FMEAに生成AIを活用する方法｜できること・進め方・プロンプト例

FMEAは、製品や工程で起こり得る故障モードと影響を事前に検討する重要な活動です。一方で、過去のFMEAをコピーして終わる、担当者によって粒度が違う、検討会で意見が出尽くさない、といった課題も起こります。

生成AIは、FMEAの最終判断を代行するものではありません。要求事項、工程、過去不具合などから検討候補を広げ、表現をそろえ、レビューで確認すべき質問を作る支援に向いています。

FMEAで生成AIが支援する範囲と人が判断する範囲

図：AIは候補と質問を提示し、S・O・D評価、対策決定、承認は専門家が担う

FMEAで生成AIができること

生成AIを活用しやすいのは、次の業務です。

機能や工程から故障モード候補を洗い出す
故障の影響を上位・下位の視点で整理する
4Mなどの観点から原因候補を広げる
現行管理と推奨処置の記述を整える
類似する過去不具合やFMEAの確認候補を示す
曖昧な記述、重複、因果関係の不整合を指摘する
レビュー会議の質問リストを作る

一方、重要度、発生度、検出度の決定、リスク受容、設計・工程変更の承認は、組織の基準と専門家の判断が必要です。AIが提示した数値を、そのまま採用してはいけません。

生成AIに渡す前に準備する情報

回答品質はプロンプトの巧さだけでなく、入力情報の質で決まります。最低限、次の内容を整理します。

情報	例
対象	製品、部品、工程、設備、使用環境
機能・要求	何を、どの条件で、どの水準まで満たすか
工程	前後工程、作業条件、検査、搬送、保管
過去情報	不具合、クレーム、変更履歴、類似品FMEA
現行管理	予防管理、検出管理、サンプリング、反応計画
制約	法規、顧客要求、社内標準、機密区分

製品名や顧客名を含む情報を外部サービスへ入力する前に、製造業で生成AIに機密情報を入力してよいかを確認してください。

FMEAに生成AIを使う5つの手順

1. 対象と境界を明確にする

「組立工程のFMEAを作って」のような広い依頼では、一般論しか返りません。対象工程、開始点と終了点、設備、人、材料、検査を明確にします。

2. 検討観点を指定する

人、設備、材料、方法、測定、環境など、自社で使う観点を指定します。また、「通常時だけでなく、段取り替え、再起動、手直し、保全後も検討する」と伝えると、例外条件を考えやすくなります。

3. 表形式で候補を出す

故障モード、影響、原因、現行管理、追加確認事項を列に分けます。重要度などの点数は空欄にし、人が評価する設計にします。

4. 根拠と不足情報を分ける

入力情報から判断できる内容と、一般知識からの仮説を区別させます。根拠がない場合は断定させず、「要確認」と表示させます。

5. 専門家レビューで確定する

設計、製造、品質、保全など、必要な部門でレビューします。AIの候補に引っ張られないよう、先に担当者自身の検討を行い、その後にAI候補と比較する方法も有効です。

そのまま使えるプロンプト例

次の例を、自社のFMEA様式と用語に合わせて調整してください。機密情報は、承認された環境以外へ入力しないでください。

あなたは製造業の工程FMEAレビューを支援するアシスタントです。
最終判断は人が行うため、断定せず、検討候補と確認質問を提示してください。

【対象工程】
工程名：
工程の目的：
前工程：
後工程：
主な設備・治工具：
材料・部品：
作業条件：
品質要求：
現行の予防管理：
現行の検出管理：
既知の不具合：

【依頼】
1. 工程機能ごとに故障モード候補を整理する
2. 各候補について、影響、原因、現行管理の不足、追加確認事項を表で示す
3. 通常運転、段取り替え、停止後再起動、手直し、保全後の条件を確認する
4. 入力情報に根拠がない内容は「仮説」と明記する
5. 重要度・発生度・検出度の点数は付けず、人が判断するための質問を示す

一度で完成させようとせず、「故障モードの候補」「原因の深掘り」「管理方法の確認」のように分けて対話すると、確認しやすくなります。

出力表には「根拠」と「状態」を追加する

従来のFMEA列だけでは、AIが何を根拠に候補を出したのか分からなくなります。検討中は次の列を追加し、承認済みFMEAとAI案を混在させないようにします。

列	記載例	目的
工程機能・要求	締結部を指定トルクで固定する	何を守る分析か明確にする
故障モード候補	締付不足	AIが提示した検討候補
影響候補	使用中の緩み、次工程での再作業	工程内・次工程・顧客を分ける
原因候補	工具設定間違い、部品の着座不良	原因と現象の混同を防ぐ
参照根拠	過去不具合No.123、標準書3.2節	原文へ戻れるようにする
不足情報	段取り替え時の設定確認方法	追加調査を明確にする
状態	AI候補／専門家確認済み／却下	確定情報と案を区別する

これは架空の書式例です。実際には、自社のFMEA様式、AIAG & VDAや顧客固有要求など、適用する基準へ合わせてください。

60〜90分のレビュー会議に組み込む方法

AI案を会議中に初めて読むと、候補の確認だけで時間を使います。事前作業と会議を分けます。

業務担当者が対象、要求、変更点、既知の不具合を入力する
AIが候補、根拠、不足情報、確認質問を出す
FMEA責任者が重複、対象外、根拠不明を事前に仕分ける
会議では高影響、意見が割れる項目、例外条件を優先して議論する
S・O・DまたはAP、処置、期限、責任者を人が決定する
決定後、正式様式へ転記し、通常の承認と版管理を行う

AI案を先に見せることで参加者の発想が狭まる可能性もあります。重要テーマでは、最初の10分をAI案なしの個人検討にし、その後に候補を比較すると、独立した専門判断を残せます。

レビューで確認するチェックリスト

生成結果は、少なくとも次の観点で確認します。

機能と故障モードが対応しているか
影響、故障モード、原因が混同されていないか
上位システム、次工程、顧客への影響を確認したか
過去不具合と設計・工程変更が反映されているか
予防管理と検出管理を区別しているか
現場で実行できない対策を提案していないか
法規、顧客要求、社内基準と矛盾していないか
AIが作った内容の根拠を説明できるか

FMEAを再評価する変更トリガー

生成AIで初回作成を速めても、更新されなければ価値は下がります。設計変更、工程・設備・材料・サプライヤーの変更、顧客クレーム、新しい故障、検査方法の変更、法規・顧客要求の改訂をトリガーとして登録します。

変更時は、AIに旧版と変更情報を渡して「影響を受ける行と確認質問」を出させられます。ただし、影響なしという回答も人が確認し、変更理由、評価者、承認日を記録します。FMEA番号と版を参照根拠に含め、古い版を検索対象から外す運用も必要です。

小さくPoCする方法

最初から新製品のFMEA全体へ適用するのではなく、過去に専門家が確定したFMEAを使って評価します。

代表的な工程を一つ選ぶ
既存FMEAの一部を伏せてAIに候補を出させる
既存内容との一致、追加候補、誤りを分類する
専門家が確認に要した時間を測る
入力テンプレートとプロンプトを改善する
利用できる範囲と人の承認手順を決める

追加候補の多さだけでなく、誤った提案を見抜く負荷も評価します。PoC全体の設計は製造業への生成AI導入・PoCの進め方をご覧ください。

受入条件は、「専門家の検討時間を短縮した」「既存FMEAにない有効候補が一定数あった」だけでなく、重大な誤誘導がない、根拠不明を明示できる、同じ入力で大きく結論が変わらない、機密情報とログを管理できる、という条件を含めます。誤りを直す時間が削減時間を上回る場合は、対象範囲や入力様式を見直します。

まとめ

FMEAでの生成AI活用は、故障モードや原因を自動決定するものではなく、検討候補と質問を増やし、レビューの質と効率を支援する取り組みです。対象、要求、過去情報、現行管理を整え、根拠の明示と専門家レビューを組み込むことが欠かせません。

品質業務を含む他の活用候補は、製造業のAI・生成AI活用事例15選で紹介しています。

製造業向けの講座については、製造業DX実践シリーズをご確認ください。