およそ1760年代に始まり、1830年代から1840年代まで続いた産業革命。その後、いわゆる第二次産業革命（1870年）、20世紀以降の第三次産業革命、そして近年語られる第四次のデジタル化革命が生まれました。品質システムも、品質検査、品質製造、品質管理、品質設計などへと絶えず進化してきました。時間を2024年に近づけると、品質の観点から見て、現在のテクノロジートレンドは品質システムをどのように支援するのでしょうか。そして工場の品質責任者は、どのように捉え、あるいはどの応用に重点を置けば会社にとっての効果を最大化できるのでしょうか。

知っておくべきことは、テクノロジーとは進化のプロセスだということです。たとえ破壊的イノベーションであっても、必ず置き換えのプロセスがあります。たとえばデジタルカメラがフィルムに取って代わるにも、十数年から数年の時間を要しました。2023.9.25のAI研討会で、OpenAIのCEOであるアルトマン氏とGoogle AIの父である呉恩達（アンドリュー・ン）氏も、AIは現時点では補助的な役割にとどまり、取って代わるまでに発展するにはまだ十数年かかると述べています。現代のテクノロジーが製造業に与える影響は少量多品種化ですが、品質への要求はますます高まるばかりです。品質法規、製造、そして品質システムの今後数年間の応用について、筆者は未来の品質テクノロジー応用に関するいくつかの見解を提示し、製造業の品質責任者の参考に供します。まず、成熟した工業を代表するIATF16949のコアツールを基盤フレームワークとして、以下のとおり説明します。

左下のAPQP、PPAPは通常、新製品開発におけるプロジェクトフローと文書の提供を対象とするため、ここでは一旦省略します。重点は工場の日常で行うべき項目に置き、コア部分はさらに4大項目に分かれ、AIQ、MSAを加えれば6大コアと数えることができます。

品質システムの構築には、以下のロジックがあります

1. 工場品質計画の策定 : 通常は生産計画と一緒に作成されます。製品開発の観点で使用するツールはAPQP、PPAP、QFD（品質機能展開）です。
2. 優先品質関注事項APの提示 : これは工場品質計画における重点関注事項です。工場の品質管制計画を構築する観点で使用するツールにはFMEA、CPがあります。管制計画からは、工場の検査ステーションと管制項目、計量・計数データのSPC、および測定システムMSAを定義できます。
3. 品質異常データの収集、真因統計、改善対策と再発防止 : 受入検査IQC、工程検査SPC、異常プラットフォームCOM、異常是正8D/CAR、そして再発防止のシステム化ACP、DCN、ECNによるFMEAバージョンの更新まで、工程品質ひいては設計品質を効果的に最適化します。

検査から製造、さらに設計品質へと至るなかで、品質に影響を与える5M1Eの要因のうち、最も重く、かつ工場で制御可能なのが、俗に機台と呼ばれる工程パラメータP&Q（品質）です。ビッグデータでありかつ因果関係を持つこの部分は、AI技術を発揮させることができ、最大の影響因子を見つけ出して管制することで、品質を安定させ、コスト削減・効率向上を図り、競争力を高められます。

では2024年に努力できる領域、そして現在のテクノロジーのなかでコスト的に最も適切な方案にはどのようなものがあるでしょうか。

1. SPCの自動化データ収集___以前の記事で全数検査の議題についてはすでに触れましたが、収集コストと演算成果の観点からすると抜取検査が依然として最も効率的です。しかし、MES、ERPと連携した自動化データは、測定機器の自動化コストが下がり人件費が急増している現在において、自動化データ収集システムの構築、とりわけ重要ステーションのデータの自動化リアルタイム監視は、少量多品種生産下でいっそう重要になります。
2. SPC-MSA-COMのシステム化__SPCのOOS/OOC異常データを、工場内異常、受入異常、クレーム異常などと自動的に結合し、安定した測定システムのもとで異常問題を迅速にシステム的に排除します。
3. 自動化レポート__検査報告を自動で責任者に出力し、出荷検査COA報告を自動で顧客に送信し、異常レポートを自動で責任者に送信し、リアルタイム異常データを自動で工程担当者に伝えて不良の発生継続を食い止めます。
4. AIQ __ 特定の重要工程ですでにP&Qパターンを見つけ出したステーションにおいて、AIQシステムを構築し、Pから管制することで不良Qの発生率を低減させ、システム的に良品率を効果的に向上させます。

その他の面では、以下のように際立った技術トレンドがいくつかあるものの、私たちの品質システムと2024年により適合し得る主なものは第一項、すなわち品質システムにおける人工知能の応用です。品質にとって、生成AIの応用は決定型AIより少ないかもしれません。なぜなら工場では、同じデータをAIに投入して、5回投入するごとに毎回答えが違う……という事態を受け入れられないからです。第2～4項は重要ではあるものの、2024年のコストパフォーマンスを考えると、品質システムへの応用にはまだ比較的難しいでしょう。情報セキュリティの部分は情報システム全体の議題であり、品質システムにとってはTLS1.2または脆弱性スキャンの通過といった関連標準に適合していれば十分です。

1. 人工知能（AI）があらゆる場所に偏在するようになる
2. 量子コンピューティングの飛躍
3. メタバースの拡大
4. サステナブルなテクノロジーソリューションの急増
5. サイバーセキュリティがいっそう重要になる

以上をまとめると、品質システムの責任者の皆さまにおかれましては、2024年が到来する前夜、本記事を通じて、最少の時間とリソースで要点をつかみ、品質において会社のために最大の効果を勝ち取る一助となれば幸いです。