CN103080956B - 传感器系统、计算机、以及设备 - Google Patents
传感器系统、计算机、以及设备 Download PDFInfo
- Publication number
- CN103080956B CN103080956B CN201080068624.7A CN201080068624A CN103080956B CN 103080956 B CN103080956 B CN 103080956B CN 201080068624 A CN201080068624 A CN 201080068624A CN 103080956 B CN103080956 B CN 103080956B
- Authority
- CN
- China
- Prior art keywords
- day
- diagnosis
- equipment
- sensing data
- regulation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F15/00—Digital computers in general; Data processing equipment in general
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种传感器系统,其特征在于,设备通过传感器测量所述设备所具备的多个部位的状况,对通过所述测量而生成的传感器数据进行收集,在通过所述网络与所述计算机相连接的状态下,将所收集的所述传感器数据发送至所述计算机,所述计算机基于被发送的所述传感器数据,生成表示所述设备为规定的状态的指标,将所生成的所述指标发送至所述设备,所述设备根据被发送的所述指标和所收集的所述传感器数据,诊断所述设备是否处于规定的状态。
Description
技术领域
本发明涉及传感器系统,尤其涉及对传感器数据进行诊断的传感器系统。
背景技术
在采用燃气发动机、电梯、采掘机械、或者建筑机械等设备的情况下,为了始终使这些设备运转,必须对设备进行维护。用于维护设备的有效技术之一,提出了通过诊断设备的异常,从而检测故障预兆,或者将故障的修复方法提供给管理者等的技术。
现有技术中公开了如下技术:在设备中设置的传感器对设备的状态进行测量,将所测量的数据(以下称作“传感器数据”)经由通信线路发送给数据中心,进而,被发送了传感器数据的数据中心对所接收的传感器数据进行诊断,并对设备的故障预兆进行检测(例如,参照专利文献1)。
另外,公开了如下技术:在设备内部,根据传感器数据,采用神经式网络的无教师学习,预先生成对故障预兆进行检测的模型,基于所生成的模型和设备的传感器数据,对故障预兆进行检测(例如,参照专利文献2)。
现有技术文献
专利文献
专利文献1:日本特开2009-003561号公报
专利文献2:日本特开2008-009935号公报
发明概要
发明要解决的课题
在偏僻地方运转的采掘用重机等设备,由于在远离用于与数据中心进行通信的通信线路的场所被使用,因此无法始终与数据中心进行连接。因此,在偏僻地方运转的设备,无法在每次通过基于传感器的测量而生成传感器数据时,都将传感器数据发送给数据中心。
在这样的偏僻地方运转的设备中应用专利文献1所公开的技术的情况下,由于直至设备与数据中心进行通信为止,设备中被测量的传感器数据都未被发送至数据中心,因此故障预兆的检测延迟。
另一方面,在前述的偏僻地方运转的设备中,应用专利文献2所公开的技术的情况下,由于在设备的内部检测故障预兆,因此即使在未与数据中心连接的偏僻地方,也能在设备内部即时检测故障预兆。
但是,为了高精度地检测故障,需要对大量的传感器数据进行分析,在诊断前生成诊断模型,而且,按照所生成的诊断模型,对故障进行诊断。进而,由于设备的状态根据因经时劣化以及季节变化所产生的气温以及湿度的变化等而变化,因此所生成的诊断模型也需要根据气温以及湿度的变化等而在短时间的周期内被更新。因此,为了用于检测设备异常所需要的诊断模型在短时间的周期内被更新,需要一种能够高速处理大量传感器数据的、大容量的计算机的资源。
在偏僻地方运转的设备所具备的计算机的资源有限的情况下,存在如专利文献2所公开的技术那样的、难以通过设备生成高精度的诊断模型的问题。
发明内容
本发明的目的在于,对在例如偏僻地方运转的建筑用或者采掘用的重机等、无法始终通过通信线路进行数据的收发的设备的异常进行高精度诊断,并尽可能迅速地报告给维护公司。
用于解决课题的手段
以下示出本发明的代表性一例。即,一种传感器系统,具备:具备多个传感器的设备;和通过网络与所述设备相连接的计算机,所述设备通过所述传感器测量所述设备所具备的多个部位的状况,对通过所述测量而生成的传感器数据进行收集,在通过所述网络与所述计算机相连接的状态下,将所收集的所述传感器数据发送至所述计算机,所述计算机基于被发送的所述传感器数据,生成表示所述设备为规定的状态的指标,将所生成的所述指标发送至所述设备,所述设备根据被发送的所述指标和所收集的所述传感器数据,诊断所述设备是否处于规定的状态。
发明效果
根据本发明的一实施方式,能够高精度地诊断在无法与通信线路相连接的现场运转的设备的异常。
附图说明
图1是表示本发明的实施方式的系统运转的环境的说明图。
图2是表示本发明的实施方式的系统的逻辑构成的方框图。
图3是表示本发明的实施方式的诊断对象设备的物理构成的方框图。
图4是表示本发明的实施方式的数据中心以及维护公司的物理构成的方框图。
图5是表示本发明的实施方式的设备侧传感器表格的说明图。
图6是表示本发明的实施方式的设备侧诊断模型表格的说明图。
图7A是表示本发明的实施方式的传感器数据的分布和诊断模型的说明图。
图7B是表示本发明的实施方式的传感器数据的分布和诊断模型的说明图。
图7C是表示本发明的实施方式的传感器数据的分布和诊断模型的说明图。
图7D是表示本发明的实施方式的传感器数据的分布和诊断模型的说明图。
图7E是表示本发明的实施方式的传感器数据的分布和诊断模型的说明图。
图8是表示本发明的实施方式的诊断模型的说明图。
图9是表示在本发明的实施方式的所有学习日中诊断对象设备运转的情况下的诊断日以及学习日的说明图。
图10是表示在本发明的实施方式的学习日中存在诊断对象设备不运转的日子的情况下的诊断日以及学习日的说明图。
图11是表示通过本发明的实施方式的数据中心保持的设备传感器构成表格的说明图。
图12是表示通过本发明的实施方式的数据中心保持的中心侧传感器表格组的说明图。
图13是表示通过本发明的实施方式的数据中心保持的设备诊断构成表格的说明图。
图14是表示通过本发明的实施方式的数据中心保持的中心侧诊断模型片表格组的说明图。
图15是表示本发明的实施方式的诊断模型片的说明图。
图16是表示通过本发明的实施方式的数据中心保持的设备运转日构成表格的说明图。
图17是表示通过本发明的实施方式的数据中心保持的运转日表格组的说明图。
图18是表示本发明的实施方式的整体处理的流程图。
图19是表示本发明的实施方式的子程序SUB0的处理的流程图。
图20是表示本发明的实施方式的子程序SUB1的处理的流程图。
图21是表示本发明的实施方式的子程序SUB11的处理的流程图。
图22是表示本发明的实施方式的子程序SUB10的处理的流程图。
图23是表示本发明的实施方式的子程序SUB100的处理的流程图。
图24是表示本发明的实施方式的子程序SUB105的处理的说明图。
图25是表示在本发明的实施方式的诊断模型的RAM中保持的表格的说明图。
具体实施方式
以下,针对本发明的实施方式,参照附图进行说明。
图1是表示本发明的实施方式的系统运转的环境的说明图。
图1所示的本实施方式的系统,安装于包含运转场所1000、通信地点1100、数据中心1130、以及维护公司1140在内的环境中。另外,图1所示的设备1020以及设备1040是本实施方式中被维护的设备。
运转场所1000是本实施方式的被维护的设备1020运转的场所。运转场所1000是例如矿山等偏僻地方,是与数据中心1130之间的连接困难的场所。
设备1020以及设备1040在运转场所1000进行运转。设备1020是例如卡车、液压挖掘机、或者装载机之类的采掘设备等。设备1020能够从运转场所1000移动,设备1040难以从运转场所1000移动。
通信地点1100是具备能够与数据中心1130进行通信的设备的场所,是例如办事处或者设备的修配处等。通信地点1100处于远离运转场所1000的场所。
通信地点1100具备用于与数据中心1130进行通信的通信装置1120。因此,设备1020从运转场所1000向通信地点1100移动,通过通信装置1120能够将表示设备1020的状态的传感器数据发送至数据中心1130。另外,设备1020能够从数据中心1130接收为了检测故障预兆而采用的诊断模型。
另外,在对无法从通信地点1100移动的设备1040进行维护的情况下,维护员1030从设备1040内获取储存了传感器数据的存储器等,并将所获取的存储器等运送至通信地点1100。然后,维护员1030通过通信装置1120将在存储器等中储存的传感器数据发送至数据中心1130。
进而,维护员1030将从数据中心1130接收的诊断模型保存在存储器中,并将保存了诊断模型的存储器运送至设备1040。然后,维护员1030通过将保存了诊断模型的存储器与设备1040进行连接,从而能够使设备1040获取最新的诊断模型。
数据中心1130具备具有高处理性能的计算机。并且,对经由通信装置1120发送的大量的传感器数据进行高速分析,生成用于对设备1020或者设备1040的异常或故障预兆进行诊断的诊断模型。
维护公司1140是维护设备1020以及设备1040的公司,在设备1020以及设备1040的故障预兆被检测出的情况下,从数据中心1130接收报告。
设备1020以及设备1040均是被维护的设备。因此,以下将设备1020以及设备1040总称为诊断对象设备1010。
图2是表示本发明的实施方式的系统的逻辑构成的方框图。
诊断对象设备1010经由网络与数据中心1130连接。另外,维护公司1140经由网络与数据中心1130连接。
图3是表示本发明的实施方式的诊断对象设备1010的物理构成的方框图。
诊断对象设备1010具备:传感器3100(3100-1~3100-N)、传感器控制器3120、CPU3140、通信装置3160、设备侧提示装置3180、非易失性存储器3300、以及RAM3400。
传感器3100是用于对表示诊断对象设备1010的当前状态的物理量进行测量的传感器。所谓诊断对象设备1010的物理量,是指例如温度、转速、或者内置发电机的电流值等。
传感器控制器3120从传感器3100收集传感器数据。所谓传感器数据,是通过传感器3100测量的结果的数据。传感器控制器3120将所收集的传感器数据保存在非易失性存储器3300中。
CPU3140是用于执行在RAM3400中保存的程序等的处理器。通信装置3160是用于在诊断对象设备1010与数据中心1130之间对数据进行收发的通信装置。
通信装置3160是用于与通信地点1100所具备的通信装置1120进行连接的装置。另外,在诊断对象设备1010为设备1040的情况下,通信装置3160具备用于将传感器数据保存在磁盘等存储器中的功能。
设备侧提示装置3180是在诊断对象设备1010中的异常或者故障预兆被检测出的情况下,用于向操作诊断对象设备1010的操作者显示被探测出的内容的装置。设备侧提示装置3180例如既可以是显示器,或者也可以是发出声音的装置。
非易失性存储器3300是例如闪存等,即使使诊断对象设备1010的电源停止,也能够保持所保存的信息的存储介质。对传感器数据以及诊断模型等进行保存。非易失性存储器3300对设备侧传感器表格3330、设备侧诊断模型表格3360、下次连接日数据3350、诊断模型缺乏标志数据3370、上次更新日数据3375、诊断模型3470、以及、上次连接日数据3380进行保持。
设备侧传感器表格3330是对在诊断对象设备1010中被测量的传感器数据进行保存的表格。设备侧诊断模型表格3360是用于保存在哪一天收集了(即,生成了)在诊断模型3470中保存的诊断模型的表格。
下次连接日数据3350表示诊断对象设备1010下次与数据中心1130进行连接的日子。在诊断模型缺乏标志数据3370中保存表示在诊断对象设备1010中为了诊断异常或者故障预兆而采用的诊断模型3470是否为最新版的标志。
上次更新日数据3375表示在诊断对象设备1010中被采用的诊断模型3470最后被更新的日子。诊断模型3470保存用于对诊断对象设备1010的异常等进行诊断的诊断模型。上次连接日数据3380表示与数据中心1130最后连接的日子。
RAM3400是对CPU3140所执行的程序进行保持,如DRAM、SRAM之类的可高速读写的储存装置。RAM3400对异常诊断程序3420、传感器数据发送程序3440、以及、诊断模型更新程序3460进行保持。
异常诊断程序3420是在传感器控制器3120收集了传感器数据之后,对所收集的传感器数据进行分析的程序。然后,由此诊断诊断对象设备1010是否为异常,或者诊断是否存在故障预兆的程序。
传感器数据发送程序3440是将在设备侧传感器表格3330中存储的传感器数据发送至数据中心1130的程序。
诊断模型更新程序3460获取在设备侧诊断模型表格3360中保存的诊断模型,是通过载入到非易失性存储器3300中从而对诊断模型3470进行更新的程序。
诊断模型3470是在基于传感器数据对诊断对象设备1010的异常等进行诊断时被异常诊断程序3420采用的数据。
图4是表示本发明的实施方式的数据中心1130以及维护公司1140的物理构成的方框图。
数据中心1130具备:CPU3530、通信装置3560、RAM3600、以及HDD3700。
CPU3530是执行保存在RAM3600中的程序的处理器。通信装置3560是用于与诊断对象设备1010进行通信的装置。
RAM3600是例如DRAM或者SRAM等、可进行高速读写的存储装置。RAM3600对诊断模型建立程序3620、诊断模型片检索更新程序3640、下次连接日计算程序3630、以及、诊断模型片合并程序3650进行保持。
诊断模型建立程序3620是对从诊断对象设备1010发送的传感器数据进行分析,生成用于对诊断对象设备1010的异常等进行诊断的诊断模型的程序。诊断模型片检索更新程序3640是从中心侧诊断模型片表格组3740中检索诊断对象设备1010所需要的诊断模型片,或者对诊断对象设备1010所需要的诊断模型片进行更新的程序。
下次连接日计算程序3630是对数据中心1130和诊断对象设备1010应被连接的日子进行计算的程序。诊断模型片合并程序3650是通过对诊断模型片进行合并,从而生成表示数日的(后述的学习日)的传感器数据的正常范围的诊断模型的程序。
HDD3700是例如大容量的硬盘驱动器。对在图1的运转场所1000中运转的所有诊断对象设备1010的传感器数据、和诊断模型的数据进行保持。HDD3700,对设备传感器构成表格3710、设备诊断构成表格3720、设备运转日构成表格3750、中心侧传感器表格组3730、中心侧诊断模型片表格组3740、以及、运转日表格组3760进行保持。
设备传感器构成表格3710对唯一表示在运转场所1000运转的所有诊断对象设备1010的标识符、和保存与该标识符对应的传感器数据的表格名进行保持。中心侧传感器表格组3730是将在诊断对象设备1010中测量的传感器数据按每个诊断对象设备1010进行保持的表格组。
设备诊断构成表格3720对在运转场所1000运转的所有诊断对象设备1010的标识符、和保存与该标识符对应的诊断模型的表格名进行保持。中心侧诊断模型片表格组3740是将诊断对象设备1010的诊断模型按每个诊断对象设备1010进行保持的表格。
设备运转日构成表格3750保持运转日表格组3760的表格名,其中运转日表格组3760对在运转场所1000运转的所有诊断对象设备1010的标识符、和与该标识符对应的诊断对象设备1010的运转日进行保持。运转日表格组3760是将诊断对象设备1010的运转日按每个诊断对象设备1010进行保持的表格组。
维护公司1140具备维护公司服务器3920、以及维护公司侧提示装置3940。
维护公司服务器3920是在维护公司1140内设置的计算机。由数据中心1130进行诊断的结果,在图1的运转场所1000进行运转的诊断对象设备1010中产生了异常、或者存在故障预兆的情况下,维护公司服务器3920从数据中心1130接收表示异常的报告。
维护公司侧提示装置3940是用于将维护公司服务器3920所接收的诊断对象设备1010的异常报告通知给属于维护公司1140的系统管理者等的装置。维护公司侧提示装置3940具备用于通知异常报告的液晶显示器、显像管、或者声音提示装置等。
图5是表示本发明的实施方式的设备侧传感器表格3330的说明图。
设备侧传感器表格3330包含获取时刻4100以及传感器数据4110(4110-1~4110-N)。传感器数据4110(4110-1~4110-N)表示从传感器3100(3100-1~3100-N)收集的传感器数据的值。
获取时刻4100表示传感器数据4110(4110-1~4110-N)分别从传感器3100(3100-1~3100-N)被收集的时刻。传感器控制器3120按短周期对传感器数据进行收集,或者按照传感器3100进行测量的周期进行收集。因此,获取时刻4100与通过传感器3100生成传感器数据的时刻大致相同。
通过指定设备侧传感器表格3330中的获取时刻4100,从而获取与所指定的获取时刻4100对应的传感器数据4110。
图6是表示本发明的实施方式的设备侧诊断模型表格3360的说明图。
设备侧诊断模型表格3360包含诊断日4420以及诊断模型4430。诊断模型4430是唯一表示诊断模型的标识符。诊断日4420表示通过诊断模型4430所表示的诊断模型对传感器数据进行诊断的日子。
本实施方式中的诊断模型,是指表示被测量的传感器数据的正常值范围的模型。采用图15对诊断模型和基于诊断模型进行的异常诊断进行说明。
图7A~E是表示本发明的实施方式的传感器数据的分布和诊断模型的说明图。
图7A的模型12100是在具备传感器3100-1和传感器3100-2的诊断对象设备1010正常运转的情况下,将通过传感器3100-1和传感器3100-2所测量的一天的传感器数据按照传感器数据被收集的每个时刻(获取时刻4100)图示在二维坐标系中的分布。另外,图7A所示的点12110表示一个传感器数据。
在基于模型12100所示的传感器数据的分布、和作为机械学习技术的一种的聚类(clustering)技术,学习了传感器数据的倾向的情况下,如图7B的模型12200的圆12210那样,用圆来近似正常的传感器数据的分布。
图7C的模型12300表示在模型12100的传感器数据的分布全部用圆来进行近似的情况下的三个圆。并且,计算被近似的圆的中心坐标和半径。
在被收集的传感器数据包含在模型12300所示的圆内的情况下,表示传感器3100-1和传感器3100-2所测量的诊断对象设备1010正常运转。
另外,在本实施方式中,在被收集的传感器数据脱离如前述求出的正常的传感器数据分布的情况下,诊断为被测量的诊断对象设备1010中存在异常。例如,在从传感器3100-1和传感器3100-2收集了模型12200中所含的点12230那样的传感器数据的情况下,诊断为传感器3100-1和传感器3100-2所测量的诊断对象设备1010中存在异常。
进而,图7D的模型12400表示采用与前述相同的聚类技术对通过传感器3100-1和传感器3100-2在不同的日子测量的传感器数据进行学习的结果所求出的正常的传感器数据的分布。在此,通过将模型12300和模型12400合并,从而生成表示两天的正常传感器数据的分布的诊断模型。
图7E表示通过对模型12300和模型12400进行合并从而生成的诊断模型12500。另外,在本实施方式中,在对传感器数据的分布进行合并的情况下求出分布和分布的逻辑和。
即,在对传感器数据的分布进行合并来生成诊断模型的情况下,具体而言,通过分别追加各模型中所含的分布的被近似的圆的中心坐标和半径的数据来生成诊断模型。
以下,在本实施方式中,将如模型12300那样表示每天生成的正常的传感器数据的分布的模型记作诊断模型片。另外,将通过对多个诊断模型片进行合并而生成的、表示数日的正常传感器数据的分布的模型称作诊断模型。在本实施方式中,诊断模型用于对诊断对象设备1010的传感器数据进行诊断。
图8是表示本发明的实施方式的诊断模型4430的说明图。
诊断模型4430被保存于非易失性存储器3300中。诊断模型4430包含:诊断模型ID4431、正常范围中心4433以及正常范围半径4436。
诊断模型ID4431是唯一表示诊断模型的标识符,与设备侧诊断模型表格3360的诊断模型4430中保存的标识符对应。正常范围中心4433表示诊断模型ID4431所表示的诊断模型的中心坐标。另外,正常范围半径4436表示诊断模型ID4431所表示的诊断模型的半径。
本实施方式的基于诊断对象设备1010的传感器数据的诊断方法,通过学习在诊断日4420之前被收集的传感器数据从而生成诊断模型。然后,将所生成的诊断模型事先保存在诊断模型4430中。然后,在到了诊断日4420所示的日子时,采用与该诊断日4420对应的诊断模型对传感器数据进行诊断。
本实施方式中,将成为学习对象的传感器数据在诊断对象设备1010中被生成的日子记作学习日。学习日包含在诊断日以前的1日以上的天数。学习日中所含的天数事先由管理者等决定。
进而,由于诊断模型是采用学习日中所含的各日的诊断模型片而生成的,因此诊断模型基于学习日的诊断对象设备1010的状态而被生成。并且,根据周围环境以及设备的经时劣化等,诊断对象设备1010的状态每天发生变化。因此,学习日需要选择与诊断日接近的日子。
图9是表示本发明的实施方式的所有学习日中诊断对象设备1010进行运转的情况下的诊断日以及学习日的说明图。
日程13600表示所有的学习日中诊断对象设备1010进行运转的情况下的、学习日、诊断日、以及、诊断延迟日。另外,日程13600包含:日程13600A、日程13600B、以及、日程13600C这三个例子。
日程13600按每个方框示出日期。日程13600表示4月1日~4月19日的各个日子。
在日程13600A中,学习日是4月1日~4月7日。并且,诊断日是从作为学习日的最终日的4月7日起7日之后的4月14日。在此,日程13600中的诊断延迟日是7天。另外,学习日中所含的天数也是7天。
本实施方式中的诊断延迟日是指从学习日的最终日至诊断日为止的天数。诊断延迟日是由管理者等事先规定的值。
诊断延迟日的值依赖于运转场所1000的环境、或者诊断对象设备1010的种类等。因此,事先尝试各种诊断延迟日的结果,异常诊断的精度最高的最佳值被管理者等规定为诊断延迟日。
进而,诊断日每移动一天时,学习日也移动一天。日程13600B表示在使日程13600A的诊断日向未来移动一日的情况下的学习日以及诊断延迟日。日程13600B中的诊断日是4月15日,学习日是4月2日~4月8日。日程13660B的学习日与诊断日一起向未来移动一日,诊断延迟日未发生变化。
日程13600C表示在使日程13600B中的诊断日进一步向未来移动一天的情况下的学习日以及诊断延迟日13640。日程13600C中的诊断日是4月16日,学习日是4月3日~4月9日。
图10是表示在本发明的实施方式的学习日中存在诊断对象设备1010不运转的日子的情况下的诊断日以及学习日的说明图。
日程13700包含日程13700A以及日程13700B这两个例子。
日程13700A表示在所有的学习日中诊断对象设备1010进行运转的情况下的诊断日以及学习日。日程13700A中的学习日是4月4日~4月10日,诊断日是4月17。
日程13700B是在日程13700A的学习日中的两天、诊断对象设备1010不运转的情况下的例子。在诊断对象设备1010不运转的日子,诊断对象设备1010中不收集传感器数据。在日程13700B中,诊断对象设备1010不运转的日子(以下称作非运转日)是4月8日以及4月9日。
在学习中采用的传感器数据的数量减少的情况下,所生成的诊断模型的精度降低。因此,在本实施方式中,在产生了非运转日的情况下,将学习日向过去顺延诊断对象设备1010的非运转日的天数。日程13700B中的4月2日以及4月3日是向过去顺延了4月8日以及4月9日的非运转日的天数后的学习日。
但是,在将学习日向过去顺延的情况下,所生成的诊断模型强烈反映出过去的传感器数据的倾向。因此,诊断日也需要配合学习日向过去推移。
尤其,非运转日越接近诊断日,则与不存在非运转日的情况相比,所生成的诊断模型越强烈反映出过去的传感器数据的倾向。因此,非运转日越接近诊断日,越需要将诊断日更多地向过去倒退。
因此,本实施方式中的将诊断日向过去倒退的天数是基于学习日与诊断日之间的平均天数差而计算出的。学习日与诊断日之间的平均天数差的计算公式是例如以下的计算式(1)。
平均天数差={(诊断日-学习日开始日)+(诊断日-(学习开始日+1))+(诊断日-(学习开始日+2))+(诊断日-(学习开始日+3))+......+(诊断日-学习结束日)}/学习日天数···(1)
日程13700A中的学习日与诊断日之间的平均天数差是采用前述的计算式(1)按照以下方式计算的。
日程13700A中的平均天数差:{(17-4)+(17-5)+(17-6)+......+(17-10)}/7=10日
进而,在日程13700B中,在学习日是4月2日~4月7日以及4月10日,诊断日是4月17日的情况下的、学习日与诊断日之间的平均天数差按照以下方式进行计算。
日程13700B中的平均天数差:{(17-2)+(17-3)+(17-4)+......+(17-7)+(17-10)}/7=11.7日
即,与在学习日的期间内无非运转日的情况下的平均天数差(10日)相比,在学习日的期间内存在非运转日的情况下的平均天数差长大约两天。因此,使日程13700A中的诊断日向过去移动两天,将产生了非运转日的情况下的诊断日定为4月15日。由此,学习日中的传感器数据,在经过了与事先决定的最佳诊断延迟日相等的天数之后被诊断。从而本发明能够防止诊断模型的精度的降低。
进而,在本实施方式中的诊断对象设备1010中,需要每天更新诊断模型。另一方面,在每天向数据中心1130进行连接的情况下,诊断对象设备1010的运用费用或者维护费用提高,因此不限于诊断对象设备1010每天与数据中心1130进行连接。
因而,数据中心1130需要在与诊断对象设备1010相连接的连接日基于从诊断对象设备1010发送来的至连接日为止的传感器数据,尽可能地生成连接日以后的诊断日的诊断模型。并且,需要将所生成的数天的诊断模型发送至诊断对象设备1010。
例如,数据中心1130,在与诊断对象设备1010连接时生成诊断日为连接日+1日的情况下采用的诊断模型、诊断日为连接日+2日的情况下采用的诊断模型、......、以及、诊断日为连接日+N日的情况下采用的诊断模型。
诊断对象设备1010将从数据中心1130发送来的诊断模型保存在图6的设备侧诊断模型表格3360中。由此,即使诊断对象设备1010无法每天与数据中心1130进行连接,直到在设备侧诊断模型表格3360中保存的诊断模型4430全部被使用为止,仅通过诊断对象设备1010也能够诊断传感器数据。
本发明将通过数据中心1130生成的诊断模型在诊断对象设备1010中全部被使用的日子作为与数据中心1130之间的下次连接日。并且,诊断对象设备1010通过在下次连接日接收新的诊断模型,从而始终保证诊断对象设备1010的诊断模型不会不足。
例如,在图10的日程13700A以及日程13700B中,在数据中心1130与诊断对象设备1010于4月10日进行了连接的情况下,可用于学习的传感器数据是在4月10日之前在诊断对象设备1010中被收集的传感器数据。
在日程13700A中,诊断对象设备1010通过从数据中心1130发送来的诊断模型最后能够诊断传感器数据的日子为七天诊断延迟日之后的4月17日。即,下次连接日为4月18日。
另一方面,在日程13700B中,诊断对象设备1010通过从数据中心1130发送来的诊断模型最后能够诊断的日子,为考虑了学习日与诊断日之间的平均天数差后的4月15日。即,下次连接日为4月16日。
另外,在下次连接日之前,在因事故等导致诊断对象设备1010无法与数据中心1130连接,诊断模型不足的情况下,对诊断模型缺乏标志数据3370保存″有效″。并且,在对诊断模型缺乏标志数据3370保存″有效″的情况下,通过旧的诊断模型来诊断传感器数据。
在对诊断模型缺乏标志数据3370保存了″有效″的情况下,由于在通过诊断对象设备1010诊断出诊断对象设备1010为异常的情况下所采用的诊断模型较旧,因此有可能存在误诊断。因而,通过后述的处理由数据中心1130再次进行诊断。
图11是表示通过本发明的实施方式的数据中心1130保持的设备传感器构成表格3710的说明图。
设备传感器构成表格3710包含:设备ID4610、表格名4630、以及传感器名4650。设备ID4610是唯一表示诊断对象设备1010的标识符。
表格名4630是唯一表示保存从设备ID4610所示的诊断对象设备1010发送来的传感器数据的表格的标识符。传感器名4650保存唯一表示诊断对象设备1010所具备的传感器3100的名称。
采用设备传感器构成表格3710基于设备ID4610能够提取保存了传感器数据的中心侧传感器表格组3730。
图12是表示通过本发明的实施方式的数据中心1130保持的中心侧传感器表格组3730的说明图。
中心侧传感器表格组3730是保存从诊断对象设备1010发送来的传感器数据的表格的集合。中心侧传感器表格组3730包含:表格名4920、获取时刻4925、以及、传感器数据4930(4930-1~4930-N)。
表格名4920是唯一表示中心侧传感器表格组3730所包含的表格的标识符。表格名4920与图11所示的设备传感器构成表格3710的表格名4630对应。
获取时刻4925表示从传感器3100分别收集了传感器数据4930的时刻。即,表示传感器数据4930被生成的时刻。与图5所示的设备侧传感器表格3330的获取时刻4100对应。
传感器数据4930(4930-1~4930-N)表示从传感器3100收集的传感器数据的值。传感器数据4930与图5所示的设备侧传感器表格3330的传感器数据4110对应。
数据中心1130,在提取诊断对象设备1010的传感器数据的情况下,提取设备传感器构成表格3710的与设备ID4610对应的表格名4630,并提取与被提取的表格名4630对应的表格名4920的传感器数据4930。此时,基于传感器数据4930的获取时刻4925提取传感器数据。
图13是表示通过本发明的实施方式的数据中心1130保持的设备诊断构成表格3720的说明图。
设备诊断构成表格3720包含:设备ID5410、以及诊断模型片表格名5440。设备ID5410是唯一表示诊断对象设备1010的标识符,与图11所示的设备传感器构成表格3710的设备ID4610对应。诊断模型片表格名5440是唯一表示保存诊断模型片的表格的标识符。
数据中心1130能够基于设备诊断构成表格3720和设备ID5410来提取中心侧诊断模型片表格组3740中包含的表格的标识符。
图14是表示通过本发明的实施方式的数据中心1130保持的中心侧诊断模型片表格组3740的说明图。
中心侧诊断模型片表格组3740是保存诊断模型片的表格的集合。所谓诊断模型片,如前述,是通过学习从诊断对象设备1010发送的传感器数据而生成的每天的诊断模型。
中心侧诊断模型片表格组3740中所含的各表格包含:诊断模型片表格名5620、源数据获取日5610、以及诊断模型片5640。诊断模型片表格名5620是唯一表示保存诊断模型片的表格的标识符。诊断模型片表格名5620与图13所示的设备诊断构成表格3720的诊断模型片表格名5440对应。
源数据获取日5610表示从传感器3100收集在生成诊断模型片时采用的传感器数据的日子、即生成了传感器数据的日子。源数据获取日5610与中心侧传感器表格组3730的获取时刻4925对应。
诊断模型片5640是唯一表示诊断模型片的标识符。
图15是表示本发明的实施方式的诊断模型片5640的说明图。
图15表示根据一天的传感器数据进行学习的结果即诊断模型片5640的数据结构。
诊断模型片5640包含:诊断模型片ID5641、正常范围中心5643、以及、正常范围半径5646。诊断模型片ID5641对应于在中心侧诊断模型片表格组3740的诊断模型片5640中被保存的值。
正常范围中心5643是诊断模型片5640的正常范围的中心坐标。另外,正常范围半径5646是诊断模型片5640的正常范围的半径。
数据中心1130通过参照源数据获取日5610从而提取数日的诊断模型片5640。然后,数据中心1130通过对被提取的数日的诊断模型片5640进行合并,从而生成包含数日的正常范围在内的诊断模型。
图16是表示通过本发明的实施方式的数据中心1130保持的设备运转日构成表格3750的说明图。
设备运转日构成表格3750包含:设备ID11150、以及运转日表格名11170。设备ID11150是唯一表示诊断对象设备1010的标识符,与设备ID5410、以及设备ID4610对应。
运转日表格名11170是唯一表示保存表示诊断对象设备1010的运转日的信息的表格的标识符。数据中心1130通过参照设备ID11150从而能够提取保存了表示诊断对象设备1010的运转日的信息的表格的标识符。
图17是表示通过本发明的实施方式的数据中心1130保持的运转日表格组3760的说明图。
运转日表格组3760按每天示出诊断对象设备1010是运转了还是因休息等未运转。
运转日表格组3760中所含的各表格包含:运转日表格名11500、日期11700、以及状态11600。运转日表格名11500是唯一表示保存表示诊断对象设备1010的运转日的信息的表格的标识符。运转日表格名11500与设备运转日构成表格3750的运转日表格名11170对应。日期11700中以每天为单位保存日期。
状态11600表示在日期11700诊断对象设备1010是否运转。本实施方式中,在诊断对象设备1010运转的情况下,状态11600示出″运转日″,在诊断对象设备1010未运转的情况下,状态11600示出″非运转日″。
在运转日表格组3760的状态11600中,也可以通过维护员等根据诊断对象设备1010的运转计划事先保存值。
运转日表格组3760按每个诊断对象设备1010划分表格。数据中心1130通过参照日期11700从而能够提取各诊断对象设备1010的状态11600。
图18是表示本发明的实施方式的整体处理的流程图。
首先,诊断对象设备1010开始运转(S6010)。具体而言,在诊断对象设备1010为卡车或者铲车等可移动式设备1020的情况下,意味着操作员打开发动机开关。另外,在诊断对象设备1010为发电机等固定式设备1040的情况下,意味着操作者打开电源的开关。
在S6010之后,诊断对象设备1010判断当前日是否从上次的诊断模型的更新日起经过1日以上。具体而言,参照图3所示的上次更新日数据3375,判断诊断对象设备1010中的当前日与被参照的上次更新日数据3375相比是否经过1日以上(S6015)。另外,诊断对象设备1010具备在诊断对象设备1010正在运转的过程中获取当前日的功能。
在从上次更新日数据3375经过1日以上的情况下,由于当前日是更新诊断模型的日子,因此诊断对象设备1010过渡至S6020。在未从上次更新日数据3375经过1日的情况下,由于不需要更新诊断模型,因此诊断对象设备1010过渡至S6025。
诊断对象设备1010通过S6015按每一天更新诊断对象设备1010中的诊断模型。
在S6020中,诊断对象设备1010通过后述的子程序SUB0对诊断模型进行更新。
图19是表示本发明的实施方式的子程序SUB0的处理的流程图。
S6015之后,诊断模型更新程序3460通过参照设备侧诊断模型表格3360,从而提取诊断日4420为当前日的日期的诊断模型4430(S7100)。
在S7100之后,诊断模型更新程序3460根据S7100的结果,判断是是否能够提取诊断日4420为当前日的日期的诊断模型4430(S7200)。
在能够提取诊断日4420为当前日的日期的诊断模型4430的情况下,诊断模型更新程序3460过渡至S7300。另外,在无法提取诊断日4420为当前日的日期的诊断模型4430的情况下,诊断模型更新程序3460过渡至S7400。
在S7300中,诊断模型更新程序3460将在S7100中提取的诊断模型4430载入非易失性存储器3300的诊断模型3470中。通过载入诊断模型4430,从而诊断对象设备1010能够采用最新的诊断模型3470诊断传感器数据。
在S7400中,诊断模型更新程序3460对诊断模型缺乏标志数据3370保存表示诊断模型缺乏的″有效″的值。通过对诊断模型缺乏标志数据3370保存″有效″的值,从而诊断对象设备1010能够在后述的处理中使数据中心1130生成诊断模型,或者使之诊断传感器数据。
在S7300或者S7400之后,诊断模型更新程序3460根据当前日的日期对上次更新日数据3375进行更新(S7500)。通过根据当前日的日期对上次更新日数据3375进行更新,从而诊断对象设备1010在S6015中能够判断是否应该对诊断模型进行更新。
在S7500之后,诊断模型更新程序3460结束图19所示的处理。
在S6015或S6020之后,诊断对象设备1010通过参照下次连接日数据3350,从而能够判断当前日是否为与数据中心1130之间的下次连接日(S6025)。
在当前日为与数据中心1130之间的下次连接日的情况下,或者当前日超过与数据中心1130之间的下次连接日的情况下,由于与数据中心1130相连接,因此诊断对象设备1010过渡至S6030。在当前日为比与数据中心1130之间的下次连接日更靠前的日子的情况下,由于不需要与数据中心1130连接,因此诊断对象设备1010过渡至S6035。
在S6030中,诊断对象设备1010通过后述的子程序SUB1与数据中心1130连接。另外,在S6030中,诊断对象设备1010向数据中心1130发送传感器数据,并从数据中心1130接收诊断模型。
图20是表示本发明的实施方式的子程序SUB1的处理的流程图。
图20所示的S8020、S8080以及S8090的处理由传感器数据发送程序3440执行。
诊断对象设备1010与数据中心1130相连接,并开始数据的收发(S8010)。
具体而言,在S8010中,在诊断对象设备1010为卡车或者铲车等设备1020的情况下,操作员等使设备1020移动至图1所示的通信地点1100。然后,设备1020与数据中心1130通过通信装置1120开始收发数据。
另外,在S8010中,在诊断对象设备1010为发电机等固定型的设备1020的情况下,操作员等难以使设备1020移动至通信地点1100。因此,图1所示的维护员1030等将设备1020的传感器数据等复制在存储器中,将复制了传感器数据等的存储器运送至通信地点1100的场所,然后在通信地点1100开始与数据中心1130之间的数据的收发。
传感器数据发送程序3440通过通信装置1120向数据中心1130发送传感器数据等。所发送的传感器数据等中至少包含:与数据中心1130相连接的诊断对象设备1010的标识符;传感器数据;生成了传感器数据的时刻(即,获取时刻4100);诊断模型缺乏标志数据3370;和上次连接日数据3380(S8020)。
传感器数据发送程序3440在S8020中通过参照上次连接日数据3380从而提取上次与数据中心1130相连接的日子。然后,通过参照获取时刻4100,从而从保存在设备侧传感器表格3330的传感器数据4110中提取从与数据中心1130上次连接的日子起至当前日为止的诊断对象设备1010的传感器数据4110。
具体而言,传感器数据发送程序3440在S8020中将从上次连接日数据3380中提取出的与数据中心1130上次连接的日子读入非易失性存储器3300内。然后,从设备侧传感器表格3330中提取从上次与该数据中心1130连接的日子起至当前日为止的获取时刻4100与传感器数据4110,将被提取出的获取时刻4100与传感器数据4110载入RAM3400中。进而,将被载入的获取时刻和传感器数据发送至数据中心1130。
另外,传感器数据发送程序3440在S8020中将对诊断模型缺乏标志数据3370保存的表示″有效″或者″无效″的值发送至数据中心1130。并且,诊断对象设备1010事先持有唯一表示自身的标识符。因此,传感器数据发送程序3440将诊断对象设备1010自身所持有的标识符(ID)发送至数据中心1130。
在S8020中,数据中心1130根据所接收的传感器数据等对中心侧传感器表格组3730进行更新。在从新的诊断对象设备1010发送了传感器数据等的情况下,数据中心1130还对设备传感器构成表格3710进行更新。
另外,图17所示的运转日表格组3760在S8020中也可以根据所接收的传感器数据、和传感器数据的获取时刻而被更新。
即,由于不存在传感器数据的获取时刻的日子是非运转日,因此也可以提取与不存在传感器数据的获取时刻的日子对应的日期11700,对被提取的日期11700的状态11600保存“非运转日”。另外,由于存在传感器数据的获取时刻的日子是运转日,因此也可以提取与存在传感器数据的获取时刻的日子对应的日期11700,对提取的日期11700的状态11600保存“运转日”。
S8020之后,数据中心1130计算诊断对象设备1010的下次连接日(S8030)。
在S8030中,数据中心1130通过后述的子程序SUB11计算诊断对象设备1010的下次的连接日。
图21是表示本发明的实施方式的子程序SUB11的处理的流程图。
数据中心1130中所保持的下次连接日计算程序3630,通过前述的计算式(1)计算在用于学习传感器数据的学习日的期间不存在非运转日的情况下的学习日与诊断日之间的平均天数差(S8110)。另外,数据中心1130保持事先规定的学习日。
另外,数据中心1130具备获取当前日的功能,数据中心1130中的当前日与诊断对象设备1010中的当前日同步。
具体而言,下次连接日计算程序3630,在从当前日(即,数据中心1130和诊断对象设备1010相连接的最新日)向过去追溯学习日的天数的期间内无非运转日的情况下,计算根据从诊断对象设备1010发送来的传感器数据能够诊断的最后的诊断日。然后,下次连接日计算程序3630根据前述的计算式(1)和所计算出的最后的诊断日来计算平均天数差。
另外,在诊断对象设备1010能够向数据中心1130发送的传感器数据是至诊断对象设备1010与数据中心1130之间的最新的连接日的前一天为止的传感器数据的情况下,数据中心1130根据从通过数据中心1130接收的传感器数据中最新的传感器数据的获取时刻向过去追溯学习日的天数的期间内的传感器节点,来计算最后的的诊断日。
在S8110之后,下次连接日计算程序3630,根据前述的计算式(1)计算考虑了非运转日的平均天数差(S8120)。在此,下次连接日计算程序3630,基于图16所示的设备运转日构成表格3750和运转日表格组3760来提取非运转日。首先,根据在S8020中接收的诊断对象设备1010的标识符来提取设备ID11150和运转日表格名11170,并从运转日表格组3760中提取与被提取出的运转日表格名11170对应的运转日表格名11500。然后,通过参照被提取出的运转日表格名11500来提取学习日中的非运转日。
在S8120之后,下次连接日计算程序3630将变量D保持在RAM3600中。然后,下次连接日计算程序3630将从在S8110中计算出的平均天数差中减去在S8120中计算出的平均天数差后所得的天数保存于变量D(S8130)。
下次连接日计算程序3630通过以下的计算式计算数据中心1130和诊断对象设备1010之间的下次连接日。
下次连接日=当前日+诊断延迟日-变量D···(2)
另外,在诊断对象设备1010能够向数据中心1130发送的传感器数据为至诊断对象设备1010与数据中心1130之间的最新连接日的前一天为止的传感器数据的情况下,数据中心1130通过将前述的计算式(2)的当前日变更为最新的传感器数据的获取时刻,从而计算下次连接日。
下次连接日计算程序3630将通过前述的计算式(2)计算出的下次连接日设为子程序SUB11的返回值(S8140)。然后,下次连接日计算程序3630结束子程序SUB11。
在S8030之后,数据中心1130通过子程序SUB10生成至下次连接日为止的多日的诊断模型(S8040)。
图22是表示本发明的实施方式的子程序SUB10的处理的流程图。
数据中心1130,首先为了基于在S8020中接收到的传感器数据来生成诊断模型片,而执行子程序SUB100(S9010)。
图23是表示本发明的实施方式的子程序SUB100的处理的流程图。
诊断模型片检索更新程序3640将变量X保持在RAM3600中。然后,将在S8020中所接收的上次连接日数据3380所表示的值保存在X中(S9100)。
在S9100之后,诊断模型片检索更新程序3640从在S8020中接收到的传感器数据中提取传感器数据的获取时刻为X的传感器数据。然后,通过采用诊断模型建立程序3620学习被提取出的传感器数据,从而生成作为一天的诊断模型的诊断模型片(S9130)。
在S9130之后,诊断模型片检索更新程序3640将在S9130中生成的诊断模型片保存在中心侧诊断模型片表格组3740中。对中心侧诊断模型片表格组3740的源数据获取日5610保存变量X的值(S9140)。
在S9140之后,诊断模型片检索更新程序3640通过将变量X的值加1从而将变量X所表示的日期推进一天(S9145)。
进而,诊断模型片检索更新程序3640判断变量X是否表示当前日之前的日期(S9150)。诊断模型片检索更新程序3640,在变量X表示当前日之前的日期的情况下,返回S9130。否则,结束子程序SUB100。另外,在结束时,数据中心1130将RAM3600中保持的变量X释放。
在S9010之后,数据中心1130将新的变量X保持在RAM3600中,并将上次连接日数据所表示的日期保存于变量X(S9015)。
在S9015之后,数据中心1130将变量Z保存在RAM3600中。然后,数据中心1130计算“‘上次连接日’-‘学习天数’-‘学习日中存在的非运转天数’”的日期,并将所计算出的日期保存于变量Z(S9020)。通过S9020数据中心1130能够计算学习日的第一天。
数据中心1130在S9020中基于设备运转日构成表格3750和运转日表格组3760提取‘学习日中存在的非运转天数’。即,从设备运转日构成表格3750中提取设备ID11150和运转日表格名11170,并根据被提取出的运转日表格名11170从运转日表格组3760中提取学习日中的非运转日。
在S9020之后,数据中心1130通过以变量X和变量Z为参数来执行子程序SUB105,从而对运转日的诊断模型片进行合并(S9030)。另外,在子程序SUB105中,变量X表示诊断日,变量Z表示学习日的第一天。
图24为表示本发明的实施方式的子程序SUB105的处理的说明图。
诊断模型片合并程序为了数出学习天数,将计数变量cnt保持在RAM3600上,并对计数变量cnt保存初期值0(S9510)。
在S9510之后,诊断模型片合并程序将用于对合并后的诊断模型片、即诊断模型进行保存的存储器保持在RAM3600上(S9530)。
图25是表示在本发明的实施方式的诊断模型的RAM3600中保持的表格14000的说明图。
表格14000保存各诊断模型片的数据结构。表格14000包含:诊断日14100、正常范围中心14200以及正常范围半径14300。诊断日14100中保存各诊断模型片被采用的诊断日。
正常范围中心14200以及正常范围半径14300与诊断模型4430中的正常范围中心4433以及正常范围半径4436对应。
S9530中,RAM3600所保持的表格14000中未保存值。
在S9530之后,诊断模型片合并程序将作为参数被提供的变量Z和计数变量cnt相加,通过参照运转日表格组3760从而判断相加后所得的值是否表示运转日(S9540)。
在变量Z和计数变量cnt相加所得的值表示运转日的情况下,由于能够提取诊断模型片,因而诊断模型片合并程序过渡至S9550。另外,在变量Z与计数变量cnt之间相加所得的值为非运转日的情况下,由于无法提取诊断模型片,因此诊断模型片合并程序过渡至S9580。
在S9540之后,诊断模型片合并程序从中心侧诊断模型片表格组3740中提取变量Z和计数变量cnt相加所得的值所表示的日子为源数据获取日5610的诊断模型片5640,并将被提取出的诊断模型片5640载入RAM3600中(S9550)。
在S9550之后,诊断模型片合并程序在表格14000中追加被载入RAM3600中的诊断模型片5640。并将作为参数被提供的变量X所表示的日期保存于诊断日14100。然后,将被提取出的诊断模型片5640的正常范围中心5643追加于正常范围中心14200,将正常范围半径5646追加于正常范围半径14300(S9560)。
S9560中,如果变量X的值相同,则诊断模型片合并程序在相同的诊断日14100的行中追加正常范围中心以及正常范围半径。即,通过追加在相同的诊断日14100的行中从而对诊断模型片进行合并。
在S9560之后,诊断模型片合并程序将计数变量cnt增加1(S9570)。通过将计数变量cnt增加1从而能够将用于生成诊断模型的学习日中的诊断模型片全部提取出。即,在针对所有的学习日提取出诊断模型片5640之后,能够使子程序SUB105结束。
在S9530或者S9570之后,诊断模型片合并程序判断计数变量cnt是否为事先规定的学习天数以下(S9580)。在计数变量cnt为事先规定的学习天数以下的情况下,为了进一步提取诊断模型片5640而返回至S8540。
在计数变量cnt比事先规定的学习天数大的情况下,诊断模型片合并程序由于不需要进一步提取诊断模型片5640,因此结束子程序SUB105的处理。
在S9030之后,数据中心1130将变量X加1,使变量X所表示的日期向未来移动1日(S9040)。从而,能够生成从上次数据中心1130与诊断对象设备1010被连接至下次连接日为止的诊断模型。
在S9040之后,数据中心1130判断变量X所表示的日期是否表示在S8030中计算出的下次连接日的过去的日期(S9050)。在变量X表示下次连接日的过去的日期的情况下,由于未生成完所有的诊断模型,因而返回至S9030。另外,在变量X表示与下次连接日同一天或者未来的日期的情况下,结束子程序SUB10。
在S8040之后,数据中心1130将在S8040中生成的表格14110的诊断模型、和在S8030中计算出的下次连接日发送至诊断对象设备1010(S8070)。另外,对诊断模型附加诊断模型被采用的诊断日。
在S8070之后,诊断对象设备1010从数据中心1130接收诊断模型和下次连接日(S8080)。
在S8080之后,诊断对象设备1010将在S8080中接收的诊断模型和下次连接日追加至设备侧诊断模型表格3360中(S8090)。具体而言,诊断对象设备1010将表格14000的诊断日14100保存在设备侧诊断模型表格3360的诊断日4420中,将表格14000的正常范围中心14200保存在诊断模型4430的正常范围中心4433中,将表格14000的正常范围半径14300保存在诊断模型4430的正常范围半径4436中。
另外,诊断对象设备1010根据所接收的下次连接日对下次连接日数据3350进行更新。
在S8090之后,诊断对象设备1010结束子程序SUB1的处理。即,诊断对象设备1010结束S6030的处理。
在S6025、S6030、或者后述的S6140之后,操作员等在运转场所1000操作诊断对象设备1010(S6035)。在S6035中维护员1030等使诊断对象设备1010执行诊断对象设备1010所保持的通常的功能。例如,在诊断对象设备1010为装载机的情况下,使诊断对象设备1010搬运砂土。在S6035中,诊断对象设备1010的传感器3100对诊断对象设备1010的各部位的状况进行测量,根据所测量的结果生成传感器数据。
在S6035之后,诊断对象设备1010通过传感器控制器3120收集作为在S6035中通过传感器3100测量的结果的传感器数据。然后,将所收集的传感器数据与非易失性存储器3300的获取时刻4100一起保存于传感器数据4110(S6040)。
另外,关于收集传感器数据的时间的间隔,根据诊断的方式、诊断对象设备1010的种类、或者存储器的大小等,预先决定最佳的规定的间隔。即,S6035以及S6040可以按规定的间隔重复。另外,S6035和S6040也可以同时执行。
在S6040之后,诊断对象设备1010基于在S6040中收集的传感器数据4110,诊断诊断对象设备1010是否为异常,或者诊断对象设备1010是否存在故障预兆(S6050)。
具体而言,诊断对象设备1010在S6040中提取设备侧诊断模型表格3360的诊断日4420表示当前日的诊断模型4430。进而在被提取出的诊断模型4430的正常范围中心4433以及正常范围半径4436所表示的正常范围的圆内,包含在S6040中所收集的传感器数据4110的值的情况下,将诊断对象设备1010诊断为正常。另外,在正常范围的圆内不含有在S6040中收集的传感器数据4110的值的情况下,诊断为诊断对象设备1010异常,或者诊断对象设备1010存在故障预兆。
在S6050之后,诊断对象设备1010判断在S6050中是否诊断出存在异常或者故障预兆(S6060)。在诊断出了异常或者故障预兆的情况下,为了将已产生异常的情况通知给维护员1030,因而诊断对象设备1010过渡至S6070。另外,在未诊断出异常或者故障预兆的情况下,为了继续由传感器3100进行测量,因此诊断对象设备1010返回至S6035。
在S6060之后,诊断对象设备1010将已产生异常等的情况通过设备侧提示装置3180通知给诊断对象设备1010的操作员或者维护员1030等。然后,诊断对象设备1010停止诊断对象设备1010所保持的通常的功能的运转(S6070)。
在S6070之后,诊断对象设备1010与数据中心1130相连接,将传感器数据4110和诊断模型缺乏标志数据3370发送至数据中心1130。另外,维护员1030通过存储器向数据中心1130发送诊断对象设备1010的传感器数据4110、诊断模型缺乏标志数据3370、以及表示在设备1010中诊断出异常的通知。诊断对象设备1010将从上次连接日至当前日为止的传感器数据4110发送至数据中心1130(S6080)。另外,在S6080中,数据中心1130将被发送的传感器数据4110保存在中心侧传感器表格组3730中。
在S6080之后,数据中心1130参照在S6080中被发送的诊断模型缺乏标志数据3370判断诊断模型缺乏标志数据3370所表示的值是否为″有效″(S6100)。在诊断模型缺乏标志数据3370所表示的值不是″有效″的情况下,由于诊断对象设备1010已经通过不存在不足的诊断模型进行过诊断,因此基于诊断对象设备1010的诊断是正确的。因而数据中心1130过渡至S6160。
在诊断模型缺乏标志数据3370所表示的值是″有效″的情况下,由于通过诊断对象设备1010保持的诊断模型不足,因此有可能基于对象设备1010的诊断是不正确的。因而,数据中心1130为了再次对诊断对象设备1010进行诊断而过渡至S6120。
在S6100之后,数据中心1130为了对从诊断对象设备1010发送来的传感器数据再次进行诊断,而通过前述的子程序SUB10生成诊断模型。然后,通过所生成的诊断模型、和在S6080中发送来的传感器数据,诊断诊断对象设备1010是否为异常、或者诊断对象设备1010是否存在故障预兆(S6120)。
在S6120中,数据中心1130与前述的S6050中的诊断对象设备1010同样地,采用中心侧传感器表格组3730以及表格14000再次诊断是否存在异常等。进而,数据中心1130将诊断结果发送至诊断对象设备1010。
另外,在S6120中,数据中心1130也可以仅生成将当前日作为诊断日(即变量X)的诊断模型。另外,也可以将所生成的诊断模型发送至诊断对象设备1010,使诊断对象设备1010进行诊断。进而,也可以将诊断结果发送至数据中心1130。
在S6120之后,数据中心1130判断是否在S6120中再次诊断出了诊断对象设备1010存在异常或者故障预兆(S6140)。在再次诊断出了诊断对象设备1010存在异常或者故障预兆的情况下,由于基于诊断对象设备1010的诊断是正确的,因此过渡至S6160。
在未诊断出诊断对象设备1010存在异常或者故障预兆的情况下,由于诊断对象设备1010中保持的诊断模型是旧的,因此数据中心1130判断为对诊断对象设备1010进行了误诊断。然后,数据中心1130将诊断为误诊的情况通知给诊断对象设备1010,诊断对象设备1010返回至S6035。
在S6100或者S6140之后,从数据中心1130向属于维护公司1140的维护员发送表示诊断对象设备1010存在异常或者故障预兆的通知(S6160)。维护公司1140所具备的维护公司服务器3920从数据中心1130接收通知,并通过维护公司侧提示装置3940使维护员确认通知。
根据本实施方式,在偏僻地方运转的诊断对象设备1010在一定期间之后与数据中心1130相连接,进行传感器数据以及诊断模型的收发。因此,即使诊断对象设备1010未始终与数据中心1130相连接,诊断对象设备1010也能够诊断自身的异常或者故障预兆。
另外,由于不需要每天与传感器数据相连接,因此能够降低用于对诊断对象设备1010进行维护的费用。
另外,在通过诊断对象设备1010探测出异常等之后,通过数据中心1130再次生成最新的诊断模型,并进行诊断,从而能够实现精度更高的异常等的诊断。
进而,本实施方式的数据中心1130在诊断模型的生成方面,采用传感器数据中诊断对象设备1010的运转日的传感器数据,使诊断对象设备1010的非运转日不含在学习日内。因此,能够生成精度更高的诊断模型。
以上,参照附图对本发明进行了详细说明,但本发明并不限定于这样的具体构成,还包含在附加的权利要求书的主旨范围内的各种变更以及同等构成。
产业上的可利用性
本发明在对需要维护的设备、或者作为维护对象的设备的异常或者故障预兆进行诊断的系统中能够应用。
Claims (8)
1.一种传感器系统,具备:具备多个传感器的设备;和通过网络与所述设备相连接的计算机,所述传感器系统的特征在于,
所述设备,
通过所述传感器测量所述设备所具备的多个部位的状况,
对通过所述测量而生成的传感器数据进行收集,
在通过所述网络与所述计算机相连接的状态下,将所收集的所述传感器数据发送至所述计算机,
所述计算机,
基于被发送的所述传感器数据,生成表示所述设备为规定的状态的指标,
将所生成的所述指标发送至所述设备,
所述设备根据被发送的所述指标和所收集的所述传感器数据,诊断所述设备是否处于规定的状态,
所述设备,
收集至少一天的所述传感器数据,
将所收集的所述至少一天的传感器数据发送至所述计算机,
所述计算机,
按在所述设备中生成所述传感器数据的每个日期对被发送的所述至少一天的传感器数据进行保持,
基于所保持的所述各传感器数据,按保持了所述传感器数据的每个日期生成表示所述设备为规定的状态的第1指标,
决定诊断所述设备是否处于规定的状态的诊断日,
基于所决定的所述诊断日和规定的第1天数,求出与所述诊断日对应的第1期间,
生成包含所求出的所述第1期间内的所述第1指标在内的第2指标,
将所生成的所述第2指标和所决定的所述诊断日发送至所述设备,
所述设备根据被发送的所述第2指标和所收集的所述传感器数据,在被发送的所述诊断日诊断所述设备是否处于规定的状态。
2.根据权利要求1所述的传感器系统,其特征在于,
所述设备在与所述计算机之间的连接日将所收集的所述至少一天的传感器数据发送至所述计算机,
所述计算机,
通过将所述连接日与规定的第2天数相加,从而计算第1诊断日,
基于所计算出的所述第1诊断日,计算所述设备将各传感器数据发送至所述计算机的下次连接日。
3.根据权利要求2所述的传感器系统,其特征在于,
所述计算机,
提取连续至所述连接日为止的所述规定的第1天数的日期,
进行从所计算出的所述第1诊断日中减去所提取出的所述各日期的减法运算,
通过将所述减法运算所得的各结果的总计除以所述规定的第1天数,从而计算第1平均天数差,
在所述连接日之前,在从所述设备发送来的传感器数据在所述设备中被生成的日期中,按照日期从新到旧的顺序,提取所述规定的第1天数的日期,
进行从所计算出的所述第1诊断日中减去所提取出的所述规定的第1天数的各日期的减法运算,
通过将所述减法运算所得的各结果的总计除以所述规定的第1天数,从而计算第2平均天数差,
通过将从所述第2平均天数差中减去所述第1平均天数差所得的结果从所述第1诊断日中减去,从而计算第2诊断日。
4.根据权利要求3所述的传感器系统,其特征在于,
通过所述设备进行诊断的结果,在诊断为所述设备处于规定的状态的情况下,所述设备将所述传感器数据发送至计算机,
所述计算机,
根据所生成的所述指标和被发送的所述传感器数据,诊断所述设备是否处于规定的状态,
通过所述计算机进行诊断的结果,在诊断为所述设备处于规定的状态的情况下,生成用于通知所述设备处于规定的状态的数据。
5.一种计算机,其通过网络与具备多个传感器的设备相连接,所述计算机的特征在于,
从所述设备接收在所述设备中生成的传感器数据,
基于所接收的所述传感器数据,生成表示所述设备处于规定的状态的指标,
为了诊断所述设备是否为规定的状态而向所述设备发送所生成的所述指标,
从所述设备接收至少一天的传感器数据,
将所接收的所述至少一天的传感器数据按所述传感器数据在所述设备中被生成的每个日期进行保持,
基于所保持的所述各传感器数据,按保持了所述传感器数据的每个日期,生成表示所述设备为规定的状态的第1指标,
决定诊断所述设备是否处于规定的状态的诊断日,
基于所决定的所述诊断日和规定的第1天数,求出与所述诊断日对应的第1期间,
生成包含所求出的所述第1期间的所述第1指标在内的第2指标,
将所生成的所述第2指标和所决定的所述诊断日发送至所述设备。
6.根据权利要求5所述的计算机,其特征在于,
在与所述设备之间的连接日,从所述设备接收所述至少一天的传感器数据,
通过将所述连接日与规定的第2天数相加,从而计算第1诊断日,
基于所计算出的所述第1诊断日,计算所述设备将各传感器数据下次发送给所述计算机的下次连接日。
7.根据权利要求6所述的计算机,其特征在于,
提取连续至所述连接日为止的所述规定的第1天数的日期,
进行从所计算出的所述第1诊断日中减去所提取出的所述各日期的减法运算,
通过将所述减法运算所得的各结果的总计除以所述规定的第1天数,从而计算第1平均天数差,
在所述连接日之前,在从所述设备发送来的传感器数据在所述设备中被生成的日期中,按照日期从新到旧的顺序,提取所述规定的第1天数的日期,
进行从所计算出的所述第1诊断日中减去所提取出的所述规定的第1天数的各日期的减法运算,
通过将所述减法运算所得的各结果的总计除以所述规定的第1天数,从而计算第2平均天数差,
通过将从所述第2平均天数差中减去所述第1平均天数差所得的结果从所述第1诊断日中减去,从而计算第2诊断日。
8.根据权利要求7所述的计算机,其特征在于,
通过所述设备进行诊断的结果,在诊断为所述设备处于规定的状态的情况下,
从所述设备接收所述传感器数据,
根据所生成的所述指标和被发送的所述传感器数据,诊断所述设备是否处于规定的状态,
通过所述计算机进行诊断的结果,在诊断为所述设备处于规定的状态的情况下,生成用于通知所述设备处于规定的状态的数据。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2010/067164 WO2012042649A1 (ja) | 2010-09-30 | 2010-09-30 | センサシステム、計算機、及び、機器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103080956A CN103080956A (zh) | 2013-05-01 |
CN103080956B true CN103080956B (zh) | 2016-06-29 |
Family
ID=45892153
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201080068624.7A Expired - Fee Related CN103080956B (zh) | 2010-09-30 | 2010-09-30 | 传感器系统、计算机、以及设备 |
Country Status (4)
Country | Link |
---|---|
US (1) | US9310345B2 (zh) |
JP (1) | JP5605863B2 (zh) |
CN (1) | CN103080956B (zh) |
WO (1) | WO2012042649A1 (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103703474B (zh) * | 2011-07-14 | 2018-01-19 | 瑞典爱立信有限公司 | 处理装置生成的数据 |
JP5931190B2 (ja) * | 2012-05-16 | 2016-06-08 | 株式会社日立産機システム | 通信装置およびデータ収集方法 |
JP5957299B2 (ja) * | 2012-06-01 | 2016-07-27 | アズビル株式会社 | 情報処理装置、情報処理方法、および情報処理プログラム |
CN105027157A (zh) * | 2013-03-08 | 2015-11-04 | 日立建机株式会社 | 作业机械的管理服务器以及作业机械的管理方法 |
US10395447B2 (en) * | 2013-09-30 | 2019-08-27 | Kubota Corporation | Data collection device, working machine having data collection device, and system using data collection device |
AU2014262221C1 (en) | 2013-11-25 | 2021-06-10 | Esco Group Llc | Wear part monitoring |
KR101491622B1 (ko) * | 2014-02-17 | 2015-02-11 | 연세대학교 산학협력단 | 자율 주행형 차량의 주행 제어 장치 및 방법 |
PE20171437A1 (es) | 2015-02-13 | 2017-09-29 | Esco Corp | Monitoreo de productos de acondicionamiento del terreno para equipo de trabajo de movimiento de tierra |
US9747564B1 (en) * | 2016-02-12 | 2017-08-29 | The Boeing Company | Aircraft maintenance and inspection with data analytics enhancement |
JP2018077757A (ja) * | 2016-11-11 | 2018-05-17 | 横河電機株式会社 | 情報処理装置、情報処理方法、情報処理プログラム及び記録媒体 |
JP6682011B2 (ja) * | 2016-11-30 | 2020-04-15 | 株式会社オプティム | コンピュータシステム、教師データ取引方法及びプログラム |
JP2018147443A (ja) * | 2017-03-09 | 2018-09-20 | 安川情報システム株式会社 | 故障予知方法、故障予知装置および故障予知プログラム |
US11523299B2 (en) * | 2018-08-07 | 2022-12-06 | Sony Corporation | Sensor data processing apparatus, sensor data processing method, sensor device, and information processing apparatus |
JP7491746B2 (ja) * | 2020-06-10 | 2024-05-28 | 株式会社日立製作所 | 分散システム |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101120373A (zh) * | 2005-02-14 | 2008-02-06 | 株式会社小松制作所 | 作业机械的不良状况信息集中管理系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1213394A4 (en) * | 2000-03-31 | 2009-09-02 | Hitachi Construction Machinery | METHOD FOR DETERMINING A FAULT MEASUREMENT, OUTPUT SYSTEM AND OUTPUT DEVICE |
US7079982B2 (en) * | 2001-05-08 | 2006-07-18 | Hitachi Construction Machinery Co., Ltd. | Working machine, trouble diagnosis system of working machine, and maintenance system of working machine |
JP2008009935A (ja) | 2006-06-30 | 2008-01-17 | Kagawa Univ | データ処理装置,データ処理方法,作業機械の遠隔診断システム及び作業機械の遠隔診断方法 |
JP2009003561A (ja) | 2007-06-19 | 2009-01-08 | Fuji Xerox Co Ltd | 故障予測診断装置及びこれを用いた故障予測診断システム |
-
2010
- 2010-09-30 JP JP2012536094A patent/JP5605863B2/ja not_active Expired - Fee Related
- 2010-09-30 US US13/817,924 patent/US9310345B2/en not_active Expired - Fee Related
- 2010-09-30 WO PCT/JP2010/067164 patent/WO2012042649A1/ja active Application Filing
- 2010-09-30 CN CN201080068624.7A patent/CN103080956B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101120373A (zh) * | 2005-02-14 | 2008-02-06 | 株式会社小松制作所 | 作业机械的不良状况信息集中管理系统 |
Also Published As
Publication number | Publication date |
---|---|
JPWO2012042649A1 (ja) | 2014-02-03 |
US9310345B2 (en) | 2016-04-12 |
CN103080956A (zh) | 2013-05-01 |
WO2012042649A1 (ja) | 2012-04-05 |
JP5605863B2 (ja) | 2014-10-15 |
US20130151170A1 (en) | 2013-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103080956B (zh) | 传感器系统、计算机、以及设备 | |
CN102216534B (zh) | 工程机械的诊断信息提供装置 | |
JP6302645B2 (ja) | 作業機械の稼働データ収集装置 | |
US6832175B2 (en) | Method for managing construction machine, and arithmetic processing apparatus | |
CN103180793B (zh) | 异常诊断装置以及工业机械 | |
JP5010472B2 (ja) | 保守点検支援装置 | |
JP4570656B2 (ja) | 作業機械の不具合情報集中管理システム | |
US6907384B2 (en) | Method and system for managing construction machine, and arithmetic processing apparatus | |
JP5988740B2 (ja) | 稼働機械の保守管理装置 | |
CN102741676A (zh) | 作业机械的监视诊断装置 | |
JP6602537B2 (ja) | 遠隔診断システム | |
CA2856218C (en) | Operation data collection device for construction machines | |
TR201807615T4 (tr) | Cihaz durum bilgisinin toplanmasına yönelik yöntem ve yöntem için kullanılan cihaz durum bilgisi toplama kiti. | |
JP2013199804A (ja) | 作業機械の異常診断装置 | |
JP6572062B2 (ja) | 診断装置 | |
CN101248401B (zh) | 设备控制系统的控制程序生成·显示装置 | |
CN101238491A (zh) | 机器管理方法、该机器管理方法所采用的分析系统、以及分析用数据结构、其机器管理方法所采用的维修检查支援装置 | |
CN103760845B (zh) | 监控方法、系统及旋挖钻机 | |
CN107614804B (zh) | 挖掘机支援装置 | |
JP6285467B2 (ja) | 保守運用支援システム、保守運用支援方法、保守運用支援プログラム | |
AU2011379005A1 (en) | Maintenance of work machines | |
JP5328589B2 (ja) | 作業機の故障診断用データベースの作成方法及び作業機の故障診断用データベースの作成システム | |
JP2011018381A (ja) | 機器状態情報収集方法、及び、それに用いる機器状態情報収集キット | |
JP2011076313A (ja) | 作業機の故障診断用データベースの自動更新システム | |
Mitchell | A computerised sensor based diagnostic maintenance system for continuous mining machine hydraulics |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160629 Termination date: 20190930 |