MENU

生成AIでPFMEAを使う方法|プロンプト例と人が確認すべきポイント

PFMEA(Process Failure Mode and Effects Analysis)は、製造・組立・検査などの工程で起こり得る故障モードを洗い出し、その影響・原因・現行管理を整理し、優先対策へつなげる方法です。

生成AIを補助的に使うと、工程故障モード候補の洗い出し、故障影響の整理、工程原因仮説の発散、予防管理・検出管理の分類、S/O/D評価根拠の抜け確認、対策候補の整理、対策後の再評価観点の確認などを効率化できます。

一方で、生成AIにPFMEAを丸ごと作らせると、実在しない不良実績や検査方法を補ったり、設計起因の問題と工程起因の問題を混同したり、根拠のないS/O/D点数を付けたりする危険があります。

この記事では、研究開発・技術開発でPFMEAを進める際に、生成AIをどこで使い、どこを人が確認すべきかを、具体的なプロンプト例と通し例で解説します。

PFMEAの基本から確認したい場合は、PFMEAとは?を参照してください。実務での手順は、PFMEAのやり方で確認できます。

目次

生成AIを使いやすい7つの場面

PFMEAでは、生成AIを意思決定者ではなく、候補出し・整理・レビューの補助役に置くと扱いやすくなります。

使いやすい場面は次の7つです。

  1. 工程機能から故障モード候補を洗い出す
  2. 故障影響候補を後工程・製品まで広げる
  3. 工程起因の原因仮説を構造化する
  4. 現行の予防管理・検出管理を分類する
  5. S/O/D評価根拠の抜けを確認する
  6. 推奨対策候補を発散する
  7. 対策後の再評価観点をレビューする

AIが出した内容をそのままPFMEAへ転記せず、工程仕様、作業標準、設備仕様、保全履歴、不良実績、検査実績、社内PFMEA基準へ照合することが前提です。

1. 工程機能から故障モード候補を出させる

最初に、工程機能・工程要求を明示したうえで、その要求がどう外れるかの候補をAIに出させます。

プロンプト例

次の工程機能に対するPFMEA上の故障モード候補を出してください。

工程機能: 指定量の接着剤を所定位置へ塗布し、部材A/Bを規定条件で貼り合わせ・加圧・硬化する。

条件:

  • 原因ではなく「工程要求の外れ方」で書く
  • 8件以内
  • 過少、過多、位置ずれ、未実施、条件外れ、異物混入などの観点を確認する
  • 実在しない不良実績は追加しない

出力の使い方

AIが、

  • 塗布量が不足する
  • 塗布量が過多になる
  • 塗布位置がずれる
  • 未塗布部が生じる
  • 気泡が混入する
  • 加圧力が不足する
  • 硬化温度が不足する
  • 硬化時間が不足する

と出したら、人が実際の工程要求と照合して採用候補を決めます。

ここでAIが「ノズル摩耗」を故障モードとして出した場合は、原因側に移すべき可能性があります。

2. 故障影響候補を後工程・製品まで広げる

故障影響が工程内で止まっていると、Severityの判断が弱くなります。

プロンプト例

次の工程故障モードについて、PFMEAの故障影響候補を整理してください。

故障モード: 接着剤の塗布量が不足する。

前提: 接着剤で樹脂部材A/Bを接合し、後工程で外観検査と引張確認試験を行う。

条件:

  • 工程内影響、後工程影響、製品機能影響を分ける
  • 顧客影響は確認できる範囲で候補として示す
  • 不明な安全影響を断定しない
  • 新しい製品仕様を作らない

出力の使い方

AIが、

  • 工程内:接着面積が不足する
  • 後工程:引張確認試験で不合格になる可能性
  • 製品:接着強度が低下する
  • 使用時:部材が剥離する可能性

と整理したら、人が製品仕様と実際の故障影響を確認します。

Severityの確定は、工程担当だけでなく、品質・設計など必要な担当者と社内基準へ照合して行います。

3. 工程起因の原因仮説を構造化する

原因候補の発散にも生成AIが役立ちます。ただし、原因候補と確認済み原因を分ける必要があります。

プロンプト例

次の工程故障モードについて、工程起因の原因仮説をカテゴリ別に整理してください。

故障モード: 接着剤の塗布量が不足する。

カテゴリ:

  • 設備
  • 材料
  • 条件設定
  • 作業標準
  • 保全
  • ポカヨケ

条件:

  • 設計仕様そのものの問題は分ける
  • 「作業者ミス」「設備不良」のような抽象表現だけで終わらせない
  • 確認済み原因とは断定しない
  • 工程側で対策・検証できる粒度で書く

出力の使い方

AIが、

  • ノズル摩耗
  • 接着剤粘度の変動
  • 塗布圧力設定のずれ
  • 接着剤残量低下による吐出不安定
  • レシピ誤選択
  • 品番とレシピの照合不足

と出したら、人が設備ログ、作業標準、保全履歴、試作データと照合します。

確認できていないものは「原因仮説」として残し、追加確認へつなげます。

4. 予防管理と検出管理をAIに分類させる

現行管理の棚卸しでもAIは補助できます。

プロンプト例

次の現行管理を、予防管理と検出管理に分類してください。

現行管理:

  • ノズル交換周期
  • 接着剤粘度管理
  • 塗布圧力標準値
  • 条件レシピ固定
  • 塗布重量の抜取測定
  • 外観検査
  • 引張確認試験

定義:

  • 予防管理=原因が入り込むのを防ぐ仕組み
  • 検出管理=工程異常や不良を見つける仕組み

条件:

  • 実施していない管理は追加しない
  • 判断が曖昧なものは「要確認」とする

出力の使い方

AIが、

予防管理:

  • ノズル交換周期
  • 接着剤粘度管理
  • 塗布圧力標準値
  • 条件レシピ固定

検出管理:

  • 塗布重量の抜取測定
  • 外観検査
  • 引張確認試験

と分類しても、実際に今の工程で実施されているかは人が確認します。

「今後導入予定の自動重量監視」は現行管理ではなく推奨対策へ分けます。

5. S/O/D評価根拠の抜けを確認する

生成AIにS/O/D点数を付けさせるのではなく、評価に必要な根拠の不足を点検させます。

プロンプト例

次のPFMEA項目について、S/O/D評価に必要な根拠の抜けを指摘してください。

故障影響: 接着面積が不足し、接着強度が低下する。見逃された場合は使用中に部材が剥離する可能性がある。

原因仮説: ノズル摩耗による塗布量不足。

現行検出管理: 塗布重量の抜取測定、外観検査、引張確認試験。

確認観点:

  • Severityに必要な製品・顧客影響情報
  • Occurrenceに必要な不良実績・工程能力・保全履歴
  • Detectionに必要な検査頻度・全数/抜取・検出限界

条件:

  • 点数は付けない
  • 社内評価基準を推測しない

出力の使い方

AIが、

  • Severity:製品機能への正式な影響定義が不足
  • Occurrence:ノズル交換前後の吐出変化や塗布量不足件数が不足
  • Detection:抜取頻度、検出限界、外観検査の見逃し率が不足

と指摘したら、人が必要資料を集めます。

S/O/Dの点数は、組織で採用している評価表へ照合して決めます。従来型RPNと、AIAG & VDA FMEAのAction Priorityなどを同一PFMEA内で混在させないことも重要です。

6. 推奨対策候補を広げる

AIは対策候補の発散にも使えます。

プロンプト例

次の工程原因仮説に対して、発生低減と検出強化に分けて対策候補を出してください。

原因仮説:

  • ノズル摩耗
  • 接着剤残量低下による吐出不安定
  • レシピ誤選択

条件:

  • 「教育する」「注意する」だけで終わらせない
  • 設備、標準、ポカヨケ、管理方法の候補を含める
  • 責任者・期限は作らない
  • 実行可能性は人が判断する前提にする

出力の使い方

AIが、

発生低減:

  • ノズル交換周期の見直し
  • 接着剤残量の下限警報
  • 品番とレシピの照合
  • 設定値ロック

検出強化:

  • 塗布重量の自動監視
  • 吐出圧異常アラーム
  • 検査頻度の見直し

と出したら、人が工程能力、設備投資、サイクルタイム、検出能力を見て採否を決めます。

7. 対策後の再評価をレビューさせる

対策後は、単にOccurrenceやDetectionを下げるのではなく、根拠が本当に変わったかを確認します。

プロンプト例

次の対策後に、PFMEA再評価で確認すべき項目を整理してください。

対策:

  • ノズル交換周期を短縮
  • 接着剤残量下限警報を追加
  • 品番とレシピの照合を追加
  • 塗布重量の監視頻度を増加

確認観点:

  • 塗布量ばらつき
  • 塗布量不足件数
  • 異常検知率
  • 接着強度ばらつき
  • 後工程不合格件数
  • 新しい工程リスク
  • 残存リスク

条件:

  • 点数を自動更新しない
  • 実績データが必要な項目を分ける

出力の使い方

AIが確認項目を出しても、OccurrenceやDetectionの更新は実績データに基づいて人が行います。

通し例|接着工程のPFMEAを生成AIで補助する

開発チームは、樹脂部材A/Bの接着試作工程で接着強度ばらつきに悩んでいました。

対象工程は、接着剤塗布、貼り合わせ、加圧、硬化です。表面洗浄は前工程として対象外、外観検査と引張確認試験は後工程・検出側として扱いました。

工程機能は、

指定量の接着剤を所定位置へ塗布し、部材A/Bを規定条件で貼り合わせ・加圧・硬化する。

です。

1. AIに故障モード候補を出させる

AIは、塗布量不足、塗布量過多、位置ずれ、未塗布、気泡混入、加圧不足、硬化温度不足、硬化時間不足などを候補として出しました。

人は、接着強度ばらつきとの関係が大きい候補として、

接着剤の塗布量が不足する

を重点対象にしました。

2. AIに故障影響候補を整理させる

AIは、

  • 接着面積不足
  • 接着強度低下
  • 後工程不合格
  • 見逃し時の使用中剥離可能性

を候補として出しました。

人は製品仕様と後工程の実態を確認し、正式な故障影響へ反映しました。

3. AIに工程原因仮説を出させる

AIは、

  • ノズル摩耗
  • 接着剤粘度変動
  • 塗布圧力設定ずれ
  • 残量低下による吐出不安定
  • レシピ誤選択
  • 品番照合不足

を候補として出しました。

ここでは「原因」と断定せず、設備ログ、ノズル交換履歴、粘度記録、塗布重量実績、作業標準へ照合しました。

4. 「作業者ミス」を工程システムへ分解させる

レシピ誤選択についてAIに追加でレビューさせると、

  • レシピが自由入力できる
  • 品番とレシピの照合がない
  • 設定値ロックがない
  • 類似名称で選び間違えやすい

といった候補が出ました。

人は実機と作業標準を確認し、実際に該当する要因だけをPFMEAへ反映しました。

5. AIに現行管理を分類させる

現行管理として、

  • ノズル交換周期
  • 接着剤粘度管理
  • 塗布圧力標準値
  • 条件レシピ固定
  • 塗布重量の抜取測定
  • 外観検査
  • 引張確認試験

を渡し、予防と検出に分類させました。

人が運用実態を確認し、未実施の自動重量監視が混ざっていないことを確認しました。

6. S/O/Dの点数ではなく根拠の抜けをAIに確認させる

AIへ点数を付けさせず、必要な根拠だけを洗い出させました。

その結果、

  • Severity:製品機能への正式な影響
  • Occurrence:塗布量不足件数、ノズル交換前後の吐出変化、塗布量ばらつき
  • Detection:抜取頻度、外観検査の検出能力、引張確認試験の適用範囲

を追加確認する必要があると分かりました。

実際のS/O/D評価は社内PFMEA基準を使い、人が決定しました。

7. 対策候補をAIに出させる

AIは、

  • ノズル交換周期の短縮
  • 接着剤残量の下限警報
  • 品番とレシピの照合
  • 設定値ロック
  • 塗布重量の自動監視
  • 吐出圧異常アラーム

を候補として出しました。

人は設備制約、費用、サイクルタイム、導入時期を確認し、先行対策として、

  • ノズル交換周期短縮
  • 接着剤残量下限警報
  • 品番とレシピの照合
  • 塗布重量の監視頻度増加

を採用しました。

自動重量監視は設備投資効果を確認する別案件として残しました。

8. 対策後もAIはレビュー補助に限定する

対策後、AIに再評価観点を整理させました。

確認項目は、

  • 塗布量ばらつき
  • 塗布量不足件数
  • 異常検知率
  • 接着強度ばらつき
  • 後工程不合格件数

です。

OccurrenceやDetectionを機械的に下げず、実績データが変わったことを確認して人が再評価しました。

この通し例で生成AIが担当したのは、候補出し、分類、抜け確認、レビューです。

正式な対象工程、工程機能・要求、故障モード採用、故障影響、原因認定、S/O/D尺度、優先順位、対策採否、再評価は人が担当しました。

具体的なケースを詳しく追いたい場合は、PFMEAの具体例も参考になります。

そのまま使える記入型が必要なら、PFMEAテンプレートを使うと、対象工程、工程機能、故障モード、影響、原因、現行管理、S/O/D、対策、再評価まで整理できます。

よくある失敗を先に確認したい場合は、PFMEAで失敗しやすいポイントも参照してください。

人が必ず確認すべきポイント

対象工程と境界

AIが前工程・設計仕様まで勝手に対象へ含めていないか確認します。

工程機能・要求

工程仕様、作業標準、品質特性に照らして人が確定します。

故障影響

後工程・製品・顧客への影響は正式仕様へ照合します。

原因

AIが出すのは原因候補です。確認済み原因と原因仮説を分けます。

現行管理

実際に運用されていない検査やポカヨケを「現行」としないよう確認します。

S/O/D評価

社内評価表へ照合し、AIに点数や評価尺度を推測させません。

優先順位

RPN、Action Priority、社内独自方式など、組織で採用している方式を統一して使います。

対策採否

設備制約、費用、サイクルタイム、品質効果、導入時期を見て人が決めます。

再評価

不良率、工程能力、検出実績などの実績を根拠に更新し、対策しただけで点数を下げません。

生成AIの誤りと限界

生成AIは、次のような誤りを起こす可能性があります。

  • 工程故障モードと原因を混同する
  • 設計起因の問題をPFMEAの工程原因として扱う
  • 実在しない不良実績や設備仕様を補う
  • 未実施の検査を現行管理として追加する
  • 原因を一般論の「作業者ミス」で片づける
  • 根拠のないS/O/D点数を付ける
  • RPNとAction Priorityを混同する
  • 検査追加だけを対策として提案する
  • 対策済みだからリスク低下と短絡する

同じAIに候補生成とレビューをさせる場合、自分が出した誤りを見逃す可能性もあります。

重要な工程判断では、工程仕様、設備ログ、不良実績、保全履歴、検査実績、社内PFMEA基準へ人が照合します。

生成AIに任せすぎないためのチェックリスト

  • AIに対象工程を勝手に広げさせていないか
  • 工程機能・要求を人が確定したか
  • 故障モードと原因を分けたか
  • 故障影響を正式仕様へ照合したか
  • 原因候補と確認済み原因を分けたか
  • 「作業者ミス」で分析を止めていないか
  • 設計起因と工程起因を混同していないか
  • 現行管理が本当に実施済みか確認したか
  • S/O/D点数をAIに推測させていないか
  • 社内PFMEA方式を統一して使っているか
  • 予防対策と検出対策を分けて検討したか
  • 対策採否を人が判断したか
  • 対策後の再評価に実績データがあるか
  • 最終的な工程責任者が明確か

まとめ

生成AIは、PFMEAの候補出しとレビューを効率化する補助役として使えます。

特に、工程故障モード候補、故障影響候補、工程原因仮説、予防・検出管理の分類、S/O/D評価根拠の抜け確認、対策候補、再評価観点の整理で使いやすいです。

一方で、正式な対象工程、工程機能・要求、故障影響、原因認定、S/O/D評価、優先順位、対策採否、再評価は人が管理する必要があります。

生成AIにPFMEAを完成させてもらうのではなく、「候補を出させる」「分類させる」「抜けを確認させる」「再評価観点をレビューさせる」ために使うと、分析作業を効率化しながら、工程判断の責任と根拠を人に残した運用がしやすくなります。

よかったらシェアしてね!
  • URLをコピーしました!
  • URLをコピーしました!
目次