金型業の2つの悩み：見積の属人化と金型寿命
金型メーカーは、顧客の製品図面から金型を設計し、切削・放電加工・研磨で作り、試作（トライ）で調整して納めます。受注生産で、同じ金型を2度作ることはほとんどありません。この業態には、AIで解きたい課題が2つあります。
1つは見積です。金型の見積は、製品の形状、型の構造、加工の難しさから、工数と材料費を見積もる作業で、多くの会社でベテラン1〜2人に頼っています。見積が遅れれば受注を逃し、甘ければ赤字になります。
もう1つは金型の寿命とメンテナンスです。金型は使うほど摩耗し、メンテナンスの時期を読み違えると、成形品の不良やバリ、最悪の場合は金型の破損につながります。これは金型メーカーだけでなく、金型を使う成形・プレス工場の課題でもあります。
| 業務 | 課題 | AIの使い方 | 必要なデータ |
|---|---|---|---|
| 見積 | 属人化、回答の遅さ | 過去の類似案件の検索、工数の予測 | 過去の図面と見積・実績工数 |
| 設計・加工 | 加工条件出し、加工時間の読み | 加工条件の最適化、工具摩耗の予測 | 加工条件、工具寿命の実績 |
| 保全（金型を使う側） | メンテナンス時期の判断 | ショット数と成形条件からの劣化予測 | ショット数、成形条件、メンテ履歴、不良記録 |
見積：「類似案件を探す」から始める
金型の見積をAIで支援する最初の一歩は、新しい図面に似た過去の案件を探すことです。ベテランの見積も、実際には「前に作ったあの型に近い」という記憶を頼りにしています。過去の図面と見積額、実績の工数がひもづいて残っていれば、図面の類似検索で候補を出し、担当者が差分を見て調整する形にできます。
図面からの情報抽出の研究では、小型の視覚言語モデルを専門家が注釈した図面400枚で追加学習すると、2D図面から幾何公差の情報を抽出する精度が、汎用の大型モデルをそのまま使う場合より大きく上がったと報告されています（Khan et al., 2024）。手書きの訂正や古い規格の記号には弱いという課題も指摘されています。図面AIの技術は図面AIで解説しています。
部品の調達側では、川島製作所（包装機、約300人）がミスミのmeviy（3Dデータから形状を認識して価格を計算する自動見積）と生産管理システムを導入し、見積から納品までが約2.5カ月から約0.5カ月に短縮したと中小機構の省力化ナビが紹介しています。金型そのものの見積とは対象が違いますが、形状データから価格を即時に出す仕組みが調達の時間を変えることを示しています。
加工：条件と工具寿命
金型の加工は、焼入れ鋼などの硬い材料を、長時間かけて切削・放電加工します。加工条件（回転数・送り・切込み）と工具の摩耗は、加工時間と仕上がりを左右します。工作機械の主軸負荷のデータから工具の摩耗を推定し、交換時期を決める方法は、工作機械の工具摩耗をAIで予測で扱っています。一品生産の金型加工では同じ条件の繰り返しが少ないため、工具と材料の組み合わせごとにデータを蓄積し、加工条件の候補を出す使い方が現実的です。
金型保全：ショット数だけでは足りない
金型のメンテナンスは、多くの工場でショット数（成形回数）を基準に行われています。しかし劣化の進み方は、成形条件、材料、製品の形状で変わります。同じショット数でも、高い型締め力や温度で使った金型は早く傷みます。
AIで保全時期を予測するには、ショット数に加えて、成形条件の履歴、過去のメンテナンス内容、成形品の不良（バリ、寸法の変化）を金型番号で紐付けたデータが必要です。成形品の寸法が徐々に変化する傾向から、メンテナンスが必要になる時期を予測できます。
その前提として、どの金型がどこにあり、どの設備で使われたかを確実に記録する必要があります。昭芝製作所（自動車プレス部品、108人）は、RFIDを使った金型探索システムで、500型の棚卸しを約16時間から約0.5時間にしたと省力化ナビが紹介しています。金型の所在と使用履歴が自動で記録されることが、保全予測の第一歩になります。
中国の金型工場に見るエージェント活用
中国では、寧波のプラスチック金型工場で、ERPと連携したAIエージェントを使い、在庫資金が800万元から500万元に減り、納期遅延率が15%から2%未満になったと36氪が報じています（2026年1月）。比較の期間や詳細は公開されていませんが、中小の金型工場で、見積・受注・在庫・工程の情報をERPに集め、その上でエージェントが計画や発注を支援している例です。中国の中小製造業のエージェント活用は中国の中小製造業とAIエージェントで詳しく扱っています。
この例も、AIの前提はERPに受注と在庫のデータが入っていることです。日本の中小金型メーカーでは、受注や工程の管理が紙やExcelに分かれていることが多く、エージェント以前にデータを1か所に集める段階から始める必要があります。
よくある質問
見積をAIに任せられるようになりますか
類似案件の提示や工数の目安は出せますが、新しい構造や難しい形状の判断はベテランが行います。AIは見積の速度を上げ、担当者による差を小さくする道具として使います。
図面が紙しかない場合はどうすればよいですか
スキャンした図面でも類似検索に使える技術はありますが、精度は落ちます。新しい案件から電子データで残し、過去の図面は受注の多い製品群から順に電子化します。
金型の保全予測は金型メーカーと成形工場のどちらが行うべきですか
使用中のデータは成形工場にあり、構造と過去の修理の知識は金型メーカーにあります。両者でデータを共有できると精度が上がり、金型メーカーにとっては保守サービスの機会にもなります。
この記事に出てくる用語
この記事を書いた人
DELMIA Apriso を中核とした MES / 製造DX の導入・運用・人材育成と、製造業向けAIの調査・開発・教育を手がけるITコンサルティング企業。ISO 9001:2015 / ISO 27001:2022 認証取得。 日本・中国・米国で製造業のMES・データ基盤・AI導入を手がけた実務者が、欧米・中国の一次情報にあたって書いています。
