JP6825607B2 - 部品提示システム - Google Patents
部品提示システム Download PDFInfo
- Publication number
- JP6825607B2 JP6825607B2 JP2018128490A JP2018128490A JP6825607B2 JP 6825607 B2 JP6825607 B2 JP 6825607B2 JP 2018128490 A JP2018128490 A JP 2018128490A JP 2018128490 A JP2018128490 A JP 2018128490A JP 6825607 B2 JP6825607 B2 JP 6825607B2
- Authority
- JP
- Japan
- Prior art keywords
- candidate
- parts
- data
- replaced
- presentation system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
部品提示システム100は、複数の部品を有する機械装置に不具合が発生したときに、当該不具合の対応のために交換される可能性がある一または複数の部品を提示する。例えば、部品提示システム100は、不具合が発生した機械装置の修理を担当するサービスエンジニアに、当該機械装置の修理の際に交換する可能性がある部品の候補を提示する。以下において、機械装置を構成する部品であって、当該機械装置に発生した不具合の対応のための修理の際に交換される可能性がある部品を、交換対象部品と呼ぶ。機械装置のサービスエンジニアは、部品提示システム100が提示した交換対象部品の候補に基づいて機械装置の部品を交換して、機械装置を修理する。なお、機械装置の不具合とは、例えば、機械装置の部品が破損又は磨耗等により正常に機能できない状態、及び、機械装置の特定の機能が意図された通りに実行できない状態を意味する。機械装置の修理とは、機械装置の不具合の対応のために行われる作業を意味し、不具合を完全に解消するための作業の他に、不具合の一部のみを解消するための作業も含む。
図3は、部品提示システム100のブロック図である。部品提示システム100は、例えば、サービスステーションに設置されているサーバ、又は、クラウドサーバ等に記憶されているプログラムである。部品提示システム100は、主として、蓄積部20と、学習部30と、候補選択部40と、記憶部50と、入力部60と、提示部70とを備える。
蓄積部20は、空気調和装置10の過去に発生した不具合、及び、当該不具合の対応の際に交換された交換対象部品P1,P2,・・・に関するデータを随時蓄積する。以下、蓄積部20によって蓄積されるデータを、蓄積データと呼ぶ。蓄積データは、空気調和装置10の過去に行われた修理に関するデータである。
学習部30は、蓄積部20によって蓄積された蓄積データに従って、空気調和装置10の不具合の対応のために交換される必要がある部品である交換対象部品P1,P2,・・・を学習する。具体的には、学習部30は、蓄積データを分析及び加工して訓練用データセットを取得し、機械学習の手法を用いて、訓練用データセットに従って交換対象部品P1,P2,・・・を学習する。訓練用データセットは、状態変数と判定データとを互いに関連付けたデータである。状態変数は、機械学習の入力値である。状態変数は、空気調和装置10の識別番号、空気調和装置10の種類、及び、不具合の識別番号を少なくとも含む。判定データは、機械学習の出力値である。判定データは、交換対象部品P1,P2,・・・の名称である。
候補選択部40は、学習結果を用いて得られたデータ、及び、頻度データの両方を用いて、交換対象部品P1,P2,・・・の候補を選択する。学習結果を用いて得られたデータとは、交換対象部品P1,P2,・・・を十分に学習した学習部30に、図2のステップS2で入力された不具合に関するデータが入力された場合に、学習部30が出力するデータである。頻度データとは、学習部30の学習結果を用いずに蓄積データから得られるデータである。具体的には、頻度データは、空気調和装置10の部品が交換される頻度に関するデータである。より具体的には、頻度データは、空気調和装置10の不具合の対応の際に、同時に交換される複数の部品の組み合わせに関するデータである。頻度データは、部品ごとに、後述する記憶部50に予め記憶されている。図6は、頻度データの一例である。図6において、「頻度」の数値は、同時に交換される可能性がある部品ごとに設定され、修理の際に同時に使用される確率を表す。図6には、電動弁コイルの頻度データの例が示されている。例えば、空気調和装置10の不具合の対応の際に交換対象部品P1,P2,・・・である電動弁コイルが交換される場合、電動弁コイルと共にプリント基板も同時に交換される確率は80%である。このような頻度データは、空気調和装置10の過去の修理に関する情報から取得される。具体的には、過去に行われた修理案件ごとの蓄積データに基づいて、過去に同時に使用された部品の組み合わせの出現回数を集計することで、頻度データが取得される。集計対象となる過去の修理案件の数が多いほど、より実績に基づいた頻度データが得られる。ここで、実績とは、具体的には、過去に行われた空気調和装置10の不具合の対応(修理)に関する情報である。また、候補選択部40は、交換対象部品P1,P2,・・・の適切な候補を選択するために、後述するマッチング処理を行う。
記憶部50は、部品提示システム100が実行する処理に用いられるプログラム及びデータを、サーバのハードディスクドライブ等の記憶装置に記憶させる。具体的には、記憶部50は、蓄積部20によって蓄積される蓄積データ、及び、候補選択部40によって用いられる頻度データを、記憶装置に記憶させる。
入力部60は、外部からのデータの入力を受け付ける。具体的には、入力部60は、図2のステップS2において、サービスステーションの担当者が、空気調和装置10の修理に必要な情報を入力する際に、当該入力を受け付ける。また、入力部60は、図2のステップS6において、サービスエンジニアが、自身が行った空気調和装置10の修理に関する情報を入力する際に、当該入力を受け付ける。データの入力は、キーボード、マウス及びタッチパネル等の入力デバイスを介して行われる。
提示部70は、所定のデータを出力する。具体的には、提示部70は、候補選択部40が選択した交換対象部品P1,P2,・・・の候補を出力する。これにより、提示部70は、交換対象部品P1,P2,・・・の候補をサービスエンジニアに提示する。データの出力は、ディスプレイ等の出力デバイスを介して行われる。
次に、部品提示システム100の動作について説明する。図7は、部品提示システム100が処理するデータの流れを説明するための図である。図7には、データが処理されるポイントが長方形のブロックB1〜B9で示されている。具体的には、図7には、サービスガイド入力ブロックB1、データ加工ブロックB2、出力フィルタブロックB3、業務画面ブロックB4、入力フィルタブロックB5、データ蓄積ブロックB6、加工フィルタブロックB7、AI(人工知能)学習ブロックB8、及び、AI(人工知能)運用ブロックB9が示されている。図7において、矢印は、データの流れを表している。
(4−1)
従来、空気調和装置10のような、複数の部品を有する機械装置に不具合が発生したときに、機械学習の手法を用いて、不具合の対応のために交換される可能性がある部品を選択する方法が用いられている。しかし、不具合の対応時に交換される可能性がある部品を機械学習の手法のみを用いて選択する場合、部品の選択結果は、学習のための入力データの影響を受けやすい。そのため、過去に行われた不具合の対応の実績に適合しない部品、及び、実際に部品を交換する作業を行う者にとって違和感のある部品が選択されることがある。
部品提示システム100は、蓄積データから得られるデータに基づいて得られた第2候補を用いて、交換対象部品P1,P2,・・・の最終的な候補を選択する。ここで、蓄積データから得られるデータとは、例えば、図6に示されるように、空気調和装置10の不具合の対応の際に、同時に交換される複数の部品の組み合わせに関する頻度データである。頻度データは、蓄積データに基づいて定期的に更新される、実績に基づくデータである。部品提示システム100は、例えば、頻度データに基づいて得られた第2候補を用いて、AIの予測に基づく第1候補を補正することで、実績に適合した交換対象部品P1,P2,・・・の最終的な候補を選択することができる。
部品提示システム100は、AIの予測に基づく第1候補と、実績に基づく第2候補とのマッチング処理を行って、交換対象部品P1,P2,・・・の最終的な候補を選択する。部品提示システム100は、第1候補及び第2候補に共通に含まれる部品の数、及び、第1候補に含まれる重要交換候補部品の有無等に応じて、適切なマッチング処理を実行する。部品提示システム100は、マッチング処理によって交換対象部品P1,P2,・・・の最終的な候補を取得する際に、第1候補を優先するか、第2候補を優先するか、又は、第1候補と第2候補とを組み合わせるかを選択する。また、部品提示システム100は、第1候補と第2候補とを組み合わせる場合、第2候補のデータを第1候補のデータで補正するか、又は、第1候補のデータを第2候補のデータで補正するかを選択する。これにより、部品提示システム100は、AIの予測に基づく第1候補、及び、実績に基づく第2候補に基づいて、実績に適合している交換対象部品P1,P2,・・・を最終的な候補として選択することができる。
部品提示システム100は、AIの予測に基づく第1候補と、実績に基づく第2候補とを用いて、交換対象部品P1,P2,・・・の最終的な候補を選択する。第2候補は、空気調和装置10の異常コード等、不具合に関して既に判明している情報に基づく部品を含む。一方、第1候補は、第2候補には含まれていない部品を含む場合がある。第2候補に含まれておらず、かつ、第1候補に含まれている部品は、空気調和装置10の異常コード等からは明らかではない部品であり、例えば、空気調和装置10の過去の修理案件に関するノウハウから予測される部品である。部品提示システム100は、第1候補と第2候補とを組み合わせて交換対象部品P1,P2,・・・の最終的な候補を選択することで、異常コードから特定することができる部品の他に、過去の修理案件に関するノウハウから予測される部品を選択することができる。その結果、部品提示システム100は、AIの予測に基づく部品の候補のみを選択する場合に比べて、過去に行われた不具合の対応の実績により適合した交換対象部品P1,P2,・・・の選択結果を提示することができる。
(5−1)変形例A
部品提示システム100は、AIの予測に基づく第1候補と、実績に基づく第2候補とに基づいて、交換対象部品P1,P2,・・・の最終的な候補を選択する。具体的には、部品提示システム100は、第1候補と第2候補とのマッチング処理を行って、最終的な候補を選択する。マッチング処理では、第1候補及び第2候補の一方を優先したり、第1候補及び第2候補の一方のデータを他方のデータで補正したりすることで、AIの予測に基づく部品の候補のみを選択する場合に比べて、過去に行われた不具合の対応の実績により適合した選択結果が生成される。
部品提示システム100では、学習部30の学習結果は、空気調和装置10の交換対象部品P1,P2,・・・の候補を選択するために利用される。すなわち、学習部30の学習結果は、特定の1つの機械装置のために用いられる。しかし、学習部30の学習結果は、複数の機械装置で共用されてもよい。例えば、化学プラント等に使用される複数の機械装置の間で、共通の訓練用データセットが用いられてもよい。また、学習部30がニューラルネットワークモデルを利用する学習を行う場合、複数の機械装置の間で共通のニューラルネットワークモデルが用いられてもよい。
部品提示システム100は、蓄積部20によって蓄積された蓄積データに従って交換対象部品P1,P2,・・・を学習する学習部30を備える。学習部30の学習結果の精度を向上させるためには、訓練用データセットは多いほど好ましい。しかし、訓練用データセットが多いほど、学習部30による学習に必要な計算資源が大きくなる傾向がある。そのため、学習部30は、部品提示システム100が記憶されているサーバに取り付けられているCPU及びGPUを利用する学習の代わりに、仮想マシンサービスを利用する学習を行ってもよい。仮想マシンサービスを利用する学習では、例えば、学習部30による学習に必要な量の訓練用データセットを少なくとも処理できる計算資源を利用するための料金を仮想マシンサービスの提供元に支払って、仮想マシンのCPU及びGPUを学習のために利用する。これにより、将来的に訓練用データセットの量が増加した場合でも、部品提示システム100が記憶されているサーバの構成を変更することなく、訓練用データセットの量に応じたスケーラブルな対応が可能となる。そのため、学習部30による学習に必要な計算資源のコストを抑えることができる。
部品提示システム100は、図8に示されるように、サービスステーションの担当者等が入力した、空気調和装置10の修理に必要な情報を用いて、実績に基づいて交換される可能性が高いと判定された部品(重要交換候補部品)を取得する。空気調和装置10の修理に必要な情報とは、図10に示されるように、修理対象の空気調和装置10の機種に関する情報、当該空気調和装置10が出力した異常コード、及び、当該空気調和装置10の症状の分類項目である。異常コードが取得できる場合、当該異常コードを入力することで、部品提示システム100は、当該異常コードに対応した重要交換候補部品を取得できる。しかし、異常コードが取得できない場合、部品提示システム100は、例えば、空気調和装置10の症状の分類項目等から異常コードを推定し、当該異常コードの推定値に適した重要交換候補部品を取得してもよい。
部品提示システム100は、空気調和装置10に発生した不具合の対応のために交換される可能性がある交換対象部品P1,P2,・・・を選択する。しかし、部品提示システム100は、空気調和装置10以外の他の機械装置に発生した不具合の対応のために交換される可能性がある部品を選択してもよい。そのような機械装置としては、例えば、空気清浄装置、ヒートポンプ式給湯装置、及び、冷蔵庫等の冷凍装置が挙げられる。
以上、本開示の実施形態を説明したが、特許請求の範囲に記載された本開示の趣旨及び範囲から逸脱することなく、形態や詳細の多様な変更が可能なことが理解されるであろう。
20 蓄積部
30 学習部
40 候補選択部
100 部品提示システム
Claims (5)
- 複数の部品を有する機械装置(10)に不具合が発生したときに、前記不具合の対応のために交換される可能性がある一または複数の前記部品を提示する部品提示システム(100)であって、
過去に発生した前記不具合、及び、前記不具合の対応の際に交換された前記部品を含む蓄積データを蓄積する蓄積部(20)と、
前記蓄積部によって蓄積された前記蓄積データの少なくとも一部に従って、前記不具合の対応のために交換される必要がある前記部品を学習する学習部(30)と、
入力された前記不具合に対して、前記学習部の学習結果を用いて、前記不具合の対応のために交換される必要がある前記部品の候補を選択する候補選択部(40)と、
を備え、
前記候補選択部は、前記学習結果を用いずに前記蓄積データから得られるデータであって、前記部品が交換される頻度に関する頻度データをさらに用いて、前記候補を選択し、
前記候補選択部は、前記学習結果を用いて得られた前記部品の候補である第1候補と、前記頻度データを用いて得られた前記部品の候補である第2候補とを比較し、前記第2候補に含まれている前記部品が、前記第1候補に含まれていない場合には、前記第2候補を前記候補として選択し、前記第1候補に含まれている場合には、前記第1候補、又は、前記第1候補と前記第2候補とを組み合わせたものを前記候補として選択する、
部品提示システム。 - 前記頻度データは、前記不具合の対応の際に同時に交換される複数の前記部品の組み合わせに関するデータである、
請求項1に記載の部品提示システム。 - 前記学習結果は、複数の前記機械装置で共用される、
請求項1または2に記載の部品提示システム。 - 前記蓄積データは、前記機械装置の識別番号、前記機械装置の種類、前記部品の名称、前記不具合の識別番号、前記不具合の発生時期、前記機械装置の設置場所、前記機械装置の納入時期、及び、前記機械装置の担当者の少なくとも1つを含む、
請求項1から3のいずれか1項に記載の部品提示システム。 - 前記機械装置は、空気調和装置、空気清浄装置、ヒートポンプ式給湯装置又は冷凍装置であって、
前記部品は、プリント基板、表示基板、サーミスタ、ファン用電動機、リモコン組立品、電動弁コイル、熱交換器、ドレンポンプ、混合弁及び湿度センサの少なくとも1つを含む、
請求項1から4のいずれか1項に記載の部品提示システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018128490A JP6825607B2 (ja) | 2018-07-05 | 2018-07-05 | 部品提示システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018128490A JP6825607B2 (ja) | 2018-07-05 | 2018-07-05 | 部品提示システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020009068A JP2020009068A (ja) | 2020-01-16 |
JP6825607B2 true JP6825607B2 (ja) | 2021-02-03 |
Family
ID=69151658
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018128490A Active JP6825607B2 (ja) | 2018-07-05 | 2018-07-05 | 部品提示システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6825607B2 (ja) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007304935A (ja) * | 2006-05-12 | 2007-11-22 | Seiko Epson Corp | 修理交換部品指示システム、修理交換部品指示装置、修理交換部品指示方法、コンピュータプログラム、及び、記録媒体 |
JP4943241B2 (ja) * | 2007-06-14 | 2012-05-30 | 株式会社リコー | メンテナンス管理システム及び画像形成装置 |
JP5324285B2 (ja) * | 2009-03-27 | 2013-10-23 | Necパーソナルコンピュータ株式会社 | 修理部品指示システム、修理部品指示装置、方法及びプログラム |
US8560474B2 (en) * | 2011-03-07 | 2013-10-15 | Cisco Technology, Inc. | System and method for providing adaptive manufacturing diagnoses in a circuit board environment |
JP6427357B2 (ja) * | 2014-08-06 | 2018-11-21 | 株式会社日立ソリューションズ | 診断支援システム及び診断支援方法 |
JP6496274B2 (ja) * | 2016-05-27 | 2019-04-03 | ファナック株式会社 | 寿命故障条件を学習する機械学習装置,故障予知装置,機械システムおよび機械学習方法 |
-
2018
- 2018-07-05 JP JP2018128490A patent/JP6825607B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2020009068A (ja) | 2020-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6956028B2 (ja) | 故障診断装置及び機械学習装置 | |
US4970725A (en) | Automated system testability assessment method | |
US20170213303A1 (en) | Building fault triage system with crowdsourced feedback for fault diagnostics and suggested resolutions | |
JP6159059B2 (ja) | プラント運転最適化システムおよび方法 | |
EP3655825B1 (en) | Building management system with dynamic rules with sub-rule reuse and equation driven smart diagnostics | |
US8996153B2 (en) | Tuning order configurator performance by dynamic integration of manufacturing and field feedback | |
EP1236986A2 (en) | Diagnostic system and method | |
US11953894B2 (en) | Building management system with machine learning for detecting anomalies in vibration data sets | |
JP3968039B2 (ja) | 保守計画立案支援方法及び装置 | |
WO2017073602A1 (ja) | 設備管理システム及び設備管理方法 | |
JP7491852B2 (ja) | 医用イメージングシステムのフィールドサービスのための部品同時交換推奨システム | |
JP5752621B2 (ja) | 需要予測装置、需要予測プログラムおよび需要予測方法 | |
JPS62276470A (ja) | 機器・部品の寿命管理装置 | |
EP3627261B1 (en) | Diagnosis system and method using parallel analysis paths | |
JP2011209847A (ja) | プラント異常診断システム | |
JP6825607B2 (ja) | 部品提示システム | |
US10657199B2 (en) | Calibration technique for rules used with asset monitoring in industrial process control and automation systems | |
US11582087B2 (en) | Node health prediction based on failure issues experienced prior to deployment in a cloud computing system | |
JP2004152017A (ja) | 設備の保全方式を評価する保全方式評価装置、保全方式評価方法、及びその方法をコンピュータに行わせるためのプログラム並びに記録媒体 | |
CN101072497B (zh) | 安装器的虚拟预防性检查系统和使用其控制安装器的方法 | |
US20060253219A1 (en) | Virtual preventive inspection system for mounter and method for controlling mounter using the same | |
JP7339861B2 (ja) | 故障確率評価システム | |
JP7378367B2 (ja) | 故障診断装置および故障診断方法 | |
Guarino et al. | A Review of Fault Detection and Diagnosis Methodologies for Air-Handling Units | |
Gullo et al. | Design for maintainability paradigms |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190613 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200515 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200623 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200824 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20201215 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201228 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6825607 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |