設計ナレッジの見える化と設計標準化

AI活用による業務改革の進め方
〜生成AIとルールベースAIによる総合的なナレッジ管理、PLM・BOMとAIの狙うべき方向性【会場／WEB選択可】※WEB受講の場合Live配信のみ（録画視聴はありません）

1. 設計ナレッジの見える化の難しさ
(1) 設計マニュアルを作っても読まれない。改訂されない
(2) 属人的バラバラ設計から脱却できない
(3) 設計を知っていることと、言語化できることは別

2. ナレッジ見える化の方向性(ルール×AI)
(1) 競争力の源泉は、設計諸元を決める経緯と根拠にある
(2) ルールベースで見える化する
(3) AIベースで見える化する
(4) 企画開発品と個別受注品のナレッジ活用の違い

3. ルールベースのナレッジ活用(構造的アプローチ)
(1) 顧客要求仕様
　a 仕様項目と仕様値の整理
　b 仕様の案件横串管理と傾向管理
(2) 論理構成(≒150％BOM)
　a 思考をルール(条件化・関数化)にて整理するポイント
　b 要求仕様から機種/方式/構成を決めるルール整備
　c 要求仕様から部品/部品諸元を決めるルール整備
(3) 設計標準化・自動化(BOM・CADの自動化。150％BOMとコンフィグレーター)
　a 様々な顧客要求に対して標準を作ることが難しい
　b 標準図を登録しても使ってくれない(大は小を兼ねるは競争力を奪う)

4. AIの基礎
(1) AIの基本構造の理解
(2) AIの種類と活用の全体像

5. AIベースのナレッジ活用(統計的アプローチ)
(1) 絵と文字を構造化する
　a 図面や仕様書から属性抽出し構造化データにする
(2) 最適な流用元を選定する
　a 仕様書から類似案件や構成を探す
　b 図面/モデル形状から類似図面/モデルを探す
　c 部品仕様や諸元から類似部品・代替部品を探す
(3) 設計検討をサポートする
　a 設計基準/設計マニュアル/技術メモから設計根拠を探す
　b 過去トラ情報/チェックリストから注意点を洗い出す
(4) 適切な設計図書を見つける
　a 検討キーワードから最適な技術図書を探す
　b 検討視点や関連知識を増やすために合わせて読むべき図書を見つける
(5) 設計チェックをサポートする
　a 設計課題リスト/DR課題リストから検討のヌケモレ確認
　b 他部署コメント/検図コメント/審査承認コメントからよくある指摘の確認
　c 仕様の矛盾やデビクラ候補の確認
　d 設計諸元と実際原価の回帰分析からコストを自動算出
　e コストダウンアイテムの確認

6. AIを効果的にする設計データ・PLMシステムのあり方
(1) 企業内シソーラス(同義語・類義語辞書)の管理
(2) 品名IDとBOM(論理構成・EBOM・MBOM)の管理
(3) BOMを中心としたドキュメント・ワークフロー・コミュニケーションの管理
(4) GrapRAGの活用
(5) 発展的活用(研究・実装が始まっている活用方法)
　a 会議音声データから設計の「経緯と根拠」を抽出する
　b 過去の要求仕様と製品構成(BOM)を学習し、新規要求に対するBOMを生成・推奨する

7. ナレッジの見える化と標準化を推進・定着させるための進め方

質疑応答

会場・WEB　選択可

　 ※WEB受講の場合Live配信のみ（録画視聴はありません）

・製造業の開発部門・設計部門・設計管理部門の管理職・担当者
・設計改革に関与している管理職・担当者
・設計領域・PLMにおけるAI活用の企画・構想に関与している管理者・担当者
・情報システム部門でAI推進・DX推進に関与している管理者・担当者

・特に必須の予備知識はありません。
・AI実装の講義ではないため、AIについての基礎知識は不要です。
・設計の業務ユーザ視点でのAI活用を解説します。そのため、設計業務の理解があれば、講義内容の理解が促進されます。

１）設計ナレッジの見える化と属人化解消・設計標準化の進め方

２）ルールベースと生成AI・各種AIを組み合わせた設計ナレッジの活用方法

３）要求仕様から部品・諸元を選定するルール化とBOM・CADの自動化の考え方

４）AIによる類似図面・類似部品の検索、過去トラブル情報の活用と設計チェックの高度化

５）AI活用の精度・信頼性を高める設計データ管理とPLM・BOMのあり方

６）設計ナレッジの見える化・標準化を組織に定着させるための推進方法

　設計ナレッジの見える化においてAI活用は欠かせません。しかし、AIがあれば解決できるほど簡単なことでもありません。生成AIに過度な期待を寄せ、思った成果を出せていない企業を見かけます。性能保証が必要な設計において、ルールベースの見える化も欠かせません。そこで、当講座は、ルールベース(構造的アプローチ)とAIベース(統計的アプローチ)の両側面から、設計ナレッジの見える化と設計標準化を推進する手法を解説します。
　そして、近年のAIは「チャット型の生成AI」ばかりが注目されていますが、AIはそれだけではありません。類似図書を検索し、関連図書をレコメンドする技術や、属性情報から予測や判定する技術まで様々あります。それらの様々なAIと、旧来からのルールベース(部品/諸元選定を条件として記述)を総合的に用いることで設計改革が実現されます。
　また、CAD・図面・設計図書・BOM(部品表)・諸元情報・不具合情報・原価情報など、長期的な視点でAI精度を向上させ、信頼してAIを継続利用するために、どのようなデータやシステムにすべきかも合わせて解説します。
設計マニュアルや標準図を整備する活動の限界を理解していただき、テクノロジーやデータを用いた設計ナレッジの見える化や標準化の狙うべき姿を学んでください。

※当講座は、個別業務(チェックリスト・FMEA・不具合分析など)を改善するため、即効性のある生成AIプロンプトやAIエージェントを解説する講座ではありません。
※AIの技術的側面も一部触れますが、AI実装についての講義ではなく、業務ユーザ視点のAI活用の理解や、AI活用に必要なデータ管理を解説する講座です。