樋口製作所のAI活用事例｜町工場が技術伝承と品質改善を進める

結論：製造現場のAI活用はデータ共有と判断支援から始める

製造業におけるAI活用では、熟練者の判断を最初から機械へ置き換えるのではなく、現場データを共有したうえで、注意点や判断材料を作業者へ提示しやすくする環境づくりから着手することが実務的です。

経済産業省の「中堅・中小企業等向けDX推進の手引き2025」では、岐阜県各務原市の金属プレスメーカーである樋口製作所の取組が紹介されています。同社の公開事例では、社内ポータルの構築、設備の自律化、3D図面を活用した製造実現性の確認、AIによる作業者への助言といった具体的な施策が取り上げられています。

この事例は、中小規模の製造現場や町工場がAIの導入を検討する際、「データの共有」「現場人材の支援」「品質改善」をどのように結びつけるべきかを考える重要な示唆を含んでいます。

樋口製作所の公開事例に見る取り組みと成果

企業概要と固有の強み

樋口製作所は、岐阜県各務原市に拠点を置く金属プレス専門メーカーです。深絞り技術をはじめ、金型や設備の内製化、高度な工法開発を強みとして事業を展開しています。

公開事例で示された主な取り組み

手引き等の公開情報では、同社のデジタル化およびAI活用の取り組みとして、主に次の内容が紹介されています。

• 現場データの集約と社内ポータルの開発：生産設備や現場アプリから得られるデータを社内プラットフォームへ集め、各部署が必要な情報をリアルタイムに取り出せる社内ポータルを構築しました。
• 設備の自律化に向けた制御：複数の情報を照合しながら、設備を適切に制御する仕組みを導入しています。
• 3D図面による製造実現性確認（Hawk AI）：3D図面データからプレス加工の実現性を判別するシステム「Hawk AI」を活用しています。
• AIによる作業支援：生産やメンテナンスにおける注意点を作業者に伝えるAIシステムを運用しています。

公開事例で報告された成果

これらの取り組みを通じて、以下の成果が得られたと公表されています。

• 年間労働時間の削減
• 一人当たり生産性の向上
• 監査対応やクレーム対応に要する時間の短縮
• 不具合件数の減少

現場の状況を可視化し、作業や保全の判断材料を迅速に提供する仕組みが、時間削減や不具合抑制に寄与していることがうかがえます。

技術伝承で直面する課題とデータ構造の整理

技術伝承が進まない背景には、熟練者のノウハウが個人の頭の中に留まっていることだけではなく、業務に必要な情報が部署や工程ごとに分散して管理されている点があります。

一般的な町工場では、図面、材料特性、金型条件、設備の稼働状態、過去の保全履歴、不具合の記録が別々の帳票や台帳に記載されているケースが少なくありません。これらが切り離された状態のままでは、AIを導入しても適切な文脈を解釈できず、実用的な回答を得ることが難しくなります。

AIによる支援を機能させるには、まず現場にある関連情報を相互につなぎ合わせる必要があります。

• 品番と対応する図面情報
• 使用材料と金型条件の組み合わせ
• 稼働設備と担当作業者の記録
• 過去の設備保全履歴と不具合履歴の突き合わせ
• 顧客監査の指摘事項や過去のクレーム対応の記録

これらの情報が互いに紐づけられて整理されていれば、生成AIや検索AIを活用した際に「過去の類似条件でどのような事象が発生したか」「今回の段取りで注示すべき点は何か」といった実務に即した知見を迅速に引き出すことが可能になります。

編集部の示唆：中小製造業が事例から読み解くべき論点

完全自動化ではなく判断の支援を狙う

中小規模の製造現場において、すべての判断をAIに委ねるアプローチは技術的にも運用的にもハードルが高くなりがちです。樋口製作所の事例のように、現場作業者や保全担当者に「注意点」や「実現性の可視化情報」を提示する形をとることで、人の判断精度を高め、見落としを防止するアプローチが現実的です。

データの保管場所を一元化する価値

高度なAIアルゴリズムを導入する前段階として、現場の各種データがリアルタイムに取り出せる状態を作ることが重要です。各部署が同じプラットフォーム上で設備情報や作業履歴を参照できるようになるだけでも、確認や問い合わせにかかる工数は大幅に軽減されます。

自社で試す手順：町工場における段階的な導入プロセス

大規模なシステム投資が難しい場合でも、公開事例の設計思想を自社の現場へ段階的に適用していくことは可能です。以下の手順で業務の整理を進めることが推奨されます。

ステップ1：記録フォーマットの統一とデータ集約

手書きの日報、紙の点検表、個人のパソコンに保存された表計算シートなど、現場に散在している記録の書式を共通化します。特に不具合が発生した際の原因、金型や設備の設定、対処結果の項目を固定し、同一のフォルダやクラウドストレージへ集約する運用を定着させます。

ステップ2：熟練者の確認観点のチェックリスト化

特定の作業者が無意識に行っている確認手順や判断基準をヒアリングし、チェック項目として明文化します。段取り替えの注意点、摩耗しやすい箇所の点検ポイント、加工条件の微調整手順などを文章や選択肢の形に落とし込みます。

ステップ3：検索・照合の補助としてのAI活用

形式をそろえた過去の記録とチェックリストをもとに、小規模な検索ツールやテキストAIを導入します。作業前の準備段階で「類似の不具合記録の有無」を呼び出したり、作業日報の記入時に抜け漏れがないかをAIに照合させたりする補助的な役割から運用を始めると、現場の混乱を防ぎやすくなります。

運用上の注意：現場定着と品質維持のポイント

入力負荷と精度のバランスを保つ

データを集めようとするあまり、現場作業者に過度な記録作業を課すと、入力内容が形骸化したり記入漏れが増えたりする恐れがあります。選択式の入力インターフェースを採用する、既存の測定データと連動させるなど、作業者の負担を最小限に抑える工夫が求められます。

最終判断の責任と例外処理の明確化

AIが出力する助言や判別結果は、あくまで判断を補助するための参考情報です。異常値が検出された場合の停止判断や、通常と異なる加工手順を採用する際の承認権限など、現場の責任分界点をあらかじめ定めておく必要があります。システムのエラーや想定外の事象が発生した際に、人が安全側に倒して判断できるルール設計が欠かせません。

現場からのフィードバックループの構築

AIシステムが提示した注意点や過去事例が実際の作業に役立ったかどうかを、定期的に現場から回収する仕組みを設けます。現場の実態に合わない助言が続く場合、プロンプトの調整や参照データの見直しを行い、ツールの信頼性を維持し続ける運用体制を整えることが大切です。

参考にした公開事例

参考情報: 経済産業省「中堅・中小企業等向けDX推進の手引き2025」に掲載された樋口製作所の事例。中小企業で検討しやすいAI導入の要点を確認できます。

次に読む記事

町工場で取り組みやすいAI活用は 製造業のAI活用例｜町工場でも使える業務効率化アイデア を、ナレッジ検索の考え方は 社内規程やマニュアル検索をAIで効率化する方法 を確認してください。