<aside> 1️⃣

Phase 1 学習可能な構造を先に作る

本フェーズの目的は、精度を上げることではありません。

まずは「学習が成立する構造」を作ることです。

自社で5軸CNCマシンを保有していない以上、重要なのはアルゴリズムの高度化ではなく、

• 判断を構造化すること
• 予測と実績を必ず紐づけること
• ズレを記録できること

です。

この順番を誤ると、後から修正不能になります。

</aside>

<aside> <img src="1" alt="1" width="40px" />

1. 対象データを意図的に集める

最初に行うのは、形状データの収集です。

ブラケット形状を中心に、難易度を意図的に分けて集めます。

• 単純形状
• 中程度の複雑さ
• 明らかに壊れやすい「地雷形状」

成功例だけを集めると、構造は必ず甘くなります。

壊れる条件を含めておくことが重要です。

目的：判断ロジックが壊れる条件を先に知るため。

</aside>

<aside> <img src="2" alt="2" width="40px" />

2. 熟練者の「判断順序」を抽出する

次に、熟練者へのインタビューを行います。

ここで重要なのは答えではありません。

• どの順番で考えているのか
• どこで危険を察知しているのか
• 何を根拠に段取りを決めているのか

を構造として抽出します。

目的：判断の“結果”ではなく、“思考の流れ”を捉えるため。

</aside>

<aside> <img src="3" alt="3" width="40px" />

3. ER／ログスキーマを確定する

次に行うのが、データ構造の確定です。

ここが学習ループの心臓になります。

最低限、以下の関係が一方向に繋がる必要があります。

PART
→ FEATURE
→ DECISION_RUN
→ RISK_FLAG
→ SETUP_PLAN
→ OPERATION_PLAN
→ TOOL_HINT
→ RATIONALE
→ HUMAN_OVERRIDE
→ MACHINE_PROFILE
→ REAL_EXECUTION_LOG

設計方針は明確です。

• 数値・ID・boolean中心の構造データ
• 予測と実績が必ず紐づく構造
• 後から差分を追跡できること

この段階で目指しているのは、

判断順序の再現ではなく、学習ループそのものをMVPにすること

です。

</aside>

<aside> <img src="4" alt="4" width="40px" />

4. 判断順序エンジンの最小実装

データ構造が確定した後に、初めてエンジンを実装します。

実装するのは最小限です。

• STEPから特徴量抽出
• リスク検出
• 基準面候補提示
• 段取り回数の粗い推定
• 理由付き出力

出力は必ず説明可能にします。

例：

× 段取り2回

○ 側面ポケットが存在するため2回

目的：判断の透明性を確保するため。

</aside>

<aside> <img src="5" alt="5" width="40px" />

5. 外注加工による現実との照合

最後に、実際の加工結果と照合します。

手順は一貫しています。

1. 予測を保存する（version含む）
2. 外注加工を実施する
3. 実績を回収する
4. 差分を記録する

この段階では、精度向上は目的ではありません。

重要なのは、

どこで、どのように外れるか

を知ることです。

この差分が、次フェーズの出発点になります。

</aside>

<aside> 📌

Phase1の意図

このフェーズで完成させたいのはロジックではありません。

• 判断を構造化し
• 現実と接続し
• 差分を蓄積できる状態

です。

学習は、偶然ではなく構造から生まれます。

まずは、壊れ方を知る。

そこから始めます。

</aside>

<aside> 📌

</aside>