解説

生産現場における機械学習の活用事例を問う問題です。機械学習とは、コンピュータが大量のデータから規則性やパターンを自ら学習し、それに基づいて判断や予測を行う AI の中核技術です。重要なのは「人間が処理手順を明示的にプログラミングするのではなく、データや経験から機械が自ら学ぶ」という点です。ウの「工場の生産ロボットに対して作業方法をプログラミングするのではなく、ロボット自らが学んで作業の効率を高める」は、まさにこの機械学習の特徴を生産現場に適用した事例であり、正解です。実際の製造業では、強化学習によるロボットの動作最適化のほか、画像認識による外観検査の自動化、センサデータからの設備故障予知（予知保全）などが機械学習の代表的な活用例です。本問の判別ポイントは「自ら学ぶ」というキーワードの有無です。人間（アナリスト）が分析する、プログラムどおりに制御する、という記述は機械学習の「機械が自律的に学習する」という本質を含んでいないため除外できます。

なぜ他の選択肢は違うのか

選択肢 ア

工場における不良品の発生原因をツリー状に分解して整理し、アナリストが統計的に原因や解決策を導き出すのは、特性要因図や決定木的な分析手法を用いた「人間による」データ分析の説明です。分析の主体があくまでアナリスト（人間）であり、機械がデータから自ら学習して判断する機械学習の事例ではありません。誰が学習・分析するのかという主体の違いが判別ポイントです。

選択肢 イ

工場の生産設備を高速通信で接続し、ホストコンピュータがリアルタイムで制御できるようにするのは、生産設備のネットワーク化・遠隔制御（IoT・M2M）の事例です。設備をつないで集中制御する基盤技術の話であり、データから規則性を学習する機械学習の機能はこの記述には含まれていません。「接続して制御」と「学習して改善」は別の概念です。

選択肢 エ

累積生産量が倍増するたびに生産性が向上し、一定の比率で単位コストが減少するという現象は、経験曲線（学習曲線）効果と呼ばれる経営・経済の経験則です。「学習」という言葉のイメージは共通しますが、これは人間の組織の習熟による効果を表す法則であり、コンピュータがデータからパターンを学ぶ機械学習の活用事例ではありません。

解くときのポイント

機械学習の事例は「機械（コンピュータ・ロボット）がデータから自ら学ぶ」が必須要素。人間が分析する（ア）、つないで制御する（イ）、組織の習熟（エ＝経験曲線）は機械学習ではない。