結論：RUL回帰より「劣化指標の傾向と閾値到達の見込み」から始める
余寿命推定（RUL：Remaining Useful Life）は、設備や部品があとどれだけ機能を保てるかを推定する技術で、予知保全の最上段に位置づけられます。研究分野では深層学習による高精度な推定が多数報告されていますが、その多くは「故障するまで運転したデータ」が十分にあることを前提にしています。
実工場ではこの前提が成り立たないことがほとんどです。そのため、いきなり残り日数を回帰で予測するのではなく、劣化の度合いを表す指標（ヘルスインデックス）を作り、その傾向が保全の基準値に達する時期を見込む方法から始めるのが現実的です。予知保全の3段階の位置づけは予知保全AIとはで整理しています。
NASA C-MAPSSとはどんなデータか
RUL研究で最もよく使われるのが、NASAの予知保全研究センター（PCoE）が公開しているC-MAPSSです。航空機用ジェットエンジンの劣化をシミュレーションで生成したデータで、FD001〜FD004の4つのサブセットがあります。学習用は100〜260機、テスト用は100〜259機分で、運転条件は1種類または6種類、故障モードは1種類または2種類です。各行が1サイクル分の記録で、3つの運転設定値と複数のセンサ値を含みます。
重要なのはデータの構造です。学習データは各エンジンが故障するまで運転した軌跡（run-to-failure）で、テストデータは故障前の途中で記録が途切れており、その時点からの残りサイクル数を当てる問題になっています。つまり、学習時には「この状態のとき、あと何サイクルで壊れたか」という正解がすべてのデータに付いています。
実工場とC-MAPSSの3つの差
1つ目の差は、故障までのデータがないことです。工場では重要設備ほど、壊れる前に部品を交換します。その結果、劣化の途中までのデータはあっても「最後まで行ったらいつ壊れたか」がわかりません。交換した部品がまだ何割の寿命を残していたかは、誰にもわからないのです。
2つ目は、運転条件と故障モードの多さです。C-MAPSSは同型エンジンで条件と故障モードが限られていますが、工場の設備は品種ごとに負荷が変わり、補修や改造で個体差も生まれます。条件が変わると劣化の速さも変わるため、過去の軌跡から学んだ劣化パターンがそのまま当てはまりません。
3つ目は記録の質です。研究データは欠損がなく、故障時点が明確です。工場の記録には通信断による欠損や時刻ずれがあり、部品交換の理由は保全記録に自由記述で書かれていることが多く、「予防的な交換だったのか、異常が出たから交換したのか」が判別できません。
現実的な進め方：ヘルスインデックスと保全基準値
故障までのデータがなくても、劣化の進み具合を追うことはできます。次の4段階で進めると、RUL回帰を使わずに保全計画へつなげられます。
- 劣化指標を決める：振動の速度RMS、軸受欠陥周波数の成分、温度上昇、電流の変動など、対象の故障モードで劣化とともに変化する指標を選ぶ
- 運転条件で補正する：品種・負荷・回転数の影響を取り除き、同じ条件で比べられるようにする。条件ごとに基準を分けるか、条件を入力にした正常モデルとの差をとる
- 保全の基準値を決める：ISO 20816の評価ゾーンや設備メーカーの推奨値、過去の交換時点の指標値などから「ここまで来たら手を打つ」値を決める
- 基準値に達する時期を見込む：指標の傾向を直線や指数関数で外挿し、基準値に達する時期の見込みを幅つきで出す。これを部品手配と停止計画に使う
この方法の出力は「残り何日」ではなく「この傾向が続けば、何週間後に基準値に届く見込み」です。保全計画に必要なのは正確な残り日数より、部品手配や停止の段取りに間に合うかどうかの判断なので、実務上はこれで十分なことが多いのです。
データ基盤の観点：劣化の軌跡を設備IDで残す
劣化指標の傾向を追うには、数か月から数年にわたって同じ設備のデータを途切れずに残す必要があります。ここで問題になるのが、設備IDの付け替えと部品交換の扱いです。部品を交換すると劣化の軌跡はリセットされるため、交換日と交換部品をデータ上で区切れなければ、傾向の分析ができません。
保全システムの交換記録と、センサデータの設備IDが一致していること、交換の時刻が正確に記録されていることが前提になります。MESの稼働実績から運転時間や生産数を取れれば、暦日でなく実際の使用量で劣化を見ることもできます。
よくある質問
故障まで運転したデータがないなら、シミュレーションで作れますか？
物理モデルやシミュレーションで劣化の傾向を作り、実データで補正する方法は研究されています。ただし実設備との差を検証する手段が必要で、少なくとも数件の実際の劣化事例と照らし合わせないと、シミュレーションの結果をどこまで信用してよいか判断できません。
余寿命推定はどの設備なら使えますか？
同型の設備や部品が多数あり、劣化が単調に進み、交換時の状態が記録されている対象が向いています。工具の摩耗、フィルタの目詰まり、消耗品の寿命などは比較的取り組みやすい例です。
予測が外れたときの責任はどう考えればよいですか？
余寿命の推定は幅をもった見込みとして扱い、最終的な保全判断は保全担当者が行う設計にします。推定値で交換を先送りする場合は、点検頻度を上げるなどの安全側の運用ルールを併せて決めておきます。
この記事に出てくる用語
この記事を書いた人
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。
