製造業のデジタルツインとは？シミュレーションとの違いと活用段階

1960年代のNASAの宇宙ミッションでは、打ち上げた機体と同じ構成の「双子」を地上に置き、宇宙で起きた問題の解決策を地上で試していました。

製造業のデジタルツインは、この「双子」を仮想空間につくり、現場の設備や工程のデータを取り込んで、同じ状態を保ち続ける仕組みです。

大切なのは、画面の見た目よりも現場とのつながりです。

現実の設備や工程と、仮想空間のモデルがデータで同期し続けていること、つまり現場の変化がモデルにも反映され続けることが核心で、3D表示がなくても成り立ちます。

どれほどリアルな3Dモデルでも、現場とつながっていなければデジタルツインとは呼べません。

この記事では、製造業のデジタルツインとは何かを、定義、シミュレーションとの違い、つながり方による3つの段階の順に整理します。続いて、支える仕組み、工場での活用段階、国内の事例、導入でつまずきやすい点を見ていきます。

デジタルツインとは

デジタルツインとは、現実にある製品・設備・工程を仮想空間に写し取り、現実と同期させ続けるデジタルの分身のことです。「ツイン（双子）」という名前のとおり、現実の側で何かが変われば、仮想の側もそれに合わせて変わります。

業界団体のDigital Twin Consortiumは、デジタルツインを次のように定義しています。「指定された頻度と忠実度で同期した相互作用を持つ、現実の実体やプロセスを統合的・データ駆動的に仮想表現したもの」です。

ここでいう頻度は「どのくらいの間隔でデータを合わせるか」、忠実度は「どこまで細かく正確に再現するか」を指します。

製造業向けには国際規格のISO 23247（2021年に第1部を発行）があります。

同規格を解説したNISTの論文は、製造業のデジタルツインを次のように定義しています。「観測可能な製造要素を目的に合った形でデジタル表現したもので、要素とその表現の間に同期があるもの」です。

観測可能な製造要素とは、人、設備、材料、工程、施設など、工場の中で状態を観測できるものすべてです。

どちらの定義にも共通するのは、「同期」と「目的に合った精度」の2点です。工場のすべてを原子レベルで再現する必要はなく、知りたいこと・決めたいことに足りる細かさで、必要な頻度でつながっていればよい、という考え方です。

日本の行政文書では、総務省の情報通信白書（令和5年版）にも説明があります。そこでは「現実世界から集めたデータを基にデジタルな仮想空間上に双子（ツイン）を構築し、様々なシミュレーションを行う技術」とされています。

同白書によると、製造業から活用が始まり、現在は都市計画や防災、農業など幅広い分野で使われています。

図1：デジタルツインの基本の形

現実から仮想へデータが流れ、仮想で出した答えが現実に戻る。この往復が続いていることが条件です。

PHYSICAL現実の工場設備、ライン、製品、作業者、材料。センサーやPLCが稼働状態・温度・振動・生産実績を記録する

データ →← 指示

VIRTUAL仮想空間のモデル受け取ったデータで状態を更新し続ける。先の状態を予測し、条件を変えた場合を試算する

同期の頻度（どのくらいの間隔で合わせるか）と忠実度（どこまで細かく再現するか）は、使う目的に合わせて決める

※Digital Twin Consortium の定義、ISO 23247 の定義をもとに編集部で作成。

考え方そのものは新しくありません。

米国標準技術研究所（NIST）の論文によると、1960年代のNASAの宇宙ミッションでは、打ち上げた機体と同じ構成の「双子」を地上に置いていました。宇宙で起きた問題の解決策を、地上側で試すためです。

2002年にはマイケル・グリーブス博士が、現実空間と仮想空間、その間を行き来する情報という構想を示し、これが現在のデジタルツインの原型とされています。

当時は物理的な模型で行っていたことを、センサーと通信、計算能力の向上によってデジタルで常時実現できるようになったのが、ここ10年ほどで注目が集まった理由です。

工場全体をデータでつなぐスマートファクトリーの取り組みの中で、デジタルツインはその「仮想側の中心」として位置づけられることが多くなっています。

シミュレーションとの違い

デジタルツインについて最もよく聞かれる疑問が、「従来のシミュレーションと何が違うのか」です。どちらもコンピューターの中にモデルをつくり、現実では試しにくいことを試す点では同じです。

違いは、モデルが現実とつながり続けているかどうかにあります。シミュレーションは、ある時点で決めた条件を入力して計算し、答えを得たら一区切りです。

デジタルツインは、現実から届くデータでモデルが常に更新され、その「今の状態」を起点に先を読みます。

図2：従来のシミュレーションとデジタルツインの違い

計算の中身は似ていても、現実とのつながり方と使い続ける期間が違います。

従来のシミュレーション

デジタルツイン

入力データ

設計値や想定条件を人が入力する

現場のセンサーや設備からのデータが自動で入り続ける

対象

「この型式の設備」「この設計案」

「3号ラインの、今のあの1台」

時間軸

ある時点の条件で1回ずつ計算する

現在の状態を起点に、過去の履歴と将来の予測をつなぐ

モデルの寿命

検討が終われば役目を終える

対象の設備や工程が動いている間、更新しながら使い続ける

現実への反映

結果を人が読み取り、別途判断する

結果を指示や設定値として現場に戻す仕組みを持つ

※実際の現場では両者の境目はなだらかで、シミュレーションがデジタルツインの部品として組み込まれることも多くあります。

データがつながり続けるか

従来のシミュレーションでは、入力条件は人が用意します。設計段階の構造解析なら材料の物性値と荷重条件、生産ラインの検討なら想定するサイクルタイムや不良率です。入力が「想定」である以上、答えも想定の範囲にとどまります。

デジタルツインでは、入力の多くが現場からの実データに置き換わります。設備が実際に何秒で1サイクルを回しているか、どの工程で停止が起きたか、といった実績がモデルに入り続けるため、想定と現実のずれが見えるようになります。

対象が「1台」か「今のあの1台」か

設計段階のシミュレーションが扱うのは、同じ型式なら共通の「理想の1台」です。一方でデジタルツインが写し取るのは、据え付け場所も使われ方も摩耗の具合も異なる個別の1台です。

同じ型式の射出成形機でも、10年使った機械と昨年入れた機械では挙動が違います。その違いまで含めて写し取るからこそ、個別の設備の不調の兆しや、ラインごとの能力の差を読み取れるようになります。

シミュレーションは内側の部品になる

両者は対立するものではありません。デジタルツインの中では、物理法則にもとづく解析モデルや、データから学習したAIモデルが「先を読むための計算エンジン」として働いています。

設計部門で使われてきたCAD・CAE（コンピューターによる設計・解析）の技術は、デジタルツインのモデルづくりの土台にもなっています。

言い換えれば、デジタルツインは「シミュレーションを、現実とつないだまま使い続ける仕組み」です。新しい計算手法というより、使い方の枠組みの違いと捉えると理解しやすくなります。

デジタルモデル・シャドウ・ツインの3段階

「デジタルツインを導入した」と発表される取り組みの中身は、実はさまざまです。この違いを整理するのに便利なのが、2018年にKritzingerらが製造分野の文献を分類した論文で示した3段階の区分です。

区分の軸は、現実と仮想の間でデータが自動で流れているか、流れているならどちら向きかという、データの統合の度合いです。見た目の精巧さや使っているソフトウェアは問いません。

図3：データの流れ方で見る3つの段階

同じ「仮想空間のモデル」でも、現実とのつながり方で呼び名が変わります。

STAGE 1デジタルモデル現実と仮想の間に自動のデータのやり取りがない。3D CADモデル、設計段階のシミュレーション、レイアウト検討用の3Dモデルなど

STAGE 2デジタルシャドウ現実から仮想へ、データが自動で一方向に流れる。稼働状況を仮想空間やダッシュボードに映す「見える化」がここにあたる

STAGE 3デジタルツイン現実と仮想の間で、データが双方向に自動で流れる。仮想側の判断が設定値や指示として現場に戻る

3段階は優劣ではなく、目的に応じた到達点の違い。見える化で十分な課題なら、シャドウで止めるのが合理的な場合も多い

※Kritzinger et al.（2018）の分類をもとに編集部で作成。

論文では、当時の文献の多くはデジタルモデルやデジタルシャドウを扱ったもので、最上位のデジタルツインを扱ったものは少ないと指摘されています。

この傾向は現在の現場でも大きくは変わらず、「デジタルツイン」と呼ばれている取り組みの多くは、実際にはシャドウの段階にあるとみてよいでしょう。

ただし、シャドウの段階だから価値が低いわけではありません。工場全体の状態を1つの画面で俯瞰できるだけでも、異常への気づきや、部署間の情報共有は大きく変わります。

ツインまで進めるかどうかは、「仮想側の判断を現場に自動で戻すことで、何がよくなるのか」が説明できるかで決めるのが現実的です。

なお、フィードバックの形も一様ではありません。設備の設定値を自動で書き換える形もあれば、推奨値を画面に示して作業者や計画担当者が採用する形もあります。最終判断を人に残す設計のほうが、現場に受け入れられやすい傾向があります。

デジタルツインを支える4つの層

デジタルツインは1つのソフトウェア製品ではなく、いくつもの技術を組み合わせた仕組みです。ISO 23247は、製造業のデジタルツインの参照モデルを4つの領域に分けて整理しています。

図4：ISO 23247 に見るデジタルツインの4つの層

現場の「モノ」から、それを使う「人・アプリ」まで、層ごとに役割が分かれます。

ユーザー生産計画、保全、品質、設計の担当者や、MES・ERPなどのアプリケーション

活用・判断

デジタルツインモデルを持ち、届いたデータで更新する。分析、予測、試算を行う

データ集約・制御指示

デバイス通信設備の状態変化を集め、必要なときは制御の指令を設備に送る

観測

設備・工程工作機械、ロボット、搬送、加工条件

人・材料作業者、部品、仕掛品、原料

製品・施設製品個体、建屋、エネルギー設備

※最下層の「観測可能な製造要素」は、ISO 23247 では人員、設備、材料、工程、施設などを含むとされています。

観測対象（現場のモノと人）

一番下にあるのは、写し取られる側の現実です。ISO 23247では「観測可能な製造要素」と呼び、設備だけでなく作業者、材料、工程、施設まで含めています。

最初に決めるべきは、このうち何を写し取るかです。工場のすべてを対象にすると、データ収集もモデルづくりも終わりが見えなくなります。「このラインのボトルネック工程」「この反応工程の品質」のように、対象を絞るところから始めるのが一般的です。

データ収集と通信

次の層は、現場の状態をデータとして集め、仮想側へ送る部分です。温度・振動・電流などを測るセンサー・計測の技術と、設備を動かしているPLC（プログラマブルコントローラ）の信号が主な情報源になります。

この層は、双方向の段階では仮想側から現場へ指示を戻す通り道にもなります。メーカーの異なる設備が混在する工場では、データの形式をそろえる作業にかなりの手間がかかり、ここが導入のボトルネックになりやすい部分です。

モデル（仮想側の分身）

中心にあるのが、デジタルツイン本体のモデルです。

NISTが紹介しているロボットのワークセル（ロボットが工作機械に加工物を供給する小さな生産単位）の例では、ロボットアームの3D形状を持つシミュレーションモデルと、リアルタイムのデータを処理して判断を支える分析モデルを組み合わせています。

モデルには、物理法則にもとづくもの、過去のデータから学習したもの、その両方を組み合わせたものがあります。どれを選ぶかは、予測したい現象の性質と、手元にあるデータの量で決まります。

使う人とアプリケーション

一番上は、デジタルツインの結果を使う側です。生産計画や保全の担当者が、画面で状況を確かめる使い方があります。ほかに、MES（製造実行システム）のような生産管理のシステムが、デジタルツインの予測をもとに計画を組み直す使い方もあります。

使う人がはっきりしないまま構築されたデジタルツインは、画面が立派でも誰も見なくなりがちです。誰が、どの判断に使うのかを最上位の層から逆算しておくことが、定着の分かれ目になります。

工場での活用段階

工場でのデジタルツインの使い道は、設備や工程のライフサイクル（計画から運用までの一生）のどの段階で使うかによって大きく変わります。同じ「デジタルツイン」でも、立ち上げ前に使うものと、稼働後に使うものでは、つくり方も効果の出方も違います。

図5：ライフサイクルで見るデジタルツインの活用段階

稼働前は「つくる前に試す」、稼働後は「動かしながら読む」使い方に分かれます。

稼働前（まだ現物がない、または組み上げ途中）

01設計・レイアウト検討設備配置、動線、搬送の能力を仮想空間で比べる。段階としてはデジタルモデルが中心

02立ち上げ（仮想試運転）実機のPLCプログラムを仮想の設備につないで動かし、不具合を先に潰す

03作業者の教育現物がそろう前に、手順や異常時の対応を仮想空間で練習する

稼働後（現物とつながり続ける）

04運転の監視稼働状態、停止、品質を1つの画面で俯瞰する。デジタルシャドウの段階

05予測設備の不調の兆し、品質のばらつき、完成時刻を先読みする

06最適化と制御運転条件や生産順序を計算し、現場に戻す。双方向のデジタルツイン

※1つの取り組みが複数の段階をまたぐことも多く、段階の区切り方は企業によって異なります。

設計・レイアウト検討

新しいラインや工場を計画する段階では、まだ現物がないため、つながる相手もありません。この段階で使うのは、厳密にはデジタルモデルです。それでも、稼働後にデジタルツインへ育てる前提で最初のモデルをつくっておくと、後の手戻りを減らせます。

検討する内容は、主に次のようなものです。

• 設備の配置
• 作業者や搬送車の動線
• ボトルネックになりそうな工程

現場で配置を変えるには大きな費用と時間がかかるため、仮想空間で複数案を比べる価値は大きくなります。

立ち上げ（仮想試運転）

設備を組み上げる前後の段階で使われるのが、バーチャルコミッショニング（仮想試運転）です。実機と同じPLCのプログラムを仮想の設備モデルにつないで動かし、動作の順序やインターロック（安全のための動作制限）の抜けを、現物がそろう前に確かめます。

従来は、設備を据え付けてから現場で不具合を一つずつ潰していくのが当たり前でした。シーメンスは工作機械向けバーチャルコミッショニングの説明で、試運転を最大70%短縮できるとしています。

ライン立ち上げを担う生産技術の仕事の進め方を変える使い方です。

運転の監視

稼働が始まると、デジタルツインは現物とつながります。最初の段階は、設備の稼働状態や停止の履歴、品質の実績を仮想側に映し、工場の今を俯瞰できるようにすることです。

個々の設備の稼働監視そのものは以前から行われてきましたが、デジタルツインでは工程と工程、人と設備のつながりの中で状態を見られる点が違います。ある設備の停止が後工程にどう波及するかが、1つの画面で追えるようになります。

予測と最適化

データが蓄積されてくると、「このまま動かすとどうなるか」を先読みする使い方に進みます。代表的なのは次の3つです。

• 設備の不調の兆しをとらえる予知保全
• 品質のばらつきの予測
• 生産計画の完了時刻の予測

さらに進むと、予測にもとづいて運転条件や生産順序を計算し、現場に戻す段階になります。ここまで来て、現実と仮想がデータで往復する、本来の意味でのデジタルツインになります。

事例に見る使われ方

ここでは、公開情報で中身を確認できる国内の取り組みを3つ取り上げます。いずれも「3Dで工場を再現した」こと自体より、どの判断に使っているかに注目すると、段階の違いが見えてきます。

図6：国内の3つの取り組みと活用段階

対象も目的も異なりますが、どれも「どの判断に使うか」がはっきりしています。

ダイキン工業

監視・予測・最適化臨海1号工場の全体を画面上に再現。作業時間の自動計測、故障予知、生産順位の自動立案を回し、生産ロスを6割削減（2024年度）

DIC・日立製作所

予測・運転への反映合成樹脂の製造プラントで、反応予測モデルが運転状況を再現。最適な調整タイミングと投入量を導き、現場に戻す

YEデジタル

計画・事前検証工場や物流センターの設備、レイアウト、人や車両の動線を再現。設備投資や搬送ロボット導入を事前に検証する基盤

※各社の公表情報・報道をもとに編集部で整理。段階の分類は編集部によるものです。

ダイキン工業：「止まらない工場」を目指す工場全体の再現

ダイキン工業は、2018年6月に本格生産を始めた臨海1号工場（大阪府堺市）をモデル工場として、工場全体を画面上に表すデジタルツインを構築しています。

2025年8月の講演内容を伝えた報道によると、作業者の情報や故障予知の警告が出た設備などを、全体を俯瞰しながら監視できるようにしています。

取り組みは「見える化」「予知・予測」「最適化」の3つを回す形です。

カメラによる作業時間の自動計測や目視検査のデジタル化で状態を集め、設備の故障モードを分析して予知につなげ、生産順位の自動立案で最適化します。

2024年度の実績として、生産ロスは全体で6割、設備故障に由来するロスは8割削減したとされています。

一方で、海外拠点への展開では、業務の標準化や形式知化が課題に挙げられています。デジタルツインの効果は、仕組みそのものより、写し取る現場の業務がどれだけそろっているかに左右されることを示す例です。

DIC・日立製作所：化学プラントの運転への反映

DICと日立製作所は2024年12月、合成樹脂の製造プラントの運転自動化を図るデジタルツイン技術を実用化したと発表しました。

AIなどを用いた反応予測モデルで、サイバー空間上にプラントの運転状況を再現します。そのうえで目標の品質値に向けた調整のタイミングや投入量を導き出し、現場にフィードバックする仕組みです。

化学反応は途中の状態を直接測りにくく、従来は現場でサンプルを採って品質を確かめながら運転を調整していました。

発表では、サンプリング確認回数の低減、品質の安定化、新製品導入時の立ち上げ期間短縮への貢献が挙げられています。2025年1月から本格稼働し、国内3拠点・海外1拠点への展開を計画しているとしています。

仮想側で導いた運転条件を現場に戻す点で、3段階の区分でいえばデジタルツインに近い取り組みです。発表では、推奨する運転条件を作業員に示して選べるようにする形が紹介されています。

組立型の工場とは違い、プロセス型の工場では品質を左右する条件が連続的に変わるため、こうした使い方と相性がよい傾向があります。

YEデジタル：工場・物流の事前検証

YEデジタルは2026年9月、デジタルツイン基盤「MMDigitalFactory」の開発を発表しました。NVIDIAのOmniverseのライブラリを使った基盤で、2027年1月から第1弾の機能を提供します。

工場や物流センターの設備、レイアウト、人や車両の動線を仮想空間上に再現し、次の用途に使う想定です。

• レイアウト変更や設備投資の意思決定
• AGV・AMR（無人搬送車・自律走行搬送ロボット）導入の事前検証
• ボトルネックの特定

同社は既存の倉庫自動化システムとの連携を強め、将来的には工場内物流からサプライチェーン全体を対象にする方針を示しています。投資判断の前に「入れたらどうなるか」を試すという、計画段階寄りの使い方の代表例といえます。

導入でつまずきやすい点と始め方

デジタルツインは、うまくいかなかった場合の原因がある程度共通しています。ここでは、つまずきやすい点を4つ挙げたうえで、目的から逆算する始め方を整理します。

目的より先に3Dをつくる

最も多いのが、精巧な3Dモデルをつくること自体が目的になってしまうケースです。見栄えのよい工場の3D映像は社内の説明には役立ちますが、現場とつながらず、誰の判断にも使われなければ、更新されないまま古くなっていきます。

3D表示は、デジタルツインにとって必須ではありません。設備の状態と予測値を並べた表やグラフでも、同期と判断への活用ができていれば、立派なデジタルツインです。

忠実度を上げすぎる

「現実そっくり」を目指すほど、モデルづくりの費用と計算の負荷は膨らみます。

Digital Twin Consortiumも、デジタルツインは成果を目的とし、ユースケースに沿ってつくるものと説明しています。忠実度は、用途に照らして決めるのが基本です。

たとえばラインの生産能力を見積もるだけなら、各工程のサイクルタイムと停止の頻度が分かれば足り、設備の細かな形状は要りません。必要な精度は、答えたい問いによって決まると考えると、過剰な作り込みを避けられます。

データの持ち主と標準化

設備のデータは、メーカーごと、年代ごとに形式がばらばらです。また、設備メーカー、システム会社、自社のどこがデータを持ち、誰が使ってよいのかが曖昧なまま進めると、後から揉めることがあります。

データ項目の名前や単位、取得の周期を社内でそろえておくことは、地味ですが複数ラインや他拠点へ広げるときの前提条件です。ダイキン工業の事例で標準化や形式知化が課題に挙がっているのも、同じ構造の問題といえます。

つながることのリスク

双方向のデジタルツインでは、仮想側から現場の設備へ指示が届く通り道ができます。便利になる一方で、外部からの不正な侵入が物理的な設備の動作に影響するおそれも生まれます。

そのため、どの指示を自動で現場に戻し、どこで人の承認を挟むかを、情報システムと設備の担当が一緒に決めておくことが欠かせません。工場のネットワークと事務系のネットワークの分け方も、構想段階から検討しておきたい点です。

図7：目的から逆算するデジタルツインの始め方

つくる順ではなく、決める順に並べると、過剰な作り込みを避けられます。

1

問いを決める誰の、どの判断をよくしたいのかを1つに絞る

例：3号ラインの段取り替えの順番を、毎朝もっと早く決めたい

2

対象と忠実度を決める問いに答えるのに必要な範囲と細かさだけを写し取る

例：工程ごとのサイクルタイムと停止履歴。3D形状は不要

3

同期の頻度とデータを決める判断のタイミングに間に合う頻度で、必要なデータを集める

例：PLCから生産実績を1分ごとに取得し、前日分を夜間に集計

4

現場へ戻す範囲を決める自動で戻すか、推奨値として人が採用するかを決める

例：最初は推奨の順番を画面に示し、計画担当が確定する

※最初はデジタルシャドウ（見える化）から始め、効果を確かめながら双方向へ進める例が多く見られます。

このように、小さな問いから始めて、答えが出たら範囲を広げるのが、失敗の少ない進め方です。

最初から工場全体を対象にするより、1つのラインや1つの工程で効果を確かめ、社内で使い方の型をつくってから広げるほうが、結果的に早く進むことが多くあります。

また、デジタルツインは導入して終わりではありません。設備を入れ替えたり工程を変えたりすれば、モデルも更新する必要があります。更新の担当と手順を運用の中に組み込んでおくことで、現実とずれない分身を保てます。

まとめ

デジタルツインは、それ単体の技術というより、センサー、制御、生産管理、解析といった既存の技術を「同期」でつなぐ考え方です。

設備の状態をとらえて先回りする仕事としては設備保全が、デジタルツインを使いこなす人材づくりとしては製造業のリスキリングとDX人材が、深く関わるテーマです。

ほかの技術テーマとの関係は、製造業の最新技術一覧もあわせてご覧ください。

出典

出典・参考資料（9件）を開く出典・参考資料を閉じる

• デジタルツインの定義：Digital Twin Consortium「Definition of a Digital Twin」
• ISO 23247の定義・参照モデル、NASAとグリーブス博士の経緯、ワークセルの例：NIST（Shao, Kibira, Frechette）「Digital Twins for Advanced Manufacturing: The Standardized Approach」
• ISO 23247-1：ISO 23247-1:2021 Digital twin framework for manufacturing — Part 1: Overview and general principles
• デジタルモデル・シャドウ・ツインの分類：Kritzinger et al.「Digital Twin in manufacturing: A categorical literature review and classification」IFAC-PapersOnLine（2018）
• 日本での定義：総務省「令和5年版 情報通信白書」デジタルツイン
• バーチャルコミッショニング：シーメンス「モーションコントロールのVirtual Commissioning」
• ダイキン工業の事例：DIGITAL X「ダイキン工業、“止まらない工場”に向けた工場デジタルツインを構築」
• DIC・日立製作所の事例：日立製作所 ニュースリリース（2024年12月5日）「DICと日立、合成樹脂製造プラント運転自動化を図るデジタルツイン技術を実用化」
• YEデジタルの事例：株式会社YE DIGITAL プレスリリース（2026年9月8日）