リアルタイム生産管理システム
QUICK - 三田工場リアルタイム生産管理システム 開発報告
ビジョン:hntDBの生産実績データを"見える化"し、現場の意思決定を加速する
1. 現在の課題(Problem)
三田工場の生産管理で日常的に発生している課題を整理しました。
1-1. 生産状況のリアルタイム把握が困難
各ラインの稼働状況を確認するには、現場に行くか、hntDBの生データを直接参照する必要がある。管理者が複数ラインの状況を横断的に把握するのに時間がかかり、問題発生時の対応が遅れる。
1-2. 生産ロスの分析が属人的
停止時間や速度低下、段替え時間などの分析は、担当者がデータを手動で集計して行っている。分析の観点や粒度が人によって異なり、改善施策の優先度判断が難しい。
1-3. 計画と実績の乖離が見えにくい
生産計画に対する進捗をリアルタイムで確認する手段がなく、目標未達が判明するのは事後になりがち。日中の時点で「このままで目標に届くか?」を判断できない。
現状の業務フロー:
├── hntDB (Oracle) ← 実績データが蓄積される
├── 現場確認 / 手動集計 ← 状況把握に時間がかかる
├── Excel分析 ← 属人的、再利用しにくい
└── → リアルタイム性がない、横断比較が困難2. QUICKでこう変わる(Solution)
| # | 現状(BEFORE) | 導入後(AFTER) |
|---|---|---|
| 1 | 各ラインの稼働状況を現場で個別確認 | ダッシュボードでリアルタイムに全ライン一覧表示 |
| 2 | 停止・速度低下の分析を手動集計 | AI分析が自動で4軸分析し改善策を提案 |
| 3 | 計画達成の見通しが事後にしか分からない | 予測線グラフで目標達成予測をリアルタイム表示 |
| 4 | OEE指標の算出に手間がかかる | 設備稼働率・性能・良品率を自動計算・グラフ化 |
QUICKの管理構成
QUICK
└── ライン一覧(109ライン)
├── ダッシュボード(ライン別・日別)
│ ├── 計画 vs 実績 リアルタイムグラフ
│ ├── 予測線(目標達成予測)
│ ├── 設備稼働率・性能稼働率・良品率
│ └── AI分析サイドバー
├── 計画管理(生産計画の登録・編集)
├── 実績一覧(フィルタ・CSV出力)
└── 週別・月別分析グラフhntDBに蓄積された生産実績データを自動取得し、リアルタイムで可視化・分析します。
3. システム全体像
┌──────────┐ ┌──────────┐ ┌──────────────┐ ┌──────────┐
│ hntDB │ ─→ │ QUICK │ ─→ │ リアルタイム │ ─→ │ ブラウザ │
│ (Oracle) │ │ (Django) │ │ WebSocket更新 │ │ (PC) │
└──────────┘ └──────────┘ └──────────────┘ └──────────┘
↑ ↓
┌──────────────┐
│ Snowflake │ ← ライン・機種マスタ同期
└──────────────┘
↑ ↓
┌──────────────┐
│ AWS Bedrock │ ← AI分析(Claude 3.5 Sonnet)
└──────────────┘技術スタック
| レイヤー | 技術 |
|---|---|
| フロントエンド | HTML / CSS / JavaScript(Bootstrap 5) |
| バックエンド | Django 4.2 + Daphne(ASGI) |
| リアルタイム通信 | Django Channels + Redis(WebSocket) |
| データベース | PostgreSQL(アプリDB) + Oracle(hntDB) |
| 外部連携 | Snowflake(マスタ同期)、AWS Bedrock(AI分析) |
| インフラ | Docker Compose on WSL2(docker-ce) |
4. 主要機能の詳細
4-1. リアルタイムダッシュボード
ライン別・日別の生産状況をリアルタイムで表示。WebSocketにより自動更新される。
ダッシュボード構成:
├── 計画 vs 実績 時間別棒グラフ ← 時間ごとの達成度を可視化
├── 予測線グラフ ← 現在ペースで目標達成できるか予測
├── 設備稼働率グラフ ← 設備別の時間稼働率
├── 性能稼働率グラフ ← サイクルタイム基準の性能評価
├── 良品率グラフ ← 品質指標
└── カスタムカード ← ユーザーが表示項目を設定可能4-2. AI分析(AWS Bedrock連携)
製造ロスを4軸で自動分析し、改善アクションを提案する。
ダッシュボードのデータ → AWS Bedrock(Claude 3.5 Sonnet)
├→ 立ち上げ遅れ分析
├→ 速度低下・OEE分析
├→ 停止・段替え分析
└→ 機種別分析
↓
総合分析 → 優先改善アクション(最大3つ)- ダッシュボード全体分析: 4軸並列分析 + 総合分析
- グラフ別分析: 各グラフの★ボタンからストリーミングでAI分析(SSE)
- AIキャラクター: やさしい女性アシスタントが分析結果を解説
4-3. ライン一覧(Line Overview)
全ラインの稼働状況を一画面で横断的に確認できる。各ラインの進捗率・稼働状態をカード形式で表示し、アイコンで状態を即座に判別可能。
4-4. 実績一覧・CSVエクスポート
- 設備・機種・日時範囲のフィルタリング
- チェックボックスドロップダウンで複数設備を選択
- CSV出力による外部分析連携
4-5. 段替え時間管理
機種切替時の実績時間を自動計算。休憩時間を除外した実質段替え時間を記録し、改善の基礎データとして蓄積。
5. 外部システム連携
hntDB (Oracle) QUICK
┌──────────────────┐ ┌──────────────────────────┐
│ HHS001 (73ライン) │ ──実績──→ │ Result (856万件) │
│ HHS002 (26ライン) │ │ ChangeoverRecord (944件) │
└──────────────────┘ └──────────────────────────┘
Snowflake QUICK
┌──────────────────┐ ┌──────────────────────────┐
│ ラインマスタ │ ──同期──→ │ Line (109ライン) │
│ 機種マスタ │ │ Part (400機種) │
└──────────────────┘ └──────────────────────────┘
AWS Bedrock QUICK
┌──────────────────┐ ┌──────────────────────────┐
│ Claude 3.5 Sonnet│ ←─分析── │ AI分析サービス │
│ (us-west-2) │ ──結果──→ │ ストリーミング表示 │
└──────────────────┘ └──────────────────────────┘- Oracle接続: ライン毎に接続先サーバーを動的切替(OracleServerConfig)
- Snowflake同期: Admin画面からワンクリックでマスタ同期
- AWS Bedrock: プロンプトテンプレートをDB管理(AIPromptTemplate)
6. 実装済みの価値
| 価値 | 詳細 |
|---|---|
| リアルタイム可視化 | hntDBの実績データをWebSocketで自動更新。現場に行かずに稼働状況を把握 |
| AI自動分析 | 製造ロスの4軸分析を自動化。属人的な分析から脱却し、改善の優先度を提案 |
| 目標達成予測 | 日中の時点で目標達成可否を予測線で表示。早期の対応判断が可能 |
| 横断比較 | 109ラインの稼働状況を一画面で比較。管理者の意思決定を加速 |
| OEE自動計算 | 時間稼働率・性能稼働率・良品率を自動算出。手動集計の工数を削減 |
| データ蓄積基盤 | 856万件の実績データを検索・フィルタ・CSV出力可能な形で整備 |
7. 実績データ
現時点でのデータ規模
| 項目 | 数 |
|---|---|
| 生産実績レコード | 8,560,502件(856万件) |
| 段替え実績 | 944件 |
| 登録ライン | 109ライン(三田工場の約30%) |
| 登録設備 | 1,750台 |
| 登録機種 | 400機種 |
| 生産計画 | 398件 |
利用状況
| 項目 | 状況 |
|---|---|
| 登録ユーザー | 26名 |
| Oracle接続先 | HHS001(73ライン)、HHS002(26ライン) |
| ユーザーフィードバック | 22件受領 |
| カバー範囲 | 三田工場の約30% |
コードベース規模
| 項目 | 数 |
|---|---|
| Pythonファイル | 190ファイル |
| HTMLテンプレート | 43ファイル |
| Djangoモデル | 22モデル |
| URLエンドポイント | 40+ |
| サービスクラス | 19ファイル |
8. QUICKで描く未来(Benefit)
目指す世界
┌──────────────────┐
│ 朝礼・巡回時 │
└────────┬─────────┘
↓
┌──────────────────┐
│ QUICKを開く │
└────────┬─────────┘
↓
┌─────┐ ┌─────┐ ┌─────┐
│全ライン│ │AI分析│ │予測 │ ← すべて即アクセス可能
│一覧 │ │結果 │ │情報 │
└─────┘ └─────┘ └─────┘
↓
┌──────────────────┐
│ データに基づく │
│ 迅速な改善判断 │
└──────────────────┘具体的に実現したいこと
対象ラインの拡大
- 現在の30%から三田工場全ラインへ展開
- 他工場への横展開の可能性
アラート・通知機能
- 異常検知時の自動通知(停止超過、目標乖離)
- メール・Teams連携
分析の深化
- 週次・月次トレンドのAI分析
- ライン間の比較分析・ベストプラクティス抽出
9. 開発ロードマップ
Phase 1: 基盤構築 [DONE] Phase 2: 分析強化 [DONE] Phase 3: 展開・拡張 [NEXT]
─────────────────────── ─────────────────────── ───────────────────────
✓ ダッシュボード ✓ AI分析(4軸+総合) □ 全ライン展開(100%)
✓ WebSocketリアルタイム更新 ✓ グラフ別AI分析(SSE) □ アラート・通知機能
✓ 計画管理・実績一覧 ✓ 予測線グラフ □ 週次・月次AIトレンド分析
✓ Oracle動的接続 ✓ OEE自動計算 □ 他工場横展開
✓ Snowflakeマスタ同期 ✓ ライン一覧(横断比較) □ Teams連携
✓ 段替え時間自動計算 ✓ 停止判定閾値のライン別設定 □ モバイル対応
✓ CSVエクスポート ✓ コード品質改善(モジュール分割)まとめ
- hntDBの生産実績データをリアルタイムダッシュボードで可視化する仕組みを構築済み
- Oracle・Snowflake・AWS Bedrockとシームレスに連携し、データ収集から分析まで自動化
- その先に三田工場全ラインの統合管理と、データドリブンな改善文化を実現する
QUICK 生産データを、すばやく、わかりやすく。
QUICK - 三田工場リアルタイム生産管理システム 開発報告
ビジョン:hntDBの生産実績データを"見える化"し、現場の意思決定を加速する
1. 現在の課題(Problem)
三田工場の生産管理で日常的に発生している課題を整理しました。
1-1. 生産状況のリアルタイム把握が困難
各ラインの稼働状況を確認するには、現場に行くか、hntDBの生データを直接参照する必要がある。管理者が複数ラインの状況を横断的に把握するのに時間がかかり、問題発生時の対応が遅れる。
1-2. 生産ロスの分析が属人的
停止時間や速度低下、段替え時間などの分析は、担当者がデータを手動で集計して行っている。分析の観点や粒度が人によって異なり、改善施策の優先度判断が難しい。
1-3. 計画と実績の乖離が見えにくい
生産計画に対する進捗をリアルタイムで確認する手段がなく、目標未達が判明するのは事後になりがち。日中の時点で「このままで目標に届くか?」を判断できない。
現状の業務フロー:
├── hntDB (Oracle) ← 実績データが蓄積される
├── 現場確認 / 手動集計 ← 状況把握に時間がかかる
├── Excel分析 ← 属人的、再利用しにくい
└── → リアルタイム性がない、横断比較が困難2. QUICKでこう変わる(Solution)
| # | 現状(BEFORE) | 導入後(AFTER) |
|---|---|---|
| 1 | 各ラインの稼働状況を現場で個別確認 | ダッシュボードでリアルタイムに全ライン一覧表示 |
| 2 | 停止・速度低下の分析を手動集計 | AI分析が自動で4軸分析し改善策を提案 |
| 3 | 計画達成の見通しが事後にしか分からない | 予測線グラフで目標達成予測をリアルタイム表示 |
| 4 | OEE指標の算出に手間がかかる | 設備稼働率・性能・良品率を自動計算・グラフ化 |
QUICKの管理構成
QUICK
└── ライン一覧(109ライン)
├── ダッシュボード(ライン別・日別)
│ ├── 計画 vs 実績 リアルタイムグラフ
│ ├── 予測線(目標達成予測)
│ ├── 設備稼働率・性能稼働率・良品率
│ └── AI分析サイドバー
├── 計画管理(生産計画の登録・編集)
├── 実績一覧(フィルタ・CSV出力)
└── 週別・月別分析グラフhntDBに蓄積された生産実績データを自動取得し、リアルタイムで可視化・分析します。
3. システム全体像
┌──────────┐ ┌──────────┐ ┌──────────────┐ ┌──────────┐
│ hntDB │ ─→ │ QUICK │ ─→ │ リアルタイム │ ─→ │ ブラウザ │
│ (Oracle) │ │ (Django) │ │ WebSocket更新 │ │ (PC) │
└──────────┘ └──────────┘ └──────────────┘ └──────────┘
↑ ↓
┌──────────────┐
│ Snowflake │ ← ライン・機種マスタ同期
└──────────────┘
↑ ↓
┌──────────────┐
│ AWS Bedrock │ ← AI分析(Claude 3.5 Sonnet)
└──────────────┘技術スタック
| レイヤー | 技術 |
|---|---|
| フロントエンド | HTML / CSS / JavaScript(Bootstrap 5) |
| バックエンド | Django 4.2 + Daphne(ASGI) |
| リアルタイム通信 | Django Channels + Redis(WebSocket) |
| データベース | PostgreSQL(アプリDB) + Oracle(hntDB) |
| 外部連携 | Snowflake(マスタ同期)、AWS Bedrock(AI分析) |
| インフラ | Docker Compose on WSL2(docker-ce) |
4. 主要機能の詳細
4-1. リアルタイムダッシュボード
ライン別・日別の生産状況をリアルタイムで表示。WebSocketにより自動更新される。
ダッシュボード構成:
├── 計画 vs 実績 時間別棒グラフ ← 時間ごとの達成度を可視化
├── 予測線グラフ ← 現在ペースで目標達成できるか予測
├── 設備稼働率グラフ ← 設備別の時間稼働率
├── 性能稼働率グラフ ← サイクルタイム基準の性能評価
├── 良品率グラフ ← 品質指標
└── カスタムカード ← ユーザーが表示項目を設定可能4-2. AI分析(AWS Bedrock連携)
製造ロスを4軸で自動分析し、改善アクションを提案する。
ダッシュボードのデータ → AWS Bedrock(Claude 3.5 Sonnet)
├→ 立ち上げ遅れ分析
├→ 速度低下・OEE分析
├→ 停止・段替え分析
└→ 機種別分析
↓
総合分析 → 優先改善アクション(最大3つ)- ダッシュボード全体分析: 4軸並列分析 + 総合分析
- グラフ別分析: 各グラフの★ボタンからストリーミングでAI分析(SSE)
- AIキャラクター: やさしい女性アシスタントが分析結果を解説
4-3. ライン一覧(Line Overview)
全ラインの稼働状況を一画面で横断的に確認できる。各ラインの進捗率・稼働状態をカード形式で表示し、アイコンで状態を即座に判別可能。
4-4. 実績一覧・CSVエクスポート
- 設備・機種・日時範囲のフィルタリング
- チェックボックスドロップダウンで複数設備を選択
- CSV出力による外部分析連携
4-5. 段替え時間管理
機種切替時の実績時間を自動計算。休憩時間を除外した実質段替え時間を記録し、改善の基礎データとして蓄積。
5. 外部システム連携
hntDB (Oracle) QUICK
┌──────────────────┐ ┌──────────────────────────┐
│ HHS001 (73ライン) │ ──実績──→ │ Result (856万件) │
│ HHS002 (26ライン) │ │ ChangeoverRecord (944件) │
└──────────────────┘ └──────────────────────────┘
Snowflake QUICK
┌──────────────────┐ ┌──────────────────────────┐
│ ラインマスタ │ ──同期──→ │ Line (109ライン) │
│ 機種マスタ │ │ Part (400機種) │
└──────────────────┘ └──────────────────────────┘
AWS Bedrock QUICK
┌──────────────────┐ ┌──────────────────────────┐
│ Claude 3.5 Sonnet│ ←─分析── │ AI分析サービス │
│ (us-west-2) │ ──結果──→ │ ストリーミング表示 │
└──────────────────┘ └──────────────────────────┘- Oracle接続: ライン毎に接続先サーバーを動的切替(OracleServerConfig)
- Snowflake同期: Admin画面からワンクリックでマスタ同期
- AWS Bedrock: プロンプトテンプレートをDB管理(AIPromptTemplate)
6. 実装済みの価値
| 価値 | 詳細 |
|---|---|
| リアルタイム可視化 | hntDBの実績データをWebSocketで自動更新。現場に行かずに稼働状況を把握 |
| AI自動分析 | 製造ロスの4軸分析を自動化。属人的な分析から脱却し、改善の優先度を提案 |
| 目標達成予測 | 日中の時点で目標達成可否を予測線で表示。早期の対応判断が可能 |
| 横断比較 | 109ラインの稼働状況を一画面で比較。管理者の意思決定を加速 |
| OEE自動計算 | 時間稼働率・性能稼働率・良品率を自動算出。手動集計の工数を削減 |
| データ蓄積基盤 | 856万件の実績データを検索・フィルタ・CSV出力可能な形で整備 |
7. 実績データ
現時点でのデータ規模
| 項目 | 数 |
|---|---|
| 生産実績レコード | 8,560,502件(856万件) |
| 段替え実績 | 944件 |
| 登録ライン | 109ライン(三田工場の約30%) |
| 登録設備 | 1,750台 |
| 登録機種 | 400機種 |
| 生産計画 | 398件 |
利用状況
| 項目 | 状況 |
|---|---|
| 登録ユーザー | 26名 |
| Oracle接続先 | HHS001(73ライン)、HHS002(26ライン) |
| ユーザーフィードバック | 22件受領 |
| カバー範囲 | 三田工場の約30% |
コードベース規模
| 項目 | 数 |
|---|---|
| Pythonファイル | 190ファイル |
| HTMLテンプレート | 43ファイル |
| Djangoモデル | 22モデル |
| URLエンドポイント | 40+ |
| サービスクラス | 19ファイル |
8. QUICKで描く未来(Benefit)
目指す世界
┌──────────────────┐
│ 朝礼・巡回時 │
└────────┬─────────┘
↓
┌──────────────────┐
│ QUICKを開く │
└────────┬─────────┘
↓
┌─────┐ ┌─────┐ ┌─────┐
│全ライン│ │AI分析│ │予測 │ ← すべて即アクセス可能
│一覧 │ │結果 │ │情報 │
└─────┘ └─────┘ └─────┘
↓
┌──────────────────┐
│ データに基づく │
│ 迅速な改善判断 │
└──────────────────┘具体的に実現したいこと
対象ラインの拡大
- 現在の30%から三田工場全ラインへ展開
- 他工場への横展開の可能性
アラート・通知機能
- 異常検知時の自動通知(停止超過、目標乖離)
- メール・Teams連携
分析の深化
- 週次・月次トレンドのAI分析
- ライン間の比較分析・ベストプラクティス抽出
9. 開発ロードマップ
Phase 1: 基盤構築 [DONE] Phase 2: 分析強化 [DONE] Phase 3: 展開・拡張 [NEXT]
─────────────────────── ─────────────────────── ───────────────────────
✓ ダッシュボード ✓ AI分析(4軸+総合) □ 全ライン展開(100%)
✓ WebSocketリアルタイム更新 ✓ グラフ別AI分析(SSE) □ アラート・通知機能
✓ 計画管理・実績一覧 ✓ 予測線グラフ □ 週次・月次AIトレンド分析
✓ Oracle動的接続 ✓ OEE自動計算 □ 他工場横展開
✓ Snowflakeマスタ同期 ✓ ライン一覧(横断比較) □ Teams連携
✓ 段替え時間自動計算 ✓ 停止判定閾値のライン別設定 □ モバイル対応
✓ CSVエクスポート ✓ コード品質改善(モジュール分割)まとめ
- hntDBの生産実績データをリアルタイムダッシュボードで可視化する仕組みを構築済み
- Oracle・Snowflake・AWS Bedrockとシームレスに連携し、データ収集から分析まで自動化
- その先に三田工場全ラインの統合管理と、データドリブンな改善文化を実現する
QUICK 生産データを、すばやく、わかりやすく。