熟練者に依存していた外観検査の判定基準をモデル化。判定ログを学習に還流させ、精度を保ちながら人手を大幅に削減しました。
A社では入荷時外観検査を全数目視で行っており、判定は特定の熟練検査員の感覚に委ねられていました。属人化を解消したいという意向は以前からあったものの、「何をどう判断しているか」が誰にも説明できない状態がボトルネックになっていました。
現物のNGサンプルを前に、熟練検査員へのヒアリングを1週間かけて実施。「どこを見て、何と比べて、どの程度なら落とすか」を項目に分解し、判定基準の初版を文書化しました。
画像判定モデルに加え、判定理由をテキストで返すエージェントを実装。「なぜNGなのか」が人に伝わる形で出るため、現場が結果を検証できる状態にしました。
AIの判定に人が同意/修正した記録を蓄積し、月次でモデルを更新する仕組みを構築。運用しながら精度が上がる体制にしました。
最初の1ヶ月は全数を人とAIで二重チェックし、一致率が目標を超えた工程から順にAI一次判定へ切り替えました。
導入から4ヶ月で、検査にかけていた工数を70%削減しました。削減できた工数は、これまで手が回っていなかった工程内検査の強化に充てられ、結果として見逃し率も0.8%から0.2%へ改善しています。判定理由がテキストで残るため、新人教育の教材としても機能し、独り立ちまでの期間が半年から3週間に短縮されました。
正直なところ、最初はAIに検査ができるとは思っていませんでした。ただ実際に進めてみると、価値があったのはAIの精度そのものより、「うちの検査は何を見ているのか」が初めて文書になったことでした。ベテランが辞めても品質が守れるという安心感は、工数削減以上に大きいと感じています。
設計・実装・レビューの各工程にAIを組み込み、標準化とトレーニングを同時に実施。品質指標を落とさず開発サイクルを短縮しました。
MentCareを導入し、日々の記録からケアプランを自動生成。新人でも判断に迷わない運用にし、ケアの質を安定させました。
現場で撮影した写真を起点に、対象メーカーや型番を瞬時に判定。訪問時や訪問後の調査作業をなくしました。
オンライン30分。現状を伺い、AI活用の進め方をご提案します。検討段階のご相談も歓迎です。