製造業において、設備・機器の保全は生産効率を考えるうえでも非常に重要です。
企業によってさまざまな保全方法が取られる中、近年ではIoT・AIを活用した「予知保全」のニーズが高まっています。
この記事では、予知保全とはどのような手法なのか、他の保全業務との違いやメリットについて説明します。
導入事例についても紹介していますので、保全方法の改善をお考えの設備担当者の方は、最後までご一読頂き参考にしてみてください。
目次
予知保全とは
予知保全（英語：Predictive Maintenance）とは、設備・機器の状況を監視し、故障や不具合の兆候をあらかじめ察知して防ぐ保全方法です。
具体的な例としては、設備・機器にセンサーを取り付けオンラインでデータ収集し、異常を検知したら確認するといった保全手法になります。
設備・機器の不具合の予兆を感じたタイミングで保全することから、別名「予兆保全」とも呼ばれています。
これまでにも似たような保全方法はありましたが、熟練者の勘や経験に頼る部分が大きく、一部の従業員でしか判断できないといった課題がありました。
その課題をクリアにするため、予知保全では状況把握や予兆の感知など、常に状況を監視してデータ化するシステムが不可欠です。
IoTやAIを活用することで、状況監視やデータ分析が容易になり、早い段階で誰でも判断できる正確な保全業務が可能となります。
予知保全と他の保全業務の違い
予知保全と並んで使われる言葉として「予防保全」「事後保全」といった保全方法があります。
それぞれの大きな違いは、保全を実施するタイミングです
| 手法・種類 | タイミング・トリガー |
|---|---|
| 予知保全（予兆保全） | 不具合・故障の兆候が出たとき |
| 予防保全 | 決められたスケジュールが来たとき | 事後保全 | 不具合・故障の起きたとき |
予防保全
予防保全（英語：Preventive maintenance）とは、設備・機器の故障が起きないように、決められた期間で定期的に点検・交換する保全方法です。
予防保全は、TBM（Time Based Maintenance）と呼ばれる定期的なメンテナンスを実施する手法と、CBM（Condition Based Maintenance）と呼ばれる監視によりメンテナンス時期を判断して保全する手法があります。
予知保全ではCBMの監視・分析にIoT・AIを用いるという面で、予防保全と大きく異なります。
違いを表す簡単な例としては、次の通りです。
| 保全方法 | 手法 |
|---|---|
| 予防保全 |
|
| 予知保全 |
|
TBMを用いた手法では定期的なメンテナンスとなるため、故障や不具合を事前に回避でき、作業スケジュールが明確に立てられます。
一方で、時期が来ればメンテナンスとなるため「定期的に操業を停止しなければならない」「不具合がなくても交換する」といった、コスト面で不利になる面があります。
事後保全
事後保全（英語：Reactive Maintenance）とは、設備・機器に不具合が起こった際に保全する方法です。
「壊れたら修理」という原始的な考え方であり、突発的に発生するため保全終了まで何も作業できない、という大きなデメリットがあります。
事後保全を実施する場合、稼働停止時間をできるだけ短くするため、早急な対応が必要です。
設備・機器の保全を事後保全だけに頼ってしまうと、生産効率の低下や人的負担の増加が想定されるので、予防保全・予知保全の導入を検討するとよいでしょう。
予知保全を導入する必要性・メリット
設備・機器の予防保全を導入するにあたって、次のメリットが享受できます。
- コスト削減が可能
- ダウンタイムの縮小に伴う生産性の向上
- 属人化の軽減
コスト削減が可能
予知保全を導入することで、トータル的なコスト削減が可能です。
- 故障していない部分の保全は実施しないため、余分な部品や工賃をカットできる
- 必要に応じた部品の手配・補充だけでよく、部品の在庫数を減らせる
- システムによる管理となり、監視・監督の人員削減が可能となる など
予知保全を続けることでデータが蓄積され、より精度の高い予知が可能となります。
長期的に使用することで、保全のタイミングがある程度把握できるようになり、結果的に保全にかかるコストが抑えられます。
ダウンタイムの縮小に伴う生産性の向上
予知保全の実施によってダウンタイムが短縮でき、生産ロスを防ぐ効果が見込めます。事後保全では突発的な故障の対応となるため、ラインを止めて保全しなければならず、ダウンタイムが必ず発生します。
予防保全では定期的なメンテナンスがされているとはいえ、突発的な不具合が起こる可能性はゼロではありません。
予知保全の導入によって、不具合の予兆感知により故障する前に保全対応が可能です。
そのため設備の停止時間を最小化でき、生産を止める時間が少なくて済みます。
属人化の軽減
保全の属人化軽減にも、予知保全は大きく寄与します。保全活動を熟練の担当者に頼っている場合、担当者が不在となったときに適切な保全活動ができません。後継者を育てる際には、知識やノウハウを座学やOJTによって教育するコストも必要です。
IoTによる予知保全の導入により、設備・機器の情報がすべてデータ化・数値化されます。
これらの情報を積み重ねて検証することで、保全の判断が誰にでも可能となります。
データ化することでマニュアル化も容易になり、教育にかかるコストが軽減できるのもメリットといえるでしょう。
予知保全を導入するときの課題点・デメリット
予知保全の導入には多くのメリットがある一方で、次のデメリットも考えられます。
- 導入のハードルが高い
- AIのモニタリングが必要
導入のハードルが高い
予知保全を効果的に実施するためには、導入までに検討すべき課題が多い点がデメリットとしてあげられます。
- 必要な環境
- 導入コスト
- 導入計画の策定 など
これらをトータルで考えなければならないため、導入まで時間がかかってしまう懸念があります。
予知保全の導入に必要な環境
予知保全を効果的に実施するには、設備・機器を監視してデータ収集できるシステム構築と、設備・機器のデータを集めるセンサーの設置も求められます。
すでに何らかのシステムが設置されている場合、既存のものに影響しない形で設定しなければなりません。
また、予知保全の対象となるレベルによって、収集するデータの内容が大きく異なります。
- 【想定される対象のレベル】
-
- 工場全体
- 生産ライン
- 設備・機器
- 部品
自社で必要となるデータは何なのか、またそれをどのような形で保全に活用するのかによって、個別の環境設定が必要不可欠となるでしょう。
予知保全の導入費用
予知保全システムを導入するにあたって、費用対効果の検討が求められます。
AIを活用した予知保全システムの導入にどのくらいの費用がかかるのか、概算でも知っておくことが必要です。
合わせて、導入後のシステム保全費用についても、確認しておくべき課題といえるでしょう。
AI予知保全の導入法・進め方
予知保全システムの導入にあたっては、段階を追って進めることとなります。
- AI予知保全の導入目的・目標の設定
改善したい保全業務を洗い出し、目標を決める - データの確認・AI活用イメージの検討をする
AIに利用するデータの確認、AIに予測してほしい内容の精査をする - 初期費用を計算する
検証に必要となる初期費用を見積もりしてもらう - モデルの構築・検証
PDCAサイクルを回してシステムを検証する - 業務への適用可否・実装計画の策定
現状把握と費用対効果を計算する - 実装・運用・改善
運用開始後は不具合を随時改善する
実際の導入に至るまで、季節性のある商品であれば数年単位の検証が必要となるケースも考えられます。
必要なデータは自社で準備する、ポイントを絞った導入から始めるなど、できる限り初期費用を抑えて効率よく検証を進めることが求められるでしょう。
AIの定期モニタリングが必要
AIの導入は大きなメリットとなり得ますが、万能ではありません。これまで熟練者の経験や勘に頼っている部分をAIに任せることで、これまでのデータを元とした予測は可能ですが、想定外の事態への対応は難しくなります。
予知保全で収集したデータをうまく活用するには、AIに学習させていく必要があります。AIの精度を向上するために、定期的に予測精度をモニタリングして調整してくことが求められるでしょう。
予知保全の導入・活用事例
実際に予知保全を導入して活用している事例について、いくつか紹介します。
大阪ガス株式会社
大阪ガス株式会社では、大規模データに対応するIoTの導入で予知保全に成功しています。
- 抱えていた課題
従来、センサーによるデータを分析して予知保全への取り組みを進めていたが、データ量が膨大となったため人間ではさばききれなくなった - 導入したサービス
ブレインズテクノロジー株式会社 【異常検知ソリューション「Impulse」】 - 導入後の状況
実際に導入する際、2ヶ月間の検証を実施。その結果、トラブル発生より最長1週間前の予兆検知が可能であった。課題であった分析時間の短縮も実現できた。
株式会社みつわポンプ製作所
株式会社みつわポンプ製作所では、経済産業省のプログラムに参加して自社製品の予知保全に取り組みました。
- 抱えていた課題
自社商品であるポンプは売り切り商品であるため、顧客との接点をもつためにも、故障予知の提案で接点の創出を図りたい。 - 導入したサービス
経済産業省 【2021年度AI Quest（課題解決型AI人材育成事業）】 - 導入後の状況
各種センサーで取得したデータをAIによって分析した結果、特定のポンプ・故障環境下において、正解率9割で故障の前兆を判定できるAIモデルが作成できた。
参照:https://www.meti.go.jp/policy/it_policy/jinzai/AIguidebook_PredictiveMaintenance_FIX.pdf
製造現場の課題を解決するなら「実績班長」がおすすめ
弊社が取り扱う「実績班長」では、IoTを活用した予知保全のシステム構築が可能です。
新しい設備だけではなく、古い設備もIoT化することでデータ収集でき、現場の作業効率改善が進められます。
具体的に導入した事例を、次に紹介します。
導入事例：新協技研株式会社
| 業種 | 製造業 |
|---|---|
| サービス内容 | 自動車部品のプレス・溶接加工・金型作成 |
- 【導入前の課題】
-
- 製品ラインのプロセス条件の安定化を図りたい
- 【導入後の効果】
-
- IoTを活用してメッキ層の温度データを収集し予兆検知
- 年間数百万円単位の不良損失を削減
新協技研株式会社では、製造時のプロセス条件の安定化を図るべく、実績班長を導入しました。
導入前は、どのようなところでIoTの利用ができるか見えない部分も大きかったそうです。しかし、現場でどう活用できるか提案してもらうことで、解決したい現場の課題への導入が進められました。
現在では品質に関わる温度調整や、メンテナンス時期やメンテナンス後の効果など、さまざまなデータを収集して予兆検知に生かしています。
まとめ
製造現場における保全方法として、予知保全は非常に優秀です。
大きなメリットとしては、おもに次の項目があげられます。
- コスト削減が可能
- ダウンタイムの縮小に伴う生産性の向上
- 属人化の軽減
ただし、導入すればすべて解決できるというわけではありません。
費用対効果がどの程度見込めるのか、自社にあったシステムはどのようなものかなど、事前によく検討する必要があるでしょう。
予知保全システムの導入で、どのような効果が見込めるのかよくわからない場合は、弊社まで一度お気軽にお問い合わせください。