プロセスFMEA分析の工数を劇的に削減する ― Acsim × LLM活用の実践

先日、自動車メーカーの品質管理部門の方とお話しする機会がありました。

Acsimで業務フローを整理し、LLMを使ってFMEA分析の叩き台を作るデモをお見せしたところ、こんな言葉をいただきました。

「業務プロセスの整理だけで2週間。リスク洗い出しにさらに1週間。ようやく表が埋まっても、"これで網羅できているのか" という不安は消えない。その準備工数が減らせるなら、本当に助かる。」

正直なところ、私自身はプロセスFMEA分析の専門家ではありません。しかし、この言葉を聞いて、Acsimが思わぬところで役に立てる可能性があることに気づきました。

本記事では、Acsimで業務フローを構造化し、LLM（大規模言語モデル）と組み合わせることで、プロセスFMEA分析の準備工数を削減できるというアプローチをご紹介します。

商談で教えていただいたこと

「整理」に時間がかかりすぎている

プロセスFMEA（Failure Mode and Effects Analysis）は、製造プロセスにおける潜在的な故障モードを特定し、その影響を評価する手法だそうです。品質問題を未然に防ぐために欠かせない取り組みである一方、その準備にかかる工数が課題になっていると伺いました。

特に、FMEA分析を始める前の「業務プロセスの可視化」に時間がかかるとのこと。

• 業務フローがExcelやPowerPointに散在している
• 部門ごとにフォーマットが違う
• 書いた人がいなくなり、最新の実態と乖離している
• そもそもドキュメント化されていない暗黙知がある

こうした状況の中、FMEA分析に入る前の「現状整理」だけで、大きな工数が消えていくそうです。ヒアリングを重ね、Excelに転記し、関係者にレビューしてもらう。その繰り返しだと。

リスク洗い出しは「経験頼み」になりがち

業務フローが整理できたとしても、次の壁があるそうです。

「このプロセスで、どんな故障モードがあり得るか？」

この問いに答えるには、現場経験と想像力が必要です。ベテランの知見に頼ることになりますが、属人化のリスクがある。また、網羅性の担保が難しい。「書いたリスクは思いついたもの。書かれていないリスクは見落とし」という状態に陥りがちだと教えていただきました。

本来注力すべきは「対策の議論」

プロセスFMEAの本質は、リスクを特定した後の「どう対策するか」の議論にあるとのこと。

しかし現実には、整理やリスク洗い出しに時間を取られ、対策の検討が駆け足になってしまう。あるいは、分析が形骸化し、「やった」という実績だけが残る。

「整理」と「洗い出し」を効率化し、「対策の議論」に時間を使いたい。 そんなお話を聞いて、Acsimで何かお手伝いできないかと考えました。

Acsimで業務フローを「構造化」する

テキストから業務フローを生成

Acsimは、AI要件定義支援プラットフォームです。業務フローの可視化において、大きな特徴があります。

テキストベースの業務記述から、業務フローを自動生成できること。

たとえば、「部品調達業務の流れを説明してください」と担当者にヒアリングした内容をそのままAcsimに入力すると、構造化された業務フローとして整理されます。

• 誰が（アクター）
• 何を（アクション）
• どんな順序で（フロー）
• どんな成果物を使って/生成して（アーティファクト）

これらが、一貫したフォーマットで可視化されます。

属人化した知識を「形」にする

現場でしか分からない暗黙知、口頭でしか伝わらない例外処理。

Acsimを使えば、ヒアリング内容をその場で業務フローに反映し、「これで合っていますか？」とすぐに確認できます。

従来の「ヒアリング → 議事録 → 図に起こす → レビュー依頼」というサイクルが、大幅に短縮されます。

構造化データ（JSON）としてエクスポート

ここからが本題です。

Acsimで整理した業務フローは、JSON形式でエクスポートできます。

実際にAcsimで自動生成した業務フローのJSONファイルを公開しますので、ぜひご覧ください。

サンプルJSONをダウンロード

このJSONには、単なる図形情報ではなく、以下のような構造化データが含まれています。

{
  "nodes": [
    {
      "type": "action",
      "data": {
        "content": "調達管理システムで発注依頼書を作成する",
        "operationMode": "manual",
        "actorId": "生産本部の担当者"
      }
    }
  ],
  "edges": [...],
  "artifacts": [...]
}

• アクションの内容（何をするか）
• 操作モード（手動/自動）
• 実行主体（誰がやるか）
• 入出力の成果物（何を使い、何を生成するか）
• フローの接続関係（どの順序で実行されるか）

この「構造化されたデータ」こそが、LLM活用の鍵になります。

構造化データ × LLMで分析を加速する

なぜ「構造化」が重要なのか

LLM（大規模言語モデル）は、テキスト処理において驚異的な能力を持っています。しかし、その能力を最大限に引き出すには、「適切な形式でデータを渡す」ことが重要です。

PowerPointの図をそのまま渡しても、LLMは図形の配置を読み解くことはできません。Excelの自由記述を渡しても、構造を正確に理解することは難しい。

一方、JSONのような構造化データであれば、LLMは各要素の関係性を正確に把握できます。

• このアクションは手動作業である
• このアクションの実行主体は「生産本部の担当者」である
• このアクションの前後にはこれらのプロセスがある

こうした情報を明示的に渡すことで、LLMはより精度の高い分析が可能になります。

プロセスFMEA分析をLLMに依頼する

Acsimからエクスポートした業務フローJSONを、Claude（Anthropic社のLLM）に渡してみましょう。

プロンプトには、以下のような指示を含めます。

• 各プロセスステップについて、潜在的な故障モードを洗い出す
• 故障モードの影響、原因、現行の管理方法を分析する
• 重大度（S）、発生度（O）、検出度（D）を評価し、RPNを算出する
• 特に手動作業（manual）のヒューマンエラーリスクに注目する

すると、LLMは業務フロー全体を俯瞰し、数分でFMEA分析表のドラフトを生成します。

実際の出力例

たとえば、自動車メーカーの部品調達業務フロー（手動作業20件、自動作業68件）を分析した結果、以下のような高リスク項目が特定されました。

手動作業に集中してリスクが洗い出され、その原因と推奨対策まで提案されます。

ClaudeならExcelファイルの生成まで可能

分析結果をそのままExcelへ

Claudeの特徴の一つに、Excelファイルを直接生成できる機能があります。

FMEA分析表を「Excelで出力してください」と依頼すると、以下のような成果物が生成されます。

• プロセスFMEA分析表：全プロセスの故障モード、影響、S/O/D評価、RPN、推奨対策
• リスク評価サマリー：高リスク項目一覧、手動作業集中箇所、システム間連携の脆弱ポイント
• 改善提案：即時対策、中期対策、長期対策に分類された具体的な施策

フィルター機能やセルの色分け（高リスク項目のハイライト）も含め、そのまま社内で共有できる品質のファイルが出力されます。

実際にClaudeが出力したExcelファイルのスクリーンショットをご紹介します。

まず、リスク評価サマリーです。高リスク項目（RPN≧100またはS≧9）の一覧、手動作業が集中している箇所とその主なリスク、システム間連携の脆弱ポイント、そして即時・中期・長期に分類された改善提案が1シートにまとまっています。

次に、プロセスFMEA分析表の本体です。各プロセスステップについて、故障モード、潜在的影響、潜在的原因、現行の管理方法、S/O/D評価、RPN、推奨対策が一覧化されています。

「分析して、Excelにまとめて」が一気通貫

従来のワークフローを思い出してください。

1. 業務フローをExcelで整理（数日）
2. FMEA分析シートに転記（数時間）
3. リスクを洗い出し、表を埋める（数日）
4. 集計・サマリーを作成（数時間）

これが、Acsim × Claudeの組み合わせでは：

1. Acsimで業務フローを構造化（ヒアリングしながらリアルタイムで）
2. JSONをエクスポートし、Claudeに渡す
3. 分析結果がExcelファイルとして出力される

数日〜数週間かかっていた作業が、数十分に短縮される可能性があります。

これは「叩き台」。人の判断を支えるAI

AIの出力は100%正確ではない

ここで、重要なことをお伝えしておきます。

LLMが出力するFMEA分析は、あくまで「叩き台」です。

LLMは、業務フローの構造を読み解き、一般的な故障モードのパターンに基づいて分析を行います。しかし、現場固有の事情、過去のインシデント履歴、組織特有のリスクファクターまでは把握していません。

AIの出力をそのまま最終成果物にするのではなく、専門家がレビューし、補完し、判断することが前提です。

「ゼロから作る」から「叩き台をレビューする」へ

私たちAcsimが目指しているのは、AIで人の判断を代替することではありません。

「ゼロから作る重労働」を「叩き台をレビューする知的作業」に変えることです。

白紙から始めると、「何を書けばいいか」で悩む時間が生まれます。一方、叩き台があれば、「ここは違う」「これが足りない」という観点で議論を始められます。

この違いは、工数だけでなく、議論の質にも影響します。

本来の仕事に時間を使う

プロセスFMEA分析の本質は、リスクを特定し、対策を講じ、品質を守ることにあります。

Excelを埋める作業ではありません。

AIに「整理」と「洗い出し」を任せ、人は「判断」と「対策」に集中する。この役割分担ができれば、プロセスFMEAはより実効性のある取り組みになるはずです。

まとめ：プロセスFMEA分析の新しいアプローチ

本記事では、以下の流れをご紹介しました。

1. Acsimで業務フローを構造化する

   • テキストから業務フローを生成
   • 一貫したフォーマットで可視化
   • JSON形式でエクスポート

2. 構造化データをLLM（Claude）に渡す

   • 手動/自動作業の識別
   • 潜在的故障モードの網羅的な洗い出し
   • S/O/D評価とRPN算出

3. 分析結果をExcelファイルとして出力

   • FMEA分析表
   • リスク評価サマリー
   • 改善提案

4. 人がレビューし、最終判断を下す

   • AIの出力は「叩き台」
   • 専門家の知見で補完・修正
   • 対策の議論に時間を集中

---

プロセスFMEA分析に限らず、品質管理の現場では「整理」と「ドキュメント化」に多くの時間が費やされています。

私たちROUTE06は、Acsimを通じて、業務プロセスの構造化とAI活用による分析支援を提供しています。

「まずは自社の業務フローで試してみたい」「プロセスFMEA以外の活用方法も知りたい」という方は、ぜひお気軽にお問い合わせください。

お問い合わせはこちら