JP2006522410A - 予防保守手順の統計解析および制御 - Google Patents

Abstract

機器の故障を検出し、低減する際に予防保守手順の有効性を決定するための技術について記載される。この技術は、履歴保守データ、たとえばコンピュータ支援保守管理システム（ＣＭＭＳ）からの保守データを利用し、予防保守手順のほか、機器を修理するための計画外の保守手順を識別する。この技術は、統計的相関が予防保守手順と計画外の保守手順との間に存在するかどうかを決定するために、保守データを統計的に解析するために用いられる。特に、この技術は、計画外の保守手順によって処理されるようなその機器が直面する任意の故障とそのような故障を検出または削減するように設計された予防保守手順とを相関させる。解析に基づいて、各予防保守アクティビティの有効性を決定し、各予防保守アクティビティの個別の頻度を統計的に制御することができる。

Description

本発明は、機器のための予防保守手順のスケジューリングに関する。

種々の保守手順は一般に、作動中の機器で行われる。たとえば、故障または他の事象または機器を意図的でない態様で動作させる状態の場合には、機器を修理しようとする試みにおいて、保守手順を行うために技術者が呼出されうる。このタイプの計画外の手順は一般に、緊急保守手順または是正保守手順と呼ばれる。

さらに、予防保守手順は、保守スケジュールに基づいて機器で行われることが多い。これらの手順は、機械が今後、故障する可能性を低減するという目的で行われ、それによって、コスト、リソースおよびそのような故障に関連する一般的な「休止時間」を減少させる。

さまざまな状況において、予防保守手順は、静的保守計画に基づいて行われる。たとえば、一般的な保守計画は、保守頻度、たとえば、毎週または毎月、一定数の運転時間後、製造単位などに基づいて、予防保守手順をスケジュールする。所定の頻度のほか、機器で行われるログおよびトラック保守アクティビティに基づき、予防保守手順をスケジュールするために、コンピュータ支援保守管理システム（ＣＭＭＳ）または他のユーティリティが用いられる。

一般に、本発明は、機器の故障を検出し、低減する際の予防保守（ＰＭ）手順の有効性を決定するための統計解析技術に関する。この技術は、履歴データ、たとえばコンピュータ支援保守管理システム（ＣＭＭＳ）から収集された保守データを利用し、一般に「機器」と本願明細書では呼ばれる任意のタイプの機械、装置、構成要素などで行われる予防保守手順および計画外の保守手順を識別する。

１年などの期間中に機器で行われる予防保守手順および計画外の保守手順を統計的に解析し、予防保守手順と計画外の保守手順との間の任意の統計的相関の識別を試みるためにこの技術が用いられる。特に、この技術は、計画外の保守手順によって処理されるようなその機器が直面する任意の故障とそのような故障の検出または削減するように設計された予防保守手順とを相関させる。解析に基づいて、各予防保守アクティビティの有効性を決定し、各予防保守アクティビティの個別の頻度を統計的に制御することができる。

一実施形態において、本発明は、機器で行われる予防保守手順および計画外の保守手順を識別するために保守データを解析するステップと、計画外の保守手順を予防保守手順に関連する識別子にマッピングするステップと、を含む方法に関する。この方法はさらに、マッピングに基づき、統計的相関が予防保守手順と計画外の保守手順との間に存在するかどうかを決定するステップと、決定に基づいて予防保守手順の頻度を更新するステップと、を含む。

他の実施形態において、方法は、１つ以上の相関式を生成するために、機器で行われる予防保守手順および計画外の保守手順を特定する保守データを統計的に解析するステップを含む。この方法はさらに、相関式を用いて予防保守手順の頻度を計算するステップと、計算された頻度に基づいて機器で予防保守手順を行うステップと、を含む。

他の実施形態において、方法は、機器の予防保守手順および計画外の保守手順に関する工場作業命令を規定する保守データを受信するために、インターフェイスを提供するステップを含み、インターフェイスは、工場作業命令を予防保守手順に関連する識別子にマッピングするための入力領域を含む。この方法はさらに、統計的相関が予防保守手順と計画外の保守手順との間に存在するかどうかを決定するために、マッピングに基づいて保守データを自動的に解析するステップと、決定に基づいて、予防保守手順に関連する頻度を自動的に更新するステップと、を含む。

他の実施形態において、本発明は、データベース、スケジューラおよび統計解析モジュールを具備するシステムに関する。データベースは、機器で行われる予防保守手順および計画外の保守手順を記述する保守データを格納する。スケジューラはそれぞれの頻度に基づき予防保守手順のスケジュールを生成し、統計解析モジュールは保守データを解析し、予防保守手順と計画外の保守手順との間の統計的相関に基づき予防保守手順の更新頻度を計算する。

他の実施形態において、本発明は、命令を含むコンピュータ可読媒体に関する。命令は、プログラム可能なプロセッサに機器の予防保守手順および計画外の保守手順に関する工場作業命令を規定する保守データを受信するために、インターフェイスを提供させ、インターフェイスは、工場作業命令を予防保守手順に関連する識別子にマッピングするための入力領域を含む。命令はさらに、プロセッサに統計的相関が予防保守手順と計画外の保守手順との間に存在するかどうかを決定するためにマッピングに基づいて保守データを自動的に解析させ、決定に基づいて、予防保守手順に関連する頻度を自動的に更新させる。

本願明細書に記載される技術は、１つ以上の利点を提供しうる。たとえば、機器が直面する任意の故障をそのような故障を検出または排除するように設計された予防保守手順と相関させることによって、この技術を用いて各予防保守アクティビティの有効性を統計的に測定してもよい。この統計的測定に基づき、予防保守手順の頻度を制御することができる。

その結果、この技術を用いて、ＰＭ手順のいずれかが高すぎる頻度、低すぎる頻度または非一貫性の間隔で行われたかどうかの決定を支援することによって、予防保守手順の頻度を改善するための潜在的な機会を識別しうる。さらに、技術は、適切に行われていないため、機器の故障を生じるＰＭ手順の識別を支援してもよい。

本発明の１つ以上の実施形態の詳細が、添付図面および以下の詳細に記載される。本発明の他の特徴、目的および利点は、説明および図面および請求項から明白となるであろう。

図１は、予防保守（ＰＭ）手順の頻度を統計的に制御するための技術を示す具体的なシステム２のブロック図である。特に、図１は、技術が手動の態様または半自動の態様で実行される実施形態を示している。以下に述べるように、図１１に関して、この技術はまた、ユーザ、たとえば、技術者４の関与を少なくするのに必要な自動態様で実行されうる。

示された実施形態において、技術者４は、機器６の保守サービスを提供する。一般に、「機器」なる語は、本願明細書で用いられるとき、保守サービスを必要とする任意の構成要素、機械、デバイス、装置などを指す。さらに、例示のために１人の技術者４に関して示されているが、１人以上の操作者、技術者、データ入力職員、管理者、ユーザなどが技術者４に関して本願明細書に記載される操作を行ってもよい。

技術者４は、機器６の故障の場合には、是正保守手順または緊急保守手順などの計画外の保守手順を提供する。さらに、技術者４は、コンピュータ支援保守管理システム（ＣＭＭＳ）８によって維持されるスケジュール１０に基づき、ＰＭ手順を行う。スケジュール１０は、機器６で行われる一連のＰＭ手順を規定する。各ＰＭ手順は、１つ以上のＰＭアクティビティを含むように規定されてもよい。ＣＭＭＳ８は、ＰＭ手順を行うための規定の頻度に基づいて、ＰＭ手順に関する期日を提供するために、スケジュール１０を維持する。たとえば、ＰＭ手順は、定期的、たとえば毎週または毎月、または一定数の運転時間後、機器６によって製造される製造単位などで行われてもよい。コンピュータ支援保守管理システムの例としては、マサチューセッツ州ベッドフォードのＭＲＯソフトウェア・インコーポレィテッド（ＭＲＯ Ｓｏｆｔｗａｒｅ，Ｉｎｃ．（Ｂｅｄｆｏｒｄ，ＭＡ））によって市販されている「マキシモ（Ｍａｘｉｍｏ）（登録商標）」が挙げられる。

さらに、技術者４は、作動中の機械で行われる保守手順を記録し追跡するために、ＣＭＭＳ８と対話する。特に、ＣＭＭＳ８は、機器１０に関する係属中の工場作業命令および終了した工場作業命令（ＳＷＯ）を基準する保守データ１２を維持する。たとえば、各ＳＷＯに関して、保守データ１２は、処理される特定の機器、たとえば機器６を識別する機器番号のほか、ＳＷＯ番号、ＳＷＯの開始日、問題記述、緊急保守（ＥＭ）、是正保守（ＣＭ）または予防保守（ＰＭ）などの作業命令のタイプを表しうるＳＷＯレコードを規定する。さらに、保守データ１２は、各ＳＷＯに関する推定労務費および材料費、および実際の労務費および材料費を規定しうる。ＣＭＭＳ６は、１つ以上のファイル、関係データベース、オブジェクト指向データベースなどの種々のデータ構造のいずれかの形をとりうる「データベース」に保守データ１２を維持してもよい。

本発明の実施形態によれば、技術者４は、前の周期、たとえば１年に関する保守データ１２によって維持されるＳＷＯレコードのすべてまたは一部を抽出または他の方法でエクスポートするために、ＣＭＭＳ８と対話する。抽出されたＳＷＯレコード１３は、開始され、周期にわたって行われるＳＷＯについて記述する。特に、抽出されたＳＷＯレコード１３は、非計画的な保守手順、たとえば、ＥＭ手順およびＣＭ手順のほか、行われる各ＰＭ手順について記述する。

図１に示されているように、技術者４は、前処理および初期解析に関する表計算ソフト環境１４にＳＷＯレコード１３をエクスポートしてもよい。さらに、技術者４は、ＳＷＯレコード１３をさらに解析するために、統計解析ツール１６を用いてもよい。表計算ソフト環境１４の一例は、ワシントン州レッドモンドのマイクロソフト・コーポレーション（Ｍｉｃｒｏｓｏｆｔ Ｃｏｒｐｏｒａｔｉｏｎ（Ｒｅｄｍｏｎｄ，ＷＡ））によって市販されている「マイクロソフト（Ｍｉｃｒｏｓｏｆｔ）（登録商標）エクセル（Ｅｘｃｅｌ）」である。統計解析ツールの例は、ペンシルバニア州ステートカレッジのミニタブ・インコーポレィテッド（Ｍｉｎｉｔａｂ，Ｉｎｃ．（Ｓｔａｔｅ Ｃｏｌｌｅｇｅ、ＰＡ））によって市販されている「ミニタブ（Ｍｉｎｉｔａｂ）（登録商標）」である。

一般に、技術者４は、本願明細書に記載される統計解析技術を用いて、ＳＷＯレコード１３を解析し、機器６の故障を検出し、低減する際のＰＭ手順の有効性を決定する。さらに具体的に言えば、この技術は、ＳＷＯレコード１３を処理して、機器６で行われる計画的な保守手順と計画外の保守手順とを統計解析し、計画的な保守手順と計画外の保守手順との間の任意の相関を識別する解析レポート１８を生成する。特に、この技術は、計画外の保守手順によって処理されるようなその機器６が直面する任意の故障とそのような故障の検出または削減するように設計された予防保守手順とを相関させる。

解析レポート１８に基づき、技術者４は、各ＰＭアクティビティの有効性を評価することができる。そのような評価に基づき、技術者４は、各ＰＭ手順の頻度を制御するためにＣＭＭＳ８と対話する。たとえば、解析レポート１８によって示されたように、故障とある程度の相関を有するようなＰＭ手順の場合には、技術者４は、そのようなＰＭ手順に関連する頻度を増大させるように選択してもよい。相関が識別されないようなＰＭ手順、すなわちほとんど故障を生じないか、または関連する故障がないような手順の場合には、技術者４は、関連頻度を減少させるように選択してもよい。これらの状況において、これらのＰＭ手順に関して労働および材料に関連する費用は、代償としてほとんど利益がないか、または全くない状態で費やされうる。このような態様で、技術は、ＰＭ手順の頻度に関する統計的制御を行うことができる。

図２は、ＰＭ手順の頻度を統計的に制御するために、履歴保守データを解析する際の技術の概要を示すフローチャートである。最初に、技術者４は、解析のための機器６を選択する（２０）。たとえば、組織が複数の機械またはＰＭサービスを受信する機器の他の部品を有する場合には、技術者４は、機器当たりの総保守費用、緊急ＳＷＯまたは是正ＳＷＯに対するＰＭ ＳＷＯの比、製造処理能力などの多数の基準に基づいて解析するために、機器６を選択してもよい。

次に、技術者４は、時間の前の周期に関するＳＷＯレコード１３を抽出するために、ＣＭＭＳ８と対話する（２２）。記載したように、抽出されたＳＷＯレコード１３は、たとえば、ＥＭ手順およびＣＭ手順などの計画外の保守手順のほか、周期中に行われる各ＰＭ手順について記述する。図１に示されているように、技術者４は、前処理および初期解析のために、ＳＷＯレコード１３を表計算ソフト環境１４にエクスポートしてもよい。

ＳＷＯレコード１３を抽出する際に、技術者４は、「ＰＭコード」と呼ばれる一意の識別コードを機器６で行われるそれぞれの規定のＰＭ手順に割当てるコード体系を生成する（２３）。記載したように、ＳＷＯによって指定された各ＰＭ手順は、１つ以上のＰＭアクティビティの性能を必要とする可能性がある。たとえば、ＳＷＯに応じて行われたＰＭ手順は、機器６の１つ以上の構成要素で行われた一連のＰＭアクティビティと見なしうる。この処理中、ＰＭコードは、そのような故障の検出、予防または阻止するように設計されたＰＭ手順またはＰＭアクティビティに対する故障の相関に対応する任意の態様で表されてもよい。

以下の表１は、比較的簡素な機械に関するＰＭコーディングの実施例である。この実施例では、ＰＭコードは、各ＰＭ手順に関する機械の構成要素を識別する。言い換えれば、ＰＭコードが異なる構成要素で行われる異なるＰＭ手順に割当てられるという点で、マッピングの「粒度」は比較的高次であるものと見なしてもよい。

以下の表２は、さらに複雑な機械類に関するＰＭアクティビティコーティングの実施例である。次の実施例に示されているように、ＰＭコードは、ＰＭ手順、各ＰＭ手順によって対処される機器の構成要素および手順によって行われる特定のＰＭアクティビティへのさらに粗いマッピングを提供するためにマッピングされることができる。本願明細書に記載される技術によれば、ＰＭ手順または個別のあくティ日低の故障モードへの相関を論理的に指示するＰＭコードの他のマッピングを用いてもよい。

上記の実施例のコード体系のいずれにおいても、故障モードの検出または排除のために書かれた予防手順または予測手順にはない故障モードの識別および解析を容易にするために、「その他」のＰＭコードが作成された。

一旦、コード体系が構築されると、技術者４は、上記で確立したようなＰＭコード体系に対して各ＳＷＯを審査し、それぞれのＳＷＯにそれぞれのＰＭコードを割当てる（２４）。それぞれの緊急ＳＷＯおよび是正ＳＷＯに関して、たとえば、技術者４は、処理された機器の故障の検出または排除するように設計されたＰＭコードを割当てる（２４）。

次に、表計算ソフト環境１４は、コード化された履歴データの初期高次解析を行うために呼出されてもよい（２６）。たとえば、表計算ソフト環境１４は、たとえば、増大する故障の原因となる非一貫性のＰＭ頻度におけるパターン、ＰＭ手順間の増大する故障のパターン、ＰＭ手順間の故障がわずかまたはゼロのパターン、ＰＭ手順の終了後の故障のパターンなどの流行の識別を支援するために、データの分類、フィルタリング、色分けさえも行うことができる。ＰＭ手順の改良のための潜在的な機械を識別するために、コード化された履歴データを容易に操作することができる。たとえば、コード化されたデータは、高すぎる頻度、低すぎる頻度または非一貫性の間隔で行われた任意のＰＭ手順またはアクティビティの指標を提供する。さらに、コード化され、処理されたデータはまた、ＰＭ手順が適切に行われていない状況を明らかにしうる。たとえば、故障がマッピングされたＰＭ手順の直後に生じた故障が、ＰＭ手順が不適切に行われたことを示す場合もある。この初期解析の結果は、ＰＭ頻度に対する修正のための機会の初期指標として用いられ、さらなる統計評価のための候補を識別する。

高次解析（２６）を終了した後、以下にさらに詳細に記載するように、コード化されたデータを統計的に解析するために、統計解析ツール１６を呼出してもよい。解析に基づき、統計解析ツール１６は、解析レポート１８を生成する。解析レポート１８は、ＰＭ手順と機器６が直面する故障との間の任意の統計的相関を識別する（２８）。解析レポート１８に基づき、技術者４は、各ＰＭアクティビティの有効性を評価することができ、各ＰＭ手順の頻度を制御するためにＣＭＭＳ８と対話する（３０）。ＰＭ手順の頻度に関する統計的制御を実現するために、たとえば、毎日、毎週、毎月または毎年、この処理を繰り返してもよい。

図３は、ＰＭ手順と機器６が直面する故障との間の任意の統計的相関を識別する際に、統計解析ツール１６によって用いられる統計解析技術をさらに詳細に示すフローチャートである。最初に、コード化されたデータが、統計解析ツール１６にロードされる（４０）。例示のために、図３のフローチャートは図４〜図９に関して記載され、図４〜図９は統計解析ツール１６によって提供される実施例のチャートおよびユーザ入力スクリーンを示す。

最初に、統計解析ツール１６は、各ＰＭコードに関連する各故障の頻度を計算する。一実施形態において、統計解析ツール１６は、各ＰＭコードに関する故障回数を示すパレートチャートを生成する。このデータは続いて、個別のＰＭコードおよび関連する故障の解析中の優先順位のために用いられる。図４は、解析される機器に関する具体的な故障頻度を示す実施例のパレートチャート６０を示す。この実施例では、パレートチャート６０は、故障の５３％、４３．１％および３．３％がＰＭコード５、５０および３０にそれぞれマッピングされる故障タイプに関連していることを示している。

図３のフローチャートを再び参照すると、故障の頻度を決定するときに、ＰＭ手順のデータおよび故障データは、各ＰＭコードに関して分離される（４３）。たとえば、これは、統計解析ツール１６を用いて、個別の解析環境、たとえば、ワークシートを最初に作成することによって実現されてもよい。次に、コード化されたデータおよび計算された故障データが、ＰＭコードに基づいて分類されてもよい。続いて、分類されたデータの一部が、ＰＭコードに基づいてそれぞれの解析環境に複製されてもよい。

一旦、データがＰＭコードによって分離されると、統計解析ツール１６が分離された部分における種々の統計解析機能を実現するために呼出される。たとえば、統計解析ツール１６は、技術者４に特定のＰＭコードに関する故障ごとに、平均的な労務費、材料費またはその両方に関する知見を提供するために、分離されたデータを解析する（４４）。

図５は、ＰＭコード５に関連する故障の具体的な平均的な実際の労務費を示す統計解析ツール１６によって形成された実施例のチャート７０である。同様に、統計解析ツール１６は、技術者４にＰＭ手順またはアクティビティを行うために費やされる平均的な労務費、材料費またはその両方に関する知見を提供するために、特定のＰＭコードにマッピングされる各ＰＭ手順またはアクティビティの実行に関連する費用を解析する（４６）。

続いて、統計解析ツール１６は、特定のＰＭコードにマッピングされるＰＭ手順またはアクティビティ間の平均時間を決定することによって、実際のＰＭ頻度の一貫性を解析する（４８）。この解析は、ＰＭの設計頻度に鑑みて、ＰＭコードにマッピングされるＰＭ手順またはアクティビティが行われた一貫性を評価する際に有用である。さらに、この解析は、ＰＭ間隔の変動性が機器６の直面する故障に何らかの影響を及ぼしたかどうかを決定する際にも有用であると思われる。具体的に言えば、それぞれの行われたＰＭ手順間で列挙された故障の数が表に表されている。さらに、ＰＭ手順に関連する期日が、ＰＭ間の平均時間を決定するために用いられる。

図６は、ＰＭコード５に関連して、ＰＭ手順が実行される具体的な実際の頻度８２および各ＰＭ間の故障数８４の計算値を示す統計解析ツール１６によって提供される実施例のインターフェイス８０を示す。

次に、統計解析ツール１６は、特定のＰＭコードに関するＰＭ手順またはアクティビティの計算された頻度の任意の統計的変動性を決定するために、計算された頻度を解析する（５０）。続いて、統計的変動性に基づき、統計解析ツール１６は、ＰＭ頻度の変動性に関する統計的制御チャートを生成する。このチャートはまた、ＰＭが実行される平均頻度を提供し、頻度の調整を識別して計算するために続いて用いられてもよい。図７は、ＰＭコード５に関するＰＭ手順の頻度および制御限界をグラフ化する具体的なチャート９０である。

計算された変動性に基づき、統計解析ツール１６は、ＰＭ間隔とＰＭ手順またはアクティビティ間に生じる機器の故障数との間に相関があるかどうかを決定する際に支援するために、回帰分析を行う（５２）。回帰分析がＰＭ頻度とＰＭ手順またはアクティビティ間に生じる機器の故障数との間に強い相関を実際に示す場合には、ＰＭ頻度を統計的に制御するために、この技術を用いることができる。図８は、統計解析ツール１６によって生成される具体的な回帰分析を示すチャート１００を示す。

回帰分析を行った後、統計解析ツール１６は各ＰＭコードに関するデータにおける解析処理を繰り返す（５７）。上述したように、そのようなＰＭ間隔に関連する手順またはアクティビティに関するＰＭ間隔と、手順またはアクティビティ間に生じる機器の故障数との間に相関があるかどうかを各ＰＭコードに関して決定する際に用いるために、このような態様で、各ＰＭコードに関してコード化されたデータの一部を個別に処理されてもよい。

各ＰＭコードに関連する分離データを個別に解析した後、統計解析ツール１６は、特定のＰＭコードに関係なく、データのすべてにわたって故障解析を行う。たとえば、統計解析ツール１６は、機器６が直面する故障のタイプに関する故障間の平均時間を決定するために、データを解析する（５８）。たとえば、図９は、９５％信頼水準における特定の故障タイプに関する故障間の平均時間をグラフ化するチャート１１０を示す。

最後に、統計解析ツール１６は、緊急型ＳＷＯの修理時間における変動性を決定する（５９）。この解析は、機器６の最悪の場合の休止時間を予測する際に技術者にとって有用であると思われる。たとえば、図１０は、機器６の緊急型ＳＷＯに関する実際の修理時間、平均修理時間および制御限界をグラフ化した具体的な制御チャート１２０を示す。

図１１は、統計解析ツール１６によって生成される統計データに基づき、ＰＭ頻度を制御する具体的な処理をさらに詳細に示すフローチャートである。最初に、ＰＭコードの１つが選択され（１３０）、ＰＭコードに関連する頻度が政府機関などによって規制されるかどうかに関する決定がなされる（１３２）。

頻度が規制される場合には、頻度に対する変更は行われない（１３３）。そうでない場合には、関連する故障コードに関連し、ＰＭコードに関連する頻度に対する修正によって生じうるリスクの水準を評価するために、リスク評価処理が用いられる（１３４）。さらに詳細には、リスク優先数（ＲＰＮ）が以下の式によって計算される。
ＲＰＮ＝深刻度＊発生頻度＊検出度 （１）

式１において、ＲＰＮ値は、深刻度評定、発生頻度評定および検出度評定に基づいて計算される。深刻度評定は、関連する故障から生じ、以下の表３に示されるような範囲によって規定されうる任意の潜在的な被害または損害の深刻度の評定を示す。

発生頻度評定は、故障が生じ、以下の表４に示されるような範囲によって規定されうる頻度の評定を表す。

検出度評定は、故障が生じ、以下の表５に示されるような範囲によって規定されうる事象において故障を検出する可能性に関する評定を表す。

ＲＰＮ値が閾値を超える場合には（１３６）、リスクが大きすぎるため、ＰＭ頻度を変更しない（１３３）。そうでない場合には、その特定のＰＭコードにマッピングされるＰＭ手順またはアクティビティ間で故障がほとんど生じないか、全く生じないかに関する決定がなされる（１３８）。

たとえば、ほとんど生じないか、または全く生じないような閾値未満の故障数が生じる場合、リソースがあるかなしかの代償のために費やされうるとき、これらのＰＭ手順またはアクティビティは、ＰＭ頻度の減少、すなわちＰＭ手順またはアクティビティ間の間隔の増大の最有力候補とみなされる。評価がＰＭコードに関連するＰＭ頻度を減少する機会をたとえば閾値未満の許容可能なリスク内で実現することができることを示す場合には、ＰＭ頻度が減少される（１４２）。以下の表６に示されているように、利用可能であれば、またはＲＰＮ値および現在の頻度の関数として、頻度の減少はベンダ支援のＭＴＢＦに基づいてもよい。

統計解析からＰＭコードに関連する手順またはアクティビティ間に故障が実際に生じる（１３８の分岐なし）ことが明白となる場合には、ＰＭ頻度は増大の最有力候補である。このような状況において、コード化された履歴データから計算された回帰式１０２（図８）を適用して、頻度の調整を計算することができる（１４４）。具体的に言えば、回帰式が７０％以上の相関１０４（図８）を示す場合には、ＰＭ頻度とそれぞれのＰＭ手順またはアクティビティの性能間の故障数との間に強い統計的相関がある。その結果、回帰公式を用いて、新たな保守頻度を計算することができる。

一般に、以下のように選択されたＰＭコードに関して、回帰公式を書くことができる。
故障＝Ｃ＋Ｆ＊ＭＴＢＰＭ （２）
式中、ＣおよびＦは回帰分析によって計算された定数であり、ＭＴＢＰＭは上述したように、ＰＭコードに関連する手順またはアクティビティの性能間の平均時間を表す。式２から、現在の保守時間／日（ＡＭ_C）は、以下のように計算されることができる。
ＡＭ_C＝ＡＰＭ_C＋ＡＲ_C （３）
現在の頻度に関する１日当たりの現在の平均修理時間は、以下のように計算されることができる。
ＡＲ_C＝［故障（現在のＰＭ間隔）＊ＭＴＴＲ］／ＭＴＢＰＭ（現在のＰＭ間隔） （４）
式中、ＭＴＴＲは、上述したように、修理の平均時間に等しい。１日当たりの現在の平均ＰＭ時間は、以下のように計算されることができる。
ＡＰＭ_C＝ＭＴＴＥ−ＰＭ／ＭＴＢＰＭ（現在のＰＭ間隔） （５）
式中、ＭＴＴＥ−ＰＭは、上述したように、ＰＭコードに関連する手順またはアクティビティを実行するための平均時間を表す。提案されたＭＴＢＰＭを選択することができ、１日当たりの提案された保守時間（ＡＭ_P）は以下のように計算されることができる。
ＡＭ_P＝ＡＰＭ_P＋ＡＲ_P （６）
現在の頻度に関する１日当たりの提案された平均修理時間は、回帰公式を用いて以下のように計算されることができる。
ＡＲ_P＝［故障（提案されたＰＭ間隔）＊ＭＴＴＲ］／ＭＴＢＰＭ（提案されたＰＭ間隔） （７）
１日当たりの提案された平均ＰＭ時間は、以下のように計算されることができる。
ＡＰＭ_p＝ＭＴＴＥ−ＰＭ／ＭＴＢＰＭ（提案されたＰＭ間隔） （８）

最後に、提案されたＰＭ頻度（ＰＭ＿Ｆｒｅｑ_p）を選択することができる。特に、回帰分析によって生成された実際の値、たとえば９５％信頼限界内の値からＰＭ＿Ｆｒｅｑ_pを選択することができる。提案されたＰＭ頻度は、現在のＰＭ頻度と置き換えられ、それによって、頻度の増大、現在のＰＭ頻度と現在のＰＭコードに関連する手順またはアクティビティ間で生じた個少数との間の統計的相関に基づき、手順またはアクティビティ間の間隔を減少させる。

たとえば、以下の式で回帰分析結果を仮定すると、
故障＝−２４．８７＋１．４８＊ＰＭ間隔 （９）
であり、ＭＴＴＥ−ＰＭは４．３時間に等しく、ＭＴＴＲは２．２時間に等しく、ＭＴＢＰＭは現在２８日である。この実施例では、回帰分析を用いて現在のＰＭ頻度に関する総保守時間を計算することができる。特に、回帰式（９）を用いて、故障数を１．４８＊２８−２４．８７＝１６．６回の故障と統計的に計算することができる。保守間隔当たりの故障に関する総修理時間は、１６．６回の故障＊２．２時間／故障＝３６．５時間として計算されることができる。したがって、１日当たりの総保守時間は、（３６．５時間＋４．３時間）／２８日＝１．５時間／日として計算されることができる。

２１日の提案されたＰＭ間隔が回帰チャートから選択されると仮定すると、提案された保守間隔に関する総保守時間は、類似の方式で計算されることができる。回帰式（９）を用いて、提案されたＰＭ間隔に関する個少数を１．４８＊２１−２４．８７＝６．２回の故障と統計的に計算することができる。保守周期当たりの故障に関する総修理時間は、６．２回の故障＊２．２時間／故障＝１３．７時間として計算されることができる。したがって、１日当たりの総保守時間は、（１３．７時間＋４．３時間）／２１日＝０．８６時間／日として計算されることができ、これは、全体的な保守時間の４３％の潜在的な削減を表す。

この処理は、ＰＭコードのすべてに関して反復される（１５０）。このような態様で、機器の故障を検出し、低減する際の予防保守手順の有効性を改善することができる。さらに、ＰＭ手順またはアクティビティに関連するＰＭ頻度は、履歴データを用いて統計的に制御されることができる。したがって、故障を減少させるためにＰＭ頻度を増大するための機会のほか、機器の故障を増大させることなく、費用の節約を実現するためにＰＭ頻度を減少させるための機会を統計的に識別し、評価することができる。

図１２は、さらに自動的な態様で予防保守（ＰＭ）手順の頻度を統計的に制御するための具体的なシステム１６０のブロック図である。特に、図１２の実施例 では、上述の機能の多くは、コンピュータ保守管理システム（ＣＭＭＳ）１６８に統合されている。

図１のシステム２に関して記載したように、技術者１６４は、機器１６６の故障の場合には、予防保守（ＰＭ）手順および是正保守手順または緊急保守手順などの計画外の保守手順を含む機器１６６に関する保守サービスを提供する。技術者１６４は、コンピュータ支援保守管理システム（ＣＭＭＳ）１６８のスケジューラ１９０によって維持されるスケジュール１７０に基づいて、ＰＭ手順を行う。ＣＭＭＳ１６８は、機器１６６で行われたか、または行われることになっている保守手順に関して待ち状態で、終了した工場作業命令（ＳＷＯ）を記述する保守データ１７２を維持する。ＣＭＭＳ１６８は、１つ以上のファイルまたは関係データベースなどのデータベースをはじめとする種々のデータ構造のいずれかとして保守データ１７２を維持してもよい。

この実施形態において、ＣＭＭＳ１６８は、データ発掘モジュール１８２、コーディングモジュール１８４、解析モジュール１８６、リスクランキングモジュール１８８、スケジューラ１９０およびレポートジェネレータ１９２を具備する。これらのモジュールのそれぞれは、記載された技術を行うためのソフトウェア、ファームウェア、ハードウェアまたはその組合せを表す。たとえば、ＣＭＭＳ１６８は、記載された機能を実行するための機械命令を実行するために、１つ以上のプログラム可能なプロセッサを有する１台以上のコンピュータを具備しうる。命令は、ハードディスク、除去可能な記憶媒体、読出し専用メモリ、ランダムアクセスメモリ、フラッシュメモリなどのコンピュータ可読媒体に格納されうる。

コーディングモジュール１８４は、機器１６６で行われる規定のＰＭ手順のそれぞれに一意のＰＭコードを割当てるコード体系を維持する。コーディングモジュール１８４は、技術者１６４がコード体系を規定し、一意のコードをＰＭ手順またはアクティビティにマッピングしうるユーザインターフェイスを提供する。このような態様で、技術者１６４は、そのような故障の検出、予防または阻止するように設計されたＰＭ手順またはアクティビティに対する故障の相関に対応する任意の態様で表されてもよい。

技術者１６４が工場作業命令（ＳＷＯ）を入力するためにＣＭＭＳ１６８と対話するとき、コーディングモジュール１８４はたとえばドロップダウンボックスなどの入力領域を有するユーザインターフェイスし、それによって技術者は予防保守手順に関連する識別子に工場作業命令をマッピングするためにＰＭコードを選択する。このような態様で、ＣＭＭＳ１６８は、ＳＷＯの自動コーディング、すなわちＳＷＯが生成されるとき、ＳＷＯとＰＭ手順に関連する識別子との間のマッピングを容易にする。

データ発掘モジュール１８２は、前の周期、たとえば１年に関する保守データ１７２によって維持されるＳＷＯレコードのすべてまたは一部を抽出するために、たとえば、定期的にＣＭＭＳ１６８と対話する。特に、データ発掘モジュール１８２は、たとえば、ＥＭ手順およびＣＭ手順などの計画外の保守手順のほか、機器１６６で行われる各ＰＭ手順を記述するＳＷＯレコードを抽出する。

解析モジュール１８６において、技術者１６４は統計データを生成するために、データ発掘モジュール１８２によって抽出されたＳＷＯレコードを解析するために本願明細書に記載される統計解析技術を自動的に用いる。たとえば、上述したように、解析モジュール１８６は、各ＰＭコードに関連する各故障の頻度、各ＰＭコードにマッピングされる実行中の各ＰＭ手順またはアクティビティに関連する費用、ＰＭ手順間の平均時間、ＰＭコードに関するＰＭ手順またはアクティビティの計算された頻度に関する統計的変動性、ＰＭ頻度を手順間の故障数に相関させるための回帰分析、故障間の平均時間、緊急型ＳＷＯに関する修理時間における任意の統計的変動性を自動的に計算する。

スケジューラ１９０は、統計データを利用して、たとえば、上述の式を適用することによって新たなＰＭ頻度を計算するために、ＰＭ頻度を自動的に調整する。この処理中、スケジューラ１９０は、頻度をどの程度まで自動的に調整するかを決定する際に支援するために、関連する故障に関連しうるリスクの水準を評価するために、リスクランキングモジュール１８８を呼出してもよい。

レポートジェネレータ１９２は、解析モジュール１８６によって生成される統計データおよびスケジューラ１９０によって計算される更新されたＰＭ頻度を含む解析レポート１７８を生成する。さらに、スケジューラ１９０は、更新されたＰＭ頻度に基づき、スケジュール１７０を自動的に更新する。このような態様で、ＣＭＭＳ１６８は、技術者１６４によって行われるＰＭ手順の頻度に関する自動的な統計的制御を提供する。

本発明の種々の実施形態について記載してきた。これらをはじめとする他の実施形態は、以下の特許請求の範囲の範囲内に包含される。

予防保守（ＰＭ）手順の頻度を統計的に制御するための技術を示す具体的なシステムのブロック図である。 ＰＭ手順の頻度を統計的に制御するために、履歴保守データを解析する際の技術の概要を示すフローチャートである。 統計解析技術をさらに詳細に示すフローチャートである。 所与のＰＭコードに関する具体的な故障頻度を示す実施例のパレートチャートを示す。 ＰＭコードに関連する故障に関する具体的な平均の実際的な労務費を示す実施例のチャートである。 ＰＭ手順が実行された具体的な実際の頻度の計算値および所与のＰＭコードに関連する各ＰＭ間の多数の故障を示す実施例のインターフェイスを示す。 ＰＭコードに関するＰＭ手順の頻度および信頼水準をグラフ化した具体的なチャートである。 具体的な回帰分析を示すチャートである。 ９５％信頼水準で特定の故障タイプに関する故障間の平均時間をグラフ化したチャートである。 緊急型工場作業命令に関する実際の修理時間、平均修理時間および信頼水準をグラフ化した具体的な制御チャートを示す。 計算された統計データに基づき、ＰＭ頻度を制御する具体的な処理をさらに詳細に示すフローチャートである。 コンピュータ保守管理システムが自動的な態様でＰＭ手順の頻度を統計的に制御するための、技術を用いるブロック図である。

Claims (51)

1. 機器で行われる予防保守手順および計画外の保守手順を識別するために、保守データを解析するステップと、
   前記計画外の保守手順を前記予防保守手順に関連する識別子にマッピングするステップと、
   前記マッピングに基づき、前記予防保守手順と前記計画外の保守手順との間に統計的相関が存在するかどうかを決定するステップと、
   前記決定に基づき、前記予防保守手順を行うためのスケジュールを更新するステップと、を含む、方法。
2. スケジュールを更新するステップは、前記統計的相関に関する信頼水準が閾値を超える場合に、前記予防保守手順を行う頻度を更新するステップを含む、請求項１に記載の方法。
3. スケジュールを更新するステップは、１つ以上のそれぞれの計画外の保守手順にマッピングされる前記予防保守手順を行うための頻度を増大するステップを含む、請求項１に記載の方法。
4. スケジュールを更新するステップは、前記決定に基づき、前記予防保守手順の少なくとも部分集合を行うための頻度を減少させるステップを含む、請求項１に記載の方法。
5. 前記頻度を減少させるステップは、計画外の保守手順の閾値数未満にマッピングされる前記予防保守手順を行うための頻度を減少させるステップを含む、請求項４に記載の方法。
6. 前記スケジュールを更新するステップは、
   前記予防保守手順のそれぞれに関連するリスク値を統計的に計算するステップと、
   前記それぞれの計算されたリスク値の関数として前記予防保守手順に関する調整を決定するステップと、を含む、請求項１に記載の方法。
7. リスク値を統計的に計算するステップは、前記予防保守手順のそれぞれに関するリスク優先数を計算するステップを含む、請求項６に記載の方法。
8. スケジュールを更新するステップは、
   前記識別子に関連する前記計画外の保守手順に基づき、各識別子に関する故障間の平均時間を計算するステップと、
   故障間の前記計算された平均時間の関数として前記スケジュールに関する調整を決定するステップと、を含む、請求項１に記載の方法。
9. コンピュータ保守管理システムから前記保守データを抽出するステップをさらに含む、請求項１に記載の方法。
10. 前記保守データが工場作業命令レコードを含み、前記計画外の保守手順を識別子にマッピングするステップは、
    前記機器の故障を処理する前記計画外の保守手順に関する前記工場作業命令を識別するために、前記工場作業命令レコードを検査するステップと、
    前記故障の検出または予防のために設計された予防保守手順に関連する前記識別子と、前記識別された工場作業命令を関連付けるステップと、を含む、請求項１に記載の方法。
11. 前記予防保守手順のそれぞれが１つ以上のアクティビティを含み、前記計画外の保守手順をマッピングするステップが、
    前記予防保守手順の前記アクティビティに関する識別子を規定するステップと、
    前記計画外の保守手順を前記アクティビティに関連する識別子にマッピングするステップと、を含む、請求項１に記載の方法。
12. 前記予防保守手順および前記計画外の保守手順内の傾向を識別するために、前記マッピングに基づき、前記保守データにパターン解析を行うステップと、
    前記傾向解析に基づき、前記予防保守手順を行うための前記スケジュールを更新するステップと、をさらに含む、請求項１に記載の方法。
13. 統計的相関が存在するかどうかを決定するステップは、前記識別子のそれぞれに関連する前記予防保守手順の実際の頻度における統計的変動を計算するステップを含み、スケジュールを更新するステップは、前記実際の頻度の前記計算された統計的変動に基づき、前記予防保守手順に関する前記スケジュールを更新するステップを含む、請求項１に記載の方法。
14. 統計的相関が存在するかどうかを決定するステップは、前記実際の頻度と前記計画外の保守手順との間の相関を計算するために、前記計算された統計的変動に関する回帰分析を行うステップを含む、請求項１３に記載の方法。
15. 各識別子に関するそれぞれの回帰式を計算するために、前記マッピングに基づき、独立に前記保守データを統計的に解析するステップをさらに含む、請求項１に記載の方法。
16. 前記計画外の保守手順をマッピングするステップは、前記計画外の保守手順を前記識別子にマッピングする入力を受信するために、コンピュータ保守管理システムのユーザインターフェイスを提供するステップを含む、請求項１に記載の方法。
17. 前記保守データを自動的に解析し、前記スケジュールを更新するために、コンピュータ保守管理システムを呼出すステップをさらに含む、請求項１に記載の方法。
18. 前記計画外の保守手順が緊急保守手順および是正保守手順を含む、請求項１に記載の方法。
19. 機器で行われる予防保守手順および計画外の保守手順を指定する保守データからの１つ以上の相関式を生成するステップと、
    前記相関式に基づき、前記予防保守手順を行うためのスケジュールを出力するステップと、を含む方法。
20. 前記スケジュールに基づき、前記機器で前記予防保守手順を行うステップをさらに含む、請求項１９に記載の方法。
21. 前記計画外の保守手順を前記予防保守手順に関連する識別子にマッピングするステップと、
    前記マッピングに基づき、前記識別子のそれぞれに関して前記相関式の１つを生成するために、前記保守データを統計的に解析するステップと、をさらに含む、請求項１９に記載の方法。
22. スケジュールを出力するステップは、
    前記識別子に関連する前記計画外の保守手順に基づき、各識別子に関する故障間の平均時間を計算するステップと、
    故障間の前記計算された平均時間の関数として前記頻度に関する調整を決定するステップと、を含む、請求項２１に記載の方法。
23. スケジュールを出力するステップは、
    前記予防保守手順のそれぞれに関連するリスク値を統計的に計算するステップと、
    前記それぞれの計算されたリスク値の関数として前記予防保守手順に関する調整を決定するステップと、を含む、請求項１９に記載の方法。
24. 機器の予防保守手順および計画外の保守手順に関する工場作業命令を規定する保守データを受信するためのインターフェイスを提供するステップであって、前記インターフェイスが前記工場作業命令を前記予防保守手順に関連する識別子にマッピングするための入力領域を具備しているステップと、
    統計的相関が前記予防保守手順と前記計画外の保守手順との間に存在するかどうかを決定するために前記マッピングに基づき、前記保守データを自動的に解析するステップと、
    前記決定に基づき、前記予防保守手順に関連する頻度を自動的に更新するステップと、を含む方法。
25. 前記更新された頻度に基づき、スケジュールを出力するステップをさらに含む、請求項２４に記載の方法。
26. 前記頻度を更新するステップは、前記決定に基づき、前記予防保守手順の少なくとも部分集合に関する前記頻度を減少させるステップを含む、請求項２４に記載の方法。
27. プロセッサに
    機器の予防保守手順および計画外の保守手順に関する工場作業命令を規定する保守データを受信するためのインターフェイスを提供させ、ここで、前記インターフェイスは前記工場作業命令を前記予防保守手順に関連する識別子にマッピングするための入力領域を具備しており、
    統計的相関が前記予防保守手順と前記計画外の保守手順との間に存在するかどうかを決定するために前記マッピングに基づき、前記保守データを自動的に解析させ、
    前記決定に基づき、前記予防保守手順に関連する頻度を自動的に更新させるための命令を含むコンピュータ可読媒体。
28. 前記更新された頻度に基づき、前記プロセッサにスケジュールを出力させるための命令をさらに含む、請求項２７に記載のコンピュータ可読媒体。
29. 前記統計的相関の信頼水準が閾値を超える場合に、前記命令が前記プロセッサに前記頻度を更新させる、請求項２７に記載のコンピュータ可読媒体。
30. 前記命令が、前記プロセッサに１つ以上の計画外の保守手順にマッピングされる識別子に関連する前記予防保守手順の前記頻度を増大させる、請求項２７に記載のコンピュータ可読媒体。
31. 前記命令が、前記プロセッサに、前記決定に基づき、前記予防保守手順の少なくとも部分集合に関する前記頻度を減少させる、請求項２７に記載のコンピュータ可読媒体。
32. 前記命令が、前記プロセッサに、計画外の保守手順の閾値数未満にマッピングされる識別子に関連する前記予防保守手順の前記頻度を減少させる、請求項２７に記載のコンピュータ可読媒体。
33. 前記命令が、前記プロセッサに、前記頻度のそれぞれに関連するリスク値を統計的に計算させ、前記それぞれの計算されたリスク値の関数として前記頻度に関する調整を決定させる、請求項２７に記載のコンピュータ可読媒体。
34. 前記命令が、前記プロセッサに、リスク優先数としての前記リスク値を計算させる、請求項３３に記載のコンピュータ可読媒体。
35. 前記命令が、前記プロセッサに、前記識別子に関連する前記計画外の保守手順に基づき、各識別子に関する故障間の平均時間を計算させ、故障間の前記計算された平均時間の関数として前記頻度に関する調整を決定させる、請求項２７に記載のコンピュータ可読媒体。
36. 前記命令が、前記プロセッサに、コンピュータ保守管理システムから前記保守データを抽出させる、請求項２７に記載のコンピュータ可読媒体。
37. 前記命令が、前記プロセッサに、前記識別子のそれぞれに関連する前記予防保守手順の実際の頻度における統計的変動を計算させ、前記実際の頻度の前記計算された変動に基づき、前記予防保守手順に関する前記頻度を更新させる、請求項２７に記載のコンピュータ可読媒体。
38. 前記命令が、前記プロセッサに、相関が前記実際の頻度と前記計画外の保守手順との間に存在するかどうかを決定するために、前記計算された統計的変動に基づき、回帰分析を行わせる、請求項２７に記載のコンピュータ可読媒体。
39. 機器で行われる予防保守手順および計画外の保守手順を記述する保守データを格納するデータベースと、
    それぞれの頻度に基づき、前記予防保守手順に関するスケジュールを生成するスケジューラと、
    前記保守データを解析し、前記予防保守手順に関する更新された頻度を計算する統計解析モジュールと、を具備するシステム。
40. 前記統計解析モジュールが、前記予防保守手順と前記計画外の保守手順との間の統計的相関に基づき、前記更新された頻度を計算する、請求項３９に記載のシステム。
41. 前記統計的相関に関する信頼水準が閾値を超える場合に、前記統計解析モジュールが、前記更新された頻度を計算する、請求項４０に記載のシステム。
42. 前記予防保守手順および前記計画外の保守手順を記述する前記データベースから工場作業命令を抽出するデータ発掘モジュールをさらに具備する、請求項３９に記載のシステム。
43. 前記計画外の保守手順を前記予防保守手順に関連する識別子にマッピングするコーディングモジュールをさらに具備する、請求項３９に記載のシステム。
44. 前記統計解析モジュールが、１つ以上の計画外の保守手順にマッピングされる識別子に関連する前記予防保守手順の前記頻度を増大させる、請求項４２に記載のシステム。
45. 前記統計解析モジュールが、計画外の保守手順の閾値数未満にマッピングされる識別子に関連する前記予防保守手順の前記頻度を減少させる、請求項４２に記載のシステム。
46. 前記統計解析モジュールが、前記識別子に関連する前記計画外の保守手順に基づき、各識別子に関する故障間の平均時間を計算し、故障間の前記計算された平均時間の関数として前記頻度に関する調整を決定する、請求項４２に記載のシステム。
47. 前記統計解析モジュールが、前記予防保守手順の少なくとも部分集合に関する前記頻度を減少させる、請求項３９に記載のシステム。
48. 前記統計解析モジュールが、前記頻度のそれぞれに関連するリスク値を統計的に計算し、前記それぞれの計算されたリスク値の関数として前記頻度に関する調整を決定する、請求項３９に記載のシステム。
49. 前記統計解析モジュールが、リスク優先数としての前記リスク値を計算する、請求項４８に記載のシステム。
50. 前記統計解析モジュールが、前記予防保守手順の実際の頻度における統計的変動を計算し、前記実際の頻度の前記計算された変動に基づき、前記予防保守手順に関する前記頻度を更新する、請求項３９に記載のシステム。
51. 前記統計解析モジュールが、相関が前記実際の頻度と前記計画外の保守手順との間に存在するかどうかを決定するために、前記計算された統計的変動に基づき、回帰分析を行う、請求項５０に記載のシステム。

Images