Longhorn

OEEで見える、工場の生産性KPIをリアルタイムに最適化するWeb API

ショット分析では、単一の生産データからOEE(稼働率・性能・品質)のスコアを算出します。 特定の製造バッチや工程での効率をすぐに確認したい場合に便利です。 入力した生産時間や不良数に基づき、リアルタイムでOEEを把握できます。
ショット分析 - 計算パラメータ

稼働時間


時
分
秒

合計: 34200 秒

時
分
秒

合計: 5400 秒

時
分
秒

合計: 600 秒

生産量・速度


秒/個
個
個
ショット分析 - OEE スコア
計算パラメータ・フォームに値を入力し、計算を実行してください。
メトリクス
時間損失ウォーターフォール
セット分析では、複数の日次データをまとめてOEEを集計します。 長期間の傾向や改善効果の確認に最適です。 日ごとの稼働・性能・品質データを基に、全体の効率を総合的に評価できます。 ChatGPTに分析結果の評価を依頼できます(工場長診断と What-if の次の問いを含みます)。
日付 OEE 可動率 性能 品質
期間メトリクス
時間損失ウォーターフォール(期間)
日別トレンド
日別メトリクス
日付 計画生産時間 計画停止時間 停止損失時間 性能損失時間 品質損失時間 正味稼働時間
既存システムとの連携で生産性を最大化

Longhorn OEE Web APIは、お客様のMESや生産管理システムから、リアルタイムでOEEスコアを計算・取得するための強力なインターフェースです。

ショット分析
エンドポイント
POST https://longhorn.956.jp/api/v1/oee/oee_shot
リクエストボディ例
{
  "api_key": "YOUR_API_KEY",
  "keyword": "鋳造ライン",
  "oee_parameters": {
    "planned_production_time_sec": 36000,
    "planned_downtime_sec": 1800,
    "loss_time_sec": 30.0,
    "total_count": 1000,
    "defect_count": 20,
    "ideal_cycle_time_sec": 30
  }
}

keyword: 分析対象となる部門や工程など任意の文字列を指定できます(例: "鋳造ライン")。

レスポンスボディ例
{
  "success": true,
  "oee_result": {
    "oee": 0.8167,
    "availability": 0.9492,
    "performance": 0.878,
    "quality": 0.98,
    "metrics": {
      "planned_production_time_sec": 36000,
      "planned_downtime_sec": 1800,
      "loss_time_sec": 30.0,
      "load_time_sec": 34200,
      "run_time_sec": 34170.0,
      "operating_time_sec": 34170.0,
      "ideal_cycle_time_sec": 30,
      "ideal_run_time_sec": 30000,
      "actual_cycle_time_sec": 34.17,
      "performance_loss_time_sec": 4170.0,
      "quality_loss_time_sec": 683.4,
      "total_count": 1000,
      "defect_count": 20,
      "good_count": 980
    }
  },
  "diagnosis": {
    "engine": "foreman",
    "engine_label": "工場長診断",
    "headline": "性能ロスが主因。「非計画停止をなくす」と OEE は 81.7% → 84.2%(+2.5pt)。",
    "primary_loss": "performance",
    "levers": [
      { "id": "zero_stops", "label": "非計画停止をなくす", "delta_pt": 2.5, "predicted_pct": 84.2 }
    ]
  },
  "message": "OEE shot analysis completed successfully (from Longhorn)."
}
metrics 属性ガイド
属性名 意味 単位 例
planned_production_time_sec計画上の生産時間(設備が稼働可能な時間から計画停止を除いた時間)秒3600
planned_downtime_sec段取り・点検・定期停止など、事前に計画されている停止時間秒300
loss_time_sec突発的な停止やトラブルによる損失時間秒100
load_time_sec設備の準備・ロード時間(planned_production_time_sec - planned_downtime_sec)秒3300
run_time_sec実際に生産が行われた稼働時間(load_time_sec - loss_time_sec)秒3200
operating_time_sec設備が稼働可能だった時間(run_time_sec と同値、計算上の参照用)秒3200
ideal_cycle_time_sec理想的な1個あたりの生産時間秒6
ideal_run_time_sec理想的な生産時間(total_count × ideal_cycle_time_sec)秒3000
actual_cycle_time_sec実際の平均サイクルタイム(run_time_sec ÷ total_count)秒6.4
performance_loss_time_sec性能による損失時間(ideal_run_time_sec - run_time_sec)秒200.0
quality_loss_time_sec品質による損失時間(不良品に相当する時間)秒128.0
total_count生産総数(良品 + 不良品)個500
defect_count不良数個20
good_count良品数(total_count - defect_count)個480
keyword分析対象となる部門や工程など任意の文字列(例: "鋳造ライン")文字列"鋳造ライン"
セット分析
エンドポイント
POST https://longhorn.956.jp/api/v1/oee/oee_set
リクエストボディ例
{
  "api_key": "YOUR_API_KEY",
  "keyword": "鋳造ライン",
  "daily_data": [
      {
        "date": "2025-11-10",
        "planned_production_time_sec": 34200,
        "planned_downtime_sec": 5400,
        "loss_time_sec": 0,
        "ideal_cycle_time_sec": 30.0,
        "total_count": 1000,
        "defect_count": 20
      },
      {
        "date": "2025-11-11",
        "planned_production_time_sec": 34200,
        "planned_downtime_sec": 5400,
        "loss_time_sec": 0,
        "ideal_cycle_time_sec": 30.0,
        "total_count": 1000,
        "defect_count": 20
      }
    ]
}
レスポンスボディ例
{
  "success": true,
  "keyword": "鋳造ライン",
  "aggregated_oee_result": { ... },
  "daily_results": [ ... ],
  "diagnosis": { "engine": "foreman", "engine_label": "工場長診断", "headline": "...", "primary_loss": "availability" }
}

keyword: 分析対象となる部門や工程など任意の文字列を指定できます(例: "鋳造ライン")。

metrics 属性ガイド

注意:aggregated_oee_result の metrics は複数日のデータを集計分析したものです。平均値ではありません。

属性名 意味 単位 例
planned_production_time_sec計画生産時間(シフト全体の生産時間)秒36000
planned_downtime_sec計画停止時間(休憩・点検など)秒1800
loss_time_sec突発停止損失時間(異常停止など)秒30
load_time_sec負荷時間(生産可能な正味時間)=計画生産時間−計画停止秒34200
run_time_sec実稼働時間(突発損失を引いた稼働時間)秒34170
operating_time_sec稼働実績時間(run_time と同値)秒34170
ideal_cycle_time_sec理想サイクルタイム(1個あたり最速)秒30
ideal_run_time_sec理論的な必要稼働時間=理想CT×総生産数秒30000
actual_cycle_time_sec実平均サイクルタイム=run_time / total_count秒34.17
performance_loss_time_sec性能損失時間(理想より遅い場合は正、速い場合は負で、負値は性能ゲイン)秒4170
quality_loss_time_sec品質損失時間秒683.4
total_count生産総数個1000
defect_count不良数個20
good_count良品数=total−defect個980
keyword分析対象となる部門や工程など任意の文字列(例: "鋳造ライン")文字列"鋳造ライン"
What-if(改善仮定)

ショットと同じ入力に、仮定(不良ゼロ、停止ゼロ、サイクル短縮など)を載せて新しい OEE を返します。履歴には保存しません。有効なサブスクリプションと月次枠の余裕が必要です。シナリオ数に関わらず 1 リクエストです(最大 8 件)。

エンドポイント
POST https://longhorn.956.jp/api/v1/oee/oee_whatif
リクエストボディ例
{
  "api_key": "YOUR_API_KEY",
  "keyword": "鋳造ライン",
  "oee_parameters": {
    "planned_production_time_sec": 36000,
    "planned_downtime_sec": 1800,
    "loss_time_sec": 1800,
    "total_count": 1000,
    "defect_count": 20,
    "ideal_cycle_time_sec": 30
  },
  "scenarios": [
    { "preset": "zero_defects" },
    { "preset": "zero_stops" },
    { "label": "不良半減", "changes": { "defect_count": 10 } }
  ]
}

scenarios を省略すると、 zero_defects / zero_stops / cut_defects_10pct / cycle_minus_5pct を適用します。zero_stops は停止時間をゼロにし、その時間で生産できた個数を上乗せします。cycle_minus_5pct は同じ稼働時間で生産数を5%増やします(性能が既に上限のときは省略)。

レスポンスボディ例
{
  "success": true,
  "keyword": "鋳造ライン",
  "baseline": { "oee": 0.8167, "pct": 81.7, "availability": 0.95, "performance": 0.88, "quality": 0.98 },
  "scenarios": [
    { "id": "zero_defects", "preset": "zero_defects", "label": "不良をゼロにする", "delta_pt": 1.7, "predicted_pct": 83.4, "changes": { "defect_count": 0 } }
  ],
  "message": "OEE what-if completed successfully (from Longhorn)."
}

データ取得API

OEE解析済みデータ(shot / set)を外部システムから取得するためのAPIです。


① ショット分析データ取得
POST /oee/retrieve_shot
リクエストボディ
{
  "api_key": "YOUR_API_KEY",
  "keyword": "鋳造ライン",
  "from_time": "2025-11-25T10:30:00",   // 日付と時刻の間にTを挿入
  "count": 50
}
仕様
  • created_at の 降順(DESC) で返却
  • 指定キーワードがある場合は部分一致検索
  • 最新データから過去方向に取得
レスポンス例
{
  "success": true,
  "oee_metrics": [ ... ]
}

② セット分析データ取得
POST /oee/retrieve_set
リクエストボディ
{
  "api_key": "YOUR_API_KEY",
  "keyword": "鋳造ライン",
  "from_date": "2025-11-01",
  "until_date": "2025-11-30"
}
仕様
  • target_date の 昇順(ASC) で返却
  • 日付範囲指定でセット分析結果を取得可能
  • 対象期間が未指定の場合は「当月」が自動適用される
レスポンス例
{
  "success": true,
  "oee_metrics": [ ... ]
}
MCP / OpenAPI

Claude や ChatGPT から、REST と同じショット・セット・What-if をツールとして呼び出せます。計算は Longhorn 側です。詳細は MCP 接続ページ と OpenAPI を参照してください。

エンドポイント
POST https://longhorn.956.jp/mcp
GET  https://longhorn.956.jp/openapi.yaml
認証

Authorization: Bearer YOUR_API_KEY または X-API-KEY。REST の JSON api_key も従来どおり有効です。

ツール
  • oee_shot ライブOEE + 工場長診断
  • oee_set 期間OEE
  • oee_whatif 改善仮定
  • oee_retrieve_shot ショット履歴(デモキー不可)
OEEスコアの見方と改善ポイント

OEEは1つのスコアで設備効率を示しますが、構成要素を分解して見ることで改善ポイントが明確になります。

OEE = 稼働率 × 性能 × 良品率

例: 稼働率90%、性能95%、良品率99% → OEE ≈ 85%

スコアが低い場合は、どの要素がボトルネックかを確認して改善を行います。

OEE Components Diagram
分析履歴をご利用いただくには、運用コース(Starter / Pro / Enterprise)のご契約が必要です。
Excel インポートをご利用いただくには、運用コース(Starter / Pro / Enterprise)のご契約が必要です。