JP7241846B1 - 鉱山管理システム - Google Patents

Abstract

【課題】複数の要因が関係して生産性が計画外になったことを様々な鉱山において正確に検知することが可能な鉱山管理システムを提供することを目的とする。【解決手段】鉱山管理システム１は、鉱山機械１０１～１０３の稼働データを蓄積し、処理するサーバ装置２００と、生産性が計画外になる鉱山機械１０１～１０３の稼働状況が発生したか否かを判定する判定装置２５０と、を備える。サーバ装置２００は、蓄積された稼働データから作業サイクル毎の稼働データであるサイクルデータを抽出する抽出部２１１と、サイクルデータにおいて、生産性が計画外になる稼働状況の発生要因を表す複数の計画外要因指標を算出する指標算出部２１２と、生産性が計画内になるサイクルデータを特定する複数の計画外要因指標の関係を判定装置２５０に学習させる学習部２１４と、を有する。【選択図】図３

Description

本発明は、鉱山の生産性を管理する鉱山管理システムに関する。

油圧ショベル又はダンプトラック等の鉱山機械の稼働データを収集及び分析するシステムが知られている。特許文献１には、鉱山機械の稼働状況に基づいて様々な管理指標を算出するシステムが開示されている。特許文献１のシステムは、鉱山の経路上の特定区間において、単位時間当たりの燃料消費量又は積荷運搬量といった鉱山機械の生産性に関わる指標を算出する。特許文献２には、特定経路における時間情報と位置情報とに基づいてダンプトラックの割り当てを行うシステムが開示されている。特許文献２のシステムは、特定経路上で発生した待ち時間と位置情報とに基づいてダンプトラックの割り当て指令を出力する。

国際公開第２０１５／０２９２２９号 特許第５８０９７１０号公報

しかし、特許文献１のシステムでは、特定の経路に対して単位時間当たりの燃料消費量の増加や積荷運搬量の低下を検知するが、経路長や坂道が燃料消費量に与える影響等について十分に検討されていない。また、特許文献２のシステムでは、経路上で発生した待ち時間と位置情報とに基づいて生産性を改善させるためにダンプトラックの割り当てを行うが、経路が限定されており、未知の経路への対応や、他の生産性が計画外になる（予定もしくは想定していた生産性よりも低下する状態）要因（例えば、路面の状況や、ショベル又はダンプトラックのオペレータの操作の状況等）については十分に検討されていない。特許文献１及び特許文献２のシステムでは、複数経路や未知の経路を有する鉱山に対して適用することが困難である。更に、特許文献１及び特許文献２のシステムでは、複数の要因が関係して生産性が計画外になったことを正確に検知することが困難であり、生産性を計画内に改善させるための情報を各関係者に適切に提示することが困難である。

本発明は、上記に鑑みてなされたものであり、複数の要因が関係して生産性が計画外になったことを様々な鉱山において正確に検知することが可能な鉱山管理システムを提供することを目的とする。

上記課題を解決するために、本発明の鉱山管理システムは、鉱山の生産性を管理する鉱山管理システムであって、鉱山機械から収集された前記鉱山機械の稼働データを蓄積し、処理するサーバ装置と、前記稼働データに基づいて、前記生産性が計画外になる前記鉱山機械の稼働状況が発生したか否かを判定する判定処理を行う判定装置と、を備え、前記サーバ装置は、蓄積された前記稼働データから、前記鉱山機械の作業サイクル毎の前記稼働データであるサイクルデータを抽出する抽出部と、前記サイクルデータにおいて、前記生産性が計画外になる前記稼働状況の発生要因を表す複数の指標を算出する算出部と、算出された前記複数の指標を用いて、前記生産性が計画内になる前記サイクルデータを特定する前記複数の指標の関係を前記判定装置に学習させる機械学習を行う学習部と、を有し、前記判定装置は、前記学習部によって学習された前記複数の指標の関係に基づいて前記判定処理を行うことを特徴とする。

本発明によれば、複数の要因が関係して生産性が計画外になったことを様々な鉱山において正確に検知することが可能な鉱山管理システムを提供することができる。
上記以外の課題、構成および効果は、以下の実施形態の説明により明らかにされる。

実施形態１の鉱山管理システムの構成を模式的に示す図。 ダンプトラックの作業サイクル及び計画外要因指標を説明する図。 図１に示す処理装置の機械学習機能を示すブロック図。 図３に示す学習部によるクラスタ分類結果の一例を示す図。 図４に示すＩＤ＝０及びＩＤ＝２の各クラスタにおけるクラスタ中心の一例を示す図。 図３に示す処理装置が機械学習時に行う処理のフローチャート。 図１に示す判定装置の機能を示すブロック図。 図７に示す判定装置が行う判定処理のフローチャート。 図１に示す処理装置の可視化機能を示すブロック図。 所定期間のスコアをダンプトラック毎に集計した結果を示す図。 図１０と同じ期間のスコアを日付け毎に集計した結果を示す図。 計画外の稼働状況の発生要因の出現頻度を集計した結果を示す図。 図１２に示す発生要因の出現数を日付け毎に集計した結果を示す図。 停車時間が計画外になった稼働データのチャート。 積み込み待ち時間が計画外になった稼働データのチャート。 排土待ち時間が計画外になった稼働データのチャート。 積み込み時間が計画外になった稼働データのチャート。 スポッティング時間が計画外になった稼働データのチャート。 積載量が計画外になった稼働データのチャート。 排土待ち時間が計画外になった稼働データの他の表示例を示す図。 計画外の稼働状況の発生頻度をダンプトラック毎に集計した結果を示す図。 図２１に示す計画外の稼働状況の発生頻度を日付け毎に集計した結果を示す図。 図２１に示す計画外の稼働状況の発生頻度を経路毎に集計した結果を示す図。 実施形態２の鉱山管理システムにおいて適用される油圧ショベルの作業サイクル及び計画外要因指標を説明する図。

以下、本発明の実施形態について図面を用いて説明する。なお、各実施形態において同一の符号を付された構成については、特に言及しない限り、各実施形態において同様の機能を有し、その説明を省略する。

［実施形態１］
図１～図２３を用いて、実施形態１の鉱山管理システム１について説明する。
図１は、実施形態１の鉱山管理システム１の構成を模式的に示す図である。

鉱山管理システム１は、鉱山１００の全体の生産性（例えば単位時間当たりの積荷運搬量）を一括管理するシステムである。鉱山管理システム１は、複数の鉱山機械１０１～１０３と、サーバ装置２００と、判定装置２５０と、端末装置３００とを備える。

鉱山機械１０１～１０３は、鉱山１００において採掘作業を行う作業機械である。鉱山機械１０１～１０３は、例えば、掘削した土砂等をダンプトラック１０１に積み込む油圧ショベル１０２と、積荷を輸送するダンプトラック１０１と、路面を整地するブルドーザ１０３とを含むことができる。鉱山管理システム１の鉱山機械は、これらに限定されない。

サーバ装置２００は、鉱山機械１０１～１０３を管理する。サーバ装置２００は、鉱山機械１０１～１０３から収集された鉱山機械１０１～１０３の稼働データを蓄積し、処理する。
サーバ装置２００は、記録装置２０１と、処理装置２０２とを備える。

記録装置２０１は、鉱山機械１０１～１０３から収集された稼働データ及び位置データを記録するデータべースによって構成される。稼働データは、複数の鉱山機械１０１～１０３のそれぞれから所定期間に亘って収集されて、記録装置２０１に蓄積される。処理装置２０２は、プロセッサ及びメモリを備えて構成される。処理装置２０２は、プロセッサがメモリに記憶されたプログラムを実行することによって、処理装置２０２の機能を実現する。

ここで、鉱山機械１０１～１０３の稼働データは、サーバ装置２００に逐次送信されることが望ましいが、通信環境及び通信コストを考えると、必ずしも逐次送信されるとは限らない。本実施形態のサーバ装置２００は、ある程度まとまった量の稼働データを蓄積した後に、処理を開始するものとする。ある程度まとまった量は、例えば、ダンプトラック１０１の過去最長の作業サイクルにおいて要した時間や、過去最長の作業サイクルにおいて送信された稼働データのデータ量によって決定され得る。

判定装置２５０は、サーバ装置２００の記録装置２０１に蓄積された稼働データに基づいて、鉱山１００の生産性が計画外になるような鉱山機械１０１～１０３の稼働状況が発生したか否かを判定する判定処理を行う。生産性が計画外になるとは、予め計画していた生産性よりも生産性が低下する状態を示す。生産性が計画内とは、予め計画していた生産性が得られた状態を示す。判定装置２５０は、判定結果をサーバ装置２００の処理装置２０２に送信する。判定装置２５０は、プロセッサ及びメモリを備えて構成される。判定装置２５０は、プロセッサがメモリに記憶されたプログラムを実行することによって、判定装置２５０の機能を実現する。

判定装置２５０は、サーバ装置２００の処理装置２０２の一部として構成されてもよいし、鉱山機械１０１～１０３の制御装置の一部として構成されてもよいし、端末装置３００の一部として構成されてもよい。判定装置２５０は、鉱山機械１０１～１０３の制御装置の一部として構成される場合、判定結果を通信遅延なく鉱山機械１０１～１０３のオペレータに通知することができる。また、この場合、判定装置２５０は、判定結果をリアルタイムに処理装置２０２に送信し、判定結果を遅滞なく端末装置３００に表示させることができる。

端末装置３００は、サーバ装置２００の処理結果や判定装置２５０の判定結果等の情報を、ディスプレイ３０１に表示する。端末装置３００は、サーバ装置２００と通信するスマートフォン、タブレットＰＣ又はノートＰＣ等により構成される。端末装置３００は、表示する情報をダッシュボード形式でディスプレイ３０１に表示することができる。端末装置３００は、表示する情報をレポート形式やメール形式でディスプレイ３０１に表示してもよい。

端末装置３００は、鉱山管理システム１のユーザによって使用される。鉱山管理システム１のユーザには、例えば、鉱山１００の採掘・保守計画に応じて鉱山機械１０１～１０３の運行計画を作成する運行計画者５０１、鉱山機械１０１～１０３のオペレータ、オペレータの指導者５０２、鉱山１００の経路等の路面を保守点検する路面保守員５０３、鉱山機械１０１～１０３又は各種機器を保守点検する機器保守員５０４、及び、鉱山１００の採掘・保守計画を作成する採掘責任者５０５等が含まれる。端末装置３００は、これらの各ユーザに所持されていてもよい。

端末装置３００のユーザは、端末装置３００に表示された情報に基づいて、鉱山１００の生産性が計画外になったことを適切に把握し、生産性を計画内に改善させる対策を適切に講じることによって、鉱山１００の生産性を改善させることができる。例えば、鉱山１００の運行計画者５０１は、端末装置３００に表示された情報を用いて、鉱山機械１０１～１０３の運行計画を修正することができる。オペレータの指導者５０２は、端末装置３００に表示された情報を用いて、操作を改善するべきオペレータを発見し、操作の指導を行うことができる。路面保守員５０３は、端末装置３００に表示された情報を用いて、生産性が計画外になる要因となった路面を早期に特定し、修理することができる。機器保守員５０４は、端末装置３００に表示された情報を用いて、生産性が計画外になる要因となった機器の故障を早期に特定し、修理や事前の交換部品発注をすることができる。採掘責任者５０５は、端末装置３００に表示された情報と、インターネット４００を介して取得した天候情報（履歴、現在及び予測の情報を含む）や鉱物価格情報（履歴、現在及び予測の情報を含む）とを組み合わせて、採掘・保守計画を再検討することができる。採掘責任者５０５は、採掘・保守計画を修正したり、運行計画者５０１、指導者５０２、路面保守員５０３又は機器保守員５０４に対して改善指示を出したりすることができる。

以下では、鉱山機械１０１～１０３の１つであるダンプトラック１０１の稼働データから、鉱山１００の生産性が計画外になったことを検知する鉱山管理システム１を例に挙げて説明する。

図２は、ダンプトラック１０１の作業サイクル及び計画外要因指標を説明する図である。

鉱山１００は、油圧ショベル１０２が掘削した土砂等を積荷としてダンプトラック１０１に積み込む積み込みエリアと、ダンプトラック１０１が積荷の土砂等を排土する排土エリアと、積み込みエリアと排土エリアとを繋ぐ複数の経路とを有する。ダンプトラック１０１は、１回の作業サイクルにおいて、排土エリアにおいて排土を行い、排土エリアから経路を通って積み込みエリアに移動し、積み込みエリアにおいて積み込み後に経路を通って排土エリアに移動する一連の動作を行う。

ダンプトラック１０１の１回の作業サイクルの中で、鉱山１００の生産性に影響を与える事項としては、ダンプトラック１０１の積載量（payload）、排土エリアでのダンプトラック１０１の待ち時間である排土待ち時間（queuing time (queuing dump)）、積み込みエリアでのダンプトラック１０１の待ち時間である積み込み待ち時間（queuing time (queuing load)）、経路上でのダンプトラック１０１の停車時間（waiting time）、油圧ショベル１０２のダンプトラック１０１への積荷の積み込み時間（loading time）、積み込みエリアにおいてダンプトラック１０１が積み込み可能な状態に移行するのに要する時間であるスポッティング時間（change over time ;COT）、及び、ダンプトラック１０１の平均車速（average speed）が挙げられる。これらの事項は、鉱山１００の生産性が計画外になるようなダンプトラック１０１の稼働状況が発生する要因となり得る。本実施形態では、図２の表に示すように、これらの事項を、生産性が計画外になるようなダンプトラック１０１の稼働状況の発生要因を表す指標（以下、「計画外要因指標」とも称する）として定義する。

図２の表に示すように、ダンプトラック１０１の計画外要因指標には、各指標を識別するＩＤと、各指標の変動に影響を与える主体（すなわち各指標の変動の原因）の情報とが予め紐付けられている。判定装置２５０は、計画外要因指標を用いてダンプトラック１０１の稼働データを評価し、生産性が計画外になるようなダンプトラック１０１の稼働状況の発生要因を特定する。処理装置２０２は、判定装置２５０によって特定された当該発生要因を表す計画外要因指標に紐付けられた当該主体の関係者を、生産性を計画内に改善させる対策の担当者に割り当てることができる。処理装置２０２は、対策担当者に対する改善指示等のメッセージを、対策担当者の端末装置３００に送信する。端末装置３００は、メッセージをディスプレイ３０１に表示し、当該担当者に通知することができる。

なお、鉱山管理システム１は、ダンプトラック１０１の計画外指標として、図２の表に示す指標の少なくとも２つを採用すればよい。本実施形態では、鉱山管理システム１が図２の表に示す全ての指標を採用するものとして説明する。

図３は、図１に示す処理装置２０２の機械学習機能を示すブロック図である。

判定装置２５０の一部の機能は、機械学習によって構築されたモデルとして実現される。鉱山管理システム１では、サーバ装置２００の処理装置２０２が、判定装置２５０の一部の機能を実現するモデルを機械学習によって構築する。
処理装置２０２は、抽出部２１１と、指標算出部２１２と、前処理部２１３と、学習部２１４とを有する。

抽出部２１１は、記録装置２０１に蓄積された稼働データ（以下「蓄積データ」とも称する）から、ダンプトラック１０１の作業サイクル毎の稼働データであるサイクルデータを抽出する。具体的には、抽出部２１１は、ダンプトラック１０１の積載量の推移によって作業サイクルを特定し、サイクルデータを抽出する。サイクルデータには、１回の作業サイクル中に複数経路を走行したダンプトラック１０１の稼働データが含まれる。抽出部２１１は、抽出されたサイクルデータに識別情報であるサイクルＩＤを付与する。抽出部２１１は、ダンプトラック１０１の識別情報である車両ＩＤと、サイクル開始時刻及び終了時刻とに、サイクルデータを紐付けて記録装置２０１に登録する。なお、抽出部２１１は、記録装置２０１に蓄積された全ての稼働データからサイクルデータを抽出する必要はなく、予め設定された抽出期間に収集又は記録された稼働データからサイクルデータを抽出することができる。

指標算出部２１２は、抽出されたサイクルデータにおいて計画外要因指標を算出する。具体的には、指標算出部２１２は、ダンプトラック１０１のサスペンション圧に基づいて積載量を算出することができる。指標算出部２１２は、ダンプトラック１０１のＧＰＳセンサにより取得された位置データから、ダンプトラック１０１が積み込みエリア、排土エリア又は経路上に位置するかを検知することができる。指標算出部２１２は、ダンプトラック１０１の車速又はエンジン回転数が所定値よりも小さくなったことに基づいて、待ち時間を算出することができる。指標算出部２１２は、この待ち時間と位置データとに基づいて、排土待ち時間、積み込み待ち時間及び停車時間を算出することができる。指標算出部２１２は、積載量が増加し始めてから積載量の増加が終わるまでの時間を算出することによって、積み込み時間を算出することができる。指標算出部２１２は、ダンプトラック１０１が積み込みエリアに進入してから積み込みが開始するまでの時間を算出することによって、スポッティング時間を算出することができる。指標算出部２１２は、ダンプトラック１０１が停車した状態を除いた走行時間と走行距離とから平均車速を算出することができる。

このように、指標算出部２１２は、ダンプトラック１０１の作業エリアや作業工程中における特徴的な動作又は状態であって、鉱山１００の生産性に影響を与え易い動作又は状態を表す指標を、ダンプトラック１０１の計画外要因指標として算出する。これにより、鉱山管理システム１は、生産性が計画外になるようなダンプトラック１０１の稼働状況が、どの作業エリアやどの作業工程中の動作又は状態に起因して発生しているのかを正確に検知することができる。鉱山管理システム１は、生産性を計画内に改善させる対策を適切に講じることができるので、鉱山１００の生産性を改善させることができる。

前処理部２１３は、機械学習から除外する作業サイクルの条件又は機械学習から除外する計画外要因指標の条件（学習条件）に基づいて、抽出部２１１により抽出されたサイクルデータから、学習用データとして相応しくないサイクルデータを除外する。機械学習から除外する作業サイクルの条件は、例えば、経路上の走行距離が極端に短い作業サイクルであったり、前回の排土位置と今回の排土位置が大きく異なる作業サイクルであったりすることが挙げられる。これにより、学習部２１４は、頻度の低い経路走行や路面整地のための土砂運搬などの、生産性にあまり影響を与えない作業サイクルのサイクルデータを除外して機械学習を行うことができる。

なお、生産性が計画内にある実際の稼働データからサイクルデータを抽出した場合、当該サイクルデータの大部分は、学習用データとして相応しいと考えてよい。しかし、判定装置２５０の判定確度を向上させるためには、前処理部２１３は、機械学習から除外する計画外要因指標の条件として、計画外要因指標の上下限値を設定し、上下限値の範囲外の計画外要因指標を除外することができる。これにより、学習部２１４は、生産性が計画内になるサイクルデータを特定する上下限値の範囲内にある計画外要因指標だけで機械学習を行うことができる。したがって、鉱山管理システム１は、判定装置２５０の判定確度を向上させることができる。

学習部２１４は、生産性が計画内になるサイクルデータを特定する複数の計画外要因指標の関係を判定装置２５０に学習させる機械学習を行う。本実施形態の学習部２１４は、生産性が計画内になる複数のサイクルデータをクラスタリングすることによって当該機械学習を行う。これにより、本実施形態の学習部２１４は、生産性が計画内になるサイクルデータを特定する複数の計画外要因指標の関係が学習された分類モデルを構築することができる。本実施形態の学習部２１４は、クラスタリング手法の１つであるｋ－ｍｅａｎｓを用いるが、他のクラスタリング手法を用いてもよい。

図４は、図３に示す学習部２１４によるクラスタ分類結果の一例を示す図である。図４の縦軸はサイクルデータ数を示し、図４の横軸はクラスタの識別情報であるクラスタＩＤを示す。図５は、図４に示すＩＤ＝０及びＩＤ＝２の各クラスタにおけるクラスタ中心の一例を示す図である。図５に示す破線は、ＩＤ＝０のクラスタに属するサイクルデータにおける複数の計画外要因指標（ＩＤ＝０～６）の関係を示す。図５に示す破線と縦軸との交点は、ＩＤ＝０のクラスタにおけるクラスタ中心を示す。図５に示す実線は、ＩＤ＝２のクラスタに属するサイクルデータにおける複数の計画外要因指標（ＩＤ＝０～６）の関係を示す。図５に示す実線と縦軸との交点は、ＩＤ＝２のクラスタにおけるクラスタ中心を示す。

ｋ－ｍｅａｎｓは、教師なし学習であり、各サイクルデータにおける複数の計画外要因指標を特徴量として、各サイクルデータを、事前に指定されたクラスタ数の個数分だけ自動分類する。図４の例では、８つのクラスタ数を指定している。図４に示すように、大部分のサイクルデータは、ＩＤ＝０のクラスタと、ＩＤ＝２のクラスタとに分類されていることが分かる。ｋ－ｍｅａｎｓでは、生産性が計画内になるサイクルデータを特定する複数の計画外要因指標の関係が、図５に示すような各クラスタ中心として学習される。ｋ－ｍｅａｎｓでは、サイクルデータの各クラスタ中心（本例では８つ）との距離（例えばユークリッド距離やマハラノビス距離）を算出し、算出された距離が最小であったクラスタにサイクルデータを分類する。また、判定装置２５０では、対象のサイクルデータと、当該サイクルデータが分類されたクラスタのクラスタ中心との距離に応じて算出されるスコアによって、対象のサイクルデータが、生産性が計画内になるサイクルデータに対してどの程度逸脱するかを評価する。更に、判定装置２５０は、スコアに対する複数の計画外要因指標の寄与度が最も大きい計画外要因指標を、生産性が計画外になる稼働状況の発生要因として特定する。これにより、処理装置２０２は、特定された発生要因を表す計画外要因指標に紐付けられた主体の関係者を、生産性を計画内に改善させる対策の担当者に割り当てることができる。処理装置２０２は、対策担当者に対する改善指示等のメッセージを端末装置３００に送信し、ディスプレイ３０１に表示させることができる。鉱山管理システム１は、鉱山１００の生産性を改善させることができる。

すなわち、鉱山管理システム１は、計画外要因指標を単体で扱うのではなく、複数の計画外要因指標の関係を機械学習することによって、複数の要因が関係して生産性が計画外になったことを正確に検知することができる。しかも、鉱山管理システム１は、スコアという統一的な評価値を用いてサイクルデータを定量的に評価することによって、生産性が計画外になる稼働状況が発生したか否かを判定するので、複数経路や未知の経路を有する様々な鉱山において、生産性が計画外になったことを正確に検知することができる。

図５に示すＩＤ＝０及びＩＤ＝２の各クラスタにおけるクラスタ中心は、生産性が計画内になるサイクルデータの代表的な計画外要因指標の関係を表している。図５の破線で示すように、ＩＤ＝０のクラスタに属するサイクルデータは、平均車速が遅い傾向がある。排土エリアと積み込みエリアとを繋ぐ経路が比較的短い場合には、ダンプトラック１０１をトップスピードで走行する機会があまりないので、平均車速が遅い傾向が現れ易い。また、経路が比較的短い場合には、積載量が少なく、積み込み待ち時間やスポッティング時間等が長くなる傾向が現れやすい。図５の実線で示すように、ＩＤ＝２のクラスタに属するサイクルデータは、平均車速が速い傾向がある。排土エリアと積み込みエリアとを繋ぐ経路が比較的長い場合には、ダンプトラック１０１をトップスピードで走行する機会が多くなるので、平均車速が速い傾向が現れ易い。また、経路が比較的長い場合には、積載量が多く、積み込み待ち時間やスポッティング時間等が短くなる傾向が現れやすい。すなわち、比較的短い場合は、ＩＤ＝０のクラスタに属するサイクルデータのような傾向が現れ易く、比較的長い場合は、ＩＤ＝２のクラスタに属するサイクルデータのような傾向が現れ易い。

このように、学習部２１４は、生産性が計画内になる複数のサイクルデータをクラスタリングすることによって、生産性が計画内になるサイクルデータを特定する複数の計画外要因指標の関係が学習された分類モデルを構築することができる。判定装置２５０は、当該分類モデルを用いて、クラスタ中心からの距離に応じて表されるスコアを算出し、生産性が計画内になるサイクルデータに対してどの程度逸脱するかを評価することができる。特に、学習部２１４が、複数経路を走行したダンプトラック１０１のサイクルデータにおける計画外要因指標の関係が学習された分類モデルを構築することによって、鉱山管理システム１は、様々な鉱山において生産性が計画外になったことを正確に検知することができる。

図６は、図３に示す処理装置２０２が機械学習時に行う処理のフローチャートである。

ステップＳ６０１において、処理装置２０２は、記録装置２０１に蓄積された蓄積データからサイクルデータを抽出する。

ステップＳ６０２において、処理装置２０２は、抽出されたサイクルデータの計画外要因指標を算出する。

ステップＳ６０３において、処理装置２０２は、蓄積データに未抽出のサイクルデータが残っているか否かを判定する。処理装置２０２は、未抽出のサイクルデータが残っている場合、ステップＳ６０１に移行する。処理装置２０２は、未抽出のサイクルデータが残っていない場合、ステップＳ６０４に移行する。

ステップＳ６０４において、処理装置２０２は、抽出されたサイクルデータから学習用データとして相応しくないサイクルデータを除外する前処理を行う。

ステップＳ６０５において、処理装置２０２は、前処理が行われた複数のサイクルデータをクラスタリングし、生産性が計画内になるサイクルデータを特定する複数の計画外要因指標の関係を判定装置２５０に学習させる。すなわち、処理装置２０２は、上記のような複数の計画外要因指標の関係が学習されたサイクルデータの分類モデルを構築する。

ステップＳ６０６において、処理装置２０２は、クラスタ中心やスコアを算出し、学習用データとして相応しくないサイクルデータを学習していないかを判定する。処理装置２０２は、クラスタ毎に算出したスコアが予め設定された値よりも小さいか否かを判定することによって、ステップＳ６０６の判定を行う。或いは、処理装置２０２は、図５に示すようなクラスタ中心の関係を示すグラフを端末装置３００に表示し、ステップＳ６０６の判定をユーザに行わせてもよい。処理装置２０２は、ステップＳ６０６の判定として学習用データとして相応しくないサイクルデータを学習している場合（ＮＯ）は、ステップＳ６０４に移行する。また、処理装置２０２は、ステップＳ６０６の判定として学習用データとして相応しくないサイクルデータを学習してない場合、言い換えれば学習用データとして相応しいサイクルデータを学習している場合（ＹＥＳ）は、図６に示す本処理を終了する。

図７は、図１に示す判定装置２５０の機能を示すブロック図である。

判定装置２５０は、上記のように、予め学習された、生産性が計画内になるサイクルデータを特定する複数の計画外要因指標の関係に基づき、記録装置２０１に蓄積された蓄積データから抽出されたサイクルデータが、生産性が計画内になるサイクルデータに対してどの程度逸脱するかを評価する。これにより、判定装置２５０は、生産性が計画外になるダンプトラック１０１の稼働状況が発生したか否かを判定する判定処理を行う。

判定装置２５０は、抽出部２５１と、指標算出部２５２と、スコア算出部２５３と、判定部２５４と、要因特定部２５５と、登録部２５６とを有する。

抽出部２５１は、処理装置２０２の抽出部２１１と同様に、記録装置２０１に蓄積された蓄積データからサイクルデータを抽出する。指標算出部２５２は、処理装置２０２の指標算出部２１２と同様に、抽出部２５１により抽出されたサイクルデータにおいて計画外要因指標を算出する。

スコア算出部２５３は、処理装置２０２の学習部２１４により構築された分類モデルを用いて、抽出部２５１により抽出されたサイクルデータと当該分類モデルの各クラスタ中心との距離を算出する。スコア算出部２５３は、当該距離が最も小さい値をスコアとして算出する。抽出されたサイクルデータのスコアが大きいほど、抽出されたサイクルデータが、生産性が計画内になるサイクルデータに対して大きく逸脱していることを表す。

判定部２５４は、スコア算出部２５３により算出されたスコアが、予め定められた閾値より大きいか否かを判定する。判定部２５４は、スコア算出部２５３により算出されたスコアが、予め定められた閾値より大きい場合、生産性が計画外になるようなダンプトラック１０１の稼働状況が発生したと判定する。判定部２５４は、スコア算出部２５３により算出されたスコアが、予め定められた閾値以下である場合、生産性が計画外になるようなダンプトラック１０１の稼働状況が発生していないと判定する。判定部２５４は、生産性が計画外になるようなダンプトラック１０１の稼働状況が発生したと判定した場合、その旨を示すフラグを生成する。

要因特定部２５５は、生産性が計画外になるようなダンプトラック１０１の稼働状況の発生要因を特定する。要因特定部２５５は、スコアに対する複数の計画外要因指標のそれぞれの寄与度を算出し、寄与度が最も大きい計画外要因指標を、計画外の稼働状況の発生要因として特定する。すなわち、要因特定部２５５は、スコアが算出される際に最も大きく影響を与えた計画外要因指標を特定することによって、計画外の稼働状況の主な発生要因を特定することができる。

登録部２５６は、サイクルデータのサイクルＩＤ、サイクル開始時刻及び終了時刻、計画外要因指標、スコア、フラグ並びに発生要因等の情報を、互いに紐付けて記録装置２０１に登録する。登録部２５６は、これらの情報に対して更に、ダンプトラック１０１の車両ＩＤ、及び、ダンプトラック１０１が走行する経路の識別情報である経路ＩＤを紐付けて記録装置２０１に登録することが好ましい。ダンプトラック１０１が走行する経路は、ダンプトラック１０１のＧＰＳセンサにより取得された位置データから検知したり、ダンプトラック１０１の運行指令を受信することによって検知したりすることができる。

図８は、図７に示す判定装置２５０が行う判定処理のフローチャートである。

ステップＳ８０１において、判定装置２５０は、記録装置２０１に蓄積された蓄積データからサイクルデータを抽出する。

ステップＳ８０２において、判定装置２５０は、抽出されたサイクルデータのサイクルＩＤと、サイクル開始時刻及び終了時刻とを紐付けて記録装置２０１に登録する。この際、判定装置２５０は、ダンプトラック１０１の車両ＩＤ、及び、ダンプトラック１０１が走行する経路の経路ＩＤについても、これらの情報に紐付けて登録することが好ましい。

ステップＳ８０３において、判定装置２５０は、抽出されたサイクルデータの計画外要因指標を算出する。

ステップＳ８０４において、判定装置２５０は、算出された計画外要因指標をサイクルＩＤに紐付けて記録装置２０１に登録する。

ステップＳ８０５において、判定装置２５０は、分類モデルを用いて、抽出されたサイクルデータのスコアを算出する。

ステップＳ８０６において、判定装置２５０は、算出されたスコアをサイクルＩＤに紐付けて記録装置２０１に登録する。

ステップＳ８０７において、判定装置２５０は、算出されたスコアが閾値より大きいか否かを判定する。判定装置２５０は、算出されたスコアが閾値以下である場合、図８に示す本処理を終了する。判定装置２５０は、算出されたスコアが閾値より大きい場合、計画外の稼働状況が発生したことを示すフラグを生成し、ステップＳ８０８に移行する。

ステップＳ８０８において、判定装置２５０は、算出されたスコアに対する複数の計画外要因指標のそれぞれの寄与度を算出する。判定装置２５０は、寄与度が最も大きい計画外要因指標を、計画外の稼働状況の発生要因として特定する。

ステップＳ８０９において、判定装置２５０は、計画外の稼働状況が発生したことを示すフラグと、計画外の稼働状況の発生要因とをサイクルＩＤに紐付けて記録装置２０１に登録する。その後、判定装置２５０は、図８に示す本処理を終了する。

図９は、図１に示す処理装置２０２の可視化機能を示すブロック図である。

処理装置２０２は、判定装置２５０によって記録装置２０１に登録された情報を用いて、生産性が計画外になるようなダンプトラック１０１の稼働状況に関する情報を集計し、可視化する。
処理装置２０２は、集計部２２１と、取得部２２２と、可視化部２２３とを有する。

集計部２２１は、判定装置２５０によって記録装置２０１に登録された情報を用いて、計画外の稼働状況の発生頻度、発生要因の出現頻度、又は、スコアを、期間毎、ダンプトラック１０１毎、又は、経路毎等の集計条件に基づいて集計する。例えば、集計部２２１は、記録装置２０１に記録されたサイクルＩＤに紐付けられたフラグ又は発生要因の数を所定期間に亘って集計し、計画外の稼働状況の発生頻度、又は、発生要因の出現頻度を集計することができる。集計部２２１は、記録装置２０１に記録されたサイクルＩＤに紐付けられたスコアを車両ＩＤ毎に集計することができる。

取得部２２２は、計画外の稼働状況の発生要因を詳細に分析するための分析用データとして、記録装置２０１に蓄積された蓄積データから、計画外の稼働状況が発生したダンプトラック１０１の稼働データを取得する。例えば、取得部２２２は、記録装置２０１に記録されたサイクルＩＤに紐付けられたフラグに基づいて、計画外の稼働状況が発生したダンプトラック１０１の稼働データ（１又は複数のサイクルデータ）を取得することができる。

可視化部２２３は、集計部２２１の集計結果、又は、取得部２２２により取得された分析用データを可視化する。例えば、可視化部２２３は、後述する図１０～図１３又は図２１～図２３に示すように、集計部２２１の集計結果を示すグラフを作成し、端末装置３００に送信する。また、可視化部２２３は、後述する図１４～図１９に示すように、分析用データとして取得された稼働データの推移を示すチャートを作成し、端末装置３００に送信する。可視化部２２３は、後述する図２０に示すように、分析用データとして取得された稼働データから特定された作業エリアのマップを作成し、端末装置３００に送信する。端末装置３００は、可視化部２２３により作成されたグラフ等をディスプレイ３０１に表示することができる。

なお、処理装置２０２は、集計部２２１の集計結果、又は、取得部２２２により取得された分析用データを可視化するだけでなく、当該集計結果又は当該分析用データを分析し、必要な情報を端末装置３００に送信することができる。例えば、処理装置２０２は、計画外の稼働状況の発生要因を表す計画外要因指標に紐付けられた主体の各関係者の端末装置３００に対して、当該発生要因に対応した改善指示等のメッセージを送信することができる。端末装置３００は、メッセージをディスプレイ３０１に表示し、各関係者に通知することができる。

また、可視化部２２３は、処理装置２０２に備えられるのではなく、端末装置３００に備えられていてもよい。すなわち、処理装置２０２は、集計部２２１の集計結果、又は、取得部２２２により取得された分析用データを端末装置３００に送信し、端末装置３００は、当該集計結果又は当該分析用データを可視化してもよい。

図１０は、所定期間のスコアをダンプトラック１０１毎に集計した結果を示す図である。図１１は、図１０と同じ期間のスコアを日付け毎に集計した結果を示す図である。

図１０を表示した端末装置３００のユーザは、生産性が計画外になる稼働状況が、ダンプトラック１０１の個体差に依存して発生しているか否かを判断することができる。図１０の例では、箱ひげ図の中央値及び四分位範囲には、ダンプトラック１０１毎の差が無い。図１０の例では、計画外の稼働状況の発生が、ダンプトラック１０１の個体差に依存していないと判断することができる。仮に、計画外の稼働状況の発生がダンプトラック１０１の個体差に依存している場合、端末装置３００は、その旨のメッセージをディスプレイ３０１に表示し、機器保守員５０４に通知することができる。これにより、鉱山管理システム１は、生産性を改善させることができる。

図１１の例では、日によってスコアが変動しており、計画外の稼働状況の発生が、日付けと関係する事項（天候、路面、運行指令等）に依存している。この場合、端末装置３００は、図１３を用いて後述する発生要因を、ディスプレイ３０１に表示し、路面保守員５０３又は運行計画者５０１に通知することができる。路面保守員５０３又は運行計画者５０１は、発生要因を詳細に分析し、必要な対策を講じることができる。これにより、鉱山管理システム１は、生産性を改善させることができる。なお、処理装置２０２は、ダンプトラック１０１のオペレータの識別情報と、サイクルＩＤとを紐付けることで、オペレータ毎にスコアを集計することができる。端末装置３００は、スコアが高い特定のオペレータの指導者５０２にスコアが高い旨のメッセージを、ディスプレイ３０１に表示し、指導者５０２に通知することができる。指導者５０２は、スコアが高い特定のオペレータをスコアが低くなるよう指導することができる。これにより、鉱山管理システム１は、生産性を改善させることができる。

図１２は、計画外の稼働状況の発生要因の出現頻度を集計した結果を示す図である。図１３は、図１２に示す発生要因の出現数を日付け毎に集計した結果を示す図である。

図１２は、計画外の稼働状況の発生要因を、その出現頻度が大きい順に並べて表示している。図１２を表示した端末装置３００のユーザは、計画外の稼働状況の発生要因と、その出現頻度とを簡単に把握することができる。図１２において、出現頻度が高い発生要因は、経路上でのダンプトラック１０１の停車時間である。端末装置３００は、停車時間が計画外になった旨のメッセージを、ディスプレイ３０１に表示し、採掘責任者５０５に通知することができる。採掘責任者５０５は、運行計画者５０１に改善指示を出すことができる。或いは、処理装置２０２が、発生要因を表す計画外要因指標に紐付けられた主体の各関係者の端末装置３００に対して、当該発生要因に対応した改善指示等のメッセージを送信する場合、各関係者の端末装置３００は、当該メッセージをディスプレイ３０１に表示し、各関係者に通知することができる。通知の形式はメッセージに限られず、例えば、エリアチャートで表示することとしてもよい。この場合、鉱山機械１０１～１０３の一日の作業サイクルを時系列で示し、予め設定された作業エリア別に異なる色を用いて分類する。そして、計画外の稼働状況が発生した場合、その発生要因を表す計画外要因指標と関連付けて、エリアチャートを表示することもできる。これにより、鉱山管理システム１は、生産性を改善させることができる。

図１３の例では、経路上でのダンプトラック１０１の停車時間が計画外になることが、ほぼ毎日発生している。図１３と図１１とを比較すると、図１１に示す箱ひげ図の中央値及び四分位範囲が大きかった日付け（例えばＦｅｂ．２１）において出現数が多い発生要因は、積み込み待ち時間及び積載量であることが分かる。

上記のように、記録装置２０１には、計画外の稼働状況が発生した場所の情報（経路ＩＤ）や時間の情報（サイクル開始時刻及び終了時刻）が記録されている。したがって、ユーザは、計画外の稼働状況が発生した時間におけるダンプトラック１０１の稼働データを参照することによって、計画外の稼働状況の発生要因を更に詳細に分析することができる。

図１４～図１９は、計画外の稼働状況が発生したダンプトラック１０１の稼働データのチャートを示す。図１４～図１９において、符号１４０１～１４０３は、それぞれ、車両ＩＤ、サイクルＩＤ及び経路ＩＤを示している。符号１４０４は、計画外の稼働状況の発生要因を表す計画外要因指標を示している。符号１４０５は、ダンプトラック１０１の車速の推移を示すチャートを示している。符号１４０６は、ダンプトラック１０１のエンジン回転数の推移を示すチャートを示している。符号１４０７は、ダンプトラック１０１の積載量の推移を示すチャートを示している。

図１４は、停車時間が計画外になった稼働データのチャートである。

図１４の例では、一点鎖線で示すように、ダンプトラック１０１が排土後に少し経路上を走行してから（時刻１９：０７頃）、約１０分間停車していることが分かる。図１４を表示した端末装置３００のユーザは、この時間の運行指令や、経路上のブルドーザ１０３の位置や、ダンプトラック１０１のアラートの有無等を、記録装置２０１の蓄積データから分析すればよい。

図１５は、積み込み待ち時間が計画外になった稼働データのチャートである。

図１５の例では、一点鎖線で示すように、時刻１５：５６から時刻１６：０５にかけて、積み込み待ちが発生していることが分かる。図１５を表示した端末装置３００のユーザは、この場所及び時間において積み込み中であったダンプトラック１０１の稼働データや油圧ショベル１０２の稼働データを分析すればよい。この場合、積み込み中であったダンプトラック１０１のスポッティング時間が長い場合には、当該ダンプトラック１０１のオペレータを指導すればよい。積み込み中であった油圧ショベル１０２の積み込み時間が長い場合には、油圧ショベル１０２のオペレータを指導すればよい。積み込み待ちが同じ場所で頻繁に発生している場合には、排土エリアで稼働中のダンプトラック１０１に運転間隔の調整に関する通知をしたり、運行計画を見直して最適配車をするためにエリアのルートを通知したりしてもよい。これにより、鉱山管理システム１は、生産性を改善させることができる。

図１６は、排土待ち時間が計画外になった稼働データのチャートである。

図１６の例では、一点鎖線で示すように、時刻００：２１から時刻００：２４にかけて、排土待ちが発生していることが分かる。図１６を表示した端末装置３００のユーザは、排土エリアにおける別のダンプトラック１０１の有無や、排土エリアのレイアウトを分析すればよい。必要に応じて排土エリアのレイアウトを変更したり、運行計画を見直したりすればよい。これにより、鉱山管理システム１は、生産性を改善させることができる。

図１７は、積み込み時間が計画外になった稼働データのチャートである。

図１７の例では、一点鎖線で示すように、時刻９：４０頃からの積み込みに時間が掛かっていることが分かる。図１７を表示した端末装置３００のユーザは、この時間における油圧ショベル１０２の稼働データを分析すればよい。油圧ショベル１０２のアラートがある場合には、油圧ショベル１０２を修理すればよい。油圧ショベル１０２の移動や積み込みに時間が掛かっている場合には、油圧ショベル１０２のオペレータを指導すればよい。なお「停車時間」、「積み込み待ち時間」、「排土待ち時間」、「積み込み時間」の分析結果の表示はチャート形式に限られない。例えば、稼働環境を示す地図上に位置履歴で表示してもよい。この場合、任意の時刻における走行履歴がわかることから、計画外要因指標が発生した場合にどの地点（位置）における稼働データかを直感的に把握することができるので、更に分析ができる。これにより、鉱山管理システム１は、生産性を改善させることができる。

図１８は、スポッティング時間が計画外になった稼働データのチャートである。

図１８の例では、一点鎖線で示すように、時刻２１：５１から時刻２１：５３にかけて、積み込み前に低速での走行を繰り返していることが分かる。図１８を表示した端末装置３００のユーザは、この状況をダンプトラック１０１のオペレータからヒアリングして原因を特定すればよい。これにより、鉱山管理システム１は、生産性を改善させることができる。

図１９は、積載量が計画外になった稼働データのチャートである。

図１９の例では、一点鎖線で示すように、時刻２０：００頃からの積み込みによる積載量が少ないことが分かる。図１９を表示した端末装置３００のユーザは、この積み込みを行った油圧ショベル１０２の稼働データを分析したり、油圧ショベル１０２のオペレータからヒアリングしたりして、原因を特定すればよい。これにより、鉱山管理システム１は、生産性を改善させることができる。

図２０は、排土待ち時間が計画外になった稼働データの他の表示例を示す図である。

排土待ち時間が計画外になった排土エリアの場所及び時間は、排土待ち時間が計画外になったダンプトラック１０１の稼働データから特定することができる。この排土エリアにおける排土位置Ａとダンプトラック１０１の停車位置Ｂとは、ダンプトラック１０１のＧＰＳセンサの位置データから算出することができる。端末装置３００は、排土待ち時間が計画外になった排土エリア付近の地図又は衛星写真上に、排土位置Ａと停車位置Ｂとを表示することができる。図２０を表示した端末装置３００のユーザは、排土位置Ａと停車位置Ｂとの位置関係や、排土エリア内の状況を分析すればよい。必要に応じて排土エリアのレイアウトを変更したり、運行計画を見直したりすればよい。これにより、鉱山管理システム１は、生産性を改善させることができる。

図２１は、計画外の稼働状況の発生頻度をダンプトラック１０１毎に集計した結果を示す図である。図２２は、図２１に示す計画外の稼働状況の発生頻度を日付け毎に集計した結果を示す図である。図２３は、図２１に示す計画外の稼働状況の発生頻度を経路毎に集計した結果を示す図である。

図２１の例では、ダンプトラック１０１によって、計画外の稼働状況の発生頻度に差があることが分かる。図２２の例では、日付けによって、計画外の稼働状況の発生頻度に差があることが分かる。図２３の例では、計画外の稼働状況が必ず発生している経路（発生頻度が１．０の経路）が存在することが分かる。これらのことから、特定の経路に問題があることが分かる。図２１～図２３を表示した端末装置３００のユーザは、特定の経路において計画外の稼働状況の発生頻度が高い日付けの稼働データを分析し、原因を特定すればよい。これにより、鉱山管理システム１は、生産性を改善させることができる。

以上のように、実施形態１の鉱山管理システム１は、鉱山１００生産性を管理するシステムであって、鉱山機械１０１～１０３から収集された鉱山機械１０１～１０３の稼働データを蓄積し、処理するサーバ装置２００と、稼働データに基づいて、生産性が計画外になる鉱山機械１０１～１０３の稼働状況が発生したか否かを判定する判定処理を行う判定装置２５０と、を備える。サーバ装置２００は、蓄積された稼働データから、鉱山機械１０１～１０３の作業サイクル毎の稼働データであるサイクルデータを抽出する抽出部２１１と、サイクルデータにおいて、生産性が計画外になる稼働状況の発生要因を表す複数の計画外要因指標を算出する指標算出部２１２と、算出された複数の計画外要因指標を用いて、生産性が計画内になるサイクルデータを特定する複数の計画外要因指標の関係を判定装置２５０に学習させる機械学習を行う学習部２１４と、を有する。判定装置２５０は、予め学習された複数の計画外要因指標の関係に基づき、蓄積された稼働データから抽出されたサイクルデータが、生産性が計画内になるサイクルデータに対してどの程度逸脱するかを評価することによって、判定処理を行う。

これにより、実施形態１の鉱山管理システム１は、計画外要因指標を単体で扱うのではなく、複数の計画外要因指標の関係を機械学習することによって、複数の要因が関係して生産性が計画外になったことを正確に検知することができる。しかも、実施形態１の鉱山管理システム１は、複数の計画外要因指標の関係を機械学習することによって、複数経路や未知の経路を有する様々な鉱山において、生産性が計画外になったことを正確に検知することができる。よって、実施形態１の鉱山管理システム１は、生産性を計画内に改善させる対策を適切に講じることができるので、鉱山１００の生産性を改善させることができる。

更に、実施形態１の鉱山管理システム１において、鉱山機械１０１～１０３は、ダンプトラック１０１である。複数の計画外要因指標は、ダンプトラック１０１の積載量、鉱山１００の排土エリアでのダンプトラック１０１の待ち時間である排土待ち時間、鉱山１００の積み込みエリアでのダンプトラック１０１の待ち時間である積み込み待ち時間、積み込みエリアと排土エリアとを繋ぐ経路上でのダンプトラック１０１の停車時間、ダンプトラック１０１への積荷の積み込み時間、積み込みエリアにおいてダンプトラック１０１が積み込み可能な状態に移行するのに要する時間であるスポッティング時間、及び、ダンプトラック１０１の平均車速のうちの少なくとも２つを含む。

すなわち、実施形態１の鉱山管理システム１では、ダンプトラック１０１の作業エリアや作業工程中における特徴的な動作又は状態であって、鉱山１００の生産性に影響を与え易い動作又は状態を表す指標を、ダンプトラック１０１の計画外要因指標として算出する。これにより、実施形態１の鉱山管理システム１は、生産性が計画外になるようなダンプトラック１０１の稼働状況が、どの作業エリアやどの作業工程中の動作又は状態に起因して発生しているのかを正確に検知することができる。よって、実施形態１の鉱山管理システム１は、生産性を計画内に改善させる対策を更に適切に講じることができるので、鉱山１００の生産性を更に改善させることができる。

更に、実施形態１の鉱山管理システム１において、学習部２１４は、生産性が計画内になる複数のサイクルデータをクラスタリングすることによって機械学習を行う。判定装置２５０は、蓄積された稼働データから抽出されたサイクルデータとクラスタ中心との距離に応じて表されるスコアを算出し、スコアが閾値より大きい場合、生産性が計画外になる稼働状況が発生したと判定する。

これにより、実施形態１の鉱山管理システム１は、生産性が計画内になるサイクルデータを特定する複数の計画外要因指標の関係が学習された分類モデルを容易に構築することができる。しかも、実施形態１の鉱山管理システム１は、スコアという統一的な評価値を用いてサイクルデータを定量的に評価することによって、生産性が計画外になる稼働状況が発生したか否かを判定する。したがって、実施形態１の鉱山管理システム１は、複数経路や未知の経路を有する様々な鉱山において、生産性が計画外になったことを更に正確且つ容易に検知することができる。よって、実施形態１の鉱山管理システム１は、生産性を計画内に改善させる対策を更に適切に講じることができるので、鉱山１００の生産性を更に改善させることができる。

更に、実施形態１の鉱山管理システム１において、判定装置２５０は、生産性が計画外になる稼働状況が発生したと判定した場合、スコアに対する複数の計画外要因指標のそれぞれの寄与度を算出し、寄与度が最も大きい計画外要因指標を、発生要因として特定する。

これにより、実施形態１の鉱山管理システム１は、生産性が計画外になる稼働状況の主な発生要因を、スコアという統一的な評価値を用いて一意的に特定することができる。したがって、実施形態１の鉱山管理システム１は、複数経路や未知の経路を有する様々な鉱山において、生産性が計画外になった主要因を正確に検知することができる。よって、実施形態１の鉱山管理システム１は、生産性を計画内に改善させる対策を更に適切に講じることができるので、鉱山１００の生産性を更に改善させることができる。

更に、実施形態１の鉱山管理システム１は、ディスプレイ３０１を備える端末装置３００を更に備える。サーバ装置２００は、生産性が計画外になる稼働状況の発生頻度、発生要因の出現頻度、又は、スコアを、期間毎又は鉱山機械１０１～１０３毎に集計し、集計結果を端末装置３００に送信する。端末装置３００は、集計結果をディスプレイ３０１に表示する。その際、オペレータごとの操作履歴に基づいて、複数の計画外要因指標のうち発生頻度（回数）が多い計画外要因指標を通知して操作の傾向を特定できるようにしたり、オペレータ間の計画外要因指標の平均回数を算出して、累積の平均回数を超過した計画外要因指標を通知したりすることで、改善指示に関連付けることとしてもよい。また、オペレータの操作履歴がある場合、改善すべき点若しくは改善された点、又は、これらの組み合わせを表示することとしてもよい。

これにより、実施形態１の鉱山管理システム１は、生産性が計画外になる稼働状況の発生頻度、発生要因の出現頻度、又は、スコアが、期間毎又は鉱山機械１０１～１０３毎でどのように変化しているのかを、直感的に把握しやすい形態でユーザに報知することができる。したがって、実施形態１の鉱山管理システム１によれば、ユーザは、生産性が計画外になる稼働状況の発生要因を分析し易くなる。更に、表示の対象となる鉱山機械１０１～１０３は１台に限られず、複数台であってもよく、任意の１台に固有の傾向だけでなく全体的な傾向を特定することとしてもよい。よって、実施形態１の鉱山管理システム１は、生産性を計画内に改善させる対策を更に適切に講じることができるので、鉱山１００の生産性を更に改善させることができる。

更に、実施形態１の鉱山管理システム１において、サーバ装置２００は、生産性が計画外になる稼働状況が発生した鉱山機械１０１～１０３の稼働データを取得し、取得された稼働データ又はその推移を端末装置３００に送信する。端末装置３００は、稼働データの推移をディスプレイ３０１に表示する。

これにより、実施形態１の鉱山管理システム１によれば、ユーザは、生産性が計画外になる稼働状況が発生した要因を、鉱山機械１０１～１０３の稼働データに基づいて詳細に分析することができる。よって、実施形態１の鉱山管理システム１は、生産性を計画内に改善させる対策を更に適切に講じることができるので、鉱山１００の生産性を更に改善させることができる。

更に、実施形態１の鉱山管理システム１において、複数の計画外要因指標には、計画外要因指標の変動に影響を与える主体の情報が予め紐付けられている。端末装置３００は、判定装置２５０により特定された発生要因を表す計画外要因指標に紐付けられた情報が示す主体の関係者に対するメッセージを、ディスプレイ３０１に表示する。メッセージは模範となる操作のシミュレーションの表示や、或いは今回の発生状況とのグラフ・チャート・スコアとの対比形式で表示されてもよい。

これにより、実施形態１の鉱山管理システム１は、判定装置２５０により特定された発生要因を表す計画外要因指標に紐付けられた主体の関係者を、生産性を計画内に改善させる対策の担当者に割り当てることができる。実施形態１の鉱山管理システム１は、対策担当者に対する改善指示等のメッセージを、対策担当者の端末装置３００のディスプレイ３０１に表示して、対策担当者に通知することができる。もちろん、改善指示等のメッセージはオペレータへの直接の通知であってもよい。この場合、メッセージはテキスト形式に限られず、音声、或いは異なる色のフラグなどの視認可能な識別表示を含む。また、通知の間隔は、累積の発生頻度や緊急・重要の度合いに応じて、例えば半日おきや一日おき等の一定の間隔で任意に設定し得る。例えば上記の時系列に基づいて１時間おき、３時間おきなどに設定した場合、集計の時間を午前中に設定して発生頻度の高い計画外要因指標を特定しておけば、午後に改善に繋げるという効果を期待できる。よって、実施形態１の鉱山管理システム１は、生産性を計画内に改善させる対策を対策担当者が早期に講じることができるので、鉱山１００の生産性を早期に改善させることができる。

［実施形態２］
図２４を用いて、実施形態２の鉱山管理システム１について説明する。実施形態２の鉱山管理システム１において、実施形態１と同様の構成及び動作については、その説明を省略する。

実施形態２では、鉱山機械１０１～１０３の１つである油圧ショベル１０２の稼働データから、鉱山１００の生産性が計画外になったことを検知する鉱山管理システム１を例に挙げて説明する。

図２４は、実施形態２の鉱山管理システム１において適用される油圧ショベル１０２の作業サイクル及び計画外要因指標を説明する図である。

油圧ショベル１０２は、１回の作業サイクルにおいて、掘削した土砂等を積荷としてダンプトラック１０１に積み込み、積み込んだ後に掘削準備を行った後に、土砂等を掘削し、掘削した土砂等を掘削面からダンプトラック１０１のベッセル上に運搬する一連の動作を行う。作業サイクルは、ダンプトラック１０１への積み込みを起点として定義する必要なく、掘削動作等の他の動作を起点として定義してもよい。

油圧ショベル１０２の１回の作業サイクルの中で、鉱山１００の生産性に影響を与える事項としては、油圧ショベル１０２の掘削量（payload）、積み込み後の前記油圧ショベルが次の掘削を行うための準備に要する時間である掘削準備時間（reaching time）、油圧ショベル１０２の掘削時間（digging time）、油圧ショベル１０２が掘削した積荷を被積込機械であるダンプトラック１０１まで運搬するのに要する時間である運搬時間（carrying time）、油圧ショベル１０２が運搬した積荷を被積込機械であるダンプトラック１０１に積み込むのに要する時間である積み込み時間（loading time）、油圧ショベル１０２の待ち時間（waiting time）、及び、油圧ショベル１０２の移動時間（traveling time）が挙げられる。実施形態２では、図２４の表に示すように、これらの事項を、油圧ショベル１０２の計画外要因指標として定義する。

なお、油圧ショベル１０２の掘削量は、油圧ショベル１０２のブーム、アーム及びバケットの各角度及び各シリンダ圧から算出され得る。或いは、油圧ショベル１０２の掘削量は、ダンプトラック１０１のサスペンション圧から算出される積載量をダンプトラック１０１から受信することもできる。掘削準備時間、掘削時間、積み込み時間、運搬時間、待ち時間及び移動時間は、油圧ショベル１０２のブーム、アーム及びバケットの各角度及び各シリンダ圧、上部旋回体の旋回角度、下部走行体の走行速度等から算出され得る。

油圧ショベル１０２の計画外要因指標には、実施形態１と同様に、各指標を識別するＩＤと、各指標の変動に影響を与える主体の情報とが予め紐付けられている。判定装置２５０は、実施形態１と同様に、計画外要因指標を用いて油圧ショベル１０２の稼働データを評価し、生産性が計画外になるような油圧ショベル１０２の稼働状況の発生要因を特定する。処理装置２０２は、実施形態１と同様に、計画外の稼働状況の発生要因を表す計画外要因指標に紐付けられた主体の各関係者の端末装置３００に対して、当該発生要因に対応した改善指示等のメッセージを送信することができる。端末装置３００は、実施形態１と同様に、メッセージをディスプレイ３０１に表示し、各関係者に通知することができる。なお、鉱山管理システム１は、油圧ショベル１０２の計画外指標として、図２４の表に示す指標の少なくとも２つを採用すればよい。

実施形態２の鉱山管理システム１は、油圧ショベル１０２の作業工程中における特徴的な動作又は状態であって、鉱山１００の生産性に影響を与え易い動作又は状態を表す指標を、油圧ショベル１０２の計画外要因指標として算出する。これにより、実施形態２の鉱山管理システム１は、生産性が計画外になるような油圧ショベル１０２の稼働状況が、どの作業工程中の動作又は状態に起因して発生しているのかを正確に検知することができる。よって、実施形態２の鉱山管理システム１は、生産性が計画外になるような油圧ショベル１０２の稼働状況が発生しても、生産性を計画内に改善させる対策を適切に講じることができるので、鉱山１００の生産性を改善させることができる。

［その他］
なお、本発明は上記の実施形態に限定されるものではなく、様々な変形例が含まれる。例えば、上記の実施形態は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、或る実施形態の構成の一部を他の実施形態の構成に置き換えることが可能であり、また、或る実施形態の構成に他の実施形態の構成を加えることも可能である。また、各実施形態の構成の一部について、他の構成の追加・削除・置換をすることが可能である。

また、上記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路にて設計する等によりハードウェアによって実現してもよい。また、上記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウェアによって実現してもよい。各機能を実現するプログラム、テープ、ファイル等の情報は、メモリや、ハードディスク、ＳＳＤ（solid state drive）等の記録装置、又は、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に置くことができる。

また、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線や情報線を示しているとは限らない。実際には殆ど全ての構成が相互に接続されていると考えてもよい。

１…鉱山管理システム、１００…鉱山、１０１…ダンプトラック、１０２…油圧ショベル、１０１～１０３…鉱山機械、２００…サーバ装置、２１１…抽出部、２１２…指標算出部、２１４…学習部、２５０…判定装置、３００…端末装置、３０１…ディスプレイ

Claims (7)

1. 鉱山の生産性を管理する鉱山管理システムであって、
   鉱山機械から収集された前記鉱山機械の稼働データを蓄積し、処理するサーバ装置と、
   前記稼働データに基づいて、前記生産性が計画外になる前記鉱山機械の稼働状況が発生したか否かを判定する判定処理を行う判定装置と、を備え、
   前記サーバ装置は、
   蓄積された前記稼働データから、前記鉱山機械の作業サイクル毎の前記稼働データであるサイクルデータを抽出する抽出部と、
   前記サイクルデータにおいて、前記生産性が計画外になる前記稼働状況の発生要因を表す複数の指標を算出する算出部と、
   算出された前記複数の指標を用いて、前記生産性が計画内になる前記サイクルデータを特定する前記複数の指標の関係を前記判定装置に学習させる機械学習を行う学習部と、を有し、
   前記判定装置は、前記学習部によって学習された前記複数の指標の関係に基づいて前記判定処理を行い、
   前記学習部は、前記生産性が計画内になる複数の前記サイクルデータをクラスタリングすることによって前記機械学習を行い、
   前記判定装置は、蓄積された前記稼働データから抽出された前記サイクルデータと、当該サイクルデータが分類されたクラスタのクラスタ中心との距離に応じて表されるスコアを算出し、前記スコアが閾値より大きい場合、前記生産性が計画外になる前記稼働状況が発生したと判定する
   ことを特徴とする鉱山管理システム。
2. 前記鉱山機械は、ダンプトラックであり、
   前記複数の指標は、前記ダンプトラックの積載量、前記鉱山の排土エリアでの前記ダンプトラックの待ち時間である排土待ち時間、前記鉱山の積み込みエリアでの前記ダンプトラックの待ち時間である積み込み待ち時間、前記積み込みエリアと前記排土エリアとを繋ぐ経路上での前記ダンプトラックの停車時間、前記ダンプトラックへの積荷の積み込み時間、前記積み込みエリアにおいて前記ダンプトラックが積み込み可能な状態に移行するのに要する時間であるスポッティング時間、及び、前記ダンプトラックの平均車速のうちの少なくとも２つを含む
   ことを特徴とする請求項１に記載の鉱山管理システム。
3. 前記鉱山機械は、油圧ショベルであり、
   前記複数の指標は、前記油圧ショベルの掘削量、積み込み後の前記油圧ショベルが次の掘削を行うための準備に要する時間である掘削準備時間、前記油圧ショベルの掘削時間、前記油圧ショベルが掘削した積荷を被積込機械まで運搬するのに要する時間である運搬時間、前記油圧ショベルが運搬した積荷を被積込機械に積み込むのに要する時間である積み込み時間、前記油圧ショベルの待ち時間、及び、前記油圧ショベルの移動時間のうちの少なくとも２つを含む
   ことを特徴とする請求項１に記載の鉱山管理システム。
4. 前記判定装置は、前記生産性が計画外になる前記稼働状況が発生したと判定した場合、前記スコアに対する前記複数の指標のそれぞれの寄与度を算出し、前記寄与度が最も大きい前記指標を、前記発生要因として特定する
   ことを特徴とする請求項１に記載の鉱山管理システム。
5. ディスプレイを備える端末装置を更に備え、
   前記サーバ装置は、前記生産性が計画外になる前記稼働状況の発生頻度、前記発生要因の出現頻度、又は、前記スコアを、期間毎又は前記鉱山機械毎に集計し、集計結果を前記端末装置に送信し、
   前記端末装置は、前記集計結果を前記ディスプレイに表示する
   ことを特徴とする請求項４に記載の鉱山管理システム。
6. ディスプレイを備える端末装置を更に備え、
   前記サーバ装置は、前記生産性が計画外になる前記稼働状況が発生した前記鉱山機械の前記稼働データを取得し、取得された前記稼働データ又はその推移を前記端末装置に送信し、
   前記端末装置は、前記稼働データの推移を前記ディスプレイに表示する
   ことを特徴とする請求項４に記載の鉱山管理システム。
7. ディスプレイを備える端末装置を更に備え、
   前記複数の指標には、前記指標の変動に影響を与える主体の情報が予め紐付けられており、
   前記端末装置は、前記判定装置により特定された前記発生要因を表す前記指標に紐付けられた前記情報が示す前記主体の関係者に対するメッセージを、前記ディスプレイに表示する
   ことを特徴とする請求項４に記載の鉱山管理システム。

Images