設備の突発停止は、製造業の納期と利益を同時に削ります。予知保全とは、振動・温度・電流といった設備データを継続的に取り、異常の兆候が出た段階で計画的に止めて直す保全の考え方です。結論として、予知保全の成否はセンサーの性能よりも「どの設備の、どの故障を先に防ぐか」という対象選定で決まります。「2025年版ものづくり白書」が引用する調査でも、デジタル技術を活用した業務改善の実施率は「生産管理」で43.7%、「製造」で39.9%と、ものづくりの中核工程で高くなっています。保全は、その次にデータを生かせる工程です。

対象設備は「止まると痛い順」に並べる

最初にやるべきは、全設備へのセンサー設置ではなく、停止時の影響度による棚卸しです。ボトルネック工程の設備、代替機がない設備、故障時に安全リスクがある設備を優先します。次に、その設備の過去の故障記録を保全台帳から拾い、「ベアリング摩耗」「ベルト緩み」のように故障モードを具体化します。故障モードが言えない設備は、データを取っても異常検知の判定基準を作れません。

データ収集は保全員の点検記録とセットで設計する

モーターやポンプ、コンプレッサーといった回転機の振動、軸受部の温度、駆動モーターの電流値が、最初に取りやすいデータです。ただし、センサーを付けても、保全員が「いつ、何を交換したか」を記録しなければ、異常波形と原因をひも付けられません。点検記録の入力欄を、設備番号・部品・処置内容の3点に絞って簡素化し、タブレットや紙のチェックシートからでも残せる形にすることが現実解です。AIの異常検知は「正常の範囲」を学習させる方式から始め、閾値アラートと組み合わせると、誤報への不信感を抑えられます。

保全体制は事後保全から計画保全へ段階的に移す

いきなり全設備を予知保全に切り替える必要はありません。対象設備について、突発停止回数、平均修復時間、計画外停止による生産ロス金額を月次で記録し、事後保全との差を見える化します。効果が見えた設備から対象を広げる段階移行が、中小製造業でも無理のない進め方です。保全員の経験則は、異常時の一次切り分け手順として文書化し、データと人の判断を対立させないことが大切です。

自社の現場に引きつけた進め方を検討したい方は、本誌の30分無料相談で、対象設備の選び方や進め方の優先順位を一緒に整理できます。まずは現状の課題をお聞かせください。

あわせて読みたい

「「失敗せずにイノベーションを起こせ」は矛盾だ：製造業の変革の壁」 https://axdx.aohalab.ai/#/article/37

「データ整備なきAI活用は砂上の楼閣。まず整えるべき3つの台帳」 https://axdx.aohalab.ai/#/article/10

出典：経済産業省・厚生労働省・文部科学省「2025年版ものづくり白書」 https://www.meti.go.jp/report/whitepaper/mono/2025/

本記事で紹介した内容は2026年11月時点の公表情報に基づきます。最新の内容は出典の一次情報をご確認ください。