JP2016151086A - ショベル支援装置 - Google Patents

Abstract

【課題】ショベルのメンテナンスの必要性について理解を得やすいショベル支援装置を提供する。【解決手段】ショベル支援装置が、表示装置と、通信装置と、処理装置とを有する。処理装置は、診断対象ショベルから、通信装置を介して、診断対象ショベルの稼働状態を示す時系列データを取得する。診断対象ショベルの診断結果とショベルの稼働状態を示す典型的時系列データとが関連付けられて記憶されたデータベースから、診断対象ショベルの診断結果に基づいて抽出された典型的時系列データが取得される。診断対象ショベルの時系列データと、データベースから取得された典型的時系列データとが対比されて、表示装置に表示される。【選択図】図５

Description

本発明は、ショベルの整備を支援するショベル支援装置に関する。

下記の特許文献１に、ショベルの異常検出方法が開示されている。この異常検出方法では、ショベルの稼動状態に依存する種々の変数が収集され、正常時の値と比較される。収集された変数の値が異常か否かの判定に、例えばマハラノビスタグチ法等が適用される。

特開２０１４−１５７４６号公報

マハラノビスタグチ法等の複雑な手法を用いてショベルが異常と判定された場合、異常と判定された根拠、異常の度合等を直感的に理解することが困難である。このため、ショベルの整備業者がショベルの所有者に、これらの異常を示唆する情報を提示しても、メンテナンスの必要性についての理解を得ることが困難である。

本発明の目的は、ショベルのメンテナンスの必要性について理解を得やすいショベル支援装置を提供することである。

本発明の一観点によると、
表示装置と、
通信装置と、
処理装置と
を有し、
前記処理装置は、
診断対象ショベルから、前記通信装置を介して、前記診断対象ショベルの稼働状態を示す時系列データを取得し、
前記診断対象ショベルの診断結果とショベルの稼働状態を示す典型的時系列データとが関連付けられて記憶されたデータベースから、前記診断対象ショベルの診断結果に基づいて抽出された前記典型的時系列データを取得し、
前記診断対象ショベルの前記時系列データと、前記データベースから取得された前記典型的時系列データとを対比させて、前記表示装置に表示するショベル支援装置が提供される。

診断対象ショベルの時系列データと、データベースから取得された典型的時系列データとを対比させることができるため、診断対象ショベルに異常が発生している場合に、異常を直感的に確認することができる。これにより、メンテナンスの必要性について、ショベルの所有者の理解が得やすくなる。

図１は、ショベル、ショベル管理装置、及び実施例によるショベル支援装置の概略図である。 図２は、ショベル管理装置に構築されたデータベースのデータ構造図である。 図３は、実施例によるショベル支援装置のブロック図である。 図４Ａは、診断対象ショベル、ショベル管理装置、及びショベル支援装置の処理及び通信シーケンスの一例を示す図であり、図４Ｂは、診断対象ショベル及びショベル管理装置の処理及び通信シーケンスの他の例を示す図である。 図５Ａ〜図５Ｃは、ショベル支援装置の表示装置に表示された画像の例を示す平面図である。 図６は、ショベル支援装置の表示装置に表示された画像の他の例を示す平面図である。 図７は、他の実施例による診断対象ショベル３０、ショベル管理装置６０、及びショベル支援装置５０の処理及び通信シーケンスを示す図である。 図８Ａは、ショベルとショベル管理装置との処理及びデータ転送シーケンスの一例を示す図であり、図８Ｂは、ショベルとショベル管理装置との処理及びデータ転送シーケンスの他の例を示す図である。 図９Ａは、図８ＡのステップＳ１０のフローチャートであり、図９Ｂは、図８ＡのステップＳ１３のフローチャートである。 図１０は、時系列データの時間波形の一部分を例示するグラフである。 図１１は、規格化評価ベクトルを元（エレメント）とするベクトル空間の一例を示すグラフである。 図１２は、図４ＡのステップＳ０３のフローチャートである。

図１に、複数のショベル３０、ショベル管理装置６０、及び実施例によるショベル支援装置５０の概略図を示す。ショベル３０、ショベル管理装置６０、及びショベル支援装置５０が、ネットワーク４０を介して相互に通信を行う。ショベル３０とショベル支援装置５０とは、ネットワークを介さず直接通信することも可能である。

ショベル３０に、車両コントローラ３１、電子制御ユニット（ＥＣＵ）３２、種々のセンサ３３、及び通信装置３４が搭載されている。

センサ３３は、ショベル３０の稼働状態を示す種々の物理量を測定する。センサ３３の測定値が車両コントローラ３１に入力される。稼働状態を示す物理量には、例えば、エンジン回転数、油圧ポンプ圧力、油圧負荷等が含まれる。車両コントローラ３１は、センサ３３により測定された測定値を、ある時間刻み幅で取得する。物理量をある時間刻み幅で取得することにより、物理量の時間変動を示す時系列データが得られる。

車両コントローラ３１は、ショベル３０の機体識別情報、センサ３３によって取得された時系列データを、通信装置３４から、ネットワーク４０を介してショベル管理装置６０に送信する。ＥＣＵ３２は、車両コントローラ３１からの指令に基づき、エンジンを制御する。通信装置３４は、近距離無線通信装置を含む。近距離無線通信装置は、近距離に位置するショベル支援装置５０との通信を行う。近距離無線通信規格として、例えばＢｌｕｅｔｏｏｔｈが用いられる。

ショベル支援装置５０は、表示装置５４を含む。表示装置５４に、ショベルの整備の支援を行うための情報が表示される。ショベル支援装置５０には、例えばタブレット端末が用いられる。

ショベル管理装置６０に、ショベル３０の状態の診断結果と、ショベル３０の稼働状態を示す典型的時系列データとが関連付けられたデータベース７０が構築されている。

図２に、データベース７０のデータ構造を示す。ショベル３０の既定動作ごとに、ショベル３０の診断結果と、典型的時系列データとが関連付けられている。既定動作として、例えばアイドリング動作、油圧負荷動作等が採用される。診断結果には、「正常」及び「異常」が含まれ、「異常」には、異常の種別及び異常の程度が含まれる。一例として、診断結果は、時系列データで示された波形の形状を表す複数の特徴量を要素とする評価ベクトルを含む。評価ベクトルの方向が異常の種別を表し、評価ベクトルの長さが異常の程度を表す。時系列データから評価ベクトルを求める方法については後に説明する。

以下、図２に示した例について説明する。既定動作Ａはアイドリング動作を表し、既定動作Ｂは油圧負荷動作を表す。診断結果の「異常Ｘｎ」（ｎ＝１、２、３・・・）は、異常の種別が「Ｘ」であり、異常の程度が「ｎ」であることを示している。典型的時系列データは、エンジン回転数の時間変化を表している。

ショベル３０に異常種別Ｘの異常が発生すると、既定動作Ａ（アイドリング動作）を行っているときのエンジン回転数の時間変化の振幅が、正常時の振幅に比べて大きくなっている。さらに、異常の程度が大きくなるに従って、エンジン回転数の時間変化の振幅も大きくなる。ショベル３０に異常種別Ｙの異常が発生すると、エンジン回転数の時間変化にうねりが発生する。異常の程度が大きくなるにしたがって、うねりの振幅が大きくなる。

既定動作Ｂ（油圧負荷動作）を行うと、エンジン回転数が一時的に低下した後、定常回転数に戻る。ショベル３０に異常Ｚが発生すると、正常時に比べて、エンジン回転数の低下幅が大きくなり、エンジン回転数が定常回転数に復帰するまでの時間が長くなる。

図３に、実施例によるショベル支援装置５０のブロック図を示す。ショベル支援装置５０は、処理装置５１、通信装置５２、入力装置５３、及び表示装置５４を含む。入力装置５３及び表示装置５４に、例えばタッチパネルが用いられる。通信装置５２は、ネットワーク４０（図１）を介してショベル管理装置６０（図１）とデータ通信を行うとともに、ショベル３０（図１）と、ネットワークを介することなくデータ通信を行う。

処理装置５１は、時系列データ取得部５１１、典型的時系列データ取得部５１２、入力処理部５１３、及び表示処理部５１４を含む。これらの機能は、例えば中央処理ユニット（ＣＰＵ）がコンピュータプログラムを実行することにより実現される。

次に、ショベル支援装置５０の機能について、図３〜図６を参照しながら説明する。

図４Ａに、診断対象ショベル３０、ショベル管理装置６０、及びショベル支援装置５０の処理及び通信シーケンスを示す。整備要員がショベル支援装置５０の入力装置５３を操作すると、入力処理部５１３（図３）が診断対象ショベル３０に対して、通信装置５２を介して診断開始信号を送信する。診断対象ショベル３０は、診断開始信号を受信すると、ショベルの状態の診断を行う（ステップＳ０１）。診断処理において、診断対象ショベル３０で既定動作が実行され、時系列データが収集される。診断の具体的な方法については、後に図９Ｂを参照して説明する。

診断対象ショベル３０は、診断処理において実行した既定動作の種別、診断結果及び時系列データをショベル管理装置６０に送信するとともに、時系列データをショベル支援装置５０に送信する。ショベル支援装置５０の時系列データ取得部５１１（図３）が、通信装置５２を介して受信した時系列データを取得する。

ショベル管理装置６０は、診断結果及び時系列データを受信すると、受信した診断結果と時系列データとを関連付けて、データベース７０（図１、図２）に追加する（ステップＳ０２）。さらに、受信した診断結果に基づいて、診断処理で実行した既定動作に対応するデータベース７０から、典型的時系列データを抽出する（ステップＳ０３）。一例として、診断結果の異常の種別が一致し、異常の程度が最も大きな状態（故障に至った状態）における典型的時系列データが抽出される。ここで、「故障に至った状態」は、部品の交換、修理等の何らかの対応が必要な状態を意味する。ショベル管理装置６０は、抽出された典型的時系列データをショベル支援装置５０に送信する。

ショベル支援装置５０の典型的時系列データ取得部５１２（図３）が、通信装置５２を介して受信した典型的時系列データを取得する。ショベル支援装置５０の表示処理部５１４（図３）が、時系列データ取得部５１１で取得された時系列データと、典型的時系列データ取得部５１２で取得された典型的時系列データとを対比させて、表示装置５４（図３）に表示する（ステップＳ０４）。

図４Ｂに示すように、診断対象ショベル３０の状態の診断を、診断対象ショベル３０の代わりにショベル管理装置６０が行うようにしてもよい。この場合には、診断対象ショベル３０から診断結果は送信されず、時系列データが送信される。ショベル管理装置６０は、診断対象ショベル３０から受信した時系列データに基づいて、診断対象ショベル３０の状態の診断を行う（ステップＳ０１）。

図５Ａに、ショベル支援装置５０の表示装置５４に表示された画像の一例を示す。診断対象ショベル３０から受信した時系列データと、ショベル管理装置６０から受信した典型的時系列データとが、グラフ形式で表示されている。横軸は経過時間を表し、縦軸は、エンジン回転数を表す。

図５Ａにおいて、診断対象ショベル３０から受信した時系列データが実線で示され、ショベル管理装置６０から受信した典型的時系列データが破線で示されている。破線で示された典型的時系列データは、異常の程度が進み、故障に至った状態のエンジン回転数の時間変化を表している。図５Ａに示した時系列データ及び典型的時系列データは、既定動作として油圧負荷動作が選択されたときのものである。故障に至った状態では、油圧負荷動作時にエンジン回転数が大きく低下している。この状態は、異常種別として、例えば燃料系異常または吸気系異常が発生している状態に相当する。

診断対象ショベル３０の時系列データが、故障に至った状態の典型的時系列データに類似する場合には、診断対象ショベル３０の異常の程度も進んでいると推定される。このように、図５Ａに示したグラフから、診断対象ショベル３０の異常の程度を直感的に把握することができる。このため、ショベル３０の所有者がメンテナンスの必要性を容易に理解することができる。

図５Ｂに、ショベル支援装置５０の表示装置５４に表示された画像の他の例を示す。図５Ｂに示した例では、診断対象ショベル３０の時系列データ、故障に至った状態の典型的時系列データに加えて、正常時の典型的時系列データが細い実線で示されている。正常時の典型的時系列データは、ショベル管理装置６０からショベル支援装置５０に送信される。正常時には、油圧負荷が印加されたときのエンジン回転数の一時的な低下幅が、故障時のそれより少なく、エンジン回転数が定常状態に回復するまでの時間が、故障時のそれより短い。

診断対象ショベル３０の時系列データと、正常時の典型的時系列データとの相違から、診断対象ショベル３０に何らかの異常が発生していることを直感的に把握することができる。

図５Ｃに、ショベル支援装置５０の表示装置５４に表示された画像のさらに他の例を示す。図５Ｃに示した例では、診断対象ショベル３０の時系列データ、正常時及び故障に至った状態の典型的時系列データに加えて、正常状態から故障に至るまでの異常の程度が異なる複数の中間段階の典型的時系列データが、太さの異なる複数の破線で示されている。中間段階の典型的時系列データは、ショベル管理装置６０からショベル支援装置５０に送信される。

正常状態から故障に至るまでの中間段階の典型的時系列データと、診断対象ショベル３０の時系列データとを比較することにより、診断対象ショベル３０に発生している異常の程度を、より正確に把握することができる。このまま修理しないで運転を続けたら、いずれは故障に至る可能性が高いことを、直感的に把握することができる。

図６に、ショベル支援装置５０の表示装置５４に表示された画像のさらに他の例を示す。図６では、ショベル３０の既定動作として、アイドリング動作が選択されている。時系列データ及び典型的時系列データは、エンジン回転数の時間変化を表している。表示画面の上段に、正常時の典型的時系列データが表示され、中段に、診断対象ショベル３０の時系列データが表示され、下段に、故障に至った状態の典型的時系列データが表示されている。

診断対象ショベル３０のアイドリング時のエンジン回転数の時間変化の振幅は、正常時の振幅よりも大きいが、故障に至った状態における振幅よりも小さいことがわかる。このことから、診断対象ショベル３０に何らかの異常が発生しているが、異常の程度は、故障に至るまで進んでいないことが直感的に理解できる。ただし、このまま修理しないで運転を続けたら、いずれは故障に至る可能性が高いことを、直感的に把握することができる。

次に、図７を参照して、他の実施例によるショベル支援装置５０について説明する。以下、図１〜図６に示した実施例との相違点について説明し、共通の構成については説明を省略する。図１〜図６に示した実施例では、図４Ａに示したように、ショベル管理装置６０が、診断結果に基づいて典型的時系列データを抽出した（ステップＳ０３）。図７に示した実施例では、この抽出処理がショベル支援装置５０で実行される。

図７は、診断対象ショベル３０、ショベル管理装置６０、及びショベル支援装置５０の処理及び通信シーケンスを示す。ショベル管理装置６０に構築されているデータベース７０（図１、図２）の内容がショベル支援装置５０に転送されている。ショベル支援装置５０は、ショベル管理装置６０から転送されたデータベース７０の内容を記憶装置に格納する（ステップＳ０５）。

診断対象ショベル３０からショベル支援装置５０に、診断結果及び時系列データが送信される。ショベル支援装置５０は、受信した診断結果に基づいて、記憶装置に格納されているデータベースから典型的時系列データを抽出する（ステップＳ０３）。この処理は、図４Ａに示したショベル管理装置６０で行われる抽出処理（ステップＳ０３）と同一である。その後、診断対象ショベル３０から受信した時系列データと、抽出された典型的時系列データとを対比させて、表示装置５４（図３）に表示する（ステップＳ０４）。このように、典型的時系列データの抽出をショベル支援装置５０が実行することも可能である。

次に、図８Ａ、図８Ｂ〜図１１を参照して、ショベル３０の状態の診断方法の一例について説明する。

図８Ａに、複数のショベル３０とショベル管理装置６０との処理及びデータ転送シーケンスを示す。複数の正常なショベル３０が既定動作を実行しているときに収集された時系列データが、ショベル管理装置６０に送信される。ショベル管理装置６０は、受信した複数の時系列データに基づいて、正常時の典型的時系列データを、該当の既定動作に対応するデータベース７０（図１、図２）に追加する（ステップＳ１０）。

図９Ａに、ステップＳ１０（図８Ａ）のフローチャートを示す。まず、ステップＳ１０１において、正常時の複数の時系列データの各々の複数の特徴量を算出する。特徴量は、時系列データで特定された時間波形の形状を表す統計量である。特徴量として、平均値、標準偏差、最大波高値、ピークの数、信号非存在時間の最大値等を採用することができる。

図１０を参照して、ピークの数及び信号非存在時間の最大値について説明する。図１０に、時系列データで規定される時間波形の一部分を例示する。「ピークの数」は、例えば、波形が閾値Ｐｔｈ０を横切る箇所の数と定義される。図１０に示した期間においては、交差箇所Ｈ１〜Ｈ４で、波形が閾値Ｐｔｈ０を横切っている。このため、ピークの数は４と算出される。

波形が閾値Ｐｔｈ１よりも低い区間を信号非存在区間と定義する。図１０に示した例では、信号非存在区間Ｔ１〜Ｔ４が現れている。「信号非存在時間の最大値」は、複数の信号非存在区間の時間幅のうち最大の時間幅を意味する。図１０に示した例では、信号非存在区間Ｔ３の時間幅が、信号非存在時間の最大値として採用される。一般的に、図２に示した既定動作が「Ａ」であり、診断結果が「異常Ｙ３」である状態における典型的時系列データのように、波形に周期の長いうねりがあると、信号非存在時間の最大値が大きくなる。時系列データの各々が、各特徴量を要素とする評価ベクトルで表される。

ステップＳ１０２（図９Ａ）において、特徴量の各々の平均値及び標準偏差を用いて、平均値が０、標準偏差が１になるように、各特徴量を規格化する。規格化された特徴量を要素とする規格化評価ベクトルが得られる。

図１１に、規格化評価ベクトルを元（エレメント）とするベクトル空間の一例を示す。ベクトル空間の次元数は、特徴量の個数に一致するが、図１１では、ベクトル空間を、特徴量ａ及び特徴量ｂを要素とする２次元で表している。正常状態のショベル３０から収集された時系列データに対応する規格化評価ベクトル８０のほとんどは、原点を中心とした半径３（３σに相当）の球体９０内に含まれる。

最も短い規格化評価ベクトルに対応する時系列データが、正常時における典型的時系列データとして、該当の既定動作のデータベース（図１、図２）に追加される。さらに、各特徴量を規格化するときに用いた平均値及び標準偏差が、既定動作ごとにデータベース７０に追加される。この平均値及び標準偏差は、診断対象ショベル３０から取得された時系列データの特徴量を規格化するときに用いられる。

図８に示すように、あるショベル３０で異常が発生すると（ステップＳ１２）、異常が発生したショベル３０の状態の診断を行う（ステップＳ１３）。診断は、例えば整備要員がショベル３０を操作することにより実行される。

図９Ｂに、ステップＳ１３（図８Ａ）のフローチャートを示す。図４ＡのステップＳ０１、図４ＢのステップＳ０１、及び図７のステップＳ０１の状態診断の処理も、ステップＳ１３の処理と同一である。

ステップＳ１３１において、異常が発生したショベル３０の既定動作中に、車両コントローラ３１（図１）が、センサ３３を通して時系列データを取得する。ステップＳ１３２において、取得された時系列データの特徴量を算出する。この算出処理は、ステップＳ１０１（図９Ａ）の特徴量の算出処理と同一である。ステップＳ１３３において、特徴量を要素とする評価ベクトルを規格化する。この規格化処理は、ステップＳ１０２（図９Ａ）の規格化処理と同一である。規格化処理で用いられる各特徴量の平均値と標準偏差は、ショベル管理装置６０からショベル３０に予め送信されている。規格化評価ベクトルの各要素、または規格化評価ベクトルの方向と長さによって、診断結果が表される。

同一の異常が発生している複数のショベル３０から取得された時系列データの時間変動は類似する。このため、これらの時系列データに対応する規格化評価ベクトルは、ほぼ同一の方向を向く。異常種別が異なれば、規格化評価ベクトル８０の方向も異なる。例えば、図１１に示した例において、異常種別Ｘに対応する複数の規格化評価ベクトル８０Ｘは、方向８５Ｘに近い方向を向き、異常種別Ｙに対応する複数の規格化評価ベクトル８０Ｙは、方向８５Ｘとは異なる方向８５Ｙに近い方向を向く。

図８Ａに示すように、ショベル３０が、診断結果（規格化評価ベクトル）、及び時系列データをショベル管理装置６０に送信する。ショベル管理装置６０は、受信した診断結果と時系列データとを関連付けて、データベース７０（図１、図２）に追加する（ステップＳ１４）。

図８Ｂに示すように、異常が発生したショベル３０の診断を、ショベル３０に代えてショベル管理装置６０が行ってもよい。この場合には、ショベル３０から時系列データがショベル管理装置６０に送信される。ショベル管理装置６０は、受信した時系列データに基づいて、ショベル３０の診断をおこなう（ステップＳ１３）。

次に、図１２を参照して、図４Ａに示した典型的時系列データの抽出方法（ステップＳ０３）について説明する。

図１２に、ステップＳ０３（図４Ａ）のフローチャートを示す。診断対象ショベル３０から受信した診断結果（規格化評価ベクトル８１（図１１））から異常種別を推定する（ステップＳ０３１）。異常種別は、時系列データの複数の特徴量、より具体的には規格化評価ベクトル８１の方向から推定することができる。診断対象ショベル３０から受信した規格化評価ベクトル８１が、方向８５Ｘに近い方向を向く場合、診断対象ショベル３０に、異常種別がＸの異常が発生していると推定される。

ショベル管理装置６０は、診断結果で示された異常種別と同一の異常種別に関連付けられた複数の典型的時系列データを、診断対象ショベル３０が実行した既定動作に対応するデータベース７０（図１、図２）から抽出する（ステップＳ０３２）。例えば、既定動作がＡであり、異常種別がＸである場合、診断結果が「異常Ｘ１」、「異常Ｘ２」、「異常Ｘ３」・・・に関連付けられた典型的時系列データが抽出される。

ステップＳ０３３（図１２）において、抽出された複数の典型的時系列データから、表示すべき典型的時系列データを、さらに抽出する。一例として、異常の程度が最も大きい診断結果に対応付けられた典型的時系列データが抽出される。ステップＳ０３３で抽出された典型的時系列データが、図５Ｂに破線で示された故障時の典型的時系列データに相当する。ステップＳ０３３で、異常の程度が異なる複数の典型的時系列データを抽出することにより、図５Ｃに示した異常時１、異常時２、及び故障時に対応する複数の典型的時系列データを表示することができる。

図５Ａ〜図５Ｃでは、ショベル支援装置５０に表示される「稼動状態を示す物理量」として、エンジン回転数が選択された例が示されている。エンジン回転数の他に、他の物理量、例えば油圧ポンプ圧力が表示されるようにしてもよい。さらに、複数の物理量から、異常の発生を最も直感的に認識し易い時間変化を示す物理量を選択して表示するようにしてもよい。

複数の物理量について異常診断を行なう場合、評価対象の物理量ごとに、図１１に示した規格化評価ベクトル８１を求めることができる。最も長い規格化評価ベクトル８１に対応する物理量が、時系列データの波形の異常を最も特徴的に表していると考えられる。従って、最も長い規格化評価ベクトル８１に対応する物理量を、ショベル支援装置５０に表示される「稼動状態を示す物理量」として選択することが好ましい。

以上実施例に沿って本発明を説明したが、本発明はこれらに制限されるものではない。例えば、種々の変更、改良、組み合わせ等が可能なことは当業者に自明であろう。

３０ ショベル
３１ 車両コントローラ
３２ 電子制御ユニット（ＥＣＵ）
３３ センサ
３４ 通信装置
４０ ネットワーク
５０ ショベル支援装置
５１ 処理装置
５１１ 時系列データ取得部
５１２ 典型的時系列データ取得部
５１３ 入力処理部
５１４ 表示処理部
５２ 通信装置
５３ 入力装置
５４ 表示装置
６０ ショベル管理装置
７０ データベース
８０ 正常時の規格化評価ベクトル
８１ 規格化評価ベクトル
８５Ｘ 異常種別Ｘの規格化評価ベクトルの方向
８５Ｙ 異常種別Ｙの規格化評価ベクトルの方向
９０ 半径３の球体

Claims (4)

1. 表示装置と、
   通信装置と、
   処理装置と
   を有し、
   前記処理装置は、
   診断対象ショベルから、前記通信装置を介して、前記診断対象ショベルの稼働状態を示す時系列データを取得し、
   前記診断対象ショベルの診断結果とショベルの稼働状態を示す典型的時系列データとが関連付けられて記憶されたデータベースから、前記診断対象ショベルの診断結果に基づいて抽出された前記典型的時系列データを取得し、
   前記診断対象ショベルの前記時系列データと、前記データベースから取得された前記典型的時系列データとを対比させて、前記表示装置に表示するショベル支援装置。
2. 前記診断結果は、前記時系列データの時間波形の形状を表す複数の特徴量を含み、
   前記データベースから、複数の前記特徴量に基づいて前記典型的時系列データが抽出される請求項１に記載のショベル支援装置。
3. 前記処理装置は、
   正常なショベルから取得された稼働状態を示す正常時の前記時系列データを、前記診断対象ショベルの前記時系列データ、及び前記データベースから取得された前記典型的時系列データとともに、前記表示装置に表示する請求項１または２に記載のショベル支援装置。
4. 前記データベースに、ショベルに発生している異常の程度に応じた複数の前記典型的時系列データが格納されており、
   前記データベースから、前記診断対象ショベルの診断結果に基づいて、異常の程度が異なる複数の前記典型的時系列データが抽出され、
   前記処理装置は、
   抽出された複数の前記典型的時系列データを取得し、
   前記診断対象ショベルの前記時系列データと、前記データベースから取得された複数の前記典型的時系列データとを対比させて、前記表示装置に表示する請求項１乃至３のいずれか１項に記載のショベル支援装置。

Images