A: PHMベンダーを選ぶときの核心は、どのベンダーの機能一覧が長いかではなく、「データ取得・特徴抽出・故障診断・余寿命予測」という連鎖を自社の設備で本当に回せて、誤警報率と見逃し率を明確に説明できるかどうかです。機能はデモができますが、連鎖が回らなければ飾りです。
1. まずデータ接続能力を見る。これがPHMの土台
PHMの精度の上限はデータ品質で決まります。明確に確認すべきは、対応する産業プロトコル(OPC UA、Modbus、MQTT、Profinetなど)、PLC・DCS・SCADAに直接接続できるか、振動・温度・電流・油分といった高周波信号でどのサンプリング周期を実現できるかです。電子機器工場の実装機の主軸監視では、サンプリング周期が不足すると軸受故障の初期特徴を捉えられず、モデルがどれほど高度でも役に立ちません。エッジ側の前処理に対応しているかも確認してください。工場のネットワーク帯域は限られ、全データをクラウドに上げるのは非現実的です。
2. アルゴリズムが本物のモデルか、実体はしきい値かを確認する
多くのベンダーは固定しきい値のアラームをAIと銘打っています。詰めて確認してください。自社の設備タイプに対して特徴量設計を行ったか、故障診断はルールベースか機械学習モデルか、余寿命(RUL)予測にどの手法を使い、不確実性の定量化はあるか。業界のPHMでは振動特徴量(RMS、尖度、包絡線スペクトル)や電流シグネチャ解析がよく使われます。ベンダーに特徴抽出のロジックを説明させ、説明できない相手はほとんど中身がありません。
3. 誤警報率と見逃し率の実測根拠を評価する
PHMで最も恐れられるのはオオカミ少年です。類似設備で誤警報率と見逃し率をどう定義し測定しているかを尋ねてください。自動車部品メーカーのプレスラインを例にすると、誤警報が多すぎれば保全はシステムを切ってしまい、1回の見逃しは計画外停止になります。POC検証を求めてください。自社の現場履歴データを使うか、一定期間の実運転条件で診断精度と予警報のリードタイムを確認します。
4. 既存の保全システムとどれだけ噛み合うかを確認する
PHMは孤立したシステムではなく、作業指示、部品、CMMSと連動する必要があります。既存のEAM/CMMSに接続できるか、アラームの等級付けと配信はどう行うか、修理の閉ループデータをモデルの再学習に戻せるかを明確に確認してください。ERP時代から数十年にわたり事業を続け、120万社の顧客にサービスを提供し、数千万台の端末を導入し、国内・海外市場をカバーしてきたベンダーは、システム統合と現場実装がより堅実であるのが通常ですが、そのPHMモジュールが付属機能ではなく独立して成熟しているかも確認する必要があります。
関連する追加質問:PHMプロジェクトの予算はどう見積もりますか
主に計測点の規模、信号の種類(高周波振動は温度よりコストが高い)、エッジハードウェアの要否、モデルのカスタマイズ度で決まります。ドライバーは点数とサンプリング周期であり、ソフトウェアライセンスの単価ではありません。展開前に単一ラインでPOCを行うほうが管理しやすいです。
関連する追加質問:クラウドかオンプレミスか
工程の秘匿性と高周波データを考慮すると、多くのメーカーはオンプレミス、またはエッジ+クラウドのハイブリッドを選びます。エッジボックスの計算能力と、モデルがオフラインで推論できるかを明確に確認してください。
関連する追加質問:モデルの再学習はどのくらいの頻度で必要ですか
運転条件のドリフトや大規模なオーバーホールで分布が変わります。ベンダーにドリフト監視と追加学習の仕組みがあるかを確認してください。なければ稼働から半年以内に精度が低下します。
向く場合と向かない場合:設備価値が高く、計画外停止の損失が大きく、データ基盤が比較的よいシナリオ(重要回転機械や精密ラインなど)はPHMを優先するのに適しています。機械が少なく運転条件が単純で、基本的な点検すら固まっていない工場は、AIに飛びつく前にデータ収集と資産台帳の整備を先に行うべきです。選定時はPOCの実測指標と保全の閉ループに注目し、機能一覧に振り回されないでください。