　さらに品質向上を目指す上でPLMとしての重要な機能は、強力な検索エンジンなどがあります。また、デザインレビューで使うAI（人工知能）関連技術や機械学習とのつながりなども、既にいろいろなトライアルが始まっています。図2では、製造ラインにおける製品不良の低減を実施する場合の実行策の例を表現しています。

図2　製造ラインにおける製品不良の低減策（クリックで拡大）出典：KPMGコンサルティング

　現場の組み立てラインが不良の発生により停止してしまった場合、自動的にMESに信号が送られてきます。話を簡単にするために、図2では不良項目別に5つのデータが取れたと想定します。まずはラインサイドで、緊急対策が取られてラインはすぐに動かされましたが、何らかの恒久対策が必要になっています。ライン稼働状況から、恒久対策を10日後に実施することになりました。ここでは、品質管理の上方管理限界UCL（Upper control limit）と下方管理限界LCL（Lower control limit）を設定します。それから外れたデータを分析することになりました。これは品質管理のプロセス手法の1つで、IoPへの対応だといえます。

　この分析にはさまざまな進め方がありますが、IoT関連技術と「QAネットワーク」との組み合わせについて紹介します。「QAネットワーク」は、自動車メーカーの使う品質改善技術の1つですが最近のグローバル化に伴い使用される機会が増えてきました。従来のように国内のノウハウあるメンバーだけで進める工程FMEA（工程故障モード影響解析）などのツールと異なり、経験やスキルの低いメンバーでも、高いレベルの対応策を選定、実施するための技術です。

　これをさらに進化させて、機械学習、特に自然言語処理を用いて追加の施策を行ったり、施策のレベルを向上したりするのに使われています。QAネットワークが機械学習を活用しやすいのは、現状の品質レベルを自工程完結の視点である発生防止と流出防止の視点から5段階で測定し、改善目標値から施策を選定しているからです。この場合、目標設定をするのはやはり人間です。IoTを使った品質レベルの向上には、IoPとIoHが密接に関係しています。

筆者紹介

田中孝史（たなかたかし）

KPMGコンサルティング

製造セクタ　ディレクター

マネジメントコンサルタントとして、世界各地の製造業のコンサルテーションを実施した経験を有する。また、プロジェクトリーダーとして、製造業の企画・コンセプト、R&D、設計、生産技術、生産、ロジスティクス、販売・サービスと全てのライフサイクルを手掛ける。自動車、航空機、電気製品、衣服、医療機器など、対象とする産業も幅広い。