メンテナンスの大革命：ダウンタイムを防ぐAI/IoTを活用した予知保全

生産ラインを安全かつ計画どおりに生産的に稼働させるには、検査とメンテナンスが不可欠です（図1）。これには時間、労力、費用、人手がかかることは否定できませんが、近年、少子高齢化が進む中、一部の国ではメンテナンス要員の不足に直面しています。また、メンテナンスは間接的に製品価値に関係するため、多くの企業はメンテナンスに関わる人員を削減したいと考えています。

図1: 検査とメンテナンスの効率化はスマートファクトリーの重要な利点となる可能性がある

生産ラインはさまざまな理由で停止しますが、ラインのわずかな遅延、機器の故障、わずかな同期のずれなど、さまざまな要因が重なると短時間の停止が発生します。こうしたさまざまな要因により、短時間の停止を予測することが困難になります。

最近では、製造業ではIoTを活用して設備の稼働状況や作業員の動きなどのデータを収集し、リアルタイムで把握できるようにしています。取得したデータの収集とビッグデータ分析により、過去の事例を参考に短時間の停止を予測する技術が生まれました。予想される短時間の停止は、関連機器の動作条件を調整したり、作業員を増やしたりすることで防止できる可能性があります。

一方、機械部品が摩耗したり、錆びたり、汚れや異物が詰まったり、気温の上昇により膨張したりといった他の要因により修理が必要になる場合もあります。最終的に失敗につながる変化は複雑で、徐々に起こるため、この失敗を予測することは困難です。

予防保守には、修理が必要となる故障を回避するために、定期的に慎重に検査し、部分的に使用された消耗部品を交換することが従来から行われてきました。このアプローチには2つの課題がありました。まず、個々の部品のばらつきにより、予想よりも早く故障が発生する可能性があります。第二に、耐用年数が終わる前に完全に正常な部品を交換するのは無駄に思えます。しかし近年、IoTやAIの登場により、障害の兆候を早期に検知し、より積極的な対応が可能になりました。これは予知保全として知られています（図2）。生産設備に搭載されたセンサーから、外観、音、圧力、熱、振動などの潜在的兆候をデータとして収集し、AIを活用した分析技術により、故障や不具合の予兆を事前に検知します。予測メンテナンスにより、消耗部品を最大限に活用できます。これにより、メンテナンスと部品の注文に対する体系的なアプローチが可能になります。

図2: 予防保全と予測保全の違い

老舗工場の中には、熟練した技術者が音や手で感じる振動で設備の異常を察知できるところもあります。この鋭い意識により、短時間の停止や修理を必要とする機器の故障を防ぐことができました。

こうしたベテラン技術者はますます少なくなり、高齢化社会で出生率が低下するなか、技術の継承が難しくなり、育成する人材も減少しています。スマート ファクトリーでは、すべての生産設備を異常を見逃すことなくノンストップで監視するシステムを構築できます。これは、少数の人のスキルに依存する従来の工場では実現不可能な偉業です。

障害予測は、より正確な異常検出を備えたより高度なデータ収集および分析テクノロジーの唯一の利点ではありません。収量や品質の低下などの問題も予測できます。しかし、より正確な異常検知には、メーカーが適切なエリアから十分な高品質データを収集する必要があり、そのためには、より高度なセンサー、通信モジュール、バッテリー、およびデータを収集するIoTシステムの他のコンポーネントも必要になります (図3)。

図3: スマートファクトリーにおける異常検出精度向上のための主要コンポーネント

そのためには、設置要件によってデータ収集場所が制限されないように、これらのコンポーネントをより小型、軽量、かつエネルギー効率の高いものにする必要があります。厳しい工場環境下でも安定した動作を確保するために、コンポーネントには高い耐環境性と耐ノイズ性も求められます。

近年、IoTデバイスの電源として徐々に普及しつつある技術の1つに、光、温度差、電磁波、振動などの周囲のエネルギー源を電力に変換するエネルギーハーベスティングがあります。今後、電池駆動型IoTデバイスの耐環境性を向上させる酸化物系固体電池により、これらのデバイスの使用領域が拡大すると期待されています。