JP7245206B2 - 昇降機異常状態検知方法及び昇降機異常状態検知装置 - Google Patents

Description

本発明は、昇降機異常状態検知方法及び昇降機異常状態検知装置に関する。

一般にエレベーターの異常診断では、学習データと診断データを比較することで、エレベーターの異常が発生する機器または部品等の検出を行っている。
特許文献１には、正常と診断されるセンサデータを用いて、外れ値の影響を抑制できるように学習データを更新し、経年劣化に追従できる診断システム及びエレベーターが記載されている。

すなわち、特許文献１に記載の技術は、診断対象の機器に設置されたセンサーからのセンサデータと、診断用学習データとに基づいて、診断対象機器の状態を診断する。そして、正常と診断されたときのセンサデータを、予め保持している蓄積学習データ群に加え、蓄積データ群の中心とそれに近いものだけを残して、遠いものを蓄積データ群から削除し、蓄積データ群を更新している。

特開２０１５－３５１１８号公報

しかしながら、特許文献１に記載の技術は、経年劣化による学習データを更新する点では一定の作用効果を奏するものの、突発の故障、例えば異常音の発生箇所、発生機器の特定ができないという問題があった。

本発明の目的は、上記問題に鑑み、経年変化等による昇降機が発生する異常音を含む音データから、異常音の発生箇所と発生部品及び異常音の発生原因を特定することにある。

上記課題を解決するために、例えば特許請求の範囲に記載の構成を採用する。
本願は、上記課題を解決する手段を複数含んでいるが、その一例を挙げるならば、本発明は、昇降機の異常状態を検知する昇降機異常状態検知方法であって、以下（ａ）～（ｇ）のステップを含む。
（ａ）昇降機の走行時の音データを音センサーにより取得するステップ、
（ｂ）昇降機の走行位置データを位置センサーにより取得するステップ、
（ｃ）音センサーにより取得された音のうち異常音を含む音データと、位置センサーにより取得された昇降機の走行位置から、異常音を含む音データの発生音源の位置を算出するステップ、
（ｄ）異常音を含む音データの発生時の昇降機の走行位置と異常音を含む音データの発生音源の位置から昇降機の部品の材質情報を抽出するステップ、
（ｅ）異常音を含む音データを学習させて、学習データに基づいて異常音を含む音データを発する材質を有する部品を算出するステップ、
（ｆ）昇降機の部品の材質情報と、算出した異常音を含む音データを発する材質とを比較するステップ、
（ｇ）比較の結果に基づいて、異常音を含む音データの発生原因を特定するステップ。

本発明の昇降機異常状態検知方法及び昇降機異常検知装置によれば、エレベーターの所定位置にある部品の材質と、音データから取得した材質情報を比較して、異常音を含む音データの発生原因を特定できるので、作業者に対して異常音に対する対処方法を提示することができる。
上記した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。

本発明の一実施形態に係わる昇降機異常状態検知システムの全体構成を説明するための概要図である。 本発明の一実施形態に係わる昇降機異常状態検知システムのハードウェア構成を説明する図である。 本発明の一実施形態に係わる昇降機異常状態検知システムの処理手順を示すフローチャートである。 本発明の一実施形態に係わる昇降機異常状態検知システムにおける、異常音発生時の位置データと音データの処理方法を説明するフローチャートである。 本発明の一実施形態に係わる昇降機異常状態検知システム位置情報と音データを同期する方法を説明する図である。 本発明の一実施形態に係わる音パターンの解析手法を説明する概略図である。 本発明の一実施形態に係わる故障レポートの表示例を示す図である。 本発明の一実施形態に係わる部品の位置情報と材質情報を説明するための表である。 本発明の一実施形態に係わる音データの特徴群を説明するための表である。 本発明の第二の実施形態に係わる昇降機異常状態検知システムの全体構成を示す図である。

＜第一の実施形態例＞
以下、本発明の一実施形態例に係わる昇降機異常状態検知方法及び昇降機異常状態検知装置の具体例を図１～図７を参照して説明する。
図１は、本実施形態の昇降機異常状態検知装置の全体構成を示す。
本実施形態の昇降機異常状態検知装置は、本体である計測装置１、履歴データベース（以下、「履歴ＤＢ」と称する）２、位置センサー３及び情報処理装置４から構成されている。

そして、計測装置１は、制御部１１、音センサー１２、位置情報取得部１３、学習データベース（以下、「学習ＤＢ」と称する）１４、処理部１５、比較部１６、部品データベース（以下、「部品ＤＢ」と称する）１７、表示データ生成部１８、通信部１９及び表示部２０を備える。

本実施形態において、制御部１１は、音センサー１２を制御する。音センサー１２は、少なくとも２つ以上の音センサーを有する。例えば、音センサー１２は、少なくとも２個以上の、２０Ｈｚ～１５０００Ｈｚの音を測定できるマイクロホンである。なお、音センサー１２を少なくとも２個設けるのは、図５で後述するように、２個の音センサー１２が検出する音圧の違いにより、異常音が発生する方向を検知するためである。
ここで、異常音とは、昇降機の故障による正常音と異なる音だけではなく、逆に故障による音ではないことを確認する必要がある音や、昇降機のメンテナンスを行う必要がある音を含む広義の音をいう。

制御部１１は、ケーブルまたは無線で音センサー１２と接続されており、マイクロホンで測定した音の録音の開始または停止を制御する。また、制御部１１は、音センサー１２に対して、録音した音データを処理部１５に送るための制御信号を送信する。

位置情報取得部１３は、位置センサー３からのデータを取得する。ここで、位置センサー３は、例えば加速度センサー、気圧センサー、超音波センサー、ミリ波センサーなどで構成される位置情報を取得するためのセンサーである。例えば、気圧センサーからは昇降機の高さがわかり、加速度センサーからは昇降機の移動速度を検出することができる。
なお、位置センサー３に代えて、昇降機の配電盤に設けられる昇降機回路（制御回路）を用いて、エレベーターの位置検出とエレベーターの走行状態を取得することもできる。

情報処理装置４は、昇降機を構成する機器または部品等に関する情報を事前に測定して、処理部１５に供給する。情報処理装置４からの上述の情報は、学習ＤＢ１４にも蓄積される。

学習ＤＢ１４は、機械学習によって昇降機の機器または部品等に関するデータが予め蓄積されるデータベースである。この学習ＤＢ１４に蓄積されたデータを用いて、昇降機内で発生する異常音と正常音の判別がなされ、また音の特徴パターンの判定がなされる。すなわち、学習ＤＢ１４には、機械学習によって、異常音か正常音かの判定、及び音の特徴パターンの判定を行うための教師データが予め保存されている。

処理部１５は、音センサー１２、位置情報取得部１３、学習ＤＢ１４から入力されたデータを処理する。すなわち、処理部１５は、少なくとも以下（１）～（５）の処理を行う。
（１）音センサー１２からの音データに対する高速フーリエ変換処理
（２）音センサー１２から音データのスペクトログラムに対する周波数分析処理
（３）学習ＤＢ１４のデータを用いて、機械学習により音センサー１２からの音データの正常または異常を判別する処理
（３）学習ＤＢ１４のデータを用いて、機械学習により音センサー１２からの音データの音の特徴パターンを判別する処理
（４）位置情報取得部１３で取得した位置センサー３のデータから位置情報を算出する処理
（５）音センサー１２からの音データと位置センサー３からの位置情報データの時間軸を同期する処理

比較部１６は、部品ＤＢ１７に保存された昇降機の各部品の位置情報及び材質情報を、処理部１５で得た音の特徴パターンの詳細情報と比較する。そして、処理部１５は、この比較結果に基づいて、昇降機の部品等の異常状態と、その発生原因を算出する。

表示データ生成部１８は、比較部１６にて算出した昇降機部品の異常状態の発生原因に基づいて、異常状態を解決するための対処方法となる故障レポート（図７で後述）を生成する。この表示データ生成部１８で作成された対処方法を含む故障レポートは表示部２０に表示される。

通信部１９は、表示データ生成部１８で作成され、表示部２０に表示された故障レポートを履歴ＤＢ２に送信する。また、通信部１９は、処理部１５にて取得された音センサー１２、情報処理装置４、位置センサー３からの各種データを履歴ＤＢ２に送信する。したがって、履歴ＤＢ２には、通信部１９から送信された、昇降機に関する故障レポート及び各種データが保存される。

＜昇降機異常状態検知システムに用いられる計測装置のハードウェア構成＞
図２は、本例の昇降機異常状態検知システムに用いられる計測装置１のハードウェア構成を示す図である。
図２に示すように、計測装置１は、バス２１に接続されたＣＰＵ（Central Processing Unit）２２、ＲＯＭ（Read Only Memory）２３、ＲＡＭ（Random Access Memory）２４、不揮発性ストレージ２５から構成される。

ＣＰＵ２２は、計測装置１の機能を実現するソフトウェアのプログラムコードをＲＯＭ２３から読み出して演算処理を実行する。ＲＡＭ２４には、ＣＰＵ２２で行われる演算処理の途中で発生した変数等が一時的に書き込まれる。ＣＰＵ２２は、ＲＯＭ２３に記録されているプログラムコードを実行することにより、図１で説明した計測装置１の機能を実現する。

不揮発性ストレージ２５は、ＳＳＤ（Solid State Drive）等の不揮発性のメモリで構成される。この不揮発性ストレージ２５には、ＣＰＵ２２が動作するために必要なプログラムやデータ等が格納される。この不揮発性ストレージ２５には、図１で説明した学習ＤＢ１４、部品ＤＢ１７及び履歴ＤＢ２等の記憶エリアが設けられている。

また、計測装置１は、入力部２７と出力部２８を備える。入力部２７は、音センサー１２からの音データ及び位置センサー３からの位置情報データを入力する。出力部２８は、昇降機に関する異常状態の発生原因と対処方法に基づいて作成された故障レポートを出力する。なお、この故障レポートは、既に述べたように、図１に示す表示データ生成部１８で生成され、表示部２０に表示される。したがって、図２の出力部２８は、図１の表示部２０に相当すると考えてよい。

また、計測装置１は、通信インタフェース（通信部ＩＦ）２６を備える。通信インタフェース２６としては、例えば、ＮＩＣ（Network Interface Card）等が用いられる。この通信インタフェース２６は、図１の通信部１９に相当するハードウェアである。

＜第一の実施形態例の昇降機異常音検知方法の処理手順＞
以下、図３～図９を参照し、本発明の一実施形態である昇降機異常音検知方法に係わる処理フローを説明する
図３は本発明の一実施形態の昇降機異常音検知方法に係わる処理フローを説明するためのフローチャートである。
まず、情報処理装置４は、測定の準備作業として、対象昇降機に関する機器及び部品等の情報を処理部１５に入力する（ステップＳ１）。

次に、昇降機のかご内に設置された計測装置１により、昇降機の位置情報データと昇降機の各部から発生される音データを取得し、昇降機の走行状態を測定する（ステップＳ２）。
計測装置１の処理部１５は、ステップＳ２の走行状態の測定の際に得た音データを、学習ＤＢ１４に保存されているデータと照合し、昇降機からの音データの中に異常音があるか否かを判別する（ステップＳ３）。

ステップＳ３で、異常音があると処理部１５が判定した場合（ステップＳ３のＹＥＳ）、処理部１５は、ステップＳ２にて取得した、位置センサー３からの位置情報データと音センサー１２からの音データを用いて、異常音が発生したときの走行位置と計測装置１からみた異常音の発生位置を算出する（ステップＳ４）。

ここで、異常音が発生したときの走行位置とは、異常音が発生したときのエレベーターかごの位置である。そして、処理部１５は、異常音が発生したときの走行位置を位置情報Ｄ１として出力する。なお、異常音の発生位置の算出方法については、図４（ａ）及び図５で後述する。

次に、計測装置１の処理部１５は、異常音を含む音データを用いて、スペクトログラムを出力しこのスペクトログラムと学習ＤＢ１４に保存されているスペクトログラムと照合して、波形パターンを判定する（ステップＳ５）。そして、処理部１５は、波形パターンに対応する発生源の材質情報Ｄ２を出力する。なお、ステップＳ５における波形パターンの判定方法については、図４（ｂ）及び図５で後述する。

次に、部品ＤＢ１７から予め記憶されている当該昇降機の部品の位置情報Ｄ１’と材質情報Ｄ２’を抽出する（ステップＳ６）。
そして、計測装置１の比較部１６は、ステップＳ６で抽出された昇降機の部品の位置情報Ｄ１’を、ステップＳ４で算出された位置情報Ｄ１と比較することにより、位置情報Ｄ１と整合可能な部品群を特定する（ステップＳ７）。

また、比較部１６は、ステップＳ６で抽出された昇降機部品の材質情報Ｄ２’を、ステップＳ５の波形パターンの判定から得られた材質情報Ｄ２と比較し、異常音発生の原因部品を特定する（ステップＳ８）。

すなわち、比較部１６は、ステップＳ７で特定された可能な部品群の中から、ステップＳ８で特定された原因部品を特定し、故障の推定結果と故障の是正方法を提示する（ステップＳ９）。すると、表示データ生成部１８は、比較部１６から提示された故障の推定結果と故障の是正方法に基づいて、故障レポート（図７で後述）を自動生成して、表示部２０に表示するとともに、通信部１９経由で履歴ＤＢ２に保存する（ステップＳ１０）。

なお、ステップＳ３で、異常音がないと処理部１５が判定した場合（ステップＳ３のＮＯ）には、処理部１５は、正常であると判定して（ステップＳ１１）、処理を終了する。
これにより、本実施形態の昇降機異常状態検知方法の一連の処理手順が終了する。

図４（ａ）は、図３のステップＳ４における発生位置の算出処理の手順を示すフローチャートである。
まず、計測装置１の処理部１５は、図３のステップＳ２にて取得した昇降機の位置情報データ（位置センサー３からのデータ）と音データ（音センサー１２からのデータ）を読取り、それぞれの時間軸を同期させる（ステップＳ４１）。
次に、処理部１５は、異常音発生時の音データとそのときの位置データを時間軸から抽出する（ステップＳ４２）。

そして、処理部１５は、異常音発生時刻の位置データから、エレベーターのかごの位置を算出する（ステップＳ４３）。ここで、かごの位置の算出に際しては、例えば、階層情報、速度、スタート位置との相対距離などが用いられる。

また、処理部１５は、複数の音センサー１２が記録した音データの波形情報から、音センサー１２の位置と音源の位置関係を算出する（ステップＳ４４）。
以上のステップＳ４１～Ｓ４４の処理を通して、図３のステップＳ４における異常音発生の位置情報Ｄ１が算出される。

図４（ｂ）は、図３のステップＳ５における異常音発生の波形パターンの算出処理の手順を示すフローチャートである。
図３のステップＳ５では、抽出された異常音の波形パターンの判定が行われるが、図４（ｂ）では、まず、処理部１５は、抽出した異常音を含む音データの高速フーリエ変換を行い、異常音を含む音データのスペクトログラムを作成する（ステップＳ５１）。

そして、ステップＳ５１で作成されたスペクトログラムに基づいて、処理部１５は、各周波数域の音圧特徴、スペクトログラム上の異常音波形の幾何的特徴（波形特徴）、異常音の発生周期特徴を算出し、学習ＤＢ１４空間の座標情報に変換する（ステップＳ５２）。後述する図６に示すデータＡの座標軸上の位置がステップＳ５２で変換された座標情報に当たる。

次に、処理部１５は、ステップＳ５２で変換された座標情報を、図１に示す学習ＤＢ１４の予め記憶されたデータ群（図６のデータ群Ｇ１、Ｇ２、Ｇ３参照）と比較し、該当するデータ群に対応する材質情報と接触状態を算出する（ステップＳ５３）。
以上のステップＳ５１～Ｓ５３の処理を通して、図３のステップＳ５における異常音発生の材質情報Ｄ２が算出される。
なお、ステップＳ５３の異常音発生の材質情報Ｄ２の算出方法については、図６で後述する。

＜異常音発生位置と発生方向の特定方法＞
図５は、位置センサー３から得られるエレベーターかごの位置データと音センサー１２から得られる音データの時間軸を合わせて示した図である。
図５の上段には、位置データとしてエレベーターかごが存在する高さと、エレベーターの移動速度が示されている。

図５の上段に示すように、エレベーターかごの高さは１階から最上階までが示されており、移動速度としては１階の運転開始から最上階での運転停止までの速度が示されている。
エレベーターかごの高さは、位置センサー３として圧力センサーを使用することにより計測することができ、エレベーターの移動速度は、位置センサー３として加速度センサーを使用することにより計測することができる。

また、図５の下段に示すように、音センサーＡと音センサーＢからなる複数の音センサー１２は、同じ時間に異常音を含む音データを抽出している。音センサーＡは方向Ｃ１を向いており、音センサーＢは方向Ｃ２を向いている。縦軸は異常音の大きさ（音圧）を示す。音センサーＡと音センサーＢから出力される音データの音圧情報の差と、音センサーＡ及び音センサーＢの向きの違いから、異常音を発生する音源とそれぞれの音センサーＡ、Ｂの位置関係を算出することができる。これにより異常音を発生する音源の位置を特定することが可能になる。

＜音パターンの解析手法＞
図６は、ステップＳ５３で算出された該当データ群Ｇ１、Ｇ２、Ｇ３に対応する材質情報と接触状態を出力する際の音パターンの解析手法を説明するための図である。
図６には、学習ＤＢ１４空間の３次元の座標軸、すなわち音圧特徴の座標軸、波形特徴の座標軸及び発生周期特徴の座標軸が示されている。

音圧特徴の座標軸は異常音を含む音データの各周波数の音圧変動状況の違いを示している。また、波形特徴の座標軸はスペクトログラム上の異常音波形の幾何的特徴つまり波形パターンを示し、発生周期特徴の座標軸は異常音が発生する周期、すなわち所定時間当たりの重複回数を示している。

図６に示すデータＡは、音センサー１２で観測された異常音を含む音データＡの位置を、音圧特徴、波形特徴、発生周期特徴の３つの座標軸上でプロットしたものである。ここで、データ群Ｇ１（〇）、データ群Ｇ２（△）及びデータ群Ｇ３（□）は、波形パターンの特徴が異なる音データのデータ群を表している。すなわち、各データ群の中の図形〇、△、□は、それぞれのデータ群の波形パターンの形状の違いを示している。

この図６において、異常音を含む音データＡの位置と各データ群Ｇ１、Ｇ２、Ｇ３の中心位置との距離Ｌ１、Ｌ２、Ｌ３を算出する。そして、距離Ｌ１、Ｌ２、Ｌ３のうちの最も小さい距離、例えばＬ１を選択する。この最小となる距離Ｌ１から異常音を含む音データＡがデータ群Ｇ１に属する異常音データであると判定する。

＜表示部２０に表示される故障レポート＞
図７は、表示データ生成部１８で作成され、表示部２０に表示される故障レポートの例である。
図７に示すように、この故障レポートは「異常音故障調査レポート」として、表示部２０に表示される。異常音故障調査レポートには、作成時間、昇降機の号機番号、異常音波形、異常音の発生位置、発生部位、発生原因、対処方法、及び是正状態が表示される。

具体的には、図７に示すように、上段部に故障レポートの「作成時間：2020/07/10 12・00:00」と、「昇降機号機：12345678」が表示される。そして、中段部に異常音の音圧波形と、異常音の周波数波形と、異常音が発生した位置（高さ）が表示される。ここで、音圧波形は、図５の下段部に示した波形と同じものであり、周波数波形は、異常音が発生した時間に高い周波数が発生していることを示している。また、高さ波形から、この故障レポートでは３階で異常音が発生したことが分かる。

また、下段部には、発生部位がケーブル（ゴム）とかご（金属）の接触部であることが示され、異常音の発生原因として、塔内ケーブルとかごの衝突が表示されている。さらに、この異常音に対する対処方法（是正方法）として、ケーブルの固定状態を確認したことが表示され、是正したことを示す「是正状態：完了」が表示される。
そして、故障レポートを作成した「作成者：〇〇〇〇」と、是正されたことを顧客が確認したことを示す「顧客確認：××××」が表示されている。

＜部品データベース１７に格納されるデータ構造＞
図８は、機種コード０００１の昇降機における部品ＤＢ１７に保存されるデータ構造の一例を示している。機種コード０００１は、図３のステップＳ１にて入力される対象昇降機のコード番号である。
図８に示すように、部品ＤＢ１７は、部品フィールド、位置フィールド、材質フィールド、図面番号フィールド、寸法フィールド、及び接触・隣接部品フィールドを有する。

部品フィールドの欄には、エレベーターに用いられる部品、例えばレール、バッファ、リミットスイッチ、頂部プーリ、ケーブル、フェッシャープレート等が格納されている。これらの部品は、例えば異常音が発生される可能性がある部品である。
位置フィールドの欄には、部品フィールドの部品に対応して、それぞれの部品
が存在する位置、例えばピット、最上階、最下階、頂部等が格納されている。なお、レール部品については、全ての階層に関係するので、位置情報ではなく「走行中」と格納されている。
材質フィールドの欄には、部品フィールドの部品ごとに、金属やゴム等の材質が格納されている。

図面番号フィールドの欄には、設計図面の番号、例えば部品がレールの場合、「Ａ０００１」の番号が格納れている。
寸法フィールドの欄には、部品フィールドに格納される部品に対応する寸法（Ａ１、Ａ２、Ａ３・・・）が格納されている。

接触・隣接部品フィールドには、部品フィールの各部品が接触している部品または隣接する部品が格納されている。すなわち、異常音の発生は部品間の接触により起こることが多いので、接触・隣接部品フィールドの部品は、異常音を含む音データ発生の原因を見つける上で重要な情報になる。

＜学習データベース１４に格納されるデータ構造＞
図９は、本実施形態の学習ＤＢ１４に保存されるデータ構造の一例を示している。
図９に示すように、学習ＤＢ１４は、音データ群フィールド、代表座標フィールド、発生位置フィールド、発生方向フィールド、接触状態フィールド、材質（１）フィールド、材質（２）フィールド、及び異常状態フィールドを有する。なお、材質（１）フィールドと材質（２）フィールドの２つの材質フィールドを設けた理由は、異常音の発生が２つの部品の接触等によって引き起こされる可能性が高いからである。

音データ群フィールドには、異なる音データ群が、データ群１、データ群２、データ群３・・・と示されている。
上記の各データ群フィールドのデータ群に対応して、代表座標、異常音の発生位置、異常音が発生する音源の方向（発生方向）、接触状態の特徴、音源の材質、異常状態が格納されている。
すなわち、代表座標フィールドには、それぞれのデータ群の代表座標（データ群１では［A1，B1，C1］）が格納されている。

また、発生位置フィールドには、階に関係なく走行中の異常音なのか、あるいは最下階や特定階で発生する異常音なのかが格納されている。
発生方向フィールドには、それぞれの音データ群における異常音が頂部で発生しているのか、あるいは下部で発生しているのかが格納される。

接触状態フィールドには、それぞれの音データ群に対して、ベアリング等の回転による異常音なのか、引き擦れによる異常音なのか、あるいは衝突による異常音なのかが格納されている。
材質（１）フィールドには、全ての音データ群で金属が格納されており、材質（２）フィールドでは、それぞれの音データ群に関して、金属、ライニング、ゴム等が格納されている。
異常状態フィールドには、データ群１ではベアリングの劣化、データ群２ではライニング摩耗、データ群３ではケーブルとかごの衝突、データ群４ではロープと異物混入防止ゴムとの接触等、異常音発生の要因が格納されている。

＜第二の実施形態例＞
図１０は、本発明の第二の実施形態の昇降機異常状態検知システムの全体構成を示す。図１に示す第一の実施形態と異なる点は、材質センサー５を使用した点である。材質センサー５以外の構成は図１に記載した構成と同じなので、同一符号を付して説明は割愛する。

図１０に示す材質センサー５は、昇降機に設置されており、測定時に走行中の各部品の材質情報を検出して、部品ＤＢ１７に格納する。ここで、材質センサー５としては、少なくとも物体の材質特性（例えば反射率）を測定することができるセンサーであり、また、材質を判定できるものであることが求められる。具体的には、例えば赤外線センサー、超音波センサーなどが用いられる。

なお、本発明は前述した第一、第二の実施の形態例に限定されるものではなく、様々な変形例、応用例が含まれる。また、前述した実施の形態例は、本発明を分かりやすく説明するために説明したものであり、本発明は、必ずしも説明した全ての構成を備えるものに限定されるものではなく、適宜、その他の構成にも応用できる。なお、

例えば、上述した実施形態において、音センサーは録音可能なカメラを使用してもよい。また、上述の実施形態において、計測装置１自体をエレベーターのかご内ではなく、昇降路内の特定位置（例えばピットなど）に置いて、異常音の発生時間と昇降機走行に係わる特有の音（例えばブレーキの動作音）の発生時間から昇降機の走行状態を算出するようにしてもよい。

１……計測装置、２……履歴データベース（ＤＢ）、３……位置センサー、４……情報処理装置、５……材質センサー、１１……制御部、１２……音センサー、１３……位置情報取得部、１４……学習ＤＢ、１５……処理部、１６……比較部、１７……部品ＤＢ、１８……表示データ生成部、１９……通信部、２０……表示部

Claims (6)

1. 昇降機の異常状態を検知する昇降機異常状態検知方法であって、
   前記昇降機の走行時の音データを音センサーにより取得するステップと、
   前記昇降機の走行位置データを位置センサーにより取得するステップと、
   前記音センサーにより取得された音のうち異常音を含む音データと、前記位置センサーにより取得された前記昇降機の走行位置から、前記異常音を含む音データの発生音源の位置を算出するステップと、
   前記異常音を含む音データの発生時の前記昇降機の走行位置と前記異常音を含む音データの発生音源の位置から前記昇降機の部品の材質情報を抽出するステップと、
   前記異常音を含む音データを学習させて、学習データに基づいて前記異常音を含む音データを発する材質を有する部品を算出するステップと、
   前記昇降機の部品の材質情報と、算出した前記異常音を含む音データを発する材質とを比較するステップと、
   前記比較の結果に基づいて、前記異常音を含む音データの発生原因を特定するステップと、を含む
   昇降機異常状態検知方法。
2. 前記音センサーは、異なる方向を向いた少なくとも２個を備えており、少なくとも２個の前記音センサーにより検出される音圧の大きさの違いから、前記異常音を含む音データを発生する音源の方向を検出する、
   請求項１に記載の昇降機異常状態検知方法。
3. 前記位置センサーは、気圧センサーまたは加速度センサーであり、気圧センサーによりエレベーターかごの高さが検出され、加速度センサーにより前記エレベーターかごの移動速度が検出される
   請求項１に記載の昇降機異常状態検知方法。
4. さらに、前記昇降機で発生される前記異常音を含む音データの発生部位、発生原因および是正方法を含む故障レポートを表示データ生成部で作成するステップと、
   前記表示データ生成部で作成した前記故障レポートを表示部に表示するステップを、含む
   請求項１に記載の昇降機異常状態検知方法。
5. さらに、前記昇降機に設置される材質センサーにより、前記昇降機の走行中の各部品の材質情報を検出して、部品データベースに保存するステップを、含む
   請求項１～４のいずれか一項に記載の昇降機異常状態検知方法。
6. 昇降機の位置を検出する位置センサーからの信号により前記昇降機の位置を取得する位置情報取得部と、
   前記昇降機が発する異常音を検出する音センサーと、
   前記音センサーが検出する音のうち異常音を含む音データと、異常音を含まない正常音との判別を行うとともに、前記音センサーが検出する音の特徴パターンを学習して判定するためのデータを予め保存する学習データベースと、
   前記昇降機が備える部品の位置情報及び材質情報を予め保存する部品データベースと、
   前記音センサー、前記位置情報取得部、前記学習データベース及び前記部品データベースから入力されるデータを処理し、機械学習によって前記学習データベースに保存されたデータを用いて、前記異常音を含む音データにおける音の特徴パターンを判別する処理部と、
   前記部品データベースに保存された前記昇降機の前記部品の前記位置情報及び前記材質情報と前記処理部で得た前記音の特徴パターンとを比較する比較部と、
   前記比較部にて算出した前記異常音を含む音データの発生部位、前記異常音を含む音データの発生原因、及び是正方法を含む故障レポートを作成して、表示部に表示する表示データ生成部と、を備える
   昇降機異常状態検知装置。
   

Images