JP2020042705A - 故障予測装置、故障予測方法及びプログラム - Google Patents

Abstract

【課題】所望の期間内に車両が故障する蓋然性を予測する。【解決手段】故障予測装置１２は、車両Ｔが故障する蓋然性を予測する対象となる予測期間の設定を受け付ける第２設定受付部１２１と、故障予測の対象となる車両の状態を測定して得られた複数の測定データを含む測定データセットを取得する第２データ取得部１２２と、測定データセットが入力された場合に、入力された測定データセットに含まれる複数の測定データが測定された車両Ｔが予測期間内に故障する蓋然性の予測結果を出力する複数の故障予測モデルのうち、予測期間に対応する故障予測モデルに測定データセットを入力するデータ入力部１２３と、故障予測モデルから出力された予測結果に基づいて、データ取得部が測定データセットを取得してから予測期間内に車両Ｔが故障する蓋然性を示す予測情報を出力する情報出力部１２４と、を有する。【選択図】図４

Description

本発明は、車両の故障を予測するための故障予測装置、故障予測方法及びプログラムに関する。

従来、装置の故障を予測するシステムが知られている。特許文献１には、故障を予測する対象となる装置の状態を示すデータを定期的に取得し、取得したデータに基づいて故障する時期を予測する技術が開示されている。

特開２００９−２１７７７０号公報

車両は定期的に点検が行われる。車両の運転手や車両を管理する会社には、次回の点検までに故障しないかどうかを把握したいというニーズがある。点検が行われる時期は、車両や車両を管理する会社ごとに異なるので、従来のシステムを用いる場合、次回の点検までに車両が故障する蓋然性を車両の運転手や車両を管理する会社が把握することは困難であった。

そこで、本発明はこれらの点に鑑みてなされたものであり、所望の期間内に車両が故障する蓋然性を予測することができる故障予測装置、故障予測方法及びプログラムを提供することを目的とする。

本発明の第１の態様の故障予測装置は、車両が故障する蓋然性を予測する対象となる予測期間の設定を受け付ける設定受付部と、故障予測の対象となる車両の状態を測定して得られた複数の測定データを含む測定データセットを取得するデータ取得部と、前記測定データセットが入力された場合に、入力された前記測定データセットに含まれる前記複数の測定データが測定された前記車両が前記予測期間内に故障する蓋然性の予測結果を出力する複数の故障予測モデルのうち、前記予測期間に対応する故障予測モデルに前記測定データセットを入力するデータ入力部と、前記故障予測モデルから出力された予測結果に基づいて、前記データ取得部が前記測定データセットを取得してから前記予測期間内に前記車両が故障する蓋然性を示す予測情報を出力する情報出力部と、を有する。

前記情報出力部は、複数の前記予測期間のそれぞれに関連付けて、複数の前記故障予測モデルから出力された複数の前記予測結果に基づく前記予測情報を出力してもよい。

前記情報出力部は、前記複数の予測結果が矛盾した結果を示している場合に、前記複数の予測結果のうち、少なくとも誤っている蓋然性が最も高い予測結果を訂正した後の予測結果に基づいて前記予測情報を出力してもよい。

前記データ取得部は、複数の異なる日に測定された前記複数の測定データを含む複数の前記測定データセットを取得し、前記データ入力部は、前記複数の測定データセットを、前記故障予測モデルに複数回入力し、前記情報出力部は、前記故障予測モデルから出力される複数の前記予測結果に基づく前記予測情報を出力してもよい。

前記情報出力部は、前記複数の予測結果のうち、より新しい前記測定データセットに対応する前記予測結果に、より大きな重み付けをして前記予測情報を作成してもよい。

本発明の第２の態様の故障予測方法は、車両が故障する蓋然性を予測する対象となる予測期間の設定を受け付けるステップと、故障予測の対象となる車両の状態を測定して得られた複数の測定データを含む測定データセットを取得するステップと、前記測定データセットが入力された場合に、入力された前記測定データセットに含まれる前記複数の測定データが測定された前記車両が前記予測期間内に故障する蓋然性の予測結果を出力する複数の故障予測モデルのうち、前記予測期間に対応する故障予測モデルに前記測定データセットを入力するステップと、前記故障予測モデルから出力された予測結果に基づいて、前記測定データセットを取得してから前記予測期間内に前記車両が故障する蓋然性を示す予測情報を出力するステップと、を有する。

本発明の第３の態様のプログラムは、コンピュータを、車両が故障する蓋然性を予測する対象となる予測期間の設定を受け付ける設定受付部、故障予測の対象となる車両の状態を測定して得られた複数の測定データを含む測定データセットを取得するデータ取得部、前記測定データセットが入力された場合に、入力された前記測定データセットに含まれる前記複数の測定データが測定された前記車両が前記予測期間内に故障する蓋然性の予測結果を出力する複数の故障予測モデルのうち、前記予測期間に対応する故障予測モデルに前記測定データセットを入力するデータ入力部、及び前記故障予測モデルから出力された予測結果に基づいて、前記データ取得部が前記測定データセットを取得してから前記予測期間内に前記車両が故障する蓋然性を示す予測情報を出力する情報出力部、として機能させる。

本発明によれば、所望の期間内に車両が故障する蓋然性を予測することができるという効果を奏する。

故障予測システムの概要を説明するための図である。 車両のセンサーが出力する測定データについて説明するための図である。 モデル作成装置の機能構成を示す図である。 故障予測装置の機能構成を示す図である。 情報出力部が矛盾した予測結果を訂正する方法について説明するための図である。 故障予測モデルを作成する処理の流れを示すフローチャートである。 故障を予測する処理の流れを示すフローチャートである。 変形例に係るモデル作成装置及び故障予測装置の構成を示す図である。

［故障予測システム１の概要］
図１は、本実施形態に係る故障予測システム１の概要を説明するための図である。車両管理システムＳは、車両Ｔから取得した車両Ｔの状態を示す各種のデータに基づいて、車両Ｔの異常状態を検出したり、車両Ｔの部品が故障する蓋然性を予測したりするためのシステムである。車両Ｔは例えば商用車であるが、車両管理システムＳを商用車以外の車両に適用してもよい。本明細書においては、車両管理システムＳが有する機能のうち、主に、車両Ｔの部品が故障する蓋然性を予測したりする機能を提供する故障予測システム１について説明する。

車両Ｔのそれぞれには各種の部品の状態によって出力値が変化する各種のセンサーが搭載されている。車両Ｔは、例えばエンジンの温度を検出するセンサー、エンジンの回転数を検出するセンサー、及び排気の温度を検出するセンサー等を搭載している。車両Ｔは、各種のセンサーの出力値を、無線通信ネットワーク及びインターネット等のネットワークＮを介してデータ収集サーバ２に送信する。車両Ｔは、日時を示す日時情報に関連付けて各種のセンサーの出力値を送信する。

以下の説明では、各種のセンサーの出力値を示すデータを測定データという。１つのセンサーからは、時間の経過とともに複数の測定データが出力される。本明細書においては、１つのセンサーから異なる複数の日時に出力される複数の測定データを測定データセットという。データ収集サーバ２は、複数の車両Ｔから、１つのセンサーに対応する測定データセットを複数受信する。すなわち、データ収集サーバ２は、複数の車両Ｔから複数の測定データセットを受信する。

図２は、車両Ｔのセンサーが出力する測定データについて説明するための図である。図２における横軸は、車両Ｔが製造されてから経過した時間を示し、縦軸は測定データに対応する変数の値を示している。図２（ａ）は、故障が発生した車両Ｔにおいて、当該車両Ｔが製造された時点から取得された複数の測定データに対応する変数の値を示している。図２（ｂ）は、故障が発生していない車両Ｔにおいて、当該車両Ｔが製造された時点から取得された複数の測定データに対応する変数の値を示している。変数は、例えば所定の条件で走行中のエンジンの温度のように、経年変化し得る部品の特性を示す数値である。図２（ａ）に示す車両においては、Ｄ２の時点で故障が発生している。

故障予測システム１は、図２に示すような複数の測定データを含む測定データセットを、測定データの種別に関連付けて取得する。測定データの種別は、測定データセットに含まれる測定データを出力したセンサーの名称、又は測定データに関連する部品の名称等により表される。故障予測システム１は、取得した複数の測定データセットに基づいて、所定の予測期間内に車両Ｔの部品が故障する蓋然性を予測する。所定の予測期間は、車両Ｔを所有する会社又は車両Ｔを整備する会社の職員（以下、ユーザという場合がある）により設定され、例えば車両Ｔの点検間隔よりも長い日数に定められている。車両Ｔの点検間隔が９０日である場合、所定の予測期間は例えば１８０日である。

図１に示すように、車両管理システムＳは、故障予測システム１と、データ収集サーバ２と、コンピュータ３とを備える。
故障予測システム１は、車両Ｔの故障を予測するためのシステムであり、一以上のコンピュータを含んで構成されている。故障予測システム１は、指定された車両Ｔが所定の予測期間内に故障が発生する蓋然性を予測するために用いられる機械学習モデルである故障予測モデルを作成し、作成した故障予測モデルに基づいて、車両Ｔが所定の期間内に故障が発生する蓋然性を予測した結果を出力する。故障予測システム１は、モデル作成装置１１及び故障予測装置１２を有する。モデル作成装置１１及び故障予測装置１２の詳細については後述する。

データ収集サーバ２は、ネットワークＮを介して複数の車両Ｔから測定データを収集するコンピュータである。コンピュータ３は、例えば、車両Ｔを所有する会社又は車両Ｔを整備する会社に設置されている。コンピュータ３は、これらの会社の職員がデータ収集サーバ２にアクセスして特定の車両Ｔの測定データを参照したり、特定の車両Ｔが所定の予測期間内に故障が発生する蓋然性を予測する要求をしたりするために使用される。故障予測システム１は、コンピュータ３において入力された予測期間の設定を受け付けて、設定された予測期間内に車両Ｔが故障する蓋然性を示す故障予測情報を出力する。

以下、図１を参照しながら、故障予測システム１が故障予測モデルを作成し、作成した故障予測モデルに基づいて車両Ｔが所定の予測期間内に故障する蓋然性を予測する手順の概要を説明する。

まず、データ収集サーバ２は、例えば所定の時間間隔、又は車両Ｔの入庫時等の所定のタイミングで各車両Ｔから測定データを取得し、車両Ｔを識別するための車両識別情報に関連付けて、複数の測定データを記憶する（図１における（１））。データ収集サーバ２は、故障予測システム１からの要求に応じて、記憶した複数の測定データを故障予測システム１に提供する。データ収集サーバ２は、例えば、故障予測システム１からの要求に応じて、故障予測システム１が故障予測モデルを作成するタイミングで、測定データセットを故障予測システム１に送信する（図１における（２））。モデル作成装置１１は、データ収集サーバ２から取得した測定データセットを教師データとして、故障予測モデルを作成する（図１における（３））。

その後、コンピュータ３のユーザが、コンピュータ３にインストールされたアプリケーションソフトウェア、又は故障予測システム１が提供するウェブアプリケーションソフトウェアを介して、故障予測を要求する操作をすると、コンピュータ３は、ネットワークＮを介して、故障予測をする対象となる車両Ｔの車両識別情報を含む故障予測要求メッセージをデータ収集サーバ２に送信する（図１における（４））。データ収集サーバ２は、故障予測要求メッセージを受信すると、故障予測要求メッセージに含まれている車両識別情報に関連付けられた測定データセットを含む故障予測指示を故障予測装置１２に送信する（図１における（５））。

故障予測装置１２は、故障予測指示を受信すると、故障予測指示に含まれている測定データセットを、モデル作成装置１１が作成した故障予測モデルに入力することにより、コンピュータ３を介してユーザにより設定された予測期間内に車両Ｔに故障が発生する蓋然性を算出する。故障予測装置１２は、算出した蓋然性の値である予測結果を含む故障予測情報をデータ収集サーバ２に送信する（図１における（６））。データ収集サーバ２は、故障予測装置１２から受信した故障予測情報を含む予測結果報告をコンピュータ３に送信する（図１における（７））。

コンピュータ３は、受信した予測結果報告を、コンピュータ３のユーザが視認できるように出力する（図１における（８））。以上の手順により、車両Ｔを所有する会社又は車両Ｔを整備する会社の職員等が、所望の予測期間内に車両の部品が故障する蓋然性を把握することができる。
以下、故障予測システム１の構成及び動作について詳細に説明する。

［故障予測システム１の構成］
モデル作成装置１１は、取得した複数の測定データセットそれぞれに含まれる複数の測定データの変化パターンを教師データとして、故障を予測する対象となる車両Ｔから取得された測定データセットが入力されたことに応じて当該車両Ｔが所定の予測期間内に故障する蓋然性を出力する機械学習モデルである故障予測モデルを生成するコンピュータである。

故障予測システム１は、図２（ａ）に示す測定データセットに含まれる複数の測定データのうち、故障が発生した日（図２（ａ）におけるＤ２）から所定の日数（例えば図２（ａ）における期間Ａ）以内の複数の測定データを、所定の予測期間内に故障が発生する可能性があることを示す教師データとして使用する。故障予測システム１は、図２（ａ）に示す測定データセットに含まれる複数の測定データのうち、故障が発生した日から所定の日数より前、例えば図２（ａ）における期間Ｂに取得された複数の測定データを、所定の予測期間内に故障が発生する可能性がないことを示す故障非発生の教師データとして使用する。故障予測システム１は、図２（ｂ）に示す測定データセットに含まれる複数の測定データを、所定の予測期間内に故障が発生する可能性がないことを示す故障非発生の教師データとして使用する。

故障予測装置１２は、故障を予測する対象となる車両Ｔから取得した測定データセットに基づいて、当該車両Ｔが所定の予測期間内に故障する蓋然性を示す予測結果に基づく故障予測情報を出力するコンピュータである。故障予測装置１２は、データ収集サーバ２から取得した測定データセットをモデル作成装置１１に入力し、モデル作成装置１１から出力される故障発生の蓋然性を示す値である予測結果を含む故障予測情報を出力する。故障予測装置１２は、故障予測情報をディスプレイに表示したり、紙に印刷したり、他のコンピュータに送信したりすることにより予測結果を出力する。
以下、モデル作成装置１１の動作の詳細を説明する。

［モデル作成装置１１の機能構成及び動作］
図３は、モデル作成装置１１の機能構成を示す図である。モデル作成装置１１は、交換情報取得部１１１と、第１データ取得部１１２と、第１設定受付部１１３と、モデル作成部１１４と、記憶部１１５とを有する。交換情報取得部１１１、第１データ取得部１１２、第１設定受付部１１３及びモデル作成部１１４は、例えば、プログラムを実行するＣＰＵ（Central Processing Unit）により構成される。

交換情報取得部１１１は、交換された車両Ｔの部品を特定するための交換部品情報と、部品が交換された日を示す交換日情報と、部品が交換された車両Ｔを特定するための車両特定情報と、を取得する。交換情報取得部１１１は、例えば、車両Ｔの販売会社、車両Ｔを所有する会社又は車両Ｔを整備する会社のコンピュータ３から送信されたクレーム情報、交換部品情報、交換日情報、及び車両特定情報を、ネットワークＮを介して取得する。交換情報取得部１１１は、故障予測システム１が設置されている会社の職員が、コンピュータ３のキーボード又はタッチパネルを用いて入力した交換部品情報、交換日情報、及び車両特定情報を取得する。

交換部品情報は、例えば交換された部品の名称を示すテキスト情報、交換された部品に割り当てられた番号、又は交換された部品の形状を示す画像情報である。車両特定情報は、例えば車両Ｔの製造時に車両Ｔに付与された製造番号、又は陸運局において車両Ｔに付与された車両番号のように、車両Ｔに固有の情報である。交換情報取得部１１１は、取得した交換部品情報及び交換日情報を車両特定情報に関連付けて記憶部１１５に記憶させる。

第１データ取得部１１２は、車両Ｔの状態を測定して得られた複数の測定データを含む測定データセットを、車両Ｔの車両特定情報に関連付けて複数の車両Ｔから取得する。第１データ取得部１１２は、車両Ｔが製造された時点以降に得られた複数の測定データセットを車両Ｔから取得する。第１データ取得部１１２は、例えばデータ収集サーバ２を介して、測定データセットに含まれる複数の測定データが何を測定したデータであるかを特定するためのデータ識別情報に関連付けて、測定データセットを取得する。データ識別情報は、例えば、測定データが関連する部品の名称を示すテキスト情報、測定データを出力したセンサーの名称を示すテキスト情報、又は部品若しくはセンサーに割り当てられた番号である。第１データ取得部１１２は、取得した測定データセットを車両特定情報に関連付けて記憶部１１５に記憶させる。

第１設定受付部１１３は、故障予測システム１を管理する会社の職員がキーボード又はタッチパネルを用いて入力した各種の設定を受け付ける。一例として、第１設定受付部１１３は、故障が発生する蓋然性の大きさを故障予測システム１に出力させる対象となる期間である予測期間の設定を受け付ける。第１設定受付部１１３は、例えば、「９０日」、「１８０日」、「２７０日」、「３６０日」といった予測期間の候補をディスプレイに表示させ、職員により選択された候補を予測期間に設定する。第１設定受付部１１３は、職員により予測期間の設定が行われない場合は、デフォルト値（例えば１８０日）を予測期間として設定してもよく、全ての候補を予測期間に設定してもよい。

［故障予測モデルの作成］
モデル作成部１１４は、特定の車両Ｔが所定の予測期間内に故障する蓋然性を予測するために用いられる故障予測モデルを作成する。具体的には、モデル作成部１１４は、故障予測の対象となる車両Ｔから取得された測定データセットが入力された場合に、当該車両Ｔが所定の予測期間内に故障する蓋然性の予測結果を出力する故障予測モデルを作成する。モデル作成部１１４が学習に使用するアルゴリズムは任意であるが、モデル作成部１１４は、周知の特徴抽出アルゴリズムや周知の特徴選択アルゴリズムに多数の測定データセット（例えば１０万種類の測定データセット）を入力することにより測定データセットを絞り込み、絞り込んだ後の測定データセットに基づいて故障予測モデルを作成する。

記憶部１１５は、ハードディスク、ＲＯＭ（Read Only Memory）、及びＲＡＭ（Random Access Memory）等の記憶媒体である。記憶部１１５は、交換情報取得部１１１が取得した交換部品情報及び交換日情報、並びに第１データ取得部１１２が取得した測定データセットを車両特定情報に関連付けて記憶する。また、記憶部１１５は、モデル作成部１１４が作成した故障予測モデルを記憶する。さらに、記憶部１１５は、交換情報取得部１１１、第１データ取得部１１２、第１設定受付部１１３及びモデル作成部１１４として機能するＣＰＵが実行するプログラムを記憶する。

モデル作成部１１４は、交換情報取得部１１１が取得した複数の車両特定情報に対応する複数の測定データセットのうち、交換日情報が示す交換日以前の所定の予測期間内に得られた複数の測定データセット（例えば図２（ａ）における期間Ａにおける測定データセット）を故障発生の教師データとして使用する。

また、モデル作成部１１４は、所定の予測期間より前に得られた複数の測定データセット（例えば図２（ａ）における期間Ｂにおける測定データセット）を故障非発生の教師データとして使用する。また、モデル作成部１１４は、第１データ取得部１１２が取得した複数の車両Ｔに対応する複数の測定データセットのうち、交換情報取得部１１１が交換部品情報を取得していない車両Ｔに対応する測定データセットを故障非発生の教師データとしてさらに使用する。

モデル作成部１１４は、車両Ｔの使用態様ごとに故障予測モデルを作成してもよい。使用態様は、例えば、１日あたりの平均走行距離、平均荷重、走行地域等のように、車両Ｔの部品の寿命に影響を与える可能性がある車両Ｔの使われ方である。モデル作成部１１４が使用態様ごとに故障予測モデルを作成できるように、第１データ取得部１１２は、車両特定情報に関連付けて、車両Ｔの使用態様を示す使用態様データを取得する。

モデル作成部１１４は、使用態様データに基づいてクラスタリングした複数の測定データセットを教師データとして使用することにより、複数種類の使用態様データのそれぞれに対応する故障予測モデルを作成する。このように、モデル作成部１１４が使用態様ごとに故障予測モデルを作成することで、使用態様ごとに部品の寿命が異なる場合であっても、故障予測システム１は、所定の予測期間内に故障が発生する蓋然性を高い精度で予測することが可能になる。

モデル作成部１１４は、車両Ｔが有する複数の部品の少なくとも一部の部品のそれぞれに対応する故障予測モデルを作成してもよい。この場合、モデル作成部１１４は、第１データ取得部１１２が取得した測定データセットに含まれる複数の測定データセットのうち、故障予測モデルに対応する部品に関連付けられた複数の測定データセットを教師データとして使用する。モデル作成部１１４が、例えば車両Ｔのエンジンに対応する故障予測モデルを作成する場合、エンジンの温度を示す測定データセット及びエンジンの回転数を示す測定データセット等のように、エンジンの状態を示す測定データセットを教師データとして使用する。

モデル作成部１１４は、ユーザにより設定された所望の予測期間内に故障が発生する蓋然性を算出できるように、複数の予測期間に関連付けて故障予測モデルを作成する。モデル作成部１１４は、例えば、予め設定された複数の予測期間のそれぞれに対して、予測期間が経過するまでの間に故障する蓋然性を出力する故障予測モデルを作成する。モデル作成部１１４は、ユーザにより設定された複数の予測期間のそれぞれに対して故障予測モデルを作成してもよい。

モデル作成部１１４は、例えばＸ日の予測期間に対応する故障予測モデルを作成する場合、故障が発生した日の直前のＸ日間の測定データセット（例えば、図２（ａ）における期間Ａの間に取得された複数の測定データ）を、故障発生の教師データとして使用する。モデル作成部１１４は、故障が発生した日からＸ日より前の測定データセット（例えば、図２（ａ）における期間Ｂの間に取得された複数の測定データ）、及び故障が発生していない車両Ｔの測定データセット（例えば、図２（ｂ）における期間Ｃの間に取得された複数の測定データ）を、故障非発生の教師データとして使用する。モデル作成部１１４は、予測期間に関連付けて、作成した故障予測モデルを記憶部１１５に記憶させる。

モデル作成部１１４は、作成した故障予測モデルを用いて、予測期間内に車両Ｔが故障する蓋然性を算出する機能も有する。モデル作成部１１４は、例えば故障予測装置１２から故障予測をする指示を受けたことに応じて、故障を予測する対象となる車両Ｔの測定データセットを例えばデータ収集サーバ２から取得し、取得した測定データセットを、作成した故障予測モデルに入力する。モデル作成部１１４は、測定データセットを入力したことに応じて故障予測モデルから出力された故障が発生する蓋然性を示す値を、車両Ｔが所定の予測期間内に故障する蓋然性の予測結果として、故障予測装置１２に対して出力する。

なお、モデル作成部１１４は、故障を予測する対象として取得した測定データセットを、故障予測モデルを更新するための教師データとして用いてもよい。モデル作成部１１４は、例えば取得した測定データセットに対応する車両Ｔの過去の部品交換の履歴を示す情報を測定データセットに関連付けて取得し、履歴を示す情報に基づいて、部品交換が発生した履歴がある測定データセットにおける部品交換が発生した日の直前の予測期間内の複数の測定データを、故障発生の教師データとして使用する。また、モデル作成部１１４は、部品交換が発生した履歴がない測定データセットに含まれる複数の測定データを、故障非発生車両の教師データとして使用する。

また、モデル作成部１１４は、車両Ｔの故障を予測してから予測期間が経過した後に、交換情報取得部１１１を介して、当該車両Ｔが予測期間の間に部品の交換が発生したか否かを示す情報を取得し、取得した情報と予測結果とを比較してもよい。モデル作成部１１４は、多数の車両Ｔに対して比較した結果に基づいて、予測期間内に故障した確率を算出し、算出した確率と予測結果が示す蓋然性との差が所定の閾値以上である場合に、新たな測定データセットを教師データとして用いて故障予測モデルを更新してもよい。モデル作成部１１４がこのように故障予測モデルを更新することで、故障予測モデルの精度を向上させることができる。

［故障予測装置１２の機能構成］
続いて、故障予測装置１２の機能構成について説明する。図４は、故障予測装置１２の機能構成を示す図である。故障予測装置１２は、第２設定受付部１２１と、第２データ取得部１２２と、データ入力部１２３と、情報出力部１２４とを有する。

第２設定受付部１２１は、車両Ｔが故障する蓋然性を予測する対象となる予測期間の設定を受け付ける。第２データ取得部１２２は、例えばデータ収集サーバ２から送信された故障予測指示に含まれている予測期間を取得する。当該予測期間は、例えばコンピュータ３のユーザがコンピュータ３において設定した日数である。第２データ取得部１２２は、故障予測装置１２を管理する会社の職員が設定した日数を予測期間として取得してもよい。

第２データ取得部１２２は、故障予測の対象となる車両Ｔの状態を測定して得られた複数の測定データを含む測定データセットを取得し、取得した測定データセットをデータ入力部１２３に入力する。第２データ取得部１２２は、故障予測の指示とともに、故障予測をする対象である車両Ｔの測定データセットを、ネットワークＮを介して取得する。第２データ取得部１２２は、測定データセットをデータ収集サーバ２から取得してもよく、コンピュータ３から取得してもよい。

データ入力部１２３は、第２データ取得部１２２から測定データセットが入力された場合に、入力された測定データセットをモデル作成部１１４に入力する。データ入力部１２３は、例えば、故障を予測する対象となる車両Ｔの車両識別情報に関連付けて、測定データセットをモデル作成部１１４に入力する。モデル作成部１１４が複数のクラスタに対応する複数の故障予測モデルを有している場合、データ入力部１２３は、第２データ取得部１２２から取得した測定データセットに対応するクラスタを特定し、特定したクラスタの故障予測モデルに測定データセットを入力する。

データ入力部１２３は、第２設定受付部１２１が受け付けた予測期間内に車両Ｔが故障する蓋然性を予測するように、モデル作成部１１４に指示する。データ入力部１２３は、例えば、入力された測定データセットに含まれる複数の測定データが測定された車両Ｔが予測期間内に故障する蓋然性の予測結果を出力する複数の故障予測モデルのうち、予測期間に対応する故障予測モデルに測定データセットを入力する。

情報出力部１２４は、例えばモデル作成部１１４を介して、故障予測モデルから出力された予測結果に基づいて、予測期間内に車両Ｔが故障する蓋然性を示す故障予測情報を出力する。情報出力部１２４は、複数のクラスタに対応する複数の故障予測モデルのうち、例えばデータ入力部１２３が測定データセットを入力したクラスタに対応する故障予測モデルから予測結果を取得する。情報出力部１２４は、取得した予測結果を含む故障予測情報を、故障予測の指示の送信元（例えばデータ収集サーバ２又はコンピュータ３）に送信する。情報出力部１２４は、故障予測装置１２が有するディスプレイに予測結果を表示させたり、紙に予測結果を印刷したりしてもよい。情報出力部１２４は、予測結果の取得に用いられた故障予測モデルに対応するクラスタの名称を予測結果とともに出力してもよい。

故障予測装置１２は、時間の経過とともに車両Ｔが故障する蓋然性がどのように変化するかをユーザが把握できるようにするために、複数の予測期間のそれぞれに対して、故障が発生する蓋然性を特定してもよい。このようにするために、第２設定受付部１２１は、車両Ｔが故障する蓋然性を予測する対象となる複数の予測期間の設定を受け付ける。データ入力部１２３は、モデル作成部１１４に複数の予測期間を通知する。データ入力部１２３は、複数の予測期間のそれぞれに対応する複数の故障予測モデルに車両Ｔの測定データセットを入力してもよい。

情報出力部１２４は、複数の予測期間のそれぞれに関連付けて、複数の故障予測モデルから出力された複数の予測結果に基づく予測情報を出力する。情報出力部１２４は、例えば、横軸が予測期間であり、縦軸が予測期間内に車両Ｔが故障する蓋然性であるグラフの形式で予測情報を出力する。

このように、情報出力部１２４が複数の予測期間に対応する複数の予測結果をモデル作成部１１４から取得する場合、長い予測期間に対応する蓋然性の方が、短い予測期間に対応する蓋然性よりも低いといった矛盾した予測結果が得られることが想定される。そこで、情報出力部１２４は、複数の予測結果が矛盾した結果を示している場合に、複数の予測結果のうち、少なくとも誤っている蓋然性が最も高い予測結果を訂正した後の予測結果に基づいて予測情報を出力してもよい。

図５は、情報出力部１２４が矛盾した予測結果を訂正する方法について説明するための図である。図５（ａ）は、正常な場合の予測結果を示している。図５（ａ）においては、長い予測期間に対応する蓋然性の方が、短い予測期間に対応する蓋然性よりも高いということを示している。

これに対して、図５（ｂ）は、矛盾が生じている場合の予測結果を示している。図５（ｂ）においては、予測期間２７０日に対応する蓋然性が、予測期間１８０に対応する蓋然性よりも低くなっている。このような場合、情報出力部１２４は、ｋ近傍法等の外れ値検出アルゴリズムを用いて、誤りが発生していると推定される蓋然性の値を検出する。情報出力部１２４は、予測期間２７０日に対応する蓋然性が、予測期間１８０日に対応する蓋然性と予測期間３６０日に対応する蓋然性との間の値になるように、すなわち、図５（ａ）に示す値と同等の値になるように、予測期間２７０日に対応する蓋然性を訂正してもよい。

情報出力部１２４は、訂正が必要であると判定した予測期間をモデル作成部１１４に通知してもよい。モデル作成部１１４は、新たに測定データセットを取得し、訂正が必要であるという通知を受けた予測期間に対応する故障予測モデルを更新してもよい。

［複数の異なる日の測定データを使用する方法］
故障予測装置１２は、予測精度を向上させるために、それぞれ異なる日の測定データを組み合わせた複数の測定データセットを用いて、複数の予測結果を取得してもよい。例えば、第２データ取得部１２２は、複数の異なる日に測定された複数の測定データを含む複数の測定データセットを取得する。複数の異なる日が、例えば奇数の日と偶数の日である場合、第２データ取得部１２２は、奇数の日に取得された複数の測定データを含む第１測定データセットと、偶数の日に取得された複数の測定データを含む第２測定データセットとを取得する。第２データ取得部１２２は、奇数の日と偶数の日とを区別しないで測定データを取得し、第２データ取得部１２２が、複数の測定データを第１測定データセットと第２測定データセットとに分けてもよい。

データ入力部１２３は、複数の測定データセットを、故障予測モデルに複数回入力する。第２データ取得部１２２が第１測定データセットと第２測定データセットとを取得した場合、データ入力部１２３は、第１測定データセットをモデル作成部１１４に入力し、かつ第２測定データセットをモデル作成部１１４に入力する。

モデル作成部１１４は、第１測定データセットに基づいて、予測期間内に故障が発生する第１蓋然性を算出し、第２測定データセットに基づいて、予測期間内に故障が発生する第２蓋然性を算出する。モデル作成部１１４は、第１蓋然性を示す第１予測結果及び第２蓋然性を示す第２予測結果を故障予測装置１２に出力する。

情報出力部１２４は、故障予測モデルから出力される複数の予測結果に基づく予測情報を出力する。具体的には、情報出力部１２４は、第１予測結果及び第２予測結果を含む予測情報を出力する。情報出力部１２４は、第１蓋然性と第２蓋然性との平均値又は中央値等の統計値を含む予測情報を出力してもよい。このように、故障予測装置１２が異なる日の測定データを組み合わせた複数の測定データセットを用いることで、一部の測定データに誤りが生じていたことにより一つの測定データセットを用いて算出された蓋然性の精度が低い場合であっても、精度が低い蓋然性の影響を緩和することができる。

故障予測装置１２は、異なる日の測定データを組み合わせた３つ以上の測定データセットを用いて、３つ以上の予測結果をモデル作成部１１４から取得してもよい。この場合、故障予測装置１２は、３つ以上の予測結果が示す蓋然性の平均値又は中央値からの乖離量が所定の値以内の蓋然性に対応する予測結果を出力する。このようにすることで、故障予測装置１２は、精度が低いと考えられる予測結果を出力しないようにすることができる。

情報出力部１２４は、複数の予測結果のうち、より新しい測定データセットに対応する予測結果に、より大きな重み付けをして予測情報を作成してもよい。車両Ｔから測定データが送信される頻度が低く、例えば１週間ごとに測定データが送信される場合も想定される。このような場合、奇数の週（第１週又は第３週）の測定データを含む第１測定データセットに基づく第１蓋然性と、偶数の週（第２週又は第４週）の測定データを含む第２測定データセットに基づく第２蓋然性とのうち、より新しい測定データを含む測定データセットに基づく蓋然性の方が、信頼性が高いと考えられる。そこで、情報出力部１２４は、複数の蓋然性の重みつき平均値（加重平均値）を予測情報として出力することで、予測結果の精度を高めることができる。なお、情報出力部１２４は、複数の測定データセットのうち、より新しい測定データセットのみに基づく予測結果に基づいて予測情報を作成してもよい。

［故障予測モデルを作成する処理の流れ］
図６は、故障予測システム１において故障予測モデルを作成する処理の流れを示すフローチャートである。まず、第１データ取得部１１２は、データ収集サーバ２を介して、多数の車両Ｔから複数の測定データセットを取得する（Ｓ１１）。続いて、モデル作成部１１４は、第１データ取得部１１２が取得した複数の測定データセットをクラスタリングする（Ｓ１２）。モデル作成部１１４は、例えば車両Ｔの使用態様、測定データセットが関連する部品の種別、又は車種に基づいて、複数の測定データセットをクラスタリングする。モデル作成部１１４は、クラスタリングした後の複数の測定データセットのそれぞれに対してＳ１３以降の処理を実行することにより、クラスタごとに故障予測モデルを作成する。

モデル作成部１１４は、複数の測定データセットから１つの測定データセットを選択し、選択した測定データセットに対応する車両Ｔに部品の交換が発生したか否かを特定する（Ｓ１３）。モデル作成部１１４は、部品の交換が発生していた場合、部品の交換日も特定する。

モデル作成部１１４は、Ｓ１３において、部品の交換が発生していたと判定した場合（Ｓ１３におけるＹＥＳ）、測定データセットに含まれる複数の測定データのうち、部品の交換日以前の所定の予測期間内の複数の測定データを選択する（Ｓ１４）。モデル作成部１１４は、選択した複数の測定データを故障発生の教師データに使用することを決定する（Ｓ１５）。

モデル作成部１１４は、Ｓ１３において、部品の交換が発生していたと判定した場合（Ｓ１３におけるＹＥＳ）、測定データセットに含まれる複数の測定データのうち、部品の交換日に対して所定の予測期間よりも前の複数の測定データを選択する（Ｓ１６）。モデル作成部１１４は、Ｓ１６で選択した複数の測定データを故障非発生の教師データに使用することを決定する（Ｓ１７）。モデル作成部１１４は、Ｓ１３において、部品の交換が発生していなかったと判定した場合にも（Ｓ１３におけるＮＯ）、選択した測定データセットを故障非発生の教師データに使用することを決定する（Ｓ１７）。

モデル作成部１１４は、Ｓ１５及びＳ１７で決定したように複数の測定データを故障発生の教師データ又は故障非発生の教師データとして使用することにより、故障予測モデルを作成する（Ｓ１８）。モデル作成部１１４は、新たな測定データセットを取得するたびに、Ｓ１１からＳ１７の処理を実行し、故障予測モデルを更新してもよい。

［予測情報を出力する処理の流れ］
図７は、故障予測装置１２が予測情報を出力する処理の流れを示すフローチャートである。まず、第２設定受付部１２１は、例えばコンピュータ３から、故障が発生する蓋然性を算出する対象となる予測期間の設定を受け付ける（Ｓ２１）。続いて、第２データ取得部１２２は、測定データセットを取得する（Ｓ２２）。第２データ取得部１２２は、例えば、故障を予測する対象となる車両Ｔの車両識別情報を取得し、取得した車両識別情報に対応する測定データセットをデータ収集サーバ２から取得する。

データ入力部１２３は、例えば、それぞれ異なる予測期間に対応する複数の故障予測モデルに測定データセットを入力する（Ｓ２３）。情報出力部１２４は、複数の予測期間に対応する複数の予測結果をモデル作成部１１４から取得する（Ｓ２４）。

情報出力部１２４は、複数の予測結果が矛盾する場合（Ｓ２５においてＹＥＳ）、すなわち、いずれか一方の予測結果が誤っている蓋然性が所定値以上である場合、誤っている蓋然性が所定値以上の予測結果を訂正する（Ｓ２６）。情報出力部１２４は、例えば、図５（ｂ）に示すように、２７０日以内に故障する蓋然性に誤りがあると判定した場合、２７０日に対応する蓋然性の値が図５（ａ）に示す値に近づくように予測結果を訂正する。その後、情報出力部１２４は、予測結果を含む予測情報を出力する。

［変形例］
以上の説明においては、故障予測システム１が、データ収集サーバ２を介して測定データセットを取得することが想定されていた。また、故障予測システム１がモデル作成装置１１及び故障予測装置１２を有することが想定されていた。しかしながら、モデル作成装置１１及び故障予測装置１２の構成はこれに限らない。

図８は、変形例に係るモデル作成装置１１及び故障予測装置１２の構成を示す図である。図８に示すモデル作成装置１１は、ネットワークＮを介して複数の車両Ｔから測定データを取得し（図８における（１））、取得した測定データに基づいて故障予測モデルを作成する（図８における（２））。

また、図８における故障予測装置１２はモデル作成装置１１と異なる場所に設定されている。故障予測装置１２は、例えば、車両Ｔを所有する会社又は車両Ｔを整備する会社に設置されたコンピュータにインストールされた故障予測のためのアプリケーションプログラムを実行することにより、故障予測機能を実行する。故障予測装置１２は、ユーザの操作に応じて、故障予測要求をモデル作成装置１１に送信し（図８における（３）及び（４））、モデル作成装置１１から出力された予測結果報告を受信すると（図８における（５）及び（６））、予測結果を出力する（図８における（７））。このように、モデル作成装置１１及び故障予測装置１２の設置場所、及び接続関係は任意である。

［故障予測装置１２による効果］
以上説明したように、故障予測装置１２は、車両Ｔが故障する蓋然性を予測する対象となる予測期間の設定を受け付けて、受け付けた予測期間に対応する故障予測モデルに測定データセットを入力する。そして、故障予測装置１２は、故障予測モデルから出力された予測結果に基づいて、予測期間内に車両Ｔが故障する蓋然性を示す予測情報を出力する。故障予測装置１２がこのような構成を有することで、故障予測装置１２は、第２設定受付部１２１が受け付けたユーザが所望する予測期間内に車両が故障する蓋然性を予測することができる。

なお、以上の説明においては、モデル作成装置１１が、車両Ｔが所定の期間内に故障する蓋然性の予測結果を出力する故障予測モデルを作成したが、モデル作成装置１１は、蓋然性の予測結果の一例として、車両Ｔが所定の期間内に故障する可能性の有無を予測結果として出力する故障予測モデルを作成してもよい。この場合、故障予測装置１２は、故障を予測する対象となる車両Ｔが所定の期間内に故障する可能性の有無を示す情報を予測結果として出力する。

以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されず、その要旨の範囲内で種々の変形及び変更が可能である。例えば、装置の分散・統合の具体的な実施の形態は、以上の実施の形態に限られず、その全部又は一部について、任意の単位で機能的又は物理的に分散・統合して構成することができる。また、複数の実施の形態の任意の組み合わせによって生じる新たな実施の形態も、本発明の実施の形態に含まれる。組み合わせによって生じる新たな実施の形態の効果は、もとの実施の形態の効果を合わせ持つ。

１ 故障予測システム
２ データ収集サーバ
３ コンピュータ
１１ モデル作成装置
１２ 故障予測装置
１１１ 交換情報取得部
１１２ 第１データ取得部
１１３ 第１設定受付部
１１４ モデル作成部
１１５ 記憶部
１２１ 第２設定受付部
１２２ 第２データ取得部
１２３ データ入力部
１２４ 情報出力部

Claims (7)

1. 車両が故障する蓋然性を予測する対象となる予測期間の設定を受け付ける設定受付部と、
   故障予測の対象となる車両の状態を測定して得られた複数の測定データを含む測定データセットを取得するデータ取得部と、
   前記測定データセットが入力された場合に、入力された前記測定データセットに含まれる前記複数の測定データが測定された前記車両が前記予測期間内に故障する蓋然性の予測結果を出力する複数の故障予測モデルのうち、前記予測期間に対応する故障予測モデルに前記測定データセットを入力するデータ入力部と、
   前記故障予測モデルから出力された予測結果に基づいて、前記データ取得部が前記測定データセットを取得してから前記予測期間内に前記車両が故障する蓋然性を示す予測情報を出力する情報出力部と、
   を有する故障予測装置。
2. 前記情報出力部は、複数の前記予測期間のそれぞれに関連付けて、複数の前記故障予測モデルから出力された複数の前記予測結果に基づく前記予測情報を出力する、
   請求項１に記載の故障予測装置。
3. 前記情報出力部は、前記複数の予測結果が矛盾した結果を示している場合に、前記複数の予測結果のうち、少なくとも誤っている蓋然性が最も高い予測結果を訂正した後の予測結果に基づいて前記予測情報を出力する、
   請求項２に記載の故障予測装置。
4. 前記データ取得部は、複数の異なる日に測定された前記複数の測定データを含む複数の前記測定データセットを取得し、
   前記データ入力部は、前記複数の測定データセットを、前記故障予測モデルに複数回入力し、
   前記情報出力部は、前記故障予測モデルから出力される複数の前記予測結果に基づく前記予測情報を出力する、
   請求項１から３のいずれか一項に記載の故障予測装置。
5. 前記情報出力部は、前記複数の予測結果のうち、より新しい前記測定データセットに対応する前記予測結果に、より大きな重み付けをして前記予測情報を作成する、
   請求項４に記載の故障予測装置。
6. 車両が故障する蓋然性を予測する対象となる予測期間の設定を受け付けるステップと、
   故障予測の対象となる車両の状態を測定して得られた複数の測定データを含む測定データセットを取得するステップと、
   前記測定データセットが入力された場合に、入力された前記測定データセットに含まれる前記複数の測定データが測定された前記車両が前記予測期間内に故障する蓋然性の予測結果を出力する複数の故障予測モデルのうち、前記予測期間に対応する故障予測モデルに前記測定データセットを入力するステップと、
   前記故障予測モデルから出力された予測結果に基づいて、前記測定データセットを取得してから前記予測期間内に前記車両が故障する蓋然性を示す予測情報を出力するステップと、
   を有する故障予測方法。
7. コンピュータを、
   車両が故障する蓋然性を予測する対象となる予測期間の設定を受け付ける設定受付部、
   故障予測の対象となる車両の状態を測定して得られた複数の測定データを含む測定データセットを取得するデータ取得部、
   前記測定データセットが入力された場合に、入力された前記測定データセットに含まれる前記複数の測定データが測定された前記車両が前記予測期間内に故障する蓋然性の予測結果を出力する複数の故障予測モデルのうち、前記予測期間に対応する故障予測モデルに前記測定データセットを入力するデータ入力部、及び
   前記故障予測モデルから出力された予測結果に基づいて、前記データ取得部が前記測定データセットを取得してから前記予測期間内に前記車両が故障する蓋然性を示す予測情報を出力する情報出力部、
   として機能させるためのプログラム。
   
   
   
   

Images