製造業の受入検査サンプリング計画にAIを導入するなら、最初に決めるべきことは「AIが何個検査するか」ではありません。どの仕入先の、どの品番の、どのロットに、誰が承認した検査計画を適用するかです。タイの工場では購買、倉庫、品質保証の記録が分かれ、納品時に検査条件を探す時間が発生しがちです。本稿は、ISO 2859-1:2026など合意済みの抜取検査方式を基準に、AIをリスクの整理と例外の発見へ使う導入手順を説明します。
受入検査サンプリング計画の導入で何を解決するか
受入検査の目的は、到着したロットを決められた基準で評価し、使用・保留・不合格を適切な権限で判断することです。対象は部品、材料、外注加工品などで、検査すべき特性、単位、梱包、ロットの定義は異なります。受入担当者が在庫へ登録した事実と、品質保証が使用を許可した事実も区別しなければなりません。入荷数が合っているだけでは、重要寸法や材質が適合したとは言えません。
多くの工場では、仕入先評価は購買の表、過去不良は品質の表、現物の入荷は倉庫のERP、図面改訂は別フォルダーにあります。担当者は各情報を確認して検査票を作りますが、朝の入荷集中時には前回のサンプル数をコピーし、変更通知や不良履歴を見落とす危険があります。AIの役割は、この分散した証拠をロットごとにそろえ、「通常計画をそのまま適用できるか」「人に確認すべき例外があるか」を見えるようにすることです。
ここでのサンプリング計画は、単なる検査数の削減策ではありません。検査特性、検査方式、検査水準、AQL、ロットサイズ、サンプル抽出方法、合格・不合格判定数、切替状態、異常時の処置、承認者までを結んだ運用ルールです。これらのうち一つでも不明なら、AIがもっともらしい個数を提示しても現場の判定には使えません。まず既存の受入・入庫システムの設計と照らし、入荷、検査、在庫保留、使用許可の境界を整理します。
ロットの境界を受入時に固定する
同じ仕入先、同じ品番、同じ日付で届いても、製造日、製造ライン、熱処理炉、原材料バッチが異なれば同一ロットとして扱えないことがあります。逆に複数箱を無条件に別ロットにすると、同じ製造母集団を細かく切り、検査効率や切替履歴を歪めます。契約、図面、仕入先のロット定義に従い、受入単位、ロットID、箱・パレットID、数量、製造履歴への参照を登録します。AIがラベルから候補を読み取っても、曖昧な境界は品質担当が確定します。
ロットを後で分割・統合した場合は、元ロットと新ロットの関係、検査済みサンプルの帰属、判定の有効範囲を残します。分割後に元の合格結果を両方へ機械的にコピーすると、抽出の前提が崩れます。データ上のロットと現物の隔離札が一致することも必要です。夜勤で受けた材料を翌朝に検査するなら、検査待ち在庫を使用可能在庫として引き当てない設定を先に確認します。
ISO 2859-1:2026とAQLを基準計画にどう位置付けるか
ISOの公開情報によれば、ISO 2859-1:2026は抜取検査を属性で判定するロットごとの方式で、AQLを索引にした単回・二回・多回の計画を扱います。2026年1月の第3版では、前版を置き換え、スキップロット手順や適用ガイダンスを含みます。ただし、公開概要だけで特定ロットのサンプル数や合格判定数を決めることはできません。契約で採用する規格の版、検査水準、AQL、切替条件を確認し、正式な表と承認済み手順で計画を確定します。
ANSI/ASQ Z1.4にも属性による抜取検査と通常・厳格・緩和の切替方式があります。Z1.9は計量値を扱います。これらの規格名をシステムの選択肢として並べる場合も、表の値や運用条件を同一視しません。顧客契約が古い版や独自のサンプリング手順を指定しているなら、その契約を勝手にISO 2026版へ読み替えないことが重要です。画面には「どのルールの何版を適用したか」を明示します。
AQLを「このロットに許される不良率」と表示するのも避けます。AQLは抜取計画を索引付けする品質水準であり、合格した個別ロットの全数が規格内である保証ではありません。NISTのOC曲線の説明が示すように、サンプル数と合格判定数を持つ計画には、実際の不良率に応じた合格確率があります。つまり良いロットが不合格となる可能性も、悪いロットが合格となる可能性もゼロではありません。どちらのリスクをどれだけ受け入れるかを、製品と顧客の要求に結び付けて決めます。
「AQL 1.0だから1%までOK」と誤読させない
例として1,000個の入荷ロットを考えます。数量だけをAIへ渡して「AQL 1.0のサンプル数」を聞いても、検査水準、検査の型、現在の切替状態、特性ごとの計画、契約版が欠けています。この例ではサンプル数もAc/Reも提示しません。実装では、承認された計画IDから正式な表を参照し、画面に計画版と根拠を表示します。Acは合格判定数、Reは不合格判定数として、観測数と合わせて確認できるようにします。二回・多回計画には段階ごとの判断を別に持たせ、単回計画へ単純化しません。
特性の重大度も一律ではありません。安全、法規、顧客の特別特性は、一般外観より強い検査や全数確認、証明書との突合を契約が求める場合があります。AIの「低リスク」表示を理由に、重大特性の規定検査を省く設計は避けます。材料証明書があっても現物ID、ヒート番号、有効な図面版との対応が確認できなければ、証明書だけで受入完了としません。
仕入先品質リスク評価に使うデータ
AIによるリスク評価は、ロット判定そのものではなく、品質担当が見るべき情報の優先順位を付ける作業です。入力には仕入先、製造サイト、品番と改訂、ロット、特性、過去の不適合、是正処置、納期変更、変更通知、証明書、測定器の状態などが考えられます。使えるデータは工場ごとに異なります。少数の不良記録しかない仕入先を、件数が少ないという理由だけで「優良」と判定するのは危険です。入荷量と検査機会を分母に置き、記録の欠落も別のシグナルにします。
仕入先を一つの点数で固定するより、品番・特性・製造拠点・期間ごとに履歴を分けます。同じ会社でも別工場の金型部品と樹脂材料はリスクが異なります。新規品番には履歴がなく、長く取引している品番にも図面改訂や設備移管で条件変化が生じます。AIは「データ不足」「条件変更」「過去の問題が再発した可能性」を区別して表示し、数字がないものをゼロリスクとして補完しません。
過去の不適合を扱う際は、検出日だけでなく製造日、発見工程、対象ロット、流出先、原因、封じ込め、是正処置の有効性確認まで結びます。8D報告が提出されたことと対策が効いたことは別です。AIが報告書から変更点を要約するときも、原文ページと承認状態へ戻れるようにします。顧客苦情、工程内不良、受入不良を混ぜて一つの率にすると、どこで発見された問題か見えなくなります。
信頼できる特徴量と、採用しない特徴量
採用候補は、同一品番・同一特性の直近ロットにおける正式な不適合、前回の切替状態、承認済みの仕入先変更、証明書の欠落、検査記録の欠落などです。ただし不良率や再発頻度は、検査した数量と検査方針が変われば直接比較できません。受入検査を緩和した後に発見数が減っても、品質が改善したとは限らないからです。サンプル抽出率と発見率を同時に見る必要があります。
運転手の名前、担当検査員、曜日といった偶然の相関を、仕入先ロットの品質リスクとして使うべきではありません。人の評価や代理変数に転用されるおそれもあります。仕様変更の直後だけ一時的に不良が増えるなら、何が変わったのかを工程の説明と結び、モデルの単なる予測スコアより確認可能な証拠を優先します。新規仕入先や新規品番では、学習データが薄いと明示して標準計画または保守的な承認ルートを適用します。
AI出力は「推奨」欄と「根拠」欄に分けます。例として「この品番では直近の正式な不適合が1件あり、是正処置の効果確認が未完了」という表示は、人が確認できます。「不良の可能性87%」だけでは、対象母集団も校正状態も分かりません。確率表示を使うなら、対象品番群、評価期間、校正方法、誤報と見逃しを検証し、現場が誤解しない表示を設計します。閾値は規格の数値として扱わず、工場と顧客のリスク許容度で承認します。
抜取検査AIと承認済み計画の境界
実装を「ルールエンジン」と「AI支援」の二層に分けます。ルールエンジンは、契約、品番、特性、ロットサイズ、承認済みの切替履歴から、適用する計画版を決定します。AI支援は、仕入先履歴や変更通知を整理し、計画を再確認すべき理由を提示します。AIが危険を示した場合は追加検査や保留を品質責任者へ提案できますが、承認前に表の行や切替状態を黙って書き換えません。AIが安全を示した場合も、要求されたサンプル数を減らしません。
この分離は運用上も便利です。AIモデルを更新しても、承認されたサンプリング規則の版は変わりません。逆に契約が改訂されても、学習し直すまで計画を適用できないという依存を作らずに済みます。現場画面では、正式な「適用計画」と任意の「AI注意喚起」を視覚的に分け、担当者が計画を検索結果と勘違いしないようにします。緊急時の臨時検査は別の承認フローとし、理由と対象ロットを残します。
計画選択の入力が欠ける場合は、過去ロットの条件を推測して補うのではなく、保留または確認待ちへ送ります。例えば品番改訂が図面とラベルで一致しない、仕入先製造サイトが未登録、ロット数量が箱数と合わない、契約のAQL表現が曖昧という場合です。「エラーを減らす」ためにAIが最もありそうな値を自動入力すると、検査計画の誤適用が見えなくなります。候補値を出す場合も、原資料と確認者を記録します。
AIがしてよいこと、承認が必要なこと
| 処理 | AI支援の範囲 | 確定する主体 |
|---|---|---|
| 仕入先ラベル・証明書の読取 | 品番、ロット、改訂の候補を抽出し不一致を表示 | 受入担当と品質担当 |
| 計画候補の照会 | 承認済みマスタへの検索条件を準備 | ルールエンジンが正式版を確定 |
| 不良・変更履歴の要約 | 原記録へのリンク付きで優先確認事項を提示 | 品質担当が事実を確認 |
| 追加検査・保留の提案 | 理由と影響範囲を示す | 権限を持つ品質責任者 |
| サンプル数・Ac/Re・切替変更 | 自動変更しない | 契約と正式な変更承認に従う |
| ロットの使用・不合格処置 | 判断材料を整理 | 指定された品質権限者 |
この表で「AIが自動変更しない」と書いた部分は、モデルの精度が向上しても勝手に解禁しません。顧客、規制、工場の正式な変更管理を経た後にのみ権限を見直します。説明可能性だけでなく、誰がいつ、どの規則に従って最終判断したかを残すことが重要です。海外工場の品質管理システムでも、複数部門の記録を同じロットと判定へつなぐ設計が基盤になります。
AQL切替ルールとスキップロットをシステムで守る
通常、厳格、緩和などの検査状態は、単一ロットのAIスコアだけで都度切り替えるものではありません。承認済みの方式には、継続するロット列に対する条件と履歴があります。ISO 2859-1:2026の公開説明は切替ルールとスキップロット手順を含むと示しますが、具体的な適用条件は正式な規格と契約で確認します。ASQが説明するZ1.4も通常・厳格・緩和の計画と切替を持ちます。いずれも「前回問題がなかったから今回半分」という個人判断とは違います。
切替状態を管理するキーは、最低でも契約、仕入先製造サイト、品番または同質の品目群、検査特性、適用規格版を含めて決めます。同じ仕入先でも別品目の履歴を混ぜると、良い品目が悪い品目を隠す可能性があります。ロットの順序、検査実施日、結果、再提出ロット、スキップしたロットを記録し、誰がどの条件で切替を承認したかを追跡します。契約変更時の履歴の引継ぎは別途判断が必要です。
スキップロットは「長く不良がないので検査を省く」という単純な機能名ではありません。適用資格、選定方法、継続監視、資格の取消しを含む手順です。新規のISO版で選択肢に入ったとしても、顧客が認めていない場合に勝手に有効化しません。緩和やスキップの対象外となる重要特性や証明書確認も明記します。AIは資格条件の証拠を集めて提案し、資格の確定は承認ワークフローに渡します。
計画を変更した場合は、発効日時と適用開始ロットを明確にします。入荷済み・検査中・判定済みロットへ新しい版を自動で遡及適用してはいけません。検査票には発行時の計画スナップショットを保持し、後にマスタが変わっても当時の判断を再現できるようにします。誤った版が使われた場合は、どのロットが影響を受けたか検索し、隔離・再検査・顧客連絡を品質保証が判断します。
切替履歴の一例は「数値」より状態遷移で説明する
画面に必要なのは「現在、通常」「次回、厳格」といった状態だけではありません。どの連続ロット、どの結果、どの規則版が遷移条件を満たしたかです。欠番、再提出、返品、別サイト製造ロットが列に入ったときの扱いを決めます。AIが記録の不一致を検出したら遷移を止めて品質担当へ通知します。ダッシュボードの見栄えのために結果を埋めたり、発見が遅れた不良を過去ロットの順序から消したりしません。
現物のサンプル抽出と検査結果をどう記録するか
正しい表を引いても、上の箱だけから都合よくサンプルを取れば代表性が落ちます。入荷ロットが複数箱、パレット、製造時間帯にまたがる場合、抽出方法と抽出位置を作業標準で定めます。乱数や端末の指示を使うなら、対象母集団、乱数の記録、欠品箱の処理、交換サンプルの理由を残します。AIが抽出位置を示す画面を作っても、現場でその箱にアクセスできるかを確認します。
測定値は単位、測定器、校正状態、図面版、測定環境と結びます。属性検査であれば不適合品数と不適合数を混同しません。一本の部品に複数の欠点があったとき、計画が何を数えるかを検査票で明示します。計量値の検査は属性の合否表にそのまま代入せず、契約で指定された方式を使います。検査員が写真や測定値を添付した場合、AIは分類候補を示せますが、境界品の最終判定には承認済みの限度見本と人の判断を使います。
不合格、保留、再検査、選別、返品、特別採用は別の状態です。抜取結果が受入条件を満たさなければロットを使用可能在庫へ自動解除しないようにします。その後の全数選別や仕入先への返却は、検査計画の結果と、ロットの処置判断を分けて記録します。再検査で都合のよいサンプルを何度も選び直して合格にすることは避け、再提出ロットの扱いを契約と手順に従って明確にします。
タイ工場での導入構成と権限
最低限の構成は、ERPまたは購買システムから入荷予定と発注情報を受け、WMSで現物ロットを確認し、QMSまたは検査アプリで計画と結果を管理する形です。AIは証明書・変更通知・不良履歴を読み、例外の根拠を検査画面へ表示します。各システム間のキーは発注番号だけでは足りません。仕入先ID、製造サイト、品番・改訂、ロットID、入荷ID、検査特性ID、計画版をつなぎます。ロットIDの書式が仕入先ごとに違うなら、原文を保持したうえで正規化値を追加します。
「入荷済み」「検査待ち」「検査中」「保留」「合格・使用可」「不合格・処置待ち」などの状態を定義し、在庫引当への影響を決めます。搬入だけ済んだロットが生産現場へ流れないよう、ERP/WMSとの連携遅延時は保留側へ倒します。検査結果を保存した時点と品質承認時点も分けます。夜勤の検査員が入力できても、品質責任者が不在なら正式な使用許可が翌朝になることを画面に示します。
権限はマスタ編集、検査実施、結果訂正、臨時追加検査の承認、切替承認、ロット処置、AIモデル更新に分けます。一人がすべてできる設定は避け、代理承認には期間と理由を付けます。タイ語、日本語、英語の表示を使う工場では、品番、単位、状態コード、重要特性の名称を同じIDに結び、翻訳で判定が変わらないようにします。AI要約を翻訳した場合も原文と承認済み訳を比較できる状態にします。
監査ログは「何を見て決めたか」まで残す
一件のロットについて、入荷登録、対象計画の決定、サンプル抽出、測定、不適合、AI注意喚起、人の確認、判定、在庫解除または隔離を時系列にたどれるようにします。記録には担当者、時刻、元データID、計画版、AIモデル版、表示された根拠、承認理由を含めます。モデルが後で更新されても、当時の提案を新しいモデルで上書きしません。AIが提案を外したケースも残し、どこで人が正したかを改善に使います。
図面や証明書に価格、顧客情報、個人情報が含まれることがあります。AIサービスへ送る文書の範囲、保存先、アクセス権、保持期間、再学習への利用可否を契約で確認します。クラウド利用が難しい顧客データは、許可された環境で処理する構成を検討します。AIの導入費だけでなく、マスタ整備、現物ラベル、端末、ネットワーク、測定器連携、監査ログの保管と教育を見積りに含めます。
PoC、RFP、FAT・SATで確認する項目
PoCでは万能なモデルを作るより、対象を一つの部品群と数社の仕入先に絞り、現状手順を再現します。まず承認済み計画をデジタル化し、ロットIDと検査結果の関係を確認します。次にAIへ履歴と証明書の照合・要約だけを任せ、人が見落とした例外を拾えるか、誤報で業務が止まりすぎないかを評価します。AIなしでも計画と判定を実行できる構成なら、モデル不調時の業務継続も検証できます。
NISTのAI Risk Management Frameworkは、AIの利用文脈を定義し、リスクに合わせて測定・管理する考え方を示しています。PlaybookのMeasureは、評価方法と指標を重要なリスクから選び、測れないものも文書化するよう促します。受入検査のPoCでは「スコア精度」だけでなく、誤ったロット対応、規格版の誤適用、重大特性の見逃し、証明書の別ロット混入、翻訳の誤解、モデル更新後の逸脱を試験します。指標と合格基準は対象品目と顧客要求に応じて事前に決めます。
RFPには、規格の版とライセンス、マスタ作成責任、複数の計画を使う場合の優先順位、切替履歴、承認権限、オフライン時の扱い、ERP/WMS連携、監査出力、AIのデータ境界を記載します。「AIが最適な検査数を自動決定」とだけ書かれた提案は、契約上の検査義務との関係が不明です。ベンダーには、同じロットデータから適用計画と根拠を再現するデモを求めます。規格表を自社で持つ場合の更新方法と、契約変更を誰が反映するかも確認します。
| 試験 | 入力・操作 | 確認する結果 |
|---|---|---|
| 通常受入 | 登録済み品番、完全なロット情報 | 承認済み計画版が選ばれ、サンプル抽出指示が残る |
| 改訂不一致 | ラベルと図面の版を変える | 推測で通過せず、品質確認待ちとなる |
| 重要特性 | AIスコアを低リスクにする | 必須検査は減らず、特別ルールが見える |
| 履歴変化 | 正式な不適合と是正未完了を登録 | AIが根拠を提示し、担当者が追加検査を判断できる |
| 切替境界 | 承認済み条件を満たす履歴を入力 | 正しい状態と規則版を提示し、未承認変更を防ぐ |
| 連携障害 | ERP/WMSへの解除通知を失敗させる | 物理ロットとシステム在庫が保留で一致する |
| モデル不調 | AIを停止または旧版へ戻す | 正式な検査計画と人の判定を続行できる |
FATでは正式な計画表の取り込み、ロット境界、権限、各状態遷移、監査出力をベンダー環境で試します。SATではタイ工場の実ラベル、端末、ネットワーク、測定器、現物の保留札、夜勤の権限で同じシナリオを再実行します。両試験で、モデルが悪い提案を出したときに人が止められることを確認します。検査の所要時間だけが短くなっても、誤った使用許可が増えるなら受入条件を満たしません。
運用後に見る指標
導入後は、検査指示を探す時間、計画誤適用、ロットID不一致、検査待ち滞留、例外承認時間、AI提案の採用・棄却理由、後工程で発見した不良を追います。ただし不良件数の減少だけを成果としません。検査数が減れば発見も減るため、検査機会、入荷量、発見工程を合わせて解釈します。切替状態の変更と顧客苦情の推移を同じ時系列で見て、緩和後に問題が隠れていないかを確認します。
品質担当が毎月確認すべきなのは、モデルの平均点より、誤った計画提案が現場へ届いた件数とその封じ込めです。仕入先、製造サイト、品番改訂の偏りも見る必要があります。新規品番、工程変更後、長期休止後の初回ロットは、過去データに似ていないことを示し、人の確認へ戻します。改善提案は正式な変更審査を通し、評価期間と旧版への復帰条件を定めます。
導入時に見落としやすい失敗と費用の境界
受入検査のシステム化では、AIの性能以前にマスタの食い違いが問題になります。購買システムの品番は社内コード、図面は顧客コード、仕入先ラベルは現地コードという工場では、コード変換表に有効期間と承認者が必要です。単純な文字列一致だけで対応付けると、形が似た旧品番や別改訂を同一品として扱う恐れがあります。AIが候補を提示しても、初回対応付けは承認済みのマスタへ登録し、次回から同じ規則で判定できるようにします。品番体系の改訂時には旧値を消さず、発効日と対象ロットを残します。
仕入先の現場では、ラベルの印字品質や包装単位が統一されていない場合があります。カメラによる読取率が高くても、読み取れなかった箱だけが別ロットだったなら危険です。読取不可率、手入力率、手入力の再確認率を試験で測り、無理に自動化率だけを追いません。端末の通信が切れたときは、紙の仮記録を許すか、入荷ロットを隔離して復旧を待つかを決めます。後で紙を入力するなら、原記録、入力時刻、実際の検査時刻を区別し、同じ結果の二重登録を防ぎます。
測定器の校正期限が切れていたと判明した場合、影響するのは現在のロットだけではありません。その測定器で検査した期間とロットを検索し、使用済み材料や仕掛品まで追跡する可能性があります。システムは検査時点の測定器IDと校正状態を保持し、後から発見された問題の範囲を絞れるようにします。AIが画像や数値の異常を検出する仕組みを入れても、測定基盤の信頼性を代替しません。計測条件が変わったまま学習時のしきい値を使えば、精度の数字が良く見えても実物への適用は不確かになります。
費用を見積もるときは、AIのAPI費用とライセンスだけでは不足します。計画表と品番・特性マスタの整備、ラベルと箱単位の整理、既存ERP/WMSとの連携、測定器の接続、ネットワークの死角、検査台の端末、権限設定、教育、版更新、監査ログの保管を分けて見積もります。特に規格表の電子化には利用権と改訂時の維持方法の確認が必要です。規格を画面に表示するだけなのか、規格から選択した結果を保存するのかでも実装範囲は変わります。ベンダー見積りは初期構築と運用保守を分け、ユーザー側が準備するマスタの作業量を明記します。
業務効果も、一律の「検査工数何割削減」では判断しません。通常ロットで計画探しにかかる時間、例外ロットの発見・承認時間、誤った計画の修正費用、保留品が誤使用されたときの影響を別に測ります。AIが検査数を減らすことを目的にすると、契約上の検査義務を守りながら改善するという本来の条件から外れます。先にロット照合と記録作成の時間を短縮し、計画変更の可否は正式な品質データを蓄積した後に判断します。品質部門が望むのは単に処理速度ではなく、後でロットを説明できることです。
例外の発生順序を試験に入れる
実運用の例外はきれいな順番で起きません。朝に入荷し、検査中に仕入先の変更通知が届き、夕方に前ロットの顧客苦情が判明することがあります。検査票を発行した後でリスク情報が更新された場合、既存票へ自動で数値を上書きするのではなく、「新しい情報が到着した」「品質担当による再評価が必要」というイベントを残します。使用許可前なら保留を延長できるようにし、すでに使用された場合は影響範囲と後続ロットを検索できるようにします。
別の例では、検査結果は合格条件内でも、証明書のヒート番号がラベルと一致しないことがあります。抜取結果だけで使用を許可すると、材質の追跡が失われます。反対に証明書が正しくても、寸法検査で不合格なら証明書を理由に合格へ変更しません。複数の受入条件を一つの「合格」ボタンへ潰さず、数量、識別、証明、特性検査、特別承認の各ゲートを表示します。どのゲートが未完了かが分かれば、現場も購買も次に誰へ依頼すべきか判断できます。
AIの判定材料に新しい品質問題が追加されたとき、再学習が必要か、ルールの変更が必要かを分けます。例えば仕入先の工程移管通知を見落としたなら、文書読取やマスタ照合の改善が候補です。一方、「工程移管後は一定期間、検査状態を厳しくする」という運用判断は顧客契約と品質手順の変更に属します。モデル改修だけで業務ルールを埋め込むと、承認のない検査変更がコードに隠れます。変更要求票には、原因、対象品番、適用開始ロット、承認者、旧版へ戻す条件を記入します。
導入計画を三段階で進める
第一段階では、現行の紙帳票とERPの受入記録を突合し、どの品番にどの検査計画が適用されているかを棚卸しします。この段階ではAIを使わず、品番改訂、ロット境界、検査特性、規格版、切替状態、承認者を確認します。責任者が決まらないマスタは仮登録で本番へ流さず、品質と購買で持ち主を決めます。既存票に「前回と同じ」とだけ書かれている場合は、何を根拠に同じとしたかを調べます。これをしないままデータを移せば、曖昧な慣行もそのまま高速化されます。
第二段階では一つの品目群を対象に、入荷から検査、保留、使用許可までの状態連携を試します。現物と画面のロットIDを同時に確認し、サンプル抽出位置が現場で実行可能かを観察します。早朝や夜勤、検査員不在、通信断、数量差異も入れます。仕入先の英語ラベルとタイ語の現場表示、日本語の品質承認画面で同じIDと判定を追えることが条件です。現場がシステムの表示と違う判断をした場合は、その理由を記録し、手順を修正するか、教育を見直すかを決めます。
第三段階でAIの証拠照合を加えます。まず過去の受入記録を使い、実際に起きた変更通知漏れや証明書不一致を再現します。AIに見せる前後で、担当者が例外を発見するまでの時間、確認に使った原資料、誤報の件数を比較します。採用後もモデルを定期的に更新するだけでなく、対象品目や仕入先が変わった際に評価をやり直します。モデルが不調なら支援表示を止め、正式な検査計画は動かし続ける手順を用意します。
この段階方式は、初期範囲を小さくするためだけではありません。問題が起きたとき、マスタ、現物運用、AIのどこが原因かを切り分けられるようにするためです。導入後の教育でも「AIの提案を採用する方法」だけでなく、「提案を採用しない条件」「誰へ保留を引き継ぐか」「使用許可を取り消す場合の連絡先」を練習します。品質保証が運用を理解していない状態でIT担当だけがモデルを保守すると、計画変更の責任が曖昧になります。役割と判断権限を引継ぎ資料に残します。
加えて、試験用データと本番データを混ぜない運用が必要です。試験で作った架空の不良や仮の仕入先評価が本番の切替履歴へ入り込むと、次のロットに誤った検査計画が適用される可能性があります。試験環境の契約番号とロット番号を分け、移行時に承認済みの実績だけを取り込みます。移行後は、旧システムの直近ロットと新システムの初回ロットを並べ、計画版、抽出数、判定、在庫状態を品質担当が照合します。過去のデータに欠落があれば、無理に履歴を作り直さず、欠落期間と初期状態の承認理由を残します。
停止や災害からの復旧も受入試験に含めます。検査中に端末が停止した場合、どのサンプルをすでに採取したか、どの結果が保存されたかを確認できなければ、担当者は最初からやり直すのか判断できません。復旧後に二重入力や別ロットへの結果付け替えを防ぐため、検査指示とサンプルに一意の識別子を付け、未完了の状態を明示します。紙で一時運用した場合は、元の紙、入力者、実検査時刻、後入力時刻を結びます。復旧の速さだけでなく、復旧後の判定を説明できることを確認します。
最後に、仕入先へのフィードバックの渡し方を決めます。AIのスコアだけを「品質が悪い」と送ると、相手はどのロット、どの特性、どの測定を直せばよいか分かりません。正式な不適合記録、対象数、写真や測定値、適用した図面と検査計画を人が確認し、必要な範囲で共有します。仕入先が異議を出した場合は、元の判定と再確認の結果を両方残します。AIが示した懸念が誤報だったと分かれば、今後の評価にその事実を反映し、同じ誤報で受入を繰り返し止めないようにします。
よくある質問
受入検査のサンプリング計画をAIだけで決められますか？
AIは仕入先履歴や証明書を照合し、例外や追加確認の候補を示せます。正式なサンプル数、判定数、切替状態は、契約、規格の版、承認済み計画から決めます。AIが提案した変更を採用する場合も、品質責任者の承認と変更履歴が必要です。
AQLが同じなら、すべての部品で同じ個数を検査しますか？
いいえ。適用する方式にはロットサイズ、検査水準、計画の型、切替状態、特性や契約条件が関わります。AQLの数字だけからサンプル数は決まりません。ISO 2859-1:2026の正式な表と該当契約を参照します。
仕入先品質リスク評価が低ければ、抜取検査を省略できますか？
低いAIスコアだけでは省略できません。緩和やスキップロットは、適用規格と契約が許す場合に限り、資格、履歴、選定、取消しのルールを満たして承認します。重要特性は別の要求が残ることがあります。
全数検査をすればサンプリング計画は不要ですか？
全数検査でも測定器、検出能力、記録、見逃しの管理が必要です。破壊試験や時間のかかる測定には全数が現実的でない場合もあります。特性ごとに検査方式を決め、全数対象と抜取対象を明記します。
ISO 2859-1:2026へ自動で切り替えるべきですか？
規格の新版が公表されても、既存契約や顧客仕様が自動で改訂されるわけではありません。採用版、移行時期、適用開始ロット、規格表の更新、教育と試験を品質部門と顧客で確認します。
まとめ
受入検査サンプリング計画へのAI導入は、まずロットと特性の定義、承認済み計画、AQLと切替履歴、現物抽出、使用許可を一つの流れにします。その上でAIが仕入先の変化や証拠不足を見つけ、品質担当へ根拠付きで知らせます。計画の変更とロットの処置は権限を持つ人が承認し、当時の規格版、AI版、判断理由を残します。この順序なら、検査の速さと判断の説明可能性を両立できます。
タイ工場で受入検査の現行手順、仕入先履歴、ERP/WMSの状態を整理し、AI支援の範囲を検討している段階でも、TOMAS TECHへご相談ください。最初に一つの品目群と実ロットで計画から使用許可までを確認すると、システム化の範囲を決めやすくなります。
