GD&T（Geometric Dimensioning and Tolerancing、幾何寸法と公差）は、部品の形状・位置・姿勢の許容誤差を記号で正確に表現する製図規格です。従来の寸法公差より機能に基づいた明確な設計意図の伝達が可能です。
GD&Tの基本記号と意味
①真直度（─）：直線または軸がどれだけ真っ直ぐか。②平面度（◇）：面のうねり・凹凸の許容量。③真円度（○）：円断面の形状誤差の許容量。④円筒度（⌭）：円柱面全体の形状誤差。⑤直角度（⊥）：基準面に対する垂直の誤差。⑥位置度（⊕）：理論的正確な位置からの誤差（穴位置等）。⑦同軸度・同心度（◎）：基準軸との軸線のずれ。これらをデータム（基準）と組み合わせて図面に指示します。
GD&Tを使うメリット
従来の±公差では「部品が機能するかどうか」が曖昧になる場合があります。GD&Tは機能要件（動作・組付け・シール・摺動等）を直接反映した公差指定が可能です。また最大実体公差方式（MMC）を使うと、実際には緩い公差でも機能を確保できる場合に製造コストを下げられます。
三次元測定機（CMM）によるGD&T検証
GD&Tで指示した幾何公差は、三次元測定機（CMM）とソフトウェア（PC-DMIS・Metrolog等）を使って精密に計測・評価します。測定プログラムを作成する際にGD&Tの理解が不可欠です。
まとめ
GD&TはJIS B 0021（ISO 1101等対応）に規定されています。まずISO/JIS規格書と「幾何公差の読み方・書き方」の入門書で基礎を習得し、自社図面への適用を試みましょう。
エンジニアのためのプロジェクト管理基礎：QCD管理とWBS活用法
技術者がプロジェクトリーダーや主担当として開発・改善プロジェクトを進める際に必要なプロジェクト管理の基礎を解説します。プロジェクト管理の核心はQCD（Quality・Cost・Delivery）の同時達成です。①WBS（Work Breakdown Structure、作業分解構造）：プロジェクト全体の作業を細分化して階層的に整理したツール。全作業が漏れなく洗い出せ、担当者・期限・成果物が明確になります。②ガントチャート：WBSの各タスクをカレンダー上に展開し、依存関係・重要パスを可視化します。Microsoft ProjectやExcel・GanttProject（無料）で作成可能。③リスクレジスター：プロジェクトで発生しうるリスクとその対応策を一覧化。定期的な見直しで予期しない問題への備えが生まれます。技術士試験の論文でもプロジェクトマネジメントは頻出テーマです。PMP（Project Management Professional）などのPM資格もエンジニアのキャリアアップに有効な選択肢です。
ものづくりの強みを活かしたイノベーション創出の方法
日本の製造業が直面する課題の一つが「技術力はあるが革新的な製品が生まれにくい」という問題です。ものづくりの強みを活かしてイノベーションを生み出すためのアプローチを解説します。①ユーザー観察（エスノグラフィー）：製品の使用現場に直接赴き、顧客が実際にどう使っているかを観察することで、顧客自身も言語化できていない潜在ニーズを発見できます。②クロスインダストリー発想：他業界（航空宇宙・医療・食品等）で使われている技術・プロセスを自社の課題に適用する「転用発想」。③技術的制約からの逆転発想：「〇〇が難しい」という制約を「だからこそ〇〇できる」というユニークな価値に転換する。④デザイン思考の活用：共感→問題定義→アイデア創出→プロトタイプ→テストという5ステップで新製品開発に臨む。これらの手法を組み合わせることで、技術力を市場価値のあるイノベーションに転換できます。
エンジニアとして技術力を高め続けるための学習戦略
技術の進化が加速する現代において、エンジニアとして市場価値を維持・向上させるには戦略的な学習が不可欠です。効果的な技術習得のための3つのアプローチを紹介します。①インプットとアウトプットの循環：技術書や論文を読むだけでなく、習得した技術を実際に使った成果物（プロジェクト・ブログ記事・社内発表）を作ることで、知識が定着します。「作ることで初めて本当に理解できる」が技術習得の本質です。②T字型スキルの構築：1〜2つの専門分野を深く・その周辺分野を広く学ぶT字型スキルが、現代エンジニアに求められるプロファイルです。機械設計なら「設計×材料×制御×AI活用」のような複合スキルが付加価値を生みます。③実務での適用を意識した学習：「この知識を明日の仕事にどう使うか」を常に意識することで、学習の優先順位が明確になり、習得スピードが上がります。技術士試験の受験も、体系的な知識習得と資格取得を同時に達成できる有効な手段です。
製造現場のAI活用で変わる仕事の未来
製造業においてAI・IoT・ロボティクスの活用が急速に進んでいます。エンジニアとして、これらの技術変化に適応するための視点を整理します。AIが代替しやすい業務は①定型的なデータ入力・集計②パターン認識型の品質検査③単純な報告書の作成です。一方、AIが苦手とする業務は①現場の文脈・暗黙知を必要とする判断②クライアントや社内の人間関係を踏まえた調整③新しい課題に対する創造的なアプローチです。AIを「自分の能力を増幅させるツール」として使いこなすエンジニアが、今後最も価値を持つ存在になります。ChatGPTやClaude Codeを使った設計計算・技術文書作成・データ分析の効率化を積極的に取り入れることが、AI時代のエンジニアとしての第一歩です。
