IoTで実現する予知保全入門｜予防保全との違い・振動温度電流監視の始め方｜製造業・工場DX経営オンライン

IoTで実現する予知保全入門——事後保全・予防保全との違いから、振動・温度・電流監視の始め方まで

■SEO設計メモ（公開時に削除）

・メインKW：予知保全 IoT

・サブKW：予知保全とは／予防保全 予知保全 違い／設備 状態監視／振動センサー 故障予知／CBM TBM

・titleタグ案：IoTで実現する予知保全入門｜予防保全との違い・振動温度電流監視の始め方｜製造業・工場DX経営オンライン

・meta description案：予知保全とは、設備の状態をIoTで常時監視し、故障の予兆を捉えて計画的に対処する保全方式です。事後保全・予防保全との違い、バスタブカーブ、振動・温度・電流の監視方法、AI異常検知、対象設備の選び方、スモールスタートの導入ロードマップまで、船井総研の製造業コンサルタントが入門者向けに徹底解説します。

・想定読者：突発故障・保全コスト・保全員の高齢化に課題を持つ中堅・中小製造業の経営者・工場長・保全責任者

・内部リンク：ピラー記事／子記事⑤見える化／子記事⑦レトロフィット／子記事⑩センサー選び

「また止まった」——基幹設備の突発故障ほど、工場の一日を狂わせるものはありません。生産計画は崩れ、納期対応に追われ、保全担当は徹夜で復旧にあたる。そして数カ月後、また同じことが繰り返される——。

この悪循環を断ち切る方法論が「予知保全」です。設備の状態をセンサーで常時監視し、故障の予兆を事前に捉えて、計画的なタイミングで対処する。かつては大企業の高額なシステムでしか実現できなかったこの仕組みが、センサーとクラウドの低価格化により、いまや中堅・中小製造業でも数十万円規模から始められるようになりました。

本記事では、数多くの中堅・中小製造業の工場DXを支援してきた船井総合研究所の製造業コンサルタントが、予知保全の基礎——事後保全・予防保全との違い、バスタブカーブという故障の理論、監視すべきデータの種類——から、対象設備の選び方、スモールスタートの導入ロードマップ、よくあるつまずきと対策まで、入門者に必要な知識を体系的に解説します。

「うちの保全は、壊れてから直すか、勘で交換するか」——そんな状態からの脱却を考え始めた方にこそ、読んでいただきたい内容です。工場IoT全体の基礎はピラー記事「工場IoTとは？完全ガイド」をご覧ください。

予知保全とは——保全の3方式を正しく理解する

設備保全の方式は、大きく3つに分類されます（図1）。

▲図1：保全の3方式比較

事後保全（BM：Breakdown Maintenance）は、「壊れてから直す」方式です。保全費用は最小に見えますが、突発停止による生産損失・納期影響・緊急対応コストを含めると、重要設備では最も高くつく方式になります。

予防保全（TBM：Time Based Maintenance）は、「壊れる前に、時間基準で一律交換する」方式です。稼働時間や暦に基づき、部品を定期的に交換します。突発故障は減りますが、まだ使える部品も交換するため保全コストは高くなりがちで、そして重要なことに、時間と関係なく起こる偶発的な故障は防げません。

予知保全（CBM：Condition Based Maintenance／PdM：Predictive Maintenance）は、「状態を監視し、壊れそうなものだけを、壊れる前に交換する」方式です。振動・温度・電流などのデータで設備の健康状態を常時把握し、劣化の兆候を捉えた段階で計画的に対処します。突発停止の削減と保全コストの最適化を同時に狙える、保全の理想形です。

ここで強調したいのは、3方式は優劣ではなく使い分けだということです。すべての設備を予知保全にする必要はありませんし、経済合理性もありません。停止しても影響の小さい設備は事後保全で構わず、劣化が時間に比例する消耗部品は予防保全が適切です。予知保全を適用すべきは、停止損失が大きく、修理に時間のかかる重要設備——。この「設備の重要度に応じた方式の割り当て」こそが、保全戦略の基本です。具体的な選び方は後述します。

予知保全の必要性を理解する鍵が、故障率の時間変化を表す「バスタブカーブ」です（図2）。

▲図2：バスタブカーブ

設備の故障率は、導入直後に高く（初期故障期）、その後低く安定し（偶発故障期）、寿命が近づくと再び上昇します（摩耗故障期）。浴槽の断面のような形状から、バスタブカーブと呼ばれます。

注目すべきは、設備人生の大部分を占める偶発故障期です。この時期の故障は文字どおり偶発的に起こるため、「◯時間ごとに交換」という時間基準の予防保全では原理的に防げません。防ぐ手段はただ一つ、状態の変化を捉えること——。ここに、予知保全という発想が必要になる理論的な理由があります。

何を監視するのか——主要データと検知できる異常

予知保全では、設備のどんなデータを見るのでしょうか。主要な監視データと、それぞれで検知できる異常を整理します（図3）。

▲図3：監視データと検知できる異常

最も情報量が多く、予知保全の主役となるのが振動データです。モーター、ポンプ、ファン、工作機械の主軸——回転する機器は、内部の状態を振動として外に発信しています。ベアリングの損傷、軸のミスアライメント（芯ズレ）、回転体のアンバランス、締結部のガタ——これらの異常は、それぞれ特徴的な振動パターンとして現れます。熟練保全員が「音と手触りで分かる」と言うのは、まさにこの振動情報を五感で読み取っているのです。振動センサーは、その感覚を24時間365日休まず数値化する聴診器だと言えます。

温度は、多くの異常の最終共通経路です。軸受の潤滑不良、モーターの過負荷、冷却系の不調、電気接点の劣化——原因は何であれ、異常の多くは発熱として現れます。温度センサーやサーモグラフィーによる監視は、仕組みが分かりやすく費用も手頃で、予知保全の入口として優れています。制御盤内の温度監視は、電気系トラブルの予防として特に費用対効果の高い定番です。

モーターの電流値は、設備にかかる負荷を映します。ふだんより電流が増えていれば、機構のどこかに抵抗が生じているサイン——工具の摩耗、駆動部の引っかかり、詰まりの前兆かもしれません。電流センサーは後付けが容易で、稼働監視（可動率の見える化）と兼用できる点も魅力です。実際、稼働見える化のために設置した電流センサーのデータが、そのまま予知保全の第一歩になる——この「一石二鳥」の構成は、スモールスタートの定石です（子記事「レトロフィットIoTで古い設備をIoT化する方法」参照）。

このほか、異音やエア漏れ・放電を捉える音・超音波の監視、潤滑油の劣化や摩耗粉を分析するオイル分析なども、対象に応じて使われます。ただし入門段階では、まず振動・温度・電流の3点セットで始めるのが現実的です。安価なセンサーで構成でき、故障モードの大半をカバーできます。センサーの種類と選び方の全体像は、子記事「工場IoTのセンサー・ツールの種類と選び方」で解説しています。

予知保全の仕組み——「正常を知る」ことがすべての土台

センサーを付ければ予知保全ができる、わけではありません。仕組みの全体像を理解しましょう（図4）。

▲図4：予知保全の4ステップのデータフロー

第1ステップは計測です。重点設備に振動・温度・電流センサーを設置し、常時データを収集します。第2ステップが、仕組みの核心——正常の学習です。正常運転時のデータ範囲・パターンを数週間〜数カ月かけて蓄積し、その設備の「ふだんの姿」を定義します。異常とは、正常からの逸脱としてしか定義できません。正常を知らずに異常は語れない——この原理が、予知保全に「データ蓄積の期間」が必要な理由です。

第3ステップは異常検知です。しきい値の超過や、正常パターンからの逸脱を検知したら、保全担当へアラートを通知します。そして第4ステップが判断と処置です。アラートを受けて一次点検・診断を行い、原因を特定し、生産計画と調整した計画停止のタイミングで対処する。処置の結果（実際に異常だったか、誤報だったか）をデータに反映することで、検知の精度は運用とともに向上していきます。

この4ステップを見れば分かるとおり、予知保全は「センサーの仕組み」であると同時に「人の運用の仕組み」です。アラートを受けて誰が何をするか——この対応フローの設計を後回しにした導入は、必ずつまずきます。

計測の設計でよく問われるのが、データの取得頻度です。稼働監視なら1分間隔程度で十分ですが、振動による予知保全では、劣化の兆候が高周波の成分に現れるため、瞬間的な波形を高いサンプリングレートで取得し、特徴量（実効値・ピーク値・特定周波数帯の強さなど）に変換して監視するのが一般的です。とはいえ、この処理は市販のセンサー・サービス側が自動で行ってくれるため、利用者が信号処理の専門知識を持つ必要はありません。押さえるべきは、「常時監視か、定期測定か」という運用の選択です。重要度の高い設備は常時監視、次点の設備はポータブル測定器による定期測定——この二段構えが、費用と網羅性のバランスに優れています。

代表的な故障モードの基礎知識——何が、なぜ壊れるのか

予知保全の対話力を高めるために、工場で頻出する故障モードの基礎を押さえておきましょう。監視データとの対応も併記します。

回転機器の故障で最も多いのがベアリングです。潤滑不良、異物混入、過負荷、電食などにより、転動面に微小な損傷が生まれ、進行すると振動・異音・発熱を経て焼き付きに至ります。特徴は、損傷の初期から特有の振動（損傷部を転動体が通過する周期の振動）が現れること——つまり、振動監視との相性が最も良い故障モードです。初期に検知できれば部品交換で済み、放置すれば軸・ハウジングまで損傷が波及して修理費は数倍になります。早期検知の価値が最も分かりやすい部位です。

ベアリングやギアの損傷をたどると、真因は潤滑不良であることが少なくありません。給油の不足・過多、油種の誤り、油の劣化・汚染——。温度の上昇傾向は潤滑不良の典型的なサインであり、温度監視は「潤滑の健康診断」として機能します。予知保全と並行して、給油の基準・記録の整備という地味な基本を固めることが、故障の川上対策になります。

軸の芯ズレ（ミスアライメント）や回転体の質量偏り（アンバランス）は、特定の周波数成分の振動として現れます。カップリング交換や修理後の据付精度、ファンへの付着物などが原因となるため、「修理・整備の後に振動が変わっていないか」を確認する習慣が予防につながります。

制御盤内の端子の緩み、接触不良、絶縁劣化は、発熱として静かに進行し、ある日突然のトリップや火災リスクにつながります。盤内温度の監視やサーモグラフィーによる定期点検は、電気系トラブルの数少ない予兆検知手段です。

これらの知識は、アラート発生時の一次診断の精度を高め、ベンダーや診断サービスとの会話を具体的にします。「振動が上がった」ではなく「この周波数帯の振動が上がった。ベアリング系を疑っている」——データと故障モードの知識が結びついたとき、予知保全は本当の推理力を持ち始めます。

AI異常検知——しきい値方式の限界を超える

異常検知の最も基本的な方法は、しきい値方式です。「振動が◯mm/sを超えたらアラート」「温度が◯℃を超えたら警告」——シンプルで分かりやすく、入門段階の標準です。

ただし、しきい値方式には限界もあります。設備の運転条件（回転数・負荷・加工内容）によって正常値そのものが変わるため、単一のしきい値では、正常な変動を異常と誤報したり、条件によっては本物の異常を見逃したりします。誤報が続くと、現場はアラートを信用しなくなる——「オオカミ少年化」が、しきい値運用の典型的な壁です。

この壁を越える手段が、AI（機械学習）による異常検知です。正常時の多様な運転パターンをデータから学習し、「この運転条件なら、この振動・温度・電流の組み合わせが正常」というモデルを構築。単一の数値ではなく、複数データの関係性から逸脱を検知します。運転条件の変化と本物の異常を区別できるため、誤報が減り、しきい値では捉えられない微妙な変化も検知可能になります。

かつてAI異常検知は、データサイエンティストを擁する大企業の領域でした。しかし現在は、正常データを与えれば自動でモデルを構築するサービスが一般化し、専門知識のない中堅・中小企業でも利用可能になっています。とはいえ、順序は変わりません。まずしきい値方式で運用を立ち上げ、データと運用体制が育ってからAIへ高度化する——この段階論が、投資と学習の両面で合理的です。

一点、期待値の調整をしておきます。AIが担うのは「いつもと違う」の検知までです。それが何の異常で、どう対処すべきかの判断は、依然として人——設備を知る保全員の仕事です。AIは熟練保全員の代替ではなく、熟練保全員の感覚を24時間に拡張し、若手に判断材料を提供する増幅装置。この正しい位置づけが、現場との健全な協働を生みます。

対象設備の選び方——全設備に入れる必要はない

予知保全の投資対効果は、対象選定でほぼ決まります。選定の考え方を示します（図5）。

▲図5：重要度評価マトリクス

第一の条件は、停止損失の大きさです。止まると生産全体が止まるボトルネック設備、代替手段のない専用機、修理に長時間・高額を要する設備。第二の条件は、監視の有効性です。24時間稼働や夜間無人運転で人の目が届かない設備、過去に突発故障の実績がある設備。——これらの条件が重なる1〜3台が、最初の対象です。典型例は、基幹ラインの中核設備、工場全体に供給する大型コンプレッサー、主力の加工機などです。

一方、フィルター・ベルト・消耗工具のように劣化が時間や使用量に比例する部位は、従来どおりの時間基準の予防保全が効率的です。停止しても影響が小さく、すぐ直せる・予備がある設備は、事後保全の許容で構いません。「すべてをセンサーで監視する」のは、技術的には可能でも経済的には過剰です。保全資源は有限——だからこそ、重要度に応じた方式の割り当てという戦略が要るのです。

対象選定の実務は、過去1〜2年の故障・修理記録の棚卸しから始めます。どの設備の、どの部位が、どんな頻度で壊れ、いくらの損失（修理費＋停止損失）を生んだか——。記録が整っていない工場も多いのですが、保全員の記憶ベースの聞き取りでも構いません。この棚卸し自体が、「うちの保全のお金はどこに消えているのか」を初めて可視化する、価値ある第一歩になります。

なお、対象選定の議論では「人の不安」も立派な判断材料です。保全担当が「あの設備が一番怖い」と感じている設備には、たいてい経験に裏づけられた理由があります。定量的な故障履歴と、定性的な現場の直感——その両方が指し示す設備こそ、最初の一台にふさわしい候補です。

導入ロードマップ——スモールスタートの4段階

予知保全の導入は、次の4段階で進めます（図6）。

▲図6：導入ロードマップ

前述の棚卸しにより、損失の大きい設備・部位・故障モードを特定します。この分析が、対象設備とセンサー種類の選定根拠になります。「ベアリング起因の故障が多い→振動監視」「過熱系のトラブルが多い→温度監視」——故障の履歴が、監視の設計図を描いてくれます。

選定した1〜3台に振動・温度・電流センサーを設置し、データ収集を開始します。この期間の主目的は正常データの蓄積です。焦って異常判定を始めず、「ふだんの姿」を知ることに徹します。設置は後付け（レトロフィット）方式で、生産を止めずに行えます。費用は対象台数とセンサー構成によりますが、1〜3台なら数十万円規模が目安です（詳細は子記事「工場IoTの導入費用と使える補助金まとめ」参照）。

蓄積した正常データを基にしきい値を設定し、アラート運用を開始します。この段階の要点は2つ。第一に、誤報の調整を前提とした計画です。しきい値は仮説であり、実運用での調整を経て精度が上がります。調整期間（1〜3カ月）をあらかじめ計画に織り込み、誤報率を指標として追いましょう。第二に、対応フローの整備です。「アラート→一次点検→診断→処置」の流れと担当者を文書化し、アラートが「鳴って終わり」にならない体制を作ります。

運用が安定したら、AI異常検知の導入、対象設備の拡大、保全計画システム（EAM/CMMS）との連携へと発展させます。アラート・点検・処置・部品交換の履歴が一元管理されると、保全は「経験の仕事」から「データに基づくマネジメント」へと進化します。ここまで来れば、設備保全は工場の弱点ではなく、競争力の源泉です。

予知保全の効果——3つの経路で経営に効く

予知保全の効果は、3つの経路で現れます（図7）。

▲図7：予知保全の3つの効果

第一は、突発停止の削減です。予兆段階で捉えて計画停止で対処することで、ドカ停による生産混乱・納期遅延・緊急対応の残業と割増費用が減ります。停止損失の大きい設備ほど、この効果は劇的です。

第二は、保全コストの最適化です。「まだ使える部品の一律交換」から「状態基準の交換」への転換により、部品費と保全工数が削減されます。過剰保全と保全不足の両方を、データが是正してくれます。

そして第三が、保全技能の伝承です。熟練保全員の「音で分かる」「触れば分かる」という暗黙知が、振動・温度データと判断基準として形式知化される。ベテランの退職とともに消えるはずだった技能が、組織の資産として残る——人手不足と高齢化が進む保全の現場において、これは金額換算を超えた本質的な価値です。実際、私たちの支援先でも、予知保全プロジェクトを「保全技能の伝承プロジェクト」として位置づけ直したことで、ベテラン保全員が最も熱心な協力者になった事例があります。

よくあるつまずきと対策——先行企業の教訓

予知保全の導入現場で頻出するつまずきと、その対策を整理します（図8）。

▲図8：よくあるつまずきと対策

最多のつまずきは「誤報の多発によるアラートの無視」です。導入初期のしきい値は仮説にすぎず、調整前の誤報は避けられません。問題は誤報そのものではなく、調整の計画がないことです。誤報率を指標として追い、1〜3カ月の調整期間を計画に織り込んでおけば、誤報は「精度を上げるための情報」に変わります。

次に多いのが「アラート後の対応が決まっていない」こと。通知は来たが、誰が見に行くのか、どこまで点検するのか、生産を止める判断は誰がするのか——決まっていなければ、アラートは不安を生むだけの通知になります。対応フローの文書化は、センサー設置と同時に済ませるべき必須作業です。

このほか、「正常データの蓄積前に判断を焦る」「一気に全設備へ広げて管理不能になる」「予兆を検知したのに交換部品がなく結局止まる」——いずれも、段階を踏む設計と事前の準備（部品リスト・調達リードタイムの整備）で防げるつまずきです。

予知保全の実践事例

守秘義務に配慮して一般化した、当社支援先の事例をご紹介します。

基幹設備の突発故障に悩む部品メーカーでは、故障履歴の棚卸しからベアリング起因の故障が最多と特定し、重点設備2台に振動・温度センサーを設置しました。運用開始から数カ月後、振動値の緩やかな上昇トレンドを検知。点検でベアリングの初期損傷を確認し、週末の計画停止で交換しました。従来なら平日の突発停止と数日の納期混乱を招いていた故障が、計画的な数時間の作業で済んだ——「初めて故障に先回りできた」という保全リーダーの言葉が、この方式の価値を物語ります。以後、突発停止は半減し、保全計画の主導権が「設備任せ」から「人間側」に移りました。

工場全体に圧縮空気を供給するコンプレッサーは、止まれば全ラインが止まる「単一障害点」です。ある食品メーカーでは、このコンプレッサーの電流・温度・振動を監視対象とし、異常時は保全担当と工場長に即時通知される体制を構築しました。運用の中で冷却系の性能低下を早期に検知し、夏場の高負荷期を前に整備を完了。「全停止の悪夢」を未然に防ぎました。全設備を監視せずとも、急所の一台を守るだけで工場全体のリスクが下がる——対象選定の考え方を体現した事例です。

2つの事例に共通するのは、対象を「痛い設備」に絞り込んだこと、そして検知の仕組みと同時に対応の体制（誰が確認し、誰が判断するか）を整えたことです。センサーの台数でも、システムの高度さでもなく、この2つの設計が成果を分けました。予知保全の成功は、技術の勝利である前に、選択と準備の勝利なのです。

定年退職を2年後に控えた熟練保全員が、設備の異音で不調を言い当てる——そんな職人技に依存していた加工メーカーの事例です。振動センサーの設置とあわせて、熟練者へのヒアリングを実施しました。「この音のときは、ここを見る」「この振動なら、あと◯週間は持つ」——感覚的な判断を、データの数値・パターンと突き合わせて言語化し、判断基準つきの点検手順書に落とし込んだのです。

興味深かったのは、熟練者自身の反応でした。当初は「機械に俺の代わりが務まるか」と懐疑的でしたが、自分の感覚がデータで裏づけられていく過程で、「俺のやり方は正しかったんだ」と最も熱心な協力者に変わりました。技能のデータ化は、技能の否定ではなく、技能の承認と継承である——このメッセージの伝え方が、ベテランを味方にする鍵です。現在、若手保全員はデータと手順書で判断の基礎を学び、熟練者はより高度な診断に集中する分業が機能しています。

稼働見える化で成果を出した成形メーカーが、次のテーマとして予知保全に進んだ事例です。稼働監視用に設置済みの電流センサーのデータを分析すると、特定設備の電流波形に、故障の数週間前から微妙な変化が現れていたことが事後的に確認されました。「あのとき気づけていれば」——この発見が予知保全への投資判断を後押しし、重点設備への振動・温度センサー追加へとつながりました。稼働見える化のデータ基盤と週次レビューの運用文化が既にあったため、予知保全の立ち上げは通常より格段に速く進みました。見える化→予知保全という発展経路の合理性を示す事例です。

保全計画・EAMとの連携——点の検知から面の管理へ

予知保全が軌道に乗ったら、次の視野は保全業務全体のデジタル化です。

アラート・点検・診断・処置・部品交換——これらの記録を、設備保全管理システム（EAM：Enterprise Asset Management／CMMS：設備保全管理システム）に一元化すると、保全は「点の対応」から「面のマネジメント」に進化します。設備ごとの故障履歴と費用が蓄積され、更新投資の判断材料になる。部品の在庫と調達リードタイムが管理され、「検知したのに部品がない」事態を防げる。点検計画と実績が紐づき、保全業務の抜け漏れがなくなる——。

中堅・中小企業では、高機能なEAMをいきなり導入する必要はありません。スプレッドシートでの故障・処置記録から始め、記録の習慣が定着した段階でクラウド型の保全管理ツールへ移行する——この段階論で十分です。重要なのは、予知保全のデータと保全業務の記録がつながる設計を、どこかの段階で描いておくことです。データが分断されたままでは、保全のマネジメント化は実現しません。

予備品戦略——「検知したのに止まる」を防ぐ最後のピース

予兆を検知しても、交換部品がなければ結局止まります。予知保全の効果を確定させる最後のピースが、予備品の戦略です。

対象設備について、主要な交換部品のリスト——型式、調達先、標準価格、そして調達リードタイム——を整備します。特にリードタイムは重要です。海外調達や受注生産の部品は入手に数週間〜数カ月を要することがあり、予兆検知からの猶予期間より長ければ、検知の意味が薄れてしまいます。

すべての部品を在庫する必要はありません。判断軸は「リードタイム×停止損失×故障確率」です。リードタイムが長く、停止損失が大きく、故障履歴のある部品——例えば基幹設備の特殊ベアリングやモーター——は保有し、即納可能な汎用部品は都度調達で構いません。予知保全のデータは、この判断の精度も高めてくれます。劣化トレンドから交換時期が読めれば、「予兆を検知してから発注する」という、在庫を持たずにリードタイムを吸収する運用も可能になるからです。

緊急時の部品供給は、日頃の関係が物を言います。重点設備のメーカー・代理店とは、部品リストの共有、生産終了部品の事前確認、緊急時の連絡ルートの取り決めをしておきましょう。監視データを共有した相談ができる関係になれば、メーカー側の技術支援も引き出しやすくなります。

データ運用の規律——予知保全を長く機能させるために

最後に、仕組みを長期間健全に保つための運用規律を3点挙げます。

第一に、センサー自体の健全性確認です。センサーの脱落・故障・電池切れでデータが途絶えていないかを、月次で点検します。監視の空白は、気づかぬうちの最大のリスクです。第二に、処置記録との紐づけです。部品交換・調整・修理の記録をデータと同じ時間軸で残すことで、「処置の効果検証」と「正常状態の再定義」が可能になります。交換直後は正常の基準が変わるため、しきい値の見直しもセットで行います。第三に、年次の棚卸しです。アラートの的中率、見逃し・誤報の件数、突発停止の推移を年に一度総括し、監視対象・しきい値・体制を見直す——。この一手間が、仕組みの陳腐化を防ぎ、翌年の精度を一段引き上げます。

予知保全は「設置して終わり」の仕組みではなく、「運用の中で賢くなり続ける」仕組みです。規律ある運用を続けた工場ほど、データと組織の学習が複利で効いてくる——数年単位の時間軸で、その差は歴然としたものになります。

TPM・自主保全との関係——現場活動とデータの融合

日本の製造業にはTPM（Total Productive Maintenance：全員参加の生産保全）という優れた活動の伝統があります。予知保全は、この伝統と対立するものではなく、強力に補完し合う関係にあります。

TPMの柱である自主保全では、オペレーター自身が清掃・給油・増締めと日常点検を担います。この五感による点検と、センサーによる常時監視は、役割の異なる二つの目です。センサーは24時間の連続監視と微細な変化の検出を、人は匂い・見た目・全体の違和感といったセンサー化しにくい情報を担う——。実際、支援先では「センサーのアラートを受けて現場が五感で確認する」「現場の違和感をデータで検証する」という双方向の連携が、検知精度を大きく高めています。

紙のチェックシートで行われてきた日常点検も、タブレット化・センサー代替によって効率化できます。毎日の目視記録が自動記録に置き換われば、人の点検は「記録のための点検」から「異常を見抜くための点検」へと質を変えられます。点検項目の棚卸しを行い、「センサーに任せる項目」「人が見るべき項目」を仕分けする——この作業自体が、点検の形骸化を見直す良い機会になります。

TPMの計画保全は、保全カレンダーに基づく計画的な整備活動です。ここに状態監視データが加わると、計画の根拠が「経験と標準値」から「自社設備の実測」へ進化します。交換周期の妥当性がデータで検証され、過剰な整備は間引かれ、不足していた箇所は手厚くなる。TPMで培った活動の規律に、データという新しい根拠が乗る——これが、日本の現場力とIoTの最も生産的な出会い方だと私たちは考えています。

TPM活動に取り組んできた工場ほど、予知保全の導入は速く定着します。点検の習慣、記録の文化、設備を大切にする風土——それらはすべて、データ活用の土壌としてそのまま活きるからです。「うちは昔ながらのTPMだから」ではなく「TPMの蓄積があるからこそ」——自信を持って、次の一歩に進んでください。

予兆データの読み方入門——グラフから何を見るか

センサーを付けた後、実際にデータをどう読むのか。保全の専門家でなくても押さえられる、基本の見方を紹介します。

最も基本で最も重要なのが、時系列のトレンドです。振動値や温度が、数週間・数カ月の単位でじわじわ上昇していないか。日々の変動に埋もれがちなこの緩やかな傾向こそ、劣化進行の典型的なサインです。週次レビューの際、直近だけでなく「3カ月スケール」のグラフを必ず見る習慣をつけてください。ベアリングの損傷や潤滑の劣化は、多くの場合このトレンドとして現れます。

絶対値の良し悪しが判断しにくいときは、比較が助けになります。同型設備と比べて一台だけ振動が大きい。前回の部品交換直後と比べて温度が高い——。「比べる相手」を持つことで、専門的な基準値を知らなくても異常の候補に気づけます。同型機を複数監視する構成は、この比較のためにも有効です。

部品交換、調整、清掃、条件変更——何らかの処置をした前後で、データがどう変わったかを確認します。処置後に振動が下がれば対処は的中、変わらなければ原因は別にある。データは、保全処置の「答え合わせ」をしてくれる採点者でもあります。処置の記録とデータを並べて見られるようにしておくことが、この読み方の前提です。

温度だけ、振動だけでは判断が難しくても、組み合わせると見えることがあります。負荷（電流）は変わらないのに温度が上がっている——なら冷却か潤滑の問題。回転数は同じなのに振動が増えた——なら機構側の変化。複数データの関係の変化は、単独のしきい値より早く、確かに異常を語ります。AI異常検知が力を発揮するのも、まさにこの領域です。

これらの読み方は、特別な専門教育を必要としません。週次レビューで保全担当と一緒にグラフを眺め、「先週と比べてどうか」「同型機と比べてどうか」と問い続けるうちに、組織としてのデータ読解力は自然に育ちます。そしてその過程こそが、熟練の勘をデータの言葉に翻訳していく、技能伝承の実践そのものなのです。

投資対効果の試算——予知保全のROIを数字で組み立てる

予知保全の稟議に使える、効果額の試算フレームを示します。

第一のルートは「突発停止損失の削減」です。過去の故障履歴から、対象設備の年間突発停止時間と、1時間あたりの停止損失（生産の付加価値＋緊急対応コスト）を見積もり、予知保全による削減率（保守的に50％程度）を掛けます。例えば、年40時間の突発停止・時間あたり損失3万円なら年120万円の損失。半減できれば年60万円の効果です。

第二のルートは「保全コストの最適化」です。時間基準で一律交換していた部品のうち、状態基準への移行で延命できる分の部品費・交換工数を積算します。第三のルートは「二次被害の回避」です。ベアリング損傷を放置すれば軸や周辺部品まで損傷が波及し、修理費は数倍になります。早期検知による修理範囲の限定は、金額化しにくいものの確実な効果です。

重点設備2台に振動・温度・電流センサーを設置する構成で、初期費用40万〜80万円・月額数千円〜1万円程度が目安です。上記の突発停止削減だけで年60万円の効果が見込めるなら、1〜2年での回収が視野に入ります。ここに保全コスト最適化と二次被害回避が上乗せされる構造です。前提数値は必ず自社の故障履歴で置き換えてください。棚卸しした故障履歴が、そのまま稟議の根拠データになります。

業種別・予知保全の重点ポイント

適用の勘所を業種別に補足します。

装置型量産（成形・プレス・ダイカスト）では、油圧ユニット・型締機構・主要モーターが監視の中心です。金型という「もう一つの設備」の状態管理（ショット数管理・メンテナンス履歴）と組み合わせると、品質と保全の両面が揃います。

機械加工では、主軸の振動監視が王道です。主軸の故障は修理費・納期影響とも大きく、予知保全の効果が最も分かりやすい部位です。夜間無人運転を行う工場では、異常検知と自動停止・通知の連携が、無人時間帯の安心を支えます。

食品・化粧品などのプロセス型では、ユーティリティ設備——コンプレッサー、冷凍機、ボイラー、ポンプ——が急所です。生産設備そのものより、全体に供給するユーティリティの停止が全ライン停止に直結するためです。温度管理が品質要件である業界特性上、冷却系の予知保全は品質リスク対策も兼ねます。

いずれの業種でも共通する原則は変わりません。「止まると最も痛い設備」から、振動・温度・電流の基本3点で始める——それだけです。

なお、投資回収の議論では「保険」としての側面も忘れずに添えてください。突発停止は確率事象であるため、「今年たまたま故障が少なかった」年には効果が見えにくくなります。しかし、火災保険の価値が火事のない年にも存在するように、監視体制の価値は故障のない期間にも——安心して生産計画を組める、無人運転を任せられるという形で——確かに存在しています。効果測定は複数年の時間軸で、そして「防いだ損失」という観点で語る。この整理が、予知保全投資の正当な評価につながります。

保全体制と人材育成——予知保全を担う「人」の設計

仕組みの話に続いて、それを動かす人と体制の設計を考えます。

予知保全のスモールスタートに必要な役割は、①アラートの一次確認者（現場リーダー・保全担当）、②診断・処置の判断者（保全責任者、または外部の保全会社・設備メーカー）、③運用の管理者（データの健全性確認、しきい値調整の窓口）——の3つです。専任のデータ分析者は不要ですし、3役割の兼務も可能です。大切なのは、アラートから処置までの流れの中で「誰が何をするか」が決まっていることだけです。

予知保全の仕組みは、意図的に使えば強力な育成装置になります。アラート発生時の一次点検を若手に任せ、データと現物を突き合わせて診断する経験を積ませる。熟練者は診断結果のレビューと、判断基準の言語化で関わる——。従来なら故障のたびにしか得られなかった「生きた教材」が、予兆というかたちで計画的に供給される。保全人材の育成期間を短縮するこの効果は、人手不足時代において、突発停止削減と並ぶ導入価値だと私たちは考えています。

振動診断の詳細分析や精密診断は、専門の診断サービスをスポットで使う選択肢もあります。「日常の監視は自社のセンサーで、精密診断は必要時に専門家へ」——この分業なら、専門人材を抱えることなく高度な保全が実現できます。自社の監視データを添えて相談すれば、外部診断の精度もスピードも上がります。

予知保全の最新トレンド——これから始める人が知っておくべき変化

最後に、この分野の技術動向を3つ押さえておきます。

第一に、センサーの無線化・電池駆動化です。配線不要の振動・温度センサーが普及し、設置の手間と費用が劇的に下がりました。「とりあえず貼って測る」が現実になり、試行のハードルは年々低下しています。

第二に、AI異常検知の民主化です。専門知識なしで使える自動学習型のサービスが一般化し、導入の壁は「分析技術」から「正常データの蓄積と運用設計」へ移りました。つまり、早く始めてデータを貯めた企業ほど、AIの恩恵を早く受けられる構造です。

第三に、設備メーカー純正の予知保全サービスの拡充です。新しい設備には状態監視機能が標準搭載される流れが進んでいます。実務的な構成は、「新鋭機はメーカー純正サービス、既存機はレトロフィット監視」の併用となり、両者のデータをどう一元的に見るかが、これからの設計論点になります。

技術は進み続けますが、変わらないものもあります。故障履歴の棚卸し、対象の絞り込み、正常を知る蓄積、対応フローの整備——本記事で述べた基本の型は、どんな技術の上でも通用する土台です。土台を固めた企業だけが、新しい技術を確実に成果へ変換できます。

導入判断のチェックリスト——予知保全を始めるべき5つのサイン

自社が予知保全に取り組むべきタイミングかどうか、次の5項目でチェックしてください。2つ以上当てはまれば、検討を始める価値が十分にあります。

・過去1年に、基幹設備の突発故障で生産計画が大きく乱れたことがある

・「止まったら終わり」の設備（ボトルネック・ユーティリティ）が特定できる

・保全員の高齢化・退職が近づいており、技能伝承に不安がある

・定期交換している部品の中に、「まだ使えたのでは」と感じるものがある

・夜間・休日の無人時間帯に、設備の状態が分からない不安がある

逆に、まだ稼働の実態（可動率・停止の構造）すら見えていない段階なら、まず稼働見える化から始めることをおすすめします。見える化のデータと運用文化が、予知保全の最良の助走路になるからです（子記事「設備稼働率・可動率の見える化完全ガイド」参照）。

経営視点での総括——保全を「コスト」から「戦略」へ

最後に、経営の視点で予知保全を位置づけ直します。

保全は長らく、「かかるもの」——削減対象のコストとして扱われてきました。しかし、人手不足で保全人材が採れず、設備は高齢化し、一度の突発停止が納期と信用を揺るがす時代において、保全の位置づけは変わりつつあります。設備が止まらないこと、止まる前に分かること、直し方の知が組織に残ること——これらは、生産能力・納期対応力・事業継続力という競争力の土台そのものです。

予知保全への投資は、この土台への投資です。数十万円のセンサーが直接生むのは振動や温度の数字にすぎませんが、その数字の上に、突発停止のない生産計画、根拠ある設備投資判断、世代を超えて受け継がれる保全の知が築かれていきます。「壊れてから直す工場」から「予兆を捉えて先回りする工場」へ——その転換は、設備の話であると同時に、経営の意思の話なのです。

保全の現場は、長年、縁の下で工場を支えてきました。データという光を当てることは、その貢献を経営の言葉で可視化することでもあります。予知保全のプロジェクトが、保全部門の誇りと発言力を高める機会になった事例を、私たちはいくつも見てきました。設備のためだけでなく、設備を守る人たちのためにも——この取り組みを、前向きに検討していただければと思います。

予知保全がもたらす副次効果——数字の外側にある価値

導入企業への後日ヒアリングから見えてきた、当初想定していなかった副次効果にも触れておきます。

第一は、生産計画の質の向上です。設備の状態が見えることで、「この設備は近く整備が要る」という情報が計画に織り込めるようになり、保全と生産の綱引きが、データを挟んだ調整に変わりました。突発ではなく計画で止める——この転換は、保全部門だけでなく生産管理部門の働き方も変えます。

第二は、設備更新判断の精度向上です。劣化トレンドと修理履歴・費用のデータが蓄積されると、「延命か更新か」の判断が、感覚から損益の比較に変わります。「まだ使える」と「もう替え時」の境界が数字で引ける——数百万円規模の投資判断における、この確信の価値は小さくありません。

第三は、安全性の向上です。設備の異常は、品質や生産だけでなく、労働安全のリスクでもあります。異常の早期検知と計画的な処置は、無理な応急対応や突発トラブル時の危険作業を減らし、現場の安全水準を静かに引き上げます。

第四は、対外的な信頼です。取引先監査で状態監視の仕組みを示せることは、供給の安定性・品質管理体制の証明として機能します。事業継続計画（BCP）の文脈でも、基幹設備の監視体制は説得力ある構成要素になります。

突発停止の削減という主効果の周囲に、これだけの価値が同心円状に広がる——予知保全が「保全部門の道具」を超えて「経営のインフラ」と呼ばれる理由が、ここにあります。

本記事を閉じる前に、費用ゼロで今週中にできる一歩を提案します。保全担当者と30分の対話の場を持ち、次の3つを聞いてください。「この1年で一番痛かった故障は何か」「次に壊れそうで怖い設備はどれか」「その設備の部品は、すぐ手に入るか」——。この30分で、予知保全の対象候補と、予備品リスクの当たりがつきます。データ化の旅は、センサーではなく、現場の知恵を聞くことから始まる。それは本記事で繰り返し述べてきた、この分野の変わらぬ真理です。

そしてその対話の内容を、ぜひ簡単なメモに残してください。故障の記憶、危険設備の勘、部品の入手性——保全担当の頭の中にあるこれらの知見は、本記事で述べた故障履歴の棚卸し（導入ロードマップの段階1）の最初の素材そのものです。30分の対話メモが、数カ月後には稟議書の課題欄になり、1年後にはアラート判断基準の原型になっている——予知保全のプロジェクトとは、突き詰めれば、現場の知をデータの形式で未来へ手渡していく営みなのです。その第一歩に、大げさな準備は要りません。今週の30分から、始めてみてください。

よくある質問（FAQ）

実務上はほぼ同義で使われます。厳密には、状態基準保全（CBM）が「状態を見て保全時期を決める」考え方、予知保全（PdM）が「データから故障時期を予測する」考え方と整理されますが、入門段階で区別に神経質になる必要はありません。

しきい値方式なら、正常データを数週間蓄積すれば仮運用を始められます。設備の運転条件が多様な場合や、AI異常検知を使う場合は、季節変動も含めて数カ月の蓄積が望ましいでしょう。いずれにせよ、「仮運用しながら精度を育てる」姿勢が現実的です。

できます。振動・温度・電流のセンサーはすべて後付け（レトロフィット）が可能で、設備の年式・メーカーを問いません。むしろ、劣化が進行しつつある古い設備こそ、状態監視の価値が高いとも言えます。

できます。アラートの一次確認を製造リーダーが担い、診断・処置は外部の保全会社や設備メーカーと連携する体制が現実的です。重要なのは、アラート時の対応フロー（誰が見て、どこへ連絡するか）を決めておくことです。監視対象を「止まると最も痛い1〜2台」に絞れば、運用負荷はごく小さくできます。

推奨しません。まずしきい値方式で運用を立ち上げ、データと対応体制が育ってから高度化するのが定石です。AIは強力ですが、正常データの蓄積と、アラートに対応する人間側の仕組みという土台がなければ機能しません。

やめる前に、調整を試してください。誤報の多くは、しきい値の設定と運転条件の多様性のミスマッチが原因で、運転条件別のしきい値設定や検知ロジックの見直しで大幅に改善できます。誤報率を記録し、調整の効果を数字で追うことが立て直しの第一歩です。

併用が基本です。メーカー保守は専門的な診断・修理の担い手として、自社の状態監視は日常の予兆検知の目として機能します。監視データがあれば、メーカーへの相談も「なんとなく調子が悪い」ではなく「この振動データを見てほしい」という具体的な依頼になり、対応の速さと精度が変わります。

保全コスト最適化や監視の安心感は数カ月で実感できますが、「突発停止の削減」は、そもそも故障が確率的な事象であるため、半年〜1年の時間軸で評価するのが適切です。焦らず、故障履歴の推移とアラート対応の記録で、着実に効果を積み上げてください。

多くの場合、稼働見える化が先です。投資回収が速く、データ活用の運用文化を育てられ、電流センサーなどの基盤を予知保全に転用できるためです。ただし、特定設備の突発故障が経営課題の筆頭であるなら、予知保全から入る判断も十分に合理的です。

誠実にお答えすると、「故障の日時をピンポイントで予言する」ことはできません。できるのは、「いつもと違う変化の検知」と「劣化トレンドからの余寿命の推定」です。それでも、「突然壊れる」が「変化に気づいてから計画的に対処する」に変わるだけで、保全の世界は一変します。過度な期待も過小な評価もせず、この現実的な価値を正しく見積もることが、良い導入判断につながります。

予知保全の用語ミニ辞典

・事後保全（BM）：壊れてから直す保全方式。停止影響の小さい設備に許容。

・予防保全（TBM）：時間・使用量基準で定期的に部品交換する方式。

・予知保全（CBM／PdM）：状態監視データに基づき、必要なときだけ保全する方式。

・状態監視：振動・温度・電流等で設備の健康状態を常時把握すること。

・バスタブカーブ：故障率の時間変化（初期故障期→偶発故障期→摩耗故障期）を表す曲線。

・しきい値：正常と異常を分ける判定基準値。運用の中で調整して精度を高める。

・異常検知：正常パターンからの逸脱を見つけること。しきい値方式とAI方式がある。

・MTBF／MTTR：平均故障間隔／平均修復時間。保全レベルの代表的評価指標。

・EAM／CMMS：設備資産管理／設備保全管理システム。保全業務の記録・計画を一元化。

・余寿命予測：劣化トレンドから、部品・設備があとどれだけ使えるかを推定すること。

・オオカミ少年化：誤報の多発によりアラートが信用されなくなる状態。調整計画で防ぐ。

・単一障害点：そこが止まると全体が止まる急所設備。コンプレッサー等が典型。

まとめ——「壊れてから」の工場を卒業する

本記事の要点を整理します。

・保全は3方式の使い分け。停止損失の大きい重要設備にこそ予知保全を適用する

・偶発故障期の突発停止は定期交換では防げない。状態監視だけが予兆を捉えられる

・監視は振動・温度・電流の基本3点から。核心は「正常を知る」データ蓄積にある

・しきい値方式で立ち上げ、AI検知へ高度化する段階論。アラート対応フローの整備が必須

・効果は突発停止削減・保全コスト最適化・技能伝承の3経路。故障履歴の棚卸しが試算と選定の起点

・重点1〜3台・数十万円のスモールスタートで、1〜2年の投資回収が視野に入る

突発故障に振り回される工場と、予兆を捉えて先回りする工場——その差は、設備の新しさでも保全部隊の規模でもなく、「状態を測っているか」という一点から始まります。そして測ることは、いまや数十万円で始められる現実的な選択肢です。

船井総合研究所では、中堅・中小製造業に特化した「工場の小規模DX」コンサルティングとして、故障履歴の棚卸しから対象選定、センサー構成、アラート運用の設計、保全体制づくりまで、予知保全の立ち上げを一貫して伴走支援しています。「うちはどの設備から始めるべきか」という入口のご相談から、無料経営相談をご活用ください。

▼無料経営相談のお申し込みはこちら

https://www.funaisoken.co.jp/form/consulting?siteno=S111