ウチダ製作所のつながる工場事例｜AIで金型共同受注を支える

結論：金型共同受注を支えるデータ共有とAI連携

中小製造業におけるAIやデジタルの活用領域は、自社工場内の作業効率化や自動化にとどまりません。協力会社と工場の稼働状況や得意な加工領域のデータを共有し、地域や企業間で共同受注を支える連携プラットフォームの構築へと発展させることが可能です。

自社単独では対応が難しい大型案件や特殊な加工であっても、近隣の協力会社と設備能力を融通し合えれば、失注を防ぎながら地域全体の操業度を高められます。その中核となるのが、各工場の設備稼働ログの収集と、将来的な需要・空き状況を予測するAIの活用です。

独立行政法人情報処理推進機構（IPA）の報告書に掲載された株式会社ウチダ製作所の事例は、個別最適のデジタル化を超えて、サプライチェーン全体でデータをつなぎ受注機会を最大化するアプローチを示しています。

IPA報告書に見るウチダ製作所の公開事例

プレス加工の一貫体制と高難易度金型への対応

愛知県の株式会社ウチダ製作所は、プレス加工部品の製造を手がける企業です。同社は金型の設計・製造から、プレス加工、自動タップ加工に至るまでの一連の工程を一貫して受注できる体制を強みとしています。

同社が取り組む対象の一つが高難易度プレス金型の製作です。複雑な形状や高い精度が求められる金型製作を確実に行うため、自社リソースだけに依存せず、地域の金型メーカーと緊密に連携する体制の構築が進められました。

IoTによる設備稼働状況の把握と共同受注

ウチダ製作所の取組として報告書で紹介されているのが、地域の金型メーカーと連携したIoTやAI活用の共同受注サービスです。

具体的には、連携する金型メーカーの製造設備にIoT装置を設置し、各設備の稼働状況を調査・把握する仕組みを構築しました。金型製作は地域や時期によって各社の繁忙期・閑散期にばらつきが生じやすいため、把握した稼働データをもとに、各工場の稼働余力を踏まえて適切な受注先を検討する流れが整えられています。

クラウドログと機械学習による将来構想

公開事例では、将来的な展望としてさらなるデータ活用構想も示されています。複数の提携金型メーカーの仕事量をクラウド上で可視化し、蓄積されたログデータを機械学習にかけることで、設備の空き状況や繁忙期を予測する構想です。

直近の稼働状況を見るだけでなく、過去の稼働実績や季節変動などのログをAIで分析することにより、将来の負荷状況を先回りして把握し、より円滑な共同受注体制の実現を目指すアプローチとして位置づけられています。

中小製造業が事例から学ぶべき基盤整備

AI導入前に整えるべき共通データ項目

企業間の共同受注や協力会社連携を推進するにあたり、AIのアルゴリズムを選定する前段階として、参画企業間で共有するデータ項目の標準化が不可欠です。各社で管理基準や項目の定義が異なっていると、データを統合しても実務上の判断材料として活用できません。

実務において整理すべき代表的な項目には、次のようなものがあります。

• 設備の種類と加工可能範囲（テーブルサイズ、ストローク、最大荷重など）
• 現在の稼働状況と設備の空き時間
• 各社が得意とする材質や加工精度、難易度への対応実績
• 納期に対する余力と現在の仕掛かり状況
• 品質保証の検査能力やメンテナンス対応体制

これらのデータ項目が各社共通の形式でそろって初めて、AIやシステムを用いた比較や集計が意味を持ちます。

共同受注におけるAIの役割の境界線

共通データが整備された段階でAIを適用する場合でも、AIが発注先や割り当てを一方的に自動決定する仕組みにするのは早計です。製造業における外注判断には、過去の取引関係、対面での技術的なすり合わせ能力、工程ごとの微細なノウハウなど、数値化しにくい要素が数多く含まれるためです。

共同受注システムにおけるAIの適切な役割は、条件に合致する協力会社の候補を絞り込み、判断のたたき台を提示する支援機能にとどめることが現実的です。候補抽出や将来予測をAIが担い、最終的な発注決定は営業担当者や生産管理者が行う役割分担をとることが推奨されます。

編集部の示唆：自社完結型から企業間連携DXへの視点転換

中小製造業の多くは、まず自社工場内の歩留まり向上や帳票ペーパーレス化といった社内効率化からDXに着手します。しかし、自社完結の合理化だけでは、突発的な大口案件の受注拒否や、設備の稼働率低下による収益悪化といった構造的課題の解決には限界があります。

ウチダ製作所の事例から得られる示唆は、同業他社や協力会社を単なる競合相手ではなく、設備やリソースを補完し合うパートナーとして再定義する重要性です。IoTやAIは、そうした企業間連携において「お互いの余力を見える化し、信頼関係を担保するための共通言語」として機能します。

地域や業界内で加工能力をつなぐハブとなる企業が登場すれば、個々の中小工場では引き受けられない高難易度・短納期の案件を地域全体で受注し、サプライチェーン全体の稼働と収益を底上げする契機となります。

自社で試す手順：協力会社との共同受注・データ連携ステップ

自社でも近隣の協力会社や提携先と設備連携や共同受注を進める場合、以下の手順を踏んで段階的に進めることが現実的です。

連携の目的共有と共有データ項目の合意形成

最初に取り組むべきは、参加企業間で連携の意義と共通のメリットを合意することです。どちらか一方の下請け関係としてではなく、互いの閑散期を埋め合い失注を減らす対等な関係としての共通認識を醸成します。その上で、共有すべき最低限の設備情報や得意加工の基準を議論し、データ項目を統一します。

設備稼働状況の可視化と試験的な手動連携

次の段階では、設備へのセンサーやIoT機器の設置、あるいは簡易的な日報入力などにより、各社の稼働状況をクラウド等で見える化します。この段階ではAIによる高度な予測を急がず、可視化された空き状況を見ながら、人が手作業で案件の融通や共同受注を試験運用します。情報の粒度や更新頻度が実務に耐えうるかを現場レベルで検証することが目的です。

ログデータの蓄積と機械学習による予測支援の検証

可視化の運用が定着し、一定期間の稼働ログがクラウドに蓄積された段階で、AIや機械学習の適用を検討します。過去の繁忙期・閑散期のパターンから将来の設備余力を予測し、受注案件の割り当て候補をレコメンドする機能などを小規模に試行します。予測の精度を現場の職人や管理者が確認しながら、徐々に実業務の補助ツールとして組み込んでいきます。

運用上の注意：機密保護と判断主体の明確化

製造ノウハウと設備データの共有範囲設定

製造業における加工データや設備稼働ログには、企業の競争力の源泉である製造ノウハウが色濃く反映されます。協力会社とデータを共有する際は、工場の全データを無制限に公開するのではなく、共同受注の判断に必要な「空き時間帯」「加工可能な仕様範囲」などに絞り込む設計が欠かせません。営業機密や顧客固有の図面情報が連携先に漏洩しないよう、アクセス権限と利用目的を事前に契約書や利用規約で厳密に定めておく必要があります。

最終判断の責任分担と人の介在

AIがどれほど高精度に最適な外注候補先を推薦したとしても、実際の加工品質や納期遵守、価格交渉、万が一の不良発生時の補償責任は、発注元と受注先の間で人が負うことになります。

AIの提示内容を盲信して現場の確認を怠ると、予期せぬ加工トラブルや責任の押し付け合いにつながる恐れがあります。システム導入初期は特に、判断の自動化を目的化せず、情報共有と候補整理の補助に徹し、最終確認は必ず担当者が行う運用ルールを確立しておくことが安全です。

参考にした公開事例

参考情報: 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」に掲載されたウチダ製作所の事例。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

製造と受発注の全体設計は 製造業と卸売業のAI導入は受発注と見積業務から始めるべきか を、データ共有ルールは 顧客情報をAIに入力してよいかを判断する社内ルール を確認してください。