技術要約：サーキュラー・ファクトリーにおける不確実性を考慮した機能挙動予測および材料疲労評価

1. 問題提起

循環型経済への移行には、回収された製品を複数のライフサイクルにわたって再利用できる製造システムが必要である。しかし、回収された製品（例：使用済みの電動工具）は、不均一な劣化状態、使用履歴、および残存能力を持って「サーキュラー・ファクトリー（CF）」に入ってくる。均質な集団の仮定や固定された動作条件に依存することが多い従来の信頼性評価では、個別のインスタンスに対する再配備の決定を下すには不十分である。

現在のプログノスティクス・ヘルス・マネジメント（PHM）のアプローチには、以下の決定的なギャップが存在する：

• 機能と材料の分離： システムレベルの機能予測（ツールが動作するか？）は、コンポーネントレベルの材料疲労評価（重要な部品が破損するか？）と結び付けられることがほとんどない。
• 不確実性と履歴： 既存の手法は、変動する使用履歴への対応に苦慮することが多く、規定された将来の使用シナリオ下でのリスク評価に必要な、不確実性を考慮した予測を提供できない。
• 意思決定支援： 再配備の決定は、現在の検査のみに基づいて行われるべきではなく、機能的挙動と材料の完全性が、特定の将来のサービス条件下でどのように進化するかを考慮しなければならない。

本論文は、回収されたアングルグラインダーのインスタンス固有の評価のために、機能挙動予測と材料疲労評価を連結させた統合フレームワークを提案することで、これらの課題に対処する。

2. 手法

提案するフレームワークは、機能挙動予測と材料疲労評価という2つの補完的なパイプラインを、単一のストリーミング信頼性ワークフローへと統合するものである。

2.1. システム機能挙動予測

機能ブランチは、ツールの将来の状態を条件付きシーケンス学習問題としてモデル化する。

• 入力： モデルは、現在の状態ベクトル（熱的、電気的、回転的、およびクリアランスなどの幾何学的変数）と、直近の使用履歴（力とトルクのウィンドウ）を受け取る。
• アーキテクチャ：
  • エンコーダ： 1D畳み込みニューラルネットワーク（CNN）が、力とトルクのウィンドウから局所的な時間的パターン（ピーク、過渡現象）を抽出する。多層パーセプトロン（MLP）は、現在の状態ベクトルをエンコードする。
  • リカレント・バックボーン： 融合された表現は、長短期記憶（LSTM）ネットワークによって処理される。LSTMは、既知の初期条件に予測を固定するために、絶対値ではなく増分を予測する。
  • 出力ヘッド： 確率的ヘッドが、9つの機能変数（モーター電流、回転速度、クリアランスなど）のガウス平均と分散を出力する。
• 学習： モデルは、期待値と予測不確実性の両方の推定を可能にするため、重み付きガウス負の対数尤度（NLL）損失を用いて学習される。
• シナリオ条件付け： 本フレームワークは、「シナリオ条件付き推論」を可能にし、将来の使用ウィンドウを規定することで、計画された、あるいは仮説的な動作条件下での信頼性評価を可能にする。

2.2. コンポーネント材料疲労評価

材料ブランチは、同じ動作荷重履歴を用いて、出力シャフトの残留疲労能力を評価する。

• 応力再構成： 有限要素解析（FEA）を用いて、外部の力・トルク荷重を局所的なノッチ応力にマッピングする。補間モデルにより、測定された時間履歴を、クリティカルなノッチにおける応力時間履歴へと変換する。
• 疲労モデリング：
  • 発生： 回転曲げデータに適合させたBasquin型のS-N曲線と、パルムグレン・マイナー則（およびサブリミット・サイクル用のHaibach拡張）を組み合わせ、累積損傷を推定する。
  • 進展： パリス則に基づく亀裂進展モデルを用いて、初期亀裂サイズ（$a_0$）から臨界亀裂サイズ（$a_c$、表面硬化層の深さで制限される）までの亀裂寿命を推定する。
• 統合： 材料モデルは、累積損傷と材料信頼性推定値（$R_{mat}$）を出力する。

2.3. ストリーミング信頼性統合

ストリーミング・リプレイ・アルゴリズム（Algorithm 3）が、両方のブランチを統合する：

• データを逐次的に処理し、機能的信頼性（$R_{func}$）、材料信頼性（$R_{mat}$）、およびシステム信頼性（$R_{sys} = \min(R_{func}, R_{mat})$）を更新する。
• 観測の欠落を処理するため、欠落したサイクルに対して損傷推定値を伝播させる。
• 各検査時点において、「支配的なブランチ」（機能的か材料的か）を特定し、再配備のための制限要因を決定する。

3. 主な貢献

1. 統合された機能・材料空間： 本論文は、現在のシステム状態、直近の使用履歴、および材料劣化を共通の表現へと結合させ、インスタンス固有の再配備を実現するフレームワークを確立した。
2. 不確実性を考慮した予測： ガウスNLLで学習されたLSTMアーキテクチャは、期待される機能応答とその不確実性の両方を予測し、閾値ベースの信頼性評価を容易にする。
3. シナリオ条件付き推論： 将来の使用ウィンドウを規定できる能力により、明示的かつ計画された動作条件下での機能挙動と信頼性の評価が可能となる。
4. 統合された材料評価： コンポーネントレベルの疲労が、応力再構成、S-N/Miner損傷評価、およびパリス則による亀裂進展解析を介して、システムレベルの使用履歴に直接リンクされて統合されている。
5. ストリーミング・ワークフロー： 統合されたアルゴリズムは信頼性の軌跡をリアルタイムで更新し、回収製品に対する動的な意思決定をサポートする。

4. 結果

本フレームワークは、テストベンチからの実験データ（400稼働時間）および出力シャフトの材料試験を用いたアングルグラインダーのケーススタディによって検証された。

4.1. 機能予測の性能

• 精度： モデルは、ホールドアウト・テストデータにおける9つの出力に対し、平均2%誤差範囲内で0.9652の精度を達成した。
• 変数の性能：
  • 熱的変数（ギヤボックスおよびステーター温度）は、ほぼ完璧に予測された（$R^2 \approx 0.9999$）。
  • 動的変数（駆動モーター電流および負荷速度）は最も困難であったが、依然として高いグローバルな傾向把握を示した（それぞれ $R^2 = 0.9750$ および $0.9924$）。ただし、厳密なローカル・トレランス精度は低かった（0.9174 および 0.8675）。
• アーキテクチャ比較： このような短期間の履歴設定においては、従来のLSTMがGRUやxLSTMを上回った。これは、CNNによって局所的なパターンが事前に抽出されている場合、単純なリカレント・ブロックが安定しているためと考えられる。
• 入力感度： アブレーション研究により、トルク履歴を含めることでモーター電流と負荷速度の予測が大幅に改善されることが確認された。これは、静的な検査のみよりも荷重履歴データが必要であることを強調している。

4.2. 信頼性と不確実性

• 較正（キャリブレーション）： （十分な超過事象が存在する唯一の変数である）駆動モーター電流について、予測された超過確率と観測された発生率は密接に一致した（例：予測 0.0600 に対し、観測 0.0646）。期待較正誤差（ECE）は低かった（0.0085–0.0086）。
• 生存分析： ワイブル解析により、モーター電流の超過に関するB10寿命は5.22相対ステップであった。

4.3. 材料疲労と再利用性

• 公称条件下： 公称サービス応力（ノッチ応力 約2.88 MPa）の下では、出力シャフトのMiner損傷は無視できる程度であり、高い再利用性を示した。
• 高負荷イベントへの感度： パリス則による解析は、稀な高負荷イベントに対する極めて高い感度を明らかにした。
  • 公称荷重： 約31 再利用サイクル。
  • 1.2倍増幅（上位10%の応力）： 約20 再利用サイクル。
  • 1.6倍増幅： 約3 再利用サイクル。
  • 2.0倍増幅： 約1 再利用サイクル。
• 示唆： 材料の再利用性は、平均的な使用量ではなく、荷重スペクトルの「上端（テール）」によって決定される。

4.4. 統合リプレイ

18個の検査ファイルを対象とした逐次リプレイにより、機能ブランチと材料ブランチが整合性を持って動作していることが示された。テストされたシナリオでは、$R_{func}$ と $R_{mat}$ は共に1.0（安全）を維持しており、材料ブランチは同値となった場合にのみ、支配的な制限要因として特定された。駆動モーター電流が主要な機能的リスク指標として残っていた。

5. 意義と主張

本論文は、測定された動作荷重を、単一のストリーミング・ワークフロー内で、将来の機能充足と構造的な残留疲労寿命の両方に結びつける、初の統合評価フレームワークを提供すると主張している。

• 意思決定パラダイムの転換： 本研究は、検査に基づく分類から、予測に基づく再配備への転換を支持するものである。回収された製品の適合性は、単なる現在の状態ではなく、その期待される将来の機能とコンポーネントの完全性に依存すると論じている。
• インスタンス固有性： 本フレームワークは、不均一な履歴を持つ個々の製品に対する意思決定を可能にし、集団レベルの仮定からの脱却を実現する。
• 限定的な事項： 著者らは、本フレームワークがワークフローの統合を実証している一方で、今回のケーススタディでは、テストされた荷重が疲労臨界領域を大きく下回っていたため、機能的劣化と材料疲労の間に強い物理的結合が見られなかったことを明記している。結果は主に、特定のデータセットにおける強力な物理的劣化の軌跡を示すものではなく、手法とワークフローの実現可能性を証明するものである。
• 今後の課題： 本論文は、堅牢な適用には、多様な実世界の回収製品を用いた検証、較正のためのよりイベント豊かな劣化データ、および改良された荷重・応力再構成手法が必要であると結論付けている。