読書メモ：計装5月号 スマート化へのデータ解析とAIの活用方向

読書メモ：計装5月号 スマート化へのデータ解析とAIの活用方向
〇ポイント
⇒感想

〇三菱ケミカル茨城事業場全12プラントに、アズビル社クラウド型バルブ解析診断導入
⇒当該解析ソフトは、バルブ個別に作成したモデルのメンテナンスに手がかかると聞いたことがある。
広く導入するということで、実状を聞いてみたいところ。

〇つまり自動運転システムは、運転員が燃焼改善操作時に行っている多種多様な介入操作と同等の判断と操作を行うため、モデルの作成には長期間にわたる様々なデータから、介入操作の開始と終了時の判断と介入開始時の操作等に関する分析を行い、これの結果を取り入れたものである
⇒そうなると思うが、データのラベル付けが、大変な作業だ。ラベル付けのためのデータ（プロセスデータ、操作履歴、作業日誌）が揃って初めて実現できる。

 〇過去に運転員が行った操作履歴のデータを学習データと評価データに分けた上で、学習データを用いて学習した AI モデルを評価データーで評価し運転員の操作を正確に模倣するように AI モデルを学習する。
⇒上記と同様

〇手動介入操作は、ほぼ不要になっている 
⇒ここまでいくためには、信頼性を上げる必要があり、そのための検証をどうすすめるかがポイントだと思う。車の自動運転なら、何かあったらすぐに人が運転できるようにする（ハンドルに手をかける）とか。

〇運転員は、無意識のうちに差分処理・平滑化などの様々な処理を頭の中で行っている
⇒匠の技

 〇NTT が開発したアトリビューションマップ作成技術を用いると、どのタグのどれくらい前の値が推薦に寄与しているかを、時間変化を含めて確認することができ、推薦結果に対する納得感を得ることができる
⇒遅れ時間を考慮したマッピングになっていて、原理原則とタグの値の変化を比較しながら、考えることができる。
原理原則が先ではなく、原理原則で後からチェックするイメージ。
帰納が先か演繹が先か。

 〇技術伝承を可能とするためには、熟練者がその操作を行なった根拠とそこに至る思考過程が大事となる
 ⇒モデルになってしまうと、そこが見えなくなる。そこは、文章として残すしかないのだろうか。

〇インバリアント分析では、サイレント障害（警報閾値以下で発生している）異常などを検知できる
 ⇒正確には、「なにかいつもと違う感じ」というお知らせ

 〇良いスケジューリングと悪いスケジューリングの結果の多くの事例を学習させることで、 AI による自動スケジューリングが可能になってきた
⇒良いスケジューリングとその結果：ベテランの仕事
   悪いスケジューリングとその結果：若手、中堅の仕事

〇共通
⇒自前だけではGUI作成のハードルが高い。全部自前でやるのではなく、メーカーと共同開発し、ポイントとなるアルゴリズムは自社が注力するというのが、筋だと思う。

⇒ツールは使いながら進化する。使いながらユーザーとともに進化する。
ちょっと見て、使えないと考えて、「はいさようなら」では、進化の恩恵を享受することはできないと思う。