熊本製作所の不良品データ・設備アラームログを
AIエージェントがリアルタイムに分析。
品質改善の初動対応と設備故障の予兆検知を自動化します。
データはあるのに活用しきれない。製造現場の「守り」が後手に回る根本原因に、AIで切り込みます。
ライン別・工程別の不良データは日々蓄積されているが、 分析に数時間〜数日を要し、対策が後手に回っている。 Excelでの手動集計では、トレンド変化の見落としや、 工程間の相関パターンの把握が困難。
対策の初動が1〜2日遅れるPLC/SCADAから大量のアラームログが出力されるが、 「どこが次に壊れるか」の予測ができていない。 保全員の経験と勘に依存し、突発停止のリスクを抱えたまま稼働を続けている。
突発停止で年間数百時間のロス
製造ラインのCSV/Excel不良データを読み込み、不良トレンド・相関を自動分析。
自然言語で「今週のNG品の主因は？」と聞くだけで、仮説付きの回答を即座に返します。
週別の不良推移、ライン×工程の異常検知、重大度分析、 シフト別相関を一括で実行。増加傾向のある組み合わせを 統計的に検出し、アラートを発報します。
/defect-analyze「B1ラインの不良傾向は？」「夜勤で不良が多い？」など、 自然な日本語で質問するだけ。データに基づいた具体的な 数値と仮説を、わかりやすく回答します。
/defect-query [質問]過去の類似不良事例と照合し、暫定処置と恒久対策の 候補を4M（Man/Machine/Material/Method）の観点で提示。 不良分類マスタの標準対策も自動参照します。
/defect-countermeasure [対象]
PLCやSCADAのアラームログを解析し、故障前のパターンをAIが検出。
「M-B201の油圧ユニット、3週間以内に要点検」のような予兆通知を自動生成します。
設備×ユニット別のアラーム頻度、累計停止時間、 重大度分布を自動集計。設備ごとの健全性を 信号機（緑/黄/赤）で直感的に可視化します。
/equipment-analyzeアラーム頻度の増加率・重大度エスカレーション・ 継続時間の長期化の3シグナルを組み合わせて 故障予兆を高精度に判定。点検時期を具体的に提案します。
/equipment-predict [設備ID]保全員の口述メモや簡易テキストを、 正式な保全作業報告書フォーマットに自動変換。 設備マスタとの照合で設備IDも自動補完します。
/maintenance-report [テキスト]現場のExcelデータから、AIの分析レポートまでの処理フロー。
不良品データ
300件/8週間分
統計処理
異常検知アルゴリズム
仮説生成
対策候補マッチング
トレンド・ワースト
対策アクションプラン
PLC/SCADAログ
305件 + 保全80件
頻度比較・重大度
エスカレーション検出
故障予兆判定
保全スケジュール提案
「○号機、X週間
以内に要点検」
既存の製造管理Excelをそのまま読み込み。特別なフォーマット変換は不要です。
| シート名 | 内容 | 主なカラム |
|---|---|---|
| 不良品データ | 日次の不良実績明細 300レコード / 8週間分 |
日付, ライン, 工程, 品番, 品名, 不良区分, 不良詳細, 発生数, 重大度, シフト, 作業者ID, ロットNo |
| 不良分類マスタ | 不良種別ごとの 標準対策DB |
不良区分, 不良詳細, 標準対策, 担当部門 |
| ライン情報 | 製造ラインの 基本マスタ |
ライン, 製品, タクトタイム, 日産台数, 稼働開始日 |
| シート名 | 内容 | 主なカラム |
|---|---|---|
| アラームログ | 設備アラーム実績 305レコード / 約3ヶ月分 |
タイムスタンプ, 設備ID, 設備名, ユニット, アラームコード, アラーム内容, 重大度, 継続時間 |
| 設備マスタ | 設備の基本情報・ OH計画 |
設備ID, 設備名, メーカー, 型式, 導入日, 最終OH日, 次回OH予定 |
| 保全作業履歴 | 過去の保全実績 80レコード |
作業日, 設備ID, 作業区分, 作業内容, 交換部品, 作業時間, 次回推奨 |
既存のExcelデータ + Python + Claude Code で構成。追加インフラは不要です。
既存業務の効率化と、品質・稼働率の向上を同時に実現します。
Claude Codeを起動し、スラッシュコマンドを実行するだけ。