設備の故障を事前に予測し、計画外停止ゼロを目指す「予知保全（Predictive Maintenance）」にAIが革命をもたらしている。振動・温度・電流センサーのデータをAIが分析し、故障数日前に異常を検知する。
予知保全の仕組みと精度
機械学習モデルが設備の正常稼働データを学習し、逸脱パターンを故障前兆として検出。GEデジタルのPredixやPTCのThingWorxでは故障予測精度85〜95%を実現している。
鉄鋼メーカーでの年間1.2億円削減効果
国内某鉄鋼メーカーで圧延機のモーター故障をAIが5日前に予測し、従来の定期交換コストと比較して年間1.2億円のメンテナンスコスト削減に成功。計画外停止ゼロを18ヶ月連続達成した。
Harryの着眼点
最大の障壁は「データがない」のではなく「データが使えない状態にある」こと。センサーはあっても別々のシステムに閉じている。まずデータの集約・標準化から着手することを強く推奨する。
出典：PTC「Predictive Maintenance Industry Report」（2020年）