JP7214054B2

JP7214054B2 - 機器分析装置、機器分析方法および機器分析プログラム

Info

Publication number: JP7214054B2
Application number: JP2022546800A
Authority: JP
Inventors: 丈志竹内; 智晴竹内
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 2020-09-03
Filing date: 2020-09-03
Publication date: 2023-01-27
Anticipated expiration: 2040-09-03
Also published as: JPWO2022049701A1; DE112020007573T5; WO2022049701A1; US20230297644A1

Description

本開示は、機器の状態を分析する機器分析装置、機器分析方法および機器分析プログラムに関する。

従来、鉄道車両の各機器から稼働データを収集して蓄積し、各機器の現在の健全度状態を可視化して分析する取り組みが広く実施されている。各機器の健全度状態を可視化して分析する方法として、例えば、時系列データから機器健全度を確認可能な特徴量データを切り出し、ある一定期間、すなわちターム別の特徴量データについて、グラフ描画による差分比較などを行うことによって、機器健全度の変化、すなわち劣化を分析する方法がある。このような技術が、特許文献１において開示されている。

国際公開第２０１９／２３０２８２号

しかしながら、上記従来の技術によれば、例えば、駅発車時の稼働データの数秒間の変化を特徴量データとして切り出して月別比較したい場合、１ターム、すなわち１カ月別の特徴量データは膨大なサンプル数になる。そのため、グラフ描画の際の処理負荷が高くなる、という問題があった。また、サンプル数が膨大になると、容易にデータ比較ができない、という問題があった。

本開示は、上記に鑑みてなされたものであって、機器の状態を可視化する際の処理負荷の増大を抑制しつつ、容易にデータ比較ができるように可視化できる機器分析装置を得ることを目的とする。

上述した課題を解決し、目的を達成するために、本開示の機器分析装置は、鉄道車両に搭載された機器の稼働状態を示す稼働データを記憶する稼働データ記憶部と、稼働データを用いて、機器の特徴量データを生成する特徴量データ生成部と、特徴量データを記憶する特徴量データ記憶部と、特徴量データ記憶部に記憶されている特徴量データを用いて、設定されたタームの単位で特徴量データの挙動を示す第１のデータを生成する第１の演算部と、特徴量データ記憶部に記憶されている特徴量データのうち、第１の演算部で第１のデータを生成する際に使用された特徴量データより新しい１以上の直近の特徴量データを用いて、直近の特徴量データの挙動を示す第２のデータを生成する第２の演算部と、１以上の第１のデータ、および第２のデータを１つのグラフに表示する表示部と、を備えることを特徴とする。

本開示によれば、機器分析装置は、機器の状態を可視化する際の処理負荷の増大を抑制しつつ、容易にデータ比較ができるように可視化できる、という効果を奏する。

実施の形態１に係る機器分析装置の構成例を示す図実施の形態１に係る機器分析装置の動作を示すフローチャート実施の形態１に係る機器分析装置が備える処理回路をプロセッサおよびメモリで構成する場合の例を示す図実施の形態１に係る機器分析装置が備える処理回路を専用のハードウェアで構成する場合の例を示す図実施の形態２に係る機器分析装置の第１の演算部の構成例を示す図実施の形態２に係る機器分析装置の第１の演算部の動作を示すフローチャート実施の形態２に係る機器分析装置のバンド線情報要約部で生成されるバンド線情報の例を示す図実施の形態２に係る機器分析装置の第２の演算部の構成例を示す図実施の形態２に係る機器分析装置の第２の演算部の動作を示すフローチャート実施の形態２に係る機器分析装置の表示部が表示するバンド線情報および現在バンド線情報の例を示す図実施の形態３に係る機器分析装置の第１の演算部の構成例を示す図実施の形態３に係る機器分析装置の第１の演算部の動作を示すフローチャート実施の形態３に係る機器分析装置の第２の演算部の構成例を示す図実施の形態３に係る機器分析装置の第２の演算部の動作を示すフローチャート実施の形態３に係る機器分析装置の表示部が表示する外れ値スコア集計値および現在外れ値スコア集計値の例を示す図実施の形態４に係る機器分析装置の第１の演算部の構成例を示す図実施の形態４に係る機器分析装置の第２の演算部の構成例を示す図

以下に、本開示の実施の形態に係る機器分析装置、機器分析方法および機器分析プログラムを図面に基づいて詳細に説明する。

実施の形態１．
図１は、実施の形態１に係る機器分析装置１の構成例を示す図である。図１の例では、機器分析装置１は、鉄道車両２に搭載されている機器３の状態を分析する。なお、機器分析装置１の用途は、鉄道車両２に搭載されている機器３に限定されない。機器分析装置１の構成および動作について詳細に説明する。機器分析装置１は、稼働データ取得部１１と、稼働データ記憶部１２と、特徴量データ生成部１３と、特徴量データ記憶部１４と、第１の演算部１５と、第２の演算部１６と、設定部１７と、表示部１８と、を備える。図２は、実施の形態１に係る機器分析装置１の動作を示すフローチャートである。

稼働データ取得部１１は、鉄道車両２から、鉄道車両２に搭載された機器３の稼働状態を示す稼働データを取得する（ステップＳ１１）。図１の例では、鉄道車両２に１つの機器３が搭載されているが、実際には、鉄道車両２に複数の機器３が搭載されているものとする。稼働データ取得部１１は、複数の鉄道車両２から編成される列車を対象にする場合、各鉄道車両２から稼働データを取得する。稼働データ取得部１１は、複数の列車を対象にして各列車を構成する複数の鉄道車両２から稼働データを取得してもよい。鉄道車両２に搭載された機器３は、例えば、空気調和機、モータなどであるが、これらに限定されない。稼働データは、例えば、機器３が空気調和機の場合は設定温度と実際の温度との差分、運転モードなどであり、機器３がモータの場合はモータの印加電圧、モータに流れる電流などである。稼働データは、鉄道車両２に搭載された図示しないセンサによって計測された計測値であってもよいし、鉄道車両２の図示しない運転士によるオペレーションデータなどであってもよい。稼働データ取得部１１は、鉄道車両２から稼働データを取得する方法について、無線通信を用いて取得してもよいし、有線通信を用いて取得してもよいし、記憶媒体などを介して取得してもよい。また、稼働データ取得部１１は、稼働データを取得するタイミングについて、対象の鉄道車両２の１日の運行が終了した後に１日分の稼働データを取得してもよいし、無線通信を使用する場合には逐次稼働データを取得してもよい。稼働データ取得部１１は、鉄道車両２から取得した稼働データを稼働データ記憶部１２に記憶させる。稼働データ記憶部１２は、稼働データ取得部１１で取得された稼働データを記憶する。

特徴量データ生成部１３は、稼働データ記憶部１２に記憶されている時系列の稼働データを用いて、鉄道車両２に搭載された機器３の特徴量データを生成する（ステップＳ１２）。特徴量データ生成部１３は、例えば、稼働データ取得部１１で毎日稼働データが取得される場合、追加された稼働データを用いて、対象の機器３の特徴量データを１日１回生成する。特徴量データ生成部１３は、対象の機器３が複数ある場合、機器３ごとに特徴量データを生成する。特徴量データ生成部１３における特徴量データの生成方法については、特に限定されず、従来からある一般的な方法でよい。特徴量データ生成部１３は、生成した特徴量データを特徴量データ記憶部１４に記憶させる。特徴量データ記憶部１４は、特徴量データ生成部１３で生成された特徴量データを記憶する。

第１の演算部１５は、特徴量データ記憶部１４に記憶されている特徴量データを用いて、設定されたタームの単位で特徴量データの挙動を示す第１のデータを生成する（ステップＳ１３）。設定されたタームとは、第１の演算部１５にデフォルトで設定された、または設定部１７を介してユーザ４から設定されたものである。タームについては、１年単位でもよいし、１カ月単位でもよいし、１週間単位でもよいし、１日単位でもよい。また、タームは、機器３の種類によって異なる期間であってもよい。ここで、第１の演算部１５は、特徴量データ記憶部１４に記憶されている特徴量データのうち、設定されたタームの倍数の特徴量データを用いて、機器３の過去の状態を示す第１のデータを生成する。第１の演算部１５は、例えば、ある機器３について設定されたタームの単位が１カ月であってタームの開始日が毎月１日、終了日が月末であった場合、各月の１日から月末までの特徴量データを用いて、機器３の過去の状態を示す第１のデータを生成する。なお、第１の演算部１５は、タームの単位が１カ月で、ある月について第１のデータを生成済みの場合、同じ月の第１のデータを再度生成する必要は無い。第１の演算部１５は、例えば、翌月に、先月分の特徴量データを用いて、先月分の第１のデータを１回生成すればよい。第１の演算部１５は、生成済みの１以上の第１のデータを記憶する。

第２の演算部１６は、特徴量データ記憶部１４に記憶されている特徴量データのうち、第１の演算部１５で第１のデータを生成する際に使用された特徴量データより新しい１以上の直近の特徴量データを用いて、直近の特徴量データの挙動を示す第２のデータを生成する（ステップＳ１４）。第２の演算部１６は、例えば、前述のようにある機器３について設定されたタームの単位が１カ月であってタームの開始日が毎月１日、タームの終了日が月末であった場合、現在がある月の１５日のときは当月の１日から１５日までの特徴量データを用いて、第２のデータを生成する。第２の演算部１６で使用される特徴量データの数は、設定されたタームに満たない数となる。このように、第２の演算部１６は、設定されたタームに満たないため第１の演算部１５で使用されていない直近の特徴量データを用いて、第２のデータを生成する。

設定部１７は、ユーザ４からの操作を受け付けて、第１の演算部１５および第２の演算部１６に対して、前述のタームの単位、タームの開始日、タームの終了日などを設定する（ステップＳ１５）。タームについては、前述のように、１年単位でもよいし、１カ月単位でもよいし、１週間単位でもよいし、１日単位でもよい。また、タームは、機器３の種類によって異なる期間であってもよい。タームの開始日は、例えば、タームが１年単位のときは毎年○月○日○○時○○分となり、タームが１週間単位のときは毎週○曜日○○時○○分などとなる。タームの終了日は、例えば、タームが１年単位のときは毎年×月×日××時××分となり、タームが１週間単位のときは毎週×曜日××時××分などとなる。ユーザ４は、後述する表示部１８で表示された第１のデータおよび第２のデータで気になる点があった場合など、設定部１７を介して、タームの単位、タームの開始日、タームの終了日などを適宜変更してもよい。すなわち、ユーザ４は、設定部１７を介してタームの単位、タームの開始日、タームの終了日などの設定を行う場合、図２に示すフローチャートのステップＳ１１の前の機器分析装置１の運用開始前にあらかじめ設定を行ってもよいし、ステップＳ１５の後に設定を行ってもよい。なお、機器分析装置１は、第１の演算部１５および第２の演算部１６においてデフォルトで設定されたタームなどを用い、タームの設定を変更しない場合、設定部１７を備えない構成であってもよい。

表示部１８は、第１の演算部１５で生成された１以上の第１のデータ、および第２の演算部１６で生成された１つの第２のデータを、例えば、１つのグラフに重ね合わせて表示する（ステップＳ１６）。第１のデータは、ある機器３について、設定されたタームの単位で要約された過去の状態を示すものである。第２のデータは、ある機器３の直近の状態を示すものである。これにより、表示部１８の表示内容を確認したユーザ４は、第１のデータに対して第２のデータが同様の特徴を示している場合は機器３の状態に変化はないと判定し、第１のデータに対して第２のデータが変化している場合は機器３の状態に変化が生じた、すなわち劣化の可能性があると判定することができる。ユーザ４は、表示部１８の表示内容に基づいて、必要に応じて元データ、すなわち稼働データ記憶部１２に記憶されている各機器３の稼働データを確認するようにしてもよい。

機器分析装置１は、鉄道車両２から定期的に、例えば、１日ごとに稼働データを取得する場合、新たに取得した稼働データ、すなわち前日からの差分の稼働データを用いて、動作を行えばよい。ただし、第１の演算部１５は、設定されたターム分の特徴量データが得られた後、すなわち設定されたタームごとに、最新のタームについて第１のデータを生成する。

機器分析装置１において稼働データ取得部１１が鉄道車両２に搭載される同一の機器３のみの稼働データを取得する場合、第１の演算部１５は、鉄道車両２に搭載される同一の機器３について第１のデータを生成し、第２の演算部１６は、鉄道車両２に搭載される同一の機器３について第２のデータを生成する。また、機器分析装置１において稼働データ取得部１１が同一の鉄道車両２に搭載される同種の複数の機器３の稼働データを取得する場合、第１の演算部１５は、同一の鉄道車両２に搭載される同種の複数の機器３について第１のデータを生成し、第２の演算部１６は、同一の鉄道車両２に搭載される同種の複数の機器３について第２のデータを生成する。また、機器分析装置１において稼働データ取得部１１が異なる鉄道車両２に搭載される同種の複数の機器３の稼働データを取得する場合、第１の演算部１５は、異なる鉄道車両２に搭載される同種の複数の機器３について第１のデータを生成し、第２の演算部１６は、異なる鉄道車両２に搭載される同種の複数の機器３について第２のデータを生成する。

つづいて、機器分析装置１のハードウェア構成について説明する。機器分析装置１において、稼働データ取得部１１は通信装置などのインタフェースである。稼働データ記憶部１２および特徴量データ記憶部１４はメモリである。設定部１７はマウス、キーボードなどの操作機器である。表示部１８のうち表示内容を表示する部分はＬＣＤ（Liquid Crystal Display）などのモニタである。特徴量データ生成部１３、第１の演算部１５、第２の演算部１６、および表示部１８のうち表示内容を生成する部分は処理回路により実現される。処理回路は、メモリに格納されるプログラムを実行するプロセッサおよびメモリであってもよいし、専用のハードウェアであってもよい。

図３は、実施の形態１に係る機器分析装置１が備える処理回路９０をプロセッサ９１およびメモリ９２で構成する場合の例を示す図である。処理回路９０がプロセッサ９１およびメモリ９２で構成される場合、機器分析装置１の処理回路の各機能は、ソフトウェア、ファームウェア、またはソフトウェアとファームウェアとの組み合わせにより実現される。ソフトウェアまたはファームウェアはプログラムとして記述され、メモリ９２に格納される。処理回路９０では、メモリ９２に記憶されたプログラムをプロセッサ９１が読み出して実行することにより、各機能を実現する。すなわち、処理回路９０は、機器分析装置１の処理が結果的に実行されることになるプログラムを格納するためのメモリ９２を備える。また、これらのプログラムは、機器分析装置１の手順および方法をコンピュータに実行させるものであるともいえる。

ここで、プロセッサ９１は、ＣＰＵ（Central Processing Unit）、処理装置、演算装置、マイクロプロセッサ、マイクロコンピュータ、またはＤＳＰ（Digital Signal Processor）などであってもよい。また、メモリ９２には、例えば、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、フラッシュメモリ、ＥＰＲＯＭ（Erasable Programmable ＲＯＭ）、ＥＥＰＲＯＭ（登録商標）（Electrically ＥＰＲＯＭ）などの、不揮発性または揮発性の半導体メモリ、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ミニディスク、またはＤＶＤ（Digital Versatile Disc）などが該当する。

図４は、実施の形態１に係る機器分析装置１が備える処理回路９３を専用のハードウェアで構成する場合の例を示す図である。処理回路９３が専用のハードウェアで構成される場合、図４に示す処理回路９３は、例えば、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field Programmable Gate Array）、またはこれらを組み合わせたものが該当する。機器分析装置１の各機能を機能別に処理回路９３で実現してもよいし、各機能をまとめて処理回路９３で実現してもよい。

なお、機器分析装置１の各機能について、一部を専用のハードウェアで実現し、一部をソフトウェアまたはファームウェアで実現するようにしてもよい。このように、処理回路は、専用のハードウェア、ソフトウェア、ファームウェア、またはこれらの組み合わせによって、上述の各機能を実現することができる。

以上説明したように、本実施の形態によれば、機器分析装置１は、鉄道車両２に搭載されている機器３の稼働データを用いて特徴量データを生成し、特徴量データから、機器３の過去の状態を示す第１のデータを生成し、機器３の現在の状態を示す第２のデータを生成し、１つのグラフに重ね合わせて表示する。これにより、機器分析装置１は、機器３の状態を可視化する際の処理負荷の増大を抑制しつつ、容易にデータ比較ができるように可視化することができる。機器分析装置１の表示を確認したユーザ４は、機器３の状態に変化が生じたか否かを容易に判定することができる。

実施の形態２．
実施の形態２では、機器分析装置１が備える第１の演算部１５および第２の演算部１６の動作として、バンド線情報を生成する場合について説明する。

まず、第１の演算部１５の詳細な構成および動作について説明する。図５は、実施の形態２に係る機器分析装置１の第１の演算部１５の構成例を示す図である。第１の演算部１５は、バンド線情報要約部２１と、バンド線情報記憶部２２と、バンド線情報抽出部２３と、を備える。図６は、実施の形態２に係る機器分析装置１の第１の演算部１５の動作を示すフローチャートである。図６に示すフローチャートは、図２に示す実施の形態１のフローチャートのステップＳ１３の動作の詳細を示すものである。

バンド線情報要約部２１は、第１のデータとして、特徴量データ記憶部１４に記憶されている特徴量データを用いて、タームの単位で特徴量データを要約したバンド線情報を生成する（ステップＳ２１）。バンド線情報要約部２１は、例えば、前述のようにタームの単位が１カ月の場合、１カ月の単位で特徴量データを要約した１つのバンド線情報を生成する。タームについては、デフォルトで設定されたものでもよいし、ユーザ４が設定部１７を介して設定したものでもよい。なお、バンド線情報要約部２１は、タームの単位が１カ月で、ある月についてバンド線情報を生成済みの場合、同じ月のバンド線情報を再度生成する必要は無い。バンド線情報要約部２１は、例えば、翌月に、先月分の特徴量データを用いて、先月分のバンド線情報を生成すればよい。バンド線情報要約部２１は、生成した１以上のバンド線情報をバンド線情報記憶部２２に記憶させる。バンド線情報記憶部２２は、バンド線情報要約部２１で生成された１以上のバンド線情報を記憶する。

バンド線情報抽出部２３は、バンド線情報記憶部２２から、指定された期間に含まれるタームについてのバンド線情報を抽出する（ステップＳ２２）。バンド線情報抽出部２３は、バンド線情報記憶部２２に７カ月分以上のバンド線情報が記憶されている場合でも、指定された期間が直近の６カ月のときは、バンド線情報記憶部２２から直近の６カ月分のバンド線情報を抽出する。指定された期間は、過去○○日間でもよいし、期間の開始日を指定したものでもよい。また、指定された期間は、デフォルトで設定されたものでもよいし、ユーザ４が設定部１７を介して設定したものでもよい。

ここで、バンド線情報要約部２１で生成されるバンド線情報について説明する。図７は、実施の形態２に係る機器分析装置１のバンド線情報要約部２１で生成されるバンド線情報の例を示す図である。図７において、図７（ａ）はバンド線情報の元となる特徴量データを示し、図７（ｂ）は図７（ａ）に示す特徴量データを用いてバンド線情報要約部２１で生成されたバンド線情報を示している。また、図７（ａ）および図７（ｂ）において、横軸は時間を示し、縦軸は特徴量の大きさを示している。図７（ａ）に示すように、特徴量データの数が多くなると、機器分析装置１が各特徴量データを表示する際の処理負荷が増大する。そのため、バンド線情報要約部２１は、設定されたタームの単位で特徴量データをバンド線情報に要約する。これにより、機器分析装置１は要約したバンド線情報を表示することによって表示の際の処理負荷の増大を抑制することができる。

バンド線情報要約部２１は、タームの単位で生成するバンド線情報に含まれる特徴量データの数から得られる分位数に基づいて、複数の表示パターンを含むバンド線情報を生成してもよい。バンド線情報要約部２１は、例えば、３０点の時系列データから成る特徴量データを要約する場合、特徴量データの各点、すなわち１点目から３０点目までの分位数情報に基づいて、バンド線情報を生成する。バンド線情報要約部２１は、例えば、濃色バンドおよび淡色バンドの２つによって１タームの特徴量データを情報要約する場合、四分位範囲として濃色バンドで第一四分位数から第三四分位数までを表し、データ分布範囲として淡色バンドで（第一四分位－四分位範囲×１．５）から（第三四分位＋四分位範囲×１．５）までを表す。これにより、表示部１８で図７（ｂ）に示すようなバンド線情報を確認したユーザ４は、特徴量データのばらつき状態を容易に把握することが可能となる。

つぎに、第２の演算部１６の詳細な構成および動作について説明する。図８は、実施の形態２に係る機器分析装置１の第２の演算部１６の構成例を示す図である。第２の演算部１６は、現在バンド線情報要約部３１を備える。図９は、実施の形態２に係る機器分析装置１の第２の演算部１６の動作を示すフローチャートである。図９に示すフローチャートは、図２に示す実施の形態１のフローチャートのステップＳ１４の動作の詳細を示すものである。

現在バンド線情報要約部３１は、第２のデータとして、第１の演算部１５でバンド線情報を生成する際に使用された特徴量データより新しい１以上の直近の特徴量データを用いて、直近の特徴量データを要約した現在バンド線情報を生成する（ステップＳ３１）。現在バンド線情報要約部３１で使用される特徴量データの数は、設定されたタームに満たない数となる。このように、現在バンド線情報要約部３１は、設定されたタームに満たないためバンド線情報要約部２１で使用されていない直近の特徴量データを用いて、現在バンド線情報を生成する。現在バンド線情報要約部３１における現在バンド線情報の生成方法は、前述のバンド線情報要約部２１におけるバンド線情報の生成方法と同様である。

第１の演算部１５でバンド線情報が生成され、第２の演算部１６で現在バンド線情報が生成された後、表示部１８は、バンド線情報抽出部２３で抽出された１以上のバンド線情報、および現在バンド線情報要約部３１で生成された現在バンド線情報を１つのグラフに表示する。すなわち、表示部１８は、１以上のバンド線情報、および現在バンド線情報を重ね合わせてグラフプロットする。図１０は、実施の形態２に係る機器分析装置１の表示部１８が表示するバンド線情報および現在バンド線情報の例を示す図である。図１０において、横軸は時間を示し、縦軸は特徴量の大きさを示す。図１０の例では、第１の演算部１５で生成されたバンド線情報を「ターム＃１」で示し、第２の演算部１６で生成された現在バンド線情報を「ターム＃２」で示している。ユーザ４は、例えば、表示部１８に表示されたバンド線情報に対して、現在バンド線情報がどの程度ずれたか、また、現在バンド線情報の形状がどの程度変化したか、などを確認する。これにより、ユーザ４は、ある機器３について、直近の状態がどのような状態にあるのかを把握することができる。なお、図１０の例では、第１の演算部１５で生成されたバンド線情報が１つの場合について示しているが、これに限定されない。表示部１８は、第１の演算部１５で生成された複数のバンド線情報と、第２の演算部１６で生成された１つの現在バンド線情報とを同時に表示することが可能である。

実施の形態２において、機器分析装置１は、バンド線情報要約部２１までの動作をオフラインで定期的に実行し、バンド線情報抽出部２３および現在バンド線情報要約部３１以降の動作を、ユーザ４からの操作によってオンラインで実行する。

以上説明したように、本実施の形態によれば、機器分析装置１は、鉄道車両２に搭載されている機器３の稼働データを用いて特徴量データを生成し、特徴量データから、機器３の過去の状態を示す第１のデータとしてバンド線情報を生成し、機器３の現在の状態を示す第２のデータとして現在バンド線情報を生成し、１つのグラフに重ね合わせて表示する。この場合において、実施の形態１のときと同様、機器分析装置１は、機器３の状態を可視化する際の処理負荷の増大を抑制しつつ、容易にデータ比較ができるように可視化することができる。機器分析装置１の表示を確認したユーザ４は、機器３の状態に変化が生じたか否かを容易に判定することができる。

実施の形態３．
実施の形態３では、機器分析装置１が備える第１の演算部１５および第２の演算部１６の動作として、バンド線情報を生成する場合について説明する。

まず、第１の演算部１５の詳細な構成および動作について説明する。図１１は、実施の形態３に係る機器分析装置１の第１の演算部１５の構成例を示す図である。第１の演算部１５は、正常時モデル学習部４１と、学習済正常時モデル記憶部４２と、外れ値スコア算出部４３と、外れ値スコア記憶部４４と、外れ値スコア集計部４５と、外れ値スコア集計値記憶部４６と、外れ値スコア集計値抽出部４７と、を備える。図１２は、実施の形態３に係る機器分析装置１の第１の演算部１５の動作を示すフローチャートである。図１２に示すフローチャートは、図２に示す実施の形態１のフローチャートのステップＳ１３の動作の詳細を示すものである。

正常時モデル学習部４１は、特徴量データ記憶部１４に記憶されている特徴量データのうち、規定された期間の特徴量データを機器３が正常時のときの特徴量データとして機器３の正常時の状態を表す正常時モデルを学習する（ステップＳ４１）。正常時モデル学習部４１は、例えば、設定部１７によって設定、すなわち規定された期間の特徴量データを機器３が正常時のときの特徴量データとし、ＡＩ（Artificial Intelligence）学習などによって正常時モデルを学習する。正常時モデル学習部４１におけるＡＩ学習の方法については、従来からの一般的な方法でよく、特に限定されない。なお、正常時モデル学習部４１は、ＡＩ学習以外の方法で正常時モデルを学習してもよい。正常時モデル学習部４１は、学習の結果得られた学習済正常時モデルを学習済正常時モデル記憶部４２に記憶させる。学習済正常時モデル記憶部４２は、正常時モデル学習部４１で学習された学習済正常時モデルを記憶する。

外れ値スコア算出部４３は、学習済正常時モデル記憶部４２に記憶された学習済正常時モデルを用いて、特徴量データ記憶部１４に記憶されている特徴量データに対して、機器３の正常時の状態からの乖離度を示す外れ値スコアを算出する（ステップＳ４２）。外れ値スコア算出部４３は、算出した外れ値スコアを外れ値スコア記憶部４４に記憶させる。外れ値スコア記憶部４４は、外れ値スコア算出部４３で算出された外れ値スコアを記憶する。

外れ値スコア集計部４５は、外れ値スコア記憶部４４に記憶されている外れ値スコアを、指定された期間に含まれるタームの単位で集計し、外れ値スコア集計値を生成する（ステップＳ４３）。外れ値スコア集計部４５は、外れ値スコア集計値として、例えば、タームの単位で外れ値スコアの平均値、標準偏差などを算出する。なお、外れ値スコア集計部４５は、タームの単位が１カ月で、ある月について外れ値スコア集計値を生成済みの場合、同じ月の外れ値スコア集計値を再度生成する必要は無い。外れ値スコア集計部４５は、例えば、翌月に、先月分の外れ値スコアを用いて、先月分の外れ値スコア集計値を生成すればよい。外れ値スコア集計部４５は、生成した１以上の外れ値スコア集計値を外れ値スコア集計値記憶部４６に記憶させる。外れ値スコア集計値記憶部４６は、外れ値スコア集計部４５で生成された１以上の外れ値スコア集計値を記憶する。

外れ値スコア集計値抽出部４７は、外れ値スコア集計値記憶部４６から、指定された期間に含まれるタームについての外れ値スコア集計値を抽出する（ステップＳ４４）。外れ値スコア集計値抽出部４７は、外れ値スコア集計値記憶部４６に７カ月分以上の外れ値スコア集計値が記憶されている場合でも、指定された期間が直近の６カ月のときは、外れ値スコア集計値記憶部４６から直近の６カ月分の外れ値スコア集計値を抽出する。指定された期間は、過去○○日間でもよいし、期間の開始日を指定したものでもよい。また、指定された期間は、デフォルトで設定されたものでもよいし、ユーザ４が設定部１７を介して設定したものでもよい。

つぎに、第２の演算部１６の詳細な構成および動作について説明する。図１３は、実施の形態３に係る機器分析装置１の第２の演算部１６の構成例を示す図である。第２の演算部１６は、現在外れ値スコア集計部５１を備える。図１４は、実施の形態３に係る機器分析装置１の第２の演算部１６の動作を示すフローチャートである。図１４に示すフローチャートは、図２に示す実施の形態１のフローチャートのステップＳ１４の動作の詳細を示すものである。

現在外れ値スコア集計部５１は、第２のデータとして、第１の演算部１５で外れ値スコア集計値を生成する際に使用された特徴量データより新しい１以上の直近の特徴量データを用いて、直近の特徴量データの挙動を示す現在外れ値スコア集計値を生成する（ステップＳ５１）。現在外れ値スコア集計部５１で使用される特徴量データの数は、設定されたタームに満たない数となる。このように、現在外れ値スコア集計部５１は、設定されたタームに満たないため外れ値スコア集計部４５で使用されていない直近の特徴量データを用いて、現在外れ値スコア集計値を生成する。現在外れ値スコア集計部５１における現在外れ値スコア集計値の生成方法は、前述の外れ値スコア集計部４５における外れ値スコア集計値の生成方法と同様である。

第１の演算部１５で外れ値スコア集計値が生成され、第２の演算部１６で現在外れ値スコア集計値が生成された後、表示部１８は、外れ値スコア集計値抽出部４７で抽出された１以上の外れ値スコア集計値、および現在外れ値スコア集計部５１で生成された現在外れ値スコア集計値を１つのグラフに表示する。すなわち、表示部１８は、１以上の外れ値スコア集計値、および現在外れ値スコア集計値を重ね合わせてグラフプロットする。図１５は、実施の形態３に係る機器分析装置１の表示部１８が表示する外れ値スコア集計値および現在外れ値スコア集計値の例を示す図である。図１５において、横軸は時間を示し、縦軸は機器３の健全度を示している。健全度が大きいほど健全でメンテナンスが不要な状態であり、健全度が小さいほどメンテナンスが必要な状態となる。なお、図１５に示す外れ値スコア集計値のうち、最初の２つが正常時に相当する外れ値スコア集計値、最後の「現在」に相当する部分が現在外れ値スコア集計値となる。ユーザ４は、例えば、表示部１８に表示された外れ値スコア集計値に対して、正常時を基準にしてどの程度はずれているか、外れ度の進行状況、すなわち変化速度はどのように変化しているか、などを確認する。これにより、ユーザ４は、ある機器３について、直近の状態がどのような状態にあるのかを把握することができる。

実施の形態３において、機器分析装置１は、外れ値スコア集計部４５までの動作をオフラインで定期的に実行し、外れ値スコア集計値抽出部４７および現在外れ値スコア集計部５１以降の動作を、ユーザ４からの操作によってオンラインで実行する。

以上説明したように、本実施の形態によれば、機器分析装置１は、鉄道車両２に搭載されている機器３の稼働データを用いて特徴量データを生成し、特徴量データから、機器３の過去の状態を示す第１のデータとして外れ値スコア集計値を生成し、機器３の現在の状態を示す第２のデータとして現在外れ値スコア集計値を生成し、１つのグラフに重ね合わせて表示する。この場合において、実施の形態１のときと同様、機器分析装置１は、機器３の状態を可視化する際の処理負荷の増大を抑制しつつ、容易にデータ比較ができるように可視化することができる。機器分析装置１の表示を確認したユーザ４は、機器３の状態に変化が生じたか否かを容易に判定することができる。

実施の形態４．
機器分析装置１は、実施の形態２ではバンド線情報を生成して表示し、実施の形態３では外れ値スコア集計値を生成して表示していたが、バンド線情報および外れ値スコア集計値の両方を生成して表示することも可能である。

図１６は、実施の形態４に係る機器分析装置１の第１の演算部１５の構成例を示す図である。実施の形態４において、第１の演算部１５は、図５および図１１に示す構成を全て備えている。各構成の動作は、前述の通りである。図１７は、実施の形態４に係る機器分析装置１の第２の演算部１６の構成例を示す図である。実施の形態４において、第２の演算部１６は、図８および図１３に示す構成を全て備えている。各構成の動作は、前述の通りである。

表示部１８は、バンド線情報抽出部２３で抽出された１以上のバンド線情報、および現在バンド線情報要約部３１で生成された現在バンド線情報を１つのグラフに表示する。また、表示部１８は、外れ値スコア集計値抽出部４７で抽出された１以上の外れ値スコア集計値、および現在外れ値スコア集計部５１で生成された現在外れ値スコア集計値を１つのグラフに表示する。これにより、ユーザ４は、ある機器３について、直近の状態がどのような状態にあるのかを把握することができる。また、ユーザ４は、表示部１８がユーザ４からの操作を受け付け可能な場合、表示内容を適宜選択して、機器３の状態を確認することができる。

以上説明したように、本実施の形態によれば、機器分析装置１は、鉄道車両２に搭載されている機器３の稼働データを用いて特徴量データを生成し、特徴量データから、機器３の過去の状態を示す第１のデータとしてバンド線情報および外れ値スコア集計値を生成し、機器３の現在の状態を示す第２のデータとして現在バンド線情報および現在外れ値スコア集計値を生成し、バンド線情報および現在バンド線情報を１つのグラフに重ね合わせて表示し、外れ値スコア集計値および現在外れ値スコア集計値を１つのグラフに重ね合わせて表示する。この場合において、実施の形態１のときと同様、機器分析装置１は、機器３の状態を可視化する際の処理負荷の増大を抑制しつつ、容易にデータ比較ができるように可視化することができる。機器分析装置１の表示を確認したユーザ４は、機器３の状態に変化が生じたか否かを容易に判定することができる。

以上の実施の形態に示した構成は、一例を示すものであり、別の公知の技術と組み合わせることも可能であるし、実施の形態同士を組み合わせることも可能であるし、要旨を逸脱しない範囲で、構成の一部を省略、変更することも可能である。

１機器分析装置、２鉄道車両、３機器、４ユーザ、１１稼働データ取得部、１２稼働データ記憶部、１３特徴量データ生成部、１４特徴量データ記憶部、１５第１の演算部、１６第２の演算部、１７設定部、１８表示部、２１バンド線情報要約部、２２バンド線情報記憶部、２３バンド線情報抽出部、３１現在バンド線情報要約部、４１正常時モデル学習部、４２学習済正常時モデル記憶部、４３外れ値スコア算出部、４４外れ値スコア記憶部、４５外れ値スコア集計部、４６外れ値スコア集計値記憶部、４７外れ値スコア集計値抽出部、５１現在外れ値スコア集計部。

Claims

鉄道車両に搭載された機器の稼働状態を示す稼働データを記憶する稼働データ記憶部と、
前記稼働データを用いて、前記機器の特徴量データを生成する特徴量データ生成部と、
前記特徴量データを記憶する特徴量データ記憶部と、
前記特徴量データ記憶部に記憶されている前記特徴量データを用いて、設定されたタームの単位で前記特徴量データの挙動を示す第１のデータを生成する第１の演算部と、
前記特徴量データ記憶部に記憶されている前記特徴量データのうち、前記第１の演算部で前記第１のデータを生成する際に使用された前記特徴量データより新しい１以上の直近の特徴量データを用いて、前記直近の特徴量データの挙動を示す第２のデータを生成する第２の演算部と、
１以上の前記第１のデータ、および前記第２のデータを１つのグラフに表示する表示部と、
を備えることを特徴とする機器分析装置。
前記第１の演算部は、
前記第１のデータとして、前記特徴量データ記憶部に記憶されている前記特徴量データを用いて、前記タームの単位で前記特徴量データを要約したバンド線情報を生成するバンド線情報要約部と、
前記バンド線情報を記憶するバンド線情報記憶部と、
前記バンド線情報記憶部から、指定された期間に含まれるタームについての前記バンド線情報を抽出するバンド線情報抽出部と、
を備え、
前記第２の演算部は、
前記第２のデータとして、前記第１の演算部で前記バンド線情報を生成する際に使用された前記特徴量データより新しい１以上の直近の特徴量データを用いて、前記直近の特徴量データを要約した現在バンド線情報を生成する現在バンド線情報要約部、
を備え、
前記表示部は、前記バンド線情報抽出部で抽出された１以上の前記バンド線情報、および前記現在バンド線情報要約部で生成された前記現在バンド線情報を１つのグラフに表示する、
ことを特徴とする請求項１に記載の機器分析装置。
前記バンド線情報要約部は、前記タームの単位で生成するバンド線情報に含まれる前記特徴量データの数から得られる分位数に基づいて、複数の表示パターンを含む前記バンド線情報を生成する、
ことを特徴とする請求項２に記載の機器分析装置。
前記第１の演算部は、
前記特徴量データ記憶部に記憶されている前記特徴量データのうち、規定された期間の前記特徴量データを前記機器が正常時のときの前記特徴量データとして前記機器の正常時の状態を表す正常時モデルを学習する正常時モデル学習部と、
前記正常時モデル学習部で学習された学習済正常時モデルを記憶する学習済正常時モデル記憶部と、
前記学習済正常時モデル記憶部に記憶された前記学習済正常時モデルを用いて、前記特徴量データ記憶部に記憶されている前記特徴量データに対して、前記機器の正常時の状態からの乖離度を示す外れ値スコアを算出する外れ値スコア算出部と、
前記外れ値スコアを記憶する外れ値スコア記憶部と、
前記外れ値スコア記憶部に記憶されている前記外れ値スコアを、指定された期間に含まれるタームの単位で集計し、外れ値スコア集計値を生成する外れ値スコア集計部と、
前記外れ値スコア集計値を記憶する外れ値スコア集計値記憶部と、
前記外れ値スコア集計値記憶部から、指定された期間に含まれるタームについての前記外れ値スコア集計値を抽出する外れ値スコア集計値抽出部と、
を備え、
前記第２の演算部は、
前記第２のデータとして、前記第１の演算部で前記外れ値スコア集計値を生成する際に使用された前記特徴量データより新しい１以上の直近の特徴量データを用いて、前記直近の特徴量データの挙動を示す現在外れ値スコア集計値を生成する現在外れ値スコア集計部、
を備え、
前記表示部は、前記外れ値スコア集計値抽出部で抽出された１以上の前記外れ値スコア集計値、および前記現在外れ値スコア集計部で生成された現在外れ値スコア集計値を１つのグラフに表示する、
ことを特徴とする請求項１から３のいずれか１つに記載の機器分析装置。
前記第１の演算部は、前記鉄道車両に搭載される同一の前記機器について前記第１のデータを生成し、
前記第２の演算部は、前記鉄道車両に搭載される同一の前記機器について前記第２のデータを生成する、
ことを特徴とする請求項１から４のいずれか１つに記載の機器分析装置。
前記第１の演算部は、同一の前記鉄道車両に搭載される同種の複数の前記機器について前記第１のデータを生成し、
前記第２の演算部は、同一の前記鉄道車両に搭載される同種の複数の前記機器について前記第２のデータを生成する、
ことを特徴とする請求項１から４のいずれか１つに記載の機器分析装置。
前記第１の演算部は、異なる前記鉄道車両に搭載される同種の複数の前記機器について前記第１のデータを生成し、
前記第２の演算部は、異なる前記鉄道車両に搭載される同種の複数の前記機器について前記第２のデータを生成する、
ことを特徴とする請求項１から４のいずれか１つに記載の機器分析装置。
ユーザからの操作を受け付けて前記タームを設定する設定部、
を備えることを特徴とする請求項１から７のいずれか１つに記載の機器分析装置。
特徴量データ生成部が、稼働データ記憶部に記憶されている鉄道車両に搭載された機器の稼働状態を示す稼働データを用いて、前記機器の特徴量データを生成し、特徴量データ記憶部に記憶させる第１のステップと、
第１の演算部が、前記特徴量データ記憶部に記憶されている前記特徴量データを用いて、設定されたタームの単位で前記特徴量データの挙動を示す第１のデータを生成する第２のステップと、
第２の演算部が、前記特徴量データ記憶部に記憶されている前記特徴量データのうち、前記第１の演算部で前記第１のデータを生成する際に使用された前記特徴量データより新しい１以上の直近の特徴量データを用いて、前記直近の特徴量データの挙動を示す第２のデータを生成する第３のステップと、
表示部が、１以上の前記第１のデータ、および前記第２のデータを１つのグラフに表示する第４のステップと、
を含むことを特徴とする機器分析方法。
第１の演算部は、バンド線情報要約部、バンド線情報記憶部、およびバンド線情報抽出部を備え、
前記第２のステップは、
前記バンド線情報要約部が、前記第１のデータとして、前記特徴量データ記憶部に記憶されている前記特徴量データを用いて、前記タームの単位で前記特徴量データを要約したバンド線情報を生成し、前記バンド線情報記憶部に記憶させるバンド線情報生成ステップと、
前記バンド線情報抽出部が、前記バンド線情報記憶部から、指定された期間に含まれるタームについての前記バンド線情報を抽出する過去ターム別バンド線情報抽出ステップと、
を含み、
前記第２の演算部は、現在バンド線情報要約部を備え、
前記第３のステップは、
前記現在バンド線情報要約部が、前記第２のデータとして、前記第１の演算部で前記バンド線情報を生成する際に使用された前記特徴量データより新しい１以上の直近の特徴量データを用いて、前記直近の特徴量データを要約した現在バンド線情報を生成する現在バンド線情報要約ステップ、
を含み、
前記第４のステップにおいて、前記表示部は、前記バンド線情報抽出部で抽出された１以上の前記バンド線情報、および前記現在バンド線情報要約部で生成された前記現在バンド線情報を１つのグラフに表示する、
ことを特徴とする請求項９に記載の機器分析方法。
前記バンド線情報生成ステップにおいて、前記バンド線情報要約部は、前記タームの単位で生成するバンド線情報に含まれる前記特徴量データの数から得られる分位数に基づいて、複数の表示パターンを含む前記バンド線情報を生成する、
ことを特徴とする請求項１０に記載の機器分析方法。
前記第１の演算部は、正常時モデル学習部、学習済正常時モデル記憶部、外れ値スコア算出部、外れ値スコア記憶部、外れ値スコア集計部、外れ値スコア集計値記憶部、および外れ値スコア集計値抽出部を備え、
前記第２のステップは、
前記正常時モデル学習部が、前記特徴量データ記憶部に記憶されている前記特徴量データのうち、規定された期間の前記特徴量データを前記機器が正常時のときの前記特徴量データとして前記機器の正常時の状態を表す正常時モデルを学習し、学習済正常時モデルを前記学習済正常時モデル記憶部に記憶させる正常時モデル学習ステップと、
前記外れ値スコア算出部が、前記学習済正常時モデル記憶部に記憶された前記学習済正常時モデルを用いて、前記特徴量データ記憶部に記憶されている前記特徴量データに対して、前記機器の正常時の状態からの乖離度を示す外れ値スコアを算出し、前記外れ値スコア記憶部に記憶させる外れ値スコア算出ステップと、
前記外れ値スコア集計部が、前記外れ値スコア記憶部に記憶されている前記外れ値スコアを、指定された期間に含まれるタームの単位で集計し、外れ値スコア集計値を生成し、前記外れ値スコア集計値記憶部に記憶させる外れ値スコア集計ステップと、
前記外れ値スコア集計値抽出部が、前記外れ値スコア集計値記憶部から、指定された期間に含まれるタームについての前記外れ値スコア集計値を抽出する過去ターム別外れ値スコア集計値抽出ステップと、
を含み、
前記第２の演算部は、現在外れ値スコア集計部を備え、
前記第３のステップは、
前記現在外れ値スコア集計部が、前記第２のデータとして、前記第１の演算部で前記外れ値スコア集計値を生成する際に使用された前記特徴量データより新しい１以上の直近の特徴量データを用いて、前記直近の特徴量データの挙動を示す現在外れ値スコア集計値を生成する現在外れ値スコア集計ステップ、
を含み、
前記第４のステップにおいて、前記表示部は、前記外れ値スコア集計値抽出部で抽出された１以上の前記外れ値スコア集計値、および前記現在外れ値スコア集計部で生成された現在外れ値スコア集計値を１つのグラフに表示する、
ことを特徴とする請求項９から１１のいずれか１つに記載の機器分析方法。
前記第２のステップにおいて、前記第１の演算部は、前記鉄道車両に搭載される同一の前記機器について前記第１のデータを生成し、
前記第３のステップにおいて、前記第２の演算部は、前記鉄道車両に搭載される同一の前記機器について前記第２のデータを生成する、
ことを特徴とする請求項９から１２のいずれか１つに記載の機器分析方法。
前記第２のステップにおいて、前記第１の演算部は、同一の前記鉄道車両に搭載される同種の複数の前記機器について前記第１のデータを生成し、
前記第３のステップにおいて、前記第２の演算部は、同一の前記鉄道車両に搭載される同種の複数の前記機器について前記第２のデータを生成する、
ことを特徴とする請求項９から１２のいずれか１つに記載の機器分析方法。
前記第２のステップにおいて、前記第１の演算部は、異なる前記鉄道車両に搭載される同種の複数の前記機器について前記第１のデータを生成し、
前記第３のステップにおいて、前記第２の演算部は、異なる前記鉄道車両に搭載される同種の複数の前記機器について前記第２のデータを生成する、
ことを特徴とする請求項９から１２のいずれか１つに記載の機器分析方法。
設定部が、ユーザからの操作を受け付けて前記タームを設定する第５のステップ、
を含むことを特徴とする請求項９から１５のいずれか１つに記載の機器分析方法。
請求項９から１６のいずれか１つに記載の機器分析方法をコンピュータに実行させることを特徴とする機器分析プログラム。