SGL — 製造現場AI研究室

※本ページには広告（PR）を含む場合があります。アフィリエイトリンク経由のお申し込みで当編集部が報酬を受け取ることがあります。

foundry / capability review

鋳造シミュレーション・AI外観検査・AI欠陥予測のできること/できないこと

A-CHU-03｜初版 2026-07-28｜改訂 2026-07-28

研究の問い: 鋳造の方案設計・検査・欠陥予測のどこまでを機械が肩代わりでき、どこからが「現場の判断」にしか残らないのか。

実在企業の公開情報に基づく整理（出典は文末）

「鋳造もそのうちAIが設計から検査まで全部やってくれる」という印象を持つ方もいるかもしれませんが、投資を検討するならどこまで実際に自動化が進み、何が依然として現場の判断に残っているかを分けて理解する必要があります。本記事は、実在する企業の鋳造シミュレーション・AI外観検査・AI欠陥予測の公開情報をもとに整理したものです。

1. できること——湯流れ・凝固シミュレーションはすでに実用段階

株式会社セイロジャパンが提供する「NovaFlow & Solid CV」は、鋳型充填および凝固のシミュレーションパッケージで、独自のコントロール・ボリューム・メッシュ・テクノロジー（CVM）により3D CADモデルの形状をそのまま表現し、薄肉製品の解析や計算速度を強みとしています（出典1）。同ソフトは重力砂型鋳造・重力永久鋳型鋳造・低圧鋳造・高圧ダイカスト・ロストワックス法など市場のほとんどの鋳造法に対応し、押湯設計を含む熱的モジュラス計算やひけ巣予測のための公式機能も備えているとされています（出典1）。過度な乱流による酸化物介在物や湯境、引け巣、スラグの巻き込みといった鋳造欠陥は、湯口系やガス抜きの設計を解析上で最適化することである程度回避できるとされています（出典1）。同種の鋳造プロセスシミュレーションとしては、電通総研が取り扱う「Altair Inspire Cast」も実在し、鋳造CAEの専門家でなくても直感的に操作できるよう設計されているとされています（出典2）。

2. できること——AI外観検査は「過検出の改善」で実装が進む

画像検査ソリューションを手がける株式会社Phoxterが公開する事例紹介資料によれば、金属合わせ面の鋳巣検査において、従来のルールベース画像処理では表面のヘアラインや汚れと不良を見分けるアルゴリズムの構築が難しく、正常範囲の微細な鋳巣を検出せず不良のみを適切に検出することが課題だったとされています（出典3）。同社はディープラーニングによる外観検査ソフトウェア「Preferred Networks Visual Inspection」を用いた学習により、欠陥箇所のみの検出と過検知の改善を実現し、検査面の明るさに不均一さが生じた場合でも不良箇所の検出が可能になったとしています（出典3）。検査は「AI StellaController」と呼ぶAI検査対応ハイブリッド型の画像処理システムに実装され、カメラ接続・画像処理・AI検査・PLCリンク等を一体で提供するとされています（出典3）。

3. できること——機械学習による欠陥予測は「合わせ込み誤差」を減らす方向で進化

株式会社日立産業制御ソリューションズが2024年12月に公開した技術解説によると、同社の鋳造シミュレーションシステム「ADSTEFAN」には、機械学習に基づく欠陥予測ツール「ADPT（Advanced Defect Prediction Tool）」が実装されています（出典4）。従来の鋳造CAEでは、実験結果とCAE結果を一致させる「合わせ込み」や、CAEが現実を完全に模擬できないことで生じる「モデル化誤差」への対処に人間の経験的判断が必要でしたが、ADPTは数値解析結果と実際の鋳造品に生じた欠陥情報（位置・種類・発生頻度）を教師データとして機械学習し、湯流れ・凝固・熱応力解析から出力される約80種類の解析結果を学習対象に、欠陥発生率を予測する指標を自動構築できるとされています（出典4）。この手法では、欠陥への影響因子（例えば冷却速度）を順位付けして提示でき、鋳造条件を調整した場合の効果も可視化できるとされています（出典4）。

4. できないこと——教師データの範囲を超える条件では精度が落ちる

日立産業制御ソリューションズ自身が、ADPTの限界について明確に述べています。「新たな鋳造条件が教師データに対して内挿の関係にある場合は高精度な予測が期待できるが、鋳造プロセスや合金種類、製品サイズが大きく異なる場合は予測計算が外挿となり、精度が低下する可能性がある」としており、また「教師データの量や質が十分でない場合、関係のない因子の影響が大きくなり、予測の精度が悪化する可能性もある」とも述べています（出典4）。つまりAI欠陥予測は、過去の実績データが豊富な範囲では強力ですが、新規に近い条件ほど従来型の知見に頼らざるを得ないということです。これは当サイト編集部の実務上の整理ではなく、開発元自身が技術解説の中で明記している限界です。加えて、砂の配合・型ばらしのタイミングといった現場合わせの初期パラメータ設定や、出荷判定・最終責任の所在は、シミュレーションやAI検査ツールでは代替できない領域であると当編集部は整理しています（この整理は【推定】であり各社の公式見解ではありません）。

5. 導入前に自社でやるべきこと

日本鋳造協会「鋳造産業ビジョン2017」は、鋳造業の弱みとして製造工程での暗黙知の多さと技術習得の難しさを指摘しています（現在地の記事参照）。シミュレーション・AI外観検査・AI欠陥予測はいずれも設計・検査・予測という工程の一部を強力に支援しますが、それだけでは砂の配合や型ばらしのタイミングといった現場合わせの暗黙知の継承問題は解決しません。高額なツールを単独で導入する前に、まずは自社の鋳造の勘所がどこまで言語化されているかを、棚卸しチェックリストで先に確認しておくと、投資の優先順位がつけやすくなります。

視座ステージ診断（無料・約7分・登録不要）— いま何を見て働いているかを20問で確かめる →

出典

（2026年7月28日閲覧）

1. 株式会社セイロジャパン「NovaFlow & Solid CV 鋳造用湯流れ・凝固シミュレーション」製品ページ（コントロール・ボリューム・メッシュ・テクノロジー〔CVM〕、対応鋳造法・合金、押湯設計・ひけ巣予測の公式機能） saeilo.co.jp
2. 電通総研「Altair Inspire Cast 鋳造プロセスシミュレーション」製品ページ（鋳造CAE専門家でなくても直感的に操作できる設計である旨） mfg.dentsusoken.com
3. 株式会社Phoxter「AI外観検査による鋳巣検出の改善事例｜過検出を抑えた高精度な検査とは？」事例紹介資料（Apérza Catalog掲載。金属合わせ面の鋳巣検査における課題、ディープラーニングによる外観検査ソフトウェア「Preferred Networks Visual Inspection」の活用、AI検査対応ハイブリッド型画像処理システム「AI StellaController」） aperza.com
4. 株式会社日立産業制御ソリューションズ（執筆: 平田直哉ほか）「鋳造シミュレーションによる鋳造欠陥予測手法の新展開」日立評論2024年12月号（鋳造シミュレーションシステム「ADSTEFAN」に実装された欠陥予測ツール「ADPT」、機械学習による欠陥評価指標構築手法、約80種類の解析結果を学習対象とする欠陥予測DB、影響因子の順位付け機能、教師データに対し外挿となる場合の精度低下という限界の明記） hitachihyoron.com

※役割分担の図・「できないこと」欄の現場合わせ・出荷判定に関する整理は当サイト編集部の分析であり【推定】、各社の公式見解ではありません。各社製品・サービスの仕様・対応範囲は変更される可能性があるため、最新情報は各社公式サイトでご確認ください。

最終更新: 2026-07-28 ｜ 参照した一次情報: 4件 ｜ 本記事の推定値には【推定】を明記しています ｜ 誤りのご指摘はお問い合わせへ

---

関連セクション

• 金属加工AIガイド——町工場の技能伝承とAI導入金属加工でAI外観検査は何ができて何ができないか、実在ベンダーの公開情報から整理。
• 自動車整備業AIガイド——認証整備工場の故障診断とAI活用スキャンツール・故障診断AIのできること/できないこと。