＜なぜ、予知保全を必要とされているのか＞

労働人口不足が深刻化する中、現場の保守業務の現状は、
「保守サービスに対応できる人員が足りない」という声が多く聞かれ、
下記のような課題が存在します。

💦突発故障による駆けつけメンテナンスの際に、対応できる人員が足りない
💦ベテランに保守ノウハウが属人化しており、新人だけでは対応が難しい
💦「駆けつけメンテナンス」の対応遅れで、違約金の発生や顧客満足度の低下のリスクが心配

 

これらの課題を解決する手法として、“予知保全”が注目されています

 

 

　🔍予知保全とは？

　　　設備や機械の故障を未然に察知するために、センサーやデータ分析を活用して故障の兆候を
　　　予測し、必要なタイミングで保守・メンテナンスを行う手法です。

　👍予知保全でもたらす3つの効果

　　　①突発故障の減少による保守サービス対応が効率化されます
　　　②保守サービスエンジニアの業務負荷が軽減されます
　　　③突発故障の現象、タイムリーなかけつけ対応が可能になり顧客満足度が向上

　💡予知保全を導入するとできること　　　　

 

当社がご提供する予知保全ソリューション

 

　🌟エッジAIマイコン×センサー
　　　当社がご提供する予知保全ソリューションは、エッジAIマイコン×センサーを組み合わせた
　　　組込みソリューションです。AIモデルの構築にクラウド型AIやGPU搭載コンピュータが不要な
　　　エンドポイント型AIで、小規模・軽量・低コストなシステムを構築することが可能です。
　　　当社からご提供するモノは以下となります。

 

　⚙️エッジAIマイコンとセンサーの役割
　　１ センサーデータのリアルタイム処理
　　　 ・センサーから取得したデータ（振動、温度、電流値など）を即座に処理
　　　 ・センサーデータをクラウドに送らず、現場（エッジ）でAIモデルを使って分析
　　２ 異常予測・検知
　　　 ・正常な状態と異常な状態のパターンをAIモデルで識別
　　　 ・故障の兆候を検知し、アラートを発信
　　３ 通信コストの削減
　　　・異常検知時など必要な情報だけをクラウドに送信
　　　・常時データ送信が不要なため、ネットワーク負荷が軽減
　　４ 省電力・小型化
　　　・工場設備や遠隔地でも設置しやすく、低電力消費を実現

 

＜活用事例①＞

　🧠AI学習・推論　教師なし
　　　正常状態を学習しておき“いつもと違う”を検知して故障の予兆を捕捉します。
　　　異常状態を学習させるのではなく、正常状態との差異で異常度を検出します。

　＜ユースケース＞
　　　工場設備/機械の状態を監視して、異常が検知されたら保守を実行するCBM(状態基準保全)の実現

 

＜活用事例②＞

　🤖AI学習・推論　教師あり
　　　従来のルールベースのプログラミングではセンサーからのデータを閾値によって
　　　判定するのが一般的ですが、AIを活用することによりデータの傾向変化によるパターン判定が
　　　可能になります。

　＜ユースケース＞
　　　複数のセンサーデータからパターンを学習しておき、傾向変化を検出する。

　　　機器故障なのか、設置現場での操作ミスなのかをAIで推測し、電話での一次対応のみで
　　　解決できれば、保守エンジニアのかけつけが減らせます。

 

 

　📝当社のパートナー企業との連携により、システム含めたご提案も可能ですので、課題をお持ちの
　　お客様は是非当社とご検討を進めてみませんか？お問い合わせをお待ちしております。

　　＜検討の進め方とご提案＞
　　　１ 貴社の製品/機器で発生する故障モードや症状、補足したい内容のヒアリング
　　　２ 適切なセンサーの選定及びご紹介
　　　３ ご紹介したセンサーによるデータの取得
　　　４ 取得したデータを使用し、原理試作前にシミュレーター(PCツール)上で事前検証
　　　５ シミュレーター結果の効果検証
　　　６ PoC(原理試作)を作成し、貴社の製品での実証実験
　　　７ 実証実験での効果確認及び量産化の検討

 

　✉お問い合わせ　dss2_magazine@taxan.co.jp