A: AI 設備健康管理(PHM)の核心原理は、平たく言えば設備に自分で語らせることです。センサーが振動、温度、電流などの信号を収集し、アルゴリズムがそのデータから故障の初期兆候を見つけ、設備が実際に壊れる前に、何をいつ修理すべきかを教えます。単に監視を付けて曲線を眺めることではなく、データ取得から残存寿命予測までの完全な技術の連鎖です。
1. まず PHM が解く課題を理解する
ある自動車部品企業のプレス工程を考えます。重要な油圧プレスのひとつが突然停止すると、ライン全体が止まり、損失は時間単位で計上されます。従来の方法は定期保全か事後修理で、前者は過剰保全になりやすく、後者は受動的な火消しです。PHM が行うのは、「いつ壊れるか」という問いを経験による判断からデータによる判断へ変えることです。目標は三つの水準に分かれます。異常を検知する、故障を特定する、残存寿命を予測する。この三水準は異なる技術手段に対応し、進むほど難しく、価値も高くなります。
2. データ取得層:高品質な信号がなければ、下流はすべて絵に描いた餅
PHM の出発点はセンサーです。振動加速度計、温度プローブ、電流変流器、AE(アコースティックエミッション)センサーが一般的な構成です。ある電子工場の SMT 実装機では、主軸とガイドレールに高周波振動センサーを追加し、軸受の初期の微弱な衝撃を捉えるため 20 kHz 以上のサンプリングレートとしました。ここで見落としやすい点があります。サンプリング周波数と取付位置がデータの上限を決め、位置を誤ればどんなアルゴリズムでも救えません。データ取得では同期も解決する必要があります。多チャネル信号はタイムスタンプで揃っていなければ、後の特徴量融合が無意味になるからです。一言で言えば、センサーの選定と取付品質が PHM の上限を直接決めます。
3. 特徴量設計と健康指標の構築:生信号を健康診断の指標に変える
生の振動波形は乱雑で、そのままモデルに投入しても性能は出ません。実務ではまず時間領域、周波数領域、時間周波数領域の特徴量を抽出します。実効値、尖度、包絡スペクトルのピーク、ウェーブレットパケットのエネルギーエントロピーなどです。これらの特徴量のいくつかは初期故障に特に敏感で、尖度は衝撃型の故障に敏感、実効値は全体的な劣化傾向に対してより安定しています。次に主成分分析やマハラノビス距離を用いて複数の特徴量を一つの健康指標に融合します。一般に健康指数(HI)と呼ばれ、1 が新品、0 が故障を表します。ある風力発電企業が歯車箱を監視する場合を考えます。包絡スペクトルのかみ合い周波数周辺の側帯波エネルギーの変化から、歯面摩耗を数週間前に検知します。一言で言えば、特徴量設計は物理信号を機械が理解できる健康の言語に翻訳することです。
4. モデル層:しきい値警報から深層学習による予測へ
初期の PHM は固定しきい値を使い、超えたら警報を出しましたが、運転条件が変わるとしきい値は当てにならなくなります。現在の主流は二つの道に分かれます。一つは物理モデル駆動で、軸受の動力学方程式に基づく残差分析など、機構が明確な部品に適します。もう一つはデータ駆動で、LSTM、CNN、Transformer のネットワークで過去の劣化軌跡を学習します。ある半導体工場の空気圧縮機の PHM では、LSTM で過去の電流・温度系列をモデル化し、今後 72 時間の劣化傾向を予測しました。物理モデルの事前知識をニューラルネットワークに埋め込むハイブリッド手法もあり、少サンプルでも収束します。ここでの鍵はラベルです。故障サンプルが少なすぎるため、教師なしの異常検知や転移学習がよく使われます。一言で言えば、モデルの選択はデータ量と機構の明確さに依存し、万能のアルゴリズムはありません。
5. 残存寿命予測と意思決定の出力:予測から行動へ
残存寿命(RUL)を予測した後は、それを保全判断に変換しなければなりません。例えばモータ軸受の残りが 200 時間と予測され、来週の生産計画が三日連続のフル稼働なら、システムは週末の時間帯での交換を推奨すべきです。その背後には予測結果と保全ルールの組み合わせがあります。あるセメント工場のローラープレスの PHM システムは、RUL 予測をスペアパーツ在庫と保全班の日程に接続し、作業指示の提案を自動生成します。成果としては、計画外停止の減少とスペアパーツ在庫の削減が業界一般のフィードバックですが、具体的な数値は運転条件によって大きく異なり、一般化はできません。一言で言えば、PHM の終着点は予測ではなく、実行可能な保全判断です。
まとめ:自社工場に PHM を導入するなら、最初から全設備をカバーしようとしないでください。まず重要な機械を一つと、明確な故障モードを一つ選び、データ取得と特徴量設計を堅実に行い、それからモデルの話をしてください。15 以上の業界、120 社以上のお客様からの実務的なフィードバックでは、単点検証からライン全体への展開まで、技術選定よりも進め方のペース配分がものを言います。PHM はソフトウェアを買えば終わるものではなく、設備、工程、アルゴリズムの担当者が一緒に腰を据えて磨き上げる必要があります。