紙の帳票がAIの邪魔をする3つの理由
紙の帳票が問題になるのは、記録の手間よりも、記録がAIや分析で使えない形で残ることです。理由は3つあります。
- 検索できない：不良が出たときに、そのロットの前後の点検結果を探すのに時間がかかります。キャビネットの帳票を1枚ずつめくる作業は、品質問題の初動を遅らせます。
- ロットや設備と結び付かない：紙には日付と担当者の欄はあっても、ロット番号や設備コードが書かれていないことがよくあります。後からデータ化しても、設備データやMESの実績と結合するキーがありません。
- 書いた値が正しいか確かめられない：測定値を転記する途中の写し間違い、後でまとめて記入する「後書き」が起きても、紙の上では区別できません。AIはこうした値も正しいものとして学習します。
2026年版ものづくり白書の図表では、製造プロセスのデータを取得している事業者が66.0%、取得データを活用しているのが51.4%でした（経済産業省、RIETI BBL資料から読み取った値）。取っているのに活用できない理由の一部は、紙やExcelに分散した記録にあると考えられます（推測）。
デジタル化の3段階
紙からの脱却は、次の3段階で進めると現場の負担を抑えられます。全帳票を第3段階まで進める必要はなく、帳票の重要度と頻度で到達点を決めます。
第1段階の紙＋AI-OCRは、帳票の様式も現場の作業も変えずに、紙の内容をデータにする方法です。導入が速い反面、読取の確認作業が残り、ロットとの紐付けも後処理になります。手書き文字の認識について、PFUのコラムは、ベンダーの標準帳票での文字認識率99.2%を紹介しつつ、日常業務では80〜90%の精度でも入力負荷を約50〜70%減らせるとしています（PFU、2025年7月）。逆に言えば、1〜2割は人の確認が必要になる前提で運用を組みます。
第2段階は、帳票をタブレットやハンディ端末の入力画面に置き換える段階です。入力時に上下限チェックをかけられ、ロット番号をバーコードで読めば、その場でロットと紐付きます。入力時刻が自動で残るので、後書きも分かるようになります。
第3段階は、ノギスやトルクレンチ、重量計などの計測器から値を直接取り込み、MESやQMSに登録する段階です。人は判定と例外対応だけを行います。転記がなくなるので、品質記録の信頼性が最も高くなります。
帳票ごとの到達点の決め方
どの帳票をどこまで進めるかは、次の表のように「記録の重要度」と「1日の記入回数」で決めます。
| 帳票の例 | 重要度 | 頻度 | 目指す段階 | 理由 |
|---|---|---|---|---|
| 出荷検査の測定値 | 高（顧客提出・監査対象） | 多い | 第3段階 | 転記ミスが品質記録の誤りになる。計測器連携の効果が大きい |
| 工程内チェックシート | 中〜高 | 多い | 第2段階 | ロット紐付けと範囲チェックで、AIの学習データになる |
| 作業日報（生産数・停止） | 中 | 毎日 | 第2段階（MESがあれば実績入力に統合） | 停止理由を選択式にすると分析できる |
| 設備の日常点検表 | 中 | 毎日 | 第2段階、メーター類は第1段階＋カメラ読取 | 異常時の記録が残れば十分なことが多い |
| 過去の保管帳票 | 用途次第 | 一度きり | 第1段階（必要な項目・期間だけ） | 全量のデータ化は費用に見合わないことが多い |
MESやAIにつなぐために入力画面で決めておくこと
第2段階のタブレット入力を作るとき、画面の見た目より先に、データの持ち方を決めます。ここを外すと、デジタル化しても紙と同じく分析できないデータが貯まります。
- ロット・品番・設備・工程のコードを、MESや基幹システムのマスタと同じ値で持つ（入力画面で自由記入させない）
- 測定値には単位と測定器のIDを付ける。測定器の校正期限切れを検知できるようにする
- 不良や停止の理由は選択式にし、「その他」を選んだときだけ自由記入にする。コード体系の作り方は不良コード・停止理由コードの設計を参照
- 修正の履歴を残す。誰が、いつ、何から何に直したかを記録し、上書きで消さない
MESがある工場では、入力画面を別のシステムとして作るより、MESの実績入力や品質記録の画面に統合した方が、マスタの二重管理を避けられます。AI-OCRで読み取った結果をMES・QMSに登録する設計はAI-OCRの結果をMES・QMSに登録するで、手書き検査記録の読取で気を付ける点は検査記録のAI-OCRで扱っています。
よくある質問
現場がタブレット入力を嫌がる場合はどうすればよいですか？
入力の手間が紙より増えると定着しません。選択肢をタップするだけで済む項目を増やし、ロットはバーコードで読み、前回値を初期表示にするなど、紙より速くなる工夫を先に入れます。手袋や油汚れのある工程では、端末の置き場所や防護ケースも含めて試行してから広げます。
過去の紙の帳票はすべてデータ化すべきですか？
すべては不要です。AIの学習や品質分析で使う予定がある項目と期間だけをデータ化します。例えば、ある不良の要因分析に過去2年分の工程チェックが必要なら、その帳票の該当項目だけをAI-OCRで読み取ります。
MESがない工場でもデジタル化の効果はありますか？
あります。タブレット入力の段階で、ロット番号と設備コードを持たせておけば、後でMESを導入したときにそのまま移行できます。マスタのコード体系だけは、将来のMESでも使える形で先に決めておくことを勧めます。
この記事に出てくる用語
AIは「データ基盤」で決まる
PoCは成功したのに本番で止まる。原因の多くはモデルではなく、MESと設備データの側にある 全130本
- MESとAIの関係：ロット・作業指示・品質判定がAIの精度を決める理由
- 製造業AIが本番で止まる7つの理由：PoCは成功したのにラインに載らない構造
- 製造業のAI-OCR：紙の検査記録・点検表・ミルシートをデータ化する手順
- データ基盤の段階的導入ロードマップ：ユースケースから逆算する8ステップ
この記事を書いた人
DELMIA Apriso を中核とした MES / 製造DX の導入・運用・人材育成と、製造業向けAIの調査・開発・教育を手がけるITコンサルティング企業。ISO 9001:2015 / ISO 27001:2022 認証取得。 日本・中国・米国で製造業のMES・データ基盤・AI導入を手がけた実務者が、欧米・中国の一次情報にあたって書いています。
