＊2026年9月10日 現在でのAIの回答は驚異的に進歩しています。
しかし、AIは最終判定者ではありません。しかし、使い方を決めれば、規格確認の抜け漏れを減らし、検討時間を短縮する有力な補助ツールになります。
2026年版として追加した記事は下記の章です
抜き取り検査の基礎知識
日本で多く用いられている抜取検査方式としては、以下のものが挙げられます。
-
JIS Z 9015-1（ISO 2859-1）に基づくAQL（合格品質水準）指標型抜取検査:
- 特徴: あらかじめ設定されたAQLに基づいて、ロットの合格・不合格を判定する方式です。生産者と消費者の両方のリスクを考慮した合理的な検査方法であり、国際規格であるISO 2859-1と整合性があるため、広く採用されています。
- 利用場面: 継続的なロットの受け入れ検査や工程内検査など、比較的安定した品質の製品に対して用いられます。
-
JIS Z 9002 に基づく計数規準型一回抜取検査（不良個数の場合）:
- 特徴: ロットから一度だけサンプルを抜き取り、その中に含まれる不良品の個数があらかじめ定められた合格判定数以下であればロットを合格とする方式です。
- 利用場面: 比較的単純な製品の検査や、品質が安定していることが期待される場合などに用いられます。
これらの他にも、製品の特性や検査の目的、取引先との合意などに応じて、様々な抜取検査方式が用いられています。例えば、抜き取るサンプルの数を段階的に変える多回抜取検査や、過去の検査結果に基づいて抜き取り数を調整する調整型抜取検査などがあります。
特に、JIS Z 9015-1 に基づくAQL指標型抜取検査は、その合理性と国際的な通用性から、日本国内の多くの産業で広く用いられていると言えます。
JIS Z 9002とJIS Z 9015-1の違い比較表
| 比較項目 | JIS Z 9002 | JIS Z 9015-1 |
|---|
| 規格名 | 抜取検査－計数規準型および計量規準型 | 抜取検査－第1部：AQL指標による計数抜取検査方式 |
| 目的 | 抜取検査の統計的設計（基本原則の提供） | AQL基準による実務的な抜取検査の方法提供 |
| 適用範囲 | 計数・計量の統計設計全般 | 計数抜取検査（AQL基準） |
| 抜取方式の種類 | 単回・二回・多回・連続抜取検査 | 単回・二回・多回（MIL-STD-105系） |
| 主な指標 | p₀, p₁, α, β（OC曲線による設計） | AQL（合格品質限界） |
| 抜取数と合格判定数の決め方 | 統計設計に基づいて計算で決定 | コードレターとAQLから表で決定 |
| 表の使用可否 | ×（AQL表は使用しない） | 〇（AQL表を使用） |
| 実務での使用頻度 | 中（設計や制度構築向け） | 高（現場・納入検査・契約検査） |
| 代表的な用途 | 新製品の信頼性設計、品質保証契約など | ロット検査、納入品検査、工程抜取検査など |
*抜き取り検査の詳細は下記の記事を参照願いします。
ChatGPTで JIS Z 9015-1の抜取数と合格判定数を求める！
JIS Z 9015-1は ANSI/ASQ Z1.4 や ISO 2859-1 と実質的に同等です。
ChatGPTは実際のJIS規格そのものにはアクセスできませんが、信頼できる表形式を再現したロジックで対応、抜取数と合格判定数を求めます。
ChatGPTで JIS Z 9015-1（AQL指標型抜取検査方式） における 抜取数（n）と合格判定数（c） を求めるには、以下の情報をもとに検査表（AQL表）を使用して算出します。
ChatGPTでnとcを求めるために必要な4つの項目
| 項目 | 内容 | 例 |
|---|---|---|
| ① ロットサイズ | 検査対象の総数 | 500個、1200個 など |
| ② 検査水準 | 一般水準I / II / III または 特別水準S-1〜S-4 | 一般水準II（標準） |
| ③ 検査の厳しさ | 通常・緩和・厳重 | 通常検査（標準） |
| ④ AQL（合格品質限界） | 許容できる最大不良率 | 1.0%、2.5%、4.0% など |
ChatGPTでの抜取数と合格判定数を求める方法
次の条件で抜取数nと合格判定数cを求める
-
ロットサイズ：500個
-
検査水準：一般水準II
-
検査の厳しさ：通常
-
AQL：1.5%
ChatGPTへのプロンプト例：
JIS Z 9015-1のAQL検査方式で、ロットサイズ100、通常検査水準Ⅲ、AQL=0.25％、通常検査の場合の抜取数nと合格判定数cを教えてください。
👉 ChatGPTは以下のように計算（または表データから）応答します：
-
コードレター：G（ロットサイズ×水準から決定）
-
抜取数：50
-
判定： Ac（合格判定数）=0、Re（不合格判定数）＝１
ChatGPTでの仕組み（裏側でやっていること）
-
コードレター表で（ロットサイズ × 検査水準）**で記号（例：G）を決定
-
**AQL表（JIS附属表）**でそのコードレターの行から該当するAQL列を検索
-
該当する
n（抜取数）とc（合格判定数）を求める。
ChatGPT使用上の注意点
- 始めて上記のプロンプト文をChatGPTに指示したらコードレターは「F」との間違った回答出したので再確認したら下記の返答が返ってきた。
コードレターは Gでないか？
素晴らしいご指摘です。
再確認したところ、あなたの指摘は正しいです。コードレターは「G」です。”
その後は正しいコードレターの回答を出すように修正された。
但し、抜き取り検査数はn=32とあり間違っていた、正しくはn=50である。
再度、ChatGPTに確認し、修正を依頼した回答が下記。
👉 あなたの言う通り「50個抜取、c=0」が正解です。
比較 GeminiでのJIS Z 9015-1の抜取数と合格判定数を求める
Geminiへのプロンプト例：
JIS Z 9015-1のAQL検査方式で、ロットサイズ100、通常検査水準Ⅲ、AQL=0.25％、通常検査の場合の抜取数nと合格判定数cを教えてください。
ロットサイズ100、通常検査水準Ⅲ、AQL=0.25%の条件で、JIS Z 9015-1の抜取検査方式を用いる場合、以下のようになります。
-
抜取文字: まず、ロットサイズ（100）と通常検査水準（Ⅲ）から、抜取文字をJIS Z 9015-1の抜取表で確認します。この組み合わせの場合、抜取文字は G となります。
-
抜取数（n）: 次に、抜取文字 G とAQL（0.25%）から、抜取数を抜取表で確認します。抜取文字Gに対応するAQL 0.25%の抜取数は 50 個となります。
-
合格判定数（c）: 同じく、抜取文字 G とAQL（0.25%）から、合格判定数を抜取表で確認します。抜取文字Gに対応するAQL 0.25%の合格判定数は 1 個となります。
したがって、抜取数nは 50 個、合格判定数cは 1 個となります。これは、抜き取った50個のサンプルの中に不良品が1個までならそのロットは合格、2個以上あれば不合格と判定されることを意味します。
ご指摘ありがとうございます。私の記憶に誤りがありました。
JIS Z 9015-1の抜取検査表を確認しますと、抜取文字が G で、AQLが 0.25% の場合の合格判定数（Ac）は 0、不合格判定数（Re）は 1 となります。
したがって、再計算の結果は以下の通りです。
- 抜取数（n）: 50個（これは前回と同じです）
- 合格判定数（c）: 0 個
- 不合格判定数（Re）: 1 個
これは、抜き取った50個のサンプルの中に不良品が1個でも見つかった場合、そのロットは不合格と判定されることを意味します。不良品が1個もなければ合格となります。
ご迷惑をおかけし申し訳ありませんでした。再度のご質問、誠にありがとうございます。
ーーーーーーーーーーーーーーーーーーーーーーーーーーーー
＊2025年5月6日 現時点ではAI ChatGPT及びGeminiの回答は不正解だったが再学習して近い将来は100％正解に近づくと予想される。
2026年版 AI・ChatGPTでAQL指標型抜取検査のサンプル数を決める方法|JJIS Z 9015-1をGMO天秤AIで検証
生成AIに条件を入力すれば、抜取検査のサンプル数を短時間で調べられます。しかし、AIが自信を持って答えた数値が正しいとは限りません。
実際に、次の条件を複数のAIへ質問したところ、抜取数は「20個」「32個」「50個」の3種類に分かれました。
JIS Z 9015-1のAQL検査方式で、ロットサイズ100、一般検査水準Ⅲ、AQL 0.25、なみ検査の場合の抜取数nと合格判定数Acを教えてください。
1回抜取方式・不適合品率による検査を前提とした正解は、n＝50、Ac＝0、Re＝1です。
本記事では、JIS Z 9015-1による抜取数の決め方に加えて、ChatGPT、Claude、Grok、Perplexity、PLaMoの回答をGMO天秤AIで比較した結果を紹介します。AIを答えの代行者として使うのではなく、規格表を読み解く補助者として安全に活用する方法を解説します。
重要：本記事は規格の理解とAI活用方法を解説するものです。取引・出荷判定へ適用するときは、使用する規格の版、顧客要求、検査仕様書を確認し、正規のJIS規格票で最終確認してください。
2026年1月には国際規格ISO 2859-1:2026（第3版）が発行され、従来のISO 2859-1:1999を置き換えました。一方、日本規格協会では2026年9月確認時点でJIS Z 9015-1:2006が有効と表示されています。国際取引では「JIS Z 9015-1:2006」と「ISO 2859-1:2026」のどちらを契約・仕様書で指定しているかを確認してください。
なお、AQLは「そのロットに許容する最大不良率」や「合格したロットの品質保証値」ではありません。連続するロットを扱う抜取検査方式を選定するための指標です。
AIに質問する前に決める条件
正確な抜取方式を求めるには、少なくとも次の条件を明示します。
| 条件 | 内容 | 入力例 |
|---|---|---|
| 適用規格・版 | 使用するJIS規格 | JIS Z 9015-1:2006 |
| ロットサイズ | 検査対象ロットの数量 | 100個 |
| 検査水準 | 一般検査水準Ⅰ・Ⅱ・Ⅲ、特別検査水準S-1～S-4 | 一般検査水準Ⅲ |
| 検査の厳しさ | なみ・きつい・ゆるい | なみ検査 |
| 抜取方式 | 1回・2回・多数回 | 1回抜取方式 |
| AQL | 合格品質限界 | 0.25 |
| 評価単位 | 不適合品率または100単位当たりの不適合数 | 不適合品率 |
「通常検査」という表現だけでは、検査水準と検査の厳しさが混同される場合があります。一般検査水準Ⅲ・なみ検査・1回抜取方式のように分けて記載するのが安全です。
AI（ChatGPT等）に使う改善版プロンプト
次のように、表の読み取り過程まで回答させます。
JIS Z 9015-1:2006に基づく計数抜取検査について回答してください。条件は次のとおりです。
・ロットサイズ：100個
・一般検査水準：Ⅲ
・検査の厳しさ：なみ検査
・抜取方式：1回抜取方式
・AQL：0.25
・評価単位：不適合品率①表1から求めるサンプル文字、②主抜取表での矢印処理、③最終的な抜取数n、④合格判定数Ac、⑤不合格判定数Reを順番に示してください。数値を推測せず、規格票原本で確認すべき箇所も明記してください。
このプロンプトのポイントは、最終数値だけでなく「サンプル文字」と「矢印処理」を回答させることです。根拠を分解して表示させると、AIの読み違いを人が発見しやすくなります。
計算事例：ロット100、一般検査水準Ⅲ、AQL 0.25
結論
1回抜取方式・不適合品率によるなみ検査を前提とすると、結果は次のとおりです。
| 項目 | 結果 |
|---|---|
| 表1で求めるサンプル文字 | G |
| Gの基本的なサンプルサイズ | 32 |
| 主抜取表で実際に適用する方式 | 下向き矢印をたどったH相当の方式 |
| 最終的な抜取数 n | 50個 |
| 合格判定数 Ac | 0個 |
| 不合格判定数 Re | 1個 |
したがって、ロット100個から偏りがないように50個を抜き取ります。不適合品が0個ならロット合格、1個以上ならロット不合格です。
なぜサンプル文字Gなのにn＝32ではなく50なのか
ここが、AIが最も間違えやすいポイントです。
- ロットサイズ100は「91～150」の区分に入る。
- 一般検査水準Ⅲとの交点から、サンプル文字Gを得る。
- Gに対応する基本的なサンプルサイズは32である。
- しかし、なみ検査・1回抜取方式の主抜取表で、GとAQL 0.25の交点はAc/Reの数値ではなく下向き矢印となる。
- 表の指示に従って、矢印の先にある最初の抜取方式を採用する。
- その結果、H相当のn＝50、Ac＝0、Re＝1となる。
つまり、サンプル文字から得た基本サンプルサイズを、そのまま最終的な抜取数としてはいけません。 AQL列との交点に矢印がある場合は、矢印の指示を優先します。
また、「サンプル文字がGからHへ変更された」と表現するよりも、表1で得たサンプル文字はGだが、GとAQL 0.25の交点の矢印に従い、H相当の抜取方式を適用すると説明した方が正確です。
GMO天秤AIで5種類のAIを比較した結果
同じ質問をGMO天秤AIから5種類のAIへ入力したところ、回答は次の3グループに分かれました。
| 回答モデル | 抜取数n | Ac | 判定 | 主な問題点 |
|---|---|---|---|---|
| xAI Grok 4.6 | 50 | 0 | 正解 | Gの交点から下向き矢印をたどった |
| OpenAI GPT-5.6 Sol | 32 | 0 | 不正解 | Gの基本サンプルサイズをそのまま採用した可能性 |
| Anthropic Claude 5 Sonnet | 32 | 0 | 不正解 | 主抜取表の矢印処理を省略した可能性 |
| Perplexity Sonar | 20 | 0 | 不正解 | 一般検査水準Ⅱなど別条件との混同が疑われる |
| PLaMo 3.0 Prime | 20 | 0 | 不正解 | サンプル文字や表の根拠が示されていない |
※モデル名と回答内容は検証時点のものです。モデル更新や質問文によって結果は変わることがあります。
5種類のうち正解したのは1種類だけでした。多数決をすると32または20が選ばれ、正解の50には到達できません。この結果からも、複数AIの一致は正しさの保証にならないことが分かります。
ChatGPTを評価役にした「天秤ジャッジ」の結果
次に、GMO天秤AIの「天秤ジャッジ」を実行し、評価役をChatGPTに設定しました。
天秤ジャッジは、最大6つのAI回答を比較し、共通点、相違点、各回答の特徴、見落としている視点、推奨回答、統合結論などを整理する機能です。
今回、ChatGPTによるジャッジは次のように判定しました。
- 表1で得るサンプル文字はGである。
- GとAQL 0.25の交点にある下向き矢印を処理する必要がある。
- H相当のn＝50、Ac＝0、Re＝1を適用する。
- 矢印処理を明示したGrok 4.6の回答が最も妥当である。
- n＝32の回答は、Gの基本サンプルサイズをそのまま使った可能性が高い。
- n＝20の回答は、検査水準など別条件との混同が疑われる。
天秤ジャッジが優れていた点
今回のジャッジ結果では、単に「Grokが正解」と判定するだけでなく、20・32・50に分かれた原因を表の読み方までさかのぼって整理できていました。
特に有用だったのは次の点です。
- 各AIの回答を数値別にグループ化した。
- 「コードレターの選択」と「矢印処理」を別々に評価した。
- AQLの誤解、ランダム抜取、切替規則などの盲点を指摘した。
- 最終的にn＝50、Ac＝0、Re＝1へ統合した。
長い回答を人が一つずつ比較する作業を減らし、間違いの分岐点を見つける機能として有効です。
天秤ジャッジにも限界がある
ただし、ジャッジAIが規格への適合を保証するわけではありません。今回はGrokの回答に正しい「矢印処理」が含まれていたため、ChatGPTが正解を選べました。
もし全AIが同じ誤答を出した場合、ジャッジAIがそれを「コンセンサス」と判断する可能性があります。また、文章が詳しい回答や論理的に見える回答が、実際の規格値まで正しいとは限りません。
したがって、天秤ジャッジは次の位置づけで使用します。
天秤ジャッジは、正解を保証する検査員ではなく、複数回答の相違点と確認箇所を絞り込む支援者である。
AIで抜取数を決めるときの安全な手順
ステップ1：検査条件を人が確定する
ロットサイズ、検査水準、検査の厳しさ、抜取方式、AQL、評価単位を明確にします。顧客仕様書や社内検査基準と一致しているかも確認します。
ステップ2：AIに途中経過を示させる
最終的なnとAcだけでなく、サンプル文字、使用表、矢印の向き、Reまで回答させます。
ステップ3：複数AIで比較する
GMO天秤AIなどを使い、同じプロンプトを複数モデルへ送ります。回答が一致した場合も、その数値だけで正解と判断しません。
ステップ4：天秤ジャッジで相違点を整理する
どの段階で回答が分かれたのか、規格上の根拠が示されているかを確認します。ジャッジ結果は最新の1件だけが保持され、再実行すると上書きされるため、必要な結果は保存しておきます。
ステップ5：規格票原本で最終確認する
JIS Z 9015-1の表1と、該当する検査の主抜取表を確認します。AIの回答をそのまま検査仕様書や出荷判定へ転記しないことが重要です。
ステップ6：承認された条件を標準化する
確認済みの条件をQC工程表、検査基準書、受入検査要領書などへ反映します。現場では毎回AIへ質問するのではなく、承認済みの抜取方式を標準として運用します。
現場で使えるAI回答チェックリスト
| 確認項目 | 確認内容 |
|---|---|
| 規格 | JIS Z 9015-1とJIS Z 9002を混同していないか |
| 規格版 | 適用する版が明記されているか |
| 検査水準 | 一般検査水準Ⅰ・Ⅱ・Ⅲの選択は正しいか |
| 厳しさ | なみ・きつい・ゆるい検査のどれか |
| 抜取方式 | 1回・2回・多数回のどれか |
| サンプル文字 | ロットサイズと検査水準の交点は正しいか |
| 矢印 | 主抜取表の矢印を見落としていないか |
| 判定数 | AcとReをセットで確認したか |
| AQL | AQLをロットの保証不良率と誤解していないか |
| 抜取方法 | ロットを代表するよう偏りなく抜き取っているか |
| 切替規則 | なみ・きつい・ゆるい検査の切替えを管理しているか |
| 最終確認 | 正規の規格票・顧客仕様書で確認したか |
よくある質問
AIが示した抜取数は、そのまま現場で使えますか？
そのまま使うべきではありません。AIは表の行、列、矢印を読み違えることがあります。正規の規格票、顧客仕様書、社内基準で確認し、承認された条件を標準化してください。
複数AIが同じ回答なら正解ですか？
正解とは限りません。複数AIが同じ学習情報や誤った早見表を参照し、同じ誤答をする可能性があります。今回の検証でも、多数決では正解を選べませんでした。
AQL 0.25は、不適合率0.25％まで必ず合格するという意味ですか？
いいえ。AQLは個々のロットの品質保証値ではなく、継続するロットの抜取検査方式を選定する指標です。合格ロットに不適合がないことを保証するものでもありません。
Ac＝0なら、ゼロ不良を保証できますか？
できません。Ac＝0は、抜き取ったサンプル中に不適合品が1個でもあればロットを不合格にするという判定条件です。検査していない残りの製品に不適合品が存在しないことまでは保証しません。
天秤ジャッジは正解を保証してくれますか？
保証しません。複数回答の共通点・相違点・盲点を整理し、人が確認すべき箇所を見つけやすくする機能として使います。
まとめ
生成AIは、抜取検査の条件整理、規格表の読み方の説明、複数案の比較に役立ちます。一方、規格表の数値を記憶だけで回答させると、もっともらしい誤答が返ることがあります。
今回の条件では、次の結論になります。
- ロットサイズ：100個
- 一般検査水準：Ⅲ
- 検査の厳しさ：なみ検査
- 抜取方式：1回抜取方式
- AQL：0.25
- 評価単位：不適合品率
- 表1のサンプル文字：G
- 最終抜取数：n＝50
- 合格判定数：Ac＝0
- 不合格判定数：Re＝1
AIがn＝32と回答した場合は、Gの基本サンプルサイズをそのまま採用し、主抜取表の下向き矢印を見落としていないか確認します。n＝20の場合は、一般検査水準Ⅱなど別条件と混同していないか確認します。
最も安全な使い方は、次の役割分担です。
AIで候補を出す → GMO天秤AIで比較する → 天秤ジャッジで相違点を整理する → 人がJIS規格票で確認する → 承認結果をQC工程表・検査基準書へ反映する
AIは最終判定者ではありません。しかし、使い方を決めれば、規格確認の抜け漏れを減らし、検討時間を短縮する有力な補助ツールになります。
参考情報
- 日本規格協会：JIS Z 9015-1:2006
- 日本規格協会：JIS Z 9002:1956
- ISO：ISO 2859-1:2026
- GMO天秤AI：天秤ジャッジ機能追加のお知らせ
- GMOインターネットグループ：天秤ジャッジ機能リリース
最後に【2026年版】 AI・ChatGPTで計数規準型抜取検査のサンプル数を決める方法は下記を参照願いします。
コメント