BMWグループ・レゲンスブルク工場、革新的な予測保守システムを実装

BMWグループ・レゲンスブルク工場は、計画的でない停止を防ぎ、車両生産フローを最適化することを目的とした画期的なスマート分析システムにより、組立ラインの効率性において新たな基準を設定しています。 

最先端の予測保守ソリューションは、人工知能（AI）を使用して、潜在的な機器の故障を積極的に特定し対処し、生産稼働時間の大幅な向上とコスト削減をもたらします。

BMWグループ・レゲンスブルク工場のスマート監視システムは、車両がモバイルロードキャリアまたはスキッドシステムに取り付けられる組立プロセスに焦点を当てています。これらのキャリアはチェーン状に生産ホールを移動し、コンベアシステムの技術的な故障は組立ラインを混乱させ、メンテナンスの努力とコストを増加させる可能性があります。 

これらの問題を回避するために、BMWのイノベーションチームは、中断のない生産を保証する早期故障検出機能を持つシステムを開発しました。

驚くべきことに、この監視システムは、追加のセンサーやハードウェアの必要性を排除し、設置されたコンポーネントおよびコンベア要素制御からの既存のデータを活用しています。それは、電力消費の変動、コンベアの移動の異常、バーコードの読み取り可能性など、さまざまなデータポイントを積極的に評価して異常を特定します。 

このような異常が検出されると、メンテナンスコントロールセンターに即座にアラートが送信され、問題に対処するための迅速な行動が可能になります。

プロジェクトマネージャーのオリバー・ムラセク氏は、システムの連続稼働を強調しています。「当社の制御センターにある監視モニターは24時間365日稼働しており、あらゆる種類の故障報告に迅速に対応し、影響を受けた車両をサイクルから外すことができます。」

導入：AI支援、標準化、コスト効率

予測保全は単独のソリューションではなく、協調的な取り組みです。BMWグループの中央工場管理や他の工場サイトとの協力により、システムの標準化が図られ、世界中のBMWグループ拠点への迅速な展開を可能にしています。 

顕著な利点の一つは、追加のセンサーを必要としないためコスト効率が高いことです。費用はストレージとコンピューティングパワーに限られます。

システムには社内開発の機械学習モデルが統合されており、異なるカラーコードを持つヒートマップを使用して、各コンポーネントの故障パターンを可視化しています。この視覚的な表現により、保守技術者は特定された問題に対して正確に対応できます。

システムの成功は、継続的な改善努力によって裏付けられています。チームは現在、追加の設備を接続し、システムを最適化し、推奨アクションを故障メッセージに統合することで、その機能を拡張しています。この強化により、システムで発生した類似の問題を強調表示することで、保守技術者のトラブルシューティングを簡素化することを目指しています。

チームのデータサイエンティストであるデニズ・インチェ氏は、最適な予測保全のより広範な利点を強調しています。「最適な予測保全は、コスト削減だけでなく、計画された台数の車両を期日通りに納品できることを意味し、生産現場での多大なストレスを軽減します。」

将来の目標：予測可能性の向上と特許

BMWグループ・レゲンズブルク工場のコンベアテクノロジーのデータ駆動型モニタリングへの取り組みは6年間にわたり、現在、主要組立ラインの約80%がこのシステムで監視されています。すべての故障を予測できるわけではありませんが、このシステムは車両組立だけで年間約500分のダウンタイムをすでに防止しています。工場の生産速度を考慮すると、これは運用効率の大幅な向上につながります。

チームの将来の目標には、故障検出と潜在的な停止の間の残り時間を推定することで予測可能性を高めることが含まれます。この機能により、技術者は緊急性に基づいて保守タスクの優先順位を付けやすくなります。さらに、ブレーキフルードや冷却液を車両に充填するために使用される設備など、工場の他の分野での使用も検討されています。

注目すべきことに、BMWグループ・レゲンズブルク工場の統合学習システムは分野の先駆者であり、設備メーカーから認められ、BMWグループによって2つの特許が登録されています。