ナレッジセンター
目次

Q: 企業はAI設備健康管理(PHM)をどう進めるべきか、ソリューションは実際どうあるべきか

A: AI設備健康管理(PHM)の導入の要点は、まずアルゴリズム基盤を買うことではなく、どの設備、どの故障、どんなデータで、どんなアクションを起こすかという連鎖を明確にし、シナリオ単位で段階的に稼働させることである。つまりPHMソリューションは本質的にデータ収集から保全の閉ループまでの工学プロセスであり、アルゴリズムはその中の1つの環に過ぎない。

自動車部品企業のプレス工場を想定する。当直の技術者は夜明けに通知を受け取る。3号プレスの主電動機の振動値が4時間連続で緩やかに上昇し、警告線を超えたがアラーム線には達していない。トレンドグラフを開くと、特性周波数が軸受の外輪故障周波数に近い。そこで週末の停止枠を翌日の金型交換の合間に前倒しする。ハウジングを開けると、グリスの劣化と玉の微小などっきが確認された。この対応により計画外停止は発生せず、軸が焼き付いた場合の10万円超の修理費とライン停止も回避できた。このシナリオで回ったのが典型的なPHMの閉ループである。

具体的には、使えるPHMソリューションの導入は次の5ステップで進めるのがよい。

1. 設備の分類と故障モード分析から始める

最初から工場全体に展開しない。FMEAや過去の保全作業指示を使い、停止影響、修理費、故障頻度で設備をA、B、Cの3階層に分類する。プレス、射出成形機、空気圧縮機、重要ポンプ群などのA階層設備からPHMを適用し、C階層設備は定期保全を続けてよい。同時に、各階層で防ぐべき3〜5個の典型的な故障を定義する。軸受摩耗、歯車の歯折、電動機の層間短絡、油圧の内部漏れなどである。故障モードが明確でなければ、どんなデータを集めても、どんなモデルを作っても後から空虚になる。

2. センサーを積み上げるのではなく、層別にデータを収集する

振動、温度、電流、圧力、流量、回転数がPHMの一般的な信号である。回転機械はまず3軸振動+温度、電気設備は電流高調波と絶縁監視を追加、油圧系は圧力と流量を見る。サンプリング周波数は高ければよいのではなく、振動なら故障周波数の2.5倍以上に設定すれば十分で、それ以上はデータ量が保存と伝送を圧迫する。エッジ側で先にフィルタリング、ノイズ除去、特徴量抽出を行い、方針に応じて特徴量と生波形区間だけをアップロードすれば、帯域とクラウドコストを大幅に節約できる。

3. モデル戦略: メカニズムを土台にし、データ駆動を強化とする

純粋なAIモデルは故障サンプルが本質的に希少なため、産業シナリオで苦戦しがちだ。より安定した方法はメカニズムモデル+データ駆動である。軸受故障なら、包絡線スペクトル、尖度、RMSなどのメカニズム特徴量でまずしきい値判定を行い、その上で機械学習でトレンド予測と残余寿命の推定を行う。120社以上(15以上の業界)での実践では、この方式は通常3〜6か月のベースライン学習から始め、正常状態での設備の呼吸のようなリズムを学ばせ、その後で警告感度を徐々に上げていく。

4. アラートを作業指示と部品システムにつなぐ

PHMで最悪なのは、アラートは出るが行動につながらないことだ。アラートが出たら、推奨点検箇所、推奨交換部品、類似故障の過去処置記録を載せた保全作業指示を自動生成すべきだ。EAMやCMMSと連携し、保全チームがモバイル端末で受付、フィードバック、クローズできるようにする。この段階がなければ、どんなに精度の高いアルゴリズムも見栄えのよいダッシュボードに過ぎない。

5. 閉ループのデータをモデルに戻す

修理のたびに、実際に交換した部品、確定した故障結果、停止時間をシステムに書き戻す。これらのラベルがモデル反復の最も価値ある燃料である。実践では、1年間運用したPHMシステムは誤報率が通常半分以下に下がる。モデルがその工場固有の運転条件と保全習慣を徐々に学ぶからだ。

まとめ: PHMを導入するときは、まず1ラインか1種類の重要設備をパイロットに選び、データ収集、特徴量抽出、アラート、作業指示、フィードバックの連鎖を通しで回し、それから他の設備へ広げる。一発で工場全体のブレインを狙わず、1台のプレスや1台の空気圧縮機に「話させる」方がはるかに実用的だ。

分野: AI-FAQ