結論

平準化(へいじゅんか)とは、時期や種類によってばらつく量をならし、偏りをなくすことです。生産では「量」と「種類」の2つをならす考え方(英語でも heijunka)として知られ、IT では急に増えた処理をキューなどで受け止めて一定の速さで処理する「負荷の平準化」を指します。

この記事でわかること

  • 平準化の意味と、標準化・平均化との違い(辞書と公的機関の説明)
  • 生産の平準化(量と種類)を、架空の注文データで計算した前後の標準偏差・最大値
  • IT での負荷の平準化(キュー・レート制限・バッチの分散)を Python で動かした結果と判断表

2026年11月16日更新|Python 3.13 で計算とシミュレーションを確認

この記事で実際に動かしたもの:架空の注文20日分の量の平準化、3種類の製品の並べ方の比較、平準化率の計算、キューで処理の山をならすシミュレーション(120秒分)、トークンバケットのレート制限、定期処理60本の開始時刻の分散(すべて Python 3.13 の標準ライブラリ。データは架空)。

flowchart TD
    A["ばらつく量"] --> C["量をならす"]
    A --> D["種類をならす"]
    C --> E["毎日の量をそろえる"]
    D --> G["ABAC と混ぜる"]
    E --> F["IT はキューで"]

よく調べられることの答えを先にまとめます。

知りたいこと答え詳しい節
平準化とはばらつく量をならして偏りをなくすこと平準化とは
平準化の読み方・英語へいじゅんか。英語は leveling・smoothing、生産では heijunka平準化とは
平準化と標準化の違い平準化は「量・時期」をならす、標準化は「やり方・仕様」をそろえる標準化・平均化との違い
生産の平準化(ヘイジュンカ)量の平準化と種類の平準化。ジャスト・イン・タイムの前提とされる生産の平準化
平準化の例月の合計を日数で割って毎日同じ数を作る、A・B・C を混ぜて流す量の平準化・種類の平準化
業務の平準化月末などに集まる仕事を、前倒し・分散・自動化で期間全体にならす業務の平準化
平準化率公共工事で使う指標。4〜6月の月平均の稼働件数 ÷ 年度の月平均平準化率とは
IT での負荷の平準化キューを間に置き、山のときはためて、一定の速さで処理する負荷の平準化
レート制限との違いレート制限は超えた分を断る、キューは待たせて後で処理する違い

確認環境:Ubuntu 24.04.5 LTS、Python 3.13.18 の標準ライブラリ(random・statistics・collections.deque・hashlib)で、量の平準化・種類の並べ方・平準化率・キューによる負荷の平準化・トークンバケット・定期処理の開始時刻の分散を実際に計算しました。数字はすべて架空の設定で、実在の会社やサービスの値ではありません。言葉の意味は Weblio 辞書の実用日本語表現辞典・OR事典(日本オペレーションズ・リサーチ学会)と JREC-IN Portal の用語集、標準化は日本産業標準調査会(JISC)、ジャスト・イン・タイムはトヨタ自動車の公式サイト、平準化率は総務省の報道資料、キューによる負荷の平準化は Microsoft の Azure Architecture Center で確かめました。トヨタ自動車の公式サイトで確かめたページには「平準化」という語が見つからなかったため、生産の平準化の説明は OR事典と百科事典の記載によっています。クラウドのキューのサービスは動かしていません。図は mermaid 11.16.0 で描画を確かめました(確認日 2026年11月16日)。

本記事の内容は、ご自由にお使いください。
ご利用の際は、出典として本ページへのリンクを記載いただけますようお願いします。

(記載例)出典:株式会社RJC「平準化とは|意味・生産の平準化(ヘイジュンカ)とITでの負荷の平準化」

平準化とは(意味・読み方・英語)

この節では、平準化の意味を辞書と公的機関の言い方で確かめ、どんな場面で使われる言葉かが分かります。

平準化(へいじゅんか)は、ばらつきのある物事をならして、偏りをなくすことです。「平準」に、そうした状態にすることを表す「化」がついた言葉です。

  • 辞書の意味:実用日本語表現辞典では「バラバラの物事を均一化し、公平にすること」と説明されています。
  • 公的機関の用語集:JREC-IN Portal の用語集では「集中的に発生する事象を分散化すること」とされ、「更新時期の平準化」「更新予算の平準化」という使い方が挙げられています。
  • 生産の用語:OR事典では「平準化(JIT生産システムにおける)」として、部品の種類と量が平均化するように生産することを生産の平準化と呼ぶ、と説明されています。

英語では、一般には leveling(ならすこと)や smoothing(なめらかにすること)が当てられます。OR事典の見出しの英語は smoothing、JREC-IN Portal の用語集は equalization です。生産の平準化は日本語のまま heijunka として海外でも使われ、IT のクラウドの設計では load leveling(負荷の平準化)という言い方をします。

平準化という言葉が使われる主な場面を表にまとめます。ならす対象は違っても、「山と谷をならす」点は同じです。

場面ならす対象例
生産(製造業)毎日作る数と、作る種類の並び月の合計を稼働日で割る、A・B・C を混ぜて流す
業務時期に集まる仕事の件数月末に集まる請求書の発行を、月の中で分けて行う
公共工事・設備の更新工事の時期・更新の時期・予算年度の前半にも工事が動くよう発注の時期を分散
プロジェクト管理日ごとに必要な人や設備の量余裕のある作業の開始日をずらして山を低くする
IT(システム)1秒ごとのリクエストや処理の件数キューにためて一定の速さで処理する
先物取引地域や時期による価格の差商品先物取引用語集の「価格平準化作用」

平準化と標準化・平均化の違い

この節では、似た言葉の標準化・平均化と平準化の違いが分かります。

日本産業標準調査会(JISC)は、標準化を「自由に放置すれば、多様化、複雑化、無秩序化する事柄を少数化、単純化、秩序化すること」と説明しています。標準化がそろえるのは「やり方・仕様・形」で、平準化がならすのは「量・時期・種類の並び」です。

平準化:量と時期をならす

月末に集まる注文を、月全体に分ける

1秒に1,000件来た処理を、100件ずつ10秒で

結果として、日ごとの量のばらつきが小さくなる

標準化:やり方と仕様をそろえる

作業の手順書を1つにする

部品の寸法やファイルの形式を決める

結果として、誰がやっても同じ品質になる

平均化は、いくつかの値を足して数で割り「平均の値」を求めること、または差をなくして同じにすることです。平準化は、平均の値を目安にしながら、実際の流れ(毎日・毎秒の量)を平均に近づけるところまでを含みます。計算の言葉と、やり方の言葉の違いと考えると区別しやすくなります。

言葉何をするか結果例
平準化量や時期の山と谷をならす日ごとの量のばらつきが小さくなる毎日54件ずつ処理する
標準化手順・仕様・形をそろえるやり方のばらつきが小さくなる手順書・ファイル形式を1つにする
平均化平均の値を求める・差をなくす1つの代表の値が分かる20日で1,084件なので1日54.2件
分散化1か所・1時期に集まったものを散らす集中が減る定期処理の開始時刻をずらす

生産の平準化(ヘイジュンカ)とトヨタ生産方式

この節では、製造業でいう平準化の中身と、ジャスト・イン・タイムとの関係が分かります。

トヨタ自動車の公式サイトでは、ジャスト・イン・タイムを「必要なものを、必要な時に、必要なだけつくる」と説明し、その原則の1つに「売れたペースでつくること」を挙げています。また「後工程が使ったものを前工程に取りにいく」流れを「かんばん」で行う、と説明しています。トヨタ生産方式の考え方は、大野耐一『トヨタ生産方式―脱規模の経営をめざして』(ダイヤモンド社、1978年)にまとめられています。

後工程が使った分だけ前工程が作る仕組みでは、後工程の使う量が日によって大きく動くと、前工程は山に合わせた設備や部品を持たなければなりません。OR事典は、この後工程引き取り・後補充の生産で部品の種類と量が平均化するように生産することを生産の平準化と説明しています。生産の平準化は、次の2つに分けて説明されるのが一般的です。

1量の平準化

月や週の合計を稼働日で割り、毎日ほぼ同じ数を作る。注文の山に合わせて作る数を上下させない。

2種類の平準化

同じ製品をまとめて作らず、A・B・A・C のように種類を混ぜて少しずつ作る。どの製品も毎日同じ比率で出てくる。

3小さなロット

1個ずつ完全に混ぜるのが難しいときは、ロット(ひとまとまりの数)を小さくして近づける。段取り替えの時間を短くする工夫と組み合わせる。

同じ製品をまとめて作る「ロット生産」と対比すると分かりやすくなります。ロット生産は切り替えの回数が少ない一方、ある製品を作っていない期間が長くなり、その間の注文には在庫で応えることになります。種類の平準化は、切り替えの回数が増える代わりに、どの製品も毎日少しずつ出てくる形にします。次の2つの節で、この違いを数字で確かめます。

量の平準化:架空の注文データでばらつきを計算

この節では、毎日の生産数を平準化したときに、ばらつき(標準偏差)と最大値がどれだけ変わるかが分かります。

架空の工場で、20日間に1,084個の注文が入ったとします(月初と月末に集まり、日ごとに22〜96個)。3つのやり方で毎日の生産数を決めて計算しました。

import statistics as st

orders = [79, 91, 84, 32, 46, 40, 47, 44, 37, 31,
          42, 55, 45, 44, 33, 22, 43, 96, 91, 82]   # 架空の注文(20日)
total = sum(orders)                                    # 1084

# A:受けた日にそのまま作る
a = orders[:]
# B:月の合計を20日で割って、毎日ほぼ同じ数を作る
per, rem = divmod(total, 20)
b = [per + (1 if i < rem else 0) for i in range(20)]
# C:1日の上限を65個にして、超えた分は翌日以降に回す
def capped(orders, cap):
    out, back = [], 0
    for o in orders:
        need = back + o
        m = min(cap, need)
        out.append(m)
        back = need - m
    return out, back

for name, xs in [("A", a), ("B", b), ("C", capped(orders, 65)[0])]:
    print(name, round(st.mean(xs), 1), round(st.pstdev(xs), 1), max(xs), min(xs))
A 受けた日に作る   {'mean': 54.2, 'sd': 22.8, 'max': 96, 'min': 22, 'ratio': 1.77}
B 月平均で均す     {'mean': 54.2, 'sd': 0.4, 'max': 55, 'min': 54, 'ratio': 1.01}
C 上限65で繰り越し {'mean': 50.5, 'sd': 13.5, 'max': 65, 'min': 22, 'ratio': 1.29} 月末に残る 74 最大の繰り越し 74
B 在庫(+)/不足(-)の推移 [-24, -60, -89, -66, -58, -44, -37, -27, -10, 13, 25, 24, 33, 43, 64, 96, 107, 65, 28, 0] 最小 -89 最大 107
B 不足を出さないための初めの作り置き 89
22.8受けた日に作る日ごとの標準偏差。最大96個
0.4月平均でならす毎日54〜55個。最大55個
89個必要な作り置き月初の山に間に合わせる分
やり方標準偏差最大/最小最大÷平均引き換えになるもの
A 受けた日に作る22.896/221.77最大96個に合わせた設備と部品が要る
B 月平均でならす0.455/541.01月初の山のために89個の作り置きが要る
C 上限を決めて繰り越す13.565/221.29月末に74個が月内に作れず残る

平準化(B)で日ごとの標準偏差は22.8から0.4に下がり、1日の最大は96個から55個になりました。最大の山に合わせて設備や部品を持つ必要がなくなる一方、月初の注文の山には作り置き(在庫)で応える必要があり、この架空の例では89個でした。上限を決めて繰り越す C は、作り置きを持たない代わりに、注文から出荷までの日数が延び、月末には74個が月内に作り終わりませんでした。

量の平準化は「ばらつきを消す魔法」ではなく、山を在庫・待ち時間・前倒しのどこで受け止めるかを選ぶことだと分かります。標準偏差は母標準偏差(statistics.pstdev)で計算しています。

種類の平準化:まとめて作る並びとならした並び

この節では、製品の種類を混ぜて並べると、日ごとの出来高と切り替えの回数がどう変わるかが分かります。

20日間で A を600個、B を300個、C を100個作るとします。比率は 6:3:1 です。3つの並べ方を比べました。種類をならした並びは、「何個目までに作っているはずの数」と「実際に作った数」の差がいちばん大きい種類を次に入れる、という簡単な方法で作っています。

def leveled(counts):
    tot = sum(counts.values())
    made = {k: 0 for k in counts}
    seq = []
    for n in range(1, tot + 1):
        # n個目までの目標の数との差がいちばん大きい種類を次に入れる
        k = max(counts, key=lambda k: n * counts[k] / tot - made[k])
        made[k] += 1
        seq.append(k)
    return seq

seq = leveled({"A": 600, "B": 300, "C": 100})
print("".join(seq[:20]))
並びの先頭20個 ABACABAABAABAABCAABA
まとめて作る 日ごとのSD {'A': 24.5, 'B': 22.9, 'C': 15.0} 日ごとの最大 {'A': 50, 'B': 50, 'C': 50} 切り替え回数 2 最長の連続 600 最初のCまで 900
種類をならす 日ごとのSD {'A': 0.0, 'B': 0.0, 'C': 0.0} 日ごとの最大 {'A': 30, 'B': 15, 'C': 5} 切り替え回数 766 最長の連続 2 最初のCまで 3
10個ずつ混ぜる 日ごとのSD {'A': 0.0, 'B': 5.0, 'C': 5.0} 切り替え回数 78 最初のCまで 30
並べ方日ごとの数の標準偏差(A・B・C)切り替え回数最初の C まで
まとめて作る(A→B→C)24.5・22.9・15.02回900個目のあと
1個ずつ混ぜる0.0・0.0・0.0(毎日 A30・B15・C5)766回3個目のあと
10個ずつ混ぜる0.0・5.0・5.078回30個目のあと

まとめて作ると、C は最後の2日にしか作られず、それまでに入った C の注文には在庫で応えるしかありません。1個ずつ混ぜると、毎日 A30・B15・C5 がそろって出てきますが、切り替えは766回になります。切り替えに時間がかかる設備では、10個ずつのように小さなロットで混ぜる中間の形が現実的な選択になり、この例では切り替え78回で、日ごとの数のばらつきも小さく抑えられました。

百科事典の「平準化」の項目でも、段取り替えの時間などの理由で1個単位まで平準化するのは難しい場合があり、ロットを小さくする取り組みと組み合わせる、と説明されています。種類の平準化を進めるときは、切り替えの時間を短くすることが一緒に語られるのはこのためです。

平準化のメリットと引き換えになるもの

この節では、平準化で得られることと、その代わりに必要になることを一覧で分かります。

よく挙げられるメリットを、前の2つの節の計算と結びつけて整理します。

得られること理由引き換えになるもの
山に合わせた設備・部品が要らない1日の最大が96個から55個に下がった月初の山に備える作り置き(89個)
前工程・仕入先の量が安定する毎日同じ数・同じ比率で引き取られる前工程にも混ぜて作れる構えが要る
どの製品も毎日出てくるC も毎日5個作られる切り替えの回数が増える(766回)
品質が安定しやすい毎日同じ流れで作るので、急な増産がない計画の段階で量を見通す必要がある
在庫を持ちすぎないまとめて作った分の置き場が要らない注文が大きく動くときは効果が小さい

平準化は、注文がある程度見通せるときに効果が出やすい考え方です。平準化すること自体を目的にせず、何のばらつきを、何で受け止めるかを先に決めることが大切です。

業務の平準化:仕事の量を期間でならす進め方

この節では、事務やシステム運用の仕事で、時期に集まる処理の件数をならす手順が分かります。

業務の平準化は、月末・期末・特定の曜日に集まる仕事を、期間全体にならすことです。たとえば、架空の会社で請求書の発行が毎月25日〜月末に集中しているなら、締め日を取引先ごとに分ける、前もって作れる部分を前倒しする、定型の部分を自動化する、という手を組み合わせます。ここでは件数と納期の面から進め方をまとめます。

1

日ごとの件数を数える

処理の記録(受付日時・完了日時)から、日ごと・時間ごとの件数を集計する。山がいつ来るかを数字で見る。

見える化

2

動かせる仕事と動かせない仕事を分ける

期日が決まっているもの、前倒しできるもの、後ろにずらせるものに分ける。動かせない仕事の山は、ほかの手段で受け止める。

仕分け

3

手順をそろえる(標準化)

手順書やテンプレートを1つにし、どの日・どの担当でも同じように進められるようにする。

標準化

4

前倒し・分散・自動化を当てる

締め日を分ける、前もって下書きを作る、定型の部分を定期処理にする。山の高さがどれだけ下がるかを計算してから決める。

ならす

5

標準偏差と最大値で効き目を見る

実施の前後で、日ごとの件数の標準偏差・最大値・期日までに終わった割合を比べる。月に1回など決まった間隔で見直す。

確かめる

手順4の効き目は、前の節の計算と同じ考え方で確かめられます。量の平準化の表のように「標準偏差」「最大÷平均」を並べると、関係者の間で山の高さを同じ数字で話せます。プロジェクトの作業をガントチャートに並べて山を見るやり方は、関連記事「ガントチャートの作り方 エクセル数式とMermaidのテンプレート」で扱っています。

プロジェクト管理の用語では、使える人や設備の上限に合わせて作業の日程を動かすことを「リソース平準化(resource leveling)」、全体の終わりの日を変えずに余裕のある作業だけを動かすことを「リソース円滑化(resource smoothing)」と区別して説明されることが多くあります。前者は全体の日程が延びることがあり、後者は延びない代わりに山が残ることがあります。

平準化率とは(公共工事の施工時期の平準化)

この節では、ニュースや自治体の資料で見かける「平準化率」の定義と計算が分かります。

総務省の報道資料では、公共工事の施工時期の平準化について、円滑な施工の確保につながり、人材・資材・機材などの効率的な活用を促すものと説明しています。そのうえで、平準化率を「4~6月期の月あたり工事平均稼働件数/年度の月あたり工事平均稼働件数」と定義しています。工事が年度の後半に集まると、年度の初め(4〜6月)の稼働件数が少なくなり、平準化率は1より小さくなります。

架空の自治体の月ごとの稼働件数で、平準化率を計算しました。

import statistics as st
# 4月〜3月の月ごとの工事の稼働件数(架空)
before = [6, 8, 10, 14, 16, 18, 20, 22, 22, 24, 26, 24]
after  = [14, 15, 16, 17, 17, 18, 18, 19, 19, 18, 17, 16]
for name, xs in [("前", before), ("後", after)]:
    r = st.mean(xs[:3]) / st.mean(xs)
    print(name, round(st.mean(xs[:3]), 2), round(st.mean(xs), 2), round(r, 2))
前 4-6月平均 8 年度平均 17.5 平準化率 0.46 SD 6.4 max/mean 1.49
後 4-6月平均 15 年度平均 17 平準化率 0.88 SD 1.5 max/mean 1.12

工事が年度の後半に集まっている「前」の平準化率は0.46で、発注の時期を分散した「後」は0.88になりました。月ごとの標準偏差も6.4から1.5に下がっています。平準化率は1に近いほど年度の初めにも工事が動いていることを表しますが、4〜6月だけを見る指標なので、年度全体のばらつきは標準偏差など別の数字と合わせて見ると分かりやすくなります。

ITでの負荷の平準化:キューで処理の山をならす

この節では、システムに急に集まったリクエストを、キューを使って一定の速さで処理する「負荷の平準化」の仕組みと効果が分かります。

Microsoft の Azure Architecture Center は「キュー ベースの負荷平準化パターン」として、処理を頼む側とサービスの間にキューを置き、キューをバッファーとして使う設計を説明しています。山のときはキューにためておき、サービスは自分の処理できる速さで取り出します。

1秒あたり平均72件、ときどき220件の山が来るリクエストを、1秒に80件まで処理できるサービスで受ける場面を120秒分シミュレーションしました。

from collections import deque
CAP = 80                       # 1秒に処理できる件数
q, done, waits = deque(), [], []
for t in range(400):
    a = arr[t] if t < len(arr) else 0
    for _ in range(a):
        q.append(t)            # 到着した時刻をキューに入れる
    n = min(CAP, len(q))
    for _ in range(n):
        waits.append(t - q.popleft())   # 待った秒数
    done.append(n)
    if t >= len(arr) and not q:
        break
到着 合計 8633 平均 71.9 最大 220
直接受ける 失敗 1800 失敗率 20.9 %
キュー 処理し終えた秒 121 最大の待ち行列 1400 最大待ち秒 18 平均待ち秒 6.27 待ち0秒の割合 24.6 % 失敗 0
処理側の1秒あたり 最大 80 SD 13.2  到着のSD 50.1
平均90件/秒・処理80件/秒 30秒後 300 60秒後 600 120秒後 1200
受け方失敗した件数待ち時間処理側の1秒ごとの件数
直接受ける(上限80件/秒)1,800件(20.9%)なし山のたびに上限に張りつく
キューでならす0件平均6.27秒・最大18秒最大80件・標準偏差13.2(到着は50.1)

キューを置くと失敗は0件になり、処理側が受ける1秒ごとの件数の標準偏差は、到着の50.1から13.2に下がりました。その代わりに、山のときに来たリクエストは最大18秒待ちました。負荷の平準化は「失敗」を「待ち時間」に置き換える仕組みだと分かります。

もう1つ大事なのは最後の行です。到着の平均(90件/秒)が処理の速さ(80件/秒)を上回ると、キューは30秒で300件、120秒で1,200件と増え続けます。Azure Architecture Center も、作る側の平均の速さが処理側を上回るとキューが伸び続けるので、キューの深さを監視するよう説明しています。キューがならせるのは一時的な山だけで、平均の量が処理能力を超えていれば、処理能力を足すしかありません。キューそのものの仕組みと非同期処理の設計は、関連記事「非同期処理の設計:同期との使い分け基準とジョブキューのリトライ設計」で扱っています。

  • 1すぐの応答が要らないか呼び出した側がその場で結果を待つ処理は、キューに向かない(Azure の説明でも、短い待ち時間の同期の応答が要る場合は適さないとされる)。
  • 2平均の量が処理能力より小さいか一時的な山だけをならす。平均で上回っていると待ち行列が伸び続ける。
  • 3同じメッセージが2回届いても困らないか多くのキューは少なくとも1回届ける方式なので、受け取る側を2回処理しても結果が同じになる作りにする。
  • 4キューの深さを見ているかたまっている件数といちばん前のメッセージの待ち時間を監視し、伸び続けたら気づけるようにする。
  • 5処理できないメッセージの行き先があるか何度試しても失敗するものは配信不能キューに移し、ほかの処理を止めない。

レート制限・オートスケール・負荷分散との違い

この節では、負荷の平準化と、よく一緒に出てくる3つの仕組みの違いが分かります。

前の節と同じ到着のデータを、トークンバケット(毎秒80件分の権利が補充され、最大160件分までためられる)のレート制限で受けた結果です。

トークンバケット 受付 6993 拒否(429) 1640 拒否率 19.0 %

レート制限は、決めた速さを超えた分を断る仕組みです。この例では1,640件(19.0%)が断られ、Web の API では HTTP の 429(Too Many Requests)を返すのが一般的です。キューは超えた分を待たせて後で処理するので、断られる件数は0件でした。レート制限の方式ごとの違いは、関連記事「レート制限の実装アルゴリズム|6方式を同じ条件で動かして比較」で扱っています。

仕組み山をどう扱うかこの記事の例の結果向いている場面
負荷の平準化(キュー)ためて、一定の速さで処理する失敗0件・最大18秒待ちあとで終わればよい処理(メール送信・集計)
レート制限決めた速さを超えた分を断る19.0%を拒否公開 API の使いすぎを防ぐ
オートスケール処理する台数を増やして受ける(計算していない)平均の量そのものが増えるとき
負荷分散同じ時刻の処理を複数の台に振り分ける(計算していない)1台では足りない量を常に受けるとき

オートスケールと負荷分散は「処理する力を増やす・分ける」仕組みで、平準化は「処理する時刻をずらす」仕組みです。Azure Architecture Center は、キューの受け手を自動で増やすとき、下流の依存先への合計の速さを制限しないと、過負荷を下流に移すだけになると注意しています。平準化と台数の増減を組み合わせるときは、下流のデータベースや外部の API が受けられる速さを先に確かめます。台数を増やす考え方は、関連記事「スケールアップとスケールアウトの違い|負荷分散方式の一覧と選び方」で扱っています。

バッチ・定期処理の開始時刻の平準化

この節では、毎日決まった時刻に動く処理を分散させると、同時に動く数がどれだけ下がるかが分かります。

夜間のバッチや cron の定期処理は、つい「0時0分」にそろえがちです。架空の定期処理60本(それぞれ5分かかる)を、3つのやり方で開始させ、同時に動く数の最大を数えました。

import hashlib
jobs = [f"job-{i:02d}" for i in range(60)]
# 処理の名前のハッシュから、0〜59分のどこで始めるかを決める
offset = [int(hashlib.sha256(j.encode()).hexdigest(), 16) % 60 for j in jobs]
全部 0:00 開始 (60, 11.99)
名前のハッシュで0〜59分にずらす (12, 3.1) 例 [('job-00', 39), ('job-01', 53), ('job-02', 4)]
1分ずつ順に (5, 2.43)
60

全部0時0分に開始

同時に動く数の最大は60本。最初の5分に全部が集まる。

標準偏差 11.99

12

名前のハッシュでずらす

同時に動く数の最大は12本。設定を1か所ずつ決めなくても、名前から開始の分が決まる。

標準偏差 3.10

5

1分ずつ順に開始

同時に動く数の最大は5本。もっとも低くなるが、本数が変わるたびに割り当て直しが要る。

標準偏差 2.43

開始時刻をずらすだけで、同時に動く数の最大は60本から12本(ハッシュ)・5本(順番)に下がりました。cron の書き方そのものは、関連記事「cronの書き方|設定例30パターンの早見表と落とし穴まとめ」で扱っています。

分散させてよいのは、お互いに依存しない処理だけです(依存する処理の扱いは次の節)。

平準化でよくある誤解・つまずき

この節では、平準化を進めるときに起こりやすい誤解と、その代わりにすることが分かります。

平均の量が処理能力を超えているとき

やってはいけないキューを置けば何とかなると考える
→
代わりに平均の量と処理能力を比べ、足りなければ処理能力を増やす

平均90件/秒・処理80件/秒では、120秒で1,200件がたまった

生産の量をならすとき

やってはいけない月の平均で作れば在庫は要らないと考える
→
代わりに日ごとの在庫の推移を計算し、山に備える作り置きの量を決める

架空の例では、月初の山に間に合わせるために89個の作り置きが要った

定期処理を分散させるとき

やってはいけない依存のある処理まで、ばらばらの時刻にずらす
→
代わりに依存しない処理だけをずらし、依存する処理は完了をきっかけに動かす

集計の前に通知が動くと、空の結果が送られてしまう

つまずきよくある原因確かめ方直し方
キューの件数が減らない到着の平均が処理の速さを上回っている1時間ごとの到着数と処理数を並べる処理能力を足す、不要な処理を減らす
同じ処理が2回動いたキューが少なくとも1回届ける方式処理の記録でメッセージの ID の重なりを見る2回処理しても結果が同じになる作りにする
応答が遅くなったと言われるすぐの応答が要る処理までキューに入れた処理ごとに「その場で結果が要るか」を書き出すその場で要る処理は同期のまま残す
平準化したのに欠品が出た月初の山に備える作り置きを持っていない日ごとの在庫の推移を計算する作り置きの量を決める、繰り越しを認める
切り替えが多くて作る数が減った1個ずつ混ぜた(切り替えに時間がかかる設備)切り替え1回の時間 × 回数を計算する小さなロットで混ぜる、切り替えの時間を短くする
平準化率は上がったのに山が残る4〜6月だけを見る指標で判断した年度全体の標準偏差・最大値も計算する複数の数字を並べて判断する

平準化の結果を社外や社内に説明するときは、架空のシミュレーションの数字を実際の成果のように見せたり、都合のよい期間だけを切り取ったりしないことが前提です。数字には、期間・データの出どころ・計算の方法を添えます。

判断表:どの平準化を使うか

この節では、ならしたいものと状況から、どのやり方を選ぶかが分かります。

  1. 1ばらつきを数字で見る日ごと・秒ごとの量の平均・標準偏差・最大値を出す。
  2. 2平均と処理能力を比べる平均が上回るなら、まず処理能力を足す。平準化はその後。
  3. 3山をどこで受け止めるか決める在庫・待ち時間・前倒し・断る、のどれにするか。
  4. 4前後を同じ数字で比べる標準偏差・最大÷平均・待ち時間・失敗の件数で効き目を確かめる。
状況選ぶやり方見る数字
注文の合計は見通せるが、日によって大きく動く量の平準化(作り置きを持つ)日ごとの標準偏差・必要な作り置き
製品の種類が多く、どれも毎日少しずつ出る種類の平準化(小さなロットで混ぜる)切り替え回数・日ごとの数のばらつき
月末・期末に事務処理が集まる業務の平準化(締め日の分散・前倒し・自動化)日ごとの件数・期日までの完了率
リクエストが一時的に急増し、すぐの応答は要らないキューによる負荷の平準化キューの深さ・最大の待ち時間
使いすぎから API を守りたいレート制限拒否の件数・429 の割合
平均の量そのものが増えているオートスケール・スケールアウト平均の使用率・下流の受けられる速さ
定期処理が同じ時刻に集まる開始時刻の分散(依存しない処理だけ)同時に動く数の最大

平準化のよくある質問

この節では、平準化について検索されることの多い質問への答えが分かります。

Q. 平準化とはどういう意味ですか?
ばらつきのある量や時期をならし、偏りをなくすことです。辞書では「バラバラの物事を均一化し、公平にすること」、公的機関の用語集では「集中的に発生する事象を分散化すること」と説明されています。

Q. 平準化の読み方と英語は?
読み方は「へいじゅんか」です。英語は一般に leveling や smoothing、生産の平準化は heijunka、IT の負荷の平準化は load leveling と呼ばれます。

Q. 平準化と標準化の違いは?
平準化は量・時期・種類の並びをならすこと、標準化はやり方・仕様・形をそろえることです。手順がそろうと量をならしやすくなるので、一緒に進めることが多い言葉です。

Q. 生産の平準化とは何ですか?
作る量を毎日ほぼ同じにする「量の平準化」と、製品の種類を混ぜて少しずつ作る「種類の平準化」のことです。後工程が使った分だけ前工程が作る仕組み(ジャスト・イン・タイム)の前提とされます。

Q. 平準化のデメリットは?
山を在庫・待ち時間・前倒しのどこかで受け止める必要があることです。架空の例では、月初の山に備えて89個の作り置きが要り、種類を1個ずつ混ぜると切り替えが766回になりました。

Q. 平準化率の計算方法は?
総務省の定義では「4~6月期の月あたり工事平均稼働件数/年度の月あたり工事平均稼働件数」です。架空の例では、前が0.46、発注の時期を分散した後が0.88でした。

Q. IT でいう負荷の平準化とは?
処理を頼む側とサービスの間にキューを置き、山のときはためて、サービスが処理できる速さで取り出す設計です。この記事のシミュレーションでは、失敗が1,800件から0件になる代わりに、最大18秒の待ちが出ました。

Q. 負荷の平準化とレート制限はどう違いますか?
平準化は超えた分を待たせて後で処理し、レート制限は超えた分を断ります。同じ到着のデータで、キューは失敗0件、トークンバケットは19.0%を拒否しました。

Q. 負荷の平準化とオートスケールはどちらを使えばよいですか?
一時的な山だけならキューによる平準化、平均の量そのものが増えているならオートスケールです。両方を組み合わせるときは、下流のデータベースなどが受けられる速さを先に確かめます。

まとめ

この節では、平準化について押さえておきたい点を5つで確かめられます。

  • 平準化とは、ばらつく量・時期・種類の並びをならし、偏りをなくすこと。標準化(やり方をそろえる)とは対象が違う。
  • 生産の平準化は「量」と「種類」の2つ。架空の例では、毎日の数の標準偏差が22.8から0.4に下がった。
  • 平準化は山を消すのではなく、在庫・待ち時間・前倒しのどこで受け止めるかを選ぶこと(作り置き89個、最大18秒の待ち)。
  • IT の負荷の平準化はキューで「失敗」を「待ち時間」に置き換える。平均の量が処理能力を超えていればキューは伸び続ける。
  • レート制限は断る、オートスケールは力を増やす、開始時刻の分散は同時に動く数を下げる(60本→12本)。状況で選び、前後を同じ数字で比べる。

参考・出典

この節では、この記事で確かめた資料の一覧が分かります(確認日 2026年11月16日)。

  • Weblio 辞書「平準化」(実用日本語表現辞典・OR事典〔日本オペレーションズ・リサーチ学会〕などの語釈):weblio.jp
  • JREC-IN Portal 用語集「平準化(equalization)」:jrecin.jst.go.jp
  • 日本産業標準調査会(JISC)「産業標準化について」:jisc.go.jp
  • トヨタ自動車「トヨタ生産方式」(公式企業サイト):global.toyota
  • トヨタ自動車「よく分かる『トヨタ生産方式』」(トヨタバーチャル工場見学):global.toyota
  • 大野耐一『トヨタ生産方式―脱規模の経営をめざして』ダイヤモンド社(1978年)書誌情報:diamond.co.jp(書誌情報の範囲で確かめ、本文は読んでいない)
  • ウィキペディア「平準化」(量と種類の平準化・ロット生産との対比):ja.wikipedia.org
  • 総務省「令和5年度入札契約適正化法等に基づく実施状況調査の結果(都道府県及び市区町村における公共工事の施工時期の平準化の進捗・取組状況)」:soumu.go.jp
  • Microsoft Azure Architecture Center「キュー ベースの負荷平準化パターン」:learn.microsoft.com
  • Python 3.13.18 の標準ライブラリ(statistics・collections.deque・random・hashlib)で計算

本記事の内容は、ご自由にお使いください。
ご利用の際は、出典として本ページへのリンクを記載いただけますようお願いします。

(記載例)出典:株式会社RJC「平準化とは|意味・生産の平準化(ヘイジュンカ)とITでの負荷の平準化」

株式会社RJC ― SI事業・SES事業・AI駆動開発。RJCは一緒に成長を楽しめる会社です。

WE ARE HIRING

RJCで一緒に開発しながら、
成長を楽しみませんか?

RJCは、Web・モバイル・AIを活用した開発プロジェクトで、テックリードやPM・PMOも活躍するシステム開発会社です。会社を知る、待遇を確かめる、話を聞いてみる。気になるところ見てみてください!

  • 127日年間休日
  • 12時間平均残業時間
  • 毎日ガチャ遊びココロも大切にする福利厚生。アマギフなどの賞品ラインナップ!

ほかにも、チケットレストラン、書籍読み放題、2年ごとの慰労報奨(休暇 or 金一封)、11期連続の黒字決算。

ABOUT RJC RJCがどんな会社か知る 考え方、研修、働き方、福利厚生、社員の前職まで。RJCのことが丸わかり! RJC丸わかりページへ JOB DESCRIPTION 仕事内容・待遇を見てみる 仕事内容、給与・待遇、選考の流れ。経験者も未経験も!応募前に知りたいこと、まとめました! 募集要項を見る ENTRY エントリーする エントリーは1〜2分・履歴書不要です。まずは話を聞いてみたい、という方でも歓迎です! エントリーフォームへ

成長のヒミツ、 ぜんぶ丸わかり