JP7204543B2 - Information processing device, information processing method, program, and electronic device - Google Patents

Information processing device, information processing method, program, and electronic device Download PDF

Info

Publication number
JP7204543B2
JP7204543B2 JP2019046538A JP2019046538A JP7204543B2 JP 7204543 B2 JP7204543 B2 JP 7204543B2 JP 2019046538 A JP2019046538 A JP 2019046538A JP 2019046538 A JP2019046538 A JP 2019046538A JP 7204543 B2 JP7204543 B2 JP 7204543B2
Authority
JP
Japan
Prior art keywords
abnormality
specific phenomenon
electronic device
value
sensor
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
JP2019046538A
Other languages
Japanese (ja)
Other versions
JP2020149381A (en
Inventor
智之 鈴木
伴直 高松
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.)
Toshiba Corp
Toshiba Infrastructure Systems and Solutions Corp
Original Assignee
Toshiba Corp
Toshiba Infrastructure Systems and Solutions 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 Toshiba Corp, Toshiba Infrastructure Systems and Solutions Corp filed Critical Toshiba Corp
Priority to JP2019046538A priority Critical patent/JP7204543B2/en
Publication of JP2020149381A publication Critical patent/JP2020149381A/en
Application granted granted Critical
Publication of JP7204543B2 publication Critical patent/JP7204543B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Cooling Or The Like Of Electrical Apparatus (AREA)

Description

本発明の実施形態は、情報処理装置、情報処理方法、プログラム、および電子機器に関する。 TECHNICAL FIELD Embodiments of the present invention relate to an information processing apparatus, an information processing method, a program, and an electronic device.

従来、電子機器内の温度検出結果を用いて、冷却異常などの異常を判定する技術が知られている。例えば、異常原因とセンサの検出値との相関関係をシミュレーションにより予め導出し、センサの検出値と相関関係とを用いて、異常原因を特定する技術が開示されている。 2. Description of the Related Art Conventionally, there is known a technique of determining an abnormality such as a cooling abnormality by using a temperature detection result inside an electronic device. For example, a technique is disclosed in which the correlation between the cause of abnormality and the detected value of the sensor is derived in advance by simulation, and the cause of the abnormality is identified using the detected value of the sensor and the correlation.

しかし、事前のシミュレーションにより導出された相関関係は、実際の駆動時の状況変動などによって変化する場合があり、電子機器の異常原因を精度良く特定することは困難であった。 However, the correlation derived from the preliminary simulation may change due to changes in conditions during actual driving, etc., making it difficult to accurately identify the cause of an abnormality in an electronic device.

特開2008-34715号公報JP 2008-34715 A 特開2017-54498号公報JP 2017-54498 A

本発明は、上記に鑑みてなされたものであって、電子機器の異常原因を精度良く特定することができる、情報処理装置、情報処理方法、プログラム、および電子機器を提供することを目的とする。 SUMMARY OF THE INVENTION It is an object of the present invention to provide an information processing apparatus, an information processing method, a program, and an electronic device that can accurately identify the cause of an abnormality in an electronic device. .

実施形態の情報処理装置は、電子機器に設けられた複数の第1のセンサの各々で検出される第1の検出値に応じて、前記電子機器の特定現象の推定値を算出する第1の算出部と、前記電子機器に設けられた複数のセンサの内、前記第1のセンサ以外であり且つ前記特定現象を検出する前記センサである第2のセンサで検出される第2の検出値と、前記推定値と、の差分を算出する第2の算出部と、前記差分に応じて、前記特定現象に関する異常原因を特定する特定部と、複数の前記第1の検出値に応じて、前記電子機器における、前記特定現象に影響を与える複数の要因の各々の評価値を算出する第3の算出部と、を備え、前記第1の算出部は、複数の前記評価値と前記推定値との予め導出した相関関係と、算出した複数の前記評価値と、を用いて前記推定値を算出する。 An information processing apparatus according to an embodiment is a first method for calculating an estimated value of a specific phenomenon of an electronic device according to a first detection value detected by each of a plurality of first sensors provided in the electronic device. a calculating unit; and a second detection value detected by a second sensor, which is the sensor that detects the specific phenomenon and is other than the first sensor, among the plurality of sensors provided in the electronic device. , the estimated value, a second calculation unit for calculating a difference between the estimated value, a specifying unit for specifying a cause of an abnormality related to the specific phenomenon according to the difference, and a plurality of the first detection values for determining the a third calculator for calculating an evaluation value for each of a plurality of factors affecting the specific phenomenon in the electronic device, wherein the first calculator calculates the plurality of evaluation values and the estimated value; and the plurality of calculated evaluation values are used to calculate the estimated value.

情報処理システムの模式図。Schematic diagram of an information processing system. 情報処理装置の機能的構成のブロック図。FIG. 2 is a block diagram of a functional configuration of an information processing device; 異常原因の特定処理の概略説明図。FIG. 10 is a schematic explanatory diagram of an abnormality cause identification process; 第2の検出値と推定値との関係を示す線図。The diagram which shows the relationship between a 2nd detected value and an estimated value. 管理情報のデータ構成を示す模式図。FIG. 4 is a schematic diagram showing the data configuration of management information; 管理情報のデータ構成を示す模式図。FIG. 4 is a schematic diagram showing the data configuration of management information; 情報処理の流れを示すフローチャート。4 is a flowchart showing the flow of information processing; 異常原因の特定処理の概略説明図。FIG. 10 is a schematic explanatory diagram of an abnormality cause identification process; 情報処理の流れを示すフローチャート。4 is a flowchart showing the flow of information processing; ハードウェア構成例のブロック図。Block diagram of a hardware configuration example.

以下に添付図面を参照して、本実施の形態の詳細を説明する。 Details of the present embodiment will be described below with reference to the accompanying drawings.

図1は、情報処理システム1の一例を示す模式図である。 FIG. 1 is a schematic diagram showing an example of an information processing system 1. As shown in FIG.

情報処理システム1は、電子機器10と、情報処理装置20と、を備える。電子機器10と情報処理装置20とは、データまたは信号を授受可能に接続されている。 The information processing system 1 includes an electronic device 10 and an information processing device 20 . The electronic device 10 and the information processing device 20 are connected so as to be able to exchange data or signals.

電子機器10は、1または複数の部品を備え、供給された電力によって駆動する機器である。電子機器10は、例えば、1つのラック内に1または複数の電子部品を搭載した各種装置に適用される。具体的には、電子機器10は、デジタル放送用送信機、データ中継装置、コンピュータ、サーバ、などの各種の電子装置に適用される。 The electronic device 10 is a device that includes one or more components and is driven by supplied power. The electronic device 10 is applied, for example, to various devices in which one or more electronic components are mounted in one rack. Specifically, the electronic device 10 is applied to various electronic devices such as a transmitter for digital broadcasting, a data relay device, a computer, and a server.

電子機器10は、各種の部品などを収容した筐体12を備える。 The electronic device 10 includes a housing 12 housing various components.

筐体12は、電子機器10の本体部分であり、各種の部品や機器を収容した外装である。本実施の形態では、筐体12は、内側が空洞の箱状の部材である場合を一例として説明する。 The housing 12 is a main body portion of the electronic device 10, and is an exterior housing various parts and devices. In the present embodiment, a case where the housing 12 is a box-shaped member with a hollow inside will be described as an example.

筐体12の一部には、筐体12の外部の空気を筐体12の内部へ取り入れるための吸気口13Aが設けられている。また、筐体12の一部には、筐体12の内部の空気を筐体12の外部へ排出するための排気口13Bが設けられている。 A part of the housing 12 is provided with an intake port 13A for taking in air from the outside of the housing 12 into the inside of the housing 12 . Further, a part of the housing 12 is provided with an exhaust port 13B for discharging the air inside the housing 12 to the outside of the housing 12 .

本実施の形態では、筐体12における、吸気口13A側端部に、送風機15が設けられている。送風機15は、吸気口13Aから筐体12内へ、風Fを送り込むことの可能な位置に配置されている。送風機15における、風Fの流れる方向の上流側には、フィルタ17が設けられている。このため、本実施の形態では、送風機15の駆動によって、筐体12の外部の空気がフィルタ17を介して筐体12内へ送り込まれ、筐体12内へ風Fが送り込まれる。筐体12内へ送り込まれた風Fによって、筐体12内部で発生した熱が除去される。 In this embodiment, a blower 15 is provided at the end of the housing 12 on the side of the intake port 13A. The blower 15 is arranged at a position capable of blowing the air F into the housing 12 from the air inlet 13A. A filter 17 is provided on the upstream side of the blower 15 in the direction in which the wind F flows. Therefore, in the present embodiment, by driving the blower 15 , the air outside the housing 12 is sent into the housing 12 through the filter 17 and the wind F is fed into the housing 12 . The heat generated inside the housing 12 is removed by the wind F sent into the housing 12 .

送風機15は、例えば、ファン、または、ブロアと称される場合がある。 Air blower 15 may be called a fan or a blower, for example.

なお、送風機15は、筐体12の内側の空気を筐体12の外側へ排出可能な位置に配置されていてもよい。すなわち、送風機15は、筐体12における、排気口13B側端部に配置されていてもよい。また、送風機15は、筐体12内へ風Fを送り込むことの可能な位置、および、筐体12の内側の空気を筐体12の外側へ排出可能な位置、の双方に配置されていてもよい。 Note that the blower 15 may be arranged at a position capable of discharging the air inside the housing 12 to the outside of the housing 12 . That is, the blower 15 may be arranged at the end of the housing 12 on the side of the exhaust port 13B. Moreover, even if the blower 15 is arranged at both a position where the air F can be sent into the housing 12 and a position where the air inside the housing 12 can be discharged to the outside of the housing 12. good.

筐体12内には、1または複数の部品14、および、1または複数のセンサ16が配置されている。本実施の形態では、筐体12内には、複数のセンサ16および複数のセンサ16が配置されている形態を一例として説明する。 Disposed within housing 12 are one or more components 14 and one or more sensors 16 . In the present embodiment, a configuration in which a plurality of sensors 16 and a plurality of sensors 16 are arranged in housing 12 will be described as an example.

部品14は、電子部品、および、各種の機能を有する部材の少なくとも一方である。 The component 14 is at least one of an electronic component and a member having various functions.

電子部品は、例えば、供給された電力に応じて駆動する部品である。電子部品には、供給された電力に応じて駆動することで発熱する発熱部品14Aが含まれる。なお、“駆動”には、電気的な駆動、および機械的な駆動、の双方が含まれる。電気的な駆動には、例えば、CPU(Central Processing Unit)などのプロセッサによる処理が含まれる。機械的な駆動には、例えば、モータの駆動が含まれる。 An electronic component is, for example, a component that operates according to supplied power. The electronic component includes a heat-generating component 14A that generates heat by being driven according to supplied power. Note that "driving" includes both electrical driving and mechanical driving. Electrical driving includes, for example, processing by a processor such as a CPU (Central Processing Unit). Mechanical drive includes, for example, motor drive.

発熱部品14Aは、例えば、CPU、GPU(Graphics Processing Unit)などのプロセッサである。なお、発熱部品14Aは、供給された電力に応じて駆動することで発熱する部品であればよく、CPU、GPUに限定されない。例えば、発熱部品14Aは、モータ、電子回路、などであってもよい。 The heat-generating component 14A is, for example, a processor such as a CPU or a GPU (Graphics Processing Unit). Note that the heat-generating component 14A may be any component that generates heat by being driven in accordance with supplied power, and is not limited to a CPU or GPU. For example, the heat generating component 14A may be a motor, an electronic circuit, or the like.

各種の機能を有する部材は、例えば、冷却機能を有する部材である。冷却機能を有する部材は、例えば、熱伝導性が高い金属材料で構成された部材である。冷却機能を有する部材は、具体的には、ヒートシンク14B、放熱部品などである。 A member having various functions is, for example, a member having a cooling function. A member having a cooling function is, for example, a member made of a metal material with high thermal conductivity. Specifically, the member having a cooling function is the heat sink 14B, a heat radiation component, and the like.

筐体12内に配置された発熱部品14Aは、ヒートシンク14Bなどの冷却機能を有する部材や、送風機15によって送り込まれた風Fによって冷却される。 The heat-generating components 14A arranged in the housing 12 are cooled by a member having a cooling function such as a heat sink 14B and the air F blown by the blower 15. FIG.

本実施の形態では、筐体12内には、部品14として、発熱部品14Aと、ヒートシンク14Bと、が設けられた形態を一例として説明する。なお、筐体12内には、他の部品を更に設けた構成であってもよい。 In the present embodiment, a configuration in which a heat-generating component 14A and a heat sink 14B are provided as components 14 in the housing 12 will be described as an example. Note that the housing 12 may have a configuration in which other parts are further provided.

本実施の形態では、図1に示すように、筐体12内には、基板18Aおよび基板18Bの各々の基板18上に、1または複数の発熱部品14Aが配置されている。 In the present embodiment, as shown in FIG. 1, one or more heat generating components 14A are arranged on each of the substrates 18A and 18B in the housing 12. As shown in FIG.

基板18は、電子回路基板の一例であり、マザーボード、またはメインボードと称される場合もある。 The board 18 is an example of an electronic circuit board, and is sometimes called a motherboard or a main board.

本実施の形態では、基板18A上には、発熱部品14Aとして、発熱部品14A1および発熱部品14A2が配置されている。また、発熱部品14A1と基板18Aとの間には、ヒートシンク14Bが配置されている。ヒートシンク14Bは、発熱部品14Aで発生した熱を放熱させる放熱部材として機能する。 In the present embodiment, a heat-generating component 14A1 and a heat-generating component 14A2 are arranged as the heat-generating component 14A on the substrate 18A. A heat sink 14B is arranged between the heat-generating component 14A1 and the substrate 18A. The heat sink 14B functions as a heat radiating member that radiates heat generated by the heat generating component 14A.

また、基板18B上には、発熱部品14A3が配置されている。 A heat-generating component 14A3 is arranged on the substrate 18B.

なお、電子機器10は、筐体12内に、更に他の基板18を配置した構成であってもよい。また、電子機器10は、筐体12内に、更に複数の発熱部品14Aおよび他の部品14を備えた構成であってもよい。 Note that the electronic device 10 may have a configuration in which another substrate 18 is further arranged inside the housing 12 . Further, the electronic device 10 may have a configuration in which the housing 12 further includes a plurality of heat-generating components 14A and other components 14 .

筐体12内には、複数のセンサ16(センサ16a~センサ16h)が配置されている。 A plurality of sensors 16 (sensors 16a to 16h) are arranged inside the housing 12 .

センサ16は、環境変動の物理量を測定可能なセンサである。例えば、センサ16は、温度、湿度、圧力、流量、加速度、電流、電圧、回転数、等の環境変動の物理量を検出し、検出結果を検出値として出力する。物理量および検出値は、例えば、温度、湿度、圧力、流量、加速度、電流、電圧、回転数、等を示す数値で表される。なお、以下では、センサ16の検出値を、検出値Xと称して説明する場合がある。 The sensor 16 is a sensor capable of measuring physical quantities of environmental changes. For example, the sensor 16 detects physical quantities such as temperature, humidity, pressure, flow rate, acceleration, current, voltage, rotation speed, and the like, and outputs detection results as detection values. Physical quantities and detected values are represented by numerical values indicating, for example, temperature, humidity, pressure, flow rate, acceleration, current, voltage, number of revolutions, and the like. In addition, below, the detection value of the sensor 16 may be called the detection value X, and it demonstrates.

センサ16は、例えば、温度センサ、湿度センサ、圧力センサ、風Fの流量センサ、電流センサ、電圧センサ、送風機15の回転数を検出する回転数センサ、送風機15の回転の加速度を検出する加速度センサ、などである。 The sensor 16 includes, for example, a temperature sensor, a humidity sensor, a pressure sensor, a flow rate sensor of the wind F, a current sensor, a voltage sensor, a rotational speed sensor for detecting the rotational speed of the blower 15, and an acceleration sensor for detecting the rotational acceleration of the blower 15. , etc.

センサ16は、筐体12内の環境変動を測定可能な位置に配置されていればよい。 The sensor 16 may be arranged at a position where environmental fluctuations within the housing 12 can be measured.

本実施の形態では、センサ16a~センサ16c、センサ16e~センサ16hは、温度を検出する温度センサである。センサ16aは、発熱部品14A1の温度を検出可能な位置に配置されている。詳細には、センサ16aは、発熱部品14A1に接触配置されている場合を一例として説明する。 In this embodiment, the sensors 16a to 16c and the sensors 16e to 16h are temperature sensors for detecting temperature. The sensor 16a is arranged at a position capable of detecting the temperature of the heat generating component 14A1. Specifically, a case where the sensor 16a is arranged in contact with the heat-generating component 14A1 will be described as an example.

センサ16bは、基板18A上に配置され、且つ、発熱部品14A1および発熱部品14A2とは非接触の位置に配置されている。センサ16gは、発熱部品14A2に接触配置されている。センサ16hは、基板18A上に設置され、発熱部品14A1に対して非接触な位置に配置されている。センサ16c、センサ16e、およびセンサ16fは、筐体12内の部品14に対して非接触に配置され、且つ、互いに異なる位置に配置されている。 The sensor 16b is arranged on the substrate 18A and is arranged at a position that is not in contact with the heat-generating components 14A1 and 14A2. The sensor 16g is arranged in contact with the heat generating component 14A2. The sensor 16h is installed on the substrate 18A and arranged at a non-contact position with respect to the heat-generating component 14A1. The sensors 16c, 16e, and 16f are arranged in a non-contact manner with respect to the component 14 inside the housing 12, and are arranged at positions different from each other.

センサ16dは、送風機15の回転数を検出するセンサ16である。なお、センサ16dは、送風機15の駆動に関する現象を測定可能であればよい。このため、センサ16dは、送風機15へ供給される電力量(電流値、電圧値)などの物理量を検出するセンサであってもよい。 A sensor 16 d is a sensor 16 that detects the rotation speed of the blower 15 . It should be noted that the sensor 16d only needs to be able to measure phenomena related to the driving of the blower 15 . Therefore, the sensor 16d may be a sensor that detects a physical quantity such as the amount of electric power (current value, voltage value) supplied to the blower 15 .

情報処理装置20は、電子機器10の異常原因を特定する装置である。情報処理装置20と、筐体12に設けられた複数のセンサ16の各々とは、データまたは信号を授受可能に接続されている。なお、情報処理装置20は、筐体12に搭載されたセンサ16以外の他の各種の電子機器と、データまたは信号を授受可能に更に接続されていてもよい。例えば、情報処理装置20は、センサ16と、複数の部品14の内の少なくとも1つ、および送風機15と、データまたは信号を授受可能に接続されていてもよい。 The information processing device 20 is a device that identifies the cause of an abnormality in the electronic device 10 . The information processing device 20 and each of the plurality of sensors 16 provided on the housing 12 are connected so as to be able to exchange data or signals. The information processing device 20 may be further connected to various electronic devices other than the sensor 16 mounted on the housing 12 so as to be able to exchange data or signals. For example, the information processing device 20 may be connected to the sensor 16, at least one of the plurality of parts 14, and the blower 15 so as to be able to exchange data or signals.

次に、情報処理装置20の機能的構成の一例を説明する。 Next, an example of the functional configuration of the information processing device 20 will be described.

図2は、情報処理装置20の機能的構成の一例を示すブロック図である。なお、図2には、説明のために、情報処理装置20と共に、電子機器10における情報処理装置20とデータまたは信号の授受を行うセンサ16を併せて示した。 FIG. 2 is a block diagram showing an example of the functional configuration of the information processing device 20. As shown in FIG. For the sake of explanation, FIG. 2 also shows the information processing device 20 and the sensor 16 for exchanging data or signals with the information processing device 20 in the electronic device 10 .

情報処理装置20と複数のセンサ16とは、データまたは信号を授受可能に接続されている。なお、上述したように、情報処理装置20は、複数のセンサ16、および、筐体12に搭載されたセンサ16以外の各種の電子機器、の双方とデータまたは信号を授受可能に接続されていてもよい。 The information processing device 20 and the plurality of sensors 16 are connected so as to be able to exchange data or signals. As described above, the information processing device 20 is connected to both the plurality of sensors 16 and various electronic devices other than the sensors 16 mounted on the housing 12 so as to be able to exchange data or signals. good too.

情報処理装置20は、制御部30と、記憶部32と、出力部34と、を備える。制御部30と、記憶部32および出力部34とは、データまたは信号を授受可能に接続されている。 The information processing device 20 includes a control section 30 , a storage section 32 and an output section 34 . The control unit 30, the storage unit 32, and the output unit 34 are connected so as to be able to exchange data or signals.

記憶部32は、各種のデータを記憶する。記憶部32は、例えば、公知のHDD(ハードディスクドライブ)などの記憶媒体である。本実施の形態では、記憶部32は、管理情報36を予め記憶する。管理情報36のデータ構成の詳細は後述する。 The storage unit 32 stores various data. The storage unit 32 is, for example, a storage medium such as a known HDD (hard disk drive). In this embodiment, the storage unit 32 stores management information 36 in advance. Details of the data configuration of the management information 36 will be described later.

出力部34は、各種の情報を出力する。本実施の形態では、出力部34は、エラー情報を出力する。エラー情報の詳細は後述する。 The output unit 34 outputs various information. In this embodiment, the output unit 34 outputs error information. Details of the error information will be described later.

出力部34は、各種の情報を表示する表示機能、音を出力する音出力機能、外部装置との間でデータを通信する通信機能、の少なくとも1つを備える。外部装置とは、電子機器10の外部に設けられた装置である。電子機器10と外部装置とは、ネットワークなどを介して通信可能とすればよい。例えば、出力部34は、公知の表示装置、公知のスピーカ、および公知の通信装置の少なくとも1つを組み合わせることで構成される。 The output unit 34 has at least one of a display function for displaying various information, a sound output function for outputting sound, and a communication function for communicating data with an external device. An external device is a device provided outside the electronic device 10 . The electronic device 10 and the external device may communicate with each other via a network or the like. For example, the output unit 34 is configured by combining at least one of a known display device, a known speaker, and a known communication device.

次に、制御部30について説明する。 Next, the controller 30 will be described.

制御部30は、取得部30Aと、第3の算出部30Bと、第1の算出部30Cと、第2の算出部30Dと、特定部30Eと、出力制御部30Fと、を備える。 The control unit 30 includes an acquisition unit 30A, a third calculation unit 30B, a first calculation unit 30C, a second calculation unit 30D, an identification unit 30E, and an output control unit 30F.

取得部30A、第3の算出部30B、第1の算出部30C、第2の算出部30D、特定部30E、および出力制御部30Fは、例えば、1または複数のプロセッサにより実現される。例えば上記各部は、CPUなどのプロセッサにプログラムを実行させること、すなわちソフトウェアにより実現してもよい。上記各部は、専用のICなどのプロセッサ、すなわちハードウェアにより実現してもよい。上記各部は、ソフトウェアおよびハードウェアを併用して実現してもよい。複数のプロセッサを用いる場合、各プロセッサは、各部のうち1つを実現してもよいし、各部のうち2以上を実現してもよい。 The acquisition unit 30A, the third calculation unit 30B, the first calculation unit 30C, the second calculation unit 30D, the identification unit 30E, and the output control unit 30F are implemented by one or more processors, for example. For example, each unit described above may be implemented by causing a processor such as a CPU to execute a program, that is, by software. Each of the above units may be implemented by a processor such as a dedicated IC, that is, by hardware. Each of the above units may be implemented using both software and hardware. When multiple processors are used, each processor may implement one of the units, or may implement two or more of the units.

取得部30Aは、センサ16の検出値Xを取得する。 Acquisition unit 30A acquires detection value X of sensor 16 .

ここで、本実施の形態では、情報処理装置20は、電子機器10の特定現象の推定値を算出し、異常原因の特定に用いる。以下では、推定値を推定値Ib、異常原因を異常原因Icと称して説明する場合がある。 Here, in the present embodiment, the information processing apparatus 20 calculates an estimated value of the specific phenomenon of the electronic device 10 and uses it to identify the cause of abnormality. In the following description, the estimated value will be referred to as estimated value Ib, and the cause of abnormality will be referred to as cause of abnormality Ic.

特定現象とは、電子機器10における、特定の異常原因Icの要因となる、筐体12内の特定の場所の特定の現象を意味する。特定現象は、具体的には、筐体12内の特定の場所の、温度、湿度、圧力、流量、加速度、電流、電圧、回転数、等の現象の内の1つを示す。 A specific phenomenon means a specific phenomenon at a specific location within the housing 12 that causes a specific cause of abnormality Ic in the electronic device 10 . The specific phenomenon specifically indicates one of phenomena such as temperature, humidity, pressure, flow rate, acceleration, current, voltage, number of revolutions, etc. at a specific location within the housing 12 .

筐体12内の特定の場所は、筐体12内の予め定めた空間内である。該空間内には、複数の部品14の内の何れか1つが含まれていてもよい。このため、例えば、特定の場所は、筐体12内の何れかの部品14を含む領域である。具体的には、特定の場所は、例えば、発熱部品14A1であるが、これに限定されない。例えば、特定の場所は、基板18A上の任意の位置などであってもよい。特定の場所が発熱部品14A1である場合、特定現象は、例えば、発熱部品14A1の温度となる。 The specific location within housing 12 is within a predetermined space within housing 12 . Any one of the plurality of components 14 may be included within the space. Thus, for example, a particular location is an area within housing 12 that includes any component 14 . Specifically, the specific location is, for example, the heat-generating component 14A1, but is not limited to this. For example, the particular location may be any location on substrate 18A, or the like. If the specific location is the heat-generating component 14A1, the specific phenomenon is, for example, the temperature of the heat-generating component 14A1.

推定値Ibを算出する対象の特定現象の種類は、予め設定してもよいし、ユーザなどによる操作指示による入力によって設定してもよい。取得部30Aは、ユーザによる入力の受付または設定内容情報を記憶部32から読取ることなどにより、推定値Ibを算出する対象の、特定現象の種類を取得する。なお、以下では、取得した、推定値Ibを算出する対象の特定現象の種類を、単に、対象とする特定現象、または特定現象、と称して説明する場合がある。 The type of specific phenomenon for which the estimated value Ib is to be calculated may be set in advance, or may be set by input by a user or the like through an operation instruction. Acquisition unit 30A acquires the type of specific phenomenon for which estimated value Ib is to be calculated, by receiving input from the user or reading setting content information from storage unit 32 . In the following description, the type of specific phenomenon for which the estimated value Ib is to be calculated may be simply referred to as the target specific phenomenon or specific phenomenon.

本実施の形態では、対象とする特定現象が、電子機器10に含まれる、発熱部品14A1の温度である場合を、一例として説明する。なお、対象とする特定現象は、発熱部品14A1の温度に限定されず、適宜変更可能とすればよい。 In the present embodiment, a case where the target specific phenomenon is the temperature of heat-generating component 14A1 included in electronic device 10 will be described as an example. Note that the target specific phenomenon is not limited to the temperature of the heat-generating component 14A1, and may be changed as appropriate.

取得部30Aは、センサ16の検出値Xとして、第1の検出値Xaおよび第2の検出値Xbを取得する。 Acquisition unit 30A acquires first detection value Xa and second detection value Xb as detection value X of sensor 16 .

第1の検出値Xaは、電子機器10に設けられた複数の第1のセンサ16Aの各々の検出値Xである。 The first detected value Xa is the detected value X of each of the plurality of first sensors 16A provided in the electronic device 10 .

ここで、本実施の形態では、制御部30は、異常原因Icの特定時には、電子機器10に設けられた複数のセンサ16を、対象とする特定現象に応じて、第1のセンサ16Aと、第2のセンサ16Bと、これら以外のセンサ16と、に分類して扱う。 Here, in the present embodiment, when the cause of abnormality Ic is specified, the control unit 30 operates the first sensor 16A, The sensors are classified into the second sensor 16B and the sensors 16 other than these.

第1のセンサ16Aとは、電子機器10に設けられた複数のセンサ16の内の少なくとも一部のセンサ16である。また、第1のセンサ16Aには、対象とする特定現象を直接検出するセンサ16は含まれない。 The first sensor 16A is at least some of the sensors 16 provided in the electronic device 10 . Further, the first sensor 16A does not include the sensor 16 that directly detects the target specific phenomenon.

すなわち、対象とする特定現象が発熱部品14A1の温度である場合、第1のセンサ16Aには、発熱部品14A1の温度を直接検出するセンサ16は含まれない。そして、この場合、第1のセンサ16Aは、筐体12に設けられた複数のセンサ16(センサ16a~センサ16h)の内、少なくともセンサ16a以外のセンサとなる。本実施の形態では、センサ16b、およびセンサ16c、センサ16g、センサ16h、およびセンサ16fを、第1のセンサ16Aとする場合を一例として説明する。 That is, when the specific phenomenon of interest is the temperature of the heat-generating component 14A1, the first sensor 16A does not include the sensor 16 that directly detects the temperature of the heat-generating component 14A1. In this case, the first sensor 16A is at least a sensor other than the sensor 16a among the plurality of sensors 16 (sensors 16a to 16h) provided in the housing 12. FIG. In the present embodiment, a case where sensor 16b, sensor 16c, sensor 16g, sensor 16h, and sensor 16f are used as first sensor 16A will be described as an example.

取得部30Aは、対象とする特定現象に応じて、該特定現象を直接検出するセンサ16a以外の、3つ以上のセンサ16を第1のセンサ16Aとして設定し、これらの第1のセンサ16Aからの検出値Xを、第1の検出値Xaとして取得すればよい。なお、取得部30Aは、3つ以上の第1の検出値Xaを取得することが好ましい。すなわち、取得部30Aは、上記条件を満たす3つ以上の第1のセンサ16Aの各々から受付けた検出値Xを、第1の検出値Xaとして取得することが好ましい。 The acquisition unit 30A sets three or more sensors 16 other than the sensor 16a that directly detects the specific phenomenon as the first sensors 16A according to the specific phenomenon of interest, and from these first sensors 16A is obtained as the first detection value Xa. In addition, it is preferable that the acquisition unit 30A acquires three or more first detection values Xa. That is, it is preferable that the acquisition unit 30A acquires the detected value X received from each of the three or more first sensors 16A satisfying the above conditions as the first detected value Xa.

第2のセンサ16Bとは、電子機器10に設けられた複数のセンサ16の内、第1のセンサ16A以外のセンサ16であり、且つ、対象とする特定現象を直接検出するセンサ16である。 The second sensor 16B is a sensor 16 other than the first sensor 16A among the plurality of sensors 16 provided in the electronic device 10, and is a sensor 16 that directly detects a target specific phenomenon.

例えば、対象とする特定現象が発熱部品14A1の温度である場合、第2のセンサ16Bは、筐体12に設けられた複数のセンサ16(センサ16a~センサ16h)の内、発熱部品14A1の温度を直接検出するセンサ16aとなる。 For example, when the target specific phenomenon is the temperature of the heat-generating component 14A1, the second sensor 16B detects the temperature becomes a sensor 16a that directly detects the .

このため、この場合、取得部30Aは、対象とする特定現象を直接検出する第2のセンサ16Bであるセンサ16aから受付けた検出値Xを、第2の検出値Xbとして取得する。 Therefore, in this case, the acquisition unit 30A acquires the detection value X received from the sensor 16a, which is the second sensor 16B that directly detects the target specific phenomenon, as the second detection value Xb.

第3の算出部30Bは、取得部30Aで取得した複数の第1の検出値Xaに応じて、電子機器10における、特定現象に影響を与える複数の要因の各々の評価値を算出する。以下では、要因の評価値を、評価値Iaと称して説明する場合がある。 The third calculator 30B calculates an evaluation value for each of a plurality of factors affecting the specific phenomenon in the electronic device 10 according to the plurality of first detection values Xa acquired by the acquirer 30A. Below, the evaluation value of a factor may be referred to as an evaluation value Ia.

評価値Iaとは、対象とする特定現象に影響を与える要因である。評価値Iaは、対象とする特定現象へ与える影響の度合いを示す数値で表される。評価値Iaが高い要因であるほど、対象とする特定現象に与える影響の度合いが大きい事を示す。 The evaluation value Ia is a factor that affects a specific phenomenon of interest. The evaluation value Ia is represented by a numerical value indicating the degree of influence on the target specific phenomenon. A factor with a higher evaluation value Ia indicates a greater degree of influence on the target specific phenomenon.

対象とする特定現象に与える要因の評価値Iaは、言い換えると、電子機器10の稼働中に状態が変化する事象の評価値Iaである。 In other words, the evaluation value Ia of the factors affecting the target specific phenomenon is the evaluation value Ia of the event whose state changes during the operation of the electronic device 10 .

例えば、特定現象に与える要因は、ヒートシンク14Bと発熱部品14Aとの接触状態、吸気口13Aの閉塞状態、排気口13Bの閉塞状態、送風機15の回転数、送風機15から送り出される風Fの風量、送風機15から送り出される風Fの風速、異常原因の特定に用いる特定現象、筐体12内の温度、および、発熱部品14Aへの負荷、などである。すなわち、評価値Iaは、これらの要因の評価値Iaである。なお、特定現象に与える要因は、特定現象の種類によって様々であり、これらに限定されない。 For example, the factors affecting the specific phenomenon are the contact state between the heat sink 14B and the heat-generating component 14A, the blocked state of the intake port 13A, the blocked state of the exhaust port 13B, the rotation speed of the blower 15, the air volume of the wind F sent out from the blower 15, They are the wind speed of the wind F sent out from the blower 15, the specific phenomenon used to identify the cause of the abnormality, the temperature inside the housing 12, the load on the heat generating component 14A, and the like. That is, the evaluation value Ia is the evaluation value Ia of these factors. Factors that affect the specific phenomenon vary depending on the type of the specific phenomenon, and are not limited to these.

第3の算出部30Bは、例えば、以下の方法で、複数の第1の検出値Xaから、複数の要因の各々の評価値Iaを算出する。 The third calculator 30B calculates an evaluation value Ia for each of the multiple factors from the multiple first detection values Xa, for example, by the following method.

図3は、本実施の形態の異常原因Icの特定処理の概略説明図である。図3に示すように、第3の算出部30Bは、複数の第1の検出値Xaから、複数の評価値Iaを算出する。 FIG. 3 is a schematic explanatory diagram of the identification processing of the cause of abnormality Ic according to the present embodiment. As shown in FIG. 3, the third calculator 30B calculates multiple evaluation values Ia from multiple first detection values Xa.

詳細には、例えば、第3の算出部30Bは、以下の式(1)を用いて、要因ごとに評価値Iaを算出する。 Specifically, for example, the third calculator 30B calculates the evaluation value Ia for each factor using the following formula (1).

Ia=p0+p1・Xa1+p2・Xa2+・・・+pn・Xan 式(1) Ia=p0+p1*Xa1+p2*Xa2+...+pn*Xan Formula (1)

式(1)中、Xaは、第1の検出値Xaを示す。Xaの各々に隣接する数値(1~n)は、第1のセンサ16Aの識別子である。p0~pnは、係数を示す。Iaは、要因の評価値Iaを示す。 In formula (1), Xa represents the first detected value Xa. The numbers (1 to n) adjacent to each Xa are the identifiers of the first sensors 16A. p0 to pn indicate coefficients. Ia indicates the evaluation value Ia of the factor.

第3の算出部30Bは、複数種類の要因の各々ごとに、要因の評価値Iaと、複数の第1の検出値Xaと、の相関関係を予め導出すればよい。具体的には、例えば、上記式(1)の計数p0~Pnの値を、要因ごとに予め導出すればよい。この相関関係は、実験、シミュレーション、または機械学習などによって導出すればよい。機械学習には、畳み込みニューラルネットワーク(Convolutional Neural Network:CNN)、階層ベイズモデリング、DNN(Deep Neural Network)、粒子フィルタなどのデータ同化技術、などの公知の機械学習方法を用いればよい。 The third calculator 30B may preliminarily derive the correlation between the factor evaluation value Ia and the plurality of first detection values Xa for each of the plurality of types of factors. Specifically, for example, the values of the counts p0 to Pn in Equation (1) above may be derived in advance for each factor. This correlation may be derived through experiments, simulations, machine learning, or the like. For machine learning, known machine learning methods such as convolutional neural networks (CNN), hierarchical Bayesian modeling, DNN (Deep Neural Network), data assimilation techniques such as particle filters, and the like may be used.

なお、評価値Iaを算出するための相関関係を示す関数の一例として、式(1)を挙げた。しかし、評価値Iaを算出するための相関関係の式は、一次元の多項式、多次元の多項式、の何れであってもよい。また、評価値Iaを算出するための相関関係の式は、非線形性の強い式であってもよい。 Formula (1) is given as an example of the function indicating the correlation for calculating the evaluation value Ia. However, the correlation formula for calculating the evaluation value Ia may be either a one-dimensional polynomial or a multidimensional polynomial. Further, the correlation formula for calculating the evaluation value Ia may be a highly nonlinear formula.

そして、第3の算出部30Bは、予め導出した相関関係を示す関数(例えば、上記式(1)に、複数の第1の検出値Xaの各々を代入することで、要因ごとの評価値Ia(評価値Ia1~評価値Ian)を算出すればよい。 Then, the third calculation unit 30B substitutes each of the plurality of first detection values Xa into a previously derived function indicating the correlation (for example, formula (1) above) to obtain the evaluation value Ia for each factor. (Evaluation value Ia1 to Evaluation value Ian) can be calculated.

なお、第3の算出部30Bは、3つ以上の第1の検出値Xa値に応じて、評価値Iaを算出することが好ましい。すなわち、式(1)の場合、第1の検出値Xa1、第1の検出値Xa2、および第1の検出値Xa3を少なくとも含む上記式(1)を用いて、要因ごとの評価値Iaを算出することが好ましい。また、第3の算出部30Bは、算出に用いる第1の検出値Xaの数と同じ数の、互いに要因の異なる評価値Iaを算出すればよい。 Note that the third calculator 30B preferably calculates the evaluation value Ia according to three or more first detection values Xa. That is, in the case of formula (1), the evaluation value Ia for each factor is calculated using the above formula (1) including at least the first detection value Xa1, the first detection value Xa2, and the first detection value Xa3. preferably. Also, the third calculator 30B may calculate the same number of evaluation values Ia as the number of the first detection values Xa used for calculation, which have different factors.

このため、例えば、第3の算出部30Bが、3つの第1の検出値Xaから評価値Iaを算出する場合、第3の算出部30Bは、互いに異なる3つの要因の評価値Iaを算出することとなる。 Therefore, for example, when the third calculator 30B calculates the evaluation value Ia from the three first detection values Xa, the third calculator 30B calculates the evaluation value Ia of the three factors different from each other. It will happen.

図2に戻り説明を続ける。次に、第1の算出部30Cについて説明する。第1の算出部30Cは、電子機器10に設けられた複数の第1のセンサ16Aの各々で検出される第1の検出値Xaに応じて、電子機器10の特定現象の推定値Ibを算出する。 Returning to FIG. 2, the description is continued. Next, the first calculator 30C will be described. The first calculator 30C calculates an estimated value Ib of the specific phenomenon of the electronic device 10 according to the first detection value Xa detected by each of the plurality of first sensors 16A provided in the electronic device 10. do.

推定値Ibは、対象とする特定現象の物理量を推定した値である。例えば、対象とする特定現象が発熱部品14A1の温度であると想定する。この場合、特定現象の推定値Ibは、発熱部品14A1の温度の推定値Ibである。 The estimated value Ib is a value obtained by estimating the physical quantity of the target specific phenomenon. For example, assume that the specific phenomenon of interest is the temperature of heat-generating component 14A1. In this case, the estimated value Ib of the specific phenomenon is the estimated value Ib of the temperature of the heat generating component 14A1.

第1の算出部30Cは、複数の第1の検出値Xa、または、第3の算出部30Bが算出した複数の評価値Iaを用いて、特定現象の推定値Ibを算出する。本実施の形態では、第1の算出部30Cは、複数の第1の検出値Xaから、1つの推定値Ibを算出する場合を想定して説明する。 The first calculator 30C calculates the estimated value Ib of the specific phenomenon using the plurality of first detection values Xa or the plurality of evaluation values Ia calculated by the third calculator 30B. In this embodiment, the first calculator 30C will be described on the assumption that one estimated value Ib is calculated from a plurality of first detected values Xa.

まず、複数の第1の検出値Xaを用いて、特定現象の推定値Ibを算出する方法を説明する。 First, a method of calculating an estimated value Ib of a specific phenomenon using a plurality of first detected values Xa will be described.

この場合、例えば、第1の算出部30Cは、以下の式(2)を用いて、特定現象の推定値Ibを算出する。 In this case, for example, the first calculator 30C calculates the estimated value Ib of the specific phenomenon using the following equation (2).

Ib=q0+q1・Xa1+q2・Xa2+・・・+qn・Xan 式(2) Ib=q0+q1*Xa1+q2*Xa2+...+qn*Xan Formula (2)

式(2)中、Xaは、第1の検出値Xaを示す。Xaの各々に隣接する数値(1~n)は、第1のセンサ16Aの識別子である。q0~qnは、係数を示す。nは、2以上の整数を示す。Ibは、推定値Ibを示す。 In formula (2), Xa represents the first detection value Xa. The numbers (1 to n) adjacent to each Xa are the identifiers of the first sensors 16A. q0 to qn indicate coefficients. n represents an integer of 2 or more. Ib indicates the estimated value Ib.

第1の算出部30Cは、特定現象の推定値Ibと、複数の第1の検出値Xaと、の相関関係を予め導出すればよい。具体的には、例えば、第1の算出部30Cは、上記式(2)の計数q0~qnの値を、予め導出すればよい。この相関関係は、実験、シミュレーション、または機械学習などによって導出すればよい。機械学習には、CNN、階層ベイズモデリング、DNN、粒子フィルタなどのデータ同化技術、などの公知の機械学習方法を用いればよい。なお、上記には、第1の検出値Xaから推定値Ibを算出するための相関関係を示す関数の一例として、式(2)を挙げた。しかし、第1の検出値Xaから推定値Ibを算出するための相関関係の式は、一次元の多項式、多次元の多項式、の何れであってもよい。また、第1の検出値Xaから推定値Ibを算出するための相関関係の式は、非線形性の強い式であってもよい。 The first calculator 30C may derive in advance the correlation between the estimated value Ib of the specific phenomenon and the plurality of first detected values Xa. Specifically, for example, the first calculator 30C may derive in advance the values of the counts q0 to qn of the above equation (2). This correlation may be derived through experiments, simulations, machine learning, or the like. For machine learning, known machine learning methods such as CNN, hierarchical Bayesian modeling, DNN, and data assimilation techniques such as particle filters may be used. In the above description, Equation (2) is given as an example of the function indicating the correlation for calculating the estimated value Ib from the first detected value Xa. However, the correlation formula for calculating the estimated value Ib from the first detected value Xa may be either a one-dimensional polynomial or a multidimensional polynomial. Further, the correlation formula for calculating the estimated value Ib from the first detected value Xa may be a highly nonlinear formula.

そして、第1の算出部30Cは、予め導出した相関関係を示す関数(例えば、上記式(2))に、複数の第1の検出値Xaの各々を代入することで、特定現象の推定値Ibを算出すればよい。 Then, the first calculation unit 30C substitutes each of the plurality of first detection values Xa into a previously derived function indicating the correlation (for example, the above equation (2)) to obtain an estimated value of the specific phenomenon Ib can be calculated.

なお、第1の算出部30Cは、予め導出した相関関係示す関数以外に、上記式(2)によって表される該相関関係を示す学習済モデルなどを用いて、複数の第1の検出値Xaから、特定現象の推定値Ibを算出してもよい。 Note that the first calculation unit 30C calculates the plurality of first detection values Xa , the estimated value Ib of the specific phenomenon may be calculated.

次に、複数の評価値Iaを用いて、特定現象の推定値Ibを算出する方法を説明する。 Next, a method of calculating the estimated value Ib of the specific phenomenon using a plurality of evaluation values Ia will be described.

この場合、第1の算出部30Cは、複数の第1の検出値Xaから算出された、要因ごとの評価値Iaを、第3の算出部30Bから受付ける。すなわち、第1の算出部30Cは、複数の要因の各々の評価値Iaを、第3の算出部30Bから受付ける。そして、第1の算出部30Cは、複数の要因の各々の評価値Iaを用いて、特定現象の推定値Ibを算出する。 In this case, the first calculator 30C receives the evaluation value Ia for each factor calculated from the plurality of first detection values Xa from the third calculator 30B. That is, the first calculator 30C receives the evaluation value Ia of each of the plurality of factors from the third calculator 30B. Then, the first calculator 30C calculates the estimated value Ib of the specific phenomenon using the evaluation value Ia of each of the plurality of factors.

例えば、第1の算出部30Cは、複数の評価値Iaと推定値Ibとの予め導出した相関関係と、第3の算出部30Bで算出した複数の評価値Iaと、を用いて、推定値Ibを算出する。 For example, the first calculator 30C uses the previously derived correlation between the multiple evaluation values Ia and the estimated value Ib and the multiple evaluation values Ia calculated by the third calculator 30B to obtain the estimated value Calculate Ib.

具体的には、例えば、第1の算出部30Cは、以下の式(3)を用いて、特定現象の推定値Ibを算出する。 Specifically, for example, the first calculator 30C calculates the estimated value Ib of the specific phenomenon using the following equation (3).

Ib=r0+r1・Ia1+r2・Ia2+・・・+rn・Ian 式(3) Ib=r0+r1*Ia1+r2*Ia2+...+rn*Ian Formula (3)

式(3)中、Iaは、要因の評価値Iaを示す。Iaの各々に隣接する数値(1~n)は、第1のセンサ16Aの識別子である。r0~rnは、係数を示す。nは、2以上の整数を示す。Ibは、推定値Ibを示す。 In formula (3), Ia indicates the evaluation value Ia of the factor. The numbers (1 to n) adjacent to each Ia are the identifiers of the first sensors 16A. r0 to rn indicate coefficients. n represents an integer of 2 or more. Ib indicates the estimated value Ib.

第1の算出部30Cは、特定現象の推定値Ibと、複数の第1の検出値Xaから算出される複数の要因の各々の評価値Iaと、と、の相関関係を予め導出すればよい。具体的には、例えば、第1の算出部30Cは、上記式(3)の計数r0~rnの値を、予め導出すればよい。この相関関係は、実験、シミュレーション、または機械学習などによって導出すればよい。機械学習には、CNN、階層ベイズモデリング、DNN、粒子フィルタなどのデータ同化技術、などの公知の機械学習方法を用いればよい。なお、評価値Iaから推定値Ibを算出するための相関関係を示す関数の一例として、式(3)を挙げた。しかし、評価値Iaから推定値Ibを算出するための相関関係の式は、一次元の多項式、多次元の多項式、の何れであってもよい。また、評価値Iaから推定値Ibを算出するための相関関係の式は、非線形性の強い式であってもよい。 The first calculation unit 30C may preliminarily derive the correlation between the estimated value Ib of the specific phenomenon and the evaluation value Ia of each of the plurality of factors calculated from the plurality of first detection values Xa. . Specifically, for example, the first calculator 30C may derive in advance the values of the counts r0 to rn in the above equation (3). This correlation may be derived through experiments, simulations, machine learning, or the like. For machine learning, known machine learning methods such as CNN, hierarchical Bayesian modeling, DNN, and data assimilation techniques such as particle filters may be used. Equation (3) is given as an example of the function indicating the correlation for calculating the estimated value Ib from the evaluation value Ia. However, the correlation formula for calculating the estimated value Ib from the evaluation value Ia may be either a one-dimensional polynomial or a multidimensional polynomial. Further, the correlation formula for calculating the estimated value Ib from the evaluation value Ia may be a highly nonlinear formula.

そして、第1の算出部30Cは、予め導出した相関関係を示す関数(例えば、上記式(3))に、複数の第1の検出値Xa1の各々から算出された複数の要因の各々の評価値Iaを代入することで、特定現象の推定値Ibを算出すればよい。 Then, the first calculation unit 30C adds the evaluation of each of the plurality of factors calculated from each of the plurality of first detection values Xa1 to the previously derived function indicating the correlation (for example, the above formula (3)). By substituting the value Ia, the estimated value Ib of the specific phenomenon can be calculated.

なお、第1の算出部30Cは、予め導出した相関関係示す関数以外に、上記式(3)によって表される該相関関係を示す学習済モデルなどを用いて、複数の評価値Iaから、特定現象の推定値Ibを算出してもよい。 Note that the first calculation unit 30C uses a learned model that indicates the correlation represented by the above equation (3) in addition to the function that indicates the correlation that is derived in advance, from the plurality of evaluation values Ia. An estimate Ib of the phenomenon may be calculated.

図3を用いて説明する。このように、第1の算出部30Cは、複数の第1の検出値Xa、または、複数の第1の検出値Xaから算出された要因ごとの評価値Ia、を用いて、特定現象の推定値Ibを算出する。 Description will be made with reference to FIG. In this way, the first calculator 30C estimates the specific phenomenon using the plurality of first detection values Xa or the evaluation value Ia for each factor calculated from the plurality of first detection values Xa. Calculate the value Ib.

なお、第1の算出部30Cは、第1の検出値Xaから推定値Ibを算出する算出方法、および、評価値Iaから推定値Ibを算出する方法の内、評価値Iaから推定値Ibを算出する算出方法を用いる事が好ましい。これは、何れの評価値Iaによって表される要因が、特定現象の異常に影響を与えているかを、評価値Iaの解析によって導出することが可能となるためである。 Note that the first calculation unit 30C calculates the estimated value Ib from the evaluation value Ia among the calculation method for calculating the estimated value Ib from the first detection value Xa and the method for calculating the estimated value Ib from the evaluation value Ia. It is preferable to use a calculation method for calculating. This is because analysis of the evaluation value Ia makes it possible to derive which factor represented by the evaluation value Ia affects the abnormality of the specific phenomenon.

図2に戻り説明を続ける。第2の算出部30Dは、第2のセンサ16Bで検出される第2の検出値Xbと、第1の算出部30Cが算出した特定現象の推定値Ibと、の差分ΔIbを算出する(図3も参照)。詳細には、第2の算出部30Dは、第2の検出値Xbと推定値Ibとの差分の絶対値を、差分ΔIbとして算出する。 Returning to FIG. 2, the description is continued. The second calculation unit 30D calculates the difference ΔIb between the second detection value Xb detected by the second sensor 16B and the estimated value Ib of the specific phenomenon calculated by the first calculation unit 30C (Fig. 3). Specifically, the second calculator 30D calculates the absolute value of the difference between the second detection value Xb and the estimated value Ib as the difference ΔIb.

ここで、上述したように、第2のセンサ16Bは、電子機器10に設けられた複数のセンサ16の内、第1のセンサ16A以外のセンサ16であり、且つ、対象とする特定現象を直接検出するセンサ16である。このため、第2のセンサ16Bで検出される第2の検出値Xbは、対象とする特定現象の実測値であるといえる。 Here, as described above, the second sensor 16B is a sensor 16 other than the first sensor 16A among the plurality of sensors 16 provided in the electronic device 10, and directly detects the target specific phenomenon. It is the sensor 16 which detects. Therefore, it can be said that the second detection value Xb detected by the second sensor 16B is the actual measurement value of the target specific phenomenon.

一方、特定現象の推定値Ibは、電子機器10に設けられた複数のセンサ16の内、第2のセンサ16B以外のセンサ16である第1のセンサ16Aの第1の検出値Xaから導出された値であり、特定現象の物理量を推定した値である。
On the other hand, the estimated value Ib of the specific phenomenon is derived from the first detection value Xa of the first sensor 16A, which is the sensor 16 other than the second sensor 16B among the plurality of sensors 16 provided in the electronic device 10. It is a value obtained by estimating the physical quantity of a specific phenomenon.

そこで、第2の算出部30Dは、特定現象の推定値Ibと、特定現象の実測値である第2の検出値Xbと、の差の絶対値である差分ΔIbを算出する。 Therefore, the second calculator 30D calculates the difference ΔIb, which is the absolute value of the difference between the estimated value Ib of the specific phenomenon and the second detected value Xb, which is the measured value of the specific phenomenon.

特定部30Eは、差分ΔIbに応じて、特定現象に関する異常原因Icを特定する。 The identifying unit 30E identifies the cause of abnormality Ic related to the specific phenomenon according to the difference ΔIb.

なお、異常原因Icの導出に用いる差分ΔIbの算出に間接的に用いた第1の検出値Xaは、異常原因Icの影響を受けにくい(ほぼ受けない)場所に設置された第1のセンサ16Aの、第1の検出値Xaであることが好ましい。 The first detection value Xa indirectly used to calculate the difference ΔIb used for deriving the cause of abnormality Ic is obtained from the first sensor 16A installed at a location that is not easily (almost) affected by the cause of abnormality Ic. is preferably the first detected value Xa of .

特定部30Eは、差分ΔIbが第1の閾値以上である場合、対象とする特定現象が異常を示すと判断する。第1の閾値は、対象とする特定現象の種類、および電子機器10の装置構成などに応じて、予め実験などによって導出し、予め定めればよい。また、第1の閾値は、ユーザによる操作指示の入力などによって、適宜変更可能としてもよい。 When the difference ΔIb is equal to or greater than the first threshold, the identification unit 30E determines that the target specific phenomenon indicates an abnormality. The first threshold may be derived in advance through experiments or the like and determined in advance according to the type of target specific phenomenon, the device configuration of the electronic device 10, and the like. Also, the first threshold value may be changed as appropriate by inputting an operation instruction by the user.

図4は、第2の検出値Xbと、推定値Ibと、の関係の一例を示す線図である。 FIG. 4 is a diagram showing an example of the relationship between the second detected value Xb and the estimated value Ib.

図4の横軸は、第2の検出値Xbを示し、縦軸は推定値Ibを示す。また、図4中、推定値Ibおよび第2の検出値Xbは、温度の値を示し、単位は“℃”である。 The horizontal axis of FIG. 4 indicates the second detected value Xb, and the vertical axis indicates the estimated value Ib. In FIG. 4, the estimated value Ib and the second detected value Xb indicate temperature values in units of "°C".

図4は、電子機器10内の発熱部品14A1に対する冷却異常が発生した異常状態であるときと、該冷却異常が発生していない正常状態であるときと、の各々の状態において実験を行った時の、第2の検出値Xbと推定値Ibとの関係を示したものである。 FIG. 4 shows the results of an experiment conducted in each of an abnormal state in which a cooling abnormality occurred with respect to the heat-generating component 14A1 in the electronic device 10 and a normal state in which the cooling abnormality did not occur. 2 shows the relationship between the second detected value Xb and the estimated value Ib.

図4中、プロット40は、正常状態であるときの、第2の検出値Xbと推定値Ibとの関係を示すプロットである。また、プロット42は、異常状態であるときの、第2の検出値Xbと推定値Ibとの関係を示すプロットである。 In FIG. 4, a plot 40 is a plot showing the relationship between the second detected value Xb and the estimated value Ib in the normal state. A plot 42 is a plot showing the relationship between the second detected value Xb and the estimated value Ib in an abnormal state.

図4に示すように、電子機器10が正常状態であるときには、プロット40に示されるように、第2の検出値Xbと推定値Ibとの差である差分ΔIbは、異常状態より小さかった。図4に示す例の場合、正常状態であるときの差分ΔIbは、±5℃以内であった。 As shown in FIG. 4 , when the electronic device 10 is in the normal state, the difference ΔIb between the second detected value Xb and the estimated value Ib is smaller than in the abnormal state, as shown in the plot 40. In the case of the example shown in FIG. 4, the difference ΔIb in the normal state was within ±5°C.

一方、電子機器10が異常状態であるときには、プロット42に示されるように、第2の検出値Xbと推定値Ibとの差である差分ΔIbは、正常状態より大きかった。図4に示す例の場合、電子機器10が異常状態であるときの差分ΔIbは、14℃であった。 On the other hand, when electronic device 10 was in an abnormal state, difference ΔIb, which is the difference between second detected value Xb and estimated value Ib, was larger than in the normal state, as shown in plot 42 . In the example shown in FIG. 4, the difference ΔIb was 14° C. when the electronic device 10 was in an abnormal state.

推定値Ibと第2の検出値Xbとが、図4の関係を示す場合、特定部30Eは、例えば、対象とする特定現象が発熱部品14A1の温度である場合に用いる第1の閾値として、10℃を予め設定すればよい。 When the estimated value Ib and the second detected value Xb have the relationship shown in FIG. 4, the identifying unit 30E sets, for example, the first threshold used when the target specific phenomenon is the temperature of the heat-generating component 14A1 to be: 10°C may be set in advance.

図2に戻り説明を続ける。特定部30Eは、第1の閾値を、特定現象の識別情報に対応付けて予め記憶部32へ記憶すればよい。特定現象の識別情報には、例えば、特定現象の種類を一意に識別可能な情報を付与すればよい。特定部30Eは、異常原因Icを特定するときに、対象とする特定現象の識別情報に対応する第1の閾値を、記憶部32から読取り、判断に用いればよい。 Returning to FIG. 2, the description is continued. The identification unit 30E may store the first threshold value in advance in the storage unit 32 in association with the identification information of the specific phenomenon. For the identification information of the specific phenomenon, for example, information that can uniquely identify the type of the specific phenomenon may be added. When identifying the cause of abnormality Ic, the identification unit 30E may read the first threshold value corresponding to the identification information of the target specific phenomenon from the storage unit 32 and use it for determination.

特定部30Eは、第2の算出部30Dで算出された差分ΔIbが第1の閾値以上であると判断すると、異常原因Icを特定する。 When the identification unit 30E determines that the difference ΔIb calculated by the second calculation unit 30D is equal to or greater than the first threshold, the identification unit 30E identifies the cause of abnormality Ic.

異常原因Icは、対象とする特定現象に影響を与える、異常の原因である。異常原因Icは、異常場所と、異常内容と、の少なくとも一方を含む。異常場所とは、異常の発生場所を示す情報である。異常内容とは、異常の内容を示す。 The anomaly cause Ic is the cause of an anomaly that affects a specific phenomenon of interest. The anomaly cause Ic includes at least one of an anomaly location and an anomaly content. The anomaly location is information indicating the location where an anomaly has occurred. The content of the abnormality indicates the content of the abnormality.

本実施の形態では、特定部30Eは、第1の検出値Xaに比べて第2の検出値Xbへ高い変動を与える要因となる異常原因Icを特定する。言い換えると、特定部30Eは、特定現象を直接検出する第2のセンサ16Bで検出される第2の検出値Xbに対して、第1の検出値Xaに比べて高い影響を与える異常原因Icを特定する。 In the present embodiment, the identifying unit 30E identifies the abnormality cause Ic that causes the second detected value Xb to fluctuate more than the first detected value Xa. In other words, the identifying unit 30E determines the cause of abnormality Ic that has a higher influence on the second detection value Xb detected by the second sensor 16B that directly detects the specific phenomenon than the first detection value Xa. Identify.

また、特定部30Eは、特定現象の推定値Ibの算出に用いられる複数の第1の検出値Xaの各々からは直接特定不可能な、異常原因Icを特定することが好ましい。 Further, the identifying unit 30E preferably identifies the cause of abnormality Ic that cannot be directly identified from each of the plurality of first detection values Xa used to calculate the estimated value Ib of the specific phenomenon.

異常原因Icは、例えば、異常場所“発熱部品-ヒートシンク間”および異常内容“熱抵抗増加”である。また、異常原因Icは、例えば、異常場所“吸気口”および異常内容“流量低下”である。流量低下は、風Fの流量低下を意味する。また、異常原因Icは、例えば、異常場所“発熱部品”および異常内容“異常発熱”である。また、異常原因Icは、例えば、異常場所”フィルタ”および異常内容“フィルタ目詰まり”である。 The cause of abnormality Ic is, for example, the location of the abnormality "between the heat-generating component and the heat sink" and the content of the abnormality "increase in thermal resistance". Further, the cause of abnormality Ic is, for example, the location of the abnormality "air inlet" and the content of the abnormality "decrease in flow rate". A flow rate drop means a flow rate drop of the wind F. Further, the cause of abnormality Ic is, for example, the location of the abnormality "heat generating component" and the content of the abnormality "abnormal heat generation". The cause of abnormality Ic is, for example, the location of abnormality "filter" and the content of abnormality "filter clogging".

なお、異常原因Icは、電子機器10内の予め定められた範囲以下の局所的な領域の温度などの特定現象に、影響を与える異常の原因であることが好ましい。例えば、異常原因Icの一例である異常場所“発熱部品-ヒートシンク間”および異常内容“熱抵抗増加”の影響範囲は、発熱部品14A(例えば、発熱部品14A1)の周辺に限定されることが多い。一方、異常原因Icの一例である異常場所“吸気口”および異常内容“流量低下”は、異常場所“発熱部品-ヒートシンク間”の異常原因Icに比べて、影響範囲が広い。このため、特定部30Eは、複数の異常原因Icが特定可能である場合、より局所的な領域の特定現象に影響を与える異常原因Icを、特定することが好ましい。 It should be noted that the cause of abnormality Ic is preferably a cause of abnormality that affects a specific phenomenon such as the temperature of a local area below a predetermined range within the electronic device 10 . For example, the influence range of the abnormal location “between the heat-generating component and the heat sink” and the abnormality content “thermal resistance increase”, which is an example of the cause of abnormality Ic, is often limited to the periphery of the heat-generating component 14A (for example, the heat-generating component 14A1). . On the other hand, the abnormal location "air inlet" and the abnormal content "decrease in flow rate", which are examples of the abnormal cause Ic, have a wider range of influence than the abnormal location "between the heat-generating component and the heat sink". Therefore, when a plurality of causes of abnormality Ic can be identified, the identifying unit 30E preferably identifies the cause of abnormality Ic that affects the specific phenomenon in a more localized area.

異常原因Icが局所的な領域の特定現象に影響を与えるものである場合、該異常原因Icの特定に用いた推定値Ibは、電子機器10における、該異常原因Icによって影響を受ける範囲内の領域の推定値Ibであるといえる。このため、この場合、特定部30Eは、異常原因Icの特定精度の向上を図ることができる。 When the cause of abnormality Ic affects a specific phenomenon in a local area, the estimated value Ib used to identify the cause of abnormality Ic is the area within the range affected by the cause of abnormality Ic in the electronic device 10. It can be said that it is the estimated value Ib of the region. Therefore, in this case, the specifying unit 30E can improve the accuracy of specifying the cause of abnormality Ic.

例えば、異常原因Icが異常場所“発熱部品-ヒートシンク間”および異常内容“熱抵抗増加”であると想定する。また、この発熱部品が、発熱部品14A1であると想定する。この場合、第1の算出部30Cは、何れかのセンサ16(例えば、センサ16b、センサ16f、センサ16g、およびセンサ16h)の検出値Xを、第1の検出値Xaとして用いて、特定現象の推定値Ibを算出すればよい。この処理により、特定部30Eは、異常原因Icの特定精度の向上を図ることができる。なお、この場合、第1の検出値Xaとして用いるセンサ16は、発熱部品14A1による発熱の影響を受ける範囲に配置されたセンサ16に限定されない。すなわち、発熱部品14A1による発熱の影響を受けない範囲に配置されたセンサ16を含んでいてもよい。 For example, assume that the cause of the abnormality Ic is the location of the abnormality "between the heat-generating component and the heat sink" and the contents of the abnormality "increase in thermal resistance". It is also assumed that this heat-generating component is the heat-generating component 14A1. In this case, the first calculator 30C uses the detection value X of any of the sensors 16 (for example, the sensor 16b, the sensor 16f, the sensor 16g, and the sensor 16h) as the first detection value Xa to calculate the specific phenomenon The estimated value Ib of is calculated. By this processing, the identifying unit 30E can improve the accuracy of identifying the cause of abnormality Ic. In this case, the sensor 16 used as the first detected value Xa is not limited to the sensor 16 arranged in the range affected by the heat generated by the heat-generating component 14A1. That is, the sensor 16 may be arranged in a range that is not affected by the heat generated by the heat generating component 14A1.

なお、異常原因Icは、上記条件を満たすものであればよく、これらに限定されない。上記条件とは、第2の検出値Xbに対して第1の検出値Xaに比べて高い影響を与える原因、複数の第1の検出値Xaの各々から直接特定不可能な原因、および、局所的な領域の特定現象に影響を与える原因、の少なくとも1つを示す。 It should be noted that the cause of abnormality Ic is not limited to these as long as it satisfies the above conditions. The above conditions include a cause that has a higher influence on the second detection value Xb than the first detection value Xa, a cause that cannot be directly identified from each of the plurality of first detection values Xa, and a local at least one of the causes that affect the specific phenomenon in the relevant area.

特定部30Eは、特定現象の種類ごとに、特定現象の種類と、上記条件の少なくとも1つを満たす異常原因Icと、の対応関係を予め導出し、該対応関係を示す情報を、記憶部32へ予め記憶すればよい。そして、特定部30Eは、該対応関係を示す情報を用いて、異常原因Icを特定すればよい。 The identification unit 30E preliminarily derives a correspondence relationship between the type of the specific phenomenon and the cause of abnormality Ic that satisfies at least one of the above conditions for each type of the specific phenomenon, and stores information indicating the correspondence relationship in the storage unit 32. should be stored in advance. Then, the specifying unit 30E may specify the cause of abnormality Ic using the information indicating the correspondence.

例えば、特定部30Eは、該対応関係を示す情報として、管理情報36を予め記憶部32へ記憶する。 For example, the specifying unit 30E stores management information 36 in advance in the storage unit 32 as information indicating the correspondence.

管理情報36は、特定現象の種類と、異常原因Icと、を対応付けた情報である。 The management information 36 is information that associates the type of specific phenomenon with the cause of abnormality Ic.

図5Aは、管理情報36Aのデータ構成の一例を示す模式図である。管理情報36Aは、管理情報36の一例である。 FIG. 5A is a schematic diagram showing an example of the data configuration of the management information 36A. The management information 36A is an example of the management information 36. FIG.

管理情報36Aは、特定現象の種類と、異常原因と、を対応付けた情報である。管理情報36Aのデータ構成は、限定されない。例えば、管理情報36Aは、テーブルであってもよいし、データベースであってもよい。 The management information 36A is information that associates the type of specific phenomenon with the cause of the abnormality. The data configuration of the management information 36A is not limited. For example, the management information 36A may be a table or a database.

図5A中、“A”、“B”、“C”は、特定現象の種類の識別情報を示す。管理情報36Aには、特定現象の種類ごとに、特定現象を直接検出する第2のセンサ16Bに対して高い影響を与える異常原因Icが、予め記憶されている。なお、管理情報36Aには、異常場所および異常内容の少なくとも一方を含む異常原因Icが、特定現象の種類に対応付けて記憶されていればよい。また、異常原因Icは、対応する特定現象の種類の評価値Iaには含まれない異常原因である。このため、管理情報36Aには、対応する特定現象の種類の評価値Iaには含まれない異常原因Icが、特定現象の種類ごとに登録される。 In FIG. 5A, "A", "B", and "C" indicate identification information of types of specific phenomena. The management information 36A pre-stores, for each type of specific phenomenon, an abnormality cause Ic that exerts a large influence on the second sensor 16B that directly detects the specific phenomenon. The management information 36A only needs to store an abnormality cause Ic including at least one of an abnormality location and an abnormality content in association with the type of specific phenomenon. Further, the cause of abnormality Ic is a cause of abnormality that is not included in the evaluation value Ia of the type of the corresponding specific phenomenon. Therefore, in the management information 36A, an abnormality cause Ic that is not included in the evaluation value Ia of the corresponding type of specific phenomenon is registered for each type of specific phenomenon.

例えば、対象とする特定現象が発熱部品14Aの温度であり、差分ΔIbが上記第1の閾値以上であると想定する。この場合、異常原因Icとしては、発熱部品14Aに対する冷却機能の性能低下が挙げられる。このため、特定現象の種類が、例えば、発熱部品14Aの温度(特定現象の種類“A”と想定する)である場合、管理情報36Aには、異常原因Icとして、異常場所“吸気口”(吸気口13A)および異常内容“流量低下”を予め対応付けて記憶すればよい。なお、異常原因Icを示す情報は、該異常原因Icを示す情報を提供されたユーザが該情報に応じて電子機器10の保守作業を実行しやすい情報であることが好ましい。 For example, assume that the target specific phenomenon is the temperature of the heat-generating component 14A and the difference ΔIb is equal to or greater than the first threshold. In this case, the cause of abnormality Ic is the performance deterioration of the cooling function for the heat-generating component 14A. Therefore, if the type of the specific phenomenon is, for example, the temperature of the heat-generating component 14A (assumed to be the type of specific phenomenon "A"), the management information 36A contains the abnormal location "air inlet" ( The intake port 13A) and the content of the abnormality "decrease in flow rate" may be associated in advance and stored. It should be noted that the information indicating the cause of abnormality Ic is preferably information that facilitates the maintenance work of the electronic device 10 according to the information provided by the user who has been provided with the information indicating the cause of abnormality Ic.

特定部30Eは、差分ΔIbが第1の閾値以上である場合、差分ΔIbの算出に用いた推定値Ibの特定現象の種類に対応する、異常原因Icを、管理情報36Aから読取る。そして、特定部30Eは、該異常原因Icを読取ることで、異常原因Icを特定すればよい。 When the difference ΔIb is equal to or greater than the first threshold, the identification unit 30E reads the abnormality cause Ic corresponding to the type of specific phenomenon of the estimated value Ib used to calculate the difference ΔIb from the management information 36A. Then, the identification unit 30E may identify the cause of abnormality Ic by reading the cause of abnormality Ic.

特定部30Eは、管理情報36Aに示される、特定現象の種類と異常原因との対応関係を予めシミュレーションまたは実験などにより導出し、管理情報36Aとして予め管理情報36へ記憶すればよい。そして、特定部30Eは、管理情報36Aを用いて異常原因Icを特定すればよい。 The identification unit 30E may derive in advance the correspondence relationship between the type of specific phenomenon and the cause of the abnormality indicated in the management information 36A by simulation or experiment, and store it in the management information 36 in advance as the management information 36A. Then, the specifying unit 30E may specify the cause of abnormality Ic using the management information 36A.

なお、特定部30Eは、管理情報36Aに示される、特定現象の種類と異常原因Icとの対応関係を学習した学習済モデルや、該対応関係を示す関数等を用いて、異常原因Icを特定してもよい。 The identification unit 30E identifies the cause of abnormality Ic by using a learned model that has learned the correspondence between the type of specific phenomenon and the cause of abnormality Ic indicated in the management information 36A, a function that indicates the correspondence, or the like. You may

なお、図5Aには、管理情報36が、1つの特定現象の種類に対して、1つの異常原因Icを対応付けた情報である場合を、一例として示した。しかし、管理情報36は、1つの特定現象の種類に対して、1または複数の異常原因Icを対応付けた情報であってもよい。 FIG. 5A shows, as an example, the case where the management information 36 is information in which one type of specific phenomenon is associated with one cause of abnormality Ic. However, the management information 36 may be information in which one or a plurality of causes of abnormality Ic are associated with one type of specific phenomenon.

図5Bは、管理情報36Bのデータ構成の一例を示す模式図である。管理情報36Bは、管理情報36の一例である。図5Bに示すように、管理情報36Bは、1つの特定現象の種類に対して、1または複数の異常原因Icを対応付けた情報であってもよい。管理情報36Aと同様に、管理情報36Bには、対応する特定現象の種類の評価値Iaには含まれない異常原因Icが、特定現象の種類ごとに登録される。 FIG. 5B is a schematic diagram showing an example of the data configuration of the management information 36B. The management information 36B is an example of the management information 36. FIG. As shown in FIG. 5B, the management information 36B may be information in which one type of specific phenomenon is associated with one or more causes of abnormality Ic. Similar to the management information 36A, in the management information 36B, an abnormality cause Ic that is not included in the evaluation value Ia of the corresponding type of specific phenomenon is registered for each type of specific phenomenon.

なお、本実施の形態では、管理情報36Aおよび管理情報36Bを総称して説明する場合には、単に管理情報36と称して説明する。 In this embodiment, when the management information 36A and the management information 36B are collectively described, they are simply referred to as the management information 36 for description.

図2に戻り説明を続ける。なお、特定部30Eは、第3の算出部30Bで算出された複数の評価値Iaの各々について、評価値Iaが異常を示すか否かを判定してもよい。そして、特定部30Eは、全ての評価値Iaが異常を示さないと判定したときに、差分ΔIbを用いて異常原因Icを特定してもよい。 Returning to FIG. 2, the description is continued. Note that the specifying unit 30E may determine whether or not each of the plurality of evaluation values Ia calculated by the third calculation unit 30B indicates an abnormality. Then, the identifying unit 30E may identify the cause of abnormality Ic using the difference ΔIb when determining that all the evaluation values Ia indicate no abnormality.

評価値Iaが異常を示すか否かの判断には、第2の閾値を用いればよい。特定部30Eは、第2の閾値を、要因ごとに予め特定し、判断に用いればよい。そして、特定部30Eは、第2の閾値を、要因の識別情報に対応付けて予め記憶部32へ記憶すればよい。特定部30Eは、評価値Iaが異常を示すか否かを判断するときに、判断対象の要因の識別情報に対応する第2の閾値を記憶部32から読取り、判断に用いればよい。 A second threshold may be used to determine whether the evaluation value Ia indicates an abnormality. The specifying unit 30E may specify the second threshold for each factor in advance and use it for determination. Then, the specifying unit 30E may store the second threshold value in advance in the storage unit 32 in association with the identification information of the factor. When determining whether or not the evaluation value Ia indicates an abnormality, the identification unit 30E may read the second threshold value corresponding to the identification information of the factor to be determined from the storage unit 32 and use it for determination.

そして、特定部30Eは、第2の閾値以上の評価値Iaを示す要因を、異常であると特定すればよい。 Then, the specifying unit 30E may specify that the factor indicating the evaluation value Ia equal to or higher than the second threshold is abnormal.

次に、出力制御部30Fについて説明する。出力制御部30Fは、エラー情報を出力部34へ出力する。 Next, the output control section 30F will be described. The output control unit 30F outputs the error information to the output unit 34. FIG.

エラー情報は、特定部30Eによって特定された異常原因Icを示す情報を含む。なお、エラー情報は、異常原因Icに応じた保守作業手順、保守作業時の注意項目、保守作業サービスへの連絡先、などを示す情報を更に含んでいてもよい。 The error information includes information indicating the cause of abnormality Ic specified by the specifying unit 30E. The error information may further include information indicating a maintenance work procedure corresponding to the cause of abnormality Ic, items to be noted during maintenance work, a contact address for maintenance work service, and the like.

出力部34は、エラー情報を出力する。出力部34が表示機能を有する構成の場合、出力部34は、エラー情報を表示する。また、出力部34が音出力機能を有する場合、出力部34は、エラー情報を示す音を表示する。 The output unit 34 outputs error information. If the output unit 34 has a display function, the output unit 34 displays error information. Moreover, when the output unit 34 has a sound output function, the output unit 34 displays a sound indicating error information.

このため、ユーザに対して、異常原因Icを示す情報を容易に提供することができる。ユーザは、出力されたエラー情報を確認することで、エラー情報に示される異常原因Icの保守作業手順などに沿って、電子機器10の保守作業を行うことができる。すなわち、情報処理装置20は、ユーザに対して、電子機器10の保守作業に必要な情報を適宜提供することができる。 Therefore, it is possible to easily provide information indicating the cause of abnormality Ic to the user. By checking the output error information, the user can perform maintenance work on the electronic device 10 according to the maintenance work procedure for the cause of abnormality Ic indicated in the error information. That is, the information processing device 20 can appropriately provide the user with information necessary for maintenance work of the electronic device 10 .

また、エラー情報に基づいて保守作業が行われることで、電子機器10の異常発生頻度の低減を図ることができ、保守作業員の人件費、不必要な部品14の交換費用の低減などを図ることができる。 In addition, by performing maintenance work based on the error information, it is possible to reduce the frequency of occurrence of abnormalities in the electronic device 10, thereby reducing labor costs for maintenance workers and the cost of replacing unnecessary parts 14. be able to.

一方、出力部34が、通信機能を有する場合、出力部34は、エラー情報を、ネットワークなどを介して外部装置へ送信する。 On the other hand, when the output unit 34 has a communication function, the output unit 34 transmits error information to an external device via a network or the like.

エラー情報を受信した外部装置は、該エラー情報を用いて、該エラー情報の送信元の電子機器10の遠隔監視、該エラー情報の加工、該エラー情報の解析、該エラー情報を他の外部装置へ転送、などの各種処理を実行してもよい。例えば、外部装置は、電子機器10の設置環境とエラー情報とを組み合わせて解析することで、電子機器10の使用環境や使用方法を解析することができる。このため、情報処理装置20は、エラー情報を出力することで、電子機器10の設計基準などの改善に用いる事の可能な情報を提供することができる。また、情報処理装置20は、電子機器10の使用環境の改善や使用方法の適正化に用いる事の可能な情報を、提供することができる。 The external device that receives the error information uses the error information to remotely monitor the electronic device 10 that sent the error information, process the error information, analyze the error information, and send the error information to another external device. You may perform various processes, such as transferring to. For example, the external device can analyze the usage environment and usage method of the electronic device 10 by combining and analyzing the installation environment of the electronic device 10 and the error information. Therefore, by outputting the error information, the information processing apparatus 20 can provide information that can be used to improve the design criteria of the electronic device 10 . In addition, the information processing apparatus 20 can provide information that can be used to improve the usage environment of the electronic device 10 and to optimize the usage method.

また、エラー情報の送信先である外部装置、または外部装置からの転送先である他の装置を、保守作業を担当するサービス業者のサーバ装置としてもよい。この場合、情報処理装置20は、保守作業の効率化を図ることができる。 Also, the external device to which the error information is sent, or another device to which the error information is transferred from the external device may be the server device of the service provider in charge of the maintenance work. In this case, the information processing device 20 can improve the efficiency of maintenance work.

また、保守作業後に再度、電子機器10を稼働し、情報処理装置20が上記処理を実行することで、電子機器10の特定部30Eは、保守作業前の差分ΔIbと保守作業後の差分ΔIbとを比較し、保守作業による改善度合いを示す値を更に算出してもよい。また、出力制御部30Fは、算出した改善度合いを示す値を、更に、外部装置などへ出力してもよい。この場合、情報処理装置20は、電子機器10の改善検討に用いる事の可能な情報を、容易に提供することができる。 Further, after the maintenance work, the electronic device 10 is operated again, and the information processing device 20 executes the above process, whereby the identification unit 30E of the electronic device 10 determines the difference ΔIb before the maintenance work and the difference ΔIb after the maintenance work. may be compared to further calculate a value indicating the degree of improvement due to maintenance work. In addition, the output control unit 30F may further output the calculated value indicating the degree of improvement to an external device or the like. In this case, the information processing device 20 can easily provide information that can be used for improvement studies of the electronic device 10 .

次に、情報処理装置20で実行する情報処理の流れを説明する。 Next, the flow of information processing executed by the information processing device 20 will be described.

図6は、情報処理装置20が実行する情報処理の流れの一例を示す、フローチャートである。なお、複数のステップの各々の順番は任意に変更可能であり、図6の例に限られるものではない。また、複数のステップの少なくとも一部は、並列して実行してもよい。 FIG. 6 is a flowchart showing an example of the flow of information processing executed by the information processing device 20. As shown in FIG. Note that the order of each of the plurality of steps can be arbitrarily changed, and is not limited to the example of FIG. Also, at least some of the steps may be executed in parallel.

なお、図6には、異常原因Icの特定時に、管理情報36A(図5A参照)を用いる形態を一例として示した。 FIG. 6 shows an example of using the management information 36A (see FIG. 5A) when identifying the cause of abnormality Ic.

取得部30Aが、対象とする特定現象を設定する(ステップS100)。例えば、取得部30Aは、ユーザによって入力された特定現象を示す情報を入力機器などから受付け、受付けた情報によって示される特定現象を、対象とする特定現象として設定する。 The acquisition unit 30A sets a target specific phenomenon (step S100). For example, the acquisition unit 30A receives information indicating a specific phenomenon input by a user from an input device or the like, and sets the specific phenomenon indicated by the received information as a target specific phenomenon.

次に、取得部30Aが、第1の検出値Xaおよび第2の検出値Xbを取得する(ステップS102)。取得部30Aは、電子機器10に設けられた複数のセンサ16の各々から受付けた検出値Xの内、ステップS100で設定した特定現象を直接検出するセンサ16である第2のセンサ16Bから受付けた検出値Xを、第2の検出値Xbとして取得する。また、取得部30Aは、電子機器10に設けられた複数のセンサ16の各々から受付けた検出値Xの内、第2のセンサ16B以外の複数のセンサ16である第1のセンサ16Aの各々から受付けた検出値Xを、第1の検出値Xaとして取得する。 Next, acquisition unit 30A acquires first detection value Xa and second detection value Xb (step S102). Acquisition unit 30A receives detected value X from each of sensors 16 provided in electronic device 10 from second sensor 16B, which is sensor 16 that directly detects the specific phenomenon set in step S100. The detected value X is obtained as a second detected value Xb. In addition, the acquisition unit 30A obtains the detection value X received from each of the plurality of sensors 16 provided in the electronic device 10 from each of the first sensors 16A, which are the plurality of sensors 16 other than the second sensor 16B. The received detection value X is acquired as the first detection value Xa.

第3の算出部30Bは、ステップS102で取得した複数の第1の検出値Xaに応じて、ステップS100で設定した特定現象に影響を与える複数の要因の各々の、評価値Iaを算出する(ステップS104)。 The third calculator 30B calculates an evaluation value Ia of each of the factors affecting the specific phenomenon set in step S100 according to the plurality of first detection values Xa acquired in step S102 ( step S104).

第1の算出部30Cは、ステップS104で算出された複数の評価値Iaを用いて、ステップS100で設定した特定現象の推定値Ibを算出する(ステップS106)。なお、上述したように、第1の算出部30Cは、第1の検出値Xaから推定値Ibを算出してもよい。この場合、第1の算出部30Cは、ステップS102で取得した複数の第1の検出値Xaから推定値Ibを算出すればよい。 The first calculator 30C calculates the estimated value Ib of the specific phenomenon set in step S100 using the plurality of evaluation values Ia calculated in step S104 (step S106). Note that, as described above, the first calculator 30C may calculate the estimated value Ib from the first detected value Xa. In this case, the first calculator 30C may calculate the estimated value Ib from the plurality of first detected values Xa acquired in step S102.

次に、特定部30Eおよび出力制御部30Fが、ステップS104で算出された、複数の要因の各々の評価値Iaごとに、ステップS108およびステップS110の処理を実行する。 Next, the specifying unit 30E and the output control unit 30F execute the processes of steps S108 and S110 for each evaluation value Ia of each of the plurality of factors calculated in step S104.

詳細には、特定部30Eは、評価値Iaが第2の閾値以上であるか否かを判断する(ステップS108)。評価値Iaが第2の閾値未満であると判断すると(ステップS108:No)、本繰返し処理を終了する。一方、評価値Iaが第2の閾値以上であると判断すると(ステップS108:Yes)、ステップ110へ進む。 Specifically, the specifying unit 30E determines whether or not the evaluation value Ia is equal to or greater than the second threshold (step S108). If it is determined that the evaluation value Ia is less than the second threshold (step S108: No), this repetitive process is terminated. On the other hand, when it is determined that the evaluation value Ia is equal to or greater than the second threshold (step S108: Yes), the process proceeds to step 110. FIG.

ステップS110では、出力制御部30Fが、ステップS108で第2の閾値以上と判定した評価値Iaを示す要因が異常であることを示すエラー情報を、出力部34へ出力する(ステップS110)。そして、本繰返し処理を終了する。 In step S110, the output control unit 30F outputs to the output unit 34 error information indicating that the factor indicating the evaluation value Ia determined to be equal to or greater than the second threshold in step S108 is abnormal (step S110). Then, this iterative process ends.

ステップS104で算出された、複数の要因の各々の評価値Iaの全てについて、ステップS108およびステップS110の処理が終了すると、ステップS112へ進む。 When the processing of steps S108 and S110 is completed for all the evaluation values Ia of each of the plurality of factors calculated in step S104, the process proceeds to step S112.

ステップS112では、特定部30Eが、ステップS104で算出された複数の評価値Iaの全てが、第2の閾値未満であったか否かを判断する(ステップS112)。特定部30Eは、ステップS104で算出された複数の評価値Iaの全てについて、ステップS108で否定判断したか否かを判別することで、ステップS112の判断を行う。 In step S112, the specifying unit 30E determines whether or not all of the multiple evaluation values Ia calculated in step S104 are less than the second threshold (step S112). The specifying unit 30E makes a determination in step S112 by determining whether or not a negative determination was made in step S108 for all of the multiple evaluation values Ia calculated in step S104.

そして、ステップS112で否定判断(ステップS112:No)すると、本ルーチンを終了する。ステップS112で否定判断する場合とは、ステップS104で算出した複数の要因の各々の評価値Iaの内、少なくとも1つが第2の閾値以上であり、ステップS110でエラー情報が出力済であることを示す。 If a negative determination is made in step S112 (step S112: No), this routine ends. A negative determination in step S112 means that at least one of the evaluation values Ia for each of the factors calculated in step S104 is equal to or greater than the second threshold, and that error information has already been output in step S110. show.

一方、ステップS112で肯定判断(ステップS112:Yes)すると、ステップS114へ進む。ステップS112で肯定判断する場合とは、ステップS104で算出した複数の要因の各々の評価値Iaの全てが、第2の閾値未満であり、ステップS110でエラー情報が出力されなかったことを示す。 On the other hand, if an affirmative determination is made in step S112 (step S112: Yes), the process proceeds to step S114. An affirmative determination in step S112 indicates that all of the evaluation values Ia for each of the factors calculated in step S104 are less than the second threshold and no error information is output in step S110.

ステップS114では、第2の算出部30Dが、ステップS102で取得した第2の検出値Xbと、ステップS106で算出した推定値Ibと、の差分ΔIbを算出する(ステップS114)。 In step S114, the second calculator 30D calculates the difference ΔIb between the second detection value Xb obtained in step S102 and the estimated value Ib calculated in step S106 (step S114).

次に、特定部30Eは、ステップS114で算出した差分ΔIbが、第1の閾値以上であるか否かを判断する(ステップS116)。差分ΔIbが第1の閾値未満であると判断した場合(ステップS116:No)、本ルーチンを終了する。一方、差分ΔIbが第1の閾値以上であると判断した場合(ステップS116:Yes)、特定部30Eは、対象とする特定現象が異常を示すと判断する(ステップS118)。 Next, the specifying unit 30E determines whether or not the difference ΔIb calculated in step S114 is equal to or greater than the first threshold (step S116). If it is determined that the difference ΔIb is less than the first threshold (step S116: No), this routine is terminated. On the other hand, when determining that the difference ΔIb is greater than or equal to the first threshold (step S116: Yes), the identifying unit 30E determines that the target specific phenomenon indicates an abnormality (step S118).

そして、特定部30Eは、異常原因Icを特定する(ステップS120)。例えば、特定部30Eは、ステップS100で設定した、対象とする特定現象の種類に対応する異常原因Icを、管理情報36Aから読取ることで、異常原因Icを特定する。 The identifying unit 30E then identifies the cause of abnormality Ic (step S120). For example, the identification unit 30E identifies the abnormality cause Ic by reading the abnormality cause Ic corresponding to the type of the target specific phenomenon set in step S100 from the management information 36A.

出力制御部30Fは、ステップS120で特定された異常原因Icを示す情報を含むエラー情報を、出力部34へ出力する(ステップS122)。そして、本ルーチンを終了する。 The output control unit 30F outputs error information including information indicating the cause of abnormality Ic identified in step S120 to the output unit 34 (step S122). Then, the routine ends.

なお、上述したように、図6には、異常原因Icの特定時に、管理情報36A(図5A参照)を用いる形態を一例として示した。すなわち、図6には、特定部30Eが、1つの特定現象の種類に対して、1つの異常原因Icを対応付けた管理情報36Aを用いて、異常原因Icを特定する形態を一例として示した。しかし、上述したように、特定部30Eは、1つの特定現象の種類に対して、複数の異常原因Icを対応付けた管理情報36Bを用いて(図5B参照)、異常原因Icを特定してもよい。 As described above, FIG. 6 shows an example of using the management information 36A (see FIG. 5A) when identifying the cause of abnormality Ic. That is, FIG. 6 shows, as an example, a form in which the identification unit 30E identifies an abnormality cause Ic using the management information 36A in which one abnormality cause Ic is associated with one type of specific phenomenon. . However, as described above, the identification unit 30E uses the management information 36B (see FIG. 5B) in which a plurality of causes of abnormality Ic are associated with one type of specific phenomenon to identify the cause of abnormality Ic. good too.

この場合、特定部30Eは、ステップS100で設定した対象とする特定現象に対応する複数の異常原因Icを、一度に特定してもよい。この場合、出力制御部30Fは、複数の異常原因Icを含むエラー情報を出力部34へ出力すればよい。 In this case, the identifying unit 30E may identify, at a time, a plurality of causes of abnormality Ic corresponding to the specific phenomenon set in step S100. In this case, the output control unit 30F may output error information including multiple causes of abnormality Ic to the output unit 34 .

また、この場合、特定部30Eは、ステップS100で設定した対象とする特定現象に対応する複数の異常原因Icの内、前回のステップS116で肯定判断したときに特定しなかった異常原因Icを一つ選択してもよい。このとき、選択の優先度を示す情報を、予め異常原因Icに対応付けて管理情報36Bへ登録しておけばよい。そして、特定部30Eは、優先度の高い順に、順次、異常原因Icを1つ選択すればよい。そして、出力制御部30Fは、優先順位の高い順に、未出力の異常原因Icを順次、1つずつ出力部34へ出力すればよい。 In this case, the identifying unit 30E also selects, from among the plurality of causes of abnormality Ic corresponding to the target specific phenomenon set in step S100, the cause of abnormality Ic that was not identified when the affirmative determination was made in the previous step S116. You can choose one. At this time, information indicating the priority of selection may be registered in advance in the management information 36B in association with the cause of abnormality Ic. Then, the identification unit 30E may select one abnormality cause Ic in order of priority. Then, the output control unit 30F may output the unoutput causes of abnormality Ic to the output unit 34 one by one in order of priority.

以上説明したように、本実施の形態の情報処理装置20は、第1の算出部30Cと、第2の算出部30Dと、特定部30Eと、を備える。第1の算出部30Cは、電子機器10に設けられた複数の第1のセンサ16Aの各々で検出される第1の検出値Xaに応じて、電子機器10の特定現象の推定値Ibを算出する。第2の算出部30Dは、電子機器10に設けられた複数のセンサ16の内、第1のセンサ16A以外のセンサ16であり且つ特定現象を検出するセンサ16である第2のセンサ16Bで検出される第2の検出値Xbと、推定値Ibと、の差分ΔIbを算出する。特定部30Eは、差分ΔIbに応じて、特定現象に関する異常原因Icを特定する。 As described above, the information processing device 20 of the present embodiment includes the first calculation unit 30C, the second calculation unit 30D, and the identification unit 30E. The first calculator 30C calculates an estimated value Ib of the specific phenomenon of the electronic device 10 according to the first detection value Xa detected by each of the plurality of first sensors 16A provided in the electronic device 10. do. The second calculator 30D detects a specific phenomenon with a second sensor 16B, which is a sensor 16 other than the first sensor 16A and detects a specific phenomenon. A difference ΔIb between the second detected value Xb and the estimated value Ib is calculated. The identifying unit 30E identifies the cause of abnormality Ic related to the specific phenomenon according to the difference ΔIb.

ここで、従来では、異常原因とセンサの検出値との相関関係をシミュレーションにより予め導出し、センサの検出値と相関関係とを用いて、異常原因を特定していた。しかし、事前のシミュレーションにより導出された相関関係は、実際の駆動時の状況変動などによって変化する場合がある。また、シミュレーション時とは異なる製造条件で少なくとも一部の部品が製造される場合があり、高精度な相関関係を事前に導出することは困難であった。また、高精度なシミュレーションに用いるために必要なデータを全て事前に得る事は困難であり、高精度な相関関係を導出することは困難であった。また、シミュレーション結果と数値解析結果は略同じとなる場合があるが、これらの結果と実験結果とは異なる場合があった。具体的には、シミュレーションにより導出した相関関係には誤差が含まれることから、実験を行うことで相関関係を導出しても、事前の実験では評価出来ない異常原因があった。すなわち、従来では、このような異常原因と検出値との相関関係は不明であった。また、要因の評価値Iaと推定値Ibもしくは第1の検出値Xaとの相関関係は、事前の実験では評価出来ない異常原因が正常状態である場合にしか成り立たない。従って、シミュレーション結果のみを用いて異常原因を特定する従来技術では、電子機器の異常原因を精度良く特定することは困難であった。 Here, conventionally, the correlation between the cause of abnormality and the detected value of the sensor is derived in advance by simulation, and the cause of abnormality is specified using the detected value of the sensor and the correlation. However, the correlation derived by the preliminary simulation may change due to changes in circumstances during actual driving. Moreover, at least some of the parts may be manufactured under manufacturing conditions different from those used in the simulation, making it difficult to derive a highly accurate correlation in advance. In addition, it is difficult to obtain in advance all data necessary for use in highly accurate simulations, and it is difficult to derive highly accurate correlations. Moreover, although the simulation results and the numerical analysis results were almost the same in some cases, these results were different from the experimental results in some cases. Specifically, since the correlations derived by simulation contain errors, even if the correlations were derived by conducting experiments, there were abnormal causes that could not be evaluated in prior experiments. That is, conventionally, the correlation between such an abnormality cause and a detected value was unknown. Further, the correlation between the factor evaluation value Ia and the estimated value Ib or the first detected value Xa is established only when the cause of the abnormality, which cannot be evaluated in prior experiments, is in a normal state. Therefore, it is difficult to accurately identify the cause of an abnormality in an electronic device with the conventional technology that identifies the cause of an abnormality using only simulation results.

一方、本実施の形態の情報処理装置20は、第2の検出値Xbと、特定現象の推定値Ibと、の差分ΔIbを算出する。第2の検出値Xbは、電子機器10に設けられた複数のセンサ16の内、第1のセンサ16A以外のセンサ16の検出値Xである。また、第2の検出値Xbは、特定現象を検出する第2のセンサ16Bの検出値Xである。すなわち、第2の検出値Xbは、特定現象の実測値である。また、一方、推定値Ibは、該第2のセンサ16B以外の第1のセンサ16Aで検出された第1の検出値Xaから推測した、特定現象の推定値Ibである。そして、情報処理装置20は、特定現象の実測値である第2の検出値Xbと、特定現象の推測値である推定値Ibと、の差分ΔIbを用いて、異常原因Icを特定する。 On the other hand, the information processing apparatus 20 of the present embodiment calculates the difference ΔIb between the second detection value Xb and the estimated value Ib of the specific phenomenon. The second detection value Xb is the detection value X of the sensors 16 other than the first sensor 16A among the plurality of sensors 16 provided in the electronic device 10 . Also, the second detection value Xb is the detection value X of the second sensor 16B that detects the specific phenomenon. That is, the second detected value Xb is the measured value of the specific phenomenon. On the other hand, the estimated value Ib is the estimated value Ib of the specific phenomenon estimated from the first detected value Xa detected by the first sensor 16A other than the second sensor 16B. Then, the information processing device 20 identifies the cause of abnormality Ic using the difference ΔIb between the second detected value Xb, which is the measured value of the specific phenomenon, and the estimated value Ib, which is the estimated value of the specific phenomenon.

このように、本実施の形態の情報処理装置20では、推定値Ibのみではなく、推定値Ibと、実測値である第2の検出値Xbと、を用いる。そして、情報処理装置20は、推定値Ibと第2の検出値Xbとの差分ΔIbに応じて、異常原因Icを特定する。このため、センサ16の検出値Xと異常原因Icとの相関関係をあらかじめ予測することが困難な場合であっても、異常原因Icを精度良く特定することができる。 Thus, the information processing apparatus 20 of the present embodiment uses not only the estimated value Ib, but also the estimated value Ib and the second detected value Xb, which is the actually measured value. Then, the information processing device 20 identifies the cause of abnormality Ic according to the difference ΔIb between the estimated value Ib and the second detected value Xb. Therefore, even if it is difficult to predict in advance the correlation between the detection value X of the sensor 16 and the cause of abnormality Ic, the cause of abnormality Ic can be specified with high accuracy.

従って、本実施の形態の情報処理装置20は、電子機器10の異常原因Icを精度良く特定することができる。 Therefore, the information processing apparatus 20 of the present embodiment can accurately identify the cause of abnormality Ic of the electronic device 10 .

また、本実施の形態の情報処理装置20では、出力制御部30Fが、異常原因Icを含むエラー情報を出力部34へ出力する。 In addition, in the information processing apparatus 20 of the present embodiment, the output control section 30F outputs error information including the cause of abnormality Ic to the output section 34 .

このため、本実施の形態の情報処理装置20は、ユーザに対して、電子機器10の保守作業に必要な情報を適宜提供することができる。 Therefore, the information processing apparatus 20 of the present embodiment can appropriately provide the user with information necessary for maintenance work of the electronic device 10 .

例えば、異常原因Icを含むエラー情報として、異常場所“発熱部品-ヒートシンク間”、および異常内容“熱抵抗増加”、を示す情報が出力されたと想定する。 For example, it is assumed that the error information including the cause of the abnormality Ic is output as information indicating the location of the abnormality "between the heat-generating component and the heat sink" and the content of the abnormality "increased thermal resistance".

ここで、発熱部品14Aとヒートシンク14Bとの間に、放熱グリースまたは熱伝導シートなどのTIM(Thermal Interface Material)を介在させることで、放熱性能を向上させる場合がある。このTIMは、放熱グリースの蒸発などにより経時劣化し、性能低下する場合がある。しかし、このような性能劣化の状況を事前にシミュレーションして異常原因Icを特定することは、シミュレーション自体に誤差が含まれるため、特定精度が低く、従来では困難であった。また、実験によりTIMの異常状態を再現することは困難であり、事前の実験結果を用いて異常原因Icを特定することも従来では困難であった。 Here, heat dissipation performance may be improved by interposing a TIM (Thermal Interface Material) such as heat dissipating grease or a heat conductive sheet between the heat generating component 14A and the heat sink 14B. The TIM may deteriorate over time due to evaporation of the heat dissipation grease, etc., and its performance may deteriorate. However, it has been difficult to identify the cause of abnormality Ic by simulating such performance degradation in advance, because the simulation itself contains errors, and the identification accuracy is low. In addition, it is difficult to reproduce the abnormal state of the TIM by experiment, and it is also difficult to identify the cause of the abnormality Ic using the result of the previous experiment.

一方、本実施の形態の情報処理装置20は、このような場合であっても、精度良く異常原因Icを特定し、出力部34へ出力することができる。このため、本実施の形態の情報処理装置20は、上記効果に加えて、ユーザに対して、保守作業に必要な適切な情報を提供することができる。 On the other hand, the information processing apparatus 20 of the present embodiment can accurately identify the cause of abnormality Ic and output it to the output unit 34 even in such a case. Therefore, the information processing apparatus 20 of the present embodiment can provide the user with appropriate information necessary for maintenance work, in addition to the above effects.

(変形例1)
上記実施の形態では、情報処理装置20は、複数の第1の検出値Xa、または、複数の第1の検出値Xaから算出した複数の要因の各々の推定値Ibから、1つの推定値Ibを算出する場合を想定して説明した。
(Modification 1)
In the above embodiment, the information processing apparatus 20 generates one estimated value Ib The description has been given assuming the case of calculating .

しかし、情報処理装置20は、複数の第1の検出値Xa、または、複数の第1の検出値Xaから算出した複数の要因の各々の評価値Iaから、特定現象の種類の異なる複数の推定値Ibを算出してもよい。この場合、情報処理装置20は、複数の推定値Ibの各々ごとに、上記の実施の形態と同様にして第2の検出値Xbとの差分ΔIbを算出し、複数の異常原因Icを特定すればよい。 However, the information processing apparatus 20 can perform a plurality of estimations of different types of the specific phenomenon from the plurality of first detection values Xa or the evaluation values Ia of each of the plurality of factors calculated from the plurality of first detection values Xa. A value Ib may be calculated. In this case, the information processing device 20 calculates the difference ΔIb between each of the plurality of estimated values Ib and the second detection value Xb in the same manner as in the above embodiment, and identifies the plurality of causes of abnormality Ic. Just do it.

図7は、本変形例の異常原因Icの特定処理の概略説明図である。 FIG. 7 is a schematic explanatory diagram of the identification processing of the cause of abnormality Ic according to this modification.

この場合、取得部30Aは、上記実施の形態と同様に、第1の検出値Xaおよび第2の検出値Xbを取得する。但し、本変形例では、取得部30Aは、複数種類の特定現象の各々で検出される第2の検出値Xb(第2の検出値Xb1~第2の検出値Xbn)を取得する。なお、このnは、特定現象の種類数を示す整数である。 In this case, acquisition unit 30A acquires first detection value Xa and second detection value Xb, as in the above-described embodiment. However, in this modified example, the acquisition unit 30A acquires the second detection value Xb (second detection value Xb1 to second detection value Xbn) detected in each of the plurality of types of specific phenomena. Note that n is an integer indicating the number of types of specific phenomena.

第3の算出部30Bは、上記実施の形態と同様にして、複数の第1の検出値Xaを用いて、複数の評価値Iaを算出する。このため、第3の算出部30Bは、上記実施の形態と同様に、複数の評価値Ia(評価値Ia1~評価値Ian)を算出する。なお、このnは、2以上の値であればよい。また、上記実施の形態と同様に、評価値Iaの数と、第1の検出値Xaの数とは、同じ数であり、少なくとも2以上、好ましくは3以上であるものとする。 The third calculator 30B calculates a plurality of evaluation values Ia using a plurality of first detection values Xa in the same manner as in the above embodiment. Therefore, the third calculator 30B calculates a plurality of evaluation values Ia (evaluation value Ia1 to evaluation value Ian) as in the above embodiment. In addition, this n should just be a value of 2 or more. Also, as in the above embodiment, the number of evaluation values Ia and the number of first detection values Xa are the same number, and are at least two or more, preferably three or more.

第1の算出部30Cは、上記実施の形態と同様にして、複数の評価値Ia(評価値Ia1~評価値Ian)を用いて、複数種類の特定現象の各々の推定値Ib(推定値Ib1~推定値Ibn)を算出する。なお、算出する推定値Ibの数は、第1の検出値Xaおよび評価値Iaの数と不一致であってもよい。 As in the above embodiment, the first calculation unit 30C uses a plurality of evaluation values Ia (evaluation values Ia1 to Ian) to obtain an estimated value Ib (estimated value Ib1 to the estimated value Ibn). The number of estimated values Ib to be calculated may not match the number of first detected values Xa and evaluation values Ia.

そして、特定部30Eは、特定現象の種類ごとに、特定現象の実測値である第2の検出値Xb(第2の検出値Xb1~第2の検出値Xbn)と、特定現象の推定値Ib(推定値Ib1~推定値Ibn)と、の差分ΔIb(差分ΔIb1~差分ΔIbn)を算出すればよい。そして、特定部30Eは、上記実施の形態と同様にして、特定現象の種類ごとに、差分ΔIb(差分ΔIb1~差分ΔIbn)が第1の閾値以上である場合、異常と判定し、異常原因Ic(異常原因Ic1~異常原因Icn)を特定すればよい。 Then, for each type of specific phenomenon, the identifying unit 30E obtains a second detected value Xb (second detected value Xb1 to second detected value Xbn), which is an actual measurement value of the specific phenomenon, and an estimated value Ib of the specific phenomenon. (estimated value Ib1 to estimated value Ibn) and the difference ΔIb (difference ΔIb1 to difference ΔIbn) can be calculated. Then, in the same manner as in the above-described embodiment, the specifying unit 30E determines that an abnormality occurs when the difference ΔIb (difference ΔIb1 to difference ΔIbn) is equal to or greater than the first threshold value for each type of specific phenomenon, and determines the cause of the abnormality Ic. (Abnormal cause Ic1 to Abnormal cause Icn) can be specified.

このように、情報処理装置20は、複数種類の特定現象ごとに異常原因Icを特定することで、複数種類の異常原因Icを特定してもよい。 In this manner, the information processing apparatus 20 may identify multiple types of abnormality causes Ic by identifying the abnormality causes Ic for each of multiple types of specific phenomena.

次に、本変形例の情報処理装置20で実行する情報処理の流れを説明する。 Next, the flow of information processing executed by the information processing device 20 of this modified example will be described.

図8は、情報処理装置20が実行する情報処理の流れの一例を示す、フローチャートである。なお、複数のステップの各々の順番は任意に変更可能であり、図8の例に限られるものではない。また、複数のステップの少なくとも一部は、並列して実行してもよい。 FIG. 8 is a flowchart showing an example of the flow of information processing executed by the information processing device 20. As shown in FIG. Note that the order of each of the plurality of steps can be arbitrarily changed, and is not limited to the example of FIG. Also, at least some of the steps may be executed in parallel.

取得部30Aが、複数種類の特定現象を設定する(ステップS200)。 Acquisition unit 30A sets a plurality of types of specific phenomena (step S200).

次に、取得部30Aが、複数の第1の検出値Xa、および、複数種類の特定現象の各々で検出された第2の検出値Xbを取得する(ステップS202)。 Next, the acquisition unit 30A acquires a plurality of first detection values Xa and a second detection value Xb detected for each of the plurality of types of specific phenomena (step S202).

第3の算出部30Bは、ステップS202で取得した複数の第1の検出値Xaに応じて、ステップS200で設定した複数種類の特定現象の各々に影響を与える複数の要因の各々の、評価値Iaを算出する(ステップS204)。 The third calculator 30B calculates evaluation values for each of the plurality of factors affecting each of the plurality of types of specific phenomena set in step S200, according to the plurality of first detection values Xa acquired in step S202. Ia is calculated (step S204).

第1の算出部30Cは、ステップS204で算出された複数の評価値Iaを用いて、ステップS200で設定した複数種類の特定現象の各々の推定値Ibを算出する(ステップS206)。なお、上記実施の形態と同様に、第1の算出部30Cは、第1の検出値Xaから推定値Ibを算出してもよい。 The first calculator 30C uses the multiple evaluation values Ia calculated in step S204 to calculate an estimated value Ib for each of the plurality of types of specific phenomena set in step S200 (step S206). Note that the first calculator 30C may calculate the estimated value Ib from the first detected value Xa, as in the above embodiment.

次に、特定部30Eおよび出力制御部30Fが、ステップS204で算出された、複数の要因の各々の評価値Iaごとに、ステップS208およびステップS210の処理を実行する。ステップS208およびステップS210の処理は、上記実施の形態のステップS108およびステップS110と同様である(図6参照)。 Next, the specifying unit 30E and the output control unit 30F execute the processes of steps S208 and S210 for each evaluation value Ia of each of the plurality of factors calculated in step S204. The processes of steps S208 and S210 are the same as steps S108 and S110 of the above embodiment (see FIG. 6).

詳細には、特定部30Eは、評価値Iaが第2の閾値以上であるか否かを判断する(ステップS208)。評価値Iaが第2の閾値未満であると判断すると(ステップS208:No)、本繰返し処理を終了する。一方、評価値Iaが第2の閾値以上であると判断すると(ステップS208:Yes)、ステップ210へ進む。 Specifically, the specifying unit 30E determines whether or not the evaluation value Ia is equal to or greater than the second threshold (step S208). If it is determined that the evaluation value Ia is less than the second threshold (step S208: No), this repetitive process is terminated. On the other hand, when it is determined that the evaluation value Ia is equal to or greater than the second threshold (step S208: Yes), the process proceeds to step 210.

ステップS210では、出力制御部30Fがエラー情報を出力部34へ出力する(ステップS210)。そして、本繰返し処理を終了する。 At step S210, the output control unit 30F outputs the error information to the output unit 34 (step S210). Then, this iterative process ends.

ステップS204で算出された、複数の要因の各々の評価値Iaの全てについて、ステップS208およびステップS210の処理が終了すると、ステップS212へ進む。 When the processing of steps S208 and S210 is completed for all the evaluation values Ia of the plurality of factors calculated in step S204, the process proceeds to step S212.

ステップS212では、特定部30Eが、ステップS204で算出された複数の評価値Iaの全てが、第2の閾値未満であったか否かを判断する(ステップS212)。ステップS212の処理は、ステップS112と同様である(図6参照)。 At step S212, the specifying unit 30E determines whether or not all of the plurality of evaluation values Ia calculated at step S204 are less than the second threshold (step S212). The processing of step S212 is the same as that of step S112 (see FIG. 6).

そして、ステップS212で否定判断(ステップS212:No)すると、本ルーチンを終了する。 If a negative determination is made in step S212 (step S212: No), this routine ends.

一方、ステップS212で肯定判断(ステップS212:Yes)すると、制御部30は、ステップS200で設定した特定現象の種類ごとに、ステップS214~ステップS222の処理を実行する。 On the other hand, if an affirmative determination is made in step S212 (step S212: Yes), the control unit 30 executes the processing of steps S214 to S222 for each type of specific phenomenon set in step S200.

詳細には、ステップS214では、第2の算出部30Dが、ステップS202で取得した第2の検出値Xbと、ステップS206で算出した推定値Ibと、の差分ΔIbを算出する(ステップS214)。 Specifically, in step S214, the second calculator 30D calculates the difference ΔIb between the second detection value Xb obtained in step S202 and the estimated value Ib calculated in step S206 (step S214).

次に、特定部30Eは、ステップS214で算出した差分ΔIbが、第1の閾値以上であるか否かを判断する(ステップS216)。差分ΔIbが第1の閾値未満であると判断した場合(ステップS216:No)、本ルーチンを終了する。一方、差分ΔIbが第1の閾値以上であると判断した場合(ステップS216:Yes)、特定部30Eは、対象とする種類の特定現象が異常を示すと判断する(ステップS218)。 Next, the specifying unit 30E determines whether or not the difference ΔIb calculated in step S214 is equal to or greater than the first threshold (step S216). If it is determined that the difference ΔIb is less than the first threshold (step S216: No), this routine is terminated. On the other hand, when determining that the difference ΔIb is equal to or greater than the first threshold (step S216: Yes), the specifying unit 30E determines that the target type of specific phenomenon indicates an abnormality (step S218).

そして、特定部30Eは、異常原因Icを特定する(ステップS220)。例えば、特定部30Eは、ステップS200で設定した、対象とする特定現象の種類に対応する異常原因Icを、管理情報36Aから読取ることで、異常原因Icを特定する。 The identifying unit 30E then identifies the cause of abnormality Ic (step S220). For example, the identification unit 30E identifies the abnormality cause Ic by reading the abnormality cause Ic corresponding to the type of the target specific phenomenon set in step S200 from the management information 36A.

出力制御部30Fは、ステップS220で特定された異常原因Icを示す情報を含むエラー情報を、出力部34へ出力する(ステップS222)。そして、本ルーチンを終了する。 The output control unit 30F outputs error information including information indicating the cause of abnormality Ic identified in step S220 to the output unit 34 (step S222). Then, the routine ends.

このように、情報処理装置20は、複数の第1の検出値Xa、または、複数の第1の検出値Xa、から算出した複数の要因の各々の推定値Ibから、特定現象の異なる複数の推定値Ibを算出してもよい。 In this way, the information processing apparatus 20 calculates a plurality of different specific phenomena from the plurality of first detection values Xa or the estimated values Ib of the plurality of factors calculated from the plurality of first detection values Xa. An estimated value Ib may be calculated.

この場合、情報処理装置20は、複数種類の特定現象の各々について、異常原因Icを特定することができる。 In this case, the information processing device 20 can identify the abnormality cause Ic for each of the plurality of types of specific phenomena.

なお、上記実施の形態および変形例では、電子機器10と、情報処理装置20と、を別体として構成した形態を一例として示した(図1参照)。しかし、電子機器10と情報処理装置20とを、一体的に構成してもよい。すなわち、電子機器10が、情報処理装置20を備えた構成であってもよい。この場合、例えば、電子機器10の筐体12内に、情報処理装置20を配置した構成とすればよい。 It should be noted that, in the above-described embodiment and modified example, a form in which the electronic device 10 and the information processing device 20 are separately configured is shown as an example (see FIG. 1). However, the electronic device 10 and the information processing device 20 may be configured integrally. That is, the electronic device 10 may be configured to include the information processing device 20 . In this case, for example, the information processing device 20 may be arranged inside the housing 12 of the electronic device 10 .

-ハードウェア構成-
次に、上記実施の形態および変形例の制御部30のハードウェア構成について説明する。
-Hardware configuration-
Next, the hardware configuration of the control unit 30 of the above embodiment and modification will be described.

図9は、上記実施の形態および変形例の制御部30のハードウェア構成例を示すブロック図である。 FIG. 9 is a block diagram showing a hardware configuration example of the control section 30 of the above embodiment and modification.

上記実施の形態および変形例の制御部30は、CPU(Central Processing Unit)51などの制御装置と、ROM(Read Only Memory)52やRAM(Random Access Memory)53などの記憶装置と、ネットワークに接続して通信を行う通信I/F54と、各部を接続するバス61を備えている。 The control unit 30 of the above embodiment and modifications includes a control device such as a CPU (Central Processing Unit) 51, a storage device such as a ROM (Read Only Memory) 52 and a RAM (Random Access Memory) 53, and is connected to a network. communication I/F 54 for performing communication, and a bus 61 for connecting each part.

上記実施の形態および変形例の制御部30で実行されるプログラムは、ROM52等に予め組み込まれて提供される。 The programs executed by the control unit 30 of the above-described embodiment and modified example are preinstalled in the ROM 52 or the like and provided.

上記実施の形態および変形例の制御部30で実行されるプログラムは、インストール可能な形式又は実行可能な形式のファイルでCD-ROM(Compact Disk Read Only Memory)、フレキシブルディスク(FD)、CD-R(Compact Disk Recordable)、DVD(Digital Versatile Disk)等のコンピュータで読み取り可能な記録媒体に記録してコンピュータプログラムプロダクトとして提供されるように構成してもよい。 The programs executed by the control unit 30 of the above embodiments and modifications are files in an installable format or an executable format stored on a CD-ROM (Compact Disk Read Only Memory), a flexible disk (FD), a CD-R (Compact Disk Recordable), DVD (Digital Versatile Disk), or other computer-readable recording medium, and provided as a computer program product.

さらに、上記実施の形態および変形例の制御部30で実行されるプログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するように構成してもよい。また、上記実施の形態および変形例の制御部30で実行されるプログラムをインターネット等のネットワーク経由で提供または配布するように構成してもよい。 Furthermore, the program executed by the control unit 30 of the above embodiments and modifications may be stored on a computer connected to a network such as the Internet, and may be provided by being downloaded via the network. . Further, the program executed by the control unit 30 of the above embodiment and modification may be provided or distributed via a network such as the Internet.

上記実施の形態および変形例の制御部30で実行されるプログラムは、コンピュータを、上記実施の形態および変形例の制御部30の各部として機能させうる。このコンピュータは、CPU51がコンピュータ読取可能な記憶媒体からプログラムを主記憶装置上に読み出して実行することができる。 The program executed by the control unit 30 of the above embodiments and modifications can cause a computer to function as each part of the control unit 30 of the above embodiments and modifications. In this computer, the CPU 51 can read a program from a computer-readable storage medium into the main memory and execute it.

本発明のいくつかの実施の形態および変形例を説明したが、これらの実施の形態および変形例は、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。これら新規な実施の形態および変形例は、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。これらの実施の形態やその変形は、発明の範囲や要旨に含まれるとともに、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。 While several embodiments and variations of the invention have been described, these embodiments and variations are provided by way of example and are not intended to limit the scope of the invention. These novel embodiments and modifications can be implemented in various other forms, and various omissions, replacements, and modifications can be made without departing from the scope of the invention. These embodiments and modifications thereof are included in the scope and gist of the invention, and are included in the scope of the invention described in the claims and equivalents thereof.

10 電子機器
12 筐体
14A 発熱部品
16 センサ
16A 第1のセンサ
16B 第2のセンサ
20 情報処理装置
30A 取得部
30B 第3の算出部
30C 第1の算出部
30D 第2の算出部
30E 特定部
30F 出力制御部
10 Electronic device 12 Housing 14A Heat generating component 16 Sensor 16A First sensor 16B Second sensor 20 Information processor 30A Acquisition unit 30B Third calculation unit 30C First calculation unit 30D Second calculation unit 30E Identification unit 30F Output controller

Claims (10)

電子機器に設けられた複数の第1のセンサの各々で検出される第1の検出値に応じて、前記電子機器の特定現象の推定値を算出する第1の算出部と、
前記電子機器に設けられた複数のセンサの内、前記第1のセンサ以外であり且つ前記特定現象を検出する前記センサである第2のセンサで検出される第2の検出値と、前記推定値と、の差分を算出する第2の算出部と、
前記差分に応じて、前記特定現象に関する異常原因を特定する特定部と、
複数の前記第1の検出値に応じて、前記電子機器における、前記特定現象に影響を与える複数の要因の各々の評価値を算出する第3の算出部と、
を備え、
前記第1の算出部は、複数の前記評価値と前記推定値との予め導出した相関関係と、算出した複数の前記評価値と、を用いて前記推定値を算出する、
情報処理装置。
a first calculator that calculates an estimated value of a specific phenomenon of the electronic device according to a first detection value detected by each of a plurality of first sensors provided in the electronic device;
a second detection value detected by a second sensor, which is the sensor that detects the specific phenomenon and is other than the first sensor, among the plurality of sensors provided in the electronic device; and the estimated value. and a second calculator that calculates the difference between
an identifying unit that identifies the cause of an abnormality related to the specific phenomenon according to the difference;
a third calculator that calculates an evaluation value for each of a plurality of factors affecting the specific phenomenon in the electronic device according to the plurality of first detected values;
with
The first calculation unit calculates the estimated value using a pre-derived correlation between the plurality of evaluation values and the estimated value, and the plurality of calculated evaluation values.
Information processing equipment.
前記特定部は、
前記差分が第1の閾値以上である場合、前記特定現象が異常を示すと判断し、前記異常原因を特定する、
請求項1に記載の情報処理装置。
The identification unit
determining that the specific phenomenon indicates an abnormality when the difference is equal to or greater than a first threshold, and identifying the cause of the abnormality;
The information processing device according to claim 1 .
前記特定部は、
前記差分が前記第1の閾値以上である場合、
前記第1の検出値に比べて前記第2の検出値へ高い変動を与える要因となる前記異常原因を特定する、
請求項2に記載の情報処理装置。
The identification unit
If the difference is greater than or equal to the first threshold,
Identifying the cause of the abnormality that causes a high variation in the second detection value compared to the first detection value;
The information processing apparatus according to claim 2 .
前記特定部は、
前記差分が前記第1の閾値以上である場合、
前記特定現象の前記推定値の算出に用いられる複数の前記第1の検出値の各々から直接特定不可能な前記異常原因を特定する、
請求項2または請求項3に記載の情報処理装置。
The specifying unit is
When the difference is equal to or greater than the first threshold,
identifying the cause of the abnormality that cannot be directly identified from each of the plurality of first detection values used to calculate the estimated value of the specific phenomenon;
4. The information processing apparatus according to claim 2 or 3.
前記特定部は、
前記差分が第1の閾値以上である場合、
前記特定現象と、前記電子機器の異常場所および異常内容の少なくとも一方を含む前記異常原因と、を対応付けた管理情報から、前記特定現象に対応する前記異常原因を特定する、
請求項2~請求項4の何れか1項に記載の情報処理装置。
The identification unit
If the difference is greater than or equal to the first threshold,
identifying the cause of the abnormality corresponding to the specific phenomenon from management information that associates the specific phenomenon with the cause of the abnormality including at least one of a location and content of the abnormality in the electronic device;
The information processing apparatus according to any one of claims 2 to 4.
前記第3の算出部は、
3つ以上の前記第1の検出値に応じて、前記評価値を算出する、
請求項に記載の情報処理装置。
The third calculator,
calculating the evaluation value according to the three or more first detection values;
The information processing device according to claim 1 .
前記特定現象は、前記電子機器に設けられた発熱部品の温度である、
請求項1~請求項の何れか1項に記載の情報処理装置。
The specific phenomenon is the temperature of a heat-generating component provided in the electronic device,
The information processing apparatus according to any one of claims 1 to 6 .
コンピュータが実行する情報処理方法であって、
電子機器に設けられた複数の第1のセンサの各々で検出される第1の検出値に応じて、前記電子機器の特定現象の推定値を算出する第1の算出ステップと、
前記電子機器に設けられた複数のセンサの内、前記第1のセンサ以外であり且つ前記特定現象を検出する前記センサである第2のセンサで検出される第2の検出値と、前記推定値と、の差分を算出する第2の算出ステップと、
前記差分に応じて、前記特定現象に関する異常原因を特定する特定ステップと、
複数の前記第1の検出値に応じて、前記電子機器における、前記特定現象に影響を与える複数の要因の各々の評価値を算出する第3の算出ステップと、
を含み、
前記第1の算出ステップは、複数の前記評価値と前記推定値との予め導出した相関関係と、算出した複数の前記評価値と、を用いて前記推定値を算出する、
情報処理方法。
A computer-executed information processing method comprising:
a first calculation step of calculating an estimated value of a specific phenomenon of the electronic device according to a first detection value detected by each of a plurality of first sensors provided in the electronic device;
a second detection value detected by a second sensor, which is the sensor that detects the specific phenomenon and is other than the first sensor, among the plurality of sensors provided in the electronic device; and the estimated value. and a second calculation step of calculating the difference between
an identifying step of identifying a cause of an abnormality related to the specific phenomenon in accordance with the difference;
a third calculating step of calculating an evaluation value for each of a plurality of factors affecting the specific phenomenon in the electronic device according to the plurality of first detected values;
including
In the first calculating step, the estimated value is calculated using a pre-derived correlation between the plurality of evaluation values and the estimated value, and the calculated plurality of evaluation values.
Information processing methods.
コンピュータに実行させるためのプログラムであって、
電子機器に設けられた複数の第1のセンサの各々で検出される第1の検出値に応じて、前記電子機器の特定現象の推定値を算出する第1の算出ステップと、
前記電子機器に設けられた複数のセンサの内、前記第1のセンサ以外であり且つ前記特定現象を検出する前記センサである第2のセンサで検出される第2の検出値と、前記推定値と、の差分を算出する第2の算出ステップと、
前記差分に応じて、前記特定現象に関する異常原因を特定する特定ステップと、
複数の前記第1の検出値に応じて、前記電子機器における、前記特定現象に影響を与える複数の要因の各々の評価値を算出する第3の算出ステップと、
を含み、
前記第1の算出ステップは、複数の前記評価値と前記推定値との予め導出した相関関係と、算出した複数の前記評価値と、を用いて前記推定値を算出する、
プログラム。
A program for a computer to execute,
a first calculation step of calculating an estimated value of a specific phenomenon of the electronic device according to a first detection value detected by each of a plurality of first sensors provided in the electronic device;
a second detection value detected by a second sensor, which is the sensor that detects the specific phenomenon and is other than the first sensor, among the plurality of sensors provided in the electronic device; and the estimated value. and a second calculation step of calculating the difference between
an identifying step of identifying a cause of an abnormality related to the specific phenomenon in accordance with the difference;
a third calculating step of calculating an evaluation value for each of a plurality of factors affecting the specific phenomenon in the electronic device according to the plurality of first detected values;
including
In the first calculating step, the estimated value is calculated using a pre-derived correlation between the plurality of evaluation values and the estimated value, and the calculated plurality of evaluation values.
program.
電子機器であって、
複数のセンサと、
複数の前記センサの内の一部である複数の第1のセンサの各々で検出される第1の検出値に応じて、前記電子機器の特定現象の推定値を算出する第1の算出部と、
複数の前記センサの内、前記第1のセンサ以外であり且つ前記特定現象を検出する前記センサである第2のセンサで検出される第2の検出値と、前記推定値と、の差分を算出する第2の算出部と、
前記差分に応じて、前記特定現象に関する異常原因を特定する特定部と、
複数の前記第1の検出値に応じて、前記電子機器における、前記特定現象に影響を与える複数の要因の各々の評価値を算出する第3の算出部と、
を備え、
前記第1の算出部は、複数の前記評価値と前記推定値との予め導出した相関関係と、算出した複数の前記評価値と、を用いて前記推定値を算出する、
電子機器。
an electronic device,
a plurality of sensors;
a first calculator that calculates an estimated value of a specific phenomenon of the electronic device according to a first detection value detected by each of a plurality of first sensors that are a part of the plurality of sensors; ,
Calculating a difference between a second detection value detected by a second sensor, which is one of the plurality of sensors other than the first sensor and which detects the specific phenomenon, and the estimated value. a second calculator for
an identifying unit that identifies the cause of an abnormality related to the specific phenomenon according to the difference;
a third calculator that calculates an evaluation value for each of a plurality of factors affecting the specific phenomenon in the electronic device according to the plurality of first detected values;
with
The first calculation unit calculates the estimated value using a pre-derived correlation between the plurality of evaluation values and the estimated value, and the plurality of calculated evaluation values.
Electronics.
JP2019046538A 2019-03-13 2019-03-13 Information processing device, information processing method, program, and electronic device Active JP7204543B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2019046538A JP7204543B2 (en) 2019-03-13 2019-03-13 Information processing device, information processing method, program, and electronic device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2019046538A JP7204543B2 (en) 2019-03-13 2019-03-13 Information processing device, information processing method, program, and electronic device

Publications (2)

Publication Number Publication Date
JP2020149381A JP2020149381A (en) 2020-09-17
JP7204543B2 true JP7204543B2 (en) 2023-01-16

Family

ID=72429676

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019046538A Active JP7204543B2 (en) 2019-03-13 2019-03-13 Information processing device, information processing method, program, and electronic device

Country Status (1)

Country Link
JP (1) JP7204543B2 (en)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007249719A (en) 2006-03-17 2007-09-27 Fujitsu Ltd Equipment, cooling function monitor and fan deterioration monitoring program
JP2008256911A (en) 2007-04-04 2008-10-23 Sharp Corp Monitoring system, image forming apparatus and information processor
JP2010039519A (en) 2008-07-31 2010-02-18 Japan Digital Laboratory Co Ltd Error notification method, information processor, and communication system
JP2013168107A (en) 2012-02-17 2013-08-29 Nec Computertechno Ltd Information processing device, abnormality detection method, and program
JP2014052689A (en) 2012-09-05 2014-03-20 Nec Corp Abnormality detection device
JP2016126504A (en) 2014-12-26 2016-07-11 株式会社東芝 Electronic apparatus, calculation method of air flow rate within housing, and program
JP2017054498A (en) 2015-09-11 2017-03-16 株式会社東芝 Electronic apparatus, calculate method of index, and program

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007249719A (en) 2006-03-17 2007-09-27 Fujitsu Ltd Equipment, cooling function monitor and fan deterioration monitoring program
JP2008256911A (en) 2007-04-04 2008-10-23 Sharp Corp Monitoring system, image forming apparatus and information processor
JP2010039519A (en) 2008-07-31 2010-02-18 Japan Digital Laboratory Co Ltd Error notification method, information processor, and communication system
JP2013168107A (en) 2012-02-17 2013-08-29 Nec Computertechno Ltd Information processing device, abnormality detection method, and program
JP2014052689A (en) 2012-09-05 2014-03-20 Nec Corp Abnormality detection device
JP2016126504A (en) 2014-12-26 2016-07-11 株式会社東芝 Electronic apparatus, calculation method of air flow rate within housing, and program
JP2017054498A (en) 2015-09-11 2017-03-16 株式会社東芝 Electronic apparatus, calculate method of index, and program

Also Published As

Publication number Publication date
JP2020149381A (en) 2020-09-17

Similar Documents

Publication Publication Date Title
KR102153924B1 (en) Model parameter value estimation apparatus and estimation method, program, recording medium recording the program, model parameter value estimation system
CA2949695C (en) Virtual data center environmental monitoring system
US8223025B2 (en) Data center thermal monitoring
US7657347B2 (en) Temperature-based monitoring method and system for determining first and second fluid flow rates through a heat exchanger
JP5801732B2 (en) Operation management method of information processing system
CN105026868B (en) Know method for distinguishing for air-flow failure and the origin cause of formation
JP2014182694A (en) Device, method, and program for sensor failure detection
CN102804098A (en) Electrical device cooling efficiency monitoring
CN104990643A (en) Terminal ambient temperature testing method based on double temperature sensors
CN114910756B (en) Insulation performance evaluation method and system for low-voltage bus duct
Fu et al. Temperature-sensitive point selection for thermal error modeling of machine tool spindle by considering heat source regions
US8694279B1 (en) Data center thermal monitoring
CN107710089A (en) Shop equipment diagnostic device and shop equipment diagnostic method
JP5971395B2 (en) System analysis apparatus and system analysis method
JP7204543B2 (en) Information processing device, information processing method, program, and electronic device
JP6432192B2 (en) Temperature prediction device for battery packs
CN117435435A (en) Temperature detection method, device and equipment for stacked memory chips and memory medium
JP7292908B2 (en) Abnormality detection device, abnormality detection method, and program
US11378943B2 (en) Information processing device, information processing method, and program
JP7199260B2 (en) Abnormality detection device, abnormality detection method, and program
JP2017201442A (en) Method for monitoring temperature of computer apparatus and computer apparatus
Wang et al. Leveraging thermal dynamics in sensor placement for overheating server component detection
CN117881164B (en) Heat dissipation control method and system for radio frequency power supply
US20240220849A1 (en) Thermal predictive modeling of physical assets
CN113703498B (en) Motor cooling regulation and control method and system based on air heat exchange

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210906

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20220615

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220621

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220719

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: 20221129

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20221228

R150 Certificate of patent or registration of utility model

Ref document number: 7204543

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150