予知保全とは
はじめに、予知保全の概要や予防保全・事後保全との違いについて解説します。
予知保全の概要
予知保全とは、設備や機器の保全方法の1つであり、設備・機器の不具合を予知して未然に故障を防ぐことを指します。
監視機器などを用いて常に工場現場などの設備・機器を監視し、故障が生じる前に不具合を見つけて対処することが主な特徴です。
設備・機器の不具合の予兆を検知して対処を行うことから、予知保全は「予兆保全」と呼ばれることもあります。
予防保全との違い
予防保全は、定期的に設備・機器のメンテナンスや部品交換を行い、事故や故障を防止する保全方法です。
設備・機器の不具合の兆候を検知してメンテナンスを行う予知保全に対して、予防保全は不具合の兆候の有無にかかわらず一定期間ごとにメンテナンスや部品交換を行う点に違いがあります。
事後保全との違い
事後保全は、実際に設備・機器の不具合や故障が発生してからメンテナンスや部品交換を行う保全方法です。ブレークダウンメンテナンス（Breakdown Maintenance）と呼ばれることもあります。
予知保全や予防保全が事前にメンテナンスや部品交換を行うのに対し、事後保全は設備・機器の不具合や故障を検知した後に保全活動を行う点に違いがあります。
予知保全のメリット
続いて、予知保全のメリットとして、以下の6点を解説します。
- 設備・機器のダウンタイムの軽減
- コスト削減
- チョコ停の低減
- 生産効率の向上
- 安全性の確保
- 属人的な作業からの脱却
設備・機器のダウンタイムの軽減
予知保全のメリットの1つは、設備・機器のダウンタイムを短縮できることです。
たとえば事後保全の場合、設備・機器が故障してからメンテナンス・修理を行うため、設備・機器の復旧までにダウンタイムが生じてしまいます。
それに対し予知保全であれば、設備・機器が故障する前に適切な処置を行うことができるため、ダウンタイムを軽減することが可能です。
ダウンタイムを軽減することにより、商品の安定的な供給ができ、販売機会の損失を回避することにつながるでしょう。
コスト削減
予知保全のメリットには、コスト削減も挙げられます。たとえば予防保全では、定期的にメンテナンス・部品交換を行うため、まだ使える状態の部品を交換してしまう可能性があります。
一方で、予知保全であれば部品を最大限に活用することができるため、ムダな部品交換費用を削減することが可能です。
また、予防保全では定期的なメンテナンス・修理コストが発生しますが、予知保全であれば必要な時のみメンテナンス・修理を行うため、メンテナンス・修理コストの削減にもつながります。
加えて、事後保全で重点的に故障対応を行う場合と比べればメンテナンスに必要な人員も少なくて済むため、メンテナンス人員の負担削減も実現できるでしょう。
チョコ停の低減
予知保全は、チョコ停（設備の部分的な停止、不具合によって起きる短時間の停止）の対策としても有効です。
たとえば事後保全の場合、設備・機器の故障によって生産ラインの停止期間が生じ、商品をスケジュール通りに生産できない可能性があります。
その結果、販売店や取引先などへの商品供給の納期が遅延し、企業に対するクレームや信頼低下を招くおそれもあるでしょう。
予知保全によってチョコ停を最小限に抑えることは、納期遅延リスクの減少につながります。
予知保全は、商品供給の納期を遵守し、企業に対する信頼を損なわないためにも重要です。
生産効率の向上
予知保全の導入によって、工場現場の生産効率の向上も図れます。
設備・機器が故障する前にメンテナンスや部品交換を行うことで、故障による設備・機器の停止を回避できるため、効率的な生産業務を継続できます。
また、予防保全のように定期的なメンテナンス・部品交換による一時的な設備・機器の稼働停止もないため、生産効率を上げることが可能です。
たとえば、予知保全にデジタル技術を活用することで、リアルタイムで生産ラインのデータを収集・解析し、製品不良の発生を予測できます。これにより、製品不良率の低減、結果として生産性の担保につながるでしょう。
安全性の確保
予知保全にデジタル技術を活用すれば、安全性も確保できます。
たとえば、人が立ち入ることが難しい場所、危険な場所には、センサーを設置して遠隔操作で設備の状況を確認するなどの対策が可能です。
属人的な作業からの脱却
予知保全にデジタル技術を活用すれば、属人的な保守作業からの脱却にもつながります。
予知保全では設備・機器の不具合の兆候を事前に検知することが必要であり、正しく兆候を掴むためには相応のスキル・経験が求められます。
しかし、これまで熟練者に頼っていた判断をAIに任せることで、経験の浅い担当者でも保守業務が可能となり、スキル習得のコストも下がるでしょう。
予知保全のデメリット・注意点
予知保全には前述したメリットがある一方、以下のようなデメリット・注意点も存在します。
- 他の保全方法との兼ね合いが難しい
- 予知保全を行うための工数がかかる
- 予知保全を実現するシステムの導入コストが必要となる
- 必ずしも完璧な精度は得られない
他の保全方法との兼ね合いが難しい
他の保全方法をすでに実施している場合、予知保全を適用することが難しい場合があります。
たとえば事後保全を行っている場合は、設備・機器の故障対応に多くのリソースを割く必要があり、予知保全の運用にまで手が回らない可能性があるでしょう。
故障後の対応と故障前のメンテナンス両方の観点を踏まえ、バランス良くリソースを配分することが必要です。
予知保全を行うための工数がかかる
予知保全を行う場合、不具合の兆候を検知するためにさまざまな手順を踏む必要があります。
特にスキル・経験の浅い担当者が対応する場合、保全活動により多くの時間がかかることになるでしょう。
教育・指導のためにベテランの担当者が付き添うこともあり、通常時の2倍工数がかかるケースも考えられます。
予知保全を実現するシステムの導入コストが必要となる
たとえば、予知保全を適切に実施するためには設備・機器の稼働状況を常に監視するためのセンサーやデバイスが必要となり、それらを用意するためのコストがかかります。
また、予知保全を継続的に実施するためには、複数の保全担当者を確保した体制構築が求められるため、人件費などの固定費も必要となるでしょう。
予知保全を実現するシステムを導入する際は、生産効率の向上やメンテナンスコストの削減といったメリット面と、導入コストや実施コストなどの費用面を考慮し、費用対効果を検証していくことが大切です。
必ずしも完璧な精度は得られない
予知保全は設備・機器の不具合の兆候を故障前に検知できることが利点であるものの、必ずしも完璧な検知の精度は得られない点に注意が必要です。
たとえば、監視用のセンサー・デバイスに不具合が生じた場合や、不具合の兆候を判断するための十分なデータが蓄積されていない場合には、適切に予知保全が行えない可能性があります。
したがって、予知保全を実施する際は、予知保全だけに頼らない保全体制の整備を検討しておくことも大事なポイントです。
予知保全とデジタル技術
ここでは、予知保全とデジタル技術として、IoT技術・AI技術について解説します。
IoT技術
予知保全を効果的に行うためのデジタル技術として、IoT（Internet of Things）技術が挙げられます。IoTは「モノのインターネット」と呼ばれ、センサー機器や工場内の設備などさまざまなモノをインターネットに接続して情報交換を行うための仕組みです。
それぞれの設備・機器にIoTを搭載することで、稼働状況をデータとして収集でき、異常の有無を判断するための材料にできます。
AI技術
予知保全では、AI（Artificial Intelligence）技術を活用することも有効な手段となります。
AIは膨大なデータ学習によってさまざまな問題解決を行える技術であり、AIを活用することで設備・機器の稼働状況のデータを基に不具合の兆候を高精度に検知することが可能です。
これまで一部のベテラン担当者が経験や勘を頼りに予知保全を実施していた場合でも、AIを活用すれば人間と同等以上の精度で不具合の兆候を検知できるようになるでしょう。
予知保全の実施手順
ここからは、予知保全の実施手順について、以下の流れに沿って解説していきます。
- 実施目的や目標の設定
- 必要なデータの確認
- 予知保全の要件の決定
- 費用や体制の確保
- 予知保全システムの構築
- 予知保全システムの導入準備
- 業務現場への導入・運用
- 実施状況のモニタリング・データの再学習
1.実施目的や目標の設定
予知保全を実施する際は、はじめに実施目的や目標を設定することが重要です。
たとえば、日々の生産業務において設備・機器の故障による稼働率低下が問題となっている場合は、生産ラインの停止時間の上限などを目標値として定めるとよいでしょう。
現場の業務担当者へのヒアリングも行いながら、自社において解決すべき課題を明確化し、定量的な目標を設定していくことがポイントです。
2.必要なデータの確認
実施目的や目標を設定した後は、予知保全において必要なデータの確認を行います。
必要なデータとしては、設備・機器の音や振動、温度などが挙げられます。
それらのデータを正常運転時と故障時のそれぞれの場合で収集しておくことで、予知保全の精度を高めることが可能です。
必要なデータが手元にない場合は、まずは故障頻度の高い設備・機器や停止時の業務影響が大きい設備・機器から優先的にデータを取得していきましょう。
3.予知保全の要件の決定
必要なデータの確認に加えて、予知保全の要件を決定しておくことも大事なポイントです。
たとえば、直近で設備・機器の部品交換が必要になる確率を把握したい場合は、部品交換が必要となる確率をAIによって分析・算出し、メールやアラートで通知する機能などが必要となります。
このように、保全活動における要件を決めることで、予知保全システムを構築する際の機能や性能を具体的に決定していくことができます。
4.費用や体制の確保
予知保全の要件にしたがい、必要となる費用・体制の見積もりやリソースの確保を行っていきます。
たとえば、AIを活用した予知保全システムを構築する場合は、外部のAIベンダーに業務委託する費用などを準備することが必要です。
該当部署にAI人材がいない場合は、AI人材を確保するための社内調整などが求められるでしょう。
また、現場の業務プロセスに即した予知保全システムを構築するためには、業務現場をよく知る担当者を巻き込むことも重要です。
5.予知保全システムの構築
要件や費用、体制の準備ができたら、予知保全システムの構築を行います。
予知保全システムの構築にあたっては、監視用センサーやIoTデバイス、ネットワーク、データベースなどの構成要素を洗い出し、各機器を調達することが必要です。
また、アラート通知機能など、必要に応じた機能の実装も行います。
6.予知保全システムの導入準備
予知保全システムの構築後は、導入準備を進めていきます。
導入準備を進めるにあたっては、以下のような観点で推進状況を検証し、本番導入できる状態が整っているかを確認していくことがポイントです。
- 必要なデータ（音データ・振動データなど）を収集できているか
- 業務現場への適合性を確認しているか
- 本番導入および導入後の運用体制を構築できているか
- 費用対効果の検証は終わっているか
- 予知保全システムが正常に動作しない場合の臨時の対応計画は策定できているかなど
7.業務現場への導入・運用
予知保全システムの導入準備が整ったら、実際に業務現場への導入を行い、運用を開始します。
運用を開始する際は、まずは小規模にスタートし、業務影響を局所化しながら効果を確認していくことがポイントです。
実際に運用が回ることを確認できた後に、段階的に設備・機器の対象範囲を拡大していきましょう。
8.実施状況のモニタリング・データの再学習
予知保全の運用開始後は、定期的に実施状況のモニタリングやデータの再学習を行うことが重要です。
たとえば、定期的にモニタリングを行うことで、AIの判断精度が想定よりも低い状況などを検出することができます。
その場合、データの学習期間を拡大したり、新たなデータ種類をインプットしたりするなどの改善策につなげることで精度向上を図れるでしょう。
他にも、生産ラインなどの業務環境に大きな変化があった場合は、データの再学習の必要性を検討することもポイントです。
予知保全システムを導入する際の課題
予知保全システムを導入する際は、以下のような事項が課題となります。それぞれのポイントを押さえながら、導入準備を進めていきましょう。
- 予知保全を実施するための環境構築
- 事業活動への影響
- データ学習の継続
- 予知保全システムを円滑に導入・運用するための社内風土の醸成
予知保全を実施するための環境構築
予知保全を実施するためには、常に設備・機器の状態を監視するためのセンサーやIoTデバイス、ネットワーク、データベースなどの環境構築が必要です。
環境構築を行ううえでは、予算の確保とともに、AIやIoTに精通した人材の確保も求められるでしょう。
必要な予算と体制を整備するためには、予知保全のメリットや費用対効果を社内に共有し、組織全体での理解を得ることが重要です。
事業活動への影響
新たに予知保全システムを導入する際は、事業活動への影響も課題となります。
たとえば、アラートを通知する閾値（しきい値）を低く設定しすぎると、頻繁にアラートを検知して保全担当者の作業負担の増加を招いてしまいます。
反対に、アラートの閾値を高く設定しすぎると、本来メンテナンスが必要な時に対応できず、設備・機器の故障が発生するリスクが高まるでしょう。
このような事業活動への影響を低減するためには、まずは一部の設備・機器を対象に小さく導入していくことがポイントです。
一部の業務対象で予知保全のメリットや適切な運用プロセスを実感できた後に、本格的に事業活動への展開を行うようにしましょう。
データ学習の継続
AIを活用した予知保全システムを導入する場合、データ学習を継続していくことも課題の1つです。
AIは膨大なデータを基に高精度な分析ができる一方で、あくまで過去のデータ推移をベースとした予測になる傾向があります。
そのため、これまでにない事例や想定外の事象に対しては適切な予測ができず、思わぬ故障や生産ラインの停止を招くおそれもあります。
AIを活用した予知保全システムを効果的に運用するためには、定期的にAIの精度検証やデータの再学習を行い、業務環境の変化に適用させていくことが重要です。
予知保全システムを円滑に導入・運用するための社内風土の醸成
予知保全システムを円滑に導入・運用するためには、予知保全を受け入れるための社内風土の醸成も大事なポイントとなります。
社内風土の醸成にあたっては、経営層の協力を得て、経営層から社員へ向けて予知保全の必要性やメリットなどを共有してもらうことが有効です。
また、管理層や推進事務局などから現場メンバーに対して予知保全について詳細な説明を行い、現場の一人ひとりが主体的に予知保全の運用を捉えていくことが重要となります。
加えて、予知保全システムを導入した後は定期的に勉強会や運用説明会などを開催し、予知保全に対する理解度を全社的に高めていく施策も効果的です。
予知保全を支援するツール・システム
ここでは、予知保全を支援する以下のツール・システムを紹介します。
- センサーデータの収集ツール
- データベース
- データ解析ソフトウェア
- モニタリングシステム
センサーデータの収集ツール
設備・機器の稼働データを収集するためには、各設備・機器にセンサーを設置したうえで、センサーからデータを収集するためのツールが必要です。
センサーデータの収集ツールを使うことで、さまざまな設備・機器の稼働データを一元的に収集することが可能です。
また、必要に応じて元の稼働データの変換や抽出を行うことで、システムが解析しやすい形式でデータを収集することができます。
データベース
設備・機器の音や振動などのデータを蓄積するためには、データの保存先となるデータベースシステムが必要です。
データベースは、主にクラウド環境とオンプレミス環境に分けることができます。
クラウド環境の利点は、少ない初期投資で大容量のデータを保存できる点です。
一方でオンプレミス環境の利点は、自社の業務要件やセキュリティ水準に合わせて柔軟にカスタマイズできる点となります。
自社の環境構築の要件や制約に照らして、データベースを構築する環境を選択することが重要です。
データ解析ソフトウェア
データ解析ソフトウェアは、設備・機器から収集した膨大なデータを解析し、傾向や法則性などを導き出すためのツールです。
センサーを通じて集めた多種多様なデータを解析することで、設備・機器の不具合の兆候や要因の特定などができます。
近年ではAIを搭載したデータ解析ソフトウェアもあり、AIが膨大なデータを学習することで高精度な分析を実現することが可能です。
データ解析ソフトウェアの活用によって、担当者の勘や経験による分析と比べて意思決定の迅速化、精度向上が期待できるでしょう。
モニタリングシステム
モニタリングシステムは、設備・機器の稼働状況やデータ分析結果などを可視化するためのツールです。
モニタリングシステムによって常に状況を監視することで、設備・機器の稼働状況や不具合の兆候を視覚的に検知することができます。
設備稼働状況を可視化する「MotionBoard」
これまで述べた通り、予知保全を効果的に実施するためには、設備・機器に関するさまざまなデータを収集・一元管理し、データを可視化していくことが重要です。
そこで、製造現場のさまざまなデータを集約し、設備稼働状況を可視化するソリューションとして、ウイングアーク１ｓｔが提供するBIダッシュボード「MotionBoard」の活用がおすすめです。
MotionBoardは、データ活用に必要な機能を1つのプラットフォームで提供するBIツールです。MotionBoardを活用することで、属人化しがちなデータの集計・分析業務を誰でも気軽に行えるようになります。また、組織全体で共通の指標を可視化し、適切なアクションにつなげることも可能です。
たとえば、下図のような設備稼働ダッシュボードでは、製造エリアやラインごとの設備稼働状況の可視化が可能です。
設備・機器の稼働／非稼働状況時の内訳詳細や停止要因の分析を行うことで、停止要因の早期発見やメンテナンス頻度の調整、部品交換時期の見直しなどの対応をスムーズに進めることができます。
製造業における「MotionBoard」の活用事例
ここでは、製造業における「MotionBoard」の活用事例を紹介します。
製造ライン全体の設備状況をリアルタイムに可視化（東洋製罐）
東洋製罐株式会社は、金属缶やペットボトルなどの飲料容器を製造する大手金属・プラスチック製品メーカーです。
同社は、製造工程全体の状況を俯瞰的に把握できていないこと、現場の人手不足や高齢化が進んでいることを課題としていました。
そこで、製造現場のデジタル化によって設備稼働状況の可視化や働き方改革を実現することを目指し、試験導入のしやすさや異常時のアラート機能などを決め手にMotionBoardを導入しました。
導入後は、製造現場のさまざまなデータをMotionBoardで可視化することで、製造工程全体の状況をリアルタイムに確認できるようになりました。また、生産ラインに異常が生じた際はアラート機能によって担当者のスマートフォンに素早く通知されるため、担当者の迅速な対応にもつながっています。
MotionBoardによって設備稼働状況の可視化や速やかな異常検知を行えるようになったことで、若手担当者でも適切な対処ができるようになり、属人化の解消にも貢献している好事例です。
▼東洋製罐株式会社の導入事例をもっとみる
https://www.wingarc.com/product/usecase/562.html
まとめ
予知保全とは、設備・機器の不具合の兆候を予知して未然に故障を防ぐ保全活動のことです。
予知保全の主なメリットとして、設備・機器のダウンタイム軽減やコスト削減、チョコ停の低減、生産効率の向上などが挙げられます。
一方で、予知保全には保全担当者の工数や予知保全システムの導入コストなどがかかるため、事前に予算や体制の確保が求められます。
予知保全システムを導入する際は、導入目的を明確にしたうえで、必要なデータや業務要件、推進体制などを整備することが重要です。
そのうえで予知保全システムを構築し、まずは小規模な範囲から業務現場へ導入して運用を開始していくことが有効です。
導入後は、定期的に実施状況のモニタリングを行い、予知保全の精度を高めていくこともポイントとなります。
製造現場のさまざまなデータを集約し、設備稼働状況を可視化するうえでは、BIダッシュボード「MotionBoard」の活用が効果的です。
MotionBoardを活用することで、特定の担当者に依存しないデータ集計・分析業務や現場状況の全体的な把握などを実現できるでしょう。
