品質文書をAIに下書きさせる｜FMEAとQC工程図

新機種の工程FMEAを作ることになり、白紙の様式を前に手が止まる。故障モードを洗い出すだけで半日、そこから影響度や発生度を埋めていくと丸一日では終わりません。「たたき台だけでもAIに作らせられないか」と考えるのは自然な発想です。

結論から書くと、品質文書の下書きは任せられます。ただし任せられるのは枠であって、値ではありません。この記事では、FMEAとQC工程図を題材に、どの列までAIに任せてよいのか、任せた結果どこが壊れるのかを具体的に見ていきます。

品質文書の下書きをAIに任せてよい場面

品質文書の作成でAIが効くのは、次のような場面です。

• 白紙から始めるとき：故障モードや管理項目の候補出し。抜けに気づくきっかけになる
• 様式の骨組みを作るとき：列の構成、記入順、見出しの整理
• 言い回しを整えるとき：現場の言葉を文書向けの表現に直す

共通しているのは、出てきたものを自分の知識で判断できるという点です。故障モードの候補が的外れなら読めば分かりますし、余計な項目は消せます。

NG例（△）: 埋まった状態の表を受け取って、そのまま社内文書にする使い方です。FMEAの表は、AIに頼めば数値まで含めて全部埋まった形で返ってきます。見た目は完成品ですが、その数値は自社の工程を見て決められたものではありません。

もうひとつのNG例が、AIの出力を根拠として説明することです。監査や客先の場で「なぜこの管理水準なのか」と問われたときに、答えられる根拠が手元にありません。文書の値は、自分で説明できるものだけを入れます。

任せられるのは「枠」、任せられないのは「値」

品質文書は、大きく2つの部分に分けられます。この切り分けが、そのまま判断基準です。

部分	中身	任せてよいか
枠	列構成・記入順・故障モードの候補・言い回し	✅
値	影響度・発生度・検出度・管理水準・判定基準	❌

枠は一般論で決まります。工程FMEAの列構成はどの会社でも大きくは変わりませんし、樹脂成形で起こりうる不具合の種類も業界共通の知識です。ここはAIが得意な領域です。

値はそうではありません。発生度は自社のその工程で実際にどれくらい出ているかで決まります。検出度は自社が今どんな検査をしているかで決まります。管理水準は自工程の実力で決まります。いずれも自社のデータを見ないと出せない数字で、外から一般論で埋められるものではありません。

AIは、この区別をせずに全部埋めてきます。埋まっていることと、根拠があることは別です。

FMEA｜下書きで壊れるのは検出度

FMEAでは、影響度S・発生度O・検出度Dの3つを評価し、掛け合わせて危険優先数RPNを出します。

\[ RPN = S \times O \times D \]

Excelでは、3列を掛けるだけです。

=B2*C2*D2                    ← RPN
=RANK(E2, $E$2:$E$4, 0)      ← RPNの高い順に順位

FMEAそのものの手順はFMEAとは｜故障モード影響解析とRPNの計算で扱っています。ここではAIの下書きに絞ります。

下書きに起こりやすい形

樹脂成形の工程FMEAを題材に、説明のために組み立てた例で見ていきます。実際の出力は依頼のしかたやサービスによって変わるため、ここでは「値まで埋まって返ってきたとき、どこを疑うか」の練習として読んでください。故障モードを3つ挙げてS・O・Dまで埋めた表が、次のような形です。

故障モード	S	O	D	RPN
ショートショット（充填不足）	7	4	3	84
バリ	4	6	2	48
ウェルドラインの強度低下	8	2	3	48

掛け算は合っています。故障モードの選び方も妥当です。この表を見て「ショートショットから対策しよう」と判断したくなります。

検出度Dが自社の検査を反映していない

問題は検出度です。ウェルドラインにD=3、つまり見つけやすいという判定が入っています。全数外観検査をしている前提なら、そう置くのが自然な数字です。

ところが、ウェルドラインの強度低下は外観では分かりません。見た目には線が出ているだけで、強度が落ちているかどうかは破壊試験をしないと判別できません。抜取りの強度試験しかしていない工程なら、検出度は3ではなく、目安として7前後まで上がります。

D=7に直すと、表はこう変わります。

故障モード	S	O	D	RPN
ウェルドラインの強度低下	8	2	7	112
ショートショット（充填不足）	7	4	3	84
バリ	4	6	2	48

8×2×7＝112です。最下位タイだったウェルドラインが1位に逆転しました。対策の優先順位が入れ替わり、動かす人も予算も変わります。値を1つ直しただけで、文書の結論がひっくり返ったことになります。

検出度は、その不具合を今の検査で見つけられるかを評価する数字です。自社の検査工程を知らないAIには、原理的に出せません。検査の種類と役割は検査の種類｜受入・工程内・出荷の違いと使い分けで整理しています。

影響度Sと発生度Oも同じ構造

発生度は自社のデータから決める値です。同じ樹脂成形でも、金型の状態や材料の管理状況で発生率は大きく変わります。過去の不良実績を持っているのは自社だけで、AIが持っているのは一般的な傾向だけです。

影響度も同様です。同じウェルドラインの強度低下でも、その部品が装飾用のカバーなのか、荷重のかかる構造部品なのかで深刻さがまったく違います。影響の大きさを決めるのは、不具合の種類ではなく、その部品が製品の中で担っている役割です。用途を知らないまま置かれた点数は、たまたま合っていることはあっても根拠がありません。

なお、発生度を下げる対策と検出度を下げる対策は別物です。仕組みで発生そのものを止める考え方はポカヨケとは｜人のミスを止める仕組みと現場の事例で扱っています。

QC工程図｜管理水準は自工程の実力から決める

QC工程図でも構造は同じです。工程の流れ、管理項目の候補、点検項目との区別といった枠は任せられます。作り方そのものはQC工程図とは｜作り方と管理項目の決め方にまとめています。

任せられないのは管理水準です。AIに頼むと「金型温度 80±5℃」のような、それらしい数値が入った状態で返ってきます。数字が入っているぶん、こちらのほうが厄介です。

管理水準は、自工程が実際にどれだけの精度で作れているかから決めます。工程能力を見て、規格に対して余裕があるかを確認したうえで幅を決める、という順序です。工程能力の求め方は工程能力指数（Cp・Cpk）の計算とExcelでの求め方、合格ラインの考え方は工程能力指数の目安一覧｜Cp1.33が合格基準とされる根拠で扱っています。

±5℃という幅が自工程の実力より狭ければ、管理図はすぐに外れて現場が疲弊します。逆に広すぎれば、異常を見逃します。どちらも「その数字がどこから来たか」を説明できない状態が原因です。管理図側の判定ルールは管理図の異常判定ルール｜Western Electric Rulesの読み方で確認できます。

下書きを検証する3つの問い

受け取った下書きは、次の3つを順に当てて確認します。値が埋まっている箇所ほど丁寧に見ます。

• この数字はどのデータから出たか：答えられない数字は、自社のデータで置き換えるか空欄に戻す
• 自社の評価基準と目盛りが合っているか：S・O・Dを1〜5で運用しているのに1〜10で埋められていれば、全行が使えません
• この工程で本当に起こるか：一般論としては正しくても、自社の設備構成では起こらない故障モードが混ざります

3つ目は、消す作業だと考えてください。候補を広く出させたぶん、余計なものが必ず入ります。残すかどうかを決めるのは、工程を知っている人の仕事です。

先ほどのウェルドラインの行に当てはめると、1つ目でD=3の出どころを問うた時点で止まります。「今の検査で見つかるか」を自社の検査工程に照らして確かめると、外観検査では判別できないと分かり、D=7へ直る流れです。逆にいえば、この1問を飛ばすと表はそのまま通ってしまいます。

検証を通した文書は、そのままレビューに掛けられます。組織として妥当性を見る場の作り方はデザインレビューとは｜DRの目的と進め方で扱っています。故障の原因を論理的にたどる場合はFTAとは｜故障の木解析と論理ゲートと組み合わせます。

会社の様式と規程に合わせる

実務でつまずくのは、内容より様式です。FMEAもQC工程図も、多くの会社で様式と評価基準が決まっています。AIが返してくる一般的な形とは、列の並びも目盛りも違うのが普通です。

先に自社の様式を見て、列の名前と評価基準の刻みを伝えてから頼むほうが手戻りが減ります。様式を維持する仕組みそのものは標準化と小集団活動とは｜目的と進め方で扱っています。

もうひとつ、様式や過去の文書を渡してよいかは会社の規程によります。品質文書には客先の製品名や図面情報が含まれることが多く、そのまま入力できない場合があります。渡してよい形に加工する手順は品質データをAIに渡す前に｜プロンプトの型と注意点にまとめました。

よくある質問（FAQ）

Q. 故障モードの洗い出しだけAIに任せるのは有効ですか？

有効です。むしろこれが一番向いた使い方です。自分たちで挙げると過去に起きたものに偏りますが、AIは一般的な候補を広く出してきます。そこから自社で起こりうるものを選ぶという進め方なら、抜けを減らせます。選ぶ工程を省かないことが条件です。

Q. 過去のFMEAを読み込ませて、新機種向けに書き換えさせてもよいですか？

様式と評価基準がそろうため、白紙から作らせるより精度は上がります。ただし過去の文書には客先名や型番が含まれるため、入力してよいかを規程で確認してください。値の再評価も必要です。機種が変われば発生度も検出度も変わります。

Q. AIが計算したRPNは信用してよいですか？

掛け算そのものは単純なので合っていることが多いのですが、確認せずに使う理由にはなりません。RPNはExcelで=B2*C2*D2と書けば済みます。計算はExcelにさせ、AIには枠を作らせるのが安全な分担です。

Q. 監査で「AIで作った」と言う必要はありますか？

下書きの作り方より、値の根拠を説明できるかどうかが問われます。検証を経て自社のデータで値を入れ直しているなら、それは自社が作った文書です。逆に根拠を説明できない値が残っていれば、作成手段にかかわらず問題になります。

まとめ

• 品質文書は「枠」と「値」で切り分ける。任せてよいのは枠だけ
• FMEAで壊れるのは検出度D。自社の検査を知らないAIには原理的に出せない
• 今回の例では検出度を3から7へ直すだけでRPNが48から112になり、優先順位が最下位から1位へ逆転した
• QC工程図の管理水準は自工程の実力から決める。それらしい数値が入って返ってくるぶん危険
• 下書きは「どのデータから出たか」「自社の基準と合っているか」「この工程で起こるか」の3問で検証する

候補出しと文章化は任せ、値は自社のデータで埋める、という分担です。文書に入れる値の根拠を固めたい場合は工程能力指数（Cp・Cpk）の計算とExcelでの求め方から確認してください。改善活動の進め方全体はQCストーリーとは｜問題解決型の8ステップにまとめています。品質管理を体系的に学び直したい方には、レベル別のおすすめ書籍を統計学・実験計画法のおすすめ本まとめで紹介しています。

※ 本記事は特定のAIサービスの推奨・比較を目的とするものではありません。掲載した評価点数は解説のための例で、実際のS・O・Dの判定基準は各社の規定によります。利用にあたっては各サービスの最新の利用規約と、勤務先の情報管理規程を必ずご確認ください。記述は2026年8月時点の一般的な整理です。