KR20230133365A - 고장 예측 시스템 - Google Patents

고장 예측 시스템 Download PDF

Info

Publication number
KR20230133365A
KR20230133365A KR1020237028320A KR20237028320A KR20230133365A KR 20230133365 A KR20230133365 A KR 20230133365A KR 1020237028320 A KR1020237028320 A KR 1020237028320A KR 20237028320 A KR20237028320 A KR 20237028320A KR 20230133365 A KR20230133365 A KR 20230133365A
Authority
KR
South Korea
Prior art keywords
failure
inspection
unit
acquisition unit
data
Prior art date
Application number
KR1020237028320A
Other languages
English (en)
Inventor
히로키 다카미
사토시 이노세
신이치 오쿠
유지 가쿠타니
도모키 야다
Original Assignee
히다찌 겐끼 가부시키가이샤
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 히다찌 겐끼 가부시키가이샤 filed Critical 히다찌 겐끼 가부시키가이샤
Publication of KR20230133365A publication Critical patent/KR20230133365A/ko

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00Testing or monitoring of control systems or parts thereof
    • G05B23/02Electric testing or monitoring
    • G05B23/0205Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00Testing or monitoring of control systems or parts thereof
    • G05B23/02Electric testing or monitoring
    • G05B23/0205Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00Testing or monitoring of control systems or parts thereof
    • G05B23/02Electric testing or monitoring
    • G05B23/0205Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00Testing or monitoring of control systems or parts thereof
    • G05B23/02Electric testing or monitoring
    • G05B23/0205Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0267Fault communication, e.g. human machine interface [HMI]
    • G05B23/0272Presentation of monitored results, e.g. selection of status reports to be displayed; Filtering information to the user

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

고장 예측 시스템(1)은 유압 셔블(10)의 가동 데이터를 취득하는 가동 데이터 취득부(201)와, 유압 셔블(10)의 점검 데이터를 취득하는 점검 데이터 취득부(202)와, 유압 셔블(10)의 부품 교환 수리 데이터를 취득하는 부품 교환 수리 데이터 취득부(203)와, 가동 데이터 취득부(201)에 의해 취득된 가동 데이터, 점검 데이터 취득부(202)에 의해 취득된 점검 데이터 및 부품 교환 수리 데이터 취득부(203)에 의해 취득된 부품 교환 데이터에 기초하여, 유압 셔블(10)의 부위별 고장 확률을 예측하는 고장 예측부(205)를 구비한다.

Description

고장 예측 시스템
본 발명은 유압 셔블 등의 작업 기계의 고장을 예측하는 고장 예측 시스템에 관한 것이다.
작업 기계의 고장 예측에 있어서는, 부위가 여러 방면에 걸치게 되므로, 사용 환경이나 사용 빈도에 따라 고장 발생의 확률도 다르다. 이 때문에, 다양한 기술이 제안되어 있다. 예를 들어 특허문헌 1에는, 고장 예측값과 소정 기간의 실적(사상 발생의 유무)을 대비하면서 학습함으로써, 예측 정밀도의 향상으로 이어지는 고장 예측 시스템이 개시되어 있다.
일본 특허 공개 제2016-157280호 공보
그러나, 상기 특허문헌 1에 기재된 고장 예측 시스템에서는, 고장 예측값에 대하여 소정 기간 내에 예측 대상의 사상이 발생하였는지 여부에 기초하여 대비가 행해지므로, 돌발적인 대응을 포함하는 소정 기간 외의 실적이 고려되어 있지 않다. 이 때문에, 예측 정밀도를 향상시키기 어렵다는 문제가 있었다.
본 발명은 이러한 기술 과제를 해결하기 위해 이루어진 것으로, 고장 예측의 정밀도를 향상시킬 수 있는 고장 예측 시스템을 제공하는 것을 목적으로 한다.
본 발명에 따른 고장 예측 시스템은, 작업 기계의 고장을 예측하는 고장 예측 시스템이며, 상기 작업 기계의 가동 정보를 취득하는 가동 정보 취득부와, 상기 작업 기계의 점검 정보를 취득하는 점검 정보 취득부와, 상기 작업 기계의 부품 교환 수리 정보를 취득하는 부품 교환 수리 정보 취득부와, 상기 가동 정보 취득부에 의해 취득된 가동 정보, 상기 점검 정보 취득부에 의해 취득된 점검 정보, 상기 부품 교환 수리 정보 취득부에 의해 취득된 부품 교환 수리 정보, 및 기억부에 기억된 상기 작업 기계의 부위별 고장 확률과 상기 작업 기계의 점검 실적과의 괴리 정보에 기초하여, 상기 작업 기계의 부위별 고장 확률을 예측하는 고장 예측부를 구비하는 것을 특징으로 하고 있다.
본 발명에 따른 고장 예측 시스템에서는, 고장 예측부는, 가동 정보 취득부에 의해 취득된 가동 정보, 점검 정보 취득부에 의해 취득된 점검 정보, 부품 교환 수리 정보 취득부에 의해 취득된 부품 교환 수리 정보, 및 기억부에 기억된 작업 기계의 부위별 고장 확률과 작업 기계의 점검 실적과의 괴리 정보에 기초하여 작업 기계의 부위별 고장 확률을 예측한다. 이와 같이 작업 기계의 가동 정보에, 점검 정보, 부품 교환 수리 정보, 및 고장 확률과 점검 실적과의 괴리 정보를 또한 추가해서 고장 확률을 예측함으로써, 고장 예측의 정밀도를 향상시킬 수 있다.
본 발명에 따르면, 고장 예측의 정밀도를 향상시킬 수 있다.
도 1은 실시 형태에 따른 고장 예측 시스템을 나타내는 개략 구성도이다.
도 2는 실시 형태에 따른 고장 예측 시스템을 나타내는 블록도이다.
도 3은 고장 확률 데이터의 일례를 나타내는 도면이다.
도 4는 점검 항목 데이터의 일례를 나타내는 도면이다.
도 5는 주요 부품 데이터의 일례를 나타내는 도면이다.
도 6은 서버의 제어 처리를 나타내는 흐름도이다.
도 7은 휴대 단말기의 점검 항목 화면에 관한 제어 처리를 나타내는 흐름도이다.
도 8은 휴대 단말기의 주요 부품 화면에 관한 제어 처리를 나타내는 흐름도이다.
도 9는 휴대 단말기의 고장 확률 화면에 관한 제어 처리를 나타내는 흐름도이다.
도 10은 휴대 단말기의 점검 항목 화면의 일례를 나타내는 도면이다.
도 11은 휴대 단말기의 주요 부품 화면의 일례를 나타내는 도면이다.
도 12는 휴대 단말기의 고장 확률 화면의 일례를 나타내는 도면이다.
도 13은 고장 예측 시스템의 변형예를 나타내는 개략 구성도이다.
도 14는 고장 예측 시스템의 변형예를 나타내는 개략 구성도이다.
이하, 도면을 참조하여 본 발명에 따른 고장 예측 시스템의 실시 형태에 대하여 설명한다. 도면의 설명에 있어서 동일한 요소에는 동일 부호를 붙이고, 중복 설명은 생략한다. 또한, 이하에서는, 고장 예측 대상인 작업 기계로서 유압 셔블을 예로 들어 설명하지만, 작업 기계는, 유압 셔블에 한정되지 않고, 휠 로더나 그 밖의 작업 기계여도 된다.
또한, 이하의 설명에 있어서, 「부위」 및 「부품」 등과 같은 문구가 사용된다. 「부위」는 기본적으로 「부품」보다도 범위가 크다. 예를 들어 부위인 「프론트」에 대해서는, 붐, 암 및 버킷 등의 부품으로 구성되어 있다. 그러나, 예를 들어 「엔진」의 경우, 부위로 해도 되고, 부품으로 해도 된다. 따라서, 내용에 따라서는, 부위와 부품이 동일한 것을 가리키는 경우가 있다.
도 1은 실시 형태에 따른 고장 예측 시스템을 나타내는 개략 구성도이며, 도 2는 실시 형태에 따른 고장 예측 시스템을 나타내는 블록도이다. 본 실시 형태에 따른 고장 예측 시스템(1)은 복수의 유압 셔블(10)과, 네트워크(40)를 통해 이들 유압 셔블(10)과 각각 통신 가능하게 구성된 서버(20)와, 네트워크(40)를 통해 서버(20) 및 유압 셔블(10)과 각각 통신 가능한 휴대 단말기(30)를 구비하고 있다.
[유압 셔블에 대하여]
유압 셔블(10)은 제조업체 공장에서 출하되어 토목 작업, 건설 작업, 해체 작업, 준설 작업 등이 행해지는 작업 현장에 있어서 소정의 유저(예를 들어, 유압 셔블의 소유자 또는 사용자)에게 사용되고 있다. 유압 셔블(10)에는, 가동 데이터 수집부(101)가 마련되어 있다. 가동 데이터 수집부(101)는 예를 들어 유압 셔블(10) 전체의 제어를 행하는 제어부의 일부로 이루어지고, 유압 셔블(10)의 가동 데이터를 자신의 식별 번호와 함께 서버(20)나 휴대 단말기(30)에 송신한다. 또한, 서버(20)나 휴대 단말기(30)에 대한 송신은, 정기적으로(예를 들어 1일 1회의 빈도로) 행해지고 있다.
[휴대 단말기에 대하여]
휴대 단말기(30)는 예를 들어 스마트폰, 태블릿 단말기, 휴대 전화, PDA(Personal Data Assistant) 등으로 이루어지고, 유압 셔블(10)의 보수원 또는 유저에게 휴대되고 있다. 보수원 또는 유저는, 예를 들어 휴대 단말기(30)를 통해 특정의 유압 셔블(10)에 관한 점검 항목 등의 정보를 요구할 수 있다. 구체적으로는, 보수원 또는 유저가 특정의 유압 셔블(10)의 점검 항목 등의 정보를 희망한 경우, 예를 들어 그 특정의 유압 셔블(10)의 식별 번호를 휴대 단말기(30)의 입력부(304)에 직접 입력하거나, 입력부(304)에 표시된 해당 특정의 유압 셔블(10)의 식별 번호를 선택하기도 함으로써, 휴대 단말기(30)를 통해 서버(20)에 요구한다.
도 2에 도시한 바와 같이, 휴대 단말기(30)는 점검 항목 화면(301), 주요 부품 화면(302), 고장 확률 화면(표시부)(303), 및 입력부(304)를 갖는다. 점검 항목 화면(301), 주요 부품 화면(302) 및 고장 확률 화면(303)은 보수원이나 유저의 선택에 의해 전환되도록 되어 있다. 이들 화면의 상세 설명에 대하여 후술한다.
입력부(304)는 보수원 또는 유저로부터의 입력을 접수하기 위한 것이며, 예를 들어 휴대 단말기(30)의 디스플레이에 표시된 터치 패널이나, 키보드 등에 의해 구성되어 있다. 상술한 바와 같이, 보수원 또는 유저가 특정한 유압 셔블(10)의 점검 항목 등의 정보를 희망할 때에, 해당 입력부(304)에 식별 번호를 입력함으로써 서버(20)에 요구할 수 있다.
또한, 예를 들어 보수원은, 임의의 유압 셔블(10)의 점검 작업을 행한 경우, 해당 유압 셔블(10)의 점검 정보(예를 들어, 점검 결과) 및 식별 번호를 입력부(304)에 입력함으로써, 점검 정보를 서버(20)에 송신할 수 있다.
또한, 예를 들어 보수원은, 임의의 유압 셔블(10)의 부품을 교환 또는 수리한 경우, 입력부(304)를 통해 해당 부품의 교환 또는 수리에 수반하여, 관리 번호로서 작업 관련 번호를 채용할 수 있다. 이때, 작업 관련 번호에 관한 데이터가 부품 교환 수리 정보로서 서버(20)에 송신된다.
또한, 예를 들어 작업자는, 후술하는 고장 예측부(205)에 의해 예측된 고장 확률에 기초하여 점검 작업을 행할 때, 실제의 점검 실적을 유압 셔블(10)의 식별 번호와 함께 입력부(304)에 입력하고, 서버(20)에 송신할 수 있다. 서버(20)는 입력 결과에 기초한 실제의 점검 실적에 기초하는 실적값과 예측값을 대비하여 그 결과를 학습한다.
[서버에 대하여]
서버(20)는 고장 예측 시스템(1)을 구성하는 메인의 컴퓨터이며, 유압 셔블(10)의 제조업체 본사, 지사, 공장 또는 관리 센터에 설치되고, 복수의 유압 셔블(10)로부터 송신된 가동 데이터 등을 정기적으로 수집하여, 이들 유압 셔블(10)을 집중 관리하고 있다. 서버(20)는 예를 들어 연산을 실행하는 CPU(Central Processing Unit)와, 연산을 위한 프로그램을 기억한 2차 기억 장치로서의 ROM(Read Only Memory)과, 연산 경과의 보존이나 일시적인 제어 변수를 보존하는 일시 기억 장치로서의 RAM(Random Access Memory)을 조합하여 이루어지는 마이크로컴퓨터에 의해 구성되어 있으며, 기억된 프로그램의 실행에 의해 산출이나 판단 등의 처리를 행한다.
본 실시 형태에 있어서, 서버(20)는 관리 대상인 유압 셔블(10)의 가동 데이터 등에 기초하여, 유압 셔블(10)의 각 부위의 고장 확률을 예측하고, 예측한 결과를 휴대 단말기(30)에 송신한다. 이것을 실현하기 위해서, 본 실시 형태의 서버(20)는 가동 데이터 취득부(가동 정보 취득부)(201), 점검 데이터 취득부(점검 정보 취득부)(202), 부품 교환 수리 데이터 취득부(부품 교환 수리 정보 취득부)(203), 학습부(204), 고장 예측부(205), 점검 항목 취득부(206), 주요 부품 취득부(207) 및 데이터 기억부(210)를 구비하고 있다.
가동 데이터 취득부(201)는 유압 셔블(10)로부터 송신된 가동 데이터를 취득하고, 취득된 가동 데이터를 유압 셔블(10)의 식별 번호와 함께 데이터 기억부(210)에 기억해서 축적시킨다. 도 2 중의 가동 데이터 이력(211)은 소정 기간(예를 들어 공장 출하하고 나서 현재까지의 기간)에 축적된 유압 셔블(10)의 가동 데이터이며, 데이터 기억부(210)에 기억되어 있다. 이 가동 데이터는, 가동 정보에 관한 데이터이며, 예를 들어 유압 셔블(10)의 가동 개시 시간, 가동 종료 시간, 위치 정보, 각 센서에 의해 검출된 정보 등이 포함되어 있다.
점검 데이터 취득부(202)는 유압 셔블(10)의 점검 정보를 취득하고, 취득된 결과를 점검 데이터(212)로서 유압 셔블(10)의 식별 번호와 함께 데이터 기억부(210)에 기억시킨다. 유압 셔블(10)의 점검 정보는, 상술한 바와 같이 보수원이 입력부(304)에 입력함으로써 송신된 정보이다. 점검 데이터(212)에는, 점검 일시, 점검 항목, 점검 작업 내용, 점검 결과 등이 포함되어 있다.
부품 교환 수리 데이터 취득부(203)는 상술한 「작업 관련 번호」에 관련된 부품 수리, 부품 교환의 정보를 취득하고, 취득된 부품 수리 및/또는 부품 교환의 결과를 부품 교환 수리 데이터(213)로서 유압 셔블(10)의 식별 번호와 함께 데이터 기억부(210)에 기억시킨다. 부품 교환 수리 데이터(213)에는, 부품 수리 내용, 부품 교환 내용, 수리 일시, 교환 일시 등이 포함되어 있다.
학습부(204)는 결정목이나 그 발전형인 구배 부스팅법 등과 같은 주지의 방법으로 기계 학습을 행한다. 기계 학습은, 예측을 희망하는 시점에 수집·축적되어 있는 다른 유압 셔블의 가동 데이터 이력을 설명 변수로, 이들 유압 셔블에 대하여 실시된 점검·수리 이력, 부품 교환 이력 중 어느 것을 포함하는 업무 데이터를 목적 변수로 하여 행해지고, 고장 확률을 유도하는 고장 모델이 작성된다. 또한, 점검·수리 이력, 부품 교환 이력은 목적 변수이며, 이들은 고장의 사실을 나타내는 것이다. 따라서 가동 데이터 이력에 고장 이력이 포함되어 있는 경우에는, 점검·수리 이력, 부품 교환 이력은 불필요하다. 한편으로, 가동 데이터 이력에 고장 이력이 포함되어 있지 않은 경우에는, 점검·수리 이력, 부품 교환 이력은 필요하다. 다시 말해, 점검·수리 이력, 부품 교환 이력에 관한 데이터는 후술하는 고장 모델을 생성할 때에, 가동 데이터 이력에 고장 이력이 포함되어 있는지 여부에 따라서 참조된다.
고장 예측부(205)는 유압 셔블(10)로부터 상시 수집하고 있는 가동 데이터 이력(211)과, 임의의 유압 셔블(10)에 대한 점검이나 수리가 행해지면, 휴대 단말기로부터 피드백되는 점검 데이터(212) 및 부품 교환 수리 데이터(213)에 기초하여, 유압 셔블(10)의 부위별 고장 확률을 예측하고, 예측 결과를 고장 확률 데이터(215)로서 유압 셔블(10)의 식별 번호와 함께 데이터 기억부(210)에 기억시킨다. 또한, 고장 확률 데이터는 학습부(204)에 제공되어, 기계 학습이 행해진다.
고장 확률 데이터(215)로서, 예를 들어 도 3에 도시한 바와 같이 기종, 호기, 주요 부품 및 종별마다 나뉘어 있다. 예측된 고장 확률은, 퍼센트로 표시되어 있으며, 숫자가 클수록 고장의 확률이 높아진다(다시 말해, 점검의 긴급성이 높다). 또한, 여기에서의 종별은 「경년」, 「돌발」 및 「종합」으로 나뉘고, 「경년」은 경년 열화나 마모 등의 시간에 관련된 고장의 가능성을 나타내고, 「돌발」은 최근의 가동 상황으로부터 고장의 징후가 나타날 가능성을 나타내고, 「종합」은 「경년」 및 「돌발」양쪽을 가미한 고장 확률을 나타낸다.
점검 항목 취득부(206)는 휴대 단말기(30)로부터의 요구에 따라서, 데이터 기억부(210)에 기억된 유압 셔블(10)의 점검 항목 데이터(216)를 취득하고, 휴대 단말기(30)에 송신한다. 점검 항목 데이터(216)의 일례로서, 예를 들어 도 4에 도시한 바와 같이, 배기관, 과급기, 연료 필터, 붐 등을 들 수 있으며, 이들 점검 항목은 기종별로 나뉘어 있다.
주요 부품 취득부(207)는 휴대 단말기(30)로부터의 요구에 따라서, 데이터 기억부(210)에 기억된 유압 셔블(10)의 주요 부품 데이터(217)를 취득하고, 휴대 단말기(30)에 송신한다. 주요 부품 데이터(217)의 일례로서, 예를 들어 도 5에 도시한 바와 같이, 기종 및 점검 항목별로 나뉘어 있다.
[서버의 제어 처리에 대하여]
이하, 도 6을 참조하여 서버(20)의 제어 처리를 설명한다. 도 6에 도시한 제어 처리는, 예를 들어 소정의 주기로 반복해서 실행되고 있다.
우선, 스텝 S101에서는, 유압 셔블(10)의 가동 데이터 이력과, 점검 데이터 이력 또는 부품 교환 수리 데이터 이력 중 적어도 어느 하나의 취득이 행해진다. 또한 「이력」이라고 하고 있는 것은, 데이터를 취득한 시점뿐만 아니라, 그때까지의 이력에 기초하여 예측이 되기 때문이다. 가동 데이터 취득부(201)는 유압 셔블(10)로부터 송신된 가동 데이터를 유압 셔블(10)의 식별 번호와 함께 취득하고, 취득된 결과를 데이터 기억부(210)에 기억시킨다. 점검 데이터 취득부(202)는 임의의 유압 셔블(10)에 대한 점검이 행해질 때에 휴대 단말기(30)로부터 송신된 점검 데이터를 유압 셔블(10)의 식별 번호와 함께 취득하고, 취득된 결과를 데이터 기억부(210)에 기억시킨다. 또한, 상기한 바와 같이, 점검 데이터 이력 또는 부품 교환 수리 데이터 이력은 모두 고장에 관련된 정보이다. 이들은 고장 예측에 불가결한 변수이기 때문에, 가동 데이터 이력에 포함되어 있는 경우에는 참조되지 않고, 반대로 포함되어 있지 않은 경우에 참조되게 된다.
부품 교환 수리 데이터 취득부(203)는 임의의 유압 셔블(10)에 대한 수리가 행해질 때에 휴대 단말기(30)로부터 송신된 부품 교환 수리 데이터를 유압 셔블(10)의 식별 번호와 함께 취득하고, 취득된 결과를 데이터 기억부(210)에 기억시킨다.
학습부(204)는 임의의 유압 셔블(10)에 대한 점검·수리 결과의 피드백(점검 데이터 이력, 부품 교환 수리 데이터 이력의 취득)을 휴대 단말기(30)로부터 수신하면, 그 때마다, 가동 데이터 이력과, 데이터 기억부(210)에 기억되는 점검 데이터 이력, 부품 교환 수리 데이터 이력 중 적어도 어느 하나에 기초하여 생성되는 고장 모델을 「갱신」하고, 고장 예측부(205)에 기억되어 있는 고장 확률 데이터와 대비한다. 그리고 고장 확률 데이터(예측값)과 실제의 점검 결과(실적값)의 "차분"에 기초하여 괴리 데이터(214)를 생성하여 유압 셔블(10)의 식별 번호와 함께 데이터 기억부(210)에 기억한다. 괴리 데이터(214)에는, 괴리 내용, 괴리의 분석 결과, 분석 결과를 반영한 보정값 등이 포함되어 있으며, 고장 확률을 예측하기 위한 기계 학습에 있어서 활용된다.
스텝 S101에 이은 스텝 S102에서는, 고장 확률의 예측이 행해진다. 이때, 고장 예측부(205)는 가동 데이터 이력, 점검 데이터 취득부(202)에 의해 취득된 점검 데이터, 부품 교환 수리 데이터 취득부(203)에 의해 취득된 부품 교환 수리 데이터, 및 학습부(204)가 생성한 고장 모델에 의해 유압 셔블(10)의 부위별 고장 확률을 예측한다. 구체적으로는, 고장 예측을 희망하는 시점에서의 고장 모델을 데이터 기억부(210)로부터 추출하고, 그 모델에 대하여 고장 예측을 희망하는 유압 셔블의 가동 데이터 이력을 대입함으로써, 과거 고장이 일어난 유압 셔블의 실적값(가동 데이터 이력)과 어느 정도 가까운지에 따라 고장 확률이 예측되고, 고장 확률 데이터가 생성된다.
스텝 S102에 이은 스텝 S103에서는, 고장 예측부(205)는 예측한 결과를 유압 셔블(10)의 식별 번호와 함께 데이터 기억부(210)에 기억시킨다. 이에 의해, 일련의 제어 처리는 종료한다.
다음으로, 도 7 내지 도 12를 참조하여 휴대 단말기(30)의 각 화면에 관한 제어 처리를 설명한다.
[점검 항목 화면에 대하여]
우선, 도 7을 기초로 휴대 단말기(30)의 점검 항목 화면(301)에 대하여 설명한다. 도 7은 휴대 단말기의 점검 항목 화면에 관한 제어 처리를 나타내는 흐름도이다. 도 7에 도시한 제어 처리는, 휴대 단말기(30)와 서버(20)의 협동에 의해 실행되는 것이며, 보다 상세하게는, 스텝 S201의 일부 및 스텝 S204 내지 S209는 서버(20)에 의해 실행되는 처리이며, 그 밖의 스텝은 휴대 단말기(30)에 의해 실행되는 처리이다.
도 7에 도시한 제어 처리는, 예를 들어 보수원 또는 유저가 휴대 단말기(30)에 표시된 점검 항목 화면(301)을 선택함으로써 개시된다. 우선, 스텝 S201에서는, 점검 항목 리스트의 취득이 행해진다. 이때, 예를 들어 보수원 또는 유저는, 점검 항목 화면(301)을 선택함으로써(예를 들어 탭함으로써), 서버(20)에 유압 셔블(10)의 점검 항목 리스트를 요구한다. 서버(20)의 점검 항목 취득부(206)는 그 요구에 따라서 점검 항목 데이터(216)로부터 점검 항목 리스트를 취득하고, 휴대 단말기(30)에 송신한다.
그리고, 휴대 단말기(30)는 서버(20)로부터 송신된 점검 항목 리스트를 수신하고, 수신된 내용을 점검 항목 화면(301)에 표시시킨다. 점검 항목 화면(301)에 표시된 내용으로서, 예를 들어 도 10에 도시한 바와 같이, 「엔진」, 「상부 선회체」, 「하부 주행체」등과 같이 일람화된 점검 항목을 들 수 있다.
계속해서, 스텝 S202 내지 S210에 도시한 점검 항목에 관한 루프 처리가 행해진다. 구체적으로는, 예를 들어 보수원이나 유저가 점검 항목 화면(301)에 표시된 복수의 점검 항목 리스트 중 하나(예를 들어 도 10에 도시한 「하부 주행체」)를 선택한 경우, 휴대 단말기(30)는 선택된 점검 항목을 서버(20)에 송신하고, 주요 부품 리스트를 서버(20)에 요구한다(스텝 S203 참조).
스텝 S203에 이은 스텝 S204에서는, 서버(20)의 주요 부품 취득부(207)는 그 요구에 따라서 주요 부품 데이터(217)로부터 주요 부품 리스트를 취득한다. 예를 들어 도 10에 도시한 바와 같이 「하부 주행체」가 선택된 경우, 주요 부품 취득부(207)는 「하부 주행체」에 관련된 스프로킷, 센터 조인트, 트랙 프레임, 사이드 프레임, 트랙 링크 등의 주요 부품 리스트를 취득한다.
다음으로, 취득된 이들 주요 부품에 대하여, 스텝 S205 내지 스텝 S207에 나타낸 고장 확률 취득의 루프 처리가 행해진다. 즉, 스텝 S205에서 취득한 주요 부품의 고장 확률의 취득이 순차적으로 행해진다(스텝 S206 참조). 주요 부품의 고장 확률은, 고장 예측부(205)에 의해 예측되어 고장 확률 데이터(215)로서 데이터 기억부(210)에 기억된 것이다.
스텝 S207에 이은 스텝 S208에서는, 고장 예측부(205)는 스텝 S205 내지 S207에서 취득한 주요 부품의 고장 확률에 기초하여, 상기 선택된 점검 항목의 고장 확률을 산출한다. 스텝 S208에 이은 스텝 S209에서는, 서버(20)는 스텝 S208에서 예측한 점검 항목의 고장 확률을 휴대 단말기(30)에 회신한다(다시 말해, 송신한다).
이와 같은 스텝 S202 내지 S210에 나타낸 점검 항목에 관한 루프 처리는, 선택된 점검 항목별로 행해진다. 예를 들어, 「하부 주행체」의 후에 「상부 선회체」, 「엔진」이 순차적으로 선택된 경우, 「상부 선회체」, 「엔진」의 순서로 스텝 S203 내지 S209가 반복해서 행해진다.
스텝 S210에 이은 스텝 S211에서는, 휴대 단말기(30)는 수신한 점검 항목 리스트를 각 점검 항목의 고장 확률과 함께 점검 항목 화면(301)에 표시시킨다. 이에 의해, 점검 항목 화면에 관한 일련의 제어 처리가 종료된다.
[주요 부품 화면에 대하여]
다음으로, 도 8을 기초로 휴대 단말기의 주요 부품 화면에 대하여 설명한다. 도 8은 휴대 단말기의 주요 부품 화면에 관한 제어 처리를 나타내는 흐름도이다. 도 8에 도시한 제어 처리는, 휴대 단말기(30)와 서버(20)의 협동에 의해 실행되는 것이며, 보다 상세하게는, 스텝 S303 내지 S307은 서버(20)에 의해 실행되는 처리이며, 그 밖의 스텝은 휴대 단말기(30)에 의해 실행되는 처리이다.
도 8에 도시한 제어 처리는, 예를 들어 보수원 또는 유저가 휴대 단말기(30)에 표시된 주요 부품 화면(302)을 선택함으로써 개시된다. 우선, 스텝 S301에서는, 점검 항목의 선택이 행해진다. 예를 들어 보수원 또는 유저는, 도 11에 도시한 바와 같이 「프론트」와 같은 점검 항목을 선택하면, 휴대 단말기(30)는 선택된 점검 항목을 서버(20)에 송신하고, 관련된 주요 부품 리스트를 서버(20)에 요구한다(스텝 S302 참조).
스텝 S302에 이은 스텝 S303에서는, 서버(20)의 주요 부품 취득부(207)는 그 요구에 따라서 주요 부품 데이터(217)로부터 점검 항목에 관련된 주요 부품 리스트를 취득한다. 여기서, 「프론트」로 선택되었기 때문에, 주요 부품 취득부(207)는 「프론트」에 관련된 버킷, 링크류 등의 주요 부품 리스트를 취득한다.
다음으로, 취득된 이들 주요 부품에 대하여, 스텝 S304 내지 스텝 S306에 나타낸 주요 부품의 고장 확률 취득의 루프 처리가 행해진다. 즉, 스텝 S303에서 취득한 주요 부품의 고장 확률의 취득이 순차적으로 행해진다(스텝 S305 참조). 주요 부품의 고장 확률은, 고장 예측부(205)에 의해 예측되어 고장 확률 데이터(215)로서 데이터 기억부(210)에 기억된 것이다.
스텝 S306에 이은 스텝 S307에서는, 서버(20)는 고장 확률과 연관된 주요 부품 리스트를 휴대 단말기(30)에 회신한다(다시 말해, 송신한다).
스텝 S307에 이은 스텝 S308에서는, 휴대 단말기(30)는 수신된 주요 부품 리스트를 각 부품의 고장 확률과 함께 주요 부품 화면(302)에 표시시킨다. 이때, 예를 들어 도 11에 도시한 바와 같이, 대상 링크마다 고장 확률이 각각 표시된다. 그리고, 스텝 S308이 끝나면, 주요 부품 화면에 관한 일련의 제어 처리가 종료된다.
[고장 확률 화면에 대하여]
다음으로, 도 9를 기초로 휴대 단말기의 고장 확률 화면에 대하여 설명한다. 도 9는 휴대 단말기의 고장 확률 화면에 관한 제어 처리를 나타내는 흐름도이다. 도 9에 도시한 제어 처리는, 휴대 단말기(30)와 서버(20)의 협동에 의해 실행되는 것이며, 보다 상세하게는, 스텝 S402 내지 S404, 스텝 S407 내지 S408은 서버(20)에 의해 실행되는 처리이며, 그 밖의 스텝은 휴대 단말기(30)에 의해 실행되는 처리이다.
우선, 스텝 S401에서는, 대상 유압 셔블의 정보 송신이 행해진다. 이때, 예를 들어 보수원 또는 유저는, 고장 확률을 조사하고 싶은 유압 셔블(10)의 식별 번호를 휴대 단말기(30)의 입력부(304)에 입력하여, 서버(20)에 요구한다.
스텝 S401에 이은 스텝 S402는, 지정한 대상 유압 셔블이 관리 대상으로 포함되어 있는지 여부를 판단한다. 이때, 서버(20)는 송신된 유압 셔블의 식별 번호에 기초하여, 관리하고 있는 복수의 유압 셔블 중에 해당 식별 번호에 해당하는 유압 셔블이 있는지를 판단한다. 대상 유압 셔블이 없다고 판단된 경우, 제어 처리는 종료한다. 한편, 대상 유압 셔블이 있다고 판단된 경우, 제어 처리는 스텝 S403으로 진행한다.
스텝 S403에서는, 서버(20)는 대상 유압 셔블의 점검 데이터가 있는지 여부를 판단한다. 점검 데이터가 없다고 판단된 경우, 제어 처리는 종료한다. 한편, 점검 데이터가 있다고 판단된 경우, 제어 처리는 스텝 S404로 진행한다.
스텝 S404에서는, 서버(20)는 대상 유압 셔블의 부품 교환 수리 데이터가 있는지 여부를 판단한다. 대상 유압 셔블의 부품 교환 수리 데이터가 없다고 판단된 경우, 제어 처리는 종료로 한다. 한편, 부품 교환 수리 데이터가 있다고 판단된 경우, 제어 처리는 스텝 S405로 진행한다.
스텝 S405에서는, 주요 부품의 선택이 행해진다. 이때, 보수원 또는 유저는, 휴대 단말기(30)에 표시된 주요 부품을 선택하면, 휴대 단말기(30)는 선택된 주요 부품을 서버(20)에 송신하고, 관련된 주요 부품 리스트를 서버(20)에 요구한다(스텝 S406 참조). 예를 들어, 보수원 또는 유저는, 예를 들어 도 11에 도시한 바와 같이 「프론트」와 관련된 「버킷, 링크류」를 선택하여 서버(20)에 송신한다.
스텝 S406에 이은 스텝 S407에서는, 서버(20)는 그 요구에 따라서 고장 확률 데이터(215)로부터 주요 부품의 고장 확률 리스트를 취득한다. 스텝 S407에 이은 스텝 S408에서는, 서버(20)는 취득된 주요 부품의 고장 확률 리스트를 휴대 단말기(30)로 회신한다(다시 말해, 송신한다).
스텝 S408에 이은 스텝 S409에서는, 휴대 단말기(30)는 수신한 주요 부품의 고장 확률 리스트를 고장 확률 화면(303)에 표시시킨다. 고장 확률 화면(303)에는, 예를 들어 도 11에 도시한 바와 같이, 복수의 버킷 링크 중, 각 링크는 각각 「A 링크」 또는 「B 링크」와 같이 분류되고, 또한 각각의 모델 번호가 부여되어 있다. 그리고, 대상 링크에는, 점검 권장도를 나타내는 아이콘이 각각 표시되어 있다. 또한 도 11에서는, 설명의 편의상, 벨의 마크를 사용하고 있지만, 점검 권장도를 시인할 수 있는 표시이면 벨이 아니어도 된다.
여기에서는, 유저가 알기 쉽게 하기 위해서, 고장 확률 대신에 「점검 권장도」가 사용되어 있다(도 12 참조). 즉, 점검 권장도는, 고장 확률과 동일한 의미를 갖고, 유저에 의해 이해하기 쉽게 하기 위해서 치환된 표현이다. 또한, 벨의 아이콘은, 점검 권장도의 범위에 따라 색상이 구분되는 것이 바람직하다. 예를 들어, 점검 권장도 90% 이상인 경우, 벨의 아이콘이 적색, 점검 권장도 60% 이상 90% 미만인 경우, 벨의 아이콘이 황색, 점검 권장도 40% 이상 60% 미만인 경우, 벨의 아이콘이 청색이다. 이와 같이 시각적으로 작용함으로써 보수원 또는 유저의 주의 환기를 촉구하는 효과를 발휘한다.
여기서, 표시된 벨의 아이콘을 선택하면, 구성된 부품별 점검 권장도가 또한 벨의 아이콘으로 표시된다. 또한, 각 부품 벨의 아이콘을 선택하면, 도 12에 도시한 바와 같이 종별마다(즉 「종합」, 「경년」 및 「돌발」)의 점검 권장도가 구체적인 수치로 표시된다.
스텝 S409가 끝나면, 고장 확률 화면에 관한 일련의 제어 처리가 종료된다.
이상과 같이 구성된 고장 예측 시스템(1)에서는, 고장 예측부(205)는 가동 데이터 취득부(201)에 의해 취득된 가동 데이터, 점검 데이터 취득부(202)에 의해 취득된 점검 데이터 및 부품 교환 수리 데이터 취득부(203)에 의해 취득된 부품 교환 수리 데이터에 기초하여, 유압 셔블(10)의 부위별 고장 확률을 예측한다. 이와 같이 유압 셔블(10)의 가동 데이터에, 점검 데이터 및 부품 교환 수리 데이터를 더 추가하여 고장 확률을 예측함으로써, 고장 예측의 정밀도를 향상시킬 수 있다.
또한, 유압 셔블(10)의 가동 데이터, 점검 데이터 및 부품 교환 수리 데이터에, 학습부(204)에 의해 학습된 괴리 데이터(214)를 더 추가하여, 이들 데이터에 기초하여 유압 셔블(10)의 부위별 고장 확률을 예측하므로, 고장 예측의 정밀도를 보다 높일 수 있다.
또한, 본 실시 형태에 있어서, 가동 데이터 취득부(201), 점검 데이터 취득부(202), 부품 교환 수리 데이터 취득부(203), 학습부(204) 및 고장 예측부(205)는 서버(20)에 마련되는 예를 들어 설명하였지만, 예를 들어 도 13에 도시한 바와 같이, 유압 셔블(10)에 마련되어도 된다. 예를 들어, 점검 데이터 취득부(202), 부품 교환 수리 데이터 취득부(203), 학습부(204) 및 고장 예측부(205)는 점검 데이터(212), 부품 교환 수리 데이터(213), 괴리 데이터(214) 및 고장 확률 데이터(215)를 기억하는 데이터 기억부(218)와 함께 유압 셔블(10)의 제어부에 마련되어도 된다. 또한, 이 경우, 가동 데이터 수집부(101)는 가동 데이터 취득부의 역할을 하는 것이 된다. 이와 같이 하면, 서버(20)의 처리를 저감시킬 수 있음과 함께, 고장 예측 시스템(1)의 베리에이션을 늘릴 수 있다. 또한 유압 셔블(10)에는, 고장 확률을 표시하는 표시부(102)가 마련되는 것이 바람직하다. 이와 같이 하면, 휴대 단말기(30) 측에 더하여 유압 셔블(10) 측에 있어서도 고장 확률을 파악할 수 있다.
또한 도 14에 도시한 바와 같이, 가동 데이터 취득부(가동 정보 취득부)(220), 학습부(204) 및 고장 예측부(205)는 데이터 기억부(219)와 함께 휴대 단말기(30)에 마련되어도 된다. 여기서, 가동 데이터 취득부(220)는 상술한 가동 데이터 취득부(201)와 마찬가지로, 유압 셔블(10)로부터 송신된 가동 데이터를 취득하고, 취득된 가동 데이터를 유압 셔블(10)의 식별 번호와 함께 데이터 기억부(219)에 기억해 축적시킨다. 데이터 기억부(219)에는, 가동 데이터 이력(211), 점검 데이터(212), 부품 교환 수리 데이터(213), 괴리 데이터(214) 및 고장 확률 데이터(215)가 기억된다. 또한, 점검 데이터(212) 및 부품 교환 수리 데이터(213)는 보수원의 입력에 의해 직접 취득할 수 있다. 이와 같이 하면, 서버(20)의 처리를 저감시킬 수 있음과 함께, 고장 예측 시스템(1)의 베리에이션을 늘릴 수 있다.
이상, 본 발명의 실시 형태에 대하여 상세히 설명하였지만, 본 발명은 상기 실시 형태에 한정되는 것이 아니라, 청구범위에 기재된 본 발명의 정신을 일탈하지 않는 범위에서, 다양한 설계 변경을 행할 수 있는 것이다.
1: 고장 예측 시스템
10: 유압 셔블
20: 서버
30: 휴대 단말기
40: 네트워크
101: 가동 데이터 수집부
102: 표시부
201, 220: 가동 데이터 취득부(가동 정보 취득부)
202: 점검 데이터 취득부(점검 정보 취득부)
203: 부품 교환 수리 데이터 취득부(부품 교환 수리 정보 취득부)
204: 학습부
205: 고장 예측부
206: 점검 항목 취득부
207: 주요 부품 취득부
210, 218, 219: 데이터 기억부
211: 가동 데이터 이력
212: 점검 데이터
213: 부품 교환 수리 데이터
214: 괴리 데이터
215: 고장 확률 데이터
216: 점검 항목 데이터
217: 주요 부품 데이터
301: 점검 항목 화면
302: 주요 부품 화면
303: 고장 확률 화면(표시부)
304: 입력부

Claims (8)

  1. 작업 기계의 고장을 예측하는 고장 예측 시스템이며,
    상기 작업 기계의 가동 정보를 취득하는 가동 정보 취득부와,
    상기 작업 기계의 점검 정보를 취득하는 점검 정보 취득부와,
    상기 작업 기계의 부품 교환 수리 정보를 취득하는 부품 교환 수리 정보 취득부와,
    상기 가동 정보 취득부에 의해 취득된 가동 정보, 상기 점검 정보 취득부에 의해 취득된 점검 정보, 상기 부품 교환 수리 정보 취득부에 의해 취득된 부품 교환 수리 정보, 및 기억부에 기억된 상기 작업 기계의 부위별 고장 확률과 상기 작업 기계의 점검 실적과의 괴리 정보에 기초하여, 상기 작업 기계의 부위별 고장 확률을 예측하는 고장 예측부를 구비하는 것을 특징으로 하는 고장 예측 시스템.
  2. 제1항에 있어서,
    상기 고장 예측부에 의해 예측된 고장 확률과 상기 작업 기계의 점검 실적과의 상기 괴리 정보를 학습하는 학습부를 더 구비하고,
    상기 고장 예측부는, 상기 학습부에 의해 학습된 상기 괴리 정보에 기초하여, 상기 작업 기계의 부위별 고장 확률을 예측하는, 고장 예측 시스템.
  3. 제2항에 있어서,
    상기 작업 기계와 통신 가능한 서버를 더 구비하고,
    상기 가동 정보 취득부, 상기 점검 정보 취득부, 상기 부품 교환 수리 정보 취득부, 상기 고장 예측부 및 상기 학습부는, 상기 서버에 마련되어 있는, 고장 예측 시스템.
  4. 제3항에 있어서,
    상기 서버와 통신 가능한 휴대 단말기를 더 구비하고,
    상기 휴대 단말기에는, 상기 고장 예측부에 의해 예측된 고장 확률을 표시하는 표시부가 마련되어 있는, 고장 예측 시스템.
  5. 제2항에 있어서,
    상기 작업 기계와 통신 가능한 휴대 단말기를 더 구비하고,
    상기 가동 정보 취득부, 상기 점검 정보 취득부, 상기 부품 교환 수리 정보 취득부, 상기 고장 예측부 및 상기 학습부는, 상기 휴대 단말기에 마련되어 있는, 고장 예측 시스템.
  6. 제5항에 있어서,
    상기 휴대 단말기에는, 상기 고장 예측부에 의해 예측된 고장 확률을 표시하는 표시부가 마련되어 있는, 고장 예측 시스템.
  7. 제2항에 있어서,
    상기 가동 정보 취득부, 상기 점검 정보 취득부, 상기 부품 교환 수리 정보 취득부, 상기 고장 예측부 및 상기 학습부는, 상기 작업 기계에 마련되어 있는, 고장 예측 시스템.
  8. 제7항에 있어서,
    상기 작업 기계에는, 상기 고장 예측부에 의해 예측된 고장 확률을 표시하는 표시부가 마련되어 있는, 고장 예측 시스템.
KR1020237028320A 2021-04-14 2022-03-16 고장 예측 시스템 KR20230133365A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2021068549 2021-04-14
JPJP-P-2021-068549 2021-04-14
PCT/JP2022/011789 WO2022219997A1 (ja) 2021-04-14 2022-03-16 故障予測システム

Publications (1)

Publication Number Publication Date
KR20230133365A true KR20230133365A (ko) 2023-09-19

Family

ID=83640544

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020237028320A KR20230133365A (ko) 2021-04-14 2022-03-16 고장 예측 시스템

Country Status (6)

Country Link
US (1) US20240192678A1 (ko)
EP (1) EP4325313A1 (ko)
JP (1) JP7503706B2 (ko)
KR (1) KR20230133365A (ko)
CN (1) CN116917824A (ko)
WO (1) WO2022219997A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102664805B1 (ko) * 2024-01-12 2024-05-14 주식회사 에스케이컨트롤 인공지능을 활용한 고장진단 기능이 내장된 빌딩자동제어 시스템 및 그 방법

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016157280A (ja) 2015-02-25 2016-09-01 三菱重工業株式会社 事象予測システム、事象予測方法及びプログラム

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005182558A (ja) * 2003-12-22 2005-07-07 Hitachi Ltd コスト予測・評価方式
JP4282717B2 (ja) 2006-12-27 2009-06-24 株式会社東芝 定期点検データ分析装置およびその方法
JP5175515B2 (ja) * 2007-10-02 2013-04-03 株式会社東芝 モデル構築装置並びにモデル構築のための方法およびプログラム
JP2020102097A (ja) 2018-12-25 2020-07-02 株式会社日立製作所 劣化度合予測システムおよび劣化度合予測方法
JP7288310B2 (ja) 2019-02-14 2023-06-07 三菱重工サーマルシステムズ株式会社 故障防止システム、故障防止方法及びプログラム

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016157280A (ja) 2015-02-25 2016-09-01 三菱重工業株式会社 事象予測システム、事象予測方法及びプログラム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102664805B1 (ko) * 2024-01-12 2024-05-14 주식회사 에스케이컨트롤 인공지능을 활용한 고장진단 기능이 내장된 빌딩자동제어 시스템 및 그 방법

Also Published As

Publication number Publication date
JP7503706B2 (ja) 2024-06-20
JPWO2022219997A1 (ko) 2022-10-20
US20240192678A1 (en) 2024-06-13
CN116917824A (zh) 2023-10-20
EP4325313A1 (en) 2024-02-21
WO2022219997A1 (ja) 2022-10-20

Similar Documents

Publication Publication Date Title
US7228125B2 (en) Construction machine management apparatus and construction machines management system
CN110806743A (zh) 基于人工智能的设备故障检测与预警系统及方法
US20130179388A1 (en) Method, System and Program Product for Intelligent Prediction of Industrial Gas Turbine Maintenance Workscope
CN1761919A (zh) 过程工厂中的资产优化报告
JP6906209B2 (ja) 建設機械稼働状況管理システム及び管理方法
AU2023274062A1 (en) System for analyzing machine data
KR102430440B1 (ko) 시계열 에너지 예측 데이터 모델을 이용한 설비이상감지 정보처리장치
JP2013148962A (ja) サービス員派遣支援装置、サービス員派遣支援方法及びサービス員派遣支援プログラム
KR20230133365A (ko) 고장 예측 시스템
Sobotka et al. Decision support system in management of concrete demolition waste
KR102242630B1 (ko) 보수 계획 시스템 및 보수 계획 방법
Zarghami Forecasting project duration in the face of disruptive events: A resource-based approach
JP2019018979A (ja) エレベータシステム
US20170330132A1 (en) Method and system to manage supervision activity in utility system to reduce damage
Petroutsatou et al. Integrated prescriptive maintenance system (PREMSYS) for construction equipment based on productivity
US20230333549A1 (en) Component Service Life Prediction System and Maintenance Assistance System
KR102489119B1 (ko) 스마트 고장형태 영향분석 시스템 및 이를 이용한 공정관리 시스템 및 방법
JP2022164024A (ja) 点検支援システム
JP4711321B2 (ja) 双方向通信を用いた作業機械のメンテナンスシステム
JP2021005421A (ja) 作業機械の補修部品の選択支援システム
JP2024054882A (ja) 故障予測装置
EP3937101A1 (en) Skill evaluation system and skill evaluation method
CN117745262B (zh) 一种基于光缆外力破坏监测的光线路保护方法及系统
US20240202671A1 (en) Data management systems and methods
WO2017044118A1 (en) Method and appartus for providing case assessments of threats versus work plans