導入事例

海外プラントEPCの照明設計では、3Dモデル上での灯具配置検討と専用ソフトによる照度計算の手作業を繰り返し、案件あたり数週間〜数ヶ月を要していました。レイアウト変更のたびに再設計が発生し、業務はベテランの暗黙知に依存。設計品質と工数の両立が経営課題となっていました。

3Dモデル（BIM/IFC）から設計に必要な情報をAIが自動で取得し、要求照度を満たす灯具配置を最適化アルゴリズムで自動算出。結果は3Dモデルへシームレスに反映され、設計者は確認・微調整に専念できます。

設計期間を大幅に短縮。属人性を解消し、誰でも一定品質の照明設計が可能に。レイアウト変更への追従もスムーズになりました。

PDF図面から寸法・部材情報を手作業で拾い出すのに案件ごとに多大な工数が発生。積算部門が存在せず、営業・工事が都度概算。重量の概算精度にも大きな誤差が生じていました。

AI画像認識による図面情報自動抽出。2D図面からの3D復元・重量算出。省略記号を含む部材の認識・集計にも対応。

案件あたりの工数を大幅削減（80%以上）。重量精度を大幅改善。年間の処理件数を飛躍的に拡大。

顧客から受領する図面・PDF・Excelから部品構成情報を手作業で登録。万〜数十万件規模の部品・案件情報が横断検索できず属人化が深刻。部品の生産中止・仕様変更時、影響を受ける顧客案件の特定に時間がかかり、通知漏れリスクも常時存在。

図面・部品表をAIが解析しBOM／部品構成情報を自動抽出。表記揺れ・列名揺れ・部分一致検索に対応した実務UI。案件・部品・顧客を横断管理し、変更時の影響範囲を自動検索・通知。

初期登録工数：手作業数時間→数分（70-90%削減）。変更通知漏れをゼロ化。万〜数十万件規模に対応可能。

配管図の記号（A〜O）を1枚ずつ目視カウント＋電卓で集計。1名集中で週50枚規模、ミス・漏れリスクが常時存在。Excel手動転記＋再チェックに時間がかかっていました。

凡例表（A〜O→配管径）をAIが自動読み取り、記号と配管をリーダー線追跡で自動マッチング。配管長を画像から自動計測し径別に集計。Excelへ自動転記＋原本との差分ゼロを機械検証。

配管拾い出し：数時間→数分。集計精度：目視ミスあり→高い一致率で機械検証可能。業務体制：1名集中→複数名並行（週50枚規模）。

設計事務所から受け取るPDF機器表から仕様を手で拾い出すのに月数十日を消費。設計事務所ごとにフォーマット表記揺れが多く、属人化と確認工数増大の要因となっていました。

OCR＋LLMによる機器表自動読み取り。信頼度スコアと補正UIによる半自動運用で、誤抽出を低工数で確認。既存の積算ソフトへAPI連携し、Excel経由で取り込めるフォーマットへ自動変換。

機器表OCR：数日／件→数分（削減率大）。月間積算工数を大幅削減。年間コスト削減効果は数千万円規模。

プラント工事の配管アイソメ図PDF（千枚規模）に対し、F（現地溶接）箇所のカウント、サイズ・材質・スケジュール抽出を熟練者1名が手作業で実施。1案件あたり3〜4ヶ月稼働、属人化により業務停止リスクが常態化していました。

AIが配管アイソメ図PDFからF箇所を自動カウント、配管仕様（サイズ・材質・スケジュール）を高精度で抽出。改訂版との差分検知に対応し、既存の物量集計表フォーマットへ自動転記。

F箇所抽出・仕様抽出ともに高精度で実現。熟練者1名の数ヶ月稼働を大幅短縮し、属人化リスクを解消。

LAN工事のPDF/CAD図面から、ケーブル長・シンボル・ケーブルラック・階高をまたぐ縦横配線を手作業で拾い出し。1案件で最大10日、専属5名規模。数量誤りが受注後トラブルに直結するため、極めて高精度な拾い出しが必要でした。

シンボル・色・ケーブル経路を画像処理／幾何処理で自動抽出。経路未描画の図面は手動経路定義で補完。階高・フロアルールでケーブル長を自動算出。生成AIを使わずオンプレ環境で動作可能。

経路解決を高水準で実現し、シンボル数百個を一括検出可能。5名規模の作業を1〜2名のチェック体制へ圧縮可能に。

山留め・重仮設材の見積では、紙・PDF・CAD・漫画絵・手書きマーカー付き図面まで多様なインプットから、シートパイル・腹起こし・切梁・ジャッキ・覆工板等の数量・延べ長を手作業で拾う必要があり、属人化と概算リードタイムが課題でした。

図面PDF／画像から色線を自動抽出し、スケール設定後に部材ごとの長さ・本数を自動計測。シートパイル幅・施工誤差・クリアランス等のルールベース計算と組み合わせ、概算見積用Excelへ自動出力。

概算見積前段階の数量拾いを大幅自動化。営業担当が初期段階で素早く概算を提示でき、案件初動の手間を圧縮。

足場図面・仮設図面から支柱・つなぎ材・先行手摺・布板・幅木・階段セット等の部材数量を、図面読解スキルが必要な熟練者が手作業で拾い出し。急な所長依頼で1件あたり数時間を要し、現場リードタイムを圧迫していました。

CAD座標・属性、PDF注記、業界基準（仮設工業会基準・安全衛生規則）、社内の暗黙ルールを組み合わせたAIで部材を自動カウント。Phase1で主要数十項目、将来的に主要部材100項目超への拡張を視野。

1件あたり数時間規模の手作業を圧縮。図面読解スキルに依らず誰でも一定品質の積算が可能になり、若手・管理職の作業時間削減に寄与。

プラント計器のベンダー図面（PDF）から、レンジ・材質・定格・出力信号などの技術仕様を手作業で読み取り、社内統一フォーマットの計器カタログに転記する作業に年間で多大な工数が発生。複数ベンダーで様式が異なり、確認・正規化の負荷が大きい状況でした。

OCR＋LLMによる技術仕様自動抽出システムを構築。複数ベンダーの異なる図面フォーマットに対応し、抽出結果を社内の統一カタログフォーマット（Excel）へ自動転記。

プロジェクトあたりの年間工数を大幅削減。カタログ生成の大部分を自動化し、担当エンジニアの確認工数を最小化。

設計BOMから調達用購買BOMへの変換を手作業で実施。型番の表記揺れや名寄せ対応に膨大な工数が発生していました。営業から「類似なのに価格が違う」と指摘されても、調査負荷が高く現状はバッファーで対応している状態。

AI＋ルールベースにより設計BOMから必要部品情報を自動抽出。型番の表記揺れ補正と名寄せを自動化し、マスター部品との類似品検索もサポート。

BOM変換工数の大幅削減。表記揺れによるミスを排除し、類似品検索により見積精度・調達リードタイムを改善。

BOMや図面が担当営業ごとや部門ごとに分散し、製品・ユニット・部品・図面の関係を人がたどっていました。過去図面の検索や設計BOMから購買BOMへの変換にも時間がかかり、担当者不在時の検索や引継ぎが困難でした。

AIがPDF・ExcelからBOM情報を抽出・正規化し、多階層BOMと関連図面をデータベース上で紐付けます。製品名・ユニット・部品品番・図番から横断検索でき、購買BOMへの変換にも活用できる基盤を構築します。

検索・転記・問い合わせの工数を削減し、営業回答、過去図面の参照、購買BOM作成を迅速化します。担当者に依存せず、各部門が同じ情報を活用できる状態を実現します。

価格改定通知を受け取るたびに、品番・新旧価格・適用日を転記し、購入明細や販売履歴から影響製品・顧客を探していました。対象判断や進捗管理も担当者ごとに行われ、対応漏れや価格反映の遅れが発生していました。

AIがメール本文と添付資料から価格改定情報を抽出し、BOM・購入明細・販売履歴と自動照合します。影響製品・顧客・価格差・適用日・担当者を一覧化し、顧客通知と対応状況を一元管理します。

通知内容の転記や影響先調査を省力化し、対象顧客への案内と価格判断を迅速化します。対応状況と期限を可視化することで、通知漏れや価格反映漏れを防止します。

EOL通知の品番から階層BOMを逆引きし、影響製品・必要数量・顧客・担当部門を調査していました。その後の通知文作成や回答期限管理も個別に行われ、影響先の見落としや対応遅延が課題となっていました。

AIがEOL通知から対象品番と期限を抽出し、階層BOMと販売履歴を横断して影響製品・顧客・必要数量・担当者を特定します。顧客別の通知文案を作成し、送付・回答・未回答・期限超過を一元管理します。

影響範囲の調査から顧客通知までを迅速化し、対象漏れや回答遅延を防止します。代替部品や在庫確保の検討にも早期着手でき、機会損失と供給リスクを低減します。

代替部品を選定する際、設計は仕様、品質保証は認証、調達は価格・MOQ・リードタイムを個別に調査していました。資料や判断基準が分散しているため、部門間の確認に時間がかかり、比較漏れも発生していました。

AIが現行部品と候補部品の仕様書・品質資料・認証情報・供給条件を取り込み、差分と追加確認事項を一覧化します。候補部品・仕入先の調査結果もまとめ、最終的な採用判断を人が行える状態に整理します。

候補調査と部門間確認を効率化し、比較漏れを防止します。選定根拠を共通化することで、代替部品の評価と採用判断を迅速化します。

顧客ごとに調査様式が異なり、対象部品と仕入先の特定、調査依頼、回答回収、証明書確認、顧客様式への転記を手作業で行っていました。過去回答を再利用しにくく、未回答先や期限の管理にも負担がかかっていました。

AIが顧客調査票から確認項目を抽出し、品番・仕入先・過去回答と照合します。サプライヤーへの依頼文作成、回答・証明書の回収状況、記載漏れや期限切れを管理し、顧客向け回答案を作成します。最終確認は担当者が行います。

調査・転記・回収管理の工数を削減し、未回答や証憑不足を防止します。調査情報を蓄積・再利用することで、顧客への回答を迅速化します。

空調施工後の品質検査では、1案件あたり数百枚の工事写真と引渡書類を目視で照合し、配管施工や転倒防止など多岐にわたる項目を1件ずつ確認していました。判定は担当者の経験に依存し、繁忙期には検査業務が集中。検査品質のばらつきと是正依頼の遅れが課題となっていました。

検査NG項目ごとに判定基準を定義し、工事写真と引渡書類を画像認識AI（VLM）が自動判定。ガス圧・温度などの書類チェックから先行導入し、工事写真の判定へ段階的に拡大します。AIが一次判定を行い、NGフラグが付いた案件のみ人が最終確認するフローを構築。

技術検証では検査13項目中11項目で判定精度80%以上を達成。検査品質の均一化と属人化の解消、是正依頼の迅速化を見込みます。

設計変更のたびに新旧図面を見比べ、赤入れされた機器表から追加・撤去・能力変更を読み取り、変更一覧・更新後の機器表・増減見積を手作業で作り直していました。変更理由の説明や承認履歴も個別に管理され、反映漏れや確認の往復が発生していました。

AIが新旧の図面と機器表を同じ行で比較し、追加・削除・能力変更・台数変更を差分として検知します。変更箇所だけを図面上にマークし、機器IDでひも付けた変更一覧を作成。更新後の機器表と増減見積を同時に生成し、変更者・時刻・根拠箇所を履歴として残します。

初稿作成を70%短縮、確認工数を50%削減、反映漏れを80%低減。設計変更の増減理由を一枚で説明でき、機器表・図面・見積の不整合を防ぎます。

配管は種別ごとに色分けして手計測し、弁・金物・機器は系統図から個数を数え、集計表へ転記していました。数量と単価表の照合、保温・天井内などの条件加算も人が行うため、拾い漏れや二重計上が発生し、発注数量と見積数量がずれることもありました。

AIが配管を線単位で読み取り、系統・口径・長さ・接続候補を属性として持たせます。弁・支持金物・機器・接続部は記号として検出し、種別ごとに個数を集計。数量に単価・歩掛・条件（保温有無・施工区分）を掛けて材料明細を作成し、発注数量・見積たたき台・出来高照合へ同じ数量を渡します。要確認候補は番号から図面上の根拠箇所へ戻れます。

拾い・集計を数時間から数分へ短縮し、線と点物を同じ図面から一括で拾えます。発注数量と見積を同じ数量から作ることで、転記ミスと数量ずれを防ぎます。

検図では図面を目視で全件確認し、機器表・見積との数量差を手計算で探し、漏れ箇所の特定とチェック結果の転記を担当者が行っていました。経験者に依存するため確認に時間がかかり、見積提出後に差異が見つかることもありました。

AIが図面・機器表・見積を同じ数量単位でそろえて突合し、拾い漏れ・二重カウント・図面と機器表の不整合・系統や口径の矛盾・社内ルールへの抵触を確認候補として抽出します。自動で合否を決めず、候補ごとに図面上の根拠箇所を示し、担当者が確認・補正した内容と履歴を成果物へ反映します。

全件目視から候補のみの確認へ切り替え、差異を見積提出前に検出。確認の往復を減らし、修正者・時刻・根拠を履歴として残せます。