JP6858019B2

JP6858019B2 - 機器状態監視システム

Info

Publication number: JP6858019B2
Application number: JP2017002449A
Authority: JP
Inventors: 靖彦原
Original assignee: KYB Corp
Current assignee: KYB Corp
Priority date: 2017-01-11
Filing date: 2017-01-11
Publication date: 2021-04-14
Anticipated expiration: 2037-01-11
Also published as: JP2018112446A

Description

本発明は、機器の状態を検出するセンサーの出力データを分析して、機器の状態を監視する機器状態監視システムに関する。

電動機器、油圧機器などの機器の状態を監視する機器状態監視システムとして、無線センサーネットワークを用いたものが知られる。この機器状態監視システムでは、無線センサーネットワークに接続された複数のセンサーによって機器の状態を示す様々な物理量が検出され、各センサーの検出データは無線センサーネットワークを通じてゲートウェイにて収集され、外部のネットワーク上のデータ分析用のコンピュータなどに送信される。

特開２０１１−０１３７６５号公報

上記のような機器状態監視システムでは、機器診断の信頼性を確保するために、無線センサーネットワークに接続された複数のセンサーが正常に動作しているかどうか（センサーの健全性）を正確に把握することが重要である。そのため自己診断機能を有するセンサーが用いられることが一般的であるが、自己診断機能のための信号を流す配線や、無線センサーモジュールに診断のための回路などが必要となり、大型化やコスト上昇を招くという問題があった。

以上のような事情に鑑み、本発明の目的は、新たな配線や回路を追加することなく、センサーの劣化状態を判定することができ、センサーの大型化やコスト上昇を抑えることのできる機器状態監視システムを提供することにある。

上記の課題を解決するために、本発明に係る機器状態監視システムは、
機器の状態を検出する計３つ以上のセンサーと、前記３つ以上センサーの出力から検出データを生成する第１の演算処理回路とを有する複数のセンサーモジュールと、
前記複数のセンサーモジュールにより各々生成された前記検出データを分析して前記機器の状態を診断する第２の演算処理回路を有するデータ分析装置とを有し、
前記複数のセンサーモジュールの前記第１の演算処理回路は各々、前記３つ以上のセンサーのゼロ点出力のデータを生成し、
前記データ分析装置の前記第２の演算処理回路は、前記３つ以上のセンサー各々について、一のセンサーと他の複数のセンサーとのゼロ点出力の差分総和をもとに前記３つ以上の各々のセンサーの劣化状態を判定するように構成されたものである。

すなわち、本発明に係る機器状態監視システムでは、データ分析装置の第２の演算処理回路が、複数のセンサーモジュールにより各々生成された計３つ以上のセンサーのゼロ点出力のデータをもとにセンサーの劣化状態を判定するので、新たな配線や回路を追加することなく、複数のセンサーモジュールのセンサーの劣化状態を判定することができ、センサーの大型化やコスト上昇を抑えることができる。

また、本発明に係る機器状態監視システムは、
機器の状態を検出する計３つ以上のセンサーと、前記３つ以上センサーの出力から検出データを生成する第１の演算処理回路とを有する複数のセンサーモジュールと、
前記複数のセンサーモジュールにより各々生成された前記検出データを分析して前記機器の状態を診断する第２の演算処理回路を有するデータ分析装置とを有し、
前記複数のセンサーモジュールの前記第１の演算処理回路は各々、前記３つ以上のセンサーのゼロ点出力のデータを生成し、
前記データ分析装置の前記第２の演算処理回路は、前記３つ以上のセンサー各々につい
て、一のセンサーと他の複数のセンサーとのゼロ点出力の差分総和の変化量をもとに前記３つ以上の各々のセンサーの劣化状態を判定するように構成されたものであってもよい。

また、前記データ分析装置の前記第２の演算処理回路は、
前記３つ以上のセンサーの累積ストレスをそれぞれ測定し、
前記３つ以上のセンサー各々のゼロ点出力のデータに基づく劣化状態の判定結果と、測定された前記３つ以上のセンサーの前記累積ストレスとをもとに、前記３つ以上のセンサーの劣化状態を判定するように構成されたものであってもよい。

以上のように、本発明によれば、新たな配線や回路を追加することなく、センサーの劣化状態を判定することができ、センサーの大型化やコスト上昇を抑えることができる。

本発明に係る第１の実施形態である機器状態監視システムの全体的な概念図である。図１の機器状態監視システムにおけるデータ分析装置のハードウェア構成を示すブロック図である。図１の機器状態監視システムにおけるメッシュ型の無線センサーネットワークの構成例を示す図である。無線センサーモジュールの構成を示すブロック図である。センサーの電源投入直後の立ち上がり波形の例を示す図である。複数センサーのゼロ点出力の差分総和に基づく劣化判定方法を説明するための図である。複数センサーのゼロ点出力の差分総和の変化に基づく劣化判定方法を説明するための図である。各センサーの累積ストレスを加味した劣化判定方法を示す図である。

以下、本発明の実施の形態を図面をもとに説明する。
図１は本発明に係る一実施形態である機器状態監視システムの全体的な概念図である。
この機器状態監視システム１は、無線センサーネットワーク１００とデータ分析システム２００とを有する。無線センサーネットワーク１００とデータ分析システム２００とはネットワーク３００を通じて接続可能である。ここでネットワークはＬＡＮ（Local Area Network）であってもＷＡＮ（Wide Area Network）であってもよい。

無線センサーネットワーク１００は、ゲートウェイＧと複数の無線センサーモジュールＭなどを含む。

無線センサーモジュールＭは、機器１０ａ、１０ｂ、１０ｃの状態を検出する１以上のセンサー２１の検出信号を取り込み、デジタルデータ化する。さらに無線センサーモジュールＭは、センサー２１の出力から機器１０ａ、１０ｂ、１０ｃの診断用の検出データを生成し、他のノード（ゲートウェイＧ、他の無線センサーモジュールＭ）との間で無線通信より検出データを送受信することが可能である。ゲートウェイＧは、複数の無線センサーモジュールＭで生成された各検出データを収集し、外部のネットワーク３００を通じてデータ分析システム２００に送信する。

データ分析システム２００は、無線センサーネットワーク１００のゲートウェイＧから外部のネットワーク３００を通じて伝送された検出データを蓄積するデータ蓄積装置２０１と、データ蓄積装置２０１に蓄積された検出データを所定のプログラムに従って分析して機器の状態を診断するデータ分析装置２０２とを有する。

図２はデータ分析装置２０２のハードウェア構成を示すブロック図である。
データ分析装置２０２は、具体的には、例えばパーソナルコンピュータやサーバ用計算機などであり、ＣＰＵ（Central Processing Unit）３１（第２の演算処理回路に相当する。）、メモリ３２、ストレージデバイス３３、ネットワークインタフェース３４、ディスプレイ３５、ユーザ入力装置（マウス、キーボードなど）３６などで構成される。メモリ３２にはデータ分析のためのアプリケーションプログラムなどが格納される。ＣＰＵ３１はメモリ３２に格納されたアプリケーションプログラムに従って機器の診断およびセンサーの健全性判定のためのデータ分析を行う。なお、ストレージデバイス３３は、データ分析システム２００のデータ蓄積装置２０１として用いられてもよい。

［無線センサーネットワーク］
無線センサーネットワーク１００には、例えばＩＳＡ１００．１１ａの規格による近距離無線通信などが採用される。複数の無線センサーモジュールＭとゲートウェイＧはメッシュ型のネットワークの形態で接続可能とされている。メッシュ型のネットワークは、無線通信において障害物による遮断や反射波による干渉にさらされることによる電波環境の変化に対し、すべての無線センサーモジュールＭで生成された検出データがゲートウェイＧに収集されるための最適な無線通信経路が得られるように、互いにピアツーピアで無線接続されるノードのペアを変更することができる。

図３はメッシュ型の無線センサーネットワーク１００の構成例を示す図である。
このメッシュ型の無線センサーネットワーク１００には、１機のゲートウェイＧと３機の無線センサーモジュールＭ１、Ｍ２、Ｍ３がノードとして存在する。３機の無線センサーモジュールＭ１、Ｍ２、Ｍ３はゲートウェイＧとピアツーピア接続により無線通信することが可能とされている。

メッシュ型の無線センサーネットワーク１００にはマネージャ（図示せず）が接続されている。なお、ゲートウェイＧがこのマネージャの機能をもっていてもよい。マネージャは、ピアツーピア接続するノードのペアの管理と、各ノードのペアが通信に利用するタイムスロットの割り当てを行う。

例えば、図３において、ゲートウェイＧは無線センサーモジュールＭ１とのペア、無線センサーモジュールＭ２とのペア、無線センサーモジュールＭ３とのペアに各々固有に割り当てられたタイムスロットを用いて無線通信するように設定される。

このメッシュ型の無線センサーネットワーク１００では、上記のペアの他、例えば、無線センサーモジュールＭ１と無線センサーモジュールＭ３とのペア、無線センサーモジュールＭ２と無線センサーモジュールＭ３とのペアなどの設定も可能とされる。

なお、本発明は、必ずしもメッシュ型の無線センサーネットワークを用いたもの限定されるものではなく、スター型、バス型の無線センサーネットワークであってもよい。また、本発明は、必ずしも無線ネットワークを用いたものとは限らず、有線ネットワークを用いたものであってもよい。

［無線センサーモジュール］
図４は無線センサーモジュールＭの構成を示すブロック図である。

無線センサーモジュールＭは、センサー信号処理回路１１、マイクロプロセッサ１２（第１の演算処理回路に相当する。）、メモリ１３、無線モジュール１４、無線アンテナ１５および電源部１６を有する。

センサー信号処理回路１１は１以上のセンサー２１ａ、２１ｂ、２１ｃの出力信号をデジタルデータに変換して、マイクロプロセッサ１２に供給する。機器の状態を検出するためのセンサーには、例えば、機器の振動を検出するための加速度センサー２１ａ、温度を検出するための温度センサー２１ｂ、圧力を検出するための圧力センサー２１ｃなどが挙げられる。

なお、本実施形態において、油圧機器の油状態を検出する油状態センサー２１ｄの出力は、無線センサーモジュールＭの外部の信号変換モジュール２２によってデジタルデータに変換されてマイクロプロセッサ１２に供給される。但し、油状態センサー２１ｄの出力も、その他のセンサー２１ａ、２１ｂ、２１ｃと同様にセンサー信号処理回路１１に供給され、センサー信号処理回路１１にてデジタルデータに変換されてもよい。

マイクロプロセッサ１２は、センサー信号処理回路１１から供給されたセンサー出力データから機器診断用の検出データを生成する。例えば、マイクロプロセッサ１２は、加速度センサー２１ａの出力データから、加速度の実効値、加速度の時間波形、速度の実効値、速度の時間波形、エンベロープ加速度のp-p値、エンベロープ加速度の時間波形などを算出する。その他、マイクロプロセッサ１２は、温度センサー２１ｂ、圧力センサー２１ｃおよび油状態センサー２１ｄなどの各種のセンサーの出力データから機器診断用の検出データを生成する。

さらに、マイクロプロセッサ１２は、センサー信号処理回路１１から供給されたセンサー出力データからセンサー劣化判定用の検出データを生成する。マイクロプロセッサ１２は、例えば加速度センサー２１ａのゼロ点出力のデータや電源投入直後の立ち上がり波形のデータをセンサー劣化判定用の検出データとして生成する。その他、マイクロプロセッサ１２は、温度センサー２１ｂ、圧力センサー２１ｃおよび油状態センサー２１ｄなど、他のセンサーについても同様に、ゼロ点出力のデータや電源投入直後の立ち上がり波形のデータをセンサー劣化判定用の検出データとして生成する。

メモリ１３は、無線センサーモジュールＭのマイクロプロセッサ１２により生成された機器診断用の検出データおよびセンサー劣化判定用の検出データを保存する領域として用いられる。

無線モジュール１４は、ゲートウェイＧや他の無線センサーモジュールＭとの無線通信のための処理を行うモジュールである。無線モジュール１４は無線アンテナ１５を有する。

電源部１６は、無線センサーモジュールＭを動作させるために必要な電力を生成する。電源部１６は、バッテリ１６ａと、バッテリ１６ａに蓄積された電荷から無線センサーモジュールＭの動作用の定電圧を生成するＤＣ／ＤＣコンバータ１６ｂを有する。

［センサーの劣化判定］
センサーデバイスは、熱、衝撃、電磁波などのストレスを受けて経年的に特性が劣化したり、場合によっては突然故障したりする。このようなセンサーデバイスの劣化や故障の状態を自己診断機能を有するセンサーを用いることなく判定する方法が求められている。

なお、本明細書では、センサーの劣化状態と故障状態とを明確に判別するための技術までに触れないため、センサーの劣化状態と故障状態を区別無く「劣化状態」と記述する。

本実施形態の機器状態監視システム１では、データ分析装置２０２が、無線センサーネットワーク１００のゲートウェイＧから送信されてデータ蓄積装置２０１に蓄積された各センサー２１ａ、２１ｂ、２１ｃ、２１ｄの劣化判定用のデータをもとに、これらのセンサー２１ａ、２１ｂ、２１ｃ、２１ｄの劣化状態の判定を行う。

以下、加速度センサー２１ａの劣化状態の判定を行う場合を例として、本実施形態のセンサー劣化状態の判定方法を説明するが、その他の種類のセンサー２１ｂ、２１ｃ、２１ｄについても同様である。

本明細書では、センサー劣化判定方法として以下を挙げ、それぞれについて詳細を説明する。
１．センサーの電源投入直後の立ち上がり波形に基づく劣化判定
２．センサーのゼロ点出力に基づく劣化判定
ここで、２．センサーのゼロ点出力に基づく劣化判定には以下がある。
２−１．センサーのゼロ点出力の変化に基づく劣化判定
２−２．複数センサーのゼロ点出力の比較による劣化判定
２−３．複数センサーのゼロ点出力の差分総和の変化に基づく劣化判定

（１．センサーの電源投入直後の立ち上がり波形に基づく劣化判定）
センサーの電源投入直後の立ち上がり波形は、センサーが受けている様々なダメージを反映して変化する。
図５はセンサーの電源投入直後の立ち上がり波形の例を示す図である。
電源投入タイミングからセンサー出力がゼロ点出力のレベルで安定するまでの期間の波形をセンサー電源投入直後の立ち上がり波形とする。例えば、加速度センサー２１ａの場合、０Ｇ状態時の出力がゼロ点出力である。

このようなセンサー電源投入直後の立ち上がり波形において、センサーの劣化は、例えば、立ち上がり波形のなかで出力レベルが最初のピークに到達するまでの立ち上がり時間Ｔａ、最初のピーク値Ｐｆ、立ち上がり波形の記録開始から所定時間が経過するまでの間に立ち上がった出力に乗ったノイズ成分量（振幅回数、振幅変化の積分値など）などの値に現れる。

無線センサーモジュールＭのマイクロプロセッサ１２は、センサー電源投入直後の立ち上がり波形のデータを生成してメモリ１３に記録する。メモリ１３に記録されたセンサー電源投入直後の立ち上がり波形のデータはゲートウェイＧを通じてデータ分析システム２００に送信され、データ分析システム２００のデータ蓄積装置２０１に蓄積される。このセンサー電源投入直後の立ち上がり波形のデータ記録は、センサーに電源が投入される都度、あるいはセンサーに電源がＮ回投入される都度、あるいは一定時間に一回など、周期的に実施される。

データ分析システム２００のデータ分析装置２０２は、データ蓄積装置２０１に蓄積されたセンサー電源投入直後の立ち上がり波形のデータを分析し、分析結果をもとにセンサーの劣化判定を行う。すなわち、データ分析装置２０２のＣＰＵ３１はメモリ３２に記憶されたアプリケーションプログラムに従ってセンサーの劣化判定を次のように行う。

データ分析装置２０２のＣＰＵ３１は、センサーの劣化前の立ち上がり波形のデータの分析情報をセンサー劣化判定用の基準情報として生成し、これをデータ分析装置２０２内のメモリ３２に保存する。このセンサー劣化判定用の基準情報は個々のセンサー毎に生成され、メモリ３２に保存される。

データ分析装置２０２のＣＰＵ３１は、データ蓄積装置２０１に蓄積された次サイクルのセンサー電源投入直後の立ち上がり波形のデータについて同様に分析を行い、その新たな分析情報とメモリに保存されているセンサー劣化判定用の基準情報とを比較することによってセンサーの劣化状態の判定を行う。

すなわち、データ分析装置２０２のＣＰＵ３１は、立ち上がり時間Ｔａ、ピーク値Ｐｆ、ノイズ成分量などの値について、新たな分析情報と基準情報とを比較して各々の差分を算出し、各差分を合計した値（差分総和）を、センサーの劣化状態の評価値として求める。例えば、差分総和が閾値を超える場合にセンサーが故障状態であることを判定してもよい。
なお、センサーの劣化状態の評価値は、立ち上がり時間Ｔａ、ピーク値Ｐｆ、ノイズ成分量などの値のうち、少なくとも１つ以上を評価対象として劣化状態を判定してもよい。

また、立ち上がり時間Ｔａ、ピーク値Ｐｆ、ノイズ成分量以外のパラメータを用いて劣化状態の評価値を算出してもよい。センサーの故障や劣化状態がセンサー電源投入直後の立ち上がり波形にどのように現れるかはセンサーの構造（種類）にも依存するからである。

（センサーの立ち上がり波形の記録制御）
無線センサーモジュールＭは、無線センサーネットワーク１００内のすべてのノード間で正確に同期がとられた内部時計を有する。無線センサーモジュールＭのマイクロプロセッサ１２は、この内部時計を監視し、無線センサーネットワーク１００において自ノードに割り当てられたタイムスロットに入るまでは、センサー２１ａ、２１ｂ、２１ｃおよびセンサー信号処理回路１１への通電をオフにしたスリープ状態に設定する。

無線センサーモジュールＭのマイクロプロセッサ１２は、内部時計の時刻が自ノードに割り当てられたタイムスロットに入ったこと、またはタイムスロットに入る直前であることを知ると、センサー２１ａ、２１ｂ、２１ｃの立ち上がり波形の記録を開始する。この後、マイクロプロセッサ１２は、電源部１６のＤＣ／ＤＣコンバータ１６ｄにスリープ状態の解除信号を出力する。ＤＣ／ＤＣコンバータ１６ｄは、このスリープ状態の解除信号に従ってセンサー２１ａ、２１ｂ、２１ｃおよびセンサー信号処理回路１１への通電をオンにする。

無線センサーモジュールＭのマイクロプロセッサ１２は、記録開始から所定時間Ｔｗが経過するまでのセンサー２１ａ、２１ｂ、２１ｃの出力のデータを、センサー２１ａ、２１ｂ、２１ｃの立ち上がり波形のデータとしてメモリ１３に記録し、自ノードに割り当てられたタイムスロットを用いてゲートウェイＧに送信する。

次に（２．センサーのゼロ点出力に基づく劣化判定）について説明する。

（２−１．センサーのゼロ点出力の変化に基づく劣化判定）
センサーの経年的劣化の進行度には個体差があり、例えば温度変化や衝撃などの周辺環境から受けるストレスによっても差が出てくる。例えば加速度センサー２１ａの０Ｇ状態での出力であるゼロ点出力は、加速度センサー２１ａの劣化に伴って変化する。なお、加速度センサー２１ａの０Ｇ状態とは、監視対象である機器が停止しているときなど、加速度センサー２１ａに加わられる加速度が実質的に零のときの状態である。

データ分析装置２０２のＣＰＵ３１は、センサー２１ａ、２１ｂ、２１ｃの初期すなわち劣化がはじまる前のゼロ点出力の値をデータ蓄積装置２０１にゼロ点出力の初期値として保存する。以後、データ分析装置２０２のＣＰＵ３１は、無線センサーモジュールＭより送信され、データ蓄積装置２０１に蓄積された最新のゼロ点出力の値と初期値とを比較することによって、その差分をセンサー２１ａ、２１ｂ、２１ｃの劣化状態の評価値として得る。そして、データ分析装置２０２のＣＰＵ３１は、求めた劣化状態の評価値を閾値と比較し、劣化状態の評価値が閾値を超えている場合には、例えば、そのセンサー２１ａ、２１ｂ、２１ｃの劣化状態が高いこと、あるいは故障と判定する。

なお、センサー２１ａ、２１ｂ、２１ｃのゼロ点出力は、例えば設置環境の温度などによって若干増減するので、温度センサー２１ｂによって検出された温度に応じて閾値を動的に変更してもよい。

データ分析装置２０２のＣＰＵ３１は、無線センサーモジュールＭにより測定されたゼロ点出力の値をその都度初期値と比較して劣化状態の判定を行ってもよいし、無線センサーモジュールＭにより測定されたゼロ点出力の値の所定の時間幅毎の平均値を初期値と比較してもよい。あるいは、ゼロ点出力の値の所定の時間幅の移動平均値を初期値と比較してもよい。

（劣化判定結果の出力方法）
データ分析装置２０２のＣＰＵ３１は、劣化判定結果をメモリ３２やストレージデバイス３３に記録し、例えばディスプレイ３５などを通してユーザに提示する。あるいは、ＣＰＵ３１は、劣化判定結果をネットワーク３００を通じて接続されたユーザの端末機器に送信し、ユーザの端末機器に記録したりユーザに提示してもよい。ユーザの端末機器とは、例えば、スマートホン、携帯電話、パーソナルコンピュータ、タブレット端末などである。

ユーザに提示される劣化判定結果は、算出された劣化状態の評価値そのものであってもよいし、算出された劣化状態の評価値と閾値との比較により得られた故障判定結果であってもよい。提示される劣化判定結果には、ゼロ点出力の初期値が含まれていてもよい。あるいは、対象センサーの稼働時間、設置環境（稼働中の平均温度、加速度の平均値など）に関する情報が含まれていてもよい。このように劣化判定結果とともに、出力の初期値、対象センサーの稼働時間、設置環境に関する情報が出力されることによって、データ分析装置２０２より出力された劣化判定結果をユーザの側で検証することができる。

なお、ここで説明した劣化判定結果の出力方法は、本明細書に記載された本発明に係るすべての劣化判定方法に適用し得る。

（２−２．複数センサーのゼロ点出力の比較による劣化判定）
次に、複数センサーのゼロ点出力の比較による劣化判定について説明する。
ここで言う複数センサーとは仕様が同じ複数のセンサーである。仕様が同じ複数のセンサーは、若干の個体差があるものの本来ならばゼロ点出力の値は経年的にほぼ等しく変化する。仕様が同じ複数のセンサーは１つの無線センサーモジュールＭに接続されたセンサーであってもよいし、複数の無線センサーモジュールＭに別々に接続されたセンサーであってもよい。

データ分析装置２０２のＣＰＵ３１は、仕様が同じ複数のセンサーの各々について、一のセンサーと他の複数のセンサーとの間でのゼロ点出力の差分総和をもとに、複数のセンサー各々の劣化状態を判定する。

図６は複数のセンサーのゼロ点出力の比較方法の一例を示す図である。
ここで、仕様が同じ３つのセンサーＳ１、Ｓ２、Ｓ３を評価対象とし、各々のセンサーＳ１、Ｓ２、Ｓ３のゼロ点出力の値をＸ１、Ｘ２、Ｘ３とする。

データ分析装置２０２のＣＰＵ３１は、センサーＳ１のゼロ点出力Ｘ１とセンサーＳ２のゼロ点出力Ｘ２との差分の絶対値Ｄ（Ｘ１−Ｘ２）、センサーＳ１のゼロ点出力Ｘ１とセンサーＳ３のゼロ点出力Ｘ３との差分の絶対値Ｄ（Ｘ１−Ｘ３）、およびセンサーＳ２のゼロ点出力Ｘ１とセンサーＳ３のゼロ点出力Ｘ３との差分の絶対値Ｄ（Ｘ２−Ｘ３）をそれぞれ算出する（ステップＳ１０１）。

データ分析装置２０２のＣＰＵ３１は、センサーＳ１のゼロ点出力Ｘ１とセンサーＳ２のゼロ点出力Ｘ２との差分の絶対値Ｄ（Ｘ１−Ｘ２）とセンサーＳ１のゼロ点出力Ｘ１とセンサーＳ３のゼロ点出力Ｘ３との差分の絶対値Ｄ（Ｘ１−Ｘ３）との和を、センサーＳ１についての差分総和Ｔ１として算出する（ステップＳ１０２）。

同様に、データ分析装置２０２のＣＰＵ３１は、センサーＳ２のゼロ点出力Ｘ２とセンサーＳ３のゼロ点出力Ｘ２との差分の絶対値Ｄ（Ｘ２−Ｘ３）とセンサーＳ１のゼロ点出力Ｘ１とセンサーＳ２のゼロ点出力Ｘ２との差分の絶対値Ｄ（Ｘ１−Ｘ２）との和を、センサーＳ２についての差分総和Ｔ２として算出する（ステップＳ１０３）。

同様に、データ分析装置２０２のＣＰＵ３１は、センサーＳ２のゼロ点出力Ｘ２とセンサーＳ３のゼロ点出力Ｘ３との差分の絶対値Ｄ（Ｘ２−Ｘ３）とセンサーＳ１のゼロ点出力Ｘ１とセンサーＳ３のゼロ点出力Ｘ３との差分の絶対値Ｄ（Ｘ１−Ｘ３）との和を、センサーＳ３についての差分総和Ｔ３として算出する（ステップＳ１０４）。

以上のように、各々のセンサーＳ１、Ｓ２、Ｓ３についての差分総和Ｔ１、Ｔ２、Ｔ３が得られたところで、データ分析装置２０２のＣＰＵ３１は、これらの差分総和Ｔ１、Ｔ２、Ｔ３をもとに各センサーＳ１、Ｓ２、Ｓ３の劣化状態の判定を行う（ステップＳ１０５）。

仮に３つのセンサーＳ１、Ｓ２、Ｓ３がすべて正常である場合、各差分総和Ｔ１、Ｔ２、Ｔ３の値は論理的にはすべて"０"である。これに対し、３つのセンサーＳ１、Ｓ２、Ｓ３のうち１つが故障してその故障したセンサーのゼロ点出力が過大もしくは過小になると、その変化分が、故障したセンサーについての差分総和の値に大きく反映される。すなわち、故障したセンサー以外のセンサーについての差分総和の値には１倍の変化分しか反映されないが、故障したセンサーについての差分総和の値には２倍に反映される。これにより、故障したセンサーについての差分総和の値は、その他のセンサーについての差分総和の値よりも顕著に高くなる。

データ分析装置２０２のＣＰＵ３１は、各センサーについての差分総和の値のうち、その値が顕著に高いセンサーを劣化状態が高いセンサーとして判定する。より具体的には、差分総和の値の高さの顕著度を所定の計算式により求め、この顕著度が閾値より高い場合には劣化状態が高いことを判定する方法などが挙げられる。

顕著度Ｖの計算には、例えば、下記の計算式（１）あるいは計算式（２）を用いることができる。
Ｖ＝Ｔα／（Ｔβ＋Ｔγ）・・・（１）
Ｖ＝Ｔα／（Ｔβ＋Ｔγ）／２）・・・（２）
ここで、Ｔαは１番目に高い差分総和の値、Ｔβは２番目に高い差分総和の値、Ｔγは３番目に高い差分総和の値である。

ここで、上記２−２の劣化判定方法と、センサー毎にゼロ点出力と閾値との比較により劣化判定を行う方法とを比較する。

センサーのゼロ点出力と閾値とを比較してセンサーの劣化判定を行う方法では、センサーのゼロ点出力は周囲の温度などの設置環境によって変動するおそれがあるため、設置環境などに基づく最適閾値の管理が複雑になる。

これに対し、上記２−２の劣化判定方法は、温度などの周辺環境に応じて閾値を動的に変更するなどの複雑な閾値管理が不要となる。

なお、ここでは、劣化判定対象のセンサーの数が３つである場合について述べたが、４つ以上である場合も同様である。劣化判定対象のセンサーの数が増えるほど、劣化がすすんだセンサーについての差分総和の値の顕著度は高くなるため、より精度が高くなる。

（２−３．複数センサーのゼロ点出力の差分総和の変化に基づく劣化判定）
データ分析装置２０２のＣＰＵ３１は、各センサーＳ１、Ｓ２、Ｓ３それぞれについての差分総和Ｔ１、Ｔ２、Ｔ３の、初期値からの変化量あるいは変化率をもとに劣化判定を行うことも可能である。

すなわち、図７に示すように、データ分析装置２０２のＣＰＵ３１は、各センサーＳ１、Ｓ２、Ｓ３それぞれの初期の差分総和Ｔ１ｄ、Ｔ２ｄ、Ｔ３ｄを初期差分総和記憶部７１（メモリ３２）に保存する。

なお、図７において、センサーＳ１、Ｓ２、Ｓ３それぞれについての差分総和Ｔ１、Ｔ２、Ｔ３を算出するまでの動作、つまりステップＳ１０１からステップＳ１０４までの動作は図６と同じである。

データ分析装置２０２のＣＰＵ３１は、各センサーＳ１、Ｓ２、Ｓ３について算出された新たな差分総和Ｔ１、Ｔ２、Ｔ３と、初期差分総和記憶部７１に保存されている初期の差分総和Ｔ１ｄ、Ｔ２ｄ、Ｔ３ｄとの差を差分総和の変化量Ｚ１、Ｚ２、Ｚ３として算出する。そして、データ分析装置２０２のＣＰＵ３１は、算出された差分総和の変化量Ｚ１、Ｚ２、Ｚ３をもとに各センサーＳ１、Ｓ２、Ｓ３の劣化状態の判定を行う（ステップＳ１０６）。

例えば、データ分析装置２０２のＣＰＵ３１は、各センサーについての差分総和の変化量Ｚ１、Ｚ２、Ｚ３のうち、その値が顕著に高いセンサーを劣化状態が高いセンサーとして判定する。より具体的には、差分総和の変化量Ｚ１、Ｚ２、Ｚ３の値の高さの顕著度を所定の計算式により求め、この顕著度が閾値より高い場合には劣化状態が高いことを判定する方法などが挙げられる。

顕著度Ｗの計算には、例えば、下記の計算式（３）あるいは計算式（４）を用いることができる。
Ｗ＝Ｚα／（Ｚβ＋Ｚγ）・・・（３）
Ｗ＝Ｚα／（Ｚβ＋Ｚγ）／２）・・・（４）
ここで、Ｚαは１番目に高い差分総和の変化量の値、Ｚβは２番目に高い差分総和の変化量の値、Ｚγは３番目に高い差分総和の変化量の値である。

さらに、以上説明した各劣化判定方法は複数を組み合わせて用いることができる。例えば、各々の劣化判定方法の判定結果に優先順位や重みをつけて総合的に劣化判定を行うようにしてもよい。また、各劣化判定方法は適宜切り替えて実施されてもよい。

（各センサーの累積ストレスの差を加味した劣化判定）
センサーの劣化の原因には熱や振動などによるストレスがある。センサーは設置環境によって定常的に受けるストレス量に差があるため、複数のセンサー間で経年的劣化の進行度に差が生じる。そこで、データ分析装置２０２のＣＰＵ３１は、各センサーの累積ストレスの差を測定し、測定した各センサーの累積ストレスの差を加味してセンサーの劣化状態を判定してもよい。

図８は、各センサーの累積ストレスを加味した劣化判定方法を示す図である。
この劣化判定方法は、各センサーの累積ストレスを測定する処理（ステップＳ２０１）と、上述した電源投入直後のセンサーの立ち上がり波形に基づく劣化判定方法およびゼロ点出力に基づく劣化判定方法のいずれか１つ、もしくは複数の方法の組み合わせによる一次判定（ステップＳ２０２）と、この一次判定の結果に各センサーの累積ストレスを加味して行われる二次判定（ステップＳ２０３）とからなる。

ここで、一次判定（ステップＳ２０２）は、あくまで劣化判定対象のセンサーの出力データに基づく劣化状態の判定であり、この一次判定の結果に対して、ステップＳ２０１でセンサーの累積ストレスを測定した結果を加味した二次判定（ステップＳ２０３）を行うことによって、判定精度の向上を期待することができる。

このセンサーの累積ストレスを加味した二次判定（ステップＳ２０３）を行うために、データ分析装置２０２のＣＰＵ３１は、累積ストレスの測定に必要なセンサーデータを無線センサーモジュールＭなどから取得し、データ蓄積装置２０１に蓄積する。

センサーの累積ストレスの測定に必要なセンサーデータとは、例えば、劣化判定対象のセンサーの近くに設置された温度センサー２１ｂの機器稼動時の出力データ、劣化判定対象のセンサーの近くに設置された加速度センサー２１ａの機器稼動時の出力データなどである。

例えば、半導体デバイスとしてのセンサーの寿命は温度が高いほど短くなることが一般的である。データ分析装置２０２のＣＰＵ３１は、一次判定（ステップＳ２０２）で、劣化状態が高いこと、あるいは故障が判定されたセンサーの近くに設置された温度センサー２１ｂの機器稼動時の出力テータから求められる平均温度と、その他の温度センサー２１ｂの機器稼動時の出力テータから求められる平均温度とを比較する。データ分析装置２０２のＣＰＵ３１は、その差が顕著である場合には、一次判定の結果をそのまま二次判定（ステップＳ２０３）の結果として決定する。すなわち、センサーの劣化を環境温度による累積ストレスによる影響と関連付けて妥当な事象として判定する。

また、顕著な差がない場合、データ分析装置２０２のＣＰＵ３１は、一次判定用の閾値をより高い値に更新した上で一次判定（ステップＳ２０２）を継続し、更新された閾値をもって再び劣化状態が高いこと、あるいは故障が判定された場合には、二次判定（ステップＳ２０３）をスキップして、一次判定８１の結果を最終的な判定結果として記録したり、ユーザに提示する。

また、センサーの寿命は経年的に加えられる衝撃が大きいほど短くなることが一般的である。すなわち、データ分析装置２０２のＣＰＵ３１は、一次判定で劣化状態が高いこと、あるいは故障が判定された加速度センサー２１ａの機器稼動時の検出テータから求められる平均加速度と、その他の加速度センサー２１ａの機器稼動時の検出テータから求められる平均加速度とを比較する。データ分析装置２０２のＣＰＵ３１は、その差が顕著である場合には、一次判定の結果をそのまま二次判定（ステップＳ２０３）の結果として決定する。すなわち、センサーの劣化を加えられた衝撃による影響と関連付けて妥当な事象として判定する。

なお、累積ストレスの測定は、温度データと加速度データの両方を対象に行ってもよいし、その他、センサーにストレスを与える環境データを対象に行ってもよい。

その他、本発明は、上述の実施形態にのみ限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々変更を加え得ることは勿論である。

Ｍ…無線センサーモジュール
１…機器状態監視システム
１０ａ、１０ｂ、１０ｃ…機器
１１…センサー信号処理回路
１２…マイクロプロセッサ
１３…メモリ
１４…無線モジュール
２１…センサー
３１…ＣＰＵ
１００…無線センサーネットワーク
２００…データ分析システム
２０１…データ蓄積装置
２０２…データ分析装置
３００…ネットワーク

Claims

機器の状態を検出する計３つ以上のセンサーと、前記３つ以上のセンサーの出力から検出データを生成する第１の演算処理回路とを有する複数のセンサーモジュールと、
前記複数のセンサーモジュールにより各々生成された前記検出データを分析して前記機器の状態を診断する第２の演算処理回路を有するデータ分析装置とを有し、
前記複数のセンサーモジュールの前記第１の演算処理回路は各々、前記３つ以上のセンサーのゼロ点出力のデータを生成し、
前記データ分析装置の前記第２の演算処理回路は、前記３つ以上のセンサー各々について、一のセンサーと他の複数のセンサーとのゼロ点出力の差分総和をもとに前記３つ以上の各々のセンサーの劣化状態を判定するように構成された
機器状態監視システム。
機器の状態を検出する計３つ以上のセンサーと、前記３つ以上センサーの出力から検出データを生成する第１の演算処理回路とを有する複数のセンサーモジュールと、
前記複数のセンサーモジュールにより各々生成された前記検出データを分析して前記機器の状態を診断する第２の演算処理回路を有するデータ分析装置とを有し、
前記複数のセンサーモジュールの前記第１の演算処理回路は各々、前記３つ以上のセンサーのゼロ点出力のデータを生成し、
前記データ分析装置の前記第２の演算処理回路は、前記３つ以上のセンサー各々につい
て、一のセンサーと他の複数のセンサーとのゼロ点出力の差分総和の変化量をもとに前記３つ以上の各々のセンサーの劣化状態を判定するように構成された
機器状態監視システム。
請求項１及び２のいずれか１項に記載の機器状態監視システムであって、
前記データ分析装置の前記第２の演算処理回路は、
前記３つ以上のセンサーの累積ストレスをそれぞれ測定し、
前記３つ以上のセンサー各々のゼロ点出力のデータに基づく劣化状態の判定結果と、前記測定された前記３つ以上のセンサーの累積ストレスとをもとに、前記３つ以上のセンサーの劣化状態を判定するように構成された
機器状態監視システム。