ナレッジセンター
目次

Q: AIによる設備健康管理(PHM)は実際にどう実装するのか、投資対効果はどう計算すべきですか?

A: PHMの投資回収の評価は、主に修理費をどれだけ節約したかではなく、回避できた計画外停止1時間あたりがどれだけの追加産出と納品収益を呼び戻すかにあります。まずその勘定を明確にしてから技術選定を議論してください。順序を逆にすると、見栄えだけのプロジェクトになりがちです。

1. 現実的なシナリオから始める

プレス機が10台以上ある自動車部品メーカーのプレス工場を想定します。以前は熟練者が異音を聞き温度を触って設備状態を判断し、金型交換時に時々詰まり、1回の停止が4〜5時間に及びました。保全チームは常に火消し役で、予備品在庫は積み上がっているのに、実際に壊れた軸受だけは在庫がありませんでした。

この工場は後にプレス機へ振動センサー、温度プローブ、変流器を追加し、データをエッジゲートウェイ経由でローカルサーバーへ送りました。システムはまず3か月動かして正常時の振動スペクトルと温度カーブを学習しました。その後、振動の特徴が閾値を超えて変化すると、作業指示が自動で設備部へ配信されるようになりました。これがAI設備健康管理(PHM)の典型的な導入経路です。

2. PHMは4つのステップで行う

2.1 適切な設備を選び、網羅性を追わない

停止損失が大きい、修理頻度が高い、センサーを後付けできる、という3類型の設備から始めます。射出成形機、エアコンプレッサー、重要なポンプ設備、CNC主軸などです。ある電子部品工場はSMT実装機のノズルとガイドレールの監視だけから始めました。そこが1時間止まるとライン全体が止まるからです。

2.2 データ収集は十分であればよく、それ以上は不要

振動、温度、電流、圧力、回転数で回転機と往復動機の大半をカバーできます。最初から高いサンプリングレートを追う必要はなく、まず秒または分レベルで運用します。重要なのは、PLCから得る運転状態とセンサーデータの時刻を揃えることです。そうでないと後段の診断がすべてずれます。

2.3 モデルは2層: 異常検知+故障分類

第1層は教師なし学習で正常と異なるパターンを見つけます。アイソレーションフォレストやオートエンコーダなどです。第2層は軸受の内輪損傷、ミスアライメント、潤滑不良といった既知の故障を分類します。初期は故障サンプルが不足するため、まず異常検知を回し、疑わしい区間を熟練者にラベリングしてもらって徐々にラベルを蓄積します。

2.4 作業指示と予備品までループを閉じる

診断結果が保全の作業指示に届かなければ、労力は無駄になります。システムが異常を検知したら、自動で作業指示を起票し、予備品を推奨し、生産計画の調整まで行うべきです。あるソリューション提供企業は120社以上(15以上の業種)での実務で、診断結果をEAMやMESへ直接送り込める顧客は継続利用率が明らかに高いことを見いだしました。

3. 投資対効果の評価: 4つの数字を見る

3.1 計画外停止の削減率

これが最も直接的です。ある重要設備の計画外停止が月6時間、1時間当たりの逸失産出額が2万元なら、年間144万元になります。PHMでこれが半減すれば、72万元の確実な便益です。

3.2 修理コストの構造の変化

故障してから直す方式から、必要に応じて修理する方式へ移ると、予備品の消費は減りますが、センサーとソフトウェアのコストが増えます。緊急修理の作業指示の比率、予備品在庫の回転率、外注修理の件数に注目します。

3.3 設備寿命の延長による設備投資の先送り

主軸の交換が5年ごとから7年ごとになれば、年換算の設備投資額は下がります。財務はこれを認めますが、設備部門は継続的な健康スコアの記録を提示する必要があります。

3.4 導入コストはすべて計上する

センサー、ゲートウェイ、サーバー、ソフトウェアのライセンス、導入サービス、社内の人件費をすべて償却に含めます。3年周期の総保有コストを計算してから回収期間を見ます。通常、投資は1年目にピークを迎え、回収は2年目から始まります。

4. 実務者への3つの行動提案

まず1つのラインか1つの職場でループを回し、最初から全社展開しないこと。すでにPLCデータがあり、停止損失を明確に計算できる設備を優先すること。モデルの誤警報率を注視すること。誤警報が多すぎると保全チームはシステムを捨ててしまいます。最後に、ROIの評価シートは財務と設備部門が共同で署名するようにしてください。そうでないと後で誰も尊重しません。

この進め方に神秘的なところはありません。難しいのは、データ、モデル、作業指示、予備品を1本の鎖につなぐことです。つながれば、ROIは自然に見えてきます。

分野: AI-FAQ