AIを使って設備稼働の未来を予測! Maximo “Predict”を動画で学ぶ

記事をシェアする:

想像してください。

あなたが管理・運用している施設や工場の、「どこに、いつ（何月何日に）、何を原因とした故障が発生するか」それらすべてが予測できたとしたら?

「それが分かれば苦労しませんよ…」 — たしかに、以前であれば考えられなかったことかもしれません。そして今でも100パーセントというわけにはいきません。

それでも、もしそれに一歩でも近づけたら…。

果たして一体、あなたの業務はどれくらい楽になるでしょうか。

そして、あなたの会社にどれくらいの利益をもたらすでしょうか。

センサーとIoTで接続した設備の稼働データをしっかりと収集・蓄積していき、適切なAIデータ分析ソリューションを用いれば、企業の設備管理のかなりの部分を自動化することができます。

今回、統計解析やAI技術を活用して設備の将来の状態を予測し、設備パフォーマンスを最適化するMaximo APMソリューションの1つ「Predict（プリディクト）」を詳しく紹介する15分弱の動画を作成しました。

以下に、動画の内容とそのポイントをかいつまんでご紹介します。

■ Maximo Predict（プレディクト）とは

設備管理を自動化するMaximoは、設備管理の実行基盤であるMaximo EAM（Enterprise Asset Management）と、意思決定を最適化して設備の価値を最大限に引き出すMaximo APM（Asset Performance Management）の2つで構成されています。

そのMaximo APMの中でも、特にAIを使って設備稼働の未来を予測する機能が「Predict（プレディクト）」です。

故障発生確率や故障要因分析、異常スコアなどPredictの5つの分析結果を活用することで、故障がいつ起きそうか、その故障の発生原因が何なのかが分かるため、適切な時期に適切な手段で保全を行う「信頼性中心保全（RCM: Reliability Centered Maintenance）」を実現し、設備稼働率の向上やメンテナンスコスト削減、製造効率の向上を図ることができます。

■ ユーザー画面によるデモンストレーション

•  保守タイムライン | アンダーメンテナンスやオーバーメンテナンスを回避し、適切なスケジューリングが可能です
•  故障発生確率 | 指定した日にちごとに、故障発生確率を表示します
•  故障要因分析 | 決定木分析から導き出された情報を元に、どの部分に故障が発生する確率が高いかを示します
•  故障予測日 | Predictが予測した故障発生日と次回メンテナンス予定日の確認ができます
•  設備異常スコア | 正常パターンから外れている状態をスコア化して表示します
•  故障確率曲線 | 経年変化による故障確率の変化を示します

■ Predict: システムの概要

1. 予測モデル準備フェーズ
   過去の機器データを元に、Predictの最大の特長である「5つのAI分析モデル」を活用して予測モデルと、モデルの実行環境を作成します。
2. 予測モデル運用フェーズ
   稼働中データをその予測モデルに適用（スコアリング）することで、Predictに表示される予測結果を元に運用していきます。

■ Predict最大の特長「分析モデル・テンプレート」

AI分析モデルの作成は、非常に難しく時間がかかる作業です。それを迅速化するのがPredictの5つのモデルテンプレートです。ガイドに従いながら処理ステップを実行していくことで分析モデルが作成でき、カスタマイズも可能です。

問い合わせ情報

お問い合わせやご相談は、Congitive Applications事業 cajp@jp.ibm.com にご連絡ください。

ソリューション紹介ページ: IBM Maximo Predict（PMI）

Watson IoTウェビナー紹介ページ

参考記事:  AIとIoTで現場を変革する施設・設備点検管理ソリューションセミナー・レポート

参考記事: 想定外のメンテナンスを一掃するMaximo Asset Monitor

参考記事: ガートナー、2019年版のマジック・クアドラントでもIBM MaximoをEAMソフトウェアのリーダーと評価