JP2023103096A - 補修推定装置、補修推定方法 - Google Patents

Abstract

【課題】補修のための点検工数を減らすとともに、補修が必要な劣化を見落とすことなく推定できる補修推定装置、補修推定方法を提供する【解決手段】複数の監視装置（３０）が配置された監視対象物（９０）の補修時における、前記監視装置（３０）からの情報と、前記監視対象物の性能を測定する性能測定装置（４０）からの情報とを含む訓練データセットに従って学習する学習部（１６）を備え、前記監視装置（３０）からの情報が、前記補修の前および後において前記監視装置（３０）により取得されるデータに基づいて作成される情報である、補修推定装置。【選択図】図４

Description

本発明は、監視対象物の補修について推定する補修推定装置、補修推定方法に関する。

従来、センサを用いて監視対象物に異常が発生しているか否かを検出する異常検出装置が提案されている。特許文献１には、加速度センサの信号に基づいてエスカレーターに異常が発生しているか否かを検出し、異常が発生したときにエスカレーターの管理者に異常を知らせるすることが記載されている。異常の通知を受けた場合、エスカレーターの点検を行い、劣化の具合によっては補修を行う必要がある。

特開２００６－７６７２９号公報

しかしながら、劣化の程度によっては補修が必要ではない場合もある。点検において補修の必要が無い場合が多ければ、点検の工数が増えてしまい管理コストがアップしてしまう。一方、センサによる異常判定の頻度を下げた場合には、補修が必要な劣化を見落としてしまうおそれがある。

本願発明は監視対象物の補修について推定する補修推定装置、補修推定方法であって、補修のための点検工数を減らすとともに、補修が必要な劣化を見落とすことなく推定できる補修推定装置、補修推定方法を提供することを目的とする。

本願発明のある観点によれば、複数の監視装置（３０）が配置された監視対象物（９０）の補修時における、前記監視装置（３０）からの情報と、前記監視対象物の性能を測定する性能測定装置（４０）からの情報とを含む訓練データセットに従って学習する学習部（１６）を備え、
前記監視装置（３０）からの情報が、前記補修の前および後において前記監視装置（３０）により取得されるデータに基づいて作成される情報である、補修推定装置が提供される。

本願発明によれば、監視対象物の補修について推定する補修推定装置、補修推定方法であって、補修のための点検工数を減らすとともに、補修が必要な劣化を見落とすことなく推定できる補修推定装置、補修推定方法を提供することができる。

本発明の実施形態に係る補修推定装置が適用される補修推定システム全体構成の一例を示す図である。 本発明の実施形態に係る補修推定装置の機能構成を示すブロック図である。 本発明の実施形態に係る補修推定装置により実行される処理の一例を示すフローチャートである。 本発明の実施形態に係る補修推定装置により実行される処理の一例を示すフローチャートである。

本願発明を実施するための形態（以下、本実施形態という。）について具体例を示して説明する。ただし、本実施形態は本願発明の一態様を示すものであり、本願発明を限定するものではなく、本願発明の範囲内で任意に変更することが可能である。

＜補修推定システム＞
以下では、本実施形態の補修推定装置１０が適用された補修推定システム１について説明する。補修推定システム１は図１に示すように、監視対象物９０に設置された複数の監視装置３０（ＭＳ１～ＭＳ７）と、監視対象物９０の性能を測定可能な性能測定装置４０（ＰＳ）と、監視装置３０および性能測定装置４０と通信可能に設けられた補修推定装置１０とを備える。さらに、補修推定装置１０から出力可能な表示装置５０や音響装置６０が接続されていてもよい。

＜監視対象物＞
図１に示す監視対象物９０はベルトコンベアである。ベルトコンベアには監視装置３０が取り付けられている。監視対象物９０はベルトコンベアに限られるものではない。クレーンや掘削機等の建設機械や、工場で使われる加工機械や組み立て機械などの作動する機械全般が、補修推定装置１０を適用可能な監視対象物である。

＜監視装置＞
図１には、監視対象物９０に７台の監視装置３０（ＭＳ１～ＭＳ７）が取り付けられているが、この台数に限られるものではない。１つの監視対象物９０に２台以上の監視装置３０が取り付けられていればよい。監視装置３０は例えば、加速度センサである。加速度センサは監視対象物９０の振動を検知できるように取り付けられている。また、別の例で監視装置３０は温度センサでもよい。温度センサは監視対象物９０の温度を検知できるように取り付けられている。また、監視装置３０は加速度センサや温度センサ以外の検出装置であってもよい。

監視対象物９０において劣化が進んだ場合に発生する振動が大きくなる場合には、加速度センサを監視装置３０として選択してもよい。監視対象物９０において劣化が進んだ場合に発生する温度が高くなる場合には、温度センサを監視装置３０として選択してもよい。このように、監視対象物９０における劣化の出現具合に応じて、監視装置３０を選択するのがよい。

監視装置３０の信号（監視データ）は、補修推定装置１０に送られる。

＜性能測定装置＞
性能測定装置４０（ＰＳ）は監視対象物９０の性能を測定可能に構成された測定装置である。例えば、性能測定装置４０は発生する音の音圧を測定可能な音センサである。作動する機械である監視対象物９０において摺動部等で劣化が進んだ場合には、当該摺動部から発生する音が大きくなる（音圧が高くなる）。したがって、音センサが検出する音が大きくなっている場合には、音が大きくなる前に比べて監視対象物９０の性能が劣化していると判断できる。逆に補修を行い、補修前に比べ補修後における音センサが検出する音が小さくなっている場合には、補修前に比べ、補修後の監視対象物９０の性能が改善していると判断できる。

監視対象物９０を補修する際に、補修する場所（補修箇所）において補修の前後で性能測定装置４０を用いて監視対象物９０の性能測定が行われる。この性能測定の結果から補修による改善量を把握することができる。性能測定装置４０として音センサを用いた場合を例に具体例を説明する。例えば補修前の音圧が６０ｄＢ（デジベル）であり、補修後の音圧が４０ｄＢであれば、この補修による改善量は２０ｄＢと算出される。

性能測定装置４０の信号（性能データ）は、補修推定装置１０に送られる。

＜補修推定装置＞
補修推定装置１０は、図２に示すように、監視データ取得部１１と、監視データ処理部１２と、性能データ取得部１３と、性能データ処理部１４と、訓練データセット作成部１５と、学習部１６と、補修推定部１８と、通知部２０と、保存部２２とを有する。補修推定装置１０は、ＣＰＵ（Central Processing Unit）等のプロセッサ、及びＲＡＭ（Random Access Memory）やＲＯＭ（Read Only Memory）等の記憶素子等を備えて構成される。

監視データ取得部１１は監視装置３０（ＭＳ１～ＭＳ７）からの信号（監視データ）を取得し、監視データ処理部１２に送る。

監視データ処理部１２は、各信号（監視データ）について正常範囲にあるか否かを判定する。正常範囲の閾値は、監視対象物９０が新品時の値に所定のマージンを考慮して設定してもよい。例えば、この閾値以下の値の場合、正常と判定し、この閾値を上回る場合、正常範囲にない（異常）と判定してもよい。

監視データ処理部１２は、監視装置３０からのデータを入力することによりその発生確率を出力可能な機械学習による学習済みモデルを有していてもよい。監視装置３０からのデータは多くの場合正常で、異常となる頻度は低い。そこで、監視データ処理部１２は発生確率が所定値以上の場合に異常なしと判定し、逆に発生確率が所定値より低い場合に異常と判定してもよい。

監視データ処理部１２は、監視装置３０からの監視データが正常の場合“０”を、異常の場合“１”を監視判定データとして出力し、保存部２２に保存する。例えば、ＭＳ１の監視判定データは時系列Ｘ１（ｔ）で（１）式のように保存される。
（１） Ｘ１（ｔ）＝［０００００１０００・・・］
ここで、カッコ［］内の数字は時間経過とともに監視データ処理部１２から出力された監視判定データである。このＸ１（ｔ）は、ＭＳ１において、１番目から５番目までに取得されたデータが正常であり、６番目に取得されたデータが異常であり、７番目から９番目までのデータは再び正常なデータに戻っていることを示している。同様に、ＭＳ２からＭＳ７の監視判定データも時系列Ｘ２（ｔ）～Ｘ７（ｔ）として保存される。監視データ処理部１２はその出力を補修推定部１８に送る。

性能データ取得部１３は、性能測定装置４０（ＰＳ）からの信号（データ）を取得し、性能データ処理部１４に送る。性能測定装置４０からの信号（データ）は、補修箇所の情報、補修前の性能データＰＳ１、補修後の性能データＰＳ２およびそれぞれのデータの取得時刻（ｔ１、ｔ２）を含む。また、補修箇所の情報は、性能測定装置４０からではなく、別途補修をする作業者により、性能データ取得部１３に送信されてもよい。補修箇所の情報は、例えば、図１に示すベルトコンベア９０の一端部から補修箇所までの長さＬである。

性能データ処理部１４は、補修前性能データＰＳ１と補修後性能データＰＳ２との差分を性能改善量δＰＳとして算出する。性能データ処理部１４は、補修箇所の情報、補修前の性能データＰＳ１、補修後の性能データＰＳ２およびそれぞれのデータの取得時刻（ｔ１、ｔ２）に加えて性能改善量δＰＳを保存部２２に保存する。また、性能データ処理部１４は、訓練データセット作成部に補修前の性能データＰＳ１の取得時刻ｔ１、補修後の性能データＰＳ２の取得時刻ｔ２、補修箇所の情報および性能改善量δＰＳを訓練データセット作成部１５に送る。

訓練データセット作成部１５は、補修前性能データの取得時刻ｔ１および補修後性能データの取得時刻ｔ２に相当する時刻に取得された監視判定データを補修前監視判定データおよび補修後監視判定データとして保存部２２からそれぞれ取得する。訓練データセット作成部１５は、補修前監視判定データ、補修後監視判定データ、に加え、性能データ処理部１４から取得した補修箇所および性能改善量δＰＳを１つの訓練データセットとして学習部１６に送る。尚、ここで、補修前性能データの取得時刻ｔ１に相当する時刻に取得された監視判定データが無い場合には、取得時刻ｔ１の直前に取得された監視判定データを補修前監視判定データとしてもよい。また、取得時刻ｔ２に相当する時刻に取得された監視判定データが無い場合には、取得時刻ｔ２の直後に取得された監視判定データを補修後監視判定データとしてもよい。

学習部１６はニューラルネットワークを使って学習する。このニューラルネットワークは、入力層と、中間層と、出力層と、から構成されている。

ニューラルネットワークは、訓練データセット作成部１５から受け取った訓練データセットに従って学習する。

ニューラルネットワークは、補修前監視判定データと、補修後監視判定データ、補修箇所情報および性能改善量δＰＳとの関係性を学習する。大量の訓練データセットで学習することにより、監視判定データＸ１（ｔ）～Ｘ７（ｔ）を入力することにより、補修すべき箇所と補修した場合の性能改善量δＰＳと補修後監視判定データＸ１（ｔ´）～Ｘ７（ｔ´）を推定するモデルを帰納的に獲得することができる。ここで、補修すべき箇所は、入力データにおける補修箇所情報に対応する。補修すべき箇所は、例えば、図１に示すベルトコンベア９０の一端部から補修箇所までの長さＬで表される。

学習部１６は、学習においてニューラルネットワーク内で使われている変数（重み、バイアス）を更新し、更新した変数を保存部２２に保存する。

補修推定部１８は、学習部１６で十分な回数の学習がなされた学習済みモデルを有している。監視判定データＸ１（ｔ）～Ｘ７（ｔ）を入力することにより、補修箇所と補修した場合の性能改善量δＰＳと監視判定データＸ１（ｔ´）～Ｘ７（ｔ´）を推定する。補修推定部１８は推定結果に加え、その推定の妥当性を確率で表示する。また、推定結果は一つとは言えず、複数の推定結果があってもよい。補修推定部１８は、推定したすべての推定結果とその推定結果の妥当性（確率）を通知部２０に送る。

補修推定部１８は、学習部１６でさらなる学習がなされ、変数（重み、バイアス）が更新された場合には、保存部２２から更新された変数を読み込み、学習済みモデル内の変数をこれに置き換えても良い。

補修推定部１８は、推定したすべての推定結果とその推定結果の妥当性（確率）を通知部２０に送る。

通知部２０は、補修推定部１８から受け取った推定結果のうち、妥当性の高いものを選択し、表示装置５０または音響装置６０を介して外部に通知する。妥当性の判断閾値Ｎｔｈは、通知を受ける被通知者が適当に選択できるようにしてもよい。

本実施形態に係る補修推定装置１０により実行される処理であって、ニューラルネットワークにより監視判定データＸ１（ｔ）～Ｘ７（ｔ）を入力することにより、補修すべき箇所と補修した場合の性能改善量δＰＳと監視判定データＸ１（ｔ´）～Ｘ７（ｔ´）を推定するモデルを獲得するために実行される処理の一例を図３に示すフローチャートで説明する。

性能データ取得部１３は、性能測定装置４０（ＰＳ）から補修箇所の情報、補修前性能データＰＳ１および補修後性能データＰＳ２を取得し、性能データ処理部１４に送る（ステップＳ１０）。その後、ステップＳ１２に進む。

性能データ処理部１４は、補修前性能データＰＳ１と補修後性能データＰＳ２との差分を性能改善量δＰＳとして算出するとともに、補修箇所の情報、補修前の性能データＰＳ１、補修後の性能データＰＳ２およびそれぞれのデータの取得時刻（ｔ１、ｔ２）に加えて性能改善量δＰＳを保存部２２に保存する（ステップＳ１２）。その後ステップＳ１４に進む。

性能データ処理部１４は、補修前の性能データＰＳ１の取得時刻ｔ１、補修後の性能データＰＳ２の取得時刻ｔ２、補修箇所の情報および性能改善量δＰＳを訓練データセット作成部１５に送る（ステップＳ１４）。その後ステップＳ１６に進む。

訓練データセット作成部１５は、補修前性能データの取得時刻ｔ１および補修後性能データの取得時刻ｔ２に相当する時刻に取得された監視判定データを補修前監視判定データおよび補修後監視判定データとして保存部２２から取得するとともに、これらに、補修箇所および性能改善量δＰＳを１つの訓練データセットとして学習部１６に送る（ステップＳ１６）。その後ステップＳ１８に進む。

学習部１６が有するニューラルネットワークは、訓練データセット作成部１５から受け取った訓練データセットに従って学習する。すなわち、学習部１６が有するニューラルネットワークは、補修前監視判定データと、補修後監視判定データ、補修箇所情報および性能改善量δＰＳとの関係性を学習し、ニューラルネットワーク内で使われている変数（重み、バイアス）を更新する。更新した変数は保存部２２に保存される（ステップＳ１８）。その後ステップＳ２０に進む。

学習部１６は学習が収束したか否かを判断し、学習が収束したと判断できる場合には、ステップＳ２２に進み、学習がまだ収束していないと判断される場合には、ステップＳ１０に戻る（ステップＳ２０）。学習が収束したか否かの判断は、例えば変数（重み、バイアス）が所定の幅に収束したか否かにより判断してもよい。

学習部１６は学習が収束した旨を保存部２２に保存し（ステップＳ２２）、フローチャートを終了する。

本実施形態に係る補修推定装置１０により実行される処理であって、監視判定データＸ１（ｔ）～Ｘ７（ｔ）を入力することにより、補修すべき箇所、補修した場合の性能改善量δＰＳおよび補修後監視判定データＸ１（ｔ´）～Ｘ７（ｔ´）を含む補修についての推定を実行する処理の一例を図４に示すフローチャートで説明する。

監視データ取得部１１は監視装置３０（ＭＳ１～ＭＳ７）からの信号データを取得し、監視データ処理部１２に送る（ステップＳ３０）。その後ステップＳ３２に進む。

監視データ処理部１２は、各信号データについて正常範囲にあるか否かを判定し、データが正常の場合“０”を、異常の場合“１”を監視判定データ（Ｘ１（ｔ）～Ｘ７（ｔ））として出力し、その出力を保存部２２に保存するとともに、補修推定部１８に送る（ステップＳ３２）。その後ステップＳ３４に進む。

補修推定部１８は、保存部２２から学習部１６における学習が収束したか否かを判断し、学習が収束している場合には、ステップＳ３６に進み、学習が収束していない場合にはステップＳ３０に戻る（ステップＳ３４）。

監視判定データ（Ｘ１（ｔ）～Ｘ７（ｔ））の入力に対して、補修推定部１８は、補修についての推定結果を出力し、通知部２０に送る（ステップＳ３６）。補修についての推定結果は、補修すべき箇所と補修した場合の性能改善量δＰＳと補修後監視判定データＸ１（ｔ´）～Ｘ７（ｔ´）およびその妥当性（確率）である。その後ステップＳ３８に進む。

通知部２０は、補修推定部１８から受け取った推定結果のうち、妥当性の高いものを選択し、表示装置５０または音響装置６０を介して外部に通知する（ステップＳ３８）。その後、ステップＳ３０に戻る。

本願発明によれば、監視対象物の補修について推定する補修推定装置、補修推定方法であって、補修のための点検工数を減らすとともに、補修が必要な劣化を見落とすことなく推定できる補修推定装置、補修推定方法を提供することができる。

１ 補修推定システム、１０ 補修推定装置、１１ 監視データ取得部、１２ 監視データ処理部、１３ 性能データ取得部、１４ 性能データ処理部、１５ 訓練データセット作成部、１６ 学習部、１８ 補修推定部、２０ 通知部 ３０ 監視装置、４０ 性能測定装置、５０ 表示装置、６０ 音響装置、９０ 監視対象物

Claims (6)

1. 複数の監視装置（３０）が配置された監視対象物（９０）の補修時における、前記監視装置（３０）からの情報と、前記監視対象物の性能を測定する性能測定装置（４０）からの情報とを含む訓練データセットに従って学習する学習部（１６）を備え、
   前記監視装置（３０）からの情報が、前記補修の前および後において前記監視装置（３０）により取得されるデータに基づいて作成される情報である、
   補修推定装置。
2. 前記性能測定装置（４０）からの情報が、前記補修による性能改善量（δＰＳ）である、
   請求項１に記載の補修推定装置。
3. 前記訓練データセットは、補修箇所の情報を含む、
   請求項１または２に記載の補修推定装置（１０）。
4. 前記学習部（１６）によって得られた学習モデルを有し、補修すべき箇所を推定する補修推定部（１８）をさらに備える、
   請求項１から３のいずれか一項に記載の補修推定装置（１０）。
5. 前記補修推定部（１８）の推定に基づいて外部に通知する通知部をさらに備える、
   請求項１から４のいずれか一項に記載の補修推定装置（１０）。
6. 複数の監視装置（３０）が配置された監視対象物（９０）の補修時における、前記監視装置（３０）からの情報と、前記監視対象物の性能を測定する性能測定装置（４０）からの情報とを含む訓練データセットに従って学習するステップを備え、
   前記監視装置（３０）からの情報が、前記補修の前および後において前記監視装置（３０）により取得されるデータに基づいて作成される情報である、
   補修推定方法。
   

Images