「品質工学」を経営主導で採り入れたらクレームが激減した
コメント
注目のコメント
ここで述べられている"正常時のデータで算出した指標値から数値が離れるほど異常とみなす品質工学の予測手法"とはMahalanobis距離を使った方法（Mahalanobis-Taguchi Method)のことでしょうね。
一般的な出荷検査は単一の検査項目について、管理範囲を逸脱しているか確認するものなので、1次元Mahalanobis距離を見ているとも言えますが、これを多面的な検査項目について実施し、多次元Mahalanobis距離を管理項目にする方法です。
この手法は不良品の流出防止には役立つものの、歩留まりが悪化することと、不良判定した個体がNG判定された理由が直観的にわからないところがデメリットです。（記事内でも触れられていますが）
そのため、短期的にはいたずらに不良率を上げるだけの施策にしか見えず、経営陣の理解が無ければ導入・継続は難しい手法でもあります。
AIによる検査や加工条件調整が導入されてきた場合にも同様の問題が起こることが予想されます。AIは統計上最適な検査基準や加工条件を選定しますが、それが何故最適なのかは説明できないため、外的要因で歩留まりが悪化してもAIが選定した条件が悪いのか、外的要因が悪いのか判断できないためです。
すなわち、製造業へのAI導入についても経営主導で進めることが成功へのカギとなることが予想されます。マネジメント（経営）が技術の効率化を考えないと、モノづくりの構造変化に対応できない」と指摘する。
正にこれだな。技術だけを追い求めては、ニーズ、マーケットにフィットしない。
