充填停止コード、圧力・温度履歴、顧客申告、過去修理を統合し、点検すべき箇所を絞り込む保守支援AI。
水素ステーションでは、車両への充填中にディスペンサーが停止すると、保守担当者が装置ログや圧力・温度の推移を確認し、原因を切り分けます。 しかし、同じ停止コードでも、ノズル側の通信、圧力上昇の異常、プレクール設備、バルブ動作、センサー値の乱れなど、疑うべき箇所は複数あります。さらに、異常が一時的にしか現れない場合、現地到着時には再現しないこともあり、過去ログと経験を頼りに判断する場面が多くありました。 特に若手担当者は、どのログをどの順番で確認すべきか判断しづらく、熟練者への電話確認や過去報告書の検索が発生。復旧作業そのものよりも、最初の原因切り分けに時間を要することが課題になっていました。
開始・停止時刻、停止コード、充填圧力、流量、プレクール温度、バルブ状態などを充填セッション単位でまとめ、異常発生直前の変化を追えるようにしました。
停止時のログだけでなく、その後に実施した点検内容、交換部品、最終的に特定された原因を紐づけ、類似事例から故障モード候補を提示できるようにしました。
「途中で充填が止まった」「ノズルを差し直すと動いた」「いつもより充填が遅かった」などの受付内容も分類し、装置ログだけでは見えにくい症状を補完します。
AIは故障名を断定するのではなく、疑わしい故障モードと、その根拠、確認すべきセンサー・部品・点検項目を優先順で提示する設計にしました。
担当者ごとに異なっていたログ確認の順序を揃え、故障受付後にまず何を見るべきかを共通化しました。
過去の類似故障と確認項目が画面上で分かるため、基本的な切り分けは現場担当者が進め、判断が難しい案件だけを熟練者へエスカレーションできるようになりました。
交換部品や最終原因を故障事象と紐づけて蓄積することで、保守記録が単なる報告書ではなく、次回の切り分けに利用できるデータとして残るようになりました。
充填セッションごとにログを時系列で統合し、異常直前の変化と過去の修理事例を比較。症状・設備状態・修理結果の組み合わせから故障モード候補を分類し、確認すべき箇所と根拠を整理します。
3カ月
600万円