おはようございます！マネジメントオフィスいまむらの今村敦剛です。
客観的事実やデータに基づいて意思決定をすることはとても大切です。しかしデータの分析って結構難しいですし、時間と労力もかかります。そうしたデータ分析をAIにサポートしてもらえないかということを試してみたいと思います。
動画でも解説しています（無料・登録不要）
前回までの記事はこちら
足りない分析の切り口を人間が補う（担当者別）
ほかに分析の切り口としては、担当者別というのがあり得るんですよね。当初のEXCELファイルでは、担当者名を記入していたので、誰が不良を出したかということを分析することができるはずです。人別に層別をする、ということですね。ChatGPTではそこまで分析してくれませんでした。
なので、ちょっとここは補足として人間が直接プロンプトを投げかけてみましょう。
担当者別に何か分かることはあるか教えて
すると今度は担当者別で分析をしてくれます。
担当者別不良報告件数のトップは中村圭介さんで、8件も不良を出していました。分析結果から分かることとしては、上位3人で19件ぐらいあるんですね。つまり上位3人で4割ぐらいの不良を出しているということですので、この3人の重点教育なんかをしっかりやろうという提言まで出してきてくれました。
また山田竜也氏については、「6月25日から6月29日に不良報告が集中。検査負荷が高まる月末に集中しているのではないか」という見立てをしてくれました。山田さんはどうもプレッシャーに弱いんじゃないかということを、AIが発生日などとクロス分析をしたということですね。
こんな感じで、気になる切り口があると、人間が指定をしてあげることで、さらに深堀りできます。
足りない分析の切り口を人間が補う（日にち別）
もう一つ切り口として「日にち別」があります。実はぼくがデータを最初に作ったときに、意図的に盛り込んだものがあります。それは、一部の日に不良が集中するようにデータを作ったんですけれども、ChatGPTはどうも気づいていないようなんですね。
なのでこういうプロンプトを投げてみたいと思います。
一部の日に集中するような傾向が見られないか、もう一度確かめて
すると、日別不良発生件数と集中日閾値ということで、何かいろいろ出してくれます。難しそうなグラフですが、日別で並べたうえで平均値を出しているだけです。
そしてAIの考察として「先の全体分析で月末集中と述べましたが、統計的な閾値で見ると 7/15 前後と 8/2 前後にピークがある」と分析しました。前言を撤回しましたね。
そして7月中旬は何があったかという仮説を立ててくれています。7月中旬は夏季連休前の生産前倒しでマシニング負荷が増加したんじゃないか、そして8月上旬は連休明け直後に設定再調整不足で旋盤で条件ミスが発生したんじゃないかということですね。休みの前後にいろいろあったんだろうということ推察してくれていますね。
ただぼくはこんな難しい仕込みはしていません。AIが考えすぎています。ネタバレをすると「曜日別」でちょっとデータにムラが出るように仕込んでいます。
足りない分析の切り口を人間が補う（曜日別）
というわけで、曜日別を一度分析してもらいましょう。
月曜日の不良件数が多く、不良全体の3分の1が月曜日に起きていることは明白です。
AIはこの背景要因として「立ち上げ品質」というキーワードを挙げました。月曜日は変化点なんですよね。したがって週明けのここで不良が出ているんじゃないかというところに、やっと気づきました。
この辺についてはAIは分析が甘いというか、切り口をこっちが指定してあげないと分析ができなかったということですね。
AIによる不良データ分析のまとめ
はい。というわけで、AIに不良不適合のデータを読ませてレポートを書いてもらいましたが、いかがだったでしょうか。分析をものすごいスピードでしてくれることはわかりましたけど、まだ分析が甘いというか、分析の切り口を人間がある程度指定しないといけないんじゃないかなという結論になったと思います。
ただデータ分析の最初のたたき台としてはじゅうぶんに使えると思いますので、これをベースに人間が分析を深めていくことが重要かなと思いました。
あと、これはAIを使う使わないに関係なく、データ分析全般に言えることですが、分析結果が本当に正しいかどうかは現場に行って確認をしたり、その担当者に聞き取りをするというようなアナログな確認も絶対に必要です。そうでないと、机上の空論になるかもしれませんからね。
そういう意味では、まだまだ不良データ分析も人間の役割が大きいかなと思います。