【要約】製造ラインの停止原因を数値で特定する：チョコ停先頭ワーク判定をPandasで実装する [Zenn_Python] | Summary by TechDistill
> Source: Zenn_Python
Execute Primary Source
// Problem
製造現場の担当者が、チョコ停の原因を数値で示せず、感覚的な議論に終始している問題がある。現場では「何となくプレスが怪しい」といった曖昧な回答が繰り返される。これには以下の技術的要因が絡んでいる。
- ・チョコ停は短時間のため、日次の生産実績では「その他ロス」として埋もれてしまう。
- ・連続ラインでは、上流の停止が下流へ伝播し、渋滞が発生する。
- ・単純な集計では、渋滞を受けた下流設備が「停止回数が多い設備」として誤検知される。
// Approach
製造担当者が誤った設備を原因と特定しないよう、Pandasを用いて渋滞の影響を排除するロジックを構築した。データの構造をwide formatとして扱い、以下のステップで判定を行う。
- ・.diff()を用いて、各設備のワーク間隔（タクト）を算出する。
- ・標準タクトの中央値を用い、閾値を超えた「タクト遅れ」を検出する。
- ・「直前が正常」かつ「上流で未検出」の条件を適用し、イベントを原因設備へ帰属させる。
- ・work_idの重複チェックにより、下流への波及分をフィルタリングする。
// Result
分析の結果、現場の誤解を解き、真のボトルネックを特定することに成功した。感覚的な判断と、データに基づく判定の乖離を明確に示した。
- ・「研磨が原因」という現場の感覚に対し、実際は「プレス」が原因であることを数値で証明した。
- ・ガントチャートと棒グラフにより、停止タイミングと停止時間の相関を可視化した。
- ・実装にはPandasの基本機能のみを使用しており、DB接続への差し替えも容易である。
Senior Engineer Insight
> 現場のノイズを考慮した、極めて実戦的な実装である。特に、外れ値に強い「中央値」の採用や、work_idによる上流帰属フィルタリングは、実データ特有の挙動をよく理解している。スケーラビリティは高いが、運用面では以下の点が課題となる。
- ・複数設備が同時停止した際の、起点推定ロジックの高度化。
- ・センサー信号の欠損に対する、堅牢なエラーハンドリング。
- ・設備ごとに異なる標準タクトの動的な管理。