ルールベースとAIの違い
ルールベースとは、人が判定の基準を決めて機械に実行させる方法です。製造業では、閾値管理（温度が上限を超えたら警報）、SPC（統計的工程管理、管理図で平均やばらつきの異常を見る）、画像処理（寸法の計測、パターンマッチング）がこれにあたります。AI（機械学習）は、判定の基準そのものをデータから学びます。
| ルールベース | AI（機械学習） | |
|---|---|---|
| 基準を決めるのは | 人 | データ（学習） |
| 判定の根拠 | 明確（どの基準に引っかかったか） | 説明に工夫が要る |
| 導入の速さ | 速い | データ収集と学習が要る |
| 条件変化への対応 | 人がルールを書き換える | 再学習が要る |
| 得意なこと | 基準が明確な判定 | 基準を言葉や数式で書きにくい判定 |
| 保守の担い手 | 生産技術・品質保証 | データとモデルを扱える人材 |
AIは「基準を書きにくい判定」で力を発揮します。逆に言えば、基準を書ける判定にAIを使っても、精度はほとんど変わらず、学習データの準備、再学習、判定根拠の説明という手間だけが増えます。
AIを使わない方がよい4つのケース
ケース1：判定基準が数値で明確に決まっている
寸法が公差内か、温度が上限以下か、部品の有無、印字の文字が正しいかのように、基準が数値や有無で書ける判定は、閾値や画像処理で十分です。外観検査でも、寸法の計測や位置ずれの検出は従来の画像処理が得意な領域です。AIの良品学習が効くのは、傷・汚れ・色ムラのように形が一定でなく、基準を数値で書きにくい欠陥です。
ケース2：工程が安定していて、変化が少ない
工程の条件がほとんど変わらず、異常のパターンも分かっている場合、管理図による監視で異常は十分に検知できます。単一の変数を監視するなら、変数ごとの3σ管理で足ります。複数の変数が互いに相関している工程では、HotellingのT²統計量を使う多変量管理図（MSPC）という統計的な方法があり、これもAIではなく統計手法です（NIST/SEMATECH e-Handbook）。
ケース3：判定の根拠をそのまま説明する必要がある
顧客監査や法規制で、判定の根拠を明確に示す必要がある工程では、ルールの方が扱いやすい場合があります。「規格の上限○○を超えたため不合格」はそのまま説明できますが、AIの判定は「良品から外れた度合いがしきい値を超えた」としか言えないことがあります。説明の方法はありますが（説明可能なAI）、手間がかかります。
ケース4：データが少なく、集める見込みもない
年に数回しか起きない異常や、少量生産で過去データがほとんどない工程では、AIが学ぶ材料がありません。熟練者の知識をルールとして書き起こす方が、早く確実に仕組みを作れます。
AIが必要になるのはどんなときか
逆に、次のような条件では、ルールでは限界がありAIが効果を出します。
- 基準を言葉や数式で書けない：傷・汚れ・異物の外観、異音のように、熟練者は判定できるが基準を数値で説明できない
- 条件の組み合わせが多い：品種・材料・設備・季節の組み合わせごとにルールを書くと、数が膨大になる
- 変数が多く、相互に関係している：数十〜数百のセンサ値が絡む工程の品質予測
- 正常の範囲が運転条件で変わる：負荷や回転数によって「いつも」の値が変わる設備
AIとルールを組み合わせる3つの型
実務では、AIかルールかの二者択一ではなく、組み合わせて使うことが多くあります。
- 型1：ルールで一次判定し、AIで優先度を付ける：予知保全で、閾値で一次警報を出し、機械学習で本当に対応が必要なものを絞り込みます。誤報が多くて現場が警報を無視する問題を和らげます。
- 型2：AIで判定し、ルールで安全側に補正する：AIが推奨する加工条件や運転条件を、品質規格や安全範囲のルールで制限します。AIが範囲外の条件を推奨しても、そのまま実行されないようにします。
- 型3：判定項目ごとに分担する：外観検査で、寸法・位置・有無は画像処理のルール、傷・汚れ・色ムラはAIに分けます。それぞれ得意な方式に任せると、全体の精度と説明のしやすさが両立します。
この手順を踏むと、AIが本当に必要な部分だけに投資でき、AIの効果もルールとの比較で示せます。テーマ選定でAI以外の手段を外す基準はAI導入テーマの選び方で扱っています。
よくある質問
ルールベースのシステムは古い技術ですか？
古いかどうかではなく、課題に合うかどうかで選びます。基準が明確な判定では、ルールの方が速く、安く、説明しやすいという利点があります。現在の工場でも、閾値管理とSPCは品質管理の基本として使われています。
すでにルールで運用している検査をAIに置き換えるべきですか？
ルールで見逃しや誤報が問題になっていないなら、置き換える必要はありません。置き換えを検討するのは、品種が増えてルールの数が管理できなくなった、熟練者しか判定できない項目が残っている、といった場合です。
AIとルールの組み合わせは、保守が複雑になりませんか？
役割を明確に分ければ、むしろ保守しやすくなります。ルールの部分は生産技術や品質保証が、AIの部分はデータ担当が管理し、どの判定がどちらで行われたかを記録しておきます。
この記事に出てくる用語
この記事を書いた人
DELMIA Apriso を中核とした MES / 製造DX の導入・運用・人材育成と、製造業向けAIの調査・開発・教育を手がけるITコンサルティング企業。ISO 9001:2015 / ISO 27001:2022 認証取得。 日本・中国・米国で製造業のMES・データ基盤・AI導入を手がけた実務者が、欧米・中国の一次情報にあたって書いています。
