４日目の報告「品質管理から検査レス、検収レスへ企業間の自動化」

工場の製造工程は自動化が進み、かなり人手は少なくなりました。しかし、省力化、省人化が進みましたが、残された大きな領域が品質検査です。手作業で検査をしています。これが次の大きなテーマです。ここにAI活用の画像解析で検査の自動化に多くの企業がまさに取り組んでいます。
折りしも、近年、品質不良、品質問題が大きな課題となってきました。日本のものづくり能力さえ疑われつつあります。製品の不良、クレーム対応は、最終製品の製造会社だけでなく、コンポーネント、部品のサプライヤまでさかのぼって、検査データ、出荷ロットを特定し、原因と対策を迅速に実施する必要があります。つまり、品質管理は本質的に、技術的な問題だけではなく、企業間業務連携の課題であることは間違いありません。
ご存知のように、日本的生産システムでは、品質は、製造後の検査工程ではなく、製造工程で作り込むといってきました。つまり検査をすることで不良品を見つけることは手戻りや、不良品、廃棄品を作り、コスト高になるため、不良を作ってしまう前に、製造工程で発見することに注力してきました。品質の作り込みといわれるものです。
したがって、それを前提に、継続的に納入する系列などの企業間関係では、受け入れ側も検査レス、検収レスを採用している例も少なくありません。
この考え方をAIを活用した企業間での品質管理にも活用できると思います。つまり、件さ工程でのIoTからAIを活用した画像解析によって、合格／不合格の判定を自動化します。
問題は、これは受注者と発注者の協同作業であるべき点がおろそかになっていることです。
受注者で出荷のための検査を行い、発注者は検収のための検査を行うことが少なくないです。同じ業務です。ムダです。一緒にすればいいのです。IoTの時代、嘘をついたり改ざんすることは考えられません。データを共有することで、検査の重複が避けられます。AIになれば、検査データのIoTだけでなく、合否判定も協同でできます。合否判定のあるアルゴリスム、基準を合意しておけばよいのです。
そうすれば、納品即検収が実現できます。まさに企業間での無駄の排除、大きな生産性の向上が期待できます。