図面への AI 活用について整理してみた：既存図面活用編

• URL: https://dev.classmethod.jp/articles/ai-for-existing-drawings
• 日付: 2026-06-19
• Tier: Tier 2
• 要旨: 製造・建設業の図面を AI で読み取り、業務で使える構造化データにする一連の処理を体系的に整理した論文レビュー調記事。図面 AI の処理フロー（検出→意味付け→関係紐づけ→構造化）、ユースケース（見積・積算・検査項目作成・類似図面検索）、難しさ、VLM の登場による変化を整理している。

詳細

図面 AI の基本フロー：

1. 入力（PDF・スキャン・CAD 出力）
2. 要素検出（文字領域・記号・寸法線・タイトルブロック等）
3. 意味付け（「SUS304」→材料、「φ10 H7」→寸法+公差）
4. 関係紐づけ（公差と対象形状を対応させる、設備記号と配置位置を紐づける）
5. 構造化（JSON/CSV/DB/knowledge graph に変換）
6. 業務活用（見積・検査項目・類似検索・施工準備）

レビュー論文（Jamieson ら）では text annotations・symbols に加えて connectivity information の自動認識が figure digitisation の中心とされている。構造化 JSON の設計例として value・category・related_object・source_region（bbox）の4フィールドが示されている。

VLM（Vision-Language Model）による変化：自然言語で「この図面から公差を抽出して」と指示できるようになった。ただし製造可能性評価・加工形状識別・検査タスクでの正確性・一貫性には課題が残る（引用：VLM 評価研究）。

誤抽出が見積ミスや検査漏れにつながるリスクがあるため、人間による確認フロー・修正履歴・信頼度の設計が実用化の鍵とされている。