基本情報 平成22年度 秋期 問4：テクノロジ系に関する問題

答えは a です。

フィードバック制御は「結果を見てから修正する」やり方。

例：エアコン。

• 「今の部屋の温度を測る」→「設定より暖かい/寒い」→「それに合わせて冷暖房を強める/弱める」
• このように「結果（温度センサー）を見てから動きを変える」のがフィードバック。

👉 覚え方：「結果をフィードバック（戻して反映）」=結果ベース制御。

ほかの選択肢：b 外乱を増幅する＝制御の失敗例／c 影響が出ないように先に修正＝フィードフォワード制御／d 予測して修正＝予測制御（こちらもフィードフォワード系）。フィードバックは「起きてから対応」がコア。

なぜこれが正解か

正解は a。フィードバック制御は、制御対象の出力（結果）を測定し、目標値との差（偏差）に基づいて操作量を決定する制御方式。外乱や系の変動を検知してから修正動作を行うため、原因に関わらず偏差を抑制できる汎用性がある。

各選択肢の解説

• b「外乱に弱く影響を増幅」：制御の失敗例で正常な制御方式ではない。
• c「外乱を検知して影響が出ないように修正」：フィードフォワード制御（外乱を入力側で先回り補正）。
• d「外乱を予測して修正」：予測制御（モデル予測制御MPC等）。

覚え方・ひっかけ注意

制御方式3分類：フィードバック＝結果（出力）を見て修正、汎用、安定／フィードフォワード＝外乱を測って先回り、応答速い／ハイブリッド＝両者組合せ（実用システムの主流）。フィードバックは「事後対応」、フィードフォワードは「事前対応」、両方使うのが現代制御。

理論的背景

古典制御理論の基本はPID制御（Proportional比例-Integral積分-Derivative微分、Ziegler-Nichols法でゲイン調整）。フィードバック制御系の安定性はナイキスト線図、ボード線図、根軌跡法で評価され、位相余裕（PM）とゲイン余裕（GM）が安定指標。現代制御理論は状態空間表現x'=Ax+Bu、y=Cx+Duに基づき、可制御性・可観測性（Kalman基準）、状態フィードバック（極配置、LQR最適制御）、カルマンフィルタ（最適状態推定）で構成。ロバスト制御（H∞制御、μ解析）はモデル不確かさへの耐性を保証。適応制御（パラメータ自動調整）、モデル予測制御（MPC、化学プラント・自動車制御で標準）、強化学習制御（Deep RL、深層強化学習による直接学習）は近年の発展領域。

実務での使われ方

身近な応用：サーモスタット（温度PID制御）、クルーズコントロール（速度PID）、自動運転（経路追従制御、Lateral制御）、ドローン姿勢制御（4ロータの推力配分、PID＋カルマンフィルタ）、マニピュレータ制御（ロボットアーム、力制御・トルク制御）、プロセス制御（化学プラント、製鉄、半導体プロセス）。工学制御を超えて、ビジネス制御（KPIモニタリング→アクション→効果測定の改善ループ）、コンピュータ制御（CPUクロック制御、ストレージ温度制御、データセンタ空調最適化）、AI訓練（学習率スケジューリング、勾配降下法はフィードバック的）にもフィードバック概念が浸透。

試験での位置づけ

FE科目Aで制御方式の識別が頻出。応用情報・エンベデッドシステムスペシャリストではPID制御の設計、安定性判定、Zoom原理を使った離散時間制御、組込みリアルタイム制御、IoT制御が深く問われる。情報処理安全確保支援士でも制御システムセキュリティ（OT/ICSセキュリティ、IEC 62443）として近年重要トピック。

選択肢の発展補足

制御理論の発展：ファジィ制御（曖昧推論、家電・洗濯機）／ニューラル制御（学習型コントローラ）／遺伝アルゴリズム制御／スライディングモード制御（ロバスト、変動に強い）／バックステッピング（非線形制御）／Iterative Learning Control（反復学習制御）。サイバーフィジカルシステム（CPS）はIoT＋制御の融合領域。Industrial IoT（IIoT）ではOPC UA、MQTT、Edge AI、Digital Twinが基盤技術。自動運転ではEnd-to-End学習（Tesla FSD）と従来の階層型（perception→planning→control）の優劣論争が活発。生成AIの内部もある種のフィードバック制御（RLHF：人間フィードバックによる強化学習、Constitutional AI、DPO：Direct Preference Optimization）。プロセスマイニング（Process Mining）でビジネスプロセスをイベントログから自動抽出し、制御理論的に改善する手法も普及中。FE午後・エンベデッドの実機計算問題、応用情報の数理的論述問題で頻出領域。