大和工業株式会社
品質要因解析・AutoML の PoC 推進
製鋼が原因の製品不具合について、その要因を特定するための PoC を外部ベンダーと進めました。
主軸データエンジニアリングデータ基盤構築データ分析BI・データ可視化機械学習PoCベンダーマネジメント
- 所属
- 大和工業株式会社
- 期間
- 2022年9月 〜 2023年12月
- 発端
- 依頼（実施の判断は製鋼部の担当課長）
- 担当範囲
- テーマ定義の整理・データ準備・ベンダー折衝・結果評価を担当
- 相手
- 製造部門（製鋼部） / 外部ベンダー
- 規模
- 品質解析用データ 製鋼起因不具合 6,545 本（2022 年 8 月〜2023 年 3 月）/ 1 秒・100ms 間隔の設備信号時系列データ
やったこと
工場 DB と設備信号の時系列データからデータセットを用意し、ER 図とあわせてベンダーへ渡しました。
打ち合わせ・議事録・追加検証の依頼を通じて、分析の進め方と成果物をベンダーとすり合わせ続けました。
解決したい課題、予測の対象、使うデータ、適用の条件、引き受けの判断基準をテーマ定義シートにまとめ、社内とベンダーで前提を揃えられるようにしました。
ビジネスインパクトを試算しました。
相関分析による要因の抽出と、モールドサイズ別の欠陥予測モデルの作成・精度評価まで行いました。欠陥が出ない側の予測は当たる一方、欠陥が出る側には課題が残ること、対象を細分化するほど精度が上がることを確かめています。
工夫
「共通要因で全体を見る」「欠陥の多いモールドサイズに絞る」「予測モデルの実現性を評価する」と段階を分け、それぞれの区切りで打ち切りを判断できる進め方にしました。