予知保全：継続的インテリジェンスで比類なき資産信頼性を実現

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検知し、資産の故障確率を予測するのに役立つ。

資産に関するリアルタイムと履歴データの分析は、部品やデバイスの故障につながる問題を検出できる。カレンダーベースの資産交換と比較して、予知保全はダウンタイム防止において遥かに効果的であり、部品や設備を最大寿命まで使用できる。そのため、予知保全は継続的インテリジェンス（CI）のキラーアプリだ。

関連記事：「過酷な」環境でのリアルタイム分析

このような機能は、定期交換・メンテナンス時期前に故障しそうな部品や設備を特定するのに役立つ。真のメリットは、人工知能を用いて潜在的問題を検知したときに訪れる。このインテリジェンスがエキスパートシステムで活用されれば、問題発生前にアラートを送信し、導き出された情報に基づく是正措置を、設備維持管理の担当者に提供できる。

なぜこのような機能が極めて重要なのか？

製造、航空、エネルギー探査、ユーティリティ、通信などの業界におけるダウンタイムコストは驚異的だ。平均的なオフショア石油・ガス企業は年間約27日の計画外ダウンタイムを経験し、3,800万ドルの損失につながる。ケースによっては8,800万ドルに達することも。

2018年、計画外メンテナンスは航空会社に200億ドル以上のコストをもたらし、全メンテナンス支出の約27%を占めた。これはネットワーク運営に連鎖的影響を及ぼし、全フライト遅延・欠航のほぼ3.8%が航空機接地（AOG）イベントによるものだった。これらの問題の定量化と予知保全のメリットによれば、データと分析により計画外メンテナンス費用をほぼ半減でき、航空会社は関連コストを総メンテナンス支出の約14%まで圧縮可能だ。

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知し、資産の故障確率を予測することで役立つ。

なぜCIが必要か？何かが壊れるのを待つ伝統的なメンテナンスアプローチはビジネスにとって非常に悪い。メーカーのカレンダーベースメンテナンススケジュールに基づき部品を交換すると、故障するずっと前に良好な部品が交換される結果になる。

事後対応ではなく、ダウンタイム、欠陥、非効率、機会損失につながる問題の根本原因へのCIインサイトを事前に得ることで、コスト削減と運用効率改善が潜在的に可能になる。

ますます多くの業界がIoTデバイスを用いてそれらのインサイトを収集し、業務のあらゆる側面の情報を取得している。残念ながら、ほとんどの企業が直面する問題の一つは、IoTデバイスが非常に大量のデータを生成することだ。ある業界レポートは、IoT生成データ量が2013年の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る。

継続的に生成されるこのようなデータを活用するには新戦略が必要だ。データを単に保存して後で分析することはできない。真の価値は、データストリームをリアルタイムで分析することにある。このようなデータストリームからインサイトを導き出すため、多くの企業が従来の分析をリアルタイムの人工知能（AI）と機械学習（ML）アルゴリズムで補完している。このアプローチにより、企業はプロアクティブなアクションを取れるタイムフレームでデータから意思決定情報を得られる。

具体的には、IoTデータに適用されるAIとMLの産業利用は、メンテナンス予測と運用の他側面を改善する素晴らしい方法と見なされている。理由：AIとMLは複雑なシステムについて予測を立てるのに役立つ。これにより機械ダウンタイムを予知保全で削減できる。

CIの予防保全への急速な採用を妨げる唯一の障害はインフラだ。今日、ほとんどの組織はストリーミングIoTデータに適用されたCIを最大限活用するインフラを持っていない。

問題は何か？大規模産業組織は、機械、センサー、社内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る。組織が新しいIoTイニシアチブに移行する際、この巨大なデータ流入に対応できる新技術とプロセスを検討することが重要だ。