古念松 | AI+DFSS設計シックスシグマ：工学理論からクラウドへの実装まで

5月9日、中国之光オールメディア・明课堂と寧波照明展が共同で企画した「光途同行リソース集結シリーズイベント」のセミナーが無事開催されました。本イベントでは、研究開発およびイノベーション分野の第一線で活躍する古念松先生を特別ゲストに迎え、DFSSデザイン六シグマ——AIによる強化：工学理論からクラウドへの実装というテーマに焦点を当てました。約30年にわたる異業種横断の研究開発実務経験を踏まえ、DFSSの核心ロジック、公差シミュレーションの実戦、AI-DFMEAおよびVOCによるインテリジェントなインサイトを解説。照明企業に対し、「工学理論→ツールの実装→クラウドによる強化」という全フローを打通し、設計段階からのリスク管理、効率向上、市場適合性確保に向けた包括的な導入ソリューションを提供しました。

DFSSを再認識：認知の誤りを打破し、本質的価値へ回帰

イベント冒頭、古先生はまず業界におけるDFSS（デザイン六シグマ）に対する一般的な誤解を整理しました：

多くの人はDFSSとは不良率3.4ppmを目指すものだと考えていますが、実はこれは「神話」です。統計学的に見ると、長期的な1.5σのドリフトを考慮した場合、3.4ppmは片側4.5σ相当であり、Cpkは約1.5で、理論上の6σではありません。本当に重要なのは絶対的なppm数値ではなく、実際の製造変動下における設計の安定性です。

DFSSの核心的な理論的基盤は中心極限定理です。製品は複数の部品から組み立てられ、各部品には固有の公差と変動があります。個々の部品の分布形態がどうであれ、その数が十分多ければ、最終的な組立品全体の変動は必ず正規分布に従います。

DFSSが解決すべき核心課題は、部品に製造変動が存在する前提のもとで、いかにロバストな製品設計を実現し、真に市場ニーズに合致した適切な製品を開発し、源流から研究開発リスクを管理するか、という点です。

現在に至るまでに、DFSSはDMADVプロセスという完全な製品開発方法論フレームワークを確立しています：

• Define（定義）：製品ポジショニングと市場ニーズを明確にし、「技術は優れているのに売れない」という悲劇を回避します。

• Measure（測定）：顧客ニーズを具体的な製品仕様や重要品質特性（CTQ）として定量化します。

• Analyze（分析）：DFMEAなどのツールを通じて設計リスクと主要影響因子を特定します。

• Design（設計）：ロバスト設計、公差解析、モンテカルロシミュレーションなどを用いて最適化を行います。

• Verify（検証）：信頼性試験やCPK検証などにより、設計要件を満たしていることを確認します。

古先生は特に次のように強調しました。「DFSSは創造力のエンジンではなく、リスク軽減と手戻り削減のためのエンジンです。統計学者だけの専用ツールではなく、すべてのエンジニアが『Y = f(x)』という因果関係を理解するための実用的な手法です。また、絶対的な6σ能力を要求するものでもなく、企業がコストとロバスト性の間で最適なバランスを見出すのを支援するものです。」

核心方法論の実装

公差解析からリスク管理まで、研究開発の痛点を解消

四つの公差解析手法、モンテカルロシミュレーションが複雑なケースの痛点を解決

製品組立後の公差累積は、量産歩留まりの低下や信頼性問題の根本原因です。古先生はよく使われる四つの公差解析手法を比較しました：

1. 極値法（Worst-case）：すべての公差が同時に極限値にあると仮定する手法で、最も安全ですが過度に保守的でコストも高くなります。

2. 平方根和法（RSS）：正規分布の仮定に基づき、公差の二乗和を平方根で求めます。多くの機械組立シーンに適しています。

3. 極値法とRSS平均法の折衷：安全性と合理性を両立させる中庸の手法です。

4. モンテカルロシミュレーション：各パラメータをランダムサンプリングしてシミュレーションを行う手法で、任意の分布や非線形関係にも対応可能。光学アライメントやクリップ組立など複雑なシステムに最適です。

古先生は実践事例を紹介しました。あるスティックモップの水トリガー漏れ問題では、100台中約1台が漏水しており、長期間にわたり根本原因が判明しませんでした。モンテカルロシミュレーションで5,000回の試行を行った結果、二つのパラメータが隙間変動の85%を占めていることが分かりました。この二つの重要部品の公差を厳格化するだけで問題が完全に解決し、金型修正を繰り返す高額なコストを回避できました。「以前は同様の問題を解決するのに6か月、金型を3回も修正する必要がありましたが、モンテカルロシミュレーションを使えば2日で根本原因を特定でき、ROIは非常に高いです。」

AIによるDFMEAの強化、従来の痛点を解消し事前リスク管理を実現

DFMEA（設計時故障モード影響分析）は研究開発リスク管理の核心ツールですが、従来のDFMEAには三大痛点がありました：

• エンジニア個人の経験に高度に依存しており、若手エンジニアでは潜在的なリスクを網羅できない。

• 社内に過去の故障データベースがなく、人材の離職とともにノウハウが失われる。

• 完全なDFMEA作成には一週間以上かかることがあり、結局は事後補足の文書に終わってしまうことが多い。

古先生のチームが開発したAI-DQA（設計品質保証）ツールはこれらの問題を完璧に解決します。四段階のプロセスで自動リスク識別を実現します：

1. 製品の自動分解：入力された製品名と説明を「機能→モジュール→部品」の三層構造に自動分解します。

2. 多源知識の融合：内蔵の製品テンプレート、社内故障データベース、業界知識グラフ、ネット上のリアルタイム故障事例を統合します。

3. AIによるインテリジェント分析：DFMEA原理に基づきリスク優先度数（RPN）を算出し、上位5つの高リスク項目を自動的に並べ替えます。

4. 対策案の出力：各高リスクポイントに対して具体的な予防・改善策を提示します。

実践事例：あるスマートホームハブプロジェクトにおいて、従来のDFMEAでは電源レギュレーターの放熱リスクを見落としていました。AIツールが類似製品の故障データベースを掘り起こし、これを第二位の高リスクとして特定。単純な放熱パッドを追加するだけで、後に発生しうる200万ドル規模のリコール損失を回避できました。一件でツールの価値の数百倍ものリターンを実現しました。

AIによる顧客の声（VOC）の捕捉、源流から「正しい製品」を作る

「私が30年間研究開発に携わってきて最大の痛点は、多くの製品が技術的には優れた仕様を持っているのに、市場がそれを買わないことです。」と古先生は率直に語りました。従来のVOC手法（アンケート、フォーカスグループ）はコストと期間がかかるだけでなく、バイアスが生じやすく、製品定義と市場の真のニーズが乖離してしまう傾向がありました。

AI駆動の製品実現可能性分析ツールはユーザー需要の効率的な発掘を実現します。製品名、説明、ターゲット市場、販路などの基礎情報を入力するだけで、Amazonや小紅書などのプラットフォームから膨大なユーザーレビューとソーシャルデータを自動収集し、数分以内に以下の内容を含む包括的な市場分析レポートを出力します：

• 市場トレンド：業界が成長期、成熟期、衰退期のいずれにあるかを判断します。

• ユーザーの痛点：リアルな評価から頻出する不満点を抽出し、実装可能な技術仕様へと変換します。

• 競合分析：主流競合製品の強み・弱みおよび価格帯を整理します。

• 市場空白：ユーザーが求めていながら未充足の差別化機会を特定します。

• リスク評価：技術的および市場的リスクを定量化し、参入に関する提言を行います。

「かつて私はあるスティックモップの開発を主導しましたが、信頼性は6σレベルに達していたものの、ワイヤレス化というユーザーのトレンドを見逃したため商業的に失敗しました。もし当時このAIツールがあれば、市場データからわずか1時間でこのトレンドを特定し、莫大な投資損失を防げたでしょう。」と古先生は強調しました。「最高のDFSS実行も、誰も欲しない製品を救うことはできません。市場ニーズを定量的に把握する前に、いかなる設計も開始すべきではありません。」

クラウドSaaSツールセット

利用障壁を低くし、全フローでの工学強化を実現

古先生のチームは30年のエンジニアリング経験を箱から出してすぐに使えるAI-DFSS SaaSツールセットにまとめました。公差シミュレーション、AI-DFMEA、AI-VOC分析、故障根本原因分析の四大コアツールを搭載し、従来は何日もかかった分析作業を数分に短縮。統計手法の利用障壁を大幅に下げ、一般のエンジニアでも迅速に習得でき、全員のエンジニアリング意思決定を強化します。

ツールの核心的メリット：

✅ 全プロセスカバー：市場ニーズの洞察、設計リスクの予防から量産問題の根本原因分析まで、完全な研究開発クローズドループを形成
✅ 多言語対応：ツールインターフェースとレポートは中英二言語切替に対応し、海外進出企業のニーズに応えます
✅ グローバル利用可能：サーバーは海外に配置されており、国内外のユーザーが直接アクセスでき、追加のネットワーク設定は不要です
✅ 持続的アップデート：ツールセットは継続的に更新され、現在は健康照明のメラトニン指標計算など業界特化ツールも追加されています。

インタラクティブQ&A

Q

ツールの利用は順番待ちですか？

A

いいえ、パラメータを入力するだけでシミュレーションが実行され、即座に結果が得られます。

Q

ツールは多言語レポートに対応していますか？

A

現在は中国語と英語の二言語に対応しており、ポータルで選択した言語に応じたレポートが出力されます。他の言語はエクスポート後に各自翻訳してください。

Q

国内からのアクセスに特別なネットワーク設定は必要ですか？

A

いいえ、サーバーは海外に配置されているため、国内外どちらからでも直接アクセス可能です。国内利用時は読み込み速度が若干遅くなるだけで、正常な機能には影響ありません。

Q

AIは照明業界で他にどのような応用方向がありますか？

A

現在、LEDの発光効率は量産時の物理的限界に近づいており、今後の照明業界の成長は主に光の質とスマート化にあります。AIは企業が光配合設計、スマート制御アルゴリズム、健康照明パラメータのマッチングなどを最適化するのを支援し、業界の次のフェーズにおける核心的競争力となります。

結  語

AI+DFSSを受け入れ、研究開発の質と効率向上を実現しよう

古先生は総括の中で次のように強調しました。「AIは真の産業革命であり、生産性を百倍に引き上げることができます。取り込まなければ淘汰されるのは必然です。DFSSは高嶺の花のような理論ではなく、AIも遠い概念ではありません。両者を組み合わせたツールセットはすでに企業が研究開発の痛点を解決し、『正しい製品を作る』から『製品を正しく作る』へと全フローを最適化するのを実現しています。」

特記事項：AI-DFSS SaaSツールセットは無料トライアルに対応しています。ぜひ登録して体験し、AI+DFSSでよりロバストで売れ行きの良い製品を作りましょう。

ツールセットへのアクセス：https://app.techlife-suite.com

END

注：本文は2026年5月9日に明课堂で行われた古念松先生の「DFSSデザイン六シグマ——AIによる強化：工学理論からクラウドへの実装」テーマの講演録音を元に編纂したもので、明课堂が公開しました。

講演の再生はこちら