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

深夜0時を過ぎたスマホの画面。「予知保全 予防保全 違い」と入力する指が少し止まる——今日の昼間、またあの設備が止まったから、ここにいる。

「点検スケジュール通りにやってたのに」「先月オーバーホールしたばかりなのに」「また同じ設備が……」。

それ、あなたの管理が甘いわけじゃないと思ってます。やっている保全の「手法」が、その設備の特性に合っていないだけかもしれないんですよ。

よく「予防保全をやっていれば突発停止は防げる」と言われます。でもそれは半分しか正しくない。予防保全には4種類あって、多くの現場がデフォルトで選んでいるのは、実は一番コスパが悪い手法だったりします。

この記事では、①予防保全と予知保全の根本的な違いと実務分類、②どの設備にどの手法を使うかの判断基準、③スモールスタートの具体的な費用感と補助金の活用余地、④今日30分でできる最初の一手——まで渡します。

---

突発停止の年間損失1,892万円——「ちゃんと点検していた」のに止まる理由

八千代ソリューションズが2025年に実施した調査によると、製造業における突発停止の年間損失額は平均1,892万円にのぼります。参考

そしてもう一つの数字が刺さるんですよ。有効な対策を実行できている製造業企業は全体の4割未満——つまり6割超の現場が「損失に気づいていながら、有効打を打てていない」状態にある。参考

なぜ有効打を打てないのか。理由の一つは「予防保全をやっているから大丈夫」という思い込みです。

予防保全の中で最も普及しているのは「一定時間が経過したら部品を交換する」手法（TBM：時間基準保全）です。管理がシンプルで導入しやすい反面、設備の実際の劣化状態を完全に無視します。部品がまだ元気なうちに交換する「早すぎる保全コスト」と、交換サイクルのあいだに劣化が進んで止まる「遅すぎる停止リスク」——両方を同時に抱え続けることになります。

「スケジュール通りに点検した」のに止まる理由は、多くの場合ここにあります。保全の頻度ではなく、保全のタイミングを決める"判断基準"が設備の実態とズレているんです。

---

「予防」と「予知」——根本的な違いは"いつ止めるかの判断基準"にある

まず言葉を整理します。

JIS Z 8115（ディペンダビリティ用語）では、予防保全を「時間計画保全」と「状態監視保全」の2種類に大別しています。参考 そして実務上は4つの手法に展開されます。

参考

このうちCBM（状態監視保全）にAIを組み合わせたものが「予知保全」です。

• 予防保全（TBM）：「時間が来たから整備する」
• 予知保全（CBM＋AI）：「劣化のサインが出てきたから整備する」

この一言の違いが、保全コストと突発停止率の両方に効いてきます。Deloitte 2022年レポートでは、予知保全の導入によってダウンタイムを最大15%削減、労働生産性を20%向上、予備部品の在庫を最大30%削減できると報告されています。参考

{CHART|bar|予知保全導入による改善効果（Deloitte 2022年レポート）|ダウンタイム削減,労働生産性向上,予備部品在庫削減|15,20,30|%|https://genbacompass.com/blog/genbacompass/044_predictive-vs-preventive-maintenance|現場コンパス（八千代ソリューションズ）}

出典: 現場コンパス（八千代ソリューションズ）のデータより匠座作成

経済産業省のスマート保安でも、TBMからCBM（状態監視保全）への移行を重視する方針が明示されています。参考 「定期交換」から「状態を見て判断」へのシフトは、単なるテクノロジートレンドではなく、産業政策の文脈でも明確に後押しされています。

---

保全担当Aさんの月曜朝8時——IoT導入前と導入後の一日

言葉で説明するより、実際の動きで比べたほうが伝わると思ってます。

【導入前：Aさんの月曜日】

• 8:00　出社。先週末に誰かが呼び出されたラインをまず確認する。
• 9:30　プレス機が異音で緊急停止。すべての業務が後回しに。
• 13:00　修理業者が到着。部品取り寄せで最短2日の停止が確定する。
• 17:00　生産管理に報告。週の生産計画を崩した詫び連絡が続く。
• 19:30　「先月もここで止まったな……」と思いながら、次回点検は3ヶ月後のスケジュールを眺める。

【導入後：Bさんの月曜日（CBM＋IoT導入後）】

• 8:00　出社。スマートフォンのダッシュボードで週次センサーサマリーを確認。
• 8:05　「プレス機の振動値が先週比+8%のトレンド」アラートを確認。
• 8:20　「今週末の定期整備でついでに確認を」と保全チームにメモを共有する。
• 9:00　通常業務に戻る。ラインは今日も止まらない。
• 17:30　定時に上がる。

先日、山形県米沢市のソアーがOLED製造ラインにIoT予知保全を導入した事例を読んでいて唸ったんですよ。参考 年間1.8億円規模の保全コスト削減効果を試算しているという。大規模ラインの話ではありますが、「センサーが増えた分だけ、人が"気づき"を持てる時間が増える」という構造は、設備の規模が違っても変わらないと思ってます。

昭和電工の川崎事業所でも、石油化学プラントにスマートバルブを導入して保全工数を削減した事例があります。参考 「大手だからできる」のではなく、「状態を見て動く仕組みを部分的に入れる」という発想が現場を変えているんです。

---

費用と補助金——「高い」と決めつける前に知っておきたい相場

「IoT保全は大企業のもの」というイメージを持っている方が多いんですが、実際の費用帯はかなり広いんですよ。

フルシステムの費用感（従来型）

• 振動センサー（設備1台）：5万〜30万円
• IoTプラットフォーム構築：100万〜500万円以上

参考

スモールスタートの費用感

• PoC用の簡易センサー＋クラウド：約50万円〜
• AI音響診断アプリ（月額）：数千円〜
• PlantEar（スマートフォンで設備音を録音するだけでAIが異常診断）：無料プランあり、有料は月額2,980円〜

参考

PoCから本番運用までの総費用は、数百万円〜1,000万円台が目安とされています。参考 この費用に対してものづくり補助金・省エネ補助金の活用余地があります。参考 補助率・採択条件は公募ごとに変わるため、最新の公募要領を必ず確認してください。

僕自身、匠座のAIパイプライン（毎朝の記事自動生成・品質ゲート運用）を構築したとき、最初にやったのは「一番安い構成で何ができるかをPoC」でした。最初から完璧なシステムを設計しようとして1ヶ月まったく動けなかった経験がある。現場の保全も同じだと思っていて、1台・1センサーから始めることで「自社に合う精度」「担当者のオペレーション負荷」が肌感覚でわかってきます。フルシステムの設計はそのあとでいい。

実際に使えるプロンプトを2つ置きます。社内の検討会議や、ベンダーへの問い合わせ前の整理に使ってみてください。

プロンプト1：保全手法の選定補助

あなたはTPM（全員参加の生産保全）と予知保全の専門家です。
以下の設備情報をもとに、最適な保全手法（TBM・UBM・CBM・FFMのいずれか）を提案し、
その理由を120字以内で説明してください。

【設備情報】
- 設備名：[例：コンプレッサー #2]
- 重要度：[例：この設備が止まると全ラインが停止する]
- 過去の故障傾向：[例：2年で3回の突発停止、いずれも予告なし]
- センサー設置の可否：[例：可能（振動・温度センサー設置済み）]
- 保全予算の目安：[例：年間100万円以内]

提案する保全手法と選定理由：

使いどころ：新規設備の保全計画を立てるとき、または既存の保全方法を見直したいとき。

出力を検証する観点：「コスト削減」と「停止リスク低減」の両面に言及しているか。TBMを提案する場合は「劣化パターンが時間に比例している根拠」が示されているか。

---

プロンプト2：センサーデータの異常兆候レポート作成

以下のセンサーデータを分析し、異常兆候レポートを作成してください。

【設備名】：[例：プレス機 #3]
【計測期間】：[例：2026年9月1日〜9月25日]
【データ】：
[ここにCSVまたは表形式のデータを貼り付け]

出力形式：
1. 正常値からの逸脱が見られる項目と日時
2. 最優先で確認すべき箇所（理由付き）
3. 推奨アクション（点検・部品交換・様子見のいずれか）と緊急度（高/中/低）

使いどころ：センサーデータをCSVで保持している場合。Claude・ChatGPTなど汎用LLMに貼り付けて使えます。

出力を検証する観点：「正常値の根拠」が明示されているか（過去平均との比較か、仕様値との比較か）。推奨アクションに緊急度の判断が含まれているか。

---

正直な限界——予知保全が「向かない会社」3つのパターン

万能に見える予知保全ですが、富士電機の整理によるとデメリットは「監視システムの導入が必要なこと」と「保全境界線の設定に専門技能が必要なこと」の2点が代表的です。参考 この「専門技能」という部分を甘く見て、導入後にシステムが活かされないケースが現場では多いと感じます。

パターン①：センサーが付いていない設備が多い

予知保全はデータが前提です。センサーのない設備にはそもそもデータ基盤が作れません。「全設備に一気にIoT化」を計画して予算が尽き、中途半端な状態で止まるケースがあります。まず「止まると最も痛い1〜3台」に絞る——これが鉄則です。

パターン②：正常状態のデータが存在しない

AIの異常検知は「正常とはどういう状態か」を学習してから動きます。設備を入れ替えたばかりや、過去データが残っていない場合、学習フェーズに3〜6ヶ月かかることも珍しくありません。「導入した翌月から効果が出る」という期待値は持たないほうがいい。

パターン③：アラートが来ても「誰が対応するか」が決まっていない

これが一番よく見る失敗です。センサーとダッシュボードは動いているのに、アラートに誰も反応しない。保全担当者の業務フローをシステムと合わせて再設計していないと、高価なデータが宙に浮きます。

向かない会社を一言で言うと、「保全の基本台帳——どの設備を誰がどう管理するか——が整っていない会社」です。IoT導入より先にやることがある、という視点を忘れないでほしいです。

---

よくある質問に先に答えます

Q1. まず何にお金をかければいいですか？

まず試すなら音響診断アプリ（月額数千円〜）か、重要設備1台への簡易振動センサー（5万〜30万円）からです。参考 「感触」を得てからフルシステムを検討すれば、無駄な大型投資を防げます。

Q2. 効果が出るまでどのくらいかかりますか？

センサーデータの蓄積に1〜3ヶ月、AIが実用精度になるまでさらに数ヶ月が目安です。「入れたら翌月から効果」は期待値として高すぎます。ただし、設備稼働状態の可視化（ダッシュボード）は導入直後から意味があります。

Q3. 社内にAI・IoTの専門人材がいなくても始められますか？

クラウド型サービス（PlantEarなど月額数千円〜）であれば、専門スキルなしで使い始められます。参考 本番運用になると「どの値から異常とするか（保全境界線）」の設定で専門知識が要るため、ここはベンダーか専門家と組むのが現実的な選択だと思ってます。

Q4. 補助金は具体的にどれを使えますか？

ものづくり補助金・省エネ補助金に活用余地があります。参考 採択条件は公募ごとに変わるため、最新の公募要領の確認と、認定支援機関（商工会議所・中小企業診断士など）への相談を強くおすすめします。

Q5. 取得したデータのセキュリティは大丈夫ですか？

クラウド型はベンダーのデータセンターに保存されます。振動・温度データ自体は競合情報になりにくい一方、稼働率や生産タイミングが推測できるケースもあります。機密性の高いラインにはオンプレミス型（自社サーバー）の検討も視野に入れてください。

---

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 ↗

今日やること——30分で動き出すための3ステップ

ステップ1：損失を数字にする（10分）

過去1年の突発停止回数と、1回あたりの停止時間（時間）×時間当たりの機会損失額（円）を計算してみてください。業界平均の年間1,892万円と比べて自社がどのあたりにいるか、感覚ではなく数字で持てると、社内の優先度が変わります。

ステップ2：重要設備1台を名指しする（10分）

今すぐ「これが止まると全ラインが止まる」設備を1台選び、現在の保全手法がTBM・UBM・CBMのどれかを確認してください。TBMなら「本当に劣化が時間に比例しているか」を疑ってみる価値があります。設備を名指しできるだけで、次の保全会議の解像度が格段に変わります。

ステップ3：費用感をリアルな数字で知る（10分）

PlantEarのウェブサイトで無料プランを確認するか、「振動センサー IoT 保全 PoC」で検索して見積もり依頼フォームを1件だけ開いてみてください。「見積もりを取った」という事実があると、社内稟議のたたき台になります。

---

編集長メモ：ヘリックス（執筆者について）

「TBMかCBMか」を現場の言葉で名指しできるだけで、次の保全会議の質が変わります。ステップ2の「今の手法を1台に当てはめる」が、この記事の最初にして最大のアクションです。