자료 코드 C59110700 / A4 191p / 2017.07.31
AI(인공지능)가 화제가 되고 있는데 제조업 분야에서 가장 적용이 기대되는 것이 고장예지 솔루션이다. 최근에 PoC(개념 검증)가 적극적으로 실시되어 AI벤더, IT벤더, 유저기업 등이 그 실현에 주력하고 있다. 본 조사리포트는 고장 예지 솔루션에 대해 특히 AI활용의 관점으로 동 시장의 현상파악 및 장래 진전에 대해 정리함으로써 제조업 및 솔루션 벤더의 사업전략 작성에 기여하는 것을 목적으로 한다. 제조업(유저기업)에 대한 앙케트, IT벤더, 기기제조 사업자 등 폭넓은 관점으로 조사를 실시해 분석했다.
■조사 개요
조사목적：AI(인공지능)가 화제가 되고 있는데 제조업 분야에서 가장 적용이 기대되는 것이 고장 예지 솔루션이다. 최근에 PoC(개념 검증)가 적극적으로 실시되어 AI벤더, IT벤더, 유저기업 등이 그 실현에 주력하고 있다. 본 조사리포트는 고장 예지 솔루션에 대해 특히 AI활용의 관점으로 동 시장의 현상 파악 및 장래 진전에 대해 정리함으로써 제조업 및 솔루션 벤더의 사업전략 작성에 기여하는 것을 목적으로 한다.
조사대상시장：인터뷰(비IT벤더(기기벤더, 플랜트설영사업자) 및 IT벤더)/ 전화 앙케트(일본 제조업(연간매출 규모 100억엔 이상))
조사방법：직접 면접취재, 전화 앙케트조사, 문헌조사 기타 데이터 수집
조사기간：2016년 12월~2017년 7월
■자료 포인트
• 보전의 전체상을 기재하면서 상태 감시(CBM)를 적용해야 할 영역에 대한 생각을 기재.
• 고장 예지 기술에 대해서는 공학적 접근법과 데이터 접근법의 두 개로 나누어 전체를 부감하는 관점에서 정리.
• 고장 예지의 AI 활용에 대해 그 현상과 실제를 상세히 기재.
• CPS(사이버 피지컬 시스템: Cyber Physical System)의 실현, 고장 예지 기술의 진전, IoT 플랫폼의 활용, AI 활용, 이러한 새로운 움직임을 어떻게 이해해야 할 것인가에 대한 장래 시나리오를 게재.
• 제조업 217사에 대한 앙케트로, 향후 고장 예지 솔루션의 타깃 후보로 유력한 기계를 분석.
• 보전 현상, 공장의 IT화 등, Industrie4.0에 향해 도움이 되는 설문이 다수.
리서치 내용
■게재 내용
조사 결과의 포인트
1. 시장동향
2. 기업 동향
3. 전망과 과제
총론
1. 보전이란
1.1. 보전에 대한 생각-역사적 흐름
1.2. TBM에서 CBM
도표 1 보전의 변천
도표 2 욕조 곡선
도표 3 JIS에 의한 보전 방식
1.3. 어느 설비에 CBM를 적용할 것인가
1.3.1. 설비의 중요도
도표 4 리스크 랭킹표
1.3.2. 본 리포트에서의 리스크에 대한 생각
도표 5 보전 방침 결정의 매트릭스
도표 6 중요설비에 해당하는 설비·기기
2. 고장예지 기술
2.1. 공학적 접근법과 데이터 접근법
2.2. 공학적 접근법
2.2.1. 대상
2.2.2. 방법
2.2.3. 판정 종류
도표 7 상태 감시의 판정 방법
2.3. 데이터 접근법
2.3.1. 통계적 수법과 AI
2.3.2. 기계학습이란 ~데이터에서 자동적으로 패턴과 구조를 찾아내는 AI
2.3.3. 통계 vs 기계학습?
2.4. PHM(제품·설비 상태관리와 고장예측)
2.4.1. 개요
2.4.2. PHM의 특징
2.4.3. PHM에 관한 최근의 움직임
3. AI의 한계
3.1. AI 활발해지는 마켓 분야, 신중한 제조 분야
3.2. 상업/제조업 다른 배경
도표 8 상업용과 제조업용의 차이
3.2.1. 그 이상 판정은 고장의 징조인가 불명료(정밀도의 문제)
도표 9 고장전조 시스템을 도입해도 괜찮다고 생각하는 적중 정확도
3.2.2. AI가 고장 예지를 해도 다음 액션이 불명(인과관계의 문제)
3.2.3. 모델은 개별적으로 달라 응용하기 어려워(개별성의 문제)
3.3. 비즈니스화의 장벽
3.4. 그 한계는 정말로 한계인가
4. 시장규모 예측
4.1. 고장예지＋AI의 시장환경
도표 10 당시의 고장예지＋AI에 관한 야노경제연구소의 판단
4.2. 시장규모와 향후 추이
4.2.1. 현상
4.2.2. 향후 전개에 대해
4.2.3. 향후 시나리오
도표 11 공장의 CPS와 IoT 플랫폼 제휴(이미지도 2025년경을 상정)
참고：2015년 AI리포트에서
AI를 적용할 수 있는 업계·업무
도표 12 일본에서 AI활용 분야와 평가
고장예방, 예방보전
도표 13 고장예방·예지보전+AI가 주는 영향에 대한 평가
참고：비즈니스모델 변화 제조업의 서비스업화
과금 방식
도표 14 다양한 과금 방식
5. 보전의 현상
5.1. 컴프레서가 중요설비의 필두로
도표 15 보전 방침 결정의 매트릭스(재 게재)
도표 16 해당 설비·기기
5.2. 중요설비에서는 CBM 활용도 상당수로
도표 17 보전 전략
도표 18 기기별 보전 전략
도표 19 업계별 보전 전략
도표 20 연간매출 규모별 보전 전략
5.3. 관리유지 빈도
도표 21 관리유지 빈도(가중치)
5.4. 고장시 대응에 대해
5.5. 트러블 해소에 필요한 정보
도표 22 고장과 트러블 해소를 위해 필요한 정보
5.6. 데이터 수집·활용
도표 23 업종별 데이터 수집방법
도표 24 업종별 데이터 활용 상황
5.7. 계획 외에서 발생하는 보전 대책비용
도표 25 계획 외에서 발생하는 보전 대책비용
5.8. 보전 등에서 발생하는 고민
도표 26 보전 등에서 발생하는 고민
도표 27 고민에 대한 대책
5.9. 고장전조 시스템을 도입해도 괜찮다고 생각하는 적중 정확도
도표 28 고장전조 시스템을 도입해도 괜찮다고 생각하는 적중 정확도
5.10. 공장 현장의 IT화
도표 29 공장 현장의 IT화
기업의 대응 동향
닛키
도표 30 빅데이터·솔루션 사업 개념도
도표 31 빅데이터 솔루션 서비스 일람
마에카와제작소
메이덴샤
도표 32 변압기 온라인 수명예측 진단시스템 시스템구성 예
도표 33 취득 데이터 항목 일람
NEC
도표 34 불변량(invarance) 분석
덴쓰국제정보서비스
도표 35 ISID가 제시하는 보전레벨 정의
도표 36 Watchdog Agent 알고리즘 예
후지쓰
도표 37 광섬유의 설치 개소
마이크로소프트/ThyssenKrupp
집계 데이터
6. 프로필
6.1. 업종(상세)
6.2. 업종(5구분)
6.3. 매출액 규모
6.4. 공장 타입①
6.4.1. 공장 타입①×매출액 규모
6.5. 공장 타입②
6.5.1. 공장 타입②×매출액 규모
7. 중요설비의 보전 상황
7.1. 해당 설비·기기
7.1.1. 해당 설비·기기×업종
7.1.2. 해당 기기×매출액 규모
7.2. 보전 전략
7.2.1. 해당 설비·기기×보전 전략
7.2.2. 보전 전략×업종
7.2.3. 보전 전략×매출액 규모
7.3. 관리유지 빈도
7.3.1. 관리유지 빈도×해당 설비·기기
7.3.2. 관리유지 빈도×업종
7.3.3. 관리유지 빈도×매출액 규모
7.4. 주요 도입 형태
7.4.1. 도입 형태×업종
7.4.2. 도입 형태×매출액 규모
7.5. 고장내용·고장시 대응·보전의 분기점
7.6. 트러블 해소에 필요한 정보
7.6.1. 트러블 해소에 필요한 정보×업종
7.6.2. 트러블 해소에 필요한 정보×매출액 규모
7.7. 데이터 수집방법
7.7.1. 데이터 수집방법×업종
7.7.2. 데이터 수집방법×매출액 규모
7.8. 데이터 활용
7.8.1. 데이터 활용 상황×업종
7.8.2. 데이터 활용×매출액 규모
8. 공장 전체에 관한 항목
8.1. 계획 외에서 발생하는 보전 대책비용
8.1.1. 계획 외에서 발생하는 보전 대책비용×업종
8.1.2. 계획 외에서 발생하는 보전 대책비용×매출액 규모
8.2. 보전 등에서 발생하는 고민
8.2.1. 보전 등에서 발생하는 고민×업종
8.2.2. 보전 등에서 발생하는 고민×매출액 규모
8.3. 고민에 대한 대책
8.3.1. 고민에 대한 대책×업종
8.3.2. 고민에 대한 대책×매출액 규모
8.4. 고장전조 시스템을 도입해도 괜찮다고 생각하는 적중 정확도
8.4.1. 고장전조 시스템을 도입해도 괜찮다고 생각하는 적중 정확도×업종
8.4.2. 고장전조 시스템을 도입해도 괜찮다고 생각하는 적중 정확도×매출액 규모
8.5. 공장 현장의 IT화
8.5.1. 공장 현장의 IT화×업종
8.5.2. 공장 현장의 IT화×매출액 규모
8.6. IoT와 AI 등에 대한 기대와 보전에 관한 의견 등
댓글 없음:
댓글 쓰기