イーテック合同会社 | 製薬・食品・化学工場のエンジニアリング戦略・脱炭素コンサルティング

データドリブン保全の第一歩 ― センサーデータから価値を引き出すには

rosutami — Sat, 25 Jul 2026 02:00:00 +0000

はじめに

「IoT」「予知保全」「AI」「デジタルツイン」――製造業のメディアやカンファレンスでは、こうしたバズワードが毎日のように飛び交っている。ベンダーのプレゼンテーションを聞けば、センサーをつけてクラウドにデータを上げるだけで、設備の故障が予測できるように聞こえるかもしれない。

しかし、現実はそう単純ではない。センサーデータを活用して保全の意思決定を実際に改善している工場は、まだ少数派だ。多くの工場が「IoTプラットフォームを導入したが、データが溜まるだけで活用できていない」「AIモデルを試したが精度が出ない」「結局、ベテラン技術者の判断に頼っている」という状況にある。

問題の根本は、テクノロジーそのものではなく「何のためにデータを集め、どう活用するのか」という戦略の欠如にある。本記事では、データドリブン保全を段階的に成熟させるフレームワークを提示し、「テクノロジー先行」ではなく「課題先行」のアプローチを解説する。

結論（先に3行）

データドリブン保全は「可視化→診断→予測→最適化」の4段階で成熟させるべきであり、Level 1（可視化）を飛ばしていきなりAI予知保全を目指すと失敗する。
全設備にセンサーをつけるのではなく、最も困っている重要設備の上位3〜5台から始め、「このデータで何の問題を解くのか」を明確にしてから技術を選定する。
成功の鍵はテクノロジーではなく、データを読み解き行動に変える「人」と「プロセス」の整備であり、ベテラン技術者の知見とデータの組み合わせが最も価値を生む。

データ活用の成熟度モデル ― 4つのLevel

データドリブン保全の成熟度は、4つのLevelで段階的に進化する。各Levelを飛ばすことはできず、前のLevelの基盤があってこそ次のLevelが成立する。多くの失敗事例は、Level 1すら確立していない状態でLevel 3（予知保全）を目指すことに起因している。

Level 1：可視化（What is happening?）

最初のステップは、設備の状態をリアルタイムで「見える」ようにすることだ。振動値、温度、圧力、電流値、流量などのセンサーデータをダッシュボードで表示し、現在の状態と過去のトレンドを確認できるようにする。

Level 1の段階でも、十分な価値が得られる。これまでは巡回点検で1日1回しか確認できなかったデータが、連続的にモニタリングされることで、異常の早期発見が可能になる。「昨日の巡回時は正常だったが、深夜に急激な振動上昇があり、今朝には危険域に達していた」――こうした事象が可視化によって捉えられるようになる。

Level 1で重要なのは、「見える」だけでなく「気づく」仕組みを作ることだ。閾値を設定してアラートを発報する機能があれば、24時間365日の監視が人手なしで実現する。最初のアラート閾値はメーカー推奨値やISO基準（例：振動であればISO 20816（旧 ISO 10816））を参考に設定し、運用しながら自社の設備に合わせて調整していく。

Level 1の実装において、近年はワイヤレスセンサーとクラウドベースのモニタリングプラットフォームの普及により、初期投資のハードルが大幅に下がっている。従来の有線センサーシステムでは配線工事だけで数百万円かかったものが、ワイヤレスセンサーとゲートウェイの組み合わせで数十万円から導入可能になっている。一方で、工場のネットワーク環境（WiFi電波の届きにくい金属構造物が多い環境）やセキュリティポリシー（工場ネットワークへの外部デバイス接続制限）には事前の確認が必要だ。

また、すべてのデータをクラウドに上げる必要はない。エッジコンピューティング（データ発生源の近くで処理する方式）を活用すれば、大量のデータからアラートに必要な情報だけを抽出してクラウドに送ることで、通信コストとデータ管理の負担を抑えられる。Level 1の段階ではシンプルなアーキテクチャを選択し、データ量の増加に応じて段階的にスケールアップするのが現実的だ。

Level 2：診断（Why is it happening?）

Level 2では、「何が起きているか」だけでなく「なぜ起きているか」を分析する段階に進む。複数のセンサーデータの相関分析、故障パターンの認識、過去の故障事例との照合により、異常の原因を推定する。

例えば、ポンプの振動値が上昇しているとする。Level 1では「振動が閾値を超えた」というアラートが出るだけだが、Level 2では振動の周波数スペクトルを分析し、「回転数の1倍成分が卓越しているのでアンバランスが原因」か「回転数の内輪通過周波数成分が見られるので軸受の内輪損傷」かを判別できる。原因が特定できれば、対策の精度が格段に上がる。

Level 2の実現には、データ分析のスキルを持つ人材が必要だ。必ずしもデータサイエンティストを雇う必要はなく、設備に精通した保全技術者が基本的なデータ分析手法（トレンド分析、相関分析、FFT周波数分析など）を習得することで対応できる。ベテラン技術者の「この音がおかしい」という感覚を、データで裏付けるイメージだ。

Level 3：予測（What will happen?）

Level 3は、いわゆる「予知保全（Predictive Maintenance）」の段階だ。過去のデータパターンと機械学習モデルを活用し、「あとどのくらいで故障に至るか」を予測する。RUL（Remaining Useful Life：残存有効寿命）の推定がその核心技術となる。

予知保全の魅力は大きいが、現実には多くのハードルがある。第一に、機械学習モデルのトレーニングには、「正常時のデータ」と「故障に至るまでのデータ」の両方が必要だが、後者は故障が起きなければ得られない。信頼性の高い設備ほど故障データが少なく、最も予知保全を導入したい設備ほどモデル構築が難しいというパラドックスがある。

第二に、モデルの精度が実用レベルに達するまでには、相当量のデータ蓄積と試行錯誤が必要だ。「3ヶ月でAI予知保全を導入」という計画は、ほぼ確実に楽観的すぎる。第三に、モデルのアウトプットを保全の意思決定に変換するプロセス設計が必要だ。「故障確率が70%と表示されたが、どうすればいいのか」という現場の声に応えられなければ、予知保全は機能しない。

Level 3に到達するための現実的なアプローチは、まずLevel 1とLevel 2をしっかり確立し、データの蓄積と設備理解を深めた上で、最もデータが豊富で故障パターンが明確な設備から試行することだ。回転機器（モーター、ポンプ、コンプレッサー）は振動データとの相関が高く、予知保全のパイロット対象として適している。

予知保全に過度な期待を持たないことも重要だ。現時点のAI技術で「いつ故障するか」をピンポイントで予測することは、多くの設備では困難だ。しかし、「劣化が進行しており、数週間以内に対応が必要」レベルのアラートであれば、Level 2の延長線上で十分に実現可能であり、これだけでも計画外停止の大幅な削減につながる。「AIが完璧な予測をする」ことを目指すよりも、「保全技術者の判断を支援するレベルの情報を提供する」ことを目標とした方が、現実的かつ早期に成果が出る。

Level 4：最適化（What should we do?）

Level 4は、予測結果に基づいて保全計画を自動的に最適化する段階だ。故障予測、スペアパーツの在庫状況、保全要員のスケジュール、生産計画との整合性を総合的に考慮し、「いつ、どの設備に、どの保全を実施するのが最適か」をシステムが提案する。

現時点でLevel 4に到達している工場は世界的にも少数だが、デジタルツインやAIの進化に伴い、今後5〜10年で徐々に現実味を帯びてくると考えられる。重要なのは、将来のLevel 4を見据えて、今からLevel 1〜2のデータ基盤を構築しておくことだ。

まず始めるための実践ガイド

Step 1：問題から始める、技術からではなく

最も重要な原則は「テクノロジー先行」ではなく「課題先行」で始めることだ。「IoTプラットフォームを導入しよう」からスタートするのではなく、「この設備の突発故障を減らしたい」「この故障の予兆を捉えたい」という具体的な課題から出発する。課題が明確になれば、必要なデータ、センサー、分析手法が自然と定まる。

Step 2：パイロット設備を選ぶ

全設備にセンサーをつけるのではなく、パイロットとして3〜5台の設備を選定する。選定基準は、故障頻度が高いまたは故障時の影響が大きい（ビジネスインパクト）、故障メカニズムが比較的理解されている（分析の成功確率が高い）、既存のセンサーや計測点がある程度利用できる（追加投資を最小化）、という3つだ。最も困っている設備から始めることで、成功時のインパクトが最大になる。

Step 3：小さく始めて学ぶ

パイロット設備に対して、まずはLevel 1（可視化）を実現する。既存のPLCやDCSから取得できるデータがあれば、追加投資なしで始められる場合もある。新規にセンサーを設置する場合も、振動センサー1台は数万円から入手可能だ。データの収集と可視化ができたら、保全チームと一緒にデータを眺める時間を設ける。「この振動パターンは何を意味するか」「このトレンドの変化はいつから始まったか」――ベテラン技術者の知見とデータを突き合わせることで、Level 2への移行が自然に始まる。

センサーと技術の選定 ― 何を測るべきか

データドリブン保全で最も一般的に活用されるセンサー技術は以下の通りだ。振動センサーは回転機器（モーター、ポンプ、ファン、コンプレッサー）の軸受劣化、アンバランス、ミスアライメントの検出に最も実績がある。温度センサー（サーモカップル、RTD、赤外線）は電気設備の接続部劣化、軸受の過熱、プロセス異常の検出に有効だ。電流センサーはモーターの負荷変動、巻線劣化の検出に活用できる。超音波センサーは蒸気トラップの不良、圧縮空気の漏れ検出、軸受の初期劣化検出に使われる。油分析は潤滑油中の金属粒子、水分、酸化度から機器内部の摩耗を検出する。

技術選定で最も重要なのは、「何の故障モードを検出したいか」から逆算することだ。前回の記事で解説したFMEAの結果が、ここで直接的な指針となる。FMEAでHigh（またはRPN高値）と判定され、かつ現在の検出手段が不十分な故障モードに対して、適切なセンサー技術を選定する。闇雲にセンサーをつけるのではなく、FMEAに基づく「検出性（Detection）の改善」として位置づけることで、投資の妥当性を論理的に説明できる。

投資対効果の示し方

データドリブン保全への投資を経営層に承認してもらうためには、ROIを定量的に示す必要がある。最もシンプルなアプローチは、「回避コスト」での算出だ。パイロット対象設備の過去3年間の故障実績を集計し、計画外停止による生産損失、緊急修理コスト、二次被害コストの合計を算出する。この合計のうち、状態監視で防げたと推定される割合（保守的に30〜50%）をかけた金額が、年間の期待回避コストだ。

これとセンサー・システムの導入コスト（初期費用＋年間運用費）を比較すれば、投資回収期間が算出できる。多くの場合、重要設備の状態監視は1〜2年で投資を回収できる。本シリーズ第1回で解説した「保全回避コスト」のフレームワークが、ここで再び活用できる。

データドリブン保全でよくある失敗

データの海に溺れる

とにかくデータを集めれば何かわかるだろう、というアプローチは危険だ。毎秒サンプリングで100チャンネルのデータを収集すれば、1日で数GBのデータが生成される。しかし、「何を見たいのか」が明確でなければ、データは単なるストレージのコストになる。「この設備のこの故障モードを検出するために、このパラメータを監視する」という明確な目的を持ったデータ収集が重要だ。本シリーズ第5回・第6回で解説したRCMとFMEAの故障モード分析が、ここで直接的な指針を提供する。

人材育成を怠る

どれだけ高度なツールを導入しても、それを使いこなす人材がいなければ宝の持ち腐れだ。データドリブン保全に必要なスキルは、設備の知識とデータ分析の知識の両方を持つ「ブリッジ人材」だ。外部のデータサイエンティストは設備を知らず、ベテラン保全技術者はデータ分析ツールに慣れていない。両者を橋渡しできる人材の育成、あるいは両者が協働する仕組みの構築が成功の鍵となる。

ベンダー依存の罠

IoTプラットフォームやAI予知保全のベンダーに全面依存すると、ブラックボックス化のリスクがある。「なぜこのアラートが出たのか」をベンダーに問い合わせないとわからない状態では、現場の保全技術者がデータを信頼せず、結局使われなくなる。自社でデータの意味を理解し、分析結果を解釈できる最低限の能力を内部に持つことが、ベンダー依存から脱却し、データドリブン保全を持続可能にするための条件だ。

業界別の考慮事項

製薬工場では、データインテグリティ（ALCOA+原則）がセンサーデータの管理にも適用される。GMP環境下でのデータ収集・保存・活用には、データの帰属可能性、判読性、同時性、原本性、正確性が担保される仕組みが必要だ。また、予知保全の結果に基づいて保全計画を変更する場合、変更管理（Change Control）プロセスを経る必要がある点に注意が必要だ。

食品工場ではFSSC 22000のトレーサビリティ要件に基づき、CCP設備のモニタリングデータは規定期間の保存が求められる。エネルギー業界ではISO 50001に基づくエネルギーデータ管理が同様の要件となり、設備のエネルギー効率トレンドの監視が保全と省エネの両方に活用される。化学プラントではプロセス安全管理（PSM）の文脈で、SIS（安全計装システム）のデータ監視が法的要件に近い重要性を持つ。

まとめ

データドリブン保全は、一足飛びに「AI予知保全」を目指すのではなく、可視化→診断→予測→最適化の段階を着実に上る旅だ。Level 1（可視化）だけでも、異常の早期発見と保全判断の質向上に大きな価値がある。すべてのLevelを同時に達成する必要はない。

最も重要なのは、テクノロジーではなく「問い」から始めることだ。「この設備のこの故障を防ぎたい」という明確な問いがあれば、必要なデータと技術は自然と定まる。逆に、問いなきデータ収集は、コストだけが積み上がる。そして、データの価値を最大化するのは、最終的には「人」だ。ベテラン技術者の知見とデータ分析の融合こそが、データドリブン保全の真髄である。

データドリブン保全の旅は、本シリーズで解説してきたすべての概念と連携する。第1回のKPIがデータの「何を見るか」を定義し、第2回のCMMSが故障データの蓄積基盤となり、第5回・第6回のRCMとFMEAが「どの故障モードのデータを重視するか」の指針を提供する。これらの要素が有機的に結合したとき、データドリブン保全は真の力を発揮する。

まずは最も困っている設備1台から、手元にあるデータの可視化から始めてみてほしい。そこから見えてくるインサイトが、次のステップへの道を照らすだろう。次回の最終記事では、このデータ活用の成果を組織全体で共有するための「ダッシュボード設計」について実践的に解説する。

著者について

ダリウシロスタミ｜イーテック合同会社代表

製薬・食品業界で35年のオペレーショナルエンジニアリング経験を持つ。

主な経験：

エンジニアリング部門のリーダーとして、新規施設立ち上げプロジェクトを統括
バリデーション（IQ/OQ/PQ）、コミッショニングの管理体制構築と技術サポート
Reliability Engineeringプログラムの導入と運用体制の確立
エネルギー最適化戦略の策定とクロスファンクショナルチームのマネジメント
GMP環境での変更管理・逸脱管理システムの構築

専門分野： エネルギー最適化、GMPコンプライアンス、バリデーション、Reliability Engineering、設備投資計画、工場レイアウト設計、プロセス改善、組織マネジメント

現在は東京を拠点に、製薬施設を中心とした包括的なエンジニアリングコンサルティングを提供。「技術と人をつなぐ」ことをモットーに、持続可能な改善と組織づくりを支援している。

お問い合わせ： 工場の省エネとコミュニケーション改善についてのご相談は、こちらからお気軽にどうぞ。初回相談（30分）は無料です。

投稿データドリブン保全の第一歩 ― センサーデータから価値を引き出すにははイーテック合同会社 | 製薬・食品・化学工場のエンジニアリング戦略・脱炭素コンサルティングに最初に表示されました。

故障モード分析（FMEA）の実践 ― リスク優先度の決め方と現場への落とし込み

rosutami — Sat, 11 Jul 2026 02:00:00 +0000

はじめに

「すべての設備に同じ保全をかけている」――この状態は、限られた保全リソースの無駄遣いであると同時に、本当に保全が必要な設備への投資不足を意味する。重要度の低い設備に過剰な予防保全をかけ、重要度の高い設備の予防保全が不十分、というアンバランスは多くの工場で見られる。

RCM（Reliability Centered Maintenance：信頼性中心保全）は、この問題に対する体系的な解答である。1960年代に米国の航空業界で開発され、その後あらゆる産業分野に広がった方法論だ。核心は「すべての設備を同じように保全するのではなく、故障の影響と特性に応じて最適な保全戦略を選択する」というリスクベースのアプローチにある。

RCMの理論は洗練されており、その有効性は数十年の実績で証明されている。しかし、教科書通りに導入しようとすると膨大なリソースが必要になり、多くの工場で「導入を試みたが挫折した」という話を聞く。本記事では、RCMの本質を維持しつつ、現場の現実に合わせた実践的な導入アプローチを解説する。

結論（先に3行）

1. RCMの本質は「設備の重要度と故障特性に応じて、保全戦略をテーラーメイドする」ことであり、画一的な予防保全からの脱却を可能にする。

2. 全設備にフルRCMを適用する必要はなく、重要設備の上位20%にフルRCM、残りにStreamlined RCMを適用する段階的アプローチが現実的だ。

3. RCM導入の最大の壁は方法論の難しさではなく組織の抵抗であり、小さな成功事例（Quick Win）を積み重ねることが最も効果的な突破口となる。

RCMとは何か ― 6つの故障パターンという発見

RCMの出発点となったのは、1960年代に米国連邦航空局（FAA）の委託で行われた大規模な研究だ。この研究で明らかになった最も衝撃的な事実は、設備の故障パターンに関するものだった。当時の常識では、「設備は使えば使うほど故障しやすくなる」（いわゆるバスタブ曲線の磨耗故障期）と信じられていた。しかし研究の結果、この時間依存型の故障パターンは全体のわずか11%に過ぎず、残りの89%は時間とは無関係な故障パターンを示すことがわかった。

この発見が意味するのは、「X時間ごとに部品を交換する」という時間基準の予防保全が、多くの故障モードに対して有効でないということだ。むしろ、状態監視に基づく保全（CBM）や、故障を許容した上で迅速に復旧する保全（事後保全）の方が適切な場合が多い。RCMは、この事実を踏まえて「各故障モードに対して最も効果的かつ効率的な保全戦略を選択する」ための意思決定フレームワークである。

6つの故障パターンの内訳を補足すると、パターンA（バスタブ曲線）が4%、パターンB（磨耗型）が2%、パターンC（漸増型）が5%、パターンD（初期ランダム後安定）が7%、パターンE（ランダム一定）が14%、パターンF（初期故障後安定）が68%だ。つまり、設備の大多数（約68%）は初期不良を除けばランダムに故障し、使用時間に比例して故障率が上がるわけではない。この事実を知っているかどうかで、保全戦略の設計は根本的に変わる。

RCMの7つの基本質問

RCMは、設備ごとに以下の7つの質問に体系的に答えることで、最適な保全戦略を導き出す。

第1問：その設備の機能は何か（Functions）。設備が果たすべき機能を、性能基準も含めて明確に定義する。「ポンプ」ではなく、「冷却水を毎分100リットル以上、3バール以上の圧力で供給する」のように、定量的に定義することが重要だ。

第2問：どのように機能が失われるか（Functional Failures）。機能の完全な喪失だけでなく、部分的な機能低下も含めて特定する。前述のポンプの例では、「まったく吐出しない」だけでなく「流量が50リットル/分以下に低下する」も機能喪失として定義する。

第3問：故障モードは何か（Failure Modes）。機能喪失を引き起こす具体的なメカニズムを特定する。軸受の磨耗、インペラーの腐食、シールの劣化、モーターの焼損など、技術的に考え得る故障モードを洗い出す。

第4問：故障の影響は何か（Failure Effects）。各故障モードが発生した場合に、何が起きるかを具体的に記述する。オペレーターが認識できる兆候、安全や環境への影響、生産への影響、修復に必要な作業と時間を含める。

第5問：故障の結果はどの程度重大か（Failure Consequences）。故障の結果を「安全・環境に影響」「生産・運用に影響」「経済的影響のみ」の3カテゴリーに分類する。この分類が、保全戦略の選択基準となる。

第6問：予防的に何ができるか（Proactive Tasks）。時間基準の保全（一定間隔での交換）、状態基準の保全（劣化の兆候を監視して対応）、あるいは設計変更によるリスク排除。これらの中から技術的に実行可能で、かつ故障の結果に見合う（費用対効果がある）選択肢を特定する。

第7問：適切な予防策がない場合どうするか（Default Actions）。予防的な対策が技術的に不可能、または費用対効果が見合わない場合は、故障探索（隠れた故障を定期的に検査する）、設計変更、または事後保全（故障してから対応する）を選択する。

現場で直面する3つのギャップ

ギャップ1：分析のボリュームとリソースの制約

教科書通りのフルRCM分析は、1台の設備に対して保全・運転・エンジニアリングの専門家チームが数日間かけて実施する。大規模な工場で数百台の設備すべてにこれを適用しようとすれば、数年単位のプロジェクトになる。多くの工場がRCM導入に二の足を踏む最大の理由はこの「ボリュームの壁」だ。

現実的な解決策は、分析の深さを設備の重要度に応じて変えるアプローチだ。本シリーズ第3回で紹介した重要度評価で「高」と判定された設備（全体の上位15〜20%）にはフルRCMを適用し、残りの設備にはStreamlined RCM（簡易版RCM）を適用する。Streamlined RCMでは、故障モードの洗い出しをメーカーの推奨保全リストと現場の故障履歴をベースに効率化し、分析チームの構成も少人数にすることで、1台あたりの分析時間を大幅に短縮できる。

ギャップ2：故障データの不足

RCM分析の精度は、故障履歴データの質に大きく依存する。しかし、多くの工場では体系的な故障記録がなく、あっても「ポンプ故障→修理」程度の粗い記録しかない場合が多い。故障モード、原因、影響の詳細が記録されていなければ、RCMの7つの質問に正確に答えることは難しい。

この問題に対する実践的なアプローチは2つある。第一に、ベテラン保全技術者の暗黙知を引き出す「Expert Elicitation（専門家知見の抽出）」だ。構造化されたインタビューやワークショップを通じて、「この設備はどこが壊れやすいか」「過去にどんな故障があったか」「故障の前にどんな兆候があったか」を体系的に文書化する。ベテランの退職前にこれを行うことは、組織の知的資産の保全でもある。

第二に、メーカーの保全推奨事項と業界の故障データベース（例：OREDA、IEEE Std 493など）を活用することだ。自社のデータがなくても、同種の設備における一般的な故障モードと頻度の情報は入手可能であり、RCM分析の出発点として十分に活用できる。並行してCMMSでの故障データ蓄積を開始すれば、次回のRCM見直し時にはより精緻な分析が可能になる。

ギャップ3：組織の抵抗

「今までこのやり方で問題なかった」「RCMなんて面倒なだけだ」――現場の抵抗はRCM導入における最大のハードルだ。特に、長年の経験に基づいて保全計画を策定してきたベテラン技術者にとって、RCMは自分たちのやり方を否定されるように感じられることがある。

この抵抗を乗り越えるための最も効果的な方法は、小さな成功事例（Quick Win）を作ることだ。まず1台の設備を選び、RCM分析を実施する。その結果として「過去に実施していた予防保全の一部は実は不要だった」あるいは「見落としていた故障モードへの対策を追加したことで故障が減った」という具体的な成果を示す。この成果がRCMの価値を最も説得力をもって伝えるメッセージとなる。

もう一つ重要なのは、RCMをベテラン技術者の知見を「否定」するものではなく「体系化」するものとして位置づけることだ。実際にRCM分析のワークショップを進めると、ベテラン技術者の知見が分析の質を決定する場面が多い。彼らの経験を「暗黙知のまま個人に留まらせる」のではなく「組織の共有知として文書化する」プロセスとしてRCMを位置づけることで、ベテラン技術者をRCMの推進者に変えることができる。

RCMが導く4つの保全戦略

RCM分析の結果として、各故障モードに対して以下の4つの保全戦略のいずれかが選択される。

第一に、時間基準保全（TBM：Time-Based Maintenance）。故障パターンが時間依存型の場合に有効。一定間隔での部品交換やオーバーホールを行う。ただし、前述の通り時間依存型の故障パターンは全体の約11%に過ぎないため、TBMが最適となるケースは思ったより少ない。

第二に、状態基準保全（CBM：Condition-Based Maintenance）。劣化の進行を状態監視技術（振動分析、油分析、赤外線サーモグラフィ、超音波検査など）でモニタリングし、劣化が許容限界に近づいた時点で対応する。多くの故障モードに対して最もコスト効率の高い戦略だ。

第三に、故障探索（FFI：Failure-Finding Inspection）。非常用設備や安全装置など、通常運転中は故障が顕在化しない「隠れた機能」の故障を検出するための定期検査。非常用発電機の起動テスト、安全弁の動作テストなどがこれに該当する。

第四に、事後保全（RTF：Run-to-Failure）。故障しても安全・環境・生産への影響が軽微で、予防的な対策のコストが故障のコストを上回る場合に選択する。これは「保全しない」という消極的な決定ではなく、「リスク評価に基づいて故障を許容する」という積極的な判断だ。RCMの重要な成果の一つは、この「合理的な事後保全」を明確にすることで、不要な予防保全を削減し、リソースを本当に必要な設備に集中できることにある。

実践的な導入ロードマップ

Phase 1：準備と対象選定（1〜2ヶ月）

まず、本シリーズ第3回で紹介した重要度評価を活用して、RCM分析の対象設備を選定する。重要度「高」の設備からフルRCM分析の対象を3〜5台選ぶ。同時に、RCM分析チームを編成する。チームには保全技術者（設備を最もよく知っている人材）、運転オペレーター（日常の運転状態を知っている人材）、エンジニア（技術的な判断ができる人材）を含める。外部ファシリテーターの活用も有効だが、将来的な内製化を見据えて、社内メンバーの育成を同時に進めることが重要だ。

Phase 2：パイロットRCM分析（2〜4ヶ月）

選定した3〜5台の設備に対して、7つの基本質問に基づくフルRCM分析を実施する。1台あたり2〜3日のワークショップ形式で進めるのが一般的だ。初回はファシリテーターが進行をリードし、チームメンバーは方法論を実地で学ぶ。分析結果として、各故障モードに対する保全戦略が決定され、これを基に新しい保全計画（タスクリスト）が策定される。

パイロットの段階で特に注意すべきは、「分析結果を実際の保全計画に反映する」ところまで確実に実行することだ。分析だけで終わり、結果が棚に積まれるケースは多い。RCM分析ワークシートの完成はゴールではなく出発点であり、分析結果をCMMSの予防保全スケジュールに反映して初めてRCMの価値が実現する。

Phase 3：効果検証と展開（6〜12ヶ月）

パイロット設備でのRCM保全計画を6〜12ヶ月運用し、効果を検証する。検証指標としては、故障件数の変化、計画外停止時間の変化、保全コストの変化、そして保全作業量の変化（増えたのか減ったのか）を追跡する。RCMが正しく適用されていれば、多くの場合、故障件数と計画外停止は減少し、同時に不要な予防保全の削減により保全作業量も適正化される。

効果が確認されたら、Phase 2のワークショップ経験者がファシリテーターとなり、対象設備を段階的に拡大する。重要度「中」の設備には、フルRCMよりも簡略化したStreamlined RCMを適用し、効率的に展開する。Streamlined RCMでは、メーカー推奨保全と現場の故障経験をベースに、7つの質問の一部を省略または簡略化して分析時間を半日〜1日に短縮する。

Phase 3の段階で重要なのは、RCM分析の結果を「生きた文書」として管理する仕組みを構築することだ。新たな故障が発生した場合、RCMの分析結果に立ち返り、「この故障モードは想定されていたか」「保全戦略は適切だったか」を検証する。このフィードバックループがなければ、RCMは単なる「過去の分析記録」に留まり、継続的な改善にはつながらない。故障発生時のレビュープロセスをCMMSのワークフローに組み込むことで、自然にRCMの更新サイクルが回るようになる。

RCMの成果を定量化する

RCM導入の効果を経営層に報告する際は、以下の3つの観点で定量化することが有効だ。第一に、「追加された保全タスク」の一覧。従来の保全計画では見落とされていた故障モードへの対策が、いくつ追加されたか。これは将来の故障リスク低減に直結する。

第二に、「削減された保全タスク」の一覧。RCM分析の結果、費用対効果が見合わないと判断された予防保全タスクがいくつ削減されたか。これは保全リソースの最適化と直接的なコスト削減を意味する。一般的なRCM導入では、従来の予防保全タスクの20〜40%が「不要」または「過剰頻度」と判断されるケースが多い。

第三に、「変更された保全タスク」の一覧。保全の種類が変更されたもの（例：時間基準→状態基準への変更）がいくつあるか。保全戦略の最適化により、コスト効率と故障検出精度の両方が向上した事例を具体的に示す。

業界別の考慮事項

製薬工場では、GMP重要設備（製品品質に直接影響する設備）へのRCM適用が特に効果的だ。RCM分析の結果はリスクアセスメントの根拠として査察時にも活用でき、保全戦略の妥当性を論理的に説明できる。また、RCMの「機能定義」はGMPのUser Requirement Specification（URS）と直結するため、バリデーション体系との整合性も取りやすい。

食品業界ではHACCPのCCP（重要管理点）に関わる設備、エネルギー業界では発電タービンや送電設備など高額資産、石油化学業界ではSIS（安全計装システム）に対してRCMが広く適用されている。鉄道・航空・軍事分野ではRCMは事実上の標準となっており、これらの業界のベストプラクティスは他の製造業にも応用可能だ。

まとめ

RCMは「すべての設備に同じ保全をかける」という画一的アプローチからの脱却を可能にする、強力かつ体系的な方法論だ。しかし、「完璧にやろう」とすると挫折する。成功の鍵は、重要設備から段階的に始め、現場の知見を活かし、小さな成功を積み上げることにある。

RCMの導入は「保全計画の見直し」にとどまらない。故障モード分析を通じて設備への理解が深まり、保全技術者のスキルが向上し、組織の知的資産が体系化される。これらの副次的な効果は、保全計画の最適化と同等かそれ以上の価値がある。ベテラン技術者の退職に伴う技術伝承が課題となっている多くの工場にとって、RCMは「知識の見える化」ツールとしても大きな価値を持つ。

最後に強調したいのは、RCMは一度実施して完了するプロジェクトではなく、継続的な改善サイクルの一部であるということだ。設備の運転条件が変わり、新たな故障モードが発見され、保全技術が進歩すれば、RCM分析も更新される必要がある。2〜3年ごとの定期見直しを組み込むことで、保全戦略は常に最適な状態に保たれる。

次回の記事では、RCMの中核ツールの一つである「FMEA（故障モード影響分析）」について、現場での実践的な活用法を詳しく解説する。RCMとFMEAは表裏一体の関係にあり、両者を理解することで保全戦略の最適化が加速する。

著者について

ダリウシロスタミ｜イーテック合同会社代表

製薬・食品業界で35年のオペレーショナルエンジニアリング経験を持つ。

主な経験：

エンジニアリング部門のリーダーとして、新規施設立ち上げプロジェクトを統括
バリデーション（IQ/OQ/PQ）、コミッショニングの管理体制構築と技術サポート
Reliability Engineeringプログラムの導入と運用体制の確立
エネルギー最適化戦略の策定とクロスファンクショナルチームのマネジメント
GMP環境での変更管理・逸脱管理システムの構築

お問い合わせ： 工場の省エネとコミュニケーション改善についてのご相談は、こちらからお気軽にどうぞ。初回相談（30分）は無料です。

投稿故障モード分析（FMEA）の実践 ― リスク優先度の決め方と現場への落とし込みはイーテック合同会社 | 製薬・食品・化学工場のエンジニアリング戦略・脱炭素コンサルティングに最初に表示されました。

RCM（信頼性中心保全）― 理論と現場のギャップを埋める実践ガイド

rosutami — Sat, 27 Jun 2026 02:00:00 +0000

はじめに

結論（先に3行）

1. RCMの本質は「設備の重要度と故障特性に応じて、保全戦略をテーラーメイドする」ことであり、画一的な予防保全からの脱却を可能にする。

2. 全設備にフルRCMを適用する必要はなく、重要設備の上位20%にフルRCM、残りにStreamlined RCMを適用する段階的アプローチが現実的だ。

3. RCM導入の最大の壁は方法論の難しさではなく組織の抵抗であり、小さな成功事例（Quick Win）を積み重ねることが最も効果的な突破口となる。

RCMとは何か ― 6つの故障パターンという発見

RCMの7つの基本質問

RCMは、設備ごとに以下の7つの質問に体系的に答えることで、最適な保全戦略を導き出す。

現場で直面する3つのギャップ

ギャップ1：分析のボリュームとリソースの制約

ギャップ2：故障データの不足

ギャップ3：組織の抵抗

RCMが導く4つの保全戦略

RCM分析の結果として、各故障モードに対して以下の4つの保全戦略のいずれかが選択される。

実践的な導入ロードマップ

Phase 1：準備と対象選定（1〜2ヶ月）

Phase 2：パイロットRCM分析（2〜4ヶ月）

Phase 3：効果検証と展開（6〜12ヶ月）

RCMの成果を定量化する

業界別の考慮事項

まとめ

著者について

ダリウシロスタミ｜イーテック合同会社代表

製薬・食品業界で35年のオペレーショナルエンジニアリング経験を持つ。

主な経験：

エンジニアリング部門のリーダーとして、新規施設立ち上げプロジェクトを統括
バリデーション（IQ/OQ/PQ）、コミッショニングの管理体制構築と技術サポート
Reliability Engineeringプログラムの導入と運用体制の確立
エネルギー最適化戦略の策定とクロスファンクショナルチームのマネジメント
GMP環境での変更管理・逸脱管理システムの構築

お問い合わせ： 工場の省エネとコミュニケーション改善についてのご相談は、こちらからお気軽にどうぞ。初回相談（30分）は無料です。

投稿 RCM（信頼性中心保全）― 理論と現場のギャップを埋める実践ガイドはイーテック合同会社 | 製薬・食品・化学工場のエンジニアリング戦略・脱炭素コンサルティングに最初に表示されました。

TCOで考える設備選定 ― 初期コストだけで判断していませんか？

rosutami — Sat, 13 Jun 2026 02:00:00 +0000

はじめに

設備の購入判断において、複数メーカーの見積もりを比較し、「一番安い」ものを選ぶ。これは一見合理的に見えるが、設備のライフサイクル全体で見ると、必ずしも最善の判断とは言えない。設備の購入価格は、その設備が生涯にわたって発生させる総コストの10〜30%に過ぎないケースが多いからだ。

残りの70〜80%はどこに消えるのか。エネルギーコスト、保全費用、スペアパーツ、計画外停止による生産損失、運転人件費、そして最終的な廃棄コスト。これらの「見えにくいコスト」を含めた総保有コスト＝TCO（Total Cost of Ownership）で設備を評価しなければ、「安物買いの銭失い」に陥るリスクがある。

本記事では、設備選定におけるTCO分析の考え方と実践的な手法を解説する。前回の記事で紹介した「延命か更新か」の判断にもTCOの概念は直結しており、設備管理における意思決定の基盤となるフレームワークだ。

結論（先に3行）

設備の購入価格は総コストの10〜30%に過ぎず、エネルギー・保全・ダウンタイムを含めたTCOで比較しなければ、真の経済合理性は見えない。
TCO分析のフレームワークを一度構築すれば、あらゆる設備投資判断に繰り返し適用でき、組織の投資判断の質が構造的に向上する。
「安いから買う」から「ライフサイクル全体で賢く投資する」への転換が、設備管理成熟度の指標であり、長期的な競争力の源泉となる。

購入価格の罠 ― なぜ「最安値」が最善とは限らないのか

設備購入の意思決定は、多くの組織で購買部門が主導する。購買部門のKPIは往々にして「調達コストの削減率」で測定されるため、見積もり比較で最安値を選ぶインセンティブが構造的に存在する。しかし、購買部門が最適化しているのは「取得コスト」であり、「総保有コスト」ではない。

具体例で考えてみよう。ある工場で空調用チラーの更新を検討しているとする。メーカーAの見積もりは3,000万円、メーカーBは3,800万円だ。購入価格だけで見ればメーカーAが800万円安い。しかし、設備の想定寿命15年間で見ると、メーカーBの方がCOP（成績係数）が高く、年間電力コストが120万円低い。15年間で1,800万円のエネルギーコスト差が生じる。さらに、メーカーAは国内サポート拠点がなく、修理の際に海外からエンジニアを呼ぶ必要があり、MTTRが長い。これらを総合すると、15年間のTCOはメーカーBの方が数百万円有利になる。

これは架空の例だが、こうした「逆転現象」は現実に頻繁に起きている。問題は、購入時点ではこの逆転が見えないことだ。TCO分析は、この「見えないコスト」を見える化するためのツールである。

さらに深刻なのは、購入価格だけで選定した設備が、結果として保全部門の負担を増大させるケースだ。安価な設備は往々にして保全性（Maintainability）の設計が甘く、点検口が狭い、分解手順が複雑、特殊工具が必要、といった問題を抱えている。これらは購入時の仕様書には表れにくいが、15年間の保全作業を通じて確実にコストとして積み上がる。

組織としてTCOベースの選定を行うためには、購買部門のKPIを「調達コスト削減率」から「TCOベースの最適調達率」に見直すことが理想的だ。すぐにKPIを変更できない場合でも、設備投資案件の承認プロセスにTCO比較を必須項目として組み込むことで、購入価格だけの判断を構造的に防ぐことができる。

TCOの5つの構成要素

1. 取得コスト（Acquisition Cost）

設備本体価格、輸送費、据付工事費、配管・電気工事費、コミッショニング費用、そしてオペレーター・保全技術者のトレーニング費用。これらは見積もりに明示されることが多いが、据付に伴う付帯工事（基礎工事、防振対策、排水設備など）が見落とされがちだ。特に更新案件では、旧設備の撤去費用と、新旧設備の仕様差異に伴う接続部の改造費用も取得コストに含める必要がある。

2. エネルギーコスト（Energy Cost）

多くの設備カテゴリーにおいて、エネルギーコストはTCOの最大構成要素となる。ポンプ、コンプレッサー、チラー、ボイラー、空調機器などのユーティリティ設備では、設備寿命を通じたエネルギーコストが取得コストの3〜10倍に達することも珍しくない。

エネルギーコストの算出には、カタログ上の効率値だけでなく、実際の運転条件における部分負荷効率を考慮することが重要だ。多くの設備はフル負荷で運転される時間よりも、部分負荷で運転される時間の方が長い。部分負荷時の効率が大きく低下する設備は、カタログスペックは優秀でも実運転でのエネルギーコストが膨らむ。インバーター制御の有無も、部分負荷効率に大きく影響する。

また、エネルギー価格の将来予測もTCO分析に影響する。エネルギー効率の差が小さい場合は、現在のエネルギー単価では大きな差にならなくても、エネルギー価格が上昇した場合に差が拡大する。感度分析でエネルギー価格の変動シナリオを検証することを推奨する。

近年のカーボンニュートラルへの潮流も、エネルギーコストの評価に影響を与えている。CO2排出量に対する炭素税や排出権取引の導入が各国で進んでおり、エネルギー効率の差はCO2排出量の差に直結する。現時点で炭素コストが発生していなくても、設備の寿命期間中に炭素価格が導入される可能性を考慮すると、エネルギー効率の高い設備の経済的優位性はさらに高まる。Net Zeroロードマップを策定している企業にとっては、設備選定時のCO2削減効果も重要な評価軸だ。

3. 保全コスト（Maintenance Cost）

定期点検、消耗部品の交換、潤滑油、フィルター、そして予期せぬ修繕費用がこのカテゴリーに含まれる。保全コストの比較において見落とされやすい要素が3つある。

第一に、スペアパーツの価格と入手性だ。特定メーカーの純正部品が高価で、かつ納期が長い場合、保全コストとダウンタイムの両方が膨らむ。汎用規格の部品を使用する設備は、この点で有利だ。第二に、メーカーサポート体制だ。国内にサービス拠点があるか、24時間対応のホットラインがあるか、リモート診断が可能かどうかは、MTTRに直結する。第三に、保全の容易性（Maintainability）だ。同じ作業でも、設備の設計によってアクセスのしやすさ、作業スペース、特殊工具の必要性が異なる。保全しやすい設計の設備は、長期的に保全コストと保全時間の両方を削減する。

保全コストの将来予測において考慮すべきもう一つの要素は、メーカーの部品供給ポリシーだ。設備の販売終了後、何年間部品を供給するかはメーカーによって大きく異なる。一般に欧米メーカーは販売終了後10〜15年の部品供給を保証するケースが多いが、一部のメーカーは5〜7年で供給を打ち切る場合もある。この情報はTCO分析において、設備寿命後半の保全コスト上昇リスクとして織り込むべきだ。

4. ダウンタイムコスト（Downtime Cost）

設備の信頼性が低い場合に発生する計画外停止の生産損失コスト。これはTCOの中で最も見えにくいが、最もインパクトが大きい可能性のあるコスト要素だ。

ダウンタイムコストの算出には、その設備が停止した場合の1時間あたりの生産損失額を把握しておく必要がある。生産ラインのボトルネックとなる設備では、1時間の停止が数十万〜数百万円の損失につながる場合がある。設備の想定MTBFとMTTRから年間の計画外停止時間を推計し、それに1時間あたりの生産損失額を掛けることで、年間ダウンタイムコストが概算できる。

信頼性の高い設備は、取得コストが高くても、ダウンタイムコストの削減でその差を十分にカバーできることが多い。特にボトルネック設備やシングルポイント（冗長性のない設備）については、信頼性を取得コストよりも優先すべき場合がある。

ダウンタイムコストの評価において、もう一つ考慮すべきは「波及コスト」だ。ある設備の停止が、下流工程や他のラインにどの程度影響するかを評価する。例えば、工場全体に蒸気を供給するボイラーが停止すれば、影響はボイラー単体ではなく工場全体に波及する。このような設備では、ダウンタイムコストは個別設備の生産能力ではなく、工場全体の影響で算出すべきだ。冗長構成（N+1構成）の導入も含めた判断が求められる。

5. 廃棄・更新コスト（End-of-Life Cost）

設備の撤去、廃棄処理、環境規制への対応、そして残存価値（スクラップ価値やリセール価値）。これらは設備の寿命の最終段階で発生するため、購入時にはまったく考慮されないことが多い。

しかし、環境規制の強化に伴い、特定の冷媒（R-22など）や絶縁材（アスベスト含有品）を使用する設備は、将来的に廃棄コストが大幅に高騰する可能性がある。また、重金属を含む特殊合金や放射線源を使用する設備は、廃棄時に特別な手続きと費用が必要だ。TCO分析では、少なくとも既知の規制動向を踏まえた廃棄コストの見積もりを含めるべきである。

TCO分析の実践手法

TCO分析を効果的に実施するための実践的なポイントを3つ紹介する。

評価期間の設定

TCOの比較は、設備の想定寿命に合わせた評価期間で行う。ポンプなら15〜20年、チラーなら15年、制御システムなら10〜15年が一般的な目安だ。評価期間の設定は結論に大きく影響する。エネルギー効率が高い設備の優位性は、評価期間が長いほど顕著になる。逆に、技術革新が早い分野（制御システム、センサーなど）では短い評価期間の方が現実的だ。

NPVによる比較

将来発生するコストは、現在価値に割り引いて比較する必要がある。10年後の100万円は、今日の100万円よりも価値が低い。社内の標準的な割引率（WACC：加重平均資本コスト）を使用するのが一般的だが、設備投資の場合は5〜8%の割引率が多く使われる。NPVで比較することで、初期投資が大きい選択肢と、ランニングコストが高い選択肢を公平に比較できる。

NPV分析の結果は、経営層への投資申請書において最も説得力のあるデータの一つだ。「メーカーAは購入価格で800万円安いが、15年間のNPVベースではメーカーBが1,200万円有利」という比較表は、購入価格だけの比較表よりもはるかに質の高い意思決定を可能にする。

感度分析

TCO分析の前提条件には不確実性がつきものだ。エネルギー価格が想定より高くなった場合はどうか。故障率が想定より悪かった場合はどうか。設備寿命が想定より短かった場合はどうか。これらの変数について「楽観」「基本」「悲観」の3シナリオを設定し、各シナリオでのTCOを算出する。

「すべてのシナリオでメーカーBが有利」であれば、判断に高い確信が持てる。「一部のシナリオでのみ有利」であれば、どの変数がクリティカルかを特定し、より詳細な調査を行う判断材料になる。感度分析の結果をトルネードチャート（各変数の影響度を棒グラフで示す図）で可視化すると、「TCOに最も影響する変数は何か」が一目で分かり、経営層へのプレゼンテーションでも効果的だ。

TCO分析テンプレートの構築

TCO分析を組織に定着させるためには、標準的なテンプレートを構築することが有効だ。設備カテゴリーごと（ポンプ類、空調機器、コンプレッサー、電気設備など）にExcelベースのテンプレートを作成し、コスト項目と計算ロジックを標準化する。

テンプレートには、取得コストの内訳入力欄、年間エネルギーコストの算出式（運転時間×消費電力×単価）、年間保全コストの想定値、ダウンタイムコストの算出式（想定故障回数×平均修復時間×時間当たり損失額）、廃棄コストの概算、NPV算出用の割引率設定、そして感度分析用のシナリオ切替機能を組み込む。一度テンプレートを作れば、以降の設備選定のたびに数値を入力するだけでTCO比較が自動算出される。

テンプレート構築の際のポイントは、「完璧さ」よりも「使いやすさ」を優先することだ。あらゆるコスト項目を網羅した複雑なテンプレートは、結局使われなくなる。まずは主要な5つの構成要素（取得、エネルギー、保全、ダウンタイム、廃棄）についてシンプルな入力フォームを作り、運用しながら改善していくアプローチが現実的だ。

このテンプレートは設備選定時だけでなく、前回の記事で解説した「延命か更新か」の判断にも活用できる。延命シナリオと更新シナリオのそれぞれについてTCOを算出し、NPVで比較すれば、経済合理的な判断が可能になる。

TCO分析でよくある失敗

コスト項目の漏れ

最も多い失敗は、TCOに含めるべきコスト項目の漏れだ。特に見落とされやすいのは、設備運転に必要なユーティリティの接続工事費（圧縮空気、冷却水、排水など）、運転・保全要員のトレーニング費用、設備更新に伴う生産停止期間中の機会損失、そして既存システム（DCS、SCADA、BMS等）との統合費用だ。TCO分析のチェックリストを標準化し、コスト項目の漏れを構造的に防ぐことが重要である。

楽観的すぎる前提条件

メーカーが提示するカタログスペック（エネルギー効率、MTBF等）をそのままTCO分析に使用すると、実態との乖離が生じることがある。カタログ値は最適条件での性能であり、実際の運転環境では効率が低下するのが一般的だ。可能であれば、同一メーカーの同型設備を使用している他工場からの実績データを入手するか、メーカーに実運転条件でのシミュレーションを依頼することが望ましい。

定性要素の無視

TCOは定量分析だが、定量化しにくい重要な要素もある。メーカーの長期的な経営安定性（倒産リスク）、技術サポートの質、ユーザーコミュニティの規模、将来の拡張性やアップグレードパスなどは、数値化が難しいが設備の長期的な価値に大きく影響する。TCO分析の結果に加えて、これらの定性要素を別途評価し、総合的な判断を行うことを推奨する。

業界別の考慮事項

製薬工場では、TCOにバリデーションコスト（IQ/OQ/PQ）を含める必要がある。GMP適合設備のバリデーションには通常2〜6ヶ月の期間と数百万円のコストがかかる。また、設備変更に伴う変更管理（Change Control）手続きのコストも見落とされがちだ。さらに、クリーンルーム内設備では発塵性、洗浄性（CIP/SIP対応）、材質適合性（FDA認可素材）などが選定基準に加わり、これらの要件を満たす設備は一般的に取得コストが高いが、規制リスクの回避という「見えないリターン」がある。

食品工場ではサニタリー設計への適合性とCIP（定置洗浄）対応がTCOに影響する。洗浄しにくい設備は洗浄時間と水・薬品の使用量が増え、運用コストが膨らむ。化学プラントでは耐腐食性の材質選定がTCOの鍵となる。安価な炭素鋼の設備は取得コストは低いが、腐食環境下では寿命が短く、頻繁な補修と早期更新が必要になる。ステンレスや特殊合金の設備は高価だが、LCC全体では有利になるケースが多い。

まとめ

設備選定では、購入価格だけでなくライフサイクル全体のコストを見るべきだ。TCO分析は一見複雑に見えるが、一度フレームワークとテンプレートを構築すれば、あらゆる設備投資判断に繰り返し適用できる汎用ツールとなる。

TCO分析のもう一つのメリットは、メーカーとの交渉にも活用できることだ。TCO分析の結果をメーカーに提示し、「御社の設備は購入価格ではA社より安いが、エネルギー効率と保全コストを含めたTCOではA社が有利です。この差を埋められる提案はありますか」と問いかけることで、メーカーから保証の延長、保全契約の優遇、エネルギー効率の改善オプションなど、購入価格以外の交渉軸が引き出せる場合がある。TCOは分析ツールであると同時に、交渉ツールでもあるのだ。

最も重要なのは、TCOという概念を組織全体に浸透させることだ。購買部門、保全部門、エンジニアリング部門、そして経営層が「設備の価値は購入価格ではなく総保有コストで評価する」という共通認識を持つことで、設備投資の質が構造的に向上する。

「安いから買う」から「賢く投資する」への転換。この転換は一朝一夕には起こらないが、最初の一歩としてまずは次回の設備購入案件でTCO比較を試みてほしい。その結果が購入価格だけの比較と異なるものであれば、TCOの価値を組織に示す最高の事例となるだろう。次回の記事では、設備の信頼性を体系的に高めるための方法論「RCM（信頼性中心保全）」について解説する。

著者について

ダリウシロスタミ｜イーテック合同会社代表

製薬・食品業界で35年のオペレーショナルエンジニアリング経験を持つ。

主な経験：

エンジニアリング部門のリーダーとして、新規施設立ち上げプロジェクトを統括
バリデーション（IQ/OQ/PQ）、コミッショニングの管理体制構築と技術サポート
Reliability Engineeringプログラムの導入と運用体制の確立
エネルギー最適化戦略の策定とクロスファンクショナルチームのマネジメント
GMP環境での変更管理・逸脱管理システムの構築

お問い合わせ： 工場の省エネとコミュニケーション改善についてのご相談は、こちらからお気軽にどうぞ。初回相談（30分）は無料です。

投稿 TCOで考える設備選定 ― 初期コストだけで判断していませんか？はイーテック合同会社 | 製薬・食品・化学工場のエンジニアリング戦略・脱炭素コンサルティングに最初に表示されました。

設備の“延命”か“更新”か ― 老朽化リスク評価と優先順位のつけ方

rosutami — Sat, 30 May 2026 02:00:00 +0000

はじめに

「この設備、まだ使えますか？」――保全マネージャーが経営層から最もよく受ける質問の一つだろう。設備の老朽化は、製造業に携わるすべての工場が避けて通れない課題である。日本の製造業では、高度経済成長期やバブル期に導入された設備が今なお現役で稼働しているケースも珍しくない。設備の平均年齢が20年、30年を超える工場では、「延命」か「更新」かの判断が日常的に求められる。

しかし、この判断が「ベテランの勘と経験」だけで行われている工場は少なくない。もちろん現場の知見は極めて重要だが、それだけでは限界がある。複数の設備が同時に老朽化する局面では、限られた予算をどの設備に優先的に投じるかを客観的に判断する仕組みが必要だ。また、経営層への投資申請においても、「古いから替えたい」では予算は通らない。

本記事では、設備の老朽化リスクを定量的に評価し、更新の優先順位を決定するためのフレームワークを紹介する。このフレームワークは製薬、食品、化学、自動車、エネルギーなど業界を問わず適用可能であり、規模の大小に関わらず活用できる。

なお、ここで言う「設備」には、生産設備だけでなくユーティリティ設備（ボイラー、チラー、コンプレッサー、電気設備、配管系統など）も含まれる。むしろ実務上は、ユーティリティ設備の老朽化リスク管理が見落とされがちであり、それが工場全体のリスクを高めている事例が多い。本記事で紹介するフレームワークは、生産設備とユーティリティ設備の両方に等しく適用できるものだ。

結論（先に3行）

1. 設備の延命か更新かの判断は、「状態評価」「重要度評価」「ライフサイクルコスト分析」の3軸で定量的に行うべきである。

2. 状態と重要度を2軸にしたリスクマトリクスを作成すれば、全設備の更新優先順位を一目で把握でき、経営層への説明にも直接使える。

3. 「古いから替える」ではなく「データに基づいて投資判断する」へ転換することで、限られた設備投資予算の最適配分が可能になる。

「古いから替える」の危険性

設備の更新判断において、「設置年数」は最も直感的な指標だが、最も危険な指標でもある。同じ20年目の設備でも、適切な保全を受けてきた設備と、最低限の保全しかされてこなかった設備では、実際の劣化状態はまったく異なる。逆に、設置から5年しか経っていなくても、過酷な運転条件や設計上の問題から深刻な劣化が進んでいる設備もある。

設置年数だけで更新を判断すると、2つのリスクが生じる。第一に、まだ十分に使える設備を早期に廃棄してしまう「過剰投資」のリスク。第二に、年数は若いが実は深刻に劣化している設備を見落とす「過少投資」のリスクだ。どちらも資本の最適配分を妨げる。

この問題を解決するには、設置年数に代わる、より実態を反映した評価軸が必要だ。それが以下に述べる3軸評価のフレームワークである。

さらに付け加えると、設備の「老朽化」は単純な経年劣化だけではない。技術的陳腐化（Technological Obsolescence）という側面もある。設備自体は問題なく動いていても、メーカーのサポートが終了している、制御システムが旧式でデジタル化に対応できない、あるいは現行の安全・環境基準を満たさないといった理由で、実質的に「使い続けることのリスク」が高まるケースがある。特に制御システムやPLC（プログラマブルロジックコントローラー）は、ハードウェアが10〜15年でサポート終了になることが多く、機械設備本体の寿命よりも先に更新が必要になることがある。このような「技術的寿命」も3軸評価の中で考慮すべき要素だ。

老朽化リスク評価の3つの軸

第1軸：状態評価（Condition Assessment）

状態評価は、設備の物理的な劣化状態を客観的に評価するプロセスだ。1（優良）から5（劣悪）の5段階スケールで評価するのが一般的だが、このスケールの定義を明確にしておくことが精度を左右する。

評価において活用すべきデータは大きく2種類ある。第一に、客観的な計測データだ。振動値、温度トレンド、腐食厚さ測定（UT測定）、絶縁抵抗値、油分析結果などの状態監視データは、設備の劣化を定量的に示す。第二に、保全技術者による目視検査と知見だ。漏れ、異音、変色、クラック、変形などの外観所見は、計測では捉えられない劣化兆候を補完する。

重要なのは、状態評価を「一度やって終わり」にしないことだ。定期的に（年1回が目安）再評価を行い、劣化の進行速度をトラッキングする。ある設備の状態スコアが昨年の2から今年3に悪化した場合、このペースなら2年後にはスコア5（即時対応レベル）に達する可能性がある。この「劣化トレンド」が、更新計画の時間軸を決定する重要な情報となる。

状態評価の実施にあたっては、評価者間のバラツキを抑えることも重要だ。同じ設備を異なる技術者が評価した場合にスコアが大きくズレるようでは、データの信頼性が損なわれる。対策として、評価基準を写真付きで明文化し、複数名での合同評価を実施して基準のキャリブレーションを行うことを推奨する。

状態評価の5段階スケールの具体例を示す。スコア1（優良）は新品同等で劣化兆候なし。スコア2（良好）は軽微な劣化が認められるが機能に影響なし。スコア3（要注意）は明確な劣化が進行中で、12ヶ月以内に対策が必要な可能性あり。スコア4（劣悪）は深刻な劣化があり、6ヶ月以内に対策が必要。スコア5（危機的）は即時対策が必要で、安全・生産に直接影響する可能性あり。このように各スコアに具体的な状態の記述と時間的な目安を紐付けることで、評価者間の一貫性が保たれる。

第2軸：重要度評価（Criticality Assessment）

重要度評価は、「その設備が故障した場合、事業にどの程度の影響を与えるか」を評価するプロセスだ。すべての設備が等しく重要なわけではない。生産ラインのボトルネックとなる設備と、代替手段がある補助設備では、故障時のインパクトが桁違いに異なる。

重要度評価では、以下の複数の観点から影響度をスコアリングする。生産への影響（完全停止、減産、影響なし）、安全リスク（人身事故の可能性、環境汚染の可能性）、品質への影響（製品品質の逸脱リスク）、修理の難易度（スペアパーツの入手性、専門技術の必要性）、代替手段の有無（冗長設備の存在、手動運転の可否）。これらを重み付けして総合スコアを算出する。

重要度評価は、設備の物理的な状態とは独立した指標であることに注意してほしい。状態が良好でも重要度が極めて高い設備は、予備品の確保や予防保全プログラムの強化が必要だ。逆に、状態が悪くても重要度が低い設備は、故障時に対応する「事後保全」で許容される場合もある。

重要度評価を実施する際によくある議論が、「すべての設備が重要だ」という主張だ。確かに、不要な設備はそもそも工場に存在しない。しかし、「重要」と「最重要」は明確に区別すべきだ。限られた予算と人的リソースの中で優先順位をつけなければ、結果としてすべてが中途半端になる。重要度評価のワークショップでは、「この設備が故障して24時間停止した場合、何が起きるか」を具体的にシミュレーションすることで、参加者間の合意形成がスムーズになる。

重要度評価の結果は、保全戦略全般にも活用できる。重要度が高い設備には予知保全を、中程度の設備には予防保全を、低い設備には事後保全を適用する、というリスクベースの保全戦略の基盤となる。本シリーズの後続記事で解説するRCM（信頼性中心保全）とも直結する概念だ。

第3軸：ライフサイクルコスト分析（LCC Analysis）

状態評価と重要度評価で「何をすべきか」の方向性が見えたら、次はライフサイクルコスト分析で「経済合理性」を検証する。具体的には、「今後X年間延命した場合の総コスト」と「新規設備に更新した場合の総コスト」を比較する。

延命コストには、修繕費の増加傾向、スペアパーツの調達コスト（生産終了品の場合は特注費用）、延命中のダウンタイムリスク（故障頻度の増加に伴う生産損失）、そしてエネルギー効率の低下分を含める。更新コストには、新規設備の取得費用、設置工事費、撤去・廃棄費用、更新期間中の生産損失、そして新設備のコミッショニング・バリデーション費用を含める。

これらのコストをNPV（正味現在価値）で比較することで、「いつ更新すべきか」の最適タイミングが見えてくる。多くの場合、修繕費の累積曲線と新規更新コストの線が交差する点が、経済的な更新タイミングとなる。この分析結果をグラフで可視化すれば、経営層への投資申請の強力な裏付けとなる。

NPV分析においては、割引率の設定と前提条件の明示が重要だ。また、エネルギー価格の変動、故障率の不確実性などを考慮した感度分析（シナリオ分析）を併せて行うことで、判断の頑健性が高まる。「最良シナリオでも最悪シナリオでも、X年以内の更新が経済的に有利」と示せれば、投資決定の確信度は大幅に上がる。

LCC分析で見落としがちなコスト項目がいくつかある。一つは「機会コスト」だ。老朽化設備は新型設備に比べてエネルギー効率が低い場合が多く、この差額が設備の残存寿命にわたって累積する。また、新型設備の方が処理能力が高い場合、旧式設備を使い続けることで失われる追加生産の機会も機会コストに含まれる。もう一つは「安全・環境リスクの金銭的影響」だ。老朽化した設備からの漏洩や排出が環境事故や労災につながった場合の損害賠償、罰金、ブランドダメージは、極めて大きな「隠れたコスト」となりうる。これらはLCC分析に明示的に含めるべきだ。

なお、LCC分析は精緻さを追求するほど時間がかかる。すべての設備について詳細なLCC分析を行うのは現実的ではない。リスクマトリクスで絞り込まれた最優先設備（全体の5〜10%）についてのみ詳細分析を行い、それ以外は簡易的な概算で十分だ。「分析の深さは設備の重要度に比例させる」という原則を忘れないでほしい。

リスクマトリクスによる優先順位付け

状態評価と重要度評価の結果を2軸のマトリクスにプロットすることで、全設備の更新優先順位を一目で把握できるツールが完成する。縦軸に状態スコア（1＝優良〜5＝劣悪）、横軸に重要度スコア（1＝低〜5＝高）を取り、各設備をプロットする。

マトリクスは4つの象限に分けられる。右上（状態悪い×重要度高い）は「最優先：即時対策」のゾーンだ。この象限に位置する設備は、更新投資または大規模修繕を最優先で検討すべきだ。右下（状態良い×重要度高い）は「監視強化」のゾーンで、現状は問題ないが、劣化が進行した場合のインパクトが大きいため、状態監視を強化し、更新計画を準備しておく。左上（状態悪い×重要度低い）は「計画的対応」のゾーンで、緊急性は低いが放置すると二次被害につながる可能性があるため、次年度以降の計画に含める。左下（状態良い×重要度低い）は「経過観察」のゾーンで、定期的な再評価で十分だ。

このリスクマトリクスの最大の利点は、視覚的なインパクトだ。数十台〜数百台の設備を1枚の図に集約でき、「赤い象限に集まっている設備群への投資が最優先」という直感的なメッセージを経営層に伝えられる。具体的な金額はライフサイクルコスト分析で裏付け、マトリクスで全体像を見せる。この2段構えが、設備投資の意思決定を強力にサポートする。

実際にマトリクスを作成してみると、多くの工場で興味深いパターンが見えてくる。例えば、ユーティリティ設備（ボイラー、チラー、コンプレッサー、純水装置など）は重要度が高いにもかかわらず、生産設備に比べて保全投資が後回しにされている傾向がある。これは「ユーティリティは止まらないもの」という暗黙の前提があるためだが、実際にはユーティリティの停止は生産ライン全体に波及し、影響範囲は個別の生産設備よりもはるかに大きいことが多い。マトリクスを使って可視化することで、こうした「見えているのに見えていないリスク」を浮き彫りにできる。

マトリクスの活用をさらに深めるためには、時間軸の概念を加えることが有効だ。今年度のマトリクスと前年度のマトリクスを重ねて表示すれば、各設備の劣化トレンドが矢印として見える。「この設備は昨年のスコア（2,4）から今年は（3,4）に悪化しており、来年には（4,4）＝最優先ゾーンに入る可能性が高い」という予測的なメッセージは、先手を打った投資計画の策定に直結する。

実務的な導入ステップ

このフレームワークをゼロから導入する場合の現実的なステップを紹介する。まずステップ1として、設備台帳の整理と重要度評価を行う。CMMSに設備台帳がある場合はそれを基盤に、なければExcelでも十分だ。全設備について重要度スコアを付与する。この作業は保全、生産、品質、安全の各部門のキーパーソンを集めた半日〜1日のワークショップで実施できる。

ステップ2として、重要度「高」の設備（全体の上位20〜30%が目安）に対して状態評価を実施する。すべての設備を一度に評価する必要はない。パレートの法則に従い、リスクの80%は設備の20%に集中している。まずはこの重要設備群にフォーカスすることで、少ないリソースで最大の効果が得られる。

ステップ3として、リスクマトリクスを作成し、最優先設備（右上象限）について詳細なライフサイクルコスト分析を実施する。すべての設備についてLCC分析を行う必要はない。マトリクスで絞り込まれた10〜20台について深い分析を行い、投資計画に反映する。

ステップ4として、年次の見直しサイクルを確立する。毎年、状態評価を更新し、マトリクスを再描画することで、「生きた設備管理ツール」として機能し続ける。この年次サイクルを予算策定プロセスと同期させることで、設備投資計画への反映がスムーズになる。

「延命」を選択する場合の注意点

更新ではなく延命を選択する場合にも、いくつかの重要な考慮事項がある。第一に、延命措置の明確な定義だ。「延命」という曖昧な方針ではなく、具体的に何をするのか（主要部品の交換、オーバーホール、改造など）と、それによって何年の追加寿命が期待されるのかを明示する。

第二に、スペアパーツの長期調達計画だ。設備メーカーの部品供給は永遠ではない。製造終了（EOL：End of Life）が宣言された設備を延命する場合は、予想される延命期間に必要なスペアパーツを事前に確保しておく必要がある。特に、リードタイムが長い部品やカスタム品は早期の手配が不可欠だ。部品が入手不能になった時点で、延命の選択肢は実質的に消滅する。

第三に、延命と更新の「決断期限」を事前に設定しておくことだ。「あと3年は延命するが、この期間中に状態スコアが4以上に悪化した場合は更新に切り替える」といった条件付きの判断基準を設けることで、ずるずると延命を続けて結果的に突発故障で更新を余儀なくされる、という最悪のシナリオを防げる。

経営層への投資申請のコツ

設備更新の投資申請は、保全マネージャーにとって最も重要な「社内営業」の場面だ。ここで効果的なのは、リスクマトリクスとLCC分析を組み合わせた「3段論法」のストーリーだ。

まず第1段として、リスクマトリクスで全体像を見せる。「当工場には現在XX台の設備があり、そのうちXX台が最優先（赤）ゾーンに位置しています」。次に第2段として、最優先設備の中から投資対効果が最も高い案件のLCC分析を提示する。「この設備のケースでは、延命の場合の5年間累積コストがXX百万円、更新の場合はYY百万円であり、更新が経済的に有利です」。最後に第3段として、更新しない場合のリスクを定量的に示す。「この設備が予期せず故障した場合、最大XX日間の生産停止と推定ZZ百万円の損失が見込まれます」。

この3段論法は、「全体俯瞰→具体的根拠→リスク提示」という構造で、経営層が投資判断に必要な情報を過不足なく提供する。金額とリスクで語ることが、技術者と経営者の間の翻訳装置として機能する。

もう一つ効果的なのは、「更新しない場合のシナリオ」を具体的に提示することだ。人間は「得られるもの」よりも「失うもの」に対して強く反応する（損失回避バイアス）。「この投資によりXX百万円のコスト削減が見込まれます」よりも、「この投資を見送った場合、3年以内にXX百万円規模の計画外停止が発生するリスクがあります」の方が、経営層の決断を後押しする力が強い。ただし、この手法は信頼性の高いデータに裏付けられている必要がある。誇張されたリスクは逆効果になりかねないため、前述の状態評価とLCC分析に基づいた保守的な見積もりを提示することが重要だ。

業界別の考慮事項

製薬工場では、GMP適合設備の更新時にバリデーション（IQ/OQ/PQ）が必要となるため、更新コストにバリデーション期間（通常2〜6ヶ月）と費用を含める必要がある。また、FDAやPMDAの査察スケジュールとの兼ね合いも考慮すべきだ。査察直前の大規模設備更新は、査察対応リスクを高める可能性がある。重要度評価においては、「GMP重要設備」という評価軸を追加することで、規制リスクを定量的に織り込むことができる。

食品工場では、衛生基準（サニタリー設計）への適合性が更新時の追加評価軸となる。旧式設備は現行の衛生基準を満たさない場合があり、これが更新を後押しする要因になることがある。化学プラントでは、耐腐食性の経年劣化が安全上のクリティカルな問題となるため、配管やタンクの肉厚測定データを状態評価に直接反映させることが不可欠だ。エネルギー業界では、環境規制の強化に伴い、旧式ボイラーやチラーの更新判断にCO2排出量の削減効果を定量的に含めることが、投資承認を得るための重要な要素になりつつある。

まとめ

設備の延命か更新かの判断は、感覚ではなくデータで行うべきだ。状態×重要度×コストの3軸で評価し、リスクマトリクスで優先順位を可視化することで、限られた予算を最大限に活用できる。

このフレームワークの導入に特別なシステムは不要だ。Excelとフィールドでの状態評価があれば、明日からでも始められる。重要なのは「完璧なデータ」ではなく「判断の構造化」である。今まで勘と経験で行っていた判断に、客観的なフレームワークを加えることで、判断の質と透明性が格段に向上する。

筆者の経験では、このフレームワークの導入によって最も変わるのは「経営層との対話の質」だ。従来は「この設備が古いので更新したい」という曖昧な要求だったものが、「状態スコア4、重要度スコア5、延命コストがXX百万円を超える設備がN台あり、そのうち更新のROIが最も高いのはこの3台です」という具体的な提案に変わる。経営層にとって、これほど判断しやすい投資案件はない。

「古いから替える」から「データに基づいて投資する」への転換。これが設備管理の成熟を示す指標であり、保全部門が経営の戦略的パートナーとして認められるための条件でもある。次回の記事では、この投資判断と密接に関連する「Total Cost of Ownership（TCO）による設備選定」について解説する。

著者について

ダリウシロスタミ｜イーテック合同会社代表

製薬・食品業界で35年のオペレーショナルエンジニアリング経験を持つ。

主な経験：

エンジニアリング部門のリーダーとして、新規施設立ち上げプロジェクトを統括
バリデーション（IQ/OQ/PQ）、コミッショニングの管理体制構築と技術サポート
Reliability Engineeringプログラムの導入と運用体制の確立
エネルギー最適化戦略の策定とクロスファンクショナルチームのマネジメント
GMP環境での変更管理・逸脱管理システムの構築

お問い合わせ： 工場の省エネとコミュニケーション改善についてのご相談は、こちらからお気軽にどうぞ。初回相談（30分）は無料です。

投稿設備の“延命”か“更新”か ― 老朽化リスク評価と優先順位のつけ方はイーテック合同会社 | 製薬・食品・化学工場のエンジニアリング戦略・脱炭素コンサルティングに最初に表示されました。

CMMS導入の落とし穴 ― ツールを入れただけでは保全は変わらない

rosutami — Sat, 16 May 2026 02:00:00 +0000

はじめに

「CMMSを導入すれば保全が変わる」――このような期待を持ってシステム導入に踏み切る工場は少なくない。CMMS（Computerized Maintenance Management System：設備保全管理システム）は、作業オーダー管理、予防保全スケジューリング、スペアパーツ在庫管理、故障履歴の蓄積など、保全業務の効率化に不可欠なツールである。

しかし、現実は期待通りにはいかないことが多い。業界の調査によれば、CMMS導入プロジェクトの約60〜80%が当初期待された成果を十分に達成できていないとされている。数千万円を投じたシステムが、結局は「高価な電子作業日報」にしかなっていないという声も珍しくない。

問題の根本は、CMMSというツールそのものにあるのではない。導入のアプローチ、組織の準備状況、そして運用の設計に原因があることがほとんどだ。本記事では、CMMS導入でよくある落とし穴を具体的に解説し、それを避けるための実践的なアプローチを提示する。

なお、本記事ではCMMSという用語を使うが、近年はEAM（Enterprise Asset Management）やAPM（Asset Performance Management）といったより広範なシステムも含めて論じる。名称は異なっても、保全業務のデジタル化において直面する課題とその解決策は本質的に共通している。また、クラウドベースのSaaS型CMMS（eMaint、Fiix、Limble等）から、大手ERPに統合されたモジュール（SAP PM、Oracle EAM等）まで、規模や形態を問わず当てはまる内容である。

結論（先に3行）

1. CMMSの成否はソフトウェアの選定ではなく、導入前の業務プロセス整理とマスターデータの質で80%決まる。

2. 現場オペレーターを初期段階からプロジェクトに巻き込み、「使いたい仕組み」を一緒に作ることが定着の鍵である。

3. 全設備・全機能の一斉展開ではなく、重要設備でのパイロット運用から始め、成功体験を積み上げてから拡大するのが最も確実な道だ。

なぜCMMS導入は失敗するのか ― 構造的な問題

CMMS導入の失敗パターンには、驚くほど共通点がある。それは「ツールが先、プロセスが後」という順番の誤りだ。多くの工場では、まずCMMSを選定・購入し、その後で「さて、どう使おうか」と考え始める。これは、家具を買ってから家の設計図を描くようなものだ。

CMMSはあくまでも「既に設計された業務プロセスを効率化するツール」である。業務プロセスが整理されていない状態でCMMSを導入すると、混乱がデジタル化されるだけだ。紙の上での混乱がスクリーン上の混乱に変わり、しかもシステムに縛られる分だけ柔軟性が失われる。

もう一つの構造的な問題は、CMMSの導入がIT部門やコンサルタント主導で進められ、実際にシステムを使う現場の保全技術者の声が十分に反映されないケースだ。システムの画面設計やワークフローが現場の実態と乖離していると、技術者は「余計な仕事が増えた」と感じ、データ入力の質と量が急速に低下する。これがCMMSの価値を根本から毀損する。

さらに見落とされがちなのは、CMMSの導入タイミングの問題だ。工場の繁忙期にCMMS導入を重ねると、現場は「それどころではない」という反応になる。定期修理（シャットダウン）の直後や、比較的生産が落ち着く時期にパイロット運用を開始するなど、現場のリズムに合わせたスケジューリングが必要だ。また、CMMSの導入と同時に他の大きな変革プロジェクト（新ERP導入、組織再編など）が進行している場合は、現場の「変化疲れ」を考慮して優先順位とタイミングを慎重に判断すべきである。

よくある5つの落とし穴

落とし穴1：業務プロセスの整理なき導入

最も致命的な失敗パターンがこれだ。既存の保全業務が属人化・非標準化した状態のまま、そのワークフローをCMMSに載せてしまう。ある工場では、同じ設備の同じ点検作業に対して、技術者ごとに異なる名称と手順が使われていた。この状態でCMMSを導入した結果、同一設備に対して複数の矛盾する作業オーダーが生成され、現場は混乱した。

CMMS導入前にまず行うべきは、設備階層の整理（プラント→エリア→ライン→機器→コンポーネントの体系化）、作業手順の標準化（SOP：Standard Operating Procedure の整備）、そして故障コード体系の統一である。これらの基盤整備なくしてCMMSは機能しない。

設備階層の整理は地味な作業だが、CMMS運用の成否を左右する最も重要な基盤だ。例えば、冷却水系統を「チラー」として1台で登録するのか、「圧縮機」「凝縮器」「膨張弁」「蒸発器」のコンポーネントレベルまで分割して登録するのかで、故障分析の精度がまったく変わる。分割が粗すぎると故障原因の特定ができず、細かすぎるとデータ入力の負荷が現場を圧迫する。このバランスは設備の重要度に応じて設定すべきであり、重要設備はコンポーネントレベルまで、一般設備は機器レベルで十分というのが実務的な判断基準だ。

落とし穴2：マスターデータの軽視

設備台帳、部品マスター、故障コード体系、作業者スキルマトリクス――これらのマスターデータはCMMSの「血液」である。マスターデータの質がCMMSから得られるアウトプットの質を決定する。

しかし、多くのプロジェクトではマスターデータの整備に十分な時間とリソースが割かれない。「とりあえず登録して後で整理する」というアプローチは、ほぼ確実に「永遠に整理されない」結果に終わる。後から整理しようとすると、すでに入力された不正確なデータとの整合性を取る作業が必要になり、新規に整備するよりも遙かに手間がかかるからだ。

推奨するアプローチは、パイロットエリアの設備について「完璧なマスターデータ」を最初に作り込み、それをテンプレートとして残りの設備に展開することだ。最初の50台に時間をかけることで、残りの500台の展開速度が劇的に上がる。

故障コード体系も極めて重要なマスターデータの一つだ。故障コードが整備されていないと、故障の傾向分析やパレート分析ができず、CMMSの最大の価値である「データに基づく意思決定」が不可能になる。故障コードは「故障箇所」「故障モード」「故障原因」の3層構造にすることを推奨する。例えば、故障箇所＝ポンプ軸受、故障モード＝異常振動、故障原因＝潤滑不良、のように3つの情報を組み合わせることで、根本原因の傾向分析が可能になる。コード体系は最初から完璧でなくても良いが、構造だけは正しく設計しておくことが重要だ。後から構造を変更するのは、データの移行を伴うため非常に困難になる。

落とし穴3：現場オペレーターの巻き込み不足

CMMSを毎日使うのは、経営層でもIT部門でもなく、現場の保全技術者とオペレーターだ。彼らがシステムを受け入れなければ、いかに優れたCMMSも棚の上の飾りになる。

現場を巻き込むタイミングは、ソフトウェア選定の段階からだ。複数のCMMS候補をデモンストレーションする際に現場の代表者を同席させ、「使いやすさ」の観点から評価してもらう。導入後のワークフロー設計においても、現場の意見を積極的に取り入れる。「このフィールドは本当に必要か」「入力に何ステップかかるか」「手袋をしたまま操作できるか」――こうした現場目線の問いが、CMMSの定着率を左右する。

特に重要なのは、CMMSの導入が現場にとって「仕事が増える」のではなく「仕事が楽になる」ことを実感してもらうことだ。例えば、スペアパーツの検索が紙のカタログから数秒のキーワード検索に変わる、過去の修理履歴がワンクリックで参照できる、作業指示書が自動的にタブレットに配信される――こうした具体的なメリットを体験させることが、現場の抵抗を解消する最善の方法である。

落とし穴4：KPI設定なきの運用

CMMSを導入したものの、「何を測定し、何を改善するのか」が明確でないケースは非常に多い。前回の記事で解説した保全KPI（OEE、MTBF/MTTR、計画保全率、RAV比、回避コスト）を導入前に定義し、CMMSのデータがそのKPIを自動的に算出できるように設計すべきである。

KPIの設計とCMMSのデータ構造は表裏一体の関係にある。例えば、「計画保全率」を正確に測定するためには、作業オーダーに「計画」と「緊急」の区分が必要であり、その区分の定義が全員に共有されている必要がある。「MTTR」を測定するには、故障発生時刻と復旧完了時刻のフィールドが必須であり、それを記録する運用ルールが定着していなければならない。

CMMSの設定段階で「将来どのKPIを自動算出したいか」を明確にし、そのために必要なデータフィールドとワークフローを逆算して設計する。この「KPIドリブンの設計」が、CMMSを「単なる記録ツール」から「意思決定支援ツール」に格上げする鍵である。

実務的に特に注意が必要なのは、「入力必須フィールド」の設定だ。KPI算出に必要なデータフィールドは入力必須に設定しなければ、現場は面倒なフィールドをスキップする。しかし、入力必須フィールドが多すぎると入力完了までの時間が長くなり、現場の抵抗を招く。推奨するのは、作業オーダーの完了報告において入力必須フィールドを5〜7個に絞り、残りはオプションとすることだ。必須フィールドには、故障箇所コード、故障モードコード、開始時刻、完了時刻、作業区分（計画/緊急）など、KPI算出の根幹となるものを優先的に設定する。

落とし穴5：一度に全機能を展開

CMMSには多くの機能モジュールがある。作業オーダー管理、予防保全スケジューリング、在庫管理、購買管理、資産台帳、レポーティングなど、すべてを一度に展開しようとする誘惑は大きい。しかし、これは現場にとって過大な変化であり、混乱と抵抗を招く最大の原因となる。

推奨するアプローチは、フェーズドロールアウト（段階的展開）だ。まずフェーズ1として、パイロットエリアの重要設備10〜20台を対象に、作業オーダー管理と故障記録の機能のみを稼働させる。現場がこの基本機能に慣れたら、フェーズ2として予防保全スケジューリングを追加し、対象設備を拡大する。フェーズ3以降でスペアパーツ在庫管理、レポーティング機能を順次展開する。

各フェーズの期間は3〜6ヶ月が目安だ。フェーズ間で必ず「振り返り」を行い、現場からのフィードバックを次のフェーズに反映させる。この段階的アプローチにより、現場は無理なく新しい仕組みに適応でき、成功体験が積み重なることでCMMSへの信頼感が醸成される。

パイロットエリアの選定も成功を左右する重要な判断だ。理想的なパイロットエリアは、設備の重要度が高く（成功した場合のインパクトが大きい）、保全チームの意識が高く（変化への受容性がある）、かつ設備数が多すぎない（管理可能な範囲である）エリアだ。パイロットで成果が出れば、他のエリアへの展開において「あのエリアではうまくいっている」という説得力のある先行事例になる。逆に、最も困難なエリアを最初に選んでしまうと、初期段階で挫折し、プロジェクト全体のモメンタムが失われるリスクがある。

成功するCMMS導入の原則

これまでの落とし穴を裏返すと、成功するCMMS導入には明確な原則がある。「プロセスが先、ツールが後」――これが最も重要な原則だ。まず現状の保全業務を棚卸し、あるべき姿を定義し、そのギャップを埋めるためにCMMSを活用する。この順序を間違えると、いかに優れたソフトウェアであっても期待した成果は得られない。

具体的な導入プロセスとしては、以下の流れを推奨する。第一に、現状分析として保全業務の棚卸と課題の特定を行う（1〜2ヶ月）。第二に、あるべき姿の定義として、業務プロセスの設計とKPIの設定を行う（1〜2ヶ月）。第三に、マスターデータの整備としてパイロットエリアの設備台帳・部品マスターを作成する（2〜3ヶ月）。第四に、CMMS選定と設定を行う（1〜2ヶ月）。第五に、パイロット運用として限定エリアでの試験運用とフィードバック収集を行う（3〜6ヶ月）。第六に、段階的展開として対象設備と機能モジュールの拡大を行う（6〜12ヶ月）。

合計で12〜24ヶ月の期間を見込むべきだ。「半年で全社展開」という計画は失敗リスクが高い。この現実を経営層に事前に理解してもらうことも、プロジェクトマネージャーの重要な役割である。

導入後の運用定着 ― データの質を維持する仕組み

CMMS導入のゴールは「稼働開始」ではなく「運用定着」だ。稼働後にデータの質が徐々に低下し、半年後には誰もCMMSを信頼しなくなる、というパターンは珍しくない。これを防ぐために、データの質を継続的に監視・改善する仕組みが必要だ。

効果的な手法の一つは、月次の「データクオリティレビュー」だ。作業オーダーの完了率、故障コードの入力率、未記入フィールドの割合などを定期的にチェックし、数値が低下しているエリアには重点的にフォローアップする。このレビューを保全会議の定例アジェンダに組み込むことで、「データ入力は保全業務の一部である」という意識が組織に定着する。

もう一つ重要なのは、CMMSのデータが「現場にとっても役に立つ」という実感を持続させることだ。蓄積された故障データを分析して故障パレート図を作成し、保全チームにフィードバックする。「あなたたちが入力したデータから、この設備の故障の70%はこの3つの原因に集約されることがわかった。これに対して重点的に対策を打とう」――このようなフィードバックループが、データ入力のモチベーションを維持する最も効果的な方法である。

見落とされがちな成功要因 ― チェンジマネジメント

CMMS導入は技術プロジェクトであると同時に、組織変革プロジェクトでもある。新しいシステムの導入は、人々の日常業務を変える。変化への抵抗は自然なものであり、これを無視した導入は高い確率で失敗する。

効果的なチェンジマネジメントには3つの要素がある。第一に、経営層のコミットメントだ。工場長やプラントマネージャーが「CMMSの活用は組織の優先事項である」と明確に発信することで、現場の優先度が上がる。第二に、キーユーザー（現場チャンピオン）の育成だ。各エリアから1〜2名の保全技術者を選び、CMMSの「スーパーユーザー」として集中的にトレーニングする。彼らが同僚をサポートする体制を作ることで、外部コンサルタントへの依存度を下げ、現場主体の運用が定着する。第三に、継続的なコミュニケーションだ。導入の進捗、成功事例、課題と対策を定期的に全員に共有し、「自分たちのプロジェクト」という当事者意識を醸成する。

チェンジマネジメントにおいて見落とされがちなのが、「小さな勝利」の可視化だ。CMMS導入の初期段階で、具体的な改善事例をなるべく早く作り出し、全員に共有する。例えば、「CMMSのスペアパーツ検索機能により、部品の手配時間が従来の30分から2分に短縮された」「過去の修理履歴をCMMSで参照したことで、同じ故障の修理時間が半分になった」――こうした身近な成功事例が、現場の態度を「面倒なシステム」から「便利なツール」へと変えるきっかけになる。

CMMS選定のポイント ― 機能よりも運用性

市場には数多くのCMMS製品が存在する。高機能な大手製品から、シンプルなクラウドベースのソリューションまで選択肢は幅広い。しかし、選定において最も重視すべきは「機能の豊富さ」ではなく「現場での運用性」だ。

選定の際に確認すべきポイントは、まずモバイル対応だ。現場の保全技術者がタブレットやスマートフォンから作業オーダーの確認と完了報告ができることは、データ入力の定着に直結する。作業現場からデスクに戻ってPCでデータ入力するのは、現実的には定着しない。次に、入力ステップの少なさだ。一つの作業完了報告に必要なタップ数やクリック数が少ないほど、現場の負荷は下がる。最後に、日本語対応とサポート体制だ。特に現場オペレーターレベルのユーザーにとって、日本語UIと日本語サポートは不可欠である。

高機能であっても使いにくいシステムは定着しない。逆に、機能はシンプルでも直感的に操作できるシステムは現場に受け入れられやすい。「80%の機能を20%の操作で」という原則を念頭に、選定プロセスでは必ず現場ユーザーによるハンズオン評価を実施することを強く推奨する。

業界別の考慮事項

製薬工場では、CMMSのデータがGMP査察の証拠として直接使われる。そのため、データインテグリティ（ALCOA+原則：帰属可能、判読可能、同時的、原本、正確、完全、一貫性、永続性、利用可能）への準拠が必須となる。電子署名、監査証跡（Audit Trail）、アクセス制御などの機能要件は、CMMS選定時の重要な評価基準だ。また、校正管理やバリデーション関連の作業もCMMSで管理する場合、21 CFR Part 11への対応が求められる場合がある。

食品工場ではFSSC 22000やBRC認証の要件として、CCP（重要管理点）に関わる設備の保全記録が求められる。化学プラントでは、安全計装システム（SIS）やプロセス安全管理（PSM）に関わる設備の保全履歴をCMMSで一元管理することで、規制当局への報告が効率化される。いずれの業界でも、「CMMSは保全ツールであると同時にコンプライアンスツールでもある」という認識が重要だ。

まとめ

CMMSは保全業務を変革する強力なツールだが、魔法の杖ではない。導入の成否は、ソフトウェアの機能よりも、業務プロセスの整理、マスターデータの質、現場の巻き込み、そして段階的な展開アプローチにかかっている。

すでにCMMSを導入済みで「期待した効果が出ていない」と感じている工場も少なくないだろう。その場合は、いまからでも遅くない。まずは以下の3つの問いに答えることから始めてほしい。CMMSのデータ入力率は何%か（作業オーダーの完了報告が確実に入力されているか）。CMMSのデータからKPIが自動算出できるか。現場の保全技術者はCMMSを「便利だ」と感じているか。これらの問いに対する回答が、改善の出発点を示してくれるはずだ。

「導入したけど使われていない」という状態に陥らないために、まず自社の保全業務の現状を正直に棚卸することから始めてほしい。その上で、「CMMSで何を実現したいのか」を明確にし、小さく始めて着実に拡大していくアプローチを取ることを強く推奨する。

保全のデジタル化は一夜にして完成するものではない。しかし、正しいアプローチで着実に進めれば、CMMSは保全部門の意思決定を根本から変える力を持っている。次回の記事では、CMMSの活用とも密接に関係する「設備の老朽化リスク評価と更新判断」について掘り下げる。

著者について

ダリウシロスタミ｜イーテック合同会社代表

製薬・食品業界で35年のオペレーショナルエンジニアリング経験を持つ。

主な経験：

エンジニアリング部門のリーダーとして、新規施設立ち上げプロジェクトを統括
バリデーション（IQ/OQ/PQ）、コミッショニングの管理体制構築と技術サポート
Reliability Engineeringプログラムの導入と運用体制の確立
エネルギー最適化戦略の策定とクロスファンクショナルチームのマネジメント
GMP環境での変更管理・逸脱管理システムの構築

お問い合わせ： 工場の省エネとコミュニケーション改善についてのご相談は、こちらからお気軽にどうぞ。初回相談（30分）は無料です。

投稿 CMMS導入の落とし穴 ― ツールを入れただけでは保全は変わらないはイーテック合同会社 | 製薬・食品・化学工場のエンジニアリング戦略・脱炭素コンサルティングに最初に表示されました。

保全コストは“見えない投資” ― KPIで保全の価値を経営層に伝える方法

rosutami — Sat, 02 May 2026 02:00:00 +0000

はじめに

「保全はコストセンターだ」――この言葉を耳にしたことがあるエンジニアは少なくないだろう。設備が正常に動いている限り、保全部門の仕事は経営層の目に留まることが少ない。しかし、ひとたび突発故障が発生すれば、生産ラインは停止し、納期遅延、品質トラブル、さらには安全上のインシデントにまで発展する可能性がある。保全の価値は「何も起きなかったこと」にあるが、それを経営の言葉で伝えるのは容易ではない。

多くの保全部門が直面しているのは、技術的な力量の不足ではなく、「自分たちの貢献をどう見せるか」というコミュニケーションの課題である。35年にわたる製造現場での経験を通じて確信しているのは、保全の価値を経営層に伝えることは、優れた技術力と同等に重要なスキルだということだ。

本記事では、保全活動の価値を定量的に示し、経営層との対話を可能にするKPI（Key Performance Indicator）の選び方と活用法を、実務経験に基づいて解説する。対象はすべての製造業であり、製薬、食品、化学、自動車、半導体など、業界を問わず活用できるフレームワークを提示する。

結論（先に3行）

1. 保全KPIは技術報告ではなく、金額・リスク・トレンドで語ることで、経営層の意思決定を動かす武器になる。

2. OEE、MTBF/MTTR、計画保全率、RAV比、回避コストの5指標を軸にすれば、どの製造業でも保全の投資価値を定量的に証明できる。

3. まずはKPIを2つ選び、月次ダッシュボードで経営会議に報告することから始めれば、保全部門は「コストセンター」から「価値創造のパートナー」へ変わり始める。

なぜ保全の価値は見えにくいのか

保全活動には本質的な「可視性のパラドックス」がある。予防保全がうまく機能しているとき、設備は黙々と稼働し続ける。誰も「今日も設備が止まらなかったのは保全のおかげだ」とは思わない。設備が正常に動いている状態は、経営層にとっては「当然のこと」であり、投資の成果としては認識されにくい。

一方で、保全予算を削減した結果として故障が増えた場合、その因果関係が表面化するまでには通常6ヶ月から1年以上のタイムラグがある。予算削減の決定と故障増加の間にこの時間差があるため、経営層は両者の関連性を直感的に理解しにくい。これが「保全予算は削っても大丈夫」という誤った認識を生む構造的な原因となっている。

さらに、保全部門からの報告が技術用語で溢れていることも問題を複雑にしている。ベアリングの交換頻度やオイル分析の結果を詳細に報告しても、経営層にとってはそれが事業にどう影響するのかが見えない。必要なのは、技術的な活動を事業上の価値に翻訳する「共通言語」であり、それがKPIの役割だ。

ある工場の例を挙げよう。保全マネージャーが毎月提出していた報告書は、設備ごとの点検実施率と部品交換リストが中心だった。経営層の反応は「ご苦労さま」程度で、翌年度の保全予算は5%削減された。しかし、報告書の内容を「保全投資により回避された生産損失額」と「設備信頼性トレンド」に変えたところ、経営会議での議論の質が変わり、翌年度の保全予算は維持されただけでなく、重要設備に対する追加投資が承認された。報告する中身は同じ保全活動だが、伝え方を変えるだけで経営層の認識は劇的に変わるのだ。

経営層に刺さる保全KPIの選び方

KPIを選ぶ際に最も重要なのは、「経営層が関心を持つテーマと直結しているか」という視点だ。経営層の関心は大きく分けて3つある。収益への影響、リスクの管理、そしてコストの最適化である。保全KPIもこの3つの軸で整理することで、経営層との対話が格段にスムーズになる。

以下に、実務で特に効果が高いと感じるKPIを紹介する。重要なのは、すべてを一度に導入するのではなく、自社の状況に合わせて2～3個から始めることだ。

OEE（総合設備効率）― 生産性への貢献を示す

OEE（Overall Equipment Effectiveness）は、可用率（Availability）×性能率（Performance）×品質率（Quality）で算出される指標であり、製造業において最も広く認知されている。OEEの優れている点は、設備の稼働状況を単一の数値で表現でき、しかも経営層がすでに認知しているケースが多いことだ。

保全活動はOEEの中でも特に「可用率」に直接影響する。計画外停止時間を減らし、計画停止時間を最小化することで、可用率は向上する。ポイントは、OEEの改善を金額に換算して示すことだ。例えば、「OEEが1%向上すると、年間でXX百万円の追加生産が可能になる」という形で示せば、保全投資のROIが明確になる。

注意すべきは、OEE単体では保全の貢献を十分に示せない場合があることだ。OEEには運転操作のロスや原材料起因の品質ロスも含まれるため、保全の貢献分を分離して示すためには、次に述べるMTBFやMTTRと組み合わせることが有効である。

実務的なアドバイスとして、OEEのトレンドを月次で追跡し、重要な保全イベント（大規模予防保全の実施、設備更新など）をタイムライン上にプロットすることを推奨する。「この予防保全プログラムを開始してからOEEの可用率が3ポイント改善した」というビジュアルな因果関係は、経営層へのプレゼンテーションにおいて極めて説得力が高い。

MTBF（平均故障間隔）とMTTR（平均修復時間）― 設備の健全性を示す

MTBF（Mean Time Between Failures）は、故障と故障の間の平均時間を示し、設備の信頼性を測る指標である。MTBFが長いほど、設備は安定して稼働している。一方、MTTR（Mean Time To Repair）は、故障が発生してから復旧するまでの平均時間を示し、保全チームの対応力を測る。

この2つの指標が経営層に有効なのは、非常にシンプルなメッセージを伝えられるからだ。「我々の設備は平均XX日に1回故障し、修復には平均XX時間かかります。昨年と比較して故障間隔はXX%延び、修復時間はXX%短縮しました」――この一文だけで、保全活動の成果が明確に伝わる。

MTBFとMTTRを個別設備レベルだけでなく、設備群やプラント全体でトラッキングすることで、保全戦略の方向性を示すこともできる。MTBFが短い設備群には予防保全プログラムの強化を、MTTRが長い設備にはスペアパーツ管理や保全手順の改善を、というように具体的な改善策と紐付けて報告すると効果的だ。

また、MTBFとMTTRを組み合わせることで設備の「可用度」（Availability = MTBF / (MTBF + MTTR)）を算出できる。これは前述のOEEの可用率と直結する指標であり、保全活動がOEEにどう貢献しているかを構造的に説明する際に役立つ。例えば、あるポンプのMTBFが500時間から800時間に改善し、同時にMTTRが8時間から5時間に短縮された場合、可用度は98.4%から99.4%へと向上する。この1ポイントの改善が年間でどれだけの追加稼働時間を生み出すかを金額換算すれば、経営層へのインパクトは大きい。

計画保全率（Planned Maintenance Percentage）― 保全戦略の成熟度を示す

計画保全率は、全保全作業に占める計画的な保全作業（予防保全、予知保全、改良保全）の割合を示す。世界クラスの製造拠点では、この比率が80%以上であることが一つの目安とされている。逆に言えば、突発対応（壊れてから直す）が全体の50%を超えているような状態は、保全体制として不十分であることを意味する。

この指標が経営層にとって理解しやすいのは、「反応的な保全は計画的な保全の3～5倍のコストがかかる」という一般的な経験則と組み合わせて説明できるからだ。緊急修理では、通常の部品調達コストに加えて、急送料、時間外労働費、生産損失が上乗せされる。計画保全率を高めることが、直接的なコスト削減につながることを数字で示せる。

計画保全率の推移をグラフで見せることで、保全組織の「成熟度」が一目でわかる。毎月あるいは四半期ごとの推移を追うことで、保全改革の進捗を経営層に定期的に報告できる。

実際のところ、多くの工場で計画保全率を正確に測定するためには、まずCMMSや作業オーダーシステムが適切に運用されている必要がある。計画保全率の測定自体が、保全業務のデジタル化と標準化を促進するドライバーになるという副次的な効果もある。「測定するために仕組みを整える」というプロセス自体が、保全組織の成熟につながるのだ。

保全コスト対資産価値比（RAV比）― 業界ベンチマークとの比較

RAV比（Maintenance Cost as % of Replacement Asset Value）は、年間の保全費用を設備の資産置換価値で割った指標である。業界や設備の種類によって適正値は異なるが、一般的な製造業では2～5%が目安とされている。

RAV比が高すぎる場合は、設備の老朽化が進んでいるか、保全戦略が非効率であることを示唆する。逆に低すぎる場合は、保全への投資不足（いわゆる「保全の先送り」）のリスクがある。保全の先送りは短期的にはコスト削減に見えるが、中長期的には設備の信頼性低下や突然の大規模故障という形で跳ね返ってくる。

経営層にとってこの指標が有用なのは、同業他社や業界ベンチマークとの比較が容易だからだ。「我が社のRAV比はX%で、業界平均のY%と比較して適正範囲にある」あるいは「業界平均を下回っており、設備の信頼性リスクが懸念される」という報告は、投資判断の材料として直接活用できる。

重要なのは、RAV比を単独で判断するのではなく、設備の平均年齢やOEEトレンドと併せて分析することだ。設備の平均年齢が高くRAV比も高い場合は、設備更新計画の立案が必要なタイミングかもしれない。一方、設備が比較的新しいのにRAV比が高い場合は、保全戦略の見直し（例えば過剰な予防保全の最適化）が検討課題となる。このように、RAV比は他の指標との組み合わせで、より深い洞察を提供する。

保全回避コスト（Cost Avoidance）― 保全の投資対効果を直接示す

保全回避コストは、保全活動によって「防ぐことができた損失」を金額で示す指標である。例えば、予防保全で発見した異常を事前に修復したことで回避できた計画外停止の生産損失額、あるいは早期の部品交換によって防いだ二次被害のコストなどがこれに該当する。

この指標の算出には一定の仮定が必要になるが、保守的に見積もっても経営層へのインパクトは大きい。「今四半期に実施した振動診断により、3件の軸受異常を早期発見し、推定XX百万円の計画外停止を回避しました」というレポートは、保全投資の価値を最も直接的に伝えるメッセージとなる。

ただし、回避コストの算出においては過大な見積もりを避けることが信頼性維持のために重要だ。保守的な前提条件を明示した上で報告することで、経営層からの信頼を築くことができる。

回避コストの算出方法として推奨するのは、以下のシンプルなフレームワークだ。まず、予防的に発見した異常のリスト化。次に、各異常が故障に至った場合の想定停止時間の見積もり。そして、停止時間に1時間当たりの生産損失額を掛けた金額の算出。最後に、信頼係数（通常50～70%）を掛けて保守的な見積もりとする。この信頼係数を明示することで、「都合の良い数字を作っている」という批判を避けられる。

回避コストの記録を蓄積していくと、年間ベースで非常に説得力のある数字が積み上がる。「今年度の保全予算XX百万円に対し、回避できた推定損失額はYY百万円」という形で示せれば、保全投資のROIは明白だ。この手法は特に予知保全（振動診断、赤外線サーモグラフィ、油分析など）の価値を示す際に威力を発揮する。

KPIを経営に届けるための3つのコツ

1. ダッシュボードで継続的に見せる

KPIは単発の報告書ではなく、毎月更新されるダッシュボードで継続的に見せることが重要だ。経営層は忙しい。分厚い報告書を読む時間はない。A4一枚、あるいはスクリーン一画面で主要KPIのトレンドが把握できるダッシュボードを用意し、定期的な経営会議の場で5分間だけ時間をもらう。この「定点観測」の習慣こそが、保全への理解を深める最も効果的な方法である。

ダッシュボードの設計においては、「信号機方式」が効果的だ。各KPIに対して緑（目標達成）、黄（注意）、赤（要対策）のステータスを付与し、一目で全体の健全性がわかるようにする。経営層がまず見るのはこのステータスであり、赤になっているKPIについてのみ詳細を確認する、という運用が理想的だ。

2. 金額で語る

技術指標はできる限り金額に変換して報告する。「MTBFが20%向上した」よりも「計画外停止の削減により年間XX百万円の生産能力を確保した」の方が、経営層には100倍響く。すべてを正確に金額換算する必要はない。概算でも良いから「この活動の経済的インパクト」を示す習慣をつけることが大切だ。

3. ストーリーで伝える

数字だけでは人は動かない。KPIの背景にあるストーリーを添えることで、データが生きた情報になる。「先月のMTBF改善の裏には、保全チームが主導したXX設備の予防保全プログラム改善がある。具体的には、潤滑油の交換サイクルを見直し、フィルター管理を強化した結果、過去6ヶ月で同設備の故障がゼロになった」――このような具体的なストーリーが、KPIに命を吹き込む。

人間の脳は、抽象的な数字よりも具体的なエピソードに強く反応する。「計画外停止が15%減少した」という報告に、「先月の深夜2時、ボイラーの異常振動を振動診断が検知し、保全チームが翌朝の計画停止時に軸受を交換した。もし検知できなかったら、推定48時間の計画外停止と2,000万円の生産損失が発生していた」というエピソードを添える。同じ事実でも、伝わり方がまったく変わる。

KPI運用でよくある失敗とその対策

KPIを多く設定しすぎる

意気込んで10以上のKPIを設定してしまうケースがある。しかし、KPIが多すぎると何が重要なのかがぼやけ、経営層も現場もフォーカスを失う。経営会議で報告するKPIは3～5個に絞り、それ以外は保全部門内部の管理指標として運用するのが適切だ。

KPIの目標値を設定しない

KPIを測定しているが、目標値がないケースも多い。目標値がなければ、現在の数値が「良いのか悪いのか」が判断できない。目標値は業界ベンチマーク、過去の実績、あるいは経営計画との整合性から設定する。達成可能だが挑戦的な目標を設定し、その達成に向けたアクションプランと紐付けることが重要だ。

データの信頼性を確保しない

KPIの基礎となるデータが不正確では、すべてが台無しになる。特にCMMSへのデータ入力が不完全な場合、KPIの信頼性は著しく低下する。データ入力の標準化、定期的なデータクレンジング、そして入力しやすい仕組みの構築が、KPI運用の土台として不可欠である。「ゴミを入れればゴミが出る（Garbage In, Garbage Out）」はKPIにも当てはまる。

KPI導入のロードマップ ― 明日から始める3ステップ

Step 1: 現状把握と基準線の設定（1～2ヶ月目）

まず最初に行うべきは、現在利用可能なデータを棚卸しすることだ。CMMSが導入されている工場であれば、故障記録、作業オーダー、停止時間記録などから、MTBFやMTTRの概算値を算出できる場合が多い。CMMSがない場合でも、運転日報や修理報告書から過去1年分のデータを収集し、ベースラインを設定する。完璧なデータがなくても構わない。まずは「現在地を知る」ことが出発点だ。この段階では、経営層への報告を始める前に、データの妥当性を保全チーム内で検証することが重要である。

Step 2: パイロット報告の開始（3～4ヶ月目）

ベースラインが設定できたら、選定した2～3個のKPIについてダッシュボードのプロトタイプを作成し、まずは保全部門内部で試験運用する。この段階で重要なのは、KPIの定義を明確に文書化することだ。「計画外停止」の定義は工場によって異なる場合があり、定義が曖昧なまま報告を始めると、後になって「数字の信頼性」を疑われるリスクがある。定義書を作成し、関係者の合意を得てから経営層への報告を開始する。

Step 3: 定期報告の定着化（5ヶ月目以降）

経営会議の定期アジェンダに保全KPIの報告枠を設定する。最初は月次報告で十分だ。報告のフォーマットは固定し、毎月同じ形式でトレンドが追えるようにする。フォーマットが毎回変わると、経営層は比較ができず、KPIへの信頼を失う。慣れてきたら四半期ごとの詳細レビューを追加し、KPIの目標値見直しや新たなKPIの追加を検討する。

このロードマップは一例であり、工場の規模や保全組織の成熟度によって調整が必要だ。しかし、共通して言えるのは、「小さく始めて、着実に改善する」アプローチが最も成功率が高いということである。

業界別の考慮事項

本記事で紹介したKPIは業界を問わず適用可能であるが、業界固有の規制環境によって追加のKPIが必要になる場合がある。

製薬工場では、GMP適合という追加の制約があるため、設備起因の逸脱件数やCAPA（是正措置・予防措置）の完了率を保全KPIに加えることが有効だ。査察において設備の保全記録は重要な確認項目であり、適切な保全が行われていることをデータで示す必要がある。保全活動とGMPコンプライアンスの関係を定量的に示すことで、経営層の理解はさらに深まる。

食品工場ではHACCP管理点に関わる設備の保全状況、化学工場では安全計装システム（SIS）やプロセス安全に関わる設備の保全実績が、経営層にとって特に重要なKPIとなる。いずれの場合も、規制対応コストの回避という観点で保全投資の価値を訴求できる。

業界を問わず重要なのは、経営層が最も恐れるリスク――つまり「規制違反による操業停止」「重大事故」「大規模リコール」――と保全活動を結びつけて説明することだ。保全KPIは単なる技術指標ではなく、事業継続リスクの先行指標として位置づけることで、経営層の意識は劇的に変わる。保全マネージャーが「私たちは設備を直す部門です」から「私たちは事業の継続性を守る部門です」へとメッセージを転換したとき、経営層との対話の質は根本的に変わるのである。

まとめ

保全はコストではなく投資である。しかし、それを主張するだけでは経営層は動かない。必要なのは、保全活動の成果を経営の言葉――つまり金額とリスクとトレンド――で継続的に伝え続けることだ。

本記事で紹介した5つのKPI（OEE、MTBF/MTTR、計画保全率、RAV比、保全回避コスト）は、それぞれ異なる角度から保全の価値を照らすものである。すべてを一度に導入する必要はない。まずは自社の状況に最も合ったKPIを2つ選び、来月から経営会議で報告してみてほしい。

導入の順番としては、まずOEEまたはMTBF/MTTRから始め、データの蓄積に伴って計画保全率やRAV比を追加し、最終的に保全回避コストまでカバーするのが現実的なロードマップだ。最初の一歩は小さくても構わない。重要なのは「始めること」と「続けること」だ。

保全部門が「コストセンター」から「価値創造のパートナー」へと進化するための第一歩は、数字で語り始めることにある。そして、その数字を経営層の関心事と結びつけ、継続的なダッシュボードで可視化することが、保全投資への理解と支持を勝ち取る最も確実な道である。あなたの工場では、保全の価値をどのように可視化しているだろうか。次回の記事では、この可視化の基盤となるCMMS（設備保全管理システム）の導入について、成功と失敗を分けるポイントを掘り下げる。

著者について

ダリウシロスタミ｜イーテック合同会社代表

製薬・食品業界で35年のオペレーショナルエンジニアリング経験を持つ。

主な経験：

エンジニアリング部門のリーダーとして、新規施設立ち上げプロジェクトを統括
バリデーション（IQ/OQ/PQ）、コミッショニングの管理体制構築と技術サポート
Reliability Engineeringプログラムの導入と運用体制の確立
エネルギー最適化戦略の策定とクロスファンクショナルチームのマネジメント
GMP環境での変更管理・逸脱管理システムの構築

お問い合わせ： 工場の省エネとコミュニケーション改善についてのご相談は、こちらからお気軽にどうぞ。初回相談（30分）は無料です。

投稿保全コストは“見えない投資” ― KPIで保全の価値を経営層に伝える方法はイーテック合同会社 | 製薬・食品・化学工場のエンジニアリング戦略・脱炭素コンサルティングに最初に表示されました。

Reliability Engineering上級編：残存寿命推定—「いつ壊れるか」をデータで予測する

rosutami — Sat, 18 Apr 2026 02:00:00 +0000

はじめに：「あと何ヶ月持ちますか？」に答えられるか

工場長からの質問。

「来月の計画停止でチラーのコンプレッサーをオーバーホールするか、半年後の大型停止まで引っ張るか。どっちだ？」

入門編では「まず測ってみる」、中級編では「FMEAで何を測るか設計する」を解説しました。しかし、工場長が求めているのは、その先です。

「この設備は、あとどのくらい持つのか」

「たぶん大丈夫だと思います」では通用しません。「データに基づくと、現在の劣化速度では3ヶ月後に交換基準に達する見込みです。したがって、来月の計画停止での対応を推奨します」——これが、Reliability Engineeringの最終到達点です。

35年間の現場経験の中で、この「残存寿命推定（RUL：Remaining Useful Life）」の能力が、保全部門の評価を決定的に変える瞬間を何度も見てきました。「壊れたら直す部門」から「生産の安定を保証する部門」へ。保全が「コストセンター」から「バリューセンター」に変わる瞬間です。

シリーズ最終回の今日は、CBMデータから残存寿命を推定し、保全計画に統合する実践手法を解説します。特別な分析ソフトは不要です。Excelで始められます。

結論（先に3行で）

残存寿命推定に必要なのは高価なシステムではなく、Excelと3回分の測定データ——線形回帰だけで「あと何ヶ月持つか」は計算できる
推定の「不確実性」を隠さず幅で伝えることで、保全部門は「たぶん大丈夫」から「データに基づく経営判断の支援」へ変わる
残存寿命推定が計画停止・在庫管理・予算策定に統合された時、保全は「コストセンター」から「バリューセンター」に転換する

残存寿命推定の基本原理

劣化にはパターンがある——だから予測できる

設備は突然壊れるわけではありません。必ず劣化のプロセスを経ています。

線形劣化： 一定速度で劣化が進行。HEPAフィルターの圧力損失増加が典型例。予測が最も容易。

加速劣化： 初期は緩やかだが、ある時点から急速に進行。ベアリング摩耗の「ホッケースティック」パターン。振動値が緩やかに上昇した後、急激に悪化する。

段階的劣化： 長期間安定した後、急激に性能低下。制御バルブのダイアフラムなど。材質劣化がある閾値を超えると、急速にリーク量が増大する。

ランダム劣化： 外的要因（温度変動、湿度、電圧変動）の影響が大きく、パターンが見えにくい。電子基板の故障が典型例。

推定の基本フレームワーク

どのパターンでも、基本は同じです。

状態指標の時系列データを取得する（CBM）。データから劣化の傾向を抽出する。傾向を外挿し、交換基準に到達する時期を推定する。推定の不確実性を評価する。推定結果を保全計画に統合する。

シンプルに言えば、「今の劣化ペースが続いたら、いつ限界に達するか」を計算する。それだけです。

Excelで実践する4つの推定手法

手法1：線形回帰（最も基本的）

線形劣化パターンに適用。HEPAフィルター差圧、コイル効率低下など。

実例： あるAHUのHEPAフィルター差圧データ。9ヶ月間の月次測定で、155 Pa → 162 → 170 → 176 → 185 → 191 → 200 → 207 → 215 Pa。

Excelで散布図を作成し、「近似曲線の追加」→「線形」→「数式を表示」。結果の数式：y = 7.5x + 147（月あたり7.5 Paずつ増加）。

交換基準250 Paに対して：(250 - 147) ÷ 7.5 = 13.7ヶ月。現時点（9ヶ月目）からあと約5ヶ月で到達。

R²値（決定係数） を必ず確認。0.9以上なら信頼性が高い。0.8未満なら他のモデルを検討。

手法2：移動平均＋傾き分析（ノイズの多いデータ向け）

振動データなど、測定ごとのバラつきが大きいデータに適用。

3点移動平均でノイズを除去してから回帰分析。Excelで「=AVERAGE(B2:B4)」を使うだけ。移動平均データの方がトレンドが明確になり、推定精度が向上する。

注意点として、移動平均は直近データの反映が遅れる。最新の測定値が移動平均から大きく乖離している場合は、測定頻度を上げて確認する。

手法3：指数回帰（加速劣化向け）

ベアリング摩耗など、加速するパターンに適用。

Excelの散布図で「近似曲線の追加」→「指数」。線形推定よりも「早めに交換基準に達する」結果になる。

線形と指数の両方のR²値を比較し、高い方を採用。迷ったら保守的な方（早く到達する方）を選ぶ。製薬施設では「過少保全」のリスク（GMP逸脱）は「過剰保全」のリスク（コスト増）より深刻だからです。

手法4：P-Fインターバルの活用

P-Fインターバルとは、故障の兆候が最初に検知可能になる時点（P点）から、機能喪失に至る時点（F点）までの期間です。RCM（Reliability Centered Maintenance）の核心概念です。

主要コンポーネントのP-Fインターバル目安：

ベアリング摩耗：3-6ヶ月。モーター絶縁劣化：1-3年。HEPAフィルター目詰まり：3-12ヶ月。冷却コイルスケール付着：6-18ヶ月。制御バルブ固着：1-6ヶ月。メカニカルシール劣化：1-3ヶ月。

CBM測定頻度の設計原則： P-Fインターバルの1/3以下に設定。ベアリングのP-Fが3-6ヶ月なら、測定は月1回。これにより、兆候検知後に最低2回の追加測定で確認し、保全を計画する時間が確保できる。

推定の不確実性を扱う：「5ヶ月後」ではなく「3-7ヶ月後」

残存寿命推定で最も見落とされがちなポイント。推定には必ず不確実性がある。

不確実性を評価する3つの手法

信頼区間： 簡易的には推定値の±20%。厳密にはExcelのFORECAST関数とCONFIDENCE関数で95%信頼区間を算出。

シナリオ分析： 最善ケース（劣化速度が10%遅い）、基本ケース（現状維持）、最悪ケース（劣化速度が20%速い）の3パターン。「楽観7ヶ月、基本5ヶ月、悲観3ヶ月」という幅を持った予測。

過去データとの照合： 同型設備の過去故障データがあれば精度検証が可能。「過去5年で同型ベアリング8回交換、交換時振動値は平均6.2 mm/s、標準偏差0.8 mm/s」——この実績データが推定の信頼性を裏付ける。データが蓄積されるほど精度が向上する。これがReliability Engineeringを継続運用する最大の価値です。

不確実性を意思決定に活かす

工場長への報告は、不確実性を明示する。

「振動データに基づく残存寿命推定では、基本シナリオで5ヶ月、最悪シナリオで3ヶ月です。来月の計画停止（1ヶ月後）は余裕がありますが、半年後の大型停止まで引っ張ると最悪シナリオでは間に合いません。来月の計画停止でのオーバーホールを推奨します」

推定値と、不確実性と、推奨アクションをセットで提示する。これが保全部門が経営判断を支援する最も効果的な方法です。

残存寿命推定を保全計画に統合する

統合ポイント1：計画停止のスコーピング

RUL統合アプローチ： 「次の計画停止まで持たないコンポーネント」と「次までは持つが、その次は持たないコンポーネント」を識別。「まだ使える部品の無駄な交換」と「計画停止間の突発故障」の両方を削減。

運用フロー： 計画停止2ヶ月前にCBMデータレビューとRUL更新。1ヶ月前に作業範囲を確定し部品手配。1週間前に最終CBM測定で急速劣化の最終確認。停止後に交換部品の実際の劣化状態を記録し、推定精度を検証。

この「推定 vs 実績」の照合が、次回の精度向上に直結します。

統合ポイント2：部品在庫の最適化

「3ヶ月以内に交換が必要になる可能性がある部品」をリストアップし、その分を確保。長期安定しているコンポーネントの安全在庫は削減。ある施設では在庫金額30%削減と緊急発注60%減少を同時に達成しました。

統合ポイント3：予算策定の精度向上

RUL推定に基づき、来年度に交換が見込まれるコンポーネントをリストアップ。「昨年と同額」ではなく、「来年度は主要チラー2台のオーバーホールが見込まれるため前年比15%増。振動データのトレンドに基づく推定です」と言える。経営層への説明力が根本的に変わります。

製薬施設でのRUL推定：GMP上の留意点

文書化の徹底

推定結果と保全判断は記録として残す。対象設備、使用データ、推定手法、推定結果（残存寿命と信頼区間）、判断と根拠。査察時に「保全判断が科学的根拠に基づいている」エビデンスになります。

保守的なマージン設定

推定残存寿命の70-80%を「実効残存寿命」として扱う。クリティカル設備（クリーンルーム空調、用水）は70%、重要設備（チラー、ボイラー）は75%、支援設備は85%。製薬施設では「壊れてからでは遅い」からです。

Change Controlとの連携

重要な区別があります。Change Controlが必要なのは「保全戦略の変更」であり、「個々の保全判断」ではありません。CBMプログラムのSOPで「振動値がX mm/sに達したら交換する」と承認されていれば、実際にXに達した時の交換は通常の保全活動です。

3部作の全体像と実践ロードマップ

シリーズの振り返り

入門編「まず測る」——CBMの基本、主要設備の測定項目、振動計1台とExcelで始める。

中級編「賢く測る」——FMEA×CBMで保全戦略を設計、RPNに基づく優先順位付け、リソースの最適配分。

上級編「いつ壊れるか予測する」——残存寿命推定の手法、不確実性の評価、計画停止・在庫・予算への統合。

実践ロードマップ

1年目（基盤構築）： 重要設備のCBM測定開始。ベースラインデータ蓄積。

1-2年目（戦略設計）： 主要設備のFMEA×CBM実施。SOP文書化。

2年目以降（予測と最適化）： RUL推定の運用開始。計画停止・予算策定への統合。年次レビューで精度継続改善。

3年目以降（成熟）： 予知保全の定着。設備起因の突発故障が年間数件以下。経営との対話が「なぜ必要か」から「どれだけ改善できるか」へ変化。

まとめ：保全の「見える化」が組織を変える

3部作を通じて、一貫して伝えたかったメッセージがあります。

保全は「経験と勘」の仕事ではなく、「データと分析」の仕事になれる。

ベテラン保全技術者が音を聞いて「このベアリングは交換時期だ」と判断する能力は本物です。しかし、その人が退職したら消えてしまう。査察官に「ベテランがそう言っている」では根拠として不十分。

Reliability Engineeringは、ベテランの「経験と勘」を否定するものではありません。それを「データと手法」として形式知化し、組織の能力として定着させるものです。振動トレンドはベテランの耳を数値化したもの。FMEAはベテランの予知能力を体系化したもの。残存寿命推定はベテランの勘を定量化したもの。

Reliability Engineeringシリーズ——3部作の結論

製薬施設の保全は、「測る→分析する→予測する」の3段階で進化する。この進化に必要なのは、高価なシステムではなく、「データに基づいて判断する」という組織文化の転換である。そして、この文化が根付いた組織は、設備の安定性、コスト効率、GMPコンプライアンスの全てにおいて、圧倒的な競争優位を手にする。

今日から始められる3つのアクション

この蓄積が推定精度の向上を加速させる

既存のCBMデータでトレンドグラフを作る

3回以上の測定データがある設備を選ぶ

Excelで散布図→近似曲線→交換基準到達時期を推定

R²値で信頼性を確認

次の計画停止の作業リストを見直す

CBMデータで「本当に交換が必要か」を検証

「まだ使える部品」を特定し延期を検討

スケジュール外だが劣化進行中の項目を追加

交換部品の実際の劣化状態を記録し始める

写真と数値でCBM推定と実績を照合

著者について

ダリウシ　ロスタミ | イーテック合同会社代表

製薬・食品業界で35年のオペレーショナルエンジニアリング経験を持つ。

主な経験：

エンジニアリング部門のリーダーとして、新規施設立ち上げプロジェクトを統括
バリデーション（IQ/OQ/PQ）、コミッショニングの管理体制構築と技術サポート
Reliability Engineeringプログラムの導入と運用体制の確立
エネルギー最適化戦略の策定とクロスファンクショナルチームのマネジメント
GMP環境での変更管理・逸脱管理システムの構築

お問い合わせ: 工場の省エネとコミュニケーション改善についてのご相談は、こちらからお気軽にどうぞ。初回相談（30分）は無料です。

投稿 Reliability Engineering上級編：残存寿命推定—「いつ壊れるか」をデータで予測するはイーテック合同会社 | 製薬・食品・化学工場のエンジニアリング戦略・脱炭素コンサルティングに最初に表示されました。

Reliability Engineering中級編：FMEA×CBMで保全戦略を設計する—「全部測る」から「賢く測る」へ

rosutami — Sat, 04 Apr 2026 02:00:00 +0000

はじめに：CBMを始めた施設が次にぶつかる壁

CBMを始めると、次の壁に当たります。

「200台ある設備のうち、どれを重点的にモニタリングすべきか分からない」

「設備ごとに何を測るべきか、判断基準が曖昧」

「やっているのに、想定外の故障が起きる」

これは“測定の努力不足”ではなく、保全戦略の“設計不足”です。

そこで有効なのが、FMEA（故障モード影響分析）を使って、CBMを“設計する”やり方です。FMEAは品質リスクマネジメントの文脈でも一般的な手法の一つとして位置付けられています。

結論（先に3行で）

CBMは「測ること」ではなく「測る対象を設計すること」が成果を左右する
FMEAを使えば、監視すべき故障モードと測定項目を論理的に絞り込める
「全部測る」から「リスクの高いところだけ賢く測る」へ転換することで、保全の質と説明力が同時に向上する

なぜ「全部測る」は失敗するのか

・測定項目が増えすぎて現場負担が爆発する

・データが多すぎて重要変化が埋もれる

・設備ごとの“壊れ方”の違いを無視してしまう

・結果として、見落とした故障モードから突発停止が起きる

要するに「どう壊れるか」を体系的に整理していないことが原因です。

FMEAの基礎：3つの問いで「壊れ方」を洗い出す

FMEAはコンポーネントごとに、次を整理します。

どう壊れるか（故障モード）
壊れたら何が起きるか（影響）
どれくらい危ないか（優先度）

RPNと、いま増えている「AP（Action Priority）」の考え方

従来のFMEAでは、S（影響度）×O（発生）×D（検知）でRPNを出し、優先順位に使う方法がよく使われてきました。

一方、近年のAIAG/VDA系のFMEAでは、RPNだけに依存せず、Action Priority（AP）で「高・中・低」の優先度を決める考え方が明確です。

ポイントは次の2つです。

・RPNの絶対値に“世界共通の正解”はない

・優先順位付けは「組織が再現性ある形で回る」ことが最優先（RPNでもAPでもよいが、ルールを統一する）

このブログでは、現場導入しやすいように「RPNは相対順位の目安」「優先度はAPやリスクマトリクスも併用可」という立て付けで説明します。

FMEA×CBM：実践ワークショップの進め方

参加者は最低4者。

エンジニアリング（仕様と故障メカ）／保全（現場知）／製造（運転条件と影響）／QA（GMP影響）

この4者が同じテーブルで議論することが、精度と定着を決めます。

ステップ1：対象設備は最初は1–2台に絞る

最初の題材はAHUかチラーがやりやすい（共通性が高く、故障モードが多い）。

ステップ2：設備をコンポーネントに分解する

例：AHUならファン、モーター、ベアリング、コイル、バルブ、センサー、筐体など。

ステップ3：故障モードごとに「検知できる指標」を結び付ける

ここが“FMEA×CBM”の核です。

「この測定は、どの故障モードを早期に拾うための測定か？」を明確にします。

ステップ4：優先度（RPNやAP）に基づき“測る強さ”を変える

・最優先（AP高、または相対的にRPN高）：複数手段＋頻度高＋エスカレーション明確

・標準（中）：月次など標準頻度でトレンド管理

・基本（低）：既存アラームや定期点検で十分、追加測定は最小化

注意：RPNの閾値（例：200以上等）は“規格”ではありません。自社のリスク許容度とリソースで決めます。大事なのは絶対値ではなく相対順位です。

ステップ5：CBM実施計画（SOP化）に落とす

対象、測定項目、頻度（通常／注意時）、判断基準、イエロー時／レッド時のアクション、担当、記録方法。

GMP環境では「文書化して回る」こと自体が価値になります。

形骸化を防ぐ：FMEAは“更新されるべき設計図”

FMEAを一度作って終わりにすると形骸化します。更新トリガーを決めます。

・突発故障が起きた

・設備変更（Change Control）をした

・年次レビュー（最低年1回）

年次レビューは2–3時間で十分です。

「予測と実績のギャップ」を埋める場にすると、翌年から精度が上がります。

製薬施設特有の視点

・影響度（S）はGMP影響を明示的に分けて評価する（品質逸脱の重みは別格）

・“触れられない領域（再バリデーション負荷が高い）”と“最適化しやすい領域”を区別し、後者から成功事例を作る

・査察では「なぜその保全方法なのか」を問われる。FMEA×CBMは、科学的・体系的な根拠として説明しやすい。

まとめ：「賢く測る」が保全を変える

入門編は「まず測る」。中級編は「測る理由を設計する」。

FMEA×CBMの本質は、限られたリソースを最大インパクトに集中させることです。

全部測らない。重要な故障モードを見極めて、そこだけは確実に拾う。

今日から始められる3つのアクション

過去3年の故障履歴を“故障モード”単位で整理する
AHUまたはチラーを1台選び、半日×2回のFMEAワークショップを入れる
既存CBMの測定項目を見直し、「どの故障モードを拾う測定か」を明文化する

著者について

ダリウシ　ロスタミ | イーテック合同会社代表

製薬・食品業界で35年のオペレーショナルエンジニアリング経験を持つ。

主な経験：

エンジニアリング部門のリーダーとして、新規施設立ち上げプロジェクトを統括
バリデーション（IQ/OQ/PQ）、コミッショニングの管理体制構築と技術サポート
Reliability Engineeringプログラムの導入と運用体制の確立
エネルギー最適化戦略の策定とクロスファンクショナルチームのマネジメント
GMP環境での変更管理・逸脱管理システムの構築

お問い合わせ: 工場の省エネとコミュニケーション改善についてのご相談は、こちらからお気軽にどうぞ。初回相談（30分）は無料です。

投稿 Reliability Engineering中級編：FMEA×CBMで保全戦略を設計する—「全部測る」から「賢く測る」へはイーテック合同会社 | 製薬・食品・化学工場のエンジニアリング戦略・脱炭素コンサルティングに最初に表示されました。

Reliability Engineering入門：施設の保全を「壊れたら直す」から「壊れる前に知る」へ

rosutami — Sat, 21 Mar 2026 02:00:00 +0000

はじめに：「なぜ、いつも金曜の夜に壊れるのか」

製薬施設のエンジニアなら、一度はこう思ったことがあるはずです。

金曜日の夕方、週末の生産計画を確認し、「今週も無事に終わりそうだ」と安堵した瞬間、保全担当者から連絡が入る。

「チラーが停止しました。クリーンルームの温度が上昇しています」

そこからの展開は、経験者なら想像がつくでしょう。緊急対応チームの招集、メーカーへの夜間対応依頼、代替冷却手段の検討、環境モニタリングの強化、逸脱報告書の作成、製造への影響評価——週末は消えます。

そして月曜日の朝、報告書を書きながら思うのです。「なぜ事前に兆候を掴めなかったのか」と。

答えはシンプルです。兆候が無かったのではありません。兆候を“拾う仕組み”と、“判断に変える仕組み”が無かっただけです。

今日は、製薬施設における保全の進化——「壊れたら直す」から「壊れる前に知る」への転換を、実務者の視点で整理します。

結論（先に3行）

突発故障の約60〜70％は、振動・温度・電流などの基礎データで事前に兆候を捉えることが可能です。
状態基準保全（CBM）を導入した現場では、ダウンタイムが20〜30％改善した事例もあります。
振動計1台と記録の仕組みがあれば、重要設備の上位20％からすぐに始められます。

FMEAの基礎：3つの問いで「壊れ方」を洗い出す

FMEAはコンポーネントごとに、次を整理します。

どう壊れるか（故障モード）
壊れたら何が起きるか（影響）
どれくらい危ないか（優先度）

製薬施設の保全が抱える構造的な問題

多くの製薬施設では、TBM（Time-Based Maintenance：時間基準保全）が中心です。

メーカー推奨や社内基準に基づき、「○ヶ月ごとに交換」「○年ごとにオーバーホール」という計画を立て、実行する方式です。

TBMは“最低限の再現性”を作るには有効ですが、次の限界が出ます。

過剰保全と過少保全が同時に起きる同じ型式でも運転時間・負荷・環境が違えば劣化速度は変わります。TBMはそれを吸収できず、まだ使える部品を捨てる一方で、厳しい条件の設備は予定前に限界を迎えることがあります。
計画外の異常には弱い異物噛み込み、絶縁劣化、制御部品の突然故障など、“時間で予測しにくい”要因は一定数あります。TBMだけでは「兆候を拾って先回りする」設計になりにくい。
コスト最適化が難しい早すぎる交換（部品・工数）と、遅すぎる交換（突発停止・逸脱・緊急対応）のバランスを、本当の意味で最適化するには“状態データ”が必要になります。

Reliability Engineeringとは何か

Reliability Engineering（信頼性工学）は、設備やシステムが「必要な機能を、必要な期間、必要な条件で」果たす確度を高めるための体系です。

本質は、次の一文に集約できます。

「状態を知り、最適なタイミングで最適な処置をする」

保全の進化：4つのレベル

レベル1：事後保全（Reactive）

壊れてから直す。突発対応・逸脱対応の負担が大きくなりやすい。

レベル2：予防保全（Preventive / TBM）

定期交換で安定性は上がるが、最適化には限界がある。

レベル3：状態基準保全（CBM：Condition-Based）

振動、温度、差圧、電流などの状態指標を見て、タイミングを判断する。

レベル4：予知保全（PdM：Predictive）

トレンドやモデルで残存寿命（どれくらい先まで持つか）を推定し、計画停止・在庫・工数まで最適化する。

製薬施設では、まずCBMを基盤にし、重要設備だけPdMへ拡張するのが現実的です。全設備PdMは投資過多になりやすい一方、TBMのみでは“計画外の痛み”が残ります。

CBM実践：何を、どう測るか（代表例）

ここでは“万能解”ではなく、現場で始めやすい代表例を示します。設備仕様・運転条件により、測るべき指標は調整してください。

AHU（空調機）

・ファン振動：ベアリング劣化の代表指標

・フィルター差圧：目詰まりの進行

・モーター電流：負荷変化の兆候

・コイル入出口温度差：熱交換性能劣化の兆候

チラー

・吸入／吐出圧力、温度：冷媒系・熱交換器の異常兆候

・振動：圧縮機の状態把握

・オイル分析（可能なら）：摩耗・劣化兆候

・COPなど効率トレンド：システム劣化の早期検知

ポンプ

・振動：ベアリング、キャビテーション、アンバランス

・吐出圧力・流量：性能劣化

・シール部漏れ：日常点検で拾える“早い兆候”

・モーター温度：過負荷・劣化の兆候

用水（PW/WFIなど）

・差圧（膜・フィルター）：ファウリング兆候

・導電率・TOCのトレンド：劣化・汚染兆候（設計・規格に沿って運用）

CBM導入ステップ：小さく始めて確実に成果を出す

フェーズ1：重要設備を決める（目安1ヶ月）

故障影響度／頻度／復旧時間／GMP影響の4軸でスコアリングし、上位から着手。

フェーズ2：ベースラインを取る（目安2–3ヶ月）

“正常時の数値”を押さえる。最初は月1回測定＋Excelで十分です。

フェーズ3：トレンドを見る（目安3–6ヶ月）

増加傾向、急変、季節変動を区別しながら、注意・要対応のルールを決めます。

（例：ベースライン比で注意域／対応域を設定。ただし閾値は設備ごとに最適化）

フェーズ4：TBMを見直す（目安6ヶ月以降）

“全台一律交換”から“個別判断”へ。延長する台と前倒しする台を分ける。

フェーズ5：PdMへ拡張（目安1年以降）

残存寿命推定、計画停止への織り込み、在庫最適化へ進める。

GMP環境での注意点（要点）

・保全戦略の変更は、原則として手順変更（SOP）に関わるためChange Controlが必要になることが多い。

・測定器の管理は“目的に応じて”。品質に直接影響するGMP計器とは区別しつつも、測定値の信頼性を担保する運用（点検・校正・トレーサビリティ）は必要。

・データは「いつ／誰が／どこで／どう測ったか」が追跡できる形が望ましい（ALCOA+の考え方は参考になる）。

ROIについて：断定ではなく「試算の型」を持つ

CBM/PdMの効果は、設備の重要度、故障頻度、停止損失の大きさで大きく変わります。従って「必ず何%削減」と断定するより、次の“試算の型”で社内合意を作るのが現実的です。

・突発停止の年間件数 × 1件当たりの総コスト（修理＋緊急対応＋逸脱対応＋生産影響）

・過剰交換の年間コスト（部品＋工数）

・導入コスト（測定器＋教育＋工数）

この3点を置けば、施設ごとの“納得感あるROI”を出せます。

まとめ：「予測不能」ではなく「予測していなかった」

突発故障の多くは、事前兆候が“どこか”に出ています。

問題は、それを拾い、判断し、計画に落とす仕組みが無いことです。

ポータブル振動計1台、Excel1枚、月に半日の測定。ここから始められます。

今日から始められる3つのアクション

過去3年の突発故障を棚卸しする（設備・原因・影響・コスト）
重要設備を3つだけ選び、ベースライン測定を始める
1ヶ月後に同じ点で再測定し、変化を“見える化”する

著者について

ダリウシ　ロスタミ | イーテック合同会社代表

製薬・食品業界で35年のオペレーショナルエンジニアリング経験を持つ。

主な経験：

エンジニアリング部門のリーダーとして、新規施設立ち上げプロジェクトを統括
バリデーション（IQ/OQ/PQ）、コミッショニングの管理体制構築と技術サポート
Reliability Engineeringプログラムの導入と運用体制の確立
エネルギー最適化戦略の策定とクロスファンクショナルチームのマネジメント
GMP環境での変更管理・逸脱管理システムの構築

お問い合わせ: 工場の省エネとコミュニケーション改善についてのご相談は、こちらからお気軽にどうぞ。初回相談（30分）は無料です。

投稿 Reliability Engineering入門：施設の保全を「壊れたら直す」から「壊れる前に知る」へはイーテック合同会社 | 製薬・食品・化学工場のエンジニアリング戦略・脱炭素コンサルティングに最初に表示されました。