一品生産の造船では「同じ部品を大量に」が成り立たない
自動車や電子部品のAIは、同じ製品を大量に作ることを前提に、データを集めて学習します。造船はその前提が成り立ちません。船は1隻ごとに設計が違い、同型船でも数隻程度です。船体は数百のブロックに分けて作り、それを組み上げて1隻にします。工期は年単位で、工程の多くが屋外や大きな空間での人手作業です。
そのため造船のAIは、個々の製品のデータではなく、次の3つを軸に考えます。
- 3次元の設計データ（船の形状・ブロック・部材の情報）：一品生産でも必ず存在する
- 工程の共通性（溶接・塗装・搬送の作業そのものは船が違っても似ている）
- 工場全体の計画（ブロック・定盤・クレーンの割り当て）
川崎重工の次世代デジタルシップヤード
川崎重工は2026年7月16日、坂出工場でNVIDIAのOmniverse、Isaac、Cosmosを使う「次世代デジタルシップヤード」の取り組みを始めました（MONOist、2026年10月の報道）。柱として挙げられているのは次の4つです。
| 柱 | 内容 | 造船での意味 |
|---|---|---|
| デジタルツイン | 工場と工程を仮想空間に再現 | ブロックの配置、クレーン・定盤の使い方を事前に検証 |
| AIロボット | 溶接・塗装・検査・搬送 | 熟練工に依存する作業の自動化 |
| AIエージェント | 業務の支援・自動化 | 計画・調整業務の負担軽減 |
| ライフサイクル管理 | 建造後の船の運用まで含めたデータ管理 | 設計・建造・保守のデータの一貫化 |
現時点で公表されているのは取り組みの枠組みで、工数やコストの削減効果は示されていません。注目すべきは、ロボットの導入と同時にデジタルツインとデータ管理を柱に入れている点です。一品生産では、ロボットの動きを1隻ごとに人が教えていては割に合いません。3次元の設計データから仮想空間でロボットの動作を作り、現場で使う流れが必要で、デジタルツインはその前提になります。NVIDIAの工場デジタルツインの仕組みはNVIDIA Omniverseで工場デジタルツインで解説しています。
溶接と塗装の自動化
造船の溶接は、ブロックごとに継手の形や長さが違い、部材の寸法誤差や歪みで溶接線の位置も実物ごとにずれます。ロボット化の壁は、この「1回ごとに違う」ことへの対応でした。センサーで溶接線を検出して補正する技術や、図面から溶接条件とロボットの動作を生成する技術が、この壁を下げつつあります。
一品生産のロボット溶接に近い例として、国内ではリンクウィズのL-ROBOTが、溶接位置のずれへの対応や少量多品種のTIG溶接のロボット化に使われていると同社が公表しています。ファナックは2026年9月、Google Cloudと協業し、部品図面から溶接条件とロボットの動作を生成する「AI溶接エージェント」を発表しました（2026年12月末出荷予定）。対象は協働ロボットによるアーク溶接で、造船の大型ブロックにそのまま使えるかは別に検証が必要です。製品の詳細は溶接ロボットのAIで検討しています。
塗装は、広い面積を均一な膜厚で塗る作業で、作業環境も厳しいため自動化の需要が大きい工程です。膜厚の測定結果をブロックの位置と紐付けて記録すれば、塗装ロボットの条件調整と品質保証の両方に使えます。
計画とエージェント：一品生産こそ計画が効く
造船では、どのブロックをいつ、どの定盤で組み、どのクレーンで運ぶかという計画が、工期とコストを左右します。制約が多く、変更も頻繁なため、ベテランの計画担当者が長時間をかけて調整しているのが一般的です。
中国では、大連の恒力重工で、2人で2週間以上かかっていた計画業務をAIソフトが約30分でこなすと報じられています（CarNewsChina、2026年6月）。対象となる計画の範囲や精度は公開されていませんが、一品生産の重工業で計画系のAIに効果が出ている例です。計画を自動化するには、作業の標準時間と実績、設備の能力と稼働予定がデータで揃っていることが前提です。必要なマスタは生産計画AIに必要なマスタ7種にまとめています。
よくある質問
中小の造船所でもデジタルツインは必要ですか
工場全体の精密なデジタルツインは大規模な投資になります。中小の造船所では、まずブロックの進捗と作業実績をデータで見える化し、計画の調整を速くするところから始めるのが現実的です。
溶接ロボットの導入で熟練工は不要になりますか
現状では、ロボットが対応できるのは比較的形の単純な継手で、狭い場所や複雑な継手は人が溶接します。ロボットの段取りや品質確認にも熟練の知識が要るため、熟練工の役割は作業から監督・判断へと移ります。
川崎重工の取り組みの成果はいつ分かりますか
2026年7月に始まった取り組みで、現時点で効果の数値は公表されていません。続報で対象工程と数値が出た時点で、条件を確認して評価するのが妥当です。
この記事に出てくる用語
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。
