オーストラリア・クイーンズランド州ブリスベンの食品工場（社名は非公開）が、ムーバス（MOVUS）の状態監視「フィットマシン（FitMachine）」を入れた事例を、ムーバス自身がケーススタディで紹介しています。工場には生産ラインが7本あります。数字と効果は、ベンダーの自己報告です。
ポンプやモーター、ファンの振動・温度・音の平常をAIが覚え、劣化の兆しで計画保全に切り替えます。
食品・飲料の工場では、想定外の停止が生産量と納期に直結します。この工場では、重要な設備の状態を故障の前に知る必要がありました。対象は、生産現場で動くポンプ、モーター、ファンです。これらが急に止まると、長い停止、緊急修理、工場全体の乱れにつながります。
ムーバスの監視を、重要な設備に付けました。設置は3時間未満で、工具は不要、生産は止めませんでした。稼働後、システムは設備の挙動を追い、小さな変化を故障の前に拾います。フィットマシンは振動・温度・音を見る装置で、製品説明では、AIが平常の動きを学びます。収集の間隔は事例本文には書かれていません。製品資料では分数の記載がありますが、版によって差があるため、事例に書いていない収集間隔は、成果の数字には入れません。
導入から数ヶ月以内に、重要な設備の運転挙動の変化を検知しました。劣化の兆しを重大故障の前に捉え、保全チームが調べて手を打ち、想定外の停止を計画保全に切り替えました。工場の信頼性を見る担当（サイト・リライアビリティ・コーディネーター。Site Reliability Coordinator）は、この最初の件で回避した停止時間は約8時間に近い、と話しています。
別の件では、オイルポンプのキャビテーション（泡が立って流れが乱れる現象）を、フライヤー（揚げ鍋）の大きな閉塞の前に見つけ、3時間を回避しました。
金額はオーストラリア・ドル（AUD。出典の表記）のままです。円換算は為替で変わるため行いません。
| 公表されている説明 | こちらで確認できていないこと |
|---|---|
| 設置3時間未満。工具不要。生産停止なし | センサ台数、対象設備の完全リスト |
| 数ヶ月以内に重要な設備の劣化兆候を検出 | 学習期間の日数、閾値の公開定義 |
| 最初の件でダウンタイム回避は約8時間に近い（現場コメント） | 比較対象の故障シナリオの根拠 |
| オイルポンプのキャビテーションをフライヤー閉塞前に検出。3時間回避 | 閉塞が実際に起きていた場合の損害見積の内訳 |
| 損失生産の回避見込みAUD 300,000 | 単価・時間単価の計算式、第三者監査 |
| 初期投資AUD 10,000未満 | センサ単価と台数の内訳 |
| 緊急修理・危険な点検への依存が減った | 前後の緊急修理件数の公開値 |
| サブスクリプションを更新し、監視を継続 | 更新期間と契約条件 |
| 振動・温度・音で平常を学習（製品説明） | 事例工場でのサンプリング間隔の実測 |
いずれもムーバスのケーススタディ上の説明です。
ビル空調のファン、下水・給水のポンプ、冷蔵倉庫の冷却ファン、病院の設備機械室などでも、回転機の振動・温度・音の平常を学習させ、劣化の兆しで計画保全に移す使い方ができます。工具なしの短時間設置から始められます。
平常を学習させ、劣化の兆しで計画保全に切り替えます。約8時間と3時間の回避、AUD 30万の損失回避見込みはベンダー事例の数字です。
