課題：設備稼働ログがLV1生データのまま散在
多くの製造業では、設備稼働ログ・点検報告書・品質検査記録が担当者ごとにExcelで管理されています。 フォーマットはバラバラ、同じ設備でも列名が違う、単位の定義が書かれていない——こうした状態が「生データ（LV1）」です。
AI-Readyレベル診断の結果、LV1（生データ） の状態と判定されるケースがほとんどです。
LV1の状態が引き起こす問題
- 「設備の稼働時間」「異常停止回数」を一括で集計できない（列名・シート構造がバラバラ）
- 機械学習・生成AIに学習させようとしても、どのデータが「正」かわからない
- ベテラン担当者の頭の中にしか「定義」がない → 属人化・退職リスク
AI-Readyレベル診断
| 項目 | 現状 | 目標 | |---|---|---| | データ形式 | Excel（担当者別・バラバラ） | RDB（統一スキーマ） | | メタデータ | なし（暗黙知のみ） | DBML定義書で明示 | | AIクエリ対応 | 不可 | TextToSQL対応 | | カタログ整備 | なし | データカタログ運用中 |
体制面：誰が何をするか
最小構成チームでスタート可能です。
| 役割 | 人数 | 求めるスキル | |---|---|---| | 品質管理部門リーダー | 1名 | 業務知識（ExcelのどのデータがどのプロセスのものかわかるレベルでOK） | | IT担当 | 1名 | SQLが書けるレベル（DBの設計経験は不要） | | データスチュワード（兼任可） | 1名 | 上記いずれかが兼任。週1〜2時間の定期レビューを担当 |
ポイント: 専任データエンジニアや高度なIT知識は初期段階では不要です。 ExcelのVLOOKUPが使える業務担当者＋SQL初級者の2名体制でスタートできます。
技術面：何のツールで・どの手順で
ステップ1：Excelテーブル定義書の整備（第1〜2週）
まず、バラバラなExcelを「何がどんな意味を持つか」を整理するドキュメントを作ります。
- 各Excelシートの列名・単位・許容値をリスト化
- 「設備ID」「点検日時」「異常フラグ」など共通語彙を決める
- Mode-ai（当社ツール）で概念モデルを描き、ステークホルダーレビューを実施
ステップ2：DBMLでスキーマ定義（第3週）
整理した定義書をもとに、DBML（Database Markup Language） でスキーマを記述します。
Table equipment_logs {
log_id int [pk, note: "稼働ログID"]
equipment_id varchar [ref: > equipments.id, note: "設備ID"]
recorded_at datetime [note: "記録日時"]
operating_hours float [note: "稼働時間（時間）"]
abnormal_stop_count int [note: "異常停止回数"]
inspector_id varchar [ref: > inspectors.id, note: "点検担当者ID"]
}
このDBMLがLV2→LV3への「AIへの説明書」になります。
ステップ3：RDBへのデータ投入とTextToSQL検証（第4〜6週）
- PostgreSQL（またはクラウドDB）に統一スキーマでデータを移行
- TextToSQL（生成AIへのSQL自動生成）を検証
- 例：「先月の異常停止が多かった設備TOP5を教えて」→ 自動でSQLが生成される
- DBMLのメタデータにより、AIが列の意味を正確に理解できるようになる
ステップ4：データカタログ整備（第7〜8週）
- DBMLをベースにデータカタログ（データの目次）を整備
- 用語集（データ辞書）を作成：「品質良品率」の定義を全社統一
- 新規データ追加時の更新フロー（データスチュワードが週次レビュー）を確立
効果（After）
| 指標 | Before | After | |---|---|---| | 品質データ集計 | 毎月担当者が手作業で数時間 | TextToSQLで質問→即座に結果 | | 予知保全AIの精度 | 入力データ不整合でクエリ失敗多発 | 統一スキーマで精度が大幅改善 | | 担当者交代時の引き継ぎ | ベテランの頭の中のみ | DBMLとカタログで誰でも参照可能 | | 新規AI機能追加コスト | 都度データクレンジング工数が発生 | LV3基盤から直接活用可能 |
よくある質問（JDMC講演Q&Aより）
Q：GraphDB（グラフDB）は必要ですか？
A：品質管理の文脈では、まずRDB（PostgreSQL等）でLV2化することを推奨します。設備間の複雑な関係性（例：部品→設備→工程→製品のサプライチェーン影響分析）が必要になった段階で、GraphDB（Neo4j等）への拡張を検討してください。GraphDB設計にはスキーマの事前設計経験があると望ましいです。
Q：Excelを使い続けることはできますか？
A：移行期間中はExcelとRDBの併用が可能です。ただし「ExcelをそのままAI学習データにする」のは避けてください。まずDBMLで定義書を整備し、そこから段階的に移行するアプローチを取ります。