予知保全（Predictive Maintenance）とは、製造装置のセンサーデータ・稼働ログ・振動・温度・電流などのリアルタイムデータを機械学習モデルで解析し、故障が発生する前に最適なタイミングで保全・部品交換を行う製造管理手法です。従来の定期保全（TBM：Time-Based Maintenance）では過剰整備や突発故障のリスクが残りますが、予知保全では実際の装置状態に基づいて保全タイミングを最適化し、装置稼働率（OEE）向上とメンテナンスコスト削減を両立します。
半導体製造工場（ファブ）での予知保全の実装は、①装置のIoTセンサーからのデータ収集（振動・温度・プロセスレシピパラメータ等）、②データレイク/クラウドへの蓄積・前処理、③機械学習モデル（異常検知・残余寿命予測）の構築、④保全アクションのトリガー・MES/EAPシステムとの統合、という流れで進みます。Applied Materials・Lam Research・TELなど主要装置メーカーが装置にセンサーと予知保全APIを実装し、KLA・Onto InnovationなどがFab全体のAIデータ分析プラットフォームを提供しています。
予知保全はAPC（先進プロセス制御）・バーチャルメトロロジー・歩留まり管理と密接に連携して「インテリジェントファブ」を構成します。特に先端ノード（3nm以下）では装置の微小な状態変化がウェハ品質に直結するため、予知保全の重要性が増しています。機械学習による予知保全の基礎はmachine-learningを、プロセス制御との統合はapc・virtual-metrology・yield-managementの各用語を参照してください。