JP2002149868A - 製品の将来のサービス事象の時期を予測する方法 - Google Patents
製品の将来のサービス事象の時期を予測する方法Info
- Publication number
- JP2002149868A JP2002149868A JP2001154725A JP2001154725A JP2002149868A JP 2002149868 A JP2002149868 A JP 2002149868A JP 2001154725 A JP2001154725 A JP 2001154725A JP 2001154725 A JP2001154725 A JP 2001154725A JP 2002149868 A JP2002149868 A JP 2002149868A
- Authority
- JP
- Japan
- Prior art keywords
- service
- information
- product
- performance
- distribution
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000009826 distribution Methods 0.000 claims abstract description 58
- 238000004458 analytical method Methods 0.000 claims abstract description 20
- 230000015556 catabolic process Effects 0.000 claims description 37
- 238000006731 degradation reaction Methods 0.000 claims description 37
- 238000005192 partition Methods 0.000 claims description 18
- 238000013515 script Methods 0.000 claims description 18
- 230000008439 repair process Effects 0.000 claims description 9
- 238000007619 statistical method Methods 0.000 claims description 7
- 238000010219 correlation analysis Methods 0.000 claims description 6
- 238000012109 statistical procedure Methods 0.000 claims description 6
- 238000010200 validation analysis Methods 0.000 claims description 6
- 238000000611 regression analysis Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims 2
- 230000006866 deterioration Effects 0.000 abstract description 8
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 230000007774 longterm Effects 0.000 description 4
- 238000012314 multivariate regression analysis Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000013480 data collection Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000003137 locomotive effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/008—Reliability or availability analysis
-
- 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)
- Quality & Reliability (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Complex Calculations (AREA)
- Debugging And Monitoring (AREA)
Abstract
(57)【要約】
【課題】 製品の将来のサービス事象の時期を予測する
システムと方法を提供する。 【解決手段】 データベースが製品に対する複数個のサ
ービス情報及び性能情報を持っている。統計解析器が複
数個の処理されたサービス情報を解析して、複数個の区
分故障情報を決定する。性能劣化率解析器は、複数個の
サービス情報及び性能情報から、製品の性能劣化率を解
析する。シミュレータが、複数個の区分故障情報及び性
能劣化率解析に従って、製品の将来のサービス事象の分
布をシミュレートする。
システムと方法を提供する。 【解決手段】 データベースが製品に対する複数個のサ
ービス情報及び性能情報を持っている。統計解析器が複
数個の処理されたサービス情報を解析して、複数個の区
分故障情報を決定する。性能劣化率解析器は、複数個の
サービス情報及び性能情報から、製品の性能劣化率を解
析する。シミュレータが、複数個の区分故障情報及び性
能劣化率解析に従って、製品の将来のサービス事象の分
布をシミュレートする。
Description
【０００１】
【発明の属する技術分野】本発明は、全般的に製品及び
システムのサービス、更に具体的に言えば、製品又はシ
ステムの将来のサービス事象の時期を予測することに関
する。
システムのサービス、更に具体的に言えば、製品又はシ
ステムの将来のサービス事象の時期を予測することに関
する。
【０００２】
【発明の背景】長期契約の市場は、今日の多くのサービ
ス機関にとって、最近急速に成長してきた。サービス機
関が顧客と長期契約を結ぶとき、サービス契約の値付け
及び契約のポートフォリオ管理に関連する予想コスト及
びリスクを理解していることが重要である。更に、サー
ビス機関は、修理の計画（ショップ・ワークロード計
画）並びに新しい技術の導入がそのサービス計画にどの
ように影響を与えるかを理解していることが必要であ
る。こういう問題を解析する為には、製品又はシステム
の根底にある挙動の正しいモデルを作り、何れも最もコ
スト効果のある形でサービスが受けられるようにするこ
とが必要である。
ス機関にとって、最近急速に成長してきた。サービス機
関が顧客と長期契約を結ぶとき、サービス契約の値付け
及び契約のポートフォリオ管理に関連する予想コスト及
びリスクを理解していることが重要である。更に、サー
ビス機関は、修理の計画（ショップ・ワークロード計
画）並びに新しい技術の導入がそのサービス計画にどの
ように影響を与えるかを理解していることが必要であ
る。こういう問題を解析する為には、製品又はシステム
の根底にある挙動の正しいモデルを作り、何れも最もコ
スト効果のある形でサービスが受けられるようにするこ
とが必要である。
【０００３】現在利用し得る解析手法は、複雑な製品又
はシステムに対するサービス条件の正確なモデルを作る
ことが出来ない。典型的には、こういうモデルはコスト
情報が乏しく、その結果、サービス機関はそのサービス
・ポートフォリオに関連するリスクを管理する効率が悪
く、顧客の要求及び新しい技術に応じることが出来ず、
その結果、長期契約の収益性が低くなる結果を招いてい
る。標準的な時系列方法は、航空機機関、自動車、機関
車及びその他の高い技術の製品のような修理が起こり得
るシステムのサービス条件のモデルを作る為に使われて
きた特定の１つの方式である。この時系列方法は、５年
乃至１０年の期間に互って得られた経過データを調べ、
システムのコスト並びに／又はシステムに対して為され
た修理の回数について傾向線を引く。次にこの傾向線を
使って将来のコスト及び修理の回数を予測する。この時
系列方法に伴う制約は、それが区分レベルでの故障の詳
細を示さないことである。区分は、修理が起こり得る製
品の物理的な又は性能に関係するサブシステムであり、
それが故障したとき、製品は手入れ又はサービスを必要
とする。標準的な時系列方法に伴うこの他の制約は、修
理が起こり得る製品の寿命サイクルを考慮に入れておら
ず、その為製品に対する予想されるサービス事象の分布
を作れないことである。区分パラメータを決定する工学
関係に基づく解析は、修理の起こり得るシステムのサー
ビス条件のモデルを作る為に使われるもう１つの方法で
ある。この解析の制約は、根底の統計によく基づいてお
らず、その為、修理の起こり得る製品の正確なモデルを
継続的に作れることが証明されていないことである。
はシステムに対するサービス条件の正確なモデルを作る
ことが出来ない。典型的には、こういうモデルはコスト
情報が乏しく、その結果、サービス機関はそのサービス
・ポートフォリオに関連するリスクを管理する効率が悪
く、顧客の要求及び新しい技術に応じることが出来ず、
その結果、長期契約の収益性が低くなる結果を招いてい
る。標準的な時系列方法は、航空機機関、自動車、機関
車及びその他の高い技術の製品のような修理が起こり得
るシステムのサービス条件のモデルを作る為に使われて
きた特定の１つの方式である。この時系列方法は、５年
乃至１０年の期間に互って得られた経過データを調べ、
システムのコスト並びに／又はシステムに対して為され
た修理の回数について傾向線を引く。次にこの傾向線を
使って将来のコスト及び修理の回数を予測する。この時
系列方法に伴う制約は、それが区分レベルでの故障の詳
細を示さないことである。区分は、修理が起こり得る製
品の物理的な又は性能に関係するサブシステムであり、
それが故障したとき、製品は手入れ又はサービスを必要
とする。標準的な時系列方法に伴うこの他の制約は、修
理が起こり得る製品の寿命サイクルを考慮に入れておら
ず、その為製品に対する予想されるサービス事象の分布
を作れないことである。区分パラメータを決定する工学
関係に基づく解析は、修理の起こり得るシステムのサー
ビス条件のモデルを作る為に使われるもう１つの方法で
ある。この解析の制約は、根底の統計によく基づいてお
らず、その為、修理の起こり得る製品の正確なモデルを
継続的に作れることが証明されていないことである。
【０００４】上に述べた問題を解決する為に、修理の起
こり得るシステムのサービス条件のモデルを作ることが
出来る方式として、正確であって、包括的な統計の枠組
を持つ方式が要望されている。このような方式があれ
ば、コスト計画がより良くなり、リスク管理が更に現実
的で効果的になり、新しい技術が導入され、日毎のサー
ビスは顧客の要求に対する反応を高め、長期契約の収益
性を一層高くすることが出来よう。
こり得るシステムのサービス条件のモデルを作ることが
出来る方式として、正確であって、包括的な統計の枠組
を持つ方式が要望されている。このような方式があれ
ば、コスト計画がより良くなり、リスク管理が更に現実
的で効果的になり、新しい技術が導入され、日毎のサー
ビスは顧客の要求に対する反応を高め、長期契約の収益
性を一層高くすることが出来よう。
【０００５】
【発明の概要】本発明の１実施例では、複数個の区分で
形成された製品の将来のサービス事象の時期を予測する
システムを提供する。このシステムは、製品に対する複
数個のサービス情報及び複数個の性能情報を持つデータ
ベースを有する。統計解析器が複数個のサービス情報を
解析して、複数個の故障区分情報を決定する。性能劣化
率解析器が、複数個のサービス情報及び性能情報から、
製品の性能劣化率を解析する。シミュレータが、複数個
の区分故障情報及び性能劣化率解析に従って、製品の将
来のサービス事象の分布をシミュレートする。
形成された製品の将来のサービス事象の時期を予測する
システムを提供する。このシステムは、製品に対する複
数個のサービス情報及び複数個の性能情報を持つデータ
ベースを有する。統計解析器が複数個のサービス情報を
解析して、複数個の故障区分情報を決定する。性能劣化
率解析器が、複数個のサービス情報及び性能情報から、
製品の性能劣化率を解析する。シミュレータが、複数個
の区分故障情報及び性能劣化率解析に従って、製品の将
来のサービス事象の分布をシミュレートする。
【０００６】同様に、本発明は、複数個の区分で形成さ
れた製品の将来のサービス事象の時期を予測する方法を
提供する。この方法は、製品に対する複数個のサービス
情報及び複数個の性能情報を記憶し、複数個のサービス
情報を解析して複数個の区分故障情報を決定し、複数個
のサービス情報及び性能情報から、製品の劣化率解析を
実施し、複数個の区分故障情報及び劣化率解析に従っ
て、製品の将来のサービス事象の分布をシミュレートす
る。
れた製品の将来のサービス事象の時期を予測する方法を
提供する。この方法は、製品に対する複数個のサービス
情報及び複数個の性能情報を記憶し、複数個のサービス
情報を解析して複数個の区分故障情報を決定し、複数個
のサービス情報及び性能情報から、製品の劣化率解析を
実施し、複数個の区分故障情報及び劣化率解析に従っ
て、製品の将来のサービス事象の分布をシミュレートす
る。
【０００７】更に本発明は、複数個の区分で形成された
製品の将来のサービス事象の時期を予測するようにコン
ピュータに命令するコンピュータ命令を記憶するコンピ
ュータが読取可能な媒体を提供する。コンピュータ命令
は、製品に対する複数個のサービス情報及び複数個の性
能情報を記憶し、複数個のサービス情報を解析して複数
個の区分故障情報を決定し、複数個のサービス情報及び
性能情報から製品の劣化率解析を実施し、複数個の区分
故障情報及び劣化率解析に従って、製品の将来のサービ
ス事象の分布をシミュレートすることを含む。
製品の将来のサービス事象の時期を予測するようにコン
ピュータに命令するコンピュータ命令を記憶するコンピ
ュータが読取可能な媒体を提供する。コンピュータ命令
は、製品に対する複数個のサービス情報及び複数個の性
能情報を記憶し、複数個のサービス情報を解析して複数
個の区分故障情報を決定し、複数個のサービス情報及び
性能情報から製品の劣化率解析を実施し、複数個の区分
故障情報及び劣化率解析に従って、製品の将来のサービ
ス事象の分布をシミュレートすることを含む。
【０００８】
【発明の詳しい説明】図１は、製品の将来のサービス事
象の時期を予測するシステムが動作する汎用コンピュー
タ・システム１０の略図を示す。全体として、コンピュ
ータ・システム１０がプロセッサ１２、メモリ１４、入
力／出力デバイス及びプロセッサ、メモリ及び入力／出
力デバイスを接続するデータ通路（例えば母線）１６で
構成されている。プロセッサ１２がメモリ１４から命令
及びデータを受取り、種々の計算を実施する。プロセッ
サ１２は、演算及び論理操作を実施する演算論理装置
（ＡＬＵ）、及びメモリ１４から命令を抽出し、それを
復号して実行して、必要なときにＡＬＵを呼び出す制御
装置を含む。一般的にメモリ１４はランダムアクセス・
メモリ（ＲＡＭ）及び固定メモリ（ＲＯＭ）を含むが、
プログラマブル固定メモリ（ＰＲＯＭ）、消去可能なプ
ログラマブル固定メモリ（ＥＰＲＯＭ）及び電気的に消
去可能なプログラマブル固定メモリ（ＥＥＰＲＯＭ）の
ようなこの他の種類のメモリがあってもよい。更にメモ
リ１４が、プロセッサ１２で実行されるオペレーティン
グ・システムを持つことが好ましい。オペレーティング
・システムは、入力を認識し、出力を出力デバイスへ送
り、ファイル及びディレクトリを管理し、種々の周辺デ
バイスを制御することを含む基本的なタスクを実行す
る。
象の時期を予測するシステムが動作する汎用コンピュー
タ・システム１０の略図を示す。全体として、コンピュ
ータ・システム１０がプロセッサ１２、メモリ１４、入
力／出力デバイス及びプロセッサ、メモリ及び入力／出
力デバイスを接続するデータ通路（例えば母線）１６で
構成されている。プロセッサ１２がメモリ１４から命令
及びデータを受取り、種々の計算を実施する。プロセッ
サ１２は、演算及び論理操作を実施する演算論理装置
（ＡＬＵ）、及びメモリ１４から命令を抽出し、それを
復号して実行して、必要なときにＡＬＵを呼び出す制御
装置を含む。一般的にメモリ１４はランダムアクセス・
メモリ（ＲＡＭ）及び固定メモリ（ＲＯＭ）を含むが、
プログラマブル固定メモリ（ＰＲＯＭ）、消去可能なプ
ログラマブル固定メモリ（ＥＰＲＯＭ）及び電気的に消
去可能なプログラマブル固定メモリ（ＥＥＰＲＯＭ）の
ようなこの他の種類のメモリがあってもよい。更にメモ
リ１４が、プロセッサ１２で実行されるオペレーティン
グ・システムを持つことが好ましい。オペレーティング
・システムは、入力を認識し、出力を出力デバイスへ送
り、ファイル及びディレクトリを管理し、種々の周辺デ
バイスを制御することを含む基本的なタスクを実行す
る。
【０００９】入力／出力デバイスは、コンピュータ・シ
ステム１０にデータ及び命令を入力するキーボード１８
及びマウス２０を有する。表示装置２２は、コンピュー
タがしたことをユーザが見ることが出来るようにする。
この他の出力デバイスとして、プリンタ、プロッタ、合
成器及びスピーカが含まれていてもよい。モデム又はネ
ットワーク・カード２４は、コンピュータ・システム１
０がネットワーク上にある他のコンピュータ及び資源を
アクセスすることが出来るようにする。大量記憶デバイ
ス２６は、コンピュータ・システム１０が大量のデータ
を永久的に保持することが出来るようにする。大量記憶
デバイスは、フロッピ・ディスク、ハード・ディスク及
び光ディスクや、ディジタル・オーディオ・テープ（Ｄ
ＡＴ）、デバイス・リニア・テープ（ＤＬＴ）又はその
他の磁気的に符号化された媒体を含んでいてよいテープ
からデータを読取ったりデータを書込んだりすることが
出来るテープ駆動装置のようなあらゆる種類のディスク
・ドライブを含んでいてよい。上に述べたコンピュータ
・システム１０は、手で持つディジタル・コンピュー
タ、パーソナル・ディジタル・アシスタント・コンピュ
ータ、パーソナル・コンピュータ、ワークステーショ
ン、ミニコンピュータ、メインフレーム・コンピュータ
及びスーパコンピュータの形であってよい。
ステム１０にデータ及び命令を入力するキーボード１８
及びマウス２０を有する。表示装置２２は、コンピュー
タがしたことをユーザが見ることが出来るようにする。
この他の出力デバイスとして、プリンタ、プロッタ、合
成器及びスピーカが含まれていてもよい。モデム又はネ
ットワーク・カード２４は、コンピュータ・システム１
０がネットワーク上にある他のコンピュータ及び資源を
アクセスすることが出来るようにする。大量記憶デバイ
ス２６は、コンピュータ・システム１０が大量のデータ
を永久的に保持することが出来るようにする。大量記憶
デバイスは、フロッピ・ディスク、ハード・ディスク及
び光ディスクや、ディジタル・オーディオ・テープ（Ｄ
ＡＴ）、デバイス・リニア・テープ（ＤＬＴ）又はその
他の磁気的に符号化された媒体を含んでいてよいテープ
からデータを読取ったりデータを書込んだりすることが
出来るテープ駆動装置のようなあらゆる種類のディスク
・ドライブを含んでいてよい。上に述べたコンピュータ
・システム１０は、手で持つディジタル・コンピュー
タ、パーソナル・ディジタル・アシスタント・コンピュ
ータ、パーソナル・コンピュータ、ワークステーショ
ン、ミニコンピュータ、メインフレーム・コンピュータ
及びスーパコンピュータの形であってよい。
【００１０】図２は、図１に示したコンピュータ・シス
テムに作用して、製品の将来のサービス事象の時期を予
測するシステム２８の略図を示す。システム２８では、
サービス・データベース３０が、製品に対する複数個の
サービス情報を記憶している。複数個のサービス情報
は、製品によって変化する。一般的に、複数個のサービ
ス情報は、製品の区分の定義（即ち、それが故障したと
きに、製品の手入れ又はサービスを必要とするような、
単位と見なされる物理的な又は性能に関係するサブシス
テム）、製品の修理経過（例えば、サービス事象の日
付、サービス事象の種類、区分が故障した時等）、並び
にサービス事象の間に経過した時間の長さを説明するの
に役立ち得る任意の因子（例えば、環境、製品の運転状
態、製品の形式、設備の齢等）のような情報で構成され
る。この他の因子としては、手入れの種類、製品のサイ
クル時間、製品の使い方、契約条件、設備の齢及び年代
等を含んでいてよい。この説明では、製品は航空機機関
の場合を説明する。しかし、電力装置、機関車又はその
他の任意の電気的、化学的又は機械的な製品を、将来の
サービス事象の時期を予測するのが望ましいような場合
に、採用することが出来る。
テムに作用して、製品の将来のサービス事象の時期を予
測するシステム２８の略図を示す。システム２８では、
サービス・データベース３０が、製品に対する複数個の
サービス情報を記憶している。複数個のサービス情報
は、製品によって変化する。一般的に、複数個のサービ
ス情報は、製品の区分の定義（即ち、それが故障したと
きに、製品の手入れ又はサービスを必要とするような、
単位と見なされる物理的な又は性能に関係するサブシス
テム）、製品の修理経過（例えば、サービス事象の日
付、サービス事象の種類、区分が故障した時等）、並び
にサービス事象の間に経過した時間の長さを説明するの
に役立ち得る任意の因子（例えば、環境、製品の運転状
態、製品の形式、設備の齢等）のような情報で構成され
る。この他の因子としては、手入れの種類、製品のサイ
クル時間、製品の使い方、契約条件、設備の齢及び年代
等を含んでいてよい。この説明では、製品は航空機機関
の場合を説明する。しかし、電力装置、機関車又はその
他の任意の電気的、化学的又は機械的な製品を、将来の
サービス事象の時期を予測するのが望ましいような場合
に、採用することが出来る。
【００１１】図２について説明すると、プリプロセッサ
３２が複数個のサービス情報を予定のフォーマットに処
理する。この予備処理は、サービス・データベース３０
から複数個のサービス情報を抽出し、データベース内に
ある各々のデータ記録を、工学的にラベルを付けた取除
きの原因に従って、区分に割当て、現存の変数（例えば
検閲変数、顧客表示子変数）から新しい変数を作り出
し、関係のないものを削除して、データ・セットの概要
統計（例えば、各々の区分に対するある数の記録）を作
ることを含む。こういうことをした後、プリプロセッサ
３２が、サービス情報に従って複数個のデータ・ファイ
ルを作成し、この各々のデータ・ファイルがＳＡＳデー
タ・セットのフォーマットにされる。
３２が複数個のサービス情報を予定のフォーマットに処
理する。この予備処理は、サービス・データベース３０
から複数個のサービス情報を抽出し、データベース内に
ある各々のデータ記録を、工学的にラベルを付けた取除
きの原因に従って、区分に割当て、現存の変数（例えば
検閲変数、顧客表示子変数）から新しい変数を作り出
し、関係のないものを削除して、データ・セットの概要
統計（例えば、各々の区分に対するある数の記録）を作
ることを含む。こういうことをした後、プリプロセッサ
３２が、サービス情報に従って複数個のデータ・ファイ
ルを作成し、この各々のデータ・ファイルがＳＡＳデー
タ・セットのフォーマットにされる。
【００１２】統計解析器３４が複数個の処理されたサー
ビス情報を解析して、複数個の区分故障情報を決定す
る。区分故障情報は、統計的に意味のある区分故障変数
及び関連する区分の「故障までの時間係数」を含んでい
てよい。区分故障変数は、サービス事象又は手入れ事象
の間の時間に影響を与える変数である。例えば、航空機
機関の場合、機関の推力定格及び航空機が飛行する環境
が、統計的に意味のある区分故障変数として考えられる
ものの例である。区分の「故障までの時間係数」は、各
々の区分故障変数に適用される係数である。区分故障変
数及び関連する区分の「故障までの時間係数」を使っ
て、区分に対するサービス事象の間の時間を決定する。
更に、統計解析器３４がこの情報を使って、どの区分故
障変数がサービス事象に影響するかを決定すると共に、
区分に対する故障までの時間の分布を推定する。
ビス情報を解析して、複数個の区分故障情報を決定す
る。区分故障情報は、統計的に意味のある区分故障変数
及び関連する区分の「故障までの時間係数」を含んでい
てよい。区分故障変数は、サービス事象又は手入れ事象
の間の時間に影響を与える変数である。例えば、航空機
機関の場合、機関の推力定格及び航空機が飛行する環境
が、統計的に意味のある区分故障変数として考えられる
ものの例である。区分の「故障までの時間係数」は、各
々の区分故障変数に適用される係数である。区分故障変
数及び関連する区分の「故障までの時間係数」を使っ
て、区分に対するサービス事象の間の時間を決定する。
更に、統計解析器３４がこの情報を使って、どの区分故
障変数がサービス事象に影響するかを決定すると共に、
区分に対する故障までの時間の分布を推定する。
【００１３】統計解析器３４は、それが上に述べた機能
並びにこの他のある機能を遂行することが出来るように
する幾つかのスクリプトを持っている。統計解析器３４
が使う特定の１つのスクリプトは、複数個の統計手順を
実行するサービス解析スクリプトである。複数個の統計
手順は多変数回帰及び／又は相関解析で構成することが
出来る。多変数回帰及び相関の両方は、どの区分故障変
数がサービス事象の時期に影響するかを決定すると共
に、区分に対する故障までの時間の分布を推定すること
が出来る。統計解析器３４は他のスクリプトを使って、
この情報並びに統計診断３６及び残さグラフ３８を出力
する。多変数回帰及び／又は相関解析からの出力は、製
品に関係する各々の区分に対する区分の「故障までの時
間係数」を含むことが出来る。多変数回帰及び／又は相
関解析からのこの他の標準的な出力は、各々の区分の
「故障までの時間係数」に関連する標準誤差及びＰ値を
含んでいてよい。このＰ値は、特定の変数がサービス事
象が発生する合間の時間に意味のある影響を持つかどう
かの表示である。
並びにこの他のある機能を遂行することが出来るように
する幾つかのスクリプトを持っている。統計解析器３４
が使う特定の１つのスクリプトは、複数個の統計手順を
実行するサービス解析スクリプトである。複数個の統計
手順は多変数回帰及び／又は相関解析で構成することが
出来る。多変数回帰及び相関の両方は、どの区分故障変
数がサービス事象の時期に影響するかを決定すると共
に、区分に対する故障までの時間の分布を推定すること
が出来る。統計解析器３４は他のスクリプトを使って、
この情報並びに統計診断３６及び残さグラフ３８を出力
する。多変数回帰及び／又は相関解析からの出力は、製
品に関係する各々の区分に対する区分の「故障までの時
間係数」を含むことが出来る。多変数回帰及び／又は相
関解析からのこの他の標準的な出力は、各々の区分の
「故障までの時間係数」に関連する標準誤差及びＰ値を
含んでいてよい。このＰ値は、特定の変数がサービス事
象が発生する合間の時間に意味のある影響を持つかどう
かの表示である。
【００１４】出力することの出来る統計診断は、適合度
数値及び直線性診断を含む。これらによって、ユーザ
は、統計解析器３４で最も適切な区分モデルを決定する
ことが出来る。残さグラフは、システム２８のユーザ
が、回帰モデルがサービス情報データにどの位よく当て
はまるかを決定することが出来るようにする。一般的
に、残さグラフは、サービスをする値になるまでの実際
の時間とサービスをする値になるまでの予測時間との間
の差として定義される。残さ値が小さいことは、回帰又
は相関解析がよく当てはまることを示しており、残さ値
が大きいことは、この当てはめに改善の余地があること
を示す。
数値及び直線性診断を含む。これらによって、ユーザ
は、統計解析器３４で最も適切な区分モデルを決定する
ことが出来る。残さグラフは、システム２８のユーザ
が、回帰モデルがサービス情報データにどの位よく当て
はまるかを決定することが出来るようにする。一般的
に、残さグラフは、サービスをする値になるまでの実際
の時間とサービスをする値になるまでの予測時間との間
の差として定義される。残さ値が小さいことは、回帰又
は相関解析がよく当てはまることを示しており、残さ値
が大きいことは、この当てはめに改善の余地があること
を示す。
【００１５】残さグラフの他に、統計解析器３４は、別
のスクリプトを使って、各々の区分に対する想定寿命分
布が適切であるかどうかを評価することが出来るように
する確率グラフのような情報を出力することが出来る。
別のスクリプトを使って、サービス事象が発生する時間
に影響する各々の変数に対する残さのグラフを作成する
ことが出来る。
のスクリプトを使って、各々の区分に対する想定寿命分
布が適切であるかどうかを評価することが出来るように
する確率グラフのような情報を出力することが出来る。
別のスクリプトを使って、サービス事象が発生する時間
に影響する各々の変数に対する残さのグラフを作成する
ことが出来る。
【００１６】図２に戻って説明すると、システム２８
は、動作中に製品から得られる複数個の性能情報を含む
性能経過データベース４０をも有する。前に述べたよう
に、ここでの説明は航空機機関の場合について述べてい
る。従って、性能情報は、センサ及び変換器のような複
数個のデータ収集装置の内のどれかを使うことによっ
て、獲得することが出来る。データを求めた後、データ
収集装置が、そのデータを記憶並びに評価の為に、遠隔
の監視設備へ転送することが出来る。データ収集装置か
らのデータを手作業で記録し、性能経過データベース４
０に入力することも可能である。複数個の性能情報は、
性能特性値（例えば排気温度ＥＧＴ）、サービス後の初
期データ・レベル、現在のデータ・レベル、製品にサー
ビスをした日付、及び製品の区分の部分集合のサービス
に影響を与える変数のような情報を含むが、これに限ら
ない。航空機機関の例では、変数は、飛行区間、機関の
推力、顧客、機関モデル、機関の系列等を含むことが出
来る。こういう全ての性能情報は後で更に詳しく説明す
る。
は、動作中に製品から得られる複数個の性能情報を含む
性能経過データベース４０をも有する。前に述べたよう
に、ここでの説明は航空機機関の場合について述べてい
る。従って、性能情報は、センサ及び変換器のような複
数個のデータ収集装置の内のどれかを使うことによっ
て、獲得することが出来る。データを求めた後、データ
収集装置が、そのデータを記憶並びに評価の為に、遠隔
の監視設備へ転送することが出来る。データ収集装置か
らのデータを手作業で記録し、性能経過データベース４
０に入力することも可能である。複数個の性能情報は、
性能特性値（例えば排気温度ＥＧＴ）、サービス後の初
期データ・レベル、現在のデータ・レベル、製品にサー
ビスをした日付、及び製品の区分の部分集合のサービス
に影響を与える変数のような情報を含むが、これに限ら
ない。航空機機関の例では、変数は、飛行区間、機関の
推力、顧客、機関モデル、機関の系列等を含むことが出
来る。こういう全ての性能情報は後で更に詳しく説明す
る。
【００１７】性能劣化率解析器４２が、複数個のサービ
ス情報及び性能情報の両方から、製品の性能の特性値を
解析する。性能劣化率解析器４２は、製品の区分の部分
集合を時間に従って関係付ける統計解析スクリプトを有
する。性能劣化率解析器４２を説明する上で、時間は、
航空機機関が使われている時間の長さである。この時間
は、サイクル数又は時間数のような変数によって測定す
ることが出来る。統計解析スクリプトが、製品の区分の
ある部分集合に対する推定された劣化率曲線を作成す
る。更に性能劣化率解析器４２が、ある区分に対する推
定された各々の劣化率曲線を性能寿命分布に変換する変
換器を有する。性能寿命分布は、サービス事象の間の時
間の統計的な性質を表す統計分布であり、サービス・デ
ータとは対照的に、性能データを使って推定される。性
能寿命分布が、統計解析器３４によって決定される、区
分に対する推定された故障までの時間分布と同じ形式で
ある。
ス情報及び性能情報の両方から、製品の性能の特性値を
解析する。性能劣化率解析器４２は、製品の区分の部分
集合を時間に従って関係付ける統計解析スクリプトを有
する。性能劣化率解析器４２を説明する上で、時間は、
航空機機関が使われている時間の長さである。この時間
は、サイクル数又は時間数のような変数によって測定す
ることが出来る。統計解析スクリプトが、製品の区分の
ある部分集合に対する推定された劣化率曲線を作成す
る。更に性能劣化率解析器４２が、ある区分に対する推
定された各々の劣化率曲線を性能寿命分布に変換する変
換器を有する。性能寿命分布は、サービス事象の間の時
間の統計的な性質を表す統計分布であり、サービス・デ
ータとは対照的に、性能データを使って推定される。性
能寿命分布が、統計解析器３４によって決定される、区
分に対する推定された故障までの時間分布と同じ形式で
ある。
【００１８】シミュレータ４４が、統計解析器３４によ
って作成された複数個の区分故障情報並びに統計劣化率
解析器４２によって作成された性能寿命分布に従って、
製品の将来のサービス事象をシミュレートする。このシ
ミュレーションにより、将来のサービス事象の時期の予
想が得られる。特に、シミュレータ４４は、統計解析器
３４からの区分の「故障までの時間係数」を取出し、製
品に対して定められた区分毎にワイブル分布を決定す
る。更にシミュレータ４４は、性能劣化率解析器４２か
らの性能寿命分布を取出し、製品に対して定められた関
連する各々の区分に対するワイブル分布を決定する。次
に、シミュレータ４４は区分分布を使って、製品に対す
る全体的な分布を決定する。一般的に、シミュレータ
は、上に述べた動作を行う為に、離散的な事象駆動形モ
ンテカルロ・シミュレーションを使う。シミュレーショ
ンを実施した後、シミュレータ４４が幾つかの出力を発
生する。例えば、１つの出力は契約出力４６であり、こ
れは典型的には時間に互る手入れ事象分布パラメータ、
予備／リース設備に対する要求分布及び装置性能分布
（例えば航空機機関の飛行時間）で構成される。シミュ
レータ４４はこういう出力に制限されず、希望によっ
て、この他の出力を使うことも出来る。
って作成された複数個の区分故障情報並びに統計劣化率
解析器４２によって作成された性能寿命分布に従って、
製品の将来のサービス事象をシミュレートする。このシ
ミュレーションにより、将来のサービス事象の時期の予
想が得られる。特に、シミュレータ４４は、統計解析器
３４からの区分の「故障までの時間係数」を取出し、製
品に対して定められた区分毎にワイブル分布を決定す
る。更にシミュレータ４４は、性能劣化率解析器４２か
らの性能寿命分布を取出し、製品に対して定められた関
連する各々の区分に対するワイブル分布を決定する。次
に、シミュレータ４４は区分分布を使って、製品に対す
る全体的な分布を決定する。一般的に、シミュレータ
は、上に述べた動作を行う為に、離散的な事象駆動形モ
ンテカルロ・シミュレーションを使う。シミュレーショ
ンを実施した後、シミュレータ４４が幾つかの出力を発
生する。例えば、１つの出力は契約出力４６であり、こ
れは典型的には時間に互る手入れ事象分布パラメータ、
予備／リース設備に対する要求分布及び装置性能分布
（例えば航空機機関の飛行時間）で構成される。シミュ
レータ４４はこういう出力に制限されず、希望によっ
て、この他の出力を使うことも出来る。
【００１９】シミュレータ４４の性能を理解する為に、
システム２８は有効認定装置を使う。これは、統計解析
器３４又はシミュレータの一部分であってもよいし、又
はその両方とは別個であってもよい。有効認定装置は、
製品に対して為されるケーススタディ用に作成された有
効認定スクリプトを持っている。ここでの説明では、ケ
ーススタディは、モデルの有効認定の為に使われる経過
サービス事象データの任意の部分集合と定義する。例え
ば、過去１年間にランダムに選ばれた一群のシステムで
起こったサービス事象がケーススタディとして役立つこ
とが出来、有効認定の際、この期間中にこれらのシステ
ムに対してモデルが予想するサービス事象の数と、実際
に行ったサービス事象の数とを比較する。有効認定スク
リプトは、シミュレータ４４によって決定された区分の
分布を、ケーススタディで実際に起こった分布と比較す
る。この比較をした後、有効認定装置が利用の可否及び
信頼性に関する一連のグラフ出力４８を作成する。好ま
しい実施例では、３組の信頼性グラフが作成される。第
１組の信頼性グラフは、ケーススタディに対する最初の
４回のショップ訪問の各々に対する実際の区分分布の相
対的な頻度のヒストグラムである。この相対的な頻度の
ヒストグラムに、シミュレータによって決定された区分
分布が重ねられる。第２組の信頼性グラフは、ケースス
タディに対する最初の４回のショップ訪問の各々に対す
る実際のシステム・レベル分布の相対頻度のヒストグラ
ムである。この相対頻度ヒストグラムの各々に、シミュ
レータ４４が決定したシステム分布が重ねられる。第３
組の信頼性グラフは、最初の４回のショップ訪問の各々
に対する実際のシステム・レベル分布とシミュレータ４
４によって決定されたシステム・レベル分布の両方から
決定された、非パラメトリックのカプラン・マイヤー推
定生存曲線である。これらの出力から、ユーザは、サー
ビス事象を計画する時で構成された、製品に対するサー
ビス計画予想を作成することが出来る。
システム２８は有効認定装置を使う。これは、統計解析
器３４又はシミュレータの一部分であってもよいし、又
はその両方とは別個であってもよい。有効認定装置は、
製品に対して為されるケーススタディ用に作成された有
効認定スクリプトを持っている。ここでの説明では、ケ
ーススタディは、モデルの有効認定の為に使われる経過
サービス事象データの任意の部分集合と定義する。例え
ば、過去１年間にランダムに選ばれた一群のシステムで
起こったサービス事象がケーススタディとして役立つこ
とが出来、有効認定の際、この期間中にこれらのシステ
ムに対してモデルが予想するサービス事象の数と、実際
に行ったサービス事象の数とを比較する。有効認定スク
リプトは、シミュレータ４４によって決定された区分の
分布を、ケーススタディで実際に起こった分布と比較す
る。この比較をした後、有効認定装置が利用の可否及び
信頼性に関する一連のグラフ出力４８を作成する。好ま
しい実施例では、３組の信頼性グラフが作成される。第
１組の信頼性グラフは、ケーススタディに対する最初の
４回のショップ訪問の各々に対する実際の区分分布の相
対的な頻度のヒストグラムである。この相対的な頻度の
ヒストグラムに、シミュレータによって決定された区分
分布が重ねられる。第２組の信頼性グラフは、ケースス
タディに対する最初の４回のショップ訪問の各々に対す
る実際のシステム・レベル分布の相対頻度のヒストグラ
ムである。この相対頻度ヒストグラムの各々に、シミュ
レータ４４が決定したシステム分布が重ねられる。第３
組の信頼性グラフは、最初の４回のショップ訪問の各々
に対する実際のシステム・レベル分布とシミュレータ４
４によって決定されたシステム・レベル分布の両方から
決定された、非パラメトリックのカプラン・マイヤー推
定生存曲線である。これらの出力から、ユーザは、サー
ビス事象を計画する時で構成された、製品に対するサー
ビス計画予想を作成することが出来る。
【００２０】図３は、図２に示すシステム２８によって
行われる動作を示すフローチャートである。ブロック５
０で、サービス・データベース及び性能経過データベー
スに夫々記憶された、製品に対する複数個のサービス情
報及び性能情報を求める。プリプロセッサが複数個のサ
ービス情報をブロック５２で予定のフォーマットに予備
処理する。統計解析器が、複数個の処理されたサービス
情報を解析して、ブロック５４で、複数個の区分故障情
報を決定する。特に、統計解析器は、前述の統計手順を
使って、区分の「故障までの時間係数」及び区分故障変
数の両方を決定する。統計解析器が区分の「故障までの
時間係数」及び区分故障変数をシミュレータに出力し、
種々の残さグラフを作成する。
行われる動作を示すフローチャートである。ブロック５
０で、サービス・データベース及び性能経過データベー
スに夫々記憶された、製品に対する複数個のサービス情
報及び性能情報を求める。プリプロセッサが複数個のサ
ービス情報をブロック５２で予定のフォーマットに予備
処理する。統計解析器が、複数個の処理されたサービス
情報を解析して、ブロック５４で、複数個の区分故障情
報を決定する。特に、統計解析器は、前述の統計手順を
使って、区分の「故障までの時間係数」及び区分故障変
数の両方を決定する。統計解析器が区分の「故障までの
時間係数」及び区分故障変数をシミュレータに出力し、
種々の残さグラフを作成する。
【００２１】サービス情報がプリプロセッサ及び統計解
析器によって予備処理され且つ解析されるのと同時に、
性能情報が性能劣化率解析器によって評価される。希望
によっては、性能情報をサービス情報と同様な形で予備
処理することが可能である。性能情報が予備処理されて
いるか否かにかかわらず、性能劣化率解析器がブロック
５６で劣化率解析を行う。前に述べたように、劣化率解
析が、製品の区分のある部分集合に対する推定された劣
化率曲線を作成し、推定された各々の劣化率曲線を性能
寿命分布に変換する。
析器によって予備処理され且つ解析されるのと同時に、
性能情報が性能劣化率解析器によって評価される。希望
によっては、性能情報をサービス情報と同様な形で予備
処理することが可能である。性能情報が予備処理されて
いるか否かにかかわらず、性能劣化率解析器がブロック
５６で劣化率解析を行う。前に述べたように、劣化率解
析が、製品の区分のある部分集合に対する推定された劣
化率曲線を作成し、推定された各々の劣化率曲線を性能
寿命分布に変換する。
【００２２】サービス情報及び性能情報を解析した後、
シミュレータが、ブロック５８で、区分故障情報及び性
能寿命分布に従って、製品の将来のサービス事象をシミ
ュレートする。更に、ブロック６０で、シミュレータが
将来のサービス事象の時期を予想又は予測する。前に述
べたように、この情報は、製品を構成する区分毎の分布
の形をしている。ブロック６２で、有効認定装置がシミ
ュレータによって決定された区分分布をケーススタディ
で実際に行った分布と比較する。比較をした後、有効認
定装置が利用の可否及び信頼性に関する一連のグラフ出
力を作成する。
シミュレータが、ブロック５８で、区分故障情報及び性
能寿命分布に従って、製品の将来のサービス事象をシミ
ュレートする。更に、ブロック６０で、シミュレータが
将来のサービス事象の時期を予想又は予測する。前に述
べたように、この情報は、製品を構成する区分毎の分布
の形をしている。ブロック６２で、有効認定装置がシミ
ュレータによって決定された区分分布をケーススタディ
で実際に行った分布と比較する。比較をした後、有効認
定装置が利用の可否及び信頼性に関する一連のグラフ出
力を作成する。
【００２３】図４は図２に示す統計解析器によって実施
される動作を示すフローチャートである。ブロック６４
で、統計解析器がプリプロセッサからサービス情報を求
める。次に統計解析器が、ブロック６６でサービス情報
に対する区分の定義を作成する。ブロック６８で、統計
解析器が、前述の統計手順を使って、統計的に意味のあ
る区分故障変数及びそれに関連した区分の故障までの時
間変数のような区分故障情報を決定する。次にブロック
７０で、統計解析器が区分故障変数に対して区分の「故
障までの時間係数」を適用する。ブロック７２で、統計
解析器が、製品に関連する各々の区分に対する種々の統
計診断を作成する。ブロック７４で、統計解析器が残さ
グラフ及び確率グラフ並びに希望すれば、その他の種類
のグラフを作成する。前に述べたように、統計解析器
は、区分の「故障までの時間係数」の各々に関連する標
準誤差及びＰ値のようなこの他の情報を作成することが
出来る。
される動作を示すフローチャートである。ブロック６４
で、統計解析器がプリプロセッサからサービス情報を求
める。次に統計解析器が、ブロック６６でサービス情報
に対する区分の定義を作成する。ブロック６８で、統計
解析器が、前述の統計手順を使って、統計的に意味のあ
る区分故障変数及びそれに関連した区分の故障までの時
間変数のような区分故障情報を決定する。次にブロック
７０で、統計解析器が区分故障変数に対して区分の「故
障までの時間係数」を適用する。ブロック７２で、統計
解析器が、製品に関連する各々の区分に対する種々の統
計診断を作成する。ブロック７４で、統計解析器が残さ
グラフ及び確率グラフ並びに希望すれば、その他の種類
のグラフを作成する。前に述べたように、統計解析器
は、区分の「故障までの時間係数」の各々に関連する標
準誤差及びＰ値のようなこの他の情報を作成することが
出来る。
【００２４】図５は、図２に示した性能劣化率解析器４
２が実施する動作を示すフローチャートである。劣化率
解析を始める前に、性能劣化率解析器が最初にブロック
７６で、夫々サービス・データベース及び性能経過デー
タベースから複数個のサービス情報及び性能情報を求め
る。前に述べたように、複数個の性能情報が、性能特性
値、サービス後の初期データ・レベル、現在のデータ・
レベル、製品がサービスを受けた日付、及び製品の各々
の区分のサービスに影響する変数のような情報を含む。
２が実施する動作を示すフローチャートである。劣化率
解析を始める前に、性能劣化率解析器が最初にブロック
７６で、夫々サービス・データベース及び性能経過デー
タベースから複数個のサービス情報及び性能情報を求め
る。前に述べたように、複数個の性能情報が、性能特性
値、サービス後の初期データ・レベル、現在のデータ・
レベル、製品がサービスを受けた日付、及び製品の各々
の区分のサービスに影響する変数のような情報を含む。
【００２５】図６ａ−６ｂは、上に述べた性能情報の幾
つかの例を示す。特に、図６ａは、航空機期間のある区
分に対する劣化率曲線の一例を示す。この例では区分は
ＥＧＴであるが、他の区分を使ってもよい。例えば、そ
れで全てではないが、一例としてのリストとしては、ベ
ースラインＥＧＴからの偏差であるデルタ排気温度（ｄ
ＥＧＴ）、燃料流量（ＷＦ）、コア速度（Ｎ２）、及び
問題の機関の生のＥＧＴと全ての機関の生のＥＧＴの平
均との差であるＥＧＴの発散を含むことがある。劣化曲
線は、時間に互る区分の劣化を示す。最終的には、ある
期間の後、区分は、サービスを受けなければならない程
劣化が著しいレベルに達する。初期データ・レベルとい
う性能パラメータは、サービスを受けた後の区分の初期
レベルである。図６ａで初期レベルは約５０°であり、
時間が経つと、ＥＧＴの余裕のレベルが劣化する。経過
傾向レベルが、図６ａにデータ点として示されている。
図６ｂは生のＥＧＴレベルの一例を示す。特に、図６ｂ
は、ＥＧＴ区分に対する取外しレベル又は赤線を示すグ
ラフである。取外しレベルは、サービスを受ける為に航
空機機関を取外すことを必要とするような予定のレベル
にその区分が到達する絶対的な時間を示す。
つかの例を示す。特に、図６ａは、航空機期間のある区
分に対する劣化率曲線の一例を示す。この例では区分は
ＥＧＴであるが、他の区分を使ってもよい。例えば、そ
れで全てではないが、一例としてのリストとしては、ベ
ースラインＥＧＴからの偏差であるデルタ排気温度（ｄ
ＥＧＴ）、燃料流量（ＷＦ）、コア速度（Ｎ２）、及び
問題の機関の生のＥＧＴと全ての機関の生のＥＧＴの平
均との差であるＥＧＴの発散を含むことがある。劣化曲
線は、時間に互る区分の劣化を示す。最終的には、ある
期間の後、区分は、サービスを受けなければならない程
劣化が著しいレベルに達する。初期データ・レベルとい
う性能パラメータは、サービスを受けた後の区分の初期
レベルである。図６ａで初期レベルは約５０°であり、
時間が経つと、ＥＧＴの余裕のレベルが劣化する。経過
傾向レベルが、図６ａにデータ点として示されている。
図６ｂは生のＥＧＴレベルの一例を示す。特に、図６ｂ
は、ＥＧＴ区分に対する取外しレベル又は赤線を示すグ
ラフである。取外しレベルは、サービスを受ける為に航
空機機関を取外すことを必要とするような予定のレベル
にその区分が到達する絶対的な時間を示す。
【００２６】図５に戻って、サービス情報及び性能情報
を求めた後、ブロック７８で、性能劣化率解析器は、製
品の各々の区分を時間に従って関係付ける統計解析スク
リプトを実行する。統計解析が、製品の各区分に対する
多変数回帰解析を行って、サービス事象の間の時間に影
響する変数を確認することが好ましい。ワイブル分布を
用いた多変数回帰解析の一例が示されている。サービス
事象の間の時間（機関の飛行時間又は機関のサイクル数
の何れかで特定される）がＹで表される。前に述べたよ
うに、推力（Ｘ１）及び飛行区間（Ｘ２）は、サービス
事象の間の時間Ｙに影響を及ぼす可能性のある２つの区
分故障変数である。多変数ワイブル回帰モデルは次の形
である。
を求めた後、ブロック７８で、性能劣化率解析器は、製
品の各々の区分を時間に従って関係付ける統計解析スク
リプトを実行する。統計解析が、製品の各区分に対する
多変数回帰解析を行って、サービス事象の間の時間に影
響する変数を確認することが好ましい。ワイブル分布を
用いた多変数回帰解析の一例が示されている。サービス
事象の間の時間（機関の飛行時間又は機関のサイクル数
の何れかで特定される）がＹで表される。前に述べたよ
うに、推力（Ｘ１）及び飛行区間（Ｘ２）は、サービス
事象の間の時間Ｙに影響を及ぼす可能性のある２つの区
分故障変数である。多変数ワイブル回帰モデルは次の形
である。
【００２７】ｌｎ（Ｙ）＝α＋β1Ｘ１＋β2Ｘ２＋σε ここでｌｎは自然対数関数であり、εは最も小さい極限
の値の分布に従う誤差項であり、α、β1 、β2 、及び
σは、サービス・データから推定すべき区分故障パラメ
ータである。
の値の分布に従う誤差項であり、α、β1 、β2 、及び
σは、サービス・データから推定すべき区分故障パラメ
ータである。
【００２８】推力（Ｘ１）及び飛行区間（Ｘ２）の一定
の値に対し、サービス事象の間の時間を表すワイブル分
布を決定することが出来る。例えば、α＝８．９、β1
＝−０．００００３、β2 ＝０．７５及びσ＝０．５
で、Ｘ１＝２３５００、Ｘ２＝１．８であれば、その区
分に対するサービス事象の間の時間のワイブル分布は位
置（又はスケール）パラメータ（即ち、１／６３．２故
障パーセント）がｅｘｐ（８．９−０．００００３＊２
３５００＋０．７５＊１．８）＝１３９７５であり、形
状パラメータは１／σ＝１／０．５０＝２．０に等し
い。ワイブル回帰解析を説明したが、多重非線形及び対
数線形解析のようなこの他の統計解析も使うことが出来
る。
の値に対し、サービス事象の間の時間を表すワイブル分
布を決定することが出来る。例えば、α＝８．９、β1
＝−０．００００３、β2 ＝０．７５及びσ＝０．５
で、Ｘ１＝２３５００、Ｘ２＝１．８であれば、その区
分に対するサービス事象の間の時間のワイブル分布は位
置（又はスケール）パラメータ（即ち、１／６３．２故
障パーセント）がｅｘｐ（８．９−０．００００３＊２
３５００＋０．７５＊１．８）＝１３９７５であり、形
状パラメータは１／σ＝１／０．５０＝２．０に等し
い。ワイブル回帰解析を説明したが、多重非線形及び対
数線形解析のようなこの他の統計解析も使うことが出来
る。
【００２９】ブロック８０で、性能劣化率解析器が製品
の区分のある部分集合に対する推定された劣化率曲線を
作成する。推定された劣化率曲線は、多変数回帰及び／
又は相関統計解析を使って決定される。性能特性（例え
ばＥＧＴ余裕）をＹと記す。Ｙ及び時間（サイクルで測
る）を使った多変数回帰及び／又は相関解析の一例を次
のモデルで示す。
の区分のある部分集合に対する推定された劣化率曲線を
作成する。推定された劣化率曲線は、多変数回帰及び／
又は相関統計解析を使って決定される。性能特性（例え
ばＥＧＴ余裕）をＹと記す。Ｙ及び時間（サイクルで測
る）を使った多変数回帰及び／又は相関解析の一例を次
のモデルで示す。
【００３０】Ｙ＝α＋β1 サイクル＋ε ここでεは正規分布に従い、α及びβ1 は性能及びサー
ビス情報データから推定すべきパラメータである。この
例のβ1 の推定値は、性能特性Ｙに対する推定された劣
化率である。例えば、β1 ＝０．００３であれば、性能
特性Ｙが、１０００サイクル毎に約３度劣化する。
ビス情報データから推定すべきパラメータである。この
例のβ1 の推定値は、性能特性Ｙに対する推定された劣
化率である。例えば、β1 ＝０．００３であれば、性能
特性Ｙが、１０００サイクル毎に約３度劣化する。
【００３１】次にブロック８２で、性能劣化率解析器が
夫々の区分に対して推定された各々の劣化率分布を性能
寿命分布に変換する。性能寿命分布は、位置（又はスケ
ール）パラメータ及び形状パラメータによって特長付け
られる。この変換を行う為、α、β1 の推定値、及びこ
の明細書ではＥＧＴＬで表す性能特性限界値（即ち、そ
の区分がサービスを必要とする時の値）が必要である。
性能寿命分布の位置（又はスケール）パラメータ(locat
ion)は次の式を使って求められる。
夫々の区分に対して推定された各々の劣化率分布を性能
寿命分布に変換する。性能寿命分布は、位置（又はスケ
ール）パラメータ及び形状パラメータによって特長付け
られる。この変換を行う為、α、β1 の推定値、及びこ
の明細書ではＥＧＴＬで表す性能特性限界値（即ち、そ
の区分がサービスを必要とする時の値）が必要である。
性能寿命分布の位置（又はスケール）パラメータ(locat
ion)は次の式を使って求められる。
【００３２】
【数１】
【００３３】性能寿命分布の形状パラメータ(Shape) は
次の式を用いて求められる。
次の式を用いて求められる。
【００３４】
【数２】
【００３５】一例として、αの推定値が０であり、β1
の推定値が０．００３であり、性能特性値が６０である
と仮定する。上の式を使うと、位置パラメータの値は２
３４９８と推定される。形状パラメータは２．２７と推
定される。この後、全ての区分に対する性能寿命分布が
ブロック８４でシミュレータに転送される。
の推定値が０．００３であり、性能特性値が６０である
と仮定する。上の式を使うと、位置パラメータの値は２
３４９８と推定される。形状パラメータは２．２７と推
定される。この後、全ての区分に対する性能寿命分布が
ブロック８４でシミュレータに転送される。
【００３６】図７は図２に示したシミュレータ４４によ
って実施される動作を示すフローチャートである。前に
述べたように、シミュレータ４４は、将来のサービス事
象の適時さを予測することが出来るように、製品のシス
テム・レベルで故障の分布を決定することに関心があ
る。シミュレータ４４は、統計解析器３４及び性能劣化
率解析器４２が提供する情報の為に、製品のシステム・
レベルで故障の分布を決定することが出来る。統計解析
器３４によって提供される情報（即ち、「故障までの時
間係数」及び区分変数）は、製品のシステム・レベルを
構成する各々の区分並びにそれらの相互の関係を理解し
易くするものであり、これに対して性能劣化率解析器が
提供する性能寿命分布は、考えられるサービス条件につ
いてより多くの情報を与える。シミュレータ４４はこの
情報を使って、システム又は全体レベルを検査し、製品
に対するサービス事象の全体的な時期を予測する。図７
に戻って説明すると、シミュレータによって行われる動
作がブロック８６から始まり、ここで各々の区分分布に
対するランダムな故障時間（即ちサービス事象）が発生
される。ランダムに発生される故障時間から、ブロック
８８でこれらの値の内の最小値を見付ける。シミュレー
タはこの最小時間をｔi と選定するが、ｉはこの時間の
値に関連する区分である。次にシミュレータはブロック
９０で、システム・レベルに対する次の故障時間（即
ち、サービス事象に対する時間）として最小時間ｔi を
記録する。ブロック９２で、シミュレータはシステム・
レベルの更に多くの故障が必要かどうかを決定する。そ
うであれば、ブロック８６−９０を何回か繰返す。一
旦、全ての繰返しが行われたら、シミュレータは、ブロ
ック９４で、故障時間からシステム・レベル分布を形成
する。ブロック９６で、シミュレータが出力表及び入力
報告を作成し、グラフ出力が９８で発生される。
って実施される動作を示すフローチャートである。前に
述べたように、シミュレータ４４は、将来のサービス事
象の適時さを予測することが出来るように、製品のシス
テム・レベルで故障の分布を決定することに関心があ
る。シミュレータ４４は、統計解析器３４及び性能劣化
率解析器４２が提供する情報の為に、製品のシステム・
レベルで故障の分布を決定することが出来る。統計解析
器３４によって提供される情報（即ち、「故障までの時
間係数」及び区分変数）は、製品のシステム・レベルを
構成する各々の区分並びにそれらの相互の関係を理解し
易くするものであり、これに対して性能劣化率解析器が
提供する性能寿命分布は、考えられるサービス条件につ
いてより多くの情報を与える。シミュレータ４４はこの
情報を使って、システム又は全体レベルを検査し、製品
に対するサービス事象の全体的な時期を予測する。図７
に戻って説明すると、シミュレータによって行われる動
作がブロック８６から始まり、ここで各々の区分分布に
対するランダムな故障時間（即ちサービス事象）が発生
される。ランダムに発生される故障時間から、ブロック
８８でこれらの値の内の最小値を見付ける。シミュレー
タはこの最小時間をｔi と選定するが、ｉはこの時間の
値に関連する区分である。次にシミュレータはブロック
９０で、システム・レベルに対する次の故障時間（即
ち、サービス事象に対する時間）として最小時間ｔi を
記録する。ブロック９２で、シミュレータはシステム・
レベルの更に多くの故障が必要かどうかを決定する。そ
うであれば、ブロック８６−９０を何回か繰返す。一
旦、全ての繰返しが行われたら、シミュレータは、ブロ
ック９４で、故障時間からシステム・レベル分布を形成
する。ブロック９６で、シミュレータが出力表及び入力
報告を作成し、グラフ出力が９８で発生される。
【００３７】図８は、図１に示すシステムによって実施
される有効認定動作を示す流れ図である。この図で、ブ
ロック１００で、経過サービス事象データ及び性能経過
データがデータベースに記憶される。ケーススタディを
確認した後、経過サービス事象データ及び性能経過デー
タがブロック１０２で、ケーススタディに従って分離さ
れる。経過サービス事象データ及び性能経過データがケ
ーススタディに入っていなければ、このデータを使っ
て、ブロック１０４で、図２について述べたようなモデ
ルを組立てる。ブロック１０６で、計画サービス事例
が、ケーススタディで起こるはずの統計的な信頼の限界
と共に決定される。統計的な信頼の限界と共に計画サー
ビス事例の一例が１０８に示されている。ブロック１１
０で、サービス事例をケーススタディで使われるデータ
と比較する。実際のデータが計画に合わない場合、ブロ
ック１１２に示すように、モデルを見直す必要がある。
他方、統計的な信頼の限界の範囲内で、データが計画と
合う場合、ブロック１１４で、モデルが有効と認定され
る。
される有効認定動作を示す流れ図である。この図で、ブ
ロック１００で、経過サービス事象データ及び性能経過
データがデータベースに記憶される。ケーススタディを
確認した後、経過サービス事象データ及び性能経過デー
タがブロック１０２で、ケーススタディに従って分離さ
れる。経過サービス事象データ及び性能経過データがケ
ーススタディに入っていなければ、このデータを使っ
て、ブロック１０４で、図２について述べたようなモデ
ルを組立てる。ブロック１０６で、計画サービス事例
が、ケーススタディで起こるはずの統計的な信頼の限界
と共に決定される。統計的な信頼の限界と共に計画サー
ビス事例の一例が１０８に示されている。ブロック１１
０で、サービス事例をケーススタディで使われるデータ
と比較する。実際のデータが計画に合わない場合、ブロ
ック１１２に示すように、モデルを見直す必要がある。
他方、統計的な信頼の限界の範囲内で、データが計画と
合う場合、ブロック１１４で、モデルが有効と認定され
る。
【００３８】これまでに示したフローチャートは、製品
の将来のサービス事象の時期を予測するシステムとして
考えられる構成のアーキテクチャ、機能及び動作を示し
ている。この点、各々のブロックはモジュール、セグメ
ント、又はコードの一部分を表しており、これが特定さ
れた論理的な機能を実現する為の１つ又は更に多くの実
行可能な命令で構成される。別のある構成では、ブロッ
クに記した機能は図面に示した順序から外れて行われる
ことがあり、又は例えば関係する機能に応じて、略同時
に又は逆の順序で実行されることがある。
の将来のサービス事象の時期を予測するシステムとして
考えられる構成のアーキテクチャ、機能及び動作を示し
ている。この点、各々のブロックはモジュール、セグメ
ント、又はコードの一部分を表しており、これが特定さ
れた論理的な機能を実現する為の１つ又は更に多くの実
行可能な命令で構成される。別のある構成では、ブロッ
クに記した機能は図面に示した順序から外れて行われる
ことがあり、又は例えば関係する機能に応じて、略同時
に又は逆の順序で実行されることがある。
【００３９】製品の将来のサービス事象の時期を予測す
る上に述べたシステム及び方法は、論理的な機能を実施
する実行可能な命令のある順序のリストで構成される。
こういう順序を持つリストは、命令を検索してそれらを
実行することが出来るコンピュータを基本としたシステ
ムで使う為又はそれに関連して使う為に、任意のコンピ
ュータが読取可能な媒体に具体化することが出来る。こ
の出願では、コンピュータが読取可能な媒体は、命令を
収容し、記憶し、連絡し、伝搬し、伝送し又は運ぶこと
が出来る任意の手段であってよい。コンピュータが読取
可能な媒体は、例えば、電子式、磁気式、光学式、電磁
式、赤外線式のシステム、装置又はデバイスであってよ
いが、これに限らない。包括的ではないが、コンピュー
タが読取可能な媒体の一例のリストとして、１本又は更
に多くのワイヤを持つ電気接続部、ポータブル形コンピ
ュータ・ディスケット（磁気）、ランダムアクセス・メ
モリ（ＲＡＭ）（磁気）、固定メモリ（ＲＯＭ）（磁
気）、消去可能なプログラマブル固定メモリ（ＥＰＲＯ
Ｍ又はフラッシュ・メモリ）（磁気）、光ファイバ（光
学式）及びポータブル・コンパクト・ディスク固定メモ
リ（ＣＤＲＯＭ）（光学式）が含まれる。その上に命令
をプリントした紙又はその他の適当な媒体を使うことも
可能である。例えば、命令は、紙又はその他の媒体を光
学的に走査することによって電子的に捕捉し、その後コ
ンパイルし、必要であれば適当な形で解釈し又はその他
の形で処理し、その後コンピュータのメモリに記憶する
ことが出来る。
る上に述べたシステム及び方法は、論理的な機能を実施
する実行可能な命令のある順序のリストで構成される。
こういう順序を持つリストは、命令を検索してそれらを
実行することが出来るコンピュータを基本としたシステ
ムで使う為又はそれに関連して使う為に、任意のコンピ
ュータが読取可能な媒体に具体化することが出来る。こ
の出願では、コンピュータが読取可能な媒体は、命令を
収容し、記憶し、連絡し、伝搬し、伝送し又は運ぶこと
が出来る任意の手段であってよい。コンピュータが読取
可能な媒体は、例えば、電子式、磁気式、光学式、電磁
式、赤外線式のシステム、装置又はデバイスであってよ
いが、これに限らない。包括的ではないが、コンピュー
タが読取可能な媒体の一例のリストとして、１本又は更
に多くのワイヤを持つ電気接続部、ポータブル形コンピ
ュータ・ディスケット（磁気）、ランダムアクセス・メ
モリ（ＲＡＭ）（磁気）、固定メモリ（ＲＯＭ）（磁
気）、消去可能なプログラマブル固定メモリ（ＥＰＲＯ
Ｍ又はフラッシュ・メモリ）（磁気）、光ファイバ（光
学式）及びポータブル・コンパクト・ディスク固定メモ
リ（ＣＤＲＯＭ）（光学式）が含まれる。その上に命令
をプリントした紙又はその他の適当な媒体を使うことも
可能である。例えば、命令は、紙又はその他の媒体を光
学的に走査することによって電子的に捕捉し、その後コ
ンパイルし、必要であれば適当な形で解釈し又はその他
の形で処理し、その後コンピュータのメモリに記憶する
ことが出来る。
【００４０】本発明により、製品の将来のサービス事象
の時期を予測するシステムと方法が提供されたことは明
らかである。本発明を好ましい実施例に関連して具体的
に図面に示して説明したが、当業者には、本発明の範囲
を逸脱せずに、種々の変更を加えることが出来ることが
理解されよう。
の時期を予測するシステムと方法が提供されたことは明
らかである。本発明を好ましい実施例に関連して具体的
に図面に示して説明したが、当業者には、本発明の範囲
を逸脱せずに、種々の変更を加えることが出来ることが
理解されよう。
【図１】製品の将来のサービス事象の時期を予測するシ
ステムがその中で動作する汎用コンピュータ・システム
の略図。
ステムがその中で動作する汎用コンピュータ・システム
の略図。
【図２】図１に示すコンピュータ・システムで作用する
製品の将来のサービス事象の時期を予測するシステムの
略図。
製品の将来のサービス事象の時期を予測するシステムの
略図。
【図３】図２に示すシステムによって実施される動作を
示すフローチャート。
示すフローチャート。
【図４】図２に示す統計解析器によって実施される動作
を示すフローチャート。
を示すフローチャート。
【図５】図２に示す性能劣化率解析によって実施される
動作を示すフローチャート。
動作を示すフローチャート。
【図６ａ】図２に示す性能経過データベースに記憶する
ある性能情報を示す一例のグラフ。
ある性能情報を示す一例のグラフ。
【図６ｂ】図２に示す性能経過データベースに記憶する
ある性能情報を示す一例のグラフ。
ある性能情報を示す一例のグラフ。
【図７】図２に示すシミュレータによって実施される動
作を示すフローチャート。
作を示すフローチャート。
【図８】図２に示すシステムによって実施される有効認
定動作を示す流れ図。
定動作を示す流れ図。
───────────────────────────────────────────────────── フロントページの続き (72)発明者 ジェフリー・ウィリアム・ステイン アメリカ合衆国、ニューヨーク州、イース ト・グリーンブッシュ、フォックスウッ ド・サークル、６番 Ｆターム(参考） 5B056 BB00 BB21 BB61 BB64
Claims (20)
- 【請求項１】 複数個の区分で形成された製品の将来の
サービス事象の時期を予測する方法に於て、 製品に対する複数個のサービス情報及び複数個の性能情
報を記憶する工程と、 前記複数個のサービス情報を解析して複数個の区分故障
情報を決定する工程と、 前記複数個のサービス情報及び性能情報から、製品の劣
化率解析を実施する工程と、 前記複数個の区分故障情報及び劣化率解析に従って、製
品の将来のサービス事象の分布をシミュレートする工程
と、を含む方法。 - 【請求項２】 前記複数個のサービス情報が区分の定
義、修理経過及びサービス因子で構成されている請求項
１記載の方法。 - 【請求項３】 前記複数個の性能情報が、性能の特性
値、サービス後の初期データ・レベル、現在のデータ・
レベル、製品のサービスをした日付、及び前記製品の複
数個の区分の内の部分集合のサービスに影響を与える変
数で構成されている請求項１記載の方法。 - 【請求項４】 更に、前記複数個のサービス情報を予定
のフォーマットに予め処理する工程を含む請求項１記載
の方法。 - 【請求項５】 前記予め処理する工程が、複数個のサー
ビス情報に従って複数個のデータ・ファイルを作成する
請求項４記載の方法。 - 【請求項６】 前記複数個の区分故障情報が区分故障変
数及び区分の「故障までの時間係数」で構成される請求
項１記載の方法。 - 【請求項７】 前記解析する工程が、複数個の区分故障
情報を使って、どの区分故障変数が将来のサービス事象
の時期に影響するかを決定すると共に、前記複数個の区
分に対し、故障までの時間の分布を推定する請求項６記
載の方法。 - 【請求項８】 前記解析する工程が、推定された故障ま
での時間の分布を使って、前記複数個の区分の内の部分
集合に対するワイブル分布を決定する請求項７記載の方
法。 - 【請求項９】 前記解析する工程が、複数個の統計手順
を実行するサービス解析スクリプトを使うことを含む請
求項１記載の方法。 - 【請求項１０】 前記複数個の統計手順が多変数回帰及
び／又は相関解析で構成されている請求項９記載の方
法。 - 【請求項１１】 前記サービス解析スクリプトが複数個
の統計診断情報を作成する請求項１０記載の方法。 - 【請求項１２】 前記複数個の統計診断情報が適合度数
値及び直線性診断を含む請求項１１記載の方法。 - 【請求項１３】 前記サービス解析スクリプトが複数個
の残さグラフを作成する請求項１０記載の方法。 - 【請求項１４】 前記解析する工程が有効認定スクリプ
トを使うことを含む請求項１記載の方法。 - 【請求項１５】 前記有効認定スクリプトが、製品に対
して設定された複数個のケーススタディに適用される請
求項１４記載の方法。 - 【請求項１６】 前記実施する工程が、複数個の区分の
部分集合を時間に従って関係付ける統計解析スクリプト
を使うことを含む請求項１記載の方法。 - 【請求項１７】 前記統計解析スクリプトが、製品の複
数個の区分の内の部分集合に対する推定劣化率曲線を作
成する請求項１６記載の方法。 - 【請求項１８】 前記劣化率解析を実施する工程が、あ
る区分に対して推定された各々の劣化率曲線を性能寿命
分布に変換することを含む請求項１７記載の方法。 - 【請求項１９】 前記シミュレートする工程が前記性能
寿命分布を使って、前記複数個の区分の内の部分集合に
対するワイブル分布を決定する請求項１８記載の方法。 - 【請求項２０】 前記シミュレートする工程が、サービ
ス事象を計画する時で構成された、将来のサービス事象
に対するサービス計画を予想する請求項１記載の方法。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US09/578095 | 2000-05-25 | ||
| US09/578,095 US6799154B1 (en) | 2000-05-25 | 2000-05-25 | System and method for predicting the timing of future service events of a product |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2002149868A true JP2002149868A (ja) | 2002-05-24 |
| JP4846923B2 JP4846923B2 (ja) | 2011-12-28 |
Family
ID=24311425
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001154725A Expired - Fee Related JP4846923B2 (ja) | 2000-05-25 | 2001-05-24 | 製品の将来のサービス事象の時期を予測する方法 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US6799154B1 (ja) |
| EP (1) | EP1160712A3 (ja) |
| JP (1) | JP4846923B2 (ja) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007226415A (ja) * | 2006-02-22 | 2007-09-06 | Central Res Inst Of Electric Power Ind | 構造物設備の経年危険度評価方法並びにこの評価方法を用いた構造物設備の経年危険度警報発令方法、装置及びプログラム |
| US7472024B2 (en) | 2006-12-27 | 2008-12-30 | Kabushiki Kaisha Toshiba | Data analysis apparatus and method |
| US8489408B2 (en) | 2002-10-18 | 2013-07-16 | Kabushiki Kaisha Toshiba | Medical equipment management apparatus which predicts future status of medical equipment |
| JP2017076360A (ja) * | 2015-10-15 | 2017-04-20 | タタ コンサルタンシー サービシズ リミテッドＴＡＴＡ Ｃｏｎｓｕｌｔａｎｃｙ Ｓｅｒｖｉｃｅｓ Ｌｉｍｉｔｅｄ | 予測信頼性マイニングのためのシステム及び方法 |
| JP2020126655A (ja) * | 2013-09-13 | 2020-08-20 | アシュラント インコーポレイテッドＡｓｓｕｒａｎｔ，Ｉｎｃ． | コンピューティング・デバイスについてのシステム性能およびイベント・データを収集、追跡、および記憶するためのシステムおよび方法 |
| JP2020184307A (ja) * | 2019-05-08 | 2020-11-12 | ザ・ボーイング・カンパニーＴｈｅ Ｂｏｅｉｎｇ Ｃｏｍｐａｎｙ | 部品の予測整備 |
| JPWO2020066197A1 (ja) * | 2018-09-27 | 2021-01-07 | 株式会社テイエルブイ | 稼働コスト評価方法および稼働コスト評価プログラム |
Families Citing this family (116)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040117051A1 (en) * | 2000-06-06 | 2004-06-17 | Ford Dean M. | Method of determining a cumulative distribution function confidence bound |
| US7428478B2 (en) * | 2001-08-17 | 2008-09-23 | General Electric Company | System and method for improving accuracy of baseline models |
| US7403877B2 (en) * | 2001-08-17 | 2008-07-22 | General Electric Company | System, method and computer product for baseline modeling a product or process |
| US7457732B2 (en) * | 2001-08-17 | 2008-11-25 | General Electric Company | System and method for measuring quality of baseline modeling techniques |
| US20030176954A1 (en) * | 2001-10-12 | 2003-09-18 | Jaw Link C. | Tracking and control of gas turbine engine component damage/life |
| US20030081236A1 (en) * | 2001-10-31 | 2003-05-01 | Banos Julio Sanabria | Adaptive preventive maintenance for hardcopy devices |
| US20030158803A1 (en) * | 2001-12-20 | 2003-08-21 | Darken Christian J. | System and method for estimation of asset lifetimes |
| US20030177160A1 (en) * | 2002-03-14 | 2003-09-18 | Internationl Business Machines Corporation | Predictive system for self-managed e-business infrastructures |
| AUPS236502A0 (en) * | 2002-05-16 | 2002-06-13 | Peterson, Paul | Method of monitoring measurements |
| US7110913B2 (en) * | 2002-12-23 | 2006-09-19 | United Services Automobile Association (Usaa) | Apparatus and method for managing the performance of an electronic device |
| US8504396B2 (en) * | 2002-12-24 | 2013-08-06 | Sap Aktiengeselleschaft | Flexible maintenance planning |
| US7149657B2 (en) | 2003-06-23 | 2006-12-12 | General Electric Company | Method, system and computer product for estimating a remaining equipment life |
| DE10331207A1 (de) | 2003-07-10 | 2005-01-27 | Daimlerchrysler Ag | Verfahren und Vorrichtung zur Vorhersage einer Ausfall-Häufigkeit |
| US7376083B2 (en) * | 2003-12-09 | 2008-05-20 | International Business Machines Corporation | Apparatus and method for modeling queueing systems with highly variable traffic arrival rates |
| US9940405B2 (en) | 2011-04-05 | 2018-04-10 | Beyondcore Holdings, Llc | Automatically optimizing business process platforms |
| US9129226B2 (en) * | 2011-12-04 | 2015-09-08 | Beyondcore, Inc. | Analyzing data sets with the help of inexpert humans to find patterns |
| US20060224482A1 (en) * | 2005-03-31 | 2006-10-05 | Aragones James K | Systems and methods for managing an asset inventory |
| US7222048B2 (en) * | 2005-04-21 | 2007-05-22 | General Electric Company | Methods and systems for diagnosing machinery |
| US20070032345A1 (en) * | 2005-08-08 | 2007-02-08 | Ramanath Padmanabhan | Methods and apparatus for monitoring quality of service for an exercise machine communication network |
| US7457786B2 (en) * | 2005-08-23 | 2008-11-25 | General Electric Company | Performance enhancement of optimization processes |
| US20070073547A1 (en) * | 2005-09-26 | 2007-03-29 | Kondrat Thomas L | Method for determining useful life of a vehicle |
| US20070088584A1 (en) * | 2005-10-18 | 2007-04-19 | Aragones James K | Systems and methods for managing lifecycle costs of an asset inventory |
| US20070118502A1 (en) * | 2005-11-18 | 2007-05-24 | Aragones James K | Methods and systems for managing a fleet of assets |
| US20070156425A1 (en) * | 2006-01-03 | 2007-07-05 | General Electric Company | Using optimization algorithm for quantifying product technical merit to facilitate product selection |
| US20070174138A1 (en) * | 2006-01-03 | 2007-07-26 | General Electrics Company | Web model and method implementing technical merit index to assist in evaluating engineering products |
| US20070156424A1 (en) * | 2006-01-03 | 2007-07-05 | General Electric Company | Tool and method for quantifying product technical merit to facilitate product selection |
| US7869908B2 (en) * | 2006-01-20 | 2011-01-11 | General Electric Company | Method and system for data collection and analysis |
| US7499255B2 (en) * | 2006-01-31 | 2009-03-03 | Thomas & Betts International, Inc. | Vacuum-type electrical switching apparatus |
| US20070185867A1 (en) * | 2006-02-03 | 2007-08-09 | Matteo Maga | Statistical modeling methods for determining customer distribution by churn probability within a customer population |
| US7318008B2 (en) * | 2006-02-28 | 2008-01-08 | Ford Motor Company | Method and system for estimating spare parts costs |
| WO2007143813A1 (en) * | 2006-06-16 | 2007-12-21 | Husky Injection Molding Systems Ltd. | Preventative maintenance update system |
| US20070294040A1 (en) * | 2006-06-16 | 2007-12-20 | Husky Injection Molding Systems Ltd. | Preventative maintenance indicator system |
| US20070294093A1 (en) * | 2006-06-16 | 2007-12-20 | Husky Injection Molding Systems Ltd. | Preventative maintenance system |
| US7543192B2 (en) * | 2006-06-20 | 2009-06-02 | Sun Microsystems, Inc. | Estimating the residual life of a software system under a software-based failure mechanism |
| US7677452B2 (en) * | 2006-06-30 | 2010-03-16 | Caterpillar Inc. | Method and system for providing signatures for machines |
| US7690565B2 (en) * | 2006-06-30 | 2010-04-06 | Caterpillar Inc. | Method and system for inspecting machines |
| US7819312B2 (en) * | 2006-06-30 | 2010-10-26 | Caterpillar Inc | Method and system for operating machines |
| US20080040152A1 (en) * | 2006-08-10 | 2008-02-14 | The Boeing Company | Systems and Methods for Health Management of Single or Multi-Platform Systems |
| US8396571B2 (en) * | 2007-03-19 | 2013-03-12 | United Technologies Corporation | Process and system for multi-objective global optimization of maintenance schedules |
| US7689384B1 (en) | 2007-03-30 | 2010-03-30 | United Services Automobile Association (Usaa) | Managing the performance of an electronic device |
| US8041808B1 (en) | 2007-03-30 | 2011-10-18 | United Services Automobile Association | Managing the performance of an electronic device |
| EP1983158A1 (de) * | 2007-04-20 | 2008-10-22 | Siemens Aktiengesellschaft | Verfahren zur Bewertung von geplanten Wartungszeitpunkten einer Strömungsmaschine sowie Leitsystem für eine Strömungsmaschine |
| DE102007022672C5 (de) * | 2007-05-15 | 2010-09-09 | Lfk-Lenkflugkörpersysteme Gmbh | Verfahren zur Zustandsüberwachung einer intelligenten Waffe und intelligente Waffe |
| US8131582B2 (en) * | 2008-01-04 | 2012-03-06 | The Boeing Company | Application of discrete choice theory to forecasting aircraft retirements and fleet composition |
| US7840376B2 (en) * | 2008-03-20 | 2010-11-23 | The Boeing Company | Risk-based design and maintenance systems and methods |
| US20090326890A1 (en) * | 2008-06-30 | 2009-12-31 | Honeywell International Inc. | System and method for predicting system events and deterioration |
| US20100114838A1 (en) * | 2008-10-20 | 2010-05-06 | Honeywell International Inc. | Product reliability tracking and notification system and method |
| WO2010054132A2 (en) * | 2008-11-06 | 2010-05-14 | General Electric Company | Engine wash system and method |
| US9477224B2 (en) * | 2008-12-12 | 2016-10-25 | General Electric Company | Physics-based lifespan modeling |
| US8290802B2 (en) * | 2009-02-05 | 2012-10-16 | Honeywell International Inc. | System and method for product deployment and in-service product risk simulation |
| EP2256678A1 (en) | 2009-05-28 | 2010-12-01 | OCCAR; Organisation Conjointe de Cooperation en matiere d'ARmement | Method, system and computer-readable medium for predicting the operational availability of a weapon system |
| US8266171B2 (en) * | 2009-06-11 | 2012-09-11 | Honeywell International Inc. | Product fix-effectiveness tracking and notification system and method |
| US20110276498A1 (en) * | 2010-05-04 | 2011-11-10 | Infernotions Technologies Ltd | Process and system for estimating risk and allocating responsibility for product failure |
| FR2966878B1 (fr) * | 2010-11-02 | 2015-01-30 | Snecma | Systeme de surveillance d'une chaine de mesure de temperature d'un turboreacteur |
| US8712739B2 (en) | 2010-11-19 | 2014-04-29 | General Electric Company | System and method for hybrid risk modeling of turbomachinery |
| FR2972025B1 (fr) * | 2011-02-25 | 2016-03-04 | Snecma | Prevision d'operations de maintenance sur un moteur d'aeronef |
| US8600917B1 (en) | 2011-04-18 | 2013-12-03 | The Boeing Company | Coupling time evolution model with empirical regression model to estimate mechanical wear |
| US10796232B2 (en) | 2011-12-04 | 2020-10-06 | Salesforce.Com, Inc. | Explaining differences between predicted outcomes and actual outcomes of a process |
| US10802687B2 (en) | 2011-12-04 | 2020-10-13 | Salesforce.Com, Inc. | Displaying differences between different data sets of a process |
| JP5638560B2 (ja) * | 2012-03-27 | 2014-12-10 | 株式会社東芝 | 保守計画決定装置およびその方法 |
| US9239894B2 (en) | 2012-07-23 | 2016-01-19 | General Electric Company | Systems and methods for predicting failures in power systems equipment |
| US11887407B2 (en) * | 2012-09-24 | 2024-01-30 | General Electric Company | Equipment repair control system |
| US10055537B2 (en) | 2013-03-14 | 2018-08-21 | Honeywell International Inc. | Simulation methods and systems for an aircraft |
| US9978017B1 (en) * | 2013-08-19 | 2018-05-22 | The Boeing Company | State change detection and behavioral prediction of a nonlinear and non-stationary system |
| EP2853970B1 (de) | 2013-09-30 | 2019-03-13 | MTU Aero Engines GmbH | Verfahren zum Durchführen einer Wartung eines Triebwerks |
| RU2551793C1 (ru) * | 2014-07-29 | 2015-05-27 | Федеральное государственное казенное военное образовательное учреждение высшего профессионального образования "ВОЕННАЯ АКАДЕМИЯ СВЯЗИ имени Маршала Советского Союза С.М. Буденного" Министерства обороны Российской Федерации | Устройство для прогнозирования случайных событий |
| US10176032B2 (en) | 2014-12-01 | 2019-01-08 | Uptake Technologies, Inc. | Subsystem health score |
| US10176279B2 (en) | 2015-06-05 | 2019-01-08 | Uptake Technologies, Inc. | Dynamic execution of predictive models and workflows |
| US10055781B2 (en) | 2015-06-05 | 2018-08-21 | Boveda Inc. | Systems, methods and devices for controlling humidity in a closed environment with automatic and predictive identification, purchase and replacement of optimal humidity controller |
| US10254751B2 (en) | 2015-06-05 | 2019-04-09 | Uptake Technologies, Inc. | Local analytics at an asset |
| US10909607B2 (en) | 2015-06-05 | 2021-02-02 | Boveda Inc. | Systems, methods and devices for controlling humidity in a closed environment with automatic and predictive identification, purchase and replacement of optimal humidity controller |
| US10579750B2 (en) | 2015-06-05 | 2020-03-03 | Uptake Technologies, Inc. | Dynamic execution of predictive models |
| US10878385B2 (en) | 2015-06-19 | 2020-12-29 | Uptake Technologies, Inc. | Computer system and method for distributing execution of a predictive model |
| PH12016000208A1 (en) * | 2015-06-29 | 2017-12-18 | Accenture Global Services Ltd | Method and system for parsing and aggregating unstructured data objects |
| US10291733B2 (en) | 2015-09-17 | 2019-05-14 | Uptake Technologies, Inc. | Computer systems and methods for governing a network of data platforms |
| WO2017100306A1 (en) | 2015-12-07 | 2017-06-15 | Uptake Technologies, Inc. | Local analytics device |
| US11295217B2 (en) | 2016-01-14 | 2022-04-05 | Uptake Technologies, Inc. | Localized temporal model forecasting |
| US10510006B2 (en) | 2016-03-09 | 2019-12-17 | Uptake Technologies, Inc. | Handling of predictive models based on asset location |
| US10796235B2 (en) | 2016-03-25 | 2020-10-06 | Uptake Technologies, Inc. | Computer systems and methods for providing a visualization of asset event and signal data |
| US10417614B2 (en) * | 2016-05-06 | 2019-09-17 | General Electric Company | Controlling aircraft operations and aircraft engine components assignment |
| US20170323239A1 (en) * | 2016-05-06 | 2017-11-09 | General Electric Company | Constrained time computing control system to simulate and optimize aircraft operations with dynamic thermodynamic state and asset utilization attainment |
| US10333775B2 (en) | 2016-06-03 | 2019-06-25 | Uptake Technologies, Inc. | Facilitating the provisioning of a local analytics device |
| US10210037B2 (en) | 2016-08-25 | 2019-02-19 | Uptake Technologies, Inc. | Interface tool for asset fault analysis |
| US10474932B2 (en) | 2016-09-01 | 2019-11-12 | Uptake Technologies, Inc. | Detection of anomalies in multivariate data |
| US10282062B2 (en) | 2016-10-03 | 2019-05-07 | Sas Institute Inc. | Techniques for repairable system simulations |
| US10592749B2 (en) | 2016-11-14 | 2020-03-17 | General Electric Company | Systems and methods for analyzing turns at an airport |
| US10228925B2 (en) | 2016-12-19 | 2019-03-12 | Uptake Technologies, Inc. | Systems, devices, and methods for deploying one or more artifacts to a deployment environment |
| US10579961B2 (en) | 2017-01-26 | 2020-03-03 | Uptake Technologies, Inc. | Method and system of identifying environment features for use in analyzing asset operation |
| KR101904868B1 (ko) * | 2017-04-28 | 2018-10-10 | 효성중공업 주식회사 | 변전소의 자산 관리 방법 |
| US10671039B2 (en) | 2017-05-03 | 2020-06-02 | Uptake Technologies, Inc. | Computer system and method for predicting an abnormal event at a wind turbine in a cluster |
| US10521981B2 (en) | 2017-06-06 | 2019-12-31 | Ge Aviation Systems Llc | Vehicle wash assessment |
| US10255526B2 (en) | 2017-06-09 | 2019-04-09 | Uptake Technologies, Inc. | Computer system and method for classifying temporal patterns of change in images of an area |
| US11232371B2 (en) | 2017-10-19 | 2022-01-25 | Uptake Technologies, Inc. | Computer system and method for detecting anomalies in multivariate data |
| US10552246B1 (en) | 2017-10-24 | 2020-02-04 | Uptake Technologies, Inc. | Computer system and method for handling non-communicative assets |
| US10379982B2 (en) | 2017-10-31 | 2019-08-13 | Uptake Technologies, Inc. | Computer system and method for performing a virtual load test |
| US10635519B1 (en) | 2017-11-30 | 2020-04-28 | Uptake Technologies, Inc. | Systems and methods for detecting and remedying software anomalies |
| US10834336B2 (en) | 2018-01-29 | 2020-11-10 | Ge Aviation Systems Llc | Thermal imaging of aircraft |
| US10815966B1 (en) | 2018-02-01 | 2020-10-27 | Uptake Technologies, Inc. | Computer system and method for determining an orientation of a wind turbine nacelle |
| JP7024466B2 (ja) * | 2018-02-05 | 2022-02-24 | 横河電機株式会社 | コリオリ流量計、時期予測システム、及び時期予測方法 |
| US10169135B1 (en) | 2018-03-02 | 2019-01-01 | Uptake Technologies, Inc. | Computer system and method of detecting manufacturing network anomalies |
| US10554518B1 (en) | 2018-03-02 | 2020-02-04 | Uptake Technologies, Inc. | Computer system and method for evaluating health of nodes in a manufacturing network |
| US10635095B2 (en) | 2018-04-24 | 2020-04-28 | Uptake Technologies, Inc. | Computer system and method for creating a supervised failure model |
| US10860599B2 (en) | 2018-06-11 | 2020-12-08 | Uptake Technologies, Inc. | Tool for creating and deploying configurable pipelines |
| US10579932B1 (en) | 2018-07-10 | 2020-03-03 | Uptake Technologies, Inc. | Computer system and method for creating and deploying an anomaly detection model based on streaming data |
| US11119472B2 (en) | 2018-09-28 | 2021-09-14 | Uptake Technologies, Inc. | Computer system and method for evaluating an event prediction model |
| US11181894B2 (en) | 2018-10-15 | 2021-11-23 | Uptake Technologies, Inc. | Computer system and method of defining a set of anomaly thresholds for an anomaly detection model |
| US11256245B2 (en) | 2018-12-26 | 2022-02-22 | General Electric Company | Model for predicting distress on a component |
| US11480934B2 (en) | 2019-01-24 | 2022-10-25 | Uptake Technologies, Inc. | Computer system and method for creating an event prediction model |
| US11030067B2 (en) | 2019-01-29 | 2021-06-08 | Uptake Technologies, Inc. | Computer system and method for presenting asset insights at a graphical user interface |
| US11797550B2 (en) | 2019-01-30 | 2023-10-24 | Uptake Technologies, Inc. | Data science platform |
| US11208986B2 (en) | 2019-06-27 | 2021-12-28 | Uptake Technologies, Inc. | Computer system and method for detecting irregular yaw activity at a wind turbine |
| US10975841B2 (en) | 2019-08-02 | 2021-04-13 | Uptake Technologies, Inc. | Computer system and method for detecting rotor imbalance at a wind turbine |
| FR3101669B1 (fr) * | 2019-10-07 | 2022-04-08 | Safran | Dispositif, procédé et programme d’ordinateur de suivi de moteur d’aéronef |
| US11449921B2 (en) * | 2020-06-19 | 2022-09-20 | Dell Products L.P. | Using machine learning to predict a usage profile and recommendations associated with a computing device |
| US11892830B2 (en) | 2020-12-16 | 2024-02-06 | Uptake Technologies, Inc. | Risk assessment at power substations |
| US20220391853A1 (en) * | 2021-06-08 | 2022-12-08 | Service Write, Inc. | Service Bay Timer System and Method |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04344967A (ja) * | 1991-05-22 | 1992-12-01 | Hitachi Ltd | 機器保全管理最適化の支援装置 |
| JPH06167425A (ja) * | 1992-10-02 | 1994-06-14 | Nippon Telegr & Teleph Corp <Ntt> | 光線路の劣化時期推定システム及び方法 |
| JPH06180281A (ja) * | 1992-11-20 | 1994-06-28 | Toshiba Corp | 構造部材の劣化・損傷予測方法およびその予測装置 |
| JPH08221480A (ja) * | 1995-02-17 | 1996-08-30 | Fuji Xerox Co Ltd | 保守管理装置 |
| WO1998024042A1 (en) * | 1996-11-27 | 1998-06-04 | Sundstrand Corporation | Method of maintaining components subject to fatigue failure |
| JPH10326102A (ja) * | 1997-03-25 | 1998-12-08 | Kawasaki Steel Corp | 機械保全用定期修理工事消化シミュレータ |
Family Cites Families (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE4008560C2 (de) | 1989-03-17 | 1995-11-02 | Hitachi Ltd | Verfahren und Vorrichtung zum Bestimmen einer Restlebensdauer eines Aggregats |
| US5210704A (en) * | 1990-10-02 | 1993-05-11 | Technology International Incorporated | System for prognosis and diagnostics of failure and wearout monitoring and for prediction of life expectancy of helicopter gearboxes and other rotating equipment |
| DE4243882C1 (de) * | 1992-12-23 | 1994-01-05 | Baleanu Michael Alin | Verfahren und Einrichtung zur Überwachung eines technischen Prozesses |
| LTIP1892A (en) * | 1993-06-15 | 1994-12-27 | Combustion Eng | Corrosian analysis system and method |
| US5566092A (en) * | 1993-12-30 | 1996-10-15 | Caterpillar Inc. | Machine fault diagnostics system and method |
| US5701471A (en) * | 1995-07-05 | 1997-12-23 | Sun Microsystems, Inc. | System and method for testing multiple database management systems |
| US5740233A (en) * | 1995-11-02 | 1998-04-14 | Intervoice Limited Partnership | System and method for statistical diagnosis of the operation of an automated telephone system |
| US5686359A (en) * | 1995-12-07 | 1997-11-11 | Lucent Technologies Inc. | Titanium silicide process |
| US5822218A (en) * | 1996-08-27 | 1998-10-13 | Clemson University | Systems, methods and computer program products for prediction of defect-related failures in integrated circuits |
| DE19712767A1 (de) | 1997-03-26 | 1998-10-01 | Esg Elektronik System Gmbh | Verfahren zum Abschätzen der Ausfallsrate von Komponenten technischer Einrichtungen |
| US6496827B2 (en) * | 1997-05-12 | 2002-12-17 | Mlk Software | Methods and apparatus for the centralized collection and validation of geographically distributed clinical study data with verification of input data to the distributed system |
| US20010020229A1 (en) * | 1997-07-31 | 2001-09-06 | Arnold Lash | Method and apparatus for determining high service utilization patients |
| US6006154A (en) * | 1998-03-02 | 1999-12-21 | Cummins Engine Company, Inc. | System and method for cylinder power imbalance prognostics and diagnostics |
| US6195324B1 (en) * | 1998-03-20 | 2001-02-27 | Pioneer Electronic Corporation | Disk player |
| US6405160B1 (en) * | 1998-08-03 | 2002-06-11 | Motorola, Inc. | Memory compiler interface and methodology |
| JP3408752B2 (ja) | 1998-09-22 | 2003-05-19 | 三菱電機株式会社 | 故障予知整備装置 |
| US6377876B1 (en) * | 1998-12-17 | 2002-04-23 | General Electric Company | Locomotive diagnostic system |
| US6067486A (en) | 1999-02-01 | 2000-05-23 | General Electric Company | Method and system for planning repair of an aircraft engine |
| US6490506B1 (en) * | 1999-05-21 | 2002-12-03 | Hydro Resource Solutions Llc | Method and apparatus for monitoring hydroelectric facility maintenance and environmental costs |
| US6381556B1 (en) | 1999-08-02 | 2002-04-30 | Ciena Corporation | Data analyzer system and method for manufacturing control environment |
| US6408258B1 (en) * | 1999-12-20 | 2002-06-18 | Pratt & Whitney Canada Corp. | Engine monitoring display for maintenance management |
| US6370454B1 (en) * | 2000-02-25 | 2002-04-09 | Edwin S. Moore Iii | Apparatus and method for monitoring and maintaining mechanized equipment |
| US6532427B1 (en) | 2000-05-10 | 2003-03-11 | Texas Instruments Incorporated | Web-based mining of statistical data |
-
2000
- 2000-05-25 US US09/578,095 patent/US6799154B1/en not_active Expired - Lifetime
-
2001
- 2001-05-23 EP EP01304555A patent/EP1160712A3/en not_active Withdrawn
- 2001-05-24 JP JP2001154725A patent/JP4846923B2/ja not_active Expired - Fee Related
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04344967A (ja) * | 1991-05-22 | 1992-12-01 | Hitachi Ltd | 機器保全管理最適化の支援装置 |
| JPH06167425A (ja) * | 1992-10-02 | 1994-06-14 | Nippon Telegr & Teleph Corp <Ntt> | 光線路の劣化時期推定システム及び方法 |
| JPH06180281A (ja) * | 1992-11-20 | 1994-06-28 | Toshiba Corp | 構造部材の劣化・損傷予測方法およびその予測装置 |
| JPH08221480A (ja) * | 1995-02-17 | 1996-08-30 | Fuji Xerox Co Ltd | 保守管理装置 |
| WO1998024042A1 (en) * | 1996-11-27 | 1998-06-04 | Sundstrand Corporation | Method of maintaining components subject to fatigue failure |
| JP2001507144A (ja) * | 1996-11-27 | 2001-05-29 | サンドストランド・コーポレイション | 疲労破損を受けやすい構成要素を保全する方法 |
| JPH10326102A (ja) * | 1997-03-25 | 1998-12-08 | Kawasaki Steel Corp | 機械保全用定期修理工事消化シミュレータ |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8489408B2 (en) | 2002-10-18 | 2013-07-16 | Kabushiki Kaisha Toshiba | Medical equipment management apparatus which predicts future status of medical equipment |
| JP2007226415A (ja) * | 2006-02-22 | 2007-09-06 | Central Res Inst Of Electric Power Ind | 構造物設備の経年危険度評価方法並びにこの評価方法を用いた構造物設備の経年危険度警報発令方法、装置及びプログラム |
| US7472024B2 (en) | 2006-12-27 | 2008-12-30 | Kabushiki Kaisha Toshiba | Data analysis apparatus and method |
| JP2020126655A (ja) * | 2013-09-13 | 2020-08-20 | アシュラント インコーポレイテッドＡｓｓｕｒａｎｔ，Ｉｎｃ． | コンピューティング・デバイスについてのシステム性能およびイベント・データを収集、追跡、および記憶するためのシステムおよび方法 |
| US11429506B2 (en) | 2013-09-13 | 2022-08-30 | Assurant, Inc. | Systems and methods for collecting, tracking, and storing system performance and event data for computing devices |
| US11704221B2 (en) | 2013-09-13 | 2023-07-18 | Assurant, Inc. | Systems and methods for collecting, tracking, and storing system performance and event data for computing devices |
| JP2017076360A (ja) * | 2015-10-15 | 2017-04-20 | タタ コンサルタンシー サービシズ リミテッドＴＡＴＡ Ｃｏｎｓｕｌｔａｎｃｙ Ｓｅｒｖｉｃｅｓ Ｌｉｍｉｔｅｄ | 予測信頼性マイニングのためのシステム及び方法 |
| JPWO2020066197A1 (ja) * | 2018-09-27 | 2021-01-07 | 株式会社テイエルブイ | 稼働コスト評価方法および稼働コスト評価プログラム |
| JP2020184307A (ja) * | 2019-05-08 | 2020-11-12 | ザ・ボーイング・カンパニーＴｈｅ Ｂｏｅｉｎｇ Ｃｏｍｐａｎｙ | 部品の予測整備 |
| US11999511B2 (en) | 2019-05-08 | 2024-06-04 | The Boeing Company | Predictive part maintenance |
| JP7542956B2 (ja) | 2019-05-08 | 2024-09-02 | ザ・ボーイング・カンパニー | 部品の予測整備 |
Also Published As
| Publication number | Publication date |
|---|---|
| EP1160712A2 (en) | 2001-12-05 |
| EP1160712A3 (en) | 2004-01-21 |
| US6799154B1 (en) | 2004-09-28 |
| JP4846923B2 (ja) | 2011-12-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4846923B2 (ja) | 製品の将来のサービス事象の時期を予測する方法 | |
| US6832205B1 (en) | System and method for automatically predicting the timing and costs of service events in a life cycle of a product | |
| US11755319B2 (en) | Code development management system | |
| US7107491B2 (en) | System, method and computer product for performing automated predictive reliability | |
| US7945427B2 (en) | Methods and systems for providing unanticipated demand predictions for maintenance | |
| EP3627408A1 (en) | Equipment repair management and execution | |
| US7050950B2 (en) | System, method and computer product for incremental improvement of algorithm performance during algorithm development | |
| US7383165B2 (en) | System and method for diagnosing faults utilizing baseline modeling techniques | |
| US7403877B2 (en) | System, method and computer product for baseline modeling a product or process | |
| CN110782129A (zh) | 一种业务进度监控方法、装置、系统及计算机可读存储介质 | |
| CN111126629B (zh) | 模型的生成方法、刷单行为识别方法、系统、设备和介质 | |
| WO2020205150A1 (en) | Validation of operating plans and schedules using machine learning | |
| CN114546256A (zh) | 从时间序列数据导出的用于kpi的基于数据质量的置信度计算 | |
| Roshandel et al. | Estimating software component reliability by leveraging architectural models | |
| CN117194382A (zh) | 中台数据处理方法、装置、电子设备及存储介质 | |
| EP1146468A2 (en) | System and method for predicting timing and costs of service events in a life cycle of a product | |
| WO2020223184A1 (en) | Analytical model training method for customer experience estimation | |
| Valanarasu et al. | Risk assessment and management in enterprise resource planning by advanced system engineering theory | |
| CN112905956B (zh) | 一种基于电网运行特征分析的配网计量事件核对方法 | |
| Putra et al. | Flexible stage-based process performance mining for customer journey analysis | |
| Barabady | Production Assurance: Concept, implementation and improvement | |
| KR102699113B1 (ko) | 예측 모델을 이용하여 대상기업의 esg 활동데이터를 예측하여 상기 대상기업의 esg 활동을 진단하는 장치 및 방법 | |
| US20040138867A1 (en) | System and method for modeling multi-tier distributed workload processes in complex systems | |
| CN117973872B (zh) | 供应链风险识别方法、装置、电子设备及存储介质 | |
| US20050076276A1 (en) | System and method for defect projection in transaction management in a target computer environment |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20021219 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20080522 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20080522 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20101026 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20110114 |
|
| RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20110114 |
|
| RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20110114 |
|
| A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20110119 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20110329 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20110510 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20110816 |
|
| A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20110822 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20110920 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20111013 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20141021 Year of fee payment: 3 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 4846923 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |