目視検査の「見逃し」と「時間」を数字にする — 中小工場がAI検査を考える前の棚卸し

「うちの検査は、ベテランの目があるから大丈夫」。そう言える工場ほど、実はその一人が抜けた瞬間に品質が揺らぐリスクを抱えている。検査は、結果が出てこそ語られるが、その中身が数字になっていないことが多い。だから「AI検査を入れるべきか」と問う前に、まず自社の検査を数字にしてみるのが先だ。

この記事は、AIツールを比較する前段として、自社の検査の「見えないコスト」を3つの数字で出す棚卸しを案内する。専門知識はいらない。必要なのは、現場に1日つきあって数えることだけだ。

1. 検査の「見えないコスト」を3つの数字で出す

検査のコストは、人件費だけではない。見えていないコストが三つある。見逃し率・検査にかかる時間・属人化の度合いだ。この三つを数字にすると、自社の検査の弱点がはっきりする。

一つ目の見逃し率。出荷後に客先から戻ってきた不良の数を、その期間の出荷数で割る。これが「外に出てしまった見逃し」のおおまかな割合になる。多くの工場はこの数字を「クレーム件数」としては持っているが、率にはしていない。率にすると、改善したかどうかを月ごとに比べられるようになる。

例えば、月の出荷が2,000個で、客先から戻ってきた不良が4個なら、外への見逃しは0.2%。これを社内で見つけた不良の率と並べると、「捕まえられた不良」と「すり抜けた不良」の比率が見えてくる。すり抜けの割合が高い検査ほど、最初にてこ入れすべき工程だ。

二つ目の検査時間。1ロットあたり、検査に何分かけているかをストップウォッチで測る。段取りや記録の記入も含めて測ると、思っていたより長いことが多い。検査は「待ち時間」になりやすく、ここが詰まると後工程まで止まる。

三つ目の属人化。同じ製品を、ベテランと新人で別々に検査させ、判定がどれだけ食い違うかを数える。食い違いが多いほど、その検査は人に依存している。属人化した検査は、その人が休んだ日に品質が変わる。

2. どの検査からAIが効くか — 外観・寸法・異音で仕分ける

検査をひとくくりにすると、AIの当てはめどころが見えない。外観・寸法・異音の三つに分けると整理しやすい。

外観検査は、キズ・汚れ・欠けなど「見た目」を判定する。ここは画像を使うAIが最も実績を積んできた領域だ。カメラで撮った画像を良品と不良品で覚えさせ、その違いを見つけさせる。人の目が一日中見続けて疲れる作業ほど、AIの安定性が効く。

寸法検査は、決められた長さや穴の位置が規格内かを測る。これは測定器とデータの組み合わせが中心で、AIというより自動測定の話になりやすい。異音検査は、モーターや回転部の「いつもと違う音」を聞き分ける。これは音を使うAI(異常検知)が近年伸びている。人の感覚に頼っている検査ほど、AIに置き換える価値が大きい。

もう一つ、製品ではなく設備側を見る予知保全という領域もある。設備が壊れる前の予兆を、振動や温度の変化からつかむ考え方だ。検査とひとことで言っても、製品を見るものと設備を見るものがあると分けて考えると、どのAIツールを調べればいいかで迷いにくくなる。外観・異常検知・予知保全の三つは、この後で触れる比較記事の柱でもある。

3. AIにできること、まだ無理なこと

期待を正しく持つために、限界も置いておく。AIは「分かりやすい違い」を安定して見つけるのは得意だが、「初めて見る不良」や「言葉にしにくい違和感」は苦手だ。

得意なのは、同じ製品を大量に、同じ基準で、疲れずに判定すること。24時間・同じ精度で見続けられるのが強みだ。苦手なのは、学習していない新種の不良、微妙な色味の判断、製品が頻繁に変わる多品種少量。多品種少量の現場では、学習のやり直しが追いつかないことがある。

具体的にイメージしてほしい。月に50種類の製品が流れる多品種少量の工場で外観検査AIを入れると、製品が変わるたびに「この製品の良品・不良品」を覚えさせ直す必要があり、その手間が検査の時短分を食いつぶすことがある。逆に、同じ製品を毎日何千個も流すラインなら、一度覚えさせれば効き続ける。AIが効くかどうかは、製品の「種類の多さ」と「数の多さ」で大きく変わる。

だから現実的なのは、全部をAIに任せるのではなく、人が見るべきものとAIに任せるものを分けることだ。ベテランの判断基準を引き出して言葉にし、それをAIへ渡す。この基準の言語化が、実は一番大事で、一番手間がかかる。

4. 最初の一歩 — 自社の検査を1枚紙で棚卸しする

ここまでの数字と仕分けを、1枚の紙にまとめる。縦に検査工程、横に「見逃し率・検査時間・属人化・外観/寸法/異音」を並べるだけでいい。これでどの工程の、どの検査から手をつけるかが一目で決まる。

多くの場合、最初に手をつけるべきは「外観検査で・属人化が高く・時間がかかっている」工程だ。そこがAIの効きが一番大きい。逆に、多品種少量で基準が定まらない工程は後回しでいい。1枚紙にすると、社内で「どこから」を話し合うときの共通の地図になる。

棚卸しで「どの検査か」が決まったら、次は「どのツールか」だ。外観検査・異常検知・予知保全それぞれに、どんなツールがあり何が違うのかは、別記事で品質管理者の目線で5社を比較している。製造業の品質×AI、どこから導入する? — 外観検査・異常検知・予知保全を5択で比較を、棚卸しの紙を手元に置いて読むと、自社に当てはめやすい。

まとめ

AI検査を入れるかどうかは、ツールを調べる前に自社の検査を数字にすることから始まる。見逃し率・検査時間・属人化の三つを出し、外観・寸法・異音で仕分け、1枚紙に並べる。数字にして初めて、自社にとってAIが効く工程と、まだ人がやるべき工程が分かれる。まずは現場に1日つきあって、3つの数字を数えるところから始めてほしい。