製造業品質改善の進め方 高崎ものづくり技術研究所Blog

本シリーズの核心です。設計のヌケモレを防ぐDRBFM/FMEAですが、分析者の経験に依存しがちです。
本講座では、Gemini/NotebookLMを「分析アシスタント」として活用し、「過去ノウハウの蓄積」と「故障モード一覧表」などを短時間で、かつ高精度に作成する実践的手法を公開します。

「作って終わり」の形骸化した手順書はもう不要です。
動画マニュアルや電子マニュアルで「見てわかる」化し、さらにAI/LLMを活用した学習管理システム（LMS）で、個人の習熟度を管理し、熟練技能を組織の「知」として継承する仕組みを解説します。

なぜ「教育します」で再発防止が終わってしまうのか？
第1回で学んだAIによる分析（ナレッジ活用）を活かしつつ、現場の現象から「設計原因」「しくみの不備」まで遡る、本質的な「なぜなぜ分析」の手法を学びます。
（※本セッションはAIの直接利用ではなく、AIで得た情報を活用する「人間の思考法」としての分析手法がメインです）

多品種少量生産の現場では、4M（人・機械・材料・方法）の変化点管理がキモです。
IoTやセンサーに頼る高額なシステム導入の前に、まずは「デジタル技術」を活用して変化点を「見える化」し、リアルタイムで異常を検知する「しくみ」の構築法を学びます。

シリーズ総まとめ。AIは「匠」の仕事を奪うものではなく、「匠の知見を増幅させる装置（Multiplier）」です。
現場の担当者自身が「ノーコードAI」を活用し、属人化していた「思考（Know-Why）」と「動作（Know-How）」をデジタル化し、組織の資産に変えるための、具体的な導入ロードマップを解説します。

　１．なぜ今、AIによる知の継承が不可避なのか

　２．熟練技能（暗黙知）のデジタル化と継承

　３．設計技術継承と過去トラブルの資産化