JP7297898B2 - 画像診断法保守ケアパッケージのシステムおよび方法 - Google Patents

Description

本開示は、一般に、画像システムに関し、より詳細には、画像診断法保守ケアパッケージのシステムおよび方法に関する。

大型機械（たとえば、医療における画像機械、エネルギーにおけるタービン、および輸送におけるエンジン）の製造業者は、現場で使用するためにそのような大型機械をユーザ／顧客に配備する。そのような機械の複雑さのために、いくつかの製造業者は、定期的な保守中に、かつ／または機械が故障および／もしくは停止しているときに機械を補修するために、技術者のチームとともに修理および／または維持サービスを提供する。ユーザが配備された機械に問題を有するとき、ユーザは、問題を記述（たとえば、兆候を提供）して（たとえば、通話、電子メールなどを介して）製造業者に連絡し、機械を修理するために技術者が送られる。さらに、製造業者および／または顧客は、機械が適切に動作していることを検証するために、設定された期間に保守コールをスケジュールすることができる。

欧州特許公開第３１６８７９３号明細書

いくつかの例は、実行されると、機械に画像診断法保守ケアパッケージを提供させる命令を含むコンピュータ可読媒体を提供する。例示的なコンピュータ可読媒体は、画像装置のエラーコードまたは画像装置の識別された問題のうちの少なくとも１つに基づいて、機械にデータベースからの情報にアクセスさせる命令を含む。例示的なコンピュータ可読媒体は、エラーコードまたは識別された問題のうちの少なくとも１つ、およびエラーコードまたは識別された問題のうちの少なくとも１つに対応する以前の解決策に関連する情報に基づいて、機械に画像装置を補修するための解決策を予測させる命令をさらに含む。例示的なコンピュータ可読媒体は、解決策に基づいてカスタマイズされたケアパッケージを機械に生成させる命令をさらに含み、カスタマイズされたケアパッケージは解決策に対応するマニュアルからの関連情報を含む。例示的なコンピュータ可読媒体は、機械にワイヤレス通信を使用してカスタマイズされたケアパッケージを技術者デバイスに送信させる命令をさらに含み、カスタマイズされたケアパッケージは、解決策に従って画像装置の補修のための技術者デバイスを構成する。例示的なコンピュータ可読媒体は、画像装置の補修の完了に応答して、ケアパッケージに対応する技術者デバイスからのプロンプトに対する応答を機械に取得させる命令をさらに含み、プロンプトは画像装置の補修に対応する情報を識別する。例示的なコンピュータ可読媒体は、プロンプトに対する応答に基づいて後続のカスタマイズされたケアパッケージ生成を更新するために、アクセスされた情報、予測された解決策、関連情報、または画像装置のデジタルツインのうちの少なくとも１つを機械に更新させる命令をさらに含む。

いくつかの例は、画像診断法保守ケアパッケージを提供する装置を提供する。例示的な装置は、エラーコードまたは識別された問題のうちの少なくとも１つ、およびエラーコードまたは識別された問題のうちの少なくとも１つに対応する以前の解決策に関連する情報に基づいて、画像装置を補修するための解決策を予測する解決策予測器を含む。装置は、解決策に対応するカスタマイズされたデータ構造を生成するケアパッケージ生成器をさらに含み、カスタマイズされたデータ構造は、画像装置を補修するために自動化された解決策を含む。装置は、ワイヤレス通信を使用して、画像装置または画像装置に接続された修理デバイスの少なくとも１つにカスタマイズされたデータ構造を送信し、画像装置による自動化された解決策の実行に応答して、修理デバイスを使用して画像装置の補修に対応する応答を取得するインターフェースをさらに含む。装置は、応答に基づいて後続のカスタマイズされたケアパッケージ生成を更新するために、アクセスされた情報、予測された解決策、関連情報、または画像装置のデジタルツインのうちの少なくとも１つを更新する情報更新器をさらに含む。

いくつかの例は、画像診断法保守ケアパッケージを提供する方法を提供する。例示的な方法は、画像装置のエラーコードまたは画像装置の識別された問題のうちの少なくとも１つに基づいて、データベースからの情報にアクセスすることを含む。方法は、エラーコードまたは識別された問題のうちの少なくとも１つ、およびエラーコードまたは識別された問題のうちの少なくとも１つに対応する以前の解決策に関連する情報に基づいて、画像装置を補修するための解決策を予測することをさらに含む。方法は、解決策に基づいてカスタマイズされたケアパッケージを生成することをさらに含み、カスタマイズされたケアパッケージは、画像装置を補修するために必要な交換部品または専用ツールのうちの少なくとも１つを含む。方法は、解決策に従って画像装置の補修を容易にするように技術者デバイスを構成するために、ワイヤレス通信を使用してカスタマイズされたケアパッケージを技術者デバイスに送信することをさらに含む。方法は、画像装置の補修の完了に応答して、ケアパッケージに対応するデバイスからのフィードバックを取得することをさらに含む。方法は、フィードバックに基づいて後続のカスタマイズされたケアパッケージ生成を更新するために、アクセスされた情報、予測された解決策、関連情報、または画像装置のデジタルツインのうちの少なくとも１つを更新することをさらに含む。

多数の機械を補修するための機械回復システムを含む例示的な環境を示す図である。 多数の機械を補修するための機械回復システムを含む例示的な環境を示す図である。 図１Ａおよび／または図１Ｂの機械回復システムの例示的な実装形態のブロック図である。 例示的なデジタルツインの図である。 機器の診断および修理を支援する例示的なデバイスを描写する図である。 機器の診断および修理を支援する例示的なデバイスを描写する図である。 機器の診断および修理を支援する例示的なデバイスを描写する図である。 例示的な深層学習ニューラルネットワークモデルの図である。 図１Ａおよび／または図１Ｂの機械回復システムを実装して図１Ａおよび／または図１Ｂの機械からのサービス要求を処理するために実行することができる機械可読命令を表すフローチャートである。 図１Ａおよび／または図１Ｂの機械回復システムを実装してスマート兆候プロセスを実行するために実行することができる機械可読命令を表すフローチャートである。 図１Ａおよび／または図１Ｂの機械回復システムを実装してスマートケアパッケージプロセスを実行するために実行することができる機械可読命令を表すフローチャートである。 図１Ａおよび／または図１Ｂの機械回復システムを実装してスマート派遣を実行するために実行することができる機械可読命令を表すフローチャートである。 図１Ａおよび／または図１Ｂの機械回復システムを実装してスマート検索を実行するために実行することができる機械可読命令を表すフローチャートである。 図６～図１０の命令を実行して図１Ａおよび／または図１Ｂの機械回復システムを実装するように構成された例示的な処理プラットフォームのブロック図である。

図は縮尺通りではない。一般に、図面および添付の書面による説明の全体を通して、同じまたは同様の部分を指すために同じ参照番号が使用される。

限定はしないが、画像システム、タービン、およびエンジンなどの機械のフリートが、広い地理的領域にわたってますます配備されている。医療分野では、磁気共鳴画像法（ＭＲＩ）、コンピュータ断層撮影法（ＣＴ）、核画像法、および超音波などの診断法を含む画像システムが、被験者の医療画像のために病院、診療所、および医療研究機関でますます配備されている。機関車または航空機に配備されたエンジンは、様々な環境条件下で動作する必要がある。発電システムでは、風力タービンまたは水力タービンが設置されて、天然資源からエネルギーを採取する。機械のフリートに属する機械を所有する施設では、最小の故障時間で機械の利用率を最大化することが望ましい。しかしながら、システムの障害および故障は、機械を含むワークフロープロセスを中断し、その利用率を低下させる。

ほとんどの製造業者は、効果的な定期保守ルーチンを提供し、修理サービスに応答するか、または待機するように努力している。予防保守プログラムの改良された能力にもかかわらず、機械は、時々、順番通りでない診断および修理を必要とする問題を発生させる可能性がある。通常、そのような問題は、設置された機械を管理する施設の関係当局によって識別される。識別された問題は、限定はしないが、ウェブフォームを介したテキスト記述およびヘルプラインを介した音声通話などの１つまたは複数のフォーマットのサービス要求として提出される。本明細書で使用される「サービス要求」という用語は、画像システムなどの機械に関連付けられた課題、障害、または問題の記述を指す。課題、障害、または問題は、日常の保守チェック中に、または機械の使用中に、たとえば、技術者またはユーザによって観察することができる。サービス要求は、ユーザインターフェースを介してユーザによって提供されるテキストまたはオーディオメッセージ内の記述であり得、データベースに自動的に格納することができる。

従来、画像システムなどの機械のフリートの中の機械の補修は、現場へのフィールドエンジニアによる部品交換または現地訪問を必要とする可能性がある。フィールドエンジニアによるそのような現地訪問は、通常、そのような訪問を手配する顧客およびシステム製造業者または修理施設の両方にとって費用および時間がかかる可能性がある。遠隔診断および修理は、システムの修理を促進し、そのような現地訪問の必要性を排除または最小化するために使用されることが多い。しかしながら、既存の遠隔診断および修理は、依然として、画像システムの使用および修理施設との連絡を中断する必要性を伴う。また、遠隔診断を使用して障害を識別すると、サービス要求を提出し、サービス要求処理を開始し、現地訪問の要件を識別するために手動介入が必要とされる可能性がある。従来、専門家は、サービス要求に関連する膨大な量のデータを手動で走査し、サービス要求に基づいてサービスオプションに関する決定を行い、かつ／または推奨する必要がある。サービス要求の手動処理は非効率的であり、応答時間に悪影響を及ぼす。精度および応答時間を損なうことなくサービス要求を処理する間の手動オーバーヘッドを削減することが望ましい。

本明細書に開示される例は、従来の技法の問題を解決する機械の保守のためのシステムを提供する。本明細書に開示される例は、固有のワークフロー遅延なしに、または最小の固有のワークフロー遅延で、医療画像システムなどの機械のフリートに属する機械のサービス要求を効率的に処理する。本明細書に開示される例には、（Ａ）機械の顧客定義の兆候を機械の実際の課題／問題に変換するシステム（たとえば、スマート兆候）、（Ｂ）機械を補修する際に有用であり得る的を絞った関連情報を含むリソース（たとえば、技術者、自動化プログラムなど）に提供するケアパッケージを開発するシステム（たとえば、スマートケアパッケージ）、（Ｃ）顧客の要求に基づいてどの技術者が要求を処理するのに最適であるかを判定するシステム（たとえば、スマート派遣）、（Ｄ）識別された機械に対応する機械のフリートを識別して、機械に対応する人工知能モデル（たとえば、深層学習モデルまたは機械学習モデル／デジタルツイン）を使用および／または開発するシステム（たとえば、スマート検索）、ならびに（Ｅ）サービス要求に関する技術者フィードバックを使用して、スマート兆候、スマートケアパッケージ、スマート派遣、およびスマート検索のプロセスを更新および微調整するシステムが含まれる。

図１Ａは、多数の機械からの機械を補修するための環境１００の概略図である。環境１００は、機械回復システム１０２、機械１０４、サービスセンタ１０６、および技術者デバイス１０８を含む。環境１００は１つの機械１０４を含むが、環境は、同じおよび／または異なる位置に配置された複数の機械とともに記述される。

図１Ａの機械回復システム１０２は、機械１０４に対するサービス要求に応答して様々なプロセスを実行し、以前のサービス要求に基づいて知識を構築する。最初に、機械回復システム１０２は、問題が発生したときにサービスセンタ１０６から、かつ／または機械１０４から直接サービス要求を受信する。たとえば、機械１０４のユーザは電話することができ、かつ／または機械１０４は、さもなければサービスセンタ１０６と通信して、機械の問題を識別し、かつ／または機械１０４の兆候を記述することができる。別の例では、ユーザは、機械１０４のユーザインターフェースまたはコンピュータのユーザインターフェースとインターフェースして、機械１０４の補修を要求し、かつ／または兆候を識別することができる。機械回復システム１０２は、要求に基づいて、スマート兆候プロセス、スマートケアパッケージプロセス、スマート派遣プロセス、スマート検索プロセスを実行し、かつ／または機械１０４および多数の機械の中の他の機械からの要求の処理に基づいてデータを更新することができる。スマート兆候プロセスは、識別された兆候を機械の問題に変換する。たとえば、機械１０４のユーザは、機械１０４が遭遇している実際の問題を特定することができない可能性があるが、ユーザは、１つまたは複数の問題に変換され得る兆候を識別することができる。スマートケアパッケージは、カスタマイズされた関連する実用的な情報を技術者デバイス１０８に提供する。カスタマイズされた関連する実用的な情報は、関連するマニュアル／チュートリアル情報、機械情報、必要なツール、交換部品、人工知能モデル（たとえば、深層または機械学習ネットワークモデル／デジタルツイン）情報、予測された問題および／または補修のための解決策などに対応する。機械回復システム１０２は、機械１０４および／または他の機械の以前の補修に対応するデータベース情報に基づいてスマートケアパッケージを生成する。スマート派遣プロセスは、たとえば、場所までの距離、技術者のスキルレベル、技術者の空き状況などを含む様々な要因に基づいて、要求を処理するためにどのリソース（たとえば、技術者、自動修理プログラムなど）を選択するかを判断する。スマート検索システムは、機械１０４のモデル、診断法、製造元、および／またはコンテキスト情報に基づいて、特定の機械１０４に対応する機械のフリートを識別する。フリートは、同じ問題に遭遇する可能性がある同様の機械のグループに対応する。したがって、フリートは、補修中／前に、仮想的に解決策をテストするために使用することができる人工知能モデル／デジタルツインに対応する。さらに、機械１０４のサービス要求の情報は、機械のモデル／デジタルツインに追加して、フリート内の他の機械からの後続のサービス要求のためにモデル／デジタルツインを更新することができる。さらに、機械回復システム１０２は、様々なデータベース（たとえば、企業システム、問題解決データベース（ＰＳＤＢ）、機械ログデータベース、および／または動的システム健全性データベース）内の情報を更新して、機械１０４および多数の機械の中の他の機械の後続のサービス要求のためのスマート兆候、スマートケアパッケージ、スマート派遣、およびスマート検索のプロセスを改良する。機械回復システム１０２は、図２と連携して下記にさらに記載される。

図１Ａの機械１０４は、（たとえば、スケジュールに基づく）定期的な補修または（たとえば、問題の存在に基づく）不定期の補修を必要とする可能性がある画像装置または画像システムである。あるいは、機械１０４は、定期的な補修または不定期の補修を必要とする可能性がある任意のタイプの機械であり得る。たとえば、機械１０４は、画像システム（たとえば、磁気共鳴画像法（ＭＲＩ）、コンピュータ断層撮影法（ＣＴ）、Ｘ線、核画像法、または超音波など）、タービン（たとえば、風力タービン、水力タービンなど）、エンジン（たとえば、機関車エンジン、航空機エンジンなど）、情報システム（たとえば、画像ワークステーション、ピクチャ保管通信システム、放射線情報システム、画像アーカイブ、電子医療記録システムなど）などであり得る。機械１０４が問題に遭遇すると、ユーザは、コンピュータを介して、電話（たとえば、通話もしくはテキストメッセージ）を介してサービス要求を送信することができ、かつ／または機械１０４自体は、エラーもしくは予期しない結果が発生したときにサービス要求を送信することができる。サービス要求は、サービスセンタ１０６に、かつ／または直接機械回復システム１０２に送信することができる。いくつかの例では、サービス要求からのキーワードを抽出および処理して、機械１０４の兆候および／または問題を識別することができる。いくつかの例では、機械回復システム１０２は、起こり得る問題を除去するために、機械１０４のユーザに（たとえば、直接またはサービスセンタ１０６を介して）極めて特徴的な兆候を送信することができる。

図１Ａの技術者デバイス１０８は、技術者および／もしくは他のリソースが、スケジュールを管理し、サービス要求を受信し、サービスされる１つもしくは複数の機械に関連する情報を検索し、エラーコード、兆候、問題、および／もしくは解決策を識別し、（たとえば、人工知能モデルを使用して）機械１０４をモデル化して修理を支援し、かつ／または画像装置とインターフェースして追加のデータを取得し、かつ／もしくはデータを確認するために使用することができるコンピューティングデバイス（たとえば、ラップトップ、スマートフォン、タブレット、ヘッドセットなど）である。例示的な人工知能モデルの実装形態は、図３および／または図５と連携して下記にさらに記載される。機械回復システム１０２は、技術者または他のリソースが要求を処理するのに役立つことができる関連情報を含むカスタムケアパッケージを提供する。ケアパッケージは、たとえば、問題に対処する際にリソース（たとえば、技術者、自動サービス修理プログラムなど）および／または機械１０４を診断、改善、および／または支援するために、１つまたは複数の診断および／または修理アプリケーション、知識ベース情報、ツール、スクリプト、ルーチン、ワークフロー、データベース、人工知能モデル（たとえば、デジタルツイン）などを含むことができる。

図１の技術者デバイス１０８がデジタルツインにアクセスできるとき、技術者デバイス１０８（たとえば、自動的に）および／または技術者デバイス１０８のユーザは、デジタルツイン上で異なるサービス技法を実施（たとえば、仮想動作を実行、仮想命令を実行など）して、修理中に発生する可能性がある潜在的な問題を識別し、かつ／または修理中に発生した予期しないエラーを識別することができる。さらに、リソースが機械１０４を修理した後、リソースは、技術者デバイス１０８を介してサービス要求が完了したことを示すことができる。そのような指示の後、機械回復システム１０２は、技術者デバイス１０８にアンケートを送信して、サービス要求および／またはケアパッケージに対応する情報を取得する。追加または代替として、技術者デバイス１０８は、サービスが完了すると自動的にアンケートを技術者に出力し、機械回復システム１０２に結果を送信することができる。いくつかの例では、技術者デバイス１０８は、機械１０４と（たとえば、直接またはワイヤレス通信を介して）インターフェースして、機械１０４が補修される前、間、および／または後にデータを収集することができる。そのようなデータは、（たとえば、別個に、かつ／またはフィードバック応答の一部として）機械回復システム１０２に送信することができる。アンケート結果（たとえば、フィードバック）および／または取得されたデータは、将来のケアパッケージ、派遣、機械検索、診断（たとえば、スマート兆候プロセス）などを最適化し、データベースを更新して、後続のサービス要求に対するより良い推奨を提供し、かつ／または同様の機械の将来の問題を識別するために、機械回復システム１０２の人工知能モデルによって使用することができる。例示的な技術者デバイス１０８の実装形態は、図４Ａ～図４Ｃと連携して下記にさらに記載される。

いくつかの例では、技術者デバイス１０８は、（たとえば、デバイス間の修理のために、かつ／または技術者の修理を容易にするために）修理デバイスとして実装することができる。たとえば、技術者デバイス１０８は、機械１０４に命令を送信して、診断を実行し、情報を収集し、かつ／またはデバイス１０８を修理するために、（たとえば、有線またはワイヤレス接続を介して）機械１０４とインターフェースすることができる。たとえば、技術者デバイス１０８は、（たとえば、遠隔修理のために）機械１０４に命令をプッシュするサーバまたは他のネットワーク接続デバイスであり得る。命令は、機械１０４に、新しいバージョンのコードをロードさせ、コードパッチを適用させ、機械を再起動させ、かつ／または機械１０８を修復する他のプロセスを実行させることができる。

図１Ｂは、図１の例示的な環境１００内で実行され得る情報および／またはプロセスを示す。図１Ｂは、図１Ａの機械回復システム１０２、機械１０４、サービスセンタ１０６、および技術者デバイス１０８を含む。図１Ｂは、例示的なデータベースシステム１１０、１１２、例示的な機械接続プロセス１１４、および例示的なサービスデバイスワークフロー１１６をさらに含む。例示的なサービスデバイスワークフロー１１６は、例示的なプロセス１１８、１２２、１２４、１２６、１２８を含む。

最初に、図１Ｂのサービスセンタ１０６は、（たとえば、電話、コンピューティングデバイス、および／または機械１０４自体を介して）機械１０４および／または機械１０４のユーザからサービス要求を受信する。サービス要求は、機械１０４が有する問題に対応することができる。いくつかの例では、サービス要求は、機械回復システム１０２によって直接受信される。サービス要求が受信されると、潜在的な解決策が何であるかを特定するためにサービス要求が分析される。いくつかの例では、機械回復システム１０２は、企業システム１１０および／またはサービスシステム１１２からのデータベース情報を利用して、（たとえば、初期コンテキストに対応する）機械１０４に関連する特定のデータを識別する。さらに、機械回復システム１０２は、以前のサービス要求に対応する知識に基づいて、サービス要求に対応する潜在的な解決策、デジタルモデル、および／または関連情報を開発する。初期コンテキストおよび以前の知識からの情報は、機械１０４を修理するために必要な解決策および／または情報に対応する関連するカスタマイズされたデータを提供するために技術者デバイスによって実行されるスマートケアパッケージの一部として、技術者デバイス１０８に送信することができる。

上述されたように、技術者デバイス１０８は、機械１０４を補修する際に技術者デバイス１０８および／または技術者デバイス１０８を利用するリソースを支援することができる情報に対応するケアパッケージを取得する。いくつかの例では、プロセス１１４に示されたように、技術者デバイス１０８は機械１０４に接続されて、システムログ、継続的なシステム健全性、および／または機械１０４に対応する他の分析を取得することができる。そのようなデータは、サービスが完了する前、サービス中、および／またはサービスが完了した後に取得されてよい。そのようなデータ（たとえば、機械データまたは画像装置データ）は、サービスセンタ１０６および／または機械回復システム１０２に送信されて、将来のサービス要求のためのより正確な解決策データ、より正確なケアパッケージ情報、および／またはより良好なリソース割当て（たとえば、派遣）を生成するために利用され得る追加情報を提供することができる。そのようなデータは、技術者デバイス１０８からのアンケートデータとともに、デバイスワークフロー１１６の一部としてサービスセンタ１０６に送信されてよい。

デバイスワークフロー１１６に示されたように、各プロセス１１８、１２０、１２４、１２６、１２８は、将来のサービス要求のためのサービスセンタ１０６の知識を作成および／または改善するために使用され得るデータに対応する。たとえば、レビュープロセス１１８の間に、機械１０４の問題をトリアージおよび／または診断するために使用され得る機械１０４に対応する情報が収集されてよい。サービスセンタ１０６は、そのようなデータを使用して、機械の兆候、エラーコード、問題などと、機械１０４を修理するために必要な解決策、ケアパッケージ、および／または他の情報との間の関連を引き出すことができる。トリアージプロセス１２０の間に、たとえば、重大なエラーまたは重大でないエラーに対応する問題、兆候などに対応する情報を取得することができる。そのような情報は、リソースを派遣するのに役立つことができる。診断プロセス１２２の間に、たとえば、将来のサービス要求に対して診断プロセスを最適化するために、デジタルツイン、以前の問題解決策、実施された動作などに対応する情報をサービスセンタ１０６が取得することができる。トラブルシューティングプロセス１２４の間に、たとえば、将来のサービス要求に対して、どの技法が機能したか、または機能しなかったかを判定するために、トラブルシューティング技法に対応する情報をサービスセンタ１０６が取得することができる。解決／修理／派遣プロセス１２６の間に、たとえば、問題解決データベースに格納された問題解決情報を更新するために、サービスセンタ１０６が解決情報を取得することができる。結果報告／終了プロセス１２８の間に、たとえば、技術者デバイス１０８からのアンケート結果情報をサービスセンタ１０６が取得することができる。そのような情報は、将来のサービス要求に対してサービスセンタ１０６のプロセスを更新するために使用されてよい。

図２は、図１Ａおよび／または図１Ｂの機械回復システム１０２の例示的な実装形態のブロック図である。機械回復システム１０２は、スマート兆候システム２０２、スマートケアパッケージシステム２０４、スマート派遣システム２０６、スマート検索システム２０８、および回復更新器システム２１０を含む。機械回復システム１０２は、配備された機械、サービスセンタ１０６、および／または技術者デバイス（たとえば、技術者デバイス１０８）とインターフェースするデバイスインターフェース２１２、ならびに企業システムデータベース２１６、機械ログデータベース２１８、問題解決データベース２２０、および動的システム健全性データベース２２２とインターフェースするデータベースインターフェース２１４をさらに含む。スマート兆候システム２０２は、兆候プロセッサ２２４およびフィルタ２２６を含む。スマートケアパッケージシステム２０４は、ケアパッケージ生成器２２８および解決策予測器２３０を含む。スマート派遣システム２０６は、遠隔命令実行部２３２、技術者選択器２３４（たとえば、リソース選択器）、および重み乗算器２３６を含む。スマート検索システム２０８は、機械識別器２４０およびモデル生成器２４２を含む。回復更新器システム２１０は、アンケート生成器２４４および情報更新器２４６を含む。

図２のスマート兆候システム２０２は、誤動作している機械１０４の兆候をエラーコードおよび／または識別された問題に変換する。たとえば、機械が誤動作したとき、機械１０４のオペレータは、問題を識別することができない場合がある。むしろ、オペレータは、誤動作した機械に対応する兆候を識別することのみができる。追加または代替として、機械１０４は、（たとえば、機械ログデータベース２１８に格納される）機械の特定の部分に対応するエラーコードを生成することができるが、問題自体を識別することはできない。スマート兆候システム２０２は、ユーザ識別および／または機械識別された兆候に基づいて、機械１０４の問題および／またはエラーコードを識別する。スマート兆候システム２０２は、下記にさらに記載されるように、兆候プロセッサ２２４およびフィルタ２２６を含む。

図２のスマートケアパッケージシステム２０４は、機械の修理を支援する技術者および／またはリソース用のスマートケアパッケージを生成する。たとえば、問題が識別されると、スマートケアパッケージシステム２０４は、問題を解決する方法、問題を解決するのに役立つことができる情報、問題を解決するために必要なツール、問題を修正するために必要であり得る交換部品、可能な修正をモデル化するために技術者が使用できるモデルなどを示す。ケアパッケージシステム２０４は、ケアパッケージを生成して、機械の修理中／修理前に使用するための情報を技術者のデバイスに提供する。スマートケアパッケージシステム２０４は、下記にさらに記載されるように、ケアパッケージ生成器２２８および解決策予測器２３０を含む。

図２のスマート派遣システム２０６は、機械の問題を修正するためにリソース（たとえば、技術者、自動修理プログラムなど）をどのように派遣するかを決定する。たとえば、スマート派遣システム２０６は、機械を修理するために必要なスキル、補修／確認される必要もあり得る臨床ワークフロー内の他の機械、修理の重要度、要求を処理するために利用可能であるべき技術者または他のリソースの数、修理現場までの距離、解決策を遠隔で実行できるかどうかなどを調べて、機械を修理するために派遣する最適な技術者／リソースを選択することができる。スマート派遣システム２０６は、リソースとして技術者と連携して記術することができるが、他のリソースをスマート派遣プロセスに含めることができる。たとえば、スマート派遣システム２０６は、機械１０４上の命令を実施して、ソフトウェアパッチ、再起動などを使用して機械を修理するために、自動修理プログラムをリソースとして利用することができると判断することができる。リソースは、たとえば、機械１０４および／または他の接続された構成要素の診断および／または修理を容易にするために機械１０４に接続することができる、ラップトップコンピュータ、タブレットコンピュータ、スマートフォン、他のハンドヘルド技術者デバイスなどのコンピューティングデバイスを含むことができる。スマート派遣システム２０６は、下記にさらに記載されるように、遠隔命令実行部２３２、技術者選択器２３４、および重み乗算器２３６を含む。

図２のスマート検索システム２０８は、コンテキスト情報に基づいて（たとえば、機械１０４に対応する取得された情報を企業システムデータベース２１６内の格納された情報と比較することによって）機械を識別し、かつ／または識別された機械が同様の機械および／もしくは同様の環境に配備された機械のフリートに対応するかどうかを識別し判定する。スマート検索２０８は、機械のフリートと同様のパラメータに基づいて人工知能モデル（たとえば、デジタルツイン／モデル）を選択および／または生成し、フィードバックを使用して、後続の機械の問題に対するより正確で効率的な診断／派遣／パッケージ生成のためのフィードバック情報に基づいて人工知能モデルを更新することができる。さらに、スマート検索２０８は、フリートの問題を追跡して、（たとえば、今後の問題および／または任意の他の全体的なシステム統計分析を識別するために）プリエンプティブサービスの共通問題にフラグを立てる。スマート検索２０８は、下記にさらに記載されるように、機械識別器２４０およびモデル生成器２４２を含む。

図２の更新器システム２１０は、サービス要求が完了すると、決定されたエラーコードおよび／または技術者／リソースからのフィードバックに基づいて、問題解決データベース２２０、動的システム健全性データベース２２２、スマートケアパッケージのレイアウトおよび／もしくは表示された情報、ならびに／または任意の他のデータベースに格納された情報を更新する。さらに、更新器システム２１０は、技術者／リソースのフィードバックに基づいて、人工知能モデルを使用して本明細書に開示されたプロセスによって使用される様々な情報を更新することができる。機械回復システム１０２は、たとえば、ニューラルネットワークを使用して以前の機械サービスに基づいて、後続の診断、ケアパッケージ、モデル／デジタルツイン、派遣などを改善することができるように、以前の機械サービスに対応する知識を構築する。更新器システム２１０は、下記にさらに記載されるように、アンケート生成器２４４および情報更新器２４６を含む。

図２のデバイスインターフェース２１２は、機械１０４および／またはサービスセンタ１０６とインターフェースする構造的構成要素である。たとえば、配備された機械の１つに問題がある場合、機械１０４は、有線またはワイヤレスのネットワーク通信を介して、問題／エラーに対応する情報を直接デバイスインターフェースに自動的に送信することができる。追加または代替として、機械１０４は、ユーザが問題および／またはエラー情報をサービスセンタ１０６に、かつ／または直接デバイスインターフェース２１２に送信するためのインターフェースを含むことができる。いくつかの例では、機械１０４のユーザは、機械１０４が適切に機能していないと判断し、サービスセンタ１０６に電話することができる。そのような例では、サービスセンタ１０６は、デバイスインターフェース２１２に送信される機械１０４および／または機械１０４の兆候に関する情報を入力するユーザまたはプロセッサを含むことができる。さらに、デバイスインターフェース２１２は、選択された技術者デバイス（たとえば、技術者デバイス１０８）にケアパッケージを送信して、技術者／リソースにサービス要求を警告し、機械のサービスに必要な情報に対応するスマートケアパッケージを技術者／リソースに提供する。デバイスインターフェース２１２はまた、技術者デバイス１０８にアンケート情報を送信して、サービスが完了した後に技術者／リソースからフィードバックを取得することができる。応答は、技術者デバイス１０８からデバイスインターフェース２１２を介して受信される。

図２のデータベースインターフェース２１４は、データベース２１６、２１８、２２０、２２２とインターフェースする構造的構成要素である。いくつかの例では、データベースインターフェース２１４は、ワイヤレスネットワーク通信を介してデータベース２１６、２１８、２２０、２２２のうちの１つまたは複数から情報を取得する。機械回復システム１０２は、データベース２１６、２１８、２２０、２２２内の情報に基づいて、スマート兆候を実行し、スマートケアパッケージを生成し、スマート派遣を開始し、スマート検索を実行することができる。いくつかの例では、データベースインターフェース２１４は、１つまたは複数のデータベース２１６、２１８、２２０、２２２とインターフェースして、技術者および／またはリソースからの識別されたエラーコードおよび／またはフィードバック情報に基づいてデータベース２１６、２１８、２２０、２２２内の情報を更新する。

図２の企業システムデータベース２１６は、システム識別子、顧客サイトおよびレイアウト、契約保証、資産位置、および／または他のコンテキスト情報などに対応するデータを格納する１つもしくは複数のデータベースおよび／または他のデータストア／メモリである。企業システムデータベース２１６内の情報は、顧客が機械を設置するときに最初に入力することができ、機械の情報に対する更新に基づいて定期的または不定期に更新することができる。企業システムデータベース２１６は、ローカルに配置することも、リモートに配置することもできる。たとえば、機械は、ワイヤレスネットワーク通信を介してデータベースインターフェース２１４と通信する企業システムを含むことができ、または機械１０４は、企業システムデータベース２１６に企業システム情報を定期的または不定期に送信することができる。機械回復システム１０２は、スマート検索プロセス、スマート兆候プロセス、および／またはスマート派遣プロセスと連携して、そのような企業システム情報を使用する。企業システムデータベース２１６は、すべての配備された機械の情報のための１つのデータベースであってもよく、企業システムデータベース２１６は、顧客、場所、フリート、タイプなどに対応する複数のデータベースであってもよい。機械回復システム１０２は、そのようなコンテキスト情報を使用して、サービス履歴データおよびユーザからの問題の記述から兆候認識を決定する。さらに、機械回復システム１０２は、特定の顧客サイト／地理的領域（たとえば、郵便番号、近隣、住所など）について企業システムデータベース２１６に入力された特定の機械のデータベース情報を使用して、技術者／リソースを最適に派遣する方法を決定することができる。

図２の機械ログ２１８は、たとえば、配備された機械の機械ログ、システム健全性情報、識別子、エラートレース、利用情報、および使用情報に対応するデータを格納する１つもしくは複数のデータベースおよび／または他のデータストア／メモリである。機械ログ２１８内の情報は、配備された機械によって提供される。機械ログ２１８は、ローカルに配置することも、リモートに配置することもできる。たとえば、機械１０４は、ワイヤレスネットワーク通信を介してデータベースインターフェース２１４と通信する機械１０４に機械ログを含むことができ、または機械１０４は、オフサイトの機械ログデータベースに機械ログ情報を定期的もしくは不定期に送信することができる。機械ログ２１８は、すべての配備された機械の情報のための１つのデータベースであってもよく、機械ログ２１８は、顧客、場所、フリート、タイプなどに対応する複数のデータベースであってもよい。機械回復システム１０２は、スマート検索プロセス、スマートケアパッケージプロセス、および／またはスマート兆候プロセスと連携して、そのような機械ログ情報を使用する。たとえば、機械回復システム１０２は、ユーザが特定のシステム問題を記述するためにこれまで使用してきた情報を機械ログと相関させて、機械の問題を識別するために効果的なスマート兆候を開発することができる。さらに、機械回復システム１０２は、問題が識別されたときに機械ログ情報を調べて相関を識別することにより、システム問題を固有の問題またはフリートレベルの問題として識別することができる。

図２の問題解決データベース２２０は、以前に完了したサービス要求からのアンケートデータに基づく以前の問題および解決策の相関に対応するデータを格納するデータベースおよび／または他のデータストア、メモリなどである。問題解決データベース２２０は、ローカルに配置することも、リモートに配置することもできる。問題解決データベース２２０は、すべての配備された機械の情報のための１つのデータベースであってもよく、問題解決データベース２２０は、顧客、場所、フリート、タイプなどに対応する複数のデータベースであってもよい。機械回復システム１０２は、スマートケアパッケージプロセスおよび／またはスマート派遣プロセスと連携して、そのような問題解決情報を使用する。たとえば、機械回復システム１０２は、以前のアンケート情報に基づいて、必要なマニュアルセクション、必要な交換部品、および／または特定の問題に必要なツールを識別して、スマートケアパッケージを開発することができる。さらに、機械回復システム１０２は、問題がフリート問題として分類され得るか、固有問題として分類され得るにかかわらず、スマート派遣プロセスとともに問題解決情報を利用することができる。

図２の動的システム健全性データベース２２２は、（たとえば、同様の機械、識別された問題などと比較して機械の経年に対応する）配備された機械の健全性に対応するデータを格納するデータベースおよび／または他のデータストア、メモリなどである。動的システム健全性データベース２２２は、ローカルに配置することも、リモートに配置することもできる。動的システム健全性データベース２２２は、すべての配備された機械の情報のための１つのデータベースであってもよく、動的システム健全性データベース２２２は、顧客、場所、フリート、タイプなどに対応する複数のデータベースであってもよい。機械回復システム１０２は、スマートケアパッケージプロセスおよび／またはスマート兆候プロセスと連携して、そのような動的システム健全性情報を使用する。たとえば、機械回復システム１０２は、サービス要求がレビューされているときに機械の動的健全性を監視して、スマートログおよびスマート兆候に影響を及ぼすより良い機能を提供することができる。機械の現在の健全性を調べることにより、問題を解決するために必要な実際の問題および／またはケアパッケージに対して、機械回復システム１０２によってより良い判断を下すことができる。たとえば、ほぼリアルタイムで機械加工データを分析するバックグラウンドデーモンプロセスを実行し、それに応じて動的システム健全性データベース２２２内のシステム健全性を更新することにより、機械のシステム健全性を監視することができる。

図２の兆候プロセッサ２２４は、機械１０４および／またはサービスセンタ１０６から識別された兆候を受信し、識別された兆候に対応する（たとえば、問題データベース２２７のデータに対応する）既知の問題情報、機械ログ、機械情報、および動的健全性情報を使用して、問題解決情報に基づいて識別された兆候に対応する課題／問題および／またはエラーコードを識別する。たとえば、機械のユーザから兆候が受信されると、兆候プロセッサ２２４は、対応する機械の健全性、機械情報、および機械ログを使用して、識別された兆候に対応するエラーコード／問題を識別する。エラーコード／問題のセットを低減するために、兆候プロセッサ２２４は、ユーザが機械内に極めて特徴的な兆候が存在するか否かを識別するためのプロンプトを送信することができる。極めて特徴的な兆候は、セットのエラーコード／問題のうちの１つまたは複数の中にあり、セットの１つまたは複数のエラーコード／問題の中にない兆候である。たとえば、セット内のすべてのエラーコード／問題に共通する兆候は、極めて特徴的な兆候ではない。追加または代替として、兆候プロセッサ２２４は、デバイスインターフェース２１２を介して直接デバイスとインターフェースして、極めて特徴的な兆候が機械内に存在するか否かを識別するために１つまたは複数のプロセスを実行することができる。

追加または代替として、図２の兆候プロセッサ２２４は、（たとえば、デバイスインターフェース２１２を使用して直接的に、かつ／または技術者デバイス１０８などを介して間接的に）機械１０８とインターフェースして、機械１０４の出力データ（たとえば、機械１０４によって撮影された写真など）を取得することができる。そのような例では、兆候プロセッサ２２４は、画像装置によって取得された画像を処理して、画像上に見つかったアーチファクト（たとえば、欠陥）を識別することができる。兆候プロセッサ２２４は、識別された欠陥を使用して、問題、問題の原因、および／または追加の兆候を識別することができる。たとえば、兆候プロセッサ２２４は、識別された欠陥に基づいて、十分な放射線がない、放射線が多すぎると判断し、検出器の故障、位置ずれの問題などを識別することができる。いくつかの例では、兆候プロセッサ２２４は、識別された問題、問題の原因、および／または欠陥に関連する兆候を（たとえば、例示的な問題解決データベース２２０などに格納された）以前の問題解決情報と比較して、問題が構成および／または設計上の欠陥に対応するかどうかを判定することができる。そのような例では、兆候プロセッサ２２４は、機械１０８、（たとえば、テキスト、電子メールなどを介して）機械１０８のユーザ、システム管理者などに警告を送信して、設計上の欠陥を識別することができる。さらに、機械識別器２４０は、フリート情報を更新し、かつ／または設計上の欠陥を識別するために同様の機械に対する警告を生成することができる。

極めて特徴的な兆候が機械に存在するかどうかを識別するプロンプトに対する応答があると、図２のフィルタ２２６は、極めて特徴的な兆候が存在するか否かに基づいて、問題データベース２２７から問題のセットをサブセットに除外することができる。たとえば、セットのエラーコード／問題の前半が極めて特徴的な兆候に対応し、セットのエラーコード／問題の後半が極めて特徴的な兆候に対応しないとき、フィルタ２２６は、プロンプトに対する応答が機械に極めて特徴的な特徴が存在するか否かを識別したかどうかに基づいて、セットの前半またはセットの後半を除外してサブセットを生成する。

図２の問題データベース２２７は、既知の問題のリストを格納する。さらに、問題データベース２２７は、既知の問題に対応するエラーコードおよび／または兆候を格納する。いくつかの例では、技術者／リソースによって新しい問題が識別されると、技術者デバイス１０８の技術者／リソースおよび／または技術者デバイス１０８自体は、技術者デバイス１０８を介して新しい問題に対応する情報を入力することができ、問題データベース２２７は、新しい問題ならびに対応するエラーコードおよび／または兆候を含むように格納されたデータを更新する。追加または代替として、機械１０４は、問題データベース２２７が新たな問題として格納することができる新しいエラーコードおよび／またはエラーコードの新しい組合せを送信することができる。追加または代替として、マネージャ／システムコーディネータは、追加の問題ならびに対応するエラーコードおよび／または兆候を問題データベース２２７に追加することができる。

図２のケアパッケージ生成器２２８は、要求元の機械に関してサービス技術者／リソース向けにカスタマイズされたケアパッケージを生成する構造的構成要素である。ケアパッケージ生成器２２８は、最初に、識別された解決策、機械情報などに基づいてカスタマイズすることができる、空白フィールドを含むテンプレートケアパッケージを有する。たとえば、補修される機械１０４の位置／タイプが既知であるとき、ケアパッケージ生成器２２８は、機械１０４の位置に対応する地図および機械のタイプに対応する情報を含むことができる。さらに、ケアパッケージ生成器２２８は、下記にさらに記載されるように、１つもしくは複数の識別されたエラーコードまたは解決策予測器２３０によって予測された１つもしくは複数の解決策に基づいて、より詳細でかつ／または関連する情報を提供することができる。たとえば、解決策が機械の特定の部品に関連する解決策に対応すると解決策予測器２３０が判断すると、ケアパッケージ生成器２２８は、機械１０４の特定の部品に関連するマニュアル情報、機械を補修するために必要とされ得る交換部品、ならびに／または特定の部品および／もしくは特定の解決策を補修するために必要とされ得る特別なツールを含むことができる。特別なツールは、通常、すべての技術者によって携行されているわけではないツール（たとえば、特定の場所に含めることができ、サービス要求に持ち込まれる必要があるツール）であり得る。ケアパッケージ生成器２２８は、問題解決データベース２２０に格納することができる以前のサービス要求の技術者からのフィードバックに基づいて、機械１０４を補修するために交換部品が必要であるかどうかを判定することができる。いくつかの例では、ケアパッケージ生成器２２８は、識別された機械に対応するデジタルツインおよび／またはネットワークモデル（たとえば、１つまたは複数の人工知能モデル）を含むことができる。デジタルツインおよび／または人工知能モデルを使用すると、技術者は、機械１０４を補修する前にモデルおよび／またはデジタルツインを仮想的にテストして、技術者の動作が機械を修理することを保証する助けになることができる。いくつかの例では、ケアパッケージ生成器２２８が解決策のうちの１つまたは複数を遠隔で実行することができると判断すると、ケアパッケージ生成器２２８は、遠隔で機械１０４を補修する方法に関する指示および／または遠隔で機械１０４を補修するためにデバイスに送信することができるコードをケアパッケージ内に含むことができる。

図２の解決策予測器２３０は、問題解決データベースおよび／またはシステム健全性情報内の情報と連携して、識別されたエラーコード／問題に基づいて解決策を予測する構造的構成要素である。たとえば、解決策予測器２３０は、以前のアンケートで技術者によって識別された以前の解決策に基づいて他の機械にエラーコード／問題を接続することにより、デジタルツイン／モデルでエラー／問題を適用し、潜在的な解決策をシミュレートすることにより、（たとえば、同様のモデル、同様のコンテキスト情報、同様のフリート情報、同様のコンテキスト情報などに基づいて）他の機械内で同様のエラーコード／問題を識別することにより、かつ／または機械のシステム健全性に基づいて、潜在的な解決策を識別することができる。追加または代替として、解決策予測器２３０は、問題解決情報および／またはシステム健全性情報でエラーコードおよび／または問題を変換して解決策を予測するために、（たとえば、図５のニューラルネットワーク５００などの）ニューラルネットワークを実装することができる。そのような例では、ニューラルネットワークは、以前のサービス要求データを使用して訓練されてよい。解決策予測器２３０は、識別された解決策に基づいてケアパッケージをカスタマイズするために、ケアパッケージ生成器２２８に識別された解決策を送信する。

図２の遠隔命令実行部２３２は、（たとえば、デバイスインターフェース２１２を介して）機械１０４に命令を送信して、遠隔で問題を修正しようと試みる構造的構成要素である。たとえば、ケアパッケージが潜在的な遠隔解決策に対応する命令を含むとき、遠隔命令実行部２３２は、自動的に、または技術者からの命令に基づいて、デバイスインターフェース２１２を介してデバイスに命令を送信することができる。したがって、デバイスは、命令を実行して、遠隔サービスが機械を修理したかどうかを確認することができる。そのような遠隔命令は、ソフトウェア更新、再起動命令、パッチ、修正などを含むことができる。

図２の技術者選択器２３４は、複数の要因に基づいて要求を処理する技術者を選択する構造的構成要素である。技術者および技術者の関連情報は、下記にさらに記載されるように、技術者データベース２３８に格納される。いくつかの例では、技術者選択器２３４は、（たとえば、エラーコード／問題の重大度に基づいて、かつ／または病院内の代替機械の可用性に基づいて）サービス要求が重大であるか否かを判定することができる。サービス要求が重大であるとき、技術者選択器２３４は、（たとえば、技術者の空き状況および機械に対する技術者の位置に基づいて）機械１０４を補修するために直ちに利用可能な一人または複数の技術者のみを選択する。いくつかの例では、サービス要求が重大であるとき、技術者選択器２３４は、機械までの技術者の距離を特定するときに、サービス要求に必要なツール／交換部品を考慮に入れることもできる。たとえば、サービス要求が特定の場所にある特別なツール／交換部品を必要とするとき、技術者選択器２３４は、特別なツール／交換部品の場所までの技術者の距離を考慮に入れる。追加または代替として、技術者選択器２３４は、技術者の重みに基づいて要求を処理する一人または複数の技術者を選択する。技術者の重みは、技術者がサービス要求にどれだけうまく適合するかに対応し、下記にさらに記載されるように、重み乗算器２３６を使用して決定される。いくつかの例では、技術者選択器２３４は、臨床ワークフローを分析して、補修されるべき、（たとえば、問題の一部であり得る）すぐに補修される必要がある、またはデータベース２１６、２１８、２２０、２２２からの情報に基づいて問題を有する可能性がある追加の機械が存在するかどうかを確認する。いくつかの例では、技術者選択器２３４は、上記の入力／リソース特性に基づいて１つまたは複数のリソースを選択するために、ニューラルネットワーク（たとえば、図５の例示的なニューラルネットワーク５００）を実装することができる。そのような例では、ニューラルネットワークは、例示的な技術者データベース２３８のリソースおよび／または以前のサービス要求データに基づいて訓練されてよい。

図２の重み乗算器２３６は、サービス要求に利用可能な技術者を重み付けする構造的構成要素である。たとえば、重み乗算器２３６は、利用可能な技術者ごとに初期重みを設定することができる。重み乗算器２３６は、様々な要因に基づいて初期重みを調整する。たとえば、要因は、技術者が処理することが可能なサービス要求の機械の数、技術者のスキルレベル、技術者が現在所有しているツール、（たとえば、デバイス１０８を使用する技術者によって識別することができる）技術者が現在所有している交換部品、必要に応じて追加のツールをピックアップするために距離を考慮したサービスサイトまでの距離、技術者の空き状況などに対応することができる。要因ごとの重み調整量は、ユーザ、製造業者、または顧客の嗜好に基づくことができる。

図２の技術者データベース２３８は、利用可能な技術者および／または利用可能なリソース、技術者のスケジュール、技術者のスキルレベル、技術者および／または他のリソースが補修することができる機械のタイプ、技術者が現在所有しているツールおよび／または交換部品、技術者の位置などに対応する最新情報を含むデータベースである。利用可能な技術者／リソースのセットは、技術者データベース２３８に格納された情報に基づいてフィルタリングおよび重み付けすることができる。たとえば、問題を遠隔で修正することができない場合、自動化されたリソースおよび／または命令／ソフトウェアベースのリソースが除外されてよい。技術者情報は、定期的に、不定期に、かつ／またはリアルタイムもしくはほぼリアルタイムで、（たとえば、デバイスインターフェース２１２を介して）技術者デバイス１０８からの情報に基づいて更新することができる。

図２の機械識別器２４０は、機械を識別し、識別された機械を機械のフリートと関連付ける構造的構成要素である。たとえば、機械識別器２４０は、機械１０４によって提供される機械識別子（たとえば、画像装置識別子など）に基づいて機械１０４を識別することができ、かつ／または機械１０４のユーザもしくは機械識別器２４０は、コンテキスト情報に基づいて（たとえば、機械の位置、機械のタイプ、多数の機械に対応するデータベース情報などを、企業システムデータベース２１６の格納されたシステム情報と比較することにより）、機械１０４を識別することができる。いくつかの例では、機械識別器２４０は、画像処理技法を使用して、ユーザによって提出された写真、機械１０４によって撮影された写真、技術者デバイス１０８によって撮影された写真などに基づいて、機械１０４を識別することができる。そのような例では、機械識別器２４０は、画像の特性を基準画像と比較して、（たとえば、画像内で識別されたその特性に基づいて特定の機械１０４を識別すること、写真に取り込まれた機械１０４を取り囲む環境の特徴に基づいてその位置を識別することなどにより）、一致する基準画像および／または機械の写真に基づいて決定された位置に基づいて機械１０４を識別することができる。識別子が特定されると、機械識別器２４０は、識別子をデータベース（たとえば、企業システムデータベース２１６など）に格納された機械情報と比較することにより、識別された機械の製造元、モデル、診断法、および／または他の情報を特定する。さらに、機械識別器２４０は、対応する機械のフリートが存在するかどうかを判定する。いくつかの例では、機械識別器２４０は、識別された機械に基づいてフリートを識別するために、ニューラルネットワーク（たとえば、図５の例示的なニューラルネットワーク５００）を実装することができる。そのような例では、ニューラルネットワークは、多数の機械に対応する機械情報に基づいて訓練されてよい。機械のフリートは、同様のコンテキスト情報を有する機械のグループに対応する。機械のフリートは、同様の場所、同様のモデル、同様のタイプ、同様の気候、同様の経年、同様の特徴などの任意の組合せに対応することができる。いくつかの例では、機械は複数の異なるフリートに対応することができる。各フリートは、（たとえば、テスト目的のための）技法を適用し、かつ／またはどの解決策が問題を解決できるかを識別するためのフリートに対応する人工知能モデル（たとえば、ニューラルネットワークモデル、デジタルツイン、および／または他の機械／深層学習構築物など）を有することができる。さらに、機械識別器２４０は、フリート間の共通の問題を格納し、フラグを立てることができる。たとえば、フリート内の機械の間で問題が発生すると、機械識別器２４０は、問題、ならびに問題が発生したとき、問題が発生したときに機械１０４が動作可能であった時間、最後の補修からの時間などを格納することができる。機械識別器２４０が、同じフリート内で同じ問題がしきい値回数を超えて発生したと判断すると、機械識別器２４０は、問題にフラグを立て、フラグに対応する警告を送信して、問題がフリートの他の機械で発生する可能性があることを識別することができる。たとえば、機械識別器２４０が、フリート内の３台の機械がすべて３年間の動作後に同じ問題に遭遇したと判断すると、機械識別器２４０は、約３年間動作していたフリート内の任意の機械に関する警告を送信することができる。さらに、機械識別器２４０は、例示的な機械回復システム１０２の他のプロセスによって識別された問題（たとえば、設計上の欠陥など）に基づいて、フリート情報を更新し、かつ／または同様の機械への警告を生成することができる。

図２のモデル生成器２４２は、デバイスがフリートのうちの１つに対応しない（たとえば、すでに利用可能な人工知能モデルに対応しない）ときに、人工知能モデル（たとえば、ネットワークモデル／デジタルツイン、他の機械／深層学習構築物など）を生成する構造的構成である。新しい人工知能モデルを用いて新しいフリートが作成され、新しいフリートに対応する後続の機械をフリートに追加することができる。人工知能モデルは、機械情報（たとえば、モデル、経年、使用プロファイルなど）に対応する。

図２のアンケート生成器２４４は、技術者向けのアンケート（たとえば、プロンプト、フラグなど）を生成する構造的構成要素である。アンケートは、サービス要求が完了した後に技術者からの回答を取得するために技術者デバイス１０８に提供される。いくつかの例では、アンケートは技術者デバイス１０８に事前にロードされる。アンケートは、ケアパッケージがすべての関連情報を含んでいたかどうか、どの情報がスマートケアパッケージのレイアウトに関連していなかったか、任意の交換部品が必要であったか、そうである場合、どの部品か、どの情報が含まれていたはずであるが含まれていなかったか、どのツールが使用されていたか、識別された解決策が正しかったか、どこに予期しない問題が存在したかに関する情報、ならびに／またはより正確なスマート派遣、スマート兆候、スマートケアパッケージ、および／もしくはスマート検索のプロセスを生成することができる任意の他の情報を含む。

図２の情報更新器２４６は、技術者からのアンケート／プロンプトへの回答からの情報に基づいて、問題解決データベース２２０および／または動的システム健全性データベース２２２内の情報を更新する。さらに、情報更新器２４６は、技術者（たとえば、場所、ツールなど）の変更に基づいて、技術者データベース２３８を更新することができる。情報更新器２４６は、機械学習プロセスを実行して、スマート兆候、スマートケアパッケージ、スマート派遣、およびスマート検索のプロセスを調整および改善するために、人工知能モデル（たとえば、デジタルツイン、ニューラルネットワークなど）を利用および／または含むことができる。

人工知能モデル
いくつかの例では、評価／修理される対象のデバイスまたは機械（たとえば、画像装置、画像ワークステーション、健全性情報システムなど）、リソース（たとえば、技術者および／または他のユーザ、技術者のデバイス、ケアパッケージなど）、機械のフリートなどは、デジタルツインとしてモデル化され、かつ／または人工ニューラルネットワークおよび／もしくは他の（本明細書では「人工知能モデル」と呼ばれる）機械／深層学習ネットワークモデルに従って処理することができる。デジタルツイン、ニューラルネットワークモデルなどの１つまたは複数の人工知能モデルを使用すると、１つまたは複数の実際のシステムをモデル化し、監視し、シミュレートし、現場力の自動化管理のために準備することができる。

デジタルツインの例
デジタル表現、デジタルモデル、デジタル「ツイン」、またはデジタル「シャドー」は、物理システム、プロセスなどに関するデジタル情報構築物である。すなわち、デジタル情報は、物理デバイス／システム／人／プロセスの「ツイン」、および物理デバイス／システム／プロセスに関連し、かつ／または物理デバイス／システム／プロセス内に組み込まれた情報として実装することができる。デジタルツインは、物理システムのライフサイクルを通して物理システムとリンクされる。いくつかの例では、デジタルツインは、実空間内の物理オブジェクト、仮想空間内に存在するその物理オブジェクトのデジタルツイン、および物理オブジェクトをそのデジタルツインとリンクする情報を含む。デジタルツインは、実空間に対応する仮想空間内に存在し、実空間から仮想空間へのデータフロー用のリンク、ならびに仮想空間から実空間および仮想部分空間への情報フロー用のリンクを含む。

たとえば、図３は、画像装置、放射線ワークステーション、情報システムなどの機械もしくはデバイス、仮想空間３３５内のデジタルツイン３３０にデータ３２０を提供する技術者、他のユーザ、コンピューティングデバイス、ケアパッケージなどのリソース、および／または実空間３１５内の他のアイテム３１０を示す。デジタルツイン３３０および／またはその仮想空間３３５は、実空間３１５に情報３４０を戻す。デジタルツイン３３０および／または仮想空間３３５は、１つまたは複数の仮想部分空間３５０、３５２、３５４に情報を提供することもできる。図３の例に示されたように、仮想空間３３５は、デジタルツイン３３０の１つもしくは複数の部分をモデル化するために使用することができる１つもしくは複数の仮想部分空間３５０、３５２、３５４、および／またはデジタルツイン３３０全体のサブシステム／下位部分をモデル化するデジタル「サブツイン」を含み、かつ／またはそれらと関連付けることができる。

物理オブジェクト（たとえば、デバイス／リソース３１０）に接続されたセンサは、データを収集し、収集されたデータ３２０をデジタルツイン３３０に中継（たとえば、１つまたは複数のデバイスセンサ、自己報告を介して、デバイスインターフェース２１２、データベースインターフェース２１４、兆候プロセッサ２２４、フィルタ２２６、ケアパッケージ生成器２２８、解決策予測器２３０、遠隔命令実行部２３２、技術者選択器２３４、重み乗算器２３６、技術者データベース２３８、機械識別器２４０、モデル生成器２４２、アンケート生成器２２４、情報更新器２４６、ならびに／または、より一般的に、例示的な機械回復システム１０２、および／もしくはそれらの組合せなどの１つまたは複数のシステム構成要素から出力）することができる。デジタルツイン３３０とデバイス／リソース３１０との間の相互作用は、兆候の検出、問題の特定、問題の解決、ツールの構成などを改善するのを助けることができる。リアルタイムまたは（たとえば、データ送信、処理、および／もしくは記憶遅延を考慮して）実質的にリアルタイムから恩恵を受けるデバイス／リソース／アイテム３１０の正確なデジタル記述３３０により、システム１００が、機械／デバイスの動作、精度、結果、通信などにおける「障害」を予測することが可能になる。

いくつかの例では、センサデータ、技術サポート、取得された画像、テスト結果などは、技術者が機械、デバイスなど（たとえば、機械１０４）を検査、診断、および／またはさもなければ修理するときに、拡張現実（ＡＲ）アプリケーションで使用することができる。ＡＲを使用して、デジタルツイン３３０は、たとえば、技術者、技術者デバイス１０８、および／または機械回復システム１０２との相互作用に対する機械の応答に従う。

したがって、一般的なモデルではなく、デジタルツイン３３０は、デバイス／リソース３１０（たとえば、機械１０４、機械回復システム１０２、技術者デバイスなど）およびその関連する基準、条件などを反映する実際の物理学ベースのモデルの集合である。いくつかの例では、デバイス／リソース３１０の３次元（３Ｄ）モデリングは、デバイス／リソース３１０用のデジタルツイン３３０を作成する。デジタルツイン３３０は、ソースから（たとえば、デバイス／リソース３１０、技術者、健全性情報システム、センサなどから）動的に提供される入力データ３２０に基づいて、デバイス／リソース３１０の状態を見るために使用することができる。

いくつかの例では、デバイス／リソース３１０のデジタルツイン３３０は、デバイス／リソース３１０の監視、診断、および故障予測に使用することができる。履歴情報と組み合わせてセンサデータを使用すると、デバイス／リソース３１０の現在および／または潜在的な将来の状態は、デジタルツイン３３０を使用して、識別、予測、監視などをすることができる。原因、深刻化、改善などは、デジタルツイン３３０を介して監視することができる。デジタルツイン３３０を使用すると、デバイス／リソース３１０の挙動は、診断、処置、監視、保守などのためにシミュレートおよび視覚化することができる。

コンピュータとは対照的に、人間は逐次的で段階的なプロセスで情報を処理しない。代わりに、人々は、問題を概念化し、その文脈を理解しようと試みる。人は、レポート、テーブルなどのデータを検討することができるが、人は、視覚的に問題を検討し、その解決策を見つけようと試みるときに最も効果的である。しかしながら、通常、人が情報を視覚的に処理し、英数字形式で情報を記録し、次いで、情報を視覚的に再概念化しようと試みると、情報が失われ、問題解決プロセスは時間とともにはるかに効率的でなくなる。

しかしながら、デジタルツイン３３０を使用すると、人および／またはシステムが、データに変換し戻すことなく、状況（たとえば、デバイス／リソース３１０および関連する動作上の問題など）の視覚化を調査および評価することが可能になる。デジタルツイン３３０は、実際のデバイス／リソース３１０と共通の観点から、物理情報および仮想情報を動的かつリアルタイム（または、データ処理、送信、および／もしくは記憶遅延を考慮して実質的にリアルタイム）に一緒に見ることができる。技術者は、レポートを読むのではなく、デジタルツイン３３０を調査およびシミュレートして、デバイス／リソース３１０の状態、進行、可能な処置などを評価することができる。いくつかの例では、特徴、条件、傾向、インジケータ、特性などは、技術者が指定されたパラメータ、値、傾向、警告などを迅速かつ容易に見ることを可能にするために、デジタルツイン３３０内でタグ付けおよび／またはさもなければラベル付けすることができる。

デジタルツイン３３０は、（たとえば、デバイス／リソース３１０との、「通常」、標準、または基準デバイスもしくはリソース、動作基準／兆候のセット、ベストプラクティス、プロトコルステップなどとの）比較に使用することもできる。いくつかの例では、デバイス／リソース３１０のデジタルツイン３３０は、そのデバイス／リソースの理想的なまたは「ゴールドスタンダード」値の状態、その値の周りの誤差または標準偏差のマージン（たとえば、ゴールドスタンダード値からの正および／または負の偏差など）、実際の値、実際の値の傾向などを測定および視覚化するために使用することができる。（たとえば、許容可能な偏差外にある）実際の値または実際の値の傾向とゴールドスタンダードとの間の差は、英数字値、色指示、パターンなどとして視覚化することができる。

さらに、修理される機械／デバイス１０４のデジタルツイン３３０、診断／修理を容易にする技術者デバイス１０８などは、システム、技術者などの間の協調を容易にすることができる。デジタルツイン３３０を使用すると、デバイス／リソース３１０およびその状態／構成の概念化は、評価、修正、議論などのために共有することができる。協調するエンティティは、デバイス／リソース３１０と同じ場所にある必要はなく、たとえば、同じデジタルツイン３３０をさらに調査し、それと対話し、それから結論を引き出すことができる。

したがって、デジタルツイン３３０は、ミクロレベル（たとえば、ソース、検出器、ポジショナ、プロセッサ、ストレージなど）からマクロレベル（たとえば、画像装置全体、画像取込みサブシステム、画像分析サブシステム、患者監視サブシステムなど）までデバイスリソース３１０を記述する（たとえば、完全に記述する）仮想情報構築物のセットとして定義することができる。いくつかの例では、デジタルツイン３３０は、基準デジタルツイン（たとえば、デジタルツインプロトタイプなど）および／またはデジタルツインインスタンスであり得る。基準デジタルツインは、デバイス／リソース３１０のプロトタイプもしくは「ゴールドスタンダード」モデルまたは特定のタイプ／カテゴリのデバイス／リソース３１０を表し、１つまたは複数の基準デジタルツインは、特定のデバイス／リソース３１０を表す。したがって、Ｘ線画像装置のデジタルツイン３３０は、ある特定の標準的または「典型的」なＸ線画像装置の特性に従って編成された子基準デジタルツインとして実装することができ、特定のデジタルツインインスタンスは、たとえば、特定のＸ線画像装置およびその構成を表す。いくつかの例では、複数のデジタルツインインスタンスは、（たとえば、共通の基準デジタルツインなどを共有するフリート内の複数のＸ線機械の集積または組合せを表すために）デジタルツイン集合に集約することができる。デジタルツイン集合は、たとえば、特定のデジタルツインインスタンスによって表される機械間の差、類似性、傾向などを識別するために使用することができる。

いくつかの例では、デジタルツイン３３０（および／または複数のデジタルツインインスタンスなど）が動作する仮想空間３３５は、デジタルツイン環境と呼ばれる。デジタルツイン環境３３５は、デジタルツイン３３０を動作させるための統合されたマルチドメイン物理学ベースのアプリケーション空間を提供する。デジタルツイン３３０は、たとえば、デバイス／リソース３１０の将来の挙動、状態、進行などを予測するために、デジタルツイン環境３３５内で分析することができる。デジタルツイン３３０はまた、現在の情報３４０、過去の履歴などを検索および／または分析するために、デジタルツイン環境３３５内で詮索または照会することができる。

いくつかの例では、デジタルツイン環境３３５は、複数の仮想空間３５０～３５４に分割することができる。各仮想空間３５０～３５４は、デジタルツイン３３０の異なるデジタルツインインスタンスおよび／もしくは構成要素をモデル化することができ、かつ／または各仮想空間３５０～３５４は、同じデジタルツイン３３０の異なる分析、シミュレーションなどを実行するために使用することができる。複数の仮想空間３５０～３５４を使用すると、デジタルツイン３３０は、デバイス／リソースの動作および患者の安全性を維持しながら、複数の方法で安価かつ効率的にテストすることができる。次いで、技術者は、たとえば、デバイス／リソース３１０が様々なシナリオで様々な調整にどのように反応できるかを理解することができる。

いくつかの例では、デジタルツイン３３０は、手術室、外科センタ、術前準備室、術後回復室などの空間をモデル化することもできる。手術室などの環境をモデル化することにより、患者、医療専門家（たとえば、外科医、看護師、麻酔科医、技術者など）にとって、環境は、より安全に、より信頼性が高く、かつ／またはより生産的にすることができる。たとえば、デジタルツイン３３０は、機械１０４の動作などに影響を及ぼす可能性がある環境要因（たとえば、間隔、使用パターン、他の機器など）を評価するために使用することができる。

いくつかの例では、光学ヘッドマウントディスプレイ（たとえば、Ｇｏｏｇｌｅ Ｇｌａｓｓなど）などのデバイスは、見られている機械１０４に関する追加情報、修理のための情報、診断の提案などを提供するために、拡張現実とともに使用することができる。デバイスは、デジタルツイン３３０を介してモデル化され、製造業者の仕様、顧客の機械構成、プロトコル、職員の嗜好などに従って検証される機械および／または技術者デバイスの詳細を引き込むために使用することができる。

図４Ａの例に示されたように、光学ヘッドマウントディスプレイ４００は、その視野内のアイテムを走査する（たとえば、バーコード、無線周波数識別器（ＲＦＩＤ）、視覚的プロファイル／特性などを走査する）スキャナまたは他のセンサ４１０を含むことができる。いくつかの例では、ヘッドマウントディスプレイ４００は、図１Ａおよび／または図１Ｂの技術者デバイス１０８であり得、かつ／またはそれと連携して使用することができる。アイテム識別、写真、ビデオフィードなどは、たとえば、スキャナ４１０によってデジタルツイン３３０に提供することができる。スキャナ４１０および／またはデジタルツイン３３０は、たとえば、スキャナ４１０の範囲内のアイテムを識別および追跡することができる。次いで、デジタルツイン３３０は、たとえば、スキャナ４１０からの入力に少なくとも部分的に基づいて、観視環境および／または観視環境内の物体をモデル化することができる。

代替または追加として、デジタルツイン３３０は、スマートフォン、タブレットコンピュータ、ラップトップコンピュータなどの技術者デバイス４５０を介して活用することができる。いくつかの例では、例示的な技術者デバイス４５０は、図１Ａおよび／または図１Ｂの技術者デバイス１０８であり得、かつ／またはそれと連携して使用することができる。図４Ｂに示されたように、技術者デバイス４５０は、ユーザ、機械回復システム１０２、他の診断デバイス、健全性情報システムなどから入力を受け取り、ディスプレイを介して技術者に出力を提供し、調査対象の機械１０４と通信することなどができる。たとえば、技術者デバイス４５０は、機械１０４を診断および／または修理する提案を技術者に提供することができる。技術者デバイス４５０は、たとえば、機械１０４と対話して、機械１０４および／または関連する構成要素の問題を診断および／または修理するために使用することもできる。図４Ｂの例に示されたように、技術者デバイス４５０は、デバイスの表示画面４５４を介して、１つまたは複数の診断および／または修理の提案４５２を提供することができる。例示的な技術者修理デバイス４５０は、機械１０４と（たとえば、ワイヤレスに、かつ／または有線接続を介して）通信４５６して、診断情報を抽出し、構成設定を送信することなどもできる。

図４Ｃは、提案、通信、プロンプト、他の情報および／または対話などが、スマートウォッチ４８０を介して在宅、途上、および／または現場の技術者に提供される例を示す。たとえば、１つまたは複数の提案４８２は、スマートウォッチ４８０の表示画面４８４を介して提供される。いくつかの例では、例示的なヘッドマウントディスプレイ４８０は、図１Ａおよび／または図１Ｂの技術者デバイス１０８であり得、かつ／またはそれと連携して使用することができる。

機械および／または深層学習ネットワークモデル
深層学習ネットワークまたは他の経験的／観察的学習システムにかかわらず、機械学習技法は、デジタルツイン３３０と一緒にかつ／またはそれとは別に情報をモデル化して、ログデータおよび／または他の兆候に基づいてシステム内の課題、問題、エラー、誤動作などを分析および／または予測し、特定の機械上の特定の解決策の結果を予測などするために使用することができる。深層学習は、アルゴリズムのセットを使用して、線形変換および非線形変換を含む複数の処理層を有する深層グラフを使用して、データにおける高レベルの抽象概念をモデル化する機械学習のサブセットである。多くの機械学習システムは、機械学習ネットワークの学習および更新を介して修正されるべき初期の特徴および／またはネットワーク重みでシードされるが、深層学習ネットワークは、分析のための「良好な」特徴を識別するように自らを訓練する。多層アーキテクチャを使用すると、深層学習技法を利用する機械は、従来の機械学習技法を使用する機械よりも良好に生データを処理することができる。高度に相関する値または弁別的テーマのグループについてデータを調査することは、評価または抽象化の異なる層を使用して容易にされる。

深層学習は、機械が生データを与えられ、データ分類に必要な表現を決定することを可能にする表現学習方法を利用する機械学習技法の一種である。深層学習は、深層学習機械の内部パラメータ（たとえば、ノード重み）を変更するために使用される逆伝搬アルゴリズムを使用してデータセット内の構造を確認する。深層学習機械は、様々な多層アーキテクチャおよびアルゴリズムを利用することができる。たとえば、機械学習は、ネットワークを訓練する際に使用されるべき特徴の識別を必要とするが、深層学習は、外部の識別なしに、生データを処理して対象の特徴を識別する。

ニューラルネットワーク環境内の深層学習は、ニューロンと呼ばれる多数の相互接続されたノードを含む。外部のソースから活性化された入力ニューロンは、機械パラメータによって支配される他のニューロンへの接続に基づいて、他のニューロンを活性化させる。ニューラルネットワークは、それ自体のパラメータに基づくある特定の方式で挙動する。学習は、機械パラメータ、および転じて、ネットワーク内のニューロン間の接続を改良し、その結果、ニューラルネットワークが所望の方式で挙動する。

畳み込みニューラルネットワーク（ＣＮＮ）を利用する深層学習は、畳み込みフィルタを使用してデータをセグメント化し、データ内の学習された観察可能な特徴を位置特定および識別する。ＣＮＮアーキテクチャの各フィルタまたは層は、入力データを変換してデータの選択性および不変性を向上させる。このデータの抽象化により、機械が、分類を試みているデータ内の特徴に集中し、無関係な背景情報を無視することが可能になる。

ＣＮＮに代わりに、またはＣＮＮに加えて、深層残差ネットワークを使用することができる。深層残差ネットワークでは、所望の基礎となるマッピングは、ネットワークの積み重ねられた非線形内部層に関して明示的に定義される。フィードフォワードニューラルネットワークを使用すると、深層残差ネットワークは、ノードを接続するために１つまたは複数の内部層をスキップするショートカット接続を含むことができる。深層残差ネットワークは、たとえば、逆伝搬を用いた確率的勾配降下法（ＳＧＤ）によって端から端まで訓練することができる。

深層学習は、多くのデータセットが低レベルの特徴を含む高レベルの特徴を含むという理解に基づいて動作する。たとえば、アイテムの画像を検査する間、対象を探すよりもむしろ、探している対象を形成する部分を形成するモチーフを形成するエッジを探す方がより効率的である。特徴のこれらの階層は、音声およびテキストなどの多数の異なるデータ形式において見つけることができる。

学習された観察可能な特徴は、教師あり学習の間に機械によって学習されたオブジェクトおよび定量化可能な規則を含む。十分に分類されたデータの大きなセットを提供された機械は、新しいデータの分類の成功に関係する特徴を区別し抽出する態勢がより良く整っている。

転移学習を利用する深層学習機械は、データの特徴を人間の専門家によって確認された特定の分類に適切に結び付けることができる。反対に、同じ機械は、人間の専門家による誤った分類が知らされると、分類のためのパラメータを更新することができる。たとえば、設定および／または他の構成情報は、設定および／または他の構成情報の学習された使用によって導くことができ、システムがより多く（たとえば、繰り返しかつ／または複数のユーザによって）使用されるとき、所与の状況に対して設定および／または他の構成情報に関するいくつかの変動および／または他の可能性を減らすことができる。

例示的な深層学習ニューラルネットワークは、たとえば、専門家によって分類されたデータセットに対して訓練することができる。このデータセットは、ニューラルネットワーク用の第１のパラメータを構築し、これは教師あり学習の段階であろう。教師あり学習の段階の間、ニューラルネットワークは、所望の挙動が達成されたかどうかをテストすることができる。

所望のニューラルネットワークの挙動が達成される（たとえば、機械が指定されたしきい値に従って動作するように訓練される）と、機械は、使用（たとえば、「実際の」データで機械をテストすることなど）のために配備することができる。動作中、ニューラルネットワークの分類は、ニューラルネットワークの挙動を改善し続けるために（たとえば、専門家ユーザ、エキスパートシステム、基準データベースなどによって）確認または拒否することができる。次いで、例示的なニューラルネットワークは、転移学習の状態になり、ニューラルネットワークの挙動を決定する分類用のパラメータは、進行中の相互作用に基づいて更新される。いくつかの例では、ニューラルネットワークは、直接的なフィードバックを別のプロセスに提供することができる。いくつかの例では、ニューラルネットワークは、それが別のプロセスに提供される前に（たとえば、クラウドなどを介して）バッファリングおよび検証されるデータを出力する。

畳み込みニューラルネットワーク（ＣＮＮ）を使用する深層学習機械は、データ分析に使用することができる。ＣＮＮ分析の段階は、自然な画像における顔認識、コンピュータ支援診断（ＣＡＤ）、物体の識別および追跡、兆候の評価、修復結果の評価などに使用することができる。

深層学習機械は、たとえば、アイテム識別、関連性評価、および追跡を改善するためにコンピュータ支援検出サポートを提供することができる。教師あり深層学習は、たとえば、誤分類に対する脆弱性の軽減に役立つことができる。深層学習機械は、技術者との対話時に転移学習を利用して、教師あり訓練において利用可能な小さいデータセットに対処することができる。これらの深層学習機械は、訓練および転移学習を通して、時間とともにそれらのプロトコル順守を改善することができる。

図５は、デジタルツイン３３０を実装し、デジタルツイン３３０と協働して診断および／もしくは修理の提案を提供し、かつ／またはデジタルツイン３３０の代わりに動作して、入力された兆候に基づいて提案された問題を生成し、入力された機械構成および問題情報に基づいて提案された修理を提供することなどのために使用することができる例示的な深層学習ニューラルネットワークモデル５００の図である。例示的なニューラルネットワーク５００は、層５２０、５４０、５６０、および５８０を含む。層５２０と層５４０は、ニューラル接続５３０で接続されている。層５４０と層５６０は、ニューラル接続５５０で接続されている。層５６０と層５８０は、ニューラル接続５７０で接続されている。データは、入力５１２、５１４、５１６を介して入力層５２０から出力層５８０および出力５９０に順方向に流れる。いくつかの例では、ニューラルネットワークモデル５００は、図２の機械回復システム１０２の構成要素のうちの１つまたは複数に含まれ、かつ／またはそれらによって利用される。

層５２０は、図５の例では、複数のノード５２２、５２４、５２６を含む入力層である。層５４０および層５６０は隠れ層であり、図５の例では、ノード５４２、５４４、５４６、５４８、５６２、５６４、５６６、５６８を含む。ニューラルネットワーク５００は、図示されているよりも多いかまたは少ない隠れ層５４０および層５６０を含むことができる。層５８０は出力層であり、図５の例では、出力５９０を有するノード５８２を含む。各入力５１２～５１６は入力層５２０のノード５２２～５２６に対応し、入力層５２０の各ノード５２２～５２６は、隠れ層５４０の各ノード５４２～５４８への接続５３０を有する。隠れ層５４０の各ノード５４２～５４８は、隠れ層５６０の各ノード５６２～５６８への接続５５０を有する。隠れ層５６０の各ノード５６２～５６８は、出力層５８０への接続５７０を有する。出力層５８０は、例示的なニューラルネットワーク５００からの出力を提供する出力５９０を有する。

接続５３０、５５０、および５７０のうち、いくつかの例示的な接続５３２、５５２、５７２は、さらなる重みを与えることができるが、他の例示的な接続５３４、５５４、５７４は、ニューラルネットワーク５００においてより軽い重みを与えることができる。入力ノード５２２～５２６は、たとえば、入力５１２～５１６を介して入力データを受信することによって活性化される。隠れ層５４０および５６０のノード５４２～５４８および５６２～５６８は、それぞれ、接続５３０および５５０を介してネットワーク５００を通るデータの順方向の流れによって活性化される。出力層５８０のノード５８２は、隠れ層５４０および５６０において処理されたデータが接続５７０を介して送信された後に活性化される。出力層５８０の出力ノード５８２が活性化されると、ノード５８２は、ニューラルネットワーク５００の隠れ層５４０および５６０において遂行された処理に基づいて適切な値を出力する。

図１Ａおよび／または図１Ｂの機械回復システム１０２の例示的な実装形態が図２に示されているが、図２に示された要素、プロセス、および／またはデバイスのうちの１つまたは複数は、任意の他の方法で、組み合わせ、分割し、再配置し、省略し、除去し、かつ／または実装することができる。さらに、図２のデバイスインターフェース２１２、データベースインターフェース２１４、兆候プロセッサ２２４、フィルタ２２６、ケアパッケージ生成器２２８、解決策予測器２３０、遠隔命令実行部２３２、技術者選択器２３４、重み乗算器２３６、技術者データベース２３８、機械識別器２４０、モデル生成器２４２、アンケート生成器２２４、情報更新器２４６、および／または、より一般的に、図２の機械回復システム１０２は、ハードウェア、ソフトウェア、ファームウェア、ならびに／または、ハードウェア、ソフトウェア、および／もしくはファームウェアの任意の組合せによって実装することができる。したがって、たとえば、図２のデバイスインターフェース２１２、データベースインターフェース２１４、兆候プロセッサ２２４、フィルタ２２６、ケアパッケージ生成器２２８、解決策予測器２３０、遠隔命令実行部２３２、技術者選択器２３４、重み乗算器２３６、技術者データベース２３８、機械識別器２４０、モデル生成器２４２、アンケート生成器２２４、情報更新器２４６、および／または、より一般的に、図２の機械回復システム１０２のいずれかは、１つもしくは複数のアナログ回路もしくはデジタル回路、論理回路、プログラマブルプロセッサ、プログラマブルコントローラ、グラフィックス処理装置（ＧＰＵ）、デジタル信号プロセッサ（ＤＳＰ）、特定用途向け集積回路（ＡＳＩＣ）、プログラマブルロジックデバイス（ＰＬＤ）、および／またはフィールドプログラマブルロジックデバイス（ＦＰＬＤ）によって実装される可能性がある。純粋にソフトウェアおよび／またはファームウェアの実装形態をカバーするように本特許の装置クレームまたはシステムクレームのいずれかを読むとき、デバイスインターフェース２１２、データベースインターフェース２１４、兆候プロセッサ２２４、フィルタ２２６、ケアパッケージ生成器２２８、解決策予測器２３０、遠隔命令実行部２３２、技術者選択器２３４、重み乗算器２３６、技術者データベース２３８、機械識別器２４０、モデル生成器２４２、アンケート生成器２２４、および／または情報更新器２４６のうちの少なくとも１つは、ソフトウェアおよび／またはファームウェアを含むメモリ、デジタル多用途ディスク（ＤＶＤ）、コンパクトディスク（ＣＤ）、ブルーレイディスクなどの非一時的コンピュータ可読ストレージデバイスまたはストレージディスクを含むように、本明細書によって明示的に定義される。またさらに、図２の機械回復システム１０２は、図２に示された要素、プロセス、および／もしくはデバイスに加えて、もしくはそれらの代わりに、１つもしくは複数の要素、プロセス、および／もしくはデバイスを含むことができ、かつ／または図示された要素、プロセス、およびデバイスのいずれかもしくはすべての２つ以上を含むことができる。本明細書で使用され、その変形形態を含む「通信中」という語句は、直接通信および／または１つもしくは複数の中間構成要素を介した間接通信を包含し、直接物理（たとえば、有線）通信および／または継続的な通信を必要とせず、むしろ、周期的な間隔、スケジュールされた間隔、非周期的な間隔、および／または１回限りのイベントでの選択的な通信をさらに含む。

図２の機械回復システム１０２を実装するための例示的なハードウェアロジック、機械可読命令、ハードウェア実装状態機械、および／またはそれらの任意の組合せを表すフローチャートが図６～図１０に示される。機械可読命令は、図１１に関連して下記に説明されるプロセッサプラットフォーム８００に示されたプロセッサ１１１２などのコンピュータプロセッサによる実行用の実行可能プログラムまたは実行可能プログラムの一部であり得る。プログラムは、プロセッサ１１１２に関連付けられたＣＤ－ＲＯＭ、フロッピーディスク、ハードドライブ、ＤＶＤ、ブルーレイディスク、またはメモリなどの非一時的コンピュータ可読記憶媒体上に記憶されたソフトウェアにおいて具現化することができるが、プログラム全体および／またはその一部は、代替として、プロセッサ１１１２以外のデバイスによって実行され、かつ／またはファームウェアもしくは専用ハードウェアにおいて具現化される可能性がある。さらに、図６～図１０に示されるフローチャートを参照して例示的なプログラムが記載されるが、機械回復システム１０２を実装する多くの他の方法を代替として使用することができる。たとえば、ブロックの実行順序を変更することができ、かつ／または記載されたブロックのいくつかを変更し、除去し、または組み合わせることができる。追加または代替として、ブロックのいずれかまたはすべては、ソフトウェアまたはファームウェアを実行することなく、対応する動作を実行するように構成された１つまたは複数のハードウェア回路（たとえば、ディスクリートおよび／または集積されたアナログ回路および／またはデジタル回路、ＦＰＧＡ、ＡＳＩＣ、比較器、演算増幅器（オペアンプ）、論理回路など）によって実装することができる。

上述されたように、図６～図１０の例示的なプロセスは、情報が任意の期間（たとえば、長期間、恒久的、短時間、一時的にバッファリングする間、および／または情報をキャッシュする間）記憶されている、ハードディスクドライブ、フラッシュメモリ、読取り専用メモリ、コンパクトディスク、デジタル多用途ディスク、キャッシュ、ランダムアクセスメモリ、ならびに／または任意の他のストレージデバイスもしくはストレージディスクなどの、非一時的コンピュータおよび／または機械可読媒体に記憶された実行可能命令（たとえば、コンピュータおよび／または機械可読命令）を使用して実装することができる。本明細書で使用される、非一時的コンピュータ可読媒体という用語は、任意のタイプのコンピュータ可読ストレージデバイスおよび／またはストレージディスクを含み、伝搬する信号を除外し、伝送媒体を除外するように明示的に定義される。

「含む（ｉｎｃｌｕｄｉｎｇ）」および「含む（ｃｏｍｐｒｉｓｉｎｇ）」（ならびにそのすべての形態および時制）は、本明細書ではオープンエンド用語であるように使用される。したがって、請求項が前文として、または任意の種類の請求項の列挙の範囲内で、任意の形態の「含む（ｉｎｃｌｕｄｅ）」または「含む（ｃｏｍｐｒｉｓｅ）」（たとえば、ｃｏｍｐｒｉｓｅｓ、ｉｎｃｌｕｄｅｓ、ｃｏｍｐｒｉｓｉｎｇ、ｉｎｃｌｕｄｉｎｇ、ｈａｖｉｎｇなど）を使用するときはいつでも、対応する請求項または列挙の範囲から外れることなく、さらなる要素、用語などが存在してよいことを理解されたい。本明細書で使用される、「少なくとも」という語句は、たとえば、請求項の前文における遷移用語として使用されるとき、それは、「含む（ｃｏｍｐｒｉｓｉｎｇ）」および「含む（ｉｎｃｌｕｄｉｎｇ）」という用語がオープンエンドであるのと同様にオープンエンドである。「および／または」という用語は、たとえば、Ａ、Ｂ、および／またはＣなどの形態で使用されるとき、（１）Ａ単独、（２）Ｂ単独、（３）Ｃ単独、（４）ＡとＢ、（５）ＡとＣ、（６）ＢとＣ、および（７）ＡとＢとＣなどのＡ、Ｂ、Ｃの任意の組合せまたはサブセットを指す。本明細書において構造、構成要素、項目、物体、および／または物事を記載する文脈で使用されるとき、「ＡおよびＢの少なくとも１つ」という語句は、（１）少なくとも１つのＡ、（２）少なくとも１つのＢ、ならびに（３）少なくとも１つのＡおよび少なくとも１つのＢのいずれかを含む実装形態を指すものである。同様に、本明細書において構造、構成要素、項目、物体、および／または物事を記載する文脈で使用されるとき、「ＡまたはＢの少なくとも１つ」という語句は、（１）少なくとも１つのＡ、（２）少なくとも１つのＢ、ならびに（３）少なくとも１つのＡおよび少なくとも１つのＢのいずれかを含む実装形態を指すものである。本明細書においてプロセス、命令、行動、活動、および／またはステップの実行または遂行を記載する文脈で使用されるとき、「ＡおよびＢの少なくとも１つ」という語句は、（１）少なくとも１つのＡ、（２）少なくとも１つのＢ、ならびに（３）少なくとも１つのＡおよび少なくとも１つのＢのいずれかを含む実装形態を指すものである。同様に、本明細書においてプロセス、命令、行動、活動、および／またはステップの実行または遂行を記載する文脈で使用されるとき、「ＡまたはＢの少なくとも１つ」という語句は、（１）少なくとも１つのＡ、（２）少なくとも１つのＢ、ならびに（３）少なくとも１つのＡおよび少なくとも１つのＢのいずれかを含む実装形態を指すものである。

図６は、図２の機械回復システム１０２の構造的構成要素によって実装することができる機械可読命令を表すフローチャート６００を含む。図６のフローチャート６００は、図１および／または図２の機械回復システム１０２と連携して記載されるが、他のタイプの回復システムおよび／または他のタイプのプロセッサが代わりに利用されてよい。

ブロック６０２において、機械回復システム１０２のスマート兆候システム２０２がスマート兆候プロセスを実行する。図７と連携して下記にさらに記載されるように、スマート兆候システム２０２は、機械の兆候を、機械を補修するための問題および／またはエラーコードに変換する。ブロック６０４において、機械回復システム１０２のスマートケアパッケージシステム２０４がスマートケアパッケージプロセスを実行する。図８と連携して下記にさらに記載されるように、スマートケアパッケージシステム２０４は、機械１０４を補修するために技術者のデバイス１０８にスマートケアパッケージを生成する。ブロック６０６において、機械回復システム１０２のスマート派遣システム２０６がスマート派遣プロセスを実行する。図９と連携して下記にさらに記載されるように、スマート派遣システム２０６は、スマート派遣を実行して、機械を補修する一人または複数の技術者を選択する。

ブロック６０８において、機械回復システム１０２のスマート検索システム２０８が、スマート検索プロセスが以前のプロセスのうちの１つ（たとえば、スマート兆候プロセス、スマートケアパッケージプロセス、および／またはスマート派遣プロセス）の中で実行されたかどうかを判定する。スマート検索プロセスが初期プロセスの間に実行されなかったとき、スマート検索は、要求を処理する技術者と連携して実行することができる。たとえば、技術者は、機械を識別するために、補修中に技術者デバイス１０８に情報を入力することができる。スマート検索システム２０８が、スマート検索プロセスが実行されたと判定すると（ブロック６０８：はい）、プロセスはブロック６１２に進む。スマート検索システム２０８が、スマート検索プロセスが実行されていないと判定すると（ブロック６０８：いいえ）、スマート検索システム２０８は、図１０と連携して下記にさらに記載されるように、スマート検索プロセスを実行する（ブロック６１０）。

ブロック６１２において、アンケート生成器２４４が、サービス要求が完了したかどうかを判定する。たとえば、技術者がサービス要求を完了すると、技術者は技術者デバイス１０８を介して完了を識別することができ、技術者デバイス１０８はデバイスインターフェース２１２を介して完了トリガを送信する。アンケート生成器２４４は、完了トリガの受信に応答して、サービス要求が完了したと判定する。アンケート生成器２４４が、サービス要求が完了していないと判定すると（ブロック６１２：いいえ）、プロセスはサービス要求が完了するまでブロック６１２に戻る。アンケート生成器２４４が、サービス要求が完了したと判定すると（ブロック６１２：はい）、アンケート生成器２４４は、デバイスインターフェース２１２を介して技術者デバイス１０８に生成されたアンケートを送信する（ブロック６１４）。あるいは、技術者デバイス１０８にプロンプトが事前にロードされてもよい。そのような例では、アンケート生成器２４４はアンケートを送信しない。むしろ、アンケート生成器２４４は、事前にロードされたプロンプトからのフィードバックが機械回復システム１０２で受信されたときにサービス要求が完了したと判定する。ブロック６１６において、情報更新器２４６が、（たとえば、デバイスインターフェース２１２を介して）技術者によって入力されたアンケート結果に基づいてフィードバック情報を取得する。ブロック６１８において、情報更新器２４６が、機械学習を実行するために、人工ネットワークモデルを使用したフィードバックに基づいて、問題解決データベース２２０内の問題解決情報、スマートケアパッケージフォーマット、および／もしくは提供された情報、ならびに／または人工知能モデル（モデル／デジタルツイン、ニューラルネットワークなど）を更新する。たとえば、図５のニューラルネットワーク５００は、デジタルツイン３３０を実装し、デジタルツイン３３０と協働して診断および／もしくは修理の提案を提供し、かつ／またはデジタルツイン３３０の代わりに動作して、入力された兆候に基づいて提案された問題を生成し、入力された機械構成および問題情報などに基づいて提案された修理を提供し、たとえば、データベース２１６、２１８、２２０、２２２、２３８内のデータを更新し、かつ／またはデジタルツインを更新し、かつ／または（たとえば、ニューラルネットワークをさらに訓練するために）取得されたフィードバックデータをニューラルネットワークに適用することによって将来のサービス要求に対してスマート兆候プロセス、スマートケアパッケージプロセス、スマート派遣プロセス、および／もしくはスマート検索プロセスを最適化するために利用することができる。

図７は、スマート兆候プロセスを実行するために図２の機械回復システム１０２の構造的構成要素によって実装することができる機械可読命令を表すフローチャート６０２を含む。図７のフローチャート６０２は、図１および／または図２の機械回復システム１０２と連携して記載されるが、他のタイプの回復システムおよび／または他のタイプのプロセッサが代わりに利用されてよい。

ブロック７０２において、兆候プロセッサ２２４が、デバイスインターフェース２１２を介してユーザからサービス要求を取得する。たとえば、ユーザは、デバイスインターフェース２１２にサービス要求を送信するサービスセンタ１０６を呼び出すことができ、またはユーザは、デバイスインターフェース２１２に直接的または間接的に送信されるサービス要求を、コンピュータ上のユーザインターフェースまたは機械１０４自体に入力することができる。ブロック７０４において、機械識別器２４０が、機械識別子もしくは画像装置識別子および／またはコンテキスト情報が機械に利用可能であるかどうかを判定する。たとえば、ユーザが機械１０４上のユーザインターフェースとインターフェースし、機械１０４がサービス要求を送信するとき、機械１０４は、機械／画像装置ＩＤおよび／またはコンテキスト情報を含む追加情報を含めることができる。

機械／画像装置ＩＤまたはコンテキスト情報が利用可能でないと機械識別器２４０が判定した場合（ブロック７０４：いいえ）、プロセスはブロック７０８に進む。機械／画像装置ＩＤまたはコンテキスト情報が利用可能であると機械識別器２４０が判定すると（ブロック７０４：はい）、機械回復システム１０２は、図１０と連携して下記にさらに記載されるように、スマート検索プロセスを実行する（ブロック７０６）。ブロック７０８において、兆候プロセッサ２２４が、デバイスインターフェース２１２を介してユーザから１つまたは複数の兆候を取得する。１つまたは複数の兆候はサービス要求に含めることができる。いくつかの例では、サービス要求は兆候を含まなくてもよい。ブロック７１０において、兆候プロセッサ２２４が、機械に対応する機械ログデータベース２１８からエラーログ（たとえば、１つまたは複数のエラーコードを識別するログ）情報を取得する。ブロック７１２において、フィルタ２２６が、エラーログおよび／または兆候に対応しない問題を除外して、エラーログおよび／または兆候に対応する問題のサブセットを生成する。フィルタ２２６は問題データベース２２７から問題を取得する。

ブロック７１４において、兆候プロセッサ２２４が、残りの問題の極めて特徴的な兆候を識別する。たとえば、兆候プロセッサ２２４は、極めて特徴的な兆候を識別して、極めて特徴的な兆候に対応する第１の問題と、極めて特徴的な兆候に対応しない第２の問題に、問題を分割することができる。兆候プロセッサ２２４は、機械１０４に極めて特徴的な特徴のうちの１つまたは複数が存在するかどうかを識別することができ、フィルタ２２６は、システムフィードバックおよび／またはユーザ応答に基づいて第１または第２の問題を除外して、技術者が機械１０４を補修するために点検／修理を行う潜在的な問題の数を減らすことができる。

ブロック７１６において、兆候プロセッサ２２４が、極めて特徴的な兆候を選択する。兆候プロセッサ２２４は、最も極めて特徴的な兆候（たとえば、残りの問題の半分近くに対応する兆候）を選択することができる。ブロック７１８において、兆候プロセッサ２２４が、デバイスインターフェース２１２を介して、極めて特徴的な兆候に基づいて、機械、ユーザ、および／またはユーザデバイス（たとえば、機械に対応するデータを送信するためにユーザによって使用されるコンピューティングデバイス）にプロンプトを送信する。プロンプトは、機械１０４に直接送信することができ、かつ／またはサービスセンタ１０６に送信することができる（たとえば、サービスセンタ１０６は、次いで、プロンプトに基づいて機械、ユーザ、および／またはユーザデバイスに指示する）。いくつかの例では、プロンプトは技術者デバイス１０８に事前にロードされる。プロンプトは、選択された極めて特徴的な兆候が存在するかどうかを識別し、かつ／または極めて特徴的な兆候が存在するかどうかを確認するプロセスを実行するために、機械、ユーザ、および／または技術者デバイス１０８からの応答を要求する。たとえば、プロンプトは、機械が追加の兆候に対応する追加のフィードバックを提供するために機械によって自動的に実行される命令（たとえば、１つまたは複数のプロセスを実行し、１つまたは複数のプロセスの結果をフィードバックとして提供する命令）を含むことができる。別の例では、プロンプトは、極めて特徴的な兆候に対応する追加のフィードバックをユーザに促すユーザデバイス（たとえば、コンピュータまたはコンピューティングデバイス）に対して、極めて特徴的な兆候を識別することができる。いくつかの例では、技術者デバイス１０８は、機械１０４から直接的または間接的にデータを取得し、取得されたデータをフィードバック（たとえば、補修の前、間、および／または後に取得された、機械１０４の様々な部分からの入力データおよび／または出力データ）に含めることができる。

ブロック７２０において、兆候プロセッサ２２４が、（たとえば、機械１０４を介して直接、もしくはサービスセンタ１０６を介して）ユーザから、かつ／またはデバイスインターフェース２１２を介して（たとえば、ユーザからの入力なしに）機械から応答を取得する。応答は、極めて特徴的な兆候が機械に存在するか否かに関するデータを含む。ブロック７２２において、フィルタ２２６が応答に基づいて問題を除外する。たとえば、極めて特徴的な兆候が機械に存在することを応答が示すとき、フィルタ２２６は、極めて特徴的な兆候に対応しない問題を除外し、極めて特徴的な兆候が機械に存在しないことを応答が示すとき、フィルタ２２６は、特徴的な兆候に対応する問題を除外する。

ブロック７２４において、兆候プロセッサ２２４が、しきい値を超える数の問題が残っているかどうかを判定する。問題のしきい値数は、たとえば、ユーザおよび／または製造業者の嗜好に基づいてよい。兆候プロセッサ２２４が、しきい値を超える数の問題が残っていないと判定すると（ブロック７２４：いいえ）、プロセスは図６のブロック６０４に戻る。兆候プロセッサ２２４が、しきい値を超える数の問題が残っていると判定すると（ブロック７２４：はい）、兆候プロセッサ２２４は、さらなる極めて特徴的な兆候が残っているかどうかを判定する（ブロック７２６）。兆候プロセッサ２２４が、さらなる極めて特徴的な兆候が残っていると判定すると（ブロック７２６：はい）、プロセスはブロック７１６に戻ってさらに問題を除外する。兆候プロセッサ２２４が、さらなる極めて特徴的な兆候が残っていないと判定すると（ブロック７２６：いいえ）、プロセスは図６のブロック６０４に戻る。

追加または代替として、図２の兆候プロセッサ２２４は、（たとえば、デバイスインターフェース２１２を使用して直接的に、かつ／または技術者デバイス１０８を介して間接的に）機械１０８とインターフェースして、機械１０４の出力データ（たとえば、機械１０４によって撮影された写真）を取得することができる。そのような例では、兆候プロセッサ２２４は、画像装置によって取得された画像を処理して、画像上に見つかったアーチファクト（たとえば、欠陥）を識別することができる。兆候プロセッサ２２４は、識別された欠陥を使用して、問題、問題の原因、および／または追加の兆候を識別することができる。たとえば、兆候プロセッサ２２４は、識別された欠陥に基づいて、十分な放射線がない、放射線が多すぎると判断し、検出器の故障、位置ずれの問題などを識別することができる。いくつかの例では、兆候プロセッサ２２４は、識別された問題、問題の原因、および／または欠陥に関連する兆候を（たとえば、例示的な問題解決データベース２２０に格納された）以前の問題解決情報と比較して、問題が構成および／または設計上の欠陥に対応するかどうかを判定することができる。そのような例では、兆候プロセッサ２２４は、機械１０８、（たとえば、テキスト、電子メールなどを介して）機械１０８のユーザ、システム管理者などに警告を送信して、設計上の欠陥を識別することができる。さらに、機械識別器２４０は、フリート情報を更新し、かつ／または設計上の欠陥を識別するために同様の機械に対する警告を生成することができる。

図８は、スマートケアパッケージプロセスを実行するために図２の機械回復システム１０２の構造的構成要素によって実装することができる機械可読命令を表すフローチャート６０４を含む。図８のフローチャート６０４は、図１および／または図２の機械回復システム１０２と連携して記載されるが、他のタイプの回復システムおよび／または他のタイプのプロセッサが代わりに利用されてよい。

ブロック８００において、ケアパッケージ生成器２２５が、（たとえば、データベースインターフェース２１４を介して機械ログデータベース２１８から）エラーコードを、かつ／または兆候プロセッサ２２４から補償された問題を取得する。いくつかの例では、機械ログ２１８は、スマート検索プロセスを実行するために使用することができる機械識別子および／またはコンテキスト情報を含むことができる。ブロック８０２において、機械識別器２４０は、スマート検索が実行されるべきかどうかを判定する。たとえば、機械識別器２４０は、スマート検索プロセスがまだ実行されていないときにスマートプロセスを実行することができ、エラーコードは、実行されるべきスマート検索プロセスのための追加情報（たとえば、機械識別子および／または特定のコンテキスト情報）を提供する。

機械識別器２４０が、スマート検索が実行されるべきでないと判定すると（ブロック８０２：いいえ）、プロセスはブロック８０６に進む。機械識別器２４０が、スマート検索プロセスが実行されるべきであると判定すると（ブロック８０２：はい）、機械回復システム１０２は、図１０と連携して下記にさらに記載されるように、スマート検索プロセスを実行する（ブロック８０４）。ブロック８０６において、ケアパッケージ生成器２２８が、テンプレートレイアウトに基づいてケアパッケージを生成する。初期テンプレートレイアウトは、技術者および／または製造業者の嗜好に基づいてよく、カスタマイズ可能であり得る。ブロック８０８において、ケアパッケージ生成器２２８が、データベースインターフェース２１４を介してデータベース２１６、２２０、２２２からの情報にアクセスする。たとえば、ケアパッケージ生成器２２８は、（Ａ）機械１０４が識別されたときの企業システムデータベース２１６からのコンテキスト情報（たとえば、顧客サイトおよびレイアウト情報、契約保証、資産位置、機械履歴情報など）、（Ｂ）エラーコードおよび／または問題解決データベース２２０からの識別された問題に対応する問題解決データ、ならびに／または（Ｃ）動的システム健全性データベース２２２からの機械１０４に対応するシステム健全性情報にアクセスすることができる。

ブロック８１０において、ケアパッケージ生成器２０４が、機械１０４に対応するモデル／デジタルツインが利用可能であるかどうかを判定する。たとえば、スマート検索プロセスが実行されたとき、機械１０４に対応するモデル／デジタルツインはすでに識別されている。追加または代替として、モデル／デジタルツインは、エラーコード、識別された問題、および／またはアクセスされた情報に基づいて選択することができる。ケアパッケージ生成器２０４が、機械１０４に対応するモデル／デジタルツインが利用可能でないと判定すると（ブロック８１０：いいえ）、プロセスはブロック８１４に進む。ケアパッケージ生成器２０４が、機械１０４に対応するモデル／デジタルツインが利用可能であると判定すると（ブロック８１０：はい）、解決策予測器２３０は、エラーコード、識別された問題、および／またはアクセスされた情報に基づいて対応するモデル／デジタルツインをテストして、機械の問題に対する潜在的な解決策を識別する。

たとえば、Ｘ線画像装置および／またはＸ線画像装置の構成要素のデジタルツイン（たとえば、Ｘ線検出器のデジタルツインなど）は、兆候および／または他の情報に基づいて処理することができる。デジタルツインは、兆候をモデル化して関連するシステム問題を特定し、かつ／または問題をモデル化して、たとえば、機械１０４によって表される兆候を改善するために適用される解決策もしくは「修正」を決定するのを助けるために、１つまたは複数の解決策および関連する結果をシミュレートする。デジタルツインは、仮想空間内で再現された実際の機械１０４およびその環境の物理学ベースのモデルまたはレプリカなので、デジタルツインへの影響は、実際の機械１０４への同様の影響を示すはずである。

代替または追加として、深層学習ネットワーク５００などの深層学習ネットワークは、機械１０４の兆候、問題、構成情報などを入力として取り込み、それらの入力をリソース制約、顧客要求、機械制限などと相関させて、たとえば、提案される解決策を決定して問題に対処するために適用することができる。

ブロック８１４において、解決策予測器２３０が、人工知能モデル（たとえば、モデル／デジタルツイン、ニューラルネットワークなど）のテスト、ならびに／または取得されたエラーコード、識別された問題、および／もしくはアクセスされた情報に対応する問題解決データベース２２０の問題解決データに基づいて解決策を予測する。ブロック８１６において、解決策予測器２３０が、少なくとも１つの解決策を予測することができたかどうかを判定する。少なくとも１つの解決策を予測することができなかったとき（ブロック８１６：いいえ）、プロセスはブロック８２０に進む。少なくとも１つの解決策を予測することができたとき（ブロック８１６：はい）、ケアパッケージ生成器２２８は、予測された解決策の情報をケアパッケージに追加する（ブロック８１８）。たとえば、ケアパッケージ生成器２２８は、予測された解決策に対応するマニュアル／チュートリアルの部分を追加することができる。

ブロック８２０において、ケアパッケージ生成器２２８が、専用ツールであるエラーコード、問題、および／または予測された解決策に対応するツールが存在するかどうかを判定する。たとえば、あらゆる技術者は、いくつかのツールを携帯するか、または携帯する必要があり得、常に携帯するには大きすぎ、ほとんど利用されず、かつ／または会社が各技術者のために専用ツールを購入するには費用がかかりすぎる専用ツールを携帯しないことが許され得る。したがって、いくつかの専用ツールは、技術者が必要に応じて専用ツールを取得することができる所定の場所に配置することができる。したがって、技術者がすでにサービス場所に到着した後にツールを必要とすることが分かるのとは異なり、技術者がツールをもって到着できるように、サービス要求が専用ツールを必要とするかどうかを知ることが好ましい。専用ツールと、エラーコード、問題、および／または予測された解決策との間の対応関係は、問題解決データベース２２０に格納することができる。

ケアパッケージ生成器２２８が、エラーコード、問題、および／または予測された解決策に対応する１つまたは複数のツールが専用ツールではないと判定した場合（ブロック８２０：いいえ）、プロセスはブロック８２４に進む。ケアパッケージ生成器２２８が、エラーコード、問題、および／または予測された解決策に対応する１つまたは複数のツールが専用ツールであると判定すると（ブロック８２０：はい）、ケアパッケージ生成器２２８は、専用ツールの識別子をケアパッケージに追加する（ブロック８２２）。こうして、技術者は、サービス要求のための専用ツールを取得する必要があり得ることを認識させられる。ブロック８２４において、ケアパッケージ生成器２２８が、エラーコード、問題、必要とされ得る交換部品、現場位置情報（たとえば、現場位置への地図および／もしくは方向）、ならびに／または予測された解決策に基づいて、他の関連情報および／または機械マニュアル／チュートリアルのセクションをケアパッケージベースに追加する。

最終的なケアパッケージは、機械１０４の問題を修正および／または識別するためにリソースによって使用することができる、関連する顧客データ、機械構成情報、実行可能命令／コードなどのデータ構造である。問題が遠隔で（たとえば、機械１０４によって実行される命令を送信することによって自動的に）修正され得るとき、ケアパッケージは、修理のために、かつ／または問題に対応する追加のデータを促すために、機械１０４に送信され得るソフトウェア命令、パッチなどを含んでよい。さらに、ケアパッケージは、機械１０４によって実行されると、問題および／または他の問題が修正されたか否かを識別するソフトウェアを含んでよい。ケアパッケージが技術者の技術者デバイス１０８に送信されているとき、ケアパッケージは、技術者が不必要なダウンタイム、費用などを回避する必要があり得る、関連するカスタマイズされたデータを含むデータ構造である。たとえば、ケアパッケージにより、技術者が、その場所に到達する前に、要求を処理するために必要な交換部品、専用ツールなどを識別することが可能になる。さらに、ケアパッケージは、サービスマニュアルの関連するセクションを識別しているので、技術者は、機械および／または問題に対応する正しいマニュアル情報を見つける時間および労力を費やす必要がない。さらに、ケアパッケージは、新しい技術者が機械１０４を補修するときに誤った情報を調べることを排除する。さらに、ケアパッケージがデジタルツインを含むとき、技術者は、最初にデジタルツインに技法を適用することにより、機械にさらなる損傷を与えることを回避し、かつ／または失敗したサービス技法に時間を浪費することを回避することができる。

図９は、スマート派遣プロセスを実行するために図２の機械回復システム１０２の構造的構成要素によって実装することができる機械可読命令を表すフローチャート６０６を含む。図９のフローチャート６０６は、図１および／または図２の機械回復システム１０２と連携して記載されるが、他のタイプの回復システムおよび／または他のタイプのプロセッサが代わりに利用されてよい。

ブロック９０２において、遠隔命令実行部２３２が、識別された解決策のうちの１つまたは複数が１つまたは複数の遠隔解決策に対応する（たとえば、それらを介して修理することができる）かどうかを判定する。たとえば、問題解決データベース２２０は、遠隔命令で解決された、または解決される可能性があった以前の問題に関する情報を含むことができる。したがって、遠隔命令実行部２３２は、識別された解決策を使用してデータベースインターフェース２１４を介して問題解決データベース２２０にアクセスして、識別された解決策のうちの１つまたは複数が遠隔で修正できるかどうかを判定することができる。遠隔命令実行部２３２が、１つまたは複数の解決策が遠隔解決策に対応しないと判定すると（ブロック９０２：いいえ）、プロセスはブロック９０８に進む。遠隔命令実行部２３２が、１つまたは複数の解決策が遠隔解決策に対応すると判定すると（ブロック９０２：はい）、遠隔命令実行部２３２は、（たとえば、直接）機械１０４に、かつ／または技術者へのケアパッケージの一部として遠隔解決策を実行する（ブロック９０４）。たとえば、遠隔命令実行部２３２は、ソフトウェアパッチ、再起動命令、および／または他の遠隔命令を送信して、機械に影響を及ぼす問題のうちの１つまたは複数を解決しようと試みることができる。別の例では、遠隔命令実行部２３２は、ケアパッケージを介して潜在的な遠隔命令解決策について技術者に警告する。そのような例では、技術者は、遠隔で機械１０４に命令を送信して問題を解決しようと試みる。

ブロック９０６において、遠隔命令実行部２３２が、機械１０４の問題が解決されたかどうかを判定する。たとえば、遠隔命令実行部２３２は、機械１０４との直接のネットワーク通信に基づいて、かつ／またはサービス要求が完了したことを識別する技術者デバイス１０８からの完了トリガおよび／もしくは任意の他のトリガに基づいて、機械１０４の問題が解決されたと判定することができる。問題が解決されたと遠隔命令実行部２３２が判定すると（ブロック９０６：はい）、プロセスは図６のブロック６０８に戻る。問題が解決されていないと遠隔命令実行部２３２が判定すると（ブロック９０６：いいえ）、プロセスはブロック９０８に進む。

ブロック９０８において、技術者選択器２３４が、識別されたエラーコードおよび／または問題が重大なエラーに対応するかどうかを判定する。エラーコードおよび／または問題は、ユーザ／製造業者／顧客の嗜好に基づいて、重大なエラーとして識別することができる。たとえば、顧客が同じ機械を２つ有するとき、一方の機械が動作している限り、他方の機械からのエラーコードは重大ではない。別の例では、機械１０４の完全なシャットダウンをもたらす任意のエラーコードおよび／または問題は、重大なエラーに対応することができる。技術者選択器２３４が、識別されたエラーコードおよび／または問題が重大なエラーに対応しないと判定すると（ブロック９０８：いいえ）、プロセスはブロック９１２に進む。技術者選択器２３４が、識別されたエラーコードおよび／または問題が重大なエラーに対応すると判定すると（ブロック９０８：はい）、技術者選択器２３４は、しきい値時間以内に重大なエラーを処理することができない技術者データベース２３８内の技術者を除外することにより、利用可能な技術者のグループを生成する（ブロック９１０）。たとえば、技術者選択器２３４は、技術者のスケジュールを分析して、どの技術者がすぐに対応できる（たとえば、彼らのスケジュールおよびサービス場所までの彼らの距離などに基づいて、しきい値時間以内に要求を処理することができる）かを判断することができる。サービス場所までの距離は、技術者の現在の場所から専用部品および／もしくは交換部品を取得するための第１の場所までの第１の距離、ならびに第１の場所からサービス場所までの第２の距離を含むことができる。

ブロック９１２において、技術者選択器２３４が、機械に対応する臨床ワークフローをチェックする。臨床ワークフローは、特定のタスクを遂行するために利用される一連の機械に対応する。臨床ワークフロー内の他の機械は、たとえば、さらなる機械が補修されるべき（たとえば、検査の予定がある、問題の一部である、など）かどうか、かつ／または問題が別の機械に起因するかどうかを判定するために評価することができる。たとえば、問題が識別された第１の機械の出力が第２の機械で使用されるとき、問題は無効な入力にする可能性がある。そのような例では、問題が第２の機械で識別された場合でも、実際の問題は第１の機械からのものであり得る。したがって、異なる時間に異なる技術者を送り出すことを回避するために、臨床ワークフローにおいて複数の機械を処理することができる技術者、または複数の機械を処理する複数の技術者を選択することが望ましい可能性がある。

ブロック９１４において、技術者選択器２３４が、現場位置にあるさらなる機械が補修される必要がある（たとえば、建物内または臨床ワークフローに基づく他の機械が、検査の予定がある、またはエラー／問題にも対応する）かどうかを判定する。技術者選択器２３４が、補修される必要があるさらなる機械が現場位置に存在しないと判定すると（ブロック９１４：いいえ）、プロセスはブロック９１８に進む。技術者選択器２３４が、補修される必要があるさらなる機械が現場位置に存在すると判定すると（ブロック９１４：はい）、重み乗算器２３６は、技術者が補修することができるさらなる機械の数に基づいて、対応できる技術者の事前に設定された重みを調整する（ブロック９１６）。たとえば、技術者選択器２３４が、補修される必要がある／補修されるべき３つの機械を識別すると、３つすべてを補修することができる技術者にはより高い重みが適用され、１つしか補修することができない技術者にはより低い重みが適用される。技術者がいずれの機械も補修することができないとき、ゼロの重みが適用され、それにより、彼らが唯一の対応できる技術者でない限り、技術者は除外される。

ブロック９１８において、重み乗算器２３６が、スキルレベル、ツール、距離、空き状況などに基づいて、対応できる技術者の重みを調整する。いくつかの例では、重み乗算器は、ニューラルネットワーク（たとえば、図５の例示的なニューラルネットワーク５００）を利用して、リソースのスキルレベル、ツール、距離などを含む入力に基づいて重みを生成することができる。調整の回数および／または重みの強度は、ユーザ／製造業者／顧客の嗜好に基づいてよい。たとえば、時間が顧客にとって優先度が高いとき、距離および空き状況は、スキルレベルよりも高い重みを受けることができる。ブロック９２０において、技術者選択器２３４が、現場位置で機械を補修するために必要な技術者の数を決定する。技術者の数は、顧客との契約、技術者の空き状況、機械の問題の複雑さ、および／または補修される必要がある機械の数に基づいてよい。ブロック９２２において、技術者選択器２３４が、Ｘ人の最も重み付けが高い技術者を選択し、Ｘはブロック９２０の決定された数に対応する。ブロック９２４において、技術者選択器２３４が、対応するケアパッケージ付きのサービス要求の指示を、デバイスインターフェース２１２を介して選択された技術者に送信する。

図１０は、スマート検索プロセスを実行するために図２の機械回復システム１０２の構造的構成要素によって実装することができる機械可読命令を表すフローチャート６１０、７０６、８０２を含む。図１０のフローチャート６１０、７０６、８０２は、図１および／または図２の機械回復システム１０２と連携して記載されるが、他のタイプの回復システムおよび／または他のタイプのプロセッサが代わりに利用されてよい。

ブロック１００２において、機械識別器２４０が、機械ＩＤが利用可能であるかどうかを判定する。機械ＩＤは、ユーザ、機械、（たとえば、機械を補修するときの）技術者によって提供することができ、かつ／またはデータベース２１６、２１８、２２０、２２２のうちの１つもしくは複数に機械１０４とともに格納することができる。機械識別器２４０が、機械ＩＤが利用可能でないと判定すると（ブロック１００２：いいえ）、機械識別器２４０は、機械１０４に関する取得された情報を使用し、取得された情報（たとえば、コンテキスト情報）を企業システムデータベース２１６内の格納された情報と比較して、機械を識別することができる（ブロック１００４）。いくつかの例では、取得された情報は、機械１０４の１つまたは複数の写真を含んでよい。そのような例では、機械識別器２４０は、画像処理技術を利用して、機械１０４の別個の特徴および／または機械１０４が位置する場所を特定し、処理された写真および／または別個の特徴を基準データおよび／または基準位置情報と比較して機械１０４を識別する。いくつかの例では、機械識別器２４０は、ニューラルネットワーク（たとえば、図５の例示的なニューラルネットワーク５００）を利用して、コンテキスト情報に基づいて機械を識別することができる。

機械識別器２４０が、機械ＩＤが利用可能であると判定すると（ブロック１００２：はい）、機械識別器２４０は、機械ＩＤに基づいて機械１０４を識別する（ブロック１００６）。ブロック１００８において、機械識別器２４０が、識別された機械の製造元、モデル、診断法、および／または他の情報を特定する。たとえば、機械識別器２４０は、データベースインターフェース２１４を介して企業システムデータベース２１６にアクセスして、識別された機械に対応する情報を取得することができる。ブロック１０１０において、モデル生成器２４２が、識別された機械の製造元、モデル、診断法、および／または他の情報に対応するフリートが存在するかどうかを判定する。機械のフリートは、同様の製造元、モデル、診断法、および／または他の情報を有する。フリート内の機械からの情報は、フリート内の他の機械を診断し、問題を予測し、かつ／または補修するために使用することができる。さらに、フリートは、フリートから取得された情報に基づいてカスタマイズされた人工知能モデル（たとえば、モデル、デジタルツイン、および／またはニューラルネットワーク）に対応する。いくつかの例では、機械は複数のフリートに対応することができる。フリート情報は、企業システムデータベース２１６に格納することができる。

モデル生成器２４２が、対応する機械のフリートが存在しないと判定した場合（ブロック１０１０：いいえ）、モデル生成器２４２は、製造元、診断法、および／またはモデルに基づいてテンプレート人工知能モデル（たとえば、モデル／デジタルツイン、ニューラルネットワークなど）を選択する（ブロック１０１２）。ブロック１０１４において、モデル生成器２４２が、機械に対応する診断法および／または他の利用可能な情報でテンプレート人工知能モデル（たとえば、モデル／デジタルツイン、ニューラルネットワークなど）を修正することにより、機械１０４用の人工知能モデル（たとえば、モデル／デジタルツイン、ニューラルネットワークなど）を生成する。モデル生成器２４２が、対応する機械のフリートが存在すると判定すると（ブロック１０１０：はい）、モデル生成器２４２は、対応するフリートの人工知能モデル（たとえば、モデル、デジタルツイン、ニューラルネットワークなど）を選択する（ブロック１０１６）。ブロック１０１８において、モデル生成器２４２が、デバイスインターフェース２１２を介して、対応するフリートの人工知能モデル（たとえば、モデル、デジタルツイン、ニューラルネットワークなど）を、（たとえば、スマートパッケージに含めることができる）技術者のデバイス１０８に配備する。技術者は、機械１０４の補修前／補修中に、テストマシンとして人工知能モデル（たとえば、モデル、デジタルツイン、ニューラルネットワークなど）を利用することができる。

ブロック１０２０において、情報更新器２４６が、（たとえば、データベースインターフェース２１４などを介して企業システムデータベース２１６内に）フリートと一致する識別された機械のエラー情報（たとえば、エラーコード、識別された問題など）を格納する。エラー情報を使用すると、フリートは、フリート内の機械のエラー／問題を追跡して、さらなる分析を開発し、かつ／またはフリート内の将来のエラーを予測することができる。ブロック１０２２において、情報更新器２４６が、フリート内の他の機械が同様のエラー／問題に対応するかどうかを判定する。情報更新器２４６が、フリート内の他の機械が同様のエラー／問題に対応すると判定すると、情報更新器２４６は、コンテキスト情報（たとえば、エラーが発生したとき、エラーが発生する前の実行回数、最後の補修とエラーとの間の時間、機械の経年、位置情報など）に関連する共通エラーとしてエラー／問題にフラグを立てる。ブロック１０２６において、デバイスインターフェース２１２が、同様のコンテキスト情報を有する機械に、フラグに対応する警告を送信する。たとえば、機械１０４が５年間動作していたときにエラーが発生すると、デバイスインターフェース２１２は、４年間を超えて動作している他の機械に警告を送信することができる。デバイスインターフェース２１２は、デバイスに、（たとえば、電子メール、テキストメッセージなどを介して）デバイスのユーザに、顧客に、機械回復システム１０２のマネージャに、サービスセンタ１０６に、かつ／または任意の他の関係者に警告を送信することができる。

図１１は、図６、図７、図８、図９、および／または図１０の命令を実行して、図２の機械回復システム１０２を実装するように構造化されたプロセッサプラットフォーム１１００のブロック図である。プロセッサプラットフォーム１１００は、たとえば、サーバ、パーソナルコンピュータ、ワークステーション、自己学習機械（たとえば、ニューラルネットワーク）、インターネットアプライアンス、または任意の他のタイプのコンピューティングデバイスであり得る。

図示された例のプロセッサプラットフォーム１１００は、プロセッサ１１１２を含む。図示された例のプロセッサ１１１２はハードウェアである。たとえば、プロセッサ１１１２は、任意の所望のファミリまたは製造業者からの１つまたは複数の集積回路、論理回路、マイクロプロセッサ、ＧＰＵ、ＤＳＰ、またはコントローラによって実装することができる。ハードウェアプロセッサは、半導体ベースの（たとえば、ケイ素ベースの）デバイスであり得る。この例では、プロセッサ１１１２は、デバイスインターフェース２１２、データベースインターフェース２１４、兆候プロセッサ２２４、フィルタ２２６、ケアパッケージ生成器２２８、解決策予測器２３０、遠隔命令実行部２３２、技術者選択器２３４、重み乗算器２３６、技術者データベース２３８、機械識別器２４０、モデル生成器２４２、アンケート生成器２４４、情報更新器２４６、およびデータベースインターフェース２１４を実装する。

図示された例のプロセッサ１１１２は、ローカルメモリ１１１３（たとえば、キャッシュ）を含む。図示された例のプロセッサ１１１２は、バス１１１８を介して揮発性メモリ１１１４および不揮発性メモリ１１１６を含む主メモリと通信する。揮発性メモリ１１１４は、同期式ダイナミックランダムアクセスメモリ（ＳＤＲＡＭ）、ダイナミックランダムアクセスメモリ（ＤＲＡＭ）、ＲＡＭＢＵＳ（登録商標）ダイナミックランダムアクセスメモリ（ＲＤＲＡＭ（登録商標））、および／または任意の他のタイプのランダムアクセスメモリデバイスによって実装することができる。不揮発性メモリ１１１６は、フラッシュメモリおよび／または任意の他の所望のタイプのメモリデバイスによって実装することができる。主メモリ１１１４、１１１６へのアクセスは、メモリコントローラによって制御される。

図示された例のプロセッサプラットフォーム１１００は、インターフェース回路１１２０も含む。インターフェース回路１１２０は、イーサネットインターフェース、ユニバーサルシリアルバス（ＵＳＢ）、Ｂｌｕｅｔｏｏｔｈ（登録商標）インターフェース、近距離通信（ＮＦＣ）インターフェース、および／またはＰＣＩエクスプレスインターフェースなどの、任意のタイプのインターフェース規格によって実装することができる。

図示された例では、１つまたは複数の入力デバイス１１２２がインターフェース回路１１２０に接続される。入力デバイス１１２２は、ユーザがデータおよびコマンドをプロセッサ１１１２に入力することを可能にする。入力デバイスは、たとえば、オーディオセンサ、マイクロフォン、カメラ（静止画またはビデオ）、キーボード、ボタン、マウス、タッチスクリーン、トラックパッド、トラックボール、アイソポイント、および／または音声認識システムによって実装することができる。

１つまたは複数の出力デバイス１１２４も、図示された例のインターフェース回路１１２０に接続される。出力デバイス１１２４は、たとえば、ディスプレイデバイス（たとえば、発光ダイオード（ＬＥＤ）、有機発光ダイオード（ＯＬＥＤ）、液晶ディスプレイ（ＬＣＤ）、陰極線管ディスプレイ（ＣＲＴ）、インプレース切替え（ＩＰＳ）ディスプレイ、タッチスクリーンなど）、触覚出力デバイス、プリンタ、および／またはスピーカによって実装することができる。したがって、図示された例のインターフェース回路１１２０は、通常、グラフィックスドライバカード、グラフィックスドライバチップ、および／またはグラフィックスドライバプロセッサを含む。

図示された例のインターフェース回路１１２０は、ネットワーク１１２６を介して外部機械（たとえば、任意の種類のコンピューティングデバイス）とのデータの交換を容易にするために、送信機、受信機、トランシーバ、モデム、住居用ゲートウェイ、ワイヤレスアクセスポイント、および／またはネットワークインターフェースなどの通信デバイスも含む。通信は、たとえば、イーサネット接続、技術加入者回線（ＤＳＬ）接続、電話回線接続、同軸ケーブルシステム、衛星システム、現場通信ワイヤレスシステム、携帯電話システムなどを介することができる。

図示された例のプロセッサプラットフォーム１１００は、ソフトウェアおよび／またはデータを記憶するための１つまたは複数の大容量ストレージデバイス１１２８も含む。そのような大容量ストレージデバイス１１２８の例には、フロッピーディスクドライブ、ハードドライブディスク、コンパクトディスクドライブ、ブルーレイディスクドライブ、リダンダントアレイオブインデペンデントディスク（ＲＡＩＤ）システム、およびデジタル多用途ディスク（ＤＶＤ）ドライブが含まれる。

図６、図７、図８、図９、および／または図１０の機械実行可能命令１１３２は、大容量ストレージデバイス１１２８、揮発性メモリ１１１４、不揮発性メモリ１１１６、および／またはＣＤもしくはＤＶＤなどのリムーバル非一時的コンピュータ可読記憶媒体に記憶することができる。

上記から、新しい技術的に進歩した画像診断法の保守、監視、および修理を提供する例示的な方法、装置、および製造品が開示されていることが諒解されよう。開示された方法、装置、および製造品は、コンピューティングデバイスを診断および修復ツールに変換して、（たとえば、データ転送、測定、監視などを介して）機械の兆候および／または構成情報を受信し、その機械および／または他の接続された構成要素の問題を識別し、問題に対する解決策のモデルおよびドライブの選択を行い、解決策を実行して機械での兆候／問題を改善するために適切なリソースを識別することにより、コンピューティングデバイスを使用する効率を改善する。いくつかの例は、モデル化および／またはネットワーク分析によるシミュレーションを提供し、問題を修正するために配備されるケアパッケージを生成する。したがって、開示された方法、装置、および製造品は、コンピュータの機能における１つまたは複数の改善に関する。

たとえば、結果および観察された挙動は、画像診断法デバイス、修理リソース、環境などに対する現実的な物理学ベースの仮想対応物、および／または堅牢な学習ネットワークモデルを開発して、機械の問題の指示から解決策を生成するためにモデル化することができる。いくつかの例は、パッケージ化された解決策を生成して、対象の機械および／またはそのフリート内の他の機械、その環境内の他のデバイス、そのケア経路／プロトコル上の他の構成要素などの問題に対処するために、問題の重大度、問題の即時性、問題の範囲、ならびに利用可能なツール、技術者、および／または他のリソースを考慮に入れる。不適切なリソースを送信することにより、問題を解決することが可能になり、移動および時間に１日数百ドルを費やし、問題を集中させ、修復するためのコストが高くなり、機械の利用不可能性が大きくなるのではなく、いくつかの例は、修理またはケアパッケージを生成して、機械で問題を診断および／または処理する。解決策は、特定の環境内の特定の機械に合わせて調整することができ、かつ／またはある場所、フリート内などの同様の機械に拡張することができる。従来の手法は手作業による技術者の調査を必要としたが、いくつかの例は、特定の問題を有する特定の機械のためのカスタマイズされた進化する解決策を提供する。たとえば、１日に１２回の走査に使用されるＭＲ機械は、１日に３０回の走査に使用される別のＭＲ機械とは異なってモデル化および処理することができる。機械は、同じ応答を割り当て、かつ／または逸脱してフリート内の他の機械とは使用パターンが異なる機械に対して異なる応答を開発するために比較することができる。いくつかの例は、機械修理の利益のために環境を活用し、より大きい環境の利益のために１つの機械の修理を活用するために、フリートモデリング、サイトモデリング、ワークフロー／プロトコルモデリングなどを提供する。

本明細書において、いくつかの例示的な方法、装置、および製造品が開示されたが、本特許の対象範囲はそれらに限定されない。それに反して、本特許は、本特許の特許請求の範囲内に正当に含まれるすべての方法、装置、および製造品を包含する。

１００ 機械を補修するための環境、システム
１０２ 機械回復システム
１０４ 機械／デバイス
１０６ サービスセンタ
１０８ 技術者デバイス、機械
１１０ 企業システム、データベースシステム
１１２ サービスシステム、データベースシステム
１１４ 機械接続プロセス
１１６ サービスデバイスワークフロー
１１８ レビュープロセス
１２０ トリアージプロセス
１２２ 診断プロセス
１２４ トラブルシューティングプロセス
１２６ 解決／修理／派遣プロセス
１２８ 結果報告／終了プロセス
２０２ スマート兆候システム
２０４ スマートケアパッケージシステム、ケアパッケージ生成器
２０６ スマート派遣システム
２０８ スマート検索システム、スマート検索
２１０ 回復更新器システム
２１２ デバイスインターフェース
２１４ データベースインターフェース
２１６ 企業システムデータベース
２１８ 機械ログデータベース、機械ログ
２２０ 問題解決データベース
２２２ 動的システム健全性データベース
２２４ 兆候プロセッサ、アンケート生成器
２２５ ケアパッケージ生成器
２２６ フィルタ
２２７ 問題データベース
２２８ ケアパッケージ生成器
２３０ 解決策予測器
２３２ 遠隔命令実行部
２３４ 技術者選択器
２３６ 重み乗算器
２３８ 技術者データベース
２４０ 機械識別器
２４２ モデル生成器
２４４ アンケート生成器
２４６ 情報更新器
３１０ デバイス／リソース／アイテム
３１５ 実空間
３２０ データ
３３０ デジタルツイン、デジタル記述
３３５ 仮想空間、デジタルツイン環境
３４０ 情報
３５０ 仮想部分空間
３５２ 仮想部分空間
３５４ 仮想部分空間
４００ 光学ヘッドマウントディスプレイ
４１０ スキャナ、センサ
４５０ 技術者デバイス
４５２ 診断および／または修理の提案
４５４ 表示画面
４５６ 通信
４８０ スマートウォッチ、ヘッドマウントディスプレイ
４８２ 提案
４８４ 表示画面
５００ 深層学習ニューラルネットワークモデル
５１２ 入力
５１４ 入力
５１６ 入力
５２０ 入力層
５２２ 入力ノード
５２４ 入力ノード
５２６ 入力ノード
５３０ ニューラル接続
５３２ 接続
５３４ 接続
５４０ 隠れ層
５４２ ノード
５４４ ノード
５４６ ノード
５４８ ノード
５５０ ニューラル接続
５５２ 接続
５５４ 接続
５６０ 隠れ層
５６２ ノード
５６４ ノード
５６６ ノード
５６８ ノード
５７０ ニューラル接続
５７２ 接続
５７４ 接続
５８０ 出力層
５８２ 出力ノード
５９０ 出力
６００ フローチャート
６０２ ブロック、フローチャート
６０４ ブロック、フローチャート
６０６ ブロック、フローチャート
６０８ ブロック、フローチャート
６１０ ブロック、フローチャート
６１２ ブロック
６１４ ブロック
６１６ ブロック
６１８ ブロック
７０２ ブロック
７０４ ブロック
７０６ ブロック、フローチャート
７０８ ブロック
７１０ ブロック
７１２ ブロック
７１４ ブロック
７１６ ブロック
７１８ ブロック
７２０ ブロック
７２２ ブロック
７２４ ブロック
７２６ ブロック
８００ ブロック、プロセッサプラットフォーム
８０２ ブロック、フローチャート
８０４ ブロック
８０６ ブロック
８０８ ブロック
８１０ ブロック
８１４ ブロック
８１６ ブロック
８１８ ブロック
８２０ ブロック
８２２ ブロック
８２４ ブロック
９０２ ブロック
９０４ ブロック
９０６ ブロック
９０８ ブロック
９１０ ブロック
９１２ ブロック
９１４ ブロック
９１６ ブロック
９１８ ブロック
９２０ ブロック
９２２ ブロック
９２４ ブロック
１００２ ブロック
１００４ ブロック
１００６ ブロック
１００８ ブロック
１０１０ ブロック
１０１２ ブロック
１０１４ ブロック
１０１６ ブロック
１０１８ ブロック
１０２０ ブロック
１０２２ ブロック
１０２６ ブロック
１１００ プロセッサプラットフォーム
１１１２ プロセッサ
１１１３ ローカルメモリ
１１１４ 揮発性メモリ、主メモリ
１１１６ 不揮発性メモリ、主メモリ
１１１８ バス
１１２０ インターフェース回路
１１２２ 入力デバイス
１１２４ 出力デバイス
１１２６ ネットワーク
１１２８ 大容量ストレージデバイス
１１３２ 機械実行可能命令

Claims (15)

1. 実行されると、少なくとも、
   画像装置のエラーコードまたは前記画像装置の識別された問題のうちの少なくとも１つに基づいて、データベースの情報にアクセスし、
   前記エラーコードまたは前記識別された問題のうちの前記少なくとも１つ、および前記エラーコードまたは前記識別された問題のうちの前記少なくとも１つに対応する以前の解決策に関連する情報に基づいて、解決策予測器（２３０）が前記画像装置を補修するための解決策を予測し、
   前記解決策に基づいて、パッケージ生成器（２２８）がカスタマイズされたパッケージを生成し、前記カスタマイズされたパッケージが前記解決策に対応するマニュアル情報を含み、
   ワイヤレス通信を使用して前記カスタマイズされたパッケージを技術者デバイス（１０８）に送信し、前記カスタマイズされたパッケージが、前記解決策に従って前記画像装置の補修のための前記技術者デバイス（１０８）を構成し、
   前記画像装置の前記補修の完了に応答して、前記パッケージに対応する前記技術者デバイス（１０８）からのプロンプトであって、前記カスタマイズされたパッケージに含まれていたはずであるが含まれていなかった情報または、前記カスタマイズされたパッケージに含まれていたが不要であった情報に対するアンケートを含む前記プロンプトに対する応答を取得し、前記プロンプトが前記画像装置の前記補修に対応する情報を識別し、
   前記プロンプトの前記アンケートに対する前記応答に基づいて後続のカスタマイズされたパッケージ生成を更新するために、情報更新器（２４６）が前記データベースの情報、前記予測された解決策、前記マニュアル情報、または前記画像装置のデジタルツイン（３３０）のうちの少なくとも１つを更新する
   ことを機械（１０４）に行わせる命令を含む、非一時的コンピュータ可読記憶媒体。
2. 前記命令が、前記機械（１０４）に、前記データベースの情報、前記エラーコード、または前記識別された問題のうちの少なくとも１つに基づいて、前記画像装置のモデルをテストすることにより、前記画像装置を補修するための前記解決策を予測させる、請求項１に記載のコンピュータ可読記憶媒体。
3. 前記命令が、前記機械（１０４）に、前記画像装置の前記モデルを前記パッケージに追加させる、請求項２に記載のコンピュータ可読記憶媒体。
4. 前記データベースの情報が、前記画像装置のコンテキスト情報、問題解決データ、またはシステム健全性情報のうちの少なくとも１つに対応する、請求項１乃至３のいずれかに記載のコンピュータ可読記憶媒体。
5. 前記命令が、前記機械（１０４）に、技術者からのフィードバックに基づいて前記データベースを更新させる、請求項３に記載のコンピュータ可読記憶媒体。
6. 前記命令が、前記機械（１０４）に、技術者からのフィードバックに基づいて前記パッケージのフォーマットまたは前記パッケージ内の情報のうちの少なくとも１つを更新させる、請求項１乃至５のいずれかに記載のコンピュータ可読記憶媒体。
7. 前記命令が、前記機械（１０４）に、専用ツールが前記予測された解決策に対応するかどうかを判定させる、請求項１乃至６のいずれかに記載のコンピュータ可読記憶媒体。
8. 前記命令が、前記機械（１０４）に、前記専用ツールが前記予測された解決策に対応するとき、前記専用ツールの識別子を前記パッケージに追加させる、請求項７に記載のコンピュータ可読記憶媒体。
9. 前記命令が、前記機械（１０４）に、前記画像装置の位置への方向、または前記画像装置の前記位置を識別する地図のうちの少なくとも１つを含ませる、請求項１乃至８のいずれかに記載のコンピュータ可読記憶媒体。
10. 前記技術者デバイス（１０８）が、前記画像装置を直接補修すること、前記画像装置を遠隔で補修すること、または技術者による修理を容易にすることのうちの少なくとも１つを行うことができる、請求項１乃至９のいずれかに記載のコンピュータ可読記憶媒体。
11. エラーコードまたは識別された問題のうちの少なくとも１つ、および前記エラーコードまたは前記識別された問題のうちの前記少なくとも１つに対応する以前の解決策に関連するデータベースからの情報に基づいて、画像装置を補修するための解決策を予測する解決策予測器（２３０）と、
    前記解決策に対応するカスタマイズされたデータ構造を生成するパッケージ生成器（２２８）であって、前記カスタマイズされたデータ構造が前記画像装置を補修する自動化された解決策を含む、パッケージ生成器（２２８）と、
    ワイヤレス通信を使用して、前記画像装置または前記画像装置に接続された修理デバイスのうちの少なくとも１つに前記カスタマイズされたデータ構造を送信し、
    前記画像装置による前記自動化された解決策の実行に応答して、プロンプトであって、前記カスタマイズされたデータ構造に含まれていたはずであるが含まれていなかった情報または、前記カスタマイズされたデータ構造に含まれていたが不要であった情報に対するアンケートを含む前記プロンプトを使用して前記修理デバイスを使用して前記画像装置の前記補修に対応する応答を取得する
    インターフェース（２１２）と、
    前記応答の前記アンケートの結果に基づいて後続のカスタマイズされたパッケージの生成を更新するために、前記データベースからの情報、前記予測された解決策、マニュアル情報、または前記画像装置のデジタルツイン（３３０）のうちの少なくとも１つを更新する情報更新器（２４６）と
    を備える、装置。
12. 前記解決策予測器（２３０）が、前記データベースからの情報、前記エラーコード、または前記識別された問題のうちの少なくとも１つに基づいて、前記画像装置のモデルをテストすることにより、前記画像装置を補修するための前記解決策を予測する、請求項１１に記載の装置。
13. 前記パッケージ生成器（２２８）が、前記画像装置の前記モデルを前記パッケージに追加する、請求項１２に記載の装置。
14. 前記情報が、前記画像装置のコンテキスト情報、問題解決データ、またはシステム健全性情報のうちの少なくとも１つに対応する、請求項１１乃至１３のいずれかに記載の装置。
15. 画像装置のエラーコードまたは前記画像装置の識別された問題のうちの少なくとも１つに基づいて、データベースからの情報にアクセスするステップと、
    前記エラーコードまたは前記識別された問題のうちの前記少なくとも１つ、および前記エラーコードまたは前記識別された問題のうちの前記少なくとも１つに対応する以前の解決策に関連する情報に基づいて、解決策予測器（２３０）が前記画像装置を補修するための解決策を予測するステップと、
    前記解決策に基づいて、パッケージ生成器（２２８）がカスタマイズされたパッケージを生成するステップであって、前記カスタマイズされたパッケージが、前記画像装置を補修するために必要な交換部品または専用ツールのうちの少なくとも１つを含む、ステップと、
    前記解決策に従って前記画像装置の補修を容易にするように技術者デバイス（１０８）を構成するために、ワイヤレス通信を使用して前記カスタマイズされたパッケージを前記技術者デバイス（１０８）に送信するステップと、
    前記画像装置の前記補修の完了に応答して、プロンプトであって、前記カスタマイズされたパッケージに含まれていたはずであるが含まれていなかった情報または、前記カスタマイズされたパッケージに含まれていたが不要であった情報に対するアンケートを含む前記プロンプトを使用して前記パッケージに対応する前記技術者デバイス（１０８）からのフィードバックを取得するステップと、
    前記アンケートを含む前記フィードバックに基づいて後続のカスタマイズされたパッケージ生成を更新するために、前記データベースの情報、前記予測された解決策、マニュアル情報、または前記画像装置のデジタルツイン（３３０）のうちの少なくとも１つを情報更新器（２４６）が更新するステップと
    を含む、方法。

Images