JP2005327201A - 保守支援方法及びプログラム並びに装置 - Google Patents

Abstract

【課題】機器寿命の正確な把握、メンテナンスの最適化、メンテナンス回数の削減、メンテナンス周期の拡張を図り、ライフサイクルコストの低減を図り、機器の信頼性を維持する。
【解決手段】 本発明の一例において、機器の保守対応を支援するための保守支援方法は、機器の識別情報と機器の出荷先を示す顧客識別情報とを関連付けた出荷情報１２に基づいて、所定の出荷先へ出荷された機器の集合である母集団を求め、機器の識別情報、機器を用いる顧客を示す顧客識別情報、機器の故障発生時間情報を関連付けた設備保全情報９に基づいて、母集団内において信頼性解析時点までに発生している機器の故障実績を求め、母集団と故障実績とに基づいて信頼性解析を行う。
【選択図】 図１

Description

本発明は、機器の保守作業を支援するための保守支援方法及びプログラム並びに装置に関する。

各種製品の保守診断方法として、ＴＢＭ（Time Based Maintenance、時間基準保全）が用いられる。ＴＢＭは、製品毎に、点検周期を決定し、製品の設置環境、劣化度合に関係なく、定期的にメンテナンスを行う方法である。

ＴＢＭには、メンテナンス計画が立て易いという利点がある。例えば、製品のメーカは、自社が納入した製品に対して保守期間を設け、納入からある一定の期間、交換部品の確保又はメンテナンスの引受を製品のユーザに対して保証する。保守期間は、交換部品の供給可能期間又は保守要員の作業可能期間などに基づいて、製品の製造から何年又は製品の同機種の製造中止から何年という形式で、メーカ主導で決定される。

一方、ＴＢＭには、製品の設置環境が良好で劣化の度合が小さい場合又は製品に異常がなく順調に動作しており劣化の兆候も見られない場合であっても点検が行われるため、製品の稼働率が低下し、メンテナンス費用の抑制が困難等の問題がある。また、ＴＢＭには、製品の設置環境が予想よりも劣悪で製品の材料又は部品の劣化が進行しやすい場合に、点検周期が長すぎて故障が頻発する可能性もある。したがって、同種の製品に対して一律にＴＢＭを適用することは好ましくない場合がある。

近年、老朽化した設備が増加しており、ユーザは、製品の運用コストを最小化する方法の導入を検討し始めている。

具体的には、ユーザの間で、製品毎に、運転状態又は劣化度合を確認し、点検周期の変更又は点検項目の選定などを行うことにより、メンテナンスの最適化を図るＣＢＭ（Condition Based Maintenance、状態基準保全）が採用される傾向にある。

また、製品の運用リスクとメンテナンス費用のトレード・オフに着目して製品毎のライフサイクルにおける運用コストの最小化を図るＲＢＭ（Risk Based Maintenance、リスク基準保全）も提案されている。

すなわち、ユーザは、ＣＢＭ又はＲＢＭを利用してメンテナンス方法の最適化を図ることにより、メンテナンス回数の削減又はメンテナンス周期の拡張等を図り、ライフサイクルコストの低減を図り、製品の信頼性を維持することを目指している。

特許文献１には、余寿命に応じた保守管理を可能とする技術が開示されている。この特許文献１には、破壊確率に重み係数を乗じたプラントリスク推定値を超えないように、プラント運転制限値を求めると共に、現在の余寿命と将来の余寿命予測からプラントリスク運用推定値を求める技術が記載されている（段落［０００９］〜［００１０］）。

特許文献２には、対人危険リスク、機能損失リスク、環境リスクに基づいて、保全箇所のリスクを定量的に評価し、また、改造コストと故障発生時の損失コストとを計算し、過剰保全を回避する技術が開示されている（段落［０００９］及び［００３２］）。

特許文献３には、故障事象と故障要因とをマトリックスで関係付けて、精度の高い故障診断を実現する技術が開示されている（段落［０００３］）。
特開２００２−７３１５５号公報 特開２００２−１２３３１４号公報 特開平１１−１１９８２３号公報

以上のような従来の保守支援方法は、メンテナンスの最適化を図る技術であるが、具体的な最適化手法が未だ確立されていない状況にある。

特許文献１の技術は、余寿命に応じた保守管理を行う技術であり、メンテナンス周期を最適化する技術ではない。

特許文献２の技術は、過剰保全を回避する技術であり（段落［０００７］）、基本的に計画立案段階での評価に関する技術である（段落［００３５］）。特許文献２では、運用実績に基づくメンテナンスの最適化について、保全方法／周期の見直し（Ｓ１０）がなされる（段落［００３６］）といった概要だけが記載されている。また、特許文献２は、経年変化による劣化を解析する技術であるため（段落［００１４］、［００２７］及び図５）、特許文献２では、経年変化以外の故障の解析については具体的に記載されていない。

特許文献３の技術は、精度の高い故障診断を実現する技術であり、メンテナンス周期を最適化する技術ではない。

したがって、特許文献１〜３の技術を用いた場合であっても、製品寿命の正確な把握、メンテナンスの最適化、メンテナンス回数の削減、メンテナンス周期の拡張を図り、ライフサイクルコストの低減を図り、製品の信頼性を維持することは困難である。

本発明は上記実情を考慮してなされたもので、機器の交換時期及びメンテナンス時期の推定作業を支援する保守支援方法及びプログラム並びに装置を提供することにある。

本発明の一実施例である保守支援方法は、機器の識別情報と機器の出荷先を示す顧客識別情報とを関連付けた出荷情報に基づいて、所定の出荷先へ出荷された機器の集合である母集団を求め、機器の識別情報、機器を用いる顧客を示す顧客識別情報、機器の故障発生時間情報を関連付けた設備保全情報に基づいて、母集団内において信頼性解析時点までに発生している機器の故障実績を求め、母集団と故障実績とに基づいて信頼性解析を行う。

以上説明したように本発明によれば、機器の正確な寿命を把握でき、メンテナンスを最適化でき、メンテナンス回数を削減でき、メンテナンス周期を拡張でき、ライフサイクルコストを低減でき、機器の信頼性を向上させることができる。

以下、本発明の実施形態について図面を参照して説明する。なお、以下の各図において同様の部分については同様の符号を付して説明を省略する。

本実施の形態に係る保守支援プログラムは、機器（例えば製品、製品の機種、部品、部品の機種、設備、システム、装置、製品の型式、部品の型式、プラントなど、様々な単位を含む）の運用現場からフィードバックされる機器の故障情報、交換情報、更新情報などを含む設備保全情報と、機器の出荷日時情報と設計情報などを含む機器の出荷情報とに基づいて、機器の信頼性解析を行う。

例えば、本実施の形態に係る保守支援プログラムは、機器の識別情報の一例である製品の機種、部品の機種、型式、機器の顧客識別情報の一例である業種、顧客名など、所望の項目の組合せについてデータ抽出を行い、このデータ抽出結果に対する故障発生確率密度関数、不信頼度関数の算出などを実行する。

図１は、本実施の形態に係る保守支援プログラムの一例を示すブロック図である。なお、本実施の形態では、主に、製品を構成する部品単位で信頼性解析が行われる場合を例に説明するが、他の様々な機器単位（例えば、システム単位、装置単位、製品の型式単位、部品の型式単位など）で信頼性解析が行われる場合も同様である。

保守支援プログラム１は、記録媒体２に記録されている。保守支援プログラム１は、コンピュータ３に読み込まれ、実行されることにより、情報抽出機能４、母集団演算機能５、解析機能６、管理機能７を実現する。

情報抽出機能４は、設備保全情報ＤＢ８で管理されている設備保全情報９の中から、入力装置３ａによって指定された信頼性解析に必要な項目のデータを抽出し、設備保全抽出情報１０を作成する。例えば、情報抽出機能４は、設備保全情報９に対して、業種、顧客名、システム名、設備名、機種名、故障部位、故障モード、故障発生日、納入日、故障発生時間、故障原因、部品名、型式、不良基板名などの項目の所望の組合せにより検索・フィルタリングを実行し、必要な情報のみを抽出し、設備保全抽出情報１０を作成する。

図２は、設備保全抽出情報１０の一例を示す図である。

この図２では、設備保全情報９に基づいて、項目「業種」「顧客名」「システム名」「設備名」「故障部位」「故障モード」「故障発生日」「納入日」「故障発生時間」「故障原因大分類」「部品名」「型式」に関する情報を含む設備保全抽出情報１０が作成されている。

なお、例えば、設備保全抽出情報１０における「故障発生時間」の値は、（故障発生日−納入日）×２４[時間]により求められる。

情報抽出機能４は、出荷情報ＤＢ１１で管理されている出荷情報１２の中から、入力装置３ａによって指定された信頼性解析に必要な項目のデータを抽出し、出荷抽出情報１４を作成する。

図３は、出荷抽出情報１４の一例を示す図である。

この出荷抽出情報１４は、項目「製品名」「機器の型式」「部品名」「部品の型式」「出荷日時（納入日時）」「出荷台数」「顧客名（納入先、出荷先）」に関する情報を含む。

本実施の形態において、設備保全抽出情報１０と出荷抽出情報１４とは、ＤＢ１５を用いて管理されるとする。設備保全抽出情報１０と出荷抽出情報１４とは、統一したフォーマットで管理され、異なる部門に共有される。これにより、設備保全抽出情報１０と出荷抽出情報１４とについて、データ管理の一元化、データ解析の一元化、解釈の一元化が図られる。

設備保全情報９から設備保全抽出情報１０を作成する場合の情報の選択方法、及び出荷情報１２から出荷抽出情報１４を作成する場合の情報の選択方法としては、個々の情報の信頼性を保つためにプルダウンメニューによる選択方式が用いられ、解析者の手入力としないことが望ましい。

ＤＢ１５は、上記図２及び図３に示すような全項目網羅方のデータベース形式としてもよいし、運用上の利便性を考え、情報の追加や修正が容易なリレーショナルデータベースにより構築してもよい。

母集団演算機能５は、出荷抽出情報１４に基づいて、各部品について、同一顧客に出荷された部品の出荷台数を求め、この同一顧客に出荷された部品についての出荷台数情報を含む母集団情報１６をＤＢ１５に記録する。

例えば、母集団演算機能５は、設備保全抽出情報１０と出荷抽出情報１４とに基づいて、設備保全抽出情報１０内の各部品について同一顧客に出荷された出荷台数を求める。

なお、本実施の形態では、詳細に解析可能とするため、母集団演算機能５は、設備保全抽出情報１０と出荷抽出情報１４とに基づいて、同一顧客に同一時期に出荷された部品の出荷台数（母数）Ｎｉを求め、顧客名と出荷時期と部品の出荷台数Ｎｉとを含む母集団情報１６をＤＢ１５に記録する。

母集団演算機能５は、出荷された機器が、同一の型式の基板、同一の型式の部品を複数備えている場合、機器の出荷数とこの機器に含まれる基板数、部品数とを掛け合わせた数を用いて、各基板、各部品の出荷数を求める。

母集団演算機能５は、設備保全抽出情報１０の代わりに設備保全情報９を直接用いるとしてもよく、出荷抽出情報１４の代わりに出荷情報１２を直接用いるとしてもよい。

解析機能６は、各種の信頼性解析処理を実行する。

解析機能６は、設備保全抽出情報１０と母集団情報１６とに基づいて、同一時期に同一の顧客に出荷された部品について、信頼性解析時点までに故障している故障台数を求める。

また、解析機能６は、出荷台数と故障台数との差に基づいて、同一顧客に同一時期に納入され現場で現在故障することなく正常に稼動している部品の正常台数を求める。

そして、解析機能６は、例えば、故障率を演算する場合、同一顧客に同一時期に出荷された部品の出荷台数Ｎｉに対して、実際に故障の発生している故障台数の割合を求める。

解析機能６は、設備保全抽出情報１０と母集団情報１６とに基づいて、解析日時と出荷日時との差から現場で正常に稼動している時間を算出し、この算出された時間を一種の途中打切りデータとして用いる。

これにより、解析機能６は、現場に出荷された部品の出荷台数（母数）を正確に把握した上で、途中打切りデータ込みの累積ハザード解析を実行可能である。この結果、本実施の形態では、故障の発生した部品に関する情報のみに基づいて現場での故障発生確率を求めた場合のように、現場での故障発生確率が実際の部品の故障発生確率よりも大きく算出されることが防止され、より正確な解析が可能となる。

解析機能６は、信頼性解析処理の結果を示す信頼性解析情報１７を信頼性解析情報ＤＢ１８に記録する。

図４は、信頼性解析情報１７の第１例を示す図である。

この図４では、信頼性解析情報１７として累積ハザード表が作成されている。信頼性解析情報１７では、顧客を識別するための顧客名、この顧客に出荷された部品を示す部品識別情報、この部品に故障が発生した場合の故障発生時間又はこの部品に故障が発生していない場合の正常稼動時間、この部品に故障が発生した場合に１となり異常が発生していない場合に０となるσｉ、この部品と同一顧客に同一時期に出荷された出荷数(母集団の数)Ｎｉ、１／Ｎｉ、累積ハザード関数Ｈ（ｔ）の値、信頼度関数Ｒ（ｔ）の値、不信頼度関数Ｆ（ｔ）の値が関係付けされている。信頼性解析情報１７は、他の顧客についても、この図４と同様の形式で情報を管理する。

なお、本実施の形態において、Ｈ（ｔ）は（１）式により求まる。この（１）式では、同一時期に出荷された同一の部品について、母集団の中にいくつの故障部品があるか演算される。

Ｈ（ｔ）＝Σσｉ／Ｎｉ …（１）
信頼度関数Ｒ（ｔ）、不信頼度関数Ｆ（ｔ）は、それぞれ（２）式、（３）式により求まる。

Ｒ（ｔ）＝ｅｘｐ（−Ｈ（ｔ）） …（２）
Ｆ（ｔ）＝１−Ｒ（ｔ） …（３）
また、信頼性解析によく用いられる分布として、ワイブル関数を導入してもよい。

具体的には、上記（２）式及び（３）式から、ＩｎＨ（ｔ）＝−Ｉｎ（Ｉｎ（１−Ｆ（ｔ）））を導出してワイブル型累積ハザード紙へのあてはめを行い、両対数グラフ上での線形近似により、下記の近似式（４），（５）に基づく定数ηとｍを定める。

Ｈ（ｔ）＝（ｔ／η）^m…（４）
ＩｎＨ（ｔ）＝ｍＩｎｔ−ｍＩｎη…（５）
このワイブル関数を導入することにより、広範囲の寿命データを対象とすることができ、検索したデータの故障パターンが、ｍの値で初期故障型（ｍ＜１）か、偶発型（ｍ＝１）か、摩耗型（ｍ＞１）かを知ることができるメリットがある。

なお、故障確率密度関数ｆ（ｔ）の算出は、上記にて作成された不信頼度関数データの中で、「故障時間」と「Ｆ（ｔ）」を利用して行う。例えば、ｆ（ｔ）は、故障発生時間間隔Ｔ時間毎にＦ（ｔ）の最大値（Ｆ(ｎＴ)Maxとする、ｎは正の整数）を求め、現在区間から前の区間の最大値を引いたもの（ｆ（ｔ）＝Ｆ（ｎＴ）−Ｆ（（ｎ−１）Ｔ）、ただしＦ（０）＝０）として計算する。

さらに、解析機能６は、故障の発生した部品と故障の発生していない部品とを含む母集団に対する故障発生確率密度関数及び故障発生頻度分布を自動作成し、作成結果を信頼性解析情報１７に含めて信頼性解析情報ＤＢ１８に記憶する。信頼性解析情報ＤＢ１８は、ＳＱＬ（Structured Query Language）などに基づいて動作する。

解析機能６は、上記情報抽出機能４によって抽出された所望の項目の組合せ毎の累積ハザード関数、信頼度関数、不信頼度関数、故障発生確率密度関数、ワイブル関数などを、項目の組合せが選択された後、迅速に自動生成する。これにより、短時間に、視覚的に優れた信頼性解析情報１７が作成できる。

解析機能６は、同一の業種又は顧客であっても部品の使用場所によって異なる信頼性解析結果が得られるケースを想定し、業種又は顧客名に基づいて使用環境ＤＢ１９にアクセスし、部品の使用環境を表す環境情報２０を読み出し、部品の不信頼度や故障発生確率分布に対して環境情報６８に基づく重み補正を行う。

解析機能６は、部品の信頼性への故障情報のフィードバック、トラブル対応時の故障原因解明、故障傾向解析、リニューアル提案のための故障発生確率密度関数導出なども実行する。

管理機能７は、入力装置３ａの操作にしたがって、信頼性解析情報１７のうち指定された情報を検索し、検索された情報を出力装置３ｂにより表示する。

また、管理機能７は、信頼性解析情報１７の中から予め定められている所望の情報を抽出し、検索された情報を出力装置３ｂにより表示する。

解析者は、出力装置３ｂに表示された情報に基づいて、部品毎の故障発生傾向、故障原因の推移などを部品のユーザに提供する。

図５は、本実施の形態に係る解析機能６の処理の一例を示すフローチャートである。

ステップＳ１において、解析機能６は、故障の発生した部品のみで稼動時間や不信頼度を求めるのではなく、故障の発生した部品と正常に稼働中の部品との双方を含む母集団を用いて、故障モードの発生頻度分析を行う。

ステップＳ２において、解析機能６は、この母集団を用いて累積ハザード関数近似を行う。ステップＳ３において、解析機能６は、この母集団を用いて不信頼度関数を計算する。ステップＳ４において、解析機能６は、この母集団を用いて故障発生確率密度関数を計算する。

図６は、信頼性解析情報１７の第２例を示す図である。この図６では、部品の稼動時間と不信頼度Ｆ（ｔ）との関係を示している。本実施の形態では、故障の発生した部品のみを母集団とするのではなく、故障の発生した部品と故障が発生していない稼働中の部品とを含む母集団に基づいて、不信頼性が求められる。したがって、不信頼性の値が大きくなり過ぎることを防止できる。

これに対し、故障の発生した部品のみを母集団として不信頼度を求めると、図７に示すように、不信頼度の値が大きくなり実情に沿わない。

図８は、信頼性解析情報１７の第３例を示す図である。この図８では、部品の稼動時間と故障発生確率密度ｆ（ｔ）との関係を示している。また、この図８では、故障部品別に、故障発生確率の変化が表されている。この図８においても、故障の発生した部品のみを母集団とするのではなく、故障の発生した部品と故障が発生していない稼働中の部品とを含む母集団に基づいて、故障発生確率密度が求められる。したがって、故障発生確率密度の値が大きくなり過ぎることを防止できる。

これに対し、故障の発生した部品のみを母集団として故障発生確率密度を求めると、図９に示すように、故障発生確率密度の値が大きくなり実情に沿わない。

このように、本実施の形態では、故障部品のみで求めた稼働時間より実情に沿った正確な稼働時間を求めることができる。また、故障部品のみで求めた不信頼度及び故障発生確率密度より実情に沿った正確な不信頼度及び故障発生確率密度を求めることができる。

これにより、現実に故障の発生した部品のみから求められた不当に短い周期で部品のメンテナンスが行われることを防止でき、不当に短い周期で部品が取り替えられることを防止できる。

以上説明した本実施の形態においては、設備保全情報９と出荷情報１２とが統合され、現場で故障した部品と現場で稼働中の部品とを含む母集団数と当該母集団内で現在時点までに発生している故障実績とを用いて信頼性が解析される。

これにより、故障事象だけでなく現場で稼動中の部品の生存稼動情報も用いて故障発生確率が算出され、実際の現場の故障状況にそった機器信頼性の評価を行うことができる。

すなわち、本実施の形態では、フィールド故障データに相当する設備保線情報９と出荷情報１２とを用いて、信頼性解析の精度を向上させることができ、一連の解析を自動かつ短時間で行うことができる。

本実施の形態において、設備保全情報９の項目には、業種、顧客名、システム名、設備名、機種名、故障部位、故障モード、故障発生日、納入日、故障発生時間、故障原因、部品名、型式、不良基板名が含まれている。

これにより、制御装置、計算機、高電圧機器、各種部品、型式など広範囲な機器を対象とした信頼性解析のための共通フォーマットとして設備保全情報９を使用することができる。

本実施の形態において、出荷情報１２には、各製品の出荷履歴情報が含まれると共に、各製品を構成する部品の型式、各型式の実装個数情報など、様々な機器単位の設計情報が含まれる。

これにより、製品が機種ごとに何個の部品を組み込んでいるか明確になり、生存稼動部品の母集団を性格に算出することができる。

本実施の形態では、設備保全情報９と出荷情報１２とに基づいて、信頼性解析情報１７が作成される。このため、累積ハザード関数の解析を自動化することができる。

本実施の形態では、設備保全情報９の各種項目について所望の項目の組合せについて情報が検索・フィルタリングされ、必要情報のみが抽出される。さらに、本実施の形態では、信頼性解析情報１７の各種項目について所望の項目の組合せについて情報が検索・フィルタリングされ、必要情報のみが抽出される。

このため、信頼性の解析者は、顧客に対して部品の更新を提案するための故障情報の抽出、部品毎の故障発生傾向、故障原因の推移など所望の情報を自由に抽出でき、故障情報のフィードバック、トラブル対応時の故障原因解明、故障傾向解析、リニューアル提案のための故障発生確率密度関数導出などを行うことができる。

本実施の形態では、所望の項目の組合せが選択された後、迅速にこの選択された項目の組合せについて累積ハザード関数、不信頼度関数、故障発生確率密度関数などが自動生成され、短時間で視覚的な信頼性解析の結果を得ることができる。

本実施の形態では、業種又は顧客名に基づいて環境情報２０が参照され、部品の使用環境が読み出され、部品の不信頼度や故障発生確率密度関数の分布に対して環境情報２０に基づく重み補正が加えられる。これにより、業種や顧客が同一であっても部品の稼動場所によって異なる信頼性解析結果を得ることができる。

なお、上記各実施の形態において、設備保全情報は、機器保全情報、トラブルレポート集、フィールド寿命データ、フィールド実績データと呼ばれる場合がある。

本実施の形態では、各情報の項目名が異なる場合であっても、その項目の意味が同じであれば情報間で紐付け可能であるとする。例えば、項目「顧客名」と項目「出荷先」とは同一の意味であると認識可能とする。このような項目間の関係は、例えばテーブルで管理するとしてもよい。

本実施の形態において、ｔは、機器（部品、基板、製品、システム）の稼動時間として定義される。σは、機器に故障が発生した場合に１となり、異常が発生した場合に０となるフラグであり、機器が故障品か正常品かを表す識別子である。

本実施の形態において、実際上は、Ｈ（ｔ）をデータから数値計算し、そして不信頼度又は故障確率密度を算出する。また、本実施の形態に係る信頼性解析方法では、故障率λ（ｔ）＝ｆ（ｔ）／Ｒ（ｔ）と求めることができる。

本実施の形態で説明した保守支援プログラム１は、例えば磁気ディスク（フレキシブルディスク、ハードディスク等）、光ディスク（ＣＤ−ＲＯＭ、ＤＶＤ等）、半導体メモリなどの記録媒体２に書込んで、コンピュータ３に適用可能である。

また、保守支援プログラム１は、通信媒体により伝送してコンピュータ３に適用することも可能である。コンピュータ３は、保守支援プログラム１を読み込み、保守支援プログラム１によって動作が制御されることにより、上記の各機能４〜７を実現する。

記録媒体２からコンピュータ３にインストールされた保守支援プログラム１の指示に基づき、コンピュータ３上で稼働しているＯＳ（オペレーティングシステム）や、データベース管理ソフト、ネットワークソフト等のＭＷ（ミドルウェア）等が本実施の形態を実現するための各処理の一部を実行してもよい。

本実施の形態において、ソフトウェアにより実現される各機能は、ハードウェアによって実現されるとしてもよい。

本実施の形態では、複数のコンピュータに保守支援プログラム１が分散して配置され、互いに連携を取りつつ処理が実行されるとしてもよい。

本実施の形態において、コンピュータ３は、パーソナルコンピュータに限らず、情報処理機器に含まれる演算処理装置、マイコン等も含み、プログラムによって本実施の形態で説明した機能を実現することが可能な機器、装置を総称している。

本実施の形態で説明した各構成要素は、同様の作用を実現可能であれば配置を変更させてもよく、また各構成要素を自由に組み合わせてもよく、各構成要素を分割してもよく、いずれかの構成要素を削除してもよい。例えば、各ＤＢはそれぞれ自由に組み合わせてもよい。

本発明の実施の形態に係る保守支援プログラムの一例を示すブロック図。 設備保全抽出情報の一例を示す図。 出荷抽出情報の一例を示す図。 信頼性解析情報の第１例を示す図。 解析機能の処理の一例を示すフローチャート。 信頼性解析情報の第２例を示す図。 故障の発生した部品のみを母集団とした場合の不信頼度の一例を示す図。 信頼性解析情報の第３例を示す図。 故障の発生した部品のみを母集団とした場合の故障発生確率密度の一例を示す図。

符号の説明

１…保守支援プログラム、２…記録媒体、３…コンピュータ、３ａ…入力装置、３ｂ…出力装置、４…情報抽出機能、５…母集団演算機能、６…解析機能、７…管理機能、８…設備保全情報ＤＢ、９…設備保全情報、１０…設備保全抽出情報、１１…出荷情報ＤＢ、１２…出荷情報、１４…出棺抽出情報、１５…ＤＢ、１６…母集団情報、１７…信頼性解析情報、１８…信頼性解析ＤＢ、１９…使用環境ＤＢ、２０…環境情報

Claims (11)

1. 機器の保守対応を支援するための保守支援方法であって、
   前記機器の識別情報と前記機器の出荷先を示す顧客識別情報とを関連付けた出荷情報に基づいて、所定の出荷先へ出荷された前記機器の集合である母集団を求め、
   前記機器の識別情報、前記機器を用いる顧客を示す顧客識別情報、前記機器の故障発生時間情報を関連付けた設備保全情報に基づいて、前記母集団内において信頼性解析時点までに発生している前記機器の故障実績を求め、前記母集団と前記故障実績とに基づいて信頼性解析を行う
   ことを特徴とする保守支援方法。
2. コンピュータに、
   保守対象の機器の識別情報と前記機器の出荷先を示す顧客識別情報とを関連付けた出荷情報に基づいて、所定の出荷先へ出荷された前記機器の集合である母集団を求める機能、
   前記機器の識別情報、前記機器を用いる顧客を示す顧客識別情報、前記機器の故障発生時間情報を関連付けた設備保全情報に基づいて、前記母集団内において信頼性解析時点までに発生している前記機器の故障実績を求め、前記母集団と前記故障実績とに基づいて信頼性解析を行う機能
   を実現させるためのプログラム。
3. 請求項２記載のプログラムにおいて、
   前記機器の故障発生時間情報は、前記機器の納入時期を示す納入日時情報と前記機器の故障時期を示す故障発生情報とを含み、
   前記出荷情報は、前記機器の出荷数と前記機器の出荷時期を表す出荷日時情報とを含むことを特徴とするプログラム。
4. 請求項２又は請求項３記載のプログラムにおいて、
   前記出荷情報は、製品の識別情報に対して、前記製品を構成する部品の識別情報が関係付けされており、
   前記設備保全情報は、前記製品の識別情報に対して、前記製品を構成する部品の識別情報が関係付けされており、
   前記信頼性解析は、前記部品単位で行われる
   ことを特徴とするプログラム。
5. 請求項２又は請求項３記載のプログラムにおいて、
   前記出荷情報は、製品の識別情報に対して、前記製品を構成する部品の識別情報、前記部品の型式が関係付けされており、
   前記設備保全情報は、前記製品の識別情報に対して、前記製品を構成する部品の識別情報、前記部品の型式が関係付けされており、
   前記信頼性解析は、前記部品の型式単位で行われる
   ことを特徴とするプログラム。
6. 請求項２乃至請求項５のいずれか１項記載のプログラムにおいて、
   前記出荷情報は出荷情報データベースにより管理され、
   前記設備保全情報は設備保全情報データベースにより管理され、
   前記信頼性解析の結果を示す信頼性解析情報は信頼性解析データベースにより管理される
   ことを特徴とするプログラム。
7. 請求項２乃至請求項６のいずれか１項に記載のプログラムにおいて、
   コンピュータに、
   前記出荷情報と前記設備保全情報とに対する情報検索を実行する機能を実現させ、
   前記信頼性解析は、前記検索結果に基づいて実行される
   ことを特徴とするプログラム。
8. 請求項７記載のプログラムにおいて、
   前記信頼性解析は、前記検索結果が得られる度に実行されることを特徴とするプログラム。
9. 請求項２乃至請求項８のいずれか１項に記載のプログラムにおいて、
   前記信頼性解析は、故障発生頻度の分析、累積ハザード関数近似、信頼度関数の演算、不信頼度関数の演算、故障発生確率密度関数の演算、ワイブル関数の演算のうちの少なくとも一つであることを特徴とするプログラム。
10. 請求項２乃至請求項９のいずれか１項に記載のプログラムにおいて、
    前記解析機能は、前記顧客識別情報と前記機器の使用環境とを関連付けた環境情報に基づいて、前記使用環境に応じた重み補正を実行することを特徴とするプログラム。
11. 機器の保守対応を支援するための保守支援装置において、
    前記機器の識別情報と前記機器の出荷先を示す顧客識別情報とを関連付けた出荷情報に基づいて、所定の出荷先へ出荷された前記機器の集合である母集団を求める手段と、
    前記機器の識別情報、前記機器を用いる顧客を示す顧客識別情報、前記機器の故障発生時間情報を関連付けた設備保全情報に基づいて、前記母集団内において信頼性解析時点までに発生している前記機器の故障実績を求め、前記母集団と前記故障実績とに基づいて信頼性解析を行う手段と
    を具備する保守支援装置。

Images