予防保全と予知保全の違いと実践方法｜段階的な保全レベルの上げ方

予防保全と予知保全の違いと実践方法｜データで設備を守る新たな常識

設備保全には「壊れてから直す事後保全」「定期的に交換する予防保全」「状態を監視して交換時期を判断する予知保全」の3段階があります。多くの現場は事後保全から脱却できずにいますが、予防保全に切り替えるだけで突発停止は大幅に減らせます。

しかし、「予防保全」と「予知保全」の違いを正確に理解し、どうやって実践していけばいいのか？本記事では、具体的なアプローチを解説します。

予防保全と予知保全の違い

予防保全（Preventive Maintenance）は、「時間や使用回数など、決められた周期で部品交換や点検を行う」方法です。たとえば、車のエンジンオイルが「5,000kmごと」や「6ヶ月ごと」に交換するのと同じ考え方です。

予知保全（Predictive Maintenance）は、「設備の状態をリアルタイムで監視し、劣化の兆候を捉えて必要なときだけ交換する」方法です。オイルの劣化センサーが「そろそろ交換時期です」と教えてくれるイメージです。

つまり、予防保全は「定期健康診断」、予知保全は「フィットネストラッカーで24時間監視」の違いです。

人間ドックに例えると？

たとえば、人間の健康に例えてみましょう。

予防保全は「1年に1回の健康診断」です。年1回の血液検査とレントゲンで異常の有無を確認します。しかし、健康診断の1ヶ月前にガン細胞ができていたら？その1年間は気づかないまま過ごしてしまいます。

予知保全は「スマートウォッチの健康監視」です。心拍数、血圧、睡眠パターンを24時間記録し、異常なパターンが出たらすぐに警告します。健康診断を待たずに、早期発見・早期対応が可能です。

設備も同じです。定期点検で「あ、壊れてた」では手遅れです。リアルタイムで状態を監視し、壊れる前に手を打つ——それが予知保全の本質です。

予知保全の具体的なアプローチ

それでは、どうやって「予知」するのでしょうか？

1. 振動モニタリング

設備の異常を検出する最も一般的な方法が振動センサーです。モータ、ベアリング、ギアボックスなど、回転する部品は必ず固有の振動パターンを持っています。

ベアリングが劣化すると、以下のような変化が起きます：

高周波成分の増加（すべりやきしみ）
特定ピーク周波数の異常上昇（損傷位置で異なる）
振動レベルの緩やかな上昇（摩耗の進行）

これらの変化をAIで学習させることで、2〜3週間前に故障を予測できるようになります。

2. 異音・音声解析

人間の耳では気づきにくい高周波音や超音波を、センサーで捉える方法です。ガス漏れ、蒸気漏れ、電気的なコロ放電などは、特徴的な音を発生させます。

異音センサーは、ベアリングの初期損傷や、配管の微細な漏れを検出するのに有効です。

3. 温度モニタリング

異常発熱は、多くの故障の前兆です。

電気系統：接触不良による発熱、接続部の緩み
機械系統：ベアリングの潤滑不良、冷却系統の詰まり
配管系統：詰まりによる局部的な温度上昇

赤外線サーモグラフィーや温度センサーで、微小な温度変化を捉えます。

4. 電流・電力モニタリング

モータに流れる電流を監視することで、負荷変動や効率低下を検出できます。

起動電流の異常 → ベアリングの焼き付き
運転電流の増加 → 負荷の増大、ベアリングの劣化
電流波形の乱れ → 巻線の絶縁劣化、電源の問題

電流センサーは安価で導入しやすく、初めての予知保全に最適です。

5. 圧力・流量モニタリング

油圧系統や空気圧系統では、圧力と流量の変化が劣化のサインになります。

圧力低下 → ポンプの劣化、配管の詰まり、シリンダの内漏れ
流量低下 → フィルターの詰まり、配管の狭窄

AI時代のスマートなやり方

従来の予知保全は、専用のセンサーと高価な分析ソフトが必要でした。しかし、AI時代にはもっとスマートな方法があります。

エッジAI + センサーフュージョン

複数のセンサー（振動 + 温度 + 電流）を組み合わせ、エッジAIでリアルタイム解析します。単一センサーでは見逃していた異常を、複数データの組み合わせで高精度に検出できます。

たとえば、振動の微増だけでは「様子見」ですが、振動微増 + 温度上昇 + 電流増加が同時に起きれば「ベアリング劣化の可能性大」と判断できます。

ディープラーニングによる異常検知

「正常な状態」をAIに学習させ、そこからの逸脱を異常とみなすアプローチです。故障データが少ない場合でも、正常データさえあれば異常を検出できます。

LLMを活用した自然言語レポート

センサーデータをAIが読み取り、「先週と比較して振動が15%増加しています。ベアリングの交換を推奨します」というレポートを自動生成します。専門知識がなくても、現場の判断をサポートできます。

具体的にどんなデータを取るべきか？

データは「いくつも取れる時代」ですが、何を取ればいいのか迷います。以下の優先順位で導入するのがおすすめです。

【第1優先】電流データ（最も導入が簡単）

導入コスト：三相モータ1台あたり5,000〜2万円程度
取得周期：1秒〜1分間隔
分かること：負荷変動、ベアリング劣化、効率低下
導入方法：CTセンサーで非接触取得。データロガーで記録

モータの電流を現場で手軽に測るなら、クランプメーター（クランプ式電流計）が1台あると予知保全の第一歩になります。Amazon でも入手できます。

【第2優先】温度データ

導入コスト：センサー1個500〜3,000円程度
取得周期：1分〜10分間隔
分かること：冷却不良、接触不良、摩擦熱
導入方法：熱電対やサーミスタを設備に直接取り付け

【第3優先】振動データ

導入コスト：センサー1個2〜10万円程度
取得周期：リアルタイム（1kHz以上のサンプリング）
分かること：ベアリング劣化、アンバランス、軸ずれ、歯車の損傷
導入方法：加速度センサー。エッジAIで即時解析

【第4優先】その他

圧力・流量：油圧系統、空調系統の監視
音声：ガス漏れ、放電、異常音の検出
回転数・トルク：負荷の変動、伝達効率の低下

導入のステップ

予知保全をゼロから始める場合、以下のステップで進めるのが現実的です。

故障履歴を分析する：過去1年間の突発停止記録から、故障しやすい箇所を特定する
優先設備を決める：生産への影響度、故障頻度、修復コストを考慮して、監視対象を決める
最も導入しやすいセンサーから始める：電流センサーが最もコスパがいい
データを蓄積する：まずは3〜6ヶ月、正常時のデータを蓄積する
異常のしきい値を設定する：正常データの傾向から、異常判定の基準を決める
AI・自動アラートを導入する：データ蓄積ができたら、自動検知システムを導入する

まとめ

予防保全は「定期的な健康診断」、予知保全は「24時間の健康監視」。人間ドックに例えると、年1回の健診だけでは見逃す病気も、日常的なモニタリングで早期発見できます。

AI時代には、センサーデータをAIが解析することで、専門知識がなくても予知保全を実現できます。まずは電流センサーという簡単なところから始め、段階的に高度なシステムへと進めていきましょう。

出典・参考

「TPMとは？保全に必要な基礎知識」, EXA, 2026
「予防保全とは？事後保全・予知保全との違い」, Instant Engineering, 2026
「予知保全のための振動モニタリング入門」, メンテナンス総合技術センター

あわせて読みたい

当サイトはAmazonのアソシエイトプログラムに参加しています。