Company S.
A precision manufacturer discovering defects at the wrong stage — after full machining cost had been applied. We moved quality control upstream, and caught 83% of issues earlier.
精密部品メーカーが欠陥を発見するのは、フルの加工コストが投入された後でした。私たちは品質管理を上流に移し、問題の83%をより早期に捉えるようにしました。
Company S. manufactures high-tolerance components for automotive and industrial clients. Dimensional accuracy is measured in hundredths of a millimetre — a single defective part reaching a client can trigger recalls, contract penalties, and reputational damage.
Their QC process was thorough. But it was thorough at the wrong stage. Inspection happened at the end of each production line, meaning defects were discovered only after 80–90% of machining cost had already been applied to the part. Rework and scrap rates on two of their six lines were running 30% above target — silently eroding margin on every contract. No one had a system-level view of why.
Company S.は自動車・産業機械向けの高精度部品を製造しています。寸法精度は100分の1ミリ単位で測定され、欠陥部品が1点でもクライアントに届けば、リコール・契約違反金・信頼失墜につながります。
QCプロセスは徹底されていました。しかし、徹底が間違ったタイミングでした。検査は各生産ラインの終端で行われており、欠陥が発見される時には加工コストの80〜90%がすでに投入されていました。6ラインのうち2ラインの手直し・廃棄率は目標を30%上回って推移し——すべての契約でひっそりと利益を侵食していました。誰もその理由をシステム的に把握していませんでした。
We digitised and analysed 24 months of paper QC records — over 80,000 individual inspection entries — correlating defect types with machine ID, shift, operator tenure, material batch, and ambient temperature.
24ヶ月分の紙のQC記録——80,000件以上の個別検査記録——をデジタル化・分析し、欠陥タイプと機械ID・シフト・オペレーター勤続年数・材料バッチ・周辺温度を相関させました。
Structured interviews with 14 machine operators and 4 QC supervisors. We asked specifically about informal detection signals — the sounds, readings, and visual cues used to anticipate problems before they became visible defects.
14名の機械オペレーターと4名のQCスーパーバイザーへの構造化インタビュー。欠陥が目に見える前に問題を予期するために使われる非公式な検知シグナル——音・数値・視覚的な手がかり——を特に聞き取りました。
We mapped and timed the entire QC documentation workflow — inspection, form completion, data transfer, supervisor review. Every delay, error-prone step, and information loss point was documented.
QC記録ワークフロー全体——検査・フォーム記入・データ転送・スーパーバイザーレビュー——をマッピングし計測しました。あらゆる遅延・エラーが起きやすい工程・情報損失ポイントを文書化しました。
Component 1 — Anomaly Detection: We integrated with CNC machine sensors on two pilot lines — capturing vibration signatures, temperature, cutting force, and cycle time deviations at 10-second intervals. An anomaly detection model trained on the 24-month historical dataset scored developing deviations in real time, surfacing alerts to the line supervisor's tablet before defects materialised.
コンポーネント1——異常検知：2つのパイロットラインのCNC機械センサーと統合し、振動特性・温度・切削力・サイクルタイムのずれを10秒間隔で収集しました。24ヶ月の過去データで訓練した異常検知モデルが進行中の逸脱をリアルタイムでスコアリングし、欠陥が発生する前にラインスーパーバイザーのタブレットにアラートを表示します。
Component 2 — Digital QC Documentation: Paper forms replaced by a tablet-based digital inspection system. The inspection-to-record lag dropped from 18 hours to under 10 minutes. The system was intentionally designed as alert-plus-human-decision — AI informs, humans decide. Supervisors who feel empowered by AI act faster and more accurately than those who feel bypassed by it.
コンポーネント2——デジタルQC記録：紙のフォームをタブレットベースのデジタル検査システムに置き換えました。検査から記録までのタイムラグが18時間から10分未満に短縮。システムは意図的に「アラート＋人間の決定」として設計されました——AIが情報を提供し、人間が決定します。AIによって力を与えられたと感じるスーパーバイザーは、AIに追い越されたと感じる人より速く、より正確に行動します。
Supervisors in V1 testing requested a "recommended action" field alongside each alert — not just the signal, but what to do about it. We built it in V2.
V1テストでスーパーバイザーが各アラートに「推奨アクション」フィールドを求めました——シグナルだけでなく、何をすべきかを。V2で実装しました。
Barcode scan auto-populates part ID and machine. Submission syncs to live dashboard within 30 seconds. Time per form: 8 min (paper) → 90 seconds (tablet).
バーコードスキャンで部品IDと機械が自動入力。送信後30秒以内にライブダッシュボードに同期。フォーム記入時間：8分（紙）→90秒（タブレット）。
First model was tuned conservatively, flagging any deviation above a low threshold. In the first week of testing it generated 34 alerts per shift. Supervisors stopped paying attention by day three. Alert fatigue is as dangerous as no alerts at all — we had solved a detection problem by creating an attention problem.
最初のモデルは保守的にチューニングされ、低い閾値を超えるあらゆる逸脱にフラグを立てました。テスト第1週に1シフト34件のアラートが生成されました。スーパーバイザーたちは3日目に注意を向けるのをやめました。アラート疲労はアラートがないことと同じくらい危険——検知問題を解決しようとして注意力の問題を作り出したのです。
When operators learned machine sensor data was being continuously analysed, several interpreted it as surveillance of their performance. A veteran operator with 19 years on Line A refused to use the tablet system and raised the issue formally. We had to fundamentally reframe the system's purpose — and give operators ownership of the data it generated.
機械センサーデータが継続的に分析されていることを知ったオペレーターたちは、それを自分たちのパフォーマンス監視として解釈しました。ラインAで19年のベテランオペレーターがタブレットシステムの使用を拒否し、正式に問題を提起しました。システムの目的を根本的に再フレーミングし——生成されるデータの所有権をオペレーターに与える必要がありました。
Some operators submitted incomplete forms — skipping notes fields, selecting PASS without dimension readings. The downstream effect was gaps in model training data. We redesigned form validation to make critical fields required before submission, while keeping the form within the 90-second target.
一部のオペレーターが不完全なフォームを送信していました——メモ欄を省略し、寸法記録なしにPASSを選択。下流への影響はモデルの訓練データのギャップでした。重要フィールドを送信前に必須にするフォームバリデーションを再設計し、90秒の目標時間は維持しました。
"I was against this at first. But the data belongs to the line, not HR. Now I can see things I couldn't before. It's like having a second pair of eyes that never blinks."
「最初は反対していました。でもデータはラインのもので、人事部のものではない。今は以前には見えなかったものが見えます。瞬きしない第2の目を持つようなものです。」
"When the system says watch this machine, I watch it — because it's been right 9 out of 10 times. That's the kind of track record that earns trust."
「システムがこの機械に注目と言ったら、私は注目します——10回中9回正しかったから。それが信頼を生む実績です。」
"The rework reduction is real. But the bigger value is client confidence. We can now provide a real-time quality trace for every part batch. That's becoming a competitive differentiator."
「手直しコストの削減は本物です。しかしより大きな価値はクライアントの信頼です。今ではすべての部品バッチにリアルタイムの品質トレースを提供できます。それが競争上の差別化になっています。」
"Once I got the rhythm — scan the part, fill three fields, submit — it's actually faster than paper. And I don't have to decipher my own handwriting at end of shift."
「リズムをつかめば——部品をスキャンして、3項目を記入して、送信——実際には紙より速い。しかもシフト終わりに自分の字を解読しなくていい。」
A system that produces too many alerts trains people to ignore all of them. In safety-critical environments, precision matters more than recall. Better to miss 10% of anomalies than to be ignored entirely.
過剰なアラートを生むシステムは、人々がすべてを無視するよう訓練します。安全性が重要な環境では、網羅性より精度が重要です。すべてのアラートを無視されるより、異常の10%を見逃す方が良い。
When workers feel data is collected about them rather than for them, resistance is rational. Giving operators access to their own line data — making them co-beneficiaries of the system's insights — transformed the most resistant person into a champion.
労働者がデータが自分たちのためではなく自分たちについて収集されていると感じると、抵抗は合理的です。オペレーターに自分のラインデータへのアクセスを与え——システムの洞察の共同受益者にすること——が最も抵抗していた人物を支持者に変えました。
24 months of paper QC records felt like a liability — unmaintained, inaccessible. They turned out to be the most valuable input to the entire project. Organisations often have rich operational history trapped in formats they've abandoned. Digitisation is not overhead — it's infrastructure.
24ヶ月分の紙のQC記録は負の遺産のように感じられていました——管理されておらず、アクセスできない。しかしそれがプロジェクト全体で最も価値ある入力であることが判明しました。組織には廃止されたフォーマットに閉じ込められた豊富な業務の歴史があることが多い。デジタル化はオーバーヘッドではなく——インフラです。
In precision manufacturing, the stakes of an incorrect automated action are too high for AI to operate without human sign-off. The alert-plus-human-decision model was not a compromise — it was the correct architecture. Humans empowered by AI act faster and more accurately than those who feel bypassed by it.
精密製造では、誤った自動化アクションのリスクが高すぎて、人間の承認なしにAIを運用できません。アラート＋人間の決定モデルは妥協ではありませんでした——それが正しいアーキテクチャでした。AIによって力を与えられた人間は、AIに追い越されたと感じる人間より速く、より正確に行動します。