株式会社renue
AI導入・DXの悩みをプロに相談してみませんか？
AIやDXに関する悩みがありましたら、お気軽にrenueの無料相談をご利用ください。 renueのAI支援実績、コンサルティングの方針や進め方をご紹介します。
製造業のFMEA/FTAをAIで効率化する方法｜過去データ×設計情報からリスク要因を網羅的に洗い出し
製造業の品質管理において、FMEA（故障モード影響解析）とFTA（故障の木解析）は、製品・工程の潜在的な故障リスクを事前に洗い出す最も重要な手法です。しかし、経験豊富なエンジニアに依存するこれらの分析は、属人化しやすく膨大な時間を要します。NECは生成AIを活用した工程FMEA表の自動生成で生産性向上を実現し、Cambridge大学の研究チームはLLMを統合したAI駆動FMEAの有効性を実証しています。本記事では、過去の不具合データと設計情報を活用し、AIがリスク要因を網羅的に洗い出すアプローチを解説します。
業務の詳細フロー（現状の手作業）
ステップ1：対象の選定と情報収集
FMEAの対象（製品設計DFMEA/工程設計PFMEA）を選定し、設計図面、部品リスト、工程フロー図、過去の不具合データ等の情報を収集します。
ステップ2：故障モードの洗い出し
対象の各構成要素（部品/工程ステップ）について、起こりうる故障モード（破損、変形、寸法不良、機能喪失等）を洗い出します。この洗い出しが最も経験に依存するステップで、ベテランの知見がないと重要な故障モードを見落とすリスクがあります。
ステップ3：影響度・発生度・検出度の評価（RPN算出）
各故障モードについて、影響度（Severity）、発生度（Occurrence）、検出度（Detection）を1〜10で評価し、RPN（Risk Priority Number = S×O×D）を算出します。RPNが高い項目から優先的に対策を検討します。
ステップ4：対策の立案・実施
RPNが高い故障モードに対し、リスク低減のための対策（設計変更、工程改善、検査強化等）を立案・実施します。対策実施後のRPNを再評価し、リスクが許容レベルに低減されたことを確認します。
ステップ5：FMEAの維持・更新
FMEAは一度作成して終わりではなく、設計変更、工程変更、市場クレームの発生に応じて継続的に更新する必要があります。この更新作業が滞りがちなのが実態です。
課題・ペインポイント
- 故障モードの洗い出しの属人化：ベテランエンジニアの経験に依存し、担当者が変わると洗い出しの質が低下する
- 膨大な作業時間：1つの製品・工程のFMEAに数日〜数週間を要し、開発スケジュールを圧迫する
- 過去データの活用不足：過去の不具合データや市場クレームデータが組織内に蓄積されているが、FMEAに体系的に反映されていない
- RPN評価の主観性：S・O・Dの評価基準は設定されているが、評価者によりスコアにばらつきが生じる
- FTAとの連携不足：FMEAのボトムアップ分析とFTAのトップダウン分析を組み合わせるべきだが、実務では別々に実施されがち
AI化のアプローチ（LLMによる実装イメージ）
入力データの設計
- 設計情報：製品の設計図面、部品リスト（BOM）、材料仕様、工程フロー図
- 過去の不具合データ：過去のFMEA表、8Dレポート、市場クレームデータ、不良品分析記録
- 業界の故障モードデータベース：AIAG-VDAのFMEAマニュアル、業界標準の故障モードリスト
- 類似製品のFMEA：同種の製品・工程の過去FMEA（RAGで参照）
- 規格・規制要件：IATF 16949、ISO 9001等の品質マネジメント規格の要求事項
LLMへの指示（プロンプト設計の考え方）
- 役割設定：「あなたは製造業の品質管理エンジニアで、FMEA分析の専門家です。以下の設計情報と過去の不具合データに基づき、FMEA表のドラフトを作成してください」
- 故障モード洗い出し：「各構成要素（部品/工程ステップ）について、以下のカテゴリで故障モードを網羅的に洗い出してください。①機能喪失、②機能低下、③意図しない機能、④間欠的機能。過去の不具合データに類似事例がある場合は必ず参照してください」（出典：ロボイン "生成AI活用で変わるFMEA"）
- 影響分析：「各故障モードについて、①故障の影響（顧客への影響、安全への影響、法規制への影響）、②想定される原因、③現在の予防管理策、④現在の検出管理策を記述してください」
- RPN評価の提案：「過去の不具合データと業界基準に基づき、S・O・Dの推奨スコアを提案してください。ただし最終的なスコアの確定は人間のエンジニアが行うことを前提とします」
人間が判断すべきポイント
- 故障モードの最終確定：AIが洗い出した故障モードの中から、対象製品・工程に実際に該当するものを最終選定するのはエンジニアの判断
- RPN評価の最終決定：AIの提案スコアを参考に、現場の実態に基づいてS・O・Dを最終決定する
- 対策の実現可能性判断：AIが提案した対策が技術的・経済的に実現可能かの判断は人間が行う
- 安全に関わる判断：人命に関わる安全関連の故障モードの評価は、必ず有資格者が最終確認する
他業種の類似事例
- 自動車業界のAIAG-VDA FMEA：VDAが2026年にAI in Quality Managementのイエローボリュームを発行し、FMEAへのAI適用の業界標準を策定（出典：VDA "AI in Quality Management"）
- 航空宇宙産業の信頼性分析：航空機部品の信頼性分析にAIを活用し、故障パターンの予測精度を向上
- 医療機器のリスクマネジメント：ISO 14971に基づく医療機器のリスク分析にAIを活用し、ハザード分析の網羅性を向上
導入ステップと注意点
ステップ1：過去の不具合データ・FMEAのデータベース化（2〜4週間）
過去のFMEA表、8Dレポート、市場クレームデータをベクトルデータベースに格納し、RAGで類似事例を検索・参照できるようにします。用語の標準化（「機械」「設備」「装置」の統一等）が重要です（出典：日経xTECH "NECの工程FMEA自動生成"）。
ステップ2：故障モード洗い出しのプロンプト設計（2〜3週間）
ベテランエンジニアの「故障モードの着眼点」をヒアリングし、プロンプトに落とし込みます。「この材料でこの環境条件なら、まずこの故障モードを疑う」の暗黙知を構造化します。
ステップ3：パイロット運用（4〜8週間）
実際の製品・工程でAI生成FMEAとベテランが作成したFMEAの網羅性・精度を比較します。AIが見落とした故障モード、AIが過剰に洗い出した故障モードを分析し改善します。
注意点
- 網羅性の検証：AIが生成したFMEAが過去の実績と比較して故障モードの漏れがないかの検証が最も重要
- RPNの機械的適用の回避：RPNスコアだけで優先順位を決めるのではなく、影響度（Severity）が高い項目は個別に対策を検討する
- データの品質：過去の不具合データの精度（原因と対策が正確に記録されているか）がAIの出力品質に直結する
Renue視点：専用ツールではなく汎用LLMで実現する理由
FMEAの本質は「部品や工程の各要素について、何が壊れうるか、その影響は何か、どう防ぐか」を網羅的に言語化する作業です。QualityforceやFactory AI等の専用FMEAツールも存在しますが、汎用LLMに過去の不具合データと設計情報をRAGで参照させれば、故障モードの網羅的洗い出しとFMEA表のドラフト生成が可能です。ベテランエンジニアの「この部品でこの条件なら、この故障モードに注意」という暗黙知を言語化してプロンプトに組み込むことが、AI活用の最も重要なステップです。
まとめ
製造業のFMEA/FTAは、過去の不具合データ＋設計情報をLLMに入力し、故障モードの網羅的洗い出し→影響分析→RPN評価の提案→対策提案のパイプラインで効率化が可能です。Cambridge大学の研究ではLLMを統合したAI駆動FMEAが従来手法に対して速度・精度・信頼性で有意な改善を示しています（出典：Cambridge "AI-driven FMEA with LLMs"）。ただし、故障モードの最終確定、RPN評価の最終決定、安全関連の判断は完全にエンジニアの専門性の領域です。
あわせて読みたい
- ペーパーレス化の進め方｜中小企業のための導入ステップとツール選定ガイド【2026年版】
- AI導入ROI測定とは？生成AIの投資対効果・PoC評価フレームワーク・企業のAI価値実証ガイド【2026年版】
- ハイブリッドワークとは？テレワークとの違い・導入課題・成功のポイント完全ガイド【2026年版】
AI活用のご相談はrenueへ
renueは図面読み取り・類似図面検索・CAD自動化・Drawing Agent・積算自動化を提供する図面AI専門サービスです。