製造業のAI活用──品質検査・予知保全の実際【2026年ものづくり白書】

3行まとめ

1. 「2026年版ものづくり白書」によれば、製造現場でデータを取得している事業者は約7割（66.0%）だが、活用して効果を得られた事業者は約4割（43.9%）にとどまる（経産省・厚労省・文科省調べ）
2. 政府は2026年3月に「AIロボティクス戦略」を取りまとめ、2040年にロボット関連で20兆円・世界シェア3割超の獲得を目標に掲げた
3. ファナックのAIサーボモニタは4年間で300台以上に導入され、37件の故障予兆を検知した実績を公式サイトで公表している

---

なぜ「製造業×AI」が政策の中心テーマになっているのか

「ものづくり白書」は、1999年成立の「ものづくり基盤技術振興基本法」に基づき、経済産業省・厚生労働省・文部科学省の3省が毎年国会に報告する法定白書だ。2026年版で26回目となる（経済産業省ほか）。

2026年版の巻頭メッセージは、AI等デジタル技術の急速な発展と、各国の保護主義的な政策強化による不確実性の高まりを、製造業を取り巻く環境変化の二本柱として位置づけている。そのうえで「製造現場のデータをデータ基盤として整備し、AIを掛け合わせた社会実装とデータ蓄積が今後の勝ち筋」と明言している（同白書）。

背景には構造的な人手不足がある。総務省「労働力調査」（2026年1月）によれば、製造業の就業者数は2024年の1,046万人から2025年は1,033万人へと減少した。中小企業における製造業の従業員数過不足DIは2025年時点で▲17.9と、新型コロナウイルス感染拡大以前（2019年）に近い人手不足感の水準にある（同白書）。

---

データはあるが「活用できていない」──白書が示す実態

ものづくり白書がもっとも強く指摘しているのは、データの「取得」と「活用」の間にあるギャップだ。

三菱UFJリサーチ&コンサルティングが経済産業省の委託で実施した調査（「令和7年度産業関係調査等事業」、2026年3月）によると、製造プロセスにおいて何らかの目的でデータを取得している事業者は66.0%（n=2,851）。しかし、そのデータを活用している事業者は51.4%、実際に効果を得られた事業者は43.9%まで減少する（ものづくり白書）。

出典：三菱UFJリサーチ&コンサルティング調査（2026年3月）、ものづくり白書2026年版より

さらに、企業間のデータ連携は「2年前からほぼ変化がない」と白書自身が評価している。サプライチェーン内の企業とのデータ連携で「実施している」と回答した事業者は、2023年調査の19.8%から2025年調査では16.4%とむしろ低下した（同白書）。

AI・デジタル技術の活用にあたって課題と感じている項目のトップは「知識やノウハウの取得」（57.2%）、次いで「導入に必要な人材の確保」（47.9%）だった（同調査、n=1,338）。技術そのものより、使いこなす人材・ノウハウの不足が、AI活用のボトルネックになっていることが読み取れる。

---

品質検査AI──「人の官能検査」を機械学習で再現する

品質検査領域でのAI活用は、外観検査（キズ・打痕・鋳巣・塗布ムラ等の検出）を中心に実装が進んでいる分野だ。

キーエンスの公式サイトによれば、AI外観検査は良品（OK）・不良品（NG）の画像データを学習させることで判定ルールを生成する仕組みで、「人による官能検査に近い、閾値が曖昧な検査」に対応できる点が従来の画像センサとの違いとされる（キーエンス）。

対象としては、接着剤塗布後の外観検査、アルミダイカスト品の鋳巣検査、金属部品の打痕検査、樹脂部品のキズ検査などが挙げられている。公式サイトで確認できる唯一の定量的な数字は、独自の撮像技術を使うことで、通常1,000枚程度必要とされる学習用画像を20枚まで削減できるという比較例だ（同社サイト）。検出率や導入後のROIといった定量的な効果は、公式サイト上では公開されていない。

品種が多く良品にもばらつきがある現場、あるいは検査員の感覚に依存してきた工程ほど、AI外観検査の適用余地が大きいというのが、メーカー側の位置づけだ。

---

予知保全AI──ファナックと日立の実例

ファナック「AIサーボモニタ」──4年間で37件の予兆検知

ファナックが提供する「AIサーボモニタ」は、追加のセンサーや専用プログラムを必要とせず、工作機械の通常の生産動作を通じて駆動軸の速度とトルクを計測し、故障の予兆を自動検知するソフトウェアだ。CNC（数値制御装置）とコンピュータをLANケーブルで接続するだけで稼働し、予兆を検知するとメールで通知する（ファナック公式サイト）。

同社の公式サイトによれば、小型マシニングセンタでは主軸のベアリング摩耗やアンバランスの検知、大型加工機では2モータの同期ずれの検知に活用されている。導入実績として、4年間で300台以上の設備に導入され、37件の故障予兆を検知したと公表している（同サイト）。ただし、モータの速度・トルクに現れない種類の故障は検知できないという限界も明記されている。

日立「社会インフラ保守 powered by Lumada」──全国450超の顧客

日立製作所と日立システムズは2026年2月26日、社会インフラ保守における複数のソリューションを体系化した「社会インフラ保守 powered by Lumada」の提供開始を発表した（日立製作所プレスリリース）。

対象は電力、ガス、道路、橋梁、トンネル、水道などの社会インフラで、「管理・計画」「監視・検知」「分析・診断」「保守・作業支援」「防御・統制」の5カテゴリーに40超のソリューションを体系化している。プレスリリースでは、これまでの導入実績として全国450超の顧客への提供、具体例としてドローンが自動航行でダムの壁面画像を撮影し、AIが劣化箇所を自動検出、3Dモデルにマッピングして補修計画の策定に活用するプロセスが紹介されている（同社発表）。

背景として、道路陥没が年間1万件超報告されていること、建設後50年を超えるインフラの割合が今後20年で急増する見通しであることが挙げられている（同発表）。これは製造ラインの保全というより社会インフラ保全の事例だが、AIによる画像診断とデータ基盤を組み合わせる予知保全のアプローチとして、製造業の設備保全とも技術的に地続きである。

---

政府の目標──「AIロボティクス戦略」と製造AX拠点

政府は2026年3月、内閣官房「AIロボティクスに関する関係府省連絡会議」において「AIロボティクス戦略」を取りまとめた（ものづくり白書2026年版が引用）。

戦略が掲げる目標は次の3点だ（同戦略の概要より）。

1. 我が国ロボット産業の国際競争力強化：米中に並ぶ第三極として、世界シェア3割超の獲得を通じ、2040年に20兆円の市場を獲得する
2. AIロボティクスの社会実装：人手不足を背景に高まる潜在的なロボット導入需要を顕在化させ、社会実装を先行して実現する
3. 持続的な経済成長と社会課題解決：エッセンシャルサービスの維持・発展、DX・GX（グリーントランスフォーメーション）の実現、経済安全保障の確保に貢献する

これに合わせて経済産業省は、製造現場の加工・稼働データ等を収集・データベース化し、AIモデルを実装した「製造プラットフォーム」の開発を支援する「製造AX拠点」の立ち上げを検討している。各工場の既存設備にセンサー・システムを導入してデータを収集し、協力企業の加工・稼働データを担い手企業（製造プラットフォーマーの候補）がアクセスしてAIモデルを実装した製造プラットフォームを開発する、という循環を構想している（ものづくり白書2026年版）。

2040年という目標年は現時点から14年先であり、20兆円・シェア3割超という数字は戦略上の「目標」であって、達成が確定した予測ではない点には注意が必要だ。

---

予知保全市場の規模──外部調査会社の予測

予知保全（Predictive Maintenance）市場そのものの規模について、株式会社マーケットリサーチセンターが発表した調査（atpress配信）によれば、日本の予知保全市場は2025年に9億9,550万米ドル、2034年には86億180万米ドルまで拡大すると予測されている。年平均成長率は27.08%とされる（2026〜2034年予測、同社調べ）。

この数字は民間調査会社による市場予測であり、算出方法や市場の定義（対象業種の範囲等）の詳細は本記事執筆時点のプレスリリースからは確認できていない。予測値である点、そして製造業以外（エネルギー、自動車等）を含む市場規模である可能性がある点は留意が必要だ。

---

経済安全保障とAI・デジタル活用の関係

ものづくり白書は、AI・デジタル活用と並んで経済安全保障の取組状況にも触れている。経済安全保障に関して「何らかの取組を行っている」製造事業者の割合は、2024年度の38.2%から2025年度は55.6%に上昇した（三菱UFJリサーチ&コンサルティング調査）。

白書は、地政学リスクやサプライチェーンコスト、サイバーセキュリティリスクといった経営課題への意識が高い経営者ほど、経営課題の解決や企業の経営改革にAI・デジタル技術を積極的に活用する傾向があると分析している。裏を返せば、外部環境リスクへの危機感の薄い企業ほど、AI・デジタル活用も進みにくい可能性を示唆している。

---

正直に書くと

• 「2040年に20兆円」「世界シェア3割超」はAIロボティクス戦略が掲げる政府目標であり、達成を保証する予測ではない。実現可能性を検証できる外部データは本記事では確認できていない
• キーエンスのAI外観検査、ファナックのAIサーボモニタについて、検出率・故障予測精度・費用対効果といった定量的な性能数値は、両社の公式サイト上では公開されていない。本記事に記載した数字（学習画像20枚、300台・37件）は各社が自主的に公開している範囲にとどまる
• 予知保全市場の規模（2025年9.96億ドル→2034年86.02億ドル）は民間調査会社1社による予測値であり、算出根拠や対象業種の詳細を一次資料で確認できていない。他の調査会社が異なる数字を出す可能性がある
• 日立の「社会インフラ保守 powered by Lumada」は社会インフラ（電力・道路・橋梁等）向けの事例であり、製造ラインそのものの予知保全とは対象が異なる。技術的な考え方が地続きである点を紹介する目的で取り上げた
• ものづくり白書のデータ活用・経済安全保障に関する統計は、いずれも三菱UFJリサーチ&コンサルティングによる委託調査であり、サンプル数（n=1,338〜3,026等）に基づく調査結果である。母集団全体を完全に代表するとは限らない
• 本記事は公開されている一次資料・企業公式情報の範囲での整理であり、個別企業の導入判断には各社への直接確認を推奨する

出典・参考

• 経済産業省・厚生労働省・文部科学省「2026年版ものづくり白書 概要」（2026年5月）
• キーエンス「AI外観検査」
• ファナック「AIサーボモニタ」
• 日立製作所「社会インフラ保守 powered by Lumada」提供開始（2026年2月26日）
• 株式会社マーケットリサーチセンター「予知保全の日本市場」（atpress配信）

本記事は製造業のAI活用に関する概況の整理であり、投資・導入の助言を構成するものではない。記載の数字は各出典の発表・調査時点のものであり、最新値と異なる場合がある。