製造業の機械学習・品質予測・不良予知書類をAIで整理する方法
「生産データを収集しているが、どう活用して品質改善につなげればいいか分からない」「機械学習で品質予測モデルを作りたいが、どんなデータが必要で、どう進めればいいか分からない」——機械学習を使った品質予測・不良予知は、大量のセンサーデータや検査記録から不良発生パターンを学習し、不良を事前に予防します。AIを使って品質予測プロジェクトの計画・データ整備・評価書類を整備できます。
機械学習・品質予測・不良予知書類を整理するプロンプト
以下の情報をもとに、機械学習を使った
品質予測プロジェクトの計画書類を整備してください。
【品質予測プロジェクトの背景】
問題: アルミダイカスト製品に「巣」（気孔）が発生する不良
→ 現在の検出方法: X線検査（全数）コストが高い
→ 不良率: 2.8%（業界目安1%以下）
→ 不良品が出るパターンが「あるような気がするが根拠がない」
保有データ:
①鋳造機の操業パラメーター（金型温度・射出圧力・充填速度）:
→ 2年分・1ロット4個・500ロット/月
②X線検査結果（良品0/不良品1）: 同期間分
③外部データ: 入荷アルミ材料の溶湯温度・ガス含有量
課題:
①データが複数のExcelに分散しており、統合されていない
②「どのパラメーターが不良に関係しているか」不明
③機械学習を社内でできる人材がいない
目標:
不良の70%以上を生産前に予知して、X線検査を削減する
出力形式:
・「AIプロジェクト計画書（目標・スコープ・データ収集・モデル構築・評価・展開のスケジュール）」
・「データ整備計画書（必要なデータ・現状・収集方法・クレンジング手順・統合方法）」
・「特徴量設計書（予測に使う変数の候補・選定根拠・加工方法・ドメイン知識の活用）」
・「モデル評価基準書（精度指標の選定・混同行列の解釈・閾値の設定・ビジネスへの影響）」
・「現場展開計画書（モデルの組み込み方・アラート設計・オペレーター対応・継続改善）」
関連記事
- 製造業のAI外観検査・画像認識品質管理書類をAIで整理する方法（AI検査）
- 製造業のIoT・機器状態モニタリング書類をAIで整理する方法（IoT）
- 製造業の統計的工程管理（SPC）書類をAIで整理する方法（SPC）
- 製造業のデジタルツイン・シミュレーション活用書類をAIで整理する方法（デジタルツイン）