データが判断に入るところからガバナンスは始まる
信号、アラーム、メーター値、作業指示、点検記録、文書、計算指標が運用判断に影響し始めるとき、産業データガバナンスも始まります。
運用デジタルツインでは、データを接続するだけでは足りません。データの出所、対象の資産や空間、単位とタイムスタンプのルール、マッピングの責任者、値の信頼性、どの AI Agent やダッシュボードが使っているか、前回リリース後に何が変わったかを把握する必要があります。
Data Fusion Services は FactVerse スタックの中でこの運用規律を支えます。ソースシステムを接続し、データをツイン実体にマッピングし、フィールドを整え、指標を計算し、データマートを準備し、ライブコンテキストをツインに結び付けます。その周囲にガバナンスを置くことで、接続されたデータは FactVerse AI Agent、FactVerse Twin Engine、Inspector、ダッシュボード、シミュレーション、機械学習ワークフローで使える運用コンテキストになります。
DFS がガバナンスを支援すべき範囲
データガバナンスは、元のシステムから各運用利用者までの流れに沿って考えます。
| ガバナンス領域 | 実務上の問い | 重要な理由 |
|---|---|---|
| ソース所有者 | どのシステムが値を所有し、誰が利用を承認するか | データが疑われたときの責任を明確にする |
| アクセス境界 | どのネットワーク、テナント、サイト、ロールが読めるか | 機密運用データと顧客固有情報を守る |
| 実体バインド | どの資産、空間、システム、ルート、ワークフローを表すか | 生タグを運用コンテキストに変える |
| 単位と時刻 | 単位、タイムゾーン、時計、サンプリング、集計ルールは何か | 傾向、アラーム、比較を意味あるものにする |
| 品質状態 | 欠損、古い値、補間値、範囲外、センサー交換後の値か | AI と作業者が証拠の強さを判断できる |
| 計算ロジック | 派生 KPI や指標はどの式で作られるか | 分析、エネルギー、保全指標をレビュー可能にする |
| リネージ | どのコネクタ、マッピング、変換、リリースが値を作ったか | トラブルシュートと監査レビューを支える |
| 利用者登録 | どのダッシュボード、AI、レポート、作業指示が使うか | タグや式を変更する前に影響を把握する |
すべての点に重い審査をかける必要はありません。判断に使われるデータに、見える所有者と繰り返し使えるルールを持たせることが重要です。
運用 ID でガバナンスする
産業システムでは、同じ対象が複数の名前で表されます。ポンプは SCADA、ヒストリアン、CMMS、BIM、現場で別々の名前を持つことがあります。データガバナンスには、それらの別名を束ねる安定した運用 ID が必要です。
FactVerse は空間、資産、システム、関係、文書、データバインド、ワークフローの共有コンテキストを提供します。Data Fusion Services はソース側のフィールドやタグをそのコンテキストにマッピングし、値を正しい資産、場所、運用ループに結び付けます。
良い ID ガバナンスでは、サイト、建物、階、ゾーン、部屋、ライン、ルート、サービスエリア、資産クラス、資産 ID、表示名、型式、所有者、ライフサイクル状態、上下流関係、ソースシステムの別名、文書、SOP、点検ポイント、作業指示参照、アクセス境界を扱います。
ライブデータと履歴データの品質ルール
時系列値とイベントは常に変化します。データパイプラインには、運用チームとデータチームが理解できる品質ルールが必要です。
代表的なルールには、欠損値処理、古いデータのしきい値、単位変換、時刻とタイムゾーンの整合、サンプリングと集計、外れ値とフラットライン検知、センサー交換記録、アラームの重要度とリセット、計算指標の式とレビュー責任者があります。
Data Fusion Services は単位の正規化、タイムスタンプの整合、品質問題の検出、派生指標の計算を支援します。ガバナンス層では、適用したルールと例外レビューの責任者を記録します。
AI Agent ワークフローでは、品質状態も証拠の一部です。新鮮なセンサーデータ、最近の作業履歴、承認済み計算に基づく提案と、古い値や一時的な手入力に基づく提案は分けて扱う必要があります。
リネージと変更管理
産業データは静かに変わります。BMS ポイント名が変わる、メーターが交換される、ヒストリアンタグが新しいゲートウェイに移る、CMMS フィールドの意味が変わる、KPI の計算式が更新される、といった変化があります。
3D ツインは正しく見えても、下のデータが古いソースを指していることがあります。AI レビュー、ダッシュボード、作業指示、外部レポートに影響する前に、変更を見える形にする必要があります。
変更記録には、影響を受けるソースとコネクタ、変更されたタグや式、影響する資産やワークフロー、下流利用者、レビュー担当者、承認状態、有効日、ロールバック方法、検証証拠を残します。
アクセス、証跡、承認
運用データには、制限区域、顧客固有レイアウト、生産状態、設備状態、エネルギープロファイル、保全所見、サービス記録などの機密情報が含まれます。ソースシステムからデジタルツインへ移るときも、アクセス境界を維持する必要があります。
有用な管理には、空間、資産、文書、ダッシュボード、AI ワークフローのロールベースアクセス、サイト別と顧客別のデータ境界、AI 支援提案の承認ルール、点検や作業指示の証跡保持、マッピング変更とデータエクスポートの監査ログ、一時アップロードや手修正値の扱いがあります。
Inspector と接続された作業システムは、誰が発見事項をレビューし、どの対応を行い、どの証拠を取得し、結果が改善したかを記録します。この記録は次の AI レビューや機械学習サイクルのガバナンスデータになります。
機械学習のためのデータガバナンス
機械学習には、きれいなセンサー履歴だけでは不十分です。物理現場で何が起きたかを説明できるデータが必要です。
予知保全では、入力信号、資産 ID、運転状態、アラーム文脈、技術者レビュー、作業指示、完了証拠、対応後の値が必要です。エネルギー分析では、メーター、空間、設備グループ、運転スケジュール、天気、式、改善記録が必要です。シミュレーションでは、シナリオ仮定、資産バージョン、プロセス状態、承認済みデータ範囲が必要です。
データガバナンスでは、特徴量定義、ソースフィールド、学習前の品質フィルター、作業指示や点検から作られたラベル、モデルバージョン、提案バージョン、人のレビュー判断、却下された提案、対応後の結果、データセット更新計画、承認者を残します。
DataMesh の展開パターン
- 一つの判断ループを選ぶ - 予知保全、施設点検、データセンター資産レビュー、エネルギー証跡、デジタル SOP 実行などから始めます。
- データ所有者を決める - ソース、資産 ID、マッピング、品質ルール、計算、権限、下流ワークフローの責任者を決めます。
- 運用 ID をマッピングする - FactVerse で空間、資産、システム、関係、文書、ワークフロー、別名をそろえます。
- データを接続して統治する - Data Fusion Services でソースを接続し、フィールドをツイン実体に結び付け、単位と時刻を整え、指標を計算し、品質状態を示します。
- 下流利用者を登録する - ダッシュボード、AI Agent、Inspector フォーム、レポート、機械学習データセットを記録します。
- リリース前に変更をレビューする - タグ変更、式更新、コネクタ変更、権限変更を本番ワークフローに影響する前に確認します。
- 結果を取得する - Inspector、Checklist、CMMS、EAM、顧客システムから現場証跡、レビュー判断、対応後結果を取得します。
- ルールを改善する - 例外、マッピング失敗、古いデータ、却下された AI 提案、現場フィードバックを使ってガバナンスモデルを改善します。
ガバナンスチェックリスト
- 各ソースに業務所有者と技術所有者がいるか
- 資産、空間、システム、ワークフロー ID がシステム間で一貫しているか
- ソース別名とタグ命名ルールが記録されているか
- 単位、タイムスタンプ、サンプリング、品質ルールが見えるか
- 計算指標が式、所有者、レビュー日と結び付いているか
- ソースコネクタからツイン対象、下流利用者までのリネージが残っているか
- ダッシュボード、AI Agent、レポート、データセットが利用者として登録されているか
- 機密空間、顧客記録、制限文書がロールで保護されているか
- 現場証跡と作業指示結果をレビューと機械学習に使えるか
- タグ名変更、センサー交換、式変更、バインド切れに変更経路があるか
公開参考情報
Data Fusion Services 製品ページでは、FactVerse スタックのデータ統合レイヤーを説明しています。
データ準備ガイドでは、AI Agent と運用デジタルツインのための最初のデータ基盤を説明しています。
運用デジタルツインモデルガバナンスガイドでは、Go-Live 後にモデル、データバインド、現場変更をそろえる方法を説明しています。
産業ナレッジグラフガイドでは、意味関係が資産、空間、システム、信号、文書、AI Agent の推論をつなぐ方法を説明しています。