設備モデルのトレーニングと管理
設備モデルは管理されたライフサイクルで運用します。トレーニングで作成されるのはレビュー対象の候補です。現在設備を保護している本番判定が自動的に置き換わることはありません。
2 種類のモデル成果物を区別する
| モデル系統 | 用途 | 現在のトレーニング入口 | 本番制御 |
|---|---|---|---|
設備ベースライン分布 (PDM_BASELINE_DISTRIBUTION) | 観測された設備の運転分布を記述し、ベースライン比較に使用します。 | 予知保全 > モデルコンソール | モデルコンソールのベースライン昇格ゲート |
実行可能な異常検知モデル (PDM_ANOMALY_MODEL) | 特定の設備と target に対して異常スコアリング artifact を実行します。 | 管理者 API | 検証済みの不変 artifact を参照する ACTIVE assignment |
ベースライン分布は実行可能な異常検知モデルではありません。ベースライン計算の成功はモデル実行を証明せず、異常スコアも故障確率ではありません。
入口と権限
| タスク | 入口 | 必要な権限 |
|---|---|---|
| モデルコンソールを表示 | /pdm/model-console | mlops.model.read または system.config |
| モデル使用詳細を表示 | /ai-models/registry/:registryId | mlops.model.read または system.config |
| ベースラインをトレーニングまたは昇格 | モデルコンソール | pdm:write |
| 実行可能な異常検知候補をトレーニング | 管理者 API | pdm:write |
| 実行可能 assignment を昇格またはロールバック | 管理者 API | pdm:write |
| 設備 Finding を確認 | /pdm/anomalies と Finding 詳細 | pdm:read |
標準のモデル使用詳細ページは読み取り専用です。assignment の昇格またはロールバックボタンは現在ありません。
ライフサイクル
SHADOW は比較だけを行い、alert、health score、advisory、Finding を変更しません。ACTIVE は assignment に本番選択権がある状態ですが、新しく成功した runtime evidence が現れるまで本番利用は確認できません。
統計的な設備ベースラインをトレーニングする
- 予知保全 > モデルコンソールを開きます。
- 対象設備を選択し、tenant、設備、target、単位を確認します。
- readiness 結果と未達条件をすべて確認します。
- 運転状態履歴とトレーニング期間が正しいことを確認します。
- 条件を満たし
pdm:writeがある場合にトレーニングを開始します。 - 更新後のバージョンとトレーニング時刻を確認します。
| Readiness | 意味 | 次の操作 |
|---|---|---|
| Eligible | 必要なデータ条件を満たしています。 | トレーニング後、SHADOW 候補をレビューします。 |
| Missing criteria | 1 つ以上の測定可能な条件を満たしていません。 | 有効な運転履歴を追加するか、必要な信号を修復します。 |
| Cannot determine | サービスが判定できません。 | 表示された identity、data、service の問題を解決します。履歴不足とは報告しません。 |
| Caveat | トレーニングできますが期間に既知の制限があります。 | 制限を記録してリリースレビューに含めます。 |
ベースラインのトレーニングは比較用候補を作成するだけで、既存の本番判定は維持されます。
実行可能な異常検知候補をトレーニングする
これは現在、管理者 API のワークフローです。標準モデルコンソールにセルフサービスボタンはありません。
| Method | Endpoint | 結果 |
|---|---|---|
POST | /api/v1/pdm/model-console/{equipmentId}/train-anomaly-model | 統計ベースラインや現在の ACTIVE パスを変更せず、不変の実行可能候補を作成します。 |
成功後、モデルレジストリで次を確認します。
- 正しい設備と target にバインドされている。
- artifact が登録、検証されている。
- assignment が
SHADOWである。 - リリース判断に必要な SHADOW runtime evidence がある。
API は対象 tenant 内で実行します。他 tenant や環境の registry/assignment ID を再利用しないでください。
SHADOW 動作をレビューする
モデル使用詳細で、設備と target のバインド、artifact の種類と検証状態、トレーニング期間、実行結果件数、SHADOW disagreement を確認します。
Disagreement は比較期間内の結果が現在のパスと異なったことだけを表し、どちらが正しいかを証明しません。alert が少ない候補は重要な状態を見逃している可能性もあります。現場 Finding、保全結果、運転状況、データ品質を合わせて判断します。
意図的に昇格する
UI で設備ベースラインを昇格
条件を満たす SHADOW ベースラインでは、pdm:write を持つユーザーに昇格操作が表示されます。バックエンドゲートは現在の判定との比較可否を検査しますが、候補の精度が高いとは主張しません。
API で実行可能 assignment を昇格
| Method | Endpoint |
|---|---|
POST | /api/v1/pdm/model-console/assignments/{assignmentId}/promote |
成功後、対象 assignment が ACTIVE、registry version が PRODUCTION、以前の設備単位の本番 assignment が無効、artifact が検証済みであることを確認し、新しい ACTIVE runtime evidence を待ちます。
ACTIVE_AWAITING_EVIDENCE、STALE、FALLBACK、CONFLICT、ARTIFACT_UNAVAILABLE の場合、本番で実行中と説明しないでください。
実行可能 assignment をロールバックする
ロールバックは現在、管理者 API のワークフローです。
| Method | Endpoint |
|---|---|
POST | /api/v1/pdm/model-console/assignments/{assignmentId}/rollback |
tenant scope のモデル API が返す assignmentId を使用します。URL、モデル名、別環境から推測しないでください。処理後、復元先 assignment が ACTIVE、履歴状態が正しい、新しい実行証跡がある、ロールバック対象 artifact を live assignment が参照していないことを確認します。
ロールバックしても、過去の assignment、ライフサイクルイベント、runtime evidence、Finding、feedback は削除されません。
主な状態
| 状態 | 証明すること | 証明しないこと |
|---|---|---|
STAGING | Registry version は候補です。 | ユーザー向け結果に影響できること。 |
SHADOW | Assignment は非書き込み比較に使用できます。 | 本番モデルであること。 |
ACTIVE | Assignment に本番選択権があります。 | 最近の実行が成功したこと。 |
PRODUCTION | Registry version は管理対象 scope の本番版です。 | すべての設備評価で使用されたこと。 |
RETIRED / ROLLED_BACK | Version または assignment は履歴です。 | 監査証跡が削除されたこと。 |
トラブルシューティングと確認
| 症状 | 確認項目 |
|---|---|
| トレーニング操作がない | pdm:write、readiness、assignment 状態、API-only の異常モデルフローかどうか。 |
| トレーニングが拒否される | 設備 identity、target、運転履歴、期間 coverage、返された理由。 |
| 候補が SHADOW のまま | リリース判断前の正常な安全状態です。 |
| 昇格後も本番利用と表示されない | 新しい runtime evidence、fallback、artifact verification。 |
| ロールバックボタンがない | Assignment のロールバックは管理者 API で行います。 |
完了前に、設備と target、2 種類の成果物、SHADOW の非書き込み性を確認し、昇格またはロールバック後に新しい ACTIVE runtime evidence があることを確認します。