設計・図面データの不整合を検知するAI検図モデル

製造業における設計プロセスでは、2D図面、3D CAD、仕様書、部品表（BOM）、標準・社内ルールなど、多数の設計情報が並行して扱われています。現場では、これらが完全に同期しておらず、寸法・公差・部品番号・属性情報などに不整合が生じることが少なくありません。

こうした不整合は、試作段階や量産立ち上げのタイミングで初めて発見されるケースが多く、手戻りや再設計、製造現場との齟齬、品質トラブルの原因となります。本来であれば設計レビューや検図の段階で検知されるべきですが、現状は熟練設計者の目視チェックと経験に大きく依存しており、図面枚数・バリエーションの増加に対して人的リソースが追いついていないという課題があります。

特に、設計変更が多い製品やバリエーション展開の多い製品では、過去図面との整合性チェックや、関連図面間の差分確認が形骸化しがちです。その結果、「寸法は変えたが公差が古いまま」「BOMと図面の部品番号が一致していない」「3Dモデルと2D図面の形状が微妙に異なる」といった問題が現場で発生しています。

本プロジェクトは、設計・図面データをAIで横断的に解析し、不整合や違和感を自動で検知・可視化することで、検図プロセスの品質と効率を同時に向上させることを目的としています。

本プロジェクトでは、2D CAD図面、3D CADデータ、仕様書、BOM、設計標準類などを対象に、AIを用いて整合性チェックを行う検図モデルを構築します。システムは、設計データを構造化して取り込み、各データソース間の関係性を解析することで、不整合候補を自動的にリストアップします。

まず、図面データ（PDF/DXF/DWG等）を解析し、寸法、公差記号、幾何公差、注記、部品番号、図番などを抽出します。並行して、3D CADやBOM、仕様書から関連情報を取得し、「どの図面がどの部品・仕様と紐づいているか」を特定します。これにより、設計情報全体を「部品・機能単位」で俯瞰できるようにします。

その上で、ルールベースと機械学習モデルを組み合わせたアプローチで不整合を検知します。ルールベースでは「同一部品で寸法が図面間で矛盾していないか」「BOMの数量・品番と図面の表記が一致しているか」などをチェックし、機械学習モデルでは「過去の不具合・修正履歴から見て違和感の大きいパターン」を学習し、自動で“怪しい箇所”をスコアリングします。

ユーザーインターフェースでは、検図対象の図面を表示し、不整合が疑われる箇所をハイライト表示するとともに、「何が」「どこと」矛盾しているかを説明します。設計者はこの結果をもとに検図を行い、必要に応じて設計修正を行うことで、レビュー漏れを大幅に削減します。

• 図面・設計データの収集・前処理
  • 2D図面（PDF/DXF/DWG等）の取り込みとベクトル・ラスタ双方への対応
  • 3D CADデータからの形状情報・属性情報の抽出
  • BOM・仕様書・標準類（PDF/Officeファイル）のテキスト・構造解析
  • 図番・部品番号・改訂履歴の統合管理
• 図面・仕様情報の構造化
  • 寸法値、公差、幾何公差、表題欄、注記の自動抽出
  • 図面内の部品表・表形式情報のテーブル構造としての認識
  • 3D CADと2D図面の部品対応付け（部品ID・名称・属性によるマッピング）
  • BOMと図面の品番・数量の対応付け
• 不整合検知モデル
  • ルールベースチェック
    • 図面間での寸法・公差の矛盾検知
    • BOMと図面の部品番号・数量不整合チェック
    • 改訂履歴と図面内容の不一致検知（改訂記号だけ変わって中身が古い 等）
  • 機械学習ベースの違和感検知
    • 過去の不具合・設計変更データを学習した異常パターン検知モデル
    • 図面の記載パターンから「標準から外れた」表現・記述の検出
    • テキスト注記と寸法・仕様の整合性チェック（自然言語処理）
• 自然言語処理・文書連携
  • 仕様書・設計指針からの制約条件・設計基準の抽出
  • 図面注記と仕様書記載内容の整合性チェック
  • 標準・ガイドライン違反の自動検出（例えば「この部位は必ず○○材を使用」など）
• ユーザーインターフェース・運用
  • 図面上で不整合箇所をハイライト表示する検図ビューア
  • 「何と何が矛盾しているか」を説明する差分ビュー
  • 検図結果のレビュー・承認フローとの連携
  • 設計者のフィードバック（誤検知・見逃し）を取り込む継続学習

AIによる検図モデルを導入することで、従来は熟練設計者の負担に依存していた不整合チェックをシステムが自動的に補完できるようになり、検図品質と速度の両立が可能になります。特に、図面枚数やバリエーションが多い製品群において、ヒューマンエラーによる設計ミス・手戻りを大幅に削減する効果が期待できます。

設計・図面・BOM・仕様書・標準類が一体的に扱われることで、設計情報の一貫性が高まり、下流工程（生産技術・製造・調達）との齟齬が減少します。その結果、試作回数の削減、量産立ち上げ期間の短縮、品質トラブルの抑制といった形で、開発リードタイムとコストの両面で効果を発揮します。

また、過去の不具合・設計変更履歴を学習したAIが「違和感のある箇所」を先回りして提示することで、若手設計者でも熟練者に近い視点で検図を行えるようになり、設計組織全体の底上げにもつながります。結果として、設計品質の標準化・高度化を実現し、企業の開発力・競争力を中長期的に強化する基盤となります。