38 人が閲覧(直近 30 日) AI

ファジィ理論(ファジー理論)とは?メンバーシップ関数と推論の計算例、洗濯機・地下鉄の実装

ファジィ理論(ファジー理論)とは?メンバーシップ関数と推論の計算例、洗濯機・地下鉄の実装

ファジィ理論(ファジー理論)とは、「やや汚れている」「少し速い」といった程度のある言葉を、0から1までの数値で表して計算に載せる数学です。1965年に米カリフォルニア大学バークレー校のロトフィ・ザデーが論文「Fuzzy Sets」(Information and Control 第8巻3号 338〜353頁)で定義しました。

この記事では、まずメンバーシップ関数の式と、室温と湿度から冷房の強さを決める推論を数値で1段ずつ追います。そのうえで、1990年発売の洗濯機「愛妻号Day ファジィ」の推論ルールは何個だったのか、1987年開業の仙台市地下鉄の「予見ファジィ制御」は何を改善したのかを、当時の学会誌と技術誌の記述で確かめます。最後に、ブームが去った後にこの技術がどこへ残ったのかを、規格・商用製品・オープンソースで確認します。

まとめ

  • ファジィ理論は、集合への所属を0か1かではなく0〜1の度合い(メンバーシップ値)で表す数学です。「いい加減」という意味ではなく、境界が段階的な集合を厳密に扱う枠組みです。
  • 部品は、曖昧さを数値化するファジィ集合とメンバーシップ関数、IF〜THEN形式のルールを合成するファジィ推論、結果を1つの数値へ戻す非ファジィ化。室温28℃・湿度70%の例では、4本のルールの適合度0.6・0.25・0.4・0.25から、重心法で冷房の強さ58.8%が出ます。
  • 洗濯機「愛妻号Day ファジィ」(NA-F50Y5・1990年2月1日発売)は入力2変数・ルール6個・MIN・MAX法という規模でした。仙台市地下鉄(1987年7月15日開業)の予見ファジィ制御は、日立評論1988年7月号に「世界で最初のものである」と記録されています。
  • 産業用制御向けの実装環境は現役です。国際規格IEC 61131-7が2000年8月10日発行の第1版のまま有効で、MathWorksのFuzzy Logic ToolboxはSimulink PLC Coderと組み合わせてPLC向けコードを出力できます。一方、PythonのScikit-Fuzzyは0.5.0(2024年8月22日・UTC)を最後に更新が止まっています。
  • 入力変数が多く、全組合せのルールを手動設計する対象では保守負担が増えます。ラベル3種で入力5個の全組合せは3の5乗=243通りです。

ファジィ理論とは|所属の度合いを0〜1で表す数学

「ファジィ(fuzzy)」という語の意味と、理論用語とのずれ

fuzzyは英語で「毛羽立った」「ぼやけた」を指す形容詞です。日本では1990年前後のファジィ家電ブームを通じて「ファジー」が流行語になり、「曖昧な」「いい加減な」という日常語として定着しました。ビジネスで「ファジーな指示」と言うときの用法がこれです。日本語表記はファジィ・ファジー・ファジイの3通りが混在しますが、指す理論は同じです。

理論用語としてのファジィは、いい加減の反対に近いものです。ザデーの1965年の論文は、ファジィ集合を「所属の度合いが連続体をなす対象の類」と定義し、各対象に0から1までの値を与えるメンバーシップ関数によって特徴づけられるとしました。曖昧さを放置するのではなく、曖昧さの量を測る道具です。

名前の似た別物が2つあります。心理学の「ファジートレイス理論(fuzzy-trace theory)」は、人の記憶と判断が要点(gist)と逐語(verbatim)の2種類の痕跡で働くとする説で、ファジィ集合の数学とは関係がありません。ソフトウェアテストの「ファジング(fuzzing)」も、異常な入力を大量に送って脆弱性を探す手法で、語源が同じだけの別技術です。

クリスプ集合との違い|28℃の境目で起きる不連続

従来の集合論では、ある要素xは集合Aに属する(1)か属さない(0)かのどちらかです。ファジィ集合と区別するときは、こちらをクリスプ集合(crisp=パリッとした)と呼びます。閾値を28℃に置けば、27.9℃は完全に暑くなく28.0℃は完全に暑い、という不連続が生まれます。ファジィ集合なら所属度を0〜1の実数で与えられ、「暑い」に対して25℃なら0.3、30℃なら0.8と連続的に変化させられます。ザデーの論文はこの定義のうえで包含・和・積・補・関係・凸性を拡張し、互いに素であることを要求せずに凸ファジィ集合の分離定理を証明しました。

確率との違い|情報が増えても0.3のままである理由

最も混同されやすいのが確率です。確率は「暑い状態である確率が0.3」=事象が起きるかどうかの不確かさを表し、所属度は「暑いという概念に0.3だけ当てはまる」=概念そのものの境界の曖昧さを表します。違いは情報が増えたときに出ます。「暑い」を一定温度以上と定義し、測定誤差なく現在の気温を知れる場合、その事象の確率は0か1になります。一方、所属度を25℃で0.3と定義した関数では、正確に測っても所属度は0.3のままです。曖昧なのは気温の情報量ではなく「暑い」という語の境界だからです。確率のような総和1の制約もなく、「暑い0.3」と「涼しい0.4」は同時に成り立ちます。

ファジィ理論とファジィ論理(ファジィロジック)の違い

ファジィ論理(ファジー論理・ファジィロジック)は、命題の真理値を真か偽かの2値ではなく0〜1の連続値として扱う論理体系を指します。ファジィ集合の所属度を命題の真理値として扱う場合、代表的な演算ではAND・OR・NOTにそれぞれMIN・MAX・1からの引き算を使います。ANDに積を使う方式などもあります。

ファジィ理論はこれを含むより広い枠組みで、ファジィ集合論・ファジィ論理・ファジィ推論・ファジィ制御をまとめた呼び方です。英語圏ではfuzzy logicが広義に使われ、日本語版Wikipediaの記事名も「ファジィ論理」。実務で厳密には区別されません。

1965年の論文から家電ブームまでの年表

理論の発表から日本での実用化までは20年以上かかっています。流れを年表にすると次のとおりです。

年 出来事
1965年 ザデーが論文「Fuzzy Sets」でファジィ集合を定義
1975年 マムダニとアシリアンが模型の蒸気機関をファジィ制御
1978年 デンマークのF.L.Smidth社がセメント工場の実機キルンで実験
1980年 同社がファジィ論理によるキルン自動制御システムを商用化
1985年 高木・菅野型の推論モデルを発表
1987年 仙台市地下鉄が開業(予見ファジィ制御)
1989年 国際ファジィ工学研究所(LIFE)が発足(1995年まで)
1990年 「愛妻号Day ファジィ」発売、「ファジィ」が流行語大賞の金賞
2000年 PLC向けファジィ制御言語の国際規格IEC 61131-7が発行

最初の産業応用は日本ではなくデンマークです。Jan Jantzen『Foundations of Fuzzy Control』(Wiley、2007年)の序文によれば、F.L.Smidth社はセメントキルンの運転員向け教科書にあった27個の手動操作ルールを手がかりに、1978年初めに自社のセメント工場で実機実験を行い、1980年にファジィ論理によるキルン自動制御の商用システムを発売しました。社内では「fuzzy」という奇妙な名前に懐疑的な声があったとも記されています。

日本のブームは官民で一気に広がりました。第21回ファジィシステムシンポジウム(2005年)のパネル討論記録「LIFEの残したもの」によると、国際ファジィ工学研究所(LIFE)は通産省(当時)が動いて参加企業48社の技術研究組合として発足し、1989年から1995年まで活動しました。翌1990年には「ファジィ」が第7回新語・流行語大賞の新語部門・金賞を受賞し、受賞者は松下電器産業の電化研究所所長でした。ザデー本人は2017年9月6日に亡くなっています。

ファジィ集合とメンバーシップ関数|曖昧さを数値にする部品

メンバーシップ関数の3つの形と式

メンバーシップ関数は、入力値を所属度へ変換する関数です。よく使われる形は次の3つで、式はMathWorksのFuzzy Logic Toolboxのリファレンスと同じ形に揃えています。

形 パラメータ 式
三角形 a(左の裾), b(頂点), c(右の裾)。a < b < c max(min((x-a)/(b-a), (c-x)/(c-b)), 0)
台形 a, d(裾), b, c(肩)。a < b ≤ c < d max(min((x-a)/(b-a), 1, (d-x)/(d-c)), 0)
ガウス型 c(中心), σ(幅、σ > 0) exp(-(x-c)² / (2σ²))

組み込み実装では三角形と台形が主流です。折れ線なので四則演算と大小比較だけで計算でき、マイコンの負荷が小さいためです。端のラベル(「とても暑い」など)は、台形の片側を開いた右上がり・右下がりの直線で書きます。ガウス型は微分できるので、後述のANFISのように学習でパラメータを調整する用途に向きます。

関数の形とパラメータの決め方は2通りあります。設計者が置く方法と、ANFISなどで入出力データから学習する方法です。1990年の愛妻号Day ファジィは前者で、開発報告は「ルールの作成およびパラメータのチューニングは、一般家庭でモニタしたデータおよび洗濯ソフト開発者のノウハウを基に行いました」と書いています。実測データを見ながら人が決めた、ということです。ファジィ推論でもデータから学習できるので、「人が決めるか、データが決めるか」はファジィと機械学習の境界ではなく、設計方法の違いです。

言語変数と修飾子|「非常に」「やや」の演算

ファジィ理論のもう1つの中核が言語変数です。変数の値として数値ではなく「短い」「長い」といった言葉をとらせ、その言葉それぞれにメンバーシップ関数を割り当てます。そのうえで「非常に」「やや」といった修飾子を演算として定義します。代表的な扱いは、非常に=所属度の2乗、やや=平方根。「暑い」の所属度が0.8なら「非常に暑い」は0.64、「やや暑い」は0.89です。愛妻号のルールにある「洗濯時間をとても長くする」が、まさにこの表現にあたります。

和集合・積集合・補集合の演算|MAX・MIN・1からの引き算

ザデーは1965年の論文で、ファジィ集合の基本演算を次のように与えました。集合演算が四則演算と大小比較だけで実装できます。

演算 通常の集合 ファジィ集合での定義 μA=0.3, μB=0.8 のとき
積(AND・共通部分) A∩B min(μA, μB) 0.3
和(OR・和集合) A∪B max(μA, μB) 0.8
補(NOT・補集合) Aの補 1 – μA 0.7

ANDにminを使う理由は、複数条件を同時に満たす度合いは最も弱い条件で決まるという考え方です。「暑く、かつ湿度が高い」の適合度は、暑いの度合いと高いの度合いのうち小さいほうになります。この一行が、次の章で計算する推論の中核です。

ファジィ推論とファジィ制御の流れ|ルールから操作量が決まるまで

ファジィ化、ルールの合成、非ファジィ化の3段

センサーの生値から制御量を出すまでは、次の順に進みます。第1段のファジィ化では、実測値をメンバーシップ関数に通して各ラベルへの所属度に変換します。28℃という数値が「暑い0.6/涼しい0.4」といった度合いの組になるわけです。第2段で、IF〜THEN形式のルールを一斉に評価します。前件部の適合度をMINで求め、その高さで後件部の集合を頭切りし、複数ルールの結果をMAXで重ね合わせます。第3段の非ファジィ化で、その分布を1つの実数に潰します。手法は重心法、最大値法(中央最大値法を含む)、面積等分法、後件部が実数値のときの重み付き平均など。実装で多いのは重心法と重み付き平均です。

マムダニ型を数値で追う|室温28℃・湿度70%の計算例

3段の流れを、冷房の強さ(0〜100%)を決める2入力・4ルールの例で計算します。ラベルの数値は説明のために本記事で置いたもので、特定の製品の設定ではありません。

  • 室温:「暑い」は22℃で0、32℃で1の右上がり。「涼しい」は1から暑いを引いたもの
  • 湿度:「高い」は40%で0、80%で1の右上がり。「低い」は1から高いを引いたもの
  • 出力:「弱」は0%で1・50%で0、「中」は25%・50%・75%の三角形、「強」は50%で0・100%で1

室温28℃・湿度70%を入れると、ファジィ化の結果は暑い0.6・涼しい0.4、高い0.75・低い0.25です。4本のルールの適合度は、前件部2つのMINで次のように決まります。

ルール 前件部 適合度 後件部
R1 暑い(0.6)かつ 高い(0.75) 0.6 強
R2 暑い(0.6)かつ 低い(0.25) 0.25 中
R3 涼しい(0.4)かつ 高い(0.75) 0.4 中
R4 涼しい(0.4)かつ 低い(0.25) 0.25 弱

同じ「中」を指すR2とR3はMAXで重なり、「中」は0.4の高さで頭切りされます。「強」は0.6、「弱」は0.25で切られ、この3つを重ねた山の重心が出力です。手で積分するのは面倒なので、0.01刻みで数値積分するコードにしました。外部ライブラリは使わず、Python 3の標準機能だけで動きます。

def up(x, a, b):
    """右上がりの直線(a 以下で 0、b 以上で 1)"""
    if x <= a:
        return 0.0
    if x >= b:
        return 1.0
    return (x - a) / (b - a)

def tri(x, a, b, c):
    """三角形(a で 0、b で 1、c で 0)"""
    if x <= a or x >= c:
        return 0.0
    return (x - a) / (b - a) if x <= b else (c - x) / (c - b)

# 入力のラベル(室温 ℃・湿度 %)
hot = lambda t: up(t, 22, 32)
cool = lambda t: 1 - up(t, 22, 32)
humid = lambda h: up(h, 40, 80)
dry = lambda h: 1 - up(h, 40, 80)

# 出力のラベル(冷房の強さ 0〜100%)
weak = lambda y: 1 - up(y, 0, 50)
mid = lambda y: tri(y, 25, 50, 75)
strong = lambda y: up(y, 50, 100)

RULES = [  # (室温, 湿度, 出力)
    (hot, humid, strong),
    (hot, dry, mid),
    (cool, humid, mid),
    (cool, dry, weak),
]

def mamdani(t, h, step=0.01):
    fire = [(min(a(t), b(h)), out) for a, b, out in RULES]  # 適合度は MIN
    num = den = 0.0
    n = int(100 / step)
    for i in range(n + 1):
        y = i * step
        mu = max(min(w, out(y)) for w, out in fire)  # 頭切りして MAX で重ねる
        num += y * mu
        den += mu
    return [round(w, 2) for w, _ in fire], num / den  # 重心

w, y = mamdani(28, 70)
print("適合度", w)
print("重心法 %.1f%%" % y)
const = [85, 50, 50, 20]  # 高木・菅野0次型にしたときの後件部
print("重み付き平均 %.1f%%" % (sum(a * c for a, c in zip(w, const)) / sum(w)))

実行結果は次のとおりです。

適合度 [0.6, 0.25, 0.4, 0.25]
重心法 58.8%
重み付き平均 59.0%

同じコードで24℃・45%を入れると31.2%、31℃・85%なら79.0%です。入力の変化に対して出力が段差なく動くのが、閾値の場合分けとの違いです。刻みを0.001にしても重心は58.78%で、0.01刻みで十分に収束しています。

マムダニ型と高木・菅野型の違い

推論方式は大きく2系統です。マムダニ型は、E. H. Mamdani と S. Assilian が1975年の論文(International Journal of Man-Machine Studies 第7巻1号 1〜13頁)で、模型の蒸気機関を人の口述ルールで制御して示した方式。前の計算例のように後件部もファジィ集合なので、ルールを読めば意味が分かります。反面、重心を出すには出力の範囲全体を積分する必要があり、計算が重くなります。

高木・菅野型は、高木友博と菅野道夫が1985年の論文(IEEE Transactions on Systems, Man, and Cybernetics 第SMC-15巻1号 116〜132頁)で提示した方式です。原論文は、前件部が入力のファジィ部分空間を表し、後件部はその空間での線形な入出力関係であるとしています(後に、定数だけを置く0次型を含めて整理されました)。出力は適合度による重み付き平均で済みます。前の例の後件部を弱20%・中50%・強85%の定数に置き換えると、(0.6×85+0.25×50+0.4×50+0.25×20)÷1.5=59.0%。積分なしで、重心法の58.8%とほぼ同じ値に着地します。

愛妻号が採った「後件部実数値の簡略化ファジィ推論」は、出力の計算式としてはこの0次型と同じものです(開発報告が引く参考文献に高木・菅野論文は無いため、系譜としての同一視はできません)。採用理由も明記されています。「推論演算の簡単化、メモリーの小容量化ができパラメータチューニングが容易であるという利点から」。1990年の家電マイコンに載る容量が、方式選択をそのまま決めていたわけです。

洗濯機「愛妻号Day ファジィ」の実装|2入力・6ルール

「愛妻号Day ファジィ」は、開発担当者による製品紹介で推論の構成を確認できる事例です。日本ファジィ学会誌 第2巻3号(1990年8月)に、松下電器産業の近藤信二(電化研究所)・木内光幸(洗濯機事業部)による製品紹介が収録されています。以下はその記述に基づきます。

項目 内容
型番・価格 NA-F50Y5・83,000円
発売日 1990年(平成2年)2月1日
検出量 洗濯水の光の透過度
入力変数 2つ(定常状態になるまでの時間T、そのときの出力レベルV)
出力 その後の洗濯時間t
ルール数 6個
推論方法 MIN・MAX法/後件部実数値の簡略化ファジィ推論

センサーは、排水弁の近傍に配水管をはさんで発光ダイオードとフォトトランジスタを対面させ、光の強度を電圧に変換して洗濯水の透過度を読み取ります。この1本の電圧波形から2つの情報を取り出しているのが要点です。洗濯を始めると汚れが溶け出して濁度が上がり電圧が下がりますが、その低下速度は泥汚れなら速く脂汚れなら遅い=汚れの質を示します。電圧は濁度の飽和とともに定常状態になり、そのレベルは汚れの量が多いほど低くなります。速度が質を、レベルが量を教える構造です。

ルールの例として報告に挙がっているのは「飽和時間が長く、かつ透過度が低ければ洗濯時間をとても長くする」という形です(報告本文は入力Tを「定常状態になるまでの時間」と呼び、ルール例では「飽和時間」と表現)。外乱への対処もあります。給水前に布量センサーで衣類の量を検出して水位を決めるため、衣類量が推論の外乱になりません。粉末洗剤と液体洗剤で透過度への影響が違う点は、入力変数のスケーリングファクタの補正で吸収しています。

この構成をコードにすると規模感がつかめます。次は報告の入力2変数・ルール6個・MIN合成・後件部実数値という骨格を再現したものです。メンバーシップ関数の数値と洗濯時間の値は報告に記載がないため、本記事で仮に置いています。この例ではTが270秒以上になると全ルールの適合度が0になり、wash_timeはNoneを返します。製品に使うには入力範囲全体の被覆と未発火時の処理が必要です。

def tri(x, a, b, c):
    """三角形メンバーシップ関数(a で 0、b で 1、c で 0)"""
    if x <= a or x >= c:
        return 0.0
    return (x - a) / (b - a) if x <= b else (c - x) / (c - b)

# 前件部のラベル。T = 濁度が定常になるまでの時間(秒)、V = そのときの透過度(%)
T_short = lambda t: tri(t, -60, 0, 120)
T_long = lambda t: tri(t, 30, 150, 270)
V_low = lambda v: tri(v, -20, 10, 45)
V_mid = lambda v: tri(v, 15, 45, 75)
V_high = lambda v: tri(v, 45, 80, 120)

# 6個のルール。後件部は集合ではなく実数値(洗濯時間・分)=簡略化ファジィ推論
RULES = [
    (T_long, V_low, 18.0),   # 飽和が遅く透過度が低い = とても長く
    (T_long, V_mid, 13.0),
    (T_long, V_high, 9.0),
    (T_short, V_low, 11.0),
    (T_short, V_mid, 8.0),
    (T_short, V_high, 5.0),  # 早く飽和し透過度が高い = 短く
]

def wash_time(t, v):
    w = [(min(ft(t), fv(v)), y) for ft, fv, y in RULES]  # 前件部は MIN で合成
    s = sum(x for x, _ in w)
    return None if s == 0 else sum(x * y for x, y in w) / s  # 重み付き平均で確定値へ

for t, v in [(200, 20), (150, 45), (60, 55), (20, 90)]:
    print("T=%3ds V=%2d%% -> %5.2f 分" % (t, v, wash_time(t, v)))

実行結果は次のとおりです。

T=200s V=20% -> 16.89 分
T=150s V=45% -> 13.00 分
T= 60s V=55% ->  8.50 分
T= 20s V=90% ->  5.00 分

飽和が遅く透過度も低い(T=200秒・V=20%)ときは16.89分、早く飽和して水が澄んでいる(T=20秒・V=90%)ときは5.00分。2つのラベルにまたがる入力では、発火した複数ルールの洗濯時間が適合度で按分されるので、中間の値が出ます。入力範囲全体で単調に変化するかは、パラメータを決めたあとに別途確かめる必要があります。

「ファジー家電はマーケティング用語にすぎなかった」という総括は、少なくともこの製品には当たりません。推論方法まで学会誌に書かれています。同時に、入力2変数・ルール6個という規模は今日の基準では極めて小さいものです。この製品の勘所は理論の規模ではなく、電圧波形を「汚れの質」と「汚れの量」という人が理解できる2軸へ翻訳した設計のほうにあります。

仙台市地下鉄の予見ファジィ制御|日立による世界初の記録

もう1つの代表例が鉄道です。日立評論 1988年7月号「仙台市地下鉄の鉄道トータルシステム」は、昭和62年(1987年)7月15日に開業した地下鉄について日立製作所が納入したシステムを解説し、執筆時点の状況として路線長13.59km・16駅・19編成で1日約20万人の利用客があると記しています。そして冒頭の要旨にこうあります。「予見ファジィ制御と光ビームによる対列車画像伝送は世界で最初のものである」。

予見ファジィ制御が何であるかも、同記事が定義しています。「IF〜THEN〜形式で表現されたAI(知識工学)ルールと、人間の熟練性を置き換えたシミュレーション手法と、複数の評価項目を0〜1の満足度で表現し、それらの合成から解を得るファジィ理論とを組み合わせた新しい制御手法である」。つまり純粋なファジィ制御ではなく、先読みのシミュレーションで操作の結果を予測し、それを複数の評価軸で0〜1に採点して合成し、最良の指令を選ぶ構造です。

改善されたと書かれている車両性能は3つです。乗り心地、停止精度、省エネルギー性。列車自動運転機能はATC(自動列車制御装置)のバックアップのもとに駅出発から次駅停止までを制御しており、安全の担保はATCが持ち、ファジィは快適性と精度を担当します。ただし同号に「何秒短縮した」「停止精度が何cmになった」といった定量値は載っていません。改善されたという記述までが一次資料から取れる範囲です。

ファジィ理論とAI・機械学習の違い

ここでは、人がルールを設計するファジィ制御と、データからモデルを学習する方法を比較します。ファジィ推論にも学習型があるため、表の左列は手動設計の場合に限ります。

観点 ファジィ理論 機械学習・深層学習
知識の出所 人が書くIF〜THENルール データからの学習
必要データ量 知見で補えるが検証用データは必要 手法・対象による
出力の説明 発火したルールを追える モデルによる。決定木では分岐を追える
更新方法 ルールとパラメータを人が書き換える 再学習
得意な対象 数式モデルが立たず熟練者がいる制御 大量データがあるパターン認識

系譜としては、ファジィ理論は知識をルールで書き下す第2次AIブームの流れに属し、AI・機械学習・深層学習の関係で言えば深層学習とは別の枝です。深層学習がモデルをデータから学習するのに対し、手動設計のファジィ推論では人が規則を与えます。ただし、ファジィ推論の規則をデータから学習する手法もあります。AIという言葉の範囲そのものは、人工知能の定義と歴史の解説で整理しています。

両者は排他ではありません。ANFIS(適応ニューロファジィ推論システム)は、ファジィ推論の構造を保ったままメンバーシップ関数のパラメータをニューラルネットの学習で調整します。ルールの読みやすさを残しつつ、チューニングをデータに任せる折衷案です。関連する用語はAI用語集にまとめています。

ファジィ理論の現在|規格・商用ツール・公開ライブラリ

規格・商用製品・公開ライブラリの3つで、いま使える実装環境を確認します。どれも提供状況であって導入件数の統計ではない点は、先に断っておきます。

1つ目は国際規格です。IEC 61131-7「Programmable controllers – Part 7: Fuzzy control programming」が2000年8月10日に第1版(Edition 1.0)として発行され、PLC(プログラマブルコントローラ)向けのファジィ制御言語を定義しています。第2版は出ておらず、状態はValid(有効)のまま。欧州規格版SS-EN 61131-7も2001年9月28日承認で、スウェーデン規格協会(SIS)の製品ページに現在もValidと表示されます。

2つ目は商用製品です。MathWorksのFuzzy Logic Toolboxは現行製品で、マムダニ型・高木・菅野型の実装、区間タイプ2ファジィ推論、ANFISを備えます。注目したいのは出力形式です。製品ページは、スタンドアロン実行ファイル、MATLAB CoderまたはSimulink Coderを使ったC/C++コード、そしてSimulink PLC Coderを使ったIEC 61131-3 Structured Textを生成できると記しています。Structured Textには別製品のSimulink PLC Coderが要りますが、裏を返せば出口としてPLCが正式に用意されているということです。

3つ目はオープンソースです。PythonのファジィロジックライブラリであるScikit-Fuzzyは、PyPI上の最新版が0.5.0(2024年8月22日・UTC)のままです。1つ前の0.4.2は2019年11月14日で、約4年9か月の空白を挟んだ1リリースでした。リポジトリはアーカイブされていないものの、既定ブランチの最終コミットは2024年8月25日で、2026年10月17日時点で以降の更新がありません。

3つを並べると、「ファジー制御は現在も使われていますか」という問いへの答えが割れる理由が分かります。産業制御の側では、規格がValidのまま維持され、商用ツールがPLC向けコードの出力まで用意しています。実装の出口は現役です。Pythonの公開ライブラリの側は、2024年8月から更新が止まっています。どちらの世界を指しているかを決めないと、この問いには答えられません。

ファジィ制御の使いどころと向かない場面

ファジィ制御とPID制御の使い分け

PID制御は、目標値との偏差の比例・積分・微分を線形に足し合わせて操作量を作るフィードバック制御の代表で、対象の数式モデルが立つなら応答特性を設計指標から詰められます。ファジィ制御は逆に、モデルが立たない対象に対して熟練者の操作をIF〜THENで写し取ります。

日立製作所は前掲の日立評論1988年7月号で両者をこう比較しています。「長年にわたり改良発展してきた従来のPID(比例・積分・微分)制御手法に比べても飛躍的に柔軟性の高い良好な制御結果が期待できる」。ただしこれは自社技術を紹介する当事者の1988年時点の評価で、同条件で比較した実験値ではありません。本記事の見解としては、モデル化できる部分をPIDが持ち、人の判断が要る部分をファジィが持つ分担が現実的です。

ファジィ制御の採用を慎重に判断する4条件

第1に、入力変数が多い対象です。各入力のラベルの全組合せにルールを設ける設計では、ルール数は入力の個数に対して指数的に増えます。各入力に3種のラベルを置くなら入力2個で9通り、3個で27通り、5個なら3の5乗=243通りを人が書き、整合を保って保守しなければなりません。計算例の2入力×2ラベル=4本、愛妻号の6本が人の手で書ける規模です。入力が増えるなら、ルールの削減や階層化を先に設計し、それでも保守できないなら他方式と比べるべきです。

第2に、安定性や整定時間を保証したい対象。PIDや現代制御には極配置や周波数応答から設計指標を詰める道具がありますが、IF〜THENルールの集合からそうした保証は直接出てきません。安全に関わるループをファジィ単独で組むのは筋が悪く、仙台市地下鉄がATCのバックアップ下に予見ファジィ制御を置いた構成は妥当です。

第3に、十分な学習データがある対象。メンバーシップ関数とルールの根拠は最終的に設計者の主観なので、入出力の実測が大量にあるなら、学習による推定も候補に入れ、未使用の評価データで精度を比較します。第4に、設計者が入れ替わる長期運用です。なぜメンバーシップ関数の頂点をその位置に置いたのかはルール表から読み取れず、設計意図が文書に残らないまま担当が代わると誰も触れないブラックボックスになります。

逆に、数式モデルが立たない・熟練者の操作知識か口述ルールがある・入力が2〜3個に収まる・出力の根拠を後から説明する必要がある、が揃うならファジィ制御は今でも有力です。愛妻号の報告では入力2変数と開発者のノウハウの利用を確認できます。仙台市地下鉄は先読みのシミュレーションも使っており、両事例がこの4条件をすべて満たすとは断定できません。センサー値から機器の動作を決める組み込み制御を設計する場面では、ルールで書くか学習させるかの判断も含めてAI/IoTソリューションの開発支援で相談を受けています。

よくある質問

ファジー理論とは簡単に言うと何ですか?

「暑い」「汚れている」のように境界がはっきりしない概念について、当てはまる度合いを0から1までの数値で表し、その数値で計算する数学です。0か1かの二択しかない従来の集合論(クリスプ集合)を拡張したもので、1965年にロトフィ・ザデーが定義しました。

「ファジー」とはどういう意味ですか?

英語のfuzzyは「毛羽立った」「ぼやけた」を指す形容詞です。日本では1990年前後のファジィ家電ブームから「曖昧な」という日常語として広まり、ビジネスでも「ファジーな指示」のように使われます。ただし理論用語としてのファジィは「いい加減」ではなく、曖昧さを度合いとして厳密に扱う枠組みを指します。

メンバーシップ関数とは何ですか?

ある値がファジィ集合にどれだけ当てはまるかを、0から1までの所属度に変換する関数です。「暑い」という集合に対して25℃を0.3、30℃を0.8に対応させる、といった具合。形状は三角形・台形・ガウス型が使われ、三角形と台形は四則演算と大小比較で計算できます。形状やパラメータは設計者が設定するほか、データを使って調整することもできます。

家電の「ファジー機能」とは何ですか?

センサーの値を閾値で場合分けするのではなく、ファジィ推論で連続的に運転条件を決める機能を指します。洗濯機「愛妻号Day ファジィ」(NA-F50Y5)は、洗濯水の透過度が定常になるまでの時間とそのときのレベルという2入力から、6個のルールで洗濯時間を決めていました。当時はエアコン、炊飯器、カメラのオートフォーカスなどにも同種の制御が広がりましたが、製品ごとに入力もルールも異なるため、名称だけでは中身は特定できません。

ファジー制御の欠点は何ですか?

全組合せを列挙する設計では入力の増加に伴ってルール数が指数的に増える点(ラベル3種・入力5個で243通り)、ルールの集合から安定性や整定時間の保証を直接導けない点、メンバーシップ関数の置き方が設計者の判断に依存し、担当が代わると根拠が追えなくなる点の3つが大きな欠点です。入力が2〜3個に収まり、熟練者の操作知識がある対象では、これらの欠点は表に出にくくなります。

ファジー制御は現在も使われていますか?

産業用制御向けには、今も規格と商用ツールが提供されています。PLC向けのファジィ制御プログラミングを定めたIEC 61131-7は2000年8月10日発行の第1版のまま有効で、MathWorksのFuzzy Logic Toolboxも現行製品です。PythonのScikit-Fuzzyの最新公開版は0.5.0(2024年8月22日・UTC)です。ただし、単一ライブラリのリリース状況だけでは、データ分析分野全体の普及度は判断できません。

ファジー理論とAIの関係は?

ファジィ理論は、知識を人がルールとして書き下す系譜のAI技術です。人が規則を設計する場合は、データが少なくても熟練者の知見で動かせ、出力の根拠を発火したルールから説明できます。一方で、ANFISのようにファジィ推論の構造を保ったまま規則やパラメータをデータから学習する手法もあり、機械学習と排他的な関係ではありません。

関連記事

お気に入りに入れた記事の一覧

一創の公式 SNS

X では毎朝の新着記事と IT ニュースの速報を、YouTube・TikTok・Instagram・LinkedIn・Facebook では記事の解説動画を配信しています。

資料請求

今日のトレンド記事 直近 24 時間で、いつもより多く読まれている記事

  1. 2026.11.13 テックブログ 宝くじ公式サイト不正アクセス:4,436名の対象確認とパスワード再設定、変更された仕組み
  2. 2026.11.14 テックブログ Gitの脆弱性6件:CVE-2026-111760の再帰クローン対策と2.56.1への更新手順
  3. 2026.11.14 テックブログ ImageMagickの脆弱性VU#580079:policy.xmlの許可リスト設定と影響判定の手順
  4. 2025.04.09 コラム ダブルバーレル質問(二重質問)とは?例文と直し方、多重質問・誘導質問との違い
  5. 2026.11.13 テックブログ KARTEの不正アクセス:メールアドレス79,249件と連携認証情報の漏えい、利用企業の対応手順【11月16日時点】

RELATED POSTS 関連記事

目次