古典的な手法でありながら、依然としてその有用性が認められ使われている故障モード影響解析（Failure Mode and Effects Analysis）は、製品や工程で発生しうる潜在的な故障（Failure）を事前に予測し、その故障が及ぼす影響（Effects）を分析してリスクを減らすことで、コスト（Cost）と時間（Time）を節約できる体系的な方法論です。
この特徴から、自動車業界でも各社が独自の手法で活用してきましたが、自動車産業が特定の地域に局限されるのではなく、国際化（Global）へと進むにつれて、国際標準（Global Standard）の必要性が台頭しました。これを受け、米国自動車産業協会（AIAG）とドイツ自動車工業会（VDA）が互いのFMEA分析手法を統合し、2019年に「AIAG-VDA FMEA」として発表しました。
<AIAG-VDA FMEAとは？>
<AIAG-VDA FMEAの公式ハンドブック>
本日は、当社VWAYのAIAG-VDA FMEAとAI技術を活用し、従来の分析の脆弱性をどのように補完しユーザーを支援するのか、そして分析ツールが進むべき未来の方向性についてご紹介します。
1. FMEAの難題：分析実行者の主観（Subjectivity）によるデータ信頼性の低下 AIAG-VDA FMEAの7段階プロセスのうち第5段階である「リスク分析（Risk Analysis）」は、先に導出された故障ネットワークをもとに、深刻度（Severity）、発生度（Occurrence）、検出度（Detection）を評価し、これを通じて措置優先順位（AP、Action Priority）を決定する核心プロセスです。 しかし、このプロセスは評価者の主観が最も多く介入する段階でもあります。同一の故障モードであっても、評価に参加するエンジニアの傾向や経験、あるいはその日のコンディションによって、同じ項目に対してある人は7点を、ある人は5点を付与するなど点数のばらつきが発生します。このような評価基準の不一致（Inconsistency）は、結果的にAP結果の信頼度を低下させ、組織全体のリスク管理基準を曖昧にする原因となります。
<同一の故障に対して、評価者ごとに異なる主観的基準を持って評価する>
2. 核心対応策：AI判断に基づく客観的なSOD等級の提案と根拠提示ロードマップ VisualProでは今後実装するAI機能の一つとして、このような主観性の問題を解決するために、作成された故障情報をAIが自然言語処理（NLP）技術で分析し、最適なSOD等級を推奨し、その判断根拠（Rationale）を提示する機能を提供しようとしています。以下は実装予定の機能の例です。
文脈に基づく深刻度（Severity）の判断： AIは「故障影響（Failure Effect）」に記述されたテキストのニュアンスを分析します。例えば、「運転者の生命に対する脅威」や「規制違反」といった致命的なキーワードが検出された場合、AIAG-VDA基準に従って9〜10点の深刻度を提案し、単なる「外観の損傷」や「ノイズ発生」の場合は低い等級を提案することで、評価の一貫性を確保します。
予防/検出措置と連携した発生度（O）および検出度（D）の提案： エンジニアが入力した「現在の予防措置（Prevention Control）」と「検出措置（Detection Control）」のレベルに応じて、入力された措置事項が技術的にどれほど成熟した方法であるか（例：目視検査 vs 自動化センサー検査）を判断し、ハンドブックの基準に合致する等級を提案します。
判断根拠（Rationale）の提示を通じた意思決定支援： 単に点数を投げるのではなく、「なぜこの点数を提案したのか」に対する根拠をハンドブックの基準とマッピングして提示します。エンジニアはAIの提案を参考にして最終決定を下すだけでよいため、評価時間を画期的に短縮し、根拠のあるデータを残すことができ、資産としてデータが蓄積されていきます。
<文脈に基づくS、O、D判断後の提案>
3. セキュリティの脅威に対する懸念がないAI環境の構築：On-Premise & Frontier Models VWAYでは、お客様のデータセキュリティポリシーとニーズに合わせて、2つのAI連携方式をサポートしています。
Frontier Model連携： 最新の高性能AIモデル（GPT-5、Claudeなど）とのAPI連携により、最高のパフォーマンスを提供します。
内部閉域網（On-Premise）構築： データ流出に敏感な分野（国防、自動車、航空など）のお客様向けに、お客様の内部サーバーにセキュリティが強化されたsLLM（Smaller Large Language Model、小規模言語モデル）を構築し、外部とのデータ交換なしにローカル（Local）で安全にAI機能をサポートします。
4. 結論：安全分析の未来、VisualProとともに STPA、FMEA、FTA、TARAなど多様な安全分析手法をサポートするVisualProは、もはや単なる「ツール」を超え、エンジニア（Engineer）の「インテリジェント・パートナー」へと進化しています。 反復的で複雑な作業はAIの支援を受けて時間と手順を節約し、それにより確保された時間で、エンジニアはより重要な業務である安全設計と検証に集中してください。VWAYがお客様のデータ環境に最適化された、最も便利で安全なAI分析環境を構築いたします。
<TUV-SGS認証「ISO26262機能安全分析支援のためのソフトウェア VisualPro」>
古典的な手法でありながら、依然としてその有用性が認められ使われている故障モード影響解析（Failure Mode and Effects Analysis）は、製品や工程で発生しうる潜在的な故障（Failure）を事前に予測し、その故障が及ぼす影響（Effects）を分析してリスクを減らすことで、コスト（Cost）と時間（Time）を節約できる体系的な方法論です。
この特徴から、自動車業界でも各社が独自の手法で活用してきましたが、自動車産業が特定の地域に局限されるのではなく、国際化（Global）へと進むにつれて、国際標準（Global Standard）の必要性が台頭しました。これを受け、米国自動車産業協会（AIAG）とドイツ自動車工業会（VDA）が互いのFMEA分析手法を統合し、2019年に「AIAG-VDA FMEA」として発表しました。
<AIAG-VDA FMEAとは？>
<AIAG-VDA FMEAの公式ハンドブック>
本日は、当社VWAYのAIAG-VDA FMEAとAI技術を活用し、従来の分析の脆弱性をどのように補完しユーザーを支援するのか、そして分析ツールが進むべき未来の方向性についてご紹介します。
1. FMEAの難題：分析実行者の主観（Subjectivity）によるデータ信頼性の低下 AIAG-VDA FMEAの7段階プロセスのうち第5段階である「リスク分析（Risk Analysis）」は、先に導出された故障ネットワークをもとに、深刻度（Severity）、発生度（Occurrence）、検出度（Detection）を評価し、これを通じて措置優先順位（AP、Action Priority）を決定する核心プロセスです。 しかし、このプロセスは評価者の主観が最も多く介入する段階でもあります。同一の故障モードであっても、評価に参加するエンジニアの傾向や経験、あるいはその日のコンディションによって、同じ項目に対してある人は7点を、ある人は5点を付与するなど点数のばらつきが発生します。このような評価基準の不一致（Inconsistency）は、結果的にAP結果の信頼度を低下させ、組織全体のリスク管理基準を曖昧にする原因となります。
<同一の故障に対して、評価者ごとに異なる主観的基準を持って評価する>
2. 核心対応策：AI判断に基づく客観的なSOD等級の提案と根拠提示ロードマップ VisualProでは今後実装するAI機能の一つとして、このような主観性の問題を解決するために、作成された故障情報をAIが自然言語処理（NLP）技術で分析し、最適なSOD等級を推奨し、その判断根拠（Rationale）を提示する機能を提供しようとしています。以下は実装予定の機能の例です。
文脈に基づく深刻度（Severity）の判断： AIは「故障影響（Failure Effect）」に記述されたテキストのニュアンスを分析します。例えば、「運転者の生命に対する脅威」や「規制違反」といった致命的なキーワードが検出された場合、AIAG-VDA基準に従って9〜10点の深刻度を提案し、単なる「外観の損傷」や「ノイズ発生」の場合は低い等級を提案することで、評価の一貫性を確保します。
予防/検出措置と連携した発生度（O）および検出度（D）の提案： エンジニアが入力した「現在の予防措置（Prevention Control）」と「検出措置（Detection Control）」のレベルに応じて、入力された措置事項が技術的にどれほど成熟した方法であるか（例：目視検査 vs 自動化センサー検査）を判断し、ハンドブックの基準に合致する等級を提案します。
判断根拠（Rationale）の提示を通じた意思決定支援： 単に点数を投げるのではなく、「なぜこの点数を提案したのか」に対する根拠をハンドブックの基準とマッピングして提示します。エンジニアはAIの提案を参考にして最終決定を下すだけでよいため、評価時間を画期的に短縮し、根拠のあるデータを残すことができ、資産としてデータが蓄積されていきます。
<文脈に基づくS、O、D判断後の提案>
3. セキュリティの脅威に対する懸念がないAI環境の構築：On-Premise & Frontier Models VWAYでは、お客様のデータセキュリティポリシーとニーズに合わせて、2つのAI連携方式をサポートしています。
Frontier Model連携： 最新の高性能AIモデル（GPT-5、Claudeなど）とのAPI連携により、最高のパフォーマンスを提供します。
内部閉域網（On-Premise）構築： データ流出に敏感な分野（国防、自動車、航空など）のお客様向けに、お客様の内部サーバーにセキュリティが強化されたsLLM（Smaller Large Language Model、小規模言語モデル）を構築し、外部とのデータ交換なしにローカル（Local）で安全にAI機能をサポートします。
4. 結論：安全分析の未来、VisualProとともに STPA、FMEA、FTA、TARAなど多様な安全分析手法をサポートするVisualProは、もはや単なる「ツール」を超え、エンジニア（Engineer）の「インテリジェント・パートナー」へと進化しています。 反復的で複雑な作業はAIの支援を受けて時間と手順を節約し、それにより確保された時間で、エンジニアはより重要な業務である安全設計と検証に集中してください。VWAYがお客様のデータ環境に最適化された、最も便利で安全なAI分析環境を構築いたします。
<TUV-SGS認証「ISO26262機能安全分析支援のためのソフトウェア VisualPro」>