Ｈｍｃｏｍｍ、下水道インフラ分野への事業展開を本格化

公開：2026年10月2日

CodeCampが提供するDX人材育成が可能なプログラミングやITが学べる公開講座

この記事はプレスリリースです

本記事は、PR TIMESに掲載された企業・団体等のプレスリリースを原文のまま転載しています。記事内容は発表時点の情報です。

発表元: Hmcomm株式会社
原文: PR TIMESで元のプレスリリースを読む
配信日時: 2026年10月2日 16時30分
転載日: 2026年10月3日

発表内容については発表元へ、当サイト上の訂正・削除については、当サイトのお問い合わせフォームにご連絡ください。

転載

プレスリリース本文

― 広島県福山市でAIによる腐食リスク可視化・重点点検の実証を開始 ―

　Ｈｍｃｏｍｍ株式会社（本社：東京都港区、代表取締役社長CEO：三本幸司、以下、Ｈｍｃｏｍｍ）は、広島県が実施する「The Meet 2026 広島オープンアクセラレーター Gov-Tech-Challenge」において、福山市が提示した「下水道管の無人インフラ点検・診断」の課題に対し、当社が提案した「AIによる下水道腐食リスク可視化と重点点検支援」が採択され、2026年10月より実証を開始しましたので、お知らせいたします。

　本実証では、下水道・管路情報、点検・修繕履歴、腐食履歴、都市・建物情報、地形・管路条件（落差・合流等）などの既存データを活用し、腐食や硫化水素の発生要因を分析することで、高リスク候補地点を抽出します。さらに、硫化水素や溶存酸素（DO）、水位・水温、管内流水音等の継続計測を組み合わせ、AIによる下水道管路の腐食リスクの推定・可視化に取り組みます。

　当社は、滋賀県守山市における上水道の漏水検知実証で培った「広域データから高リスク地点を抽出し、重点的に現地確認を行う」というアプローチを下水道分野へ展開し、下水道インフラの重点点検・予防保全の実現を目指します。福山市向けの提案においても、上水道で実証した「リスク抽出・重点点検」の考え方を下水道の腐食リスク予測へ展開する方針としています。

■背景

　下水道インフラでは、管路の老朽化や腐食、硫化水素の発生などに加え、管内での点検作業に伴う安全面や作業負荷など、維持管理上のさまざまな課題があります。

　また、膨大な管路を限られた人員・予算ですべて同じ頻度で点検することは難しく、「どこを優先的に点検すべきか」を事前に把握し、効率的に維持管理する仕組みが求められています。

　こうした中、福山市は「The Meet 2026 広島オープンアクセラレーター Gov-Tech-Challenge」において、「下水道管の無人インフラ点検・診断」をテーマとして提示しました。

　当社は、上水道分野で培ってきたAI・データ解析技術を応用し、下水道管路の腐食リスクを広域に分析するとともに、センサーデータを組み合わせて重点的に確認すべき地点を可視化する提案を行い、採択されました。

■上水道で培った「リスク抽出・重点点検」の仕組みを下水道へ

　当社は滋賀県守山市において、水道管情報、地理空間データ、衛星データ、修繕履歴等を活用した広域リスク分析と、音響解析AI技術を組み合わせた漏水検知モデルの検証を進めてきました。

　守山市との実証では、AIによる広域漏水リスク分析と漏水音解析AIの有効性を確認するとともに、高リスク地点を対象とした現地調査により、実際に複数箇所で漏水を発見・確認しています。

　今回の福山市での実証では、この「広域分析 → リスク抽出 → 重点点検」という考え方を下水道へ展開し、腐食リスクの早期把握を目指します。

■福山市における実証内容

　本実証では、以下の流れで下水道腐食リスク予測AIの有効性を検証します。

広域分析・候補地点抽出
下水道・管路情報、点検・修繕履歴、腐食履歴、都市・建物情報、地形・管路条件（落差・合流等）などの既存データを活用し、腐食・硫化水素の発生要因を分析することで、高リスク候補地点を抽出します。
現地確認・実証地点選定
広域分析の結果と現場の状況を踏まえ、継続計測を行う実証地点を選定します。
センサー設置・継続計測
硫化水素に加え、溶存酸素（DO）、水位・水温、温湿度、管内流水音等の複数データを継続的に取得します。
データ分析・AI検証
複数の環境データと硫化水素の発生条件、管路腐食との関係を分析し、AIによる腐食リスク推定モデルを検証します。
結果評価・実用化に向けた検討
実証結果と現場で得られた知見をもとに、計測方法やAI予測ロジックを改善し、継続的な監視や実用化に向けた検討を進めます。

　本実証では、硫化水素濃度だけを見るのではなく、複数の環境データを組み合わせることで、硫化水素が発生しやすい環境や腐食リスクをAIで推定することを目指します。さらに、実証で得られるデータをもとに、硫化水素の発生条件と各種環境データとの関係性を検証し、腐食リスク予測モデルの構築につなげます。

■日本大学森田弘昭特任教授による技術監修

　本実証では、下水道分野に関する専門的知見を有する日本大学森田弘昭特任教授より、実証全体を通じて技術監修・助言を受けます。

　広域分析におけるリスク要因や候補地点抽出ロジック、硫化水素の発生条件、硫化水素と管路腐食との関係性、AI・データ分析結果などについて、専門的な観点から確認・助言をいただきながら実証を進めます。

　当社が有するAI・データ解析技術に、現場データと下水道分野の専門知見を組み合わせることで、腐食リスクの早期把握と予測精度の向上を目指します。

■実証スケジュール

　実証期間は2026年10月から2027年3月を予定しています。

　2026年10月よりデータ整理・広域分析を開始し、現地確認、実証地点の選定、計測機器の設置を順次実施します。その後、複数の環境データを継続的に取得しながらAIによるデータ分析・検証を進め、2027年3月に成果を取りまとめる予定です。

■今後の展開

　当社は、本実証を通じて、広域分析・継続計測・AIを組み合わせた下水道腐食リスク予測の有効性を検証します。

　得られた結果をもとに、センサー構成や計測方法、腐食リスク予測モデルの高度化を進めるとともに、実用化に向けた継続利用や他自治体への展開についても検討してまいります。

　当社は、上水道分野で培ってきたAIによるリスク予測・重点点検の仕組みを下水道分野へ展開し、「探す」から「防ぐ」へ、社会インフラの重点点検・予防保全を支援する技術の実用化を目指してまいります。