JP5489672B2

JP5489672B2 - 軌道走行車両の部品劣化予測システム

Info

Publication number: JP5489672B2
Application number: JP2009267910A
Authority: JP
Inventors: 雅也三竹; 淳西田; 博山下; 章央川内; 悟西村
Original assignee: Mitsubishi Heavy Industries Ltd
Current assignee: Mitsubishi Heavy Industries Ltd
Priority date: 2009-11-25
Filing date: 2009-11-25
Publication date: 2014-05-14
Anticipated expiration: 2029-11-25
Also published as: JP2011113220A

Description

本発明は、軌道走行車両の管理システムに関し、詳しくは、軌道走行車両の走行状況等を管理することにより交換が必要な劣化部品を予測する部品劣化予測システムに関する。

従来より、車両の走行距離等に基づいて補修部品の需要予測を行うように構成された管理システムが提案されている。（例えば、特許文献１）。

特許文献１には、車両の走行距離を算出する走行距離算出部と、補修部品の耐久基準が記憶されている部品情報記憶部と、走行距離と耐久基準とに基づいて劣化部品の数量を算出する劣化部品算出部とを備えた管理システムが開示されている。

特開２００４−２３４３７５号公報

しかしながら、上述の特許文献１の構成では、車両の走行距離及び部品の耐久基準の２つの情報のみから部品の劣化状態を判断しており、車両の速度等の運行情報や温度等の環境情報は劣化状態の判断に全く考慮されていなかった。したがって、劣化状態の判断の精度が十分でないという問題があった。また、上述の特許文献１の構成では、部品の劣化の過去の判断結果が蓄積されず、劣化状態の判断の精度を徐々に高めることもできなかった。

本発明はこのような実情に鑑みてなされたものであって、その目的は、運行情報と路線情報と環境情報との相関関係に基づいて計算することにより、部品の劣化状態の予測を精度良く行うことが可能な軌道走行車両の部品劣化予測システムを提供することである。

上記従来技術の有する課題を解決するために、本発明は、過去に劣化によって交換された軌道走行車両の部品の情報を蓄積する部品交換情報記憶部と、過去に劣化以外の不具合原因により交換された前記軌道走行車両の部品の情報を記憶する不具合部品交換情報記憶部と、前記軌道走行車両において一定期間交換されていない部品の情報を記憶する正常部品情報記憶部と、前記軌道走行車両の運行情報を記憶する運行情報記憶部と、前記軌道走行車両の走行路線の路線情報を記憶する路線情報記憶部と、前記軌道走行車両の走行路線の環境情報を記憶する環境情報記憶部と、前記運行情報と前記路線情報と前記環境情報との間の相関関係を示す相関関係情報を計算する相関関係計算部と、前記運行情報と前記路線情報と前記環境情報に特異値が検出されない場合、前記部品交換情報記憶部と前記正常部品情報記憶部とに記憶されている各部品について前記相関関係情報に基づいた評価尺度を計算して、前記部品交換情報記憶部の各部品の前記評価尺度と前記正常部品情報記憶部の各部品の前記評価尺度との分布を分析することにより、部品の劣化を判定するための前記評価尺度の閾値を決定し、前記運行情報と前記路線情報と前記環境情報とのいずれかに特異値が検出された場合、前記不具合部品交換情報記憶部と前記正常部品情報記憶部とに記憶されている各部品について前記相関関係情報に基づいた評価尺度を計算して、前記不具合部品交換情報記憶部の各部品の前記評価尺度と前記正常部品情報記憶部の各部品の前記評価尺度との分布を分析することにより、部品に不具合原因が生じたかを判定するための前記評価尺度の閾値を決定する閾値計算部と、前記正常部品情報記憶部の各部品の前記評価尺度と前記閾値計算部により決定された前記評価尺度の前記閾値とを比較することにより前記正常部品情報記憶部の各部品の劣化状態を判定する部品劣化予測部と、該部品劣化予測部によって劣化と判定された部品を表示する劣化部品表示部とを備えている。

また、本発明によれば、前記運行情報は、前記軌道走行車両の速度の情報と、前記軌道走行車両の走行時間の情報と、前記軌道走行車両の走行距離の情報とを含んでおり、前記路線情報は、前記軌道走行車両の走行区間上にある駅数の情報と、前記軌道走行車両の前記走行区間の路線形状に関する情報とを含んでおり、前記環境情報は、前記軌道走行車両が走行している間の気温の情報と、前記軌道走行車両が走行している間の湿度の情報と、前記軌道走行車両が走行している間の気中塩分濃度の情報とを含んでいる。

また、本発明によれば、前記運行情報と前記路線情報と前記環境情報に特異値が検出されない場合、前記部品劣化予測部により劣化と判定された部品の情報は、前記部品交換情報記憶部にフィードバックされて前記部品交換情報記憶部に蓄積され、前記運行情報と前記路線情報と前記環境情報とのいずれかに特異値が検出された場合、前記部品劣化予測部により不具合原因が生じたと判定された部品の情報は、前記不具合部品交換情報記憶部にフィードバックされて前記不具合部品交換情報記憶部に蓄積され、前記部品劣化予測部により正常と判定された部品の情報は、前記正常部品情報記憶部にフィードバックされて前記正常部品情報記憶部に蓄積されるように構成されている。

また、本発明によれば、前記相関関係計算部は、マハラノビス・タグチシステムを用いて前記相関関係情報を計算するように構成されており、前記相関関係情報は、前記運行情報と前記路線情報と前記環境情報との間の相関関係に基づいて算出されるものであり、前記評価尺度は、前記相関関係情報に基づいて算出されるマハラノビス距離である。

また、本発明によれば、前記劣化部品表示部は、前記部品劣化予測部によって劣化と判定された部品をアラーム信号として出力するように構成されている。

また、本発明によれば、前記部品劣化予測部は、前記部品劣化予測部によって劣化と判定された部品の周辺の部品も劣化と判定するように構成されている。

本発明に係る軌道走行車両の部品劣化予測システムによれば、過去に劣化によって交換された軌道走行車両の部品の情報を蓄積する部品交換情報記憶部と、前記軌道走行車両において一定期間交換されていない部品の情報を記憶する正常部品情報記憶部と、前記軌道走行車両の運行情報を記憶する運行情報記憶部と、前記軌道走行車両の走行路線の路線情報を記憶する路線情報記憶部と、前記軌道走行車両の走行路線の環境情報を記憶する環境情報記憶部と、前記運行情報と前記路線情報と前記環境情報との間の相関関係を示す相関関係情報を計算する相関関係計算部と、前記部品交換情報記憶部と前記正常部品情報記憶部とに記憶されている各部品について前記相関関係情報に基づいた評価尺度を計算して、前記部品交換情報記憶部の各部品の前記評価尺度と前記正常部品情報記憶部の各部品の前記評価尺度との分布を分析することにより、部品の劣化を判定するための前記評価尺度の閾値を決定する閾値計算部と、前記正常部品情報記憶部の各部品の前記評価尺度と前記閾値計算部により決定された前記評価尺度の前記閾値とを比較することにより前記正常部品情報記憶部の各部品の劣化状態を判定する部品劣化予測部と、該部品劣化予測部によって劣化と判定された部品を表示する劣化部品表示部とを備えているので、部品の劣化の判断に過去の部品交換のデータも反映されるようになり、より精度の高い劣化の予測を行うことができる。また、本発明によれば、部品の劣化の判定を運行情報と路線情報と環境情報との間の相関関係に基づいて行っているので、部品の劣化の判定に各情報を１つずつ用いた場合に比べて精度の高い判定を行うことができる。

また、本発明に係る軌道走行車両の部品劣化予測システムによれば、前記運行情報は、前記軌道走行車両の速度の情報と、前記軌道走行車両の走行時間の情報と、前記軌道走行車両の走行距離の情報とを含んでおり、前記路線情報は、前記軌道走行車両の走行区間上にある駅数の情報と、前記軌道走行車両の前記走行区間の路線形状に関する情報とを含んでおり、前記環境情報は、前記軌道走行車両が走行している間の気温の情報と、前記軌道走行車両が走行している間の湿度の情報と、前記軌道走行車両が走行している間の気中塩分濃度の情報とを含んでいるので、部品の劣化状態の予測を上述した複数の情報間の相関関係に基づいて行えるようになり、部品の劣化の予測の精度をより高めることができる。

また、本発明に係る軌道走行車両の部品劣化予測システムによれば、前記部品劣化予測部により劣化と判定された部品の情報は、前記部品交換情報記憶部にフィードバックされて前記部品交換情報記憶部に蓄積され、前記部品劣化予測部により正常と判定された部品の情報は、前記正常部品情報記憶部にフィードバックされて前記正常部品情報記憶部に蓄積されるように構成されているので、劣化の判定に関するデータが徐々に蓄積されることになり、システムを使用しながら部品の劣化の予測の精度を徐々に高めていくことができる。

また、本発明に係る軌道走行車両の部品劣化予測システムによれば、前記相関関係計算部は、マハラノビス・タグチシステムを用いて前記相関関係情報を計算するように構成されており、前記相関関係情報は、前記運行情報と前記路線情報と前記環境情報との間の相関関係に基づいて算出されるものであり、前記評価尺度は、前記相関関係情報に基づいて算出されるマハラノビス距離であるので、複数の情報に基づいて部品の劣化の判定を行う場合でも、マハラノビス距離という１つの評価尺度で劣化の判定を行えるので、計算コストを抑えつつ、相関関係に基づいた精度の高い判定を行うことができる。

また、本発明に係る軌道走行車両の部品劣化予測システムによれば、前記劣化部品表示部は、前記部品劣化予測部によって劣化と判定された部品をアラーム信号として出力するように構成されているので、システムの操作者に対して部品の劣化を効果的に知らせることができる。これにより、操作者が部品の劣化に気付かないというトラブルを未然に防止することができる。

また、本発明に係る軌道走行車両の部品劣化予測システムによれば、前記部品劣化予測部は、前記部品劣化予測部によって劣化と判定された部品の周辺の部品も劣化と判定するように構成されているので、部品が劣化状態と判定された場合、その部品を周辺部品と一緒に部品ユニットごと交換することができ、メンテナンスの効率化を図ることができる。

また、本発明に係る軌道走行車両の部品劣化予測システムによれば、過去に劣化以外の不具合原因により交換された部品の情報を記憶する不具合部品交換情報記憶部を更に備え、前記運行情報と前記路線情報と前記環境情報とのいずれかに特異値が検出された場合に、前記閾値計算部は、前記不具合部品交換情報記憶部と前記正常部品情報記憶部との各部品について前記相関関係情報に基づいた評価尺度を計算するように構成され、前記閾値計算部は、前記不具合部品交換情報記憶部の各部品の前記評価尺度と前記正常部品情報記憶部の各部品の前記評価尺度との分布を比較することにより、部品に不具合原因が生じたかを判定するための前記評価尺度の閾値を決定するようになっているので、通常の劣化よりも早い時期に生じる部品の不具合（異常な環境下で車両が運行された場合の不具合）を予測することができる。また、運行情報等の各情報が特異値を検出したかどうかに基づいて不具合部品交換情報記憶部と正常部品情報記憶部とを適宜切り換えるので、通常の部品の劣化と、劣化以外の不具合原因による劣化との両方を１つのシステムで予測することが可能となる。

また、本発明に係る軌道走行車両の部品劣化予測システムによれば、前記部品劣化予測部により不具合原因が生じたと判定された部品の情報は、前記不具合部品交換情報記憶部にフィードバックされて前記不具合部品交換情報記憶部に蓄積されるように構成されているので、不具合原因による部品交換に関するデータが徐々に蓄積されることになり、システムを使用しながら部品の劣化の予測の精度を徐々に高めていくことができる。

本発明の第１実施形態に係る軌道走行車両の部品劣化予測システムの構成を示した図である。軌道走行車両の部品の劣化に対する速度と気温の関係を示した図である。相関関係情報に基づいて計算されたマハラノビス距離の度数分布図である。本発明の第１実施形態に係る軌道走行車両の部品劣化予測システムの動作を示すフローチャートである。本発明の第２実施形態に係る軌道走行車両の部品劣化予測システムの構成を示した図である。本発明の第２実施形態に係る軌道走行車両の部品劣化予測システムの動作を示すフローチャートである。本発明の第３実施形態に係る軌道走行車両の部品劣化予測システムの構成を示した図である。本発明の第３実施形態に係る軌道走行車両の部品劣化予測システムの動作を示すフローチャートである。

［第１実施形態］
以下、本発明の第１実施形態に係る軌道走行車両の部品劣化予測システムを、図面を参照しながら説明する。図１は、本発明の第１実施形態に係る軌道走行車両の部品劣化予測システムの構成を示した図である。

図１に示すように、第１実施形態に係る部品劣化予測システム１は、軌道系走行車両の運行状況を管理する中央指令室（図示せず）の汎用コンピュータに設けられるものである。部品劣化予測システム１は、相関関係計算部２と、車両関連情報記憶部２１と、閾値計算部３と、部品交換情報記憶部３１と、正常部品情報記憶部３２と、部品劣化予測部４と、劣化部品表示部５とを備えている。

図１に示すように、車両関連情報記憶部２１は、車両が走行している間の気温の情報２１Ａと、車両の走行時間の情報２１Ｂと、車両の速度の情報２１Ｃと、車両が走行する路線上の駅数の情報２１Ｄとを記憶するデータベースである。これらの各情報２１Ａ，２１Ｂ，２１Ｃ，２１Ｄに対しては、予めデータを取得する間隔（データ取得間隔）が設定されており、車両関連情報記憶部２１は、所定のデータ取得間隔で、気温の情報２１Ａと、走行時間の情報２１Ｂと、速度の情報２１Ｃと、駅数の情報２１Ｄとをデータとして記憶するように構成されている。

この第１実施形態において、部品交換情報記憶部３１は、過去に劣化によって交換された車両の部品の情報を蓄積するデータベースである。また、正常部品情報記憶部３２は、予め設定された一定期間（耐久期間）の間交換されていない部品の情報を記憶するデータベースである。

図１に示すように、相関関係計算部２は、車両関連情報記憶部２１に接続されている。そして、相関関係計算部２は、車両関連情報記憶部２１に記憶された気温の情報２１Ａと走行時間の情報２１Ｂと速度の情報２１Ｃと駅数の情報２１Ｄとの間の相関関係を示す相関関係情報を計算するように構成されている。

図２は、部品の劣化に対する速度と気温の関係を示した図である。部品の劣化に対する速度と気温の関係を見ると、車両の速度が速くなればなるほど部品の劣化が進み、気温が高くなればなるほど部品の劣化が進むようになっている。相関関係計算部２では、このような車両関連情報記憶部２１に記憶された各情報２１Ａ，２１Ｂ，２１Ｃ，２１Ｄの間の相関関係を示す相関関係情報が計算される。

具体的には、相関関係計算部２は、「ＭＴシステムにおける技術開発刊行委員会委員長田口玄一著日本規格協会刊」に記載されているようなマハラノビス・タグチシステムを用いて相関関係情報を計算するように構成されている。
例えば、相関関係計算部２は、車両関連情報記憶部２１に記憶された各情報２１Ａ，２１Ｂ，２１Ｃ，２１Ｄごとに平均及び分散を計算するように構成されている。更に、相関関係計算部２は、車両関連情報記憶部２１に記憶された各情報２１Ａ，２１Ｂ，２１Ｃ，２１Ｄの間の相関関係を表す相関係数行列及び相関係数逆行列を計算するように構成されている。

図１に示すように、閾値計算部３は、部品交換情報記憶部３１と正常部品情報記憶部３２とに接続されている。閾値計算部３は、部品交換情報記憶部３１と正常部品情報記憶部３２とに記憶されている各部品について相関関係情報に基づいた評価尺度を計算するように構成されている。ここで、評価尺度は、相関関係計算部２で算出された相関関係情報に基づいて計算されるマハラノビス距離である。

このマハラノビス距離を計算するために、閾値計算部３は、部品交換情報記憶部３１と正常部品情報記憶部３２とに記憶されている各部品に対応する情報を、相関関係計算部２で得られた平均及び分散を利用して正規化するようになっている。
更に、閾値計算部３は、正規化された部品交換情報記憶部３１の部品に対応する情報と相関係数逆行列とを利用して、全ての項目間の相関性を考慮した基準の中の中心からの距離である第１のマハラノビス距離を計算するようになっている。また、閾値計算部３は、正規化された正常部品情報記憶部３２の部品に対応する情報と相関係数逆行列とを利用して、全ての項目間の相関性を考慮した基準の中の中心からの距離である第２のマハラノビス距離を計算するようになっている。

そして、閾値計算部３は、部品交換情報記憶部３１の部品についての第１のマハラノビス距離と正常部品情報記憶部３２の部品についての第２のマハラノビス距離との分布を分析して、部品の劣化を判定するためのマハラノビス距離の閾値を決定するようになっている。
例えば、図３に示すように、閾値計算部３は、第１のマハラノビス距離及び第２のマハラノビス距離の度数分布を分析する。図３を参照すると、部品交換情報記憶部３１から算出された第１のマハラノビス距離が３より大きい値に偏って分布し、正常部品情報記憶部３２から算出された第２のマハラノビス距離は３以下に偏って分布している。このような場合、閾値計算部３は、部品の劣化を判定するための閾値を「３」に決定する。

図１に示すように、部品劣化予測部４は、閾値計算部３及び劣化部品表示部５に接続されている。部品劣化予測部４は、正常部品情報記憶部３２の部品についての第２のマハラノビス距離と閾値計算部により決定された閾値「３」とを比較することにより正常部品情報記憶部３２の部品の劣化状態を判定するように構成されている。さらに、部品劣化予測部４は、部品劣化予測部４によって劣化状態と判定された部品の情報を劣化部品表示部５に送信するようになっている。

また、部品劣化予測部４は、部品交換情報記憶部３１と正常部品情報記憶部３２とに接続されている。部品劣化予測部４は、劣化状態と判定された部品の情報を部品交換情報記憶部３１に送信し、劣化していないと判定された部品の情報を正常部品情報記憶部３２に送信するようになっている。

劣化部品表示部５は、部品劣化予測部４から受信した劣化状態と判定された部品を表示するように構成されている。例えば、劣化部品表示部５は、汎用コンピュータに接続されるディスプレイである。

次に、第１実施形態に係る部品劣化予測システム１の動作を、図面を参照しながら説明する。図４は、本発明の第１実施形態に係る部品劣化予測システム１の動作を示すフローチャートである。

まず、ステップＳ１，Ｓ２，Ｓ３において、相関関係計算部２が、車両関連情報記憶部２１に記憶された気温の情報２１Ａと走行時間の情報２１Ｂと速度の情報２１Ｃと駅数の情報２１Ｄとを取得する。

次に、ステップＳ４において、相関関係計算部２が、取得した各情報２１Ａ，２１Ｂ，２１Ｃ，２１Ｄの間の相関関係を示す相関関係情報を計算する。この際、相関関係計算部２は、マハラノビス・タグチシステムを用いて相関関係情報を計算する。ここで、相関関係計算部２は、車両関連情報記憶部２１から取得した各情報２１Ａ，２１Ｂ，２１Ｃ，２１Ｄごとに平均及び分散を計算し、更に、車両関連情報記憶部２１から取得した各情報２１Ａ，２１Ｂ，２１Ｃ，２１Ｄの間の相関関係を表す相関係数行列及び相関係数逆行列を計算する。

次に、ステップ５において、閾値計算部３は、部品交換情報記憶部３１の各部品に対応する各情報２１Ａ，２１Ｂ，２１Ｃ，２１Ｄを車両関連情報記憶部２１から取得する。さらに、閾値計算部３は、正常部品情報記憶部３２の各部品に対応する各情報２１Ａ，２１Ｂ，２１Ｃ，２１Ｄを車両関連情報記憶部２１から取得する。この際、閾値計算部３は、車両関連情報記憶部２１から取得した各情報を、相関関係計算部２で得られた平均及び分散を利用して正規化する。更に、閾値計算部３は、正規化された部品交換情報記憶部３１の部品に対応する情報と相関係数逆行列とを利用して、全ての項目間の相関性を考慮した基準の中の中心からの距離である第１のマハラノビス距離を計算する。また、閾値計算部３は、正規化された正常部品情報記憶部３２の部品に対応する情報と相関係数逆行列とを利用して、全ての項目間の相関性を考慮した基準の中の中心からの距離である第２のマハラノビス距離を計算する。

さらに、ステップ５において、閾値計算部３は、部品交換情報記憶部３１の部品についての第１のマハラノビス距離と正常部品情報記憶部３２の部品についての第２のマハラノビス距離との分布を分析して、部品の劣化を判定するためのマハラノビス距離の閾値を決定する。

次に、ステップＳ６において、部品劣化予測部４は、正常部品情報記憶部３２の部品についての第２のマハラノビス距離と閾値計算部３により決定された閾値とを比較する。

次に、ステップＳ７において、部品劣化予測部４は、正常部品情報記憶部３２の部品について、予め設定された一定期間（耐久期間）内に交換が必要かを判定する。

そして、部品劣化予測部４が部品の交換が必要であると判定した場合（ステップＳ７のＹ）、部品の情報は劣化部品表示部５に送信される。さらに、ステップ８において、部品劣化予測部４は、交換が必要であると判定された部品の情報を部品交換情報記憶部３１にフィードバックする。

一方、部品劣化予測部４が部品の交換が必要ないと判定した場合（ステップＳ７のＮ）、ステップ９において、部品劣化予測部４は、その部品の情報を正常部品情報記憶部３２にフィードバックする。

以上のＳ１〜Ｓ９のステップは、所定の時間の頻度（例えば、１日に１回等）で繰り返し実行される。

第１実施形態に係る部品劣化予測システム１によれば、過去に劣化によって交換された車両の部品の情報を蓄積する部品交換情報記憶部３１と、車両において一定期間交換されていない部品の情報を記憶する正常部品情報記憶部３２と、車両が走行している間の気温の情報２１Ａと車両の走行時間の情報２１Ｂと車両の速度の情報２１Ｃとを記憶する車両関連情報記憶部２１と、各情報２１Ａ，２１Ｂ，２１Ｃ，２１Ｄの間の相関関係を示す相関関係情報を計算する相関関係計算部２と、部品交換情報記憶部３１と正常部品情報記憶部３２とに記憶されている各部品について相関関係情報に基づいた評価尺度を計算して、部品交換情報記憶部３１の各部品の評価尺度と正常部品情報記憶部３２の各部品の評価尺度との分布を分析することにより、部品の劣化を判定するための評価尺度の閾値を決定する閾値計算部３と、正常部品情報記憶部３２の各部品の評価尺度と閾値計算部３により決定された評価尺度の閾値とを比較することにより正常部品情報記憶部３２の各部品の劣化状態を判定する部品劣化予測部４と、部品劣化予測部４によって劣化と判定された部品を表示する劣化部品表示部５とを備えているので、部品の劣化の判断に過去の部品交換のデータも反映されるようになり、より精度の高い劣化の予測を行うことができる。また、本発明によれば、部品の劣化の判定を気温の情報２１Ａと走行時間の情報２１Ｂと速度の情報２１Ｃとの間の相関関係に基づいて行っているので、部品の劣化の判定に各情報を１つずつ用いた場合に比べて精度の高い判定を行うことができる。

第１実施形態に係る部品劣化予測システム１によれば、部品劣化予測部４により劣化と判定された部品の情報は、部品交換情報記憶部３１にフィードバックされて部品交換情報記憶部３１に蓄積され、部品劣化予測部４により正常と判定された部品の情報は、正常部品情報記憶部３２にフィードバックされて正常部品情報記憶部３２に蓄積されるように構成されているので、劣化の判定に関するデータが徐々に蓄積されることになり、システムを使用しながら部品の劣化の予測の精度を徐々に高めていくことができる。

第１実施形態に係る部品劣化予測システム１によれば、相関関係計算部２は、マハラノビス・タグチシステムを用いて相関関係情報を計算するように構成されており、相関関係情報は、気温の情報２１Ａと走行時間の情報２１Ｂと速度の情報２１Ｃとの間の相関関係に基づいて算出されるものであり、評価尺度は、相関関係情報に基づいて算出されるマハラノビス距離であるので、複数の情報に基づいて部品の劣化の判定を行う場合でも、マハラノビス距離という１つの評価尺度で劣化の判定を行えるので、計算コストを抑えつつ、相関関係に基づいた精度の高い判定を行うことができる。

［第２実施形態］
以下、本発明の第２実施形態に係る部品劣化予測システム１を、図面を参照しながら説明する。図５は、本発明の第２実施形態に係る軌道走行車両の部品劣化予測システムの構成を示した図である。なお、前述した実施形態で説明したものと同様の部分については、同一の符号を付して重複する説明は省略する。

この第２実施形態においては、図５に示すように、部品劣化予測システム１は、運行情報記憶部２２と、環境情報記憶部２３と、路線情報記憶部２４とを備えている。

運行情報記憶部２２は、車両の走行時間の情報２２Ａと、車両が走行した走行距離の情報２２Ｂと、車両の速度の情報２２Ｃとを記憶するデータベースである。これらの各情報に対しては、予めデータを取得する間隔（データ取得間隔）が設定されており、運行情報記憶部２２は、所定のデータ取得間隔で、走行時間の情報２２Ａと走行距離の情報２２Ｂと速度の情報２２Ｃとをデータとして記憶するように構成されている。

環境情報記憶部２３は、車両が走行している間の気温の情報２３Ａと、車両が走行している間の湿度の情報２３Ｂと、車両が走行している間の気中塩分濃度の情報２３Ｃとを記憶するデータベースである。これらの各情報に対しては、予めデータを取得する間隔（データ取得間隔）が設定されており、環境情報記憶部２３は、所定のデータ取得間隔で、気温の情報２３Ａと湿度の情報２３Ｂと気中塩分濃度の情報２３Ｃとをデータとして記憶するように構成されている。

路線情報記憶部２４は、車両が走行する路線上の駅数の情報２４Ａと、車両が走行する路線の形状の情報２４Ｂとを記憶するデータベースである。これらの各情報に対しては、予めデータを取得する間隔（データ取得間隔）が設定されており、路線情報記憶部２４は、所定のデータ取得間隔で、駅数の情報２４Ａと路線の形状の情報２４Ｂとをデータとして記憶するように構成されている。

次に、第２実施形態に係る部品劣化予測システム１の動作を、図面を参照しながら説明する。図６は、本発明の第２実施形態に係る部品劣化予測システム１の動作を示すフローチャートである。

まず、ステップＳ１１，Ｓ１２，Ｓ１３において、相関関係計算部２が、運行情報記憶部２２に記憶されている各情報２２Ａ，２２Ｂ，２２Ｃと、環境情報記憶部２３に記憶されている各情報２３Ａ，２３Ｂ，２３Ｃと、路線情報記憶部２４に記憶されている各情報２４Ａ，２４Ｂとを取得する。

次に、ステップＳ４において、相関関係計算部２が、運行情報記憶部２２に記憶されている各情報２２Ａ，２２Ｂ，２２Ｃと、環境情報記憶部２３に記憶されている各情報２３Ａ，２３Ｂ，２３Ｃと、路線情報記憶部２４に記憶されている各情報２４Ａ，２４Ｂとの間の相関関係を示す相関関係情報を計算する。この際、相関関係計算部２は、マハラノビス・タグチシステムを用いて相関関係情報を計算する。ここで、相関関係計算部２は、取得した各情報２２Ａ，２２Ｂ，２２Ｃ，２３Ａ，２３Ｂ，２３Ｃ，２４Ａ，２４Ｂごとに平均及び分散を計算し、更に、取得した各情報２２Ａ，２２Ｂ，２２Ｃ，２３Ａ，２３Ｂ，２３Ｃ，２４Ａ，２４Ｂの間の相関関係を表す相関係数行列及び相関係数逆行列を計算する。

次に、ステップ５において、閾値計算部３は、部品交換情報記憶部３１の各部品に対応する各情報２２Ａ，２２Ｂ，２２Ｃ，２３Ａ，２３Ｂ，２３Ｃ，２４Ａ，２４Ｂを、運行情報記憶部２２と環境情報記憶部２３と路線情報記憶部２４とから取得する。さらに、閾値計算部３は、正常部品情報記憶部３２の各部品に対応する各情報２２Ａ，２２Ｂ，２２Ｃ，２３Ａ，２３Ｂ，２３Ｃ，２４Ａ，２４Ｂを、運行情報記憶部２２と環境情報記憶部２３と路線情報記憶部２４とから取得する。この際、閾値計算部３は、運行情報記憶部２２と環境情報記憶部２３と路線情報記憶部２４とから取得した各情報を、相関関係計算部２で得られた平均及び分散を利用して正規化する。更に、閾値計算部３は、正規化された部品交換情報記憶部３１の部品に対応する情報と相関係数逆行列とを利用して、全ての項目間の相関性を考慮した基準の中の中心からの距離である第１のマハラノビス距離を計算する。また、閾値計算部３は、正規化された正常部品情報記憶部３２の部品に対応する情報と相関係数逆行列とを利用して、全ての項目間の相関性を考慮した基準の中の中心からの距離である第２のマハラノビス距離を計算する。

次に、ステップＳ６において、部品劣化予測部４は、正常部品情報記憶部３２の部品についての第１のマハラノビス距離と閾値計算部３により決定された閾値とを比較する。

また、部品劣化予測部４が部品の交換が必要ないと判定した場合（ステップＳ７のＮ）、ステップ９において、部品劣化予測部４は、その部品の情報を正常部品情報記憶部３２にフィードバックする。

以上のステップは、所定の時間の頻度（例えば、１日に１回等）で繰り返し実行される。

第２実施形態に係る部品劣化予測システム１によれば、運行情報記憶部２２は、車両の走行時間の情報２２Ａと、車両が走行した走行距離の情報２２Ｂと、車両の速度の情報２２Ｃとを含み、環境情報記憶部２３は、車両が走行している間の気温の情報２３Ａと、車両が走行している間の湿度の情報２３Ｂと、車両が走行している間の気中塩分濃度の情報２３Ｃとを含み、路線情報記憶部２４は、車両が走行する路線上の駅数の情報２４Ａと、車両が走行する路線の形状の情報２４Ｂとを含んでいるので、部品の劣化状態の予測を上述した複数の情報２２Ａ，２２Ｂ，２２Ｃ，２３Ａ，２３Ｂ，２３Ｃ，２４Ａ，２４Ｂの間の相関関係に基づいて行えるようになり、部品の劣化の予測の精度をより高めることができる。

［第３実施形態］
以下、本発明の第３実施形態に係る部品劣化予測システム１を、図面を参照しながら説明する。図７は、本発明の第３実施形態に係る軌道走行車両の部品劣化予測システムの構成を示した図である。なお、前述した実施形態で説明したものと同様の部分については、同一の符号を付して重複する説明は省略する。

この第３実施形態においては、図７に示すように、部品劣化予測システム１は、不具合部品交換情報記憶部３３を備えている。不具合部品交換情報記憶部３３は、過去に劣化以外の不具合原因により交換された部品の情報を蓄積するデータベースである。

閾値計算部３は、運行情報記憶部２２に記憶されている各情報２２Ａ，２２Ｂ，２２Ｃと、環境情報記憶部２３に記憶されている各情報２３Ａ，２３Ｂ，２３Ｃと、路線情報記憶部２４に記憶されている各情報２４Ａ，２４Ｂとのいずれかに特異値が検出された場合に、閾値を計算するための対象を部品交換情報記憶部３１から不具合部品交換情報記憶部３３に切り換えるようになっている。つまり、閾値計算部３は、取得した各情報２２Ａ，２２Ｂ，２２Ｃ，２３Ａ，２３Ｂ，２３Ｃ，２４Ａ，２４Ｂのいずれかに特異値が検出された場合に、不具合部品交換情報記憶部３３と正常部品情報記憶部３２との各部品について相関関係情報に基づいた評価尺度を計算するように構成されている。

ここで、評価尺度は、相関関係計算部２で算出された相関関係情報に基づいて計算されるマハラノビス距離である。また、ここで、特異値とは、各情報において予め設定された上限値又は下限値を超えるような値である（例えば、気温の情報については、極端に暑い又は寒い日など異常な環境状況を記録した場合）。

また、閾値計算部３は、不具合部品交換情報記憶部３３の各部品のマハラノビス距離と正常部品情報記憶部３２の各部品のマハラノビス距離との分布を比較して、部品に不具合原因が生じたかを判定するためのマハラノビス距離の閾値を決定するようになっている。

次に、第３実施形態に係る部品劣化予測システム１の動作を、図面を参照しながら説明する。図８は、本発明の第２実施形態に係る部品劣化予測システム１の動作を示すフローチャートである。

次に、ステップＳ１４において、閾値計算部３は、正常部品情報記憶部３２の各部品に対応する各情報２２Ａ，２２Ｂ，２２Ｃ，２３Ａ，２３Ｂ，２３Ｃ，２４Ａ，２４Ｂを、運行情報記憶部２２と環境情報記憶部２３と路線情報記憶部２４とから取得する。この際、閾値計算部３は、正常部品情報記憶部３２の各部品に対応する各情報２２Ａ，２２Ｂ，２２Ｃ，２３Ａ，２３Ｂ，２３Ｃ，２４Ａ，２４Ｂのいずれかに特異値あるか判定する。
ここで、特異値がない場合（Ｓ１４のＹ）、そのままステップＳ４に進む。一方、特異値がある場合（Ｓ１４のＮ）、ステップＳ１５において、閾値計算部３は、計算の対象のデータベースを部品交換情報記憶部３１から不具合部品交換情報記憶部３３に置き換える。

次に、特異値がない場合（Ｓ１４のＹ）のステップＳ５の処理について説明する。この場合、ステップＳ５において、閾値計算部３は、部品交換情報記憶部３１の各部品に対応する各情報２２Ａ，２２Ｂ，２２Ｃ，２３Ａ，２３Ｂ，２３Ｃ，２４Ａ，２４Ｂを、運行情報記憶部２２と環境情報記憶部２３と路線情報記憶部２４とから取得する。さらに、閾値計算部３は、正常部品情報記憶部３２の各部品に対応する各情報２２Ａ，２２Ｂ，２２Ｃ，２３Ａ，２３Ｂ，２３Ｃ，２４Ａ，２４Ｂを、運行情報記憶部２２と環境情報記憶部２３と路線情報記憶部２４とから取得する。この際、閾値計算部３は、運行情報記憶部２２と環境情報記憶部２３と路線情報記憶部２４とから取得した各情報を、相関関係計算部２で得られた平均及び分散を利用して正規化する。更に、閾値計算部３は、正規化された部品交換情報記憶部３１の部品に対応する情報と相関係数逆行列とを利用して、全ての項目間の相関性を考慮した基準の中の中心からの距離である第１のマハラノビス距離を計算する。また、閾値計算部３は、正規化された正常部品情報記憶部３２の部品に対応する情報と相関係数逆行列とを利用して、全ての項目間の相関性を考慮した基準の中の中心からの距離である第２のマハラノビス距離を計算する。
さらに、ステップ５において、閾値計算部３は、部品交換情報記憶部３１の部品についての第１のマハラノビス距離と正常部品情報記憶部３２の部品についての第２のマハラノビス距離との分布を分析して、部品の劣化を判定するためのマハラノビス距離の閾値を決定する。

次に、特異値がある場合（Ｓ１４のＮ）のステップＳ５の処理について説明する。この場合、ステップＳ５において、閾値計算部３は、不具合部品交換情報記憶部３３の各部品に対応する各情報２２Ａ，２２Ｂ，２２Ｃ，２３Ａ，２３Ｂ，２３Ｃ，２４Ａ，２４Ｂを、運行情報記憶部２２と環境情報記憶部２３と路線情報記憶部２４とから取得する。さらに、閾値計算部３は、正常部品情報記憶部３２の各部品に対応する各情報２２Ａ，２２Ｂ，２２Ｃ，２３Ａ，２３Ｂ，２３Ｃ，２４Ａ，２４Ｂを、運行情報記憶部２２と環境情報記憶部２３と路線情報記憶部２４とから取得する。この際、閾値計算部３は、運行情報記憶部２２と環境情報記憶部２３と路線情報記憶部２４とから取得した各情報を、相関関係計算部２で得られた平均及び分散を利用して正規化する。更に、閾値計算部３は、正規化された不具合部品交換情報記憶部３３の部品に対応する情報と相関係数逆行列とを利用して、全ての項目間の相関性を考慮した基準の中の中心からの距離である第３のマハラノビス距離を計算する。また、閾値計算部３は、正規化された正常部品情報記憶部３２の部品に対応する情報と相関係数逆行列とを利用して、全ての項目間の相関性を考慮した基準の中の中心からの距離である第２のマハラノビス距離を計算する。
さらに、ステップ５において、閾値計算部３は、不具合部品交換情報記憶部３３の部品についての第３のマハラノビス距離と正常部品情報記憶部３２の部品についての第２のマハラノビス距離との分布を分析して、部品の劣化を判定するためのマハラノビス距離の閾値を決定する。

そして、部品劣化予測部４が部品の交換が必要であると判定した場合（ステップＳ７のＹ）、部品の情報は劣化部品表示部５に送信される。さらに、ステップ８において、部品劣化予測部４は、特異値があった場合（Ｓ１４のＮ）、交換が必要であると判定された部品の情報を不具合部品交換情報記憶部３３にフィードバックする。一方、特異値がない場合（Ｓ１４のＹ）、部品劣化予測部４は、交換が必要であると判定された部品の情報を部品交換情報記憶部３１にフィードバックする。

第３実施形態に係る部品劣化予測システム１によれば、過去に劣化以外の不具合原因により交換された部品の情報を記憶する不具合部品交換情報記憶部３３を更に備え、取得した各情報２２Ａ，２２Ｂ，２２Ｃ，２３Ａ，２３Ｂ，２３Ｃ，２４Ａ，２４Ｂのいずれかに特異値が検出された場合に、閾値計算部３は、不具合部品交換情報記憶部３３と正常部品情報記憶部３２との各部品について相関関係情報に基づいたマハラノビス距離を計算するように構成され、閾値計算部３は、不具合部品交換情報記憶部３３の各部品の第３のマハラノビス距離と正常部品情報記憶部３２の各部品の第２のマハラノビス距離との分布を比較することにより、部品に不具合原因が生じたかを判定するためのマハラノビス距離の閾値を決定するようになっているので、通常の劣化よりも早い時期に生じる部品の不具合（異常な環境下で車両が運行された場合の不具合）を予測することができる。また、取得した各情報２２Ａ，２２Ｂ，２２Ｃ，２３Ａ，２３Ｂ，２３Ｃ，２４Ａ，２４Ｂが特異値を検出したかどうかに基づいて不具合部品交換情報記憶部３３と正常部品情報記憶部３２とを適宜切り換えるので、通常の部品の劣化と、劣化以外の不具合原因による劣化との両方を１つのシステムで予測することが可能となる。

第３実施形態に係る部品劣化予測システム１によれば、部品劣化予測部４により不具合原因が生じたと判定された部品の情報は、不具合部品交換情報記憶部３３にフィードバックされて不具合部品交換情報記憶部３３に蓄積されるように構成されているので、不具合原因による部品交換に関するデータが徐々に蓄積されることになり、システムを使用しながら部品の劣化の予測の精度を徐々に高めていくことができる。

［第４実施形態］
以下、本発明の第４実施形態に係る部品劣化予測システム１を説明する。
この第４実施形態においては、部品交換情報記憶部３１と正常部品情報記憶部３２とに記憶されている各部品は、その部品の周辺部品と関連付けて記憶されている。そして、部品劣化予測部４は、ある部品が部品劣化予測部４によって劣化と判定された場合、その部品の周辺の部品も劣化と判定するように構成されている。

第４実施形態に係る部品劣化予測システム１によれば、部品劣化予測部４は、部品劣化予測部４によって劣化と判定された部品の周辺の部品も劣化と判定するように構成されているので、部品が劣化状態と判定された場合、その部品を周辺部品と一緒に部品ユニットごと交換することができ、メンテナンスの効率化を図ることができる。

［第５実施形態］
以下、本発明の第５実施形態に係る部品劣化予測システム１を説明する。
この第５実施形態においては、劣化部品表示部５は、部品劣化予測部４によって劣化と判定された部品をアラーム信号として出力するように構成されている。

第５実施形態に係る部品劣化予測システム１によれば、劣化部品表示部５は、部品劣化予測部４によって劣化と判定された部品をアラーム信号として出力するように構成されているので、システムの操作者に対して部品の劣化を効果的に知らせることができる。これにより、操作者が部品の劣化に気付かないというトラブルを未然に防止することができる。

以上、本発明の実施の形態につき述べたが、本発明は既述の実施形態に限定されるものでなく、本発明の技術的思想に基づいて各種の変形及び変更が可能である。

１部品劣化予測システム
２相関関係計算部
２１車両関連情報記憶部
２１Ａ気温の情報
２１Ｂ走行時間の情報
２１Ｃ速度の情報
２１Ｄ駅数の情報
２２運行情報記憶部
２２Ａ走行時間の情報
２２Ｂ走行距離の情報
２２Ｃ速度の情報
２３環境情報記憶部
２３Ａ気温の情報
２３Ｂ湿度の情報
２３Ｃ気中塩分濃度の情報
２４路線情報記憶部
２４Ａ駅数の情報
２４Ｂ路線形状の情報
３閾値計算部
３１部品交換情報記憶部
３２正常部品情報記憶部
３３不具合部品情報記憶部
４部品劣化予測部
５劣化部品表示部

Claims

過去に劣化によって交換された軌道走行車両の部品の情報を蓄積する部品交換情報記憶部と、
過去に劣化以外の不具合原因により交換された前記軌道走行車両の部品の情報を記憶する不具合部品交換情報記憶部と、
前記軌道走行車両において一定期間交換されていない部品の情報を記憶する正常部品情報記憶部と、
前記軌道走行車両の運行情報を記憶する運行情報記憶部と、
前記軌道走行車両の走行路線の路線情報を記憶する路線情報記憶部と、
前記軌道走行車両の走行路線の環境情報を記憶する環境情報記憶部と、
前記運行情報と前記路線情報と前記環境情報との間の相関関係を示す相関関係情報を計算する相関関係計算部と、
前記運行情報と前記路線情報と前記環境情報に特異値が検出されない場合、前記部品交換情報記憶部と前記正常部品情報記憶部とに記憶されている各部品について前記相関関係情報に基づいた評価尺度を計算して、前記部品交換情報記憶部の各部品の前記評価尺度と前記正常部品情報記憶部の各部品の前記評価尺度との分布を分析することにより、部品の劣化を判定するための前記評価尺度の閾値を決定し、
前記運行情報と前記路線情報と前記環境情報とのいずれかに特異値が検出された場合、前記不具合部品交換情報記憶部と前記正常部品情報記憶部とに記憶されている各部品について前記相関関係情報に基づいた評価尺度を計算して、前記不具合部品交換情報記憶部の各部品の前記評価尺度と前記正常部品情報記憶部の各部品の前記評価尺度との分布を分析することにより、部品に不具合原因が生じたかを判定するための前記評価尺度の閾値を決定する閾値計算部と、
前記正常部品情報記憶部の各部品の前記評価尺度と前記閾値計算部により決定された前記評価尺度の前記閾値とを比較することにより前記正常部品情報記憶部の各部品の劣化状態を判定する部品劣化予測部と、
該部品劣化予測部によって劣化と判定された部品を表示する劣化部品表示部と
を備えていることを特徴とする軌道走行車両の部品劣化予測システム。
前記運行情報は、前記軌道走行車両の速度の情報と、前記軌道走行車両の走行時間の情報と、前記軌道走行車両の走行距離の情報とを含んでおり、
前記路線情報は、前記軌道走行車両の走行区間上にある駅数の情報と、前記軌道走行車両の前記走行区間の路線形状に関する情報とを含んでおり、
前記環境情報は、前記軌道走行車両が走行している間の気温の情報と、前記軌道走行車両が走行している間の湿度の情報と、前記軌道走行車両が走行している間の気中塩分濃度の情報とを含んでいることを特徴とする請求項１に記載の軌道走行車両の部品劣化予測システム。
前記運行情報と前記路線情報と前記環境情報に特異値が検出されない場合、前記部品劣化予測部により劣化と判定された部品の情報は、前記部品交換情報記憶部にフィードバックされて前記部品交換情報記憶部に蓄積され、
前記運行情報と前記路線情報と前記環境情報とのいずれかに特異値が検出された場合、前記部品劣化予測部により不具合原因が生じたと判定された部品の情報は、前記不具合部品交換情報記憶部にフィードバックされて前記不具合部品交換情報記憶部に蓄積され、
前記部品劣化予測部により正常と判定された部品の情報は、前記正常部品情報記憶部にフィードバックされて前記正常部品情報記憶部に蓄積されるように構成されていることを特徴とする請求項１又は２に記載の軌道走行車両の部品劣化予測システム。
前記相関関係計算部は、マハラノビス・タグチシステムを用いて前記相関関係情報を計算するように構成されており、前記相関関係情報は、前記運行情報と前記路線情報と前記環境情報との間の相関関係に基づいて算出されるものであり、前記評価尺度は、前記相関関係情報に基づいて算出されるマハラノビス距離であることを特徴とする請求項１ないし３のいずれか一項に記載の軌道走行車両の部品劣化予測システム。
前記劣化部品表示部は、前記部品劣化予測部によって劣化と判定された部品をアラーム信号として出力するように構成されていることを特徴とする請求項１ないし４のいずれか一項に記載の軌道走行車両の部品劣化予測システム。
前記部品劣化予測部は、前記部品劣化予測部によって劣化と判定された部品の周辺の部品も劣化と判定するように構成されていることを特徴とする請求項１ないし５のいずれか一項に記載の軌道走行車両の部品劣化予測システム。