JP2020523609A - 周期可動機械部品の故障予測の方法 - Google Patents

Abstract

周期可動機械部品の故障予測の方法が開示され、部品の動きの複数のサイクルのうちの各サイクルは各サイクルの間に測定可能な運動特性の値のデータ分布を生成する。方法は、各サイクルに対して、運動特性の前記データ分布を特定することと、データ分布における値の中心傾向の測定値を計算することと、各サイクルの間にわたるデータ分布の形状の定量化測定値を計算することと、条件パラメータの連結セットとして中心傾向の測定値を形状の前記定量化測定値と関連付けることと、周期可動部品の複数のサイクルに関連付けられる条件パラメータの複数の連結セットの分散度を特定することと、前記故障予測のために、分散度を分散閾値と比較するか、又は経時的な分散度の傾向を特定することとを含む。【選択図】図２ａ

Description

本発明は、一般に、状態監視の分野に関する。より詳細には、本発明は、周期可動機械部品の故障予測方法、関連するコンピュータプログラム製品、及び密封パッケージを製造するための充填機又は関連システム等のシステムにおいて採用されるベアリング、ベルト、又はモータ等の周期可動機械部品における故障を予測するための装置に関する。

ベアリング、ベルト、モータ等の機械部品、又は充填機若しくは関連システムでの密閉パッケージの製造における等の生産ラインにおけるその他の構成部品の状態監視は、長期間にわたって所望の機能を確保するため及び故障予測にとって重要である。これらのシステムにおける周期可動部品の振動等のかかる構成部品の動きの歪みを監視することは、所望の機能制御を達成し、摩耗に関連する故障を防ぐことにおける１つの不可欠な部分である。かかる保守戦略は、主に、例えば、ベアリングが故障に近づくと、差し迫った故障の前兆としてノイズが発生し且つ振動し、この兆候が適時検出された場合、生産時間に影響を与えることなく操作者に保守活動を計画し、ベアリングを交換する時間枠を与えるという事実のために可能である。例えば、振動等の歪み解析は、ベアリングの摩耗及び損傷が機械の故障前に発見され、修理することができ、従って、運用及び保守コストを削減するように、産業用予知保全プログラムの重要な部分である。ベアリングの振動レベルの経験的評価は、構成部品の残りの寿命を大幅に過小評価又は過大評価する恐れがあり、また、完全に異なる原因（例えば、シャフトの不均衡）によるノイズをベアリングの損傷と取り違える恐れがある間違いを起こしやすい活動である。ベアリングの故障を特徴付けることを目的とする以前の解決法は、特徴的な周波数シグネチャが振動信号から抽出される周波数分析を含んでいる。実装が複雑であることに加えて、周波数分析に基づく解決法は常に正確であるとは限らず、計算に用いられるモデルに関して様々な仮定を行っている。特に、通常、ベアリング要素の相対運動中にスリップがなく、ベアリングに局所的な損傷があり、ベアリングが取り付けられているモータが一定速度で回転し、モータの動作中に損傷が一連の短期間の衝撃の原因となり、振動信号の周波数スペクトルにある特定の周期性を持つ一続きのスパイクを生成し、そして、一続きのインパルスが検出できるような信号対雑音比の周波数帯域がある、と想定されている。これらの条件が検証されない場合、一続きのピークがそれ以上認識できない程不鮮明になる恐れがあったり、又は他の種類のノイズの中に隠れたりする可能性がある。サーボモータの一定回転速度の想定は自動機械の分野において厳しい制限であり、通常、多くのサーボモータは、電動カムとして採用され、作動要素の変速プロファイルを取得するために可変速度で動作する。可変速度に適応させる方法が採用されているが、かかる解決法も実装が複雑であり、また他の制限及び望ましくない仮定に関連付けられる可能性がある。

従って、改善された状態監視は有利であり、特に、上記の問題及び妥協の多くを回避することを可能にしており、故障予測の複雑ではない方法を提供すること、短い実行時間を有し、それによって実行中の解析を有効にすることを含んでおり、それにより、周期可動機械部品の時間のかからない強固なトラブルシューティングを可能にしている。

従って、本発明の実施例は、上で特定したような、当該技術における１つ以上の欠陥、欠点、又は問題を、添付特許請求の範囲に従う装置を提供することによって個々に又は任意の組み合わせで軽減、減少、又は解消するよう求めることが好ましい。

第１の態様によれば、周期可動機械部品の故障予測の方法が提供され、部品の動きの複数のサイクルのうちの各サイクルは各サイクルの間に測定可能な運動特性の値のデータ分布を生成する。方法は、各サイクルに対して、運動特性の前記データ分布を特定することと、データ分布における値の中心傾向の測定値を計算することと、各サイクルの間にわたるデータ分布の形状の定量化測定値を計算することと、条件パラメータの連結セットとして中心傾向の測定値を形状の前記定量化測定値と関連付けることと、周期可動部品の複数のサイクルに関連付けられる条件パラメータの複数の連結セットの分散度を特定することと、前記故障予測のために、分散度を分散閾値と比較するか、又は経時的な分散度の傾向を特定することとを含む。

第２の態様によれば、コンピュータプログラム製品は、プログラムがコンピュータによって実行されると、コンピュータに第１の態様による方法のステップを実行させる命令を備える。

第３の態様によれば、周期可動部品の故障を予測するよう構成される装置が開示され、部品の動きの複数のサイクルのうちの各サイクルは各サイクルの間に測定可能な運動特性の値のデータ分布を生成する。装置は、各サイクルに対して、運動特性の前記データ分布を特定し、データ分布における値の中心傾向の測定値を計算し、各サイクルの間にわたるデータ分布の形状の定量化測定値を計算し、条件パラメータの連結セットとして中心傾向の測定値を前記定量化測定値と関連付け、周期可動部品の複数のサイクルに関連付けられる条件パラメータの複数の連結セットの分散度を特定し、前記故障予測のために、分散度を分散閾値と比較するか、又は経時的な分散度の傾向を特定するよう構成される処理ユニットを備える。

本発明の更なる実施例は従属クレームにおいて定義され、本開示の第２及び第３の態様のための特徴は必要な変更を加えて第１の態様と同様である。

本開示の幾つかの実施例は、機械部品の故障を予測するための改善された方法を提供する。

本開示の幾つかの実施例は、機械部品の寿命の容易な予測を提供する。

本開示の幾つかの実施例は、機械部品のより予測可能で効率的な保守スケジュールを提供する。

本開示の幾つかの実施例は、短い実行時間を有し、それによって実行中の解析を可能にする故障予測の方法を提供する。

本開示の幾つかの実施例は、ベアリング、ベルト、モータ等の故障している周期可動機械部品を回避することを提供する。

本開示の幾つかの実施例は、周期可動機械部品の品質を評価するより効率的な方法を提供する。

本開示の幾つかの実施例は、周期可動機械部品の時間のかからないトラブルシューティングを提供する。

本開示の幾つかの実施例は、振動特性等の周期可動機械部品の測定可能な運動特性の改善された特性化を提供する。

本開示の幾つかの実施例は、周期可動機械部品を有する充填機等の機械における改善された状態監視を提供する。

この明細書に用いられる場合の用語「備える（ｃｏｍｐｒｉｓｅｓ／ｃｏｍｐｒｉｓｉｎｇ）」は、記載された特徴、整数、ステップ、又は構成部品の存在を指定するよう解釈されるが、１つ以上の他の特徴、整数、ステップ、構成部品、又はそれらの群の存在又は追加を排除するものではないことを強調する必要がある。

本発明の実施例が可能なこれら及び他の態様、特徴、及び利点は、添付図面を参照して、本発明の実施例の以下の説明から明らかとなり、説明される。

図１は、周期可動機械部品の運動特性のデータ分布を示す図であり、振動信号の振幅が１サイクルの間にわたってプロットされている。 図２ａは、条件パラメータの連結セットの図であり、各セット、すなわちデータ点は、本開示の一実施例による、２つの異なる時間に対する、図１のデータ分布の値の中心傾向の測定値対データ分布の形状の定量化測定値として特定される。 図２ｂは、時刻ｔ_２における図２ａの条件パラメータの連結セットの拡大図である。 図３ａ〜ｂは、図２ａ〜ｂの条件パラメータのセットのデータ点を囲む円の半径対２つの異なる機械部品に対する前述の円内に含まれるデータ点の百分率の図である。 図４ａ〜ｂは、図２ａ〜ｂの条件パラメータのセットのデータ点を囲む円の半径対２つの異なる機械部品に対する前述の円内に含まれるデータ点の百分率の図である。 図５は、本開示の一実施例による周期可動機械部品の故障予測の方法のフロー図である。 図６は、本開示の一実施例による周期可動機械部品の故障予測の方法のフロー図である。 図７は、本開示の一実施例による周期可動部品の故障を予測するよう構成される装置の略図である。

本発明の特定の実施例を、添付図面を参照して説明する。しかし、この発明は、多くの異なる形態で実施されてもよく、本明細書中に述べる実施例を制限するものとして解釈すべきではなく、むしろ、これらの実施例は、この開示が徹底し、完全であるように提供され、当業者に対して本発明の適用範囲を完全に伝える。添付図面に示された実施例の詳細な説明において用いられる用語は本発明の制限であることを目的としていない。図面において、同様の番号は同様の構成要素を指している。

図５は、周期可動機械部品の故障予測の方法１００のフロー図を示している。方法１００のステップが説明及び図示される順序は、制限するものとして解釈されるべきではなく、ステップを様々な順序で実行することができると考えられる。

このように、周期可動機械部品の故障予測の方法１００は提供される。この実施例において、部品の動きの複数のサイクルのうちの各サイクルは、各サイクルの間に測定可能な運動特性の値のデータ分布を生成する。図１は、機械部品の１サイクルにわたって得られる測定可能な運動特性の値の一例を示している。図１のデータ分布は、時間の関数としての、すなわち、１サイクルの間にわたる振動運動等の運動の振幅を示している。サイクルの他の様々な測定可能な運動特性は、１サイクル中の機械部品の運動を説明するトルク若しくはその他の力、速度、又は加速度の値等、方法１００を実行する目的のために特定することができると考えられる。各サイクルに対して、方法１００は、運動特性のデータ分布を特定すること１０１、すなわち、例えば、上述の運動特性を検出するよう構成される様々な種類のセンサを採用することによって、図１の例に示すようなデータを検索することを含む。方法１００は、データ分布における値の中心傾向の測定値を計算すること１０２を含む。中心傾向の測定値は、統計理論内の用語の通常の意味に従って、すなわち、確率分布、例えば、図１の例に示すデータ分布の中心値又は標準値として解釈すべきである。方法１００は、更に、各サイクルの間にわたるデータ分布の形状の定量化測定値を計算すること１０３を含む。また、データ分布の形状は、統計理論内の用語の通常の意味に従って解釈すべきであり、すなわち、図１のデータ分布の裾の特性、例えば、分布の裾がどれだけ広いか又は薄いか等のかかるデータ分布の曲率の形状を説明しており、これはデータ点のアウトライアーの数、すなわち、データ分布の中心付近のメイン分布から遠く離れたデータ点の数によって影響を受ける。方法１００は、条件パラメータの連結セットとして中心傾向の測定値を形状の前記定量化測定値と関連付けること１０４を含む。すなわち、各サイクルに対して、条件パラメータのセットが特定され、各セットは、中心傾向の測定値及びデータ分布の形状の定量化測定値を備えるデータ点の対である。図２ａ〜ｂは、各データ点（実線の小さな円）が条件パラメータの連結セットに対応する略図である。データ分布の形状の定量化測定値を縦軸（Ｋ）に示し、中心傾向の測定値を横軸（Ｍ）に示す。方法１００は、周期可動部品の複数のサイクルに関連付けられる条件パラメータの複数の連結セットの分散度を特定すること１０５を含む。分散は、条件パラメータの連結セットのそれぞれが互いにどれだけ離れているかを示している。図２ａの例において、条件パラメータの複数の連結セットが２つの時点ｔ_１及びｔ_２について特定されている。時間ｔ_２において、分散度は時間ｔ_１よりも大きい。方法１００は、前記故障予測のために、例えば時間ｔ_２における分散度を分散閾値と比較すること１０６を含む。超過した閾値は、従って、周期可動機械部品の増加した摩耗を示している可能性がある。代替として、経時的な分散度の傾向は、前記故障予測のために特定することができる１０７。例えば、ｔ_１からｔ_２に向かう増加した分散の傾向は、周期可動機械部品の増加した摩耗を示している可能性がある。

従って、条件パラメータの連結セットとして中心傾向の測定値を形状の定量化測定値と関連付けること１０４、及び複数のサイクルに対してその分散度を特定することによって、増加した摩耗、すなわち略故障している機械部品の容易にされた、且つ信頼性のある表示を、部品の運動特性の複雑な周波数分析を必要とせずに、取得することができる。かかる従来の周波数分析で行われている様々な仮定は、従って、不要であり、本開示で説明する故障予測の方法を採用して、多種多様な用途で信頼性のある状態監視を実現することができる。方法１００は、短い実行時間を有する故障予測の方法を提供し、それにより、ベアリング、ベルト、モータ、及びそれらの関連部品等の周期可動機械部品の実行中の解析及び概して時間のかからないトラブルシューティングを可能にしている。かかる改善された故障予測は、高スループットを維持するために状態監視が重要となる高速生産ラインでの充填機及びその関連部品において特に有利である場合がある。

図６は、周期可動機械部品の故障予測の方法１００の更なるフロー図を示している。方法１００のステップが説明及び図示される順序は、制限するものとして解釈されるべきではなく、ステップを様々な順序で実行することができると考えられる。

データ分布における値の中心傾向の測度値を計算すること１０２は、相加平均、及び／又は相乗平均、及び／又は調和平均、及び／又は平方平均（ＲＭＳ）等の一般化平均等の平均値、及び／又は中央値若しくは最頻値等のデータ分布の中心傾向の他の測定値、及び／又はその異なる重み付け及び／又は切り捨てられた変量を計算すること１０２’を含んでいてもよい。方法１００は、採用される中心傾向の特定の測定値に応じて、様々な用途に最適化されてもよい。効率的な状態監視及び故障予測が、これによって、様々な用途及び運動特性に対して実現することができる。

データ分布の形状の定量化測定値を計算すること１０３は、中心傾向の測定値付近の測定された運動特性の分布の測定値を計算すること１０３’を含んでいてもよい。従って、中心傾向の測定値付近のデータ分布の形状が特定され、その後、特定のサイクルに対する連結された条件パラメータのセットを提供するために後者と関連付けられる。

中心傾向の測定値付近の測定された運動特性の分布の測定値を計算することは、標準正規分布からの偏差の測定値を計算すること１０３’’を含んでいてもよい。これは、データ分布の形状が標準正規分布とどのように異なるか、例えば、分布の裾が太い場合、すなわち、中心傾向の測定値に向かってより集中している場合、又はより細い裾の場合、すなわち、中心傾向の測定値付近に大きな広がりを持つより均一な「薄型」分布の場合の測定値を提供する。データ分布の形状は、従って、その全体の形状に関連して分布の裾の形状を説明する測定値と見なすことができる。

データ分布の形状の定量化測定値を計算することは、データ分布の尖度値を計算すること１０３’’’を含んでいてもよい。従って、尖度はデータ分布の形状のかかる測定値である。通常、データのセットによって表示できる３つのカテゴリの尖度がある。尖度の全ての測定値は、標準正規分布すなわち釣鐘曲線と比較できる。尖度の第１のカテゴリは中尖分布である。この種類の尖度は、釣鐘曲線にも似ているという点で標準正規分布に最も類似している。ただし、中尖であるグラフは、標準正規分布よりも太い裾を有し、僅かに低いピークを有する。この種類の尖度は正規分布と見なされるが、標準正規分布ではない。第２のカテゴリは急尖分布である。急尖であるいずれかの分布も、中尖分布よりも大きい尖度を示す。この種類の分布の特徴は、より厚い裾及び実質的に薄くて高いピークを有するものである。他の種類の分布は緩尖分布である。これらの種類の分布は、細長い裾及び中尖分布よりも小さいピークを有する。データ分布の形状の他の測定値は、データのセットにおける正規分布から非対称性を表す歪度のように特定されてもよい。方法１００は、従って、採用されるデータ分布の形状の特定の測定値に応じて、様々な用途に最適化されてもよい。

運動特性は、周期可動部品の振動データを備えていてもよいが、前述のように、運動特性は、速度、加速度、トルク等のようなデータの他の種類又は組み合わせを備えていてもよい。

条件パラメータの複数の連結セットの分散度を特定すること１０５は、セット閾値分散内に含まれる条件パラメータの複数の連結セットの小部分を特定すること１０５’を含んでいてもよい。閾値分散は、特定の半径（Ｒ）を有する円として示されてもよく、所定量の条件パラメータの連結セット（すなわち、図２ａ〜ｂにおけるデータ点）が含まれているべきである。図２ａの例において、半径がｔ_２において増加されて増加した分散度に適応するため、１００％のデータ点が時刻ｔ_１及びｔ_２におけるそれぞれの円内に含まれている。しかし、半径がある期間にわたって固定されたままである場合、半径内に含まれるデータ点の小部分は減少する。図３ａの例において、半径（Ｒ）を縦軸に示し、それぞれの半径内に含まれているデータ点の小部分を、２つの異なる部品（それぞれ実線と破線）に対して横軸に示す。例えば、正常な部品のデータ点の７５％（実線）は約０．５の半径内に含まれている一方で、故障している部品のデータ点は２５％（破線）のみがこの半径（Ｒ）内に含まれている。これは、従って、故障している部品の条件パラメータの複数の連結セットの増加した分散を示している。単一の部品が図３ａに示されているが、２つの異なる時点（ｔ_１、ｔ_２）にあることも考えられる。従って、時間がｔ_１からｔ_２に進むにつれて、正常な部品は、０．５における半径内に含まれているデータ点（条件パラメータの連結セット）の小部分における大幅な減少と共に故障する。規定された半径内に含まれるべきデータ点の小部分における許容範囲は、従って、設定されてもよい。代替として、含まれるべきデータ点の固定小部分は、図３ｂに示すように、規定されてもよく、それぞれの半径は範囲内に入っている。この例において、データ点の７５％は０．５〜２．５の半径（Ｒ）の範囲内に入る。半径の許容範囲は、従って、規定されてもよい。

条件パラメータの複数の連結セットの分散度を特定することは、条件パラメータの複数の連結セットの分布の中心２０３と条件パラメータの各連結セットとの間の距離２０２、２０２’を特定すること１０５’’を含んでいてもよい。図２ｂは、２つの異なるデータ点、すなわち、条件パラメータの連結セットまでの距離２０２、２０２’が、分布の特定された中心２０３に関してどのように特定されているかを略図的に示している。距離は、従って、前述の点間のユークリッド距離であってもよい。しかし、データ点の分散の他の測定値が利用されてもよいことが考えられる。

分散度は、条件パラメータの連結セットの四分位範囲（ＩＱＲ、ＩＱＲ’）の広がりを計算すること１０５’’’によって特定されてもよい。図４ａ〜ｂは、四分位範囲の増加、すなわち、データ点の２５〜７５％が含まれる半径の範囲の広がりを示している。従って、図４ｂにおいて増加する分散のように、四分位範囲ＩＱＲ’が増加し、条件パラメータの連結セットの分散の有効な測定値を提供する。

プログラムがコンピュータによって実行されると、コンピュータに、図１〜６に関して上で説明したような方法１００のステップを実行させる命令を備えるコンピュータプログラム製品が提供される。

周期可動部品の故障を予測するよう構成される装置２００も提供される。上述のように、部品の動きの複数のサイクルのうちの各サイクルは、各サイクルの間に測定可能な運動特性の値のデータ分布を生成する。装置は、図７に略図で示す処理ユニット２０１を備え、各サイクルに対して、運動特性の前記データ分布を特定し１０１、データ分布における値の中心傾向の測定値を計算し１０２、各サイクルの間にわたるデータ分布の形状の定量化測定値を計算し１０３、条件パラメータの連結セットとして中心傾向の測定値を前記定量化測定値と関連付け１０４、周期可動部品の複数のサイクルに関連付けられる条件パラメータの複数の連結セットの分散度を特定し１０５、前記故障予測のために、分散度を分散閾値と比較する１０６か、又は経時的な分散度の傾向を特定する１０７よう構成されている。装置２００は、従って、図１〜６に関連する方法１００に関して上で説明したような有利な利点を提供する。すなわち、装置２００は、部品の運動特性の複雑な周波数分析を必要とせずに、増加した摩耗、すなわち略故障している機械部品の表示による容易で信頼性のある状態監視及び故障予測を提供する。

処理ユニット２０１は、相加平均、及び／又は相乗平均、及び／又は調和平均、及び／又は一般化平均等の平均値、及び／又は中央値若しくは最頻値等のデータ分布の中心傾向の他の測定値を計算すること１０２’によって、データ分布における値の中心傾向の測度値を計算するよう構成されてもよい。

処理ユニット２０１は、前記データ分布の尖度値を計算すること１０３’’’によって、前記データ分布の形状の定量化測定値を計算するよう構成されてもよい。

処理ユニット２０１は、セット閾値分散内に含まれる条件パラメータの複数の連結セットの小部分を計算すること１０５’によって、条件パラメータの複数の連結セットの分散度を特定するよう構成されてもよい。

処理ユニット２０１は、条件パラメータの複数の連結セットの分布の中心２０３と条件パラメータの各連結セットとの間の距離２０２、２０２’を計算すること１０５’’によって、条件パラメータの複数の連結セットの分散度を特定するよう構成されてもよい。

本発明を特定の実施例を参照して上で説明してきた。しかし、上で説明したもの以外の他の実施例は本発明の適用範囲内において等しく可能である。本発明の異なる特徴及びステップ同士は説明したそれら以外の他の組み合わせで組み合わされてもよい。本発明の適用範囲は添付の特許請求の範囲によってのみ制限される。

より一般には、当業者は、本明細書中で説明した全てのパラメータ、寸法、材料、及び構成が例示であることを意味し、実際のパラメータ、寸法、材料、及び／又は構成は本発明の教示が用いられる特定の用途又は複数の用途に依存することを、容易に正しく理解するであろう。

Claims (15)

1. 周期可動機械部品の故障予測の方法（１００）であって、前記部品の動きの複数のサイクルのうちの各サイクルは各サイクルの間に測定可能な運動特性の値のデータ分布を生成し、各サイクルに対して、
   前記運動特性の前記データ分布を特定すること（１０１）と、
   前記データ分布における前記値の中心傾向の測定値を計算すること（１０２）と、
   各サイクルの間にわたる前記データ分布の形状の定量化測定値を計算すること（１０３）と、
   条件パラメータの連結セットとして中心傾向の前記測定値を前記形状の前記定量化測定値と関連付けること（１０４）と、
   前記周期可動部品の動きの複数のサイクルに関連付けられる条件パラメータの複数の連結セットの分散度を特定すること（１０５）と、
   前記故障予測のために、前記分散度を分散閾値と比較すること（１０６）、又は経時的な前記分散度の傾向を特定すること（１０７）と、を含む、
   方法（１００）。
2. 前記データ分布における前記値の中心傾向の測定値を計算することは、
   相加平均、及び／又は相乗平均、及び／又は調和平均、及び／又は一般化平均等の平均値、及び／又は中央値若しくは最頻値等の前記データ分布の中心傾向の他の測定値を計算すること（１０２’）を含む、
   請求項１に記載の方法。
3. 前記データ分布の形状の定量化測定値を計算することは、
   中心傾向の前記測定値付近の前記測定された運動特性の分布の測定値を計算すること（１０３’）を含む、
   請求項１又は２に記載の方法。
4. 中心傾向の前記測定値付近の前記測定された運動特性の分布の測定値を計算することは、
   標準正規分布からの偏差の測定値を計算すること（１０３’’）を含む、
   請求項３に記載の方法。
5. 前記データ分布の形状の定量化測定値を計算することは、
   前記データ分布の尖度値を計算すること（１０３’’’）を含む、
   請求項１〜４のいずれか一項に記載の方法。
6. 前記運動特性は前記周期可動部品の振動データを備える、請求項１〜５のいずれか一項に記載の方法。
7. 条件パラメータの前記複数の連結セットの分散度を特定することは、
   セット閾値分散内に含まれる条件パラメータの前記複数の連結セットの小部分を特定すること（１０５’）を含む、
   請求項１〜６のいずれか一項に記載の方法。
8. 条件パラメータの前記複数の連結セットの分散度を特定することは、
   条件パラメータの前記複数の連結セットの分布の中心（２０３）と条件パラメータの各連結セットとの間の距離（２０２、２０２’）を特定すること（１０５’’）を含む、
   請求項１〜７のいずれか一項に記載の方法。
9. 前記分散度は、条件パラメータの前記連結セットの四分位範囲（ＩＱＲ、ＩＱＲ’）の広がりを計算すること（１０５’’’）によって特定される、請求項１〜８のいずれか一項に記載の方法。
10. プログラムがコンピュータによって実行されると、前記コンピュータに請求項１〜９のいずれか一項に記載の方法のステップを実行させる命令を備えるコンピュータプログラム製品。
11. 周期可動部品の故障を予測するよう構成される装置（２００）であって、前記部品の動きの複数のサイクルのうちの各サイクルは各サイクルの間に測定可能な運動特性の値のデータ分布を生成し、各サイクルに対して、
    前記運動特性の前記データ分布を特定し（１０１）、
    前記データ分布における前記値の中心傾向の測定値を計算し（１０２）、
    各サイクルの間にわたる前記データ分布の形状の定量化測定値を計算し（１０３）、
    条件パラメータの連結セットとして中心傾向の前記測定値を前記定量化測定値と関連付け（１０４）、
    前記周期可動部品の複数のサイクルに関連付けられる条件パラメータの複数の連結セットの分散度を特定し（１０５）、
    前記故障予測のために、前記分散度を分散閾値と比較する（１０６）か、又は経時的な前記分散度の傾向を特定する（１０７）よう構成される処理ユニット（２０１）を備える、
    装置（２００）。
12. 前記処理ユニットは、相加平均、及び／又は相乗平均、及び／又は調和平均、及び／又は一般化平均等の平均値、及び／又は中央値若しくは最頻値等の前記データ分布の中心傾向の他の測定値を計算すること（１０２’）によって、前記データ分布における前記値の中心傾向の前記測度値を計算するよう構成される、請求項１１に記載の装置。
13. 前記処理ユニットは、前記データ分布の尖度値を計算すること（１０３’’’）によって、前記データ分布の形状の定量化測定値を計算するよう構成される、請求項１１又は１２に記載の装置。
14. 前記処理ユニットは、セット閾値分散内に含まれる条件パラメータの前記複数の連結セットの小部分を計算すること（１０５’）によって、条件パラメータの前記複数の連結セットの前記分散度を特定するよう構成される、請求項１０〜１３のいずれか一項に記載の装置。
15. 前記処理ユニットは、条件パラメータの前記複数の連結セットの分布の中心（２０３）と条件パラメータの各連結セットとの間の距離（２０２、２０２’）を計算すること（１０５’’）によって、条件パラメータの前記複数の連結セットの分散度を特定するよう構成される、請求項１０〜１４のいずれか一項に記載の装置。
    

Images