異音検知センサーはどこまで実用か？マイクとAIの現在地と限界

「ベテランの職人は、音を聞いただけで機械の異常が分かる。あの耳をセンサーで置き換えられないか」——予知保全の相談で、必ずと言っていいほど出てくる話です。

結論を先に言います。マイクとAIによる異音検知は、技術としては実用段階に入りつつあります。ただし現場で安定して使うにはハードルが多く、最初の一手は音ではなく、振動・温度など確実な手段から始めるのが現実的です。音は「補助」と位置づけるのが、いまの正直な答えです。

「ベテランは音で分かる」は本当。だから難しい

まず前提として、ベテランの耳は本物です。長年同じ機械のそばで働いてきた人は、「いつもの音」を体で覚えています。だから「いつもと違う音」に気づけます。ベアリングのかすかなうなり、ポンプのキャビテーション（気泡がはじける音）、ベルトの滑り——止まる前の予兆は、たしかに音に出ます。

問題は、その耳を持つ人が退職に近づいていることです。「あの人がいなくなったら、誰も気づけない」——これが異音検知への期待の正体だと私は思っています。

ではベテランの耳をそのまま機械化できるかというと、話は単純ではありません。ベテランがやっているのは「音を聞く」だけではなく、「今日の生産品目や季節まで踏まえて、音の変化の意味を判断する」ことだからです。ここに、後で述べる現場の難しさがそのまま現れます。

異音検知の原理：正常な音を学習して「外れ」を見つける

仕組み自体はシンプルです。多くの異音検知は「異常な音」を探しているのではなく、「正常な音」を覚えて、そこから外れたら知らせるという考え方で動いています。

なぜ「正常だけ学習」なのか。理由は、故障の音のサンプルがほとんど集められないからです。設備が壊れるのは数年に1回で、しかも壊れ方は毎回違います。「異常の見本」を集めて学習させる方式は、工場の設備では成立しにくいのです。

この「正常だけを学習して外れを見つける」やり方を、専門用語で「教師なし異常検知」と呼びます。音に限らず、振動や電流の異常検知でも同じ考え方が使われています。

現場で立ちはだかる3つの壁

原理が分かると「うちでもできそうだ」と思えてきます。実際、静かな実験室ならよく当たります。難しいのは工場の現場に持ち込んでからです。壁は大きく3つあります。

壁①：周囲の騒音が混ざる

マイクは、狙った設備の音だけを拾ってはくれません。隣の設備の運転音、フォークリフトの走行音、換気扇、構内放送、人の話し声——全部混ざって届きます。「隣のラインが動き出しただけで異常判定になる」のは、異音検知で最初にぶつかる典型的なつまずきです。

壁②：「正常な音」自体が変わっていく

やっかいなのはこちらです。同じ設備でも、加工する品目が変われば音は変わります。夏と冬では油の粘度が変わって音が変わります。刃物やベルトが摩耗すれば、故障ではなくても音は少しずつ変わります。

つまり「正常」は1種類ではありません。学習した時期の音だけを正常とみなすと、季節や品目が変わるたびに誤報が出ます。かといって何でも正常に含めると、今度は本物の異常を見逃します。このさじ加減の調整が、異音検知の運用の実務そのものです。

壁③：誤報とのつきあいが続く

壁①②の帰結として、導入初期は誤報が必ず出ます。ここで大事なのは、誤報ゼロを目指すことではなく、誤報が続くと通知が読まれなくなる（オオカミ少年化する）ことを前提に運用を設計することです。通知のたびに「本当だったか」を記録してしきい値を育てる。この地道な期間を数か月は見込む必要があります。

現実的な導入順序：音は最初の一手にしない

では設備の異常予兆をつかみたいとき、何から始めるべきか。手段ごとの性質を比べると、順番が見えてきます。

手段	得意なこと	周囲の影響	判定の確実さ
温度	ベアリング・モーターの過熱の検知	受けにくい（触れた場所の温度を測る）	高い。しきい値も決めやすい
振動	回転体の劣化・ガタの進行の検知	受けにくい（設備に貼り付けて測る）	高い。予知保全の定番
電流	負荷の変化・過負荷の検知	受けにくい（クランプで測る）	比較的高い
音（マイク）	非接触で広い範囲の変化を拾う	受けやすい（周囲の音が全部混ざる）	環境依存が大きい

温度・振動・電流は、センサーを設備そのものに付けるので、隣の設備の影響をほとんど受けません。異常と数値の関係も分かりやすく、誤報の原因を追いやすい。予知保全の入門としては、この3つが先です。全体像は中小企業のための予知保全入門にまとめています。

私なら、こう順番を組みます。まず温度と振動で「確実に取れる予兆」を押さえ、音はベテランが「この設備は音に出る」と言い切る箇所だけにピンポイントで足す。理由は2つで、温度・振動は導入後すぐ判断に使える一方、音は誤報を育てる期間が要ること。そしてベテランの耳が既に実績を出している設備なら、「何の音を聞けばいいか」が最初から絞れていて、音方式の弱点を小さくできるからです。

自作派の方へ。ESP32のような数百円〜のマイコンに小型マイクをつないで録音する実験は可能ですが、基板はむき出しなので現場に置くならケースとセットで考えてください。ケース一体型のM5Stackシリーズや、タカチのBCAP系・未来工業のウオルボックスなどの防水防塵ボックス（800〜3,000円程度・2026年8月時点の目安）に入れるのが定番です。

ベアリングに的を絞った振動・音・温度・電流の使い分けは、こちらの記事で詳しく書いています。

「AIで異音を自動検知」という売り文句の見極め方

異音検知はAIの応用先として分かりやすいため、「熟練工の耳をAIで再現」といった宣伝文句をよく見かけます。技術がうそだとは言いません。ただ、静かなデモ環境の精度と、自社の現場での精度は別物です。検討時には次の点を確認してください。

特に2つ目の再学習は見落としがちです。導入時の学習は業者がやってくれても、その後の音の変化に追従する作業が月額に含まれていない、というケースは十分あり得ます。契約前に必ず確かめてください。

費用の目安

金額はあくまで概算で、設備の数・現場の騒音環境・求める精度によって大きく変わります。ひとつ言えるのは、音単独で大きく投資するより、振動・温度中心の構成に音を補助として足すほうが、同じ予算で得られる安心が大きいということです。

まとめ：耳の代わりではなく「耳の補助」から

ベテランの耳は一朝一夕には機械化できません。ですが、温度や振動の数字で土台を作り、そこに音を少しずつ足していけば、「あの人しか気づけない」状態から一歩ずつ抜け出せます。退職の日が来る前に、小さく始めておくことをおすすめします。

異音検知はベテランの耳の代わりに本当になりますか？

「常時聞き続けられる」点では人を超えますが、音の変化の意味を状況込みで判断する力はまだ人が上です。ベテランが現役のうちに導入し、判定基準をシステムに移していく「補助からの併走」が現実的です。

どんな設備なら音による検知が向いていますか？

周囲が比較的静かで、運転パターンが一定に近い設備ほど向いています。コンプレッサーやポンプ、送風機のような連続運転の回転機は相性が良い部類です。逆に、周囲の騒音が大きく生産品目が頻繁に変わる環境では難易度が上がります。

スマホで録音した音をAIに聞かせて診断できますか？

「いつもと違う気がする」の裏取りとして録音を残すのは良い習慣です。ただし1回の録音だけでは正常時との比較ができないため、診断には使いにくいのが実情です。同じ位置・同じ運転条件で定期的に録りためておくと、後で比較材料として生きてきます。