AIと予防保全|設備の異常を故障前に見つける方法
製造現場では、工作機械やコンプレッサー、搬送装置など、さまざまな設備が使用されています。
こうした設備が突然故障すると、加工ができなくなるだけでなく、納期や品質にも影響する場合があります。
そのため、故障が発生してから修理するだけでなく、設備の状態を確認し、必要な保全を行うことが重要です。
最近では、AIを利用して設備の運転データを分析し、異常の兆候を検出する技術も活用されています。
しかし、AIがあれば設備の故障をすべて事前に予測できるのでしょうか。
予防保全と予知保全の違い
設備保全には、さまざまな方法があります。
例えば、一定期間ごとに点検や部品交換を行う時間基準の予防保全があります。
一方、設備の振動や温度、電流などの状態を監視し、必要なタイミングで保全する状態基準保全もあります。
さらに、設備データを分析して異常や劣化の進行を予測し、保全につなげる方法は、予知保全と呼ばれることがあります。
ただし、設備によって適した保全方法は異なります。
すべての設備に高度な監視システムが必要というわけではありません。
工作機械では何を監視するのか
例えば、マシニングセンタの主軸について考えてみます。
主軸の状態を調べるために、振動や温度、運転時間などを記録する方法があります。
軸受に異常が発生した場合、条件によっては振動や温度に変化が現れることがあります。
しかし、温度が上昇したからといって、必ず軸受が故障しているとは限りません。
主軸回転数や加工負荷、周囲温度などによっても状態は変化します。
そのため、設備の運転条件と測定結果を合わせて確認することが重要です。
AIで運転データを分析する
例えば、設備の振動と温度を継続的に測定している場合です。
AIや機械学習を利用して、通常の運転状態と異なる変化を検出する方法が考えられます。
一定の条件で運転しているときの振動データを蓄積し、通常とは異なる周波数成分や振幅の変化を調べる方法などです。
また、温度や電流など複数のデータを組み合わせれば、設備状態を評価するための情報を増やせます。
ただし、AIが異常と判定したからといって、必ず故障が発生しているわけではありません。
反対に、AIが異常を検出しなくても、故障の可能性がないとは限りません。
そのため、検出結果の精度や誤検出の割合などを評価する必要があります。
加工負荷と設備異常を区別する
例えば、マシニングセンタの主軸電流が通常より大きくなった場合です。
その原因として、工具摩耗や切削条件の変化、加工材料の違いなどが考えられます。
一方、主軸や送り機構など、設備側の問題が関係している可能性もあります。
そのため、電流値の変化だけで設備異常と判断することはできません。
加工していた材料や工具、主軸回転数、送り速度などの情報と照らし合わせることが重要です。
AIを使って加工条件と設備データを整理することで、原因を調べるための手がかりを得られる場合があります。
故障記録を次の保全に活かす
設備が故障したときには、故障箇所や発生状況、修理内容などを記録しておくことが大切です。
例えば、特定の設備で同じ部品の交換が繰り返されている場合です。
その記録を調べることで、使用条件や点検方法を見直す必要があると分かるかもしれません。
AIを利用して、過去の修理記録を分類したり、同じような故障事例を探したりすることも考えられます。
ただし、過去の故障履歴が、そのまま今後の故障時期を示すわけではありません。
使用時間や運転条件、設備の状態などを合わせて考える必要があります。
多品種少量加工での保全
多品種少量加工では、加工する材料や形状が頻繁に変わります。
そのため、設備に加わる負荷も一定とは限りません。
例えば、樹脂を加工する場合と、ステンレスを加工する場合では、主軸や送り機構に加わる負荷が異なります。
そのため、設備データを比較するときには、加工内容の違いを考慮する必要があります。
また、設備の故障によって加工途中の部品が使用できなくなると、材料の再調達や加工のやり直しが必要になる場合もあります。
一品物の試作では、こうした影響が大きくなることがあります。
AIと日常点検を組み合わせる
AIによる設備監視は、保全を高度化する方法の一つです。
しかし、設備の状態を把握するためには、日常的な点検も重要です。
例えば、異音、振動、油漏れ、温度の変化などを確認することです。
こうした現場での確認を、AIによるデータ分析と組み合わせることで、設備状態を多面的に調べられる可能性があります。
ただし、設備の安全装置やメーカー指定の点検・保守手順を、AIの判断で省略することはできません。
設備を安定して使い続けるために
(株)アリスでは、樹脂・金属・ゴムなど、自社加工と国内協力会社の技術を組み合わせながら、研究開発から生産現場までのものづくりに関わっています。
製作に使用する設備が安定して動作することは、品質や納期を守るための基本です。
AIは運転データや故障記録を整理し、設備の変化を見つけるための補助になります。
しかし、実際の設備状態を判断し、必要な点検や修理を行うには、設備の構造や運転条件を理解することが欠かせません。
故障してから修理するだけでなく、小さな異常に気づき、必要な対策を考える。
AIによる分析と日常的な設備管理を組み合わせながら、安定したものづくりにつなげていきたいと思っています。