CN112703515A - 维护管理装置、维护管理方法及程序 - Google Patents

维护管理装置、维护管理方法及程序 Download PDF

Info

Publication number
CN112703515A
CN112703515A CN201980052264.2A CN201980052264A CN112703515A CN 112703515 A CN112703515 A CN 112703515A CN 201980052264 A CN201980052264 A CN 201980052264A CN 112703515 A CN112703515 A CN 112703515A
Authority
CN
China
Prior art keywords
maintenance
failure risk
equipment
time
future
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.)
Pending
Application number
CN201980052264.2A
Other languages
English (en)
Inventor
下井辰一郎
国永学
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nippon Steel Texeng Co Ltd
Original Assignee
Nippon Steel Texeng Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nippon Steel Texeng Co Ltd filed Critical Nippon Steel Texeng Co Ltd
Publication of CN112703515A publication Critical patent/CN112703515A/zh
Pending legal-status Critical Current

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
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management

Abstract

维护管理装置具备：状态信息取得部(131)，按照设备组(200)中的各设备(201)，取得表示该各设备(201)的状态的多个状态信息；当前故障风险计算部(132)，按照各设备(201)，使用多个状态信息计算当前的设备故障风险；未来故障风险估算部(133)，按照各设备(201)，使用当前的设备故障风险估算未来的设备故障风险；维护收益计算部(136)，按照各设备(201)，根据基于未来的设备故障风险的设备停止预测时间的减少量和基于未来的设备故障风险的维护预测时间，计算维护收益；以及最优维护时机设定部(137)，基于各设备(201)的维护收益，设定设备组(200)的最优维护时机。

Description

维护管理装置、维护管理方法及程序
技术领域
本发明涉及进行具有多个设备而构成的设备组的维护的管理的维护管理装置及维护管理方法、以及用来使计算机作为该维护管理装置发挥功能的程序。
背景技术
以往，提出了设定作为对象的设备的最优维护时机(定时)的技术(例如，专利文献1及专利文献2)。具体而言，在专利文献1中，提出了如下技术：按照每个机器(设备)，基于用来管理包括工作实际记录、故障实际记录及更新实际记录在内的运行实际记录的设备保全信息，设定最优维护时机。此外，在专利文献2中，提出了基于作为对象的设备的振动数据来设定该设备的最优维护时机的技术。
现有技术文献
专利文献
专利文献1：日本特开2005－182465号公报
专利文献2：日本特开2009－180722号公报
发明内容
发明要解决的课题
但是，专利文献1所记载的技术是基于用来管理包括工作实际记录、故障实际记录及更新实际记录在内的运行实际记录的设备保全信息来设定最优维护时机，由于不是使用例如表示实时的机器(设备)的状态的状态信息来进行最优维护时机的设定，所以没有考虑到随着时间而变化的设备的劣化状态等，结果，以实际使设备作业时的最优维护时机的观点来看是不充分的技术。
此外，专利文献2所记载的技术基于作为对象的设备的振动数据来设定该设备的最优维护时机，即，使用表示设备的状态的1个状态信息来设定最优维护时机，所以没有考虑作为该1个状态信息的振动数据以外的设备的状态，结果，以实际使设备作业时的最优维护时机的观点来看是不充分的技术。
进而，专利文献1及专利文献2所记载的技术原本是关于设定作为对象的设备的最优维护时机的技术，完全没有考虑具有多个设备而构成的设备组的最优维护时机。
本发明是鉴于这样的问题而做出的，目的是提供一种能够高精度地设定具有多个设备而构成的设备组的最优维护时机(定时)的机制。
用来解决课题的手段
本发明的维护管理装置，是进行具有多个设备而构成的设备组的维护的管理的维护管理装置，具有：状态信息取得机构，按照上述多个设备中的各设备，取得表示该各设备的状态的多个状态信息；当前故障风险计算机构，按照上述各设备，使用该各设备的上述多个状态信息，计算当前的设备故障风险；未来故障风险估算机构，按照上述各设备，使用该各设备的上述当前的设备故障风险，估算未来的设备故障风险；维护收益计算机构，按照上述各设备，根据该各设备的基于上述未来的设备故障风险的设备停止预测时间的减少量和该各设备的基于上述未来的设备故障风险的维护预测时间，计算维护收益；以及最优维护时机设定机构，基于上述各设备的上述维护收益，设定上述设备组的有关上述维护的最优维护时机。
此外，本发明包括上述维护管理装置的维护管理方法及用来使计算机作为上述维护管理装置的各机构发挥功能的程序。
发明效果
根据本发明，能够高精度地设定具有多个设备而构成的设备组的最优维护时机。
附图说明
图1是表示包括有关本发明的实施方式的维护管理装置的维护管理系统的概略结构的一例的图。
图2是表示有关本发明的实施方式的维护管理装置的维护管理方法的处理顺序的一例的流程图。
图3A是表示本发明的实施方式的状态信息诊断表的一例的图。
图3B是表示本发明的实施方式的状态信息诊断表的一例的图。
图3C是表示本发明的实施方式的状态信息诊断表的一例的图。
图3D是表示本发明的实施方式的状态信息诊断表的一例的图。
图3E是表示本发明的实施方式的状态信息诊断表的一例的图。
图4A是表示本发明的实施方式的当前故障风险评价表的一例的图。
图4B是表示本发明的实施方式的当前故障风险评价表的一例的图。
图4C是表示本发明的实施方式的当前故障风险评价表的一例的图。
图4D是表示本发明的实施方式的当前故障风险评价表的一例的图。
图4E是表示本发明的实施方式的当前故障风险评价表的一例的图。
图5是表示本发明的实施方式的设备故障风险估算表的一例的图。
图6A是表示本发明的实施方式的设备停止时间表的一例的图。
图6B是表示本发明的实施方式的风险降低系数表的一例的图。
图6C是表示本发明的实施方式的风险降低系数表的一例的图。
图7A是表示本发明的实施方式的维护基础时间表的一例的图。
图7B是表示本发明的实施方式的维护时间系数表的一例的图。
图7C是表示本发明的实施方式的维护时间系数表的一例的图。
图8A表示本发明的实施方式的实施例1，是表示图1所示的状态信息诊断表的一例的图。
图8B表示本发明的实施方式的实施例1，是表示图1所示的状态信息诊断表的一例的图。
图8C表示本发明的实施方式的实施例1，是表示图1所示的状态信息诊断表的一例的图。
图9A表示本发明的实施方式的实施例1，是表示图1所示的当前故障风险评价表的一例的图。
图9B表示本发明的实施方式的实施例1，是表示图1所示的当前故障风险评价表的一例的图。
图9C表示本发明的实施方式的实施例1，是表示图1所示的当前故障风险评价表的一例的图。
图9D表示本发明的实施方式的实施例1，是表示由图1所示的当前故障风险计算部计算出的当前设备故障风险评价结果的一例的图。
图9E表示本发明的实施方式的实施例1，是表示由图1所示的当前故障风险计算部计算出的当前设备故障风险评价结果的一例的图。
图10A表示本发明的实施方式的实施例1，是表示到设备K的维护收益的计算处理为止的具体的处理例的图。
图10B表示本发明的实施方式的实施例1，是表示到设备K的维护收益的计算处理为止的具体的处理例的图。
图10C表示本发明的实施方式的实施例1，是表示到设备K的维护收益的计算处理为止的具体的处理例的图。
图10D表示本发明的实施方式的实施例1，是表示到设备K的维护收益的计算处理为止的具体的处理例的图。
图11A表示本发明的实施方式的实施例1，是表示到设备N的维护收益的计算处理为止的具体的处理例的图。
图11B表示本发明的实施方式的实施例1，是表示到设备N的维护收益的计算处理为止的具体的处理例的图。
图11C表示本发明的实施方式的实施例1，是表示到设备N的维护收益的计算处理为止的具体的处理例的图。
图11D表示本发明的实施方式的实施例1，是表示到设备N的维护收益的计算处理为止的具体的处理例的图。
图12表示本发明的实施方式的实施例1，是表示有关设备组的综合维护收益TLTt的计算结果的图。
图13A表示本发明的实施方式的实施例2，是表示到设备S的维护收益的计算处理为止的具体的处理例的图。
图13B表示本发明的实施方式的实施例2，是表示到设备S的维护收益的计算处理为止的具体的处理例的图。
图13C表示本发明的实施方式的实施例2，是表示到设备S的维护收益的计算处理为止的具体的处理例的图。
图13D表示本发明的实施方式的实施例2，是表示到设备S的维护收益的计算处理为止的具体的处理例的图。
图14A表示本发明的实施方式的实施例2，是表示到设备T的维护收益的计算处理为止的具体的处理例的图。
图14B表示本发明的实施方式的实施例2，是表示到设备T的维护收益的计算处理为止的具体的处理例的图。
图14C表示本发明的实施方式的实施例2，是表示到设备T的维护收益的计算处理为止的具体的处理例的图。
图14D表示本发明的实施方式的实施例2，是表示到设备T的维护收益的计算处理为止的具体的处理例的图。
具体实施方式
以下，一边参照附图一边对具体实施方式(实施方式)对进行说明。
图1是表示包括有关本发明的实施方式的维护管理装置100的维护管理系统10的概略结构的一例的图。维护管理系统10如图1所示，具有维护管理装置100、设备组200、计测装置300、控制装置400、显示装置500、网络600及便携终端装置700而构成。
维护管理装置100是进行具有多个设备201而构成的设备组200的维护的管理的装置。关于该维护管理装置100的内部结构在后面叙述。
设备组200是具有多个设备201而构成的设备201的组，在图1所示的例子中，作为多个设备201，图示了设备A(201－A)、设备B(201－B)、设备C(201－C)、…。另外，在以下的说明中，当不指定设备A(201－A)、设备B(201－B)及设备C(201－C)的各设备而作为代表进行说明时，根据需要而记载为设备201。此外，例如多个设备201中的各设备可以适用于实施用来生产某个制品的各工序的生产设备，在该例的情况下，设备组200能够适用于用来生产该某个制品的生产线。
计测装置300与多个设备201中的各设备对应地配置，是计测表示对应的设备201的状态的多个状态信息的装置。在图1所示的例子中，图示了计测表示设备A(201－A)的状态的多个状态信息的计测装置300－A、计测表示设备B(201－B)的状态的多个状态信息的计测装置300－B、计测表示设备C(201－C)的状态的多个状态信息的计测装置300－C、…。另外，在以下的说明中，当不指定计测装置300－A、计测装置300－B及计测装置300－C的各计测装置而作为代表进行说明时，根据需要而记载为计测装置300。
此外，如图1所示，与多个设备201对应地配置的多个计测装置300中的各计测装置分别包括计测对应的设备201的振动的状态的振动计301、计测对应的设备201的温度的状态的温度计302、以及计测对应的设备201的外观的状态的摄像装置303而构成。即，计测装置300－A包括振动计301－A、温度计302－A及摄像装置303－A而构成，计测装置300－B包括振动计301－B、温度计302－B及摄像装置303－B而构成，计测装置300－C包括振动计301－C、温度计302－C及摄像装置303－C而构成。另外，在以下的说明中，在不指定振动计301－A～C、温度计302－A～C及摄像装置303－A～C的各自而作为代表进行说明时，分别根据需要而记载为振动计301、温度计302及摄像装置303。
另外，在本实施方式中，计测装置300与多个设备201中的各设备对应地配置，但在本发明中并不限定于该形态。例如，在本发明中也可以采用不将计测装置300与设备201对应地设置、而是作为监视设备组200的作业者S所携带的便携终端装置700使用的形态。
控制装置400总括地控制维护管理系统10的动作。例如，控制装置400经由网络600，对设备组200的各个设备201进行使用各种控制信号的通信。
显示装置500是显示各种信息及各种图像的装置，根据需要具备输入设备而构成。例如，该显示装置500可以由监视设备组200的作业者S目视确认。
网络600将维护管理装置100、设备组200、计测装置300、控制装置400及显示装置500可相互通信地连接。
便携终端装置700是作业者S携带的终端装置，例如，在作业者S将设备组200的各个设备201巡回监视时输入点检的事项等的情况下等被使用。另外，如上述那样，也可以使用便携终端装置700作为计测装置300。此外，便携终端装置700例如构成为能够对网络600以无线(或有线)通信连接。
接着，对图1所示的维护管理装置100的内部结构进行说明。
维护管理装置100如图1所示，具有输入部110、存储部120及处理部130而构成。
输入部110将各种信息等向处理部130输入。
存储部120存储有处理部130的处理所需要的各种表121～127的信息及程序128，并且存储通过处理部130的处理得到的各种信息。具体而言，在存储部120中，作为各种表的信息，如图1所示，存储有状态信息诊断表121、当前故障风险评价表122、设备故障风险估算表123、设备停止时间表124、风险降低系数表125、维护基础时间表126及维护时间系数表127的信息。关于该各种表121～127的详细情况，使用图2以后的图在后面叙述。此外，程序128是在处理部130执行有关本发明的实施方式的各种处理时使用的程序。
处理部130进行各种处理。具体而言，处理部130如图1所示，具有状态信息取得部131、当前故障风险计算部132、未来故障风险估算部133、停止预测时间减少量计算部134、维护预测时间计算部135、维护收益计算部136、最优维护时机设定部137及显示控制部138而构成。更详细地讲，通过处理部130执行存储在存储部120中的程序128，实现各结构部131～138的功能。关于该各结构部131～138的详细情况，使用图2以后的图在在后面叙述。
图2是表示有关本发明的实施方式的维护管理装置100的维护管理方法的处理顺序的一例的流程图。
首先，如果从输入部110输入由维护管理装置100进行的维护管理的执行指示信息，则在图2的步骤S101中，状态信息取得部131进行从存储部120取得状态信息诊断表121的信息的处理。以下，对状态信息诊断表121的详细情况进行说明。
图3A～图3E是表示本发明的实施方式的状态信息诊断表121的一例的图。在图3A～图3E所示的例子中，状态信息诊断表121包括图3A所示的振动诊断表121－1、图3B所示的温度诊断表121－2、图3C所示的图像诊断表121－3、图3D所示的控制诊断表121－4及图3E所示的复合诊断表121－5而构成。
图3A所示的振动诊断表121－1是按照每个设备201表示由对应的振动计301计测的振动的项目(振幅、FFT、紊乱、…)和其监视周期的表。
图3B所示的温度诊断表121－2是按照每个设备201表示由对应的温度计302计测的温度的项目(瞬时值、振幅、变化率、…)和其监视周期的表。这里，变化率例如表示当将温度监视1个小时时每单位分钟的温度的变化量。
图3C所示的图像诊断表121－3是按照每个设备201表示由对应的摄像装置303计测的外观的项目(脏污、腐蚀、变形、…)和其监视周期的表。
图3D所示的控制诊断表121－4是按照每个设备201表示对于来自控制装置400的控制信号的响应处理的项目(指令响应、收敛时间、变化率、…)和其监视周期的表。这里，指令响应表示例如对于控制信号的响应特性，收敛时间表示例如到控制对象收敛于基于控制信号的目标值为止的时间，变化率表示例如控制对象朝向基于控制信号的目标值变化的程度。
图3E所示的复合诊断表121－5是按照每个设备201表示将该设备201的状态复合诊断的多个状态信息(振动、温度、图像、控制、…)的表。在该图3E所示的复合诊断表121－5中，“振动”相当于使用图3A的振动诊断表121－1的诊断，“温度”相当于使用图3B的温度诊断表121－2的诊断，“图像”相当于使用图3C的图像诊断表121－3的诊断，“控制”相当于使用图3D的控制诊断表121－4的诊断。
另外，在本实施方式中，图3A～图3E所示的振动诊断表121－1、温度诊断表121－2、图像诊断表121－3、控制诊断表121－4及复合诊断表121－5例如是维护管理装置100的用户可以根据需要而经由输入部110等适当变更，此外，例如也可以通过维护管理装置100将实际记录数据统计解析并自动学习来进行变更。
这里，再次回到图2的说明。
如果图2的步骤S101的处理结束，则接着在图2的步骤S102中，状态信息取得部131基于在步骤S101中取得的状态信息诊断表121，按照各设备201取得表示该各设备的状态的多个状态信息。这里，状态信息取得部131作为多个状态信息而从振动计301取得表示振动的状态的信息，从温度计302取得表示温度的状态的信息，从摄像装置303取得表示外观的状态的图像信息，以及从控制装置400取得表示对于控制信号的响应处理状态的信息。
具体而言，状态信息取得部131对于设备A(201－A)，基于图3E所示的复合诊断表121－5，取得由图3A所示的振动诊断表121－1决定的表示振动的状态的信息(将监视周期设为1个小时，振动的振幅的信息)、由图3B所示的温度诊断表121－2决定的表示温度的状态的信息(将监视周期设为1个小时，温度的瞬时值的信息)、以及由图3C所示的图像诊断表121－3决定的图像信息(将监视周期设为1个小时，外观的脏污的图像信息)。此外，具体而言，状态信息取得部131对于设备B(201－B)，基于图3E所示的复合诊断表121－5，取得由图3B所示的温度诊断表121－2决定的表示温度的状态的信息(将监视周期设为通常(在本实施方式中，“通常”是指设为1分钟以下的周期)，温度的振幅的信息及温度的变化率的信息)、以及由图3D所示的控制诊断表121－4决定的表示响应处理状态的信息(将监视周期设为1天，有关控制的收敛时间的信息及变化率的信息)。此外，具体而言，状态信息取得部131对于设备C(201－C)，基于图3E所示的复合诊断表121－5，取得由图3C所示的图像诊断表121－3决定的图像信息(将监视周期设为1天，外观的变形的图像信息)、以及由图3D所示的控制诊断表121－4决定的表示响应处理状态的信息(将监视周期设为1周，有关控制的变化率的信息)。另外，在图2所示的流程图中，表示了状态信息取得部131在基于由各种诊断表121－1～121－4规定的监视周期，取得了上述设备A(201－A)～设备C(201－C)的全部的信息的情况下，向下个步骤S103转移的例子，但在本实施方式中并不限定于该形态。例如，在本实施方式中也可以采用在状态信息取得部131按照每个设备201而取得了该设备201的全部的信息的情况下向下个步骤S103转移、按照每个设备201将图2的步骤S102～S107成组处理的形态。此外，监视周期的管理既可以是维护管理装置100自己管理的形态，此外也可以是维护管理装置100以外的外部装置管理，基于来自外部装置的触发事件而维护管理装置100进行处理的形态。
接着，在图2的步骤S103中，当前故障风险计算部132按照各设备201，使用在步骤S102中取得的该各设备201的多个状态信息，计算当前的设备故障风险。具体而言，在本实施方式中，当前故障风险计算部132使用存储在存储部120中的当前故障风险评价表122的信息，按照各设备201计算当前的设备故障风险。以下，对当前故障风险评价表122的详细情况进行说明。
图4A～图4E是表示本发明的实施方式的当前故障风险评价表122的一例的图。在图4A～图4E所示的例子中，当前故障风险评价表122包括图4A所示的振动的当前故障风险评价表122－1、图4B所示的温度的当前故障风险评价表122－2、图4C所示的图像的当前故障风险评价表122－3、图4D所示的控制的当前故障风险评价表122－4及图4E所示的关于加权的当前故障风险评价表122－5而构成。
图4A所示的振动的当前故障风险评价表122－1是与图3A所示的振动诊断表121－1对应的表，是表示振动的项目(振幅、FFT、紊乱、…)的水平与当前的故障风险的关系的表。
图4B所示的温度的当前故障风险评价表122－2是与图3B所示的温度诊断表121－2对应的表，是表示温度的项目(瞬时值、振幅、变化率、…)的水平与当前的故障风险的关系的表。
图4C所示的图像的当前故障风险评价表122－3是与图3C所示的图像诊断表121－3对应的表，是表示外观的项目(脏污、腐蚀、变形、…)的水平与当前的故障风险的关系的表。
图4D所示的控制的当前故障风险评价表122－4是与图3D所示的控制诊断表121－4对应的表，是表示对于控制信号的响应处理的项目(指令响应、收敛时间、变化率、…)的水平与当前的故障风险的关系的表。
另外，图4A～图4D所示的当前故障风险评价表122－1～122－4的各项目的水平及其当前的故障风险的值，既可以使用理论解析的结果，也可以根据过去的实际记录值求出。此外，在本实施方式中，图4A～图4D所示的当前故障风险评价表122－1～122－4中的当前的故障风险的最大值设为1.0。
图4E所示的关于加权的当前故障风险评价表122－5，是表示当前故障风险计算部132在按照各设备201计算当前的设备故障风险时使用的加权系数的表。
在该图4E所示的关于加权的当前故障风险评价表122－5中，在区域401中记载的加权系数是考虑到上述的多个状态信息(振动、温度、图像、控制、…)以外的状态信息(例如压力等)的值。此外，在本实施方式中，如图4E所示，进行设定以使各个设备201的加权系数的合计为1.0。另外，在图4E所示的例子中，将在设备B(201－B)的区域401中记载的加权系数设定为0.1，但也可以将其设定为0，对其他的加权系数K1～K4分配0.1。
另外，在本实施方式中，图4A～图4E所示的当前故障风险评价表122－1～122－5例如是维护管理装置100的用户可以根据需要而经由输入部110等进行适当变更，此外，例如也可以通过维护管理装置100将实际记录数据统计解析并自动学习来进行变更。
并且，当前故障风险计算部132使用该图4A～图4E所示的当前故障风险评价表122的信息、和在步骤S102中取得的各设备201的多个状态信息(振动、温度、图像、控制、…)，按照各设备201计算当前的设备故障风险。具体而言，当前故障风险计算部132使用有关多个状态信息的当前故障风险评价表122－1～122－4，按照各状态信息计算当前的故障风险，将该计算出的多个当前的故障风险中的最大的当前的故障风险计算为当前的设备故障风险。此外，当前故障风险计算部132在按照各状态信息计算当前的故障风险时，进行使用图4E所示的关于加权的当前故障风险评价表122－5按照各状态信息赋予权重的处理。
例如，在设备A(201－A)中，如果设图4A所示的振动水平是Vr3(＝当前的故障风险：Rvr3)、图4B所示的温度水平是Ta2(＝当前的故障风险：Rta2)、图4C所示的图像的脏污水平是Id2(＝当前的故障风险：Rid2)、图4D所示的控制的指令响应水平是Cr1(＝当前的故障风险：Rcr1)，则设备A(201－A)的当前的设备故障风险RA可以用以下的(1)式表示。
RA＝max{(K1*Rvr3)，(K2*Rta2)，(K3*Rid2)，(K4*Rcr1)}…(1)
即，在(1)式中，表示了将按照各状态信息计算出的当前的故障风险((K1*Rvr3)、(K2*Rta2)、(K3*Rid2)、(K4*Rcr1))中的最大的当前的故障风险计算为当前的设备故障风险RA。另外，在(1)式中，记载了图4D所示的控制的指令响应水平是Cr1(＝当前的故障风险：Rcr1)的情况下的例子，但由于在图3E所示的复合诊断表121－5中进行了在设备A(201－A)中将“控制”设为诊断对象外的设定，所以在此情况下，上述的(1)式的“(K4*Rcr1)”在实施中不被考虑。
这里，对设备A(201－A)的例子进行了说明，但关于其他的设备B(201－B)及设备C(201－C)，也与上述的设备A(201－A)的情况同样，可以分别计算当前的设备故障风险RB及RC。
另外，在本实施方式中，当按照各设备201计算当前的设备故障风险(RA、RB、RC、…)时，在对1个状态信息评价多个项目的情况下(例如，对于设备B的“温度”评价“振幅”和“变化率”的两个项目的情况下等)，设为采用各项目的评价结果中的故障风险的值最高的。此外，在本实施方式中，在图2的步骤S102中取得的状态信息中的计测值是图4A～图4D所示的当前故障风险评价表122－1～122－4的刻度值的中间值(例如，图4A的Vr2与Vr3之间的值)的情况下，通过内插计算来计算当前的故障风险的值。
另外，图4A～图4E所示的当前故障风险评价表122表示了按照各状态信息(振动、温度、图像、控制、…)规定的表的例子，但在本实施方式中并不限定于该形态，例如在本实施方式中也可以采用按照各设备201规定的表的形态。
这里，再次回到图2的说明。
如果图2的步骤S103的处理结束，则接着在图2的步骤S104中，未来故障风险估算部133按照各设备201，使用在步骤S103中计算出的该各设备201的当前的设备故障风险(RA、RB、RC、…)，估算未来的设备故障风险。更具体地讲，在本实施方式中，未来故障风险估算部133按照各设备201，除了上述的该各设备201的当前的设备故障风险以外，还使用存储在存储部120中的设备故障风险估算表123的信息，估算未来的设备故障风险。以下，对设备故障风险估算表123的详细情况进行说明。
图5是表示本发明的实施方式的设备故障风险估算表123的一例的图。设备故障风险估算表123如图5所示，包括设备A(201－A)的设备故障风险估算表123－A、设备B(201－B)的设备故障风险估算表123－B及设备C(201－C)的设备故障风险估算表123－C而构成。
在本实施方式中，设在设备故障风险估算表123－A～123－C中，分别设定了图5所示的表示经过时间(横轴)与设想的设备故障风险(纵轴)的关系的设备故障风险估算表510～540中的某1个设备故障风险估算表。具体而言，设备故障风险估算表510是设想了随着经过时间而设备故障风险急剧地增大的情况的表。此外，设备故障风险估算表520是设想了随着经过时间而设备故障风险以一定的比例增大的情况的表。此外，设备故障风险估算表530是设想了一定时间经过不易使设备故障风险增加的情况的表。此外，设备故障风险估算表540是设想了在经过时间的途中设备故障风险的增减方向变化的情况的表。
另外，在本实施方式中，图5所示的设备故障风险估算表123－A～123－C是例如维护管理装置100的用户可以根据需要而经由输入部110等进行适当变更，此外，例如也可以通过维护管理装置100将实际记录数据统计解析而自动学习来变更。
并且，未来故障风险估算部133首先，按照各设备201，参照对应的设备故障风险估算表123，求出与在步骤S103中计算出的该各设备201的当前的设备故障风险(RA、RB、RC、…)对应的经过时间，作为当前时刻。这里，例如在设图5所示的当前的设备故障风险501是在步骤S103中计算出的，设定了图5所示的设备故障风险估算表510作为某个设备201的设备故障风险估算表123的情况下，未来故障风险估算部133求出当前时刻511。同样，未来故障风险估算部133在设定了图5所示的设备故障风险估算表520作为某个设备201的设备故障风险估算表123的情况下，求出当前时刻521，此外，在设定了图5所示的设备故障风险估算表530的情况下，求出当前时刻531，此外，在设定了图5所示的设备故障风险估算表540的情况下，求出当前时刻541。另外，在图5所示的设备故障风险估算表540中，例如在步骤S103中计算出当前的设备故障风险502的情况下，求出两个当前时刻542及543，而在此情况下，例如可以采取通过探寻到现时点为止的经过等来确定当前时刻的方法。
接着，未来故障风险估算部133按照各设备201，估算在对应的设备故障风险估算表123中从当前时刻起的各经过时间的设备故障风险作为未来的设备故障风险。例如，在设定了设备故障风险估算表510作为设备故障风险估算表123的情况下，未来故障风险估算部133将在设备故障风险估算表510中从当前时刻511起的各经过时间的设备故障风险(从当前时刻511向右侧的设备故障风险)估算为未来的设备故障风险。
这里，对设备A(201－A)的例子进行说明。
在设备A(201－A)的情况下，未来故障风险估算部133使用在步骤S103中计算出的当前的设备故障风险RA，参照设备故障风险估算表123－A，求出满足以下的(2)式的n，通过内插计算来求出当前时刻(以下，记作“TNOW”)。
RAn≤RA<RAn+1…(2)
接着，未来故障风险估算部133估算在设备故障风险估算表123－A中从当前时刻TNOW起的各经过时间的设备故障风险作为设备A(201－A)的未来的设备故障风险RAt。
这里，对设备A(201－A)的例子进行了说明，但关于设备B(201－B)及设备C(201－C)，也通过进行与上述设备A(201－A)的处理同样的处理，分别进行未来的设备故障风险RBt及RCt的估算。
这里，再次回到图2的说明。
如果图2的步骤S104的处理结束，则接着在图2的步骤S105中，停止预测时间减少量计算部134按照各设备201，使用在步骤S104中估算出的该各设备201的未来的设备故障风险(RAt、RBt、RCt、…)，计算设备停止预测时间的减少量。更具体地讲，在本实施方式中，停止预测时间减少量计算部134按照各设备201，除了使用上述的该各设备201的未来的设备故障风险以外，还使用存储在存储部120中的设备停止时间表124及风险降低系数表125的信息，来计算设备停止预测时间的减少量。以下，对设备停止时间表124及风险降低系数表125的详细情况进行说明。
图6A～图6C是表示本发明的实施方式的设备停止时间表124及风险降低系数表125的一例的图。具体而言，在图6A中表示设备停止时间表124的一例，在图6B及图6C中表示风险降低系数表125的一例。
图6A所示的设备停止时间表124是按照各设备201表示故障时的设备停止时间的表。具体而言，在该设备停止时间表124中，关于设备A(201－A)表示了故障时的设备停止时间LA，关于设备B(201－B)表示了故障时的设备停止时间LB，关于设备C(201－C)表示了故障时的设备停止时间LC。
图6B所示的风险降低系数表125是按照各设备201表示该各设备201的设备故障风险(未来的设备故障风险)与风险降低系数的关系的表。具体而言，在图6B中，表示设备A(201－A)的风险降低系数表125－A、设备B(201－B)的风险降低系数表125－B、设备C(201－C)的风险降低系数表125－C。此外，在图6C中，表示了横轴为设备故障风险、纵轴为风险降低系数时的风险降低系数表125的一例。
另外，在本实施方式中，图6A所示的设备停止时间表124、以及图6B及图6C所示的风险降低系数表125都是例如维护管理装置100的用户根据需要而经由输入部110等能够进行适当变更，此外，也可以通过例如维护管理装置100将实际记录数据统计解析而自动学习来进行变更。
并且，停止预测时间减少量计算部134首先按照各设备201，参照风险降低系数表125，求出与在步骤S104中估算出的未来的设备故障风险对应的风险降低系数。接着，停止预测时间减少量计算部134按照各设备201，使用求出的风险降低系数和该各设备201的故障时的设备停止时间及未来的设备故障风险，计算设备停止预测时间的减少量。
这里，对设备A(201－A)的例子进行说明。
首先，对设备A(201－A)的风险降低系数的导出进行说明。
在设备A(201－A)的情况下，停止预测时间减少量计算部134使用在步骤S104中估算出的未来的设备故障风险RAt，参照风险降低系数表125－A，通过内插计算来求出风险降低系数ηAt。
接着，对设备A(201－A)的设备停止预测时间的减少量的导出进行说明。
有关未来的设备故障风险RAt的减少量ΔRAt，可以使用未来的设备故障风险RAt和风险降低系数ηAt，由以下的(3)式表示。
ΔRAt＝RAt*ηAt…(3)
此外，考虑到由维护带来的恢复的设备故障风险RAt'，可以使用未来的设备故障风险RAt和减少量ΔRAt，用以下的(4)式表示。
RAt'＝RAt－ΔRAt…(4)
该设备故障风险RAt'的值表示在该时间经过后发生设备故障的概率，例如是根据故障实际记录统计性地求出的结果。因此，通过对该设备故障风险RAt'的值乘以风险＝1.0(100％故障)状态的设备停止时间(恢复所需要的时间)，求出该时间经过后的设备停止期望值。并且，在本实施方式中，将该设备停止期望值定义为“设备停止预测时间”。即，设备停止预测时间LMAt可以使用设备A(201－A)的故障时的设备停止时间LA和设备故障风险RAt'，用以下的(5)式表示。
LMAt＝LA*RAt'…(5)
此外，如果对于(5)式使用(4)式及(3)式进行变形，则可得到以下的(6)式。
LMAt＝LA*RAt(1－ηAt)…(6)
并且，由维护带来的设备停止预测时间(LMAt)的减少量ΔLMAt，可以使用设备A(201－A)的故障时的设备停止时间LA、未来的设备故障风险RAt和设备故障风险RAt'，用以下的(7)式表示。
ΔLMAt＝LA*(RAt－RAt')…(7)
此外，如果对于(7)式使用(4)式及(3)式进行变形，则可得到以下的(8)式。
ΔLMAt＝LA*RAt*ηAt…(8)
即，停止预测时间减少量计算部134可以使用风险降低系数ηAt、故障时的设备停止时间LA和未来的设备故障风险RAt，通过(8)式计算设备A(201－A)的设备停止预测时间的减少量ΔLMAt。
这里，对设备A(201－A)的例子进行了说明，但对于设备B(201－B)及设备C(201－C)，也通过进行与上述设备A(201－A)的处理同样的处理，分别进行设备停止预测时间的减少量ΔLMBr及ΔLMCr的计算。
这里，再次回到图2的说明。
如果图2的步骤S105的处理结束，则接着在图2的步骤S106中，维护预测时间计算部135按照各设备201，使用在步骤S104中估算出的该各设备201的未来的设备故障风险(RAt、RBt、RCt、…)，计算维护预测时间。更具体地讲，在本实施方式中，维护预测时间计算部135按照各设备201，除了使用上述的该各设备201的未来的设备故障风险以外，还使用存储在存储部120中的维护基础时间表126及维护时间系数表127的信息，计算维护预测时间。以下，对维护基础时间表126及维护时间系数表127的详细情况进行说明。
图7A～图7C是表示本发明的实施方式的维护基础时间表126及维护时间系数表127的一例的图。具体而言，在图7A中表示维护基础时间表126的一例，在图7B及图7C中表示维护时间系数表127的一例。
图7A所示的维护基础时间表126是按照各设备201表示作为有关维护的基准的时间的维护基础时间的表。具体而言，在该维护基础时间表126中，关于设备A(201－A)表示了维护基础时间MA，关于设备B(201－B)表示了维护基础时间MB，关于设备C(201－C)表示了维护基础时间MC。
图7B所示的维护时间系数表127是按照各设备201表示该各设备201的设备故障风险(未来的设备故障风险)与维护时间系数的关系的表。具体而言，在图7B中表示了设备A(201－A)的维护时间系数表127－A、设备B(201－B)的维护时间系数表127－B、设备C(201－C)的维护时间系数表127－C。这里，在图7B所示的维护时间系数表127－A中，表示了作为维护时间系数而应用了将最大值设为1.0的维护时间率的例子。此外，在图7C中，表示了横轴为设备故障风险、纵轴为维护时间系数时的维护时间系数表127的一例。
另外，在本实施方式中，图7A所示的维护基础时间表126以及图7B及图7C所示的维护时间系数表127都可以是例如维护管理装置100的用户根据需要而经由输入部110等进行适当变更，此外，也可以通过例如维护管理装置100将实际记录数据统计解析而自动学习来进行变更。
并且，维护预测时间计算部135首先按照各设备201，参照维护时间系数表127，求出与在步骤S104中估算出的未来的设备故障风险对应的维护时间系数。接着，维护预测时间计算部135按照各设备201，使用求出的维护时间系数和该各设备201的维护基础时间，计算维护预测时间。
这里，对设备A(201－A)的例子进行说明。
首先，对设备A(201－A)的维护时间系数的导出进行说明。
在设备A(201－A)的情况下，维护预测时间计算部135使用在步骤S104中估算出的未来的设备故障风险RAt，参照维护时间系数表127－A，通过内插计算求出维护时间系数δAt。
接着，对设备A(201－A)的维护预测时间的导出进行说明。
设备A(201－A)的维护预测时间MAt可以使用求出的维护时间系数δAt和维护基础时间MA，由以下的(9)式表示。
MAt＝MA*δAt…(9)
即，维护预测时间计算部135使用求出的维护时间系数δAt和维护基础时间MA，通过(9)式计算设备A(201－A)的维护预测时间MAt。
这里，对设备A(201－A)的例子进行了说明，但关于设备B(201－B)及设备C(201－C)，也通过进行与上述设备A(201－A)的处理同样的处理，分别进行维护预测时间MBt及MCt的计算。
这里，再次回到图2的说明。
如果图2的步骤S106的处理结束，则接着在图2的步骤S107中，维护收益计算部136按照各设备201，基于在步骤S105中计算出的设备停止预测时间的减少量和在步骤S106中计算出的维护预测时间，计算维护收益。
这里，对设备A(201－A)的例子进行说明。
设备A(201－A)的维护收益TLTAt可以使用设备停止预测时间的减少量ΔLMAt和维护预测时间MAt，用以下的(10)式表示。
TLTAt＝ΔLMAt－MAt…(10)
即，维护收益计算部136基于在步骤S105中计算出的设备停止预测时间的减少量ΔLMAt和在步骤S106中计算出的维护预测时间MAt，通过(10)式计算设备A(201－A)的维护收益TLTAt。
这里，对设备A(201－A)的例子进行了说明，但关于设备B(201－B)及设备C(201－C)，也通过进行与上述设备A(201－A)的处理同样的处理，分别进行维护收益TLTBt及TLTCt的计算。
进而，维护收益计算部136可以使用各设备201的维护收益(TLTAt、TLTBt、TLTCt、…)，通过以下的(11)式计算有关设备组200的综合维护收益TLTt。
TLTt＝TLTAt+TLTBt+TLTCt+……(11)
另外，在本实施方式中，关于各设备201的维护收益(TLTAt、TLTBt、TLTCt、…)中的、从当前时刻起未来的区间全部为负的维护收益，从(11)式所示的计算综合维护收益TLTt时的对象中排除。
接着，在图2的步骤S108中，最优维护时机设定部137基于在步骤S107中计算出的各设备201的维护收益(TLTAt、TLTBt、TLTCt、…)，设定有关设备组200的维护的最优维护时机。
具体而言，在本实施方式中，最优维护时机设定部137将由维护收益计算部136计算出的(11)式的综合维护收益TLTt为最大的时机，作为有关设备组200的维护的最优维护时机，如以下的(12)式那样设定。
max(TLTt)＝f(t)…(12)
即，最优维护时机设定部137将在(12)式中使综合维护收益TLTt成为最大的t设定为有关设备组200的维护的最优维护时机。另外，在本实施方式中，例如在(12)式中使综合维护收益TLTt成为最大的t超过有关下次维护的计划修缮日的情况下，设定应该在该计划修缮日进行维护的设备组200的有关维护的最优维护时机。
接着，在图2的步骤S109中，显示控制部138进行将在步骤S108中设定的有关设备组200的维护的最优维护时机的信息向显示装置500显示的控制。通过该步骤S109的处理，在显示装置500上显示设备组200的最优维护时机的信息，能够向目视确认了该信息的作业者S通知设备组200的最优维护时机。
并且，如果图2的步骤S109的处理结束，则图2所示的流程图的处理结束。
如以上说明，有关本发明的实施方式的维护管理装置100具有以下部分而构成：状态信息取得部131，按照具有多个设备201而构成的设备组200中的各设备201，取得表示该各设备201的状态的多个状态信息；当前故障风险计算部132，按照各设备201，使用多个状态信息计算当前的设备故障风险；未来故障风险估算部133，按照各设备201，使用由当前故障风险计算部132计算出的当前的设备故障风险，估算未来的设备故障风险；维护收益计算部136，按照各设备201，根据基于未来的设备故障风险的设备停止预测时间的减少量和基于未来的设备故障风险的维护预测时间，计算维护收益；以及最优维护时机设定部137，基于各设备201的维护收益，设定设备组200的最优维护时机。
根据该结构，由于使用表示各设备201的状态的多个状态信息来计算各设备201的维护收益，基于该计算出的各设备201的维护收益来设定设备组200的最优维护时机，所以能够高精度地设定具有多个设备201而构成的设备组200的最优维护时机。
[实施例1]
接着，对遵循上述本发明的实施方式的实施例进行说明。
首先，对实施例1进行说明。
实施例1中，在图1所示的维护管理系统10中，为了使说明变得简单，对设备组200具有两个设备201而构成的例子进行说明。这里，在实施例1中，将该两个设备201记载为设备K(201－K)及设备N(201－N)，在此情况下，与各设备201对应地配置的计测装置300也分别为计测装置300－K及计测装置300－N。
图8A～图8C表示本发明的实施方式的实施例1，是表示图1所示的状态信息诊断表121的一例的图。在图8A～图8C所示的例子中，状态信息诊断表121包括图8A所示的振动诊断表121－6、图8B所示的温度诊断表121－7及图8C所示的复合诊断表121－8而构成。
图8A所示的振动诊断表121－6是按照设备K(201－K)及设备N(201－N)的设备201来表示由对应的振动计301计测的振动的项目(振幅、FFT、…)和其监视周期的表。
图8B所示的温度诊断表121－7是按照设备K(201－K)及设备N(201－N)的设备201来表示由对应的温度计302计测的温度的项目(瞬时值、振幅、变化率、…)和其监视周期的表。
图8C所示的复合诊断表121－8是按照设备K(201－K)及设备N(201－N)的设备201来表示将该设备201的状态进行复合诊断的多个状态信息(振动、温度、…)的表。在该图8C所示的复合诊断表121－8中，“振动”相当于使用图8A的振动诊断表121－6的诊断，“温度”相当于使用图8B的温度诊断表121－7的诊断。
实施例1中，在图2的步骤S101中，状态信息取得部131进行取得该图8A～图8C所示的状态信息诊断表121－6～121－8的信息的处理。并且，实施例1中，在接着的图2的步骤S102中，状态信息取得部131基于所取得的状态信息诊断表121－6～121－8，按照设备K(201－K)及设备N(201－N)的各设备201，取得表示该各设备201的状态的多个状态信息(振动、温度、…)。
实施例1中，接着在图2的步骤S103中，当前故障风险计算部132按照设备K(201－K)及设备N(201－N)的各设备201，使用在步骤S102中取得的该各设备201的多个状态信息，计算当前的设备故障风险。具体而言，实施例1中，当前故障风险计算部132使用存储在存储部120中的当前故障风险评价表122的信息，按照各设备201计算当前的设备故障风险。以下，对实施例1的当前故障风险评价表122的详细情况进行说明。
图9A～图9C表示本发明的实施方式的实施例1，是表示图1所示的当前故障风险评价表122的一例的图。在图9A～图9C所示的例子中，当前故障风险评价表122包括图9A及图9B所示的振动的当前故障风险评价表122－6K及122－6N、图9A及图9B所示的温度的当前故障风险评价表122－7K、122－7N1、122－7N2、以及图9C所示的关于加权的当前故障风险评价表122－8而构成。
图9A及图9B所示的振动的当前故障风险评价表122－6K及122－6N分别是与图8A所示的振动诊断表121－6的设备K(201－K)及设备N(201－N)对应的表，是表示振动的项目(振幅、FFT、…)的水平与当前的故障风险的关系的表。
图9A及图9B所示的温度的当前故障风险评价表122－7K及122－7N1、122－7N2分别是与图8B所示的温度诊断表121－7的设备K(201－K)及设备N(201－N)对应的表，是表示温度的项目(瞬时值、振幅、变化率、…)的水平与当前的故障风险的关系的表。
图9C所示的关于加权的当前故障风险评价表122－8是表示当前故障风险计算部132在按照设备K(201－K)及设备N(201－N)的各设备201计算当前的设备故障风险时使用的加权系数的表。
并且，当前故障风险计算部132使用该图9A～图9C所示的当前故障风险评价表122－6～122－8的信息和在步骤S102中取得的设备K(201－K)及设备N(201－N)的各设备201的多个状态信息(振动、温度、…)，按照各设备201计算当前的设备故障风险。这里，在图9D中表示设备K(201－K)的当前设备故障风险评价结果，此外，在图9E中表示设备N(201－N)的当前设备故障风险评价结果。
在图9D中，表示作为设备K(201－K)的当前的设备故障风险(以下记作“RK”)而计算出0.105。
在图9E中，表示作为设备N(201－N)的当前的设备故障风险(以下记作“RN”)而计算出0.375。此时，在设备N(201－N)中，由于关于“温度”评价“振幅”和“变化率”的两个项目，所以采用各项目的评价结果中的故障风险的值较高的评价结果(具体而言，项目“振幅”的评价结果)作为“温度”的评价结果。
接着，在实施例1中，作为与上述的本发明的实施方式同样的处理，进行以下的处理。
首先，在图2的步骤S104中，未来故障风险估算部133按照设备K(201－K)及设备N(201－N)的各设备201，使用在步骤S103中计算出的该各设备201的当前的设备故障风险(RK、RN)，估算未来的设备故障风险。以下，将这里估算出的设备K(201－K)及设备N(201－N)的未来的设备故障风险分别记作未来的设备故障风险RKt及RNt。
接着，在图2的步骤S105中，停止预测时间减少量计算部134按照设备K(201－K)及设备N(201－N)的各设备201，使用在步骤S104中估算出的该各设备201的未来的设备故障风险(RKt、RNt)，计算设备停止预测时间的减少量。以下，将这里计算出的设备K(201－K)及设备N(201－N)的设备停止预测时间的减少量分别记作设备停止预测时间的减少量ΔLMKt及ΔLMNt。
接着，在图2的步骤S106中，维护预测时间计算部135按照设备K(201－K)及设备N(201－N)的各设备201，使用在步骤S104中估算出的该各设备201的未来的设备故障风险(RKt、RNt)，计算维护预测时间。以下，将这里计算出的设备K(201－K)及设备N(201－N)的维护预测时间分别记作维护预测时间MKt及MNt。
接着，在图2的步骤S107中，维护收益计算部136按照设备K(201－K)及设备N(201－N)的各设备201，基于在步骤S105中计算出的设备停止预测时间的减少量(ΔLMKt、ΔLMNt)和在步骤S106中计算出的维护预测时间(MKt、MNt)，计算维护收益。以下，将这里计算出的设备K(201－K)及设备N(201－N)的维护收益分别记作维护收益TLTKt及TLTNt。
以下，使用图10A～图10D及图11A～图11D，对这里说明的处理的具体例进行说明。
首先，对设备K(201－K)的具体的处理例进行说明。
图10A～图10D表示本发明的实施方式的实施例1，是表示到设备K(201－K)的维护收益的计算处理为止的具体的处理例的图。
图10A表示设备K(201－K)的设备故障风险估算表123－K。并且，在图2的步骤S104中，未来故障风险估算部133首先参照图10A所示的设备故障风险估算表123－K，求出与在步骤S103中计算出的设备K(201－K)的当前的设备故障风险RK(图9D所示的0.105)对应的当前时刻。在图10A所示的例子中，表示求出了2.93天作为当前时刻。接着，未来故障风险估算部133估算在图10A所示的设备故障风险估算表123－K中从当前时刻起的各经过时间的设备故障风险作为未来的设备故障风险RKt。
图10B表示设备K(201－K)的风险降低系数表125－K。此外，在实施例1中，设设备K(201－K)的故障时的设备停止时间LK是30小时。并且，在图2的步骤S105中，停止预测时间减少量计算部134首先参照图10B所示的风险降低系数表125－K，求出与在步骤S104中估算出的设备K(201－K)的未来的设备故障风险RKt对应的风险降低系数。接着，停止预测时间减少量计算部134使用求出的风险降低系数和设备K(201－K)的故障时的设备停止时间LK(30时间)及未来的设备故障风险RKt，计算设备K(201－K)的设备停止预测时间的减少量ΔLMKt。具体而言，基于上述的(8)式，计算设备停止预测时间的减少量ΔLMKt。
图10C表示设备K(201－K)的维护时间系数表127－K。此外，在实施例1中，设设备K(201－K)的维护基础时间MK是2小时。并且，在图2的步骤S106中，维护预测时间计算部135首先参照图10C所示的维护时间系数表127－K，求出与在步骤S104中估算出的设备K(201－K)的未来的设备故障风险RKt对应的维护时间系数。接着，维护预测时间计算部135使用求出的维护时间系数和设备K(201－K)的维护基础时间MK(2小时)，计算设备K(201－K)的维护预测时间MKt。具体而言，基于上述的(9)式，计算维护预测时间MKt。
并且，在图2的步骤S107中，维护收益计算部136基于在步骤S105中计算出的设备停止预测时间的减少量ΔLMKt和在步骤S106中计算出的维护预测时间MKt，计算设备K(201－K)的维护收益TLTKt。具体而言，基于上述的(10)式，计算维护收益TLTKt。图10D表示与经过时间对应的设备K(201－K)的维护收益TLTKt的计算结果。在该图10D中，关于设备K(201－K)，表示了从当前时刻(2.93天)起3.57天后是最优维护时机。
接着，对设备N(201－N)的具体的处理例进行说明。
图11A～图11D表示本发明的实施方式的实施例1，是表示到设备N(201－N)的维护收益的计算处理为止的具体的处理例的图。
图11A表示设备N(201－N)的设备故障风险估算表123－N。并且，在图2的步骤S104中，未来故障风险估算部133首先参照图11A所示的设备故障风险估算表123－N，求出与在步骤S103中计算出的设备N(201－N)的当前的设备故障风险RN(图9E所示的0.375)对应的当前时刻。在图11A所示的例子中，表示了求出3.75天作为当前时刻。接着，未来故障风险估算部133估算在图11A所示的设备故障风险估算表123－N中从当前时刻起的各经过时间的设备故障风险作为未来的设备故障风险RNt。
图11B表示设备N(201－N)的风险降低系数表125－N。此外，实施例1中，设设备N(201－N)的故障时的设备停止时间LN是25小时。并且，在图2的步骤S105中，停止预测时间减少量计算部134首先参照图11B所示的风险降低系数表125－N，求出与在步骤S104中估算出的设备N(201－N)的未来的设备故障风险RNt对应的风险降低系数。接着，停止预测时间减少量计算部134使用求出的风险降低系数和设备N(201－N)的故障时的设备停止时间LN(25小时)及未来的设备故障风险RNt，计算设备N(201－N)的设备停止预测时间的减少量ΔLMNt。具体而言，基于上述的(8)式，计算设备停止预测时间的减少量ΔLMNt。
图11C表示设备N(201－N)的维护时间系数表127－N。此外，实施例1中，设设备N(201－N)的维护基础时间MN是2小时。并且，在图2的步骤S106中，维护预测时间计算部135首先参照图11C所示的维护时间系数表127－N，求出与在步骤S104中估算出的设备N(201－N)的未来的设备故障风险RNt对应的维护时间系数。接着，维护预测时间计算部135使用所求出的维护时间系数和设备N(201－N)的维护基础时间MN(2小时)，计算设备N(201－N)的维护预测时间MNt。具体而言，基于上述的(9)式，计算维护预测时间MNt。
而且，在图2的步骤S107中，维护收益计算部136基于在步骤S105中计算出的设备停止预测时间的减少量ΔLMNt和在步骤S106中计算出的维护预测时间MNt，计算设备N(201－N)的维护收益TLTNt。具体而言，基于上述的(10)式，计算维护收益TLTNt。图11D表示与经过时间对应的设备N(201－N)的维护收益TLTNt的计算结果。在该图11D中，关于设备N(201－N)，表示了从当前时刻(3.75天)起0.75天后是最优维护时机。
如以上说明，通过使用图10A～图10D说明的处理来计算设备K(201－K)的维护收益TLTKt，通过使用图11A～图11D说明的处理来计算设备N(201－N)的维护收益TLTNt。
然后，维护收益计算部136使用设备K(201－K)及设备N(201－N)的维护收益(TLTKt、TLTNt)，基于上述的(11)式，计算有关设备组200的综合维护收益TLTt。
图12表示本发明的实施方式的实施例1，是表示有关设备组200的综合维护收益TLTt的计算结果的图。
并且，在图2的步骤S108中，最优维护时机设定部137将该图12所示的综合维护收益TLTt为最大的时机设定为有关设备组200的维护的最优维护时机。具体而言，在图12中，表示了3.0天后被设定为设备组200的最优维护时机。
然后，在图2的步骤S109中，显示控制部138进行将在步骤S108中设定的设备组200的最优维护时机的信息向显示装置500显示的控制。通过该步骤S109的处理，在显示装置500上显示设备组200的最优维护时机的信息，能够向目视确认了该信息的作业者S通知设备组200的最优维护时机。
[实施例2]
接着，对实施例2进行说明。
实施例2中，在图1所示的维护管理系统10中，为了使说明变得简单，对设备组200具有两个设备201而构成的例子进行说明。这里，在实施例2中，将该两个设备201记作设备S(201－S)及设备T(201－T)，在此情况下，与各设备201对应地配置的计测装置300也分别为计测装置300－S及计测装置300－T。
这里，实施例2中，设通过图2的到步骤S101～S103为止的处理，设备S(201－S)的当前的设备故障风险RS被计算为0.25，设备T(201－T)的当前的设备故障风险RT被计算为0.38。
接着，在实施例2中，作为与上述的本发明的实施方式同样的处理，进行以下的处理。
首先，在图2的步骤S104中，未来故障风险估算部133按照设备S(201－S)及设备T(201－T)的各设备201，使用在步骤S103中计算出的该各设备201的当前的设备故障风险(RS、RT)，估算未来的设备故障风险。以下，将这里估算出的设备S(201－S)及设备T(201－T)的未来的设备故障风险分别记作未来的设备故障风险RSt及RTt。
接着，在图2的步骤S105中，停止预测时间减少量计算部134按照设备S(201－S)及设备T(201－T)的各设备201，使用在步骤S104中估算出的该各设备201的未来的设备故障风险(RSt、RTt)，计算设备停止预测时间的减少量。以下，将这里计算出的设备S(201－S)及设备T(201－T)的设备停止预测时间的减少量分别记作设备停止预测时间的减少量ΔLMSt及ΔLMTt。
接着，在图2的步骤S106中，维护预测时间计算部135按照设备S(201－S)及设备T(201－T)的各设备201，使用在步骤S104中估算出的该各设备201的未来的设备故障风险(RSt、RTt)，计算维护预测时间。以下，将这里计算出的设备S(201－S)及设备T(201－T)的维护预测时间分别记作维护预测时间MSt及MTt。
接着，在图2的步骤S107中，维护收益计算部136按照设备S(201－S)及设备T(201－T)的各设备201，基于在步骤S105中计算出的设备停止预测时间的减少量(ΔLMSt、ΔLMTt)和在步骤S106中计算出的维护预测时间(MSt、MTt)，计算维护收益。以下，将这里计算出的设备S(201－S)及设备T(201－T)的维护收益分别记作维护收益TLTSt及TLTTt。
以下，使用图13A～图13D及图14A～图14D，对这里说明的处理的具体例进行说明。
首先，对设备S(201－S)的具体的处理例进行说明。
图13A～图13D表示本发明的实施方式的实施例2，是表示到设备S(201－S)的维护收益的计算处理为止的具体的处理例的图。
图13A表示设备S(201－S)的设备故障风险估算表123－S。并且，在图2的步骤S104中，未来故障风险估算部133首先参照图13A所示的设备故障风险估算表123－S，求出与在步骤S103中计算出的设备S(201－S)的当前的设备故障风险RS(上述的0.25)对应的当前时刻。在图13A所示的例子中，表示了求出了2.50天作为当前时刻。接着，未来故障风险估算部133估算图13A所示的设备故障风险估算表123－S中从当前时刻起的各经过时间的设备故障风险作为未来的设备故障风险RSt。
图13B表示设备S(201－S)的风险降低系数表125－S。此外，在实施例2中，设设备S(201－S)的故障时的设备停止时间LS是5小时。并且，在图2的步骤S105中，停止预测时间减少量计算部134首先参照图13B所示的风险降低系数表125－S，求出与在步骤S104中估算出的设备S(201－S)的未来的设备故障风险RSt对应的风险降低系数。接着，停止预测时间减少量计算部134使用所求出的风险降低系数和设备S(201－S)的故障时的设备停止时间LS(5小时)及未来的设备故障风险RSt，计算设备S(201－S)的设备停止预测时间的减少量ΔLMSt。具体而言，基于上述的(8)式，计算设备停止预测时间的减少量ΔLMSt。
图13C表示设备S(201－S)的维护时间系数表127－S。此外，在实施例2中，设设备S(201－S)的维护基础时间MS是2小时。并且，在图2的步骤S106中，维护预测时间计算部135首先参照图13C所示的维护时间系数表127－S，求出与在步骤S104中估算出的设备S(201－S)的未来的设备故障风险RSt对应的维护时间系数。接着，维护预测时间计算部135使用所求出的维护时间系数和设备S(201－S)的维护基础时间MS(2小时)，计算设备S(201－S)的维护预测时间MSt。具体而言，基于上述的(9)式，计算维护预测时间MSt。
接着，在图2的步骤S107中，维护收益计算部136基于在步骤S105中计算出的设备停止预测时间的减少量ΔLMSt和在步骤S106中计算出的维护预测时间MSt，计算设备S(201－S)的维护收益TLTSt。具体而言，基于上述的(10)式，计算维护收益TLTSt。图13D表示与经过时间对应的设备S(201－S)的维护收益TLTSt的计算结果。在该图13D中，由于维护收益TLTSt从当前时刻起未来的区间全部为负，所以关于该设备S(201－S)被从上述的(11)式的计算中排除(即，不考虑设备S(201－S)的维护收益)。
接着，对设备T(201－T)的具体的处理例进行说明。
图14A～图14D表示本发明的实施方式的实施例2，是表示到设备T(201－T)的维护收益的计算处理为止的具体的处理例的图。
图14A表示设备T(201－T)的设备故障风险估算表123－T。并且，在图2的步骤S104中，未来故障风险估算部133首先参照图14A所示的设备故障风险估算表123－T，求出与在步骤S103中计算出的设备T(201－T)的当前的设备故障风险RT(上述的0.38)对应的当前时刻。在图14A所示的例子中，表示了求出了6.0天作为当前时刻。接着，未来故障风险估算部133估算图14A所示的设备故障风险估算表123－T中从当前时刻起的各经过时间的设备故障风险作为未来的设备故障风险RTt。
图14B表示设备T(201－T)的风险降低系数表125－T。此外，在实施例2中，设设备T(201－T)的故障时的设备停止时间LT是30小时。并且，在图2的步骤S105中，停止预测时间减少量计算部134首先参照图14B所示的风险降低系数表125－T，求出与在步骤S104中估算出的设备T(201－T)的未来的设备故障风险RTt对应的风险降低系数。接着，停止预测时间减少量计算部134使用所求出的风险降低系数和设备T(201－T)的故障时的设备停止时间LT(30时间)及未来的设备故障风险RTt，计算设备T(201－T)的设备停止预测时间的减少量ΔLMTt。具体而言，基于上述的(8)式，计算设备停止预测时间的减少量ΔLMTt。
图14C表示设备T(201－N)的维护时间系数表127－T。此外，在实施例2中，设设备T(201－T)的维护基础时间MT是3小时。并且，在图2的步骤S106中，维护预测时间计算部135首先参照图14C所示的维护时间系数表127－T，求出与在步骤S104中估算出的设备T(201－T)的未来的设备故障风险RTt对应的维护时间系数。接着，维护预测时间计算部135使用所求出的维护时间系数和设备T(201－T)的维护基础时间MT(3小时)，计算设备T(201－T)的维护预测时间MTt。具体而言，基于上述的(9)式，计算维护预测时间MTt。
并且，在图2的步骤S107中，维护收益计算部136基于在步骤S105中计算出的设备停止预测时间的减少量ΔLMTt和在步骤S106中计算出的维护预测时间MTt，计算设备T(201－T)的维护收益TLTTt。具体而言，基于上述的(10)式，计算维护收益TLTTt。图14D表示与经过时间对应的设备T(201－T)的维护收益TLTTt的计算结果。在该图14D中，由于维护收益TLTTt的最大值(9.5天)为作为设备组200的计划修缮时机的计划修缮日(7.5天)之后，所以关于设备T(201－N)，该计划修缮日(7.5天)为最优维护时机。即，从当前时刻(6.0天)起1.5天后为最优维护时机。
然后，维护收益计算部136使用设备S(201－S)及设备T(201－T)的维护收益(TLTSt、TLTTt)，基于上述的(11)式，计算有关设备组200的综合维护收益TLTt。此时，如上述那样，图13D所示的设备S(201－S)的维护收益TLTSt由于从当前时刻起未来的区间全部为负，所以被从上述的(11)式所示的计算综合维护收益TLTt时的对象中排除，结果，有关设备组200的综合维护收益TLTt成为设备T(201－T)的维护收益TLTTt。
并且，在图2的步骤S108中，最优维护时机设定部137基于在步骤S107中计算出的综合维护收益TLTt，设定有关设备组200的维护的最优维护时机。具体而言，在实施例2中，由于图14D所示的设备T(201－T)的维护收益TLTTt的最大值(9.5天)为作为设备组200的计划修缮时机的计划修缮日(7.5天)之后，所以最优维护时机设定部137将该计划修缮日(7.5天)设定为设备组200的最优维护时机。即，最优维护时机设定部137将从当前时刻(6.0天)起1.5天后设定为设备组200的最优维护时机。
(其他实施方式)
本发明也可以将实现上述实施方式的1个以上的功能的程序128经由网络或存储介质向系统或装置供给、通过该系统或装置的计算机中的1个以上的处理器将程序128读出并执行的处理来实现。此外，还可以通过实现1个以上的功能的电路(例如ASIC)来实现。
该程序128及存储有该程序128的计算机可读取的存储介质包含在本发明中。
另外，上述的本发明的实施方式都只是表示了实施本发明时的具体化的例子，而并不由它们限定性地解释本发明的技术的范围。即，本发明能够不脱离其技术思想或其主要的特征地以各种的形式实施。

Claims (14)

1.一种维护管理装置，进行具有多个设备而构成的设备组的维护的管理，其特征在于，
具有：
状态信息取得机构，按上述多个设备中的各设备，取得表示该各设备的状态的多个状态信息；
当前故障风险计算机构，按上述各设备，使用该各设备的上述多个状态信息，计算当前的设备故障风险；
未来故障风险估算机构，按上述各设备，使用该各设备的上述当前的设备故障风险，估算未来的设备故障风险；
维护收益计算机构，按上述各设备，根据该各设备的基于上述未来的设备故障风险的设备停止预测时间的减少量和该各设备的基于上述未来的设备故障风险的维护预测时间，计算维护收益；以及
最优维护时机设定机构，基于上述各设备的上述维护收益，设定上述设备组的有关上述维护的最优维护时机。
2.如权利要求1所述的维护管理装置，其特征在于，
上述维护收益计算机构还使用上述各设备的上述维护收益，计算有关上述设备组的综合维护收益；
上述最优维护时机设定机构将上述综合维护收益为最大的时机设定为上述最优维护时机。
3.如权利要求1所述的维护管理装置，其特征在于，
上述维护收益计算机构还使用上述各设备的上述维护收益，计算有关上述设备组的综合维护收益；
上述最优维护时机设定机构在上述综合维护收益为最大的时机成为上述设备组的计划修缮时机之后的情况下，将该计划修缮时机设定为上述最优维护时机。
4.如权利要求2或3所述的维护管理装置，其特征在于，
上述维护收益计算机构将上述各设备的上述维护收益中的从当前时刻起未来的区间全部为负的维护收益，从计算上述综合维护收益时的对象中除去。
5.如权利要求1～4中任一项所述的维护管理装置，其特征在于，
还具有显示控制机构，该显示控制机构进行将上述最优维护时机的信息向显示装置显示的控制。
6.如权利要求1～5中任一项所述的维护管理装置，其特征在于，
上述当前故障风险计算机构按上述多个状态信息中的各状态信息计算当前的故障风险，计算该计算出的多个上述当前的故障风险中的最大的当前的故障风险作为上述当前的设备故障风险。
7.如权利要求6所述的维护管理装置，其特征在于，
上述当前故障风险计算机构在按上述各状态信息计算上述当前的故障风险时，按上述各状态信息赋予权重。
8.如权利要求1～7中任一项所述的维护管理装置，其特征在于，
还具有按上述各设备将表示经过时间与设想的设备故障风险的关系的设备故障风险估算表的信息存储的存储机构；
上述未来故障风险估算机构按上述各设备，使用该各设备的上述当前的设备故障风险和上述设备故障风险估算表，估算上述未来的设备故障风险。
9.如权利要求8所述的维护管理装置，其特征在于，
上述未来故障风险估算机构
参照上述设备故障风险估算表，求出与上述当前的设备故障风险对应的经过时间作为当前时刻；
估算在上述设备故障风险估算表中从上述当前时刻起的各经过时间的上述设想的设备故障风险作为上述未来的设备故障风险。
10.如权利要求1～9中任一项所述的维护管理装置，其特征在于，
还具有：
停止预测时间减少量计算机构，按上述各设备，使用该各设备的上述未来的设备故障风险，计算上述设备停止预测时间的减少量；以及
维护预测时间计算机构，按上述各设备，使用该各设备的上述未来的设备故障风险，计算上述维护预测时间；
上述维护收益计算机构按上述各设备，基于上述停止预测时间减少量计算机构所计算出的设备停止预测时间的减少量和上述维护预测时间计算机构所计算出的维护预测时间，计算上述维护收益。
11.如权利要求10所述的维护管理装置，其特征在于，
还具有存储按上述各设备表示故障时的设备停止时间的设备停止时间表的信息、和按上述各设备表示该各设备的未来的设备故障风险与风险降低系数的关系的风险降低系数表的信息的存储机构；
上述停止预测时间减少量计算机构按上述各设备，参照上述风险降低系数表，求出与上述未来故障风险估算机构所估算出的未来的设备故障风险对应的上述风险降低系数，使用该求出的风险降低系数和该各设备的上述故障时的设备停止时间及上述未来的设备故障风险，计算上述设备停止预测时间的减少量。
12.如权利要求10所述的维护管理装置，其特征在于，
还具有存储按上述各设备表示有关维护的基准的时间即维护基础时间的维护基础时间表的信息、和按上述各设备表示该各设备的未来的设备故障风险与维护时间系数的关系的维护时间系数表的信息的存储机构；
上述维护预测时间计算机构按上述各设备，参照上述维护时间系数表，求出与上述未来故障风险估算机构所估算出的未来的设备故障风险对应的上述维护时间系数，使用该求出的维护时间系数和该各设备的上述维护基础时间，计算上述维护预测时间。
13.一种维护管理方法，进行具有多个设备而构成的设备组的维护的管理，其特征在于，
具有：
状态信息取得步骤，按上述多个设备的各设备，取得表示该各设备的状态的多个状态信息；
当前故障风险计算步骤，按上述各设备，使用该各设备的上述多个状态信息，计算当前的设备故障风险；
未来故障风险估算步骤，按上述各设备，使用该各设备的上述当前的设备故障风险，估算未来的设备故障风险；
维护收益计算步骤，按上述各设备，根据该各设备的基于上述未来的设备故障风险的设备停止预测时间的减少量和该各设备的基于上述未来的设备故障风险的维护预测时间，计算维护收益；以及
最优维护时机设定步骤，基于上述各设备的上述维护收益，设定上述设备组的有关上述维护的最优维护时机。
14.一种程序，其特征在于，
用于使计算机作为权利要求1～12中任一项所述的维护管理装的各机构发挥功能。
CN201980052264.2A 2018-08-07 2019-07-31 维护管理装置、维护管理方法及程序 Pending CN112703515A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2018148608A JP7213637B2 (ja) 2018-08-07 2018-08-07 整備管理装置、整備管理方法及びプログラム
JP2018-148608 2018-08-07
PCT/JP2019/030000 WO2020031805A1 (ja) 2018-08-07 2019-07-31 整備管理装置、整備管理方法及びプログラム

Publications (1)

Publication Number Publication Date
CN112703515A true CN112703515A (zh) 2021-04-23

Family

ID=69414155

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980052264.2A Pending CN112703515A (zh) 2018-08-07 2019-07-31 维护管理装置、维护管理方法及程序

Country Status (8)

Country Link
US (1) US20210295275A1 (zh)
EP (1) EP3836042A4 (zh)
JP (1) JP7213637B2 (zh)
KR (1) KR20210040983A (zh)
CN (1) CN112703515A (zh)
DE (1) DE112019003968T5 (zh)
TW (1) TW202014946A (zh)
WO (1) WO2020031805A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7245940B1 (ja) 2022-03-14 2023-03-24 株式会社 日立産業制御ソリューションズ リスクアセスメント装置およびリスクアセスメント方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050149570A1 (en) * 2003-12-19 2005-07-07 Kabushiki Kaisha Toshiba Maintenance support method, storage medium, and maintenance support apparatus
US20150039552A1 (en) * 2013-08-05 2015-02-05 Applied Materials, Inc. Method and apparatus for optimizing profit in predictive systems
JP2016224539A (ja) * 2015-05-27 2016-12-28 日本電信電話株式会社 管理方法及び管理装置
US20160379144A1 (en) * 2015-06-29 2016-12-29 Ricoh Company, Ltd. Information processing system and failure prediction model adoption determining method
US20170003667A1 (en) * 2015-07-03 2017-01-05 Yokogawa Electric Corporation Equipment maintenance management system and equipment maintenance management method
CN107004164A (zh) * 2014-11-27 2017-08-01 株式会社博甘斯 设备的预测维修系统及方法
WO2018003879A1 (ja) * 2016-06-30 2018-01-04 日本電気株式会社 メンテナンス計画策定装置と方法とプログラム
TW201822080A (zh) * 2016-12-09 2018-06-16 三菱電機股份有限公司 故障風險指標推定裝置以及故障風險指標推定方法

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7774169B2 (en) * 2006-06-29 2010-08-10 Toshiba Tec Kabushiki Kaisha Maintenance system and method
US8560376B2 (en) * 2007-05-31 2013-10-15 Airbus Operations S.A.S. Method, system, and computer program product for a maintenance optimization model
JP4776590B2 (ja) * 2007-06-19 2011-09-21 株式会社日立製作所 保守管理支援装置およびその表示方法、保守管理支援システム
JP2009027020A (ja) * 2007-07-20 2009-02-05 Nikon Corp 検査装置、露光装置及び検査方法
US20090138306A1 (en) * 2007-09-28 2009-05-28 Johnson Controls Technology Company Facility risk assessment systems and methods
JP2009180722A (ja) 2008-01-30 2009-08-13 Takayoshi Yamamoto 対象設備の最適保全時期決定の支援方法、コンピュータプログラム、及び、対象設備の最適保全時期決定のための支援装置
JP2010191494A (ja) * 2009-02-16 2010-09-02 Mitsubishi Heavy Ind Ltd 高温プラント機器の余寿命診断装置及び方法
CA2859833A1 (en) * 2011-12-08 2013-06-13 Copperleaf Technologies Inc. Capital asset investment planning apparatus, systems and methods
US20140330747A1 (en) * 2013-05-01 2014-11-06 International Business Machines Corporation Asset lifecycle management
ES2818823T3 (es) * 2014-02-27 2021-04-14 Biogen Ma Inc Método de evaluación del riesgo de LMP
CN104239694B (zh) * 2014-08-28 2016-11-23 北京交通大学 一种城轨列车转向架的故障预测与视情维修方法
JP2016189088A (ja) * 2015-03-30 2016-11-04 株式会社日立製作所 設備管理支援システム
US10416662B2 (en) * 2015-09-22 2019-09-17 International Business Machines Corporation Maintenance optimization for asset performance management
US20170091688A1 (en) * 2015-09-30 2017-03-30 Embraer S.A. Method and system for maintenance services planning and scheduling optimization
CN108496196A (zh) * 2015-12-23 2018-09-04 苏伊士水资源私营有限公司 对资产实施维护活动
EP3631704A4 (en) * 2017-05-25 2021-07-21 Johnson Controls Technology Company MODELED PREDICTIVE MAINTENANCE SYSTEM FOR CONSTRUCTION EQUIPMENT

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050149570A1 (en) * 2003-12-19 2005-07-07 Kabushiki Kaisha Toshiba Maintenance support method, storage medium, and maintenance support apparatus
US20150039552A1 (en) * 2013-08-05 2015-02-05 Applied Materials, Inc. Method and apparatus for optimizing profit in predictive systems
CN107004164A (zh) * 2014-11-27 2017-08-01 株式会社博甘斯 设备的预测维修系统及方法
JP2016224539A (ja) * 2015-05-27 2016-12-28 日本電信電話株式会社 管理方法及び管理装置
US20160379144A1 (en) * 2015-06-29 2016-12-29 Ricoh Company, Ltd. Information processing system and failure prediction model adoption determining method
US20170003667A1 (en) * 2015-07-03 2017-01-05 Yokogawa Electric Corporation Equipment maintenance management system and equipment maintenance management method
WO2018003879A1 (ja) * 2016-06-30 2018-01-04 日本電気株式会社 メンテナンス計画策定装置と方法とプログラム
TW201822080A (zh) * 2016-12-09 2018-06-16 三菱電機股份有限公司 故障風險指標推定裝置以及故障風險指標推定方法

Also Published As

Publication number Publication date
DE112019003968T5 (de) 2021-05-20
KR20210040983A (ko) 2021-04-14
JP7213637B2 (ja) 2023-01-27
TW202014946A (zh) 2020-04-16
EP3836042A4 (en) 2022-03-30
US20210295275A1 (en) 2021-09-23
EP3836042A1 (en) 2021-06-16
JP2020024565A (ja) 2020-02-13
WO2020031805A1 (ja) 2020-02-13

Similar Documents

Publication Publication Date Title
JP5027053B2 (ja) 作業分析装置、生産管理方法及び生産管理システム
US20180189741A1 (en) Inspection management system and inspection management method
US20130325377A1 (en) Systems and methods for measuring and verifying energy usage in a building
US20060224434A1 (en) Human data acquisition and analysis for industrial processes
US20090271150A1 (en) System, method and algorithm for data-driven equipment performance monitoring
KR102355777B1 (ko) 프로세스의 이상 상태 진단 장치 및 이상 상태 진단 방법
CN105956734A (zh) 动态设置it设备的性能的指标阈值的方法及系统
JP2006228181A (ja) 品質変動表示装置、品質変動表示方法、品質変動表示プログラム及び該プログラムを記録した記録媒体
WO2011058894A1 (ja) Ｉｄ媒体及びセンサを利用した作業進捗推定装置及び方法
JP5017176B2 (ja) 製造指示評価支援システム、製造指示評価支援方法、および製造指示評価支援プログラム
WO2017145318A1 (ja) 製造設備の異常診断装置
US20190086291A1 (en) Method for online service policy tracking using optimal asset controller
JP2009020717A (ja) 状態監視方法及び状態監視装置並びにプログラム
JP2006336875A (ja) 空調制御システム
CN112703515A (zh) 维护管理装置、维护管理方法及程序
JP2008165832A (ja) 品質変動表示装置、品質変動表示方法、品質変動表示プログラム及び該プログラムを記録した記録媒体
JP2014153957A (ja) センサ健全性診断装置、センサ健全性診断方法、該センサ健全性診断装置を備えるプラント診断装置、および該センサ健全性診断方法を用いたプラント診断方法
JP6312955B1 (ja) 品質分析装置及び品質分析方法
JP7451854B2 (ja) 産業環境におけるエネルギー消費量を診断する方法、システム、及びコンピュータプログラム製品
CN111768080A (zh) 一种在制产品完工进度的评估方法与系统
JP2016091414A (ja) 故障推定装置、故障推定データベース装置、故障推定プログラム、故障推定データベースプログラム、および故障推定システム
JP2018113027A (ja) プロセスの異常状態診断方法および異常状態診断装置
CN116384876A (zh) 基于维纳过程的备件动态库存-生产控制方法、系统及介质
CN115640860A (zh) 一种工业云服务的机电设备远程维护方法及系统
US20090192843A1 (en) Method and system for time-standard development

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