日立、設備トラブルの迅速復旧と継続的な診断高度化を支援する故障診断AI技術を開発
設備マニュアルから診断モデルを自動構築し、現場の結果を反映して原因候補を確率の高い順に提示
日立は、装置メーカーのメンテナンス担当者や、装置を導入した工場の設備保全担当者が設備トラブルに迅速に対応できるよう、設備マニュアルをAIで解析して故障原因の候補を提示する故障診断AI技術を開発しました。従来は、現場に蓄積された故障対応の履歴情報をもとに、機械学習*1を用いて故障原因の候補を示す仕組みがありました。しかし、導入にあたっては設備機種ごとにマニュアルを読み込み、故障原因と症状の関係を人手で整理する必要があるため、多くの工数を要していました。また運用面でも担当者の経験に依存しやすく、判断や対応にばらつきが生じやすいことが課題でした。本技術は、生成AIを活用してマニュアルの故障対処手順に書かれたフローチャートや表を自動で読み取り、分岐や項目の対応関係を整理した上で、症状と原因の関係や分岐条件などを初期知識として反映し、ベイジアンネットワーク*2と呼ばれる確率推論モデルとして構築します*3。これにより、故障原因の候補を確率の高い順に提示でき、経験の浅い担当者でも優先度を判断しやすく、迅速な復旧に寄与します。さらに、現場で実施した確認・復旧の結果をモデルに取り込むことで、設備の経年劣化などに伴う故障傾向の変化を反映した診断が可能です。原因切り分けに要する探索作業の削減を通じて非稼働時間の低減や保全工数の抑制に寄与し、持続可能なものづくりの基盤強化に貢献します。日立は、本技術を起点に、装置ごとの保全ノウハウとAIを融合した保全の高度化を進め、IT×OT×プロダクトによる現場力強化を通じて、持続可能な産業基盤の実現に貢献していきます。
*1 データから学習した規則性やパターンを元に予測や分類を行う技術。
*2 複数の要因や事象の関係性をグラフ構造で表現し、確率的に推論できるAI技術。
*3 マニュアル読み込みからモデル構築までの工数が約1/10に短縮されることを確認(従来、担当者がマニュアルを読み解いて故障原因・症状・確認手順の関係を整理し、モデル化していた作業と比較)。
■背景及び課題
製造業の現場では、装置メーカーのメンテナンス担当者や工場の設備保全担当者が、機種や型式の異なる多数の装置トラブルに迅速に対応する必要があります。従来技術では、装置ごとの症状と原因の関係を定義するために、モデル構築時に装置ごとのマニュアルを読み解き、故障原因と症状、故障対処手順の関係を人手で整理する必要があり、工数がかかっていました。これらの整理は熟練者の知見に依存しやすく、担当者の入れ替わりや人材不足の中で、知識継承と保全業務の標準化が進みにくいことが課題でした。
■課題を解決するために開発した技術・ソリューションの特長
そこで日立は、設備マニュアルを起点に、故障診断に必要な知識の整理から診断・改善までを一連で支援する故障診断AI技術を開発しました。技術の特長は以下の通りです。
1. マニュアルから診断用のベイジアンネットワークを自動構築
マニュアルの故障対処手順に書かれたフローチャートや表を、画像認識と自然言語処理を組み合わせたAIで解析、故障原因と症状、確認手順の関係を抽出します。抽出結果は機械学習モデルの一種であるベイジアンネットワークとして構築されます。
2. 原因候補を確率で提示し、確認の優先度を明確化
設備に起きている症状の情報をベイジアンネットワークに入力することで、故障原因の候補を確率の高い順に提示します。装置メーカーのメンテナンス担当者や工場の設備保全担当者が、限られた時間で確認すべきポイントを絞り込みやすくなります。
3. 現場フィードバックでベイジアンネットワークを継続更新
現場からのフィードバックとして故障原因の確認結果や復旧のレポートを取り込むことで、ベイジアンネットワークの確率を継続的に更新します。設備の経年劣化などに伴う故障傾向の変化を反映した診断が可能です。
■今後の展望
今後、抽出精度の向上に加え、手順書や点検記録など多様な保全文書への適用拡大をめざします。現場での迅速な復旧と知識継承を支える仕組みとして社会実装を進め、設備の非稼働時間低減と持続可能なものづくりに貢献していきます。
なお、本成果の一部は2026年3月11～13日開催のCIRP LCE 2026 (33rd CIRP Conference on Life Cycle Engineering)で発表予定です。
■関連情報
■照会先
株式会社日立製作所 研究開発グループ
すべての画像
- 種類
- 商品サービス
- ビジネスカテゴリ
- システム・Webサイト・アプリ開発
- ダウンロード