予知保全とは？仕組みと予防保全との違いから費用対効果・導入判断まで解説

予知保全は、設備の状態を測って壊れる前に手を打つ保全方式です。ただし全設備に入れると、監視の運用費だけが積み上がります。予防保全との違い、停止損失から投資上限を逆算する計算、正常データから警報値を出す手順、導入すべき設備と見送るべき設備の条件までを、公的指針と動かせるコードで示します。

まとめ｜予知保全は重要設備に絞った導入と運用体制の設計で投資が見合う

予知保全は、センサーで設備の状態を監視し、異常の兆候が出た時点で保全を実施する方式です。時間を基準に一律で部品交換する予防保全と違い、状態を根拠にするため、部品を寿命近くまで使いながら突発故障も避けられます。ただし、センサー設置とデータ分析の初期投資がかかるため、全設備への展開は過剰投資になります。

投資判断の軸は停止時の損失額です。止まると全ラインが停止するボトルネック設備、修理費が高額な設備、交換部品の納期が長い設備に絞って導入すれば、投資は回収しやすくなる。逆に、冗長構成があり止まっても生産が続く設備や、定期交換で十分に安定している設備への導入は見送る場面です。監視データを設備台帳や生産計画と連携させる仕組みまで設計できると、保全の判断が生産全体の判断につながります。

パッケージで足りるか、自社の設備構成に合わせて作り込むかは、既存システムとの連携要件で分かれます。構成を処理ブロック単位で切り分けて調達範囲を決める手順は予知保全システムの選び方｜構成6ブロックと費用・生産管理連携で決める導入判断で整理しました。

予知保全とは何か｜異常の兆候を捉える状態基準保全（CBM）の仕組み

予知保全という言葉は、センサー監視から故障予測まで幅広い取り組みを指して使われます。まず定義と仕組み、関連用語の指す範囲を確認します。

予知保全の定義｜設備の状態データから故障の前兆を捉える保全方式

予知保全とは、設備の振動・温度・電流・音といった状態データを継続的に計測し、正常時からの変化＝故障の前兆を捉えた時点で点検や部品交換を行う保全方式です。状態を根拠に保全のタイミングを決めるため、状態基準保全（CBM／Condition Based Maintenance）とも呼ばれます。

従来の定期交換が「そろそろ寿命のはず」という推測で動くのに対し、予知保全は「振動値が正常時の2倍に増えている」という計測事実で動く。この違いが、部品をむだに捨てない経済性と突発故障を防ぐ安定性を両立させる土台になります。設備保全全体の中での位置づけは、親記事の設備保全とは何かを予防保全・予知保全・事後保全の違いから整理した記事で解説しています。

予知保全の仕組み｜センサー計測からしきい値判定・通知までの流れ

予知保全の基本構成は、計測・収集・判定・通知の4段階です。設備に取り付けたセンサーが振動や温度を計測し、収集装置がデータをサーバーやクラウドへ送り、あらかじめ設定したしきい値を超えたら保全担当者へ通知が飛ぶ。この流れが土台になります。

判定の起点はしきい値監視です。正常運転時のデータを一定期間蓄積して基準値を作り、そこからの乖離幅で異常を判定する。機械学習による故障予測は、しきい値監視で運用が回り始めた後に検討する段階になります。最初から高度な予測モデルを狙うより、単純なしきい値で通知が正しく飛ぶ状態を作る方が、定着は速く進みます。

予知保全と予兆保全・CBMの関係｜用語の使い分けと指す範囲の整理

予知保全の周辺には似た用語が並びます。予兆保全は予知保全とほぼ同義で使われ、メーカーや文献による表記の揺れと考えて差し支えありません。CBM（状態基準保全）は保全方式の分類名で、予知保全はその実践形にあたります。

もうひとつ混同されやすいのが設備診断です。設備診断は測定と評価の技術そのものを指し、予知保全はその技術を使った保全の運用全体を指します。社内の検討資料で用語を1つに統一しておくと、ベンダーとの要件のすり合わせで認識のずれを防げます。

予知保全と予防保全・事後保全の違い｜3方式の比較と現場での使い分け

予知保全の価値は、他の保全方式と比べたときにはっきりします。時間基準の予防保全、壊れてから直す事後保全との違いを順に見ます。

時間基準の予防保全（TBM）との違い｜交換周期とデータ根拠の差

予防保全のうち、稼働時間や暦日を基準に部品を交換する進め方を時間基準保全（TBM／Time Based Maintenance）と呼びます。メーカー推奨の周期で交換するため計画は立てやすい一方、まだ使える部品を周期が来ただけで捨てるむだが発生します。

予知保全は、この交換タイミングを時間から状態へ置き換えた方式です。広い意味では予知保全も予防保全（故障前に手を打つ保全）の一種で、TBMとCBMは予防保全の中の兄弟関係にあたる。TBMからCBMへの移行は全面切り替えではなく、部品ごとの併用が現場の実際です。劣化が時間に比例する消耗部品はTBMのまま、劣化の進み方がばらつく軸受やモーターはCBMへ、と分けると投資を抑えられます。

事後保全との違い｜壊れてから直す方式が許される設備と許されない設備

事後保全（BM／Breakdown Maintenance）は、故障が起きてから修理する方式です。保全工数は最小で済みますが、停止のタイミングを選べません。壊れても生産が止まらない補助設備や、交換が数分で終わる安価な部品なら、事後保全は合理的な選択になります。

許されないのは、停止が生産全体に波及する設備です。復旧までの間、後工程はすべて待ちになり、損失は修理費ではなく機会損失で膨らむ。予知保全は、この「止められない設備」のための方式だと位置づけると、投資対象の絞り込みが明確になります。

3つの保全方式の比較｜コスト・停止リスク・導入難易度で見る違い

3方式の違いを、保全タイミングの決め方・コスト・停止リスク・導入難易度で並べると次のようになります。

予知保全は部品コストと停止リスクの両方を抑えられる代わりに、初期投資と運用の手間を引き受ける方式です。優劣ではなく、設備の重要度に応じた役割分担として3方式を組み合わせるのが基本形になります。

予知保全の国内動向｜公的指針が示す到達段階と製造業の投資の見方

予知保全は個社の工夫だけで進む話ではなく、公的な指針でも製造業のデジタル化の到達段階として整理されています。社内稟議で外部の根拠を求められる場面に備え、参照できる資料を押さえておきます。

公的指針での位置づけ｜構想設計を起点に置くガイドラインの考え方

経済産業省とNEDOは2024年6月28日にスマートマニュファクチャリング構築ガイドラインを公表しました。経営課題・業務変革課題の特定を起点に、企画・構想設計へ重点を置く構成です。製造部門だけでなく調達・開発設計・営業まで含めて製造プロセス全体を見渡すこと、課題の特定を欠いたまま既存の部門機能を前提に一部だけ改善しても根本的な解決につながりにくいことが、背景として明記されています。センサーを付けること自体が目的化した予知保全は、この指針が避けよと言う進め方にそのまま当てはまる。まず「どの経営課題を、どの設備の停止削減で解くか」を先に決めます。工場をどこまでデジタル化するかという上位の設計はスマートファクトリーとは何かを定義と5階層の構成要素から整理した記事で扱いました。

設備投資の動向から見る優先度｜白書の区分で自社の位置を確かめる

投資の水準感をつかむ資料としては、経済産業省・厚生労働省・文部科学省が令和8年5月29日に公表した2026年版ものづくり白書があり、第1部第4章に「製造業の設備投資動向」の節が置かれています。ただし工場の規模も設備構成も違うため、白書の数字をそのまま自社の投資額の根拠にはできない。使いどころは、後述の費用対効果の逆算で出した自社の金額に、業界の投資動向という文脈を添える場面に限られます。どの工程から着手して何が成果指標になったかは、製造業のDX事例｜工程改善・予知保全・品質・在庫で見る成果指標と失敗パターンに事例側から整理しました。

予知保全のメリットと費用対効果｜突発停止の削減効果と投資回収の考え方

予知保全の効果は、突発停止の削減だけではありません。得られる効果と引き受ける課題を確認したうえで、投資回収の計算方法を整理します。

予知保全のメリット｜突発停止の回避・部品費の削減・保全工数の平準化

予知保全の効果は、大きく4つに整理できます。

• 突発停止の回避：兆候段階で対処するため、計画外の生産停止と特急対応の残業が減る
• 部品費の削減：周期交換のむだがなくなり、部品を寿命近くまで使い切れる
• 保全工数の平準化：故障対応の緊急作業が減り、保全作業を計画的に配置できる
• 保全記録のデータ化：判断根拠が数値で残り、担当者の経験に依存した属人的な判断から脱却できる

実務でまず効くのは突発停止の回避です。停止損失は部品費より一桁大きいことが多く、投資判断の主役になる。4つ目のデータ化は金額に換算しにくいものの、ベテラン保全員の退職が迫る現場では導入理由の中心になります。

予知保全のデメリットと課題｜初期投資・分析人材・誤検知への対処

引き受ける課題は3つあります。第一にセンサー・収集装置・分析基盤の初期投資。第二にデータを読んで判断する人材の確保。第三に誤検知への対処です。しきい値の設定が厳しすぎれば正常なのに警報が鳴り続け、緩すぎれば兆候を見逃します。

特に運用初期は誤検知との付き合いが避けられません。警報が鳴るたびに点検して空振りが続くと、現場は通知を信用しなくなる。導入後3〜6か月はしきい値の調整期間と割り切り、警報と実状態を突き合わせて基準を育てる運用を最初から計画に入れておくと、形骸化を防げます。

費用対効果の考え方｜停止1時間あたりの損失額から投資上限を逆算する

費用対効果は「停止1時間あたりの損失額 × 年間の突発停止時間 × 削減見込み率」で年間効果を見積もり、初期投資と運用費を何年で回収できるかを計算します。停止損失には、生産できなかった分の粗利に加え、復旧の残業代・特急部品の割増費・納期遅延の補償まで含めて数えるのが実態に合います。

たとえば停止1時間の損失が50万円、年間の突発停止が20時間の設備なら、年間損失は1,000万円。予知保全で半分を防げる見込みなら年間効果は500万円で、初期投資がその1〜2年分に収まるかが目安になります。この計算を設備ごとに行えば、投資すべき設備と見送る設備は自然に仕分けられ、金額の根拠を並べた検討資料は経営層への説明でもそのまま通ります。

予知保全の導入手順｜対象設備の選定からセンサー設置・運用定着までの5段階

導入は、対象を絞って小さく始め、効果を確認してから広げる進め方が定着します。手順と、監視データの選び方、周辺システムとの連携設計を見ます。工場の業種ごとに設置できるセンサーが変わる点は工場の予知保全｜業種別の設置制約と対象設備の選び方で扱いました。

導入手順の5ステップ｜重要設備の選定から監視項目・しきい値設定まで

導入の流れは次の5段階に分かれます。

1. 対象設備の選定：停止損失の大きい設備を1〜2台選ぶ（全設備を対象にしない）
2. 監視項目の決定：故障モードを洗い出し、前兆が現れるデータ（振動・温度・電流など）を特定する
3. センサー設置とデータ収集：計測点を決めて設置し、正常時のデータを蓄積する
4. しきい値設定と通知設計：正常データを基準に判定条件を作り、誰にどう通知するかを決める
5. 運用定着と対象拡大：警報と実状態を突き合わせて基準を調整し、効果を確認してから他設備へ広げる

つまずきやすいのは2番目です。センサーを先に決めて「測れるものを測る」と、故障の前兆と関係ないデータが積み上がる。過去の故障履歴から故障モードを先に洗い出し、その前兆が何に現れるかを逆算する順番を守ると、むだな計測を避けられます。

監視するデータの種類｜振動・温度・電流・音で捉えられる異常の違い

監視データは異常の種類ごとに向き不向きがあります。回転機械の軸受やモーターの劣化は振動に最初に現れるため、振動監視が予知保全の中心になる。振動の計測では、おおむね10〜1,000Hzの帯域を振動速度で、それを超える高周波帯を振動加速度で捉える使い分けが一般的です。センサーの取付方式やFFT・包絡線解析の組み立て方は振動診断のセンサー選定とFFT・包絡線解析の実装で扱っています。

温度は摩擦や冷却不良の進行を、電流は負荷の異常やモーターの劣化を、音は打撃音や異音の発生を捉えます。ひとつのデータで全ての故障モードは拾えないため、対象設備の壊れ方に合わせて2種類程度を組み合わせると、単独監視より誤検知を絞り込めます。

後付けセンサーの選び分け｜給電と通信量から決まる収集構成の制約

既設の設備に予知保全を後付けする場合、選択肢を狭めるのはセンサーの性能ではなく電源と通信です。電源を引ける計測点なら有線給電で高いサンプリング周波数を常時流せますが、盤外の回転機械や屋外設備では電池駆動になり、送信頻度を落として電池寿命を稼ぐ設計へ切り替わる。通信量も設計を縛ります。振動の生波形を毎秒送ると回線費が跳ね上がるため、センサー側やゲートウェイ側で総合値へ丸め、警報時だけ生波形を送る二段構えが落としどころです。この選び分けの具体は予知保全のIoT構成｜後付けセンサーの選び分けと電池・通信量から決める収集設計にまとめました。センサーからエッジ処理までの収集基盤を業務要件に合わせて組む部分は、AI/IoTソリューションで計測点の設計と通信方式の選定から相談を受けています。

生産管理システム・設備台帳との連携｜保全データを計画に反映する設計

予知保全の通知が「鳴って終わり」になるか、生産の判断につながるかは、周辺システムとの連携設計で決まります。異常の兆候を捉えたら、設備台帳の保全履歴に記録し、生産計画側で該当設備の負荷を調整する。この一連の流れがつながって初めて、保全データが経営の数字に効きます。保全履歴と部品在庫を台帳側で受ける仕組みは設備保全管理システム（CMMS/EAM）の比較｜製品タイプ別の選定軸で比較しました。

連携先の中心は生産管理システムです。設備の稼働計画と保全のタイミングを同じ画面で判断できると、保全のための停止を生産の谷間に計画的に入れられる。生産管理システム側の機能と連携設計の考え方は生産管理システムとは何かを機能・ERPやMESとの違いから整理した記事にまとめました。

予知保全のしきい値設計｜正常データから警報値を出す手順とコード例

導入で最後まで残る作業がしきい値の決定です。ベンダー任せにすると自社の設備に合わない基準が入ります。正常運転データさえあれば、注意値と警報値は手元で出せます。

ベースラインの取り方｜正常運転データの収集期間と区切り方の決定

しきい値の土台は、正常に動いている期間のデータです。収集期間は、その設備が取りうる運転条件を一巡する長さを目安にする。品種切り替えがある設備なら全品種を、季節で室温が変わる設備なら夏冬の両方を含めないと、条件が変わっただけで警報が鳴る基準ができあがります。次に区切り方を決めます。振動のような高速サンプリングのデータは生波形のままでは比較できないため、一定時間ごとに区切って総合値（RMS）へ丸める。区切り幅は1秒から数十秒が扱いやすく、回転数が低い設備ほど長く取ります。丸めた値の平均と標準偏差が、そのまま警報値の材料になります。

警報値を出すコード｜総合値の統計量と周波数成分で異常を切り分ける

正常データの平均μと標準偏差σから、注意値をμ+3σ、警報値をμ+6σとして置くのが出発点です。標準偏差は標本標準偏差（numpy.std の ddof=1）で取ります。警報が出た区間は、実数入力向けの高速フーリエ変換（scipy.fft.rfft）で周波数成分に分け、どの部位の劣化かを切り分ける。rfft は実数入力の出力がエルミート対称になる性質を使い、出力長が n//2+1 で済みます（SciPy 1.18系のドキュメント時点）。

import numpy as np
from scipy.fft import rfft, rfftfreq

fs = 25600                              # サンプリング周波数[Hz]
wave = np.load("baseline_normal.npy")   # 正常運転時に録った振動加速度

# 1) 1秒ごとに区切って総合値(RMS)の分布を作る
frames = wave.reshape(-1, fs)
rms = np.sqrt(np.mean(np.square(frames), axis=1))
mu, sigma = rms.mean(), rms.std(ddof=1)

warn  = mu + 3 * sigma                  # 注意値
alarm = mu + 6 * sigma                  # 警報値
print(f"mu={mu:.4f} warn={warn:.4f} alarm={alarm:.4f}")

# 2) 警報が出た区間は周波数成分に分けて原因部位を切り分ける
spec = np.abs(rfft(frames[-1]))
freq = rfftfreq(frames.shape[1], d=1.0 / fs)
top5 = freq[np.argsort(spec)[-5:]]
print("卓越周波数[Hz]:", np.sort(top5))

3σと6σは出発点であり、確定値ではありません。運用しながら、鳴った警報が実際の異常だったかを記録し、空振りが多ければ係数を上げ、見逃しがあれば下げる。この調整の記録こそが、外部から買えない自社設備固有の資産になります。

機械学習を入れる境目｜しきい値監視で足りる範囲と外れ値検知の出番

単純なしきい値で捉えられるのは、1つの指標が単調に悪化していく劣化です。複数の指標が同時に少しずつずれる複合的な劣化や、監視対象が数十台に増えた段階から、外れ値検知の手法が効いてくる。scikit-learn は外れ値検知（Novelty and Outlier Detection）として複数の推定器をそろえており、正常データだけで学習できる点が保全用途に向きます。

入口としてよく使われるIsolationForest は、既定で n_estimators=100 の木を組み、predict が正常に +1、異常に -1 を返します。異常の混入率 contamination の既定は ‘auto’ で、正常データの割合を自分で仮定しなくても動く設計です。手法ごとの選び分けと評価・アラート運用は時系列データの異常検知｜手法の選び分けとしきい値・評価・アラート運用に実装目線でまとめ、機械学習側の全体像は異常検知とは何かを機械学習の手法・仕組みから整理した記事で扱っています。

予知保全を導入すべき設備と見送るべき設備｜投資判断の基準と失敗パターン

予知保全は全設備に入れる技術ではありません。どの設備に投資し、どこで見送るか。判断基準を条件付きで言い切ります。

導入すべき設備の条件｜停止損失・修理費・部品納期で見極める基準

導入すべき設備の条件は明確です。第一に、止まると全ラインが停止するボトルネック設備。第二に、故障すると修理費が高額になる設備。第三に、交換部品の納期が数週間〜数か月かかり、故障してから手配したのでは間に合わない設備です。いずれも「壊れてからでは遅い」設備であり、兆候段階で部品手配と停止計画を打てる予知保全の価値がそのまま金額になります。

業種や工場の形態によって監視すべき設備と項目は変わりますが、判断の骨格は共通です。費用対効果の逆算で年間効果が初期投資の回収目安を超える設備だけを対象にすれば、投資の失敗は避けられます。

見送るべき場面｜冗長構成の設備と定期交換で足りる設備への過剰投資

見送るべき場面も条件で言い切れます。予備機があり切り替えれば生産が続く冗長構成の設備、故障しても影響が局所で済む補助設備、そして劣化が時間にきれいに比例し定期交換で安定している部品。これらに予知保全を入れるのは過剰投資です。監視の仕組みを維持する運用費だけが積み上がり、防げる損失がそれに見合いません。

ありがちな失敗は「DXの号令で全設備にセンサーを付ける」進め方です。監視対象が多いほど警報も誤検知も増え、保全チームの処理能力を超えた時点で通知は無視され始める。1〜2台で運用を固めてから広げる段階導入を崩さない方が、結局は定着が速く進みます。

パッケージ導入と受託開発の判断｜既存システムとの連携要件で分かれる境界

予知保全の仕組みは、市販の監視パッケージやセンサーメーカーのクラウドサービスで足りる場合と、作り込みが要る場合に分かれます。パッケージが向くのは、監視対象が標準的な回転機械で、通知を受けて人が判断する運用なら十分な場合で、単体の監視なら速く安く立ち上がります。

受託開発が見合うのは、監視データを設備台帳・生産管理・在庫（予備部品）と連携させ、保全から生産計画までを一体で回したい場合です。連携要件が多いほどパッケージのカスタマイズ費は膨らみ、業務に合わせて設計した方が総額で見合う構図になる。生産現場の業務システムを設計・開発する生産管理システム開発の受託サービスでは、予知保全のデータを生産計画に反映する連携設計を含めて、パッケージで足りるか作り込むべきかの切り分けから対応できます。

よくある質問

予知保全の検討でよく挙がる疑問を、実務の判断に沿って7つ整理します。

予知保全と予防保全はどう違いますか？

保全を実施するタイミングの決め方が違います。予防保全（時間基準保全TBM）は稼働時間や暦日を基準に計画的に部品交換するのに対し、予知保全（状態基準保全CBM）はセンサーで計測した状態データから異常の兆候を捉えた時点で保全します。広義には予知保全も予防保全の一種で、対立ではなく部品ごとに使い分ける関係です。

予知保全と予兆保全は同じ意味ですか？

実務上はほぼ同義で、メーカーや文献による表記の揺れと考えて差し支えありません。どちらも故障の兆候を捉えて事前に手を打つ保全を指します。関連語のCBM（状態基準保全）は保全方式の分類名、設備診断は測定・評価の技術を指す言葉で、予知保全はそれらを含む運用全体を指すのが一般的な使い分けです。

予知保全の導入費用はどのくらいかかりますか？

構成によって幅が大きく、一律の相場では語れません。費用はセンサーと収集装置の機器費、監視ソフトやクラウドの利用料、しきい値設計と連携開発の初期費、運用保守費の4つで構成されます。対象設備の停止1時間あたりの損失額と年間停止時間から年間効果を見積もり、その1〜2年分に総費用が収まるかで判断すると過剰投資を避けられます。

予知保全はどの設備から始めるべきですか？

止まると生産全体が止まるボトルネック設備、修理費が高額な設備、交換部品の納期が長い設備が最優先です。この条件に当てはまる設備を1〜2台選び、振動や温度の監視から小さく始めて、警報と実状態を突き合わせながらしきい値を育てる。効果を金額で確認してから対象を広げると、社内の合意も取りやすくなります。

予知保全のしきい値はどう決めればよいですか？

正常運転時のデータから統計的に出すのが出発点になります。運転条件を一巡する期間のデータを集め、一定時間ごとの総合値（RMS）に丸めたうえで、平均μと標準偏差σからμ+3σを注意値、μ+6σを警報値として置く。この値は確定値ではなく、鳴った警報が実際の異常だったかを記録しながら係数を上下させて育てます。前掲のコード例がそのまま計算に使えます。

予知保全にAI（機械学習）は必須ですか？

必須ではありません。正常時データからのしきい値監視だけでも、突発停止の削減効果は得られます。機械学習による故障予測が生きるのは、しきい値では捉えにくい複合的な劣化パターンを扱う段階や、監視対象が増えて人手の判定が追いつかなくなった段階です。まずしきい値監視で運用を定着させ、データが蓄積されてから予測モデルを検討する順番が現実的になります。モデルの型の選び分けと実装先の判断は予知保全のAI導入と故障予測モデルの選び方で扱っています。

既設の古い設備でも予知保全は導入できますか？

制御盤から信号を取れない古い設備でも、外付けの振動センサーや電流センサーを後付けすれば監視は成立します。設備側を改造せずに済むぶん、実際の制約は電源の有無と通信経路へ移る。電源が引けない計測点は電池駆動になり送信頻度が下がるため、生波形の常時送信をあきらめて総合値の送信に切り替える設計が要ります。既設設備からのデータ取得は、新設ラインより設計の自由度が低い前提で見積もると計画が崩れません。

関連記事

• 設備保全とは？予防保全・予知保全・事後保全の違いと製造業の進め方：予知保全を設備保全全体の中に位置づけ、3方式の使い分けから考えるときの土台になります。
• 予知保全システムの選び方｜構成6ブロックと費用・生産管理連携で決める導入判断：導入を決めた後、どの範囲を買ってどこを作るかを構成ブロック単位で切り分けられます。
• 生産管理システムとは？機能・ERP／MESとの違いから選び方まで：予知保全のデータを生産計画に反映する連携先として、生産管理システムの機能を確認できます。