現状の保全フロー:
├── 設備が停止する / 品質不良が発生する  ← 異常が顕在化してから気づく
├── 原因調査（人力）                    ← 時間がかかる
├── 部品交換・復旧作業                  ← 計画外の停止ロス
└── → 「壊れたら直す」後手の保全が続く

FORESIGHT
└── データ収集・前処理
    ├── Snowflakeから複数計測値を取得
    └── Amazon S3へ転送・前処理
        │
        ├── AIモデル群（アンサンブル）
        │   ├── RandomForest
        │   ├── IsolationForest
        │   ├── XGBoost
        │   ├── LocalOutlierFactor
        │   ├── PCA_Mahalanobis
        │   ├── LightGBM
        │   └── DBSCAN
        │       ↓
        ├── 異常スコア統合（上位モデルを組み合わせ）
        │
        └── 判定結果
            ├── 正常 → 記録のみ
            └── 異常検知 → Amazon SNS → メール通知

┌──────────────┐    ┌──────────────┐    ┌──────────────────────┐    ┌──────────────┐
│  Snowflake   │ ─→ │  Amazon S3   │ ─→ │  AWS Lambda          │ ─→ │ Amazon SNS   │
│ (計測データ) │    │ (前処理・     │    │  予測/学習モデル     │    │              │
│              │    │  学習データ)  │    │  異常検知アルゴリズム │    │              │
└──────────────┘    └──────────────┘    └──────────────────────┘    └──────┬───────┘
                                                  ↑ ↓                       │
                                         ┌──────────────────┐               ↓
                                         │ Amazon EventBridge│       保全担当者へ
                                         │ (スケジュール/    │       メール通知
                                         │  イベント制御)   │
                                         └──────────────────┘
                                                              ↓（今後）
                                                       ┌──────────────┐
                                                       │   Webアプリ  │
                                                       │ 異常率トレンド│
                                                       └──────────────┘

学習データ設定（例: 2025/12/15〜2026/1/10）
  ↓
7種類のモデルが「正常状態」を学習
  ↓
それ以外の期間のデータを入力すると
「どれだけ正常から外れているか」を自動スコアリング

計測データ（複数チャンネル）
  ↓
┌─────────────────────────────────────────┐
│ RandomForest  IsolationForest  XGBoost  │
│ LOF  PCA_Mahalanobis  LightGBM  DBSCAN │
└─────────────────────────────────────────┘
  ↓ 各モデルの異常スコアを統合
最終異常判定（正常 / 要注意 / 異常）

Lambda判定完了
  ├── 正常 → 結果をS3に記録
  └── 異常スコア閾値超過
        ↓
      Amazon SNS → メール送信
      （保全担当者へ：対象ライン・日時・スコア）

異常率グラフ（Anomaly Rate Trend by Date）
  ├── Model_Group 0〜3 を色分け表示
  ├── トラブル前：各モデルが80〜100%の高異常率
  ├── メンテナンス後：急激に0〜5%へ収束
  └── → 「壊れる前に荒れていた」ことを事後検証で確認

Snowflake                          FORESIGHT（AWS）
┌──────────────────┐              ┌──────────────────────────┐
│ 品質計測データ    │  ──転送──→  │ Amazon S3                │
│ （複数チャンネル）│              │ （前処理・学習データ管理）│
└──────────────────┘              └──────────────────────────┘
                                            ↓
                                  ┌──────────────────────────┐
                                  │ AWS Lambda               │
                                  │ 7種類のAIモデルで判定    │
                                  └──────────────────────────┘
                                            ↓
                         Amazon EventBridge（スケジュール制御）
                                            ↓
                                  ┌──────────────────────────┐
                                  │ Amazon SNS               │
                                  │ 異常時 → メール通知       │
                                  └──────────────────────────┘

┌──────────────────────┐
  │  AIが異変を検知       │  ← 人が気づく前に自動検出
  └──────────┬───────────┘
             ↓
  ┌──────────────────────┐
  │  保全担当者へ即時通知 │  ← メール・将来はアプリ通知
  └──────────┬───────────┘
             ↓
  ┌─────┐ ┌──────┐ ┌──────────┐
  │原因  │ │対応   │ │計画的    │  ← データで判断・計画保全へ
  │確認  │ │スケジュール│ │メンテナンス│
  └─────┘ └──────┘ └──────────┘
             ↓
  ┌──────────────────────┐
  │  突発停止ゼロ・       │
  │  品質不良の未然防止   │
  └──────────────────────┘

Phase 1: AIパイプライン構築 [DONE]    Phase 2: Webアプリ実装 [NEXT]        Phase 3: 全展開・高度化 [FUTURE]
──────────────────────────            ──────────────────────────            ──────────────────────────
✓ Snowflake→S3データ連携              □ 異常率トレンドダッシュボード          □ 全ライン展開
✓ 7種類のAIモデル実装                 □ ライン・設備別フィルタ               □ QUICKとの統合表示
✓ アンサンブル判定ロジック             □ 異常履歴の一覧・検索                □ リアルタイム推論
✓ Amazon SNSメール通知                □ 通知設定のUI管理                    □ Teamsアラート連携
✓ Amazon EventBridge制御              □ モデル精度のモニタリング             □ 他工場への横展開
✓ 有効性の事後検証（実トラブル）                                             □ AIモデルの自動再学習