製造業における技能継承とAI：品質管理編【第2回】

センサーの進歩で音や振動、温度などの微細な変化の数値化が可能に

　前回、技能継承における課題として暗黙知の存在を挙げた。官能検査の技能継承においても、熟練者の感覚や経験が暗黙知として蓄積されており形式知化が難しいという構造的な課題を抱えている。官能検査の分野では「数値化」のアプローチが、熟練者の知見の体系的な蓄積・共有には必要になる（図4）。

図4：官能検査の技能継承では暗黙知の「数値化」が不可欠に

　近年、測定機器やセンサー技術が進化し、音や振動、温度などの微細な変化を数値化できるようになっている。この技術を活用することで、エンジンや機械の状態を解析する際に、熟練者が感じる“異常”を繰り返し確認し、客観的なデータとしての記録が可能になる。

　例えば異音の検出では、センサーから得られる周波数や振動の強度を数値化すれば、通常とは異なる挙動を明確に識別できる。具体的には、一定間隔で音波を録音し、その波形を解析することで、どの周波数帯に異常が見られるかを測定する。

　熱カメラや振動センサーを用いて部品の摩耗や損傷を検出する手法も有効だ。振動センサーによって取得したデータを複数のファイルと比較すれば、わずかな振動の差異から微小な不具合を早期に見つけられる。

　こうした計測データを、過去の記録だけでなく、熟練者が「何かおかしい」と感じたタイミングのメモやヒアリング結果とも突き合わせることで、異常が起きる兆候を、より早い段階で察知できるようになる。

　単に数値の変化を追うのではなく、熟練者の感覚を客観的なデータと結びつけることで、問題の根拠や発生しやすい条件を明確にできる。その結果、実際に機械が停止する前にメンテナンスを実施すれば、故障を未然に防げる確率を高められる。

　特定の周波数帯に異常が生じていると数値的に判明した場合、熟練者が「いつもの音と違う」と直感的に感じる瞬間と合致するかを確認すれば、その時点で原因を特定し早期に対処できるということだ。

“勘所”を数値化し熟練者の“感覚”と紐付ける

　数値化は具体的には、以下のような手順で熟練者の感覚や経験を定量的なデータに落とし込む。