製造
自動車部品メーカーのAI品質検査システム
目視検査をAIとの分業へ — 検知率95%以上・目視工数60%減(想定)をPoCから確実に立ち上げる
PythonOpenAI APIReactTypeScriptAWSDocker
95%+
不良品検知率
見逃しは再学習で継続改善
約60%
目視検査工数の削減
NG品のみ人がダブルチェック
1.8秒
1個あたりの検査タクト
全数検査をラインを止めず実施
想定期間3〜5ヶ月(PoC) + 本番展開
想定体制PM 1名 + MLエンジニア 1〜2名
※数値・期間・体制は想定事例に基づく試算です。
課題
品質保証は自動車部品メーカーの生命線だが、外観検査は熟練者の目視に依存し、疲労や個人差による見逃しリスクを抱えていた。AI化の必要性は社内で共有されていたものの、「どこから手を付け、どの技術を選ぶか」の判断材料がなく議論が止まっていた。材料のないまま大型投資に踏み切れば失敗リスクが大きい — 小さく検証して確実に立ち上げる道筋が求められていた。
アプローチ
AI活用ロードマップの策定から伴走し、投資判断の材料を先に揃える。初期フェーズは既存の検査画像データを活かした異常検知モデルをPythonで構築し、PoCで精度と費用対効果を検証。React/TypeScriptの検査ステーション画面で判定根拠を可視化し、NG品は目視ダブルチェックに回す「AIと人の分業」を設計する。見逃し事例は再学習に回し、運用しながら精度が上がる仕組みとし、Docker化した構成で他工場へ横展開しやすくする。
想定される成果
不良品検知率は95%以上、目視検査工数は約60%削減を見込む。判定はすべて記録され、品質トレーサビリティが向上。PoCから本番導入まで短期間で立ち上がり、同じ構成を他工場・他部品へ展開できる。熟練者は例外対応と工程改善に集中でき、検査が人手のボトルネックでなくなる。
同じような課題をお持ちですか？
お問い合わせ