FFS（Fitness-For-Service）評価の実務——API 579-1/ASME FFS-1で「使い続ける」判断を下すための3階層アプローチ【2026年版】

これまでの連載では、RBIで優先度を決め、PEC＋AIで保温材下腐食を測定する技術を紹介してきた。では、検査で「肉厚が規定を下回った」「ピットが見つかった」「き裂が検出された」──そのとき、設備を止めるのか、修理するのか、そのまま使い続けるのか。この最終判断を工学的に支えるのがFFS（Fitness-For-Service）評価である。API 579-1/ASME FFS-1は、検査結果を「続行可否」に翻訳する国際標準だ。今回はFFSの3階層構造と、近年の機械学習による余寿命評価の進化を解説する。

API 579-1/ASME FFS-1とは

API 579-1/ASME FFS-1は、既設圧力機器の健全性評価における事実上のグローバル標準である。対象となる損傷機構は広範で、以下を含む（出典①②）。

• 全面腐食による肉厚減肉（Part 4 General Metal Loss）
• 局所減肉（Part 5 Local Metal Loss）
• ピッチング腐食（Part 6 Pitting Corrosion）
• ブリスタ・ラミネーション（Part 7）
• 溶接不整合・シェル変形（Part 8 Weld Misalignment and Shell Distortion）
• き裂状欠陥（Part 9 Crack-Like Flaws）
• クリープ損傷（Part 10 Creep Damage）
• へこみ・ガウジ（Part 12 Dents and Gouges）
• 火災損傷（Part 11 Fire Damage）

各Partが独立した評価手順を持ち、検査員・設計者・プラント所有者・検査機関が共通言語で判断できるよう標準化されている。最新版はAPI 579-1/ASME FFS-1-2021で、定期的にアドデンダが追加されている（出典③）。

3階層評価：Level 1 / 2 / 3

FFSは評価の精度と必要なデータ量に応じた3段階の階層構造を持つ。これにより「とりあえずLevel 1でスクリーニング → 不合格ならLevel 2で詳細評価 → 複雑な場合はLevel 3でFEM」という合理的な流れが実現する（出典④）。

• Level 1（スクリーニング）：表・チャート・簡易式で判定。現場検査員でも実施可。保守的な基準で迅速判断。多くの損傷はここで「OK」または「詳細評価が必要」に分類される
• Level 2（詳細評価）：弾性応力解析・疲労寿命計算など、専門エンジニアによる工学解析。Level 1より精密で、より正確な残存寿命が得られる
• Level 3（高度解析）：有限要素法（FEM）による非線形解析。高価な設備、複雑な損傷、長期運転継続を狙う場合に採用。解析コストは高いが、Level 1/2で「NG」となった設備を「継続使用可」と判定できる場合がある

実務における使いどころ

• 定修間隔の延長：「まだ基準肉厚に達していないが、次回定修まで持つか？」の判断。FFS評価で腐食速度と余寿命を定量化し、操業継続の根拠とする
• 補修要否の判定：ピット深さや減肉範囲を測定し、補修するか放置するかの境界線を明確化
• 設備更新の延期：「使用不可判定」を覆せるかをLevel 3のFEMで検討。数千万〜数億円の設備更新延期に直結することも
• 事故後の復旧判断：火災・衝撃などの異常事象の後、Part 11/Part 12で「再使用可否」を評価

Inspectioneering誌2024年12月号ではピッチング腐食のPart 6評価について、2025年2月号ではPart 12のへこみ・ガウジ評価について、それぞれ実務ケーススタディが掲載されている（出典⑤⑥）。国内でも石油精製・化学プラントでFFS活用が進み、計画外停止の削減や保全コスト最適化に貢献している。

機械学習による余寿命評価の進化

2024〜2025年にかけて、FFSの余寿命（RUL：Remaining Useful Life）予測にAIを融合する研究が急速に増えている。低合金鋼圧力容器の腐食による肉厚減損について、UT肉厚データをベースに線形・非線形・化学的モデルを比較した研究では、機械学習モデルが不確実性を明示しつつ、従来の線形外挿よりも信頼性の高い余寿命を出力することが示されている（出典⑦）。

AI活用の方向性は以下の通り。

• 過去の肉厚測定データから腐食速度の確率分布を推定し、Level 2評価に確率論的アプローチを組み込む
• PEC・UTスキャンの結果から減肉パターンを自動分類し、FFS Part 4/5/6への振り分けを支援
• FEM解析のメタモデル化でLevel 3相当の精度をより短時間で提供
• デジタルツインとの連携により、運転条件変化をリアルタイムにFFS結果に反映

検査員・現場エンジニアの役割

FFS評価の質は、投入される入力データの質に直結する。肉厚測定の位置・分解能・網羅性、き裂寸法のUT検出精度、材料特性の履歴情報——これらすべては現場検査員の仕事である。「使い続ける判断」の信頼性は、現場で測った数字の信頼性を超えない。AIがFFS評価を支援する時代だからこそ、フィールドの計測品質がいっそう重要になる。当社ではVT・UT結果をFFS入力フォーマットに整えたうえで、必要に応じて社外FFS専門家との協業により「使い続ける」判断の根拠を整える支援にも対応している。

まとめ

API 579-1/ASME FFS-1は、検査結果を「設備の継続使用可否」へと翻訳する工学的フレームワークである。Level 1のスクリーニング、Level 2の詳細評価、Level 3のFEMへと段階的にエスカレーションできる構造が合理的だ。2025年以降はAI×余寿命評価がLevel 2に本格導入され、運用は「一発判定」から「確率論的・動的評価」へと進化している。RBI→PEC→FFSという3ステップが、次世代アセットインテグリティ管理の標準形になると考えられる。

参考資料・出典

• ① ASME「API 579-1/ASME FFS-1 Fitness-For-Service」https://www.asme.org/learning-development/find-course/api-579-1-asme-ffs-1-fitness-service-evaluation
• ② Inspectioneering「API 579 / ASME, Fitness-For-Service (FFS)」https://inspectioneering.com/tag/api+579
• ③ ANSI Blog「Fitness-For-Service: API 579/ASME FFS-1-2021」https://blog.ansi.org/ansi/fitness-for-service-api-579-asme-ffs-1-2021/
• ④ O'Donnell Consulting「Introduction to API 579 / ASME FFS-1」https://www.odonnellconsulting.com/resources/introduction-to-api579-asme-fitness-for-service/
• ⑤ Inspectioneering Journal「FFS Forum: Pitting Corrosion Assessment in API 579」（2024年12月）https://inspectioneering.com/journal/2024-12-26/11357/ffs-forum-pitting-corrosion-assessment-in-api-579
• ⑥ Inspectioneering Journal「FFS Forum: Assessment of Dents and Gouges Using API 579 Part 12」（2025年2月）https://inspectioneering.com/journal/2025-02-27/11443/ffs-forum-assessment-of-dents-and-gouges-using-api-579-part-12
• ⑦ Journal of Integrated Science and Technology「Prediction models for remaining life assessment of Pressure Vessels」https://pubs.thesciencein.org/journal/index.php/jist/article/view/a1136
• ⑧ VIAS3D「The Role of API 579 based Fitness-For-Service (FFS) in Reducing Downtime and Avoidable Costs」https://vias3d.com/blogs/the-role-of-api-579-based-fitness-for-service-ffs-in-reducing-downtime-and-avoidable-costs/