工場やプラントで、メーターを撮影し、AIで数値を読み取り、点検記録に残す。導入を検討するときに確認したいのは、「どのくらい正確に読めるか」ではないでしょうか。
ただし、本運用への移行を判断するには、数値を読めなかった場合の扱いまで決めておく必要があります。数値が取得できない、画像が届かない、確認が必要な値が出る。こうした状況を含めて点検を完了できるかが、PoC（実証検証）の重要な確認項目です。
この記事では、AIメーター読み取りのPoCを計画する設備保全担当者に向けて、対象設備、撮影条件、評価指標、再確認の運用を整理します。ここで紹介する内容は実証計画を作るための考え方であり、特定製品の性能保証や実測結果ではありません。
最初に決めるのは対象メーターと数値の使い道
同じ数値の読み取りでも、日々の傾向を見るための記録と、警報判断に使う記録では、求める条件が異なります。まずは対象を設備ID・計器IDで特定し、次の内容を整理しましょう。
- 計器の種類、単位、測定範囲、目盛り
- 通常の使用範囲と、確認が必要になる境界
- 撮影するタイミングと、記録が必要になる時刻
- 読み取った数値を使う業務と、確認・判断する担当者
- 読み取り誤りやデータ欠落が業務に及ぼす影響
許容誤差は、計器の目盛りや仕様、点検目的を踏まえて個別に決めます。AIが画像上の指示値を正しく読めても、計器自体の校正状態や故障まで確認できたことにはなりません。画像の読み取り誤差と、計測対象の真の値に対する誤差は分けて扱うことが重要です。
経済産業省の「プラント保安分野AI信頼性評価ガイドライン」のFAQでは、AIに求める性能を人の関与やAI以外の要素も含めて定め、開発・運用の設計と十分なテストを組み合わせる考え方が示されています。PoCでも、数値の用途と人が担う判断を先に決めておくことが求められます。
撮りやすい画像に偏らない評価計画を作る
実証用の画像は、通常の巡回で起こり得る条件から集めます。昼夜の照明差、反射、撮影距離や角度の変動、汚れ、ピント、他の物による遮蔽など、対象設備ごとに想定される条件を洗い出します。
撮影時には画像だけでなく、計器ID、撮影日時、撮影方法、運転状態、照明などの条件も残します。人の巡回、固定カメラ、ロボットでは撮影条件が異なるため、実際に採用する方法で確かめることが大切です。
設定調整に使った画像と最終評価に使う画像を分けることも検討します。同じ撮影機会の似た画像だけで評価すると、別の日や別の条件での結果を十分に確かめられません。件数を増やすだけでなく、「どの条件を何件確認したか」を残しましょう。
成功率の分母と読み取り不能を先に定義する
結果を「読み取り精度」という一つの数字にまとめると、運用上の違いが見えにくくなります。少なくとも、次の三つは分けて記録することをおすすめします。
- 照合用の正解値を確定できた画像について、数値を出力したもののうち、合意した許容誤差内に入った割合
- 評価対象画像のうち、数値を出力できなかった割合
- 予定した点検件数のうち、期限内に記録と必要な確認まで完了した割合
三つ目は、業務側の評価指標です。撮影できなかった点検、通信などの理由で届かなかった記録、人による再確認が終わらなかった記録も追えるようにします。再撮影が複数回あっても、予定した一つの点検を重複して数えないよう、計器IDと点検予定時刻などで管理単位を固定します。
たとえば、100件の点検予定のうち期限内に画像が届いたのが95件、そのうち数値が出たのが90件、許容誤差内だったのが89件だとします。数値を出した画像だけで見ると89件／90件ですが、予定した点検に対して許容誤差内の数値を自動取得できた割合は89件／100件です。人が確認して完了した件数は別に記録します。
これは製品の性能例ではありません。分母の選び方によって見えてくる課題が変わることを示す計算例です。
境界付近の誤りと再確認の負担を見る
許容誤差内でも、管理上の境界をまたぐと判断が変わる可能性があります。警報や要確認の判定に数値を使う場合は、全体の平均誤差に加え、境界付近での誤読・判定の違いも確認しましょう。
正解が要確認なのに正常側と判定した件数と、正解が正常側なのに要確認と判定した件数を分け、それぞれの評価対象件数とともに記録します。数値を出力できなかった結果や正解未確定の結果を正常側に含めず、再確認への対応も追跡します。
また、要確認の通知が多ければ、再確認に時間がかかります。PoCでは、再撮影回数、確認に要した時間、未確認のまま残った件数も記録すると、担当者が処理できる運用かどうかを検討できます。削減効果を試算する場合も、元の点検作業時間と、新たに必要になる確認・機器管理の時間を同じ範囲で比較しましょう。
読めない場合に誰が何をするかを決める
本運用前には、少なくとも次の状況への対応を決めておきます。
- 画像や記録が届かない
- 画像は届いたが数値を読めない
- 数値に不自然な変化がある、または確認境界に近い
- 計器、カメラ位置、照明、撮影経路、解析設定が変更された
それぞれに、確認担当者、確認期限、再撮影の方法、現場点検へ切り替える条件を割り当てます。欠測をゼロとして保存したり、前回値を最新の実測値のように扱ったりすると、記録の意味が変わってしまいます。未取得、読み取り不能、確認済みなどの状態を区別できる記録方法を検討しましょう。
AIMOS-DXの検討で確認したいこと
本記事は、AIを用いたメーター読み取りを検討する際の一般的な実証計画を扱っています。AIMOS-DXのメーター・音響・画像解析の多くはAIを使用せず、対象に応じたアルゴリズムで解析します。画像解析の「AI解析」は、AIを用いる機能です。AIMOS-DXのPoCは必要に応じて有償で実施します。
AIMOS-DXは、画像・音・計測値などの点検データをクラウドに集約し、設備点検を支援するサービスです。メーター読み取りのほか、音響解析、画像解析、センサデータ管理に対応しています。対象となるメーターの形状や撮影条件、点検方法に合わせて、適用の可否を確認できます。
相談時には、「対象計器の種類」「数値の用途」「撮影方法」「必要な記録時刻」「人が再確認できる体制」を整理しておくと、実証内容を具体化しやすくなります。
まとめ
AIメーター読み取りのPoCでは、対象と用途を決め、実際の撮影条件で試し、読み取り誤差・読み取り不能・未取得・再確認を分けて評価することが重要です。
合格条件は、すべての設備で共通の数字にする必要はありません。PoCの開始前に、対象計器、撮影条件、評価件数と期間、許容誤差、確認期限と対応方法、本運用へ進む条件を一枚の評価計画にまとめ、設備管理者と提供事業者で合意しておきましょう。
条件ごとの結果と残った制約を確認することで、どの設備・運用から導入できるかを判断しやすくなります。AIMOS-DXによる設備点検をご検討の方は、対象設備と現在の点検方法を添えてご相談ください。
