予知保全サービスの選び方 ― 中小製造業が「効く設備」から1台で始める判断軸

「予知保全、そろそろウチも入れたほうがいいのか」。設備の現場を持つ管理職なら、一度はこの問いの前で立ち止まったことがあるはずだ。展示会でセンサーの説明を聞き、補助金のパンフレットも手元にある。それでも稟議書のペンが進まない。理由は気合いや情報不足ではなく、判断材料が構造化されていないからだ。

私はFA機器・工作機械の営業を20年やってきた。制御盤を組んだことも、振動波形を自分で解析したこともない。ただ、客先の工場に通い続けるなかで「設備が止まって青ざめる現場」と「淡々と直して終わる現場」の差は、嫌というほど見てきた。その差は、設備の新しさでも予算の多さでもない。どの設備に、どこまで手をかけるかを事前に決めていたかどうか、それだけだった。

判断が止まる理由は、だいたい3つに分解できる。1つ目は初期投資が読めないこと。見積もりが設備台数次第で青天井に見える。2つ目は効果が見えにくいこと。「故障が起きなかった」を金額で示すのは難しい。3つ目は誰が運用するか決まらないこと。保全員の高齢化と人手不足のなかで、新たに「システム管理者」を置く余裕がない。

背景には、属人保全の限界がある。経済産業省の2025年版ものづくり白書でも、熟練技能者の技術継承が製造業の最重要課題として挙げられ、デジタル技術を工程に取り入れた製造業の多くが生産性向上の効果を挙げている。ただしこれはデジタル化全般の話で、予知保全に限った数字ではない。それでも論点の芯ははっきりしている。保全員の勘とコツは個人の頭の中にあり、その人が抜けた瞬間にノウハウがリセットされる。データに状態判断を移すCBMは、この継承問題を一段ほぐす手段でもある。

この記事は、その3つの霧を晴らすための判断軸を提供する。製品名を並べてどれが一番かを決める記事ではない。自社の設備リストを前に「どこから、どの型で始めるか」を管理職が自分で線引きできる状態にするのが狙いだ。数字は構造を見せるために使う。煽るためには使わない。

事後保全・予防保全・予知保全は何が違うのか

言葉の整理から入る。保全のやり方は、発動するタイミングで3つに分かれる。普段から保全を回している管理職には常識の範囲だが、サービスを選ぶときの土台になるので、一度だけ表で固定しておく。

ここで押さえるべき線引きは1つだけ。定期点検は「予知」ではないということだ。決まった時間や稼働回数で部品を交換するのはTBM(予防保全)であって、設備の状態を見て判断しているわけではない。これに対してCBM(予知保全)は、振動・温度・電流といった状態データを継続的に監視し、正常からのずれ、つまり異常の兆候をとらえた時点で手を打つ。「まだ使えるのに替える」TBMの無駄を削るのが、予知保全の本質的な価値だ。

TBMには構造的なムダがある。安全側に倒して早めに交換するため、部品代と交換工数が常に余分にかかる。しかも「あと何回もつか」の見極めはベテランの勘に依存しがちで、その人が抜けると点検精度が落ちる。CBMはこの判断をデータに移すことで、属人化の問題を原理的にほぐせる。だからこそ、熟練者の退職が迫っている工場ほど検討の価値が出てくる。

自社の設備は予知保全が「効く」か「効かない」か

予知保全でいちばん多い誤解は、「全設備に入れれば全部で効果が出る」というものだ。実際は逆で、効く設備と効かない設備がはっきり分かれる。投資の前に、設備ごとに次の3要素でふるいにかける。これが判断のいちばん上流になる。

3つの掛け算で考えるのがコツだ。前兆が出る壊れ方をして、止まると痛くて、データが素直に取れる設備。この3つが重なるところが、予知保全の費用対効果がいちばん立つゾーンになる。逆にどれか1つでも欠けると、投資の回収が一気に怪しくなる。

この3要素のうち、管理職が最初に手を動かすべきは停止コストの算出だ。突発停止1回の損失は、機会損失・緊急修理費・納期遅延コストの3つで構成される。緊急修理費は計画修理の2〜5倍に膨らみがちだ。中規模の工場では突発停止1回あたり数十万〜200万円規模という試算も報告されているが、これは業種やラインで差が大きい参考水準にすぎない。だからこそ、他社の数字ではなく「自社のこの設備は1時間止まると何円か」を先に出すことが、投資判断のすべての起点になる。この1行が埋まらないうちは、どのサービスを比べても判断軸が定まらない。

回転機械が予知保全の王道とされるのは、この3要素を自然に満たしやすいからだ。モーター・ポンプ・ファン・コンプレッサーは「回転」という物理特性を持つため、ベアリングの摩耗や軸のアンバランスが振動の変化として素直に表れる。振動センサーと波形解析を組み合わせれば、機械全体の異常なのかベアリング由来なのかの一次切り分けまでできる。磁石で主軸まわりに貼れる製品も増えていて、後付けのハードルが下がっている。「まず回転機械から」は、迷ったときの安全な初手だと考えてよい。回転機械を起点にした診断の進め方は、設備の状態診断をAIで支援する事例を見ると、現場とシステムの距離感までつかみやすい。

工作機械にも同じ理屈が効く。研削盤やNC旋盤は、工具摩耗・スピンドルの振動・温度変化に予兆が出やすい。とくに加工精度の要求が高い設備ほど、わずかな振動の変化が品質不良に直結する。品質を預かる立場なら、不良の流出を一段手前で止める投資として読み替えられる。

逆に、突発的な電気系故障(絶縁破壊など)は前兆が出にくく、予知保全とは相性が悪い。稼働頻度が極端に低い設備も、正常状態のベースラインが集まらないので向かない。止まっても別ラインで代替できる設備は、そもそも投資の優先度を下げてよい。

予知保全サービスの「型」は3つある

サービスを比べ始めると製品数の多さに目が回るが、構造で見れば3つの型に収束する。どの型かで、向く工場も費用感もまるで変わる。自社がどの型を選ぶ立場かを先に決めると、製品選びが一気に楽になる。

型1：後付けセンサー型

既存設備に振動・温度・電流のIoTセンサーを後付けし、クラウドでデータを分析する型。対象は回転機械が主役になる。設備台数を絞ってボトルネックだけ対応したい中小に向く。費用感の参考水準は、センサーとゲートウェイで1設備あたり数万円から30万円程度、分析用のクラウド利用料が月額数千円から数万円。合計で1設備あたり初期10万〜30万円前後から始まるイメージだ。磁石で取り付ける無線センサーが増え、配線工事なしで試せるようになったのが、ここ数年の大きな変化だ。注意点は環境で、高温・油・粉塵の場所では耐環境性センサーが必要になりコストが上がる。

型2：既存PLC・データ活用型

すでに設備に付いているPLCのログやSCADAのデータを、予知保全に転用する型。新しいセンサーを増やさない分、計測のハードウェア費は抑えられる可能性がある。自動化ラインがあり制御データが蓄積されている中堅クラスの工場に向く。ただし落とし穴もある。古いPLCは外部にデータを出すインターフェースが限られ、設備メーカーごとに通信の作法も違う。閉じたネットワーク上にデータがあると、上位システムとの連携に別途の構築費がかかる。現実的には「インバータの電流ログが取り出せるか」を確認するところから始めるのがよい。電流値の変化は、モーター負荷の異常を映す代わりの指標になりうるからだ。

型3：クラウド診断型

センサー設置からクラウド診断までをパッケージで提供し、分析は自社で抱えない型。保全担当が少なく、データ分析のノウハウもない中小に向く。「分析は任せたい」「現場の判断負荷を下げたい」というニーズにはまる。月額数千円から数万円のサブスク型が登場し、なかにはスマホの音で診断して専用センサーすら要らない低価格の製品もある(参考水準として月額3千円弱から)。一方で注意したいのは精度の開示だ。誤検知率を明示しない製品が少なくない。安さの裏で精度が低いと、後述する「現場が使わない」失敗に直結する。AIが出す「○週間以内に点検推奨」といった診断アドバイスは、断定ではなく参考情報として受け取るのが安全だ。

選び方のチェックポイント

型を決めたら、個別のサービスを比べる段階に入る。ここで全項目を等しく見ようとすると疲れて手が止まる。だから優先度を3段階に分けた。星3つの4項目だけ最初に確認すれば、残りは候補を絞ってから見ればよい。

星3つの本質は、最初の一歩を安く・小さく・確実に踏めるかにある。「1台からPoC(試験導入)できますか」と聞いて渋るベンダーは、その時点で候補から外してよい。台数を絞った試算ができないということは、設備ごとのROIを設計する力が弱いということだからだ。営業として何社も見てきたが、まともなベンダーほど「まず止まったら一番痛い1台で試しましょう」と自分から言ってくる。

スモールスタートには鉄則がある。ボトルネック工程の1〜2台から始め、6か月のPoC期間で効果を見極めてから横展開を判断する。いきなり全設備に入れると、ROIを確認しないまま大きな投資が走ってしまう。なお補助金については、IT導入補助金やものづくり補助金などIoT・予知保全投資への公的支援が用意されている年度が多い。ただし対象や枠は毎年変わるため、申請可否は中小機構や地元の商工会議所で最新の情報を確認してほしい。ここでは「使える可能性がある」までにとどめておく。

よくある失敗3つと回避策

導入がうまくいかない工場には、共通する3つの型がある。面白いのは、原因が投資判断・データ・組織と、まったく別の層にあることだ。自社がどの予備軍かを先に見ておくと、避けやすくなる。

失敗1：全設備一斉導入で過剰投資

「評判がいいから全工場まとめて入れよう」と進めた結果、自社条件に合わない設備まで対象に入り、コストだけかさんで効果が見えなくなるパターン。補助金の消化を急いだときにも起きやすい。回避策はシンプルで、優先度の高い1〜2設備でPoCを回し、効果を確認してから段階的に広げること。営業目線で1つ付け加えるなら、「全台計測しましょう」と最初から言ってくるベンダーには慎重になったほうがいい。設備ごとのROIを試算できる相手なら、まず絞ることを提案してくるはずだ。

失敗2：データが取れない・使えない

センサーの取付位置が悪くてノイズだらけのデータになる、故障データが少なくて予測モデルが組めない、品種切り替えで運転条件が変わっても正常の定義が更新されない。こうしたデータ起因の失敗は意外に多い。実際、メーカーの調査でもデータ不足・故障データの欠如が現場の課題上位に挙がっている。回避策は3つ。センサーは設備メーカーか経験者にベアリングや主軸の最適な取付点を確認して設置する。故障データが少ない環境では教師なしの異常検知を選ぶ。そして運転条件が変わったらベースラインを更新できる仕組みかを、契約前に確かめる。正常データの蓄積には最低でも1〜2か月はかかると見ておくとよい。

失敗3：現場が使わず形骸化

管理職がいちばん気にする「誤警報で現場が混乱しないか」は、ここに直結する。誤報が続くと「どうせまた誤検知だろう」と現場がアラートを無視し始め、システムは置物になる。いわゆるアラート疲れだ。これはノイズの多い環境で閾値設定が甘い場合、閾値を人が手で設定するシステムで調整が難しい場合、そもそも誤検知率の高い製品を選んだ場合に起きる。回避策は、現場担当が自分でアラート基準を調整できる操作性かを見ること、導入前に保全スタッフを巻き込んで「アラートが来たら誰がどう動くか」のフローを決めておくこと、そして定期的な振り返りで運用を直す場を作ることだ。システムを入れる前に「鳴ったらどうするか」を決めていない工場は、ほぼ確実に形骸化する。これは技術ではなく組織運営の問題だ。

まとめ：予知保全は「1台」から始められる

最後に判断軸を整理しておく。第一に、予知保全は全設備に入れるものではなく、止まったら一番痛い1設備から始めるものだ。第二に、3つの型(後付けセンサー・既存データ活用・クラウド診断)のどれが合うかは、設備の種類・データ環境・運用体制の3軸で決まる。第三に、サービス選定で最初に確認すべきは「1台から試せるか」「教師なしに対応か」「誤警報率を開示するか」の3点。そして失敗の大半は、投資額の大きさではなく準備なしの導入から来る。

自社で試すなら、まずやることは設備リストを開いて「1時間止まると何円か」を埋めることだ。そこに前兆の出る壊れ方をする回転機械があれば、それが最初の1台になる。6か月のPoCで効果を確かめ、数字が立ってから横に広げる。この順番を守るだけで、過剰投資もアラート疲れも大きく避けられる。

次に確認すべきは、複数のサービスを同じ物差しで並べる作業だ。外観検査・異常検知・予知保全を品質管理者の目線で5択比較した製造業の品質×AI、どこから導入するかの比較記事に進めば、自社の優先順位と照らしながら最終判断に落とし込める。