A: 不良率削減におけるAIの核心的な価値は、検査後の選別を工程内での予防へ変えることにあるが、多くの工場はAIを万能なカメラのように捉え、導入すれば万事解決だと考えてしまう。これこそが最大の落とし穴だ。本当に効果が出るのは、AIをMES、ESOP、設備データとつなぎ、予測・阻止・追跡・改善のループを閉じたときである。120社以上(15以上の業界)の顧客にサービスを提供する中で、ZEVONはAIによる不良削減で工場が陥りがちな落とし穴には主に次のものがあると見ている。
1. AIを最終検査の代替とみなし、工程データを無視する
多くの工場はラインの末端にだけAI外観検査を設置するため、不良品はすでに作られた後であり、AIはそれを選別するだけで不良率は実際には下がらない。不良を減らすには、AIを射出パラメータ、実装温度、溶接電流、組立トルクといった工程データへ上流側に広げる必要がある。電子工場のSMT実装であれば、リフロー炉の後にAOI画像だけを見るAIは阻止しかできないが、SPIの半田ペースト検査やリフロー炉のゾーン温度データを組み合わせて傾向を警告すれば、不良が発生する前にパラメータを調整できる。ZEVONのMES+AIソリューションは、設備パラメータ、工程標準、検査結果を同じデータ基盤に載せ、AIが学習できる工程データを用意する。
2. AIモデルは導入すれば正確だとみなし、継続的な調整を行わない
AIは買っただけで正確になるものではない。多くの工場は最初の1週間で誤検出や見逃しが多く、AIは役に立たないと結論づけてしまう。実際には、不良サンプルの不足、照明の変化、ラインや材料の切り替えが、いずれもモデルの精度劣化を招く。正しいやり方は、現場の担当者がAIの判定に素早くラベリングとフィードバックを行い、毎週あるいは切り替えのたびにモデルを微調整することだ。ZEVONはESOPとAI外観検査を統合し、作業者が現場端末の画面で「これは誤検出」「これは実際の不良」と直接確認でき、フィードバックデータが自動で還流するため、使うほどモデルが正確になっていく。
3. 不良率の数値だけを見て、不良の型を分解しない

AIは不良率が3%から1.5%に下がったと教えられるが、その1.5%のうちどれだけが同じ機械、同じシフト、同じ材料ロットに由来するのかを教えられなければ、改善は人の勘に頼ることになる。AIの価値は、不良を自動でクラスタリングし、根本原因を順位づけする点にある。自動車部品企業がダイカスト部品を生産している場合、AIが気孔欠陥の2号機・夜勤への集中を見つけ、さらに金型温度の記録と突合すれば、夜勤時の予熱時間不足を特定できる。AIが型を見つけ、人が改善を担うというこの分業こそ、不良削減の正しい進め方だ。
4. ESOPと手作業の整合性を軽視する
AIの警告がどれほど優れていても、作業者が標準どおりに作業しなければ不良は発生する。多くの工場はESOPを紙やPDFのままにしており、段取り替えの際に誤った版が使われやすい。AIによる不良削減は電子作業手順と連動させる必要があり、AIが異常を検知したらESOPが該当工程に自動で切り替わり、作業者が画面上の手順を確認できるようにする。ZEVONのESOPはAIの警告やMESの作業指示とリアルタイムに連動し、異常発生時に人・機械・材料・方法・環境の対応が標準化されることを保証する。
5. AIを孤立させ、MESやトレーサビリティシステムと接続しない
AIの検査結果がAIサーバー上に留まり、MESに書き戻されなければ、このバッチを出荷できるのか、手直しが必要か、どのシリアル番号が影響を受けるのかは、依然として人手の記録に依存する。AIによる不良削減の最後の一歩は、自動トレーサビリティと自動阻止だ。新エネルギー電池工場を例にすると、AIが電極塗工の欠陥を見つけたとき、MESは直ちに同じバッチのセルをロックして流動を止め、欠陥画像とパラメータをトレーサビリティファイルに書き込まねばならない。ZEVONのMES+AI能力は、AIの判定からMESの阻止・トレーサビリティルールを直接起動でき、誰かがデータを再入力する必要がない。
まとめの提案:AIによる不良削減は、アルゴリズムを買うことではなく、工程データ、AI警告、ESOP実行、MESトレーサビリティのループを築くことだ。1本のラインを選んで徹底的に進め、誤検出へのフィードバックとモデル調整を回るようにしてから、他のラインへ展開するとよい。3,200台以上の端末導入実績を持つZEVONには、産業AIとMESを組み合わせる再現性のある方法論があるが、工場側も明確に理解すべきことがある。AIは異常をより早く見つける手助けをするのであり、異常をなくしてくれるわけではない。