予測メンテナンス

予知保全技術は、保守をいつ行うべきかを予測するために、稼働中の機器の状態を判断するのに役立つように設計されています。このアプローチは、タスクが保証された場合にのみ実行されるため、日常的な予防保全や時間ベースの予防保全よりもコストを節約できると言われています。したがって、これはアイテムの劣化状態の推定によって示唆されるように実行される状態ベースのメンテナンスと見なされます。^{[1] [2]}

予知保全の主な利点は、是正保全のスケジュールを便利に作成し、予期しない機器の故障を防ぐことです。機器の状態の測定値を考慮することで、メンテナンス作業 (スペアパーツ、人員など) をより適切に計画でき、「計画外の停止」が「計画停止」に短縮され、回数も減るため、プラントの可用性が向上します。その他の潜在的な利点としては、機器の寿命が延び、プラントの安全性が向上し、環境に悪影響を与える事故が減り、スペアパーツの取り扱いが最適化されるなどがあります。

予知保全は予防保全とは異なり、平均寿命や予想寿命の統計ではなく、機器の現在の状態（測定値を含む）を考慮して、いつメンテナンスが必要になるかを予測します。 将来の状態を予測するために機械学習アプローチが採用されています。 ^[3]

予知保全を実装するために必要な主な要素には、データの収集と前処理、早期障害検出、障害検出、故障までの時間の予測、保守スケジュールとリソースの最適化などがあります。^[4]予知保全は、生産性を向上させる原動力の1つであり、製造業における「ジャストインタイム」を実現する方法の1つであると考えられてきました。 [ ^5]

予知保全は、定期的（オフライン）または継続的（オンライン）な機器状態監視を実行することによって、機器の状態を評価します。このアプローチの最終的な目標は、保守活動が最も費用対効果が高く、機器のパフォーマンスがしきい値内で低下する前に、予定された時点で保守を実行することです。これにより、業界によっては 1 日あたり数十万ドルにもなる、故障による計画外のダウンタイムコストが削減されます。 ^[6]エネルギー生産では、収益の損失とコンポーネント コストに加えて、未納品に対して罰金が課せられる可能性があり、コストがさらに増加し​​ます。これは、必要かどうかに関係なく機器が保守される、時間および/または操作回数ベースの保守とは対照的です。時間ベースの保守は労働集約的で、予定された検査の間に発生する問題を特定するのに効果的ではなく、したがって費用対効果が高くありません。

予測メンテナンスの「予測」コンポーネントは、機器の状態の将来の傾向を予測するという目標から生まれています。このアプローチでは、統計的プロセス制御の原則を使用して、将来のどの時点でメンテナンス活動が適切であるかを判断します。

予測検査のほとんどは、機器の稼働中に実行されるため、通常のシステム運用の中断を最小限に抑えることができます。予測メンテナンスを導入すると、大幅なコスト削減とシステムの信頼性の向上が期待できます。今日のサービス メンテナンスのダイナミックな状況では、運用の卓越性を維持しようとしている組織にとって、修理プロセスの長期化は大きな課題となります。ダウンタイムの延長、平均修復時間 (MTTR) の増加、および生産損失は、収益性に影響を与えるだけでなく、サービスの継続性を妨げ、顧客満足度を低下させます。機器が老朽化し、メンテナンス要件が厳しくなるにつれて、革新的なソリューションの探求がますます緊急なものになります。

信頼性中心のメンテナンスでは、従来の予防措置に加えて予測メンテナンス技術の使用を重視しています。適切に実装されると、企業はパフォーマンスとリスクのレベルに応じて資産の純現在コストを最低に抑えるためのツールを得ることができます。^[7]

目標の 1 つは、予知保全データをコンピュータ化された保守管理システムに転送し、機器の状態データが適切な機器オブジェクトに送信され、保守計画、作業指示書の実行、レポート作成が開始されるようにすることです。^[8]これを達成しない限り、予知保全ソリューションの価値は限られており、少なくともソリューションが数万台の機器を備えた中規模から大規模のプラントに実装されている場合はそうです。2010 年に、鉱山会社 Boliden は、オブジェクト間レベルでプラントのコンピュータ化された保守管理システムと統合された分散制御システムと予知保全ソリューションを実装し、 Highway Addressable Remote Transducer Protocol、IEC61850、プロセス制御用の OLEなどのプロトコルを使用して機器データを転送しました。

機器の状態を評価するために、予知保全では、赤外線、音響（部分放電および空中超音波）、コロナ検出、振動分析、騒音レベル測定、オイル分析、およびその他の特定のオンラインテストなどの非破壊検査技術を利用します。この分野での新しいアプローチは、実際の機器の測定値を他のデバイスで測定されたプロセスパフォーマンスの測定値と組み合わせて、機器のメンテナンスをトリガーすることです。これは主に、協調プロセス自動化システム（CPAS）で利用できます。現場での測定は、配線コストを削減するために ワイヤレスセンサーネットワークによってサポートされていることがよくあります。

振動解析は高速回転装置で最も効果的であり、PdM プログラムを立ち上げて実行するのに最も費用がかかるコンポーネントになる可能性があります。振動解析は、適切に実行すれば、ユーザーは装置の状態を評価して故障を回避できます。最新世代の振動アナライザーは、以前のものよりも多くの機能と自動化機能を備えています。多くのユニットは 3 軸の完全な振動スペクトルを同時に表示し、特定のマシンで何が起こっているかのスナップショットを提供します。しかし、そのような機能があるにもかかわらず、オペレーターが振動解析の基礎を理解して適用しない限り、最も洗練された装置でさえも、発生する問題をうまく予測することはできません。^[9]

状況によっては、複数の競合するソースからの強力なバックグラウンド ノイズ干渉によって、目的の信号が隠され、振動センサーの産業応用が妨げられる場合があります。そのため、モーター電流シグネチャ分析 (MCSA) は、振動測定に代わる非侵入的な方法であり、電気システムと機械システムの両方の障害を監視できる可能性があります。

遠隔目視検査は、最初の非破壊検査です。費用対効果の高い一次評価を提供します。折り目、破損、ひび割れ、腐食など、重要な情報と欠陥は、部品の外観から推測できます。遠隔目視検査は、十分な照明（少なくとも 350 LUX）のある良好な条件で実行する必要があります。検査する部品の部分に直接アクセスできない場合は、内視鏡と呼ばれる鏡とレンズでできた器具を使用します。外部の不規則性を伴う隠れた欠陥は、内部のより深刻な欠陥を示している可能性があります。^{[引用が必要]}

音響分析は、音波または超音波レベルで行うことができます。状態監視用の新しい超音波技術により、回転機械の摩擦と応力を「聞く」ことが可能になり、従来の技術よりも早く劣化を予測できます。^[10]超音波技術は、人間の耳には聞こえない高周波音に敏感で、低周波音や機械振動と区別できます。機械の摩擦波と応力波は、超音波の上限範囲で特徴的な音を生成します。これらの摩擦波と応力波の変化は、振動やオイル分析などの技術よりもはるかに早く劣化状態を示唆できます。適切な超音波測定と分析により、資産と動作状態の直接的な関係に基づいて、通常の摩耗と異常な摩耗、物理的損傷、不均衡状態、潤滑の問題を区別できます。

音波監視装置は安価ですが、超音波技術よりも用途は少なくなります。音波技術は機械装置にのみ有効ですが、超音波装置は電気的な問題を検出でき、機械的な問題を検出する上でより柔軟で信頼性があります。

赤外線監視と分析は、最も幅広い用途（高速機器から低速機器まで）があり、機械的および電気的故障の両方の発見に効果的です。現在最も費用対効果の高い技術であると考える人もいます。オイル分析は長期的なプログラムであり、関連する場合には、最終的には他のどの技術よりも予測力が高くなる可能性があります。工場のオイルプログラムがこのレベルの洗練度と有効性に達するには何年もかかることがあります。オイルサンプルに対して実行される分析技術は、使用済みオイル分析と摩耗粒子分析の2つのカテゴリに分類できます。使用済みオイル分析では、潤滑油自体の状態を判定し、潤滑油の品質を判定し、継続使用の適合性をチェックします。摩耗粒子分析では、潤滑されている機械部品の機械的状態を判定します。摩耗粒子分析を通じて、存在する固体材料の組成を特定し、粒子の種類、サイズ、濃度、分布、および形態を評価できます。^[11]

予知保全プログラムにおけるモデルベースの状態監視の使用は、時とともにますます普及しつつあります。この方法では、モーターの電流および電圧信号のスペクトル分析を行い、測定されたパラメータをモーターの既知の学習済みモデルと比較して、さまざまな電気的および機械的異常を診断します。この「モデルベースの」状態監視のプロセスは、もともと NASA のスペースシャトルで設計され、スペースシャトルのメインエンジンの進行中の障害を監視および検出するために使用されました。^[12]これにより、データ収集と分析タスクの自動化が可能になり、24 時間体制の状態監視と、障害が発生したときの警告が提供されます。その他の予知保全方法は、スマート テスト戦略に関連しています。^[13]

• 低コストのガスセンサーシステムの校正分布（すなわち、汚染物質と環境条件の統計分布）の変化を検出する。^[14]

• 線形、固定​​、移動資産のダウンタイムを引き起こす前に警告サインを検出します。^[15]
• 新しい車両キャブベースの監視システムによる安全性と軌道空洞検出の向上
• 空隙が位置する線路資産の種類を識別し、空隙の重大度を示すこともできます。
• ポイントマシン（鉄道の分岐器を操作するために使用される装置）の状態監視は、故障前に劣化の早期兆候を検出するのに役立ちます。·

• 製造業における早期の故障検出と診断。^[5]
• 製造業者は、工場や製品内のモノのインターネット（IoT）センサーからビッグデータを収集する傾向が高まっており、収集したデータにさまざまなアルゴリズムを使用して、高額な費用がかかる故障の兆候を事前に検出しています。^[16]

• 石油・ガス会社は、特に遠隔地の沖合や深海では、設備の状態を把握できないことが多い。^[17]
• ビッグデータは石油・ガス会社に洞察力を提供し、機器の故障やシステム・コンポーネントの最適な寿命を分析し予測することができます。^[17]

• コンピュータ化された保守管理システム
• インテリジェントメンテナンスシステム
• 生産フロー分析
• RCASE
• 根本原因分析