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。