検査品質を「人」から「組織」の力に変える

品質検査が3名のベテラン検査員の目視判定に依存しており、判断基準の明文化がほとんどなかった。

ベテラン3名の平均年齢は55歳超、5年以内に2名が定年を迎える状況で検査体制の存続が経営課題だった。

若手検査員は判断に迷うたびにベテランへ確認を求めるため、検査ラインのスループットが上がらなかった。

不良品の顧客先流出時には選別作業の人員派遣や納品やり直しに加え、取引先からの信頼低下が経営を圧迫していた。

検査画像をAIが良品・不良品・要確認の3段階で判定し、検査員の判断を補助する仕組みを構築した。

ベテランの判定根拠をヒアリングし、画像と紐づけて蓄積・可視化した。

暗黙知だった判定ルールを体系的に整理し、組織として共有できる検査基準書として再構成した。

AIが「要確認」と判定した品のみ人が最終判断する運用に変更し、全数目視の負荷を軽減した。

判定履歴を蓄積し、誤判定のフィードバックでAI精度を段階的に向上させるサイクルを確立した。