【AIで業務アプリを作ってみた #02】製造業の品質管理を効率化。「品質管理アプリ」をAIとの対話で構築

1. 現場主導のDXにおいて、なぜ「部分最適」の罠に陥るのか

製造現場におけるペーパーレス化やDXの必要性が叫ばれて久しい現代、多くの企業が現場主導での業務改善に乗り出しています。しかしその一方で、多くの工場が「部分最適」の罠に陥っているのが実情です。
具体的には、以下のような構造的な課題がDXの足枷となっています。

• 現場優先ツールの限界
  操作の手軽さだけを求めて簡易的なアプリを導入すると、管理側が求めるリレーショナルなデータ構造やAI分析といった高度なデータ利活用に対応できない。
• 大規模システム開発の壁
  現場と管理側の双方を満たすシステムをスクラッチで組もうとすれば、緻密な要件定義、膨大な開発コスト、そして長大な開発期間が必要となる。

この課題に対し、本稿では、「AIとの対話」によって現場のフロントUIから裏側のデータベース、業務ロジックまでをワンストップで自動生成するエンタープライズ向けプラットフォーム「Platio Canvas AI（プラティオ キャンバス エーアイ）」を紹介します。この記事では、ある製造業の仮想事例を通じて、その構築プロセスを紐解きます。

2.【課題】現場の「入力の容易さ」と管理の「高度なデータ利活用」が両立できないジレンマ

今回、仮想事例として取り上げるのは、中堅自動車部品メーカーのA社です。同社では品質向上と生産効率化を目指し、長年続いていた紙の記録票による品質検査からの脱却を模索していました。しかしプロジェクトの初期段階で、根深いボトルネックに突き当たることになります。
A社において、新システムに求められた要件は以下の二方向に分かれていました。

• 現場（検査員）の要求
  製造ラインのスピードを落とさないよう、「スマートフォンでバーコードやQRコードをサッとスキャンでき、測定値を入力するだけで合否がすぐわかるシンプルな画面」を追求。煩雑な手入力や、操作に迷うような複雑なUIの排除が求められました。
• 品質管理部門（管理者）の要求
  単なる検査記録の確認に留まらず、「蓄積された検査データから不良原因を多角的に分析し、データの傾向を把握できるシステム」が不可欠。リアルタイムな品質状況の可視化や、異常発生時のアラート機能も強く要望されました。

画面、データベース、そして蓄積データを分析する業務ロジックをそれぞれ個別に設計して連携させる従来の開発手法では、この両立に見積もり数ヶ月、コスト数千万円規模が提示され、A社のDXは足踏み状態に陥ってしまいました。

3.【解決策】AIとの対話から生まれるワンストップのシステム構築

A社がこの深刻なジレンマを打開するために選定したプラットフォームが、チャットで要件を伝えるだけでシステムを自動生成し、その後の改善や運用までをAIが継続的に担える「Platio Canvas AI」でした。

従来の開発ツールのように画面パーツの配置や細かな設定といった操作方法を学習する必要はなく、開発者は「こういう業務フローで検査を行い、データを蓄積したい」と、普段の言葉でAIにチャットするだけです。

AIが意図を汲み取り、フロント画面からデータベース、業務ロジックまで、最初から一本の線で繋がった状態でシステムを即座に立ち上げます。これにより、AIとの対話を通じて、現場のフロントUIとバックエンドの業務ロジックを連携した品質管理システムを構築しました。

【A社が指定したアプリ作成条件（プロンプト）の例】

• 現場の検査員はスマートフォン、管理者はパソコンを利用する前提で、それぞれのデバイスに画面を最適化する。
• 検査員がスマホで測定値を入力した際、製品マスターの基準値と照合して自動で合否判定が出るようにする。
• 管理者用のPC画面にはダッシュボードを設け、蓄積されたデータから不良原因を「設備・材料・人・方法・環境・時間」の6軸で集計・グラフ化し、改善のヒントとなるテキストを表示する仕組みを作る。

Platio Canvas AIにより『品質管理アプリ』は、以下のように生成されました。

• 現場用フロント画面
  検査員がスマートフォンで製品をスキャン・測定入力するシンプルなUI。
• 自動判定ロジック
  入力された測定値から合否を自動で判定・記録するバックエンド機能。
• 管理者用画面
  パソコンからリアルタイムに工場全体の品質状況を把握・分析できるダッシュボード。

エンジニアが何週間もかけて行う画面と裏側のロジックをAIとの対話を通じて組み上げ、まずは現場で実際に動くシステムをスピーディーに用意するスモールスタートを可能にしました。

4.【構築プロセス】言葉のニュアンスから自動生成されるUIと裏側のデータベース

Platio Canvas AIを用いたシステム構築のプロセスは、従来の開発とは一線を画します。AIに対して「どのような業務を行いたいか」をチャットで話しかけるだけで、AIはその言葉の文脈やニュアンスを理解し、システムの「目に見える画面（フロントエンド）」と「裏側のデータ構造（バックエンド）」を同時に、かつワンストップで組み上げます。A社の品質管理システムがどのように開発されたのか、その詳細を3つの視点から解説します。

① デバイス特性に最適化されたUI/UXの同時ビルド

A社が「現場の検査員はスマートフォン、品質管理担当者はパソコンで使いたい」と要望しただけで、AIはそれぞれのデバイス特性に最適化された画面デザインと操作ロジックを同時に生成しました。

検査員向け画面（スマートフォン用）

• 工場の現場で片手でも迷わず操作できるよう、機能を「検査入力」と「検査履歴」の2画面のみに厳選し、画面下部にタップで切り替えられるナビゲーションバーを固定しました。
• 製品の測定値を入力した瞬間に、製品マスターの数値と照合して「良品（緑）」または「不良品（赤）」を瞬時に分ける自動判定ロジックが、画面側の挙動として最初から実装されています。

管理者向け画面（PC用）

• 広いディスプレイを活かし、左側にメニューが並ぶ縦長のサイドバー、右側に広大な「品質ダッシュボード」などのメインコンテンツを配置した、直感的な2カラム構成のWeb画面を自動生成しました。

② 専門知識を要しないリレーショナルデータベースの自動設計

システム開発において最も専門知識と時間を要するのがデータベースの設計です。しかし、Platio Canvas AIは入力したチャットの文脈から、裏側で機能するデータベースの構造を自動的に設計・構築しました。

AIは、データの重複や表記の揺れを防ぎ、後からの修正を容易にするために、以下の4つのテーブルを生成し、それぞれを紐付けました。

• 検査実績テーブル
  「誰が・いつ・何をどう検査したか」を記録する動的なシート。
• ユーザーテーブル
  利用者の氏名やログイン用アドレス、社内での役割を管理するシート。
• 製品マスターテーブル
  製品コードや規格値、上限・下限管理限界値など、合否の基準となる情報シート。
• アラートテーブル
  異常発生時の警告と対応内容をためるシート。

これら4つのテーブルはバラバラに存在するのではなく、AIによって高度なリレーショナル（紐付け）設計が完了しています。例えば、検査員が数値を入力した際に「製品マスターの管理限界値と数値を自動で照合して判定を出す」仕組みや、「不良率が設定した閾値を超えたらアラートテーブルに自動でレコードを立て、管理者のPC画面に対応ダイアログをポップアップさせる」といった、データ間の縦の繋がりがAIとの対話だけで構築されています。

③ セキュリティと権限管理

エンタープライズシステムにおいて必要なセキュリティや権限管理の仕組みも、対話の中に役割の概念を盛り込むだけで自動的に制御されます。

• 役割による表示画面の制御
  システムを利用するアカウントに「検査員」と「管理者」のロールを設定するだけで、ログイン後に見せる画面が自動的に切り替わります。検査員に管理用のダッシュボードや製品マスターの編集画面が表示されることはありません。
• 改ざん防止とデータの信頼性確保
  データの信頼性を保証するため、「現場の検査員は、一度送信した実績データを自分で修正・削除することはできない」というセキュリティロジックを自動で組み込みました。万が一の誤入力の際は、管理者権限を持つユーザーのみが「検査実績一覧」から修正を行える仕様とし、不正や不備を防ぐ体制が最初から整えられています。

このように、Platio Canvas AIは、UIデザイン、データベース設計、そしてセキュリティロジックまでを、バラバラに開発することなく「1つの対話のタイムライン」からワンストップで具現化できる仕組みが揃っています。

5.【運用の変化と改修】エンタープライズ基盤の真価を発揮する「ASTERIA Warp」とのAPI連携

現場でシステムの運用が定着するにつれ、次なる課題が浮き彫りになりました。簡易的なAIツールで構築したシステムが陥りがちな「データの孤島化」です。Platio Canvas AIのエンタープライズ基盤を活用し、A社がこの壁をどう乗り越えてシステムを進化させたのかを解説します。

【現状の課題】手動更新の限界とデータの二重管理

検査の合否判定に必要な製品マスター（規格値など）は、日常的に変動します。基幹の生産管理システムが更新されるたびに、品質管理システム側のマスターも手動で修正しなければなりませんでした。

• 運用の手間
  マスターの変更頻度が高く、手動更新にかかる現場の業務負荷が増大。
• データのサイロ化
  基幹システムと品質管理システム間で情報の乖離が生じ、データの二重管理が発生。

結果として、更新の手間が増えるだけでなく、システム間のデータの分断を生む原因になっていました。

【解決策①】チャットでの追加指示によるAPI連携

A社はこの課題を解決するため、APIによる連携で、外部からDB内の「製品マスター」を直接書き換えたり、蓄積された「検査実績」を外部へ取り出したりすることが可能になります。

API Connectorの詳細についてはこちらをご覧ください。

【解決策②】ASTERIA Warpによる基幹システム連携と全体最適

より高度なAPI連携を可能にするのが、ノーコードデータ連携ツールの「ASTERIA Warp（アステリア ワープ）」です。通常であればエンジニアがAPI接続用のプログラムコードを記述する必要がありますが、ASTERIA Warpの「専用アダプター」を活用すれば、プログラミング不要で、連携処理を構築できます。

基幹の生産管理システム側で製品仕様が変更されると、ASTERIA Warpの連携フローを経由して、システム内DBの「製品マスター」へ最新情報が自動更新される仕組みをノーコードで実装。これによりデータのサイロ化を解消し、既存の基幹システムとシームレスに連動する全体最適を実現しました。

6.【システム構築例と効果】対話で組み上げた業務ロジックと、データ連携がもたらす「全社データ利活用」

Platio Canvas AIによってフロントUIからバックエンドまでワンストップで構築され、さらにASTERIA Warpによるデータ連携を実現した品質管理システムは、A社の品質管理業務におけるデータ利活用と効率化を大きく前進させました。データの入力から分析、そして基幹システムとの連携までがリアルタイムに連動することで、改善のPDCAサイクルがスムーズに回り始めています。

※なお、以下で紹介するダッシュボードや分析ロジックはPlatio Canvas AIの固定機能ではなく、「A社がAIとの対話を通じて生成したシステムの機能例」です。自社の要件次第で、必要な集計ロジックや表示形式を柔軟に構築できます。

ダッシュボード画面によるリアルタイムKPI確認

PCの管理画面では、工場全体の品質状況（KPI）がリアルタイムに可視化されます。

• 直行率（FPY）の監視
  総検査数や不良率に加え、一発合格の割合を示す「直行率」をリアルタイムにグラフ化。手直しによる隠れたタイムロスも正確に把握できるようになりました。

• 傾向線の表示（推移・予測ロジック）
  過去のデータ推移から算出した傾向線をグラフ上に描画するロジックを組み込むことで、「今後の不良率の推移イメージ」を視覚的に捉え、先手を打った確認が可能になりました。

ASTERIA Warp連携による全体最適とデータ利活用の実現

API連携により、品質管理システムと既存の社内システムの連携が実現しました。

• マスター手動更新と二重管理の解消
  手動更新の手間や、システム間でのデータの二重管理が解消されました。
• 実績データの全社連携と利活用
  現場で日々収集される検査実績データは、Warpを介してリアルタイムに経営層の全社BIダッシュボードや原価管理システムへと直結します。

プロンプト指示で実装した「6軸不良原因分析」

「蓄積データから不良原因を6軸で分類・確認したい」というプロンプトから生成された画面により、手作業での集計コストが削減されました。

• 自動の6軸集計ロジック
  現場が入力した「不良カテゴリ」を基に、「設備・材料・人・方法・環境・時間」の6つの視点でデータを自動集計し、縦棒グラフで可視化する処理をシステム内に作成しました。
• アドバイスコメントの提示
  最も比率の高い原因軸を判別し、「設備が不良全体の45.0%を占めています。点検頻度の確認を推奨します」といったテキストメッセージを画面上に表示するロジックも実装しています。

対策の形骸化を防ぐアラート進捗管理

• アラートの発生
  不良率が設定した基準を超えるとアラートが発生し、管理者へ即座に通知が飛びます。
• 入力必須制御による対応漏れの防止
  ステータスを「対策済」にするには原因・対策テキストの入力が必須となる仕様が機能しています。記入がないとエラーとなり保存できないため、対策の形骸化を防ぐ仕組みを整備しました。

7. まとめ：AI開発がもたらす「AIネイティブ」な組織への変革

Platio Canvas AIが製造現場のDXにもたらす価値は、単なる開発生産性の向上やスピードアップだけではありません。「AIによるワンストップ開発」と「ASTERIA Warpによる柔軟なデータ連携」が組み合わさることで、現場のニーズに合わせたスモールスタートを切って効果を検証しながら、既存の基幹システムという大きな資産を活かしたまま、企業が自律的に進化する「AIネイティブな組織」へとシフトできる点にあります。

• 現場と経営が「データとAI」で繋がる改善サイクル
  単なる現場のペーパーレス化に留まらず、現場でのデータ入力がそのままダッシュボードや集計画面に反映され、さらに全社的なデータ利活用へとシームレスに巡る構造を速やかに構築できます。
• 対話によるアジャイルなシステム拡張
  運用の変化に合わせてAIに要望を語りかけるだけで、既存データに影響を与えずに画面UIや業務ロジックをアップデートでき、組織の成長に合わせてシステムを修正できます。

Platio Canvas AIは、日々の業務にAIが溶け込み、データ主導で改善を回し続ける組織へと変わるための重要な基盤となります。まずは無料トライアルで、あなたのやりたいことをチャットに入力し、画面やデータベースがワンストップで組み上がるAI開発を体験してみませんか。

➤Platio Canvas AI無料体験セミナーはこちらから
➤Platio Canvas AI無料トライアルはこちらから