JP2008165352A - 定期点検データ分析装置およびその方法 - Google Patents

Abstract

【課題】交換済みの機器の事例を考慮して保守戦略の評価を行う
【解決手段】各機器について複数の定期点検時点におけるいずれかの時点の点検に基づいて作成された劣化度と稼働特性と交換情報と含む複数の第１事例を蓄積したデータベースと、複数の定期点検時点に代えて定期点検を行いたい時点を定めた評価点検時点と、機器の劣化を評価したい時点を定めた評価時点と、機器を交換する交換条件を規定した評価交換条件情報とを含む評価保守戦略を用意し、機器の稼働特性から機器の劣化度を予測する劣化予測モデルを用意し、前記データベースを用いて前記評価時点と同じ定期点検時点の点検が行われずに交換された機器の個数を推測し、推測した個数の各機器と、前記評価時点と同じ定期点検時点の点検が行われた機器とについて評価点検時点における劣化度を評価し、劣化度が交換条件を満たさない機器について前記評価時点における劣化度を評価する。
【選択図】図１

Description

本発明は、機器の定期点検の結果得られたデータベースから知見を得るための定期点検データ分析装置およびその方法に関し、たとえば交換済みの機器を考慮した保守戦略の安全性評価に対するデータ分析技術に関する。

様々な環境下で稼動する機器のいくつかは保守員によって定期的な点検を受け、劣化の状態をチェックされており、そのような機器の点検結果は電子データとして蓄積されるようになっている。定期点検によって得られるデータを分析することで、将来の劣化を予測し適切な交換時期を決定するなど保守戦略の最適化を行うことが可能になる。

保守戦略の最適化には、個々の機器の交換時期などの最適化の他に、機器の定期点検間隔や交換基準などのグローバルな保守戦略の最適化という観点もある。後者の最適化のためには、データが収集されたときの保守戦略と異なる保守戦略をとった場合に、安全性がどのように変化するかなどを見積もるためのデータ分析が必要となる。

特開2005-296321号公報に開示された消防設備の点検装置及び点検方法に関する発明では、消防設備の定期点検結果から機器の劣化を予測し、機器ごとに適切な交換時期を決定するための定期点検データの分析方法が示されている。しかし、得られた定期点検データを用いて、定期点検時期などを最適化するためのデータ分析方法について示されていない。
特開２００５−２９６３２１号公報

定期点検データはある保守戦略(例えば、点検時期や交換条件)に従って保守員によって蓄積される。蓄積された定期点検データを分析して、例えば初期点検を半年遅らせたらどうなるか検討したい場合がある。現在の保守戦略の保守コストや安全性を、得られたデータを分析することによって算出し、初期点検を半年遅らせた戦略についても保守コストや安全性を算出できれば、どちらの戦略が好ましいのか判断することが可能になり保守戦略の最適化につなげることができる。

すなわち、データが収集されたときの保守戦略とは異なる保守戦略の評価を実現することが必要となる。このような分析には、データが収集された保守戦略下では点検によって交換済みの機器が、評価対象の保守戦略下では交換されずに存在するかもしれないという点を考慮しなければ妥当な結果が得られないという困難さがある。そこで、データが収集された保守戦略下で交換されてしまった機器の事例を考慮した保守戦略の評価が必要となる。

本発明は以上のような問題を解決するためになされたものであり、その目的は、交換済みの機器の事例を考慮して保守戦略の評価を行うことのできる定期点検データ分析装置およびその方法を提供することにある。

本発明の一態様としての定期点検データ分析装置は、
各機器について複数の定期点検時点のうちいずれかの定期点検時点の点検が行われたかを示す点検時点情報と、機器の劣化度と、機器の稼働特性と、機器の交換を行うか否かを示す交換情報と含む複数の第１事例を蓄積したデータベースと、
前記複数の定期点検時点に代えて定期点検を行いたい時点を定めた評価点検時点と、機器の劣化を評価したい時点を定めた、前記評価点検時点より時間的に後の評価時点と、機器を交換する交換条件を機器の劣化度に基づいて規定した評価交換条件情報とを含む評価保守戦略を記憶する保守戦略記憶手段と、
機器の稼働特性から機器の劣化度を予測する劣化予測モデルを記憶する劣化予測モデル記憶手段と、
前記評価時点より前の定期点検時点を表す点検時点情報をもちかつ前記交換を行うことを示す交換情報をもつ第１事例であるベース交換事例を選択するベース交換事例選択手段と、
前記データベースを用いて前記評価時点と同じ定期点検時点の点検が行われずに交換された機器の個数を推測し、推測された個数の各機器について前記評価点検時点における劣化度を前記ベース交換事例と前記劣化予測モデルとの少なくとも前者を用いて取得し、取得した前記劣化度が前記交換条件を満たさない機器について前記評価時点における劣化度を含む第１仮想事例を、前記ベース交換事例と前記劣化予測モデルとに基づいて生成し、
前記評価時点と同じ定期点検時点を表す点検時点情報をもつ機器の前記評価点検時点における劣化度を、当該機器の第１事例と前記劣化予測モデルとから計算し、計算した劣化度が前記交換条件を満たさない機器の第１事例を選択する、
事例生成選択手段と、
生成された第１仮想事例および選択された第１事例を用いて、前記評価保守戦略を評価する評価手段と、
を備える。

複数の定期点検時点のうちいずれの定期点検時点の点検が行われたかを示す点検時点情報と、機器の劣化度と、機器の稼働特性と、機器の交換を行うか否かを示す交換情報とを含む第２事例を各機器についてそれぞれ１つ以上蓄積したデータベースと、
前記複数の定期点検時点に代えて定期点検を行いたい時点を定めた評価点検時点と、機器の劣化を評価したい時点を定めた、前記評価点検時点より時間的に後の評価時点と、機器を交換する交換条件を機器の劣化度に基づいて規定した評価交換条件情報とを含む評価保守戦略を記憶する保守戦略記憶手段と、
機器の稼働特性から機器の劣化度を予測する劣化予測モデルを記憶する劣化予測モデル記憶手段と、
前記評価時点より前の定期点検時点を表す点検時点情報と前記交換を行うことを示す交換情報とを第２事例内にもつ機器の前記評価点検時点における劣化度を当該機器の第２事例と前記劣化予測モデルとの少なくとも前者を用いて取得し、取得した前記劣化度が前記交換条件を満たさない機器について前記評価時点における劣化度を含む第２仮想事例を当該機器の第２事例と前記劣化予測モデルとを用いて生成し、
前記評価時点と同じ定期点検時点を表す点検時点情報をもつ機器について前記評価点検時点における劣化度を当該機器の第２事例と前記劣化予測モデルとの少なくとも前者を用いて取得し、取得した前記劣化度が前記交換条件を満たさない機器の第２事例の中から前記評価時点を点検時点としてもつ第２事例を選択する、
事例生成選択手段と、
生成された前記第２仮想事例と選択された前記第２事例とを用いて前記評価保守戦略を評価する評価手段と、
を備える。

本発明の一態様としての定期点検データ分析方法は、
各機器について複数の定期点検時点のうちいずれかの定期点検時点の点検が行われたかを示す点検時点情報と、機器の劣化度と、機器の稼働特性と、機器の交換を行うか否かを示す交換情報と含む複数の第１事例を蓄積したデータベースと、前記複数の定期点検時点に代えて定期点検を行いたい時点を定めた評価点検時点と、機器の劣化を評価したい時点を定めた、前記評価点検時点より時間的に後の評価時点と、機器を交換する交換条件を機器の劣化度に基づいて規定した評価交換条件情報とを含む評価保守戦略を記憶する保守戦略記憶手段と、機器の稼働特性から機器の劣化度を予測する劣化予測モデルを記憶する劣化予測モデル記憶手段と、を用意し、
前記評価時点より前の定期点検時点を表す点検時点情報をもちかつ前記交換を行うことを示す交換情報をもつ第１事例であるベース交換事例を選択し、
前記データベースを用いて前記評価時点と同じ定期点検時点の点検が行われずに交換された機器の個数を推測し、推測された個数の各機器について前記評価点検時点における劣化度を前記ベース交換事例と前記劣化予測モデルとの少なくとも前者を用いて取得し、取得した前記劣化度が前記交換条件を満たさない機器について前記評価時点における劣化度を含む第１仮想事例を、前記ベース交換事例と前記劣化予測モデルとに基づいて生成し、
前記評価時点と同じ定期点検時点を表す点検時点情報をもつ機器の前記評価点検時点における劣化度を、当該機器の第１事例と前記劣化予測モデルとから計算し、計算した劣化度が前記交換条件を満たさない機器の第１事例を選択し、
生成された第１仮想事例および選択された第１事例を用いて、前記評価保守戦略を評価する、ことを特徴とする。

本発明の一態様としての定期点検データ分析方法は、
複数の定期点検時点のうちいずれの定期点検時点の点検が行われたかを示す点検時点情報と、機器の劣化度と、機器の稼働特性と、機器の交換を行うか否かを示す交換情報とを含む第２事例を各機器についてそれぞれ１つ以上蓄積したデータベースと、前記複数の定期点検時点に代えて定期点検を行いたい時点を定めた評価点検時点と、機器の劣化を評価したい時点を定めた、前記評価点検時点より時間的に後の評価時点と、機器を交換する交換条件を機器の劣化度に基づいて規定した評価交換条件情報とを含む評価保守戦略を記憶する保守戦略記憶手段と、機器の稼働特性から機器の劣化度を予測する劣化予測モデルを記憶する劣化予測モデル記憶手段と、を用意し、
前記評価時点より前の定期点検時点を表す点検時点情報と前記交換を行うことを示す交換情報とを第２事例内にもつ機器の前記評価点検時点における劣化度を当該機器の第２事例と前記劣化予測モデルとの少なくとも前者を用いて取得し、取得した前記劣化度が前記交換条件を満たさない機器について前記評価時点における劣化度を含む第２仮想事例を当該機器の第２事例と前記劣化予測モデルとを用いて生成し、
前記評価時点と同じ定期点検時点を表す点検時点情報をもつ機器について前記評価点検時点における劣化度を当該機器の第２事例と前記劣化予測モデルとの少なくとも前者を用いて取得し、取得した前記劣化度が前記交換条件を満たさない機器の第２事例の中から前記評価時点を点検時点としてもつ第２事例を選択し、
生成された前記第２仮想事例と選択された前記第２事例とを用いて前記評価保守戦略を評価する、
ことを特徴とする。

本発明により、交換済みの機器の事例を考慮して保守戦略の評価を行うことができる。

以下、図面に基づいて、本発明の実施の形態について説明する。

図1は、本発明が扱う分析問題の機器劣化の例を示したものである。グラフの横軸は機器を設置してからの時間であり縦軸は機器の劣化度を示している。一本の線グラフがひとつの機器の劣化を示しており、時間が経過するに従って劣化が進行するが、劣化具合には稼動状況や初期品質などによる個体差が生じる。時間軸に存在する矢印７０１は定期点検の時点を表しており3回の点検時点が示されている。また、劣化軸に存在する値７０２は保守戦略のなかの交換基準(交換条件)を表しており、定期点検時にこの基準以上の劣化度を示すものは交換の対象となる。また、交換基準の上に故障基準７０３(例えば1.0)が設定されており、この基準を超えて劣化すると機器の動作に支障をきたすことになる。

このような機器劣化に関するデータが定期点検データベースに蓄積されているとき、例えば、現状の保守戦略下において、評価時点７０４を点検時点３としたときの機器劣化の平均値を求めたいならば、点検時点３における実線グラフの値の平均を求めればよい。しかし、仮に点検２を省略したとすると上記の評価時点７０４における機器劣化の平均値はどうなるのかを知りたい場合には注意が必要である。すなわち、点検２を省略すれば、交換７０５によって交換されてしまった機器の事例が評価時点には存在することになるが、これらの事例はデータ中には存在しないからである。そこで、点検2を省略した場合の機器劣化の平均値は評価時点における実線グラフと点線グラフの値の平均を求めなければならない。

上記の例のような交換済み機器の事例の扱いが、交換を伴う機器の定期点検データにおいて、データが収集された保守戦略とは異なる保守戦略下での機器劣化について分析する際の課題となる。

図２は、本発明に関わる定期点検データ分析装置の一実施の形態を示した構成図である。図２に示されるように、この定期点検データ分析装置は、定期点検データベース１０１、データ保守戦略記憶手段１０２、劣化予測モデル記憶手段１０３、評価保守戦略記憶１０４、ベース交換事例選択手段１０５、仮想事例生成手段１０６、評価事例選択手段１０７、保守戦略評価手段１０８を備えている。各手段はたとえばプログラムモジュールとして実現することができ、この場合、各プログラムモジュールを含むプログラムを図１９に示すコンピュータシステムおいて実行することで各手段による機能を実現することができる。このコンピュータシステムには、プログラム命令を実行するＣＰＵ５０２、メモリ等の主記憶装置５０３、ハードディスク、磁気ディスク装置または光磁気ディスク装置等の外部記憶装置５０４、ユーザによるデータ入力を行う入力装置５０５、ユーザにデータ表示を行う表示装置５０６およびこれらを互いに接続するバス５０１が備わっている。

定期点検データベース１０１には、機器のID、点検時点、様々な機器の稼動特性を表す機器属性、検査の結果得られた機器の劣化度の情報が保存されている。図８は定期点検データベースの例であり、一つのレコード（事例）がひとつの機器の一回分の定期点検結果に対応している。フィールドとしては、機器ID、機器の起動回数、機器の起動時間、年単位の点検時点（点検時点情報）、検査の結果判明した劣化度、および、判定結果（交換を行うか否かを示す交換情報）が含まれている。機器ごとにレコードが１つ以上含まれており、たとえば機器IDが１のレコードは３つ含まれる。つまり、図８のデータベースは、複数の定期点検時点（設置から１年目の時点、２年目の時点、３年目の時点）のうちいずれの定期点検時点の点検が行われたかを示す点検時点情報と、機器の劣化度と、機器の稼働特性と、判定結果（交換情報）とを含む事例（第２事例）を各機器についてそれぞれ１つ以上蓄積している。

図８の定期点検データベースにはすべての機器について初年度から交換されるまでの点検結果が完全に蓄積されているため、評価時点までに交換済みとなった機器の事例の情報を得ることは可能である。一方、情報システムの更新などにより過去の定期点検データが失われている場合も考えられる。図７はそのような場合の定期点検データベースの例であり、点検年の代わりに機器の設置年を表すフィールドが含まれている。図７は2006年度の定期点検結果のみを保存したデータベースであり、2006年度に存在する機器の事例しか存在しない。各機器の点検時点は設置年と定期点検時点から推定することができ、例えば、設置から3年目の機器劣化に注目する(すなわち、評価時点を3年目にする)際には、設置年が2003年の事例(機器ID1〜3)に注目すればよい。機器ID1〜3のレコードは、設置から3年目の定期点検時点の点検が行われた機器のデータ、機器ID4〜11のレコードは、設置から2年目の定期点検時点の点検が行われた機器のデータ 機器ID12〜14のレコードは、設置から1年目の定期点検時点の点検が行われた機器のデータである。つまり、図７のデータベースは、各機器について複数の定期点検時点（設置から１年目の時点、２年目の時点、３年目の時点）のうちいずれかの定期点検時点の点検が行われたかを示す点検時点情報と、機器の劣化度と、機器の稼働特性と、判定結果（交換情報）とを含む複数の事例（第１の事例）を蓄積している。

ここで、設置年が2003年の機器の中には2005年度の定期点検において2年目点検を行い交換されてしまったものも存在するかもしれないことを考慮する必要がある。同様に、設置年が2003年の機器の中には2004年度の定期点検において1年目点検を行い交換されてしまったものも存在するかもしれないことを考慮する必要がある。すなわち、図７の定期点検データベースの分析では、過去に交換済みの機器の事例の情報が得られないという問題を解決する必要がある。本発明は、このような図７のデータベースおよび図８のデータベースのいずれも扱うことが可能である。

データ保守戦略記憶手段１０２には、定期点検データベース１０１（図７、図８）の事例を収集している間の保守戦略であるデータ保守戦略が記憶される。図９はデータ保守戦略の例であり、使用開始年度から、1年目点検、2年目点検、3年目点検の3回の点検が行われたことを示す点検時点データと、劣化度0.5（閾値）以上の事例の機器は交換するという交換条件データとが記憶されている。なお、点検時点は等間隔である必要はない。また点検時点は、時間ではなく、例えば自動車の部品を対象とした場合に10000km走行時点、20000km走行時点などとしてよい。また、交換条件データにおける閾値は点検時点ごとに異なっても良い。また、特定の条件を満たす機器のみ点検するという点検条件などのデータをデータ保守戦略に導入することも可能である。

劣化予測モデル記憶手段１０３には、機器の稼動特性から機器の劣化度を予測するための確率モデルである劣化予測モデルが記憶される。図１１は劣化予測モデルの例であり、機器の起動回数と起動時間という稼動状況を表す属性から劣化度を予測するための劣化予測モデルが示されている。なお、図１１のような劣化予測モデルのパラメータ学習は、定期点検データベース１０１（図７または図８またはこれらの両方のデータベース）の事例を用いて市販の統計パッケージの予測モデル構築ライブラリによって行うことも可能である。

評価保守戦略記憶手段１０４には、分析の対象とする保守戦略と、どの時点の機器劣化を評価するかを示す評価時点の情報からなる評価保守戦略とが記憶される。図１０は評価保守戦略の例であり、図９の点検時点には含まれていない2.5年目に定期点検を行うという情報を示す評価点検時点データと、図９の交換条件とは異なる劣化度0.55以上の事例の機器を交換するという評価交換条件データと、機器設置から3年目の時点の機器劣化を分析することを示す評価時点データとが含まれている。

すなわち、図9と図10の例においては、「1年目、2年目、3年目に定期点検し、劣化度0.5以上の機器は交換」という保守戦略のもとで得られた定期点検データベースを用いて、「2.5年目にだけ定期点検し、劣化度0.55以上の機器は交換」という保守戦略を適用した場合の機器設置から3年目の時点の機器劣化について分析することになる。なお、保守戦略の違いをまったく無視して3年目の時点の機器劣化について分析すると、例えば図７の例で機器劣化の平均値を求める場合は、

Average({0.50, 0.30, 0.35}) ≒ 0.38 (式1)

となる。すなわち2006年度定期点検において設置から3年目の機器は、設置年が2003年の機器（機器IDが１、２、３の機器）であり、これらの機器について劣化度の平均を求めると式１のようになる。ここで、Average(A)は配列Aの平均値を求める関数を表す。一般的な分析では上記のような計算が行われ、設置から１年目、２年目の定期点検により交換されたしまった機器が存在するかもしれないことは考慮されていない。

ベース交換事例選択手段１０５では、データ保守戦略１０２（図９）の下で交換されてしまった機器の事例を生成するための基になる事例をベース交換事例として定期点検データベース１０１の中から選択する。図３は図８のように過去に交換済み機器の事例の情報が得られる定期点検データベースに対するベース交換事例選択の手順をフローチャートとして表現したものである。図３では、評価時点Teより時間的に古いすべての点検時点のいずれかにおいて交換条件を満たす事例を選択し、機器IDと、値が１の生成個数とをベース交換事例集合Rに追加し、処理の終了とともにRを出力している。図１２は図８の定期点検データから得られるベース交換事例の例であり、評価時点Te(=3年目)より過去の時点：{2年目、1年目}のいずれかにおいて交換条件を満たす事例が選択されている。

図４は図７のように過去の交換済みの機器の事例の情報が得られない定期点検データベースに対するベース交換事例選択の手順をフローチャートとして表現したものである。図４では、評価時点Teより時間的に古いすべての点検時点のいずれかにおいて交換条件を満たす事例を選択するとともに、評価時点Teにおけるデータベース中の点検事例数Nを基準として、交換条件を満たす事例数(n1)と交換条件を満たさない事例(n2)の比率に基づいて生成個数を算出する。そして、機器IDと生成個数データをベース交換事例集合Rに追加し、処理の終了とともにRを出力している。

図７の定期点検データベースにおける図４のフローチャートの実行過程を詳しく述べる：
１）ステップ３０３：T=３年目
２）ステップ３０４：N=3 (３年目の定期点検事例)
３）ステップ３０５(1回目)：T=２年目
４）ステップ３０６(1回目)：2年目点検に対応する事例ID4, 5を抽出、n1=2, n2=6
５）ステップ３０７(1回目)：x=n1/n2*N=2/6*3=1, n=x/n1=1/2=0.5, N=N+x=3+1=4
６）ステップ３０８(1回目)：ID４、５の事例を生成個数0.5としてベース交換事例に追加
７）ステップ３０５(2回目)：T=1年目
８）ステップ３０６(2回目)：1年目点検に対応する事例ID12を抽出、n1=1, n2=2
９）ステップ３０７(2回目)：x=n1/n2*N=1/2*4=2, n=x/n1=2/1=2, N=N+x=4+2=6
１０）ステップ３０８(2回目)：ID12の事例を生成個数2としてベース交換事例に追加

上記の２）では評価時点(=3年目)の事例数を基準数N=3として保存している。ここで、設置から3年目の機器が3個あるが、過去の交換履歴が得られないとき、３年前に設置された機器のうち何個の機器が交換に至ったのかを見積もる必要がある。そこで、3)において時点Tを2年目に設定し、4)において設置から2年目の機器のうち交換条件を超えた機器の個数n1とそうでない機器の個数n2を求める。3年前に設置された機器も過去に同じ比率で交換されていたであろうと仮定すると、2年目の時点で交換されていたであろう機器の個数の推定値xは：

を満たすので、x=n1/n2*Nと推定できる。上記の5)ではx=2/6*3=1.0と算出され、3年目の事例数が3とすると、１個の機器が2年目に交換されていたであろうと推定できる。しかし、個数が分かったとしてもどのような事例をもつ機器が過去に交換されたのか知るすべはない。そこで、データベース中の2年目点検に相当する事例を代用することにし、上の4)においてID４、５の事例を抽出しておく。ここで、抽出されたn1個の事例からx個の仮想事例を生成すればよいことになるので、事例ひとつあたりの仮想事例の生成個数(の義務)はx/n1（=n）個となる。上記の5)では、x=1, n1=2なのでn=0.5と算出され、6)においてベース交換事例に機器ID４，５と各々の生成個数0.5とが追加される。時点Tを1年目に設定した場合（２回目）も同様にして計算を行い、結果として、２(=x)個の機器が１年目に交換されていたであろうと推定でき、事例（ID１２のみ）ひとつあたりの仮想事例の生成個数（の義務）はx=2,n1=1なので、n=2と算出され、ベース交換事例に機器ID１２と生成個数２とが追加される。図１３は図７の定期点検データから得られるベース交換事例の出力例であり、３つのベース交換事例が、選択され生成個数とともに保存されている。上記のような処理を行うことにより過去の交換済み機器の事例の情報が得られない場合でもベース交換事例の選択を行うことが可能になる。

仮想事例生成手段１０６では、ベース交換事例（図１２、図１３）と劣化予測モデルとを用いて、評価保守戦略（図１０）の評価に必要な時点（本例では２．５年目と３年目）における機器劣化を推定した事例である仮想事例を生成する。図５は仮想事例生成の手順をフローチャートとして表現したものである。なお、以下では過去の交換済み機器の事例の情報が得られない場合（図７のデータベースの場合）の例を中心に説明するが、過去の交換済み機器の事例の情報が得られる場合（図８のデータベースの場合）でも同様の処理によって対応することが可能である。図５のステップ４０１において必要な情報を読み込んだ後、ステップ４０２において乱数を用いて生成個数の整数化を行う。これは、選択したベース交換事例の生成個数に基づいて、どの事例から幾つの仮想事例を生成するかを決定するステップである。図１３のベース交換事例にステップ４０２を適用した結果の出力例を図１４に示す。図１３では、機器ID4、５から1つの仮想事例を生成すればよいので、確率0.5でどちらか一つを選択する。図１４では機器ID４の方が選択されている。ベース交換事例を選択するのではなく、機器ID４，５の２つのベース交換事例の演算により１つのベース交換事例を生成してもよい。たとえば２つのベース交換事例の稼働特性を平均し、平均した値と劣化予測モデルとから個体差係数を求めてもよい。ここで、生成個数が例えばともに1.5であった場合、どちらかが２にもう一方が１に設定される。また、生成個数の合計に端数が生じてしまった場合には、例えば、切り捨て、切り上げ、四捨五入などを行って良い。

次に、図５のステップ４０３において、評価時点(=3年目)における定期点検事例（設置から３年目の点検が行われた機器の事例）と、ベース交換事例で生成個数が1以上となる機器IDの事例とを定期点検データベースからコピーする。そして、コピーした事例に生成個数属性を付与する。なお、評価時点における定期点検事例に関しては生成個数1とする。最後に、各事例に関して劣化予測モデルの平均的な劣化度からの乖離を表す値である個体差係数を算出し、属性として追加する。図１５は図１４の出力結果に基づいて算出されたステップ４０３の出力例である。評価時点(3年目)における定期点検に対応するID１〜３の事例と、生成個数が1以上となるベース交換事例であるID４、１２の事例が定期点検データベースからコピーされ、生成個数属性と個体差係数属性が追加されている。ここで、個体差係数の算出は図１１の劣化予測モデルを用いて行うことができる。図１１の式から、

個体差係数 = log(劣化度) − 0.3*log(起動回数) − 0.1*log(起動時間) + 4 (式3)

という関係が成り立つので、劣化度と起動回数、および、起動時間から個体差係数を一意に求めることが可能である。

次に、図５のステップ４０４において乱数を用いて生成個数が２以上の事例を水増しする。これは、まったく同じ仮想事例が生成されることを防ぐために行う。（生成個数−１）だけ、事例をコピーし、ステップ４０３において算出された個体差係数に乱数を加えることにより、仮想事例にバリエーションを発生させる。図１６は図１５の出力結果に基づいて算出されたステップ４０４の出力例である。生成個数が2となっているID12の事例が、個体差係数のみが異なる2つの事例に水増しされて追加されている。

その後、図５のステップ４０５〜４０９において、評価時点Teと評価時点より時間的に古いすべての評価点検時点について仮想事例の生成を行う。ここで、ある事例の時点Tの検査結果が定期点検データベースに含まれる場合にはそれを用い、含まれない場合には仮想事例生成ステップ４０６を行うことによって仮想事例を生成する。図１７は、図１６の出力結果に基づいて算出された仮想事例の例である。評価時点{3年目}と評価時点より時間的に古いすべての評価点検時点{2.5年目}について仮想事例の生成が行われている。ここで、図１７の上から4つめ以降の事例（機器ＩＤ４以降の事例）は仮想事例生成ステップ４０６によって生成された。

事例Iの時刻Tにおける仮想事例の生成では：

１）時刻Tにおける事例Iの属性を予測する。
２）予測された属性と個体差係数を用いて劣化予測モデルによって劣化度を予測する。

という処理を行う。例えば、機器ID４の事例の3年目時点における劣化度を予測する場合、

１）3年目の起動回数：500/2*3=750、3年目の起動時間：2200/2*3=3300
２）exp(0.3*log(750) + 0.1*log(3300) − 4 + 0.67) ≒ 0.59

と予測すればよい。なお、時刻Tにおける事例Iの属性の値がデータとして保存されている場合には予測する必要はなく、その値を用いればよい。

以上、過去の交換済み機器の事例の情報が得られない場合について説明してきたが、過去の交換済み機器の事例の情報が得られる場合には、図５のステップ４０２とステップ４０４が不要になるだけである。上記のような処理を行うことにより、劣化予測モデルという確率モデルを用いることで機器の劣化プロセスの知見を反映しつつ、評価保守戦略の評価に必要な仮想事例を生成することが可能になる。

評価事例選択手段１０７では、仮想事例と評価保守戦略を用いて、評価時点における機器の劣化分析に必要な事例のみを評価事例として選択する。図６は評価事例選択の手順をフローチャートとして表現したものである。図6では、評価時点より時間的に古いすべての評価点検時点のいずれにおいても評価交換条件を満たさない機器のみのフラグをtrueに設定し、フラグがtrueの機器の評価時点における事例のみを選択することで評価事例を生成している。図１８は、図１７の仮想事例を用いて生成された評価事例の例である。図１８では、評価点検時点2.5年目において評価交換基準0.55を超える機器(12-aと12-b)はフラグがfalseとなり、機器ID１〜４の3年目時点の事例のみが選択されている。上記のような処理を行うことにより、実際には行われていない保守戦略下での評価時点の機器劣化について分析するためのデータを得ることが可能になる。なお、図６に示した評価事例選択の手順は、過去の交換済み機器の事例の情報が得られる場合についても等しく用いることができる。

図１８のデータを用いて、図１０の評価保守戦略を採用したときの機器設置から3年目の時点の機器劣化について分析することを考える。例えば機器劣化の平均値を求める場合は、

Average({0.50, 0.30, 0.35, 0.59}) ≒ 0.44 (式4)

となり、交換済み機器の事例を無視して分析を行った(式１)と比較して高い劣化度となっていることが確認できる。すなわち、交換済みの事例を考慮しない分析を行ってしまうと、機器劣化について甘く見積もってしまうことになる。一方、本発明のように交換済みの事例を考慮した分析を行えば、より安全性の高い保守戦略評価が実現できる。

その他の保守戦略評価の例としては、(式4)によって求められる平均値mと(式5)によって求められる標準偏差σを用いて、正規分布を仮定すれば、

Stddev({0.50, 0.30, 0.35, 0.59}) ≒ 0.133 (式5)

例えば、故障基準1.0を超える確率は(式6)によって算出でき、1.27*10^-5となることが分析できる。ただし、Stddev(A)は配列Aの標準偏差を計算する関数を表し、norm(x,m,σ)は平均値m、標準偏差σの正規分布における値xの確率密度関数を表す。

以上のように本実施形態により、データが収集されたときの保守戦略とは異なる保守戦略の評価を、交換された機器の事例を考慮しつつ行うことが可能となる。

本発明の一実施形態に係わる定期点検データの分析問題を示す図。 本発明の一実施形態に関わる定期点検データ分析装置の構成図。 ベース交換事例選択手段のフローチャートを示す図その１。 ベース交換事例選択手段のフローチャートを示す図その２。 仮想事例生成手段のフローチャートを示す図。 評価事例選択手段のフローチャートを示す図。 定期点検データベースの例を示す図その１。 定期点検データベースの例を示す図その２。 データ保守戦略の例を示す図。 評価保守戦略の例を示す図。 劣化予測モデルの例を示す図。 ベース交換事例の例を示す図その１。 ベース交換事例の例を示す図その２。 図５のステップ４０２の出力例を示す図。 図５のステップ４０３の出力例を示す図。 図５のステップ４０４の出力例を示す図。 仮想事例の例を示す図。 評価事例の例を示す図。 本発明の一実施形態に係わる方法を実行するハードウェア構成を表すブロック図。

符号の説明

１０１：定期点検データベース
１０２：データ保守戦略記憶手段
１０３：劣化予測モデル記憶手段
１０４：評価保守戦略記憶手段
１０５：ベース交換事例選択手段
１０６：仮想事例生成手段
１０７：評価事例選択手段
１０８：保守戦略評価手段

Claims (13)

1. 各機器について複数の定期点検時点のうちいずれの定期点検時点の点検が行われたかを示す点検時点情報と、機器の劣化度と、機器の稼働特性と、機器の交換を行うか否かを示す交換情報と含む複数の第１事例を蓄積したデータベースと、
   前記複数の定期点検時点に代えて定期点検を行いたい時点を定めた評価点検時点と、機器の劣化を評価したい時点を定めた、前記評価点検時点より時間的に後の評価時点と、機器を交換する交換条件を機器の劣化度に基づいて規定した評価交換条件情報とを含む評価保守戦略を記憶する保守戦略記憶手段と、
   機器の稼働特性から機器の劣化度を予測する劣化予測モデルを記憶する劣化予測モデル記憶手段と、
   前記評価時点より前の定期点検時点を表す点検時点情報をもちかつ前記交換を行うことを示す交換情報をもつ第１事例であるベース交換事例を選択するベース交換事例選択手段と、
   前記データベースを用いて前記評価時点と同じ定期点検時点の点検が行われずに交換された機器の個数を推測し、推測された個数の各機器について前記評価点検時点における劣化度を前記ベース交換事例と前記劣化予測モデルとの少なくとも前者を用いて取得し、取得した前記劣化度が前記交換条件を満たさない機器について前記評価時点における劣化度を含む第１仮想事例を、前記ベース交換事例と前記劣化予測モデルとに基づいて生成し、
   前記評価時点と同じ定期点検時点を表す点検時点情報をもつ機器の前記評価点検時点における劣化度を、当該機器の第１事例と前記劣化予測モデルとから計算し、計算した劣化度が前記交換条件を満たさない機器の第１事例を選択する、
   事例生成選択手段と、
   生成された第１仮想事例および選択された第１事例を用いて、前記評価保守戦略を評価する評価手段と、
   を備えた定期点検データ分析装置。
2. 前記事例生成選択手段は、
   前記ベース交換事例選択手段により選択された各前記ベース交換事例を同じ点検時点情報をもつグループに分割し、
   前記グループに含まれるベース交換事例の数と、前記グループと同じ点検時点情報をもちかつ前記交換を行わないことを示す交換情報をもつ第１事例の数との比率に基づき、前記グループと同じ定期点検時点の点検により交換された機器の個数を推測し、
   推測された個数の各機器について前記評価点検時点における劣化度を前記グループ内の各ベース交換事例と前記劣化予測モデルとの少なくとも前者を用いて取得し、取得した前記劣化度が前記交換条件を満たさない各機器について前記評価時点における劣化度を含む第１仮想事例を前記ベース交換事例と前記劣化予測モデルとに基づいて生成する、
   ことを特徴とする請求項１に記載の定期点検データ分析装置。
3. 前記劣化予測モデルは、前記機器の稼働特性に加え、平均的な劣化度からの乖離を表す値である個体差係数をパラメータとして有し、
   前記事例生成選択手段は、
   前記グループ内の各ベース交換事例に対して前記劣化予測モデルを利用して前記個体差係数をそれぞれ計算し、
   前記グループに含まれるベース交換事例の数が、前記グループと同じ定期点検時点の点検により交換された機器の個数よりも少ないときは、少ない数分だけ前記グループに含まれる任意のベース交換事例のコピーを生成し、
   前記グループの定期点検時点と前記評価点検時点とが異なるとき、コピーにより得られたベース交換事例の個体差係数を、前記コピー元のベース交換事例の個体差係数と乱数とを用いた演算により計算し、各前記ベース交換事例および各コピーにより得られたベース交換事例のそれぞれから前記評価点検時点における稼働特性を推定し、推定した稼働特性と、前記個体差係数と、前記劣化予測モデルとから前記評価点検時点における劣化度を計算し、
   前記グループの定期点検時点と前記評価点検時点とが同一のときは前記ベース交換事例および各コピーにより得られたベース交換事例のそれぞれに含まれる劣化度を前記評価点検時点における劣化度として取得する、
   ことを特徴とする請求項３に記載の定期点検データ分析装置。
4. 前記劣化予測モデルは、前記機器の稼働特性に加え、平均的な劣化度からの乖離を表す値である個体差係数をパラメータとして有し、
   前記事例生成選択手段は、
   前記グループ内の各ベース交換事例に対して前記劣化予測モデルを利用して前記個体差係数をそれぞれ計算し、
   前記グループに含まれるベース交換事例の数が、前記グループと同じ定期点検時点の点検により交換された機器の個数よりも多いときは、当該機器の個数分のベース交換事例を前記グループ内から選択し、
   前記グループの定期点検時点と前記評価点検時点とが異なるときは、選択した各前記ベース交換事例のそれぞれから前記評価点検時点における稼働特性を推定し、推定した稼働特性と、前記個体差係数と、前記劣化予測モデルとから前記評価点検時点における劣化度を計算し、
   前記グループの定期点検時点と前記評価点検時点とが同一のときは、選択した各前記ベース交換事例にそれぞれ含まれる劣化度を前記評価点検時点における劣化度として取得する、
   ことを特徴とする請求項２または３に記載の定期点検データ分析装置。
5. 前記劣化予測モデルは、前記機器の稼働特性に加え、平均的な劣化度からの乖離を表す値である個体差係数をパラメータとして有し、
   前記事例生成選択手段は、
   前記グループ内の各ベース交換事例に対して前記劣化予測モデルを利用して前記個体差係数をそれぞれ計算し、
   前記グループに含まれるベース交換事例の数が、前記グループと同じ定期点検時点の点検により交換された機器の個数よりも多いときは、少なくとも１つの機器に対して２つ以上のベース交換事例を選択し、残りの機器に対してそれぞれ異なる１つのベース交換事例を前記２つ以上のベース交換事例以外の中から選択し、前記２つ以上のベース交換事例間の演算により前記少なくとも１つの機器に対するベース交換事例を生成し、
   前記グループの定期点検時点と前記評価点検時点とが異なるとき、生成したベース交換事例に対して前記劣化予測モデルを用いて前記個体差係数を計算し、選択した各前記ベース交換事例および生成した前記ベース交換事例のそれぞれから前記評価点検時点における稼働特性を推定し、推定した稼働特性と、前記個体差係数と、前記劣化予測モデルとから前記評価点検時点における劣化度を計算し、
   前記グループの定期点検時点と前記評価点検時点とが同一のときは、選択した各前記ベース交換事例および生成した前記ベース交換事例にそれぞれ含まれる劣化度を前記評価点検時点における劣化度として取得する、
   ことを特徴とする請求項２または３に記載の定期点検データ分析装置。
6. 前記事例生成選択手段は、前記評価時点と同じ定期点検時点を表す点検時点情報をもつ機器の稼働特性を当該機器の第１事例から計算し、計算した稼働特性と前記劣化予測モデルとから劣化度を計算し、計算した劣化度が前記交換条件を満たさない機器の第１事例を選択することを特徴とする請求項１ないし５のいずれか一項に記載の定期点検データ分析装置。
7. 前記評価手段は、前記生成された第１仮想事例および前記選択された第１事例を用いて劣化度の平均を計算することを特徴とする請求項１ないし６のいずれか一項に記載の定期点検データ分析装置。
8. 前記評価手段は、前記生成された第１仮想事例および前記選択された第１事例を用いて劣化度の確率分布を求め、求めた確率分布から所定の劣化度以上となる確率を計算することを特徴とする請求項１ないし６のいずれか一項に記載の定期点検データ分析装置。
9. 複数の定期点検時点のうちいずれの定期点検時点の点検が行われたかを示す点検時点情報と、機器の劣化度と、機器の稼働特性と、機器の交換を行うか否かを示す交換情報とを含む第２事例を各機器についてそれぞれ１つ以上蓄積したデータベースと、
   前記複数の定期点検時点に代えて定期点検を行いたい時点を定めた評価点検時点と、機器の劣化を評価したい時点を定めた、前記評価点検時点より時間的に後の評価時点と、機器を交換する交換条件を機器の劣化度に基づいて規定した評価交換条件情報とを含む評価保守戦略を記憶する保守戦略記憶手段と、
   機器の稼働特性から機器の劣化度を予測する劣化予測モデルを記憶する劣化予測モデル記憶手段と、
   前記評価時点より前の定期点検時点を表す点検時点情報と前記交換を行うことを示す交換情報とを第２事例内にもつ機器の前記評価点検時点における劣化度を当該機器の第２事例と前記劣化予測モデルとの少なくとも前者を用いて取得し、取得した前記劣化度が前記交換条件を満たさない機器について前記評価時点における劣化度を含む第２仮想事例を当該機器の第２事例と前記劣化予測モデルとを用いて生成し、
   前記評価時点と同じ定期点検時点を表す点検時点情報をもつ機器について前記評価点検時点における劣化度を当該機器の第２事例と前記劣化予測モデルとの少なくとも前者を用いて取得し、取得した前記劣化度が前記交換条件を満たさない機器の第２事例の中から前記評価時点を点検時点としてもつ第２事例を選択する、
   事例生成選択手段と、
   生成された前記第２仮想事例と選択された前記第２事例とを用いて前記評価保守戦略を評価する評価手段と、
   を備えた定期点検データ分析装置。
10. 前記評価手段は、前記生成された第２仮想事例および前記選択された第２事例を用いて劣化度の平均を計算することを特徴とする請求項９に記載の定期点検データ分析装置。
11. 前記評価手段は、前記生成された第２仮想事例および前記選択された第２事例を用いて劣化度の確率分布を求め、求めた確率分布から所定の劣化度以上となる確率を計算することを特徴とする請求項１０に記載の定期点検データ分析装置。
12. 各機器について複数の定期点検時点のうちいずれの定期点検時点の点検が行われたかを示す点検時点情報と、機器の劣化度と、機器の稼働特性と、機器の交換を行うか否かを示す交換情報と含む複数の第１事例を蓄積したデータベースと、前記複数の定期点検時点に代えて定期点検を行いたい時点を定めた評価点検時点と、機器の劣化を評価したい時点を定めた、前記評価点検時点より時間的に後の評価時点と、機器を交換する交換条件を機器の劣化度に基づいて規定した評価交換条件情報とを含む評価保守戦略を記憶する保守戦略記憶手段と、機器の稼働特性から機器の劣化度を予測する劣化予測モデルを記憶する劣化予測モデル記憶手段と、を用意し、
    前記評価時点より前の定期点検時点を表す点検時点情報をもちかつ前記交換を行うことを示す交換情報をもつ第１事例であるベース交換事例を選択し、
    前記データベースを用いて前記評価時点と同じ定期点検時点の点検が行われずに交換された機器の個数を推測し、推測された個数の各機器について前記評価点検時点における劣化度を前記ベース交換事例と前記劣化予測モデルとの少なくとも前者を用いて取得し、取得した前記劣化度が前記交換条件を満たさない機器について前記評価時点における劣化度を含む第１仮想事例を、前記ベース交換事例と前記劣化予測モデルとに基づいて生成し、
    前記評価時点と同じ定期点検時点を表す点検時点情報をもつ機器の前記評価点検時点における劣化度を、当該機器の第１事例と前記劣化予測モデルとから計算し、計算した劣化度が前記交換条件を満たさない機器の第１事例を選択し、
    生成された第１仮想事例および選択された第１事例を用いて、前記評価保守戦略を評価する、
    定期点検データ分析方法。
13. 複数の定期点検時点のうちいずれの定期点検時点の点検が行われたかを示す点検時点情報と、機器の劣化度と、機器の稼働特性と、機器の交換を行うか否かを示す交換情報とを含む第２事例を各機器についてそれぞれ１つ以上蓄積したデータベースと、前記複数の定期点検時点に代えて定期点検を行いたい時点を定めた評価点検時点と、機器の劣化を評価したい時点を定めた、前記評価点検時点より時間的に後の評価時点と、機器を交換する交換条件を機器の劣化度に基づいて規定した評価交換条件情報とを含む評価保守戦略を記憶する保守戦略記憶手段と、機器の稼働特性から機器の劣化度を予測する劣化予測モデルを記憶する劣化予測モデル記憶手段と、を用意し、
    前記評価時点より前の定期点検時点を表す点検時点情報と前記交換を行うことを示す交換情報とを第２事例内にもつ機器の前記評価点検時点における劣化度を当該機器の第２事例と前記劣化予測モデルとの少なくとも前者を用いて取得し、取得した前記劣化度が前記交換条件を満たさない機器について前記評価時点における劣化度を含む第２仮想事例を当該機器の第２事例と前記劣化予測モデルとを用いて生成し、
    前記評価時点と同じ定期点検時点を表す点検時点情報をもつ機器について前記評価点検時点における劣化度を当該機器の第２事例と前記劣化予測モデルとの少なくとも前者を用いて取得し、取得した前記劣化度が前記交換条件を満たさない機器の第２事例の中から前記評価時点を点検時点としてもつ第２事例を選択し、
    生成された前記第２仮想事例と選択された前記第２事例とを用いて前記評価保守戦略を評価する、
    定期点検データ分析方法。

Images