JP6833646B2 - 事故原因分類装置 - Google Patents

Description

本発明の実施形態は、事故原因分類装置に関する。

従来、電力系統において発生する事故の原因を判定する方法として、過去の事故発生時に設備から収集された各種計測データを機械学習等によって学習し、事故原因を分類する事故分類モデルを作成し、作成した事故分類モデルに事故発生時に設備から収集される計測データを入力し、事故原因を分類する技術が知られている。

また、電力系統設備及び電力系統設備の周辺の環境が変化した場合、事故分類モデルの作成に用いた学習データと、事故分類モデルの入力に用いられる計測データとの間に乖離が生じ、事故原因の分類の精度が低下する可能性がある。一般に、機械学習におけるそのような再学習方式としては、既存モデル作成時の学習データと、既存モデルを用いた認識処理において誤認識されたデータと、誤認識されたデータに対する修正結果を再学習データとして再学習する方式が提案されている。

電力系統設備及び電力系統設備の周辺の環境が変化した場合、事故分類モデルの再学習においては、環境変化後のデータを利用することが求められ、環境変化前のデータを利用することが適切でない場合がある。また、このような環境変化は、電力系統全体にわたって発生しているのではなく、一部の電力系統設備においてのみ発生している場合もある。このため、環境変化前後の学習データ選択方法と、学習データとなる計測データの計測対象である対象設備の範囲の選択方法について考慮が必要であり、従来の技術では、そのような処理を行うことが困難である場合があった。

特開平１１−１４２４６６号公報 特開２０１６−１４３３５４号公報

本発明が解決しようとする課題は、電力系統設備及び電力系統設備の周辺の環境が変化に応じて、事故原因を分類する事故分類モデルを更新する事故原因分類装置を提供することである。

実施形態の事故原因分類装置は、モデル記憶部と、計測情報取得部と、事故情報取得部と、原因情報取得部と、結果情報取得部と、事故履歴情報記憶部と、傾向判定部と、対象情報記憶部と、対象事故情報記憶部と、更新モデル生成部とを持つ。モデル記憶部は、機械学習によって学習された事故分類モデルであって、計測情報が入力されると原因情報を出力する事故分類モデルを記憶する。計測情報取得部は、対象設備において電力に関する計測を行った結果を示す計測情報を取得する。事故情報取得部は、前記対象設備に事故が発生しているか否かを示す事故情報を取得する。原因情報取得部は、前記事故情報取得部により前記事故情報が取得されたタイミングで前記計測情報取得部により取得された前記計測情報を前記事故分類モデルに入力し、前記原因情報を取得する。結果情報取得部は、前記対象設備の巡視員から取得される情報であって、前記事故情報に関連付けて前記事故の原因を示す結果情報を取得する。事故履歴情報記憶部は、前記結果情報取得部により取得された前記結果情報と、前記結果情報が示す前記事故が発生したタイミングを示す情報とを対応付けた事故履歴情報を記憶する。傾向判定部は、前記計測情報に基づいて、前記対象設備の状態が変化しているかを判定する。対象情報記憶部は、前記傾向判定部の判定結果と、前記計測情報と、前記計測情報を取得したタイミングを示す情報とを対応付けた対象情報を記憶する。対象事故情報記憶部は、前記事故情報を取得することに応じて取得した前記計測情報と、前記事故が発生したタイミングを示す情報とを対応付けた対象事故情報を記憶する。更新モデル生成部は、同時期に取得または生成された前記対象情報と、前記対象事故情報と、前記事故履歴情報とに基づいて、前記事故分類モデルに代えて用いられる更新後事故分類モデルを生成し、前記モデル記憶部に記憶させる。

事故原因分類装置の構成の一例を示す図である。 対象事故情報の一例を示す図である。 傾向判定モデルの一例を示す図である。 対象情報の一例を示す図である。 事故履歴情報の一例を示す図である。 事故分類モデルの一例を示す図である。 表示制御部が端末に表示する画像の一例を示す図である。 更新範囲情報の範囲の選択の一例を示す図である。 再学習機能の動作の一例を示す流れ図である。 モデル更新機能の動作の一例を示す流れ図である。 配電設備の状態が変化してから、更新後事故分類モデルが生成されるまでの期間の一例を示す図である。 表示制御部が端末に表示する画像の他の例を示す図である。

以下、実施形態の事故原因分類装置を、図面を参照して説明する。実施形態の事故原因分類装置は、械学習によって学習された事故分類モデルに基づいて、電力系統設備に発生する事故の原因を分類する装置であり、電力系統設備及び電力系統設備の周辺の環境が変化するのに応じて、事故分類モデルを更新する装置である。

＜実施形態＞
図１は、事故原因分類装置１の構成の一例を示す図である。事故原因分類装置１は、ネットワークＮＷを介して計測器Ｍ及び事故情報出力装置ＯＤ等と通信する。ネットワークＮＷは、例えば、インターネット、ＷＡＮ（Wide Area Network）、ＬＡＮ（Local Area Network）、無線基地局、プロバイダ端末、専用回線などを含む。計測器Ｍは、電力に関する計測を行う装置である。具体的には、計測器Ｍは、配電設備ＥＱを流れる電流を計測する装置又は配電設備ＥＱに印加される電圧を計測する装置である。配電設備ＥＱは、変電所から各需要家へ電力を供給する電力系統の一部を構成する設備である。配電設備ＥＱは、例えば、開閉器や遮断器等を含む。計測器Ｍは、配電設備ＥＱを流れる電流又は配電設備ＥＱに印加される電圧を計測し、計測した値を示す情報（以下、計測情報ＭＩ）を、事故原因分類装置１に常時又は所定の間隔で送信する。事故原因分類装置１は、受信した計測情報ＭＩに基づいて、電力系統に発生している事故の事故原因を分類（推定）し、事故原因を示す情報（以下、原因情報）を出力する。

事故情報出力装置ＯＤは、電力系統に事故が発生しているか否かを示す事故情報を出力する装置である。事故情報出力装置ＯＤは、例えば、地絡を検出する地絡リレーの状態に基づいて、事故情報を出力する。事故情報出力装置ＯＤは、例えば、地絡リレーにより地絡が検出されたことに応じて、電力系統に事故が発生していることを示す事故情報を事故原因分類装置１に送信する。

事故原因分類装置１には、端末装置ＴＭ１及び端末装置ＴＭ２が接続される。端末装置ＴＭ１は、巡視指導員によって用いられる端末である。端末装置ＴＭ２は、巡視員によって用いられる端末である。端末装置ＴＭは、例えば、スマートフォンなどの携帯電話、タブレット端末、パーソナルコンピュータ等である。巡視指導員は、巡視員に対して配電設備ＥＱの巡視方法や巡視において注意すべき点等を指導する。巡視員は、巡視指導員の指導に基づいて、配電設備ＥＱの巡視を行う。端末装置ＴＭ１には、事故原因分類装置１から出力される原因情報が表示される。巡視指導員は、電力系統において事故が発生した場合、端末装置ＴＭ１に表示される原因情報を参照し、電力系統を巡視する巡視員に対して事故原因分類装置１が推定する事故原因や、巡視すべき配電設備ＥＱを通知する。端末装置ＴＭ２には、電力系統において事故が発生したことに伴い配電設備ＥＱを巡視した巡視員によって当該事故の原因を示す情報（以下、結果情報）が入力される。事故原因分類装置１は、端末装置ＴＭ２から入力される計測情報ＭＩや結果情報に基づいて、電力系統に発生している事故の事故原因を分類（推定）する仕組みを更新する。

事故原因分類装置１は、例えば、ＣＰＵ（Central Processing Unit）などのハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより取得機能部１０と、傾向判定機能部２０と、結果情報取得部３０と、再学習機能部４０と、モデル更新機能部５０と、原因情報取得機能部６０と、表示制御部７０とを実現する。また、これらの構成要素のうち一部または全部（内包する記憶部を除く）は、ＬＳＩ（Large Scale Integration）やＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、ＧＰＵ（Graphics Processing Unit）などのハードウェア（回路部；circuitryを含む）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。また、事故原因分類装置１は、傾向判定モデル記憶部２２と、更新モデル記憶部５４と、モデル記憶部６２と、対象情報記憶部８０と、対象事故情報記憶部９０と、事故履歴情報記憶部１００とを備える。各記憶部は、例えば、ＲＯＭ（Read Only Memory）、フラッシュメモリ、ＳＤカード、ＲＡＭ（Random Access Memory）、レジスタ等によって実現される。

取得機能部１０は、計測情報取得部１１と、事故情報取得部１２とを備える。計測情報取得部１１は、ネットワークＮＷを介して計測器Ｍが送信する計測情報ＭＩを受信する。事故情報取得部１２は、ネットワークＮＷを介して事故情報出力装置ＯＤが送信する事故情報を受信する。計測情報取得部１１は、受信した計測情報ＭＩを事故原因分類装置１が備える各部に供給する。計測情報取得部１１は、電力系統に事故が発生していない場合、傾向判定機能部２０に計測情報ＭＩを供給する。また、計測情報取得部１１は、電力系統に事故が発生している場合、モデル更新機能部５０と、原因情報取得機能部６０とに計測情報ＭＩを供給する。具体的には、計測情報取得部１１は、事故情報取得部１２が事故情報出力装置ＯＤから事故情報を取得しない場合（電力系統に事故が発生していない場合）、計測情報ＭＩを傾向判定機能部２０に供給する。また、計測情報取得部１１は、事故情報取得部１２が事故情報出力装置ＯＤから事故情報を取得する場合（電力系統に事故が発生している場合）、計測情報ＭＩをモデル更新機能部５０と、原因情報取得機能部６０とに供給する。

また、計測情報取得部１１は、事故情報取得部１２が事故情報出力装置ＯＤから事故情報を取得しない場合（電力系統に事故が発生していない場合）、計測情報ＭＩを取得した日付と、計測情報ＭＩとを対応付けた情報（以下、対象事故情報９１）を対象事故情報記憶部９０に記憶させる。図２は、対象事故情報９１の一例を示す図である。本実施形態では、対象事故情報９１には、事故発生時に計測された計測情報ＭＩ（以下、事故計測情報ＡＭＩ）と、当該事故計測情報ＡＭＩを取得した日付、つまり事故が発生した日付（事故発生日ＡＤ）と、配電設備ＥＱを識別する情報（以下、配電設備識別情報ＥＱＩＤ）と、配電設備ＥＱの名称と、配電設備ＥＱが設置される地域（以下、設置地域ＡＲ）とが対応付けられて記憶される。

本実施形態では、計測器Ｍは、５つの配電設備ＥＱ（配電設備ＥＱ１〜５）にそれぞれ取り付けられるものとする。また、対象事故情報９１には、事故発生日ＡＤ「２０１７／１１／１５」において取得された配電設備識別情報ＥＱＩＤ１〜５である配電設備ＥＱ１〜５の事故計測情報ＡＭＩ１〜５と、各配電設備ＥＱの設置地域ＡＲとが対応付けられて記憶される。また、対象事故情報９１には、事故発生日ＡＤ「２０１７／１１／３０」において取得された配電設備識別情報ＥＱＩＤ１〜５である配電設備ＥＱ１〜５の事故計測情報ＡＭＩ６〜１０と、各配電設備ＥＱの設置地域ＡＲとが対応付けられて記憶される。また、配電設備ＥＱ１〜３の設置地域ＡＲが「Ｘ県北部」である。また、配電設備ＥＱ４〜５の設置地域ＡＲが「Ｘ県南部」である。本実施形態では、計測器Ｍは、配電設備識別情報ＥＱＩＤ及び計測情報ＭＩを送信する。また、事故原因分類装置１は、配電設備識別情報ＥＱＩＤと、配電設備ＥＱの名称及び設置地域ＡＲとが対応付けられて記憶されるデータベース（不図示）を有する。この場合、計測情報取得部１１は、計測器Ｍが送信する配電設備識別情報ＥＱＩＤに基づいて、当該配電設備識別情報ＥＱＩＤが対応付けられた配電設備ＥＱの名称及び設置地域ＡＲをデータベースから取得する。また、計測情報取得部１１は、データベースから取得した各種情報と、計測器Ｍから受信した事故計測情報ＡＭＩと、事故発生日ＡＤとを対応付けて対象事故情報記憶部９０に記憶させる。

図１に戻り、傾向判定機能部２０は、傾向判定部２１と、傾向判定モデル記憶部２２とを備える。傾向判定モデル記憶部２２には、傾向判定モデル２３が記憶される。傾向判定部２１は、計測情報取得部１１から取得する計測情報ＭＩと、傾向判定モデル２３とに基づいて、電力系統及び電力系統設備の周辺の環境に変化が生じているかを判定する。以降の説明において、電力系統及び電力系統設備の周辺の環境の変化を、総称して配電設備ＥＱの状態の変化とも記載する。つまり、傾向判定部２１は、計測情報ＭＩと、傾向判定モデル２３とに基づいて、配電設備ＥＱの状態が変化しているか否かを判定する。傾向判定モデル２３は、過去に取得した計測情報ＭＩに基づいて、当該計測情報ＭＩの性質を機械学習によって学習された学習モデルを示す情報である。傾向判定モデル２３は、例えば、過去に取得された計測情報ＭＩの性質をニューラルネットワークによってモデル化した学習モデルである。

図３は、傾向判定モデル２３の一例を示す図である。図３に示す通り、傾向判定モデル２３には、計測情報取得部１１から取得した各計測情報ＭＩが入力される。傾向判定部２１は、計測情報取得部１１から取得した計測情報ＭＩを傾向判定モデル２３に入力し演算を行う。傾向判定部２１は、傾向判定モデル２３に入力した計測情報ＭＩと、傾向判定モデル２３から出力された値の再構成誤差に基づいて、配電設備ＥＱの傾向を判定する。傾向判定部２１は、例えば、再構成誤差が大きい場合、配電設備ＥＱの状態が変化していると判定し、再構成誤差が小さい場合、配電設備ＥＱの状態が変化していないと判定する。

上述したように、計測情報ＭＩとは、配電設備ＥＱに流れる電流を示す値又は配電設備ＥＱに印加される電圧を示す値である。傾向判定部２１は、例えば、各計測情報ＭＩを正規化し、正規化した値を傾向判定モデル２３に入力する構成であってもよい。また、計測情報ＭＩが所定の期間（例えば、数秒間）の配電設備ＥＱに流れる電流を示す値又は配電設備ＥＱに印加される電圧を示す値である場合、傾向判定モデル２３には、計測情報ＭＩを離散化した値が入力されてもよい。また、傾向判定部２１は、計測情報ＭＩを離散化したすべての値に対して再構成誤差を取得する構成であってもよく、離散化した一部の値に対して再構成誤差を取得する構成であってもよい。

傾向判定部２１は、配電設備ＥＱの傾向を判定した判定結果（以下、傾向判定結果）と、計測情報ＭＩを取得した日付（以下、計測日ＭＤ）と、計測情報ＭＩとを対応付けた情報を対象情報８１として対象情報記憶部８０に記憶させる。図４は、対象情報８１の一例を示す図である。本実施形態では、対象情報８１には、配電設備識別情報ＥＱＩＤと、配電設備ＥＱの名称と、計測情報取得部１１が取得した計測情報ＭＩと、計測日ＭＤと、傾向判定結果と、配電設備ＥＱ毎の設置地域ＡＲとが対応付けられて記憶される。

対象情報８１には、計測日ＭＤ「２０１７／１１／７」において取得された配電設備識別情報ＥＱＩＤ１〜５である配電設備ＥＱ１〜５の計測情報ＭＩ１〜５と、各配電設備ＥＱの設置地域ＡＲとが対応付けられて記憶される。また、対象情報８１には、計測日ＭＤ「２０１７／１２／７」において取得された配電設備識別情報ＥＱＩＤ１〜５である配電設備ＥＱ１〜５の計測情報ＭＩ６〜１０と、各配電設備ＥＱの設置地域ＡＲとが対応付けられて記憶される。また、対象情報８１には、計測情報ＭＩ１〜計測情報ＭＩ１０のうち、配電設備ＥＱ５の計測情報ＭＩ（図示する計測情報ＭＩ５及び計測情報ＭＩ１０）には、配電設備ＥＱの状態が変化していることを示す傾向判定結果が対応付けられ、他の計測情報ＭＩ（計測情報ＭＩ１〜４、及び計測情報ＭＩ６〜９）には、配電設備ＥＱの状態が変化していないことを示す傾向判定結果が対応付けられる。

図１に戻り、結果情報取得部３０は、端末装置ＴＭ２から結果情報を取得する。結果情報取得部３０は、取得した結果情報と、当該結果情報が示す事故が発生した日付、つまり事故発生日ＡＤとを対応付けた情報（以下、事故履歴情報１０１）を事故履歴情報記憶部１００に記憶させる。図５は、事故履歴情報１０１の一例を示す図である。本実施形態では、事故履歴情報１０１には、事故発生日ＡＤ「２０１７／１１／１５」と、事故発生日ＡＤに発生した事故の原因である結果情報「地絡」と、当該事故が発生した配電設備ＥＱ５と、配電設備識別情報ＥＱＩＤ５とが対応付けられて記憶される。また、事故履歴情報１０１には、事故発生日ＡＤ「２０１７／１１／３０」と、事故発生日ＡＤに発生した事故の原因である結果情報「地絡」と、当該事故が発生した配電設備ＥＱ５と、配電設備識別情報ＥＱＩＤ５とが対応付けられて記憶される。

図１に戻り、原因情報取得機能部６０は、原因情報取得部６１と、モデル記憶部６２とを備える。モデル記憶部６２には、事故分類モデル６３と、範囲情報６４とが記憶される。事故分類モデル６３は、過去に取得した計測情報ＭＩと、過去に取得した結果情報とに基づいて、機械学習によって学習された学習モデルを示す情報である。事故分類モデル６３は、計測情報ＭＩを入力すると、原因情報を出力するように構成されている。事故分類モデル６３は、例えば、ニューラルネットワークに基づいてモデル化された学習モデルである。範囲情報６４は、事故分類モデル６３によって原因情報の取得が可能な範囲を示す情報である。換言すると、モデル記憶部６２には、範囲情報６４と、当該範囲情報６４が示す範囲に適応可能な事故分類モデル６３を示す事故分類モデル６３とが対応付けられて記憶される。原因情報取得部６１は、例えば、対象事故情報９１に基づいて、事故計測情報ＡＭＩと、当該事故計測情報ＡＭＩが計測された配電設備ＥＱの設置地域ＡＲを取得する。原因情報取得部６１は、設置地域ＡＲが示す配電設備ＥＱの設置地域と対応する範囲情報６４を判定し、当該範囲情報６４に対応付けられる事故分類モデル６３に基づいて、原因情報を取得する。過去に取得した計測情報ＭＩとは、教師計測情報の一例である。過去に取得した結果情報とは、教師原因情報の一例である。

図６は、事故分類モデル６３の一例を示す図である。図６に示す通り、事故分類モデル６３には、計測情報取得部１１から取得した各事故計測情報ＡＭＩが入力される。原因情報取得部６１は、計測情報取得部１１から取得した事故計測情報ＡＭＩを事故分類モデル６３に入力し、演算を行う。原因情報取得部６１は、演算結果として原因情報を取得する。原因情報は、事故原因が一意に示される情報であってもよく、複数の事故原因と、各事故原因が起こり得る確率とが対応付けられた情報であってもよい。本実施形態の原因情報取得部６１は、複数の事故原因と、各事故原因が起こり得る確率とが対応付けられた原因情報を取得する。図６に示す一例では、原因情報取得部６１は、「鳥獣接触」、「樹木接触」及び「碍子汚損」の事故原因が起こり得る確率が、それぞれ「０．６」、「０．３」及び「０．２」である原因情報を取得する。なお、事故分類モデル６３によって取得される原因情報には、事故の原因が「なし」である演算結果が含まれていてもよい。

図１に戻り、原因情報取得部６１は、取得した原因情報を表示制御部７０に供給する。表示制御部７０は、原因情報取得部６１から取得した原因情報を示す画像（以下、画像ＩＭ１１）を端末装置ＴＭ１に表示させる。図７は、表示制御部７０が端末装置ＴＭ１に表示する画像ＩＭ１の一例を示す図である。上述したように、本実施形態では、原因情報は、「鳥獣接触」、「樹木接触」及び「碍子汚損」の事故原因が起こり得る確率が、それぞれ「０．６」、「０．３」及び「０．２」であることを示す情報である。表示制御部７０は、原因情報取得機能部６０から取得した原因情報に基づいて、画像ＩＭ１を生成し、端末装置ＴＭ１に表示させる。

図１に戻り、再学習機能部４０は、対象情報８１と、対象事故情報９１と、事故履歴情報１０１とに基づいて、計測情報ＭＩと、事故計測情報ＡＭＩとを入力し、原因情報を出力するように、機械学習によって学習された更新後事故分類モデル５５を生成する。具体的には、再学習機能部４０は、事故回数判定部４１と、学習データ選択部４２と、更新モデル生成部４３とを備える。事故回数判定部４１は、対象事故情報９１に基づいて、同一の配電設備ＥＱに２回以上の事故が発生しているか否かを判定する。学習データ選択部４２は、更新後事故分類モデル５５を生成する際に用いられる学習データを選択する。更新モデル生成部４３は、事故回数判定部４１の判定結果が同一の配電設備ＥＱに２回以上の事故が発生していることを示す場合に、学習データ選択部４２が選択した計測情報ＭＩ及び事故計測情報ＡＭＩに基づいて、更新後事故分類モデル５５を生成する。更新モデル生成部４３は、生成した更新後事故分類モデル５５を更新モデル記憶部５４に記憶させる。

モデル更新機能部５０は、再学習機能部４０が生成した更新後事故分類モデル５５に事故分類モデル６３を更新する。具体的には、モデル更新機能部５０は、適応範囲選択部５１と、適応判定部５２と、更新部５３と、更新モデル記憶部５４とを備える。更新モデル記憶部５４には、更新後事故分類モデル５５と、更新範囲情報５６とが記憶される。更新範囲情報５６は、更新後事故分類モデル５５に入力される計測情報ＭＩ及び事故計測情報ＡＭＩが計測された配電設備ＥＱが存在する範囲（例えば、Ｘ県等）を示す情報である。更新モデル記憶部５４には、更新範囲情報５６と、当該更新範囲情報５６が示す範囲に適応可能な更新後事故分類モデル５５とが対応付けられて記憶される。

適応範囲選択部５１は、計測情報取得部１１から取得した事故計測情報ＡＭＩに基づいて、更新範囲情報５６を選択（クラスタリング）する。更新範囲情報５６には、例えば、適応範囲選択部５１が選択する範囲の初期値（例えば、Ｘ県等）が記憶される。適応範囲選択部５１は、例えば、取得した事故計測情報ＡＭＩのうち、更新範囲情報５６が示す範囲に存在する配電設備ＥＱの事故計測情報ＡＭＩを選択する。適応判定部５２は、適応範囲選択部５１が選択した事故計測情報ＡＭＩと、更新範囲情報５６に対応づけられた更新後事故分類モデル５５が示す更新後事故分類モデル５５とに基づいて、原因情報を取得する。また、適応判定部５２は、原因情報取得部６１が取得した原因情報を取得する。

適応判定部５２は、適応判定部５２が取得した原因情報と、原因情報取得部６１が取得した原因情報との差異に基づいて、更新後事故分類モデル５５を事故分類モデル６３として更新するか否かを判定する。適応判定部５２は、適応判定部５２が取得した原因情報と、原因情報取得部６１が取得した原因情報との差異がない場合、つまり、更新後事故分類モデル５５の精度が、事故分類モデル６３の精度と同様である場合、更新後事故分類モデル５５を事故分類モデル６３として更新すると判定する。また、適応判定部５２は、適応判定部５２が取得した原因情報と、原因情報取得部６１が取得した原因情報と、事故履歴情報記憶部１００に記憶される事故履歴情報１０１とを比較する。事故分類モデル６３によって取得した原因情報よりも、更新後事故分類モデル５５によって取得した原因情報の方が、結果情報と合致する場合、つまり更新後事故分類モデル５５の精度が、事故分類モデル６３の精度よりも向上している場合、更新後事故分類モデル５５を事故分類モデル６３として更新すると判定する。また、適応判定部５２は、適応判定部５２が取得した原因情報と、原因情報取得部６１が取得した原因情報とに差異がある場合であって、更新後事故分類モデル５５の精度が、事故分類モデル６３の精度より低い場合、更新後事故分類モデル５５を事故分類モデル６３として更新すると判定しない。

更新部５３は、適応判定部５２の判定結果が更新後事故分類モデル５５を事故分類モデル６３として更新することを示す場合、更新後事故分類モデル５５の内容を事故分類モデル６３としてモデル記憶部６２に記憶する。また、更新部５３は、適応判定部５２の判定結果が更新後事故分類モデル５５を事故分類モデル６３として更新することを示す場合、更新範囲情報５６の内容を範囲情報６４としてモデル記憶部６２に記憶する。なお、更新部５３は、更新後事故分類モデル５５が示す更新後事故分類モデル５５の一部を事故分類モデル６３として更新する構成であってもよい。この場合、更新部５３は、適応判定部５２が更新すると判定した更新後事故分類モデル５５を示す更新後事故分類モデル５５と、当該更新後事故分類モデル５５によって原因情報の取得が可能な範囲を示す更新範囲情報５６とを対応付けて、モデル記憶部６２に記憶する。

ここで、適応範囲選択部５１は、適応判定部５２が更新後事故分類モデル５５の精度が、事故分類モデル６３の精度より低いと判定する場合、更新後事故分類モデル５５を適応することが可能な範囲を再度改めて選択し、更新範囲情報５６として記憶する構成であってもよい。図８は、更新範囲情報５６の範囲の選択の一例を示す図である。適応範囲選択部５１は、例えば、物理的距離が近い配電設備ＥＱや、配電設備ＥＱの種類に基づいて、範囲を選択し直す。適応範囲選択部５１は、例えば、更新範囲情報５６が示す範囲であって、配電設備ＥＱが存在する範囲（例えば、Ｘ県等）を、より物理的距離が近い配電設備ＥＱが存在する範囲（例えば、Ｘ県北部等）に再選択（再クラスタリング）する。適応範囲選択部５１は、再選択した範囲を更新範囲情報５６として更新モデル記憶部５４に記憶する。また、適応範囲選択部５１は、計測情報ＭＩ及び事故計測情報ＡＭＩのうち、再選択した更新範囲情報５６の範囲に存在する配電設備ＥＱの計測情報ＭＩ及び事故計測情報ＡＭＩを選択する。適応判定部５２は、適応範囲選択部５１が再選択した範囲（この一例では、Ｘ県北部）に基づいて、原因情報を取得する。適応範囲選択部５１は、適応判定部５２が更新後事故分類モデル５５の精度が、事故分類モデル６３の精度と同様又は事故分類モデル６３の精度よりも向上していると判定するまでの間、範囲の選択を行う。

また、対象事故情報記憶部９０に記憶される対象事故情報９１のうち、更新モデル生成部４３が更新後事故分類モデル５５の生成に用いた事故計測情報ＡＭＩは、既に学習された教師情報（以下、既学習対象事故情報）として、他の記憶部（不図示）や対象事故情報記憶部９０内の別の区画に格納される構成であってもよい。この場合、更新モデル生成部４３は、既学習対象事故情報を更新後事故分類モデル５５の生成に用いない。つまり、更新モデル生成部４３は、既学習対象事故情報以外の対象事故情報９１に基づいて、更新後事故分類モデル５５を生成する。

以下、図９を参照し、再学習機能部４０の動作の詳細について説明する。図９は、再学習機能部４０の動作の一例を示す流れ図である。事故回数判定部４１は、事故履歴情報１０１に基づいて、電力系統に事故が発生しているか否かを判定する（ステップＳ１１０）。事故回数判定部４１は、電力系統に事故が発生している場合、同一の配電設備ＥＱに２回以上事故が発生しているかを判定する（ステップＳ１２０）。再学習機能部４０は、電力系統に事故が発生するまでの間（ステップＳ１１０；ＮＯ）であって、当該事故が同一の配電設備ＥＱにおいて２回目以上の事故となるまでの間（ステップＳ１２０；ＮＯ）、処理を行わない。なお、事故回数判定部４１は、事故情報取得部１２から事故情報を取得し、事故が発生しているか否かを判定する構成であってもよい。

学習データ選択部４２は、同一の配電設備ＥＱに２回以上事故が発生している場合、更新後事故分類モデル５５を生成する際に用いられる学習データを選択する（ステップＳ１３０）。具体的には、学習データ選択部４２は、対象情報８１として記憶される計測情報ＭＩ及び対象事故情報９１に記憶される事故計測情報ＡＭＩを更新後事故分類モデル５５の学習データとして選択する。また、学習データ選択部４２は、状態が変化していることを示す傾向判定結果が対応付けられている計測情報ＭＩが存在する場合、当該傾向判定結果が対応付けられた計測日ＭＤ以降の計測情報ＭＩを更新後事故分類モデル５５の学習データとして選択する。また、学習データ選択部４２は、当該計測日ＭＤ以降の事故発生日ＡＤが対応付けられた事故計測情報ＡＭＩを更新後事故分類モデル５５の学習データとして選択する。更新モデル生成部４３は、学習データ選択部４２が選択した学習データに基づいて、計測情報ＭＩ及び事故計測情報ＡＭＩを入力し、原因情報を出力するように、機械学習によって学習された更新後事故分類モデル５５を生成する（ステップＳ１４０）。更新モデル生成部４３は、生成した更新後事故分類モデル５５を更新モデル記憶部５４に記憶させる（ステップＳ１５０）。

以下、図１０を参照し、モデル更新機能部５０の動作の詳細について説明する。図１０は、モデル更新機能部５０の動作の一例を示す流れ図である。モデル更新機能部５０は、事故履歴情報１０１に基づいて、電力系統に事故が発生しているか否かを判定する（ステップＳ２１０）。モデル更新機能部５０は、電力系統に事故が発生するまでの間（ステップＳ２１０；ＮＯ）、処理を行わない。なお、モデル更新機能部５０は、事故情報取得部１２から事故情報を取得し、事故が発生しているか否かを判定する構成であってもよい。

適応範囲選択部５１は、取得した事故計測情報ＡＭＩのうち、更新範囲情報５６が示す範囲に存在する配電設備ＥＱの事故計測情報ＡＭＩを選択する（ステップＳ２２０）。適応範囲選択部５１は、例えば、対象事故情報９１に基づいて、事故計測情報ＡＭＩに対応付けられる設置地域ＡＲを取得する。適応範囲選択部５１は、取得した設置地域ＡＲが更新範囲情報５６の示す範囲に存在する地域（位置）である場合、当該事故計測情報ＡＭＩを更新後事故分類モデル５５の入力情報として選択する。適応判定部５２は、更新後事故分類モデル５５が示す更新後事故分類モデル５５と、適応範囲選択部５１が選択した事故計測情報ＡＭＩとに基づいて、原因情報を取得する（ステップＳ２３０）。また、適応判定部５２は、原因情報取得部６１が事故計測情報ＡＭＩと、事故分類モデル６３とに基づいて取得した原因情報を取得する（ステップＳ２４０）。

適応判定部５２は、取得した原因情報同士を比較し、更新後事故分類モデル５５の精度が、事故分類モデル６３の精度と同様又は事故分類モデル６３の精度よりも向上しているか否かを判定する（ステップＳ２５０）。適応判定部５２は、更新後事故分類モデル５５の精度が、事故分類モデル６３の精度と同様又は事故分類モデル６３の精度よりも向上している場合、モデル記憶部６２に記憶される事故分類モデル６３及び範囲情報６４を更新する（ステップＳ２６０）。具体的には、適応判定部５２は、更新後事故分類モデル５５を事故分類モデル６３としてモデル記憶部６２に保存する。また、適応判定部５２は、適応範囲選択部５１が選択した範囲（更新範囲情報５６が示す範囲）であって、更新後事故分類モデル５５を適応することが可能な範囲を範囲情報６４としてモデル記憶部６２に記憶する。

適応判定部５２が更新後事故分類モデル５５の精度が、事故分類モデル６３の精度より低いと判定する場合（ステップＳ２５０；ＮＯ）、適応範囲選択部５１は、更新後事故分類モデル５５を適応する範囲を再選択し、再選択した範囲を更新範囲情報５６として更新モデル記憶部５４に記憶する（ステップＳ２６０）。適応範囲選択部５１は、取得した事故計測情報ＡＭＩのうち、再選択した範囲に存在する配電設備ＥＱから取得した事故計測情報ＡＭＩを更新後事故分類モデル５５の入力情報として選択する（ステップＳ２７０）。適応判定部５２は、適応範囲選択部５１が選択した事故計測情報ＡＭＩと、更新後事故分類モデル５５とに基づいて、原因情報を取得する（ステップＳ２８０）。適応判定部５２は、適応範囲選択部５１が再選択した範囲の事故計測情報ＡＭＩに基づいて取得した原因情報と、ステップＳ２４０において取得した原因情報とを比較し、更新後事故分類モデル５５の精度が、事故分類モデル６３の精度と同様又は事故分類モデル６３の精度よりも向上しているか否かを判定する（ステップＳ２９０）。適応範囲選択部５１及び適応判定部５２は、更新後事故分類モデル５５の精度が、事故分類モデル６３の精度と同様又は事故分類モデル６３の精度よりも向上するまでの間、ステップＳ２６０からステップＳ２９０の処理を繰り返す。適応判定部５２は、更新後事故分類モデル５５の精度が、事故分類モデル６３の精度と同様又は事故分類モデル６３の精度よりも向上している場合、処理をステップＳ２６０に進める。

なお、適応範囲選択部５１及び適応判定部５２は、更新後事故分類モデル５５の精度が、事故分類モデル６３の精度と同様又は事故分類モデル６３の精度よりも向上するまでの間、ステップＳ２６０からステップＳ２９０の処理を所定の回数繰り返しても、更新後事故分類モデル５５の精度が、事故分類モデル６３の精度と同様にならない又は事故分類モデル６３の精度が低下した場合には、更新モデル記憶部５４から、更新後事故分類モデル５５が削除される構成であってもよい。

以上説明したように、本実施形態の事故原因分類装置１は、計測情報取得部１１と、事故情報取得部１２と、傾向判定部２１と、結果情報取得部３０と、更新モデル生成部４３と、原因情報取得部６１と、モデル記憶部６２と、対象情報記憶部８０と、対象事故情報記憶部９０と、事故履歴情報記憶部１００とを持つ。モデル記憶部６２には、対象設備（この一例では、配電設備ＥＱ）に発生した事故の原因を示す原因情報と、事故分類モデル６３とが記憶される。事故分類モデル６３は、配電設備ＥＱに印加される電圧又は配電設備ＥＱを流れる電流を計測した（つまり、電力に関する計測を行った）計測情報ＭＩが入力されると、事故の原因を示す原因情報を出力するように、機械学習によって学習された学習モデルである。計測情報取得部１１は、配電設備ＥＱにおいて電力に関する計測を行った結果を示す計測情報ＭＩを取得する。事故情報取得部１２は、配電設備ＥＱに事故が発生しているか否かを示す事故情報を取得する。原因情報取得部６１は、事故情報取得部１２により事故情報が取得されたタイミングで計測情報取得部１１により取得された計測情報ＭＩ（つまり、事故計測情報ＡＭＩ）を事故分類モデル６３に入力し、原因情報を取得する。結果情報取得部３０は、配電設備ＥＱの巡視員から取得される情報であって、事故情報に関連付けて事故の原因を示す結果情報を取得する。事故履歴情報記憶部１００には、結果情報取得部３０により取得された結果情報と、結果情報が示す事故が発生したタイミングを示す情報とを対応付けた事故履歴情報１０１が記憶される。傾向判定部２１は、計測情報ＭＩに基づいて、配電設備ＥＱの状態が変化しているかを判定する。対象情報記憶部８０には、傾向判定部２１の判定結果と、計測情報ＭＩと、計測情報ＭＩを取得したタイミングを示す情報(この一例では、計測日ＭＤ）とを対応付けた対象情報８１が記憶される。更新モデル生成部４３は、同時期に取得または生成された対象情報８１と、対象事故情報９１と、事故履歴情報１０１とに基づいて、事故分類モデル６３に代えて用いられる更新後事故分類モデル５５を生成し、モデル記憶部６２に記憶させる。

ここで、電力系統設備及び電力系統設備の周辺の環境が変化した場合、従来使用していた事故分類モデル６３では、適切な原因情報を取得することが困難である場合がある。本実施形態の事故原因分類装置１は、電力系統設備及び電力系統の周辺の環境が変化したこと、つまり配電設備ＥＱの状態が変化しているか否かを判定し、配電設備ＥＱの状態が変化している場合には、事故分類モデル６３に代えて用いられる更新後事故分類モデル５５を生成することができる。

また、本実施形態の事故原因分類装置１において、傾向判定モデル記憶部２２には、過去に取得された計測情報ＭＩに基づいて、入力された計測情報ＭＩを出力するように、機械学習によって学習された傾向判定モデル２３が記憶され、傾向判定部２１は、傾向判定モデル２３に、計測情報取得部１１が取得した計測情報ＭＩを入力し、出力された情報と、入力された計測情報ＭＩとの差に基づいて、配電設備ＥＱの状態が変化しているかを判定する。これにより、本実施形態の事故原因分類装置１は、簡便な方法によって配電設備ＥＱの状態が変化しているか否かを判定することができる。

また、本実施形態の事故原因分類装置１において、事故回数判定部４１は、対象事故情報９１及び対象情報８１に基づいて、対象情報８１に計測情報ＭＩが含まれる配電設備ＥＱにおいて、事故が少なくとも２回発生したか否かを判定する。更新モデル生成部４３は、事故回数判定部４１の判定結果が、事故が少なくとも２回発生したことを示す場合、更新後事故分類モデル５５を生成する。ここで、傾向判定部２１によって配電設備ＥＱの状態が変化していると判定される場合であっても、更新後事故分類モデル５５を生成する際に用いられる教師情報（この一例では、計測情報ＭＩ及び事故計測情報ＡＭＩ）が十分に収集できていない場合がある。更新後事故分類モデル５５を生成するためには、例えば、ある配電設備ＥＱに対して少なくとも２回以上の発生した事故時に取得される事故計測情報ＡＭＩを収集することが求められる。本実施形態の事故原因分類装置１は、事故回数判定部４１の判定結果が、事故が少なくとも２回発生したことを示す場合、更新後事故分類モデル５５を生成するための教師情報を十分に収集した後に更新後事故分類モデル５５を生成することができる。

また、本実施形態の事故原因分類装置１において、学習データ選択部４２は、対象情報８１のうち、配電設備ＥＱの状態が変化していることを示す傾向判定部２１の判定結果が対応付けられている計測情報ＭＩが取得された計測日ＭＤ以降に取得された計測情報ＭＩ及び事故計測情報ＡＭＩを選択する。更新モデル生成部４３は、学習データ選択部４２が選択した計測情報ＭＩ及び事故計測情報ＡＭＩに基づいて、更新後事故分類モデル５５を生成する。ここで、配電設備ＥＱの状態が変化している場合、当該変化が生じる以前に取得された計測情報ＭＩや事故計測情報ＡＭＩを、更新後事故分類モデル５５を生成するための教師情報として用いることが好ましくない場合がある。本実施形態の事故原因分類装置１は、配電設備ＥＱに変化が生じた後に取得された計測情報ＭＩ及び事故計測情報ＡＭＩに基づいて更新後事故分類モデル５５を生成するため、現在の配電設備ＥＱの状態に応じた更新後事故分類モデル５５を生成することができる。

また、本実施形態の事故原因分類装置１において、対象事故情報記憶部９０に記憶される対象事故情報９１のうち、更新後事故分類モデル５５の生成に用いられた対象事故情報９１は、既学習対象事故情報として記憶される。また、更新モデル生成部４３は、対象事故情報９１のうち、既学習対象事故情報である対象事故情報９１以外の対象事故情報９１に基づいて、更新後事故分類モデル５５を生成する。本実施形態の事故原因分類装置１は、既に更新後事故分類モデル５５の学習に用いられた対象事故情報９１、つまり既に更新後事故分類モデル５５にデータの特徴が反映された対象事故情報９１を除外して更新後事故分類モデル５５を生成することができる。

また、本実施形態の事故原因分類装置１において、適応判定部５２は、対象事故情報９１（事故計測情報ＡＭＩ）を更新後事故分類モデル５５に入力し、生成した原因情報と、原因情報取得部６１が取得した原因情報とに基づいて、更新後事故分類モデル５５の適応の可否を判定する。本実施形態の事故原因分類装置１によれば、更新後事故分類モデル５５が、事故分類モデル６３の精度と同様又は事故分類モデル６３の精度よりも向上しているかを判定し、生成した更新後事故分類モデル５５が適切か否かを判定することができる。

また、本実施形態の事故原因分類装置１において、適応範囲選択部５１は、更新後事故分類モデル５５に入力する事故計測情報ＡＭＩを選択する。適応判定部５２は、適応範囲選択部５１が選択した配電設備ＥＱの事故計測情報ＡＭＩを、更新モデル生成部４３が生成した更新後事故分類モデル５５に入力し、生成した原因情報と、原因情報取得部６１が取得した原因情報とに基づいて、更新後事故分類モデル５５の適応の可否を判定する。これにより、本実施形態の事故原因分類装置１は、更新後事故分類モデル５５によって原因情報の取得が可能な範囲の配電設備ＥＱ（事故計測情報ＡＭＩ）に対して更新後事故分類モデル５５を適応することができる。

また、本実施形態の事故原因分類装置１において、適応範囲選択部５１は、適応判定部５２の判定結果が、更新後事故分類モデル５５を適応しないことを示す場合、選択する配電設備ＥＱを変更する。これにより、本実施形態の事故原因分類装置１は、更新後事故分類モデル５５によって原因情報の取得が可能な範囲をより適切に選択することができる。

また、本実施形態の事故原因分類装置１において、更新部５３は、適応判定部５２の判定結果が、更新後事故分類モデル５５が適応することを示す場合、更新後事故分類モデル５５を事故分類モデル６３としてモデル記憶部６２に記憶させる。これにより、本実施形態の事故原因分類装置１は、更新後事故分類モデル５５の精度が、事故分類モデル６３の精度と同等又は事故分類モデル６３の精度よりも高い場合に、更新後事故分類モデル５５を事故分類モデル６３として用いることができる。

なお、上述では、表示制御部７０は、原因情報取得部６１から取得した原因情報を示す画像ＩＭ１を端末装置ＴＭ１に表示させる場合について説明したが、これに限られない。表示制御部７０は、原因情報以外の情報を端末装置ＴＭ１に表示させる構成であってもよい。図１１は、配電設備ＥＱの状態が変化してから、更新後事故分類モデル５５が生成されるまでの期間の一例を示す図である。図４に示す通り、配電設備ＥＱ５は、計測日ＭＤ「２０１７／１１／７」において、状態に変化が生じていると判定される。また、図５に示す通り、配電設備ＥＱ５は、事故発生日ＡＤ「２０１７／１１／１５」及び「２０１７／１１／３０」において、「地絡」の事故が発生している。上述したように、事故原因分類装置１は、同一の配電設備ＥＱにおいて２回以上の事故が発生するまでの間、更新後事故分類モデル５５を生成しない。したがって、図１１に示す通り、「２０１７／１１／７」において配電設備ＥＱ５の状態に変化が生じていると判定されていながら、２回目の事故が発生する「２０１７／１１／３０」までの間、配電設備ＥＱの変化に対応していない事故分類モデル６３が原因情報を出力する。巡視員は、例えば、「２０１７／１１／７」以降の配電設備ＥＱの巡視において、配電設備ＥＱに変化が生じていることを把握していることが好ましい。図１２は、表示制御部７０が端末装置ＴＭ１に表示する画像ＩＭ２の他の例を示す図である。表示制御部７０は、対象情報８１に配電設備ＥＱに変化が生じていることを示す傾向判定結果が含まれる場合、当該傾向判定結果が対応付けられた計測日ＭＤ以降、端末装置ＴＭ１には、配電設備ＥＱに変化が生じていることを示すメッセージ（図示する、メッセージＭＳ）を含む画像ＩＭ２を表示する。

これにより、本実施形態の事故原因分類装置１において、表示制御部７０は、原因情報取得部６１が取得した原因情報と、傾向判定部２１が判定した判定結果とに基づいて、表示装置（この一例では、端末装置ＴＭ１）に表示する配電設備ＥＱに関する情報（この一例では、メッセージＭＳ）の表示を制御する。これにより、本実施形態の事故原因分類装置１は、配電設備ＥＱの状態が変化してから、更新後事故分類モデル５５が生成されるまでの間であっても、巡視員に配電設備ＥＱの状態が変化していることを提示することができる。

なお、上述では、対象情報８１には、計測情報ＭＩを取得した日付を示す計測日ＭＤが含まれる場合について説明したが、これに限られない。対象情報８１には、計測情報ＭＩを取得したタイミングを示す情報が含まれていれば、計測日ＭＤに代えていずれの情報が含まれていてもよい。また、事故履歴情報１０１には、結果情報が示す事故が発生した日付を示す事故発生日ＡＤが含まれる場合について説明したが、これに限られない。対象事故情報９１及び事故履歴情報１０１には、結果情報が示す事故が発生したタイミングを示す情報が含まれていれば、事故発生日ＡＤに代えていずれの情報が含まれていてもよい。タイミングを示す情報とは、例えば、時刻を示す情報であってもよく、年月日を示す情報であってもよい。また、この場合、更新モデル生成部４３は、事故情報と同時期に取得された計測情報ＭＩ及び事故計測情報ＡＭＩに基づいて、更新後事故分類モデル５５を生成する。

以上説明した少なくとも一つの実施形態によれば事故原因分類装置１は、モデル記憶部６２と、計測情報取得部１１と、事故情報取得部１２と、結果情報取得部３０と、事故履歴情報記憶部１００と、傾向判定部２１と、対象情報記憶部８０と、対象事故情報記憶部９０と、原因情報取得部６１と、更新モデル生成部４３とを持つ。モデル記憶部６２は、配電設備ＥＱに発生した事故の原因を示す原因情報と、配電設備ＥＱに印加される電圧又は配電設備ＥＱを流れる電流を計測した計測情報ＭＩとに基づいて、事故の原因を示す原因情報を出力するように、機械学習によって学習された事故分類モデル６３を記憶する。計測情報取得部１１は、配電設備ＥＱに印加される電圧又は配電設備ＥＱを流れる電流を計測した計測結果を示す計測情報ＭＩを取得する。事故情報取得部１２は、配電設備ＥＱに事故が発生しているか否かを示す事故情報を取得する。結果情報取得部３０は、配電設備ＥＱの巡視員から取得する情報であって、事故の原因を示す結果情報を取得する。事故履歴情報記憶部１００は、結果情報取得部３０が取得した結果情報と、結果情報を取得した日付とを対応付けた事故履歴情報１０１を記憶する。傾向判定部２１は、計測情報ＭＩに基づいて、配電設備ＥＱの状態が変化しているかを判定する。対象情報記憶部８０は、傾向判定部２１の判定結果と、計測情報ＭＩと、計測情報ＭＩを取得した計測日ＭＤとを対応付けた対象情報８１を記憶する。対象事故情報記憶部９０は、配電設備ＥＱに事故が発生していることを示す事故情報を取得することに応じて取得した計測情報ＭＩと、事故発生日ＡＤとを対応付けた対象事故情報９１を記憶する。原因情報取得部６１は、対象事故情報９１を事故分類モデル６３に入力し、原因情報を生成する。更新モデル生成部４３は、対象情報８１と、対象事故情報９１と、事故履歴情報１０１とに基づいて、事故分類モデル６３に代えて用いられる更新後事故分類モデル５５を生成する。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。

１…事故原因分類装置、１０…取得機能部、１１…計測情報取得部、１２…事故情報取得部、２０…傾向判定機能部、２１…傾向判定部、２２…傾向判定モデル記憶部、２３…傾向判定モデル、３０…結果情報取得部、４０…再学習機能部、４１…事故回数判定部、４２…学習データ選択部、４３…更新モデル生成部、５０…モデル更新機能部、５１…適応範囲選択部、５２…適応判定部、５３…更新部、５４…更新モデル記憶部、５５…更新後事故分類モデル、５６…更新範囲情報、６０…原因情報取得機能部、６１…原因情報取得部、６２…モデル記憶部、６３…事故分類モデル、６４…範囲情報、７０…表示制御部、８０…対象情報記憶部、８１…対象情報、９０…対象事故情報記憶部、９１…対象事故情報、１００…事故履歴情報記憶部、１０１…事故履歴情報

Claims (10)

1. 機械学習によって学習された事故分類モデルであって、計測情報が入力されると原因情報を出力する事故分類モデルを記憶するモデル記憶部と、
   対象設備において電力に関する計測を行った結果を示す計測情報を取得する計測情報取得部と、
   前記対象設備に事故が発生しているか否かを示す事故情報を取得する事故情報取得部と、
   前記事故情報取得部により前記事故情報が取得されたタイミングで前記計測情報取得部により取得された前記計測情報を前記事故分類モデルに入力し、前記原因情報を取得する原因情報取得部と、
   前記対象設備の巡視員から取得される情報であって、前記事故情報に関連付けて前記事故の原因を示す結果情報を取得する結果情報取得部と、
   前記結果情報取得部により取得された前記結果情報と、前記結果情報が示す前記事故が発生したタイミングを示す情報とを対応付けた事故履歴情報を記憶する事故履歴情報記憶部と、
   前記計測情報に基づいて、前記対象設備の状態が変化しているかを判定する傾向判定部と、
   前記傾向判定部の判定結果と、前記計測情報と、前記計測情報を取得したタイミングを示す情報とを対応付けた対象情報を記憶する対象情報記憶部と、
   前記事故情報を取得することに応じて取得した前記計測情報と、前記事故が発生したタイミングを示す情報とを対応付けた対象事故情報を記憶する対象事故情報記憶部と、
   同時期に取得または生成された前記対象情報と、前記対象事故情報と、前記事故履歴情報とに基づいて、前記事故分類モデルに代えて用いられる更新後事故分類モデルを生成し、前記モデル記憶部に記憶させる更新モデル生成部と、
   を備える事故原因分類装置。
2. 過去に取得された前記計測情報に基づいて、入力された計測情報を出力するように、機械学習によって学習された傾向判定モデルを記憶する傾向判定モデル記憶部
   を備え、
   前記傾向判定部は、
   前記傾向判定モデルに、前記計測情報取得部が取得した前記計測情報を入力し、出力された情報と、入力された前記計測情報との差に基づいて、前記対象設備の状態が変化しているかを判定する、
   請求項１に記載の事故原因分類装置。
3. 前記対象事故情報及び前記対象情報に基づいて、前記対象情報に前記計測情報が含まれる前記対象設備において、前記事故が少なくとも２回発生したか否かを判定する事故回数判定部
   を更に備え、
   前記更新モデル生成部は、前記事故回数判定部の判定結果が、前記事故が少なくとも２回発生したことを示す場合、前記更新後事故分類モデルを生成する、
   請求項１又は請求項２に記載の事故原因分類装置。
4. 前記対象情報のうち、前記対象設備の状態が変化していることを示す前記傾向判定部の判定結果が対応付けられている前記計測情報が取得されたタイミング以降に取得された前記計測情報及び前記対象事故情報を選択する学習データ選択部、
   を更に備え、
   前記更新モデル生成部は、前記学習データ選択部が選択した前記計測情報に基づいて、前記更新後事故分類モデルを生成する、
   請求項１から請求項３のいずれか一項に記載の事故原因分類装置。
5. 前記対象事故情報記憶部に記憶される前記対象事故情報のうち、前記更新後事故分類モデルの生成に用いられた前記対象事故情報は、既学習対象事故情報として記憶され、
   前記更新モデル生成部は、前記対象事故情報のうち、既学習対象事故情報である前記対象事故情報以外の前記対象事故情報に基づいて、前記更新後事故分類モデルを生成する、
   請求項１から請求項４のいずれか一項に記載の事故原因分類装置。
6. 前記対象事故情報を前記更新後事故分類モデルに入力し、生成した前記原因情報と、前記原因情報取得部が取得した前記原因情報とに基づいて、前記更新後事故分類モデルの適応の可否を判定する適応判定部
   を更に備える請求項１から請求項５のいずれか一項に記載の事故原因分類装置。
7. 前記更新後事故分類モデルを適応する範囲であって、前記対象設備が存在する位置に応じた範囲を選択する適応範囲選択部、
   を更に備え、
   前記適応判定部は、前記適応範囲選択部が選択した前記範囲に存在する前記対象設備の前記対象事故情報を、前記更新モデル生成部が更新した前記更新後事故分類モデルに入力し、生成した前記原因情報と、前記原因情報取得部が取得した前記原因情報とに基づいて、前記更新後事故分類モデルの適応の可否を判定する、
   請求項６に記載の事故原因分類装置。
8. 前記適応範囲選択部は、前記適応判定部の判定結果が、前記更新後事故分類モデルを適応しないことを示す場合、選択する前記範囲を変更する、
   請求項７に記載の事故原因分類装置。
9. 前記適応判定部の判定結果が、前記更新後事故分類モデルが適応することを示す場合、前記更新後事故分類モデルを前記事故分類モデルとして前記モデル記憶部に記憶させる更新部
   を更に備える請求項６から請求項８のいずれか一項に記載の事故原因分類装置。
10. 前記原因情報取得部が取得した前記原因情報と、前記傾向判定部が判定した判定結果とに基づいて、表示装置に表示する前記対象設備に関する情報の表示を制御する表示制御部
    を更に備える請求項１から請求項９のいずれか一項に記載の事故原因分類装置。

Images