②生成AIによるアナログ・プロセスマイニング（グラフ理論）

本来ならばオールデジタルデータのログを集めればプロセス図が出来上がって、それがネットワークフロー図で自動的に描きあげられてボトルネックが分かって…　と、とんとん拍子に進むのだろうが。
残念ながらアナログの塊なのでそんな訳にはいかない。
でも、何とかなるんじゃないのかなぁ…

高いから、買わない。自己流で考える。

＜ゴール＞

事務作業者のプロセスを視覚化して、ボトルネック箇所を探し出して必要ならば自動化を行う。でも、おそらくプロセスを変えるだけで良くて、自動化なんて要らないんじゃないかな？最終的には省人化だ。それが出来ないなら何もしない方がいい。
省力化なんて、何の効果も無い。

＜NGの方法＞
・ヒアリング（ほぼ意味が無い）。
　私だって自分の業務の詳細を説明できない。
　あと、作業内容を表にまとめても何の意味も無い。
　それで役に立ったことがない。
・事務作業者に貼り付いて作業を観察する。
　（製造ならいいけど…これもNG）
・縦軸に時間、横軸に作業者をとってマン＝マシン図を描く。
・ボトルネック工程を探して…　（IEの教科書通りに進める）
👉この方法だと、時間が掛かるだけで表面的な事しか拾えない。
　自分もずっとそうだったから。

＜試してみる方法＞
・ボトルネック工程の目処を立てる。（感覚で分かっちゃうので…）
・そこで必要とされている情報を確認する。
　情報の精度を確認する。（大抵は情報の精度が悪い・遅い）
・精度の悪い情報を、何を使ってリカバリーしているのか把握する。
・次に、前工程へ遡る。
　どこでデータ精度が落ちているのかを確認する。
　大抵は、根本原因が分かっても直せない筈。
　（直せないから、それを回避する運用を長年やってるんだから）
・データ精度をリカバリーする現状の方法に問題があると仮定。
　どうすればそれがマシになるのか、プロセスの再構築を試みる。
👉多分、バイパスを作ればそれで全体が良くなる気がする。

以上の試みを、アウトプットはIEの手法ではなくて
①ネットワークフロー図で組む。
　（流れは情報量、コストは扱う手間になる筈）

②シングルのフローで考えるのではなく、マルチプロセスで考える。
③いきなりネットワークフローで数値化は難しいので、
　①の図は日本語で記述して、生成AIに描いてもらう。

こんなもんか、作戦計画は終了。
生成AIの登場前は、グラフネットワークを組んでクリティカルパスを求めるのが面倒だったのだが、それは回避されそう。嬉しい。
生成AIが日本語で記述した個々のフローに関する記述をまとめて、勝手にプロセス全体のネットワーク図を描画してくれる筈だ。

これが0円だから読んでみよう。

場合によってはCCPMを入れないといけないかもしれないが、そこまで仰々しくならないだろう。ツールを複雑にしても機能しなくなる。
と思って生成AIにアドバイスを求めたみたが考慮した方が良さそうだ。

※簡単なネットワークフローを生成AIに書かせて気がついた。そうか、最大流量のボトルネックと最大圧のボトルネックは計算方法もボトルネック位置もが全然違うんだ。。。勉強になった。

初日、現場でやってみました。
100点とは言えませんが、70点は行けたかな…
定性的な部分だけで、まずは成功。

GGNという、グラフ理論の機械学習があるらしい。
使えないかな。