【製造業】設備点検記録をClaude Code/Codexで自動化する方法
aikanri-admin
この記事の内容
製造現場の設備点検は、日常点検表、巡回メモ、異音や振動の気づき、温度の記録、停止やチョコ停の履歴が、紙・ホワイトボード・チャット・各担当の頭の中に分かれて残ります。とくに「いつもと違う」を拾って保全につなぐ部分 — どの設備のどの兆候を優先して見るか — は経験に依存しやすく、ベテラン保全担当1人に集中しがちです。AIは設備の良否や故障を判定するものではありませんが、点検記録の整理、前回までとの変化の抽出、保全担当が見るべき設備の候補出しを先に行う補助として使えます。
設備点検記録の整理・確認にかかる時間 (キヌガワ精密工業のモデル事例)
本記事では、AI鬼管理 が支援を想定する キヌガワ精密工業 (栃木県小山市・金属切削加工・設備約40台・保全担当2名) をモデル事例に、Claude Code/Codex で設備点検記録を「記録の整理+変化の抽出+優先して見る設備の候補」まで半自動化する手順を解説します。日常点検表とチャットの異音メモを保全担当の樋口さん(勤続15年)が一人で読み込み、気になる設備を拾うのに月16時間かけていた工場が、若手の茅野さん(入社3年目)も記録の確認に入れるようになり、兆候の見落としと突発停止を減らした流れです。
代表菅澤
代表菅澤
AI鬼管理山崎
この記事を最後まで読むと、
- 設備点検記録で保全担当が抱えている負荷(記録の散在・変化の拾い出し・引き継ぎ)が分かる
- Claude Code/Codexで自動化できる3項目(記録の整理/変化の抽出/見るべき設備の候補)が理解できる
- 5ステップでのPoC〜運用の進め方が分かる
- 点検メモ・異音/温度/停止履歴を一つの時系列に整理する型が分かる
- 予兆と保全優先度を見える化して突発停止を減らす考え方が分かる
01 PROBLEM 設備点検記録の現場で起きていること 記録の散在・変化の拾い出し・引き継ぎのトリレンマ
問題1: 点検記録があちこちに分かれて、横断して見られない。キヌガワ精密では、日常点検表は紙のバインダー、異音や油漏れの気づきは現場チャット、加工機の主軸温度は機械横のホワイトボードに残していました。設備の状態を一台ぶん通して見ようとすると、3つの場所を行き来することになり、結局、記録が頭に入っている樋口さんしか全体を把握できていませんでした。
問題2: 「いつもと違う」を拾えるのがベテラン1人に集中する。主軸のわずかな異音、停止回数の増加、温度がじわじわ上がる傾向 — こうした故障の前触れを点検記録から拾えるのは、キヌガワ精密では実質、保全担当の樋口さんだけでした。若手の茅野さんは点検表に記入はできても、どの値が「危ない兆候」なのか判断がつかず、気づいた異変は樋口さんの確認待ちになります。
問題3: 前回までとの比較が手作業で、台数ぶん積み上がる。「この加工機、先週も同じところ異音と書いてなかったか」を確かめるには、過去の点検表をめくり直すしかありません。設備が約40台あると、変化を追う作業だけで時間が消え、記録を取ること自体が目的化して、肝心の「変化に気づいて手を打つ」が後回しになっていました。
02 WHAT Claude Code/Codexで何を自動化するか 良否判定ではなく、記録の整理と変化の抽出を自動化
📚 用語解説
予兆 (予兆保全)：設備が完全に壊れる前に現れる、異音・振動・温度上昇・停止回数の増加などの小さな変化のこと。これを早く拾って計画的に手を打つ考え方を予兆保全という。何が予兆かの最終判断は保全担当の経験によるが、「前回までと変わった点」を機械的に拾い出す部分はAIで先に整理できる。
処理1: 点検記録を一つの時系列に整える。紙の点検表を書き起こしたテキスト、チャットの異音メモ、温度の記録を、設備ごと・日付ごとに並べ直します。「加工機3号機 / 6月3日 / 主軸異音あり・温度58℃・チョコ停2回」のように、バラバラだった記録を一台ぶん通して読める形にします。
処理2: 前回までとの変化を抽出する。同じ設備の過去の記録と照らして、「異音の記載が3回連続」「温度が先月平均より5℃高い」「停止回数が倍」など、いつもと変わった点を変化候補として出します。値が正常範囲かどうかの判断ではなく、あくまで「変化があった事実」を拾うところまでです。
処理3: 保全担当が見るべき設備の候補を出す。変化が重なっている設備、生産への影響が大きいライン上の設備を、「今週、保全担当が優先して現物を見たほうがよい候補」として並べます。これは点検指示でも故障予測でもなく、保全担当の巡回の順番を決める材料にすぎません。
| 入力情報 | AIが整理すること | 人(保全担当)が確認すること |
|---|---|---|
| 日常点検表 | 設備別・日付別の記録一覧、記入漏れの箇所 | 現物の状態、点検基準の妥当性 |
| 異音・気づきメモ | 同一設備で繰り返す記載、変化の出ている箇所 | 実際の音・振動、原因の切り分け |
| 温度・電流の記録 | 前回までとの差、上昇傾向の候補 | 測定条件、許容値、対応要否の判断 |
| 停止・チョコ停履歴 | 停止回数の増加、時間帯の偏りの候補 | 停止の真因、保全か段取りかの切り分け |
AIの役割は記録の整理・変化の抽出・見るべき設備の候補出しまで。「異常かどうか」「分解整備が必要か」「運転を止めるか」は必ず保全担当や専門職が現物を見て判断します。この線引きを最初に決めておくと、現場が安心してAIを使えます。
03 HOW 具体的な進め方 5ステップ 小さくPoCし、見落とした兆候の判断を点検ルールへ戻す
設備点検記録AI化の5ステップ
まずは止まると影響が大きい主力ライン1本、設備5〜10台に対象を絞って始める
「主軸は異音が3回続いたら要確認」「温度は前月平均+5℃で要確認」など樋口さんの頭の中を文章化する
点検表・チャット・温度記録を設備別に統合し、変化候補と見るべき設備の候補を確認用ドラフトとして出す
保全担当が「これは兆候/これは無視してよい」を判定し、その理由をCLAUDE.mdへ戻して候補の精度を上げる
記録の確認を若手に任せ、ベテランは現物確認と判断に回る。うまくいったラインから横展開する
5ステップで最も大切なのは、STEP 4の「兆候かどうかの判断理由」を残すことです。AIが出した変化候補を保全担当が「これは無視してよい」と判断した場合、「なぜ無視してよいのか(測定タイミングのばらつき・段取り由来の停止など)」を残さないと、次回も同じ候補が上がり続けます。逆に、その理由をCLAUDE.mdへ戻せば、AIの候補出しは少しずつキヌガワ精密の設備事情に近づきます。
04 RESULT 導入後の変化と数値効果(キヌガワ精密工業の事例) 記録整理16時間→4.5時間/月、兆候拾いの属人化を解消
- 点検表(紙)・異音メモ(チャット)・温度(ホワイトボード)が分散し、設備を一台ぶん通して見られなかった
- 「いつもと違う」を拾えるのは樋口さん1人で、記録の確認に月約16時間かかっていた
- 前回までとの比較が手作業で、台数が多く変化の追跡が後回しになりがちだった
- 若手の茅野さんは兆候を拾えず、気づいた異変は樋口さんの確認待ちになっていた
- AIが点検表・チャット・温度を設備別の時系列に統合、記録の整理・確認は月約4.5時間に
- 前回までとの変化(異音の連続・温度上昇・停止増)を変化候補として先に提示
- 「今週見るべき設備の候補」が並び、保全担当は現物確認と判断に集中できるように
- 若手の茅野さんがAIの一覧から兆候を拾えるようになり、樋口さんは現物確認に専念
AI鬼管理山崎
05 PITFALL よくある落とし穴3つ 判定・記録形式・対応要否の扱いを誤らない
異常かどうか、分解整備が必要か、運転を止めるかは、現物と設備特性を知る保全担当・専門職が判断します。AIは記録の整理と変化候補の抽出まで。良否の判定を任せると、測定条件のばらつきや現場固有の事情を無視した「誤った安心・誤った不安」を生みます。
「異音」「変な音」「ガラガラ音」のように同じ事象の書き方がバラバラだと、AIは変化を追えません。設備名・観測項目・記入の語彙を最初にそろえることが、変化抽出の精度を左右します。
AIが出すのは「変化があった候補」までです。それを受けて止めるのか、次の計画停止まで様子見するのか、部品を手配するのかは、生産計画と在庫を踏まえて保全担当が判断します。この判断をAIに委ねてはいけません。
06 FORMAT 点検メモ・異音/温度/停止履歴を整理する型 バラバラの記録を「設備×日付×観測項目」の一枚に
AIに記録を統合させる前に、人間側で「どの項目を、どの語彙で残すか」を決めておくと、変化抽出の精度が大きく上がります。キヌガワ精密が使っている、点検記録を一つの時系列にまとめる型を紹介します。
型1: 1行=「設備・日付・観測項目・値/所見・対応」で残す
「加工機3号機 / 6月3日 / 主軸温度 / 58℃ / 様子見」のように、設備名・日付・観測項目・値または所見・とった対応を1行に並べる形を基本にします。点検表もチャットの異音メモも、最終的にこの5項目に落とせる形で書いておくと、AIが設備別・項目別に並べ直したときに、前回までとの比較がそのまま効きます。
型2: 異音・振動は「部位+音の種類」で語彙を固定する
「変な音」では変化を追えないため、「主軸/ガラガラ」「ベアリング部/キーン」「搬送/カタカタ」のように、部位と音の種類の組み合わせで書き方を決めておきます。語彙が固定されていれば、AIは「同じ部位の同じ音が何日連続で出ているか」を変化候補として拾えます。
型3: 温度・電流・停止回数は「数値+測定条件」をセットで残す
「主軸温度58℃(連続運転2時間後)」のように、数値と測定条件をセットで残します。条件が分からない数値は、前回との比較が意味を持ちません。測定タイミングがそろっていれば、AIは「前月平均より高い」といった傾向を変化候補として出せます。
| 観測項目 | そろえる書き方の例 | AIが拾える変化候補 |
|---|---|---|
| 異音・振動 | 部位+音の種類(例: 主軸/ガラガラ) | 同一部位・同一音の連続記載 |
| 温度 | 数値+測定条件(例: 58℃/連続2h後) | 前月平均との差、上昇傾向 |
| 停止・チョコ停 | 回数+時間帯(例: 2回/午後) | 回数の増加、時間帯の偏り |
| 油・漏れ・汚れ | 部位+程度(例: 主軸下/にじみ) | 同一部位での繰り返し記載 |
上の書き方のルールと、設備ごとの観測項目をCLAUDE.mdに書いておくと、AIが表記ゆれを吸収して設備別の時系列に整えてくれます。語彙がそろっていない記録をそのまま渡すと変化を追えないので、まず1ラインぶんの記録形式をそろえるところから始めるのがコツです。
07 PRIORITY 予兆と保全優先度を見える化する 「変化の重なり」×「止まったときの影響」で見る順番を決める
記録を時系列に整えたら、次は「どの設備から現物を見るか」の順番づけです。すべての変化候補を同じ重さで追うと、結局また時間が足りなくなります。キヌガワ精密が使っている、保全の優先度を見える化する考え方を紹介します。
軸1: 変化の重なり(いくつの兆候が同時に出ているか)
同じ設備で「異音の連続」「温度上昇」「停止回数の増加」が重なって出ているほど、現物を早く見る価値が高い、と扱います。AIは設備ごとに変化候補がいくつ重なっているかを数えて並べられるので、「兆候が3つ重なっている設備」を先頭に出す、といった整理ができます。ただし、重なりの数はあくまで見る順番の材料で、故障の確率ではありません。
軸2: 止まったときの影響(ラインのどこにある設備か)
同じ「兆候2つ」でも、後工程がない単独設備と、止まるとライン全体が止まるボトルネック設備では、優先度が変わります。設備ごとに「止まったときの影響(代替機の有無・後工程への波及)」をCLAUDE.mdに登録しておくと、AIは変化の重なりと影響度の両方を踏まえて「今週見るべき設備の候補」を並べられます。
見える化の出力イメージ
| 設備 | 重なっている変化(候補) | 止まったときの影響 | 見る順番の目安 |
|---|---|---|---|
| 加工機3号機 | 主軸異音3日連続・温度+6℃・チョコ停増 | ボトルネック(代替なし) | 最優先で現物確認 |
| 搬送コンベアA | カタカタ音2日・停止1回増 | 後工程に波及 | 早めに確認 |
| 検査機2号機 | 温度+3℃のみ | 代替機あり | 次回点検で様子見 |
この順番づけは、保全担当が現物を見て回る順番を決めるための材料です。実際に止めるか、部品を手配するか、計画停止に回すかは、生産計画・在庫・設備特性を踏まえて保全担当が判断します。AIの並び順を保全指示としてそのまま実行してはいけません。
AIが上位に出した設備を保全担当が「今回は急がなくてよい」と判断したら、その理由を残します。影響度の登録や変化の重み付けが現場の感覚に近づき、見る順番の精度が回を追うごとに上がっていきます。
08 RELATED 関連記事: 製造業の自動化事例10選(全業務マップ) 設備点検以外の9業務も含めた事例集
本記事は製造業の自動化事例10選のうち、事例6「設備点検記録」を深掘りした内容です。品質検査記録・作業標準書・見積・受発注・不良報告など他の業務もあわせてご覧ください。→ 製造業の自動化事例10選(全業務マップ)
09 ABOUT AI鬼管理について - 設備点検記録の伴走サービス 属人化した兆候拾いを、確認中心の運用へ
本記事を発信している AI鬼管理 は、製造業のAI業務自動化をClaude Code/Codexで設計から伴走するサービスです。設備点検記録は、散らばった記録の統合と変化の抽出を任せることで、兆候拾いの属人化を解き、突発停止を減らす打ち手になります。
代表菅澤
属人化した設備点検記録、いっしょに軽くしませんか?
本記事のキヌガワ精密の例は、切削加工・設備約40台・保全担当2名で兆候拾いが1人集中というモデルケースです。貴社の設備構成や記録の残し方によって、最適な進め方は変わります。まずは今の点検記録の取り方をうかがって、貴社に合った設計をご提案します。
代表菅澤
NEXT STEP
この記事の内容を、あなたのビジネスで
実践してみませんか？
AI活用を自社で回せるようになりたい方へ
AI鬼管理
Claude Code/Codex・Cowork導入支援から業務設計・社内浸透まで実践ベースで伴走。「自社で回せる組織」を90日で作る経営者向けトレーニング。
よくある質問
Q. AIに設備の故障を予測させてもよいですか?
A. 故障の予測・良否判定はおすすめしません。AIは点検記録の整理・前回までとの変化の抽出・見るべき設備の候補出しまでにし、異常かどうかや対応要否は保全担当が現物を見て判断する設計が現実的です。
Q. IoTセンサーがなく、紙の点検表とメモだけでも使えますか?
A. 使えます。紙の点検表を書き起こしたテキストやチャットのメモでも、設備名・観測項目・書き方をそろえれば、設備別の時系列に整理し変化候補を出せます。
Q. 設備の種類が多くてもまとめて始めるべきですか?
A. まずは止まると影響が大きい主力ライン1本・設備5〜10台に絞るのがおすすめです。記録の語彙と観測項目をそろえてから、うまくいったラインを横展開します。
Q. 点検記録はどのくらいの期間ぶん用意すべきですか?
A. 最初は直近1か月ぶんあれば、前回までとの変化や繰り返しの記載を拾うPoCができます。期間が延びるほど、季節変動や経年の傾向も見やすくなります。
Q. 料金やプランを教えてください
A. 料金やサポートプランは AI鬼管理のサービスページをご覧ください。貴社向けの個別ご提案は本記事末尾のNEXT STEPからお問い合わせください。
Claude Codeで業務自動化を90日で叩き込む
経営者向けの伴走型パーソナルトレーニング
Claude Code を業務に落とし込む
専門研修コース一覧
受講者本人の業務を題材に、「使いこなせる」状態になるまで伴走する研修プログラム。1対1特化型・ハンズオン・法人講座の3コースを展開中。業務特化・実装まで踏み込むタイプのClaude Code研修です。
研修コース一覧を見る →AI鬼管理へのお問い合わせ
この記事を読んで気になった方へ。
AI鬼管理の専門スタッフが、御社に最適な
業務自動化プランを無料でご提案します。
- AI業務自動化サービス「AI鬼管理」を運営 — Claude Code を活用し、経営者の業務を「AIエージェントに任せる仕組み」へ転換するパーソナルトレーニングを 伴走構築 で提供。日報・採用・問い合わせ対応・経費精算・議事録・データ集計・営業リスト等の定型業務を、AIに代行させる体制を経営者と一緒に作り込む
- Claude Code 実装ノウハウを 経営者・法人クライアント に直接指導。生成AIを「便利ツール」ではなく 「業務を任せる存在」 として運用する手法を体系化
- 「やらせ切る管理」メソッドの開発者。シンゲキ株式会社（2021年設立・鬼管理専門塾運営）にて累計3,000名以上の学習者を志望校合格に導いた管理メソッドを、AI × 経営者支援 に転用
- 著書『3カ月で志望大学に合格できる鬼管理』(幻冬舎)、『親の過干渉こそ、最強の大学受験対策である。』(講談社)
- メディア出演: REAL VALUE / カンニング竹山のイチバン研究所 / ええじゃないかBiz 他
- 明治大学政治経済学部卒
