JP2013190909A - システム疲労度評価装置およびその方法 - Google Patents

Abstract

【課題】複数の部品を含むシステムの疲労度を精度高く推定する。
【解決手段】本発明の一態様としてのシステム疲労度評価装置は、分解部と、システム疲労度算出部とを備える。前記分解部は、それぞれ複数の部品を含む複数のシステム別に前記部品別の故障確率を表した診断結果データを読み込み、前記システム別に前記部品別の故障確率を行列の各要素に格納した行列Vを作成し、前記行列Vを、疲労要因別の各部品の故障確率を行列の各要素に格納した行列Wと、前記システム別の各疲労要因による故障確率を行列の各要素に格納した行列Hとの積に分解する。前記システム疲労度算出部は、前記行列Wに基づき、疲労要因別にいずれかの部品が故障する確率を計算し、前記確率と、前記行列Hに基づき、前記システム別にいずれかの疲労要因によっていずれかの部品で故障が発生する確率であるシステム疲労度を算出する。
【選択図】図1

Description

本発明の実施形態は、システム疲労度評価装置およびその方法に関する。

多くの部品や製品で構成されるシステム全体の疲労度を評価するには、部品ごとの診断結果を統合して総合的に評価する必要がある。

しかし、システム構成部品に共通の疲労要因が存在する場合、システムの構成部品の故障率には相関が存在し、システム全体の信頼度評価は困難になる。疲労要因を直接観測することはできず、各部品がどの要因によって故障する確率が高いのか、推定する必要がある。疲労要因間の相関関係も直接観測することはできず、推定する必要がある。一方、多数の製品（異なるシリアルナンバーの製品が多数存在するような状況を想定）の診断結果が得られるとき、個々の診断結果から部品の相関関係を把握することが可能になる。

信頼性評価の方法として、故障ツリー分析（FTA: Fault Tree Analysis）や信頼性ブロック図（RBD: Reliability Block Diagram）で構造関数を活用する方法が知られている。

FTAとは、信頼性上、安全上、発生することが好ましくないトップ事象と呼ばれる事故・トラブルに対して、論理記号を用いてその発生原因をくわしく樹形状に表現した図によって解析する手法を言う。FTAではトップ事象の発生原因のメカニズムだけでなく、その発生確率が分析できる。FTAやRBDによる信頼性評価の方法として、ミニマルカットセットを用いる方法（MCS法: Minimal Cut Set）がある。システム異常（FTAのトップ事象発生）を引き起こす構成要素（基事象）の最小の組合せをミニマルカットセットと言う。基事象間に従属関係が無い場合は、各基事象の発生確率の積としてシステムの信頼度を求めることができる。一方、独立ではない構成要素からなるコヒーレントシステムの信頼度は、ミニマルパス集合による上限とミニマルカット集合による下限を設定することができる。これについての解説は和書では[真壁肇, 宮村鐡夫, 鈴木和幸, "信頼性モデルの統計解析", 共立出版株式会社, 1989.]が詳しい。

MCS法では構成する各事象が独立である場合に限り、積事象の発生確率を各事象の発生確率の積で計算できる。基事象間の相関を考慮する場合は、事象の重複部分を評価する仕組みが必要であり、例えば真理値表を用いて基事象の発生有無の組合せとトップ事象との関係を列挙する方法（BAM法：Boolean Arithmetic Model）がある。これは、事象の重複部分の発生確率を評価する方法である。

これらの手法のサーベイを含む文献として、[原子力安全基盤機構, "多数基立地サイトの地震PSA手法の整備", 原子力システム安全部成果報告書, 2009.]がある。http://www.jnes.go.jp/content/000119019.pdfには、FTAやMCS法、BAM法、オリジナルのDQFM法について解説されている。上記文献では、原子力発電サイトの耐震安全性を評価する上で、地震動が多数基に同時に影響を及ぼす可能性があることを踏まえて、リスクを適切に評価する地震PSA（Probabilistic Safety Analysis：確率的安全性評価）の手法を提案している。地震波は複数の機器の共振を発生させ、仮に一方が壊れるとしたら他方も壊れることが考えられる。機器の相関性が高まると、相関性が全くない独立な場合に比べ、並列システムで多数の機器が同時に故障する確率（機器故障の積の発生確率）は大きくなるが、一方、直列システムで機器のどれか1つでも故障する確率（機器故障の和の発生確率）は小さくなる。論文[T. Oikawa, M. Kondo, Y. Mizunobu, Y. Watanabe, H. Fukuoka, K. Muramatsu, "Development of Systems Reliability Analysis Code SECOM-2 for Seismic PSA", Reliability Engineering & System Safety, Vol. 62, No. 3, pp.251-271, 1998.]ではFTAのモンテカルロシミュレーションで基事象をランダムに発生させ、頂上事象（トップ事象）の発生確率を評価するDQFM法を提案している。基事象が独立な場合及び相関性を考慮した場合でも事象の重複を適切に考慮できる点が特徴である。

なお、特許文献1には、フォールトツリーやイベントツリーを効率よく作成することで、適正なリスク解析を支援する方法が記載されている。MCS法を用いたリスク解析を実施している。

また特許文献2には、複数の大規模プラントについてFTAで重要度・保全コストを把握し、予防保全計画を最適化する方法が記載されている。Fault Treeの解析でMCS法を適用している。

特開2002-24337号公報 特開平9-305218号公報

論文[T. Oikawa, M. Kondo, Y. Mizunobu, Y. Watanabe, H. Fukuoka, K. Muramatsu, "Development of Systems Reliability Analysis Code SECOM-2 for Seismic PSA", Reliability Engineering & System Safety, Vol. 62, No. 3, pp.251-271, 1998.] [原子力安全基盤機構, "多数基立地サイトの地震PSA手法の整備", 原子力システム安全部成果報告書, 2009.]

ミニマルカット集合を用いてFault Treeの頂上現象の発生確率を評価するMCS法は、基事象間が独立な場合は、各事象の発生確率の積で求めることができる。

しかし、MCS法は部品やカット集合に相関や重複事象がない場合に限って有効である。システム全体の経年劣化や熱疲労・振動・ユーザの使い方など共通要因により部品故障が発生する場合、部品ごとの故障率には相関が生じ、システム全体の信頼度算出が難しい。

一方、DQFM法は部品ごとの故障率の相関を考慮できるが、FTAやRBDによりシステムの構造関数が与えられていない場合は適用が困難である。

本発明の一側面は、複数の部品から構成されるシステムの疲労度を精度高く推定することを目的とする。

本発明の一態様としてのシステム疲労度評価装置は、分解部と、システム疲労度算出部とを備える。

前記分解部は、それぞれ複数の部品を含む複数のシステム別に前記部品別の故障確率を表した診断結果データを読み込み、前記システム別に前記部品別の故障確率を行列の各要素に格納した行列Vを作成し、前記行列Vを、疲労要因別の各部品の故障確率を行列の各要素に格納した行列Wと、前記システム別の各疲労要因による故障確率を行列の各要素に格納した行列Hとの積に分解する。

前記システム疲労度算出部は、前記行列Wに基づき、疲労要因別にいずれかの部品が故障する確率を計算し、前記確率と、前記行列Hに基づき、前記システム別にいずれかの疲労要因によっていずれかの部品で故障が発生する確率であるシステム疲労度を算出する。

本実施形態にかかるシステム疲労度評価装置のブロック図である。 部品/サブシステム診断結果テーブルを示す図である。 システム機能とシステム構成部品の関係を示した表を示す図である。 各要因発生時の部品別故障確率テーブルを示す図である。 各疲労要因の発生確率のテーブルを示す図である。 行列Vを行列W、Hに分解する例を示す図である。 図1の装置の動作のメインフローを示す図である。 システム疲労要因別確率分解フローを示す図である。 システム疲労度算出フローを示す図である。 新規データ評価フローを示す図である。 実施形態2に係るシステム構成を示す図である。 新規データの部品診断結果を表す行列V’をWとH’に分解する例を示す図である。 実施形態3に係るシステム構成を示す図である。 疲労要因の候補数Lと、ペナルティ付きノルムの関係を示す図である。

本発明の実施形態は、多数のシステム（たとえば製品）が存在するとき、それぞれの製品の部品診断結果から部品の故障診断結果の相関関係を把握し、共通要因の存在を考慮することで、多くの部品で構成されるシステム全体の疲労度推定の精度を向上させる。

この目的のため、本実施形態は、特に、個々の部品診断結果を疲労要因の発生確率と、要因発生時の部品別故障確率とに分解する疲労要因別確率分解機能と、共通疲労要因の存在による部品信頼度の相関を考慮してシステム全体の疲労度を算出するシステム疲労度算出機能とを備える。

FTAや構造関数などシステム全体の疲労に関するモデルがない状況でも、部品診断結果から部品共通のシステム疲労要因を推定することによって、精度の高いシステム疲労度評価を実現するという効果を実現する。

以下、図面を参照しながら、本実施形態を説明する。

（実施形態1）
図1に、本実施形態にかかるシステム疲労度評価装置のブロック図を示す。

部品/サブシステム診断結果記憶部12は、多くの製品について、その構成部品の診断結果を格納する。なお、複数の部品からなるサブシステムを定義し、部品とサブシステムからなる製品、または複数のサブシステムからなる製品も考えることができる。本実施形態では、そのようなサブシステムも、システムの部品として扱う。診断結果は、具体的に、部品の不信頼度（故障発生確率）であり、たとえば故障するまでの期間の長さ（寿命）がある値ｔ以下となる確率を採用することができる。診断結果の取得方法は、任意の方法を用いることができ、特定の方法に限定されない。たとえば製品稼動データから診断を行った結果が格納されていてもよいし、他の方法で取得した診断結果が格納されていてもよい。図1には、前者の方法により取得する方法が、点線で囲まれたブロックで示されている。すなわち、部品/サブシステム稼働データ記憶部31に製品稼働データを記憶させておき、部品/サブシステム診断部32が、製品稼働データから診断を行って、診断結果を部品/サブシステム診断結果部12に格納している。

部品故障の背後にある潜在的な疲労要因を想定したとき、部品故障発生確率（不信頼度）を以下のように書き下すことが可能である。

図2は、部品/サブシステム診断結果記憶部12に記憶された部品/サブシステム診断結果テーブルを示したものである。製品シリアル番号1〜Nについて、部品1〜Mの診断結果が登録される。診断結果は、各部品をそれぞれ単体で評価した時の不信頼度であり、0〜1の値をとる。つまり、このテーブルには、各製品について、Pr(部品1)、Pr（部品2）、・・・、Pr(部品Ｍ)が格納されている。

N台の製品について部品診断結果のデータが得られているとき、このデータを行列Vで表すとする。この行列は、図6のようなW×Hの行列計算の形で分解することができる。

Vは、K個の部品について、製品N台の部品診断結果を各要素に格納した行列であり、K×Nの行列で表される。つまり、行列の各要素は、製品別かつ部品別の不信頼度である。たとえば、Vの一行目（横列）が部品a、二行目が部品bに関するとすると、当該一行目の各要素には、製品1〜NのPr(部品a)が格納され、二行目の各要素には、製品1〜NのPr(部品b)が格納される。

Wは、それぞれの疲労要因に起因する故障が発生したとき、どの部品が故障するかの確率を表したK×Lの行列である。ここで、Lは疲労要因の候補数を表す。システムの疲労要因の候補数（1,2,3,…：Lの候補）は、疲労要因候補数記憶部14に記憶されている。たとえば、Wの一列目（縦列）が疲労要因α、二列目が疲労要因βに関するとすると、当該一列目の各要素には、Pr(部品a|α)、Pr(部品b|α)、…の値が入り、当該二列目の各要素には、Pr(部品a|β)、Pr(部品b|β)、…の値が入る。

Hは、N台の製品の疲労要因別の故障発生確率（不信頼度）を表す、L×Nの行列である。たとえば、一列目の各要素には、製品1についてのPr(α)、Pr(β)、…の値が入り、二列目の各要素には、製品2についてのPr(α)、Pr(β)、…のような要素が入る。

図1の疲労要因別確率分解部15は、疲労要因候補数記憶部14に記憶されたシステムの疲労要因の候補数（1,2,3,…）の中から、システムの疲労要因の候補数（種類数）を順番に選択し、設定する（疲労要因数設定処理）。なお本実施形態では、個々の疲労要因が具体的に何であるかは問わない。最適な疲労要因数は、後述するように最適化処理によって決定されるが、これにより、疲労要因数のみが決定され、個々の疲労要因は、疲労要因α、β、γ、…等と抽象的に識別され、具体的な疲労要因（熱、振動等）に特定されない。

図1の疲労要因別確率分解部15は、非負値行列因子分解(NMF：Non-Negative Matrix Factorization)によって、図6に示したように、システム構成部品の診断結果（不信頼度）の行列Vを、要因発生時の部品別故障確率の行列Wと疲労要因の発生確率の行列Hとに分解する（非負値行列分解計算処理）。

N台の製品の部品診断結果Vがデータとして得られているとき、WとHを推定する問題を考える。すなわち、要素が0から1の値をとるVとWHとの差のノルムが最小となる、WとHを推定する。

ここで、故障発生確率（不信頼度）の値は非負であることから、非負値行列因子分解（NMF：Non-negative Matrix Factorization）を用いる。Non-negative Matrix Factorization (NMF)は、VとWHの誤差が小さくなるようにWとHを推定する。ただし、WとHはすべての要素が非負値であるという制約付きで推定する。
アルゴリズムは例えば、C.-J. Lin. Projected gradient methods for non-negative matrix factorization. Neural Computation, 19(2007), 2756-2779.がある。

は規格化条件である。

なお、NMFは、音声認識分野（音源分離）などで近年用いられている手法である（[D. D. Lee, H. S. Seung, "Learning the parts of objects by non-negative matrix factorization". Nature, Vol.401, pp.788-791, 1999.]）。特異値分解など他の行列分解手法と異なり、分解された行列が非負値行列であると言う点が特徴である。

ここで、考慮する疲労要因の種類数Lの値が大きいほど

の値は小さくなる。そこで、Lの大きさにペナルティを付けた以下の評価関数を最小にするL（疲労要因の種類の数）を求め、そのときのＷ_Ｌ,Ｈ_ＬをW, Hとして採用する。

はフロベニウスノルムであるが、最大値ノルムなど他の行列ノルムを用いて評価関数を定義してもかまわない。つまり、最大値ノルムによって、Vと、WHとの誤差を評価してもよい。また、Lは、上記疲労要因数設定処理で設定した疲労要因数を表す。λは非負の係数（任意の正の数）である。この評価関数は、分解の複雑さ（Lの大きさ）にペナルティをつけたノルムになっている。Lの値が大きくなると

の値は小さくなるが、ペナルティ項λLの値が大きくなる。

具体的な処理としては、図1の分解結果評価部16は、疲労要因別確率分解部15による非負値行列分解計算処理の分解結果を、以下の評価関数で評価する（分解結果評価処理）。この評価関数は、行列ノルムが大きくなるほど値が大きく、Lが大きくなるほど値が大きくなる関数である。この例では、行列ノルムの重みを1、Lの重みはλとし、行列ノルムと、Lとの重み付け合計を計算している。行列ノルムの重みは1でなくてもよい。

システムの疲労要因数の候補（1,2,3,…）の数だけ、疲労要因別確率分解部15による疲労要因数設定処理と非負値行列分解計算処理と、分解結果評価部16による分解結果評価処理を繰り返す。

疲労要因数選択部17は、

を選択する。

疲労要因別確率分解部15および分解結果評価部16による繰り返し処理により、図14に示すような、疲労要因数の候補Lと、ペナルティ付きノルムの関係が得られる。疲労要因数選択部17は、この関係に基づき、ノルムの値が小さくLの値も小さい疲労要因数をL^min決定する。またL^minが決まると、W、Hが定まる。そのときのWはK行L^min列、HはL^min行N列の行列になる。ここでは、評価関数の値が最も小さいときのW,Hを選択したが、閾値以下の値が得られた時点で処理を終了し、そのときのW,Hを選択してもよい。

分解パラメータ記憶部18は、図4に示す要因発生時の部品別故障確率テーブル、図5に示す疲労要因の発生確率のテーブルを内部に記録する。図4のテーブルは、上記L^minのときの行列Wの各要素の値に相当し、図5のテーブルは、L^minのときの行列Hの各要素の値に相当する。

ここで、システム疲労度の評価を行う上で、どの部品の診断結果を用いるか、考慮する部品の範囲を明確にする必要がある。そこで、システムとして成立する上で満たす必要のある機能群fと、各機能 f を構成する構成部品

の関係を定義する。

システム疲労度の評価は、クリティカルな機能群の構成部品の和集合

である。

この範囲で部品が直列に接続されてシステムが構成されていると考える。逆に言うと、そのような単位で構成部品を考える。なお、信頼性ブロック図（RBD: Reliability Block Diagram）が得られている場合は、それに従って以下の疲労度算出の手順を行うことができる。今回は部品が直列に接続されて、システムが構成されていると考える。

疲労要因別確率分解部15は、上述した疲労要因数設定処理と非負値行列分解計算処理を実行する前に、システムとして成立するために満たす必要のある機能群と、各機能 f を構成する構成部品

の関係を定義しておく（システム構成部品設定処理）。なお機能群は、1つまたは複数の機能を含む。

図3は、システム機能とシステム構成部品の関係を示した表を示す。システムとして成立する上で満たす必要のある機能群に対して、各部品が機能構成部品であれば1、そうでなければ0となっている。この表は、システム機能構成部品記憶部13に記憶されている。

疲労要因別確率分解部15は、今回対象とする機能群を、ユーザ入力手段等を介して受け、指定された機能群の構成部品の和集合を、選択する。上述した疲労要因数設定処理と非負値行列分解計算処理では、選択した部品を対象とするものとする。

システム疲労度算出部19は、Non-negative Matrix Factorization （NMF）で求めた疲労要因別の発生確率H、要因発生時の部品別故障確率Wの算出結果から、共通疲労要因の存在による部品信頼度の相関を考慮して、システム疲労度を算出する。

まず、次式で疲労要因発生時にいずれかの部品が故障する確率を、疲労要因別に評価する（疲労要因別故障発生確率算出処処理）。

w_i,jは行列Wのi行目j列目の値であり、i番目の部品のj番目の疲労要因発生時の故障確率である。つまり、疲労要因jの発生時にすべての部品が故障しない確率を、右辺の2番目の項で求め、これを1から減算することで、疲労要因jの発生時にいずれかの部品が故障する確率z_jを求めている。

この計算を要因1〜L^minまで繰り返す（j=1,2, … , L^min）ことで、以下を得る。

次に、疲労要因別に求めたいずれかの部品が故障する確率を統合して、いずれかの部品で故障が発生する確率を求める（疲労要因別故障発生確率統合処理）。

具体的に、Z^TをN列分複製したW_repを、以下で定義する。そして、Wrepに基づき、以下の式で、P、rを計算する。

ここでIはすべての要素が1の1行N列ベクトルである。Z^TをN列分複製して並べたものがW_repである（Nは製品シリアル数）。つまり、W_repはN個の列からなり、各列は、それぞれZ^Tに一致する。

Pは、W_repとH間で、同じ位置の要素同士の積をとったものである。“^＊”は、行列の要素ごとの積を表す。Pは、L^min行N列の行列であり、p_i,jは行列Pのi行目j列目の値である。p_i,jは、j番目の製品においていずれかの部品が故障し、かつ、それがi番目の疲労要因によるものである確率を表す。

ｒ_ｊは、j番目の製品のいずれかの部品で故障が発生する確率を表す。1-p_i,jは、j番目の製品において、i番目の疲労要因によって、いずれの部品も故障しない確率を表す。式（8）の右辺の2番目の項は、i=1〜L^minのいずれの疲労要因によっても、いずれの部品も故障しない確率を表す。したがって、当該2番目の項の値を1から減算することで、j番目の製品のいずれかの部品で故障が発生する確率が得られる。

以上から、N個の製品のシステム疲労度評価結果であるシステム疲労度は、

となる。

結果出力部20は、システム疲労度算出部19により算出されたシステム疲労度を、出力する。たとえば、表示装置21に表示し、または通信ネットワーク22を介して外部の装置に送信する。あるいはストレージ装置に格納してもよい。

図7は、図1のシステム疲労度評価装置の処理の流れを示すフローチャートである。

本処理は、大きく、システム疲労要因分解処理（S101）と、これに続くシステム疲労度算出処理（S102）とを含む。

図8に、ステップＳ101のシステム疲労要因分解処理の詳細フローを示す。

疲労要因別確率分解部15が、システム機能構成部品記憶部13にアクセスし、今回対象とする機能群に必要な部品の和集合を設定する(S201)。

疲労要因別確率分解部15が、疲労要因候補数記憶部14に記憶された疲労要因の候補数のうちの1つを設定する（S202）。

疲労要因別確率分解部15が、部品/サブシステム診断結果記憶部12から、診断結果データを読み出し、ステップS201で設定した部品を対象として、行列Vを生成する。そして行列Vを、ステップS202で設定した候補数に基づき、行列Wと、行列Hとの積に分解する（S203）。より詳しくは、疲労要因の候補数に従って、非負値行列分解により、行列Vを、W×Hとの差分の行列ノルムが最小になるように、行列Wと行列Hに分解する。なお、行列Vは、製品（システム）別に各部品の故障確率を、行列の各要素に格納している。行列Wは、疲労要因別に各部品の故障確率を、行列の各要素に格納している。行列Hは、システム別の各疲労要因による故障確率を、行列の各要素に格納している。

分解結果評価部16は、疲労要因の候補数にペナルティを付して、行列VとW×Hの誤差を評価する評価関数を計算する（S204）。たとえば前述した式（3）を用いることができる。

疲労要因の候補数のすべてについて、ステップS202〜S204の処理を繰り返し行う（S205）。

ステップS206では、疲労要因数選択部17が、評価関数による評価が最も高いとき、つまり、評価関数の値が最も小さいときの候補数、行列W、Hを選択する。

ステップS207では、分解パラメータ記憶部18が、疲労要因数選択部17で選択された候補数、行列W、Hを内部に記憶する。

図9に、図7のステップＳ102で行うシステム疲労度算出処理の詳細フローを示す。

システム疲労度算出部19が、分解パラメータ記憶部18からデータを読み出し、行列Wに基づき、疲労要因別にいずれかの部品が故障する確率を計算する（S301、S302）。

そして、このように計算した確率と、行列Hに基づき、製品（システム）別に、いずれかの疲労要因によっていずれかの部品で故障が発生する確率であるシステム疲労度を算出する（S303）。

（実施形態2）
図11は、実施形態2に係るシステム構成を示す図である。

新規データ取得部41と新規データ評価部42が追加されている。

図10は、新規データ取得部41と新規データ評価部42の動作フローを示す。

ステップS401において、新規データ取得部41は、新たな製品の部品/サブシステム診断結果データV’を部品/サブシステム診断結果記憶部12から取得する（新規データ取得処理）。

続く、ステップS402において、新規データ評価部42は、図12に示すように、分解パラメータ記憶部18に記憶した分解パラメータ（具体的には図4の要因発生時の部品別故障確率。記号で言うとW）を用いて、新たな製品における疲労要因別の発生確率H'を推定する。要因発生時の部品別故障確率Wは製品によらないものであるため、他の製品から推定したWを、新たな製品における評価の際に活用できる。以下、詳細を示す。

まず、非負値制約の下での最小二乗法によりV’とWからH’の成分の値を求める以下の回帰問題を解く（新規データ評価処理）。

次にWとH’を用いて、システム疲労度算出部19で、実施形態1と同様に、システム疲労度を算出する。

本実施形態によれば、他の製品から推定したWを用いることで、新たな製品のシステム疲労度を容易に算出できる。

（実施形態3）
図13は実施形態3に係るシステム構成を示す。

実施形態2に対し、システム相対評価部51が追加されている。実施形態1に対し、システム相対評価部が設けられてもよい。

システム相対評価部51は、システム疲労度算出部19で求めたシステム疲労度を用いて、複数の製品（製品シリアル1,2,…N）のシステム疲労度の相対評価を行う。システム疲労度（rの値）に基づき、複数製品の優劣をつけることにより、以下が可能になる。

・リプレース優先順位の決定
システムがPCであり、部品がPC構成部品として、PC構成部品の診断結果が得られているとする。たとえば企業のIS部門で、PCのリプレースを行う際に、リプレース対象のPCをどのように決定するかということが問題になる。部品診断結果を統合してシステム疲労度を算出する本技術によって、リプレースの優先順位をより正確に求めることが可能になる。たとえばシステム疲労度の大きい上位の所定個数のPC、またはシステム疲労度が所定値より大きいすべてのPCを、リプレース対象として選択する。

・複数機器の一括保守
システムを家庭内の家電全般とし、各家電を部品として、各家電の診断結果が得られているとする。たとえば家庭内の家電機器の一括メンテナンス契約を結ぶときに、家電の使い方の乱暴さや家族構成、電力品質といった共通疲労要因を考慮することによって、複数家電機器全体の疲労度をより正確に算出できるようになる。これにより、適切なメンテナンスプランを選択できるようなる。

なお、以上に説明したシステム疲労度評価装置は、例えば、汎用のコンピュータ装置を基本ハードウェアとして用いることで実現することが可能である。すなわち、システム疲労度評価装置の各処理部は、上記のコンピュータ装置に搭載されたプロセッサにプログラムを実行させることにより実現することができる。このとき、システム疲労度評価装置は、上記のプログラムをコンピュータ装置にあらかじめインストールすることで実現してもよいし、CD-ROMなどの記憶媒体に記憶して、あるいはネットワークを介して上記のプログラムを配布して、このプログラムをコンピュータ装置に適宜インストールすることで実現してもよい。また、各種記憶部は、装置内もしくは外付けのメモリ装置およびハードディスク、あるいは、CD-R, CD-RW, DVD-RAM, DVD-R 等の記録媒体によって構成されてもよい。

Claims (7)

1. それぞれ複数の部品を含む複数のシステム別に前記部品別の故障確率を表した診断結果データを読み込み、前記システム別に前記部品別の故障確率を行列の各要素に格納した行列Vを作成し、前記行列Vを、疲労要因別の各部品の故障確率を行列の各要素に格納した行列Wと、前記システム別の各疲労要因による故障確率を行列の各要素に格納した行列Hとの積に分解する、分解部と、
   前記行列Wに基づき、疲労要因別にいずれかの部品が故障する確率を計算し、前記確率と、前記行列Hに基づき、前記システム別にいずれかの疲労要因によっていずれかの部品で故障が発生する確率であるシステム疲労度を算出するシステム疲労度算出部と、
   を備えたシステム疲労度評価装置。
2. 疲労要因の数を複数通り設定する設定部と、
   前記分解部は、前記設定部により設定された疲労要因の数に従って、非負値行列分解により、前記行列Vを、WとHの積との差分の行列ノルムが最小になるように、前記行列Wと前記行列Hに分解し、前記疲労要因の数が大きいほど値が大きくなり、前記行列Vと前記WとHの積との誤差が大きいほど値が大きくなる評価関数を計算し、前記評価関数の値が最小または閾値以下になるときの行列Wと行列Hを採択する
   請求項1に記載のシステム疲労度評価装置。
3. 前記評価関数は、前記疲労要因の数と、前記行列ノルムとの重み付け合計を計算する
   請求項2に記載のシステム疲労度評価装置。
4. 前記行列ノルムはフロベニウスノルムまたは最大値ノルムとする請求項2または3に記載のシステム疲労度評価装置。
5. 前記分解部は、前記複数のシステムと異なる複数の第1のシステムについて前記部品別の故障確率を表す第1の診断結果データを読み込み、前記第1システム別に前記部品別の故障確率を行列の各要素に格納した行列V’を作成し、前記V’と前記W×H’との差分の行列ノルムを最小にする行列H’を求め、
   前記システム疲労度算出部は、前記Wと前記H’に基づき、前記第1システム別に、いずれかの疲労要因によっていずれかの部品で故障が発生する確率であるシステム疲労度を算出する
   請求項1ないし4のいずれか一項に記載のシステム疲労度評価装置。
6. 前記システム疲労度に基づいて、前記システムの順位を決定するシステム相対評価部
   をさらに備えた請求項1ないし5のいずれか一項に記載のシステム疲労度評価装置。
7. それぞれ複数の部品を含む複数のシステム別に前記部品別の故障確率を表した診断結果データを読み込むステップと、
   前記システム別に前記部品別の故障確率を行列の各要素に格納した行列Vを作成し、前記行列Vを、疲労要因別の各部品の故障確率を行列の各要素に格納した行列Wと、前記システム別の各疲労要因による故障確率を行列の各要素に格納した行列Hとの積に分解する、ステップと、
   前記行列Wに基づき、疲労要因別にいずれかの部品が故障する確率を計算し、前記確率と、前記行列Hに基づき、前記システム別にいずれかの疲労要因によっていずれかの部品で故障が発生する確率であるシステム疲労度を算出するステップと、
   をコンピュータが実行するシステム疲労度評価方法。

Images