JP5487588B2 - 遠隔の機械を保守するための情報処理装置、プログラム、および方法 - Google Patents

Description

本発明は、機械または装置の遠隔的保守に関し、特に、保守対象の遠隔の機械または装置から収集した状態情報に基づく機械の故障への対処の効率化に関する。

例えば現金自動預入支払機、自動券売機、自動販売機、ＰＯＳ（販売時点情報管理）用端末、ゲーム機またはプリンタのような保守対象の遠隔の機械または装置から、遠隔監視装置に、その機械から各部品の状態を知らせる状態情報メッセージまたは電文が送信される。保守作業員は、機械が設置されている現場に定期的に出向いて、その機械に関して受信した状態情報メッセージの過去の経緯の情報を遠隔監視装置から取得して、機械の動作状態を把握し、不調な部品の点検または調整などの保守作業を行う。一方、ユーザによって機械が故障したと報告されたとき、保守作業員は、その機械に関して受信した状態情報メッセージの過去の経緯の情報を遠隔監視装置から取得して、機械の故障状態を把握し、その機械の設置されている現場に出向いて不調な部品の点検、調整または交換などの保守作業を行う。

公知の保全作業能力向上支援システムは、作業員の能力診断課題データベース、作業員の能力を分析して判定する能力判定手段、能力診断課題を付与する能力診断課題出力部、受けるべき教育を指示する教育メニュー選定手段、具体的な能力向上策を提示する能力向上指導出力部、現場作業員に情報を伝達するための通信手段、現場作業員が情報の入出力を行う保全作業支援端末、能力診断課題に対する解答を基に現場作業員の能力を評価する能力評価手段、を備えている。それによって、設備機器を安定した状態で維持するために必要な知識・技術を持つ現場作業員を通常予定作業の中で育成するシステムが提供される。

公知の余寿命予測装置は、余寿命予測対象機器の時系列データを計測する手段と、当該計測手段により計測された信号から最大エントロピー法を用いて自己回帰モデルに基づく反射係数を求める信号処理部とを備える。また、その余寿命予測装置は、予め正常データの反射係数を基に統計分布によりカテゴリ境界を設定し前記信号処理部による演算反射係数を入力して正常データによる反射係数との偏差を０〜１の範囲で出力するニューラルネットワークを設け、このニューラルネットワークの出力トレンドを関数でカーブフィッティングしその関数の出力値を計算して当該出力値が設定値を下回るまでの時点と現時点との差を余寿命として出力する余寿命予測部とから構成される。
特開２００５−３３９０３０号公報 特開２００２−９０２６６号公報

保守対象の機械または装置の各部品の状態の過去から現在までの時間的変化と機械の故障との間の因果関係は明確でなく、将来においていつ機械または装置が重大なレベルの動作異常を発生しまたは動作停止するかを任意のいずれかの保守員に推定させるのは困難である。

発明者たちは、保守員の蓄積された知識や経験に応じて、機械の部品の状態の現在までの時間的変化（経緯）に基づいて、保守対象の機械または装置が重大なレベルの不良または故障を示す日を正確に予測できれば、現場の機械または装置への保守員の割り当ておよび派遣を効率的に行うことができ、信頼性の低い予測に基づく無駄な派遣や部品交換を大
幅に減らすことができるであろう、と認識した。また、発明者たちは、実際の機械の状態情報の経緯について保守員に故障を推定させ、その推定の正確さに基づいて保守員の保守能力を判定し、その保守能力に応じて機械の故障に対して適した保守員を割り当てれば、各機械に対して効率的に保守作業を行うことができる、と認識した。

本発明の目的は、保守を必要とする機械の保守に適した保守員を割り当てることができるようにすることである。

本発明の別の目的は、保守を必要とする機械に対して効率的に保守員を割り当てることができるようにすることである。

本発明の特徴によれば、保守用端末と遠隔の機械とに接続され、前記遠隔の機械を保守するための情報処理装置は、前記遠隔の機械の識別情報、保守員の識別情報、前記遠隔の機械から受信した前記遠隔の機械の複数項目の状態情報、および前記遠隔の機械の保守の記録情報を管理する保守情報管理部と、前記遠隔の機械の識別情報、前記遠隔の機械の前記複数項目の状態情報および前記遠隔の機械の前記保守の記録情報に基づいて、時間に対する前記遠隔の機械の複数項目の状態情報を含む複数の実例保守問題データを生成して前記保守用端末に送信し、前記保守員による前記複数の実例保守問題データに対する第１群の解答データとしての推定故障発生日を収集して前記収集した解答データを正解データとしての故障発生日に基づいて点数で評価する保守問題生成および解答収集機能部と、前記複数の実例保守問題データの間の類似性を表す類似性データを生成しその類似性データに従って前記複数の実例保守問題データの中から相互間の類似性の高い複数の保守問題データを選択してクラスタを生成して、前記生成されたクラスタの識別情報を仮クラスタ・データベースまたは決定クラスタ・データベースに格納するクラスタ生成手段と、を具えている。前記クラスタ生成手段は、前記生成されたクラスタの複数の保守問題データの解答データに対して或る閾値以上の評価を獲得した保守員の保守員識別情報を抽出して前記生成されたクラスタの識別情報に対応づけて前記仮クラスタ・データベースまたは前記決定クラスタ・データベースに格納する。

本発明によれば、保守を必要とする機械の保守に適した保守員を割り当てることができ、また、保守を必要とする機械に対して効率的に保守員を割り当てることができるようになる。

本発明の実施形態を、図面を参照して説明する。図面において、同様の構成要素には同じ参照番号が付されている。

図１は、本発明の実施形態による、監視制御用の保守サーバ２０の構成を示している。保守サーバ２０は、ネットワークまたは専用回線を介して、対象となる遠隔の機械または装置１０と、保守端末４０とに接続されている。

保守サーバ２０は、保守端末４０に接続された保守業務支援部２０２、機械状態提示部２０４、情報関連性作成管理部２０６、問題計画実行管理部２０８、保守情報管理部２１０、作成情報管理部２２０、クラスタ生成部２３０、固有情報収集管理部２３４、実際問題割当部２３６、モデル生成管理部２４０、およびネットワーク・インタフェース（ＮＷ／ＩＦ）を具えている。保守サーバ２０は、さらに、プロセッサ２２、およびプログラムおよび所要データ（データベースを含む）を格納するメモリ２４を含んでいる。構成要素２０２〜２４０（特に、２３０、２３４、２３６、２４０）の機能の少なくとも一部は、ハードウェアまたはソフトウェアの形態でプロセッサ２２上に実装されてもよい。

保守業務支援部２０２は、保守サーバ２０の構成要素２０４〜２４０と保守端末４０の間で情報の入出力を行う。機械状態提示部２０４は、特定の現場の機械１０から受信した状態情報メッセージおよび部品交換等の保守情報を例えば機械識別情報毎におよび／または時間順に、保守端末４０に表示する。保守情報管理部２１０は、保守員や対象の機械１０に関する識別情報、および受信・記録等の様々な事象の発生に関する情報を管理する。

情報関連性作成管理部２０６は、保守情報管理部２１０のデータベースにおける各対象（機械、ユーザ、保守員）について、対象の識別情報、分類、類似性等に基づいて相互の関連性の情報を生成する。問題計画実行管理部２０８は、計画データベース２２１０における処理手順および各種情報に基づいて、所要の時点（例えば、定期的日時）において、各機械に関する実例保守問題等の保守問題の生成を計画し、その生成の実行を管理する。問題計画実行管理部２０８は、例えば、生成した保守問題の送付先、解答の収集、送付・収集のスケジュール等を管理する。

保守サーバ２０は、ネットワーク・インターフェース（ＮＷ／ＩＦ）を介して、機械１０から、機械１０の各部品の現在の状態および／または実行された調整項目を表すメッセージ（電文）を受信し、保守端末４０から機械１０に対する保守（例えば、調整および制御）のためのメッセージまたは電文を受信して機械１０に転送する。

保守情報管理部２１０は、対象機械データベース２１１０、メッセージ・データベース２１１２、メッセージ属性データベース２１１４、故障・保守履歴データベース２１１６、故障・保守属性データベース２１１８、保守員データベース２１２０、部品データベース２１２２、ユーザ（顧客）データベース２１２４、および関連性データベース２１２６を有する。保守情報管理部２１０は、保守サーバ２０と対象機械１０の間の前述の送受信メッセージ（電文）を分類してメッセージ・データベース２１１２に格納して管理する。

作成情報管理部２２０は、実例保守問題およびクラスタ生成を計画するのに使用される処理手順およびその処理に必要な各種情報を格納する計画データベース２２１０、実例問題データベース２２１２、派生問題データベース２２１４、選別問題データベース２２１６、解答データベース２２１８、仮クラスタ・データベース２２２０、および決定クラスタ・データベース２２２２を有する。

モデル生成管理部２４０は、各クラスタの保守問題のモデルを格納するモデル・データベース２４１０を有する。

監視・保守対象の機械１０は、使用とともに摩耗する機械的部品１６、使用とともに変化して調整状態が変化する機械的部品１６、および各部品１６用の各センサ１８を含んでいる。それらの部品１６は、その機能や状態が低下した場合には保守員またはユーザによって調整することが必要となり、故障した場合には保守員によって部品を交換する必要がある。機械１０は、例えば現金自動預入支払機、自動券売機、自動販売機、ＰＯＳ（販売時点情報管理）用端末、ゲーム機またはプリンタのような機械である。機械１０は、プロセッサ１２、メモリ１４およびネットワーク・インタフェース（ＮＷ／ＩＦ）を含んでいる。

図２は、本発明の実施形態の原理による、保守サーバ２０によって実行される、機械１０に関する実際の状態情報および／または調整記録情報から生成（作成）された複数の実例の保守問題データについて相互の類似性に基づいて保守問題のクラスタを生成し（保守問題のクラスタ化）、各クラスタについて保守モデルを生成し、特定の保守員から機械の保守に関する固有情報を取得し、実際の保守問題データ（保守要求）とクラスタの対応保
守問題との類似性に基づいて適した保守員を選択してその実際の保守問題を割り当てるためのフローチャートを示している。

図２を参照すると、ステップ３０２において、保守サーバ２０のクラスタ生成部２３０（その実例保守問題生成および解答収集機能）は、問題計画実行管理部２０８から受け取った制御情報およびデータ情報に従って、故障・保守履歴データベース２１１６の中の特定の機械に関する故障の記録データに基づいて、メッセージ・データベース２１１２から時間に対する状態情報の経緯（変化、推移、履歴）のデータを取得して実例保守問題データを生成して実例問題データベース２２１２に格納し、さらに実例問題データベース２２１２中の実例保守問題データを保守端末４０に送信し、保守端末４０から保守員による解答データを収集して解答データベース２２１８に格納する。

ステップ３０４において、クラスタ生成部２３０（クラスタ生成機能）は、保守員の解答成績データ、保守員および機械の属性に関する絞り込み条件、実例保守問題データ相互間の類似度または類似性の距離に基づいて、多数の実例保守問題データの中から互いに近い複数の実例保守問題データを選択して１つのクラスタとしてクラスタ化し、クラスタ識別情報に対応づけて仮クラスタ・データベース２２２０に格納する。

ステップ３０６において、クラスタ生成部２３０（クラスタ生成機能）は、それぞれの保守員の解答の成績データに基づいて優れた成績（閾値以上の成績）を獲得した保守員（識別情報）を選択して、各仮クラスタの識別情報に保守員の識別情報を対応づける。その保守員の選択において、上述の絞り込み条件を適用してもよい。

ステップ３０８において、クラスタ生成部２３０（クラスタ生成機能）は、同じクラスタにおける実例保守問題データの時間的経緯における状態および／または調整のフラグ値（ＦＬＧ＝１または０）を加算して合成保守問題データを生成し、合成保守問題データから複数の派生保守問題データを順次生成して派生問題データベース２２１４に格納し、派生問題データベース２２１４中の各派生保守問題データを順次保守端末４０に送信して保守端末４０から対象となる保守員による解答データを収集し、その解答データを採点または評価して成績を付与して成績データを生成し、それぞれの派生保守問題データに対するその保守員の解答データと成績データを解答データベース２２１８に格納する。代替構成として、フラグ値の代わりに、状態項目および／または調整項目に関する状態および／または調整のレベルを表す多値（例えば、０、１、２；０．１〜１．０）の指示情報を用いてもよい。

ステップ３１０において、クラスタ生成部２３０は、１つのクラスタに関して、一連の複数の派生保守問題データに対する保守員の成績データに基づいて或る閾値以上の成績の保守員（識別情報）を選別し、その選別された保守員全員が閾値以上の成績を得た派生保守問題データをそのクラスタに対応づけて選別保守問題データとしてその選別保守問題データの識別情報を決定クラスタ・データベース２２２２に格納する。それによって、特定の機械１０に関してその保守により適した保守員の識別情報のリストを予め生成することができる。

ステップ３１２において、モデル生成管理部２４０は、各クラスタについて、選別された派生保守問題データとそれに関連する他の派生保守問題データを実例保守問題データに適用して解答データを得て、実例保守問題データの正解データ（故障発生日、および場合によって故障内容（部品、機能のカテゴリ））とそれぞれの派生保守問題データの解答データ（推定の故障発生日、および場合によって故障内容）と間の誤差が許容誤差の範囲にある派生保守問題データを、そのクラスタの保守問題モデル（モデル保守問題）としてクラスタに対応づけて記録する。それによって、保守問題モデルを或る機械１０の実際の保
守問題に適用して、その機械１０の故障発生日および故障内容をより正確に自動的に推定することができる。

ステップ３１４において、固有情報収集管理部２３４は、各クラスタについて特に最も優れた成績を獲得した保守員の識別情報からクラスタにおける機械１０に関する選別保守問題データまたはモデルの保守問題データに対する推定方法のノウハウの情報の入力を依頼するメッセージを保守端末４０に送信し、機械１０に関するそのノウハウの情報を固有情報として収集してデータベース２３４２に格納する。全ての保守員は、保守端末４０によってデータベース２３４２から固有情報を検索して見ることができる。それによって、優れた保守員のノウハウを多数の保守員の間で共有することができる。

ステップ３１６において、実際問題割当て部２３６は、故障・保守履歴データベース２１１６を検索して各クラスタの選別保守問題データに類似した新しく発生した実際の仮の保守問題データ（即ち保守要求）について、その選別保守問題データのクラスタの保守員（識別情報）に宛ててその仮の保守問題データを保守端末４０に送信してその問題（保守要求）への対処の依頼を割り当てる。それによって、特定の機械１０に関する実際の保守問題データまたは保守要求に対して適した保守員を効率的に割り当てることができる。

代替構成として、ステップ３０８〜３１０を実行せずに、ステップ３０４において決定されたクラスタを決定クラスタとし、そのクラスタに対応づけた保守員の識別情報を選別保守員の識別情報としてもよい。ステップ３１２、３１４および３１６の実行の順序は任意である。

次に、本発明の実施形態について説明する。
図３Ａは、メッセージ・データベース２１１２に格納された、機械１０（ＭａｃｈｉｎｅＩＤ＝１、２）の各部品（ＰａｒｔｓＩＤ＝１、２、３）に関する状態情報（ＭｓｇＩＤ＝Ｍ１０１〜３０１）に関する受信メッセージのリストの例を示している。それらの受信メッセージは、監視対象の同じまたは異なるタイプの複数の特定の機械１０から送信され、保守サーバ２０によって受信されて、メッセージ・データベース２１１２に格納されたものである。受信メッセージは、機械識別情報（ＭａｃｈｉｎｅＩＤ）、検出対象の部品識別情報（ＰａｒｔｓＩＤ）、発生の時間（日付、時刻）（Ｔｉｍｅ）、部品の状態を表すメッセージ識別情報（ＭｓｇＩＤ）のフィールドを含んでいる。

図３Ｂは、ユーザ（顧客）から報告された特定の機械１０の故障の発生日時および修理依頼の記録（履歴）のリストを示している。この記録は、ユーザの操作によって機械１０から保守サーバ２０に送信されて故障・保守履歴データベース２１１６に格納されても、またはユーザからの連絡に応じて保守員によって保守端末４０において作成されて保守端末４０から故障・保守履歴データベース２１１６に格納されてもよい。機械の故障の発生日時と修理依頼の記録は、機械識別情報（ＭａｃｈｉｎｅＩＤ）、発生の時間（日付、時刻）（Ｔｉｍｅ）、故障または障害の内容の種類を表す故障識別情報（ＴｒｏｕｂｌｅＩＤ）のフィールドを含んでいる。

クラスタ生成部２３０は、故障・保守履歴データベース２１１６中の上述の実際の故障発生の記録に従って、対応する機械１０の各部品の状態情報の時間的経緯の情報を収集して実例の保守問題（図４Ａ〜７Ｂ）を生成する。

図４Ａは、或る機械１０（ＩＤ＝１）の故障発生に関連する各状態項目の経緯の情報を含む実例保守問題（ＩＤ＝Ｑ１）の例を示している。図４Ｂは、図４Ａの実例保守問題における機械１０の実際の故障発生日（１０月２７日）の例と、保守員が解答した解答としての故障発生日（１０月２５日〜２９日）に対する得点（配点）の例とを示している。実
例保守問題について、実際の故障発生日が正解となる。

ここで、故障とは、例えば、ユーザから、機械の故障および修理依頼を受けたことを表す。故障は、動作停止や誤動作によって機械が正常に動作せず、または所要の機能を達成せず、保守員による本格的に保守または部品交換を必要とすることを表す。故障の発生日は、ユーザの判断による故障発生日であり、機械１０が故障して保守員による修理が必要となるような故障が機械１０に発生した日である。

各部品の状態項目は、部品の物理的な量や状態を検出するセンサ、部品の機能の正常性を判定する手段、等によって検出された状態に関するものであり、例えば、部品としての計測部（例えば、紙幣情報認識部、カード情報認識部、個人情報認証部）の判別機能の低下、計測部の光軸のずれ、加工部（例えば、チケット、カード、賞品、記録媒体等の加工部）のオイル（潤滑油）不足、加工部の押圧板の摩耗、搬送部の圧力の不足、搬送部のローラの摩耗である。

保守員は、保守端末４０上で、図４Ａの実例保守問題（ＩＤ＝Ｑ１）における機械１０の機械識別情報（ＩＤ＝１）とその各状態項目の日単位の時間軸に対する経過情報を見て、その機械１０において故障が発生する日および場合によっては故障部品名を推定して解答する。解答に対する得点（配点）は、典型的には、実際の故障発生日時に対して、実際の発生日（１０月２７日）が正解の１００点であり、その１日前後が幾分低く（７０点、７２点）、さらにその２日前後がより低く（４８点、５０点）設定される。故障発生日時（時刻）に近いほど、得点が高くなるように設定される。機械１０の故障発生日（および場合によっては故障部品）を正確に推定できれば、今後予測される機械１０の故障に対して、適正なタイミングでまたは保守上効率的な時期に、その機械１０の保守に適した保守員によって修理できるように予め準備することができる。

図５Ａは、或る機械１０（ＩＤ＝５）の故障発生に関連する各状態項目の経緯の情報を含む実例の保守問題（ＩＤ＝Ｑ２）の例を示している。図５Ｂは、図５Ａの実例保守問題において機械１０の実際の故障発生日（１０月２７日）の例と、保守員が解答した解答としての故障発生日（１０月２５日〜２９日）に対する得点（配点）の例とを示している。

図６Ａは、或る機械１０（ＩＤ＝７）の故障発生に関連する各状態項目の経緯の情報を含む実例の保守問題（ＩＤ＝Ｑ３）の例を示している。図６Ｂは、図６Ａの実例保守問題において機械１０の実際の故障発生日（１１月５日）の例と、保守員が解答した解答としての故障発生日（１１月３日〜７日）に対する得点（配点）の例とを示している。

図７Ａは、或る機械１０（ＩＤ＝１１）の故障発生に関連する各状態項目の経緯の情報を含む実例の保守問題（ＩＤ＝Ｑ４）の例を示している。図７Ｂは、図７Ａの実例保守問題において機械１０の実際の故障発生日（１０月３１日）の例と、保守員による解答の故障発生日（１０月２９日〜１１月２日）に対する得点（配点）の例とを示している。

このようにして、実例保守問題を生成し保守員の解答を収集した後、クラスタ生成部２３０は、実例保守問題に解答した保守作業員の中から良好な成績を獲得した保守員（例えば、解答の故障発生日が正解（実際の発生日）に許容誤差範囲（閾値の範囲）で近い解答が多い保守員）およびその良好な成績を獲得した実例保守問題だけを抽出する。その際、さらに、次の条件のうちのいずれかまたは双方の組み合わせを加えて、実例保守問題および保守員を抽出してもよい。
（１）対象の機械を限定する。例えば、機械の種類による限定、機械を使うユーザの業種または規模による限定、機械の設置場所（例えば、都市部かどうか、温度湿度の高い地域かどうか）。
（２）選別する保守員を成績以外の属性の観点で限定する（例えば、ベテラン保守員、有資格者保守員、或る地域の保守員）。

このようにして抽出された実例保守問題に類似する別の保守問題を、次のようにして生成してもよい。

図８Ａは、互いに類似した例えば図５Ａ、６Ａおよび７Ａのような複数の実例保守問題（Ｑ＝２、３、４）を合成して生成された合成保守問題を示している。ここで、各状態項目について、対応する状態情報の発生日のフラグ値ＦＬＧ＝１が加算されている。図８Ｂは、互いに類似した図５Ｂ、６Ｂおよび７Ｂの実例保守問題Ｑ＝２〜４における解答としての各故障発生日に対する得点（配点）の平均値を示している。

ここで、保守問題（Ｑ＝２〜４）相互間の類似性は、後で説明する保守問題間の相互の距離が或る閾値より小さいまたは以下のものをいう。

図９Ａおよび９Ｂは、図８Ａの合成保守問題（ＩＤ＝Ｑ２０）に基づいて生成または検索された類似保守問題の例を示している。図９Ａの保守問題は、図８Ａの合成保守問題（ＩＤ＝Ｑ２０）を閾値で処理（閾値処理）して人工的に生成された類似保守問題であっても、またはメッセージ・データベース２１１２から検索して収集した、図８Ａの合成保守問題に類似する保守問題であってもよい。

図９Ａの類似保守問題の生成方法として、例えば、図８Ａの合成保守問題において、或る閾値（例えば、２）以上のフラグ値（２、３）を“１”と決定し、閾値より小さいフラグ値（例えば、１）を乱数に従って“０”または“１”（下線付きの“０”、“１”）と決定して、そのような類似保守問題が生成される。代替構成として、図９Ａの類似保守問題の別の生成方法として、同じ機械１０（ＩＤ＝１）に関して、実際に発生した故障の記録の有無に関係なく（実際に故障が発生したかどうかに関係なく）、図８Ａの合成保守問題のフラグ値の配置パターンに類似した状態項目のフラグ値の経緯の情報を、メッセージ・データベース２１１２から検索して収集して、類似保守問題として決定してもよい。この場合、故障が未発生のものである場合には、その正解の得点は１００点でなくてよい。

図１０は、このようにして生成された実例保守問題（図４〜７、９）に基づく一連の保守問題の集合体を示している。

図１１は、実例に基づく複数の保守問題Ｑ１〜Ｑ８の間の計算された類似性の距離、即ち各状態項目と時間的経緯のマトリックス（行列）におけるフラグ値のパターンの類似性の距離を示している。ここで、距離は、各行と各列の対応する２つの保守問題の間の類似性の距離を表し、０〜１の値に正規化されており、０に近づくほど相互の距離が遠くまたは相互の類似性が低く、１に近づくほど相互の距離が近くまたは相互の類似性が高いことを示している。相互の距離が近い保守問題を同じクラスタに属するものとして決定する。

図１１において、破線で囲まれた距離の値に基づいて、保守問題Ｑ１〜３が第１のクラスタとして、保守問題Ｑ５〜Ｑ８が第２のクラスタとして、クラスタ化または分類される。

図１２は、類似性距離空間で示した保守問題Ｑ１〜Ｑ８間の距離を表す概念図である。この距離空間は、２次元で表現されても、または３次元以上の空間で表現されてもよい。

２つの保守問題間の類似性の距離の算出法として、例えば、次のような手順で算出してもよい。
（１）保守問題の状態（および調整）項目と日付のマトリックス間の各行列における一致フラグおよび不一致フラグの数を計数する。
（２）各項目（状態項目、調整項目）毎の各行をベクトルとみなしてベクトル毎に相関係数を計算し、その平均値を距離とみなす。

別の方法として、それぞれの保守問題の状態（および調整）項目と日付のマトリックスの論理積（ＡＮＤ）をとったマトリックスにおけるフラグの総数（ＮＦ＿ＡＮＤ）を、それらのマトリックスの論理和（ＯＲ）をとったマトリックスにおけるフラグの総数（ＮＦ＿ＯＲ）で除算した値（ＮＦ＿ＡＮＤ／ＮＦ＿ＯＲ）を、類似性の距離としてもよい。例えば、図４Ａにおける一致フラグ数はＮＦ＿ＡＮＤ＝９であり、いずれかのマトリックスにおけるフラグが位置する共通の要素位置の数はＮＦ＿ＯＲ＝１７（一致フラグ数９＋不一致フラグ数８）であり、距離は９／１７となる。

さらに、他のクラスタの生成法として、次の２つの計算法がある。
−Everett, M.G., Borgatti. S.P. Analyzing clique overlap. CONNECTION 21(1): 49-61, 1998
−Girvan, M. and Newman, M.E.J Community structure in social and biological networks. Proceedings of the Natiolan Academy of Sciences of the United States of America(PNAS), 99(12): 7821-7826. 2002
前者の方法では、中心性概念（centrality）に基づいてクラスタを形成する。後者の方法では、媒介中心性（betweeness）に基づいてクラスタを形成する。

図１３は、クラスタ生成部２３０（クラスタ生成機能）によって実行される、複数の保守問題をクラスタ化するためのフローチャートを示している。

ステップ４０２において、クラスタ生成部２３０は、保守問題データ（Ｑ１、Ｑ２、．．．Ｑｍ）の全てについて、抽出された全ての組合せの２つの保守問題データ（Ｑ１とＱ２、Ｑ１とＱ３、．．．）間の類似性の距離を計算して、図１１のような距離の表またはマトリックスを生成する。保守問題データの間の類似性の距離は、例示した上述の方法で求めることができる。

ステップ４０４において、クラスタ生成部２３０は、類似性の距離の表（図１１）において、各行（Ｑｉ）について距離が閾値より近い列番号の保守問題識別情報（Ｑｊ）を記録する。図１１の表の場合、距離として閾値０．５より大きい値を有する（即ち閾値より近い距離を表す）保守問題識別情報が記録される。例えば、問題Ｑ１の行について問題Ｑ２、Ｑ３が記録され、問題Ｑ２の行について問題Ｑ１、Ｑ３が記録され、問題Ｑ３の行について問題Ｑ１、Ｑ２が記録される。また、例えば、問題Ｑ５の行について問題Ｑ６、Ｑ７、Ｑ８が記録され、問題Ｑ６の行について問題Ｑ５、Ｑ７、Ｑ８が記録され、問題Ｑ７の行について問題Ｑ５、Ｑ６、Ｑ８が記録され、問題Ｑ８の行について問題Ｑ５、Ｑ６、Ｑ７が記録される。

ステップ４０６において、クラスタ生成部２３０は、各行について、互いに閾値より近い保守問題データ（識別情報）の集合を求め、各集合をクラスタ候補とする。

ステップ４０８において、クラスタ生成部２３０は、各クラスタ候補について、各集合内の全ての組合せの保守問題データ間の距離が閾値より小さいかどうかを調べ、それらの距離が閾値より小さければ、仮クラスタとして決定し、その決定されたクラスタの識別情報および対応する保守問題の識別情報を仮クラスタ・データベース２２２０に格納する。

図１４は、クラスタ生成部２３０によって実行される、求めようとする２つの保守問題
データの間の類似性または類似性の距離を決定するためのフローチャートを示している。

ステップ４２２において、クラスタ生成部２３０は、全ての保守問題データの中の２つの保守問題データを抽出する。

ステップ４２４において、クラスタ生成部２３０は、各保守問題の実際の故障発生日（年月日）または最も点数の高い故障発生日（年月日）を基準として、保守問題データにおける項目の発生日の相対的な日（第１日、第２日）を決定する。

ステップ４２６において、クラスタ生成部２３０は、２つの保守問題データについて、各同じ項目の同じ日の双方のフラグ値の一致、不一致を決定する。

ステップ４２８において、クラスタ生成部２３０は、２つの保守問題データの間の類似性の距離を計算して一時的に保持する。

ステップ４３０において、クラスタ生成部２３０は、相対的な日を、所定の範囲（例えば、抽出した最初の状態から２日）内で左または右に（１日）ずらすことは可能かどうかを判定する。それが可能であると判定された場合は、手順はステップ４３２に進む。それが可能でないと判定された場合は、手順はステップ４３６に進む。

ステップ４３２において、クラスタ生成部２３０は、一方の保守問題データにおける相対的な日を左または右に移動させる。その後、手順はステップ３４４に戻る。

ステップ４３６において、クラスタ生成部２３０は、２つの保守問題データの算出された複数の距離の中で最も小さい距離（最も高い類似性を表すもの）を２つの保守問題データの間の距離として記録する。

図１５は、図２のステップ３０６における詳細なフローチャートであり、クラスタ生成部２３０（クラスタ生成機能）によって実行される、或るクラスタに対して保守員（識別情報）を対応づけるためのフローチャートを示している。

ステップ４５２において、クラスタ生成部２３０は、仮クラスタ・データベース２２２０から１つのクラスタ（識別情報）を選択して、そのクラスタに関する情報（実例保守問題識別情報、等）を取り出す。

ステップ４５４において、クラスタ生成部２３０は、実例問題データベース２２１２からそのクラスタの実例保守問題データ、類似保守問題データ、保守員の成績データ、等を取り出す。

ステップ４５６において、クラスタ生成部２３０は、そのクラスタに関して保守員の成績等を統計処理して、各保守員の解答数、成績の平均値、偏差値を求める。

ステップ４５８において、クラスタ生成部２３０は、各保守員の解答数、成績の平均値、偏差値をそれぞれの閾値で処理して、全ての成績について閾値以上の成績を獲得した保守員（識別情報）を決定または選択する。

ステップ４６０において、クラスタ生成部２３０は、決定または選択された保守員（識別情報）をそのクラスタ識別情報に対応づけて、（さらに以下で説明するように加工された派生保守問題を生成して選別された保守員を対応づけるために）仮クラスタ情報として仮クラスタ・データベース２２２０に格納しても、またはクラスタ識別情報とともに決定
クラスタ情報として決定クラスタ・データベース２２２２に格納する。それによって、実例および類似保守問題をクラスタ化し、それぞれのクラスタに適した保守員（識別情報）を対応づけることができる。

次に、図２のステップ３０８の派生保守問題データを生成する手順について説明する。
図１６Ａは、同じクラスタに属する複数の実例保守問題データおよび場合によって類似保守問題データ（例えば、ＩＤ＝Ｑ５〜Ｑ８）のマトリックスを合成または加算して生成した合成保守問題データ（ＩＤ＝Ｑ３０）の例を示している。ここで、保守問題データの各マトリックスの各状態項目に関する発生日の（同じ行列位置の）フラグＦＬＧ＝１が加算されている。図１６Ｂは、互いに類似した実例保守問題データ（Ｑ５〜Ｑ８）における故障発生日に対する得点の平均値の例を示している。従って、この場合、発生の可能性が最も高い発生日の得点は１００点とは限らず、典型的には１００点より低い。

図１７Ａおよび１７Ｂは、図１６Ａの合成保守問題（ＩＤ＝Ｑ３０）を閾値処理して作成された基本派生保守問題（ＩＤ＝Ｑ４０）の例を示している。基本派生保守問題（ＩＤ＝Ｑ４０）の内容（フラグ分布）は、例えば、図１７Ａの合成保守問題において、或る最低の閾値（例えば、１）以上の値（１、２、３）を“１”と決定し（“１”に置換し）、閾値より低い値（例えば、０）を“０”と決定することによって、生成される。

図１８Ａおよび１８Ｂは、図１６Ａの合成保守問題（ＩＤ＝Ｑ３０）を閾値処理して作成された第２の派生保守問題（ＩＤ＝Ｑ４１）の例を示している。第２の派生保守問題（ＩＤ＝Ｑ４１）の内容は、例えば、図１７の合成保守問題において、或る最低の閾値（例えば、２）以上の値（２、３）を“１”と決定し（“１”に置換し）、閾値より低い値（例えば、０、１）を“０”と決定する（“０”に置換する）ことによって、生成される。

同様に、閾値をより高く変更して、第３の派生保守問題、第４の派生保守問題、・・・を生成することができる。派生保守問題は、類似した多数の実例保守問題を統計的に処理して作成されたものであり、より洗練された保守問題であるといえる。従って、この洗練された派生保守問題に従って、各クラスタに保守員を対応づけなおすことが好ましい。

このようにして各クラスタについて生成された派生保守問題データは、クラスタ生成部２３０によって、図２のステップ３０６において生成され、保守端末４０に送信されて、全ての保守員または各クラスタに対応づけられた保守員に出題されて保守員から解答データが収集される。各発生保守問題Ｑｄ０〜Ｑｄ９は、それぞれ別々の日時に保守員（識別情報）に対して一斉に送信される。

次に、図３Ａ〜１２、１６Ａ〜１８Ｂの実施形態を変形した、別の実施形態について説明する。
図１９Ａは、図３Ａと同様の受信メッセージのリストの例を示している。
図１９Ｂは、図３Ｂと同様の故障の発生日時および修理依頼の記録（履歴）のリストを示している。

図１９Ｃは、図１９Ｂのユーザからの故障の発生および修理依頼に関係なく、保守員が部品状態の経緯に基づいて自己の判断で、自分でまたはユーザに依頼して行った機械１０の部品の所要の調整の発生日時と調整項目の記録のリストを示している。この記録は、部品の所要の調整の後、保守端末４０において保守員によって生成または記録された調整メッセージに従って、故障・保守履歴データベース２１１６に格納される。

図２０Ａは、或る機械１０（ＩＤ＝１）の故障発生に関連する各状態項目の経緯の情報および部品調整項目に関する記録の経緯の情報を含む実例の保守問題（ＩＤ＝Ｑ１）の例
を示している。図２０Ｂは、図２０Ａの実例保守問題における機械１０の実際の故障発生日（１０月２７日）の例と、保守員が解答した解答としての故障発生日（１０月２５日〜２９日）に対する得点（配点）の例とを示している。

図２０Ａにおいて、実例保守問題は、図４Ａの部品の状態の項目に加えて、保守員またはユーザが機械に対して行った部品の調整の項目の経緯を含んでいる。機械１０に対して行った部品の調整によって機械１０の故障の発生日が延びることがあり、また、保守員は、その調整の発生日時と調整内容を知ることによって故障の発生の日をより正確に推定できる。

図２１Ａは、或る機械１０（ＩＤ＝５）の故障発生に関連する各状態項目の経緯の情報および部品調整項目に関する記録の経緯の情報を含む実例の保守問題（ＩＤ＝Ｑ２）の例を示している。図２１Ｂは、図２１Ａの実例保守問題において機械１０の実際の故障発生日（１０月２７日）の例と、保守員が解答した解答としての故障発生日（１０月２５日〜２９日）に対する得点（配点）の例とを示している。

図２２Ａは、或る機械１０（ＩＤ＝７）の故障発生に関連する各状態項目の経緯の情報および部品調整項目に関する記録の経緯の情報を含む実例の保守問題（ＩＤ＝Ｑ３）の例を示している。図２２Ｂは、図２２Ａの実例保守問題において機械１０の実際の故障発生日（１１月５日）の例と、保守員が解答した解答としての故障発生日（１１月３日〜７日）に対する得点（配点）の例とを示している。

図２３は、或る機械１０（ＩＤ＝１１）の故障発生に関連する各状態項目の経緯の情報をおよび部品調整項目に関する記録の経緯の情報含む実例の保守問題（ＩＤ＝Ｑ４）の例を示している。図２３Ｂは、図２３Ａの実例保守問題において機械１０の実際の故障発生日（１０月３１日）の例と、保守員による解答の故障発生日（１０月２９日〜１１月２日）に対する得点（配点）の例とを示している。

このようにして、実例保守問題を生成し保守員の解答を収集した後、クラスタ生成部２３０は、前述の実施形態の場合と同様に、実例保守問題に解答した保守作業員の中から良好な成績を獲得した保守員（例えば、解答の故障発生日が正解（実際の発生日）に許容誤差範囲（閾値の範囲）で近い解答が多い保守員）およびその良好な成績を獲得した実例保守問題だけを抽出する。

このようにして抽出された実例保守問題に類似する別の保守問題を、次のようにして生成してもよい。

図２４Ａは、互いに類似した例えば図１８Ａ、１９Ａおよび２０Ａのような複数の実例保守問題（Ｑ＝２、３、４）を合成して生成された合成保守問題を示している。ここで、各状態項目および各調整項目について、対応する状態情報の発生日のフラグ値ＦＬＧ＝１が加算されている。図２４Ｂは、互いに類似した図２１Ｂ、２２Ｂおよび２３Ｂの実例保守問題Ｑ＝２〜４における解答としての各故障発生日に対する得点（配点）の平均値を示している。

図２５Ａおよび２５Ｂは、図２４Ａの合成保守問題（ＩＤ＝Ｑ２１）に基づいて生成または検索された類似保守問題を示している。図２５Ａの保守問題は、図２４Ａの合成問題（ＩＤ＝Ｑ２１）を閾値で処理（閾値処理）して人工的に生成された類似保守問題であっても、またはメッセージ・データベース２１１２および故障・保守履歴データベース２１１６から検索して収集した、図８Ａの合成保守問題に類似する保守問題であってもよい。

図２５Ａの類似保守問題の生成方法として、例えば、図２４Ａの合成保守問題において、或る閾値（例えば、２）以上のフラグ値（２、３）を“１”と決定し、閾値より小さいフラグ値（例えば、１）を乱数に従って“０”または“１”（下線付きの“０”、“１”）と決定して、そのような類似保守問題が生成される。代替構成として、図２５Ａの類似保守問題の別の生成方法として、同じ機械１０（ＩＤ＝１）に関して、実際に発生した故障の有無に関係なく、図８Ａの合成保守問題のフラグ値のパターンに類似した状態項目のフラグ値の経緯の情報を、メッセージ・データベース２１１２および故障・保守履歴データベース２１１６から検索して収集して、類似保守問題として決定してもよい。この場合、故障が未発生のものであってもよく、その正解の得点は１００点でなくてよい。

図２６は、このようにして生成された実例保守問題（図１９〜２２、２４）に基づく一連の保守問題の集合体を示している。

図２７は、図１１と同様の、実例に基づく複数の保守問題Ｑ１〜Ｑ８の間の計算された類似性の距離、即ち各状態項目と時間的経緯のマトリックス（行列）におけるフラグ値のパターンの類似性の距離を示している。

図２７において、破線で囲まれた距離の値に基づいて、保守問題Ｑ１〜３が第１のクラスタとして、保守問題Ｑ５〜Ｑ８が第２のクラスタとして、クラスタ化または分類される。

図２８は、類似性距離空間で示した保守問題Ｑ１〜Ｑ８間の距離を表す概念図である。この距離空間は、２次元で表現されても、３次元以上の空間で表現されてもよい。

図１３〜１５のフローチャートは、図２６の一連の保守問題の集合体にも適用される。

次に、図２のステップ３０８の派生保守問題を生成する手順について説明する。
図２９Ａは、図１６Ａと同様の、同じクラスタに属する複数の実例保守問題（例えば、ＩＤ＝Ｑ５〜Ｑ８）のマトリックスを合成または加算して生成した合成保守問題（ＩＤ＝Ｑ３０）の例を示している。ここで、保守問題の各マトリックスの各状態項目および各調整項目に関する発生日の（同じ行列位置の）フラグＦＬＧ＝１が加算されている。図２９Ｂは、互いに類似した実例保守問題（Ｑ５〜Ｑ８）における故障発生日に対する得点の平均値の例を示している。

図３０Ａおよび３０Ｂは、図２９Ａの合成保守問題（ＩＤ＝Ｑ３０）を閾値処理して作成された基本派生保守問題（ＩＤ＝Ｑ４０）の例を示している。基本派生保守問題（ＩＤ＝Ｑ４０）の内容（フラグ分布）は、例えば、図１７Ａの合成保守問題において、或る最低の閾値（例えば、１）以上の値（１、２、３）を“１”と決定し（“１”に置換し）、閾値より低い値（例えば、０）を“０”と決定することによって、生成される。

図３１Ａおよび３１Ｂは、図２９Ａの合成保守問題（ＩＤ＝Ｑ３０）を閾値処理して作成された第２の派生保守問題（ＩＤ＝Ｑ４１）の例を示している。第２の派生保守問題（ＩＤ＝Ｑ４１）の内容は、例えば、図１７の合成保守問題において、或る最低の閾値（例えば、２）以上の値（２、３）を“１”と決定し（“１”に置換し）、閾値より低い値（例えば、０、１）を“０”と決定する（“０”に置換する）ことによって、生成される。

同様に、閾値をより高く変更して、第３の派生保守問題、第４の派生保守問題、・・・を生成することができる。派生保守問題は、類似した多数の実例保守問題を統計的に処理して作成されたものであり、より洗練された保守問題であるといえる。従って、この洗練された派生保守問題に従って、各クラスタに保守員を対応づけなおすことが好ましい。

このようにして各クラスタについて生成された派生保守問題データは、クラスタ生成部２３０によって、図２のステップ３０６において生成され、保守端末４０に送信されて、全ての保守員または各クラスタに対応づけられた保守員に出題されて保守員から解答データが収集される。各発生保守問題Ｑｄ０〜Ｑｄ９は、それぞれ別々の日時に保守員に対して一斉に送信される。

図３２は、例えば上述の２つの実施形態における図１７Ａ、１７Ｂ、１８Ａ、１８Ｂおよび図３０Ａ、３０Ｂ、３１Ａ、３１Ｂのような或るクラスタの各派生保守問題Ｑｄ０〜Ｑｄ９に対する解答として収集された、複数の保守員（ＣＥＩＤ＝１〜）の解答成績のリストの例を示している。
派生保守問題Ｑｄ０〜Ｑｄ９は、番号が大きくなるに従って、それぞれの問題における表示されるフラグの数が少なくなり、判断するための情報が減少し、従って問題の内容が難しくなる。従って、このような場合、一般的に、派生保守問題の番号Ｑｄｉが大きくなるに従って（Ｑｄ０→Ｑｄ９）、保守員の成績が低下する（例えば、１００→４０または０）。従って、或る保守員の成績が閾値（例えば、４０）以下になった時点で、その保守員に対する次の番号の派生保守問題の送信（出題）を停止してもよい。

別の事例として、派生保守問題Ｑｄ０〜Ｑｄ９は、番号が大きくなるに従って、それぞれの問題における表示されるフラグの数が少なくなり、判断するための情報が減少し、それによって問題の内容が簡単になることもあり得る。このような場合、一般的に、派生保守問題の番号Ｑｄｉが小さくなるに従って（Ｑｄ９→Ｑｄ０）、保守員の成績が低下する（例えば、１００→４０または０）。

このようにして得られた成績のリストにおいて、或る閾値（例えば、４０点）を設定した場合にその閾値以上の成績を獲得した保守員の数が所定の割合（例えば、Ｐ＝５０％）を切った位置で、該当する保守員を、優れた成績を獲得した保守員として選別する。閾値以上の成績を獲得した好成績の所定の割合の保守員（例えば、ＣＥＩＤ＝１〜６）を選別して、選別された保守員としてそのクラスタに対応づけて決定クラスタ・データベース２２２２に格納する。

上記保守員を選別する際の別の例としては、例えば次の手法を用いてもよい。即ち、上述の得られた成績のリストに、項目反応理論（Item Response Theory)を適用して、問題
に対する解答の正答率と問題の難易度の間の相関関係を算出し、問題に対する解答の正答率が急激に下がるポイント（位置）を閾値として求め、問題に対する解答の正答率が、その求めた閾値以上である保守員を優れた保守員として選別してもよい。

図３３は、図２のステップ３０８における詳細なフローチャートであり、クラスタ生成部２３０によって実行される、或るクラスタに対して保守員を対応づけるためのフローチャートを示している。

ステップ５０２において、クラスタ生成部２３０は、仮クラスタ・データベース２２２０から１つのクラスタを選択して、そのクラスタに関する情報（合成保守問題識別情報、対応する保守員識別情報、等）を取り出す。

ステップ５０４において、クラスタ生成部２３０は、次の派生保守問題データ（Ｑｄｉ）を生成可能かどうか（ｉ＋１＞ｍ？）を判定する。可能でないと判定された場合は、手順はステップ５１２に進む。可能であると判定された場合は、手順はステップ５０６に進む。

ステップ５０６において、クラスタ生成部２３０は、合成保守問題データＱｄ０に関して、フラグ閾値Ｆｔｈ＝Ｆｔｈ＋１（初期値はＦｔｈ＝０＋１＝１）と設定し、合成保守問題データのマトリックスの各要素における閾値より小さい加算フラグＦｓｕｍ（＜Ｆｔｈ（＝初期値１））をＦｓｕｍ＝０と設定し、各要素における閾値以上の加算フラグＦｓｕｍ（≧Ｆｔｈ（＝初期値１））をＦｓｕｍ＝１と設定して、新しい派生保守問題データＱｄｊ（ｊ＝ｊ＋１）を生成する。

ステップ５０８において、クラスタ生成部２３０は、派生保守問題データＱｄｊを、前記保守員またはクラスタの保守員（識別情報）に宛てて保守端末４０に送り、解答データを受け取って成績データを生成する。

ステップ５１０において、クラスタ生成部２３０は、成績データが所定の閾値以下の保守員（識別情報）を次ぎの派生保守問題データの送付対象者リストから除外する。但し、このステップを実行しなくてもよい。即ち、成績が所定の閾値以下であっても次の問題データを送付し続けてもよい。ステップ５１０を繰り返すことによって、図３２のようなクラスタの保守員（ＣＥＩＤ＝１〜）の解答成績のリストのデータが生成される。

ステップ５１２において、クラスタ生成部２３０は、クラスタの保守員の解答成績のリストにおいて保守員（識別情報）を選別するための成績データの閾値を決定する。その閾値は、選別される保守員が所定の割合（例えば、５０％）になるように決定される。

ステップ５１４において、クラスタ生成部２３０は、閾値に従って、クラスタの保守員（識別情報）の解答成績のリストにおいて保守員を選別し、そのクラスタ（識別情報）に対応づける。

ステップ５１６において、クラスタ生成部２３０は、選別された保守員全員が閾値に近いかつ閾値以上の成績を獲得した派生保守問題データを選別保守問題データとして決定し、そのクラスタのクラスタ識別情報、およびその選別保守問題データをクラスタとして決定クラスタ・データベース２２２２に格納する。クラスタにおける選別された保守員（識別情報）は、図１５においてクラスタに対応づけられた保守員の中から派生保守問題データの成績データによって絞り込まれた者であってもよい。

図１４および１５または図３３の手順で生成されたクラスタと保守問題データおよび保守員（識別情報）を用いて、実際の保守問題データに対する故障発生日を予測するための保守のモデルを生成することができ、また実際の保守問題データをクラスタ情報に基づいて、適した保守員（識別情報）に宛ててその保守問題データへの対処を依頼することができる。

図３４は、図２のステップ３１０における詳細なフローチャートであり、モデル生成管理部２４０によって実行される、或るクラスタのモデルを生成するためのフローチャートを示している。

ステップ５２２において、モデル生成管理部２４０は、１つのクラスタについて、その選別保守問題を初期モデルとして設定する。

ステップ５２４において、モデル生成管理部２４０は、モデルの改良の可能性（余地）があるかどうかを判定する。例えば、現在のモデルが修正前のいずれかの前のモデル（例えば選別保守問題）と一致した場合には、改良の可能性がないと判断できる。改良の可能性がないと判定された場合は、手順はステップ５３４に進む。改良の可能性があると判定された場合は、手順はステップ５２６に進む。

ステップ５２６において、モデル生成管理部２４０は、モデルを類似する実例保守問題データに適用して保守モデルにおける解答データ（発生日時）を得る。

ステップ５２８において、モデル生成管理部２４０は、その解答と実例保守問題データにおける正解データ（発生日時）とを比較して、その差が許容誤差の範囲内かどうかを判定する。その差が許容誤差の範囲内にあると判定された場合は、手順はステップ５３２に進む。その差が許容誤差の範囲内にないと判定された場合は、手順はステップ５３０に進む。

ステップ５３０において、モデル生成管理部２４０は、現在のモデルの保守問題データ（派生保守問題データまたは初期の選別保守問題データ）の生成に用いられた合成保守問題データにおける閾値Ｆｔｈより１だけ低く閾値（Ｆｔｈ＝Ｆｔｈ−１）を用いて生成された派生保守問題データをモデルとして設定しなおす。

ステップ５３２において、モデル生成管理部２４０は、現在の保守のモデルを決定クラスタに対応づけて決定クラスタ・データベース２２２２に格納する。

ステップ５３４において、モデル生成管理部２４０は、モデル生成の失敗の記録をその決定クラスタに対応づけて決定クラスタ・データベース２２２２に格納する。

モデル生成管理部２４０は、このモデルを用いて、メッセージ・データベース２１１２および／または故障・保守履歴データベース２１１６を検索して状態メッセージおよび調整の記録を収集して機械１０に関する仮の保守問題を生成し、その仮の保守問題とモデルの類似性の距離が所定の範囲にある場合には、その仮の保守問題データにモデルを適用し、その仮の保守問題データが所定期間（例えば、１０日）内に故障を発生する可能性のある場合には、その仮の保守問題データを新しい保守問題データとして設定して、その新しい保守問題データにモデルを適用して、機械１０の故障の発生日を予測することができる。また、モデル生成管理部２４０は、そのモデルのクラスタに属する保守員を選択して、実際に故障が発生する前にその保守員（識別情報）に宛てて保守端末４０に送信してその新しい保守問題データへの対処を依頼することができる。

図３５は、図２のステップ３１４における詳細なフローチャートであり、実際問題割当部２３６によって実行される、実際に発生した保守問題データを類似するクラスタの保守員に割り当てて対処を依頼するためのフローチャートを示している。

ステップ５４２において、実際問題割当部２３６は、メッセージ・データベース２１１２および／または故障・保守履歴データベース２１１６を検索して様々な機械１０の状態メッセージおよび／または調整記録を収集して複数のフラグが存在する場合には、機械の実際の部品状態・調整記録から仮の保守問題データ（Ａ）を生成する。

ステップ５４４において、実際問題割当部２３６は、複数のクラスタ（識別情報）の中に未選択の１つのクラスタがあるかどうかを判定する。

ステップ５４６において、実際問題割当部２３６は、決定クラスタ・データベース２２２２の複数のクラスタの中から１つのクラスタを選択し、そのクラスタの選別保守問題データ（Ｂ）を取り出す。

ステップ５４８において、実際問題割当部２３６は、仮の保守問題データ（Ａ）と選別問題データ（Ｂ）の間の類似性の距離を計算する。

ステップ５５０において、実際問題割当部２３６は、仮の保守問題データ（Ａ）と選別保守問題データ（Ｂ）の間の類似性の距離は所定の類似の範囲内かどうかを判定する。距離が類似の範囲内であると判定された場合は、手順はステップ５５６に進む。類似の範囲内でないと判定された場合は、手順はステップ５５２に進む。

ステップ５５２において、実際問題割当部２３６は、現在の選別保守問題データ（派生保守問題）の生成に使用されたフラグ閾値Ｆｔｈより１つ低いフラグ閾値Ｆｔｈ＝Ｆｔｈ−１で生成された派生保守問題データがあるかどうかを判定する。それがないと判定された場合は、手順はステップ５５４に戻る。それがあると判定された場合は、手順はステップ５４４に進む。

ステップ５５４において、実際問題割当部２３６は、現在の選別保守問題データ（派生保守問題）の生成に使用されたフラグ閾値Ｆｔｈより１つ低いフラグ閾値Ｆｔｈ＝Ｆｔｈ−１で生成された派生保守問題データを選択保守問題データＢとして設定する。その後、手順はステップ５４８に戻る。

ステップ５５６において、実際問題割当部２３６は、現在の選別保守問題データ（Ｂ）と距離を記録する。その後、手順はステップ５４４に戻る。

ステップ５５８において、実際問題割当部２３６は、類似の範囲内であると判定された選択保守問題データＢの中で類似性の距離が最小のものを類似保守問題データＢとして決定する。

ステップ５６０において、実際問題割当部２３６は、類似保守問題データＢに対応する決定クラスタの情報からそれに属する適当な保守員を選択して、類似保守問題データＢに類似する仮の保守問題データＡへの対処をその保守員に依頼するメッセージを保守端末４０に送信する。

その保守員は、保守端末４０上で機械１０に関する仮の保守問題データＡへの対処を依頼するメッセージを見て、仮の保守問題データＡへの対処し、即ち、機械１０の故障発生日を推定し、その故障発生日までに現場へ出向いて、機械１０の所要の部品を調整しまたは交換する。

このようにして、保守問題のクラスタの情報に基づいて、保守モデルを生成し、優れた保守員から機械の保守に関する固有情報を収集し、故障し得る機械に関して実際の保守問題を保守員に割り当てることができる。

上述の実施形態では解答および正解を故障発生日として説明したが、代替構成として、解答および正解は、故障発生日時であってもよく、または機械１０の故障した機能または部品のカテゴリ（分類）であってもよい。後者の場合、例えば、部品のカテゴリには相互の類似度が予め付与されており、実際に故障した機能または部品のカテゴリと、解答として故障したと推定された機能または部品のカテゴリとの間の類似度に応じて解答に対して点数が付与される。

以上の実施例を含む実施形態に関して、さらに以下の付記を開示する。
（付記１） 保守用端末と遠隔の機械とに接続され、前記遠隔の機械を保守するための情報処理装置であって、
前記遠隔の機械の識別情報、保守員の識別情報、前記遠隔の機械から受信した前記遠隔の機械の複数項目の状態情報、および前記遠隔の機械の保守の記録情報を格納する保守情
報データベースと、
前記遠隔の機械の識別情報、前記遠隔の機械の前記複数項目の状態情報および前記遠隔の機械の前記保守の記録情報に基づいて、時間に対する前記遠隔の機械の複数項目の状態情報を含む複数の実例保守問題データを生成して前記保守用端末に送信し、前記保守員による前記複数の実例保守問題データに対する解答データとしての推定故障発生日を収集して前記収集した解答データを正解データとしての故障発生日に基づいて点数で評価する保守問題生成および解答収集手段と、
前記複数の実例保守問題データの間の類似性を表す類似性データを生成しその類似性データに従って前記複数の実例保守問題データの中から相互間の類似性の高い複数の保守問題データを選択してクラスタを生成して、前記生成されたクラスタの識別情報をクラスタ・データベースに格納するクラスタ生成手段と、
を具え、
前記クラスタ生成手段は、前記生成されたクラスタの複数の保守問題データの解答データに対して或る閾値以上の評価を獲得した保守員の保守員識別情報を抽出して前記生成されたクラスタの識別情報に対応づけてクラスタ・データベースに格納するものであることを特徴とする、
情報処理装置。
（付記２） 前記クラスタ生成手段は、さらに、前記クラスタの前記類似性の高い複数の実例保守問題データから複数の派生保守問題データを生成して前記保守用端末に送信し、前記抽出された保守員識別情報の保守員による前記複数の派生保守問題データの全てまたは一部に対する解答データを収集してこの解答データを点数で評価し、前記派生保守問題の前記解答データに対して或る閾値以上の評価を獲得した保守員の保守員識別情報を選択して前記生成されたクラスタの識別情報に対応づけてクラスタ・データベースに格納するものであることを特徴とする、付記１に記載の情報処理装置。
（付記３） 前記選択された保守員全員が前記或る閾値以上の評価を獲得した１つの派生保守問題データの識別情報を前記クラスタの選別保守問題データの識別情報として前記クラスタ・データベースに格納するものであることを特徴とする、付記２に記載の情報処理装置。
（付記４） 前記クラスタ生成手段は、複数のクラスタを生成して前記生成された複数のクラスタの識別情報をクラスタ・データベースに格納し、
前記保守情報データベースの前記遠隔の機械の識別情報、前記遠隔の機械の複数項目の状態情報および前記遠隔の機械の前記保守の記録情報に基づいて、時間に対する前記遠隔の機械の複数項目の状態情報を含む１つの保守問題データを生成し、前記１つの保守問題データと前記複数のクラスタの派生保守問題との間の類似性を表す類似性データを生成し、前記複数のクラスタの中で類似性の最も高い派生保守問題のクラスタに対応づけられた保守員の保守員識別情報を選択して、前記保守員に宛てた前記１つの保守問題データへの対処を依頼するメッセージを前記保守用端末に送信する問題割り当て手段を具えることを特徴とする、付記２または３に記載の情報処理装置。
（付記５） 前記実例保守問題データは、所定の期間における各時点での前記遠隔の機械の複数の部品の状態を表すフラグを含み、
前記クラスタ生成手段は、前記複数の実例保守問題データにおける対応するフラグ間の類似性を表す距離データを生成しその距離データに従って前記複数の実例保守問題データの中から相互間の類似性の高い保守問題データのクラスタを生成するものであることを特徴とする、付記１乃至４のいずれかに記載の情報処理装置。
（付記６） 前記生成されたクラスタの前記複数の派生保守問題の中で、前記クラスタの或る実例保守問題に適用して得られた解答データと前記或る実例保守問題の正解データとの間の誤差が所定の許容範囲内にある派生保守問題を前記生成されたクラスタの保守問題のモデルとして決定するモデル生成手段を具えることを特徴とする、付記１または２に記載の情報処理装置。
（付記７） 前記生成されたクラスタの抽出または選択された保守員の中で最も高い評価
を獲得した保守員に対して、前記機械に関する固有情報の入力を依頼するメッセージを前記保守用端末に送信し、前記固有情報を受信して固有情報としてデータベースに格納する固有情報収集管理手段を具えることを特徴とする、付記１または２に記載の情報処理装置。
（付記８） 前記実例保守問題データは、時間に対する前記遠隔の機械の前記複数項目の状態情報および複数の保守の記録情報を含むものであることを特徴とする、付記１または２に記載の情報処理装置。
（付記９） 保守用端末と遠隔の機械とに接続され、前記遠隔の機械を保守するための情報処理装置に用いられるプログラムであって、
保守情報データベースに格納されている前記遠隔の機械の識別情報、前記遠隔の機械の複数項目の状態情報および前記遠隔の機械の保守の記録情報に基づいて、時間に対する前記遠隔の機械の複数項目の状態情報を含む複数の実例保守問題データを生成して前記保守用端末に送信し、前記保守員による前記複数の実例保守問題データに対する解答データを収集して前記収集した解答データを正解データに基づいて点数で評価するステップと、
前記複数の実例保守問題データの間の類似性を表す類似性データを生成しその類似性データに従って前記複数の実例保守問題データの中から相互間の類似性の高い複数の保守問題データを選択してクラスタを生成して、前記生成されたクラスタの識別情報をクラスタ・データベースに格納するステップと、
前記生成されたクラスタの複数の保守問題データの解答データに対して或る閾値以上の評価を獲得した保守員の保守員識別情報を抽出して前記生成されたクラスタの識別情報に対応づけてクラスタ・データベースに格納するステップと、
を前記情報処理装置に実行させるためのプログラム。
（付記１０） 保守用端末と遠隔の機械とに接続され、前記遠隔の機械を保守するための情報処理装置において、機械を保守するための保守問題のクラスタを生成する方法であって、
保守情報データベースに格納されている前記遠隔の機械の識別情報、前記遠隔の機械の複数項目の状態情報および前記遠隔の機械の保守の記録情報に基づいて、時間に対する前記遠隔の機械の複数項目の状態情報を含む複数の実例保守問題データを生成して前記保守用端末に送信し、前記保守員による前記複数の実例保守問題データに対する解答データを収集して前記収集した解答データを正解データに基づいて点数で評価する工程と、
前記複数の実例保守問題データの間の類似性を表す類似性データを生成しその類似性データに従って前記複数の実例保守問題データの中から相互間の類似性の高い複数の保守問題データを選択してクラスタを生成して、前記生成されたクラスタの識別情報をクラスタ・データベースに格納する工程と、
前記生成されたクラスタの複数の保守問題データの解答データに対して或る閾値以上の評価を獲得した保守員の保守員識別情報を抽出して前記生成されたクラスタの識別情報に対応づけてクラスタ・データベースに格納する工程と、
を含む方法。

図１は、本発明の実施形態による、監視制御用の保守サーバの構成を示している。 図２は、機械に関する実際の状態情報および／または調整記録情報から生成された複数の実例の保守問題データについて相互の類似性に基づいて保守問題のクラスタを生成し、各クラスタについて保守モデルを生成し、特定の保守員から機械の保守に関する固有情報を取得し、実際の保守問題データとクラスタの対応保守問題との類似性に基づいて適した保守員を選択してその実際の保守問題を割り当てるためのフローチャートを示している。 図３Ａは、メッセージ・データベースに格納された、機械の各部品に関する状態情報に関する受信メッセージのリストの例を示している。図３Ｂは、ユーザから報告された特定の機械の故障の発生日時および修理依頼の記録のリストを示している。 図４Ａは、或る機械の故障発生に関連する各状態項目の経緯の情報を含む実例保守問題の例を示している。図４Ｂは、図４Ａの実例保守問題における機械の実際の故障発生日の例と、保守員が解答した解答としての故障発生日に対する得点の例とを示している。 図５Ａは、或る機械の故障発生に関連する各状態項目の経緯の情報を含む実例の保守問題の例を示している。図５Ｂは、図５Ａの実例保守問題において機械の実際の故障発生日の例と、保守員が解答した解答としての故障発生日に対する得点の例とを示している。 図６Ａは、或る機械の故障発生に関連する各状態項目の経緯の情報を含む実例の保守問題の例を示している。図６Ｂは、図６Ａの実例保守問題において機械の実際の故障発生日の例と、保守員が解答した解答としての故障発生日に対する得点の例とを示している。 図７Ａは、或る機械の故障発生に関連する各状態項目の経緯の情報を含む実例の保守問題の例を示している。図７Ｂは、図７Ａの実例保守問題において機械の実際の故障発生日の例と、保守員による解答の故障発生日に対する得点の例とを示している。 図８Ａは、互いに類似した例えば図５Ａ、６Ａおよび７Ａのような複数の実例保守問題を合成して生成された合成保守問題を示している図８Ｂは、互いに類似した図５Ｂ、６Ｂおよび７Ｂの実例保守問題における解答としての各故障発生日に対する得点の平均値を示している。 図９Ａおよび９Ｂは、図８Ａの合成保守問題に基づいて生成または検索された類似保守問題の例を示している。 図１０は、生成された実例保守問題に基づく一連の保守問題の集合体を示している。 図１１は、実例に基づく複数の保守問題の間の計算された類似性の距離、即ち各状態項目と時間的経緯のマトリックスにおけるフラグ値のパターンの類似性の距離を示している。 図１２は、類似性距離空間で示した保守問題間の距離を表す概念図である。 図１３は、クラスタ生成部によって実行される、複数の保守問題をクラスタ化するためのフローチャートを示している。 図１４は、クラスタ生成部によって実行される、求めようとする２つの保守問題の間の類似性または類似性の距離を決定するためのフローチャートを示している。 図１５は、図２のステップにおける詳細なフローチャートであり、クラスタ生成部によって実行される、或るクラスタに対して保守員を対応づけるためのフローチャートを示している。 図１６Ａは、同じクラスタに属する複数の実例保守問題および場合によって類似保守問題のマトリックスを合成または加算して生成した合成保守問題を示している。図１６Ｂは、互いに類似した実例保守問題データにおける故障発生日に対する得点の平均値の例を示している。 図１７Ａおよび１７Ｂは、図１６Ａの合成保守問題を閾値処理して作成された基本派生保守問題の例を示している。 図１８Ａおよび１８Ｂは、図１６Ａの合成保守問題を閾値処理して作成された第２の派生保守問題の例を示している。 図１９Ａは、図３Ａと同様の受信メッセージのリストの例を示している。図１９Ｂは、図３Ｂと同様の故障の発生日時および修理依頼の記録のリストを示している。図１９Ｃは、図１９Ｂのユーザからの故障の発生および修理依頼に関係なく、保守員が部品状態の経緯に基づいて自己の判断で、自分でまたはユーザに依頼して行った機械の部品の所要の調整の発生日時と調整項目の記録のリストを示している。 図２０Ａは、或る機械の故障発生に関連する各状態項目の経緯の情報および部品調整項目に関する記録の経緯の情報を含む実例の保守問題の例を示している。図２０Ｂは、図２０Ａの実例保守問題における機械の実際の故障発生日の例と、保守員が解答した解答としての故障発生日に対する得点の例とを示している。 図２１Ａは、或る機械の故障発生に関連する各状態項目の経緯の情報および部品調整項目に関する記録の経緯の情報を含む実例の保守問題の例を示している。図２１Ｂは、図２１Ａの実例保守問題において機械の実際の故障発生日の例と、保守員が解答した解答としての故障発生日に対する得点の例とを示している。 図２２Ａは、或る機械の故障発生に関連する各状態項目の経緯の情報および部品調整項目に関する記録の経緯の情報を含む実例の保守問題の例を示している。図２２Ｂは、図２２Ａの実例保守問題において機械の実際の故障発生日の例と、保守員が解答した解答としての故障発生日に対する得点の例とを示している。 図２３は、或る機械の故障発生に関連する各状態項目の経緯の情報をおよび部品調整項目に関する記録の経緯の情報含む実例の保守問題の例を示している。図２３Ｂは、図２３Ａの実例保守問題において機械の実際の故障発生日の例と、保守員による解答の故障発生日に対する得点の例とを示している。 図２４Ａは、互いに類似した例えば図１８Ａ、１９Ａおよび２０Ａのような複数の実例保守問題を合成して生成された合成保守問題を示している。図２４Ｂは、互いに類似した図２１Ｂ、２２Ｂおよび２３Ｂの実例保守問題における解答としての各故障発生日に対する得点の平均値を示している。 図２５Ａおよび２５Ｂは、図２４Ａの合成保守問題に基づいて生成または検索された類似保守問題を示している。 図２６は、生成された実例保守問題に基づく一連の保守問題の集合体を示している。 図２７は、図１１と同様の、実例に基づく複数の保守問題の間の計算された類似性の距離、即ち各状態項目と時間的経緯のマトリックスにおけるフラグ値のパターンの類似性の距離を示している。 図２８は、類似性距離空間で示した保守問題間の距離を表す概念図である。 図２９Ａは、図１６Ａと同様の、同じクラスタに属する複数の実例保守問題のマトリックスを合成または加算して生成した合成保守問題の例を示している。図２９Ｂは、互いに類似した実例保守問題における故障発生日に対する得点の平均値の例を示している。 図３０Ａおよび３０Ｂは、図２９Ａの合成保守問題を閾値処理して作成された基本派生保守問題の例を示している。 図３１Ａおよび３１Ｂは、図２９Ａの合成保守問題を閾値処理して作成された第２の派生保守問題の例を示している。 図３２は、例えば図１７Ａ、１７Ｂ、１８Ａ、１８Ｂおよび図３０Ａ、３０Ｂ、３１Ａ、３１Ｂのような或るクラスタの各派生保守問題に対する解答として収集された、複数の保守員の解答成績のリストの例を示している。 図３３は、図２のステップ３０８における詳細なフローチャートであり、クラスタ生成部によって実行される、或るクラスタに対して保守員を対応づけるためのフローチャートを示している。 図３４は、図２のステップ３１０における詳細なフローチャートであり、モデル生成管理部によって実行される、或るクラスタのモデルを生成するためのフローチャートを示している。 図３５は、図２のステップ３１４における詳細なフローチャートであり、実際問題割当部によって実行される、実際に発生した保守問題を類似するクラスタの保守員に割り当てて対処を依頼するためのフローチャートを示している。

符号の説明

１０ 機械
１６ 部品
１８ センサ
２０ 保守サーバ
２０４ 機械状態提示部
２０６ 情報関連性作成管理部
２０８ 問題計画実行管理部
２１０ 保守情報管理部
２２０ 作成情報管理部
２３０ クラスタ生成部
２３４ 固有情報収集管理部
２３６ 実際問題割当部
２４０ モデル生成管理部
４０ 保守端末

Claims (7)

1. 保守用端末と遠隔の機械とに接続され、前記遠隔の機械を保守するための情報処理装置であって、
   前記遠隔の機械の識別情報、保守員の識別情報、前記遠隔の機械から受信した前記遠隔の機械の複数項目の状態情報、および前記遠隔の機械の保守の記録情報を管理する保守情報管理部と、
   前記遠隔の機械の識別情報、前記遠隔の機械の前記複数項目の状態情報および前記遠隔の機械の前記保守の記録情報に基づいて、時間に対する前記遠隔の機械の複数項目の状態情報を含む複数の実例保守問題データを生成して前記保守用端末に送信し、前記保守員による前記複数の実例保守問題データに対する解答データとしての推定故障発生日を収集して前記収集した解答データを正解データとしての故障発生日に基づいて点数で評価する保守問題生成および解答収集機能部と、
   前記複数の実例保守問題データの間の類似性を表す類似性データを生成しその類似性データに従って前記複数の実例保守問題データの中から相互間の類似性の高い複数の保守問題データを選択してクラスタを生成して、前記生成されたクラスタの識別情報を仮クラスタ・データベースまたは決定クラスタ・データベースに格納するクラスタ生成手段と、
   を具え、
   前記クラスタ生成手段は、前記生成されたクラスタの複数の保守問題データの解答データに対して或る閾値以上の評価を獲得した保守員の保守員識別情報を抽出して前記生成されたクラスタの識別情報に対応づけて前記仮クラスタ・データベースまたは前記決定クラスタ・データベースに格納するものであることを特徴とする、
   情報処理装置。
2. 前記生成されたクラスタの識別情報および前記抽出された保守員識別情報は、前記仮クラスタ・データベースに格納され、
   前記クラスタ生成手段は、さらに、前記クラスタの前記類似性の高い複数の実例保守問題データから複数の派生保守問題データを生成して前記保守用端末に送信し、前記抽出された保守員識別情報の保守員による前記複数の派生保守問題データの全てまたは一部に対する解答データを収集してこの解答データを点数で評価し、前記派生保守問題の前記解答データに対して或る閾値以上の評価を獲得した保守員の保守員識別情報を選択して前記生成されたクラスタの識別情報に対応づけて前記決定クラスタ・データベースに格納するものであることを特徴とする、請求項１に記載の情報処理装置。
3. 前記選択された保守員全員が前記或る閾値以上の評価を獲得した１つの派生保守問題データの識別情報を前記クラスタの選別保守問題データの識別情報として前記決定クラスタ・データベースに格納するものであることを特徴とする、請求項２に記載の情報処理装置。
4. 前記クラスタ生成手段は、複数のクラスタを生成して前記生成された複数のクラスタの識別情報を前記仮クラスタ・データベースに格納し、
   前記保守情報管理部の前記遠隔の機械の識別情報、前記遠隔の機械の複数項目の状態情報および前記遠隔の機械の前記保守の記録情報に基づいて、時間に対する前記遠隔の機械の複数項目の状態情報を含む１つの保守問題データを生成し、前記１つの保守問題データと前記複数のクラスタの派生保守問題との間の類似性を表す類似性データを生成し、前記複数のクラスタの中で類似性の最も高い派生保守問題のクラスタに対応づけられた保守員の保守員識別情報を選択して、前記保守員に宛てた前記１つの保守問題データへの対処を依頼するメッセージを前記保守用端末に送信する問題割り当て手段を具えることを特徴とする、請求項２または３に記載の情報処理装置。
5. 前記実例保守問題データは、所定の期間における各時点での前記遠隔の機械の複数の部品の状態を表すフラグを含み、
   前記クラスタ生成手段は、前記複数の実例保守問題データにおける対応するフラグ間の類似性を表す距離データを生成しその距離データに従って前記複数の実例保守問題データの中から相互間の類似性の高い保守問題データのクラスタを生成するものであることを特徴とする、請求項１乃至４のいずれかに記載の情報処理装置。
6. 保守用端末と遠隔の機械とに接続され、前記遠隔の機械を保守するための情報処理装置に用いられるプログラムであって、
   保守情報管理部に格納されている前記遠隔の機械の識別情報、前記遠隔の機械の複数項目の状態情報および前記遠隔の機械の保守の記録情報に基づいて、時間に対する前記遠隔の機械の複数項目の状態情報を含む複数の実例保守問題データを生成して前記保守用端末に送信し、保守員による前記複数の実例保守問題データに対する解答データを収集して前記収集した解答データを正解データに基づいて点数で評価するステップと、
   前記複数の実例保守問題データの間の類似性を表す類似性データを生成しその類似性データに従って前記複数の実例保守問題データの中から相互間の類似性の高い複数の保守問題データを選択してクラスタを生成して、前記生成されたクラスタの識別情報を仮クラスタ・データベースまたは決定クラスタ・データベースに格納するステップと、
   前記生成されたクラスタの複数の保守問題データの解答データに対して或る閾値以上の評価を獲得した保守員の保守員識別情報を抽出して前記生成されたクラスタの識別情報に対応づけて前記仮クラスタ・データベースまたは前記決定クラスタ・データベースに格納するステップと、
   を前記情報処理装置に実行させるためのプログラム。
7. 保守用端末と遠隔の機械とに接続され、前記遠隔の機械を保守するための情報処理装置において、機械を保守するための保守問題のクラスタを生成する方法であって、
   保守情報管理部に格納されている前記遠隔の機械の識別情報、前記遠隔の機械の複数項目の状態情報および前記遠隔の機械の保守の記録情報に基づいて、時間に対する前記遠隔の機械の複数項目の状態情報を含む複数の実例保守問題データを生成して前記保守用端末に送信し、保守員による前記複数の実例保守問題データに対する解答データを収集して前記収集した解答データを正解データに基づいて点数で評価する工程と、
   前記複数の実例保守問題データの間の類似性を表す類似性データを生成しその類似性データに従って前記複数の実例保守問題データの中から相互間の類似性の高い複数の保守問題データを選択してクラスタを生成して、前記生成されたクラスタの識別情報を仮クラスタ・データベースまたは決定クラスタ・データベースに格納する工程と、
   前記生成されたクラスタの複数の保守問題データの解答データに対して或る閾値以上の評価を獲得した保守員の保守員識別情報を抽出して前記生成されたクラスタの識別情報に対応づけて前記仮クラスタ・データベースまたは前記決定クラスタ・データベースに格納する工程と、
   を含む方法。

Images