光ファイバーケーブル製造におけるプロセス逸脱検出のための分数階ニューラルネットワーク

ケーブル工場の小さな不具合が重要な理由

ビデオ通話やクラウドバックアップ、オンラインゲームのすべては、髪の毛ほど細いガラス繊維を光が駆け抜けることに依存しています。これらの繊維を作る作業は繊細な技術であり、温度や張力のわずかな揺らぎが数キロメートルのケーブルを高価な廃棄物に変えてしまうことがあります。本稿は、光ファイバー生産ラインをリアルタイムで監視し、最終検査で問題が現れるずっと前に微妙な異常を検出することを学習する新しいタイプの人工知能について述べます。これにより材料、エネルギー、コストの節約が期待されます。

ファイバー工場の“脈拍”を観察する

現代の光ファイバーケーブルは複数の工程で作られます：ガラスを細い繊維に引き、保護用ポリマーで被覆し、プラスチックチューブに押し込み、束ねて外装を被せます。各工程で圧力、温度、速度、張力など多数のセンサーが監視します。ここで扱う押出ラインでは232個のセンサーが毎秒新しい測定値を何年にもわたって送り続けます。大半は順調に稼働しますが、欠陥は通常生産の最後、完成ケーブルの信号損失や機械的欠陥検査で初めて発見されます。その遅れが、いつどのように故障が始まったかを特定しにくくし、データ量の多さが手作業での監視を不可能にします。

機械に自律的に異常を見つけさせる

これに対処するため、研究者たちは音声やテキスト、センサーストリームのような時系列を読み取るのに適した再帰型ニューラルネットワークという深層学習モデル群に注目しました。各欠陥を正確に示すラベルは与えられず、与えられるのは問題のある生産区間と正常な区間という弱い手掛かりだけです。研究チームはまず生のセンサーデータをウェーブレット変換という数学的手法で圧縮し、各信号を短期・長期のパターンに分解します。次にこれらのパターンをクラスタリングして、正常動作からいくつかの異常挙動までを表す典型的なプロセス「状態」の集合を構築します。これらの状態が概略的な学習ラベルとなり、ネットワークはどのような時間的パターンが不良製品に先行するかを学習できるようになります。

ニューラルネットワークのための新しい記憶方式

本研究の中心的な革新は、ネットワーク内部のメモリセルを再設計したことで、FD‑LSTM（分数微分長短期記憶）と呼ばれます。標準的なLSTMセルは各時刻に過去をどれだけ保持または忘却するかを固定された関数で決定します。著者らはこれを「分数」版に置き換え、モデルが遠い過去を調節可能かつ連続的に記憶できるようにしました。最近のセンサー値だけに反応するのではなく、FD‑LSTMは数分前に起こった出来事を滑らかに重み付けできるため、圧力や温度、張力のゆっくりしたドリフトが徐々に欠陥につながるようなプロセスで特に重要です。

実稼働ラインでモデルを試す

チームは工場のファイバーチューブ押出ラインから得られた実データ2.5年分でアプローチを評価しました。連続するセンサーストリームを約4分の短いウィンドウに切り、記憶の扱い方だけを変えて厳密に管理された条件下で複数のモデルを学習させました。FD‑LSTMは約96.7%の精度と高いF1スコア（適合率と再現率のバランス）を達成し、従来のLSTMやランダムフォレスト、サポートベクターマシン、より単純な再帰型ネットワークを上回りました。設計上の重要な調整項は分数階（fractional order）で、モデルが実質的にどれだけ過去を“見る”かを制御します。標準設定よりわずかに小さい値が最良であり、この製造ラインでは急激なスパイクよりもゆっくりと進行するドリフトが主因であることを示唆しています。

データ流からより良いケーブルとより環境に優しい工場へ

統計を超えて、改良されたモデルは微弱でゆっくりと進行する異常を健全な状態と明確に分離します。これは現場のエンジニアがノイズの多いデータから見つけ出すのに苦労している点と一致します。オペレーターに早期警告を出すことで、規格外状態の継続時間を短くでき、スクラップや不必要なエネルギー使用を減らせます。本研究は単一のファイバーチューブラインに焦点を当てていますが、著者らは同じ分数メモリの考え方が、多数のセンサーが複雑でゆっくりとドリフトするシステムを追跡するあらゆる産業プロセス—化学反応器、電力網、集中治療モニターなど—に応用できると主張しています。簡単に言えば、ニューラルネットワークにより微妙な時間感覚を与えることで、製品品質と資源効率の両方の守護者として優れるようになるようです。

引用: Gomolka, Z., Zeslawska, E. & Olbrot, L. Fractional-order neural network for detecting process deviations in optical fiber cable manufacturing. Sci Rep 16, 6677 (2026). https://doi.org/10.1038/s41598-026-37770-x

キーワード: 光ファイバー製造, 産業異常検出, 分数ニューラルネットワーク, 時系列センサー, 予知保全