JPWO2011033651A1

JPWO2011033651A1 - 故障率を算出する装置、システムおよび方法

Info

Publication number: JPWO2011033651A1
Application number: JP2011531724A
Authority: JP
Inventors: 隆生新垣; 西川　武一郎; 武一郎西川; 実中津川
Original assignee: Toshiba Corp
Current assignee: Toshiba Corp
Priority date: 2009-09-18
Filing date: 2009-09-18
Publication date: 2013-02-07
Anticipated expiration: 2029-09-18
Also published as: US20120226476A1; WO2011033651A1; JP5509210B2

Abstract

稼動台数や故障台数が少ない場合であっても高精度に故障率を算出する。故障ＤＢ１から第１製品種別に対応する第１識別情報を読み出す第１読出部１０２と、モニタリングＤＢ２から第１識別情報に対応する故障監視情報と第１製品種別の故障監視情報以外の監視情報を表す未故障監視情報とを読み出す第２読出部１０３と、故障監視情報と未故障監視情報とから、入力された監視情報に対して故障確率を算出可能な故障モデルを作成する作成部１０４と、第２製品種別に対応する監視情報を故障モデルに入力して第２製品種別の製品の故障確率を算出する第１算出部１０５と、算出された故障確率に基づいて、第２製品種別の製品の故障率を算出する第２算出部１０６と、を備える。

Description

本発明は、故障率の算出に関する。

製品ライフサイクルが短くなっていく中、製品品質を確保するために市場での障害情報をいち早く入手して解析し、設計、品質、およびサービスなどの関連部門にフィードバックする必要性がますます高くなっている。製造業では、故障した製品の使用開始日と故障日からわかる製品寿命を分析することで製品の信頼性を把握する試みが広く行われている。例えば、一定期間内における製品故障台数が製品稼動台数に占める割合（故障率）を求めることによって、当該製品の信頼性を把握することができる。特許文献１では、機器の運転開始後に得られる故障記録を利用して高精度で機器の故障確率を求める技術が提案されている。

特開２００７−３２８５２２号公報

出荷して十分時間を経た後では出荷製品の殆どが稼動しているため故障率を把握することは容易である。しかしながら、出荷後直ちにすべての製品が稼動するわけではない。このため、出荷直後で稼動台数が非常に少なく、安定した故障率の値を算出することができないといった問題が生じうる。すなわち、特許文献１などの方法では、設計部門等に対するフィードバックに必要な故障率を得ることが困難となる場合があった。

本発明は、上記に鑑みてなされたものであって、稼動台数や故障台数が少ない場合であっても、高精度に故障率を算出することができる装置、システムおよび方法を提供することを目的とする。

上述した課題を解決し、目的を達成するために、本発明は、故障した製品の製品種別と故障した製品の識別情報とを対応づけて記憶する故障データベースから、指定された第１製品種別に対応する前記識別情報である第１識別情報を読み出す第１読出部と、製品の使用状況を表す監視情報と前記製品種別と前記識別情報とを対応づけて記憶する監視情報データベースから、前記第１識別情報に対応する前記監視情報を故障監視情報として読出し、前記第１製品種別に対応する前記故障監視情報以外の前記監視情報を未故障監視情報として読み出す第２読出部と、前記故障監視情報と前記未故障監視情報とに基づいて、前記監視情報に対する、予め定められた期間に製品が故障する確率をモデル化した故障モデルを作成する作成部と、指定された第２製品種別に対応する前記監視情報を前記監視情報データベースから読出し、読み出した前記監視情報を前記故障モデルに入力して得られる出力値に基づいて、前記第２製品種別の製品が前記期間に故障する確率を表す故障確率を算出する第１算出部と、前記第２製品種別の製品の稼動件数と、前記第２製品種別の製品のうち故障した製品の件数を表す故障件数と、前記故障確率と、に基づいて、前記第２製品種別の製品が単位時間に故障する確率を表す故障率を算出する第２算出部と、を備えることを特徴とする。

また、本発明は、上記装置で実行することができる方法である。

また、本発明は、端末装置と、前記端末装置にネットワークを介して接続される故障率算出装置とを備える故障率算出システムであって、前記端末装置は、製品の製品種別のうち、指定された第１製品種別および第２製品種別を前記故障率算出装置に送信する第１通信部を備え、前記故障率算出装置は、前記第１製品種別および前記第２製品種別を前記端末装置から受信する第２通信部と、故障した製品の製品種別と故障した製品の識別情報とを対応づけて記憶する故障データベースから、受信された前記第１製品種別に対応する前記識別情報である第１識別情報を読み出す第１読出部と、製品の使用状況を表す監視情報と前記製品種別と前記識別情報とを対応づけて記憶する監視情報データベースから、前記第１識別情報に対応する前記監視情報を故障監視情報として読出し、前記第１製品種別に対応する前記故障監視情報以外の前記監視情報を未故障監視情報として読み出す第２読出部と、前記故障監視情報と前記未故障監視情報とに基づいて、前記監視情報に対する、予め定められた期間に製品が故障する確率をモデル化した故障モデルを作成する作成部と、受信された前記第２製品種別に対応する前記監視情報を前記監視情報データベースから読出し、読み出した前記監視情報を前記故障モデルに入力して得られる出力値に基づいて、前記第２製品種別の製品が前記期間に故障する確率を表す故障確率を算出する第１算出部と、前記第２製品種別の製品の稼動件数と、前記第２製品種別の製品のうち故障した製品の件数を表す故障件数と、前記故障確率と、に基づいて、前記第２製品種別の製品が単位時間に故障する確率を表す故障率を算出する第２算出部と、を備えることを特徴とする。

本発明によれば、稼動台数や故障台数が少ない場合であっても、高精度に故障率を算出することができるという効果を奏する。

故障率算出システムの全体構成図。故障データのデータ構造例を示す図。モニタリングデータのデータ構造例を示す図。故障率算出装置の機能ブロック図。故障モデル作成処理を示すフローチャート。故障確率算出処理を示すフローチャート。故障率算出処理を示すフローチャート。出力されるデータ例を示す図。確率密度関数推定処理を示すフローチャート。

以下に添付図面を参照して、この発明にかかる故障率算出装置、故障率算出システムおよび故障率算出方法の好適な実施の形態を詳細に説明する。

上述のように、従来の方法では、出荷直後等で稼動台数が少ない場合に故障率を高精度に算出できないという問題があった。また、そもそも稼動台数を把握するには、故障していない製品の使用開始日を把握している必要がある。しかし、故障していない製品の使用開始日は、例えばサービスエンジニアがメンテナンスで顧客を訪問する等した際に稼動しているかどうかを確認できるような製品等の場合でしか把握することができない。すなわち、例えば小売店を通した販売が行われる製品等では使用開始日を把握することは困難である。

一方、個々の機器では使用状況を監視して故障につながる不調を感知するモニタリング技術が広まりつつある。ところが、このように使用状況を監視して得られる監視情報（以下、モニタリングデータという）は、個々の機器の故障予兆に活用されるものの、市場全体の製品品質の把握には利用されていない。

そこで、本実施の形態にかかる故障率算出装置は、個々の製品の使用状況を監視して得られるモニタリングデータを活用することで、稼動台数が少ない場合であっても、ネットワークに接続されている製品の市場品質（故障率）を安定して推定可能にする。

具体的には、まず、モデル作成対象として指定された機種（既に保証対象期間を経過した過去の機種など）の製品のモニタリングデータと故障データから故障モデルを作成する。そして、故障率の分析対象として指定された機種（新しい機種など）の製品のモニタリングデータが観測された下での故障確率を、作成した故障モデルから算出する。さらに、分析する製品のモニタリングデータから把握される稼動台数と、故障データから把握される故障台数とから算出される故障率を、算出した故障確率により更新することにより、高精度に故障率を算出する。

なお、故障確率とは、製品が予め定められた期間（例えば保証対象期間）に故障する確率を意味する。また、故障率とは、製品が単位時間の間に故障する確率を意味する。

図１は、本実施の形態の故障率算出システムの全体構成の一例を示す図である。本実施形態の故障率算出システムは、故障ＤＢ（データベース）１と、モニタリングＤＢ２と、管理者用端末３と、稼動製品５ａ〜５ｃと、故障率算出装置１００とを含んでいる。管理者用端末３、稼動製品５ａ〜５ｃ（以下、単に稼動製品５という場合がある）、および故障率算出装置１００は、コンピュータ等の処理装置であり、インターネットやＬＡＮなどのネットワーク４を介して通信可能に接続されている。

なお、図１では３台の稼動製品５が記載されているが、稼動製品５の台数はこれに限られるものではない。また、故障率算出装置１００が故障ＤＢ１およびモニタリングＤＢ２を備えるように構成してもよい。また、他の１以上のサーバ（図示せず）が、故障ＤＢ１およびモニタリングＤＢ２を備えるように構成してもよい。

故障ＤＢ１は、故障した製品の情報である故障データを記憶する。図２は、故障ＤＢ１に記憶される故障データのデータ構造の一例を示す図である。図２に示すように、故障ＤＢ１は、製造番号と、製造日と、故障日と、購入日と、保証終了日と、製品種別と、故障部品Ａ〜Ｚと、交換部品Ａ〜Ｚとを対応づけた故障データを記憶する。

製造番号は、個々の製品を識別する識別情報である。製品種別は、製品の種別（機種）を識別する情報である。製品種別には、例えば製品の機種名を設定する。故障部品および交換部品には、各製品の構成に応じて複数の情報が設定されうる。なお、故障ＤＢ１内ではなく、他の記憶部（図示せず）等を参照して製造番号に対応する各製品の製造日を取得できるように構成してもよい。これにより、入力されたモデル作成対象製造期間（後述）内に製造された製品を特定可能となる。

図１に戻り、モニタリングＤＢ２は、各製品の使用状況を表すモニタリングデータを記憶する。図３は、モニタリングＤＢ２に記憶されるデータのデータ構造の一例を示す図である。図３に示すように、モニタリングＤＢ２は、製造番号と、製造日と、稼動開始日と、最新稼動日と、稼動時間と、製品種別と、複数のモニタリング項目１〜ｐとを対応づけて記憶する。

各モニタリング項目１〜ｐは、稼動製品５の使用状況を表す予め定められた項目を表す。モニタリング項目のそれぞれは、稼動製品５に備えられるセンサー５５（後述）のいずれかにより測定される項目に対応する。以下では、モニタリング項目に対応するセンサー５５等により実際に測定された測定値をモニタリングデータという。

なお、故障ＤＢ１およびモニタリングＤＢ２は、ＨＤＤ（Hard Disk Drive）、光ディスク、メモリカード、ＲＡＭ（Random Access Memory）などの一般的に利用されているあらゆる記憶媒体により構成することができる。

図１に戻り、管理者用端末３は、品質管理者が利用する端末装置であり、ＣＰＵ（Central Processing Unit）３１と、主記憶部３２と、補助記憶部３３と、通信部３４と、入力部３５と、表示部３６とを備えている。

ＣＰＵ３１は、管理者用端末３の全体の処理を制御する制御装置である。主記憶部３２は、例えば各種情報を一時的に記憶可能な記憶装置であり、ＲＡＭ（Random Access Memory）などによって構成される。補助記憶部３３は、例えばＣＰＵ３１により実行される各種プログラムを記憶する記憶装置であり、ＨＤＤ（Hard Disk Drive）、ＣＤ（Compact Disc）ドライブ装置などによって構成される。

通信部３４は、ネットワーク４を介した他の装置との間の通信を行う。入力部３５は、キーボードやマウスなどにより構成される。表示部３６は、処理結果などの情報を表示可能なディスプレイ装置などにより構成される。

品質管理者によって入力部３５からモデル作成対象種別、モデル作成対象製造期間、分析日、および分析対象種別などの入力情報が入力されると、ＣＰＵ３１が、通信部３４を介してネットワーク４に接続されている故障率算出装置１００に入力情報を送信する。また、管理者用端末３の通信部３４は、入力情報に応じて故障率算出装置１００が処理した処理結果として故障率算出装置１００から送信される情報を受信し、ＣＰＵ３１の制御により、表示部３６が受信された情報を表示する。

稼動製品５は、ＣＰＵ５１と、主記憶部５２と、補助記憶部５３と、通信部５４と、複数のセンサー５５とを備えている。ＣＰＵ５１、主記憶部５２、補助記憶部５３、および通信部５４は、それぞれ管理者用端末３のＣＰＵ３１、主記憶部３２、補助記憶部３３、および通信部３４と同様の機能を備える。

稼動製品５は、ネットワーク４を介してモニタリングＤＢ２と通信可能に接続されている。

センサー５５は、稼動製品５の使用状況を表すいずれかのモニタリング項目のモニタリングデータを測定し、測定値であるモニタリングデータを出力する。センサー５５は、例えば、稼動製品５の各部の温度を測定する温度センサー、稼動製品５の加速度を測定する加速度センサー、ＨＤＤのＳ．Ｍ．Ａ．Ｒ．Ｔ．(Self-Monitoring, Analysis and Reporting Technology)、および、起動ログを取得するＢＩＯＳなどが該当する。センサー５５は、これらに限られるものではなく、稼動製品５の使用状況を表す所定の情報（モニタリングデータ）を測定できるものであればあらゆるセンサーを適用できる。

稼動製品５それぞれのセンサー５５で取得された各モニタリングデータは、ＣＰＵ５１の制御により所定のタイミングで通信部５４を介してネットワーク４に接続している故障率算出装置１００に送信される。

故障率算出装置１００は、ＣＰＵ６１と、補助記憶部６２と、通信部６３と、主記憶部６４と、を備えている。ＣＰＵ６１、主記憶部６４、補助記憶部６２、および通信部６３は、それぞれ管理者用端末３のＣＰＵ３１、主記憶部３２、補助記憶部３３、および通信部３４と同様の機能を備える。

故障率算出装置１００は、ネットワーク４を介して接続されたモニタリングＤＢ２の記憶内容を管理する。例えば、通信部６３が、稼動製品５それぞれから送信される各モニタリングデータを受信した場合、ＣＰＵ６１が、受信したモニタリングデータを図３のような形式でモニタリングＤＢ２に登録する。

また、通信部６３が、管理者用端末３で入力された入力情報を受信した場合、ＣＰＵ６１が、補助記憶部６２に格納されている各種プログラムを主記憶部６４内に読込む。そしてＣＰＵ６１が、入力情報に応じて故障ＤＢ１およびモニタリングＤＢ２から故障データおよびモニタリングデータを抽出し、加工および統計処理を行った結果を通信部６３によってネットワーク４を介して接続している管理者用端末３に送信する。入力情報、入力情報に応じたデータ抽出処理、加工および統計処理の詳細については後述する。

図４は、故障率算出装置１００の機能構成の一例を示す機能ブロック図である。なお、図４では、管理者用端末３、故障率算出装置１００、故障ＤＢ１、およびモニタリングＤＢ２間の情報交換の一例も示されている。

図４に示すように、故障率算出装置１００は、主な機能構成として、入力受付部１０１と、第１読出部１０２と、第２読出部１０３と、作成部１０４と、第１算出部１０５と、第２算出部１０６と、を備えている。

入力受付部１０１は、故障率の算出のために必要な各種情報の入力を受付ける。例えば、入力受付部１０１は、管理者用端末３から入力された入力情報を受付ける。入力情報は、例えば、モデル作成対象種別、モデル作成対象製造期間、ウィンドウサイズ、分析対象種別、事前故障確率、および分析日を含む。

モデル作成対象種別とは、作成部１０４が故障モデルを作成する元となるモニタリングデータを取得する製品の製品種別（第１製品種別）を表す。モデル作成対象製造期間とは、作成部１０４が故障モデルを作成する元となるモニタリングデータを取得する製品の製造期間を表す。ウィンドウサイズとは、作成部１０４がカーネル密度推定を行うときに用いる平滑化パラメータ（バンド幅）を表す。分析対象種別とは、第１算出部１０５および第２算出部１０６が故障率を算出する対象となる製品の製品種別（第２製品種別）を表す。事前故障確率は、第１算出部１０５がベイズ推定により製品ごとの故障確率（事後故障確率）を求める際に参照される故障確率である。例えば全製品種別の平均故障確率を事前故障確率として入力するように構成すればよい。分析日は、原則として品質管理者が分析を行う日が設定されるが、過去の日付も分析日として設定可能である。

入力受付部１０１は、受付けた情報を、作成部１０４、第１算出部１０５、および第２算出部１０６のうち、当該情報を利用する構成部にそれぞれ出力する。

第１読出部１０２は、入力受付部１０１により受付けられたモデル作成対象種別に対応づけられ、対応する製造日がモデル作成対象製造期間に含まれる製造番号を故障ＤＢ１から読み出す。上述のように、モデル作成対象種別は過去機種などが指定される。図４では、このような過去機種のクレームデータである製造番号が、故障ＤＢ１から読み出されることが示されている。

第２読出部１０３は、モデル作成対象種別に対応づけられ、対応する製造日がモデル作成対象製造期間に含まれるモニタリングデータを、故障した製品および故障していない製品に分けて、モニタリングＤＢ２から読み出す。具体的には、第２読出部１０３は、まず第１読出部１０２によって読み出された製造番号に対応するモニタリングデータ（以下、故障モニタリングデータという）を読み出す。また、第２読出部１０３は、モデル作成対象種別に対応づけられ、製造日がモデル作成対象製造期間に含まれるモニタリングデータのうち、第１読出部１０２によって読み出された製造番号以外の製造番号に対応するモニタリングデータ（以下、未故障モニタリングデータという）を読み出す。

作成部１０４は、故障モニタリングデータおよび未故障モニタリングデータを用いて、モニタリングデータが与えられた下での故障確率を算出するための故障モデルを作成する。故障モデル作成処理の詳細については後述する。

第１算出部１０５は、作成された故障モデルを元に、分析対象種別の製品それぞれの故障確率を算出する。第１算出部１０５による故障確率算出処理の詳細については後述する。

第２算出部１０６は、分析対象種別の各製品に対して算出された故障確率と、稼動している分析対象種別の製品の件数（稼動件数）と、分析対象種別の製品のうち、保証対象期間内に故障した製品の件数（故障件数）とから、所定のアルゴリズムにより分析対象種別の製品全体の故障率を算出する。保証対象期間内か否かは、故障データに含まれる保証終了日を参照することにより判断できる。第２算出部１０６による故障率算出処理の詳細については後述する。

なお、入力受付部１０１、第１読出部１０２、第２読出部１０３、作成部１０４、第１算出部１０５、および第２算出部１０６の各部は、例えばＣＰＵ６１により実行されるプログラムとして実現することができる。この場合、ＣＰＵ６１が、補助記憶部６２に格納され、上記各部を含むモジュール構成のプログラムを主記憶部６４に読込んで実行することにより、上記各部が主記憶部６４上にロードされ、上記各部が主記憶部６４上に生成される。

次に、このように構成された本実施の形態にかかる故障率算出装置１００による故障モデル作成処理について図５を用いて説明する。図５は、本実施の形態における故障モデル作成処理の全体の流れを示すフローチャートである。

まず、入力受付部１０１が、品質管理者により指定されたモデル作成対象種別およびモデル作成対象製造期間の入力を受付ける（ステップＳ５０１）。次に、第１読出部１０２が、入力受付部１０１によって受付けられたモデル作成対象種別に対応づけられ、製造日がモデル作成対象製造期間に含まれる製造番号を故障ＤＢ１から読み出す（ステップＳ５０２）。次に、第２読出部１０３が、読み出した製造番号と一致する製造番号に対応するモニタリングデータを故障モニタリングデータとしてモニタリングＤＢ２から読み出す（ステップＳ５０３）。また、第２読出部１０３が、モデル作成対象種別と、読み出した製造番号と一致しない製造番号とに対応し、製造日がモデル作成対象製造期間に含まれるモニタリングデータを未故障モニタリングデータとしてモニタリングＤＢ２から読み出す（ステップＳ５０４）。

次に、作成部１０４は、故障モニタリングデータおよび未故障モニタリングデータから、モニタリング項目ごとの確率密度関数をカーネル密度推定により推定する（ステップＳ５０５）。具体的には、作成部１０４は、故障モニタリングデータから、各モニタリング項目の確率密度関数（第１密度関数）を以下の（１）式により推定する。また、作成部１０４は、未故障モニタリングデータから各モニタリング項目の確率密度関数（第２密度関数）を以下の（２）式により推定する。

ここでｘ_ｉｋ ^（１）は、故障製品ｉのモニタリング項目ｋの値（モニタリングデータ）、ｘ_ｉｋ ^（０）は、未故障製品ｉのモニタリング項目ｋの値（モニタリングデータ）、Ｎ^（１）は、故障件数、Ｎ^（０）は、未故障件数を表す。また、Ｋ_λ（ｘ_ｋ，ｘ_ｉｋ ^（１））は、以下の（３）式で定義されるガウスカーネルを表す。なお、（２）式のＫ_λ（ｘ_ｋ，ｘ_ｉｋ ^（０））も同様に定義される。

λは、入力受付部１０１で取得されるウィンドウサイズを表し、例えばλ＝０．２とすればよい。なお、離散値を取るモニタリング項目については、取り得る離散値ごとの製品比率を確率関数の推定値とすればよい。例えば、モニタリング項目ｋの値がＪ個の値ａ_１〜ａ_Ｊを取り得る場合は、以下の（４）式のように確率密度関数を推定すればよい。なお、ｊは１≦ｊ≦Ｊを満たす整数である。

次に、作成部１０４は、故障製品の全モニタリング項目に関する同時密度関数（第１同時密度関数）を以下の（５）式により推定し、未故障製品の全モニタリング項目に関する同時密度関数（第２同時密度関数）を以下の（６）式により推定する（ステップＳ５０６）。ここでｐはモニタリング項目の数を表す。

このようにして算出された同時密度関数が、あるモニタリングデータが与えられた下での故障確率を算出するための故障モデルに相当する。

次に、第１算出部１０５により実行される故障確率算出処理について図６を用いて説明する。図６は、本実施の形態における故障確率算出処理の全体の流れを示すフローチャートである。

まず、入力受付部１０１が、品質管理者により指定された分析対象種別および事前故障確率の入力を受付ける（ステップＳ６０１）。次に、第１算出部１０５は、入力された分析対象種別に対応するモニタリングデータ（以下、分析対象モニタリングデータという）を、モニタリングＤＢ２から読み出す（ステップＳ６０２）。

次に、第１算出部１０５は、作成部１０４により推定された故障製品の同時密度関数を利用して、分析対象モニタリングデータから故障製品の同時密度関数の値（第１出力値）を以下の（７）式により算出し、未故障製品の同時密度関数の値（第２出力値）を以下の（８）式により算出する（ステップＳ６０３）。ここで、ｚ_ｉ１，ｚ_ｉ２，・・・，ｚ_ｉｐは、分析対象種別の製品ｉのモニタリング項目１，２，・・・，ｐの値（モニタリングデータ）を表す。

次に、第１算出部１０５は、算出した分析対象種別の製品ごとの同時密度関数と、入力受付部１０１で取得された事前故障確率の値とから、各製品の事後故障確率の値を以下の（９）式により算出する（ステップＳ６０４）。

ここでπ_１は、入力受付部１０１で取得される事前故障確率を表す。π_１は、上述のように例えば全製品種別の平均故障確率とすればよい。

なお、これまでは（７）式および（８）式のような同時密度関数を経由して（９）式により事後故障確率の値を推定したが、事後故障確率の推定方法はこれに限られるものではない。例えば、以下の（１０）式のように、ニューラルネットワークなどの非線形モデルを利用して各製品の事後故障確率の値を求めてもよい。

ここでσ（ｘ）およびｈ（ｘ）は、それぞれ以下の（１１）式および（１２）式で表されるロジスティックシグモイド関数である。

なお、ｈ（ｘ）は、線形関数ｈ（ｘ）＝ｘを用いてもよい。ｗ_ｋｊ ^（２），Ｗ_ｊｉ ^（１）は、故障モニタリングデータと未故障モニタリングデータとからバックプロパゲーションを用いて得られるネットワークパラメータである。この場合、モデル作成対象種別のモニタリングデータ（故障モニタリングデータおよび未故障モニタリングデータ）を用いて学習された非線形モデルが、故障モデルに相当する。

次に、第２算出部１０６により実行される故障率算出処理について図７を用いて説明する。図７は、本実施の形態における故障率算出処理の全体の流れを示すフローチャートである。

まず、第２算出部１０６は、第１算出部１０５により算出された分析対象種別の各製品の事後故障確率の確率密度関数を、以下の（１３）式により推定する（ステップＳ７０１）。

ここで、μ_ｉは分析対象種別の製品ｉの事後故障確率、Ｎは分析対象種別の製品台数（稼動件数）を表す。また、Ｋ_λ（μ，μ_ｉ）は、上記（３）式と同様に定義されるガウスカーネルを表す。

次に、第２算出部１０６は、製品種別が分析対象種別と一致し、保証終了日に達していない故障ＤＢ１のデータ件数を、分析対象種別の故障件数として算出する（ステップＳ７０２）。また、第２算出部１０６は、製品種別が分析対象種別と一致するモニタリングＤＢ２のデータ件数を、分析対象種別の稼動件数として算出する（ステップＳ７０３）。

次に、第２算出部１０６は、故障件数、稼動件数、および、分析対象種別の事後故障確率の確率密度関数とから、メトロポリス−ヘイスティングスアルゴリズムにより、分析対象種別の事後故障率の確率密度関数を推定する確率密度関数推定処理を実行する（ステップＳ７０４）。確率密度関数推定処理の詳細については後述する。

次に、第２算出部１０６は、確率密度関数推定処理で推定された確率密度関数の値が最大となる事後故障率の値、５％パーセンタイル点、および、９５％パーセンタイル点を算出し、通信部６３によって管理者用端末３に送信する（ステップＳ７０５）。

図８は、出力されるデータの一例を示す図である。図８では、分析日を表す時点と、事後故障率をＰＰＭ（Parts Per Million）の単位で表した修理率と、５％パーセンタイル点に対応する下側信用限界と、９５％パーセンタイル点に対応する上側信用限界とを、出力する例が示されている。なお、このようなデータを受信した管理者用端末３は、例えば各時点での事後故障率のグラフを作成して表示部３６に表示する。

次に、ステップＳ７０４の確率密度関数推定処理の詳細について図９を用いて説明する。図９は、本実施の形態における確率密度関数推定処理の全体の流れを示すフローチャートである。

まず、第２算出部１０６は、事後故障率の初期値μ^（０）を、μ^（０）＝ｒ／Ｎにより算出する（ステップＳ９０１）。ここで、ｒは分析対象種別の故障件数、Ｎは分析対象種別の稼動件数を表す。また、第２算出部１０６は、ループカウンタｔを１に初期化する。

次に、第２算出部１０６は、ループカウンタｔ−１の下で事後故障率の候補μ’を、以下の（１４）式で表される正規分布から、乱数に応じて生成する（ステップＳ９０２）。

次に、第２算出部１０６は、ループカウンタｔ−１の下で事後故障率の候補μ’の採択確率を、以下の（１５）式によって算出する（ステップＳ９０３）。

次に、第２算出部１０６は、ループカウンタｔ−１の下で、０から１の間の値を取る一様乱数ｕを発生させ、以下の（１６）式に示すように、採択確率と発生させた乱数との比較結果に応じて、ループカウンタｔでの事後故障率の候補μ^（ｔ）を採択し、事後故障率のサンプルとして生成する（ステップＳ９０４）。

次に、第２算出部１０６は、ループカウンタとループカウンタの上限として指定された指定値Ｔとを比較する（ステップＳ９０５）。指定値Ｔは、例えば、品質管理者に指定された値を入力受付部１０１により受付けるように構成する。ループカウンタが指定値Ｔより大きくない場合（ステップＳ９０５：Ｎｏ）、第２算出部１０６は、ループカウンタに１を加算し（ステップＳ９０６）、処理を繰り返す（ステップＳ９０２）。

ループカウンタが指定値Ｔより大きい場合（ステップＳ９０５：Ｙｅｓ）、第２算出部１０６は、生成した分析対象種別の事後故障率のサンプルから、事後故障率の確率密度関数を以下の（１７）式により推定する（ステップＳ９０７）。

ここで、μ^（ｔ）はカウンタｔでサンプルとして生成された事後故障率、Ｔはループカウンタの上限として指定された指定値、Ｋ_λ（μ，μ^（ｔ））は、上記（３）式と同様にして定義されるガウスカーネルを表す。

このように、本実施の形態にかかる故障率算出システムでは、故障台数が少ないときでもモニタリングデータから想定される故障率を用いることで、安定した精度の修理率を計算できる。このため、早期に品質問題を把握でき、設計部門等へ迅速にフィードバックすることが可能になる。さらに、稼動製品のパフォーマンスが修理率（故障率）に及ぼす影響が考慮されるため、稼動製品のパフォーマンスが全体として急激に落ちるようなときでも、品質の悪化を反映した修理率（故障率）を求めることが可能になる。

なお、本発明は、上記実施の形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化することができる。また、上記実施の形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成することができる。例えば、実施の形態に示される全構成要素からいくつかの構成要素を削除してもよい。さらに、異なる実施の形態にわたる構成要素を適宜組み合わせても良い。

１故障ＤＢ
２モニタリングＤＢ
３管理者用端末
４ネットワーク
５稼動製品
１００故障率算出装置
１０１入力受付部
１０２第１読出部
１０３第２読出部
１０４作成部
１０５第１算出部
１０６第２算出部

Claims

故障した製品の製品種別と故障した製品の識別情報とを対応づけて記憶する故障データベースから、指定された第１製品種別に対応する前記識別情報である第１識別情報を読み出す第１読出部と、
製品の使用状況を表す監視情報と前記製品種別と前記識別情報とを対応づけて記憶する監視情報データベースから、前記第１識別情報に対応する前記監視情報を故障監視情報として読出し、前記第１製品種別に対応する前記故障監視情報以外の前記監視情報を未故障監視情報として読み出す第２読出部と、
前記故障監視情報と前記未故障監視情報とに基づいて、前記監視情報に対する、予め定められた期間に製品が故障する確率をモデル化した故障モデルを作成する作成部と、
指定された第２製品種別に対応する前記監視情報を前記監視情報データベースから読出し、読み出した前記監視情報を前記故障モデルに入力して得られる出力値に基づいて、前記第２製品種別の製品が前記期間に故障する確率を表す故障確率を算出する第１算出部と、
前記第２製品種別の製品の稼動件数と、前記第２製品種別の製品のうち故障した製品の件数を表す故障件数と、前記故障確率と、に基づいて、前記第２製品種別の製品が単位時間に故障する確率を表す故障率を算出する第２算出部と、
を備えることを特徴とする故障率算出装置。
前記監視情報データベースは、複数の前記監視情報を前記製品種別および前記識別情報に対応づけて記憶し、
前記作成部は、複数の前記故障監視情報それぞれに対する確率密度関数を表す複数の第１密度関数を算出し、複数の前記未故障監視情報それぞれに対する確率密度関数を表す複数の第２密度関数を算出し、複数の前記第１密度関数の積である第１同時密度関数と複数の前記第２密度関数の積である第２同時密度関数とを含む前記故障モデルを作成すること、
を特徴とする請求項１に記載の故障率算出装置。
前記第１算出部は、指定された第２製品種別に対応する前記監視情報を前記監視情報データベースから読出し、読み出した前記監視情報を前記故障モデルに含まれる前記第１同時密度関数および前記第２同時密度関数にそれぞれ入力して第１出力値および第２出力値をそれぞれ算出し、前記第１出力値および前記第２出力値を尤度として、指定された事前故障確率からベイズの定理に基づいて事後故障確率である前記故障確率を算出すること、
を特徴とする請求項２に記載の故障率算出装置。
前記作成部は、前記故障監視情報と前記未故障監視情報とを用いてニューラルネットワークにより学習して得られる前記故障モデルを作成すること、
を特徴とする請求項１に記載の故障率算出装置。
前記第２算出部は、前記故障件数を前記稼動件数で除算した値を前記故障率の初期値として、メトロポリス−ヘイスティングスアルゴリズムを用いて前記故障確率から算出される採択確率に応じて前記故障率のサンプルを採択し、前記サンプルから前記故障率の確率密度関数を算出すること、
を特徴とする請求項１に記載の故障率算出装置。
端末装置と、前記端末装置にネットワークを介して接続される故障率算出装置とを備える故障率算出システムであって、
前記端末装置は、
製品の製品種別のうち、指定された第１製品種別および第２製品種別を前記故障率算出装置に送信する第１通信部を備え、
前記故障率算出装置は、
前記第１製品種別および前記第２製品種別を前記端末装置から受信する第２通信部と、
故障した製品の製品種別と故障した製品の識別情報とを対応づけて記憶する故障データベースから、受信された前記第１製品種別に対応する前記識別情報である第１識別情報を読み出す第１読出部と、
製品の使用状況を表す監視情報と前記製品種別と前記識別情報とを対応づけて記憶する監視情報データベースから、前記第１識別情報に対応する前記監視情報を故障監視情報として読出し、前記第１製品種別に対応する前記故障監視情報以外の前記監視情報を未故障監視情報として読み出す第２読出部と、
前記故障監視情報と前記未故障監視情報とに基づいて、前記監視情報に対する、予め定められた期間に製品が故障する確率をモデル化した故障モデルを作成する作成部と、
受信された前記第２製品種別に対応する前記監視情報を前記監視情報データベースから読出し、読み出した前記監視情報を前記故障モデルに入力して得られる出力値に基づいて、前記第２製品種別の製品が前記期間に故障する確率を表す故障確率を算出する第１算出部と、
前記第２製品種別の製品の稼動件数と、前記第２製品種別の製品のうち故障した製品の件数を表す故障件数と、前記故障確率と、に基づいて、前記第２製品種別の製品が単位時間に故障する確率を表す故障率を算出する第２算出部と、を備えること
を特徴とする故障率算出システム。
第１読出部が、故障した製品の製品種別と故障した製品の識別情報とを対応づけて記憶する故障データベースから、指定された第１製品種別に対応する前記識別情報である第１識別情報を読み出す第１読出ステップと、
第２読出部が、製品の使用状況を表す監視情報と前記製品種別と前記識別情報とを対応づけて記憶する監視情報データベースから、前記第１識別情報に対応する前記監視情報を故障監視情報として読出し、前記第１製品種別に対応する前記故障監視情報以外の前記監視情報を未故障監視情報として読み出す第２読出ステップと、
作成部が、前記故障監視情報と前記未故障監視情報とに基づいて、前記監視情報に対する、予め定められた期間に製品が故障する確率をモデル化した故障モデルを作成する作成ステップと、
第１算出部が、指定された第２製品種別に対応する前記監視情報を前記監視情報データベースから読出し、読み出した前記監視情報を前記故障モデルに入力して得られる出力値に基づいて、前記第２製品種別の製品が前記期間に故障する確率を表す故障確率を算出する第１算出ステップと、
第２算出部が、前記第２製品種別の製品の稼動件数と、前記第２製品種別の製品のうち故障した製品の件数を表す故障件数と、前記故障確率と、に基づいて、前記第２製品種別の製品が単位時間に故障する確率を表す故障率を算出する第２算出ステップと、
を含むことを特徴とする故障率算出方法。