製造業データ分析の落とし穴 ～AP+DN7のサンプルデータAを見てみた～

Transcript

1. 2026年10月15日 データサイエンティスト集会 1 製造業データ分析の落とし穴 ～AP+DN7のサンプルデータAを見てみた～ ぶんちん
2. 自己紹介 ぶんちん 2  データサイエンティスト集会の主催  複合経営が特徴の企業（製造業）に所属  データ分析担当者だったが。。。 成果獲得を狙うと、 同じことに繰り返しで 飽きた 困った顔で働く 会社員のイラスト（ 男性） 他者ができれば、 成果が増えるのでは eラ ーニングのイラ スト（ 男性） 特に非専門家向けのDS教育
3. 3 AP+DN7 製造業向けのデータ可視化ツール  QCの観点での活用に注力 GitHub - apdn7/AnalysisPlatform: Python based web application to import, connect and analyze manufacturing data from multiple data sources. · GitHub
4. 4 公式の教育用資料 資料：CC BY-NC-ND 4.0 データ：CDLA-Sharing-1.0 サンプルデータを用いた演習 不良の要因分析  Product A：液体を噴射する製品 AP活用講座_OP版_ver1.04.pdf  Product B：熱交換器  Product C：回転部品 実務でよく見る落とし穴があるか 見てみよう
5. 5 分析者の立場 データ分析がお仕事 製造業、ちょっとわかる 分析対象の製品や製造プロセス は知らない
6. 6 液体を噴射する装置のデータ AP活用講座_OP版_ver1.04.pdf
7. 7 よくある落とし穴１ とりあえず 分析しやすいように 全部のデータを紐づけよう 落とし穴です
8. 8 工程ごとの不良発生数 Assembly (部品組付) TRUE（合格） FALSE（不合格） 合計 Adjustment (組付精度検査) Inspection (性能検査) 235232 234344 225337 0 888 261 235232 235232 225598 Adjustmentの不合格データは Inspectionのデータに含まれていない！ → 不合格データは後工程に進まずデータ欠損で紐づかない
9. 9 よくある落とし穴２ よし、 データの準備できたし、 さっそく分析を始めよう 落とし穴です
10. 10 調査すべき対象の絞り込み なぜ、不合格の種類が１種類だと思った？？ 全体の75%の不合格が 「120」の製品起因 全体の80%の不合格が 「3」「1」の治具使用 品版「120」、治具「3」「1」に対象を絞って調査へ
11. 11 よくある落とし穴３ 不合格 合格 不良の原因を見つけた さっそく対策を考えよう！ 落とし穴です
12. 12 相関 ≠ 原因  データから見えたのは、しょ せん数字上の傾向  真の原因ではなく、原因と関 係のある因子かもしれない プロセス、メカニズムの専門家 との議論が必要 データ分析だけでは結論は出せない！
13. 13 まとめ AP+DN7のサンプルデータを見てみた 製造業でのデータ分析 落とし穴 全てのデータを使うのが適切とは限らない 不良原因は１つとは限らない データ分析だけでは結論は出せない