機械学習を活用した予知保全システム、導入への課題と確実な一歩を踏み出すための最適解：予知保全は1日にして成らず

工場設備の故障や不具合の発生を未然に防ぐアプローチとして、「予知保全」に対する期待が高まっている。しかし、世の中に存在する予知保全ソリューションはコンセプトレベルのものが多く、製造現場で実際に成果が出たという事例は少数である。そのような状況の中、ユーザーは何を選択したらよいのだろうか？　本稿では、既に製造現場で導入が進み、成果が出始めている予知保全ソリューションを取り上げるとともに、予知保全の導入を実現する上で知っておきたいポイントを紹介する。

[PR／TechFactory]

PR

　工場の生産性を高める上で、設備稼働率の向上は重要な指標の1つである。そうした中、思わぬタイミングで発生する工場設備の故障や不具合は、稼働率を低下させるだけでなく、企業の損失を生み出す要因にもなり得る。

　現状、何か故障が発生した際に都度修理を行う事後保全、定期的に点検や交換を行う予防保全などが実施されているが、稼働率の低下や故障の発生などを完全に防ぐことは難しい。これまで、こうしたリスクが発生することはある種「仕方のないこと」として諦められていた部分もあったが、近年、IoTやAIといったキーワードの盛り上がりとともに、「予知保全」に対する期待が高まりを見せている。

　製造設備の故障や不具合は、ある時、突発的に発生するものではなく、その設備の部品をはじめとする要素に質的な変化が起こり、ある範囲を超えた時点で一気に顕在化するケースがほとんどだ。その質的な変化が徐々に進行する場合、部品などから生じる音や振動、温度、トルク、電圧などの要素に微小な変化が表れてくる。この変化をセンサーなどで察知して、製造設備の故障や不具合を未然に防ぐのが予知保全の基本的な考え方である。

　ただ残念なことに、実践で活用できる予知保全ソリューションの選択肢は少ない。現状、予知保全の実現をうたうソリューションを見てみると、コンセプトレベルのものが多く、実際に現場で成果を挙げているものは数少ない。そのため選択を誤ると、せっかく予知保全ソリューションを導入しようとしても現場でうまく立ち上がらず、思ったように成果が出せないという結果に終わってしまう。

　そうした中、既に幾つもの製造現場に導入され、着実に成果を挙げている予知保全ソリューションがある。「FFT-MTシステム」だ。製造業でなじみ深い品質工学の「MT（マハラノビス・タグチ）法」の考え方を取り入れたもので、機械学習をベースとした予知保全を実現できる。

導入が進む、品質工学の考え方を取り入れた予知保全ソリューション