製造業のAI検証で精度だけを見ない：ロット・時刻・誤報の評価設計

KEY TAKEAWAY

まず「いつの、どのロット・設備で、誰が何を判断するか」を決めます。全体の正答率だけではなく、見逃し・誤報・確認時間を別々に評価すると、本開発へ進む条件が具体化します。

1. 良い精度でも現場で使えない理由

例えば、正常な記録が大半を占める設備では、ほとんどを正常と答えても全体の正答率が高く見えます。しかし担当者が必要としているのは、対応が必要な変化を適切な時点で知ることです。評価票には、異常を見つけた数と見逃した数、正常なのに通知した数を分けて記載します。

さらに、一件の通知を調べるために複数の端末を見なければならないなら、通知数が少なくても負担は大きくなります。精度の数値と、現場が原記録へ到達する手順を同じレビューで確認することが大切です。

検査結果がロット単位、設備データが秒単位の場合、そのまま結合すると検査結果が多数の行へ複製されます。製造指図・工程・ロットの対応と、どの時点の設備状態を参照するかを定義します。設備側の時計がずれている場合も、同じ現象を別の時間として扱わない補正が必要です。

一つのロットが複数工程を通る場合は、最終不良をすべての工程の原因とみなさないようにします。データ上で関連して見えることと、工程の原因であることは別です。

検査後に確定した不良区分や、故障後に記録した交換理由を、発生前の予測に入力すると評価が不自然によくなることがあります。実際に判断する時点で分かる項目だけを使うよう、各列の確定時刻を確認します。

データを無作為に分割するだけでは、同じロットや直前直後の記録が学習と評価の両方に入る場合があります。期間、ロット、設備の単位を考慮し、将来に近い条件で再評価できるようにします。

検証では、担当者に通知一覧と原記録を渡し、調査の要否と次の作業を説明してもらいます。必要な資料が足りない、通知理由を確認できない、連絡先が分からないといった問題は、モデルの精度を上げるだけでは解決しません。

確認結果には、実際の異常、通常の運転切替、記録不備などの理由を残します。これにより、何を改善すべきかをモデル、データ取得、通知画面に分けて判断できます。

依頼書には、評価対象の期間・設備・製品、比較する既存方法、除外したデータ、結果の集計単位を書きます。成功例だけのデモ動画ではなく、誤報や判断不能の一覧、再現できる評価手順も成果物として確認します。

異常事例が十分にない場合は、予兆検知の有効性を結論づけられないことがあります。そのときはデータ取得や記録改善を次の成果に位置づけ、本開発の効果を先取りして説明しないことが重要です。

本開発の判断では、評価の良否に加え、設備変更時の再評価、更新失敗の通知、担当者の確認時間を見ます。自動停止など制御側への連携は、分析画面や通知とは異なる条件を含むため、別の範囲として設計します。

For fでは、品質・設備データの整理と小さな検証から支援範囲を相談できます。対象ラインの記録例と、いま原因調査に使っている資料があると、評価項目を具体化しやすくなります。

受入時は、品質担当者が既存手順で照合した結果と比較します。製品切替、再検査、記録欠損を含む確認票を残し、担当者が原本から結果を説明できることを判断材料にします。