FirmAdapt

壊滅的故障を防ぐサーマルイメージングAIによるベアリング故障検知

赤外線カメラとAIを組み合わせることで、ベアリングのホットスポットを故障の10〜14日前に発見でき、振動センサーが見逃すことのある問題を捉えます。

オハイオ州の物流センターで、火曜日の午前2時にコンベアのベアリングが焼き付きました。その結果、ベルトフレームが約12メートルにわたって曲がり、ベアリングハウジングが破壊され、ラインが19時間停止しました。総被害額は73,000ドル、さらに2日分の出荷遅延が発生しました。そのベアリングから約3.6メートルの位置に設置されたサーマルカメラは数ヶ月間データを記録していましたが、誰もその映像を確認していませんでした。ベアリング外輪の温度は、それ以前の11日間にわたり1日あたり0.4度ずつ上昇し続けていたのです。

このゆっくりとした着実な温度ドリフトこそ、AIサーマルモニタリングシステムが検出するように設計されたシグナルそのものです。

ベアリング監視におけるサーマルイメージングの仕組み

ベアリング監視に使用される産業用サーマルカメラは、通常、長波赤外線スペクトル(8〜14マイクロメートル)で動作し、熱感度は0.05度C以上です。解像度は320x240から640x480ピクセルで温度マップを取得し、フレームレートは通常9〜30Hzです。

ベアリング監視では、カメラはベアリングハウジング、ベアリング付近のシャフト、そして理想的には周囲温度の基準面を捉えるように配置されます。AIモデルは絶対温度だけを見るのではありません。ベアリング全体の温度勾配、時間経過に伴う温度変化率、そしてベアリング温度と速度、負荷、周囲温度などの機械運転条件との関係を追跡します。

定常状態で稼働している健全なベアリングは、予測可能な熱分布を持つ安定した温度プロファイルを示します。内輪に損傷が進行しているベアリングは、シャフトの回転に伴って位置が移動する局所的なホットスポットを示します。潤滑の劣化は、負荷ではなく稼働時間に相関する全体的な温度上昇として現れます。

振動分析では見逃すものをサーマルが捉える

振動分析は、ピッティング、スポーリング、保持器の損傷などの機械的欠陥の検出に優れています。しかし、サーマルイメージングは異なるクラスの問題を捉えます。最も大きいのは潤滑の問題です。劣化したグリースや不十分な油膜で稼働しているベアリングは、検出可能な振動が発生する前に摩擦熱を発生させます。NSKの研究によると、潤滑不良による温度異常は振動異常に5〜10日先行する可能性があります。

ミスアライメントも、サーマルイメージングが威力を発揮する分野です。シャフトのミスアライメントにより異常な軸方向荷重を受けているベアリングは片側がより高温になり、赤外線では確認できる熱的非対称性を生み出しますが、損傷がさらに進行するまでクリーンな振動シグネチャを生成しない場合があります。

電気的ベアリング損傷(VFD駆動モーターにおけるシャフト電流)も、振動変化の前に温度シグネチャを示します。放電加工効果は微細なピッティングを生み出し、摩擦と温度を徐々に上昇させますが、EDM損傷の振動シグネチャはピッティングが深刻になるまで通常の運転振動にマスクされることが多いです。

AI処理パイプライン

生のサーマル画像は、予知分析に有用になる前に大幅な処理が必要です。AIパイプラインは通常、関心領域(ROI)検出から始まり、システムがカメラの視野内の各ベアリングを自動的に識別・追跡します。これが重要なのは、カメラがドリフトし、振動で取り付けブラケットがずれ、メンテナンス作業で一時的に視界が遮られるためです。

ROIが確立されると、システムは特徴量を抽出します:最高温度、平均温度、ROI内の温度分散、温度勾配の大きさと方向、そして複数のタイムスケールにわたる変化率メトリクスです。これらの特徴量は分類モデル(通常は勾配ブースティング木または浅いニューラルネットワーク)に入力され、健全性スコアが割り当てられます。

より高度なシステムは、サーマルデータをPLCやSCADAシステムからの運転データと相関させます。フルスピード・フルロードで稼働中に周囲温度より15度高いベアリングは問題ないかもしれません。しかし、半速・無負荷で周囲温度より15度高い同じベアリングは、おそらく問題を抱えています。コンテキストが重要であり、AIはそのコンテキストにアクセスする必要があります。

実用的な導入の考慮事項

カメラの配置は重要であり、振動監視のセンサー配置よりも制約が多い場合がよくあります。サーマルカメラはベアリングハウジングへの明確な視線が必要ですが、カバー、ガード、その他の障害物がある機械では常に確保できるとは限りません。反射面(研磨されたスチールシャフトなど)は、放射率が表面仕上げによって変化するため、誤った読み取りを引き起こす可能性があります。

環境要因はさらに状況を複雑にします。周囲温度の変動、近くの熱源(モーター、炉、蒸気配管)、ファンやHVACシステムからの気流はすべて、温度ベースラインに影響を与えます。優れた製造業向けAIシステムはこれらの変数を考慮しますが、初期キャリブレーション期間はカメラ設置ごとに通常2〜4週間かかります。

コストは大幅に下がっています。5年前、固定設置型の産業用サーマルカメラ1台の価格は8,000〜15,000ドルでした。現在、FLIR、Optris、および複数の中国メーカーからの選択肢は、ベアリング監視に十分な感度を持つ320x240カメラで約2,500ドルからです。20台のカメラ、エッジコンピューティングハードウェア、ソフトウェアライセンスを含むプラント全体のシステムは、統合の複雑さに応じて80,000〜150,000ドルです。

サーマルデータと振動データの統合

最良の結果は、両方のデータタイプを融合することで得られます。フラウンホーファー研究所の2024年の研究では、サーマルと振動を組み合わせたモデルが7日間のウィンドウ内でベアリング故障を予測する精度94%を達成し、振動単独の81%、サーマル単独の76%と比較して優れた結果を示しました。2つのモダリティは異なる故障モードと同じ故障モードの異なる段階を捉えるため、組み合わせることで死角が減少します。

実際には、この融合は通常、生データレベルではなく特徴量レベルで行われます。サーマル特徴量と振動特徴量が連結されて単一のモデルに入力されるか、2つの専門モデルが独立した健全性スコアを生成し、融合レイヤーがそれらを統合します。

これらのシステムから最大の価値を得ているメンテナンスチームは、サーマル検査を標準作業手順に組み込んでいるチームです。振動監視の代替としてではなく、そのギャップを埋める補完的なレイヤーとして活用しています。

ManufacturingThermal imagingBearing failurePredictive maintenanceAI

Enjoyed this? Get the next one by email

Practical writing on AI in business, from the team that builds and runs it.

Free. Unsubscribe any time. Privacy policy

See where AI fits in your business

Enter your website for a free PATH report. First findings in about a minute.