株式会社Things 代表取締役CEO 鈴木敦也が日刊工業新聞社「機械設計」2026年6月特別増大号に寄稿

Q: What are the key facts in this article?

Things公司CEO在《機械設計》雜誌撰文，闡述生成式AI如何透過其產品「PRISM」革新製造業的DRBFM/FMEA等預防性品質保證活動，解決知識屬人化等痛點。

Q: What is the direct answer?

Things公司CEO在《機械設計》雜誌撰文，闡述生成式AI如何透過其產品「PRISM」革新製造業的DRBFM/FMEA等預防性品質保證活動，解決知識屬人化等痛點。

Q: What is the source and date?

Source: https://prtimes.jp/main/html/rd/p/000000018.000089483.html | Date: Date unavailable

製品ナレッジ活用基盤「PRISM」等の開発・提供を通じて製造業DXを支援する株式会社Things（本社：東京都港区、代表取締役：鈴木 敦也）代表の鈴木が執筆した記事が、日刊工業新聞社が発行する月刊誌「機械設計」第70巻第6号（2026年6月特別増大号）に掲載されました。 本記事では、製造業における品質保証の要であるDRBFMおよびFMEAの領域において、生成AIがいかに未然防止活動を変革するかについて、当社が提供するエンジニアリング・チェーン基盤「PRISM」の実践例を交えて詳細に解説しています。 ■ 掲載概要 掲載媒体： 日刊工業新聞社「機械設計」第70巻第6号（2026年6月号） 特集名： FMEA/DRBFMの基本理解と活用の考え方 記事タイトル： 第5章「生成AIが変える未然防止活動 -DRBFM・FMEAにおけるAI活用の最前線-」 執筆者： 株式会社Things 代表取締役CEO 鈴木 敦也 雑誌購入・詳細リンク： https://pub.nikkan.co.jp/book/b10169279.html ■ 記事のハイライト①：未然防止の現場が抱える3つの構造的課題 DRBFMやFMEAの運用現場では、以下の看過できない課題が顕在化しています。 属人化と経験の壁：心配点の抽出品質が担当者の経験に強く依存しており、過去の不具合事例やシステム内の因果関係を暗黙知として持つベテランに対し、若手は経験の絶対量不足から「若手とベテランで心配点の数が2倍以上異なる」ことも珍しくありません。 暗黙知の損失：特定の材料における成形条件や市場不具合パターンなど、長年蓄積された「勘所」が形式知化されないまま、ベテランの退職に伴い組織から失われています。 作業効率の壁：過去の膨大な社内文書（トラブル報告書や設計審査記録など）が複数のシステムに分散しており、横断的な参照に相当な時間と労力を要しています。 ■ 記事のハイライト②：従来型AIと生成AIの決定的な違いと親和性 これまで製造業で活用されてきた画像からの不良品検出などの「従来型AI（識別型AI）」は、数値データのパターン認識や二値的な判定を中心としてきました。一方、「生成AI」は自然言語の理解に優れ、複数の知識領域を横断した推論や仮説生成を得意とします。 「設計変更によって何が起こり得るか」を多角的に考え言語化するDRBFMのプロセスは、過去の知見から類推し未知のリスクを言語化する生成AIの振る舞いと極めて高い親和性を持っています。 ■ 記事のハイライト③：PRISMを活用したDRBFM作成の実践と効果 当社が提供する「PRISM」は、社内の技術文書をナレッジベースとし、熟練設計者の思考プロセス（変更点から影響機能・心配点を段階的に展開する手順）を組み込んでいます。 例えば、ある部品の肉厚を薄くする変更を行った際、PRISMは単なる強度低下だけでなく、射出成形時のひけや反りのリスク、熱伝導特性の変化、固有振動数の変化による共振リスクなど、複数領域にまたがる心配点を文脈を理解した上で提示します。これにより、機構設計者が熱設計上の懸念を見落とすといった「人間の思考の偏り」を補完し、高い網羅性を実現します。 PRISMの操作画面例：扇風機プロペラの肉厚変更を題材としたDRBFMシートの自動生成画面。「変更点・変化点」を起点に「影響する機能」「心配点」「原因」「設計検証」がAIアシスタントにより段階的に展開される。 ■ 記事のハイライト④：技術者の働き方はどう変わるか 従来、過去資料を探し回り数週間を要することもあったDRBFMの作成プロセスは、PRISMの導入によりAIが「数分」でドラフトを生成するワークフローへと激変します。 設計者はAI出力をたたき台とし、実際の組立現場での工具の入りづらさなど、現場経験に基づく知見を補完する本質的な思考に注力できるようになります。また、AIの多角的な視点に日常的に触れることで、若手技術者の育成が加速する効果も期待できます。 部品や工程が複雑に相互依存する「インテグラル（擦り合わせ）型」製品のつくり込み能力こそが日本の製造業の強みであり、生成AIはこの「品質」をさらに高め、競争力を再興する重要な機会となります。 PRISM導入によるDRBFM業務の変化図：過去の資料探索などの時間がかかる作業や、担当者の経験によって品質にばらつきが出やすい「心配点の洗い出し」「対策の検討」といった工程を、AIがサポートします。AIによる精度の高いドラフト作成により、担当者の大幅な業務効率化とリードタイムの短縮に貢献します。 ■ DRBFM/FMEAなどの未然防止業務の支援サービス『PRISM（プリズム）未然防止』について 「PRISM（プリズム）未然防止」は、本記事で解

AI サマリー（NQ 加工済み）