保全業務の生成AI：Siemens Senseye Copilotの事後保全25%短縮の中身

25%短縮は「故障を予知した効果」ではなく「調べる時間の短縮」

Siemensは2025年3月のハノーバーメッセで、予知保全サービスSenseye Predictive Maintenance向けの生成AI「Maintenance Copilot」をEntryとScaleの2つのパッケージで拡充すると発表しました。同社によれば、パイロットで事後保全（壊れてからの修理）にかかる時間が平均25%短縮したとされます。

この数字は、センサデータで故障を事前に予知したことによる効果ではありません。故障が起きた後、保全担当者が原因を調べ、手順を確認し、修理を終えるまでの時間のうち、マニュアルや過去の修理履歴を探す時間を生成AIで短くした効果と読むのが妥当です。パイロットの顧客名、対象設備、比較の方法は公表資料では確認できないため、自社での効果を見積もる根拠としては扱いにくい数字です。

一方で、この数字が示す方向性は実務的です。事後保全の時間の中には、設備の取扱説明書を探す、同じ症状の過去の修理記録を探す、詳しい人に電話で聞く、といった「調べる時間」が多く含まれています。ここは生成AIの得意分野です。

保全業務のどこに生成AIが効くか

生成AIが効くのは、症状から関連するマニュアルの該当箇所を探す、同じ設備や同型設備の過去の修理記録から似た事例を探す、手順や必要な部品を要約して示す、作業後の保全記録の下書きを作る、の4つです。いずれも、すでに文書やデータとして存在する情報を、探して整理する作業です。

逆に、故障の原因を最終的に判断すること、安全上その作業をしてよいかを決めること、ロックアウトなどの安全手順を省略してよいかを判断することは、人が持つべき領域です。生成AIは事実と異なる回答（ハルシネーション）をすることがあり、特に数値（トルク値、圧力、温度の設定値）や安全手順の誤りは事故につながります。

国内外の取り組みの比較

保全業務への生成AIの適用は、Siemens以外でも進んでいます。

日立の取り組みに共通するのは、文書をそのまま生成AIに読ませるのではなく、設備図面や配管計装図（P&ID）の構造をナレッジグラフにして、部品同士のつながりを理解させている点です。「このポンプが止まると、どの系統に影響するか」のような問いに答えるには、文書検索だけでは足りないためです。詳しくはナレッジグラフ×生成AIで解説しています。

各社の製品の違いは保全向け生成AIの比較で比べています。

導入の前提：文書と保全記録の整備

保全向けの生成AIの精度は、読ませる文書と記録の質でほぼ決まります。

1つ目は、マニュアルの版管理です。設備の改造や部品の変更でマニュアルが改訂されているのに、古い版を参照して回答すると、誤った手順を示すことになります。どの設備にどの版のマニュアルが対応するかを、設備IDと紐づけて管理する必要があります。

2つ目は、保全記録の構造化です。過去の修理記録が自由記述で、設備IDや故障部位が曖昧だと、似た事例を探しても関係のない記録が混ざります。故障コードと設備IDを整えることは、予知保全AIの教師データと同じく、生成AIの検索精度にも効きます（保全記録（CMMS）を予知保全AIの教師データにする）。

3つ目は、回答の根拠の表示です。生成AIの回答には、参照したマニュアルのページや修理記録の番号を必ず示させ、保全担当者が原文を確認できるようにします。

効果の測り方

導入の効果は、故障から復旧までの時間（MTTR）全体ではなく、その内訳で測る方が実態に合います。MTTRには部品の手配待ちや作業そのものの時間も含まれ、生成AIで短縮できない部分が大きいためです。

具体的には、故障の連絡から原因の見当がつくまでの時間、熟練者への問い合わせ件数、新人が一人で対応できた件数、保全記録の作成時間などを、導入の前後で比べます。施耐德电气（武漢）の例のように、新人の立ち上がり期間を指標にするのも有効です。

よくある質問

汎用の生成AIサービスに設備マニュアルを読ませてもよいですか？

設備メーカーのマニュアルには、利用規約で第三者への提供を制限しているものがあります。また自社の保全記録は機密情報です。社外のサービスに入力する前に、契約上の制約と、入力データが学習に使われない設定かを確認してください。

生成AIの回答が間違っていた場合の責任はどうなりますか？

最終的な判断と作業の責任は、作業者と保全部門にあるという前提で運用を設計します。生成AIはあくまで情報を探して示す道具と位置づけ、作業可否の判断を自動化しないことが重要です。

予知保全のセンサがなくても使えますか？

使えます。マニュアルと修理記録の検索は、センサデータがなくても効果が出ます。むしろ、センサによる予知保全より先に、保全記録とマニュアルの整備と検索から始める方が、短期間で効果を実感しやすい場合もあります。

この記事に出てくる用語

• 予知保全／予兆保全（PdM）Predictive Maintenance ／ 预测性维护
• 事後保全（BM）Breakdown Maintenance ／ 事后维修
• ハルシネーションHallucination ／ 幻觉
• ナレッジグラフKnowledge Graph ／ 知识图谱
• 平均修復時間（MTTR）Mean Time To Repair ／ 平均修复时间

用語集（日・英・中）をすべて見る

この特集について

製造業の生成AI、どこまで任せられるか

文書検索、手順書の生成、品質報告のドラフト。人が承認する範囲と任せてよい範囲の線引き　全91本

1. 製造業の生成AI活用の全体像：業務別12ユースケースと導入の順番
2. 製造業の社内文書RAG入門：手順書・図面・品質記録を検索する5層構成
3. Siemens Industrial Copilotの全体像：5系統の提供状況と狙い
4. 生成AIの情報漏えい対策：製造業が決めるべき入力禁止情報とログ管理の7項目

特集の記事をすべて見る →

この記事を書いた人

株式会社サオス 製造DX部

DELMIA Apriso を中核とした MES / 製造DX の導入・運用・人材育成と、製造業向けAIの調査・開発・教育を手がけるITコンサルティング企業。ISO 9001:2015 / ISO 27001:2022 認証取得。 日本・中国・米国で製造業のMES・データ基盤・AI導入を手がけた実務者が、欧米・中国の一次情報にあたって書いています。

運営者情報　編集方針　株式会社サオスのサイト