製造現場の品質検査を AI で自動化、
不良検出率を 28% 改善。

背景・課題

創業 60 年の精密部品メーカー。主力製品の最終検査は、熟練検査員の目視に依存していました。熟練者の高齢化と採用難により、検査体制の維持が経営課題に。さらに、検査員ごとの判定基準のばらつき（個体差）も顧客クレームの一因となっていました。

Sun Link のアプローチ

1. 業務分析と AI 適用ポイントの見極め

まず 2 週間かけて検査ラインを観察し、検査員にヒアリング。すべての検査項目を AI に置き換えるのではなく、「形状不良」「表面欠陥」の 2 項目に絞って PoC を実施することを提案しました。

2. PoC ：少数データで効果検証

過去の不良サンプル 800 件を活用し、画像認識モデルを構築。8 週間後の PoC では、熟練検査員と同等以上の検出率を実現。同時に、検査員と AI の "ダブルチェック" 運用フローを設計しました。

3. 本番導入と現場オペレーションの再設計

本番ラインには、撮影装置・AI 判定 PC・結果表示ディスプレイを設置。ポイントは 「AI が判定する」ではなく「AI が候補を提示し、検査員が確認する」 ワークフロー。これにより、誤検出時のリスクを最小化しながら、検査員の負荷を大幅軽減しました。

4. オンボーディングと定着支援

稼働開始後 3 ヶ月、週次で現場ヒアリングを実施。検査員のフィードバックを元にモデルを継続改善し、運用 6 ヶ月時点で不良検出率 +28%、検査工数 -65% を達成しました。

「最初は AI に仕事を奪われると身構えていましたが、実際は逆でした。AI が "見てくれている" 安心感があり、自分はより難しい判断に集中できる。検査の質も上がりました。」
— 先方検査員リーダー

成果

• 不良検出率 +28%（顧客クレーム件数 -54%）
• 1 製品あたり検査工数 -65%
• 新人検査員の独り立ち期間 3 ヶ月 → 1 ヶ月
• 検査記録の完全デジタル化により、トレーサビリティが向上

担当者コメント

「製造業の AI 導入は、技術よりも "現場との接続" がボトルネックになりがちです。今回は、検査員の皆さんが主役のままで AI を導入できたことが成功の鍵でした。」
— Sun Link プロジェクトリード