PHM は、リアルタイムおよび過去のセンサーデータを使用して情報を提供し、意思決定を最適化する機械メンテナンスの手法です。
PHM は、次の 2 つの主要な概念を組み合わせた統合型の手法です。
- 故障予測は、システムまたはコンポーネントの残存耐用時間を推定するアルゴリズムを設計する手法を指します。この用語は、予知保全と同じ意味で使用されることがよくあります。
- 健全性管理は、システムの健全性と信頼性を確保するために、特に予測および診断アルゴリズムからの洞察を適用する包括的なメンテナンス手法です。
PHMは、リアルタイムおよび履歴のセンサーデータを用いて保守判断を情報化・最適化する機械保守のアプローチであり、残存耐用期間 (RUL)を推定する故障予測アルゴリズムと、システムの信頼性を確保するヘルス管理戦略を組み合わせたものです。
診断はすでに発生した故障の原因を特定・解明し、「何が悪かったのか?」に答えます。故障予測はシステムが所定の機能を果たせなくなる時期を予測し、「いつ故障するのか?」に答えます。
PHMは、異常検知により問題を未然に検出・予測して機器のダウンタイムを削減し、保守スケジュールを最適化して不要なコストを回避し、機器寿命を延ばして生産性を向上させることで運用効率を高めます。
ヘルス管理は、監視、診断、故障予測、保守計画を統合し、装置のライフサイクル全体にわたってシステムの健全性と信頼性を維持する包括的なアプローチであり、データを用いて予防保全、是正保全、または予知保全に関する意思決定を行います。
PHMでは、温度、圧力、電圧、ノイズ、振動など、時間の経過に沿って収集される時系列センサーデータを使用し、正常な状態と劣化した状態の両方を表します。
状態指標(状態インジケーター、時には健康指標とも呼ばれる)は、統計および信号処理手法を用いて機械データから抽出される特徴で、機械が劣化するにつれて予測可能に変化するものです。これらは故障予測モデルの入力として使用されます。
主な種類には、回帰モデルやRULモデルのようなデータ駆動型アルゴリズム、シミュレーション環境で構築される物理ベースのモデル、およびシステムの物理知識と運用データを組み合わせたハイブリッドアルゴリズムがあります。
MATLABは、Predictive Maintenance Toolboxなどのツールを提供し、故障予測アルゴリズムの開発、センサーデータの処理、状態指標の設計、残存耐用期間 (RUL)の推定、およびアルゴリズムの運用環境への展開を支援します。