予知保全とAI——止めない工場をつくる

エグゼクティブ・サマリー

• 製造業の保全体制は今なお「時間基準保全（TBM＝故障の有無にかかわらず定期的に部品交換・点検を行う）」と「事後保全（BM＝壊れてから直す）」が主流であり、どちらも突発停止のリスクとコストの両立が難しい構造的な限界を抱えている。
• 予知保全（PdM＝Predictive Maintenance）は、センサーデータとAIを組み合わせて「壊れる前の予兆」を検知し、必要な保全を必要なタイミングだけ行う考え方だが、多くの企業が「AIを導入すれば予兆が分かる」という誤解のまま着手し、期待した精度が出ずに頓挫している。
• 予知保全AIの精度は、モデルの巧拙以前にデータの質と量、そして業務ルール（何を異常とみなすか）の明文化に依存する。この土台が整わないままAIだけを導入しても成果は出ない。
• Domoが提唱する「AI Ready Enterprise」の枠組みで整理すると、多くの製造現場はAI Governance Ready（判断基準・統制）とAI Data Ready（データの接続・定義・品質）の両方が未成熟な状態にあり、この2軸を同時に底上げすることが予知保全AI成功の前提条件になる。
• 目指す姿は「人が作業しAIが支援する」段階を超え、人が判断しAIが実行する（Human-in-the-loop）体制——AIが異常を検知し保全計画案を提示し、人が最終承認・現場対応を行う協働モデルである。数値・効果は業種・設備構成・稼働体制によって大きく変動するため、いずれも目安として捉えていただきたい。