CN107403224B - 劣化推定方法以及劣化推定装置 - Google Patents
劣化推定方法以及劣化推定装置 Download PDFInfo
- Publication number
- CN107403224B CN107403224B CN201710181335.1A CN201710181335A CN107403224B CN 107403224 B CN107403224 B CN 107403224B CN 201710181335 A CN201710181335 A CN 201710181335A CN 107403224 B CN107403224 B CN 107403224B
- Authority
- CN
- China
- Prior art keywords
- deterioration
- determination criterion
- determination
- equipment
- deteriorated
- 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.)
- Active
Links
Images
Classifications
-
- 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
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种劣化推定方法以及劣化推定装置,劣化推定方法包括:取得设备(101)的保养维修的作业记录(112)的作业记录取得步骤(S131);根据作业记录(112)来分析设备(101)的劣化状态的分析步骤(S132);根据所分析的劣化状态,将用于推定设备(101)是否已劣化的预先设定的第1判定基准调整为第2判定基准的判定基准调整步骤(S133~S137);取得表示设备(101)的状态的设备数据(111)的设备数据取得步骤(S121);以及使用所取得的设备数据(111)和第2判定基准来推定设备(101)是否已劣化的第1劣化推定步骤(S123)。
Description
技术领域
本公开涉及劣化推定方法以及劣化推定装置。
背景技术
已知如下技术:在大型空调机等需要保养维修的设备的管理中,使用该设备的内部传感器所取得的运转数据等来推定设备的劣化状态。例如,在专利文献1中,事先制作劣化的判定基准,使用该判定基准来推定劣化状态。另外,在专利文献2中,通过比较当前的运转信息与过去的运转信息来推定劣化状态。
现有技术文献
专利文献
专利文献1:日本专利第3340814号公报
专利文献2:日本专利第5621888号公报
发明内容
然而,在这样的系统中,希望能够进行精度更高的劣化状态的推定。
本公开提供一种能够实现高精度的劣化状态的推定的劣化推定方法或劣化推定装置。
本公开的一技术方案所涉及的劣化推定方法包括:取得设备的保养维修的作业记录的作业记录取得步骤;根据所述作业记录来分析所述设备的劣化状态的分析步骤;根据所分析出的所述劣化状态,将用于推定所述设备是否已劣化的预先设定的第1判定基准调整为第2判定基准的判定基准调整步骤;取得表示所述设备的状态的第1设备数据的设备数据取得步骤;以及使用所取得的所述第1设备数据和所述第2判定基准来推定所述设备是否已劣化的第1劣化推定步骤。
此外,这些整体的或具体的技术方案既可以通过系统、方法、集成电路、计算机程序或计算机可读取的CD-ROM等记录介质来实现,也可以通过系统、方法、集成电路、计算机程序以及记录介质的任意的组合来实现。
本公开能够提供一种能够实现精度高的劣化状态的推定的劣化推定方法或劣化推定装置。
附图说明
图1是示出实施方式所涉及的劣化推定系统的构成的图。
图2是实施方式所涉及的劣化推定装置的框图。
图3A是示出实施方式所涉及的警报通知时的工作的概要的图。
图3B是示出实施方式所涉及的定期点检时的工作的概要的图。
图4是示出实施方式所涉及的警报通知时的工作例的图。
图5是实施方式所涉及的劣化推定处理的流程图。
图6是示出实施方式所涉及的设备数据的一例的图。
图7是示出实施方式所涉及的劣化指标的一例的图。
图8是用于说明实施方式所涉及的劣化推定处理的图。
图9是实施方式所涉及的警报通知时的判定基准调整处理的流程图。
图10是示出实施方式所涉及的非定型记录的一例的图。
图11是示出实施方式所涉及的有无作业判定条件的一例的图。
图12是示出实施方式所涉及的在升高判定基准的情况下的工作例的图。
图13是示出实施方式所涉及的劣化程度判定条件的一例的图。
图14是示出实施方式所涉及的在降低判定基准的情况下的工作例的图。
图15是示出实施方式所涉及的定期点检时的工作例的图。
图16是实施方式所涉及的定期点检时的判定基准调整处理的流程图。
图17是示出实施方式所涉及的判定基准的另一例的图。
图18是示出实施方式所涉及的判定基准的另一例的图。
图19是示出实施方式所涉及的判定基准的另一例的图。
图20是示出实施方式所涉及的在使用2个判定基准的情况下的工作例的图。
图21是示出实施方式所涉及的警报通知时的工作例的变形例的图。
图22是示出实施方式所涉及的判定基准变更的提议通知时的画面例的图。
图23是示出实施方式所涉及的在判定基准调整处理的变形例中使用的关键字的一例的图。
图24是实施方式所涉及的判定基准调整处理的变形例的流程图。
附图标记说明
100:劣化推定系统;
101:设备;
102:劣化推定装置;
103:保养维修服务;
111、141:设备数据;
112:作业记录;
113:警报;
121:设备数据取得部;
122:设备数据储存部;
123:指标算出部;
124:作业记录取得部;
125:作业记录储存部;
126:分析部;
127:判定基准调整部;
128:判定基准储存部;
129:劣化推定部;
130:通知部;
131:有无作业分析部;
132:劣化程度分析部;
142:劣化指标;
143:定型记录;
144:非定型记录;
145:有无作业判定条件;
146:劣化程度判定条件;
147:判定基准;
151:时刻信息;
152:检测数据。
具体实施方式
(作为本公开的基础的见解)
在大型空调机等设备的管理中,希望防止故障、性能劣化等状态差、不良的情况于未然,实现质量高的长寿命运转。例如,吸收式制冷机的劣化的程度是逐渐加剧的。由此,存在如下情况:在早春等轻负荷运转时故障没有表面化,而在夏季等负荷增大,由于制冷能力不足才显现出故障。因此,希望在发展成故障前确定有无劣化,通过适当的处理措施来避免故障。
在本实施方式中,对通过使用作业员等所进行的保养维修记录来调整用于劣化状态的推定的判定基准从而能够实现高精度的劣化推定的系统以及装置进行说明。
此外,已劣化(存在劣化)是指劣化的程度超过基准,例如,虽然能够继续运转,但与正常时相比性能下降了的状态。另外,将有无劣化的推定(是否已劣化的推定)处理也称为劣化推定。另外,劣化状态的推定(或分析等)包括对有无劣化以及劣化的程度中的至少一方的推定(或分析等)。
本公开的一技术方案所涉及的劣化推定方法包括:取得设备的保养维修的作业记录的作业记录取得步骤;根据所述作业记录来分析所述设备的劣化状态的分析步骤;根据所分析出的所述劣化状态,将用于推定所述设备是否已劣化的预先设定的第1判定基准调整为第2判定基准的判定基准调整步骤;取得表示所述设备的状态的第1设备数据的设备数据取得步骤;以及使用所取得的所述第1设备数据和所述第2判定基准来推定所述设备是否已劣化的第1劣化推定步骤。
由此,基于作业记录来调整判定基准。由此,即使在预先初始设定的判定基准不适当的情况下,也能够使用适当的判定基准来进行劣化推定,所以能够使劣化推定的精度变高。
例如,所述作业记录可以是自由记述的作业记录。
由此,不限于定型的作业记录,可以使用非定型的作业记录来进行学习。由此,没有事先的作业记录的项目和/或格式的准备,并且,能够获得作业员的自由的输入,所以,能够使用更多的信息来进行学习。因此,能够提高劣化推定的精度。
例如,可以是,在所述分析步骤中,根据所述作业记录来判定所述设备的劣化是否比基准加剧,在所述判定基准调整步骤中,在判定为所述设备的劣化比所述基准加剧的情况下,使所述第2判定基准比所述第1判定基准低。
例如,可以是,在所述第1劣化推定步骤中,在基于所述第1设备数据算出的第1劣化指标比所述第2判定基准大的情况下,推定为所述设备已劣化,在所述判定基准调整步骤中,在判定为所述设备的劣化比所述基准加剧的情况下,将所述第2判定基准调整为在所述第1判定基准与根据表示进行所述保养维修后的所述设备的状态的第2设备数据算出的第2劣化指标之间。
例如,可以是,在所述分析步骤中,根据所述作业记录来判定所述设备有无劣化,在所述判定基准调整步骤中,在判定为所述设备没有劣化的情况下,使所述第2判定基准比所述第1判定基准高。
例如,可以是,在所述第1劣化推定步骤中,在基于所述第1设备数据算出的第1劣化指标比所述第2判定基准大的情况下,推定为所述设备已劣化,在所述判定基准调整步骤中,在推定为没有产生所述作业的情况下,使所述第2判定基准比根据表示到进行所述保养维修为止的预定期间的所述设备的状态的第3设备数据算出的第3劣化指标的最大值高。
例如,可以是,所述劣化推定方法还在所述作业记录取得步骤之前包括:取得表示由所述第1设备数据表示的状态之前的所述设备的状态的第4设备数据的第4设备数据取得步骤;使用所取得的所述第4设备数据和所述第1判定基准来推定所述设备是否已劣化的第2劣化推定步骤;以及在所述第2劣化推定步骤中推定为所述设备已劣化的情况下,通知警报的通知步骤,所述保养维修是根据所述警报的通知进行的所述设备的保养维修。
例如,所述保养维修也可以是定期进行的保养维修。
例如,所述劣化推定方法也可以按包括所述设备的多个设备所属于的每个顾客生成彼此不同的所述判定基准。
由此,能够实现与各顾客的环境等相应的适当的劣化推定。
例如,可以是,在所述判定基准调整步骤中,在判定为将所述第1判定基准调整为所述第2判定基准的情况下,询问用户可否实施该调整,在由所述用户同意了该调整的情况下,将所述第1判定基准调整为所述第2判定基准。
例如,可以是,在所述分析步骤中,判定所述作业记录中是否包含调整所述第1判定基准的意思的记载,在所述判定基准调整步骤中,在所述作业记录中包含调整所述第1判定基准的意思的记载的情况下,将所述第1判定基准调整为所述第2判定基准。
另外,本公开的一技术方案所涉及的劣化推定装置具备:作业记录取得部,其取得设备的保养维修的作业记录;分析部,其根据所述作业记录来分析所述设备的劣化状态;判定基准调整部,其根据所分析出的所述劣化状态,将用于推定所述设备是否已劣化的预先设定的第1判定基准调整为第2判定基准;设备数据取得部,其取得表示所述设备的状态的第1设备数据;以及劣化推定部,其使用所取得的所述第1设备数据和所述第2判定基准来推定所述设备是否已劣化。
由此,基于作业记录来调整判定基准。由此,即使在预先初始设定的判定基准不适当的情况下,也能够使用适当的判定基准来进行劣化推定,所以能够使劣化推定的精度变高。
此外,这些总括性的或具体的技术方案既可以通过系统、方法、集成电路、计算机程序或计算机可读取的CD-ROM等记录介质来实现,也可以通过系统、方法、集成电路、计算机程序以及记录介质的任意的组合来实现。
以下,参照附图对实施方式进行具体的说明。
此外,以下所说明的实施方式均是表示本公开的一具体例。在以下的实施方式中示出的数值、形状、材料、构成要素、构成要素的配置位置以及连接形态、步骤、步骤的顺序等均是一例,其主旨并非限定本公开。另外,以下的实施方式的构成要素中的、没有在表示最上位概念的独立权利要求中记载的构成要素,作为任意的构成要素进行说明。
(实施方式)
本实施方式所涉及的劣化推定装置使用作业员等所进行的保养维修记录来调整用于劣化状态的推定的判定基准。由此,该劣化推定装置能够实现高精度的劣化推定。
首先,对本实施方式所涉及的劣化推定系统100的构成进行说明。图1是示出本实施方式所涉及的劣化推定系统100的构成的图。
如图1所示,劣化推定系统100例如包括:作为大型空调机的设备101;推定设备101的状态的劣化推定装置102;以及进行设备101的保养维修的保养维修服务103。此外,设备101不限定于大型空调机,可以是任意的设备。例如,设备101也可以是需要保养维修的楼内的设施设备、工厂的制造设备、或产业设备。
另外,保养维修服务103不仅是客户支持部门的服务,有时也是开发设备的设计部门或者接待利用者的营业部门的服务。
例如,如顾客A的例子所示,按每个顾客来设置保养维修服务103,通过各保养维修服务103来进行对属于该顾客的1个以上的设备101的保养维修。
或者是,如顾客B的例子所示,保养维修服务103也可以包含于外部的专门的保养维修服务公司中。在该情况下,也可以不按每个顾客来具有进行保养维修服务103的部门。
此外,虽然此处示出顾客的数量是2、且各个顾客有2个设备101的例子,但顾客以及设备101的数量可以是任意的。
劣化推定装置102例如是经由网络而与设备101以及保养维修服务103连接的服务器。本服务器是云服务器形态、或户内(on-premises)型的服务器等,对于该系统结构(system architecture)没有限定。
该劣化推定装置102从设备101取得设备数据111。设备数据111表示设备的状态,例如包括设备101的设定值、以及由设置于设备101的传感器检测到的设备的特性的测定值等。
另外,劣化推定装置102从保养维修服务103取得作业记录112。作业记录112是为了设备101的保养维修而进行的作业记录,例如是保养维修服务103的作业员所进行的、修理、一般维护以及清扫等为了保养维修设备101而进行的作业以及目视的记录。
劣化推定装置102在设备数据111满足判定基准的情况下,向保养维修服务103通知警报113。另外,劣化推定装置102使用作业记录112来调整判定基准。
以下,对劣化推定装置102的构成的详细内容进行说明。图2是劣化推定装置102的框图。如图2所示,劣化推定装置102具备:设备数据取得部121、设备数据储存部122、指标算出部123、作业记录取得部124、作业记录储存部125、分析部126、判定基准调整部127、判定基准储存部128、劣化推定部129以及通知部130。
设备数据取得部121从设备101依次取得设备数据111,将所取得的设备数据111作为设备数据141储存于设备数据储存部122。
指标算出部123根据由设备数据取得部121取得的设备数据111来算出定量地表示设备101的劣化程度的劣化指标142,将所算出的劣化指标142向劣化推定部129输出并且储存于设备数据储存部122。
作业记录取得部124从保养维修服务103依次取得作业记录112,将所取得的作业记录112储存于作业记录储存部125。此处作业记录112中包括定型记录以及非定型记录,分别作为定型记录143以及非定型记录144来储存。此处,定型记录是指预先设定有项目的信息。另外,非定型记录是指自由记述的作业日志等格式不统一的非定型的信息。
分析部126使用作业记录112所包括的定型记录143以及非定型记录144来分析设备101的劣化状态(或作业内容)。该分析部126具备有无作业分析部131和劣化程度分析部132。
有无作业分析部131使用所保持有的有无作业判定条件145并且根据非定型记录144来判定设备101有无劣化(或是否在保养维修中产生了作业)。劣化程度分析部132使用所保持有的劣化程度判定条件146并且根据非定型记录144来判定设备101的劣化的程度(或保养维修中的作业的程度)。
判定基准调整部127根据由分析部126分析的设备101的劣化状态来调整储存于判定基准储存部128的判定基准147。也即是,判定基准调整部127根据所分析出的劣化状态来将用于推定设备101是否已劣化的预先设定的第1判定基准调整为第2判定基准。
例如,按每个顾客来设置该判定基准147。此外,也可以按每个设备101来设置判定基准147,还可以对多个设备101或多个顾客使用共用的判定基准147。也即是,可以按每个设备101、或按多个设备101所属于的每个顾客生成彼此不同的判定基准147。另外,也可以按劣化的每个种类来设置判定基准147。
劣化推定部129使用判定基准147、根据设备数据111来推定设备101的劣化状态。具体而言,劣化推定部129推定设备101是否已劣化。
通知部130在推定为设备101已劣化的情况下,向保养维修服务103通知警报113。
另外,在本实施方式中,为了区分各处理,主要将通过劣化推定部129实现的基于判定基准147的劣化状态的判别处理记为“推定”,将通过分析部126实现的基于作业记录的劣化状态的判别处理记为“分析”。另外,将劣化推定部129以及分析部126的对有无劣化或劣化的程度的具体的判别处理记为“判定”。
以下,对通过劣化推定装置102实现的工作进行说明。此外,以下,为了简化说明,说明针对一个设备101的工作。首先,对进行判定基准147的调整处理的工作的概要进行说明。作为进行调整处理的工作,设想图3A以及图3B所示的2个工作例。
图3A是示出在相伴于警报113的通知而产生了保养维修的情况下的处理的概要的图。首先,通过劣化推定装置102,基于从设备101发送的设备数据111检测到劣化。由此,向保养维修服务103通知警报113,作业员进行设备101的保养维修(点检以及修理)。将其结果作为作业记录112向劣化推定装置102发送,劣化推定装置102进行基于该作业记录112的判定基准147的调整。
图3B是示出定期点检时的处理的概要的图。首先,作业员进行设备101的定期点检。此处定期点检(保养)是指作业员定期地保养维修设备101(确认设备101的状态)的作业,根据需要会产生修理或维护。将其结果作为作业记录112向劣化推定装置102发送,劣化推定装置102基于该作业记录112进行判定基准147的调整。
以下,对在相伴于警报113的通知而产生了保养维修的情况下的处理详细地进行说明。图4是示出该情况下的工作序列的图。首先,设备101向劣化推定装置102依次通知设备数据111(S101)。劣化推定装置102取得设备数据111,使用所取得的设备数据111来推定设备101有无劣化。在该情况下,劣化推定装置102推定为没有劣化(没有满足判定基准)(S102)。对于之后在步骤S103中所通知的设备数据111,劣化推定装置102推定为存在劣化(满足判定基准)(S104)。
在推定为存在劣化的情况下,劣化推定装置102向保养维修服务103通知警报113(S105)。由此,在保养维修服务103产生警报113(S106),进行通过作业员实现的设备101的保养维修(S107)。并且,制作表示保养维修内容的作业记录112,将作业记录112登记于劣化推定装置102(S108)。
劣化推定装置102使用新的作业记录112来变更判定基准147(S109),对于之后所通知的设备数据111(第1设备数据),使用变更后的判定基准147(第2判定基准)来进行劣化推定处理(S110、S111)。
接下来,对该情况下的劣化推定装置102的处理进行说明。首先,对通过劣化推定装置102实现的劣化推定处理进行说明。图5是通过劣化推定装置102实现的劣化推定处理的流程图。另外,图5所示的处理例如在每取得设备数据111时反复进行。
首先,设备数据取得部121从设备101取得设备数据111(S121)。图6是示出设备数据141的一例的图。如图6所示,设备数据141包括时刻信息151和检测数据152。时刻信息151表示检测到检测数据152的时刻。检测数据152是设备101的设定值或由设备101所具备的传感器检测到的测定值。也即是,设备数据141表示设备101的特性的测定值或设备101的设定值随时间的变化。此外,图6所示的检测数据152的项目是一例。检测数据152的项目不限定于此,可以包括任意的项目。在设备具有高性能的情况下,有时也将对设定值或测定值实施了预定的运算而得的结果设为设定值或测定值。另外,检测数据152的测定值不限定于时刻信息151中记载的检测日期时间的瞬时值。例如,也可以是,为了抑制传感器的误操作或计测的不稳定的影响,使用以检测日期时间为基准而在前后的一定期间测定的数据的平均值或加权平均值。
接下来,指标算出部123根据设备数据111算出劣化指标(S122)。图7是示出劣化指标的一例的图。此外,图7所示的吸收式制冷机是在商业设施等使用的大型的空调机,GHP(Gas Heat Pump:燃气热泵)是利用燃气发动机来工作的空调机,EHP(Electric HeatPump:电热泵)是利用电动机来工作的空调机,制冷设施是业务用等的冷藏设施,包括陈列商品的陈列柜(SC)和制冷机。例如,如图7所示,作为针对吸收式制冷机的冷却水变脏的劣化指标,可以使用冷凝器的热交换量。另外,作为针对吸收式制冷机的真空度下降的劣化指标,可以使用吸收器的热交换量。另外,作为针对GHP的发动机的劣化的劣化指标,可以使用发动机停止的频度。作为针对EHP的过滤器变脏的劣化指标,可以使用EHP的耗电的增加量。
另外,作为针对SC的热交换器的劣化的劣化指标,可以使用蒸发器的热交换量,作为针对制冷机的热交换器的劣化的劣化指标,可以使用在冷凝器的热交换量。
以下,作为一例,对用于判定冷却水变脏的劣化指标的计算方法进行说明。例如,利用下述的式子(式1)来算出用于判定冷却水变脏的劣化指标。
劣化指标=ΔT/Q···(式1)
此处Q表示制冷能力,利用下述的式子(式2)来表示。
Q=α×(冷水出口温度-冷水入口温度)×冷水流量···(式2)
另外,ΔT是冷凝器的对数平均温度差,利用下述的式子(式3)来表示。
此处,ΔT1是冷凝器入口处的温度差,ΔT2是冷凝器出口处的温度差,V是冷却水水量,V0是冷却水流量的标准值,γ是系数(例如1)。
接下来,劣化推定部129判定劣化指标是否为判定基准以上(S123)。在劣化指标小于判定基准的情况下(S123:否),劣化推定装置102推定为设备101没有劣化,结束处理。然后,劣化推定装置102对下一个设备数据111执行步骤S121以后的处理。
另一方面,在劣化指标为判定基准147以上的情况下(S123:是),劣化推定装置102推定为设备101已劣化,通知部130向保养维修服务103通知警报113(S124)。
图8是示出该劣化推定处理的一例的图。如图8所示,随着时间的流逝劣化指标增加,在劣化指标超过了判定基准的情况下,通知表示设备101已劣化的警报113。
接下来,对通过劣化推定装置102实现的判定基准的调整处理的详细内容进行说明。图9是通过劣化推定装置102实现的判定基准的调整处理的流程图。另外,图9所示的处理在每取得表示与警报113的通知相伴的设备101的保养维修内容的作业记录112时进行。
首先,作业记录取得部124从保养维修服务103取得作业记录112,将所取得的作业记录112作为定型记录143以及非定型记录144储存于作业记录储存部125(S131)。非定型记录144例如是如图10所示那样以任意格式记载的文字数据。此外,非定型记录144也可以是声音或图像数据。在该情况下,利用声音识别或图像识别使声音或图像数据变换成文字数据。
例如,非定型记录144是以日志那样的形态通过任意格式对环境(天气、温度)、拜访理由、利用者的评价、作业员的确认内容和所见、作业员的实施内容、实施后的状况和所见、以及交待事项等进行记载的记录。此外,非定型记录144也包括一部分项目被定型化那样的形态。
另外,定型记录143示出日期时间、顾客信息、负责人信息、机种信息、设置场所、运转时间、设定值、测定数据、更换部件信息、作业等的核对表(check list)以及定型的处理措施项目等。此外,也可以在非定型记录144中示出这些项目的至少一部分。
接下来,分析部126使用定型记录143以及非定型记录144来分析设备101的劣化状态(S132)。此外,作业记录112也可以仅包括非定型记录。以下,对根据非定型记录144分析劣化状态的处理进行说明。
具体而言,在劣化状态的分析(S132)中,有无作业分析部131使用有无作业判定条件145来判定是否在保养维修中产生了作业(设备101有无劣化)。此处,作业是修理、维护或清扫等,指的是用于改善设备101的劣化的作业。
图11是示出有无作业判定条件145的一例的图。例如,如图11所示,对作业的产生以及作业的未产生分别预先设定有多个关键字。有无作业分析部131在非定型记录144中包含对应于“产生作业”的关键字的情况下,判定为产生了作业,在非定型记录144中包含对应于“未产生作业”的关键字的情况下,判定为没有产生作业。
此外,虽然在图11中,对“产生作业”以及“未产生作业”分别设定有关键字,但也可以是,仅对一方进行设定,在非定型记录144中不包含符合的关键字的情况下,判定为是另一方的状态。例如,可以是,仅设定针对“产生作业”的关键字,在非定型记录144中不包含该关键字的情况下,判定为“未产生作业”。
在判定为没有产生作业的情况下(S133:否),判定基准调整部127进行使判定基准升高为比当前的判定基准高的调整(S134)。也即是,判定基准调整部127在判定为设备101没有劣化的情况下(S133:否),使调整后的判定基准(第2判定基准)比当前的判定基准(第1判定基准)高。
图12是示出该工作例的图。如图12所示,判定基准调整部127使判定基准比到进行保养维修为止的预定期间中的劣化指标的最大值大。例如,判定基准调整部127使判定基准比从通知警报113起到进行保养维修为止的期间中的劣化指标的最大值大。也即是,判定基准调整部127使调整后的判定基准(第2判定基准)比根据表示到进行保养维修为止的预定期间的设备101的状态的第3设备数据算出的第3劣化指标的最大值高。
另外,在劣化状态的分析(S132)中,劣化程度分析部132使用劣化程度判定条件146来判定设备101的劣化的程度。换言之,劣化程度分析部132判定设备101的劣化是否比预先设定的基准加剧。
图13是示出劣化程度判定条件146的一例的图。例如,如图13所示,对劣化的程度的至少一个预先设定有多个关键字。劣化程度分析部132,在非定型记录144中包含对应于“严重劣化”的关键字的情况下,判定为劣化严重,在非定型记录144中不包含对应于“严重劣化”的关键字的情况下,判定为不是严重劣化(是轻度的劣化)。此外,也可以对多个劣化的程度分别设定关键字。另外,判定对象的劣化的程度也可以是3种以上。
另外,此处,作为根据非定型记录144来判定有无作业以及劣化程度的方法,对使用使项目与单词相关联的简单列表的例子进行了叙述,但也可以使用相关列表、或简单列表与相关列表的组合。例如,分析部126,对从非定型记录144提取的单词进行派生词的类似/相关搜索,基于作为搜索结果的数值结果来制作阈值内的单词的简单列表或相关列表、以及它们的组合。接下来,分析部126可以对利用类似搜索获得的单词列表与事先按状态差的项目以及等级的组合生成的单词列表进行比较,将相同或一致度高(一致度为阈值以上)的单词列表的项目判定为对应的项目(有无作业或劣化的程度)。
另外,作为上述劣化状态的分析处理的具体的方法,也可以使用利用关键字的出现频度和词汇间的关联度的文本挖掘(text mining)处理。例如,分析部126使用Jaccard系数等数值化指标来生成共现网络。分析部126使用所生成的共现网络来提取关联强的词汇组。接下来,分析部126通过判定所提取的词汇组属于哪个项目来判定有无作业或劣化的程度。也即是,分析部126通过进行所提取的词汇组与事先制作的词典的类似度匹配处理来判定项目。
另外,在上述说明中,作为劣化状态的分析,对有无劣化(有无作业)以及劣化的程度这两方进行判定,但也可以仅对任一方进行判定。另外,也可以替代有无劣化,判定劣化的程度是否比第1基准高。也即是,也可以是,劣化推定装置102,在劣化的程度比第1基准低的情况下,升高判定基准,在劣化的程度比高于第1基准的第2基准高的情况下,降低判定基准,在劣化的程度在第1基准与第2基准之间的情况下,不变更判定基准。
另外,如上所述,分析部126对劣化状态(有无劣化、劣化的程度)或作业内容(有无作业、作业的程度)进行分析。此处,因为劣化状态与作业内容彼此对应,所以能够根据劣化状态推定作业内容,能够根据作业内容推定劣化状态。例如,在产生了作业的情况下,能够判定为存在劣化,在劣化严重的情况下,能够判定为作业的程度大。因此,根据作业记录112分析劣化状态不仅指根据作业记录112直接分析劣化状态的情况,也包括根据作业记录112分析作业内容、并且根据该作业内容判定劣化状态这一情况。
再次使用图9继续进行说明。在步骤S135中,在判定为劣化状态严重(设备101的劣化比基准加剧)的情况下(S135:是),判定基准调整部127进行使判定基准降低为比当前的判定基准低的调整(S136)。也即是,判定基准调整部127使调整后的判定基准(第2判定基准)比当前的判定基准(第1判定基准)低。
图14是示出该工作例的图。如图14所示,判定基准调整部127将判定基准设定为当前的判定基准与保养维修后(作业后)的劣化指标之间的值。也即是,判定基准调整部127将调整后的判定基准(第2判定基准)调整为在当前的判定基准(第1判定基准)与根据表示进行保养维修后的设备101的状态的第2设备数据111算出的第2劣化指标之间。
另一方面,在步骤S135中,没有判定为劣化状态严重的情况下,也即是,在将劣化状态判定为劣化为轻度的情况下(S135:否),判定基准调整部127不变更判定基准(S137)。
如上所述,在本实施方式所涉及的劣化推定系统100中,在与警报113的通知相伴的设备101的保养维修中,在没有产生作业、也即是设备101没有劣化到通知警报113的程度的情况下,使判定基准变高,由此使得不通知警报113直到劣化指标变得更大为止。另外,在劣化严重的情况下,也即是,在警报113的通知迟的情况下,使判定基准变低,由此使得在更早的阶段通知警报113。这样,劣化推定系统100能够自动地调整判定基准以使得劣化状态的推定更适当地进行。
进而,劣化推定装置102不限于定型的作业记录,可以使用非定型的作业记录来进行学习。由此,没有事先的作业记录的项目和/或格式的准备,并且,能够获得作业员的自由的输入,所以,能够使用更多的信息来进行学习。因此,能够提高劣化推定的精度。
以下对定期点检时的处理详细地进行说明。此外,以下主要对与警报113的通知时的不同点进行说明。图15是示出该情况下的工作序列的图。
与图4所示的处理同样地,劣化推定装置102在每被从设备101通知设备数据111时,使用该设备数据111来推定设备101有无劣化(S101~S104A)。在该情况下,在哪个判定中都判定为没有劣化(S102、S104A)。
之后,在预定的定时进行定期点检(S107A)。并且,制作表示定期点检的内容的作业记录112,将作业记录112登记于劣化推定装置102(S108)。接下来,劣化推定装置102使用新的作业记录112来变更判定基准147(S109),对于之后所通知的设备数据111(S110),使用变更后的判定基准147来进行劣化推定处理(S111)。
图16是该情况下的通过劣化推定装置102实现的判定基准的调整处理的流程图。另外,图16所示的处理在每取得表示定期点检的内容的作业记录112时进行。在图16所示的处理中,相对于图9所示的处理,步骤S134A的内容不同。
也即是,在步骤S133中判定为没有产生作业的情况下(S133:否),判定基准调整部127不变更判定基准(S134A)。
如上所述,在本实施方式所涉及的劣化推定系统100中,在定期点检中劣化严重的情况下,也即是,在没有通知本来应通知的警报113的情况下,将判定基准设定得低,由此调整为在更早的阶段通知警报113。这样,劣化推定系统100能够自动地调整判定基准,以使得劣化状态的推定更适当地进行。
以下,对本实施方式的变形例进行说明。
在上述说明中,作为劣化推定的方法,对判定1个劣化指标是否满足判定基准的情况进行了说明,但也可以使用2个以上的劣化指标。例如,如图17所示,除上述的ΔT以外,还可以使用基于热负荷的劣化指标。例如,判定以2个劣化指标表示的点包含于以由一次函数表示的判定基准为分界的2个区域中的哪一个。在该情况下,升高判定基准是指变更判定基准以使劣化的区域变小,降低判定基准是指变更判定基准以使劣化的区域变大。此外,在图17中,通过调整,判定基准平行地移动,但也可以是,除移动以外或者替代移动,变更判定基准的倾斜度。
另外,如图18所示,也可以使用非线性的判定基准。例如,使用聚类或机器学习(贝叶斯推理或SVM(Support Vector Machine:支持向量机)),利用非线性的判定基准来区分正常时和劣化时。
另外,如图19所示,也可以使用3个劣化指标。例如,如图19所示,也可以进一步基于冷却水的流量来使用劣化指标。例如,判定以3个劣化指标表示的点包含于以由平面表示的判定基准为分界的2个区域中的哪一个。
另外,如图20所示,也可以使用多个阶段的警报。例如,在劣化指标超过了预报用的判定基准的情况下,通知预报,在劣化指标超过了比预报用的判定基准高的警报用的判定基准的情况下,通知警报。在该情况下,既可以对预报用以及警报用的判定基准分别进行独立的上述调整处理,也可以对预报用以及警报用的判定基准中的一方进行上述调整处理,并且相伴于该一方的调整联动地调整另一方。例如,可以是,劣化推定装置102对警报用的判定基准进行上述调整处理,在升高了警报用的判定基准的情况下同样地也升高预报用的判定基准,在降低了警报用的判定基准的情况下同样地降低预报用的判定基准。
另外,非定型记录144不限于作业日志等,也可以是声音或图像数据。例如,作为声音数据,设想利用声音记录装置或客户来电等获得的声音数据。在该情况下,通过声音识别,声音数据变换成文字数据,与上述同样地使用关键字检索。
另外,作为图像数据,可以是表示设备101的状态(变脏的情况)的照片、拍摄设备101的计量仪器而得的照片、或拍摄纸质的作业日志而得的照片。劣化推定装置102对表示设备101的状态(变脏的情况)的照片进行该照片与预先设定的基准图像的比较,在类似度高的情况下判定为严重变脏(劣化)。
另外,劣化推定装置102对拍摄设备101的计量仪器而得的照片,通过图像识别提取计量仪器的值或文字,并且对所获得的值或文字进行与上述同样的关键字检索。另外,劣化推定装置102对拍摄纸质的作业日志而得的照片,通过图像识别提取文字,并且对所获得的值或文字进行与上述同样的关键字检索。
另外,判定基准的变更不仅由劣化推定系统100自动地进行,劣化推定系统100也可以对用户(作业员)提议变更判定基准,仅在从用户(作业员)获得了同意的情况下变更判定基准。图21是示出该情况下的工作序列的图。此外,在图21所示的处理中,相对于图4所示的处理,步骤S109变更为步骤S109A,追加了步骤S112以及S113。
具体而言,如图21所示,在判定基准的变更(S109A)中,在判定为调整判定基准147的情况下,劣化推定装置102向用户询问可否实施该调整(S112)。例如,保养维修服务103基于来自劣化推定装置102的指示,向用户进行可否实施该调整的询问。另外,在由用户同意了该调整的情况下,保养维修服务103向劣化推定装置102通知该意思(S113),劣化推定装置102调整判定基准147。
此外,图21所示的上述工作的主体是一例,可以通过劣化推定装置102以及保养维修服务103中的某一个来进行。
图22是示出在针对作业员登记于系统的作业记录的内容而从系统侧向用户(作业员)通知了变更判定基准的提议的情况下(S112)的、用户所持有的信息终端的画面例的图。在图22中,针对作业员登记于系统的“因警报响起而迅速前往现场,但确认了劣化指标降低至基准以下、正在正常地工作,所以保持原状态暂且观察情况。”这一内容,在系统侧进行对警报是否没出现问题的判定,做出了进一步提高劣化的判定基准的提议。
另外,为了使用户直观地认识到劣化的推移与判定基准的关系,通过图表等显示目前为止的劣化指标的推移以及当前和变更后的判定基准。
用户通过在对来自系统的提议同意变更的情况下按下“同意”按钮、在不同意的情况下按下“否定”按钮,能够对系统通知可否变更判定基准。另外,用户也可以基于图表所显示的劣化指标的推移来手动变更判定基准。在该情况下,用户对系统不通知可否变更判定基准,而是通知所变更的值。
另外,也可以是,用户通过在作业记录中直接记载变更判定基准的意思,能够变更劣化的判定基准。图23是示出决定判定基准的升降的关键字的例子的图。例如,如图23所示,在作业记录中包含“……升高判定基准”等记载的情况下,判定为升高判定基准147。另外,在作业记录中包含“……降低判定基准”等记载的情况下,判定为降低判定基准147。
图24是该情况下的判定基准的调整处理的流程图。在图24所示的处理中,相对于图9所示的处理,步骤S132A、134A以及134B的内容不同。
首先,作业记录取得部124从保养维修服务103取得作业记录112(S131)。接下来,分析部126通过分析作业记录112(定型记录143或非定型记录144),判定作业记录112中是否包含调整(变更)判定基准的意思的记载(S132A)。具体而言,分析部126判定作业记录112中是否包含升高判定基准的意思的记载、以及是否包含降低判定基准的意思的记载。
判定基准调整部127在作业记录112中包含调整判定基准的意思的记载的情况下,调整判定基准。具体而言,在作业记录112中包含升高判定基准的意思的记载的情况下(S133A:是),判定基准调整部127进行使判定基准升高为比当前的判定基准高的调整(S134)。另外,在作业记录112中包含降低判定基准的意思的记载的情况下(S135A:是),判定基准调整部127进行使判定基准降低为比当前的判定基准低的调整(S136)。另外,在作业记录112中均不包含升高判定基准的意思的记载以及降低判定基准的意思的记载的情况下(S133A:否且S135A:否),判定基准调整部127不变更判定基准(S137)。
这样,劣化推定系统100能够基于作业记录112自动地调整判定基准,以使得劣化状态的推定更适当地进行。
以上,对本公开的实施方式所涉及的劣化推定装置以及劣化推定系统进行了说明,但本公开不限定于该实施方式。
例如,虽然在上述说明中,判定基准的调整处理和使用判定基准的劣化推定处理这两方由劣化推定装置102进行,但也可以分别由单独的装置进行。
另外,虽然在上述说明中,对使用定型记录以及非定型记录这两方来作为作业记录的例子进行了说明,但也可以仅使用任一方。
另外,本公开也可以作为包括由上述劣化推定装置进行的多个步骤的劣化推定方法来实现。例如,该设备推定方法由具备处理部以及记录部的计算机执行。
另外,上述实施方式所涉及的劣化推定装置所包括的各处理部典型地通过各装置、或者进行了网络连接的服务器的软件来实现。但是,其全部和/或一部分有时也通过作为装置内的集成电路的LSI来实现。它们既可以单独地单芯片化,也可以以包含一部分或全部的方式单芯片化。
另外,集成电路化不限于LSI,也可以通过专用电路或通用处理器来实现。也可以利用能够在LSI制造后进行编程的FPGA(Field Programmable Gate Array:现场可编程门阵列)、或者能够对LSI内部的电路单元的连接和/或设定进行重构的可重构处理器(reconfigurable processor)。
也即是,在上述各实施方式中,各构成要素也可以由专用的硬件构成或通过执行适合各构成要素的软件程序来实现。各构成要素也可以通过CPU或处理器等程序执行部读出并执行在硬盘或半导体存储器等记录介质中记录的软件程序来实现。
另外,框图中的功能模块的分割是一例,也可以将多个功能模块作为一个功能模块来实现、或将一个功能模块分割成多个、或将一部分的功能移到其他的功能模块中。另外,也可以是,单一的硬件或软件并行或分时地处理具有类似的功能的多个功能模块的功能。
另外,执行上述流程图所示的多个步骤的顺序是为了具体地说明本公开而用于例示的顺序,也可以是上述以外的顺序。另外,上述步骤的一部分也可以与其他的步骤同时(并行)执行。
另外,本公开也可以作为由上述劣化推定装置或劣化推定系统执行的劣化推定方法来实现。
以上,基于实施方式对一个或多个技术方案所涉及的劣化推定装置进行了说明,但本公开不限定于该实施方式。也可以是,在不脱离本公开的要旨的范围内,对本实施方式实施了本领域技术人员所想到的各种变形而得到的实施方式、组合不同的实施方式中的构成要素而构建的实施方式均包含在一个或多个技术方案的范围内。
产业上的可利用性
本公开可以应用于劣化推定装置以及劣化推定系统。例如,本公开可以应用于管理大型空调机等设备的系统。
Claims (8)
1.一种劣化推定方法,包括:
取得设备的保养维修的作业记录的作业记录取得步骤;
根据所述作业记录来分析所述设备的劣化状态的分析步骤;
根据所分析出的所述劣化状态,将用于推定所述设备是否已劣化的预先设定的第1判定基准调整为第2判定基准的判定基准调整步骤;
取得表示所述设备的状态的第1设备数据的设备数据取得步骤;以及
使用所取得的所述第1设备数据和所述第2判定基准来推定所述设备是否已劣化的第1劣化推定步骤,
在所述分析步骤中,根据所述作业记录来判定所述设备有无劣化,
在所述判定基准调整步骤中,在判定为所述设备没有劣化的情况下,使所述第2判定基准比所述第1判定基准高,
在所述第1劣化推定步骤中,在基于所述第1设备数据算出的第1劣化指标比所述第2判定基准大的情况下,推定为所述设备已劣化,
在所述判定基准调整步骤中,在推定为没有产生所述作业的情况下,使所述第2判定基准比根据第3设备数据算出的第3劣化指标的最大值高,该第3设备数据表示到进行所述保养维修为止的预定期间的所述设备的状态。
2.根据权利要求1所述的劣化推定方法,
所述作业记录是自由记述的作业记录。
3.根据权利要求1所述的劣化推定方法,
所述劣化推定方法还在所述作业记录取得步骤之前包括:
取得表示由所述第1设备数据表示的状态之前的所述设备的状态的第4设备数据的第4设备数据取得步骤;
使用所取得的所述第4设备数据和所述第1判定基准来推定所述设备是否已劣化的第2劣化推定步骤;以及
在所述第2劣化推定步骤中推定为所述设备已劣化的情况下,通知警报的通知步骤,
所述保养维修是根据所述警报的通知进行的所述设备的保养维修。
4.根据权利要求1所述的劣化推定方法,
所述保养维修是定期进行的保养维修。
5.根据权利要求1所述的劣化推定方法,
所述劣化推定方法按包括所述设备的多个设备所属于的每个顾客生成彼此不同的所述判定基准。
6.根据权利要求1所述的劣化推定方法,
在所述判定基准调整步骤中,
在判定为将所述第1判定基准调整为所述第2判定基准的情况下,
询问用户可否实施该调整,
在由所述用户同意了该调整的情况下,将所述第1判定基准调整为所述第2判定基准。
7.根据权利要求1所述的劣化推定方法,
在所述分析步骤中,基于所述作业记录中是否包含预定的关键字,来分析所述设备的劣化状态。
8.一种劣化推定装置,具备:
作业记录取得部,其取得设备的保养维修的作业记录;
分析部,其根据所述作业记录来分析所述设备的劣化状态;
判定基准调整部,其根据所分析出的所述劣化状态,将用于推定所述设备是否已劣化的预先设定的第1判定基准调整为第2判定基准;
设备数据取得部,其取得表示所述设备的状态的第1设备数据;以及
劣化推定部,其使用所取得的所述第1设备数据和所述第2判定基准来推定所述设备是否已劣化,
所述分析部根据所述作业记录来判定所述设备有无劣化,
所述判定基准调整部,在判定为所述设备没有劣化的情况下,使所述第2判定基准比所述第1判定基准高,
所述劣化推定部,在基于所述第1设备数据算出的第1劣化指标比所述第2判定基准大的情况下,推定为所述设备已劣化,
所述判定基准调整部,在推定为没有产生所述作业的情况下,使所述第2判定基准比根据第3设备数据算出的第3劣化指标的最大值高,该第3设备数据表示到进行所述保养维修为止的预定期间的所述设备的状态。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016101991A JP6697766B2 (ja) | 2016-05-20 | 2016-05-20 | 劣化推定方法及び劣化推定装置 |
JP2016-101991 | 2016-05-20 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107403224A CN107403224A (zh) | 2017-11-28 |
CN107403224B true CN107403224B (zh) | 2022-02-08 |
Family
ID=58709710
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710181335.1A Active CN107403224B (zh) | 2016-05-20 | 2017-03-24 | 劣化推定方法以及劣化推定装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10628804B2 (zh) |
EP (1) | EP3246856B1 (zh) |
JP (1) | JP6697766B2 (zh) |
CN (1) | CN107403224B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6976356B2 (ja) * | 2018-01-25 | 2021-12-08 | 三菱電機株式会社 | 状態解析システム及び状態解析装置 |
JP6894414B2 (ja) * | 2018-09-12 | 2021-06-30 | 株式会社日立ビルシステム | 在庫管理支援システム及び方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102129039A (zh) * | 2005-09-16 | 2011-07-20 | 古河电气工业株式会社 | 二次电池劣化判定方法、二次电池劣化判定装置、及电源系统 |
CN102789515A (zh) * | 2011-05-17 | 2012-11-21 | 日立欧姆龙金融系统有限公司 | 零部件寿命管理系统 |
CN104249959A (zh) * | 2013-06-28 | 2014-12-31 | 株式会社日立建筑系统 | 电梯管理装置、电梯管理系统及电梯管理方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3340814B2 (ja) | 1993-09-27 | 2002-11-05 | 大阪瓦斯株式会社 | 吸収式冷温水機の故障診断システム |
JP3604905B2 (ja) * | 1998-05-27 | 2004-12-22 | 三洋電機株式会社 | 故障判定システム |
US7457785B1 (en) * | 2000-08-25 | 2008-11-25 | Battelle Memorial Institute | Method and apparatus to predict the remaining service life of an operating system |
WO2003073185A2 (en) * | 2002-02-28 | 2003-09-04 | Zetacon Corporation | Predictive control system and method |
JP2009143671A (ja) * | 2007-12-13 | 2009-07-02 | Toyota Industries Corp | 自動倉庫における故障予兆有無判断方法 |
JP5621888B2 (ja) | 2013-07-16 | 2014-11-12 | 三菱電機株式会社 | 機器システム |
CA2929314A1 (en) | 2013-11-08 | 2015-05-14 | East Japan Railway Company | Railway maintenance support method and railway maintenance support device |
KR20150118278A (ko) * | 2014-04-11 | 2015-10-22 | 엘지전자 주식회사 | 원격 관리 서버, 이를 포함한 원격 관리 시스템 및 이의 원격 관리 방법 |
-
2016
- 2016-05-20 JP JP2016101991A patent/JP6697766B2/ja active Active
-
2017
- 2017-03-24 CN CN201710181335.1A patent/CN107403224B/zh active Active
- 2017-03-29 US US15/472,410 patent/US10628804B2/en active Active
- 2017-04-06 EP EP17165190.4A patent/EP3246856B1/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102129039A (zh) * | 2005-09-16 | 2011-07-20 | 古河电气工业株式会社 | 二次电池劣化判定方法、二次电池劣化判定装置、及电源系统 |
CN102789515A (zh) * | 2011-05-17 | 2012-11-21 | 日立欧姆龙金融系统有限公司 | 零部件寿命管理系统 |
CN104249959A (zh) * | 2013-06-28 | 2014-12-31 | 株式会社日立建筑系统 | 电梯管理装置、电梯管理系统及电梯管理方法 |
Also Published As
Publication number | Publication date |
---|---|
JP6697766B2 (ja) | 2020-05-27 |
EP3246856B1 (en) | 2020-08-26 |
US20170337525A1 (en) | 2017-11-23 |
EP3246856A1 (en) | 2017-11-22 |
US10628804B2 (en) | 2020-04-21 |
CN107403224A (zh) | 2017-11-28 |
JP2017207265A (ja) | 2017-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10592821B2 (en) | Self-learning fault detection for HVAC systems | |
JP6351862B2 (ja) | 運転状態分類装置 | |
EP2499435B1 (en) | Refrigerant leak detection system and method | |
JP5855036B2 (ja) | 設備点検順位設定装置 | |
CN108278719B (zh) | 检查管理系统和检查管理方法 | |
US20200125970A1 (en) | Defect factor estimation device and defect factor estimation method | |
WO2018104985A1 (ja) | 異常分析方法、プログラムおよびシステム | |
US20060048007A1 (en) | Method and apparatus for detecting out-of-range conditions in power generation equipment operations | |
CN107403224B (zh) | 劣化推定方法以及劣化推定装置 | |
CN108268689A (zh) | 加热元件的状态诊断与评估方法及其应用 | |
JP2017010232A (ja) | プラント診断装置及びプラント診断方法 | |
CN112101665A (zh) | 故障检测预警方法、装置、存储介质及电子设备 | |
CN108829878A (zh) | 一种工业实验数据异常点检测方法及装置 | |
WO2021057602A1 (zh) | 空调异常的检测方法和装置 | |
JP2010025475A (ja) | 冷凍サイクル機器に用いられる故障診断装置 | |
CN110779157A (zh) | 异常检测系统以及异常检测方法 | |
JP6803540B2 (ja) | 機器状態推定方法及び機器状態推定装置 | |
CN113468157A (zh) | 一种基于能耗分析的相似建筑挑选方法和装置 | |
JP6844686B2 (ja) | 管理装置、管理方法及びプログラム | |
US20160275407A1 (en) | Diagnostic device, estimation method, non-transitory computer readable medium, and diagnostic system | |
JP6625839B2 (ja) | 負荷実績データ判別装置、負荷予測装置、負荷実績データ判別方法及び負荷予測方法 | |
JP2007026134A (ja) | 異常判定装置 | |
JP2018106247A (ja) | データ分析装置、および、データ分析方法 | |
CN113007864A (zh) | 空调室外机的检测方法和装置 | |
US20150347213A1 (en) | Apparatus and method for system monitoring |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |