エンジニアは、機械学習、運用データ分析、資産の正常性の予測監視を利用して、保全を最適化し、施設や事業運営における信頼性リスクを低減できます。 予防保全をサポートするように設計されたソフトウェアは、安定した運用を実現し、保証を確実に順守して、生産に影響を及ぼす問題の未然の解決に役立ちます。
予防保全は大きく分けて4種類あります。それぞれ、計画的なメンテナンスというコンセプトとなりますが、事業運営の目的に合わせて、組織やスケジュールが異なっています。
使用ベースの予防保全は、資産の実際の使用状況に基づいて行われます。 資産の毎日の平均的な使用状況や環境から受ける影響を考慮し、これに基づいて将来の検査や保全作業の期日を予測します。
カレンダー/時間ベースの予防保全は、カレンダー間隔に基づいてスケジュールされた時間に行われます。 保全作業は、期日が近づいて必要な作業指示が作成されると開始します。
予知保全は、障害が発生する前に修理保全活動をスケジュールするためのものです。 チームはまず、保全を実施すべき時期を推測するために、機器の状態を判断する必要があります。 その後、予期しない機器の障害を防ぐために、保全作業をスケジュールします。
処方的保全は、障害の発生時期を予測するだけでなく、障害が発生する理由も示します。 運用上のあらゆるリスクを軽減するために、さまざまなオプションや潜在的な結果を分析して判断するのに役立ちます
製造業の現場では、高い生産性を維持し、コストと時間のかかる機械的故障の発生を回避するために、定期保全に大きく依存しています。
「予防保全」という用語には、規定された作業から一般的な作業まで幅広く含まれています。 システム内の各生産コンポーネントには一定レベルの定期点検が必要であり、通常、機器には少なくともクリーニングと潤滑が必要になります。 状況によっては、より広範な保全が必要となり、特定の部品の大幅な再調整や修理、さらには交換が必要になる場合もあります。
より高いレベルでは、予防保全には、さまざまな生産システムを収容する物理施設の維持管理も含まれます。 このタイプの予防保全に関連する一般的な作業には、HVACシステムが良好な作動状態であること、全ての電気システムが正常に機能し、コード標準に準拠していること、必要な全ての照明が正しく動作していることの確認などが含まれます。
予防保守と予知保全は完全に別のものであると考えられがちです。 残念ながら、予防保守と予知保全という字面のみでその関係を捉えようとすると、重要な点を見落としてしまいます。
実際には、予知保全は予防保守をさらに進化させたものです。 どちらのタイプも、機械的な障害を事前に予測して防止しようとする試みです。 しかし、予知保全はこの概念をさらに発展させたものです。
例えば、1台の産業機器を考えてみましょう。 私たちがその機器の予防保守を実施する場合、その機械のメーカーやモデルに関する一般的な情報を使用して、その機器の定期保守を実施すべき時期について、おおよその時間を見積もることができます。 それにより、保守を実施すべきおおむねの時期がわかります。
一方、予知保全は、非常に高い精度で実施されるため、必要となるデータは大幅に多くなります。 その機器モデルの予想ライフサイクルに関する情報と、その特定の機器のパフォーマンスに関する履歴データを組み合わせて使用します。 これらの追加データを利用することで、予知保全モデルは強力な予測ができ、オペレーターはシステム障害が今後いつ発生するかを確実に把握できます。
また、予知保全によってスケジュールされた修理は、（一般的なタイムテーブルに従って行うのではなく）実際にその修理が必要になる直前に行われるため、不要な修理を無くし、保守予算を削減することができます。
予知保全は、IoTとの組み合わせで広く使用されています。 機械の動作や状態の情報が常に更新されるため、予知保全モデルでは、必要不可欠な保守の予測に必要な大量のデータを取得できるようになりました。
予防保全戦略を推進することで、資産を最大限に有効活用し、コスト削減を実現します。 その他のメリット： 組織の強化と常時稼働。
保全と検査を計画的にスケジュールすることで、資産のライフサイクルを全うし、保証を最新の状態に保ちます。
計画保全と計画外保全、在庫と予備部品のコストを管理します。 運用や資産に関するより適切な洞察を得ることで、保全コストを大幅に削減できます。
労働力を適切に編成すると、生産性が向上します。 IBM Maximo®は、スケジュール、ベンダー管理、ワークフローと財務報告の全てを、ペーパーレスで改善します。
資産のライフサイクルの早い段階で修理を特定することで、常時稼働運用を実現します。これにより、ダウンタイムを削減して生産を最適化します。
予防保全と事後保全を区別する主要な側面の1つは、 タイミングです。 事後保全では、機器が実際に動作しなくなるまで保全を実施しない「run-to-fail」ポリシーを採用しています。 その場合、必要な修理をできるだけ早く行う必要があります。 一方、予防保全では、実際に機械が故障する前に、機器の障害を予測し、修正措置を試みます。
予防保全と事後保全のどちらを選択するかは、事後保全では予防保全よりもはるかにコストが高くなりやすいという事実を除けば、それほど重要ではありません。 これは自動車のメンテナンスに似ています。例えば、定期的な点検を受けていない自動車で複数のシステムに壊滅的な障害が発生した場合、突然、大規模で高額な修理が必要になります。
予防保全対策を採用するには、定期的にサービスを受けるための予算を計上する必要があり、コンピューター化された保全管理システム（CMMS）の導入が必要になる場合もありますが、産業環境においては、通常、それだけのことをする価値があります。特に、生産工程が予定外の修理のために停止すると、すぐに生産が停滞し、収益が失われる可能性があるためです。
AIやIoTのテクノロジーを運用に導入することで、産業界をけん引する資産と活動を継続的に最適化する例が増加しています。 予防保全の将来を評価する観点からは、リモート監視と分析モデリングの活用によって、予防保全作業の実行に割り当てられるリソース量がすでに純減していることは明らかです。
資産の観点からは、今日のAIとIoTのソリューションで可能になった、より広範なデータの収集と分析によって、 製造業者は有用なデータを取得できるようになり、それによって運用と製品の信頼性が向上しました。 資産運用者は、運用に導入する資産の品質を真に理解することができ、パフォーマンスの低い資産を運用から取り除き、最終的にダウンタイムとコストを削減するための新たな資産ライフサイクル戦略を推進することができます。
IBM Maximo Application Suiteは、高度な分析ツールとIoTデータを使用して運用の可用性を高め、リスクを低減する、市場をリードする統合プラットフォームです。
リモート監視、資産の正常性、予知保全に不可欠な洞察をOTとITのリーダーに提供し、業務の停止を防ぎます。
MRO Inventory Optimizationは、保守、修理、運用（MRO）在庫の最適化を支援します。
IBM Maximo Predictは、機械学習とデータ分析を活用して、資産データや使用状況のパターンを探して資産の信頼性を高めます。
IBMは、さまざまな業界の企業が予知保全を適用してビジネス・パフォーマンスを向上させることを支援しています。 クラウドでの予知保全が5つの異なる業界の企業の成功にどのように貢献しているかを示す、5つのIBMお客様事例をご覧ください。
適切な資産保守テクノロジーを技術者に提供することが、どのように事業の継続に役立つかを説明します。
1つのソリューションで、資産のライフサイクル全体を完全に可視化し、運用のアップタイムを向上させることは可能でしょうか。