はじめに

前回の設計編では、バラバラなCSVをn8nで統合するアーキテクチャを解説した。

今回はその続き。実際にn8nの画面上でどのようにノードを設定し、どんなJavaScriptを書けば動くのか、コードをそのままコピペして動かせるレベルで公開する。

動作確認環境：n8n v1.85.4（self-hosted）、Node.js 22.x

前回のおさらい：今回実装するパイプライン

使用するサンプルデータは前回と同じ3種類のCSVだ。

検査機	キー列名	判定表記
検査機A（外径）	ロット番号	OK / NG
検査機B（硬度）	lot_id	PASS / FAIL
検査機C（内径）	ロットID	合格 / 不合格

実装：5ステップのノード設定

Step 1. Folder Trigger — ファイル検知

n8nのノード追加画面で「Local File Trigger」を選択する。

設定項目：

項目	設定値
Watch Folder	`/data/csv_input`
Events	File Added
File Extension Filter	`csv`

self-hostedの場合、n8nが起動しているサーバー上のパスを指定する。Docker環境ではボリュームマウントを忘れずに。

このノードが発火すると、後続ノードに {{ $json.path }} としてファイルパスが渡される。

Step 2. CSVパースと列名の正規化 — Codeノード

ここが最も重要なステップだ。Codeノード（JavaScript） を1つ用意し、以下の処理を一括で行う。

CSVファイルを読み込む
どの検査機のデータかをファイル名で判定する
列名を共通スキーマに正規化する
判定表記を OK / NG に統一する

// Step2: CSVパース + 列名正規化
const fs = require('fs');
const path = require('path');

// 前ノードから受け取ったファイルパス
const filePath = $input.first().json.path;
const fileName = path.basename(filePath);
const raw = fs.readFileSync(filePath, 'utf-8');

// CSVをオブジェクト配列にパース
function parseCsv(text) {
  const lines = text.trim().split('\n');
  const headers = lines[0].split(',').map(h => h.trim());
  return lines.slice(1).map(line => {
    const values = line.split(',').map(v => v.trim());
    return Object.fromEntries(headers.map((h, i) => [h, values[i]]));
  });
}

// 検査機ごとの列マッピング定義
const SCHEMA_MAP = {
  'machine_a': {
    lotKey: 'ロット番号',
    judgeKey: '判定',
    judgeMap: { 'OK': 'OK', 'NG': 'NG' },
    valueKey: '外径(mm)',
    outputKey: '外径判定',
  },
  'machine_b': {
    lotKey: 'lot_id',
    judgeKey: 'result',
    judgeMap: { 'PASS': 'OK', 'FAIL': 'NG' },
    valueKey: 'hardness',
    outputKey: '硬度判定',
  },
  'machine_c': {
    lotKey: 'ロットID',
    judgeKey: '合否',
    judgeMap: { '合格': 'OK', '不合格': 'NG' },
    valueKey: '内径(mm)',
    outputKey: '内径判定',
  },
};

// ファイル名から検査機を特定
function detectMachine(name) {
  if (name.includes('machine_a')) return 'machine_a';
  if (name.includes('machine_b')) return 'machine_b';
  if (name.includes('machine_c')) return 'machine_c';
  throw new Error(`未知のファイル: ${name}`);
}

const machineKey = detectMachine(fileName);
const schema = SCHEMA_MAP[machineKey];
const rows = parseCsv(raw);

// 共通スキーマへ正規化
const normalized = rows.map(row => ({
  ロット番号: row[schema.lotKey],
  [schema.outputKey]: schema.judgeMap[row[schema.judgeKey]] ?? 'NG',
  生データ: JSON.stringify(row), // 原本保持（障害調査用）
  検査機: machineKey,
}));

return normalized.map(item => ({ json: item }));

設計のポイント：

列マッピングを SCHEMA_MAP オブジェクトに外部化している。新しい検査機が増えても、このオブジェクトにエントリを追加するだけで対応できる。「コードではなくデータを変える」設計だ。

また 生データ として元のCSV行をJSON文字列で保持している。後から「なぜこのロットはNGになったのか」を追跡できるようにするためだ。

Step 3. Mergeノード — ロット番号で結合

3つの検査機からのデータをn8nの Mergeノード で結合する。

設定：

項目	設定値
Mode	Combine
Combination Mode	Multiplex
Join Field（左）	ロット番号
Join Field（右）	ロット番号

n8n v1.x以降、Mergeノードの設定UIが変更されている。「Combine」→「By Key」を選ぶと、指定したキーで行を突合できる。

このノードの出力は、1ロットあたり1行に集約されたJSONになる。

{
  "ロット番号": "LOT-2026-001",
  "外径判定": "OK",
  "硬度判定": "OK",
  "内径判定": "NG"
}

Step 4. 総合判定ロジック — Codeノード

// Step4: 総合判定
const items = $input.all();

return items.map(item => {
  const d = item.json;

  const allOk =
    d['外径判定'] === 'OK' &&
    d['硬度判定'] === 'OK' &&
    d['内径判定'] === 'OK';

  // どの検査でNGが出たかを記録（後工程でのトレーサビリティ確保）
  const ngItems = ['外径判定', '硬度判定', '内径判定']
    .filter(key => d[key] === 'NG');

  return {
    json: {
      ...d,
      総合判定: allOk ? 'OK' : 'NG',
      NG項目: ngItems.join(', ') || '-',
      処理日時: new Date().toISOString(),
    },
  };
});

なぜNG項目を記録するのか：

「総合判定NG」だけでは、現場担当者が「どの検査機のどの項目で落ちたか」を再度確認しに行かなければならない。NG項目 カラムを持たせることで、Google Sheetsを見るだけで原因が特定できる。

Step 5. Google Sheetsノード — 書き込み

設定：

項目	設定値
Operation	Append Row
Spreadsheet ID	（対象のシートID）
Sheet Name	統合品質DB
Columns	ロット番号, 外径判定, 硬度判定, 内径判定, 総合判定, NG項目, 処理日時

Google Sheets APIの書き込みは1秒あたり約60リクエストの上限がある。大量バッチ処理時はSplit In Batchesノードで分割するか、Spreadsheets Append（配列一括書き込み）を使うこと。

完成後の動作確認

以下の3ファイルを取込フォルダに投入してテストする。

machine_a_20260320.csv

ロット番号,外径(mm),判定
LOT-001,12.05,OK
LOT-002,11.87,NG
LOT-003,12.01,OK

machine_b_20260320.csv

lot_id,hardness,result
LOT-001,58.2,PASS
LOT-002,57.9,PASS
LOT-003,61.0,PASS

machine_c_20260320.csv

ロットID,内径(mm),合否
LOT-001,8.01,合格
LOT-002,8.03,合格
LOT-003,7.94,不合格

期待される出力（Google Sheets）：

ロット番号	外径判定	硬度判定	内径判定	総合判定	NG項目
LOT-001	OK	OK	OK	OK	-
LOT-002	NG	OK	OK	NG	外径判定
LOT-003	OK	OK	NG	NG	内径判定

LOT-002は外径でNG、LOT-003は内径でNG。それぞれの原因が1カラムで特定できる。

本番運用で追加すべき3つの処理

上記の実装はハッピーパスのみだ。本番で安定稼働させるには以下を追加する。

1. ファイル二重取り込みの防止

同じファイルを2回投入した場合の処理を定義する。処理済みファイルをアーカイブフォルダに移動するか、ロット番号の重複チェックを入れる。

2. パースエラー時の通知

CSVの列が増減した、文字コードがShift-JISだったなど、予期しないフォーマット変更は現場では起きる。エラー時にSlack通知を飛ばすError Triggerノードを繋いでおく。

3. 処理ログの保持

どのファイルをいつ処理したかを別シートに記録する。障害調査と監査対応の両方に使える。

まとめ

今回実装したポイントを振り返る。

ステップ	実装のキモ
列名正規化	SCHEMA_MAPで検査機ごとのマッピングを外部化
結合	Mergeノードをロット番号キーで突合
総合判定	NG項目を明示してトレーサビリティを確保
書き込み	Google Sheetsにリアルタイム追記

設計編で「1年以内に回収可能」と書いたが、実際の回収期間は現場の手作業時間によって変わる。本記事のコードをそのまま動かして、まず自社データで検証してほしい。

次回は 「n8n × LangChainで、統合されたデータから異常検知アラートを自動生成する」 実装を予定している。

この記事を書いた人 ✏️ @YushiYamamoto
株式会社プロドウガ CEO / AIアーキテクト
製造業・EC・SaaSの業務自動化設計を専門としています。
n8n・Supabase・Claude Codeを活用した自律型アーキテクチャの構築事例を発信中。

技術的な相談やシステム設計の壁打ちは、記事下部のコメント欄か、プロフィールのリンクからどうぞ。