# 故障情報の自動分類に向けた取り組み

## 現状の業務について

当社では、顧客から修理依頼を受けたモニター製品の故障情報を、担当者が手作業で分類しています。
修理依頼が届くたびに、担当者が症状の内容を確認し、以下の6つの故障タイプに振り分ける作業を行っています。

- ソフトウェア（ドライバ・ファームウェア関連）
- 電源・接続（電源が入らない・信号が入らない等）
- ディスプレイ（画面の表示異常）
- 傷・割れ（外装の物理的損傷）
- ボタン（操作部の不具合）
- その他（上記に分類できない不具合）

## 現状の課題

修理受付件数が増加しており、分類作業に費やす時間が月あたり約XX時間にのぼっています。
また、担当者によって判断が異なるケースがあり、分類精度にばらつきが生じています。

特に「ソフトウェア」「電源・接続」「ディスプレイ」の3カテゴリは、症状の記述が似ているために
判断が難しく、分類ミスが起きやすいとされています。

現在は、担当者の経験と勘に頼った運用となっており、新人担当者が独り立ちするまでに
一定の時間がかかっています。

## 手元にあるデータ

**修理記録データ（主データ）**

過去数年分の修理受付データが蓄積されています。各レコードには以下の情報が含まれています。

- 修理ID
- 修理受付日
- 製品型番
- 担当者が記録した指摘症状（自由記述）
- 指摘箇所（ディスプレイ / 電源 / ボタン）
- 保証期間内かどうか
- 最終的な故障タイプ（分類結果）

**機器稼働ログデータ（補助データ）**

修理対象機器の直近数か月分の稼働記録も保有しています。
各機器の月次での稼働時間と稼働区分（通常稼働 / 高負荷 / 待機）が記録されており、
1台の機器について複数行のレコードが存在します。

このデータは、機器の使われ方のパターンが故障タイプと関連している可能性を
検証するために活用できると考えています。

## 予測したいこと

修理受付時に担当者が記録した症状・製品情報・稼働ログをもとに、
** 故障タイプを自動的に分類 ** できるようにしたいと考えています。

## 目標の予測精度
精度の目安としては、担当者の熟練者が判断したときと同程度である、** 正解率80%前後 ** を想定しています。

## 予測結果の活用方法

- 修理受付画面に予測結果を表示し、担当者の確認作業を補助する
- 分類確率が高いケースは担当者の承認のみで処理を進め、作業時間を削減する
- 分類に影響する要因（どんな症状の記述や稼働パターンが予測に効いているか）を分析し、
  修理マニュアルの改善に活用する

## スケジュールのイメージ
** 今から3か月後 ** に本格運用開始したいです。
