三菱重工機械システム、AIで段ボールの反りを制御する装置を実用化

ニュースの要点

三菱重工グループの三菱重工機械システム（MHI-MS）は2026年10月29日、AIで段ボールシートの反りを予測・制御する装置を実用化したと発表しました。同社製の段ボールシート製造機に適用でき、今後、国内外で本格的に販売する方針です。

反り、温度、水分率を測るセンサーとAIを搭載したコンピューター、機械制御装置を組み合わせます。三菱重工業総合研究所のAI技術を使い、紙種ごとのデータから適切な機械設定を予測する仕組みです。

熟練者の引退や人手不足、多品種・小ロット生産への対応を目的としています。同社はロットの最初から反りのない製品を生産できると説明しています。装置価格、導入工場数、比較試験の条件、具体的な販売開始日は公表されていません。

ニュース出典: 三菱重工業「三菱重工機械システム、AIによる段ボールシートの反り制御装置を世界で初めて開発」（2026年10月29日）

イノベーション総研の考察

紙種が変わるたびに必要な調整を、製造機に組み込むAIの予測で支える事例です。イノベーション総研は、モデルの精度だけでなく、切替直後の品質と次の工程の停止を減らせるかに着目します。

多品種・小ロット化は、切替直後の調整を繰り返し発生させる

段ボールの反りを抑える価値は、紙種を替えた直後から使える製品を出せるかにあります。

段ボールシートは、表裏の紙と波形の中芯を糊で貼り、高温で乾燥させて作ります。当事者の説明では、紙の種類によって標準設定では反りが生じやすく、熟練者が調整してきました。表裏の水分率の違いが、平らなシートを維持するうえでの課題になります。

ロットとは、同じ条件でまとめて作る生産の単位です。多品種・小ロットでは、一つの条件で作り続ける場合に比べ、設定を切り替える機会が増えます。切替後の調整が長ければ、短いロットの中で売れる製品を作る時間が減り得ます。これは今回の製造条件から考えられる収益上の論点です。

また、反りは製造機内の問題にとどまりません。発表は、箱を組み立てる後工程でシートが詰まり、品質や生産性が低下するおそれを指摘しています。反り量の平均値だけで評価すると、後工程を止める少数の不良を見逃す可能性があります。

研究所のAIを、既存の製造機へ組み込める装置にした

三菱重工は、AIの単独提供ではなく製造機の計測と制御につながる形を選びました。

今回の装置は、センサー、AIコンピューター、機械制御装置を含む電気制御装置です。研究所が持つAI技術と、MHI-MSが持つ反り制御の技術を組み合わせています。計測できるデータと、実際に変更できる設定の両方がある点が、予測結果だけを渡すサービスとの違いです。

MHI-MSは1956年の初号機以来、製造機を国内外へ300台以上納めたと説明しています。この実績は、適用先となる設備や顧客との接点を考える材料です。ただし、300台すべてが今回の装置を導入できる、または既に導入したという意味ではありません。機種・年式ごとの条件は確認が必要です。

イノベーション総研は、現場の技能をAIへ移す事業では、学習だけでなく設備への接続方法を先に定めることが、導入の具体化につながると考えます。一方、既存機への接続やセンサー整備の負担が大きければ、顧客が装置を購入し続ける理由には直結しません。

反りの予測精度と、工場が支払う価値を別に測る

導入判断には、品質に加えて調整時間と後工程の停止を同じロット条件で比べます。

発表は、紙種ごとに水分、温度、反りのデータを蓄積し、適切な機械設定を学習させるとしています。異なる紙や生産条件でも同じ効果が出るか、学習に必要な期間はどれほどかといった、導入先ごとの確認は残ります。実用化を、あらゆる工場で効果が保証された状態と読むことはできません。

担当者の方が類似装置を評価する場合は、同じ紙種やロット長をそろえ、良品が出るまでの調整時間、廃棄や再加工の量、後工程が止まった時間を比較する方法が考えられます。AIの予測誤差が小さくても、これらが変わらなければ工場の経済効果は限られます。

反対に、熟練者が設定し直す回数が増えれば、機械の処理時間だけが短くなっても負担を移したことになります。生産担当と品質担当が、手動に戻した回数や理由を含めて確認することが、設備投資を続けるかの判断材料になります。

本格販売の次は、紙種と設備が変わっても続く利用を確かめる

次に追うべきは導入台数だけでなく、条件の違う工場で効果が続くかです。

今回公表されたのは実用化と本格販売の方針です。導入工場の比較結果、料金、保守負担、回収期間は示されていません。「世界初」は当事者の表現であり、この表示だけで顧客価値や独立した優位性を判断しないことが必要です。

販売後に、導入前後の品質や停止時間、利用を継続する工場、追加の調整に要した費用が示されれば、商用化後の検証が進みます。紙の種類や製造機の条件ごとに結果を分ければ、どの顧客から広げるべきかも判断しやすくなります。

自社の工場AIでも、最初の導入を一律の成功事例とせず、現場責任者が手動へ戻す条件と、次の設備へ展開する基準を定めることが有用です。計測、設定変更、品質確認までの流れを繰り返せるかが、技術の実用化を継続的な販売へつなぐ観測点になります。

まとめ

三菱重工機械システムは、紙種ごとの機械設定をAIで予測する反り制御装置を実用化しました。担当者の方が持ち帰るべきは、予測精度と工場の価値を分ける視点です。切替直後の品質、調整時間、後工程の停止、保守負担を同じ条件で追うことで、導入と横展開の判断を具体化できます。

関連記事: 仮説検証の進め方 ／ 新規事業の仮説の立て方