製造業の抜取検査・サンプリング計画書をAIで整理する方法
全数検査はコストがかかりすぎる——だからこそ、科学的な抜取検査（サンプリング）の設計が重要です。AIを使ってAQL設定・サンプルサイズ計算・合否判定基準・移行計画を体系化できます。
抜取検査計画書・サンプリング基準を整理するプロンプト
以下の情報をもとに、抜取検査計画書と
サンプリング基準を整理してください。
【検査設計の背景】
製品: 射出成型部品（月産 15,000個・全品目約30品種）
現状: 全数目視検査を実施中
問題:
・検査員3名が全量検査に追われ、残業が恒常化
・検査疲れによる「見逃し」リスクが高まっている
・一方で顧客への不良品流出は絶対に防ぎたい
抜取検査への移行検討:
・安定品目（不良率実績 0.3%以下）は抜取検査に移行
・問題品目（不良率 0.3%超）は引き続き全数検査を維持
・国際基準（JIS Z 9015-1 / ISO 2859-1）に準拠したい
主要顧客要件:
・AQL 0.65（主要自動車部品メーカー向け）
・AQL 1.0（一般産業機器メーカー向け）
出力形式:
・「品目別の全数/抜取検査振り分け判断基準
（不良率実績・工程能力・顧客要求・リスクレベルで分類）」
・「AQL設定の考え方（AQL 0.65 vs 1.0 の意味と使い分け）」
・「サンプルサイズ決定方法（ロットサイズ別のサンプル数の早見表）」
・「抜取検査合否判定基準書（合格判定数Ac・不合格判定数Re の表）」
・「全数検査→抜取検査への移行計画（品目別移行スケジュールと条件）」
・「抜取検査で不合格ロットが出た時の対応フロー」
関連記事
- 出荷検査・受入検査記録をAIで作る方法（検査記録）
- 製造業の出荷品質ゲート・出荷前最終確認書類をAIで整理する方法（出荷ゲート）
- 製造業の工程能力分析（Cp・Cpk）書類をAIで整理する方法（工程能力）
- 製造業の統計的工程管理（SPC）・管理図の活用をAIで整理する方法（SPC）