産業振動異常検知におけるアラームから確率への変換:階層的人間レビュー、ラベルノイズ補正、およびキャリブレーションされたリスクグレーディング
From Alarms to Probabilities: Stratified Human Review, Label-Noise Correction, and Calibrated Risk Grading for Industrial Vibration Anomaly Detection
産業用異常検知器は二値アラームを発するが、生産ラインには段階的な判定が必要である。アラームを故障確率にキャリブレーションするには、ノイズの多い人間によるレビューを正確なものとして扱う必要がある。往復コンプレッサーライン(46,023ユニット、9回のテストキャンペーン、4つの融合検出器レッグ)で展開されたクローズドループを報告する。1161ユニットの階層的レビューにより、融合スコアのグレーディングが監査され、その仮定された単調性が否定された。高/中/低ティアの精度はそれぞれ25.2%/13.8%/26.1%であった。原因は相関する偽陽性であり、2つのレッグが共通の広帯域トランジェントで発火し、480ユニットで21.0%の精度で一致した。一方、1つの周期性特徴は単調であった(27.8%→60.0%→100%)。シードされた故障ユニット(ハードウェアグラウンドトゥルース)に対するブラインドテストでは、レビューアの感度が0.905、特異度が0.421であった。Rogan-Gladen補正により単調性が回復し(ブートストラップレプリケートの95%、キャンペーンクラスターリサンプリング下で83%)、低ティアの利点がラベルノイズのアーティファクトであることが露呈し、アラームなしの発生率が観測値13.3%に対し4-10%と再推定された。補正された証拠は、レビュー予算(生産量の≤1%/≤3%/≤9%)下でティアを約67%/27%/17%にキャリブレーションする再展開されたルールを駆動した。この方法論(階層的監査、シード故障ブラインドテスト、評価側発生率補正)は、人間によって検証された任意のシステムに適用可能である。
- 産業用異常検知システムにおいて、人間のレビューによるラベルノイズをRogan-Gladen補正で処理し、アラームから故障確率へのキャリブレーション手法を実証した。往復コンプレッサーライン46,023ユニット、9回のテストキャンペーンで展開。
- シードされた故障ユニットに対するブラインドテストで、レビューアの感度0.905、特異度0.421を計測し、ラベルノイズ補正によって低ティアの精度がノイズのアーティファクトであることを確認した。
産業用異常検知分野における、人間によるラベルノイズの補正と確率キャリブレーション手法は、製造現場のAI適用における実運用上の課題を示している。センサー系異常検知の精度改善は、半導体や設備メンテナンス市場でのAI活用拡大に寄与する可能性があるが、本記事は具体的な企業・製品・調達などの投資イベントを含まない。