予知保全で職場安全性を向上、ダウンタイムも削減――Senseye
Senseye最高技術責任者、Rob Russell著
予知保全(PdM)技術を製造業やその他の産業環境に導入するメリットを検討する際、機械ダウンタイム削減とメンテナンス効率改善による財務的改善に焦点が当たりがちです。
確かに、Senseyeが協業するグローバル組織では、ダウンタイムレベルを半減させ、メンテナンス効率を最大40%改善するなど、相当な利益を得ています。
しかし、このテクノロジーがもたらす健康と安全への貢献も、第二のメリットとして考慮すべきです。これは財務的改善と同等か、それ以上に重要になり得ます。
英国(我々の母国市場)では、労働災害死亡率が1980年代初頭の1万人あたり2.5人から、現在では約0.5人まで低下しました――ただし過去5年ほどは横ばいです。それでも、産業環境が本質的に危険である事実は変わりません。
健康安全庁(HSE)のデータによれば、英国の製造業従事者は平均的な労働者の2倍の確率で職場で命を落としています。2019年3月までの1年間で、英国の製造現場では26人が死亡しました。建設業(30人)と農業(32人)のみがこれを上回ります。
PdM技術自体が本質的に安全性を高めるわけではありませんが、寄与因子となり得ます。産業界と職場は、プロセスとシステムを通じて労働者を危険から守ることに広範に取り組み、「本質的安全設計」を目指しています。
PdM技術は、製造業者や大規模産業組織が職場安全に3つの主要な側面で影響を与える機会を提供します:
側面1:大惨事リスクの低減
正しく効率的に動作する機械はより安全で、付近で働く人々へのリスクは低減します。これら機械は、故障の後期・重大段階に入りにくく、人への危害の可能性も低いです。PdMにより、メーカーは劣化の兆候を捉えて、欠陥のある、または欠陥が発生しそうな機器・機械を特定できます。潜在的問題をタイムリーに対処することで、大惨事故障のリスクを減らせます。第二の課題は、故障が計画点検・メンテナンスルーチンを尊重しないことです。急速に進行する問題は、手遅れになるまで気づかれないかもしれません。
側面2:不要なメンテナンスによる潜在的危害の低減
コンディション指標の変化に基づいて機械が注意を要するタイミングをPdMで特定することで、組織はスケジュールベースの予防保全から、より情報に基づいたタイムリーなアプローチへ移行できます。予防保全慣行は往々にして資産の過剰メンテナスを招き、スタッフが必要以上に頻繁に機械に介入することを強います。状態ベースでメンテナンスすることで、必要な時のみ介入し、高電圧機器作業による感電、有害物質への接触、重機への手動介入による潜在的危害といったリスクを低減できます。
側面3:現場作業員数の削減
資産に取り付けられたスマートセンサーから収集したデータを用いて機械状態をリモート監視することで、スタッフが読み取りのために現場へ足を運ぶ必要性が減ります。前述の通り、注意深くなければ製造プラントは危険な環境であり、機械オペレーターの作業スペースも逼迫しがちです。現場の人数を制限することは、リスクにさらされる人数を減らし、騒音、移動車両、重機への曝露を減らすことを意味します。
安全性向上が産業セクターにおける予知保全移行の第一動機でないかもしれませんが、組織が労働者に負う注意義務の観点からのみならず、有益であることは間違いありません。航空宇宙のように、高度な機械健全性・使用監視システムが誕生したセクターでは、動機は全く異なり、安全性向上が主たるドライバーでした。財務的メリットは後からついてきました。
Senseye PdMのメリットについてさらに知りたい方は、ホワイトペーパー「Augmenting Human Expertise with Machine Learning」をダウンロードするか、専用ウェブページ「How You Will Benefit」をご覧ください。
機器のメンテナンスと修理
- 予防保全が予知保全成功への道を開く理由
- リーン製造とメンテナンス:TPMが廃棄物削減を推進する仕組み
- ハーレーダビッドソン工場、積極的・予知保全で卓越性を達成
- 作業指示書がメンテナンスの健康・安全・コンプライアンスをどう変えるか
- レジリエンス構築:CMMSを活用したリモートワーク・健康安全・運用アジリティ
- メンテナンスKPIマスター:Stuart Fergusson氏に学ぶ「Rooted in Reliability」ポッドキャスト
- メンテナンスマネージャーのための強靭な安全衛生プログラム構築ガイド
- メンテナンスソフトウェアが施設の安全衛生を高める仕組み
- 製造現場の健康と安全を強化:安全な労働力のための実証済み戦略
- よくある落とし穴を回避:センセイで予知保全成功をマスターする
- 機械学習で信頼性向上とダウンタイム削減:メンテナンスを変革