JP2019096247A - 故障モード特定システム、故障モード特定方法、及びプログラム - Google Patents

Abstract

【課題】機器の故障モードを適切に特定する故障モード特定システム等を提供する。【解決手段】故障モード特定システム１０は、機器２０に設置されたセンサ２２の検出値を含むデータを取得する通信部１１と、機器２０の構造及び特性に基づく所定の機器構造パラメータを、通信部１１によって取得されるデータに基づいて推定する機器構造パラメータ推定部１４と、機器構造パラメータに基づいて、機器２０の故障又は故障予兆の種類を示す故障モードを特定する故障モード特定部１６と、故障モード特定部１６によって特定された故障モードを提示する入出力部１８と、を備える。【選択図】図１

Description

本発明は、機器の故障モードを特定する故障モード特定システム等に関する。

ガスエンジンやエレベータの他、採掘機や建築機械といった機器の故障モード（故障又は故障予兆の種類）を特定する技術として、例えば、特許文献１に記載の技術が知られている。すなわち、特許文献１には、「実測信号と模擬信号とを入力し、両者の差異に基づいて異常徴候の有無についての監視信号を出力する異常徴候監視手段」を備えたプラント診断装置について記載されている。
なお、前記した「模擬信号」は、機器の物理モデルの係数を正常時から変化させ、機器の異常徴候を示すような挙動をシミュレーションで再現させることによって得られる信号である。

特開平８−６６３５号公報

特許文献１では、機器に異常徴候が生じた場合の物理モデルの係数を設計者等が事前に予測した上で、この係数を含む物理モデルを用いて、異常徴候時のシミュレーションが行われる。しかしながら、物理モデルの係数は、異常徴候の種類や進行具合の他、機器の設置環境・使用条件等によって、その大きさが異なることが多い。

そうすると、特許文献１のように、異常徴候時の物理モデルの係数を設計者等が適宜に設定すると、場合によっては、異常兆候の種類（故障モード）を適切に特定できない可能性がある。設計者等が設定する物理モデルの係数が大きすぎたり、また、小さすぎたりする可能性があるからである。その結果、実際には機器が故障しているにもかかわらず、どの故障モードにも該当しないと判定される可能性がある。

そこで、本発明は、機器の故障モードを適切に特定する故障モード特定システム等を提供することを課題とする。

前記課題を解決するために、本発明は、機器に設置されたセンサの検出値を含むデータを取得するデータ取得部と、前記機器の構造及び特性に基づく所定の機器構造パラメータを、前記データ取得部によって取得される前記データに基づいて推定する機器構造パラメータ推定部と、前記機器構造パラメータ推定部によって推定される前記機器構造パラメータに基づいて、前記機器の故障又は故障予兆の種類を示す故障モードを特定する故障モード特定部と、前記故障モード特定部によって特定された前記故障モードを提示する提示部と、を備えることを特徴とする。

本発明によれば、機器の故障モードを適切に特定する故障モード特定システム等を提供できる。

本発明の実施形態に係る故障モード特定システムを含む機能ブロック図である。 本発明の実施形態に係る故障モード特定システムが備えるセンサデータベースのデータ構造を示す説明図である。 本発明の実施形態に係る故障モード特定システムが備える部品モデルデータベースのデータ構造を示す説明図である。 本発明の実施形態に係る故障モード特定システムが備える故障モードデータベースのデータ構造を示す説明図である。 本発明の実施形態に係る故障モード特定システムが、機器構造パラメータの閾値を設定する処理のフローチャートである。 本発明の実施形態に係る故障モード特定システムにおいて、図５のステップＳ１０５に相当するサブルーチンのフローチャートである。 本発明の実施形態に係る故障モード特定システムの一時記憶装置に記憶される機器構造パラメータに関する説明図である。 本発明の実施形態に係る故障モード特定システムにおいて、図５のステップＳ１０６に相当するサブルーチンのフローチャートである。 本発明の実施形態に係る故障モード特定システムが、機器の故障モードを特定する処理のフローチャートである。 本発明の実施形態に係る故障モード特定システムにおいて、機器に所定の故障モードが生じた場合の画面表示例である。

≪実施形態≫
図１は、実施形態に係る故障モード特定システム１０を含む機能ブロック図である。
故障モード特定システム１０は、機器２０の故障モードを特定するシステムである。なお、「故障モード」とは、機器２０の故障又は故障予兆の種類（例えば、モータにおけるコイルの巻線短絡や、コイルの巻線断線）である。また、「故障予兆」とは、機器２０の故障が生じる前触れである。

なお、故障モード特定システム１０は、１つの装置で構成されていてもよいし、また、信号線やネットワークを介して、複数の装置（サーバ等）が接続された構成であってもよい。以下では、故障モード特定システム１０に関する説明に先立って、故障モードの特定対象である機器２０について簡単に説明する。

＜機器の構成＞
機器２０は、発電機、エレベータ、建設機械、医療機器といった装置である。機器２０は、複数の部品２１と、複数のセンサ２２と、機器側センサデータベース２３と、機器コントローラ２４と、通信部２５と、を備えている。なお、複数の部品２１の例として、モータや軸受の他、電気回路、配管等が挙げられる。センサ２２は、部品２１における所定の物理量（温度、圧力、電流、電圧、回転速度、加速度等）を検出するものであり、部品２１に設置されている。

ちなみに、それぞれの部品２１にひとつずつセンサ２２が設置されるとは限らず、例えば、一つの部品２１に複数の（複数種類の）センサ２２が設置されることもある。

機器側センサデータベース２３は、部品２１に設置されたセンサ２２のそれぞれの検出値を、センサデータとして記録するためのデータベースである。
機器コントローラ２４は、機器２０において所定の制御を実行する。また、機器コントローラ２４は、それぞれのセンサ２２の検出値を含むセンサデータを、機器側センサデータベース２３に記録する機能も有している。

通信部２５は、機器側センサデータベース２３に記録されている所定のセンサデータを故障モード特定システム１０に送信する。

＜故障モード特定システムの構成＞
故障モード特定システム１０は、機器２０の故障モードを特定し、その特定結果を保守員等に提示するシステムである。故障モード特定システム１０は、例えば、ＣＰＵ（Central Processing Unit：図示せず）、ＲＯＭ（Read Only Memory：図示せず）、ＲＡＭ（Random Access Memory：図１の一時記憶装置１７に相当）、各種インタフェース（図示せず）等の電子回路を含んで構成されている。そして、ＲＯＭに記憶されたプログラムを読み出してＲＡＭに展開し、ＣＰＵが各種処理を実行するようになっている。

図１に示すように、故障モード特定システム１０は、通信部１１（データ取得部）と、センサデータベース１２と、部品モデルデータベース１３と、機器構造パラメータ推定部１４と、を備えている。また、故障モード特定システム１０は、前記した構成の他に、故障モードデータベース１５と、故障モード特定部１６と、一時記憶装置１７と、入出力部１８（提示部）と、を備えている。

通信部１１は、機器２０から所定のセンサデータを受信する機能を有している。
センサデータベース１２は、通信部１１で受信されたセンサデータを記憶するデータベースである。

部品モデルデータベース１３は、センサデータに関連した部品２１の物理モデル（つまり、部品モデル）を記憶するデータベースである。すなわち、センサ２２によって検出される所定の状態量を含む数式が、部品モデルとして、予め部品モデルデータベース１３に記憶されている（図３参照）。

機器構造パラメータ推定部１４は、機器構造パラメータを推定する機能を有している。なお、「機器構造パラメータ」とは、機器２０（一つ又は複数の部品２１）の構造及び特性に基づく所定のパラメータであり、前記した部品モデルの数式の中に含まれている。なお、部品モデルや機器構造パラメータの詳細については後記する。

故障モードデータベース１５は、前記した機器構造パラメータと、機器２０の故障モードと、を紐付けるためのデータベースである。
故障モード特定部１６は、機器構造パラメータに基づいて、機器２０の故障モードを特定（推定）する。

一時記憶装置１７は、例えば、前記したＲＡＭであり、所定の演算結果を一時的に記憶する。
入出力部１８は、マウス、キーボード、タッチパネル、液晶ディスプレイ等であり、保守員による所定の入力を受け付けたり、故障モードの特定結果を保守員に提示したりする。

次に、センサデータベース１２、部品モデルデータベース１３、及び故障モードデータベース１５のデータ構造について、順次に説明する。

図２は、センサデータベース１２のデータ構造を示す説明図である。
前記したように、センサデータベース１２には、部品２１（図１参照）に設置されたセンサ２２（図１参照）の検出値等が、所定のセンサデータとして記録される。図２に示す例では、部品２１、センサ２２の検出時刻、センサ２２によって検出される状態量、及びセンサ２２の検出値が対応付けられ、センサデータとして記録されている。

なお、図２に示す「部品」には、その一般名称（モータや軸受等）の他に、部品２１の識別情報も含まれている。また、図２に示す例では、センサ２２（図１参照）によって検出される所定の「状態量」として、モータの電流値、回転速度、電圧値等が記憶されている。この「状態量」を示すデータに、センサ２２の識別情報（センサ名）が含まれていてもよい。

そして、部品２１や、センサ２２の検出時刻の他、センサ２２によって検出される状態量等を検索キーにして、その検出値が参照されるようになっている。
ちなみに、機器２０（図１参照）が備える機器側センサデータベース２３（図１参照）も、図２に示すセンサデータベース１２と同様のデータ構造になっている。

図３は、部品モデルデータベース１３のデータ構造を示す説明図である。
部品モデルデータベース１３には、前記したセンサデータに関連する部品２１の部品モデル（所定の数式）が、予め記憶されている。図３に示す例では、モータに関する部品モデルの一つとして、以下の式（１）が予め記憶されている。

式（１）は、モータの電流値の微分値（左辺）が、−（Ｒ／Ｌ）×（電流値）、−（Ｋ／Ｌ）×（回転速度）、及び（１／Ｌ）×（電圧値）の和（右辺）に等しいという部品モデルである。

なお、式（１）のＲはモータの抵抗値であり、Ｌはモータのインダクタンスであり、Ｋはモータのトルク定数である。これらの抵抗値Ｒ、インダクタンスＬ、及びトルク定数Ｋは、モータの（つまり、モータを含む機器２０の）の構造及び特性に基づく機器構造パラメータである。一方、式（１）に含まれる電流値、回転速度、及び電圧値は、部品２１であるモータに設置されたセンサ２２（図１参照）によって検出される。

図３に示す部品モデルは、所定のテキストやプログラムオブジェクトとして予め記憶され、部品２１を検索キーにしてロードされるようになっている。部品モデルは、例えば、故障モード特定システム１０（図１参照）や機器２０の導入時に、保守員等によって設定される。

なお、抵抗値Ｒ、インダクタンスＬ、トルク定数Ｋといった機器構造パラメータは、機器２０（図１参照）の正常時にはほとんど変化せず、通常は略一定である。これらの機器構造パラメータの大きさによって、式（１）の電流値、回転速度、及び電圧値が規定される。

一方、機器２０で故障や故障予兆が生じた場合、その故障モードによっては、所定の機器構造パラメータが正常時よりも大きくなったり、また、小さくなったりすることがある。そこで、本実施形態では、モータの電流値、回転速度、電圧値等のセンサデータに基づいて、機器構造パラメータ推定部１４（図１参照）が機器構造パラメータを逆推定するようにしている。そして、故障モード特定部１６（図１参照）が、推定結果としての機器構造パラメータに基づき、機器２０の故障モードを特定するようになっている。

図４は、故障モードデータベース１５のデータ構造を示す説明図である。
図４に示す例では、部品２１、機器２０の故障モード、故障モードの特定する際の基準、及び基準に含まれる機器構造パラメータの閾値が対応付けられ、故障モードデータベース１５として記憶されている。そして、例えば、部品２１を検索キーにして、その部品２１に関連した故障モードや、故障モードの特定する際の基準等が検索されるようになっている。

図４に示す例では、モータの抵抗値Ｒが閾値Ｒ１以下であるか、又は、モータのインダクタンスＬが閾値Ｌ１以下である場合、故障モード特定部１６（図１参照）が、「コイルの巻線短絡あり」と判定するようになっている。

さらに別の例を挙げると、モータの抵抗値Ｒが閾値Ｒ２以上である場合、故障モード特定部１６（図１参照）が、「コイルの巻線断線あり」と判定するようになっている。
なお、故障モードデータベース１５において、部品２１、故障モード、及び故障モードの基準は、例えば、故障モード特定システム１０や機器２０の導入時に、保守員等によって設定される。

一方、機器構造パラメータの閾値（具体的な数値）は、機器２０が正常であることが既知であるときのセンサデータに基づいて、故障モード特定システム１０が算出するようになっている。つまり、保守員等は、所定の故障モード（例えば、コイルの巻線短絡）が生じた場合、どの機器構造パラメータが正常時よりも大きくなったり、又は、小さくなったりするかを指定しさえすればよく、機器構造パラメータの閾値の大きさを設定（想定）する必要がない。したがって、前記した閾値の不正確さに起因する故障モードの誤判定を防止できる。

＜機器構造パラメータの閾値設定＞
図５は、機器構造パラメータの閾値を設定する処理のフローチャートである（適宜、図１を参照）。
なお、図５に示す一連の処理が行われているとき、機器２０が正常に稼動していることが既知である。例えば、機器２０の据付直後や、点検で機器２０が正常であることが確認された後に、図５に示す処理が行われる。

ステップＳ１０１において故障モード特定システム１０は、故障モードに紐づく部品２１を指定して、センサデータを機器２０に要求する。例えば、入出力部１８を介した保守員の操作によって、故障モードデータベース１５（図４参照）の中の「コイルの巻線短絡」という故障モードが指定されたとする。

この場合、故障モード特定システム１０は、「コイルの巻線短絡」に紐づけられた部品２１であるモータを指定し、このモータに関するセンサデータを機器２０に要求する。すなわち、故障モード特定システム１０は、モータの電流値、回転速度、及び電圧値（図３の「部品モデル」を参照）を要求する所定の信号を、通信部１１を介して機器２０に送信する。

このような信号を受信した場合、図５では省略したが、機器コントローラ２４は、所定の時間範囲のセンサデータを機器側センサデータベース２３から読み出し、さらに、このセンサデータを故障モード特定システム１０に送信する。

図５のステップＳ１０２において故障モード特定システム１０は、通信部１１を介して、機器２０からセンサデータを受信する。
ステップＳ１０３において故障モード特定システム１０は、機器２０から受信したセンサデータを、センサデータベース１２に記憶する。

ステップＳ１０４において故障モード特定システム１０は、ステップＳ１０１で要求した部品２１を検索キーにして、部品モデルデータベース１３から部品モデルをロードする。本実施形態では一例として、前記した式（１）の部品モデル、及び、以下に示す式（２）の部品モデル（図３参照）がロードされたとする。

なお、式（２）には、機器パラメータとして、モータの摩擦係数Ｂ、慣性モーメントJ、及びトルク定数Ｋが含まれている。

次に、ステップＳ１０５において故障モード特定システム１０は、機器構造パラメータ推定部１４によって、機器構造パラメータを推定する。例えば、故障モード特定システム１０は、モータの回転速度、電流値、及び電圧値を含むセンサデータに基づき、最小二乗法を用いて、式（１）、式（２）に含まれる５つの機器構造パラメータを推定する。前記した５つの機器構造パラメータとは、モータの抵抗値Ｒ、インダクタンスＬ、トルク定数Ｋ、摩擦係数Ｂ、及び慣性モーメントJである。

最小二乗法を用いた機器構造パラメータの推定を説明するにあたって、式（１）の左辺のｄ／ｄｔ（電流値）や、式（２）の左辺のｄ／ｄｔ（回転速度）を「目的変数」という。一方、式（１）や式（２）の右辺の変数である電流値、回転速度、及び電圧値を「説明変数」という。

なお、センサデータの誤差に起因して、機器構造パラメータの推定値にバラつきが生じることが多い。そこで、本実施形態では、統計学におけるブーストラッピングの手法に基づいて、機器構造パラメータ推定部１４が、機器構造パラメータの平均値及び標準偏差（バラつきの程度）を算出するようにしている。これらの平均値及び標準偏差は、所定の故障モードに該当するか否かの判定基準となる閾値を設定する際に用いられる。このような一連の処理について、図６を用いて説明する。

図６は、図５のステップＳ１０５に相当するサブルーチンＳＵＢ０１のフローチャートである（適宜、図１を参照）。
図６のステップＳ１０５ａにおいて機器構造パラメータ推定部１４は、センサデータの一部を読み込む。すなわち、機器構造パラメータ推定部１４は、ブーストラッピングの手法に基づき、所定の時間範囲で検出されたセンサデータを無作為抽出して読み込む。

ステップＳ１０５ｂにおいて機器構造パラメータ推定部１４は、部品モデルの目的変数を算出する。例えば、機器構造パラメータ推定部１４は、モータの電流値ｉ_ｔと電流値ｉ_ｔ＋１との差分Δｉ_ｔをとり、この差分Δｉ_ｔを所定のサンプリング時間間隔（例えば、１秒間）で除算することによって、式（１）の目的変数（電流値の微分値）を算出する。なお、電流値ｉ_ｔの下付きの“ｔ”は、電流値の時系列的な順序を示す番号である。

そして、機器構造パラメータ推定部１４は、各時刻における電流値の微分値に基づいて、式（１）の目的変数の行列Ｙを生成し、この行列Ｙを一時記憶装置１７（図１参照）に格納する。

さらに、ステップＳ１０５ｃにおいて機器構造パラメータ推定部１４は、部品モデルの説明変数に基づく擬似逆行列と、目的変数の行列と、の積を算出する。まず、機器構造パラメータ推定部１４は、前記した式（１）の部品モデルに関して、その説明変数である電流値ｉ_ｔ、回転速度ω_ｔ、及び電圧値Ｖ_ｔに基づき、以下の行列Ｘを生成する。

そして、機器構造パラメータ推定部１４は、式（４）の行列Ｘに基づいて、説明変数の擬似逆行列Ｘ^＋を算出する。

さらに、機器構造パラメータ推定部１４は、説明変数の擬似逆行列Ｘ^＋と、目的変数の行列Ｙと、の積に基づいて、式（１）における説明変数の係数（Ｒ／Ｌ）、（Ｋ／Ｌ）、及び（１／Ｌ）を算出する。

なお、式（２）の部品モデルにおける説明変数の係数（Ｂ／Ｊ）、（Ｋ／Ｊ）も同様の方法で算出される。
図６のステップＳ１０５ｄにおいて機器構造パラメータ推定部１４は、機器構造パラメータを算出・記憶する。前記したように、式（１）、式（２）の部品モデルの係数（Ｒ／Ｌ）、（Ｋ／Ｌ）、（１／Ｌ）、（Ｂ／Ｊ）、（Ｋ／Ｊ）に関する５つの等式が得られる。したがって、これらの等式に基づいて、５つの機器構造パラメータＲ，Ｋ，Ｌ，Ｂ，Ｊの全ての値が算出される。機器構造パラメータ推定部１４は、算出結果である機器構造パラメータＲ，Ｋ，Ｌ，Ｂ，Ｊを一時記憶装置１７（図１参照）に格納する。

図７は、一時記憶装置１７に記憶される機器構造パラメータに関する説明図である。
図７では、１０５ａ〜Ｓ１０５ｅ（図６参照）の１回目のループで算出（推定）された機器構造パラメータを「推定Ｎｏ．１」の欄に記載している。機器構造パラメータ推定部１４は、２回目〜１００回目のループも同様にして、無作為抽出したセンサデータの一部に基づき（図６のＳ１０５ａ）、機器構造パラメータを算出・記憶する（図６のＳ１０５ｄ）。

図６のステップＳ１０５ｅにおいて機器構造パラメータ推定部１４は、機器構造パラメータに関して、所定回数分（例えば、１００回分）の算出を行ったか否かを判定する。
ステップＳ１０５ｅにおいて所定回数分の算出を行った場合（Ｓ１０５ｅ：Ｙｅｓ）、機器構造パラメータ推定部１４の処理は、ステップＳ１０５ｆに進む。一方、ステップＳ１０５ｅにおいて所定回数分の算出を行っていない場合（Ｓ１０５ｅ：Ｎｏ）、機器構造パラメータ推定部１４の処理は、ステップＳ１０５ａに戻る。

ステップＳ１０５ｆにおいて機器構造パラメータ推定部１４は、機器構造パラメータの平均値及び標準偏差を算出・記憶した後、図５のステップＳ１０６の処理に進む。なお、図７の下側の欄には、機器構造パラメータＲ，Ｋ，Ｌ，Ｂ，Ｊの平均値及び標準偏差の算出結果を示している。このようにして、機器構造パラメータ推定部１４は、機器２０が正常であることが既知であるときの機器構造パラメータの平均値及び標準偏差を算出する。

図５のステップＳ１０６において故障モード特定システム１０は、機器構造パラメータ推定部１４によって、機器構造パラメータの閾値を算出・記憶する。すなわち、故障モード特定システム１０は、機器構造パラメータの平均値及び標準偏差に基づいて、所定の故障モードに該当するか否かの判定基準となる機器構造パラメータの閾値を設定する。

図８は、図５のステップＳ１０６に相当するサブルーチンＳＵＢ０２のフローチャートである（適宜、図１を参照）。
ステップＳ１０６ａにおいて故障モード特定システム１０は、基準となる閾値が下限値であるか否かを判定する。基準となる閾値が下限値である場合（Ｓ１０６ａ：Ｙｅｓ）、故障モード特定システム１０の処理はステップＳ１０６ｂに進む。一方、基準となる閾値が下限値でない場合（Ｓ１０６ａ：Ｎｏ）、故障モード特定システム１０の処理はステップＳ１０６ｃに進む。

前記したように、故障モードデータベース１５（図４参照）には、所定の故障モード（図５のＳ１０１）の「基準」となる機器構造パラメータの種類や、その閾値が上限値・下限値のいずれであるかを示す情報が、予め記憶されている。例えば、故障モードの一つである「コイルの巻線短絡」（図４参照）の判定基準となる閾値は、モータの抵抗値Ｒの下限値Ｒ１、及びインダクタンスＬの下限値Ｌ１であることが、予め設定されている。

ステップＳ１０６ｂにおいて故障モード特定システム１０は、機器構造パラメータの「平均値−３×標準偏差」を閾値として記憶する。なお、機器構造パラメータは、機器２０の正常時でも平均値±標準偏差の程度のバラつきがある。そこで、平均値よりも（標準偏差×３）の余裕をみて、故障モード特定システム１０が下限値を設定するようにしている。これによって、実際に機器２０が正常であるときに、「故障モード発生」と誤判定されることを防止できる。

例えば、「コイルの巻線短絡」（図４参照）の判定基準となるモータの抵抗値Ｒの下限値Ｒ１は、その平均値（＝１１．２：図７参照）から、３×標準偏差（＝１．２：図７参照）を減算した値であるＲ１＝７．６として設定される。

このように、所定の機器構造パラメータが正常時よりも小さい場合に、所定の故障モードが生じていると判定するように予め設定されているとき、故障モード特定システム１０は、機器構造パラメータ推定部１４によって次の処理を行う。すなわち、故障モード特定システム１０は、機器構造パラメータの標準偏差を所定倍（例えば、３倍）した値を平均値から減算することによって、この機器構造パラメータの閾値を下限値として設定する。そして、故障モード特定システム１０は、算出結果である閾値を故障モードデータベース１５（図４参照）に格納する（Ｓ１０６ｂ）。

ステップＳ１０６ｃにおいて故障モード特定システム１０は、基準となる閾値が上限値であるか否かを判定する。基準となる閾値が上限値である場合（Ｓ１０６ｃ：Ｙｅｓ）、故障モード特定システム１０の処理はステップＳ１０６ｄに進む。

ステップＳ１０６ｄにおいて故障モード特定システム１０は、機器構造パラメータの「平均値＋３×標準偏差」を閾値として記憶する。例えば、「コイルの巻線断線」（図４参照）の判定基準となるモータの抵抗値の上限値Ｒ２は、その平均値（＝１１．２：図７参照）に、３×標準偏差（＝１．２：図７参照）を加算した値であるＲ２＝１４．８として設定される。

このように、所定の機器構造パラメータが正常時よりも大きい場合に、所定の故障モードが生じていると判定するように予め設定されているとき、故障モード特定システム１０は、機器構造パラメータ推定部１４によって次の処理を行う。すなわち、故障モード特定システム１０は、機器構造パラメータの標準偏差を所定倍（例えば、３倍）した値を平均値に加算することによって、当該機器構造パラメータの閾値を上限値として設定する。そして、故障モード特定システム１０は、算出結果である閾値を故障モードデータベース１５（図４参照）に格納する（Ｓ１０６ｄ）。

ステップＳ１０６ｄの処理を終了した後、又は、ステップＳ１０６ｃにおいて基準となる閾値が上限値でない場合（Ｓ１０６ｃ：Ｎｏ）、故障モード特定システム１０の処理は、図５のステップＳ１０７に進む。

ステップＳ１０７において故障モード特定システム１０は、故障モードデータベース１５（図４参照）に予め記憶されている全ての故障モードをチェックしたか否かを判定する。ステップＳ１０７において全ての故障モードをチェックした場合（Ｓ１０７：Ｙｅｓ）、故障モード特定システム１０は、一連の処理を終了する（ＥＮＤ）。一方、ステップＳ１０７において、まだチェックしていない故障モードが存在する場合（Ｓ１０７：Ｎｏ）、故障モード特定システム１０の処理は、ステップＳ１０１に戻る。

このようにして故障モード特定システム１０は、各故障モードについて機器構造パラメータの閾値（上限値や下限値）を算出し、その算出結果を故障モードデータベース１５（図４参照）に格納する。なお、入出力部１８（図１参照）を介した操作によって、保守員等が、機器構造パラメータの閾値を微調整するようにしてもよい。

次に、機器構造パラメータの閾値に基づいて、機器２０に所定の故障モードが生じているか否かを判定する処理について説明する。この処理は、保守対象である機器２０の稼動中、故障モード特定システム１０によって所定時間ごとに行われる。

図９は、故障モード特定システム１０が、機器２０の故障モードを特定する処理のフローチャートである（適宜、図１を参照）。
ステップＳ２０１において故障モード特定システム１０は、図４に示す故障モードのうち一つ（例えば、コイルの巻線短絡）を指定して、それに紐づく部品２１を指定し、通信部１１を介して機器２０にセンサデータを要求する（データ取得処理）。

ステップＳ２０２〜Ｓ２０５は、現状の機器構造パラメータＲ，Ｋ，Ｌ，Ｂ，Ｊを推定するための処理（機器構造パラメータ推定処理）であるが、前記したＳ１０２〜Ｓ１０５（図５参照）と同様である。したがって、その詳細な説明は省略するが、前記したように、機器２０が備える複数の部品２１のうち少なくとも一つが、所定の故障モードに予め対応付けられている（図４参照）。そして、機器構造パラメータ推定部１４は、その故障モードに対応する部品２１に設置されたセンサ２２の検出値に基づいて、機器構造パラメータを推定する。

ステップＳ２０６において故障モード特定システム１０は、現状の機器構造パラメータが所定の故障モードの基準（図４参照）を満たしているか否かを、故障モード特定部１６によって判定する（故障モード特定処理）。例えば、ステップＳ２０１で指定した故障モードが「コイルの巻線短絡」であるならば、モータの現状の抵抗値Ｒが閾値Ｒ１（＝７．６）以下であるか、又は、インダクタンスＬが閾値Ｌ１（＝０．８）以下のであるか否かが判定される。

このように、故障モード特定部１６は、故障モードに対応付けられた一つ又は複数の機器構造パラメータの値が、正常時よりも大きいか、又は、正常時よりも小さいかに基づいて、当該故障モードが生じているか否かを判定する。

ステップＳ２０６において現状の機器構造パラメータが所定の故障モードの基準を満たしている場合（Ｓ２０６：Ｙｅｓ）、故障モード特定システム１０の処理は、ステップＳ２０７に進む。
ステップＳ２０７において故障モード特定システム１０は、入出力部１８（提示部）の液晶ディスプレイ等に、その故障モードを提示する（提示処理）。

図１０は、機器に所定の故障モードが生じた場合の画面表示例である。
図１０に示す例では、機器２０（図１参照）のモータにおいてコイルの巻線短絡（図４参照）が生じた場合、その故障モードの名称１８１及び根拠１８２が表示されている。

なお、根拠１８２の例として、「モータの直流抵抗値Ｒが７０％まで低下」というように、閾値Ｒ１（又は平均値）に対する抵抗値Ｒの変動割合が表示されている。これによって保守員は、機器２０のモータにおいてコイルの巻線短絡（又はその予兆）が生じたことを把握できる。つまり、保守員は、機器２０の故障や故障予兆の原因を把握できるため、それに応じた所定の対処を行うことができる。

図９のステップＳ２０８において故障モード特定システム１０は、故障モードデータベース１５（図４参照）に予め記憶されている全ての故障モードをチェックしたか否かを判定する。ステップＳ２０８において全ての故障モードをチェックした場合（Ｓ２０８：Ｙｅｓ）、故障モード特定システム１０は、一連の処理を終了する（ＥＮＤ）。一方、ステップＳ２０８において、まだチェックしていない故障モードが存在する場合（Ｓ２０８：Ｎｏ）、故障モード特定システム１０の処理は、ステップＳ２０１に戻る。

＜効果＞
本実施形態によれば、例えば、機器２０で所定の故障や故障予兆が生じた場合、それが具体的にどのような故障モードなのかを特定できる。これによって、保守員が、故障等の原因（つまり、故障モード）を把握し、それに応じた保守作業を行うことができる。

また、機器２０で所定の故障等が生じた際に変動する機器構造パラメータの種類や、その変動の向き（上昇又は低下）は、機器２０の構造や特性に基づいて、予め定性的に特定可能である。本実施形態によれば、所定の故障モードに紐付けられた機器構造パラメータの種類や、その機器構造パラメータの閾値が上限値・下限値のいずれであるかを、保守員等が予め設定する。そして、故障モード特定システム１０が、機器２０のセンサデータに基づいて、故障モードに紐付けられた機器構造パラメータの閾値（具体的な数値）を設定するようになっている。これによって、故障モード特定システム１０が、機器２０で生じた故障モードを正確に特定でき、ひいては、保守員による保守作業を適切に支援できる。

なお、これまでは、機器２０のセンサデータそのものに基づいて、機器２０の故障等が検知されていた。しかしながら、実際に機器２０の故障等が生じた場合のセンサデータは、機器２０の設置環境や・使用条件等によってバラつきがある。また、機器２０で故障等が生じたことが判明しても、具体的な故障モードをセンサデータの波形から特定することは困難であった。

これに対して本実施形態に係る故障モード特定システム１０は、正常時にはほとんど変動しない所定の機器構造パラメータに基づいて、機器２０で生じた故障モードを適切に特定できる。また、例えば、現地で機器２０が実際に稼動（試運転）しているときに、その機器２０のセンサデータに基づいて、機器構造パラメータの閾値が設定される。したがって、機器２０ごとに設置環境・使用条件が異なっていても、故障モード特定システム１０によって、機器構造パラメータの閾値を適切に設定できる。さらに、機器構造パラメータの閾値を設定するための事前のシミュレーションが不要であるという利点もある。

≪変形例≫
以上、本発明に係る故障モード特定システム１０について実施形態により説明したが、本発明はこれらの記載に限定されるものではなく、種々の変更を行うことができる。
例えば、各実施形態では、故障モード特定システム１０が、最小二乗法に基づいて機器構造パラメータを推定する処理について説明したが、これに限らない。すなわち、ベイズ推定等の統計的な周知の手法を用いて、機器構造パラメータを算出するようにしてもよい。

また、実施形態では、故障モード特定システム１０が、機器２０のセンサデータのみに基づいて、機器２０の故障モードを特定する処理について説明したが、これに限らない。例えば、故障モード特定システム１０が、機器２０のセンサデータの他、機器２０の制御信号、機器２０の所定の状態を示すオン／オフ信号やアラーム信号等に基づいて、故障モードを推定するようにしてもよい。すなわち、機器２０に設置されたセンサ２２の検出値を含むデータを通信部１１（データ取得部）が取得し、これらのデータに基づいて、機器構造パラメータ推定部１４が、所定の機器構造パラメータを推定するようにしてもよい。

また、実施形態では、最小二乗法に基づいて、５つの機器構造パラメータＲ，Ｋ，Ｌ，Ｂ，Ｊの全てが算出される場合について説明したが、これに限らない。例えば、複数の機器構造パラメータのうち、その値を特定できないものが存在する場合（等式の個数よりも、未知数の個数の方が多い場合）には、機器構造パラメータ同士の比に基づいて、機器２０の故障モードを特定するようにしてもよい。

また、実施形態では、現地に据え付けられた機器２０のセンサデータに基づいて、故障モード特定システム１０が、機器構造パラメータの閾値を設定する場合について説明したが、これに限らない。例えば、機器２０に相当する試験機（図示せず）のセンサデータに基づいて、故障モード特定システム１０が、機器構造パラメータの閾値を設定するようにしてもよい。

また、前記したデータ取得処理（図９のＳ２０１等）、機器構造パラメータ推定処理（Ｓ２０５等）、故障モード特定処理（Ｓ２０６）、提示処理（Ｓ２０７）を含む故障モード特定方法を、所定のプログラムによって、コンピュータに実行させるようにしてもよい。前記したプログラムは、通信回線を介して提供することもできるし、ＣＤ−ＲＯＭ等の記録媒体に書き込んで配布することも可能である。

また、各実施形態は本発明を分かりやすく説明するために詳細に記載したものであり、必ずしも説明した全ての構成を備えるものに限定されない。また、実施形態の構成の一部について、他の構成の追加・削除・置換をすることが可能である。また、前記した機構や構成は説明上必要と考えられるものを示しており、製品上必ずしも全ての機構や構成を示しているとは限らない。

１０ 故障モード特定システム
１１ 通信部（データ取得部）
１２ センサデータベース
１３ 部品モデルデータベース
１４ 機器構造パラメータ推定部
１５ 故障モードデータベース
１６ 故障モード特定部
１７ 一時記憶装置
１８ 入出力部（提示部）
２０ 機器
２１ 部品
２２ センサ
２３ 機器側センサデータベース
２４ 機器コントローラ
２５ 通信部

Claims (8)

1. 機器に設置されたセンサの検出値を含むデータを取得するデータ取得部と、
   前記機器の構造及び特性に基づく所定の機器構造パラメータを、前記データ取得部によって取得される前記データに基づいて推定する機器構造パラメータ推定部と、
   前記機器構造パラメータ推定部によって推定される前記機器構造パラメータに基づいて、前記機器の故障又は故障予兆の種類を示す故障モードを特定する故障モード特定部と、
   前記故障モード特定部によって特定された前記故障モードを提示する提示部と、を備えること
   を特徴とする故障モード特定システム。
2. 前記故障モード特定部は、前記故障モードに対応付けられた一つ又は複数の前記機器構造パラメータの値が、正常時よりも大きいか、又は、正常時よりも小さいかに基づいて、当該故障モードが生じているか否かを判定すること
   を特徴とする請求項１に記載の故障モード特定システム。
3. 前記機器構造パラメータ推定部は、前記機器が正常であることが既知であるときの前記機器構造パラメータの平均値及び標準偏差を算出し、さらに、前記平均値及び前記標準偏差に基づいて、所定の前記故障モードに該当するか否かの判定基準となる前記機器構造パラメータの閾値を設定すること
   を特徴とする請求項２に記載の故障モード特定システム。
4. 所定の前記機器構造パラメータが正常時よりも小さい場合に、所定の前記故障モードが生じていると判定するように予め設定されているとき、前記機器構造パラメータ推定部は、前記標準偏差を所定倍した値を前記平均値から減算することによって、当該機器構造パラメータの前記閾値を下限値として設定すること
   を特徴とする請求項３に記載の故障モード特定システム。
5. 所定の前記機器構造パラメータが正常時よりも大きい場合に、所定の前記故障モードが生じていると判定するように予め設定されているとき、前記機器構造パラメータ推定部は、前記標準偏差を所定倍した値を前記平均値に加算することによって、当該機器構造パラメータの前記閾値を上限値として設定すること
   を特徴とする請求項３に記載の故障モード特定システム。
6. 前記機器が備える複数の部品のうち少なくとも一つが、前記故障モードに予め対応付けられ、
   前記機器構造パラメータ推定部は、所定の前記故障モードに対応する前記部品に設置された前記センサの検出値に基づいて、前記機器構造パラメータを推定すること
   を特徴とする請求項１から請求項５のいずれか一項に記載の故障モード特定システム。
7. 機器に設置されたセンサの検出値を含むデータを取得するデータ取得処理と、
   前記機器の構造及び特性に基づく所定の機器構造パラメータを、前記データ取得処理によって取得される前記データに基づいて推定する機器構造パラメータ推定処理と、
   前記機器構造パラメータ推定処理によって推定される前記機器構造パラメータに基づいて、前記機器の故障又は故障予兆の種類を示す故障モードを特定する故障モード特定処理と、
   前記故障モード特定処理によって特定された前記故障モードを提示する提示処理と、を含むこと
   を特徴とする故障モード特定方法。
8. 請求項７に記載の故障モード特定方法を、コンピュータに実行させるためのプログラム。

Images