AIで進化する製造業の品質保証業務の最前線

製造業の品質保証業務において、株式会社JINGSが手掛ける革新的なアプローチが注目されている。従来、品質保証は完成品の検査にとどまっていたが、JINGSは設計段階から製造、さらには市場に至るまで、幅広く品質に関するリスクを検討し、未然に問題を防ぐための支援を行っている。

現代の製造業が抱える課題

製造業においては、品質保証業務が不具合発生後の是正対応に偏りがちで、担当者の経験による検討に依存する場面が多い。このため、検討観点に抜け漏れが生じたり、同様の不具合が繰り返し発生することが問題視されている。特に、設計変更や工程変更、4M（人・設備・材料・方法）などの変化に伴う影響範囲の分析は、熟練者の知識に依存する傾向が強い。

また、社内に蓄積された膨大なデータや文書は、形式や保管場所が部門ごとに異なるため、過去のトラブル事例を探すだけでも時間がかかる。このような状況下では、品質知見を次世代へ引き継ぐ仕組みが整っていないのも大きな課題だ。

JINGSのアプローチ：フロントローディングの重要性

JINGSは、「フロントローディング」および「自工程完結」という概念を重視しており、設計段階からの品質業務に力を入れている。これは、設計や製造過程で品質を高める仕組みを整えることを意味しており、不具合が起こった後の対策ではなく、前に進むための予防策に焦点を当てている。

具体的には、FMEA（故障モード影響解析）やDRBFM（変更点に着目した設計審査手法）など、製造業特有の手法を効果的に活用し、各社のニーズに応じたAIの導入を支援している。JINGSは、これまで自動車や自動車部品の設計開発、生産技術、品質保証において、過去のトラブル事例を横断検索できる仕組みを構築し、熟練者の知見を組織で持続的に活用するための基盤を整えてきた。

AIの活用：判断業務のサポート

JINGSの提供するAIを活用したサービスは、品質保証や設計業務における判断をサポートするものである。AIは、検討すべき観点や想定されるリスクの候補を提示し、担当者の判断を補助するという形で設計されており、過去のトラブル情報の横断検索や影響範囲分析など、さまざまな業務に広く応用される。

特に注目されるのは、データの整備が不十分な企業でも対応可能である点である。手書きの帳票や不統一なExcelファイルなど、様々な形式のデータを精査し、活用可能な状態に引き上げるサポートを行っている。

期待される効果と導入プロセス

JINGSの導入により、判断に必要な情報へのアクセス速度が向上し、従来多くの時間を要していた業務をAIがサポートすることで、初動や設計レビューをよりスムーズに進めることが期待できる。また、過去の知見に基づく検討観点が提示されることで、経験年数によるばらつきを抑えたプロセスが構築される。

導入までの流れは、初回相談から始まり、データ診断、概念実証（PoC）の設計・実施、本番実装・定着支援へと進む。このプロセスを経ることで、顧客企業はAIを日常業務に効果的に組み込むことができる。