A: 産業AIモデルの学習にどれだけのデータが必要かについて統一的な基準はなく、主にどの種類の問題を解くのか、どの技術ルートを取るのかによって変わります。ただし概略の目安は立てられます。外観検査は通常、不良クラスごとに有効サンプルが最低300〜500枚、予知保全は6〜12か月以上の連続稼働データがあるのが望ましく、工程パラメータの最適化は複数の運転条件をカバーする数万件の構造化記録が必要になることが多いです。重要なのは量ではなく正確さ、つまりデータが実際のライン上の変動をカバーしているかどうかです。
1. まず自分のシナリオがどの分類に入るかを決める
ある自動車部品会社が機械加工職場で工具摩耗の予測を望んだとします。この種の時系列データでは、正常稼働の記録を1週間分しか集めなければ、軽微な摩耗から深刻な摩耗までの劣化過程をモデルは学べません。通常は少なくとも6か月分の履歴データを蓄積し、工具交換、異なる材料バッチ、異なるシフトといった変数を含めるべきです。逆に電子工場がPCBの表面欠陥検出を行うなら、それは画像分類や物体検出のタスクであり、データ量の計算はまったく別で、日数ではなく不良インスタンスの数で数えます。
2. 外観検査:画像の総枚数ではなく不良種別ごとに数える
多くの工場は良品画像を数万枚撮れば十分だと考えますが、モデルの性能を本当に左右するのは不良サンプルの多様性と数です。擦り傷、汚れ、欠品といった一般的な不良種別を例にすると、各クラスには異なる照明、異なる角度、異なる程度で収集した実不良画像が最低300〜500枚必要です。ある不良種別が極端に少なく、月に2〜3回しか発生しない場合は、データ拡張や少量の合成データで補う必要があるかもしれません。加えて、正常(OK)サンプルは不良サンプルの3〜5倍あると、モデルが基準を確立しやすくなります。全体として、単一の作業ステーション向けの外観検査モデルなら、開始時のデータ量はおおよそラベル付き画像2,000〜5,000枚です。これは有効なラベリングを指し、いい加減に撮ったぼやけた写真ではないことに注意してください。
3. 予知保全と工程最適化:時間の長さと条件の網羅性を見る
ある射出成形会社が設備故障の予測を望んだとします。振動、温度、電流といったセンサーデータは、少なくとも3〜6か月をカバーし、実際の故障事象を2件以上含めるのが望ましいです。故障データがなければ、モデルは故障分類ではなく異常検知しかできません。射出圧力と温度の最適な組み合わせを見つけるといった工程パラメータの最適化では、履歴の生産記録が通常5,000〜10,000件以上必要で、各記録には完全なパラメータの組み合わせと最終的な品質結果が含まれていなければなりません。データが少なすぎれば過学習し、多すぎても運転条件が単一なら、別のラインに移した途端に失敗します。
4. データの品質は量よりも重要
10万件以上の記録を持ちながら使えるモデルを学習できない工場をあまりにも多く見てきました。問題はたいてい、ラベリングの不統一、センサーのドリフトが未校正、シフト間の作業者習慣の違いが記録されていない、といったことです。少量から始めてラベリング品質を高く保ってください。丁寧にラベリングした500〜1,000件でベースラインを動かし、その後徐々に拡大します。また、産業データは本質的にロングテール分布を持つので、一度にすべて集めようとしないでください。能動学習の戦略が使えます。まずモデルを走らせ、信頼度の低いサンプルを選んで人手で確認し、学習セットに加えます。これによりデータ量の30〜50%で同等の結果に達することがよくあります。
5. 実用的な開始計画
単点のシナリオから始めてください。例えば1本のラインの1つの不良検査ステーションだけを対象にします。まずそのステーションの過去3か月分の異常品画像をすべて集め、不良種別で分類し、各クラスが300枚になったら最初の学習ラウンドを始めます。データの20%を検証用に残します。検証精度が85%を下回るなら、やみくもに正常サンプルを増やすのではなく、不良サンプルを追加することを優先してください。15以上の業種、120社以上のお客様にサービスを提供する中で、この仕組みでは、不良クラスあたり500枚に正常サンプル2,000枚を加えたあたりで多くの工場が使えるモデルに到達することが分かっています。その後はライン試行の中で難しい例をフィードバックし続け、2週間ごとに反復してください。
まとめと提案:数万件必要かといった絶対的な数字に悩まないでください。まずタスクの種類を明確にし、不良クラス別または時間の長さで最小の使用可能データセットを計算し、ラベリングの一貫性と条件の網羅性を優先してください。丁寧にラベリングした500〜1,000件から始め、能動学習で拡大するほうが、1年分のデータをためてから着手するよりはるかに速いです。