横展開の費用は「ライン数に比例する部分」と「しない部分」に分かれる
PoCの見積もりは1ライン分の費用しか示さないことが多く、展開時の総額が見えません。横展開の費用を見積もるときは、まず費用を2種類に分けます。
- ライン数に比例する費用：センサ・カメラ・エッジ機器の追加、ラインごとのラベル付け、ラインごとの調整・検証、現場教育
- ライン数に比例しない費用：データ基盤（収集層・蓄積層）、MES連携の開発、命名規則とマスタ整備、MLOpsの仕組み、運用体制
後者を1ライン目で共通資産として作れば、2ライン目以降は前者だけで済みます。逆に、1ライン目で後者をそのライン専用に作ると、ラインごとに同じ費用が発生します。展開の見積もりで最初に確認すべきは、1ライン目の成果物のうちどれが再利用できるかです。
図は考え方を示すための模式図で、実際の傾きは設備の均一さや品種数で変わります。
12項目チェックリスト
1ライン目のPoCを始める前、または終えた直後に、次の12項目を2ライン目と全ラインの両方について見積もります。
| 区分 | # | 項目 | 見積もりで確認すること | 比例 |
|---|---|---|---|---|
| 収集 | 1 | センサ・カメラ・照明の追加 | 2ライン目の設備にPoCと同じ取付位置・撮像条件が作れるか | 比例 |
| 収集 | 2 | エッジ機器・ネットワーク | ライン数分の機器、制御ネットワークからの経路の承認 | 比例＋共通 |
| 収集 | 3 | 設備からの接続 | PLCの機種・世代の違い、OPC UA対応の有無、改造の要否 | 比例 |
| データ整備 | 4 | タグ・命名の統一 | 2ライン目のタグを1ライン目の命名規則に対応付ける作業量 | 比例（規則は共通） |
| データ整備 | 5 | マスタの統一 | 品番・設備ID・不良コードのライン間の違いと統一作業 | 共通 |
| データ整備 | 6 | ラベル付け | ラインごと・品種ごとに必要な正解データの枚数・件数と作業時間 | 比例 |
| モデル | 7 | 再学習・調整 | 1ライン目のモデルを流用できるか、ラインごとに学習し直すか | 比例 |
| モデル | 8 | 検証・合否判定 | ラインごとの受入検証の期間と、並行運用（シャドー運用）の期間 | 比例 |
| 業務連携 | 9 | MES連携 | 結果の書き戻し、ロットとの紐付けをライン追加時に設定で済ませられるか | 共通 |
| 業務連携 | 10 | 現場の業務変更 | 作業標準・検査規格の改訂、教育の時間 | 比例 |
| 運用 | 11 | 監視とMLOps | 台数が増えたときのモデル配布・版管理・ドリフト監視の仕組み | 共通 |
| 運用 | 12 | 運用人員 | 監視・再学習・問い合わせ対応に必要な人数（ライン数の関数として） | 比例＋共通 |
「比例」の列は、ラインを1本増やすたびに発生するか、1回作れば済むかの目安です。PoCのベンダー見積もりがこの区分で書かれていなければ、区分ごとに分けて出し直してもらうと比較しやすくなります。
見積もりがぶれやすい4項目
12項目のうち、PoC後に金額が大きく外れやすいのは次の4つです。
3. 設備からの接続
同じ工程でも、ラインによって設備の導入年やPLCのメーカーが違うことがよくあります。1ライン目がOPC UAで簡単に取れても、2ライン目は通信ユニットの追加やPLCプログラムの改修が必要になる場合があります。展開対象の全ラインについて、設備台帳でPLCの機種と通信方式を先に確認してください。
6. ラベル付け
外観検査AIでは、品種が変わると良品の見え方が変わり、品種ごとに学習データが必要になることがあります。ラベル付けの工数は「1枚あたりの判定時間×枚数×品種数」で概算し、検査員の工数を確保できるかも合わせて確認します。ラベルの揺れを抑える運用は製造AIの正解ラベルで扱っています。
9. MES連携
1ライン目でMES連携をそのラインの設定値に固定して作ると、ライン追加のたびに改修が必要になります。ライン・設備・品番をパラメータとして受け取る作りにしておけば、2ライン目以降はマスタの登録だけで済みます。連携方式の比較はMESとAIをつなぐ3方式を参照してください。
12. 運用人員
PoCではベンダーやデータサイエンティストが精度を見ていますが、本番では誰かが継続して監視し、誤報の問い合わせに答え、再学習を判断します。この人員を1ラインあたりで見積もると、10ライン展開時に何人必要かが見え、仕組み（自動監視・アラート）にどこまで投資すべきかの判断材料になります。
展開判断の資料にまとめる
12項目を見積もったら、1枚の表にまとめて展開判断に使います。
最後の「何ライン目で回収できるか」が出せると、経営層は「最低何ラインまで展開すべきか」を判断できます。共通部分の費用が大きい場合は、展開ライン数が少ないと回収できないため、対象ラインの絞り込みや、別のAIテーマとの基盤共用を検討します。
McKinseyが2018年に公表した調査（7市場・700社超）では、デジタル製造を全社展開できた企業は約30%で、障壁としてROIの欠如が61%に上りました。1件ずつの効果が小さい製造業のAIでは、展開を前提にしないと投資が回収できない構造があり、それを数字で示すのがこのチェックリストの役割です。
よくある質問
PoCの前に12項目すべてを見積もる必要がありますか？
精度の高い見積もりはPoC後でかまいません。ただし、3（設備からの接続）・5（マスタ）・9（MES連携）・12（運用人員）は桁が変わりやすいため、PoC前に概算だけでも出しておくと、PoCの対象ラインの選び方を誤りにくくなります。
1ライン目のモデルを他のラインでそのまま使えますか？
設備・撮像条件・品種が同じなら流用できることもありますが、多くは追加学習か閾値の調整が必要です。2ライン目で少量のデータを使った検証期間を見積もりに入れておくのが安全です。
共通基盤の費用は、どのAIテーマの予算で負担すべきですか？
1つ目のテーマにすべて負わせると、そのテーマの事業性が成り立たなくなりがちです。複数テーマで使う前提の共通投資として、全社DXや工場の基盤予算で別に計上する方法が一般的です。
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。
