点検頻度はどう決める？──科学的アプローチと現実的判断の両立
はじめに
「この設備、どのくらいの頻度で点検すればいいんだろう？」
保全計画を立てる際、多くの担当者がこの問いに直面します。3ヶ月ごと？半年ごと？それとも年1回で十分？頻度を上げれば故障リスクは下がりますが、点検コストは増大します。逆に頻度を下げすぎると、突発故障のリスクが高まります。
このバランスをどう取るか──それが点検頻度決定の本質です。
この記事は、保全計画を立案する実務担当者・マネージャーの方に向けて書かれています。
💡 この記事で得られること
- 統計的手法（ワイブル分布）を使った点検頻度の科学的な決定方法
- リスク評価マトリクスによる定量的な判断基準
- コストと信頼性のバランスを考慮した現実的な決定フロー
1. なぜ「勘と経験」だけでは不十分なのか
1.1 従来の点検頻度決定方法
多くの現場では、点検頻度を以下のような方法で決めています。
| 決定方法 | 内容 | 問題点 |
|---|---|---|
| 前例踏襲 | これまでのやり方を続ける | 設備の経年劣化や運転条件の変化を考慮していない |
| メーカー推奨 | カタログの推奨値を採用 | 実際の使用条件を反映していない |
| 他社事例 | 同業他社の事例を参考 | 運転条件・環境が異なる |
| ベテランの判断 | 経験豊富な担当者の感覚 | 属人化・継承困難 |
前例踏襲は、「これまでこうしてきたから」という理由で同じ頻度を続ける方法です。一見安全に思えますが、設備の経年劣化や運転条件の変化を考慮していません。10年前に決めた年2回の点検が、現在も最適とは限らないのです。
メーカー推奨は、設備のカタログや取扱説明書に記載された推奨点検周期を使う方法です。しかし、これは「標準的な使用条件」を前提としており、24時間連続運転や高温環境など、実際の過酷な条件は反映されていません。
他社事例を参考にする場合、運転時間や環境条件の違いが大きな誤差を生みます。同じポンプでも、間欠運転と連続運転では劣化速度が全く異なります。
ベテランの判断は貴重ですが、その根拠を明文化しないと技術継承ができません。また、個人の経験範囲を超える新しい設備には対応できません。
1.2 科学的アプローチが必要な理由
点検頻度の決定には、以下の3つの要素を定量的に評価する必要があります。
- 故障確率: どのくらいの期間で故障するのか（統計的予測）
- 故障影響度: 故障したらどれだけの損失が出るか（リスク評価）
- 点検コスト: 点検にどれだけの費用がかかるか（経済性評価）
これらを「なんとなく」ではなく、数値で見える化することで、説得力のある保全計画が立てられます。
2. 点検頻度を決める3つのアプローチ
点検頻度の決定には、大きく分けて3つのアプローチがあります。
| アプローチ | 特徴 | 適用場面 | 必要なデータ |
|---|---|---|---|
| 時間基準 | 一定期間ごとに点検 | 定期的な運転条件が安定している場合 | 運転時間、推奨周期 |
| 状態基準 | 状態監視で判断 | 状態変化が大きい場合 | センサーデータ、閾値 |
| リスク基準 | リスク評価で決定 | 重要度が高い設備 | 故障履歴、影響度 |
時間基準（TBM: Time-Based Maintenance）
時間基準は、「毎月」「3ヶ月ごと」「年1回」など、カレンダーや累積運転時間で点検タイミングを決める方法です。計画が立てやすく、管理がシンプルなのが利点です。
よくあるのが、こんなケースです。ポンプのベアリングは、メーカーカタログで「運転時間8,000時間ごとにグリス交換」と推奨されています。1日8時間運転なら、8,000時間 ÷ 8時間/日 = 1,000日 ≒ 約3年です。そこで、「3年ごとにベアリング交換」という計画を立てます。
ただし、実際の現場では24時間連続運転の場合もあります。その場合、8,000時間 ÷ 24時間/日 = 約333日 ≒ 約1年となり、同じ「3年ごと」では不十分です。運転時間の実態に合わせた調整が必要です。
状態基準（CBM: Condition-Based Maintenance）
状態基準は、振動センサーや温度計などで設備の状態を常時または定期的に監視し、異常の兆候が出たら点検・交換する方法です。
例えば、ポンプの振動値を毎月測定し、通常2 mm/sの振動が4 mm/sに上昇したら「ベアリング劣化の兆候」と判断して、次の定期点検を待たずに対応します。
この方法は、無駄な点検を減らせる（まだ正常なのに交換しない）一方、常時監視のコストとセンサー投資が必要です。
リスク基準（RBM: Risk-Based Maintenance）
リスク基準は、設備の重要度と故障確率を掛け合わせてリスクを評価し、リスクの高い設備ほど高頻度で点検する方法です。
仮に、こんな状況を考えてみてください。工場に100台のポンプがあります。全てを同じ頻度で点検するのは非現実的です。そこで、「生産ラインの心臓部で代替機がないポンプ」は月1回、「予備機があるポンプ」は半年に1回、というようにメリハリをつけた計画を立てます。これが、リスクベースのアプローチです。
3. 統計的手法：ワイブル分布を使った科学的決定
3.1 ワイブル分布とは何か
ワイブル分布は、機械部品の故障時期を予測する統計手法です。「いつ壊れるか」の確率分布を表現できます。
これは、人間の寿命保険の計算と同じ原理です。保険会社は、「80歳までに何%の人が亡くなるか」を統計データから予測し、保険料を決めます。設備保全でも同様に、「運転5,000時間までに何%が故障するか」を予測できます。
3.2 ワイブル分布のパラメータ
ワイブル分布は、2つのパラメータで特徴づけられます。
| パラメータ | 記号 | 意味 | 実務的解釈 |
|---|---|---|---|
| 形状パラメータ | β | 故障率の変化傾向 | 劣化の進み方 |
| 尺度パラメータ | η | 63.2%が故障する時間 | 特性寿命 |
形状パラメータ（β）は、故障率がどう変化するかを示します。
- β < 1: 初期故障型（使い始めに壊れやすい）
- β = 1: ランダム故障型（いつでも同じ確率で壊れる）
- β > 1: 摩耗故障型（使うほど壊れやすくなる）
配管系では、多くの部品がβ > 1の「摩耗故障型」です。つまり、使えば使うほど故障しやすくなる特性を持ちます。
尺度パラメータ（η）は、「63.2%が故障する時間」を表します。例えば、η = 10,000時間なら、運転10,000時間で約63%の部品が故障します。
3.3 ワイブル分布による点検頻度の決定
実際の決定フローはこうです。
- 故障データの収集: 過去の故障履歴から、「どの部品が何時間で故障したか」のデータを集めます。最低でも10件以上のデータが必要です。
- ワイブル分布のフィッティング: 収集したデータをExcelやワイブル分析ソフトに入力し、βとηを算出します。専門ソフトがなくても、Excelの「WEIBULL.DIST関数」で計算できます。
- 目標信頼度の設定: 「故障確率を何%以下に抑えたいか」を決めます。例えば、「95%の信頼度（故障確率5%以下）」と設定します。
- 点検間隔の計算: ワイブル分布から、「故障確率が5%になる時間」を逆算します。
具体例：あるベアリングの故障データから、β = 2.5、η = 8,000時間と算出されたとします。故障確率5%となる時間は約3,500時間です。したがって、「3,500時間ごとに点検」すれば、95%の確率で故障前に発見できます。
1日24時間運転なら、3,500時間 ÷ 24時間/日 ≒ 146日 ≒ 約5ヶ月ごとという頻度が導かれます。
3.4 統計手法の限界と注意点
- ❌ データが少ない場合は精度が低い → 最低10件、できれば30件以上の故障データが必要です。
- ❌ 使用条件が変わると予測が外れる → 運転時間、温度、負荷が変わると、βやηも変わります。定期的な見直しが必要です。
4. リスク評価マトリクスによる定量判断
4.1 リスクマトリクスの構造
リスク評価は、以下の式で表されます。
リスク = 故障確率 × 故障影響度
| 故障確率 ↓ \ 影響度 → | 小（軽微） | 中（停止） | 大（重大事故） |
|---|---|---|---|
| 高（年1回以上） | 中リスク | 高リスク | 最高リスク |
| 中（数年に1回） | 低リスク | 中リスク | 高リスク |
| 低（10年に1回） | 低リスク | 低リスク | 中リスク |
4.2 故障確率の評価
| 評価 | 定義 | 数値目安 | 例 |
|---|---|---|---|
| 高 | 頻繁に発生 | 年1回以上 | 消耗品（フィルター） |
| 中 | たまに発生 | 数年に1回 | ベアリング |
| 低 | ほとんど発生しない | 10年に1回以下 | 配管本体 |
4.3 故障影響度の評価
| 評価 | 定義 | 損失額目安 | 例 |
|---|---|---|---|
| 大 | 人命・環境・長期停止 | 1,000万円以上 | プラント心臓部 |
| 中 | 生産停止 | 100-1,000万円 | 主要ライン |
| 小 | 軽微な影響 | 100万円以下 | 補助設備 |
4.4 リスクに応じた点検頻度
| リスクレベル | 点検頻度 | 対応方針 |
|---|---|---|
| 最高リスク | 月1回〜毎週 | 常時監視 + 予備品常備 |
| 高リスク | 3ヶ月ごと | 定期点検 + 振動監視 |
| 中リスク | 半年ごと | 定期点検 |
| 低リスク | 年1回 | 年次点検で確認 |
よくあるのが、こんなケースです。製造ラインの冷却水ポンプが該当します。
- 故障確率: 中（3年に1回程度ベアリング交換）
- 影響度: 大（停止すると生産ライン全停止、1日あたり500万円の損失）
- リスク: 中 × 大 = 高リスク
したがって、3ヶ月ごとの振動測定 + 半年ごとの詳細点検という頻度が妥当と判断できます。
5. コストバランスの考え方
5.1 総保全コストの構成
総保全コスト = 予防保全コスト + 事後保全コスト
| コスト項目 | 内容 | 点検頻度との関係 |
|---|---|---|
| 予防保全コスト | 定期点検・交換の費用 | 頻度が高いほど増加 |
| 事後保全コスト | 故障時の修理・損失 | 頻度が低いほど増加 |
この2つのバランスが取れる点が、最適な点検頻度です。
5.2 コスト計算の具体例
ポンプのベアリング交換を例に計算してみましょう。
前提条件：
- ベアリング部品代: 5万円
- 交換工事費（人件費含む）: 15万円
- 1回の点検コスト: 20万円
- 故障時の生産損失: 500万円/日
- 平均修理日数: 3日
点検頻度別の年間コスト比較：
【ケース1: 年4回点検（3ヶ月ごと）】
- 予防保全コスト: 20万円 × 4回 = 80万円/年
- 故障確率: 5%
- 事後保全の期待値: (500万円 × 3日 + 20万円) × 0.05 = 76万円/年
- 合計: 156万円/年
【ケース2: 年2回点検（半年ごと）】
- 予防保全コスト: 20万円 × 2回 = 40万円/年
- 故障確率: 15%
- 事後保全の期待値: (500万円 × 3日 + 20万円) × 0.15 = 228万円/年
- 合計: 268万円/年
【ケース3: 年1回点検】
- 予防保全コスト: 20万円 × 1回 = 20万円/年
- 故障確率: 30%
- 事後保全の期待値: (500万円 × 3日 + 20万円) × 0.30 = 456万円/年
- 合計: 476万円/年
この例では、年4回点検（3ヶ月ごと）が最も経済的という結果になります。
6. 現実的な決定フロー：5つのステップ
Step 1: 設備の重要度分類（ABC分析）
| ランク | 定義 | 割合 | 点検戦略 |
|---|---|---|---|
| A | 最重要（停止不可） | 10-20% | リスク基準 + 状態監視 |
| B | 重要（影響大） | 30-40% | リスク基準 |
| C | 一般（影響小） | 40-60% | 時間基準（簡易） |
Step 2: 故障データの収集・分析
Aランク設備について、過去3-5年の故障履歴を集めます（故障日時、運転時間、故障部位・原因、修理費用・停止時間）。データが10件以上あれば、ワイブル分析が可能です。
Step 3: リスク評価マトリクスの作成
故障確率と影響度を評価し、マトリクス上にプロットします。
Step 4: 点検頻度案の作成
リスクレベルに応じて初期案を作成します（最高: 月1回、高: 3ヶ月、中: 半年、低: 年1回）。
Step 5: コスト試算と調整
年間の点検コスト総額を試算し、予算制約がある場合は高リスク設備の頻度を維持しつつ、中・低リスク設備の頻度を調整します。
7. よくある誤解と注意点
- ❌ 誤解1: 点検頻度は一度決めたら変えない → 設備の劣化状況、故障実績に応じて年1回見直すべきです。
- ❌ 誤解2: 統計手法を使えば完璧な予測ができる → ワイブル分布はあくまで確率的予測です。「95%の信頼度」とは「20回に1回は外れる」という意味です。
- ❌ 誤解3: 全設備に同じ手法を適用する → 重要度に応じてメリハリをつけることが現実的です。
- ❌ 誤解4: コストだけで決める → 安全性・法規制も考慮する必要があります。
まとめ
点検頻度の決定は、「勘と経験」だけでなく、統計的手法とリスク評価を組み合わせた科学的アプローチが有効です。同時に、予算・人員という現実的制約も考慮する必要があります。
📌 この記事のポイント3つ
- ワイブル分布で故障時期を統計的に予測し、目標信頼度から点検間隔を逆算できる
- リスクマトリクスで故障確率×影響度を評価し、リスクに応じた頻度にメリハリをつける
- コスト試算で予防保全コストと事後保全コストのバランスが取れる最適点を見つける
💡 明日から現場でできること
- 重要設備10台をリストアップし、ABC分類を行う
- 過去3年の故障履歴を集め、故障間隔の平均を計算する
- 現在の点検頻度とコストを一覧表にまとめ、見直しの材料にする