JP2024003728A - 故障診断支援システムおよび故障診断支援方法 - Google Patents

Abstract

【課題】故障診断精度を向上するとともに、稼動機器の多くの稼動データを取得することが難しい場合においても、故障個所の予測精度を高めて故障部品の特定がより正確に行える故障診断支援システムを提供する。【解決手段】機械の故障情報が入力される故障情報入力部と、イベント情報と故障事象とを関連付けた故障知識データを格納する故障知識データベースと、故障情報と故障知識データに基づいて故障事象を推定する故障事象推定部と、推定された故障事象を提示する故障事象候補提示部を備える故障診断支援システムであって、故障の発生により機械に生じる機能故障に係わる故障モードを細分化した複数の症状を故障事象とし、故障知識データベースには、故障事象の発生に関するイベント発生確率を定義しておき、故障事象推定部は、故障情報に基づいて故障知識データから故障情報に合致する故障事象を出力する。【選択図】図２

Description

本発明は、保守管理支援システムに係り、特に稼動している機器類の故障診断支援技術に関する。

工場で製造された製品に製造年月日や製造番号を印字するインクジェットプリンタや、工場で使用する圧縮空気を生成する空気圧縮機等の産業機器類（以下、稼動機器と表記する）においては、異常や故障（以下、代表して「故障」と表記する）が生じた際に、故障が生じた部品（以下、故障部品と表記する）の修理や交換といった保守管理が必要である。

この保守管理は、故障データを基にサービス員が、稼動機器の設置場所に赴いて故障部品の修理や交換を行っている。ところで、このサービス員による保守管理において、保守管理作業における熟練サービス員の減少や、新たなサービス員の技術力不足といった理由で、故障部品を特定するときの推定間違いや、交換が不要な部品の無駄な交換などが往々にして行われることがある。これによって、顧客の問い合わせに対応する時間の増加、交換部品の費用や交換部品の無駄な交換作業の増加、保守管理における出動回数の増加、一人当たりのサービス員が担当する稼動機器数の減少、保守管理作業の効率低下といった種々の問題を引き起こしている。

本技術分野における背景技術として特許文献１がある。特許文献１では、機器のメンテナンスの最適周期を算出でき、運用実績に基づいて経年変化以外の故障をも解析する、機器の保守対応を支援するための保守支援方法が開示されている。具体的には、故障モード毎に、設備の故障発生頻度、故障兆候現象及び故障原因、対策方法を故障診断データベースに蓄積しておき、作業者の操作により、製品名、部品名、故障モードが入力されると、診断データベースに入力情報を照合し、過去の運用実績に基づき、故障原因や故障兆候現象、対策方法を故障診断データベースから検索して出力する点が開示されている。

特開２００５－１８２４６５号公報

特許文献１では故障モード毎に故障原因や対策方法等を推定するが、故障モードとは部品の物理的な破壊や劣化などのことであり、稼働機器に不具合が発生した際に、故障モードが不明なことが多い。稼働機器の故障原因診断においては、稼働機器の不具合の状態（機能不全の内容や、故障によって稼働機器にどのような影響が発生しているかなど）によって故障モードを推定することが必要である。さらに、ある故障モードが複数の異なる不具合の状態を発生させることがあり、不具合の状態から効率的に故障モードを特定し、故障診断精度を向上することが課題となっている。

また、稼動機器の故障の診断精度を高めて故障発生個所の予測精度を向上するためには、稼動機器の多くの稼動データ（運転データ）を詳細に取得する必要がある。しかしながら、通信速度やデータ保存ストレージの容量などの制限により、稼動機器の多くの稼動データを取得することが難しいのが実情である。このため、故障発生個所の予測精度が十分に得られないという新たな課題を生じている。このため、故障部品の特定にも支障をきたすことになる。

本発明の目的は、上記課題に鑑み、故障診断精度を向上するとともに、稼動機器の多くの稼動データを取得することが難しい場合においても、故障個所の予測精度を高めて故障部品の特定がより正確に行える故障診断支援システムおよび故障診断支援方法を提供することにある。

本発明は、その一例を挙げるならば、機械の故障情報が入力される故障情報入力部と、イベント情報と故障事象とを関連付けた故障知識データを格納する故障知識データベースと、故障情報と故障知識データに基づいて故障事象を推定する故障事象推定部と、推定された故障事象を提示する故障事象候補提示部を備える故障診断支援システムであって、故障の発生により機械に生じる機能故障に係わる故障モードを細分化した複数の症状を故障事象とし、故障知識データベースには、故障事象の発生に関するイベント発生確率を定義しておき、故障事象推定部は、故障情報に基づいて故障知識データから故障情報に合致する故障事象を出力する。

本発明によれば、故障診断精度を向上するとともに、稼動機器の多くの稼動データを取得することが難しい場合においても、故障個所の予測精度を高めて故障部品の特定がより正確に行える故障診断支援システムおよび故障診断支援方法を提供できる。

実施例１における故障診断支援システムのハード構成を示す概念図である。 実施例１における故障診断支援システムの機能構成図である。 従来手法における故障モードとイベントを関連付けたイベント－ＦＭＥＡテーブルの例である。 実施例１におけるイベント－ＦＭＥＡテーブルである。 実施例１における故障モードの細分化の概念を示す図である。 実施例１における機能故障や故障モードなどの具体的な事例を示す図である。 実施例２における故障診断支援システムの機能構成図である。 実施例２におけるイベント発生確率を更新するための入力画面を示す図である。

以下、本発明の実施例を図面に用いて説明する。

図１は、本実施例における故障診断支援システムのハード構成を示す概念図である。図１において、１０は稼働機器であって、保守対象となる機械である。図１では、稼働機器の例として産業機器の一つであるインクジェットプリンタを示している。２０はサービスマン等の保守員が所有するタブレット等の情報端末である。３０はネットワークであり、クラウドでもよい。また、４０は計算機であってサーバーでもよい。計算機４０は、ネットワーク３０経由で稼働機器１０の情報を入手可能である。また、保守員は情報端末２０を用いて、ネットワーク３０経由で稼働機器１０の稼働データや故障の症状を計算機４０に入力する。計算機４０は、一般的な情報処理装置であるＣＰＵとストレージ部およびデータベースを有し、ＣＰＵがそれぞれの機能を実現する動作プログラムやアプリケーションプログラムを解釈して実行するソフトウェア処理により、後述する故障診断支援システムの機能を実現する。

図２は、本実施例における故障診断支援システムの機能構成図である。図２において、１０１は保守員による操作を示している。保守員は、ステップＳ１０３で、稼働機器１０からアラームや制御指令等のイベント情報を含む稼働データを取得し、ステップＳ１０４で、稼働データ、及び、故障の症状を、情報端末２０を用いて、故障診断支援システム１０５に故障情報入力部１０６を介して入力する。入力された稼働データと故障の症状は、故障情報データベース１０７に保存される。

故障知識データベース１０８には、ＦＭＥＡテーブル１０９とイベントテーブル１１０、及び、イベントとＦＭＥＡを関連付けたイベント－ＦＭＥＡテーブル１１１が含まれている。ＦＭＥＡテーブル１０９は、機械に対して故障モード影響解析（以降、ＦＭＥＡ：Failure Mode and Effects Analysisと称する）を実施した結果のテーブルであり、機械を構成する部品名、機能、機能故障、故障影響、故障モード、原因等の項目が含まれている。イベントテーブル１１０には、機械から発せられるアラームや制御指令等の複数のイベントが記述されている。イベント－ＦＭＥＡテーブル１１１は、詳細は後述するが、ＦＭＥＡテーブル１０９に記述された機能故障や故障影響である故障事象とイベントを関連付け、故障事象の発生と関連があるイベントを記述してある故障知識データである。

故障事象推定部１１２では、保守員が入力した故障情報をイベント－ＦＭＥＡテーブル１１１と照合して、可能性の高い故障事象を出力する。具体的には、保守員が入力した故障情報における稼働データから、例えば故障発生前１週間分のイベント情報を抽出して、その情報をイベントとＦＭＥＡを関連付けたイベント－ＦＭＥＡテーブル１１１と照合して、ＦＭＥＡテーブル１０９からイベント発生傾向が類似した故障事象を検索する。なお、出力する故障事象は、最も可能性の高い１つでもよいし、故障情報に合致する複数の故障事象でもよく、複数の場合は、例えば、故障の可能性の高い順に故障事象を出力する。

故障事象候補提示部１１３は、故障事象推定部１１２における演算結果を保守員が所有する情報端末２０に提示するための出力を行う。保守員は、ステップＳ１１４で、情報端末２０により、提示された故障事象を確認して、修理作業を実施する。

次に、イベント－ＦＭＥＡテーブル１１１について説明する。図３は、従来手法におけるイベント－ＦＭＥＡテーブル２０１の例である。図３において、従来手法におけるイベント－ＦＭＥＡテーブル２０１は、故障モードとイベントを関連付けたテーブルである。故障モード２０２について、その故障モードの発生に関連のあるイベント２０３をイベント１以降に列記してある。そして、各イベントが発現する度合いをイベント発生確率２０４として定義する。このイベント発生確率は実際の修理データから求めてもよいし、保守員等の実務経験者が経験的な数値を設定してもよい。２０５は、それぞれの故障モード２０２に対するイベント発生確率２０４を描いたイベント発生頻度のヒストグラムの模式図である。イベント発生頻度のヒストグラム２０５と故障診断したいデータ２０６を比較してパターン検索することで、近似のものを抽出する。ここで、故障診断したいデータは、故障発生前のある期間に発生した各イベントを、その期間に発生したイベントの増数で除して正規化している。故障診断したいデータと、イベント－ＦＭＥＡテーブルに収められたデータとの近似計算には、例えば、ユークリッド距離を使用する。

この図３に示した、故障モードとイベント情報とを関連付けておき、機械から取得したイベント情報に基づき故障モードを推定する手法については、簡便に直接的に故障モードを推定できる。しかしながら、その反面、ある故障モードが発生した際の機械の症状である故障事象が複数あり、それらの故障事象が必ずしも同時には発生しない場合、故障事象毎にイベントの種類やイベントの発生頻度が異なるため、故障モードを正しく推定できない可能性がある。また、一般にイベントは故障によって生じる現象に対して出力されるため、必ずしも故障部品に１対１に関連付けされるものではなく、故障部品の特定が困難である。

図４は、本実施例におけるイベント－ＦＭＥＡテーブル３０１である。図４において、故障モード３０２に対し、各故障モードをその故障の症状により３０３に示したように細分化し拡張した拡張故障モードを定義する。この細分化の指標は故障モードに紐づく故障事象であり、具体的には機能故障および故障影響である。各故障事象に対してイベント３０４をイベント１以降に列記し、そのイベント発生確率３０５を定義する。このイベント発生確率の定義は、前記と同じく、実際の修理データから求めてもよいし、保守員等の実務経験者が経験的な数値を設定してもよい。３０６は、故障事象毎に詳細化した故障モードに対するイベント発生確率を描いたイベント発生頻度のヒストグラムの模式図である。イベント発生頻度のヒストグラム３０６と故障診断したいデータ３０７を比較して、例えばユークリッド距離が近いものを故障事象の候補として選出する。

このように、故障モードを機械の症状毎に細分化して、それらにイベント情報を関連付けることにより、より多くのイベント発生パターンに対応でき、故障診断精度を向上することができる。また、このような故障知識データベースを用いることで、稼動機器の多くの稼動データを取得することが難しい場合においても、診断可能な故障事象の網羅性を高めることができる。

図５は図４で示した故障モードの細分化の概念を別の表現で示した図である。図５において、部品４０１に関する故障モード４０２を、機能故障の括りで細分化して拡張した拡張故障モード４０３を定義し、拡張故障モード４０３に関するイベント４０４を割り付けている。図５においてイベントが紐付いているのは拡張故障モード４０３であるが、実際の故障診断においては、拡張故障モード４０３の親ノードの故障モード４０２、さらに、その親ノードの部品４０１といった具合に遡って推定故障部品を提示することができる。

図６は、本実施例における機能故障や故障モードなどの具体的な事例を示す図である。図６においては、産業機器の一つであるインクジェットプリンタを例として示している。図６において、部品がノズルの場合、その機能としては「インクを噴出する」や「インク粒子の形状を整える」という機能があり、その機械（インクジェットプリンタ）の症状である故障事象の一つである機能故障としては「インクが噴出しない」または「インク粒子の形状不良」という症状がある。また、その故障影響としては「印字ができない」または「印字品質が低下」という影響がある。さらに、その故障モードは「オリフィスの詰まり」となる。

すなわち、本実施例は、故障モード「オリフィスの詰まり」に対して、故障事象の一つである機能故障は「インクが噴出しない」または「インク粒子の形状不良」の２つがあり、さらに、故障事象の一つである故障影響は「印字ができない」または「印字品質が低下」の２つがあり、この複数の機能故障及び故障影響、または複数の機能故障ごとに細分化して、それらにイベント情報を関連付けることにより、故障診断精度を向上することができる。

以上のように本実施例によれば、故障モードを機械の症状である故障事象毎に細分化して、それらにイベント情報を関連付けるので、より多くのイベント発生パターンに対応でき、故障診断精度を向上することができる。言い換えれば、故障モードに、どのような故障事象が発生しているかの属性を付加することで、故障モード特定の精度を向上できる。

また、上記したような故障知識データベースを用いることで、稼動機器の多くの稼動データを取得することが難しい場合においても、診断可能な故障事象の網羅性を高めることができ、故障個所の予測精度を高めて故障部品の特定がより正確に行える故障診断支援システムを提供することができる。

図７は、本実施例における故障診断支援システムの機能構成図である。図７において、図２と同じ構成は同じ符号を付し、その説明は省略する。図７において、図２と異なる点は、故障知識データベース更新部５０１を追加した点である。

イベント－ＦＭＥＡテーブル１１１のイベント発生確率の初期値としては、先に述べたように実務経験者による経験的な数値等が設定されている。故障事象に対する網羅性を担保する上で、この初期値は重要であるが、本実施例では、診断精度向上のために、故障知識データベース更新部５０１によって、このイベント－ＦＭＥＡテーブル１１１におけるイベント発生確率の更新を行う。

このイベント発生確率の更新には、基本的には対話的な処理を伴う。図８は、本実施例におけるイベント発生確率を更新するための入力画面を示す図である。図８において、６０１はイベント発生確率を更新するための入力画面であり、この入力画面６０１で、更新したい故障情報である、故障モード６０２、機能故障６０３、故障影響６０４を選択すると、それに対して割り付けられているイベント発生確率６０５が表示される。また、これまでのイベント発生確率の更新回数６０６も表示される。オペレータはこれらの故障モード、機能故障、故障影響に対して、発生するイベント種類やイベント発生頻度が妥当と判断した稼働データ６０７を選択する。また、イベント情報の抽出のために重要な故障発生日６０８の情報もここで入力する。故障発生日の情報については、図２あるいは図７の故障情報入力部１０６で指示してもよい。最後に確認ボタン６０９を押し下げするとイベント発生確率を更新する。

イベント発生確率の更新方法自体には他にも方法があるが、ここでは、これまでのイベント発生確率の更新回数６０６に基づき、重み付けを行って平均化する方法でイベント発生確率を更新する。例えば、イベント－ＦＭＥＡテーブル１１１に格納されている、ある故障事象に関する特定のイベントの発生確率をｐ、また、６０７で入力された稼働データにおけるイベントの発生確率をｑ、これまでのイベント発生確率の更新回数をｎ回と仮定した場合に、更新後のイベントの発生確率を（ｐ×ｎ＋ｑ）／（ｎ＋１）として、イベントの発生確率が急激に変動しないようにする。

以上のように本実施例によれば、故障事象に対して網羅性の高いＦＭＥＡベースのイベント発生確率と、診断精度を向上させるためのイベント発生確率の更新プロセスにより、より高精度に故障診断を行うことができる。

以上、本発明による実施例を示したが、本発明は、故障診断精度を向上することができるため、保守管理作業の効率が上がり、人材コスト削減の効果がある。従って、本発明は、ＳＤＧｓ（Sustainable Development Goals）を実現するための特に項目８の“働きがいも経済成長も”における、技術向上及びイノベーションを通じた高いレベルの経済生産性を達成することに貢献する。

また、本発明は、上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。

１０：稼働機器、２０：情報端末、３０：ネットワーク、４０：計算機、１０１：保守員による操作内容、１０５：故障診断支援システム、１０６：故障情報入力部、１０７：故障情報データベース、１０８：故障知識データベース、１０９：ＦＭＥＡテーブル、１１０：イベントテーブル、１１１、２０１、３０１：イベント－ＦＭＥＡテーブル、１１２：故障事象推定部、１１３：故障事象候補提示部、２０２、３０２：故障モード、２０３、３０４：イベント、２０４、３０５：イベント発生確率、２０５、３０６：イベント発生頻度のヒストグラム、２０６、３０７：故障診断したいデータ、３０３：拡張故障モード、４０１：部品、４０２：故障モード、４０３：拡張故障モード、４０４：イベント、５０１：故障知識データベース更新部、６０１：入力画面、６０２：故障モード、６０３：機能故障、６０４：故障影響、６０５：イベント発生確率、６０６：イベント発生確率の更新回数、６０７：稼働データ、６０８：故障発生日、６０９：確認ボタン

Claims (10)

1. 機械の故障情報が入力される故障情報入力部と、機械から発せられるアラームや制御指令等のイベント情報と故障事象とを関連付けた故障知識データを格納する故障知識データベースと、前記故障情報と前記故障知識データに基づいて故障事象を推定する故障事象推定部と、推定された故障事象を提示する故障事象候補提示部を備える故障診断支援システムであって、
   故障の発生により機械に生じる機能故障に係わる故障モードを細分化した複数の症状を前記故障事象とし、
   前記故障知識データベースには、前記故障事象の発生に関するイベント発生確率を定義しておき、
   前記故障事象推定部は、前記故障情報に基づいて前記故障知識データから前記故障情報に合致する故障事象を出力することを特徴とする故障診断支援システム。
2. 請求項１に記載の故障診断支援システムにおいて、
   前記故障事象推定部は、前記故障情報に基づいて、前記故障知識データから前記故障情報に合致する複数の故障事象を検索し、故障の可能性の高い順に故障事象を出力することを特徴とする故障診断支援システム。
3. 請求項１に記載の故障診断支援システムにおいて、
   前記故障事象は、故障の発生により機械に生じる故障影響を含むことを特徴とする故障診断支援システム。
4. 請求項１に記載の故障診断支援システムにおいて、
   故障知識データベース更新部と、入力手段を備え、
   前記故障知識データベース更新部は、前記入力手段により入力された更新したい故障情報に基づきイベント発生確率を更新することを特徴とする故障診断支援システム。
5. 請求項４に記載の故障診断支援システムにおいて、
   入力画面を有し、
   前記故障知識データベース更新部は、
   前記入力手段により入力された、故障モード、機能故障、故障影響、故障発生日、稼働データを前記入力画面に表示し、
   入力された前記稼働データから前記故障発生日の前のイベントの発生回数を抽出して、それに基づきイベント発生確率を更新し、該更新したイベント発生確率を前記入力画面に表示し、
   前記入力手段と前記入力画面により、イベント発生確率を対話的に更新することを特徴とする故障診断支援システム。
6. 故障知識データベースと制御装置を有し、入力された機械の故障情報と前記故障知識データベースに基づいて故障事象を検索し、検索された故障事象を提示する故障診断支援方法であって、
   前記故障知識データベースは、故障モードと、該故障モードを機械の症状である機能故障で細分化した拡張故障モードである故障事象と、機械から発せられるアラームや制御指令等のイベント情報とを関連付けた故障知識データを格納しており、さらにイベントの発生に関するイベント発生確率情報を有しており、
   前記制御装置は、前記故障情報に基づいてイベント情報を抽出し、該抽出したイベント情報を、前記故障知識データベースと照合し、前記故障知識データベースからイベント発生傾向が類似した故障事象を検索し、検索された故障事象を提示することを特徴とする故障診断支援方法。
7. 請求項６に記載の故障診断支援方法において、
   前記制御装置は、前記故障情報に基づいて、前記故障知識データベースから前記故障情報に合致する複数の故障事象を検索し、故障の可能性の高い順に故障事象を出力することを特徴とする故障診断支援方法。
8. 請求項６に記載の故障診断支援方法において、
   前記故障事象は、故障の発生により機械に生じる故障影響で細分化した拡張故障モードを含むことを特徴とする故障診断支援方法。
9. 請求項６に記載の故障診断支援方法において、
   前記制御装置は、入力された更新したい故障情報に基づきイベント発生確率を更新することを特徴とする故障診断支援方法。
10. 請求項９に記載の故障診断支援方法において、
    前記制御装置は、入力された、故障モード、機能故障、故障影響、故障発生日、稼働データを表示画面に表示し、入力された前記稼働データから前記故障発生日の前のイベントの発生回数を抽出して、それに基づきイベント発生確率を更新し、該更新したイベント発生確率を表示画面に表示し、イベント発生確率を対話的に更新することを特徴とする故障診断支援方法。

Images