不良や設備停止が起きると、すぐに「なぜ」を掘り下げたくなります。しかし、現物、写真、測定値、作業者の説明がそろわないまま分析を始めると、もっともらしい原因で話が止まり、同じ問題が繰り返されます。
AIは原因を当てる道具ではありません。発生時の事実を先に残し、AIには事実・仮説・未確認事項を分けて整理させるのが現実的です。原因の確定、封じ込め、対策の承認は、人が現物と工程で判断します。
なぜなぜ分析が行き詰まる理由
なぜを何回繰り返しても、出発点の事実が曖昧なら結論はぶれます。分析を始める前に、現象と原因を分けます。
現象と原因を混同する
「キズが出た」は現象です。「作業者が注意しなかった」は、まだ確認していない仮説かもしれません。いつ、どの工程で、何個、どのようなキズが出たかを、写真と測定値で残します。原因の言葉を先に置かないことが、正しい分析の第一歩です。
経験だけで答えを決める
ベテランの経験は大切ですが、材料ロット、設備条件、治具、段取り、担当者などの変化を確認せずに結論を出すと対策が外れます。三現主義で、現物・現場・現実を確かめます。
対策が注意喚起で終わる
「気を付ける」「よく確認する」だけでは、忙しい時や担当交代で元に戻ります。治具、手順、検査、教育、点検項目のどこを変えれば再発しにくいかまで考えます。
AIに任せる作業と、人が決めること
AIは、散らばった記録を同じ物差しで並べる作業に向いています。品質と安全の判断を任せるものではありません。
AIは事実・仮説・確認事項を整理する
日報、写真の説明、測定記録、聞き取りメモをもとに、確認済みの事実、原因候補、追加で見たい項目を表にします。AIに「根本原因を答えさせる」のではなく、誰が何を確認するかの下書きを作らせます。
AIで現象を要素分解し、因果の飛躍を点検する
現象を「いつ、どこで、何が、どの条件で、どの程度」に分け、各なぜに対して「前の回答とのつながりは説明できるか」「事実で裏付けたか」「別の要因でも説明できないか」をAIへ確認させます。AIは論理のつながり、前提の抜け、事実と推測の混同を見つける補助に向きます。
完成したなぜなぜ分析をAIにレビューさせる
現場で作成したなぜなぜ分析をAIに見せ、意見を求める使い方も有効です。「人の注意不足・教育不足・確認不足で止まっていないか」「人以外の設備、治具、標準、検査、情報共有の要因を検討したか」「各なぜは前の回答を説明しているか」「対策は仕組みを変える内容になっているか」を指摘させます。AIの指摘を使って、分析を人のせいにせず、再発を防ぐ仕組みまで掘り下げます。
人は現場で仮説を確かめる
AIが示す関係は仮説です。現物、工程条件、再現確認、過去データで裏付け、品質責任者と現場責任者が原因を決めます。原因は一つとは限りません。材料のばらつき、治具の摩耗、作業順、検査タイミングのような複数要因が重なる場合もあるため、AIには単一原因へ急いで収束させず、並行して確認すべき仮説を挙げさせます。
記録の扱いを決めてから使う
図面番号、顧客名、価格、個人情報などを外部AIへ渡せるとは限りません。利用するサービスと社内ルールを確認し、試行時は匿名化した品番や必要最小限の情報で始めます。
AI活用の前に残すべき分析素材
AIの出力の質は、発生時に残した素材で決まります。完璧な帳票より、あとで比較できる事実を優先します。
現物・写真・測定値を残す
不良品と良品の比較、測定位置、発生時刻、ロット、設備条件を残します。写真は不良箇所の拡大だけでなく、製品全体、治具への当て方、発生工程が分かるものも撮ります。
作業者の説明を録音して残す
「いつもと違ったこと」「何を見て異常と判断したか」「直前に変えたこと」を短く録音します。AIは文字起こしと要約を行えますが、話の意味を現場で確認します。記録が残れば、担当者が休みでも事実を追えます。
4Mの変化を時系列で並べる
人、設備、材料、方法の変化を並べます。変更が原因と決めるためではなく、確認すべき仮説を漏らさないためです。4M変更管理の記録と照らすと、見落としが減ります。
なぜなぜ分析にAIを使う4ステップ
いきなり全社で使わず、一件の不良または停止を対象に、素材の残し方から試します。
ステップ1: 現象を一文で定義する
「いつ、どの工程で、何が、何個・何分起きたか」を書きます。「品質が悪い」ではなく、「2号機の加工後検査で外径が上限を0.03mm超えた部品が5個出た」のように、現場で確認できる言葉にします。
ステップ2: AIで事実と仮説を分ける
写真、測定値、日報、聞き取りを渡し、事実、仮説、未確認事項、確認担当を整理させます。次に、なぜの各段で因果が飛んでいないか、同じ言葉を言い換えただけになっていないか、他に成り立つ仮説がないかを点検させます。AIの文章を結論にせず、現場が確認する順番を作ります。
ステップ3: 現場で比較・再現して絞り込む
変更前後の条件を比べ、現物を確認します。必要なら層別やヒストグラムを使い、感覚だけで決めません。品質管理の基本に戻って、データから確認します。
ステップ4: 対策と効果確認を標準へ戻す
対策後に何を何個確認するか、誰がいつまで見るかを決めます。効果が確認できたら、作業標準、点検表、教育内容を改訂し、注意喚起で終わらせません。
AI活用で失敗しやすいこと
AIが作る文章の速さと、原因が正しいことは別です。確認を省かない運用を作ります。
AIの原因候補を結論にする
AIは記録にない内容まで補うような文章を作ることがあります。また、論理の形が整っていても事実が正しいとは限りません。確認していない内容は未確認として残し、現物、規格、工程条件で確かめます。
分析資料だけ早くなり、現場が変わらない
資料の完成を成果にしません。再発の有無、選別工数、対策完了、標準改訂までを追います。AIが減らすのは整理作業であり、改善の実行は現場が担います。
人の注意不足を原因にして、掘り下げを止める
「作業者が気を付けなかった」で終わると、同じ条件が残る限り再発します。なぜ注意が必要な状態だったのか、見分けにくい治具ではなかったか、標準書や検査の仕組みは十分だったかを確認します。AIは、人の行動に偏った分析を見つけ、仕組み側の確認項目を増やす第三者の目として使えます。
分析シートに残す項目と効果確認
なぜなぜ分析は、会議で話した内容を残すものではありません。後から別の人が読んでも、どの事実を確認し、どの仮説を外し、何を変えたか追えるようにします。
事実・仮説・確認結果を別の欄にする
事実欄には写真番号、測定値、発生数、工程条件だけを書きます。仮説欄には、材料、設備、作業、方法のどこに影響がありそうかを書きます。確認結果欄には、誰がいつ現物で確かめたかを書きます。AIにはこの三つが混ざっていないか確認させると役立ちます。
対策には担当・期限・確認条件を付ける
「治具を調整する」だけでは、実行されたかも有効だったかも分かりません。担当者、完了日、確認するロット数、見る品質特性、再発した場合の連絡先まで決めます。AIは未記入の項目や期限超過の対策を一覧にできます。
同じ不良が減ったかで評価する
AIを導入したことや分析資料が早くできたことを成果にしません。不良件数、選別時間、原因確認までの日数、対策完了率を導入前後で比べます。数字が改善しなければ、AIの使い方ではなく、記録の粒度や対策内容を見直します。
AIで事実を早くそろえ、現場で再発を止める
AIの価値は原因を代わりに考えることではありません。事実を早くそろえ、現場が確認と対策に時間を使えるようにすることです。
一件から始める
まず一件で、記録、AIの整理、現場確認、標準改訂までを回します。製造業のAI活用の親記事も確認してください。
実装の相談先を持つ
記録や分析の運用を整理したい場合は、AIコンサルティングと無料資料をご利用ください。
よくある質問
AIになぜなぜ分析を任せてもよいですか？
事実と仮説の整理には使えますが、原因確定は現場が行います。
最初に残すべき記録は何ですか？
現物、写真、測定値、発生時刻、ロット、作業者の説明です。
AIの出力はどう確認しますか？
現物・現場・工程条件と照合し、未確認事項を必ず残します。
相談の目安は何ですか？
分析が属人化し、同じ不良が繰り返される場合です。
AIコンサルティング｜無料資料あり
