電子部品メーカーでのAI活用術

電子部品メーカーに、そもそもAIは必要なのか

電子部品メーカーでAIを入れる価値があるかどうかは、二つの軸で見分けられます。一つは、同じ判断を月に何回繰り返しているか。もう一つは、その判断を誤ったときに何が起きるかです。

この二つがどちらも大きい業務ほど、AIを組み込む価値が出ます。電子部品メーカーのAI活用も、この順に見ていきます。

電子部品は品番の数が多く、同じ問い合わせや同じ調査の依頼が、顧客の数だけ繰り返し届きます。AIが効くのは、次のような業務です。

• 含有化学物質の規制に適合しているかを示す資料の作成
• 特性の検査記録から、規格を外れる向きの動きを見つける作業
• 仕様や信頼性についての技術的な問い合わせへの一次回答

いずれも答えの根拠が社内の記録にある作業です。

一方、年度ごとの値決め交渉と、新しい材料・構造の開発には入れないほうがよいと考えます。値決めは、顧客の数量見通しと自社の生産の余力を睨みながらその場で詰める相対の交渉です。材料開発は、配合や構造を振って特性を確かめていく工程で、何を良しとするかが事前に決まりません。

ただ、この線引きは業務ごとに変わります。同じ顧客対応でも、過去の回答に照らして答えられる問い合わせと、値段と数量の約束を伴う話とでは向き不向きが分かれます。次のセクションでは、電子部品メーカーの業務を工程に分けて見ていきます。

材料開発から環境対応まで、負荷が大きいのはどの工程か

電子部品メーカーの業務は、引き合いからサンプル、採用、量産へと案件が一方向に流れます。工程に分けて並べると、社内の基準に照らして同じ判定を繰り返す作業と、相手や現象を見て毎回決める作業がはっきり分かれます。

負荷が最も集中するのは品質・環境対応です。電子部品はカタログに並ぶ品番の数が多く、同じ含有化学物質の調査依頼が、顧客の数だけ品番ごとに届きます。

担当者は、依頼された品番に使われている原材料をさかのぼり、調達先から集めた成分の情報を突き合わせ、顧客ごとに指定された様式に書き写します。自社の工程だけで完結せず、調達先の回答が揃うのを待つ時間も挟まります。

回答が遅れると顧客の設計や量産の日程に響くため、期限に追われながらこの作業が何件も並行して走ります。

ここに手を入れると、担当者は様式を埋めることではなく、 調達先の情報が足りているかの見極めに時間を使えます。前の工程の量産立ち上げや調達先の監査も、あとで問われる情報を先に残す形に整っていきます。

極小とした値決め交渉は、相手の生産の見通しと自社の余力を見比べ、次の年度の関係まで含めて詰める場です。過去の取引の記録は参考になりますが、何を落としどころとするかがその都度変わるため、判定そのものを任せられません。

電子部品メーカーで最初に取り組むべきAI活用、3つ

最初に手をつけるのは、同じ判断が繰り返し起きていて、かつ誤れば出荷の停止や採用の取り消しにつながる業務です。第1セクションの二つの軸を当てはめると、含有化学物質の規制への適合確認、検査データの規格外傾向の確認、特許出願書類の一次点検がここに当たります。

含有化学物質の調査依頼に、下書きから答える

起点は、顧客から届く含有化学物質の調査依頼です。入力フォームに品番と回答期限が登録された時点で動きます。

AIは、対象の品番に使われている原材料の構成、調達先から集めた成分の情報、規制の対象物質の一覧と自社で決めた判定の基準を照らし合わせ、適合の状況をまとめた回答資料の下書きを組み立てます。あわせて、成分の情報が古い調達先や回答の抜けている原材料を一覧にします。

下書きは案件フォルダに文書として保存され、品質保証と調達の担当者に業務チャットで通知が届きます。これまでは品番ごとに原材料をさかのぼる作業から始めていましたが、 足りない情報だけが残った状態から確認に入る形に変わります。

成分の情報が最新かは調達の担当者が確かめます。適合していると顧客に答えてよいかは、品質保証の責任者が決めます。

不良として返ってくる前に、検査値のぶれを拾う

二つ目は決まった時刻に動きます。特性の検査データが更新された翌朝、AIが品番ごとの規格値と管理の幅、原材料のロットが切り替わった記録を照らし合わせ、規格の中心から離れる向きに動いている品番を拾い上げます。品番の数が多く、人が毎朝すべてを見るのは難しい部分です。

拾われた品番は品質管理の一覧表に所見として積まれ、品質保証と製造の担当者に通知が届きます。不良品として顧客から返ってきてから記録をさかのぼる動きが、 ぶれの段階で工程を見直す動きに変わります。

測定のばらつきか工程の変化かは、検査を担当する技術者が切り分けます。ラインの条件を変えるか様子を見るかは、製造の責任者が決めます。

特許出願書類の抜けを、提出前に洗い出す

三つ目の起点は、開発の担当者が書いた出願の原稿が、ファイル保管サービスの指定フォルダに保存された時点です。

AIは原稿を読み、社内の出願の書き方の決まり、過去に補正を求められた箇所の記録、出願済みの自社案件の一覧と突き合わせ、請求項と明細書の記載の食い違い、図面の符号の抜け、実施例の数値と本文の不一致といった形式面の不備を書き出します。

指摘の一覧は原稿と同じフォルダに文書として保存され、知財の担当者に通知が届きます。原稿を一枚ずつ確かめていた 最初の一読が、当たりのついた状態からの点検に置き換わります。

新規性や進歩性があるかは、この仕組みでは扱いません。書類として整っているかを知財の担当者が確かめ、出願するかは知財の責任者と代理人が決めます。

業務に組み込むまでの4ステップ

例にするのは「含有化学物質の規制への適合チェック資料の作成」です。新しいシステムを作る話ではなく、いま使っている入力フォームとファイル保管サービスの間に、情報の通り道を引く作業です。

1. 使う情報がどこにあるかを決める

資料づくりに使う情報は、すでに社内にあります。

• 品番ごとの原材料の構成と調達先の一覧
• 調達先から受け取った成分の情報と、不使用の証明
• 規制の対象物質と、自社の判定の基準

新しく作るものはありません。調達と品質保証で別々に保管されているなら、一箇所にまとめます。

2. 何をきっかけに動かすかを決める

調査依頼のフォームに品番と回答期限が登録された時点を起点にします。担当者が思い出して始める形にすると、顧客の設計切り替えが重なる時期ほど後回しになり、使われなくなります。

3. 判断の基準を設定しておく

何をもって「適合している」と答えてよいのかを文章にし、一箇所にまとめて設定します。AIは毎回そこを参照します。長く環境対応をしてきた人が無意識に見ている点を、 文章として書き留める作業です。

• どの範囲の原材料までさかのぼって成分を確かめるのか
• 調達先の回答がいつのものなら取り直すのか
• 規制の対象外でも顧客が独自に禁じている物質をどう扱うのか

この工程がいちばん時間がかかります。一度書き留めれば、品番が増えても担当者が替わっても使えます。

4. 結果の戻り先と、確認する人を決める

下書きは案件フォルダに文書として保存し、業務チャットで品質保証と調達に知らせます。 回答期限が近い順に並ぶようにしておくと、調達の担当者が成分の抜けを先に埋められます。最後に品質保証の責任者が適合の判断を確かめて提出します。

先に知っておきたい、つまずきやすい3か所

• 似た品番の取り違え：電子部品は末尾の記号だけが違う品番が並ぶため、定格や材質の違う品番の記録を参照したまま下書きが出てきます。品番の表記を社内で一つに決め、記号が違えば別の品番として扱うことを基準に書き込んでおきます。
• 調達先の回答がばらばらの様式で届く：成分の情報は調達先ごとに紙の証明書や独自の様式で届くため、そのままでは突き合わせができません。受け取る様式を指定し、届いた時点で決まった置き場所に登録する段取りを、調達の業務に組み込みます。
• 顧客の実装が絡む不具合まで任せてしまう：はんだ付けの条件や基板のたわみが原因の不具合は、自社の工程データだけを見ても原因の候補が挙がりません。実装の条件が絡む案件は仕組みから外し、顧客の現場で確かめる扱いにしておきます。

電子部品メーカーのAI活用は、どこから考えればいいか

第1セクションで引いた線は、社内の記録と決まった基準に照らして同じ判定を繰り返す業務にAIが効き、値決めの交渉や新しい材料の開発は人が担う側に残る、というものでした。紹介した三つは、いずれも判断のよりどころが文書として社内にある業務です。

すべてを一度に進める必要はありません。 一つの業務に絞るところからで十分です。品番ごとの原材料の一覧、調達先から届いている成分の情報、日々の検査データなど、すでに手元にあるものだけで着手できます。