【保存版】製造業のデータ分析「Claude圧勝」、Excel地獄に別れを告げる「3ステップ」(2/2)

【ステップ2】センサー値の分析で「問題の根本」を探る

　STEP 1でEQ-B2（溶接機B）の不良率が突出していることがわかりました。次はセンサー値（温度・振動・電流）の月別推移を確認し、異常の予兆がいつから始まっていたかを特定します。

■Claudeへの入力（コピペOK）
STEP 1でEQ-B2（溶接機B）の不良率が突出していました。
この設備に絞って、全センサー値の推移をグラフ化してください。

#依頼概要
1. EQ-B2の月別（5～10月）平均センサー値を折れ線グラフでプロットしてください。
加えて、各センサー9種の検査結果OKの場合の上限と下限を破線で引いてください
また正常値を超えた（または下回った）領域を赤色で塗りつぶして欲しい
2. EQ-B2の温度(℃)と不良率(％)を1つのグラフにまとめて表示
・左軸：平均温度(℃)（折れ線）、右軸：不良率(％)（棒グラフ）
・正常上限に破線を引く

■ 出力形式
・タイトル・軸ラベルはすべて日本語
・グラフの下に「いつからセンサー異常が始まっていたか」を1～2文で

　ここでのプロンプトで、出力精度を上げるコツは次の3点です。

1. 1．異常値（しきい値）の「定義」をAIに丸投げしない
   　異常値の定義をAIに委ねず、「OKデータの平均±3σ」や「最大・最小値」といった具体的な計算ロジックを指定することで、基準が明確になります。


2. 2．グラフの「レイアウト」を指定する
   　多数のセンサー値を1つのグラフに詰め込むと、単位や尺度の違いで判読不能になる場合があるので、「3×3のサブプロット（分割表示）でグラフを生成してください」など指示するのもおすすめです。


3. 3．「2軸グラフ」のジレンマを解消する
   　温度と不良率のように単位が異なる指標を比較する際は、第2軸（TwinX）の使用を明記すると良いです。スケールを左右の軸で分けることで、両方の推移が潰れずに表示され、因果関係の有無を正しく検証できるようになります。

　このプロンプトを入れた結果が以下の画像となります。

【ステップ3】原因を特定し「予知保全の対策プラン」計画

　センサー異常が9月から始まっていたことがわかりました。Claudeにそのまま「なぜ？」「どうする？」と問いかけます。専任の設備保全担当者がいなくても、予知保全の考え方でアクションプランを整理できます。

■Claudeへの入力（コピペOK）
STEP 1・2の分析結果をふまえて、原因仮説・対策を一括で出してください。

#背景（分析済みの事実）
・EQ-B2（溶接機B）で9月から温度・振動・電流・消費電力・冷却水温度・ノイズ・トルクが上昇
・同時に油圧・回転数が低下。10月に不良率0.734%に上昇

#やってほしいこと
1. 原因仮説を3～5個、箇条書きで
・9種のセンサーが示す劣化パターン（温度↑振動↑トルク↑回転数↓）から考えられる設備劣化の原因を具体的に
・各仮説に「まず確認すべきポイント」を1行で
2. アクションプランを表形式で 列：対策内容 ／ 分類（短期 or 中長期） ／ 担当 ／ 期限 ／ 確認ポイント

　このプロジェクトで得られた結果が以下となります。



　今回Claudeから得られた原因仮説と対策は、一般的な知見を基に生成されています。各社で保有している過去トラブルの知見やノウハウをSTEP3に盛り込むことで、より角度の高い仮説と対策が得られるはずです。

　ただし、分析する前にも注意が必要です。使う前に以下の3点について確認しておきましょう。

【数日→数時間】分析の常識が変われば「意思決定も激変」

　これまで、設備の異常原因を突き止めるには、エンジニアがExcelと格闘しながら何日もかけてグラフを作り、ようやく仮説を立てる、というのが当たり前でした。

　それが、Claudeを使えば数時間で「どの設備が・いつから・どのセンサーで異常を示しているか」まで可視化できます。分析にかかる時間が変われば、打ち手を出すスピードも変わります。

　ここで紹介したの3ステップは、他のデータでも使えます。たとえば以下の3点です。

• 品質データ：不良モード別の発生傾向や、工程ごとの不良率推移を分析
• 生産計画データ：計画vs実績のギャップを可視化して、ボトルネック工程を特定
• 在庫データ：滞留品や欠品リスクを早期に検知

　何のために分析するのか？ どんなデータをどのような手法で分析するのか？ 本記事の3ステップを応用することで、手元にあるどんなCSVデータでも同じように分析できます。

　難しい準備は何もいりません。この記事で使ったダミーデータ（dummy_manufacturing_data.csv）をダウンロードして、Claude（claude.ai）に読み込ませて、ステップ1のプロンプトをそのままコピペするだけです。グラフが生成された瞬間、「Claudeってこんなことができるんだ」と実感できるはずです。


　製造業の現場には、まだ眠っているデータが山ほどあります。Excelに入ったまま誰も分析していないデータ、紙の帳票に書かれたまま埋もれている記録。それを「使えるインサイト」に変える力が、今のAIにはあります。

　「データを見る目」を持った現場エンジニアが増えることで、日本の製造業はもっと強くなれると信じています。Claudeはその最初の一歩を、グッと手前に引き寄せてくれるでしょう。

筆者の髙橋和馬氏がビジネス＋ITの有料リスキリング講座に登壇します。詳細は以下よりご覧ください
■製造業に特化した生成AI活用の実践講座：7月3日開催
　詳細はこちら：https://www.sbbit.jp/st/eventinfo/88849