設備の異音をAIで検知する｜PlantEarで進める予兆保全

「昨日まで普通に動いていたのに、今朝突然止まった」——製造現場でよく聞く話だ。突発故障は生産ラインを止めるだけでなく、あわてた復旧作業の中で労働災害が起きやすい。設備故障の多くは、発生前に「音」や「振動」という形で兆候を出している。その兆候をAIで拾い上げ、故障前に手を打つのが予兆保全（CBM: Condition Based Maintenance）の考え方だ。

この記事では、設備の異音・振動が故障の予兆になる理由、AIによる異音検知の仕組み、そして予兆保全をTPMの枠組みの中でどう進めるかを整理する。現場での導入ステップも合わせて確認してほしい。

設備に関する気づきも記録に残す — 安全ポスト＋ はQRコードで現場の異常・ヒヤリハットをその場で匿名報告できる。「設備から変な音がする」という初期の気づきをデジタルに残す入口として活用できる。

突発故障が現場にもたらす損失

突発故障は複数の損失を同時に発生させる。生産面だけでなく、安全・コスト面でも影響は大きい。

特に労働災害リスクは見落とされやすい。突発故障では点検手順を省く「あわてた作業」が生まれやすく、設備が完全に停止していないまま復旧作業に入るケースもある。「機械が急に止まった」という報告が安全ポスト＋に上がった時点で、予兆保全の必要性を検討する流れが理想だ。

異音・振動が故障の予兆になる理由

機械は壊れる前に変化する。その変化を人間の五感で捉えてきたのが従来の「聞き耳保全」だ。ただし五感には限界がある。

設備の劣化は次のような形で現れることが多い。

• ベアリングの摩耗: 転動体が傷つくと高周波の「シャー」音や「ゴリゴリ」音が発生する
• ギアの歯面劣化: 噛み合い周波数に対応した周期的な異音や振動が増大する
• アンバランス・ミスアライメント: 回転軸のずれが振動の増大となって現れる
• 潤滑不足: 金属接触による摩擦音・発熱が生じる
• ベルトのたるみ・亀裂: 回転ムラやスリップ音として現れる

これらの変化は「壊れる日」の数日から数週間前から始まっている。この期間内に検知できれば、計画的に修理のタイミングを決められる。

詳しい異音の種類と診断方法は設備の異音診断｜故障の兆候を音で見つける方法、振動による検知については振動診断による設備異常の早期発見で整理している。

AIによる異音検知の仕組み｜PlantEarの役割

従来の「聞き耳保全」の限界

熟練した保全員が設備の音を聞いて異常を判断する方法は、長年の実績がある。しかし次の課題がある。

• 人によって判断基準がばらつく
• 検査者がそばにいない時間帯の異常を拾えない
• 熟練者の退職で判断基準が失われる
• 24時間連続の監視は人力では不可能

AIマイクロフォンによる常時監視

AIを使った異音検知では、設備にマイクロフォンやセンサーを取り付け、音・振動データを常時収集する。収集したデータをAIが解析し、「正常な状態からの逸脱」を検出する仕組みだ。

PlantEar は、この予兆保全をクラウド経由で実現するツールだ。設備に取り付けたセンサーからのデータを収集・分析し、異常の兆候を検出した時点でアラートを発信する。熟練者の「耳」をデジタル化し、24時間・365日の常時監視を可能にする考え方で設計されている。

異音・振動データは長期間蓄積されることで精度が上がる。「今日の音は先月と比べてどう変化したか」を定量的に追えることが、AIを使う大きな利点の一つだ。

設備の予兆保全を始めるなら

PlantEarは設備の異音・振動から故障の予兆を捉える予兆保全ツール。センサーとクラウドを組み合わせ、熟練者に頼らない保全体制の構築を支援する。

PlantEarの詳細を確認する

予兆保全（CBM）とTPMの関係

保全方式の種類

設備保全には複数のアプローチがあり、それぞれ目的と特徴が異なる。

AI異音検知が担うのは主に**CBM（Condition Based Maintenance：状態基準保全）**の領域だ。設備の「今の状態」を常時モニタリングし、劣化が検出された時点で保全作業を実施する。定期交換のように「まだ使えるのに換える」ロスが減り、突発故障のように「壊れるまで気づかない」リスクも下がる。

TPMの枠組みでの位置づけ

TPM（Total Productive Maintenance：全員参加の生産保全）は、設備効率を最大化するための体系的なアプローチで、8本柱で構成される。AIによる予兆保全はTPMの「計画保全」柱に相当し、自主保全（オペレーターによる日常点検）と組み合わせることで効果が高まる。

TPMの全体像はTPMとは？設備保全の8本柱をわかりやすく解説で確認できる。

よくある質問

Q. どんな設備にAI異音検知を適用できる？

モーター、ポンプ、コンプレッサー、コンベア、工作機械など、回転・往復運動を伴う設備が主な対象だ。センサーを取り付けられる箇所があれば、多くの産業機械に適用できる。まず故障時の損失が大きい設備から優先するのが現実的だ。

Q. 既存設備に後付けで導入できるか？

クラウド型のソリューションは、既存設備にセンサーを取り付ける形で後付け導入できるものが多い。設備の仕様変更や大規模な改造なしに始められるケースが一般的だ。具体的な適用可否はPlantEarへ問い合わせて確認してほしい。

Q. 異音検知AIの精度はどの程度？

精度はセンサーの設置状況、学習データの量・質、設備の種類によって変わる。導入初期は「正常音」のベースラインを学習する期間が必要であり、データが蓄積されるほど検出精度は安定していく傾向がある。過信せず、アラートを点検のきっかけとして活用することが重要だ。

Q. 5S・日常点検との使い分けは？

AI異音検知は「聞こえにくい初期劣化」の自動検出に強い。一方、目視で確認できる油漏れ・ゆるみ・汚れなどは日常点検・5S活動の役割だ。両者は補完関係にあり、どちらか一方で代替できるものではない。工場の設備点検チェックリストも合わせて参照してほしい。

Q. 安全ポスト＋とPlantEarはどう連携して使う？

安全ポスト＋は「現場の人が感じた気づき」をQRコードでデジタルに記録する入口だ。「設備から聞いたことのない音がする」「振動が以前より増えた気がする」といった作業員の感覚的な気づきを報告してもらい、PlantEarのデータと突き合わせることで、保全判断の精度が上がる。人の気づきとAIの常時監視を組み合わせる形が理想的だ。

まとめ

設備の突発故障を防ぐための予兆保全を進める上でのポイントを整理する。

1. 突発故障は生産損失だけでなく労災リスクを伴う — 復旧作業中のあわてた行動が事故を生む
2. 設備の劣化は音と振動に先行して現れる — ベアリング・ギア・アンバランスなど原因ごとに特徴がある
3. AI異音検知は24時間の常時監視を実現する — 熟練者の「耳」をデジタル化し、人依存を減らす
4. PlantEarはCBM（状態基準保全）を支援するツール — センサーとクラウドで予兆を検出してアラートを発信する
5. TPMの計画保全と組み合わせると効果が高まる — 自主保全との役割分担を明確にする
6. 現場の気づきもデジタルに残す — 安全ポスト＋での報告をPlantEarのデータと組み合わせると保全判断が強化される

予兆保全は一度に全設備へ導入する必要はない。まず故障した時の損失が最も大きい1台から試すのが現実的な第一歩だ。

関連記事

• 設備の異音診断｜故障の兆候を音で見つける方法
• 振動診断による設備異常の早期発見｜ベアリング・ギア・アンバランスの検知
• TPMとは？設備保全の8本柱をわかりやすく解説
• 工場の設備点検チェックリスト｜日常点検から定期点検まで
• 設備の寿命予測｜ワイブル分析の基本と活用
• 製造現場のIoT活用事例｜中小企業でも始められる設備監視・予兆保全
• 製造業のAI活用事例10選｜画像検査から予知保全まで
• 是正処置と予防処置の違い｜ISO9001対応の不具合管理

現場改善に役立つ関連アプリ