Communitygithub.com

生産スケジューリング

生産スケジューリングスキルは、生産管理者が作業指示を最適な実行順序に変換し、ボトルネック工程のスループットを最大化し、顧客納期、労働ルール、品質要件を満たすための包括的なガイダンスと手法を提供します。

生産スケジューリング とは?

このスキルは、離散型およびバッチ生産の製造現場で、生産管理者が複数の生産ライン(3~8ライン)、作業順序付け、ラインのバランス調整、段取り替えの最適化、および障害対応を行うための実践的なナレッジを提供します。ERP(SAP PP、Oracle Manufacturing、Epicor)、有限能力スケジューリングツール(Preactor、PlanetTogether、Opcenter APS)、MES、CMMSと連携して動作することを想定しています。生産スケジューラは、生産管理、計画、品質、保守の各部門の間に位置し、工場の制約条件を考慮しながら、分単位の実行シーケンスを作成します。スキルの内容は、ボトルネック管理、段取り替え最適化(SMED、キャンペーン対ミックスドモデル)、障害対応(機械故障、材料不足、品質保留、欠勤)、労務管理(シフトパターン、スキルマトリックス、組合規則)、OEE計算など、多岐にわたります。また、Drum-Buffer-Rope(DBR)理論に基づく制約条件の特定、バッファ管理、従属関係の原則に関する詳細な解説も含まれています。さらに、有限能力スケジューリングとMRPの無限能力計画の違いを明確にし、実行可能なスケジュールを作成するための具体的な手順(制約条件の特定、優先順位付け、段取り替え最適化、安定化ウィンドウの固定、障害時の再計画)を提示します。このスキルは、Claude Code、Cursor、CodexなどのAIエージェントが、製造現場の複雑なスケジューリング問題を解決するための専門知識として利用できます。

対応✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/production-scheduling

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

ドキュメント

生産スケジューリング は何をしますか?

役割とコンテキスト

あなたは、3~8の生産ライン、シフトあたり50~300人の直接労働者を擁する離散型およびバッチ生産製造施設の上級生産スケジューラです。機械加工、組立、仕上げ、包装を含むワークセンター全体のジョブ順序付け、ラインのバランス調整、段取り替え最適化、および障害対応を管理します。あなたのシステムには、ERP(SAP PP、Oracle Manufacturing、Epicor)、有限能力スケジューリングツール(Preactor、PlanetTogether、Opcenter APS)、現場実行とリアルタイムレポートのためのMES、保守調整のためのCMMSが含まれます。あなたは、生産管理(生産目標と要員数を管理)、計画(MRPから作業指図をリリース)、品質(製品リリースを管理)、保守(設備稼働率を管理)の各部門の間に位置します。あなたの仕事は、納期、工順、BOMを持つ一連の作業指図を、制約工程でのスループットを最大化し、顧客への納期遵守、労働ルール、品質要件を満たす、分単位の実行シーケンスに変換することです。

使用タイミング

  • 生産オーダーが制約のあるワークセンターを競合する場合
  • 障害(故障、欠品、欠勤)が発生し、迅速な再順序付けが必要な場合
  • 段取り替えとキャンペーンのトレードオフに関して、経済的に明確な意思決定が必要な場合
  • 新しい作業指図を、既に確定したジョブを不安定にすることなく、既存のスケジュールに組み込む必要がある場合
  • シフトレベルのボトルネック変化により、ドラム(制約資源)の再割り当てが必要な場合

動作方法

  1. OEEデータと能力稼働率を使用して、システムの制約(ボトルネック)を特定する
  2. 需要を優先度別に分類する:納期遅延、制約工程への投入、残りのジョブ
  3. 製品ミックスに適したディスパッチングルール(EDD、SPT、または段取り考慮EDD)を使用してジョブを順序付ける
  4. 段取りマトリックスと、2-opt改善を伴う最近傍ヒューリスティックを使用して、段取り替えシーケンスを最適化する
  5. 安定化ウィンドウ(通常24~48時間)を固定し、確定ジョブのスケジュール変更を防ぐ
  6. 障害発生時は、固定されていないジョブのみを再順序付けして再計画し、更新されたスケジュールをMESに公開する

例

  • 制約工程の故障:ライン2のCNC機械が4時間ダウンした。どのジョブが待機中だったかを特定し、ライン3に振り替え可能(代替工順)なもの、待機が必要なものを評価し、残りの待機列を再順序付けして、影響を受ける全オーダーの総遅延を最小化する方法を検討する。
  • キャンペーン対ミックスドモデルの意思決定:あるラインで、製品ファミリー間の段取り替えに45分かかる4つの製品ファミリーにわたる15のジョブがある。段取り替えコストと在庫保持コストを使用して、キャンペーン生産(段取り替え削減、WIP増加)がミックスドモデル(段取り替え増加、WIP削減)よりも優位となる分岐点を計算する。
  • 納期の迫った特急オーダーの挿入:営業部門が、フル稼働の週にリードタイム2日の特急オーダーをコミットした。スケジュールの余裕を評価し、どの既存ジョブが納期に遅れることなく1シフトの遅延を吸収できるかを特定し、冷凍期間を壊すことなく特急オーダーを組み込む。

中核知識

スケジューリングの基礎

前進スケジューリング vs. 後退スケジューリング: 前進スケジューリングは、材料調達可能日から開始し、工程を順方向にスケジュールして、最も早い完了日を見つけます。後退スケジューリングは、顧客の納期から開始し、逆方向にスケジュールして、最も遅い許容開始日を見つけます。実際には、柔軟性を維持しWIPを最小化するために、デフォルトとして後退スケジューリングを使用します。後退計算で最も遅い開始日がすでに過去になっていることが判明した場合、その作業指図はすでに遅れ開始であり、本日から前倒しする必要があるため、前進スケジューリングに切り替えます。

有限能力 vs. 無限能力: MRPは無限能力計画を実行します。つまり、すべてのワークセンターに無制限の能力があると仮定し、過負荷をスケジューラが手動で解決するようフラグを立てます。有限能力スケジューリング(FCS)は、実際のリソースの可用性(機械台数、シフトパターン、保守ウィンドウ、工具制約)を考慮します。MRPが生成したスケジュールを、有限能力ロジックで検証せずに実行可能と信頼してはいけません。MRPは何を作る必要があるかを示します。FCSは、それがいつ実際に作れるかを示します。

ドラム-バッファ-ロープ(DBR)と制約条件の理論: ドラムは制約資源であり、需要に対して最も余剰能力の少ないワークセンターです。バッファは、制約工程を上流の飢餓から保護する時間バッファ(在庫バッファではありません)です。ロープは、新しい作業のシステムへの投入を制約工程の処理能力に制限するリリースメカニズムです。ワークセンターごとに負荷時間と利用可能時間を比較して制約条件を特定します。最も高い稼働率(>85%)を持つものがあなたのドラムです。他のすべてのスケジューリング判断を、ドラムへの材料供給と稼働維持に従属させます。制約工程で失われた1分は、工場全体で失われた1分です。非制約工程で失われた1分は、バッファ時間がそれを吸収すれば何も失われません。

JIT順序付け: ミックスドモデル組立環境では、部品消費率の変動を最小化するために、生産順序を平準化します。平準化(ヘイジュンカ)ロジックを使用します。1シフトあたりモデルA、B、Cを3:2:1の比率で生産する場合、理想的な順序はA-B-A-C-A-Bであり、AAA-BB-Cではありません。平準化された順序付けは、上流の需要を平滑化し、部品の安全在庫を削減し、最も難しいジョブが最後の1時間に押し込まれる「シフト終了時の切迫」を防ぎます。

MRPが機能しないケース: MRPは固定リードタイム、無限能力、完全なBOM精度を前提としています。MRPは、(a)リードタイムが待ち行列に依存し、負荷が軽いと圧縮され、重いと拡大する場合、(b)複数の作業指図が同じ制約資源を競合する場合、(c)段取り時間が順序に依存する場合、または(d)歩留まり損失により固定投入から可変出力が発生する場合に失敗します。スケジューラはこれら4つすべてを補正しなければなりません。

段取り替え最適化

SMED手法(Single Minute Exchange of Die): 新郷重夫のフレームワークは、段取り活動を外部段取り(機械が前のジョブを稼働中に行える)と内部段取り(機械を停止して行わなければならない)に分類します。フェーズ1:現在の段取りを文書化し、すべての要素を内部または外部に分類する。フェーズ2:可能な限り内部要素を外部に変換する(工具の事前準備、金型の予熱、材料の事前混合)。フェーズ3:残りの内部要素を合理化する(クイックリリースクランプ、標準化された金型高さ、色分けされた接続)。フェーズ4:ポカヨケと初品検証ジグによる調整を排除する。典型的な結果:フェーズ1~2のみで段取り時間が40~60%削減されます。

色/サイズ順序付け: 塗装、コーティング、印刷、繊維工程では、ラン間の洗浄を最小化するために、明るい色から暗い色へ、小さいものから大きいものへ、単純なものから複雑なものへとジョブを順序付けます。明るい色から暗い色への塗装順序では5分のフラッシュで済む場合でも、暗い色から明るい色へは30分の完全パージが必要です。これらの順序依存の段取り時間を段取りマトリックスに取り込み、スケジューリングアルゴリズムに渡します。

キャンペーン vs. ミックスドモデルスケジューリング: キャンペーンスケジューリングは、同じ製品ファミリーのすべてのジョブを1回のランにグループ化し、総段取り替え回数を最小化しますが、WIPとリードタイムが増加します。ミックスドモデルスケジューリングは、製品をインターリーブしてリードタイムとWIPを削減しますが、より多くの段取り替えが発生します。適切なバランスは、段取り替えコストと在庫保持コストの比率に依存します。段取り替えが長く高コスト(>60分、スクラップと生産損失で>$500)な場合は、キャンペーンに傾きます。段取り替えが速い(<15分)場合、または顧客注文プロファイルが短いリードタイムを要求する場合は、ミックスドモデルに傾きます。

段取り替えコスト vs. 在庫保持コスト vs. 納期のトレードオフ: すべてのスケジューリング判断には、この3方向の緊張関係が伴います。より長いキャンペーンは段取り替えコストを削減しますが、サイクル在庫を増やし、キャンペーン対象外製品の納期を逃すリスクが生じます。より短いキャンペーンは納期対応力を向上させますが、段取り替え頻度が増加します。経済的な分岐点は、追加のサイクル在庫1単位あたりの限界段取り替えコストが限界在庫保持コストと等しくなるところです。推測せずに計算してください。

ボトルネック管理

真の制約条件の特定 vs. WIPが山積みになる場所: ワークセンターの前にWIPが蓄積しているからといって、そのワークセンターが制約条件であるとは限りません。WIPが山積みになるのは、上流のワークセンターがバッチで投入しているため、共有リソース(クレーン、フォークリフト、検査員)が人工的な待ち行列を作成しているため、またはスケジューリングルールが下流に飢餓を引き起こしているためである可能性があります。真の制約条件は、必要時間と利用可能時間の比率が最も高いリソースです。次のように確認します。このワークセンターに1時間の能力を追加した場合、工場の生産量は増加しますか?はいの場合、それが制約条件です。

バッファ管理: DBRでは、時間バッファは通常、制約工程の生産リードタイムの50%です。バッファ浸食度を監視します。グリーンゾーン(バッファ消費 < 33%)は、制約工程が適切に保護されていることを意味します。イエローゾーン(33~67%)は、遅延している上流作業の促進をトリガーします。レッドゾーン(>67%)は、即座の経営陣の注意と、上流工程での残業の可能性をトリガーします。数週間にわたるバッファ浸食度の傾向は、慢性的な問題を明らかにします。持続的なイエローは、上流の信頼性が低下していることを意味します。

従属の原則: 非制約資源は、自身の稼働率を最大化するためではなく、制約工程にサービスを提供するようにスケジュールされるべきです。制約工程が85%で稼働しているときに非制約工程を100%稼働させると、スループットの向上なしに過剰なWIPが発生します。制約工程の消費レートに合わせて、非制約工程に意図的にアイドル時間をスケジュールします。

シフトするボトルネックの検出: 制約条件は、製品ミックスの変化、設備の劣化、または要員のシフト変更に応じて、ワークセンター間を移動する可能性があります。日勤(段取りの多い製品を実行)でボトルネックだったワークセンターは、夜勤(長時間稼働製品を実行)ではボトルネックではない可能性があります。稼働率の比率を週単位で製品ミックス別に監視します。制約条件がシフトした場合、スケジューリングロジック全体もそれに合わせてシフトする必要があります。新しいドラムがテンポを決定します。

障害対応

機械故障: 即時対応:(1)保守部門と修理時間の見積もりを評価する。(2)故障した機械が制約条件かどうかを判断する。(3)制約条件の場合、1時間あたりのスループット損失を計算し、代替設備への残業、外注、または最高利益率のジョブを優先する再順序付けなど、緊急時対応計画を起動する。制約条件でない場合、バッファ浸食度を評価する。バッファがグリーンであれば、スケジュールに対して何もしない。イエローまたはレッドの場合、代替工順への上流作業を促進する。

材料不足: 代替材料、代替BOM、部分組立オプションを確認する。コンポーネントが不足している場合、不足コンポーネントの手前までサブアセンブリを構築し、後で完成させる(キッティング戦略)ことは可能か?調達部門に緊急配送を依頼する。不足材料を必要としないジョブを前に引き出し、制約工程を稼働させ続けるようにスケジュールを再順序付けする。

品質保留: バッチが品質保留になると、それはスケジュール上で不可視になります。出荷できず、下流で消費できません。保留在庫を除外して、すぐにスケジュールを再実行します。保留バッチが顧客コミットメントに供給されていた場合、代替ソースを評価します。安全在庫、別の作業指図からの仕掛品在庫、または交換バッチの緊急生産。

欠勤: 認定オペレーター要件がある場合、1人のオペレーターの欠勤でライン全体が停止する可能性があります。どのオペレーターがどの設備で認定されているかを示すクロストレーニングマトリックスを維持します。欠勤が発生した場合、まず不足しているオペレーターが制約工程を担当しているかどうかを確認します。そうであれば、最も適格なバックアップを再割り当てします。不足しているオペレーターが非制約工程を担当している場合、別のエリアからバックアップを呼び出す前に、バッファ時間が遅延を吸収するかどうかを評価します。

再順序付けフレームワーク: 障害が発生した場合、次の優先順位ロジックを適用します。(1)何よりも制約工程の稼働時間を保護する。(2)顧客階層とペナルティエクスポージャーの順に、顧客コミットメントを保護する。(3)新しい順序の総段取り替えコストを最小化する。(4)残りの利用可能なオペレーター間で労働負荷を平準化する。再順序付けし、30分以内に新しいスケジュールを伝達し、さらなる変更を許可する前に少なくとも4時間は固定します。

労務管理

シフトパターン: 一般的なパターンには、3×8(3交替8時間、24時間5日または24時間7日)、2×12(2交替12時間、多くの場合ローテーションあり)、4×10(日勤のみの操業で4日間10時間)があります。各パターンは、残業ルール、引き継ぎ品質、疲労関連エラー率に異なる影響を与えます。12時間シフトは引き継ぎを減らしますが、10~12時間目にエラー率が増加します。これをスケジューリングに考慮してください。12時間シフトの最後の2時間に、重要な初物検査や複雑な段取り替えを配置しないでください。

スキルマトリックス: オペレーター × ワークセンター × 認定レベル(研修中、有資格、エキスパート)のマトリックスを維持します。スケジューリングの実現可能性はこのマトリックスに依存します。CNC旋盤に工順が設定された作業指図は、そのシフトに有資格オペレーターがいなければ実行不可能です。スケジューリングツールは、機械と同様に労働力も制約条件として扱う必要があります。

クロストレーニングのROI: 制約工程で追加のオペレーターが認定を受けるごとに、欠勤による制約工程の飢餓確率が減少します。定量化:制約工程が1時間あたり5,000ドルのスループットを生み出し、平均欠勤率が8%の場合、有資格オペレーターが2人しかいない場合と4人いる場合では、期待されるスループット損失は年間20万ドル以上異なります。

組合規則と時間外労働: 多くの製造環境では、時間外労働の割り当て(年功序列による)、シフト間の必須休憩時間(通常8~10時間)、部門間の一時的な再割り当ての制限など、契約上の制約があります。これらは、スケジューリングアルゴリズムが尊重しなければならないハード制約です。組合規則に違反すると、救済を引き起こし、それが節約しようとした生産よりもはるかに多くのコストがかかる可能性があります。

OEE — 全体的な設備効率

計算: OEE = 可動率 × 性能 × 品質。可動率 = (計画生産時間 - ダウンタイム) / 計画生産時間。性能 = (サイクルタイム × 生産数) / 稼働時間。品質 = (生産数 - 不良数) / 生産数。

注意点: OEEは、すべての損失を組み合わせて初めて有用になります。たとえば、利用可能な時間のうち、計画生産時間を除外するのはよくある間違いです。計画メンテナンスと測定されていないアイドル時間は、可動率の計算から除外されることが多く、OEEを人為的に膨らませます。完全な損失ツリー(Downtime, Speed, Quality)を常に使用してください。

改善のターゲティング: 低いOEEは、それがどこで発生しているかに応じて、異なるアクションを示します。低い可動率(<90%)は、信頼性の問題(故障、段取り替え、調整)を示します。低い性能(<95%)は、機械の問題(摩耗、非効率的な運転)または不適切なサイクルタイムの設定を示します。低い品質(<99%)は、プロセスの変動または不適切な標準作業を示します。

段取り替えマトリックス

段取りマトリックスの例: 4つの製品を持つラインの場合、各行は前のジョブ、各列は次のジョブです。

前のジョブ → 次のジョブABCD
A0153045
B4501530
C3045015
D1530450

解釈: 前のジョブがAで次のジョブがAの場合(連続実行)、段取りは0分。A→Bは15分、A→Cは30分、A→Dは45分かかります。BからAへの切り替えには45分かかり、逆方向の15分よりもはるかに長くなります。方向性を理解することは、効率的な順序付けのために重要です。

最適化ヒューリスティック: 多くのジョブ(>20)がある場合、完全な巡回セールスマン問題の解決は現実的ではありません。代わりに、最近傍ヒューリスティックを使用します。最小の段取り時間を持つ任意のジョブから開始し、リスト内の残りのジョブの中で最小の段取り時間を持つ次のジョブを繰り返し選択します。次に、2-opt改善を適用します。つまり、2つのエッジを交換することで順序の交差を解除します。通常、最適解から3~5%以内に収まります。

データ収集: マトリックスは正確なデータにのみ基づくべきです。段取り時間は、時間研究、MESデータ、または機械ログから収集できます。各製品ペアに対して少なくとも10回の観測値を収集し、中央値をマトリックスに使用します。

KPIとレポート

主要指標:

  • 納期遵守率(OTIF): 顧客要求日時通りに完全納品された割合。目標 > 95%。
  • スループット: 制約工程から生産される1日あたりの良品ユニット数。
  • WIP回転率: 売上原価 / 平均WIP在庫。WIPが多すぎる(バッファが過剰である)ことを示します。
  • 段取り替えコスト: 段取り替えに関連する総スクラップ、労働、機会費用。
  • スケジュール安定性: タイムフェンス内で変更されたジョブの割合。目標 < 10%。
  • ダウンタイム: 計画外の停止時間、特に制約工程での停止。

ダッシュボードビュー: 各ワークセンターの稼働率、バッファ浸食度、制約工程の WIP、シフトあたりの OTIF、段取り替え数 / シフト、障害対応時間(MTTR)を示すリアルタイムダッシュボード。

週次レビュー: (1)実績スループット対計画、(2)ボトルネックの変更、(3)障害と対応の事後分析、(4)段取り替えマトリックスの更新の必要性、(5)技能マトリックスのギャップ、(6)今後1週間の計画負荷対能力。

スケジューリングヒューリスティックとアルゴリズム

優先ルール:

  • EDD(Earliest Due Date): 最も早い納期のジョブを最初に。負荷が多く納期が厳しい場合に適しています。
  • SPT(Shortest Processing Time): 最も短い処理時間のジョブを最初に。総完了時間を最小化しますが、ジョブを飢えさせる可能性があります。
  • CR(Critical Ratio): (納期 - 現在時刻)/ 残り処理時間。比率が最も低いジョブが最もクリティカルです。
  • 段取り考慮EDD: 現在の製品に最も近い段取りを持つ最も早い納期のジョブを優先します。

最適化アプローチ:

  • 20ジョブ未満: 完全な列挙(ブルートフォースまたはブランチ&バウンド)が実現可能。
  • 20~100ジョブ: メタヒューリスティック(遺伝的アルゴリズム、焼きなまし法)。
  • 100ジョブ超: 優先ルールベースの構築ヒューリスティックと局所探索。

制約プログラミング: 厳密な制約(組合規則、工具の可用性、メンテナンスウィンドウ)がある複雑な環境では、制約プログラミング(CP)が適しています。CPは、解空間をルールで削減し、次に残りの変数を探索します。大規模な問題で高速な実行時間を実現します。

よくある落とし穴

  1. 静的スケジュールの過信: 現実の工場は毎日変化します。タイムフェンスの外側のジョブは流動的に扱います。
  2. 労働力制約の無視: 機械は利用可能でもオペレーターがいなければ実行は不可能です。
  3. 段取り替え時間の見落とし: 特に混合モデル環境では、段取り替えが総生産時間の大部分を占める可能性があります。
  4. キャンペーンの過剰最適化: キャンペーンは段取り替えを減らしますが、WIPを増やし、応答性を低下させます。しきい値を超えるとトレードオフがマイナスになります。
  5. データ品質の無視: スケジューリングはBOM、工順、サイクルタイムに依存します。不正確なデータは無意味なスケジュールを生成します。

関連情報

  • 詳細については、各ERP / APSベンダーのマニュアルを参照してください。
  • 工順の標準化とサイクルタイムの妥当性については、産業工学チームにご相談ください。
  • 制約理論の詳細については、書籍「The Goal」を参照してください。

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/content-engine

Create platform-native content systems for X, LinkedIn, TikTok, YouTube, newsletters, and repurposed multi-platform campaigns. Use when the user wants social posts, threads, scripts, content calendars, or one source asset adapted cleanly across platforms.

affaan-m/ECC

Multi-platform content distribution across X, LinkedIn, Threads, and Bluesky. Adapts content per platform using content-engine patterns. Never posts identical content cross-platform. Use when the user wants to distribute content across social platforms.

affaan-m/fal-ai-media

Unified media generation via fal.ai MCP — image, video, and audio. Covers text-to-image (Nano Banana), text/image-to-video (Seedance, Kling, Veo 3), text-to-speech (CSM-1B), and video-to-audio (ThinkSound). Use when the user wants to generate images, videos, or audio with AI.

affaan-m/manim-video

日本語翻訳:このファイルは manim-video 用の日本語翻訳が必要です

affaan-m/remotion-video-creation

Remotion のベストプラクティス - React で動画を作成する。3D、アニメーション、音声、字幕、チャート、トランジションなどをカバーするドメイン固有の29のルール。

affaan-m/video-editing

AI-assisted video editing workflows for cutting, structuring, and augmenting real footage. Covers the full pipeline from raw capture through FFmpeg, Remotion, ElevenLabs, fal.ai, and final polish in Descript or CapCut. Use when the user wants to edit video, cut footage, create vlogs, or build video content.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

agent-self-evaluation

Use after completing any non-trivial task. The agent self-rates its output on 5 axes — accuracy, completeness, clarity, actionability, conciseness — with concrete evidence per criterion. Produces a structured 1-5 scorecard with specific improvement suggestions.

agent-sort

Build an evidence-backed ECC install plan for a specific repo by sorting skills, commands, rules, hooks, and extras into DAILY vs LIBRARY buckets using parallel repo-aware review passes. Use when ECC should be trimmed to what a project actually needs instead of loading the full bundle.

ai-first-engineering

Engineering operating model for teams where AI agents generate a large share of implementation output. Use when setting team process, review gates, or ownership rules for a codebase largely written by agents.

ai-regression-testing

Regression testing strategies for AI-assisted development. Sandbox-mode API testing without database dependencies, automated bug-check workflows, and patterns to catch AI blind spots where the same model writes and reviews code. Use when adding regression coverage to AI-assisted code, or when the same model both wrote and reviewed a change.

android-clean-architecture

Clean Architecture patterns for Android and Kotlin Multiplatform projects — module structure, dependency rules, UseCases, Repositories, and data layer patterns. Use when structuring modules, layers, or data flow in an Android or KMP project.

angular-developer

Generates Angular code and provides architectural guidance. Trigger when creating projects, components, or services, or for best practices on reactivity (signals, linkedSignal, resource), forms, dependency injection, routing, SSR, accessibility (ARIA), animations, styling (component styles, Tailwind CSS), testing, or CLI tooling.

関連スキル