品質マネジメント設計・製造からアフターサポートまでのデータ統合による品質向上

品質を左右する現場判断の質を向上

製造業における品質管理は、熟練者の勘と経験に頼るケースが少なくありません。例えば、生産ラインでは、品質指標を満たさない事象が発生すると、人手により分析を行い、生産設備のパラメーターや原材料を調整して品質を維持しているケースがあります。また、出荷後のアフターサポートにおいては、製品トラブル時の調査や対処で熟練者の経験から原因や対処の見当をつけるケースなどがあります。しかしながら、熟練者の経験を後進に引き継いでいく事は、時代と共に難しくなっているため、作業の平準化による品質の安定が、製造業の喫緊の課題となっています。

こうした中で、熟練者の勘と経験をシステム化する動きが進んでいます。生産ラインにおいては、品質を左右する様々な要因をデータとして蓄え、品質との関係性をAIに学習させることで、熟練者による判断を自動化する取り組みが行われています。また、出荷後のアフターサポートにおいては、トラブル対応時の記録などのテキスト情報を、自然言語処理を組合せて活用する取り組みが行われています。

富士通は、AIの適用支援やシステム化により、データドリブンの品質マネジメントの実現を支援します。

製造現場の熟練者が行う膨大な部品組合せ選択を自動化

関連業界
製造

製造の現場では、データ化された製造プロセスが一般的になっています。一方で、熟練者の経験で培われた技能でしか生産性や品質を維持できない工程は取り残されており、技能の伝承や属人化の課題を持つ企業はAIによる解決に取り組んでいます。
この事例では、製品の組立プロセスにおける、母材加工工程の属人化が課題です。母材加工工程では、母材の条件に合わせた最適な部品の組合せと、その加工条件の決定を、技術者が経験に基づき行っています。そのため、担当する技術者によって作業精度にばらつきがあり、生産性に影響を及ぼしていました。
そのため、過去に製造した製品の母材、部品、加工条件のデータや検査結果のデータを機械学習することで、製造時に最適な組合せをリコメンドし、最終的に決定した組合せの検査結果を予測する仕組みを構築しました。これにより生産性が向上しました。

適用効果

  • 母材の条件に合わせて、最適な部品と加工条件の組合せを提示(作業精度の向上)
  • 事前に検査結果を予測する事できるため、無駄な繰り返し作業を未然に防止(コスト削減)
  • 熟練者の暗黙知を形式知化し属人化を排除(技能伝承)

アフターサポート現場の報告書の自動解析による重要問題の早期対策

関連業界
製造
金融・保険
官庁・自治体

製造業のアフターサポートの現場では、出荷した製品の利用状況、不具合の発生状況、顧客ニーズやクレームなどの情報を記録し、それぞれの顧客に最適な対応が行われています。近年では、この情報をアフターサポート部門で共有するだけでなく、設計開発や製造に活かす取り組みも行われています。
この事例では、アフターサポートの拠点からの不具合や修理対応など品質報告書を蓄積し、記載されている内容に対してテキストマイニングによる重要度判定や分類・検索などを行うことで、人手による重要性の判断と品質対策の立案を支援しています。

適用効果

  • 人による判定ミスを抑えることで、重要な不具合を早期に漏れなく発見
  • 生産ラインの品質改善や設計品質の改善などの品質向上策を早期にフィードバック
  • データドリブンのプロセスにより属人的になりがちな判断や立案を回避

品質マネジメントについてもっと知る

Data Drivenに関するお問い合わせ・ご相談

お電話でのお問い合わせ

0120-933-200

富士通コンタクトライン(総合窓口)
受付時間 9:00~12:00および13:00~17:30(土・日・祝日・当社指定の休業日を除く)

webでのお問い合わせ

入力フォーム

当社はセキュリティ保護の観点からSSL技術を使用しております。

ページの先頭へ