故障8件のPoCを全ライン展開してよいか
製造業G社の工場にはプレス機20台があり、各機に振動・温度センサーを設置して1分間隔でデータを収集している。年間の故障は4回程度で、過去2年分のデータがある。PoCでは「異常検知精度95%」と報告されたが、内訳を確認すると故障データは8件のみで、全件を「正常」と判定するモデルでも正解率は99%を超えていた。現場の保全担当者は「止まってから直す方が早い」と考えており、モデルの警告を無視している。センサーデータは10分遅延でクラウドに送られており、異常の即時検知には使えない。プレス機の型替えは1日2回あり、型ごとに振動の特性が異なる。1回の故障あたりの停止損失は約200万円、緊急保全の費用は1回80万円と試算されている。保全記録は紙の日報で、故障の前兆が記録されているかは未確認である。経営層は来期からの全ライン展開を決めようとしており、開発はウォーターフォールで要件定義に4か月を要した。
1. 「異常検知精度95%」という報告の問題点を述べ、適切な評価指標を示せ。
Read the worked answer
故障8件に対し正常データが圧倒的に多い不均衡データでは、正解率（accuracy）は評価指標として機能しない。全件を「正常」と判定すれば99%を超えるため、95%という数値は「故障をどれだけ当てたか」を何も語っていない。 適切な指標は、再現率（故障8件のうち何件に警告できたか）、適合率（警告のうち実際に故障だった割合）、F値、そして見逃し（偽陰性）と誤警報（偽陽性）のコストを加重した指標である。見逃しは停止損失200万円＋緊急保全80万円に直結し、誤警報は現場の信頼を損なって警告が無視される原因になる。両者のコストが非対称であることを指標に反映させる必要がある。 また、8件という標本では信頼区間が極端に広く、精度の点推定は意味を持たない。時系列データを未来側で検証する分割、設備単位・型単位の分割、同一故障期間のデータが訓練とテストに混入していないか（データリーケージ）の確認も併せて行うべきである。
2. 来期からの全ライン展開を判断する材料として、何を確認すべきか。技術・運用・経済の3面から示せ。
Read the worked answer
- 技術：①故障ラベルの定義と件数。8件では学習も評価も足りず、保全記録（紙の日報）から前兆期間を定義し直し、劣化データや交換部品の記録を使ってラベルを増やせないか検討する。②10分遅延で間に合うか。警告から停止までのリードタイムと現場の対応時間を突き合わせる。③型替え1日2回により型ごとに振動特性が異なるため、型別モデルか型を特徴量にしたモデルが必要。20台を同一モデルで扱えるかも確認する。
- 運用：④警告を受けた際の対応手順と責任者。⑤現場が警告を無視している理由（誤警報の多さ、警告の伝達方法、止めることのコスト）の解消。ここを直さない限り精度を上げても使われない。
- 経済：⑥停止損失200万円＋緊急保全80万円 × 年間4回＝年1,120万円の削減見込みに対し、通信・クラウド・運用・追加センサーのコストを比較する。 結論として、全ライン一斉ではなく1〜2台で3か月試し、見逃し率と誤警報頻度、現場の対応率で判定する。中止条件も事前に決めておく。
3. アジャイルを適用するなら、どこから始め、ウォーターフォールとどう使い分けるか。
Read the worked answer
適用候補は不確実性が高く、小さく試せる領域である。具体的には、①異常検知モデルの改善（ラベル定義の見直しと精度検証）、②保全担当者向けの警告ダッシュボードのUI、③警告運用フローの設計。これらは2週間単位で「作って現場に見せる」が可能で、要件定義に4か月かけたことが最大の非効率だった領域でもある。 一方、設備の制御・安全インターロック、基幹システム連携、ネットワーク工事など、やり直しコストが大きく安全に関わる部分は要件を固めて進める方が適切で、ウォーターフォールか段階的リリースを残す。 始め方は、スプリント0でバックログと完了の定義を整え、保全担当者をレビューに必ず参加させる。2週間ごとに動くものを現場で見てもらい、見逃し率・誤警報頻度・警告への対応率で判断する。いきなり全社導入せず、1チーム・1領域で3か月試し、リードタイムと手戻り率で効果を測ってから広げる。