A: AI 予知保全システムが実際に設備停止を減らせるかは、アルゴリズムがどれだけ派手かではなく、設備データ、故障メカニズム、現場の行動をベンダーが閉ループでつなげられるかにかかっています。モデルだけを売るベンダーは、稼働後に沈黙することが少なくありません。まず次の三点を確認することを勧めます。データ接続能力、故障ラベリングの深さ、アラームから作業指示までの閉ループ設計です。
1. まずデータ接続の広さを見ること。主要プロトコルに対応しているという一言で済ませさせないこと
工場の設備は新旧が混在しています。ある自動車部品会社では、ダイカスト機は 10 年前のもので PLC が独自プロトコル、新しく入れたマシニングセンタは OPC UA、接続手段のまったくない旧式機も山ほどあります。ベンダーが標準プロトコルしか統合しなければ、現場の設備の半分はモデルに入りません。明確に確認してください。Modbus、Profinet、EtherNet/IP に接続できるか、振動、電流、温度といった追加センサーデータをエッジゲートウェイ経由で収集できるか、過去データをどこまで遡れるか。データが不完全なままの予測は、盲人が象を撫でるようなもので、停止はやはりやってきます。
2. 故障ラベリングとメカニズムの融合が予測の精度を決める
教師なし学習だけに頼ると誤報率が高くなり、ラインの技術者はアラートを切ってしまいます。本当に効果のあるシステムは、ベンダーが業界の故障ライブラリ、たとえば軸受摩耗、スクリューの這い、作動油温の異常といった典型パターンを持ち込み、メカニズムのルールと機械学習を組み合わせることを求めます。ある電子工場が SMT 実装機を運用しているとします。ノズル詰まりとフィーダ摩耗では振動の特徴がまったく異なるため、対応するラベル体系が必要です。具体的に尋ねてください。故障ライブラリはどの機種をカバーしているか、自社ライン向けに転移・ラベリングできるか、類似シーンでの誤報率と見逃し率はどの程度か。
3. アラームは作業指示に落ちなければならない。ダッシュボードで止めてはいけない
システムが「3 号コンプレッサーの軸受が 2 週間以内に劣化する」と予測したとして、その先はどうなるのか。ウィンドウが表示されるだけで保全班がいつも通りに動くなら、停止はやはり起きます。ベンダーのソリューションは EAM や作業指示システムと接続し、保全タスクを自動生成し、計画停止の時間帯に組み込み、部品を関連付ける必要があります。ある電子工場の本当の痛点は、アラームに担当者がいないことでした。予知アラートが優先度付きの作業指示として直接配信されて初めて、計画外停止が減りました。アラームから作業指示への自動起動ルール、既存の ERP や EAM とのインターフェースの成熟度、モバイルアプリで作業指示を受け取りフィードバックできるかに注目してください。
4. ベンダーの現場サービス能力は、プレゼン資料より重要
予知保全はソフトを入れて終わりではありません。最初の 3 か月はしきい値の調整、モデルの校正、ラインとの並行運用があります。現場または遠隔でのサポート体制があり、顧客の保全戦略を事後修理から状態基準保全へ移す支援ができるかが、プロジェクトの命運を決めます。ERP 時代から数十年にわたり業界に携わり、120 万社の顧客にサービスを提供し、累計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、設備側とシステム側の双方に蓄積があります。選定時には、純粋な AI スタートアップより、こうした産業ソフトウェアの地力を持つベンダーを優先してください。
5. 契約前に費用対効果を計算すること
ソフトの見積だけを見ず、センサー設置、ゲートウェイの配線、停止時間帯の生産損失、要員教育を含めてください。重要ライン 1 本で試行し、3〜6 か月の計画外停止時間と保全コストの前後を比較し、データを持ってから展開します。試行成果の検証方法を明記しないベンダーとは、後で必ず揉めます。
まとめ:停止削減は、データがつながること、故障が正確に認識されること、アラームに担当者がいること、サービスが追いつくことにかかっています。ベンダー選定時にはこれらを評価シートにしてください。アルゴリズムの説明を聞くより、はるかに役立ちます。