電子部品の入手難・生産終了（EOL）に備える｜代替品調査と調達メモをAIで速くする

結論から言えば、代替品調査は「AIで候補を出し、人が仕様を確認する」二段構えにするのが最も速く、かつ安全です。AIは候補の洗い出しとデータシートの比較表作成が得意ですが、電気的特性の適合可否を最終判断させてはいけません。判断は必ず技術者が行います。この分担にすることで、これまで半日から数日かかっていた調査が、数時間まで短縮できます。

「この部品、来年で生産終了だそうです」。取引先やディストリビュータからのEOL通知は、ある日突然届きます。そして、その部品を使った基板の設計を変えるとなれば、評価も承認も必要になり、時間はいくらあっても足りません。

さらに近年は、EOLだけでなく、地政学的な要因や需給の急変による入手難も頻発しています。調達担当が代替品を探し回る時間は、増える一方です。この記事では、その調査をAIで速くする具体的な方法を扱います。

入手難が起きる4つの場面

まず、どんなときに代替品調査が必要になるのかを整理します。場面によって、使える時間も対応の選択肢も違います。

場面1：EOL通知が届いたとき

メーカーが正式に生産終了を告知する場合です。通常、最終発注期限まで6か月から1年程度の猶予があります。

猶予があるため、本来は最も落ち着いて対応できる場面です。しかし実際には、通知が現場に届いてから対応が始まるまでに数か月が経過し、結局慌てることが多いのが実情です。

場面2：納期が突然延びたとき

生産終了ではないものの、リードタイムが数週間から半年以上に延びる場合です。半導体不足の局面で頻発しました。

この場合、代替品を探すか、待つか、在庫を高値で確保するかの選択になります。判断には、生産計画と在庫の状況が必要です。

場面3：ディスコン品が組み込まれた装置の保守

長期稼働する装置の保守で、既に生産終了した部品が必要になる場合です。装置の設計変更ができないため、選択肢が最も限られます。

在庫を持つ流通業者を探す、互換品を探す、あるいは基板の一部を再設計する、といった対応になります。

場面4：新規設計時のリスク回避

まだ問題が起きていない段階で、将来の入手性を検討する場合です。本来はここで手を打つのが最も安く済みます。

ライフサイクルの長い部品を選ぶ、代替可能な部品を複数社から確保できる構成にする、といった設計上の配慮が該当します。

場面別の対応

現状の調査手順の何が遅いのか

多くの会社で、代替品調査は次のように行われています。

典型的な流れ

まず、メーカーのサイトで後継品が案内されていないかを確認します。次に、ディストリビュータの検索画面でパラメトリック検索をかけ、条件の近い部品を絞り込みます。候補が数十件出るので、データシートを1つずつ開いて、電気的特性、パッケージ、動作温度範囲、認証の有無を比較します。在庫と価格を確認し、実際に手に入るかを問い合わせます。技術者に候補を渡し、適合可否を判断してもらいます。

どこに時間がかかっているか

この流れで最も時間がかかるのは、データシートの比較です。1件あたり10分としても、20件で3時間以上。しかも集中力が必要な作業で、途中で見落としが起きます。

次に時間がかかるのが、候補の絞り込み条件を決める作業です。何を必須条件とし、何を許容できるかは、その部品の使われ方によって変わります。ここが調達担当と技術者の間で往復すると、日をまたぎます。

属人化の問題

代替品調査は、経験がものを言う仕事です。どのメーカーがどの分野に強いか、どのパラメータが実務上重要か、といった知識は、担当者の頭の中に蓄積されています。

そのため、担当者が不在だと調査が止まります。また、担当者が変わると調査の質が大きく落ちます。ここも解決すべき課題です。

AIで候補を出す：第一段階

ここから具体的な方法に入ります。まず候補の洗い出しです。

AI検索ツールを使う

生成AIの中でも、Web検索と組み合わせて回答するタイプのツール（Perplexityなど）が、この用途に適しています。最新のメーカー情報やディストリビュータの掲載情報を参照しながら回答するためです。

依頼の仕方は、必須条件と許容条件を分けて伝えるのが要点です。たとえば次のような形です。

「型番○○の代替候補を探しています。必須条件は、耐圧50V以上、容量10μF±10%、温度特性X7R、パッケージ1608サイズ。許容できる差異は、メーカーの違い、リードタイムの多少の差、価格の20%程度の上昇です。候補を5つ挙げ、それぞれについて必須条件を満たすかどうかを表にしてください。また、判断に必要な情報が不足している項目があれば明示してください」。

出力に必ず含めさせるもの

回答には、次の3つを必ず含めるよう指示してください。

とくに2つ目と3つ目が重要です。AIは、分からない項目についても、それらしい値を書いてしまうことがあります。「確認できなかった項目を明示してください」と指示することで、この危険を大きく減らせます。

出典の確認は必ず行う

AIが挙げた型番と特性値は、必ず実際のデータシートで確認してください。型番の枝番が違う、同じ型番でも温度特性のグレードが複数ある、といったことは日常的に起こります。

この確認作業自体は数分で終わります。省略してよいのは候補の洗い出しであって、確認ではありません。

データシート比較表を作らせる：第二段階

候補が絞れたら、次は詳細比較です。

PDFを読ませて表にする

複数のデータシートのPDFを生成AIに読み込ませ、「これらの部品について、絶対最大定格、電気的特性、パッケージ寸法、動作温度範囲、認証取得状況を比較表にしてください。元の部品との差異がある項目には印を付けてください」と依頼します。

数十ページのPDFを何本も読み比べる作業が、数分で終わります。人がやると3時間かかっていた作業です。

差異に印を付けさせるのが要点

比較表を作るだけなら、単に情報が並ぶだけです。価値が出るのは、「元の部品と何が違うか」が明示されているときです。

技術者が見るべきなのは、差異のある項目だけです。同じ項目は見る必要がありません。この絞り込みができると、技術者の確認時間が10分の1程度になります。

比較表に含めるべき項目

最後の実装条件は見落とされがちです。仕様上は問題なくても、実装条件が変わると生産側の調整が必要になります。

PDFの読み込みで気をつけること

データシートのPDFには、表が画像として埋め込まれているものがあります。この場合、文字として抽出できず、AIが値を読み取れないか、誤読することがあります。

対策は、読み込ませた後に「この部品の絶対最大定格をデータシートのページ番号とともに示してください」と確認することです。ページ番号を答えられない場合は、読み取れていない可能性が高いと判断できます。その項目は人が確認してください。

判断は必ず技術者が行う

ここは強調しておきます。AIの出力をもって「代替可能」と判断してはいけません。

なぜAIに判断させてはいけないか

データシートの数値が一致していても、実際の回路で同じように動くとは限りません。寄生成分、実際の温度上昇、他部品との相互作用、経年変化。これらは仕様表に現れない要素です。

とくにアナログ回路や電源回路では、同じ定格の部品に置き換えても特性が変わることがあります。この判断は、回路を理解している人にしかできません。

技術者に渡す形

技術者の時間を最小にするため、渡す情報を整理しておきます。元の部品と候補の差異一覧、その差異が問題になり得る理由の仮説、確認が必要と考えられる項目、供給性の情報。この4点をまとめて渡すと、技術者は判断に集中できます。

「候補を5つ探したので見てください」と丸投げするのと、この形で渡すのとでは、技術者の負担がまったく違います。

評価が必要な場合の切り分け

差異の内容によっては、実機評価が必要になります。評価の要否を切り分ける目安は次のとおりです。

この切り分け自体も、生成AIに「差異の一覧から、実機評価が必要と考えられる項目を挙げてください」と依頼すれば、たたき台が作れます。最終判断はもちろん技術者です。

調達メモと顧客への提案文を作る

調査が終わったら、次は文書化です。ここも時間がかかる部分です。

調達メモに残すこと

調査結果は、必ず記録に残してください。次に同じ部品で問題が起きたとき、あるいは似た部品で調査が必要になったときに、大きく時間を節約できます。

不採用の理由を残すことが、意外に重要です。次に同じ部品を検討するとき、同じ候補を再度調べ直す無駄が省けます。

顧客への代替提案文

顧客の製品に使われている部品を変更する場合、承認が必要になります。この提案文の作成にも生成AIが使えます。

含めるべき内容は、変更の理由、変更前後の型番、主な仕様の比較、差異とその影響評価、実施した評価の内容と結果、切り替え時期と在庫の扱い、です。この項目を伝えて下書きを作らせれば、体裁の整った提案文が短時間でできます。

ただし、技術的な評価結果の記述は、必ず技術者が確認してください。ここを誤ると、承認後に問題が起きたときの責任問題になります。

社内展開も忘れない

同じ部品が、別の製品にも使われていることがあります。1つの製品で対応しても、他が残っていれば後で同じ調査を繰り返すことになります。

部品表を横断して「この型番を使っている製品」を洗い出す作業は、生成AIに部品表を渡せば数分で終わります。調査のたびに必ず実施してください。

エージェント段階：在庫とリードタイムの定期監視

ここまでは「問題が起きてから」の話でした。次は、起きる前に気づく仕組みです。

監視の対象

監視すべきは、重要部品のライフサイクル状況、在庫状況、リードタイムの3つです。

対象を全部品にする必要はありません。入手が難しくなったときに影響が大きい部品、つまり代替が効きにくい部品、単一メーカーしか作っていない部品、長期供給を約束していない部品に絞ります。50点から100点程度が現実的な範囲です。

何を自動化するか

エージェントに担わせるのは、定期的な情報収集と変化の検知です。監視対象の型番について、メーカーサイトやディストリビュータの掲載情報を定期的に確認し、ライフサイクル表示の変化、リードタイムの延伸、在庫水準の低下を検知したら通知する、という形です。

人が全部品を毎月確認するのは不可能ですが、エージェントであれば継続できます。通知が来たときだけ、人が確認すればよいことになります。

監視項目と閾値の例

閾値は自社の生産量と在庫方針に合わせて設定してください。通知が多すぎると誰も見なくなるため、最初は緩めに設定し、運用しながら調整します。

最終購入（ラストバイ）の数量をどう決めるか

EOL通知を受けたとき、代替品への切り替えと並行して検討するのが最終購入です。ここは金額が大きくなるため、判断を誤ると在庫の山か、供給停止かのどちらかになります。

必要数の見積もり方

最終購入の数量は、対象製品の残存ライフサイクル期間と、その間の生産予定数、そして保守用の予備数から算出します。

このうち最も読みにくいのが、残存ライフサイクル期間です。顧客の製品がいつまで生産されるかは、顧客に確認するしかありません。EOL通知を受けた時点で、顧客に対して「本製品の生産予定期間をお知らせください」と照会する手順を決めておくと、判断が早くなります。

数量算定の考え方

見落とされやすいのが保管期限です。電子部品には、はんだ付け性の保証期限や吸湿管理の制約があります。数年分をまとめて購入しても、保管条件を満たせなければ使えません。購入前に保管方法と期限を確認してください。

資金と在庫リスクの検討

最終購入は、一時的に大きな資金を必要とします。加えて、生産数が想定を下回れば在庫が残ります。

判断の材料として、代替品への切り替えにかかる費用（設計変更、評価、顧客承認）と、最終購入にかかる費用および在庫リスクを並べて比較してください。この比較表を作る作業も、条件を渡せば生成AIが下書きできます。数字を入れる前に構造を整理しておくと、社内での議論が進みます。

設計段階でのリスク低減

最後に、そもそも困らないための考え方に触れます。

部品選定時に見るべき供給性の指標

新規設計の段階で、次を確認しておくと後の苦労が減ります。メーカーが長期供給を明示しているか。産業用グレードの製品ラインか、民生用か。複数の生産拠点があるか。同等品を作っている他社があるか。標準品か、特定用途向けの特殊品か。

これらの情報は、データシートやメーカーの製品ページに記載されています。生成AIに候補部品の情報を渡し、「供給性の観点で比較してください」と依頼すれば、比較表が作れます。

セカンドソースを設計時に決めておく

最も効果的なのは、設計の段階で代替品を決めておくことです。部品表に「第1候補」と「第2候補」を併記しておけば、入手難が起きたときに調査からやり直す必要がありません。

このとき、第2候補についても事前に評価を済ませておくのが理想です。評価済みであれば、切り替えが即座にできます。

部品表の情報を充実させる

この情報が整っていれば、EOL通知が来たときの初動が数日から数時間に短縮されます。

調査ノウハウを属人化させない

代替品調査は経験がものを言う仕事ですが、その経験は文書化できます。

ベテラン調達担当の判断基準を聞き取る

長く調達を担当している人には、独自の判断基準があります。このメーカーは供給が安定している、この分野はセカンドソースが少ない、この特性は多少違っても実務上問題にならない、といった知識です。

これらを聞き取って文書にしてください。聞き方は、実際の案件を題材にして「なぜこの候補を残し、なぜこれを外したのか」を尋ねる形が有効です。抽象的に「判断基準を教えてください」と聞いても、うまく言葉になりません。

文書化した基準をAIへの指示に組み込む

聞き取った基準は、AIに候補を探させるときの指示に組み込みます。「当社では、産業用グレードで長期供給が明示されている製品を優先します。特性の差異のうち、温度係数の違いは実機評価が必要と判断しています」といった前提を毎回渡すと、出てくる候補の質が変わります。

この前提文を1つ作っておけば、誰が調査しても同じ水準の候補が出るようになります。属人化の解消は、この形で実現できます。

ノウハウ文書に含める内容

とくに過去の失敗事例は貴重です。「この種の差異は問題ないと思ったが、実際には不具合が出た」という記録は、次の判断を確実に良くします。

進め方と期間の目安

1か月目で効果が体感でき、3か月目で予防的な体制ができます。

よくある質問

Q. AIが挙げた代替品の情報は信用できますか。

A. 候補の洗い出しとしては十分に使えますが、個々の数値は必ずデータシートで確認してください。型番の枝番違いや、同一型番内でのグレード違いを取り違えることがあります。「候補を出す」のがAIの役割で、「確定する」のは人の役割という分担にしてください。

Q. 技術者が忙しく、判断してもらう時間が取れません。

A. だからこそ、渡す情報を整理することが重要になります。差異のある項目だけに絞り、その差異が問題になり得る理由の仮説まで付けて渡すと、技術者の確認は10分程度で済みます。候補一覧を丸投げすると、後回しにされて当然です。

Q. 保守部品で、既にどこにも在庫がありません。

A. 流通在庫を扱う専門業者を探す方法と、互換品を探す方法、そして基板の一部を再設計する方法があります。AIに「この型番の互換品、およびピン互換の製品」を検索させると、思わぬメーカーの製品が見つかることがあります。ただし偽造品のリスクもあるため、入手先の信頼性は必ず確認してください。

Q. 監視の仕組みは自社で作れますか。

A. 簡易なものであれば作れます。ただし、ディストリビュータのサイト構造は変わりますし、利用規約上の制約もあります。まずは対象部品を絞り、月1回手動で確認する運用から始めて、効果を確認してから自動化を検討するのが現実的です。

Q. 顧客への提案で、コスト増をどう説明すればよいですか。

A. 変更の理由が入手困難やEOLであることを明示し、代替品を採用しない場合のリスク（供給停止、保守不能）と併せて示してください。単価の比較だけを提示すると値上げ交渉に見えますが、供給継続の話として提示すれば、理解は得られやすくなります。この構成の提案文も生成AIで下書きできます。

Q. 部品表がExcelでバラバラに管理されています。

A. まずは1つのファイルに集約してください。集約作業自体も、複数のExcelを生成AIに渡して統合させることができます。統合後は、型番の表記ゆれを整理します。この整理が済んでいないと、横断的な影響範囲の把握ができません。

Q. 補助金は使えますか。

A. 部品管理や調達関連のITツール導入については、デジタル化・AI導入補助金などの対象となる場合があります。要件は年度ごとに変わりますので、導入内容が決まってから確認してください。この記事の最初の2か月分は、AI利用料以外の費用がかかりません。

まとめ

電子部品の代替品調査は、AIで候補を出し、人が仕様を確認する二段構えにするのが最も速く、かつ安全です。AIが得意なのは候補の洗い出しとデータシートの比較表作成であり、電気的特性の適合可否を判断させてはいけません。

比較表を作らせる際は、元の部品との差異に印を付けさせてください。技術者が見るべきは差異のある項目だけであり、この絞り込みが確認時間を10分の1にします。

調査結果は必ず調達メモとして記録し、不採用の理由まで残してください。同じ部品が他製品にも使われていないか、部品表を横断して確認することも忘れないでください。

そして、問題が起きてからの対応だけでなく、重要部品50点から100点を選んで供給性を定期監視する仕組みを作れば、EOL通知が来る前に気づけるようになります。設計段階で第2候補を決めておけば、切り替えの初動は数時間まで短縮できます。

この取り組みは、調達部門だけの話に見えて、実際には設計、生産、営業にまたがります。誰がいつ何を確認するかを決め、記録として残していく。その積み重ねが、供給リスクに強い会社をつくります。

代替品調査へのAI活用、調達メモの様式づくり、重要部品の監視体制の構築まで、調達業務の効率化をご支援します。部品表の整理からのご相談も承ります。まずはお気軽にお問い合わせください。