JP2015176285A - 故障情報提示システム - Google Patents

Abstract

【課題】車両の状態を表す複数の計測値に時系列的な異常を生じさせる故障についても的確な故障情報の提示を実現する技術を提供する。【解決手段】情報取得手段（２４：Ｓ２２０）が、車両の状態を表す複数の計測値の時系列データを所定の特徴量で表現した車両状態情報を取得する。事例抽出手段（２４：Ｓ２３０〜Ｓ２６０）が、事例記憶手段に記憶された事例情報毎に求めた前記車両状態情報と状態識別情報との類似度に従って、一つ以上の前記事例情報を抽出する。情報提示手段（２４：Ｓ２７０）が、事例抽出手段により抽出された事例情報に関する修理情報を提示する。なお、特徴量として、計測値の時系列データ中に繰り返し現れるパターンをシンボル化することで得られるシンボル列が用いられている。【選択図】図５

Description

本発明は、車両の故障に関する情報を修理者等に提示する技術に関する。

過去に発生した故障時における車両状態を表す情報とその故障に対して実施した修理内容等を表す情報（修理情報）とを対応づけて保存したデータベースを用い、車両の故障時に、その故障車両において検出される車両状態と、データベースに記憶された車両状態との類似度に基づいて修理情報を検索し、検索結果を修理者等に提示する技術が知られている。

また、故障時の車両状態を表現する特徴量として、フリーズフレームデータ（ＦＦＤ）を利用し、ＦＦＤを構成する各センサ値の変化有無を２値で表現した多次元ベクトルを用いることが提案されている（例えば特許文献１参照）。

特許第４６４０４７５号公報

上述のＦＦＤに基づく特徴量は、複数の車載センサの計測値に基づき、異常が発生した前後という時間的に局所的なタイミングで計測されたセンサ値のパターンを表現するものである。このため、センサ値に時系列的な変化を生じさせる異常、例えば、センサ値の変動パターンが変化する異常や変動する頻度が変化する異常あるいは特定センサ間でセンサ値が変動する順番等に影響を及ぼすような異常を検出することができないという問題があった。

本発明は、こうした問題に鑑みてなされたものであり、車載センサの計測値に時系列的な異常を生じさせる故障についても的確な故障情報の提示を実現する技術を提供することを目的とする。

本発明の故障情報提示システムは、情報取得手段と、事例記憶手段と、事例抽出手段と、情報提示手段とを備える。情報取得手段は、車両の状態を表す複数の計測値の時系列データを所定の特徴量で表現した車両状態情報を取得する。事例記憶手段は、車両の故障時に計測された計測値の時系列データを特徴量で表現した状態識別情報と該状態識別情報に対応する故障の原因および該故障の修理方法を示した修理情報とを対応づけた複数の事例情報を記憶する。事例抽出手段は、事例記憶手段に記憶された事例情報毎に求めた車両状態情報と状態識別情報との類似度に従って、一つ以上の事例情報を抽出する。情報提示手段は、事例抽出手段により抽出された事例情報に関する修理情報を提示する。そして、本発明では、特徴量として、計測値の時系列データ中に繰り返し現れるパターンをシンボル化することで得られるシンボル列が用いられている。

このように、本発明では、状態識別情報や車両状態情報を表現する特徴量として、計測値の時系列データをシンボル列に変換したものを用いているため、個々のシンボルによって時間的に局所的な事象を表現できるだけでなく、シンボル列によってこれら事象の生起パターンや生起頻度等を効率よく表現することができるため、これらの事象に時系列的な異常を生じさせる故障を、的確に捉えることができる。

また、特徴量としてシンボル列を用いることにより、各事象の時間のずれやスケールの変化に対する頑健性を得ることができると共に、従来のＦＦＤに基づく特徴量（多次元ベクトル）の時系列を使用する場合と比較して、情報を記憶する際に必要なメモリ容量や、記憶した情報の検索に要する処理量を削減することができる。

なお、特許請求の範囲に記載した括弧内の符号は、一つの態様として後述する実施形態に記載の具体的手段との対応関係を示すものであって、本発明の技術的範囲を限定するものではない。

故障情報提示システムの全体構成を示すブロック図である。 故障事例情報サーバに蓄積される故障事例情報の内容を示す説明図である。 車両状態記号として使用するシンボル列の生成についての説明図である。 情報収集装置が実行する処理の内容を示すフローチャートである。 故障情報提示装置の情報処理部が実行する故障診断処理の内容を示すフローチャートである。 シンボル列間の類似度の算出に使用するレーベンシュタイン距離についての説明図である。 類似度算出結果および事例候補抽出結果を例示した説明図である。 故障情報提示装置の情報処理部が実行する情報登録処理の内容を示すフローチャートである。 シンボル列を用いることによる効果を例示する説明図である。 故障事例情報の他の構成例を示す説明図である。

以下に本発明が適用された実施形態について、図面を用いて説明する。
［全体構成］
本発明が適用された故障情報提示システム１は、図１に示すように、車両に搭載された車載装置群１０と、車載装置群１０から取得した情報に基づいて故障に関する情報を提示する故障情報提示装置２０と、故障事例に関する情報を提供する故障事例情報サーバ３０とを備える。

［故障事例情報サーバ］
故障事例情報サーバ３０は、過去に発生した車両の故障事例に関する情報である故障事例情報を多数蓄積する記憶部と、故障情報提示装置２０との通信に使用する通信部とを備えている。

故障事例情報は、図２に示すように、故障事例を識別する事例番号、故障事例をその原因等に基づいて分類した故障事例分類、故障原因の解析に必要な各種情報および故障事例に対して実施した修理の内容等からなる修理情報、その故障事例が生じた時に計測された車両状態を表す特徴量からなる車両状態記号（本発明における状態機器別情報に相当）を有している。

修理情報として、具体的には、故障を起こした車両の車種や年式、異常が検出された地域や時間、故障箇所や実施した検査項目、修理によって交換された部品、修理した場所や日時などが含まれる。

車両状態を表す特徴量として、ここでは、図３に示すように、車両状態情報中で繰り返し現れる多次元の計測値パターンに対してシンボル（Ｃ１，Ｃ２，…）を順次付与することによって生成したシンボル列を用いる。なお、シンボル列の生成には、時系列データの解析によく使用される隠れマルコフモデル（ＨＭＭ：Hidden Markov Model ）を拡張したｓＨＤＰ−ＨＭＭ（sticky Hierarchical Dirichlet Process-Hidden Markov Model ）を用いる。ＨＭＭは、時系列データを隠れ状態の遷移列に変換するものであり、また、ｓＨＤＰ−ＨＭＭは、ＨＭＭにおいて、予め設定しておく必要のあった隠れ状態の数をデータから自動決定できるという特徴を有するものである。

［車載装置群］
図１に戻り、車載装置群１０は、車載センサ群１１と、入力装置１２と、情報収集装置１３と状態記号記憶装置１４と、インタフェース（ＩＦ）部１５とを備え、各装置は車載ネットワーク（例えばＣＡＮ）を介して相互に通信可能に接続されている。

車載センサ群１１は、車両に搭載され車両各部の状態を計測するものであり、例えば、スロットル開度、エンジン回転数、吸入空気量等を検出する。これらに限らず、何等かの故障が生じた時に、その影響が何等かの形で現れる信号であればよい。

入力装置１２は、情報収集装置１３に対する各種指令（少なくとも計測開始指令，計測終了指令）を入力するためのものであり、ドライバが操作可能な位置に配置されたスイッチやタッチパネル等からなる。

状態記号記憶装置１４は、情報収集装置１３によって計算されたシンボル列（状態記号列）を、その計測時刻等とともに記憶する。
ＩＦ部１５は、故障情報提示装置２０等の外部装置を車載ネットワークに接続するためのものであり、ＩＦ部１５に接続された外部装置は、車載ネットワークに接続された車載装置との通信が可能となる。

情報収集装置１３は、ＣＰＵ，ＲＯＭ，ＲＡＭを備えた周知のマイクロコンピュータからなり、当該装置に電源が投入されている間、情報収集処理を繰り返し実行する。
＜情報収集処理＞
情報収集処理の内容を、図４に示すフローチャートに沿って説明する。

本処理が起動すると、情報収集装置１３のＣＰＵは、まず、Ｓ１１０にて、情報の収集を開始する収集条件が成立したか否かを判断する。具体的には、入力装置１２を介して計測開始指令が入力されてから計測終了指令が入力されるまでの間、または車両の状態が所定状態にある場合（例えば、アイドリング時や所定速度以上での定速走行時）を、収集条件が成立していると判断する。

収集条件が成立していないと判断した場合（Ｓ１１０：ＮＯ）、本処理を一旦終了する。収集条件が成立していると判断した場合（Ｓ１１０：ＹＥＳ）、Ｓ１２０に進む。
Ｓ１２０では、所定の計測期間の間、車載センサ群１１による計測値を所定周期で繰り返し取得する。このようにして複数の車載センサからそれぞれ取得した計測値の多次元時系列データを車両状態情報という。

続くＳ１３０では、Ｓ１２０にて取得した車両状態情報を、ｓＨＤＰ−ＨＭＭを用いてシンボル列に変換する（図３参照）。 続くＳ１４０では、Ｓ１３０にて生成されたシンボル列を、その生成元となった車両状態情報の取得時刻や取得位置等の付加情報と対応づけて状態記号記憶装置１４に記憶して、本処理を一旦終了する。

なお、計測開始指令および計測終了指令を入力することによって車両状態情報の取得を行う場合、ドライバは、収集条件が成立している間、所定の故障診断用のテスト走行パターンに従って運転操作を行うようにすることが望ましい。このようにして得られた車両状態情報は、診断に適した走行状態において取得されたものとなるため、故障以外の理由による計測値のバラツキを抑制することができる。なお、テスト走行パターンの実施は、通常、修理店等で行う作業であるが、例えば、テスト走行パターンを車載の表示装置等を介してドライバに提示するようにして、ユーザに車両状態情報の収集を行わせるようにしてもよい。テスト走行パターンに従って運転操作を行った場合、状態記号記憶装置１４に記憶する付加情報として、このテスト走行パターンの識別情報も対応づけて記憶することが望ましい。また、車両の状態が所定状態にあるため収集条件が成立していることによって車両状態情報の取得を行う場合、所定状態（例えば、アイドリング時や所定速度以上での定速走行時）を識別する識別情報も状態記号記憶装置１４に付加情報として記憶することが望ましい。

［故障情報提示装置］
図１に戻り、故障情報提示装置２０は、インタフェース（ＩＦ）部２１と、入力部２２と、表示部２３と、情報処理部２４と、故障事例記憶部２５と、通信部２６とを備える。

ＩＦ部２１は、車載装置群１０のＩＦ部１５との接続に用いられ、故障情報提示装置２０を車載ネットワークに接続するためのものである。
入力部２２は、故障情報提示装置２０の操作者が各種指令を入力するためのものであり、キーボードやタッチパネル等からなる。

表示部２３は、入力部２２を介した入力操作に関する案内や、情報処理部２４での処理結果を視覚的に提示するためのものである。
通信部２６は、公衆無線通信回線等を利用して故障事例情報サーバ３０との通信を行うためのものである。

故障事例記憶部２５は、通信部２６を介して故障事例情報サーバ３０から取得した故障事例情報や、情報処理部２４の処理によって生成された情報を記憶するものである。
情報処理部２４は、ＣＰＵ，ＲＯＭ，ＲＡＭを備えた周知のマイクロコンピュータからなり、故障診断処理および情報登録処理を少なくとも実行する。このうち、故障診断処理は、ＩＦ部２１が車両側のＩＦ部１５に接続された状態で、入力部２２を介して診断開始指令が入力されると起動する。一方、情報登録処理は、ＩＦ部２１の接続状態に関わらず、入力部２２を介して登録指令が入力されると起動する。

＜故障診断処理＞
故障診断処理の内容を、図５に示すフローチャートに沿って説明する。
本処理が起動すると、情報処理部２４のＣＰＵは、まず、Ｓ２１０にて、故障事例記憶部２５に記憶されている故障事例情報を必要に応じて更新する。具体的には、通信部２６を介した故障事例情報サーバ３０との通信により、故障事例記憶部２５に記憶された故障事例情報が、故障事例情報サーバ３０に記憶されているものと一致しているか否かを確認し、一致していない場合に、故障事例情報サーバ３０から情報を取得して、故障事例記憶部２５の記憶内容を更新する。これ以外に、前回の更新時から所定時間以上経過した場合、入力部２２を介して更新指令が入力された場合等に更新するようにしてもよい。

続くＳ２２０では、ＩＦ部２１を介して状態記号記憶装置１４に記憶されているシンボル列を取得する。このとき、取得先車両の車種や年式等、上述した修理情報に関連した情報も取得する。

続くＳ２３０では、故障事例記憶部２５に記憶されている故障事例情報のいずれか一つを選択し、さらに、Ｓ２４０では、Ｓ２３０にて選択した故障事例情報の車両状態記号として記憶されたシンボル列（事例シンボル列）とＳ２２０にて取得したシンボル列（取得シンボル列）との類似度を計算する。

なお、類似度として、正規化されたレーベンシュタイン距離を用いる。レーベンシュタイン距離は、図６に示すように、一方のシンボル列から他方のシンボル列への編集操作（「１文字置換」「１文字削除」「１文字追加」）の回数に基づいて算出される距離である。ここでは、両シンボル列のいずれか長い方のシンボル数で編集回数（レーベンシュタイン距離）を割ることによって正規化した結果を、類似度としている。

続くＳ２５０では、故障事例記憶部２５に記憶されている全ての故障事例についてＳ２４０の処理を実施済みであるか否かを判断し、処理を実施していない故障事例が存在すれば、Ｓ２３０に戻る。

一方、全ての故障事例について処理を実施済みであれば、Ｓ２６０にて、求めた類似度に基づいて故障事例候補を抽出する。具体的には、図７に示すように、類似度が所定値（例えば０．８）以上のものを故障事例候補として抽出する。但し、故障事例分類が同じである故障事例候補が複数存在する場合は、その中で類似度が最大のものだけを抽出する。

続くＳ２７０では、Ｓ２６０で抽出された故障事例に関する修理情報を、表示部２３を介して提示して、本処理を終了する。
故障情報提示装置２０の操作者（修理工場の作業者等）は、この提示された情報を参考にして故障箇所の特定や特定された故障に対する修理作業を実施する。

なお、Ｓ２５０では故障事例記憶部２５に記憶されているすべての故障事例についてＳ２４０の処理を実施済みであるか否かを判断したが、車両状態情報の付加情報に走行パターンの識別情報が含まれる場合、故障事例記憶部２５に記憶されている故障事例のうち同じ識別情報をもつすべての故障事例について処理が実施済みであるか否かを判断することが望ましい。これによって、車両状態情報と類似度の低い故障事例情報をあらかじめ処理から除外することができ、適切な故障事例候補の抽出と処理時間の短縮が可能となる。

＜情報登録処理＞
情報登録処理の内容を図８に示すフローチャートに沿って説明する。
本処理が起動すると、情報処理部２４のＣＰＵは、まずＳ３１０にて、登録の対象となる取得シンボル列を指定する。続くＳ３２０では、Ｓ３１０で指定された取得シンボル列から特定される故障事例について、特定された故障原因を表す故障事例分類、および特定された故障に対して実施された修理の内容（検査項目や交換部品等）を表す実施情報を、入力部２２を介して取得する。これらの故障事例分類や実施情報は、修理を実施した作業者等によって入力部２２を介して入力される。

続くＳ３３０では、Ｓ３１０で指定した取得シンボル列を車両状態記号とし、Ｓ３２０で取得した実施情報を修理情報として、両者を対応づけた更新用事例情報を生成し、その更新用事例情報を、通信部２６を介して故障事例情報サーバ３０に登録して、本処理を終了する。

なお、故障事例情報サーバ３０は、故障情報提示装置２０から取得した更新用事例情報に基づき、故障事例分類および車両状態情報がいずれも一致する故障事例情報がすでに登録されている場合には、登録済みの故障事例情報に、新たな修理情報（登録済みの情報との差分）を追加し、故障事例分類および車両状態情報のいずれか一方でも異なっている場合は、新たな故障事例情報として登録する。

［効果］
以上説明したように、故障情報提示システム１では、車両の異常時に計測された車両状態情報からシンボル列を生成し、このシンボル列によって、故障事例情報サーバ３０に蓄積された過去の故障事例情報を検索することで、類似した故障事例を抽出し、その故障事例に対する修理情報を提示している。これにより、修理者に有用な情報を提供することができる。

故障情報提示システム１では、車両状態記号（状態識別情報）や車両状態情報を表現する特徴量として、車載センサ群１１による計測値の時系列データをシンボル列に変換したものを用いている。このため、個々のシンボルによって時間的に局所的な事象を表現できるだけでなく、シンボル列によってこれら事象の生起パターンや生起頻度等を効率よく表現することができ、これらの事象に時系列的な異常を生じさせる故障を、的確に捉えることができる。

また、特徴量としてシンボル列を用いることにより、各事象の時間のずれやスケールの変化に対する頑健性を得ることができる。つまり、図９に示すように、同じ原因の故障であっても、車格やエンジンサイズ、運転操作の個人差等によって、各事象の継続時間や、事象が遷移する際の時間スケールが変化するが、そのような変化に対して普遍性を持つことができる。

さらに、特徴量としてシンボル列を使用することにより、従来のＦＦＤに基づく特徴量（多次元ベクトル）の時系列を使用する場合と比較して、情報を記憶する際に必要なメモリ容量や、記憶した情報の検索に要する処理量を削減することができる。なお、時間のずれやスケール変化を考慮した上で直接時系列同士を比較する方法として、例えば、ＤＴＷ（Dynamic Time Warping）が知られているが、この手法よりシンボル列同士を比較する方が、比較にかかる計算量が少ないため、検索対象が多い時に非常に有効となる。

［他の実施形態］
以上、本発明の実施形態について説明したが、本発明は、上記実施形態に限定されることなく、種々の形態を採り得ることは言うまでもない。

（１）上記実施形態では、車両状態情報からシンボル列を生成する際にｓＨＤＰ−ＨＭＭを用いているが、これに限るものではなく、例えば、ｓＨＤＭ−ＨＭＭとＮＰＹＬＭ（Nested Pitman-Yor Language Model）を用いた二重分節解析器を用いてもよいし（図３中の括弧内参照）、予め設定された量子化テーブルに従ってシンボル列を生成してもよい。

（２）上記実施形態では、事例シンボル列と取得シンボル列の類似度の算出に、レーベンシュタイン距離を利用しているが、これに限るものではなく、重み付きレーベンシュタイン距離やハミング距離など他の編集距離を用いてもよい。

（３）上記実施形態では、車両状態情報から単一のシンボル列を生成しているが、複数のシンボル列（取得シンボル列）を確率的に生成し、これら取得シンボル列と事例シンボル列と全ての組合せについて個別の類似度を算出し、その中の最大値または平均値を、故障事例候補の抽出時に用いる類似度として採用するようにしてもよい。さらに、複数のシンボル列の代わりに各シンボルの発生確率と遷移確率を表現したラティスを使用して、事例シンボル列との類似度を算出するようにしてもよい。

（４）上記実施形態では、故障事例候補を抽出する際に、類似度が所定値以上の故障事例を故障事例分類が重複しないように全て抽出しているが、類似度が大きいものから一つまたは予め定められた数の故障事例を抽出するようにしてもよい。

（５）上記実施形態では、事例シンボル列（車両状態記号）毎に故障事例情報を生成しているが（図２参照）、図１０に示すように、故障事例分類毎に故障事例情報を生成し、一つの故障事例情報に対して複数の事例シンボル列が対応づけられるように構成してもよい。この場合、故障情報提示装置２０から新たな故障事例情報の登録要求を受けた故障事例情報サーバ３０は、故障事例分類が同一となる登録済みの故障事例情報に、新たな情報を追加するようにすればよい。また、この場合、取得シンボル列と事例シンボル列との類似度を算出する際には、取得シンボル列と事例シンボル列の全ての組合せのそれぞれについて個別の類似度を算出し、その中の最大値または平均値を採用するようにすればよい。

（６）上記実施形態では、故障事例を車種に関係なく扱っているが、診断処理において同一車種に関する故障事例のみを抽出対象としたり、同一車種の故障事例を優先的に抽出したりしてもよい。また、故障事例情報自体を車種別に用意したり、車種の違いを考慮して故障事例分類を設定したりしてもよい。

（７）上記実施形態では、車両状態情報からシンボル列への変換を車両装置群１０側で行っているが、故障情報提示装置２０側で行うように構成してもよい。
（８）上記実施形態では、故障情報提示装置２０と故障事例情報サーバ３０は故障診断および情報登録ごとに通信部２６を通じて通信を行っているが、故障事例記憶部２５の情報の更新および更新用事例情報の故障事例情報サーバ３０への登録を別の手段を用いて行ってもよい。例えば、Ｓ２１０において情報更新を行わず、Ｓ３３０において更新用事例情報を故障事例情報サーバ３０に登録する代わりに、更新用事例情報を使って故障事例記憶部２５の情報を更新してもよい。そして、一定のタイミングで故障事例記憶部２５の情報と故障事例情報サーバ３０の情報を同期させても良い。この場合、故障事例記憶部２５に新たに登録された事例情報が故障情報提示装置２０から故障事例情報サーバ３０に送信され、故障事例記憶部２５に登録されていない事例情報が故障事例情報サーバ３０から故障情報提示装置２０に送信される。さらに、この情報の同期は通信を介さず、直接故障情報提示装置２０と故障事例情報サーバ３０を接続したり、外部記憶媒体（磁気ディスク、光学ディスクやフラッシュメモリなど）を用いて行ってもよい。

（９）本発明の各構成要素は概念的なものであり、上記実施形態に限定されない。例えば、一つの構成要素が有する機能を複数の構成要素に分散させたり、複数の構成要素が有する機能を一つの構成要素に統合したりしてもよい。また、上記実施形態の構成の少なくとも一部を、同様の機能を有する公知の構成に置き換えてもよい。また、上記実施形態の構成の少なくとも一部を、他の上記実施形態の構成に対して付加、置換等してもよい。

１…故障情報提示システム １０…車載装置群 １１…車載センサ群 １２…入力装置 １３…情報収集装置 １４…状態記号記憶装置 １５，２１…インタフェース（ＩＦ）部 ２０…故障情報提示装置 ２２…入力部 ２３…表示部 ２４…情報処理部 ２５…故障事例記憶部 ２６…通信部 ３０…故障事例情報サーバ

Claims (6)

1. 車両の状態を表す複数の計測値の時系列データを所定の特徴量で表現した車両状態情報を取得する情報取得手段（２４：Ｓ２２０）と、
   車両の故障時に計測された前記計測値の時系列データを前記特徴量で表現した状態識別情報と該状態識別情報に対応する故障の原因および該故障の修理方法を示した修理情報とを対応づけた複数の事例情報を記憶する事例記憶手段（２５，３０）と、
   前記事例記憶手段に記憶された前記事例情報毎に求めた前記車両状態情報と前記状態識別情報との類似度に従って、一つ以上の前記事例情報を抽出する事例抽出手段（２４：Ｓ２３０〜Ｓ２６０）と、
   前記事例抽出手段により抽出された前記事例情報に関する前記修理情報を提示する情報提示手段（２４：Ｓ２７０）と、
   を備え、
   前記特徴量として、前記計測値の時系列データ中に繰り返し現れるパターンをシンボル化することで得られるシンボル列が用いられていることを特徴とする故障情報提示システム。
2. 前記事例情報は、前記修理情報のそれぞれに一つ以上の前記状態識別情報が対応づけられており、
   前記事例抽出手段は、前記状態識別情報毎に求めた前記類似度の最大値または平均値を、前記事例情報の類似度とすることを特徴とする請求項１に記載の故障情報提示システム。
3. 前記事例抽出手段は、前記類似度として、前記特徴量であるシンボル列間の編集距離を求めることを特徴とする請求項１または請求項２に記載の故障情報提示システム。
4. 前記車両状態情報として、前記車載センサの計測値の時系列データから確率的に生成された複数のシンボル列を用いることを特徴とする請求項１ないし請求項３のいずれか１項に記載の故障情報提示システム。
5. 前記車両状態情報として、前記シンボルの発生確率を表現したラティスを用いることを特徴とする請求項１ないし請求項３のいずれか１項に記載の故障情報提示システム。
6. 前記情報取得手段により取得された前記車両状態情報について、該車両状態情報に対応する故障の原因や該故障に対して実施した修理の内容を示す実施情報を入力する実施情報入力手段（２４：Ｓ３２０）と、
   前記実施情報入力手段によって入力された前記実施情報を前記修理情報とし、該実施情報に対応する前記車両状態情報を前記状態識別情報とする更新用事例情報によって、前記事例記憶手段の記憶内容を更新する情報更新手段（２４：Ｓ３３０，３０）と、
   を備えることを特徴とする請求項１ないし請求項５のいずれか１項に記載の故障情報提示システム。