熟練者の暗黙知をAI外観検査へ継承

支援概要

微細な傷や歪みを見極める外観検査が、入社30年の熟練検査員一人に依存していました。翌年に定年を控える一方、若手の検査では不良品の見逃しが続き、大手取引先から取引停止の可能性を告げられる深刻な状況でした。

アスタは、熟練者の視線、光の当て方、製品を持ち替える角度、良否判断を観察してデータ化し、数万枚規模の画像とともにAIへ学習させました。検査動作と基準を再現する仕組みにより、不良品の社外流出ゼロ、検査時間40％削減を実現した事例です。

クライアント概要

抱えていた課題｜熟練者一人の退職が、品質と取引継続を揺るがす

AI導入前に確認したのは、表面上の作業時間だけではありません。判断がどこに集中し、現場や顧客、経営へどのような影響が広がっているかを整理しました。

良否判断が熟練者の感覚へ完全に依存していた

微細な傷や歪みは、見る角度や光の当て方で見え方が変わります。熟練検査員は無意識に動作を変えていましたが、その判断を基準書だけで説明することは困難でした。

若手検査では不良品の見逃しが続いていた

経験の少ない検査員は、どこから見るか、どの状態を不良とするかが一定せず、見逃しが発生していました。品質不安から現場全体に緊張と疲弊も広がっていました。

取引継続と技能継承を同時に解決する必要があった

熟練者は翌年に定年を控え、大手取引先からは不良が続けば取引停止と伝えられていました。必要だったのは、結果だけでなく、熟練者がどのように見て判断するかを再現可能にすることでした。

アスタの支援内容｜データと現場運用を一つの流れにする

アスタは、AIツールを入れることだけを目的にせず、現在の業務、利用できるデータ、導入後に人が確認する範囲を整理しました。そのうえで、AIの出力が日々の具体的な行動へつながるよう、次の流れで仕組みと運用を整えています。

1．熟練者の検査動作を観察・可視化

検査結果だけでなく、視線の順番、照明の当て方、製品を持ち替える角度を観察しました。本人も言葉にしにくい暗黙知を、再現できる動作へ分解しています。

本事例では、次の情報を判断材料として整理しました。

• 熟練検査員の視線の動き
• 光の当て方、製品の角度・持ち替え方
• 良品・不良品の判断基準
• 数万枚規模の正常品・不良品画像

2．良否基準と画像をデータ化

正常品・不良品を数万枚規模で撮影し、どの傷や歪みを不良と判断するかを熟練者と確認しました。高解像度カメラとセンサーで比較条件をそろえています。

3．熟練者の判断を再現するAIを構築

画像だけでなく、見る順番や光の条件を踏まえて良品・不良品を判定するAI外観検査システムを構築しました。製品を装置へ置くと短時間で判定できます。

4．若手が使える標準検査へ移行

AI判定を共通基準とし、若手も同じ手順で検査できる運用を整えました。異常時は人が確認し、品質保証の責任を維持しながら属人化を解消しています。

得られた成果

AI外観検査の導入後、不良品の社外流出はゼロとなり、大手取引先との取引継続が決定しました。品質問題が企業存続へ影響する状態から、安定して検査できる体制へ変わっています。

検査時間は8時間から4.8時間へ40％短縮し、若手社員も高精度な検査を行えるようになりました。熟練者の判断結果だけでなく、視線や動作まで可視化して仕組みへ移したことが、技能継承と生産性向上を同時に実現しています。

精密金属部品メーカーで検討できるAI活用テーマ

精密部品の製造では、検査結果だけでなく、熟練者の動作、設備状態、生産条件、品質履歴をつなぐことで活用範囲が広がります。品質責任を曖昧にせず、人が確認する工程を残して設計します。

アスタは特定のAIツールを導入することから始めず、経営課題と現場業務を確認し、効果を見込めるテーマを整理します。小さく試したうえで、データ、確認手順、担当者の役割まで整え、現場で使われる状態へ伴走します。

「自社にも似た課題があるが、どこからAIを使えるかわからない」「データはあるものの、実務へつなげられていない」という場合は、現在の業務と判断の流れを整理するところからご相談ください。