予知保全と予防保全

収益について考えるとき、保守ストラテジーは最初に思いつくものではないかもしれません。しかし、機械、設備、システムがビジネスの運営を維持していることを考えると、保守ストラテジーは大きな役割を果たします。電力網の変圧器、電車のアクスル・ベアリング、レストランの冷蔵庫など、適切な配慮や注意がなければ、設備機器は故障してしまいます。

資産が故障したり、最適なパフォーマンスを発揮しなかったりすると、安全上の問題や財務上の影響が生じる可能性があります。平均的な製造業者は、ダウンタイムで年間約800時間を失っていると言われています。これに、インフラストラクチャーの老朽化や労働力の定着、予算の制約、サステナビリティーの圧力が加わると、企業が資産を良好な運用状態に保つためのこれまで以上に優れた方法を見つける必要がある理由は明白です。

設備が故障する可能性が高い場合を理解し、計画することで、オペレーションの効率を高めることができますが、どのストラテジーが最も費用対効果の高いストラテジーであるかをどのように決定するのでしょうか。決断は簡単ではありません。業種、資産の種類と使用法、交換にかかる費用、適切なデータの量、障害が発生した場合にビジネスと顧客にどの程度の影響を与えるかなど、複数の要素を考慮する必要があります。何にでも適用できる万能のソリューションは存在せず、ほとんどの企業は資産ポートフォリオ全体でさまざまな保守ストラテジーの組み合わせを選択しています。

事後対応型、予防型、予知保全のストラテジーは、最も一般的に使用されている保守アプローチです。保守（修理保守とも呼ばれる）はまさにそのことであり、故障が発生したときに対応します。故障まで実行するストラテジーをデプロイした場合に安全性や運用リスクを引き起こさない低コストで非クリティカルな資産に適しています。

予防保守と予知保全は、接続性とデータを使用して、エンジニアやプランナーが故障する前に物事を修正プログラムできるようにするストラテジーです。ストラテジーは、これをさらに進めて、高度なデータ手法を使用して、将来問題が発生しそうな時期を予測します。どちらのストラテジーも、壊滅的な問題やコストのかかる問題のリスクを軽減することを目的としています。

これらの事前対応的なアプローチを詳しく見てみましょう。

予防保守では、定期的な保守計画を使用して、定期的な間隔で日常的な保守タスクを実行することで、資産が故障する可能性を減らします。平均故障間隔（MTBF）などのベスト・プラクティスと履歴平均値を使用して、ダウンタイムが計画されます。予防保守は1900年頃から存在し、1950年代後半から広く利用されるようになりました。。

3つの主要な予防保守タイプは、いずれも定期的に保守を実施しますが、スケジュールが異なり、異なるオペレーションの目的に合わせて調整されています。

• 使用量に基づく予防保守スケジュールは、将来のメンテナンスと検査を資産の使用量に基づいて行います（たとえば、50,000マイル走行後の車のタイヤを交換するなど）。
• カレンダーまたは時間ベースの予防保守では、家庭用暖房炉を毎年保守するなど、保守のための特定の時間間隔を設定します。
• 状態ベースの保守では、資産の磨耗や劣化などの要因に基づいてスケジュールが作成されます。

あらゆる種類の予防保守では、機器のダウンタイムが事前に計画され、技術者はチェックリストを使用して総合点検、修理、清掃、調整、交換、その他の保守活動を行います。

予知保全は、資産の状態を継続的に評価することによる状態ベースの監視に基づいて構築されます。センサーはリアルタイムでデータを収集し、そのデータはAI対応のエンタープライズ資産管理（EAM）、コンピュータ制御された保守管理システム（CMMS）、その他の保守ソフトウェアに送られます。これらの種類のソフトウェアを通じて、機械学習（ML）などの高度なデータ分析ツールとプロセスは、発生した問題を識別、検知し、対処することができます。また、アルゴリズムを使用して、将来の潜在的な問題がいつ発生するかを予測するモデルを構築することで、将来的に資産が故障するリスクを軽減します。これにより、保守コストが削減され、ダウンタイムが約35～50%削減され、寿命が20～40%延長されます。 。

さまざまな状況監視技術を使用して、資産の異常を特定し、音（超音波音響）、温度（熱）、潤滑（油、流体）、振動分析、モーター回路解析などの潜在的な問題を事前に警告します。たとえば、コンポーネントの温度上昇は気流や冷却剤の詰まりを示している可能性があります。異常な振動は可動部品の不均衡や損耗を示している可能性があります。音の変化は、人間の耳では感知できない欠陥の早期警告を提供できます。

石油・ガス業界は、環境災害のリスクを軽減する方法として予知保全を先駆的に導入し、他業界もそのメリットを実感しています。たとえば、食品・飲料業界では、検知されない食品ストレージ問題が正常性に重大な影響を与える可能性があります。また、輸送分野では、機器の故障を予測して予防することで、より困難で費用のかかる海上での修理の回数を減らすことができます。

どちらの種類の保守ストラテジーもアップタイムを増やし、計画外のダウンタイムを減らし、資産の信頼性とライフサイクルを向上させます。主な違いは、タイミングと、資産の将来起こりそうな状態を予測する能力にあります。

予防保守プログラムでは、履歴データを使用して資産の予想される状態を予測し、事前に定期的な保守タスクをスケジュールします。これは計画を立てるのには適していますが、資産の故障の大部分は予期せぬものであることを考えると、資産の保守が不十分または過剰になる可能性があります。たとえば、問題の診断が資産への損害を防ぐのに遅すぎる場合、その場合、解決までのダウンタイムが長くなったり、必要がないのに時間や費用が費やされたりする可能性があります。

予知保全は、設備の実際の状態を理解することで、不必要な保守を回避します。つまり、保守よりも早い段階で問題にフラグを立てて修正し、より深刻な問題の発生を防ぐことができます。

予知保全では、人工知能、機械学習、IoT（モノのインターネット）などの新しいテクノロジーを活用して洞察を生み出します。保守管理システムとソフトウェアは、是正保守作業指示書を自動的に作成し、保守チーム、データサイエンティスト、その他の従業員がよりスマートかつ迅速に、そして財務的に健全な意思決定を行えるようにします。

エネルギー使用量と無駄を最小限に抑えることで、労働力やスペア・パーツのサプライチェーンなどの在庫管理ワークフローがより効率的かつ持続可能になります。予知保全は、デジタル・ツインなどのリアルタイム分析に基づいて他の保守プラクティスにデータを送信できるため、生産にリスクを与えることなくシナリオやその他の保守オプションをモデル化できます。

予知保全を効果的あるいは可能にするためには、複雑さ、トレーニング、データなど、克服すべき障害があります。予知保全には最新のデータおよびシステム・インフラストラクチャーが必要であるため、予防保全と比較するとセットアップにコストがかかる可能性があります。新しいツールや手順を導入して、データを正しく解釈できるように従業員をトレーニングするには、費用と時間がかかる場合があります。予知保全は、大量の特定のデータの収集にも依存しています。そして最後に、予知保全戦略を実施するには、予定された日常業務からより柔軟な日常オペレーションへの移行に対応するための文化的変化が必要であり、これは困難な場合があります。

要約すると、予防保全と予知保全のストラテジーはどちらも資産の信頼性の向上と故障リスクの軽減に焦点を当てていますが、それらは大きく異なります。予防保全は定期的かつ日常的に行われますが、予知保全は特定の資産に関する適切な情報を適切なタイミングで提供することに重点を置いています。予防保守は、故障パターンが予測可能で（例：繰り返し発生する、または頻繁に発生する問題）、故障の影響が比較的低い資産に適していますが、予知保全は、故障が予測しづらく、故障のビジネスへの影響が大きい戦略的資産にはより適している場合があります。最終的に、予知保全戦略がうまく展開・実行されれば、最適化された保守と資産パフォーマンスを通じて、顧客満足度の向上と大幅なコスト削減につながります。

幸いにも、IBMはそのサポートを提供できます。IBM Maximo Application Suiteは、メンテナンス計画を時間スケジュールを超えて、資産の健全性に関する洞察に基づいた状態ベースの予測メンテナンスに移行できるようにするアプリケーション・セットです。

Maximoは、運用データ、IoT、AI、分析を単一の統合されたクラウドベースのプラットフォームに統合することで、よりスマートなデータ駆動型の意思決定を推進し、資産の信頼性を向上させ、資産のライフサイクルを延長し、性能を最適化し、ダウンタイムとコストを削減します。