A: まず結論から。産業AIモデルの学習に必要なデータ量に統一の基準はない。外観検査は通常、欠陥カテゴリごとに数百から数千の有効サンプルが必要で、予知保全は設備稼働の時系列データに大きく依存する。鍵は「多い」ことではなく「適切」であることで、データが実際の稼働条件をカバーしていること、アノテーションが正確であること、期間が十分であることが求められる。
1. 典型的なシナリオから見る
精密構造部品を作る電子工場が、プレス職場でAI外観検査を立ち上げて人手の目視を置き換えたいとする。プロジェクト開始前、ラインの管理者が最もよく尋ねるのは、学習を始めるには画像を何枚集めればよいかということだ。別の自動車部品会社は射出成形機の予知保全を望み、何か月分のデータを集めるべきかと考えている。この2つの問いは、実は産業AIのデータ準備の2つの典型的な道筋、すなわち画像ベースと時系列ベースを代表している。
2. 画像タスク: 量は質に従う
外観欠陥検査では、データ量は欠陥種別と製品機種の複雑さに依存する。経験的には、欠陥カテゴリごとに適切にアノテーションされた500〜2,000件のサンプルがあれば、実用に耐えるベースラインモデルを学習するには概ね足りる。欠陥形状が多様で背景が複雑なら、サンプルの要件は上がる。しかしより注目すべきはデータ基盤だ。画像は異なる照明、異なるステーション、異なる材料ロットをカバーし、欠陥サンプルは現場で実際に発生する多様な形状を含まなければならない。実験室で演出した撮影ではだめだ。正常サンプル(良品)も同じくらい重要で、適切な比率で含めなければ、モデルは誤検出に傾く。まず過去3か月の実際のライン検査から画像を収集し、欠陥カテゴリを整理してから、追加収集の計画を決めるのが望ましい。
3. 時系列タスク: 期間と稼働条件のカバーを見る
予知保全や工程パラメータ最適化といったタスクでは、データ基盤は異なる稼働条件の下で連続運転する設備の時系列データである。データ量は「行数」で数えるのではなく、期間が設備の運転サイクル全体をカバーしているかで判断する。通常の摩耗、金型交換、停止、故障前の前兆を含んでいるかどうかだ。ある自動車部品会社の射出成形機を例にすると、少なくとも3〜6か月の連続稼働データを収集し、サンプリング周波数は主要信号の動的特性を捉えられるだけの密度が必要だ。センサーデータは量より質が重要で、欠損値が多い、タイムスタンプが同期していない、稼働条件のラベルが不完全、といった状態はいずれもモデルに偏りをもたらす。
4. データ基盤に対する3つの厳格な要件
1. アノテーションの一貫性。産業データのラベルは工程担当者の判断に依存することが多く、同じ欠陥画像を別の人が違うようにラベル付けすると、モデルは学べない。アノテーション基準を定め、一貫性の検査を先に行う。
2. データが業務と対応していること。各バッチのデータは特定の機械、ステーション、ロット、工程パラメータに対応していなければ、モデル稼働後に問題を特定できない。
3. 継続的にフィードバックできる能力。ラインが変わり材料が変われば、モデルは新しいデータで更新する必要がある。データ基盤は「一度だけ十分に集める」ことではなく、定例の収集とフィードバックの仕組みを持つことである。
5. これから始める工場への助言
小さなシナリオと1本の生産ラインから始め、既存のデータ資産を棚卸しし、欠陥カテゴリや設備の稼働条件のカバー状況を評価してから、収集とアノテーションへの投資を決める。量を積み上げるよりもデータ品質のガバナンスを優先する。このシステムを手がけるベンダーのように産業現場向けのソリューションは、通常、データの収集、アノテーション、フィードバックのツールチェーンを備えており、モデル学習を議論する前に工場がデータ基盤を固めるのを助ける。ERP時代から数十年の蓄積を持ち、120万社の顧客にサービスを提供し、数千万台の端末を導入してきたベンダーの経験から見ても、データ基盤が堅実なプロジェクトは稼働までの期間と安定性が明らかに優れている。