樹脂・プラスチック製品製造業｜AI活用例：不良記録を活用し、品質トラブルの原因調査を支援する

不良記録を活用し、品質トラブルの原因調査を支援する

同じような不良が繰り返されても、日報の表現や保存場所が異なると、過去の対応を十分に使えません。この活用例では、不良の記録とその時の条件をそろえ、経験者が不在でも調査の出発点をつかめる状態を目指します。

活用モデルの概要

現場で想定される課題

• 不良の呼び方や日報の記入方法が担当者ごとに異なり、過去の類似トラブルを探しにくい。
• 材料ロット、金型、設備、成形条件、対応結果が別々の帳票に残り、関連を確認しにくい。
• 応急対応だけが記録され、何を確認して判断したのかが次の担当者へ伝わらない。

活用する情報・準備するもの

• 不良日報・品質記録・対応後の確認結果
• 設備・金型・材料・ロットを識別できる情報
• 記録済みの成形条件と条件変更の履歴
• 不良分類と、現場で使用している点検・確認項目

導入モデル｜業務へ組み込む流れ

1．不良の分類と記録項目をそろえる

現場で使う不良の名称や略称を整理し、設備・金型・材料ロットなどを同じ形式で残します。記録がない条件は欠損として扱います。

2．類似トラブルと対応履歴を検索

今回の不良の特徴や条件から、過去の似た記録を抽出します。参照元の日報と、どの条件が一致しているのかを一緒に示します。

3．確認する要因と順番を整理

材料、金型、設備、記録された条件の違いを整理し、確認候補を一覧化します。単に一緒に起きているだけの傾向と、原因が確認された情報を区別します。

4．確認結果を次の調査へ残す

担当者が実際に確認した項目、採用しなかった仮説、対策後の結果を記録します。AIが成形条件を自動変更するのではなく、現場の判断を支える記録として蓄積します。

現場で使い続けるための運用

品質管理と製造で記録の更新責任を決め、朝会や品質会議で繰り返し発生する事象を確認します。AIの候補が外れた場合も記録し、日報の書式や分類を見直します。条件変更は通常の承認・品質確認の手順に従います。

アスタでは、対象業務の整理から、入力・確認の手順づくり、担当者への説明、試行後の見直しまでを一緒に進める支援を想定しています。利用するデータと現場の体制を確認し、一つの業務から検討します。

導入後に確認する指標

以下は、効果を確かめる際の確認項目です。削減率や売上増などの達成値ではありません。導入前後で対象業務と計測条件をそろえ、作成だけでなく確認・修正にかかる時間も含めて比較します。

• 類似する不良記録を探すのにかかった時間
• 不良発生から確認項目を整理するまでの時間
• 記録項目の入力率と、過去の対策結果を再利用できた件数

この業種で広げられるAI活用

• 不良日報をまとめた品質会議資料の作成
• 製品・工程別のよくある確認事項を教育用Q&Aにする
• 顧客向けの品質報告書の下書きと記載漏れ確認

よくある質問

AIが不良の原因を断定しますか？

断定しません。類似記録や条件差から確認候補を整理する役割です。原因の確定や対策の実施は、現場での検証と担当者の判断を通します。

画像検査の導入とは何が違いますか？

このモデルの中心は、日報や品質記録を調査へ生かすことです。カメラによる良否判定を前提にせず、既存の記録から始める構成です。

自社の業務に合う進め方を相談する

「不良記録を活用し、品質トラブルの原因調査を支援する」というテーマが自社に合うか、現場の業務と資料を確認するところからご相談いただけます。製造業AI活用支援では、導入方法の検討から、現場で使える手順と運用の整備まで支援します。継続的な推進体制はAI推進部代行もご覧ください。

無料相談はこちら ／ 事例・AI活用例一覧へ戻る

掲載画像は業種のイメージで、特定の支援先や実際の導入現場を写したものではありません。Photo: RPWORLD / Unsplash