間純利益で割ることで求められます。年間純利益は、プログラミング削減額 ＋ 再検査削減額 ＋ 流出防止削減額 ＋ 回収生産能力の合計から、年間保守・ライセンス費を引いたものです。負荷の高い多品種少量ラインと、負荷の低いラインの2通りで試算すると、結果は「明らかな買い」から「明確な見送り」へと一変します。この感度こそが、本検証から得られる真の知見です。

試算表の前に、一般的なベンダーモデルに見られる1つの重大な誤りを修正しておきます。プログラミング工数の削減は新規プログラムにのみ適用され、すべての段取り替えに適用されるわけではありません。既存プログラムを呼び出すだけの段取り替えには、どのシステムであってもプログラミング工数は発生しません。ベンダーの計算ツールは、年間の総段取り替え回数にセットアップ短縮時間を掛けることが多く、リピート生産の割合に応じて効果を過大に見積もっています。総切り替え数ではなく、年間に追加される「新規品番数」をカウントしてください。

以下の両シナリオでは、新規ジョブ1件あたりの従来のプログラミング時間を3時間（一般的な3〜5時間の範囲の下限）とし、オペレータによる所要時間を約5分（DaoAI報告値）として、新規プログラム1件あたり2.9時間の削減を見込んでいます。負荷人件費は時給USD 35です。導入総コストはUSD 90,000と仮定しています（試算用の例示値であり、DaoAIの確定価格ではありません）。再検査の削減額は保守的な計画値を採用しており、実際のパイロット結果に置き換える必要があります。

注目すべきはシナリオBです。年間の新製品投入が20件で、確認ステーションの稼働が1シフトあたり30分程度の工場では、人件費と流出防止のみを理由にこの導入を正当化することはできません。設備投資の元本を回収する前に、ランニングコストが削減効果を食いつぶしてしまうからです。貴社のラインがこれに該当する場合、率直な推奨事項としては、直面している特定の不良要因を個別に解決することに注力し、生産構成が変化した段階で改めてAOIの経済性を検討することをお勧めします。

シナリオAは投資回収が成立する構成です。頻繁な新規品番の投入があり、確認ステーションの作業が実質的なフルタイム業務と化しているケースです。これは多品種少量PCB実装におけるAOI選定基準で示したプロファイルと完全に一致しますが、これは偶然ではありません。多品種少量ラインに適した設備とは、段取り替えの頻度に比例して削減効果が拡大する設備のことだからです。

この試算におけるプログラミング工数は、実際の段取り替えプロセスに直結しています。検討対象のシステムがCADデータと継続的なライブラリ保守を必要とする場合、1プログラムあたりの所要時間は自社の作業効率ではなく、顧客のデータ提供状況に左右されることになります。CAD不要のゴールデンボード・プログラミングこそが2.9時間の削減を可能にする基盤であり、プログラミング税がSMTラインの稼働率を70%に留める理由で論じている生産性改善の中核となっています。

CFO（最高財務責任者）への説得力を高める方法

想定される質問は3点あります。各削減効果はどの予算項目から生じるのか、その予算責任者は誰であり削減に同意しているか、ベンダーの主張する改善効果が半減した場合はどうなるか、です。すべての効果を半分に減らしたバージョンの試算モデルを用意してください。公称値の50%の達成率であっても設定した回収基準をクリアできるのであれば、確実な事業計画と言えます。ベンダー提示の満額値でしか成立しない計画は、単なる希望的観測です。

財務レビューを通過するための4つの実践ポイント：

プレゼン資料ではキャッシュの削減とキャパシティ（余力）の創出を分離して記載してください。会議の途中でその違いを指摘されることのないよう、2つの小計を明確に区分して表示します。

入力値はベンダーの提案資料ではなく、実機テスト（パイロット検証）から取得してください。プログラミング時間、誤検出率、流出の挙動は、契約締結前に自社の基板を用いてすべて実測可能です。AI AOIシステムの事前検証手順を実行することで、この試算モデルは机上の空論から精度の高い予測へと昇華します。試算の半分は現状の出費に基づいているため、同一のテスト内で既存システムのベースラインも同時に計測してください。

ベンダーのデモを見る前に回収目標基準を定めて文書化してください。デモを見た後に設定した回収基準は、単なる後付けの正当化にすぎません。

確証の持てない前提条件は、指摘される前に書類上で明示してください。流出コストと回収生産能力の2項目が該当することが一般的です。自らこれらを提示して除外可能な状態にしておくことこそが、確信を持っている他の項目の信頼性を担保します。

よくある質問（FAQ）

AOIシステムの一般的な投資回収期間はどれくらいですか？

公開資料では6〜12か月とされることが多いですが、それらの数値は大量の誤検出処理と極めて高頻度な新製品導入（NPI）を前提としています。同一の計算モデルと設備コストを使用した場合でも、上記の試算例が示すように、負荷の高い多品種少量ラインでは約21か月となる一方、品種の少ないラインでは投資回収が成立しません。重要視すべき「一般的な数値」とは、貴社独自の入力値から導き出された数値だけです。

人員削減をコスト効果として計上すべきですか？

その人員が実際に給与台帳から外れる場合、あるいは本来新規採用する予定だった別業務を担当する場合に限り計上してください。後者の場合は、採用を取りやめた職種を明記します。オペレータのシフトの負担が軽くなるだけであれば、別行に「回収された生産余力」として記載してください。財務部門はこの2つを厳格に区別して扱います。これらを混同することは、承認を逃す最短の道です。

オフライン機とインライン機をROIモデルで比較するにはどうすればよいですか？

直接的なメリット項目は共通ですが、生産能力への影響が異なります。オフラインでのプログラミングはライン稼働時間を消費しないため、新製品の立ち上げが実生産を妨げることがなくなります。一方、インラインシステムは基板の移載作業なしに全数検査を行います。能力への影響を示す行をそれぞれ個別に算定し、その他の項目は同一条件で維持してください。どの構成がどの生産形態に適しているかは、選定ガイドで解説しています。

AI AOIは従来のシステムと比較してROIの計算構造を変えますか？

削減効果が生じる場所がシフトします。ルールベースの従来型システムは、プログラミングやしきい値調整といった継続的なエンジニアの工数にコストが集中します。そのため、これらの工数を削減できるシステムでは、初期の設備投資額よりも人件費の削減項目に効果が表れます。DaoAIでは総運用コストを約60%削減し、従来のプログラミングに3〜5時間を要していたところを、ラインオペレータが約5分で完了できると報告しています（DaoAI報告値）。これらはモデルにそのまま組み込む結論ではなく、事前検証で確認すべき入力パラメータです。

自社の入力値でモデルを試算する

当社を含め、いかなるベンダーの見積もりを本格的に検討する前に、貴社独自の数値を用いて試算モデルを構築してください。自社の基板を用いて工数の前提条件を検証する場合、プログラミング時間および誤検出に関する上記の数値は、半日の実測で把握可能です。