AURA 技術白書
AURA モデル技術白書 です。技術レビュアー(データサイエンティスト・設備エンジニア・AI 導入検討者)を対象に、 産業 AI モデルを どう作り、どう測るか を、構造・データ・採点ルールで説明します。
ダウンロード
| 言語 | ページ数 | ファイル |
|---|---|---|
| 한국어 | 20ページ | PlantPulse AURA 技術白書 (PDF) |
| English | 20ページ | PlantPulse AURA Technical White Paper (PDF) — 韓国語版と同じ内容です |
改訂 2026.09 です。
何が入っているか
| 章 | 内容 |
|---|---|
| 01 | 強み — 構造が作る差. GPU 1枚・インデックス再生成不要・0 と「未測定」の区別・審判モデルなしの採点 |
| 02 | 構成 — 言語トラックの3つのモデルと波形を見る別系列 |
| 03 | 学習とデータ — SFT 1段階、アダプタ、正解がルールから出るようにする5つの経路 |
| 04 | レシピ — 設備ではなく「故障メカニズム」を教える. ファインチューニングと量子化で何を削り何を残すか |
| 05 | 故障メカニズムマップ — 故障11種 × 設備18種、信号別変化幅と劣化期間 |
| 06 | 見分け方 — 順序が違えば別の故障だ. 先行・後行信号表と判別ルール |
| 07 | データの選び方 — 「正解が我々の外から来るか」を先に問います |
| 08 | 確保したデータ — 何をカバーしているか(業種別) |
| 09 | シミュレータ — 物理を先に決めラベルを誘導する理由 |
| 10 | 分からないと言う — 判断保留も正解です |
| 11 | 正解の出所 — 計算30系列・規格条文・手順書・ツールスキーマ |
| 12 | 学習比重 — 何をどれだけ入れるかがそのまま能力の形になる |
| 13 | アイデンティティと範囲 — プロンプトではなく学習で |
| 14 | 検索 — 産業 RAG は検索品質が回答品質の上限 |
| 15 | 時系列トラック — 波形は小さいモデルで、現場ごとに1つ |
| 16 | 評価 — ベンチ5つ、すべて審判モデルなしの機械採点。レビュアーが自ら確認する方法まで |
| 17 | 現場診断 — 158問の構成と偽報を別に数える理由 |
| 18 | オンプレミス配置と次版 |
今回の版で変わったこと
9ページから20ページに増やしました。 新たに加わった11章の要旨です。
- 故障メカニズムマップ(05・06) — 故障11種 × 設備18種の信号別変化幅と劣化期間、そして**「同じ2つの信号でも順序が違えば別の故障」**。温度が上がったときの4分岐ルールと、電力が「下がる」唯一のモードは何か
- データの選び方(07) — 「正解が我々の外から来るか」・「実験室か現場か」・「仮定が少ない形か」、そしてセンサーとラベルの間に因果がないデータはサイズに関係なく使わない
- 確保したデータ(08) — どの公開実測がカバレッジのどの穴を埋めるか、業種別に
- シミュレータ(09) — **ラベルを物理から«誘導»**する理由(逆に作ると因果がなくなります)と、因果が実際に生じたかを数値で確認した結果
- 分からないと言う(10) — 判断保留を正解として置く基準と、データの3分の1が確定しない答えである理由
- 正解の出所(11) — 計算30系列とホールドアウト7つ、規格条文、先に固定した手順書、ツールスキーマ
- 学習比重(12) — ある経路が優越すると残りが希薄化します。プロンプトが長いとツールを呼ばないという実測もここに
- アイデンティティと範囲(13) — プロンプトがなくても、他人のプロンプトで上書きされても維持されるようにする方法
- 検索(14) — 非対称エンコーディング、次元を契約として固定する理由、評価での漏出を防ぐ4つの方法
- 時系列トラック(15) — 100万パラメータ級が強みである理由(GPU なしでエッジで、設備1万台にモデル1万個)と産業信号が一般的な時系列と異なる4つの点
この版に性能数値がない理由
数字を今刻むと、それが根拠として流通します
学習済みモデルがプロダクト経路に載ったばかりです。 数値はその経路で再測定した後に掲載します — 以前の経路で測った値を白書に刻むと、後で修正してもその数字が根拠として流通します。
何をどう測るか(問項構成・採点ルール・データ選定基準)は既に確定しているので、レビュアーは 同じ方式で自分の環境で再測定できます。 そして関門の基準は測定「前」に決めておきます — 結果を見て基準を決めるなら、それは基準ではありません。
読む順序を一つ推薦するなら
16章(評価)を先に見ていただいても構いません。 5つの軸がそれぞれ何をどう測るか、採点ルールが どのように機械化されているか、そしてレビュアーが自ら確認する方法がそこにあります — 学習した版が実際に サービングされているか、評価に学習データが漏れていないかを直接確認する方法です。
併せて見る
AURA モデル紹介 · アーキテクチャ · データレイク技術白書 — モデルが乗るデータインフラ