HRSのPHM（健全性予測・保全最適化）モデル：部品別・生残関数ベースKPI

――コンプレッサ／冷却器／ディスペンサの故障予兆を“生残×費用”に直訳し、フィル（給油）計画と保全を同時最適化する――

要旨（Abstract）

水素ステーション（HRS）の可用性は、コンプレッサ（圧縮機）・冷却器（プリクーラ／チラー）・ディスペンサ（ノズル・バルブ）の健全度に支配される。本稿は、公開レポート・運転ログを用いて部品別の生存時間分布（生残関数 S(t)S(t)S(t)、ハザード h(t)h(t)h(t)）を同定し、状態量（温度・振動・ΔP・COP・バルブ作動回数等）を共変量に持つ動的サバイバルモデルへ拡張する。これを費用対効果KPI（未供給フィル数、回避コスト、期待可用性、kg当たり保全費）に写像し、フィル計画（スループット）×保全時期の同時最適化を行う手順を提示する。最後に、公開CDPやSOSS等のオープンデータへの適用要領を具体化する。

1. ねらいとスコープ

• ねらい：① 故障“前”に可用性KPIで警告、② 未供給リスクを金額に換算、③ 予防保全タイミングをフィル予約と同時に最適化。

• 対象部位：コンプレッサ系（ブースタ／ドライヤ含む）、冷却系（チラー・熱交換器・冷媒回路）、ディスペンサ系（ノズル・ホース・遮断／制御弁・センサ）。

• データ：ステーション運転ログ（圧力・温度・流量・イベント）、アラーム／停止履歴、SOSS等の稼働状況、公開CDPの事象カテゴリー別件数、現場点検記録。

2. モデル骨子：生残関数ベースのPHM

2.1 ベースライン（修理効果を含む寿命分布）

• 寿命分布：Weibull（η,β\eta,\betaη,β）/対数正規/指数を部品別に当て、階層ベイズで機種差・環境差を吸収。

• 修理効果：Kijimaモデル（最小修理/不完全修理/完全修理）で**更新後の“寿命リセット度”**を部品ごとに設定。

• 生残・ハザード：S(t)=Pr⁡(T>t)S(t)=\Pr(T>t)S(t)=Pr(T>t)、h(t)=f(t)/S(t)h(t)=f(t)/S(t)h(t)=f(t)/S(t)。状態無しでも残余信頼度を提示できる基準線を作る。

2.2 状態連成（健全度→ハザード）

• 共変量：コンプレッサ吸込/吐出温度、圧縮比、振動RMS・包絡、潤滑・シール差圧、ドライヤ露点；チラーのCOP・コンデンサΔT；ディスペンサのノズル温度・ΔP、バルブ作動回数、漏えい検知頻度など。

• リンク：Cox比例ハザード/AFT（加速劣化）で

  h(t∣x)=h0(t)exp⁡(β⊤x(t))h(t|x)=h_0(t)\exp(\beta^\top x(t))h(t∣x)=h0​(t)exp(β⊤x(t))

  を採用。**傾向変化（ドリフト）**はガンマ/Wiener劣化過程で補助的に推定。

• RUL：条件付き生残 S(τ ∣ Ht)S(\tau\,|\,\mathcal{H}_t)S(τ∣Ht​) から残存稼働時間・残存フィル回数を算出。

3. KPI設計：**“故障確率×費用”**で意思決定

ステーションKPI（例）

1. 7日条件付き可用性：Avail7d=∏cPr⁡{Tc>7 days ∣ H}\mathrm{Avail}_{7d}=\prod_{c}\Pr\{T_c>7\ \mathrm{days}\ |\ \mathcal{H}\}Avail7d​=∏c​Pr{Tc​>7 days ∣ H}

2. 期待未供給フィル数（件/週）：E[Miss]=∑kλk Pr⁡(停止∣k)\mathbb{E}[\mathrm{Miss}] = \sum_k \lambda_k\,\Pr(\text{停止}|k)E[Miss]=∑k​λk​Pr(停止∣k)（時刻帯別予約率 λk\lambda_kλk​）

3. 回避可能損失（円/週）：EAD=∑iClost⋅ΔPr⁡i(停止)\mathrm{EAD}=\sum_i C_{\mathrm{lost}}\cdot\Delta\Pr_i(\text{停止})EAD=∑i​Clost​⋅ΔPri​(停止)

4. kg当たり保全費：CMkg=CPM+CCM実配給kg\mathrm{CM}_{\mathrm{kg}}=\frac{C_{\mathrm{PM}}+C_{\mathrm{CM}}}{\text{実配給kg}}CMkg​=実配給kgCPM​+CCM​​

5. 予兆KPI：各部品のハザード上昇率 Δh/h\Delta h/hΔh/h、RULのCV（ばらつき）→ 閾値越えを運用行動（フィル抑制・プリクール強化・段階流量・臨時保全）に直結。

4. 故障予兆：部品別“効く”センサと特徴量

4.1 コンプレッサ（往復/ダイヤフラム/ブースタ）

• 特徴量：圧縮比・等温効率擬似指標、吐出温度の過渡勾配、包絡振動、ピストン/ダイヤフラム周波数帯のケプストラム、シール差圧・潤滑異常、消費電力比。

• 予兆：吐出温度の立上り時間↑＋振動RMS↑＋効率↓の複合でβ>1相（磨耗期）へ。

4.2 冷却器（プリクーラ／チラー）

• 特徴量：COP、コンデンサΔT、過熱度/過冷度、ブライン温度リップル、ファン回転ノイズ。

• 予兆：COP↓とΔT不足が続くとプリクール違反→フィル制限に直結。

4.3 ディスペンサ（ノズル・弁・ホース）

• 特徴量：ノズル温度・流量リップル、遮断弁の作動時間分布、微小漏えいイベント頻度、カップリング回数（累積）。

• 予兆：作動時間の裾伸び＋漏えい検知の複合で不完全遮断・シート劣化を早期抽出。

5. フィル計画×保全の同時最適化（費用対効果）

5.1 目的関数

max⁡スロット割当, 保全時刻  売上期待⏟配給kg×単価−停止期待損⏟停止確率×機会損失−保全費⏟PM/CM−品質ペナルティ⏟温度違反等\max_{\text{スロット割当},\,\text{保全時刻}} \ \ \underbrace{\mathrm{売上期待}}_{\text{配給kg×単価}}-\underbrace{\mathrm{停止期待損}}_{\text{停止確率×機会損失}}-\underbrace{\mathrm{保全費}}_{\text{PM/CM}}-\underbrace{\mathrm{品質ペナルティ}}_{\text{温度違反等}}スロット割当,保全時刻max​  配給kg×単価売上期待​​−停止確率×機会損失停止期待損​​−PM/CM保全費​​−温度違反等品質ペナルティ​​

制約：J2601等の温度・圧力上限、機器限界（m˙max⁡\dot m_{\max}m˙max​、プリクール能力）、予約優先度。

5.2 戦略（実装しやすい順）

• AgeベースPM＋RULゲーティング：ベースの時間/回数PMにRUL閾値で上振れ保全。

• 機会保全：需要谷（夜間・雨天）へ保全を吸収。部品束ねで停止回数を最小化。

• スロット抑制：RUL低下時はH70高負荷の一時抑制、H35優先で停止リスクと違反リスクを低減。

• 予備品最適化：ベース在庫 sss をサービスレベル（例：97%）で決定、故障到着率に追随。

6. オープンレポートへの適用ガイド

1. CDPの“事象×系統”カウントを事象率に転写（分母は運転時間 or フィル回数）。**先験（ハザード）**の初期値を設定。

2. SOSS・運転ログの停止イベントと禁止フィル件数を突合。未供給コストを現金化。

3. 機器ログ（温度・ΔP・COP・作動回数）を整備し、共変量の係数 β\betaβ を正則化回帰で推定。

4. 修理効果（最小/不完全/完全）を部品別に仮定し、ベイジアン更新で事後ハザードへ。

5. KPIダッシュボード（Avail7d_{7d}7d​、Miss、EAD、CMkg_{kg}kg​、RUL-CV）を日次更新、保全カレンダへ配信。

7. 90日ロールアウト（PoC→運用定着）

• Week 0–2：データ設計

  • 取得：P/T/流量、プリクール、コンプレッサ電力・振動、チラーCOP、弁作動ログ、アラーム。

  • 台帳：部品ID、交換履歴、修理モード、停止理由。

• Week 2–6：寿命同定

  • CDP/SOSSで先験ハザード→自社ログで階層更新。修理効果（Kijima）を部品別に採番。

• Week 4–8：予兆学習

  • 特徴量セットを固定し、Cox/AFT＋劣化過程でRULを学習。交差検証で過学習回避。

• Week 6–10：最適化

  • Age＋RULゲートのPMルール、機会保全束ね、スロット抑制を模擬需要で検証。

• Week 8–12：運用

  • ダッシュボード本番。KPI閾値→行動（抑制・保全）のSOPを確定。月次で費用対効果レビュー。

8. 現場で効く“作法”（失敗しないコツ）

• モデルは“軽量＋更新容易”：月次で再学習、部品交換でリセット。

• センサは“少数精鋭”：コンプレッサ吐出T・振動、チラーCOP、ディスペンサ作動時間・漏えいでまず回す。

• KPIは“単位kg”で：kg当たりの保全費と損失で投資判断を一本化。

• ベンダ協調：部品パスポート（設計寿命・修理効果）を取り込み、機種差をモデルに反映。

9. ドラスティック提言

1. RULゲート付き予約制御：RULが閾値を割るとH70の最終スロットを自動抑制、停止を予約外へ押し出す。

2. “束ね保全”の規程化：停止は最大週1回に束ね、コンプレッサ×冷却×弁を同時実施。

3. “予兆→調達”直結：RUL閾値で自動発注（ベース在庫s調整）、在庫切れ停止をゼロへ。

4. 公開データ連携：CDP/SOSS/HyCReD様式で事象コード統一、社外比較が可能な“見える化”を主導。

5. 保全KPIの外販：Avail7d_{7d}7d​ と CMkg_{kg}kg​ を契約インセンティブへ反映、サプライヤと成果連動に。

結論（Conclusions）

生残関数ベースのPHMに、状態連成（Cox/AFT＋劣化過程）と費用KPIを重ねることで、停止の確率と損失額を同じ物差しに乗せられる。公開データでハザードの先験を与え、自社ログで事後更新すれば、フィル計画×保全の同時最適化が現実解になる。RULゲート→行動SOP→費用KPIの三点セットを90日で立ち上げ、月次で回すことが、HRSの可用性・単位kgコスト・顧客体験を同時改善する最短路である。

参照リンク集

• NREL：Heavy‑Duty Hydrogen Station Equipment Performance（HD HyStEP/HDステーション評価）https://www.nrel.gov/docs/fy25osti/96170.pdf

• NREL：Increasing Reliability and Safety of Hydrogen Components（NFCTEC/データ収集の概要）https://docs.nrel.gov/docs/fy24osti/89353.pdf

• NREL：Hydrogen Component Reliability Database（HyCReD 概要）https://docs.nrel.gov/docs/fy24osti/89542.pdf

• NREL：Next‑Generation Hydrogen Station Composite Data Products（CDP 集約・小売ステーション）https://docs.nrel.gov/docs/fy22osti/81661.pdf

• NREL：CDP（小売ステーション）ポータルhttps://www.nrel.gov/hydrogen/infrastructure-cdps-retail

• California H2FCP：Station Operational Status System（SOSS）https://m.h2fcp.org/

• California H2FCP：Station Map（運用情報・停止告知）https://h2fcp.org/stationmap

• CARB：Hydrogen Fueling Infrastructure（SOSSへの導線／施策）https://ww2.arb.ca.gov/es/our-work/programs/hydrogen-fueling-infrastructure/about

• DOE H2 Program：Dispenser Reliability（ALTA試験・コンポーネント故障統計の一例）https://www.hydrogen.energy.gov/docs/hydrogenprogramlibraries/pdfs/progress19/ins_in008_peters_2019.pdf

• H2 MOBILITY Germany（H2.LIVE／運用情報・可用性動向）https://h2.live/en/https://h2.live/en/press/information-on-the-h2-mobility-hydrogen-refuelling-station-network/

• NEDO（日本のHRS制度・運用に関する報告書例）https://www.nedo.go.jp/content/800027758.pdf

注：実装時は、実ステーションの停止ログ・センサ系列・予約データを上記の事象定義（HyCReD/CDP様式）へ正規化した上で学習・更新してください。各KPI（Avail7d_{7d}7d​, EAD, CMkg_{kg}kg​ など）は意思決定の自動化（予約制御・機会保全・予備品発注）に直結させると効果が最大化します。