A: AIモデルの学習に産業データがどのくらい必要かという万能な数値はありません。シーンの複雑さ、データ品質、ラベリングの水準に依存します。高品質な数百件のサンプルで外観検査の試作は証明できますが、予知保全モデルが安定して収束するには数十万件の時系列記録が必要なこともあります。データの量よりもデータ基盤の方が重要です。
ある電子工場がSMTの欠陥検出を望んでいました。ラインは1日に数万枚の画像を生成しますが、実際に欠陥を含むのは数百枚だけでした。すべての画像をそのまま学習に投入したところ、かえって結果は悪くなりました。問題は量の不足ではなく、データの構造とラベルの品質が追いついていなかったことです。以下、いくつかの次元で分解します。
1. まずシーンを見て、それからデータ量を決める
産業AIは大きく三つのシーン類型に分かれ、データ需要は全く異なります。
1. 外観検査:表面欠陥、組立の誤りや欠品、文字認識。こうしたタスクは通常、欠陥カテゴリごとに少なくとも200~500枚のラベル付き画像が必要で、欠陥タイプが10種類を超える場合は総サンプル数5,000枚以上を推奨します。ただし正常サンプルは豊富でも欠陥サンプルは均衡させる必要がある点に注意してください。ある自動車部品会社が鋳物のポロシティを検査する際、当初はポロシティ画像を300枚しか集められず再現率が低いままでしたが、異なる照明や角度をカバーして1,200枚に拡張して初めてラインで使える水準に達しました。
2. 時系列予測:設備故障予測、エネルギー最適化、工程パラメータ推奨。こうしたタスクは継続的に収集したセンサーデータが必要で、通常は少なくとも3~6か月の完全な生産サイクルをカバーし、サンプリング周波数は秒から分単位です。例えば射出成形会社が型締力の異常警告を行いたい場合、1台あたり1日約2万件の時系列記録が生成され、3か月で約180万件になります。しかし本当に価値のある異常区間は数十件しかないかもしれず、データ基盤における異常イベントのラベリングが総量よりも重要です。
3. 品質トレーサビリティと根本原因分析:こうしたタスクは工程横断・システム横断のデータ融合が必要で、例えばMES、SCADA、ERPのバッチ、工程パラメータ、検査記録です。量は核心ではなく、データの接続性と時間の整合が核心です。1つのラインと1つの製品ファミリから始め、まず3~6か月の完全なバッチデータを蓄積することを勧めます。
2. データ基盤の四つの厳しい基準
どのシーンでも、産業データが使えるモデルを学習するには、次の四点に注目してください。
1. データにラベルがあり、ラベルが一貫していること。同じ傷でも、シフトの違う検査員が違う判定をすることがあります。ある電子工場の外観検査では、日勤で不良とされた傷が夜勤では合格になることがありました。こうしたラベルノイズはモデルに誤ったことを学ばせます。まずラベリング基準を統一し、そのうえでクロスレビューを行います。
2. データが実際の作業条件をカバーしていること。日中正常時の生産データだけを集めると、夜間や段取り替え時にモデルは簡単に失敗します。異なるシフト、ロット、環境温湿度、設備状態をカバーしてください。ある自動車部品会社の画像モデルは夏場に誤判定率が明らかに高くなり、原因は作業場の照明変化で、異なる時間帯の画像を追加して初めて解決しました。
3. データに時系列の連続性があること。産業データは無作為にサンプリングされたものではなく、順序に強い相関があります。予測モデルでは、異なる期間の区間を勝手につなぎ合わせないでください。元のタイムスタンプを保持し、学習と検証のセットを時間窓で分割してデータ漏洩を避けます。
4. 少量でも実際の異常サンプルが必要であること。多くの工場は正常データが膨大で異常がごくわずかです。その場合は異常検知アルゴリズムを検討するか、データ拡張や合成サンプルで補います。ただし合成データは実際の異常を置き換えられません。最終検証用に少なくとも数十件の実異常を残してください。
3. 現実的な開始規模
初めての産業AIプロジェクトを始めるなら、次の開始規模を勧めます。
外観検査:欠陥カテゴリごとに300~500枚のラベル付き画像、正常サンプル2,000枚以上、総サンプル数は5,000~10,000枚に保つ。
時系列予測:1台あたり3か月以上の連続した履歴データ、サンプリング周波数は1分以上、異常イベントは少なくとも30~50件。
工程最適化:1つのラインの1つの製品ファミリについて3~6か月の完全なバッチデータ、主要な工程パラメータは20項目以上。
まず最小限の実用モデルを証明し、その結果からデータを拡張するかを決めてください。最初からビッグデータを追わないことです。産業シーンでは、高品質のスモールデータが低品質のビッグデータより役立つことがよくあります。
4. データ基盤が弱ければ、モデルは必ず失敗する
多くの工場がAIプラットフォームに多額を投じても成果が悪く、その8割はデータ基盤です。まず三つに取り組んでください。第一に既存データ資産を棚卸しし、何があり、何が足りず、何が低品質かを明確にする。第二にラベリング基準とバージョン管理を整備し、人によって結果が変わらないようにする。第三に、データ基盤が比較的良好な単点シーンを優先して検証する。例えば1つのステーションの外観検査や、重要な設備1台の予兆警告です。
3,200台以上の端末、15以上の業界、120社以上のお客様での導入経験が示すのは、産業AIのモデル学習はデータの多さではなく、データが正しいか、ラベルが正確か、作業条件が揃っているかだということです。まずデータ基盤を棚卸ししてからモデル計画を定義してください。順序を逆にすると、資金を浪費しやすくなります。