この記事の要点: Fracta Japan株式会社と東邦ガスネットワーク株式会社は、AIを活用して「供内管（道路下の供給管とお客さま敷地内の内管）」の劣化を予測するアルゴリズムの開発を完了しました。この新技術の導入により、埋設年の古い順に管を更新する従来の手法と比べて、計画的な入れ替えにおける投資対効果が約2倍に向上することが確認されています。両社は今後、経年管更新の効率化に向けて国内の他インフラ事業者への展開も目指します。
発表内容のポイント
- 道路下の供給管と敷地内管を対象とした、都市ガス業界初の劣化予測AIアルゴリズム
- 従来の埋設年順の更新手法と比較して、計画的な入れ替え時の投資対効果が約2倍に向上
- ガス本管でのAI運用ノウハウと管路データを活用し、予測対象を供内管へ拡大
発表の背景
地中に埋設されたガス管の劣化速度は、土壌の性質や気象条件といった周辺環境によって大きく異なります。東邦ガスネットワークでは、すでにガス本管においてFractaと共同開発した劣化予測AIを導入し、効率的な更新に活用してきました。今回、その運用で蓄積したノウハウやガス管路データを応用することで、より顧客に近いエリアである供内管の劣化予測を可能にするアルゴリズムの開発に至りました。
何が発表されたのか
今回開発されたアルゴリズムは、道路下の供給管から顧客敷地内の内管までを対象としています。東邦ガスネットワークは、保安確保のために進める道路下の供給管更新や、経年劣化した顧客敷地内の内管の取り替え提案において、この予測データを活用していく方針です。実証では、劣化予測に基づく優先順位付けを行うことで、埋設年順に更新する手法に比べて劣化確率が半減し、投資対効果が2倍程度になることが確認されています。
製造業・生産管理への見方
製造業やプラント、生産現場の設備管理において、地下埋設配管などの見えないインフラの維持管理は共通の課題です。本件で示された「埋設年数（経年）」だけに頼らず、土壌や気象などの環境データと過去の運用実績をAIで統合解析するアプローチは、工場敷地内のユーティリティ配管や老朽化インフラの保全計画を最適化するうえで非常に参考になります。限られた予算と人員の中で、データに基づき優先順位を決定する「予測保全」の好例と言えます。
現場で確認したいポイント
- 自社工場や敷地内の地下埋設配管において、経年数以外の環境データを管理できているか
- 設備保全の優先順位付けにおいて、投資対効果を定量的に評価する仕組みがあるか
- 他インフラ事業者への展開時における、自社設備への応用可能性や適用条件
確認しておきたい点
本アルゴリズムは東邦ガスネットワークの管路データやノウハウを基に開発されたものであり、異なる地域や異なる種類の埋設管（水や化学物質など）にそのまま適用できるかについては、今後の他インフラ事業者への展開状況や検証結果を確認する必要があります。
関連リンク
- Fracta Japan株式会社：発表企業であるFractaの公式サイト
- 発表企業のPR TIMESページ
出典情報
| 出典 | PR TIMES |
|---|---|
| 発表企業 | Fracta |
| 発表日時 | 2026-06-22 11:00:02 |
| 元記事 | PR TIMESで読む |
