JP2019121052A - Inspection support system - Google Patents
Inspection support system Download PDFInfo
- Publication number
- JP2019121052A JP2019121052A JP2017254039A JP2017254039A JP2019121052A JP 2019121052 A JP2019121052 A JP 2019121052A JP 2017254039 A JP2017254039 A JP 2017254039A JP 2017254039 A JP2017254039 A JP 2017254039A JP 2019121052 A JP2019121052 A JP 2019121052A
- Authority
- JP
- Japan
- Prior art keywords
- data
- failure probability
- failure
- inspection
- inspection result
- 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
- 238000007689 inspection Methods 0.000 title claims abstract description 191
- 230000008439 repair process Effects 0.000 claims abstract description 57
- 230000004044 response Effects 0.000 claims abstract description 8
- 238000012423 maintenance Methods 0.000 abstract description 21
- 230000006870 function Effects 0.000 description 84
- 238000007726 management method Methods 0.000 description 61
- 238000000034 method Methods 0.000 description 38
- 238000012545 processing Methods 0.000 description 33
- 230000005540 biological transmission Effects 0.000 description 29
- 238000004364 calculation method Methods 0.000 description 28
- 230000008569 process Effects 0.000 description 20
- 238000013500 data storage Methods 0.000 description 18
- 238000010276 construction Methods 0.000 description 15
- 238000000605 extraction Methods 0.000 description 15
- 230000005484 gravity Effects 0.000 description 15
- 238000003860 storage Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 238000003064 k means clustering Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000013480 data collection Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000004931 aggregating effect Effects 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 2
- 230000008707 rearrangement Effects 0.000 description 2
- UNPLRYRWJLTVAE-UHFFFAOYSA-N Cloperastine hydrochloride Chemical compound Cl.C1=CC(Cl)=CC=C1C(C=1C=CC=CC=1)OCCN1CCCCC1 UNPLRYRWJLTVAE-UHFFFAOYSA-N 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
本発明は、建設機械等、数多くの部品(部位)から構成される機械の、保守点検を支援する技術に関する。 The present invention relates to a technology for supporting maintenance and inspection of a machine including a large number of parts (parts) such as a construction machine.
数多くの部位から構成される機械の保守点検手法として、故障しやすい部位から交換する状態基準保全の手法がある。状態基準保全においては、各部位の故障確率の算出が必須である。部位の故障確率を求める従来技術として、例えば、特許文献1に、「機材種毎に設定した故障確率分布又は性能劣化確率分布の少なくとも1つに従って機材交換数を設定し,該確率分布と稼働状況又は機材状態の少なくとも1つから機材交換優先度を設定し,該機材交換優先度に従って該機材交換数分の機材をリスト化する(要約抜粋)。」技術が開示されている。
As a maintenance inspection method of a machine composed of a large number of parts, there is a state standard maintenance method of replacing from a part susceptible to failure. In state-based maintenance, it is essential to calculate the failure probability of each part. As a conventional technique for obtaining the failure probability of a part, for example, in
特許文献1に開示の技術は、保守作業(点検)時の情報、機材種毎の故障確率分布、保守履歴情報等に基づいて、故障確率を求め、保守計画を立てるものである。しかしながら、この技術で得られる故障確率は、点検時のものである。一方、建設機械を用いる工事では、工期が長期にわたるものも多い。このような工事では、点検時では故障確率が低くても、工事期間中に機械に故障が発生することもあり得る。工事期間中に機械に故障が発生すると、代替の機械が必要となり、このための手間と費用が発生する。また、代替の機械が用意できないと、工期に遅れが生じることもあり得る。
The technology disclosed in
従って、工期の長い工事では、保守計画を立案するためには、工事期間中(将来)の諸時点での故障確率が必須である。しかしながら、特許文献1に開示の技術では、このような故障確率を提供していないため、保守点検を十分支援できない。
Therefore, in construction with a long construction period, in order to make a maintenance plan, failure probability at various points during the construction period (future) is essential. However, the technology disclosed in
本発明は、上記事情に鑑みてなされたもので、多数の部位から構成される機械の保守作業において、工期の長短によらず、適切な保守計画の立案を支援可能な技術を提供することを目的とする。 The present invention has been made in view of the above circumstances, and provides a technology capable of assisting in the preparation of an appropriate maintenance plan regardless of the length of work period in maintenance work of a machine composed of a large number of parts. To aim.
本発明は、サーバと、サービス員が携帯する携帯端末と、を備える点検支援システムであって、前記サーバは、複数の作業機械から取得した稼働データと前記作業機械の修理履歴とに基づいて、特定の作業機械に関する部位毎の予め定めた複数の将来時点での故障確率を算出し、前記携帯端末からの要求に応じて前記故障確率に関するデータを前記携帯端末に送信することを特徴とする点検支援システムを提供する。 The present invention is an inspection support system including a server and a portable terminal carried by a service representative, wherein the server is based on operation data acquired from a plurality of work machines and a repair history of the work machines. An inspection characterized by calculating failure probabilities at a plurality of predetermined future points in time for each part related to a specific work machine, and transmitting data relating to the failure probability to the mobile terminal in response to a request from the mobile terminal. Provide a support system.
本発明によれば、工期の長短によらず、適切な保守計画を立案できる。上記した以外の課題、構成および効果は、以下の実施形態の説明により明らかにされる。 According to the present invention, it is possible to make an appropriate maintenance plan regardless of the length of work period. Problems, configurations, and effects other than those described above will be clarified by the description of the embodiments below.
以下、本発明の実施形態を図面に基づいて詳細に説明する。なお、実施形態を説明するための全図において、同一の機能を有する部材には同一又は関連する符号を付し、その繰り返しの説明は省略する。また、以下の実施形態では、特に必要なとき以外は同一又は同様な部分の説明を原則として繰り返さない。 Hereinafter, embodiments of the present invention will be described in detail based on the drawings. In all the drawings for describing the embodiments, members having the same function are denoted by the same or related reference numerals, and the repeated description thereof will be omitted. Moreover, in the following embodiments, the description of the same or similar parts will not be repeated in principle unless particularly required.
また、以下の各実施形態では、保守点検対象の機械として、油圧ショベルを例に挙げて説明する。しかしながら、対象とする機械は、油圧ショベルに限定されない。ホイールローダーやその他の作業機械(建設機械)にも適用することができる。 In each of the following embodiments, a hydraulic shovel will be described as an example of a machine to be subjected to maintenance inspection. However, the target machine is not limited to a hydraulic shovel. It can be applied to wheel loaders and other work machines (construction machines).
本発明の実施形態を説明する。まず、図1を用いて、本実施形態の点検支援システム100の概要を説明する。
An embodiment of the present invention will be described. First, an outline of the
本実施形態では、管理サーバ200において、複数の油圧ショベル120の稼働データやメンテナンス情報(修理履歴、点検結果等)を管理する。そして、これらの情報を用いて、所定の時間間隔で、故障確率予測対象の油圧ショベル(以下、特定の油圧ショベルという)120Aを構成する各部品(部位)の、予め定めた複数の将来時点での故障確率を算出する。なお、本実施形態においては、油圧ショベル120は後述の学習用データとして稼働データやメンテナンス情報を採取するための油圧ショベル、特定の油圧ショベル120Aは故障確率予測対象の油圧ショベルとして区別する。
In the present embodiment, the
管理サーバ200は、サービス員310が携帯する携帯端末300から故障確率送信要求を受け取ると、管理サーバ200が管理する特定の油圧ショベル120Aの各部位の、複数の将来時点での故障確率を、要求元の携帯端末300に送信する。
When the
携帯端末300では、受信した複数の将来時点での故障確率を記憶部に保存する。サービス員310から点検対象の特定の油圧ショベル120Aが指示されると、当該特定の油圧ショベル120Aと同じ機種の油圧ショベル120の稼働データ等から特定の油圧ショベル120Aの各部位の、複数の将来時点での故障確率を、時系列に携帯端末300の表示部に表示する。表示内容は、例えば、顧客に提示し、修理の提案等に用いることができる。
The
また、サービス員310は、特定の油圧ショベル120Aの点検結果を、携帯端末300を介して入力する。携帯端末300では、入力された点検結果を受け付け、管理サーバ200に送信する。管理サーバ200では、受信した点検結果をメンテナンス情報に反映する。点検結果は、次の故障確率の算出に反映される。
In addition, the
なお、管理サーバ200が管理する特定の油圧ショベル120Aの台数は限定されない。また、以下、本明細書では、故障確率を算出する複数の将来時点を、将来時点、と呼ぶ。
Note that the number of specific
以下、上記処理を実現する各構成について説明する。 Hereinafter, each configuration for realizing the above processing will be described.
[管理サーバ]
本実施形態の管理サーバ200は、上述のように、管理対象の油圧ショベル120の稼働データやメンテナンス情報等を収集し、一元管理する。特に、本実施形態では、管理対象の全ての油圧ショベル120の稼働データやメンテナンス情報等から、特定の油圧ショベル120Aの各部位(部品)の故障確率を算出し、サービス員310が携帯する携帯端末300に提供する。
[Management server]
As described above, the
これを実現するため、本実施形態の管理サーバ200は、図2(a)に示すように、入力受付部211と、送受信部212と、データ収集部213と、故障確率関数生成部214と、故障確率算出部215と、点検結果管理部216と、データ記憶部217と、を備える。
In order to realize this, the
データ記憶部217には、管理サーバ200の処理を実現する各種のデータが保持される。本実施形態では、例えば、部位マスタ220と、予測対象マスタ230と、稼働データ240と、修理履歴データ250と、関数データ260と、故障確率データ270と、点検結果データ280と、中間データ290と、が保持される。各データの詳細については、後述する。
The
入力受付部211は、システム管理者等、管理サーバ200のユーザからの入力を受け付ける。本実施形態では、例えば、部位マスタ220、予測対象マスタ230の登録を受け付ける。
The
送受信部212は、管理サーバ200が備える後述する通信I/Fを制御し、外部装置とのデータの送受信を行う。特に、本実施形態では、各油圧ショベル120から送信されるセンサ情報、携帯端末300から送信される各種の要求や点検結果等を受信する。また、携帯端末300に故障確率データ270等を送信する。
The transmission /
データ収集部213は、稼働データ240を収集する。本実施形態では、送受信部212を介して受信した、各油圧ショベル120のセンサ情報を収集し、稼働データ240としてデータ記憶部217に蓄積する。
The
故障確率関数生成部214は、データ記憶部217に格納される各種のデータを用いて、所定の将来時点での故障確率を算出する故障確率算出関数(以下、単に故障確率関数と呼ぶ。)を生成する。生成した故障確率関数のパラメータは、関数データ260としてデータ記憶部217に保持される。
The failure probability
故障確率算出部215は、所定の時間間隔で、故障確率関数を用いて、特定の油圧ショベル120Aの各部位の故障確率を算出する。本実施形態では、予め定めた複数の将来時点での故障確率を算出する。算出された将来時点毎の故障確率は、算出時刻に対応づけて、故障確率データ270としてデータ記憶部217に保持される。
The failure
将来時点としては、例えば、3ヶ月後、6ヶ月後、1年後等が設定される。将来時点は、固定であってもよいし、管理サーバ200のユーザ(管理者)、サービス員310、顧客等により変更可能であってもよい。また、顧客毎、工事毎、あるいは、特定の油圧ショベル120Aの号機毎に、異なる値が設定されてもよい。
As the future time point, for example, three months later, six months later, one year later, etc. are set. The future point in time may be fixed, or may be changeable by a user (administrator) of the
点検結果管理部216は、過去の点検結果を管理する。本実施形態では、後述するように、サービス員による点検結果は、点検結果データ280として管理される。点検結果管理部216は、携帯端末300からの要求に応じて、サービス員により実施された点検結果を送信する。また、携帯端末300から点検結果を受信すると、受信した内容を点検結果データ280に反映し、点検結果データ280を更新する。さらに、受信した点検結果を用いて、予測対象マスタ230および修理履歴データ250も更新する。点検結果管理部216の処理の詳細は、後述する。
The inspection
[データ]
次に、データ記憶部217に格納される各データの詳細を説明する。
[data]
Next, details of each data stored in the
部位マスタ220には、各油圧ショベル120、および、特定の油圧ショベル120Aの構成部位が登録される。部位マスタ220の一例を図3(a)に示す。本図に示すように、本実施形態の部位マスタ220には、号機221に対応づけて、部位(部位の名称)222が登録される。号機221は、油圧ショベル120、および特定の油圧ショベル120Aを一意に識別可能な識別情報である。部位マスタ220は、予め、管理サーバ200の管理者等により登録される。
The component parts of each
予測対象マスタ230には、部位マスタ220に登録される部位222のうち、複数の将来時点での故障確率を予測(算出)する対象の部位が格納される。予測対象マスタ230の一例を図3(b)に示す。予測対象マスタ230は、点検対象の特定の油圧ショベル120Aについて作成される。本図に示すように、予測対象マスタ230には、号機231に対応づけて、予測対象の部位232が登録される。予測対象マスタ230は、予め、管理サーバ200の管理者等により、登録される。なお、後述するように、修理を行った部位232は、修理直後は予測対象外となり、削除される。
In the
稼働データ240は、各油圧ショベル120に取り付けられたセンサから送られるセンサ信号から取得される情報(センサ情報)のデータである。図4(a)は、本実施形態の稼働データ240の一例である。本図に示すように、稼働データ240として、号機241に対応づけて、センサ情報243と、その取得日242とが登録される。
The
このセンサ情報243は、油圧ショベル120の稼働状況を示す指標となるデータであり、例えば、旋回時間、稼働時間、燃費、パイロット圧、ポンプ圧、作動油温度、エンジン回転数、アワメータ等がある。以下、本明細書では、センサ情報243として、旋回時間と稼働時間との2つを例に挙げ、説明する。
The
センサ情報243は、所定の時間間隔で送受信部212が受信したセンサ信号からデータ収集部213が取得し、稼働データ240に生成されて蓄積される。稼働データ240は、図4(a)に示すように、例えば、号機毎に、日単位で、時系列に蓄積される。
The
修理履歴データ250は、各部位の、修理履歴のデータである。修理履歴データ250は、図4(b)に示すように、号機251毎に、修理された部位252が、修理日である最終点検日253および故障日254に対応づけて登録される。修理履歴データ250は、点検結果管理部216が、携帯端末300を介して送信されたデータから必要な情報を抽出して登録する。修理履歴は、例えば、サービス員310が、現場で点検を行い、携帯端末300を介して入力する。
The
なお、故障日254が不明な場合には、故障日254自体、登録されなくてもよい。
When the
点検結果データ280は、特定の油圧ショベル120Aの各部位の点検結果のデータである。図5に、本実施形態の点検結果データ280の一例を示す。本図に示すように、点検結果データ280は、号機281毎に、各部位282の点検結果を格納する。点検結果として、例えば、故障の有無を示す情報(故障)284と、修理を行ったか否かを示す情報(修理)285と、故障した場合、その故障日286が格納される。これらの点検結果は、直近の点検を行った日付(最終点検日)283とともに、格納される。
The
中間データ290は、処理の途中で作成される各種のデータである。なお、詳細は、後述する。
[ハードウェア]
本実施形態の管理サーバ200は、図2(b)に示すように、CPU201と、メモリ202と、記憶装置203と、入出力I/F204と、通信I/F205とを備える、例えば、汎用の情報処理装置で実現される。
[hardware]
As illustrated in FIG. 2B, the
上記各機能は、予め記憶装置203に格納したプログラムを、CPU201がメモリ202にロードして実行することにより実現される。データ記憶部217は、記憶装置203およびメモリ202に設けられる。
The respective functions are realized by the
[携帯端末]
次に、携帯端末300について説明する。携帯端末300は、サービス員310が、点検を行う際、現場に持参する。まず、管理サーバ200から、特定の油圧ショベル120Aとして選択可能な号機を特定する情報を受け取る。そして、受け取った情報の中から、サービス員310が選択した号機の、故障確率データ270と点検結果データ280とを受け取り、携帯端末300の表示部であるタッチパネルディスプレイに表示する。このとき、各予測対象部位の、複数の将来時点での故障確率を、時系列に表示する。
[Mobile device]
Next, the
図6(a)は、本実施形態の携帯端末300の、点検支援に係る構成の、機能ブロック図である。本図に示すように、本実施形態の携帯端末300は、入力受付部311と、送受信部312と、表示制御部313と、点検支援部314と、データ記憶部315と、を備える。
FIG. 6A is a functional block diagram of the configuration related to the inspection support of the
また、データ記憶部315は、故障確率データ320と、点検結果データ330と、中間データ340と、画面データ350と、を保持する。故障確率データ320および点検結果データ330は、管理サーバ200に保持される同名のデータからダウンロードされるデータである。また、画面データ350は、点検支援部314が表示画面データを生成する際に用いられるデータである。中間データ340は、処理の途中に生成されるデータである。
Further, the
入力受付部311は、サービス員310からの入力を受け付ける。本実施形態では、後述するタッチパネルディスプレイを介したサービス員310による入力操作を受け付ける。送受信部312は、外部装置(例えば管理サーバ200)とのデータの送受信を制御する。表示制御部313は、タッチパネルディスプレイへのデータの表示を制御する。本実施形態では、点検支援部314が生成する表示画面データを表示画面としてタッチパネルディスプレイに表示させる。
The
点検支援部314は、管理サーバ200から故障確率データ320と点検結果データ330とを取得し、サービス員310が指定した号機の複数の将来時点での故障確率を表示する表示画面データを生成する。また、携帯端末300を介して、サービス員310から点検結果の入力を受け付けると、点検結果データ330を更新する。
The
故障確率データ320および点検結果データ330は、管理サーバ200が管理する同名のデータと同じ項目を有する。
The
本実施形態の携帯端末300は、図6(b)に示すように、CPU301と、メモリ302と、記憶装置303と、タッチパネルディスプレイ304と、通信I/F305と、を備える。その他、自身の位置情報を取得するためにGPSアンテナ307や、点検時に特定の油圧ショベル120Aの状態を撮影するカメラ306等を備えている。
As illustrated in FIG. 6B, the
タッチパネルディスプレイ304は、情報を表示するディスプレイの前面に、サービス員310によるタッチ操作を検知するタッチパネルを重ねた入出力I/Fである。
The
上記各機能は、予め記憶装置303に格納されたプログラムを、CPU301がメモリ302にロードして実行することにより実現される。例えば、プログラムは、アプリケーションとして、商用の外部サーバから提供されてもよい。また、各種データは、記憶装置303またはメモリ302に記憶される。
The respective functions are realized by the
[故障確率予測処理]
本実施形態の管理サーバ200における、予め定めた複数の将来時点での故障確率を予測(算出)する故障確率予測処理について説明する。本実施形態の管理サーバ200は、所定の時間間隔で、特定の油圧ショベル120Aの各部位の故障確率を算出する。所定の時間間隔は、例えば、1か月ごとである。以下、将来時点の故障確率の予測を行うタイミングを、現在時と呼ぶ。
Failure probability prediction processing
A failure probability prediction process for predicting (calculating) failure probabilities at a plurality of predetermined future points in the
図7は、本実施形態の故障確率予測処理の流れのフローである。前回の故障確率予測処理実行時から所定の時間間隔が経過すると、故障確率関数生成部214は、故障確率関数を生成する(ステップS1101)。
FIG. 7 is a flow of the failure probability prediction process of the present embodiment. When a predetermined time interval has elapsed since the previous execution of the failure probability prediction process, the failure probability
次に、故障確率算出部215は、故障確率関数生成部214が生成した故障確率関数を用いて、特定の油圧ショベル120Aの、各部位の、複数の将来時点での故障確率を算出する(ステップS1102)。算出する部位は、予測対象マスタ230に登録されている部位である。
Next, the failure
そして、算出した故障確率を、故障確率データ270としてデータ記憶部217に保存し(ステップS1103)、処理を終了する。
Then, the calculated failure probability is stored in the
[故障確率関数生成処理]
次に、ステップS1101の、故障確率関数生成部214による、故障確率関数生成処理の詳細を説明する。ここでは、一例として、故障確率関数を、K−meansクラスタリング法を用いて生成する場合を例にあげて説明する。
Failure probability function generation processing
Next, the details of the failure probability function generation processing by the failure probability
本実施形態では、予め定めた将来時点(Nヶ月後)の故障確率を算出する故障確率関数のパラメータを、Nヶ月前の稼働データを用いて決定する。すなわち、将来時点毎に、故障確率関数のパラメータを算出する。 In the present embodiment, the parameters of the failure probability function for calculating the failure probability at a predetermined future time (after N months) are determined using operation data N months before. That is, the parameters of the failure probability function are calculated for each future point in time.
なお、故障確率関数生成部214は、図8(a)に示すように、部位マスタ220と、稼働データ240と、修理履歴データ250とを、用いて、故障確率関数を生成する。そして、生成した故障確率関数を特定するパラメータを、関数データ260として、データ記憶部217に保存する。
The failure probability
図9は、Nヶ月後の故障確率を算出する故障確率関数(Nヶ月後故障確率関数)生成処理の処理フローである。本実施形態の故障確率関数生成部214は、以下の処理を、予め定めた将来時点分繰り返す。
FIG. 9 is a processing flow of failure probability function (after N months failure probability function) generation processing for calculating the failure probability after N months. The failure probability
故障確率関数生成部214は、まず、部位マスタ220と稼働データ240と修理履歴データ250とを用いて、中間テーブルを作成する(ステップS1201)。ここで、作成される中間テーブルは、Nヶ月後の将来時点での、特定の油圧ショベル120Aの各部位の状態を予測するために、部位マスタ220に登録される各部位222について、複数の油圧ショベル120の過去(Nヶ月前)のデータを収集したものである。なお、中間テーブルの作成手法の詳細は、後述する。
The failure probability
故障確率関数生成部214は、生成した中間テーブルから、部位毎の学習用データを生成する(ステップS1202)。学習用テーブルは、例えば、中間テーブルから、同じ部位名のレコードを抽出し、集約することにより作成される。
The failure probability
そして、故障確率関数生成部214は、学習用データを用いて、部位毎に、Nヶ月後の故障確率関数を決定する(ステップS1203)。ここでは、K−meansクラスタリング法で、部位毎の学習用データを複数の群に分類し、各群の重心となるセンサ情報値を決定する。群を特定する情報と、重心(センサ情報値)とを、パラメータとして出力する。K−meansクラスタリング法によるパラメータ決定手法については、後述する。
Then, the failure probability
次に、ステップS1201の、中間テーブル作成処理の詳細を説明する。本実施形態では、上述のように、現在時(故障確率関数生成時)からNヶ月後の故障確率を算出する故障確率関数のパラメータを、同種の油圧ショベル120の過去(Nヶ月前の)稼働データを用いて決定する。このとき、現在時において、当該部位が故障していない(正常な)場合、図10(a)に示すように、現在時よりNヶ月前の稼働データ(号機#02、#03、#05、#06)を用いる。一方、現在時において、当該部位が故障している場合、図10(b)に示すように、故障時よりNヶ月前の稼働データ(号機#01、#04、#07)を用いる。すなわち、図10(c)に示すように、故障実績と正常実績とを用いて、故障確率関数Fのパラメータを算出する。
Next, details of the intermediate table creation process of step S1201 will be described. In the present embodiment, as described above, the parameters of the failure probability function for calculating the failure probability after N months from the current time (when the failure probability function is generated) are operated in the past (N months ago) operation of the
故障確率関数生成部214は、当該部位が、修理履歴データ250に記録されている場合、当該部位が故障していた(その後修理した)ものと判断する。
When the relevant part is recorded in the
本実施形態では、部位マスタ220の各レコードについて、順に処理を行い、中間テーブルを完成させる。Nヶ月後の故障確率予測を行うための中間テーブル(Nヶ月後予測用中間テーブル)を作成する場合を例にあげて、図11に従って、中間テーブル作成処理を説明する。なお、作成した中間テーブルは、中間データ290として、記憶装置203またはメモリ202に格納される。
In the present embodiment, each record of the
故障確率関数生成部214は、部位マスタ220を読み込む(ステップS1301)。そして、部位マスタ220の各レコードについて、以下の処理を行う(ステップS1302〜S1307)。
The failure probability
故障確率関数生成部214は、まず、処理対象レコードの号機221の部位222に故障履歴があるか否かを判別する(ステップS1303)。ここでは、処理対象レコードの号機221および部位222の組み合わせに対応する、号機251および部位252を有する修理履歴データ250の有無を確認する。
The failure probability
故障確率関数生成部214は、該当する修理履歴データ250が有る場合、稼働データ240抽出日を、故障日254からNヶ月前の日付に設定する(ステップS1304)。一方、修理履歴データ250が無い場合、稼働データ240の抽出日を、現在時からNヶ月前の日付に設定する(ステップS1305)。
When there is the corresponding
その後、故障確率関数生成部214は、稼働データ240にアクセスし、設定した抽出日のセンサ情報243を抽出し、抽出日とともに、中間テーブルに格納する(ステップS1306)。このとき、修理履歴の有無を示す情報を、状態情報として格納する。
Thereafter, the failure probability
以上の処理を、部位マスタ220に格納されている、全てのデータについて実行し、Nヶ月後予測用中間テーブルを完成させる(ステップS1308)。
The above process is executed for all the data stored in the
なお、処理順は、上記順に限定されない。例えば、ステップS1303で修理履歴の有無を判別後、ステップS1304およびS1305で、それぞれ、全将来時点での抽出日を決定し、S1306で、全将来時点での稼働データを抽出するよう構成してもよい。この場合、ステップS1308で、全ての将来時点での予測用中間テーブルが完成する。 The processing order is not limited to the above order. For example, after determining the presence or absence of the repair history in step S1303, the extraction dates for all future time points are determined in steps S1304 and S1305, and operation data for all future time points is extracted in S1306. Good. In this case, in step S1308, all future prediction intermediate tables are completed.
例えば、図3(a)に示す部位マスタ220、図4(a)に示す稼働データ240、および図4(b)に示す修理履歴データ250を用いて、作成された中間テーブル(3ヶ月後予測用中間テーブル)410の例を図12に示す。なお、現在時は、2017年9月30日とする。
For example, using the
図12に示すように、中間テーブル410は、将来時点(Nヶ月)411と、号機221と、部位222と、状態412と、抽出日413と、センサ情報243と、を備える。状態412には、修理履歴データ250として登録されているか否かを示す情報が登録される。ここでは、修理履歴データ250として登録されている場合、「×」が、非登録の場合、「○」が登録される。
As shown in FIG. 12, the intermediate table 410 includes a future time (N months) 411, a
例えば、図3(a)に示す部位マスタ220の最初のレコードは、号機221は「#01」で、部位222が「エンジン」である。号機「#01」の部位「エンジン」は、修理履歴データ250に登録されている。このため、修理履歴データ250にアクセスし、故障日254「2017年8月15日」を抽出する(図4(b))。そして、故障日254から3ヶ月前である「2017年5月15日」を抽出日413に設定する。その後、稼働データ240にアクセスし、抽出日413である2017年5月15日のセンサ情報243(旋回時間12時間、稼働時間1200時間)を抽出し(図4(a))、格納する。また、号機「#01」の部位「エンジン」は、修理履歴データ250に登録されているため、それを示す情報「×」が状態412として登録される。
For example, the first record of the
部位マスタ220の次のレコードは、号機#01の部位センタージョイントである。これも、修理履歴データ250に登録されているため、部位「エンジン」と同様に、故障日254「2017年7月31日」から3ヶ月前の「2017年4月30日」を、抽出日413とする。そして、抽出日2017年4月30日のセンサ情報243(旋回時間9時間、稼働時間1000時間)を、稼働データ240から抽出し(図4(a))、格納する。また、修理履歴データ250に登録されていることを示す情報「×」を状態412に格納する。
The next record of the
部位マスタ220の3番目のレコード、および、4番目のレコードは、それぞれ、号機「#01」の部位「下ローラ」および号機「#01」の部位「油圧機器」である。これらの部位は、修理履歴データ250には登録されていない。このため、現在時「2017年9月30日」から3ヶ月前の「2017年6月30日」を、抽出日413とする。そして、稼働データ240から、当該抽出日のセンサ情報243(旋回時間15時間、稼働時間1400時間)を抽出し、格納する。また、状態412には、「○」を格納する。
The third record and the fourth record of the
なお、図12に示す3ヶ月後予測用中間テーブル410は、抽出日413で、昇順にソートされた例である。
The three-month-old prediction intermediate table 410 illustrated in FIG. 12 is an example in which the
また、上記図12に示す3ヶ月後予測用中間テーブル410から、上記ステップS1202の処理により作成される、部位毎の学習用データ420の一例を、図13に示す。
Further, FIG. 13 shows an example of learning
図13に示すように、部位毎の学習用データ420として、部位222毎に、3ヶ月後予測用中間テーブル410の各レコード(将来時点411と、号機221と、状態412と、抽出日413と、センサ情報243とを備えるレコード)が格納される。
As shown in FIG. 13, as the learning
次に、上記ステップS1203の、故障確率関数生成部214による関数決定(重心テーブル作成)手順を説明する。故障確率関数生成部214は、部位毎の学習用データ420を用いて、故障確率関数を特定するパラメータ群である、関数データ260を作成する。本実施形態では、K−meansクラスタリング法を用い、学習用データ420の各レコードを、予め定めたk個の群(kは1以上の整数)に分類し、各群の重心を決定する。関数データ260として出力される情報は、各群のセンサ情報243の重心を登録した重心テーブルである。
Next, the function determination (gravity center table creation) procedure by the failure probability
なお、各群のセンサ情報243の重心は、例えば、当該群に属するレコードの各センサ情報243の平均値の組である。例えば、センサ情報243が旋回時間と稼働時間とである場合、当該群に属する全レコードの旋回時間の平均値と、同稼働時間の平均値との組を、センサ情報243の重心として算出する。
The center of gravity of the
図13に示す学習用データ420を用いて、関数データ260を算出する手法を具体的に説明する。ここでは、部位「センタージョイント」を例にあげて説明する。
A method of calculating the
図13に示す学習用データ420の中で、部位222がセンタージョイントである各レコードを、各センサ情報243を軸にした座標系に、それぞれプロットする。このとき、状態412が特定可能な態様でプロットする。旋回時間と稼働時間の2軸座標系で各レコードをプロットした状態を、図14(a)に示す。ここでは、修理履歴データ250の登録がない号機については「○」で、修理履歴データ250が登録されている号機については「×」で表す。
In the learning
プロット結果に対し、K−meansクラスタリング法(K平均法)を適用し、各プロットをk個の群に分類するとともに、各群の重心を決定する。 The K-means clustering method (K-means method) is applied to the plot results, each plot is classified into k groups, and the center of gravity of each group is determined.
具体的には、以下の式(1)に示す関数に従って、k個の各群に属する各レコードの組と、各群の重心値(旋回時間と稼働時間との組)とを決定する。
なお、xi(i=1、...、n)は、学習用データの各レコード、Vj(j=1、...、k)は、各群の重心、n、kは、1以上の整数、i、jは、それぞれ、1以上n以下、1以上k以下の整数である。
Specifically, a set of records belonging to each of k groups and a barycentric value of each group (a set of a turning time and an operating time) are determined according to a function shown in the following equation (1).
Note that xi (i = 1,..., N) is each record of learning data, Vj (j = 1,..., K) is the center of gravity of each group, and n and k are 1 or more. The integers i and j are integers of 1 or more and n or less and 1 or more and k or less, respectively.
図14(b)に、k=3、すなわち、3つの群に分類する場合を例示する。本図に示すように、例えば、号機#01および#03のレコードは、群V1に分類され、号機#02のレコードは群V2に、号機#04のレコードは群V3に、それぞれ分類される。
FIG. 14 (b) exemplifies a case where k = 3, ie, classification into three groups. As shown in the figure, for example, the records of the
上記式(1)に従って、学習用データ420内の各レコードが分類された群、および、算出された各群の重心を格納した重心テーブルが得られる。学習用データ420の各レコードに、当該レコードが分類された群を特定する情報(以下、群)431を対応づけた学習用データ420aを、図14(c)に示す。また、重心テーブル430を図14(d)に示す。
According to the above equation (1), a barycenter table storing a group into which each record in the learning
重心テーブル430は、各部位222の将来時点(Nヶ月)411について、群431に対応づけて、センサ情報243の重心433が格納される。なお、故障確率関数生成にK−meansクラスタリング法を用いる場合、故障確率関数生成時に各群の故障確率も算出可能である。このため、重心テーブル430の作成時に、各群の、故障確率432も算出するよう構成してもよい。
The barycenter table 430 stores the
なお、ここで、故障確率432を算出しない場合は、後述する故障確率算出処理で必要になるため、図14(c)に示す学習用データ420aも関数データ260として併せて出力する。
Here, when the
本実施形態の故障確率関数生成部214は、上記のような関数データ260(重心テーブル430)を、部位マスタ220に登録される各部位222について、また、各将来時点(Nヶ月)について生成する。故障確率算出部215は、この関数データ260に、所定の油圧ショベル120のセンサ情報243と、部位222と、将来時点(Nヶ月)とを適用して、当該将来時点での故障する確率を算出する。
The failure probability
[故障確率算出処理]
次に、本実施形態の故障確率算出部215による、故障確率算出処理について説明する。
Failure probability calculation processing
Next, failure probability calculation processing by the failure
故障確率算出部215は、上述のように、関数データ260を用いて、管理サーバ200が管理する特定の油圧ショベル120Aの各部位の故障確率を算出する。なお、特定の油圧ショベル120Aについて、故障確率を算出(予測)する対象の部位は、予測対象マスタ230に登録される。従って、故障確率算出部215は、図8(b)に示すように、関数データ260と予測対象マスタ230と稼働データ240とを用いて、部位毎の、将来時点毎の故障確率を算出し、故障確率データ270として登録する。
As described above, the failure
故障確率算出部215による故障確率算出処理の流れを、図15の処理フローを用いて説明する。
The flow of failure probability calculation processing by the failure
故障確率算出部215は、まず、予測対象マスタ230を読み込む(ステップS1401)。
The failure
故障確率算出部215は、各レコードについて、号機231をキーとして、稼働データ240から、最新の取得日242および当該取得日242に取得したセンサ情報243を抽出する。そして、抽出したこれらの情報を、予測対象マスタ230に追加し、予測用中間テーブルを作成する(ステップS1402)。
For each record, the failure
ここで、作成される予測用中間テーブル450を図16(a)に示す。上述のように、予測用中間テーブル450は、予測対象マスタ230のレコード毎に、稼働データ240から抽出した最新の取得日242およびそのセンサ情報243が登録される。
Here, the prediction intermediate table 450 created is shown in FIG. As described above, in the prediction intermediate table 450, the
故障確率算出部215は、予測用中間テーブル450を、部位毎に分割し、部位毎の予測用データを生成する(ステップS1403)。
The failure
ここで生成される部位毎の予測用データ460の例を、図16(b)に示す。ここでは、センタージョイントとエンジンとを示す。なお、予測用データ460は、さらに、後述するステップS1405、S1406で特定して算出する、最も近い群(以下、最近群と呼ぶ)431および故障確率432を格納する欄を有する。なお、最近群431は、重心テーブル430に登録される重心433のうち、予測用データ460の処理対象レコードのセンサ情報243に最も近い重心433に対応づけられた群431である。
An example of the
そして、故障確率算出部215は、部位毎の予測用データ460を用いて、将来時点(Nヶ月)毎に、以下のステップS1405およびS1406の処理を繰り返す(ステップS1404)。
Then, the failure
まず、関数データ260の、Nヶ月後の故障確率を予測するために作成した重心テーブル430を参照し、各部位、各号機の最近群431を特定する(ステップS1405)。ここでは、部位毎の予測用データ460の各レコードの、最近群431を特定する。最近群431として、上述のように、予測用データ460の処理対象レコードのセンサ情報243に重心433が最も近い群431が選択される。
First, the barycenter table 430 created to predict the failure probability after N months of the
例えば、図16(b)に示す予測用データ460のレコードのうち、部位232がセンタージョイントで、号機231が#91および#92の2つのレコードについて、3ヶ月後の故障確率を算出する場合を例に、図17(a)および図17(c)を用いて具体的に説明する。なお、3ヶ月後故障確率関数の関数データ260として、図14(c)に示す学習用データ420aと、図14(d)に示す重心テーブル430(故障確率432を除く)を用いるものとする。
For example, among the records of the
各レコードのセンサ情報243を、同じ部位(センタージョイント)の学習用データ420の各レコードをプロットした座標系にプロットする。図17(a)に、号機#91および号機#92のプロット結果を示す。
The
例えば、号機#91のセンサ情報243は、旋回時間が5時間で、稼働時間は1500時間である。図17(a)に示すように、最近群431は群V1である。従って、図17(c)に示すように、予測用データ460の最近群431としてV1が格納される。
For example, the
また、号機#92の稼働データは、旋回時間が18時間で、稼働時間は2000時間である。図17(a)に示すように、最近群431は、群V2である。従って、図17(c)に示すように、予測用データ460の最近群431としてV2が格納される。
The operation data of the
次に、各レコードの最近群431を特定したら、故障確率算出部215は、当該群の故障確率を算出し、予測用データ460に格納する(ステップS1406)。故障確率は、図14(c)に示す学習用データ420aを参照し、選択された群の、状態412が故障である故障データを、データ総数で除算することで得る。
Next, when the
例えば、図17(b)に示すように、群V1の故障確率は、1÷4(故障データ:1、データ総数:4)=0.25である。従って、図17(d)に示すように、号機#91の予測用データ460の故障確率432には、0.25が格納される。また、群V2の故障確率は、0.75である。従って、号機#92の予測用データ460の故障確率432には、0.75が格納される。
For example, as shown in FIG. 17 (b), the failure probability of the group V1 is 1 ÷ 4 (failure data: 1, total number of data: 4) = 0.25. Therefore, as shown in FIG. 17D, 0.25 is stored in the
全将来時点に対して、上記処理を終えると、全ての予測用データ460を集約し、故障確率データ270を生成し(ステップS1407)、処理を終了する。
When the above process is completed for all future time points, all the
上記手法で、各将来時点、各部位について、算出した故障確率432を集約して作成した故障確率データ270の例を図18に示す。本図に示すように、故障確率データ270は、予測対象マスタ230の各レコードに、将来時点411毎の、故障確率432を格納したデータである。各レコードには、取得日242も対応づけて格納される。
FIG. 18 shows an example of
なお、故障確率関数生成時に、各群の故障確率432を算出し、重心テーブル430に格納しておく場合は、ステップS1406では、ステップS1405において特定された最近群431に対応する故障確率432を重心テーブル430から抽出する処理を行う。
When the
[点検処理]
次に、サービス員310が、携帯端末300を持ち、現場に点検に行く際の点検処理の流れを説明する。図19は、点検処理時の、処理の流れを説明するための図である。また、本処理は、サービス員310が、携帯端末300において、点検処理のアプリケーションを起動させ、点検処理開始の指示を行うことを契機に開始される。
[Inspection processing]
Next, the flow of inspection processing when the
サービス員310が、点検処理開始の指示を行うと、入力受付部311は、当該指示を受け付ける(ステップS2101)。指示を受け付けると、点検支援部314は、号機の選択を受け付ける表示画面データを生成し、表示制御部313は、生成された表示画面データを表示画面としてタッチパネルディスプレイ304に表示する(ステップS2102)。
When the
入力受付部311は、この表示画面を介して、サービス員310から、号機の選択指示、あるいは終了指示を受け付ける(ステップS2103)。ここで、入力受付部311が終了指示を受け付けた場合は、点検支援処理を終了する。
The
一方、号機の選択を受け付けた場合(ステップS2104)、点検支援部314は、送受信部312を介して、情報送信要求を管理サーバ200へ送信する(ステップS2105)。この情報送信要求は、管理サーバ200に、選択された号機の油圧ショベル120Aの、故障確率データ270と、点検結果データ280との送信を要求するリクエストである。
On the other hand, when the selection of the machine has been received (step S2104), the
管理サーバ200は、送受信部212を介して情報送信要求を受信する(ステップS2201)と、点検結果管理部216が、選択された号機の故障確率データ270と、点検結果データ280とを、要求元の携帯端末300に送信する(ステップS2202)。
When the
携帯端末300では、送受信部312を介して、故障確率データ270と、点検結果データ280とを受信する(ステップS2106)と、点検支援部314は、自身のデータ記憶部315に、それぞれ、故障確率データ320、点検結果データ330として保存する(ステップS2107)。このとき、過去に保存されているデータが有る場合は、上書きしてもよいし、最新のデータが明確になるように、取得時を特定する情報とともに、並列保存してもよい。
The
また、点検支援部314は、受信した故障確率データ320および点検結果データ330を表示する表示画面データを生成する。表示制御部313は、生成された表示画面データを表示画面としてタッチパネルディスプレイ304に表示する(ステップS2108)。
Further, the
入力受付部311がタッチパネルディスプレイ304の表示を介して、サービス員310から点検結果の更新を受け付けると(ステップS2109)、点検支援部314は、自身が保持する点検結果データ330を受け付けた点検結果に更新するとともに、更新後の点検結果データ330を、送受信部312を介して管理サーバ200に送信する(ステップS2110)。なお、ここでは、全ての点検結果データ330を送信してもよいし、更新された点検結果のみ送信してもよい。そして、ステップS2102に戻り、号機の選択を受け付ける表示画面をタッチパネルディスプレイ304に表示する。
When the
管理サーバ200は、更新後の点検結果データ330を受信すると(ステップS2203)、点検結果管理部216が、点検結果データ280、修理履歴データ250および予測対象マスタ230を更新する(ステップS2204)。
When the
以下、タッチパネルディスプレイ304に表示される表示画面例を説明する。なお、各画面の生成にあたっては、データ記憶部315に保持される画面データ350を用いる。
Hereinafter, an example of a display screen displayed on the
まず、サービス員310が、点検処理のアプリケーションを起動した際、タッチパネルディスプレイ304に表示される初期表示画面510の例を図20(a)に示す。本図に示すように、初期表示画面510は、開始指示を受け付けるための開始指示受付ボタン511等を備える。
First, FIG. 20A shows an example of the
この開始指示受付ボタン511を介して、入力受付部311がサービス員310から開始の指示を受け付けると、点検支援部314は、ステップS2102で表示される号機の選択を受け付ける表示画面である号機選択画面520のデータを生成する。
When the
このとき生成される号機選択画面520の例を図20(b)に示す。本図に示すように、号機選択画面520は、選択可能な号機番号をリスト化し、号機の選択を受け付ける号機選択領域521と、終了の指示を受け付ける終了指示受付ボタン522と、を備える。号機選択領域521にリスト化して表示する号機番号は、予め、管理サーバ200から取得し、データ記憶部315に記憶しておく。
An example of the
なお、表示する号機番号は、開始指示を受け付けた時点で、管理サーバ200に要求し、取得してもよい。この場合、例えば、管理サーバ200は、顧客毎の号機をリスト化した号機リストを保持する。そして、携帯端末300は、顧客を特定する情報を管理サーバ200に送信することにより、折り返し、選択可能な号機番号を受け取り、それを、用いて号機選択画面520を生成する。なお、初期表示画面510は、開始指示受付ボタン511の代わりに、あるいは、開始指示受付ボタン511に加え、顧客を指定する入力領域を備えてもよい。
The machine number to be displayed may be requested to the
サービス員310は、号機選択領域521に表示される号機の中から、所望の号機の表示をタップ等することにより、号機の選択を行う。号機選択領域521を介して号機の選択を受け付けると、点検支援部314は、送受信部312を介して管理サーバ200に情報送信要求を送信する。折り返し、管理サーバ200から故障確率データ270および点検結果データ280を受信すると、点検支援部314は、ステップS2108で表示される故障確率表示/点検結果入力画面(以下、単に故障確率点検結果画面または故障確率表示画面と呼ぶ。)530のデータを生成する。
The
故障確率点検結果画面530は、サービス員310が指定した号機の部位毎の、複数の将来時点における故障確率を、時系列に配置して表示するとともに、点検の状況(点検結果)を表示する画面である。例えば、故障確率点検結果画面530において、部位と、故障確率および点検結果とは、いずれか一方を列方向に、他方を行方向に配列した表形式で表示される。
The failure probability
この故障確率点検結果画面530の例を、図20(c)に示す。本図に示すように、故障確率点検結果画面530は、号機表示領域531と部位名表示領域532と将来時点毎の故障確率表示領域533と点検結果表示入力領域534と並替指示受付領域535と送信指示受付ボタン(「送信」ボタン)536と、戻り指示受付ボタン(「戻る」ボタン)537と、を備える。
An example of the failure probability
図20(c)に示す例では、故障確率点検結果画面530において、部位名を列方向に、故障確率および点検結果の項目を行方向に配置した表に、各部位の故障確率と点検結果とが表示される。本図に示す例では、各部位の故障確率が、3ヶ月後、6ヶ月後、1年後の順に、左から右に、時系列に表示される。
In the example shown in FIG. 20C, in the failure probability
並替指示受付領域535は、所定の将来時点での故障確率をキーとして、各部位のレコードを並べ替える指示を受け付ける領域である。並替指示受付領域535を介して、サービス員310は、例えば、所望の将来時点での故障確率の高い順に、各部位のレコードを並べ替える指示を行うことができる。
The rearranging
点検支援部314は、並替指示受付領域535を介して受け付けた指示に従って、故障確率点検結果画面530に表示するレコードを並べ替える。図20(c)に示す故障確率点検結果画面530は、各レコードを、3ヶ月後の故障確率をキーに故障確率が高い順に並べ替えた例である。
The
点検結果表示入力領域534は、点検結果を表示するとともにサービス員310からの点検結果の入力を受け付ける領域である。ここで表示される点検結果は、管理サーバ200から受信し、データ記憶部315に保持される、過去の点検結果である。図20(c)に示す例では、各部位の、点検状況、故障状況、修理状況などが点検結果として表示される。
The inspection result
サービス員310は、点検結果表示入力領域534を介して、点検結果を入力する。例えば、部位「センタージョイント」を修理した場合、サービス員310は、点検結果表示入力領域534の、修理済欄をタップし、修理済の指示を入力する。なお、この時、顧客から、故障日の申告が有る場合、故障日を入力してもよい。また、さらに、コメント入力欄を設け、サービス員310による点検コメントを入力可能に構成してもよい。
The
点検支援部314は、点検結果の入力を受け付けると、当該入力を、故障確率点検結果画面530のデータに反映する。これにより、例えば、図21(a)に示すように、部位センタージョイントの点検結果が、故障無を意味する状態から修理済みを意味する状態に変更される。また、故障日が入力された場合、その故障日(ここでは、「2017年9月29日」)が表示される。
When the
送信指示受付ボタン536は、点検終了の指示を受け付ける領域である。点検支援部314は、送信指示受付ボタン536を介して、点検結果終了の指示を受け付けると、受け付けた点検結果を、点検結果データ330に反映し、更新する。そして、更新後の点検結果データ330aを、管理サーバ200に送信する。
The transmission
なお、戻り指示受付ボタン537は、データを更新せずに、号機選択画面520に戻る指示を受け付ける領域である。戻り指示受付ボタン537を介して戻る指示を受け付けると、点検支援部314は、号機選択画面520を表示させる。
The return
更新後の点検結果データ330aを図21(b)に示す。最初に携帯端末300からの情報送信要求時に送信された号機#91の点検結果データ280は、部位282が「センタージョイント」のレコードについて故障は「無」と登録されていた。しかし、更新後の点検結果データ330aは、部位282が「センタージョイント」のレコードについては、故障284の欄には「有」と登録され、修理285の欄には「済」が登録される。そして、故障日286には、2017年9月29日が登録される。最終点検日283には、点検当日の日付が自動的に設定される。
The inspection result data 330a after the update is shown in FIG. In the
このような更新後の点検結果データ330aの送信を受け、管理サーバ200の点検結果管理部216は、点検結果データ280と修理履歴データ250と予測対象マスタ230とを更新する。具体的には、点検結果データ280は、該当箇所のレコードを、受信した点検結果データ330aに置き換える。また、故障284に有、修理285に済が登録されるレコードの情報を、修理履歴データ250と予測対象マスタ230とに反映させる。
The inspection
例えば、上記の例では、図22(a)に示すように、号機「#91」の、部位「センタージョイント」のレコードが、故障284が「有」、修理285が「済」に更新されている。従って、図22(b)に示すように、修理履歴データ250に、号機「#91」の、部位「センタージョイント」のレコードを追加する。この時、追加されたレコードの最終点検日には、送信された点検結果データ330aの最終点検日を登録する。これにより、更新後の修理履歴データ250aを得る。
For example, in the above example, as shown in FIG. 22A, the record of the part "center joint" of the machine "# 91" is updated with the
また、予測対象マスタ230については、図22(c)に示すように、対象号機の予測対象マスタ230から、修理された部位のレコードを削除する。ここでは、号機「#91」の、部位「センタージョイント」が修理されているので、号機「#91」の部位「センタージョイント」のレコードを、予測対象マスタ230から削除する。これにより、更新後の予測対象マスタ230aを得る。
Further, as for the
これらのデータ更新以降は、故障確率関数生成部214は、更新後のデータを用いて関数データ260を生成する。また、故障確率算出部215も、更新後のデータを用いて故障確率データ270を算出する。
After these data updates, the failure
すなわち、故障確率関数生成部214は、号機「#91」の部位「センタージョイント」のレコードについて、故障日である2017年9月29日から、予め定めた将来時点だけ遡った稼働データ240を用いて、関数データ260を決定する。
That is, the failure probability
また、予測対象マスタ230から、修理済みの、号機「#91」の部位「センタージョイント」のレコードが削除される。従って、故障確率算出部215は、修理直後であるこの部位の故障確率データ270を算出しない。このため、携帯端末300からの情報送信要求に応じて返信される故障確率データ270にも、この部位の故障確率は含まれない。
In addition, the record of the part “center joint” of the repaired machine “# 91” is deleted from the
従って、例えば、号機#91が選択された場合、図23に示すように、表示される故障確率点検結果画面530aには、センタージョイントのレコードは表示されない。
Therefore, for example, when the
このように、本実施形態では、管理サーバ200は、複数の油圧ショベル120から取得した稼働データ240と複数の油圧ショベル120の修理履歴データ250とに基づいて、特定の油圧ショベル120Aに関する部位毎の予め定めた複数の将来時点での故障確率を算出し、サービス員310が点検時に保持する携帯端末300からの要求に応じて算出した故障確率に関するデータを要求元の携帯端末300に送信する。このとき、特定の油圧ショベル120Aの点検結果データ280も併せて送信する。
As described above, in the present embodiment, the
上記データを受信した携帯端末300では、そのタッチパネルディスプレイ304に、送信された複数の将来時点での故障確率と点検データとが表示される。本実施形態では、図20(c)に示すように、このとき、タッチパネルディスプレイ304には、サービス員310が号機選択画面520で指定した機械(号機)の、点検対象部位の一覧が表示されるとともに、各部位の、予め定めた複数の将来時点におけるそれぞれの故障確率が時系列に表示される。
In the
上記情報が、点検時に保持する携帯端末300のタッチパネルディスプレイ304に表示されるため、サービス員310は、この表示を顧客に提示することができる。この表示を見ることにより、サービス員310および顧客は、点検対象の機械・部位の、故障確率の時間的な推移を把握でき、今後の状態変化を容易に推定できる。そして、この情報を用いることにより、当該機械が用いられる工事の工期を考慮した保守作業計画を立案できる。
Since the above information is displayed on the
また、本実施形態によれば、故障確率点検結果画面530において、表示される部位の複数の将来時点における故障確率が、サービス員310が選択した将来時点の故障確率で、昇順または降順にソートして表示される。
Further, according to the present embodiment, in the failure probability
この表示を見ることにより、サービス員310および顧客は、当該機械・部位の、各将来時点での修理交換の緊急度合いを容易に知ることができる。このように、本実施形態によれば、サービス員310および顧客は、前述の故障確率の時系列表示とともに、多面的かつ有用な情報を得ることができる。これにより、点検すべき機械・部位を認知できるのみならず、将来修理交換すべき機械・部位の修理交換時期を立案できる。その結果、適切なタイミングでの修理交換が可能となり、故障によるダウンタイムを低減でき、顧客満足度が向上する。
By looking at this display, the
さらに、本実施形態によれば、携帯端末300には、点検対象部位の一覧に対応づけて過去の点検結果および今回の点検結果の入力受付欄が表示される。
Further, according to the present embodiment, the
サービス員310は、故障確率の高い部位順に並べられた点検一覧表に基づき点検対象の各部位を点検し、結果を登録する。このため、サービス員310は、限られた時間内で重要な点検項目をもれなく点検でき、見落としを低減できる。
The
さらに、サービス員310が入力した点検結果を管理サーバ200に送信し、故障確率関数を算出する元となるデータに反映させる。従って、点検回数が増えるに従って、精度が向上する。
Furthermore, the inspection result input by the
このように、本実施形態によれば、非熟練者でも建設機械の点検作業を効率的に行うことができる。これにより、特巡作業を効率化でき、点検技術を平準化でき、故障個所の早期発見と点検見逃しを削減できる。 As described above, according to the present embodiment, even a non-skilled person can efficiently perform the inspection operation of the construction machine. This makes it possible to streamline the special routing operation, level the inspection technology, and reduce the early detection and failure to inspect the failure point.
なお、上記実施形態では、故障確率関数生成において、K−meansクラスタリング法を用いる場合を例にあげて説明したが、故障確率関数生成は、この手法に限定されない。蓄積した稼働データや修理履歴データを用いて、以下の式(2)に示すような故障確率関数Fを生成可能であれば、どのような手法を用いてもよい。
Pr(X,A,N)=F(Status(X)、A,N)・・・(2)
なお、式(2)の関数Fは、機械Xの状態Status(X)(稼働データ)を入力すると、当該機械Xの部位Aの、予め定めた複数の将来時点Nの、故障確率Prが得られる関数である。
In the above embodiment, the case of using the K-means clustering method in the generation of the failure probability function has been described as an example, but the generation of the failure probability function is not limited to this method. Any method may be used as long as it can generate the failure probability function F as shown in the following equation (2) using the accumulated operation data and repair history data.
Pr (X, A, N) = F (Status (X), A, N) (2)
When the status F (X) (operation data) of the machine X is input to the function F of the equation (2), the failure probabilities Pr of a plurality of predetermined future time points N of the part A of the machine X are obtained. Function.
また、上記実施形態では、携帯端末300側で、特定の油圧ショベル120Aの号機を選択し、管理サーバ200は、選択された号機の故障確率データ270と点検結果データ280とを携帯端末300に送信しているが、これに限定されない。
In the above embodiment, the
例えば、携帯端末300側では、顧客を指定し、管理サーバ200は、指定された顧客の全ての特定の油圧ショベル120Aの故障確率データ270と点検結果データ280とを携帯端末300に送信するよう構成してもよい。この場合、携帯端末300側で、受信した上記データの中から、点検対象の1つの油圧ショベル120Aのデータを選択し、故障確率点検結果画面530を生成する。
For example, on the
また、例えば、管理サーバ200が管理する全ての特定の油圧ショベル120Aの全ての部位の故障確率データ270と点検結果データ280とを、携帯端末300に送信するよう構成してもよい。この場合も、携帯端末300側で、受信した上記データの中から、点検対象の1つの油圧ショベル120Aのデータを選択し、故障確率点検結果画面530を生成する。
Further, for example,
また、例えば、管理サーバ200が、各油圧ショベル120の現在位置を把握し、携帯端末300がGPS機能を備えている場合、管理サーバ200において、各油圧ショベル120の位置と、携帯端末300の位置とを収集し、携帯端末300の現在位置を基準とし、予め定めた範囲内の油圧ショベル120の上記データを抽出して、当該携帯端末300に送信してもよい。この場合も、携帯端末300側で、受信した上記データの中から、点検対象の1つの油圧ショベル120Aのデータを選択し、故障確率点検結果画面530を生成する。
Also, for example, when the
また、上記実施形態では、携帯端末300において、号機毎に点検を終えると、更新後の点検結果データを管理サーバ200に送信しているが、点検結果の送信タイミングもこれに限定されない。例えば、複数の号機の更新後の点検結果データを一時的に携帯端末300に保持しておき、サービス員310の指示に応じてまとめて管理サーバ200に送信するよう構成してもよい。
Further, in the above embodiment, when the inspection is finished for each unit in the
また、上記実施形態では、所定の時間間隔(例えば、一月に1回)で、故障確率関数を生成し、故障確率を算出しているが、故障確率関数の生成および故障確率の算出は、このタイミングに限定されない。例えば、サービス員310から、情報送信要求を受けたことを契機に、これらの生成、算出を行うよう構成しておいてもよい。また、故障確率関数の生成を所定の時間間隔で行い、故障確率の算出のみ、情報送信要求を受けたタイミングで行うよう構成してもよい。
In the above embodiment, the failure probability function is generated and the failure probability is calculated at predetermined time intervals (for example, once a month). However, the generation of the failure probability function and the calculation of the failure probability are It is not limited to this timing. For example, the
また、センサ情報243として、旋回時間と稼働時間との2つを用いる場合を例にあげて説明したが、センサ情報243は、これらに限定されない。また、故障確率を算出する対象部位に応じて、用いるセンサ情報243を変えてもよい。この場合、部位毎に、用いるセンサ情報243の種類を予め設定しておいてもよいし、ユーザが選択可能なように構成してもよい。
Further, although the case of using two of the turning time and the operating time as the
さらに、管理サーバ200側が行っている処理の一部は、携帯端末300側で行うよう構成してもよい。すなわち、故障確率関数の生成までを、管理サーバ200側で行い、携帯端末300からの要求に応じて関数データを携帯端末300に送信する。そして、携帯端末300側では、所望のタイミングで、所望の将来時点での故障確率関数を算出するよう構成してもよい。また、稼働データ等、故障確率関数生成に必要なデータを全て携帯端末300に送信し、携帯端末300側で、故障確率関数の生成から行うよう構成してもよい。
Furthermore, part of the processing performed by the
また、上記実施形態では、予め定めた数か月後(将来時点)の故障確率を算出し、当該将来時とともに故障確率を表示させている。しかしながら、これに限定されない。故障確率が予め定めた値(XX%)を超える時点を算出し、当該時点を表示させるよう構成してもよい。 Further, in the above embodiment, the failure probability is calculated after several months (in the future) determined in advance, and the failure probability is displayed together with the future time. However, it is not limited to this. A point at which the failure probability exceeds a predetermined value (XX%) may be calculated, and the point may be displayed.
100:点検支援システム、120:油圧ショベル、120A:特定の油圧ショベル
200:管理サーバ、201:CPU、202:メモリ、203:記憶装置、204:入出力I/F、205:通信I/F、211:入力受付部、212:送受信部、213:データ収集部、214:故障確率関数生成部、215:故障確率算出部、216:点検結果管理部、217:データ記憶部、220:部位マスタ、221:号機、222:部位、230:予測対象マスタ、230a:予測対象マスタ、231:号機、232:部位、240:稼働データ、241:号機、242:取得日、243:センサ情報、250:修理履歴データ、250a:修理履歴データ、251:号機、252:部位、253:最終点検日、254:故障日、260:関数データ、270:故障確率データ、280:点検結果データ、281:号機、282:部位、283:最終点検日、284:故障、285:修理、286:故障日、290:中間データ、
300:携帯端末、301:CPU、302:メモリ、303:記憶装置、304:タッチパネルディスプレイ、305:通信I/F、306:カメラ、307:GPSアンテナ、310:サービス員、311:入力受付部、312:送受信部、313:表示制御部、314:点検支援部、315:データ記憶部、320:故障確率データ、330:点検結果データ、330a:点検結果データ、340:中間データ、350:画面データ、
410:中間テーブル、411:将来時点、412:状態、413:抽出日、420:学習用データ、420a:学習用データ、430:重心テーブル、431:群、432:故障確率、433:重心、450:予測用中間テーブル、460:予測用データ、
510:初期表示画面、511:開始指示受付ボタン、520:号機選択画面、521:号機選択領域、522:終了指示受付ボタン、530:故障確率点検結果画面、530a:故障確率点検結果画面、531:号機表示領域、532:部位名表示領域、533:故障確率表示領域、534:点検結果表示入力領域、535:並替指示受付領域、536:送信指示受付ボタン、537:戻り指示受付ボタン
100: inspection support system, 120: hydraulic shovel, 120A: specific hydraulic shovel 200: management server, 201: CPU, 202: memory, 203: storage device, 204: input / output I / F, 205: communication I / F, 211: input reception unit, 212: transmission / reception unit, 213: data collection unit, 214: failure probability function generation unit, 215: failure probability calculation unit, 216: inspection result management unit, 217: data storage unit, 220: region master, 221: machine number 222: site 230:
300: portable terminal, 301: CPU, 302: memory, 303: storage device, 304: touch panel display, 305: communication I / F, 306: camera, 307: GPS antenna, 310: service person, 311: input reception unit, 312: transmission / reception unit, 313: display control unit, 314: inspection support unit, 315: data storage unit, 320: failure probability data, 330: inspection result data, 330a: inspection result data, 340: intermediate data, 350: screen data ,
410: Intermediate table, 411: Future point, 412: State, 413: Extraction date, 420: Data for learning, 420a: Data for learning, 430: Center of gravity table, 431: Group, 432: Failure probability, 433: Center of gravity, 450 : Intermediate table for prediction, 460: data for prediction,
510: initial display screen, 511: start instruction reception button, 520: machine selection screen, 521: machine selection area, 522: end instruction reception button, 530: failure probability inspection result screen, 530a: failure probability inspection result screen, 531: Unit display area 532: Part name display area 533: Failure probability display area 534: Inspection result display input area 535: Rearrangement instruction acceptance area 536: Transmission instruction acceptance button 537: Return instruction acceptance button
Claims (3)
前記サーバは、
複数の作業機械から取得した稼働データと前記作業機械の修理履歴とに基づいて、特定の作業機械に関する部位毎の予め定めた複数の将来時点での故障確率を算出し、
前記携帯端末からの要求に応じて前記故障確率に関するデータを前記携帯端末に送信すること
を特徴とする点検支援システム。 An inspection support system comprising a server and a portable terminal carried by a service representative,
The server is
Based on operation data acquired from a plurality of work machines and a repair history of the work machines, a plurality of predetermined future failure probabilities are calculated for each part of the specific work machine,
An inspection support system comprising: transmitting data relating to the failure probability to the portable terminal in response to a request from the portable terminal.
前記携帯端末は、前記故障確率を算出する特定の作業機械に関する情報を入力する入力受付部を備え、
前記サーバから送信されてきた前記特定の作業機械に関する部位毎の予め定めた複数の将来時点での故障確率を表示すること
を特徴とする点検支援システム。 In the inspection support system according to claim 1,
The mobile terminal includes an input receiving unit for inputting information on a specific work machine for calculating the failure probability,
An inspection support system characterized by displaying a plurality of predetermined future failure probabilities for each part related to the specific work machine transmitted from the server.
前記サーバは、前記特定の作業機械の部位のうち修理直後の部位に関しては、前記故障確率を算出する対象から外すこと
を特徴とする点検支援システム。 In the inspection support system according to claim 1,
The inspection support system, wherein the server excludes a part of the part of the specific work machine immediately after repair from the target for calculating the failure probability.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017254039A JP7042614B2 (en) | 2017-12-28 | 2017-12-28 | Inspection support system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017254039A JP7042614B2 (en) | 2017-12-28 | 2017-12-28 | Inspection support system |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2019121052A true JP2019121052A (en) | 2019-07-22 |
JP2019121052A5 JP2019121052A5 (en) | 2021-02-04 |
JP7042614B2 JP7042614B2 (en) | 2022-03-28 |
Family
ID=67307807
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017254039A Active JP7042614B2 (en) | 2017-12-28 | 2017-12-28 | Inspection support system |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7042614B2 (en) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112561129A (en) * | 2020-11-27 | 2021-03-26 | 广东电网有限责任公司肇庆供电局 | First-aid repair material allocation method based on distribution line fault information |
JP7532796B2 (en) | 2020-02-12 | 2024-08-14 | オムロン株式会社 | Maintenance Management System |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000259729A (en) * | 1999-03-10 | 2000-09-22 | Komatsu Ltd | Working machine managing system |
JP2002374583A (en) * | 2001-06-15 | 2002-12-26 | Nabco Ltd | Management method and management system for automatic door unit |
JP2004272375A (en) * | 2003-03-05 | 2004-09-30 | Mazda Motor Corp | Remote failure prediction system |
JP2012233336A (en) * | 2011-04-28 | 2012-11-29 | Hitachi Constr Mach Co Ltd | Operating machine and maintenance inspection information generating device |
KR20150084613A (en) * | 2014-01-14 | 2015-07-22 | 주식회사 트라콤 | Method For Predicting Disorder Of Tower Crane By Using Data Mining |
-
2017
- 2017-12-28 JP JP2017254039A patent/JP7042614B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000259729A (en) * | 1999-03-10 | 2000-09-22 | Komatsu Ltd | Working machine managing system |
JP2002374583A (en) * | 2001-06-15 | 2002-12-26 | Nabco Ltd | Management method and management system for automatic door unit |
JP2004272375A (en) * | 2003-03-05 | 2004-09-30 | Mazda Motor Corp | Remote failure prediction system |
JP2012233336A (en) * | 2011-04-28 | 2012-11-29 | Hitachi Constr Mach Co Ltd | Operating machine and maintenance inspection information generating device |
KR20150084613A (en) * | 2014-01-14 | 2015-07-22 | 주식회사 트라콤 | Method For Predicting Disorder Of Tower Crane By Using Data Mining |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7532796B2 (en) | 2020-02-12 | 2024-08-14 | オムロン株式会社 | Maintenance Management System |
CN112561129A (en) * | 2020-11-27 | 2021-03-26 | 广东电网有限责任公司肇庆供电局 | First-aid repair material allocation method based on distribution line fault information |
CN112561129B (en) * | 2020-11-27 | 2022-09-02 | 广东电网有限责任公司肇庆供电局 | First-aid repair material allocation method based on distribution line fault information |
Also Published As
Publication number | Publication date |
---|---|
JP7042614B2 (en) | 2022-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210125150A1 (en) | Work order placement/receiving system, server, and work order placement/receiving method | |
CN102216908A (en) | System for assisting with execution of actions in response to detected events, method for assisting with execution of actions in response to detected events, assisting device, and computer program | |
EP3779853A1 (en) | Skill evaluation system, skill evaluation method, and recording medium | |
CN110471383B (en) | Equipment management method, device and system and electronic equipment | |
US20130067379A1 (en) | Graphical comparison of geographic information system data | |
JP2018106306A (en) | Game development system | |
JP6088293B2 (en) | Building management system | |
JP2019121052A (en) | Inspection support system | |
KR20140068297A (en) | Multi-dimensional and object-oriented data management system for bridge based on mobile field inspection, and method for the same | |
WO2020159397A1 (en) | Method and computerized device for processing numeric time series data | |
JP6021193B2 (en) | Management system, terminal device, information management method, and information management program | |
KR100835905B1 (en) | Apparatus for visualizing website visitor's click distribution in webpage and method using the same | |
JP2006259940A (en) | Statistical information presentation device | |
JP6590905B2 (en) | Content development device | |
KR102020209B1 (en) | System, method and program for managing facilities | |
TWI567687B (en) | Asset management system and asset management method | |
CN111143325A (en) | Data acquisition monitoring method, monitoring device and readable storage medium | |
JP5825915B2 (en) | Work man-hour calculating device, work man-hour calculating method, and program | |
CN113722781B (en) | Heterogeneous engineering file display processing device | |
JP2009043188A (en) | Operation management support system, and program | |
JP7157613B2 (en) | Work time calculation system and work time calculation method | |
JP6007320B2 (en) | Computer, relevance calculation method, and storage medium | |
JP2011048459A (en) | System and method for supporting project planning | |
CN116523471B (en) | Information generation method, apparatus, electronic device and computer readable medium | |
JP7446789B2 (en) | Information provision device, information provision method, and program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7426 Effective date: 20180228 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20180228 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20181025 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201215 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201215 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20211029 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211102 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211223 |
|
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: 20220308 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220315 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7042614 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |