設備メンテナンスのタイミングが見えない4つの原因と解決策

なぜ「設備メンテナンスのタイミング」が工場経営を左右するのか

突発故障1件が生産・人件費・信頼性に三方向の損失をもたらす

ある加工工場では、主力ラインの基幹設備が予兆なく停止し、復旧までに6時間を要した事例があります。ライン全体の出来高が一日分まるごと飛び、納期に間に合わせるため翌週末の休日出勤が必要になりました。修理費だけでなく、緊急対応の残業、外注委託、そして取引先への信頼低下が連鎖した格好です。

突発故障の損失は復旧費用だけにとどまりません。生産機会の損失、緊急対応による工数の膨張、納品遅延に伴う信頼の毀損。この3つが重なることで、突発故障1件あたりの実質的な損失は計画的保全の数倍に達するケースも見られます。保全タイミングのズレは納期管理の根幹を揺るがすのです。

なぜ事後保全のコストは想定以上に膨らむのか

事後保全は故障してから直す方式で、初動の判断に時間がかかり、部品の緊急発注にも余分な時間がかかります。深夜・休日の対応が必要になれば、保全員の工数も追加される。一方、計画的に組まれた予防保全であれば、設備停止時間を生産計画上の空き枠に合わせて配置でき、部品も通常の発注フローで間に合うのです。

設備の総合効率（OEE）の観点でも差は明確に現れます。事後保全中心の工場ではOEEが慢性的に低い水準で安定してしまい、同じ設備・同じ人員で生産しているのに、保全タイミングの組み方ひとつで利益率が変わる構造になっています。

法定検査と納期、両立できない時に経営判断が問われる

特定の設備には、労働安全衛生法やボイラー・圧力容器・クレーン関連の規則に基づく法定の自主検査義務が課されています。これらの検査期限は動かせず、納期繁忙期と重なれば生産を止めるしかない局面が出てきます。

法定検査の期限を見落として無理な操業を続ければ、安全事故と法令違反のリスクを同時に抱える。逆に余裕を持って早めに止めすぎれば機会損失が膨らむ。タイミングをどう設計するかが、現場の判断ではなく経営判断として問われる場面です。

設備メンテナンスのタイミングを見失う4つの原因

タイミング判断の難しさは、現場の能力不足ではなく仕組みの問題から生まれています。原因は大きく4つに整理できます。

ひとつ目は、保全計画と生産計画が別々のツールで管理されている分断構造です。多くの工場で生産計画はExcelやスケジューラ、保全計画は紙台帳や別のスプレッドシートに分かれており、片方を変えるたびにもう片方を手作業で照合する手間が発生しています。生産計画の属人化と同様に、計画間の連携が個人の調整能力に依存している構造です。

ふたつ目は、タイミング判断が保全班長の経験頼みになっている点。「あの設備はこの時期に異音が出やすい」「この部品はあと1ヶ月持つ」といった判断は、長年の現場経験に支えられた暗黙知です。班長が休めば判断が止まり、退職すれば判断の根拠ごと失われます。

三つ目は、生産計画の変更が保全計画に反映されない点。受注変更が入った際、生産計画は組み直されても、保全計画は元のまま放置されることがある。結果として保全のために確保していた時間枠が消滅し、計画的保全が事後保全に転落してしまうのです。

四つ目は、事後保全と予防保全の使い分け基準が現場任せになっている点。どの設備を予防保全に回し、どの設備を事後保全で良しとするのか、線引きの根拠が文書化されていないため、判断が場当たり的になりがちです。

予防保全スケジューリングで同時に考えるべき6つの計画要素

設備メンテナンスのタイミングを正しく決めるには、保全単体ではなく生産計画と保全計画を一体で扱う必要があります。スキルマトリクスや稼働データの整備は前提として必要ですが、その上で計画に組み込むべき要素は次の6つです。

(1) 各設備の累積稼働時間と前回保全日

タイミング判断の起点になる情報です。同じ機種でも稼働率が違えば次の保全タイミングは異なります。設備ごとの累積処理量、前回保全からの経過時間、過去の故障履歴を計画変数として扱う必要があります。予知保全のセンサーデータがある場合は、それも変数として組み込めると判断の精度が上がります。

(2) 生産計画上のメンテ実施可能枠

ラインを止められる時間帯がいつあるか。生産計画と突き合わせなければ、メンテ枠そのものが見えてきません。空き枠が短い設備ほど、保全タイミングの選択肢が制限されます。受注の繁閑と保全期限の関係を計画レベルで可視化することが必要なのです。

(3) 保全員のスキル別シフト

高難度の保全には特定スキルを持つ保全員が必須となるケースが多くあります。誰がいつ稼働できるかと保全タスクの難易度をマッチさせなければ、計画上は実施できても実際は人がいない事態に陥りかねません。多能工と専門職の両方を含めた要員計画と保全計画は、本来一体で組むべき領域です。

(4) 必要部品・治具の在庫と発注リードタイム

部品が届くタイミングに保全実施日を合わせる必要があります。在庫があれば即実施できる一方、特殊部品で発注リードタイムが2ヶ月かかるなら、その2ヶ月前から計画を組まなければ間に合いません。在庫量を絞れば資金は楽になるが、緊急時に部品がないリスクも上がる。在庫と保全タイミングはトレードオフの関係にあります。

(5) 設備間の依存関係

ある設備のメンテ中は隣接ラインも停止しなければならない、搬送機を止めると上流工程も止まる、といった依存関係。1台の保全を他のラインの稼働制約として扱う必要があります。ボトルネック工程に該当する設備を保全する場合は、工場全体のスループットへの影響も同時に評価しなければなりません。

(6) 法定検査期限と現場固有ルール

動かせない期限と、現場の安全運用ルール（夜勤帯の重保全禁止、連休前後の重保全回避など）を計画に組み込みます。法定期限は絶対の制約ですが、現場ルールも軽視はできません。安全運用上のルールを破った計画は、計算上どれだけ良くても現場では使えないからです。

なぜ「人手の保全計画」では限界があるのか

6つの計画要素を人手で同時に扱うのは、変数の数だけが理由ではありません。

第一に、変数同士のトレードオフが複雑すぎます。設備Aの保全を早めれば部品在庫が間に合うが、保全員のスキルが足りない。スキルを優先すれば法定期限に間に合わない。この種のトレードオフが何十通りも発生する状況で、人がすべての組み合わせを評価することは現実的ではないでしょう。保全計画もエクセルでは複雑性に追いつけない領域に入っています。

第二に、計画の見直しスピードが追いつきません。受注変更で生産計画が崩れる場面では、本来であれば保全側まで連動してリスケすべきなのに、紙台帳での計画変更は半日仕事になりがちです。日次・週次の頻度で生産計画が動く現場では、保全計画は実態に合わない状態で放置されてしまいます。

第三に、属人的な判断は再現性を持ちません。同じ条件でも班長が違えば結論が変わるため、計画の良し悪しを後から検証できない。改善のサイクルが回らない構造に陥ってしまうのです。

最適化AIが切り拓く予防保全スケジューリング

最適化AIは、現場のルールを守りながら最も良い計画を自動で見つけるAIです。生成AIのように「それらしい計画文章を作る」のとは根本的に異なり、設備メンテナンスのタイミングについて言えば、計画変数と守るべきルールを数式として整理し、許容時間内で高品質な解を探索します。

具体的には、AIに与えるゴールを「設備総停止時間の最小化」または「生産計画への悪影響を最小化しつつ法定期限を守る」に設定する。守るべきルールは、法定検査期限・保全員シフト・部品在庫・生産優先度・設備間依存・現場固有ルールの6つ。これらを同時に満たす保全タイミングをAIが探索します。

部分最適では解けない理由は明確です。設備ごとに「最適な保全タイミング」を求めて足し合わせても、保全員シフトや部品在庫の制約で実行不能になる。全体最適を一度に解かなければ、現場で使える計画にはならないのです。

計画精度を上げて法定期限と稼働率を両立する

なぜ人手では最適なタイミングを見つけられないのか。検討すべき組み合わせが膨大だからです。最適化AIは、人手では検討しきれない数十万通り以上の組み合わせから、すべての制約を守りつつ停止時間が最小になる解を探し出します。汎用ソルバーでは扱いにくい現場固有の制約も、業務ヒアリングを通じてアルゴリズム側に組み込めます。OptHubでは業務構造に応じた探索アルゴリズムと評価関数を設計するアプローチを取っています。

計画スピードが上がり生産計画変更時に自動リスケできる

受注変更で生産計画が動いた瞬間、保全計画も自動で再計算される。これまで半日かかっていた保全計画のリスケが数分で完了し、現場は変更後の計画を確認するだけで済みます。配送計画のように変数が多い問題でも再計画を高速に回せるのと同様に、保全計画でも同様の高速化が期待できる領域です。

計画の透明性が上がりタイミング判断の根拠が誰でも見える

AIが出力する計画には、「なぜこの設備をこのタイミングで保全するのか」の根拠が、守るべきルールと評価のしかたとして残ります。班長の頭の中にしかなかった判断ロジックが、計画モデルとして可視化される。誰が引き継いでも同水準の計画を作れる体制に近づきます。

「この設備のメンテ中は隣の搬送ラインも停止」「夜勤帯の重保全は禁止」といった現場独自のルールも、最適化AIは守るべき条件として組み込めます。汎用SaaSでは反映しきれない現場の細かな運用ルールに、計画側から対応できる点がOptHubのアプローチの特徴です。

まとめ

設備メンテナンスのタイミングが見えなくなる原因は、現場の能力ではなく、保全計画と生産計画が分断された仕組みにあります。タイミング判断の属人化、計画ツールの分断、変更時の連動不足、事後保全と予防保全の基準あいまい。この4つの構造的原因が、突発故障と過剰点検の二極化を生み出しています。

予防保全スケジューリングを成立させるには、設備の累積稼働時間、生産計画の空き枠、保全員のスキル別シフト、部品在庫、設備間依存、法定期限と現場ルールという6つの要素を同時に解く必要があります。人手では変数の多さとトレードオフの複雑さ、見直しスピードのいずれの面でも限界があり、保全計画が事後保全に転落する構造から抜け出せません。

最適化AIは、現場のルールを守りながら停止時間最小の保全計画を自動で組み上げます。導入の最初の一歩は、ツール選定ではなく業務整理から。設備メンテナンスのタイミング判断を仕組み化したい工場は、現状の計画フローの棚卸しから検討を始めてみてください。