予知保全運用
予知保全は、設備健全性、異常レビュー、保全提案、モデル管理ワークフローを扱うプラットフォーム運用機能です。施設運用、スマート熱供給、データセンター運用、半導体運用などの業界モジュールは、ポンプ、コンプレッサー、チラー、AHU、UPS、フィルターなどの保全対象資産にこの機能を利用できます。
コードでは /pdm を API namespace として使います。ユーザー向け文書と UI では 予知保全 と表記し、API path、MCP endpoint、scope、permission を示す場合だけ pdm を使います。
AI ツール面は 予知保全 AI ツール を参照します。
ドキュメントマップ
| 目的 | 開始ページ |
|---|---|
| 最初の rollout を計画する | 予知保全を始める |
| 設備とセンサーデータを準備する | 設備、センサー、信号履歴 |
| 健全性と readiness を確認する | 健全性、ベースライン、モデル準備 |
| モデルをトレーニング、比較、昇格、ロールバックする | 設備モデルのトレーニングと管理 |
| モデルが実際に実行されたか確認する | モデル使用と実行証跡を理解する |
| 異常と保全提案をレビューする | 異常レビューと保全提案 |
| Finding と人による判定をレビューする | Finding をレビューしてフィードバックを記録する |
| 提案を保全作業へ接続する | 保全提案から作業指示へのループ |
| 多数の資産を優先順位付けする | Fleet トリアージと重要度 |
| Agent と AI tools を使う | 予知保全 AI ツール |
運用境界
| 面 | 現在の役割 |
|---|---|
| FactVerse frontend | ダッシュボード、設備、fleet、振動、効率、保全、異常、energy、onboarding、template、threshold、advisory inbox、model console を提供します。 |
factverse-mod-pdm backend | dashboard data、equipment profile、health snapshot、anomaly event、maintenance record、energy baseline、advisory workflow、sensor ingest、template、reliability metrics、rule-set status を提供します。 |
| Core backend | tenant context、equipment directory、work-order outcome integration、model lifecycle console aggregation の bridge code を提供します。 |
| AI Engine | baseline training、anomaly detection、trend forecast、remaining useful life、health scoring、vibration and temperature diagnosis、fleet diagnosis、XS770A payload processing を提供します。 |
| DFS | 保全ワークフローが運用データに依存する前に、source data、connector mapping、sync history、quality review、governed dataset を準備します。 |
予知保全は、垂直モジュールが利用するプラットフォーム機能として説明します。パッケージングと有効化は、顧客プロジェクトの範囲とリリース計画で定義します。
保全フロー
現在のユーザーワークフロー
| ワークフロー | ユーザーがレビューまたは実行できること |
|---|---|
| Dashboard | 設備健全性、活動中の異常、保全状態、energy baseline、信頼性サマリー。 |
| Equipment profiles | 設備一覧、詳細、最新 health snapshot、health history、advisory mode、main equipment ID bridge lookup。 |
| Sensor onboarding | 設備作成、template からの sensor 作成、onboarding 完了、REST または CSV 履歴インポート。 |
| Health index | health index history、latest running-state health、summary、operating schedule、fault signature library。 |
| Anomalies | 異常一覧、設備別異常、resolution note による異常解決。 |
| Advisory inbox | pending advisory、false positive rejection、snooze、linked work order、work-order outcome。 |
| Maintenance | 設備保全記録と保全スケジュール。 |
| Reliability | MTBF、MTTR、availability、advisory precision、recall、CSV export。 |
| Templates | equipment analysis template の作成、編集、versioning、apply、submit、approve、publish、retire、audit。 |
| モデルコンソール | Readiness を確認し、権限がある場合に設備ベースラインをトレーニング、昇格します。実行可能な異常モデル assignment の昇格とロールバックは管理者 API です。 |
| モデル使用詳細 | 設備バインド、artifact、runtime status、実行期間、ライフサイクルイベントを読み取り専用で確認します。 |
| Finding 詳細 | 標準、ベースライン、モデル、データ品質を分けてレビューし、人による判定を記録、訂正します。 |
開始前
| 要件 | メモ |
|---|---|
| テナントコンテキスト | 本番ワークフローは正しいテナントで実行します。 |
| 権限 | 設備と Finding の読み取りは pdm:read、モデルコンソールと使用詳細は mlops.model.read または system.config を使います。Training、promotion、feedback は各フローの権限に従います。 |
| 設備 ID | equipment ID、type、location、manufacturer、model、main equipment directory bridge を安定させます。 |
| センサー mapping | vibration、temperature、current、pressure、energy などの信号を正しい設備と単位に対応付けます。 |
| 履歴深度 | baseline、trend、remaining-life、confidence は十分な時系列履歴に依存します。 |
| 作業指示オーナー | advisory を受けるチーム、作業指示を作成するチーム、現場作業後に outcome label を記録するチームを決めます。 |
| データ基盤 | ソースシステムに connector、mapping、quality review、sync observability が必要な場合は DFS を使います。 |
ソースデータ準備は Prepare Predictive Maintenance Signal History（英語） を参照します。
入口ルート
| View | Route |
|---|---|
| Dashboard | /pdm/dashboard |
| Equipment list | /pdm/equipment |
| Equipment detail | /pdm/equipment/:id |
| Vibration | /pdm/vibration |
| Efficiency | /pdm/efficiency |
| Maintenance | /pdm/maintenance |
| Anomalies | /pdm/anomalies |
| Energy | /pdm/energy |
| Onboarding | /pdm/onboarding |
| Templates | /pdm/templates |
| Thresholds | /pdm/thresholds |
| Advisory inbox | /pdm/advisory/inbox |
| Model console | /pdm/model-console |
| Model registry | /ai-model-registry |
| Model usage detail | /ai-models/registry/:registryId |
| Finding detail | /pdm/findings/:alertId |
主な作業
設備とセンサーを登録
設備名、type、location、manufacturer、model、equipment ID を入力し、sensor template または手動定義からセンサーを作成します。REST または CSV の小さなサンプルを投入し、dashboard と health index に表示されることを確認します。
信号履歴を準備
予知保全は、vibration RMS、acceleration peak、temperature、current、power、pressure、COP、efficiency、operating schedule、maintenance record に依存します。DFS mapping と data quality で単位、timestamp、equipment ID、stale value を確認します。
健全性をレビュー
dashboard から equipment detail を開き、latest health snapshot、health history、health-index trend、ISO grade、crest factor、kurtosis、predicted days to service、running-state filter を確認します。データがない場合は、healthy default と判断する前にソース範囲を確認します。
異常を検出し診断
AI Engine は baseline training、anomaly detection、trend forecast、remaining useful life、health score、vibration and temperature diagnosis、fleet diagnosis、XS770A payload processing を支援します。診断結果はレビュー入力であり、現場アクションは保全オーナーが確認します。
advisory と作業指示を管理
Advisory Inbox で linked alert、equipment、failure mode、health index、proposed action、priority、SLA を確認します。false positive を拒否し、必要に応じて snooze、work order 作成、outcome 記録を行います。outcome label はモデルとルールの改善に使います。
API 範囲
予知保全 API は /api/v1/pdm にあります。
| Group | Example endpoints |
|---|---|
| Dashboard | /dashboard |
| Equipment | /equipment, /equipment/{equipmentId}, /equipment/{equipmentId}/health, /equipment/{equipmentId}/health/history |
| Health index | /health-index, /health-index/latest, /health-index/summary, /operating-schedule |
| Onboarding and ingest | /onboarding/templates, /onboarding/equipment, /onboarding/sensors, /sensors/readings/batch, /sensors/readings/import |
| Anomalies | /anomalies, /equipment/{equipmentId}/anomalies, /anomalies/{anomalyId}/resolve |
| Advisory | /advisory, /advisory/{id}/work-order, /advisory/{id}/outcome, /advisory/{id}/reject, /advisory/{id}/snooze |
| Reliability | /reliability-metrics, /reliability-metrics.csv |
| Templates | /templates, /analysis/upload, /analysis/{jobId}, /analysis/save-result |
| Model console | /model-console |
AI Engine endpoint には /ai/pdm/train、/ai/pdm/detect、/ai/pdm/forecast、/ai/pdm/health-score、/ai/pdm/rul/predict、/ai/pdm/diagnose、/ai/pdm/fleet-diagnose、/ai/pdm/ingest/xs770a があります。
検証チェックリスト
- equipment ID が FactVerse、source system、CMMS、work order で一貫している。
- sensor channel が期待する単位と axis definition を使っている。
- timestamp order、timezone、data freshness が判断に十分である。
- baseline と trend の解釈に必要な running-state data がある。
- equipment template または rule overlay が active で quarantine されていない。
- advisory decision が責任ある reviewer に接続されている。
- work-order closure で outcome label を保存し、フィードバックループに戻している。