1 ルールベース診断の概要
1.1 診断手法としての定義
ルールベース診断は、あらかじめ定義された条件規則（ルール）に基づいて事象や状態を判定し、原因候補や対応方針を提示する診断手法である。入力として与えられた観測情報を、ルールの条件部と照合し、成立した規則に沿って結論を組み立てる点が中核となる。機械学習のようにモデルを学習してパラメータを自動調整するのではなく、知識を明示的な規則として記述し、その適用手順によって推論を行う。
診断の品質は、ルールの妥当性だけでなく、入力処理の設計、推論の制御（競合、停止など）、出力の表現形式にも影響される。したがって実装では「知識の記述」と「推論・運用の仕組み」をセットで設計することが求められる。
1.2 対象となる課題領域
ルールベース診断は、専門知識が比較的安定しており、状態の判定規則として表現しやすい領域で有効になりやすい。たとえば医療のトリアージ補助、機器保守の異常検知後診断、品質管理における不適合原因の推定、業務手順逸脱の検出などが代表例として挙げられる。
また、データが不足しやすい場面や、説明責任が強く求められる場面でも採用されることがある。人の判断に近い形で「この条件が成立したためこの結論に至る」といった因果の筋道を示しやすいためである。
ただし、対象領域の状態空間が複雑で境界が曖昧な場合、ルール量が増大したり、条件の整合が崩れたりする。適用範囲は、知識化のコストと運用上の維持可能性を踏まえて検討される。
1.3 他手法との位置づけ
ルールベース診断は、知識工学に基づくアプローチとして位置づけられる。統計・機械学習に代表されるデータ駆動型の手法は、観測データから規則性を学習する。一方でルールベース診断は、学習ではなく人が定義した判断基準を適用する。
両者は排他的ではなく、ハイブリッド化されることも多い。たとえば機械学習で候補を絞り込み、その後の最終判断をルールで補強する、あるいはルールで得たラベルや特徴を学習データとして再利用するなどの形がある。説明可能性や運用の制御を重視する場面ではルールが強みになり、精度の上限をデータで押し上げる必要がある場面では学習手法が優位になりやすい。
2 ルール設計の基本
2.1 ルールの形式
2.1.1 IF〜THENルール
ルールベース診断の最も基本的な表現は、IF〜THEN形式である。条件部（IF）に観測値や状態の成立条件を記し、結論部（THEN）に診断結果（原因候補や推奨アクションなど）を関連づける。たとえば「ある指標が閾値を超え、同時に別の指標が特定範囲にある」といった複合条件を一つの規則としてまとめられる。
この形式は、実装上も自然である。条件判定の結果（真偽）に応じて結論を生成するため、推論エンジンは規則の集合を走査し、成立したものを抽出して出力へ反映する。さらに、結論側にスコアや信頼度、確率的解釈を付与することで、複数成立時の扱いを調整する設計も可能である。
2.1.2 条件判定と優先順位
現実の診断では複数のルールが同時に成立しうる。そこで条件判定に加え、優先順位や重みづけの規約が必要となる。優先順位は、ルールの重要度、信頼性、または安全性を反映するために用いられることが多い。高優先のルールが成立した場合は、他の結論より優先して採用する、あるいは上書きするなどの運用ルールを定める。
優先順位には段階的な考え方があり得る。たとえば「致命的な兆候」を検出するルールを最上位に置き、次に「典型原因」を示すルール、最後に「追加確認が必要」なルールを配置する、といった整理である。これにより、出力の一貫性が高まり、説明も整理しやすくなる。
また、条件の評価順（評価の早期終了）と優先順位の関係も設計対象である。条件評価を効率化するために順序を設定する場合、優先順位の意図と矛盾しないことを確認する必要がある。
2.2 入力データと前処理
2.2.1 欠損値・ノイズへの対処
入力情報には、欠損、測定誤差、突発的な外れ値などが含まれる場合がある。欠損値はルール条件の判定不能を引き起こすため、扱い方を明確にする必要がある。代表的には「欠損なら条件不成立とみなす」「欠損に応じた別ルールを用意する」「推定値で補完して判定する」といった方針がある。
ノイズへの対処としては、平滑化、移動平均、外れ値除去、閾値に設けるヒステリシス（境界の揺れを抑える仕組み）などが用いられる。診断の目的が安全確保や誤アラーム抑制の場合には、ノイズが原因で誤ってルールが成立しないよう調整が重要になる。
2.2.2 正規化と特徴抽出
ルールの条件はしばしば前処理後の特徴量に基づいて記述される。単位が異なる入力を統一する正規化、スケールの違いを吸収する変換、時系列での集約（平均値、最大値、変化率）などが含まれる。これにより条件式が安定し、同一ルールを複数ケースで適用しやすくなる。
特徴抽出は、診断に直結する形へ情報を再構成する作業でもある。たとえば「短時間の急変」を見るなら変化率や差分を特徴として作る、「長期傾向」を見るなら期間集約を特徴にする。ルールの数を増やし過ぎないためにも、特徴量設計の段階で表現力を調整することが望ましい。
2.3 出力（診断結果）の設計
2.3.1 原因候補の提示形式
出力は、単一のラベルに固定する必要はない。原因候補を複数提示し、それぞれの適合度や優先度を添える設計が多い。たとえば成立したルールに対応する候補を列挙し、優先順位に基づいて並べ替える、または信頼度指標を集計して表示する、といった手法がある。
重要なのは、ユーザーが「どれを信じるべきか」を判断できる形で情報を渡すことである。単なる列挙ではなく、根拠となる条件要素（どの観測が成立したか）を併記することで、次の行動につながりやすくなる。
2.3.2 推奨アクションの定義
推奨アクションは診断結果に対する具体的な次手を指す。アクションは「確認」「監視」「停止・隔離」「保守作業」などのように段階的に設計されることが多い。安全性やコストに応じて段階の重みづけが求められる場合もあるため、ルールとアクションの対応関係を明確にする必要がある。
また、アクションには前提条件が存在し得る。たとえば「追加データが得られたら再評価する」「特定手順が実施できる環境でのみ適用する」といった制約を明記すると、誤用を減らせる。診断は意思決定支援であるため、出力には運用上の限界も含めるのが望ましい。
3 推論（ルール適用）の仕組み
3.1 前向き推論
前向き推論は、入力情報から出発し、ルールを順に適用して結論へ近づく方式である。一般に「条件が成立するか」を評価し、成立したものの結論を作業記憶に反映する。その後、新たに得られた情報によって他のルール条件が成立し得る場合、再度適用を繰り返す。
この方式の利点は、実装の直感性が高い点にある。入力が与えられた時点で成立状況が分かるため、監査ログや説明の生成に向く。計算量が増える場合があるため、ルール評価順、インデックス化、不要な再評価の回避といった最適化が検討される。
3.2 後向き推論
後向き推論は、まず目標（最終的に必要な結論）を置き、それが成り立つための条件を満たすかどうかを逆算する方式である。たとえば「原因候補Xを確定したい」場合、Xに対応するルールが成立するために必要な前提条件を特定し、その条件が入力情報または中間推論で得られるかを調べる。
後向き推論は、目標が少数で、そこに至る経路が深くても探索を絞れる場合に効率的になり得る。逆に、目標が広範で探索空間が大きい場合は、必要な条件を満たすための照会や推論が増え、計算負荷が上がることがある。
3.3 ルール解決の戦略
3.3.1 競合ルールの扱い
競合は、複数のルールが同一の時点で成立し、出力が矛盾する、あるいは優先度が拮抗する状況を指す。代表的な解決戦略として、優先順位に基づく上書き、同順位時の併用、スコア集計による選別、ガード条件を追加して競合自体を回避する方法がある。
上書き方式は結果を単純にできる一方、重要な補足情報が失われる可能性がある。併用方式は包括性を確保しやすいが、ユーザーが解釈すべき情報量が増える。スコア集計は中間的であり、根拠の強さを数値で表せる設計に適している。どの戦略を選ぶかは、意思決定の性質（安全重視か、迅速性重視か、網羅性重視か）と、出力の利用者の負荷を考慮して決められる。
3.4 推論の停止条件
停止条件は、推論が無限に続かないようにするための制約である。一般には、成立したルールが一定の状態に達した時点で打ち切る、もしくは新しい事実が追加されなくなった時点で停止する。推論エンジンが中間推論結果を更新する場合、同じ情報が繰り返し生成されると無限ループにつながるため、変化が起きたかどうかの判定が重要になる。
また、実装上は計算量を抑えるために最大ステップ数や時間上限を設けることがある。この場合、停止によって未解決の候補が残る可能性があるため、「不確定」「追加確認」のような状態表現も出力仕様に織り込むのが望ましい。停止条件は性能と信頼性の両方に関わる要素である。
4 運用・評価・改善
4.1 精度と妥当性の評価
4.1.1 正解率・再現率の考え方
ルールベース診断の評価では、分類問題に近い指標が使われることがある。正解率は、出力が正しい割合を示す指標である。一方で再現率は、正しい診断が可能なケースのうち実際に取りこぼさずに検出できている割合を表す。どちらが重要かは、見逃しのコストと誤検出のコストに依存する。
診断では特に「見逃し」が問題になる場面と、「誤アラーム」が問題になる場面で重みが変わる。たとえば安全に関わる領域では再現率を重視し、運用負荷が高い領域では正解率や適合率を重視する設計判断が行われる。
4.1.2 校正と検証の手順
ルールの性能を確かめるためには、データを学習・調整と評価に分ける発想が必要になる。ルールベースでは学習がないため形式は異なるが、校正（閾値の微調整、優先順位の調整、前処理設定の変更など）を行った後に独立の検証用データで性能を確認する手順が重要となる。
検証では、平均的な指標だけでなく、代表的な難ケース（境界近傍、欠測が多いケース、複数兆候が同時に現れるケース）を中心に点検する。さらに、診断結果の妥当性は指標だけでは測れないことがあるため、専門家レビューによる整合性確認を組み込むと信頼性が高まる。
4.2 ルール更新プロセス
4.2.1 ルール追加と削除
運用が進むと、想定外の入力パターンや、古い知識に基づく誤判定が顕在化する。ルール追加は、見逃された事例や新たな原因パターンを扱うために行われる。削除は、不要になった条件、他ルールによって吸収された重複規則、あるいは誤りが判明した規則を整理するために実施される。
更新では、影響範囲を見積もることが不可欠である。あるルールを追加すると競合が発生し、優先順位の結果として他の出力が変わる可能性があるため、更新前後での差分評価を行う。加えて、バージョン管理とロールバック手順を整備することで、運用事故のリスクを下げられる。
4.2.2 ルールの条件調整
条件調整は、閾値や条件の範囲、複合条件の論理（AND/OR）を変更する作業である。調整の目的は、誤検出と見逃しのバランスを改善することにある。単純に閾値を動かすだけでは局所的に良くなっても別領域で悪化する場合があるため、複数の検証指標とケース群を併用して判断する。
また、入力前処理が変わった際にもルールの条件が影響を受ける。たとえば正規化方式や特徴抽出の定義が変更されると、同じ閾値でも成立状況が変わることがある。条件調整は前処理と一体で考え、変更履歴を追跡することが重要になる。
4.3 保守性と説明可能性
4.3.1 監査ログと説明出力
説明可能性は、診断の根拠を利用者が理解できる形で提示できるかに関わる。ルールベース診断では、どの規則が成立したか、どの入力が条件を満たしたか、競合があった場合にどの優先戦略で決定したか、といった情報を監査ログとして保存しやすい。
説明出力には粒度の調整がある。運用担当者向けには成立条件の詳細を示し、一般利用者向けには簡潔な要約を表示するなど、対象読者に応じて情報量を変えることが望ましい。ログは後から原因分析に使えるため、形式の統一や記録項目の標準化も重要になる。
4.3.2 ルールの可読性向上
可読性の向上は、保守性と直接結びつく。ルールは条件式が複雑になりやすいため、命名規約、コメント、共通条件の部品化（再利用可能なサブ条件の定義）などが有効である。複数のルールに同じ条件が散在する場合は、共通化によって変更時の影響を局所化できる。
また、ルールの粒度設計も可読性を左右する。細かく分割し過ぎると規則数が増え、全体像を把握しにくくなる。反対に粗すぎると一つの規則が複雑になり、誤りの特定が困難になる。したがって、専門知識の切り分け単位に合わせて適度な粒度で設計することが求められる。