JPWO2017149597A1 - 機器分類装置 - Google Patents
機器分類装置 Download PDFInfo
- Publication number
- JPWO2017149597A1 JPWO2017149597A1 JP2017541412A JP2017541412A JPWO2017149597A1 JP WO2017149597 A1 JPWO2017149597 A1 JP WO2017149597A1 JP 2017541412 A JP2017541412 A JP 2017541412A JP 2017541412 A JP2017541412 A JP 2017541412A JP WO2017149597 A1 JPWO2017149597 A1 JP WO2017149597A1
- Authority
- JP
- Japan
- Prior art keywords
- data
- classification
- device classification
- equipment
- devices
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000006243 chemical reaction Methods 0.000 claims abstract description 18
- 238000012544 monitoring process Methods 0.000 claims description 34
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000009434 installation Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 description 41
- 238000000034 method Methods 0.000 description 27
- 238000007726 management method Methods 0.000 description 20
- 238000013480 data collection Methods 0.000 description 18
- 230000005856 abnormality Effects 0.000 description 17
- 238000012545 processing Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 13
- 238000004458 analytical method Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- 238000007417 hierarchical cluster analysis Methods 0.000 description 4
- 238000000491 multivariate analysis Methods 0.000 description 4
- 208000037408 Device failure Diseases 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Automation & Control Theory (AREA)
- Strategic Management (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
データ取得部(101)は、機器分類指標データベース(201)から機器分類指標データを取得する。特徴量変換部(102)は、機器分類指標データを、機器の特徴を示す特徴量に変換する。機器分類部(103)は、特徴量の値を用いて機器単位で設備を分類する。
Description
本発明は、設備を構成する機器単位で設備を分類する機器分類装置に関するものである。
昇降機、空調等、同種のものが多様な環境に複数存在する設備において、同じ特徴を持つもの毎に分類することは有用である。例えば特許文献1に記載された従来のシステムでは、建物設備での省エネルギを目的とした照明・空調の制御において、昇降機を同じ特徴を持つもの毎に分類している。特許文献1に記載されたシステムでは、昇降機稼働情報を利用して、共用部の人流量や、室の在室人数、在室率を曜日、時間帯毎などでパターン化し、制御スケジュールを計画している。ここで、昇降機稼働情報を取得できない建物において、同じ特徴を持つ類似建物の解析結果を流用するために、建物の分類を行っている。
昇降機、空調等の設備を構成する機器に対して故障や異常等の解析をする場合、複数の設備・機器を同種、同特徴の機器で分類し解析することで、単一設備のみでの解析と比較し、故障や異常の検出精度の向上が見込まれる。
しかしながら、従来の手法では、昇降機といった設備単位で分類しているため、異なる特徴を持つ機器であっても、設備単位で同種、同特徴であれば機器としては分類できないという問題があった。例えば、昇降機Aを構成するドア機器と昇降機Bを構成するドア機器が、同型ではあるが特徴が異なる機器の場合であっても、従来では昇降機Aと昇降機Bは昇降機という設備として同特徴と判定されると、どちらのドア機器も同特徴として分類されてしまう。その結果、例えば機器の故障や異常等の解析において、ある特定条件下で異常となる特徴を持つ機器と、同一条件下であっても異常とならない特徴を持つ機器を同じ分類として扱ってしまう等、異常の原因解析の障害となることや、異常検出精度の低下等に繋がるという問題があった。
しかしながら、従来の手法では、昇降機といった設備単位で分類しているため、異なる特徴を持つ機器であっても、設備単位で同種、同特徴であれば機器としては分類できないという問題があった。例えば、昇降機Aを構成するドア機器と昇降機Bを構成するドア機器が、同型ではあるが特徴が異なる機器の場合であっても、従来では昇降機Aと昇降機Bは昇降機という設備として同特徴と判定されると、どちらのドア機器も同特徴として分類されてしまう。その結果、例えば機器の故障や異常等の解析において、ある特定条件下で異常となる特徴を持つ機器と、同一条件下であっても異常とならない特徴を持つ機器を同じ分類として扱ってしまう等、異常の原因解析の障害となることや、異常検出精度の低下等に繋がるという問題があった。
この発明は、かかる問題を解決するためになされたもので、機器の故障や異常等の解析を精度良く行うことのできる機器分類装置を提供することを目的とする。
この発明に係る機器分類装置は、各々が単数または複数の機器から構成される複数の設備における各機器の監視データから得られる各機器に固有の情報である機器分類指標データを取得するデータ取得部と、機器分類指標データを用いて機器単位で設備を分類する機器分類部とを備えたものである。
この発明に係る機器分類装置は、各機器に固有の情報である機器分類指標データを用いて機器毎に設備を分類するようにしたものである。これにより、機器の故障や異常等の解析を精度良く行うことができる。
以下、この発明をより詳細に説明するために、この発明を実施するための形態について、添付の図面に従って説明する。
実施の形態1.
図1は、本実施の形態による機器分類装置100を含む監視システムの構成図である。
図示の監視システムにおいて、機器分類装置100はデータ収集管理装置200と接続され、データ収集管理装置200はネットワーク300を介して監視対象400と接続されている。
実施の形態1.
図1は、本実施の形態による機器分類装置100を含む監視システムの構成図である。
図示の監視システムにおいて、機器分類装置100はデータ収集管理装置200と接続され、データ収集管理装置200はネットワーク300を介して監視対象400と接続されている。
機器分類装置100は、データ取得部101と特徴量変換部102と機器分類部103とを備える。データ取得部101は、データ収集管理装置200が管理する機器分類指標データベース201から機器分類指標データを取得する処理部である。特徴量変換部102は、機器分類指標データを機器の特徴を示す特徴量に変換する処理部である。機器分類部103は、特徴量変換部102で変換された特徴量の値を用いて機器毎に設備を分類する処理部である。
データ収集管理装置200は、監視対象400からの監視データを収集し、この監視データを機器分類指標データとして機器分類指標データベース201に蓄積し管理する装置である。機器分類指標データベース201に蓄積される機器分類指標データとは、監視対象400のセンサから得られるデータ(センサデータ)、保守員の点検や設備情報により作成されたデータ(保守実績データ)など、監視対象400から直接的または間接的に得られた監視データを指す。機器分類指標データベース201に蓄積される機器分類指標データとして昇降機を例とし、センサデータの例を図2に、保守実績データの例を図3に示す。
図2では、一つの設備の一つの機器のセンサから得られるデータの例として、センサデータ例を示している。図示のセンサデータでは、データ項目の例として、気温、振動、回転速度、接点1電流、接点1電圧、接点2電流、接点2電圧などを示している。センサデータのデータ項目例の値は一例である。データ項目は、実際の設備、機器から収集したセンサデータの項目を格納するために変更可能である。また、設備、機器を区別可能であれば、複数の設備、機器のデータを集約し、一つの表としても構わない。機器の対応付けが可能であれば、一つの設備の一つの機器のデータが複数の表に分割されていても構わない。気温、湿度等の、各機器共通のデータ項目を、各機器のデータ以外の表で管理しても構わない。
図3では、一つの設備の一つの機器に対する保守員の点検や設備情報から得られるデータの例として、保守実績データ例を示している。保守実績データ例ではデータ項目の例として、設備ID、機種ID、機器ID、作業者名、保守作業内容、異常の有無などを記載している。これらデータ項目の値は一例である。データ項目は、実際の設備、機器から収集した保守実績データの項目を格納するために変更可能である。また、設備、機器を区別可能であれば、複数の設備、機器のデータを集約し、一つの表としても構わない。さらに、設備、機器の対応付けが可能であれば、一つの設備の一つの機器のデータが複数の表に分割されていても構わない。また、平常時の保守作業と、故障、異常が発生した場合の保守作業など、形態の異なる保守作業の保守実績データを分割して管理しても構わない。さらに、図2に示したセンサデータ例と図3に示した保守実績データ例を結合して、一つの表として管理しても構わない。すなわち、機器分類指標データベース201に格納される機器分類指標データとしては機器に固有の情報であればどのような情報であってもよい。
監視対象400は、例えば、昇降機や空調といった、単一または複数の機器からなる設備である。監視対象400は、同様の機器からなる設備が二つ以上存在することを想定している。ネットワーク300に接続せず、監視対象400とデータ収集管理装置200を直結する構成でも構わない。監視対象400とデータ収集管理装置200の接続方法によらず、データ収集管理装置200と機器分類装置100をネットワーク接続する構成でも構わない。
図4は、本実施の形態の機器分類装置を実現するためのハードウェア構成を示すブロック図である。図4では、図1の機器分類装置100とデータ収集管理装置200を一つのハードウェア上に構成した例を示している。機器分類装置100及びデータ収集管理装置200は、プロセッサ11、メモリ12、通信I/F(インタフェース)装置13、ストレージ14、出力装置15を備える。プロセッサ11は機器分類装置100及びデータ収集管理装置200の機能を実現するためのプロセッサである。メモリ12は、機器分類装置100及びデータ収集管理装置200の機能に対応した各種プログラムを記憶するプログラムメモリ、プロセッサ11がデータ処理を行う際に使用するワークメモリ及び信号データを展開するメモリ等として使用するROM及びRAM等の記憶部である。通信I/F装置13は、ネットワーク300等の外部との通信インタフェースである。ストレージ14は、各種データやプログラムを蓄積するための記憶装置である。出力装置15は、外部へ処理結果を出力するための装置である。
図1におけるデータ取得部101、特徴量変換部102及び機器分類部103が行う処理は、メモリ12に記憶されたプログラムをプロセッサ11が読み出して実行する。機器分類指標データベース201が蓄積するデータは、監視対象400からネットワーク300経由で通信I/F装置13を通してストレージ14に格納される。機器分類部103の処理結果は、必要に応じてストレージ14に格納するし、出力装置15にて外部に出力される。なお、機器分類装置100とデータ収集管理装置200とを異なるハードウェア上に構成しても構わない。
次に、本実施の形態の機器分類装置100の動作について説明する。
データ収集管理装置200は、監視対象400から得られた機器分類指標データを機器分類指標データベース201へ継続的または断続的に蓄積する。機器分類装置100は、機器分類指標データベース201から機器分類指標データを取得して処理を行う。図5は機器分類装置100の処理を示すフローチャートである。
先ず、データ取得部101は、機器分類指標データベース201より機器分類指標データを取得する(ステップST1)。なお、機器分類指標データに複数のデータ項目が含まれる場合、データ項目毎に図5のフローを実行する。例えば、機器分類指標データのインデックスとして機器IDが入力された場合、分類された機器IDのリストが出力される。リストの形式は問わないが、一例としては、各分類に分類IDを割り振り、各機器IDと該当する分類IDを1行に格納した表形式での出力がある。また、その他のリストの例としては、分類毎に一つのファイルを作成し、ファイル内に当該分類に属する機器IDを格納する方法もある。
データ収集管理装置200は、監視対象400から得られた機器分類指標データを機器分類指標データベース201へ継続的または断続的に蓄積する。機器分類装置100は、機器分類指標データベース201から機器分類指標データを取得して処理を行う。図5は機器分類装置100の処理を示すフローチャートである。
先ず、データ取得部101は、機器分類指標データベース201より機器分類指標データを取得する(ステップST1)。なお、機器分類指標データに複数のデータ項目が含まれる場合、データ項目毎に図5のフローを実行する。例えば、機器分類指標データのインデックスとして機器IDが入力された場合、分類された機器IDのリストが出力される。リストの形式は問わないが、一例としては、各分類に分類IDを割り振り、各機器IDと該当する分類IDを1行に格納した表形式での出力がある。また、その他のリストの例としては、分類毎に一つのファイルを作成し、ファイル内に当該分類に属する機器IDを格納する方法もある。
特徴量変換部102では、各機器の特徴を数値化するため、入力された機器分類指標データを特徴量へ変換する。先ず、特徴量変換部102は、入力された機器分類指標データが数値のデータか数値以外のデータかを判断し、その後の処理を分岐する(ステップST2)。図2のセンサデータと図3の保守実績データが結合されている場合など、一つの表に数値のデータと数値以外のデータが混在する場合は、数値のデータのデータ項目と、数値以外のデータ項目に分割し、分割したそれぞれについて以降の処理を実行する。
特徴量変換部102は、入力された機器分類指標データがセンサデータ等の数値データであった場合(ステップST2:YES)はステップST3の処理を実行する。ステップST3では、数値データを特徴量へ変換する。特徴量としては、例えば主成分分析の各主成分、MT法での距離、回帰分析での回帰係数と誤差、パターンマッチング法での類似度等の多変量解析手法など、一般的な手法でもよい。特徴量の例を図6に示す。
図6では、複数の設備の一つの機器に対して得られた特徴量として、特徴量表の例を示している。特徴量表では、各設備の機器1についての特徴量の例として、特徴量1〜4を記載している。特徴量表の各項目データの値は一例である。特徴量は、実際のデータから算出した特徴量を格納するために変更可能である。また、設備、機器を区別可能であれば、複数の設備、機器のデータを集約し、一つの表としても構わない。さらに機器の対応付けが可能であれば、一つの設備で一つの機器のデータが複数の表に分割されていても構わない。
また、特徴量変換部102は、入力された機器分類指標データがセンサデータ等の数値データではなかった場合(ステップST2:NO)はステップST4の処理を実行する。すなわち、従来では、分類に利用する指標は、例えば昇降機の稼働情報、昇降機の用途、規模といった情報のみであったが、故障や異常等の解析の場合、センサデータや過去の故障履歴など多くの情報を解析対象とするため、特徴の分類においてはこれらの情報も分類の指標として組み込むことで、故障や異常等の解析精度の向上が見込める。そこで、本実施の形態では、入力された機器分類指標データが文字データなどの数値以外のデータであった場合、特徴量変換部102は、ステップST4の処理を実行する。数値以外のデータとして、例えば文字列データがある。文字列を例とするとステップST4では、文字データを数値化後、特徴量へ変換する。特徴量としては、数値データの場合と同じく、例えば主成分分析の各主成分、MT法での距離、回帰分析での回帰係数と誤差、パターンマッチング法での類似度等の多変量解析手法など、一般的な手法でもよい。もしくは、文字データを直接特徴量へ変換してもよい。変換方法は、例えば機種などの同じ文字データには同じ数字データを割り振る方法、文字列を分割した形態素の類似度を数値化する方法、N−gramモデルを利用した共起頻度から類似度を数値化する方法など、一般的な文字列解析手法でもよい。特徴量は、図6の特徴量表と同様の形式で格納される。
次に、機器分類部103では、各機器を特徴が類似した機器毎に分類するため、特徴量変換部102にて変換した特徴量を複数の機器分入力し、特徴量が近い値の機器毎に分類する(ステップST5)。ステップST5の分類処理では、デンドログラムなどの階層的クラスタ分析やk−means法などの非階層的クラスタ分析などの一般的な多変量解析手法や、サポートベクタマシンなどの一般的な機械学習手法を利用してもよい。分類の例を図7に示す。
図7は、図6の特徴量表に示した2〜4行目のデータのうち、特徴量1と特徴量2を2次元散布図上に模式的に表示したものである。図7の特徴量値701が図6の特徴量表の1行目、特徴量値702が特徴量表の2行目、特徴量値703が特徴量表の3行目のデータを表している。各データ間の距離を元に模式的に分類した例を、分類704、705とする。特徴量値701と特徴量値702は、散布図上での距離が近いため、一つの分類704としてまとめられたことを示している。特徴量値703は、特徴量値701と特徴量値702から散布図上での距離が遠いため、分類704とは別の分類705とされたことを示している。
本発明の一つの用途として、機器の故障・異常解析がある。例えば、機器の保守計画を立案するために将来故障する時期を予測する場合、機器から得られたデータから、統計的な故障発生頻度や劣化傾向から将来故障が発生する確率(故障リスク)を予測し、保守が必要となる時期を推測する手法がある。
このような故障リスクを予測する機能を追加した機器分類装置100aの構成を図8に示す。
図示の監視システムは、図1に示した構成に故障リスク算出部500が付加されたものである。故障リスク算出部500は、機器分類部103で分類された結果を用いて故障リスクを予測する処理部である。故障リスクを算出する一つの手法として、故障発生頻度を利用して、保守作業日からの経過日数に対する累積故障率を算出する。この算出結果を関数で近似し、近似した関数へ予測したい保守作業日からの経過日数を入力することで得られた値を、将来の故障リスクとする方法がある。近似する関数として、ワイブル分布等の信頼性工学にて利用される一般的なハザード関数を利用してもよい。また、故障リスクを機器の劣化度合いに応じて補正しても良い。ここで、類似した特徴を有する機器は、故障が発生する確率や劣化傾向も類似する可能性が高いため、類似した特徴毎に機器を分類することは故障リスクを予測するためにも有用である。より類似した機器毎に分類することは、故障リスクの予測精度向上につながる。
図示の監視システムは、図1に示した構成に故障リスク算出部500が付加されたものである。故障リスク算出部500は、機器分類部103で分類された結果を用いて故障リスクを予測する処理部である。故障リスクを算出する一つの手法として、故障発生頻度を利用して、保守作業日からの経過日数に対する累積故障率を算出する。この算出結果を関数で近似し、近似した関数へ予測したい保守作業日からの経過日数を入力することで得られた値を、将来の故障リスクとする方法がある。近似する関数として、ワイブル分布等の信頼性工学にて利用される一般的なハザード関数を利用してもよい。また、故障リスクを機器の劣化度合いに応じて補正しても良い。ここで、類似した特徴を有する機器は、故障が発生する確率や劣化傾向も類似する可能性が高いため、類似した特徴毎に機器を分類することは故障リスクを予測するためにも有用である。より類似した機器毎に分類することは、故障リスクの予測精度向上につながる。
故障リスク算出部500にて使用するデータは、データ取得部101〜機器分類部103にて使用したデータと同じでもよく、また、他のデータを含めて使用してもよい。故障リスク推定時は、機器単位で故障リスクの予測が可能であるが、同設備を構成する複数の機器の相関関係など、複数の機器の故障リスクを総合的に判断し、設備単位での故障リスクを予測しても構わない。別の用途として、一つの機器にて発生した故障が同じ分類の他の機器においても発生する可能性がある場合は、早期に保守作業を実施するなど、保守計画の立案、変更に利用しても良い。別の用途として、同じ分類とした複数の機器の保守作業を同一保守員に割り当てるなど、保守作業の編成に利用しても良い。別の用途として、機器の遠隔監視などの状態監視において、同じ分類の機器毎に表示することに利用しても良い。
次に、実施の形態1の効果を説明する。図9は、機器毎の特徴量の例として、機器1、機器2の二つの機器について、設備a、設備b、設備cの三つの設備からデータを集め、特徴量を算出し、それぞれ二つの特徴量から作成した2次元散布図上に表現したものである。機器1の設備特徴量を901に、機器2の設備特徴量を902として示す。
従来法では、設備単位の分類のため、設備a、設備b、設備cが同じ特徴を持つ設備と分類された場合は、機器1、機器2の特徴に関わらず、同じ分類とされていた。一方、実施の形態1では、例えば機器1の設備特徴量901において、設備aと設備bを一つの分類、設備cを別の分類とした場合でも、機器2の設備特徴量902では設備aと設備cを一つの分類、設備bを別の分類とするなど、機器単位で分類することが可能となる。
従来法では、設備単位の分類のため、設備a、設備b、設備cが同じ特徴を持つ設備と分類された場合は、機器1、機器2の特徴に関わらず、同じ分類とされていた。一方、実施の形態1では、例えば機器1の設備特徴量901において、設備aと設備bを一つの分類、設備cを別の分類とした場合でも、機器2の設備特徴量902では設備aと設備cを一つの分類、設備bを別の分類とするなど、機器単位で分類することが可能となる。
同じ特徴を持つ機器毎に分類することで、機器の故障リスクの予測精度、故障・異常検出の精度などの向上が期待できる。また、類似した機器毎に分類することで、ある機器で故障・異常等が発見された場合に、同じ特徴を持つ機器を抽出し保守することで他の機器での故障・異常を未然に防ぐ、機器毎の保守作業のスケジューリングによる保守効率化が期待できる。例えば、昇降機Aのドア開閉モータのトルク低下により閉じ込めが発生した場合に、同じ特徴を持つ他の昇降機のドア開閉モータにトルク低下の兆候がないかを点検、保守することで、故障や事故を削減することが期待できる。別の例として、昇降機Aのドア開閉モータのトルク低下が検出された場合に、同じ特徴を持つ他の昇降機のドア開閉モータにおいてもトルク低下が発生する可能性があるがすぐに対処する必要がなければ、保守作業を適切にスケジューリングすることで作業の効率化が期待できる。また、特定の設備に含まれる機器に関して、過去のデータから将来の故障リスクを予測する場合に、この機器から得られた過去のデータが少なく、故障リスクを算出できないことも想定される。実施の形態1に係る機器分類装置を用いれば、故障リスクを予測する機器と同じ特徴を持つ他の設備の機器からデータを取得し、取得したデータを用いて、過去のデータが少ない機器の故障リスクを予測することができる。
以上説明したように、実施の形態1の機器分類装置によれば、各々が単数または複数の機器から構成される複数の設備における各機器の監視データから得られる各機器に固有の情報である機器分類指標データを取得するデータ取得部と、機器分類指標データを、機器の特徴を示す特徴量に変換する特徴量変換部と、特徴量が近い機器を特徴が類似した機器として機器単位で設備を分類する機器分類部とを備えたので、機器の故障や異常等の解析を精度良く行うことができる。
また、実施の形態1の機器分類装置によれば、各機器の故障発生頻度を用いて、機器分類部で類似と判定された機器の故障リスクを予測する故障リスク算出部を備えたので、各設備の機器の保守作業を確実に行うことができる。
実施の形態2.
実施の形態1では機器分類指標データベース201に、例えば図2で示したセンサデータや図3で示した保守実績データが格納されるとしたが、データ種別毎に複数のデータベースとしてもよく、これを実施の形態2として説明する。
図10は、実施の形態2の機器分類装置を適用した監視システムの構成図である。実施の形態2のデータ収集管理装置200aは、機器分類指標データベース群202としてセンサデータベース202aと保守実績データベース202bを備える。センサデータベース202aは、監視対象400のセンサデータを蓄積するためのデータベースであり、データ収集管理装置200aが監視対象400からネットワーク300を介して取得する。保守実績データベース202bは、監視対象400の保守実績データを蓄積するためのデータベースである。この保守実績データベース202bは、監視対象400の保守を行った結果を入力するための入力装置600の保守実績データをデータ収集管理装置200aがネットワーク300を介して取得することで構成されている。なお、入力装置600はパーソナルコンピュータ等からなり、監視対象400の保守員が保守実績データを入力するための装置である。
実施の形態1では機器分類指標データベース201に、例えば図2で示したセンサデータや図3で示した保守実績データが格納されるとしたが、データ種別毎に複数のデータベースとしてもよく、これを実施の形態2として説明する。
図10は、実施の形態2の機器分類装置を適用した監視システムの構成図である。実施の形態2のデータ収集管理装置200aは、機器分類指標データベース群202としてセンサデータベース202aと保守実績データベース202bを備える。センサデータベース202aは、監視対象400のセンサデータを蓄積するためのデータベースであり、データ収集管理装置200aが監視対象400からネットワーク300を介して取得する。保守実績データベース202bは、監視対象400の保守実績データを蓄積するためのデータベースである。この保守実績データベース202bは、監視対象400の保守を行った結果を入力するための入力装置600の保守実績データをデータ収集管理装置200aがネットワーク300を介して取得することで構成されている。なお、入力装置600はパーソナルコンピュータ等からなり、監視対象400の保守員が保守実績データを入力するための装置である。
実施の形態2の機器分類装置100bは、データ取得部101a、特徴量変換部102及び機器分類部103からなる。ここで、データ取得部101aが、センサデータをセンサデータベース202aから取得し、保守実績データを保守実績データベース202bから取得するよう構成されている。特徴量変換部102及び機器分類部103の構成及び動作は実施の形態1と同様であるため、ここでの説明は省略する。
なお、上記例では、データ種別としてセンサデータと保守実績データの例を説明したが、データ種別はこれらに限定されるものではなく、監視対象400から得られる監視データをどのような種別で分割しても良い。また、負荷分散の観点から複数のデータベースに分散して管理する構成や、データベース形式ではなく、機器分類指標データをファイル管理とする構成であっても良い。また、図10に示す機器分類指標データベース群202は、概念的にまとめたものであり、例えば各データベースが異なる装置上に分散配置されていても良い。
このように、実施の形態2の機器分類装置では、機器分類指標データベース群202として機器分類指標データベースを分割することで、各データベースのデータ量を縮小できる。その結果、機器分類装置100bからの機器分類指標データベース群202へのアクセス速度の向上が期待できる。また、各データベースを異なる装置上に分散配置して構成することで、一つの装置あたりの負荷を軽減することが可能となる。
以上説明したように、実施の形態2の機器分類装置によれば、機器分類指標データは、データ種別毎のデータベースとして設けられているようにしたので、機器分類指標データへのアクセスを速やかに行うことができる。
実施の形態3.
実施の形態1では、データ取得部101が取得した機器分類指標データに対して特徴量変換部102で特徴量に変換した後、機器分類部103が分類するようにしたが、機器分類指標データの内容によっては、機器分類部103が機器分類指標データから直接分類処理を行うようにしてもよい。このような例を実施の形態3として説明する。
実施の形態1では、データ取得部101が取得した機器分類指標データに対して特徴量変換部102で特徴量に変換した後、機器分類部103が分類するようにしたが、機器分類指標データの内容によっては、機器分類部103が機器分類指標データから直接分類処理を行うようにしてもよい。このような例を実施の形態3として説明する。
図11は実施の形態3の機器分類装置を含む監視システムの構成図である。図示の機器分類装置100cはデータ取得部101と機器分類部103aとを備えている。データ収集管理装置200bが管理する機器分類指標データベース201aのデータとしては、例えば、監視対象400における機器の使用頻度、地域などの設置環境、気温、動作温度などがある。機器分類部103aは、このような機器分類指標データから直接機器毎の特徴を抽出し、機器毎の設備を分類するよう構成されている。分類処理については、実施の形態1と同様に、デンドログラムなどの階層的クラスタ分析やk−means法などの非階層的クラスタ分析などの一般的な多変量解析手法や、サポートベクタマシンなどの一般的な機械学習手法を利用してもよい。
以上説明したように、実施の形態3の機器分類装置によれば、各々が単数または複数の機器から構成される複数の設備における各機器の監視データから得られる各機器に固有の情報である機器分類指標データを取得するデータ取得部と、機器分類指標データを用いて機器単位で設備を分類する機器分類部とを備えたので、機器の故障や異常等の解析を精度良く行うことができる。また、特徴量を算出する処理がないため処理時間を短縮することができる。
また、実施の形態3の機器分類装置によれば、機器分類指標データは、各機器の使用頻度を各機器に固有の情報とするようにしたので、機器分類部が直接機器分類指標データを用いて分類処理を行うことができる。
また、実施の形態3の機器分類装置によれば、機器分類指標データは、各機器の設置環境の情報を各機器に固有の情報とするようにしたので、機器分類部が直接機器分類指標データを用いて分類処理を行うことができる。
なお、本願発明はその発明の範囲内において、各実施の形態の自由な組み合わせ、あるいは各実施の形態の任意の構成要素の変形、もしくは各実施の形態において任意の構成要素の省略が可能である。
以上のように、この発明に係る機器分類装置は、複数の設備に対して、これらの設備が持つ機器毎に各設備を分類するものであり、昇降機や空調等、同種のものが異なる環境に複数存在する設備に対して用いるのに適している。
100,100a,100b,100c 機器分類装置、101 データ取得部、102 特徴量変換部、103 機器分類部、200,200a,200b データ収集管理装置、201,201a 機器分類指標データベース、202 機器分類指標データベース群、202a センサデータベース、202b 保守実績データベース、300 ネットワーク、400 監視対象、500 故障リスク算出部。
Claims (6)
- 各々が単数または複数の機器から構成される複数の設備における前記各機器の監視データから得られる当該各機器に固有の情報である機器分類指標データを取得するデータ取得部と、
前記機器分類指標データを用いて機器単位で設備を分類する機器分類部とを備えたことを特徴とする機器分類装置。 - 各々が単数または複数の機器から構成される複数の設備における前記各機器の監視データから得られる当該各機器に固有の情報である機器分類指標データを取得するデータ取得部と、
前記機器分類指標データを、前記機器の特徴を示す特徴量に変換する特徴量変換部と、
前記特徴量が近い機器を特徴が類似した機器として当該機器単位で設備を分類する機器分類部とを備えたことを特徴とする機器分類装置。 - 前記機器分類指標データは、データ種別毎のデータベースとして設けられていることを特徴とする請求項2記載の機器分類装置。
- 前記機器分類指標データは、各機器の使用頻度を当該各機器に固有の情報とすることを特徴とする請求項1記載の機器分類装置。
- 前記機器分類指標データは、各機器の設置環境の情報を当該各機器に固有の情報とすることを特徴とする請求項1記載の機器分類装置。
- 前記各機器の故障発生頻度を用いて、前記機器分類部で類似と判定された機器の故障リスクを予測する故障リスク算出部を備えたことを特徴とする請求項2記載の機器分類装置。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2016/056046 WO2017149597A1 (ja) | 2016-02-29 | 2016-02-29 | 機器分類装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPWO2017149597A1 true JPWO2017149597A1 (ja) | 2018-03-08 |
Family
ID=59742554
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017541412A Pending JPWO2017149597A1 (ja) | 2016-02-29 | 2016-02-29 | 機器分類装置 |
Country Status (3)
Country | Link |
---|---|
JP (1) | JPWO2017149597A1 (ja) |
TW (1) | TWI616392B (ja) |
WO (1) | WO2017149597A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7475128B2 (ja) * | 2019-11-19 | 2024-04-26 | 三菱電機株式会社 | 省エネ効果推定装置、省エネ効果推定システム、省エネ効果推定方法及びプログラム |
WO2024202441A1 (ja) * | 2023-03-24 | 2024-10-03 | 株式会社天地人 | 漏水調査計画支援システム及び方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS63208716A (ja) * | 1987-02-26 | 1988-08-30 | Nippon Atom Ind Group Co Ltd | 機器保守管理支援装置 |
JPH049716A (ja) * | 1990-04-27 | 1992-01-14 | Toshiba Corp | プラント状態量計測基準信号作成装置 |
JPH09167008A (ja) * | 1995-12-15 | 1997-06-24 | Toshiba Corp | プラントデータ管理装置 |
JP2011138251A (ja) * | 2009-12-28 | 2011-07-14 | Fujitsu Telecom Networks Ltd | 監視制御ネットワークシステム |
JP2012242946A (ja) * | 2011-05-17 | 2012-12-10 | Hitachi Omron Terminal Solutions Corp | 部品寿命管理システム |
JP2014167667A (ja) * | 2013-02-28 | 2014-09-11 | Mitsubishi Electric Corp | 設備点検順位設定装置 |
JP5767754B2 (ja) * | 2012-09-27 | 2015-08-19 | 富士機械製造株式会社 | 基板作業機用の認識装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100459704C (zh) * | 2006-05-25 | 2009-02-04 | 浙江工业大学 | 基于全方位计算机视觉的智能隧道安全监控装置 |
CN102667881B (zh) * | 2010-03-30 | 2013-11-27 | 新日铁住金系统集成株式会社 | 信息处理装置、信息处理方法以及程序 |
WO2012043388A1 (ja) * | 2010-09-27 | 2012-04-05 | 学校法人神奈川大学 | 車両挙動解析装置、車両挙動解析プログラム及びドライブレコーダ |
CN102004874B (zh) * | 2010-11-05 | 2013-07-10 | 王义海 | 基于综合特征的数字资源监测预警方法 |
JP5246248B2 (ja) * | 2010-11-29 | 2013-07-24 | 株式会社デンソー | 予測装置 |
JP2015133561A (ja) * | 2014-01-10 | 2015-07-23 | 株式会社日立製作所 | 計算機システム |
US10181168B2 (en) * | 2014-03-31 | 2019-01-15 | Hitachi Kokusa1 Electric, Inc. | Personal safety verification system and similarity search method for data encrypted for confidentiality |
-
2016
- 2016-02-29 WO PCT/JP2016/056046 patent/WO2017149597A1/ja active Application Filing
- 2016-02-29 JP JP2017541412A patent/JPWO2017149597A1/ja active Pending
- 2016-06-20 TW TW105119271A patent/TWI616392B/zh not_active IP Right Cessation
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS63208716A (ja) * | 1987-02-26 | 1988-08-30 | Nippon Atom Ind Group Co Ltd | 機器保守管理支援装置 |
JPH049716A (ja) * | 1990-04-27 | 1992-01-14 | Toshiba Corp | プラント状態量計測基準信号作成装置 |
JPH09167008A (ja) * | 1995-12-15 | 1997-06-24 | Toshiba Corp | プラントデータ管理装置 |
JP2011138251A (ja) * | 2009-12-28 | 2011-07-14 | Fujitsu Telecom Networks Ltd | 監視制御ネットワークシステム |
JP2012242946A (ja) * | 2011-05-17 | 2012-12-10 | Hitachi Omron Terminal Solutions Corp | 部品寿命管理システム |
JP5767754B2 (ja) * | 2012-09-27 | 2015-08-19 | 富士機械製造株式会社 | 基板作業機用の認識装置 |
JP2014167667A (ja) * | 2013-02-28 | 2014-09-11 | Mitsubishi Electric Corp | 設備点検順位設定装置 |
Non-Patent Citations (1)
Title |
---|
渡辺 勉: "IT時代の分散型設備管理システム", プラント エンジニア, vol. 第33巻 第11号, JPN6018021278, November 2001 (2001-11-01), JP, pages 40 - 45, ISSN: 0003812129 * |
Also Published As
Publication number | Publication date |
---|---|
WO2017149597A1 (ja) | 2017-09-08 |
TWI616392B (zh) | 2018-03-01 |
TW201730085A (zh) | 2017-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102011620B1 (ko) | 이상 데이터의 중요도 판정 장치 및 이상 데이터의 중요도 판정 방법 | |
JP5753286B1 (ja) | 情報処理装置、診断方法、およびプログラム | |
JP5331774B2 (ja) | 設備状態監視方法およびその装置並びに設備状態監視用プログラム | |
US20160342903A1 (en) | Systems and/or methods for dynamic anomaly detection in machine sensor data | |
JP2013025367A (ja) | 設備状態監視方法およびその装置 | |
JP5855036B2 (ja) | 設備点検順位設定装置 | |
KR101948604B1 (ko) | 센서 군집화 기반의 설비 건강 모니터링 방법 및 장치 | |
US10503145B2 (en) | System and method for asset fleet monitoring and predictive diagnostics using analytics for large and varied data sources | |
WO2011102039A1 (ja) | 故障診断システム、故障診断装置および故障診断プログラム | |
US20200125970A1 (en) | Defect factor estimation device and defect factor estimation method | |
KR102073810B1 (ko) | 머신러닝을 이용하여 함정 추진 장비의 고장을 예측하는 방법 및 시스템 | |
JP6366852B2 (ja) | 機器分類装置 | |
JP2019028834A (ja) | 異常値診断装置、異常値診断方法、およびプログラム | |
JP6777142B2 (ja) | システム分析装置、システム分析方法、及び、プログラム | |
US20200065691A1 (en) | Model development framework for remote monitoring condition-based maintenance | |
CN116562746B (zh) | 一种被服物流站点的被服数据监控方法及相关装置 | |
JP6762443B1 (ja) | 学習モデル生成装置、推定装置、学習モデル生成方法および推定方法 | |
KR101960755B1 (ko) | 미취득 전력 데이터 생성 방법 및 장치 | |
WO2017149597A1 (ja) | 機器分類装置 | |
Al-Aomar et al. | A data-driven predictive maintenance model for hospital HVAC system with machine learning | |
Burnaev | On construction of early warning systems for predictive maintenance in aerospace industry | |
Tal et al. | A predictive model for an effective maintenance of hospital critical systems | |
JP6556297B1 (ja) | データ分析支援装置およびデータ分析支援プログラム | |
Hu et al. | A semi-supervised method for digital twin-enabled predictive maintenance in the building industry | |
EP4254110A1 (en) | Information processing apparatus, plant control method, computer program, and computer-readable storage medium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180612 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20181204 |