JP2007316860A

JP2007316860A - 医療機器保守システム

Info

Publication number: JP2007316860A
Application number: JP2006144502A
Authority: JP
Inventors: Fumiaki Tejima; 文彰手島; Junichi Tashiro; 順一田代
Original assignee: Toshiba Corp; Toshiba Medical Systems Corp
Current assignee: Toshiba Corp; Canon Medical Systems Corp
Priority date: 2006-05-24
Filing date: 2006-05-24
Publication date: 2007-12-06

Abstract

【課題】医療機器及びこの医療機器に搭載する部品に対する保守の必要が高いことを精度高く予測すること。
【解決手段】医療機器及びこの医療機器に搭載する部品に関する識別情報や稼動実績情報等の各種情報に基づき、不具合を生じる部品のカテゴリを抽出し、この不具合部品カテゴリと同一性のガテゴリに属する部品を搭載する医療機器を抽出し、この医療機器に対する保守の必要が高いことを精度高く予測する。
【選択図】図１

Description

本発明は、医療機器の保守に係わり、医療機器に搭載される部品の交換時期を予測する医療機器保守システムに関する。

製品の将来の例えば故障に対するサービス事象の時期を予測するシステムの技術が例えば特許文献１に開示されている。この特許文献１は、データベースに製品に対する複数個のサービス情報及び性能情報が保持され、統計解析部によって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。シミュレータは、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。

製品のアップタイムを改善するためには、予め消耗部品の交換時期を予測し、事前に部品を交換することが重要である。特許文献１は、製品の性能劣化率を複数個のサービス情報及び性能情報、すなわち過去の実績から算定している。しかしながら、この製品の性能劣化率の算定は、予測精度を改善することに限界がある。
すなわち、特許文献１は、製品に対する複数個のサービス情報及び性能情報だけから製品の性能劣化率を算出しているが、これら情報だけでは十分でない。部品の製造に起因するバラツキ、例えば材料、生産プロセス、製造設備、生産環境条件、生産者等を考慮する必要がある。

特許文献１は、部品を一括して扱うことを前提としている。このため、個別カテゴリにバラツキ（凹凸）があったとしても、全体として処理されるので、バラツキ（凹凸）が平滑化されてしまう。
特開２００２−１４９８６８

本発明の目的は、医療機器及びこの医療機器に搭載する部品に関する識別情報や稼動実績情報等の各種情報に基づき、不具合を生じる部品のカテゴリを抽出し、この不具合部品カテゴリと同一性のガテゴリに属する部品を搭載する医療機器を抽出し、この医療機器に対する保守の必要が高いことを精度高く予測できる医療機器保守システムを提供することにある。

請求項１による本発明の医療機器保守システムは、少なくとも保守対象とする医療機器の識別情報と、医療機器に搭載する部品の識別情報及び製造情報と、部品を搭載する医療機器の稼動条件情報及び稼動実績情報とのうち少なくとも１つの情報を対応付けて記憶する部品情報記憶手段と、部品情報記憶手段に記憶されている製造情報に基づいて部品を各部品カテゴリ別に抽出し、これら部品カテゴリ別に求められ稼動実績情報の統計値が目標値に対して一定条件内に収まっているか否かを判定し、この判定の結果に基づいて統計値が一定条件内に収まっていない部品カテゴリに不具合を有することを検出する不具合部品カテゴリ検出手段と、部品情報記憶手段に記憶されている製造情報に基づいて部品を各部品カテゴリ別に抽出し、医療機器に搭載して稼動している部品が所属する部品カテゴリを保守対象として検出する保守対象部品カテゴリ検出手段と、不具合部品カテゴリ検出手段により検出された不具合部品カテゴリと保守対象部品カテゴリ検出手段により検出された保守対象部品カテゴリとの同一性を判定し、この判定の結果に基づいて同一性の高い不具合部品カテゴリを要保守部品カテゴリとして検出する要保守部品検出手段と、要保守部品検出手段により検出された要保守部品カテゴリに所属する部品を搭載する医療機器を抽出する要保守医療機器検出手段とを具備する。

請求項２３による本発明の医療機器保守方法は、医療機器の保守をコンピュータ処理によって行う医療機器保守方法において、医療機器に搭載されている部品を各部品カテゴリ別に抽出し、これら部品カテゴリ別に求められる部品の稼動実績情報の統計値が目標値に対して一定条件内に収まっていなければ、当該部品カテゴリを不具合の前記部品を有する不具合部品カテゴリとして検出し、部品を各部品カテゴリ別に抽出し、医療機器に搭載して稼動している部品が所属する部品カテゴリを保守対象として検出し、不具合部品カテゴリと保守対象部品カテゴリとの同一性を判定し、同一性の高い不具合部品カテゴリを要保守部品カテゴリとして検出し、要保守部品カテゴリに所属する部品を搭載する医療機器が保守を必要とするとして抽出する。

本発明によれば、医療機器及びこの医療機器に搭載する部品に関する識別情報や稼動実績情報等の各種情報に基づき、不具合を生じる部品のカテゴリを抽出し、この不具合部品カテゴリと同一性のガテゴリに属する部品を搭載する医療機器を抽出し、この医療機器に対する保守の必要が高いことを精度高く予測できる医療機器保守システムを提供できる。

以下、本発明の一実施の形態について図面を参照して説明する。
図１は医療機器保守システムの機能ブロック図を示す。この医療機器保守システムは、コンピュータの処理によって例えば医療機器に搭載されている部品、例えばＸ線管、Ｘ線検出器、データ収集システム（ＤＡＳ）等の交換時期等を事前に予測する。この医療機器保守システムは、コンピュータ本体１と、部品情報記憶手段２とを有する。

部品情報記憶手段２には、保守対象とする医療機器の識別情報と、この医療機器に搭載する部品の識別情報及び製造情報と、この部品を搭載する医療機器の稼動条件情報及び稼動実績情報とのうち少なくとも１つの情報が対応付けて記憶されている。このうち稼動条件情報及び稼動実績情報は、部品が医療機器に搭載されていた期間中における医療機器の稼動条件情報及び稼動実績情報であり、かつ医療機器に搭載されている部品の寿命を含む。この部品情報記憶手段２は、例えば関係型データベース管理システム（ＲＤＢＭＳ：リレーショナルデータベース）を使用し、この関係型データベース管理システム上に管理されるデータベースとして実装される。

図２は部品情報記憶手段２のテーブル構造の模式図を示す。この部品情報記憶手段２のテーブルには、医療機器の識別情報３と、この医療機器に搭載する部品の識別情報４及び製造情報５と、この部品を搭載する医療機器の稼動実績情報６とが形成されている。医療機器の識別情報３は、医療機器の型式、名称、製造番号（シリアル番号）を有する。医療機器に搭載する部品の識別情報４は、部品型番、バージョン情報、レビション情報を有する。医療機器に搭載する部品の製造情報５は、製造シリアル番号、製造ロット番号、製造業者識別番号、製造年月日を有する。部品を搭載する医療機器の稼動実績情報６は、医療機器における撮影回数（例えばＸ線ＣＴスキャナでのスライスカウント）、検査回数、医療機器中の例えばＸ線管及びＸ線検出器を搭載するＣアーム等の部材の回転数、稼動日数、稼動時間、通電時間等を有する。

部品情報記憶手段２に対する例えばコンピュータ本体１からのアクセスは、２つのユースケースがある。一方のユースケースは、医療機器の製造時に関する。すなわち、医療機器の製造時に、医療機器に搭載する部品について、当該医療機器の識別情報と部品の識別情報及び製造情報とが対応付けられて部品情報記憶手段２に新規レコードとして記憶される。
他方のユースケースは、医療機器の部品の交換時に関する。すなわち、医療機器に搭載する部品の交換時に、医療機器の稼動実績情報を確認し、交換した部品の稼動実績情報を算出し、部品情報記憶手段２における当該部品の稼動実績情報を更新する。

稼動実績情報の算出は、例えばサービスエンジニアがフィールドで稼動している医療機器に対する保守サービスを実施するときに、医療機器に格納されている稼動実績情報の積算値を毎回作業日誌等に記録し、当該部品を医療機器に装着した時点の稼動実績情報の積算値と当該部品を医療機器から取り外した時点の稼動実績情報の積算値との差分から算出される。
部品の製造情報は、例えば部品の製造業者が付与するバーコードやＩＣタグ等から取得する。部品情報記憶手段２に対する入力、更新は、例えばサービスエンジニアがスタンドアローン型のシステムから直接入力してもよいし、ネットワークを介して入力してもよい。

コンピュータ本体１は、部品カテゴリ抽出手段７と、部品カテゴリ統計値算出手段８と、問題部品カテゴリ検出手段９と、検査対象部品カテゴリ検出手段１０と、部品カテゴリ同一性判定手段１１と、要注意部品カテゴリ検出手段１２と、医療機器抽出手段１３と、要注意医療機器検出手段１４とを有する。
部品カテゴリ抽出手段７は、部品情報記憶手段２に記憶されている部品の識別情報の中から例えば製造業者と製造ロットが同一の部品を１つの部品カテゴリとして抽出する。
部品カテゴリ統計値算出手段８は、部品カテゴリ抽出手段７により抽出された各部品カテゴリ毎に稼動実績情報の統計値を算出する。これら部品カテゴリ毎の稼動実績情報の統計値は、各部品毎に稼動実績情報が異なるので、各部品カテゴリとしてのバラツキを評価する指標として使う。各部品カテゴリ毎の稼動実績情報の統計値は、例えば平均値と標準偏差を用いる。

問題部品カテゴリ検出手段９は、部品カテゴリ抽出手段７により抽出された部品カテゴリに不具合、例えば故障等の問題を生じる虞を有する部品カテゴリを問題部品カテゴリとして検出する。ここで、問題部品カテゴリは、基本的に稼動実績情報が全て登録されている部品を対象とし、過去に問題を発生した部品カテゴリを列挙したものである。ここでいう問題とは、部品の稼動実績情報、例えば寿命が事業的に想定される目標値を大きく下回ったり、大きく上回ったりしたものや、部品の寿命等の稼動実績情報のバラツキが目標値を大きく上回ったり、大きく下回ったりしたものである。

具体的に問題部品カテゴリ検出手段９は、部品カテゴリ抽出手段７を動作させて部品情報記憶手段２に記憶されている部品の中から製造業者と製造ロットが同一の部品を１つの部品カテゴリとして抽出させる。
問題部品カテゴリ検出手段９は、部品カテゴリ抽出手段７により抽出された部品カテゴリに所属する複数の部品のうち既にフィールドで交換されて稼動実績情報が入力されている各部品の数をカウントして交換済みの部品数を算出する。

問題部品カテゴリ検出手段９は、交換済みの部品数を部品の全数で除算して部品交換率を算出する。この部品交換率が指定された部品交換率、例えば、１００％以上である場合、問題部品カテゴリ検出手段９は、部品カテゴリ統計値算出手段８を動作させて当該部品カテゴリに所属する各部品の稼動実績情報の統計値を算出する。この部品カテゴリの稼動実績情報の統計値は、部品毎に稼動実績情報が異なるので、部品カテゴリとしてのバラツキを評価する指標として用いる。この部品カテゴリの稼動実績情報の統計値は、部品カテゴリの稼動実績情報の例えば平均値と標準偏差とを算出する。

部品カテゴリに所属する各部品の稼動実績情報は、予め目標値が想定されている。問題部品カテゴリ検出手段９は、予め想定された目標値に対して平均値と標準偏差がどの程度ずれているのかを算出し、このずれが指定条件内に収まっているのかどうかを判定する。問題部品カテゴリ検出手段９は、例えば目標平均値と算出した平均値（以下、算出平均値と称する）との差分が一定条件内に収まっているか否かと、目標標準偏差と算出した標準偏差（以下、算出標準偏差と称する）との差分が一定条件内に収まっているか否かという２つの条件式を評価することで判定する。問題部品カテゴリ検出手段９は、これら差分が一定条件内に収まっていない場合、当該部品カテゴリの識別情報と稼動実績情報の統計値を保持する。

図３及び図４は問題部品カテゴリの概念図を示す。これら図は、医療機器として例えばＸ線ＣＴスキャナに搭載されるＸ線管を保守対象とし、Ｘ線ＣＴスキャナの稼動実績情報としてスライスカウントに対する部品の交換、例えばＸ線管の交換件数を示す。この問題部品カテゴリは、図３に示すように目標値に対して算出平均値又は算出標準偏差（計算値１、２）との差分Ｓ_１、Ｓ_２が一定条件内に収まっているか否かを判定し、これら差分が一定条件内に収まっていない場合である。又、図４に示すように目標値のバラツキＷに対して計算値１のバラツキＷ_１、計算値２のバラツキＷ_２との差分が一定条件内に収まっているか否かを判定し、これら差分が一定条件内に収まっていない場合である。

検査対象部品カテゴリ検出手段１０は、部品情報記憶手段２に記憶されている製造情報に基づいて部品を各部品カテゴリ別に抽出し、医療機器に搭載して稼動している部品が所属する部品カテゴリを保守対象として検出する。具体的に検査対象部品カテゴリ検出手段１０は、部品カテゴリ抽出手段７を動作させて部品情報記憶手段２に記憶されている部品の中から製造業者と製造ロットが同一の部品を１つの部品カテゴリとして抽出させる。

検査対象部品カテゴリ検出手段１０は、部品カテゴリ抽出手段７により抽出された部品カテゴリに所属する複数の部品のうち既にフィールドで交換されて稼動実績情報が入力されている各部品の数をカウントして交換済みの部品数を算出する。
検査対象部品カテゴリ検出手段１０は、算出された交換済みの部品数を部品の全数で除算することで部品交換率を算出する。検査対象部品カテゴリ検出手段１０は、算出された部品交換率が指定された部品交換率、例えば１０％と３０％の間の部品交換率である場合、この部品交換率の部品カテゴリを検査対象部品カテゴリとしてその識別情報を保持する。
検査対象部品カテゴリは、基本的に稼動実績情報が登録されている部品が一部である部品を対象とし、まだフィールドで稼動している部品が一定数存在しているものを想定している。

部品カテゴリ同一性判定手段１３は、問題部品カテゴリ検出手段９により検出された問題部品カテゴリと検査対象部品カテゴリ検出手段１０により検出された検査対象部品カテゴリとの同一性を判定する。

要注意部品カテゴリ検出手段１２は、部品カテゴリ同一性判定手段１１を動作させ、問題部品カテゴリ検出手段９により検出された問題部品カテゴリと検査対象部品カテゴリ検出手段１０により検出された検査対象部品カテゴリとの同一性を判定させ、同一性の高い検査対象部品カテゴリを保守が必要である要注意部品カテゴリとして検出する。
具体的に部品カテゴリ同一性判定手段１１は、例えば１サンプルＺ−検定や１サンプルＴ−検定、２サンプルＴ−検定等の統計的仮説検定の手法を用い、検査対象部品カテゴリが問題部品カテゴリと同一であるか否かを判定する。
図５は問題部品カテゴリＫ_１と検査対象部品カテゴリＫ_２とに所属する各部品の稼動実績情報の一例を示し、図６はこれら問題部品カテゴリＫ_１と検査対象部品カテゴリＫ_２とに所属する各部品の稼動実績情報の平均値を示す。これら部品の稼動実績情報は、例えば寿命を示す。なお、問題部品カテゴリＫ_１の平均値は、例えば「８．７６」を示し、検査対象部品カテゴリＫ_２の平均値は、例えば「８．２１」を示す。

図７は上記図５に示す問題部品カテゴリＫ_１に所属する各部品の稼動実績情報、例えば寿命の分布を示す。問題部品カテゴリＫ_１の平均値は、例えば「８．７６」を示し、標準偏差は、例えば「０．５１９」を示す。図８は上記図５に示す検査対象部品カテゴリＫ_２に所属する各部品の稼動実績情報、例えば寿命の分布を示す。検査対象部品カテゴリＫ_２の平均値は、例えば「８．２１」を示し、標準偏差は、例えば「０．３８４」を示す。

部品カテゴリ同一性判定手段１１は、これら問題部品カテゴリＫ_１と検査対象部品カテゴリＫ_２とに対して例えば２サンプルＴ−検定を行う。すなわち、帰無仮説(Ｎull Ｈypothesis)として「問題部品カテゴリＫ_１と検査対象部品カテゴリＫ_２の母集団平均に差異はない」と仮定し、対立仮説(Ａlternate Ｈypothesis)として「問題部品カテゴリＫ_１と検査対象部品カテゴリＫ_２との母集団平均は異なる分布からくる（差異がある）」を立証すると考える。

部品カテゴリ同一性判定手段１１は、信頼区間(Ｃonfidence Ｉnterval)を例えば９５％とし、２サンプルＴ−検定を行い、有意確率(Ｐrobability-Ｖalue)を計算する。有意確率が例えば０．０５より小さい場合、部品カテゴリ同一性判定手段１１は、帰無仮説を棄却する。一方、有意確率が０．０５より大きい場合、部品カテゴリ同一性判定手段１１は、帰無仮説を採択する。言い換えれば、有意確率が０．０５より大きい場合には統計的有意差がなく、「同じでない（違いがある）」とはいえないので、部品カテゴリ同一性判定手段１１は、「同じである」と判定する。この場合、部品カテゴリ同一性判定手段１１は、等分散性の検討を行い、有意確率が０．０５以上であり問題部品カテゴリＫ_１と検査対象部品カテゴリＫ_２との各カテゴリが等分散であることを確認し、それらの条件を全て満足した時に、問題部品カテゴリＫ_１と検査対象部品カテゴリＫ_２とが同一あると判定する。

図９及び図１０は問題部品カテゴリＫ_１に所属する各部品と検査対象部品カテゴリＫ_２に所属する各部品との同一性の判定結果の一例を示す。図９は問題部品カテゴリＫ_１と検査対象部品カテゴリＫ_２との各母集団が重なり合い、これら問題部品カテゴリＫ_１と検査対象部品カテゴリＫ_２とにそれぞれ所属する各部品に同一性がある。図１０は問題部品カテゴリＫ_１と検査対象部品カテゴリＫ_２との各母集団が殆ど重なり合わず、これら問題部品カテゴリＫ_１と検査対象部品カテゴリＫ_２とにそれぞれ所属する各部品に同一性がない。

一方、問題部品カテゴリＫ_１と検査対象部品カテゴリＫ_２との同一性を判定する手法は、統計的な手法の他に、各部品カテゴリ間の距離を定義し、この距離の差分が予め設定された閾値以下であれば、同一と判定する動的計画法の手法がある。この動的計画法は、例えば、問題部品カテゴリと検査対象部品カテゴリの各サンプル間の差分（絶対値）が最小になるように対応付けを行い、その距離の総和が一定値以下か否かで判定する。

図１１は動的計画法による距離計算方法の概念を示す。同図は上記図５に示す問題部品カテゴリＫ_１と検査対象部品カテゴリＫ_２とにそれぞれ所属する各部品の稼動実績情報、例えば寿命を示す。問題部品カテゴリＫ_１に所属する各部品の寿命と検査対象部品カテゴリＫ_２に所属する各部品の寿命と間の差分（絶対値）が最小になるように対応付けを行い、その距離の総和が一定値以下か否かで同一性を判定する。

要注意部品カテゴリ検出手段１２は、部品カテゴリ同一性判定手段１１による同一性の判定の結果、同一性が高ければ、当該同一性の高い検査対象部品カテゴリを保守が必要である要注意部品カテゴリとして検出し、検査対象部品カテゴリの識別情報と問題部品カテゴリの稼動実績情報の統計値とを保持し、要注意部品カテゴリとして記憶する。

医療機器抽出手段１３は、部品情報記憶手段２からフィールドで稼動している医療機器をリストアップする。
要注意医療機器検出手段１４は、要注意部品カテゴリ検出手段１２により検出された要注意部品カテゴリに所属する部品を搭載する医療機器を抽出する。具体的に要注意医療機器検出手段１４は、要注意部品カテゴリ検出手段１２により検出された要注意部品カテゴリを受け取り、この要注意部品カテゴリに所属する各部品の識別情報を認識し、これら部品を搭載して現在のフィールドで稼動している医療機器をリストアップする指示を医療機器抽出手段１３に送る。要注意医療機器検出手段１４は、医療機器抽出手段１３によりリストアップされた医療機器を受け取り、この医療機器の識別情報、部品の識別情報、部品の製造情報、問題部品カテゴリの実績稼動情報の統計値、問題の種別を表示手段１５に表示出力する。

要注意医療機器検出手段１４は、医療機器の識別情報、部品の識別情報、部品の製造情報、問題部品カテゴリの実績稼動情報の統計値、問題の種別を表示手段１５に表示出力する場合、問題の種別毎にリスト表示、又は帳票出力する。要注意医療機器検出手段１４は、問題の種別情報を一緒に表示、又は帳票出力してもよい。要注意医療機器検出手段１４は、問題種別の重大度に応じて色分けして表示可能である。

図１２は要注意医療機器検出手段１４の表示出力の一例で、医療機器に搭載されている部品の寿命のバラツキと同部品の寿命の平均値との４象限の座標上に各部品の各タイプＡ〜Ｄを表す。タイプＡは、部品の寿命のバラツキが大きく、かつ部品の寿命の平均値が長い。タイプＢは、部品の寿命のバラツキが大きく、かつ部品の寿命の平均値が短い。タイプＣは、部品の寿命のバラツキが小さく、かつ部品の寿命の平均値が短い。タイプＤは、部品の寿命のバラツキが小さく、かつ部品の寿命の平均値が長い。

しかるに、タイプＣは、部品の平均寿命が短く、かつ部品寿命のバラツキが少ないので、短期間で集中的に交換作業が発生する可能性が高い。このため、タイプＣは、保守作業スケジュールを策定する上では非常に注意すべき医療機器である。一方、タイプＤは、部品の平均寿命が長いが、部品寿命のバラツキが少ないので、これも注意すべき医療機器である。これらタイプＡ〜Ｄのうち例えばタイプＣ、Ｄが要注意医療機器となる。

図１３は要注意医療機器検出手段１４の表示出力の他の例を示す。この表示出力例は、図１２に示す部品の寿命のバラツキと同部品の寿命の平均値との４象限で区分した各部品の各タイプＡ〜Ｄをリスト表示する。このリスト表示は、医療機器の型式、名称、部品の名称、部品の製造ロット番号等を表示すると共に、区分した各部品の各タイプＡ〜Ｄを表示する。タイプＡ〜Ｄのうち例えばタイプＣ、Ｄが要注意医療機器であるので、要注意医療機器検出手段１４は、タイプＣ、Ｄに判定された部品、ここではＸ線管、Ｘ線検出器の欄を色分けして表示、例えば警告等を知らせるために赤色又は黄色等により表示する。

なお、このリスト表示には、医療機器の製造番号（シリアル番号）、部品型番、バージョン情報、レビション情報、部品の製造シリアル番号、製造業者識別番号、製造年月日、部品を搭載する医療機器の撮影回数、検査回数、医療機器中の例えばＸ線管及びＸ線検出器を搭載するＣアーム等の部材の回転数、稼動日数、稼動時間、通電時間等を表示してもよい。

要注意医療機器検出手段１４は、要注意部品カテゴリに属する部品、例えばＸ線管等の交換件数の変化を単位時間当たりの変化量（加速度）として計算し、例えば図１２又は図１３に示す表示出力に併せて表示する。図１４は要注意部品カテゴリに属する部品、例えばＸ線管等の交換件数の単位時間当たりの変化量を示す。同図は単位時間を１週間として各週の部品の交換件数の変化量を示す。

要注意医療機器検出手段１４は、部品の交換件数に対して警告表示の閾値Ｒを予め設定し、部品の交換件数の単位時間当たりの変化量が警告表示の閾値Ｒを超えると、当該警告表示の閾値Ｒを超えた週の部品の交換件数の単位時間当たりの変化量を色分け表示する。要注意医療機器検出手段１４は、色分け表示に併せて、表示手段１５にダイアログを表示して操作者に警告を表示する。

要注意医療機器検出手段１４には、インターネット等の通信網１６を介して複数の医療機器１７が接続されている。これら医療機器１７は、それぞれ保守対象となる例えばＸ線ＣＴスキャナ、Ｘ線診断装置、ＭＲ装置等を有する。要注意医療機器検出手段１４は、医療機器１７に搭載されている部品に対してタイプＣ、Ｄを判定すると、これらタイプＣ、Ｄと判定された部品を搭載する医療機器１７に対して通信網１６を介して警告等の通知を発する。又、要注意医療機器検出手段１４は、医療機器１７に搭載されている部品に対してタイプＣ、Ｄを判定すると、この旨をサービスセンタに通知してもよい。

次に、上記の如く構成された保守システムにより保守動作について図１５に示す保守フローチャートを参照して説明する。
部品情報記憶手段２には、図２に示すように保守対象とする医療機器の識別情報３と、この医療機器に搭載する部品の識別情報４及び製造情報５と、この部品を搭載する医療機器の稼動条件情報及び稼動実績情報６とのうち少なくとも１つの情報が対応付けて記憶される。コンピュータ本体１からの部品情報記憶手段２に対するアクセスは、１つのユースケースとして、医療機器の製造時に、医療機器に搭載する部品について、当該医療機器の識別情報と部品の識別情報及び製造情報とが対応付けられて部品情報記憶手段２に新規レコードとして記憶される。同アクセスは、他のユースケースとして、医療機器に搭載する部品の交換時に、医療機器の稼動実績情報を確認し、交換した部品の稼動実績情報を算出し、部品情報記憶手段２における当該部品の稼動実績情報を更新する。

先ず、問題部品カテゴリ検出手段９は、ステップ＃１において、部品カテゴリ抽出手段７により抽出された部品カテゴリに不具合、例えば故障等の問題を生じる虞を有する部品カテゴリを問題部品カテゴリとして検出する。この問題部品カテゴリは、部品の稼動実績情報、例えば寿命が事業的に想定される目標値を大きく下回ったり、大きく上回ったりしたものや、部品の寿命等の稼動実績情報のバラツキが目標値を大きく上回ったり、大きく下回ったりしたものである。

具体的に問題部品カテゴリ検出手段９は、部品カテゴリ抽出手段７に対して部品カテゴリの抽出を指示する。これにより、部品カテゴリ抽出手段７は、部品情報記憶手段２に記憶されている部品の識別情報の中から例えば製造業者と製造ロットが同一の部品を１つの部品カテゴリとして抽出する。これにより、部品カテゴリ抽出手段７は、部品カテゴリに所属する部品の全数を認識できる。

例えば、医療機器１７に搭載されている各部品、例えばＸ線管は、図１６に示すように複数の製造業者、例えばＡ社、Ｂ社によって製造される。これらＡ社、Ｂ社は、それぞれ複数のロッド、例えばロッドａ、ｂ、ｃ毎の各Ｘ線管を製造する。そして、例えばＡ社のロッドａで製造された各Ｘ線管は、例えば各医療機器Ｌ_１、Ｌ_２、…、Ｌ_ｌに搭載される。Ｂ社のロッドａで製造された各Ｘ線管は、例えば各医療機器Ｏ_１、Ｏ_２、…、Ｏ_ｏに搭載される。しかるに、部品カテゴリ抽出手段７は、Ａ社のロッドａで製造された各Ｘ線管を１つの部品カテゴリとして抽出する。同様に部品カテゴリ抽出手段７は、Ａ社の各ロッドａ、ｂでそれぞれ製造された各Ｘ線管を各別の部品カテゴリとして抽出し、Ｂ社の各ロッドａ、ｂ、ｃでそれぞれ製造された各Ｘ線管を各別の部品カテゴリとして抽出する。

次に、問題部品カテゴリ検出手段９は、部品カテゴリ抽出手段７により抽出された部品カテゴリに所属する複数の部品を受け取り、これら部品のうち既にフィールドで交換されて稼動実績情報が入力されている各部品の数をカウントして交換済みの部品数を算出する。

次に、問題部品カテゴリ検出手段９は、交換済みの部品数を部品の全数で除算して部品交換率を算出する。この部品交換率が指定された部品交換率、例えば、１００％以上である場合、問題部品カテゴリ検出手段９は、部品カテゴリ統計値算出手段８に対して統計値算出を指示する。これにより、部品カテゴリ統計値算出手段８は、部品カテゴリ抽出手段７により抽出された各部品カテゴリ毎に稼動実績情報の統計値を算出する。これら部品カテゴリ毎の稼動実績情報の統計値は、各部品毎に稼動実績情報が異なるので、各部品カテゴリとしてのバラツキを評価する指標として使う。各部品カテゴリ毎の稼動実績情報の統計値は、例えば平均値と標準偏差を用いる。

部品カテゴリに所属する各部品の稼動実績情報は、予め目標値が想定されている。従って、問題部品カテゴリ検出手段９は、予め想定された目標値に対して平均値と標準偏差がどの程度ずれているのかを算出し、このずれが指定条件内に収まっているのかどうかを判定する。問題部品カテゴリ検出手段９は、例えば目標平均値と算出平均値との差分が一定条件内に収まっているか否かと、目標標準偏差と算出標準偏差との差分が一定条件内に収まっているか否かという２つの条件式を評価することで判定する。問題部品カテゴリ検出手段９は、これら差分が一定条件内に収まっていない場合、当該部品カテゴリの識別情報と稼動実績情報の統計値を保持する。

例えば、医療機器１７として例えばＸ線ＣＴスキャナのＸ線管を保守対象とした場合、図３に示すようにＸ線管の交換件数の目標値に対して算出平均値又は算出標準偏差（計算値１、２）との差分Ｓ_１、Ｓ_２が一定条件内に収まっていない場合、又は図４に示すように目標値のバラツキＷに対して計算値１のバラツキＷ_１、計算値２のバラツキＷ_２との差分が一定条件内に収まっていない場合、問題部品カテゴリ検出手段９は、問題部品カテゴリとして検出する。例えば図１６に示すＡ社、Ｂ社によって各ロッドａ、ｂ、ｃ毎に製造された各Ｘ線管のうちＡ社のロッドａのＸ線管の交換件数の目標値に対して算出平均値又は算出標準偏差（計算値１、２）との差分Ｓ_１、Ｓ_２が一定条件内に収まっていない場合、問題部品カテゴリ検出手段９は、Ａ社のロッドａの部品カテゴリを問題部品カテゴリとして検出する。

次に、検査対象部品カテゴリ検出手段１０は、ステップ＃２において、部品カテゴリ抽出手段７を動作させて部品情報記憶手段２に記憶されている部品の中から製造業者と製造ロットが同一の部品を１つの部品カテゴリとして抽出させる。例えば上記図１６に示すようにＡ社の各ロッドａ、ｂでそれぞれ製造された各Ｘ線管を各別の部品カテゴリとして抽出し、Ｂ社の各ロッドａ、ｂ、ｃでそれぞれ製造された各Ｘ線管を各別の部品カテゴリとして抽出する。この部品カテゴリ抽出手段７による部品カテゴリの抽出により部品カテゴリに所属する部品の全数を認識できる。

次に、検査対象部品カテゴリ検出手段１０は、部品カテゴリ抽出手段７により抽出された部品カテゴリに所属する複数の部品のうち既にフィールドで交換されて稼動実績情報が入力されている各部品の数をカウントして交換済みの部品数を算出する。
次に、検査対象部品カテゴリ検出手段１０は、算出された交換済みの部品数を部品の全数で除算することで部品交換率を算出する。検査対象部品カテゴリ検出手段１０は、算出された部品交換率が指定された部品交換率、例えば１０％と３０％の間の部品交換率である場合、この部品交換率の部品カテゴリを検査対象部品カテゴリとしてその識別情報を保持する。

次に、要注意部品カテゴリ検出手段１２は、ステップ＃３において、部品カテゴリ同一性判定手段１１に対して指示を発し、問題部品カテゴリ検出手段９により検出された問題部品カテゴリと検査対象部品カテゴリ検出手段１０により検出された検査対象部品カテゴリとの同一性を判定させる。この判定の結果、要注意部品カテゴリ検出手段１２は、同一性の高い検査対象部品カテゴリを保守が必要である要注意部品カテゴリとして検出する。
例えば図５は問題部品カテゴリＫ_１と検査対象部品カテゴリＫ_２とに所属する各部品の例えば寿命等の稼動実績情報の一例を示し、図６はこれら問題部品カテゴリＫ_１と検査対象部品カテゴリＫ_２とに所属する各部品の例えば寿命等の稼動実績情報の平均値を示す。図７は上記図５に示す問題部品カテゴリＫ_１に所属する各部品の例えば寿命等の稼動実績情報の分布を示し、図８は上記図５に示す検査対象部品カテゴリＫ_２に所属する各部品の例えば寿命等の稼動実績情報の分布を示す。

部品カテゴリ同一性判定手段１１は、上記同様に、問題部品カテゴリＫ_１と検査対象部品カテゴリＫ_２とに対して例えば２サンプルＴ−検定を行う。すなわち、帰無仮説(Ｎull Ｈypothesis)として「問題部品カテゴリＫ_１と検査対象部品カテゴリＫ_２の母集団平均に差異はない」と仮定し、対立仮説(Ａlternate Ｈypothesis)として「問題部品カテゴリＫ_１と検査対象部品カテゴリＫ_２との母集団平均は異なる分布からくる（差異がある）」を立証すると考える。

例えば、図９に示すように問題部品カテゴリＫ_１と検査対象部品カテゴリＫ_２との各母集団が重なり合えば、問題部品カテゴリＫ_１と検査対象部品カテゴリＫ_２とにそれぞれ所属する各部品に同一性がある。同一性があれば、検査対象部品カテゴリＫ_２に所属する各部品は、故障等の問題を発生する確率が高い。
一方、図１０に示すように問題部品カテゴリＫ_１と検査対象部品カテゴリＫ_２との各母集団が殆ど重なり合わず、これら問題部品カテゴリＫ_１と検査対象部品カテゴリＫ_２とにそれぞれ所属する各部品に同一性がなければ、検査対象部品カテゴリＫ_２に所属する各部品は、故障等の問題を発生する確率が低い。

問題部品カテゴリＫ_１と検査対象部品カテゴリＫ_２との同一性を判定する手法は、統計的な手法の他に、例えば図１１に示す動的計画法による距離計算方法を用い、問題部品カテゴリＫ_１に所属する各部品の寿命と検査対象部品カテゴリＫ_２に所属する各部品の寿命と間の差分（絶対値）が最小になるように対応付けを行い、その距離の総和が一定値以下か否かで同一性を判定してもよい。

しかるに、要注意部品カテゴリ検出手段１２は、部品カテゴリ同一性判定手段１１による同一性の判定の結果、同一性が高ければ、当該同一性の高い検査対象部品カテゴリを保守が必要である要注意部品カテゴリとして検出し、検査対象部品カテゴリの識別情報と問題部品カテゴリの稼動実績情報の統計値とを保持し、要注意部品カテゴリとして記憶する。

次に、要注意医療機器検出手段１４は、ステップ＃３において、要注意部品カテゴリ検出手段１２により検出された要注意部品カテゴリを受け取り、この要注意部品カテゴリに所属する各部品の識別情報を認識し、これら部品を搭載して現在のフィールドで稼動している医療機器１７をリストアップする指示を医療機器抽出手段１３に送る。この医療機器抽出手段１３は、要注意医療機器検出手段１４からの指示を受けて、部品情報記憶手段２からフィールドで稼動している医療機器１７をリストアップする。

次に、要注意医療機器検出手段１４は、ステップ＃４において、医療機器抽出手段１３によりリストアップされた医療機器１７を受け取り、この医療機器１７の識別情報、部品の識別情報、部品の製造情報、問題部品カテゴリの実績稼動情報の統計値、問題の種別を表示手段１５に表示出力する。例えば、要注意医療機器検出手段１４は、図１２に示すように医療機器１７に搭載されている部品の寿命のバラツキと同部品の寿命の平均値との４象限の座標上に各部品の各タイプＡ〜Ｄを表示手段１５に表示出力する。このうちタイプＣは、部品の平均寿命が短く、かつ部品寿命のバラツキが少ないので、短期間で集中的に交換作業が発生する可能性が高い。このため、タイプＣは、保守作業スケジュールを策定する上では非常に注意すべき要注意医療機器である。タイプＤは、部品の平均寿命が長いが、部品寿命のバラツキが少ないので、これも注意すべき要注意医療機器である。

この要注意医療機器検出手段１４は、図１３に示すように各タイプＡ〜Ｄをリスト表示し、かつ要注意医療機器である例えばタイプＣ、Ｄに判定された部品、例えばＸ線管、Ｘ線検出器の欄を色分けして表示、例えば警告等を知らせるために赤色又は黄色等により表示する。

又、要注意医療機器検出手段１４は、要注意部品カテゴリに属する部品、例えばＸ線管等の交換件数の変化を単位時間当たりの変化量（加速度）として計算し、図１４に示すように要注意部品カテゴリに属する部品、例えばＸ線管等の交換件数の単位時間当たりの変化量を表示手段１５に表示出力する。

これと共に、要注意医療機器検出手段１４は、医療機器１７に搭載されている部品に対してタイプＣ、Ｄを判定すると、これらタイプＣ、Ｄと判定された部品を搭載する医療機器１７に対して通信網１６を介して警告等の通知を発する。又、要注意医療機器検出手段１４は、医療機器１７に搭載されている部品に対してタイプＣ、Ｄを判定すると、この旨をサービスセンタに通知する。

このように上記一実施の形態によれば、医療機器１７に搭載されているＸ線管等の部品を各部品カテゴリ別に抽出し、これら部品カテゴリ別に求められる部品の稼動実績情報の統計値が目標値に対して一定条件内に収まっていなければ、当該部品カテゴリを問題部品カテゴリとして検出すると共に、医療機器１７に搭載して稼動している部品が所属する部品カテゴリを検査対象部品カテゴリとして検出し、問題部品カテゴリと検査対象部品カテゴリとの同一性を判定し、同一性の高い問題部品カテゴリを要保守部品カテゴリとして検出し、この要保守部品カテゴリに所属する部品を搭載する医療機器１７が保守を必要とするとして抽出する。

これにより、各医療機器１７に搭載して稼動している各部品、例えばＸ線管やＸ線検出器、データ収集システム（ＤＡＳ）等に対して保守の必要が高いこと、例えばＸ線管やＸ線検出器、データ収集システム（ＤＡＳ）等の交換時期であることを精度高く事前に予測できる。すなわち、例えばＸ線管やＸ線検出器、データ収集システム（ＤＡＳ）等は、例えば図１６に示すようにＡ社、Ｂ社によって各ロッドａ、ｂ、ｃ毎に製造される。これらロッドａ、ｂ、ｃ毎に製造された例えばＸ線管やＸ線検出器、データ収集システム（ＤＡＳ）等は、それぞれ交換時期が同一になる傾向を呈する。

従って、例えばＡ社で製造されたロッドａの各Ｘ線管は、同一の稼動実績情報の条件の下で同一の交換時期を迎える。これにより、例えば図１６に示すＡ社のロッドａに所属するＸ線管を搭載する各医療機器Ｌ_１、Ｌ_２が問題部品カテゴリに所属すれば、当該ロッドａに所属する他の各医療機器Ｌ_３、…、Ｌ_ｌに搭載されている各Ｘ線管も交換時期であることが事前に予測できる。従って、部品の製造に起因するバラツキ、例えば材料、生産プロセス、製造設備、生産環境条件、生産者等を考慮してＸ線管等の部品が交換時期であることを事前に予測し、医療機器のアップタイムを改善できる。

Ｘ線管やＸ線検出器等の部品は、患者等の被検体の撮影時に故障しないように、早目に交換される。本保守システムにより交換時期を事前予測すれば、故障する前の最適な時期にＸ線管やＸ線検出器等の部品を交換できる。換言すれば、未だ長時間使用可能なＸ線管やＸ線検出器等の部品を早目に交換することなく、有効に使用可能である。

要注意医療機器検出手段１４は、図１３に示すように各タイプＡ〜Ｄをリスト表示し、かつ要注意医療機器である例えばタイプＣ、Ｄに判定された部品、例えばＸ線管、Ｘ線検出器の欄を色分けして表示、例えば警告等を知らせるために赤色又は黄色等により表示するので、これらＸ線管、Ｘ線検出器等の部品が交換時期であることを赤色又は黄色等の交換作業を促進するような表示色によって視覚的に警告を発することができる。

要注意医療機器検出手段１４は、医療機器１７に搭載されている部品に対してタイプＣ、Ｄを判定すると、この旨をサービスセンタに通知するので、サービスセンタにおいて部品の交換時期となった医療機器１７を認識することができ、故障等の不具合が発生する前に、事前に当該部品を搭載する医療機器のフィールドにサービスマンが赴いて、例えばＸ線管、Ｘ線検出器等の部品を交換することができる。

なお、本発明は上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態にわたる構成要素を適宜組み合わせてもよい。
例えば、上記実施形態において問題は、部品の稼動実績情報、例えば寿命が事業的に想定される目標値を大きく下回ったり、大きく上回ったりしたものや、部品の寿命等の稼動実績情報のバラツキが目標値を大きく上回ったり、大きく下回ったりしたものとして扱ったが、この問題に限らず、医療機器に搭載される部品に生じる全ての不具合を扱うことが可能である。

医療機器１７に搭載されている部品は、例えばＸ線管やＸ線検出器、データ収集システム（ＤＡＳ）等に限らず、消耗品となる部品を全て含む。

本発明に係る医療機器保守システムの一実施の形態を示す構成図。同装置における部品情報記憶手段のテーブル構造の模式図。同装置における問題部品カテゴリの概念図。同装置における問題部品カテゴリの概念図。同装置における問題部品カテゴリと検査対象部品カテゴリとに所属する各部品の稼動実績情報の一例を示す図。同装置における問題部品カテゴリと検査対象部品カテゴリとに所属する各部品の稼動実績情報の平均値を示す図。同装置における問題部品カテゴリに所属する各部品の稼動実績情報の分布を示す図。同装置における検査対象部品カテゴリに所属する各部品の稼動実績情報の分布を示す図。同装置による問題部品カテゴリと検査対象部品カテゴリとの同一性有りの判定結果の一例を示す図。同装置による問題部品カテゴリと検査対象部品カテゴリとの同一性無しの判定結果の一例を示す図。同装置による問題部品カテゴリと検査対象部品カテゴリとの同一性の判定を行う動的計画法による距離計算方法の概念を示す図。同装置における要注意医療機器検出手段の表示出力例を示す図。同装置における要注意医療機器検出手段の表示出力の他の例を示す図。同装置による要注意部品カテゴリに属する部品の交換件数の単位時間当たりの変化量を示す図。同装置における保守フローチャート。同装置における部品カテゴリ抽出手段による部品カテゴリの抽出の一例を示す図。

符号の説明

１：コンピュータ本体、２：部品情報記憶手段、３：医療機器の識別情報、４：部品の識別情報、５：製造情報、６：医療機器の稼動実績情報、７：部品カテゴリ抽出手段、８：部品カテゴリ統計値算出手段、９：問題部品カテゴリ検出手段、１０：検査対象部品カテゴリ検出手段、１１：部品カテゴリ同一性判定手段、１２：要注意部品カテゴリ検出手段、１３：医療機器抽出手段、１４：要注意医療機器検出手段、１５：表示手段、１６：通信網、１７：医療機器。

Claims

少なくとも保守対象とする医療機器の識別情報と、前記医療機器に搭載する部品の識別情報及び製造情報と、前記部品を搭載する前記医療機器の稼動条件情報及び稼動実績情報とのうち少なくとも１つの情報を対応付けて記憶する部品情報記憶手段と、
前記部品情報記憶手段に記憶されている前記製造情報に基づいて前記部品を部品カテゴリ別に抽出し、これら部品カテゴリ別に求められる前記稼動実績情報の統計値が目標値に対して一定条件内に収まっているか否かを判定し、この判定の結果に基づいて前記統計値が前記一定条件内に収まっていない前記部品カテゴリに不具合を有することを検出する不具合部品カテゴリ検出手段と、
前記部品情報記憶手段に記憶されている前記製造情報に基づいて前記部品を各部品カテゴリ別に抽出し、前記医療機器に搭載して稼動している前記部品が所属する前記部品カテゴリを保守対象として検出する保守対象部品カテゴリ検出手段と、
前記不具合部品カテゴリ検出手段により検出された前記不具合部品カテゴリと前記保守対象部品カテゴリ検出手段により検出された前記保守対象部品カテゴリとの同一性を判定し、前記同一性の高い前記不具合部品カテゴリを要保守部品カテゴリとして検出する要保守部品検出手段と、
前記要保守部品検出手段により検出された前記要保守部品カテゴリに所属する前記部品を搭載する前記医療機器を抽出する要保守医療機器検出手段と、
を具備することを特徴とする医療機器保守システム。
前記医療機器の識別情報は、前記医療機器の型式、名称、製造番号を有することを特徴とする請求項１記載の医療機器保守システム。
前記部品の識別情報は、部品型番、バージョン情報、レビション情報のうち少なくとも１つを有することを特徴とする請求項１記載の医療機器保守システム。
前記部品の製造情報は、製造シリアル番号、製造ロット番号、製造業者識別番号、製造年月日のうち少なくとも１つを有することを特徴とする請求項１記載の医療機器保守システム。
前記部品の稼動実績情報は、前記医療機器における撮影回数、検査回数、前記医療機器中の部材の回転数、稼動日数、稼動時間、又は通電時間のうち少なくとも１つを有することを特徴とする請求項１記載の医療機器保守システム。
前記部品情報記憶手段には、前記医療機器の製造時に、前記医療機器の前記識別情報と前記部品の前記識別情報及び前記製造情報とが対応付けて記憶され、かつ前記医療機器に搭載する前記部品の交換時に、前記部品の前記稼動実績情報が更新されることを特徴とする請求項１記載の医療機器保守システム。
前記不具合部品カテゴリ検出手段は、前記製造業者識別番号及び前記製造ロット番号が同一である前記部品を同一の前記部品カテゴリとして抽出することを特徴とする請求項１記載の医療機器保守システム。
前記不具合部品カテゴリ検出手段は、前記稼動実績情報の前記統計値として前記目標値に対するバラツキを評価する指標を求めることを特徴とする請求項１記載の医療機器保守システム。
前記不具合部品カテゴリ検出手段は、前記バラツキを評価する指標として平均値と標準偏差とを求めることを特徴とする請求項８記載の医療機器保守システム。
前記不具合部品カテゴリ検出手段は、前記目標値に対する前記平均値又は前記標準偏差のいずれか一方又は両方の差分が前記一定条件内に収まっていなければ、当該一定条件内に収まっていない前記部品カテゴリに属する前記部品の前記識別情報と前記稼動実績情報の前記統計値とを保持することを特徴とする請求項９記載の医療機器保守システム。
前記要保守部品検出手段は、統計的仮説検定の手法により前記不具合部品カテゴリと前記保守対象部品カテゴリとの同一性を判定し、前記同一性が高ければ、前記保守対象部品カテゴリの識別情報と前記不具合部品カテゴリの前記稼動実績情報の前記統計値とを要保守部品カテゴリとして保持することを特徴とする請求項１記載の医療機器保守システム。
前記要保守医療機器検出手段は、前記要保守部品カテゴリに所属する前記部品を搭載し、かつ稼動中の前記医療機器をリストアップすることを特徴とする請求項１記載の医療機器保守システム。
前記要保守医療機器検出手段は、前記リストアップされた前記医療機器の前記識別情報、前記部品の前記識別情報及び前記製造情報、前記不具合部品カテゴリの前記稼動実績情報の前記統計値、前記要保守部品カテゴリに所属する前記部品の不具合の種別をリスト表示することを特徴とする請求項１２記載の医療機器保守システム。
前記要保守医療機器検出手段は、前記リストアップされた前記医療機器を前記部品の不具合の種別を重大度に応じて識別表示することを特徴とする請求項１２記載の医療機器保守システム。
前記要保守医療機器検出手段は、前記リストアップされた前記医療機器を前記部品の不具合を前記医療機器又はサービスセンタに対して通知することを特徴とする請求項１２記載の医療機器保守システム。
前記要保守医療機器検出手段は、前記リストアップされた前記医療機器を前記部品の不具合をサービスセンタに通知することを特徴とする請求項１２記載の医療機器保守システム。
前記要保守医療機器検出手段は、前記部品の不具合の種別を重大度に応じて少なくとも色分け表示することを特徴とする請求項１４記載の医療機器保守システム。
前記要保守医療機器検出手段は、前記部品の不具合の種別のうち重大度の高い前記不具合の前記種別を警告表示することを特徴とする請求項１４記載の医療機器保守システム。
前記要保守医療機器検出手段は、各種様式の図表により前記リストアップされた前記医療機器を前記部品の不具合の種別を表示することを特徴とする請求項１３記載の医療機器保守システム。
前記要保守医療機器検出手段は、前記部品の不具合の種別を４象限の座標上に表示することを特徴とする請求項１７記載の医療機器保守システム。
前記要保守医療機器検出手段は、前記４象限の座標を前記目標値に対する前記稼動実績情報の前記平均値又は前記標準偏差のいずれか一方又は両方の差分として表現し、前記４象限の座標上に前記リストアップされた前記医療機器を前記部品の不具合を表示することを特徴とする請求項２０記載の医療機器保守システム。
前記要保守医療機器検出手段は、前記稼動実績情報のバラツキが前記４象限のうち前記目標値に対して小さい前記象限に属する場合、前記要保守部品カテゴリに所属する前記部品の不具合の変化を単位時間当たりの変化量として算出し、前記変化量が一定値を超えると警告を発することを特徴とする請求項２０記載の医療機器保守システム。
医療機器の保守をコンピュータ処理によって行う医療機器保守方法において、
前記医療機器に搭載されている部品を各部品カテゴリ別に抽出し、これら部品カテゴリ別に求められる前記部品の稼動実績情報の統計値が目標値に対して一定条件内に収まっていなければ、当該部品カテゴリを不具合の前記部品を有する不具合部品カテゴリとして検出し、
前記部品を各部品カテゴリ別に抽出し、前記医療機器に搭載して稼動している前記部品が所属する前記部品カテゴリを保守対象として検出し、
前記不具合部品カテゴリと前記保守対象部品カテゴリとの同一性を判定し、前記同一性の高い前記不具合部品カテゴリを要保守部品カテゴリとして検出し、
前記要保守部品カテゴリに所属する前記部品を搭載する前記医療機器が保守を必要とするとして抽出する、
ことを特徴とする医療機器保守方法。