設備へセンサーを設置するとき、「データは何秒ごとに取ればよいのか」という問題が出てきます。1秒周期なら細かく状態を確認できそうですが、データ量、通信量、保存容量は増えます。一方、1分や1時間まで間隔を広げればデータ量は抑えられますが、短時間の変化を捉えられない可能性があります。
この問題に「設備データは1秒周期がよい」といった一律の答えはありません。重要なのは、何秒ごとに取りたいかではなく、何を観測したいのか、その現象がどの程度の時間スケールで変化するのかから逆算することです。
また、設備データでは「センサーが信号を測定する頻度」と「データベースへ値を保存する頻度」が混同されやすい点にも注意が必要です。本記事では、サンプリング周波数、特徴量計算、保存周期、送信周期を分けながら、設備データの取得頻度を決める考え方を整理します。
「とりあえず1秒周期」で集めると何が起こるか
設備IoTを始める際、「後で使うかもしれないので、できるだけ細かくデータを取っておこう」と考えることがあります。将来の分析可能性を残すという意味では合理的な場合もあります。
しかし、取得頻度を細かくすると、チャネル数と運用期間に応じてデータ量が増加します。
概念的には、保存するデータ量は次の要素で増減します。
データ量 ≒ チャネル数 × 1秒当たりのサンプル数 × 1サンプル当たりのデータ量 × 保存時間
実際にはデータ形式、圧縮、タイムスタンプ、メタデータ等も影響しますが、取得頻度を10倍にすれば、他の条件が同じなら元データのサンプル数も10倍になります。
データ量が増えると、保存容量だけでなく、ネットワーク転送、バックアップ、データ検索、前処理、分析時間などにも影響します。バッテリー駆動のセンサーであれば、測定・通信頻度と消費電力の関係も考える必要があります。
したがって、「細かい方が安心」という理由だけで取得周期を決めるのではなく、その細かさによって新しく得られる情報があるかを確認することが重要です。
まず区別したい「サンプリング周波数」と「保存周期」
設備データの周期を考える際に特に重要なのが、サンプリング周波数と保存周期を分けることです。
例えば「振動データを1分ごとに保存する」という設計でも、実際には異なる構成が考えられます。
- 振動値そのものを1分に1回だけ測定する
- 一定時間、高いサンプリング周波数で振動波形を測定し、RMS等の特徴量を算出して1分ごとに保存する
この2つでは、保存されるデータが1分周期であっても、内部で観測している信号情報は大きく異なります。
サンプリング周波数
サンプリング周波数は、連続的な信号を1秒間に何回測定するかを表します。特に振動波形などの周波数解析を行う場合には、観測したい信号帯域を踏まえて決める必要があります。
ナイキストの標本化定理では、観測対象とする最高周波数成分に対して、理論上はその2倍を超えるサンプリング周波数が必要です。ただし、実際の計測ではセンサーの周波数応答、アンチエイリアスフィルタ、解析目的等を考慮する必要があり、「最高周波数のちょうど2倍に設定すれば十分」という意味ではありません（National Instruments, 2026）。
特徴量を計算する時間窓
高頻度で取得した波形をそのまま長期間保存する代わりに、一定時間のデータからRMS、最大値、標準偏差、周波数成分などを計算する方法があります。
例えば、短時間の振動波形から設備状態を表す指標を計算し、その指標を長期間の傾向監視へ利用します。振動状態監視では、測定・データ収集と、その後の信号処理・分析を分けて考える枠組みがISO 13373シリーズでも整理されています（ISO, 2002; ISO, 2016）。
保存周期・送信周期
保存周期は、計測した値や計算した特徴量をデータベース等へどの間隔で記録するかを表します。さらに、設備側で保存したデータをクラウド等へ送る送信周期を別に設定することもできます。
つまり、センサーでは細かく測定しながら、エッジ側で特徴量へ変換し、必要な情報だけをより長い周期で保存・送信する構成も可能です。
振動と室温では必要な取得頻度がなぜ違うのか
取得周期は、センサーの種類そのものではなく、観測したい現象の時間スケールから考えます。
例えば振動では、設備の回転や衝撃に伴う短時間の変動や周波数成分を確認したい場合があります。この場合、元波形については比較的高いサンプリング周波数が必要になることがあります。
一方、工場内の室温を「設備周辺環境の長期的な変化」として確認したいのであれば、振動波形と同じ細かさで記録しても、用途上の情報価値がほとんど増えない場合があります。
ただし、「温度だから低頻度でよい」と固定的に考えることも適切ではありません。設備の急激な発熱を検知したい場合には、より短い時間での温度変化が重要になる可能性があります。
| 対象 | 見たい現象 | 取得設計の考え方 | 保存方法の例 |
|---|---|---|---|
| 振動 | 短時間の振動・周波数特性 | 必要な周波数帯域を観測できるサンプリングを検討 | 特徴量＋必要時の生波形 |
| 室温 | 緩やかな環境変化 | 現象の変化速度に応じた周期を検討 | 一定間隔の温度値 |
| 設備負荷 | 運転条件の変化 | 制御・運転状態との対応が分かる粒度を検討 | 必要な粒度へ集約 |
| 異常イベント | 瞬間的な変化 | イベント前後を確認できる取得方法を検討 | 必要時に高頻度データを保持 |
「振動なら何Hz」「温度なら何分」という一覧表から決めるのではなく、同じ温度センサーでも、何を判断するためのデータなのかによって必要な周期は変わります。
設備データの取得周期を決める5つの基準
1．捉えたい現象の時間スケール
最初に、「何を検知したいのか」と「その現象がどの程度の時間で変化するのか」を整理します。
瞬間的な衝撃を捉えたいのか、数分単位の運転状態変化を見たいのか、数日・数週間の劣化傾向を確認したいのかでは、必要なデータ粒度は異なります。
故障名だけではなく、「故障に伴って観測したい物理現象」を考えることが重要です。
2．必要な検知速度・対応速度
同じ設備異常でも、発生後すぐに停止判断が必要なものと、日次点検で確認できればよいものでは要求される時間粒度が異なります。
数秒以内に異常を知る必要がないにもかかわらず、上位システムまで常時リアルタイム転送することが必ずしも必要とは限りません。
現場が実際にどの速度で確認・対応できるのかも含めて考えます。
3．分析に必要な信号情報
長期トレンドを見るだけなら一定間隔の代表値で目的を満たせる場合があります。一方、振動の周波数解析などでは、元波形の情報が必要です。
また、平均値だけを残すと短時間のピークが消える場合があります。用途に応じて、平均だけでなく最大値、最小値、RMS、標準偏差、イベント回数などを保存する方法もあります。
4．通信・保存・計算コスト
高頻度データは、ストレージ容量だけの問題ではありません。通信量、バックアップ量、データ転送時間、前処理時間、分析処理量なども増えます。
特に多数の設備・多数のセンサーへ展開する場合、1台では小さな差でも、工場全体では大きなデータ量になる可能性があります。
一方で、費用削減だけを目的として粗くしすぎると、後から必要な現象を確認できなくなります。情報価値と運用負荷の両方を見る必要があります。
5．将来利用と保管期間
現在は単純なしきい値監視だけでも、将来は故障原因分析やモデル開発へ利用する可能性があります。
一度低頻度で保存して失われた短時間の変動を、後から完全に復元することはできません。そのため、PoCでは比較的細かいデータを取得し、本番設計のために必要な粒度を確認する方法もあります。
一方、すべての生データを同じ期間保存する必要があるとは限りません。特徴量は長期間、生波形は短期間、異常イベント前後の波形のみ長期間残すなど、データ種類ごとに保持期間を変える方法も考えられます。
1秒・1分・1時間周期をどう使い分けるか
1秒、1分、1時間という周期は、「どれが正解か」を比較するのではなく、主に保存・監視目的の違いとして考えると整理しやすくなります。
| 保存周期の例 | 考えやすい用途 | 注意点 |
|---|---|---|
| 1秒程度 | 比較的短い状態変化、運転条件の変化、短時間トレンド | 元信号のサンプリング周波数とは別に考える |
| 1分程度 | 設備状態の傾向、特徴量・環境値等の継続監視 | 1分以内の変化を集約で失わないか確認する |
| 1時間程度 | 長期的な環境・劣化傾向、集計値の長期保管 | 短時間の異常監視には別のデータを残す場合がある |
この表は推奨周期を示すものではありません。同じ設備でも、異常警報用のデータ、長期傾向確認用のデータ、経営・保全レポート用のデータで周期を分けることができます。
例えば、振動波形を高い周波数で短時間取得し、そこから計算したRMSを1分ごとに長期保存し、日次のレポートではさらに集約した値を見る、といった多段階構造も考えられます。
生データをすべて保存しない方法
高頻度の生データが必要だからといって、そのすべてをクラウドへ常時送信し、長期間保存する必要があるとは限りません。
設備側やゲートウェイなどのエッジで処理を行い、状態監視に必要な特徴量だけを上位システムへ送信する方法があります。製造設備の状態監視についても、エッジ側で特徴量を計算し、ネットワークへ送信するデータ量を抑える構成が研究されています（Li et al., 2022）。
代表的には、次のような設計が考えられます。
- 高頻度の元信号は設備側で処理する
- 通常時はRMS、最大値、周波数特徴等だけを保存する
- 生波形は一定期間だけ一時バッファへ保持する
- 異常兆候を検知した場合にイベント前後の生波形を残す
- 長期保管する特徴量と短期保管する生データを分ける
ただし、特徴量へ変換した後に元波形を削除すると、後から別の解析を行いたくなった場合に必要な情報が残っていないことがあります。何を残すかは、現在の監視目的だけでなく将来の解析用途も踏まえて決めます。
PoCで適切な周期を確認する方法
設備データの取得周期を事前に一度で決め切ることが難しい場合は、PoC（概念実証）の段階で比較します。
例えば、検討初期には比較的細かい粒度でデータを取得しておき、そのデータから1秒、10秒、1分、さらに長い周期へ再集約します。
そのうえで、周期を粗くした場合に、実際に確認したい異常兆候、運転状態の変化、劣化傾向等がどの程度維持されるかを比較します。
ここで重要なのは、単純にグラフが似ているかではありません。保全担当者が必要とする判断が変わらないか、検知したいイベントが残っているか、分析結果へどの程度影響するかを確認します。
逆に、現在1分周期しか存在しないデータについても、すぐに「予兆保全には使えない」と結論付ける必要はありません。長期的な温度上昇や設備負荷の変化など、対象とする現象によっては利用できる可能性があります。
既存データで捉えられない現象が明確になった段階で、追加センサーやより細かい取得を検討すると、必要以上のデータ収集を避けやすくなります。
データ取得周期を決めるチェックリスト
| 観点 | 確認項目 |
|---|---|
| 現象 | 検知・監視したい現象を具体的に説明できるか |
| その現象がどの程度の時間で変化するか分かるか | |
| 瞬間的な変化と長期傾向のどちらが重要か | |
| 周波数成分を確認する必要があるか | |
| 利用目的 | リアルタイム警報が必要か |
| 日次・週次等の傾向監視でよいか | |
| 故障診断用の生波形を残す必要があるか | |
| 将来AI・統計分析へ利用する可能性があるか | |
| 取得・保存 | サンプリング周波数と保存周期を分けて考えているか |
| 平均化によって重要なピークが消えないか | |
| 生データを常時長期保存する必要があるか | |
| 異常時だけ高頻度データを保持できるか | |
| IT・運用 | 1日・1か月・1年のデータ量を概算したか |
| 通信量と保存容量を確認したか | |
| 必要な保存期間を決めたか | |
| ゲートウェイ等の処理能力を確認したか | |
| バッテリー駆動の場合は消費電力を確認したか |
このチェックリストの該当数だけで、1秒・1分・1時間などの周期を自動的に決めるものではありません。
対象設備、故障モード、センサー特性、分析方法、現場で必要な対応速度によって適切な設計は異なります。
取得周期に迷った場合は、「1秒か1分か」から考えるのではなく、まず捉えたい現象の時間スケールと必要な検知速度を整理します。そのうえで、元信号のサンプリング、特徴量計算、保存周期、送信周期を分けると、必要な情報を維持しながらデータ量を抑えられる場合があります。
まとめ
設備データの取得周期には、「1秒が最適」「1分なら十分」といった一律の正解はありません。まず、捉えたい設備現象や故障兆候がどの程度の時間スケールで変化するのかを確認する必要があります。
また、サンプリング周波数、特徴量を計算する時間窓、保存周期、送信周期は別々に設計できます。特に振動では、高頻度で元波形を取得しながら、長期保存するデータはRMS等の特徴量へ絞る構成も考えられます。
高頻度化すれば得られる情報は増える可能性がありますが、通信、保存、バックアップ、分析処理等の負荷も増えます。一方、一度粗い周期で保存して失われた短時間の変化を後から完全に取り戻すことはできません。
そのため、PoC段階では比較的細かく取得し、複数の周期へ再集約しながら、設備判断に必要な情報がどこまで維持されるか確認する方法も有効です。
SCI総合研究所株式会社のMIRASENTでは、「振動・温度・電流等をどの周期で取得すべきか分からない」「高頻度で取得しているがデータ量が増えすぎている」「既存の低頻度データで設備診断に使えるか確認したい」といった段階から、対象設備、検知したい現象、既存データ、センサー仕様、保全方法等を整理しながらデータ取得方法を検討します。
高頻度化を前提とせず、設備状態を判断するために必要な情報と、保存・通信・運用負荷のバランスを確認し、PoCやデータ取得設計につなげます。
参考文献
- International Organization for Standardization. 2002. Condition monitoring and diagnostics of machines — Vibration condition monitoring — Part 1: General procedures. ISO 13373-1:2002. https://www.iso.org/standard/21831.html
- International Organization for Standardization. 2016. Condition monitoring and diagnostics of machines — Vibration condition monitoring — Part 2: Processing, analysis and presentation of vibration data. ISO 13373-2:2016. https://www.iso.org/standard/68128.html
- National Instruments. 2026. Anti-Aliasing Filters and Their Usage Explained. NI. https://www.ni.com/en/shop/data-acquisition/measurement-fundamentals/analog-fundamentals/anti-aliasing-filters-and-their-usage-explained.html
- Li, Z., Fei, F., and Zhang, G. 2022. Edge-to-Cloud IIoT for Condition Monitoring in Manufacturing Systems with Ubiquitous Smart Sensors. Sensors. Vol. 22. Issue 15. Article 5901. https://doi.org/10.3390/s22155901