異常検知とは、データの中から、ふだんの動きとは違う値やパターンを見つけ出し、知らせる技術のことです。人が毎日すべての数字に目を通すのは、現実的ではありません。異常検知を使うと、「いつもと違う」ものだけを拾い出し、確かめるべきところに目を向けられます。工場の設備やシステムの監視だけでなく、経費や売上のような経営の数字にも使われています。
異常検知は、どんな場面で使われるのか?
設備やシステムの監視、不正の発見、品質の管理、経営の数字の確認など、「いつもと違う」ことに早く気づきたい場面で使われます。
- 工場の設備の振動や温度の変化から、故障の予兆をつかむ
- 製造ラインで、不良品を見つけ出す
- カードやネットの取引で、不正な利用を見つける
- サーバーやネットワークで、ふだんと違う通信や負荷に気づく
- 経費や売上など、毎月の経営の数字の急な変化に気づく
異常検知には、どんな方法があるのか?
人が決めた基準で判定する方法、統計で「ふだん」の幅を決める方法、機械学習でふだんの動きを学ぶ方法の3つが代表的です。
| 比べる点 | 基準(しきい値) | 統計 | 機械学習 |
|---|---|---|---|
| しくみ | 「温度が80度を超えたら」のように、人が決めた値で判定する | 過去の平均や中央値からの離れ具合で判定する | 正常なときのデータから、ふだんの動きを学んで判定する |
| 向いている場面 | 異常の条件がはっきりしている | 数字の動きが比較的安定している | 項目が多く、異常の形を人が書き出せない |
| 弱いところ | 季節などのふだんの変化まで、異常と判定しやすい | 傾向そのものが変わったときに弱い | なぜ異常と判定したかを説明しにくいことがある |
異常検知を使うときの注意点は?
いちばんの注意点は、誤報が多すぎてアラートが無視されることです。何を異常とするかの定義と、知らせたあとの対応の流れを、仕組みと一緒に決めておきます。
- 誤報を減らす
- 小さなブレまで知らせると、受け取る人が慣れてしまい、本当の異常も見逃されます。知らせる条件をやや厳しめにして始め、様子を見て調整します。
- ふだんのブレを知っておく
- 季節や月末などの決まった動きを、異常と区別できるようにします。
- 知らせる先を決める
- 誰に知らせるのかが決まっていないと、アラートが出ても誰も動きません。項目ごとに担当者を決めます。
- 対応を記録する
- 「問題なし」「原因と対応」を記録しておくと、判定の基準を見直す材料になります。
異常検知は、経営の数字にどう使えるか?
毎月の経費や売上を、同じ項目の過去の動きと比べ、いつもと違うものだけを担当者に知らせる使い方があります。トラックファームが支援した物流業の会社では、この仕組みを経営管理システムに組み込みました。
その会社では、社長が毎月の数字を表計算ソフトで確かめ、気になる動きを担当者に伝えていました。実際に、水道代が急に増えたことから、倉庫の水漏れが見つかったこともあります。ただ、何が「いつものブレ」で何が「異常」かの見分け方は、社長の頭の中にしかありませんでした。
そこで、科目や取引先ごとに当月の値を直近12か月の中央値と比べ、変化の割合と金額の差の両方が大きいときだけアラートを出す仕組みにしました。アラートごとに「問題なし」「問題あり(原因と対応)」を記録でき、まだ対応していないものは担当者にメールでまとめて知らせます。最初の打ち合わせからテスト版の公開までは約2週間で、いまは実際の数字で使い勝手を確かめている段階です。
トラックファームでは、異常検知をどう扱っているか?
まず、担当者がふだん使っている「異常の見つけ方」を聞き取り、人が説明できる基準として仕組みにします。アラートを受け取る担当者や対応の記録まで含めて設計し、機械学習による判定は、データがたまって基準だけでは拾えない異常が見えてきた段階で検討します。
よくある質問
異常検知には、AIが必要ですか?
必ずしも必要ではありません。異常の条件がはっきりしていれば、人が決めた基準や、過去の平均・中央値との比較で十分に役立ちます。項目が多く、人が条件を書き出せない場合に、機械学習が力を発揮します。
アラートが多すぎて、誰も見なくなりました。どうすればいいですか?
まず、知らせる条件を見直し、本当に対応が必要なものだけにしぼります。変化の割合だけでなく金額の差も条件に加える、季節の動きを考えに入れる、といった調整で、誤報を減らせます。
