JP2017207265A - 劣化推定方法及び劣化推定装置 - Google Patents

劣化推定方法及び劣化推定装置 Download PDF

Info

Publication number
JP2017207265A
JP2017207265A JP2016101991A JP2016101991A JP2017207265A JP 2017207265 A JP2017207265 A JP 2017207265A JP 2016101991 A JP2016101991 A JP 2016101991A JP 2016101991 A JP2016101991 A JP 2016101991A JP 2017207265 A JP2017207265 A JP 2017207265A
Authority
JP
Japan
Prior art keywords
deterioration
determination criterion
determination
work
work record
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
JP2016101991A
Other languages
English (en)
Other versions
JP6697766B2 (ja
Inventor
篤 吉田
Atsushi Yoshida
篤 吉田
ウェイ 張
Wei Chang
ウェイ 張
多鹿　陽介
Yosuke Tajika
陽介 多鹿
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.)
Panasonic Intellectual Property Management Co Ltd
Original Assignee
Panasonic Intellectual Property Management Co Ltd
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 Panasonic Intellectual Property Management Co Ltd filed Critical Panasonic Intellectual Property Management Co Ltd
Priority to JP2016101991A priority Critical patent/JP6697766B2/ja
Priority to CN201710181335.1A priority patent/CN107403224B/zh
Priority to US15/472,410 priority patent/US10628804B2/en
Priority to EP17165190.4A priority patent/EP3246856B1/en
Publication of JP2017207265A publication Critical patent/JP2017207265A/ja
Application granted granted Critical
Publication of JP6697766B2 publication Critical patent/JP6697766B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass
    • G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

【課題】精度の高い劣化状態の推定を実現する。【解決手段】劣化推定方法は、機器１０１のメンテナンスの作業記録１１２を取得する作業記録取得ステップ（Ｓ１３１）と、作業記録１１２から機器１０１の劣化状態を分析する分析ステップ（Ｓ１３２）と、分析された劣化状態に応じて、機器１０１が劣化しているか否かを推定するための予め定められた第１判定基準を第２判定基準に調整する判定基準調整ステップ（Ｓ１３３〜Ｓ１３７）と、機器１０１の状態を示す機器データ１１１を取得する機器データ取得ステップ（Ｓ１２１）と、取得された機器データ１１１と、第２判定基準とを用いて、機器１０１が劣化しているか否かを推定する第１劣化推定ステップ（Ｓ１２３）とを含む。【選択図】図９

Description

本発明は、劣化推定方法及び劣化推定装置に関する。
大型空調機などのメンテナンスが必要な機器の管理において、当該機器の内部センサが取得した運転データなどを用いて機器の劣化状態を推定する技術が知られている。例えば、特許文献１では、劣化の判定基準が事前に作成され、当該判定基準を用いて劣化状態が推定される。また、特許文献２では、現在の運転情報と過去の運転情報とを比較することで劣化状態が推定される。
特許第３３４０８１４号公報 特許第５６２１８８８号公報
しかしながら、このようなシステムでは、より精度の高い劣化状態の推定を行えることが望まれている。
本発明は、精度の高い劣化状態の推定を実現できる劣化推定方法又は劣化推定装置を提供することを目的とする。
本発明の一態様に係る劣化推定方法は、機器のメンテナンスの作業記録を取得する作業記録取得ステップと、前記作業記録から前記機器の劣化状態を分析する分析ステップと、分析された前記劣化状態に応じて、前記機器が劣化しているか否かを推定するための予め定められた第１判定基準を第２判定基準に調整する判定基準調整ステップと、前記機器の状態を示す第１機器データを取得する機器データ取得ステップと、取得された前記第１機器データと、前記第２判定基準とを用いて、前記機器が劣化しているか否かを推定する第１劣化推定ステップとを含む。
なお、これらの全般的または具体的な態様は、システム、方法、集積回路、コンピュータプログラムまたはコンピュータ読み取り可能なＣＤ−ＲＯＭなどの記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラム及び記録媒体の任意な組み合わせで実現されてもよい。
本発明は、精度の高い劣化状態の推定を実現できる劣化推定方法又は劣化推定装置を提供できる。
実施の形態に係る劣化推定システムの構成を示す図である。 実施の形態に係る劣化推定装置のブロック図である。 実施の形態に係る警報通知時の動作の概要を示す図である。 実施の形態に係る定期点検時の動作の概要を示す図である。 実施の形態に係る警報通知時の動作例を示す図である。 実施の形態に係る劣化推定処理のフローチャートである。 実施の形態に係る機器データの一例を示す図である。 実施の形態に係る劣化指標の一例を示す図である。 実施の形態に係る劣化推定処理を説明するための図である。 実施の形態に係る警報通知時における判定基準調整処理のフローチャートである。 実施の形態に係る非定形記録の一例を示す図である。 実施の形態に係る作業有無判定条件の一例を示す図である。 実施の形態に係る判定基準を上げる場合の動作例を示す図である。 実施の形態に係る劣化程度判定条件の一例を示す図である。 実施の形態に係る判定基準を下げる場合の動作例を示す図である。 実施の形態に係る定期点検時の動作例を示す図である。 実施の形態に係る定期点検時における判定基準調整処理のフローチャートである。 実施の形態に係る判定基準の別の例を示す図である。 実施の形態に係る判定基準の別の例を示す図である。 実施の形態に係る判定基準の別の例を示す図である。 実施の形態に係る２つの判定基準を用いる場合の動作例を示す図である。 実施の形態に係る警報通知時の動作例の変形例を示す図である。 実施の形態に係る判定基準変更の提案通知時の画面例を示す図である。 実施の形態に係る判定基準調整処理の変形例に用いられるキーワードの一例を示す図である。 実施の形態に係る判定基準調整処理の変形例のフローチャートである。
（本発明の基礎となった知見）
大型空調機などの機器の管理においては、故障や性能劣化などの不具合、不都合を未然に防止し、質の良い長寿命運転を実現することが望まれている。例えば、吸収式冷凍機の劣化の程度は徐々に進行する。これにより、春先等の軽負荷運転時では故障が表面化せず、夏季など負荷が大きくなり、冷凍能力不足により初めて故障が顕在化する場合がある。よって、故障に至る前に劣化の有無を特定し、適切な対処で故障を回避することが望まれている。
本実施の形態では、作業員等が行ったメンテナンス記録を用いて劣化状態の推定に用いる判定基準を調整することで、高精度の劣化推定を実現できるシステム及び装置について説明する。
なお、劣化している（劣化がある）とは、劣化の程度が基準を超えることであり、例えば、運転継続が可能であるが、正常時に比べて性能が低下している状態を意味する。また、劣化の有無の推定（劣化しているか否かの推定）処理を劣化推定とも呼ぶ。また、劣化状態の推定（又は分析等）とは、劣化の有無及び劣化の程度の少なくとも一方の推定（又は分析等）を含む。
本発明の一態様に係る劣化推定方法は、機器のメンテナンスの作業記録を取得する作業記録取得ステップと、前記作業記録から前記機器の劣化状態を分析する分析ステップと、分析された前記劣化状態に応じて、前記機器が劣化しているか否かを推定するための予め定められた第１判定基準を第２判定基準に調整する判定基準調整ステップと、前記機器の状態を示す第１機器データを取得する機器データ取得ステップと、取得された前記第１機器データと、前記第２判定基準とを用いて、前記機器が劣化しているか否かを推定する第１劣化推定ステップとを含む。
これによれば、作業記録に基づき判定基準が調整される。これにより、予め初期設定した判定基準が適切でない場合であっても、適切な判定基準を用いて劣化推定を行えるので劣化推定の精度を高くできる。
例えば、前記作業記録は自由記述の作業記録であってもよい。
これによれば、定型の作業記録に限らず、非定型の作業記録を用いて学習を行うことができる。これにより、事前の作業記録の項目やフォーマットの準備なく、かつ、作業員の自由な入力を得ることができるため、より多くの情報を用いて学習を行うことができる。よって、劣化推定の精度を向上できる。
例えば、前記分析ステップでは、前記作業記録から前記機器の劣化が基準より進んでいるか否かを判定し、前記判定基準調整ステップでは、前記機器の劣化が前記基準より進んでいると判定された場合、前記第２判定基準を前記第１判定基準より低くしてもよい。
例えば、前記第１劣化推定ステップでは、前記第１機器データに基づき算出された第１劣化指標が前記第２判定基準より大きい場合、前記機器が劣化していると推定し、前記判定基準調整ステップでは、前記機器の劣化が前記基準より進んでいると判定された場合、前記第２判定基準を、前記第１判定基準と、前記メンテナンスが行われた後の前記機器の状態を示す第２機器データから算出される第２劣化指標との間に調整してもよい。
例えば、前記分析ステップでは、前記作業記録から前記機器の劣化の有無を判定し、前記判定基準調整ステップでは、前記機器の劣化がないと判定された場合、前記第２判定基準を前記第１判定基準より高くしてもよい。
例えば、前記第１劣化推定ステップでは、前記第１機器データに基づき算出された第１劣化指標が前記第２判定基準より大きい場合、前記機器が劣化していると推定し、前記判定基準調整ステップでは、前記作業が発生していないと推定された場合、前記第２判定基準を、前記メンテナンスが行われるまでの所定期間の前記機器の状態を示す第３機器データから算出される第３劣化指標の最大値より高くしてもよい。
例えば、前記劣化推定方法は、さらに、前記作業記録取得ステップより前に、前記第１機器データで示される状態より前の前記機器の状態を示す第４機器データを取得する第４機器データ取得ステップと、取得された前記第４機器データと、前記第１判定基準とを用いて、前記機器が劣化しているか否かを推定する第２劣化推定ステップと、前記第２劣化推定ステップにおいて、前記機器が劣化していると推定された場合、警報を通知する通知ステップとを含み、前記メンテナンスは、前記警報の通知に応じて行われた前記機器のメンテナンスであってもよい。
例えば、前記メンテナンスは、定期的に行われるメンテナンスであってもよい。
例えば、前記劣化推定方法は、前記機器を含む複数の機器が属する顧客毎に、互いに異なる前記判定基準を生成してもよい。
これによれば、各顧客の環境等に応じた適切な劣化推定を実現できる。
例えば、前記判定基準調整ステップでは、前記第１判定基準を前記第２判定基準に調整すると判定された場合、ユーザに当該調整の可否を問い合わせ、前記ユーザにより当該調整が承認された場合に、前記第１判定基準を前記第２判定基準に調整してもよい。
例えば、前記分析ステップでは、前記作業記録に前記第１判定基準を調整する旨の記載が含まれるか否かを判定し、前記判定基準調整ステップでは、前記作業記録に前記第１判定基準を調整する旨の記載が含まれる場合、前記第１判定基準を前記第２判定基準に調整してもよい。
また、本発明の一態様に係る劣化推定装置は、機器のメンテナンスの作業記録を取得する作業記録取得部と、前記作業記録から前記機器の劣化状態を分析する分析部と、分析された前記劣化状態に応じて、前記機器が劣化しているか否かを推定するための予め定められた第１判定基準を第２判定基準に調整する判定基準調整部と、前記機器の状態を示す第１機器データを取得する機器データ取得部と、取得された前記第１機器データと、前記第２判定基準とを用いて、前記機器が劣化しているか否かを推定する劣化推定部とを備える。
これによれば、作業記録に基づき判定基準が調整される。これにより、予め初期設定した判定基準が適切でない場合であっても、適切な判定基準を用いて劣化推定を行えるので劣化推定の精度を高くできる。
なお、これらの包括的または具体的な態様は、システム、方法、集積回路、コンピュータプログラムまたはコンピュータ読み取り可能なＣＤ−ＲＯＭなどの記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラム及び記録媒体の任意な組み合わせで実現されてもよい。
以下、実施の形態について、図面を参照しながら具体的に説明する。
なお、以下で説明する実施の形態は、いずれも本発明の一具体例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの順序などは、一例であり、本発明を限定する主旨ではない。また、以下の実施の形態における構成要素のうち、最上位概念を示す独立請求項に記載されていない構成要素については、任意の構成要素として説明される。
（実施の形態）
本実施の形態に係る劣化推定装置は、作業員等が行ったメンテナンス記録を用いて劣化状態の推定に用いる判定基準を調整する。これにより、当該劣化推定装置は、高精度の劣化推定を実現できる。
まず、本実施の形態に係る劣化推定システム１００の構成を説明する。図１は、本実施の形態に係る劣化推定システム１００の構成を示す図である。
図１に示すように、劣化推定システム１００は、例えば、大型空調機である機器１０１と、機器１０１の状態を推定する劣化推定装置１０２と、機器１０１のメンテナンスを行うメンテナンスサービス１０３とを含む。なお、機器１０１は大型空調機に限定されるものではなく、任意の機器でよい。例えば、機器１０１は、メンテナンスが必要なビル内の設備機器、工場における製造機器、又は産業機器であってもよい。
また、メンテナンスサービス１０３は、カスタマーサポート部門のサービスだけでなく、機器を開発する設計部門、又は利用者に応対する営業部門のサービスである場合もある。
例えば、顧客Ａの例に示すように、メンテナンスサービス１０３は、顧客毎に設けられており、各メンテナンスサービス１０３により当該顧客に属する１以上の機器１０１のメンテナンスが行われる。
または、顧客Ｂの例に示すように、メンテナンスサービス１０３は外部の専門のメンテナンスサービス会社に含まれもよい。この場合、顧客毎にメンテナンスサービス１０３を行う部門を持たなくてもよい。
なお、ここでは、顧客の数が２であり、各顧客に２個の機器１０１が属する例を示すが、顧客及び機器１０１の数は任意でよい。
劣化推定装置１０２は、例えば、機器１０１及びメンテナンスサービス１０３とネットワークを介して接続されているサーバである。本サーバは、クラウドサーバ形態、又はオンプレミス型のサーバなど、そのシステムアーキテクチャには限定されない。
この劣化推定装置１０２は、機器１０１から機器データ１１１を取得する。機器データ１１１は、機器の状態を示し、例えば、機器１０１の設定値、及び、機器１０１に設置されているセンサにより検知された機器の特性の測定値等を含む。
また、劣化推定装置１０２は、メンテナンスサービス１０３から作業記録１１２を取得する。作業記録１１２は、機器１０１のメンテナンスのために行われた作業記録であり、例えば、メンテナンスサービス１０３の作業員が行った、修理、一般整備、及び清掃などの機器１０１をメンテナンスするうえで行った作業及び目視の記録である。
劣化推定装置１０２は、機器データ１１１が判定基準を満たす場合に、警報１１３をメンテナンスサービス１０３に通知する。また、劣化推定装置１０２は、作業記録１１２を用いて判定基準を調整する。
以下、劣化推定装置１０２の構成の詳細を説明する。図２は、劣化推定装置１０２のブロック図である。図２に示すように、劣化推定装置１０２は、機器データ取得部１２１と、機器データ蓄積部１２２と、指標算出部１２３と、作業記録取得部１２４と、作業記録蓄積部１２５と、分析部１２６と、判定基準調整部１２７と、判定基準蓄積部１２８と、劣化推定部１２９と、通知部１３０とを備える。
機器データ取得部１２１は、機器１０１から機器データ１１１を順次取得し、取得した機器データ１１１を機器データ１４１として機器データ蓄積部１２２に蓄積する。
指標算出部１２３は、機器データ取得部１２１で取得された機器データ１１１から、機器１０１の劣化度合いを定量的に示す劣化指標１４２を算出し、算出した劣化指標１４２を劣化推定部１２９に出力するとともに機器データ蓄積部１２２に蓄積する。
作業記録取得部１２４は、メンテナンスサービス１０３から作業記録１１２を順次取得し、取得した作業記録１１２を作業記録蓄積部１２５に蓄積する。ここで作業記録１１２には定型記録及び非定型記録が含まれ、それぞれ定型記録１４３及び非定型記録１４４として蓄積される。ここで、定型記録とは、予め項目が設定されている情報である。また、非定型記録とは自由記述の作業日誌等のフォーマットが統一されていない非定型の情報である。
分析部１２６は、作業記録１１２に含まれる定型記録１４３及び非定型記録１４４を用いて、機器１０１の劣化状態（又は作業内容）を分析する。この分析部１２６は、作業有無分析部１３１と、劣化程度分析部１３２とを備える。
作業有無分析部１３１は、保持している作業有無判定条件１４５を用いて非定型記録１４４から、機器１０１の劣化の有無（又はメンテナンスにおいて作業が発生したか否か）を判定する。劣化程度分析部１３２は、保持している劣化程度判定条件１４６を用いて非定型記録１４４から、機器１０１の劣化の程度（又はメンテナンスにおける作業の程度）を判定する。
判定基準調整部１２７は、分析部１２６で分析された機器１０１の劣化状態に応じて、判定基準蓄積部１２８に蓄積されている判定基準１４７を調整する。つまり、判定基準調整部１２７は、分析された劣化状態に応じて、機器１０１が劣化しているか否かを推定するための予め定められた第１判定基準を第２判定基準に調整する。
例えば、この判定基準１４７は、顧客毎に設けられていている。なお、判定基準１４７は、機器１０１毎に設けられていてもよいし、複数の機器１０１又は複数の顧客で共通の判定基準１４７が用いられてもよい。つまり、機器１０１毎、又は複数の機器１０１が属する顧客毎に、互いに異なる判定基準１４７が生成されてもよい。また、判定基準１４７は、劣化の種別ごとに設けられてもよい。
劣化推定部１２９は、判定基準１４７を用いて、機器データ１１１から、機器１０１の劣化状態を推定する。具体的には、劣化推定部１２９は、機器１０１が劣化しているか否かを推定する。
通知部１３０は、機器１０１が劣化していると推定された場合、警報１１３をメンテナンスサービス１０３に通知する。
また、本実施の形態では、各処理の区別のため、主に、劣化推定部１２９による判定基準１４７に基づく劣化状態の判別処理を「推定」と記し、分析部１２６による作業記録に基づく劣化状態の判別処理を「分析」と記す。また、劣化推定部１２９及び分析部１２６における劣化の有無又は劣化の程度の具体的な判別処理を「判定」と記す。
以下、劣化推定装置１０２による動作を説明する。なお、以下では、説明の簡略化のため、一つの機器１０１に対する動作を説明する。まず、判定基準１４７の調整処理が行われる動作の概要を説明する。調整処理が行われる動作として、図３Ａ及び図３Ｂに示す２つの動作例が想定される。
図３Ａは、警報１１３の通知に伴いメンテナンスが発生した場合の処理の概要を示す図である。まず、劣化推定装置１０２により、機器１０１から送信された機器データ１１１に基づき劣化が検知される。これにより、メンテナンスサービス１０３に警報１１３が通知され、作業員が機器１０１のメンテナンス（点検及び修理）を行う。その結果が作業記録１１２として劣化推定装置１０２に送られ、劣化推定装置１０２は、当該作業記録１１２に基づく判定基準１４７の調整を行う。
図３Ｂは、定期点検時の処理の概要を示す図である。まず、作業員が機器１０１の定期点検を行う。ここで定期点検（保守）とは、作業員が定期的に機器１０１をメンテナンス（機器１０１の状態を確認）する作業であり、必要に応じて修理又は整備が発生する。その結果が作業記録１１２として劣化推定装置１０２に送られ、劣化推定装置１０２は、当該作業記録１１２に基づき、判定基準１４７の調整を行う。
以下、警報１１３の通知に伴いメンテナンスが発生した場合の処理を詳細に説明する。図４は、この場合の動作シーケンスを示す図である。まず、機器１０１は、機器データ１１１を劣化推定装置１０２に順次通知する（Ｓ１０１）。劣化推定装置１０２は、機器データ１１１を取得し、取得した機器データ１１１を用いて機器１０１の劣化の有無を推定する。この場合、劣化推定装置１０２は、劣化がない（判定基準を満たさない）と推定する（Ｓ１０２）。その後、ステップＳ１０３において通知された機器データ１１１に対して、劣化推定装置１０２は、劣化がある（判定基準を満たす）と推定する（Ｓ１０４）。
劣化があると推定された場合、劣化推定装置１０２は、メンテナンスサービス１０３に警報１１３を通知する（Ｓ１０５）。これにより、メンテナンスサービス１０３において警報１１３が発生し（Ｓ１０６）、作業員による機器１０１のメンテナンスが行われる（Ｓ１０７）。そして、メンテナンス内容を示す作業記録１１２が作成され、作業記録１１２が劣化推定装置１０２に登録される（Ｓ１０８）。
劣化推定装置１０２は、新たな作業記録１１２を用いて判定基準１４７を変更し（Ｓ１０９）、その後通知された機器データ１１１（第１機器データ）に対して、変更後の判定基準１４７（第２判定基準）を用いて劣化推定処理を行う（Ｓ１１０、Ｓ１１１）。
次に、この場合の劣化推定装置１０２の処理を説明する。まず、劣化推定装置１０２による劣化推定処理について説明する。図５は、劣化推定装置１０２による劣化推定処理のフローチャートである。また、図５に示す処理は、例えば、機器データ１１１が取得される毎に繰り返し行われる。
まず、機器データ取得部１２１は、機器１０１から機器データ１１１を取得する（Ｓ１２１）。図６は、機器データ１４１の一例を示す図である。図６に示すように、機器データ１４１は、時刻情報１５１と、検知データ１５２とを含む。時刻情報１５１は、検知データ１５２が検知された時刻を示す。検知データ１５２は、機器１０１の設定値又は機器１０１が備えるセンサにより検知された測定値である。つまり、機器データ１４１は、機器１０１の特性の測定値、又は機器１０１の設定値の時間変化を示す。なお、図６に示す検知データ１５２の項目は一例である。検知データ１５２の項目はこれに限定されず、任意の項目を含んでよい。機器が高性能の場合、設定値又は測定値に対して所定の演算を施した結果を、設定値又は測定値とする場合もある。また、検知データ１５２の測定値は、時刻情報１５１に記載された検知日時の瞬時値に限定されない。例えば、センサの誤作動又は計測のゆらぎの影響を抑制するために、検知日時を基準として前後の一定期間に測定されたデータの平均値又は加重平均値を用いてもよい。
次に、指標算出部１２３は、機器データ１１１から劣化指標を算出する（Ｓ１２２）。図７は、劣化指標の一例を示す図である。なお、図７に示す吸収式冷凍機とは商業施設などで使用される大型の空調機であり、ＧＨＰ（Ｇａｓ Ｈｅａｔ Ｐｕｍｐ）とはガスエンジンで動作する空調機であり、ＥＨＰ（Ｅｌｅｃｔｒｉｃ Ｈｅａｔ Ｐｕｍｐ）とは電気モータで動作する空調機であり、冷設とは、業務用等の冷蔵設備であり、商品を陳列するショーケース（ＳＣ）と冷凍機から構成される。。例えば、図７に示すように、吸収式冷凍機の冷却水の汚れに対する劣化指標として凝縮器の熱交換量を用いることができる。また、吸収式冷凍機の真空度低下に対する劣化指標として吸収器の熱交換量を用いることができる。また、ＧＨＰのエンジンの劣化に対する劣化指標としてエンストの頻度を用いることができる。ＥＨＰのフィルタ汚れに対する劣化指標としてＥＨＰの消費電力の増加量を用いることができる。
また、ＳＣの熱交換器の劣化に対する劣化指標として蒸発器の熱交換量を用いることができ、冷凍機の熱交換器の劣化に対する劣化指標として凝縮器での熱交換量を用いることができる。
以下、一例として、冷却水汚れを判定するための劣化指標の算出方法について説明する。例えば、冷却水汚れを判定するための劣化指標は下記（式１）により算出される。
劣化指標＝ΔＴ／Ｑ ・・・（式１）
ここでＱは冷凍能力を示し、下記（式２）により表わされる。
Ｑ＝α×（冷水出口温度 − 冷水入口温度）×冷水流量 ・・・（式２）
また、ΔＴは、凝縮器の対数平均温度差であり、下記（式３）により表わされる。
Figure 2017207265
ここで、ΔＴ１は凝縮器入口での温度差であり、ΔＴ２は凝縮器出口での温度差であり、Ｖは冷却水水量であり、Ｖ０は冷却水流量の規格値であり、γは係数（例えば１）である。
次に、劣化推定部１２９は、劣化指標が判定基準以上であるかを判定する（Ｓ１２３）。劣化指標が判定基準未満である場合（Ｓ１２３でＮｏ）、劣化推定装置１０２は、機器１０１が劣化していないと推定し、処理を終了する。そして劣化推定装置１０２は、次の機器データ１１１に対してステップＳ１２１以降の処理を実行する。
一方、劣化指標が判定基準１４７以上である場合（Ｓ１２３でＹｅｓ）、劣化推定装置１０２は、機器１０１が劣化していると推定し、通知部１３０は、警報１１３をメンテナンスサービス１０３に通知する（Ｓ１２４）。
図８は、この劣化推定処理の一例を示す図である。図８に示すように、時間経過とともに劣化指標が増加し、劣化指標が判定基準を超えた場合に、機器１０１が劣化していることを示す警報１１３が通知される。
次に、劣化推定装置１０２による判定基準の調整処理の詳細を説明する。図９は、劣化推定装置１０２による判定基準の調整処理のフローチャートである。また、図９に示す処理は、警報１１３の通知に伴う機器１０１のメンテナンス内容を示す作業記録１１２が取得される毎に行われる。
まず、作業記録取得部１２４は、作業記録１１２をメンテナンスサービス１０３から取得し、取得した作業記録１１２を定型記録１４３及び非定型記録１４４として作業記録蓄積部１２５に蓄積する（Ｓ１３１）。非定型記録１４４は、例えば、図１０に示すように、フリーフォーマットで記載された文字データである。なお、非定型記録１４４は、音声又は画像データであってもよい。この場合、音声認識又は画像認識により、音声又は画像データが文字データに変換される。
例えば、非定型記録１４４は、環境（天気、温度）、訪問理由、利用者のコメント、作業員による確認内容及び所見、作業員の実施内容、実施後の状況及び所見、並びに、引き継ぎ事項等を、日誌のような形態でフリーフォーマットにより記載したものである。なお、非定型記録１４４には、一部項目が定型化されているような形態も含まれる。
また、定型記録１４３は、日時、顧客情報、担当者情報、機種情報、設置場所、運転時間、設定値、測定データ、交換部品情報、作業等のチェックリスト及び定型の対処項目等を示す。なお、これらの項目の少なくとも一部が非定型記録１４４に示されてもよい。
次に、分析部１２６は、定型記録１４３及び非定型記録１４４を用いて、機器１０１の劣化状態を分析する（Ｓ１３２）。なお、作業記録１１２には非定型記録のみが含まれてもよい。以下では、非定型記録１４４から劣化状態を分析する処理について説明する。
具体的には、劣化状態の分析（Ｓ１３２）において、作業有無分析部１３１は、作業有無判定条件１４５を用いて、メンテナンスにおいて作業が発生したか否か（機器１０１の劣化の有無）を判定する。ここで、作業とは、修理、整備又は清掃等であり、機器１０１の劣化を改善するための作業を意味する。
図１１は、作業有無判定条件１４５の一例を示す図である。例えば、図１１に示すように、作業の発生、及び作業の未発生の各々に対して、予め複数のキーワードが設定されている。作業有無分析部１３１は、非定型記録１４４に「作業が発生」に対応するキーワードが含まれている場合には、作業が発生したと判定し、非定型記録１４４に「作業が未発生」に対応するキーワードが含まれている場合には、作業が発生していないと判定する。
なお、図１１では、「作業が発生」及び「作業が未発生」の各々にキーワードが設定されているが、一方のみに設定されており、非定型記録１４４に該当するキーワードが含まれない場合には、他方の状態であると判定されてもよい。例えば、「作業が発生」に対するキーワードのみが設定されており、当該キーワードが非定型記録１４４に含まれない場合に、「作業が未発生」と判定されてもよい。
作業が発生していないと判定された場合（Ｓ１３３でＮｏ）、判定基準調整部１２７は、判定基準を現在の判定基準より上げる調整を行う（Ｓ１３４）。つまり、判定基準調整部１２７は、機器１０１の劣化がないと判定された場合（Ｓ１３３でＮｏ）、調整後の判定基準（第２判定基準）を現在の判定基準（第１判定基準）より高くする。
図１２は、この動作例を示す図である。図１２に示すように、判定基準調整部１２７は、判定基準を、メンテナンスが行われるまでの所定期間における劣化指標の最大値より大きくする。例えば、判定基準調整部１２７は、判定基準を、警報１１３が通知されてからメンテナンスが行われるまでの期間における劣化指標の最大値より大きくする。つまり、判定基準調整部１２７は、調整後の判定基準（第２判定基準）を、メンテナンスが行われるまでの所定期間の機器１０１の状態を示す第３機器データから算出される第３劣化指標の最大値より高くする。
また、劣化状態の分析（Ｓ１３２）において、劣化程度分析部１３２は、劣化程度判定条件１４６を用いて、機器１０１の劣化の程度を判定する。言い換えると、劣化程度分析部１３２は、機器１０１の劣化が予め定められた基準より進んでいるか否かを判定する。
図１３は、劣化程度判定条件１４６の一例を示す図である。例えば、図１３に示すように、劣化の程度の少なくとも一つに対して、予め複数のキーワードが設定されている。劣化程度分析部１３２は、非定型記録１４４に「ひどい劣化」に対応するキーワードが含まれている場合には、劣化がひどいと判定し、非定型記録１４４に「ひどい劣化」に対応するキーワードが含まれていない場合には、ひどい劣化ではない（軽度の劣化である）と判定する。なお、複数の劣化の程度の各々にキーワードが設定されていてもよい。また、判定対象の劣化の程度は、３種類以上であってもよい。
また、ここでは、非定型記録１４４から、作業の有無及び劣化程度を判定する方法として、項目と単語とが対応付けられている単純リストを用いる例を述べたが、相関リスト、又は単純リストと相関リストとの組み合わせが用いられてもよい。例えば、分析部１２６は、非定型記録１４４から抽出した単語に対して発生語の類似・相関探索を行い、探索結果である数値結果に基づき、閾値内の単語の単純リストもしくは相関リスト、及びその組み合わせを作成する。次に、分析部１２６は、類似探索により得られた単語リストと、事前に不具合の項目及びレベルの組み合わせごとに生成された単語リストとを比較し、同じ又は一致度が高い（一致度が閾値以上である）単語リストの項目を、対応する項目（作業の有無又は劣化の程度）として判定してもよい。
また、上記劣化状態の分析処理の具体的な方法として、キーワードの出現頻度と語彙間の結びつき度を用いるテキストマイニング処理を用いてもよい。例えば、分析部１２６は、Ｊａｃａｒｄ係数等の数値化指標を用いて共起ネットワークを生成する。分析部１２６は、生成した共起ネットワークを用いて結びつきの強い語彙セットを抽出する。次に、分析部１２６は、抽出された語彙セットがどの項目に属するかを判定することで、作業の有無又は劣化の程度を判定する。つまり、分析部１２６は、抽出された語彙セットと、事前に作成された辞書との類似度マッチング処理を行うことで項目を判定する。
また、上記説明では、劣化状態の分析として劣化の有無（作業の有無）及び劣化の程度の両方が判定されているがいずれか一方のみが判定されてもよい。また、劣化の有無の代わりに、劣化の程度が第１基準より高いか否かが判定されてもよい。つまり、劣化推定装置１０２は、劣化の程度が第１基準より低い場合、判定基準を上げ、劣化の程度が第１基準より高い第２基準より高い場合には、判定基準を下げ、第１基準と第２基準との間の場合、判定基準を変更しなくてもよい。
また、上述したように分析部１２６は、劣化状態（劣化の有無、劣化の程度）又は、作業内容（作業の有無、作業の程度）を分析する。ここで、劣化状態と作業内容とは互いに対応するものであるので、劣化状態から作業内容を推定でき、作業内容から劣化状態を推定できる。例えば、作業が発生した場合には、劣化があると判定でき、劣化がひどい場合には、作業の程度が大きいと判定できる。よって、作業記録１１２から劣化状態を分析するとは、作業記録１１２から直接劣化状態を分析する場合だけでなく、作業記録１１２から作業内容を分析し、当該作業内容から劣化状態を判定することも含む。
再度、図９を用いて説明を続ける。ステップＳ１３５において、劣化状態がひどい（機器１０１の劣化が基準より進んでいる）と判定された場合（Ｓ１３５でＹｅｓ）、判定基準調整部１２７は、判定基準を現在の判定基準より下げる調整を行う（Ｓ１３６）。つまり、判定基準調整部１２７は、調整後の判定基準（第２判定基準）を現在の判定基準（第１判定基準）より低くする。
図１４は、この動作例を示す図である。図１４に示すように、判定基準調整部１２７は、判定基準を、現在の判定基準と、メンテナンス後（作業後）の劣化指標との間の値に設定する。つまり、判定基準調整部１２７は、調整後の判定基準（第２判定基準）を、現在の判定基準（第１判定基準）と、メンテナンスが行われた後の機器１０１の状態を示す第２機器データ１１１から算出される第２劣化指標との間に調整する。
一方、ステップＳ１３５において、劣化状態がひどいと判定されなかった場合、つまり、劣化状態が劣化が軽度であると判定された場合（Ｓ１３５でＮｏ）、判定基準調整部１２７は、判定基準を変更しない（Ｓ１３７）。
以上のように、本実施の形態に係る劣化推定システム１００では、警報１１３の通知に伴う機器１０１のメンテナンスにおいて、作業が発生していない、つまり、警報１１３が通知されるほど機器１０１が劣化していない場合には、判定基準を高くすることで、より劣化指標が大きくなるまで警報１１３が通知されないようにする。また、劣化がひどい場合、つまり、警報１１３の通知が遅い場合には、判定基準を低くすることで、より速い段階で警報１１３が通知されるようにする。このように、劣化推定システム１００は、劣化状態の推定がより適切に行われるように判定基準を自動的に調整できる。
さらに、劣化推定装置１０２は、定型の作業記録に限らず、非定型の作業記録を用いて学習を行うことができる。これにより、事前の作業記録の項目やフォーマットの準備なく、かつ、作業員の自由な入力を得ることができるため、より多くの情報を用いて学習を行うことができる。よって、劣化推定の精度を向上できる。
以下、定期点検時の処理を詳細に説明する。なお、以下では、警報１１３の通知時との相違点を主に説明する。図１５は、この場合の動作シーケンスを示す図である。
図４に示す処理と同様に、劣化推定装置１０２は、機器１０１から機器データ１１１が通知される毎に、当該機器データ１１１を用いて機器１０１の劣化の有無を推定する（Ｓ１０１〜Ｓ１０４Ａ）。この場合、いずれの判定においても劣化がないと判定される（Ｓ１０２、Ｓ１０４Ａ）。
その後、所定のタイミングで定期点検が行われる（Ｓ１０７Ａ）。そして、定期点検の内容を示す作業記録１１２が作成され、作業記録１１２が劣化推定装置１０２に登録される（Ｓ１０８）。次に、劣化推定装置１０２は、新たな作業記録１１２を用いて判定基準１４７を変更し（Ｓ１０９）、その後通知された機器データ１１１（Ｓ１１０）に対して、変更後の判定基準１４７を用いて劣化推定処理を行う（Ｓ１１１）。
図１６は、この場合の劣化推定装置１０２による判定基準の調整処理のフローチャートである。また、図１６に示す処理は、定期点検の内容を示す作業記録１１２が取得される毎に行われる。図１６に示す処理は、図９に示す処理に対してステップＳ１３４Ａの内容が異なる。
つまり、ステップＳ１３３において作業が発生していないと判定された場合（Ｓ１３３でＮｏ）、判定基準調整部１２７は、判定基準を変更しない（Ｓ１３４Ａ）。
以上のように、本実施の形態に係る劣化推定システム１００では、定期点検において、劣化がひどい場合、つまり、本来通知されるべき警報１１３が通知されていない場合には、判定基準を低く設定することで、より速い段階で警報１１３が通知されるように調整する。このように、劣化推定システム１００は、劣化状態の推定がより適切に行われるように判定基準を自動的に調整できる。
以下、本実施の形態の変形例について説明する。
上記説明では、劣化推定の方法として、１つの劣化指標が判定基準を満たすか否かを判定する場合を説明したが、２以上の劣化指標が用いられてもよい。例えば、図１７に示すように上述したΔＴに加え、熱負荷に基づく劣化指標が用いられてもよい。例えば、２つの劣化指標で示される点が一次関数で示される判定基準を境とした２つの領域のいずれに含まれるかが判定される。この場合、判定基準を上げるとは、劣化の領域が狭くなるように判定基準を変更することであり、判定基準を下げるとは、劣化の領域が広くなるように判定基準を変更することである。なお、図１７では、調整により判定基準が並行に移動しているが、移動に加え、又は移動の代わりに判定基準の傾きが変更されてもよい。
また、図１８に示すように非線形な判定基準が用いられてもよい。例えば、正常時と劣化時とがクラスタリング又は機械学習（ベイズ推定又はＳＶＭ（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ））を用いて、非線形な判定基準により区別される。
また、図１９に示すように、３つの劣化指標が用いられてもよい。例えば、図１９に示すように、さらに、冷却水の流量に基づき劣化指標が用いられてもよい。例えば、３つの劣化指標で示される点が平面で示される判定基準を境とした２つの領域のいずれに含まれるかが判定される。
また、図２０に示すように、複数段階の警報が用いられてもよい。例えば、劣化指標が予報用の判定基準を超えた場合に、予報が通知され、劣化指標が予報用の判定基準より警報用の判定基準を超えた場合に、警報が通知される。この場合、予報用及び警報用の判定基準の各々に対して独立した上記調整処理が行われてもよいし、予報用及び警報用の判定基準の一方に対して上記調整処理を行い、当該一方の調整に伴い他方を連動して調整してもよい。例えば、劣化推定装置１０２は、警報用の判定基準に対して上記調整処理を行い、警報用の判定基準を上げた場合には同様に予報用の判定基準も上げ、警報用の判定基準を下げた場合には同様に予報用の判定基準を下げてもよい。
また、非定型記録１４４は、作業日誌等に限らず、音声又は画像データであってもよい。例えば、音声データとしては、ボイスレコーダ又はカスタマーコール等により得られた音声データが想定される。この場合、音声認識により、音声データが文字データに変換され、上記と同様にキーワード検索が用いられる。
また、画像データとしては、機器１０１の状態（汚れ具合）を示す写真、機器の１０１の計器を写した写真、又は、紙の作業日誌を写した写真であってもよい。劣化推定装置１０２は、機器１０１の状態（汚れ具合）を示す写真に対しては、当該写真と予め定められている基準画像との比較を行い、類似度が高い場合には汚れがひどい（劣化）と判定する。
また、劣化推定装置１０２は、機器の１０１の計器を写した写真に対しては、画像認識により計器の値又は文字を抽出し、得られた値又は文字に対して、上記と同様のキーワード検索を行う。また、劣化推定装置１０２は、紙の作業日誌を写した写真に対しては、画像認識により文字を抽出し、得られた値又は文字に対して、上記と同様のキーワード検索を行う。
また、判定基準の変更は、劣化推定システム１００によって自動的に行われるだけでなく、劣化推定システム１００は、ユーザ（作業員）に対して判定基準の変更を提案し、ユーザ（作業員）から承認が得られた場合にのみ判定基準を変更してもよい。図２１は、この場合の動作シーケンスを示す図である。なお、図２１に示す処理は、図４に示す処理に対して、ステップＳ１０９がステップＳ１０９Ａに変更されており、ステップＳ１１１及びＳ１１２が追加されている。
具体的には、図２１に示すように、判定基準の変更（Ｓ１０９Ａ）において、判定基準１４７を調整すると判定された場合、劣化推定装置１０２は、ユーザに当該調整の可否を問い合わせる（Ｓ１１２）。例えば、メンテナンスサービス１０３は、劣化推定装置１０２からの指示に基づき、ユーザに当該調整の可否を問い合わせを行う。また、ユーザにより当該調整が承認された場合に、メンテナンスサービス１０３は、その旨を劣化推定装置１０２に通知し（Ｓ１１３）、劣化推定装置１０２は、判定基準１４７を調整する。
なお、図２１に示す上記動作の主体は一例であり、劣化推定装置１０２及びメンテナンスサービス１０３のいずれで行われてもよい。
図２２は、作業員がシステムに登録した作業記録の内容に対して、システム側からユーザ（作業員）へ判定基準の変更の提案を通知した場合（Ｓ１１２）の、ユーザが所持する情報端末の画面例を示す図である。図２２では、作業員がシステムに登録した「警報がなったため現場に急行したが、劣化指標は基準以下に下がり、正常に動作していることが確認できたので、このまましばらく様子をみます。」という内容に対し、システム側で警報に対して問題がなかったかの判定が行われ、更に劣化の判定基準を引き上げる提案がなされている。
また、ユーザに対し直感的に劣化の推移と判定基準の関係を認識させるために、これまでの劣化指標の推移と、現在と変更後の判定基準とがグラフ等で表示されている。
ユーザは、システムからの提案に対して変更を承認する場合は「承認」ボタンを、承認しない場合は「否決」ボタンを押すことでシステムに対して判定基準の変更の可否を通知することができる。また、ユーザは、グラフに表示された劣化指標の推移を基に手動で判定基準を変更してもよい。その場合は、ユーザは、システムに対し、判定基準の変更の可否ではなく、変更する値を通知する。
また、ユーザが、作業記録に判定基準を変更する旨を直接記載することで劣化の判定基準の変更できるようにしてもよい。図２３は、判定基準の上げ下げを決定するキーワードの例を示す図である。例えば、図２３に示すように、作業記録に「判定基準を・・・上げる」等の記載が含まれる場合に、判定基準１４７を上げると判定される。また、作業記録に「判定基準を・・・下げる」等の記載が含まれる場合に、判定基準１４７を下げると判定される。
図２４は、この場合の判定基準の調整処理のフローチャートである。図２４に示す処理は、図９に示す処理に対してステップＳ１３２Ａ、１３４Ａ及び１３４Ｂの内容が異なる。
まず、作業記録取得部１２４は、作業記録１１２をメンテナンスサービス１０３から取得する（Ｓ１３１）。次に、分析部１２６は、作業記録１１２（定型記録１４３又は非定型記録１４４）を分析することで、作業記録１１２に判定基準を調整（変更）する旨の記載が含まれるか否かを判定する（Ｓ１３２Ａ）。具体的には、分析部１２６は、作業記録１１２に、判定基準を上げる旨の記載が含まれるか否か、及び、判定基準を下げる旨の記載が含まれるか否かを判定する。
判定基準調整部１２７は、作業記録１１２に判定基準を調整する旨の記載が含まれる場合、判定基準を調整する。具体的には、作業記録１１２に、判定基準を上げる旨の記載が含まれる場合（Ｓ１３３ＡでＹｅｓ）、判定基準調整部１２７は、判定基準を現在の判定基準より上げる調整を行う（Ｓ１３４）。また、作業記録１１２に、判定基準を下げる旨の記載が含まれる場合（Ｓ１３５ＡでＹｅｓ）、判定基準調整部１２７は、判定基準を現在の判定基準より下げる調整を行う（Ｓ１３６）。また、作業記録１１２に、判定基準を上げる旨の記載及び下げる旨の記載が共に含まれない場合（Ｓ１３３ＡでＮｏ、かつＳ１３５ＡでＮｏ）、判定基準調整部１２７は、判定基準を変更しない（Ｓ１３７）。
このように、劣化推定システム１００は、作業記録１１２に基づき、劣化状態の推定がより適切に行われるように判定基準を自動的に調整できる。
以上、本発明の実施の形態に係る劣化推定装置及び劣化推定システムについて説明したが、本発明は、この実施の形態に限定されるものではない。
例えば、上記説明では、判定基準の調整処理と、判定基準を用いた劣化推定処理との両方が、劣化推定装置１０２で行われているが、それぞれが個別の装置で行われてもよい。
また、上記説明では、作業記録として定型記録及び非定型記録の両方が用いられる例を説明したが、いずれか一方のみが用いられてもよい。
また、本発明は、上記劣化推定装置により行われる複数のステップを含む劣化推定方法として実現されてもよい。例えば、当該機器推定方法は、処理部及び記録部を備えるコンピュータにより実行される。
また、上記実施の形態に係る劣化推定装置に含まれる各処理部は典型的には、各装置、もしくは、ネットワーク接続されたサーバのソフトウェアとして実現される。ただし、その全部や一部が、装置内の集積回路であるＬＳＩとして実現される場合もある。これらは個別に１チップ化されてもよいし、一部又は全てを含むように１チップ化されてもよい。
また、集積回路化はＬＳＩに限るものではなく、専用回路又は汎用プロセッサで実現してもよい。ＬＳＩ製造後にプログラムすることが可能なＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）、又はＬＳＩ内部の回路セルの接続や設定を再構成可能なリコンフィギュラブル・プロセッサを利用してもよい。
つまり、上記各実施の形態において、各構成要素は、専用のハードウェアで構成されるか、各構成要素に適したソフトウェアプログラムを実行することによって実現されてもよい。各構成要素は、ＣＰＵまたはプロセッサなどのプログラム実行部が、ハードディスクまたは半導体メモリなどの記録媒体に記録されたソフトウェアプログラムを読み出して実行することによって実現されてもよい。
また、ブロック図における機能ブロックの分割は一例であり、複数の機能ブロックを一つの機能ブロックとして実現したり、一つの機能ブロックを複数に分割したり、一部の機能を他の機能ブロックに移してもよい。また、類似する機能を有する複数の機能ブロックの機能を単一のハードウェア又はソフトウェアが並列又は時分割に処理してもよい。
また、上記フローチャートで示す複数のステップが実行される順序は、本発明を具体的に説明するために例示するためのものであり、上記以外の順序であってもよい。また、上記ステップの一部が、他のステップと同時（並列）に実行されてもよい。
また、本発明は、上記劣化推定装置又は劣化推定システムにより実行される劣化推定方法として実現されてもよい。
以上、一つまたは複数の態様に係る劣化推定装置について、実施の形態に基づいて説明したが、本発明は、この実施の形態に限定されるものではない。本発明の趣旨を逸脱しない限り、当業者が思いつく各種変形を本実施の形態に施したものや、異なる実施の形態における構成要素を組み合わせて構築される形態も、一つまたは複数の態様の範囲内に含まれてもよい。
本発明は、劣化推定装置及び劣化推定システムに適用できる。例えば、本発明は、大型空調機等の機器を管理するシステムに適用できる。
１００ 劣化推定システム
１０１ 機器
１０２ 劣化推定装置
１０３ メンテナンスサービス
１１１、１４１ 機器データ
１１２ 作業記録
１１３ 警報
１２１ 機器データ取得部
１２２ 機器データ蓄積部
１２３ 指標算出部
１２４ 作業記録取得部
１２５ 作業記録蓄積部
１２６ 分析部
１２７ 判定基準調整部
１２８ 判定基準蓄積部
１２９ 劣化推定部
１３０ 通知部
１３１ 作業有無分析部
１３２ 劣化程度分析部
１４２ 劣化指標
１４３ 定型記録
１４４ 非定型記録
１４５ 作業有無判定条件
１４６ 劣化程度判定条件
１４７ 判定基準
１５１ 時刻情報
１５２ 検知データ

Claims (12)

  1. 機器のメンテナンスの作業記録を取得する作業記録取得ステップと、
    前記作業記録から前記機器の劣化状態を分析する分析ステップと、
    分析された前記劣化状態に応じて、前記機器が劣化しているか否かを推定するための予め定められた第１判定基準を第２判定基準に調整する判定基準調整ステップと、
    前記機器の状態を示す第１機器データを取得する機器データ取得ステップと、
    取得された前記第１機器データと、前記第２判定基準とを用いて、前記機器が劣化しているか否かを推定する第１劣化推定ステップとを含む
    劣化推定方法。
  2. 前記作業記録は自由記述の作業記録である
    請求項１記載の劣化推定方法。
  3. 前記分析ステップでは、前記作業記録から前記機器の劣化が基準より進んでいるか否かを判定し、
    前記判定基準調整ステップでは、前記機器の劣化が前記基準より進んでいると判定された場合、前記第２判定基準を前記第１判定基準より低くする
    請求項１又は２記載の劣化推定方法。
  4. 前記第１劣化推定ステップでは、前記第１機器データに基づき算出された第１劣化指標が前記第２判定基準より大きい場合、前記機器が劣化していると推定し、
    前記判定基準調整ステップでは、前記機器の劣化が前記基準より進んでいると判定された場合、前記第２判定基準を、前記第１判定基準と、前記メンテナンスが行われた後の前記機器の状態を示す第２機器データから算出される第２劣化指標との間に調整する
    請求項３記載の劣化推定方法。
  5. 前記分析ステップでは、前記作業記録から前記機器の劣化の有無を判定し、
    前記判定基準調整ステップでは、前記機器の劣化がないと判定された場合、前記第２判定基準を前記第１判定基準より高くする
    請求項１又は２記載の劣化推定方法。
  6. 前記第１劣化推定ステップでは、前記第１機器データに基づき算出された第１劣化指標が前記第２判定基準より大きい場合、前記機器が劣化していると推定し、
    前記判定基準調整ステップでは、前記作業が発生していないと推定された場合、前記第２判定基準を、前記メンテナンスが行われるまでの所定期間の前記機器の状態を示す第３機器データから算出される第３劣化指標の最大値より高くする
    請求項５記載の劣化推定方法。
  7. 前記劣化推定方法は、さらに、前記作業記録取得ステップより前に、
    前記第１機器データで示される状態より前の前記機器の状態を示す第４機器データを取得する第４機器データ取得ステップと、
    取得された前記第４機器データと、前記第１判定基準とを用いて、前記機器が劣化しているか否かを推定する第２劣化推定ステップと、
    前記第２劣化推定ステップにおいて、前記機器が劣化していると推定された場合、警報を通知する通知ステップとを含み、
    前記メンテナンスは、前記警報の通知に応じて行われた前記機器のメンテナンスである
    請求項１〜６のいずれか１項に記載の劣化推定方法。
  8. 前記メンテナンスは、定期的に行われるメンテナンスである
    請求項１〜４のいずれか１項に記載の劣化推定方法。
  9. 前記劣化推定方法は、前記機器を含む複数の機器が属する顧客毎に、互いに異なる前記判定基準を生成する
    請求項１〜８のいずれか１項に記載の劣化推定方法。
  10. 前記判定基準調整ステップでは、
    前記第１判定基準を前記第２判定基準に調整すると判定された場合、
    ユーザに当該調整の可否を問い合わせ、
    前記ユーザにより当該調整が承認された場合に、前記第１判定基準を前記第２判定基準に調整する
    請求項１〜９のいずれか１項に記載の劣化推定方法。
  11. 前記分析ステップでは、前記作業記録に前記第１判定基準を調整する旨の記載が含まれるか否かを判定し、
    前記判定基準調整ステップでは、前記作業記録に前記第１判定基準を調整する旨の記載が含まれる場合、前記第１判定基準を前記第２判定基準に調整する
    請求項１又は２記載の劣化推定方法。
  12. 機器のメンテナンスの作業記録を取得する作業記録取得部と、
    前記作業記録から前記機器の劣化状態を分析する分析部と、
    分析された前記劣化状態に応じて、前記機器が劣化しているか否かを推定するための予め定められた第１判定基準を第２判定基準に調整する判定基準調整部と、
    前記機器の状態を示す第１機器データを取得する機器データ取得部と、
    取得された前記第１機器データと、前記第２判定基準とを用いて、前記機器が劣化しているか否かを推定する劣化推定部とを備える
    劣化推定装置。
JP2016101991A 2016-05-20 2016-05-20 劣化推定方法及び劣化推定装置 Active JP6697766B2 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2016101991A JP6697766B2 (ja) 2016-05-20 2016-05-20 劣化推定方法及び劣化推定装置
CN201710181335.1A CN107403224B (zh) 2016-05-20 2017-03-24 劣化推定方法以及劣化推定装置
US15/472,410 US10628804B2 (en) 2016-05-20 2017-03-29 Degradation estimation method and degradation estimation apparatus
EP17165190.4A EP3246856B1 (en) 2016-05-20 2017-04-06 Degradation estimation method and degradation estimation apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2016101991A JP6697766B2 (ja) 2016-05-20 2016-05-20 劣化推定方法及び劣化推定装置

Publications (2)

Publication Number Publication Date
JP2017207265A true JP2017207265A (ja) 2017-11-24
JP6697766B2 JP6697766B2 (ja) 2020-05-27

Family

ID=58709710

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016101991A Active JP6697766B2 (ja) 2016-05-20 2016-05-20 劣化推定方法及び劣化推定装置

Country Status (4)

Country Link
US (1) US10628804B2 (ja)
EP (1) EP3246856B1 (ja)
JP (1) JP6697766B2 (ja)
CN (1) CN107403224B (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019146035A1 (ja) * 2018-01-25 2019-08-01 三菱電機株式会社 状態解析システム及び状態解析装置
JP2020042678A (ja) * 2018-09-12 2020-03-19 株式会社日立ビルシステム 在庫管理支援システム及び方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11337242A (ja) * 1998-05-27 1999-12-10 Sanyo Electric Co Ltd 故障判定システム
JP2009143671A (ja) * 2007-12-13 2009-07-02 Toyota Industries Corp 自動倉庫における故障予兆有無判断方法
WO2015068801A1 (ja) * 2013-11-08 2015-05-14 東日本旅客鉄道株式会社 鉄道メンテナンス支援方法及び鉄道メンテナンス支援装置

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3340814B2 (ja) 1993-09-27 2002-11-05 大阪瓦斯株式会社 吸収式冷温水機の故障診断システム
US7457785B1 (en) * 2000-08-25 2008-11-25 Battelle Memorial Institute Method and apparatus to predict the remaining service life of an operating system
WO2003073185A2 (en) * 2002-02-28 2003-09-04 Zetacon Corporation Predictive control system and method
CN102129039B (zh) * 2005-09-16 2013-01-16 古河电气工业株式会社 二次电池劣化判定方法、二次电池劣化判定装置、及电源系统
JP5629237B2 (ja) * 2011-05-17 2014-11-19 日立オムロンターミナルソリューションズ株式会社 部品寿命管理システム
JP2015009938A (ja) * 2013-06-28 2015-01-19 株式会社日立ビルシステム エレベーター管理装置、エレベーター管理システム及びエレベーター管理方法
JP5621888B2 (ja) 2013-07-16 2014-11-12 三菱電機株式会社 機器システム
KR20150118278A (ko) * 2014-04-11 2015-10-22 엘지전자 주식회사 원격 관리 서버, 이를 포함한 원격 관리 시스템 및 이의 원격 관리 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11337242A (ja) * 1998-05-27 1999-12-10 Sanyo Electric Co Ltd 故障判定システム
JP2009143671A (ja) * 2007-12-13 2009-07-02 Toyota Industries Corp 自動倉庫における故障予兆有無判断方法
WO2015068801A1 (ja) * 2013-11-08 2015-05-14 東日本旅客鉄道株式会社 鉄道メンテナンス支援方法及び鉄道メンテナンス支援装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
山口 俊之: "もうかる工場ＩＴ化〜設備保全管理とＩＴ化〜 第６回", 月刊バーコード, vol. 15, no. 2, JPN6020003024, 2 February 2002 (2002-02-02), pages 39 - 43, ISSN: 0004202031 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019146035A1 (ja) * 2018-01-25 2019-08-01 三菱電機株式会社 状態解析システム及び状態解析装置
JPWO2019146035A1 (ja) * 2018-01-25 2020-11-19 三菱電機株式会社 状態解析システム及び状態解析装置
US11906185B2 (en) 2018-01-25 2024-02-20 Mitsubishi Electric Corporation State analyzer system and state analysis device
JP2020042678A (ja) * 2018-09-12 2020-03-19 株式会社日立ビルシステム 在庫管理支援システム及び方法

Also Published As

Publication number Publication date
JP6697766B2 (ja) 2020-05-27
EP3246856B1 (en) 2020-08-26
US20170337525A1 (en) 2017-11-23
EP3246856A1 (en) 2017-11-22
US10628804B2 (en) 2020-04-21
CN107403224B (zh) 2022-02-08
CN107403224A (zh) 2017-11-28

Similar Documents

Publication Publication Date Title
US10592821B2 (en) Self-learning fault detection for HVAC systems
JP6351862B2 (ja) 運転状態分類装置
JP7018590B2 (ja) 点検管理システム及び点検管理方法
KR101598979B1 (ko) 온도에 따른 전기 사용량 추정 방법 및 장치
JP5855036B2 (ja) 設備点検順位設定装置
US20200132327A1 (en) Methods and systems for hvac inefficiency prediction
US20220413460A1 (en) Building management system with nested stream generation
EP3859472B1 (en) Monitoring system and monitoring method
US20200125970A1 (en) Defect factor estimation device and defect factor estimation method
US9621966B2 (en) Monitoring control system and control method
TWI666532B (zh) 效能預測方法
JP5387779B2 (ja) 運用管理装置、運用管理方法、及びプログラム
WO2018112352A1 (en) Techniques of automated fault detection and related systems and methods
JP6803540B2 (ja) 機器状態推定方法及び機器状態推定装置
JP6697766B2 (ja) 劣化推定方法及び劣化推定装置
US20210018203A1 (en) Failure diagnosis system
Zhou et al. The risk management using limit theory of statistics on extremes on the big data era
CN107461881B (zh) 一种医院空调机房的制冷主机能效诊断方法及其系统
Guo et al. Multivariate fault detection for residential HVAC systems using cloud-based thermostat data, part I: Methodology
US10210155B2 (en) Apparatus state estimation method, apparatus state estimation device, and data providing device
JP2016177676A (ja) 診断装置、診断方法、診断システムおよび診断プログラム
JP6625839B2 (ja) 負荷実績データ判別装置、負荷予測装置、負荷実績データ判別方法及び負荷予測方法
JP2015184818A (ja) サーバ、モデル適用可否判定方法およびコンピュータプログラム
KR20210084181A (ko) 빈집 관리분석 및 예측 장치 및 방법
JP2007026134A (ja) 異常判定装置

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20181218

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200204

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200316

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: 20200407

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20200414

R151 Written notification of patent or utility model registration

Ref document number: 6697766

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151