USE CASE MAP
組立系・化学/素材系それぞれ5工程 × 4技術
人がPC上で行う業務なら、AIで実現可能。ただし、ROIが成り立つ領域が対象となります。
01
組立系製造業
| 工程 ▾ ／ 技術 ▸ | 探す・見つける＋活用するLLM + RAG （+ ナレッジグラフ） | 図面を解読するVLM + RAG | 関係を辿って原因に迫るLLM + ナレッジグラフ + RAG | 組合せを最適化する最適化ソルバ + LLM |
|---|---|---|---|---|
| 設計 | 過去設計の流用さがし類似形状・仕様の過去設計を横断検索。流用可否と注意点まで提示し属人化を解消 | 検図の自動化図面・仕様・社内基準をVLMで読解。規格・法規・過去不具合との差異を指摘 | 設計変更の影響範囲の特定1件の変更が部品・製品・取扱説明書・治具のどこに波及するかを辿り、修正漏れを防ぐ | 部品選定・組合せの最適化コスト・在庫・互換・調達性の制約から最適な組合せ候補を順位つきで提示 |
| 調達・試作・ 量産準備 |
供給遅延・部品EOLを予測メール・通知から遅延やEOLを検知。影響部品と代替候補、仕入先への照会文まで生成 | 図面 → 工程のたたき台図面から加工手順・段取り・必要設備のたたき台を生成し技術継承を支援 | 部品共通化の候補と削減効果全製品の部品表を横断し重複・類似部品の共通化候補を抽出。削減見込みも試算 | 試作前に性能・耐久を予測過去試験データから性能・耐久を予測。試作回数とリードタイムを削減 |
| 製造・品質 | 現場メモ・口頭 → 保全起票現場メモや口頭報告から保全・改善起票のたたき台を生成。担当割り当てまで | 検査要領の生成・照合図面・検査基準から検査要領を生成。不適合品は図面と照合し該当箇所を特定 | 不具合原因の特定と横展開工程・部品・ロット・過去対策の関係を辿り原因特定。横展開先まで | 生産順序・割り当ての最適化納期・在庫・段取り・設備能力の制約から生産順序と人員の割り当てを最適化 |
| 物流 | 出荷・輸送記録の横断さがし出荷指示・納品記録・輸送手配を横断検索。過去に同じ条件をどう扱ったかと注意点を提示 | 出荷ロットの追跡・影響範囲の特定不具合ロットの出荷先・在庫・輸送中の分を辿り、回収・差し替えの範囲を特定 | 積載・配車・在庫配置の最適化納期・車両サイズ・保管条件の制約から、積載と配車、拠点間の在庫配置を最適化 | |
| アフター サービス |
故障の切り分けと整備手順の提示症状・エラーコード・稼働履歴から想定原因と整備手順を提示 | 補修部品の適合チェック・展開マニュアル・部品図を読解し機種・年式・仕向けへの適合可否を判定。対象機種の一覧まで提示 | 市場不具合・クレームの原因究明共通原因を早期発見し影響機種・ロット・在庫を辿って特定。回収判断を支援 | 稼働ログ → 故障予兆 → 先回り保全稼働ログから交換時期や故障予兆を見極め、部品補充と訪問を前倒しで計画 |
02
化学/素材系製造業
| 工程 ▾ ／ 技術 ▸ | 探す・見つける＋活用するLLM + RAG （+ ナレッジグラフ） | 性能・品質を予測する機械学習 + LLM | 関係を辿って原因に迫るLLM + ナレッジグラフ + RAG | 条件・配合・運転を最適化する探索・ベイズ最適化・ソルバ + LLM |
|---|---|---|---|---|
| 研究・処方 | 過去処方・実験の横断さがし類似組成・目標物性の過去実験や文献を横断検索。流用可否と注意点まで提示 | 配合条件 → 性能を予測過去の実験データから機械学習で性能を予測。1回目の試作精度を高め、やり直しを減らす | 物性ばらつきの原因究明組成・原料ロット・条件と物性の関係を辿り、影響の大きい因子の候補を提示 | 目標性能 → 配合条件を探索予測モデルを逆向きに使い、目標性能と制約から試すべき配合・条件の候補を提示 |
| 試作・スケール アップ |
試作記録の再利用小スケールの成功条件・失敗事例を検索し、再現に必要な条件を提示 | スケールアップ後の品質を予測ラボデータから実機での歩留まり・品質を予測。試作回数とリードタイムを削減 | ラボと実機の差異要因の分解スケール間の物性差を、原料・装置・条件の関係から要因分解 | 実機運転条件のたたき台目標品質と設備制約から実機での初期運転条件のたたき台を生成 |
| 調達・受入 | 原料・仕入先情報の横断さがし規格書・COA・過去の受入記録を横断検索。代替原料の可否と注意点まで提示 | 受入ロットの品質影響を予測原料ロットの分析値から製造後の品質への影響を予測 | 供給遅延・規格変更の影響範囲の特定メール・通知から遅延や規格変更を検知。影響銘柄・在庫を辿って特定 | |
| 製造・運転 | 運転日誌・口頭 → 保全起票運転日誌や口頭報告から保全・改善起票のたたき台を生成。担当割り当てまで | 出荷前の品質逸脱を予測運転・原料データから出荷前に品質逸脱のリスクを予測 | オフスペック（規格外）の原因究明と横展開バッチ・原料ロット・運転条件・過去対策の関係を辿り原因特定。横展開先の他銘柄・ロットまで | 運転条件・生産計画の最適化品質規格・コスト・設備能力の制約から運転条件と生産順序を最適化 |
| 品質・出荷 | 規格からの検査要領の生成・照合規格書から検査要領を生成。オフスペック品は該当項目まで照合して特定 | 市場品質問題・クレームの原因究明共通原因を早期発見し影響銘柄・ロット・在庫を辿って特定。回収判断を支援 |
- LLM＝文章を扱う生成AI
- VLM＝図や画像も読める生成AI
- RAG＝社内文書を参照して回答させる仕組み
- ナレッジグラフ＝人・物・工程のつながりを地図にしたデータ
※空欄は、その工程でその技術の適用が主でないことを示します。網羅一覧ではないため、ここに載っていない業務も対象になり得ます。実際のご提案は業務内容とデータの状態に応じて設計します。
この一覧とは別に、代表的な6事例の詳細資料もご用意しています。
NEXT
ここに載っていない業務も、ご相談ください
人が資料を読み、調べ、突き合わせて判断している業務なら検討できます。
御社の業務では、どこから始められるか。
この業務はAIでできるのかというご相談から、AI活用箇所の診断、個別のお見積りまで承ります。
導入に関するご相談も承ります。お気軽にご相談ください。