スケールする予知保全：成功のための実証済み戦略

前回は予知保全（PdM）の台頭と、なぜ多くのベンダーと顧客が失敗し続けるかを解説しました。ここでは、長年のPdM経験を現在のあらゆる取り組みにどう適用してきたかを探ります。

航空宇宙業界での30年以上の経験と、PdM専用に費やされた150人年以上の研究開発により、さまざまな業界への予知保全技術展開について多くを学びました。異業種・異なる成熟度の顧客と接し続ける中で、学びは今も続いています。何より学んだのは、「予知保全を正しく行うのは容易ではない」ということです。

重要なのは、PdMをどううまくやるかだけでなく、「なぜそれが重要か」を知ることです。例えば、PdMの真の価値は、大きなROIをもたらしていても説明が難しいケースがあります。PdM戦略の導入は軽々しく決められるものではなく、経営層から現場まで組織全体に影響するからです。この規模の変革に踏み切るには、成功への確信が必要です。

ここでは、予知保全の旅を始める組織が心に留めておくべき、経験に基づく重要なポイントをいくつか紹介します。

予知保全は典型的なデータサイエンスユースケースではない

過去の失敗事例を持つ顧客と話すほど、PdMを典型的なビッグデータ問題として扱えない確信が深まります。大きな理由は、ビッグデータソリューションに必要な豊かな文脈が、PdMでは著しく欠けているからです。多くの故障モードは微妙な性質を持ち、確立された機械学習アルゴリズムで明確なパターンを予測するのは困難です。

典型的なデータサイエンスでは90%以上の精度を期待するのは当然ですが、PdMで同様の精度を期待するのは、仕組みの根本的な誤解を示唆します。高品質で整備されたデータを実験室環境で使えば、特定機械・特定故障モードではそんな結果も出ます。しかしそれは現実を反映しません。すべての機械と故障モードはユニークであり、センサー種類ごとにデータ精度も異なります。工場現場の動的な性質と、重要な文脈情報の一般的な欠如も無視できません。

PdMソリューションの精度について一般的な質問をしたり、具体的な数値を主張したりする相手には、厳しい質問を投げかけるべきです。

ユーザー（現場）を知る

経験からもう一つ学んだのは、忙しいメンテナンスチームは、シフト開始時に自分たちが担当する多数の機械のうち、どれが最も注意を要するかを特定する時間がほとんどないということです。グラフを眺めたり生データをふるいにかけたりする時間など、さらにありません。

したがって、シンプルで直感的なソフトウェア設計が不可欠です。メンテナンスプロフェッショナルが必要な洞察を読みやすいダッシュボードで得られ、貴重な時間を節約できるからです。しかし、多くのベンダーが提供するダッシュボードは汎用的で、ユーザー固有のワークフロー、好み、経験を考慮していません。実は、これらプロフェッショナルの知識と経験は極めて貴重であり、それを活用することがPdMソリューション成功の鍵なのです。

Senseyeの製品はこのすべてを念頭に設計されています。シンプルさを追求し、分析とクリアなUIをシームレスに統合。複数のチャートやグラフではなく、独自アルゴリズム「アテンションエンジン」によって優先順位付けされたリスト形式で情報を提示します。このエンジンは、機械データ、メンテナンスデータ、オペレーターデータを用いて、注意を要する機械を特定します。

ユーザーが旅のどの段階にいるかを知る

また、異なる企業、そして往々にして同一企業内の異なる部門でさえ、予知保全の旅の異なる段階にいることも学びました。ある企業は定期的な巡回点検ベースのコンディションモニタリングのみを実施しているかもしれません。別の企業は、堅牢な自動コンディションモニタリングとPdMソリューションを組み合わせ、機械の健全性と残存寿命を精度高く予測しているかもしれません。

これらはスケールの両極端ですが、ほとんどの企業はその中間に位置します。経営層の理解とIT部門の賛同が深まるにつれ、データと文化の成熟度は高まります。しかし、企業がスケールのどこにいるかを知ることは重要です。成熟度レベルに応じて、必要なサポートと導入パッケージが異なるからです。

長年の経験から、何が機能し、何が機能しないかを多く学びました。次回は、これら経験と理解がいかにSenseye PdMを市場トップのPdM製品にしたかを探ります。それまで、ホワイトペーパー「Senseye in Depth: Why is Predictive Maintenance so hard?」で詳細をご確認ください。