機器のメンテナンスと修理
予防保全はメンテナンス部門の重要機能。生産に使う設備・機械は製造/産業オペレーションの生命線。設備停止=製品が作れず、顧客へ届けられないことを意味します。 こんな経験ありませんか? だからこそ、設備を可能な限り長く稼働させ続けることが不可欠。トラブル兆候を待っていては生産に深刻な影響。ひいては収益を直撃します。 対策が計画予防保全。別名「PPM」または「計画予防保全」。 何を意味するか? 端的に言えば、故障や完全停止を待つのではなく、予め決めたインターバルでメンテナンスと点検をスケジュールすること。これにより、問題になる前に芽を摘めます。 PPMは長年実証されたメンテナンス戦略です
製造プラントにおける予防保全ソフトのメリットは多岐にわたります。しかし多くの製造企業で、経営層はメンテナンスを「必要悪」と見なし、価値を生まないコストセンターと捉えがち。メンテナンスチームを「清掃スタッフより少し上」程度にしか見ていないケースさえあります。 この発想では、メンテナンスチームへの意思決定が歪みます。「見た目の良さ」や「他システム(ERP、財務等)との連携」で予防保全ソフトが選ばれがち。現場メンテナンスチームを助ける機能は後回し。 「FastMaint CMMS導入のために辞表をチラつかせた」と話すメンテナンスマネージャーもいました! 信じがたいですが、多くの製造組織でメン
整理されたメンテナンスプログラムには、明確な設備メンテナンスワークフローがあります(下図参照)。例えば以下のステップです。 外部ユーザー/顧客がメンテナンス作業依頼を送信 依頼と予防保全をスケジューリングし、作業指示書を作成 技術者が作業指示書を受け取り、実行 メンテナンスレポートを生成 等 でも、これだけではありません… このワークフローの各フロー(矢印で示す)で失敗が起きると、多くの問題を招きます。 設備メンテナンスワークフローの失敗とインパクト 1. 作業依頼や故障報告の見落とし 顧客、設備オペレーター等の外部ユーザーが依頼や故障報告を送信。毎日複数の依頼が来れば、キュ
メンテナンス管理ソフト(CMMS)の選定プロセス、難しくありませんか? 候補を数社に絞り込んだら、いよいよトライアル期間。この期間を最大限活用するには? どんな評価プロセスが適切でしょうか。 CMMSソフトウェア トライアルの tips 1. 本番運用を想定してトライアルをセットアップする 言うは易し。数千台の設備・部品があり、それぞれメンテナンス要件が異なるなら、全候補ソフトでフルセットアップするのは大プロジェクトです。 まずは日常的に扱うアイテムのサブセットを特定し、それでソフトの感触を掴みましょう。 既存のメンテナンス管理システムからデータ移行できるか確認します。設備、部品、
Senseyeベータ版の提供に伴い、本製品の使い方を簡単に紹介します。センサーをSenseyeに追加するシンプルさを示し、Senseyeがデータから自動的にインサイトを構築し、ダッシュボードを作成し始める様子をご覧いただきます。センサーをお持ちでない場合でも、Senseye内で公開データを利用する方法を紹介します。 生のセンサーデータはSenseyeサーバー内に保存されません。代わりに、必要に応じてサードパーティのハブからデータを収集します。現在はThingSpeakとDweet.ioに対応しており、今後さらなるハブへの対応を予定しています。本記事では、ThingSpeakからの公開フィード追
IoTと産業の出会い IoT(モノのインターネット)を知らない人はいないでしょう。今や産業分野への適用性を表す「産業用IoT(IIoT)」という言葉も流行しています。 IoTは、これまで想像もできなかった方法で新たなデータを利用可能にし、新市場を創出し、以前は接点の少なかった既存市場を接続し、利用可能なデータから有意義な結果を抽出するアプリケーションの必要性をさらに高めます。この種の情報発見と活用の自動化は巨大なインパクトを持ちます。IDCは2020年までに7.1兆ドル市場、マッキンゼーは2025年までに6.2兆ドルのインパクトと予測します。この数字を見れば、何か劇的なことが起きているのがわ
機械故障の予測は素晴らしいことです(実際にそうです!)。セットアップの手間は最小限に抑えようと努めていますが、予測はデータによって駆動されるため、予測を有用かつ信頼性の高いものにするには、機械からのデータが十分な量と質を備えている必要があります(量にも質があります)。 以下の3点をチェックし、PROGNOSYSのようなソフトウェアを活用して、機械の状態監視、診断、予知を自動化し、ダウンタイムを削減し、設備総合効率(OEE)を高く維持する準備ができているか確認してください。 監視設備が導入済みである 監視とデータログの重要性には皆同意できるでしょう。高度なもの(全面的な振動監視など)である必要は
正確には、産業用インターネット(IIoT)がいかに予知保全(機械が故障してダウンタイムを引き起こす直前に保守する)を支えるか、という話です。 予知保全が難しいテーマであることは秘密ではありません。機械を故障直前に保守できるというアイデアは、多くの理由から理想的なケースです: スペア部品の在庫を持つ必要がない 過剰保全(高コスト)を回避できる 故障を回避し、機械の正確な状態を把握できる 通常、メーカーは平均故障間隔(MTBF)や平均故障時間(MTTF)を指定します。似ていますが、MTTFは一般的に修理不能システムの測定に用いられる点で異なります。保守はMTBFより短い周期で定期的に行います。
会話の中で「予防保全」と「予知保全」が混同されがちですが、実装手法と実効果には明確な違いがあります。両者を明確に定義し、メリット・デメリット、そしてなぜ予知保全が製造業の唯一の未来なのかを整理します。 予防保全は、メーカーが指定する平均故障間隔(MTBF)に大きく依存します。MTBFは、機械およびコンポーネントの故障間の平均時間(通常は運転時間)を示します。保守作業は、MTBFの数値を超える前に実施されます。 予知保全は、機械とそのコンポーネントからの実診断情報(現在の状態)と予知情報(将来の状態)(ベアリング/ギアボックスの振動監視、電動機の電流監視、流体の温度監視など)に基づきます。コン
インダストリー4.0とモノのインターネット(IoT、または産業用IIoT)は密接に関連しており、ほぼ同義語として扱えます。毎日、IoTがあらゆることを変えるとのニュースが流れます——コネクテッドカー、コネクテッドピープル、さらにはコネクテッド洗濯機。しかし、それらの接続性自体には、実際のユースケースがなければ大きな意味はありません。冷蔵庫がスマホと通信できるようになっても、誰も聞いていない問いに答え、誰も気にしない問題を解決しているに過ぎません(5年後には皆が冷蔵庫の統計をシェアするSNSで盛り上がっているかもしれませんが、そのときは私の言葉を訂正します)。 製造業には明確な課題があります——
予知保全は魅力的です。資産を外見上の故障兆候が現れ、計画外ダウンタイム(収益損失)を引き起こす前に保守でき、予防保全よりもコストを抑えられるため、収益性とスループットが向上します。メリットは明確です。それでも、積極的に予知保全プログラムを運用している企業はごく少数です。なぜでしょうか? テクノロジーの壁 製造企業は材料の流れと組み立てに最適化されており、伝統的に状態監視やデータ分析の専門家ではありません。また、そうある必要もありません。最近まで、成功する予知保全には、外部コンサルタントへの多額の投資か、経験豊富な社内状態監視エキスパートのチームが必要でした。 また、予知保全を活用するには「モ
サービタイゼーションは産業セクターでは比較的新しい用語ですが、急速に支持を集めています。『The Manufacturer』誌がこれに専念するカンファレンスシリーズを設けるほどです。一言で言えば、あらゆる製品・提供を、個別製品+メンテナンスの組み合わせではなく、「サービスとして」(時間単位、ユニット単位などで)提供する概念です。古典的な例は、ロールス・ロイスが80年代に「Power by the Hour」モデルへシフトしたことです。ジェットエンジンと保証を単に売るのではなく、オペレーターに飛行時間を提供し、契約時間を特定の可用性指標を達成しながら提供する責任を全面的にロールス・ロイスが負うモ
「壊れていないものは直せない」というのが、長年昔の伝統的な事後保全の哲学でした。機械が完全に故障してから初めて助けを呼んでいました。 レポート作成、交換部品の調達・発注、必要なメンテナンス専門知識の招集には、不必要な遅延とダウンタイム、残業コストが伴いました。リードタイムと、その結果としての納期スケジュールは窓から投げ捨てられました。 故障を中心に計画する 1980年代、ジャストインタイム(JIT)を含む日本の製造技術の普及により、思考はアップデートされました。新しい考えは、スケジュールされた、または計画的な予防保全を実施することでした。この概念は、リーン生産で用いられる全員参加の生産保全(T
デジタル化は今のバズワードです。毎週のように産業企業が新しい「デジタル化責任者」を発表しています――ハーバードビジネスレビューがデータサイエンスを「最もセクシーな仕事」と呼んでから(今から6年前、信じられますか?)、いつ同じ称号を与えるのでしょうか? データと相互接続デバイスに富む高度にデジタル化された環境であるインダストリー4.0は、メーカーに新時代をもたらしています。シームレスでインテリジェントなデジタルプラットフォームは、生産性向上、柔軟な生産能力促進、サイバーセキュリティ懸念対応、高付加価値雇用創出、グローバルマーケットでの競争力強化、商業成長推進を実現します。 ビジネス観点からは、イ
競争の激しい市場において、コンディションモニタリング(CM)プログラム導入による機械信頼性向上は、運用コスト削減において決定的な差を生みます。機械ダウンタイム削減、資産寿命延伸、メンテナンスコスト削減を約束するCMですが、実現には計画、コミットメント、継続的改善が必要です。ここではよくある落とし穴と、組織がCMポテンシャルを実現するための洞察を紹介します。 不適切な設備・故障モード選定 フルスケールCMソリューション導入は高コストで、データ量、分析、結果としてのアクションが圧倒的になり得ます。最良のアプローチは、データが容易に入手できるクリティカルかつ最も問題のある資産から始め、時間をかけてス
予知保全ソフトウェアプロバイダーのSenseyeは本日、運用インテリジェンスのリーダーOSIsoftのPartner EcoSphereに参加し、自動コンディションモニタリング製品を提供することで、PI System顧客のデジタル変革ジャーニーを支援することを発表しました。 Senseyeは高度な機械学習アルゴリズムを用いて、振動、圧力、温度、トルクデータを分析し、監視対象資産それぞれの特性を学習します。既知のメンテナンスイベントとデータ出力を比較することで、機械の出現しつつある問題を最大6ヶ月前から特定し、資産が故障しそうな時期を予測できます。 大手メーカーはSenseye使用により、計画外
産業ソフトウェア企業Senseyeは本日、そのテクノロジースイートと方法論が米国の自動車製造施設で展開されていることを発表しました。 Senseyeのテクノロジースイート「Senseye PdM」は、グローバル自動車メーカーによって機械状態のリアルタイム監視に使用されています。振動、圧力、温度、トルクレベルなどの主要コンディション指標に関するデータを機械学習アルゴリズムで分析し、監視対象資産の出現しつつある問題を検知し、故障しそうな時期を特定します。 製造とメンテナンス運用の効率と効果を改善するためのベストプラクティス・デジタル変革イニシアチブの一環として導入されたSenseye PdMは、計
挑戦がイノベーションを駆動する。オフショア石油・ガスでは、その挑戦は高い稼働率・アウトプットと、生産プロセスの安全性に不可欠なメンテナンスを遅らせないことの、適切なバランス達成に帰着する。 利益圧力により、一部プロバイダーは非クリティカルメンテナンスを遅延させてきました。リスクベース検査(RBI)がよく使われます。どの設備を最も頻繁にチェックし、どれを検査なしで済ませられるかを決定します。RBIは各資産向けの詳細なカスタム構築リスクアセスメント作成を必要とし、人的エラーにも脆弱です。 より時間を要さず、よりスケーラブルな別のアプローチが利用可能です。 オペレーターは、Senseye PdMで生
産業資産の状態とメンテナンス要件を予測して故障を防ぐことは、巨大な挑戦です。データサイエンスの世界には、現実環境で結果を出せずに苦闘するモデルが溢れています。では、最良のアプローチとは? 理論と実践 理論上では理論と実践は同じです。実践では、違います。これがこれほど真実なのは、産業資産モデルを行動可能な洞察に変換し、現場で改善をもたらそうとするとき以外にありません。データサイエンスの学術論文には、特定アルゴリズムが他を数パーセント改善することを示す分析が含まれるかもしれませんが、工場環境では、ノイズだらけの信号を切り抜けて何らかのパターンを発見すること自体が挑戦です。 しかし、これはDIYモデ
デジタル変革プロジェクトへの投資が増え続ける中、失敗するイニシアチブの数も増えています。企業はどうすれば成功確率を最大化できるか? ここ数年、よりスマートで生産的な働き方を約束するテクノロジーの組み合わせにより、デジタル変革プロジェクトの波が産業界を席巻しました。英国、米国、フランス、ドイツの企業を対象とした大規模調査1によると、デジタル変革の取り組みは加速しています。回答者は、今後12ヶ月で前年比10%以上多くをデジタル変革プロジェクトに支出する計画です。 しかし、デジタルの恩恵を得ようとするこの慌ただしさの中で、多くの企業が実質的な改善を示すことに苦労しています。2018年9月のMcKin
機器のメンテナンスと修理