富士製作所の射出成型DX事例｜設定値データで品質管理を効率化する

結論

射出成型でAI活用を進めるなら、最初にやるべきことは 設定値、温度変化、生産数、不良履歴をデータとして残すこと です。

IPAの「中小規模製造業の製造分野におけるDXのための事例調査報告書」では、東京都の株式会社富士製作所の取組が紹介されています。公開事例では、紙で管理していた機械設定情報をデジタル化し、設定値、稼働中の温度変化、スクリューの動き、生産個数などを蓄積して活用する取組が取り上げられています。

この事例は、熟練者の経験をいきなりAIに置き換えるのではなく、判断材料を残すことから始める重要性を示しています。

富士製作所は、射出成型によるプラスチック製品製造を行う企業です。報告書では、従来の紙による機械設定情報の管理では、過去の設定情報を探すのに時間がかかり、経験と勘に依存することが多かったと説明されています。

そこで、成型機メーカーが提供するツールを使い、設定値、稼働中の温度変化、スクリューの動き、生産個数などを数年にわたり収集・蓄積し、データ設定時間の短縮やトラブル予防につなげています。

射出成型では、品質に影響する要素が多く、単純な文章生成AIだけでは解決しません。重要なのは、条件と結果の対応関係を残すことです。

最初に整理すべきデータは次の通りです。

これらが蓄積されると、AIは過去条件の検索、異常値の検知、設定漏れの確認、類似トラブルの参照に使いやすくなります。

いきなり全工程をデータ化する必要はありません。まずはよく再生産する品番、トラブルが多い品番、段取り替えに時間がかかる品番を選び、設定値と結果を残すところから始めるのが現実的です。

紙の設定表をスキャンするだけでなく、後から検索できる項目に分けて保存することが重要です。AIを使う場合も、文章としての記録と数値データの両方がそろっている方が活用しやすくなります。

本記事は、IPA「中小規模製造業の製造分野におけるDXのための事例調査報告書」に掲載された富士製作所の事例をもとに、中小企業向けにAI導入の観点で読み替えています。

この記事の制作・確認方針

中小企業の経営者・部門責任者がAI導入を判断しやすいよう、公式情報、編集部の運用チェックリスト、実務メモをもとに構成しています。最終確認日は 2026/4/21 です。運営会社と編集方針は運営情報と編集部プロフィールにまとめています。

この記事の制作・確認時に参照した情報です。制度、セキュリティ、個人情報、医療、法務、会計、採用など更新性や判断責任が高いテーマでは、公式情報・一次情報を優先します。

公式情報事実確認
IPA: 中小規模製造業の製造分野におけるDXのための事例調査報告書
IPAが国内の中小規模製造業14社を対象に、製造分野のDX推進事例を収集・分析した報告書。
確認日: 2026-04-21
編集方針構成・論点
業種別AI導入の記事で押さえる視点
業種別記事は、業務フロー、紙や音声の有無、説明責任、法令制約の4軸で整理するためのカード。
確認日: 2026-04-20
編集部基準編集レビュー
AI導入前に確認したい社内ガバナンス項目
個人情報、顧客情報、確認責任、記録保存、利用ルールを最低限押さえるための運用カード。
確認日: 2026-04-20

射出成型でAIを使うにはどのデータが必要ですか？

設定値、温度変化、スクリューの動き、生産数、不良履歴など、品質に影響する情報を同じ単位で蓄積する必要があります。

紙の設定表をデータ化するだけでも効果はありますか？

あります。過去条件を探す時間が減り、条件変更の理由を残せるため、品質管理の土台になります。

AIで成型条件を自動決定できますか？

初期は自動決定より、過去条件の検索、異常値検知、設定漏れ確認に使う方が安全です。