製造業向け予測保全AI — 設備停止時間を72%削減

背景・課題

クライアントは自動車部品を製造する大手メーカー（売上3,200億円規模）。全国12拠点・300台の精密加工設備において、突発的な故障による生産ライン停止が年間42回発生し、平均8時間の停止により年間約6.5億円の機会損失が発生していました。事後保全と定期保全を組み合わせていましたが、設備個別の状態に応じた予知保全が実現できていませんでした。

アプローチ

設備に既設の振動センサー、温度センサー、電流センサーから取得される時系列データ（約1.2TB/月）を活用し、異常検知 + 残存寿命予測の2段階モデルを構築しました。

• 異常検知: AutoEncoderベースの教師なし学習で、平常時データから逸脱を検出
• 残存寿命予測: LSTM + 物理モデルのハイブリッドで、異常検知後の残存稼働可能時間を予測
• 運用UI: 保全担当者向けにダッシュボードを提供。優先度の高い設備から計画保全に切り替え

導入プロセス

プロジェクト期間は7ヶ月。第1フェーズで2拠点・30台のパイロット導入（3ヶ月）、第2フェーズで12拠点・300台の全社展開（4ヶ月）を実施しました。現場の保全担当者を巻き込んだプロセス設計を最重視し、毎週の現場レビュー会を継続的に実施しました。

成果

• 突発停止回数: 年間42回 → 12回（72%削減）
• 機会損失回避: 年間4.8億円
• 保全コスト: 年間8,500万円削減（過剰な定期保全の見直し）
• ROI: 初年度462%、投資回収期間6ヶ月
• 保全担当者の満足度: 大幅向上（緊急対応の減少、計画的な業務遂行が可能に）

お客様の声

「現場の知見をモデルに組み込めたこと、そして導入後も継続的にチューニングしていただける体制が他社との大きな違いでした。」（A社 生産技術部長）