フェデレーテッドラーニング（FL）は、データを共有せずに機械学習モデルをトレーニングする新しいパラダイムです。特に、組織が協力するクロスシロースタイルの状況においては、FLシステムの信頼性が重要ですが、参加者が通信問題や設定ミスなどの理由で失敗することがあります。本研究では、参加者の失敗がモデル品質に与える影響を広範囲にわたって分析し、その結果、特徴的な因子や評価時の影響がモデルの展開決定において重要であることを示しました。高い偏りの下では評価が楽観的になり、実際の影響を隠す傾向があること、また、タイミングがトレーニングされたモデルの品質に影響を与えることが明らかになりました。これにより、堅牢なFLシステムを構築しようとする研究者やソフトウェアアーキテクトに対する洞察が提供されます。