JP2024054882A - 故障予測装置 - Google Patents

Abstract

【課題】故障予測の確度を向上させることが可能な故障予測装置を提供する。【解決手段】故障予測装置４０は、作業機械２の故障を予測するサーバ装置４に設けられた故障予測装置であって、作業機械２の部位の稼働データに基づいて当該部位の故障確率を予測する予測部４４１と、故障確率が示す当該部位の状態と当該部位の点検結果との乖離を判定する判定部４４３と、判定部４４３の判定結果に基づいて故障確率を補正する補正部４４４と、を備える。補正部４４４は、予測された故障確率が当該部位の異常な状態を示し、点検結果が当該部位の正常な状態を示す場合、補正後の故障確率が補正前より低くなるよう、予測された故障確率を補正する。補正部４４４は、予測された故障確率が当該部位の正常な状態を示し、点検結果が当該部位の異常な状態を示す場合、補正後の故障確率が補正前より高くなるよう、予測された故障確率を補正する。【選択図】図２

Description

本発明は、故障予測装置に関する。

油圧ショベル等の作業機械は多数の部位から構成されていることから、作業機械の各部位を速やかに点検するために、故障モデルを用いた事前の故障予測が点検に活用されている（例えば、特許文献１）。

特許文献１には、サーバと、サービス員が携帯する携帯端末と、を備える点検支援システムが開示されている。特許文献１に開示された点検支援システムでは、サーバが、複数の作業機械から取得した稼働データと前記作業機械の修理履歴とに基づいて、特定の作業機械に関する部位毎の予め定めた複数の将来時点での故障確率を算出し、携帯端末からの要求に応じて故障確率に関するデータを携帯端末に送信する。

特開２０１９－１２１０５２号公報

しかしながら、特許文献１に開示された点検支援システムは、点検結果として「故障有り」がサーバに送信された場合には故障確率を補正するが、点検結果として「故障無し」がサーバに送信された場合には故障確率を補正しない。これにより、特許文献１に開示された点検支援システムは、例えば、予測された故障確率が高く、点検結果として「故障無し」が入力された場合、次回の点検の際には故障確率が実際よりも高く算出されてしまう。したがって、特許文献１に開示された点検支援システムは、故障予測の確度向上という点において改善の余地が有る。

上記事情に鑑みて、本発明は、故障予測の確度を向上させることが可能な故障予測装置を提供することを目的とする。

上記課題を解決するために、本発明の故障予測装置は、作業機械の故障を予測するサーバ装置に設けられた故障予測装置であって、前記サーバ装置は、前記作業機械の部位の稼働データに基づいて当該部位の故障確率を予測する予測部と、前記故障確率が示す前記部位の状態と当該部位の点検結果との乖離を判定する判定部と、前記判定部の判定結果に基づいて前記故障確率を補正する補正部と、を備え、前記補正部は、前記故障確率が前記部位の異常な状態を示し、前記点検結果が当該部位の正常な状態を示す場合、補正後の前記故障確率が補正前より低くなるよう前記故障確率を補正し、前記故障確率が前記部位の正常な状態を示し、前記点検結果が当該部位の異常な状態を示す場合、補正後の前記故障確率が補正前より高くなるよう前記故障確率を補正することを特徴とする。

本発明によれば、故障予測の確度を向上させることが可能な故障予測装置を提供することができる。

本実施形態の故障予測システムの概略構成を示す図。 図１に示す故障予測システムの機能的構成を示すブロック図。 図２に示す予測部を構成する予測モデルを示す図。 図２に示す予測部により付与された故障予測ランクを説明する図。 図２に示す補正部の処理内容を説明する図。 図６（ａ）は図５のＮｏ．２に示す例における補正部の処理内容を説明する図であり、図６（ｂ）は図５のＮｏ．４に示す例における補正部の処理内容を説明する図。 図２に示す故障予測装置によって行われる処理のフローチャート。 図２に示す補正部の処理内容の他の例を説明する図。 図２に示す予測部が複数種類の稼働データに基づいて故障確率を予測する例を説明する図。 図２に示す予測部が複数種類の稼働データに基づいて故障確率を予測する他の例を説明する図。

以下、本発明の実施形態について図面を用いて説明する。各実施形態において同一の符号を付された構成については、特に言及しない限り、各実施形態において同様の機能を有し、その説明を省略する。

図１は、本実施形態の故障予測システム１の概略構成を示す図である。図２は、図１に示す故障予測システム１の機能的構成を示すブロック図である。図３は、図２に示す予測部４４１を構成する予測モデルを示す図である。図４は、図２に示す予測部４４１により付与される故障予測ランクを説明する図である。図５は、図２に示す補正部４４４の処理内容を説明する図である。図６（ａ）は、図５のＮｏ．２に示す例における補正部４４４の処理内容を説明する図である。図６（ｂ）は、図５のＮｏ．４に示す例における補正部の処理内容を説明する図である。

故障予測システム１は、複数の作業機械２と、端末装置３と、サーバ装置４とが、無線通信ネットワークＮを介して、互いに通信可能に接続されたコンピュータネットワークシステムによって構成されている。

作業機械２は、例えば油圧ショベル又はホイールローダ等によって構成される。作業機械２は、作業機械２の各部位の稼働データを収集するデータ収集部２１を有する。稼働データは、作業機械２の各部位の稼働時間（稼働開始時刻及び稼働終了時刻との差分）、及び、各部位の変位又は油圧変動等を検出する各センサの検出値等を含む。データ収集部２１は、例えば、作業機械２全体の動作を制御する制御装置の一部によって構成される。データ収集部２１は、収集された稼働データを、作業機械２及び部位の各識別情報と共に、サーバ装置４に定期的（例えば１日１回）に送信する。

端末装置３は、例えば、タブレット端末若しくはスマートフォン等の携帯端末、又は、ＰＣによって構成される。端末装置３は、表示部３１と入力部３２とを有する。表示部３１及び入力部３２は、タッチパネル等によって構成される。端末装置３は、作業機械２の各部位に対する点検項目等を表示部３１に表示して、保守員が行う作業機械２の各部位の点検を支援する。端末装置３は、保守員が入力部３２にて入力した点検結果を受け付けて、作業機械２及び部位の各識別情報と共に、サーバ装置４に送信する。点検結果は、点検結果自体の他、点検日時を含むと共に、部位の修理又は交換の内容及び日時等を含むことができる。また、端末装置３は、サーバ装置４から送信された作業機械２の各部位の故障確率を含む故障予測結果を、表示部３１に表示する。

サーバ装置４は、複数の作業機械２からそれぞれ送信された稼働データを蓄積して、複数の作業機械２を管理するコンピュータである。サーバ装置４には、作業機械２の故障を予測する故障予測装置４０が設けられている。故障予測装置４０は、ＣＰＵ、ＲＯＭ及びＲＡＭによって構成され、ＲＯＭに記憶されたプログラムをＣＰＵが実行することにより、故障予測装置４０の機能を実現する。なお、故障予測装置４０は、サーバ装置４に設けられるのではなく、作業機械２又は端末装置３に設けられていてもよい。

故障予測装置４０は、受信装置４１と、記憶装置４２と、送信装置４３と、演算処理装置４４と、を備える。

受信装置４１は、作業機械２から送信された稼働データ、及び、端末装置３から送信された点検結果を受信する。記憶装置４２は、受信装置４１により受信された稼働データ及び点検結果、並びに、演算処理装置４４により算出された故障予測結果等を蓄積するデータベース装置である。記憶装置４２には、所定期間（例えば作業機械２が工場から出荷されてから現在までの期間）に亘って収集された稼働データ、点検結果、及び、故障予測結果の履歴が記憶されている。送信装置４３は、記憶装置４２に記憶された故障予測結果を端末装置３に送信する。

演算処理装置４４は、記憶装置４２に記憶された稼働データに基づいて作業機械２の部位の故障予測を行う。演算処理装置４４は、受信装置４１、記憶装置４２及び送信装置４３の動作を制御する。

演算処理装置４４は、予測部４４１と、学習部４４２と、判定部４４３と、補正部４４４を、を備える。

予測部４４１は、作業機械２の部位の稼働データに基づいて当該部位の故障確率を予測する。予測部４４１は、当該稼働データを説明変数とし当該故障確率を目的変数とする数理モデルである予測モデルを含む。作業機械２の部位が稼働時間の経過に伴って劣化する部位である場合、予測部４４１は、故障確率の予測に用いる当該部位の稼働データとして、現在までの稼働時間の合計である累積稼働時間を採用する。この場合、予測部４４１に含まれる予測モデルは、累積稼働時間から当該部位の故障確率を予測するモデルである。

例えば、予測対象である作業機械２の部位が走行動作によって劣化する部位である場合、予測部４４１は、故障確率の予測に用いる当該部位の稼働データとして、現在までの走行時間の合計である累積走行時間（累積稼働時間と見做し得る）を採用する。この場合、予測部４４１に含まれる予測モデルは、累積走行時間から当該部位の故障確率を予測するモデルである。また、例えば、予測対象である作業機械２の部位が掘削動作によって劣化する部位である場合、予測部４４１は、故障確率の予測に用いる当該部位の稼働データとして、現在までの掘削時間の合計である累積掘削時間（累積稼働時間と見做し得る）を採用する。この場合、予測部４４１に含まれる予測モデルは、累積掘削時間から当該部位の故障確率を予測するモデルである。累積走行時間及び累積掘削時間は、累積稼働時間の一例である。

本実施形態では、予測対象である作業機械２の部位として、油圧ショベルのフロント作業装置を構成するバケットを例に挙げて説明する。この例では、予測部４４１に含まれる予測モデルは、図３に示すように、累積稼働時間（累積掘削時間）が長いほど故障確率が高くなると予測するモデルとなる。

図３に示す予測モデルは、次のようにして生成されてもよい。まず、作業機械２の故障履歴に基づいてバケットの故障確率を算出する。作業機械２の稼働データを収集して、バケットの累積掘削時間を取得し、累積稼働時間とする。そして、累積稼働時間と故障確率との関係を示す曲線を作成する。作成された曲線が予測モデルである。故障確率の曲線には、故障確率の閾値が設定され得る。この閾値は、故障確率の曲線上において故障の事前通知を行う指標となる値である。閾値は任意に設定可能である。閾値が設定されることによって、予測部４４１は、前回の予測時との比較に基づいて、故障予測の通知を行うことができる。すなわち、前回の予測時において故障確率と累積稼働時間の交点が閾値未満であったにも関わらず、今回の予測時には閾値以上となっている場合、予測部４４１は、故障発生の時期が近いと判断することができる。この場合、予測部４４１は、例えば、作業機械２の所有者や保守員に対して、点検推奨を通知することができる。

なお、累積稼働時間は、例えば、作業機械２のデータ収集部２１が作業機械２に設けられたアワーメータの検出値をサーバ装置４に送信することによって取得されてもよい。また、予測部４４１は、複数種類の稼働データに基づいて当該部位の故障確率を予測することもできる。

予測部４４１には、故障確率の範囲に応じて分けられた複数のランク（以下「故障予測ランク」とも称する）が予め定められている。本実施形態では、図４に示すように、故障リスクが低いほど、すなわち故障確率が低いほど、故障予測ランクが低くなるように定められている。予測部４４１は、予測された故障確率に応じて、当該部位に故障予測ランクを付与する。予測部４４１は、予測された故障確率と故障予測ランクとを、当該部位の識別情報に対応付けて記憶装置４２に記憶する。

図４に示す例では、累積稼動時間がＤ０～Ｄ５で表され、故障確率がＰ０～Ｐ５で表され、故障予測ランクが１～５で表されている。累積稼動時間Ｄ０～Ｄ５は、Ｄ０＜Ｄ１＜Ｄ２＜Ｄ３＜Ｄ４＜Ｄ５の関係があり、Ｄ０が一番短く、Ｄ５が一番長い。故障確率Ｐ０～Ｐ５は、Ｐ０＜Ｐ１＜Ｐ２＜Ｐ３＜Ｐ４＜Ｐ５の関係があり、Ｐ０が一番低く、Ｐ５が一番高い。故障予測ランク１～５は、ランク１の故障リスクが一番低く、ランク５の故障リスクが一番高い。故障確率の範囲（Ｐ０～Ｐ１，Ｐ１～Ｐ２，Ｐ２～Ｐ３，Ｐ３～Ｐ４，Ｐ４～Ｐ５）は、累積稼働時間の範囲（Ｄ０～Ｄ１，Ｄ１～Ｄ２，Ｄ２～Ｄ３，Ｄ３～Ｄ４，Ｄ４～Ｄ５）に対応して設定される。故障予測ランクは、故障確率の範囲毎に設定される。

学習部４４２は、予測部４４１に含まれる予測モデルを、機械学習によって構築する。例えば、学習部４４２は、図３を用いて説明したように生成された予測モデルに対して、その故障予測の確度が向上するよう機械学習を行うことができる。学習部４４２は、決定木、ランダムフォレスト、勾配ブースティング又はニューラルネットワークといった公知の手法を用いて機械学習を行うことができる。学習部４４２は、故障予測を行う時点で記憶装置４２に蓄積された複数の作業機械２における当該部位の稼働データ及び点検結果を学習用のデータとして、機械学習を行うことができる。

判定部４４３は、予測部４４１により付与された故障予測ランクに応じて、予測部４４１により予測された故障確率が示す当該部位の状態を判定する。例えば、図４に示すように、故障予測ランクがランク１を示す場合、ランク１に対応する故障確率が示す当該部位の状態は、正常な状態であると判定される。故障予測ランクがランク１以外（ランク２～５）を示す場合、ランク１以外に対応する故障確率が示す当該部位の状態は、異常な状態であると判定される。

判定部４４３は、予測部４４１により予測された故障確率が示す当該部位の状態と、当該部位の点検結果との乖離を判定する。判定部４４３は、予測された故障確率が当該部位の異常な状態又は正常な状態を示すのに対して、点検結果が当該部位の正常な状態又は異常な状態を示す場合、両者が乖離していると判定する。判定部４４３は、予測された故障確率及び点検結果の両者が当該部位の正常な状態又は異常な状態を示す場合、両者が乖離していないと判定する。

例えば、点検結果は、故障リスクに応じて複数のレベルに分けて予め定められているとする。具体的には、点検結果は、「正常」、「要注意」、「要経過観察」、「故障」、「修理済」の５つの項目から保守員が選択するように定められ、「正常」以外は異常な状態であると定められているとする。加えて、故障予測ランクは、ランク１～５があり、ランク１が最も低いランクであり、ランク５が最も高いランクであるとする。故障予測ランクは、ランク１が付与された当該部位の状態は正常な状態であるとし、ランク１以外が付与された当該部位の状態は異常な状態であるとするよう定められているとする。図５のＮｏ．１に示す例は、予測された故障確率及び点検結果の両者が当該部位の正常な状態を示している。判定部４４３は、図５のＮｏ．１に示す例に対して、両者が乖離していないと判定する。図５のＮｏ．２に示す例は、予測された故障確率が当該部位の異常な状態を示し、点検結果が当該部位の正常な状態を示している。判定部４４３は、図５のＮｏ．２に示す例に対して、両者が乖離していると判定する。

補正部４４４は、判定部４４３の判定結果に基づいて、予測部４４１により予測された故障確率を補正する。具体的には、補正部４４４は、予測された故障確率及び点検結果の両者が乖離していないと判定された場合、予測された故障確率を維持し、両者が乖離していると判定された場合、予測された故障確率を補正する。

補正部４４４は、予測された故障確率を次のように補正する。すなわち、補正部４４４は、予測された故障確率が当該部位の異常な状態を示し、点検結果が当該部位の正常な状態を示す場合、補正後の故障確率が補正前より低くなるよう、予測された故障確率を補正する。補正部４４４は、予測された故障確率が当該部位の正常な状態を示し、点検結果が当該部位の異常な状態を示す場合、補正後の故障確率が補正前より高くなるよう、予測された故障確率を補正する。

詳細には、本実施形態の補正部４４４は、予測された故障確率が当該部位の異常な状態を示し、点検結果が当該部位の正常な状態を示す場合、累積稼働時間を仮想的に短く設定する。本実施形態の補正部４４４は、予測された故障確率が当該部位の正常な状態を示し、点検結果が当該部位の異常な状態を示す場合、累積稼働時間を仮想的に長く設定する。累積稼働時間の仮想的に短く又は長くする際の累積稼働時間の変更量は、予測された故障確率が示す状態と点検結果との乖離度に応じて適宜設定され得る。この乖離度は、例えば、故障予測ランクと点検結果が示す異常のレベルとが乖離する程度によって決定され得る。そして、本実施形態の予測部４４１は、補正部４４４により設定された累積稼働時間に応じて故障確率を再予測する。

例えば、図５のＮｏ．２に示す例では、予測された故障確率が当該部位の異常な状態を示し、点検結果が当該部位の正常な状態を示している。補正部４４４は、図６（ａ）に示すように、累積稼働時間を仮想的に短く設定する。予測部４４１は、仮想的に短く設定された累積稼働時間を予測モデルに入力して、当該部位の故障確率を再予測する。これにより、補正部４４４は、補正後の故障確率が補正前より低くなるよう、予測された故障確率を補正することができる。この結果、故障予測装置４０は、故障予測として算出される故障確率を実際の点検結果に近づけることができるので、故障予測の確度を向上させることができる。

例えば、図５のＮｏ．４に示す例では、予測された故障確率が当該部位の正常な状態を示し、点検結果が要注意（異常）な状態を示している。補正部４４４は、図６（ｂ）に示すように、累積稼働時間を仮想的に長く設定する。予測部４４１は、仮想的に長く設定された累積稼働時間を予測モデルに入力して、当該部位の故障確率を再予測する。これにより、補正部４４４は、補正後の故障確率が補正前より高くなるよう、予測された故障確率を補正することができる。この結果、故障予測装置４０は、故障予測として算出される故障確率を実際の点検結果に近づけることができるので、故障予測の確度を向上させることができる。

また、補正部４４４は、点検結果の異常のレベルが高いほど、累積稼働時間を長い時間に仮想的に設定してもよい。例えば、図５のＮｏ．４に示す例では、点検結果が要注意な状態を示し、図５のＮｏ．５に示す例では、点検結果が要経過観察な状態を示している。この場合、補正部４４４は、Ｎｏ．４に示す例よりも異常のレベルが高いＮｏ．５に示す例の方が、累積稼働時間を長い時間に仮想的に設定される。これにより、故障予測装置４０は、故障予測として算出される故障確率を実際の点検結果に更に近づけることができるので、故障予測の確度を更に向上させることができる。

また、点検結果は、図５のＮｏ．６に示す例のように、当該部位が修理済みであることを示す結果を含み得る。この場合、補正部４４４は、当該部位が修理済みになった時点、又は、点検結果が取得された時点において、累積稼働時間を仮想的にリセットする。予測部４４１は、これらの時点から現在までの累積稼働時間を予測モデルに入力して、当該部位の故障確率を再予測する。これにより、故障予測装置４０は、修理済みにも関わらず実際よりも高く故障確率が算出されることを抑制することができるので、故障予測の確度を更に向上させることができる。

予測部４４１は、再予測されて補正された故障確率に応じて、当該部位に故障予測ランクを再付与する。予測部４４１は、補正された故障確率及び故障予測ランクを、当該部位の識別情報に対応付けて記憶装置４２に記憶する。

なお、予測部４４１は、再予測されて補正された故障確率に基づいて、当該部位の余寿命を予測し、当該部位の修理又は交換時期を特定することができる。予測部４４１は、信頼性工学における生存率分析といった公知の手法を用いて、当該部位の余寿命を予測し、当該部位の修理又は交換時期を特定することができる。予測部４４１は、特定された当該部位の修理又は交換時期を、当該部位の識別情報に対応付けて記憶装置４２に記憶する。送信装置４３は、演算処理装置４４の指令に基づいて、記憶装置４２に記憶された故障確率、故障予測ランク、及び、当該部位の修理又は交換時期を、故障予測結果として端末装置３に送信する。

また、学習部４４２は、故障確率が補正された当該部位の累積稼働時間（稼働データ）及び点検結果を学習用のデータとして機械学習を再度行い、予測部４４１に含まれる予測モデルを再構築することができる。

また、判定部４４３は、予測された故障確率及び点検結果の両者が正常な状態又は異常な状態を示す場合であっても、両者の正常な状態又は異常な状態の程度が異なる場合には、両者が乖離していると判定してもよい。この場合、補正部４４４は、予測された故障確率を補正する。具体的には、補正部４４４は、予測された故障確率が示す正常な状態又は異常な状態の程度が、点検結果が示す正常な状態又は異常な状態の程度よりも大きい場合、累積稼働時間を仮想的に短く設定する。補正部４４４は、予測された故障確率が示す正常な状態又は異常な状態の程度が、点検結果が示す正常な状態又は異常な状態の程度よりも小さい場合、累積稼働時間を仮想的に長く設定する。そして、予測部４４１は、補正部４４４により設定された累積稼働時間に応じて故障確率を再予測する。これにより、故障予測装置４０は、故障予測として算出される故障確率を実際の点検結果に更に近づけることができるので、故障予測の確度を更に向上させることができる。

図７は、図２に示す演算処理装置４４によって行われる処理のフローチャートである。演算処理装置４４は、図７に示す処理を所定の周期で繰り返し行う。

ステップＳ１において、演算処理装置４４は、作業機械２の部位の稼働データを受信装置４１が受信したか否かを判定する。稼働データを受信した場合、演算処理装置４４は、ステップＳ２に移行する。稼働データを受信していない場合、演算処理装置４４は、ステップＳ４に移行する。

ステップＳ２において、演算処理装置４４は、受信された当該部位の稼働データを記憶装置４２に記憶する。

ステップＳ３において、演算処理装置４４は、当該部位の累積稼働時間から当該部位の故障確率を予測する。演算処理装置４４は、予測された故障確率に応じて、故障予測ランクを当該部位に付与する。演算処理装置４４は、予測された故障確率及び故障予測ランクを記憶装置４２に記憶する。

ステップＳ４において、演算処理装置４４は、当該部位の点検結果を受信装置４１が受信したか否かを判定する。点検結果を受信した場合、演算処理装置４４は、ステップＳ５に移行する。点検結果を受信していない場合、演算処理装置４４は、図７に示す処理を終了する。

ステップＳ５において、演算処理装置４４は、受信された当該部位の点検結果を記憶装置４２に記憶する。

ステップＳ６において、演算処理装置４４は、記憶装置４２に記憶された当該部位の故障確率が示す当該部位の状態と当該部位の点検結果とを比較する。

ステップＳ７において、演算処理装置４４は、点検結果が修理済みであることを示す結果であるか否かを判定する。点検結果が修理済みであることを示す結果である場合、演算処理装置４４は、ステップＳ８に移行する。点検結果が修理済みであることを示す結果でない場合、演算処理装置４４は、ステップＳ９に移行する。

ステップＳ８において、演算処理装置４４は、当該部位が修理済みになった時点、又は、点検結果が取得された時点において、当該部位の累積稼働時間を仮想的にリセットする。ステップＳ８の後、演算処理装置４４は、ステップＳ１３に移行する。

ステップＳ９において、演算処理装置４４は、当該部位の故障確率が示す当該部位の状態と当該部位の点検結果とが乖離しているか否かを判定する。乖離している場合、演算処理装置４４は、ステップＳ１０に移行する。乖離していない場合、演算処理装置４４は、ステップＳ１４に移行する。

ステップＳ１０において、演算処理装置４４は、当該部位の故障確率が当該部位の異常な状態を示し、且つ、点検結果が当該部位の正常な状態を示す場合（図７では「Ａの場合」と称する）と、当該部位の故障確率が当該部位の正常な状態を示し、且つ、点検結果が当該部位の異常な状態を示す場合（図７では「Ｂの場合」と称する）との何れであるかを判定する。当該部位の故障確率が当該部位の異常な状態を示し、且つ、点検結果が当該部位の正常な状態を示す場合（Ａの場合）、演算処理装置４４は、ステップＳ１１に移行する。当該部位の故障確率が当該部位の正常な状態を示し、且つ、点検結果が当該部位の異常な状態を示す場合（Ｂの場合）、演算処理装置４４は、ステップＳ１２に移行する。

ステップＳ１１において、演算処理装置４４は、当該部位の累積稼働時間を仮想的に短く設定する。ステップＳ１１の後、演算処理装置４４は、ステップＳ１３に移行する。

ステップＳ１２において、演算処理装置４４は、当該部位の累積稼働時間を仮想的に長く設定する。ステップＳ１２の後、演算処理装置４４は、ステップＳ１３に移行する。

ステップＳ１３において、演算処理装置４４は、仮想的に変更された当該部位の累積稼働時間から当該部位の故障確率を再予測して、ステップＳ３において予測された故障確率を補正する。演算処理装置４４は、再予測された故障確率に応じて、故障予測ランクを当該部位に再付与する。演算処理装置４４は、再予測された故障確率及び故障予測ランクを記憶装置４２に記憶する。

ステップＳ１４において、演算処理装置４４は、記憶装置４２に記憶された故障確率に基づいて、当該部位の余寿命を予測し、当該部位の修理又は交換時期を特定する。演算処理装置４４は、特定された当該部位の修理又は交換時期を記憶装置４２に記憶する。

ステップＳ１５において、演算処理装置４４は、記憶装置４２に記憶された故障確率、故障予測ランク、及び、当該部位の修理又は交換時期を、故障予測結果として、送信装置４３を介して端末装置３に送信する。ステップＳ１５の後、演算処理装置４４は、図７に示す処理を終了する。

以上のように、本実施形態の故障予測装置４０は、作業機械２の部位の稼働データに基づいて当該部位の故障確率を予測する予測部４４１と、故障確率が示す当該部位の状態と当該部位の点検結果との乖離を判定する判定部４４３と、判定部４４３の判定結果に基づいて故障確率を補正する補正部４４４と、を備える。補正部４４４は、予測された故障確率が当該部位の異常な状態を示し、点検結果が当該部位の正常な状態を示す場合、補正後の故障確率が補正前より低くなるよう、予測された故障確率を補正する。補正部４４４は、予測された故障確率が当該部位の正常な状態を示し、点検結果が当該部位の異常な状態を示す場合、補正後の故障確率が補正前より高くなるよう、予測された故障確率を補正する。

これにより、故障予測装置４０は、予測された故障確率と点検結果とに乖離がある場合には、故障確率を実際の点検結果に近づけることができるので、故障予測の確度を向上させることができる。

更に、本実施形態の故障予測装置４０において、稼働データは、当該部位の現在までの稼働時間である累積稼働時間を含む。予測部４４１は、累積稼働時間が長いほど故障確率が高くなると予測する。補正部４４４は、予測された故障確率が当該部位の異常な状態を示し、点検結果が当該部位の正常な状態を示す場合、累積稼働時間を仮想的に短く設定する。補正部４４４は、予測された故障確率が当該部位の正常な状態を示し、点検結果が当該部位の異常な状態を示す場合、累積稼働時間を仮想的に長く設定する。予測部４４１は、補正部４４４により設定された累積稼働時間に応じて故障確率を再予測する。

これにより、補正部４４４は、予測された故障確率が当該部位の異常な状態を示し、点検結果が当該部位の正常な状態を示す場合、補正後の故障確率が補正前より低くなるよう、予測された故障確率を補正することができる。補正部４４４は、予測された故障確率が当該部位の正常な状態を示し、点検結果が当該部位の異常な状態を示す場合、補正後の故障確率が補正前より高くなるよう、予測された故障確率を補正することができる。この結果、故障予測装置４０は、故障予測として算出される故障確率を実際の点検結果に容易に近づけることができるので、故障予測の確度を容易に向上させることができる。

更に、本実施形態の故障予測装置４０において、点検結果は、当該部位の故障リスクに応じて複数のレベルに分けられている。補正部４４４は、異常のレベルが高いほど累積稼働時間を長い時間に仮想的に設定する。

これにより、故障予測装置４０は、故障予測として算出される故障確率を実際の点検結果に更に近づけることができるので、故障予測の確度を更に向上させることができる。

更に、本実施形態の故障予測装置４０において、点検結果は、当該部位が修理済みであることを示す結果を含む。補正部４４４は、点検結果が修理済みであることを示す結果である場合、当該部位が修理済みになった時点、又は、点検結果が取得された時点において、累積稼働時間を仮想的にリセットする。

これにより、故障予測装置４０は、修理済みにも関わらず実際よりも高く故障確率が算出されることを抑制することができるので、故障予測の確度を更に向上させることができる。

更に、本実施形態の故障予測装置４０は、点検結果を入力可能な端末装置３、及び、作業機械２のそれぞれと通信可能なサーバ装置４に設けられている。故障予測装置４０は、作業機械２から送信された稼働データ、及び、端末装置３から送信された点検結果を受信する受信装置４１と、補正された故障確率を端末装置３に送信する送信装置４３と、を備える。端末装置３は、送信された故障確率を表示する。

これにより、故障予測装置４０は、作業機械２及び端末装置３よりもリソースに余裕のあるサーバ装置４において、複数の作業機械２の稼働データを用いて故障予測を行うことができるので、故障予測の確度を容易に向上させることができる。更に、故障予測装置４０は、端末装置３を使用する作業機械２の保守員等に、当該部位がどの程度故障する可能性があるかを定量的に報知することができる。保守員は、点検項目の見直し等を行い点検計画の最適化を図ることができる。よって、故障予測装置４０は、作業機械２の適切且つ速やかな点検を支援することができる。

図８は、図２に示す補正部４４４の処理内容の他の例を説明する図である。

補正部４４４は、予測された故障確率を補正するべく累積稼働時間を仮想的に変更する場合、当該故障確率に応じて付与された故障予測ランクと点検結果とに基づいて予め定められた仮想的な累積稼働時間の値となるように設定してもよい。例えば、図８のＮｏ．１２に示す例では、故障予測ランクがランク３を示し、点検結果が要注意な状態を示す。この場合、補正部４４４は、累積稼働時間を、仮想的な累積稼働時間Ｔ３～Ｔ４の範囲内の値に設定してもよい。そして、予測部４４１は、補正部４４４により設定された累積稼働時間に応じて故障確率を再予測する。これにより、故障予測装置４０は、図１～図７を用いて説明した実施形態よりも簡易的に故障確率を補正することができるので、故障予測の確度を容易に向上させることができる。

図９は、図２に示す予測部４４１が複数種類の稼働データに基づいて故障確率を予測する例を説明する図である。図１０は、図２に示す予測部４４１が複数種類の稼働データに基づいて故障確率を予測する他の例を説明する図である。

上記の実施形態では、予測部４４１は、１種類の稼働データに基づいて故障確率を予測していた。予測部４４１は、複数種類の稼働データに基づいて故障確率を予測してもよい。複数種類の稼働データに基づいて故障確率を予測する手法としては、或る稼働データから故障確率を予測する予測モデルを他の稼働データ毎に場合分けして生成する手法（図９）と、複数種類の稼働データを合成し、合成された稼働データから故障確率を予測する予測モデルを生成する手法（図１０）とがある。図９及び図１０では、予測対象である作業機械２の部位として、油圧ショベルの上部旋回体を旋回させる旋回モータを例に挙げて説明する。

旋回モータの故障要因となる稼働データとして、現在までの旋回時間の合計である累積旋回時間と、平均作動油温度とが考えられる。この場合、予測部４４１に含まれる予測モデルは、図９に示すように、累積旋回時間と故障確率との関係を示す曲線を平均作動油温度の範囲毎に場合分けして複数作成することによって、生成されてもよい。累積旋回時間は、累積稼働時間の一例である。

予測部４４１は、作業機械２から送信された旋回時間を用いて累積旋回時間を算出すると共に、作業機械２から送信された平均作動油温度を用いて複数の予測モデルの何れかを選択する。そして、予測部４４１は、選択された予測モデルに累積旋回時間を入力することによって、旋回モータの故障確率を予測する。

また、旋回モータの故障要因となる稼働データとして、旋回時間と旋回時圧力とが考えられる。この場合、予測部４４１に含まれる予測モデルは、次のようにして生成されてもよい。まず、１日の旋回時間Ｂと１日の平均旋回時圧力Ｃと所定係数Ａとをそれぞれ乗算して、旋回モータの１日の損傷度（Ａ×Ｂ×Ｃ）を算出する。次に、１日の損傷度を現在まで累積させて、旋回モータの累積損傷度を算出する。そして、図１０に示すように、累積損傷度と故障確率との関係を示す曲線を作成する。このようにして、図１０に示す予測モデルは生成されてもよい。

予測部４４１は、作業機械２から送信された旋回時間（１日の実績）と旋回時圧力（１日の平均）とを用いて累積損傷度を算出する。そして、予測部４４１は、算出された累積損傷度を予測モデルに入力することによって、旋回モータの故障確率を予測する。

このように、予測部４４１は、複数種類の稼働データに基づいて故障確率を予測することができる。これにより、故障予測装置４０は、故障予測として算出される故障確率を実際の点検結果に更に近づけることができるので、故障予測の確度を更に向上させることができる。

以上、本発明の実施形態について詳述したが、本発明は、上記の実施形態に限定されるものではなく、特許請求の範囲に記載された本発明の精神を逸脱しない範囲で、種々の変更を行うことができる。本発明は、或る実施形態の構成を他の実施形態の構成に追加したり、或る実施形態の構成を他の実施形態と置換したり、或る実施形態の構成の一部を削除したりすることができる。

１…故障予測システム、２…作業機械、２１…データ収集部、３…端末装置、３１…表示部、３２…入力部、４…サーバ装置、４０…故障予測装置、４１…受信装置、４２…記憶装置、４３…送信装置、４４…演算処理装置、４４１…予測部、４４２…学習部、４４３…判定部、４４４…補正部

Claims (6)

1. 作業機械の故障を予測するサーバ装置に設けられた故障予測装置であって、
   前記サーバ装置は、
   前記作業機械の部位の稼働データに基づいて当該部位の故障確率を予測する予測部と、
   前記故障確率が示す前記部位の状態と当該部位の点検結果との乖離を判定する判定部と、
   前記判定部の判定結果に基づいて前記故障確率を補正する補正部と、を備え、
   前記補正部は、
   前記故障確率が前記部位の異常な状態を示し、前記点検結果が当該部位の正常な状態を示す場合、補正後の前記故障確率が補正前より低くなるよう前記故障確率を補正し、
   前記故障確率が前記部位の正常な状態を示し、前記点検結果が当該部位の異常な状態を示す場合、補正後の前記故障確率が補正前より高くなるよう前記故障確率を補正する
   ことを特徴とする故障予測装置。
2. 前記稼働データは、前記部位の現在までの稼働時間である累積稼働時間を含み、
   前記予測部は、前記累積稼働時間が長いほど前記故障確率が高くなると予測し、
   前記補正部は、
   前記故障確率が前記部位の異常な状態を示し、前記点検結果が当該部位の正常な状態を示す場合、前記累積稼働時間を仮想的に短く設定し、
   前記故障確率が前記部位の正常な状態を示し、前記点検結果が当該部位の異常な状態を示す場合、前記累積稼働時間を仮想的に長く設定し、
   前記予測部は、前記補正部により設定された前記累積稼働時間に応じて前記故障確率を再予測する
   ことを特徴とする請求項１に記載の故障予測装置。
3. 前記点検結果は、前記部位の故障リスクに応じて複数のレベルに分けられており、
   前記補正部は、前記異常のレベルが高いほど前記累積稼働時間を長い時間に仮想的に設定する
   ことを特徴とする請求項２に記載の故障予測装置。
4. 前記点検結果は、前記部位が修理済みであることを示す結果を含み、
   前記補正部は、前記点検結果が修理済みであることを示す結果である場合、前記部位が修理済みになった時点、又は、前記点検結果が取得された時点において、前記累積稼働時間を仮想的にリセットする
   ことを特徴とする請求項２に記載の故障予測装置。
5. 前記故障予測装置は、前記点検結果を入力可能な端末装置、及び、前記作業機械のそれぞれと通信可能な前記サーバ装置に設けられており、
   前記故障予測装置は、
   前記作業機械から送信された前記稼働データ、及び、前記端末装置から送信された前記点検結果を受信する受信装置と、
   補正された前記故障確率を前記端末装置に送信する送信装置と、を備え、
   前記端末装置は、送信された前記故障確率を表示する
   ことを特徴とする請求項１に記載の故障予測装置。
6. 前記予測部は、複数種類の前記稼働データに基づいて前記故障確率を予測する
   ことを特徴とする請求項１に記載の故障予測装置。

Images