製造業の班長向け：日報データを自動集計・異常値ハイライトするAIエージェントの作り方【2024年版】

対象読者： 製造現場の班長・係長・生産管理担当者
難易度： 中級（プロンプトのコピペで今日から試せます）
所要時間： 初回セットアップ15分、日次運用5〜10分

製造現場の班長が抱える日報集計の課題とは

製造現場で班長や係長を務めている方にとって、日報の集計作業は毎日欠かせない業務のひとつです。各作業員が提出した日報を回収し、生産数・不良数・稼働時間をExcelに転記して、合計値や不良率を算出する——この一連の作業に、一般的な中小製造業の環境では30分以上を要するケースが少なくありません。

問題は、集計に時間がかかることだけではありません。もっと深刻なのは**「異常値の見落とし」**です。

日報を「書く」だけで終わっていないか

日報は本来、現場の状態を日々把握し、改善につなげるための仕組みです。しかし実際には「書くこと」「提出すること」がゴールになりがちです。

班長が忙しい朝の時間帯に数字を転記していると、基準値をわずかに超えた不良率の変化を見逃すことがあります。特に、複数ラインの日報を同時に処理する場合、ひとつひとつの数値を丁寧に確認する余裕がないのが現実です。

異常値の発見が遅れることで起きる問題

不良率のじわじわとした上昇に気づけないまま月末を迎えると、月次報告の段階で初めて異常傾向が発覚します。その時点では：

• 原因の特定が難しくなっている
• すでに出荷済みの製品に品質リスクが生じている可能性がある
• 「なぜ日報の段階で気づけなかったのか」という指摘を受ける

こうした状況に覚えがある方も多いのではないでしょうか。

この課題は、集計作業そのものを効率化するだけでなく、異常値を「即座に可視化する」仕組みを取り入れることで改善が期待できます。

AIエージェントで日報集計を自動化する全体像

ここで紹介するのは、ChatGPTなどのLLM（大規模言語モデル）にプロンプトを入力するだけで動作する日報集計エージェントです。プログラミングの知識は不要で、日報のテキストをコピーして貼り付けるだけで使えます。

このエージェントが担う3つの役割

1. データ抽出： 日報テキストから生産数・不良数・稼働時間・停止時間などの数値を自動で読み取る
2. 異常値判定： あらかじめ設定した基準値（目標生産数、不良率上限など）と比較し、逸脱している項目を判定する
3. レポート整形： 抽出した数値と判定結果を、表形式の見やすいレポートに自動整形する

つまり、これまで班長が手作業で行っていた**「転記」「計算」「チェック」「資料作成」の4工程を、1回のプロンプト入力でまとめて処理**できる仕組みです。

処理フロー図

【入力】日報テキスト（手書き転記 or Excel出力のテキスト）
    ↓
Step 1：テキストから数値データを抽出
    ↓
Step 2：不良率・稼働率を自動算出
    ↓
Step 3：基準値との比較・逸脱判定
    ↓
Step 4：構造化テーブルの生成
    ↓
Step 5：異常値へのハイライト・コメント付与
    ↓
Step 6：日次サマリー（所見）の生成
    ↓
【出力】集計レポート（表形式 + 異常値ハイライト + サマリー）

特別なツールや有料のBIソフトは不要です。ChatGPTなどの一般的なLLMサービスがあれば、このプロンプトをコピーして使い始めることができます。

Before/After：従来の手作業フローとAI活用後のフロー比較

日報集計の業務フローがどのように変わるのか、導入前と導入後を比較してみます。

重要な注記： 上記の比較は、従業員100〜200名規模の中小製造業で、1〜3ラインの日報を処理するケースを想定した参考値です。実際の効果は、日報のフォーマット・ライン数・運用方法・スタッフの習熟度によって大きく異なります。効果を保証するものではありません。

フロー変化のポイント

導入前のフローで最も時間がかかっていたのは「Excel転記」と「目視チェック」の2工程です。AIエージェントはこの2工程を代替するため、班長の作業は「入力」と「確認」に集中できるようになります。

重要： AIが出力した集計結果を鵜呑みにせず、班長自身が最終確認を行うことが前提です。AIの出力はあくまで下書きであり、最終判断は人間が行います。

日報集計AIエージェントの処理フロー詳細

AIエージェントが内部で行っている6つの処理ステップを詳しく説明します。各ステップで何が行われているかを理解しておくと、出力結果の妥当性を確認しやすくなります。

Step 1：テキストからの数値データ抽出

日報テキストに含まれる「生産数」「不良数」「稼働時間」「停止時間」などのキーワードを手がかりに、対応する数値を抽出します。「生産数：1,250個」のような定型表現だけでなく、「本日は1250個を生産」のような自然文からも数値を読み取ります。

Step 2：不良率・稼働率の自動算出

抽出した数値をもとに、以下の計算を行います：

$$\text{不良率} = \frac{\text{不良数}}{\text{総生産数}} \times 100 \text{ (%)}$$

$$\text{稼働率} = \frac{\text{実稼働時間}}{\text{標準稼働時間}} \times 100 \text{ (%)}$$

$$\text{目標達成率} = \frac{\text{良品数}}{\text{目標生産数}} \times 100 \text{ (%)}$$

ここで、総生産数 = 良品数 + 不良数 として定義します。

Step 3：基準値との比較・逸脱判定

プロンプト内に設定したカスタマイズ変数（目標生産数、不良率上限など）と、算出値を比較します。基準値を超えている項目があれば「要注意」と判定します。

Step 4：構造化テーブルの生成

抽出・算出したデータを表形式に整形します。ラインごと、または製品ごとに行を分けた見やすい表を生成します。

Step 5：異常値へのハイライト・コメント付与

基準値を逸脱した項目には「!!」マークを付け、何がどの程度逸脱しているかのコメントを添えます。例：「不良率 3.2%（上限 2.0% を超過）」

Step 6：日次サマリーの生成

全体の所見として、当日の生産状況を3〜5行で要約します。異常値がある場合は、確認すべきポイントを優先度付きで記載します。

実装プロンプト完全公開：コピペで使える日報集計エージェント

以下のプロンプトをそのままコピーして、ChatGPTなどのLLMに貼り付けて使うことができます。[変数名]の部分を自社の情報に置き換えてから使用してください。

# 役割定義（Role）
あなたは製造業の生産管理に特化した日報集計・異常値検知エージェントです。
製造現場の班長が提出された日報テキストをもとに、生産実績の構造化・集計・異常値判定を行い、
日次レポートを生成する業務を担当します。
# 入力仕様（Input）
以下の情報を受け取ります：
- 日報テキスト（テキスト）：作業員が記入した日報の内容（1名分または複数名分） ※必須
  ※定型フォーマットでも自由記述でも対応します
- 対象日付（日付）：日報の対象日 ※任意（テキスト内から推定可能な場合は省略可）
# 基準値設定（カスタマイズ変数）
以下の基準値を判定に使用します。自社の基準に合わせて書き換えてください：
- 製品名/ライン名：[製品名/ライン名]
- 目標生産数：[目標生産数] 個/日
- 不良率上限：[不良率上限] %
- 標準稼働時間：[標準稼働時間] 時間/日
- 報告先：[報告先の役職名]
# 処理手順（Process）
以下のステップで処理を行ってください：
Step 1：日報テキストを読み取り、以下の数値データを抽出する
  - 生産数（良品数）
  - 不良数
  - 稼働時間（実稼働時間）
  - 停止時間
  - 停止理由（記載がある場合）
  - 作業者名（記載がある場合）
  - 特記事項（記載がある場合）
Step 2：抽出した数値をもとに以下を算出する
  - 総生産数 = 生産数（良品数） + 不良数
  - 不良率 = 不良数 ÷ 総生産数 × 100（小数第2位まで）
  - 稼働率 = 実稼働時間 ÷ [標準稼働時間] × 100（小数第1位まで）
  - 目標達成率 = 生産数（良品数） ÷ [目標生産数] × 100（小数第1位まで）
Step 3：基準値との比較を行い、以下の条件で判定する
  - 生産数が[目標生産数]の90%未満 → 「!! 要注意：生産数未達」
  - 不良率が[不良率上限]を超過 → 「!! 要注意：不良率超過」
  - 稼働時間が[標準稼働時間]の85%未満 → 「!! 要注意：稼働率低下」
  - 停止時間が30分以上 → 「! 確認推奨：長時間停止あり」
Step 4：抽出・算出データを構造化テーブルに整形する
Step 5：異常値（!! または ! マーク付き）の項目にコメントを付与する
  - 逸脱の程度（基準値と実績値の差）を具体的に記載する
  - 考えられる確認ポイントを1〜2点示す（断定はしない）
Step 6：日次サマリーを生成する
  - 全体の生産状況を3〜5行で要約する
  - 異常値がある場合は優先度の高い順に記載する
  - [報告先の役職名]への報告を想定した文体で記述する
# 出力形式（Output）
以下の形式で出力してください：
---
## 日次生産レポート
**対象日**：YYYY年MM月DD日
**対象ライン**：[製品名/ライン名]
### 集計テーブル
| 項目 | 実績値 | 基準値 | 判定 |
|---|---|---|---|
| 生産数（良品） | ○○個 | [目標生産数]個 | OK / !! 要注意 |
| 不良数 | ○○個 | - | - |
| 総生産数 | ○○個 | - | - |
| 不良率 | ○.○○% | [不良率上限]% | OK / !! 要注意 |
| 稼働時間 | ○.○h | [標準稼働時間]h | OK / !! 要注意 |
| 停止時間 | ○.○h | - | OK / ! 確認推奨 |
| 稼働率 | ○.○% | 85%以上 | OK / !! 要注意 |
| 目標達成率 | ○.○% | 90%以上 | OK / !! 要注意 |
### 異常値ハイライト
（異常値がある場合のみ表示）
- !! [項目名]：[実績値]（基準値：[基準値]、乖離：[差分]）
  → 確認ポイント：[考えられる確認事項]
### 停止記録
（停止時間がある場合のみ表示）
| 停止時間 | 停止理由 |
|---|---|
| ○分 | [理由] |
### 特記事項
（日報に特記事項の記載がある場合のみ表示）
- [特記事項の内容]
### 日次サマリー
[3〜5行の要約文]
---
# 品質基準（Quality）
出力前に以下を自己チェックしてください：
□ 日報テキストに記載された数値がすべて抽出されているか
□ 不良率・稼働率の計算に誤りがないか（特に分母の定義を確認）
□ 基準値との比較判定が正しいか
□ 異常値のハイライトに漏れがないか
□ 出力テーブルのフォーマットが崩れていないか
□ サマリーが客観的で、過度な断定表現を含んでいないか
□ 日報に記載のない情報を推測で補っていないか
# 制約事項（Constraints）
- 日報テキストに明記されていない数値は推測で補わないこと。
  不明な場合は「確認が必要です：[項目名]」と記載する
- 異常値の原因を断定しないこと。
  「考えられる確認ポイント」として可能性を提示するにとどめる
- 品質判定や工程改善の具体的な指示は行わないこと（班長の判断領域）
- 最終出力は必ず人間（班長）が確認・承認してから報告資料として使用すること
- 安全・労災に関わる異常については
  「速やかに専門部署への報告をお勧めします」と記載する
# カスタマイズ変数
[製品名/ライン名]：自社の製品名またはライン名に置き換えてください
  （例：Aライン、ブレーキパッド成形ライン）
[目標生産数]：1日あたりの目標生産数に置き換えてください（例：1200）
[不良率上限]：自社の不良率上限値に置き換えてください（例：2.0）
[標準稼働時間]：1日あたりの標準稼働時間に置き換えてください（例：8.0）
[報告先の役職名]：報告先の役職名に置き換えてください（例：製造課長）

使い方：

1. 上記プロンプトをすべてコピー
2. [変数名]の部分を自社の値に書き換え（5箇所）
3. ChatGPTなどに貼り付けて送信
4. 続けて、日報テキストを入力
5. 出力された集計レポートの内容を確認・必要に応じて修正

初回は昨日の日報で動作確認をしてみることをお勧めします。

カスタマイズガイド：自社の日報フォーマットに合わせる方法

上記プロンプトはそのままでも動作しますが、自社の運用に合わせて調整することで、より実用的な出力が得られます。

カスタマイズ変数の設定方法

日報フォーマットが異なる場合の対応

対応しやすいケース：

• 「項目名：数値」の形式で記載されている日報
• 自由記述だが、数値が文中に含まれている日報
• 複数作業者の日報がまとめて1つのテキストになっている場合

調整が必要なケース：

• 日報に数値が含まれていない（定性的な記述のみ）→ 数値を含むフォーマットへの変更を検討
• 日報がPDFや画像形式 → テキストに変換してから入力
• 複数日分の日報をまとめて処理したい → プロンプトの入力仕様に「対象期間」を追加

判定基準の追加・変更

プロンプト内の「Step 3」の判定条件を編集することで、自社独自の判定基準を追加できます。

例：「段取り替え時間が60分を超えた場合に注意表示する」を追加する場合：

- 段取り替え時間が60分以上 → 「! 確認推奨：段取り替え時間超過」

導入時の注意点・限界：AIエージェントが苦手なケース

このAIエージェントは万能ではありません。導入前に、向いているケースと向いていないケースを把握しておくことが大切です。

向いているケース：

• テキスト形式の日報を処理する場合
• 定型的な数値項目の集計（生産数・不良数・稼働時間など）
• 1〜5名程度の日報を日次で処理する場合

向いていないケース：

• 画像・手書き日報を直接読み取りたい場合
  本プロンプトはテキスト入力を前提としています。手書き日報の場合は、OCR（光学文字認識）ツールで事前にテキスト化する必要があります。
• 数十ライン・数百名規模の大量データを一括処理したい場合
  LLMの入力トークン数に上限があるため、大量のデータを一度に処理するには適していません。専用のBIツールやデータベースの活用を検討してください。
• 品質判定や工程改善の意思決定を自動化したい場合
  本エージェントはデータの集計と異常値の可視化までを担当します。品質判定の最終判断や改善アクションの決定は、班長や品質管理部門が行う領域です。
• 100%の計算精度を求める場合
  現在のLLMは「文章生成」が主な機能であり、複雑な計算では誤りが生じる可能性があります。出力された数値は必ず電卓やExcelで検算してください。

よくある失敗パターンと対処法

まとめ：明日から始める日報集計の効率化ステップ

本記事では、製造現場の班長が日々行っている日報集計の課題と、AIエージェントを使った効率化の方法を紹介しました。

ポイント：

• 日報集計の課題は「時間がかかること」だけでなく「異常値の見落とし」にある
• AIエージェントはデータ抽出・計算・異常値判定・レポート整形を一括処理できる
• プロンプトのカスタマイズ変数を自社の基準値に合わせるだけで使い始められる
• 必ず人間が最終確認を行い、AIの出力を鵜呑みにしない

今すぐできること：

1. 本記事の実装プロンプトをコピーし、[変数名]を自社の値に置き換える
2. 昨日の日報を使って、ChatGPTなどのLLMで動作確認をしてみる
3. 出力結果を確認し、自社のフォーマットに合わない点があればプロンプトを微調整する
4. 計算結果（特に不良率）は必ず電卓で検算する

最初から完璧な運用を目指す必要はありません。まず1日分の日報で試してみて、「使えそうだ」と感じたら翌日から日常業務に組み込んでみてください。

免責事項： 本記事で紹介したプロンプトは参考情報です。実際の業務適用前に、自環境での動作確認と、内容の適切性確認を必ず行ってください。AIが出力する集計結果・判定結果には誤りが含まれる可能性があります。特に数値計算については必ず人間が検算を行い、最終的に班長・品質管理部門等が確認・承認してから使用してください。品質管理・安全管理に関わる重要な判断については、必ず専門部署や責任者にご相談ください。本記事の情報に基づく損害について、当サイトは責任を負いかねます。