JP2022033094A - 修理支援システム、プログラム - Google Patents
修理支援システム、プログラム Download PDFInfo
- Publication number
- JP2022033094A JP2022033094A JP2020181759A JP2020181759A JP2022033094A JP 2022033094 A JP2022033094 A JP 2022033094A JP 2020181759 A JP2020181759 A JP 2020181759A JP 2020181759 A JP2020181759 A JP 2020181759A JP 2022033094 A JP2022033094 A JP 2022033094A
- Authority
- JP
- Japan
- Prior art keywords
- information
- repair
- unit
- failure
- storage unit
- 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.)
- Pending
Links
- 230000008439 repair process Effects 0.000 title claims abstract description 249
- 238000003860 storage Methods 0.000 claims abstract description 117
- 208000024891 symptom Diseases 0.000 claims abstract description 75
- 230000006870 function Effects 0.000 claims description 84
- 238000009795 derivation Methods 0.000 claims description 35
- 238000010801 machine learning Methods 0.000 claims description 17
- 238000013528 artificial neural network Methods 0.000 claims description 15
- 230000010365 information processing Effects 0.000 description 43
- 238000012423 maintenance Methods 0.000 description 20
- 238000004891 communication Methods 0.000 description 18
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 16
- 238000010586 diagram Methods 0.000 description 12
- 238000012790 confirmation Methods 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 8
- 238000003745 diagnosis Methods 0.000 description 8
- 238000002485 combustion reaction Methods 0.000 description 7
- 230000002354 daily effect Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000003825 pressing Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000009434 installation Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000002950 deficient Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
例えば、特許文献1に記載された技術は、以下のように構成されている。すなわち、顧客に対して、顧客情報データベース等から得られる顧客情報と修理情報データベース等から得られる修理情報とを用いて顧客要求の確認処理をし、部品情報データベースから得られる部品情報とマスターデータベースから得られる故障診断に関する情報とを用いて対象機器の故障診断処理を行うと共に、料金情報データベースから得られる料金情報を用いて顧客からの修理の受付処理を行う故障診断修理依頼サイトを提供する。
本発明は、故障部位を精度高く推定することができる修理支援システム等を提供することを目的とする。
ここで、前記推定部にて推定された前記故障部位から故障部品を予測する予測部を有しても良い。
また、前記予測部が予測した前記故障部品の修理に要する費用を導き出す費用導出部を有しても良い。
また、前記故障部品の次に故障する二次故障部品を予測する二次予測部をさらに有し、前記導出部は、前記故障部品と前記二次故障部品の修理に要する合計費用を導き出しても良い。
また、前記故障部品の次に故障する二次故障部品及び当該二次故障部品が故障する時期を予測する二次予測部を有しても良い。
また、かかる目的のもと完成させた本発明は、機器の製品名及び症状に関する第1情報と、当該機器の品質に関する情報又は顧客に関する情報の少なくともいずれかの第2情報と、当該第1情報及び当該第2情報と関連付けて記憶された当該機器の故障部位とを用いて機械学習されることにより得た学習済みモデルを記憶する記憶部と、修理依頼の情報を受け付ける受付部と、前記受付部が受け付けた前記修理依頼があった前記機器に関する前記第1情報及び前記第2情報と、前記学習済みモデルとにより当該機器の故障部位を推定する推定部と、を備えることを特徴とする修理支援システムである。
ここで、前記推定部にて推定された前記故障部位から故障部品を予測する予測部を有しても良い。
また、前記予測部が予測した前記故障部品の修理に要する費用を導き出す費用導出部を有しても良い。
また、前記予測部が予測した前記故障部品の修理が完了するまでの時間を導き出す時間導出部を有しても良い。
また、前記故障部品の次に故障する二次故障部品及び当該二次故障部品が故障する時期を予測する二次予測部を有しても良い。
また、かかる目的のもと完成させた本発明は、コンピュータに、機器の製品名及び症状に関する第1情報と、当該機器の品質に関する情報又は顧客に関する情報の少なくともいずれかの第2情報と、当該機器の故障部位とを関連付けた修理情報を記憶部に記憶する機能と、修理依頼の情報を受け付ける機能と、受け付けた前記修理依頼があった前記機器に関する前記第1情報及び前記第2情報と、前記記憶部に記憶された前記修理情報とに基づいて、当該機器の故障部位を推定する機能と、を実現させるプログラムである。
また、かかる目的のもと完成させた本発明は、コンピュータに、機器の製品名及び症状に関する第1情報と、当該機器の品質に関する情報又は顧客に関する情報の少なくともいずれかの第2情報と、当該第1情報及び当該第2情報と関連付けられた当該機器の故障部位とを用いて機械学習されることにより得た学習済みモデルを記憶部に記憶する機能と、修理依頼の情報を受け付ける機能と、受け付けた前記修理依頼があった前記機器に関する前記第1情報及び前記第2情報と、前記記憶部に記憶された前記学習済みモデルとに基づいて、当該機器の故障部位を推定する機能と、を実現させるプログラムである。
また、かかる目的のもと完成させた本発明は、コンピュータに、機器の故障部位を記憶部に記憶する機能と、前記故障部位が故障した際の前記機器の症状を、当該故障部位と関連付けて前記記憶部に記憶する機能と、前記記憶部に記憶された前記機器の症状と、前記記憶部に記憶された前記故障部位のうち当該症状の原因となった当該故障部位との関係をニューラルネットワークに機械学習させることで学習済みモデルを作成する作成機能と、前記症状を受信した場合、前記学習済みモデルを利用して、当該症状の原因となった前記故障部位を推定する推定機能と、を実現させるプログラムである。
ここで、前記作成機能は、前記ニューラルネットワークの入力層に、前記症状及び前記機器の製品名に関する第1情報と、前記機器の品質に関する情報又は当該機器の所有者の情報の少なくともいずれかの第2情報とを入力し、当該ニューラルネットワーク出力層に前記故障部位を与え、前記推定機能は、修理依頼の対象機器の製品名及び症状と、当該修理依頼をしてきた顧客に関する情報と、前記学習済みモデルとを用いて前記故障部位を推定しても良い。
<第1の実施形態>
図1は、第1の実施形態に係る修理支援システム1の概略構成の一例を示す図である。
修理支援システム1は、顧客から修理の依頼を受け付けるメンテナンス業者Mが有する情報処理装置10と、情報処理装置10からの要求に応じて依頼された修理対象の機器の故障部位の推定等を行うサーバ装置20とを備えている。また、修理支援システム1は、顧客に関する情報を記憶するデータベースサーバ40を備えている。
データベースサーバ40は、顧客に関する情報を記憶する記憶部41を有する。顧客に関する情報としては、顧客番号、氏名、住所、住居の築年数、所有機器に関する情報、契約情報(例えば床暖房を契約しているか等の情報)であることを例示することができる。
品質に関する情報は、修理履歴、当該機器の内部に設けられたメモリに記憶されたエラー発報履歴であることを例示することができる。
図2は、情報処理装置10の概略構成の一例を示す図である。
情報処理装置10は、装置全体を制御する制御部11と、データ等の記憶に用いられる記憶部12と、操作受付画面や画像の表示に使用される表示部13と、ユーザの入力操作を受け付ける操作部14と、外部装置との通信に用いられる通信部15とを備えている。これら制御部11、記憶部12、表示部13、操作部14、通信部15は、バス16にて接続されている。
表示部13は、液晶ディスプレイや有機ELディスプレイであることを例示することができる。
操作部14は、キーボード、ボタン、スイッチ、タッチパネルであることを例示することができる。
通信部15は、通信インターフェース(通信I/F)であることを例示することができる。
以上のように構成された情報処理装置10は、ノートPC、デスクトップPC、タブレットPC、タブレット端末、携帯情報端末(PDA)、多機能携帯電話(所謂「スマートフォン」)、携帯電話(所謂「フィーチャーフォン」)等であることを例示することができる。
また、受信部111は、サーバ装置20から、故障部位や予測した故障部品についての情報を受信する。
また、表示制御部113は、ユーザによる操作部14を介した操作に基づいて、修理対象の機器の故障部位の推定依頼に関する画面を表示部13に表示させる。
図4は、表示部13に表示された推定依頼画面140の一例を示す図である。
表示制御部113は、ユーザが操作部14を介して、予め定められた操作を行った場合には、図3(a)に例示した顧客検索画面120を表示部13に表示させる。表示制御部113は、顧客検索画面120に、顧客の氏名を入力するための氏名入力欄121を表示させる。また、表示制御部113は、顧客検索画面120に、検索の実行を受け付ける「検索実行」と記載された検索実行画像122を表示させる。
なお、検索実行画像122を押すとは、検索実行画像122にカーソルが合わせられた状態でマウスの左ボタンを押すこと、言い換えればクリックすること、又は、タッチパネル上に表示された検索実行画像122を指で触ることを例示することができる。他の画像を押す場合も同様である。
導出部114については後で詳述する。
図5は、サーバ装置20の概略構成の一例を示す図である。
サーバ装置20は、装置全体を制御する制御部21と、データ等の記憶に用いられる記憶部22と、操作受付画面や画像の表示に使用される表示部23と、ユーザの入力操作を受け付ける操作部24と、外部装置との通信に用いられる通信部25とを備えている。これら制御部21、記憶部22、表示部23、操作部24、通信部25は、バス26にて接続されている。
記憶部22は、半導体メモリやHDD等の記憶装置であることを例示することができる。
表示部23は、静止画像や動画像等を表示するディスプレイ装置である。液晶ディスプレイや有機ELディスプレイであることを例示することができる。
操作部24は、ユーザからの操作を受け付ける入力装置である。ボタン、スイッチ、タッチパネルであることを例示することができる。
通信部25は、通信インターフェース(通信I/F)であることを例示することができる。
受信部211は、情報処理装置10から送信されてきた情報を受信する。例えば、受信部211は、メンテナンス業者Mが受けた修理依頼の情報、その修理に対してメンテナンス業者Mが対処した内容の情報等を受信する。そして、受信部211は、受信した修理に関する修理情報を記憶部22に記憶する。
また、受信部211は、情報処理装置10から送信されてきた、メンテナンス業者Mからの故障部位の推定の依頼を受ける。
記憶部22には、情報処理装置10から送られてきた、メンテナンス業者Mが行った機器の修理に関する情報が記憶されている。
修理情報として、図6に示すように、修理を受け付けた受付番号、受付日、修理完了日、故障した機器の製品名、症状、メーカ名、型名、顧客に関する情報、メンテナンス業者Mの番号、経過年数、故障診断シートの情報、使用可能な機能、故障部位、故障部品、対処内容、故障原因、修理費用等が関連付けて記憶されている。その他、修理情報として、故障した機器の異常音のイメージ、におい、湯温、湯量、気温、風量等の触感情報が関連付けて記憶されていても良い。
顧客に関する情報は、上述した、データベースサーバ40が記憶する顧客に関する情報と同様に、顧客番号、氏名、住所、住居の築年数、所有機器に関する情報、契約情報であることを例示することができる。
経過年数は、当該機器を使用し始めてから経過した年数である。なお、当該機器を製造した日から経過した年数も記憶しても良い。
故障診断シートの情報は、リモコンに表示される番号の情報であることを例示することができる。あるいは、故障診断シートに記載された、例えば、燃焼ファン異常、機能停止等の故障内容であっても良い。
故障部品は、故障した部品の意味であり、例えば、ファンモータ、電装基盤、熱交換器であることを例示することができる。
対処内容は、故障に対して行った処理の内容であり、例えば、故障した部品を交換した部品交換、故障した機器を新たな機器に替えた買い替え、部品を交換することなく当該部品の位置を正しい位置にした取り付け直し、部品を交換することなく当該部品を修理した修理等であることを例示することができる。
推定部214は、受信部211が受信した、情報処理装置10の送信部115が送信してきた修理対象の機器の製品名及び症状に関する情報、当該機器に関する情報、及び、修理を依頼してきた顧客に関する情報と、記憶部22に記憶された修理情報とに基づいて、故障部位を推定する。
また、推定部214は、記憶部22に予め記憶された、修理対象の機器のメーカ名及び型式、症状、使用履歴、気象情報等をパラメータとする多次元マップや予め定められた関数に基づいて、故障部位を推定しても良い。あるいは、修理対象の機器を構成する部位毎に、今回の故障部位である確率を推定しても良い。
予測部215は、記憶部22に記憶された修理情報に基づいて、推定部214が推定した故障部位から、故障したであろう故障部品を予測する。記憶部22には、故障部位に関連付けて故障部品が記憶されている。予測部215は、例えば、推定部214が推定した故障部位に関連付けて記憶部22に記憶されている各故障部品の数をカウントするとともに、最もカウント数が多い故障部品を、今回の故障部品として予測することを例示することができる。なお、予測部215は、カウント数が多い故障部品の順に、今回の故障部品である確率が高いと予測しても良い。
なお、予測部215は、推定部214が推定した故障部位に関連付けて記憶部22に記憶されている各故障部品の数をカウントするとともに、カウント数が多い故障部品の順に、今回の故障部品である確率が高いと予測しても良い。
図7は、記憶部22に記憶された二次情報の一例を示す図である。
二次予測部216は、予測部215が予測した故障部品と、記憶部22に記憶された図7に例示した二次情報とに基づいて、二次故障部品を予測する。二次情報は、機器毎に、故障部品と、当該故障部品の次に故障した部品(二次故障部品)とを関連付けて記憶した情報である。二次情報には、故障部品の名称、メーカ名、型名、当該故障部品の修理依頼の受付日、修理日が含まれる。また、二次情報には、二次故障部品の修理依頼の受付日、故障部品の修理依頼の受付日から二次故障部品の修理依頼の受付日までの経過日数、1日当たりの使用時間及び使用回数が含まれる。
故障予想日=受付日+経過日数の平均値/α・・・(1)
送信部212は、推定部214が推定した故障部位、予測部215が予測した故障部品、二次予測部216が予測した二次故障部品の情報を含んだ推定結果情報を、情報処理装置10に送信する。言い換えれば、送信部212は、情報処理装置10が表示部13に後述する推定結果画面150を表示可能な情報を情報処理装置10に対して送信する。
図8は、情報処理装置10の表示部13に表示された推定結果画面150の一例を示す図である。図8には、故障部位として考えられる部位を、確率が高い順に示した場合を例示している。
情報処理装置10の表示制御部113は、サーバ装置20から受信した推定結果情報を表示した推定結果画面150を表示部13に表示する。表示制御部113は、推定結果画面150に、故障していると推定される部位と、当該部位が故障している確率(以下、「部位確率」と称する場合がある。)とを、当該確率が高い順に複数(図8においては3位まで)表示する。図8に例示した推定結果画面150においては、燃焼ファンが故障している確率が55.8%、ガス圧力調整が故障している確率が18.3%、電装基盤が故障している確率が9.5%であることを示している。
次に、情報処理装置10の制御部11の導出部114について説明する。
導出部114は、予測部215が予測した故障部品の修理に要する修理費用を導き出す。導出部114は、受信部111が受信した、予測部215が予測した故障部品を取り外して新たに取り付ける新規部品の単価、当該新規部品を取り付ける作業を行うのに要する作業費用等を考慮して、修理費用を導き出す。導出部114は、予め定められた式に、新規部品の単価や作業費用を代入することにより修理費用を導き出すことを例示することができる。
また、導出部114は、現在使用している機器を新しく買い換えた場合の購入費用を導き出す。かかる場合、導出部114は、現在使用している型名と全く同じ型名の商品を購入した場合の費用を導き出すことを例示することができる。ただし、導出部114は、現在使用している型名の商品が販売終了となっている場合には、当該商品の後継商品、又は、現在使用している商品と同じ性能の商品を購入した場合の費用を導き出しても良い。
また、導出部114は、今回の修理の依頼のケースにおいて、他の人がどのぐらいの割合で対象の機器を買い換えているかを導出しても良い。
また、修理支援システム1は、予測部215が予測した故障部品の修理に要する費用を導き出す費用導出部の一例としての導出部114を有する。この修理支援システム1によれば、精度高い、修理に必要な費用を、顧客に認識させることが可能になる。これにより、1回目の訪問の際に、例えば、故障した部品を修理する場合の費用と、故障した機器を新たな機器に買い替える場合の費用とを比較し易くすることができる。
このようなプログラムを供給するための記録媒体としては、例えば、フレキシブルディスク、CD-ROM、DVD-ROM、ハードディスク、光ディスク、光磁気ディスク、CD-R、磁気テープ、不揮発性のメモリカード、ROMを例示することができる。
図9は、第2の実施形態に係るサーバ装置30の概略構成の一例を示す図である。
第2の実施形態に係る修理支援システム2は、上記情報処理装置10及びデータベースサーバ40と、情報処理装置10からの要求に応じて依頼された修理対象の機器の故障部位の推定等を行うサーバ装置30とを備えている。サーバ装置30は、第1の実施形態に係るサーバ装置20に対して、所謂人工知能(AI)を用いて故障部位を推定する点が異なる。以下、サーバ装置30について、主にサーバ装置20と異なる点について説明する。サーバ装置20とサーバ装置30とで、同じ機能を有するものについては同じ符号を付し、その詳細な説明は省略する。
なお、推定部314は、情報を学習済みモデルに入力する際には、予め定められた形式のデータに変換した後に入力する。
また、作成部313が入力層に入力する情報の中には使用可能な機能の情報が含まれる。そして、推定部314が、今回修理対象の機器の使用可能な機能を学習済みモデルに入力することで故障部位を推定する。これにより、より精度高く故障部位を推定することが可能となる。
また、修理支援システム2は、予測部215が予測した故障部品の修理に要する費用を導き出す費用導出部の一例としての導出部114を有する。この修理支援システム2によれば、精度高い、修理に必要な費用を、顧客に認識させることが可能になる。これにより、1回目の訪問の際に、例えば、故障した部品を修理する場合の費用と、故障した機器を新たな機器に買い替える場合の費用とを比較し易くすることができる。
ここで、前記推定部にて推定された前記故障部位から故障部品を予測する予測部を有しても良い。
また、前記予測部が予測した前記故障部品の修理に要する費用を導き出す費用導出部を有しても良い。
また、前記故障部品の次に故障する二次故障部品を予測する二次予測部をさらに有し、前記導出部は、前記故障部品と前記二次故障部品の修理に要する合計費用を導き出しても良い。
また、前記故障部品の次に故障する二次故障部品及び当該二次故障部品が故障する時期を予測する二次予測部を有しても良い。
また、かかる目的のもと完成させた本発明は、機器の製品名及び症状に関する第1情報と、当該機器の品質に関する情報及び顧客に関する情報を含む第2情報と、当該第1情報及び当該第2情報と関連付けて記憶された当該機器の故障部位とを用いて機械学習されることにより得た学習済みモデルを記憶する記憶部と、修理依頼の情報を受け付ける受付部と、前記受付部が受け付けた前記修理依頼があった前記機器に関する前記第1情報及び前記第2情報と、前記学習済みモデルとにより当該機器の故障部位を推定する推定部と、を備えることを特徴とする修理支援システムである。
ここで、前記推定部にて推定された前記故障部位から故障部品を予測する予測部を有しても良い。
また、前記予測部が予測した前記故障部品の修理に要する費用を導き出す費用導出部を有しても良い。
また、前記予測部が予測した前記故障部品の修理が完了するまでの時間を導き出す時間導出部を有しても良い。
また、前記故障部品の次に故障する二次故障部品及び当該二次故障部品が故障する時期を予測する二次予測部を有しても良い。
また、かかる目的のもと完成させた本発明は、コンピュータに、機器の製品名及び症状に関する第1情報と、当該機器の品質に関する情報及び顧客に関する情報を含む第2情報と、当該機器の故障部位とを関連付けた修理情報を記憶部に記憶する機能と、修理依頼の情報を受け付ける機能と、受け付けた前記修理依頼があった前記機器に関する前記第1情報及び前記第2情報と、前記記憶部に記憶された前記修理情報とに基づいて、当該機器の故障部位を推定する機能と、を実現させるプログラムである。
また、かかる目的のもと完成させた本発明は、コンピュータに、機器の製品名及び症状に関する第1情報と、当該機器の品質に関する情報及び顧客に関する情報を含む第2情報と、当該第1情報及び当該第2情報と関連付けられた当該機器の故障部位とを用いて機械学習されることにより得た学習済みモデルを記憶部に記憶する機能と、修理依頼の情報を受け付ける機能と、受け付けた前記修理依頼があった前記機器に関する前記第1情報及び前記第2情報と、前記記憶部に記憶された前記学習済みモデルとに基づいて、当該機器の故障部位を推定する機能と、を実現させるプログラムである。
また、かかる目的のもと完成させた本発明は、コンピュータに、機器の故障部位を記憶部に記憶する機能と、前記故障部位が故障した際の前記機器の症状を、当該故障部位と関連付けて前記記憶部に記憶する機能と、前記記憶部に記憶された前記機器の症状と、前記記憶部に記憶された前記故障部位のうち当該症状の原因となった当該故障部位との関係をニューラルネットワークに機械学習させることで学習済みモデルを作成する作成機能と、前記症状を受信した場合、前記学習済みモデルを利用して、当該症状の原因となった前記故障部位を推定する推定機能と、を実現させ、前記作成機能は、前記ニューラルネットワークの入力層に、前記症状及び前記機器の製品名に関する第1情報と、前記機器の品質に関する情報及び顧客に関する情報を含む第2情報とを入力し、当該ニューラルネットワーク出力層に前記故障部位を与え、前記推定機能は、修理依頼の対象機器の製品名及び症状と、当該修理依頼をしてきた顧客に関する情報と、前記学習済みモデルとを用いて前記故障部位を推定するプログラムである。
ここで、前記推定部にて推定された前記故障部位から故障部品を予測する予測部を有しても良い。
また、前記予測部が予測した前記故障部品の修理に要する費用を導き出す費用導出部を有しても良い。
また、前記予測部が予測した前記故障部品の修理が完了するまでの時間を導き出す時間導出部を有しても良い。
また、前記故障部品の次に故障する二次故障部品及び当該二次故障部品が故障する時期を予測する二次予測部を有しても良い。
また、かかる目的のもと完成させた本発明は、機器の製品名及び症状に関する第1情報と、顧客に関する情報を含む第2情報と、当該第1情報及び当該第2情報と関連付けて記憶された当該機器の故障部位とを用いて機械学習されることにより得た学習済みモデルを記憶する記憶部と、修理依頼の情報を受け付ける受付部と、前記受付部が受け付けた前記修理依頼があった前記機器の前記製品名及び前記症状に関する情報と、当該修理依頼を行った顧客に関する情報と、前記学習済みモデルとにより当該機器の故障部位を推定する推定部と、を備え、前記学習済みモデルは、入力層に気象情報が入力されることで作成され、前記推定部は、前記気象情報を前記学習済みモデルに入力することで前記故障部位を推定することを特徴とする修理支援システムである。
ここで、前記推定部にて推定された前記故障部位から故障部品を予測する予測部を有しても良い。
また、前記予測部が予測した前記故障部品の修理に要する費用を導き出す費用導出部を有しても良い。
また、前記予測部が予測した前記故障部品の修理が完了するまでの時間を導き出す時間導出部を有しても良い。
また、前記故障部品の次に故障する二次故障部品及び当該二次故障部品が故障する時期を予測する二次予測部を有しても良い。
また、かかる目的のもと完成させた本発明は、コンピュータに、機器の製品名及び症状に関する情報と、顧客に関する情報と、当該機器の故障部位とを関連付けた修理情報を記憶部に記憶する機能と、修理依頼の情報を受け付ける機能と、受け付けた前記修理依頼があった前記機器の前記製品名及び前記症状に関する情報と、当該修理依頼を行った顧客に関する情報と、前記記憶部に記憶された前記修理情報とに基づいて、当該機器の故障部位を推定する機能と、を実現させ、前記修理情報として、気象情報を含む故障原因が前記故障部位と紐付けられており、前記推定する機能は、前記気象情報を考慮して前記故障部位を推定するプログラムである。
また、かかる目的のもと完成させた本発明は、コンピュータに、機器の製品名及び症状に関する第1情報と、顧客に関する情報を含む第2情報と、当該第1情報及び当該第2情報と関連付けられた当該機器の故障部位とを用いて機械学習されることにより得た学習済みモデルを記憶部に記憶する機能と、修理依頼の情報を受け付ける機能と、受け付けた前記修理依頼があった前記機器の前記製品名及び前記症状に関する情報と、当該修理依頼を行った顧客に関する情報と、前記記憶部に記憶された前記学習済みモデルとに基づいて、当該機器の故障部位を推定する機能と、を実現させ、前記学習済みモデルは、入力層に気象情報が入力されることで作成され、前記推定する機能は、前記気象情報を前記学習済みモデルに入力することで前記故障部位を推定するプログラムである。
また、かかる目的のもと完成させた本発明は、コンピュータに、機器の故障部位を記憶部に記憶する機能と、前記故障部位が故障した際の前記機器の症状を、当該故障部位と関連付けて前記記憶部に記憶する機能と、前記記憶部に記憶された前記機器の症状と、前記記憶部に記憶された前記故障部位のうち当該症状の原因となった当該故障部位との関係をニューラルネットワークに機械学習させることで学習済みモデルを作成する作成機能と、前記症状を受信した場合、前記学習済みモデルを利用して、当該症状の原因となった前記故障部位を推定する推定機能と、を実現させ、前記作成機能は、前記ニューラルネットワークの入力層に、前記症状及び前記機器の製品名に関する情報と、顧客に関する情報とを入力し、当該ニューラルネットワークの出力層に前記故障部位を与え、前記推定機能は、修理依頼の対象機器の製品名及び症状と、当該修理依頼をしてきた顧客に関する情報と、前記学習済みモデルとを用いて前記故障部位を推定し、前記作成機能は、前記入力層に気象情報を入力し、前記推定機能は、前記気象情報を前記学習済みモデルに入力することで前記故障部位を推定するプログラムである。
Claims (14)
- 機器の製品名及び症状に関する第1情報と、当該機器の品質に関する情報又は顧客に関する情報の少なくともいずれかの第2情報と、当該機器の故障部位とを紐付けた修理情報を記憶する記憶部と、
修理依頼の情報を受け付ける受付部と、
前記受付部が受け付けた前記修理依頼があった前記機器に関する前記第1情報及び前記第2情報と、前記記憶部に記憶された前記修理情報とに基づいて、当該機器の故障部位を推定する推定部と、
を備えることを特徴とする修理支援システム。 - 前記推定部にて推定された前記故障部位から故障部品を予測する予測部を有する
請求項1に記載の修理支援システム。 - 前記予測部が予測した前記故障部品の修理に要する費用を導き出す費用導出部を有する
請求項2に記載の修理支援システム。 - 前記予測部が予測した前記故障部品の修理が完了するまでの時間を導き出す時間導出部を有する
請求項2又は3に記載の修理支援システム。 - 前記故障部品の次に故障する二次故障部品及び当該二次故障部品が故障する時期を予測する二次予測部を有する
請求項2から4のいずれか1項に記載の修理支援システム。 - 機器の製品名及び症状に関する第1情報と、当該機器の品質に関する情報又は顧客に関する情報の少なくともいずれかの第2情報と、当該第1情報及び当該第2情報と関連付けて記憶された当該機器の故障部位とを用いて機械学習されることにより得た学習済みモデルを記憶する記憶部と、
修理依頼の情報を受け付ける受付部と、
前記受付部が受け付けた前記修理依頼があった前記機器に関する前記第1情報及び前記第2情報と、前記学習済みモデルとにより当該機器の故障部位を推定する推定部と、
を備えることを特徴とする修理支援システム。 - 前記推定部にて推定された前記故障部位から故障部品を予測する予測部を有する
請求項6に記載の修理支援システム。 - 前記予測部が予測した前記故障部品の修理に要する費用を導き出す費用導出部を有する
請求項7に記載の修理支援システム。 - 前記予測部が予測した前記故障部品の修理が完了するまでの時間を導き出す時間導出部を有する
請求項7又は8に記載の修理支援システム。 - 前記故障部品の次に故障する二次故障部品及び当該二次故障部品が故障する時期を予測する二次予測部を有する
請求項7から9のいずれか1項に記載の修理支援システム。 - コンピュータに、
機器の製品名及び症状に関する第1情報と、当該機器の品質に関する情報又は顧客に関する情報の少なくともいずれかの第2情報と、当該機器の故障部位とを関連付けた修理情報を記憶部に記憶する機能と、
修理依頼の情報を受け付ける機能と、
受け付けた前記修理依頼があった前記機器に関する前記第1情報及び前記第2情報と、前記記憶部に記憶された前記修理情報とに基づいて、当該機器の故障部位を推定する機能と、
を実現させるプログラム。 - コンピュータに、
機器の製品名及び症状に関する第1情報と、当該機器の品質に関する情報又は顧客に関する情報の少なくともいずれかの第2情報と、当該第1情報及び当該第2情報と関連付けられた当該機器の故障部位とを用いて機械学習されることにより得た学習済みモデルを記憶部に記憶する機能と、
修理依頼の情報を受け付ける機能と、
受け付けた前記修理依頼があった前記機器に関する前記第1情報及び前記第2情報と、前記記憶部に記憶された前記学習済みモデルとに基づいて、当該機器の故障部位を推定する機能と、
を実現させるプログラム。 - コンピュータに、
機器の故障部位を記憶部に記憶する機能と、
前記故障部位が故障した際の前記機器の症状を、当該故障部位と関連付けて前記記憶部に記憶する機能と、
前記記憶部に記憶された前記機器の症状と、前記記憶部に記憶された前記故障部位のうち当該症状の原因となった当該故障部位との関係をニューラルネットワークに機械学習させることで学習済みモデルを作成する作成機能と、
前記症状を受信した場合、前記学習済みモデルを利用して、当該症状の原因となった前記故障部位を推定する推定機能と、
を実現させるプログラム。 - 前記作成機能は、前記ニューラルネットワークの入力層に、前記症状及び前記機器の製品名に関する第1情報と、前記機器の品質に関する情報又は当該機器の所有者の情報の少なくともいずれかの第2情報とを入力し、当該ニューラルネットワーク出力層に前記故障部位を与え、
前記推定機能は、修理依頼の対象機器の製品名及び症状と、当該修理依頼をしてきた顧客に関する情報と、前記学習済みモデルとを用いて前記故障部位を推定する
請求項13に記載のプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020181759A JP2022033094A (ja) | 2020-10-29 | 2020-10-29 | 修理支援システム、プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020181759A JP2022033094A (ja) | 2020-10-29 | 2020-10-29 | 修理支援システム、プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022033094A true JP2022033094A (ja) | 2022-02-28 |
Family
ID=80352029
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020181759A Pending JP2022033094A (ja) | 2020-10-29 | 2020-10-29 | 修理支援システム、プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2022033094A (ja) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002092206A (ja) * | 2000-09-12 | 2002-03-29 | Toshiba Corp | 家電機器の故障診断システム |
JP2002352022A (ja) * | 2001-05-25 | 2002-12-06 | Mitsubishi Electric Corp | 修理依頼処理システムおよび修理依頼処理方法 |
JP2004240673A (ja) * | 2003-02-05 | 2004-08-26 | Seiko Epson Corp | 修理見積もりシステムと修理見積もりプログラム |
JP2009053938A (ja) * | 2007-08-27 | 2009-03-12 | Toshiba Corp | 複数モデルに基づく設備診断システム及びその設備診断方法 |
JP2014018024A (ja) * | 2012-07-11 | 2014-01-30 | Chugoku Electric Power Co Inc:The | 配電線事故復旧支援システム |
JP2019144174A (ja) * | 2018-02-22 | 2019-08-29 | ファナック株式会社 | 故障診断装置及び機械学習装置 |
JP2020113165A (ja) * | 2019-01-16 | 2020-07-27 | 株式会社三葉電熔社 | 故障予測システム |
-
2020
- 2020-10-29 JP JP2020181759A patent/JP2022033094A/ja active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002092206A (ja) * | 2000-09-12 | 2002-03-29 | Toshiba Corp | 家電機器の故障診断システム |
JP2002352022A (ja) * | 2001-05-25 | 2002-12-06 | Mitsubishi Electric Corp | 修理依頼処理システムおよび修理依頼処理方法 |
JP2004240673A (ja) * | 2003-02-05 | 2004-08-26 | Seiko Epson Corp | 修理見積もりシステムと修理見積もりプログラム |
JP2009053938A (ja) * | 2007-08-27 | 2009-03-12 | Toshiba Corp | 複数モデルに基づく設備診断システム及びその設備診断方法 |
JP2014018024A (ja) * | 2012-07-11 | 2014-01-30 | Chugoku Electric Power Co Inc:The | 配電線事故復旧支援システム |
JP2019144174A (ja) * | 2018-02-22 | 2019-08-29 | ファナック株式会社 | 故障診断装置及び機械学習装置 |
JP2020113165A (ja) * | 2019-01-16 | 2020-07-27 | 株式会社三葉電熔社 | 故障予測システム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11747800B2 (en) | Model predictive maintenance system with automatic service work order generation | |
US20210312789A1 (en) | Home health optimization | |
US7016742B2 (en) | Decision support for operations and maintenance (DSOM) system | |
US20020040356A1 (en) | Automated new energy technology consulting and demand aggregation system and method | |
US11954414B2 (en) | System and method for building heating-modification-based gross energy load modeling with the aid of a digital computer | |
JP5559414B1 (ja) | エネルギーシステム最適化方法、エネルギーシステム最適化装置およびプログラム | |
JP6385984B2 (ja) | エネルギー管理装置、エネルギー管理方法及びエネルギー管理プログラム | |
JP5861100B2 (ja) | 省エネルギー化提案システム、省エネルギー化提案方法 | |
JP4153897B2 (ja) | 光熱費予測装置、光熱費予測方法及び光熱費予測プログラム | |
US20200401742A1 (en) | System and method for facilitating building net energy consumption reduction with the aid of a digital computer | |
JP5520530B2 (ja) | Co2排出量削減支援システム,co2排出量削減社会支援システム及び支援方法 | |
JP5953207B2 (ja) | 需要計画管理システム | |
JP7404046B2 (ja) | 修理支援システム | |
JP2022033094A (ja) | 修理支援システム、プログラム | |
JP4068931B2 (ja) | 諸条件に応じた住宅の光熱費を予測するための住宅販売関連事業支援システム、該システムに用いられるプログラム、該プログラムを格納したコンピュータ読み取り可能な記録媒体、及び住宅販売関連事業における予測光熱費提示方法 | |
JP2016192064A (ja) | 費用予測装置およびプログラム | |
JP6567302B2 (ja) | エネルギー管理装置、エネルギー管理方法およびプログラム | |
US20220366507A1 (en) | Home Health Optimization via Connected Providers | |
JP6123139B2 (ja) | 省エネルギー化提案システム、省エネルギー化サーバ、省エネルギー化提案方法 | |
JP2018025962A (ja) | 運転計画立案方法、運転計画立案装置及びプログラム | |
JP2017027120A (ja) | 熱源電源機器の運転計画演算方法及び運転計画演算サーバー | |
Belpoliti et al. | Simulated and monitored electrical energy balance in a solar house in Dubai, UAE | |
WO2024047892A1 (ja) | 需要予測装置および需要予測方法 | |
US20240037471A1 (en) | Buildings with prioritized sustainable infrastructure | |
JP7185155B1 (ja) | 評価装置およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201029 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20201029 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210308 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20210415 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210420 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210602 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210831 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211028 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20220125 |