ERP連携の受入テスト項目|二重登録・再送・権限・切戻しを確認する

業務システム・基幹システム開発公開日:2026年10月29日
徐 聖博
徐 聖博

株式会社シンシア 代表取締役社長

Share
目次開く
  1. 結論:正常に登録できるだけでは、ERP連携の受入は完了しない
  2. テスト前に決める5つの前提
  3. 正常系は、基準となる1ケースを固定する
  4. 再送と訂正は、違うケースとして試す
  5. 同じ依頼を再送する
  6. 登録は完了したが、応答が届かなかった
  7. 注文の数量を訂正する
  8. 最低限用意する受入テスト票
  9. CSV連携では、ファイル単位と行単位を分ける
  10. 「システムの切戻し」と「取引の訂正」を混ぜない
  11. 合格判定は、担当者の感想ではなく証跡で行う
  12. 相談時には、今の仕組みと困っている処理から整理する
  13. 参照情報と適用範囲

結論:正常に登録できるだけでは、ERP連携の受入は完了しない

ERP連携の受入テストでは、正常な注文が登録されることに加えて、同じ依頼の再送、確定後の応答喪失、訂正、取消、権限、切戻しを確認します。画面でエラーが出なかったというだけでは、取引が正しく一度だけ処理されたかは分かりません。

本稿では、受注データを周辺システムからERPへ渡すケースを想定したテスト設計を提案します。特定ERPで検証済みの仕様ではありません。API、CSV、利用権限、ライセンス、テスト環境の可否は、対象製品の仕様と契約で確認してください。

テスト前に決める5つの前提

基幹・ERP連携の設計ページでは、データの正、連携方式、再送、削除、権限の扱いを整理しています。受入テストは、この設計の合意事項を入力・期待結果・証跡に落とす作業です。[1]

前提決めておくこと未決定のまま試験すると起きること
データの正品番、取引先、受注、単価をどちらが管理するか双方が違う値でも合否を決められない
登録の単位注文単位か明細単位か、部分成功を許容するか一部失敗のときの件数を判定できない
一意な識別子送信元、注文ID、版、処理種別をどう区別するか再送と訂正を混同する
確定のタイミング承認後か、下書き段階でも連携するか未承認の情報が本取引へ混ざる
障害時の責任停止、再送、取消、利用者連絡を誰が行うか復旧操作が担当者ごとに異なる

「登録後の正しい状態」を先に書きます。受信側のIDが1件あるだけでなく、金額、数量、承認状態、関連する監査記録まで確認対象を定めてください。

正常系は、基準となる1ケースを固定する

テスト専用の取引先と品番を使い、業務上安全な検証環境に限定します。実在の顧客取引を試験用に作成しないでください。

以下は説明用の架空データです。

{
  "source_system": "test_order_front",
  "order_id": "TEST-ORDER-001",
  "revision": 1,
  "operation": "create",
  "approval_status": "approved",
  "lines": [
    {"item_code": "TEST-PART-A", "quantity": 10, "unit": "pcs"}
  ]
}

ここに示したキー名を、実際のERPのAPI仕様だと扱わないでください。送信データの保存版、処理日時、受信側の登録ID、件数、数量の対応を、採用した連携方式に合わせて記録します。

再送と訂正は、違うケースとして試す

同じ依頼を再送する

同じ注文ID・同じ版・同じ処理を再送し、最終的な業務取引が二重に作られないことを確認します。再試行のたびに新しい業務キーを発行する設計では、再送が新規取引と区別できなくなります。

通信要求を識別するIDと、業務取引を識別するIDも分けます。同じ業務取引を確認するための複数回の通信を、すべて新規の取引と扱わないためです。

登録は完了したが、応答が届かなかった

受信側で登録が完了した直後に、送信側が結果を受け取れない状態を検証します。ここで単純に再送すると、二重登録になる実装もあり得ます。再送の結果だけでなく、受信側の最終状態を照会して、合意した件数と一致するか確認します。

試験のための通信遮断や障害注入は、許可されたテスト環境だけで実施してください。本番で故意に障害を発生させる手順ではありません。

注文の数量を訂正する

同じ注文の第2版を送り、第1版の再送と区別できることを確認します。古い版が遅れて届いた場合に、最新の注文を古い数量へ戻さないことも、合意する仕様の一つです。

訂正を更新APIで扱うか、訂正伝票で扱うかはERPによって異なります。記事のサンプルを根拠に、登録済みデータを直接上書きしないでください。

最低限用意する受入テスト票

次は設計例です。合否欄は、実環境で確認するまで未実施とします。

IDケース期待する業務上の結果残す証跡
ERP-01正常な承認済み注文合意した単位で一度だけ登録される送信版・受信ID・数量
ERP-02同じ注文・同じ版を再送二重取引にならない再送ID・最終件数
ERP-03登録確定後の応答喪失再確認・再試行後も取引が重複しない障害の時点・受信側の確定記録
ERP-04第2版で数量訂正最新版の仕様どおりに反映される新旧版・訂正の監査記録
ERP-05第2版の後に第1版が到着古い版へ無条件に戻らない到着順・採用版
ERP-061明細だけ品番が不正全体中止か部分成功か、合意した方針に従う成功・失敗明細と再処理対象
ERP-07未承認の注文合意していない確定処理へ進まない承認状態・拒否理由
ERP-08権限のない利用者対象外の取引の閲覧・登録・訂正ができない権限・操作種別・結果
ERP-09単価の適用日が境界にある対象日のルールが適用される単価版・適用日時
ERP-10登録後の取消合意した取消または訂正処理が残る元取引・取消ID・理由
ERP-11連携の停止・再開未処理範囲が特定でき、重複なく再開できる停止時点・処理済み範囲
ERP-12切戻し登録済み取引と未処理データの整合が説明できる手順・件数照合・責任者確認

CSV連携では、ファイル単位と行単位を分ける

CSVの場合も、ファイルが正常に読み込めたことだけでは判定しません。文字コード、列の意味、空欄、日付、数量の桁区切り、単位を明確にします。同じファイル名で中身を変更できる運用なら、ファイル名だけで重複を判断しない設計が必要です。

部分成功を認める場合は、どの行が成功し、どの行を再送するかを結果ファイルや画面で特定できるようにします。全体を中止する設計なら、途中まで登録された取引が残らないことを確認します。どちらが常に正しいという話ではなく、業務上の合意に一致していることが合格条件です。

「システムの切戻し」と「取引の訂正」を混ぜない

連携プログラムを前の版に戻しても、その間にERPへ登録した取引が自動で元に戻るわけではありません。切戻し手順には、プログラムの版だけでなく、処理済み・未処理の境界、登録済み取引の扱い、再開時に使用する版を記載します。

業務上取り消せない処理がすでに発生している場合、機械的な削除ではなく、訂正・取消・追加処理が必要になることがあります。対象ERPと現場の責任者が、実際に可能な手順を合意してください。

復旧目標の時間や許容する未処理件数も、記事の一律数値では決めません。出荷・請求・製造指示の締め時刻に合わせ、対象業務ごとに決めます。

合格判定は、担当者の感想ではなく証跡で行う

受入テストの基本を確認したうえで、テスト票の各行に入力データ、期待結果、実際の結果、証跡、担当者、実施日、使用したシステムの版を残します。[2]

不合格が見つかった場合は、修正したケースだけでなく、正常登録・再送・訂正など、変更の影響を受けるケースを再実施します。合格条件の変更で不合格を消した場合は、変更前の条件と理由も残します。

受入の前段で、開発側が外部連携の状態遷移や再送を結合テストとして自動で確認しておくと、受入では業務上の合否の判断に集中できます。外部連携の結合テストを自動化する考え方は、外部連携の統合テストをCI/CDに載せる方法(ステートフルモックとシナリオ駆動)で紹介しています。

全ケースが合格しても、試していないデータ量や製品設定まで検証済みとはしません。稼働開始後の監視項目と、停止・再開の判断者を決めた状態で受入を終えます。

相談時には、今の仕組みと困っている処理から整理する

ERPの製品名と版、利用できるAPIやCSV、対象データ、登録・訂正の頻度、現在の二重入力や復旧方法が分かると、最初の確認範囲を絞れます。仕様が分からない箇所は、分からないまま項目として残してください。見積や受注の入力をAIで自動化してからERPへ渡す計画であれば、自動化部分の評価は製造業のAI見積PoCの評価方法で分けて確認できます。

基幹・ERP連携の支援内容を確認するでは、方式の比較や相談時の確認事項を案内しています。認証情報、実際の顧客取引、APIキーは相談フォームへ記載しないでください。必要な資料の共有方法は、取り扱い条件を確認してから決めます。

参照情報と適用範囲

[1] シンシア:製造業の基幹・ERP連携(2026年10月29日確認)。データの正、連携方式、同期失敗・再送・重複の扱い、切替・並行稼働の設計上の区分を参照しています。

[2] シンシア:受入テスト(UAT)の進め方(2026年10月29日確認)。受入テストと検収の関係、テストケースの分担、範囲の決め方を参照しています。

本稿のテスト票とデータは独自の設計例です。特定製品の対応保証、実施済み試験、製造業全体の標準規格を示すものではありません。

この記事の作成にはAIによる下書き支援を使用し、編集部が内容確認・加筆・事実確認を行っています。参照した公開ページの記述は、2026年10月29日に照合しました。

Share

そのまま使えるチェックリスト

既存システムを残したまま進めるときの確認項目

全面刷新を前提にしない場合、先に決めるのは機能ではなくデータの持ち方です。

  • どのシステムのデータを「正」とするか
  • 同期が失敗したとき、どう復旧するか
  • 連携方式の制約(API/CSV/DB直/手作業)
  • 既存システムのベンダーに仕様を聞けるか
  • 止められない処理と、その締め時間
  • 過去データをどこまで移行するか
  • 例外処理の一覧(標準フローから外れる条件)
この続きをPDFで持ち帰る →

PDF版には要件定義ヒアリングシート全項目(目的・業務・データ・非機能・体制)を収録しています。

徐 聖博のプロフィール写真

この記事の書き手に直接相談する

徐 聖博株式会社シンシア 代表取締役社長

記事の内容について、より具体的に自社のケースで聞きたいことがあれば、徐 聖博を指名してご相談いただけます。営業担当ではなく、 実際に手を動かしている本人が回答します。

シンシアの開発事例

株式会社Cloverse様|アパレル向けAIクリエイティブ基盤「Clovia Enterprise」を4名体制で開発支援

2026年2月の開発着手から約5.5ヶ月で、アパレル企業向けAIクリエイティブ基盤としてプレスリリース公開まで到達しました(2026年7月29日発表)。 Cloverse様の発表によれば、Clovia Enterprise は PUMA社・ルック社をはじめとする30社以上のアパレルブランドとの検証を経ており、現在は先行導入企業(Founding Partner)を限定募集する段階に入っています。 開発規模は次のとおりです(2026年7月29日時点、リポジトリ実測値)。 指標 / 実績 開発体制 / エンジニア4名 開発期間 / 2026年2月13日〜(継続中) コミット数 / 約1,480 プルリクエスト / 373本 対応イシュー / 428件 実装計画ドキュメント / 162本 データモデル / 83テーブル この事例からの示唆 生成AIプロダクトの難所は、モデルではなく業務側にある。 画像を1枚生成すること自体は、いまや誰でもできます。事業として成立させるために必要だったのは、マスター管理・制作進行・レビュー・権限・課金・非同期処理といった、業務を回すための地味な設計でした。83テーブルという規模は、その事実を素直に表しています。 未知の業界のプロダクトは、業務を理解した側が設計しないと形にならない。 アパレルEC制作の工程を知らないまま「AIで画像生成する機能」を作っても、現場では使われません。ヒアリング・R&D・プロトタイプ・提案までを開発チームが担ったのは、そうしないと仕様が決まらない領域だったからです。この構造は「使われないシステム」が生まれる要件定義の失敗とちょうど裏返しの関係にあります。 モデル選定に正解が無い領域では、検証を設計プロセスに組み込む。 どの生成モデルを使うかは半年で変わります。だからこそ、モデルを差し替えられる構造と、検証結果を機能設計に反映し続ける進め方の両方が必要でした。 よくある質問 Q. 生成AIを使ったプロダクトの開発は、通常のシステム開発と何が違いますか。 A. 最も違うのは、着手時点で仕様が確定できない点です。どのモデルがどの品質を出せるかは検証しないと分からないため、R&Dとプロトタイプを設計工程に組み込む必要があります。一方で、組織・権限・課金・非同期処理といった土台は通常のSaaS開発と同じ設計が求められます。 Q. 業界知識がない領域でも開発支援を依頼できますか。 A. できます。この事例ではアパレルEC制作の業務理解から入り、ヒアリングとプロトタイプを通じて要件そのものを一緒に作りました。仕様が固まっていない段階からのご相談のほうが、むしろ手戻りが少なくなります。 Q. どのくらいの体制・期間の支援ですか。 A. エンジニア4名、2026年2月から継続中です。プレスリリース公開までは約5.5ヶ月でした。規模や費用感の考え方はシステム開発とはで解説しています。 関連する支援領域 AIシステム開発とは?開発の流れ・費用相場・失敗しない進め方 — 生成AIプロダクト開発の全体像 AI PoCの進め方5ステップ|「PoC止まり」を防ぎ本番導入につなげる実践手順 — 検証を本番に接続する設計 FDE(Forward Deployed Engineer)が示す、上流から伴走できるエンジニアの価値 — 本事例の進め方の背景 生成AIを使った新規プロダクトの立ち上げや、仕様が固まりきっていない段階からの開発支援については、開発のご相談からお問い合わせください。 出典: アパレル企業向けAIクリエイティブ基盤「Clovia Enterprise」提供開始(株式会社Cloverse / PR TIMES, 2026-07-29)

株式会社Cloverseの事例を読む →

この記事が役に立ったら、Google で優先表示を

Google 検索の「優先するソース」に blog.xincere.jp を追加すると、シンシアの新着記事がトップニュースなどで見つけやすくなります。

Google で優先ソースに追加

著者について

徐 聖博のプロフィール写真
徐 聖博
株式会社シンシア 代表取締役社長

株式会社シンシア(Xincere, Inc.)代表取締役。中国生まれ・3歳から日本で育ち、日本語・中国語・英語を操るトリリンガル。大学院でコンピュータサイエンス(進化型ニューラルネットワーク)を研究し、GREE・メドレー・カウンティア・Indeed Japan などで検索エンジン開発やスタートアップの立ち上げ・グロースを経験。2020年に「人の価値をテクノロジーで最大化する」という想いでシンシアを創業した。エンジニア歴15年以上、代表でありながらほぼ毎日コードを書く現役エンジニアとして、基幹システム開発からAIエージェント活用まで顧客の事業成長に並走している。創業に込めた思いはnoteの創業ストーリーに綴っている。

人気記事

    お問い合わせ

    システム開発やAI推進についてのご相談はこちらから

    無料相談を予約する