智能工厂 | 利用人工智能和物联网将故障防患于未然

点检和维护是维持生产线安全运行和按计划生产所必不可少的作业（图1）。而且，这也是一项需要难以忽视的时间、成本和人员的作业。但近年来，由于少子老龄化不断加剧，劳动力短缺问题日趋明显，维护人员越来越短缺。而且，由于它不是直接创造产品价值的作业，所以很多企业希望在此项作业中尽可能不使用人工。

在生产线停机当中，短时间停机是由生产线部分工序的短时间作业迟延、装置发生故障、装置间协调不良等多种因素不断积累而造成的。由于它是由多种因素综合而造成的现象，所以很难事先预测它发生。

然而，最近已经能够通过物联网收集并实时掌握装置的稼动状况和作业人员的动作数据。而且，通过积累收集的数据并进行大数据分析，参考过去发生的事例预测短时间停机发生的技术已经确立。预测到会发生短时间停机时，可以通过调整可能导致它发生的装置的工作条件或补充作业人员来将其防患于未然。

另一方面，需要修理的故障是由于机械零部件的磨损和疲劳、污垢和异物附着、腐蚀和温度变化引起的膨胀等原因造成的。由于导致故障的变化是渐进式的，而且原因很复杂，所以很难预测会何时发生。

迄今为止，为了避免发生需要修理的故障，一直在进行彻底的定期点检，并对使用了一定时间后的消耗性零部件进行提前更换。这种预防性维护方法称为“预防性保养”。预防性保养存在2个问题。一是装置的零部件存在个体差异，故障可能比预期发生得更早。另一个是即使零件仍然完全可以使用，也需要在使用到寿命结束之前就更换，造成了浪费。

然而，近年来，已经可以利用物联网和人工智能感知导致故障的迹象并提前进行处理。这种维护方法称为“预测性保养”（图2）。

通过装置上安装的传感器收集外观、声音、压力、热量、振动等数据，并利用人工智能等分析技术，提前感知制造装置的故障和缺陷的迹象。通过预测性保养，可以将消耗性零部件使用到寿命结束，并且可以有计划地订购和维护零部件。

在已经运营多年的工厂中，可能会有一些通过装置的稼动声音和手掌感受到的振动就能感知装置异常的熟练工程师。这些熟练工程师感知异常的能力防止了短时间停机和需要维修的装置故障。

但是，随着少子老龄化的加剧，熟练工程师的数量持续减少。这是因为技能继承很困难，继承技能的人才也不多。在智慧工厂，可以构建一套体制，对工厂内的所有装置以一年365天、一天24小时的体制进行监控，不会遗漏任何异常，这是依赖个人技能的传统方法不可能实现的。

此外，由于数据收集和分析技术的进化和异常感知精度的提高，现在不仅可以预测故障，还可以事先感知正品率降低和质量劣化等。为了提高异常感知的精度，必须从正确的位置收集足够数量的高质量数据。为此，构成收集数据的物联网终端的传感器、通信模块和电池等的进化必不可少（图3）。

首先，为了不限制收集数据的场所，需要减小这些电子元件的尺寸、重量和电力消耗。此外，还要具备即使在工厂内的恶劣环境中也能稳定运行的高度耐环境性和抗噪性。

近年来，将环境内的光、温度差、电磁波、振动等能量转换为电能、作为物联网终端的电源使用的能量收集（环境发电）的使用范围也开始逐渐扩大。今后，通过提高电池驱动物联网设备耐环境性的技术——氧化物型全固态电池实用化，物联网设备的设置场所可能会进一步增加。