2024年公開時点の設計・開発方針を紹介した記事です。現在の機能・対応形式・導入構成は、製品案内またはお問い合わせでご確認ください。
今ではデータ・AI主導の意思決定が効率的に重要視されており、Fault tree analysis（FTA）はシステムや商品の信頼性と安全性を分析するための重要な手法です。Cognitech.DEVでは、この課題にLLM（大規模言語モデル）を活用した革新的なアプローチを研究・開発しています。本記事では、現在の機能、利点そして将来の展望について解説します。
- 01故障モードの自動識別と分類
メンテナンスログを分析して故障モードを自動的に識別・分類します。これにより、手動作業の時間が大幅に節約され、既存の知識ベースを再利用・拡張することで、新しい故障モードの検出が容易になります。
- 02モデルと条件に基づく定量評価
FTA計算エンジンは、確認・整理したモデルと入力値をもとに定量評価を行います。故障確率やMTBF（平均故障間隔）を扱う際は、観測期間や単位、分布などの前提を明確にする必要があります。計算値は実測値や実証済みの予測精度を意味するものではありません。
- 03異常パターンの可視化
特徴抽出により、見逃されがちな異常パターンも可視化され、プロアクティブな対策が可能になります。これにより、システムの健全性を維持し、将来の故障に備えた確認・対策の検討を支援します。
- 04一貫した解析品質と効率的なデータ処理
広範なメンテナンスログの自動分析で大規模データの管理が簡単になり、効率的なデータ処理が実現します。
将来の展望
私たちは、継続的な改善に対するコミットメントを反映した詳細なロードマップを持っています。主要なマイルストーンは以下の通りです。
- 初期目標
- コアの計算エンジン／LLMに基づく因果関係抽出の実装／初期UI
- 中期目標
- Heir-RAGシステムとの統合による理由付け可能な解析／プライベート重視でお客様がHostできるLLMモデルの作成
- 最終目標
- FMEAモジュールの機能拡張。弊社のHeir-RAGとの組み合わせにより、類似のコンポーネントを使用する新製品のリスク分析が可能になります。
結論
Cognitech.DEVでは、LLMを活用したフォールトツリー解析の革新に取り組んでいます。根拠を確認できる故障解析と、作業負担の軽減を目指します。AI 故障解析Agentが標準となる未来に向けて、今後も新しい情報をお届けします。