業務改善読了 約4分

製造業データ基盤構築相談|歩留まり自動集計でAI可視化

AAnomaly編集部
目次

検査データの歩留まり自動集計でボトルネック工程をAI可視化する設計術

検査員が紙の帳票に不良内容を書き込み、月末になってExcelに転記し直す――そんな歩留まり管理を続けている工場は、今も少なくありません。

どの工程で不良が多いのか、実は「集計が終わるまで分からない」という状態に陥っていないでしょうか。本記事では、検査データを自動集計し、ボトルネック工程をダッシュボードで可視化する仕組みの設計方法を解説します。


歩留まり管理が属人化・Excel集計に陥る理由

原因① 検査員ごとに記録方法がバラバラ

不良内容の書き方、不良の分類方法が検査員の裁量に委ねられていると、同じ不良でも人によって表記が異なります。結果として、後から「工程Aと工程Bのどちらに不良が集中しているか」を正確に比較できなくなります。

原因② 月次集計のタイムラグ

紙やExcelでの管理では、月末にならないと工程別の不良率が確定しません。問題が起きた工程に手を打てるのは、早くても翌月という状態になり、不良の再発を防げないまま次のロットが流れてしまいます。

経済産業省の「ものづくり白書」では、データ基盤整備の重要性が指摘されているとされています。検査成績書を電子化するだけでなく、品質データと工程実績を突合してボトルネックを可視化するデータ基盤構築への相談ニーズが高まっている分野です。


Before / After:検査記録の集計はこう変わる

Before:紙とExcelによる手作業集計

検査員が紙の検査記録に不良内容を手書きし、月末に担当者がExcelシートへ転記。工程ごとにピボットテーブルを組み直し、不良率を手計算で算出してから会議資料にまとめる――という流れが一般的です。転記ミスや集計漏れが起きても、気づくのは次の月次会議になってから、というケースも珍しくありません。

After:業務アプリでの自動集計

検査員はタブレット画面で「ロット番号」を入力し、「不良コード」をプルダウンから選択するだけ。登録ボタンを押すと、検査データは即座にシステムに反映されます。管理者は「工程別歩留まりダッシュボード」画面を開けば、工程ごとの不良率がリアルタイムのグラフで表示され、どの工程がボトルネックになっているか一目で分かります。必要に応じて「CSV出力」ボタンから生データを抽出し、「検査成績書.pdf」として取引先への提出資料も自動生成できます。

月末にならないと分からない不良率と、入力した瞬間に分かる不良率。
この差が、再発防止のスピードを大きく左右します。

この仕組みにより、「検査→Excel転記→集計→会議資料作成」という一連の転記工程が1本減り、二重入力そのものがなくなります。検査員は記録することに集中でき、管理者は常に最新の状態を確認できるようになります。


基幹システムとの連携設計:3つのキーで紐づける

歩留まり自動集計の肝は、検査データ単体で完結させず、基幹システムの工程実績と突合できる設計にすることです。ポイントは次の3つのキー項目です。

1
ロット番号での紐づけ

生産管理システムが発行するロット番号を検査データ側でも共通キーとして持たせることで、「どのロットがどの工程を通過し、どこで不良が出たか」を一気通貫で追跡できます。

2
不良コードの標準化

検査員ごとに表記が揺れないよう、不良内容をあらかじめマスタ化した「不良コード」で選択式にします。これにより自動集計時の分類が統一され、工程間の比較が可能になります。

3
工程実績データとの突合

基幹システム側の工程実績(作業時間・担当者・設備稼働データなど)と検査結果を突き合わせることで、「特定の設備・時間帯で不良が集中している」といった傾向もあわせて把握できます。


導入ステップと品質管理AIとの役割の違い

1
1ラインでの試験導入

いきなり全工程に展開するのではなく、不良率のばらつきが大きい1ラインに絞って検査データの入力画面とダッシュボードを試験運用します。現場の入力負荷や画面遷移の使い勝手を検証する段階です。

2
マスタ整備と不良コードの統一

試験導入で見えた「不良の表記揺れ」を踏まえ、不良コードマスタを全社で使える形に整備し直します。この段階を飛ばすと、全工程展開後に集計結果の信頼性が揺らぎます。

3
全工程への展開とダッシュボード共有

工程別歩留まりダッシュボードを現場の掲示モニターや管理者の端末で共有し、朝礼やライン会議の場で「今どの工程がボトルネックか」を確認する運用に定着させます。

品質管理AIとの役割の違い

外観検査AIなどの「品質管理AI」は、個々の製品の良否を判定することが役割です。一方で本記事のデータ基盤構築は、集計された検査データを工程単位・ロット単位で横断的に可視化し、どこに手を打つべきかの意思決定を支援するものです。両者は競合するものではなく、品質管理AIが生成した判定結果を取り込む受け皿として、データ基盤が機能する関係にあります。


まとめ

  • 紙やExcelによる歩留まり集計は、検査員ごとの記録のばらつきと月次集計の遅れが問題の根本にある
  • ロット番号・不良コードを共通キーとして基幹システムの工程実績と紐づけることで、ボトルネック工程をリアルタイムに可視化できる
  • 1ライン試験導入からマスタ整備、全工程展開へと段階を踏むことが定着の近道であり、製造業のデータ基盤構築の相談は早い段階から専門家に行うのが望ましい

本記事はAIを活用して作成しています。内容についての責任は当社が負います。AI活用ポリシー