THE WORK
支援内容
- 関わった方
- 製造現場の保全担当・設備管理者
- 業務の場面
- 稼働中の異常確認と、点検の優先順位付け
BACKGROUND
ご相談の背景
設備が突然停止すると、復旧対応に加えて生産の段取りも組み直す必要がありました。日常点検は、音や振動の違いを聞き分けられるベテランに頼る部分が大きく、記録されているセンサー値の使い道は定まっていませんでした。
APPROACH
着眼点
保全担当者と過去の故障を振り返り、前兆が現れやすい電流・振動・温度の項目を絞りました。センサー値は負荷や運転モードで変わるため、固定のしきい値ではなく、通常の動きからの外れ具合を異常度として数値化する方針としました。アラートの後に誰が何を確認するかまで、保全の手順に組み込む前提で設計しました。
OUTPUT
実施内容
設備の稼働データをAzure上に収集する基盤を整え、通常時の挙動を学習した機械学習モデルで異常度を算出しました。異常度がしきい値を超えると担当者に通知し、どの項目が異常度に効いているかを画面で確認できる構成にしました。過去の故障記録で誤報と見逃しを検証し、しきい値と通知の条件を担当者と調整しました。
CHANGE
成果
異常度の上昇をきっかけに、故障に至る前に点検と部品交換を行う運用に切り替わりました。通知後の確認結果を記録して、しきい値の見直しにも使う流れになりました。