A: 核心をひと言で言えば、AI予知保全は設備が壊れてから修理するのを待つのではなく、センサーデータとモデルで劣化の傾向を事前に判断し、計画外停止を計画停止に変えるものです。ROI評価では、削減できた停止損失、修理費、部品在庫という3つの勘定を同時に計算する必要があります。
1. 停止時間削減の鍵は予測そのものではなくリードタイム
設備の停止には2種類あります。突発故障と計画的なオーバーホールです。AI予知保全が本当に狙うのは前者です。方法は複雑ではありません。主要な回転機器、モーター、ポンプ、バルブに振動、温度、電流のセンサーを取り付け、高周波データを収集し、モデルに正常稼働時の特徴量の基準を学習させ、逸脱したら劣化スコアと残余寿命の推定値を出力します。価値は予測という行為そのものではなくリードタイムにあります。数時間前の警告と2週間前の警告では、取れる対応がまったく違うからです。2週間前なら週末の保全枠に組み込めますが、2時間前では緊急停止しかありません。ですからシステムの良し悪しを評価するときは、精度の数字だけを見るのではなく、警告の窓を数日から数週間まで広げられるかを見てください。
2. システム選定の前に停止損失を定量化する
多くの工場がROIをうまく出せないのは、最初の一歩でつまずくからです。1時間の停止がいくらなのかを把握していません。この数字は事前に計算しておく必要があります。ある電子工場では、SMTライン1本の1時間停止が、産出損失、再起動とデバッグによるスクラップ、下流の待ちによる損失を合わせて5桁に達する可能性があると分かりました。自動車部品会社では、連続ダイカスト設備の停止は金型の冷却と再予熱も伴うため、損失はさらに大きくなります。この基準値が決まれば、その後のすべての効果に参照枠ができます。設備を重要度で格付けし、Aクラスは個別に停止コストを計算し、Bクラスはまとめて概算するなど、一律のやり方は避けることを勧めます。
3. ROIを3つに分け、修理費だけを見ない
第1は削減された停止損失で、これが最大の項目です。算式は、年間の計画外停止時間の削減量に1時間当たりの損失を掛けたものです。第2は修理費の変化で、予知保全は緊急修理の割高な人件費と特急部品を減らす一方、計画保全の工数を増やすため、正味額で計算する必要があります。第3は部品在庫の最適化です。残余寿命の予測があれば、納期の長い予備品は「在庫して故障を待つ」から「予測された窓の中で発注する」に移行でき、在庫に縛られる資金が減ります。3つを合計し、システム投資(センサー、プラットフォーム、導入費、年間サービス料)で割れば回収期間が出ます。実務的な目安は12〜24か月以内に回収できるかどうかですが、設備密度と停止コストによって大きく変わるため、一般化はできません。
4. 成果は3つの前提条件にかかっている
データ収集のカバレッジが不足していればモデルは遊ぶだけなので、主要設備には十分なサンプリングレートで連続的な振動または電流波形が必要です。第2に、アラームのループに受け手が必要です。予測が出ても生産計画を調整する人も予備品を準備する人もいなければ、計測は無駄になります。第3に、いきなり全工場に展開するのではなく、価値の高い単一のポイントで検証することです。1台のコンプレッサーまたは1本の重要ラインを3か月動かし、誤報率と実際に阻止できた故障件数を明確にしてから拡張を語ってください。ERP時代から数十年にわたり製造業に携わり、120万社の顧客に数千万台の端末を展開してきたベンダーは、設備データの取得と現場導入の経験が堅実な傾向があるため、選定時はアルゴリズムのデモだけを見るのではなく、類似の稼働条件での導入方法論を持っているかに注目してください。
個別の助言として、まず停止損失を棚卸しし、停止コストが最も高い1台を選んで3か月のパイロットを行い、阻止できた故障件数に1回当たりの停止損失を掛けて年間効果を逆算し、それから拡張を決めてください。ROIは購入前に計算するものではなく、パイロットで証明するものです。