jay

私のAI戦闘力は 761,996 でした！ あなたの戦闘力は…？ #AI戦闘力診断 school.addness.co.jp/p/aishindan?u=… x.com/skill_plus_PR/…

AIで品質判定をするツールは、もう作れる時代。 問題は、誰がそのAIの判断にハンコを押すのか。 数ヶ月の信頼構築。リスクレビュー。 自分の名前で承認する覚悟のあるエンジニア。 モデルの精度より、検証シートのサイン欄。 そこが、工場AI導入の本当の壁だ。 #製造業DX #FMEA

@QualityEngAI 100%. Plant-specific data is necessary — but not sufficient. Even perfect data needs someone who's lived the failures to spot when AI is confidently wrong. AI accelerates. Humans validate. #HumanInTheLoop #FMEA

@jay625jay AI-generated failure modes go abstract because training data is too generic. real ones are plant-specific. 'station 14 fixture wear causes hole position drift' beats 'manufacturing process variation causes dim non-conformance' every time. accuracy-vs-time is downstream.

FMEAのレビューで、 時間を優先しますか？精度を優先しますか？ どちらを選んでも、 「見るべき箇所」を知らなければ 本当の意味での品質担保はできません。 AIが生成したFMEAには やらかしやすいパターンがあります。 ・故障モードが抽象的すぎる ・致命的リスクがRPNの低さで埋もれる ・承認者が内容を理解していない この20項目を把握しておくだけで、 レビューの時間も精度も変わります。 現場18年の経験をチェックリストにまとめました。 👉 brain-market.com/u/jayjay/a/b5c… #製造業DX #FMEA #AI活用

Pro版はこちらから直接どうぞ👇 brain-market.com/u/jayjay/a/byY…

FMEAを作った。 でも、また同じ不良が出た。 原因はツールじゃない。 AIの出力を「正しく疑える人間」がいなかったから。 それを解決する実践手法を出しました。 ・ワークフロー全体像 ・PFMEA/DFMEA実践手順 ・Claudeプロンプト30本 🔗 brain-market.com/u/jayjay #製造業DX #FMEA

「また同じクレームが来た」 18年で何度聞いたかわからない言葉。 なぜ繰り返されるか。 クレーム→対策を打つ→でもFMEAは更新されていない。 クレーム報告書をCopilotに読ませる。 ・失敗モード ・推定原因 ・後工程への影響 を自動抽出してFMEAに紐付ける。 AIは「パターン」を見る。 「なぜその現場でそれが起きたか」は人間しか読めない。 AI抽出→人間が判断→FMEAに還元。 この循環が組織の記憶になる。 あなたの会社のFMEAは生きていますか？ #製造業DX #FMEA

1次締切：5/12(火)17時まで。 デジタル化・AI導入補助金、知っていますか？ 今年から「IT導入補助金」が名称変更。AI導入が明確に補助対象になりました。 主な変更点： ①名称変更：IT導入 → デジタル化・AI導入補助金 ②AIツールが検索で絞り込み可能に ③再申請者は賃上げ計画の策定・実行が必須 ただし公式サイトのツール検索は今も「ITツール検索」表記。 名前は変わったが、中身はこれから、という印象。 補助額は最大450万円。動くなら早い方がいい。 ※締切：1次5/12・2次6/15・3次7/21・4次8/25（各17時） 👇 中小企業庁 公式 chusho.meti.go.jp/koukai/hojyoki… #製造業DX #AI活用

明日5/8(金)17時締切。ものづくり補助金第23次、申請しましたか？ 第22次からの主な変更点： ①賃上げ3.5%以上が「加点」→「必須条件」に（1人あたり判定） ②大幅賃上げ特例も「給与総額」→「1人あたり6%以上」の指標に変更 申請書で差がつくのは「課題と解決策」の具体性。 数字で語れる実績が、申請書の説得力を上げる。 次回に向けて実績をつくるなら、今から動くのが早い。 👇 公式ページ portal.monodukuri-hojo.jp 👇 公募要領 概要版（第23次） portal.monodukuri-hojo.jp/common/bunsho/…

Copilot×FMEA、6回やってきた。 ①洗い出し　　　75%削減 ②議事録→リスク　90%削減 ③なぜなぜ分析　 98%削減 ④対策案生成　　 98%削減 ⑤根拠の文書化　 95%削減 ⑥工程変更の差分チェック　18%削減 最後だけ桁が違う。 理由は「AIの性能」ではなく「人間の読解工数」。 AIが出した大量の差分情報を、人間が理解・整理するのに時間がかかった。 削減率が低い＝AIが苦手、ではない。 情報量が増えるほど、人間の処理負荷も上がる。 #製造業DX #HumanInTheLoop

Copilot × FMEA ⑤ ①故障モード→②議事録→③なぜなぜ→④対策案 そして今回⑤スコアリング根拠の言語化 30分 → 1.5分（95%削減） でも修正が2箇所必要だった。 ❌「停止しないから影響度4」→過小評価を招く ❌「ゼロにはできません」→顧客NGワード 5回・累計10箇所の人間修正 AI単独完結：0回 数字を出すのがAI 言葉に変えるのが人間の仕事 #製造業DX #HumanInTheLoop

ありがとうございます！ Copilotを使って実際に検証しながら投稿しています。 故障モードはAIが出して、人間がレビュー・追加・削除。過去トラも事例を渡せば展開できます。点数付けも同様です。ただ「AIの根拠が正しいか」を判断できないとゴム印承認になる。そこを人間が担うのがHuman-in-the-Loop。引き続き検証結果を投稿していきます！ #FMEA

@jay625jay 面白そうですね！ 故障モードは人間が全部出してるんですか？ 過去トラも？ 点数付けとかは？

FMEA対策案12個の生成と優先順位付け。 手動なら会議で60分かかる。 Copilotに根本原因を渡したら1分で出た。 ただし3箇所、人間が直した。 ・「認定制度を2ヶ月で構築」→非現実的（最低1年） ・「全数測定を即義務化」→工数・コスト影響を無視 ・「4M変更管理の優先度：中」→全対策の基盤なのに低すぎ AIはリストを作るのが速い。 人間は現場の制約を知っている。 #製造業DX #FMEA

なぜなぜ分析、手動なら60〜90分かかる。 Copilotに不良事例を貼ったら 4M×5段階のなぜなぜが60秒で出た。 ただし2箇所、人間が直した。 ・「グリスの種類が変更された」→事例にない推測 ・「納期優先の風土」→根拠ゼロの当てはめ AIは構造を作るのが速い。 人間は事実と推測を見分ける。 これがHuman-in-the-Loop。 #製造業DX #FMEA

サンプル議事録でCopilot×FMEAを試してみた。 手動なら30分かかるリスク抽出が3分で8項目の表になった。 ただしAIは「アクション期限超過リスク」を拾えなかった。議事録に書いてあっても、懸念事項の言葉がなければスルーする。 気づいて追加指示できる人間がいるかどうか。それがAI活用の本質だと思う。 #FMEA #製造業DX

Copilotでボールねじのリスクを洗い出した。 20項目を数分で出してきた。 それなりに網羅されている。 でも1つ抜けていた。 「特注仕様部の保守マニュアルが整備されていない」 18年の現場を知っていないと気づけない項目だ。 「なくても成り立ってきた」リスクはAIに出せない。 これがHuman-in-the-Loopの本質だと思っている。 #製造業DX #AI活用

AIでFMEAを作ったとき、こんな場面はないですか。 スコアの根拠を聞かれて 「AIがそう出しました」と答えるしかない。 承認する側も「まあ妥当だろう」と流す。 ハンコが押される。FMEAが完成する。 「承認した」と「検証した」は、まったく別のことです。 AIの出力を正しく疑うための3つの問いをnoteに書きました。 note.com/ripe_aster9892… #製造業DX #FMEA

設計ミスはなぜ、最悪のタイミングで発覚するのか。 試作・量産・リコール。 18年で全部経験した。 問題は設計者のスキルじゃない。 「網羅する仕組み」がなかったから。 詳しくnoteに書きました👇 note.com/ripe_aster9892… #製造業DX #AI活用

ものづくり補助金、今週末で締切です。 上限2,500万円。 AI導入・FMEA整備も対象。 「うちは関係ない」と思ってたTier2メーカーほど 実は該当する。 残り8日。 動くなら今週がラストチャンス。 気になる方はDMください。 #製造業DX #AI活用