JP5820072B2 - 類似故障事例検索装置 - Google Patents

Description

本発明は、機械の異常を検知して、その異常の種類から類似した異常が過去起きていないか過去の事例が入ったデータベースから検索する類似故障事例検索装置および検索方法に関する。

ガスエンジンやエレベータ、採掘・建築機械といった機械を常に動作させるためには、機械の保守作業が必須である。保守作業で有効な技術の１つに機械の異常を検知し、その異常の種類から、類似した異常が過去起きていないか過去の事例が入ったデータベースで検索する技術がある。

もし過去に類似した異常の事例があれば、その時にどのように機械を修復したかという対策をデータベースから調べて提示することで、保守員はその知見を活用して機械を修復できる。本発明は、保守作業が必要な機械において適用可能である。

係る故障事例検索手法に関し、たとえば特許文献１は機械に取り付けられたセンサの値から、過去に類似した異常のうち、最も近い種類の異常を調べる。そして最も類似した過去の異常のうち、最も多発したものを最もありえる事例として保守員に提示する発明である。

特開平６−２９４６６８号公報

特許文献１の手法では、機械の状態が過去の事例のときの機械状態と変わらないという前提で検索している。しかし使用年数を経るほど、機械の部品、例えばエンジンの交換、補修などにより、機械の状態が変化していくのが一般的な使用法である。

これらの機械に生じたメンテナンス事情を考慮すると、現在の異常事例の参考になる過去事例及びその対策は必ずしも有効なものとは言えなくなってしまう。

以上のことから本発明においては、メンテナンス事情も加味してより適切に過去事例を検索することができる類似故障事例検索装置および検索方法を提供することを目的とする。

上記の課題を解決するために、本発明の類似故障事例検索装置では、補修対象機械からの信号異常を検知して、過去の異常事例との相関を数値化して求めて類似異常事例とする第１の手段と、類似異常事例における補修対象機械の部品補修履歴を数値化して求める第２の手段と、数値化された相関と数値化された部品補修履歴に応じて過去の複数の類似異常事例の優先度を定めて提供する第３の手段とで構成する。

上記の課題を解決するために、本発明の類似故障事例検索方法では、補修対象機械からの信号異常を検知して、過去の異常事例との相関を数値化して求めて類似異常事例とし、類似異常事例における補修対象機械の部品補修履歴を数値化し、数値化された相関と数値化された部品補修履歴に応じて過去の複数の類似異常事例の優先度を定める。

本発明における診断システムは、機械の異常を検知した際に、過去の類似した異常事例をデータベースから検索する類似事例検索技術において、部品の補修・交換によって状態が変化しても、高い類似度を持つ過去の異常事例を検索して保守員に提示できる。

本発明の類似故障事例検索装置の全体構成を示した図。 異常事例データベースＤＢ１の具体事例を示す図。 異常原因部品データベースＤＢ２の具体事例を示す図。 点検部品データベースＤＢ３の具体事例を示す図。 類似異常事例を検索・表示するための全体の処理フローチャート。 図５のサブルーチンＳＵＢ３２０の処理を示す処理フローチャート。 図５のサブルーチンＳＵＢ３２５の処理を示す処理フローチャート。 一時保管ファイル１６にロードされた情報の変遷を示す図。 一時保管ファイル１６に展開された情報を示す図。

以下、本発明の実施の形態について、図面を参照して説明する。

図１は本発明の類似故障事例検索装置の全体構成を示した図面である。本発明の類似故障事例検索装置１は、保守対象である機械Ｍ、例えば建築機械ならトラックやローダ、産業機械ならエレベータなどから故障事例検索に必要な情報を入手する。

類似故障事例検索装置１は、類似事例の検索結果などを表示する液晶ディスプレイなどで構成された表示部１０、診断する対象の機械Ｍの各部に取り付けられたセンサから通信装置などを介して送られてくるセンサデータから機械の異常を検知する異常検知部１１、各種のデータを記憶しておくデータベース（異常事例データベースＤＢ１、点検部品データベースＤＢ２、異常原因部品データベースＤＢ３）ＤＢ、各種の演算部（異常事例検索部１２、点検部品検索部１３、優先度算出部１４、異常事例登録部１５）並びに一時的なデータの保管を行う一時保管ファイル１６等で構成される。

以下、これらの装置構成各部の機能について説明する。

まず機械の異常を検知する異常検知部１１について説明する。但し、異常検知については多くの考え方が既に知られているので、ここでは典型的な一例を紹介するに止める。

異常の検知手法には、例えば各センサデータ値の、設計上判明している正常範囲があり、その限界を越える場合に異常と判断する考え方がある。他にも、正常に動作している場合のセンサ値の分布をデータマイニングの手法で学習してセンサ値の正常範囲を定める公知技術もある。以上の公知技術により異常検知部１１ではセンサ値が正常範囲から外れ、異常を検知した際に、各センサの正常範囲からの「外れ値」を算出できる。

本実施例では、機械Ｍの各部に取り付けた複数のセンサからのセンサデータの値Ｓ１、Ｓ２、Ｓ３、…、Ｓｎを、ｎ次元のセンサ値ベクトル（Ｓ１、Ｓ２、Ｓ３、…、Ｓｎ）とみなした時、センサの正常範囲が座標（Ｏ１、Ｏ２、Ｏ３、…Ｏｎ）を中心とした半径Ｒのｎ次元球とする。

正常範囲にセンサ値が入っている条件を数式で表現すると、以下の（１）式のようになる。
［数１］
（Ｓ１、Ｓ２、Ｓ３、…、Ｓｎ）−（Ｏ１、Ｏ２、Ｏ３、…Ｏｎ）｜＜Ｒ・・（１）
上記条件を満たさないとき、センサ値の正常範囲からの外れ値ベクトルを算出できる。
外れ値ベクトル（ｄ１、ｄ２、ｄ３、…、ｄｎ）は本実施例では以下の（２）式のように定義する
［数２］
（ｄ１、ｄ２、ｄ３、…、ｄｎ）＝（Ｓ１、Ｓ２、Ｓ３、…、Ｓｎ）−（Ｏ１、Ｏ２、Ｏ３、…Ｏｎ）・・・・（２）
センサ値ベクトル（Ｓ１、Ｓ２、Ｓ３、…、Ｓｎ）が正常範囲を逸脱した場合、異常検知部１１は上記外れ値ベクトル（ｄ１、ｄ２、ｄ３、…、ｄｎ）を異常の検知結果として出力する。

外れ値ベクトル（ｄ１、ｄ２、ｄ３、…、ｄｎ）が分かると、そのベクトルの「向き」から異常の種類がわかる。例えばエンジンの温度センサが上限を超えた場合は、外れ値ベクトル（ｄ１、ｄ２、ｄ３、…、ｄｎ）の成分のうち、エンジン温度センサの成分が大きくなる。外れ値ベクトル（ｄ１、ｄ２、ｄ３、…、ｄｎ）の向きはエンジン温度センサの座標軸に傾くため「エンジン温度上限異常」といった異常のモードがわかる。

機械の異常を検知する異常検知部１１が与える検知結果あるいは異常モードは、表示部１０に表示され、保守員による分析結果を加味した異常事例情報として異常事例データベースＤＢ１に登録する。あるいは、一時的に異常事例データベースＤＢ１に登録し、後日保守員による分析結果を加味することで異常事例情報として再登録することでもよい。

このようにして異常事例データベースＤＢ１には、過去に起きた異常事例の外れ値ベクトルが記憶されている。図２には、このようにして形成された異常事例データベースＤＢ１の具体事例が示されている。
図２の異常事例データベースＤＢ１の具体事例において、２０５は各異常事例を識別するための事例ＩＤ、２１０は各異常事例の発生日時、２１５は異常事例発生時の機械のセンサ値から求められる外れ値ベクトル、２２０は異常発生時にどのような処置をして機械を回復、復旧したかを記録した処置内容、２２５は発生した異常を保守員や機械の設計者が分析して判明した異常モードＩＤを示す。２０５〜２２５の各データは相互に紐づけられており、例えば外れ値ベクトル２１５の値から処置内容２２０や異常モードＩＤ２２５を取得することができる。

これらのうち異常モードＩＤ２２５は、機械Ｍの設計者や保守員が定義した機械に起こる異常のモードを示すＩＤである。異常モードは、保守員や設計者が実際に異常を分析し、機械修復のための処置を行って決定する。例えば外れ値ベクトルの成分のうちエンジンン温度センサの値が上限を超えた場合は、「エンジン温度上限異常」を示す異常モードＩＤが異常事例データベースＤＢ１に加味される。

この異常事例データベースＤＢ１の事例ＩＤ「Ｃ００１」の事例によれば、２０１１年２月２日の１３時に異常発生し、この時の外れ値ベクトル（ｄ１、ｄ２、ｄ３、…、ｄｎ）が（０．００１、０．３…）、最終的にはリセット処理で復帰し、保守員が定義した異常モードは「Ａ００１」であった。「Ｃ００２」は、２０１１年３月１２日の２３時３４分に異常発生し、この時の外れ値ベクトル（ｄ１、ｄ２、ｄ３、…、ｄｎ）が（０．１４、０．０９…）、最終的には部品Ｐ００２を交換し、保守員が定義した異常モードは「Ａ００２」であった。

図３に詳細内容を示す異常原因部品データベースＤＢ２には、図２の異常事例データベースＤＢ１の異常モードＩＤ２２５に紐付して、原因部品候補ＩＤ２６０が記憶されている。この異常原因部品データベースＤＢ２において、異常モードＩＤ２２５は異常モードを示すＩＤであり、原因部品候補ＩＤ２６０は異常モードを起こす原因となる部品の候補を部品ＩＤで定義づけして格納している。

この異常原因部品データベースＤＢ２によれば、異常モードＩＤ２２５が「Ａ００１」の場合に、想定される故障部品はＰ００１、Ｐ０２０、Ｐ０４１などであり、異常モードＩＤ２２５が「Ａ００２」の場合に、想定される故障部品はＰ００２、Ｐ０６７、Ｐ０４５などであることがわかる。

図４に詳細内容を示す点検部品データベースＤＢ３には、補修交換日時２８５ごとに、その時の補修交換部品２９０、および点検理由２９５が記憶されている。ここで補修交換部品２９０には補修・交換した部品のＩＤが格納されており、点検理由２９５には補修・交換した理由として「定期点検」や「異常対応」といった理由を記憶している。この点検部品データベースＤＢ３は、部品の補修交換履歴を記憶したものなので、異常時ばかりでなく、定期点検時における部品の補修交換も含めて総合的に記憶している。

因みに、点検部品データベースＤＢ３の上段のケースでは２０１１年２月２日の１３時の補修交換は定期点検であり、部品Ｐ００２などについて補修・交換し、中段のケースでは２０１１年３月１２日の２３時３４分の補修交換は異常対応であり、部品Ｐ００２を補修・交換した。このデータベースでは、理由の如何を問わず全ての部品補修交換が記録されている。

以上、異常検知部１１の処理内容および各種データベース（異常事例データベースＤＢ１、点検部品データベースＤＢ２、異常原因部品データベースＤＢ３）の具体的な記憶内容について紹介した。

これに対し、演算部（異常事例検索部１２、点検部品検索部１３、優先度算出部１４、以上事例登録部１５）並びに一時的なデータの保管を行う一時保管ファイル１６は、以下のように処理を実施する。

まず異常事例検索部１２は、異常検知部１１が出力した機械Ｍの外れ値ベクトル（ｄ１、ｄ２、ｄ３、…、ｄｎ）２１５を検索キーにして、異常事例データベースＤＢ１から類似した異常事例を検索する。

点検部品検索部１３は、点検部品データベースＤＢ３を検索して、過去の類似した異常事例が起きてから現在までの間に交換された機械の部品を検索する。交換された部品が少ないほど現在の機械Ｍの状態に類似した状態といえる。

一時保管ファイル１６は、異常事例検索部１２による異常事例データベースＤＢ１の検索や、点検部品検索部１３による点検部品データベースＤＢ３による検索の結果を一時格納するファイルである。

優先度算出部１４は、異常検知部１１が出力した外れ値ベクトル（ｄ１、ｄ２、ｄ３、…、ｄｎ）と、点検部品検索部１３の出力した検索部品の数から検索結果の表示順位を決定する。この詳細手順について後述する。

異常事例登録部１５は、異常事例データベースＤＢ１に発生した異常の事例情報を登録する。登録する情報は保守員や設計者が実際に異常を分析して決定した情報である。

以下、図１の装置構成により行われる類似異常事例を検索・表示するための処理を図５〜図７の処理フローチャートで説明する。まず図５は、全体の処理フローチャートを示している。

図５において、最初の処理ステップＳ３００では、図１の機械Ｍの各部に取り付けられたセンサからセンサデータが送られ、異常検知部１１がこれを受信する。

ステップＳ３０５では、設計時やデーマイニングで学習した正常範囲から、各センサ値（Ｓ１、Ｓ２、Ｓ３、…、Ｓｎ）が逸脱しているか調べて機械Ｍの状態を診断する。もし逸脱している場合は機械Ｍが異常であると判断し、ステップＳ３１０において異常発生（Ｙ）としてステップＳ３１５に移行する。もし異常発生ではない（Ｎ）と判断される場合は、ステップＳ３００に戻って機械Ｍからのセンサデータ受信を待つ。

ステップＳ３１５では、各センサ値（Ｓ１、Ｓ２、Ｓ３、…、Ｓｎ）が正常範囲から逸脱しているので、（２）式によりその外れ値ベクトル（ｄ１、ｄ２、ｄ３、…、ｄｎ）＝（Ｓ１、Ｓ２、Ｓ３、…、Ｓｎ）−（Ｏ１、Ｏ２、Ｏ３、…Ｏｎ）を算出し、サブルーチンＳＵＢ３２０に入力として渡す。

外れ値ベクトル（ｄ１、ｄ２、ｄ３、…、ｄｎ）を受け取ったサブルーチンＳＵＢ３２０の内部フローを、図６のステップＳ４００〜ステップＳ４２５に示す。

図６のステップＳ４００では、異常事例データベースＤＢ１から過去の全ての異常事例の事例ＩＤ２０５と、外れ値ベクトル２１５を一時保管ファイル１６にロードする。ロードしたデータの構造は、図８のテーブルＸに示したように事例ＩＤ２０５と外れ値ベクトル２１５を紐づけたテーブル構造になっている。なお、図８は一時保管ファイル１６にロードされた情報の変遷を示す図である。

この場合図８のテーブルＸ（ＴＢＸ）には、過去の全ての異常事例として、事例ＩＤ「Ｃ００１」に紐づけられた外れ値ベクトル（０．００１、０．３…）、事例ＩＤ「Ｃ００２」に紐づけられた外れ値ベクトル（０．１４、０．０９…）、事例ＩＤ「Ｃ００３」に紐づけられた外れ値ベクトル（０．１６、０．０７…）が抽出された。

次のステップＳ４０５、ステップＳ４１０、ステップＳ４１５のループで、図８のテーブルＸ（ＴＢＸ）の外れ値ベクトルを１つずつとりだして類似した外れ値ベクトルを検索する。

具体的には、まずステップＳ４０５において図８のテーブルＸ（ＴＢＸ）の一番上の行のＣ００１の外れ値ベクトル（０．００１、０．３…）を参照する。

次のステップＳ４１０では、直近の異常検知事例である外れ値ベクトル（ｄ１、ｄ２、ｄ３、…、ｄｎ）と、過去事例の相関を求める。相関の導出手法としては例えば内積を利用する。具体的には、本サブルーチンＳＵＢ３０５の入力として受け取った外れ値ベクトル（ｄ１、ｄ２、ｄ３、…、ｄｎ）と、過去の異常事例の外れ値ベクトル２１５の内積を計算する。外れ値ベクトル（ｄ１、ｄ２、ｄ３、…、ｄｎ）と、図８の過去の異常事例の外れ値ベクトル２１５（０．００１、０．３、…）との内積値Ｋは（３）式で求められる。
［数３］
Ｋ＝（ｄ１×０．００１＋ｄ２×０．３＋…）
／（ｄ１＾２＋ｄ２＾２＋…＋ｄｎ＾２）＾１／２×（０．００１＾２＋ｄ２＾２＋…＋ｄｎ＾２）＾１／２・・・・（３）
上記計算式（３）で求めた内積値Ｋを、事例ＩＤテーブルＸ（ＴＢＸ）に列６２５として追加する。追加後のテーブルＸ（ＴＢＸ）の構造を、図８のテーブルＸ１（ＴＢＸ１）に示す。ＴＢＸ１ではＴＢＸと比較して内積値６２５の列が追加されている。追加された内積値Ｋは、事例上段からそれぞれ０．０３１、０．３１、０．４５であったとする。

次のステップＳ４１５では、テーブルＸの全ての事例について入力の外れ値ベクトル（ｄ１、ｄ２、ｄ３、…、ｄｎ）との内積値Ｋを求めたかを調べて、もし求めきれていなかったらステップＳ４０５に戻って次の事例（事例ＩＤ Ｃ００２〜）の内積値を求める。

以上のステップＳ４０５、ステップＳ４１０、ステップＳ４１５のループで全ての過去事例と入力の外れ値ベクトル（ｄ１、ｄ２、ｄ３、…、ｄｎ）を調べたらステップＳ４２０に移行する。

ステップＳ４２０では、テーブルＸ１（ＴＢＸ１）の内積値６２５を参照し、内積値６２５の大きい順に事例をソートする。

ステップＳ４２５では、ソートされたテーブルＸ１（ＴＢＸ１）から上位Ｎ件の事例ＩＤ６０５と外れ値ベクトル２１５を取り出し、一時保管ファイル１６にテーブルＡ（ＴＢＡ）としてロードする。この場合にテーブルＡ（ＴＢＡ）には、内積値が０．９３の事例ＩＤ Ｃ０１０、内積値が０．８２の事例ＩＤ Ｃ０２１、内積値が０．８９の事例ＩＤ Ｃ０３４、の順番に配列されたデータが保持されたとする。

ここで、テーブルＡ（ＴＢＡ）に配列された内積値が大きい順の事例ＩＤは、テーブルＡ（ＴＢＡ）内では、類似事例６３５として位置づけられている。このようにして、テーブルＸ１（ＴＢＸ１）の上位Ｎ件の事例ＩＤ２０５と内積値６２５は、それぞれテーブルＡの類似事例ＩＤ６３５と内積値６２５としてロードされる。なお、上位Ｎ件のＮの値は、類似事例の検索結果として表示部１０に表示する件数である。検索結果の表示件数は、表示部１０の液晶モニタのサイズや保守員の業務の都合に合わせて任意に決めてよい。

図６の処理により一時保管ファイル１６のテーブルＡ（ＴＢＡ）にロードされた内積値が０．９３の事例ＩＤ Ｃ０１０は、今回検知した異常事例と最も相関が高い異常事例であると考えられる。本発明においては、この結果にさらに部品の補修交換履歴を加味する。この部分の処理を図７に示す。

以上で異常検知した外れ値ベクトルの類似事例を検索し、結果を一時保管ファイル１６のテーブルＡ（ＴＢＡ）に格納する図６のサブルーチンＳＵＢ３２０を終了し、図５のステップＳ３２２に移行する。

図５の処理フローチャートに戻り、ステップＳ３２２からステップＳ３３２の処理では、テーブルＡ（ＴＢＡ）の類似事例が発生してから今までの間に、交換・補修された部品があるか、類似事例ごとに検索する。

ステップＳ３２２ではサブルーチンＳＵＢ３２０で格納したテーブルＡ（ＴＢＡ）から、類似事例情報である類似事例ＩＤ６３５と内積値６２５のペアを１行分参照して次のサブルーチンＳＵＢ３２５に入力として渡す。最初に検討されるのは、類似事例ＩＤ６３５がＣ０１０で内積値６２５が０．９３のペアである。

サブルーチンＳＵＢ３２５では、過去事例発生後、現在検知した異常の間に交換・補修された部品を検索する。サブルーチンＳＵＢ３２５の内部フローを図７に示す。

図７のステップＳ５００では、異常事例データベースＤＢ１と原因部品データベースＤＢ３の両方を検索する。まず図８の一時保管ファイル１６のテーブルＡ（ＴＢＡ）を参照して、１行目の類似事例ＩＤ６３５（相関が最も高いと判断された事例。類似事例ＩＤ６３５がＣ０１０で内積値６２５が０．９３のペア）を取得し、図２の異常事例データベースＤＢ１の事例ＩＤ２０５の検索キーとして類似事例ＩＤ６３５を検索する。

これにより、類似事例Ｃ０１０に紐づけられた発生日時、外れ値ベクトル、処置内容、異常モードＩＤのデータを得る。この場合、次の処理で使用する異常モードＩＤのデータは、Ａ０１０であった。

類似事例ＩＤ６３５（Ｃ０１０）の検索結果得られた異常モードＩＤ２２５（Ａ０１０）を用いて、こんどは図３の原因部品データベースＤＢ３の異常モードＩＤ２２５を検索し、該当する原因部品候補ＩＤ２６０を取得する。この場合に、原因部品データベースＤＢ３の原因部品候補ＩＤ２６０から得られた異常モードＩＤ（Ａ０１０）の原因部品候補はＰ０１０、Ｐ０１５、Ｐ０２１であった。

図９は、一時保管ファイル１６に展開された情報を示す図であり、最初に上記の結果得られた情報がテーブルＣ（ＴＢＣ）に展開される。この場合に得られた情報として、原因部品候補ＩＤ２６０は、部品ＩＤのリストになっているので、部品ＩＤごとに別レコードに分解して図９の一時保管ファイル１６のテーブルＣ（ＴＢＣ）の原因部品候補ＩＤ ２６０に入れる。その際、検索キーとなったテーブルＡの類似事例ＩＤ６３５も入れておく。

これにより図９の一時保管ファイル１６のテーブルＣ（ＴＢＣ）には、最も相関が高いと計算された類似事例Ｃ０１０と、これに対応する原因部品候補Ｐ０１０、Ｐ０１５、Ｐ０２１がセットとして取り上げられた。なお、テーブルＣ（ＴＢＣ）には、次の順位に相関が高いＣ０２１のケースが同様に展開される。

次のステップＳ５１０〜ステップＳ５３０のループで過去事例発生後、現在検知した異常の間にテーブルＣの原因部品候補２６０が交換・補修されたか調べて結果を図９のテーブルＢ ＴＢＢに格納する。

ステップＳ５１０では、テーブルＣ（ＴＢＣ）から、１行目の原因部品候補ＩＤ２６０としてＰ０１０を取り出し、ステップＳ５１５で図４の点検部品データベースＤＢ２を検索し補修・交換日時２８５が「図２の発生日時後、異常が検知された日時」までの範囲で補修・交換部品ＩＤ ２９０に原因部品候補ＩＤ（Ｐ０１０）が含まれる点検記録を探す。

ステップＳ５２０では、ステップＳ５１５の検索結果が０件だった場合、ステップＳ５１０に戻って次の原因部品候補ＩＤの検索に移行する。検索結果があった場合はステップＳ５２５に移行する。本説明事例では、原因部品候補Ｐ０１０について、発生日時後、異常が検知された日時までの間での補修交換記録が発見されたものとする。また、同様にＰ０２１の補修履歴が残っていたものとする。

ステップＳ５２５では、ステップＳ５１５の検索キーに使った原因部品候補（Ｐ０１０）とそれに紐づく類似事例ＩＤ（Ｃ０１０）を、図９のテーブルＢ（ＴＢＢ）に交換・補修部品ＩＤ６３５２９０と類似事例ＩＤ６３５に格納する。

ステップＳ５３０ではテーブルＣ（ＴＢＣ）の原因部品候補２６０について全て検索しおえたかどうか確認し、おえていなければステップＳ５１０に戻り、次の原因部品候補Ｐ０１５を検索する。ステップＳ５３０の後はサブルーチンＳＵＢ３２５を終了し、図３のステップＳ３３０に移行する。

本事例の場合に、最終的に図９のテーブルＢ（ＴＢＢ）には、類似事例ＩＤがＣ０１０の事例について、交換補修部品がＰ０１０，Ｐ０２１であったことが抽出された。Ｐ０１５の補修交換履歴は存在しなかった。また同様に、次に相関が高い類似事例ＩＤ（Ｃ０２１）の事例について、交換補修部品がＰ０３４であったことが抽出されたものとする。

図５に戻り、ステップＳ３３０では一時保管ファイル１６に作成されたテーブルＡ（ＴＢＡ）の類似事例ＩＤ６３５について、「ベクトル内積値６２５」と、類似事例ＩＤ６３５で紐づくテーブルＢ（ＴＢＢ）の「交換・補修部品ＩＤ２９０」から、類似事例の表示順を意味する優先度Ｌを以下の（４）式で算出する。
［数４］
優先度Ｌ＝α×（ベクトル内積値）＋β×（交換部品の割合）＾（−１）・・・（４）
ただし、（交換部品の割合）は、「テーブルＢ（ＴＢＢ）の同一の類似事例ＩＤ６３５に紐づく「交換・補修部品ＩＤ ２９０の数」を「テーブルＣ（ＴＢＣ）の同一の類似事例ＩＤ６３５に紐づく「原因部品候補ＩＤ ２６０の数」で割った値である。

α、βの値は、本発明を使用する業務に合わせて調整する必要がある重み係数である。

（４）式について、具体数値で説明する。テーブルＡ（ＴＢＡ）の、相関が最も高いとされた事例Ｃ０１０で述べると、（４）式のベクトル内積値は０．９３である。また交換部品の割合は、「交換・補修部品ＩＤ ２９０の数」が２（Ｐ０１０，Ｐ０２１）でありこれを、「原因部品候補ＩＤ ２６０の数」である３（Ｐ０１０，Ｐ０２１、Ｐ０１５）で割った値（２／３）である。重み係数α、βの値を考慮して求められた事例Ｃ０１０の優先度Ｌは数値１．８として求められたものとする。なお、次に相関の高い事例Ｃ０２１では優先度Ｌは数値２．２として求められたものとする。

（４）式の優先度Ｌによれば、重み係数αの項は過去事例との相関が高いほど大きな値として算出される。反面、重み係数βの項は補修交換が進むほど大きな負の値としてカウントされる。この結果からは、機械Ｍの前回異常時から補修交換が進むほど低い優先度となることを意味している。

優先度Ｌを算出したら、一時保管ファイル１６にテーブルＤ（ＴＢＤ）を作成する。テーブルＤ（ＴＢＤ）は、テーブルＡ （ＴＢＡ）の類似事例ＩＤ６３５と優先度７６５を関連付けて格納したものである。

ステップＳ３３２では、図８のテーブルＡ（ＴＢＡ）の全類似事例について優先度を算出し終えたかチェックする。もし終わっていなければステップＳ３２２に戻り、次の類似事例の優先度を算出する。終わっていればステップＳ３３５に移行する。

ステップＳ３３５ではテーブルＤ（ＴＢＤ）の優先度７６５の大きい順に類似事例ＩＤ６３５を取得し、図２の異常事例データベースＤＢ１の事例ＩＤ２０５の検索キーとして検索し、事例情報を見つける。見つかった事例情報の処置内容２２０を表示部１０に表示することで優先度の高い順に保守員に異常が検知された機械の処置内容を表示できる。

最終的に形成されたテーブルＤ（ＴＢＤ）の優先度７６５によれば、保守員には類似事例Ｃ０２１の異常事例を参照すべきことが提案されることは言うまでもない。

本発明における診断システムは、機械の異常を検知した際に、過去の類似した異常事例をデータベースから検索する類似事例検索技術において、部品の補修・交換によって状態が変化しても、高い類似度を持つ過去の異常事例を検索して保守員に提示できる。

１：故障事例検索装置，１０：表示部，１１：異常検知部，１２：異常事例検索部，１３：点検部品検索部，１４：優先度算出部，１５：異常事例登録部，１６：一時保管ファイル，ＤＢ１：異常事例データベース，ＤＢ２：点検部品データベース，ＤＢ３：異常原因部品データベース，Ｍ：機械

Claims (7)

1. 補修対象機械からの信号異常を検知して、過去の異常事例との相関を数値化して求めて類似異常事例とする第１の手段と、類似異常事例における補修対象機械の部品補修履歴を数値化して求める第２の手段と、数値化された相関と数値化された部品補修履歴に応じて過去の複数の類似異常事例の優先度を定めて提供する第３の手段と、過去に生じた異常検知事例を異常モードとともに記憶している異常事例データベースと、前記異常モードごとに故障の原因となる部品の候補を記憶した異常原因部品データベースと、過去における部品の補修交換内容を記憶する点検部品データベースを備え、
   前記異常原因部品データベースに記憶した補修部品候補数と、点検部品データベースに記憶した補修・交換した部品数の割合を求めることを特徴とする類似故障事例検索装置。
2. 請求項１記載の類似故障事例検索装置において、
   前記第３の手段は、数値化された相関に対する数値化された部品補修履歴の差の大きさにより過去の複数の類似異常事例の優先度を定めることを特徴とする類似故障事例検索装置。
3. 請求項１または請求項２記載の類似故障事例検索装置において、
   前記数値化された部品補修履歴は、当該類似異常事例発生から現在までの部品交換数が多いほど大きな数値とされることを特徴とする類似故障事例検索装置。
4. 請求項１から請求項３のいずれか１項に記載の類似故障事例検索装置において、
   前記点検部品データベースは、機械の部品の補修・交換履歴を記憶しており、交換の日時と部品の種類から補修・交換履歴を検索できる事を特徴とする類似故障事例検索装置。
5. 請求項１から請求項３のいずれか１項に記載の類似故障事例検索装置において、
   前記異常事例データベースは、過去起きた機械の異常事例を処置内容の情報とともに記憶し、日付で処置内容を検索できる事を特徴とする類似故障事例検索装置。
6. 請求項１から請求項３のいずれか１項に記載の類似故障事例検索装置において、
   前記異常事例データベースは、過去起きた機械の故障事例を処置内容の情報とともに記憶し、異常発生時のセンサデータの分析結果から類似した異常を検索する事を特徴とする類似故障事例検索装置。
7. 保守対象機械に取り付けたセンサからの信号を入力し、異常信号を検知する異常検知部と、過去に生じた異常検知事例を異常モードとともに記憶している異常事例データベースと、前記異常モードごとに故障の原因となる部品の候補を記憶した異常原因部品データベースと、過去における部品の補修交換内容を記憶する点検部品データベースと前記異常信号を検知したときに、前記異常事例データベースに記憶されている過去の異常検知事例との相関を数値化して求め、類似異常検知事例とする第１の手段、過去の類似異常検知事例発生から現在までの間の部品交換数を前記点検部品データベースから求め、前記異常原因部品データベースに記憶された異常モードごとの故障原因部品の候補数との比を求める第２の手段、前記第１の手段の数値化された相関と前記第２の手段の部品の比とから、過去の類似異常検知事例の優先度を重みづけして提供する第３の手段とで構成されたことを特徴とする類似故障事例検索装置。

Images