「今月も納期回答がギリギリになった」——少量多品種の測定機器を製造している現場では、受注が重なるたびに生産計画表の数字をにらみながら、ベテラン担当者が頭の中で納期を組み立て直す光景が珍しくありません。
Excel依存の生産計画表が招く属人化構造
測定機器メーカーの多くは、同じ型番でも仕様違いの注文が混在する少量多品種生産を行っています。工程数が多く、検査工程に時間がかかる製品特性上、生産計画表はExcelで管理されているケースが大半です。
新規受注が入るたびに、担当者は既存の工程負荷を目で確認しながら、どこに割り込ませるかを判断します。Excelのシート上では工程間の依存関係が見えづらく、納期回答の根拠が「経験」に寄ってしまいます。
図面は設計部門のサーバー、工程実績は紙の作業日報、納期実績はExcelと、情報が点在していることも少なくありません。これではAIに学習させる以前に、データを突合する作業自体が重い負担になります。
製造業AI導入支援の相談で必ず聞かれる「現状データの整理状況」
製造業向けのAI導入支援相談を受けると、最初に確認されるのは「どんなAIを入れたいか」ではなく、現状のデータがどの程度整理されているかです。『製造業DXサミット2026』でも、データ基盤の強化や部門や企業の枠を超えた連携が重要テーマとして挙げられており、相談前の現状整理が導入成否を分けるとされています。
型番ごとの図面バージョン、改訂履歴、試作品か量産品かの区分を一覧化しておきます。ここが曖昧だと、AIが参照すべき工程データの対象範囲が定まりません。
各工程の標準工数と実績工数のズレを、少なくとも直近半年分は洗い出しておく必要があります。紙の作業日報しかない場合は、まずExcelへの転記からで構いません。
受注日・回答納期・実際の出荷日を並べ、どの程度の乖離が常態化しているかを可視化します。この乖離パターンこそが、AIが学習する最も重要なデータになります。
相談時点で「何から整理すればいいか分からない」状態でも問題ありません。むしろ、棚卸しの優先順位を一緒に設計してくれる相談先を選ぶことが、製造業AI導入支援を成功させる最初の分岐点になります。
業務アプリ化後の画面イメージ：Before → After
営業担当が受注情報を聞き取り、生産管理担当がExcelの計画表を開いて工程の空き状況を目視確認。空いていそうな枠に手入力で予定を差し込み、メールで営業に納期を回答していました。転記は3〜4回発生し、担当者が不在だと調整が止まってしまいます。
「受注登録」画面で型番・数量・希望納期・図面バージョンを入力すると、裏側で「工程負荷ビュー」画面が自動更新されます。担当者が「納期自動算出」ボタンを押すと、AIが現在の工程負荷と過去の納期実績を突合し、現実的な納期候補を提示。確定後は「納期回答書_型番_日付.pdf」が自動生成され、営業担当にそのまま共有できます。
この流れにより、Excelとメールを往復していた転記工程が1本減り、担当者不在時でも二重入力が発生しなくなります。生産管理の判断材料が画面上に集約されるため、相談段階で挙がった「属人化」という課題そのものに直接手を打てる設計です。
量産型番と試作型番を分けたAI活用範囲の自動判定
測定機器メーカーでは、量産型番と試作型番で工程のばらつき方がまったく異なります。量産型番は工程実績が蓄積されているためAIの予測精度が出やすく、試作型番は実績が少なくブレが大きいため、同じロジックで扱うと納期回答の信頼性が下がります。
「受注登録」画面の型番マスタに量産・試作の区分フラグを持たせ、AIの納期予測ロジックを型番区分ごとに切り替えます。試作型番は人による最終確認を必須にする設計が現実的です。
検査工程など、データが比較的揃っているラインから試験導入し、AIの提示する納期候補と現場の肌感覚のズレを確認する期間を設けます。
試験導入ラインで運用が安定したら、工程負荷ビューの対象ラインを順次拡張します。補助金を活用する場合も、この段階的展開の計画が審査上の説得材料になりやすいとされています。
まとめ
- 少量多品種の測定機器生産では、Excel依存の生産計画表が納期調整の属人化を招いている
- 製造業AI導入支援の相談を成功させる鍵は、相談前の図面・工程・納期実績の棚卸しにある
- 業務アプリ化では、受注登録から納期自動算出、納期回答書の出力までを一画面で完結させ、転記工程を減らす設計が有効
- 量産型番と試作型番でAI活用範囲を分け、1ラインの試験導入から全工程へ段階展開する手順が現実的
本記事はAIを活用して作成しています。内容についての責任は当社が負います。AI活用ポリシー