JP7166106B2 - 設置環境推定装置及びプログラム - Google Patents

設置環境推定装置及びプログラム Download PDF

Info

Publication number
JP7166106B2
JP7166106B2 JP2018162403A JP2018162403A JP7166106B2 JP 7166106 B2 JP7166106 B2 JP 7166106B2 JP 2018162403 A JP2018162403 A JP 2018162403A JP 2018162403 A JP2018162403 A JP 2018162403A JP 7166106 B2 JP7166106 B2 JP 7166106B2
Authority
JP
Japan
Prior art keywords
installation environment
equipment
data
feature amount
facility
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
Application number
JP2018162403A
Other languages
English (en)
Other versions
JP2020035254A (ja
Inventor
宣明 田崎
利宏 妻鹿
一宏 小松
仁 川▲崎▼
直也 福岡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
MITSUBISHI ELECTRIC BUILDING SOLUTIONS CORPORATION
Mitsubishi Electric Corp
Original Assignee
MITSUBISHI ELECTRIC BUILDING SOLUTIONS CORPORATION
Mitsubishi Electric Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by MITSUBISHI ELECTRIC BUILDING SOLUTIONS CORPORATION, Mitsubishi Electric Corp filed Critical MITSUBISHI ELECTRIC BUILDING SOLUTIONS CORPORATION
Priority to JP2018162403A priority Critical patent/JP7166106B2/ja
Priority to PCT/JP2019/026358 priority patent/WO2020044779A1/ja
Priority to EP19855863.7A priority patent/EP3825875B1/en
Priority to CN201980053779.4A priority patent/CN112585610B/zh
Priority to ES19855863T priority patent/ES2966109T3/es
Publication of JP2020035254A publication Critical patent/JP2020035254A/ja
Priority to US17/145,012 priority patent/US20210150437A1/en
Application granted granted Critical
Publication of JP7166106B2 publication Critical patent/JP7166106B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass
    • G01M99/008—Subject matter not provided for in other groups of this subclass by doing functionality tests
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/906—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/908—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • 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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • 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
    • G06Q10/20—Administration of product repair or maintenance

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Databases & Information Systems (AREA)
  • Development Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • Automation & Control Theory (AREA)
  • Library & Information Science (AREA)
  • Mathematical Physics (AREA)
  • Manufacturing & Machinery (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Human Computer Interaction (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Description

本発明は、設置環境推定装置及びプログラム、特に設備が設置されている環境の推定に関する。
ビル等の施設に設置されている電気設備や照明設備等の設備を監視するためには、現在の設備の状態を正確に把握する必要がある。そのために、設備のメーカ、型式、製造番号等の属性情報を設備の撮影画像から抽出して取得したりしている。
また、設備が送出する情報や設備又は設備周辺に設置した種々のセンサからセンサデータや稼働状態を収集し、収集した情報及びその履歴情報等を解析するなどして設備の状態を把握するようにしている。
特開２００２－０６２２５２号公報 特開２００４－３６２１０３号公報 特開２００７－１８７５５２号公報 特開２００９－２５１８２２号公報 特開２０１１－０９０５９３号公報 国際公開２０１７／０１７９５６号
ところで、同じ機種の設備が同じように運用されていても、例えば、塵埃が相対的に多く発生する場所、風通しの悪い場所、あるいは直射日光が当たる場所等に設置された設備は、そうでない場所に設置されている設備より状態が悪化することが容易に推測できる。このように、設備の状態は、設備の設置場所の環境によって異なってくる場合がある。
設備の設置環境は、例えば保守員が保守点検時に記録したり、巡回したりすれば把握することは可能かもしれない。しかしながら、人手により収集され記録される情報（設置環境の善し悪し等）は、主観的で個人差が生じうる。
本発明は、機器により収集されるデータを利用して設備の設置環境をより客観的に推定することを目的とする。
本発明に係る設置環境推定装置は、携帯される機器により収集されたデータであって監視対象の設備に関するデータを取得する取得手段と、前記取得手段が取得したデータを解析することで当該データの特徴量を抽出する抽出手段と、前記抽出手段が抽出したデータの特徴量を、前記機器毎の特徴量の項目毎に予め設定されている分類モデルと照合することによって前記設備の設置環境を推定する推定手段と、前記設備毎の属性情報を記憶する属性情報記憶手段と、前記推定手段が推定した前記設備の設置環境と閾値との比較により当該設備の故障の予兆を診断する故障予兆診断手段と、を有し、前記故障予兆診断手段は、前記設備の設置環境との比較に用いる閾値を当該設備の属性情報の属性値に応じて補正するものである。
また、本発明に係る設置環境推定装置は、携帯される機器により収集されたデータであって監視対象の設備に関するデータを取得する取得手段と、前記取得手段が取得したデータを解析することで当該データの特徴量を抽出する抽出手段と、前記抽出手段が抽出したデータの特徴量を、前記機器毎の特徴量の項目毎に予め設定されている分類モデルと照合することによって前記設備の設置環境を推定する推定手段と、前記推定手段が推定した前記設備の設置環境に基づいて前記機器によるデータ収集の方法を、機器を操作するユーザに推奨する推奨手段と、を有するものである。
また、本発明に係る設置環境推定装置は、携帯される機器により収集されたデータであって監視対象の設備に関するデータを取得する取得手段と、前記取得手段が取得したデータを解析することで当該データの特徴量を抽出する抽出手段と、前記抽出手段が抽出したデータの特徴量を、前記機器毎の特徴量の項目毎に予め設定されている分類モデルと照合することによって前記設備の設置環境を推定する推定手段と、前記推定手段が推定した前記設備の設置環境を模式的に表示させるよう制御する表示制御手段と、を有するものである。
また、本発明に係る設置環境推定装置は、携帯される機器により収集されたデータであって監視対象の設備に関するデータを取得する取得手段と、前記取得手段が取得したデータを解析することで当該データの特徴量を抽出する抽出手段と、前記抽出手段が抽出したデータの特徴量を、前記機器毎の特徴量の項目毎に予め設定されている分類モデルと照合することによって前記設備の設置環境を推定する推定手段と、を有し、前記機器は、保守員が携行する携帯端末に搭載されているセンサ又はカメラである。
また、前記設備の設置環境を示す環境項目に、当該環境項目の推定に用いるデータを収集する機器と、当該機器が収集したデータの抽出すべき特徴量と、を対応付けした設置環境推定情報を記憶する設置環境推定情報記憶手段を有し、前記抽出手段は、前記設置環境推定情報を参照して前記データの特徴量を抽出するものである。
また、前記設備毎の属性情報を記憶する属性情報記憶手段を有し、前記抽出手段は、前記取得手段が取得したデータを解析することで抽出した当該データの特徴量を当該設備の属性情報の属性値に応じて補正するものである。
また、前記推定手段が推定した前記設備の設置環境に基づいて当該設備の保守の方法を、当該設備の保守員に推奨する推奨手段を有するものである。
また、前記推定手段が推定した前記設備の設置環境を修正させる修正手段を有するものである。
本発明に係るプログラムは、コンピュータを、携帯される機器により収集されたデータであって監視対象の設備に関するデータを取得する取得手段、前記取得手段が取得したデータを解析することで当該データの特徴量を抽出する抽出手段、前記抽出手段が抽出したデータの特徴量を、前記機器毎の特徴量の項目毎に予め設定されている分類モデルと照合することによって前記設備の設置環境を推定する推定手段、として機能させ、前記故障予兆診断手段は、前記設備の設置環境との比較に用いる閾値を当該設備の属性情報の属性値に応じて補正するものである。
本発明に係るプログラムは、コンピュータを、携帯される機器により収集されたデータであって監視対象の設備に関するデータを取得する取得手段、前記取得手段が取得したデータを解析することで当該データの特徴量を抽出する抽出手段、前記抽出手段が抽出したデータの特徴量を、前記機器毎の特徴量の項目毎に予め設定されている分類モデルと照合することによって前記設備の設置環境を推定する推定手段、前記推定手段が推定した前記設備の設置環境に基づいて前記機器によるデータ収集の方法を、機器を操作するユーザに推奨する推奨手段、として機能させるためのものである。
本発明に係るプログラムは、コンピュータを、携帯される機器により収集されたデータであって監視対象の設備に関するデータを取得する取得手段、前記取得手段が取得したデータを解析することで当該データの特徴量を抽出する抽出手段、前記抽出手段が抽出したデータの特徴量を、前記機器毎の特徴量の項目毎に予め設定されている分類モデルと照合することによって前記設備の設置環境を推定する推定手段、前記推定手段が推定した前記設備の設置環境を模式的に表示させるよう制御する表示制御手段として機能させるためのものである。
本発明に係るプログラムは、コンピュータを、携帯される機器により収集されたデータであって監視対象の設備に関するデータを取得する取得手段、前記取得手段が取得したデータを解析することで当該データの特徴量を抽出する抽出手段、前記抽出手段が抽出したデータの特徴量を、前記機器毎の特徴量の項目毎に予め設定されている分類モデルと照合することによって前記設備の設置環境を推定する推定手段、として機能させ、前記機器は、保守員が携行する携帯端末に搭載されているセンサ又はカメラである。
本発明によれば、機器により収集されるデータを利用して設備の設置環境をより客観的に推定することができる。
実施の形態１における設置環境推定装置を示すブロック構成図である。 実施の形態１における設置環境推定装置のハードウェア構成図である。 実施の形態１における設置環境推定処理を示すフローチャートである。 実施の形態１における分類モデルのデータ構成の一例を示す図である。 実施の形態２における設置環境推定装置を示すブロック構成図である。 実施の形態２における設置環境推定情報記憶部に設定される設置環境推定情報のデータ構成の一例を示す図である。 図６Ａに続く設置環境推定情報のデータ構成の一例を示す図である。 実施の形態２における設置環境推定方法の一例を示す概念図である。 実施の形態２における設置環境推定方法の他の例を示す概念図である。 実施の形態２における設置環境推定方法の他の例を示す概念図である。 実施の形態２における設置環境推定方法の他の例を示す概念図である。 実施の形態３における設置環境推定装置を示すブロック構成図である。 実施の形態３における属性情報記憶部に設定される属性情報のデータ構成の一例を示す図である。 実施の形態３における診断ルール記憶部に設定される診断ルールのデータ構成の一例を示す図である。 実施の形態３における設置環境推定処理を示すフローチャートである。 実施の形態４における設置環境推定装置を示すブロック構成図である。 実施の形態４における属性情報記憶部に設定される属性情報のデータ構成の一例を示す図である。 実施の形態４における設置環境推定処理を示すフローチャートである。 実施の形態５における設置環境推定装置を示すブロック構成図である。 実施の形態６における設置環境推定装置を示すブロック構成図である。 実施の形態７における設置環境推定装置を示すブロック構成図である。 実施の形態８における設置環境推定装置を示すブロック構成図である。 実施の形態８において、設置環境情報を３次元ＣＡＤデータにて表示したときの例を示す図である。 実施の形態８において、設置環境情報を２次元ＣＡＤデータにて表示したときの例を示す図である。
以下、図面に基づいて、本発明の好適な実施の形態について説明する。
実施の形態１．
図１は、本発明に係る設置環境推定装置の一実施の形態を示したブロック構成図である。本実施の形態における設置環境推定装置１０は、例えばビル等の施設に設置されている設備を監視する監視センタ等に設置されるコンピュータにより実現される。本実施の形態における設置環境推定装置１０は、詳細は後述するように設備が設置されている現場において収集されたデータを解析することで設備が設置されている場所の環境、すなわち設備の設置環境を客観的に推定することを特徴としている。この解析の対象となるデータは、基本的には、保守員等が現場に持ち込んだ機器が取得するデータである。機器としては、各種センサやカメラ等の撮影手段を想定している。特に、本実施の形態では、保守員が携行する携帯端末、例えばスマートフォンやタブレット端末を想定し、その携帯端末に搭載されているセンサやカメラ、あるいはＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）等の測位手段などの各種機器を有効利用する。ただ、これは、携帯端末以外の機器が取得したデータを排除するものではなく、設備に内蔵されているセンサや設備近傍に設置されているセンサ等の機器が取得したデータを利用してもよい。
図２は、本実施の形態における設置環境推定装置１０を形成するコンピュータのハードウェア構成図である。本実施の形態における設置環境推定装置１０は、パーソナルコンピュータ（ＰＣ）等の従前から存在する汎用的なハードウェア構成で実現できる。すなわち、設置環境推定装置１０は、図２に示すＣＰＵ９１、ＲＯＭ９２、ＲＡＭ９３、ハードディスクドライブ（ＨＤＤ）９４、入力手段として設けられたマウス９５とキーボード９６、及び表示手段として設けられたディスプレイ９７をそれぞれ接続する入出力コントローラ９８、通信手段として設けられたネットワークインタフェース（ＩＦ）９９を内部バス１００に接続して構成される。
図１に戻り、本実施の形態における設置環境推定装置１０は、データ取得部１１、特徴量抽出部１２、設置環境推定部１３、分類モデル記憶部１４及び設置環境情報記憶部１５を有している。なお、本実施の形態の説明に用いない構成要素については、図から省略している。データ取得部１１は、前述した機器によって収集されたデータであって監視対象となる設備に関するデータを取得する。本実施の形態では、データ取得部１１が取得したデータに基づき設備の設置環境を推定するので、データ取得部１１が取得する「設備に関するデータ」というのは、解析されることで設備の設置環境を推定可能なデータである。特徴量抽出部１２は、データ取得部１１が取得したデータを解析することで当該データの特徴量を抽出する。設置環境推定部１３は、特徴量抽出部１２が抽出したデータの特徴量を、分類モデル記憶部１４に設定されている分類モデルと照合することによって設備の設置環境を推定し、その推定結果を設置環境情報として設置環境情報記憶部１５に保存する。
分類モデル記憶部１４には、種々の分類モデルが設定登録される。各分類モデルは、機器毎特徴量の項目毎に予め設定されている。例えば、機器がカメラの場合、カメラは、データとして撮影画像を得るが、撮影画像を解析することで撮影範囲（設備の設置場所）の汚れ具合（汚れ領域）や撮影範囲を占める設備の設置領域（設備領域）などが特徴量として抽出できるが、この汚れ領域や設備領域が特徴量の項目に該当する。分類モデルの具体的な例は、処理の説明と合わせて説明する。
設置環境推定装置１０における各構成要素１１～１３は、設置環境推定装置１０を形成するコンピュータと、コンピュータに搭載されたＣＰＵ９１で動作するプログラムとの協調動作により実現される。また、各記憶部１４，１５は、設置環境推定装置１０に搭載されたＨＤＤ９４にて実現される。あるいは、ＲＡＭ９３又は外部にある記憶手段をネットワーク経由で利用してもよい。
また、本実施の形態で用いるプログラムは、通信手段により提供することはもちろん、ＣＤ－ＲＯＭやＵＳＢメモリ等のコンピュータ読み取り可能な記録媒体に格納して提供することも可能である。通信手段や記録媒体から提供されたプログラムはコンピュータにインストールされ、コンピュータのＣＰＵ９１がプログラムを順次実行することで各種処理が実現される。
次に、本実施の形態における設置環境推定装置１０が実施する設置環境推定処理について図３に示すフローチャートを用いて説明する。
設備の保守員は、施設に到着すると設置環境の推定対象とする設備の設置位置まで移動する。そして、携行している携帯端末の所定のアプリを起動し、内蔵するセンサやカメラを利用して設備の設置場所のデータを収集する。例えば、カメラを利用して設備を撮影すると、保守員は、その撮影画像を、メール等を利用して設置環境推定装置１０へ送信する。なお、保守員は、撮影範囲に複数の設備を収める場合がある。
設置環境推定装置１０において、データ取得部１１が携帯端末から送信されてくるデータを受信することで取得すると（ステップ１０１）、特徴量抽出部１２は、そのデータを解析することで当該データの特徴量を抽出する（ステップ１０２）。なお、本実施の形態では、データを収集した機器が特定されると、どの項目の特徴量を抽出するかは、事前に決められており、これに伴い、設置環境推定部１３は、どの分類モデルを参照するのかも事前にわかっている。
従って、特徴量抽出部１２がデータの特徴量を抽出すると、設置環境推定部１３は、該当する分類モデルを分類モデル記憶部１４から読み出し、その読み出した分類モデルと照合することによって設備の設置環境を特定する（ステップ１０３）。設備の設置環境を特定する手法は、以下の通りである。
図４は、分類モデルの一例であり、機器がカメラで特徴量が汚れ領域の場合の分類モデルである。図４に示す分類モデルにおいて推定しうる設置環境（推定環境）は、汚れ具合が低、中、高の３段階であり、それぞれに特徴量の取り得る範囲が設定されている。
特徴量抽出部１２は、撮影画像を解析することで撮影範囲に含まれる汚れの程度（汚れ具合）を特徴量として抽出する。撮影画像から汚れの程度を検出する手法は従前からある手法を用いればよいが、特徴量抽出部１２は、例えば撮影画像が示す撮影範囲のうち汚れていると推定される範囲を検出する。そして、汚れ範囲が撮影範囲を占める割合を算出する。特徴量抽出部１２は、この割合を特徴量として抽出する。この例の場合の特徴量の取り得る範囲は０から１の間である。そして、設置環境推定部１３は、特徴量抽出部１２が算出した特徴量の値を、分類モデルにおける各条件に対応する範囲と比較することで、該当する推定環境（設備の設置環境）を特定する。本実施の形態においては、データの特徴量に基づき分類モデルに設定されている推定環境を特定することによって設備の設置環境を推定する。
設置環境推定部１３は、以上説明したように特徴量の値に基づき分類モデルに設定されている推定環境を推定すると、その推定結果を設置環境情報として設置環境情報記憶部１５に保存する（ステップ１０４）。
以上説明したように、本実施の形態によれば、データの特徴量と分類モデルとの比較により取得したデータに対応する設備の設置環境を推定することができる。
実施の形態２．
図５は、本実施の形態における設置環境推定装置のブロック構成図である。本実施の形態における設置環境推定装置１０は、実施の形態１に設置環境推定情報記憶部２１を追加した構成を有している。なお、実施の形態１と同じ構成要素には、同じ符号を付け、説明を適宜省略する。以降に説明する実施の形態においても同様である。また、設置環境推定装置１０のハードウェア構成も実施の形態１と同じでよい。以降に説明する実施の形態においても同様である。
図６Ａ及び図６Ｂは、本実施の形態における設置環境推定情報記憶部２１に記憶される設置環境推定情報のデータ構成例を示す図である。設置環境推定情報は、推定対象とする設備の設置環境に、設置環境の推定に利用するデータを収集する機器、当該データから抽出する特徴量の項目、特徴量の算出の手法を示す演算種類及び分類モデルの識別情報としてのモデルＩＤを対応付けして生成される。設置環境推定情報記憶部２１は、設置環境推定装置１０に搭載されたＨＤＤ９４にて実現される。あるいは、ＲＡＭ９３又は外部にある記憶手段をネットワーク経由で利用してもよい。
次に、本実施の形態における設置環境推定装置１０が実施する設置環境推定処理について説明する。処理の基本的な流れは、実施の形態１において示したフローチャート（図３）と同じでよい。ただ、実施の形態１では、どの項目の特徴量を抽出するかを事前に決めていたが、本実施の形態では、どの項目の特徴量を抽出するかが定義されている設置環境推定情報を参照する。
すなわち、データ取得部１１がデータを取得すると、特徴量抽出部１２は、データを収集した機器に対応する設備の設置環境及び特徴量の項目を、設置環境推定情報を参照することによって特定する。特徴量抽出部１２は、当該機器に対し、設置環境推定情報に定義されている設置環境に対応する特徴量を全て抽出するようにしてもよいし、推定する設置環境を管理者等に選択させるようにしてもよい。例えば、取得したデータがカメラによる撮影画像の場合、図６Ａに示す設置環境推定情報の設定例によると、設置環境としては、設備の密集の程度、周囲の汚れ具合及び周囲の陽当たりに関して設置環境を推定することが可能である。特徴量抽出部１２は、この中から少なくとも１つの設置環境を自ら選択したり、管理者に選択させたりして当該設置環境の推定のために特徴量を抽出する。
そして、特徴量抽出部１２がデータの特徴量を抽出すると、設置環境推定部１３は、抽出した特徴量に対応するモデルＩＤを抽出し、そのモデルＩＤに対応する分類モデルを分類モデル記憶部１４から読み出し、データの特徴量とその読み出した分類モデルとを比較することによって推定環境（設備の設置環境）を特定する。例えば、取得したデータがカメラによる撮影画像であることから特徴量抽出部１２がその撮影画像から汚れ領域の特徴量を抽出したとする。この場合、設置環境推定部１３は、汚れ領域に対応するモデルＩＤ＝５の分類モデル（図４）に基づいて周囲の汚れ具合に関する推定環境を特定することによって設備の設置環境を推定する。
以下、図７～図１０に示す模式図を用いて、本実施の形態における設置環境推定処理を具体的に説明する。
まず、データがカメラによる撮影画像の場合において、特徴量抽出部１２は、設置環境推定情報を参照して、撮影画像から特徴量「設備の特定の面の数」として設備の上面の数を抽出する場合について説明する。データ取得部１１が図７（ａ）に示す撮影画像を取得したとすると、特徴量抽出部１２は、撮影画像を解析することで設備の上面の数である特徴量として６を抽出することになる。なお、設備の上面の数を画像から抽出する技術は既存技術を用いることにする。ここで、設置環境推定部１３は、モデルＩＤ＝１の図示しない分類モデルを参照することで、設備の設置環境を表す「設備の密集の程度」として“高”と推定する。すなわち、設備の密集度合いは高い、換言すると、設備は密集している場所に設置されていると推定する。
図７（ｂ）に示す撮影画像を取得した場合にも同様に処理することで、設置環境推定部１３は、抽出された特徴量＝４から「設備の密集の程度」として“中”と推定する。また、図７（ｃ）に示す撮影画像を取得した場合、抽出された特徴量＝２から「設備の密集の程度」として“低”と推定する。
図７と同じく設備の設置環境として「設備の密集の程度」を推定する場合でも、図８では、設備の吸込温度に関するデータから推定する場合を示している。図６Ａにおける「設備付帯センサ」というのは、設備に内蔵されているセンサを用いることを意味している。この場合、データ取得部１１は、複数の設備（図８に示す例では５）にそれぞれ内蔵されている温度センサからデータを取得することになるが、特徴量抽出部１２は、各設備の温度センサに基づき設備の設置場所が４つの設備と１つの設備にグループ分けする。そして、設置環境推定部１３は、４つの設備が属するグループの方は密集して設置されており、他方のグループは密集して設置されていないと推定する。
続いて、データがカメラによる撮影画像の場合において、特徴量抽出部１２は、設置環境推定情報を参照して、撮影画像から特徴量「床／壁／台と設備の領域」として設備と台の関係を抽出する場合について説明する。データ取得部１１が図９に示す撮影画像を取得したとすると、特徴量抽出部１２は、撮影画像を解析することで撮影画像に含まれる物体を抽出し、各物体にラベルを付けた画像を生成する。また、撮影画像を解析することで撮影画像に含まれる物体の距離関係を抽出することで距離画像を生成する。そして、生成した画像を照合することによって設備と台の関係を示す特徴量として台があること及び設備が台の上に載っていることを抽出する。設置環境推定部１３は、モデルＩＤ＝１７の図示しない分類モデルを参照することで、設備の設置環境として設備は台置きであるということを推定する。
図１０は、図９と同様に撮影画像から設備の設置環境として設備が床置き、壁置き（壁掛け）あるいは台置きであるかを推定する場合の例を示している。処理内容は、図９と同様なので詳細な図及び説明は省略するが、撮影画像に含まれる物体をラベル付けし（設備、床、台、壁を特定し）、設備と台との関係を特徴量として抽出して、設備の設置環境を推定する。
以上説明したように、本実施の形態では、設置環境推定情報を参照することによって抽出すべきデータの特徴量を決定し、そのデータの特徴量に基づき設備の設置環境を推定することができる。
実施の形態３．
図１１は、本実施の形態における設置環境推定装置のブロック構成図である。本実施の形態における設置環境推定装置１０は、実施の形態１に故障予兆診断部３１、属性情報記憶部３２及び診断ルール記憶部３３を追加した構成を有している。
本実施の形態では、推定した設備の設置環境を参照して当該設備の故障の予兆を診断する。故障の予兆の診断は、閾値を予め設定しておき、設置環境情報（設備の設置環境が示す値）と閾値との比較によって設備の故障の予兆があるか（すなわち、異常）、予兆がないか（すなわち、正常）、を判定する。故障予兆診断部３１は、この設備の故障の予兆（正常／異常）を診断する。
図１２は、本実施の形態における属性情報記憶部３２に予め設定登録される属性情報のデータ構成例を示す図である。属性情報は、設備の種類を識別するための設備種別に、当該設備の名称及び設備特性が対応付けして設定される。設備特性は、設備の属性を示す。
図１３は、本実施の形態における診断ルール記憶部３３に予め設定登録される診断ルールのデータ構成例を示す図である。前述したように、故障予兆診断部３１は、閾値を利用して設備の故障の予兆を診断するが、診断ルールには、その閾値を変更するためのルールが設定されている。そのルールは、設備特性毎に設定される。
故障予兆診断部３１は、設置環境推定装置１０を形成するコンピュータと、コンピュータに搭載されたＣＰＵ９１で動作するプログラムとの協調動作により実現される。また、各記憶部３２，３３は、設置環境推定装置１０に搭載されたＨＤＤ９４にて実現される。あるいは、ＲＡＭ９３又は外部にある記憶手段をネットワーク経由で利用してもよい。
以下、本実施の形態における故障予兆診断処理について図１４に示すフローチャートを用いて説明する。
故障予兆診断部３１は、設置環境情報記憶部１５から診断対象とする設備の設置環境情報を取得する（ステップ３０１）。続いて、故障予兆診断部３１は、属性情報記憶部３２を参照して、診断対象とした設備の設備種別に対応する設備特性を取得する（ステップ３０２）。続いて、故障予兆診断部３１は、診断ルール記憶部３３を参照して、取得した設備特性に対応するルールを取得する（ステップ３０３）。
続いて、故障予兆診断部３１は、取得したルールに従って閾値を調整する（ステップ３０４）。なお、予め設定されている閾値は、全ての設備に共通する標準的平均的な値である。例えば、設備が室内機Ｙであることから機械室仕様（機械室に設置される室内機）の室内機であれば、室内機にとって相対的に過酷な設置環境であることから異常が標準の場合に比して段階で発生することが推測される。このため、閾値を上げるよう補正する。一方、設備が室内機Ｘであることから居室内仕様（居室に設置される室内機）の室内機であれば、室内機にとって相対的に優しい設置環境であることから、異常は標準の場合に比して発生しにくい。このため、閾値を下げるよう補正する。
以上のように、閾値を調整した後、故障予兆診断部３１は、設備の設置環境情報と閾値とを比較し、設備の設置環境情報が閾値以上の場合（ステップ３０５でＹ）、故障の予兆はない、すなわち正常と判定する（ステップ３０６）。一方、設備の設置環境情報が閾値に達してない場合（ステップ３０５でＮ）、故障の予兆はある、すなわち異常と判定する（ステップ３０７）。
以上説明したように、本実施の形態によれば、設備の故障の予兆の判定に用いる閾値を設備の属性に応じて適宜補正することができる。
なお、閾値の上げ幅や下げ幅は、設備特性に応じて最適な値を適宜設定すればよい。また、上記故障予兆の診断は、設置環境情報が閾値と比較できる数値で表されている場合に適用可能である。
実施の形態４．
図１５は、本実施の形態における設置環境推定装置のブロック構成図である。本実施の形態における設置環境推定装置１０は、実施の形態１に属性情報記憶部４１を追加した構成を有している。
図１６は、本実施の形態における属性情報記憶部４１に予め設定登録される属性情報のデータ構成例を示す図である。属性情報は、設備の種類を識別するための設備種別に、当該設備の名称、設備特性及び汚れ具合補正が対応付けして設定される。設備特性は、設備の属性を示す。汚れ具合補正は、データの特徴量を補正するための補正値である。属性情報記憶部４１は、設置環境推定装置１０に搭載されたＨＤＤ９４にて実現される。あるいは、ＲＡＭ９３又は外部にある記憶手段をネットワーク経由で利用してもよい。
以下、本実施の形態における故障予兆診断処理について図１７に示すフローチャートを用いて説明する。なお、実施の形態１と同じ処理には同じステップ番号を付け、説明を適宜省略する。
データ取得部１１が携帯端末から送信されてくるデータを取得すると（ステップ１０１）、特徴量抽出部１２は、そのデータを解析することで当該データの特徴量を抽出する（ステップ１０２）。設置環境の推定対象となる設備は、データを解析することで、あるいは保守員により指定されることで特定できるので、特徴量抽出部１２は、属性情報記憶部４１を参照することで、抽出した特徴量を、当該設備に対応する補正値（汚れ具合補正）を乗算することで補正する（ステップ４０１）。これ以降の処理は、実施の形態１と同じなので説明を省略する。
例えば、室外機Ａ及び室内機Ｙは、補正値が１未満であるため、特徴量抽出部１２が抽出した特徴量が小さい値になるよう補正される。一方、室内機Ｘは、補正値が１を越える値であるため、特徴量抽出部１２が抽出した特徴量が大きい値になるよう補正される。室外機Ｂの場合は、特徴量抽出部１２が抽出した特徴量のままとなる。
実施の形態３では、故障の予兆診断のために設置環境情報（設備の設置環境を示す値）を補正せずに、設置環境情報との比較に用いる閾値を調整するようにした。本実施の形態では、設置環境の推定対象となる設備の属性情報が示す属性値に応じて特徴量抽出部１２が抽出する特徴量を補正することによって補正するようにした。これにより、設備の設置環境に、この特徴量抽出部１２における補正が反映されることになる。
実施の形態５．
図１８は、本実施の形態における設置環境推定装置のブロック構成図である。本実施の形態における設置環境推定装置１０は、実施の形態１にセンシング推奨部５１、表示制御部５２及びセンシング情報記憶部５３を追加した構成を有している。
前述したように、設置環境推定部１３は、機器により収集されたデータに基づいて設備の設置環境を推定し、その推定した設備の設置環境を設置環境情報として設置環境情報記憶部１５に保存するが、センシング推奨部５１は、設置環境情報記憶部１５に保存されるのと同じ設置環境情報を設置環境推定部１３から取得し、その設置環境情報（設備の設置環境）に基づいてデータを収集した機器によるデータ収集の方法を、機器を操作するユーザ、すなわち保守員に推奨する。センシング情報記憶部５３には、データ収集の方法が記載されたガイド情報が蓄積されている。表示制御部５２は、そのガイド情報の表示制御を行う。
センシング推奨部５１及び表示制御部５２は、設置環境推定装置１０を形成するコンピュータと、コンピュータに搭載されたＣＰＵ９１で動作するプログラムとの協調動作により実現される。また、センシング情報記憶部５３は、設置環境推定装置１０に搭載されたＨＤＤ９４にて実現される。あるいは、ＲＡＭ９３又は外部にある記憶手段をネットワーク経由で利用してもよい。
ところで、設置環境情報が何らかの理由により想定外の値を示す場合がある。例えば、ある場所に設置されている設備の密集の程度を推定したいために撮影したのにもかかわらず、１つの設備しか撮影されていないために設置環境を正しく推定できていない場合などである。
このように、設置環境情報が想定外の値であり、許容できる範囲でなかったり、あるいは設置環境情報自体が得られていなかったりした場合、センシング推奨部５１は、その事象に応じたガイド情報をセンシング情報記憶部５３から読み出す。ガイド情報には、例えば、設備に近すぎて撮影された可能性があるからもっと設備から離れて撮影すること、あるいは室内をもっと明るくして撮影すること、など保守員が機器にデータを収集させる際の注意事項等のメッセージが含まれている。
表示制御部５２は、センシング推奨部５１が読み出したガイド情報を、携帯端末にメール送信するなどして保守員に通知する。保守員は、通知されてきたガイド情報を参照して、撮影をやり直したりする。
本実施の形態によれば、ガイド情報を保守員に提供することによって設備の設置環境をより正確に推定できるように支援することができる。
実施の形態６．
図１９は、本実施の形態における設置環境推定装置のブロック構成図である。本実施の形態における設置環境推定装置１０は、実施の形態１に保守作業推奨部６１、表示制御部６２及び保守作業情報記憶部６３を追加した構成を有している。保守作業推奨部６１は、設置環境推定部１３が推定した設備の設置環境に基づいて当該設備の保守の方法を当該設備の保守員に推奨する。保守作業情報記憶部６３には、改善を要する設備の設置環境に対応させて、当該設置環境の設備に対する保守の方法が記載されたガイド情報が蓄積されている。表示制御部５２は、そのガイド情報の表示制御を行う。
保守作業推奨部６１及び表示制御部６２は、設置環境推定装置１０を形成するコンピュータと、コンピュータに搭載されたＣＰＵ９１で動作するプログラムとの協調動作により実現される。また、保守作業情報記憶部６３は、設置環境推定装置１０に搭載されたＨＤＤ９４にて実現される。あるいは、ＲＡＭ９３又は外部にある記憶手段をネットワーク経由で利用してもよい。
前述したように、本実施の形態では、機器により収集されたデータに基づいて設備の設置環境が推定され、その推定された設備の設置環境は、設置環境情報として設置環境情報記憶部１５に保存される。推定された設備の設置環境の中には、設備の設置環境が汚れているとか、設備は密集して設置されているとか、改善を示唆する情報の場合がある。
そこで、保守作業推奨部６１は、設置環境情報が改善を要する設置環境を示す場合、保守作業情報記憶部６３から当該設置環境に応じたガイド情報を抽出する。そして、表示制御部５２は、保守作業推奨部６１が抽出したガイド情報を、保守員の携帯端末にメール送信するなどして保守員に通知する。保守員は、通知されてきたガイド情報を参照して、保守作業を行う。例えば、空気が汚れているような設置環境の場合、設備のフィルタのチェックを忘れないようにするなどのガイド情報を通知する。
本実施の形態によれば、ガイド情報を保守員に提供することによって設備に対してより適切な保守作業を実施させることができる。
実施の形態７．
図２０は、本実施の形態における設置環境推定装置のブロック構成図である。本実施の形態における設置環境推定装置１０は、実施の形態１に表示制御部７１及び修正処理部７２を追加した構成を有している。表示制御部７１は、設置環境推定部１３から受け取った設置環境情報の表示制御を行う。修正処理部７２は、表示制御部７１による制御のもと表示された設置環境情報の修正を行い、設置環境情報記憶部１５に保存されている情報を更新する。表示制御部７１及び修正処理部７２は、設置環境推定装置１０を形成するコンピュータと、コンピュータに搭載されたＣＰＵ９１で動作するプログラムとの協調動作により実現される。
設置環境推定部１３は、設備の設置環境を推定し、設置環境情報として設置環境情報記憶部１５に保存する。ただ、特徴量抽出部１２がデータから常に正しく特徴量を抽出できるとは限らず、また、分類モデルによって設置環境を正しく分類できるとは限らない。このため、推定した設備の設置環境に修正の余地が生じる可能性が生じうる。
そこで、本実施の形態における表示制御部７１は、設置環境推定部１３から受け取った設置環境情報の表示制御を行う。例えば、表示制御部７１は、設置環境情報をディスプレイ９７に表示させる。あるいは、ネットワーク経由で管理者端末へ送信して表示させてもよい。そして、管理者が設置環境情報を修正した場合、修正処理部７２は、その変更内容を受け取り、設置環境情報記憶部１５に登録されている設置環境情報を修正する。
本実施の形態によれば、以上のようにして設置環境情報記憶部１５に保存されている設置環境情報を手動にて変更できるようにした。
実施の形態８．
図２１は、本実施の形態における設置環境推定装置のブロック構成図である。本実施の形態における設置環境推定装置１０は、実施の形態１に表示制御部８１及び描画情報記憶部８２を追加した構成を有している。描画情報記憶部８２には、施設であるビル及びビルに設置の設備のＣＡＤデータが格納されている。表示制御部８１は、描画情報記憶部８２に格納されているＣＡＤデータを利用して、設置環境推定部１３から受け取った設置環境情報を模式的に表示させるよう表示制御を行う。表示制御部８１は、設置環境推定装置１０を形成するコンピュータと、コンピュータに搭載されたＣＰＵ９１で動作するプログラムとの協調動作により実現される。また、描画情報記憶部８２は、設置環境推定装置１０に搭載されたＨＤＤ９４にて実現される。あるいは、ＲＡＭ９３又は外部にある記憶手段をネットワーク経由で利用してもよい。
上記実施の形態７における表示制御部７１は、設置環境情報を、例えば数値等のテキストデータで表示するようにしていた。本実施の形態における表示制御部８１は、設置環境情報を、ＣＡＤデータを利用して設置環境情報（設備の設置環境を示す値）がイメージ的に把握しやすいように表示させるようにした。
図２２は、設置環境情報を３次元的に表示する場合の例を示す図である。図２２には、設備の設置環境として、ビルの屋上に設置されている設備の密集の程度が示されている。この図２２によると、ビルの屋上の図面左側には設備が密集して設定されており、右側には設備が密集していないことが視覚的に確認できる。
図２２は、３次元ＣＡＤデータを利用しているのに対し、図２３は、２次元ＣＡＤデータを利用して設置環境情報を表示する場合の例を示す図である。図２３には、設備の設置環境として、図２２と同様にビルの屋上に設置されている設備の密集の程度が示されている。図２３に例示したＣＡＤデータにより設置環境情報を表示することによって、ビルの屋上の図面左側には設備が密集して設定されており、右側には設備が密集していないことが視覚的に確認できる。
なお、本実施の形態では、ビル及び設備のＣＡＤデータを格納する描画情報記憶部８２を設けたが、例えばＢＩＭ（Ｂｕｉｌｄｉｎｇ Ｉｎｆｏｒｍａｔｉｏｎ Ｍｏｄｅｌｉｎｇ）などに存在する既存のデータを有効利用してもよい。
上記各実施の形態においては、設備の設置環境の推定方法及び設備の設置環境（設置環境情報）を利用する処理について説明したが、各実施の形態は、可能な組合せであれば適宜組み合わせて実施してもよい。
また、本実施の形態では、管理対象の設備としてビルに設置されている設備を例にして説明したが、ビルの設備に限ることなく他の場所に設置されている設備の設置環境を推定することに適用してもよい。
１０ 設置環境推定装置、１１ データ取得部、１２ 特徴量抽出部、１３ 設置環境推定部、１４ 分類モデル記憶部、１５ 設置環境情報記憶部、２１ 設置環境推定情報記憶部、３１ 故障予兆診断部、３２，４１ 属性情報記憶部、３３ 診断ルール記憶部、５１ センシング推奨部、５２，６２，７１，８１ 表示制御部、５３ センシング情報記憶部、６１ 保守作業推奨部、６３ 保守作業情報記憶部、７２ 修正処理部、８２ 描画情報記憶部、９１ ＣＰＵ、９２ ＲＯＭ、９３ ＲＡＭ、９４ ハードディスクドライブ（ＨＤＤ）、９５ マウス、９６ キーボード、９７ ディスプレイ、９８ 入出力コントローラ、１００ 内部バス。

Claims (12)

  1. 携帯される機器により収集されたデータであって監視対象の設備に関するデータを取得する取得手段と、
    前記取得手段が取得したデータを解析することで当該データの特徴量を抽出する抽出手段と、
    前記抽出手段が抽出したデータの特徴量を、前記機器毎の特徴量の項目毎に予め設定されている分類モデルと照合することによって前記設備の設置環境を推定する推定手段と、
    前記設備毎の属性情報を記憶する属性情報記憶手段と、
    前記推定手段が推定した前記設備の設置環境と閾値との比較により当該設備の故障の予兆を診断する故障予兆診断手段と、
    を有し、
    前記故障予兆診断手段は、前記設備の設置環境との比較に用いる閾値を当該設備の属性情報の属性値に応じて補正することを特徴とする設置環境推定装置。
  2. 携帯される機器により収集されたデータであって監視対象の設備に関するデータを取得する取得手段と、
    前記取得手段が取得したデータを解析することで当該データの特徴量を抽出する抽出手段と、
    前記抽出手段が抽出したデータの特徴量を、前記機器毎の特徴量の項目毎に予め設定されている分類モデルと照合することによって前記設備の設置環境を推定する推定手段と、
    前記推定手段が推定した前記設備の設置環境に基づいて前記機器によるデータ収集の方法を、機器を操作するユーザに推奨する推奨手段と、
    を有することを特徴とする設置環境推定装置。
  3. 携帯される機器により収集されたデータであって監視対象の設備に関するデータを取得する取得手段と、
    前記取得手段が取得したデータを解析することで当該データの特徴量を抽出する抽出手段と、
    前記抽出手段が抽出したデータの特徴量を、前記機器毎の特徴量の項目毎に予め設定されている分類モデルと照合することによって前記設備の設置環境を推定する推定手段と、
    前記推定手段が推定した前記設備の設置環境を模式的に表示させるよう制御する表示制御手段と、
    を有することを特徴とする設置環境推定装置。
  4. 携帯される機器により収集されたデータであって監視対象の設備に関するデータを取得する取得手段と、
    前記取得手段が取得したデータを解析することで当該データの特徴量を抽出する抽出手段と、
    前記抽出手段が抽出したデータの特徴量を、前記機器毎の特徴量の項目毎に予め設定されている分類モデルと照合することによって前記設備の設置環境を推定する推定手段と、
    を有し、
    前記機器は、保守員が携行する携帯端末に搭載されているセンサ又はカメラであることを特徴とする設置環境推定装置。
  5. 前記設備の設置環境を示す環境項目に、当該環境項目の推定に用いるデータを収集する機器と、当該機器が収集したデータの抽出すべき特徴量と、を対応付けした設置環境推定情報を記憶する設置環境推定情報記憶手段を有し、
    前記抽出手段は、前記設置環境推定情報を参照して前記データの特徴量を抽出することを特徴とする請求項１から４のいずれか1項に記載の設置環境推定装置。
  6. 前記設備毎の属性情報を記憶する属性情報記憶手段を有し、
    前記抽出手段は、前記取得手段が取得したデータを解析することで抽出した当該データの特徴量を当該設備の属性情報の属性値に応じて補正することを特徴とする請求項１から４のいずれか1項に記載の設置環境推定装置。
  7. 前記推定手段が推定した前記設備の設置環境に基づいて当該設備の保守の方法を、当該設備の保守員に推奨する推奨手段を有することを特徴とする請求項１から４のいずれか1項に記載の設置環境推定装置。
  8. 前記推定手段が推定した前記設備の設置環境を修正させる修正手段を有することを特徴とする請求項１から４のいずれか1項に記載の設置環境推定装置。
  9. コンピュータを、
    携帯される機器により収集されたデータであって監視対象の設備に関するデータを取得する取得手段、
    前記取得手段が取得したデータを解析することで当該データの特徴量を抽出する抽出手段、
    前記抽出手段が抽出したデータの特徴量を、前記機器毎の特徴量の項目毎に予め設定されている分類モデルと照合することによって前記設備の設置環境を推定する推定手段、
    前記設備毎の属性情報を記憶する属性情報記憶手段、
    前記推定手段が推定した前記設備の設置環境と閾値との比較により当該設備の故障の予兆を診断する故障予兆診断手段、
    として機能させ、
    前記故障予兆診断手段は、前記設備の設置環境との比較に用いる閾値を当該設備の属性情報の属性値に応じて補正するプログラム。
  10. コンピュータを、
    携帯される機器により収集されたデータであって監視対象の設備に関するデータを取得する取得手段、
    前記取得手段が取得したデータを解析することで当該データの特徴量を抽出する抽出手段、
    前記抽出手段が抽出したデータの特徴量を、前記機器毎の特徴量の項目毎に予め設定されている分類モデルと照合することによって前記設備の設置環境を推定する推定手段、
    前記推定手段が推定した前記設備の設置環境に基づいて前記機器によるデータ収集の方法を、機器を操作するユーザに推奨する推奨手段、
    として機能させるためのプログラム。
  11. コンピュータを、
    携帯される機器により収集されたデータであって監視対象の設備に関するデータを取得する取得手段、
    前記取得手段が取得したデータを解析することで当該データの特徴量を抽出する抽出手段、
    前記抽出手段が抽出したデータの特徴量を、前記機器毎の特徴量の項目毎に予め設定されている分類モデルと照合することによって前記設備の設置環境を推定する推定手段、
    前記推定手段が推定した前記設備の設置環境を模式的に表示させるよう制御する表示制御手段と、
    として機能させるためのプログラム。
  12. コンピュータを、
    携帯される機器により収集されたデータであって監視対象の設備に関するデータを取得する取得手段、
    前記取得手段が取得したデータを解析することで当該データの特徴量を抽出する抽出手段、
    前記抽出手段が抽出したデータの特徴量を、前記機器毎の特徴量の項目毎に予め設定されている分類モデルと照合することによって前記設備の設置環境を推定する推定手段、
    として機能させ、
    前記機器は、保守員が携行する携帯端末に搭載されているセンサ又はカメラであるプログラム。
JP2018162403A 2018-08-31 2018-08-31 設置環境推定装置及びプログラム Active JP7166106B2 (ja)

Priority Applications (6)

Application Number Priority Date Filing Date Title
JP2018162403A JP7166106B2 (ja) 2018-08-31 2018-08-31 設置環境推定装置及びプログラム
PCT/JP2019/026358 WO2020044779A1 (ja) 2018-08-31 2019-07-02 設置環境推定装置及びプログラム
EP19855863.7A EP3825875B1 (en) 2018-08-31 2019-07-02 Installation environment estimation device and program
CN201980053779.4A CN112585610B (zh) 2018-08-31 2019-07-02 设置环境推测装置以及计算机可读取的记录介质
ES19855863T ES2966109T3 (es) 2018-08-31 2019-07-02 Dispositivo y programa de estimación de entorno de instalación
US17/145,012 US20210150437A1 (en) 2018-08-31 2021-01-08 Installing environment estimation device and computer readable medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2018162403A JP7166106B2 (ja) 2018-08-31 2018-08-31 設置環境推定装置及びプログラム

Publications (2)

Publication Number Publication Date
JP2020035254A JP2020035254A (ja) 2020-03-05
JP7166106B2 true JP7166106B2 (ja) 2022-11-07

Family

ID=69644169

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018162403A Active JP7166106B2 (ja) 2018-08-31 2018-08-31 設置環境推定装置及びプログラム

Country Status (6)

Country Link
US (1) US20210150437A1 (ja)
EP (1) EP3825875B1 (ja)
JP (1) JP7166106B2 (ja)
CN (1) CN112585610B (ja)
ES (1) ES2966109T3 (ja)
WO (1) WO2020044779A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115860578B (zh) * 2023-02-24 2023-06-09 深圳市鑫雅达机电工程有限公司 机电系统智能分析安装设备环境可行性的方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004132683A (ja) 2002-08-09 2004-04-30 Daikin Ind Ltd 故障診断システム、検診装置、及びデータサーバ
JP2014167667A (ja) 2013-02-28 2014-09-11 Mitsubishi Electric Corp 設備点検順位設定装置
JP2016167194A (ja) 2015-03-10 2016-09-15 三菱電機ビルテクノサービス株式会社 設備点検順位設定装置及びプログラム
JP2017173262A (ja) 2016-03-25 2017-09-28 オプテックス株式会社 動作検知装置、および情報処理装置
JP2018028845A (ja) 2016-08-19 2018-02-22 株式会社明電舎 異常予兆検出システムおよび異常予兆検出方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3765973B2 (ja) 2000-08-22 2006-04-12 株式会社東芝 環境情報を用いた金属部位のリアルタイム腐食寿命診断システム
JP2004362103A (ja) 2003-06-03 2004-12-24 Hitachi Ltd 産業用パーソナルコンピュータの保守サービス提供方法
US7851758B1 (en) * 2005-09-29 2010-12-14 Flir Systems, Inc. Portable multi-function inspection systems and methods
JP4347852B2 (ja) 2006-01-13 2009-10-21 日本電信電話株式会社 状況認識システムおよび状況認識方法
JP2008242981A (ja) * 2007-03-28 2008-10-09 Nec Corp 障害情報提供システム、障害管理サーバ、移動体通信装置、障害情報提供方法およびプログラム
JP4624396B2 (ja) * 2007-10-26 2011-02-02 パナソニック株式会社 状況判定装置、状況判定方法、状況判定プログラム、異常判定装置、異常判定方法および異常判定プログラム
JP4940180B2 (ja) 2008-04-03 2012-05-30 株式会社東芝 複合診断・保守計画支援システム及びその支援方法
JP2011090593A (ja) 2009-10-26 2011-05-06 Hitachi Ltd 計算機システム、機器及びサーバ計算機
JP5475555B2 (ja) * 2010-06-08 2014-04-16 株式会社日立製作所 配電設備劣化診断装置
JPWO2016199251A1 (ja) * 2015-06-10 2017-07-27 三菱電機ビルテクノサービス株式会社 設備保守管理システム、設備保守装置及びプログラム
WO2017017956A1 (ja) 2015-07-28 2017-02-02 パナソニックＩｐマネジメント株式会社 情報作成方法、記録媒体、情報作成装置、情報作成システム
WO2018137103A1 (zh) * 2017-01-24 2018-08-02 深圳企管加企业服务有限公司 一种基于多源遥感数据的流域污染检测方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004132683A (ja) 2002-08-09 2004-04-30 Daikin Ind Ltd 故障診断システム、検診装置、及びデータサーバ
JP2014167667A (ja) 2013-02-28 2014-09-11 Mitsubishi Electric Corp 設備点検順位設定装置
JP2016167194A (ja) 2015-03-10 2016-09-15 三菱電機ビルテクノサービス株式会社 設備点検順位設定装置及びプログラム
JP2017173262A (ja) 2016-03-25 2017-09-28 オプテックス株式会社 動作検知装置、および情報処理装置
JP2018028845A (ja) 2016-08-19 2018-02-22 株式会社明電舎 異常予兆検出システムおよび異常予兆検出方法

Also Published As

Publication number Publication date
CN112585610B (zh) 2024-06-28
CN112585610A (zh) 2021-03-30
US20210150437A1 (en) 2021-05-20
EP3825875B1 (en) 2023-11-22
EP3825875A1 (en) 2021-05-26
WO2020044779A1 (ja) 2020-03-05
JP2020035254A (ja) 2020-03-05
EP3825875A4 (en) 2021-09-15
ES2966109T3 (es) 2024-04-18

Similar Documents

Publication Publication Date Title
CN105929799B (zh) 作业者品质管理方法和作业者品质管理装置
CN110738135B (zh) 一种工人作业工步规范视觉识别判定与指导方法及系统
JP2017010277A (ja) 作業分析システム及び作業分析方法
WO2018008702A1 (ja) 振る舞い検知システム
JP2015103104A (ja) 情報処理装置、情報処理方法、情報処理システム
CN110895716A (zh) 检查装置以及机器学习方法
JP2021023492A (ja) 集中度解析装置、集中度解析方法、プログラム
JP2021179740A (ja) 監視装置、監視方法、プログラムおよびモデル訓練装置
WO2020039559A1 (ja) 情報処理装置、情報処理方法及び作業評価システム
JP2009086896A (ja) コンピュータの障害予測システムおよび障害予測方法
CN113849774A (zh) 基于寿命分析和健康监测的设备智能维护平台
JP7166106B2 (ja) 設置環境推定装置及びプログラム
CN110668280A (zh) 一种电梯称重传感器的检测方法及相关设备
JP6823025B2 (ja) 検査装置及び機械学習方法
CN113853158A (zh) 步行功能评价装置、步行功能评价系统、步行功能评价方法、程序及认知功能评价装置
CN113705988B (zh) 一种监理人员绩效管理方法、系统、存储介质及智能终端
JP2020129287A (ja) 工程情報取得システム、工程情報取得方法、および工程情報取得プログラム
JP5418635B2 (ja) 作業者安全検査装置
WO2022044637A1 (ja) 画像処理装置、画像処理方法およびプログラム
JP2017033278A (ja) 設備管理台帳作成支援システム、設備管理台帳作成支援装置及びプログラム
JP6305894B2 (ja) 作業管理装置及びプログラム
JP7026890B2 (ja) 動作分析装置、動作分析方法及び動作分析プログラム
JP7140411B2 (ja) 管理装置、管理システム、管理方法、及びプログラム
EP4354388A1 (en) Task analysis device and method
JP2024112671A (ja) 作業分析装置、作業分析システム、作業分析方法及びプログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20201211

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220222

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220425

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: 20220927

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20221025

R150 Certificate of patent or registration of utility model

Ref document number: 7166106

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150