品質検査・動きの型 ― 計算

統計的工程管理

不良が出てから気づく。工程の「じわっとしたズレ」を早期に掴めない。

数個ずつのまとまりで測った寸法などを、順番に並べます。

集めたところ

書き方も桁もバラバラ

1枚にしたところ

ここを超えたら手を打つ1月6月

出てくるもの

計算している

図は自動で進みます。数字はしくみを見せるための例です。

中でやっていること

Xbar-R管理図＋連・トレンド判定で工程の乱れを不良の前に検知。Cp/Cpkで工程能力も。

入れるもの

工程の測定値（連続した群）

出てくるもの

Xbar-R管理図＋ Cp/Cpk ＋逸脱（連・トレンド）

わかること

管理限界超や連続の偏りは不良の前兆＝工程を点検。Cpk<1.33は能力不足。

やり方の選択肢

ローカル完結（古典統計・学習ゼロ・0円）

使っているAIの階層

② 従来型ML・画像処理

統計的工程管理（Xbar-R 管理図・連/トレンド判定・Cp/Cpk）。**古典統計・AIではない**

向いている人

品質保証・製造技術

品質検査

外観検査

製品を撮影 → 良否判定 → NGを弾く → 記録。専用機を数万円で。

品質検査

部品カウント

写真1枚 → 個数を自動カウント → 期待数量と照合 → 記録。

品質検査

印字検査

撮影 → 期待値と自動照合 → 日付違い・欠字・かすれを弾く → 記録。

品質検査

色検査

見本色を登録 → 色差ΔE（CIE Lab）で合否＋ずれの方向を数値化。学習ゼロ・0円運用。