予知保全｜センサ×AIで故障を未然防止へ

2025.09.01

予知保全

予知保全は、設備の状態データを常時収集・解析し、故障の前兆を検知して最適な時点で保全を実行する手法である。事後保全のダウンタイムや、時間基準の予防保全に伴う過剰整備を避け、稼働率と安全性、ライフサイクルコストの同時最適化を狙う。近年は予知保全の実現に必要なセンサ、エッジ計算、クラウド、機械学習が普及し、回転機械から半導体製造装置まで広範な設備で適用が進む。

Table Of Contents

定義と位置づけ

予知保全はRCM（Reliability Centered Maintenance）の枠組みに位置づく状態基準保全（CBM）である。TBM（Time Based Maintenance）が時間や回転数などの固定周期で保全するのに対し、CBMは状態量の変化を根拠に意思決定する。目的は故障確率を低く保ちつつ、可用性とコストのバランス点で保全を打つことである。

背景と必要性

熟練保全員の不足、設備の複雑化、多品種少量生産、サプライチェーンの短納期化が進み、予防保全だけでは機会損失や部品在庫の過大化を招きやすい。予知保全はデータ駆動でリスクを可視化し、緊急停止の回避、品質ロスの抑制、在庫最適化を同時に達成しうる。

基本アーキテクチャ

予知保全の典型的な処理フローは、①データ収集→②前処理→③特徴量抽出→④モデル学習・推論→⑤リスク評価・意思決定→⑥作業指示→⑦フィードバック学習である。OTとITをまたぐため、現場安全、通信、セキュリティ、ガバナンスの設計が要点となる。

PF区間の把握

潜在故障点（P）から機能喪失（F）までのPF区間を把握し、その区間内に整備を計画するのが予知保全の要諦である。指標はRUL（Remaining Useful Life）や劣化確率で表現する。

データとセンサ

  • 振動・加速度：軸受・ギヤの異常検知の基本。高サンプリング率が有効。
  • 音響・超音波：空気漏れ、電気トラッキングの早期検出。
  • 温度・熱画像：潤滑不良、抵抗上昇、摩耗進行の示唆。
  • 電流・電力：モータ電流解析（MCSA）で負荷変動や偏心を把握。
  • 油液分析：摩耗粉、粘度、水分で潤滑状態を評価。
  • 画像・外観：CNNでベルト偏摩耗や切粉堆積を自動検出。

前処理と特徴量

欠損補完、ドリフト補正、同期化、正規化、外れ値処理を行い、時間領域、周波数領域（FFT、STFT）、時周波数（ウェーブレット）で特徴を抽出する。回転同期（オーダートラッキング）やエンベロープ解析は機械系で有効である。

解析手法

  • 統計・信号処理：ARIMA、CUSUM、状態空間モデルで劣化傾向を推定。
  • 機械学習：SVM、ランダムフォレスト、XGBoostで故障分類・リスク推定。
  • 深層学習：LSTMやTCNで時系列、CNNで画像、AutoencoderやIsolation Forestで異常検知。
  • 物理・ハイブリッド：デジタルツインで応力・温度・潤滑を連成評価し、データで補正する。

実装プロセス

  1. 課題特定：停止損失、品質ロス、保全費の定量化とKPI設定。
  2. PoC：限定設備で予知保全モデルを検証し、再現性と運用性を確認。
  3. パイロット→本番：スケール時はタグ設計、履歴データ基盤、MLOps、監査証跡を整備。

評価指標とKPI

  • モデル性能：感度、適合率、F1、AUC、早期検知リードタイム。
  • 保全KPI：MTBF、MTTR、稼働率、OEE、余剰在庫率、緊急停止件数。
  • 経済性：LCC削減、ROI、Payback、在庫回転数、保全工数削減。

運用設計とアラート

しきい値型は説明しやすいが過検出に弱い。確率・ベイズ更新やRULの信頼区間を併記し、アラートは注意・要計画・至急の3階層で通知する。誤検知時は根因をレビューし、モデルと手順を同時改定するのが予知保全の定着に効く。

適用分野

ポンプ、送風機、圧縮機、ギヤボックス、軸受、ロボット、工作機械主軸、搬送設備、発電設備、車両電駆、射出成形機、半導体製造装置の真空ポンプやチラーなどで予知保全は高い効果を示す。連続生産や24/7運転では特に有用である。

関連システム

  • CMMS/EAM：予兆から作業指示・部品手配までを一貫管理。
  • SCADA・MES・データヒストリアン：高頻度データの収集・保管。
  • MLOps・AutoML：モデル配備、監視、ドリフト検知、再学習を自動化。
  • OPC UA・MQTT：OT/IT間の相互接続を標準化。

品質・安全との連携

予知保全はFMEA、FTA、SILに基づく機能安全と整合し、品質の先行管理とも親和する。工程能力（Cp/Cpk）やトレーサビリティと組み合わせることで、不良の早期捕捉と設備健全性の両立が可能になる。

TPM・リーンとの関係

自主保全、計画保全、設備総合効率の向上と予知保全は相補的である。リーンのムダ排除の観点からも、不要な予防交換の削減と停止回避の両面で効果を示す。

法規・規格・セキュリティ

資産管理のISO 55000、状態監視の参照規格群、産業サイバーセキュリティのIEC 62443などに配慮し、アクセス制御、パッチ管理、ネットワーク分割を行う。監査対応のため、データ系の改変履歴と意思決定ログを保存する。

導入の課題

  • データ品質：センサ選定・取り付け・校正・ノイズ対策が要。
  • ラベル不足：教師データが乏しい場合は半教師あり・異常検知で代替。
  • クラス不均衡：重み付け・再サンプリング・費用敏感学習で補正。
  • 概念ドリフト：設備改造や環境変化でモデルが陳腐化するため監視必須。
  • 人・プロセス：現場手順、保全部品計画、供給網と連動させる。

導入効果の可視化

ダウンタイム、品質ロス、緊急手配費、在庫・廃棄、保全工数、エネルギー、二酸化炭素排出の指標を基準化し、予知保全の前後で比較する。効果が見える化されれば、経営・現場の合意形成と継続投資が進む。

コメント（β版）