JP7507997B2 - 保守コスト推定装置及び保守コスト推定方法 - Google Patents

Description

本開示は、保守コスト推定装置及び保守コスト推定方法に関する。

シミュレーションを利用して工場の設備の補修計画を策定する技術がある。

特開平９－２３４６５２号公報

特許文献１が開示する技術によれば、設備全体の信頼性の尺度及びコストを、予め用意した複数の補修計画案を用いて算出し、算出した尺度及びコストのバランスに応じて最適な補修計画案を選定する。
しかしながら、実際の設備においては定期的な点検作業が通常は行われる。点検作業において設備を構成する機器の故障の予兆を発見し、発見した故障の予兆に対して部品交換又は手入れ等の対応をすることにより、機器の故障を未然に防止することができる場合もある。そして、点検作業により機器の故障を未然に防止することができた場合と、機器の故障を未然に防止することができず突発的な故障に対応した場合とでは、コスト及びダウンタイムが互いに異なる。
そのため、比較的高い精度で設備の保守コストを推定するためには、予め用意した補修計画だけでなく、点検作業により故障を未然に防止することができる効果も考慮する必要がある。しかしながら、特許文献１が開示する技術によれば、保守コストを推定することに用いられる設備保全計画を、点検作業の効果を考慮して決定することができない。従って、当該技術には高い精度で設備の保守コストを推定することができないという課題がある。

本開示は、比較的高い精度で設備の保守コストを推定することを目的とする。

本開示に係る保守コスト推定装置は、
設備が備える部品に故障が発生するか否かをシミュレーションにより推定する保守コスト推定装置であって、
前記部品に対する修繕作業を実施してからの経過時間に応じて推定される確率であって、対象時点において前記部品に故障が発生している確率である故障発生確率を示す劣化モデルと、前記部品に対する点検作業によって前記部品の故障を防止することができると推定される確率である故障防止確率とを用いて、前記対象時点において前記部品に故障が発生しているか否かを前記シミュレーションによって推定する際に用いられるモデルである故障推定モデルを生成する保守効果統合部
を備える。

本開示によれば、保守効果統合部は、故障推定モデルを生成する際に点検作業によって部品の故障を防止することができると推定される確率である故障防止確率を用いる。また、故障推定モデルは部品に故障が発生するか否かをシミュレーションによって推定する際に用いられる。従って、本開示を活用することにより比較的高い精度で設備の保守コストを推定することができる。

実施の形態１に係る保守コスト推定装置１００の構成例を示す図。 実施の形態１に係る保守コスト推定装置１００のハードウェア構成例を示す図。 実施の形態１に係る保守コスト推定装置１００の動作を示すフローチャート。 実施の形態１に係るフォルトツリー構成部１２０の処理を説明する図。 実施の形態１に係るフォルトツリー構成部１２０の処理を説明する図。 実施の形態１に係る故障シミュレーション部１５０の処理を説明する図。 実施の形態１に係る保守コスト推定部１６０の処理を説明する図。 実施の形態１に係るシミュレーション結果の活用事例を説明する図。 実施の形態１の変形例に係る保守コスト推定装置１００のハードウェア構成例を示す図。

実施の形態の説明及び図面において、同じ要素及び対応する要素には同じ符号を付している。同じ符号が付された要素の説明は、適宜に省略又は簡略化する。図中の矢印はデータの流れ又は処理の流れを主に示している。また、「部」を、「回路」、「工程」、「手順」、「処理」又は「サーキットリー」に適宜読み替えてもよい。

実施の形態１．
以下、本実施の形態について、図面を参照しながら詳細に説明する。

＊＊＊構成の説明＊＊＊
図１は、本実施の形態に係る保守コスト推定装置１００の構成例を示している。保守コスト推定装置１００は、設備が備える部品に故障が発生するか否かをシミュレーションにより推定する。保守コスト推定装置１００は、本図に示すように、入力部１１０と、フォルトツリー構成部１２０と、保守効果算出部１３０と、保守効果統合部１４０と、故障シミュレーション部１５０と、保守コスト推定部１６０と、出力表示部１７０とを備える。また、保守コスト推定装置１００は、劣化モデルＤＢ（Ｄａｔａｂａｓｅ）１９１と、遠隔監視ＤＢ１９２と、保守情報ＤＢ１９３と、保守効果ＤＢ１９４とを保持している。なお、各ＤＢは外部の記憶装置に格納されていてもよい。また、保守コスト推定装置１００は保守効果ＤＢ１９４を備えなくてもよい。

入力部１１０は、保守コストの推定対象である設備の構成と、故障シミュレーション部１５０が実施するシミュレーションの条件等の各々を示す情報を受け付ける機能を有する。設備の構成は、設備を構成する部品の型番等によって指定される。シミュレーションの条件は、シミュレーション期間と、サンプリング数と、時間刻み幅等である。入力部１１０が受け付ける情報は、ユーザーによって入力される。

フォルトツリー構成部１２０は、入力された設備の構成を示す情報が示す各部品に対応する劣化モデルを劣化モデルＤＢ１９１から抽出し、抽出した各劣化モデルを用いてフォルトツリーを構成する機能を有する。劣化モデルＤＢ１９１は各部品に対応する劣化モデルを示す情報を記録する。ある部品の劣化モデルは当該ある部品の故障発生確率を示す。当該ある部品の故障発生確率は、当該ある部品に対する修繕作業を実施してからの経過時間に応じて推定される確率であって、各対象時点において当該ある部品に故障が発生している確率を示すモデルである。劣化モデルは、具体例として、物理モデル及び故障履歴等に基づいて構築したモデルである。また、劣化モデルは部品の故障モードごとに構築されてもよい。即ち、ある部品に対応する劣化モデルが複数存在してもよい。ある部品に対する修繕作業は、具体例として、当該ある部品の交換、又は当該ある部品の手入れである。ある部品の手入れは、具体例として、当該ある部品の位置の調整、当該ある部品に対する締め付けの強化、又は当該ある部品に対する潤滑油の交換である。
フォルトツリー構成部１２０は、フォルトツリーの代わりに、ガウシアンネットワーク等、複数の部品から成る機器を構成する各部品の故障確率を算出し、算出した各故障確率を適宜統合することにより当該機器の故障確率を算出することができる他の手法を用いてもよい。

保守効果算出部１３０は、点検作業の対象である各部品の保守履歴に関する情報を保守情報ＤＢ１９３から抽出し、抽出した情報に基づいて故障防止確率を算出し、算出した故障防止確率を示す情報を保守効果ＤＢ１９４に記録する機能を有する。ここで、保守情報ＤＢ１９３は、点検作業の対象である各部品の保守履歴に関する情報を記録する。保守履歴に関する情報は、具体例として、点検作業の実施記録と、故障予兆の発見の有無との各々を示す情報である。また、保守情報ＤＢ１９３は、各部品について、故障発生時の作業及び予防保全作業の各々において要する費用及び設備停止時間の各々を示す情報を記録する。保守効果ＤＢ１９４は、点検作業の対象である各部品に対応する故障防止確率を示す情報を記録する。故障防止確率は、点検作業によって各部品の故障を未然に防止することができると推定される確率であり、点検作業によって各部品の故障予兆を発見することができると推定される確率である。なお、各部品に対する点検作業は、各部品の状態等を確認することであり、通常は定期的に行われる。また、保守作業は修繕作業及び点検作業の総称である。
保守効果算出部１３０は、遠隔で状態を監視している設備又は部品等に関しては、遠隔監視ＤＢ１９２に格納されている情報を利用して故障防止確率を算出してもよい。この際、遠隔監視の結果に基づいて、作業員が点検作業において各部品の故障予兆を発見してもよい。遠隔監視ＤＢ１９２は、遠隔監視によって検出された故障予兆を示す情報を格納している。また、保守効果算出部１３０は、部品の設計情報を用いて故障防止確率を算出してもよく、点検作業によって部品の故障を防止した実績に基づいて故障防止確率を算出してもよい。

保守効果統合部１４０は、劣化モデルと故障防止確率とを用いて故障推定モデルを生成する。故障推定モデルは、各対象時点において部品に故障が発生しているか否かをシミュレーションによって推定する際に用いられるモデルである。故障推定モデルは複数の部品に対応するモデルであってもよい。故障推定モデルは、フォルトツリー解析を実施するためのモデルであってもよい。具体例として、保守効果統合部１４０は、保守効果算出部１３０が算出した故障防止確率を、フォルトツリー構成部１２０が構成したフォルトツリーに統合する機能を有する。

故障シミュレーション部１５０は、各部品の故障発生確率及び故障防止確率を考慮して、将来における各部品の故障発生過程をシミュレーションする。この際、故障シミュレーション部１５０は、対象期間を対象としてシミュレーションを実行する。当該シミュレーションは、確率的シミュレーション技術に基づくシミュレーションであってもよい。

保守コスト推定部１６０は、故障シミュレーション部１５０がシミュレーションを実行した結果と、保守情報ＤＢ１９３に格納されている情報とを利用して、各経過時間における保守コスト及びダウンタイムの各々の推定値を算出する。保守コスト推定部１６０は保守コスト及びダウンタイム推定部とも呼ばれる。保守コスト推定部１６０は、故障シミュレーション部１５０がシミュレーションを実行した結果に基づいて対象期間における各部品の保守コストを推定してもよい。

出力表示部１７０は、推定した保守コスト及びダウンタイムをユーザーに向けて出力する機能を有する。

図２は、本実施の形態に係る保守コスト推定装置１００のハードウェア構成例を示している。保守コスト推定装置１００はコンピュータから成る。保守コスト推定装置１００は複数のコンピュータから成ってもよい。

保守コスト推定装置１００は、本図に示すように、プロセッサ１１と、メモリ１２と、補助記憶装置１３と、入力ＩＦ（Ｉｎｔｅｒｆａｃｅ）１４と、出力ＩＦ１５等のハードウェアを備えるコンピュータである。これらのハードウェアは、信号線１９を介して適宜接続されている。

プロセッサ１１は、演算処理を行うＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）であり、かつ、コンピュータが備えるハードウェアを制御する。プロセッサ１１は、具体例として、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）、又はＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）である。
保守コスト推定装置１００は、プロセッサ１１を代替する複数のプロセッサを備えてもよい。複数のプロセッサはプロセッサ１１の役割を分担する。

メモリ１２は、典型的には揮発性の記憶装置であり、具体例としてＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）である。メモリ１２は、主記憶装置又はメインメモリとも呼ばれる。メモリ１２に記憶されたデータは、必要に応じて補助記憶装置１３に保存される。

補助記憶装置１３は、典型的には不揮発性の記憶装置であり、具体例として、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、又はフラッシュメモリである。補助記憶装置１３に記憶されたデータは、必要に応じてメモリ１２にロードされる。
メモリ１２及び補助記憶装置１３は一体的に構成されていてもよい。

入力ＩＦ１４は入力装置２１が接続されるポートである。入力ＩＦ１４は、具体例として、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）端子、通信チップ、又はＮＩＣ（Ｎｅｔｗｏｒｋ Ｉｎｔｅｒｆａｃｅ Ｃａｒｄ）である。入力装置２１は、具体例として、キーボード及びマウスである。

出力ＩＦ１５は出力装置２２が接続されるポートである。出力ＩＦ１５の構成は入力ＩＦ１４の構成と同様であってもよい。入力ＩＦ１４及び出力ＩＦ１５は一体的に構成されていてもよい。出力装置２２は、具体例としてディスプレイである。

保守コスト推定装置１００の各部は、他の装置等と通信する際に、入力ＩＦ１４及び出力ＩＦ１５を適宜用いる。

補助記憶装置１３は保守コスト推定プログラムを記憶している。保守コスト推定プログラムは、保守コスト推定装置１００が備える各部の機能をコンピュータに実現させるプログラムである。保守コスト推定プログラムは、メモリ１２にロードされて、プロセッサ１１によって実行される。保守コスト推定装置１００が備える各部の機能は、ソフトウェアにより実現される。

保守コスト推定プログラムを実行する際に用いられるデータと、保守コスト推定プログラムを実行することによって得られるデータ等は、記憶装置に適宜記憶される。保守コスト推定装置１００の各部は記憶装置を適宜利用する。記憶装置は、具体例として、メモリ１２と、補助記憶装置１３と、プロセッサ１１内のレジスタと、プロセッサ１１内のキャッシュメモリとの少なくとも１つから成る。なお、データと情報とは同等の意味を有することもある。記憶装置は、コンピュータと独立したものであってもよい。
メモリ１２及び補助記憶装置１３の機能は、他の記憶装置によって実現されてもよい。

保守コスト推定プログラムは、コンピュータが読み取り可能な不揮発性の記録媒体に記録されていてもよい。不揮発性の記録媒体は、具体例として、光ディスク又はフラッシュメモリである。保守コスト推定プログラムは、プログラムプロダクトとして提供されてもよい。

＊＊＊動作の説明＊＊＊
保守コスト推定装置１００の動作手順は保守コスト推定方法に相当する。また、保守コスト推定装置１００の動作を実現するプログラムは保守コスト推定プログラムに相当する。

図３は、保守コスト推定装置１００の動作の一例を示すフローチャートである。図３を参照して保守コスト推定装置１００の動作を説明する。

（ステップＳ１０１）
ユーザーは、入力装置２１を用いて、対象設備の構成と、シミュレーション条件等を示す情報を入力する。対象設備は、将来における保守コストをユーザーが推定したい設備である。
入力部１１０は、ユーザーが入力した情報を受け付ける。

（ステップＳ１０２）
フォルトツリー構成部１２０は、対象設備の構成を示す情報に基づいて対象設備に対応するフォルトツリーを構成する。具体的には、フォルトツリー構成部１２０は、フォルトツリーの各要素に対応する劣化モデルを劣化モデルＤＢ１９１から抽出し、抽出した劣化モデルをフォルトツリーの各要素に割り当てる。フォルトツリーの各要素は対象設備を構成する各部品に対応する。
図４は、本ステップにおいて構成されるフォルトツリーの具体例を示している。本例において、ドアがドア部品Ａとドア部品Ｂとドア部品Ｃとから構成されており、各部品に対応する劣化モデルを用いてフォルトツリーが構成されている。ドアは、具体例として昇降機のドアである。また、「ドア部品Ａの故障有無」に対応する論理値が劣化モデルに基づいて算出されることを示している。劣化モデルにおいて、ドア部品Ａに対して修繕作業を実施してからの経過時間ｔと、ドア部品Ａの故障発生確率との関係が示されている。ドア部品Ａに対する修繕作業は、具体例として、ドア部品Ａの交換、又はドア部品Ａの調整等である。

（ステップＳ１０３）
保守効果算出部１３０は、対象設備を構成する部品のうち点検作業の対象である各部品の保守履歴を示す情報を保守情報ＤＢ１９３から抽出し、抽出した情報に基づいて下記の通り各部品に対応する故障防止確率を算出する。ここで、Ａは点検作業によってある部品の故障予兆を発見した回数を示し、Ｂは次回の点検作業までに当該ある部品に故障が発生した回数を示す。次回の点検作業までに当該ある部品に故障が発生した回数は、点検作業によって当該ある部品の故障を防止することができなかった回数である。Ａは当該ある部品の故障防止実績でもあり、Ｂは当該ある部品の故障実績でもある。なお、保守効果算出部１３０は、ステップＳ１０１が実行される前に故障防止確率を算出してもよい。この際、保守効果算出部１３０は算出した故障防止確率を保守効果ＤＢ１９４に記録する。

故障防止確率Ｃ＝Ａ／（Ａ＋Ｂ）

その後、保守効果統合部１４０は、保守効果算出部１３０が算出した故障防止確率を、フォルトツリー構成部１２０が構成したフォルトツリーに統合する。
図５は、本ステップの具体例を示している。本例において、保守効果算出部１３０は、点検作業の対象である各部品についての故障防止実績及び故障実績に基づいて故障防止確率を算出する。ここで、具体例として、各部品についての故障防止実績及び故障実績の各々は、保守情報ＤＢ１９３に格納されている情報であり、各部品と型番が同一である部品についての通算の実績であり、各部品が対象設備を構成する部品であるか否かを問わずに集計した実績である。なお、ある部品の仕様、当該ある部品の型名の詳細、又は当該ある部品を製造してからの経過時間等の条件によって当該ある部品についての故障予兆の発見し易さが大幅に異なる場合、当該ある部品についての実績は条件ごとに分類して集計されていてもよい。ここで、実績は故障防止実績及び故障実績の総称である。各部品についての実績が分類されている場合、保守効果算出部１３０は、故障防止確率を算出する対象である対象部品に対応する故障防止確率を算出する際、対象部品と同種の部品についての実績のうち、対象部品の分類と同じ又は類似する分類に分類されている実績のみを用いてもよい。
なお、点検作業の対象ではない部品についての情報は保守情報ＤＢ１９３に格納されていないため、保守効果統合部１４０は、当該部品についての故障防止確率をフォルトツリーに統合しない。そのため、本例において、保守効果統合部１４０はドア部品Ｃについての故障防止確率をフォルトツリーに統合しない。

なお、保守効果算出部１３０は、遠隔で状態を監視している設備又は部品等に関しては、遠隔監視ＤＢ１９２に格納されている情報を利用することにより故障防止確率を算出してもよい。
また、保守効果算出部１３０は、故障防止確率を算出する際に、保守及び設計における知見等を用いてもよい。ある部品についての保守における知見は、具体例として、当該ある部品について故障予兆を発見することができる確率である。

（ステップＳ１０４）
故障シミュレーション部１５０は、ユーザーが入力した情報と、保守効果統合部１４０が作成したフォルトツリーとを用いて、将来における対象設備の故障発生過程をシミュレーションする。故障シミュレーション部１５０は、シミュレーションにおいて、故障発生確率及び故障防止確率等の確率を考慮して乱数を発生させることができる手法を用いる。当該手法は、確率事象を扱うことができるシミュレーション手法であればどのような手法であってもよく、具体例として、モンテカルロ法、準モンテカルロ法、マルコフ連鎖モンテカルロ法、又はＮＵＴＳ（Ｎｏ－Ｕ－Ｔｕｒｎ Ｓａｍｐｌｅｒ）法等である。故障シミュレーション部１５０は、フォルトツリーの末端に位置する各部品について、サンプリング数分以下の処理を実施する。サンプリング数はサンプルパスの数である。なお、故障シミュレーション部１５０は、各部品について、設定したシミュレーション期間分のシミュレーション結果を、設定したサンプリング数分発生させる。以下、故障シミュレーション部１５０がフォルトツリーの末端に位置する部品である対象部品を対象とするものとして故障シミュレーション部１５０の処理の具体例を説明する。

（処理１）
故障シミュレーション部１５０は、経過時間Ｔにおける対象部品の故障発生確率を、対象部品に対応する劣化モデルにおいて変数ｔに経過時間Ｔを代入することにより算出する。ここで、変数ｔは対象部品に対して修繕作業を実施してからの経過時間を示す。また、ある部品に対応する経過時間Ｔは当該ある部品に対して修繕作業を実施してからの経過時間である。なお、当該ある部品に対して修繕作業を実施したことがない場合、具体例として、経過時間Ｔの開始時点として当該ある部品を備える設備が稼働を開始した日時が用いられる。

（処理２）
故障シミュレーション部１５０は、処理１において算出した故障発生確率を用いて、対象部品のサンプルパスの一部として、対象部品について故障発生の有無のいずれかを示す情報を生成する。

（処理３）
故障シミュレーション部１５０は、対象部品が点検作業の対象である場合、かつ、処理２において対象部品に故障が発生するものとされた場合、対象部品に対応する故障防止確率を用いて故障防止成功又は故障防止失敗を示す情報を生成する。

（処理４）
故障シミュレーション部１５０は、フォルトツリーのブール代数則に基づいて、対象部品の状態が、「故障発生」、「点検作業による故障防止」、又は「故障なし」のいずれであるかを求める。

（処理５）
対象部品の状態が「故障発生」又は「点検作業による故障防止」である場合、故障シミュレーション部１５０は、対象部品が交換されたとものとみなして経過時間Ｔをリセットする。

（処理６）
故障シミュレーション部１５０は、経過時間ＴをＴ＋Ｔｉに更新する。ここで、Ｔｉはシミュレーション間隔を示す。故障シミュレーション部１５０は、設定したシミュレーション期間の終了時点にシミュレーション経過時間が達するまで処理１から処理５を繰り返す。シミュレーション経過時間は、シミュレーションを開始した時点からのシミュレーション上の経過時間である。

図６は、故障シミュレーション部１５０がサンプルパスを生成する様子を、具体例を用いて示している。本例において、あるサンプルパスの５月目において、劣化モデルに基づいてドア部品Ａに故障が発生するものの、当該故障は点検作業により未然に防止される。そのため、故障シミュレーション部１５０はドア部品Ａに対応する経過時間Ｔをリセットする。また、９月目において、劣化モデルに基づいてドア部品Ａに故障が発生するものの、点検作業により当該故障を未然に防止することができなかったためにドアの故障が発生する。そのため、故障シミュレーション部１５０はドア部品Ａに対応する経過時間Ｔをリセットする。

（ステップＳ１０５）
保守コスト推定部１６０は、故障シミュレーション部１５０が実施したシミュレーションの結果から、各シミュレーション経過時間における保守コスト及びダウンタイムを算出する。なお、当該シミュレーション結果はサンプルパスに当たる。
具体的には、保守コスト推定部１６０は、各部品について、全てのサンプルパスを対象として、各シミュレーション経過時間において「故障発生」と「点検作業による故障防止」と「故障なし」との各状態の発生回数を集計する。保守コスト推定部１６０は、具体例として、集計した結果に対して、保守情報ＤＢ１９３にあらかじめ設定されている各コストを掛け合わせることにより、各年における設備の保守コスト及び設備のダウンタイムの期待値を算出する。各コストは、具体例として、部品ごと又は故障内容ごとに定められているコストである。
図７は、あるシミュレーション経過時間におけるある部品に対する保守コスト及びダウンタイムを算出する処理を、具体例を用いて説明する図である。本例において、当該あるシミュレーション経過時間において、当該ある部品についての全てのサンプルパスにおいて、「故障発生」が合計で２０００回発生し、「点検作業による故障防止」が合計で３０００回発生し、「故障なし」が合計で５０００回発生した。なお、サンプリング数は１００００である。保守コスト及びダウンタイムの各々は、保守情報ＤＢ１９３に格納されているデータを用いて算出されてもよい。このとき、期待保守コスト及び期待ダウンタイムの各々は図７に示すように算出される。ここで、期待保守コストは保守コストの期待値である。期待ダウンタイムはダウンタイムの期待値である。
保守コスト推定部１６０は、各シミュレーション経過時間における各部品についての期待保守コスト及び期待ダウンタウンを算出し、算出した期待保守コスト及び期待ダウンタウンの各々を合算することにより、将来における対象設備全体についての保守コスト及びダウンタイムを推定する。

図８は、点検作業の実施間隔を変えながらシミュレーションを実施した結果を活用することについて説明する図である。ユーザーは、具体例として、各実施間隔における保守コスト及びダウンタイムに基づいて期待損失を算出し、算出した期待損失を比較することにより、最適な実施間隔を選択することができる。ここで、保守コストは部品交換及び手入れ等にかかる費用の総額の期待値である。ダウンタイムは、部品の故障対応、設備の復旧対応、及び設備の点検等に要する総時間の期待値である。
なお、ある実施間隔に対応するシミュレーションを実施する場合において、当該ある実施間隔における点検作業の実績のみを用いることが望ましい。即ち、具体例として、ある部品に対して２か月間隔で点検作業を実施する条件において当該ある部品の故障をシミュレーションする場合において、保守情報ＤＢ１９３に格納されている当該ある部品に関するデータのうち、２か月間隔で点検作業を実施した際に取得されたデータのみを用いることが望ましい。

＊＊＊実施の形態１の効果の説明＊＊＊
以上のように、本実施の形態によれば、設備の故障の関係性を表すフォルトツリーに点検作業の効果を取り込み、点検作業の効果を取り込んだフォルトツリーを用いて故障シミュレーションを実施する。ここで、点検作業の効果は、点検作業によって故障予兆を発見することができ、故障を未然に防止することができると推定される確率である。そのため、本実施の形態によれば、点検作業によって故障を未然に防止することができる効果を考慮して保守コスト及びダウンタイムを推定することができる。即ち、本実施の形態によれば、従来技術と比較して、現実の設備保守過程により近い故障シミュレーションを実施することができる。そのため、本実施の形態によれば、比較的高い精度で保守コスト及びダウンタイムを推定することができる。
また、本実施の形態によれば、点検作業の頻度ごとに将来における保守コスト及びダウンタイムを推定することができる。そのため、適切な点検作業の頻度を選択する際に本実施の形態を活用することができる。

＊＊＊他の構成＊＊＊
＜変形例１＞
保守効果統合部１４０は、故障防止確率として、保守情報ＤＢ１９３に格納されているデータから算出した値の代わりに任意の目標値を用いてもよい。
本変形例を活用することにより「点検作業によってＸ％の確率で故障予兆を発見することができれば、保守コストをＹ円下げることができる」といった評価を仮想的な点検作業に対して実施することができる。そのため、故障予測技術を開発する場合等において精度目標の検討等に本変形例を活用することできる。

＜変形例２＞
図９は、本変形例に係る保守コスト推定装置１００のハードウェア構成例を示している。
保守コスト推定装置１００は、プロセッサ１１、プロセッサ１１とメモリ１２、プロセッサ１１と補助記憶装置１３、あるいはプロセッサ１１とメモリ１２と補助記憶装置１３とに代えて、処理回路１８を備える。
処理回路１８は、保守コスト推定装置１００が備える各部の少なくとも一部を実現するハードウェアである。
処理回路１８は、専用のハードウェアであってもよく、また、メモリ１２に格納されるプログラムを実行するプロセッサであってもよい。

処理回路１８が専用のハードウェアである場合、処理回路１８は、具体例として、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、ＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）又はこれらの組み合わせである。
保守コスト推定装置１００は、処理回路１８を代替する複数の処理回路を備えてもよい。複数の処理回路は、処理回路１８の役割を分担する。

保守コスト推定装置１００において、一部の機能が専用のハードウェアによって実現されて、残りの機能がソフトウェア又はファームウェアによって実現されてもよい。

処理回路１８は、具体例として、ハードウェア、ソフトウェア、ファームウェア、又はこれらの組み合わせにより実現される。
プロセッサ１１とメモリ１２と補助記憶装置１３と処理回路１８とを、総称して「プロセッシングサーキットリー」という。つまり、保守コスト推定装置１００の各機能構成要素の機能は、プロセッシングサーキットリーにより実現される。

＊＊＊他の実施の形態＊＊＊
実施の形態１について説明したが、本実施の形態のうち、複数の部分を組み合わせて実施しても構わない。あるいは、本実施の形態を部分的に実施しても構わない。その他、本実施の形態は、必要に応じて種々の変更がなされても構わず、全体としてあるいは部分的に、どのように組み合わせて実施されても構わない。
なお、前述した実施の形態は、本質的に好ましい例示であって、本開示と、その適用物と、用途の範囲とを制限することを意図するものではない。フローチャート等を用いて説明した手順は適宜変更されてもよい。

１１ プロセッサ、１２ メモリ、１３ 補助記憶装置、１４ 入力ＩＦ、１５ 出力ＩＦ、１８ 処理回路、１９ 信号線、２１ 入力装置、２２ 出力装置、１００ 保守コスト推定装置、１１０ 入力部、１２０ フォルトツリー構成部、１３０ 保守効果算出部、１４０ 保守効果統合部、１５０ 故障シミュレーション部、１６０ 保守コスト推定部、１７０ 出力表示部、１９１ 劣化モデルＤＢ、１９２ 遠隔監視ＤＢ、１９３ 保守情報ＤＢ、１９４ 保守効果ＤＢ。

Claims (7)

1. 設備が備える部品に故障が発生するか否かをシミュレーションにより推定する保守コスト推定装置であって、
   前記部品に対する修繕作業を実施してからの経過時間に応じて推定される確率であって、対象時点において前記部品に故障が発生している確率である故障発生確率を示す劣化モデルと、前記部品に対する点検作業によって前記部品の故障を防止することができると推定される確率である故障防止確率とを用いて、前記対象時点において前記部品に故障が発生しているか否かを前記シミュレーションによって推定する際に用いられるモデルである故障推定モデルを生成する保守効果統合部
   を備える保守コスト推定装置。
2. 前記故障推定モデルはフォルトツリー解析を実施するためのモデルである請求項１に記載の保守コスト推定装置。
3. 前記保守コスト推定装置は、さらに、
   前記故障防止確率を算出する保守効果算出部
   を備える請求項１又は２に記載の保守コスト推定装置。
4. 前記保守効果算出部は、前記部品に対する点検作業によって前記部品の故障を防止した実績に基づいて前記故障防止確率を算出する請求項３に記載の保守コスト推定装置。
5. 前記保守効果算出部は、前記部品を遠隔監視することによって得られた情報と、前記部品の設計情報との少なくともいずれかを用いて前記故障防止確率を算出する請求項３に記載の保守コスト推定装置。
6. 前記保守コスト推定装置は、さらに、
   対象期間を対象として前記シミュレーションを実行する故障シミュレーション部と、
   前記シミュレーションを実行した結果に基づいて前記対象期間における前記部品の保守コストを推定する保守コスト推定部と
   を備え、
   前記シミュレーションは確率的シミュレーション技術に基づくシミュレーションである請求項１又は２に記載の保守コスト推定装置。
7. 設備が備える部品に故障が発生するか否かをシミュレーションにより推定する保守コスト推定方法であって、
   コンピュータが、前記部品に対する修繕作業を実施してからの経過時間に応じて推定される確率であって、対象時点において前記部品に故障が発生している確率である故障発生確率を示す劣化モデルと、前記部品に対する点検作業によって前記部品の故障を防止することができると推定される確率である故障防止確率とを用いて、前記対象時点において前記部品に故障が発生しているか否かを前記シミュレーションによって推定する際に用いられるモデルである故障推定モデルを生成する保守コスト推定方法。

Images