JP6917288B2 - 保守計画生成システム - Google Patents
保守計画生成システム Download PDFInfo
- Publication number
- JP6917288B2 JP6917288B2 JP2017237643A JP2017237643A JP6917288B2 JP 6917288 B2 JP6917288 B2 JP 6917288B2 JP 2017237643 A JP2017237643 A JP 2017237643A JP 2017237643 A JP2017237643 A JP 2017237643A JP 6917288 B2 JP6917288 B2 JP 6917288B2
- Authority
- JP
- Japan
- Prior art keywords
- maintenance
- plan
- plan generation
- generation unit
- optimum
- 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
- 238000012423 maintenance Methods 0.000 title claims description 282
- 238000005457 optimization Methods 0.000 claims description 39
- 238000004364 calculation method Methods 0.000 claims description 25
- 238000000034 method Methods 0.000 claims description 22
- 238000010248 power generation Methods 0.000 claims description 14
- 238000012937 correction Methods 0.000 description 27
- 238000004458 analytical method Methods 0.000 description 10
- 238000007689 inspection Methods 0.000 description 10
- 238000012544 monitoring process Methods 0.000 description 10
- 230000000737 periodic effect Effects 0.000 description 10
- 230000005611 electricity Effects 0.000 description 8
- 238000003860 storage Methods 0.000 description 7
- 238000007405 data analysis Methods 0.000 description 6
- 230000003449 preventive effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000002068 genetic effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Description
本発明は、機械システムに対する保守計画を生成する保守計画生成システムに関する。
複数の部品を有する複数のサブシステムから構成される機械システムにおいて、この機械システムが正常に機能を発揮できるようにするためには、各部品の健全性を適切に把握し、各部品の交換、修理といった保守を適切なタイミングで実施することが肝要である。近年では、センシング技術やネットワーク技術の発展に伴い、機械部品の健全性を随時オンラインで評価することが可能になってきている(例えば、特許文献1)。さらに、このように評価された健全性に基づいて、適切な保守を実現するための保守計画の最適化に関する技術も開発されてきている(例えば、特許文献2)。
保守に関する問題に限らず、一般的にスケジュールの最適化は、イベントの開始時期などを変数として、なんらかの指標(目的関数)を最小化または最大化するための組合せ最適化問題に帰着することが知られている。また、このような組合せ最適化問題に適用できるさまざまな最適化アルゴリズムが開発されてきている。すなわち、機械システムの健全性に応じた適切な保守計画を生成する技術が確立しつつあるといえる。
上述したように、保守計画の最適化は、組合せ最適化問題に帰着する。保守計画の対象が複数の機械部品を有する機械システムの場合、保守の対象となる部品の数が少ない場合には保守の組合せパターン(例えば、保守対象の部品の保守項目と保守資源と保守日程などの組合せのパターン)も少なくなるため、全ての組合せを列挙して最適解を探索する力まかせ探索を適用することも可能である。しかし、保守対象の部品数が増加すると、組合せパターンが爆発的に増加するため、非常に高速な計算機を用いたとしても、実時間(例えば、保守の予定期間に対して十分短い時間)内で最適解の探索を完了することが不可能になりうる。
例えば、複数(N機)の風力発電機(サブシステム)を有する風力発電所(機械システム)において、各風力発電機を構成する複数(n個)の部品のそれぞれについて、T日間の保守計画を1日毎に生成することを考える。風力発電システムに対する保守計画の最適化においては、売電収入から後述するリスク(損失額の期待値)を差し引いた利益の期待値(利益期待値)を目的関数とすることが理想的である。
このとき、保守を実行するための人員や機材といった保守資源を無尽蔵に用意することができる場合は、各風力発電機について独立に最適化を行っても差し支えない。なぜなら、売電収入は、各風力発電機での発電量に応じて独立に決定されるからである。このときに考慮すべき組合せパターン数は、高々N×Tn(式1)である。
しかし、実際の風力発電所では、同一ファーム内で保守作業を行う人員や機材といった保守資源の数には、上限が存在する。このため、風力発電機間での保守資源の共有を考慮しなければならない。すなわち、風力発電機毎の保守計画が互いに影響しあうことになるので、考慮すべき組合せパターン数は、Tn×N(式2)となる。大規模風力発電所となると、数10機から100機程度の風力発電機を有することも少なくない。このとき、式2においてN=10〜100となり、組合せパターン数は天文学的数字となることは明らかである。このような場合、力まかせ探索の適用は現実的に不可能である。このような課題は、例えば、複数の発電モジュールを有する太陽光発電所や、複数の列車や車両を管理する公共交通機関の車両整備基地などでも存在する。
このため、このような体系に対しては、全組合せパターンの列挙を伴わない組合せ最適化アルゴリズムを適用することが考えられる。適用可能なアルゴリズムは、厳密解法と、遺伝的アルゴリズムや群知能アルゴリズムに代表される近似解法に大別される。いずれにしても、組合せ最適化アルゴリズムを適用すると、全ての組合せについての計算が不要であるため、力まかせ探索と比較すると劇的に探索速度が向上する。したがって、このような効率的な探索手法を導入することが効果的である。
一方で、保守計画の最適化の段階で考慮できる制約条件には限界があり、気象の急な変化や機材準備状況の急な変更などにより、提示された保守計画が必ずしも実行できるとは限らない。この場合は、人による保守計画の手動修正が必要である。保守計画に手動修正を加えるにあたっては、目的関数である利益期待値を参照しながら、実行可能な条件下で利益がより良好となりうる計画を設定するべきである。しかし、前述した組合せ最適化アルゴリズムを適用した場合には、全ての組合せについて目的関数が計算されている訳ではないので、保守計画の手動修正にあたって実行可能性と利益性とを両立する計画を設定するのは、全組合せパターンの列挙を伴わない組合せ最適化アルゴリズムを適用する限りは実現が難しい。
以上を換言すれば、複数のサブシステムを備える大規模な機械システムにおいて、リスクを考慮した保守計画の自動生成を行う場合には、実時間内で最適な保守計画を生成することと、人による保守計画の修正を効率的に行うことは、相反する課題である。このような技術的課題を解決する新たな技術の出現が待たれていた。
本発明は、複数のサブシステムを備える機械システムに対して、実時間内で保守計画を最適化できるとともに、人による保守計画の修正を効率的に行える保守計画生成システムを提供することを目的とする。
本発明による保守計画生成システムは、保守対象である複数の部品を有するサブシステムを複数備える機械システムの保守計画を生成する保守計画生成システムであって、部分最適計画生成部、部分最適計画データベース、全体最適計画生成部、及び全体最適計画データベースを備える計算機と、前記計算機に接続された表示装置とを備える。前記部分最適計画生成部は、少なくとも前記サブシステムによる収入の予測値、前記部品の損失額の期待値であるリスク、前記部品の保守項目、保守資源、及び保守期間を用いて、複数の前記サブシステムにわたっての、前記保守項目についての保守日程の組合せの全てについて、前記サブシステムのそれぞれにおける目的関数を網羅的に計算して求めるように構成される。前記部分最適計画データベースは、前記部分最適計画生成部が求めた前記目的関数を保存するように構成される。前記全体最適計画生成部は、前記部分最適計画生成部が求めた前記目的関数と、複数の前記サブシステムでの前記保守資源の共有により生じる前記保守資源についての制約を用いて、前記制約を制約条件として、前記機械システムでの前記目的関数が最適となる最適化計算を行って保守計画を求めるように構成される。前記全体最適計画データベースは、前記全体最適計画生成部が前記最適化計算を行って求めた前記保守計画と、前記保守計画についての前記目的関数を保存するように構成される。前記表示装置は、前記全体最適計画データベースが保存した、前記保守計画と前記目的関数を表示し、表示した前記保守計画をユーザが変更すると、変更後の前記保守計画に対応する前記目的関数を、前記部分最適計画データベースから読み出して表示するように構成される。
本発明によると、複数のサブシステムを備える機械システムに対して、実時間内で保守計画を最適化できるとともに、人による保守計画の修正を効率的に行える保守計画生成システムを提供することができる。
本発明による保守計画生成システムは、計算機と表示装置を備え、複数の部品を有するサブシステムを複数備える機械システムの保守計画を生成する。複数のサブシステムを備える機械システムの例は、風力発電所、太陽光発電所、公共交通機関の車両整備基地、及び鉱山などである。複数の部品を有するサブシステムの例は、風力発電機、太陽光発電の発電モジュール、列車や車両、及びダンプトラックなどである。
本発明による保守計画生成システムは、機械システム全体としての利益期待値またはリスク(損失額の期待値)を目的関数として、機械システム(特に、サブシステムが有する部品)の保守計画を最適化し、目的関数が最適となる保守計画(例えば、保守対象の部品の保守項目と保守資源と保守日程などの組合せ)を求めることができる。目的関数が利益期待値の場合は、利益期待値が最大となれば目的関数が最適となり、目的関数がリスクの場合は、リスクが最小となれば目的関数が最適となる。保守計画の最適化には、全組合せパターンの列挙を伴わない組合せ最適化アルゴリズムを適用することが考えられる。
以下、本発明の実施例による保守計画生成システムを、図面を用いて説明する。
本発明の実施例1では、機械システムが風力発電所であり、サブシステムが風力発電機である場合を説明する。風力発電所は、複数の風力発電機を備え、それぞれの風力発電機は、保守対象である複数の部品を有する。本実施例による保守計画生成システムは、このような風力発電所について最適な保守計画(例えば、各保守項目についての保守日程の組合せ)を生成する。なお、本実施例による保守計画生成システムは、最適な保守計画として、風力発電所全体としての利益期待値が最大となる保守計画を生成する。
図1は、本実施例による保守計画生成システムを風力発電所に適用した場合の構成を示す模式図である。本実施例による保守計画生成システムは、複数のデータ分析部18、最適計画生成部11、及び保守条件設定部12を備える計算機と、この計算機に接続された表示装置である表示・修正部17を備え、保守の対象である風力発電機1に接続される。
複数のデータ分析部18は、風力発電機1の数だけ備えられ、それぞれが1台の風力発電機1に接続され、各風力発電機1に対して保守計画を生成するための事前データ分析を行う。それぞれのデータ分析部18は、稼働履歴保存部7、定期検査結果保存部8、故障確率分析部2、風況予測部4、及び売電収入予測部6を備え、状態監視データ3を風力発電機1から入力する。状態監視データ3は、風力発電機1の各部品の状態を示すデータであり、部品に応じた状態(例えば、振動、摩耗、電流値など)を部品ごとに示すデータである。
稼働履歴保存部7は、状態監視データ3を入力して、風力発電機1の各部品の稼働履歴を示すデータである稼働履歴データ19を保存する。稼働履歴データ19は、風力発電機1の各部品の稼働履歴(例えば、動作時間、停止時間、動作履歴)を示すデータである。
定期検査結果保存部8は、定期検査の結果のデータである定期検査結果データ20を保存する。ユーザは、定期検査の結果のデータを定期検査結果データ20として定期検査結果保存部8に保存できる。
故障確率分析部2は、風力発電機1の保守対象の各部品の故障確率10を算出する。故障確率分析部2は、状態監視データ3、稼働履歴データ19、及び定期検査結果データ20などを入力し、これらのデータと各部品の寿命や耐久性などの必要な情報を用いて、任意の方法で、保守対象の各部品に対して、現時点と現時点から任意時間の経過後の時点との間に故障が発生する確率(故障確率10)を算出する機能を有する。各部品の状態監視データ3を入力する場合には、風力発電機1と故障確率分析部2をネットワークで接続すると、故障確率分析部2は、状態監視データ3を常時取得して、故障確率10を随時計算することができる。
なお、故障確率分析部2は、風力発電機1の内部にそれぞれ設置した計算機、または風力発電機1の外部に設置した計算機に、故障確率分析部2の機能を実現するプログラムを実行させることで構成してもよい。後者の構成の場合には、単独の故障確率分析部2で、複数の風力発電機1の各部品の故障確率10を算出してもよい。故障確率10の算出に必要な入力データの容量が大きい場合には、前者の構成をとれば、データ伝送のコストを抑制することができる。一方、入力データの容量が比較的小さい場合には、後者の構成をとると、計算機の台数を抑制できるので、システム全体としてのコストを低減できる。したがって、故障確率分析部2を構成する計算機の態様は、必要な入力データの容量と、システム全体のコストを考慮して決定されるべきである。
風況予測部4は、現時点と現時点から任意時間の経過後の時点との間の風況(風向や風速など)の予測値である予測風況5を外部から取得する。風況予測部4は、予測風況5を既存の方法を用いて自ら計算することで取得してもよい。
売電収入予測部6は、状態監視データ3と予測風況5を入力して、風力発電機1の運用によって得られる売電収入の予測値9を求める。売電収入予測部6は、例えば、状態監視データ3から得られた風力発電機1の稼働状態や稼働履歴と、予測風況5(風況の予測値)と、風力発電機1の仕様などの必要な情報を用いて、任意の方法で、売電収入の予測値9を計算する。風力発電システムでは発電量が風況に応じて変化するため、売電収入予測部6は、予測風況5や風力発電機1のこれまでの発電量実績などに応じて、売電収入の予測値9を計算するのが理想的である。風力発電機1の発電量実績を予測風況5や状態監視データ3と関連付けておくと、売電収入予測部6は、より高精度に売電収入の予測値9を求めることができる。
次に、最適計画生成部11について説明する。本実施例による保守計画生成システムは、風力発電所全体としての利益期待値を目的関数として、風力発電機1が有する部品の保守計画の最適化を行い、利益期待値が最大となる保守計画を生成する。利益期待値は、売電収入の予測値9から、各部品の故障に関する損失額の期待値であるリスクを差し引いたものとして定義する。
リスクは、風力発電機1の各部品の故障確率10と、各部品の故障に関する損失額などの必要な情報を用いて、任意の方法で求めることができる。例えば、リスクは、各部品の故障確率10と各部品の故障に関する損失額との積で求めることができる。部品の故障に関する損失額には、部品に故障が発生したときの損失額と、故障の発生を予防するために実施する予防保守の費用の双方を含む。したがって、リスクは、部品に故障が発生したときの損失額の期待値と、故障の発生の予防のために実施する予防保守の費用の期待値の双方を含む。
最適計画生成部11は、売電収入の予測値9と故障確率10を入力して、保守計画の最適化を行う。また、最適計画生成部11は、後述する保守項目定義13と保守資源制約14も保守条件設定部12から入力する。
次に、保守条件設定部12について説明する。保守条件設定部12は、保守計画を生成していく上で必要な、保守項目定義13と保守資源制約14などを設定する。
保守項目定義13は、風力発電所について保守を実施する予定期間である保守期間と、保守対象の部品の保守項目と、部品の保守項目ごとの故障時の損失額と、保守項目ごとの予防保守に要する時間、費用、及び保守資源(作業人員や機材など)を示すデータである。
保守資源制約14は、予防保守を行う上で、複数の風力発電機1間で保守資源を共有することにより生じる保守資源についての制約条件であり、保守資源の数量を基に決定することができる。この制約条件は、作業人員や機材などの保守資源を効果的に割り当てるための制約条件であり、例えば、予防保守を効率的に行うように作業人員や機材を割り当てるための条件や、同一の作業人員や機材が同時にまたは短期間のうちに複数の保守対象の部品に割り当てられないようにするための条件である。
保守条件設定部12は、保守項目定義13については、ユーザが、ユーザインターフェースを介して具体的な数値を入力することで設定可能な構成を有することが望ましい。保守資源制約14については、具体例は後述するが、例えば、対象となる風力発電所全体として確保可能な作業人員や機材の数量をユーザが入力可能な構成を有することが望ましい。保守項目定義13と保守資源制約14は、故障確率10や売電収入の予測値9のように、動的に変化する値である必要はない。
図2は、最適計画生成部11の構成を示す模式図である。最適計画生成部11は、部分最適計画生成部21、全体最適計画生成部22、部分最適計画データベース(DB)41、及び全体最適計画データベース(DB)42を備える。部分最適計画DB41と全体最適計画DB42は、表示・修正部17に接続される。
部分最適計画生成部21は、各データ分析部18から得た故障確率10と売電収入の予測値9、及び保守条件設定部12から得た保守項目定義13を入力し、各風力発電機1の運用によって得られる利益期待値16を、全ての保守の組合せパターンについて網羅的に計算する。全ての保守の組合せパターンは、例えば、複数の風力発電機1にわたっての、部品の保守項目についての保守日程の組合せの全てのパターンである。部分最適計画生成部21は、従来用いられてきた力まかせ探索を用いて総当りの網羅的計算を行って、全ての組合せパターンについて利益期待値16を求める。保守日程とは、具体的には、保守期間内における、各保守項目についての保守を開始する日時と保守を終了する日時を意味する。また、組合せパターンには、1つまたは複数の保守項目の保守を実施しないパターンも含める。各組合せパターンの利益期待値は、売電収入の予測値9から、各保守項目についての、故障確率10と故障時の損失額と予防保守にかかる費用などを用いて求めたリスク(損失額の期待値)を差し引いて求めることができる。
部分最適計画生成部21は、保守資源制約14(複数の風力発電機1間での保守資源の共有にともなう制約条件)を考慮しないため、力まかせ探索を用いた網羅的な計算を行っても、計算量を比較的小さくすることができる。但し、風力発電機1の1機あたりの保守項目数が多い場合には、保守資源の共有による制約を考えない場合でも問題規模が爆発的に大きくなる可能性がある。この場合には、各保守項目について、保守対象の部品の故障によるリスクが十分小さければ、網羅的計算を行う前にその保守項目を保守の対象から除外することで、問題規模を劇的に小さくすることが可能である。部分最適計画生成部21は、リスクが予め定めた閾値よりも小さい部品についての保守項目を除いて、すなわち、リスクが予め定めた閾値以上の部品についての保守項目のみを保守対象として、利益期待値16を網羅的に計算して求めることができる。
部分最適計画生成部21は、以上の動作により、全ての保守の組合せパターンについて、保守計画を実行する場合の利益期待値16を、各風力発電機1と風力発電所全体について、網羅的に計算する。このうち、風力発電所全体の利益期待値16が最大となる保守計画(各保守項目についての保守日程の組合せ)は、複数の風力発電機1間での保守資源の共有による制約(保守資源制約14)を考慮しない部分最適計画23である。
部分最適計画DB41は、部分最適計画生成部21が求めた、全ての組合せパターンについての利益期待値16(各風力発電機1と風力発電所全体についての利益期待値16)と部分最適計画23を保存する。部分最適計画DB41は、部分最適計画生成部21と全体最適計画生成部22に接続される。
全体最適計画生成部22は、部分最適計画生成部21が求めた、全ての組合せパターンについての利益期待値16と部分最適計画23、及び保守条件設定部12から得た保守資源制約14を入力し、利益期待値16が最大となる最適化計算を行って、風力発電所全体として最適な(すなわち、利益期待値16が最大となる)保守計画を生成する。最適化計算には、既存の方法を用いることができる。全体最適計画生成部22は、このようにして、保守資源制約14を考慮した最適な保守計画である全体最適計画15と、全体最適計画15を実行する場合の利益期待値16(最大の利益期待値16)を求めることができる。
全体最適計画生成部22は、保守資源制約14(複数の風力発電機1間での保守資源の共有にともなう制約条件)を考慮して最適化計算を行うので、問題規模が非常に大きくなる。このため、前述のようにリスクが十分小さい保守項目を保守の対象から除外したとしても、力まかせ探索を用いた総当りの網羅的計算で最適解を求めることは現実的でない。そこで、全体最適計画生成部22は、近似解法に基づくアルゴリズムを用いて最適解を求める。近似解法に基づくアルゴリズムを利用することで、全体最適計画生成部22は、実時間内で保守計画を最適化できる。全体最適計画生成部22が利用する近似解法の例には、乱数を用いた遺伝的アルゴリズムや粒子群最適化アルゴリズムなどがある。
全体最適計画生成部22は、保守資源制約14を考慮して最適な保守計画を生成するが、近似解法を用いるにあたり、保守資源制約14をペナルティ項として取り扱う。ペナルティ項Pとは、制約条件からの逸脱度合いに応じて変化する量であり、
P=w×D(式3)
と表される。式3において、wは重み付け定数であり、Dは制約条件からの逸脱度である。
P=w×D(式3)
と表される。式3において、wは重み付け定数であり、Dは制約条件からの逸脱度である。
保守項目定義13と保守資源制約14を照合すると、各保守項目についての保守が同時(例えば、同日や同時間帯)に実行可能な数(実行可能数)が必然的に決まる。このときの制約条件は「各保守項目についての保守は、実行可能数を超えて同時に実施できない」である。このとき、Dは「同一種類の保守項目についての保守が、複数の風力発電機1で実行可能数を超えて同時に実行されている日数」とすることが適当である。
全体最適計画生成部22では、目的関数を利益期待値16とペナルティ項Pの差として最適化計算を行うことで、最適な保守計画を求めることが可能である。
組合せ最適化に用いられる近似解法の多くは、初期解から進化的な計算を繰り返しながら、良解を探索していくアルゴリズムを採用している。つまり、初期解の選択方法によって、その求解性能は大きく変化する。
本実施例では、保守資源制約14を考慮した最適保守計画である全体最適計画15は、部分最適計画23の近傍に存在する可能性が高い。これは、部分最適計画23によって定義される保守計画を基にして、各保守項目についての保守日程をわずかにシフトさせることにより、保守資源制約14からの逸脱(ペナルティ項Pの影響)を回避できるケースが、実質的には多いためである。したがって、部分最適計画23を、最適解を求める近似解法の初期解または初期解の一部として用いることにより、より短い計算時間で良解を探索できる。部分最適計画23を近似解法の初期解と初期解の一部とのどちらに用いるかは、近似解法のアルゴリズムに応じて決めることができる。
全体最適計画DB42は、全体最適計画生成部22が求めた、全体最適計画15と全体最適計画15についての利益期待値16(最大の利益期待値16)を保存する。全体最適計画DB42は、全体最適計画生成部22に接続される。
表示・修正部17は、計算機用ディスプレイなどの画像出力装置であり、計算機によって描画されるグラフィカルユーザインターフェイスを表示する表示装置である。ユーザは、表示・修正部17に表示されたグラフィカルユーザインターフェイスによって、最適な保守計画(全体最適計画15)を知得することと、キーボードやマウスなどの入力装置を用いて保守計画を修正することが可能である。表示・修正部17は、部分最適計画DB41が保存した全ての組合せパターンについての利益期待値16と部分最適計画23と、全体最適計画DB42が保存した全体最適計画15と全体最適計画15についての利益期待値16(最大の利益期待値16)を読み出して表示することができる。
図3は、表示・修正部17に表示されるグラフィカルユーザインターフェイスの一例を示す図である。図3には、1号機から5号機の5機の風力発電機1を備える風力発電所において、風力発電機1が3つの保守項目を有する例を示している。但し、本実施例による保守計画生成システムでは、風力発電機1と保守項目の数は、図3に示した数に限定されず、任意である。
表示・修正部17は、グラフィカルユーザインターフェイスに、風力発電機1の名称表示欄31、風力発電機1についてのガントチャート24、最適結果表示ボタン26、及び最適化方針調整スライダ27を表示する。
ユーザが最適結果表示ボタン26をクリックまたはタップすると、表示・修正部17は、最適な保守計画(全体最適計画15)を、バー25を用いてガントチャート24に表示する。さらに、表示・修正部17は、表示された保守計画について、各風力発電機1の利益期待値16と風力発電所全体の利益期待値28を表示する。なお、風力発電所(ファーム)全体の利益期待値28は、各風力発電機1の利益期待値16を合計したものである。
表示・修正部17は、ガントチャート24に、日付32と、各風力発電機1について、日付32で示された期間における保守項目をバー25として表示する。バー25は、保守項目と、それぞれの保守項目についての保守日程とを示す。ガントチャート24は、バー25が示す期間に、バー25が示す保守項目についての保守を実施することを表す。
表示・修正部17は、ガントチャート24にスライダ33を表示する。ユーザがスライダ33を操作する(例えば、スライダ33のつまみを左右に移動させる)と、表示・修正部17は、ガントチャート24に表示する日付32の範囲を変更する。図3には、3つの保守項目を示す3つのバー25(25a〜25c)を示している。バー25により、各保守項目について保守を実施する期間を、直感的に知得しやすくなる。表示・修正部17は、同種の保守項目を示すバー25を同色で表示するのが望ましい。
全体最適計画生成部22において、式3の重み付け定数wの値が変化すると、考慮すべき制約条件の強さ(ペナルティ項Pの大きさ)が変化する。wの値を大きくして制約条件を強く(ペナルティ項Pを大きく)すると、保守項目の実行性を重視すること、すなわち、制約条件を満たすことを重視しつつ利益期待値を大きくすることになる。wの値を小さくして制約条件を弱く(ペナルティ項Pを小さく)すると、収益性を重視すること、すなわち、制約条件への考慮を小さくして利益期待値を大きくするのを重視することになる。
ユーザは、最適化方針調整スライダ27を操作することにより、wの値を変化させることができる。すなわち、ユーザは、最適化方針調整スライダ27のつまみを移動させて、保守項目の実行性と収益性のいずれを重視するかを設定することができる。グラフィカルユーザインターフェイス上の最適化方針調整スライダ27のつまみの位置(制約条件の強さ)とwの値との関係は、予め任意に定めることができる。
全体最適計画生成部22は、予め、最適化方針調整スライダ27に対応付けられた複数のwの値を用いて最適化計算を行い、それぞれのwの値について全体最適計画15と利益期待値16を求めて、全体最適計画データベース42に保存しておくことができる。全体最適計画生成部22は、ユーザが最適結果表示ボタン26を操作すると、ユーザが最適化方針調整スライダ27を操作して設定したwの値に応じた全体最適計画15を、全体最適計画データベース42から呼び出して表示・修正部17に表示する。
このようにすると、ユーザは、最適化方針調整スライダ27を操作して、実行性と収益性をどの程度重視するかを設定した上で、最適結果表示ボタン26を操作して、所望の最適な保守計画(全体最適計画15)を、各風力発電機1の利益期待値16や風力発電所全体の利益期待値28とともに、表示・修正部17に表示することができる。
また、ユーザは、ガントチャート24上で、最適な保守計画を編集することが可能である。全体最適計画生成部22は、保守資源制約14を考慮して最適な保守計画を生成する。しかし、実用上の制約を全て事前に調べ上げて保守資源制約14とし、全体最適計画生成部22で考慮することは現実的に難しく、また、保守作業を実行に移す直前に新たな制約条件が生じる場合もある。このような場合に、最適な保守計画の編集機能は非常に重要である。
ユーザは、グラフィカルユーザインターフェイス上でドラッグ操作などにより、保守項目を示すバー25を移動させることによって、各保守項目についての保守日程(保守の開始日時)を変更することが可能である。ユーザがバー25を移動させて表示・修正部17に表示された保守日程を変更すると、全体最適計画生成部22は、変更後の保守日程(保守計画)に対応する利益期待値16を、部分最適計画DB41から読み出して、表示・修正部17に直ちに表示する。表示・修正部17は、このようにして、利益期待値16の表示を更新することができる。全体最適計画生成部22は、ユーザが変更した保守日程についての(すなわち、ユーザによる変更を満たす保守の組合せパターンについての)利益期待値16を、再計算せずに、部分最適計画DB41から読み出す。このため、全体最適計画生成部22は、ユーザによる変更を反映した利益期待値16を、表示・修正部17に直ちに表示することができる。
また、全体最適計画生成部22は、ユーザがバー25を移動させるためにクリックまたはタップ操作でバー25を保持した瞬間に、バー25の移動先に応じた利益期待値16を示すコンター表示29を表示・修正部17に表示することもできる。すなわち、全体最適計画生成部22は、ユーザがバー25を移動させたときの利益期待値16を、表示・修正部17にコンター表示29でプレビュー表示することもできる。全体最適計画生成部22は、ユーザが保持したバー25が示す保守項目に対し、ガントチャート24上に表示されている日程内で保守を開始した場合の利益期待値16を部分最適計画DB41から読み出して、コンター表示29で表示・修正部17に表示する。表示・修正部17は、利益期待値16を示すコンター表示29を、利益期待値16の大きさに応じて色や濃さが異なるように表示する。
図3には、ユーザが2号機の7月2日の保守項目を示すバー25をマウスポインタ30で保持すると、バー25の移動先に応じた利益期待値16を示すコンター表示29がガントチャート24に表示された例を示している。図3のコンター表示29は、3種類の色または濃さを有し、バー25の移動先に応じて利益期待値16が3つの値(または3つの範囲)に異なることを示している。
このようにすると、ユーザは、バー25の移動先(すなわち、バー25が示す保守項目についての保守日程の変更)に応じた利益期待値16を、容易に把握することができる。
本実施例による保守計画生成システムは、このような保守計画の編集機能を備えるので、ユーザは、利益期待値16がより大きくなる日程を優先させて保守計画を効率的に修正することが可能である。これらの効率的な編集作業を支援する機能は、部分最適計画生成部21が、利益期待値16を全ての保守計画の日程の組合せ(全ての保守の組合せパターン)について網羅的に計算して部分最適計画DB41に保存していることで、実現できる。
なお、本実施例では、機械システムが風力発電所であり、サブシステムが風力発電機である場合を例に挙げたが、風力発電以外の任意の発電方式にも、本発明による保守計画生成システムを適用できる。すなわち、機械システムが発電所であり、サブシステムが発電装置であっても、本発明による保守計画生成システムを適用できる。
実施例1では、機械システムが風力発電所であり、サブシステムが風力発電機である場合を例にとり、目的関数を利益期待値とし、機械システム全体での利益期待値が最大となる保守計画を生成する保守計画生成システムについて説明した。本発明による保守計画生成システムは、目的関数を利益期待値のみに限定せず、例えば、目的関数を機械システム全体としてのリスク(損失額の期待値)とし、機械システム全体でのリスクが最小となる保守計画を最適な保守計画として生成することもできる。
本実施例による保守計画生成システムは、最適計画生成部11が行う保守計画の最適化において、目的関数を機械システム全体としてのリスクとし、リスクが最小となる保守計画を最適計画生成部11が求める。部分最適計画生成部21は、全ての保守の組合せパターンを求め、リスクが最小となる保守計画(保守日程の組合せ)を部分最適計画23とする。全体最適計画生成部22は、保守資源制約14(ペナルティ項)を考慮してリスクが最小となる最適な保守計画を生成するので、リスクとペナルティ項の和が最小となる保守計画を求める。
表示・修正部17は、実施例1と同様に、サブシステムについてのガントチャート24を表示し、最適な保守計画(全体最適計画15)をガントチャート24に表示する。但し、表示・修正部17は、表示された保守計画について、各サブシステムのリスクと、機械システム全体としてのリスクを表示する。
本実施例による保守計画生成システムは、リスクを目的関数としてリスクが最小となる保守計画を生成するので、例えば、複数の列車や車両を対象にした車両整備基地における保守計画の生成や、複数のダンプトラックが稼働する鉱山での保守計画の生成などに適用することできる(機械システムが車両整備基地や鉱山であり、サブシステムが鉄道車両やダンプトラックである)。
このように、本発明による保守計画生成システムは、機械システムに応じて目的関数を定めることができる。
なお、本発明は、上記の実施例に限定されるものではなく、様々な変形が可能である。例えば、上記の実施例は、本発明を分かりやすく説明するために詳細に説明したものであり、本発明は、必ずしも説明した全ての構成を備える態様に限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能である。また、ある実施例の構成に他の実施例の構成を加えることも可能である。また、各実施例の構成の一部について、削除したり、他の構成を追加・置換したりすることが可能である。
1…風力発電機、2…故障確率分析部、3…状態監視データ、4…風況予測部、5…予測風況、6…売電収入予測部、7…稼働履歴保存部、8…定期検査結果保存部、9…売電収入の予測値、10…故障確率、11…最適計画生成部、12…保守条件設定部、13…保守項目定義、14…保守資源制約、15…全体最適計画、16…利益期待値、17…表示・修正部、18…データ分析部、19…稼働履歴データ、20…定期検査結果データ、21…部分最適計画生成部、22…全体最適計画生成部、23…部分最適計画、24…ガントチャート、25、25a〜25c…バー、26…最適結果表示ボタン、27…最適化方針調整スライダ、28…風力発電所全体の利益期待値、29…コンター表示、30…マウスポインタ、31…名称表示欄、32…日付、33…スライダ、41…部分最適計画データベース、42…全体最適計画データベース。
Claims (12)
- 保守対象である複数の部品を有するサブシステムを複数備える機械システムの保守計画を生成する保守計画生成システムであって、
部分最適計画生成部、部分最適計画データベース、全体最適計画生成部、及び全体最適計画データベースを備える計算機と、
前記計算機に接続された表示装置と、
を備え、
前記部分最適計画生成部は、少なくとも前記サブシステムによる収入の予測値、前記部品の損失額の期待値であるリスク、前記部品の保守項目、保守資源、及び保守期間を用いて、複数の前記サブシステムにわたっての、前記保守項目についての保守日程の組合せの全てについて、前記サブシステムのそれぞれにおける目的関数を網羅的に計算して求めるように構成され、
前記部分最適計画データベースは、前記部分最適計画生成部が求めた前記目的関数を保存するように構成され、
前記全体最適計画生成部は、前記部分最適計画生成部が求めた前記目的関数と、複数の前記サブシステムでの前記保守資源の共有により生じる前記保守資源についての制約を用いて、前記制約を制約条件として、前記機械システムでの前記目的関数が最適となる最適化計算を行って保守計画を求めるように構成され、
前記全体最適計画データベースは、前記全体最適計画生成部が前記最適化計算を行って求めた前記保守計画と、前記保守計画についての前記目的関数を保存するように構成され、
前記表示装置は、前記全体最適計画データベースが保存した、前記保守計画と前記目的関数を表示し、表示した前記保守計画をユーザが変更すると、変更後の前記保守計画に対応する前記目的関数を、前記部分最適計画データベースから読み出して表示するように構成される、
ことを特徴とする保守計画生成システム。 - 前記全体最適計画生成部は、近似解法に基づくアルゴリズムを用いて前記最適化計算を行って前記保守計画を求める、
請求項1に記載の保守計画生成システム。 - 前記部分最適計画生成部は、網羅的に計算して求めた前記目的関数が最適となる前記保守日程の組合せである部分最適計画を求め、
前記全体最適計画生成部は、前記近似解法として乱数を用いたアルゴリズムを用い、前記近似解法の初期解または初期解の一部に、前記部分最適計画生成部が求めた前記部分最適計画を用いる、
請求項2に記載の保守計画生成システム。 - 前記目的関数は、前記リスクであり、
前記リスクは、前記部品の故障確率と前記部品の故障に関する損失額との積で求められ、
前記全体最適計画生成部は、前記機械システムでの前記リスクが最小となる前記最適化計算を行う、
請求項1または2に記載の保守計画生成システム。 - 前記目的関数は、前記リスクであり、
前記リスクは、前記部品の故障確率と前記部品の故障に関する損失額との積で求められ、
前記全体最適計画生成部は、前記機械システムでの前記リスクが最小となる前記最適化計算を行い、
前記部分最適計画生成部は、前記部分最適計画として、前記リスクが最小となる前記保守日程の組合せを求める、
請求項3に記載の保守計画生成システム。 - 前記サブシステムは、発電装置であり、
前記目的関数は、前記発電装置によって得られる収入の予測値から前記リスクを差し引いた利益期待値であり、
前記全体最適計画生成部は、前記機械システムでの前記利益期待値が最大となる前記最適化計算を行う、
請求項1または2に記載の保守計画生成システム。 - 前記サブシステムは、発電装置であり、
前記目的関数は、前記発電装置によって得られる収入の予測値から前記リスクを差し引いた利益期待値であり、
前記全体最適計画生成部は、前記機械システムでの前記利益期待値が最大となる前記最適化計算を行い、
前記部分最適計画生成部は、前記部分最適計画として、前記利益期待値が最大となる前記保守日程の組合せを求める、
請求項3に記載の保守計画生成システム。 - 前記発電装置は、風力発電機であり、
前記発電装置によって得られる収入の予測値は、前記風力発電機の運用によって得られる売電収入の予測値である、
請求項6に記載の保守計画生成システム。 - 前記発電装置は、風力発電機であり、
前記発電装置によって得られる収入の予測値は、前記風力発電機の運用によって得られる売電収入の予測値である、
請求項7に記載の保守計画生成システム。 - 前記表示装置は、前記全体最適計画生成部が前記最適化計算を行って求めた前記保守計画を、前記保守項目と前記保守項目についての保守日程とを示すバーを用いてガントチャートに表示する、
請求項1に記載の保守計画生成システム。 - 前記表示装置は、表示した前記保守計画を前記ユーザが前記バーを移動させて変更すると、変更後の前記保守計画に対応する前記目的関数を前記部分最適計画データベースから読み出して表示し、前記目的関数の表示を更新する、
請求項10に記載の保守計画生成システム。 - 前記部分最適計画生成部は、前記リスクが予め定めた閾値よりも小さい前記部品についての前記保守項目を除いて、前記目的関数を網羅的に計算して求める、
請求項1に記載の保守計画生成システム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017237643A JP6917288B2 (ja) | 2017-12-12 | 2017-12-12 | 保守計画生成システム |
PCT/JP2018/036654 WO2019116683A1 (ja) | 2017-12-12 | 2018-10-01 | 保守計画生成システム |
TW107144044A TWI688846B (zh) | 2017-12-12 | 2018-12-07 | 維護計畫生成系統 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017237643A JP6917288B2 (ja) | 2017-12-12 | 2017-12-12 | 保守計画生成システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019105973A JP2019105973A (ja) | 2019-06-27 |
JP6917288B2 true JP6917288B2 (ja) | 2021-08-11 |
Family
ID=66820082
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017237643A Active JP6917288B2 (ja) | 2017-12-12 | 2017-12-12 | 保守計画生成システム |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP6917288B2 (ja) |
TW (1) | TWI688846B (ja) |
WO (1) | WO2019116683A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113933708B (zh) * | 2021-10-13 | 2023-11-14 | 哈尔滨电机厂有限责任公司 | 一种发电机组智能诊断故障原因概率的自修正方法 |
JP2023058819A (ja) * | 2021-10-14 | 2023-04-26 | 株式会社日立製作所 | 連携管理装置及び連携管理方法 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4056713B2 (ja) * | 2001-03-26 | 2008-03-05 | 株式会社MERSTech | 風力発電設備 |
JP2003203151A (ja) * | 2001-10-26 | 2003-07-18 | Mitsubishi Electric Corp | 経営計画作成システム |
US8874477B2 (en) * | 2005-10-04 | 2014-10-28 | Steven Mark Hoffberg | Multifactorial optimization system and method |
JP4977064B2 (ja) * | 2008-03-12 | 2012-07-18 | 株式会社東芝 | 保守計画支援システム |
JP5025676B2 (ja) * | 2009-03-25 | 2012-09-12 | 株式会社東芝 | 監視装置および監視方法 |
JP5439357B2 (ja) * | 2010-12-28 | 2014-03-12 | 三菱重工業株式会社 | 工事時期選択装置及び工事時期選択方法 |
JP2013142291A (ja) * | 2012-01-06 | 2013-07-22 | Mitsubishi Heavy Ind Ltd | 演算装置、方法、プログラム、及びそれを備えた風力発電装置、並びにウインドファーム |
US9244506B2 (en) * | 2012-11-16 | 2016-01-26 | Siemens Aktiengesellschaft | Method of controlling a power plant |
WO2015114760A1 (ja) * | 2014-01-29 | 2015-08-06 | 株式会社日立製作所 | 計画立案支援システム、計画立案支援方法及びプログラム |
US9683913B2 (en) * | 2014-07-23 | 2017-06-20 | The Boeing Company | System and method for evaluating remaining life of an operative sub-system of a vehicle |
JP6373682B2 (ja) * | 2014-08-01 | 2018-08-15 | 株式会社日立製作所 | 風力発電設備の応力推定装置および風力発電設備の応力推定方法、風力発電システム |
CN105226703B (zh) * | 2015-09-22 | 2017-11-10 | 江苏大学 | 基于影响指数和权衡技术的分布式风电多目标规划方法 |
JP6461779B2 (ja) * | 2015-12-21 | 2019-01-30 | 株式会社日立製作所 | 計画調整システムおよび計画調整方法 |
JP2019113883A (ja) * | 2016-03-25 | 2019-07-11 | 株式会社日立製作所 | 稼働補助装置及び風力発電システム |
JP6767203B2 (ja) * | 2016-08-24 | 2020-10-14 | 株式会社東芝 | 保守支援装置、保守支援方法およびコンピュータプログラム |
JP6462954B1 (ja) * | 2017-11-29 | 2019-01-30 | 三菱電機株式会社 | 保守計画システムおよび保守計画方法 |
-
2017
- 2017-12-12 JP JP2017237643A patent/JP6917288B2/ja active Active
-
2018
- 2018-10-01 WO PCT/JP2018/036654 patent/WO2019116683A1/ja active Application Filing
- 2018-12-07 TW TW107144044A patent/TWI688846B/zh active
Also Published As
Publication number | Publication date |
---|---|
WO2019116683A1 (ja) | 2019-06-20 |
JP2019105973A (ja) | 2019-06-27 |
TWI688846B (zh) | 2020-03-21 |
TW201928559A (zh) | 2019-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113099729B (zh) | 生产调度的深度强化学习 | |
Yuldoshev et al. | Use of artificial intelligence methods in operational planning of textile production | |
Stock-Williams et al. | Automated daily maintenance planning for offshore wind farms | |
Frantzén et al. | A simulation-based scheduling system for real-time optimization and decision making support | |
Burke et al. | A Pareto-based search methodology for multi-objective nurse scheduling | |
Liu et al. | Aggregate production planning for shipbuilding with variation-inventory trade-offs | |
Zhu et al. | A dynamic programming-based maintenance model of offshore wind turbine considering logistic delay and weather condition | |
Pereira Jr et al. | On multicriteria decision making under conditions of uncertainty | |
Fritzsche et al. | An integrated logistics model of spare parts maintenance planning within the aviation industry | |
Dalal et al. | Chance-constrained outage scheduling using a machine learning proxy | |
Ajorlou et al. | Artificial bee colony algorithm for CONWIP production control system in a multi-product multi-machine manufacturing environment | |
JP2003016374A (ja) | 発電設備計画の評価方法、発電設備計画の策定方法及びプログラム | |
Haoues et al. | Outsourcing optimization in two-echelon supply chain network under integrated production-maintenance constraints | |
Samal et al. | Joint optimization of preventive maintenance and spare parts inventory using genetic algorithms and particle swarm optimization algorithm | |
JP6917288B2 (ja) | 保守計画生成システム | |
Sheikhalishahi | An integrated simulation-data envelopment analysis approach for maintenance activities planning | |
Manco et al. | Maintenance management for geographically distributed assets: a criticality-based approach | |
Safaei et al. | Multi-threaded simulated annealing for a bi-objective maintenance scheduling problem | |
Feng et al. | An intelligent system for offshore wind farm maintenance scheduling optimization considering turbine production loss | |
Hrybkov et al. | Development of information technology for planning order fulfillment at a food enterprise | |
Arena et al. | A maintenance driven scheduling cockpit for integrated production and maintenance operation schedule | |
Ma et al. | Multi-objective optimisation of multifaceted maintenance strategies for wind farms | |
Wang et al. | Technology portfolio adoption considering capacity planning under demand and technology uncertainty | |
Fan et al. | Optimization of equipment replacement: dynamic programming-based optimization | |
Hossain et al. | PSO-based harmony search algorithm to aggregate production planning under possibilistic environment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200722 |
|
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: 20210622 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210719 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6917288 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |