その他メーカーでのAI活用術

業種分類に当てはまらないメーカーに、そもそもAIは必要なのか

メーカーのAI活用を考えるとき、先にやるのは線を引くことです。軸は二つあります。同じ判断を月に何回繰り返しているか。もう一つは、その判断を外したときに何が起きるかです。 繰り返しの回数と、外したときの影響 が両方大きい業務ほど、仕組みにする値打ちが出ます。

自社の製品群を思い浮かべると、線ははっきりします。新しい品目にどの法令がかかるかの特定は、製品ごとに条文を当たり直す作業が毎回発生し、外せば出荷そのものが止まります。検査値が規格の内側で寄っていないかの確認も、見るべき上下限が品目表に書かれていて、判断の形が決まっています。

反対に、次にどの製品分野へ手を広げるかは、AIに任せる業務ではありません。 自社に前例のない分野を選ぶのが仕事 で、根拠が社内の記録に存在しないからです。量産の立ち上げで条件を詰める工程も同じです。試作機と量産設備の差は現物を見ながら埋めるもので、その結果の責任を技術の担当者が負います。

この線は、製品群ごとに引き直すことになります。同じ社内でも、工業向けの部材と一般消費者向けの完成品では、かかる法令も申し出の届き方も違うからです。次の章では、自社の仕事を工程に分けて並べ、どこに負荷が集中しているのかを見ていきます。

品目立ち上げから苦情対応まで、負荷が大きいのはどの工程か

自社の仕事を、品目が立ち上がってから市場に出た後までの順に並べてみます。製品群がばらばらでも、通る工程の骨格は共通しています。並べると、負荷の寄り方が見えてきます。

最も人の時間と神経を使っているのは、法規・表示確認です。負荷が集中する理由は書類の量ではありません。 製品群ごとに、当たるべき法令の体系がまるごと違う ことにあります。

工業向けの部材と一般消費者向けの完成品を同じ社内で抱えていると、片方は化学物質の届出と輸出の該非判定、もう片方は表示と広告の規制と、参照先が別になります。業界団体が配る共通のひな形も、同業他社の前例も、そのまま使える形では手元にありません。

そこで待ちが生まれます。企画の担当者は、この品目が何の対象になるのかの回答が返るまで仕様を確定できません。確認を担うのは一人か二人で、製品群ごとに別の窓口へ問い合わせながら、順番に片づけています。

対象法令の当たりが試作の段階で付いていれば、 設計を後から巻き戻さずに済みます 。後ろに続く表示の確認もカタログの記載も、同じ判定を出発点にできます。

量産立ち上げを極小としたのは、AIの出来の問題ではありません。試作機と量産設備の差は現物を見ないと分からず、記録に残っていない条件をその場で埋める工程だからです。すべての工程を仕組みに置き換えられるわけではありません。

業種分類に当てはまらないメーカーで最初に取り組むべきAI活用、3つ

手をつける順番は、繰り返しの回数と、外したときの影響の大きさで決まります。第1章の二軸に当てはめると、適用法令の特定、出願書類の点検、検査値の寄りの三つが、その重なりに残ります。

製品ごとに違う適用法令を、仕様が固まる前に突き止める

動き出すのは、新しい品目の仕様書が指定の保管場所に保存されたときです。AIは製品の構成と想定される用途、過去に似た構成で出した適合確認の資料、そして社内にまとめた「どの条件ならどの法令の対象になるか」の判定基準を照らし、当たるべき法令と要る届出を並べます。

適合確認の資料は下書きとして保管され、品目登録の一覧表に行が積まれます。法規の担当者と企画の担当者にはメールで知らせが飛びます。製品群ごとに条文を一から当たっていたところから、 対象の当たりが付いた状態 で確認に入れるようになります。

担当者が見るのは、前例のない構成に付いた判定と、根拠が足りないと出た項目です。対象法令を確定させ、表示の文面に責任を持つのは法規の責任者です。

分野がばらばらな出願書類を、社内で先に点検する

いまは、分野が変わるたびに、どこまで調べれば足りるのかを担当者が一から考えています。ここを、発明提案書が出願準備の保管先に入った時点で動かします。AIが照らすのは、自社の過去の出願と登録の記録、製品群ごとに決めてある調査の範囲、請求の範囲に書き漏らしやすい項目をまとめた一覧です。

出てくるのは、調べるべき分野の候補と、記載の薄い箇所を並べた指摘です。出願管理の一覧表に行が増え、知財の担当者へ業務チャットで知らせが届きます。範囲をゼロから考える工程が、 候補が並んだ状態から絞り込む形 に変わります。

人が確かめるのは、調査の範囲に抜けがないことと、自社の登録と近い意匠が挙がっていないかです。出願するかどうか、事務所へ何を依頼するかは知財の担当が判断します。

製品群ごとにばらばらの検査記録を、同じ物差しで見る

出力が戻るのは、品質保証が毎朝開いている管理の一覧表です。上下限の内側で同じ向きへ寄り続けている品目だけが、行として並びます。

きっかけは、その日の検査値が表計算ソフトに登録されたときと、毎週決まった曜日です。AIは品目ごとの規格値、寄りと見なす幅を定めた社内の取り決め、製造のロットと設備の記録、過去に規格を割ったときの前後の値を読みます。

製品群ごとに別々の表を開いて見比べていたところから、 寄っている品目だけが先に並んだ状態 で現場へ向かえるようになります。該当するラインの責任者にも知らせが届きます。

担当者が確かめるのは、寄りの原因が設備の側か原材料の側かの見当です。出荷を止めるかどうかの判断は、品質保証の責任者が持ちます。

業務に組み込むまでの4ステップ

例として、製品群ごとに付けている検査記録から寄りを見つける仕組みをたどります。作るのは新しいシステムではなく、部署ごとに分かれている記録と品目表の間の通り道です。

1. 使う情報がどこにあるかを決める

必要なものはすでに社内にあります。 新しく作るのではなく、最新版の置き場所を一つに定めるだけ です。

• 品目ごとの規格の上下限が入った品目表
• 日々の検査値と、測定の条件
• 製造のロットと、使った設備・原材料の記録
• 過去に規格を割ったときの報告書

別の部署が別の表で管理しているなら、先に一箇所へ集めます。

2. 何をきっかけに動かすかを決める

人が思い出して開く形にすると、繁忙期から使われなくなります。

その日の検査値が表計算ソフトに登録されたとき、毎週決まった曜日の朝、委託先から成績書が届いたときが、自然な合図です。ここを詰めずに始めると、気づいた人だけが動く仕組みになります。

3. 判断の基準を設定しておく

いちばん時間を取るのがここです。何を寄っていると見なすのかを文章にまとめ、一箇所に設定しておきます。ベテランが頭の中で切っている線を、書き留める作業です。

• 上下限にどこまで近づいたら知らせるか
• 何点続けて同じ向きに動いたら寄りと見なすか
• 測定の条件が変わったロットを比較から外す条件

一度まとめれば、品目が増えたときは書き足すだけ で済みます。

4. 結果の戻り先と、確認する人を決める

画面に出して終わりにしません。寄っている品目を品質管理の一覧表に行として増やし、品質保証の担当者と該当ラインの責任者へ業務チャットで知らせが届く形にします。確認は翌営業日の朝、担当者が設備と原材料の記録に当たります。

先に知っておきたい、つまずきやすい3か所

• 同じ品目名のまま、特定の客先向けに規格値だけ変えた別注品が走っていることがあります。品目名で束ねると、別注の値が標準品の寄りとして数えられます。別注は品目表の段階で別の行に分け、 どの客先向けかを行に持たせて から照合の対象にします。
• 前例のない構成の新製品では、判定基準に当てはまる条文がありません。そこで出た「該当なし」を、確認済みと読み違えると、届出を落としたまま先へ進みます。当てはまる基準が無かった場合は、該当なしと分けて「判定できず」と返す形にしておきます。
• 委託先から届く検査成績書が紙や画像のままだと、数値として取り込めません。自社ラインの分だけで寄りを見ることになり、委託分が抜けたまま安心してしまいます。 成績書の受け取り様式を先に決め 、揃わない委託先は対象外と明示します。

業種分類に当てはまらないメーカーのAI活用は、どこから考えればいいか

第1章で引いた線は、 判断の根拠が社内の記録の側にあるかどうか でした。今回の三つは、答えの出どころが過去の適合確認、自社の出願記録、日々の検査値にあり、人が製品群ごとに探し直していた業務です。次にどの分野へ広げるかを決める仕事とは、そこが違います。

全部に手をつける必要はありません。適用法令の特定でも、検査値の寄りでも、 いま最も手が止まっている業務を一つ 選べば十分です。着手に要るのは、すでに社内にある品目表と記録、そして判定の基準を書き留めた文章だけです。