CN115917565A - 部件寿命预测系统及维护支援系统 - Google Patents
部件寿命预测系统及维护支援系统 Download PDFInfo
- Publication number
- CN115917565A CN115917565A CN202280005771.2A CN202280005771A CN115917565A CN 115917565 A CN115917565 A CN 115917565A CN 202280005771 A CN202280005771 A CN 202280005771A CN 115917565 A CN115917565 A CN 115917565A
- Authority
- CN
- China
- Prior art keywords
- work machine
- industry
- component
- server device
- work
- 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
Links
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
Abstract
部件寿命预测系统(1)具备以能够与作业机械(2)通信的方式构成并预测作业机械(2)的部件的寿命的服务器装置(10)。服务器装置(10)分别获取包含作业机械(2)的工作位置的信息在内的作业机械(2)的工作信息和预先存储的作业机械(2)的工作位置的航空照片,基于所获取的作业机械(2)的工作信息及工作位置的航空照片来推定使用作业机械(2)的行业,基于所推定的行业来预测作业机械(2)的部件的寿命。
Description
技术领域
本发明涉及部件寿命预测系统及维护支援系统,特别是,涉及预测作业机械的部件的寿命的部件寿命预测系统及维护支援系统。
本申请基于2021年3月31日提出的日本特愿2021-059112号来主张优先权,并将其内容引用在本说明书中
背景技术
以往,作为这样的技术领域,已知例如如专利文献1所记载的补给部件生产预测系统,其基于作业机械的位置信息从服务器获取工作地域的部件承受的负荷,基于作业机械的工作履历预测各工作地域的部件的寿命,向达到部件寿命的作业机械发送警告信息。
现有技术文献
专利文献
专利文献1:日本特开2005-173979号公报
发明内容
发明要解决的课题
但是,在专利文献1记载的补给部件生产预测系统的情况下,很难说仅将部件的负荷与各工作地域建立对应就能够实现高精度的寿命预测。另外,需要按工作地域预先准备与工作地域中的部件承受的负荷相关的数据,若是过去工作过的地域,则能够预测部件的寿命,但在初始的工作地域的情况下,由于没有与该地域中的部件承受的负荷相关的数据,因此存在无法预测寿命的问题。其结果,部件的寿命的预测精度低。
鉴于上述情况提出,本发明的目的在于提供能够提高预测作业机械的部件的寿命的预测精度的部件寿命预测系统及维护支援系统。
用于解决课题的手段
本发明的部件寿命预测系统具备服务器装置,该服务器装置以能够与作业机械通信的方式构成,并预测所述作业机械的部件的寿命,所述部件寿命预测系统的特征在于,所述服务器装置获取包含所述作业机械的工作位置的信息在内的所述作业机械的工作信息,基于所述作业机械的工作信息及预先存储的所述作业机械的工作位置的航空照片来推定使用所述作业机械的行业,并基于所推定的行业来预测所述作业机械的部件的寿命。
在本发明的部件寿命预测系统中,基于作业机械的工作信息及预先存储的作业机械的工作位置的航空照片来推定使用作业机械的行业,并基于所推定的行业来预测作业机械的部件的寿命。由此,由于能够考虑各行业中的作业机械的工作环境及工作特征进行与该行业对应的部件的寿命预测,因此能够提高预测精度。
发明效果
根据本发明,能够提高预测作业机械的部件的寿命的预测精度。
附图说明
图1是示出实施方式的部件寿命预测系统的概略构成图。
图2是示出服务器装置的控制处理的流程图。
图3是示出工作日报表的一例的图。
图4是示出部件更换履历表的一例的图。
图5是示出顾客信息表的一例的图。
图6是示出各行业中的作业机械的工作特征的一例的图。
图7是示出用户终端上显示的消息的一例的图。
图8是示出服务器装置的其他控制处理的流程图。
图9是示出用户终端上显示的故障要因的一例的图。
图10是示出用户终端上显示的故障要因的一例的图。
图11是示出实施方式的维护支援系统的概略构成图。
具体实施方式
以下,参照附图说明本发明的部件寿命预测系统及维护支援系统的实施方式,但在实施方式的说明之前,说明本发明的原委。
液压挖掘机等作业机械被用于多种行业。由于液压挖掘机的工作环境根据行业而大不相同的,因此液压挖掘机的部件的磨耗情况、故障要因也不同。即使是例如同型的液压挖掘机,解体使用的液压挖掘机也由于附属部件的爪部分的损伤比报废、工业废弃等其他行业严重而附属部件的爪部分的磨耗进展快。
另外,在同型的液压挖掘机被分别用于碎石、工业废弃、土木工程、租赁、报废及解体的行业的情况下,以链轮齿尖为例,存在租赁行业中的链轮齿尖的磨耗量最小、报废行业中的链轮齿尖的磨耗量最大的倾向。这被认为是,由于废料放置场的金属片比其他行业多,因此这些金属片会被卷入液压挖掘机的链轮的齿与链节之间,作业机械以将卷入的金属片咬住的状态走行,从而链轮齿尖的磨耗的进展加快。
另一方面,以制动蹄片为例,存在租赁行业中的制动蹄片的磨耗量最小、碎石行业中的制动蹄片的磨耗量最大的倾向。这被认为是,由于碎石场中又硬又尖的碎石多,因此对制动蹄片的损害大。
因而,本申请发明人着眼于作业机械部件的磨耗情况、故障要因根据行业差异而变化的情况,发现通过推定使用作业机械的行业并考虑所推定的行业中的作业机械的工作环境及工作特征来进行部件的寿命预测,从而能够提高预测精度,并完成本发明。
[部件寿命预测系统]
图1是示出实施方式的部件寿命预测系统的概略构成图。如图1所示,部件寿命预测系统1包括作业机械2、作业机械管理服务器3、航空照片管理服务器4、预测作业机械2的部件的寿命的服务器装置10及用户终端5。作业机械2、作业机械管理服务器3、航空照片管理服务器4、服务器装置10及用户终端5构成为能够经由网络6分别通信。
在本实施方式中,作为作业机械2以液压挖掘机为例来说明,但作业机械2不限定于液压挖掘机,也可以是轮式装载机、推土机等。需要说明的是,作业机械2不限于单体,也可以是多个。各作业机械2被赋予识别编号。
如图1所示,作业机械2具有通信部21、车身控制器22、存储部23及车载传感器24。通信部21是例如与网络6连接的无线机,将由车载传感器24检测到的各数据向作业机械管理服务器3发送,或将作业机械2的工作信息定期(例如以1天1次的频度)向作业机械管理服务器3发送,或将作业机械2的部件更换信息向作业机械管理服务器3发送。另外,通信部21接收从作业机械管理服务器3发送的车身控制器22的更新程序。需要说明的是,在将由车载传感器24检测到的各数据、工作信息及部件更换信息向作业机械管理服务器3发送时,通信部21也同时发送作业机械2的识别编号。
车身控制器22由将例如执行运算的CPU(Central Processing Unit:中央处理单元)、记录有运算用的程序的作为二次存储装置的ROM(Read Only Memory:只读存储器)及作为保存运算经过、保存临时控制变量的临时存储装置的RAM(Random Access Memory:随机存取存储器)组合而成的微型计算机构成,通过执行所存储的程序来进行作业机械2整体的控制。
存储部23存储对作业机械2对进行控制的程序、由车载传感器24检测到的数据等。车载传感器24是安装于作业机械2的各种传感器,检测与作业机械2的工作相关的各数据,并将检测到的数据输出至车身控制器22。作为车载传感器24,例如能够举出分别检测作业机械2的斗杆、动臂及铲斗的倾斜的IMU(Inertial Measurement Unit:惯性测量单元)、检测作业机械2的回转体的回转角度的回转角传感器、检测走行操作的走行操作传感器等。
另外,在作业机械2上搭载有GPS(Global Positioning System:全球定位系统)传感器25。GPS传感器25具有接收来自GPS卫星的信号天线,基于从多个GPS卫星接收到的信号的时间差来检测地球坐标系中的作业机械2的工作位置的信息。
作业机械管理服务器3设置在作业机械2的厂商的总公司、分公司、工厂或管理中心,定期收集从作业机械2发送的工作信息、部件更换的信息等,进行作业机械2的集中管理。作业机械管理服务器3由将例如执行运算的CPU(Central Processing Unit:中央处理单元)、存储有运算用的程序的作为二次存储装置的ROM(Read Only Memory:只读存储器)、作为保存运算经过、保存临时控制变量的临时存储装置的RAM(Random Access Memory)组合而成的微型计算机构成,通过执行所存储的程序来进行各处理。
作业机械管理服务器3具有通信部31、工作日报表32、部件更换履历表33及顾客信息表34。通信部31是例如用于与网络6连接的无线机,接收从作业机械2发送的工作信息、部件更换信息等,或者根据服务器装置10的请求而将作业机械2的工作信息向服务器装置10发送。
工作日报表32基于从作业机械2发送的工作信息而创建。例如,如图3所示,工作日报表32中存储有“号机编号”、“工作日”、“工作时间”、“走行时间”、“挖掘时间”、“回转时间”、“燃油效率”、“纬度”及“经度”的项目。号机编号是作业机械2的识别编号。工作日是接收从作业机械2发送的工作信息的日期。工作时间、走行时间、挖掘时间、回转时间及燃油效率基于由作业机械2的车载传感器24检测到的数据来计算。纬度及经度由作业机械2的GPS传感器25检测。需要说明的是,在此,也可以取代“工作日”而设为“工作日期时间”。
部件更换履历表33基于从作业机械2发送的部件更换信息而创建。例如,如图4所示,在部件更换履历表33中记载有“号机编号”、“更换日”、“更换部件编号”及“数量”的项目。顾客信息表34对作为作业机械2的用户的顾客的信息进行管理。例如,如图5所示,顾客信息表34中记载有“号机编号”及“顾客名称”。
航空照片管理服务器4收集世界各地的航空照片并进行管理,经由网络6向外部提供。此处的航空照片也可以称为空中照片,优选定期更新。该航空照片管理服务器4具有通信部41、存储航空照片的航空照片存储部42及存储地图信息的地图信息存储部43。需要说明的是,航空照片管理服务器4也可以不具有地图信息存储部43。
另外,航空照片管理服务器4对应于作业机械管理服务器3或服务器装置10的请求,从航空照片存储部42提取与某个经纬度(例如,作业机械2的工作位置)对应的航空照片,并向作业机械管理服务器3或服务器装置10发送。
用户终端5是例如智能手机、平板电脑终端、移动电话、PC(Personal Computer:个人计算机)等,由作业机械2的维护人员或所有者等携带。用户终端5具有:通信部51;信息获取部52,其获取从服务器装置10发送的信息;以及显示部53,其由用于显示所获取的信息的显示器构成。
服务器装置10由将例如执行运算的CPU(Central Processing Unit:中央处理单元)、存储有运算用的程序的作为二次存储装置的ROM(Read Only Memory:只读存储器)及作为保存运算经过、保存临时控制变量的临时存储装置的RAM(Random Access Memory)组合而成的微型计算机构成,通过执行所存储的程序来进行计算、预测及推定等处理。
在本实施方式中,服务器装置10基于从作业机械管理服务器3发送的作业机械2的工作信息和从航空照片管理服务器4发送的航空照片来推定使用作业机械2的行业,基于所推定的行业来预测作业机械2的部件的寿命,进一步推定部件的故障要因。因此,本实施方式的服务器装置10具有通信部11、信息获取部12、行业推定部13、部件寿命预测部14及故障要因推定部15。
通信部11是例如用于与网络6连接的无线机,接收例如从作业机械管理服务器3发送的作业机械2的工作信息及从航空照片管理服务器4发送的航空照片,或者将来自服务器装置10的各信息向用户终端5发送。信息获取部12经由通信部11从作业机械管理服务器3获取作业机械2的工作信息,从航空照片管理服务器4获取航空照片,并存储所获取的信息。
行业推定部13基于由信息获取部12获取到的作业机械2的工作信息和作业机械2的工作位置的航空照片来推定使用作业机械2的行业。具体来说,行业推定部13首先确定作业机械2的过去使用的行业,通过将所确定的行业与过去使用时的工作位置的航空照片建立关联并创建机器学习用的教师数据,进一步针对所创建的教师数据通过深度学习来进行机器学习,从而构建行业推定的模型。接下来,行业推定部13使用所构建的行业推定的模型,基于作业机械2的工作信息和作业机械2的工作位置的航空照片来推定该使用作业机械2的行业。
更具体来说,在构建行业推定的模型时,行业推定部13首先针对由信息获取部12获取的作业机械2的过去的工作信息提取该工作信息中包含的工作位置的信息(即,经纬度)。接下来,行业推定部13经由信息获取部12及通信部11从航空照片管理服务器4获取与所提取的经度纬度对应的航空照片(即,工作位置的航空照片)。
接下来,行业推定部13使用所获取的作业机械2的工作位置的航空照片及所确定的使用作业机械2的行业来创建机器学习用的教师数据(即,带有行业名称的航空照片文件组),针对所创建的教师数据,通过深度学习,自动提取各自的特征来进行行业分类并构建行业推定的模型。作为此处的行业,例如能够举出报废、采石、河砂等原材料采取、工业废弃、土木工程、解体、道路工程、钢铁/金属、林业、港口货物装卸、再利用、农业、租赁等。
另外,本实施方式的行业推定部13基于所获取的作业机械2的工作信息及事先创建的各行业中的作业机械2的工作特征,通过例如决策树分类来推定使用作业机械2的行业。在此,作业机械存在对应于行业(工作现场)而频繁进行的动作的倾向(以下称为“工作特征”)。工作特征为各行业中的作业机械2的使用方式的特征。
具体来说,例如,如图6所示,横轴表示行业(报废、原材料采取、工业废弃、土木工程),纵轴表示工作特征(附属部件的安装/操作、挖掘负荷、回转操作量、无操作时间及走行频度),行业推定部13基于作业机械2的工作特征并通过决策树分类来进行行业分类。图6中的“◎”表示凡例多,“○”表示凡例普通,“△”表示凡例少。需要说明的是,“凡例”是指有行业特征性的作业机械的动作。
例如,以图6中的附属部件的安装/操作为例,在报废、原材料采取、工业废弃及土木工程中,与原材料采取、工业废弃及土木工程相比,在报废的情况下,具有附属部件的安装/操作多的特征。同样地,以挖掘负荷以为例,在报废、原材料采取、工业废弃及土木工程中,与报废、原材料采取及土木工程相比,在工业废弃的情况下,具有挖掘负荷小的特征。需要说明的是,与附属部件的安装/操作、挖掘负荷、回转操作量、无操作时间及走行频度相关的信息能够从作业机械2的工作日报获得。
另外,作为各行业的作业机械2的工作特征,在报废的情况下,使用起重磁体(lifting magnet)或叉子的金属类等的区分、装卸多,在原材料采取的情况下,使用铲斗的表层土剥离、挖掘/装载、设备(plant)装载、碎石机中的碎块多。此外,在工业废弃的情况下,使用铲斗或叉子的装卸、平整作业、工业废弃物移动、表层土覆盖、压实作业多,在土木工程的情况下,使用铲斗的砂土的挖掘/装载、砂土的移动、整地、铺平多,与其他相比有回转操作多的倾向。
另外,作为各行业中的作业机械2的工作特征,还能够举出作业机械2的移动距离差异。例如,在行业为工业废弃、报废、再利用、农业、钢铁/制铁、解体的情况下,由于作业机械的工作范围限于一定地域内,因此作业机械的移动距离约为100m以内且走行频度少,在行业为港口货物装卸、原材料采取、土木工程、道路工程的情况下,作业机械的移动距离约为500m以内。另一方面,在行业为碎石的情况下,作业机械的移动距离大,约为1km以内,在行业为林业的情况下,作业机械的移动距离更大,约为3km以内,走行频度高。
因此,行业推定部13能够使用各行业中的移动距离差异(换言之,各行业中的移动距离的特性)进行行业的分类。需要说明的是,作业机械2的移动距离能够从作业机械2的工作日报获得。
此外,在本实施方式中,行业推定部13使用基于作业机械2的工作信息和各行业中的作业机械2的工作特征的行业推定的结果,针对上述航空照片进行机器学习,从而提高所构建的行业推定的模型的精度。即,行业推定部13将基于作业机械2的工作信息和各行业中的作业机械2的工作特征的行业推定的结果与针对上述航空照片进行机器学习得到的行业推定的结果结合,能够高精度地构建行业推定的模型。由此,能够进一步提高行业分类的精度。
并且,在希望推定使用某个作业机械2的行业时,行业推定部13基于该作业机械2的工作位置的信息,从航空照片管理服务器4获取该作业机械2的工作位置的航空照片,并基于所获取的航空照片和上述所构建的行业推定的模型来进行使用该作业机械2的行业的推定。
此时,优选的是,行业推定部13通过基于作为希望推动行业的对象的作业机械2的工作信息和各行业中的作业机械2的工作特征来进一步推定行业,并将其推定结果与基于上述航空照片及行业推定的模型的行业推定的结果结合,从而提高行业推定的精度。需要说明的是,进一步优选将行业推定部13的推定结果反馈到机器学习用的教师数据中。
部件寿命预测部14基于由行业推定部13推定的行业来预测作业机械2的部件的寿命。具体来说,部件寿命预测部14使用预先创建的各行业的模型部件的工作时间与磨耗率的关系曲线、表等,基于作业机械2的工作时间(总工作时间)来预测该行业的模型部件的寿命。在本实施方式中,部件的寿命表示在以当前的使用条件持续工作的情况下的该部件的剩余使用时间。需要说明的是,各行业的模型部件既可以是一个,也可以是多个。
另外,部件寿命预测部14参照在作业机械管理服务器3的部件更换履历表33中存储的部件的更换履历,进行模型部件的寿命预测。例如,若更换某个模型部件,则将与该部件相关的总工作时间重置并重新计算。
故障要因推定部15基于由行业推定部13推定的行业来考虑该行业中的作业机械2的故障倾向而推定故障要因。各行业的作业机械2的故障倾向通过对各行业的过去的故障要因进行统计性处理来提取。
在例如行业为报废的情况下,废料放置场的金属片被液压挖掘机的行走部件夹住的情况多,存在由金属片夹住引起的走行部件的故障发生得多的倾向。因此,推定使用作业机械2的行业为报废,且在走行部件检测到异常的情况下,故障要因推定部15考虑上述故障倾向,重点推定是否是由金属片夹入引起的故障。
另外,在行业为土木工程的情况下,土、砂容易侵入空气滤清器等部件,存在引起发动机的异常燃烧的倾向。因此,在推定使用作业机械2的行业为土木工程且发生了发动机的异常燃烧的情况下,故障要因推定部15重点推定是否是由土、砂侵入空气滤清器引起。
然后,服务器装置10将由行业推定部13推定的结果、由部件寿命预测部14预测的结果及由故障要因推定部15推定的结果向用户终端5发送。
以下参照图2说明服务器装置10的控制处理。
首先,在步骤S11中,服务器装置10的信息获取部12经由通信部11从作业机械管理服务器3获取作业机械2的工作信息。在接着步骤S11的步骤S12中,信息获取部12从所获取的作业机械2的工作信息提取作业机械2的工作位置的信息(经纬度),经由通信部11从航空照片管理服务器4获取该工作位置的航空照片并存储。此处的工作信息获取(步骤S11)及航空照片获取(步骤S12)由例如信息获取部12以规定的周期自动进行。
在接着步骤S12的步骤S13中,行业推定部13如上所述,基于所获取的工作信息和航空照片来创建机器学习用的教师数据,并构建行业推定的模型。
在接着步骤S13的步骤S14中,服务器装置10获取希望预测部件寿命的作业机械2的工作位置的信息(经纬度),并基于该经纬度的信息从航空照片管理服务器4获取航空照片。对于希望预测部件寿命的作业机械2,服务器装置10既可以按照来自作业机械管理服务器3的指示决定,也可以自行决定。
在接着步骤S14的步骤S15中,行业推定部13如上所述,基于所获取的航空照片和作业机械2的工作信息来推定希望预测部件寿命的使用作业机械2的行业。即,使用基于上述航空照片及行业推定的模型的行业推定和基于上述作业机械2的工作信息及各行业中的作业机械2的工作特征的行业推定双方进行行业推定。
在接着步骤S15的步骤S16中,部件寿命预测部14基于在步骤S15中推定的行业的结果来预测各行业的模型部件的寿命。模型部件是指作为寿命预测时的基准标记(指标)的部件。具体来说,首先,服务器装置10基于在步骤S15中推定的行业的结果来提取该行业的模型部件。例如,在推定在步骤S15中使用作业机械2的行业为报废的情况下,服务器装置10提取作为报废的模型部件的链轮。
接下来,部件寿命预测部14基于预先创建的链轮的工作时间与磨耗率的关系曲线,根据作业机械2的工作时间(总工作时间)来预测链轮的寿命。此外,部件寿命预测部14基于预测到的链轮的寿命来计算该链轮的更换时期。
在接着步骤S16的步骤S17中,服务器装置10判定各行业的模型部件更换时期是否为阈值以上。例如,服务器装置10将由部件寿命预测部14计算的链轮的更换时期与预先设定的阈值比较,判定该链轮的更换时期是否为阈值以上。此处的阈值是发布提醒注意的警报的标准,例如设定为更换时期的90%。需要说明的是,该阈值也可以对应于状况而适当变更。
并且,在判定各行业的模型部件更换时期非阈值以上的情况下,控制处理结束。另一方面,在判定各行业的模型部件更换时期为阈值以上的情况下,控制处理进入步骤S18。在步骤S18中,服务器装置10经由通信部11向用户终端5通知警报,并且,也将记载有能够确认部件的累积损伤和直到更换为止的预测值的地址的邮件向用户终端5发送。
部件的累积损伤参照例如过去使用作业机械2的行业的比例计算。作为一个例子,在过去使用作业机械2的行业的比例为报废70%、工业废弃30%的情况下,由“累积损伤(%)=报废行业的系数×70%+工业废弃行业的系数×30%”计算。报废行业的系数设定为例如1,工业废弃行业的系数设定为例如0.5。另外,在过去使用作业机械2的行业的比例为原材料采取50%、土木工程50%的情况下,由“累积损伤(%)=原材料采取行业的系数×50%+土木工程行业系数×50%”计算。需要说明的是,直到更换为止的预测值是表示部件还有多长时间达到寿命阈值的值。另外,此时,也可以将表示部件的损伤度与更换时期的相关的曲线图也同时向用户终端5发送。
并且,在用户终端5,若点击所接收到的邮件中的地址,则如图7所示,显示部53显示“在以当前使用条件工作的情况下,寿命阈值还有100小时。请考虑部件订购等。”的消息。消息不限于文本消息,也可以按照寿命阈值从高到低的顺序以“A(更换推荐度:高)”、“B(更换推荐度:中)”、“C(更换推荐度:低)”、等简化的分类显示。作业机械2的所有者等能够看到所显示的消息而容易把握部件寿命,因此更加容易制定部件的购买计划。另外,消息不限于文本显示,例如也可以显示作业机械的图像,并通过使相应的部位闪烁来显示。也可以构成为,在闪烁时,按照寿命阈值从高到低的(更换时期接近的)顺序以红/黄/蓝等颜色显示,通过轻点正在闪烁的部位来进一步通知与故障相关的信息(概要)。另外,故障的部位能够通过用户终端操作画面上的捏合/拉开的操作而任意放大/缩小。由此,能够直观地视觉辨认作业机械2的部位的累积损伤和寿命。另外,能够把握更换时期等对策的概要。
需要说明的是,各行业的模型部件既可以是一个,也可以是多个。在多个的情况下,在步骤S16中计算各模型部件的寿命预测及更换时期,在步骤S17中进行与各模型部件相关的更换时期与阈值的比较。并且,若判定多个模型部件中的一个部件更换时期为阈值以上,则进行向用户终端5的警报通知及邮件发送。
在按照以上方式构成的服务器装置10中,具有:信息获取部12,其获取包含作业机械2的工作位置的信息在内的作业机械2的工作信息及作业机械2的工作位置的航空照片;行业推定部13,其基于所获取的作业机械2的工作信息及工作位置的航空照片通过机器学习来推定使用作业机械2的行业;以及部件寿命预测部14,其基于所推定的行业来预测作业机械2的部件的寿命。由此,由于能够考虑各行业中的作业机械2的工作环境及工作特征进行与该行业对应的部件的寿命预测,因此能够提高预测精度。
其结果,由于能够及时向作业机械2的用户或代理店等提议部件更换,因此能够防止由部件故障引起的工作时间的损失。另外,使用作业机械2的工作信息及作业机械2的工作位置的航空照片通过机器学习来构建行业推定的模型,从而能够提高所构建的行业推定的模型的精度,并且,在初始的工程场所中也能够推定行业。
需要说明的是,本实施方式的服务器装置10的控制处理不限于以上所述,能够进行例如图8所示的控制处理。
图8中示出的步骤S21~S23与上述步骤S11~S13相同,因此省略重复说明。在接着步骤S23的步骤S24中,故障要因推定部15如上所述,对各行业的过去的故障要因进行统计性处理,并提取各行业的作业机械2的故障倾向。
在接着步骤S24的步骤S25中,服务器装置10判定是否检测到异常。此时,服务器装置10基于由作业机械2的车载传感器24检测并经由通信部21发送的检测结果来判定是否有异常检测。重复执行该步骤S25直到检测到异常为止。
并且,在判定为有异常检测的情况(Y)下,控制处理进入步骤S26。在步骤S26中,行业推定部13如上所述,基于所获取的航空照片和作业机械2的工作信息来推定检测到异常的作业机械2的行业。具体来说,服务器装置10的信息获取部12获取检测到异常的作业机械2的工作位置的信息(经纬度),并从航空照片管理服务器4获取该工作位置的航空照片。接下来,行业推定部13进行与上述步骤S15相同的处理,并进行检测到异常的作业机械2的行业推定。
在接着步骤S26的步骤S27中,故障要因推定部15使用在步骤S24中提取的各行业的作业机械2的故障倾向,推动与在步骤S25检测到的异常相关的故障要因。
在接着步骤S27的步骤S28中,服务器装置10经由通信部11向用户终端5通知部件可能故障的警报,并将记载有能够确认所推定的故障要因等的地址的邮件也向用户终端5发送。
并且,在用户终端5,若点击所接收到的邮件中的地址,则如图9及图10所示,将与“故障警报名”、“行业推定”及“要因推定”相关的内容显示在显示部53上。例如,在图9所示的例子中,作为行业推定为土木工程,作为异常燃烧的故障要因,推定为发动机部件中可能混有砂。在图10所示的例子中,作为行业推定为报废,作为走行部件的故障要因,推定为行走部件可能夹入有金属片。并且,作业机械2的所有者等能够观察所显示的内容而容易把握故障要因,能够容易地采取针对故障的对策等措施。另外,由此,还能够提高作业机械2的维护人员的作业效率。与图7同样地,故障要因的显示不限于文本显示。即,与故障警报相应的故障内容也可以通过显示表示作业机械的轮廓的图像并使相应部位闪烁来显示。此时,与图7的例子同样地,通过轻击正在闪烁的部位,从而附加显示行业推定等信息,概率也可以以百分比显示。此时,在行业推定的概率在至少2个行业中近似的情况(例如土木工程(45%)、工业废弃(40%))下,同时记载概率最高的行业和概率第二高的行业。近似的范围也可以任意设定。通过这样的表现,作业机械2的维护人员能够直观把握与故障相关的信息,即使在难以确定概率最高的行业推定的情况下,也能够灵活地准备设想第二高的行业。
[维护支援系统]
以下基于图11说明维护支援系统100。维护支援系统100在服务器装置10A的构造方面与上述部件寿命预测系统1不同。其他构造与部件寿命预测系统1相同,因此标注与部件寿命预测系统1相同的附图标记,并省略重复说明。
如图11所示,维护支援系统100是用于支援维护人员等的维护作业的系统,其包含服务器装置10A,该服务器装置10A构成为能够与作业机械管理服务器3及航空照片管理服务器4通信,其中,该作业机械管理服务器3收集包含工作位置的信息在内的作业机械2的工作信息,该航空照片管理服务器4存储基于位置信息的航空照片。与上述部件寿命预测系统1同样地,作业机械管理服务器3将所收集的作业机械2的工作信息向服务器装置10A发送,服务器装置10A将作业机械2的工作信息向航空照片管理服务器4发送,航空照片管理服务器4提取与作业机械2的工作信息中包含的工作位置的信息对应的航空照片并向服务器装置10A发送。
另外,服务器装置10A基于作业机械2的工作信息及作业机械2的工作位置的航空照片来推定使用作业机械2的行业。此外,服务器装置10A基于作业机械2的工作信息和各行业中的作业机械2的工作特征来推定使用作业机械2的行业。
与上述部件寿命预测系统1的服务器装置10相比,服务器装置10A不具有部件寿命预测部14及故障要因推定部15,仅由通信部11、信息获取部12及行业推定部13构成。该服务器装置10A将由行业推定部13推定的行业的结果向维护人员的终端(即,用户终端5)发送。此时,优选服务器装置10A将预测精度与所推定的行业的结果一并发送。维护人员能够观察所发送的结果来把握作业机械2的使用的行业,进而将适合该行业的维护工具带到现场。其结果,能够防止携带不需要的工具而增加维护人员的负荷,提高维护作业的效率。
根据本实施方式的维护支援系统100,与上述部件寿命预测系统1同样地,能够提高预测作业机械2的部件的寿命的预测精度,因此能够实现维护作业的效率提高。
以上对本发明的实施方式进行了详细说明,但本发明并非限定于上述实施方式,能够在不脱离权利要求书所记载的本发明的精神的范围内进行多种设计变更。
附图标记说明
1部件寿命预测系统
2作业机械
3作业机械管理服务器
4航空照片管理服务器
5用户终端
10、10A服务器装置
11通信部
12信息获取部
13行业推定部
14部件寿命预测部
15故障要因推定部
24车载传感器
25GPS传感器
32工作日报表
33部件更换履历表
42航空照片存储部
53显示部
100维护支援系统
Claims (8)
1.一种部件寿命预测系统,其具备服务器装置,该服务器装置以能够与作业机械通信的方式构成,并预测所述作业机械的部件的寿命,
所述部件寿命预测系统的特征在于,
所述服务器装置获取包含所述作业机械的工作位置的信息在内的所述作业机械的工作信息,基于所述作业机械的工作信息及预先存储的所述作业机械的工作位置的航空照片来推定使用所述作业机械的行业,并基于所推定的行业来预测所述作业机械的部件的寿命。
2.根据权利要求1所述的部件寿命预测系统,其中,
所述服务器装置通过针对所述作业机械的工作位置的航空照片进行机器学习,从而推定使用所述作业机械的行业。
3.根据权利要求1所述的部件寿命预测系统,其中,
所述服务器装置基于所述作业机械的工作信息和各行业中的作业机械的工作特征来推定使用所述作业机械的行业。
4.根据权利要求1~3中任一项所述的部件寿命预测系统,其中,
所述服务器装置基于所推定的行业和预先创建的各行业的模型部件的工作时间与磨耗率的关系来预测所述作业机械的模型部件的寿命。
5.根据权利要求1~4中任一项所述的部件寿命预测系统,其中,
所述服务器装置基于所推定的行业来进一步推定部件的故障要因。
6.根据权利要求5所述的部件寿命预测系统,其中,
所述服务器装置将部件寿命的预测结果及故障要因的推定结果向以能够与所述服务器装置通信的方式构成的终端发送。
7.一种维护支援系统,其包含:作业机械管理服务器,其收集包含工作位置的信息在内的作业机械的工作信息;以及服务器装置,其以能够与航空照片管理服务器通信的方式构成,其中,所述航空照片管理服务器中存储基于位置信息的航空照片,
所述维护支援系统的特征在于,
所述作业机械管理服务器将所收集的作业机械的工作信息向所述服务器装置发送,
所述服务器装置将所述作业机械的所述工作信息向所述航空照片管理服务器发送,
所述航空照片管理服务器提取与所述工作信息中包含的工作位置的信息对应的航空照片,并向所述服务器装置发送,
所述服务器装置基于所述作业机械的工作信息及所述作业机械的工作位置的航空照片来推定使用所述作业机械的行业。
8.根据权利要求7所述的维护支援系统,其特征在于,
所述服务器装置基于所述作业机械的工作信息和各行业中的作业机械的工作特征来推定使用所述作业机械的行业,与预测精度一并输出显示。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021-059112 | 2021-03-31 | ||
JP2021059112 | 2021-03-31 | ||
PCT/JP2022/001621 WO2022209167A1 (ja) | 2021-03-31 | 2022-01-18 | 部品寿命予測システム及び保守支援システム |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115917565A true CN115917565A (zh) | 2023-04-04 |
Family
ID=83458613
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280005771.2A Pending CN115917565A (zh) | 2021-03-31 | 2022-01-18 | 部件寿命预测系统及维护支援系统 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20230333549A1 (zh) |
EP (1) | EP4318339A1 (zh) |
JP (1) | JP7509996B2 (zh) |
KR (1) | KR20230042363A (zh) |
CN (1) | CN115917565A (zh) |
WO (1) | WO2022209167A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115104321A (zh) * | 2020-02-18 | 2022-09-23 | 神钢建机株式会社 | 操作支援服务器、操作支援系统及操作支援方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2024092434A (ja) * | 2022-12-26 | 2024-07-08 | 株式会社クボタ | 産業機械、及び、産業機械の通信システム |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005173979A (ja) | 2003-12-11 | 2005-06-30 | Komatsu Ltd | 補給部品生産予測システム、補給部品生産予測方法及びプログラム |
JP6080585B2 (ja) | 2013-02-08 | 2017-02-15 | 日立建機株式会社 | 作業内容データベースの作成方法 |
JP6017013B2 (ja) * | 2013-02-26 | 2016-10-26 | 住友重機械工業株式会社 | ショベル支援装置及びショベル支援方法 |
JP6298797B2 (ja) | 2015-06-18 | 2018-03-20 | 日立建機株式会社 | 建設機械の交換品管理システム |
JP7334052B2 (ja) | 2019-04-09 | 2023-08-28 | 株式会社小松製作所 | 情報処理装置、情報処理方法、学習済モデルの生成方法、およびシステム |
JP6972285B2 (ja) | 2019-10-07 | 2021-11-24 | 日東電工株式会社 | 印刷層付フィルム積層体、該印刷層付フィルム積層体を含む光学積層体、およびこれらを用いた画像表示装置 |
-
2022
- 2022-01-18 EP EP22779399.9A patent/EP4318339A1/en active Pending
- 2022-01-18 JP JP2023510509A patent/JP7509996B2/ja active Active
- 2022-01-18 WO PCT/JP2022/001621 patent/WO2022209167A1/ja active Application Filing
- 2022-01-18 KR KR1020237006894A patent/KR20230042363A/ko unknown
- 2022-01-18 US US18/023,902 patent/US20230333549A1/en active Pending
- 2022-01-18 CN CN202280005771.2A patent/CN115917565A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115104321A (zh) * | 2020-02-18 | 2022-09-23 | 神钢建机株式会社 | 操作支援服务器、操作支援系统及操作支援方法 |
Also Published As
Publication number | Publication date |
---|---|
JP7509996B2 (ja) | 2024-07-02 |
JPWO2022209167A1 (zh) | 2022-10-06 |
US20230333549A1 (en) | 2023-10-19 |
WO2022209167A1 (ja) | 2022-10-06 |
KR20230042363A (ko) | 2023-03-28 |
EP4318339A1 (en) | 2024-02-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104321809B (zh) | 工业车辆的管理系统 | |
US10344455B2 (en) | Replaceable component management system for construction machine | |
CN115917565A (zh) | 部件寿命预测系统及维护支援系统 | |
US6728619B2 (en) | Failure measure outputting method, output system, and output device | |
JP4856163B2 (ja) | 建設機械の診断情報提供装置 | |
US8145513B2 (en) | Haul road maintenance management system | |
JP5052468B2 (ja) | 施工管理システム | |
US20160342915A1 (en) | Autonomous Fleet Size Management | |
EP3724603B1 (en) | Worksite management system | |
CN109426869B (zh) | 工程机械的消耗品维护日程信息调整服务器及方法 | |
JP6906209B2 (ja) | 建設機械稼働状況管理システム及び管理方法 | |
JP5303794B2 (ja) | 作業機械の管理装置 | |
JP6080585B2 (ja) | 作業内容データベースの作成方法 | |
JP3735068B2 (ja) | 巡回サービス予定作成方法、作成システムおよび作成装置 | |
CN116917824A (zh) | 故障预测系统 | |
US20240183132A1 (en) | Systems and methods for identifying and locating missing or damaged ground-engaging tools | |
EP4266236A1 (en) | Work management device, work management method, index estimation model, and work estimation model | |
Hemsley | Safety in solitude | |
WO2014045396A1 (ja) | 自走式鉱山機械の稼動管理装置 |
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 |