JP2006040203A - 機器診断方法及び機器診断システム - Google Patents
機器診断方法及び機器診断システム Download PDFInfo
- Publication number
- JP2006040203A JP2006040203A JP2004222959A JP2004222959A JP2006040203A JP 2006040203 A JP2006040203 A JP 2006040203A JP 2004222959 A JP2004222959 A JP 2004222959A JP 2004222959 A JP2004222959 A JP 2004222959A JP 2006040203 A JP2006040203 A JP 2006040203A
- Authority
- JP
- Japan
- Prior art keywords
- failure
- data
- value
- cumulative
- time
- 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
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
【課題】機器装置の予防保全情報提供に好適な機器診断方法及び機器診断システムを提供する。
【解決手段】 まず、ユーザU1が所有する機器、部品データをユーザDB8から抽出する(ステップS301)。次に、部品P1に関するワイブル分布データ(m、η、累積故障率関数)を故障記録DB7から抽出する(ステップS303)。次に、抽出したmについて、この値が1.1以上か否かの判定を行う(ステップS304)。
mが1.1未満のときは予防保全の対象外と判定される(ステップS310)。mが1.1以上のときは、次にワイブル分布による累積故障率関数F(T)を用いて、部品Piの寿命予測を行う(ステップS305)。B10ライフが30,000時間以下のときは、予防保全対象として登録される(ステップS307)。この判定が全ての部品(P1乃至Pn)に対して行われる(ステップS308、309)。
【選択図】図5
【解決手段】 まず、ユーザU1が所有する機器、部品データをユーザDB8から抽出する(ステップS301)。次に、部品P1に関するワイブル分布データ(m、η、累積故障率関数)を故障記録DB7から抽出する(ステップS303)。次に、抽出したmについて、この値が1.1以上か否かの判定を行う(ステップS304)。
mが1.1未満のときは予防保全の対象外と判定される(ステップS310)。mが1.1以上のときは、次にワイブル分布による累積故障率関数F(T)を用いて、部品Piの寿命予測を行う(ステップS305)。B10ライフが30,000時間以下のときは、予防保全対象として登録される(ステップS307)。この判定が全ての部品(P1乃至Pn)に対して行われる(ステップS308、309)。
【選択図】図5
Description
本発明は機器診断方法及び機器診断システムに関し、特に、機器装置の予防保全情報提供に好適な機器診断方法及び機器診断システムに関する。
従来、空調設備を始めとして機械装置の故障発生による支障を回避するため、予め部品を修理・交換を行う予防保全が重要視されている。予防保全に関しては、部品ごとの故障発生時の使用経過時間等が記録された故障記録データベース(DB)を持ち、故障発生時の使用経過時間を、例えばワイブル分布の故障率近似曲線に当てはめることによって、運転時間に対する故障率予測値を求める技術が開示されている(例えば、特許文献1参照)。この技術は、図12に示すように機器診断システム100において、管理装置101に部品修理情報格納部102と故障率集計部103を備え、それぞれ部位A乃至Cを搭載する製造機器1号機104a乃至N号機104nの部品修理情報の収集、解析を行うものである。
一般に、部品ごとの故障率曲線WA乃至WCはバスタブ曲線と呼ばれ、部位ごとに図13(a)乃至(C)のように示される。同図において、T1A乃至T1C、TNA乃至TNCはそれぞれ製造機器1号機104a乃至N号機104nの各部品の交換後からの稼働時間を示している。また、f1A乃至f1C、fNA乃至fNCはこの時点での故障率を示している。この場合、f1A>fNC>f1Bであるとすると、予防保全修理の優先順位は1号機A部位、N号機C部位、1号機B部位の順になる。このように、当該技術によれば故障率予測値の高い順に故障有無の調査に入ることができるため、修理時間の短縮が可能となるという特徴がある。
しかしながら、当該技術は、修理が必要な部品を判定する指標として、ある時点における瞬間故障率を用いており、故障率が増加傾向にあるのか減少傾向にあるのかに対応した修理の優先順位付けに関する技術については提示されていない。
特開2003−257808号公報
本発明は、上記課題を解決するためのものであって、単にある時点における故障率の大小のみではなく、故障率の増減傾向を考慮した予防保全修理の優先順位付けを可能とする技術を提供するものである。
本発明に係る機器診断方法及び機器診断システムは、以下の内容をその要旨とする。すなわち、
(1)診断対象である一又は複数の機器について、故障発生の都度、故障部位データと、当該故障発生までの累積稼動値データと、を取得するステップと、前記故障部位データと前記累積稼動値データに基づいて、定期的にワイブル分布を適用して、部位ごとの形状パラメータ及び尺度パラメータを演算するステップと、求めた形状パラメータ及び尺度パラメータを保存するステップと、必要に応じて、前記形状パラメータ値が予め定めた数値以上で、かつ、累積故障分布関数に基づく寿命予測値が予め定めた値以下である部位を、診断対象として抽出するステップと、を含むことを特徴とする機器診断方法。
(1)診断対象である一又は複数の機器について、故障発生の都度、故障部位データと、当該故障発生までの累積稼動値データと、を取得するステップと、前記故障部位データと前記累積稼動値データに基づいて、定期的にワイブル分布を適用して、部位ごとの形状パラメータ及び尺度パラメータを演算するステップと、求めた形状パラメータ及び尺度パラメータを保存するステップと、必要に応じて、前記形状パラメータ値が予め定めた数値以上で、かつ、累積故障分布関数に基づく寿命予測値が予め定めた値以下である部位を、診断対象として抽出するステップと、を含むことを特徴とする機器診断方法。
本発明においては、一又は複数の機器について、部位(部品)ごとの故障部位データと故障発生までの累積稼動値データに基づいて、ワイブル分布を適用して部位ごとに累積故障分布関数F(T)を求める。ここに、「稼動値データ」とは、運転時間データの他に、通電時間、動作時間、設置時間、動作回数等を含む概念である。
次に、累積故障分布関数F(T)は(1)式で表される。
次に、累積故障分布関数F(T)は(1)式で表される。
F(T)=1−exp{−(T/η)m}・・・・・(1)
稼動値として運転時間を例にとると、Tは当該部位の累積運転時間であり、ηは尺度パラメータ、mは形状パラメータとよばれ故障形態で定まる係数である。部位別の運転時間が不明な場合は、Tとして機器本体の運転時間を代用してもよい。
稼動値として運転時間を例にとると、Tは当該部位の累積運転時間であり、ηは尺度パラメータ、mは形状パラメータとよばれ故障形態で定まる係数である。部位別の運転時間が不明な場合は、Tとして機器本体の運転時間を代用してもよい。
ワイブル分布において、各時点における劣化の割合、すなわち故障率λ(T)は、
λ(T)=mTm-1/ηm ・・・・・(2)
で示される。これより、
dλ(T)=m(m−1)Tm-2/ηm・・・・・(3)
(3)式より、m<1、m=1、m>1に対応して故障率は時間の経過とともに減少、一定及び増加していくことが分かる。従って、形状パラメータが所定の値以上の部位を予防保全対象とすることにより、故障率増加傾向にある部位を抽出することが可能となる。
λ(T)=mTm-1/ηm ・・・・・(2)
で示される。これより、
dλ(T)=m(m−1)Tm-2/ηm・・・・・(3)
(3)式より、m<1、m=1、m>1に対応して故障率は時間の経過とともに減少、一定及び増加していくことが分かる。従って、形状パラメータが所定の値以上の部位を予防保全対象とすることにより、故障率増加傾向にある部位を抽出することが可能となる。
形状パラメータ及び尺度パラメータは、以下に示すように分布関数F(T)の両辺を二度対数を取り、変形した式が直線になることを利用することにより求めることができる。
すなわち、ワイブル分布の信頼度関数は
R(T)=exp{−(T/η)m}
F(T)=1−R(T)=1−exp{−(T/η)m}
1/{1−F(T)}=1/R(T)=exp{−(T/η)m}
両辺の対数を2回とると、
ln・ln[1/{1−F(T)}]=mlnT−mlnη
となる。
X=lnT、Y=ln・ln[1/{1−F(T)}]、b=−mlnηとおくと、
Y=mX+b
の一次式となる。従って、直線の勾配が形状パラメータであり、Y=0となるときの時間が尺度パラメータとなる。
すなわち、ワイブル分布の信頼度関数は
R(T)=exp{−(T/η)m}
F(T)=1−R(T)=1−exp{−(T/η)m}
1/{1−F(T)}=1/R(T)=exp{−(T/η)m}
両辺の対数を2回とると、
ln・ln[1/{1−F(T)}]=mlnT−mlnη
となる。
X=lnT、Y=ln・ln[1/{1−F(T)}]、b=−mlnηとおくと、
Y=mX+b
の一次式となる。従って、直線の勾配が形状パラメータであり、Y=0となるときの時間が尺度パラメータとなる。
次に、本発明では、形状パラメータによる判定に加えて、ある部位の寿命予測時間が予め定めた所定の時間(T1)以下か否かを判定とする。そして、これら両方の条件に該当するときにその部位を予防保全対象とするものである。寿命予測時間は、所定の累積故障率に到達するまでの累積運転時間で定義される。すなわち、図10において、部位Pi及びPjの累積故障分布関数をそれぞれFi(T)、Fj(T)とすると、累積故障率が所定の値(α%)に達するまでの時間は、それぞれTi、Tjである。ここに、Ti<T1<Tjである。これより、部位Piは予防保全対象とし、Pjは対象外と判定されることになる。
このように、本発明によれば、予防保全の優先順位付けに際して、単なる故障率の大小ではなく、故障率の増減傾向と寿命予測時間という二要素を評価して行うため、より実機の特性に対応した判定が可能となる。
また、本発明は、定期的に求めたm、ηを保存しておき、要求に応じて予防保全対象の判定を行うことを特長とする。一般に、故障記録DBから当該部位の運転時間を抽出してワイブル分布を適用して故障率の関数式を求める工程は、対象機器の台数が多い場合や部品点数が多い機種の場合には、コンピューターで演算しても処理に長時間を要する。本発明ではこのような処理を定期的に行うことにより、例えばユーザからの予防保全要求があったときに即座に対応することが可能となる。
なお、本発明において、形状パラメータ及び寿命時間の演算インターバルは機器又は部品等の特性に合わせて、任意に定めることができる。
(2)寿命予測値として、余寿命を用いることを特徴とする(1)に記載の機器診断方法。
本発明は、(1)で求めた寿命予測時間から判定時点までの累積運転時間(T0)を減じた時間を余寿命時間とし、これを判定基準として用いるものである。余寿命時間(Tr)は、図11においてTr=Tα−T0で示される。累積運転時間が判明している部位については、余寿命時間を用いることにより修理緊急度をより反映でき、判定基準としてより好ましいといえる。
(2)寿命予測値として、余寿命を用いることを特徴とする(1)に記載の機器診断方法。
本発明は、(1)で求めた寿命予測時間から判定時点までの累積運転時間(T0)を減じた時間を余寿命時間とし、これを判定基準として用いるものである。余寿命時間(Tr)は、図11においてTr=Tα−T0で示される。累積運転時間が判明している部位については、余寿命時間を用いることにより修理緊急度をより反映でき、判定基準としてより好ましいといえる。
(3)故障発生までの累積稼動値データが所定の値以下の累積稼動値データについては、形状パラメータ及び尺度パラメータの演算対象から除外することを特徴とする(1)又は(2)に記載の機器診断方法。
一般に、形状パラメータmは時間の経過とともに変化する。特に、累積運転時間がごく短いときは製造不良や施工不良に起因する故障が支配的である。従って、本発明のように将来の故障率を予測して判定する場合には、運転時間が短いときのデータを除外したほうがより精度向上を図ることができる。
一般に、形状パラメータmは時間の経過とともに変化する。特に、累積運転時間がごく短いときは製造不良や施工不良に起因する故障が支配的である。従って、本発明のように将来の故障率を予測して判定する場合には、運転時間が短いときのデータを除外したほうがより精度向上を図ることができる。
(4)上記(1)乃至(3)において、さらに、診断対象として抽出した部位について、修理費用を積算するステップを含むことを特徴とする機器診断方法。
部位ごとの修理費用データを備えておくことにより、例えばユーザからの予防保全要求に対応して、予防保全費用の見積を行うことが可能となる。
(5)上記(1)乃至(4)において、さらに、要求に応じて診断対象として抽出した部位データ又は修理費用データを配信するステップを含むことを特徴とする機器診断方法。
部位ごとの修理費用データを備えておくことにより、例えばユーザからの予防保全要求に対応して、予防保全費用の見積を行うことが可能となる。
(5)上記(1)乃至(4)において、さらに、要求に応じて診断対象として抽出した部位データ又は修理費用データを配信するステップを含むことを特徴とする機器診断方法。
本発明によれば、ユーザーからの要求に応じて、例えば、インターネットを利用してWEB画面で予防保全見積を表示することが可能となる。これにより、多数のユーザーからの要求に迅速かつ効率的に対応することが可能となる。
(6)診断対象である一又は複数の機器について、故障発生の都度、故障部位データと、当該故障発生までの累積稼動値データと、を取得する手段と、前記故障部位データと前記累積稼動値データに基づいて、定期的にワイブル分布を適用して、部位ごとの形状パラメータ及び尺度パラメータを演算する手段と、求めた形状パラメータ及び尺度パラメータを保存する手段と、前記形状パラメータ値が予め定めた数値以上で、かつ、前記累積故障分布関数に基づく寿命予測値が予め定めた値以下である部位を、診断対象として抽出する手段と、を含むことを特徴とする機器診断システム。
(7)上記(6)において、さらに、部位ごとの修理費用積算手段を備えたことを特徴とする機器診断システム。
(8)上記(6)又は(7)において、さらに、要求に応じて診断対象部位データ又は修理費用データを配信する手段を含むことを特徴とする機器診断システム。
(8)上記(6)又は(7)において、さらに、要求に応じて診断対象部位データ又は修理費用データを配信する手段を含むことを特徴とする機器診断システム。
本発明によれば、瞬間故障率の大小に囚われることなく、現在は故障率が低い部品であっても将来の故障増大が見込まれる部品や、余寿命が短いと予測される部品を予防保全対象として抽出することが可能となる。
以下、本発明に係る機器診断システムの実施形態について、図1乃至11を参照してさらに詳細に説明する。重複を避けるため、各図において同一構成には同一符号を用いて示している。なお、本発明の範囲は特許請求の範囲記載のものであって、以下の実施形態に限定されないことはいうまでもない。
<システム構成>
図1を参照して、本実施形態に係る機器診断システム1は、故障統計解析、予防保全費用見積等を行う管理センター2と、ユーザーU1乃至Umと、各ユーザーに設置される機器M1乃至Mjと、管理センター2とユーザーU1乃至Um間の情報通信を媒介するインターネット回線10により構成されている。ユーザーU1乃至Umは、それぞれ管理センター2と情報授受を行うための端末PC1乃至PCmを備えている。なお、各ユーザーに設置される機器、部品の組み合わせは任意である。すなわち、同一ユーザに同一機器が複数設置されている場合もあり、また、同一機器に同一部品が複数搭載されている場合もある。
図1を参照して、本実施形態に係る機器診断システム1は、故障統計解析、予防保全費用見積等を行う管理センター2と、ユーザーU1乃至Umと、各ユーザーに設置される機器M1乃至Mjと、管理センター2とユーザーU1乃至Um間の情報通信を媒介するインターネット回線10により構成されている。ユーザーU1乃至Umは、それぞれ管理センター2と情報授受を行うための端末PC1乃至PCmを備えている。なお、各ユーザーに設置される機器、部品の組み合わせは任意である。すなわち、同一ユーザに同一機器が複数設置されている場合もあり、また、同一機器に同一部品が複数搭載されている場合もある。
管理センター2は、端末PC1乃至PCmからの要求に対応する制御サーバ3と、ユーザU1乃至Umに関する情報を格納するユーザー情報DB8と、機器に搭載されている全部品に関する修理記録情報を格納する故障記録DB6と、各部品の部品費、修理費用等に関する情報を格納する修理部品DB7と、故障統計解析を行い形状パラメータ及び寿命時間の演算を行う故障解析部4と、ユーザからの要求に応じて予防保全費用の積算等を行う費用見積部5を主要構成としている。管理センター2の制御サーバ3と端末PC1乃至PCmは、wwwサーバシステム又はクライアント・サーバーシステムを構成している。なお、上記管理センター2の構成は、物理的には一又は複数のコンピューターにより実現することができる。
<故障部品情報の送信>
次に、図2をも参照して、ユーザU1の機器M1を例にして故障情報の収集及び管理センターへの情報送信のフローについて説明する。機器の運転が開始されると(ステップS101)、累積運転時間の積算が行われる(ステップS102)。機器運転中は故障発生の有無を監視し(ステップS103)、故障発生のときは故障部位の特定が行われる(ステップS104)。特定された故障部位の故障記録データは、管理センターに送信される(ステップS105)。故障記録データの内容には、ユーザコード、機器コード、故障部品コード、その時点までの累積運転時間データ等が含まれる。故障部位の修理完了後、運転及び累積運転時間の積算が再開される(ステップS106)。機器の運転継続中は累積時間のカウントを継続し(ステップS107においてNO)、機器の運転が停止したときは(ステップS107においてYES)、それまでの運転時間データは故障部品DB6の所定の保存箇所に加算される(ステップS108)。
次に、図2をも参照して、ユーザU1の機器M1を例にして故障情報の収集及び管理センターへの情報送信のフローについて説明する。機器の運転が開始されると(ステップS101)、累積運転時間の積算が行われる(ステップS102)。機器運転中は故障発生の有無を監視し(ステップS103)、故障発生のときは故障部位の特定が行われる(ステップS104)。特定された故障部位の故障記録データは、管理センターに送信される(ステップS105)。故障記録データの内容には、ユーザコード、機器コード、故障部品コード、その時点までの累積運転時間データ等が含まれる。故障部位の修理完了後、運転及び累積運転時間の積算が再開される(ステップS106)。機器の運転継続中は累積時間のカウントを継続し(ステップS107においてNO)、機器の運転が停止したときは(ステップS107においてYES)、それまでの運転時間データは故障部品DB6の所定の保存箇所に加算される(ステップS108)。
なお、機器運転中の故障発生の監視、故障部位の特定、故障記録データの送信等については、機器制御部(図示せず)において自動的に行う形態とすることができる。あるいは、管理者により入力する形態とすることも可能である。
<故障記録データの保存>
次に、故障記録データの故障記録DB6への保存について説明する。制御サーバ3は、ユーザ側から受信した故障記録データを故障解析部4に送る。故障解析部4は、データをさらに故障記録DB6の指定されたアドレスに保存する。図3は、故障記録DB6内に保存されている故障記録データを概念的に示したものである。同図に示すとおり、故障記録DB6には、ユーザ・機器・部品ごとの累積運転時間データ及び故障発生までの運転時間データが保存されている。なお、同図ではユーザU1に関する故障情報のみを例示しているが、ユーザU2乃至Umについても同様に保存されている。これにより後述する部品単位の故障データの抽出が可能となる。
次に、故障記録データの故障記録DB6への保存について説明する。制御サーバ3は、ユーザ側から受信した故障記録データを故障解析部4に送る。故障解析部4は、データをさらに故障記録DB6の指定されたアドレスに保存する。図3は、故障記録DB6内に保存されている故障記録データを概念的に示したものである。同図に示すとおり、故障記録DB6には、ユーザ・機器・部品ごとの累積運転時間データ及び故障発生までの運転時間データが保存されている。なお、同図ではユーザU1に関する故障情報のみを例示しているが、ユーザU2乃至Umについても同様に保存されている。これにより後述する部品単位の故障データの抽出が可能となる。
<ワイブル分布近似>
次に、図4をも参照して、故障解析部4において行われるワイブル分布近似フローについて説明する。この工程は定期的に行われる(インターバルは、例えば、1週間ごと、毎月等、任意に定めることができる)。まず、i=1(ステップS201)、すなわち全ユーザの同一機種の全号機に搭載されている部品P1について、累積運転時間及び故障発生までの運転時間データを故障記録DB6から抽出する(ステップS202)。次に、抽出したデータに基づいて部品P1の累積故障率を求める(ステップS203)。累積故障率の演算は上述に示した通りである。次に、ワイブル分布近似により形状パラメータ(m)及び尺度パラメータ(η)を求め(ステップS204)、さらに、データを故障記録DB6の指定アドレスに保存する(ステップS205)。部品P1の処理が終了すると、次にi=i+1として(ステップS206)、この処理を全部品(i=n)について繰り返し行う(ステップS207)。さらに、他の全ての機種について同様の処理を行う。図9は、故障記録DB6におけるワイブル分布パラメータの保存状況を概念的に示したものである。
次に、図4をも参照して、故障解析部4において行われるワイブル分布近似フローについて説明する。この工程は定期的に行われる(インターバルは、例えば、1週間ごと、毎月等、任意に定めることができる)。まず、i=1(ステップS201)、すなわち全ユーザの同一機種の全号機に搭載されている部品P1について、累積運転時間及び故障発生までの運転時間データを故障記録DB6から抽出する(ステップS202)。次に、抽出したデータに基づいて部品P1の累積故障率を求める(ステップS203)。累積故障率の演算は上述に示した通りである。次に、ワイブル分布近似により形状パラメータ(m)及び尺度パラメータ(η)を求め(ステップS204)、さらに、データを故障記録DB6の指定アドレスに保存する(ステップS205)。部品P1の処理が終了すると、次にi=i+1として(ステップS206)、この処理を全部品(i=n)について繰り返し行う(ステップS207)。さらに、他の全ての機種について同様の処理を行う。図9は、故障記録DB6におけるワイブル分布パラメータの保存状況を概念的に示したものである。
<予防保全対象の判定>
次に、図5をも参照して、ユーザーU1から予防保全費用の見積要求があったときに、故障解析部4において行われる予防保全対象の判定フローについて説明する。判定は、上述のフローで求めたワイブル分布近似式に基づき行われる。
次に、図5をも参照して、ユーザーU1から予防保全費用の見積要求があったときに、故障解析部4において行われる予防保全対象の判定フローについて説明する。判定は、上述のフローで求めたワイブル分布近似式に基づき行われる。
まず、ユーザU1が所有する機器、部品データをユーザDB8から抽出する(ステップS301)。次に、i=1(ステップS302)、すなわち部品P1に関するワイブル分布データ(m、η、累積故障率関数)を故障記録DB7から抽出する(ステップS303)。次に、抽出したmについて、この値が1.1以上か否かの判定を行う(ステップS304)。
mが1.1未満のときは予防保全の対象外と判定される(ステップS310)。mが1.1以上のときは、次にワイブル分布による累積故障率関数F(T)を用いて、部品Piの寿命予測を行う(ステップS305)。寿命予測判定は、B10ライフ(累積故障率が10%に到達する迄の累積運転時間)が30,000時間以下か否かに基づいて行う(ステップS306)。B10ライフが30,000時間を超えるときは予防保全の対象外と判定される(ステップS310)。B10ライフが30,000時間以下のときは、予防保全対象として登録される(ステップS307)。この判定が全ての部品(P1乃至Pn)に対して行われる(ステップS308、309)。
なお、本実施形態では、累積故障率10%及び累積運転時間30,000時間を判定基準としてとして採用したが、これに限らず任意の値を用いることができる。
<予防保全費用見積>
次に、上述により求めたユーザU1の予防保全判定に基づいて作成される予防保全費用の見積書及びその配信について説明する。予防保全費用見積部5は、修理部品DB7から予防保全対象と判定された部品に関する部品単価、修理費単価データを抽出し、部品ごとに部品費、修理費の積算を行う。さらにユーザU1全体の積算を行い見積書を作成する。図6は予防保全費用見積書の一例を示す図である。見積書は、制御サーバ3によりインターネット回線10を介して要求ユーザに配信される。これにより、ユーザはWEBブラウザーを利用して見積書の閲覧が可能となる。
<予防保全費用見積>
次に、上述により求めたユーザU1の予防保全判定に基づいて作成される予防保全費用の見積書及びその配信について説明する。予防保全費用見積部5は、修理部品DB7から予防保全対象と判定された部品に関する部品単価、修理費単価データを抽出し、部品ごとに部品費、修理費の積算を行う。さらにユーザU1全体の積算を行い見積書を作成する。図6は予防保全費用見積書の一例を示す図である。見積書は、制御サーバ3によりインターネット回線10を介して要求ユーザに配信される。これにより、ユーザはWEBブラウザーを利用して見積書の閲覧が可能となる。
<余寿命による判定>
さらに、本発明の他の実施形態について説明する。本実施形態が上述の実施形態と異なる点は、上述の実施形態では寿命予測判定をB10ライフに基づいて行っていたのに対して、本実施形態では余寿命を用いて行う点である。余寿命は、累積故障率10%を判定基準とすると、図11においてα=10%、現在までの累積運転時間T0とすると、Tr=Tα−T0である。
さらに、本発明の他の実施形態について説明する。本実施形態が上述の実施形態と異なる点は、上述の実施形態では寿命予測判定をB10ライフに基づいて行っていたのに対して、本実施形態では余寿命を用いて行う点である。余寿命は、累積故障率10%を判定基準とすると、図11においてα=10%、現在までの累積運転時間T0とすると、Tr=Tα−T0である。
図7を参照して、ステップS401からステップS405までは、図6のステップS301からステップS305と同一であるので、説明を省略する。次に、当該部品の余寿命(Tr)が1,000時間以下であるか否かを判定する(ステップS406)。余寿命が1,000時間を超えるときは予防保全の対象外と判定される(ステップS410)。余寿命が1,000時間以下のときは、予防保全対象として登録される(ステップS407)。以下、図6のフローと同様に処理が行われる。
<累積運転時間を考慮した判定>
さらに、図8を参照して本発明の他の実施形態について説明する。本実施形態が上述の実施形態と異なる点は、上述の実施形態では該当する部品の全ての故障データを用いてワイブル近似を行っているのに対して、本実施形態では累積運転時間が短い部品の故障データを除外する点である。
さらに、図8を参照して本発明の他の実施形態について説明する。本実施形態が上述の実施形態と異なる点は、上述の実施形態では該当する部品の全ての故障データを用いてワイブル近似を行っているのに対して、本実施形態では累積運転時間が短い部品の故障データを除外する点である。
図8を参照して、ステップS501からS502までは図2のフローと同一であるので、説明を省略する。次に、当該号機の故障発生までの累積運転時間が10時間以下であるかを判定する(ステップS503)。当該部品における10時間を超える故障データのみを演算対象として、累積故障率の演算処理を行う(ステップS504)。以下、上述のフローと同様の処理が行われる。
本発明は、多数のユーザを対象とする機器、装置の予防保全診断システムとして広く適用可能である。
1 機器診断システム
2 管理センター
3 制御サーバ
4 故障解析部
5 予防保全費用見積部
6 故障記録DB
7 修理部品DB
10 インターネット回線
U1〜Um ユーザー
M1〜Mj 機器
PC1〜PCm 端末
2 管理センター
3 制御サーバ
4 故障解析部
5 予防保全費用見積部
6 故障記録DB
7 修理部品DB
10 インターネット回線
U1〜Um ユーザー
M1〜Mj 機器
PC1〜PCm 端末
Claims (8)
- 診断対象である一又は複数の機器について、故障発生の都度、故障部位データと、当該故障発生までの累積稼動値データと、を取得するステップと、
前記故障部位データと前記累積稼動値データに基づいて、定期的にワイブル分布を適用して、部位ごとの形状パラメータ及び尺度パラメータを演算するステップと、
求めた形状パラメータ及び尺度パラメータを保存するステップと、
必要に応じて、前記形状パラメータ値が予め定めた数値以上で、かつ、累積故障分布関数に基づく寿命予測値が予め定めた値以下である部位を、診断対象として抽出するステップと、
を含むことを特徴とする機器診断方法。 - 寿命予測値として、余寿命を用いることを特徴とする請求項1に記載の機器診断方法。
- 故障発生までの累積稼動値データが所定の値以下の累積稼動値データについては、形状パラメータ及び尺度パラメータの演算対象から除外することを特徴とする請求項1又は2に記載の機器診断方法。
- 請求項1乃至3において、さらに、診断対象として抽出した部位について、修理費用の積算を行うステップを含むことを特徴とする機器診断方法。
- 請求項1乃至4において、さらに、診断対象部位データ又は修理費用データを、要求に応じて配信するステップを含むことを特徴とする機器診断方法。
- 診断対象である一又は複数の機器について、故障発生の都度、故障部位データと、当該故障発生までの累積稼動値データと、を取得する手段と、
前記故障部位データと前記累積稼動値データに基づいて、定期的にワイブル分布を適用して、部位ごとの形状パラメータ及び尺度パラメータを演算する手段と、
求めた形状パラメータ及び尺度パラメータを保存する手段と、
前記形状パラメータ値が予め定めた数値以上で、かつ、前記累積故障分布関数に基づく寿命予測時間値が予め定めた値以下である部位を、診断対象として抽出する手段と、
を含むことを特徴とする機器診断システム。 - 請求項6において、さらに、部位ごとの修理費用積算手段を備えたことを特徴とする機器診断システム。
- 請求項6又は7において、さらに、要求に応じて診断対象部位データ又は修理費用データを配信する手段を含むことを特徴とする機器診断システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004222959A JP2006040203A (ja) | 2004-07-30 | 2004-07-30 | 機器診断方法及び機器診断システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004222959A JP2006040203A (ja) | 2004-07-30 | 2004-07-30 | 機器診断方法及び機器診断システム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2006040203A true JP2006040203A (ja) | 2006-02-09 |
Family
ID=35905084
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2004222959A Pending JP2006040203A (ja) | 2004-07-30 | 2004-07-30 | 機器診断方法及び機器診断システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2006040203A (ja) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012182671A (ja) * | 2011-03-01 | 2012-09-20 | Ricoh Co Ltd | 故障予測装置、故障予測方法、故障予測システム、故障予測プログラム、及び記憶媒体 |
JP2017027419A (ja) * | 2015-07-24 | 2017-02-02 | 一般財団法人電気安全環境研究所 | エネルギー変換手段の特性の時間変化を表現する方法及び装置 |
JP2017038736A (ja) * | 2015-08-18 | 2017-02-23 | 株式会社ユニバーサルエンターテインメント | 遊技情報分析システム、分析サーバ、および遊技情報分析方法 |
JP2017182371A (ja) * | 2016-03-30 | 2017-10-05 | 日本電信電話株式会社 | 故障予測装置、故障予測方法、及び故障予測プログラム |
US10482707B2 (en) | 2015-08-18 | 2019-11-19 | Universal Entertainment Corporation | Game information analysis system with failure risk display |
CN111947920A (zh) * | 2020-07-28 | 2020-11-17 | 南昌龙行港口集团有限公司 | 一种基于威布尔分布的设备故障诊断方法 |
CN112415303A (zh) * | 2020-10-30 | 2021-02-26 | 桂林电子科技大学 | 一种考虑故障累积效应的空压机寿命预测系统及方法 |
CN112528523A (zh) * | 2020-12-29 | 2021-03-19 | 中国人民解放军国防科技大学 | 失效信息已知下的卫星动量轮表决系统剩余寿命预测方法 |
KR102283802B1 (ko) * | 2021-01-29 | 2021-07-29 | 경기대학교 산학협력단 | 결합확률분포를 이용한 보증정책 수립 장치 및 방법 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07262056A (ja) * | 1994-03-17 | 1995-10-13 | Hitachi Electron Service Co Ltd | コンピュータの障害発生傾向監視装置 |
JPH11110038A (ja) * | 1997-09-30 | 1999-04-23 | Gastar Corp | 燃焼機器のモニタ装置 |
JP2000259222A (ja) * | 1999-03-04 | 2000-09-22 | Hitachi Ltd | 機器監視・予防保全システム |
JP2002277382A (ja) * | 2000-04-14 | 2002-09-25 | Toshiba Corp | 部材の寿命を診断する方法及びその寿命を診断する装置 |
JP2003331087A (ja) * | 2002-05-13 | 2003-11-21 | Honda Motor Co Ltd | 補修部品の需要予測システム |
JP2004133553A (ja) * | 2002-10-08 | 2004-04-30 | Toshiba Corp | 設備診断装置 |
-
2004
- 2004-07-30 JP JP2004222959A patent/JP2006040203A/ja active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07262056A (ja) * | 1994-03-17 | 1995-10-13 | Hitachi Electron Service Co Ltd | コンピュータの障害発生傾向監視装置 |
JPH11110038A (ja) * | 1997-09-30 | 1999-04-23 | Gastar Corp | 燃焼機器のモニタ装置 |
JP2000259222A (ja) * | 1999-03-04 | 2000-09-22 | Hitachi Ltd | 機器監視・予防保全システム |
JP2002277382A (ja) * | 2000-04-14 | 2002-09-25 | Toshiba Corp | 部材の寿命を診断する方法及びその寿命を診断する装置 |
JP2003331087A (ja) * | 2002-05-13 | 2003-11-21 | Honda Motor Co Ltd | 補修部品の需要予測システム |
JP2004133553A (ja) * | 2002-10-08 | 2004-04-30 | Toshiba Corp | 設備診断装置 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012182671A (ja) * | 2011-03-01 | 2012-09-20 | Ricoh Co Ltd | 故障予測装置、故障予測方法、故障予測システム、故障予測プログラム、及び記憶媒体 |
JP2017027419A (ja) * | 2015-07-24 | 2017-02-02 | 一般財団法人電気安全環境研究所 | エネルギー変換手段の特性の時間変化を表現する方法及び装置 |
JP2017038736A (ja) * | 2015-08-18 | 2017-02-23 | 株式会社ユニバーサルエンターテインメント | 遊技情報分析システム、分析サーバ、および遊技情報分析方法 |
US10482707B2 (en) | 2015-08-18 | 2019-11-19 | Universal Entertainment Corporation | Game information analysis system with failure risk display |
JP2017182371A (ja) * | 2016-03-30 | 2017-10-05 | 日本電信電話株式会社 | 故障予測装置、故障予測方法、及び故障予測プログラム |
CN111947920A (zh) * | 2020-07-28 | 2020-11-17 | 南昌龙行港口集团有限公司 | 一种基于威布尔分布的设备故障诊断方法 |
CN112415303A (zh) * | 2020-10-30 | 2021-02-26 | 桂林电子科技大学 | 一种考虑故障累积效应的空压机寿命预测系统及方法 |
CN112415303B (zh) * | 2020-10-30 | 2022-07-12 | 桂林电子科技大学 | 一种考虑故障累积效应的空压机寿命预测系统及方法 |
CN112528523A (zh) * | 2020-12-29 | 2021-03-19 | 中国人民解放军国防科技大学 | 失效信息已知下的卫星动量轮表决系统剩余寿命预测方法 |
KR102283802B1 (ko) * | 2021-01-29 | 2021-07-29 | 경기대학교 산학협력단 | 결합확률분포를 이용한 보증정책 수립 장치 및 방법 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107925612B (zh) | 网络监视系统、网络监视方法和计算机可读介质 | |
JP4980581B2 (ja) | 性能監視装置、性能監視方法及びプログラム | |
EP1538503A1 (en) | Distributed power generation plant automated event assessment and mitigation plan determination process | |
CN102576326B (zh) | 操作监测设备、操作监测方法和程序存储介质 | |
JP2009098147A (ja) | Dcモータシステムの信頼性を判定する方法及びシステム | |
CN107038485A (zh) | 设备故障处理方法及系统 | |
JP2000259729A (ja) | 作業機械の管理システム | |
US20130041783A1 (en) | System and method for dynamic spare part management | |
JP6472581B1 (ja) | リスク評価装置、リスク評価方法、及び、リスク評価プログラム | |
JP2006040203A (ja) | 機器診断方法及び機器診断システム | |
JPWO2018179939A1 (ja) | リスク評価装置、リスク評価方法、及び、リスク評価プログラム | |
KR101278428B1 (ko) | 예지 보전 기반의 실시간 협업 기업 자산 관리 시스템 및 방법 | |
JPWO2016163163A1 (ja) | 閾値演算システム、及び、閾値演算方法 | |
JP2007207117A (ja) | 性能監視装置、性能監視方法及びプログラム | |
JP2007241572A (ja) | 設備監視システム | |
JP2009230700A (ja) | 装置メンテナンスシステムおよび方法 | |
KR102234054B1 (ko) | 리스크 평가 장치, 리스크 평가 시스템, 리스크 평가 방법, 리스크 평가 프로그램 및 데이터 구조 | |
US10802943B2 (en) | Performance management system, management device, and performance management method | |
JP7170564B2 (ja) | モータ劣化傾向監視システム | |
JP2015207037A (ja) | リニューアル計画装置、リニューアル計画方法およびリニューアル計画プログラム | |
JP6126316B2 (ja) | 保守支援システム及び保守支援方法 | |
JP4081258B2 (ja) | 管理サーバシステム | |
WO2013165372A1 (en) | Identifying a change to indicate a degradation within a computing device | |
JP4962371B2 (ja) | 故障推定装置 | |
JP2011090593A (ja) | 計算機システム、機器及びサーバ計算機 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20070723 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20090820 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090825 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20091222 |