この記事の要点: 株式会社JINGSは、2026年7月15日から17日まで東京ビッグサイトで開催された「TECHNO-FRONTIER 2026」に出展し、設計レビュー支援AIエージェント「リーンAI」のデモンストレーションを披露しました。同システムは、仕様書や図面を過去のトラブル事例と照合して確認漏れを洗い出すもので、設計段階での手戻り防止やFMEA（故障モード影響解析）の作成支援に寄与します。
発表内容のポイント
- 過去のトラブル事例と仕様書・図面を照合し、設計レビューの確認漏れを自動抽出
- FMEAの観点に基づいたたたき台を作成し、担当者による指摘水準のバラつきを解消
- 自動車部品メーカー等の実績を持つ東大松尾研発スタートアップが開発を主導
発表の背景
製造現場では、設計レビューの指摘内容が担当者の経験値によってバラつくことや、過去の類似設計・トラブル事例の検索に多大な時間を要することが課題となっています。JINGSは、不具合発生後の是正対応に偏りがちな品質業務を、設計・製造段階でリスクを抑える「未然防止」や「自工程完結」へと移行させるため、製造業固有の業務プロセスに即したAI開発を進めています。
何が発表されたのか
展示された「リーンAI」は、モータ・電源・EMC分野などの設計者を対象に、設計段階での品質つくり込みを支援するAIエージェントです。仕様書や図面を過去のトラブル事例（過去トラ）と突き合わせることで、レビュー時に確認すべき箇所を自動で洗い出します。これにより、FMEAやDRBFM（変更点に着目した設計審査）の検討プロセスを効率化し、後工程で発覚する手戻りリスクを設計段階で低減します。同社はこれまで、自動車や自動車部品メーカーを中心に、FMEA作成支援や過去トラの横断検索システムの構築実績を有しています。
製造業・生産管理への見方
設計段階でのフロントローディングは、開発期間の短縮と品質安定化において極めて重要です。しかし、熟練技術者の知見や過去の不具合情報が属人化しているため、若手や非専門の担当者では見落としが発生しやすいという課題がありました。本システムのように、過去のトラブルデータをAIが自動で引き当ててレビューのたたき台を作成する仕組みは、組織的な品質平準化に貢献します。特にDRBFMやFMEAの作成工数に悩む生産技術や品質保証部門にとって、業務効率化と品質担保を両立する現実的なDXアプローチと言えます。
現場で確認したいポイント
- 自社に蓄積されている過去のトラブル事例や図面データが、AIで読み込める形式で整理されているか
- FMEAやDRBFMといった既存の品質管理プロセスに、AIによる抽出プロセスをどう組み込むか
- 自社の設計対象製品（モータ、電源、その他機械部品など）に対するAIの指摘精度や適合性
確認しておきたい点
本システムが対応する図面や仕様書のデータフォーマット（CADデータ、PDF、テキスト等）の詳細や、導入にあたって必要となる過去トラブルデータの整備基準については、個別での確認が必要です。
関連リンク
- 株式会社JINGS 公式サイト：製造業向けAIエージェント開発を行うJINGSの企業サイト
- JINGS PR TIMES ページ：株式会社JINGSのプレスリリース一覧
出典情報
| 出典 | PR TIMES |
|---|---|
| 発表企業 | 株式会社JINGS |
| 発表日時 | 2026-07-23 11:56:13 |
| 元記事 | PR TIMESで読む |
