新しいデータで予測モデルを作成し「コンプレッサーの振動値」が寄与度の上位にくることが確認できた。他にも意外な項目として「基板の動作温度」も寄与度の上位に入っていた。これは新しい発見だ……！
故障率低減プロジェクトチーム内の定例でPrediction Oneで分析した寄与度の説明をすると、寄与度の上位の項目のうち製造の現場の知見からも故障に関係がありそうな項目に関して製造プロセスの点検を行うことになり、適切な修正が行われた。
これは「予測分析の流れ」で言うと最後の項目「5 予測をする/寄与度を活用する（業務への適用）」だ。
その結果、半年後にはエアコンの故障率は以前の水準まで低減した。
この実績が評価され、今後もPrediction Oneを使ってさらなる故障率の低減や製造プロセスの改善を行うことが決定し業務に組み込まれることになった。エアコン以外の家電製品についてもPrediction Oneで分析してみようかな！
今回、寄与度の上位の項目のうち製造の現場の知見からも故障に関係がありそうな項目に関して製造プロセスの点検を行うことになりました。
このように現場のドメイン知識と照らし合わせて予測分析の結果を解釈していくことが重要です。
このページでタツヤさんは以下のタスクを完了しました。
ここではタツヤさんになったと思って進め方ガイドのチェックを埋めてみましょう。
これで寄与度を業務に活用する事例における進め方ガイドの使い方の説明は以上です。
実際にご自身のユースケースでも進め方ガイドをもとに予測分析を業務に導入してみてください。