予知保全とは｜予防保全との違いとPoC失敗回避の実装

この記事を読むとわかること

予知保全はAIで故障予兆を検知し計画停止する保全戦略で、予防保全との違いは「タイミング決定」の方法にあります。実装には異常検知・残存寿命予測・物理モデル+AIの3アプローチがあり、PoC失敗の真因は「データ品質」「異常事例不足」「運用設計の欠如」の3つです。中小製造業は重要設備3-5台に絞り、異常検知から始めるのが現実解です。読み終える頃には、自社で予知保全PoCを設計するための具体的な視点が見えてきます。

予防保全との違いと予知保全の本質

予知保全（Predictive Maintenance, PdM）は、AI・センサーデータで設備の故障予兆を検知し、最適なタイミングで計画停止する保全戦略です。Industry 4.0の中核として注目されています。J-STAGE「予知保全のための機械学習」に予知保全の包括的解説があります。

予防保全と予知保全の違いは「タイミング決定の方法」にあります。予防保全は定期（時間ベース）で点検・部品交換を行うため、健全な部品まで交換する過剰整備が発生しがちです。予知保全は故障予兆検知（状態ベース）でタイミングを決めるため、必要な時だけの整備で済みます。

要するに予防保全は「念のための定期整備」、予知保全は「必要な時だけの整備」と言えます。コスト最適化の観点では予知保全が優位ですが、初期投資（センサー・AI・データ基盤）が必要なため、すべての設備に適用するのは現実的でなく、重要設備に絞った導入が定石になります。

3つの実装アプローチとデータ要件

予知保全のAI実装は大きく3アプローチに分かれます。

手法1

異常検知

正常状態からの逸脱を検出

• 必要データ正常データ中心
• 強み故障データ不要

手法2

残存寿命予測 (RUL)

あと何時間で故障するか

• 必要データ故障履歴必要
• 強み計画停止が立てやすい

手法3

物理モデル + AI

ハイブリッドアプローチ

• 必要データ物理特性 + 運転データ
• 強み精度高、解釈性あり

予知保全のAI実装に必要なデータは複数あります。設備運転データ（温度・振動・電流・回転数）、環境データ（周囲温度・湿度）、整備履歴（点検記録・部品交換）、故障履歴（故障内容・発生時期）、製品データ（製品仕様・生産量）、といったデータが必要となります。最低6ヶ月、できれば1年以上の蓄積が望ましく、「データを取り始めてから1年後にAI導入」が現実的スケジュールとなります。

中小製造業がまず取り組むべきは異常検知です。正常データだけで学習可能なため、故障事例が少ない企業でも始められる現実的なアプローチです。

PoC失敗の3つの真因

予知保全のPoCで失敗する典型パターンは3つあります。

第一にデータ品質が低いことです。センサーは付けたものの、データ欠損が多い、サンプリング頻度が低い、タイムスタンプがズレている、といった問題が起きがちです。「データを取る」と「使えるデータがある」は別物で、データ品質の検証を実装の早い段階で行うことが必須です。

第二に異常事例が少ないことです。故障データが10件以下では機械学習モデルの学習が不安定になります。異常検知（正常データだけで学習）から始めるのが現実解で、故障データが蓄積されてからRULや物理モデル+AIに進む順序が安全です。

第三に運用設計の欠如です。モデルができても、誰がアラートを見て、誰が判断して、誰が止めるかの運用フローが不明確なケースが多くなっています。技術と運用は両輪で、運用設計まで含めて初めて投資回収できます。日本機械学会論文集でも、予知保全PoCの成否は技術以上に運用設計に依存することが指摘されています。

実装6ステップとROI試算

予知保全の実装を6ステップで整理します。

1

Step 1

重要設備選定

停止コスト大・故障頻度高の3〜5台

2

Step 2

センサー設置

振動・温度・電流など

3

Step 3

データ収集

最低6ヶ月の蓄積

4

Step 4

モデル開発

異常検知・RUL予測

5

Step 5

PoC

並行運用で精度評価

6

Step 6

本番運用

アラート → 計画停止フロー

1

Step 1

重要設備選定

停止コスト大・故障頻度高の3〜5台

2

Step 2

センサー設置

振動・温度・電流など

3

Step 3

データ収集

最低6ヶ月の蓄積

4

Step 4

モデル開発

異常検知・RUL予測

5

Step 5

PoC

並行運用で精度評価

6

Step 6

本番運用

アラート → 計画停止フロー

ROI試算の項目としては、計画外停止削減（削減時間×設備時間あたり粗利）、予備部品在庫圧縮（在庫額×在庫保管率）、保全工数削減（過剰整備削減×工数単価）、製品不良削減（設備異常起因の不良削減）といった項目を合算します。中堅製造業で1〜2年の回収が見込める設備が予知保全の対象として適切です。

中小製造業向けの現実解、重要設備3-5台から

「全設備に予知保全」は中小製造業では非現実的です。当社の推奨は4点に集約されます。

第一に重要設備3〜5台に絞ること。停止コストが大きく、故障頻度も高い設備が最優先対象になります。第二に後付けセンサーで初期コストを抑制すること。既存設備にレトロフィット可能な後付けセンサーで、設備更新を待たずに開始できます。第三に異常検知から始めること（RULは後で）。故障データが少ない初期段階では異常検知が現実的で、データ蓄積に応じてRULに進化させる設計が無理がありません。第四に1年スパンで効果検証すること。短期間で結論を出さず、四季を通じた稼働状況で評価することで、本格展開の判断が確かなものになります。

経済産業省「Connected Industries」の政策的枠組みも、中小製造業の段階的な予知保全導入を後押ししています。

よくある質問

Q1. 予知保全のセンサー単価はどのくらいか

振動センサー数万〜数十万円、温度センサー数千円〜、電流センサー数千円〜が目安です。設備によって変わりますが、後付けで1台100万円以下に収まるケースが多くなっています。

Q2. 異常検知と異常診断の違いは

検知は「異常ですよ」を知らせる機能、診断は「○○が原因」を特定する機能です。診断は難しく、設備固有の知識が必要となります。最初は検知だけで十分です。

Q3. クラウドかオンプレか

データ量・セキュリティ要件次第です。重要工程はオンプレ、それ以外はクラウドというハイブリッドが現実解となります。

---

主な引用元

J-STAGE「予知保全のための機械学習」（SCIE）、日本機械学会論文集A編（J-STAGE）、電子情報通信学会（IEICE）。

---

Delight Flowでは、予知保全PoCの設計・実装、データ整備からの伴走支援を行っています。無料診断実施中です。お気軽にご相談ください。

最後までお読みいただきありがとうございました。