2017 製造業のIoT活用の実態と展望 －保全・故障予知の現状とAI（人工知能）の可能性－
AI（人工知能）が話題となっているが、製造業分野で最も適用が期待されるのが故障予知ソリューションである。ここ数年、PoC（概念検証）が積極的に行われ、ＡＩベンダー、ＩＴベンダー、ユーザー企業などがその実現にむけて注力している。本調査レポートは、故障予知ソリューションについて、特にAI活用の観点から、同市場の現状の把握および将来の進展についてまとめることで、製造業およびソリューションベンダーの事業戦略作成に資することを目的とする。製造業（ユーザー企業）へのアンケート、ITベンダー、機器製造事業者など幅広い観点から調査を行い、分析している。
※紙媒体で資料をご利用される場合は、書籍版とのセット購入をご検討ください。書籍版が無い【PDF商品のみ】取り扱いの調査資料もございますので、何卒ご了承ください。
調査資料詳細データ
調査目的：AI（人工知能）が話題となっているが、製造業分野で最も適用が期待されるのが故障予知ソリューションである。しかし、期待先行の印象は否めず、実際の適用はどの程度進んでいるのか分からない状況となっていた。本レポートは、故障予知ソリューションについて、特にAI活用の観点から、同市場の現状の把握および将来の進展についてまとめることで、製造業およびソリューションベンダーの事業戦略作成に資することを目的とする。
調査対象市場：インタビュー（非ITベンダー（機器ベンダー、プラント設営事業者）およびITベンダー）/ 電話アンケート（国内の製造業（年商規模100億円以上））
調査方法：直接面接取材、電話アンケート調査、文献調査その他データ収集
調査期間：2016年12月～2017年7月
- 保全の全体像を記載しつつ、状態監視（CBM）を適用すべき領域についての考え方を記載。
- 故障予知技術については、工学アプローチとデータアプローチの二つにわけ、全体俯瞰の観点から整理。
- 故障予知におけるAIの活用について、その現状と実際を詳細に記載。
- CPS（サイバーフィジカルシステム）の実現、故障予知技術の進展、IoTプラットフォームの活用、AIの活用、こうした新たな動きをどのように理解すべきか将来シナリオを掲載。
- 製造業217社へのアンケートで、今後、故障予知ソリューションのターゲット候補として有力な機械を明らかに。
- 保全の現状、工場のIT化など、Industrie4.0へ向けて役立つ設問多数。
総論
1.保全とは
2.故障予知技術
3.AIの限界
4.市場規模予測
5.保全の現状
6.プロフィール
7.重要設備の保全状況
8.工場全体に関する項目
■掲載内容
調査結果のポイント
１．市場動向
２．企業動向
３．展望と課題
総論
1.保全とは
1.1.保全の考え方－歴史的流れ
1.2.TBMからCBM
図表1 保全の変遷
図表2 バスタブ曲線
図表3 JISによる保全方式
1.3.どの設備にCBMを適用するのか
1.3.1.設備の重要度
図表4 リスクランキング表
1.3.2.本レポートでのリスクの考え方
図表5 保全方針決定のマトリクス
図表6 重要設備に該当する設備・機器
2.故障予知技術
2.1.工学アプローチとデータアプローチ
2.2.工学アプローチ
2.2.1.対象
2.2.2.方法
2.2.3.判定の種類
図表7 状態監視の判定方法
2.3.データアプローチ
2.3.1.統計的手法とAI
2.3.2.機械学習とは ～データから自動的にパターンや構造を見出すAI
2.3.3.統計 vs 機械学習？
2.4.PHM（製品・設備の状態管理と故障予測）
2.4.1.概要
2.4.2.PHMの特徴
2.4.3.PHMに関する最近の動き
3.AIの限界
3.1.AI盛り上がるマーケ分野、慎重な製造分野
3.2.商業／製造業 異なる背景
図表8 商業向けと製造業向けの違い
3.2.1.その異常判定は、故障の前兆なのか不明瞭（精度の問題）
現状
対策へのヒント
図表9 年故障予兆システムを導入してもよいと思う的中確度
3.2.2.AIが故障予知しても、次のアクションが不明（因果関係の問題）
現状
対策へのヒント
3.2.3.モデルは、個別に異なり、横展開しにくい（個別性の問題）
現状
対策へのヒント
3.3.ビジネス化の壁
3.4.その限界は本当に限界か
4.市場規模予測
4.1.故障予知＋AIの市場環境
図表10 当時の故障予知＋AIに関する矢野経済研究所の見立て
4.2.市場規模と今後の推移
4.2.1.現状
4.2.2.今後の展開について
スマートファクトリーとスマート機器の観点
スマート機器の登場と製造業のサービス業化
スマートファクトリーの進展
CPS、インダストリアル・インターネット実現に向けた進捗
故障予知への取り組みは、CPS時代を見据えたメカニズム把握の手段
4.2.3.今後のシナリオ
～2019年まで
2020～2025年
2026～2030年
図表11 工場のCPSとIoTプラットフォーム連携（イメージ図 2025年頃を想定）
参考：2015年AIレポートから
AIを適用し得る業界・業務
図表12 国内におけるAI活用分野と評価
故障予防、予防保全
図表13 故障予防・予知保全+AIが与える影響の評価
参考：ビジネスモデル変化 製造業のサービス業化
課金方式
図表14 さまざまな課金方式
5.保全の現状
5.1.コンプレッサーが重要設備の筆頭に
図表15 保全方針決定のマトリクス（再掲）
図表16 該当設備・機器
5.2.重要設備ではCBM活用もかなりの数に
図表17 保全ポリシー
図表18 機器別保全ポリシー
図表19 業界別保全ポリシー
図表20 年商規模別保全ポリシー
5.3.メンテナンス頻度
図表21 メンテナンス頻度（重みづけ）
5.4.故障時対応について
5.5.トラブル解消に必要な情報
図表22 故障やトラブル解消のために必要な情報
5.6.データ収集・活用
図表23 業種別データ収集方法
図表24 業種別データ活用状況
5.7.計画外で発生する保全対策費用
図表25 計画外で発生する保全対策費用
5.8.保全等における困りごと
図表26 保全等における困りごと
図表27 困りごとへの対策
5.9.故障予兆システムを導入してもよいと思う的中確度
図表28 故障予兆システムを導入してもよいと思う的中確度
5.10.工場現場のIT化
図表29 工場現場のIT化
企業の取組動向
日揮
図表30 ビッグデータ・ソリューション事業 概念図
図表31 ビッグデータソリューションサービス一覧
前川製作所
明電舎
図表32 変圧器オンライン余寿命診断システム システム構成例
図表33 取得データ項目一覧
ＮＥＣ
図表34 インバリアント分析
電通国際情報サービス
図表35 ISIDが提示する保全レベルの定義
図表36 Watchdog Agentアルゴリズム例
富士通
図表37 光ファイバーの設置箇所
マイクロソフト/ティッセンクルップ
集計データ
6.プロフィール
6.1.業種（詳細）
6.2.業種（5区分）
6.3.売上高規模
6.4.工場タイプ①
6.4.1.工場タイプ①×売上高規模
6.5.工場タイプ②
6.5.1.工場タイプ②×売上高規模
7.重要設備の保全状況
7.1.該当設備・機器
7.1.1.該当設備・機器×業種
7.1.2.該当機器×売上高規模
7.2.保全ポリシー
7.2.1.該当設備・機器×保全ポリシー
7.2.2.保全ポリシー×業種
7.2.3.保全ポリシー×売上高規模
7.3.メンテナンス頻度
7.3.1.メンテナンス頻度×該当設備・機器
7.3.2.メンテナンス頻度×業種
7.3.3.メンテナンス頻度×売上高規模
7.4.主な導入形態
7.4.1.導入形態×業種
7.4.2.導入形態×売上高規模
7.5.故障内容・故障時対応・保全の分岐点
7.6.トラブル解消に必要な情報
7.6.1.トラブル解消に必要な情報×業種
7.6.2.トラブル解消に必要な情報×売上高規模
7.7.データ収集方法
7.7.1.データ収集方法×業種
7.7.2.データ収集方法×売上高規模
7.8.データ活用
7.8.1.データ活用状況×業種
7.8.2.データ活用×売上高規模
8.工場全体に関する項目
8.1.計画外で発生する保全対策費用
8.1.1.計画外で発生する保全対策費用×業種
8.1.2.計画外で発生する保全対策費用×売上高規模
8.2.保全等における困りごと
8.2.1.保全等における困りごと×業種
8.2.2.保全等における困りごと×売上高規模
8.3.困りごとへの対策
8.3.1.困りごとへの対策×業種
8.3.2.困りごとへの対策×売上高規模
8.4.故障予兆システムを導入してもよいと思う的中確度
8.4.1.故障予兆システムを導入してもよいと思う的中確度×業種
8.4.2.故障予兆システムを導入してもよいと思う的中確度×売上高規模
8.5.工場現場のIT化
8.5.1.工場現場のIT化×業種
8.5.2.工場現場のIT化×売上高規模
8.6.IoTやAIなどへの期待や保全に関する意見等
このレポートの関連情報やさらに詳しい情報についての調査を検討したい
矢野経済研究所では、
個別のクライアント様からの調査も承っております
マーケティングや経営課題の抽出、リサーチの企画設計・実施、調査結果に基づく具体的な戦略立案・実行支援に至るまで、課題解決に向けた全ての段階において、クライアント企業をトータルでサポート致します。