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。
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。
- 工程機能から故障モード候補を洗い出す
- 故障影響候補を後工程・製品まで広げる
- 工程起因の原因仮説を構造化する
- 現行の予防管理・検出管理を分類する
- S/O/D評価根拠の抜けを確認する
- 推奨対策候補を発散する
- 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。