予知保全・予防保全・事後保全：現場コストを変える使い分け方

深夜2時、巡回中の保全担当者が異音に気づいた。

モーターの軸受け付近から、いつもと違う音がする。

マニュアルにはない音。

判断に迷っているうちに、翌朝の始業と同時にラインが止まった。

現場リーダーは決意する。「次は予防保全をもっとちゃんとやろう」と。

その気持ち、わかります。

でも、それが保全コストを積み上げてきた通説の正体かもしれない。

「予防保全を強化する」は、場合によってコスト増の引き金になります。

予知保全・予防保全・事後保全の3方式は、コスト構造がまったく違う。

どれかを「強化」するだけでは、現場は変わらない。

この記事では、業界別の実証データをもとに「どの設備にどの保全方式を当てるか」の判断軸を渡します。

今夜読んで、明日の朝礼で使える話をします。

---

「ちゃんと点検してたのに」——その常識が、保全費を積み上げている

八千代ソリューションズが2025年10月に保全担当者500名へ実施した調査では、保全担当者の60.3%が老朽化による保全コスト増を実感していると回答しています。保全に関わらない管理職では27.6%にとどまる。参考

現場が感じている負荷は、経営層の認識の2倍以上です。

この乖離の背景に、保全方式の「設計」なしに「点検を増やす」「定期交換を徹底する」で対応している現場の多さがあると思っています。

点検回数を増やすと、保全要員の工数が増える。

定期交換の部品費がかさむ。

それでも突発故障はゼロにはならない。

なぜか。「予防保全が正解の設備」と「そうでない設備」が混在しているからです。

壊れてから替えても損失がほとんど出ない設備に、毎月の定期点検コストをかけ続けている。

逆に、止まると今日の出荷が詰まる要所設備を、漫然と定期交換だけで管理している。

「どの設備にどの保全方式を当てるか」の設計を保全戦略と呼びます。

コストを積み上げている正体は、戦略なき保全です。

---

3種の保全方式、コスト構造の正体を表で比べる

まず定義を整理します。3方式はそれぞれコストの「発生タイミング」が違います。

事後保全は「手抜き」ではありません。

安価なファン、フィルター、すぐ替えられる消耗品——これらは壊れてから替えるのが最も安い。

わざわざ予防保全のコストをかけるほうが無駄になります。

問題は、要所の設備にも同じ発想で対応していることです。

食品工場のファンモータでは、突発停止による損失が年3,000〜7,000万円に達するケースがあると富士電機が報告しています。参考

この規模の設備を、定期交換だけで管理し続けるのはもったいない。

予知保全が本領を発揮するのは、まさにここです。

---

どれを選ぶか：設備重要度×故障頻度で引く判断マトリクス

設備ごとに「停止時の影響度（大/中/小）」と「故障パターンの予測しやすさ」を軸に置くと、保全方式が自然に決まります。

影響度「大」＋故障が予測できる    → 予知保全（PdM）
影響度「大」＋故障が予測できない   → 予防保全（PM）＋冗長化・応急手配
影響度「中」                   → 予防保全（PM）
影響度「小」                   → 事後保全（BM）

このマトリクスを埋める作業、AIを使うと初期仕分けがかなり速くなります。

次のプロンプトを試してみてください。

あなたは製造現場の設備保全の専門家です。
以下の設備リストを読んで、各設備に「予知保全（PdM）」「予防保全（PM）」「事後保全（BM）」の
どれが最適かを提案してください。

判断基準は以下の3点です：
①停止時のライン・出荷への影響度（大/中/小）
②過去の故障パターンの規則性（安定/不安定/不明）
③修理コストと部品調達リードタイムの大小

【設備リスト】
[設備名・稼働時間・直近1年の故障回数・修理費の概算・代替機の有無をリスト形式で記載]

出力形式：
- 表形式（設備名 ／ 推奨保全方式 ／ 理由1文）
- 最後に「予知保全の優先候補3台」を箇条書きで出力

使いどころ：年度の保全計画見直し時、突発故障が続いているタイミング、新設備追加時

出力を検証する観点：「事後保全」推奨が、実際に代替機あり・即日調達可能な設備かを現場メンバーと照合する

このマトリクスは最初から完璧にする必要はありません。

「これが止まったら今日の出荷に影響する設備はどれか」を1台だけ決める——それだけから始められます。

---

保全方式を変えた現場：2人の1日と実証数値

同じ製造ラインの「導入前後」を対比してみます。

Aさんの1日（予知保全なし・従来の予防保全のみ）

06:30　出勤。前夜の設備ログを確認。軽微なアラートがいくつかあるが「また誤報だろう」とスルー。

10:15　主要ポンプが突発停止。緊急の部品手配を始める。

14:30　部品が届き、修理完了。午前の生産計画が大幅に狂った。

17:00　退勤前に明日の定期点検スケジュールを確認。積み上がった予定をにらみながら帰路につく。

Bさんの1日（予知保全導入後）

06:30　出勤。振動センサーのダッシュボードを確認。1台のポンプが「今週中に要確認」と表示。部品発注のリマインドをセットする。

09:00　通常のライン稼働。今日の点検は問題が出ている1台だけに絞られている。

15:00　発注した部品が届く。計画通りに交換完了。ラインへの影響は最小限。

17:00　来週の保全スケジュールを確認。余裕を持って帰路につく。

---

この差を数字で支えているのが実証データです。

自動車部品メーカーの製造ライン全般への振動センサー導入事例では突発故障80%削減、鉄鋼メーカーMidwest Steelでは計画外停止30%減・年間削減額85万USD・投資回収期間11ヶ月。参考

Fortune 500重工業企業での全社展開では計画外停止45%減・年280万USD削減が報告されています。参考

Deloitteが取りまとめたデータ（LLumin 2025年版集計）では、予知保全の業界共通効果としてダウンタイム30〜50%削減・保全コスト10〜40%削減が示されています。参考

{CHART|bar|予知保全による突発故障・計画外停止削減率（業界別事例）|自動車（振動センサー）,鉄鋼 Midwest Steel,重工業 Fortune500,JR西日本|80,30,45,20|%|https://www.optimax.co.jp/ai-information/predictive-maintenance-case-studies/|Optimax調査}

出典: Optimax調査のデータより匠座作成

先日、大阪ガスとBrains Techの「Impulse」による事例を読んでいて唸ったんですよ。

故障の1週間前に予兆を検知できるというやつです。参考

「1週間前」の意味は、単に「早く気づける」というだけじゃない。

人員を手配できる。部品在庫を調整できる。発注リードタイムに間に合う。

「余白」が生まれることで、保全担当者の働き方がまるごと変わる。これが予知保全の本質だと思っています。

---

正直な限界：予知保全が刺さらない現場がある

万能を売りたくないので、率直に書きます。

①センサーを付けただけでは動かない

振動センサーを設置しても、「何のデータをどう解釈するか」の設計がないと機能しません。

同じ振動センサーでも、サンプリング周波数と機械学習モデルの種類によって予知保全の精度は3〜5倍変わるというデータがあります。参考

「センサーを買った」で終わっている現場が、一定数あるのが現実です。

②不規則な故障モードには向かない

予知保全は「異常の予兆パターン」が存在することが前提です。

複数の故障要因が絡み合う設備や、使われ方が毎回大きく変わる設備では、AIの予測精度が上がりにくい傾向があります。

③過去データがなければ始まらない

過去の故障履歴、センサーデータ、設備の仕様書——これらがない環境では、AIに学習させることができません。

「まず台帳を整える」「まず1台だけセンサーを付けて数ヶ月データを貯める」が先になります。

④費用対効果の試算は必須

中小向けのSaaS型であれば月額数万円から導入できるものもありますが、本格的な大規模案件では3,000万〜8,000万円超になるケースもあるという概算があります。参考

年商規模と設備台数に対して元が取れるかの試算は、踏み込む前に必ずやるべきです。

---

ここで少し僕の話を。

匠座では毎朝、AIエージェントが情報収集・執筆・品質ゲートを並列で処理するパイプラインを動かしています。

立ち上げ初期、出力の品質が安定しなかった理由が後からわかったんですが、「入力データの品質と構造」の設計が甘かったんですよね。

何を入れれば何が出るかの設計なしに処理を組んでも、出力がバラつく。

これは製造現場のセンサーデータ活用でも、まったく同じ構造だと感じています。

「センサーを付ける前に、まずデータ設計を」——現場で最も後回しにされやすい、でも最も重要なステップです。

---

よくある不安に先に答えます

Q. 中小企業には導入コストが高すぎる？

スマートフォンで設備音を録音するだけで正常音との違いをAIが自動判定する「PlantEar」のようなアプリも出てきています。参考

SaaS型なら月額数万円から始められます。「大規模投資が必要」という前提は、2026年時点では古くなっています。

Q. 設置に工事が必要で、ラインを止められない

後付け・工事不要のワイヤレスセンサーが増えています。

富士電機の食品工場ファンモータ事例でも「工事不要・無線監視」で導入を実現しています。参考

非稼働時間に取り付けるだけで済むケースが多いです。

Q. AIの判断をどこまで信頼していいのか

最初から「AIの判断だけで動く」設計にしないことが重要です。

「AIが異常スコアを出したら保全担当者が確認する」という半自動ワークフローから始めるのが現実的です。

精度は運用しながら上がる、という前提で設計してください。

Q. 現場スタッフがAIを使いこなせるか心配

多くのSaaS型ツールは「異常スコア」「残存寿命の目安」を数字で表示するUIになっています。

データサイエンスの知識がなくても「スコアが上がったら点検する」というフローで運用できます。

JR西日本では駅務機器3,100台へ展開し、点検回数約30%削減・故障20%減を達成しています。参考

Q. 既存のCMMSや保全管理システムはどうなる？

年商500億円以上の企業の49.5%がすでにCMMSを利用しています。参考

多くの予知保全SaaSはCMMSとのAPI連携を持っています。既存システムを捨てる必要はないケースがほとんどです。

---

ここまで読んで「自社だけでやるには手が足りない」と感じた方は、『AI鬼管理｜Claude Code業務自動化トレーニング』（Claude Codeで日々の業務を自動化する実践トレーニング（無料の業務効率化診断あり））のような外部サービスという選択肢もあります。急ぎでなければ、まずは無料のチェックリストで足元を固めるのがおすすめです。

AI鬼管理｜Claude Code業務自動化トレーニング ↗

まとめ表と今日やること

この記事の地図

今日30分でできること

ステップ1（10分）：「最も止めたくない設備」を1台だけ選ぶ

「これが止まったら今日の出荷に影響する設備はどれか」を紙に書く。

複数ある場合は、直近1年で修理コストが最も高かった設備を選ぶ。

1台に絞る。それだけでいいです。

ステップ2（10分）：その設備の過去1年の故障履歴を確認する

何回、何が原因で止まったかを確認する。

記録がなければ「今日から記録をつける」がステップ2です。

履歴の蓄積が、予知保全の土台を作ります。

ステップ3（10分）：スマートフォンで設備音を録ってみる

「PlantEar」のようなアプリを使えば、スマートフォンだけで設備音のAI診断ができます。参考

今日の稼働音を録音しておく。それが正常音のベースラインになります。

---

次の保全計画の見直し時にも使えるプロンプトを置いておきます。

あなたは設備保全の専門家として振る舞ってください。
私は[業種：例 食品製造・自動車部品・化学プラント]の[役職：例 設備管理課長]です。

以下の情報をもとに、各設備への保全方式（予知保全／予防保全／事後保全）の配分を提案してください。
また、「今年度の予算内で最も費用対効果が高い保全方式の変更」を1つだけ推薦してください。

【設備一覧と現状】
設備名：[設備名]
現在の保全方式：[定期点検／事後修理等]
直近1年の突発故障回数：[回]
1回あたりの平均修理費：[万円]
突発停止による生産損失（推計）：[万円/回]
代替機・冗長構成の有無：[あり／なし]

出力形式：
1. 設備別の推奨保全方式（表形式）
2. 今年度の最優先アクション（具体的な手順）
3. 予算を絞るなら「この設備だけはPdMに変えるべき」という推薦と理由

使いどころ：保全予算の見直し時期、突発故障が続いているタイミング、新工場・ライン追加時

出力を検証する観点：推薦された設備の修理費・停止損失が、実際の記録と一致しているかを現場メンバーと照合する

---

編集長メモ：ヘリックス（執筆者について）

保全コストが増え続けているなら、点検回数より方式の設計を見直すのが先です。判断マトリクスと2つのプロンプトを使って、今日1台だけ選ぶところから始めてみてください。

▶ あわせて読みたい：予知保全と予防保全の違い：現場が年間1,892万円損する前に読む話

▶ あわせて読みたい：予知保全と予防保全がもたらす効果とは？明日から活用できる具体策