状態ベース保守 (CBM) は、資産または機器の監視に基づいて保守作業がいつ必要かを判断する予防保守戦略です。
CBM では、センサーやその他の監視装置を使用して、装置のパフォーマンスに関するデータを収集します。アルゴリズム、機械学習、AI を使用して収集されたデータが分析され、メンテナンスの問題を示す可能性のあるパターンや異常が特定されます。
これまで企業は、固定スケジュールまたは機器の故障時にのみメンテナンスを実施していたため、多くの場合、費用がかかり非効率的なメンテナンス作業 (つまり、予期せぬダウンタイムや緊急修理) が発生していました。ただし、状態ベースのメンテナンスは、メンテナンス管理に対する新しい、より高度なアプローチを提供します。
CBM は、事前に決められたスケジュールでメンテナンスを実行したり、機器の故障を待ったりするのではなく、リアルタイムのデータを使用してメンテナンスのニーズを特定し、より効率的でコスト効率の高いメンテナンス実践を可能にします。
IBM Maximo を探索して、IoT データ、分析、AI が資産運用の合理化にどのように役立つかを学びましょう。
IBMニュースレターの購読
状態ベースのメンテナンスと予知メンテナンスはどちらも、組織が機器の故障の可能性を最小限に抑え、資産の寿命を最大限に延ばすのに役立つ資産管理アプローチです。ただし、それらはいくつかの重要な点で異なります。
CBM では、保守部門が必要に応じて保守を実行します。それは本質的に反応的なプロセスです。一方、予測メンテナンスでは、データ分析と機械学習を使用して、メンテナンス タスクの実行時期を予測します。これは、資産管理に対するより積極的なアプローチである。
さらに、CBM は検査、テスト、リアルタイム データに基づいて機器の現在の状態を評価しますが、予知保全は継続的な監視とデータ分析に基づいて将来の機器の動作を予測します。
どちらのアプローチも、重要な資産を最高のパフォーマンスで運用し続けるのに役立つため、どちらかのアプローチ（または両方）がビジネスに適している可能性があります。 ただし、最適な戦略を選択するかどうかは、所有する機器の種類、資産の重要性、事業を展開する業界、資産を保管する環境などの要因によって異なります。
CBM の監視手法は無数にありますが、これらは最も遭遇する可能性が高い状態ベースのメンテナンスのタイプです。
赤外線サーモグラフィーは、熱画像を使用して過熱やその他の温度関連の問題を検出します。非接触測定に依存して、物体や表面の潜在的に問題となる温度変化を検出します。
赤外線サーモグラフィーは、熱画像カメラを使用して物体または表面から放射される赤外線を捕捉し、それを視覚画像 (またはサーモグラム) に変換します。次に、サーモグラムを使用して、資産のベースライン温度に対する現在の資産温度を測定します。
組織は主に、モーターの監視、ベアリングの検査、ガス、スラッジ、または液体のレベルのチェックにこのタイプの CBM を使用します。
振動監視 (または振動分析) では、振動センサーを使用して資産内の振動周波数を測定し、問題を示す可能性のある異常を検出します。たとえば、回転資産 (モーターやポンプなど) は、経年劣化とともに振動が激しくなり、より大きくなる傾向があるため、振動の変化を測定することは、資産が故障する前に摩耗や損傷を特定するのに役立ちます。振動モニタリングを使用すると、ミスアライメント、アンバランス、ベアリングの摩耗や故障、シャフトの曲がり、コンポーネントの緩み、その他の故障を含む幅広い問題を検出できます。
オイル分析は、資産内のオイルの特性 (粘度、酸性度など) を評価して、汚染物質や摩耗粒子を検出します。通常、機器から潤滑油のサンプルを収集し、分析のために研究室に送ります。オイル分析は、エンジン、ギアボックス、油圧システムなどの資産を監視するのに役立ちます。
超音波分析 (または超音波検査) は、高周波音波を使用して機器の漏れ、亀裂、または欠陥を検出します。接触型（構造物経由）と非接触型（航空機経由）の両方のデータ収集手法を利用して、資産の損耗を判断します。接触法は通常、高周波音を発生させる機械的問題 (潤滑の問題、ギアの損傷、ローター バーの破損など) を検出するために使用されます。非接触方式では、圧縮ガスシステム内の圧力や真空の漏れなど、低周波音が発生しやすい問題を検出できます。
ガス、空気、または流体を運ぶ資産は、圧力分析、つまり資産内の圧力レベルを測定および評価するプロセスを使用して監視するのが最適です。メンテナンスチームは、圧力解析を使用して、配管やバルブを通過する流体の流量と流速を決定し、エアコンプレッサーやレギュレーターの性能を最適化し、タンクやパイプライン内の気体や液体の圧力を制御することができます。
電気解析では、クランプオン電流計からのモーター電流の読み取り値を使用して、電気システムまたはコンポーネントの入力電力の品質を評価します。電圧、電流、抵抗、静電容量、インダクタンス、電力などの測定は、保守チームが電圧降下、力率の問題、回路の障害や歪みを予測するのに役立ちます。
CBM ライフサイクルは CBM プロセスの段階を記述しており、各段階はプログラム全体の成功に不可欠な役割を果たします。これらの段階には、計画、実施、モニタリング、分析、改善が含まれる。
計画段階で、保守チームは CBM プログラムの目的を明確に定義する必要があります。目標は組織の全体的な目標と一致しており、具体的で、測定可能で、達成可能で、関連性があり、期限が定められている必要があります。
目標を設定したら、重要な資産を特定し、これらの資産に状態ベースの監視プログラムを集中させる必要があります。使用する特定の監視手法、監視プロセスの頻度と期間を概説する監視計画を作成します。この計画では、機器のパフォーマンス データの監視と分析を担当する担当者も特定する必要があります。このアプローチにより、メンテナンス部門はリソースを効果的に使用し、計画外のダウンタイムを最小限に抑えることができます。
最後に、メンテナンス チームは計画段階でベースラインを確立する必要があります。ベースラインは、機器の状態の変化を測定するための基準点を提供し、資産の動作のパターンを特定するのに役立つため、CBM の重要なコンポーネントです。
資産の典型的な稼動状態を反映する 稼動ベースライン、資産の履歴データに基づく履歴ベースライン、機器の製造業者によって設定される製造業者ベースライン、または保守部門が有用と考えるその他のベースライン指標を使用することができます。
実装段階では、チームはセンサーとデータ収集システムを設置し、CBM ツールを使用できるように担当者をトレーニングします。この段階では、チームがデータ管理システムを開発し、CBM を組織の保守管理システムに統合する必要があります。
モニタリングの段階は、CBMプログラムにおいて最も重要な部分である。 これには、機器の状態をリアルタイムで監視するために、センサーとデータ収集システムから理想的には継続的にデータを収集することが含まれます。
分析段階では、チームは監視段階で収集されたデータを手動またはソフトウェア ツールを使用して解釈します。これには、パターンと傾向の特定、異常と潜在的な障害の検出が含まれます。
チームは分析結果を解釈したら、アクションプランを作成して実装します。これには、メンテナンス活動のスケジュール設定、動作パラメータの調整、または機器や監視システム自体の改善が含まれる場合があります。また、チームは CBM プログラムの結果を文書化し、将来の計画および実施活動に組み込む予定です。
CBM ライフサイクルは 1 回限りのプロセスではなく、継続的なサイクルであることに注意することが重要です。したがって、CBM プログラムの成功は、組織がメンテナンスへのアプローチを継続的に改善および改良するかどうか、またはその方法に依存します。
状態ベースの保守は、機器の信頼性を向上させ、保守コストを削減するための効果的な戦略です。ただし、これは、状態ベースの管理プログラムが適切に設計され、適切に実行された場合にのみ効果を発揮します。組織が CBM プロセスを最適化するのに役立つベスト プラクティスをいくつか紹介します。
p-f 間隔と p-f 曲線を理解すると、メンテナンス活動の最適なタイミングを決定するのに役立つため、予知保全プログラムに非常に役立ちます。
p-f 曲線は、障害の重大度と資産が故障するまでの時間との関係を視覚的に表します。特定の機器の p-f 曲線を分析することで、最も重大な障害を特定し、重大度に応じてメンテナンス作業に優先順位を付けることができます。
一方、p-f 間隔は、差し迫った障害が検出された場合にメンテナンスを実行できる時間を示します。p-f 間隔は、保守担当者が機器に障害が発生する前に、事前に保守作業をスケジュールするのに役立ちます。
CBM プロセスでは、タイムリーに保存、分析、処理する必要がある大量のデータが生成されます。データ管理および分析ソフトウェアは、データを理解して実用的な洞察に変えるのに役立ちます。さらに、多くの CBM プログラムはコンピュータ保守管理システム (CMMS) およびエンタープライズ資産管理 (EAM) システムと互換性があるため、CBM を既存の資産管理プログラムに簡単に統合できます。
CBM プログラムでは、メンテナンス チームが機器の実際の状態に基づいてメンテナンスをスケジュールする必要があります。これを効果的に行うには、組織はパフォーマンス データを考慮し、それに応じてメンテナンス タスクに優先順位を付けることができるメンテナンス スケジュール システムを実装する必要があります。
状態ベースのメンテナンスは 1 回限りの実装ではなく、監視、分析、改善の継続的なプロセスです。組織は、保守担当者が改善の領域を特定し、その結果に基づいて変更を実行するよう継続的に奨励する必要があります。
状態ベースのメンテナンスは、機器の信頼性と寿命を向上させるための効果的な戦略です。CBM の主な利点は、資産管理への無駄のないアプローチですが、その他のより微妙な利点も提供します。
- 機器の故障やダウンタイムを防ぎます。CBM を使用すると、潜在的な問題や差し迫った障害を早期に検出することで、メンテナンス チームが都合の良いときに、最も費用対効果の高いときにメンテナンスをスケジュールできるようになります。これにより、緊急のメンテナンスと修理に関連するコストを削減し、生産スケジュールの遅延を最小限に抑え、資産の稼働時間を最大化することができます。
- 資産の寿命を延ばします。 リアルタイムのデータに基づいて定期的にメンテナンスを実行することで、メンテナンス担当者は機器を最適な状態に保ち、磨耗を軽減し、資産の寿命を延ばすことができます。
- 安全性を向上させます。 状態ベースのメンテナンスは、将来的に安全上のリスクとなる可能性のある問題を検出するのに役立ち、事故が発生する前にメンテナンスが是正措置を講じることができ、最終的に職場での傷害や事故のリスクを軽減できます。
- メンテナンスコストを削減します。CBM を使用すると、事前に決められたスケジュールでメンテナンスを実行するのではなく、チームが必要な場合にのみメンテナンス タスクを実行できるため、不必要なメンテナンス コストが効果的に削減されます。
- メンテナンス効率を向上させます。CBM は、メンテナンスに必要な時間とリソースを削減し、メンテナンスの精度を向上させることで、メンテナンスの合理化に役立ちます。
状態ベースの保守プログラムにより、組織は事前の保守計画を策定できるようになりますが、実装には課題が生じる可能性があります。
- 導入コストが高い。主な課題のひとつは、専門的な設備と専門知識の必要性である。 CBM を実装するには、資産データを分析するためのソフトウェアとアルゴリズムだけでなく、高度なセンサーと監視機器の使用が必要です。これには初期費用がかかる可能性がありますが、CBM の長期的なメリットは通常、初期投資を上回ります。さらに、技術の進歩により CBM プログラムがより手頃な価格になり、より幅広い組織が利用できるようになりました。
- 広範なデータ収集と分析。 CBM はリアルタイム診断に依存して意思決定とメンテナンスの実践に情報を提供するため、データを継続的に収集して分析する必要があります。これには、大量のデータが入力されるたびに分析できる堅牢なデータ収集システムとメンテナンス ソフトウェアが必要です。さらに、担当者はデータを解釈し、結果に基づいて適切な手順を実行できるように訓練されている必要があるため、状態ベースのメンテナンス戦略の採用を検討している企業は、それに応じた準備をする必要があります。
- 複雑な統合プロセス。最適な効果を発揮するには、CBM を既存のシステムおよび機器と統合する必要があります。これは、最新の監視機器と互換性のない古い機器やレガシー システムを使用する業界では困難になる可能性があります。組織によっては、CBM との互換性を確保するために、最終的に既存の機器を新しいセンサーや監視機器で改修したり、システムをアップグレードしたりする必要がある場合があります。また、レガシー システムとの統合を容易にするコネクタを提供するソリューションを評価することもできます。
- データセキュリティに関する重要な考慮事項。 CBM は大規模なデータの収集と保存に依存しているため、データのセキュリティに関する懸念が生じる可能性があります。データが安全に保管され、機密データへのアクセスが許可された担当者のみに制限されていることを確認することが重要です。