業務改善・DX

製造業の生成AI活用|設計開発を自動化する実装ステップ

自然言語や画像から3D CADモデルを生成する技術を題材に、製造業で生成AIを設計開発へ組み込む方法を解説します。対象業務、検証、品質保証、現場定着の要点を整理します。

合同会社emeth lab約9分
スケッチと寸法条件から3D CADの形状案が生成され、設計者が寸法、干渉、材料、加工性を検証して承認する流れの図版

はじめに

製造業の設計開発では、自然言語や画像から3D CADモデルを生成する技術が登場しています。設計の初期段階で複数の形状案を作成する用途などで活用が期待されています。

ただし、公開情報だけでは、試作回数や設計期間がどの程度短縮されるかは確認できません。また、生成されたCADモデルがそのまま製造に使えるとも限りません。

ここでは、自然言語や画像から3D CADモデルを生成する技術を手掛かりに、製造業が設計開発へ生成AIを導入する際の実装ステップ、評価指標、現場定着の条件を整理します。

最新動向

MONOistの記事では、自然言語や画像から3D CADモデルを自動生成する技術を開発する企業が資金調達を実施し、プロダクト開発体制の強化と海外展開を進める方針が示されています。

この記事から確認できるのは、自然言語や画像を入力として、3D CADモデルの生成を目指す技術開発が進んでいることです。一方、導入企業における具体的な時間削減率、生成モデルの寸法精度、試作回数の削減数などは記載されていません。

そのため、現時点では「設計業務全体を自動化できる」と捉えるのではなく、設計初期のモデル作成やアイデア検討を支援する技術として評価するのが適切です。

設計開発で時間がかかる業務

製造業の設計開発には、次のような作業があります。

  • 要求仕様を読み取り、設計条件を整理する
  • 過去図面や類似部品を検索する
  • 形状の初期案を複数作成する
  • CADモデルを作成し、設計変更に対応する
  • 試作品を製作し、評価結果を設計へ反映する
  • 図面、部品表、検討記録を整備する

特に初期設計では、要求が完全に定まっていない段階で複数案を比較します。設計者が一つひとつCADモデルを作成する場合、案の数を増やすほど作業時間も増えます。

生成AIによって初期形状の作成を支援できれば、設計者が比較できる案を増やせる可能性があります。ただし、実際に検討時間や試作回数が短縮されるかどうかは、対象業務と運用方法を分けて検証する必要があります。

日本企業への示唆

生成AIの導入では、最初から製品全体の設計を自動化するのではなく、対象業務を限定して実証することが重要です。特に日本企業では、品質保証や顧客承認の手順を維持しながら、設計者の前段階作業を支援する形が導入しやすいと考えられます。

1. 業界と部品を限定して始める

最初の対象は、反復性が高く、評価条件を定義しやすい部品が適しています。

産業機械・装置メーカー

従業員数100〜500人程度の装置メーカーであれば、ブラケット、カバー、取付金具などの派生設計から始める方法があります。

最初の1ステップは、過去1〜2年に設計変更が多かった部品を10〜20点選び、寸法、材料、荷重、取付条件を一覧化することです。

自動車・輸送機器部品メーカー

自動車や輸送機器の部品メーカーでは、類似形状の部品や派生モデルが多い場合があります。まずは、最終製品の安全性に直接関わらない治具、搬送用部品、試験用ブラケットなどを対象にすると、検証しやすくなります。

最初の1ステップは、過去図面から再利用頻度の高い部品群を抽出し、共通する設計条件を整理することです。

住宅設備・建材メーカー

住宅設備や建材では、寸法違い、取付位置違い、外観違いの派生設計が発生しやすい傾向があります。カバーや固定部品など、仕様の範囲を定義しやすい部品から試すとよいでしょう。

最初の1ステップは、製品シリーズごとの寸法制約と接続条件をテンプレート化することです。

電機・電子機器メーカー

電機・電子機器メーカーでは、筐体、放熱部品、ケーブル固定部品などが候補になります。ただし、熱、電気、安全規格などの検証が必要な製品では、生成結果を参考案に限定し、正式な設計審査を省略しないことが前提です。

最初の1ステップは、設計者が手作業で作成している筐体や固定部品の初期案を抽出し、入力条件と検証項目を整理することです。

2. 自動化対象を設計工程の一部に限定する

初期導入では、次のような業務が候補になります。

  • ブラケットやカバーなど定型部品の初期形状作成
  • 画像やスケッチからの概略モデル化
  • 過去部品を基にした類似形状の生成
  • 設計条件に応じた複数案の作成
  • CADデータに付随する仕様書や部品表の下書き

最初の対象は、AIが作成した結果を設計者が確認でき、最終承認をAIに任せなくても業務価値を測定できるものが適しています。

3. 入力情報を標準化する

生成AIの出力品質は、入力情報の整理方法に左右されると考えられます。自然言語だけでなく、寸法、材質、荷重、使用環境、加工方法、許容公差などを構造化して渡します。

例えば、次の項目を設計テンプレートとして定義します。

項目入力例
部品の目的配管を装置フレームへ固定
外形制約幅100mm、高さ80mm以内
材料指定材料または候補材料
荷重条件静荷重、振動の有無
製造方法切削、板金、鋳造、3Dプリント
接続条件既存穴位置、ねじ規格
評価条件強度、重量、コスト、加工時間

生成AI導入の成否は、モデルの性能だけでなく、社内の設計知識を入力可能な形式へ整理できるかどうかにも左右されます。

4. CAD生成と検証を分離する

生成された3Dモデルを、そのまま製造工程へ渡す運用は避けるべきです。生成と検証を別工程にし、設計者や解析ツールによる確認を必須にします。

基本的な流れは次のとおりです。

  1. 自然言語、画像、スケッチから初期形状を生成する
  2. CADデータとして出力する
  3. 寸法、干渉、接続条件を自動チェックする
  4. 必要に応じて強度解析や熱解析を行う
  5. 加工性、材料、コストを確認する
  6. 設計者が採用案を決定する
  7. 承認済みデータだけを正式な設計データとして登録する

生成技術は形状案の作成を支援するものですが、強度、加工性、規格、安全性、既存設備との適合性を自動的に保証するものとは限りません。これらは自社の設計基準と検証工程で確認する必要があります。

5. 人の判断を残したワークフローを作る

製造業では、図面に表れにくい現場知識が品質に影響します。例えば、工具が入るか、溶接しやすいか、組立時に部品を保持できるかといった条件です。

そのため、AIが生成した案には、次の情報を付与します。

  • 使用した入力条件
  • 参照した過去設計
  • 生成日時とモデルのバージョン
  • 自動検証の結果
  • 設計者の修正履歴
  • 採用または却下の理由

これらを残すことで、後から設計判断を追跡できます。品質保証や顧客説明が必要な製品では、生成過程の記録が特に重要です。

6. 小規模な実証で評価する

実証では、「AIが使えるか」ではなく、業務全体が改善したかを測定します。従来方法と生成AIを使った方法で、同じ種類の部品を一定数作成し、結果を比較します。

評価領域指標
時間初期案作成時間、設計変更対応時間
品質寸法不備、干渉、検証での不適合件数
生産性一定期間に比較できた設計案の数
手戻り試作後の設計変更回数
確認負荷設計者による修正時間、レビュー時間
利用定着設計者の利用率、継続利用率
経済性ツール費用、教育費、削減できた工数

この記事には、導入企業の具体的な時間削減効果やCAD生成精度の数値は記載されていません。そのため、効果を推測して示すのではなく、自社の実証前後で同じ指標を比較する必要があります。

現場定着の条件

技術を導入しても、設計者が使いにくいと感じれば定着しません。現場で継続利用するためには、次の条件を整える必要があります。

既存のCAD環境と接続する

新しいツールへデータを手作業で移す工程が多いと、利用の負担が増えます。CAD、PDM、PLMなど既存の設計データ管理環境との連携方法を確認し、ファイル形式、版管理、アクセス権限を事前に定義します。

設計者を評価設計に参加させる

導入部門だけで評価項目を決めるのではなく、設計者、製造担当者、品質保証担当者を含めて検証します。特に、AIが生成した案を修正する時間や、レビューで確認すべき項目を実測することが重要です。

承認ルールを明確にする

AIが作成したデータを正式な設計データとして登録する条件を定めます。例えば、寸法チェック、干渉チェック、解析、設計審査、品質保証部門の承認などを段階的に設定します。

教育を操作方法だけにしない

ツールの使い方だけでなく、入力条件の作り方、生成結果の確認方法、誤生成の報告方法、データの取り扱い方も教育します。設計者が出力を過信せず、適切に修正・却下できることが重要です。

データ管理と機密保持を徹底する

図面、仕様書、顧客情報、製造ノウハウを外部サービスへ入力する場合は、契約条件とデータ利用範囲を確認します。社内規程に基づき、入力可能な情報、保存期間、アクセス権限、ログの管理方法を定めます。

まとめ

自然言語や画像から3D CADモデルを生成する技術は、製造業の設計初期段階における形状案の作成を支援する可能性があります。一方、公開記事から確認できるのは技術開発と事業展開が進んでいることまでであり、試作回数や設計期間の短縮効果、生成モデルの精度は確認できません。

自社導入では、次の順番で進めると評価しやすくなります。

  1. 対象部品を限定する
  2. 過去図面と設計条件を整理する
  3. 入力テンプレートを作成する
  4. CAD生成と検証を分離する
  5. 従来方法との比較実証を行う
  6. 承認ルールとデータ管理を整備する
  7. 効果が確認できた業務から対象を広げる

最初の一歩は、AIを導入することではありません。設計者が時間をかけている反復作業を特定し、入力条件、検証項目、評価指標を整理することです。そのうえで、設計者の判断を残した支援ツールとして導入すれば、生成AIの適用可能性を現実的に見極められます。

参考

関連記事