AI予知保全とは?国内導入事例・仕組み・費用対効果・導入手順を解説

設備が止まった朝、保全担当者の仕事は一気に増えます。故障箇所の特定、交換部品の手配、修理会社との調整、生産計画の組み直し。修理そのものより、いつ復旧できるか分からない時間が現場を苦しめることもあります。
AI予知保全とは、設備の振動・温度・電流などを継続的に分析し、故障につながる変化を早めに見つけ、保全の判断に役立てる仕組みです。 現場が目指すのは「故障の日付をAIに言い当てさせること」ではありません。異常を察知してから設備が止まるまでに、部品交換や点検を計画できる時間をつくることです。
実際に、住友電工焼結合金は大型プレス機の油圧ポンプやモーターに予兆検知システムを導入し、2026年5月に本格稼働を開始しました。日本精工(NSK)の工場では、振動センサーと専門家の解析によって軸受の異常を発見し、突発停止を未然に防いだ事例が紹介されています。[1][2] どういう設備で役立つのか、導入するなら何を先に確かめるべきかを、国内事例と費用の公開情報から解説します。
AI予知保全とは?事後保全・予防保全との違い
壊れてから直すか、時期で交換するか、状態を見て動くか
設備保全には、大きく三つの考え方があります。「事後保全」は故障してから修理する方法。「時間基準の予防保全」は稼働時間や日付に合わせて点検・交換する方法。そして「予知保全」は設備の状態を見ながら、故障の兆しに応じて対応を決める方法です。
例えば、工場のポンプを半年ごとに分解点検しているとします。半年後も正常なポンプを開ける一方、点検の翌週に軸受が傷んで停止することもあり得ます。振動や温度の変化を捉えれば、まだ使える部品の交換を急がず、異常が強まった設備から点検できます。

もちろん、すべての設備をAIで監視する必要はありません。安価ですぐ交換できる機器なら事後保全の方が合理的な場合もあります。生産ラインを丸ごと止めるモーターや、交換に長い時間がかかるポンプほど、予兆を早く知る価値が大きくなります。
AIが変えるのは「点検そのもの」より、点検の優先順位
従来の巡回点検では、保全員が一定の順序で設備を回り、音や熱、振動を確かめます。AIを使うと、センサーが設備の状態を継続的に記録し、普段とは違う変化が出た機器を絞り込めます。
例えば、100台の機器をすべて同じ頻度で調べるのではなく、振動が変わった数台を詳しく診断する。機械が異変の候補を拾い、人が故障の原因と対応時期を決めるという分担です。保全員の判断をなくすというより、その判断に使える情報と時間を増やします。
AI予知保全の仕組み|振動・温度・電流をどう使う?
センサーデータを「修理の判断」につなげるまでの5工程
AI予知保全は、センサーを取り付けただけでは成立しません。振動・温度・電流などのデータを収集し、通常と違う状態を判定し、その結果を保全担当者へ知らせ、点検・修理の記録を残します。この流れが切れずにつながって初めて、設備の停止リスクを下げる行動につながります。

振動は軸受や回転部分の状態、電流はモーターの負荷変化、温度は発熱の兆候を知る手掛かりになります。ただし、一つの数値だけで故障を断定することはできません。回転速度や生産品種が変われば、正常な設備でも振動や電流が変わるからです。
異常検知と「故障時期の予測」は別の技術
AIの役割には段階があります。最初は「いつもの運転と違う状態」を知らせる異常検知。データや故障履歴が揃うと、どの故障が起こりそうか、いつ頃対応が必要かを推定する方法も検討できます。
例えば、振動が通常の範囲から外れたという通知は、必ずしも「3日後に故障する」という意味ではありません。設備の負荷が変わっただけかもしれず、部品劣化を示しているかもしれません。日本精工の事例でも、AIや状態監視に加えて、専門家が振動の周波数を解析して軸受の異常を特定しています。[2]

故障データが少ない現場では、正常運転時のデータから普段と異なるパターンを見つける方法が出発点になります。経済産業省が紹介する、みつわポンプ製作所の技術検証でも、振動・音・温度・電流と故障有無の情報を使ってモデルを構築しました。[3]
AI予知保全の国内導入事例|設備と保全業務はどう変わった?
住友電工焼結合金|交換に約2日かかる大型設備の判断を早める
住友電工焼結合金では、24時間稼働する大型油圧粉末成形プレス機を多数使用しています。設備を動かす油圧ポンプやモーターが故障すると、交換に約2日かかることが課題でした。三井情報が公表した事例によると、振動解析を行う「AssetWatch」を導入し、2026年5月から本格稼働しています。[1]
印象的なのは、地下ピットから異音が聞こえたときの使い方です。音だけではモーターとポンプのどちらを交換すべきか判断が難しかった場面で、振動の推移を確認して両方の異常を把握し、交換判断を早められたといいます。[1]
異音だけでは判断しづらかった設備の状態を、振動データで確かめられるようになりました。交換に約2日かかる設備では、どこを点検し、どの部品を手配するかを早く判断できることが、修理の段取りを変えます。突然の異音に対応する場面でも、経験や音だけに頼らず、状態の変化を根拠に次の作業を決められるのです。
日本精工(NSK)|17個の振動センサーで軸受の異常を捉える
日本精工が2025年12月に公開したウェビナー報告では、自社工場のコンプレッサー室に17個の振動センサーを設置した事例が紹介されています。モーター軸受の異常を早期に検知し、専門家の周波数解析で状態を特定。グリスアップという具体的な対応につなげ、突発停止を防いだと説明しています。[2]
もう一つの熱処理ラインでは、ポンプやモーターを対象に11か所へワイヤレスセンサーを設置し、遠隔監視を実施。高温環境での点検負担を減らした事例も紹介されています。[2]
現場で価値が出るのは、アラートが鳴る瞬間だけではありません。「どこが悪いか」「次に何をすべきか」が分かり、計画的な作業へつながることです。
みつわポンプ製作所|故障予兆を正解率9割で判定するモデルを検証
経済産業省のAI導入ガイドブックには、みつわポンプ製作所がポンプの故障予知を技術検証した事例が掲載されています。振動・音・温度・電流のセンサーデータを使い、特定のポンプ・故障環境で故障前兆を正解率9割で判定するモデルを構築しました。[3]
この技術検証で参考になるのは、「どのポンプで、何の故障を捉えたいのか」を絞ったことです。対象が明確になると、必要なセンサー、収集するデータ、判定の評価方法まで具体化できます。自社でもまず1台・1種類の故障から検証し、現場で使える判断につなげる進め方が考えられます。
スターゼン|食品工場の冷凍・ユーティリティ設備を常時監視
食品工場では、冷凍設備やユーティリティ設備の停止が品質や生産計画に直結します。三井情報は2026年9月、スターゼン松尾工場で回転機器の故障予兆検知サービスを導入した事例を公表しました。2025年4月からの運用として、振動監視と専門家の分析支援を組み合わせ、計画保全へ移る取り組みが説明されています。[4]
食品の製造ラインでは、衛生管理上、好きなタイミングで設備を止めて分解点検できない場所もあります。常時監視は、点検を省くためだけではなく、止められるタイミングを確保するための情報として役立ちます。

AI予知保全で失敗しやすい3つの原因|見逃し・誤報・対応の遅れ
「異常を検知した」と「故障を防げた」は同じではない
予知保全の成否は、AIの正解率だけでは評価できません。例えば、設備が故障する1分前に知らせても、交換部品が届くのに3日かかるなら停止を避けることは難しい。保全員が動けるだけの猶予時間(リードタイム)が必要です。
もう一つは誤報です。製品の種類が切り替わるたびにアラートが出れば、そのたびに保全員が現場を確認することになります。異常の見逃しを減らすだけでなく、不要な点検を増やしすぎないことも評価する必要があります。

AI導入前に、正常データの条件をそろえる
振動が大きいから故障とは限りません。稼働率が高い日、製品の材質が違う日、回転速度が違う日では、設備の振る舞いが変わります。こうした条件を記録せずに学習させると、正常な負荷変動を異常と誤認する場合があります。
現場のデータには、設備ID、日時、運転・停止状態、回転速度、品種、保全履歴などを紐付けます。センサーを増やす前に、何を正常な状態として比較できるかを明確にする方が、検証の手戻りを減らせます。
通知後に誰が何をするか、対応手順まで設計する
「異常スコアが高い」と表示されても、誰も見なければ停止は防げません。通知を受ける担当者、一次確認の方法、追加診断が必要な条件、設備を止める権限、交換部品の手配先まで決めておきます。
例えば、夜間のアラートは翌朝の点検でよいのか、即時に現場へ連絡すべきなのか。判断基準は設備の危険性や生産への影響で変わります。AIの導入プロジェクトには、情報システム部門だけでなく保全部門と製造部門が参加する必要があります。
AI予知保全の導入費用|公開料金と見積もりの内訳
公表例:10センサーで初期約250万円から、月額相当4〜5万円
予兆保全システム「Sanwa AI EYES」の公式サイトには、センサー10台のスモールスタートで初期約250万円から、ランニング費用は月額相当4〜5万円程度という料金例が掲載されています。また、30台の構成では初期約450万円から、月額相当8〜9万円程度の例が示されています(いずれも税別の概算)。[5]
この料金例では、センサーや通信機器だけでなく、現地調査、施工、設置・設定が初期費用に含まれています。工場に通信環境があるか、設備をどの範囲まで監視するかによって必要な構成が変わります。「AIソフトだけの値段」ではなく「設備の状態を見られるまでの値段」を比べることが、見積もりの出発点になります。

初期費用は機器よりも、現場で動く仕組みまで含める
見積もりはセンサー、通信・データ収集、分析ソフト、現場への設置、監視画面、既存システムとの連携、運用支援に分けると比較しやすくなります。センサーを既設の設備から取り出せるなら、追加工事を抑えられる可能性があります。一方、屋外や防爆エリアでは通信・安全対応の設計が必要です。
| 費用項目 | 主な内容 | 見積もりで確認すること |
|---|---|---|
| 計測設備 | 振動・温度・電流センサー、設置作業 | 既設の計測器を流用できるか |
| 通信・収集 | ゲートウェイ、ネットワーク、データ保存 | 通信が届かない場所はないか |
| AI・分析 | 異常検知、通知、監視画面、専門家診断 | アラート後の原因分析を誰が行うか |
| 現場運用 | 教育、対応手順、保全履歴、保守 | 24時間対応と再学習の範囲 |
費用対効果は「防げた停止損失」で考える
試算の前に、設備が1回停止すると何が失われるかを整理します。修理部品代だけではありません。稼働しない時間の限界利益、緊急手配費、段取り替え、廃棄、納期遅延なども評価対象です。売上高をそのまま損失とみなすと、効果を大きく見積もりすぎます。
例えば、ある重要設備の停止で1時間あたり15万円相当の損失が発生し、停止が12時間続くと仮定すると、1回の損失は180万円です。AIによる早期対応で年間1回の停止を避けられたと仮定すれば、年間180万円分の損失を回避できます。
初期費用250万円、月額運用5万円という説明用の架空条件なら、年間運用費は60万円です。停止を年1回防げた場合の180万円から差し引くと、年間の便益は120万円。初期費用250万円を120万円で割れば、単純回収期間は約2.1年となります。自社の停止履歴をこの計算に当てはめれば、導入費用と設備停止の損失を同じ尺度で比較できます。

自社での試算には、過去の故障回数、1回の停止時間、交換部品が届くまでの日数を使います。そこに異常の通知から点検・交換までに必要な時間を重ねると、早期検知によってどれだけ修理の準備を前倒しできるかが見えてきます。設備停止を何回避けられそうかだけでなく、現場が実際に動けるかまで含めて費用対効果を判断できます。
AI予知保全の導入手順|まず1設備・1故障で検証する
最初から工場全体の設備をつなぐと、異なる機械・運転条件・故障パターンが同時に入り、何が効いたのか判断しにくくなります。経済産業省のガイドブックも、対象のポンプや故障状況を絞って技術検証を進めた事例を紹介しています。[3]

1.止まると困る設備を一つ選ぶ
候補は「故障したら困る」だけでなく、過去の停止回数、停止時間、交換部品の納期、点検の負担で比較します。設備保全の記録がExcelや紙に分散していても、まずは対象設備の過去1〜2年の保全履歴をできる範囲で集めます。
2.故障の前兆が測れるかを確かめる
例えば、軸受の摩耗なら振動、モーターの過負荷なら電流が故障の手掛かりになります。最初に保全員と「どの故障の前触れを捉えたいか」を決め、センサーの種類・取付位置・測定間隔を具体化します。故障につながる変化を狙って測ることで、得られたデータを点検や修理の判断につなげやすくなります。
3.既存点検と並行し、アラートの有用性を測る
学習用データとは別の期間で判定を評価します。見逃しの有無だけでなく、1週間に何回アラートが出たか、どれほど前に異常を知らせたか、保全員がどう判断したかまで記録します。重大な設備では、モデルを試すために法定点検や既存の安全管理を省略してはいけません。
4.保全計画と接続し、必要な設備へ展開する
通知先、保全記録、部品発注、夜間対応の基準を決めた後、対象設備を増やします。別の機械や運転条件でもアラートが役立つかを確かめ、必要に応じて判定条件を調整します。一つの設備で使えるようになった運用を、次の設備でも再現することで、工場全体の保全体制へ広げていけます。
予知保全システムの選び方|AIの精度より先に確かめること
自社の設備に合う3つの導入パターン
選択肢は大きく分けて、既存データでの監視、センサーを追加する監視、AIと専門家診断を一体で導入する方式です。設備の種類と社内の保全人員によって、適する選択肢は違います。
| 導入パターン | 向いている状況 | 最初の確認事項 |
|---|---|---|
| 既存データを活用 | PLCや監視システムに履歴がある | 必要な周期・品質でデータを取得できるか |
| センサーを後付け | 古いポンプやモーターの状態が見えない | 取付位置、通信、防爆、電源 |
| AI+専門家診断 | 異常を発見しても原因判断が難しい | 原因分析、改善提案、緊急時対応の範囲 |

ベンダーに確認したいのは、予測精度より「行動できる情報」
導入前の実機テストでは、正常運転時のデータだけでなく、品種切替や負荷変動も再現します。確認したいのは、アラートの正解率そのものに加えて、故障を防ぐために何時間・何日前に連絡が届き、誰が対処できるかです。
画面に「異常」と表示されるだけの製品と、振動の原因を解析して点検方法まで提案するサービスでは、現場の負担が変わります。保全の専門家が不足しているなら、導入後の診断支援も含めて選んだ方が、予算に見合う効果を得やすくなります。
製造業全体のAI活用と比較したい場合は、AI Front Trendの製造業×AI導入・活用事例22選も参考になります。本記事では、その中でも設備停止を防ぐための予知保全に対象を絞っています。
まとめ|設備が止まる前に、修理の段取りを組める現場へ
設備が故障した朝に、部品の在庫と修理会社を探し始める。AI予知保全が変えるのは、そんな時間の使い方です。振動や温度の小さな変化を拾い、保全員が原因と優先順位を判断できれば、設備が動いているうちに修理の準備を始められます。
住友電工焼結合金の事例では、異音だけでは決めにくかった交換対象を振動データが絞り込みました。NSKの事例では、センサーの異常検知が軸受の診断とグリスアップにつながっています。[1][2] 目指すのは、AIの画面を増やすことではなく、突然の停止に振り回される時間を減らすことです。
最初の検討では、設備を一つ選び、「何が壊れると何時間止まるか」「その前兆を何で測れるか」「異常を知った後に誰が動くか」を確認する。そこから、必要なセンサー、AIの方式、費用対効果が具体的になります。
製造業のAI活用・設備保全DX
設備が止まる前に、できることを増やす。
保全履歴や設備データを活用し、どの工程からAIを試すべきか。データの取得方法から小規模な検証、既存システムとの接続まで、設備の状況に合わせた導入の進め方をご相談いただけます。
AI予知保全・製造DXについて相談する参考資料・出典
- 三井情報(2026年7月9日)「住友電工焼結合金に予兆検知サービスを導入」
- 日本精工(2025年12月25日)「状態監視とAIで設備保全の未来を切り拓く」
- 経済産業省「AI導入ガイドブック 製造業へのAI予知保全の導入」p.9–10
- 三井情報(2026年9月30日)「スターゼンの食品工場DX支援にAssetWatchを導入」
- Sanwa AI EYES公式サイト「料金プラン例」(2026年11月15日確認)
費用対効果の「15万円/時」「12時間」「250万円・5万円/月」などは、計算を示すための架空試算。実在企業の導入効果ではありません。


