設備の予知保全へのAIの使い方：センサーのデータで故障の兆しをつかむ

自社の「ユースケースと効果」の準備度は？10問・約3分で確かめる（無料・登録不要）

設備が突然止まると、生産の遅れや急な修理の費用につながります。壊れてから直す、決まった周期で部品を替える、といった従来の保全に加えて、設備の状態を表すデータから故障の兆しをつかむ「予知保全」にAIを使う取り組みが広がっています。この記事では、経済産業省の「AI導入ガイドブック」の予知保全の巻を中心に、進め方と注意点を整理します。

予知保全で、AIは何をするのですか？

経済産業省のガイドブックは、予知保全を「製造機械の故障の予兆を捉えて故障を予知し、適切に対応することで、故障への対応の費用を抑えること」という趣旨で説明しています。AIは、設備から集めたデータのわずかな変化から、故障に向かう兆しを見つける役を担います。

保全の担当者は、これまでも音や振動の変化から異常に気づいてきました。ガイドブックは、こうした従来から見ている情報に加え、温度や電流など、故障の兆しと関わりがありそうなデータもあわせて使うことを挙げています。ベテランが五感でとらえてきた変化を、データとして残し、AIで見つけやすくすることが、予知保全のAIの役割といえます。

経済産業省の「構想ステージ」のガイドブックも、AIの取り組みの候補の例として「機械・施設の予知保全」を挙げています。

どの設備から始めればよいですか？

ガイドブックは、次のような機械を優先する考え方を示しています。

• ラインが止まったときの損失が大きい機械
• 保守や故障の回数が多い機械

始める設備を選ぶときは、次の点もあわせて確かめておくと進めやすくなります。

ベテランの保全担当者の知見は、どのデータを集めるか、どの変化が異常のしるしかを決める場面で役立ちます。知見の引き継ぎの考え方は「ベテラン社員の知見をAIで引き継ぐ」もあわせてご覧ください。

どんなデータを集めればよいですか？

ガイドブックは、データについて次の点を挙げています。

• 種類：音・振動に加え、温度・電流など、故障の兆しと関わりがありそうなデータ
• 時点：正常に動いているときと、故障したときの両方の時系列のデータ
• 期間：数か月から数年分（季節による変化がある場合は数年分）

故障したときのデータが少ないことは、予知保全でよく起きる悩みです。ガイドブックは、故障したときの判定の情報がない場合に、後から判定の情報を書き加える方法や、故障に近い状態を作ってデータを集める方法を紹介しています。

データを集めるときは、いつ・どの設備で・どんな作業をしていたかの記録もあわせて残すと、後で異常の原因を確かめやすくなります。センサーやIoTのデータの扱い方は「現場のセンサー・IoTデータの活かし方」で詳しく扱っています。

どんな手順で進めればよいですか？

ガイドブックは、構想・設計・検証（PoC）・実装と運用の4つの段階で進める流れを示しています。

① 構想：解きたい課題と対象の設備を決めます。

② 設計：集めるデータ、AIの判定をどう使うか、効果をどう測るかを決めます。ガイドブックは、目標を決めるときは、いまの人の手による見分けの精度を比べる基準にすることを勧めています。

③ 検証（PoC）：手元のデータで、故障の兆しを見つけられるかを確かめます。ガイドブックは、検証の期間を2〜3か月程度が一般的としています。

④ 実装と運用：AIの判定を保全の業務に組み込みます。運用が安定したら、対象の範囲やほかのシステムとの連携の範囲を段階的に広げます。

ガイドブックは、初期の費用を必要な分に抑え、まず手元のデータから小さく始めることを勧めています。効果は、作業の時間の削減、稼働率の向上による売上の増加、属人化の解消などを、費用と比べて評価する考え方が示されています。

試す段階の計画には「PoC計画書」も使えます。

運用では、何に気をつければよいですか？

ガイドブックが挙げる運用の注意点を整理します。

定期的に結果を確かめる

月に一度など、定期的に予測の結果を評価し、精度の低下や環境の変化があれば学習し直します。その際、誰が評価するか、いつ評価するか、何と比べるかを前もって決めておくことが勧められています。評価する人は、予測の結果を判断できる業務の担当者です。

設備の改造や部品の変更、生産する品目の変化があると、データの傾向が変わり、AIの判定がずれることがあります。

AIの判定をそのまま使わない

AIの結果をそのまま業務に使わず、人が確かめる工程を設けます。たとえば、AIが異常のおそれを示したら、保全の担当者が点検の要否を判断する、という形です。

失敗の例から学ぶ

ガイドブックは、検証の結果、導入の効果が見込めず、費用のほうが大きくなって断念した例を挙げています。検証の前に期待する効果を試算し、続ける・やめるの判断の条件を決めておくと、判断をしやすくなります。

安全に関わる設備では、AIの品質を確かめる考え方も参考にする

石油・化学プラントなどの保安の分野では、総務省消防庁・厚生労働省・経済産業省による石油コンビナート等災害防止3省連絡会議が「プラント保安分野AI信頼性評価ガイドライン」をまとめています（第2版は2021年3月改訂）。このガイドラインは、AIが安全性・生産性の向上のために期待どおりの品質を果たすことを「信頼性」とし、それを評価する考え方を示しています。プラント保安に特化した内容ですが、安全に関わる設備にAIを使う会社にとって、AIの品質をどう確かめるかを考える参考になります。

設備をネットワークにつなぐときの注意はありますか？

予知保全では、設備のデータを集めるために、工場の機器をネットワークやクラウドにつなぐことが多くなります。経済産業省の「工場システムにおけるサイバー・フィジカル・セキュリティ対策ガイドライン」（Ver 1.0、2022年11月）は、工場のネットワークをインターネットなどにつなぐ必要や機会が増えることで、新たなセキュリティ上のリスクの源も増えていると指摘しています。

このガイドラインには、次のような考え方が示されています。

• 機器を購入するときに、保守の範囲に脆弱性の情報や修正プログラムの提供が含まれているか、脅威が起きたときに対応できる体制があるかを確かめる
• 納品された装置で見つかった脆弱性に修正を当てる場合に備え、トラブルが起きたときの責任などをはっきりさせておく
• 機器の型番・メーカー・脆弱性の情報などを整理し、修正プログラムの情報の収集と適用の状況を管理する
• 工場・IT部門などの役割と連携の方法をはっきりさせておく

取引先を含めた備えは「取引先を含めたサプライチェーンのセキュリティ」もあわせてご覧ください。

チェックリスト

• 止まると損失の大きい設備、保守や故障の多い設備から対象を選んでいる
• 音・振動・温度・電流など、集めるデータの種類を決めている
• 正常時と故障時のデータの集め方（故障の記録の書き加えを含む）を決めている
• いまの人の手による見分けの精度を、目標を決める基準にしている
• 検証の期間と、期待する効果と費用の試算をしている
• AIが異常のおそれを示したときに、誰がどう判断するかを決めている
• 結果を評価する人・時期・比べ方を決め、学習し直す条件を決めている
• 設備をネットワークにつなぐ場合、機器の保守の範囲（脆弱性の情報・修正プログラムの提供）とトラブル時の責任を確かめている