この解説は、経営層や関係部門に対し、「なぜ今、AI活用なのか？」
「それによって設計プロセスはどう変わるのか？」を論理的に説明し、
社内の合意形成を図るための叩き台としてご利用いただけます。
1. 背景と目的：なぜ従来の設計プロセスでは限界なのか
（1）現状の課題：「モグラたたき」からの脱却
多くの製造現場では、試作・評価段階で顕在化した問題を解決する
「再発防止型（モグラたたき）」の対応に追われています。
しかし、市場や後工程で発生するトラブルは「氷山の一角」に過ぎず
その下には膨大な潜在リスク（欠陥）が隠れています。
従来のプロセスでは、設計者の経験や記憶に依存しており、ベテランの
退職や経験不足により、過去の不具合事例（過去トラ）が参照されず、
同じ失敗が繰り返される（モグラたたき）リスクが高まっています。
（2）目指す姿：「未然防止型」設計への転換
設計の最も上流段階で、潜在的なリスク（故障モード）に「気づく」
仕組みを構築します。
人間（設計者）の創造力と、生成AI（NotebookLM等）の膨大なデータ
処理能力を組み合わせることで、「未知の問題」を予測し、設計段階で
品質を作り込む「ボトムアップ型設計」を実現します。
2. コア・コンセプト：生成AI×DRBFMによる「気づき」の拡張
本手法では、生成AIを単なる効率化ツールではなく、「過去の全トラ
ブル知識を持つ参謀（スーパーアシスタント）」として設計プロセス
に組み込みます。
（1）「変化点」への着目（DRBFMの基本）
トラブルの多くは、従来設計からの「変更点や新規点」に潜んでいます。
①人間の役割: 設計意図に基づき、何を変えたか（新規点・変更点）を
明確にする。
②AIの役割: 変更点リストに基づき、過去の類似事例や技術文献から
「その変更によって何が起こりうるか」のリスクシナリオを提示する。
（2）「故障モード」の網羅的抽出
経験の浅い設計者にとって、自分の設計が「どう壊れるか（故障モード）」
を想像することは困難です。
①AIの活用:社内の過去トラブル報告書、クレーム情報、FMEAシート等
を学習したAI（RAG/NotebookLM）が、該当部品に関連する過去の
失敗事例を即座に抽出する。
②一般的な工学知識（Deep Research情報）に基づき、「摩耗」「断線」
「ショート」「異物混入」などの故障モードを抜け漏れなくリストアップ
しドラフト（下書き）を作成する。
3. 具体的な進め方（新規設計フロー）
以下の4ステップで、AIと協働しながら設計を進めます。
STEP 1：要求品質の明確化（QFD × AI）
顧客の曖昧な要求やクレーム情報をAIに入力し、具体的な「品質特性
（技術仕様）」に変換した「QFD品質表」を作成します。
これにより、設計の初期段階で「守るべき機能」を定義します。
STEP 2：リスクの所在特定（新規点・変更点リスト × AI）
「従来品（流用元）」と「今回の新設計」の差異をAIに比較・分析させ、
「新規点・変更点リスト」を作成します。
「なぜ変えたのか？（変更理由）」「そこ懸念点は何か？」をAIとの対話
を通じて明確にします。
STEP 3：故障モードの予測と対策（FMEA/故障モード一覧表 × AI）
抽出された変更点に対し、AIが過去のナレッジベースから関連する
トラブル事例を引き出し、「故障モード一覧表」及び「故障モード
抽出表」の原案を作成します。
設計者はAIが提示したリスク（例：カシメ圧不足による脱落、加工
硬化によるクラック等）に対し、具体的な対策（構造変更、試験実施
等）を立案します。
設計者は、その評価結果をセルフFMEA評価表にまとめ、信頼性・
安全性に問題ないかを自己評価します。
STEP 4：デザインレビュー（DR）による補完
AIが作成した資料（セルフFMEA評価シート等）を基に、人間（有識
者・関係部門）がレビューを行います。
AIは「抜け漏れ防止」の網羅性を担い、人間は「妥当性判断」と「責任」
を担うことで、完璧な信頼性設計を目指します。
4. 期待される効果
①「抜け漏れ」の撲滅: 個人の記憶に頼らず、AIが過去の膨大なデータ
からリスクを示唆するため、検討漏れが激減します。
②設計品質の標準化: ベテランの知見をAI化（ナレッジベース化）する
ことで、若手や経験の浅い設計者でも一定レベル以上のリスク評価と
FMEA実施、QAマトリクス作成が可能になります。
③手戻り工数の削減: 試作・評価段階でのトラブル発生を未然に防ぐこと
で、設計変更や再試作の手戻りコストを最小化します。
5. 結論
本取り組みは、単なるツールの導入ではありません。
過去の失敗（負の遺産）をAIという最新技術で「資産」に変え、設計者
自身が「気づき」を得て成長する「技術伝承と品質保証のDX」です。
高崎ものづくり技術研究所では、社員の皆さんと一緒に設計の仕組みを
考えたり設計者向けの講習会を行ったり、設計力向上のお手伝いをして
おります。
また、「若手社員グループ学習」「熟練技術の見える化」「AI活用業務
効率化」などの個別案件についてもご相談をお受けしております。
★お問い合わせは ＜こちらから＞
この記事へのコメント