株式会社Co-Labo AI、製造業における図面・設計チェック業務のAI活用モデルを公開

株式会社Co-Labo AI（以下、Co-Labo AI）は、製造業向けに、図面・設計チェック業務をAIで効率化するソリューションを提供しています。
図面チェックの項目を一つずつ分解し、AIで判定できる範囲を見極めたうえで、段階的に自動化を進めます。また、担当者による確認・修正の結果をAIの判定に反映し、使うほど精度が高まる仕組みを構築します。

・図面の一次チェックを目視で行っており、図面の枚数に比例して工数が増えている
・寸法・公差の記載漏れや注記の抜けなど、定型的な確認に時間をとられている
・反復作業が多く、見落としやチェック漏れが発生している
・設計基準の解釈や確認の観点が、検図担当者の経験に依存している
・チェックや修正に時間がかかり、後続の設計・製造工程に影響している
・図面チェックをAI化したいが、どこまで自動化できるのか分からない

現在使用している図面、チェックリスト、設計基準などをもとにチェック項目を整理し、それぞれをAIで判定できるかどうか、技術的に見極めます。
そのうえで、検図の目的や業務の背景をヒアリングして判定に必要なデータを定義し、精度を検証しながらAIアプリケーションとして実装します。

チェック項目の整理・AI化の可否の分類
→ 業務背景のヒアリング・判定に必要なデータの定義
→ 精度検証
→ AIアプリケーションへの実装
→ 確認・修正結果をAIに反映し、継続的に改善

ここまでの流れを、企業ごとの図面や設計基準に合わせて設計します。

たとえば、月600件の図面を確認しており、一次チェックに1件あたり60分かかっているケースを想定します。
チェック項目を分類し、定型的な確認をAIで自動化することで、人が行う作業をAIの判定結果の確認と、専門的な判断が必要な項目に絞ります。この結果、1件あたりの作業時間を60分から12分に短縮できた場合、一次チェックにかかる工数を80％削減できる計算となります。
月600件の場合、月間工数は600時間から120時間となり、月480時間、年間約5,760時間の削減余地があります。
※上記は業務効率化のイメージを示すためのモデルケースです。実際の導入効果は、図面の形式・品質、チェック項目、設計基準の明確さ、運用方法等によって異なります。

製造業では、CADなどのデジタルツールを活用した図面作成が広く普及しています。
一方で、作成した図面が設計基準や仕様に適合しているかを確認する工程では、今も設計担当者や検図担当者による目視チェックに頼っているケースが少なくありません。
寸法や公差、必要な記載事項、図面内の整合性など、確認すべき観点は多岐にわたります。反復的な作業であるがゆえに見落としが起きやすく、設計基準の解釈も担当者の経験に依存しがちです。
また、図面チェックには、明確なルールに基づく確認から、高度な設計知識を要する判断までが含まれます。そのため、どの項目をAIに任せ、どの項目を人が判断するかの見極めが欠かせません。

Co-Labo AIでは、図面チェック業務をひとまとまりで捉えるのではなく、項目単位に分解します。そのうえで、必要なデータや判定条件をもとに、以下の3つに分類します。

• A：自動化可能
寸法の記載漏れや必要な注記の有無など、明確なルールで判定できる項目。AIやプログラムによる自動チェックを行います。

• B：条件付きで自動化可能
設計基準との適合性など、データの整備や判定条件の明確化が必要な項目。検証を通じて適用できるかを判断します。

• C：人による判断が必要
設計意図の妥当性や複雑な構造の評価など、専門的な解釈を要する項目。人による確認を継続します。

仕分けた結果は、項目ごとの実現可能性と技術的な課題をまとめたレポートとしてご提示し、どこから着手すべきかをお客様と一緒に判断します。
まずはAの項目から自動化し、Bの項目は検証を重ねながら、適用範囲を段階的に広げていきます。

図面チェックAIの精度は、AIモデルそのものよりも、判定に必要なデータをどれだけ的確に定義できるかで大きく変わります。
特に、条件付きで自動化できる項目（B）では、「何のデータがあれば判定できるのか」を見極められるかどうかが、自動化の成否を分けます。そしてその見極めは、お客様がなぜその項目をチェックしているのか、という意図や背景をどれだけ汲めるかにかかっています。

Co-Labo AIでは、検図の目的や業務の背景をヒアリングし、お客様が本当に求めているアウトプットは何かを確かめます。そのうえで、「この項目を判定するには、どの図面データや設計基準、過去の指摘情報が必要か」を整理し、お客様にご用意いただくデータから設計します。

また、CADデータ、PDF、スキャン画像など、図面の形式によって読み取れる情報や難易度は異なります。現在の図面の形式や品質も踏まえて判定方法を設計し、実際の図面で精度を検証してから実装に進みます。
業務整理やデータ設計といった上流工程から入り、精度検証、AI開発、システム実装まで一貫して支援します。

Co-Labo AIでは、最終的な判断や承認は人が行うことを前提に、AIを一次チェックの支援ツールとして組み込みます。

AIによる一次チェック
→ 担当者による確認・修正
→ 修正結果をAIの判定に反映
→ 次回以降の判定精度が向上

担当者による確認・修正結果を蓄積・分析し、判定方法の改善に活用します。また、当初は自動化が難しいと判断された項目についても、データの整備や判定条件の明確化を進め、技術的な実現可能性を再評価することで、自動化できる範囲の拡大を目指します。
Co-Labo AIは、検図担当者の経験に依存していた判断を組織の知見として蓄積し、チェック品質の標準化と設計業務の生産性向上の両立を支援してまいります。