1. 背景と動機付け
1.4 他のセンシング手法（振動、温度、電流など）との比較
機械の状態を見守る方法は一つではなく、振動、温度、電流、音、油の状態、流量や圧力など複数の観点があるが、どれも「異常の兆しを見つけて、壊れる前に手を打つ」という同じ目的に向かっている。国際規格では、これらの指標を組み合わせて監視することが推奨され、最初に正常状態の基準値を決め、同じ運転条件で繰り返し測定して変化を追う流れが基本となる。ここでは、現場で重視される振動、温度、電流（モータ電流解析）、そして音（可聴音・超音波・AE）を中心に、それぞれの強みと弱み、使いどころ、組み合わせ方をわかりやすく整理する。[1][2][3][4][5][6]
まず振動は、回転機械の監視で最も広く使われる方法で、軸受や歯車、バランス不良、芯ずれ、緩みなどの状態変化が振動の大きさや周波数のパターンとして現れる。利点は、適切な取り付けをすれば感度が高く、多くの故障モードで再現性のある兆候を得やすい点で、周期ごとのピークや包絡解析など確立した手法が蓄積されている。一方、回転速度が極端に低いときや、微小欠陥のごく初期段階では、全体振動としての変化が現れにくい場合があり、検出を前倒ししたい場面では補助的に高周波の音響情報が役立つ。また、測定点や締結状態によって感度が変わるため、規格が示すように測定位置と条件を一定に保つ運用が精度のカギになる。[2][3][4][5][7][6][1]
温度は、機械や部品の熱的な負荷や摩擦増大、電気抵抗の上昇、潤滑不良などの「結果」を直接反映する指標で、サーモグラフィや温度センサーで簡便に広範囲を見られるのが強みである。ベアリングの潤滑不足や電装の過熱、配電盤のゆるみ接触などは温度の偏りで分かりやすく浮かび上がる。ただし温度は上がるまでに時間がかかるため、初期段階の微小な傷やき裂の検知には向かず、異常が進んだ段階での確証や影響度の把握に位置づけるのが適切だと整理できる。規格でも、温度は他の指標と同時に測ることで変化の原因切り分けに役立つとされ、同一条件でのトレンド比較が推奨されている。[8][3][4][9][1]
電流（モータ電流解析、MCSA）は、モータが消費する電流の波形や周波数成分から負荷の変動、回転子の欠陥、機械側の抵抗増大などを推定する手法で、モータ側の電気信号を計測するだけで内部や下流の機械状態を間接的に知れるのが利点である。生産ラインを止めずに既設の計装からデータをとりやすく、遠隔監視やIoT化との相性も良い。一方、電源品質や制御方式の影響を受けやすく、純粋に機械側の故障と電気側の揺らぎを分けるには適切な前処理と閾値設計が必要になる。電流単独では故障種の特定力が不足する場面もあるため、振動や温度と合わせた多変量解析が有効とされている。[10][4][5][8]
音（可聴音・超音波・アコースティックエミッション）は、接触、衝撃、摩擦が生む波として現れ、特に高周波領域は微小な損傷の初期から変化が出やすいという特徴がある。ベアリングの早期摩耗、潤滑不良、エア漏れの検出などでは、超音波やAEが低速回転や微細欠陥に対して振動より先行して異常を示すことがある。さらに空気中超音波は非接触で広い範囲の漏えい・放電を見張れる実務上の利点がある。課題は、周囲騒音や取り付けの影響を受けやすい点で、AEは対象への密着や経路確保、超音波は指向性と距離減衰を踏まえた設計が不可欠となる。そのため、規格が述べるように、測定手順の標準化、基準化、しきい値の妥当化を経て運用することが重要である。[3][4][5][7][1][8][2]
これらを比較すると、振動は機械要素の故障モード全般に「広く強い」万能選手、温度は熱に関わる異常の「確証と広域スクリーニング」、電流は非侵襲で駆動系全体の「簡便な兆候取得」、音はごく初期の「前兆の早期察知」という役割分担になる。現実の監視は単独ではなく、規格でも推奨される通り、複数パラメータを同時に測り、ベースラインと比較し、閾値とトレンドで判断を重ねるのが基本である。例えば、回転機では振動と温度を常時監視し、異常の前段を超音波で補足し、駆動モータ側の電流で負荷変動や滑りを併せて確認する、といった設計が合理的だ。この複合監視は、単一指標の盲点を埋め、誤報と見逃しの両方を減らし、診断の確度を上げる効果がある。[11][4][5][12][1]
監視設計の実務ポイントとしては、第一に「運転条件をそろえて測る」ことである。同じ回転数、負荷、温度域でデータを取得し、初期の基準値からの変化をトレンドで捉えると、作業条件の違いによる見かけの揺らぎと本当の異常を区別しやすい。第二に「測定間隔と連続監視の使い分け」で、故障が早く進む箇所は連続や高頻度、進行が遅い箇所は定期測定でもよいが、選定は故障モードと進展速度に合わせる。第三に「しきい値と警報の設計」で、絶対値の上限だけでなく、変化率のアラートや複数指標の同時異常ルールを用いると早期発見と不要停止のバランスを取りやすい。第四に「記録と再現性の確保」で、測定位置、日時、機器設定、機械構成の変更履歴を残し、後の比較やモデル学習に活用する。[4][1][3][10]
なお、予知保全（将来の故障時期を推定して前倒しで介入する）を成立させるには、今述べた複数のセンシングから得たデータを統合し、トレンドや特徴量を解析して、診断（何が起きているか）と予後（いつ頃限界か）の信頼度を高めていくプロセスが要となる。規格では、警報基準の設定、診断・予後の手順、信頼度向上の考え方が整理されており、単一手法よりもパラメータの組合せで判断することが推奨されている。現場の報告や研究レビューでも、振動に音響や電流、温度、油分析を重ねる多センサー化が、単独より高い精度を示すことが多い。[5][12][1][8][2][11][4]
最後に、手法選びの指針をまとめる。高速回転・機械要素の劣化監視の主軸は振動、初期微小損傷や低速機には超音波・AEの追加、熱影響や電装の健全性確認には温度、駆動系の非侵襲な全体傾向把握には電流が適する。導入順は、重要設備の振動と温度の常時監視から始め、効果が高いポイントへ超音波・AEや電流解析を拡張すると投資対効果を得やすい。すべての測定は、同条件・同位置の反復、基準化、しきい値整備、記録の徹底という共通原則に支えられてこそ、誤検知を減らし、壊れる前に止めて直すという本来の目的に近づく。[7][1][3][10][4][5] [1] https://cdn.standards.iteh.ai/samples/39912/a5a5f588e39a4ba6878a1579d65071ee/ISO-17359-2011.pdf
[2] https://www.sciencedirect.com/science/article/abs/pii/S0301679X99000778 [3] https://ipcmms.com/wp-content/uploads/2025/05/ISO17359-2003.pdf [4] https://cdn.standards.iteh.ai/samples/71194/c551f4c170654bb19be2ee017d144969/ISO-17359-2018.pdf [5] https://www.sciencedirect.com/science/article/pii/S1877050925007914 [6] https://www.reliableplant.com/condition-monitoring-31760 [7] https://www.ndt.net/article/nde-india2014/papers/CP0073_full.pdf [8] https://ftmaintenance.com/maintenance-management/what-is-predictive-maintenance/ [9] https://ui.adsabs.harvard.edu/abs/2018MSSP..101..197T/abstract [10] https://projects.shift2rail.org/download.aspx?id=b7eaa56f-8223-4f67-8b2a-839d867b98a1 [11] https://d-nb.info/1171818319/34 [12] https://www.standards.govt.nz/shop/iso-173592018 [13] https://www.iso.org/obp/ui/ [14] https://www-pub.iaea.org/MTCD/Publications/PDF/te_1551_web.pdf [15] https://ww2.eagle.org/content/dam/eagle/rules-and-guides/current/design_and_analysis/224-GN-EquipCndMonitoring/Equipment_Condition_Monitoring_GN_e.pdf [16] https://www.scribd.com/document/237936892/An-Introduction-to-ISO-Standard-Methodology-for-Condition-Monitoring [17] https://ssginsight.com/about-us/news-events/navigating-iso-standards-for-condition-based-maintenance/ [18] https://img.antpedia.com/standard/files/pdfs_ora/20221211/iso1/ISO%2017359-2011.pdf※本ページは、AIの活用や研究に関連する原理・機器・デバイスについて学ぶために、個人的に整理・記述しているものです。内容には誤りや見落としが含まれている可能性もありますので、もしお気づきの点やご助言等ございましたら、ご連絡いただけますと幸いです。
※本ページの内容は、個人的な学習および情報整理を目的として提供しているものであり、その正確性、完全性、有用性等についていかなる保証も行いません。本ページの情報を利用したこと、または利用できなかったことによって発生した損害（直接的・間接的・特別・偶発的・結果的損害を含みますが、これらに限りません）について、当方は一切責任を負いません。ご利用は利用者ご自身の責任でお願いいたします。
