工場データのバイアスを語ろう

1. 工場データのバイアスを語ろう ぶんちん 2026年6月25日 データサイエンティスト集会 in VRC 1
2. 自己紹介 ぶんちん  複合経営が特徴の企業（製造業）に所属  データ分析担当者だったが。。。 e ラ ー ニ ン グ の イ ラ ス ト （ 男 性 ） 困 っ た 顔 で 働 く 会 社 員 の イ ラ ス ト （ 男 性 ） 成果獲得を狙うと、 同じことに繰り返しで 飽きた 他者ができれば、 成果が増えるのでは 特に非専門家向けのDS教育 2
3. 注意！！  基本的に高度な技術の導入に体制が整い切れていない組織  新規技術の開発ではなく、具体的な経済効果の獲得が私の主目的  多くの案件を根拠にしているものの、あくまで私の経験則 3 泥臭い The 重厚長大 製造業 私はスマートな業界ではなく、 が前提のお話です。
4. データ分析最大の敵 データのバイアス バイアス：「偏り」「偏見」「先入観」を意味する言葉 4 今回は、 「理想と乖離するデータの偏り」 くらいの理解でOK
5. 工場のデータに見られるバイアス  データバイアスが存在すると • 信頼性の高い知見が得られない • “良い”モデルを作成できない 適切に対処するためには、実態を把握 する必要がある 業界が違っても役に立つはずなので、 参考のため、ご紹介します 5 対処できるとは限らないけどね
6. 事例１：測定機器の不良  現実のデータは測定結果が正しい とは限らない  特に設備不良などにより、正常値 との乖離（＝バイアス）が生じる 6 設備不良のデータイメージ 異常データを除けば 良いのでは？ そんな簡単な話ではないです
7. 不適切なデータの判別は困難 どこから異常データか 判別できますか？  現実では、日々の改善活動などによ りデータの傾向が変化する  大量の測定器（データ項目）を扱っ ている中、すべてが正常なデータで あるとの保証はかなり困難 7 正常データを非表示にしたグラフ 異常（故障）検知に取り組むのが 難しい理由の一つがこの問題
8. 事例2：重要パラメータが抽出されない 操業データを使って分析・モデル作成 8 重要だとわかっている パラメータが抽出されて いないのだけど どこかに間違いがあった？
9. 古い工場ほどバイアスが増える  日々、様々な改善活動の積み重ね  重要なパラメータほど厳密な管理  結果的にデータに多様性がなくなる 9 大量のデータ ≠ 十分な多様性 単純にデータ量を増やしても、根本解決は不可能
10. ヒストグラムと正規分布 値 密度 20 30 40 50 60 70 80 0.00 0.01 0.02 0.03 0.04 事例３：怪しい形の分布 理論分布と異なる形 10 強度 データ数 規格値 分布の形が不自然 まさか不正発生！？ 大丈夫、これは適切に管理されている実績です 出荷検査の結果
11. 難度も作りこむ or 途中廃棄 再加工・調整  検査に落ちても最終的に出荷検査に合格さ せられるように作りこむ  その後、再検査→合格に 廃棄・別用途に転用  製造途中にも各種検査を実施  取り返しがつかいない問題があれば、廃棄 などにより実績から消える 11 出荷試験1回だけで全てを判定しているわけではない
12. まとめ 工場のデータにはバイアスがたくさん 測定機器の正常・異常の判断が難しいデータ 安定操業のために重要パラメータの多様性が なくなるデータ 様々な理由で計上されない実績 12 頑張って対応しましょう♪