品質 × 生成AI
製造業の品質記録・検査データを AI で活かす
要点
検査成績書、不適合報告(NCR)、是正処置(CAPA)は、ERP のロット・製造指図・仕入先と結びつけてこそ価値が出ます。AI は検索、要約、類似事例の発見に向きますが、合否判定そのものは人と既存の品質システムに残すのが安全です。
品質記録は、PDF の検査成績書、Excel の測定データ、紙の検査表、品質管理システムの不適合記録、ERP のロットトレーサビリティなど、複数の場所に分かれて保管されがちです。監査や顧客クレームのたびに、これらを手作業で突き合わせる負担が生じます。
本稿は、ISO 9001、自動車分野の IATF 16949、航空宇宙分野の JIS Q 9100 などの品質マネジメントを運用する現場を想定し、AI で何を支援でき、何を任せてはいけないかを整理します。
品質記録が使いにくい理由
記録が散在していることに加え、様式が顧客ごと、仕入先ごとに異なる点が大きな要因です。同じ寸法測定でも、成績書の列名や単位、ロット表記が違えば、機械的な集計はできません。
さらに、ERP 側のロット番号、製造指図番号、仕入先ロットと、品質記録の番号が一対一で結びついていない場合、あるロットに関する不具合の影響範囲(どの製品に使われ、どの顧客に出荷したか)を調べるのに時間がかかります。
- 成績書の様式が顧客・仕入先ごとにばらばら
- ERP のロット番号と品質記録の番号が結びついていない
- 過去の類似不具合を、担当者の記憶に頼って探している
- 監査前に、証跡を集める作業が集中する
AI が向いている使い方
最初に効果が出やすいのは、検索と要約です。「このロットに関連する不適合報告は」「過去 3 年で同じ仕入先の同じ品目に起きた不具合」といった質問に、ERP のロット・製造指図・購買データと品質記録を結びつけて答えます。回答には根拠の記録番号を付け、原本に遡れるようにします。
次に、非定型の成績書(PDF や画像)から、品目、ロット、測定項目、測定値を取り出して構造化する用途があります。抽出結果は必ず人が確認する前提とし、確認済みのものだけをデータとして取り込みます。
さらに、不適合報告の文章から類似事例を探し、是正処置の過去事例を提示する使い方もあります。原因の特定と処置の決定は、品質部門の責任として残します。
- ロット・製造指図・仕入先を軸にした記録の横断検索
- 成績書からの測定項目の抽出(人の確認付き)
- 類似不適合・過去の是正処置の提示
- 監査用の証跡一覧の下書き作成
AI に任せてはいけないこと
合否判定、特別採用の可否、出荷判断は、AI に任せません。これらは規格上、権限を持つ人が行う行為であり、記録の改ざんや誤判定が重大な結果を招きます。AI は判断材料を集めて見せる補助であって、判定者ではありません。
画像検査などで機械学習モデルを使う場合も、モデルの検証と変更管理が必要です。モデルの更新が工程能力にどう影響したかを説明できる状態にしておくことが、監査で問われます。
データの配置と記録の完全性
品質記録には、顧客の図面や仕様に関わる情報が含まれます。オープンウェイトのモデルを自社の GPU や国内のプライベート環境に配置すれば、これらのデータを外部の汎用 AI サービスに送らずに処理できます。防衛・航空分野の取引がある場合は、顧客との契約上の要件に沿って配置先を決めます。
AI の回答は、元の記録を変更しません。読み取り専用で接続し、誰がいつ何を問い合わせたかを残す設計にすると、記録の完全性を保ちながら、問い合わせの履歴も監査の材料にできます。
始め方と、標準の品質システムで足りる場合
まず、対象を 1 つの製品群または 1 つの顧客に絞り、過去の不適合記録と ERP のロット情報を結びつけて、検索の精度を検証します。次に、成績書の抽出に進みます。
すでに品質管理システム(QMS)が成熟し、ロットとの紐づけも整っている会社では、そのシステムの検索機能で十分な場合があります。AI 層は、記録が複数の場所に散在している、あるいは ERP との結びつきが弱い場合に価値が出ます。
よくある質問
AI に検査の合否を判定させることはできますか。
勧めません。合否判定や特別採用は、規格上、権限を持つ人が行う行為です。AI は判断材料の収集と提示にとどめてください。
紙の検査表も対象にできますか。
スキャンして文字認識を行えば対象にできますが、読み取り誤りが起こり得るため、人の確認工程を設けます。確認済みのデータだけを検索対象にする運用を勧めます。
ERP のロット情報と品質記録をどう結びつけますか。
ロット番号、製造指図番号、仕入先ロットなどの共通キーを整理して結びつけます。キーが揃っていない場合は、アセスメントでその不足を洗い出します。
顧客の図面が含まれる記録を AI で扱って問題ありませんか。
顧客との契約と社内規程が基準になります。モデルを自社環境に置き、外部へ送らない構成にすることで、遵守しやすくなりますが、可否の最終判断は貴社で行ってください。
AI を導入すると、監査で何が問われますか。
AI の用途、モデルの変更管理、記録の完全性、人の確認工程の有無が問われやすい項目です。導入前に、これらを文書化しておくことを勧めます。
関連ガイド
Infor SyteLine と LN に AI を載せる:日本の製造業向け
日本で Infor SyteLine(CloudSuite Industrial)や Infor LN を使う製造業向けに、AI によるカスタマイズ調査、帳票、バージョンアップ支援、自然言語検索の設計を解説します。
Oracle NetSuiteOracle NetSuite に AI を載せる:日本企業のための実践ガイド
日本の製造業・商社向けに、Oracle NetSuite のデータを自然言語で検索・分析する AI の作り方を解説。SuiteQL 連携、権限継承、日本国内での運用、インボイス制度への対応まで。
ERP 全般(個人情報保護法)個人情報保護法に沿って ERP のデータを AI で扱う
ERP の取引先・従業員データを生成AIで扱うときの個人情報保護法(APPI)上の論点を整理。委託と第三者提供、外国にある第三者への提供、安全管理措置、オンプレ運用を解説。
SAP ERP 6.0(ECC)/ SAP S/4HANASAP 2027年問題とAI:移行を急ぐ前に、社内の知識を読めるようにする
SAP ERP 6.0の保守終了(2027年問題)に向け、アドオン棚卸しや移行判断に生成AIをどう使うか。データを社外に出さない構成と注意点を解説。
ERP全般(オンプレミス生成AI)オンプレミス生成AIをERPにつなぐ:データを社内に置いたまま使う方法
ERPのデータを社外に出さずに生成AIを使うには。ローカルLLM、RAG、権限連携、承認フローまで、情報システム部門向けに構成と注意点を整理。
生産管理システム生産管理システムにAIを加える:納期回答と進捗確認を速くする
生産管理システムのデータに生成AIをつなぎ、納期回答、進捗照会、欠品要因の把握を効率化。現場に定着させる設計とAIの限界を解説。