<aside> 2️⃣

Phase 2 ズレを可視化し、改善ループを作る

Phase1では、「判断を記録できる構造」を作りました。

しかし、構造があるだけでは学習は起こりません。

このフェーズの目的は、

予測と現実をぶつけ、そのズレを可視化し、改善を回し続ける仕組みを作ること

です。

製造業における判断は、最終的には必ず“物理現象”にぶつかります。

段取りは本当に2回で済んだのか
加工時間は想定通りだったのか
危険だと判断した箇所は本当に問題になったのか

机上のロジックだけでは、それは分かりません。

</aside>

1. 月5件、実加工ログを回す

まず行うのは、協力工場への外注加工です。

毎月最低5件、実際に加工してもらいます。

回収する情報は、あえて最小限に絞ります。

実際の段取り回数
実際の加工時間
不具合の有無
一言コメント

ここで重要なのは、「細かさ」ではありません。

重要なのは、

予測と現実が必ず接続されること

です。

熟練者の上書きは主観です。

しかし、実加工は物理現象です。

たとえば、

「段取り2回でいける」と予測したが、実際は3回必要だった
「リスクあり」と判断したが、不具合は発生しなかった

こうしたズレが、初めて“現実”として現れます。

実行ログが入って初めて、

判断 → 現実 → 学習

という流れが成立します。

量よりも重要なのは、

現実と切れない状態を作ることです。

</aside>

2. 予測と実績を横並びで見る仕組みを作る

次に作るのは、モデルの高度化ではありません。

まず作るべきは、「ズレを見る画面」です。

具体的には、以下を横並びで表示できるようにします。

予測段取り回数 vs 実段取り回数
予測加工時間 vs 実加工時間
予測リスク判定 vs 実際の不具合

これは、テストの点数を見るのに似ています。

点数を見なければ、どこを間違えたのか分かりません。

同じように、差分を見なければ改善はできません。

ここで初めて、

どの条件で外れやすいのか
特定の形状特徴で誤差が大きいのか
リスク判定が過敏なのか鈍感なのか

が分かるようになります。

モデルを改良する前に必要なのは、

ズレを見える化する“器”

です。

</aside>

3. 改善を“儀式化”する

差分が見えるようになったら、

それを放置しない仕組みを作ります。

毎週1回、必ず以下を行います。

差分を確認
閾値やルールを調整
algo_versionを更新

なぜここまで明示的にやるのか。

改善は、自然には起こらないからです。

ルール変更が記録されなければ、

何が良くなったのか
どの変更が悪化させたのか

が分からなくなります。

学習とは、偶然の積み重ねではありません。

変更履歴があり、差分が追跡できること

それがあって初めて、「進化している」と言えます。

</aside>

<aside> 📌

Phase2の本質

このフェーズで目指すのは、高精度モデルではありません。

目指すのは、

現実と継続的に接続され
ズレが可視化され
改善が必ず発生する状態

です。

Phase1が「壊れ方を知る」フェーズだとすれば、

Phase2は「壊れ方を管理し、修正を回し続ける」フェーズです。

ここまで到達すれば、YAMASTROは単なる判断ツールではなく、

改善が回る仕組みを持った学習基盤

になります。

</aside>