# MFG-AI — 製造業のAIを、現場とデータ基盤から。

> 製造業のAI活用（外観検査・予知保全・需要予測・生成AI・フィジカルAI）を、導入の判断に必要な粒度で届ける専門メディア。欧米・中国の一次情報、製品・サービス比較データベース、導入事例データベース、日英中の用語集を収録。MESとデータ基盤の実装経験を持つ実務者が書いています。

運営：株式会社サオス (SAWS K.K.)（https://saws.jp/）。編集方針：一次情報にあたる／数字には発表元・時期を併記／推測は「推測」と明記／更新日を水増ししない／製品・サービスの提供元から掲載料を受け取らない。詳細: https://mfg-ai.com/editorial-policy/

収録規模：記事600本、製品・サービスDB 283件、導入事例DB 181件、用語集（日英中）400語。

## 製造業AIの基礎知識（https://mfg-ai.com/basics/）

製造業でAIに何ができて何ができないのか。導入テーマの選び方、PoCの設計、費用とROI、失敗のパターンまで、検討の順番に沿って書いています。

- [製造業のAIとは？できること・できないことを5つの機能で整理する入門](https://mfg-ai.com/basics/manufacturing-ai-overview): 製造業のAIは「判定・予測・最適化・生成・制御」の5機能で捉えると全体が見えます。製造工程にAIを入れた企業は12.2%（大企業31.3%、2025年版ものづくり白書）という現在地と、AIにできないこと、データ基盤との関係を整理します。
- [製造業のAI活用10領域：外観検査・予知保全から設計・技能伝承まで一覧](https://mfg-ai.com/basics/manufacturing-ai-use-cases): 製造業のAI活用を外観検査・予知保全・需要予測・生産計画・品質分析・技能伝承・設計・調達・省エネ・安全の10領域に分け、使う技術・必要データ・成熟度を1枚の地図にしました。どの領域でもMESの実績・品質データが成否を分けます。
- [製造業がAIを導入するメリット5つとデメリット4つ：判断基準つきで解説](https://mfg-ai.com/basics/ai-merits-demerits): 製造業のAI導入のメリットは品質の安定・省人化・属人性の解消など5つ、デメリットはデータ整備の負担と運用コストなど4つです。どちらが上回るかは一般論では決まらず、自社のKPIの金額で比べて判断します。その手順を示します。
- [製造業のAI導入率はどこまで進んだか：白書・民間調査7本の数字を読む](https://mfg-ai.com/basics/ai-adoption-rate-japan): 製造業のAI導入率は、製造工程へのAI導入なら12.2%（大企業31.3%）、生成AIの個人利用なら24.6〜65.6%と、指標で大きく変わります。白書と民間調査7本を、何を誰に聞いた数字かで整理し、現在地の正しい読み方を示します。
- [製造業のAI導入テーマの選び方：4つの評価軸で候補に優先順位を付ける](https://mfg-ai.com/basics/ai-theme-selection): AI導入テーマは「効果額・データの有無・現場の受け入れ・横展開性」の4軸で採点して選びます。最初に、閾値やルールで解ける課題などAIで解く必要のないものを外すのがポイントです。採点表の例と、点数が割れたときの判断基準を示します。
- [製造業のAI導入手順8ステップ：構想からPoC・本番・横展開までの流れ](https://mfg-ai.com/basics/ai-introduction-steps): 製造業のAI導入は、構想・テーマ選定・データ確認・PoC・評価・本番設計・運用・横展開の8ステップで進めます。各ステップで作る成果物と判断者を先に決めておくと、PoCで止まる事態を防げます。ステップごとの期間の目安と注意点を示します。
- [製造業AIのPoC設計：目的・評価指標・期間・体制を決める5つの手順](https://mfg-ai.com/basics/ai-poc-design): 製造業AIのPoCは技術検証ではなく、本番に進むかを判断する材料集めです。目的・評価指標と合格ライン・評価データ・期間と中止条件・体制の5つを着手前に文書化します。外観検査を例に、PoC計画書に書く項目を具体的に示します。
- [製造業AIのROI試算：効果の数え方と投資回収期間の出し方を3つの例で](https://mfg-ai.com/basics/ai-roi-calculation): 製造業AIのROIは、不良・停止・工数の改善をP/Lの金額に換算し、横展開費用と年間の運用費まで含めて回収期間を出します。外観検査・予知保全・需要予測の3つの試算例で、効果の数え方と見落としやすい差し引き項目を示します。

## 用途別のAI活用（https://mfg-ai.com/usecases/）

外観検査、予知保全、需要予測、生産計画、品質分析、技能伝承。用途ごとに、使われる技術・必要なデータ・精度の考え方・導入の手順をまとめています。

- [製造業のAI-OCR：紙の検査記録・点検表・ミルシートをデータ化する手順](https://mfg-ai.com/usecases/ai-ocr-manufacturing-guide): 製造業のAI-OCRは、文字認識率ではなく「項目単位で修正不要な率」と1枚あたりの確認時間で評価します。データ化した値をMES・QMSのどこに登録するかを先に決め、紙をなくすまでの過渡期の手段として位置づける手順を示します。
- [製造業の需要予測AIとは？統計手法・LightGBM・基盤モデルの使い分けと導入手順](https://mfg-ai.com/usecases/demand-forecasting-ai-guide): 需要予測AIは手法選びより先に、使うデータ（受注実績）と評価軸（在庫・欠品・納期遵守）を決めると成功しやすい。M5コンペで機械学習が統計を上回った経緯、統計・LightGBM・深層学習・基盤モデルの使い分け、MES・ERPと接続する導入5ステップを整理します。
- [製造業の設計・開発AI：生成設計・CAE代替・図面AI・設計ナレッジの4分野](https://mfg-ai.com/usecases/design-ai-guide): 製造業の設計・開発AIは、生成設計、CAE代替モデル、図面AI、設計ナレッジの4分野で成熟度とROIが大きく違います。短期で効果を出しやすいのは図面AIと設計ナレッジ、中期でCAE代替です。GMの40%軽量化やMeshGraphNetsの289倍高速化などの数字を、前提条件ごと整理します。
- [工場の省エネAI：設備別の見える化・ベースライン回帰・最適制御の3段階](https://mfg-ai.com/usecases/energy-saving-ai-guide): 工場の省エネAIは「設備別の見える化→生産量で補正したベースライン回帰→熱源・空調・コンプレッサの最適制御」の3段階で進めます。受電点の計測だけでは何もできません。各段階のデータ要件と、DOE・WEFが示す効果の目安を整理します。
- [予知保全AIとは？異常検知・故障診断・余寿命推定の3段階と導入6ステップ](https://mfg-ai.com/usecases/predictive-maintenance-ai-guide): 予知保全AIの出力は異常検知・故障診断・余寿命推定の3段階に分かれ、多くの工場は異常検知を保全計画と連動させるだけで元が取れます。ISO 13374の構成、NIST調査の停止52.7%減などの数字、導入6ステップを整理します。
- [AI生産スケジューリングとは？APS・数理最適化・強化学習の違いと選び方3基準](https://mfg-ai.com/usecases/production-scheduling-ai-guide): 生産スケジューリングAIは、まずCP-SATやMIPなど数理最適化で解ける規模かを確かめるのが先決。強化学習は大規模・頻繁なルール変更・リアルタイム再計画が揃うときだけ検討します。4つの手法の違いと、選び方の3基準、MES連携の要点を示します。
- [製造業の品質AI：SPC・要因分析・ソフトセンサー・条件最適化の4領域を整理](https://mfg-ai.com/usecases/quality-ai-guide): 品質AIは、工程監視（SPC/MSPC）、不良の要因分析、ソフトセンサー、条件最適化の4領域に分かれ、必要なデータも効果の出方も違います。どの領域も測定系の信頼性とトレーサビリティが前提になる理由と、着手順を解説します。
- [工場の安全AI：保護具未着用・危険エリア侵入・転倒を画像で検知する4用途](https://mfg-ai.com/usecases/safety-ai-guide): 工場の安全AIは保護具未着用・危険エリア侵入・転倒・不安全行動の4用途に分かれます。見逃しのコストが大きいため再現率を優先しますが、誤報が多いと警報は無視されます。用途ごとの評価と、設備停止につなげる運用設計を示します。

## 生成AI・AIエージェント（https://mfg-ai.com/genai/）

社内文書のRAG、設計・品質文書の生成、現場で動くAIエージェント。生成AIを製造業の業務に載せるときの設計判断と限界を、実装の視点で書いています。

- [製造業のAIエージェントとは：Copilotとの違いと自律度の5段階で整理する](https://mfg-ai.com/genai/ai-agent-basics-mfg): AIエージェントは、目標に向けて計画を立て、ツールを呼び出して業務を進めるAIです。製造業向け製品の多くは「提案のみ」か「人の承認後に実行」の段階にあります。Copilotとの違い、自律度の5段階、MES・ERPとの関係を整理します。
- [製造業の生成AI活用の全体像：業務別12ユースケースと導入の順番](https://mfg-ai.com/genai/genai-manufacturing-overview): 製造業の生成AI活用は、文書系・データ系・制御系の3群12用途に分けると整理できます。最初は文書系から始め、MESや設備データへの接続で広げる順番が現実的です。各用途の前提データと出力を確認する担当者を、一覧表と段階図で示します。
- [製造業の社内文書RAG入門：手順書・図面・品質記録を検索する5層構成](https://mfg-ai.com/genai/rag-manufacturing-basics): 製造業の社内文書RAGは、取込・分割・索引・検索・生成の5層で考えます。精度を決めるのは文書の版管理とメタデータで、LLMの選定は後回しで構いません。手順書・図面・品質記録ごとの注意点と、構築の順番を示します。
- [生成AIの情報漏えい対策：製造業が決めるべき入力禁止情報とログ管理の7項目](https://mfg-ai.com/genai/genai-security-leakage): 製造業の生成AIの情報漏えい対策は、図面・顧客仕様・不具合情報などの機密区分ごとに使えるツールを分けることが基本です。全面禁止は無許可の利用を増やすため、安全な環境を提供したうえで入力ルールとログ管理を決める7項目を示します。
- [生成AIに向く製造業務・向かない業務：5つの判定基準で仕分ける方法](https://mfg-ai.com/genai/genai-usecase-selection): 生成AIに向くのは、正解を文書で定義でき、人が最終確認でき、誤りのコストが低い業務です。設備制御や合否判定の自動化は向きません。製造業の業務を5つの基準で採点し、着手順を決める判定表と記入例を示します。
- [MCP（Model Context Protocol）を工場に入れる：仕様の要点と製造業の使い方3例](https://mfg-ai.com/genai/mcp-manufacturing): MCPはAIと社内システムをつなぐ共通の接続口で、2024年11月にAnthropicが公開しました。仕様は「ツール＝任意コード実行」と明記し、安全はプロトコルでは強制できません。製造業での使い方3例と、OT書き込みを公開しない設計の考え方を示します。
- [PLC・ラダー生成AIの実力：LLM4PLC論文の成功率47%→72%が示す検証ループ](https://mfg-ai.com/genai/plc-ladder-generation): 汎用LLMは、そのままでは有効なPLCプログラムを安定して生成できません。LLM4PLC論文はコンパイラ・形式検証・人のフィードバックを回す仕組みで生成成功率を47%から72%に上げました。研究と製品の到達点と、検証ループの組み方を示します。
- [作業手順書を生成AIで作る：CAD・BOM・動画から下書きする4つのパターン](https://mfg-ai.com/genai/genai-work-instruction-gen): 作業手順書の下書きは、既存文書・CAD/BOM・作業動画・熟練者の口述の4つの入力から生成AIで作れます。Tulip AI Composerなどの製品も人のレビューを前提にしています。安全・品質の重要工程は承認フローを必須にする運用設計を示します。

## フィジカルAI・ロボット（https://mfg-ai.com/physical/）

ロボット基盤モデル、ヒューマノイド、AI搭載の協働ロボット、デジタルツインでの学習。工場の物理作業にAIが入っていく動きを、宣伝と実装を分けて追います。

- [フィジカルAIとは：従来の産業ロボット・協働ロボットとの違いを4つの軸で整理](https://mfg-ai.com/physical/physical-ai-definition): フィジカルAIは、知覚・判断・動作を学習で獲得し、物理世界で作業する機械のAIです。従来の産業ロボット・協働ロボットとの違いを「動作の作り方・教示レスの範囲・汎化・安全」の4軸で比べ、工場で今使える範囲を示します。
- [ヒューマノイドの工場実証一覧：BMW・Mercedes・Schaeffler・BYDなど10社の現在地](https://mfg-ai.com/physical/humanoid-factory-pilots): BMW、Mercedes-Benz、Schaeffler、BYD、美的など10社のヒューマノイド工場実証を、作業内容・段階・開示状況で一覧にしました。多くはパイロット段階で、台数・稼働率・契約経済性は非開示です。量産ライン常駐と言える例はまだ少数です。
- [フィジカルAI導入の判断基準：今やるべき工場・待つべき工場を分ける5つの質問](https://mfg-ai.com/physical/physical-ai-adoption-decision): フィジカルAIを今導入すべきかは、品種とタクトの変動幅、作業の変動、人手不足の深刻度、データの整備状況、安全の分離可能性で判断できます。ヒューマノイドより、既存ロボットにAIモジュールを足す形から始めるのが現実的です。5つの質問と判断の目安を示します。
- [フィジカルAIの全体像2026：基盤モデル・ヒューマノイド・シミュレーションの3層](https://mfg-ai.com/physical/physical-ai-landscape-2026): フィジカルAIの主要プレーヤーを、ロボット基盤モデル・機体（ヒューマノイドと産業ロボット）・シミュレーションの3層で整理します。各層の工場への距離を評価すると、2026年時点で量産現場に近いのはシミュレーションと既存ロボット＋AIです。
- [ISO 10218:2025改訂の要点：産業用ロボット安全規格の何が変わったか](https://mfg-ai.com/physical/iso-10218-2025): 産業用ロボットの安全規格ISO 10218は2025年2月に改訂され、Part1はロボット本体、Part2はロボットセルとアプリケーションを扱います。協働ロボットの技術仕様ISO/TS 15066も15066-1への改訂作業中です。AIを載せたロボットセルを設計する立場から、確認すべき点と移行の進め方を整理します。
- [VLA（Vision-Language-Action）モデル入門：RT-2からπ0.5までの技術の流れ](https://mfg-ai.com/physical/vla-model-basics): VLAは画像と言語指示を入力にロボットの動作を出力するモデルです。行動をトークンとして出すRT-2（2023年）から、flow matchingで連続動作を生成するπ0（2024年）、汎化を伸ばしたπ0.5（2025年）までの流れと、製造現場で効く点・効かない点を整理します。
- [安川電機のフィジカルAI：MOTOMAN NEXT×Gemini Roboticsとソフトバンク協業](https://mfg-ai.com/physical/yaskawa-physical-ai): 安川電機は2026年7月、MOTOMAN NEXTとGemini Robotics ER 1.6を連携させ、生成AIが「何を」、ロボットが「どう動くか」を担う仕組みを開発しました。ソフトバンクとはVLAで柔軟物ハンドリングを実証しています。いずれも提供時期未定の実証段階です。
- [ファナックのフィジカルAI戦略：Google Cloud・NVIDIA・日立・富士通との4つの提携](https://mfg-ai.com/physical/fanuc-physical-ai): ファナックは2026年、Google Cloud（AI溶接エージェント・Gemini）、NVIDIA（Isaac Sim・Jetson Thor）、日立（自社工場での実証）、富士通（事業検討）と相次いで提携しました。フィジカルAI関連で1,000台超を出荷済みとし、既存ロボットにAIを足す路線を取っています。

## データ基盤・MES連携（https://mfg-ai.com/data/）

AIの精度はデータで決まります。MES・IoT・設備データをどう集め、どう整え、どうAIにつなぐか。当サイトがいちばん力を入れている領域です。

- [MESとAIの関係：ロット・作業指示・品質判定がAIの精度を決める理由](https://mfg-ai.com/data/mes-and-ai): センサの時系列は「どのロット・品番・工程のデータか」が分からないとAIに使えません。その文脈を持つのがMESです。MESがAIに果たす3つの役割（ラベルの供給元・紐付けのキー・結果の出口）と、紐付け設計の具体例を示します。
- [製造業AIが本番で止まる7つの理由：PoCは成功したのにラインに載らない構造](https://mfg-ai.com/data/why-ai-stops-in-production): PoCで精度が出た製造業AIが本番で止まる原因の多くは、モデルではなくデータの文脈欠落・MES連携・運用体制の側にあります。McKinsey調査で障壁の上位は人材69%・ROI61%。止まる7つの理由を入口・出口・運用に分けて示します。
- [データ基盤の段階的導入ロードマップ：ユースケースから逆算する8ステップ](https://mfg-ai.com/data/data-platform-roadmap): 製造業のデータ基盤は、KPI決定→タグ棚卸し→収集→MES連携→蓄積→MLOps→セキュリティ→結果の戻し、の8段階で進めます。最初のユースケースに必要な範囲だけを各段階で作り、2つ目以降で再利用できる共通部分を残すのが、PoC止まりを避ける進め方です。
- [製造データ品質の10の問題：時刻ずれ・欠損・単位不統一をAI投入前に潰す方法](https://mfg-ai.com/data/data-quality-manufacturing): 製造データには、タグ不統一・時刻ずれ・欠損・圧縮による損失・ラベル揺れなど10の典型的な品質問題があります。IPA「DX動向2026」でもデータ標準化の難しさを挙げた企業は36.8%。各問題の検出ルールと、品質ルールを基盤側に実装する方法を示します。
- [ISA-95とAI：L0〜L4の階層ごとにAIの置き場所とデータの流れを整理する](https://mfg-ai.com/data/isa95-and-ai): ISA-95（IEC 62264）のL0〜L4の階層ごとに、置くべきAIと求められる応答時間・責任範囲を整理します。L2はサブ秒のリアルタイム推論、L3は秒〜日単位の品質・保全判断、L4は計画最適化。階層をまたぐデータの流れと設計上の注意点を示します。
- [PoC死（パイロット煉獄）の実態：McKinsey・WEF調査で見る「7割がスケールしない」理由](https://mfg-ai.com/data/pilot-purgatory): WEFは2020年、インテリジェント工場の取り組みの74%がパイロット段階にとどまると報告しました。McKinsey調査でも全社展開できた企業は約30%です。各調査の数字と定義の違い、抜け出した企業が共通して行った横展開コストの見積もりとデータ基盤の共通化を整理します。
- [産業データ基盤6製品の比較：Fabric・AWS・Google・Cognite・AVEVA・Litmus](https://mfg-ai.com/data/industrial-dataops-compare): Fabric、AWS IoT SiteWise、Google Cloud MDE、Cognite、AVEVA CONNECT、Litmusの6製品を、収集・文脈付与・保存・AI接続の4層で同じ軸に並べます。1製品で全層は賄えない前提で、組合せ方と確認点を示します。
- [AI学習に使えるMESデータ一覧：実績・停止理由・品質判定・作業者など8種類](https://mfg-ai.com/data/mes-data-for-ai): MESに記録される8種類のデータ（作業指示、生産実績、停止理由、品質判定、検査測定値、設備状態、作業者、材料ロット）と、それぞれが使えるAI用途の対応表です。停止理由コードと品質判定の粒度がそのまま精度に効く理由と、確認方法を示します。

## 世界の製造業AI動向（https://mfg-ai.com/global/）

欧米と中国の製造業で、AIはどこまで実装されているのか。日本語圏にほとんど届いていない一次情報を、出典つきで届けます。

- [中国「人工智能+」行動意見とは：2027年に智能体普及70%超が製造業に意味すること](https://mfg-ai.com/global/china-ai-plus-action-plan): 中国国务院は2025年8月26日に「关于深入实施"人工智能+"行动的意见」を公表し、2027年に智能终端・智能体の普及率70%超を掲げました。工業分野は全工程の智能連携・工业软件・智能制造装备の3項目が柱で、2026年の製造業向け専項行動の上位文書です。
- [中国「AI+製造」専項行動（2026年1月）全解説：7分野21措置と2027年目標](https://mfg-ai.com/global/china-ai-plus-manufacturing-plan): 工信部など8部門は2026年1月7日に「"人工智能+制造"专项行动实施意见」を印発しました。2027年に通用大模型3〜5個の深度応用、高品質データセット100、典型シーン500、標杆企業1000社を掲げ、7分野21措置で構成されます。
- [中国データ越境規定（16号令）と日系工場：製造データを日本へ送れるか](https://mfg-ai.com/global/china-cross-border-data-rule16): 2024年3月施行の「促进和规范数据跨境流动规定」（网信办令第16号）第3条は、跨国生产制造で集めたデータを、個人情報や重要データを含まなければ手続き不要としました。日系工場の設備・品質・作業者データを3区分で整理します。
- [EU AI Actは製造業AIをどこまで縛るか：高リスク判定の分岐点と第6条の例外](https://mfg-ai.com/global/eu-ai-act-manufacturing): EU AI Actで製造業のAIが高リスクになるかの分岐点は「安全機能かどうか」です。第6条1a項は品質管理・最適化目的のAIを安全部品から外しうるとし、多くの検査・保全AIは高リスク外になりえます。判定の流れと、例外が効かないケースを条文に沿って整理します。
- [中国「AI+製造」が日系企業に与える影響：競争・調達・規制の3つの視点](https://mfg-ai.com/global/china-ai-impact-japanese-firms): 中国は2027年までに通用大模型3〜5個の製造業応用、標杆企業1000社などを掲げ、補助金・算力券・成果報酬型課金で導入を後押ししています。日系企業への影響を競争・調達・規制の3視点で整理し、事実と推測を分けて打ち手を示します。
- [中国の智能工厂梯度培育とは：基础级・先进级・卓越级・领航级の4段階](https://mfg-ai.com/global/china-smart-factory-tiers): 中国は智能工厂を基础级・先进级・卓越级・领航级の4段階で認定し、2025年末時点で基础级3.5万超、先进级8200超、卓越级500超、领航级15に達しました。GB/T 39116の成熟度との対応、件数の推移、各段階のAI要件を一表にまとめます。
- [EU AI Omnibusで期限延期：製品組込み型の高リスク義務は2028年8月へ](https://mfg-ai.com/global/eu-ai-omnibus-deadline): 2026年7月27日に発効したAI Omnibusにより、EU AI Actの高リスク義務はAnnex III（雇用・重要インフラ等）が2027年12月2日、Annex I（機械など製品組込み型）が2028年8月2日へ延期されました。「2026年8月から高リスク義務」とする解説は古くなっています。
- [中国の日系工場とAI：パナソニック・オムロン・トヨタの公開情報まとめ](https://mfg-ai.com/global/japanese-plants-china-ai): 中国の日系企業のAI活用で公開情報が厚いのはパナソニックで、DeepSeek・通义千问の社内利用、苏州へのサーボ開発移管、約2000人のソフト開発者が報じられています。オムロン・トヨタは方針中心で、工場AIの具体例は公開が少ないのが実情です。

## 業種別の製造業AI（https://mfg-ai.com/industries/）

自動車、電子・半導体、食品、化学、医薬品。業種ごとに異なる課題と規制、そこで効くAIの使い方をまとめています。

- [業種別に見る製造業AI：30業種の課題と効くAI用途を1枚のマップで整理](https://mfg-ai.com/industries/manufacturing-ai-by-industry): 業種ごとに効くAI用途は「検査・保全・計画・プロセス」のどれが利益に直結するかで決まります。30業種を組立加工型とプロセス型に分け、主な課題・最初に効く用途・データの単位を一覧化し、中国・WEFの公開データから業種間の差も読み解きます。
- [半導体前工程のAI：ウェハ欠陥検査・バーチャルメトロロジー・装置保全の実際](https://mfg-ai.com/industries/semiconductor-fab-ai): 半導体前工程はウェハIDと装置ログでデータが最も揃った業種で、欠陥分類・バーチャルメトロロジー・装置保全・ファブ計画にAIが入っています。TSMCのナノメートル級欠陥検出やGlobalFoundriesの試作期間30%短縮を手がかりに、残る課題と日本の工場が取れる手を整理します。
- [中小町工場のAI活用：従業員50人以下で効果が出た5つの使い方と補助金](https://mfg-ai.com/industries/small-factory-ai): 従業員50人以下の町工場では、高価なAI開発より、稼働の見える化、動画マニュアル、AI-OCR、AI画像センサー、生成AIの5つが効果を出しやすい使い方です。平田精工・大本染工・山岸製作所などの公開事例と、デジタル化・AI導入補助金や省力化投資補助金の使い分けを整理します。
- [自動車メーカーのAI活用：溶接・塗装検査から生産計画・フィジカルAIまで10用途](https://mfg-ai.com/industries/automotive-ai): 完成車工場では検査・設備保全・工場デジタルツインのAIが実用段階に入り、次の焦点はヒューマノイドと生成AIです。BMW・Audi・トヨタ・GMなどの公開事例を10用途に整理し、停止1時間230万ドルという損失構造から優先順位の付け方を示します。
- [化学メーカーのAI活用：ソフトセンサー・自律制御・材料開発の3領域と事例](https://mfg-ai.com/industries/chemical-plant-ai): 化学メーカーのAIは、連続プロセスのソフトセンサーと制御、研究開発のマテリアルズ・インフォマティクスの3領域に集約されます。横河電機×JSRの35日連続自律制御、ENEOS×PFNの930センサ自動運転、日立×三菱ケミカルの故障診断エージェントの一次情報から、実装の条件を整理します。
- [食品工場のAI活用：キユーピーの原料検査から需要予測・省人化まで5用途](https://mfg-ai.com/industries/food-manufacturing-ai): 食品工場のAIは、原料のばらつきを扱う良品学習型の検査と、短い賞味期限に合わせた需要予測が先行しています。キユーピーの原料検査装置、海天味业のライトハウス工場、伊利のBIエージェント、雪印メグミルクのデジタル日報を手がかりに5用途と導入の注意点を整理します。
- [自動車部品（Tier1・Tier2）のAI：品質保証・トレーサビリティ要求に応える5用途](https://mfg-ai.com/industries/auto-parts-supplier-ai): 自動車部品メーカーのAI導入は、OEMが求める全数検査とトレーサビリティへの対応が起点になります。タチエス・昭芝製作所・Valeo深圳・Faurecia塩城などの公開事例から5つの用途を整理し、ロット・シリアルの紐付けを先に整える理由と手順を示します。
- [産業機械メーカーのAI活用：受注設計・調達・組立・アフターサービスの4領域](https://mfg-ai.com/industries/industrial-machinery-ai): 受注生産の産業機械メーカーは、量産工場向けのAIより、設計・見積・調達・アフターサービスでAIの効果が大きく出ます。川島製作所の見積〜納品2.5カ月→0.5カ月、日機装の年間23,467時間削減、恒力重工の計画業務の事例から、4領域の使い方と前提となるデータを整理します。

## 人材・組織・補助金・規制（https://mfg-ai.com/management/）

AI人材の育て方、推進体制、使える補助金、AI規制とガイドライン。技術以外のところで導入が止まらないための情報です。

- [製造業のAI人材育成：現場・推進・専門の3層で育てる計画の立て方](https://mfg-ai.com/management/ai-talent-development): 製造業のAI人材は全員をデータサイエンティストにする必要はなく、使う人・推進する人・作る人の3層で目標と育成手段を分けると計画が立ちます。DX人材の量が足りない企業85.1%（IPA）という前提で、層ごとの到達目標と育成の順番を示します。
- [AI推進体制のつくり方：CoE・事業部・工場の3者の役割分担と5つの型](https://mfg-ai.com/management/ai-promotion-organization): 製造業のAI推進体制は、中央のCoEがデータ基盤と標準を持ち、工場がテーマと運用を持つ分担にすると横展開が進みます。IT部門単独型・工場自律型など5つの型を比較し、C-levelの責任者を置く企業が36%にとどまる（McKinsey）現状から設計の勘所を示します。
- [製造業のリスキリング：現場社員をAI活用人材に変える6か月プログラム](https://mfg-ai.com/management/ai-reskilling): 日本のAI研修受講率は26.7%でOECD平均36.8%を下回ります（令和8年版労働経済白書）。製造業の現場社員のリスキリングは、座学ではなく自工程の業務テーマを持たせた6か月の実践型で設計すると定着します。月ごとの内容と助成金の確認点を示します。
- [製造業のAI人材に必要なスキル10項目：ドメイン知識とデータの扱い](https://mfg-ai.com/management/ai-skills-required): 製造業のAI人材に必要なスキルは、モデル構築の技術より、工程・品質のドメイン知識とデータの整え方のほうが成果に効きます。データサイエンティストの時間の約38%がデータ準備に使われる（Anaconda調査）という実態を踏まえ、10項目と3層ごとの必要水準を整理します。
- [AI人材を採用するか育てるか：製造業の判断基準と採用時の4つの注意点](https://mfg-ai.com/management/ai-talent-hiring): 製造業のAI人材は、外部採用だけでは定着と評価制度が壁になります。DX人材の評価基準がない日本企業は75.7%（IPA、米国10.0%）で、採っても処遇できない構造です。採用・育成・外部伴走を役割ごとに組み合わせる判断基準と、採用時の4つの注意点を示します。
- [全社員向けAIリテラシー研修：製造業で教える8つのテーマと進め方](https://mfg-ai.com/management/ai-literacy-training): 全社員向けAIリテラシー研修は、生成AIの使い方より先に、入力してよい情報・出力の検証・禁止事項を教えると事故と利用の偏りを同時に減らせます。上位10%の利用者がメッセージ量の約半分を占める調査や、EU AI Act第4条のリテラシー義務も踏まえ、8テーマと進め方を示します。
- [CDO・DX推進責任者の役割：製造業でAI投資を前に進める5つの権限](https://mfg-ai.com/management/ai-cdo-role): 製造業のCDO・DX推進責任者に予算・データ・人事の権限がないと、AIはPoCで止まります。McKinseyの700社超調査ではC-levelの責任者を置く企業は36%で、全社展開できた企業は約30%でした。責任者が持つべき5つの権限と、肩書きだけの責任者にしないための点検項目を示します。
- [FDE型の伴走支援とは：日立・富士通も採る外部人材活用の3つの形](https://mfg-ai.com/management/ai-fde-partnering): FDE型の伴走支援は、外部エンジニアが現場に入りデータ整備と知識抽出を担う形で、日立・富士通・エイシングが2026年に打ち出しています。内製化までの橋渡しとして使い、技術移転と成果物の権利を契約に入れることが条件です。3つの形と契約の確認点を示します。

## 実務ツール・資料（https://mfg-ai.com/tools/）

AI導入テーマ選定シート、PoC計画書、ROI試算、ベンダー質問リスト。そのまま社内で使える実務資産を無料で配布します。

- [【無料Excel】製造業AI導入テーマ選定シート：4つの評価軸で20候補を採点](https://mfg-ai.com/tools/ai-theme-selection-sheet): 現場から集めたAIテーマの候補を最大20件まで並べ、効果額・データの有無・現場の受け入れ・横展開性の4軸を1〜5点で採点して優先順位を出すExcelシートです。除外判定欄、重み付け、記入例つきで、項目ごとの書き方を解説します。
- [【無料Word】AI PoC計画書テンプレート：目的・評価指標・中止条件の12項目](https://mfg-ai.com/tools/poc-plan-template): AI PoCの開始前に、目的・対象範囲・評価指標・合格ライン・中止条件・本番化の条件など12項目を文書化するWordひな形です。外観検査を例にした記入例と、項目ごとの書き方、書き漏らすとPoCが終わらなくなる箇所を解説します。
- [【無料Excel】製造業AIのROI試算シート：不良・停止・工数から回収期間を計算](https://mfg-ai.com/tools/ai-roi-calculator): AIの効果を不良削減・停止削減・工数削減の3つで金額に換算し、初期費用・運用費・横展開費を入れて投資回収期間と5年間の累積収支を出すExcelシートです。入力項目の意味、外観検査の記入例、効果を水増ししないための注意点を解説します。
- [AIベンダーへの質問リスト60問：提案比較とPoC前の確認に使えるチェック表](https://mfg-ai.com/tools/ai-vendor-question-list): 製造業AIのベンダー選定で、データの扱い・精度の前提・運用体制・権利・費用など6分野60問を同じ形式で質問し、回答を並べて比較するためのチェック表です。質問の意図、回答の良し悪しの見分け方、3社比較の記入例を解説します。
- [AI導入前のデータ準備チェックリスト：設備・MES・品質データの40項目](https://mfg-ai.com/tools/data-readiness-checklist): タグ命名・時刻同期・欠損・ロット紐付け・マスタ整合など、AIのPoC前に確認すべき40項目を5分野に分けた点検表です。各項目を3段階で判定し、不足を整備工数つきで一覧にできます。項目の意味、確認方法、記入例を解説します。
- [【無料Word】生成AI社内利用ルールひな形：製造業向け10章構成と記入例つき](https://mfg-ai.com/tools/genai-usage-rule-template): 入力禁止情報・利用できるツール・出力の検証・記録と報告など、製造業が生成AIの社内ルールに書くべき内容を10章にまとめたWordひな形です。図面・レシピ・顧客情報の扱いなど自社用に書き換える箇所を明示し、記入例とともに解説します。
- [AI投資の補助金申請準備チェックリスト：5制度共通の確認30項目と日程表](https://mfg-ai.com/tools/subsidy-application-checklist): デジタル化・AI導入補助金、新事業進出・ものづくり補助金、省力化投資補助金など5制度に共通する申請準備を30項目に整理し、締切から逆算する日程表と合わせたチェックリストです。賃上げ要件の返還リスクや見積の取り方など、項目ごとの注意点を解説します。
- [外観検査AIの要件定義シート：ワーク・欠陥・撮像・タクトの25項目](https://mfg-ai.com/tools/visual-inspection-requirements-sheet): 外観検査AIの見積依頼やPoCの前に、ワークの仕様、欠陥の種類と限度見本、撮像条件、タクト、判定後の処理を25項目で整理するExcelシートです。ベンダーとの認識ずれが起きやすい項目と、塗装部品を例にした記入例を解説します。

## 製造業AI用語集（https://mfg-ai.com/terms/）

製造業のAI・データ活用で使われる用語を、日本語・英語・中国語の三言語で1語ずつ説明します。



## 製造業AIニュース（https://mfg-ai.com/news/）

製造業のAIに関わる国内外の動きを、出典つきの短報で追跡します。

- [中国8部門が「AI+製造」専項行動を印発：2027年に標杆企業1000社](https://mfg-ai.com/news/china-ai-plus-manufacturing-2026): 中国の工信部など8部門は2026年1月7日、「人工智能+制造」专项行动实施意见を印発しました。2027年に通用大模型3〜5個の深度応用、データセット100、典型シーン500、標杆企業1000社を掲げます。「工業エージェント1000個」は原文にありません。
- [EU AI Omnibusが7月27日に発効：製品組込み型AIの高リスク義務は2028年8月へ](https://mfg-ai.com/news/eu-ai-omnibus-in-force): EU AI Omnibusが2026年7月27日に発効し、AI Actの高リスク義務の期限が延びました。Annex IIIは2027年12月2日、機械規則などのAnnex I製品組込み型は2028年8月2日から適用されます。
- [EUサイバーレジリエンス法の報告義務が9月11日に開始：AI搭載設備も対象](https://mfg-ai.com/news/eu-cra-reporting-starts): EUサイバーレジリエンス法（CRA）の脆弱性・インシデント報告義務が2026年9月11日に適用されました。主要義務は2027年12月11日からです。デジタル要素を持つ製品が対象で、ネットワークにつながるAI搭載の設備や機械も含まれます。
- [ファナック「AI溶接エージェント」発表：図面から溶接条件とロボット動作を生成](https://mfg-ai.com/news/fanuc-ai-welding-agent): ファナックは2026年9月11日、Google CloudのGemini Enterpriseを使う「AI溶接エージェント」を発表しました。図面から溶接条件とロボット動作を自動生成し、2026年12月末にサブスクリプションで出荷する予定です。
- [ファナックと日立がフィジカルAIで提携、茨城の工場を「カスタマーゼロ」に](https://mfg-ai.com/news/fanuc-hitachi-physical-ai-2026): ファナックと日立は2026年9月30日、フィジカルAIの共同事業化で提携しました。日立茨城地区の工場を最初の顧客として部品ピッキングと段取り替えを検証し、2027年度から半導体・医薬品・食品など6分野へ展開する計画です。
- [フィジカルAIに官民10.5兆円：成長戦略会議が2040年度までの投資計画](https://mfg-ai.com/news/physical-ai-10-trillion-yen): 2026年6月24日の成長戦略会議で、フィジカルAIに2040年度までに官民で10.5兆円を投じる計画が示されました。17戦略分野全体では370兆円規模です。政府は2040年にAIロボット売上約20兆円、世界シェア30%超を目標にしています。
- [Schneider、Cogniteを約31億ドルで買収へ：AVEVA CONNECTに統合](https://mfg-ai.com/news/schneider-to-acquire-cognite): Schneider Electricは2026年6月30日、産業データ基盤のCogniteを約31億ドル（全額現金）で買収すると発表しました。Cogniteの2025年売上は1.7億ドル超で、データ基盤とAtlas AIはAVEVAのCONNECTに統合される計画です。
- [デジタル化・AI導入補助金2026の採択結果：通常枠4次は採択率約44%](https://mfg-ai.com/news/digital-ai-subsidy-2026-results): 中小企業庁が2026年10月7日に公表したデジタル化・AI導入補助金2026の採択結果では、通常枠4次が申請1,836者・採択816者で採択率は約44%でした。セキュリティ枠・インボイス枠の数字と、次回申請の注意点を整理します。

## 製造業AI 製品・サービス 比較データベース（https://mfg-ai.com/vendors/）

283件を用途分類・地域・提供形態・対応業種・日本での提供状況の同一軸で比較。用途分類：外観検査（28）・予知保全・設備保全（22）・需要予測・計画（16）・品質・プロセス分析（22）・生成AI・ナレッジ（42）・AIエージェント・プラットフォーム（35）・フィジカルAI・ロボット（49）・データ基盤・IIoT（39）・開発・MLOps基盤（22）・AI受託開発・コンサル（8）。

- [盘古预测大模型（盘古大模型5.5）（华为云（Huawei Cloud））](https://mfg-ai.com/vendors/huawei-pangu-prediction-model): 品質・プロセス分析／中国
- [盘古CV大模型（华为云（Huawei Cloud））](https://mfg-ai.com/vendors/huawei-pangu-cv-model): 外観検査／中国
- [盘古矿山大模型（华为（Huawei））](https://mfg-ai.com/vendors/huawei-pangu-mining-model): 生成AI・ナレッジ／中国
- [华为AI数据平台（华为（Huawei））](https://mfg-ai.com/vendors/huawei-ai-data-platform): データ基盤・IIoT／中国
- [开物工业互联网平台（百度智能云（Baidu AI Cloud））](https://mfg-ai.com/vendors/baidu-kaiwu-industrial-internet): データ基盤・IIoT／中国
- [天工AIoT平台（百度智能云（Baidu AI Cloud））](https://mfg-ai.com/vendors/baidu-tiangong-aiot): データ基盤・IIoT／中国
- [百度AI質検（工業AOI）（百度智能云（Baidu AI Cloud））](https://mfg-ai.com/vendors/baidu-ai-quality-inspection): 外観検査／中国
- [通义千问（Qwen）／工業BIエージェント（阿里云（Alibaba Cloud））](https://mfg-ai.com/vendors/alibaba-qwen-industrial-bi-agent): AIエージェント・プラットフォーム／中国
- [智能知识引擎（腾讯云（Tencent Cloud））](https://mfg-ai.com/vendors/tencent-cloud-knowledge-engine): 生成AI・ナレッジ／中国
- [天智工业大模型（卡奥斯（COSMOPlat、海尔集团））](https://mfg-ai.com/vendors/cosmoplat-tianzhi-industrial-model): 生成AI・ナレッジ／中国
- [天智·石油化工大模型（卡奥斯（COSMOPlat、海尔集团））](https://mfg-ai.com/vendors/cosmoplat-petrochemical-model): 品質・プロセス分析／中国
- [能源双碳行业大模型（卡奥斯（COSMOPlat、海尔集团））](https://mfg-ai.com/vendors/cosmoplat-energy-carbon-model): 品質・プロセス分析／中国
- [工业智能体开发平台（卡奥斯（COSMOPlat、海尔集团））](https://mfg-ai.com/vendors/cosmoplat-agent-dev-platform): AIエージェント・プラットフォーム／中国
- [工业世界模型（卡奥斯（COSMOPlat、海尔集团））](https://mfg-ai.com/vendors/cosmoplat-industrial-world-model): AIエージェント・プラットフォーム／中国
- [根云平台（ROOTCLOUD）（树根互联（Rootcloud））](https://mfg-ai.com/vendors/rootcloud-platform): データ基盤・IIoT／中国
- [时序预测大模型（树根互联（Rootcloud））](https://mfg-ai.com/vendors/rootcloud-timeseries-model): 予知保全・設備保全／中国
- [工業マルチエージェント群（AI超级工厂）（树根互联（Rootcloud））](https://mfg-ai.com/vendors/rootcloud-industrial-agents): AIエージェント・プラットフォーム／中国
- [智能焊接机器人（树根互联（Rootcloud））](https://mfg-ai.com/vendors/rootcloud-welding-robot): フィジカルAI・ロボット／中国
- [浪潮云洲工业大模型（浪潮云洲（浪潮集团））](https://mfg-ai.com/vendors/inspur-yunzhou-industrial-model): 生成AI・ナレッジ／中国
- [海岳大模型3.0／浪潮海岳商业AI（浪潮集团（Inspur））](https://mfg-ai.com/vendors/inspur-haiyue-model): 生成AI・ナレッジ／中国

## 製造業AI 導入事例データベース（https://mfg-ai.com/cases/）

公開情報にもとづく導入事例181件。用途・業種・企業規模・地域で整理し、成果の数字は発表どおりに記載。全事例に出典つき。

- [美的の荆州洗濯機工場が14のAIエージェントで38の業務シーンを動かす「智能体工厂」](https://mfg-ai.com/cases/midea-jingzhou-agent-factory): 美的集团（Midea Group）荆州洗衣机工場／AIエージェント・プラットフォーム／機械
- [美的荆州工場がAIグラスと品質エージェントで初品検査を15分から30秒に短縮](https://mfg-ai.com/cases/midea-jingzhou-first-article-inspection): 美的集团（Midea Group）荆州工場／品質・プロセス分析／機械
- [美的グループがAIによるコスト削減額を2024年1.8億元と公表、2026年は9億元を計画](https://mfg-ai.com/cases/midea-group-ai-cost-reduction): 美的集团（Midea Group）／AIエージェント・プラットフォーム／機械
- [美的が自社開発の人形ロボット「美罗」を荆州工場に投入し、検査と巡回を担わせた事例](https://mfg-ai.com/cases/midea-meiluo-humanoid-jingzhou): 美的集团（Midea Group）荆州工場／フィジカルAI・ロボット／機械
- [美的厨热の芜湖工場がAI計画とコントロールタワーで納期39%短縮、灯塔工場に選出](https://mfg-ai.com/cases/midea-wuhu-kitchen-ai-planning): 美的厨热 芜湖工場（美的集团）／需要予測・計画／機械
- [美的通用制冷の重庆工場が79のデジタル施策で製品構成のリードタイムを81%短縮](https://mfg-ai.com/cases/midea-chongqing-hvac-configuration): 美的通用制冷 重庆工場（美的集团）／需要予測・計画／機械
- [延长石油が卡奥斯の38エージェントで故障検知とガソリン調合を改善した事例](https://mfg-ai.com/cases/yanchang-petroleum-industrial-agents): 延长石油／AIエージェント・プラットフォーム／化学
- [海尔の上海洗濯機互聯工場が射出成形のエージェントで金型調整を120分から10分に](https://mfg-ai.com/cases/haier-shanghai-injection-molding-agent): 海尔集团（Haier）上海洗衣机互联工厂／AIエージェント・プラットフォーム／機械
- [海尔の中央空調互聯工場がAI自動スケジューリングで設計周期62%短縮、領航級に](https://mfg-ai.com/cases/haier-hvac-ai-scheduling): 海尔集团（Haier）中央空调互联工厂／需要予測・計画／機械
- [海尔が「智小能」スーパーエージェントで研究開発と調達の業務効率を上げた事例](https://mfg-ai.com/cases/haier-zhixiaoneng-super-agent): 海尔集团（Haier）／AIエージェント・プラットフォーム／機械
- [自動車用コネクタの顺科智连が卡奥斯の品質AIで完成品検査の合格率99%を報告](https://mfg-ai.com/cases/shunke-connector-final-inspection): 顺科智连（自動車用コネクタ）／外観検査／自動車
- [宁德时代の溧阳灯塔工場がカメラ8台とAI検査でセル故障率を10億分の1に](https://mfg-ai.com/cases/catl-liyang-ai-cell-inspection): 宁德时代（CATL）溧阳工場／外観検査／電子・半導体
- [宁德时代の宜宾工場がAIエネルギー管理とマイクログリッドで排出を56%削減](https://mfg-ai.com/cases/catl-yibin-ai-energy-management): 宁德时代（CATL）宜宾工場／品質・プロセス分析／電子・半導体
- [宁德时代の電池工場で银河通用の双腕ロボットGalbot S1約100台が24時間稼働](https://mfg-ai.com/cases/catl-galbot-humanoid-battery-plant): 宁德时代（CATL）／フィジカルAI・ロボット／電子・半導体
- [南京鋼鉄がスマート運営センターで生産安定性10%向上・コスト10%減、領航級に選出](https://mfg-ai.com/cases/nisco-smart-operation-center): 南京钢铁（南钢）／データ基盤・IIoT／金属・鉄鋼
- [徐工が領航級智能工厂で受注から納品までの周期を55%短縮した事例](https://mfg-ai.com/cases/xcmg-order-to-delivery-lead-time): 徐工（XCMG）／需要予測・計画／機械
- [海康威视が領航級工場のAIラインで効率243%増、段取り替え時間を半減させた事例](https://mfg-ai.com/cases/hikvision-ai-production-line): 海康威视（Hikvision）／品質・プロセス分析／電子・半導体
- [上汽通用五菱が自社の運営大模型EOAIでAI応用シーン比率75%超を達成した事例](https://mfg-ai.com/cases/sgmw-eoai-operations-model): 上汽通用五菱（SGMW）／AIエージェント・プラットフォーム／自動車
- [格力電器が珠海の工場にAIモデル155個を組み込み、管理効率を46%高めた事例](https://mfg-ai.com/cases/gree-zhuhai-155-ai-models): 格力电器（Gree）珠海工場／品質・プロセス分析／機械
- [格力電器が溶接のベテランを「AIトレーナー」にし、技能を溶接機の学習データに](https://mfg-ai.com/cases/gree-welding-ai-trainer): 格力电器（Gree）／フィジカルAI・ロボット／機械

## 全文・索引

全記事・全事例の本文（プレーンテキスト・出典つき）: https://mfg-ai.com/llms-full.txt
用語集データ（CC BY 4.0）: https://mfg-ai.com/terms/mfg-ai-glossary.csv ／ https://mfg-ai.com/terms/mfg-ai-glossary.json
sitemap: https://mfg-ai.com/sitemap.xml
RSS: https://mfg-ai.com/feed.xml

## 引用時のお願い

数字・製品名・日付を引用する際は、各ページ末尾の「出典」に記載した発表元と時期をあわせて示してください。記事の公開日・更新日、製品・事例の情報確認日は各ページの先頭に明記しています。