ゴムマリの業務AIエージェント、『不良分析』を提供開始

拠点ごとに書き方が違う記録を人が読み替え、分類も大きすぎて、機種や工程ごとの傾向を細かく見られない。不良の記録を全件読み、工程とロットの偏りを出すAIエージェントを作ります。

ゴムマリ

ゴムマリ株式会社(東京都、代表取締役: 村山悠太)は、製造・品質部門が行う不良分析の業務を対象としたAIエージェント「不良分析AIエージェント」の提供を2026年11月22日より開始します。集計の時期に貴社の担当の方がエージェントを開いて、工程内の検査で見つかった不良でも出荷の後の不具合でも、不良品の記録と検査データを渡すと、数値と自由記述の両方を読み、症状・部位・工程の軸で全件を同じ基準に分類して、工程とロットと機種ごとの偏りと要因分析を出します。「表面に傷あり」と「キズ(小)」のように書き方が違う記録も同じ分類にそろえ、出荷の実績があれば、いつの時点か、出荷予定を含むかを分類とは別の手順で確認してそろえてから割り、量産の数が違う機種や工場どうしを、件数でなく発生の率で同じ基準で比べます。書き方の違いで数字が動かないので、偏りを月をまたいで比べ、繰り返している所から対策に入れます。記述から分類できない記録は、理由を添えて担当の方に差し戻します。導入は初期構築50万円から、最短4週間です。全機種を待たず、過去の記録で確認した機種や工場から使い始められ、分類の軸の見直しや機種の増減に合わせた保守は月額10万円から弊社が受け持ちます。ゴムマリは、お客様の現場に入り込み、AIエージェントを作るFDEカンパニーです。その一例として、大手企業で、海外の生産拠点で量産する約20機種の苦情に症状のタグを付け、資料によって定義の違っていた出荷の台数をそろえて機種と工場ごとの発生の率を出し、原因の部品が機種と工場の組ごとに偏っていることを、同じ形の機種ごとの報告と全機種のまとめで示しました。

▶ 詳しくは: https://gomumari.com/service/agent/furyohin-bunseki/?utm_source=prtimes&utm_medium=pr&utm_campaign=PR-027

1. 不良の件数は集計できても、機種・工場・ロットごとの偏りを同じ基準で比べられない

不良を減らす手を決めるとき、最初に要るのは、量産している機種ごと、工場ごとに、どこでどんな不良が多いかをつかむことです。けれども、不良の記録をそのまま集計しても、その表にはなりません。たとえば、異常の内容をいろいろなデータからまとめる集計が複雑で、会議の資料づくりに何日も取られる。拠点ごとに記録の書き方が違い、担当に電話で確認しながら読み替えている。不良や品質トラブルの分類が大きすぎて、機種や工程ごとの傾向を細かく見られない。

理由は3つ重なっていると弊社は見ています。記録に付いている分類が部品の目線で付けられていると、症状で集計するには、記録の題名を読んで人が分類を付け直すしかないこと。「破損」のような大きすぎる分類に、中身の違う不良がまとめて入ること。そして、機種や工場を比べるには出荷の台数で割った率が要るのに、その台数が、いつの時点か、出荷済みだけか出荷予定を含むかで変わり、取り出すたびに値が違うことです。

人が付け直す表は手の回る一部の機種の分しか作れず、ほかの機種と同じ形では並びません。初めのロットで多い、途中のロットで増える、といった偏りも、機種をまたいで確認できません。割る台数の定義が回ごとに違えば、工場どうしの率の比べは、どちらの工場から対策に入るかを決める根拠になりません。部門としては、同じ不良が繰り返しているのかを全件の数字で言えず、対策の順を決めきれません。会社としては、どの機種と工程の不良に対策の費用を入れれば効くのか、根拠のある数字が無いまま予算を決めることになります。

2. 不良の記録を全件同じ分類にそろえ、出荷の台数に基づいて工程・ロット・機種の偏りを出す

集計の時期に、貴社の担当の方が、貴社の Notion や Copilot などの中か、弊社が用意する環境に作ったエージェントを開き、不良品の記録と検査データのファイルを添付するか、文で頼みます。動きは3つの段階です。

  1. 受け取る: 不良品の記録と検査データを、CSV や Excel、自由記述のままで受け取ります。工程内の検査で見つかった不良の記録でも、出荷の後に見つかった不具合の記録でもかまいません。機種と工程の一覧と、あれば出荷の実績も合わせて受け取ります。記録の書き方を前もってそろえる必要はありません

  2. そろえる: 数値と自由記述の両方を読み、症状・部位・工程の軸で全件を同じ基準に分類します。記録した人によって書き方が違っても、記述の中身を読んで同じ分類に入れます。「破損」のように大きな分類は、記述を読んで細かい分類を立て、分類の基準書に追加します。出荷の実績があれば、その時点と定義をそろえてから割り、件数でなく発生の率でも比べます

  3. 出す: 全件の分類と、工程・ロット・機種ごとの偏りと、要因分析を出します。要因分析では、「研磨の工程の後から増えている外観の傷」「特定のロットの範囲に偏る寸法の上限超え」のように、どの工程とロットに何が偏っているかを示すので、どこから調べるかを絞れます。記述から分類できない記録は推測せず、理由を添えて要確認の記録の一覧に挙げます

左に、書き方の違う検査の記録を同じ不良の分類にそろえた全件の分類の見本。右に、集計の時期に担当の方が不良の記録を渡すと全件が同じ分類にそろい、工程とロットの偏りから対策の順を決めるまでの流れ

作るときは、次の順で進めます。最初に、弊社が過去の記録を読み、書き方の揺れと、大きすぎる分類を洗い出します。次に、分類の軸と細かさ、担当の方の判断に回す条件を伺って分類の基準書にし、過去の記録で試して確認します。全機種を待たず、確認した機種や工場から使い始められます。

初期構築の間の資料とデータのやり取りは、貴社の普段の方法のまま(メール・共有フォルダ等)で進めます。エージェントを動かす場所は、貴社のツール(Notion・Copilot など)の上、貴社が指定する環境、弊社が用意する環境から選べます。動かし始めた後は、集計の時期に貴社の担当の方が呼び出して、記録を渡します。分類の軸の見直しや機種の増減に合わせた保守は、弊社が月額で受け持ちます。月額には、AIのモデルの変化への追随と、毎月のまとめ、お問い合わせへの対応も含みます。貴社の手元には、記録と分類の対応表と、分類の基準書、操作マニュアルが残るので、担当の方が代わっても同じ分類で月をまたいで比べられます。貴社のツールや指定の環境に作った場合は、作ったエージェントも残ります。

3. 導入で、品質と生産技術の担当の方・部門・会社はこう変わる

導入前: 集計の時期のたびに、いろいろなデータから不良の内容をまとめ、記録の題名を読んで分類を手で付け直す。拠点ごとに書き方の違う記録は、担当に電話で確認しながら読み替える。機種や工場を率で比べようとすると、出荷の台数を取り出すたびに値が違い、どの台数で割るかから確認し直す。

導入後: 毎月の集計のたびに書き方の違う記録が同じ分類にそろうので、工程とロットの偏りを月をまたいで比べ、繰り返している所から対策に入れます。「表面に傷あり」と「キズ(小)」のような書き方の違いを、毎月手で同じ分類にそろえる作業が無くなります。分類できない記録だけが、理由つきで差し戻されます。担当の方は分類の付け直しと台数の割り直しから離れ、偏りの大きい工程とロットのどこから対策に入るかを決めることに時間を使えます。

  • 部門の仕事の回り方: 数値と自由記述の両方を読んで同じ分類にそろえ、工程とロットの偏りと要因分析が出るので、不良の順位を月をまたいで比べて対策の順を決められます。

  • 会社として: 全件を同じ基準で分類するので書き方の違いで数字が動かず、利益を削る不良がどの機種と工程で繰り返しているかを、予算を決める前につかめます。

▶ サービス詳細・導入の流れ: https://gomumari.com/service/agent/?utm_source=prtimes&utm_medium=pr&utm_campaign=PR-027

4. 量産の約20機種の苦情を同じ形の報告にそろえ、原因の部品が機種と工場の組ごとに偏っていることを示した

大手企業では、苦情を症状で見る手作業のまとめが、一部の機種の分しかありませんでした。海外の生産拠点で量産する約20機種の顧客からの苦情、つまり出荷の後に見つかった不具合の記録に症状のタグを付け、同じ形の機種ごとの報告を納めました。元の記録の分類は部品の目線で付けられていたので、案件の題名を読んで症状のタグを付け直しています。報告には、苦情の件数と出荷の台数あたりの発生の率、ロットごとの推移と件数の多いロットの範囲、症状と原因の部品の順位、損失の金額をまとめ、複数の工場で量産する機種は工場どうしを並べました。全機種のまとめでは、原因の部品が機種と工場の組ごとに偏っていることを示しました。対策は機種全体でなく、機種と工場と部品の組ごとに立てれば効く、という見方です。その後もお客様の追加の要望を受けて改修を重ね、前月末を起点に直近の期間を切り出す版を加えて、毎月の集計に使える形にしています。

率を確定する前に、資料によって集計の時点と定義(出荷済みだけか、出荷予定を含むか)が違い、同じ機種でも値の違っていた出荷の台数を確認事項としてお客様に戻し、出荷済みの台数にそろえました。症状のタグが正しくても、割る台数の定義が違えば、工場どうしの比べは崩れるためです。エージェントでは、分類の軸と細かさ、担当の方の判断に回す条件を貴社の記録に合わせて分類の基準書にし、出荷の台数の確認を分類とは別の手順に置いて、集計の時期のたびに同じ基準で工程・ロット・機種の偏りを出します。工程内の検査で見つかった不良の記録にも、同じ手順が当たります。

5. 代表者コメント

「不良を機種や工場で比べるとき、量産の台数が違う相手を件数で並べても、同じ土俵で比べたことにはなりません。率で比べるなら、割る台数の定義がそろっていることが先です。当社が大手企業で量産の約20機種の苦情を症状で分け直した際も、台数の定義をそろえてから率を出し、原因の部品が機種と工場の組ごとに偏っていることを示しました。品質と生産技術の担当の方が、台数を割り直す手間から離れ、繰り返している不良の対策に毎月の時間を使えるようにします。」(ゴムマリ株式会社 代表取締役 村山悠太)

6. 提供の形と今後の展開

ゴムマリは、お客様の現場に入り込み、AIエージェントを作るFDEカンパニーとして、1つの業務を回すAIエージェントを、お客様の業務に合わせて作る「AIエージェント導入」を、初期構築と月額運用の形で提供しています。本リリースはその一つです。製造・品質領域では品質トラブル記録の分析や検査記録の電子化など隣接業務の専門業務AI-BPOも用意しており、ラインナップは、実際の現場で鍛えた業務から順次追加していきます。

概要

項目

内容

対象業務

不良の記録を読み、全件を分類して工程とロットの偏りを出す

導入のときにご用意いただくもの

不良品の記録と検査データ(CSV・Excel・自由記述のままで)、機種と工程の一覧、あれば出荷の実績

導入でお渡しするもの

不良分析のAIエージェント(全件の分類と傾向と要因分析を出す)・分類の基準書・担当の方の操作マニュアル

動かす場所

貴社のツール(Notion・Copilot など)の上、貴社が指定する環境、弊社が用意する環境から選べます

前提

記録した人によって書き方が違っても、記述の中身を読んで同じ分類に入れます。「破損」のように大きな分類は、記述を読んで細かい分類を立て、分類の基準書に追加します。出荷の実績があれば、件数でなく発生の率でも機種や工場を比べます

導入形態

初期構築(4週間〜)→ 月額運用(集計の時期に貴社の担当の方が呼び出して、記録を渡します。分類の軸の見直しや機種の増減に合わせた保守は弊社が月額で受け持ちます)

期間

初期構築4週間〜・以後月次

価格

初期構築50万円〜+月額10万円〜

※記載の価格・期間は配信時点のものです。価格・提供条件は改定される場合があります。最新の条件は当社Webサイト(サービス詳細ページ)をご確認ください。

ユースケース

  • 会議の資料づくりのたびに、いろいろなデータから不良の内容をまとめ直している部門: 集計を、全件同じ基準の分類で済ませたいときに

  • 記録の題名を読み、症状の分類を手で付け直している部門: 今の記録のまま、症状で全件を集計したい場面で

  • 拠点ごとに書き方の違う記録を、電話で確認しながら読み替えている部門: 拠点をまたいで同じ分類で比べたいときに

  • 「破損」のような大きな分類しか無く、機種や工程ごとの傾向が見えない部門: 細かい分類を立てて、ロットごとの偏りまで見たい局面で

  • 工場どうしを台数あたりの率で比べたいのに、台数の取り出し方で値が変わる部門: 台数の定義をそろえた率で工場どうしを比べ、どこから対策に入るかを決めたいときに

会社概要

項目

内容

社名

ゴムマリ株式会社

所在地

〒116-0014 東京都荒川区東日暮里2-9-13 KYOWAビル3F

代表者

代表取締役 村山悠太

設立

2025年5月

事業内容

FDE(お客様の現場に入り込み、AIエージェントを作る)による、専門業務AI-BPO・AIエージェント導入・プロダクト・開発と検証と診断

URL

https://gomumari.com/

ゴムマリは、AIエージェントと働く会社を、つくる会社です。生成AIを作る力と、業務を分かる力を一つのチームにし、お客様の現場に入り込み、AIエージェントを作るFDEカンパニーです。

代表取締役の村山悠太は、ワークスアプリケーションズで大手企業向けERPの営業と導入コンサルティングを、外資系SaaS企業でアカウントエグゼクティブ、パートナー販売の立ち上げを担当。その後、AI学習用データを扱うAIスタートアップ2社でマーケティングと営業を担い、2社目では営業とマーケティングの責任者を務めました。生成AIの受託開発会社では中核メンバーとしてAIエージェント事業の企画と事業化を担い、2024年10月からは大手企業の現場に入り込み、課題の棚卸しから生成AIの実装までを一気通貫で進める手法を確立しました。2025年にゴムマリ株式会社を設立し、大手企業の現場でAIエージェントを要件定義から運用・改善まで手がけています。

Microsoft、Copilot は、Microsoft グループの企業の商標です。

Notion は Notion Labs, Inc. の商標です。

本件に関するお問い合わせ

現在の不良品の記録(記録の件数・機種と工場の数・出荷の実績の有無)を添えてお問い合わせいただくと、どの機種や工場から使い始められるかと、使い始めるまでの進め方を具体的にご案内します。

▶ お問い合わせフォーム: https://gomumari.com/contact/?utm_source=prtimes&utm_medium=pr&utm_campaign=PR-027

ゴムマリ株式会社 広報担当

info@gomumari.com

すべての画像


ダウンロード
プレスリリース素材

このプレスリリース内で使われている画像ファイルがダウンロードできます

会社概要

ゴムマリ株式会社

0フォロワー

RSS
URL
https://gomumari.com/
業種
情報通信
本社所在地
東京都荒川区東日暮里2-9-13 KYOWAビル3F
電話番号
-
代表者名
村山悠太
上場
未上場
資本金
100万円
設立
2025年05月