JP2018010636A - 故障判定に基づいた設備制御 - Google Patents
故障判定に基づいた設備制御 Download PDFInfo
- Publication number
- JP2018010636A JP2018010636A JP2017136255A JP2017136255A JP2018010636A JP 2018010636 A JP2018010636 A JP 2018010636A JP 2017136255 A JP2017136255 A JP 2017136255A JP 2017136255 A JP2017136255 A JP 2017136255A JP 2018010636 A JP2018010636 A JP 2018010636A
- Authority
- JP
- Japan
- Prior art keywords
- failure
- data
- facility
- degree
- brake
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
- G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
-
- 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
- G01M99/008—Subject matter not provided for in other groups of this subclass by doing functionality tests
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Automation & Control Theory (AREA)
- Mathematical Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Probability & Statistics with Applications (AREA)
- Algebra (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
Description
Claims (20)
- システムであって、
1つ又は複数のプロセッサと、
前記1つ又は複数のプロセッサによって実行されるとき、前記1つ又は複数のプロセッサに、
ブレーキを含む設備の物理モデルを受信することと、
前記物理モデルに基づいて前記ブレーキの制動回数に対応するシミュレーションされたデータを生成することであって、前記シミュレーションされたデータが前記ブレーキの少なくとも1つの故障モードについて、それぞれ複数の故障の程度の複数の確率分布を含む、シミュレーションされたデータを生成することと、
前記ブレーキの状態を示す少なくとも1つの測定された測定基準を含むセンサデータを受信することと、
前記ブレーキの故障モード及び故障の程度を判定するために、前記センサデータを前記シミュレーションされたデータと比較することと、
前記ブレーキの前記判定された故障モード及び故障の程度に少なくとも部分的に基づいて前記設備を制御するための制御信号を送信することと、
を含む動作を実行するようにプログラムする実行可能命令を維持する1つ又は複数の非一過性のコンピュータ可読媒体と、
を備えるシステム。 - 前記ブレーキに対応する前記シミュレーションされたデータと履歴データとの差異を決定することと、
前記受信されたセンサデータを前記シミュレーションされたデータと比較する前に、前記差異に少なくとも部分的に基づいて、前記受信されたセンサデータを正規化することと、
をさらに含む、請求項1に記載のシステム。 - 前記ブレーキの前記シミュレーションされたデータと前記履歴データとの前記差異を決定する前記動作が、
前記ブレーキに対応する前記履歴データを受信することであって、前記履歴データが前記ブレーキと関連付けられた履歴センサデータ、及び前記履歴センサデータに対応する前記ブレーキのそれぞれの状態を示す保守データを含む、前記履歴データを受信することと、
正常な動作として分類される故障の程度を有する前記シミュレーションされたデータの第1の確率分布を決定することと、
正常な動作として分類される状態を有する前記履歴データの第2の確率分布を決定することと、
前記第1の確率分布と前記第2の確率分布の間の偏差に基づいて前記差異を決定することと、
を含む、請求項2に記載のシステム。 - 前記動作が、
前記ブレーキに対応する実験データに少なくとも部分的に基づいて生成される候補物理モデルとして前記物理モデルを受信することと、
試験シミュレーションされたデータを得るために前記候補物理モデルを使用し、シミュレーションを実行することと、
前記試験シミュレーションされたデータと前記実験データとの差異を決定することと、
前記試験シミュレーションされたデータと前記実験データの前記差異が閾値を超えると判定することに基づいて前記候補物理モデルの1つ又は複数のパラメータを更新することに少なくとも部分的に基づいて前記物理モデルを受信することと、
をさらに含む、請求項1に記載のシステム。 - 前記ブレーキの前記故障の程度を判定するために前記センサデータを前記シミュレーションされたデータと比較することが、
前記シミュレーションされたデータに基づいて統計モデルを生成することであって、前記統計モデルが、前記ブレーキの複数の前記故障モードについて、それぞれ複数の前記故障の程度の複数の前記確率分布を含む、統計モデルを生成することと、
最大確率を有する故障モード及び故障の程度を判定するために、前記受信されたセンサデータを前記複数の前記確率分布と比較することと、
を含む、請求項1に記載のシステム。 - 前記動作が、
前記ブレーキの状態を判定するために、前記ブレーキの前記故障モード及び前記故障の程度を1つ又は複数の閾値と比較することと、
前記状態に少なくとも部分的に基づいて、計算装置に通知を送信することであって、前記通知が前記状態の表示を含む、通知を送信することと、
をさらに含む、請求項1に記載のシステム。 - 前記ブレーキが機械の構成要素であり、前記動作が、
前記ブレーキの前記故障モード及び前記故障の程度を1つ又は複数の閾値と比較して、前記ブレーキの磨耗が許容可能な摩耗の閾値を超えると判定することと、
前記ブレーキの磨耗が許容可能な摩耗の前記閾値を超えると判定することに少なくとも部分的に基づいて、前記ブレーキが構成要素である機械に、前記機械に動作を止めさせるための前記制御信号を送信することと、
をさらに含む、請求項1に記載のシステム。 - 設備の物理モデルに基づいて1つ又は複数のプロセッサによってシミュレーションされたデータを生成することであって、前記シミュレーションされたデータが、前記設備の少なくとも1つの故障モードについて、それぞれ複数の故障の程度の複数の故障分布を含む、シミュレーションされたデータを生成することと、
前記設備の測定された測定基準を示すセンサデータを受信することと、
前記設備の故障の程度を判定するために、前記受信されたセンサデータを前記シミュレーションされたデータと比較することと、
前記設備の前記判定された故障の程度に少なくとも部分的に基づいて、通知又は制御信号の少なくとも1つを送信することと、
を含む、方法。 - 前記設備の状態を判定するために、前記設備の前記故障の程度を1つ又は複数の閾値と比較することと、
前記状態に少なくとも部分的に基づいて、前記通知又は前記制御信号の前記少なくとも1つを送信することであって、前記通知が前記設備の前記状態の表示を含み、前記制御信号が前記設備の少なくとも1つの機能を制御する、前記通知又は前記制御信号の前記少なくとも1つを送信することと、
をさらに含む、請求項8に記載の方法。 - 前記シミュレーションされたデータと前記設備に対応する履歴データとの差異を決定することと、
前記差異に少なくとも部分的に基づいて、前記受信されたセンサデータを前記シミュレーションされたデータと比較する前に前記受信されたセンサデータを正規化することと、
をさらに含む、請求項8に記載の方法。 - 前記設備に対応する前記履歴データを受信することであって、前記履歴データが前記設備と関連付けられた履歴センサデータ、及び前記履歴センサデータに対応する前記設備のそれぞれの状態を示す保守データを含む、前記設備に対応する前記履歴データを受信することと、
正常な動作として分類される故障の程度を有する前記シミュレーションされたデータの第1の確率分布を決定することと、
正常な動作として分類される状態を有する前記履歴データの第2の確率分布を決定することと、
前記第1の確率分布と前記第2の確率分布の間の偏差に基づいて前記差異を決定することと
によって前記シミュレーションされたデータと前記履歴データとの前記差異を決定することをさらに含む、請求項10に記載の方法。 - 前記シミュレーションされたデータに基づいて統計モデルを生成することであって、前記統計モデルが、前記設備の複数の前記故障モードについて、それぞれ複数の前記故障の程度の複数の確率分布を含む、統計モデルを生成することと、
前記受信されたセンサデータを前記複数の前記確率分布と比較して、最大確率を有する故障のモード及び故障の程度を判定するために、前記統計モデルを使用することで前記設備の前記故障の程度を判定することと、
をさらに含む、請求項8に記載の方法。 - 前記設備の前記複数の故障モードについて、それぞれ前記複数の故障の程度の前記複数の確率分布の確率密度を決定することと、
前記複数の故障モードについて、それぞれ前記複数の故障の程度の前記複数の確率分布の前記確率密度の事後確率を決定することと
によって前記統計モデルを生成することをさらに含む、請求項12に記載の方法。 - 前記設備に対応する実験データに少なくとも部分的に基づいて生成される候補物理モデルとして前記物理モデルを受信することと、
試験シミュレーションされたデータを得るために前記候補物理モデルを使用し、シミュレーションを実行することと、
前記試験シミュレーションされたデータと前記実験データとの差異を決定することと、
前記試験シミュレーションされたデータと前記実験データとの前記差異が閾値を超えると判定することに基づいて、前記候補物理モデルの1つ又は複数のパラメータを更新することに少なくとも部分的に基づいて前記物理モデルを決定することと、
をさらに含む、請求項8に記載の方法。 - 1つ又は複数のプロセッサと、
前記1つ又は複数のプロセッサによって実行されるとき、前記1つ又は複数のプロセッサを
設備の物理モデルによって生成されるシミュレーションされたデータと前記設備の履歴データとの差異を決定し、
前記シミュレーションされたデータに基づいて統計モデルを生成することであって、前記統計モデルが前記設備の少なくとも1つの故障モードについて、それぞれ複数の故障の程度の複数の確率分布を含む統計モデルを生成し、
前記設備の測定された測定基準を示すセンサデータを受信し、
前記差異に基づいて前記受信されたセンサデータを正規化し、
前記統計モデルに基づいて、前記設備の故障の程度を判定するために、前記受信されたセンサデータを前記シミュレーションされたデータと比較し、
前記判定された故障の程度に基づいて少なくとも1つの処置を実行する
ようにプログラムする実行可能命令を維持する1つ又は複数の非一過性のコンピュータ可読媒体と、
を備えるシステム。 - 前記少なくとも1つの処置を実行することが、
前記判定された故障の程度に基づいて前記設備を制御するために前記設備に制御信号を送信することと、
少なくとも1つの計算装置に前記設備を監視することに関連付けられた通知を送信することであって、前記通知が前記設備の状態の表示を含む、通知を送信することと
の少なくとも1つを含む、請求項15に記載のシステム。 - 前記1つ又は複数のプロセッサが、
前記設備の状態を判定するために前記設備の前記故障の程度を1つ又は複数の閾値と比較し、
前記判定された状態に少なくとも部分的に基づいて実行するための前記少なくとも1つの処置を決定する
ようにさらにプログラムされる、請求項15に記載のシステム。 - 前記受信されたセンサデータはセンサ測定値の分布を含み、前記1つ又は複数のプロセッサは、
相対エントロピーを決定するために、前記受信されたセンサデータの正規化された分布と前記複数の故障の程度の前記複数の確率分布との間の距離を決定することと、
前記相対エントロピーに基づいて故障の程度を選択することと
によって前記設備の故障の程度を判定するために、前記受信されたセンサデータを前記シミュレーションされたデータと比較するようにさらにプログラムされる、請求項15に記載のシステム。 - 前記受信されたセンサデータが個々のセンサ測定値を含み、前記1つ又は複数のプロセッサが、
前記複数の故障の程度の前記複数の確率分布の確率密度を決定することと、
それぞれ、前記複数の確率分布の前記確率密度の事後確率を決定することと、
最大事後確率に基づいて故障の程度を選択することと
によって前記設備の故障の程度を判定するために、前記受信されたセンサデータを前記シミュレーションされたデータと比較するようにさらにプログラムされる、請求項15に記載のシステム。 - 前記プロセッサのうち少なくとも第1のプロセッサが、例えばネットワーク上で前記設備及び前記センサデータを取得するセンサの少なくとも一つから遠隔であり、一方前記プロセッサのうち第2のプロセッサが前記設備及び前記センサの少なくとも一つと直接的に通信するように接続された前記設備と同一場所に配置される、請求項15に記載のシステム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/208,662 US10466142B2 (en) | 2016-07-13 | 2016-07-13 | Equipment control based on failure determination |
US15/208662 | 2016-07-13 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018010636A true JP2018010636A (ja) | 2018-01-18 |
JP6430596B2 JP6430596B2 (ja) | 2018-11-28 |
Family
ID=59337489
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017136255A Active JP6430596B2 (ja) | 2016-07-13 | 2017-07-12 | 故障判定に基づいた設備制御 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10466142B2 (ja) |
EP (1) | EP3270252B1 (ja) |
JP (1) | JP6430596B2 (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019234789A1 (ja) * | 2018-06-04 | 2019-12-12 | 日産自動車株式会社 | 異常判定装置及び異常判定方法 |
WO2020044569A1 (ja) * | 2018-08-31 | 2020-03-05 | 株式会社安川電機 | ブレーキ診断装置及びブレーキ診断システム |
WO2023286659A1 (ja) * | 2021-07-14 | 2023-01-19 | 三菱重工業株式会社 | 故障予測装置、故障予測方法、及びプログラム |
WO2024075164A1 (ja) * | 2022-10-03 | 2024-04-11 | 株式会社Subaru | 情報処理装置、プログラム |
US11992953B2 (en) | 2018-06-04 | 2024-05-28 | Nissan Motor Co., Ltd. | Abnormality determination device and abnormality determination method |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2571359A (en) | 2018-02-27 | 2019-08-28 | Airbus Operations Ltd | Brake monitoring |
DE102018205660A1 (de) * | 2018-04-13 | 2019-10-17 | Siemens Aktiengesellschaft | Simulieren von statistisch modellierten Sensordaten |
DE102018209250A1 (de) * | 2018-06-11 | 2019-12-12 | Bayerische Motoren Werke Aktiengesellschaft | Steuereinrichtung, Verfahren zur Steuerung eines Steuergeräts, computerlesbares Speichermedium und Steuersystem |
US10956378B2 (en) * | 2018-08-28 | 2021-03-23 | International Business Machines Corporation | Hierarchical file transfer using KDE-optimized filesize probability densities |
US10882500B2 (en) | 2018-11-30 | 2021-01-05 | Raytheon Technologies Corporation | Systems and methods for brake failure detection using retract braking |
EP3696629A1 (de) * | 2019-02-12 | 2020-08-19 | Siemens Aktiengesellschaft | Verfahren zur überprüfung einer industriellen anlage, computerprogramm, computerlesbares medium und system |
US20200312036A1 (en) * | 2019-04-01 | 2020-10-01 | Bp Corporation North America Inc. | Dynamic digital replicas of production facilities |
CN110161876B (zh) * | 2019-04-29 | 2021-01-08 | 南京航空航天大学 | 一种电动助力制动系统制动踏板反馈的优化方法 |
US10839621B1 (en) * | 2019-07-24 | 2020-11-17 | Toyota Motor Engineering & Manufacturing North America, Inc. | Altering a vehicle based on driving pattern comparison |
KR102303406B1 (ko) * | 2019-11-18 | 2021-09-16 | 울산대학교 산학협력단 | 산업설비의 이상유무 진단장치 및 방법 |
US11360843B2 (en) | 2020-07-10 | 2022-06-14 | Hitachi, Ltd. | System and signal processing method for failure mode identification |
CN117786560B (zh) * | 2024-02-28 | 2024-05-07 | 通用电梯股份有限公司 | 一种基于多粒度级联森林的电梯故障分类方法及电子设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010074988A (ja) * | 2008-09-19 | 2010-04-02 | Toyota Motor Corp | インホイールモータの制御装置 |
JP2015158421A (ja) * | 2014-02-24 | 2015-09-03 | 株式会社デンソー | 補正値生成装置、故障診断装置、補正値生成プログラム、および故障診断プログラム |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5299452A (en) * | 1992-12-08 | 1994-04-05 | Eaton Corporation | Method and apparatus for estimating vehicle braking system effectiveness |
CA2211815A1 (en) | 1997-07-29 | 1999-01-29 | Craig Luker | Method and apparatus for determining vehicle brake effectiveness |
US7260501B2 (en) * | 2004-04-21 | 2007-08-21 | University Of Connecticut | Intelligent model-based diagnostics for system monitoring, diagnosis and maintenance |
US8144005B2 (en) * | 2008-05-29 | 2012-03-27 | General Electric Company | System and method for advanced condition monitoring of an asset system |
US8751129B2 (en) * | 2011-12-08 | 2014-06-10 | Continental Automotive Systems, Inc. | Electronic brake system controls adaptation based upon brake component condition |
US20160097699A1 (en) * | 2014-10-07 | 2016-04-07 | General Electric Company | Estimating remaining usage of a component or device |
-
2016
- 2016-07-13 US US15/208,662 patent/US10466142B2/en active Active
-
2017
- 2017-07-12 EP EP17180841.3A patent/EP3270252B1/en active Active
- 2017-07-12 JP JP2017136255A patent/JP6430596B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010074988A (ja) * | 2008-09-19 | 2010-04-02 | Toyota Motor Corp | インホイールモータの制御装置 |
JP2015158421A (ja) * | 2014-02-24 | 2015-09-03 | 株式会社デンソー | 補正値生成装置、故障診断装置、補正値生成プログラム、および故障診断プログラム |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019234789A1 (ja) * | 2018-06-04 | 2019-12-12 | 日産自動車株式会社 | 異常判定装置及び異常判定方法 |
JPWO2019234789A1 (ja) * | 2018-06-04 | 2021-06-10 | 日産自動車株式会社 | 異常判定装置及び異常判定方法 |
JP7131611B2 (ja) | 2018-06-04 | 2022-09-06 | 日産自動車株式会社 | 異常判定装置及び異常判定方法 |
US11992953B2 (en) | 2018-06-04 | 2024-05-28 | Nissan Motor Co., Ltd. | Abnormality determination device and abnormality determination method |
WO2020044569A1 (ja) * | 2018-08-31 | 2020-03-05 | 株式会社安川電機 | ブレーキ診断装置及びブレーキ診断システム |
WO2023286659A1 (ja) * | 2021-07-14 | 2023-01-19 | 三菱重工業株式会社 | 故障予測装置、故障予測方法、及びプログラム |
WO2024075164A1 (ja) * | 2022-10-03 | 2024-04-11 | 株式会社Subaru | 情報処理装置、プログラム |
Also Published As
Publication number | Publication date |
---|---|
US20180017467A1 (en) | 2018-01-18 |
EP3270252A1 (en) | 2018-01-17 |
US10466142B2 (en) | 2019-11-05 |
EP3270252B1 (en) | 2020-12-23 |
JP6430596B2 (ja) | 2018-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6430596B2 (ja) | 故障判定に基づいた設備制御 | |
JP7076887B2 (ja) | 落下保護具イベント生成及び監視 | |
JP6937173B2 (ja) | 航空機の重整備における構造体修理のための予測方法及びシステム | |
JP6442091B2 (ja) | 自動車部品破壊防止システム、自動車部品破壊防止方法、および非一時的コンピュータ読取可能媒体 | |
US20190102494A1 (en) | System for tracking incremental damage accumulation | |
RU2719064C2 (ru) | Интегрированная система и способы для управления и контроля транспортных средств | |
JP6879873B2 (ja) | 故障確率評価システム | |
EP3255588A1 (en) | Probabilistic remaining usage life of aircraft structures | |
US20090281735A1 (en) | Method, apparatus and computer program product for determining a future time of a component | |
US20160110933A1 (en) | Generating Cumulative Wear-Based Indicators for Vehicular Components | |
CN111435557A (zh) | 用于检测机器部件问题的故障检测装置 | |
EP3617826A1 (en) | Management monitoring system | |
RU2573266C1 (ru) | Способ мониторинга цифровых систем передачи и устройство, его реализующее | |
WO2021005943A1 (ja) | 故障確率評価システムおよびその方法 | |
JP2014178861A (ja) | 異常運転行動検出装置 | |
Golbasi et al. | Risk-based reliability allocation methodology to set a maintenance priority among system components: A case study in Mining | |
CN113919597A (zh) | 用于预测飞行器的着陆载荷的方法和设备 | |
US11967822B2 (en) | Method for predicting power generation and remaining useful life per system and system for performing the same | |
WO2021172249A1 (ja) | 摩耗状態予測方法、摩耗状態予測装置、摩耗状態予測プログラム、及び予測モデル生成方法 | |
EP3637121B1 (en) | System and method of adaptive remaining useful life estimation using constraint convex regression from degradation measurement | |
Farhat et al. | Medical equipment efficient failure management in IoT environment | |
RU2735296C1 (ru) | Способ многопараметрического контроля состояния сложных электротехнических объектов | |
CN114008549A (zh) | 用于确定剩余使用周期的方法、剩余使用周期确定电路、剩余使用周期确定设备 | |
Pitukh et al. | Computer-aided design system of the interactive communication of the operator of computer-aided control of multiparameter object based on the image-cluster model | |
Kapadia et al. | HealthMAP-A Model-Based Framework for On-Line Prognostics and Health Management (PHM) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180417 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180419 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180612 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180821 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20181003 |
|
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: 20181023 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20181031 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6430596 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |