JPH09237103A - 保守支援システム - Google Patents

Abstract

(57)【要約】 【課題】故障等による復旧時間の短縮を図る保守支援シ
ステムを提供する。 【解決手段】保守対象となるエレベーター１０６の使用
形態や使用頻度を含むデータを解析ステーション１０１
により収集しデータベース１０３に格納する。エレベー
ター１０６の故障現象と、当該故障現象に対する対策方
法とを、エレベーター１０６の使用形態と使用頻度毎に
対応づけて知識ベース１０２に格納する。故障現象がま
だみられないエレベーター１０６それぞれに対して、デ
ータベース１０３と知識ベース１０２とに基づいて、故
障現象が生じた場合に取るべき対策を、故障現象毎、製
品毎に順位づけて解析ステーション１０１により予測す
る。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明はエレベーター等の製
品ワークが故障した時あるいは故障兆候がみられた時に
復旧を支援する技術に関するものである。

【０００２】

【従来の技術】従来、故障復旧を支援するものの中で特
開平3-137518号公報、特開平3-154846号公報及び特開平
3-154847号公報では、故障現象とそれを引き起こす原因
との関係等を示すフォールトツリーを用いて、質問と回
答の選択を対話形式で行うことにより、１つの故障原因
を得ると共に、その故障の修復項目を表示し、また使用
された回答の状態が生じる確率が高くなる場合には学習
機能が働く故障診断装置を紹介している。

【０００３】また特開平3-288230号公報では、予め故障
診断に関するデータを格納している知識ベースと対象プ
ラントからの入力情報とをマッチングすることにより推
論して故障診断を行い、その診断結果たる故障情報とそ
の故障と対応する関連情報とその関連情報から逆推論す
ることで得られる故障予報を同時に提供する故障診断エ
キスパートシステムを紹介している。

【０００４】さらに特開平6-309172号公報では、機器の
故障診断・修繕に関する知識ベースを用いて推論すると
共に、推論失敗時にはその推論結果に事例データベース
をからキーワード検索した結果を付加する知識ベース装
置を紹介している。また、この装置は事例データが多く
なった場合には事例データをルール知識に変換し知識ベ
ースに登録する手段を持っている。

【０００５】さらに、特開平6-271240号公報において
は、エレベーターの故障発生時に、データ収集装置にエ
レベーターから通信回線を介して取り込まれた故障デー
タと、故障要因が予めツリー状に組み立てられて格納さ
れている知識ベースとを用いて、故障原因事項や故障箇
所をコンバイン関数を用いて確率的に推論するエレベー
ターの故障診断装置を紹介している。

【０００６】さらに、特開平5-168070号公報において
は、制御装置の故障発生時に、保守に必要な情報及び保
守用部品交換作業手順書を、ＣＲＴ上に一括して表示さ
せるプラントの保守支援装置を紹介している。

【０００７】さらに、特開平4-201963号公報において
は、定期的にエレベーターの運転状態等のデータを電話
回線を介して監視センタ装置で採取し、このデータを故
障診断プログラムを用いて自動診断を行ない、故障原因
や異常箇所を特定するエレベーターの遠隔監視制御装置
を紹介している。

【０００８】さらに、特開平3-272985号公報において
は、各階層における任意情報伝送のためのフォーマット
を統一し、多層の伝送路をハードウエア的に２回路以上
接続した中間レベルの制御装置を介し、階層化したコマ
ンドにより複数の伝送路を使用して、任意局間の伝送を
行なうことを可能にすることにより、通信に汎用性を持
たせたエレベーター制御システムを紹介している。

【０００９】

【発明が解決しようとする課題】上記の故障診断装置で
は、フォールトツリー構造が大きくなると、対話する回
数が増加するために故障原因絞り込み時間は増加し、そ
れに伴い故障復旧時間も増加する。また、以前に生じた
ことがある故障現象が再び起こった場合、それは使用さ
れた回答の高いものから順に（学習機能を働かせて）故
障原因を絞り込んていくが、故障は使用形態や使用頻度
等の違いによって故障原因は異なることがあるため、学
習機能を働かせたことがかえって故障原因絞り込み時間
を増加させてしまう恐れがある。次の故障診断エキスパ
ートシステムでは、フォールトツリーを逆推論すること
で故障予報を行うので、予め作成したフォールトツリー
の中に存在しない事柄は故障予報できない。また、故障
診断装置と同様に、フォールトツリーが大きくなると故
障診断時間は増加する。最後の知識ベース装置において
は、事例データの多くなった場合に検索時間が増加し、
その結果故障復旧時間は増加する恐れがある。また、事
例データをルール知識に変換し知識ベースに登録してお
いたとしても、今度は故障診断時間が増加する。

【００１０】また、特開平6-271240号公報に記載の技術
においては、故障発生後に推論が作動し、故障発生前に
予め推論を進めておくことはできない。

【００１１】また、特開平5-168070号公報に記載の技術
においては、異常診断後の保守作業時、保守員に保守内
容を一括表示によって把握させるので、復旧時間のうち
の作業時間の短縮を図ることができる。しかし、故障等
の診断に時間をかけてしまえば、復旧時間もそれに伴い
増加してしまう。

【００１２】また、特開平4-201963号公報に記載の技術
は、定期点検を遠隔で行なうものであって、故障等によ
る復旧時間の短縮を図ることはできない。

【００１３】また、特開平3-272985号公報に記載の技術
は、状況の一括表示あるいは情報の一括伝送によって、
管理人、ＡＩ診断システム、及び保守員に故障等を早期
発見させるものであるが、発見後の復旧を支援すること
はできない。

【００１４】本発明は、以上の課題を鑑みてなされたも
のであり、故障等による復旧時間の短縮を図る保守支援
システムを提供するものである。

【００１５】

【課題を解決するための手段】上記課題を解決するため
に、本発明によれば、保守対象となる製品の使用形態や
使用頻度を含むデータを収集するデータ収集手段と、製
品の故障現象と、当該故障現象に対する対策方法とを、
前記製品の使用形態と使用頻度毎に対応づける知識ベー
スを格納する手段と、故障現象がまだみられない製品そ
れぞれに対して、前記データと前記知識ベースとに基づ
いて、故障現象が生じた場合に取るべき対策を、故障現
象毎、製品毎に順位づけて予測する予測手段と、を有す
ることができる。

【００１６】

【発明の実施の形態】以下にエレベーターを例にして本
発明を説明する。システムの基本構成を図１に示す。解
析ステーション101は故障現象とそれを引き起こす原
因、対策方法との関係等を示す知識ベース102とエレベ
ーター106から収集される故障事例、故障兆候事例、エ
レベーター個別情報、稼動情報、予防保全情報及び予測
結果が格納されているデータベース103と接続され、さ
らに、ユーザがデータや知識等を登録したり、更新した
りするための入力装置104と予測結果等を出力するため
の出力装置105と接続されている。

【００１７】解析ステーション101の機能ブロック図を
図２に示す。解析ステーション101は、ユーザが知識を
知識ベース102に登録する時に作動する知識登録手段201
と、その知識を知識ベース102に格納する時に作動する
知識格納手段202と、故障事例、故障兆候事例、稼動情
報及び予防保全情報等をエレベーター106から逐次収集
するデータ収集手段203と、それらのデータを選別して
データベース103に格納する時に作動するデータ格納手
段204と、ある使用頻度を表すパラメータを別のパラメ
ータに変換する時に作動するパラメータ変換手段205
と、知識ベース102及びデータベース103を基に故障発生
予測をする時に作動する故障発生予測手段206と、予測
結果をデータベース103に格納する時に作動する予測結
果格納手段207と、故障事例とエレベーター個別情報を
基に故障率をグループ毎に（例えば使用環境や用途毎
に）算出したり、故障兆候事例とエレベーター個別情報
を基に故障兆候率（ある時点まで動作してきたドア等の
アイテムが引き続く単位期間内に故障兆候を起こす割
合）をグループ毎に算出したり、それらの結果を検定し
たりして故障・故障兆候の発生傾向を分析する時に作動
する分析手段208と、分析結果と予めユーザが設定した
基準値と比較して超過した場合に警報を発する警報手段
209と、知識ベース102やデータベース103を更新する時
に作動する更新手段210と、予測結果とエレベーター106
からの収集データを基にして故障診断を行う時に作動す
る診断手段211と、予測結果等を出力する時に作動する
出力手段212を有している。

【００１８】知識ベース102の知識ベース構造を図３に
示す。知識には環境や用途や設置箇所等の使用形態に関
するファイル301と走行時間や起動回数や開閉回数等の
使用頻度に関するファイル302とドア開閉時間異常のよ
うな時間異常や停止位置異常のような位置異常や異常音
等の故障兆候に関するファイル303があり、それぞれに
は故障現象、故障部位及び対策方法が記載され、格納さ
れている。

【００１９】データベース103のテーブル構造を図４に
示す。テーブルはエレベーター個別情報テーブル401、
故障事例テーブル402、故障兆候事例テーブル403、予防
保全情報テーブル404、稼動情報テーブル405、予測結果
テーブル406の計６種類ある。

【００２０】エレベーター個別情報テーブル401には、
高温地域や塩害地域等の使用環境と乗用や荷物用等の用
途と工場やビル等の設置箇所のような個々のエレベータ
ーを特徴づけるための使用形態データが格納されてい
る。なお、使用環境はエレベーター106からの逐次収集
される稼動情報を基に更新する。故障事例テーブル402
及び故障兆候事例テーブル403には現象、原因部位及び
対策内容等のデータが格納されている。なお、故障事例
とは「ドア開かず」のような、部位等が規定の機能を失
った後に収集されるデータを指し、故障兆候事例とは
「ドア開閉時間異常」のような予め設定した基準値外に
なった後に収集されるデータを指す。予防保全情報テー
ブル404には点検実施日や作業内容等のデータが格納さ
れ、稼動情報テーブル405には走行時間や起動回数や測
定温度等のデータが格納され、予測結果テーブル406に
は故障現象毎、使用頻度毎、エレベーター毎に故障部位
や対策方法を記載したデータが格納されている。

【００２１】予測結果の格納例を図５に示す。予測結果
は故障現象毎、使用頻度毎及びエレベーター毎に分けら
れて格納される。また、予測結果の更新は事例が収集さ
れる毎に、あるいは季節による温度変化等のように使用
環境が変わる毎に、あるいは設定した使用頻度間隔が変
わる毎に更新される。予測結果501において、現象１に
おけるエレベータＡの予測結果は使用頻度０から100ま
での間隔で有効で、100を越えたら、予測結果は新たに
更新される。

【００２２】ユーザが入力するためのメニュー画面例を
図６に示す。ユーザが入力する事項には、知識を登録／
更新する事項601とデータを更新する事項602と基準値設
定、パラメータの変換命令等を行う事項603がある。

【００２３】解析ステーションの動作の概略フローチャ
ートを図７に示す。まずステップ701では、データ収集
手段203によるデータ収集処理とユーザによる入力命令
を解析ステーション101が認識する処理が逐次行われて
いる。次にステップ702において、ユーザによる入力命
令を認識したかどうかを判断する。認識した場合はステ
ップ703でその命令が知識の登録／更新命令かデータの
更新命令かそれ以外の命令かどうかを判断する。このス
テップ703で知識の登録／更新命令と判断されれば、ス
テップ704で知識登録手段201と更新手段210と知識格納
手段202が作動し、その後にステップ708に移る。ステッ
プ703でデータの更新命令と判断されれば、ステップ705
で更新手段210とデータ格納手段204が作動し、その後に
ステップ708に移る。ステップ703でそれ以外の命令と判
断されれば、ステップ706に進み、基準値設定等の設定
命令かどうかを判断する。ここで、設定命令と判断され
ればステップ714で基準値設定等の設定が行われた後、
すべての処理は終了となる。設定ではなくパラメータ変
換命令と判断されればステップ707でパラメータ変換手
段205が作動しステップ708に進む。ステップ708では、
故障発生予測手段206が作動し、次のステップ709では事
例があるかどうかを判断する。事例がある場合にはステ
ップ710で分析手段208と警報手段209と更新手段210が作
動してからステップ711に移る。これに対して事例がな
い場合は即座にステップ711に移る。その後ステップ711
で予測結果格納手段207が作動してからすべての処理の
終了となる。ステップ702でユーザ入力命令ではないと
判断されればステップ712で収集データが異常発生に関
するデータかどうかを判断する。異常発生であるならス
テップ713で診断手段211と出力手段212が作動してから
ステップ705に移る。ステップ712で収集データが稼動デ
ータ等の異常発生に関係ないデータなら即座にステップ
705に移る。

【００２４】図７におけるステップ704の詳細フローチ
ャートを図８に示す。まずステップ801でユーザの入力
命令が知識の新規登録かどうかを判断する。新規登録の
場合はステップ802で知識登録処理をし、ステップ804で
知識格納処理が行われた後すべての処理の終了となる。
ステップ801で更新命令の場合はステップ803で知識更新
処理をし、ステップ804で知識格納処理が行われた後す
べての処理の終了となる。

【００２５】図７におけるステップ705の詳細フローチ
ャートを図９に示す。まずステップ901でデータの更新
かどうかを判断する。データ更新と判断されればステッ
プ902でデータ更新処理が行われ、ステップ903でデータ
格納処理が行われた後すべての処理の終了となる。ステ
ップ901でデータの新規登録のようなデータの更新では
ない場合は即座にステップ903に進み、ステップ701で収
集されたデータを格納した後すべての処理の終了とな
る。

【００２６】図７におけるステップ707の詳細フローチ
ャートを図10に示す。まずステップ1001で、データベー
ス103から使用頻度データ等を抽出する。次にステップ1
002で使用頻度パラメータの比較分析を行う。続いてス
テップ1003でユーザがパラメータ変換を要求するかどう
かを判断する。比較対象のパラメータが相関関係にある
等の理由でパラメータ変換を要求すれば、ステップ1004
でパラメータ変換を行い、その後すべての処理の終了と
なる。対してパラメータ変換を要求しないなら即座にす
べての処理の終了となる。なお、パラメータ変換手段を
設ける理由は、エレベーターが稼動した後からエレベー
ターに精度の良い使用頻度計測手段が設置された場合等
に、故障・故障兆候発生傾向を精度良く分析できるよう
にするためである。

【００２７】パラメータ変換の様子を図11に示す。この
図では、エレベーターの稼動開始時には走行時間しか収
集できずにいたが、その後、新規の測定手段により起動
回数が収集できるようになり、両者の比較分析から総起
動回数を算出した様子を示している。なお、エレベータ
ーの稼動開始時には起動回数しか収集できずにいたが、
その後、新規の測定手段により走行時間が収集できるよ
うになった場合には、両者の比較分析から総走行時間を
算出することもできる。

【００２８】また、エレベーターの稼動開始時には走行
時間しか収集できずにいたが、その後、新規の測定手段
によりドア開閉回数が収集できるようになった場合に
は、両者の比較分析から総ドア開閉回数を算出すること
もできる。また、エレベーターの稼動開始時にはドア開
閉回数しか収集できずにいたが、その後、新規の測定手
段により走行時間が収集できるようになった場合には、
両者の比較分析から総走行時間を算出することもでき
る。さらに、起動回数とドア開閉回数とについても、同
様に、一方から他方を推定することができる。

【００２９】図７におけるステップ708の詳細フローチ
ャートを図12に示す。まずステップ1201で稼動情報テー
ブル405から予測対象のエレベーターαの使用頻度βを
抽出する。次にステップ1202で以前予測した時の使用頻
度γを含む、知識ベース102の使用頻度ファイルの範囲
δと使用頻度βを比較する。続いてステップ1203で範囲
δの中にβが含まれるかどうかまたは新規の予測かどう
かの判断をする。範囲δの中にβが含まれないか新規の
予測の場合は、ステップ1204でエレベーター個別情報テ
ーブル401からエレベーターαに関するデータεを抽出
する。その後ステップ1205でデータεと使用頻度βと知
識ベース102を照合し、ステップ1206で予測結果を組立
て、ステップ1207で予測結果を記憶し、ステップ1208に
移る。

【００３０】対して、ステップ1203で 範囲δの中にβ
が含まれるか新規の予測でない場合は、即座にステップ
1208に移る。ステップ1208では他の予測を行うかどうか
の判断をし、もし他の予測を行うならステップ1201に戻
り、予測を行わないならすべての処理の終了となる。

【００３１】予測方法を図13に示す。予測結果の算出方
法は各場面で異なり、大きく分けると図13のように３段
階に分けることができる。事例がない初期段階（第１段
階）では、データベース103のエレベーター個別情報401
と知識ベース102の使用形態ファイルと使用頻度ファイ
ルを基に予測される。例えば、図13におけるエレベータ
ーＡの現象１の予測結果は、エレベーターＡのエレベー
ター個別情報とそれをキーとした知識ベース102の使用
形態ファイルと使用頻度ファイルを基に作成されてい
る。次の事例が収集された段階（第２段階）では、他の
エレベーターで起こった故障事例と予測対象エレベータ
ー自体で起こった故障兆候事例と他のエレベーターで同
等な使用頻度に起こった故障兆候事例を基に第１段階で
求めた予測結果が更新される。例えば、図13におけるエ
レベーターＡの現象１の予測結果は、エレベーターＢの
故障事例とエレベーターＡの故障兆候事例を基にして更
新されている。その次の警報出力段階（第３段階）で
は、警報出力させた項目を基に優先的に予測結果が更新
される。例えば、図13におけるエレベーターＡの現象１
の予測結果は、警報出力させた高温と走行時間300時間
という項目を基にして更新されている。

【００３２】図７におけるステップ710の詳細フローチ
ャートを図14に示す。まずステップ1401では、データベ
ース103のエレベーター個別情報、故障事例、故障兆候
事例、予防保全情報及び稼動情報を用いて故障率や故障
兆候率を算出して、故障・故障兆候発生傾向を分析す
る。次にステップ1402で分析結果と予め設定した基準値
を比較して、その基準値を超過したかどうかを判断す
る。超過した場合はステップ1403で警報１を出力し、ス
テップ1404でχ2検定等が行われる。ここで、検定を行
う理由は警報１の警報が統計的見地で正しいものかどう
かを判断するためである。続いてステップ1405で検定結
果と予め設定した基準値を比較して、その基準値を超過
したかどうかを判断する。超過した場合はステップ1406
で警報２を出力し、ステップ1407で予測結果及び知識ベ
ース102を更新してからすべての処理の終了となる。ま
たステップ1402及びステップ1405において、基準値を超
過しないと判断されれば、即座にすべての処理の終了と
なる。

【００３３】図７におけるステップ713の詳細フローチ
ャートを図15に示す。まず、ステップ1501では故障発生
かどうかを判断する。故障発生の場合はステップ1502で
故障現象及び製品番号を収集データから抽出する。次に
ステップ1503で故障現象及び製品番号をキーにして予測
結果テーブル406から予測結果を抽出する。続いてステ
ップ1504で、その予測結果を出力装置105に出力してか
らすべての処理の終了となる。対してステップ1501にお
いて、ドア開閉時間異常等のように故障発生に至ってい
ない場合はステップ1505でその異常状況を出力装置105
に出力してからすべての処理の終了となる。

【００３４】

【発明の効果】本発明では、故障あるいは故障兆候がみ
られる前にいつ頃どんなことが起こり、どんな対応とれ
ばよいか等を製品ワーク毎、使用頻度毎に予測して格納
しておくので、故障あるいは故障兆候が発生したときに
即座に対処ができ、復旧時間が短縮される。また、故障
・故障兆候発生傾向分析手段によって算出された結果と
予め設定された基準値と比較してその基準値を超過した
場合に警報する手段とその警報と共に予測結果及び予め
格納されている知識を更新する手段によって、故障ある
いは故障兆候の原因究明推論の成功率が事例の増加とと
もに向上し、復旧時間が短縮される。さらに、使用頻度
を表すパラメータを別の使用頻度を表すパラメータに変
換する手段を設けることによって、製品ワークが稼動し
た後から製品ワークに精度の良い使用頻度を計測する手
段が設置される場面にも対応がとれるので、使用頻度別
の故障・故障兆候発生傾向分析の精度を向上することが
できる。

【図面の簡単な説明】

【図１】システムの基本構成図。

【図２】解析ステーションの機能ブロック図。

【図３】知識ベースの構造の説明図。

【図４】データベースの構造の説明図。

【図５】予測結果の格納例の説明図。

【図６】ユーザが入力するためのメニュー画面例の説明
図。

【図７】解析ステーションの動作の概略フローチャー
ト。

【図８】ステップ704の詳細フローチャート。

【図９】ステップ705の詳細フローチャート。

【図１０】ステップ707の詳細フローチャート。

【図１１】１パラメータ変換の様子の説明図。

【図１２】ステップ708の詳細フローチャート。

【図１３】予測方法の説明図。

【図１４】ステップ710の詳細フローチャート。

【図１５】ステップ713の詳細フローチャート。

【符号の説明】

101・・・解析ステーション、102・・・知識ベース、103・・・デ
ータベース、104・・・入力装置、105・・・出力装置、106・・・
エレベーター、201・・・知識登録手段、202・・・知識格納手
段、203・・・データ収集手段、204・・・データ格納手段、20
5・・・パラメータ変換手段、206・・・故障発生予測手段、20
7・・・予測結果格納手段、208・・・分析手段、209・・・警報手
段、210・・・更新手段、211・・・診断手段、212・・・出力手
段、301・・・使用形態ファイル、302・・・使用頻度ファイ
ル、303・・・故障兆候ファイル、401・・・エレベーター個別
情報テーブル、402・・・故障事例テーブル、403・・・故障兆
候事例テーブル、404・・・予防保全情報テーブル、405・・・
稼動情報テーブル、406・・・予測結果テーブル、501・・・予
測結果例、601・・・ユーザによる知識登録／更新事項、60
2・・・ユーザによるデータ更新事項、603・・・ユーザによる
その他の入力事項、701・・・データ収集とユーザ入力認識
処理、702・・・ユーザ入力判断処理、703・・・ユーザ要求判
断処理、704・・・知識登録／更新／格納処理、705・・・デー
タ更新／格納処理、706・・・設定命令判断処理、707・・・パ
ラメータ変換処理、708・・・予測処理、709・・・事例有無判
断処理、710・・・分析／警報／更新処理、711・・・予測結果
格納処理、712・・・異常発生判断処理、713・・・診断／出力
処理、714・・・設定処理、801・・・知識新規登録判断処理、
802・・・知識登録処理、803・・・知識更新処理、804・・・知識
格納処理、901・・・データ更新判断処理、902・・・データ更
新処理、903・・・データ格納処理、1001・・・データ抽出処
理、1002・・・パラメータ比較分析処理、1003・・・パラメー
タ変換要求判断処理、1004・・・パラメータ変換処理、120
1・・・データ抽出処理、1202・・・データ比較分析処理、120
3・・・予測許可判断処理、1204・・・データ抽出処理、1205・
・・データ照合処理、1206・・・予測結果作成処理、1207・・・
予測結果記憶処理、1208・・・予測要否判断処理、1401・・・
事例分析処理、1402・・・基準値超過判断処理、1403・・・警
報処理、1404・・・検定処理、1405・・・基準値超過判断処
理、1406・・・警報処理、1407・・・更新処理、1501・・・故障
発生判断処理、1502・・・データ抽出処理、1503・・・予測結
果検索処理、1504・・・予測結果出力処理、1505・・・異常状
況出力処理。

Claims (5)

【特許請求の範囲】
1. 【請求項１】保守対象となる製品の使用形態や使用頻度
   を含むデータを収集するデータ収集手段と、 製品の故障現象と、当該故障現象に対する対策方法と
   を、前記製品の使用形態と使用頻度毎に対応づける知識
   ベースを格納する手段と、 故障現象がまだみられない製品それぞれに対して、前記
   データと前記知識ベースとに基づいて、故障現象が生じ
   た場合に取るべき対策を、故障現象毎、製品毎に順位づ
   けて予測する予測手段と、 を有することを特徴とする保守支援システム。
2. 【請求項２】請求項１記載の保守支援システムにおい
   て、 製品に発生した故障現象あるいは故障兆候現象を蓄積す
   る手段と、 蓄積された故障現象あるいは故障兆候現象に基づいて、
   前記予測手段により予測された対策の順位を修正する修
   正手段と、 を有することを特徴とする保守支援システム。
3. 【請求項３】請求項１記載の保守支援システムにおい
   て、 製品に発生した故障現象を蓄積する手段と、 前記データと、蓄積された故障現象とに基づいて、故障
   現象の発生率を使用形態毎、使用頻度毎に算出する分析
   手段と、 該分析手段によって算出された発生率が所定の基準値を
   超過する使用形態または使用頻度のデータに基づいて予
   測された対策がより上位になるように、前記予測手段に
   より予測された対策の順位を修正する修正手段と、 を有することを特徴とする保守支援システム。
4. 【請求項４】請求項３記載の保守支援システムにおい
   て、 前記分析手段によって算出された発生率が所定の基準値
   を超過する使用形態または使用頻度のデータに基づい
   て、前記知識ベースを修正する手段を有することを特徴
   とする保守支援システム。
5. 【請求項５】請求項１記載の保守支援システムにおい
   て、 製品の稼働開始時から収集することができた製品の使用
   頻度を表す第１のパラメータの値に基づいて、製品の稼
   働開始時には収集することができず、製品の稼働後しば
   らく時間が経過してから収集することができるようにな
   った製品の使用頻度を表す第２のパラメータの値から、
   製品の稼働開始時からの前記第２のパラメータの値を前
   記製品の使用頻度として推定する手段を有することを特
   徴とする保守支援システム。