工具寿命 予測 AIに関心を持つタイの日系機械加工工場の多くは、いま工具交換を「本数カウント（固定寿命）」かオペレーターの勘で決めています。固定寿命を短めに置けば、まだ削れる工具を捨てることになり、工具費がかさみます。長めに置けば、摩耗が進んだ工具で削り続けて寸法不良や面粗さの不良が出たり、折損して機械が止まったりします。早すぎる交換と遅すぎる交換の両方に悩んでいる、というのが多くの現場の実感ではないでしょうか。
この記事の主張は一つです。工具寿命予測AIの成否はモデルの精度ではなく、「交換判断のルール（何を寿命とみなし、誰が、いつ、何を根拠に替えるか）」を先に決め、そのルールに必要な信号と正解ラベル（実摩耗の測定記録）を現場で集め続けられるかで決まります。 論文で見かける高い精度は、加工条件を固定した実験の数字であり、多品種の量産ラインにそのまま持ち込めるものではありません。受入試験で確かめるべきは、「交換判断が、決めたルールどおりに、誤報と見逃しの許容範囲内で出るか」です。
以下では、生産技術課長、品質課長、工場長が社内で判断材料をそろえられるよう、寿命基準の決め方、工具摩耗 検知と工具折損 検知に使う信号、研究データセットの数字の読み方、製品と方式の選択肢、既存システムとの連携、費用と効果のモデル試算、RFP の項目、FAT/SAT の確認点、タイ・ASEAN 固有の論点を順に整理します。なお、記事中のモデル工場の本数、単価、件数、金額、回収年数はすべてこの記事のために置いた仮の数字です。業界平均でも調査値でもメーカーの価格でもありません。
なぜ今、タイの機械加工工場で工具寿命の予測が問われるのか
2026年の後半、タイの機械加工工場を取り巻く数字は、方向の違う材料が並んでいます。
ロイター配信の報道によると、タイ工業連盟（FTI）が発表した2026年8月のタイの自動車生産は124,646台で、前年同月比10.93%増でした。同じ月の国内販売は前年同月比25.59%増、輸出は2.04%減です。一方で FTI は、2026年通年の自動車生産を前年比3.33%減と予測しています。理由として挙げられているのは、中東での戦闘による輸出の減少です。単月は伸びても、通年の見通しは楽観できない。自動車部品や金型の加工工場にとっては、受注の波があっても工具費や不良のコストを抑え、限られた機械と人で納期を守ることが、これまで以上に問われる状況です。
工具の世界には、もともと「読みにくさ」があります。公開データセットを紹介した Data in Brief 誌の論文（2023年）は、先行研究を引用して、同じ加工条件でも工具寿命は100%以上ばらつきうること、そのため実務では多くの場合すべての工具を所定の時間で一律に交換しており、それが多くの工具の残り寿命を無駄にしていることを述べています。これはミーリング工具を扱った論文の記述ですが、固定寿命で交換している現場の悩みをよく言い表しています。固定寿命は、ばらつきの「悪い側」に合わせて置かざるを得ないからです。
AI の利用そのものも広がりつつあります。マイクロソフトの報告として報じられた数字では、タイの AI 利用率は2025年初めの9.1%から2026年第1四半期には12.4%に上がり、伸び率は前年比36.4%で世界2位でした。ただしこれはタイ全体の人口・労働者をベースにした数字で、製造業や機械加工に限ったものではありません。同じ報道では、人口の87.6%はまだ日常や仕事で AI を使っていないとされています。AI という言葉への期待は高まっていても、工場の現場で使いこなす段階はこれから、と読むのが妥当でしょう。
展示会でも、AI と工作機械の組み合わせは目立つテーマになっています。2026年9月14日から19日にシカゴで開かれた IMTS 2026 では、主催者が「Industrial AI Arena」（AI 製造ソリューションの出展者32社とサンディア国立研究所）と、予知保全・品質・データ準備を扱う「Industrial AI Conference」を設けると発表していました。同じ会場では、Caron Engineering が Tsugami SS20 を使った全自動の実加工セルで、リアルタイムの CNC 工具監視と適応制御（TMAC）を実演したと同社は説明しています。日本では、第33回日本国際工作機械見本市（JIMTOF 2026）が2026年10月26日から31日に東京ビッグサイトで開催される予定です。
こうした流れの中で、「AI で工具寿命を予測できるのか」という問いがタイの工場にも届いています。答えは「条件付きでできるが、先に決めることがある」です。以降の章で、その「先に決めること」を順番に見ていきます。
工具寿命 予測 AIとは：固定寿命管理・工具監視・寿命予測の違い
「工具寿命 予測 AI」という言葉は、実際には性格の違う三つのものを指して使われがちです。導入の議論が噛み合わない原因の多くは、この区別がされていないことにあります。
1. 固定寿命管理（カウントによる切削工具 寿命管理）
CNC の工具寿命管理機能や、工具管理表で使用回数や使用時間を数え、決めた値に達したら交換する方法です。多くの工場の現状はここにあります。仕組みは単純で、データの取り方も明確です。弱点は、前章で触れた寿命のばらつきに対応できないことです。寿命を長めに置けば折損や不良が出て、短めに置けば工具費が増えます。
2. 工具監視（モニタリング）
加工中の信号を見て、「いま異常が起きている」ことを検知する仕組みです。代表は工具折損 検知で、切削負荷の変化などをとらえて機械を止めます。後で紹介する FANUC の切削負荷監視機能は、メーカーの説明では工具折損の検知を主目的とした機能です。工具監視システムの多くは、まずこの「起きたことを素早く見つける」役割を担います。
3. 寿命予測（摩耗の推定と交換時期の提案）
信号から工具の摩耗状態を推定し、「あと何個、何分で寿命に達しそうか」「次の段取りの切れ目で替えるべきか」を提案する仕組みです。工具摩耗 検知を連続的な量の推定に広げたもの、と考えるとわかりやすいでしょう。研究の多くはこの領域を扱っていますが、現場で使うには、何をもって寿命とするかの基準と、推定が当たっているかを確かめる実摩耗の記録が欠かせません。
三つは対立するものではありません。固定寿命のカウントを安全側の上限として残し、その内側で監視が折損を止め、予測が交換時期を前後させる、という重ね方が現実的です。工具交換 タイミング 最適化とは、多くの場合「カウントの上限を外すこと」ではなく、「上限の内側で、替える時期をデータに基づいて動かすこと」です。どれを目的に導入するのかを最初に一文で書けるかどうかが、プロジェクトの出発点になります。
工具寿命の基準をどう決めるか（逃げ面摩耗・規格・品質基準）
寿命を予測するには、まず「何をもって寿命とするか」を決めなければなりません。ここが曖昧なまま AI を入れても、モデルが何を当てようとしているのかが定まりません。
規格が扱うのは「工具寿命試験」
工具寿命に関係する ISO 規格として、よく名前が挙がるのは次の二つです。
- ISO 3685:1993「Tool-life testing with single-point turning tools」：高速度鋼・超硬・セラミックの単刃旋削工具で鋼および鋳鉄を旋削する場合の、工具寿命試験の推奨手順を定めた規格です。被削材、工具、切削油、切削条件、設備、工具損傷と寿命の評価、試験手順、結果の記録と提示までを扱います。2022年に定期見直しが完了し、現行の規格です。
- ISO 8688-1:1989「Tool life testing in milling — Part 1: Face milling」：超硬工具による鋼・鋳鉄の正面フライス加工の工具寿命試験の推奨手順です。実験室だけでなく生産現場にも適用できる、と範囲に記載されています。2022年12月に確認（confirmed）され、現行です。エンドミル加工については Part 2（End milling）があり、論文では「ISO 8688-2」として引用されています。
名前のとおり、これらは工具寿命を「試験する」ための手順の規格です。量産ラインで工具をいつ替えるべきかを直接定めたものではありません。
旋削では VB 0.3 mm を寿命とする研究が多い
旋削の研究論文では、ISO 3685 を引用したうえで、工具寿命の判定基準を逃げ面摩耗の幅で置く使い方が見られます。たとえば超硬の溝入れチップを扱った研究では、均一に摩耗した逃げ面摩耗帯の平均幅 VBB が0.3 mm に達するまでの時間を、ISO 3685:1993 に従って工具寿命としています。別の論文でも、VB が0.3 mm に達する時間を工具寿命と定義したり、逃げ面摩耗が0.3 mm を超えたらチップを交換したりしています。つまり、ISO 3685 を引用する研究では、平均逃げ面摩耗 VBB 0.3 mm を寿命とすることが多い、という言い方ができます。これは研究で使われる判定基準であり、量産現場の交換基準そのものではありません。
ミーリングでは摩耗の形と基準値を工程ごとに決める
ミーリングは事情が違います。ISO 8688-2 を引用する研究では、摩耗の形ごとに VB1（均一）、VB2（不均一）、VB3（局所）などを区別しており、どの指標と閾値を採るかは論文によって異なります。チタン合金の高速ミーリングの研究は VB3 が0.5 mm を超えたら摩耗とみなしています。Inconel 718 のミーリング研究は、すべての摩耗現象を分析して最も影響の大きいものを寿命基準に採るという考え方に基づき、VB3 を選んでいます。公開データセットを作った Data in Brief の研究では、VB がおよそ150 µm（0.15 mm）に達したところを寿命末期として実験しています。ミーリングでは、研究どうしでも0.15 mm から0.5 mm まで幅があり、「一律に何 mm」とは言えません。
現場の寿命基準は、品質から逆算して決める
量産の現場では、摩耗幅そのものより、その工具で削った部品が図面の要求を満たすかどうかが問題です。そこで寿命基準は、次のように複数の観点を組み合わせて決めるのが現実的です。
| 観点 | 基準の例 | 決める人・根拠 |
|---|---|---|
| 摩耗量 | 逃げ面摩耗 VB が工程ごとに決めた値に達した | 生産技術。研究の判定基準や工具メーカーの推奨を参考に、工程ごとに決める |
| 品質 | 面粗さ、寸法、バリが管理限界に近づいた | 品質保証。図面と顧客要求から逆算する |
| 安全側の上限 | 固定寿命カウント（個数・時間）の上限に達した | 生産技術。現状の固定寿命を当面の上限として残す |
| 異常 | 欠け、折損、異常な負荷の急変が起きた | 監視の仕組みが即時に判定し、機械を止める |
ここで大事なのは、AI が予測するのは「どの基準に達するまでの残り」なのかを、表の一行として決めることです。摩耗量を予測するのか、品質の指標が限界に近づく時期を予測するのかで、集めるべき正解ラベルが変わります。摩耗量を予測するなら、交換した工具の逃げ面摩耗を測って記録し続ける必要がありますし、品質を予測するなら、どの工具で削った部品の面粗さや寸法がいくつだったかを紐付けて残す必要があります。
あわせて、交換のルールも書き出しておきます。誰が交換を判断するのか（オペレーター、班長、自動停止）、いつ替えるのか（アラーム時に即時、次の段取りの切れ目、シフトの切り替え時）、何を根拠に替えるのか（予測値、カウント、品質測定）。このルールが先にあれば、AI の出力は「ルールのどの欄を埋める情報か」がはっきりします。ルールが無いまま「残り寿命○分」と表示しても、現場は結局カウントで替え続けることになります。
なお、工具寿命と切削速度の関係は、古典的には F. W. Taylor が1907年の論文で示した V·T^n = C（V は切削速度、T は工具寿命、n と C は工具材種・被削材・条件ごとに実験で決める値）の形で表されます。条件を変えれば寿命も変わる、という当たり前の事実を思い出させてくれる式ですが、n と C は条件ごとに実験で決める値です。多品種の現場では、条件が変わるたびに寿命の前提が変わることを、AI の設計でも前提に置く必要があります。
図：工具摩耗の進み方（初期摩耗・定常摩耗・急速摩耗）と、寿命基準の線の例。早すぎる交換、遅すぎる交換、予測による交換（基準線の手前で替える）の位置関係を示す概念図。基準線の値は工程ごとに決める例示であり、特定の規格値ではない。
工具摩耗 検知・工具折損 検知に使う信号（比較表）
寿命基準と交換ルールが決まったら、そのルールを動かすのに必要な信号を選びます。ここでは、2026年に Sensors 誌に掲載された切削加工のセンサ技術のレビュー論文（Hassan ほか）の整理をもとに、主な信号の長所と短所を比べます。レビューは切削加工全般を対象としたもので、特定の工場の実測ではありません。
| 信号 | 取り方 | レビューに記載された長所 | レビューに記載された短所・注意点 |
|---|---|---|---|
| 主軸負荷・電流・トルク | 制御装置やドライブのデータを使う（センサレス） | 主軸の電流・トルクから切削力やトルクを推定でき、高価な動力計への依存を減らせる | 長短の詳しい比較はレビューの記載が限られるため、対象工具でどこまで変化が見えるかを PoC で確かめる |
| 振動 | 加速度センサを主軸頭やワーク側に取り付ける | 非侵襲で成熟した技術。機械的な異常に高感度。低コストで設置が簡単 | ノイズと信号の複雑さ。取付け位置に強く依存し、研究間で性能が大きく違う一因になっている。解釈にはデータ量の多い ML モデルが要る |
| AE（アコースティック・エミッション） | 高周波の弾性応力波をとらえるセンサ | 初期損傷に極めて敏感で、振動より早い摩耗検知が可能 | データレートが高く解釈が複雑。耐久性の課題、産業での標準化が限定的、リアルタイム処理のボトルネック。機械構成が変わると大幅な再学習が必要 |
| 切削力 | 動力計をテーブルやワーク側に設置 | 切削のメカニクスを直接、物理的に意味のある形で測れ、工具摩耗との相関が強い | 取付けが侵襲的。熱ドリフト、機械のコンプライアンスの影響、高周波応答の限界。取付けが複雑で高価 |
| 音 | マイク | レビューではほとんど扱われていない | 同左。長所・短所を一般論で断定せず、対象工程で試して判断する |
信号だけでは足りない：CNC の文脈とラベル
信号の波形だけを集めても、工具寿命の予測には使えません。少なくとも次の三種類を、同じ時刻の軸でそろえて記録する必要があります。
- 信号：上の表の負荷、振動、AE、切削力、音など
- CNC の文脈：どの工具番号が、どのプログラムの、どのブロックで、どの主軸回転と送りで削っていたか。部品数や工具寿命カウンタの値
- ラベル：交換時の実摩耗の測定値、欠けや折損の記録、その工具で削った部品の品質測定結果
CNC の文脈が無いと、負荷が上がったのが工具の摩耗のせいなのか、別の工具や別の工程に切り替わったせいなのかを区別できません。工作機械からの状態データの取り方は、「工作機械 稼働監視の導入｜MTConnect・umatiの選定とFAT/SAT」で詳しく整理しています。また、主軸や送り軸のモーター電流を診断に使う考え方は「モーター電流シグネチャ解析導入｜RFPとFAT・SATの実務」も参考になります。
信号選びの順番
信号は「多ければ多いほどよい」わけではありません。現場で続けられることを優先して、次の順で考えるのが手戻りの少ない進め方です。
- まず、すでに制御装置から取れるデータで足りるかを試す。主軸負荷や電流、トルクは、センサを追加せずに取れる場合があります。折損の検知が主目的なら、ここで足りることも少なくありません。
- 足りなければ、取付けが簡単な振動を追加する。ただし取付け位置で結果が大きく変わるため、位置を決めて固定し、変えないことをルールにします。
- 初期の欠けや小径工具など、より早い兆候が必要な工程に限って AE や動力計を検討する。データ量、耐久性、費用、再学習の負担が増えることを承知のうえで、対象を絞ります。
図：工具寿命予測の信号取得のアーキテクチャ例。主軸負荷・電流、振動、AE、切削力、音などの信号に、CNC の文脈（工具番号、プログラム、条件、カウンタ）と正解ラベル（実摩耗測定、折損記録、品質測定）をそろえ、エッジでの判定と機械学習を経て、折損アラーム、交換時期の提案、MES への記録につなげる。
AIモデルの作り方と、研究データセットの数字の読み方
研究データセットは「条件を固定した実験」
工具寿命予測の論文で最もよく使われるデータセットの一つが、PHM Society の2010年データチャレンジ（フライス工具摩耗）です。主催者のページによると、高速 CNC フライス盤で直径6 mm の超硬ボールエンドミルを使い、主軸10,400 rpm、送り1,555 mm/min、半径方向の切込み0.125 mm、軸方向の切込み0.2 mm という単一の条件で加工しています。信号は切削力（X/Y/Z）、振動（X/Y/Z）、AE-RMS の7チャネルで、1チャネルあたり50 kHz でサンプリングしています。工具の記録は c1 から c6 の6本で、学習用が c1・c4・c6、テスト用が c2・c3・c5 です。学習用の記録には、カットごとの摩耗量（10⁻³ mm 単位）を記したファイルが付いています。後述の論文によると、各記録は1カットごとに1ファイルで315カット分あります。
このデータセットを使った研究の一例が、Scientific Reports に2024年に掲載された PSD-CVT モデルの論文です。この論文は学習用の3本（C1・C4・C6）を使い、3枚刃の摩耗の平均をラベルとして、データを80%学習、10%検証、10%テストに分けています。報告されている誤差（MAE と RMSE、単位は10⁻³ mm）は、C1 が0.683と0.939、C4 が0.734と0.979、C6 が2.107と2.954でした。アブストラクトでは、CNN 単体や ViT 単体より高い精度だったと述べています。
この数字は、評価の範囲とセットで読む必要があります。
- 同じ工具の記録の中で、学習とテストを分けた評価です。同じ工具の前後のカットが学習側とテスト側に混在しうる分け方なので、「見たことのない別の工具」や「別の条件」に当てはめたときの性能を示すものではありません。
- 加工条件は一つです。品番ごとに条件が変わる量産ラインとは前提が違います。
- 著者自身も、今後は実生産環境での性能向上と実用化の検討が必要だと結論で述べています。
もう一つよく名前が挙がるのが、NASA の Milling Wear データセットです。カリフォルニア大学バークレー校の BEST Lab が提供し、NASA Prognostics Center of Excellence 経由で公開されているもので、異なる速度・送り・切込みでのフライス加工実験と、フライスインサートの摩耗 VB が記録されています（最終更新は2025年5月29日）。こちらは条件を変えた実験ですが、それでも実験室のデータです。
研究者自身が指摘する「研究と産業のギャップ」
実験室データと量産のギャップは、データセットを作った研究者自身も意識しています。
Mondragon 大学の MU-TCM 正面フライスデータセット（Scientific Data、2025年）は、実験室で加工条件を変えて、機械の内部信号と外付けの切削力・振動・AE を取得したものです。アブストラクトでは、内部の CNC 信号だけを使う産業向けの工具状態監視の開発を支援し、研究と産業のギャップを縮めることが期待されると述べ、本文では、実験室で取得したデータセットは加工条件の範囲や信号の数が限られると書いています。
先に触れた Data in Brief のデータセット（2023年）は、同じ型の超硬エンドミル（4枚刃、TiN-TiAlN コート、ロット違い）9本を、同規模の5軸マシニングセンタ3台で、鋳鉄の肩削りによって新品から寿命末期（VB およそ150 µm）まで摩耗させたものです。動力計を25 kHz、制御装置からの主軸・送り軸の力やトルク、位置偏差を500 Hz で記録し、ファイル数は6,418にのぼります。論文は、こうした公開データセットは非常に少ないと述べています。同じ工具、同じ条件でも、機械が違えばデータが変わる。そのことを扱える数少ない公開データの例です。
現場でモデルを作る手順
研究の数字をそのまま期待値にせず、現場では次の手順でモデルを作ります。
- 対象を絞る。高価な工具、折損のリスクが高い工程、不良のコストが高い品番から始めます。全工具を一斉に対象にすると、ラベル集めが追いつきません。
- 正解ラベルの集め方を決める。交換した工具の逃げ面摩耗を誰が、何で、どの位置で測り、どこに記録するかを決めます。測定は工数がかかるため、毎回測る工具と抜き取りで測る工具を分けるのも一つの方法です。
- 品番・工具・条件ごとにデータを分けて持つ。条件が混ざったデータで一つのモデルを作ると、条件の違いを摩耗と取り違えるおそれがあります。
- 評価は「別の工具」で行う。学習に使った工具とは別の工具でテストし、研究データセットの評価の仕方との違いを意識します。
- 最初はルールと閾値から始めてもよい。折損検知のように急な変化をとらえる用途では、機械学習より、基準加工で取った負荷に対する上下限の方が説明しやすいこともあります。予測モデルは、ラベルがたまってから段階的に足していけば十分です。
モデルを入れた後も、工具の銘柄変更、条件変更、機械の修理などで信号の傾向は変わります。運用中のモデルの劣化を見張り、更新や切り戻しを決める仕組みについては「工場AIモデル監視の導入ガイド｜劣化検知から更新・切り戻しまで」で整理しています。
研究段階の新しい手法も出ています。米オークリッジ国立研究所（ORNL）は2026年5月、柔軟な触覚センサで工具の刃先の表面を撮像し、アルゴリズムで機上の摩耗検知を行う手法を発表しました。学術誌 Wear に掲載された研究段階の成果で、商用製品ではありません。こうした技術が実用になれば、正解ラベルを集める負担が軽くなる可能性がありますが、現時点では動向として見ておく段階です。
製品・方式の選択肢（工具監視システムの4方式）
工具監視システムの選択肢は、大きく四つに分けられます。以下で触れる製品の機能はすべて、各社の発表や業界紙に掲載されたメーカーの説明であり、ベンダー主張です。価格はいずれも公開されていません。
CNC 標準機能
- FANUC「切削負荷監視機能」（2022年6月発表）：サーボと主軸のデータで切削負荷を監視します。基準加工のときに切削負荷を測って工具折損の検知条件を自動で作り、量産加工中の切削負荷を監視して工具折損を検知する、とメーカーは説明しています。折損時の動作は PMC ラダーやカスタムマクロでカスタマイズでき、監視した切削負荷をログに出して折損原因の調査に使えるとしています。対象となる CNC 機種やサンプリング周期は、発表ページには記載がありません。また、説明の主眼は折損検知で、摩耗量の予測とは書かれていません。
- オークマ「OSP-AI 加工診断」（オークマと NEC の共同開発、2018年11月の報道）：数値制御装置 OSP に内蔵した AI でドリル加工の異常をリアルタイムに検知し、摩耗状態を可視化すると報じられています。工具が破損する前に加工を止めて退避させ、交換タイミングの最適化で工具費の削減を狙うもので、AI には NEC の「RAPID 機械学習」技術を使っていると説明されています。対象はオークマ機（OSP 制御）のドリル加工です。
専用モニタリング装置
- Marposs（ARTIS）Genior Modular：工具摩耗、工具折損、工具欠品の監視と、加工の適応制御を行う機械・プロセス監視システムです。業界紙のメーカー発表記事（2017年）によると、最大10の加工プロセスを同時に監視でき、段取り時に信号を取り込んで上下限アラームを自動設定し、量産中は温度や材料組織などの影響を考慮して限界値を動的に適応させると説明されています。Marposs は2008年に ARTIS を買収しており、当時の発表では ARTIS は1983年設立、ドイツ・ビスピンゲンを拠点に、インプロセスの工具・プロセス・機械状態監視と適応制御を主に金属切削向けに提供していました。
- Caron Engineering「TMAC」：前述のとおり、IMTS 2026 で実加工セルによるリアルタイムの工具監視と適応制御を実演しました。同社は、スクラップ削減、サイクルタイム短縮、工具寿命延長、品質向上を訴求しています。
後付け IoT＋AI
- MachineMetrics「Tool Anomaly Detection」（2025年3月発表）：負荷、トルク、主軸回転の変化など異常な加工挙動を検知して工具故障を予測する、と同社は説明しています。機械の制御装置から高周波データを取得する「センサレス」方式とされています。同社の導入事例ページには定量的な効果の記載もありますが、評価条件や算定方法が示されていないため、この記事では数字を使いません。
- Siemens の Sinumerik Edge アプリ（2019年発表）は、高周波データで加工中のワーク品質を継続監視して基準からの逸脱を通知するアプリなどを含みますが、発表の主眼はワーク品質と機械状態で、工具摩耗の計測を明示したものではありません。工具監視の候補として検討する場合は、その用途に使えるかを個別に確認する必要があります。
自社開発
センサやエッジ機器、データ基盤を自社または SIer と組み上げ、モデルも自前で作る方法です。対象工程に合わせた作り込みができる反面、ラベル収集、モデルの更新、保守を自分たちで背負うことになります。
比較表
| 観点 | CNC 標準機能 | 専用モニタリング装置 | 後付け IoT＋AI | 自社開発 |
|---|---|---|---|---|
| 主な用途（ベンダー説明の範囲） | 折損検知が中心。製品によっては摩耗状態の可視化 | 摩耗・折損・欠品の監視、適応制御 | 異常な加工挙動の検知、工具故障の予測 | 目的に合わせて設計 |
| 必要な機械 | そのメーカーの制御装置、対応機種とオプション | 機械への組み込み、センサの取付け | 制御装置からデータを取れること | 制約は少ないが、取れる信号は機械ごとに違う |
| 混在する機械への展開 | メーカーごとに別々 | 装置の対応範囲による | 対応する制御装置の範囲による | 自由度は高いが、機械ごとの調整が要る |
| 判定ロジックの透明性 | 基準加工と閾値で説明しやすい | 上下限と適応の仕組みを確認する | 中身が見えにくい場合があり、説明を求める | 自分たちで説明できる |
| 運用の負担 | 小さめ。基準加工の取り直しは必要 | 中程度。段取りごとの設定を確認 | 中程度。契約と保守の範囲による | 大きい。モデル更新とラベル収集を自分で回す |
| 価格 | 公開なし | 公開なし | 公開なし | 構成次第 |
選び方の目安は、目的と機械の構成です。折損を止めることが最優先で、対象機が同じメーカーの制御装置にそろっているなら、まず CNC 標準機能で足りるかを確かめます。摩耗に応じた交換時期の提案や、複数メーカーの機械への横展開まで求めるなら、専用装置や後付けの仕組みを比べます。自社開発は、対象工程が明確で、ラベルを集め続ける体制を社内に持てる場合の選択肢です。どれを選んでも、「寿命基準と交換ルール」「ラベルの集め方」は工場側で決める必要があります。
データ連携と既存システム（工作機械 稼働監視・MES・工具管理との接続）
工具寿命の予測は、それ単体で完結しません。交換の提案を出しても、誰がそれを見て、何を記録するかがつながっていなければ、現場の行動は変わりません。連携を考えるときは、次の四つの接続先を一つずつ確認します。
1. CNC 側の工具寿命カウンタ。多くの工場では、CNC の工具寿命管理（使用回数や時間のカウンタ）がすでに動いています。予測の仕組みを入れても、カウンタは安全側の上限として残すのが基本です。そのとき、予測の仕組みが数える「使用回数」と CNC 側のカウンタが一致しているか、工具を交換したときにどちらも同じタイミングでリセットされるかを決めておかないと、二つの数字が食い違って現場が混乱します。
2. 工作機械の稼働監視。工具番号やプログラム、部品数といった CNC の文脈は、稼働監視の仕組みで取っているデータと重なります。稼働監視をすでに入れている、または入れる予定があるなら、同じ収集経路から文脈を取る方が、時刻のずれやデータの二重持ちを避けられます。
3. MES と品質記録。交換の記録、折損の記録、交換時の摩耗測定値、その工具で削った部品の品質測定値を、品番やロットと紐付けて残します。これが次のモデル改善の正解ラベルになり、不良が出たときの原因調査の材料にもなります。
4. 工具管理（工具の在庫・研磨・払い出し）。どの工具がいつ払い出され、何回研磨されたか、どのロットかといった情報を工具ごとに残しておくと、寿命のばらつきを後から調べるときの手がかりになります。先に紹介した Data in Brief のデータセットでも、使った工具がロット違いであることが明記されています。
エッジで判定し、記録と分析を上位で行う構成をとる場合、どの処理をどこに置くかの考え方は「エッジAI 工場 導入ガイド2026｜RFP・90日PoC・受入の実務」でも扱っています。特に折損検知は、判定から機械の停止までの時間が重要です。停止の命令を上位のサーバー経由にすると遅れや通信断の影響を受けるため、停止の判定は機械の近くで完結させ、上位には記録だけを送る、という分け方が一般的な考え方になります。
費用と効果のモデル試算（仮の数字）
ここからは、効果がどれだけ前提に依存するかを見るためのモデル試算です。以下の数字はすべてこの記事のための仮置きです。業界平均でも調査値でもなく、メーカーの価格でもありません。 寿命の延び方や折損の減り方は「AI で実現できる値」ではなく、PoC で実測して置き換えるべき値です。
モデル工場の前提
モデル工場では、マシニングセンタ8台で使う超硬エンドミルとドリルの1工具群だけを対象にします。工場全体ではありません。通貨はタイバーツ（THB）です。比べる世界は「現状＝固定寿命で交換し、折損が年24件」の一つだけです。
| 項目 | 値 | 計算 |
|---|---|---|
| 対象工具の年間使用本数（現状・固定寿命で交換） | 4,000本 | 仮置き |
| 平均単価 | 1,500 THB/本 | 仮置き |
| 現状の年間工具費 | 6,000,000 THB | 4,000×1,500 |
| 寿命延長による使用本数の削減（中位ケース） | 10% = 400本 | 4,000×10% |
| ① 工具費の削減 | 600,000 THB/年 | 400×1,500 |
| 現状の折損件数 | 24件/年 | 仮置き |
| 折損1件あたりの損失（スクラップ・段取り直し・停止。工具代は含めない） | 25,000 THB | 仮置き。工具代は①の側で数えるため含めない |
| 折損の削減（半減） | 12件 | 24×50% |
| ② 折損損失の削減 | 300,000 THB/年 | 12×25,000 |
| 年間効果合計 | 900,000 THB/年 | ①+② |
| 初期費用（センサー・エッジ機器・連携・ラベル収集・PoC） | 1,800,000 THB | 仮置き |
| 年間運用費（保守・ライセンス・摩耗測定の工数） | 300,000 THB/年 | 仮置き |
| 年間純効果 | 600,000 THB/年 | 900,000−300,000 |
| 単純回収年数 | 3.0年 | 1,800,000÷600,000 |
計算を順に確かめておきます。現状の工具費は4,000本×1,500 THB で6,000,000 THB です。使用本数を10%（400本）減らせたと置くと、工具費の削減は400本×1,500 THB で600,000 THB です。折損24件のうち半分にあたる12件を減らせたと置くと、折損損失の削減は12件×25,000 THB で300,000 THB です。合計の効果は900,000 THB、年間運用費300,000 THB を差し引いた純効果は600,000 THB、初期費用1,800,000 THB を純効果で割った単純回収年数は3.0年になります。
なお、ここでは「使用本数の削減率」を直接置いています。工具1本あたりの寿命が1.1倍に延びた場合、必要な本数は1÷1.1 でおよそ0.909倍、つまり約9.1%の削減になり、10%ちょうどにはなりません。試算の簡略化のため本数の削減率として10%を置いている、という位置付けです。
前提が変わると回収年数はどう動くか
使用本数の削減率だけを5%、10%、15%と変え、折損損失の削減（②300,000 THB）は固定したときの感度です。
| 使用本数の削減率 | 削減本数 | ① 工具費の削減 | 年間効果（①+②） | 年間純効果 | 単純回収年数 |
|---|---|---|---|---|---|
| 5% | 200本 | 300,000 THB | 600,000 THB | 300,000 THB | 6.0年 |
| 10% | 400本 | 600,000 THB | 900,000 THB | 600,000 THB | 3.0年 |
| 15% | 600本 | 900,000 THB | 1,200,000 THB | 900,000 THB | 2.0年 |
5%のケースでは、200本×1,500 THB で300,000 THB、②と合わせて600,000 THB、運用費を引いて300,000 THB、回収は1,800,000÷300,000 で6.0年です。15%のケースでは、600本×1,500 THB で900,000 THB、合計1,200,000 THB、純効果900,000 THB、回収は1,800,000÷900,000 で2.0年です。削減率を5%から15%の範囲で動かすだけで、回収年数は6.0年から2.0年まで3倍の幅で動きます。中位の10%から5ポイント下がるだけでも、回収年数は3.0年から6.0年へと倍になります。投資判断の前に PoC で実際の値を測るべき理由が、この幅に表れています。
図：モデル試算の感度。使用本数の削減率を5%・10%・15%と変えたときの年間効果、年間純効果、単純回収年数の変化（すべて仮置きの数字）。
二重計上をしないための注意
この種の試算で起きやすい誤りは、同じ効果を二度数えることです。モデル試算では次の点に注意しています。
- 「早すぎる交換の削減」と「寿命の延長」は同じ効果です。固定寿命より長く使えるようになった分が本数の削減として①に現れます。これとは別に「早期交換の削減」という項目を立てると、同じ工具本数を二度数えることになります。
- 折損1件あたりの損失には、工具代を含めていません。折損した工具の代金は、工具の使用本数として①の側に入っています。②にも工具代を入れると二重になります。
- 予測によって、固定寿命より早く替える工具も出ます。摩耗の早い工具を基準線の手前で替えれば、その分は本数が増えます。①の削減本数は、遅く替えられた分と早く替えた分を差し引いた正味の値として測る必要があります。
- ベースラインは一つです。「AI を入れなかった場合でも、カウントを見直せば一部は改善したはず」という別の世界線を混ぜると、比べる相手が二つになり、効果の説明が成り立たなくなります。
投資の一部は、条件を満たせば BOI の措置の対象になる可能性があります。この点は「タイ・ASEAN 固有の論点」の章で触れます。
工具寿命 予測 AI の RFP に書く項目
工具寿命 予測 AI 導入の RFP では、モデルの精度を一つの数字で約束させるより、判断のルールと検証の方法を書き込むことが大切です。最低限、次の12項目を入れておくことをおすすめします。
| No. | 項目 | 書く内容の例 |
|---|---|---|
| 1 | 対象範囲 | 対象の機械、工具（工具番号・種類）、品番、工程。対象外のものも明記する |
| 2 | 目的と出力 | 折損検知、摩耗状態の推定、交換時期の提案のどれを求めるか。出力の形式（アラーム、表示、記録） |
| 3 | 寿命基準と交換ルール | 工場が決めた寿命基準（摩耗量、品質、カウント上限）と交換ルールを添付し、それに沿った出力を求める |
| 4 | 取得する信号と取付け | 信号の種類、センサの型式と取付け位置、サンプリング周期、制御装置から取るデータの項目 |
| 5 | CNC の文脈データ | 工具番号、プログラム、ブロック、主軸回転、送り、部品数、工具寿命カウンタの取得方法と時刻の合わせ方 |
| 6 | 折損検知の応答と停止動作 | 検知から機械停止までの時間の目標、停止の方法（送り停止、退避など）、制御装置側の設定を誰が行うか |
| 7 | 誤報率・見逃し率の定義 | 何を誤報・見逃しと数えるか、許容範囲、評価に使う期間と件数 |
| 8 | 正解ラベルの収集方法 | 摩耗測定の手順、記録先、測定の頻度、ベンダーと工場の分担 |
| 9 | モデルの評価方法 | 学習に使っていない工具での評価を求める。研究データセットでの精度は参考扱いとする |
| 10 | 既存システムとの連携 | CNC カウンタとの整合、稼働監視、MES、工具管理との接続仕様とデータの持ち主 |
| 11 | モデルの更新と運用 | 工具や条件の変更時の再学習、閾値の見直し、更新の承認手順、切り戻しの方法 |
| 12 | 保守・教育・言語 | 保守の範囲と応答時間、タイ語・英語・日本語の画面と教育資料、現地での対応体制 |
ベンダーの提案書に精度の数字が書かれていたら、それが「どのデータで、どう分けて評価した数字か」を必ず尋ねます。前章で見たとおり、同じ工具の記録の中で分けた評価と、別の工具や別の機械で評価した数字は意味が違います。評価条件が示されない数字は、比較の材料にしない方が安全です。
FAT/SAT で確認すること
受入試験で確かめるのは、「交換判断が、決めたルールどおりに、誤報と見逃しの許容範囲内で出るか」です。FAT（工場出荷前、またはベンダー側の検証環境での試験）と SAT（現地据付後の試験）で、次の項目を確認します。
| 区分 | 確認項目 | 確認の方法 | 合格の考え方 |
|---|---|---|---|
| FAT | 信号と文脈の同期 | 記録した信号と工具番号・プログラム・部品数の時刻を突き合わせる | 工具の切り替わりと信号の変化が対応している |
| FAT | 判定ロジックの再現性 | 同じ記録データを2回入力し、同じ判定が出るかを見る | 判定結果が一致する |
| FAT | 交換ルールの反映 | 工場が決めた寿命基準とカウント上限が設定どおりに働くかを確認する | ルールの各欄が出力に対応している |
| FAT | 停止動作の論理 | 折損判定を模擬的に入力し、停止の信号が出るかを確認する | 決めた停止方法の信号が出る |
| SAT | 折損検知の応答 | 安全な方法で折損や異常負荷を模擬し、検知から停止までの時間を測る | RFP で決めた時間の目標内に止まる |
| SAT | 誤報率 | 一定期間の量産で、正常な加工中に出たアラームを数える | RFP で決めた許容範囲内 |
| SAT | 見逃し率 | 同じ期間に起きた折損・欠け・品質不良を記録し、事前にアラームや提案が出たかを照合する | RFP で決めた許容範囲内 |
| SAT | 交換指示の再現性 | 同じ品番・工具で、交換提案の時期がどれくらいばらつくかを見る。提案時の実摩耗を測る | 提案時の摩耗が寿命基準の手前に収まる |
| SAT | CNC カウンタとの整合 | 予測側の使用回数と CNC の工具寿命カウンタ、交換時のリセットを突き合わせる | 両者の数字とリセットの時期が一致する |
| SAT | 記録の連携 | 交換、折損、摩耗測定、品質測定が MES などに品番・ロットと紐付いて残るかを確認する | 欠けなく記録され、後から検索できる |
SAT では、試験の期間と件数を事前に決めておくことが重要です。折損は頻繁に起きるものではないため、短い期間では見逃し率を評価するだけの件数が集まらないことがあります。その場合は、誤報率と交換提案の再現性を SAT で確認し、見逃し率は運用開始後の一定期間で評価する、という段階的な受入を契約に書いておく方法もあります。PoC の段階で出口の判定条件を先に決めておく考え方は、「IoT PoC 進め方 2026｜始める前に出口の判定条件を決める」でも詳しく扱っています。
タイ・ASEAN 固有の論点
1. 機械とメーカーが混在している
タイの日系工場では、日本製、欧州製、台湾製などの工作機械が並んでいることが少なくありません。CNC 標準機能はメーカーごとに別々になるため、全機に同じ仕組みを入れるのは難しくなります。まずは対象工程の機械に絞り、そこで成果を確かめてから横に広げる方が現実的です。
2. 摩耗測定を続けられる体制
正解ラベルの収集は、AI の導入で最も地味で、最も続きにくい作業です。交換した工具の摩耗を測る人、測る道具、記録の書式を決め、タイ語で手順書を用意します。担当者の異動や離職があっても記録が途切れないよう、手順を属人化させないことが大切です。年間運用費に摩耗測定の工数を入れているのはこのためです。
3. 現場での判断と言語
交換提案をオペレーターが見て判断するなら、画面の言葉と、提案を受けて何をすればよいかの手順は、タイ語で迷わず読めることが条件です。「提案が出たら次の段取りの切れ目で替え、交換した工具は測定台に置く」といった具体的な行動まで書いておきます。
4. BOI の投資奨励措置
BOI の「スマート・持続可能な産業への高度化」措置は、2026年8月4日付の BOI の資料で、特別措置の一つとして記載されています。BOI 投資奨励ガイド2025の記載では、BOI 奨励の有無を問わず既存事業が対象で、BOI 奨励事業の場合は法人税免除が終了済みか未付与であることが条件です。投資額は100万バーツ以上で、土地と運転資金は投資額に数えません。
- デジタル技術の導入のケースの一つに、AI、機械学習、ビッグデータ・データ分析の適用があり、3年間の法人税免除（上限は投資額の50%）とされています。2026年8月の BOI 資料では、AI・機械学習・ビッグデータの導入、タイ国内のクラウド・データセンター、認証を受けたタイ製ソフトウェアは投資額を全額カウントし、未認証のソフトウェアや海外製ソフトウェア、海外のクラウドは半額カウントとされています。
- 機械・自動化の高度化は輸入関税の免除と3年間の法人税免除（上限は投資額の50%。自動化・ロボットを使い、タイの自動化産業との連携が高度化機械の価値の30%以上なら上限100%）です。
- Industry 4.0 への転換（NSTDA が承認した計画）は、輸入関税の免除と3年間の法人税免除（上限は投資額の100%）です。
ガイドには対象外の業種も列挙されており、「一般自動車の製造」がその一つです。完成車の製造は対象外に挙げられていますが、自動車部品の機械加工はこの対象外の一覧に名前がありません。ただし、個別の事業が該当するかどうかは BOI に確認が必要です。また、法律事務所の解説によると、BOI は2026年1月15日に投資奨励措置の刷新を発表し、多くの措置は2026年の初営業日から2027年の最終営業日まで申請を受け付けるとされています（個々の措置がこれに含まれるかは、この解説からは確認できていません）。条件は改定されることがあるため、申請を検討する際は最新の条件を BOI で確認してください。モデル試算の初期費用1,800,000 THB は単体では100万バーツを超えますが、対象となる投資の範囲や数え方は申請の内容によって変わります。
5. 日本の本社との役割分担
寿命基準やモデルの考え方を日本の本社やマザー工場と共有している場合、タイの工場で同じ工具、同じ条件を使っているとは限りません。研究データセットで見たとおり、機械が違えばデータも変わります。本社のモデルや閾値をそのまま持ち込むのではなく、タイの機械と条件で取り直す前提で計画を立てます。
よくある質問
工具寿命 予測 AI 導入には何が必要ですか？
最初に必要なのは、AI ではなく「何をもって寿命とし、誰が、いつ、何を根拠に替えるか」という交換ルールです。そのうえで、ルールに必要な信号、CNC の文脈データ、交換時の実摩耗などの正解ラベルを集める体制を用意します。対象は高価な工具や折損リスクの高い工程などに絞り、PoC で効果を測ってから広げるのが手戻りの少ない進め方です。
工具摩耗 検知はどの信号で行うのがよいですか？
一つの正解はありません。2026年のレビュー論文の整理では、切削力は摩耗との相関が強い一方で取付けが侵襲的で高価、振動は低コストで設置が簡単な一方で取付け位置に強く依存、AE は初期損傷に敏感な一方でデータが重く機械構成が変わると再学習が必要、とされています。まず制御装置から取れる主軸負荷や電流で足りるかを試し、足りなければ振動、さらに早い兆候が必要な工程に限って AE や動力計を検討する順番がおすすめです。
工具折損 検知だけなら、AI は必要ありませんか？
用途によります。折損検知には、基準加工で取った切削負荷をもとに検知条件を作る方式が製品として提供されています。たとえば FANUC の切削負荷監視機能は、メーカーの説明では基準加工で切削負荷を測って折損の検知条件を自動生成する方式です。まずこうした仕組みで足りるかを確かめ、摩耗の推定や交換時期の提案まで求める段階で予測モデルを検討するとよいでしょう。
工具交換 タイミング 最適化で、工具費はどれくらい減りますか？
一般的な削減率として示せる信頼できる数字はありません。この記事のモデル試算（仮置き）では、使用本数の削減率を5%、10%、15%と変えるだけで、単純回収年数が6.0年、3.0年、2.0年と大きく動きました。効果は工具の種類、加工条件、現状の固定寿命の置き方で変わるため、自社の工程で PoC を行い、実測した値で計算し直すことをおすすめします。
切削工具 寿命管理は、CNC の寿命カウンタだけでは不十分ですか？
カウンタは単純で確実なので、安全側の上限として残す価値があります。ただし、同じ条件でも工具寿命は大きくばらつくとする研究もあり、カウントだけではばらつきの悪い側に合わせて寿命を短めに置かざるを得ません。カウンタを上限として残したまま、その内側で監視や予測を使って交換時期を動かす、という重ね方が現実的です。
工具監視システムは、古い工作機械にも後付けできますか？
制御装置からデータが取れれば、後付けの仕組みを検討できます。取れない場合でも、振動センサなどを外付けする方法があります。ただし、振動は取付け位置で結果が大きく変わり、外付けのセンサだけでは工具番号やプログラムといった CNC の文脈が取れないこともあります。どの機械からどこまでのデータが取れるかを先に棚卸ししてから、方式を選ぶのが安全です。
まとめ
工具寿命 予測 AI の導入は、モデルの精度を比べることから始めると、現場で使われない仕組みになりがちです。先に寿命基準と交換ルールを決め、そのルールに必要な信号と、CNC の文脈、実摩耗の正解ラベルを集め続ける体制をつくる。対象は高価な工具や折損リスクの高い工程に絞り、固定寿命のカウンタは安全側の上限として残す。こう順番を決めると、何を買い、何を自分たちで続けるべきかがはっきりします。
研究データセットで報告される高い精度は、条件を固定した実験での数字です。ベンダーの精度の主張は、評価のデータと分け方とセットで確かめます。費用対効果は、使用本数の削減率や折損の減り方といった前提で大きく動くため、PoC で実測した値に置き換えて判断します。そして FAT/SAT では、折損検知の応答、誤報率と見逃し率、交換指示の再現性、CNC カウンタとの整合を一つずつ確かめていきます。
TOMAS TECH では、タイの工場の機械構成や運用に合わせて、工具監視と寿命予測の仕組みづくりをお手伝いしています。導入の方針が固まっていない段階、たとえば対象工程の絞り込みや信号の選び方の検討段階でもご相談いただけます。お問い合わせはこちらのフォームからどうぞ。
参考情報
- ISO 3685:1993 のプロジェクト情報（タイトル・範囲）
- ISO 8688-1:1989 のプロジェクト情報（タイトル・範囲）
- Materials（2025）：ISO 3685 に基づく VBB 0.3 mm の寿命基準の使用例
- Materials（2025）：PN-ISO 3685 に基づく VB 0.3 mm の寿命定義
- Materials（2025）：ISO 3685 のガイドラインに従い0.3 mm 超で交換
- Materials（2023）：ISO 8688-2 の VB3 0.5 mm の使用例
- Materials（2024）：ISO 8688-2 の寿命基準の選び方
- Data in Brief（2023）：9本の工具と3台の機械による公開データセット
- Sensors（2026）：切削加工のセンサ技術レビュー
- PHM Society：2010 Data Challenge
- Scientific Reports（2024）：PSD-CVT モデルによる工具摩耗予測
- Scientific Data（2025）：MU-TCM 正面フライスデータセット
- NASA：Milling Wear データセット
- FANUC：切削負荷監視機能（2022年6月）
- Cutting Tool Engineering：Marposs Genior Modular（2017年8月8日）
- Marposs：ARTIS の買収
- MONOist：オークマ OSP-AI 加工診断（2018年11月16日）
- MachineMetrics：Tool Anomaly Detection の発表（2025年3月4日）
- Caron Engineering：IMTS 2026
- Siemens：Sinumerik Edge アプリの拡充（2019年5月14日）
- Capital.com（Reuters）：タイの2026年8月の自動車生産（2026年9月28日）
- BOI：2026年8月4日付資料
- BOI：投資奨励ガイド2025
- Mondaq：BOI 投資奨励措置の刷新（2026〜2027年）の解説
- Thailand Business News：タイの AI 利用の伸び（2026年6月10日）
- IMTS：IMTS 2026 の企画の発表（2026年7月14日）
- 東京ビッグサイト：JIMTOF 2026 の開催案内（2026年6月19日）
- ORNL：触覚センサによる工具摩耗検知（2026年5月6日）
