JP2016115008A - Failure prediction device, failure prediction method and failure prediction program - Google Patents

Failure prediction device, failure prediction method and failure prediction program Download PDF

Info

Publication number
JP2016115008A
JP2016115008A JP2014251154A JP2014251154A JP2016115008A JP 2016115008 A JP2016115008 A JP 2016115008A JP 2014251154 A JP2014251154 A JP 2014251154A JP 2014251154 A JP2014251154 A JP 2014251154A JP 2016115008 A JP2016115008 A JP 2016115008A
Authority
JP
Japan
Prior art keywords
failure
state
usage time
failure rate
average
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2014251154A
Other languages
Japanese (ja)
Other versions
JP6359960B2 (en
Inventor
暁曦 張
Xiaoxi Zhang
暁曦 張
正浩 外間
Masahiro Sotoma
正浩 外間
孝 澤田
Takashi Sawada
孝 澤田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nippon Telegraph and Telephone Corp
Original Assignee
Nippon Telegraph and Telephone Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nippon Telegraph and Telephone Corp filed Critical Nippon Telegraph and Telephone Corp
Priority to JP2014251154A priority Critical patent/JP6359960B2/en
Publication of JP2016115008A publication Critical patent/JP2016115008A/en
Application granted granted Critical
Publication of JP6359960B2 publication Critical patent/JP6359960B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Complex Calculations (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

PROBLEM TO BE SOLVED: To calculate a generation probability of failure with consideration of a deterioration state.SOLUTION: A first derivation part 11 derives a function expression, which expresses a failure ratio of each steel pole at each use time based on inspection information, with the use time t as a variable number, from all records of the inspection information. A use time estimation part 12 uses the inspection information as input, and estimates an average use time which is a period until the respective steel pole is deteriorated to respective deterioration state. A second derivation part 13 adds the average use time which is the period until the respective steel pole is deteriorated to the respective deterioration state, estimated by the use time estimation part 12, to the time t which is the variable number of the function expression indicating the failure ratio of the respective steel pole at each use time, derived by the first derivation part 11. A future failure ratio calculation part 14 uses a use year and the deterioration state at a future prediction time T1 as inputs to a function expression of an average failure ratio curve which is derived by the second derivation part 13, and calculates the predicted failure ratio of the respective steel pole according to the use year and deterioration state.SELECTED DRAWING: Figure 1

Description

本発明は、故障予測装置、故障予測方法及び故障予測プログラムに関する。   The present invention relates to a failure prediction apparatus, a failure prediction method, and a failure prediction program.

現代社会は、様々な設備及び構造物等によって支えられている。設備及び構造物等は、時間の経過とともに様々な要因によって劣化し、その機能を失っていく。設備及び構造物等は、適切なメンテナンス、更改等の計画に基づき、管理される。例えば、劣化が進み、破損又は故障に至ると社会的影響度が大きい設備及び構造物の場合、破損又は故障を極力回避できるように、破損又は故障に至る前に、劣化予測に基づいた予防保全が実施されることが望まれる。   The modern society is supported by various facilities and structures. Equipment, structures and the like deteriorate with various factors over time and lose their functions. Equipment and structures are managed based on appropriate maintenance and renewal plans. For example, in the case of facilities and structures that have a great social impact when deterioration progresses and damage or failure occurs, preventive maintenance based on the prediction of deterioration before damage or failure is possible so that damage or failure can be avoided as much as possible. Is desired to be implemented.

劣化予測の方法の一つとして、ワイブル解析により、ワイブル分布に従う故障率曲線の関数式を求め、故障率曲線の関数式を用いて、個々の設備及び構造物等の故障率を予測する手法がある。ここで、ワイブル分布は、ワイブル(W. Weibull)が、1939年に金属材料の疲労寿命についての研究を行った際に、「脆性材料の破壊は、材料中に分布する互いに独立な欠陥の存在が原因となって起こる」という仮定のもとに提案したモデルである。ワイブル分布は、信頼性工学において頻出する「システムの最も脆弱な箇所が故障することによりシステム全体が使用できなくなるというモデル」に対しても適用できることから、故障の発生確率の確率分布モデルとして採用される。   As one of the methods of predicting deterioration, there is a method of obtaining a failure rate curve function equation according to the Weibull distribution by Weibull analysis, and predicting failure rates of individual facilities and structures using the failure rate curve function equation. is there. Here, the Weibull distribution is that when W. Weibull conducted a study on the fatigue life of metallic materials in 1939, “the failure of brittle materials is the presence of mutually independent defects distributed in the material. It is a model proposed based on the assumption that "is caused by". Since the Weibull distribution can also be applied to the "model where the entire system cannot be used due to a failure of the most vulnerable part of the system" that frequently appears in reliability engineering, it is adopted as a probability distribution model of the occurrence probability of failures. The

ワイブル分布において、故障率は以下の(式1)で定義される。   In the Weibull distribution, the failure rate is defined by the following (Equation 1).

Figure 2016115008
Figure 2016115008

このとき、mは形状パラメータ、ηは尺度パラメータ(または特性寿命)と呼ばれ、いずれもワイブル分布のパラメータである。この両パラメータを決定することが、故障率を定めることに等しい。また、両パラメータが決まれば、将来の故障率を使用時間(または使用頻度など)tのみで予測できる。   At this time, m is called a shape parameter, and η is called a scale parameter (or characteristic lifetime), both of which are Weibull distribution parameters. Determining both parameters is equivalent to determining the failure rate. If both parameters are determined, the future failure rate can be predicted only by the usage time (or usage frequency) t.

田中 健次、“入門信頼性 技術者がはじめて学ぶ”、日科技連出版社、2008年12月25日Kenji Tanaka, “Introductory reliability engineer learns for the first time”, Nikka Giren Publisher, December 25, 2008 外間 正浩、澤田 孝、“鋼管柱の地際部腐食に関する信頼性分析”、日本信頼性学会第25回秋季信頼性シンポジウム発表報文集pp.21-24、2012年11月2日Masahiro Tokuma, Takashi Sawada, “Reliability analysis of submerged corrosion of steel pipe columns”, Proceedings of the 25th Autumn Reliability Symposium of the Japan Reliability Society, pp.21-24, November 2, 2012

しかし、実環境において使用されている設備及び構造物等は、さまざまな環境要因に影響され、最新の設備点検時において、使用時間が同一であっても、劣化状態が必ずしも同一ではない。例えば、屋外に設置されている設備であれば、気象要因の影響を受ける。すなわち、最新の設備点検時では同一の使用時間の設備や構造物でも、劣化状態が深刻であるものほど、故障の発生確率がより大きくなると考えられる。このように、最新の設備点検時における劣化状態を考慮したうえで、予防保全を実施するため、劣化状態を加味した故障の発生確率を算出することが望まれる。   However, the equipment and structures used in the actual environment are affected by various environmental factors, and the deterioration state is not necessarily the same even when the usage time is the same at the latest equipment inspection. For example, equipment installed outdoors is affected by weather factors. That is, at the latest equipment inspection, even if the equipment and structure have the same usage time, the more serious the deterioration state, the higher the probability of occurrence of a failure. Thus, in order to perform preventive maintenance in consideration of the deterioration state at the time of the latest equipment inspection, it is desired to calculate the probability of occurrence of a failure in consideration of the deterioration state.

本願が開示する実施形態の一例は、上記に鑑みてなされたものであって、劣化状態を加味した故障の発生確率を算出することを目的とする。   An example of an embodiment disclosed in the present application has been made in view of the above, and an object thereof is to calculate the occurrence probability of a failure in consideration of a deterioration state.

本願が開示する実施形態の一例は、第1の導出部、推定部、第2の導出部、算出部を備える。第1の導出部は、3以上の劣化状態に段階的にレベル分けされている各管理対象物の点検結果を蓄積したデータから、管理対象物のある使用時間における平均故障率を予測する平均故障率曲線の関数式を導出する。推定部は、各管理対象物が各劣化状態に該当するに至るまでの各平均使用時間を推定する。第2の導出部は、前記第1の導出部により導出された平均故障率曲線の関数式を、前記推定部により推定された各平均使用時間で補正することにより、各劣化状態に該当する各管理対象物のある使用時間における故障率を予測する故障率曲線の関数式を導出する。算出部は、前記第2の導出部により導出された故障率曲線の関数式を用いて、各劣化状態に該当する各管理対象物がある使用時間において故障する各故障率を算出する。   An example of an embodiment disclosed in the present application includes a first derivation unit, an estimation unit, a second derivation unit, and a calculation unit. The first deriving unit predicts an average failure rate for a certain usage time of the management target object from data obtained by accumulating inspection results of each management target object that are classified into three or more deterioration states in stages. Deriving the function formula of the rate curve. The estimation unit estimates each average usage time until each managed object reaches each degradation state. The second deriving unit corrects the functional equation of the average failure rate curve derived by the first deriving unit with each average usage time estimated by the estimating unit, thereby obtaining each of the deterioration states. A function formula of a failure rate curve that predicts a failure rate in a certain usage time of a management object is derived. The calculation unit calculates each failure rate at which each managed object corresponding to each deterioration state fails during a certain usage time using the functional expression of the failure rate curve derived by the second deriving unit.

本願が開示する実施形態の一例によれば、例えば、劣化状態を加味した故障の発生確率を算出することができる。   According to an example of an embodiment disclosed in the present application, for example, it is possible to calculate the occurrence probability of a failure in consideration of a deterioration state.

図1は、故障予測装置の構成の一例を示す図である。FIG. 1 is a diagram illustrating an example of the configuration of the failure prediction apparatus. 図2は、点検情報データの一例を示す図である。FIG. 2 is a diagram illustrating an example of inspection information data. 図3は、故障予測装置の各部の処理の詳細の一例を示す図である。FIG. 3 is a diagram illustrating an example of details of processing of each unit of the failure prediction apparatus. 図4は、劣化状態1を故障とする場合のワイブルプロットの一例を示す図である。FIG. 4 is a diagram illustrating an example of a Weibull plot when the degradation state 1 is a failure. 図5は、劣化状態1乃至2を故障とする場合のワイブルプロットの一例を示す図である。FIG. 5 is a diagram illustrating an example of a Weibull plot when the degradation states 1 and 2 are failures. 図6は、劣化状態1乃至3を故障とする場合のワイブルプロットの一例を示す図である。FIG. 6 is a diagram illustrating an example of a Weibull plot when the degradation states 1 to 3 are failures. 図7は、各パラメータの一例を示す図である。FIG. 7 is a diagram illustrating an example of each parameter. 図8は、故障予測処理を示すフローチャートである。FIG. 8 is a flowchart showing failure prediction processing. 図9Aは、従来技術により算出した故障率の順位を示す図である。FIG. 9A is a diagram showing a ranking of failure rates calculated by the conventional technique. 図9Bは、実施形態の技術により算出した故障率の順位を示す図である。FIG. 9B is a diagram illustrating a ranking of failure rates calculated by the technique of the embodiment. 図10は、各プログラムが実行されることにより、故障予測装置が実現されるコンピュータの一例を示す図である。FIG. 10 is a diagram illustrating an example of a computer in which the failure prediction apparatus is realized by executing each program.

[実施形態]
以下、本願が開示する故障予測装置、故障予測方法及び故障予測プログラムの実施形態を説明する。以下の実施形態では、屋外に設置される鋼管柱を故障率予測の対象とする。すなわち、実施形態は、鋼管柱の予防保全、例えば、設備更改や設備点検の優先順位の決定を行う際に、実使用時間だけでは把握できない使用環境の違いなどに由来する劣化状態の違いも簡易に統計的に考慮できる故障予測の手法を提示する。しかし、故障率予測の管理対象物は、経年劣化とともに設置環境等の経年劣化以外の要因により劣化が進行し、故障又は要交換状況に至る機器、設備等であって、同一又は同様の規格のものが様々な地理条件下あるいは気象条件下に多数設置されるものであればよい。なお、以下の実施形態は、一例を示すに過ぎず、本願が開示する技術を限定するものではない。また、以下に示す実施形態及びその変形例は、矛盾しない範囲で適宜組合せてもよい。
[Embodiment]
Hereinafter, embodiments of a failure prediction device, a failure prediction method, and a failure prediction program disclosed in the present application will be described. In the following embodiments, steel pipe columns installed outdoors are targets for failure rate prediction. In other words, the embodiment simplifies the difference in the deterioration state derived from the difference in the use environment that cannot be grasped only by the actual use time when determining the priority order of the steel pipe column preventive maintenance, for example, the equipment renewal or the equipment inspection. We present a failure prediction method that can be considered statistically. However, management targets for failure rate prediction are equipment, facilities, etc. that have deteriorated due to factors other than aging, such as the installation environment, and that have failed or require replacement. What is necessary is just to install many things under various geographical conditions or weather conditions. The following embodiments are merely examples, and do not limit the technology disclosed by the present application. Moreover, you may combine suitably embodiment shown below and its modification in the range which does not contradict.

(故障予測装置の構成)
図1は、故障予測装置の構成の一例を示す図である。故障予測装置10は、点検情報データベース1、出力装置2が接続される。点検情報データベース1は、少なくとも鋼管柱の識別情報、建設年月、最新点検年月、少なくとも3段階で劣化の進行程度を示す劣化状態が、鋼管柱毎に対応付けられたレコードを有する。点検情報データベース1は、十分な数のレコード(データ数)を蓄積している。出力装置2は、故障予測装置10による故障予測結果を出力するディスプレイ、プリンタ等の出力装置である。
(Configuration of failure prediction device)
FIG. 1 is a diagram illustrating an example of the configuration of the failure prediction apparatus. The failure prediction device 10 is connected to the inspection information database 1 and the output device 2. The inspection information database 1 has a record in which at least three pieces of deterioration information indicating the degree of progress of deterioration in at least three stages, the identification information of the steel pipe column, the construction date, and the latest inspection date are associated with each steel pipe column. The inspection information database 1 stores a sufficient number of records (data number). The output device 2 is an output device such as a display or a printer that outputs a failure prediction result from the failure prediction device 10.

故障予測装置10は、第1の導出部11、使用時間推定部12、第2の導出部13、将来故障率算出部14を有する。第1の導出部11は、点検情報データベース1からの点検情報を入力とし、点検情報の全てのレコードから、点検情報に基づく各鋼管柱の各使用時間における故障率を、使用時間tを変数とする関数で表す関数式を導出する。   The failure prediction apparatus 10 includes a first derivation unit 11, a usage time estimation unit 12, a second derivation unit 13, and a future failure rate calculation unit 14. The first deriving unit 11 receives the inspection information from the inspection information database 1, and from all records of the inspection information, the failure rate at each usage time of each steel pipe column based on the inspection information, and the usage time t as a variable. A function expression expressed by the function to be derived is derived.

使用時間推定部12は、点検情報データベース1からの点検情報を入力とし、鋼管柱が各劣化状態まで劣化する平均使用時間を推定する。すなわち、使用時間推定部12は、点検情報を入力とし、点検情報の全てのレコードのうち、各劣化状態以上まで進行した劣化を示す全ての劣化状態を故障状態と見なす。そして、使用時間推定部12は、各劣化状態まで進行していない劣化を示す全ての劣化状態を非故障状態と見なす。各劣化状態以上まで進行した劣化を示す劣化状態を見なし故障状態と呼び、各劣化状態まで進行していない劣化を示す劣化状態を見なし非故障状態と呼ぶ。そして、使用時間推定部12は、点検情報に基づいて、鋼管柱が各見なし非故障状態から各見なし故障状態に至るまでに要する平均使用時間を推定する。   The usage time estimation unit 12 receives inspection information from the inspection information database 1 as input, and estimates an average usage time at which the steel pipe column deteriorates to each deterioration state. In other words, the usage time estimation unit 12 receives the inspection information as input, and regards all deterioration states indicating deterioration that has progressed to each deterioration state or more among all records of the inspection information as failure states. And the usage time estimation part 12 considers all the deterioration states which show the deterioration which has not progressed to each deterioration state as a non-failure state. A deterioration state indicating deterioration that has progressed to each deterioration state or more is referred to as a failure state, and a deterioration state that indicates deterioration that has not progressed to each deterioration state is not referred to as a non-failure state. And the usage time estimation part 12 estimates the average usage time required for a steel pipe column to reach from each assumed non-failure state to each assumed failure state based on inspection information.

第2の導出部13は、第1の導出部11により導出された各鋼管柱の各使用時間における故障率を表す関数式の変数である時刻tに、使用時間推定部12により推定された劣化状態毎の各平均使用時間を加算する。劣化状態毎の各平均使用時間は、各見なし非故障状態から各見なし故障状態に至るまでに要する時間である。これにより、第2の導出部13は、最新点検時の『劣化状態』を反映させた、より適切な平均故障率曲線の関数式が導出される。   The second derivation unit 13 is a deterioration estimated by the usage time estimation unit 12 at a time t which is a variable of a functional expression representing a failure rate at each usage time of each steel pipe column derived by the first derivation unit 11. Add each average usage time for each state. Each average usage time for each deterioration state is a time required from each deemed non-failure state to each deemed failure state. As a result, the second deriving unit 13 derives a more appropriate function equation of the average failure rate curve reflecting the “deterioration state” at the time of the latest inspection.

将来故障率算出部14は、第2の導出部13により導出された平均故障率曲線の関数式に対し、将来のある予測時点T1における『使用年数』及び『劣化状態』を入力とし、『使用年数』及び『劣化状態』に応じた鋼管柱の予測故障率を算出する。   The future failure rate calculation unit 14 inputs “year of use” and “deterioration state” at a certain predicted time point T1 to the function formula of the average failure rate curve derived by the second deriving unit 13, Calculate the predicted failure rate of steel pipe columns according to “year” and “degradation state”.

(点検情報データ)
図2は、点検情報データの一例を示す図である。点検情報データ1aは、点検情報データベース1に格納される。点検情報データベース1は、少なくとも鋼管柱の基本属性情報及び最新の点検結果を記録したデータベースである。ここで、点検結果である劣化状態の評価結果は少なくとも3状態以上である。点検情報データベース1は、点検情報データ1aの一例として、鋼管柱の地際部腐食状況を記録する。
(Inspection information data)
FIG. 2 is a diagram illustrating an example of inspection information data. The inspection information data 1 a is stored in the inspection information database 1. The inspection information database 1 is a database that records at least basic attribute information of steel pipe columns and the latest inspection results. Here, the evaluation result of the degradation state which is the inspection result is at least three states or more. The inspection information database 1 records the ground corrosion situation of the steel pipe column as an example of the inspection information data 1a.

図2に一例を示すように、点検情報データ1aは、『県域』『設備番号』『建設年月』『最新点検年月』『劣化状態』のカラムを有する。『県域』は、例えば、当該レコードに該当する鋼管柱が設置されている地域を示す情報である。『県域』に代えて、緯度及び経度等の『位置情報』を採用してもよい。『設備番号』は、例えば、当該レコードに該当する鋼管柱を一意に識別する識別情報である。『建設年月』は、例えば、当該レコードに該当する鋼管柱が設置された年月を示す時刻情報である。『最新点検年月』は、例えば、当該レコードに該当する鋼管柱が、点検作業員により最後に点検された年月を示す時刻情報である。『劣化状態』は、例えば、当該レコードに該当する鋼管柱が、点検作業員により最後に点検された際に、所定の評価項目に従って定量的及び/又は定性的に評価された結果を段階的に示す情報である。   As shown in FIG. 2, the inspection information data 1 a includes columns of “prefecture area”, “equipment number”, “construction date”, “latest inspection date”, and “deterioration state”. “Prefectural area” is, for example, information indicating an area where a steel pipe column corresponding to the record is installed. Instead of “prefecture area”, “location information” such as latitude and longitude may be adopted. “Equipment number” is, for example, identification information for uniquely identifying a steel pipe column corresponding to the record. “Construction date” is, for example, time information indicating the date when the steel pipe column corresponding to the record is installed. “Latest inspection date” is, for example, time information indicating the date when the steel pipe column corresponding to the record was last inspected by the inspection worker. The “degraded state” is, for example, a stepwise result obtained by quantitatively and / or qualitatively evaluating a steel pipe column corresponding to the record according to a predetermined evaluation item when the inspection worker was last inspected. It is information to show.

『劣化状態』は、例えば、“1”〜“4”までの状態がある。『劣化状態』“1”は、最も劣化が進行した状態を示す。『劣化状態』“2”は、『劣化状態』“1”に次いで劣化が進行した状態を示す。『劣化状態』“3”は、『劣化状態』“2”に次いで劣化が進行した状態を示す。『劣化状態』“4”は、最も劣化が進行していない状態又は非劣化状態を示す。図2に示す例では、例えば『県域』“A”、『設備番号』“○○1”、『建設年月』“197904(1979年4月)”の鋼管柱は、『最新点検年月』“201111(2011年11月)”、『劣化状態』“1”である。   “Degraded state” includes, for example, states from “1” to “4”. “Deterioration state” “1” indicates a state in which the deterioration is most advanced. “Degraded state” “2” indicates a state in which the deterioration has progressed after “Degraded state” “1”. “Deterioration state” “3” indicates a state in which the deterioration has progressed after “Deterioration state” “2”. “Degraded state” “4” indicates a state in which the deterioration is least advanced or a non-degraded state. In the example shown in FIG. 2, for example, the steel pipe columns of “prefecture” “A”, “equipment number” “XX1”, “construction date” “197904 (April 1979)” “20111 (November 2011)”, “deterioration state” “1”.

(故障予測装置の各部の処理の詳細)
図3は、故障予測装置の各部の処理の詳細の一例を示す図である。故障予測装10の第1の導出部11は、平均故障率曲線の関数式導出の際に、点検情報データベース1から鋼管柱の「使用時間」及び『劣化状態』を抽出する。なお、「使用時間」は、点検情報データベース1の各レコードの『最新点検年月』から『建設年月』を差し引いた差である「年数」を採用するとしてもよい。「年数」未満の差は、四捨五入等の所定の丸めルールに従い処理してもよい。なお、「使用時間」の時間単位は、『建設年月』及び『最新点検年月』に応じて「年数」又は「月数」としてもよく、『建設年月』及び『最新点検年月』に、より詳細な時刻が規定される場合には、その詳細な時刻に沿った時間単位としてもよい。
(Details of processing of each part of the failure prediction device)
FIG. 3 is a diagram illustrating an example of details of processing of each unit of the failure prediction apparatus. The first deriving unit 11 of the failure predictor 10 extracts the “usage time” and “deterioration state” of the steel pipe column from the inspection information database 1 when deriving the functional equation of the average failure rate curve. As the “use time”, “year” that is a difference obtained by subtracting “construction date” from “latest check date” of each record of the check information database 1 may be adopted. Differences less than “years” may be processed according to a predetermined rounding rule such as rounding off. In addition, the unit of time of “Usage time” may be “Years” or “Months” according to “Construction date” and “Latest check date”. In addition, when a more detailed time is defined, a time unit along the detailed time may be used.

そして、第1の導出部11は、『劣化状態』“2”〜“4”から『劣化状態』“1”に達する故障確率を示す関数式を導出する。第1の導出部11は、最も劣化が進んでいる『劣化状態』“1”のデータを故障データとして設定し、故障に達成していない劣化状態のデータをすべて未故障データ(打ち切りデータ)として設定する。そして、第1の導出部11は、ワイブル分析(累積ハザード型)により、平均故障率曲線の関数式(式2)を導出する。この際に求めたηavgは、特性寿命と呼ばれ、劣化なしの状態、つまり『劣化状態』“2”〜“4”から『劣化状態』“1”に達する使用時間(すなわち、寿命)と考えてよい。 Then, the first deriving unit 11 derives a functional expression indicating the failure probability of reaching the “degraded state” “1” from the “degraded state” “2” to “4”. The first deriving unit 11 sets the data of “degraded state” “1”, which is most deteriorated, as failure data, and sets all the data in the degraded state that has not achieved failure as unfailed data (censored data). Set. Then, the first deriving unit 11 derives a function equation (Equation 2) of the average failure rate curve by Weibull analysis (cumulative hazard type). Η avg obtained at this time is called a characteristic life, and is a state without deterioration, that is, a use time (that is, a life) in which “deterioration state” “2” to “4” reaches “deterioration state” “1”. You can think about it.

Figure 2016115008
Figure 2016115008

また、使用時間推定部12は、『劣化状態』“3”〜“4”から『劣化状態』“2”に達する使用時間を推定する。先ず、使用時間推定部12は、点検情報データベース1から、各鋼管柱の「使用時間」及び『劣化状態』を抽出し、『劣化状態』“1”及び“2”のデータを故障データとして設定し、『劣化状態』“3”及び“4”のデータを未故障データとして設定する。未故障データは、打ち切りデータである。そして、使用時間推定部12は、ワイブル分析(累積ハザード型)により、特性寿命(尺度パラメータ)ηを推定する。特性寿命ηは、『劣化状態』“3”〜“4”から『劣化状態』“2”に達する使用時間である。 Further, the usage time estimation unit 12 estimates the usage time from “degraded state” “3” to “4” to “degraded state” “2”. First, the use time estimation unit 12 extracts “use time” and “deterioration state” of each steel pipe column from the inspection information database 1, and sets “deterioration state” “1” and “2” data as failure data. Then, the data of “degraded state” “3” and “4” is set as unfailed data. Unfailed data is censored data. Then, the usage time estimation unit 12 estimates the characteristic life (scale parameter) η 2 by Weibull analysis (cumulative hazard type). The characteristic life η 2 is a usage time for reaching the “degraded state” “2” from the “degraded state” “3” to “4”.

同様に、使用時間推定部12は、点検情報データベース1から、各鋼管柱の「使用時間」及び『劣化状態』を抽出し、『劣化状態』“1”〜“3”のデータを故障データとして設定し、『劣化状態』“4”のデータを未故障データとして設定する。未故障データは、打ち切りデータである。そして、使用時間推定部12は、ワイブル分析(累積ハザード型)により、特性寿命(尺度パラメータ)ηを推定する。特性寿命ηは、『劣化状態』“4”から『劣化状態』“3”に達する使用時間である。 Similarly, the use time estimation unit 12 extracts “use time” and “deterioration state” of each steel pipe column from the inspection information database 1, and uses the data of “deterioration state” “1” to “3” as failure data. Set the “degraded state” “4” data as unfailed data. Unfailed data is censored data. Then, the usage time estimation unit 12 estimates the characteristic life (scale parameter) η 3 by Weibull analysis (cumulative hazard type). The characteristic life η 3 is a usage time from the “degraded state” “4” to the “degraded state” “3”.

また、第2の導出部13は、使用時間推定部12により推定された特性寿命η、ηを用いて、上記の(式2)に示す平均故障率曲線の関数式を補正する。すなわち、第2の導出部13は、以下の(式3)に示すように、使用時間tのみならず、最新点検時の『劣化状態』をも反映した将来故障率曲線の関数式を導出する。つまり、最新点検時の『劣化状態』が“2”〜“4”の未故障のデータに対して、平均故障率曲線の関数式における使用時間tに、『劣化状態』“4”からさらに劣化が進んでいた寿命特性η又はηを加算する。 The second deriving unit 13 corrects the functional equation of the average failure rate curve shown in (Equation 2) using the characteristic lifetimes η 2 and η 3 estimated by the usage time estimating unit 12. That is, as shown in the following (Equation 3), the second deriving unit 13 derives a function formula of a future failure rate curve reflecting not only the use time t but also the “deterioration state” at the time of the latest inspection. . In other words, for the non-failed data of “2” to “4” in the “deterioration state” at the time of the latest inspection, further deterioration from “deterioration state” “4” occurs in the usage time t in the function formula of the average failure rate curve. Is added to the life characteristic η 2 or η 3 which has been advanced.

つまり、現在以降の将来時点の故障率を予測する際に、最新点検時の『劣化状態』が劣化なし以外の劣化状態の未故障のデータに対して、平均故障率曲線の関数式における使用時間tに、劣化なし状態から最新点検時の『劣化状態』へ劣化する平均時間を加算する。これにより、最新点検時の『劣化状態』を反映させたより妥当な故障率が予測できる。   In other words, when predicting the failure rate at the future time point after the present, the usage time in the function formula of the average failure rate curve for unfailed data with a deterioration state other than “no deterioration” at the time of the latest inspection Add to t the average time to deteriorate from the no deterioration state to the “deterioration state” at the latest inspection. Thereby, a more reasonable failure rate reflecting the “deterioration state” at the time of the latest inspection can be predicted.

Figure 2016115008
Figure 2016115008

そして、将来故障率算出部14は、鋼管柱の、現時点以降の予測時点T1における実使用年数と最新点検時の『劣化状態』を入力とし、現時点以降の予測時点T1の故障率を算出する。そして、将来故障率算出部14は、例えば、各鋼管柱について予測した現時点以降の予測時点T1の故障率の降順で各鋼管柱を順序付けて、出力装置2等を制御して出力する。   Then, the future failure rate calculation unit 14 inputs the actual years of use of the steel pipe column at the predicted time T1 after the current time and the “deterioration state” at the latest inspection, and calculates the failure rate at the predicted time T1 after the current time. And the future failure rate calculation part 14 orders each steel pipe column in descending order of the failure rate of the prediction time T1 after the present time predicted about each steel pipe column, for example, controls the output apparatus 2 grade | etc., And outputs it.

(ワイブル分析(累積ハザード型)について)
以下、ワイブル分析(累積ハザード型)について説明する。累積ハザード関数H(t)は、以下の(数4)に示すワイブル分布の故障率を、以下の(式5)に示すように、時刻区間[0,t](t>0)で積分したものである。
(Weibull analysis (cumulative hazard type))
The Weibull analysis (cumulative hazard type) will be described below. The cumulative hazard function H (t) is obtained by integrating the failure rate of the Weibull distribution shown in the following (Equation 4) in the time interval [0, t] (t> 0) as shown in the following (Equation 5). Is.

Figure 2016115008
Figure 2016115008

Figure 2016115008
Figure 2016115008

そして、上記の(式5)の両辺の自然対数を取ると、以下の(式6)のようになる。   Then, taking the natural logarithm of both sides of the above (Formula 5), the following (Formula 6) is obtained.

Figure 2016115008
Figure 2016115008

そして、上記の(式6)の左辺における“ln(H(t))”及び右辺における“ln(t)”について、ランダム打ち切りに基づく累積ハザード解析により、“ln(t)”を横軸及び“ln(H(t))”を縦軸とするグラフへワイブルプロットを行う。ここで、x=ln(t)とおき、y=ln(H(t))とおく。そして、ワイブルプロットを最小自乗法等により直線近似した場合の直線の傾きが、上記の(式4)における形状パラメータmの推定値である。また、直線近似した場合の直線において、推定された形状パラメータmに対して、ln(H(t))=0とした場合のln(t)から尺度パラメータ(または特性寿命)ηが推定される。ランダム打ち切りに基づく累積ハザード解析については、「田中 健次、“入門信頼性 技術者がはじめて学ぶ”、日科技連出版社、2008年12月25日、pp.102-105」等の既存の手法を用いることができる。   Then, with respect to “ln (H (t))” on the left side of (Equation 6) and “ln (t)” on the right side, “ln (t)” is represented on the horizontal axis and by the cumulative hazard analysis based on random truncation. Weibull plotting is performed on a graph having “ln (H (t))” as a vertical axis. Here, x = ln (t) is set and y = ln (H (t)) is set. The slope of the straight line when the Weibull plot is linearly approximated by the method of least squares or the like is the estimated value of the shape parameter m in the above (Expression 4). Further, a scale parameter (or characteristic life) η is estimated from ln (t) when ln (H (t)) = 0 with respect to the estimated shape parameter m in a straight line obtained by linear approximation. . For cumulative hazard analysis based on random truncation, we use existing methods such as “Kenji Tanaka,“ Introductory Reliability Engineer Learns for the First Time ”, Nikka Giren Publisher, December 25, 2008, pp.102-105”. Can be used.

(ワイブルプロットの一例)
図4〜図6を参照して、ワイブルプロットの一例について説明する。図4は、劣化状態1を故障とする場合のワイブルプロットの一例を示す図である。図4は、『劣化状態』“1”を故障と見なし、『劣化状態』“2”〜“4”を故障なしと見なし、上述したランダム打ち切りに基づく累積ハザード解析を行い、ワイブルプロットを行った場合を示す。図4に示すように、ワイブルプロットは、“y=5.307x−23.29”と直線近似できる。ここで、“y=ln(H(t))”“x=ln(t)”である。よって、図4に示すワイブルプロットにより、上記の(式2)に示す平均故障率曲線の関数式の形状パラメータmavg及び尺度パラメータ(または特性寿命)ηavgが推定できる。mavg=5.307であり、ηavg=80.52である。なお、『劣化状態』“1”を故障と見なし、『劣化状態』“2”〜“4”を故障なしと見なした場合の、ワイブル分布に基づく平均故障率曲線の関数式は、以下の(式7)のとおりである。
(Example of Weibull plot)
An example of the Weibull plot will be described with reference to FIGS. FIG. 4 is a diagram illustrating an example of a Weibull plot when the degradation state 1 is a failure. In FIG. 4, “degraded state” “1” is regarded as a failure, “degraded states” “2” to “4” are regarded as no failure, cumulative hazard analysis based on the above-mentioned random censoring is performed, and a Weibull plot is performed. Show the case. As shown in FIG. 4, the Weibull plot can be linearly approximated as “y = 5.307x−23.29”. Here, “y = ln (H (t))” and “x = ln (t)”. Therefore, the shape parameter m avg and the scale parameter (or characteristic life) η avg of the functional equation of the average failure rate curve shown in (Expression 2) can be estimated by the Weibull plot shown in FIG. m avg = 5.307 and η avg = 80.52. The function equation of the average failure rate curve based on the Weibull distribution when “degraded state” “1” is regarded as a failure and “degraded states” “2” to “4” is regarded as no failure is as follows: It is as (Formula 7).

Figure 2016115008
Figure 2016115008

図5は、劣化状態1乃至2を故障とする場合のワイブルプロットの一例を示す図である。図5は、『劣化状態』“1”及び“2”を故障と見なし、『劣化状態』“3”及び“4”を故障なしと見なし、上述したランダム打ち切りに基づく累積ハザード解析を行い、ワイブルプロットを行った場合を示す。図5に示すように、ワイブルプロットは、“y=4.679x−19.63”と直線近似できる。ここで、“y=ln(H(t))”“x=ln(t)”である。よって、図5に示すワイブルプロットにより、上記の(式4)に示す平均故障率曲線の関数式の形状パラメータm(ここではmとおく)及び尺度パラメータ(または特性寿命)η(ここではηとおく)が推定できる。m=4.679であり、η=66.37である。なお、『劣化状態』“1”及び“2”を故障と見なし、『劣化状態』“3”及び“4”を故障なしと見なした場合の、ワイブル分布に基づく平均故障率曲線の関数式は、以下の(式8)のとおりである。 FIG. 5 is a diagram illustrating an example of a Weibull plot when the degradation states 1 and 2 are failures. FIG. 5 considers “degraded states” “1” and “2” as failures, “degraded states” “3” and “4” as no failures, performs cumulative hazard analysis based on the above-mentioned random truncation, and performs Weibull The case where plotting was performed is shown. As shown in FIG. 5, the Weibull plot can be linearly approximated as “y = 4.679x−19.63”. Here, “y = ln (H (t))” and “x = ln (t)”. Therefore, according to the Weibull plot shown in FIG. 5, the shape parameter m (here, m 2 ) and the scale parameter (or characteristic life) η (here η) of the average failure rate curve shown in (Equation 4) above. 2 ). m 2 = 4.679 and η 2 = 66.37. It should be noted that a functional expression of an average failure rate curve based on the Weibull distribution when “degraded state” “1” and “2” are regarded as failures and “degraded state” “3” and “4” are regarded as no failures. Is as in (Equation 8) below.

Figure 2016115008
Figure 2016115008

図6は、劣化状態1乃至3を故障とする場合のワイブルプロットの一例を示す図である。図6は、『劣化状態』“1”乃至“3”を故障と見なし、『劣化状態』“4”を故障なしと見なし、上述したランダム打ち切りに基づく累積ハザード解析を行い、ワイブルプロットを行った場合を示す。図6に示すように、ワイブルプロットは、“y=3.601x−14.06”と直線近似できる。ここで、“y=ln(H(t))”“x=ln(t)”である。よって、図6に示すワイブルプロットにより、上記の(式4)に示す平均故障率曲線の関数式の形状パラメータm(ここではmとおく)及び尺度パラメータ(または特性寿命)η(ここではηとおく)が推定できる。m=3.601であり、η=49.62である。なお、『劣化状態』“1”乃至“3”を故障と見なし、『劣化状態』“4”を故障なしと見なした場合の、ワイブル分布に基づく平均故障率曲線の関数式は、以下の(式9)のとおりである。 FIG. 6 is a diagram illustrating an example of a Weibull plot when the degradation states 1 to 3 are failures. In FIG. 6, “degraded state” “1” to “3” is regarded as a failure, “degraded state” “4” is regarded as no failure, cumulative hazard analysis based on the above-mentioned random censoring is performed, and a Weibull plot is performed. Show the case. As shown in FIG. 6, the Weibull plot can be linearly approximated as “y = 3.601x-14.06”. Here, “y = ln (H (t))” and “x = ln (t)”. Therefore, the Weibull plot shown in FIG. 6, the average failure rate curve of function expression of shape parameter m as shown in the above equation (4) (in this case is denoted by m 3) and the scale parameter (or characteristic life) eta (here eta 3 ) can be estimated. m 3 = 3.601 and η 3 = 49.62. In addition, when the “degraded state” “1” to “3” is regarded as a failure and the “degraded state” “4” is regarded as no failure, a functional equation of an average failure rate curve based on the Weibull distribution is as follows: It is as (Formula 9).

Figure 2016115008
Figure 2016115008

なお、図7は、上述のようにして、ワイブルプロットにより求めた各形状パラメータm及び尺度パラメータ(または特性寿命)ηの組合せを示す。図7における“ケース1”は、『劣化状態』“1”を故障と見なし、『劣化状態』“2”〜“4”を故障なしと見なした場合である。また、図7における“ケース2”は、『劣化状態』“1”及び“2”を故障と見なし、『劣化状態』“3”及び“4”を故障なしと見なした場合である。また、図7における“ケース3”は、『劣化状態』“1”乃至“3”を故障と見なし、『劣化状態』“4”を故障なしと見なした場合である。   FIG. 7 shows combinations of each shape parameter m and scale parameter (or characteristic life) η obtained by Weibull plot as described above. “Case 1” in FIG. 7 is a case where “degraded state” “1” is regarded as a failure and “degraded states” “2” to “4” are regarded as no failure. “Case 2” in FIG. 7 is a case where “degraded states” “1” and “2” are regarded as failures, and “degraded states” “3” and “4” are regarded as no failures. Further, “Case 3” in FIG. 7 is a case where “degraded state” “1” to “3” is regarded as a failure, and “degraded state” “4” is regarded as no failure.

(故障予測処理)
図8は、故障予測処理を示すフローチャートである。故障予測装置10の第1の導出部11は、点検情報データベース1から使用時間及び劣化状態の情報を抽出し、ワイブル解析(累積ハザード型)によって、形状パラメータmavgと尺度パラメータηavgを求める。そして、第1の導出部11は、形状パラメータmavg及び尺度パラメータηavgに基づく平均故障率曲線の関数式を導出する(ステップS11)。
(Failure prediction processing)
FIG. 8 is a flowchart showing failure prediction processing. The first deriving unit 11 of the failure prediction apparatus 10 extracts information on the usage time and the deterioration state from the inspection information database 1, and obtains the shape parameter m avg and the scale parameter η avg by Weibull analysis (cumulative hazard type). Then, the first deriving unit 11 derives a functional expression of an average failure rate curve based on the shape parameter m avg and the scale parameter η avg (step S11).

次に、故障予測装置10の使用時間推定部12は、点検情報データベース1から使用時間及び劣化状態の情報を抽出し、ワイブル解析(累積ハザード型)によって、各劣化状態までに達する使用時間を推定する(ステップS12)。   Next, the usage time estimation unit 12 of the failure prediction apparatus 10 extracts the usage time and deterioration state information from the inspection information database 1, and estimates the usage time to reach each deterioration state by Weibull analysis (cumulative hazard type). (Step S12).

次に、故障予測装置10の第2の導出部13は、平均故障率曲線の関数式と各劣化状態までに達する使用時間を用いて、最新点検時の劣化状態を反映できる現在から将来にわたる将来故障率曲線の関数式を導出する(ステップS13)。   Next, the second derivation unit 13 of the failure prediction apparatus 10 uses the function formula of the average failure rate curve and the usage time to reach each deterioration state, and can reflect the deterioration state at the latest inspection from the present to the future in the future. A function formula of the failure rate curve is derived (step S13).

次に、故障予測装置10の将来故障率算出部14は、各鋼管柱について、現在以降の予測時点T1における実使用年数と、最新点検時の劣化状態とに基づき、現時点以降の予測時点T1の故障率を算出する(ステップS14)。   Next, the future failure rate calculation unit 14 of the failure prediction apparatus 10 determines the estimated time T1 after the current time based on the actual years of use at the predicted time T1 after the current time and the deterioration state at the latest inspection for each steel pipe column. A failure rate is calculated (step S14).

(実施形態による効果)
実施形態によれば、各劣化状態に達するまでの使用時間を用いて平均故障率曲線の関数式を補正することにより、実使用年数のみで表現しきれない、最新点検時の劣化状態の違いが考慮された、より妥当な設備故障率の予測が可能となる。延いては、故障(劣化)予測の精度を高めることができ、効率的なメンテナンスやその計画、決定支援が可能となる。
(Effect by embodiment)
According to the embodiment, by correcting the function formula of the average failure rate curve using the use time until each deterioration state is reached, there is a difference in deterioration state at the time of the latest inspection that cannot be expressed only by the actual years of use. It is possible to predict a more appropriate equipment failure rate that is taken into consideration. As a result, the accuracy of failure (deterioration) prediction can be improved, and efficient maintenance, its planning, and decision support can be performed.

(実施形態の変形例)
実施形態では、時刻tのベキ関数で表現できるワイブル分布に基づく将来故障率曲線の関数式を導出するとした。しかし、時刻tのベキ関数に限らず、時刻tの指数関数、時刻tの対数関数、バスタブ曲線等、将来故障率を表現可能ないずれの関数式を導出するとしてもよい。そして、将来故障率を表現可能ないずれかの関数式に対して、最新点検時の劣化状態に応じた時刻tへ加算する定数を算出する。そして、現在以降の予測時点T1における実使用年数と、最新点検時の劣化状態とに基づき、現時点以降の予測時点T1の故障率を算出するとしてもよい。
(Modification of the embodiment)
In the embodiment, a functional expression of a future failure rate curve based on a Weibull distribution that can be expressed by a power function at time t is derived. However, not only the power function at time t, but any function expression that can express the future failure rate, such as an exponential function at time t, a logarithmic function at time t, or a bathtub curve, may be derived. And the constant added to the time t according to the deterioration state at the time of the latest inspection is calculated with respect to any function formula which can express a future failure rate. Then, the failure rate at the predicted time T1 after the current time may be calculated based on the actual years of use at the predicted time T1 after the current time and the deterioration state at the time of the latest inspection.

実施形態では、最新点検時の劣化状態のランク分けは、3段階としたが、4段階以上であってもよい。4段階以上へ劣化状態をより細かくランク分けすることにより、最新点検時の劣化状態の違いが考慮された、より妥当な設備故障率の予測が可能となる。   In the embodiment, the rank classification of the deterioration state at the time of the latest inspection is three stages, but may be four stages or more. By further classifying the degradation state into four or more stages, it is possible to predict a more appropriate equipment failure rate in consideration of the difference in the degradation state at the latest inspection.

(実施形態の適用例)
以下に、実施形態の適用例を示す。図9Aは、従来技術により算出した故障率の順位を示す図である。また、図9Bは、実施形態の技術により算出した故障率の順位を示す図である。図9A及び図9Bは、ある県域の鋼管柱の点検結果のデータ数が、例えば16,239個であるとする。そして、点検結果の各『劣化状態』を“1”〜“4”の4ランクに分け、『劣化状態』“1”は、劣化が最も進んでいる状態であり、更改対象となるとする。『劣化状態』“2”、“3”、“4”の順で劣化の程度が軽減され、『劣化状態』“4”は劣化なしと見なすとする。
(Application example of embodiment)
Below, the example of application of embodiment is shown. FIG. 9A is a diagram showing a ranking of failure rates calculated by the conventional technique. FIG. 9B is a diagram showing the rank of failure rates calculated by the technique of the embodiment. In FIG. 9A and FIG. 9B, it is assumed that the number of data of inspection results of steel pipe columns in a certain prefecture area is, for example, 16,239. Then, each “degraded state” of the inspection result is divided into four ranks “1” to “4”, and “degraded state” “1” is the state in which the deterioration is most advanced and is subject to renewal. It is assumed that the degree of deterioration is reduced in the order of “deterioration state” “2”, “3”, “4”, and “deterioration state” “4” is regarded as no deterioration.

『劣化状態』“1”のデータを故障として扱い『劣化状態』“2”、“3”、“4”のデータを未故障とする場合のワイブルプロット(ケース1)は、図4に示すとおりである。また、『劣化状態』“1”及び“2”のデータを故障として扱い、『劣化状態』“3”及び“4”のデータを未故障とする場合のワイブルプロット(ケース2)は、図5に示すとおりである。また、『劣化状態』“1”乃至“3”のデータを故障として扱い、『劣化状態』“4”のデータを未故障とする場合のワイブルプロット(ケース3)は、図6に示すとおりである。ワイブルプロットにより求めた各ケースにおける各形状パラメータm及び尺度パラメータ(または特性寿命)ηの組合せは、図7に示すとおりである。   The Weibull plot (case 1) in the case where the data of “degraded state” “1” is treated as a failure and the data of “degraded state” “2”, “3”, “4” is not failed is as shown in FIG. It is. The Weibull plot (Case 2) in the case where the data of “degraded state” “1” and “2” is treated as a failure and the data of “degraded state” “3” and “4” is not failed is shown in FIG. As shown in Also, the Weibull plot (Case 3) when the data of “degraded state” “1” to “3” is treated as a failure and the data of “degraded state” “4” is not failed is as shown in FIG. is there. The combinations of the shape parameter m and the scale parameter (or characteristic life) η in each case obtained by the Weibull plot are as shown in FIG.

例えば16,239個の全データから、例えば200件程度のデータをランダムに取り出して、既存技術の方法と実施形態の方法による現時点の故障率の算出及び設備点検の優先順位付けを行う。最新の点検結果が『劣化状態』“4”の場合、上記の(式2)に基づき、以下の(式10)により故障率を求める。また、最新の点検結果が『劣化状態』“2”の場合、上記の(式3)に基づき、以下の(式11)より故障率を求める。最新の点検結果が『劣化状態』“3”の場合も同様に、以下の(式12)により故障率を求める。   For example, about 200 pieces of data are randomly extracted from all 16,239 data, and the current failure rate is calculated and the facility inspection is prioritized by the method of the existing technology and the method of the embodiment. When the latest inspection result is “degraded state” “4”, the failure rate is obtained by the following (formula 10) based on the above (formula 2). When the latest inspection result is “degraded state” “2”, the failure rate is obtained from the following (formula 11) based on the above (formula 3). Similarly, when the latest inspection result is “degraded state” “3”, the failure rate is obtained by the following (formula 12).

Figure 2016115008
Figure 2016115008

Figure 2016115008
Figure 2016115008

Figure 2016115008
Figure 2016115008

図9Aに示す既存方法による結果では、故障率が使用年数のみに依存するため、使用年数が長い鋼管柱ほど上位に順位付けされる。使用年数が同じである鋼管柱が多い場合は、同一の故障率となる鋼管柱が多いことになる。よって、多くの鋼管柱に対して保守リソース(人的資源、機器資源、時間、資金等)が限られ、すべてを一斉に点検できない場合では、既存方法では、保守すべき鋼管柱の優先順位をつけることが困難である。   In the result by the existing method shown in FIG. 9A, since the failure rate depends only on the service life, steel pipe columns with a longer service life are ranked higher. When there are many steel pipe columns having the same service life, there are many steel pipe columns having the same failure rate. Therefore, when maintenance resources (human resources, equipment resources, time, funds, etc.) are limited for many steel pipe columns, and all of them cannot be checked at once, the existing method sets the priority of the steel pipe columns to be maintained. It is difficult to put on.

しかし、図9Bに示すように、実施形態の方法を適用すれば、既存方法で優先順位をつけられない鋼管柱に対しても、順位を付けられるケースが多くなることが確認できる。図9Bに示す実施形態による結果では、故障率が使用年数及び劣化状態に依存するため、使用年数が長い鋼管柱であっても劣化状態によっては上位に順位付けされない場合がある。また、使用年数が短い鋼管柱であっても劣化状態によっては上位に順位付けされる場合がある。すなわち、使用年数が同じである鋼管柱が多い場合であっても、劣化状態を加味することにより、異なる故障率となる場合が多いことになる。よって、多くの鋼管柱に対して保守リソースが限られ、すべてを一斉に点検できない場合であっても、実施形態では、保守すべき鋼管柱の優先順位をつけることができる。   However, as shown in FIG. 9B, if the method of the embodiment is applied, it can be confirmed that there are many cases where a ranking can be given to steel pipe columns that cannot be prioritized by the existing method. In the result according to the embodiment shown in FIG. 9B, since the failure rate depends on the service life and the deterioration state, even a steel pipe column having a long service life may not be ranked higher depending on the deterioration state. Further, even steel pipe columns with a short service life may be ranked higher depending on the deterioration state. That is, even when there are many steel pipe columns having the same service life, there are many cases where different failure rates are obtained by taking the deterioration state into consideration. Therefore, even if maintenance resources are limited for many steel pipe columns and not all of them can be inspected at the same time, in the embodiment, the priority order of the steel pipe columns to be maintained can be set.

(故障予測装置の装置構成について)
図1に示す故障予測装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示のように構成されていることを要しない。すなわち、故障予測装置10の機能の分散および統合の具体的形態は図示のものに限られず、全部又は一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的又は物理的に分散又は統合して構成することができる。
(About device configuration of failure prediction device)
Each component of the failure prediction apparatus shown in FIG. 1 is functionally conceptual and does not necessarily need to be physically configured as illustrated. That is, the specific form of distribution and integration of the functions of the failure prediction apparatus 10 is not limited to the illustrated one, and all or part of the functions can be functionally or physically in arbitrary units according to various loads or usage conditions. Can be distributed or integrated.

また、故障予測装置10において行われる各処理は、全部又は任意の一部が、CPU(Central Processing Unit)及びCPUにより解析実行されるプログラムにて実現されてもよい。また、故障予測装置10において行われる各処理は、ワイヤードロジックによるハードウェアとして実現されてもよい。   In addition, all or any part of each process performed in the failure prediction apparatus 10 may be realized by a CPU (Central Processing Unit) and a program that is analyzed and executed by the CPU. In addition, each process performed in the failure prediction apparatus 10 may be realized as hardware by wired logic.

また、実施形態において説明した各処理のうち、自動的におこなわれるものとして説明した処理の全部又は一部を手動的に行うこともできる。若しくは、実施形態において説明した各処理のうち、手動的に行われるものとして説明した処理の全部又は一部を公知の方法で自動的に行うこともできる。この他、上述及び図示の処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて適宜変更することができる。   In addition, among the processes described in the embodiment, all or a part of the processes described as being automatically performed can be manually performed. Alternatively, among the processes described in the embodiments, all or a part of the processes described as being performed manually can be automatically performed by a known method. In addition, the above-described and illustrated processing procedures, control procedures, specific names, and information including various data and parameters can be changed as appropriate unless otherwise specified.

(プログラムについて)
図10は、各プログラムが実行されることにより、故障予測装置が実現されるコンピュータの一例を示す図である。コンピュータ1000は、例えば、メモリ1010、CPU1020を有する。また、コンピュータ1000は、ハードディスクドライブインタフェース1030、ディスクドライブインタフェース1040、シリアルポートインタフェース1050、ビデオアダプタ1060、ネットワークインタフェース1070を有する。コンピュータ1000において、これらの各部はバス1080によって接続される。
(About the program)
FIG. 10 is a diagram illustrating an example of a computer in which the failure prediction apparatus is realized by executing each program. The computer 1000 includes a memory 1010 and a CPU 1020, for example. The computer 1000 also includes a hard disk drive interface 1030, a disk drive interface 1040, a serial port interface 1050, a video adapter 1060, and a network interface 1070. In the computer 1000, these units are connected by a bus 1080.

メモリ1010は、ROM(Read Only Memory)1011及びRAM(Random Access Memory)1012を含む。ROM1011は、例えば、BIOS(Basic Input Output System)等のブートプログラムを記憶する。ハードディスクドライブインタフェース1030は、ハードディスクドライブ1031に接続される。ディスクドライブインタフェース1040は、ディスクドライブ1041に接続される。例えば磁気ディスクや光ディスク等の着脱可能な記憶媒体が、ディスクドライブ1041に挿入される。シリアルポートインタフェース1050は、例えばマウス1051、キーボード1052に接続される。ビデオアダプタ1060は、例えばディスプレイ1061に接続される。   The memory 1010 includes a ROM (Read Only Memory) 1011 and a RAM (Random Access Memory) 1012. The ROM 1011 stores a boot program such as BIOS (Basic Input Output System). The hard disk drive interface 1030 is connected to the hard disk drive 1031. The disk drive interface 1040 is connected to the disk drive 1041. For example, a removable storage medium such as a magnetic disk or an optical disk is inserted into the disk drive 1041. The serial port interface 1050 is connected to a mouse 1051 and a keyboard 1052, for example. The video adapter 1060 is connected to the display 1061, for example.

ハードディスクドライブ1031は、例えば、OS1091、アプリケーションプログラム1092、プログラムモジュール1093、プログラムデータ1094を記憶する。すなわち、故障予測装置10の各処理の規定するプログラムは、コンピュータ1000によって実行される指令が記述されたプログラムモジュール1093として、例えばハードディスクドライブ1031に記憶される。例えば、故障予測装置10における機能構成と同様の情報処理を実行するためのプログラムモジュール1093が、ハードディスクドライブ1031に記憶される。   The hard disk drive 1031 stores, for example, an OS 1091, an application program 1092, a program module 1093, and program data 1094. That is, a program defined by each process of the failure prediction apparatus 10 is stored in, for example, the hard disk drive 1031 as a program module 1093 in which a command executed by the computer 1000 is described. For example, a program module 1093 for executing information processing similar to the functional configuration in the failure prediction apparatus 10 is stored in the hard disk drive 1031.

また、上述した実施形態での処理で用いられる設定データは、プログラムデータ1094として、例えばメモリ1010やハードディスクドライブ1031に記憶される。そして、CPU1020が、メモリ1010やハードディスクドライブ1031に記憶されたプログラムモジュール1093やプログラムデータ1094を必要に応じてRAM1012に読み出して実行する。   The setting data used in the processing in the above-described embodiment is stored as program data 1094, for example, in the memory 1010 or the hard disk drive 1031. Then, the CPU 1020 reads the program module 1093 and the program data 1094 stored in the memory 1010 and the hard disk drive 1031 to the RAM 1012 as necessary, and executes them.

なお、プログラムモジュール1093やプログラムデータ1094は、ハードディスクドライブ1031に記憶される場合に限らず、例えば着脱可能な記憶媒体に記憶され、ディスクドライブ1041等を介してCPU1020によって読み出されてもよい。あるいは、プログラムモジュール1093やプログラムデータ1094は、ネットワーク(LAN(Local Area Network)、WAN(Wide Area Network)等)を介して接続された他のコンピュータに記憶されてもよい。そして、プログラムモジュール1093やプログラムデータ1094は、ネットワークインタフェース1070を介してCPU1020によって読み出されてもよい。   Note that the program module 1093 and the program data 1094 are not limited to being stored in the hard disk drive 1031, but may be stored in, for example, a removable storage medium and read out by the CPU 1020 via the disk drive 1041 or the like. Alternatively, the program module 1093 and the program data 1094 may be stored in another computer connected via a network (LAN (Local Area Network), WAN (Wide Area Network), etc.). The program module 1093 and the program data 1094 may be read by the CPU 1020 via the network interface 1070.

以上の実施形態並びにその変形例は、本願が開示する技術に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。   The above embodiments and modifications thereof are included in the invention disclosed in the claims and equivalents thereof as well as included in the technology disclosed in the present application.

1 点検情報データベース
2 出力装置
10 故障予測装置
11 第1の導出部
12 使用時間推定部
13 第2の導出部
14 将来故障率算出部
1000 コンピュータ
1010 メモリ
1020 CPU
1 Inspection Information Database 2 Output Device 10 Failure Prediction Device 11 First Deriving Unit 12 Usage Time Estimating Unit 13 Second Deriving Unit 14 Future Failure Rate Calculation Unit 1000 Computer 1010 Memory 1020 CPU

Claims (7)

3以上の劣化状態に段階的にレベル分けされている各管理対象物の点検結果を蓄積したデータから、管理対象物のある使用時間における平均故障率を予測する平均故障率曲線の関数式を導出する第1の導出部と、
各管理対象物が各劣化状態に該当するに至るまでの各平均使用時間を推定する推定部と、
前記第1の導出部により導出された平均故障率曲線の関数式を、前記推定部により推定された各平均使用時間で補正することにより、各劣化状態に該当する各管理対象物のある使用時間における故障率を予測する故障率曲線の関数式を導出する第2の導出部と、
前記第2の導出部により導出された故障率曲線の関数式を用いて、各劣化状態に該当する各管理対象物がある使用時間において故障する各故障率を算出する算出部と
を備えることを特徴とする故障予測装置。
Deriving a function formula for the average failure rate curve that predicts the average failure rate for a certain usage time of the managed object from data that accumulates the inspection results of each managed object that is divided into three or more deterioration levels in stages. A first derivation unit that
An estimation unit for estimating each average usage time until each managed object reaches each degradation state;
By correcting the function formula of the average failure rate curve derived by the first deriving unit with each average usage time estimated by the estimation unit, the usage time of each managed object corresponding to each degradation state A second derivation unit for deriving a functional expression of a failure rate curve for predicting a failure rate at
Using a functional expression of a failure rate curve derived by the second deriving unit, and a calculation unit that calculates each failure rate at which each managed object corresponding to each degradation state fails in a certain usage time. Feature failure prediction device.
前記データは、各管理対象物の実使用時間と、第1〜第nの劣化状態(但し、nは、n≧3を満たす自然数)のうちの各管理対象物の劣化状態とが対応付けられており、
前記第1の導出部は、第1の劣化状態を故障状態と設定し、第2〜第nの劣化状態を非故障状態と設定し、前記データにおいて該非故障状態に該当する管理対象物が、該故障状態に該当するに至る故障率を使用時間の関数で表す前記平均故障率曲線の関数式を導出し、
前記推定部は、第1〜第kの劣化状態(但し、kは、1<k<nを満たす自然数)を故障状態と設定し、第(k+1)〜第nの劣化状態を非故障状態と設定し、前記データにおいて該非故障状態に該当する管理対象物が、該故障状態に該当するに至るまでの第kの平均使用時間を推定し、
前記第2の導出部は、前記平均故障率曲線の関数式における使用時間に前記第kの平均使用時間を加算して、前記データにおいて第kの劣化状態に該当する管理対象物が、第1の劣化状態に該当するに至る前記故障率を使用時間の関数で表す前記故障率曲線の関数式を導出する
ことを特徴とする請求項1に記載の故障予測装置。
In the data, the actual usage time of each managed object is associated with the deteriorated state of each managed object in the first to nth deterioration states (where n is a natural number satisfying n ≧ 3). And
The first deriving unit sets the first deterioration state as a failure state, sets the second to nth deterioration states as a non-failure state, and the management target object corresponding to the non-failure state in the data is: Deriving a functional equation of the average failure rate curve that represents the failure rate to meet the failure state as a function of usage time,
The estimation unit sets the first to kth deterioration states (where k is a natural number satisfying 1 <k <n) as a failure state, and sets the (k + 1) th to nth deterioration states as a non-failure state. Set, and estimate the k-th average usage time until the management target object corresponding to the non-failure state corresponds to the failure state in the data,
The second deriving unit adds the k-th average usage time to the usage time in the functional equation of the average failure rate curve, and the management target corresponding to the k-th degradation state in the data is the first The failure prediction apparatus according to claim 1, wherein a function expression of the failure rate curve that represents the failure rate that corresponds to a deterioration state of the device as a function of usage time is derived.
前記第1の導出部は、ワイブル解析に基づき前記平均故障率曲線の関数式を導出し、
前記推定部は、ワイブル解析に基づき前記平均使用時間を推定する
ことを特徴とする請求項1又は2に記載の故障予測装置。
The first derivation unit derives a functional expression of the average failure rate curve based on Weibull analysis,
The failure prediction apparatus according to claim 1, wherein the estimation unit estimates the average usage time based on Weibull analysis.
故障予測装置の第1の導出部が、3以上の劣化状態に段階的にレベル分けされている各管理対象物の点検結果を蓄積したデータから、管理対象物のある使用時間における平均故障率を予測する平均故障率曲線の関数式を導出し、
前記故障予測装置の推定部が、各管理対象物が各劣化状態に該当するに至るまでの各平均使用時間を推定し、
前記故障予測装置の第2の導出部が、前記第1の導出部により導出された平均故障率曲線の関数式を、前記推定部により推定された各平均使用時間で補正することにより、各劣化状態に該当する各管理対象物のある使用時間における故障率を予測する故障率曲線の関数式を導出し、
前記故障予測装置の算出部が、前記第2の導出部により導出された故障率曲線の関数式を用いて、各劣化状態に該当する各管理対象物がある使用時間において故障する各故障率を算出する
こと含むことを特徴とする故障予測方法。
The first derivation unit of the failure prediction apparatus calculates the average failure rate during a certain usage time of the managed object from the data obtained by accumulating the inspection results of the managed objects that are classified in stages into three or more deterioration states. Deriving a function equation for the predicted mean failure rate curve,
The estimation unit of the failure prediction apparatus estimates each average usage time until each managed object corresponds to each deterioration state,
The second derivation unit of the failure prediction apparatus corrects the function expression of the average failure rate curve derived by the first derivation unit with each average usage time estimated by the estimation unit, thereby reducing each deterioration. Deriving a functional equation of failure rate curve that predicts the failure rate of each managed object corresponding to the state at a certain usage time,
The calculation unit of the failure prediction device uses the functional expression of the failure rate curve derived by the second deriving unit to calculate each failure rate at which each managed object corresponding to each degradation state fails in a certain usage time. A failure prediction method characterized by including calculating.
前記データは、各管理対象物の実使用時間と、第1〜第nの劣化状態(但し、nは、n≧3を満たす自然数)のうちの各管理対象物の劣化状態とが対応付けられており、
前記第1の導出部が、第1の劣化状態を故障状態と設定し、第2〜第nの劣化状態を非故障状態と設定し、前記データにおいて該非故障状態に該当する管理対象物が、該故障状態に該当するに至る故障率を使用時間の関数で表す前記平均故障率曲線の関数式を導出し、
前記推定部が、第1〜第kの劣化状態(但し、kは、1<k<nを満たす自然数)を故障状態と設定し、第(k+1)〜第nの劣化状態を非故障状態と設定し、前記データにおいて該非故障状態に該当する管理対象物が、該故障状態に該当するに至るまでの第kの平均使用時間を推定し、
前記第2の導出部が、前記平均故障率曲線の関数式における使用時間に前記第kの平均使用時間を加算して、前記データにおいて第kの劣化状態に該当する管理対象物が、第1の劣化状態に該当するに至る前記故障率を使用時間の関数で表す前記故障率曲線の関数式を導出する
ことを含むことを特徴とする請求項4に記載の故障予測方法。
In the data, the actual usage time of each managed object is associated with the deteriorated state of each managed object in the first to nth deterioration states (where n is a natural number satisfying n ≧ 3). And
The first derivation unit sets the first deterioration state as a failure state, sets the second to nth deterioration states as a non-failure state, and the management target object corresponding to the non-failure state in the data includes: Deriving a functional equation of the average failure rate curve that represents the failure rate to meet the failure state as a function of usage time,
The estimation unit sets the first to kth deterioration states (where k is a natural number satisfying 1 <k <n) as a failure state, and sets the (k + 1) to nth deterioration states as a non-failure state. Set, and estimate the k-th average usage time until the management target object corresponding to the non-failure state corresponds to the failure state in the data,
The second deriving unit adds the k-th average usage time to the usage time in the functional expression of the average failure rate curve, and the management target corresponding to the k-th degradation state in the data is the first The failure prediction method according to claim 4, further comprising: deriving a functional expression of the failure rate curve that represents the failure rate that corresponds to the deterioration state of the device as a function of usage time.
前記第1の導出部が、ワイブル解析に基づき前記平均故障率曲線の関数式を導出し、
前記推定部が、ワイブル解析に基づき前記平均使用時間を推定する
ことを含むことを特徴とする請求項4又は5に記載の故障予測方法。
The first derivation unit derives a functional expression of the mean failure rate curve based on Weibull analysis;
The failure prediction method according to claim 4, wherein the estimation unit includes estimating the average usage time based on Weibull analysis.
請求項1〜3の何れか1つに記載の故障予測装置としてコンピュータを機能させる故障予測プログラム。   A failure prediction program for causing a computer to function as the failure prediction apparatus according to claim 1.
JP2014251154A 2014-12-11 2014-12-11 Failure prediction apparatus, failure prediction method, and failure prediction program Active JP6359960B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2014251154A JP6359960B2 (en) 2014-12-11 2014-12-11 Failure prediction apparatus, failure prediction method, and failure prediction program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2014251154A JP6359960B2 (en) 2014-12-11 2014-12-11 Failure prediction apparatus, failure prediction method, and failure prediction program

Publications (2)

Publication Number Publication Date
JP2016115008A true JP2016115008A (en) 2016-06-23
JP6359960B2 JP6359960B2 (en) 2018-07-18

Family

ID=56141866

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2014251154A Active JP6359960B2 (en) 2014-12-11 2014-12-11 Failure prediction apparatus, failure prediction method, and failure prediction program

Country Status (1)

Country Link
JP (1) JP6359960B2 (en)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018190304A (en) * 2017-05-10 2018-11-29 株式会社日立製作所 Inspection support device, inspection support method, and inspection support program
JP2019105927A (en) * 2017-12-11 2019-06-27 日本電信電話株式会社 Failure probability calculation device, failure probability calculation method and program
CN110088780A (en) * 2016-12-27 2019-08-02 韩华泰科株式会社 Predictive diagnosis device and monitoring system
US10670498B2 (en) 2017-03-30 2020-06-02 Tlv Co., Ltd. Risk assessment device, risk assessment method, and risk assessment program
KR20200096310A (en) * 2017-03-30 2020-08-11 가부시키가이샤 티엘브이 Risk assessment device, risk assessment method and risk assessment program
CN112016739A (en) * 2020-08-17 2020-12-01 国网山东省电力公司潍坊供电公司 Fault detection method and device, electronic equipment and storage medium
CN112200451A (en) * 2020-10-09 2021-01-08 华润电力技术研究院有限公司 Maintenance period calculation method and maintenance period calculation device for air preheater
JP2022026027A (en) * 2020-07-30 2022-02-10 三菱電機株式会社 Facility management apparatus, and control method and program of the same
WO2022107240A1 (en) * 2020-11-18 2022-05-27 日本電信電話株式会社 Deterioration estimation device, deterioration estimation method, and program
CN115002977A (en) * 2022-07-18 2022-09-02 成都盛及航空科技发展有限公司 Landing lamp fault detection platform and landing lamp fault detection method

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0281299A (en) * 1988-09-19 1990-03-22 Hitachi Ltd Trouble forecasting device
JP2005011327A (en) * 2003-05-29 2005-01-13 Tokyo Electric Power Co Inc:The Repair plan making support device and method
JP2010027044A (en) * 2008-06-18 2010-02-04 Central Res Inst Of Electric Power Ind Electric power distribution facility maintenance support device, electric power distribution facility maintenance support method and electric power distribution facility support program

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0281299A (en) * 1988-09-19 1990-03-22 Hitachi Ltd Trouble forecasting device
JP2005011327A (en) * 2003-05-29 2005-01-13 Tokyo Electric Power Co Inc:The Repair plan making support device and method
JP2010027044A (en) * 2008-06-18 2010-02-04 Central Res Inst Of Electric Power Ind Electric power distribution facility maintenance support device, electric power distribution facility maintenance support method and electric power distribution facility support program

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110088780A (en) * 2016-12-27 2019-08-02 韩华泰科株式会社 Predictive diagnosis device and monitoring system
CN110088780B (en) * 2016-12-27 2022-11-15 韩华泰科株式会社 Predictive diagnostic device and monitoring system
KR102411262B1 (en) * 2017-03-30 2022-06-22 가부시키가이샤 티엘브이 Risk Assessment Device, Risk Assessment Method, and Risk Assessment Program
KR20200096310A (en) * 2017-03-30 2020-08-11 가부시키가이샤 티엘브이 Risk assessment device, risk assessment method and risk assessment program
KR20200103869A (en) * 2017-03-30 2020-09-02 가부시키가이샤 티엘브이 Risk Assessment Device, Risk Assessment Method, and Risk Assessment Program
US10816954B2 (en) 2017-03-30 2020-10-27 Tlv Co., Ltd. Risk assessment device, risk assessment method, and risk assessment program
KR102176102B1 (en) * 2017-03-30 2020-11-09 가부시키가이샤 티엘브이 Risk assessment device, risk assessment method and risk assessment program
US10670498B2 (en) 2017-03-30 2020-06-02 Tlv Co., Ltd. Risk assessment device, risk assessment method, and risk assessment program
JP2018190304A (en) * 2017-05-10 2018-11-29 株式会社日立製作所 Inspection support device, inspection support method, and inspection support program
JP2019105927A (en) * 2017-12-11 2019-06-27 日本電信電話株式会社 Failure probability calculation device, failure probability calculation method and program
JP2022026027A (en) * 2020-07-30 2022-02-10 三菱電機株式会社 Facility management apparatus, and control method and program of the same
JP7382909B2 (en) 2020-07-30 2023-11-17 三菱電機株式会社 Equipment management device, its control method and program
CN112016739A (en) * 2020-08-17 2020-12-01 国网山东省电力公司潍坊供电公司 Fault detection method and device, electronic equipment and storage medium
CN112016739B (en) * 2020-08-17 2024-02-20 国网山东省电力公司潍坊供电公司 Fault detection method and device, electronic equipment and storage medium
CN112200451A (en) * 2020-10-09 2021-01-08 华润电力技术研究院有限公司 Maintenance period calculation method and maintenance period calculation device for air preheater
CN112200451B (en) * 2020-10-09 2024-05-14 深圳市出新知识产权管理有限公司 Maintenance period calculation method and maintenance period calculation device for air preheater
WO2022107240A1 (en) * 2020-11-18 2022-05-27 日本電信電話株式会社 Deterioration estimation device, deterioration estimation method, and program
CN115002977A (en) * 2022-07-18 2022-09-02 成都盛及航空科技发展有限公司 Landing lamp fault detection platform and landing lamp fault detection method
CN115002977B (en) * 2022-07-18 2022-10-28 成都盛及航空科技发展有限公司 Landing lamp fault detection platform and landing lamp fault detection method

Also Published As

Publication number Publication date
JP6359960B2 (en) 2018-07-18

Similar Documents

Publication Publication Date Title
JP6359960B2 (en) Failure prediction apparatus, failure prediction method, and failure prediction program
CN104966141B (en) Method and system for updating a model used to generate an industrial asset health profile
US10534361B2 (en) Industrial asset health model update
US8880962B2 (en) Maintenance planning and failure prediction from data observed within a time window
US9530256B2 (en) Generating cumulative wear-based indicators for vehicular components
Saassouh et al. Online maintenance policy for a deteriorating system with random change of mode
US20160093116A1 (en) Integrating Economic Considerations to Develop a Component Replacement Policy Based on a Cumulative Wear-Based Indicator for a Vehicular Component
US9679253B2 (en) Methods for maintaining infrastructure equipment and related apparatus
WO2018105104A1 (en) Failure risk index estimation device and failure risk index estimation method
JP6845126B2 (en) Failure probability calculation device, failure probability calculation method and program
US11796992B2 (en) Condition-based method for malfunction prediction
JP6367757B2 (en) Management method and management apparatus
KR101553476B1 (en) Apparatus for measuring likelihood ratio of building and method thereof
JP2016167194A (en) Facility inspection order setting device and program
US20170278116A1 (en) Forecast model calibration
JP5064259B2 (en) Degradation evaluation apparatus and degradation evaluation method
JP6571552B2 (en) Prediction device and prediction method
JP6919705B2 (en) Deterioration prediction device, deterioration prediction method, and program
Cheng et al. Optimal opportunistic maintenance model of multi-unit systems
JP2010020573A (en) System for managing life cycle of equipment and method therefor
Yun et al. Metaheuristic-based inspection policy for a one-shot system with two types of units
JP2015052498A (en) Deterioration evaluation device and method
JP2019015528A (en) Predication method of deterioration of structure using inspection result by taking measurement error and time error into consideration
Garavaglia et al. The Markovian Approach for probabilistic life-cycle assessment of existing structures
Alzbutas Approaches of risk measures minimization and application to inspection

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20170123

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20180126

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20180206

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20180308

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20180619

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20180621

R150 Certificate of patent or registration of utility model

Ref document number: 6359960

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150