設備の突発故障による生産ライン停止を予兆検知と計画保全で防ぐ方法

製造現場で設備が突然止まると、復旧までの数時間から数日にわたって生産ラインが停止し、納期遅延や緊急対応コストが一気に膨らみます。多くの工場では、設備が壊れてから修理する事後保全が中心になっており、壊れる前の兆候をつかんで計画的に手を打つ仕組みが整っていません。その根本原因は、設備に取り付けたセンサーのデータ、過去の故障履歴、保全作業の記録がバラバラに管理されていて、横断的に分析できない状態にあることです。

この記事は、従業員50〜500名規模の製造業で、設備保全を兼務している生産技術担当者や工場管理者を想定しています。読み終えると、センサーデータの収集から異常の予兆検知、保全作業の計画立案までを一気通貫でつなぐワークフローの全体像と、各ステップで使うツールの選び方がわかるようになります。大規模プラント向けの全社統合システム構築や、個別ツールの網羅的なレビューは扱いません。

なお、本記事で紹介するツールの組み合わせは代表的な一例です。同じ役割を果たす別の製品でも、同様のワークフローを構築できます。

読み終えた時点で、自社の設備保全を事後保全から予兆検知型の計画保全へ切り替えるための3ステップの実行計画と、各ステップに必要なツール選定の判断基準を手にしている状態になります。

Workflow at a glance: 設備の突発故障による生産ライン停止を予兆検知と計画保全で防ぐ方法

• Step 1: 設備のセンサーデータをクラウドに集約する (FASTIO)
• Step 2: 異常の予兆を検知してアラートを出す (Impulse)
• Step 3: 保全作業を計画に組み込み実行する (MENTENA) (建設業向けシステム)

なぜ設備の異常予兆を見逃してしまうのか

データが3か所に散らばっている

設備の状態を示すセンサーデータはPLC（設備を制御する装置）やデータロガーに蓄積され、故障履歴は紙の報告書やExcelに記録され、保全作業の実施記録はまた別の台帳に書かれています。この3つが別々の場所にあるため、ある設備の振動値が上がり始めた時期と、過去に同じ設備で軸受を交換した時期を突き合わせるだけでも、担当者が手作業で複数のファイルを開いて照合する必要があります。結果として、異常の兆候に気づくのは設備が完全に止まった後になります。

定期保全のサイクルが実態と合っていない

多くの工場では、メーカー推奨の期間に従って一律に部品交換や点検を行う定期保全を採用しています。しかし、設備の使用頻度や環境条件は工場ごとに異なるため、まだ使える部品を交換してコストが無駄になったり、逆に想定より早く劣化が進んで定期保全の間に故障が起きたりします。実際の設備状態に基づいた保全判断ができていないことが、突発故障の温床になっています。

突発故障のコストは修理費だけではない

設備が突然止まると、修理費用に加えて、ライン停止中の人件費、納期遅延による特急便の手配費用、顧客への違約金リスクが発生します。さらに、突発故障を繰り返すと設備そのものの寿命が短くなり、設備更新の投資サイクルが早まります。FitGapでは、突発故障1回あたりの総コストは修理費の3〜5倍に達するケースが多いと見ています。

重要な考え方：センサーデータと保全記録を1か所に集めて初めて予兆が見える

予兆検知の本質は、高度なAIを導入することではなく、まずデータを1か所に集約して時系列で並べることです。振動値が徐々に上昇しているという事実と、3か月前に同じ設備でベアリングを交換したという記録が同じ画面で見られるだけで、次にいつ交換が必要かの見当がつきます。

まず集約、次に可視化、最後に自動化

いきなり予知保全AIを導入しようとすると、データの整備に時間がかかり、成果が出る前にプロジェクトが頓挫します。正しい順序は、まずセンサーデータと保全記録をクラウドに集約し、次にダッシュボードで傾向を可視化し、十分なデータが溜まった段階で異常検知の自動化に進むことです。この記事で紹介するワークフローもこの順序に沿っています。

しきい値ベースの監視から始める

予兆検知というと機械学習を思い浮かべがちですが、最初のステップはシンプルなしきい値監視で十分です。振動値が通常の1.5倍を超えたらアラートを出す、温度が設定範囲を外れたら通知するといったルールだけでも、突発故障の多くは事前に察知できます。機械学習による高度な予測は、しきい値監視で半年以上のデータを蓄積してから検討すれば十分です。

センサーデータ収集から計画保全までの3ステップ

ステップ 1：設備のセンサーデータをクラウドに集約する（FASTIO）

最初に行うのは、工場内の設備からセンサーデータをクラウドに送る仕組みの構築です。FASTIOは国内製造業向けのIoTプラットフォームで、既存のPLCやセンサーからデータを収集し、クラウド上に蓄積する機能を備えています。

具体的な作業としては、まず対象設備を絞り込みます。全設備を一度にIoT化するのではなく、過去1年間で突発故障が2回以上発生した設備、またはライン停止時の影響が最も大きいボトルネック設備を3〜5台選びます。次に、各設備の振動、温度、電流値などのセンサーデータをFASTIOのゲートウェイ経由でクラウドに送信する設定を行います。データの送信間隔は、通常は1分間隔で十分です。異常が疑われる設備だけ10秒間隔に切り替えるといった運用で、通信コストを抑えられます。

担当者は生産技術担当者または設備保全担当者です。初期設定は1台あたり半日から1日程度で完了します。設定後は自動でデータが蓄積されるため、日常的な作業は発生しません。

ステップ 2：異常の予兆を検知してアラートを出す（Impulse）

センサーデータがクラウドに溜まり始めたら、次は異常の予兆を検知する仕組みを構築します。Impulseは製造業向けの予知保全AIサービスで、FASTIOなどのIoTプラットフォームからデータを取り込み、設備の異常パターンを学習して予兆を検知します。

導入初期の1〜2か月は、Impulseにデータを流しながら正常時のパターンを学習させる期間です。この間は、前述のしきい値ベースの監視を並行して運用します。具体的には、振動値が過去30日間の平均値の1.5倍を超えた場合、温度が設定上限の90%に達した場合などのルールを設定し、超過時にメールまたはチャットツールに通知を飛ばします。

学習期間が終わると、Impulseが正常パターンからの逸脱を自動で検知し、故障の数日〜数週間前にアラートを出せるようになります。アラートには、どのセンサー値がどの程度逸脱しているかの情報が含まれるため、保全担当者は現場に行く前に原因の見当をつけられます。

担当者は設備保全担当者です。毎朝10分程度、アラートの確認とダッシュボードでの傾向チェックを日課にします。アラートが出た場合は、設備の状態を現場で確認し、次のステップで保全計画に組み込みます。

ステップ 3：保全作業を計画に組み込み実行する（MENTENA）

予兆を検知したら、実際の保全作業を計画し、実行し、記録するステップです。MENTENAは設備保全管理に特化したクラウドサービスで、保全計画の立案、作業指示の発行、作業記録の蓄積、部品在庫の管理を一元的に行えます。

Impulseからアラートが出た設備について、MENTENAで保全作業のワークオーダー（作業指示書）を作成します。ワークオーダーには、対象設備、異常の内容、推奨される保全作業、必要な部品、作業予定日を記載します。作業予定日は、生産計画と照合して、ラインの稼働に影響が少ないタイミング（週末の定期停止日や、段取り替えの合間など）を選びます。

保全作業が完了したら、MENTENAに作業内容、交換した部品、作業時間を記録します。この記録がFASTIOのセンサーデータやImpulseの検知履歴と紐づくことで、次回以降の予兆検知の精度が上がります。たとえば、ベアリング交換後に振動値がどの程度下がったかのデータが蓄積されると、次に同じ傾向が出た際の判断がより正確になります。

担当者は設備保全担当者と工場管理者です。保全担当者が週次でアラート対応状況をMENTENAのダッシュボードで確認し、工場管理者が月次で突発故障件数と計画保全の実施率をレビューします。

この組み合わせが機能する理由

FASTIO：既存設備からのデータ収集に強い

FASTIOの最大の利点は、国内製造業で広く使われている各社PLCとの接続実績が豊富な点です。古い設備でもPLCからデータを取り出せるケースが多く、センサーを新規に取り付ける必要がある場合でも、対応するセンサーの種類が幅広いため柔軟に対応できます。一方で、FASTIOはデータの収集と蓄積に特化しているため、高度な分析機能は備えていません。分析はImpulseなど別のツールに任せる設計になっており、この役割分担がかえってシンプルな構成を実現しています。通信コストはセンサーの数とデータ送信頻度に比例するため、対象設備を絞り込んで始めることがコスト管理の鍵です。

Impulse：製造業に特化した予兆検知

Impulseは汎用的なAI分析ツールではなく、製造設備の予兆検知に特化しています。そのため、製造現場でよくある振動、温度、電流値といったセンサーデータの異常パターンを効率よく学習できます。汎用AIツールと比べると、学習に必要なデータ量が少なく、導入から実用レベルの検知精度に達するまでの期間が短い傾向があります。ただし、検知精度はデータの質と量に依存するため、導入直後は誤検知（実際には問題ないのにアラートが出る）が一定数発生します。最初の3か月は誤検知率を記録し、しきい値を調整する運用が必要です。

MENTENA：保全記録のデジタル化と計画保全の実行基盤

MENTENAの強みは、設備保全に必要な機能（ワークオーダー管理、部品在庫管理、作業記録、レポート）が一つのサービスにまとまっている点です。Excelや紙の台帳で管理していた保全記録をクラウドに移行することで、過去の作業履歴の検索や、設備ごとの保全コストの集計が容易になります。また、スマートフォンから作業記録を入力できるため、現場での記録作業の負担が軽減されます。注意点として、MENTENAはFASTIOやImpulseとの直接的なAPI連携が標準では用意されていない場合があるため、アラート情報の転記は手動またはメール転送で対応する運用を想定してください。将来的にAPI連携が整備されれば、アラートからワークオーダー作成までの自動化も可能になります。

Recommended tool list

結論：データを集めて並べるだけで突発故障の大半は防げる

予兆検知による計画保全は、高度なAIがなければ実現できないものではありません。センサーデータと保全記録を1か所に集め、時系列で並べて傾向を見るだけで、突発故障の多くは事前に察知できます。重要なのは、最初から完璧を目指さず、過去に故障が多かった設備3〜5台から始めて、小さな成功体験を積み重ねることです。

まずは自社の過去1年間の突発故障リストを作成し、影響が大きかった設備を3台選ぶところから始めてください。その3台のセンサーデータをクラウドに上げるだけで、最初の一歩は完了です。

Mentioned apps: MENTENA

Related categories: 建設業向けシステム

Related stack guides: 点検結果から見積・提案書を即日発行し受注機会の取りこぼしを防ぐ方法, 点検データから設備の劣化傾向を可視化し部品交換の最適タイミングを判断できるようにする方法, 保守要員のスキルと稼働状況をひとつなぎにして作業割り当ての偏りと品質ばらつきを解消する方法, 保守作業の実施履歴と次回計画を連動させ点検漏れと突発故障を防ぐ方法