JP2013040926A - システムの健康状態の判断 - Google Patents

Abstract

【課題】システムの健康状態を判断する方法及び装置を提供する。
【解決手段】振動データグループ群２４６のうちの１つの振動データグループは、システムの異なる周波数の振動に関する経時データを含む。システムに関する振動データグループ群２４６は、コンピュータシステム２２２内の多数の連想メモリ２３８に保存される。システムの健康状態は、多数の連想メモリ２３８内の振動データグループ群２４６に基づいて特定される。
【選択図】図２

Description

本開示は、複雑なシステムの健康状態を判断する方法及び装置に関するものであり、特に分光画像を使用して、振動の影響を受ける複雑な機械システムの健康状態を判断することに関するものである。

ヘルスモニタリングシステムは、種々の種類のシステムの健康状態を監視するために使用することができる。システムの健康状態の監視では、例えば当該システムに関して生成されているセンサデータを記録し、当該センサデータを分析し、当該システムの健康状態を、当該センサデータの分析に基づいて評価し、当該システムの健康状態を、当該評価に基づいて管理し、そして／または他の適切な操作を行うことができる。

本明細書において使用されるように、所定システムの「健康状態（ｈｅａｌｔｈ）」という用語は、同様の特性を有する理想システム、または同様の特性を有する標準システムの何れかのシステムに対する当該所定システムの動作パラメータ群の評価として定義される。システムは、当該所定システムが理想システムまたは標準システムの動作パラメータ群の１つ以上の指定許容範囲内で動作する場合に「健康である」とすることができる。例えば、所定の自動車エンジンが、同様の特性を有する理想的な自動車エンジンまたは標準化された自動車エンジンの動作パラメータ群の１つ以上の指定許容範囲内で動作する場合、当該所定の自動車エンジンは、「健康である」と特徴付けることができる。

監視することができる監視対象の異なる種類のシステムは、例えばこれらには限定されないが、製造システム、制御システム、通信システム、衛星システム、推進システム、輸送手段、及び／又は他の適切な種類のシステムを含むことができる。例えば、ヘルスモニタリングシステムは、自動車、航空機、宇宙船、回転翼航空機、ウォータークラフト、及び他の種類の輸送手段のような輸送手段の健康状態を判断し、そして管理するために使用することができる。

１つの例示的な例として、統合ビークルヘルス管理（ｉｎｔｅｇｒａｔｅｄ ｖｅｈｉｃｌｅ ｈｅａｌｔｈ ｍａｎａｇｅｍｅｎｔ：ＩＶＨＭ）システムを使用して、回転翼航空機の健康状態を判断し、そして管理することができる。回転翼航空機は、例えばヘリコプターとすることができる。しかしながら、他の種類の回転翼航空機が存在する。回転翼航空機は、非常に多くの内蔵可動部品を含むことができ、これらの部品は、共通目的のために集合的に動作するように設計される。例えば、ヘリコプターのエンジントランスミッションを接続するノーズギアボックスアセンブリは、エネルギーを極めて多くの可動ギア及び係合ギア、シャフト、及び場合によっては、他の部品群に伝達する。幾つかの場合では、このギアアセンブリの健康状態を監視する、ヘリコプターの他の部品群の健康状態を監視する、または場合によっては、回転翼航空機の健康状態を全体として監視すると有利である。

回転翼航空機の健康状態を管理するために現在使用されている統合ビークルヘルス管理を実施する際、例えば回転翼航空機に関して生成されるセンサデータを処理し、センサデータの統計分析を行ない、そして／または他の操作を行うことができる。更に、これらのヘルス管理を実施するためには、回転翼航空機に関する分析を行うオペレータは、回転翼航空機の物理モデル、及び／又はセンサデータを分析するために使用される統計的手法を理解している必要がある。

往々にして、回転翼航空機のような輸送手段の健康状態を判断する場合、ヘルスモニタリングシステムは、輸送手段内の部品群が不所望な健康状態を有するものとして特定されるときに通知を生成することができる。しかしながら、現在利用可能なヘルスモニタリングシステムの場合、通知は往々にして、部品群が実際には不所望な健康状態を有していないときに生成される。これらの通知は「誤判定（ｆａｌｓｅ ｐｏｓｉｔｉｖｅｓ）」と表記することができる。例えば、ヘルスモニタリングシステムは、回転翼航空機の１つのパーツが、更なるメンテナンスを必要としているという通知を生成することができる。しかしながら、このパーツは実際には、更なるメンテナンスを全く必要としていない。別の表現をすると、ヘルスモニタリングシステムは、当該パーツに関して誤判定を起こしている可能性がある。誤判定は、回転翼航空機のメンテナンスを行うために必要になるコスト、時間、及び／又は作業を増やしてしまう。例えば、パーツに関する点検、修理、取り替え、及び／又は他の作業は、これらの作業が実際には必要ではない場合に行われる可能性がある。

従って、上に説明した諸問題のうちの少なくとも幾つかの問題だけでなく、起こり得る他の問題を考慮に入れた方法及び装置を有することができれば有利となる。

１つの有利な実施形態では、システムの健康状態を判断する方法が提供される。システムに関する振動データグループ群が特定される。振動データグループ群のうちの１つの振動データグループは、システムの異なる周波数の振動に関する経時データを含む。システムに関する振動データグループ群は、コンピュータシステム内の多数の連想メモリに保存される。システムの健康状態は、多数の連想メモリ内の振動データグループ群に基づいて特定される。

別の有利な実施形態では、システムの健康状態を判断する方法が提供される。システムの振動の分光画像群は、コンピュータシステム内の多数の連想メモリに格納される。システムの健康状態は、多数の連想メモリに格納される分光画像群に基づいて特定される。

更に別の有利な実施形態では、ヘルスモニタリングシステムは、多数の連想メモリと、そしてヘルスアナライザーと、を備える。多数の連想メモリは、システムに関する振動データグループ群を保存するように構成される。振動データグループ群のうちの１つの振動データグループは、システムの異なる周波数の振動に関する経時データを含む。ヘルスアナライザーは、システムの健康状態を、多数の連想メモリ内の振動データグループ群に基づいて特定するように構成される。振動データグループ群は、システムの振動の画像群を含む。画像群は、振動に関するデータを、周波数、強度、及び周波数分布を使用して表わす。

別の実施形態では、ヘルスモニタリングシステムは、認識シミュレーション、知識ベースシステム、ニューラルネットワーク、ファジー論理システム、及び認識モデルのような人工知能システムを有するヘルスアナライザーを含む。

特徴、機能、及び利点は、本開示の種々の実施形態において個別に実現することができる、または更に他の実施形態において組み合わせることができ、これらの実施形態では、更なる詳細については、以下の説明及び図面を参照しながら理解することができる。

特許または出願ファイルは、色付きで作成された少なくとも１つの図面を含む。色付き図面(群)が添付された本特許または特許出願公報の複製は、特許庁により、要求及び必要料金の支払いが行われたときに提供される。

有利な実施形態に固有であると考えられる新規な特徴は、添付の請求項に説明されている。しかしながら、有利な実施形態だけでなく、これらの実施形態の好適な使用態様、別の目的、及び利点は、本開示の有利な実施形態に関する以下の詳細な説明を参照しながら、添付の図面と併せて一読することにより最も深く理解される。

図１は、有利な実施形態によるヘリコプターの駆動システムの図である。 図２は、有利な実施形態によるブロック図の形式のヘルス管理環境の図である。 図３は、有利な実施形態による分光システムにより生成される画像の図である。 図４は、有利な実施形態による分光画像の図である。 図５は、有利な実施形態による別の分光画像の図である。 図６は、有利な実施形態による分光画像の図である。 図７は、有利な実施形態によるシステムの健康状態を判断するプロセスのフローチャートの図である。 図８は、有利な実施形態によるシステムの健康状態を判断するプロセスのフローチャートの図である。 図９は、有利な実施形態によるデータ処理システムの図である。

異なる有利な実施形態では、多数の異なる注意事項を認識し、そして考慮に入れる。例えば、異なる有利な実施形態では、現在利用可能なヘルスモニタリングシステムは、状態インジケータを使用してシステムの健康状態を判断するスペシャリストまたはアナリストに依存することを認識し、そして考慮に入れる。一例として、これらの状態インジケータを使用して、システムの健康状態を分類することができる。例えば、システムの健康状態は、システムの健康状態を表わす１つ以上のカテゴリーに属するものとして分類することができる。

通常、現在利用可能なヘルスモニタリングシステムの場合、スペシャリストは、システムの健康状態を、状態インジケータ、及び既に行われているセンサデータの全ての分析に基づいて分類する必要がある。スペシャリストは、システムの健康状態を判断するために行われる分析の方式、分析に使用されるセンサデータの種類、当該システムを記述する全てのモデル、及び／又は当該システムに関する他の適切な情報を極めて深く理解して、当該システムの健康状態を、状態インジケータを使用して分類する必要がある。

異なる有利な実施形態では、システムの健康状態を、スペシャリストからの入力に基づいて判断するために、所望よりも長い時間、及び／又は多くの試行を要する可能性があることを認識し、そして考慮に入れる。更に、異なる有利な実施形態では、ヒューマンエラーによって、システムの健康状態を判断するために望ましい回数よりも多い回数の誤判定が生じる可能性があることを認識し、そして考慮に入れる。その結果、異なる有利な実施形態では、システムの健康状態を、スペシャリストがこの分類を行う必要を生じることなく分類することができるヘルスモニタリングシステムを有することが望ましいことを認識し、そして考慮に入れる。

更に、異なる有利な実施形態では、現在利用可能なヘルスモニタリングシステムの場合、システムに関して生成されるセンサデータは、当該センサデータの分析を行う前にモデル化される必要がある、そして／または簡易化される必要があることを認識し、そして考慮に入れる。このモデル化及び／又は簡易化は、分析用のデータの量を低減することにより、分析を実行するために必要な処理能力及び／又はリソース量を軽減するように行われる必要がある。

例えば、当該システムに関して生成される一連の画像の各画像は、当該画像に対応する１つの表示値に帰着させる必要がある。異なる有利な実施形態では、分析用のデータをこのように帰着させることによって、システムの健康状態を、所望よりも低い精度で評価してしまうことを認識し、そして考慮に入れる。例えば、所望の回数よりも多い回数の誤判定が生じる可能性がある。

システムの複雑さは、システムの健康状態を判断するために必要な時間の長さ、試行の回数、及び／又は処理能力及びリソース量に影響する因子となり得る。異なる有利な実施形態では、システムの複雑は、システム内の構成要素群の数が増えるにつれて増す可能性があることを認識し、そして考慮に入れる。

更に、異なる有利な実施形態では、システムの複雑さが増すと、システムの健康状態を判断するために必要な時間の長さ、試行の回数、及び／又は処理能力及びリソース量を不所望に更に増やす必要があることを認識し、そして考慮に入れる。

その結果、異なる有利な実施形態では、複雑な部品アセンブリのような複雑なシステムの健康状態を更に正確に判断することができると同時に、現在利用可能なヘルスモニタリングシステムよりも短い時間、少ない試行回数、少ない処理能力、及び／又は少ないリソースで済ますことができるヘルスモニタリングシステムを有することが望ましいことを認識し、そして考慮に入れる。複雑なシステムの１つの例示的な例を以下に図１に示す。

次に、これらの図を参照するに、そして特に、図１を参照するに、ヘリコプターの駆動システムの図が、有利な実施形態に従って描かれている。この例示的な例では、駆動システム１００はヘリコプター駆動システムである。駆動システム１００は、構成要素群１０２を備える複雑なシステムとすることができる。ギアボックス１０４は、構成要素群１０２のうちの１つの構成要素の一例とすることができる。

異なる有利な実施形態では、駆動システム１００の健康状態の監視には、現在利用可能なヘルスモニタリングシステムを使用すると、所望よりも長い時間を要し、かつ時間の長さ、試行回数、処理能力、及び／又はリソースを更に増やす必要があることを認識し、そして考慮に入れる。

更に、異なる有利な実施形態では、駆動システム１００のような複雑なシステムの場合、現在利用可能なヘルスモニタリングシステムは、当該システムに関して生成されるセンサデータの全てを処理し、そして保存することはできない可能性があることを認識し、そして考慮に入れる。

例えば、健康状態／使用状況モニタリングシステム（ｈｅａｌｔｈ ａｎｄ ｕｓａｇｅ ｍｏｎｉｔｏｒｉｎｇ ｓｙｓｔｅｍ：ＨＵＭＳ）のような従来のヘルスモニタリングシステムを使用して、駆動システム１００の健康状態を監視することができる。この健康状態／使用状況モニタリングシステムは、経時的に測定される振動データを処理し、そして保存するように構成することができる。この振動データは多くの場合、周波数領域に変換される。それに付随して得られる周波数領域スペクトル密度応答は、駆動システム１００に関して生成される分光画像の形式で表わすことができる。具体的には、この健康状態／使用状況モニタリングシステムは、周波数領域スペクトル密度応答を１つの値に帰着させて、当該値を分析し、そして保存して将来時点で使用することができるようにしている。その結果、駆動システム１００の健康状態の判断は、駆動システム１００に関して生成される振動データの全体量のほんの一部を使用するだけで行うことができる。

異なる有利な実施形態では、この種類のヘルスモニタリングシステムの場合、振動データの全体量の一部を使用して行われる駆動システム１００の健康状態、及び／又は駆動システム１００の構成要素群１０２のうちの１つ以上の構成要素の健康状態の特定は、所望よりも正確さに劣る可能性がある。具体的には、駆動システム１００の健康状態を管理するために必要なコスト、時間、及び／又は試行回数を所望よりも増やしてしまう誤判定が生じ得る。

異なる有利な実施形態では、駆動システム１００に関して生成される振動データの全てを保存し、そして処理するように構成されるヘルスモニタリングシステムを有することが望ましいことを認識し、そして考慮に入れる。

更に、異なる有利な実施形態では、駆動システム１００の健康状態、及び駆動システム１００の構成要素群１０２の健康状態に関する判断を、スペシャリストによる入力を利用して健康状態を分類する必要を生じることなく行うように構成されるヘルスモニタリングシステムを有することが望ましいことを認識し、そして考慮に入れる。

従って、異なる有利な実施形態は、システムの健康状態を判断する方法及び装置を提供する。具体的には、異なる有利な実施形態は、複雑な部品アセンブリのような複雑なシステムの健康状態を、現在利用可能なヘルスモニタリングシステムよりも正確に、かつ少ない時間、試行回数、及び／又は処理能力及びリソースを使用して判断することができるヘルスモニタリングシステムを提供する。

１つの有利な実施形態では、振動データグループ群が当該システムに対応して特定される。振動データグループ群のうちの１つの振動データグループは、当該システムの振動に関する異なる周波数の経時データを含む。当該システムに関する振動データグループ群は、コンピュータシステムの多数の連想メモリに保存される。当該システムの健康状態は、多数の連想メモリ内の振動データグループ群に基づいて特定される。連想メモリ群を使用することにより、当該システムの健康状態を特定するために必要な時間の長さ、及び／又は試行回数を減らすことができ、そして当該システムの健康状態を判断する際に生じる誤判定の回数を低減することができる。

次に、図２を参照するに、ヘルス管理環境（ｈｅａｌｔｈ ｍａｎａｇｅｍｅｎｔ ｅｎｖｉｒｏｎｍｅｎｔ）の図が、ブロック図の形式で有利な実施形態に従って描かれている。これらの例示的な例では、ヘルス管理環境２００は、異なる有利な実施形態を実現することができる環境の一例とすることができる。例えば、ヘルスモニタリングシステム２０２を使用して、システム２０６の健康状態２０４をヘルス管理環境２００において監視することができる。

これらの例示的な例では、システム２０６は多数の異なる形態を採ることができる。例えば、システム２０６はアセンブリとすることができる。システム２０６は、例えばこれらには限定されないが、航空機、無人航空機、自律走行車、ギアボックス、エンジン、エンジンハウジング、操縦翼面、ランディングギアシステム、推進システム、胴体、回転翼航空機、宇宙船、船舶、列車、自動車、車両、駆動システム、ブレーキシステム、翼、風力タービン、ダム、コンピュータ数値制御マシン、製造システム、建造物、橋梁、及び／又は他の或る適切な種類のシステムのうちの１つとして選択することができる。

システム２０６は、多数の部品２０７を含むことができる。例えば、システム２０６は、複数部品から成るアセンブリとすることができる。多数の部品２０７は、例えばアクチュエータ、ロッド（ｒｏｄ）、部材（ｍｅｍｂｅｒ）、梁（ｂｅａｍ）、ファスナー、ボルト、ナット、ギア、ハウジング、ピン（ｐｉｎ）、ドリルナット、ハンドル、ドア、窓、外板パネル、複合材構造、ホイール、プロペラ、及び／又は他の適切な種類の部品を含むことができる。

１つの例示的な例として、システム２０６は、ギアシステム２０９の形態を採ることができる。ギアシステム２０９は、例えば図１の駆動システム１００のギアボックスのような、ヘリコプター駆動システムのギアボックスとすることができる。ギアシステム２０９は、ギアシステム２０９のギア、シャフト、及び他の適切な種類の部品の形態の多数の部品２０７を含むことができる。

図示のように、ヘルスモニタリングシステム２０２は、センサシステム２０８と、そしてヘルスアナライザー２１０と、を含むことができる。センサシステム２０８は、多数の振動センサ２１１を含むことができる。本明細書において使用されるように、多数のアイテム（ｎｕｍｂｅｒ ｏｆ ｉｔｅｍｓ）とは１つ以上のアイテム（ｏｎｅ ｏｒ ｍｏｒｅ ｉｔｅｍｓ）を指すことができる。例えば、多数の振動センサ２１１は、１つ以上の振動センサとすることができる。

これらの例示的な例では、センサシステム２０８は、振動データ２１２を生成するように構成することができる。具体的には、センサシステム２０８は、システム２０６の振動２１３を経時的に測定して、振動データ２１２を生成する。振動データ２１２は、経時的に測定されるシステム２０６の異なる周波数の振動２１３に関するデータを含む。振動２１３は、センサシステム２０８がシステム２０６の動作中に測定して、システム２０６の健康状態２０４を検査し、そして判断する。

これらの例示的な例では、多数の振動センサ２１１はシステム２０６に対して、振動２１３を測定することができるような位置に配置することができる。例えば、多数の振動センサ２１１は、システム２０６内の多数の部品２０７のうちの１つ以上の部品に取り付けることができる。更に、多数の振動センサ２１１のうちの１つよりも多くの振動センサは、多数の部品のうちの特定の部品に取り付けることができる。例えば、第１センサを１つの部品に取り付けることにより、当該部品への入力側の振動エネルギー伝達を監視することができるのに対し、第２センサを当該部品に取り付けることにより、出力側のエネルギー伝達を監視する。

これらの図示の例では、多数の振動センサ２１１により生成される振動データ２１２は、時系列振動データとすることができる。時系列振動データは、或る期間に亘って採取される振動２１３の測定値を含むことができ、当該期間として、例えばこれらには限定されないが、１時間、３時間、１日、２日、１週間、または他の或る適切な期間を挙げることができる。振動データ２１２は、この期間に亘って継続的に、そして／または周期的に生成することができる。

図示のように、センサシステム２０８は、分光システム２１４の一部とすることができる。分光システム２１４は更に、多数の分光器２１６を含むことができる。多数の分光器２１６は、多数の電気信号の形式の振動データ２１２を、多数の振動センサ２１１から受信するように構成することができる。更に、振動データ２１２は、時間領域の時系列振動データとして受信することができる。この形式で受信すると、多数の分光器２１６は、時間領域の振動データ２１２を周波数領域表示に変換するように構成することができる。他の例示的な例では、振動データ２１２は、多数の分光器２１６によって周波数領域で受信することができる。

多数の分光器２１６は、画像群２１８を、周波数領域の振動データを使用して生成するように構成される。別の表現をすると、多数の分光器２１６は、振動データ２１２を画像群２１８の形式で表示するように構成することができる。これらの例示的な例では、画像群２１８は分光画像２２０とすることができる。

分光画像は、分光写真（ｓｐｅｃｔｒｏｇｒａｍ）と表記することもできる。本明細書において使用されるように、分光画像は、信号のスペクトル密度が時間とともに変化する様子を示す画像形式の時間変化するスペクトル表示とすることができる。更に、分光画像は、多数の振動センサ２１１によって測定される振動２１３に関する情報を、色、色強度、及び色分布の形で表わすことができる。

これらの例示的な例では、分光システム２１４は、画像群２１８をヘルスアナライザー２１０に送信して処理するように構成することができる。ヘルスアナライザー２１０は、分光システム２１４と通信することができる。これらの例示的な例では、ヘルスアナライザー２１０は、ハードウェア、ソフトウェア、またはハードウェア及びソフトウェアの組み合わせを用いて実現することができる。

１つの例示的な例では、ヘルスアナライザー２１０は、コンピュータシステム２２２内に実装することができる。コンピュータシステム２２２は、多数のコンピュータ２２４の形態を採ることができる。多数のコンピュータ２２４のうちの何れかのコンピュータは、図９のデータ処理システム９００の形態を採ることができる。１つよりも多くのコンピュータが多数のコンピュータ２２４に含まれる場合、これらのコンピュータは通信することができる。実施形態によって異なるが、多数のコンピュータ２２４は、同じ位置に配置することができる、または多数のコンピュータ２２４のうちの１つ以上のコンピュータは、異なる位置に配置することができる。

幾つかの例示的な例では、コンピュータシステム２２２は、人工知能システム２２５の形態を採ることができる。人工知能システム２２５は、問題解決操作、学習操作、適合化操作、認識操作、分類操作、自己改善操作、推論操作、及び／又は通常、ユーザ入力を使用して行われる、そして／または人間知能により行われる他の適切な操作を実行するように構成される何れかのコンピュータシステムとすることができる。人工知能システム２２５は、例えばこれらには限定されないが、認識シミュレーション、知識ベースシステム、ニューラルネットワーク、ファジー論理システム、認識モデル、及び他の或る適切な種類の人工知能のうちの少なくとも１つの含むことができる。これらの例示的な例では、ヘルスアナライザー２１０は、画像群２１８を分光システム２１４から受信することができ、そして画像群２１８を分析することができる。具体的には、ヘルスアナライザー２１０は、システム２０６の健康状態２０４のステータス２２６を画像群２１８の各画像に対応して特定するように構成することができる。

１つの例示的な例では、ヘルスアナライザー２１０は、システム２０６の健康状態２０４のステータス２２６を、第１ステータス２３０、第２ステータス２３２、または第３ステータス２３４のうちの１つのステータスとして特定するように構成することができる。第１ステータス２３０は、例えばシステム２０６の健康状態２０４の「好ましい（ｐｒｅｆｅｒｒｅｄ）」ステータスを表わすことができる。第２ステータス２３２は、例えばシステム２０６の健康状態２０４の「好ましくない（ｎｏｎ−ｐｒｅｆｅｒｒｅｄ）」ステータスを表わすことができる。更に、第３ステータス２３４は、例えばシステム２０６の健康状態２０４の「要メンテナンス（ｍａｉｎｔｅｎａｎｃｅ）」ステータスを表わすことができる。

具体的には、ヘルスアナライザー２１０は、システム２０６の健康状態２０４のステータス２２６を画像群２１８から、ヘルスアナライザー２１０を、基準データグループ２３６群を使用してトレーニングすることにより特定することができる。基準データグループ２３６群は、多数の連想メモリ２３８に保存することができる。

本明細書において使用されるように、連想メモリ（ａｓｓｏｃｉａｔｉｖｅ ｍｅｍｏｒｙ）とは、当該メモリに保存されるデータに、連想メモリに保存される異なるデータの間の直接的関係及び間接的関係の両方に基づいてアクセスすることができる体系を有する種類のメモリである。上に示したように、連想メモリは、データと、そしてデータ間の連想関係と、を含むことができる。これらの連想関係は、データ間の関係（ｒｅｌａｔｉｏｎｓｈｉｐｓ ｂｅｔｗｅｅｎ ｔｈｅ ｄａｔａ）と表記することもできる。

更に、連想メモリは、連想構造（ｃｏｎｔｅｎｔ−ａｄｄｒｅｓｓａｂｌｅ ｓｔｒｕｃｔｕｒｅ）と記載することもでき、この連想構造では、入力パターン集合を出力パターン集合にマッピングする。連想構造は、データが、メモリ内のデータのアドレスではなく、コンテンツ別にアクセスされるメモリ体系である。

これらの図示の例では、多数の連想メモリ２３８は、多数の異種連想メモリ（ｈｅｔｅｒｏ−ａｓｓｏｃｉａｔｉｖｅ ｍｅｍｏｒｉｅｓ）を含むことができる。具体的には、異種連想メモリの場合、入力パターンに応じて取り出される出力パターンは、入力パターンとはコンテンツ、タイプ、及び／又はフォーマットのうちの少なくとも１つに関して異ならせることができる。異種連想メモリは、自動連想メモリとは、自動連想メモリが入力パターンに最も類似する既に保存されているパターンを取り出す点で異なっている。

これらの例示的な例では、基準データグループ群２３６は、分光画像グループ群を使用して特定されるデータとすることができ、これらの分光画像グループから、システム２０６の健康状態２０４のステータス２２６が特定されている。例えば、基準データグループ群２３６の各基準データグループは、第１ステータス２３０、第２ステータス２３２、または第３ステータス２３４のうちの１つのステータスに対応させることができる。

具体的には、基準データグループ群２３６は、第１基準グループ２４０、第２基準グループ２４２、及び第３基準グループ２４４を含むことができる。第１基準グループ２４０は、健康状態２０４の第１ステータス２３０がシステム２０６に対応して特定されたときの根拠となる画像群を使用して特定されるデータを含むことができる。第２基準グループ２４２は、健康状態２０４の第２ステータス２３２がシステム２０６に対応して特定されたときの根拠となる画像群を使用して特定されるデータを含むことができる。更に、第３基準グループ２４４は、健康状態２０４の第３ステータス２３４がシステム２０６に対応して特定されたときの根拠となる画像群を使用して特定されるデータを含むことができる。

基準データグループ群２３６の各グループに含まれるデータは、種々の種類の情報を含むことができる。例えば、これらには限定されないが、基準データグループ群２３６のうちの特定グループに含まれるデータは、システム２０６の健康状態２０４のステータス２２６が特定されたときの根拠となる画像群から特定される基準振動データグループを含むことができる。基準振動データグループは、例えば特定の色分布、及び基準データグループ群２３６のうちの特定グループに対応する健康状態のステータスに対応する色パターンのうちの少なくとも１つを含むことができる。

更に、基準データグループ群２３６の各グループに含まれるデータは更に、これらには限定されないが、健康状態に対応するステータスに応じて行われる作業集合、健康状態に対応するステータスに応じて行われる必要がある更に別の検査の識別情報、健康状態に対応するステータスから健康状態のより好ましくないステータスへの変化に対して予測される時間、及び／又は他の適切な情報を含むことができる。本明細書において使用されるように、作業集合（ａ ｓｅｔ ｏｆ ｏｐｅｒａｔｉｏｎｓ）のようなアイテム集合（ａ ｓｅｔ ｏｆ ｉｔｅｍｓ）とは、ゼロ回以上の操作（ｚｅｒｏ ｏｒ ｍｏｒｅ ｏｐｅｒａｔｉｏｎｓ）を指す。例えば、当該作業集合は、ヌル集合または空集合とすることができる。多数の連想メモリ２３８は、基準データグループ群２３６の間の関係、及び／又は特定のステータスと基準データグループ群２３６の各基準データグループとの関係を設定するように構成することができる。１つの例示的な例として、基準データグループ群２３６内の基準データは、複数種類の関連情報を多数の連想メモリ２３８から、１種類または２種類の入力情報のみを用いて取り出すことができるように関連付けることができる。例えば、ヘルスアナライザー２１０は、複数種類の関連情報を多数の連想メモリ２３８から、画像群２１８のうちの１つの画像から特定されるデータの何れかの部分を使用して取り出すことができる。

ヘルスアナライザー２１０は、基準データグループ群２３６を何れかの数のソースから受信することができる。１つの例示的な例では、これらには限定されないが、基準データグループ群２３６は、これまでに分析されている分光画像群を保存するストレージシステムから取得することができ、そして次に、多数の連想メモリ２３８に格納することができる。

別の例示的な例では、スペシャリストまたは他の或る適切なオペレータは、基準データグループ群２３６のうちの何れの基準データグループに、分光画像群から特定されるデータが属しているかを判断することができる。更に他の例示的な例では、ヘルスアナライザー２１０は、多数のルール、基準、及び／又は要件を指定するポリシーを使用して、分光画像群から特定されるデータを、基準データグループ群２３６にグループ分けすることができる。

更に、ヘルスアナライザー２１０は、当該ヘルスアナライザー自体を、多数の連想メモリ２３８内の基準データグループ群２３６を使用してトレーニングすることにより、システム２０６の健康状態２０４のステータス２２６を画像群２１８から特定することができる。このトレーニングに基づいて、ヘルスアナライザー２１０は、分光システム２１４からシステム２０６の検査中に受信する画像群２１８から特定されるデータを、振動データグループ群２４６のうちの１つの振動データグループに格納することができる。

これらの例示的な例では、振動データグループ群２４６の各データグループは、異なる周波数のシステム２０６の振動２１３に関する経時データを含むことができる。具体的には、振動データグループ群２４６の各データグループは、画像群２１８から特定されるデータを含むことができる。このデータは、画像自体を含むことができる。

更に、これらの例示的な例では、振動データグループ群２４６は、基準データグループ群に対応させることができる。例えば、振動データグループ群２４６は、第１基準グループ２４０、第２基準グループ２４２、及び第３基準グループ２４４にそれぞれ対応する第１グループ２５０、第２グループ２５２、及び第３グループ２５４を含むことができる。このようにして、振動データグループ群２４６は、第１ステータス２３０、第２ステータス２３２、及び第３ステータス２３４にそれぞれ対応させることができる。

画像２４８は、画像群２１８のうちの１つの画像の一例とすることができる。ヘルスアナライザー２１０は、画像２４８から特定されるデータを、第１グループ２５０、第２グループ２５２、及び第３グループ２５４のうちの１つのグループに、このデータが、システム２０６の健康状態２０４に関するそれぞれ第１ステータス２３０、第２ステータス２３２、または第３ステータス２３４を示しているかどうかに応じて、基準データグループ群２３６を使用してヘルスアナライザー２１０をトレーニングすることにより格納することができる。

これらの例示的な例では、ヘルスアナライザー２１０は、振動データグループ群２４６を、多数の連想メモリ２３８に格納することができる。多数の連想メモリ２３８は、振動データグループ群２４６を取り込むことができ、そして振動データグループ群２４６と基準データグループ群２３６との関係を設定することができる。多数の連想メモリ２３８は、振動データグループ群２４６を保存して、将来時点で使用することができる。例えば、幾つかの場合では、振動データグループ群２４６を使用して、システム２０６の健康状態２０４の将来時点のステータスを予測することができる。

幾つかの例示的な例では、振動データグループ群２４６は、同じ基準データグループ群２３６とすることができる。別の表現をすると、ヘルスアナライザー２１０は、画像群２１８から特定されるデータを、基準データグループ群２３６のうちの１つの基準データグループに格納して、ヘルスアナライザー２１０を、画像群２１８を使用して更にトレーニングすることができる。このようにして、ヘルスアナライザー２１０は、新規の振動データが時間の経過とともに受信されるにつれて、システム２０６の健康状態２０４のステータス２２６の特定を行うために学習し、そして適合するように構成することができる。

更に、ヘルスアナライザー２１０は、システム２０６の健康状態２０４のステータス２２６の通知を、ディスプレイシステム２６０に表示されるグラフィカルユーザインターフェース２５８に表示するように構成することができる。ディスプレイシステム２６０は、例えばこれらには限定されないが、コンピュータスクリーン、モニタ、液晶ディスプレイ（ＬＣＤ）、タッチスクリーン、または他の或る適切な種類の表示装置のうちの少なくとも１つのような多数の表示装置を備えることができる。

１つの例示的な例として、オペレータは、画像２４８を使用して特定されるシステム２０６の健康状態２０４のステータス２２６をグラフィカルユーザインターフェース２５８で閲覧することができる。ヘルスアナライザー２１０は更に、他の情報をグラフィカルユーザインターフェース２５８に表示するように構成することができる。例えば、ヘルスアナライザー２１０は、基準データグループ群２３６から取り出され、かつ画像２４８を使用して特定されるシステム２０６の健康状態２０４のステータス２２６に関連する情報を表示することができる。

１つの例示的な例では、ヘルスアナライザー２１０は、画像２４８から特定されるデータを第３グループ２５４に格納することができる。このデータは、多数の連想メモリ２３８への入力とすることができる。この入力が行われると、多数の連想メモリ２３８は、第３グループ２５４に対応する第３基準グループ２４４内に特定される作業集合をヘルスアナライザー２１０に返すことができる。作業集合は、第３基準グループ２４４に対応する第３ステータス２３４に基づいて行う必要がある操作群を含むことができる。例えば、作業集合は、メンテナンス作業、検査、点検、部品取り換え、改修作業、作業手順の作成、及び／又は他の適切な種類の作業を含むことができる。

ヘルスアナライザー２１０は、第３ステータス２３４が画像２４８に対応して特定されてしまっているという通知だけでなく、システム２０６に関してシステム２０６の健康状態２０４の第３ステータス２３４に基づいて行う必要がある作業集合を表示することができる。オペレータは、グラフィカルユーザインターフェース２５８に表示される情報を閲覧することができ、そしてユーザ入力２６２を、グラフィカルユーザインターフェース２５８と対話するように構成されるユーザ入力デバイス２６４を使用して入力することができる。

ユーザ入力２６２は、多数の連想メモリ２３８に格納することができる付加的な情報を特定することができる。例えば、ユーザ入力２６２は、付加的な作業、新品のパーツ部材、作業手順、及び／又は他の適切な情報を特定することができる。ヘルスアナライザー２１０は、ユーザ入力２６２として提供される情報を使用して、多数の連想メモリ２３８に保存される基準データグループ群２３６を更新することができる。幾つかの場合では、ユーザ入力２６２は、システム２０６の健康状態２０４のステータス２２６を画像２４８から特定するために使用される情報を特定することができる。

次に、図３を参照するに、分光システムによって生成される画像の図が、有利な実施形態に従って描かれている。この例示的な例では、図２の中の画像２４８について詳細に説明される。この例示的な例では、画像２４８は、分光画像３０２の形態を採り、分光画像３０２は、図２の分光画像群２２０のうちの１つの分光画像の一例とすることができる。

図示のように、分光画像３０２は、図２のシステム２０６の振動２１３に関するデータを表わす。具体的には、分光画像３０２は、図２の分光システム２１４によって測定されるシステム２０６の振動２１３に関する周波数３０４、強度３０６、及び周波数分布３０８を表わす。更に詳細には、分光画像３０２は、周波数３０４、強度３０６、及び周波数分布３０８を、分光画像３０２内のピクセル群３１１に対応する色３１０及び色分布３１４を使用して表わしている。

これらの例示的な例では、周波数群３０４のうちの１つの周波数は、図２のセンサシステム２０８によって測定される単位時間３０３当たりの揺動振動数２１３とすることができる。強度群３０６のうちの１つの特定強度は、揺動振動２１３の振幅の指標とすることができる。周波数分布３０８は、振動２１３の周波数集合の発生回数が時間３０３の経過とともに変化する様子を示すことができる。

分光画像３０２は、第１軸３１２及び第２軸３１３を有することができる。幾つかの例示的な例では、第１軸３１２は水平軸とすることができ、そして第２軸３１３は垂直軸とすることができる。第１軸３１２は、周波数群３０４を表わすことができ、そして第２軸３１３は時間３０３を表わすことができる。更に、分光画像３０２内の色群３１０に対応する異なる値は、強度群３０６に対応する異なる値を表わすことができる。分光画像３０２内の色群３１０の色分布３１４は、周波数群３０４の周波数分布３０８を表わすことができる。

これらの例示的な例では、図２のヘルスアナライザー２１０は、分光画像３０２を分析し、そしてデータ３１５を分光画像３０２から特定するように構成することができる。例えば、図２のヘルスアナライザー２１０は、分光画像３０２を、分光画像３０２をセクション群３１６に分割することにより分析するように構成することができる。１つの例示的な例では、セクション群３１６は、略同じサイズ、及び略同じ形状とすることができる。セクション群（ｓｅｃｔｉｏｎｓ）３１６は、部分画像群（ｓｕｂ−ｉｍａｇｅｓ）と表記することもできる。

ヘルスアナライザー２１０は、セクション群３１６を分析してデータ３１５を特定し、そしてデータ３１５を図２の多数の連想メモリ２３８に保存するように構成することができる。例えば、セクション３１８はセクション群３１６のうちの１つのセクションの一例とすることができる。１つの例示的な例では、セクション３１８はピクセル群３２０を含むことができる。セクション３１８内のピクセル群３２０の個数３２２は、セクション３１８の高さ３２４、及び幅３２６に基づいて、ピクセル数表示で計算することができる。例えば、セクション３１８が、４ピクセルの高さ３２４、及び２５ピクセルの幅３２６を有する場合、ピクセル群３２０の個数３２２は１００ピクセルとすることができる。

これらの例示的な例では、ヘルスアナライザー２１０は、セクション３１８に関するセクションデータ３３０を特定することができる。セクションデータ３３０は、セクション群３１６の各セクションに対応してデータ３１５内に特定することができる。セクションデータ３３０は、平均値群３３２及びカテゴリー３３４を含むことができる。

ヘルスアナライザー２１０は、セクション３１８内のピクセル群３２０に対応する色群の各色の値の合計値を特定することができ、そしてこれらの合計値を個数３２２で除算して、平均値群３３２を生成することができる。ピクセル群３２０の各ピクセルに対応する色は、赤色、緑色、及び青色の或る組み合わせとすることができる。各ピクセルは、赤色に対応する値、緑色に対応する値、及び青色に対応する値を有することができ、これにより、当該ピクセル内のこれらの色の各色の輝度を特定することができる。これらの値は、０から２５５の範囲で変化することができるが、他の値を異なる有利な実施形態において用いてもよい。

このように、ヘルスアナライザー２１０は、ピクセル群３２０の赤色群に対応する値の平均値、緑色群に対応する値の平均値、及び青色群に対応する値の平均値を特定して、平均値群３３２を生成する。セクションデータ３３０は、セクション群３１６の各セクションに対応してデータ３１５内で特定される。

また、ヘルスアナライザー２１０は更に、セクション３１８のカテゴリー３３４を、セクションデータ３３０内の平均値群３３２に基づいて特定することができる。カテゴリー３３４は、この例示的な例では、赤、黄、緑、及び青のうちの１つとすることができる。別の表現をすると、カテゴリー３３４は、セクション３１８に対応して特定される総合色とすることができる。更に、幾つかの場合では、ヘルスアナライザー２１０は、セクション３１８の高さ３２４及び幅３２６をセクションデータ３３０内に含むことができる。

セクション群３１６の各セクションに対応するセクションデータ３３０を使用して、図２のシステム２０６の健康状態２０４のステータス２２６を、分光画像３０２から特定することができる。例えば、セクションデータ３３０を、図２の多数の連想メモリ２３８に保存される基準データと比較して、ステータス２２６を特定することができる。

これらの例示的な例では、ヘルスアナライザー２１０は、セクション群３１６の各セクションに対応するセクションデータ３３０を、図２の多数の連想メモリ２３８内のデータ３１５として保存する。更に、ヘルスアナライザー２１０は、分光画像３０２に関するデータ３１５を、振動データグループ群２４６うちの１つの振動データグループに、平均値群３３２、カテゴリー３３４に基づいて、ヘルスアナライザー２１０をトレーニングすることにより、そして／または他の適切な情報に基づいて格納することができる。具体的には、システム２０６の健康状態２０４のステータス２２６は、分光画像３０２に関するデータ３１５を使用して特定することができ、そして当該ステータス２２６を使用してデータ３１５を、図２の振動データグループ群２４６のうちの１つの振動データグループに格納することができる。

幾つかの例示的な例では、ヘルスアナライザー２１０は、システム２０６の健康状態２０４のステータス２２６を、セクション群３１６の各セクションに対応して特定することができる。このようにして、ヘルスアナライザー２１０はセクション３１８を、図２のシステム２０６の健康状態２０４の第１ステータス２３０、第２ステータス２３２、及び第３ステータス２３４のうちの１つのステータスに関連付けることができる。ヘルスアナライザー２１０は、セクション３１８に対応して特定される特定のステータスを多数の連想メモリ２３８に保存することができる。

実施形態によって異なるが、ヘルスアナライザー２１０は、多数の連想メモリ２３８に保存される情報を、分光画像３０２のセクション群３１６のちの特定のセクション群に対応して使用することにより、セクション群３１６のうちの他のセクション群におけるシステム２０６の健康状態２０４のステータス２２６を予測することができる。更に、この情報を使用して、図２の分光画像群２２０のうちの他の分光画像群内のセクション群に対するシステム２０６の健康状態２０４のステータス２２６を予測することができる。

図２のヘルス管理環境２００及び図３の分光画像３０２は、有利な実施形態を実現することができる態様に物理的な、または構造上の制約があることを示すために図示しているのではない。図示される構成要素群の他に、そして／または代わりに、他の構成要素群を使用してもよい。幾つかの構成要素は不要とすることができる。また、ブロック群を提示して、幾つかの機能的構成要素を示している。これらのブロックのうちの１つ以上のブロックは、有利な実施形態において実装される場合に、組み合わせることができる、そして／または異なるブロックに分割することができる。

例えば、幾つかの例示的な例では、ステータス２２６は、第１ステータス２３０、第２ステータス２３２、及び第３ステータス２３４よりも多くのカテゴリーを含むことができる。更に、他の例示的な例では、基準データグループ群２３６及び／又は振動データグループ群２４６は、３つよりも多くのグループを含むことができる。

他の例示的な例では、センサシステム２０８は、振動データ２１２をヘルスアナライザー２１０に送信するように構成することができる。ヘルスアナライザー２１０は、分光画像２２０内の振動データ２１２を表示するように構成することができる。

幾つかの場合では、多数の連想メモリ２３８は、コンピュータシステム２２２内に設けなくてもよい。例えば、多数の連想メモリ２３８は、コンピュータシステム２２２から離れた位置に収容することができる。幾つかの例示的な例では、セクション群３１６は、略等間隔で離間させる必要はなく、そして／または略同じ形状とする必要はない。例えば、セクション群３１６は、異なる形状及び／又はサイズを有することができる。

次に、図４を参照するに、分光画像の図が、有利な実施形態に従って描かれている。この例示的な例では、分光画像４００は、図３の分光画像３０２の一例を例示している。分光画像４００は、図２のシステム２０６のようなシステムに関して、例えば図２の分光システム２１４により生成することができる。

図示のように、分光画像４００は、システムの振動に関するデータを時間軸及び周波数軸で表わしている。具体的には、垂直軸４０２が時間であり、そして水平軸４０４が周波数である。図示のように、垂直軸で表わされる時間は、振動データが当該システムに関して生成された日付及び時刻を含むことができる。例えば、分光画像４００は、帯状部分４０６、帯状部分４０８、及び帯状部分４１０を含むことができる。これらの帯状部分は、異なる時点で生成された振動データの異なる部分を表わすことができ、これらの異なる部分を組み合わせて分光画像４００を形成している。

帯状部分４０６は、時点４１２で生成され、そして時点４１２以後の選択期間に生成される振動データを表わすことができる。図示のように、時点４１２は、日付及び時刻の両方を含むことができる。選択期間は、例えば３０分とすることができる。１つの例示的な例として、オペレータは、ボタンのような分光システムのコントロールを操作して、帯状部分４０６の振動データが時点４１２から生成され始めるようにすることができる。次に、この振動データを選択期間が経過するまで測定し続けることができる。

同じようにして、帯状部分４０８は、時点４１４で生成され、そして選択期間に生成される振動データを表わすことができる。図示のように、時点４１４は、時点４１２から約４日を経過した日付及び時刻を示すことができる。帯状部分４１０は、時点４１６で生成され、そして選択期間に生成される振動データを表わすことができる。時点４１６は、時点４１４から約１日を経過した日付及び時刻を示すことができる。

幾つかの例示的な例では、時点４１２、時点４１４、及び時点４１６で生成される振動データは、電気信号に載せることができ、そして時間領域または周波数領域の何れかで保存することができる。振動データが周波数領域データである、または周波数領域に変換されている場合、分光システムは、分光画像４００を、振動データが時間軸で表わされるように生成することができる。

この例示的な例では、色群４１８は、測定される振動の強度を表わす。色凡例４２０は、色群４１８が、振動強度４２２に対応することを示している。振動強度４２２は、重力加速度である（ｇ）単位で表わすことができる。分光画像４００内の色群４１８の色分布は、システムの健康状態のステータスを示すことができる。この例示的な例では、図２のヘルスアナライザー２１０は、システムの健康状態のステータスを「ｐｒｅｆｅｒｒｅｄ（好ましい）」として、分光画像４００に基づいて特定することができる。

次に、図５を参照するに、別の分光画像の図が、有利な実施形態に従って描かれている。この例示的な例では、分光画像５００は、図３の分光画像３０２の１つの実施形態の一例である。分光画像５００は、図２のシステム２０６のようなシステムに関して、例えば図２の分光システム２１４により生成することができる。

この図示の例では、分光画像５００は、分光画像４００を生成したときの対象の同じシステムに関して生成することができる。更に、分光画像５００は、分光画像４００に表示される振動データよりも後の時刻においてシステムに関して収集された振動データに基づいて生成することができる。具体的には、分光画像５００に表示される振動データは、分光画像４００に表示される振動データから約１か月を経過した時点で生成されている。

図示のように、分光画像５００は、システムの振動に関するデータを時間軸及び周波数軸で表わしている。具体的には、垂直軸５０２が時間であり、そして水平軸５０４が周波数である。垂直軸５０２で表わされる時間は、振動データが当該システムに関して生成された日付及び時刻を含むことができる。

例えば、分光画像５００は、帯状部分５０６、帯状部分５０８、及び帯状部分５１０を含むことができる。これらの帯状部分は、異なる時点で生成される振動データの異なる部分を表わすことができ、これらの異なる部分を組み合わせて分光画像５００を形成している。これらの帯状部分を生成して、分光画像４００を形成した方法と同様の方法で分光画像５００を形成することができる。

帯状部分５０６は、時点５１２で生成され、そして時点５１２以後の選択期間に生成される振動データを表わすことができる。選択期間は、例えば３０分とすることができる。帯状部分５０８は、時点５１４で生成され、そして選択期間に生成される振動データを表わすことができる。帯状部分５１０は、時点５１６で生成され、そして選択期間に生成される振動データを表わすことができる。図示のように、時点５１２，５１４，及び５１６の各時点は、日付及び時刻の両方を示している。

この例示的な例では、色群５１８は、測定される振動の強度を表わす。色凡例５２０は、色群５１８が、振動強度４２２に対応することを示している。振動強度５２２は、重力加速度である（ｇ）単位で表わすことができる。

分光画像５００内の色群５１８の色分布は、システムの健康状態のステータスを示すことができる。この例示的な例では、図２のヘルスアナライザー２１０は、システムの健康状態のステータスを「ｎｏｎ−ｐｒｅｆｅｒｒｅｄ（好ましくない）」として、分光画像５００に基づいて特定することができる。

次に、図６を参照するに、分光画像の図が、有利な実施形態に従って描かれている。この例示的な例では、分光画像６００は、図３の分光画像３０２の１つの実施形態の一例である。分光画像６００は、図２のシステム２０６のようなシステムに関して、例えば図２の分光システム２１４により生成することができる。

この図示の例では、分光画像６００は、分光画像４００及び分光画像５００を生成したときの対象の同じシステムに関して生成することができる。更に、分光画像６００は、分光画像４００に表示される振動データ、及び分光画像５００に表示される振動データよりも後の時刻においてシステムに関して収集される振動データに基づいて生成することができる。具体的には、分光画像６００に表示される振動データは、分光画像５００に表示される振動データから約２か月を経過した時点で生成されている。

図示のように、分光画像６００は、システムの振動に関するデータを時間軸及び周波数軸で表わしている。具体的には、垂直軸６０２が時間であり、そして水平軸６０４が周波数である。垂直軸６０２で表わされる時間は、振動データが当該システムに関して生成された日付及び時刻を含むことができる。

例えば、分光画像６００は、帯状部分６０６、帯状部分６０８、及び帯状部分６１０を含むことができる。これらの帯状部分は、異なる時点で生成される振動データの異なる部分を表わすことができ、これらの異なる部分を組み合わせて分光画像６００を形成している。これらの帯状部分を生成して、分光画像４００を形成した方法と同様の方法で分光画像６００を形成することができる。

帯状部分６０６は、時点６１２で生成され、そして時点６１２以後の選択期間に生成される振動データを表わすことができる。選択期間は、例えば３０分とすることができる。帯状部分６０８は、時点６１４で生成され、そして選択期間に生成される振動データを表わすことができる。帯状部分６１０は、時点６１６で生成され、そして選択期間に生成される振動データを表わすことができる。図示のように、時点６１２，６１４，及び６１６の各時点は、日付及び時刻の両方を示している。

この例示的な例では、色群６１８は、測定される振動の強度を表わす。色凡例６２０は、色群６１８が、振動強度６２２に対応することを示している。振動強度６２２は、重力加速度である（ｇ）単位で表わすことができる。

分光画像６００内の色群６１８の色分布は、システムの健康状態のステータスを示すことができる。この例示的な例では、図２のヘルスアナライザー２１０は、システムの健康状態のステータスを「ｍａｉｎｔｅｎａｎｃｅ（要メンテナンス）」として、分光画像６００に基づいて特定することができる。

このようにして、図４の分光画像４００、図５の分光画像５００、及び図６の分光画像６００は、図２のシステム２０６のようなシステムの健康状態が時間の経過とともに悪化する様子を示している。これらの異なる分光画像は、例えば図２の多数の連想メモリ２３８に取り込んで、システムの健康状態のステータスを特定するために将来時点で使用することができる。具体的には、これらの分光画像は、これらの連想メモリ内の基準データにまとめることができる。

次に、図７を参照するに、システムの健康状態を判断するプロセスのフローチャートの図が、有利な実施形態に従って描かれている。図７に示すプロセスは、図２のヘルスモニタリングシステム２０２のヘルスアナライザー２１０を使用して実行することができる。

更に、図７に示すプロセスは、場合によってはネットワーク環境または分散環境上に存在する１つ以上のプロセッサを使用して実行することができ、当該プロセッサとして、例えばこれに限定されないが、図９のプロセッサユニット９０４を挙げることができる。本明細書において使用されるように、「ｈｅａｌｔｈ ａｎａｌｙｚｅｒ（ヘルスアナライザー）」という用語は、図２のヘルスアナライザー２１０に限定されず、かつコンピュータ可読媒体と一緒に使用されて、本明細書において記載される操作を行うことができる全てのプロセッサ、またはプロセッサ集合を含むこともできる。図７に示すプロセスは、ソフトウェア、ハードウェア、またはソフトウェア及びハードウェアの組み合わせを使用して実行することができるが、具体的には、連想メモリに接続して使用することができる。

当該プロセスは、ヘルスアナライザーが、システムに関する振動データグループ群を特定することから始まる（操作７００）。振動データグループ群のうちの１つの振動データグループは、異なる周波数のシステムの振動に関する経時データを含むことができる。システムの振動に関する当該データは、センサシステムを使用して生成することができる。センサシステムは、例えば分光システムとすることができる。

次に、ヘルスアナライザーは、システムに関する振動データグループ群をコンピュータシステムの多数の連想メモリに保存することができる（操作７０２）。

その後、ヘルスアナライザーは、システムの健康状態を、多数の連想メモリ内の振動データグループ群に基づいて特定することができ（操作７０４）、当該プロセスはその後、終了する。

次に、図８を参照するに、システムの健康状態を判断するプロセスのフローチャートの図が、有利な実施形態に従って描かれている。図８に示すプロセスは、図２のヘルスモニタリングシステム２０２のヘルスアナライザー２１０を使用して実行することができる。このプロセスは、図７に記載されるプロセスの詳細プロセスとすることができる。

更に、図８に示すプロセスは、場合によってはネットワーク環境または分散環境上に存在する１つ以上のプロセッサを使用して実行することができ、当該プロセッサとして、例えばこれに限定されないが、図９のプロセッサユニット９０４を挙げることができる。本明細書において使用されるように、「ｈｅａｌｔｈ ａｎａｌｙｚｅｒ（ヘルスアナライザー）」という用語は、図２のヘルスアナライザー２１０に限定されず、かつコンピュータ可読媒体と一緒に使用されて、本明細書において記載される操作を行うことができる全てのプロセッサ、またはプロセッサ集合を含むこともできる。図８に示すプロセスは、ソフトウェア、ハードウェア、またはソフトウェア及びハードウェアの組み合わせを使用して実行することができるが、具体的には、連想メモリに接続して使用することができる。

当該プロセスは、ヘルスアナライザーが、分光画像群を受信することから始まる（操作８００）。これらの分光画像は、多数の振動センサがシステムの検査中に測定するシステムの振動に関するデータを表わすことができる。分光画像群は、例えば振動周波数、振動強度、及び振動周波数分布を表わすことができる。

次に、ヘルスアナライザーは、未処理分光画像を選択して処理することができる（操作８０２）。ヘルスアナライザーは、選択した分光画像をセクション群に分割することができる（操作８０４）。次に、ヘルスアナライザーは、分光画像群のセクション群の各セクションに対応するセクションデータを特定して、分光画像に関するデータを形成することができる（操作８０６）。このセクションデータは、例えば図３のセクションデータ３３０とすることができる。その後、ヘルスアナライザーは、システムの健康状態のステータスを、分光画像に関するデータに基づいて特定することができる（操作８０８）。次に、ヘルスアナライザーは、分光画像に関するデータを、システムの健康状態に関して特定されるステータスに対応する振動データグループ群のうちの１つの振動データグループに格納することができる（操作８１０）。

次に、ヘルスアナライザーは、更に別の未処理分光画像があるかどうかについて判断することができる（操作８１２）。更に別の未処理分光画像がない場合、当該プロセスは終了することができる。そうではない場合、プロセスは、上に説明した操作８０２に戻る必要がある。

次に、図９を参照するに、データ処理システムの図が、有利な実施形態に従って描かれている。この例示的な例では、データ処理システム９００を使用して、図２のコンピュータシステム２２２の１つ以上のコンピュータを設けることができる。データ処理システム９００は通信ファブリック９０２を含むことができ、この通信ファブリック９０２は、プロセッサユニット９０４、メモリ９０６、永久メモリ９０８、通信ユニット９１０、入力／出力（Ｉ／Ｏ）ユニット９１２、及びディスプレイ９１４の間の通信を可能にする。

プロセッサユニット９０４は、ソフトウェア用の命令群を実行するように動作し、これらの命令はメモリ９０６に読み込むことができる。プロセッサユニット９０４は、特定の実施形態によって異なるが、多数のプロセッサ、マルチプロセッサコア、または他の或る種類のプロセッサとすることができる。本明細書において「ａｎ ｉｔｅｍ（アイテム）」を指して使用される「ｎｕｍｂｅｒ（多数）」とは、１つ以上のアイテムを意味する。更に、プロセッサユニット９０４は、多数の異種プロセッサシステムを用いて実現することができ、これらの異種プロセッサシステムでは、主プロセッサは、副プロセッサ群と一緒に１つのチップ上に設けられる。別の例示的な例として、プロセッサユニット９０４は、同じ種類の複数のプロセッサを含む対称マルチプロセッサシステムとすることができる。

メモリ９０６及び永久ストレージ９０８は、ストレージデバイス９１６の例である。ストレージデバイスは何れかの個数のハードウェアであり、当該ハードウェアは、例えばこれらには限定されないが、データ、関数形式のプログラムコード、及び／又は一時的に、そして／または永久に保存される他の適切な情報のような情報を保存することができる。ストレージデバイス９１６は、これらの例では、「ｃｏｍｐｕｔｅｒ ｒｅａｄａｂｌｅ ｓｔｏｒａｇｅ ｄｅｖｉｃｅｓ（コンピュータ可読ストレージデバイス）」と表記することもできる。メモリ９０６はこれらの例では、例えばランダムアクセスメモリ、または他の何れかの適切な揮発性または不揮発性ストレージデバイスとすることができる。永久ストレージ９０８は、特定の実施形態によって異なるが、種々の形態を採ることができる。

例えば、永久ストレージ９０８は、１つ以上のコンポーネントまたはデバイスを含むことができる。例えば、永久ストレージ９０８は、ハードドライブ、フラッシュメモリ、再書き込み可能な光ディスク、再書き込み可能な磁気テープ、または上に列挙した要素の或る組み合わせとすることができる。永久ストレージ９０８が使用する媒体は取り外し可能とすることもできる。例えば、取り外し可能なハードドライブを永久ストレージ９０８に使用することができる。

通信ユニット９１０はこれらの例では、他のデータ処理システム群またはデバイス群との通信を可能にする。これらの例では、通信ユニット９１０は、ネットワークインターフェースカードである。通信ユニット９１０は、物理通信リンク及び無線通信リンクの何れか、または両方を使用することにより、通信を可能にする。

入力／出力ユニット９１２によって、データを他のデバイス群との間で入出力することができ、これらの他のデバイスは、データ処理システム９００に接続することができる。例えば、入力／出力ユニット９１２は、接続を可能にすることにより、ユーザ入力を、キーボード、マウス、及び／又は他の或る適切な入力デバイスを介して行うことができる。更に、入力／出力ユニット９１２は、出力をプリンタに送出することができる。ディスプレイ９１４は、情報をユーザに対して表示する機構となる。

オペレーティングシステム用命令、アプリケーション、及び／又はプログラムは、ストレージデバイス群９１６に格納することができ、これらのストレージデバイス９１６は、プロセッサユニット９０４と通信ファブリック９０２を介して通信する。これらの例示的な例では、命令群は関数として永久ストレージ９０８に格納される。これらの命令は、メモリ９０６に読み込むことにより、プロセッサユニット９０４によって実行することができる。異なる実施形態のプロセスは、プロセッサユニット９０４によって、コンピュータ実行命令群を使用して実行することができ、これらのコンピュータ実行命令は、メモリ９０６のようなメモリに格納することができる。

これらの命令は、プログラムコード、コンピュータ可用プログラムコード、またはコンピュータ可読プログラムコードと表記され、当該プログラムコードは、プロセッサユニット９０４内のプロセッサが読み取り、そして実行することができる。当該プログラムコードは、異なる実施形態では、メモリ９０６または永久ストレージ９０８のような異なる物理媒体またはコンピュータ可読記憶媒体で具体化することができる。

プログラムコード９１８は、選択的に取り外し可能なコンピュータ可読媒体９２０に関数として格納され、そしてデータ処理システム９００に読み込む、または転送することによりプロセッサユニット９０４によって実行することができる。プログラムコード９１８及びコンピュータ可読媒体９２０は、これらの例におけるコンピュータプログラム製品９２２を構成する。１つの例では、コンピュータ可読媒体９２０は、コンピュータ可読記憶媒体９２４またはコンピュータ可読信号媒体９２６とすることができる。コンピュータ可読記憶媒体９２４は、例えば光ディスクまたは磁気ディスクを含むことができ、当該ディスクを永久ストレージ９０８の一部であるドライブまたは他のデバイスに挿入して、または格納して、永久ストレージ９０８の一部であるハードドライブのようなストレージデバイスに移送する。

コンピュータ可読記憶媒体９２４は更に、データ処理システム９００に接続されるハードドライブ、サムドライブ、またはフラッシュメモリのような永久ストレージの形態を採ることができる。幾つかの例では、コンピュータ可読記憶媒体９２４は、データ処理システム９００から取り外し可能とする必要はない。これらの例では、コンピュータ可読記憶媒体９２４は、プログラムコード９１８を伝送する、または送信する媒体ではなく、プログラムコード９１８を格納するために使用される物理ストレージデバイスまたは有形ストレージデバイスである。

コンピュータ可読記憶媒体９２４はまた、コンピュータ可読有形ストレージデバイス（ｃｏｍｐｕｔｅｒ ｒｅａｄａｂｌｅ ｔａｎｇｉｂｌｅ ｓｔｏｒａｇｅ ｄｅｖｉｃｅ）またはコンピュータ可読物理ストレージデバイス（ｃｏｍｐｕｔｅｒ ｒｅａｄａｂｌｅ ｐｈｙｓｉｃａｌ ｓｔｏｒａｇｅ ｄｅｖｉｃｅ）と表記される。別の表現をすると、コンピュータ可読記憶媒体９２４は、人が触れることができる媒体である。

別の構成として、プログラムコード９１８はデータ処理システム９００に、コンピュータ可読信号媒体９２６を使用して転送することができる。コンピュータ可読信号媒体９２６は、例えばプログラムコード９１８を含む伝送データ信号とすることができる。例えば、コンピュータ可読信号媒体９２６は、電磁信号、光信号、及び／又は他の何れかの適切な種類の信号とすることができる。これらの信号は、無線通信リンク、光ファイバケーブル、同軸ケーブル、有線、及び／又は他の何れかの適切な種類の通信リンクのような通信リンクを介して送信することができる。別の表現をすると、通信リンク及び／又は接続は、例示的な例における物理通信リンクまたは無線通信リンク、及び／又は物理接続または無線接続とすることができる。

幾つかの有利な実施形態では、プログラムコード９１８は、ネットワークを経由して、別のデバイスまたはデータ処理システムから永久ストレージ９０８にコンピュータ可読信号媒体９２６を介してダウンロードすることにより、データ処理システム９００内で使用することができる。例えば、サーバデータ処理システム内のコンピュータ可読記憶媒体に格納されるプログラムコードは、ネットワークを経由して、サーバからデータ処理システム９００にダウンロードすることができる。プログラムコード９１８を供給するデータ処理システムは、サーバコンピュータ、クライアントコンピュータ、またはプログラムコード９１８を格納し、そして送信することができる他の或るデバイスとすることができる。

データ処理システム９００に関して図示される異なる構成要素は、異なる実施形態を実現することができる態様に構造上の制約を付与するために図示しているのではない。異なる有利な実施形態は、データ処理システム９００に関して図示される構成要素群の他の、または代わりの構成要素群を含むデータ処理システムにおいて実現することができる。図９に示す他の構成要素群は、図示される例示的な例から変えることができる。異なる実施形態は、プログラムコードを実行することができる何れかのハードウェアデバイスまたはシステムを用いて実現することができる。一例としてデータ処理システムは、無機構成要素群と一体化される有機構成要素群を含むことができ、そして／またはヒトを除く有機構成要素群により全てを構成することができる。例えば、ストレージデバイスは、有機半導体により構成することができる。

別の例示的な例では、プロセッサユニット９０４は、特定の用途のために製造される、または構成される回路群を有するハードウェアユニットの形態を採ることができる。この種類のハードウェアは操作群を、プログラムコードをメモリに、これらの操作を実行するように構成されるストレージデバイスから読み込む必要を生じることなく実行することができる。例えば、プロセッサユニット９０４がハードウェアユニットの形態を採る場合、プロセッサユニット９０４は、回路システム、特定用途向け集積回路（ＡＳＩＣ）、プログラマブルロジックデバイス、または多数の操作を実行するように構成される他の或る適切な種類のハードウェアとすることができる。プログラマブルロジックデバイスの場合、当該デバイスは、多数の操作を実行するように構成される。当該デバイスは、後の時点で再構成することができる、または多数の操作を実行するように永久的に構成することができる。プログラマブルロジックデバイスの例として、例えばプログラマブルロジックアレイ、プログラマブルアレイロジック、フィールドプログラマブルロジックアレイ、フィールドプログラマブルゲートアレイ、及び他の適切なハードウェアデバイスを挙げることができる。この種類の実施形態の場合、プログラムコード９１８は、異なる実施形態のプロセスがハードウェアユニット内で実行されるので、削除することができる。

更に別の例示的な例では、プロセッサユニット９０４は、コンピュータ群及びハードウェアユニット群に搭載されるプロセッサ群の組み合わせを用いて実現することができる。プロセッサユニット９０４は、多数のハードウェアユニットと、そしてプログラムコード９１８を実行するように構成される多数のプロセッサと、を有することができる。この図示の例の場合、これらのプロセッサのうちの幾つかのプロセッサは、多数のハードウェアユニットとして実現することができるのに対し、他のプロセッサ群は、多数のプロセッサとして実現することができる。

別の例では、バスシステムを用いて、通信ファブリック９０２を実現することができ、そして当該バスシステムは、システムバスまたは入力／出力バスのような１つ以上のバスにより構成することができる。勿論、バスシステムは、当該バスシステムに接続される異なる構成要素またはデバイスの間のデータの転送を可能にする何れかの適切な種類のアーキテクチャを用いて実現することができる。

更に、通信ユニットは、データを送信し、データを受信し、またはデータを送受信する多数のデバイスを含むことができる。通信ユニットは、例えばモデムまたはネットワークアダプタ、２つのネットワークアダプタ、或いはこれらの要素の或る組み合わせとすることができる。更に、メモリは、例えばメモリ９０６とするか、または通信ファブリック９０２に設けることができるインターフェースハブ及びメモリコントローラハブに搭載されるようなキャッシュとすることができる。

このように、異なる有利な実施形態は、システムの健康状態を判断する方法及び装置を提供する。１つの有利な実施形態では、振動データグループ群が当該システムに対応して特定される。振動データグループ群の１つの振動データグループは、システムの異なる周波数の振動の経時データを含む。システムに関する振動データグループ群は、コンピュータシステムの多数の連想メモリに保存される。システムの健康状態は、多数の連想メモリ内の振動データグループ群に基づいて特定される。このようにして、異なる有利な実施形態は、システムの健康状態を、現在利用可能なヘルスモニタリングシステムよりも正確、かつ効率的に判断することができるヘルスモニタリングシステムを提供する。

本明細書において使用されるように、「ａｔ ｌｅａｓｔ ｏｎｅ ｏｆ」というフレーズは、複数のアイテムを列挙して使用される場合に、列挙されるこれらのアイテムのうちの１つ以上のアイテムの異なる組み合わせを用いることができ、そして列挙されるアイテムの中の各アイテムの１つだけで済ませることができることを意味する。例えば、「ａｔ ｌｅａｓｔ ｏｎｅ ｏｆ ｉｔｅｍ Ａ， ｉｔｅｍ Ｂ， ａｎｄ ｉｔｅｍ Ｃ」は、例えばこれらには限定されないが、「ｉｔｅｍ Ａ（アイテムＡ）」または「ｉｔｅｍ Ａ ａｎｄ ｉｔｅｍ Ｂ（アイテムＡ及びアイテムＢ）」を含むことができる。この例は更に、「ｉｔｅｍ Ａ， ｉｔｅｍ Ｂ， ａｎｄ ｉｔｅｍ Ｃ（アイテムＡ、アイテムＢ、及びアイテムＣ）」または「ｉｔｅｍ Ｂ ａｎｄ ｉｔｅｍ Ｃ（アイテムＢ及びアイテムＣ）」を含むことができる。他の例では、「ａｔ ｌｅａｓｔ ｏｎｅ ｏｆ」は、例えばこれらには限定されないが、２個のｉｔｅｍ Ａ、１個のｉｔｅｍ Ｂ、及び１０個のｉｔｅｍ Ｃとすることができ；４個のｉｔｅｍ Ｂ、及び７個のｉｔｅｍ Ｃとすることができ；そして他の適切な組み合わせとすることができる。

異なる有利な実施形態に関する記載を提示して、例示及び説明を行ってきたが、当該記載を網羅的に行なおうとしているのではない、または当該記載を開示される構成の実施形態に限定しようとしているのではない。多くの変形及び変更が存在することは、この技術分野の当業者には明らかであろう。更に、異なる有利な実施形態は、他の有利な実施形態とは異なる利点を提供することができる。選択される実施形態または実施形態群は、これらの実施形態の原理、実際の用途を最も良く説明するために、そしてこの技術分野の他の当業者が、想定される特定の使用に適合するように種々の変更が加えられる種々の実施形態の開示内容を理解することができるように選択され、そして記載されている。

Claims (13)

1. システムの健康状態を判断する方法であって、
   システムに関する振動データグループ群を特定するステップであって、振動データグループ群のうちの１つの振動データグループが、システムの異なる周波数の振動に関する経時データを含む、特定するステップと、
   システムに関する振動データグループ群を、コンピュータシステム内の多数の連想メモリに保存するステップと、
   システムの健康状態を、多数の連想メモリ内の振動データグループ群に基づいて特定するステップと
   を含む、方法。
2. 更に、
   システムに関する振動データグループ群を、センサシステムを使用して生成するステップを含む、請求項１に記載の方法。
3. センサシステムは、多数の振動センサを含む、請求項２に記載の方法。
4. システムの健康状態を、多数の連想メモリ内の振動データグループ群に基づいて特定するステップは、
   システムの健康状態を、多数の連想メモリ内の振動データグループ群に基づいて、人工知能システムを使用して特定するステップを含む、請求項１に記載の方法。
5. 人工知能システムは、認識シミュレーション、知識ベースシステム、ニューラルネットワーク、ファジー論理システム、及び認識モデルのうちの少なくとも１つとして選択される、請求項４に記載の方法。
6. 振動データグループ群は、システムの振動の画像を含む、請求項１に記載の方法。
7. 画像群のうちの１つの画像は、振動に関するデータを、周波数、強度、及び周波数分布を使用して表わす、請求項６に記載の方法。
8. 更に、
   画像群の各画像をセクション群に分割するステップを含む、請求項６に記載の装置。
9. システムの健康状態を、多数の連想メモリ内の振動データグループ群に基づいて特定するステップは、ヘルスアナライザーを使用して行われ、そして方法は更に、
   多数の基準振動データグループを多数の連想メモリに格納するステップと、
   ヘルスアナライザーを、多数の基準振動データグループを使用してトレーニングするステップと
   を含む、請求項６に記載の方法。
10. システムの健康状態を、多数の連想メモリ内の振動データグループ群に基づいて特定するステップは、ヘルスアナライザーを使用して行われ、そして方法は更に、
    システムの振動の分光画像群を、コンピュータシステム内の多数の連想メモリに格納するステップと、
    システムの健康状態を、多数の連想メモリに格納される分光画像群に基づいて特定するステップと
    を含む、請求項１に記載の方法。
11. システムに関する振動データグループ群を保存するように構成される多数の連想メモリであって、振動データグループ群のうちの１つの振動データグループが、システムの異なる周波数の振動に関する経時データを含む、多数の連想メモリと、
    システムの健康状態を、多数の連想メモリ内の振動データグループ群に基づいて特定するように構成されるヘルスアナライザーと
    を備える、ヘルスモニタリングシステム。
12. 更に、
    システムに関する振動データグループ群を生成するように構成され、多数の振動センサを含むセンサシステムを備える、請求項１１に記載のヘルスモニタリングシステム。
13. ヘルスアナライザーは、多数の基準振動データグループを多数の連想メモリに保存し、そしてヘルスアナライザーを、多数の基準振動データグループを使用してトレーニングするように構成される、請求項１１又は１２に記載のヘルスモニタリングシステム。