JP5193533B2 - 遠隔監視システム及び遠隔監視方法 - Google Patents

Description

本発明は、特にネットワークモデルを使用して、遠隔地に設置されている各種機器の故障診断や機能喪失の予測診断などを行なう遠隔監視システムに関する。

近年、例えばエレベータ、空調機器、コピー機などの各種機器を、通信回線を介して遠隔監視を行なう遠隔監視システムが実用化されている。このような遠隔監視システムは、遠隔地（機器の利用場所）に設置された監視対象機器から、通信回線を介して得られる情報に基づいて、監視対象機器の故障診断などを実行して、保守支援を行なう。

遠隔監視システムの具体例としては、監視診断対象機器に取り付けられたリモート診断装置と通信回線で接続された監視センター内に、故障診断などを実行する監視装置が設けられたシステムが提案されている（例えば、特許文献１を参照）。

また、遠隔監視システムに適用できる故障診断方法の具体例として、故障の因果関係を表したツリー（tree）構造の情報を利用して、機器の故障診断を行なう故障診断方法が提案されている（例えば、特許文献２を参照）。

さらに、プラントの機器の検査事象から想定される故障を、ツリー（tree）展開する故障連関展開手段により、故障復旧予想コストを計算するプラント機器の保守管理方法が提案されている（例えば、特許文献３を参照）。
特開２００３−８５０２０号公報 特許第３１５１０９３号公報 特開２００３−３０３０１４号公報

前述のような遠隔監視システムでは、故障診断に用いる情報が、試験や点検、または保守実績から得られる故障確率などのように、故障などの事象が発生する前に得られる事前情報のみの場合がある。また、逆に、故障診断に用いる情報が、顧客からのクレームやリモート監視装置からのアラームなどのように、事象の発生後に得られる事後情報のみの場合が多い。しかしながら、監視対象機器の故障診断や予測診断を行なう場合に、事前情報と事後情報の一方だけでなく、両方を統合して使用することにより、監視対象機器の故障診断や予測診断の精度を向上させることが望ましい。

本発明の目的は、監視対象機器からの事前情報と事後情報を使用して、高精度の故障診断を含む遠隔監視処理を実行できる遠隔監視システムを提供することにある。

本発明の観点は、遠隔地に設置された監視対象機器から、故障などの事象が発生する前に得られる事前情報及び事象の発生後に得られる事後情報をネットワークモデルで統合化して使用することにより、監視対象機器の故障診断を含む遠隔監視処理を実行できる遠隔監視システムである。

本発明の観点に従った遠隔監視システムは、監視対象機器に対する故障診断を含む遠隔監視処理に必要な情報を生成する端末手段と、前記端末手段から出力される前記情報を伝送する通信回線と、前記通信回線を介して前記端末手段から出力される前記情報に含まれる事前情報及び事後情報を取得し、前記監視対象機器の故障や機能喪失の因果関係を示すネットワークモデルを使用して前記事前情報に基づいて故障や機能喪失を予測する予測処理及び前記事後情報に基づいて故障や機能喪失の原因を分析する原因分析処理を含む前記遠隔監視処理を実行する監視処理手段と、前記監視処理手段から出力される監視処理結果を表示する表示手段とを備えた構成である。

本発明によれば、例えばエレベータ、空調機器、コピー機などの遠隔地に設置された監視対象機器から、事前情報と事後情報を使用して、高精度の故障診断を含む遠隔監視処理を実行できる遠隔監視システムを提供することにある。

以下図面を参照して、本発明の実施形態を説明する。

（システムの構成）
図１は、本実施形態に関する遠隔監視システムの構成を示すブロック図である。

遠隔監視システムは、遠隔地に設置されている遠隔監視診断対象機器（以下、監視対象機器と略す）１０の動作状態の監視や故障診断などの監視処理を実行し、保守を支援するシステムである。監視対象機器１０は、具体例としては、例えばエレベータ、空調機器、コピー機などである。

遠隔監視システムは、図１に示すように、監視対象機器１０の監視処理に必要な情報を生成する遠隔監視診断端末（以下、単に端末と略す）１１と、表示装置１２と、通信回線１３と、中央監視診断システム１４と、表示装置１５とを有する。端末１１及び中央監視診断システム１４はコンピュータシステムにより構成されており、後述するように、専用のソフトウェアによる各種の機能を有する。

端末１１は、図２に示すように、故障確率計算部３１、予兆現象検出部３２、アラーム生成部３３、機能喪失の有無通知部３４、及び機器の健全性通知部３５の各機能を有する。端末１１は、これらの機能により、監視対象機器１０からの各種のデータや信号に基づいて、故障確率情報３１０、予兆現象情報３２０、アラーム情報３３０、機能喪失の有無を示す情報３４０、及び機器の健全性を示す情報３５０を生成する。表示装置１２は、端末１１により生成された情報や、監視対象機器１０から収集した各種のデータなどをディスプレイに表示する。

中央監視診断システム１４は、通信回線１３を介して端末１１に接続しており、端末１１から送信される情報３１０，３２０，３３０，３４０，３５０を取得し、これらの情報を使用して後述する監視処理を実行する。

中央監視診断システム１４は、図２に示すように、ネットワークモデル処理部２１、原因分析部２２、予兆原因分析部２３、喪失機能評価部２４、及び故障予測部２５の各機能を有する。表示装置１２は、中央監視診断システム１４から出力される原因分析結果１５０、機能評価結果１５１、及び予測診断結果１５２などの監視処理結果をディスプレイに表示する。

（システムの動作）
以下、図２から図７を参照して、本実施形態の遠隔監視システムの動作を説明する。

本実施形態の中央監視診断システム１４は、図３に示すようなネットワークモデルを使用して、端末１１から送信される情報３１０，３２０，３３０，３４０，３５０を処理する。ネットワークモデルは、監視対象機器１０を構成する部品の故障や、動作不具合（予兆現象）、機器としての機能喪失（機能不全）などの因果関係をフォールトツリーなどの有向グラフで表現したものである。ネットワーク処理部２１は、データベースを利用して、当該ネットワークモデルを構築するための処理を実行する。

中央監視診断システム１４は、ネットワーク処理部２１により構築されたネットワークモデルを使用して、原因分析部２２、予兆原因分析部２３、喪失機能評価部２４及び故障予測部２５の各機能を実現する。

本実施形態のネットワークモデルは、図３に示すように、監視対象機器１０を構成する部品の故障や性能劣化を表す基本事象１〜５、機能喪失（機能不全）を表すトップ事象１０７、基本事象とトップ事象との間にある中間事象１〜５、基本事象まで展開せずに不具合などの事象を表す非展開事象１、及び各事象の因果関係を表すゲート（ＯＲゲート１００、ＡＮＤゲート１０１〜１０３、制止ゲート１０５、条件付き確率１０６）から構成されている。ここで、各事象は０から１の間の値をとる確率変数である。ゲートを介して接続された確率変数の関係は、入力側をｘ１、ｘ２、…、出力側をｙとした場合に、それぞれ以下の数式で表される。

即ち、ＯＲゲート１００の入出力関係は、「ｙ＝１−（１−ｘ１）×（１−ｘ２）×…」となる。ＡＮＤゲート１０１〜１０４の入出力関係は、「ｙ＝ｘ１×ｘ２×…」となる。また、制止ゲート１０５の入出力関係は、「ｙ＝ｘ１、但しｘ２＞Ａ」及び「ｙ＝０、但しｘ２≦Ａ」となる。さらに、条件付き確率１０６の入出力関係は、「ｙ＝Ｂ１×ｘ１」となる。但し、逆方向では異なるゲインをとる場合もあるので、「ｘ１＝Ｂ２×ｙ」となる。

このようなネットワークモデルを使用して、本実施形態の中央監視診断システム１４は、端末１１から送信される情報３１０，３２０，３３０，３４０，３５０を入力し、例えばエレベータ、空調機器、コピー機などの監視対象機器１０を監視する監視処理を実行する。

ここで、ネットワークモデルの各事象は、端末１１から送信される情報３１０，３２０，３３０，３４０，３５０を入力し、あるいはその一部を０から１の確率変数に規格化して入力する。なお、ネットワークモデルの事象には、入力を持たない事象も存在する。

端末１１の故障確率計算部３１は、監視対象機器１０を構成する部品毎の故障確率あるいは故障確率予測値などの部品故障に関する故障確率情報３１０を統計的計算により算出する。予兆現象検出部３２は、例えばセンサにより、監視対象機器１０が機能喪失に至る予兆現象に関する予兆現象情報３２０を検出する。この予兆現象情報３２０には、具体例としては、監視対象機器１０に使用されているモータの回転、ノイズ、振動などの検出情報が含まれる。

アラーム生成部３３は、監視対象機器１０の動作不具合、具体例としてはスイッチの動作不良やコピー機のトナー不足などのアラーム情報３３０を生成する。機能喪失の有無通知部３４は、監視対象機器１０の使用者などにより通知される機能喪失の有無を示す情報３４０を出力する。機器の健全性通知部３５は、監視対象機器１０の点検作業により得られる部品あるいは機器の健全性を示す情報３５０を生成する。

次に、ネットワークモデルの各事象に入力が与えられた時点で、各事象の因果関係を表す前述のような数式（制約式）を満たさないことが考えられる。そこで、各事象に対応した確率変数ｘｉ（ｉ＝１〜ｎ）のそれぞれに、補正項ｚｉ（ｉ＝１〜ｎ）を与えることにより制約式を満たすようにする。但し、補正の合理性を保つために補正項の調整を行う。補正項の調整方法は、ベイズ推定を用いた方法やニューラルネットワークを用いた方法を選択することができる。本実施形態では、ネットワークモデルの制約式に与える補正項ｚｉの取り得る範囲に制約を加えた最適化問題の解を用いる方法を適用する場合について説明する。最適化問題は、以下の式（１）で表すように、目的関数Ｊの最小化問題として定式化できる。

Ｊ＝Σｚｉ×ｗｉ×ｚｉ…（１）
制約式として、ネットワークモデルの制約式（各事象の確率変数をｘｉ＋ｚｉとする）、「ｘｉ＋ｚｉ」の範囲に関する制約式、ｚｉの範囲に関する制約式が成立する。ここで、ｗｉは各補正項に与える重みである。信頼性の高いｘｉについては、ｗｉを相対的に大きくすることによりｚｉを小さくすることができる。従って、ネットワークモデルで表された事象の因果関係を満たし、かつ入力の信頼度を考慮した事象の発生確率を精度良く得られる。

以下、図４から図７のフローチャートを参照して、中央監視診断システム１４において、原因分析部２２、予兆原因分析部２３、喪失機能評価部２４及び故障予測部２５の各機能を具体的に説明する。

原因分析部２２は、図４に示すように、端末１１からアラーム情報３３０、及び機能喪失（機能不全）を示す情報３４０が送信されたときに、これらの事象が発生した原因となる事象、即ち監視対象機器１０の機能喪失を発生させた原因を推定する（ステップＳ１）。

原因分析部２２は、ネットワークモデルの各事象に、端末１１から送信される故障確率情報３１０、予兆現象情報３２０、アラーム情報３３０、機能喪失の有無を示す情報３４０及び機器の健全性を示す情報３５０を入力することにより、各事象の因果関係を表す数式（制約式）を演算する（ステップＳ２）。このとき、ネットワークモデルの制約式を満たすように、各情報３１０，３２０，３３０，３４０，３５０の補正値（補正項）を計算する（ステップＳ３）。

この補正項計算の際に、各情報に対して以下のような重み（ｗｉ）を設定することにより合理的な分析が実現できる。ここで、補正項計算に与える重みとして、大、中、小、ゼロのレベルに分ける。大の重みを設定する情報として、アラーム情報３３０及び機能喪失（機能不全）を示す情報３４０がある。これらの情報は確度の高い情報であるため、対応する事象の発生確率の補正項に関する重みを大きく設定する。

中の重みを設定する情報として、故障確率情報３１０、予兆現象情報３２０及び機器の健全性を示す情報３５０がある。故障確率情報３１０及び予兆現象情報３２０については、故障確率計算部３１及び予兆現象検出部３２の精度に応じた重みを与える。また、機器の健全性を示す情報３５０については、点検作業によって健全性が判断された時点からの変化率などを重みとして与える。さらに、小またはゼロの重みを設定する場合として、入力を持たない事象については確率変数を任意の値（例えば０）とするとともに、重み０を与える。

原因分析部２２は、前記の補正項計算により算出された補正値を考慮して、発生した原因として可能性の高い基本事象または中間事象を推定する（ステップＳ４）。中央監視診断システム１４は、原因分析部２２により推定された原因分析結果１５０を、表示装置１５のディスプレイ上に表示する。

予兆原因分析部２３は、図５に示すように、端末１１から予兆現象情報３２０が送信されたときに、これらの事象が発生した原因となる事象、即ち監視対象機器１０の故障（機能喪失）に到る予兆を発生させた原因を推定する（ステップＳ１１）。

予兆原因分析部２３は、ネットワークモデルの各事象に、端末１１から送信される故障確率情報３１０、予兆現象情報３２０、アラーム情報３３０、機能喪失の有無を示す情報３４０及び機器の健全性を示す情報３５０を入力することにより、各事象の因果関係を表す数式（制約式）を演算する（ステップＳ１２）。このとき、ネットワークモデルの制約式を満たすように、各情報３１０，３２０，３３０，３４０，３５０の補正値（補正項）を計算する（ステップＳ１３）。

この補正項計算の際に、以下のような情報に対して大、中、小、ゼロのレベルに分けた重み（ｗｉ）を設定することにより合理的な分析が実現できる。まず、大の重みを設定する情報として、予兆現象情報３２０がある。この情報３２０に与える重みは、基本的に予兆現象検出部３２の検出精度に応じた値となるが、他の重みに対して相対的に大きな値となるように設定する。

中の重みを設定する情報として、アラーム情報３３０及び機能喪失の有無を示す情報３４０がある。これらの情報については、予兆現象情報３２０に対して相対的に小さい重みを与える。

小の重みを設定する情報としては、故障確率情報３１０及び機器の健全性を示す情報３５０がある。故障確率情報３１０の重みは、故障確率計算部３１の精度に応じた値となる。また、機器の健全性を示す情報３５０の重みとしては、点検作業によって健全性が判断された時点からの変化率などを与える。いずれの情報に対する重みは、相対的に小さくなるようにスケーリングする。また、入力を持たない事象については確率変数を任意の値（例えば０）とするとともに、重み０を与える。

予兆原因分析部２３は、前記の補正項計算により算出された補正値を考慮して、予兆原因として可能性の高い基本事象または中間事象を推定する（ステップＳ１４）。中央監視診断システム１４は、予兆原因分析部２３により推定された分析結果を、表示装置１５のディスプレイ上に表示する。

喪失機能評価部２４は、図６に示すように、端末１１から予兆現象情報３２０が送信されたときに、この予兆現象が監視対象機器１０の他の事象に与える影響、具体的には機能喪失に与える影響を評価する（ステップＳ２１）。

喪失機能評価部２４は、ネットワークモデルの各事象に、端末１１から送信される故障確率情報３１０、予兆現象情報３２０、アラーム情報３３０、機能喪失の有無を示す情報３４０及び機器の健全性を示す情報３５０を入力することにより、各事象の因果関係を表す数式（制約式）を演算する（ステップＳ２２）。このとき、ネットワークモデルの制約式を満たすように、各情報３１０，３２０，３３０，３４０，３５０の補正値（補正項）を計算する（ステップＳ２３）。

この補正項計算の際に、以下のような情報に対して大、中、小、ゼロのレベルに分けた重み（ｗｉ）を設定することにより合理的な分析が実現できる。まず、大の重みを設定する情報として、予兆現象情報３２０がある。この情報３２０に与える重みは、基本的に予兆現象検出部３２の検出精度に応じた値となるが、他の重みに対して相対的に大きな値となるように設定する。

中の重みを設定する情報としては、故障確率情報３１０及び機器の健全性を示す情報３５０がある。故障確率情報３１０の重みは、故障確率計算部３１の精度に応じた値となる。また、機器の健全性を示す情報３５０の重みとしては、点検作業によって健全性が判断された時点からの変化率などを与える。いずれの情報に対する重みは、相対的に小さくなるようにスケーリングする。

小の重みを設定する情報として、アラーム情報３３０及び機能喪失の有無を示す情報３４０がある。これらの情報については、相対的に小さい重みを与える。また、入力を持たない事象については確率変数を任意の値（例えば０）とするとともに、重み０を与える。

喪失機能評価部２４は、前記の補正項計算により算出された補正値を考慮して、可能性の高いトップ事象１０７または中間事象を影響の大きい事象として評価する（ステップＳ２４）。中央監視診断システム１４は、機能評価結果１５１を表示装置１５のディスプレイ上に表示する。

故障予測部２５は、図７に示すように、端末１１から故障確率情報３１０及び予兆現象情報３２０が送信されたときに、故障確率や予兆現象の予測値を用いて、将来起き得る監視対象機器１０の機能喪失（故障）の時期や原因を予測する（ステップＳ３１）。

故障予測部２５は、ネットワークモデルの各事象に、端末１１から送信される故障確率情報３１０、予兆現象情報３２０、アラーム情報３３０、機能喪失の有無を示す情報３４０及び機器の健全性を示す情報３５０を入力することにより、各事象の因果関係を表す数式（制約式）を演算する（ステップＳ３２）。このとき、ネットワークモデルの制約式を満たすように、各情報３１０，３２０，３３０，３４０，３５０の補正値（補正項）を計算する（ステップＳ３３）。

この補正項計算の際に、以下のような情報に対して大、中、小、ゼロのレベルに分けた重み（ｗｉ）を設定することにより合理的な分析が実現できる。まず、大の重みを設定する情報として、故障確率情報３１０及び予兆現象情報３２０がある。故障確率情報３１０に与える重みは、故障確率計算部３１精度に応じた値となる。予兆現象情報３２０に与える重みは、予兆現象検出部３２の検出精度に応じた値となる。これらの情報に対する重みは、他の重みに対して相対的に大きな値となるように設定する。

中の重みを設定する情報としては、機器の健全性を示す情報３５０がある。この情報３５０の重みは、点検作業によって健全性が判断された時点からの変化率などを与えるが、故障確率情報３１０及び予兆現象情報３２０に対する重みより相対的に小さくなるようにスケーリングする。

小の重みを設定する情報として、アラーム情報３３０及び機能喪失の有無を示す情報３４０がある。これらの情報については、相対的に小さい重みを与える。また、入力を持たない事象については確率変数を任意の値（例えば０）とするとともに、重み０を与える。

故障予測部２５は、前記の補正項計算により算出された補正値を考慮して、可能性の高いトップ事象１０７または中間事象を影響の大きい事象として予測する（ステップＳ３４）。中央監視診断システム１４は、予測診断結果１５２を表示装置１５のディスプレイ上に表示する。

以上のように、中央監視診断システム１４は、原因分析部２２、予兆原因分析部２３、喪失機能評価部２４及び故障予測部２５により、遠隔地に設置されている監視対象機器１０の故障検出や、アラームの発生、予兆現象の検出のようなイベント発生時、あるいは将来の故障を予測するようなタイミングにおいて、それぞれの目的に合わせた補正値を計算することで故障の原因分析や影響評価を行なうことができる。

換言すれば、中央監視診断システム１４は、事前情報としては故障確率情報３１０を、また、事後情報としては予兆現象情報３２０、アラーム情報３３０、機能喪失の有無を示す情報３４０及び機器の健全性を示す情報３５０のそれぞれをネットワークモデルに入力し、かつ各情報の重み付けによる補正値計算により、監視対象機器１０の故障に対する診断、評価、予測を確実に行なうことができる。

ここで、具体例としては、監視対象機器１０が例えばエレベータの場合において、ドアの故障確率（故障確率情報３１０）や、実際にドアの開閉トラブルの検知（予兆現象情報３２０やアラーム情報３３０）をネットワークモデルに入力することで、例えば基本事象１，２からＯＲゲートを介して、例えばドアの溝詰まりのような故障を示す中間事象１を推定することができる。このとき、事前情報として得られる故障確率情報３１０から、ドアの故障確率が３０％の場合に、原因分析部２２は、例えばアラーム情報３３０には大の重みを設定し、故障確率情報３１０には中の重みを設定するような補正項ｚを与えるような補正値計算を実行する。

（変形例）
本実施形態の中央監視診断システム１４は、ネットワークモデルの制約式を満たすような補正値（便宜的に第１の補正値とする）を算出する補正値計算を実行する機能を有する。第１の変形例に関する中央監視診断システム１４は、これらの第１の補正値とは別に、ネットワークモデルの各事象に各情報３１０，３２０，３３０，３４０，３５０を入力する段階で、補正値（便宜的に第２の補正値とする）を加える機能を有する構成である。

ネットワークモデルでは、同一の部品あるいは機器の健全性に関する事象に対して、部品故障に関する故障確率情報３１０や、健全性に関する情報３５０などの複数の入力を与える場合がある。この場合、監視対象機器１０の点検作業の時点で確定的となる事後情報、例えば部品又は機器の健全性に関する情報３５０と、事前情報である部品故障に関する故障確率情報３１０の間にずれが生じることがある。

そこで、前述の第１の補正値とは別に、ネットワークモデルの各事象に各情報を入力するときに、第２の補正値を加える処理を行なう。第２の補正値は、監視対象機器１０の機器の点検作業などを行い部品あるいは機器の健全性に関する確定的な情報が得られた時に計算される。

例えば、ある部品の点検結果では十分に健全であると判定されたにも関わらず、故障確率計算部３１では、同じ部品について高い故障確率値が計算される場合を想定する。この時、ネットワークモデルは、点検結果である健全性に関する情報３５０と、アラーム情報３３０、機能喪失を示す情報３４０に関する重みを大きく設定する。また、故障確率情報３１０と予兆現象情報３２０に関する重みを小さく設定するか、あるいはゼロとして第２の補正値を計算する。これにより確定的な情報と、確率的な推定値との整合性を保つことができる。

要するに、ネットワークモデルは第２の補正値を保持していて、原因分析部２２、予兆原因分析部２３、喪失機能評価部２４及び故障予測部２５のそれぞれが、ネットワークモデルの各事象に各情報３１０，３２０，３３０，３４０，３５０を入力するときに、第２の補正値を加える処理を実行する。これにより、原因分析部２２、予兆原因分析部２３、喪失機能評価部２４及び故障予測部２５のそれぞれにおいて、精度の高い原因分析や影響評価を行うことができる。

さらに、第２の変形例に関する中央監視診断システム１４は、ネットワークモデルにおいて、原因分析部２２、予兆原因分析部２３、喪失機能評価部２４及び故障予測部２５で実行する補正項計算結果を保持し、特定の事象に関する補正項が常に大きくなる場合は自身の正確性に関する警報を発するとともに、自身によって与えられる制約を満たすように制約式の係数補正値を計算する機能を有する構成である。

ネットワークモデルが監視対象機器１０の機能喪失に関する因果関係を正確に模擬しているときは精度の高い診断が可能であるが、予期せぬ機器の仕様変更などによりネットワークモデルの正確性が失われる場合がある。即ち、例えば、故障確率計算部３１の正確性が低下している場合は、故障確率に関する補正値（主に第２の補正値）が常に大きくなる。また、アラーム生成部３３のアラーム判定ロジック（閾値など）に問題があったり、センサが故障している場合には、アラーム情報３３０に関する補正値（主に第１の補正値）が常に大きくなる。そこで、ネットワークモデルが補正値を保持し、特定の事象に関する補正値が常に大きくならないよう監視する（大きくなった場合は警報を発する）ことにより前記の問題（監視診断システムそのものに関する問題）を回避することができる。なお、機器の仕様変更などによりある部品の故障（基本事象や中間事象）が機器全体の機能（トップ事象や中間事象）に与える影響が変わった場合、その部品に関する事象の補正項が大きくなる。ネットワークモデルは警報を発すると共に、制止ゲート（条件付き確率）１０５や条件付き確率（ゲイン）１０６の値を再計算する機能を有する構成でもよい。

なお、本発明は上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態にわたる構成要素を適宜組み合わせてもよい。

本発明の実施形態に関する遠隔監視システムの構成を示すブロック図。 本実施形態に関する遠隔監視システムの機能を説明するためのブロック図。 本実施形態に関するネットワークモデルを説明するための図。 本実施形態に関する原因分析部の処理手順を説明するためのフローチャート。 本実施形態に関する予兆原因分析部の処理手順を説明するためのフローチャート。 本実施形態に関する喪失機能評価部の処理手順を説明するためのフローチャート。 本実施形態に関する故障予測部の処理手順を説明するためのフローチャート。

符号の説明

１０…遠隔監視診断対象機器（監視対象機器）、１１…遠隔監視診断端末（端末）、
１２…表示装置、１３…通信回線、１４…中央監視診断システム、１５…表示装置、
２１…ネットワークモデル処理部、２２…原因分析部、２３…予兆原因分析部、
２４…喪失機能評価部、２５…故障予測部、３１…故障確率計算部、
３２…予兆現象検出部、３３…アラーム生成部、３４…機能喪失の有無通知部、
３５…機器の健全性通知部。

Claims (12)

1. 監視対象機器に対する故障診断を含む遠隔監視処理に必要な情報を生成する端末手段と、
   前記端末手段から出力される前記情報を伝送する通信回線と、
   前記通信回線を介して前記端末手段から出力される前記情報に含まれる事前情報及び事後情報を取得し、前記監視対象機器の故障や機能喪失の因果関係を示すネットワークモデルを使用して前記事前情報に基づいて故障や機能喪失を予測する予測処理及び前記事後情報に基づいて故障や機能喪失の原因を分析する原因分析処理を含む前記遠隔監視処理を実行する監視処理手段と、
   前記監視処理手段から出力される監視処理結果を表示する表示手段と
   を具備したことを特徴とする遠隔監視システム。
2. 前記端末手段は、
   前記事前情報として前記監視対象機器の故障確率情報及び予兆現象情報を生成する手段、及び前記事後情報として前記監視対象機器の動作不具合などを示すアラーム情報、機能喪失の有無を示す情報及び機器の健全性を示す情報を生成する手段を含むことを特徴とする請求項１に記載の遠隔監視システム。
3. 前記監視処理手段は、
   前記端末手段から出力される前記事前情報に含まれる予兆現象情報に基づいて、前記監視対象機器の機能喪失に到る予兆を発生させた原因を、前記ネットワークモデルを使用して推定する予兆原因分析手段を含むことを特徴とする請求項１又は請求項２のいずれか１項に記載の遠隔監視システム。
4. 前記監視処理手段は、
   前記端末手段から出力される前記事前情報に含まれる予兆現象情報に基づいて、当該予兆現象が前記監視対象機器の機能喪失に与える影響を、前記ネットワークモデルを使用して評価する喪失機能評価手段を含むことを特徴とする請求項１又は請求項２のいずれか１項に記載の遠隔監視システム。
5. 前記監視処理手段は、
   前記端末手段から出力される前記事前情報に基づいて、将来起き得る可能性の高い前記監視対象機器の機能喪失の時期や原因を、前記ネットワークモデルを使用して予測する故障予測手段を含むことを特徴とする請求項１又は請求項２のいずれか１項に記載の遠隔監視システム。
6. 前記監視処理手段は、
   前記事前情報として前記監視対象機器の故障確率情報又は故障確率予測値を、前記ネットワークモデルの入力として使用することで前記予測処理を実行することを特徴とする請求項１に記載の遠隔監視システム。
7. 前記監視処理手段は、
   前記事前情報として前記監視対象機器の機能喪失に至る予兆現象を示す予兆現象情報を、前記ネットワークモデルの入力として使用することで前記予測処理を実行することを特徴とする請求項１に記載の遠隔監視システム。
8. 前記監視処理手段は、
   前記事後情報として前記監視対象機器の動作不具合を示すアラーム情報を、前記ネットワークモデルの入力として使用することで前記原因分析処理を実行することを特徴とする請求項１に記載の遠隔監視システム。
9. 前記監視処理手段は、
   前記事後情報として前記監視対象機器の機能喪失の有無を示す情報及びその健全性を示す情報を、前記ネットワークモデルの入力として使用することで前記原因分析処理を実行することを特徴とする請求項１に記載の遠隔監視システム。
10. 前記予兆原因分析手段は、
    前記ネットワークモデルによって与えられる制約式を満たすように、前記ネットワークモデルに入力される前記事前情報に対して所定の重みを設定する補正値計算を実行し、当該補正値を含む推定処理を行なうように構成されていることを特徴とする請求項３に記載の遠隔監視システム。
11. 前記喪失機能評価手段は、
    前記ネットワークモデルによって与えられる制約式を満たすように、前記ネットワークモデルに入力される前記事前情報または事後情報に対して所定の重みを設定する補正値計算を実行し、当該補正値を含む評価処理を行なうように構成されていることを特徴とする請求項４に記載の遠隔監視システム。
12. 監視対象機器に対する故障診断を含む遠隔監視処理を実行する遠隔監視システムに適用する方法であって、
    前記遠隔監視処理に必要な情報を前記監視対象機器から収集して取得し、
    前記監視対象機器の故障や機能喪失の因果関係を示すネットワークモデルを使用して、
    前記情報に含まれる事前情報に基づいて故障や機能喪失を予測する予測処理及び前記情報に含まれる事後情報に基づいて故障や機能喪失の原因を分析する原因分析処理を含む前記遠隔監視処理を実行し、
    前記遠隔監視処理により得られる監視処理結果を表示することを特徴とする遠隔監視方法。

Images