Recommended
More Related Content
Featured
Featured (20)
重大製品事故の実態分析
- 2. 1 ①重大製品事故の実態把握、②予防策案、③発生件数予測を試みる 背景と目的 • 5W(When?|Where?|What?|Who?|Why?) の視点から現状を分析する。 アプローチ 背景/課題意識 消費者庁は、製品事故の再発防止を目的に、重大製品事故を定期的に公開している。 本稿では、平成30年4月1日～31年3月31日までに届出のあった重大製品事故データを分析し、 実態把握と予防策提言を試みる。分析に当たっては、データから仮説を探索する仮説探索型を採用 した。5Wフレームワークに基づき、分析軸を設定し、抜け・漏れ・ダブリのない分析を試みた。 • 製品事故情報報告・公表制度の創設 平成18年に起きたガス瞬間湯沸かし器による一酸化炭素中毒死傷事故を契機に、消費生活用 製品安全法の改正法案が平成19年5月14日から施行された。従前は、製品事故情報の報告は 事業者任意で、法律で義務付けられていなかった。 • 消費者庁の発足 平成21年6月、消費者庁及び消費者委員会設置法、消費者安全法等の法律が可決され、同年 9月1日に発足した。 目的 1. 日本に於ける重大製品事故の実態を把握する。 2. 1.の分析結果を元に、重大製品事故の予防策案を提言する。 3. 時系列モデルによる重大事故発生件数予測を試みる。
- 3. 2出所：平成26年10月1日 高圧ガス保安室「事故情報の共有・分析の強化について」 重大製品事故は、消費者安全法第35条第1・2項に則り、知った日を含めて 10日以内の報告が義務付けられており、原則1週間以内に一次公表される 重大製品事故 発生時の流れ 重大製品事故 エスカレーション・フロー
- 4. 3 1. 背景と目的 1. 分析設計 2. 得られた示唆 3. 重大事故防止への提言 4. 分析に利用したデータセット 2. Why?の視点 何故、事故が起きたのか? 3. When?の視点 いつ、事故が起きたのか? 4. Where?の視点 どこで、事故が起きたのか? 5. What?の視点1 何が、事故を起こしたのか? 6. What?の視点2 どんな、被害だったのか? 7. Who?の視点1 誰が、事故を起こしたのか? 8. Who?の視点2 誰が、被害に遭ったのか? 9. あとがき 目次
- 5. 4 5Wの視点から、重大製品事故の実態を分析した 1-1. 分析設計 5Wの分析視点 Why? When? Where? What? Who? 把握事項 何故、事故が 起きたのか? いつ、事故が 起きたのか? どこで、事故が 起きたのか? 何が、事故を 起こしたのか? どんな、被害だった のか? 誰が、事故を 起こしたのか? 誰が、被害に 遭ったのか? 前処理 分析方法 派生変数 事故原因 時系列の派生変数 年 月 日 曜日 クロス集計 都道府県単位 ランキング デシル分析 クロス集計 派生変数 製品大分類 製品中分類 被害内容 クロス集計 事業者単位 ランキング デシル分析 RFM分析 クロス集計
- 6. 5 ①事故発生の規則性に基づく、②被害を起点にした、注意喚起が予防に 有効である 1-2. 得られた示唆 分析によって得られた示唆と提言 Why? When? Where? What? Who? 観察事項 多くの事故は、依然 調査中 90%以上の重大事故 は、原因特定できておら ず、調査中ｽﾃｰﾀｽである。 事故には規則性有 以下ﾀｲﾐﾝｸﾞでの事故 増加が確認された。 ・1/7/8/12月 ・7/12～16日 ・11月 木/金曜日 ・7月 月/水曜日 大都市圏に集中 東京、神奈川、埼玉な どの大都市圏で、64% を占めている。 特定の製品中分類 の高ﾘｽｸ 上位10中分類で、全 重大事故の約36%を 占めている。 火災被害が最多 火災による被害が最も 多い。 特定事業者製品の 高ﾘｽｸ 上位10社製品が、 事故40%を占めている。 火災被害者が最多 火災による重傷者が 最多。 提言 事故被害を起点に した注意喚起 原因未特定の場合、 具体的に何に気をつけ るかを注意喚起するの は難しい。拠って、火災 対策など、事故被害を 起点にした注意喚起が 有効である。 注意喚起ﾀｲﾐﾝｸﾞの 特定 事故増加が観察された ﾀｲﾐﾝｸﾞ前での行政、 事業者による注意喚起 も事故予防に有効であ る。 都道府県の優先付 事故が集中しがちな 都道府県に、優先的に、 注意喚起を行うことで、 ﾘｿｰｽ効率利用が可能 になる。 対象品目の特定 事故の多い製品分類を 優先的に、注意喚起す ることで、事故予防に繋 がる。 事業者の特定 事故の多い事業者に 関する情報も有効であ る。 火災対策 消火器設置など、事故 による火災発生時の 環境整備の呼びかけを 行う。
- 7. 6 優先順位に基づく、事業者・製品中分類に関する注意喚起が事故防止に 効果的である 1-3. 重大事故防止への提言 事業者・製品中分類に関する注意喚起 1/2 注意喚起対象となる事業者、製品中分類の優先順位付け 10回以上 5回以上10回未満 19年4月中 3月中 優先度：高 事業者 • ノーリツ • ハーマン • 三洋電機 製品中分類 • ガスこんろ • 充電器 • 照明器具 • 自転車 • 電気ストーブ • 温風暖房機 • バッテリー 優先度：中 事業者 • ダイニチ工業 製品中分類 • 椅子 • 除雪機 優先度：中 事業者 • コロナ • パロマ • シャープ • パナソニック 製品中分類 • エアコン(室外機) • 石油ストーブ • ノートPC • 冷蔵庫 • ふろがま • 延長コード • スマートフォン • 掃除機 • テレビ • 電動車いす • 瞬間湯沸器 Recency Frequency
- 8. 7 20回以上 10回以上20回未満 19年4月中 3月中 事故の多い都道府県への優先的な注意喚起が効果的である 1-3. 重大事故防止への提言 都道府県での注意喚起 2/2 注意喚起する都道府県の優先順位付け 優先度：高 • 愛知県 • 埼玉県 • 神奈川県 • 大阪府 • 東京 優先度：中 • 新潟県 • 滋賀県 優先度：中 • 京都府 • 静岡県 • 千葉県 • 福岡県 • 兵庫県 • 北海道 Recency Frequency
- 9. 8 平成30年4月1日～31年3月31日までに消費者庁に届出のあった重大製品 事故データを利用した 1-4. 分析に利用したデータセット 1/2 分析に利用したデータセット 1/2 変数名 データ型 概要 備考 管理番号 文字列(Char) 重大事故毎に付与される管理番号 事故発生日 日付型(Date) 事故発生日 YYYY/MM/DD形式の日付データ 報告受理日 日付型(Date) 事故が消費者庁に報告された日 同上 公表日 日付型(Date) 事故公表日 同上 製品大分類 文字列(Char) 事故を起こした製品の大分類 製品分類 文字列(Char) 事故を起こした製品の分類 製品名 文字列(Char) 事故を起こした製品名 機種・型式 文字列(Char) 事故を起こした機種名 事業者名 文字列(Char) 事故を起こした事業者名 事故発生都道府県 文字列(Char) 事故が発生した都道府県 被害状況 文字列(Char) 事故に拠って生じた被害 事業者名(現在名) 文字列(Char) 事業者の現在社名 事業者名(旧社名) 文字列(Char) 事業者の旧社名 ブランド 文字列(Char) 事故を起こした製品ブランド名 事業継承先企業 文字列(Char) 事業を継承した企業名 輸入事業者フラグ 整数型(Integar) 輸入事業者かどうかを特定 輸入事業者に1、該当しない場合は0を立てたフラグ
- 10. 9 元データをフラグ化、派生変数を作り、分析を行った 1-4. 分析に利用したデータセット 2/2 分析に利用したデータセット 2/2 変数名 データ型 概要 備考 事故発生年 整数型(Integar) 事故が発生した西暦 事故発生日からYYYYを切り出した派生変数 事故発生月 整数型(Integar) 事故が発生した月 事故発生日からMMを切り出した派生変数 事故発生日 整数型(Integar) 事故が発生した日 事故発生日からDDを切り出した派生変数 事故発生曜日 文字列(Char) 事故が発生した曜日 事故発生日から曜日を計算した派生変数 報告受理日-事故発生日(日間) 整数型(Integar) 事故発生から報告が受理されるのに掛かった日数 報告受理日から事故発生日を減算した派生変数 公表日-報告受理日(日間) 整数型(Integar) 報告が受理されてから事故が公表されるのに掛かった日数 公表日から報告受理日を減算した派生変数 公表日ー事故発生日(日間) 整数型(Integar) 事故発生から公表に掛かった日数 公表日から事故発生日を減算した派生変数 軽傷者数 整数型(Integar) 重大事故による軽傷者数 重傷者数 整数型(Integar) 重大事故による重症者数 死亡者数 整数型(Integar) 重大事故による死亡者数 軽傷フラグ 整数型(Integar) 軽傷者数有無 軽傷者数から0|1で立てたフラグ 重傷フラグ 整数型(Integar) 重傷者数有無 重傷者数から0|1で立てたフラグ 死亡フラグ 整数型(Integar) 死亡者数有無 死亡者数から0|1で立てたフラグ 火災フラグ 整数型(Integar) 火災被害の有無 被害状況から文字列「火災」を検索し、0|1で立てたフラグ CO中毒フラグ 整数型(Integar) CO中毒被害の有無 被害状況から文字列「CO中毒」を検索し、0|1で立てたフラグ 原因調査中フラグ 整数型(Integar) 原因調査中の有無 事故内容から文字列「現在、原因を調査中。」を検索し、0|1で立てたフラグ 原因特定済(推察を含む)フラグ 整数型(Integar) 原因特定済みの有無 原因調査中フラグ0に1を立てたフラグ 製品起因フラグ 整数型(Integar) 事故原因が製品起因かを特定するフラグ その他の要因フラグ 整数型(Integar) 製品以外の原因に起因するかを特定するフラグ 製品起因フラグ0に1を立てたフラグ 事故内容 文字列(Char) 事故の詳細 被害内容、事故状況、原因の調査状況に関する詳細 備考 文字列(Char) その他の補足
- 11. 10 90%以上の重大事故は、原因特定できておらず、調査中ステータスである 2-1. Why?の視点 原因究明状況 重大製品事故 原因究明状況 798 82 原因特定済(推察含む) 880 原因調査中
- 12. 11 平成30年4月1日～31年3月31日届出分では、30年(2018年)分が最多。 長期で見ることで、結果が変わる可能性有 3-1. When?の視点 年毎 重大事故発生件数 年毎の重大事故発生件数(トップをハイライト) 5 37 659 159 12 NA2017 20192016 2018
- 13. 12 夏(7/8月)、冬(12/1月)に事故が多い 3-2. When?の視点 月毎 重大事故発生件数 月毎の重大事故発生件数(トップ3をハイライト) 89 71 48 55 67 63 89 77 52 70 96 83 12 11521 3 4 6 7 8 9 10 12 NA
- 14. 13 月初(2～7日)、月中(10～19日)、月末(26～30日)に事故が集中している 3-3. When?の視点 日毎 重大事故発生件数 日毎の重大事故発生件数(中央値27以上をハイライト) 107 35 28 3 36 25 21 84 215 6 9 11 27 1912 13 14 28 15 16 18 20 NA22 23 3124 25 34 23 27 26 33 27 28 28 35 29 30 24 28 35 22 17 24 24 22 15 27 32 26 33 33 27 19 26 12 22 30 32
- 15. 14 月、水、木、土に事故が集中している 3-4. When?の視点 曜日毎 重大事故発生件数 曜日毎の重大事故発生件数(中央値121以上をハイライト) 144 110 124 135 120 121 106 12 土月 火 木 日水 金 NA
- 16. 15 月初(7日)、月中(12～16日)に事故が多い。このタイミング前の注意喚起が 事故防止に役立つ 3-5. When?の視点 月×日 重大事故発生件数 月×日の重大事故発生件数 月|日 1 2 3 4 5 6 7 8 9 10 11 12 合計 1 4 2 1 1 3 1 3 3 3 1 22 2 7 2 2 4 1 3 2 4 1 1 4 2 33 3 4 1 1 2 1 1 3 2 5 2 2 24 4 3 1 4 5 3 4 2 1 1 4 28 5 3 1 3 2 2 1 4 4 2 3 2 27 6 5 2 1 1 2 1 2 4 2 2 5 27 7 1 3 2 2 3 4 5 2 5 4 4 35 8 2 2 2 3 1 3 1 4 3 2 23 9 1 3 2 1 3 1 3 3 5 22 10 3 2 4 3 4 1 4 1 6 2 2 32 11 4 8 1 1 4 1 6 4 1 2 32 12 7 2 5 2 2 2 3 1 3 1 4 4 36 13 3 5 1 3 1 2 6 5 2 2 5 35 14 2 2 1 2 1 4 4 3 3 5 27 15 2 5 1 3 3 5 1 2 3 2 27 16 3 1 1 3 5 3 6 3 1 2 3 4 35 月|日 1 2 3 4 5 6 7 8 9 10 11 12 合計 17 3 4 1 2 2 3 2 3 1 2 3 2 28 18 1 1 1 2 4 2 4 4 4 3 26 19 1 4 1 2 1 3 3 1 4 5 3 28 20 2 1 1 3 1 2 1 2 1 3 2 19 21 1 2 2 2 2 4 2 3 2 3 1 24 22 4 3 2 2 3 1 1 2 1 3 7 4 33 23 2 5 2 5 4 3 1 1 1 1 1 26 24 1 1 2 1 1 1 4 1 2 1 6 3 24 25 3 2 2 1 2 4 4 1 2 1 22 26 3 2 2 5 2 3 3 1 4 1 3 5 34 27 3 1 2 1 1 2 1 3 2 2 4 3 25 28 4 3 1 2 2 1 3 3 3 3 2 3 30 29 2 4 1 2 5 2 3 4 3 2 28 30 2 1 2 4 3 3 1 1 2 7 7 33 31 3 4 2 1 2 1 2 15 NA 12 合計 89 71 48 55 67 63 89 77 52 70 96 83 872
- 17. 16 11月の木・金、7月の月・水が特に事故が多い 3-6. When?の視点 月×曜日 重大事故発生件数 月×曜日の重大事故発生件数(トップ3を太枠化) 月|曜日 1 2 3 4 5 6 7 8 9 10 11 12 NA 合計 月 8 12 8 15 7 14 18 11 5 16 15 15 144 火 15 11 7 7 13 7 6 13 8 10 10 3 110 水 15 8 3 2 10 7 17 10 10 13 15 14 124 木 14 10 8 11 11 11 12 11 8 7 19 13 135 金 10 15 7 5 13 4 9 13 8 6 17 13 120 土 14 7 8 8 6 14 14 11 6 7 13 13 121 日 13 8 7 7 7 6 13 8 7 11 7 12 106 NA 12 12 合計 89 71 48 55 67 63 89 77 52 70 96 83 12 872
- 18. 17 上位10都道府県で、全事故の64%以上を占め、大都市圏で事故が多い 4-1. Where?の視点 都道府県毎 重大事故発生件数ランキング 都道府県毎 重大事故発生件数トップ10 ランキング 事業者名(現在名) 重大事故発生件数 構成比率 累積構成比率 1 東京都 161 18.46% 18.46% 2 神奈川県 65 7.45% 25.92% 3 埼玉県 61 7.00% 32.91% 4 愛知県 59 6.77% 39.68% 5 大阪府 52 5.96% 45.64% 6 兵庫県 41 4.70% 50.34% 7 千葉県 37 4.24% 54.59% 8 北海道 34 3.90% 58.49% 9 福岡県 27 3.10% 61.58% 10 京都府 26 2.98% 64.56% 全都道府県 合計 872 64.56%
- 19. 18 1デシルで約40%を占め、5デシルで80%を超す 4-2. Where?の視点 都道府県毎 デシル分析 都道府県毎 重大事故発生件数 デシル分析
- 20. 19 1デシルに属す総合得点15点の都道府県での注意喚起が最優先である 4-3. Where?の視点 都道府県毎 RFM分析 都道府県毎 重大事故発生件数 RFM分析 総合得点 該当都道府県数 構成比率 累積構成比率 15 5 10.64% 10.64% 14 7 14.89% 25.53% 13 1 2.13% 27.66% 12 5 10.64% 38.30% 11 5 10.64% 48.94% 10 7 14.89% 63.83% 9 2 4.26% 68.09% 8 8 17.02% 85.11% 7 4 8.51% 93.62% 5 1 2.13% 95.74% 4 2 4.26% 100.00% 合計 47 100.00%
- 21. 20 以下の基準を元にスコアリングを行った 【参考】 都道府県毎 RFM分析 スコア基準 都道府県毎 RFM分析 スコア基準 ランク 付点 Recency(直近の事故発生日) Frequency(事故発生回数) Monetary(事故に拠る被害) 1 5点 2019年4月中に事故発生 20回以上 20件以上 2 4点 2019年3月中に事故発生 10回以上20回未満 10件以上20件未満 3 3点 2019年2月中に事故発生 5回以上10回未満 5件以上10件未満 4 2点 2019年1月中に事故発生 4回 4件 5 1点 2018年中に事故発生 3回 3件
- 22. 21 東京都～埼玉県では、1/7/10/11月に集中する傾向が共通している。 関東圏で同時に注意喚起することで、効果を倍増させられる可能性有 4-4. Where?の視点 都道府県×月 重大事故発生件数 上位10位 都道府県×月 重大事故発生件数 都道府県|月 東京都 神奈川県 埼玉県 愛知県 大阪府 兵庫県 千葉県 北海道 福岡県 京都府 合計 1 12 3 6 8 4 4 3 3 4 47 2 13 5 5 4 3 4 2 5 4 2 47 3 7 5 1 3 3 2 3 1 2 1 28 4 14 7 2 2 4 1 4 1 2 37 5 10 4 7 4 3 4 4 4 4 1 45 6 13 4 3 3 7 3 2 1 2 38 7 17 7 7 9 6 3 4 5 2 4 64 8 14 8 4 2 8 3 4 4 3 50 9 8 4 3 4 5 5 5 2 2 2 40 10 16 7 6 7 2 2 2 3 1 1 47 11 12 8 10 5 4 8 1 3 3 4 58 12 20 2 7 7 3 4 3 3 4 53 NA 5 1 1 1 1 9 合計 161 65 61 59 52 41 37 34 27 26 563
- 23. 22 神奈川県と愛知県には、 2～7日に事故が集中する共通点が見られた 4-5. Where?の視点 都道府県×日(1～16日) 重大事故発生件数 上位10位 都道府県×日 重大事故発生件数 都道府県|日 東京都 神奈川県 埼玉県 愛知県 大阪府 兵庫県 千葉県 北海道 福岡県 京都府 1 3 2 2 3 1 3 1 2 7 4 1 1 3 1 3 4 3 6 3 2 2 2 1 4 6 1 2 3 1 1 3 2 1 5 5 2 2 3 2 1 3 6 8 2 4 1 1 1 7 8 5 2 1 2 3 1 4 1 8 2 2 4 1 2 9 2 2 2 1 2 2 1 3 10 9 2 3 1 1 1 1 1 1 11 4 3 3 3 2 3 2 2 1 12 4 3 1 3 1 3 1 2 13 5 1 2 2 3 4 1 1 2 14 2 3 1 1 4 4 1 1 1 1 15 6 2 2 2 1 1 2 1 16 8 2 7 1 2 2 2 2 2 1
- 24. 23 月後半も、神奈川県と愛知県には19～22日に事故が集中する共通点が 見られた 4-5. Where?の視点 都道府県×日(17～31日) 重大事故発生件数 上位10位 都道府県×日 重大事故発生件数 都道府県|日 東京都 神奈川県 埼玉県 愛知県 大阪府 兵庫県 千葉県 北海道 福岡県 京都府 17 5 2 1 2 2 1 1 1 18 6 2 2 3 2 1 1 1 19 6 3 2 6 2 2 20 2 3 1 1 1 1 3 2 21 3 2 3 4 1 22 3 4 2 1 3 2 1 23 6 2 1 2 1 2 2 24 2 3 1 1 1 25 4 1 2 3 1 3 1 1 26 7 4 3 1 1 1 2 2 27 2 3 3 4 1 28 10 1 1 1 2 1 1 1 29 5 3 4 4 1 30 7 3 2 2 3 2 1 1 2 3 31 3 1 3 2 2 1 NA 5 1 1 1 1 合計 161 65 61 59 52 41 37 34 27 26
- 25. 24 東京都～埼玉県に加え、愛知県、大阪府でも火・木・金に事故が集中する 傾向が観察された 4-6. Where?の視点 都道府県×曜日 重大事故発生件数 上位10位 都道府県×曜日 重大事故発生件数 都道府県|曜日 東京都 神奈川県 埼玉県 愛知県 大阪府 兵庫県 千葉県 北海道 福岡県 京都府 月 17 7 8 5 9 8 6 3 2 2 火 29 15 11 15 5 2 6 4 1 3 水 22 7 5 3 5 9 5 4 4 3 木 23 6 13 8 12 6 8 7 4 2 金 20 12 9 13 5 5 4 4 6 6 土 28 8 6 5 9 7 3 5 4 6 日 17 9 9 9 7 3 4 7 6 4 NA 5 1 1 1 1 合計 161 65 61 59 52 41 37 34 27 26
- 26. 25 ガス・石油機器以外の製品の重大事故が8割を越す 5-1. What?の視点 製品大分類毎 重大事故発生件数 製品大分類毎の重大事故発生件数 153 719 ガス機器・石油機器 ガス機器・石油機器以外 872
- 27. 26 上位10中分類で、全重大事故の36%以上を占める 5-2. What?の視点 製品中分類毎 重大事故発生件数ランキング 製品中分類毎 重大事故発生件数トップ10 ランキング 製品中分類 重大事故発生件数 構成比率 累積構成比率 1 ガスこんろ 39 4.47% 4.47% 2 充電器 35 4.01% 8.49% 3 エアコン（室外機） 34 3.90% 12.39% 3 自転車 34 3.90% 16.28% 3 照明器具 34 3.90% 20.18% 6 ノートパソコン 29 3.33% 23.51% 7 電気ストーブ 25 2.87% 26.38% 8 石油ストーブ 24 2.75% 29.13% 9 エアコン 20 2.29% 31.42% 9 温風暖房機 20 2.29% 33.72% 9 冷蔵庫 20 2.29% 36.01% 全中分類 合計 872 36.01%
- 28. 27 1デシルで48%以上を占め、4デシルで80%超。ガスこんろ、充電器、エアコ ンなどの製品が優先的な注意喚起の対象になる 5-3. What?の視点 製品中分類毎 デシル分析 製品中分類毎 重大事故発生件数 デシル分析
- 29. 28 1デシルに属す総合得点15/14点の製品中分類に関する注意喚起が最優 先である 5-4. What?の視点 製品中分類毎 RFM分析 製品中分類毎 重大事故発生件数 RFM分析 総合得点 該当中分類数 構成比率 累積構成比率 15 7 3.68% 3.68% 14 10 5.26% 8.95% 13 6 3.16% 12.11% 12 12 6.32% 18.42% 11 7 3.68% 22.11% 10 16 8.42% 30.53% 9 13 6.84% 37.37% 8 4 2.11% 39.47% 7 17 8.95% 48.42% 6 11 5.79% 54.21% 5 12 6.32% 60.53% 4 11 5.79% 66.32% 3 64 33.68% 100.00% 合計 190 100.00%
- 30. 29 以下の基準を元にスコアリングを行った 【参考】 製品中分類毎 RFM分析 スコア基準 製品中分類毎 RFM分析 スコア基準 ランク 付点 Recency(直近の事故発生日) Frequency(事故発生回数) Monetary(事故に拠る被害) 1 5点 2019年4月中に事故発生 10回以上 10件以上 2 4点 2019年3月中に事故発生 5回以上10回未満 5件以上10件未満 3 3点 2019年2月中に事故発生 3回以上5回未満 3件以上5件未満 4 2点 2019年1月中に事故発生 2回 2件 5 1点 2018年中に事故発生 1回 1件
- 31. 30 火災事故は毎月発生している 6-1. What?の視点 被害分類×月 重大事故発生件数 被害分類×月 重大事故発生件数 被害分類|月 軽症事故 重症事故 死亡事故 火災事故 CO中毒 合計 1 0 7 6 80 0 93 2 4 10 3 60 0 77 3 3 7 2 39 1 52 4 1 12 1 43 0 57 5 1 10 3 55 0 69 6 4 7 2 56 0 69 7 4 12 1 76 0 93 8 3 14 2 63 0 82 9 1 8 1 43 0 53 10 4 10 2 60 0 76 11 1 15 2 80 0 98 12 1 15 1 67 0 84 NA 0 6 0 4 0 10 合計 27 133 26 726 1 913
- 32. 31 月初(2･3日)、月中(11～14日)に重傷事故が多く、死亡事故も呼応している 6-2. What?の視点 被害分類×日(1～16日) 重大事故発生件数 被害分類×日 重大事故発生件数 被害分類|日 軽症事故 重症事故 死亡事故 火災事故 CO中毒 合計 1 1 4 1 18 0 24 2 1 8 3 24 0 36 3 1 8 1 15 0 25 4 1 3 0 25 0 29 5 5 4 0 23 0 32 6 1 1 0 25 0 27 7 1 6 1 29 0 37 8 0 2 2 21 0 25 9 0 3 1 18 0 22 10 1 3 0 29 0 33 11 1 8 2 22 0 33 12 0 7 2 29 0 38 13 0 5 2 30 0 37 14 0 7 1 19 0 27 15 1 0 0 27 0 28 16 1 6 1 28 0 36
- 33. 32 月後半では月末(26日)に重症事故が集中している 6-2. What?の視点 被害分類×日(17～31日) 重大事故発生件数 被害分類×日 重大事故発生件数 被害分類|日 軽症事故 重症事故 死亡事故 火災事故 CO中毒 合計 17 1 4 2 25 0 32 18 0 4 0 23 0 27 19 1 1 0 27 0 29 20 0 2 1 16 0 19 21 0 2 2 20 0 24 22 0 3 0 30 0 33 23 4 3 1 22 1 31 24 1 3 0 21 0 25 25 2 2 0 20 0 24 26 0 10 1 25 0 36 27 1 3 0 22 0 26 28 1 5 0 25 0 31 29 0 4 1 23 0 28 30 0 3 1 29 0 33 31 1 3 0 12 0 16 NA 0 6 0 4 0 10 合計 27 133 26 726 1 913
- 34. 33 軽症事故が月～水、間を埋めるように重症事故が木～日に集中している 6-3. What?の視点 被害分類×曜日重大事故発生件数 被害分類×曜日 重大事故発生件数 被害分類|曜日 軽症事故 重症事故 死亡事故 火災事故 CO中毒 合計 月 5 12 5 93 0 115 火 4 16 4 126 0 150 水 6 13 3 97 0 119 木 5 22 3 102 0 132 金 0 25 4 108 0 137 土 1 23 4 93 1 122 日 6 16 3 103 0 128 NA 0 6 0 4 0 10 合計 27 133 26 726 1 913
- 35. 34 上位10社で全事故の約40%を占め、上位3社はガス機器メーカーである 7-1. Who?の視点 事業者毎 重大事故発生件数ランキング 事業者毎 重大事故発生件数トップ10 ランキング 事業者名(現在名) 重大事故発生件数 構成比率 累積構成比率 1 株式会社コロナ 29 6.61% 6.61% 1 株式会社パロマ 29 6.61% 13.21% 3 株式会社ノーリツ 23 5.24% 18.45% 4 パナソニック株式会社 18 4.10% 22.55% 5 シャープ株式会社 15 3.42% 25.97% 6 株式会社ハーマン 12 2.73% 28.70% 6 三洋電機株式会社 12 2.73% 31.44% 6 東芝クライアントソリューション株式会社 12 2.73% 34.17% 9 東芝ライフスタイル株式会社 9 2.05% 36.22% 10 ダイニチ工業株式会社 8 1.82% 38.04% 10 ユアサプライムス株式会社 8 1.82% 39.86% 全事業者 合計 439 39.86% * 製品起因かが不明の重大事故を除く
- 36. 35 1デシルだけで46.47%を占め、5デシルで80%を超す 7-2. Who?の視点 事業者毎 デシル分析 事業者毎 重大事故発生件数 デシル分析 * 製品起因かが不明の重大事故を除く
- 37. 36 1デシルに属する総合得点11～15点の事業者から、優先的に事故予防を 働きかける必要がある 7-3. Who?の視点 事業者毎 RFM分析 事業者毎 重大事故発生件数 RFM分析 * 製品起因かが不明の重大事故を除く 総合得点 該当社数 構成比率 累積構成比率 15 3 1.85% 1.85% 14 4 2.47% 4.32% 13 1 0.62% 4.94% 12 6 3.70% 8.64% 11 4 2.47% 11.11% 10 7 4.32% 15.43% 9 5 3.09% 18.52% 8 11 6.79% 25.31% 7 9 5.56% 30.86% 6 10 6.17% 37.04% 5 21 12.96% 50.00% 4 23 14.20% 64.20% 3 58 35.80% 100.00% 合計 162 100.00%
- 38. 37 以下の基準を元にスコアリングを行った 【参考】 事業者毎 RFM分析 スコア基準 事業者毎 RFM分析 スコア基準 ランク 付点 Recency(直近の事故発生日) Frequency(事故発生回数) Monetary(事故に拠る被害) 1 5点 2019年4月中に事故発生 10回以上 10件以上 2 4点 2019年3月中に事故発生 5回以上10回未満 5件以上10件未満 3 3点 2019年2月中に事故発生 3回以上5回未満 3件以上5件未満 4 2点 2018年11月～19年1月中に事故発生 2回 2件 5 1点 2018年10月以前に事故発生 1回 1件
- 39. 38 事故件数は1～3件と少ないが、公表までに1年以上掛かっているのが、 上位事業者の特徴である 7-4. Who?の視点 事業者毎 重大事故発生から公表までに掛かった日数 ランキング 事業者毎 重大事故発生から公表までに掛かった企業トップ10 ランキング 事業者名(現在名) 事故発生日から公表日まで掛かった日数(中央値) 重大事故発生件数 全社の中央値からの差 1 Apple Japan合同会社 1,846 3 625 2 高山企画株式会社 553 1 532 3 マテル・インターナショナル株式会社 518 1 497 4 株式会社イデアル 972 2 465 5 八洲電業株式会社 484 1 463 6 新東電器株式会社 471 1 450 7 大広株式会社 401 1 380 8 バカラパシフィック株式会社 387 1 366 9 ヤマハ発動機株式会社 373 1 352 10 日本タイガー電器株式会社 358 1 337 全事業者 合計 13
- 40. 39 重大製品事故の被害に遭われた方は、214名。内、重症が最も多く60%を 占める。製品事故の人体への影響の大きさが伺える 7-5. Who?の視点 被害分類毎 被害者数 被害分類毎 被害者数(トップをハイライト) 53 134 27 214 軽症 死亡重症
- 41. 40 夏場(7/8月)、冬場(12/1月)の事故で被害に遭われた方が多い。 行政、事業者よる夏・冬場の注意喚起が効果的である 7-6. Who?の視点 被害分類毎×月 重大事故 被害者数 被害分類×月 重大事故 被害者数 被害分類|月 軽症者 重症者 死亡者 合計 1 0 7 6 13 2 4 10 3 17 3 6 7 2 15 4 1 12 1 14 5 1 10 3 14 6 4 7 2 13 7 5 12 1 18 8 11 14 3 28 9 8 8 1 17 10 5 10 2 17 11 1 15 2 18 12 2 15 1 18 NA 5 7 0 12 合計 53 134 27 214
- 42. 41 月初(2・3日)、月中(11～16日)に重傷者が多く発生している。 夏・冬場の月初、月中の注意喚起が効果的である 7-7. Who?の視点 被害分類毎×日 重大事故 被害者数 被害分類×日 重大事故 被害者数 被害分類|日 軽症者 重症者 死亡者 合計 1 1 4 2 7 2 1 8 3 12 3 1 8 1 10 4 9 3 0 12 5 5 4 0 9 6 8 1 0 9 7 2 6 1 9 8 0 2 2 4 9 0 3 1 4 10 1 3 0 4 11 1 8 2 11 12 0 7 2 9 13 0 5 2 7 14 1 7 1 9 15 2 0 0 2 16 1 6 1 8 被害分類|日 軽症者 重症者 死亡者 合計 17 1 4 2 7 18 0 4 0 4 19 1 1 0 2 20 0 2 1 3 21 0 2 2 4 22 0 3 0 3 23 7 3 1 11 24 1 3 0 4 25 2 2 0 4 26 0 10 1 11 27 1 3 0 4 28 1 5 0 6 29 0 4 1 5 30 0 3 1 4 31 1 3 0 4 NA 5 7 0 12 合計 53 134 27 214
- 43. 42 重傷者は木～土に集中し、軽症者は日曜日に集中している 7-8. Who?の視点 被害分類毎×曜日 重大事故 被害者数 被害分類×曜日 重大事故 被害者数 被害分類|曜日 軽症者 重症者 死亡者 合計 月 7 12 5 24 火 4 16 4 24 水 6 13 3 22 木 5 22 4 31 金 7 25 4 36 土 5 23 4 32 日 14 16 3 33 NA 5 7 0 12 合計 53 134 27 214
- 44. 43 9ヶ月のデータでは、高い精度を出せず、決定係数は0.323に留まった。 長期間のデータであれば、精度が増す可能性有 8-1. 重大製品事故 時系列予測 重大製品事故 発生件数と時系列予測結果の比較 6 3 54 64 82 70 89 86 32 32 33 33 48 56 61 60 71 66 57 65 74 67 0 10 20 30 40 50 60 70 80 90 2017年 12月 2019年 1月 75 9月 36 51 2018年 1月 10月2月 4月 8 35 3月 36 5月 61 6月 7月 2月8月 66 11月 12月 63 10 3月 重大事故件数 予測値
- 45. 44 残差を目的変数、lag3と14を説明変数に取り、分析を行った 8-1. 重大製品事故 時系列予測 自己相関係数 重大製品事故 時系列予測 自己相関係数 0.63 0.25 0.17 -0.08 -0.07 -0.04 -0.30 -0.49 -0.55 -0.72 -0.72 -0.51 -0.04 0.11 0.16 0.31 0.55 0.57 -80 -10 -40 -70 -60 -50 -30 -20 40 10 0 20 30 50 60 70 lag13 lag17lag2 lag3 lag4 lag5 lag6 lag7 lag8 lag9 lag10 lag11 lag12 lag14 lag15 lag16 lag18lag1
- 47. 46 レポート作成を通じ、手法の習得に加え、分析設計、メッセージに合わせた グラフの装飾等、総合的なスキルを伸ばすことが出来た 9-2. より良い分析のためのTips Tips • 仮説探索型のデータ分析は、 5W2Hなどのフレームワークと組み合わせることで、抜け・漏れ・ダブリを減らし、 効率的な分析が可能になる。 • データ・クレンジングは、分析設計に依存する。手戻りを減らすには、「何の為に、何を知りたいのか?」という問い から分析軸を書き出し、クレンジングを行うのがコツ。 • クロス集計と条件付書式を組み合わせるだけで、多くの示唆が得られることが分かった。 行・列を入れ替えるといった手戻りが多く発生した為、目的変数と説明変数が何かを常に意識する必要有。 • 横もちのExcelの表をPowerPointに貼り付ける際は、表を分割するなど見せ方に工夫が必要。 PowerPointに貼り付ける際に、キレイに貼り付けられず、多くの手戻りが発生した。 • ある程度、Excelでの分析をした後、PowerPointにすることで、分析軸の抜け・漏れなど、修正・改善点を 見つけやすくなる。 • 合計行は太字化するなど、表内で強調したい情報は何か?を考える。 • グラフをハッチングする際も、平均値や中央値といった基本統計量を使うことで、ハッチングに意味を持たせられ る。 • デシル分析は、マーケティング課題だけでなく、課題の優先順位付けに応用できる。 • RFM分析も、Recency:直近の事故発生日、Frequency:発生回数、Monetary:被害規模に置き換え ることで、応用出来ることが分かった。 • 次回は、SQLを使った分析に取組み、Excelと同レベルまで、操作能力を向上させたい。
- 48. 47 出典一覧 • 消費者庁 経済産業省 「製品事故情報報告・公表制度の解説 ～事業者用ハンドブック 2018 ～ 」 https://www.meti.go.jp/product_safety/producer/guideline/file/handbook_1.pdf • 消費者庁 消費者安全法等に基づく重大事故等の一覧表(年間) 「平成30年度(平成30年4月1日～平成31年3月31日)(令 和元年7月3日公表) 消費生活用製品安全法に基づき報告された重大製品事故」 https://www.caa.go.jp/policies/policy/consumer_safety/centralization_of_accident_information/serious_a ccident_list/ • 平成26年10月1日 高圧ガス保安室 「事故情報の共有・分析の強化について」 https://www.meti.go.jp/shingikai/sankoshin/hoan_shohi/koatsu_gas/pdf/006_02_00.pdf