ソリューションブログ

定期的なメンテナンスによる代表的な部品交換の考え方は、経年による定期交換です。
しかし、近年各機器のセンサによるデータ取得が一般的となってきており、経年による定期交換のデメリットでもあった「使える状態なのに交換をする」という課題が解決されつつあります。
こうしたセンサからデータを取得し高度な解析を行い、本当の意味での部品故障の兆候を故障前に診断し、交換推奨を行う「予知保全」が注目を集めています。

IoTは知られるようになったが、予知保全はまだ認知度が低い

IoTによるデータ収集は、工場の自動化に将来的には有効だという見方から経営判断で導入を決めている企業も多いと思いますが、データの有効活用が将来的な課題となっていることがよくあります。
また、様々なセンサをIoTでデータ収集を行っても、足りない部分が出てきてしまい、さらなるセンサ追加やIoT接続デバイスの追加を行い、想定以上に費用がかかってしまっているというケースもよくあります。
これらはIoTで収集したデータの解析方法が確立していないため、収集データが役立てられず蓄積されていっているだけという状況に陥っています。
IoTによるスマートファクトリーの第二段階でもある予知保全はまだまだ認知度が低いのが現状です。

予知保全は解析方法の確立が重要

予知保全は、故障の兆候を個別機器に照らし合わせ、一般的な周期サイクルによる交換よりも、より正確な故障前の交換を行える保全を言います。
回転機に用いられるベアリングの例では、損傷部位により、ベアリング振動幅と周波数が異なるとのことです。
振動のスペクトラムを解析し、ある周波数の数値が上昇している場合、ベアリングの内輪が損傷している可能性が高い等の解析を行うことが可能です。
これは損傷する部位の振動値が周波数として式があるから解析ができる内容です。
こうした故障解析方法があれば、AIなどにより過去データの一斉解析を行うことも可能です。しかし、解析手法がない状態でAIを活用しても何を判断すればよいかが分からず、データだけが蓄積され続けてしまうという状況になります。

保全業務の解析方法の確立と、判断の数値化が急務

保全業務を振り返ると、機器の盤面に出ている測定値を帳簿に写したり、運転音がいつもと異なっていないかといった感覚を使った判断などを行っています。
帳簿に毎日写していると、過去のデータから今日は何かが違うということが分かる場合もあります。運転音も音が高い低いと言った感覚から、別の音が入っているといったようないつもと違うということを感覚的に感じ取って故障の兆候を判断します。
現在、人が行う帳簿の記録はIoTにより、データ収集が可能な状態で自動化がほぼ完了したと言えるでしょう。
しかし、判断を行うための、データ収集後の解析や異音の数値化といった「いつもと違う」という感覚で判断するような部分の数値化がなされていません。
このため、IoTは、人が記録をとった帳簿が増えていっている状態でそれを有効に扱う方法が確立していないと言えるでしょう。

故障の兆候を見て保全を行う予知保全には産業界のデータサイエンティスト人材が必要

予知保全は、修繕で交換する部品が高価な場合や、部品の点数が多く交換周期よりも少しでも長く使用したいというような場合に有効です。
正確な数値データをもって、交換周期を提案できるため、装置メーカの新しい営業戦略の道具としても使える可能性があります。こうした予知保全の実現には、いままで感覚や交換周期で行っていた保全業務も明確な定義式をもって数値化する必要があります。
そのためには、産業機器を専門にその解析手法を扱う産業機器分野のデータサイエンティスト人材が必要となります。
医者が悪い箇所を患者に伝えるのには、その病気の解析を行い、薬や手術と言った治療を行いますが、予知保全についても同じ手法での修繕や部品交換が必要となります。今までデータサイエンティストのような存在は産業界にはいなかったため、今後人材の育成がなされることでしょう。

データ量が増えることによる弊害も

IoTによるデータ量の増大は必ずしもいいことばかりではありません。
複数のセンサからデータ取得を行った場合、その時間的なつながりを解析時に検討する必要があります。
その場合、各センサのデータ取得時に同期する周期がセンサによってばらばらになってしまうという懸念が出てきます。
例えば、温度センサは1秒に一回のデータ送信だったのに対して、回転計センサは1分に一回だった場合、温度センサと同じ精度ではなくなります。
せっかく温度センサではリアルタイムに近い計測データを送っているにも関わらず、回転計と合わせて解析する場合時間軸を合わせるために1分に一回のデータに補正する必要が出てきます。
こうなってしまうと温度センサの精度が生きてこなくなります。
闇雲にIoTを構築しているような場合に起こってしまうような事態と言えるでしょう。
PLCやサーバー上でも同様、同期の問題は起こりうるものです。この問題はセンサ、PLC、サーバといった業界の壁を越えた解決が必要となってくるでしょう。

まとめ：予知保全は産業分野では設計と同じぐらいの存在になる？？

現在、産業分野では装置や機器を設計する設計者が花形の仕事でした。保全やアフターサービスの仕事はどちらかというと補佐的な仕事でした。
そのため、メーカは新規の機器の販売に力を入れてきましたが、機器がいきわたり、新型コロナウイルスによる自粛による経済の停滞などで新品が売れないようなケースも出てきています。
また、環境負荷を考えても新品をどんどん生産するというよりは、機器の寿命を延ばすような措置に重点を置く必要があるでしょう。
そうなった場合に有効な手段と言えるのが予知保全です。予知保全は従来の保全よりも高度な技術とIT分野との協力が必要不可欠です。
そのためにはデータサイエンティスト人材や、ITと産業機器の総合技術者など、今までの枠にとらわれない人材の育成が急務です。

参考：
予知保全システムの実現には「計測」がポイント
https://special.nikkeibp.co.jp/atcl/TEC/17/120800040/00002/