自動車工場でAIが効く理由は「停止の損失」と「品質の連鎖」

完成車工場は、プレス・溶接・塗装・組立の4工程が1本の流れでつながり、どこか1か所が止まると全体が止まります。Siemensの「The True Cost of Downtime 2024」は、大規模自動車工場の停止コストを1時間あたり230万ドルと推計し、2019年の約2倍としています。設備保全と、後工程に不良を流さない検査に投資する理由がここにあります。

もう1つの特徴は、車体IDで工程の履歴を追えることです。溶接の電流波形、塗装ブースの温湿度、締付トルクを車体ごとに紐付けられるため、検査結果と工程条件を結んだ品質分析がしやすい業種です。

10用途を成熟度で分ける

#用途対象工程成熟度公開事例
1溶接外観検査車体溶接実運用Audi（溶接スパッタ検査）
2塗装外観検査塗装実運用個社の詳細な公開は少ない
3異音検査完成車・ユニット実運用トヨタ自動車九州×スカイディスク
4設備の予知保全溶接ロボット・プレス・コンベア実運用個社の詳細な公開は少ない
5工場デジタルツインライン設計・物流導入拡大トヨタ（ケンタッキー）、GM
6生産計画・順序計画組立順序導入拡大個社の詳細な公開は少ない
7生成設計部品設計部品単位で実用GM×Autodesk
8PLC・制御ソフトの生成AI生産技術初期導入thyssenkrupp Automation Engineering（設備メーカー、Siemens Industrial Copilot）
9ヒューマノイド部品投入・物流パイロットBMW×Figure、Mercedes×Apptronik
10保全・品質の生成AIアシスタント保全・品質保証初期導入Cox Automotive（修理見積のエージェント）

成熟度は、公開情報で本番運用が確認できるかを基準に編集部が分類しました。1〜4は検査と保全で、正解データが集めやすく効果も測りやすいため先行しています。

実運用と導入拡大中の用途

検査と保全

Audiはベリンガー・ヘーフェ工場で、TÜVの安全認証を受けた仮想PLC（Siemens S7-1500V）と、AIによる溶接スパッタの外観検査を組み合わせ、ネッカーズルム工場へ広げる予定としています（2025年4月報道）。溶接は1台あたりの打点が多く、人の目視では全数を見られないため、AI検査の効果が出やすい工程です。

国内では、トヨタ自動車九州とスカイディスクがAIによる異音検査システムを共同開発しました（2021年11月）。人の耳に頼っていた官能検査を、音データの異常検知に置き換える試みです。

大規模自動車工場の停止コスト（1時間あたり、2019年の約2倍）
230万ドル
Siemens「The True Cost of Downtime 2024」
GM×Autodeskの生成設計シートブラケットの軽量化（強度20%向上、8部品を1部品に）
40%
Autodesk顧客事例
BMWでFigure 02が溶接治具に投入した板金部品（11か月）
9万個超
Figure発表（2025年11月）

デジタルツインと設計

NVIDIAは2025年10月、トヨタのケンタッキー州ジョージタウン工場がidealworksのiw.simを通じてOmniverse Megaによる工場デジタルツインを使うと発表しました。GMはOmniverseでマテハン・搬送・精密溶接の工場改善と訓練を進めているとされます（NVIDIA、2025年3月）。ライン変更を物理的に試す前に仮想空間で検証することで、設備投資の手戻りを減らす狙いです。

設計では、GMとAutodeskの生成設計によるシートブラケットが、従来品より40%軽く20%強く、8部品を1部品に統合した例として知られています。ただし形状が積層造形を前提にしやすく、量産コストとの兼ね合いで適用は部品単位にとどまります。

パイロット段階：ヒューマノイドの数字をどう読むか

Figure AIは2025年11月、BMWスパータンバーグ工場でFigure 02が11か月稼働し、板金部品9万個超を溶接治具に投入、X3の3万台超の生産に寄与したと発表しました。一方で、BMW側の引用では稼働期間が「10か月」とされ、生産への寄与の中身やフリート規模、経済性は開示されていません。Mercedes-BenzとApptronikの取り組みも「パイロットの実証段階」と評されています。詳しい検証はBMW×Figureの11カ月を検証を参照してください。

自動車工場で優先順位を付ける手順

部品メーカー側の課題は自動車部品（Tier1・Tier2）のAI、中国EV工場の動きは中国EV工場のAIで扱っています。

よくある質問

自動車工場で最初に取り組むAIは何がよいですか

停止損失の大きい設備の予知保全か、全数を人が見きれていない工程の外観検査が候補です。どちらも正解データ（故障記録、不良サンプル）が比較的集めやすく、効果を金額で示しやすい用途です。

ヒューマノイドは今導入を検討すべきですか

2026年時点の公開情報では、自動車工場のヒューマノイドは部品投入や物流のパイロットが中心です。専用ロボットや搬送設備で置き換えられる工程なら、そちらの方が費用対効果を見積もりやすいのが実情です。

工場デジタルツインにはどんなデータが必要ですか

設備配置の3Dモデル、設備の能力とサイクルタイム、物流の経路と台数、MESの実績データです。実績データがないと仮想空間の結果が現場と合わず、検証に使えません。

この記事に出てくる用語

用語集（日・英・中）をすべて見る

この記事のテーマ
#自動車#外観検査
この特集について

外観検査AIの選び方

良品学習か不良学習か、撮像系を誰が持つか。精度の数字だけで選ばないための比較軸　全51本

  1. 外観検査AIとは？2つの学習方式と導入5ステップを製造現場の目線で解説
  2. 製造業のAI活用10領域：外観検査・予知保全から設計・技能伝承まで一覧
  3. 外観検査AI製品の比較軸10項目：学習方式・撮像系の範囲・エッジ対応・再学習の手間
  4. 食品工場のAI活用：キユーピーの原料検査から需要予測・省人化まで5用途
特集の記事をすべて見る →

この記事を書いた人

株式会社サオス

株式会社サオス 製造DX部

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。

運営者情報　編集方針　株式会社サオスのサイト