予知保全：継続的インテリジェンスキラーアプリ

センサーとIoTデータの分析に基づくCIは、デバイスの状態変化を特定し、資産の失敗確率について予測するのに役立ちます。

資産に関するリアルタイムおよび履歴データの分析により、部品またはデバイスの障害につながる可能性のある問題を見つけることができます。カレンダーベースの資産交換と比較して、予知保全は、機器の一部または一部の寿命を最大限に延ばしながら、ダウンタイムを防ぐのにはるかに効果的です。そのため、予知保全は、継続的インテリジェンス（CI）のキラーアプリです。

関連項目： 大きな「残忍な」環境でのリアルタイム分析

このような機能は、予定されている交換および保守時間の前に故障する可能性のある部品または機器を特定するのに役立ちます。真のメリットは、潜在的な問題を検出するために人工知能が使用されることです。このインテリジェンスがエキスパートシステムによって使用されると、問題が発生する前にアラートを送信でき、得られた情報に基づく是正措置を機器の保守担当者に提供できます。

なぜそのような機能がそれほど重要なのですか？

製造、航空、エネルギー探査、公益事業、通信などの業界におけるダウンタイムのコストは驚異的です。平均的なオフショア石油ガス会社は、年間約27日間の計画外のダウンタイムを経験しており、これは3,800万ドルの損失に相当する可能性があります。場合によっては、この数は8800万ドルにもなることがあります。

2018年には、計画外のメンテナンス費用が航空会社に200億ドルを超え、すべてのメンテナンス費用の約27％に相当します。これは、すべてのフライトの遅延とキャンセルのほぼ3.8％がAircraft on Ground（AOG）イベントによって引き起こされたため、ネットワーク運用に連鎖的な影響を及ぼしました。これらの問題と予知保全のメリットを定量化すると、データと分析によって計画外のメンテナンス費用がほぼ半減し、航空会社は関連するコストを総メンテナンス費用の約14％に削減できることがわかります。

予知保全におけるCIの役割

センサーとモノのインターネット（IoT）データの分析に基づくCIは、デバイスの状態変化を検出し、資産の障害の可能性について予測することで役立ちます。

なぜCIが必要なのですか？何かがうまくいかないのを待つという従来のアプローチは、ビジネスにとって非常に悪いものです。また、メーカーのカレンダーベースのメンテナンススケジュールに基づいて部品を交換すると、故障する前に適切な部品を交換できる可能性があります。

CIは、事後に対応するのではなく、ダウンタイム、欠陥、非効率、または機会の逸失につながる問題の根本原因を事前に洞察することで、コストを削減し、運用効率を向上させることができます。

ますます、業界はIoTデバイスを使用してそれらの洞察を収集し、デバイスを使用して運用のあらゆる側面に関する情報を取得しています。残念ながら、ほとんどの企業が直面する問題の1つは、IoTデバイスが非常に大量のデータを生成することです。ある業界レポートでは、IoTによって生成されるデータの量は2013年のわずか0.1ゼタバイトから、2020年までに4.4ゼタバイトに達すると推定しています。

継続的に生成されるこのようなデータを利用するには、新しい戦略が必要です。データを単純に保存して後で分析することはできません。データストリームとしてリアルタイム分析を行うことには価値があります。そのようなデータストリームに洞察を引き出すために、多くの企業は、従来の分析をリアルタイムの人工知能（AI）および機械学習（ML）アルゴリズムで補完しています。このようなアプローチにより、企業はデータから意思決定情報を時間枠内に取得できるため、企業は積極的な行動を取ることができます。

具体的には、IoTデータに適用されるAIとMLの産業利用は、メンテナンス予測やその他の運用面を改善するための優れた方法と見なされています。理由：AIとMLは、複雑なシステムに関する予測を行うのに役立ちます。これにより、予知保全を通じてマシンのダウンタイムを削減できます。

予防保守のためのCIの急速な採用を妨げている1つの障害は、インフラストラクチャです。現在、ほとんどの組織には、ストリーミングIoTデータに適用されるCIを最大限に活用するためのインフラストラクチャがありません。

問題は何ですか？大規模な産業組織は、マシン、センサー、および内部ビジネスアプリケーションから数十億のデータセットを収集できます。組織が新しいIoTイニシアチブに移行するにつれ、この膨大なデータの流入に対応できる新しいテクノロジーとプロセスを検討することが重要です。