技術

スピンオフ＃２　「はずれを出さないAI」で、いいと思っています──SFIのPI設計思想

2026.09.08

「AIが革命的な条件を発見！」──量産現場で、そのボタンは押せません。発見ではなく、はずれを出さない安心感を返す。現場データの3つの厄介な癖に、SFIがどう手を打っているかを書きます。本記事は全4回のSFI開発記のスピンオフ連載の第２回となります。

みなさん、こんにちは。Vertysの山本です。

前回、「SFIはMIじゃなくてPIですよ」という話を書きました。

今日はその続きで、SFIのPIとしての中身は、実際に何をやっているのか。特に、日本の製造現場でよく現れる「厄介な癖」に対して、SFIがどう設計されているのかを書きます。

もし、AIが「革命的な条件」を提案してきたら、現場はどう反応するか

ちょっと思考実験をしてみてください。

ある日、導入したばかりのAIツールが、こんな提案を出してきたとします。

「過去の実績にはない条件ですが、AIの計算では、この温度・この時間で、歩留まりが15%上がるはずです」

——量産ラインの責任者として、あなたはこのボタンを押せるでしょうか。

30年、FAの世界で製造現場を見てきて、私はほぼ確信を持っています。押せません。

理由はシンプルです。量産現場で1回の大ハズレは、数百万〜数千万円のロスに直結します。「AIの計算では」で片付けられる話ではない。品質保証部門、生産技術、経営——誰が責任を取るのかが決まらない限り、そのボタンは押されません。

しかも、「AIが未知の領域を大胆に探索した結果です」と説明されたら、現場はさらに固まります。未知の領域とは、実績データがない領域のこと。実績がないということは、外れたときの被害の見当もつかないということです。

これは、AIツールの善し悪しの話ではありません。量産現場の責任構造そのものの話です。だから、「発見を売るAI」は、量産現場では構造的に採用されにくい——というのが、私が長年見てきた現場感覚です。

日本の量産現場で本当に価値になるのは、真逆の設計じゃないかと私は思っています。

SFIがやっているのは、「ベテランの動き」を数式にすること

SFIの設計思想を、一言で言うと、こういうことです。

「優秀なベテランの動き」を、そのまま数式にしたもの。

ベテランの職人さんは、こういう動き方をします。

過去にやったことのある条件の 「真ん中あたり」 から始める

そこから、少しずつ条件をずらす

やったことのない条件には近づかない

だから、絶対に大ハズレを出さない。でも、誰も知らない新条件も見つけない。

SFIも、大きな考え方としては、これに近いことをやっています。

基準点：各説明変数の分布の代表値から始める。要は 「いつもの炊き方」

探索限界：既存データの上下限で範囲を決める。要は 「レシピ帳に書いてある範囲から出ない」

ペナルティ：基準から遠いところ、データが薄いところには減点。要は 「安全のためのブレーキ」

目的：目標値を満たす条件の組み合わせを探す。要は 「逆算する」

「発見しないAI」に、なぜ価値があるのか

ここで、「え、それって普通の最適化と何が違うの？」「新しいものを発見しないなら、AIである意味あるの？」と思われるかもしれません。

でも、日本の製造現場の実情を思い出してください。

データは、少ないんじゃなくて「整理されていない」——センサやPLCから吐き出された生データが、サーバーの奥で大量に眠っている。でも、条件が揃った、そのまま最適化に使える形のデータとなると、意外と限られる

実験は高コスト（1回で数時間〜数日）

外れ値が出ると、即クレーム

この三重苦の中では、「整理されたデータが存在する範囲から外れない」こと自体が、製品価値になります。

「新しく実験をたくさんやる」のは、コストとリスクが大きい。かといって「サーバーに眠っている生データ」は、条件がバラバラで、そのままでは最適化の土台にならない。使える範囲は限られていて、その範囲の中で確実に成果を出すことが求められる——これが実情です。

だから、私はSFIをこう打ち出したいと考えています。

「未知を夢想するAI」ではなく、

「はずれを出さない条件窓を返してくれるツール」

これ、品質工学の思想と一致します。そして、「発見」を売ろうとするアプローチが構造的に持てないコピーでもあります。

現場の管理職や品質保証部門に届く言葉って、実はこっち側なんじゃないかと。

現場データの「3つの厄介な癖」に、SFIはどう向き合っているか

ここが今日の本題です。

現場のデータを扱ったことがある方なら、必ずぶつかる 「厄介な癖」 が3つあります。教科書通りの最適化アルゴリズムを持ってきても、この3つで大体崩壊します。SFIは、それぞれにちゃんと手を打ってあります。

厄介な癖①：変数どうしの相関が、独立に見えない

まず、こういう話があります。

温度は高めが有効。時間も長めが有効。

——でも「高温×長時間」だと材料が劣化するので、実はやったことがない。

各変数に独立に上下限を設けるだけだと、「高温×長時間」の角は、範囲の中に入ってきてしまいます。範囲の中なのに、実はやったことがない領域が発生する。

SFIでは、ここをマハラノビス距離で処理しています。

マハラノビス距離は、変数どうしの相関構造（共分散）を織り込んだ距離です。たとえば「温度が高いときは時間が短い」という相関が実データに強く現れていれば、その相関の向きは“近い”、相関を破る向きは“遠い”と評価される。だから、独立に上下限を切っただけでは範囲の中に入ってしまう「高温×長時間」の角のような領域も、実データの散らばり方から見ると自然に遠くなり、ペナルティが効きます。

派手な話ではありませんが、「箱の角問題」を最初から想定しているかどうかは、現場データを扱った人にしか気づけない設計判断だと思っています。

厄介な癖②：分布が「ひとつの山」じゃない（多峰性）

現場のデータは、シフト交代やロット差で、山が2つ、3つになることが珍しくありません。

こういう話です。

日勤と夜勤で、条件が系統的にちょっと違う。

ヒストグラムを描くと、山が2つ見える。

——このとき、教科書通りに「平均値」を取ると、山と山の中間の、誰もやったことのない値が出る。

これ、単峰前提の最適化ツールが 現場データで最初に沈むポイント です。SFIでは、次の設計で対応しています。

デフォルトは、一番高い山（最も頻度の高いピーク）を基準にする

山が2つ以上ある場合は、どの山を基準にするかをプルダウンで選べる

1回の探索指示で、複数の山を同時に探ることはしない——ここは意図的な設計です

「谷」には大きなペナルティをかけている——だから、山と山の間の「誰もやったことのない中間点」に落ちることはない

結果として、2番目の山の頂点は、基準値からの距離ペナルティを受けにくくなり、探索範囲に入りやすい状態になる

なぜ「1回の指示で複数の山を同時に探らない」設計にしているかというと、そこが現場のオペレーションと直結するからです。

1回の指示で複数の山を同時探索しようとすると、結果の解釈が現場で崩壊します。「今回は日勤側の山を攻めます」「次は夜勤側の山を攻めます」 と明示的に分けるからこそ、現場の技術者が結果を追える。責任の在り処が、UI上で明確になる。

これは、アルゴリズムの都合ではなく、現場のオペレーションを起点に決めた設計です。

厄介な癖③：「目標を満たす1点」は、面や帯の中にたくさんある

目標値を満たす条件を逆算すると、条件を満たす点は 1点じゃなくて、面や帯として広がっていることが多い。

そのとき、返してくれる1点が、

尖った一点の偶然（少しずれたら性能が崩れる）

広く安定した高台（少しずれても崩れない）

——のどちらなのか。ここを区別できないツールは、量産現場でハズレを引きます。

SFIでは、返す1点が「面や帯の一部」であること——つまり周辺が平らであること——をスコア化して、評価に組み込んでいます。

これが、私は「ロバスト性の本当の定義」 だと思っています。

ロバスト性とは、「最適点の周りが平らであること」。

尖った一点じゃなく、ばらついても性能が崩れない「平坦な高台」を返すこと。

「発見しないAI」を売るからには、返す1点が本当に安定した点であることを、実装で裏付ける必要がある。ここは、口先だけの「ロバスト」ではなく、スコア化して評価に反映させている——そこが、SFIの譲れない部分です。

派手さのないところに、本物がある

3つの厄介な癖への対応を並べてみて、あらためて思うのは、現場に届く設計は、地味なところで決まるということです。

マハラノビス距離で、箱の角問題を抑える

多峰性のときは、山を選べるUIで責任の在り処を明確にする

返す1点が「面の一部」であることをスコア化する

どれも、営業資料の一枚目には絶対に載らない話です。「AIが革命的な発見！」みたいなキャッチコピーには、絶対にならない。

でも、これらが入っているかどうかで、現場で使えるかどうかが決まる。

派手さのないところに、本物がある——SFIを設計しながら、いつも自分に言い聞かせていることです。

今日のまとめ

SFIのPIとしての立ち位置を、私はこう整理しています。

売りは「発見」ではなく「はずれを出さない安心感」

現場データの「3つの厄介な癖」——変数間の相関、多峰性、面や帯のロバスト性——には、それぞれ手を打っている

派手さはないが、現場で必ず躓くポイントは、地味に潰してある

「発見はしない。でも、絶対に外さない」——この立ち位置、日本の量産現場でこそ刺さると信じています。

次回は、少し視点を変えます。MIとPIは、同じ会社の中でも別の部門が別の未来を目指している——という部門構造の話。そして、SFIがその両方の部門に、どういう姿勢で届きたいと思っているか、を書きます。