WO2011048661A1 - 建設機械の診断システム及び診断方法 - Google Patents
建設機械の診断システム及び診断方法 Download PDFInfo
- Publication number
- WO2011048661A1 WO2011048661A1 PCT/JP2009/068038 JP2009068038W WO2011048661A1 WO 2011048661 A1 WO2011048661 A1 WO 2011048661A1 JP 2009068038 W JP2009068038 W JP 2009068038W WO 2011048661 A1 WO2011048661 A1 WO 2011048661A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- diagnostic
- data
- diagnosis
- knowledge
- acquired
- Prior art date
Links
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
- E02F—DREDGING; SOIL-SHIFTING
- E02F9/00—Component parts of dredgers or soil-shifting machines, not restricted to one of the kinds covered by groups E02F3/00 - E02F7/00
- E02F9/20—Drives; Control devices
- E02F9/2025—Particular purposes of control systems not otherwise provided for
-
- E—FIXED CONSTRUCTIONS
- E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
- E02F—DREDGING; SOIL-SHIFTING
- E02F9/00—Component parts of dredgers or soil-shifting machines, not restricted to one of the kinds covered by groups E02F3/00 - E02F7/00
- E02F9/26—Indicating devices
- E02F9/267—Diagnosing or detecting failure of vehicles
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
Definitions
- the present invention relates to a system and method for diagnosing the state of a construction machine, and more specifically, a user who has little knowledge of procedures and methods for diagnosing a state performs effective diagnosis according to data to be diagnosed.
- System and diagnostic method for construction machines capable of
- Patent Document 1 A technology that can easily obtain knowledge about past defects by storing the characteristics of products designed in the past and the number of defects that occurred in those products in a database and searching the database at the time of design are known (see, for example, Patent Document 1).
- Patent Document 2 there is known a technique of accumulating combinations of data analysis purpose and analysis method in a database and presenting an analysis method according to an analysis purpose input from a user at the time of data analysis (see, for example, Patent Document 2).
- the technology for storing and presenting the combination of the product characteristics and the number of failures in the past to the user is a technology for supporting the design time, and can not be applied to the diagnosis of the condition of the construction machine. Also, in the technology that presents an analysis method based on the analysis purpose of data, if there are multiple analysis methods that correspond to the analysis purpose, the user must select an appropriate analysis method. In some cases, there is a problem in that a non-optimized analysis method is selected, and the time required to obtain the correct analysis result increases.
- An object of the present invention is to provide a diagnostic system for a construction machine which enables a user having little knowledge about procedures and methods for diagnosing a construction machine to execute diagnosis suitable for data characteristics of a device to be diagnosed in a short time. And providing a diagnostic method.
- the present invention acquires a data characteristic of input diagnostic data when the diagnosis is performed by the diagnostic device, and a diagnostic knowledge storage device which is considered to be effective for the characteristic. Obtain a diagnosis from the diagnostic device
- the diagnostic device acquires diagnostic data from the diagnostic data storage device, and includes the number of parameters included in the data, the type of sensor of each parameter, the characteristics of the parameters, etc. from the information included in the diagnostic data Data characteristics are extracted, diagnostic methods considered to be effective for diagnostic purposes and data characteristics are obtained from the diagnostic knowledge storage device, and presented to the user along with the effectiveness calculated from the number of cases matching the data characteristics and the number of cases. . Then, the user selects a diagnostic method based on the degree of effectiveness and makes a diagnosis.
- a combination of data characteristics of diagnostic data as a target of diagnosis and a diagnostic method effective for diagnosis of the data is stored in a diagnostic knowledge storage device as diagnostic knowledge.
- FIG. 1 is a block diagram of a construction machine diagnostic system to which an embodiment of the present invention is applied.
- a diagnostic device 10 In the diagnostic system of the present embodiment, as illustrated in FIG. 1, a diagnostic device 10, a diagnostic knowledge storage device 20, and a diagnostic data storage device 30 are mutually connected.
- the diagnostic device 10 inputs data and information from the outside, and outputs an input / output unit 101 that outputs a result, a diagnostic data acquisition unit 102 that acquires diagnostic data from the diagnostic data storage device 30, and diagnosis from the acquired diagnostic data
- a diagnostic knowledge input having a function of a data characteristic acquisition unit 103 for acquiring characteristics of data and a diagnostic knowledge acquisition unit 104A for acquiring from the diagnostic knowledge storage device 20 a diagnostic method adapted to the data characteristics acquired by the data characteristic acquisition unit An output unit 104; and a diagnosis unit 105 for performing diagnosis using the diagnosis data acquired by the diagnosis data acquisition unit 102 and the diagnosis method acquired by the diagnosis knowledge input / output unit 104 (diagnosis knowledge acquisition unit 104A).
- the input / output unit 101 is a display device 101A for displaying various screens related to diagnosis such as a diagnosis initial screen (FIG. 12), a screen after diagnosis knowledge search (FIG. 12), a diagnosis result screen (FIG. 13), a keyboard and a mouse And other input devices.
- the diagnostic unit 105 diagnoses the combination of the characteristic of the diagnostic data and the used diagnostic method as new diagnostic knowledge from the diagnostic knowledge input / output unit 104 when the used diagnostic method included in the diagnostic knowledge is effective after the execution of the diagnosis. It further has a function of storing in the knowledge storage device 20.
- the diagnostic device 10 includes an effectiveness calculation unit 106 that calculates the effectiveness of the diagnostic method acquired by the diagnostic knowledge input / output unit 104 (diagnosis knowledge acquisition unit 104A), and diagnostic knowledge stored in the diagnostic knowledge storage device 20. Collecting diagnostic knowledge including each element of the common diagnostic method (described later) from among the items, common diagnosis among components of data characteristics included in the collected diagnostic knowledge and combination of the diagnostic method elements with new diagnosis It further includes a diagnostic knowledge generation unit 107 which is generated as knowledge and stored in the diagnostic knowledge storage device 20.
- the diagnostic knowledge storage device 20 includes a data transmission / reception unit 201 that transmits / receives data to / from the diagnostic device 10, and a diagnostic knowledge storage unit 202 that stores the diagnostic knowledge including the data characteristics and the diagnostic method.
- the diagnostic data storage device 30 includes a data transmission / reception unit 301 that transmits / receives data to / from the diagnostic device 10, and a diagnostic data storage unit 302 that stores diagnostic data such as operation data of the device and sensor information.
- FIG. 2 is a diagram illustrating the hardware configuration of the diagnostic device 10.
- the diagnostic device 10 includes a communication device 11, an input / output device 12, a storage device 13, a CPU 14, a memory 15, and a reading device 16, which are connected by an internal communication line 18 such as a bus. .
- the input / output device 12 corresponds to the input / output unit 101 of FIG. 1 and includes an input device such as a display device, a keyboard, and a mouse as described above.
- the configuration shown in FIG. 2 is the same as in the diagnostic knowledge storage device 20 and the diagnostic data storage device 30.
- each program stored in the storage device of each of the devices 10, 20, and 30 is loaded into the memory and executed by the CPU to execute on each of the devices 10, 20, and 30 configuring the diagnostic system. It is executed by each processing unit embodied. Also, each program may be stored in advance in a storage device, or may be introduced as needed via another storage medium or communication medium (network or carrier wave propagating through the network).
- FIG. 3 is a diagram showing a diagnostic flow executed among the diagnostic device 10, the diagnostic data storage device 30, and the diagnostic knowledge storage device 20.
- the diagnostic device 10 displays a diagnostic initial screen on the display device 101A of the input / output unit 101 (step S301 (hereinafter simply referred to as S301. The same applies to the following)).
- the diagnosis initial screen is a screen having the items shown in FIG. 12, and the details will be described later.
- the user inputs a diagnostic purpose into the input / output unit 101 of the diagnostic device 10 using the diagnostic initial screen (S302).
- the purpose of diagnosis is information for specifying what type of state diagnosis is to be performed, and what type of viewpoint of what type of part of which type of diagnosis is to be performed, for example, loader type It is a state diagnosis of a hydraulic shovel, a heat balance diagnosis of an engine of a hydraulic shovel, a pressure diagnosis of a pump, and the like.
- the user inputs diagnostic data information to the input / output unit 101 of the diagnostic device 10 using the diagnostic initial screen (S303).
- Diagnostic data information is information that identifies diagnostic data to be diagnosed, and indicates, for example, information such as date, acquisition location, installation location, machine number, and the like.
- the diagnostic data information (A301) is transmitted to the diagnostic data storage device 30. This transmission is performed, for example, by pressing the search button on the diagnosis initial screen.
- the diagnostic data storage device 30 acquires target diagnostic data from the diagnostic data storage unit 302 based on the received diagnostic data information (S304).
- the diagnostic data is data having a structure shown in FIG. 5, and the details will be described later.
- the acquired diagnostic data (A 302) is transmitted to the diagnostic data acquisition unit 102 of the diagnostic device 10.
- the data characteristic acquisition unit 103 of the diagnostic device 10 acquires the data characteristic of the diagnostic data from the diagnostic data acquired by the diagnostic data acquisition unit 102 (S305).
- the data characteristic is data having the structure shown in FIG. 7, and the details will be described later.
- the diagnostic knowledge input / output unit 104 transmits the diagnostic purpose input by the input / output unit 101 and the data characteristic (A 303) acquired by the data characteristic acquisition unit 103 to the diagnostic knowledge storage device 20.
- the diagnostic knowledge storage device 20 acquires a diagnostic method that matches the characteristics of the data among the diagnostic methods that the diagnostic purpose received from the diagnostic knowledge storage unit 202 matches (S306).
- the diagnostic knowledge storage unit 202 stores diagnostic knowledge by a combination of data characteristics, a diagnostic method, and the number of cases. The details of the structure of diagnostic knowledge will be described later with reference to FIG.
- the diagnostic methods to which the characteristics of the data conform include not only those in which the input data characteristics and the data characteristics of the diagnostic knowledge completely match, but also those in which they partially match.
- the diagnostic method is data having a structure shown in FIG. 8, and the details will be described later. Furthermore, not only one but a plurality of diagnostic techniques may be applied.
- the diagnostic knowledge storage unit 202 transmits the acquired diagnostic method and the number of cases (A304) of the diagnostic method to the diagnostic knowledge input / output unit 104 (diagnostic knowledge acquisition unit 104A) of the diagnostic device 10.
- the effectiveness calculation unit 106 of the diagnostic device 10 calculates the effectiveness of the diagnostic method acquired by the diagnostic knowledge acquisition unit 104A (S307).
- the degree of effectiveness is the data characteristic input from the diagnostic knowledge input / output unit 104 to the diagnostic knowledge storage device 20 in order to acquire from the diagnostic knowledge storage device 20 the diagnostic knowledge that matches the data characteristics acquired by the data characteristic acquisition unit 103.
- the ratio is calculated from the product of the ratio of the number of elements of the data to the number of elements of the data characteristics included in the diagnostic knowledge that matches the data characteristics and the number of cases included in the matched diagnostic knowledge.
- the diagnostic device 10 displays a screen after diagnostic knowledge search on the display device 101A of the input / output unit 101, and displays the diagnostic method and the effectiveness of the diagnostic method to the user (S308).
- the screen after the diagnostic knowledge search is a screen having the items shown in FIG. 12, and the details will be described later.
- the diagnostic method is composed of a plurality of steps (diagnostic method elements), and in that case, in S308, it is preferable to display the diagnostic method and the effectiveness for each diagnostic method element.
- diagnosis method selection is not necessarily performed by the user, and one having the highest effectiveness may be automatically selected to perform diagnosis.
- the diagnosis unit 105 of the diagnosis apparatus 10 carries out diagnosis in accordance with the selection result of the user (S310).
- the start of the execution of this diagnosis is instructed, for example, by pressing the diagnostic button on the screen after the diagnostic knowledge search.
- the diagnosis unit 105 displays a diagnosis result screen on the display device 101A of the input / output unit 101, and displays the diagnosis result to the user (S311).
- the diagnosis result screen is a screen having the items shown in FIG. 13 and the details will be described later.
- it is determined whether or not the valid button on the diagnosis result screen is pressed (S312). If the valid button has not been pressed, the process ends (S313).
- the diagnostic unit 105 When the valid button is pressed, the diagnostic unit 105 causes the diagnostic knowledge storage device 20 via the diagnostic knowledge input / output unit 104 to use the combination of the characteristics of the diagnostic data and the diagnostic method used as the new diagnostic knowledge (A 305). Send.
- the user determines whether the diagnosis result is valid. In addition, the number of cases in this case is one and diagnostic knowledge is generated.
- the diagnostic knowledge storage device 20 stores the received diagnostic knowledge (S314), and transmits a response (A306) to the diagnostic device 10.
- FIG. 4 is a flow diagram describing an optimization procedure performed by the diagnostic knowledge generation unit 107 of the diagnostic device 10 in order to improve the utilization efficiency of the diagnostic knowledge stored in the diagnostic knowledge storage device 20.
- the diagnostic knowledge generation unit 107 of the diagnostic device 10 transmits a diagnostic method element list acquisition command (A401) to the diagnostic knowledge storage device 20, and requests acquisition of the diagnostic method element list.
- the diagnostic method is often composed of a plurality of procedures (diagnostic method elements), and the plurality of steps (diagnostic method elements) in the diagnostic method are respectively specific plural Contains specific elements.
- the diagnostic method element acquired as the diagnostic method element list means a plurality of specific elements included in the plurality of steps (diagnostic method elements).
- the diagnostic method element to be acquired is, for example, FFT (Fast Fourier Transform), selection of a maximum value, or the like.
- the diagnostic knowledge storage device 20 searches the diagnostic knowledge storage unit 202, and acquires a diagnostic method element list (S401).
- the acquired diagnostic method element list (A402) is transmitted to the diagnostic knowledge generation unit 107 of the diagnostic device 10.
- the diagnostic knowledge generation unit 107 selects a diagnostic method element from the received diagnostic method element list, and transmits the selected diagnostic method element (A403 1 ) to the diagnostic knowledge storage device 20. (S402 1 ).
- the selection of the diagnostic method element is performed by the diagnostic knowledge generation unit 107 in the order determined in advance with respect to the specific element included in each diagnostic method element for each diagnostic method element as a process of the diagnostic method.
- the diagnostic knowledge storage device 20 acquires data characteristics corresponding to the received diagnostic method element from the diagnostic knowledge storage unit 202 (S403 1 ).
- the acquired data characteristic group (A404 1 ) is transmitted to the diagnostic knowledge generation unit 107 of the diagnostic device 10.
- the diagnostic knowledge generation unit 107 extracts and classifies the characteristic having the common element in the received data characteristic group (S404 1 ).
- the number of cases is calculated using the number included for each classified characteristic (S405 1 ). The classification method of this characteristic and the calculation method of the number of cases are described in detail in FIG.
- the classified data characteristic, the diagnostic method element, and the number of cases (A405 1 ) are transmitted to the diagnostic knowledge storage device 20.
- the diagnostic knowledge storage device 20 stores the received combination of the classification data characteristic, the diagnostic method element, and the number of cases in the diagnostic knowledge storage unit 202 as new diagnostic knowledge (S406 1 ).
- a response (A406 1 ) indicating the storage result is transmitted to the diagnostic knowledge generation unit 107 of the diagnostic device 10.
- the diagnostic procedures element there are a plurality by repeated to the procedure described above (A402 1 ⁇ A406 1) the number of diagnostic procedures elements, can achieve optimization of the diagnostic knowledge storage device 20 is there.
- the above flow may be performed before S304 in FIG. 3, may be performed after S308, or may be performed periodically at certain intervals. Also, it may be implemented in the diagnostic knowledge storage device 20 or may be implemented with devices other than the diagnostic device 10.
- processes such as authentication processing, signature verification processing, data encryption processing, etc. are particularly described between the diagnostic device 10 and the diagnostic data storage device 30, and between the diagnostic device 10 and the diagnostic knowledge storage device 20. Although not, they may be processed to make them more secure.
- FIG. 5 is a diagram showing the details of the structure of the diagnostic data (A302) acquired in S303 of FIG. 5, the diagnostic data is indicated by a symbol A501.
- the diagnostic data (A501) includes a target device (A502) indicating the type and name of a device to be diagnosed, a data acquisition date and time (A503) indicating a date and time when the data was acquired, and a data acquisition location indicating a place where the data is acquired (A 504), the number of observation parameters (A 505) indicating the number of parameter sensors observed in the target device, the parameter name (A 506 1 ) indicating the names of observation parameters, and the parameter sensor indicating the type of sensor of observation parameters the type (A507 1), composed of parameter data string indicating the actually observed data (A508 1).
- the diagnostic data need not include all of the above-described components, and may include at least one component. Also, the order of the elements of the diagnostic data is not limited to this.
- FIG. 6 is a diagram showing the structure of diagnostic knowledge stored in the diagnostic knowledge storage unit 202 of FIG.
- Diagnostic knowledge includes a data characteristic (A602) acquired from diagnostic data, a diagnostic method (A603) capable of effectively diagnosing the diagnostic data, and a case including a combination of the data characteristic and the diagnostic method. It consists of the number of cases (A 604) indicating the number.
- the detailed structure of the data characteristics and the diagnostic procedure will be described in the following FIGS. 7 and 8. The method of calculating the number of cases is described in FIG.
- the order of the elements of diagnostic knowledge is not limited to this, as long as it includes at least the above components.
- FIG. 7 is a diagram showing in detail the data characteristic (A 602) of FIG. 6 and the structure of the data characteristic acquired in S304 of FIG. In FIG. 7, the data characteristic is indicated by a symbol A701.
- the data characteristic (A 701) includes a target device (A 702) indicating the type and name of a device to be diagnosed, a data acquisition date and time (A 703) indicating a date and time when data was acquired, and a data acquisition location indicating a place where data is acquired.
- A704 the number of observation parameters (A705) indicating the number of parameters observed in the target device (or the number of sensors for which the parameters are measured), and parameter characteristics (A706 1 ) indicating the characteristics of the observation parameters , parameters characteristic parameter name (a 707 1) indicating the name of the parameter, the sensor type (a 708 1) indicating the type of sensor that generated the parameters, the amount of data of the parameter (A709 1) and the number of the operation mode parameters ( a 710 1) and the data acquisition frequency indicating how often a parameter is acquired (a 711 1) , The average value of the parameters (A712 1), the variance of parameters (A713 1), the maximum value of the parameter and (A714 1), the minimum value of the parameter with (A 715 1), the change trend of the parameters (A716 1) Configured When there are a plurality of observation parameters, a plurality of the above configurations (A707 1 to A716 1 ) are included according to the number of parameters.
- the number of operation modes is calculated from the number of times of discrete change by analyzing a data string of parameters. For example, when the value becomes 0 at time t and the value becomes 100 at time t + 1, it is assumed that the operation mode has changed, and the number of operation modes is increased by one. With this calculation method, all of the data strings are confirmed, and the number of operation modes is calculated.
- the threshold value for detecting the change in the operation mode is slightly different depending on the type of data, it is a standard that the amount of change per unit time of the normalized data string is 10 or more.
- a method of normalization a method using maximum value, minimum value, a method using average, and a variance can be considered, but it is not limited to these methods.
- the change tendency means the tendency of the parameter to change with time, for example, the tendency of monotonous increase or monotonous decrease, and the spread of the dispersion value at each data point causes the monotonous decrease or monotonous increase or normal distribution
- the tendency close to is extracted and described as the change tendency.
- the data characteristic does not have to include all of the above-described components, as long as it includes at least one of the above-described components. Also, the order of elements of data characteristics is not limited to this.
- FIG. 8 is a diagram showing in detail the structure of the diagnostic method (A 603) of FIG. 6 and acquired in S305 of FIG. In FIG. 8, the diagnostic method is indicated by reference numeral A801.
- the diagnostic method (A801) includes a diagnostic purpose (A802) indicating the purpose of performing a diagnosis, data extraction (A803) indicating a list of parameters used for diagnosis, and a preprocess (A804) indicating pre-processing for each parameter. And a diagnosis (A 807) indicating a method of state diagnosis, and a result display (A 810) indicating a display method of a diagnosis result.
- the pre-processing (A 805) includes pre-processing target parameters (A 805) indicating combinations of parameters to be pre-processed and a pre-processing method (A 806) implemented for the combinations.
- diagnosis (A 807) includes diagnostic methods (A 808) indicating threshold determination, clustering, correlation analysis, etc., and diagnostic setting values (such as threshold values used at diagnosis, and setting values such as the number of clusters and weights) A 809) is included.
- a result output method (A 811) indicating a method (text, line graph, bar graph, etc.) for outputting a diagnosis result, and attention should be paid to identifying states among the output results.
- the diagnostic method does not have to include all of the above-described components, as long as it includes at least one element. Also, the order of the elements of the diagnostic procedure is not limited to this.
- FIG. 9 is a diagram illustrating a construction machine used to explain a specific diagnosis case.
- the crawler pressure is a driving pressure of a cylinder provided to adjust the tension of the crawler.
- FIG. 10 is a flow of deriving a diagnostic method from input data in order to diagnose the state of the construction machine shown in FIG. 9, and is a diagram showing an example of the processing procedure of S301 to S305 in FIG.
- input data (A1001) to be diagnosed is input to the data characteristic acquisition unit 103.
- the data characteristic (A1002) of the input data is extracted.
- the device to be diagnosed (A1003), the crawler pressure per unit time (A1004), and the engine speed per unit time (A1005) are extracted as data characteristics required for the search of diagnostic knowledge.
- the diagnostic purpose (A1005) and the acquired data characteristic (A1002) are input to the diagnostic knowledge storage unit 202.
- the diagnostic knowledge storage unit 202 extracts a diagnostic method that matches the input diagnostic purpose (A1006) and data characteristic (A1002). Specifically, first, a device to be diagnosed is identified (S1001). If the device to be diagnosed is a hydraulic shovel, reference is made to the average value of crawler pressure per unit time (S1002).
- the crawler pressure per unit time is 1.0 bar or more, it is judged that it is a loader characteristic (A1002), and the diagnostic method (A1011) which was effective to the characteristic is extracted.
- the crawler pressure per unit time is less than 1.0 bar, it is determined that the backhoe characteristic (A1003) is obtained, and the diagnostic method (A1012) that has been effective in those characteristics is extracted.
- the device to be diagnosed is a dump, the average value per unit time of the engine speed of the input data is referred to (S1003).
- the engine speed per unit time is 1500 rpm or more, it is determined that the characteristic (A1004) of the dump traveling on the slope is extracted, and the diagnostic method (A1013) that is effective for the characteristic is extracted .
- the engine speed per unit time is less than 1500 rpm, it is determined that the characteristic (A1005) of a dump traveling on a flat ground is extracted, and a diagnostic method (A1014) that has been effective for that characteristic is extracted.
- the diagnostic method (A1011) extracted in the case of the loader extracts arm cylinder pressure data in data extraction (A1015), acquires the maximum value as pretreatment (A1016), and diagnoses the arm cylinder pressure at 4.0 bar or more Threshold determination (A1017), a line graph is used as a result output method, and points that exceed the threshold are noted (A1018).
- the diagnostic method (A1012) extracted in the case of backhoe extracts arm cylinder pressure data in data extraction (A1019), acquires the maximum value as preprocessing (A1020), and diagnoses the arm cylinder pressure at 3.
- the threshold value is 6 bar or more (A1021), and a line graph is used as a result output method to focus on points exceeding the threshold value (A1022).
- the threshold value of the arm cylinder pressure is a larger value than that of the backhoe type hydraulic shovel.
- the diagnostic method (A1013) extracted in the case of dumping traveling on a slope extracts the coolant temperature in data extraction (A1023), acquires the maximum value as a pretreatment (A1024), and diagnoses the coolant temperature It is determined whether the threshold value is 70 degrees or more (A1025), and a line graph is used as a result output method to pay attention to the point exceeding the threshold value (A1026).
- the diagnostic method (A1014) extracted in the case of dumping traveling on a flat ground extracts the coolant temperature in data extraction (A1027), acquires the maximum value as a pretreatment (A1028), and diagnoses the coolant temperature It is determined whether or not the angle is not less than 60 degrees (A1029), and a line graph is used as a result output method to pay attention to the point exceeding the threshold (A1030).
- the engine rotational speed inevitably increases in order to travel on a slope, and the coolant temperature tends to increase with an increase in the amount of heat generation from the engine.
- the value is higher than a dump truck traveling on a flat ground.
- each diagnostic method extracted as described above is output to the display device 101A, displayed on a screen after diagnostic knowledge search, and used for diagnosis.
- the state diagnosis with higher accuracy than the conventional state diagnosis can be performed by appropriately switching the diagnosis method according to the use environment and the characteristics of the construction machine. It becomes possible.
- FIG. 10 is a case where there is one effective diagnostic method extracted based on each characteristic, when there are a plurality of effective diagnostic methods, a plurality of diagnostic methods are extracted. You may In this case, as described above, the effectiveness of the diagnostic method is calculated, and the number of displayed items is limited by, for example, displaying the top 5 effectiveness.
- the example in FIG. 10 is for extracting a diagnostic method including a set of diagnostic method elements of data extraction, preprocessing, diagnosis, and result display, but the diagnostic knowledge generated by the diagnostic knowledge generation unit 107 is When stored in the diagnostic knowledge storage device 20, each diagnostic method element may be extracted individually for each diagnostic method element (FIG. 12).
- the device to be diagnosed is a model unit such as a hydraulic shovel, dump, etc.
- the diagnostic purpose is the condition diagnosis of the object device in the model unit.
- Diagnosis of a specific part (for example, engine, pump etc.) of a model (for example, loader type hydraulic shovel) or diagnosis focusing on a specific viewpoint of a specific part (for example, heat balance diagnosis of engine, pressure diagnosis of pump etc. ) May be.
- FIG. 11 is a diagram showing a specific example of the method of acquiring classification characteristics and the method of calculating the number of cases, which are performed in S404 and S405 of FIG.
- an FFT which is one of preprocessing
- the FFT (A1101) of the preprocessing method is input to the diagnostic knowledge storage unit 202 as a search key (S1101: corresponding to S402 in FIG. 4).
- the diagnostic knowledge storage unit 202 searches for data characteristics related to the FFT (S1102: corresponding to S403 in FIG. 4).
- S1102 data characteristics related to the FFT
- S1103 data characteristics related to the FFT
- the characteristics of the vibration sensor (A 1103 1) as the classification characteristic of the first one is extracted, the characteristic has been extracted as a sound sensor (A 1003 2) as the classification characteristic of the second.
- the number of data characteristics having the extracted classification characteristics is calculated as the number of cases (A1104 1 , A1104 2 ) (corresponding to S405 in FIG. 4).
- the number of cases 2 is calculated for the classification characteristic of the vibration sensor, and the number of cases 3 is calculated for the classification characteristic of the sound sensor.
- the extracted classification characteristic (A1103 1, A1103 2) and diagnostic procedures element (A 1101) and the number of cases (A1104 1, A1104 2) in combination to generate a new diagnostic knowledge (A1105 1, A1105 2) S1104 : Corresponds to S406 in FIG. 4).
- the data characteristic which is not a numerical value was mentioned as an example and explained, in the case of a numerical value, it is possible to classify, considering that it is a common characteristic, even when the values themselves do not match. For example, if there is a valid diagnostic method element for data with a maximum value of 50 and a maximum value of 60, if the maximum value is 50 to 60, the classification characteristic is determined as valid. Generate By realizing such a flow, it is possible to extract data characteristics that can effectively utilize each diagnostic method element, and it is possible to increase the applicability of diagnostic knowledge.
- FIG. 12 shows a screen image displayed when the user performs a diagnosis using the diagnostic device 10.
- the diagnosis initial screen (A1201) is the screen displayed in S301 of FIG. 3, and a form (A1202) for inputting a diagnostic purpose, a form (A1203) for inputting information of data to be diagnosed, and a form According to the information, diagnostic data is acquired from the diagnostic data storage device 30, and the diagnostic knowledge search button (A1204) is used to search the diagnostic knowledge storage unit 202 for diagnostic knowledge that is considered to be effective for the acquired diagnostic data.
- the components of the diagnosis initial screen are not limited to this, and the number of forms or buttons may be any number as long as the functions of the components can be realized.
- the diagnostic knowledge search screen (A1205) is the screen displayed in S308 of FIG. 3, and in addition to the components of the diagnostic initial screen (A1201), data extraction (A1206), pre-processing (A1206) A1210), diagnosis (A1214), result display (A1218), and diagnosis button (A1222) for performing diagnosis according to the set diagnosis information.
- the data extraction (A1206) is performed by the data extraction method (A1207) indicating the data to be extracted matching the diagnostic purpose and the data characteristics in the diagnosis object data, the effectiveness (A1208), and the diagnosis knowledge storage unit 202 It consists of a user input form (A1209) used when there is no diagnostic method corresponding to the purpose or data characteristic, or when analysis is performed without using diagnostic knowledge.
- the preprocessing (A1210) is a preprocessing method (A1211) indicating preprocessing that is considered to be effective for the data extracted by the data extraction, the effectiveness (A1212), and the diagnostic knowledge storage unit 202.
- the user input form (A1213) is used when there is no diagnostic method that corresponds to the data characteristics, or when analysis is performed without using diagnostic knowledge.
- diagnosis is a diagnostic method (A1215) that indicates a diagnostic method that matches the diagnostic purpose and data characteristics using the data obtained by performing the pre-processing on the data extracted by the data extraction, and its effective And a user input form (A1217) used when analysis is performed without using the diagnostic knowledge corresponding to the data characteristic in the diagnostic knowledge storage unit 202 or without using the diagnostic knowledge. .
- the result display (A1218) is a result display method (A1219) for displaying the result of performing the diagnosis using the data obtained by performing the pre-processing on the data extracted by the data extraction, and the effectiveness (A1219) A1220) and a user input form (A1221) used when the diagnostic knowledge storage unit 202 does not have a diagnostic method corresponding to the data characteristic, or when analysis is performed without using diagnostic knowledge.
- the diagnostic knowledge storage unit 202 does not have a diagnostic method corresponding to the data characteristic, or when analysis is performed without using diagnostic knowledge.
- a plurality of diagnostic methods that correspond to each item a plurality of combinations of diagnostic methods and effectiveness are displayed, and can be freely selected by the user. However, displaying a large number of diagnostic methods at the same time may cause confusion to the user.
- the top five cases of valid diagnostic methods are displayed in a pull-down menu to limit the number of displayed items.
- the combination of diagnostic methods to which the diagnostic method belongs is color-coded and displayed according to the item (for example, diagnostic method) selected by the user, and the user can easily distinguish the set of diagnostic methods from those highly effective. You may do so.
- the components of the diagnostic knowledge search screen are not limited to this, and the number of forms and buttons may be any number as long as the functions of the components can be realized.
- FIG. 13 shows a screen image displayed after the user performs a diagnosis using the diagnostic device 10.
- the diagnosis result screen (A1301) is a screen displayed in S311 of FIG. 3 and includes a portion (A1302) for displaying a diagnosis result such as a graph and a valid button (A1303) to be pressed when the diagnosis result is valid.
- a diagnosis result such as a graph
- a valid button A1303 to be pressed when the diagnosis result is valid.
- the components of the diagnostic result screen are not limited to this, and the number of forms or buttons may be any number as long as the functions of the components can be realized.
- the diagnostic device 10 when the diagnostic device 10, the diagnostic knowledge storage device 20, and the diagnostic data storage device 30 are connected to each other by a network or the like, or when diagnosis of an apparatus that is not a construction machine is performed.
- Diagnostic device 11 communication device 12: input / output device 13: storage device 14: CPU 15: Memory 16: Reading device 17: Storage medium 18: Internal signal line 20: Diagnostic knowledge storage device 30: Diagnostic data storage device 101: Input / output unit 102: Diagnostic data acquisition unit 103: Data characteristic acquisition unit 104: Diagnostic knowledge input Output unit 105: Diagnosis unit 201: Data transmission / reception unit 202: Diagnosis knowledge storage unit 301: Data transmission / reception unit 302: Diagnosis data storage unit A301: Diagnosis data information A 302: Diagnosis data A 303: Diagnosis purpose, data characteristics A 304: Diagnosis method, case Number A 305: Diagnostic knowledge A 306: Response A 401: Diagnostic method element list acquisition command A 402: Diagnostic method element list A 403 1 to A 403 N : Diagnostic method element A 404 1 to A 404 N : Data characteristic group A 405 1 to A 405 N : Classification data characteristic, Diagnostic method element, number of cases A406 1 to A
Abstract
建設機械を診断する手順や手法に関する知識をほとんどもたないユーザでも、診断対象機器のデータ特性に適した診断を短時間で実施することを可能とする建設機械の診断システム及び診断方法を提供する。 診断装置１０は、診断データ保管装置３０より診断データを取得し、診断データに含まれる情報から、データ特性を抽出し、そのデータ特性に対して有効であると考えられる診断手法を診断知識保管装置２０から取得し、有効度と共にユーザに提示する。そして、ユーザは有効度を用いて診断手法を選択し、診断を行う。また、診断知識保管装置２０に格納されている診断知識を有効に活用するために、診断知識生成部１０７は診断手法の要素毎に共通するデータ特性を分類し、分類されたデータ特性と診断手法の要素を新たな診断知識として保管する。
Description
本発明は、建設機械の状態を診断するシステム及び方法に係わり、さらに詳しくは、状態を診断する手順や手法に関する知識をほとんど持たないユーザでも診断対象データに応じた効果的な診断を実施することが可能な建設機械の診断システム及び診断方法に関する。
機器に設置されている複数のセンサデータを用いて機器の状態を診断する場合には、センサデータをそのまま診断プログラムに入力するだけでは最適な結果を得ることができない。最適な結果を得るためには、診断に使用するセンサデータの選択、センサデータに対する前処理、診断手法の選択、その診断手法で使用するパラメータの設定など様々な手順を適切に実施する必要があった。また、診断対象機器が同じであっても、使用方法や使用環境に応じて異常を判断する基準が異なるため、その基準を適切に設定する必要があった。このような診断における分析手順や判断基準などの知識は従来、個々の診断を行うユーザに蓄積されており、ユーザの知識の大小によって診断に必要となる時間が大幅に変化するため、迅速な診断が求められる建設機械には適用が困難であった。
このような課題に対し、過去に設計された製品の特性とその製品で発生した不良件数とをデータベースに保存し、設計時にデータベースを検索することにより過去の不良に関する知識を容易に取得可能な技術が知られている（例えば、特許文献１参照）。
また、データの分析目的と分析方法の組合せをデータベースに蓄積し、データ分析時にユーザから入力された分析目的に応じて分析方法を提示する技術が知られている（例えば、特許文献２参照）。
製品の特性と過去の不良発生件数の組合せを保管しユーザに提示する技術は設計時の支援を目的とした技術であり、建設機械の状態の診断には適用することはできなかった。また、データの分析目的を基に分析方法を提示する技術では、分析目的に該当する分析方法が複数存在した場合には、ユーザが適切な分析方法を選択しなければならないため、ユーザの知識量によっては最適でない分析方法を選択してしまい、正しい分析結果を取得するために必要となる時間が増加してしまうという問題があった。
本発明の目的は、建設機械を診断する手順や手法に関する知識をほとんどもたないユーザでも、診断対象機器のデータ特性に適した診断を短時間で実施することを可能とする建設機械の診断システム及び診断方法を提供することである。
上記目的を達成するために、本発明は、診断装置で診断を実施する場合に、入力された診断データのデータ特性を取得し、その特性に有効であると考えられる診断手法を診断知識保管装置から取得し、診断を実施する。
このように診断データのデータ特性に応じて有効な診断手法を取得することで、建設機械を診断する手順や手法に関する知識をほとんどもたないユーザでも、診断対象機器のデータ特性に適した診断を短時間で実施することが可能となる。
より具体的には、診断装置は、診断データ保管装置より診断データを取得し、診断データに含まれる情報から、データに含まれるパラメータの数、各パラメータのセンサの種類やパラメータの特性等を含むデータ特性を抽出し、診断目的やデータ特性に対して有効であると考えられる診断手法を診断知識保管装置から取得し、データ特性にマッチした数と事例数から算出する有効度と共にユーザに提示する。そして、ユーザは有効度を基に診断手法を選択し、診断を行う。
また、診断実施後に、診断の対象となった診断データのデータ特性とそのデータの診断に有効であった診断手法の組合せを診断知識として診断知識保管装置に保管する。
更に、診断知識保管装置に格納されている診断知識を有効に活用するために、診断手法の要素毎に共通するデータ特性を分類し、分類されたデータ特性と診断手法の要素を新たな診断知識として保管する。
本発明によれば、建設機械を診断する手順や手法に関する知識をほとんどもたないユーザでも診断対象機器のデータ特性に適した診断を短時間で実施することが可能となる。
本発明の一実施形態について説明する。なお、この実施形態は本発明を制限するものではなく、本発明の精神の範囲内で種々の変更が可能である。
図１は、本発明の一実施形態が適用された建設機械の診断システムの構成図である。
本実施形態の診断システムは、図１に例示するように、診断装置１０と、診断知識保管装置２０と、診断データ保管装置３０とが互いに接続されて構成されている。
診断装置１０は、外部からデータや情報を入力し、結果を出力する入出力部１０１と、前記診断データ保管装置３０から診断データを取得する診断データ取得部１０２と、取得した診断データからその診断データの特性を取得するデータ特性取得部１０３と、前記データ特性取得部で取得したデータ特性に適合する診断手法を前記診断知識保管装置２０から取得する診断知識取得部１０４Ａの機能を有する診断知識入出力部１０４と、前記診断データ取得部１０２で取得した前記診断データと、前記診断知識入出力部１０４（診断知識取得部１０４Ａ）で取得した前記診断手法を用いて診断を行う診断部１０５とを含む。
入出力部１０１は、診断初期画面（図１２）、診断知識検索後画面（図１２）、診断結果画面（図１３）等の診断に係わる種々の画面を表示する表示装置１０１Ａや、キーボード、マウス等の入力装置を備えている。
診断部１０５は、診断実施後に診断知識に含まれる使用した診断手法が有効であった場合に、診断データの特性と使用した診断手法の組み合わせを新たな診断知識として診断知識入出力部１０４から診断知識保管装置２０に格納する機能を更に有している。
また、診断装置１０は、診断知識入出力部１０４（診断知識取得部１０４Ａ）で取得した診断手法の有効度を算出する有効度算出部１０６と、診断知識保管装置２０に保管している診断知識の中から共通する診断手法の各要素（後述）が含まれる診断知識を収集し、収集された診断知識に含まれるデータ特性の構成要素間の共通点と前記診断手法要素の組合せを新たな診断知識として生成し、診断知識保管装置２０に格納する診断知識生成部１０７とを更に含む。
診断知識保管装置２０は、前記診断装置１０とデータの送受信を行うデータ送受信部２０１と、前記データ特性と前記診断手法を含む前記診断知識を保管する診断知識保管部２０２とを含む。
診断データ保管装置３０は、前記診断装置１０とデータの送受信を行うデータ送受信部３０１と、機器の稼働データやセンサ情報等の診断データを保管する診断データ保管部３０２とを含む。
図２は診断装置１０のハードウェア構成を例示する図である。診断装置１０は、通信装置１１と、入出力装置１２と、記憶装置１３と、ＣＰＵ１４と、メモリ１５と、読取装置１６とで構成され、これらはバスなどの内部通信線１８で連結されている。入出力装置１２は図１の入出力部１０１に対応するものであり、上記のように表示装置や、キーボード、マウス等の入力装を備えている。なお、図２に示す構成は、診断知識保管装置２０や診断データ保管装置３０においても同様である。
本実施形態の診断システムにおける処理フローについて説明する。以下に述べる処理フローは、各装置１０，２０，３０の記憶装置に格納されたプログラムがメモリにロードされ、ＣＰＵにより実行されることにより、診断システムを構成する各装置１０，２０，３０上に具現化される各処理部により実行されるものである。また、各プログラムは予め記憶装置に格納されても良いし、他の記憶媒体または通信媒体（ネットワークまたはネットワークを伝搬する搬送波）を介して、必要なときに導入されても良い。
図３は、診断装置１０と診断データ保管装置３０と診断知識保管装置２０との間で実行される診断フローを示した図である。
まず、診断装置１０は入出力部１０１の表示装置１０１Ａに診断初期画面を表示する（ステップＳ３０１（以下単にＳ３０１と表現する。以下同様））。診断初期画面とは図１２に示す項目を有する画面であり、詳細は後述する。
次に、ユーザは、診断初期画面を用いて診断装置１０の入出力部１０１に診断目的を入力する（Ｓ３０２）。ここで、診断目的とは、どのような機種の状態診断を行うのかや、どの機種のどの部位のどのような観点に着目した診断を行うのかなどを特定する情報であり、例えば、ローダタイプの油圧ショベルの状態診断を行うとか、油圧ショベルのエンジンのヒートバランス診断やポンプの圧力診断などである。次に、ユーザは、診断初期画面を用いて診断装置１０の入出力部１０１に診断データ情報を入力する（Ｓ３０３）。診断データ情報とは、診断の対象となる診断データを識別する情報であり、例えば、日付、取得場所、設置場所、号機番号等の情報を指す。次に、診断データ情報（Ａ３０１）を診断データ保管装置３０に送信する。この送信は、例えば診断初期画面の検索ボタンを押し下げることにより行う。
次に、診断データ保管装置３０は、受信した診断データ情報を基に診断データ保管部３０２から対象となる診断データを取得する（Ｓ３０４）。ここで、診断データとは図５に示す構造を持つデータであり、詳細は後述する。次に、取得した診断データ（Ａ３０２）を診断装置１０の診断データ取得部１０２に送信する。
次に、診断装置１０のデータ特性取得部１０３は、診断データ取得部１０２が取得した診断データからその診断データのデータ特性を取得する（Ｓ３０５）。ここで、データ特性とは図７に示す構造を持つデータであり、詳細は後述する。次に、診断知識入出力部１０４は、入出力部１０１が入力した診断目的とデータ特性取得部１０３が取得したデータ特性（Ａ３０３）を診断知識保管装置２０に送信する。
次に、診断知識保管装置２０は、診断知識保管部２０２から受信した診断目的が合致する診断手法のうち、データの特性が適合する診断手法を取得する（Ｓ３０６）。ここで、診断知識保管部２０２は、データ特性と診断手法と事例数との組み合わせで診断知識を保管している。診断知識の構造の詳細は図６を用いて後述する。データの特性が適合する診断手法とは入力されたデータ特性と診断知識のデータ特性とが完全に一致するものだけでなく、部分的に一致するものも含まれる。また、診断手法とは図８に示す構造を持つデータであり、詳細は後述する。さらに、適合する診断手法は一つではなく複数であっても構わない。
次に、診断知識保管部２０２は取得した診断手法とその診断手法の事例数（Ａ３０４）を診断装置１０の診断知識入出力部１０４（診断知識取得部１０４Ａ）に送信する。
次に、診断装置１０の有効度算出部１０６は、診断知識取得部１０４Ａが取得した診断手法の有効度を算出する（Ｓ３０７）。ここで、有効度は、データ特性取得部１０３で取得したデータ特性と適合する診断知識を診断知識保管装置２０から取得するために診断知識入出力部１０４から診断知識保管装置２０に入力したデータ特性の要素数と、そのデータ特性と一致した診断知識に含まれるデータ特性の要素数との比と、一致した診断知識に含まれる事例数との積から算出する。
次に、診断装置１０は入出力部１０１の表示装置１０１Ａに診断知識検索後画面を表示し、診断手法と診断手法の有効度をユーザに表示する（Ｓ３０８）。診断知識検索後画面とは図１２に示す項目を有する画面であり、詳細は後述する。
ここで、診断手法は複数の工程（診断手法要素）から構成されている場合が多く、その場合、Ｓ３０８では、診断手法と有効度を診断手法要素毎に表示することが好ましい。
次に、ユーザに対して診断手法の選択を促す（Ｓ３０９）。ここで、有効な診断手法が複数存在した場合には、例えば有効度の上位５件を表示するなどして表示する件数を制限し、ユーザの混乱を招かないようにする。また、診断手法選択（Ｓ３０９）はユーザが必ず実施しなければならないものではなく、有効度が最も高いものを自動で選択し、診断を行ってもよい。
次に、診断装置１０の診断部１０５はユーザの選択結果に従って診断を実施する（Ｓ３１０）。この診断の実施の開始は、例えば診断知識検索後画面の診断ボタンを押し下げることにより指示される。次に、診断部１０５は入出力部１０１の表示装置１０１Ａに診断結果画面を表示し、ユーザに診断結果を表示する（Ｓ３１１）。診断結果画面とは図１３に示す項目を有する画面であり、詳細は後述する。次に、診断結果画面の有効ボタンの押下の有無を判断する（Ｓ３１２）。有効ボタンの押下がない場合には処理を終了する（Ｓ３１３）。有効ボタンの押下がある場合には、診断部１０５は診断知識入出力部１０４を介して診断知識保管装置２０に、診断データの特性と使用した診断手法の組合せを新たな診断知識（Ａ３０５）として送信する。ここで、診断結果が有効であるか否かの判断はユーザが行う。また、この際の事例数は１として診断知識を生成する。
次に、診断知識保管装置２０は、受信した診断知識を格納し（Ｓ３１４）、レスポンス（Ａ３０６）を診断装置１０に送信する。
図４は、診断知識保管装置２０に保管されている診断知識の利用効率を向上するために診断装置１０の診断知識生成部１０７が行う最適化手順を記載したフロー図である。
まず、診断装置１０の診断知識生成部１０７は、診断知識保管装置２０に対して診断手法要素一覧取得コマンド（Ａ４０１）を送信し、診断手法要素一覧の取得を要求する。ここで、前述したように、診断手法は複数の手順（診断手法要素）から構成されている場合が多く、診断手法におけるそれらの複数の工程（診断手法要素）は、それぞれ、具体的な複数の特定要素を含んでいる。診断手法要素一覧として取得する診断手法要素とは、その複数の工程（診断手法要素）に含まれる具体的な複数の特定要素を意味する。例えば、診断手法要素がパラメータの前処理方法である場合、取得する診断手法要素は、例えば、ＦＦＴ（高速フーリエ変換）、最大値の選択などである。
次に、診断知識保管装置２０は、診断知識保管部２０２を検索し、診断手法要素一覧を取得する（Ｓ４０１）。次に、取得した診断手法要素一覧（Ａ４０２）を診断装置１０の診断知識生成部１０７に送信する。
次に、診断知識生成部１０７は、受信した診断手法要素一覧から診断手法要素を選択し、選択した診断手法要素（Ａ４０３１）を診断知識保管装置２０に送信する。（Ｓ４０２１）。ここで、診断手法要素の選択は、診断手法の工程としての診断手法要素毎に、各診断手法要素に含まれる特定要素に対して、事前に決めた順番で診断知識生成部１０７が行う。
次に、診断知識保管装置２０は、受信した診断手法要素に対応するデータ特性を診断知識保管部２０２から取得する（Ｓ４０３１）。次に、取得したデータ特性群（Ａ４０４１）を診断装置１０の診断知識生成部１０７に送信する。
次に、診断知識生成部１０７は、受信したデータ特性群の中で共通の要素を持つ特性を抽出し、分類する（Ｓ４０４１）。次に、各分類された特性毎に含まれる個数を用いて事例数を算出する（Ｓ４０５１）。この特性の分類方法及び事例数の算出方法については図１１に詳細に記載する。次に、分類されたデータ特性、診断手法要素、事例数（Ａ４０５１）を診断知識保管装置２０に送信する。
次に、診断知識保管装置２０は、受信した分類データ特性、診断手法要素、事例数の組合せを新たな診断知識として診断知識保管部２０２に格納する（Ｓ４０６１）。次に、格納の結果を示すレスポンス（Ａ４０６１）を診断装置１０の診断知識生成部１０７に送信する。
診断手法要素が複数存在する場合には、上記の手順（Ａ４０２１～Ａ４０６１）を診断手法要素の数だけ繰り返し実施することにより、診断知識保管装置２０内の最適化を実現することが可能である。なお、上記フローは、図３のＳ３０４の前に実施しても良いし、Ｓ３０８の後に実施しても良いし、ある一定期間毎に定期的に実施しても良い。また、診断知識保管装置２０内で実施しても良いし、診断装置１０以外の装置との間で実施しても良い。
このような最適化を実施することにより、診断知識保管装置２０内に蓄積されている診断知識が少ない場合でも入力されるデータの部分的な特性に対して有効な診断手法を提示することが可能となり、診断知識の利用効率を高めることができる。
図３及び図４で示すフローでは、診断装置１０と診断データ保管装置３０の間、診断装置１０と診断知識保管装置２０の間で特に認証処理、署名検証処理、データ暗号処理などの処理を記載していないが、より安全にするために、それらの処理を実施しても良い。
図５は、図３のＳ３０３で取得する診断データ（Ａ３０２）の構造の詳細を示す図である。図５では、診断データを符号Ａ５０１で示している。
診断データ（Ａ５０１）は、診断対象機器の種類や名称を示す対象機器（Ａ５０２）と、データが取得された日時を示すデータ取得日時（Ａ５０３）と、データが取得された場所を示すデータ取得場所（Ａ５０４）と、対象機器において観測しているパラメータセンサの数を示す観測パラメータ数（Ａ５０５）と、観測パラメータの名称を示すパラメータ名称（Ａ５０６１）と、観測パラメータのセンサの種類を示すパラメータセンサ種類（Ａ５０７１）と、実際に観測されたデータを示すパラメータデータ列（Ａ５０８１）から構成される。観測パラメータが複数存在する場合には、上記構成（Ａ５０６１～Ａ５０８１）がパラメータの個数に応じて複数含まれる。ここで、診断データには上記構成要素の全てを含む必要はなく、少なくとも一つの要素を含むものであればよい。また、診断データの要素の順序はこれに限定されるものではない。
図６は、図１の診断知識保管部２０２で保管する診断知識の構造を示す図である。
診断知識（Ａ６０１）は、診断データから取得するデータ特性（Ａ６０２）とその診断データを有効に診断することができた診断手法（Ａ６０３）と前記データ特性と該診断手法の組合せが含まれる事例の数を示す事例数（Ａ６０４）から構成される。データ特性及び診断手法の詳細な構造については以降の図７及び図８に記載する。また、事例数の算出方法については図１１に記載する。ここで、診断知識の要素の順序はこれに限定されるものではなく、少なくとも上記構成要素を含むものであればよい。
図７は、図６のデータ特性（Ａ６０２）であって、図３のＳ３０４で取得するデータ特性の構造を詳細に示す図である。図７では、データ特性を符号Ａ７０１で示している。
データ特性（Ａ７０１）は、診断対象機器の種類や名称を示す対象機器（Ａ７０２）と、データが取得された日時を示すデータ取得日時（Ａ７０３）と、データが取得された場所を示すデータ取得場所（Ａ７０４）と、対象機器において観測しているパラメータの数（或いはそのパラメータを計測するセンサの数）を示す観測パラメータ数（Ａ７０５）と、観測パラメータの特性を示すパラメータ特性（Ａ７０６１）を含み、パラメータ特性はパラメータの名称を示すパラメータ名称（Ａ７０７１）と、パラメータを生成したセンサの種類を示すセンサ種類（Ａ７０８１）と、パラメータのデータ量（Ａ７０９１）と、パラメータの運転モード数（Ａ７１０１）と、パラメータが取得された頻度を示すデータ取得頻度（Ａ７１１１）と、パラメータの平均値（Ａ７１２１）と、パラメータの分散値（Ａ７１３１）と、パラメータの最大値（Ａ７１４１）と、パラメータの最小値（Ａ７１５１）と、パラメータの変化傾向（Ａ７１６１）から構成される。観測パラメータが複数存在する場合には、上記構成（Ａ７０７１～Ａ７１６１）がパラメータの個数に応じて複数含まれる。ここで、運転モード数とは、パラメータのデータ列を分析し、離散的な変化が発生した回数から算出する。例えば、時間ｔにおいて値が０であったものが、時間ｔ＋１において値が１００になった場合には運転モードが変化したと仮定し、運転モード数を１増加させる。この算出方法でデータ列の全てを確認し、運転モード数を算出する。なお、運転モードの変化を検出する閾値は、データの種類によって若干の違いはあるものの、正規化したデータ列の単位時間あたりの変化量が１０以上であることを目安とする。ここで正規化する方法としては最大値、最小値を使用する方法や平均、分散を使用する方法が考えられるが、これらの方法に限定されるわけではない。また、変化傾向とは、パラメータの時間的な変化の傾向を意味し、例えば単調増加や単調減少といった傾向を指し、各データ点における分散値の広がりにより、単調減少や単調増加といった傾向や正規分布に近い傾向などを抽出し、変化傾向として記載する。ここで、データ特性には上記構成要素の全ても含む必要はなく、少なくとも上記一つの要素を含むものであればよい。また、データ特性の要素の順序はこれに限定されるものではない。
図８は、図６の診断手法（Ａ６０３）であって、図３のＳ３０５で取得する診断手法の構造を詳細に示す図である。図８では、診断手法を符号Ａ８０１で示している。
診断手法（Ａ８０１）は、診断を実施する目的を示す診断目的（Ａ８０２）と、診断に使用するパラメータの一覧を示すデータ抽出（Ａ８０３）と、各パラメータに対する事前処理を示す前処理（Ａ８０４）と、状態診断の手法を示す診断（Ａ８０７）と、診断結果の表示方法を示す結果表示（Ａ８１０）から構成される。ここで、前処理（Ａ８０５）には、前処理を行うパラメータの組合せを示す前処理対象パラメータ（Ａ８０５）と、その組合せに対して実施した前処理方法（Ａ８０６）が含まれる。前処理対象パラメータが複数存在する場合には、上記構成（Ａ８０５～Ａ８０６）が前処理（Ａ８０５）内に複数含まれる。また、診断（Ａ８０７）には、しきい値判定やクラスタリングや相関分析等を示す診断方法（Ａ８０８）と、診断時に使用するしきい値やクラスタ数や重みなどの設定値を示す診断設定値（Ａ８０９）が含まれる。また、結果表示（Ａ８１０）には、診断結果を出力する方法（テキスト、線グラフ、棒グラフ等）を示す結果出力方法（Ａ８１１）と、出力した結果の中で状態を識別する上で注目すべき点を示す結果注目点（Ａ８１２）から構成される。ここで、診断手法には上記構成要素の全ても含む必要はなく、少なくとも一つの要素を含むものであればよい。また、診断手法の要素の順序はこれに限定されるものではない。
図９は、具体的な診断の事例の説明に利用する建設機械を例示する図である。
例では油圧ショベル２種類とダンプ２種類を診断の対象とした。まず、油圧ショベルのうちバケットを上から下に振り下ろして掘削を行うバックホウ（Ａ９０１）と、バケットを下から上に振り上げて掘削を行うローダ（Ａ９０３）の特徴を示す。バックホウはほとんどクローラを使用しないため、クローラ圧の変動はほとんどなく、平均クローラ圧は小さい値となる（Ａ９０２）。一方、ローダはクローラを多用して掘削を行うため、クローラの変動が大きく、平均クローラ圧は大きな値となる（Ａ９０４）。ここで、クローラ圧とは、クローラの張力を調整するために設けられたシリンダの駆動圧である。
次に、油圧ショベルで掘削した土砂等を運搬するダンプの中でも平地を走行するダンプ（Ａ９０５）と斜面を走行するダンプ（Ａ９０７）の特徴を示す。平地を走行するダンプはエンジンへの負荷は小さいため、平均エンジン回転数は小さい値となる（Ａ９０６）。一方、斜面を走行するダンプはエンジンへの負荷が大きく、エンジン回転数は常に高い値となる（Ａ９０８）。
図１０は、図９で示した建設機械の状態診断を行うために、入力データから診断手法を導出する流れであって、図３のＳ３０１～Ｓ３０５の処理手順の一例を示す図である。
まず、診断対象の入力データ（Ａ１００１）をデータ特性取得部１０３に入力する。
次に、入力されたデータのデータ特性（Ａ１００２）を抽出する。ここでは診断知識の検索で必要となるデータ特性として診断対象機器（Ａ１００３）、単位時間あたりのクローラ圧（Ａ１００４）、単位時間あたりのエンジン回転数（Ａ１００５）を抽出する。次に、診断目的（Ａ１００５）と取得したデータ特性（Ａ１００２）を診断知識保管部２０２に入力する。診断知識保管部２０２では入力された診断目的（Ａ１００６）及びデータ特性（Ａ１００２）に適合する診断手法を抽出する。具体的にはまず、診断対象機器を識別する（Ｓ１００１）。診断対象機器が油圧ショベルである場合には、クローラ圧の単位時間あたりの平均値を参照する（Ｓ１００２）。その結果、単位時間あたりのクローラ圧が１．０ｂａｒ以上の場合にはローダ特性（Ａ１００２）であると判断し、その特性に対して有効であった診断手法（Ａ１０１１）を抽出する。また、単位時間あたりのクローラ圧が１．０ｂａｒ未満の場合にはバックホウ特性（Ａ１００３）であると判断し、それらの特性で有効であった診断手法（Ａ１０１２）を抽出する。一方、診断対象機器がダンプである場合には、入力データのエンジン回転数の単位時間あたりの平均値を参照する（Ｓ１００３）。その結果、単位時間あたりのエンジン回転数が１５００ｒｐｍ以上の場合には斜面を走行するダンプの特性（Ａ１００４）であると判断し、その特性に対して有効であった診断手法（Ａ１０１３）を抽出する。また、単位時間あたりのエンジン回転数が１５００ｒｐｍ未満の場合には平地を走行するダンプの特性（Ａ１００５）であると判断し、その特性に対して有効であった診断手法（Ａ１０１４）を抽出する。
ローダの場合に抽出された診断手法（Ａ１０１１）は、データ抽出においてアームシリンダ圧力データを抽出し（Ａ１０１５）、前処理として最大値を取得し（Ａ１０１６）、診断はアームシリンダ圧が４．０ｂａｒ以上であるかどうかのしきい値判定を行い（Ａ１０１７）、結果出力方法として折れ線グラフを用い、しきい値を越えた点に注目する（Ａ１０１８）というものである。一方、バックホウの場合に抽出された診断手法（Ａ１０１２）は、データ抽出においてアームシリンダ圧データを抽出し（Ａ１０１９）、前処理として最大値を取得し（Ａ１０２０）、診断はアームシリンダ圧が３．６ｂａｒ以上であるかどうかのしきい値判定を行い（Ａ１０２１）、結果出力方法として折れ線グラフを用い、しきい値を越えた点に注目する（Ａ１０２２）というものである。ローダタイプの油圧ショベルの場合、アームを用いた掘削作業がバックホウタイプの油圧ショベルよりも多くなるため、アームシリンダ圧のしきい値は、バックホウタイプの油圧ショベルよりも大きい値となっている。
また、斜面を走行するダンプの場合に抽出された診断手法（Ａ１０１３）は、データ抽出において冷却水温度を抽出し（Ａ１０２３）、前処理として最大値を取得し（Ａ１０２４）、診断は冷却水温度が７０度以上であるかどうかのしきい値判定を行い（Ａ１０２５）、結果出力方法として折れ線グラフを用い、しきい値を越えた点に注目する（Ａ１０２６）というものである。一方、平地を走行するダンプの場合に抽出された診断手法（Ａ１０１４）は、データ抽出において冷却水温度を抽出し（Ａ１０２７）、前処理として最大値を取得し（Ａ１０２８）、診断は冷却水温度が６０度以上であるかどうかのしきい値判定を行い（Ａ１０２９）、結果出力方法として折れ線グラフを用い、しきい値を越えた点に注目する（Ａ１０３０）というものである。斜面を走行するダンプの場合、斜面を走行するために必然的にエンジン回転数が高くなり、エンジンからの発熱量の増加に伴い冷却水温度が高くなる傾向があるため、冷却水温度のしきい値は平地を走行するダンプよりも高い値となっている。
以上のように抽出された各診断手法は前述したように表示装置１０１Ａに出力され、診断知識検索後画面に表示され、診断に用いられる。
このように同じ油圧ショベルやダンプという建設機械であっても、使用環境や建設機械の特性に応じて診断手法を適宜切り替えることにより、従来の状態診断よりも精度のよい状態診断を実施することが可能となる。
なお、図１０の例は、それぞれの特性に基づいて抽出される有効な診断手法が１つである場合のものであるが、有効な診断手法が複数存在する場合は、複数の診断手法を抽出してもよい。この場合、前述したように診断手法の有効度を算出し、例えば有効度の上位５件を表示するなどして表示する件数を制限する。
また、図１０の例は、データ抽出、前処理、診断、結果表示の診断手法要素をセットで含む診断手法を抽出する場合のものであるが、診断知識生成部１０７によって生成された診断知識が診断知識保管装置２０に保管されている場合は、診断手法要素毎に各診断手法要素を個別に抽出してもよい（図１２）。
更に、図１０の例では、診断対象機器が油圧ショベル、ダンプ等の機種単位であり、診断目的が当該機種単位での対象機器の状態診断である場合のものであるが、診断対象機器が特定の機種（例えばローダタイプの油圧ショベル）の特定の部位（例えばエンジン、ポンプ等）の状態診断、或いは特定の部位の特定の観点に着目した診断（例えばエンジンのヒートバランス診断、ポンプの圧力診断等）であってもよい。
図１１は、図４のＳ４０４及びＳ４０５で実施する分類特性の取得方法と事例数の算出方法の具体例を示す図である。
ここでは診断手法要素として前処理の一つであるＦＦＴを例に取り上げて説明する。はじめに、前処理方法のＦＦＴ（Ａ１１０１）を検索キーとして診断知識保管部２０２に入力する（Ｓ１１０１：図４のＳ４０２に該当）。次に、診断知識保管部２０２においてＦＦＴに関連するデータ特性を検索する（Ｓ１１０２：図４のＳ４０３に該当）。その結果、検索結果（Ａ１１０２）として５種類のデータ特性が出力されたとここでは仮定する。次に、出力されたデータ特性間に共通する要素を抽出し、分類を行う（Ｓ１１０３：図４のＳ４０４に該当）。その結果、この例では、一つ目の分類特性として振動センサ（Ａ１１０３１）という特性が抽出され、二つ目の分類特性として音センサ（Ａ１００３２）という特性が抽出されたとする。ここで、抽出された分類特性を持つデータ特性の個数を事例数（Ａ１１０４１、Ａ１１０４２）として算出する（図４のＳ４０５に該当）。この例では、振動センサという分類特性には事例数２が算出され、音センサという分類特性には事例数３が算出される。次に、抽出した分類特性（Ａ１１０３１、Ａ１１０３２）と診断手法要素（Ａ１１０１）と事例数（Ａ１１０４１、Ａ１１０４２）を組み合わせて新たな診断知識（Ａ１１０５１、Ａ１１０５２）を生成する（Ｓ１１０４：図４のＳ４０６に該当）。ここでは、数値ではないデータ特性を例に挙げて説明したが、数値の場合には値そのものが一致していない場合でも共通の特性であると見なして分類を行うことが可能である。たとえば、最大値が５０及び最大値が６０のデータに対して有効な診断手法要素があった場合には、最大値が５０～６０の場合にはその診断手法要素が有効であるとして分類特性を生成する。このようなフローを実現することにより、各診断手法要素を有効に活用可能なデータ特性を抽出することができ、診断知識の適用可能性を増加させることが可能となる。
図１２は、診断装置１０を用いてユーザが診断を実施する際に表示する画面イメージを示したものである。
診断初期画面（Ａ１２０１）は、図３のＳ３０１で表示される画面であり、診断目的を入力するフォーム（Ａ１２０２）と、診断対象データの情報を入力するフォーム（Ａ１２０３）と、フォームに入力された情報に従って診断データ保管装置３０から診断データを取得し、取得した診断データに対して有効であると考えられる診断知識を診断知識保管部２０２から検索する診断知識検索ボタン（Ａ１２０４）から構成される。ここで、診断初期画面の構成要素はこれに限定されるものではなく、上記構成要素の機能を実現することが可能であればフォームやボタンの数はいくつでも構わない。
次に、診断知識検索ボタン（Ａ１２０４）を押下後の診断知識検索後画面（Ａ１２０５）について記載する。診断知識検索後画面（Ａ１２０５）は、図３のＳ３０８で表示される画面であり、診断初期画面（Ａ１２０１）の構成要素に加え、診断を実施する手順に従って、データ抽出（Ａ１２０６）、前処理（Ａ１２１０）、診断（Ａ１２１４）、結果表示（Ａ１２１８）、設定された診断情報に従って診断を実施する診断ボタン（Ａ１２２２）から構成される。データ抽出（Ａ１２０６）は、診断対象データの中で診断目的やデータ特性に合致した抽出すべきデータを示すデータ抽出方法（Ａ１２０７）と、その有効度（Ａ１２０８）と、診断知識保管部２０２に診断目的やデータ特性に該当する診断手法が存在しない場合や、診断知識を使用せずに分析を実施する場合に利用するユーザ入力フォーム（Ａ１２０９）から構成される。また、前処理（Ａ１２１０）は、前記データ抽出で抽出したデータに対して有効であると考えられる前処理を示す前処理方法（Ａ１２１１）と、その有効度（Ａ１２１２）と、診断知識保管部２０２にデータ特性に該当する診断手法が存在しない場合や、診断知識を使用せずに分析を実施する場合に利用するユーザ入力フォーム（Ａ１２１３）から構成される。また、診断（Ａ１２１４）は、前記データ抽出で抽出したデータに対して前記前処理を実施したデータを用いて、診断目的やデータ特性に合致した診断方法を示す診断方法（Ａ１２１５）と、その有効度（Ａ１２１６）と、診断知識保管部２０２にデータ特性に該当する診断手法が存在しない場合や、診断知識を使用せずに分析を実施する場合に利用するユーザ入力フォーム（Ａ１２１７）から構成される。また、結果表示（Ａ１２１８）は、前記データ抽出で抽出したデータに対して前記前処理を実施したデータを用いて前記診断を実施した結果を表示する結果表示方法（Ａ１２１９）と、その有効度（Ａ１２２０）と、診断知識保管部２０２にデータ特性に該当する診断手法が存在しない場合や、診断知識を使用せずに分析を実施する場合に利用するユーザ入力フォーム（Ａ１２２１）から構成される。ここで、各項目において該当する診断手法が複数存在する場合には、診断手法と有効度の組合せが複数表示され、ユーザが自由に選択可能である。ただし、多数の診断手法を同時に表示するとユーザの混乱を招く可能性があるため、例えば有効な診断手法の上位５件をプルダウンメニューで表示するなどして表示件数を制限する。また、ユーザが選択した項目（例えば診断方法）に応じてその診断方法が属する診断手法の組合せを色分けするなどして表示し、ユーザが有効度の高いものと診断手法のセットを簡単に識別できるようにしてもよい。さらに、診断知識検索後画面の構成要素はこれに限定されるものではなく、上記構成要素の機能を実現することが可能であればフォームやボタンの数はいくつでも構わない。
図１３は、診断装置１０を用いてユーザが診断を実施した後に表示する画面イメージを示したものである。
診断結果画面（Ａ１３０１）は、図３のＳ３１１で表示される画面であり、グラフ等の診断結果を表示する部分（Ａ１３０２）と、診断結果が有効である場合に押下する有効ボタン（Ａ１３０３）から構成される。ここで、診断結果画面の構成要素はこれに限定されるものではなく、上記構成要素の機能を実現することが可能であればフォームやボタンの数はいくつでも構わない。
以上説明したように診断データのデータ特性に応じて有効な診断手法を取得し提示する手順及びデータ構成を実現することにより、建設機械を診断する手順や手法に関する知識をほとんど持たないユーザでも、診断対象機器のデータ特性に適した診断を短時間で実施することが可能となる。
なお、本発明は、上記の実施形態に限定されるものではなく、その要旨の範囲内で様々な変形が可能である。
たとえば、診断装置１０と診断知識保管装置２０と診断データ保管装置３０が互いにネットワーク等で接続されている場合や、建設機械ではない機器の診断を行う場合などである。
該実施形態の場合においても診断装置１０において行う処理に本質的な変化はない。
１０：診断装置
１１：通信装置
１２：入出力装置
１３：記憶装置
１４：ＣＰＵ
１５：メモリ
１６：読取装置
１７：記憶媒体
１８：内部信号線
２０：診断知識保管装置
３０：診断データ保管装置
１０１：入出力部
１０２：診断データ取得部
１０３：データ特性取得部
１０４：診断知識入出力部
１０５：診断部
２０１：データ送受信部
２０２：診断知識保管部
３０１：データ送受信部
３０２：診断データ保管部
Ａ３０１：診断データ情報
Ａ３０２：診断データ
Ａ３０３：診断目的、データ特性
Ａ３０４：診断手法、事例数
Ａ３０５：診断知識
Ａ３０６：レスポンス
Ａ４０１：診断手法要素一覧取得コマンド
Ａ４０２：診断手法要素一覧
Ａ４０３１～Ａ４０３Ｎ：診断手法要素
Ａ４０４１～Ａ４０４Ｎ：データ特性群
Ａ４０５１～Ａ４０５Ｎ：分類データ特性、診断手法要素、事例数
Ａ４０６１～Ａ４０６Ｎ：レスポンス
Ａ５０１：診断データ
Ａ５０２：対象機器
Ａ５０３：データ取得日時
Ａ５０４：データ取得場所
Ａ５０５：観測パラメータ数
Ａ５０６１～Ａ５０６Ｎ：パラメータ名称
Ａ５０７１～Ａ５０７Ｎ：パラメータセンサ種類
Ａ５０８１～Ａ５０８Ｎ：パラメータデータ列
Ａ６０１：診断知識
Ａ６０２：データ特性
Ａ６０３：診断手法
Ａ６０４：事例数
Ａ７０１：データ特性
Ａ７０２：対象機器
Ａ７０３：データ取得日時
Ａ７０４：データ取得場所
Ａ７０５：観測パラメータ数
Ａ７０６１～Ａ７０６Ｎ：パラメータ特性
Ａ７０７１～Ａ７０７Ｎ：パラメータ名称
Ａ７０８１～Ａ７０８Ｎ：センサ種類
Ａ７０９１～Ａ７０９Ｎ：データ量
Ａ７１０１～Ａ７１０Ｎ：運転モード数
Ａ７１１１～Ａ７１１Ｎ：データ取得頻度
Ａ７１２１～Ａ７１２Ｎ：平均値
Ａ７１３１～Ａ７１３Ｎ：分散値
Ａ７１４１～Ａ７１４Ｎ：最大値
Ａ７１５１～Ａ７１５Ｎ：最小値
Ａ７１６１～Ａ７１６Ｎ：変化傾向
Ａ８０１：診断手法
Ａ８０２：診断目的
Ａ８０３：データ抽出
Ａ８０４：前処理
Ａ８０５：前処理対象パラメータ
Ａ８０６：前処理方法
Ａ８０７：診断
Ａ８０８：診断方法
Ａ８０９：診断設定値
Ａ８１０：結果表示
Ａ８１１：結果出力方法
Ａ８１２：結果注目点
Ａ９０１：バックホウ
Ａ９０２：バックホウのクローラ圧の時間変化
Ａ９０３：ローダ
Ａ９０４：ローダのクローラ圧の時間変化
Ａ９０５：平地を走行するダンプ
Ａ９０６：平地を走行するダンプのエンジン回転数の時間変化
Ａ９０７：斜面を走行するダンプ
Ａ９０８：斜面を走行するダンプのエンジン回転数の時間変化
Ａ１００１：入力データ
Ａ１００２：データ特性
Ａ１００３、診断対象機器
Ａ１００４：単位時間あたりのクローラ圧
Ａ１００５：単位時間あたりのエンジン回転数
Ａ１００６：診断目的
Ａ１００７：ローダ特性
Ａ１００８：バックホウ特性
Ａ１００９：ダンプ（斜面）特性
Ａ１０１０：ダンプ（平地）特性
Ａ１０１１：診断手法
Ａ１０１２：診断手法
Ａ１０１３：診断手法
Ａ１０１４：診断手法
Ａ１０１５：データ抽出
Ａ１０１６：前処理
Ａ１０１７：診断
Ａ１０１８：結果表示
Ａ１０１９：データ抽出
Ａ１０２０：前処理
Ａ１０２１：診断
Ａ１０２２：結果表示
Ａ１０２３：データ抽出
Ａ１０２４：前処理
Ａ１０２５：診断
Ａ１０２６：結果表示
Ａ１０２７：データ抽出
Ａ１０２８：前処理
Ａ１０２９：診断
Ａ１０３０：結果表示
Ａ１１０１：診断手法要素
Ａ１１０２：検索結果
Ａ１１０３１～Ａ１１０３２：分類特性
Ａ１１０４１～Ａ１１０４２：事例数
Ａ１１０５１～Ａ１１０５２：新たな診断知識
Ａ１２０１：診断初期画面
Ａ１２０２：診断目的
Ａ１２０３：診断データ情報入力フォーム
Ａ１２０４：診断知識検索ボタン
Ａ１２０５：診断知識検索後画面
Ａ１２０６：データ抽出に関する診断情報
Ａ１２０７：データ抽出方法
Ａ１２０８：有効度
Ａ１２０９：ユーザ入力フォーム
Ａ１２１０：前処理に関する診断情報
Ａ１２１１：前処理方法
Ａ１２１２：有効度
Ａ１２１３：ユーザ入力フォーム
Ａ１２１４：診断に関する診断情報
Ａ１２１５：診断方法
Ａ１２１６：有効度
Ａ１２１７：ユーザ入力フォーム
Ａ１２１８：結果表示に関する診断情報
Ａ１２１９：結果表示方法
Ａ１２２０：有効度
Ａ１２２１：ユーザ入力フォーム
Ａ１２２２：診断ボタン
Ａ１３０１：診断結果画面
Ａ１３０２：診断結果
Ａ１３０３：有効ボタン
１１：通信装置
１２：入出力装置
１３：記憶装置
１４：ＣＰＵ
１５：メモリ
１６：読取装置
１７：記憶媒体
１８：内部信号線
２０：診断知識保管装置
３０：診断データ保管装置
１０１：入出力部
１０２：診断データ取得部
１０３：データ特性取得部
１０４：診断知識入出力部
１０５：診断部
２０１：データ送受信部
２０２：診断知識保管部
３０１：データ送受信部
３０２：診断データ保管部
Ａ３０１：診断データ情報
Ａ３０２：診断データ
Ａ３０３：診断目的、データ特性
Ａ３０４：診断手法、事例数
Ａ３０５：診断知識
Ａ３０６：レスポンス
Ａ４０１：診断手法要素一覧取得コマンド
Ａ４０２：診断手法要素一覧
Ａ４０３１～Ａ４０３Ｎ：診断手法要素
Ａ４０４１～Ａ４０４Ｎ：データ特性群
Ａ４０５１～Ａ４０５Ｎ：分類データ特性、診断手法要素、事例数
Ａ４０６１～Ａ４０６Ｎ：レスポンス
Ａ５０１：診断データ
Ａ５０２：対象機器
Ａ５０３：データ取得日時
Ａ５０４：データ取得場所
Ａ５０５：観測パラメータ数
Ａ５０６１～Ａ５０６Ｎ：パラメータ名称
Ａ５０７１～Ａ５０７Ｎ：パラメータセンサ種類
Ａ５０８１～Ａ５０８Ｎ：パラメータデータ列
Ａ６０１：診断知識
Ａ６０２：データ特性
Ａ６０３：診断手法
Ａ６０４：事例数
Ａ７０１：データ特性
Ａ７０２：対象機器
Ａ７０３：データ取得日時
Ａ７０４：データ取得場所
Ａ７０５：観測パラメータ数
Ａ７０６１～Ａ７０６Ｎ：パラメータ特性
Ａ７０７１～Ａ７０７Ｎ：パラメータ名称
Ａ７０８１～Ａ７０８Ｎ：センサ種類
Ａ７０９１～Ａ７０９Ｎ：データ量
Ａ７１０１～Ａ７１０Ｎ：運転モード数
Ａ７１１１～Ａ７１１Ｎ：データ取得頻度
Ａ７１２１～Ａ７１２Ｎ：平均値
Ａ７１３１～Ａ７１３Ｎ：分散値
Ａ７１４１～Ａ７１４Ｎ：最大値
Ａ７１５１～Ａ７１５Ｎ：最小値
Ａ７１６１～Ａ７１６Ｎ：変化傾向
Ａ８０１：診断手法
Ａ８０２：診断目的
Ａ８０３：データ抽出
Ａ８０４：前処理
Ａ８０５：前処理対象パラメータ
Ａ８０６：前処理方法
Ａ８０７：診断
Ａ８０８：診断方法
Ａ８０９：診断設定値
Ａ８１０：結果表示
Ａ８１１：結果出力方法
Ａ８１２：結果注目点
Ａ９０１：バックホウ
Ａ９０２：バックホウのクローラ圧の時間変化
Ａ９０３：ローダ
Ａ９０４：ローダのクローラ圧の時間変化
Ａ９０５：平地を走行するダンプ
Ａ９０６：平地を走行するダンプのエンジン回転数の時間変化
Ａ９０７：斜面を走行するダンプ
Ａ９０８：斜面を走行するダンプのエンジン回転数の時間変化
Ａ１００１：入力データ
Ａ１００２：データ特性
Ａ１００３、診断対象機器
Ａ１００４：単位時間あたりのクローラ圧
Ａ１００５：単位時間あたりのエンジン回転数
Ａ１００６：診断目的
Ａ１００７：ローダ特性
Ａ１００８：バックホウ特性
Ａ１００９：ダンプ（斜面）特性
Ａ１０１０：ダンプ（平地）特性
Ａ１０１１：診断手法
Ａ１０１２：診断手法
Ａ１０１３：診断手法
Ａ１０１４：診断手法
Ａ１０１５：データ抽出
Ａ１０１６：前処理
Ａ１０１７：診断
Ａ１０１８：結果表示
Ａ１０１９：データ抽出
Ａ１０２０：前処理
Ａ１０２１：診断
Ａ１０２２：結果表示
Ａ１０２３：データ抽出
Ａ１０２４：前処理
Ａ１０２５：診断
Ａ１０２６：結果表示
Ａ１０２７：データ抽出
Ａ１０２８：前処理
Ａ１０２９：診断
Ａ１０３０：結果表示
Ａ１１０１：診断手法要素
Ａ１１０２：検索結果
Ａ１１０３１～Ａ１１０３２：分類特性
Ａ１１０４１～Ａ１１０４２：事例数
Ａ１１０５１～Ａ１１０５２：新たな診断知識
Ａ１２０１：診断初期画面
Ａ１２０２：診断目的
Ａ１２０３：診断データ情報入力フォーム
Ａ１２０４：診断知識検索ボタン
Ａ１２０５：診断知識検索後画面
Ａ１２０６：データ抽出に関する診断情報
Ａ１２０７：データ抽出方法
Ａ１２０８：有効度
Ａ１２０９：ユーザ入力フォーム
Ａ１２１０：前処理に関する診断情報
Ａ１２１１：前処理方法
Ａ１２１２：有効度
Ａ１２１３：ユーザ入力フォーム
Ａ１２１４：診断に関する診断情報
Ａ１２１５：診断方法
Ａ１２１６：有効度
Ａ１２１７：ユーザ入力フォーム
Ａ１２１８：結果表示に関する診断情報
Ａ１２１９：結果表示方法
Ａ１２２０：有効度
Ａ１２２１：ユーザ入力フォーム
Ａ１２２２：診断ボタン
Ａ１３０１：診断結果画面
Ａ１３０２：診断結果
Ａ１３０３：有効ボタン
Claims (23)
- 建設機械の状態を診断する診断システムであって、
建設機械を診断する診断装置（１０）と、診断に使用する診断手法を含む診断知識を保管する診断知識保管装置（２０）と、診断に使用する診断データを保管する診断データ保管装置（３０）とを有し、
前記診断装置は、
外部とのデータ入出力を行う入出力部（１０１）と、
前記入出力部に入力されたデータに基づいて、前記診断データ保管装置から該当する診断データを取得する診断データ取得部（１０２）と、
前記診断データ取得部で取得した診断データからその診断データのデータ特性を取得するデータ特性取得部（１０３）と、
前記データ特性取得部で取得したデータ特性と適合する診断手法を前記診断知識保管装置から取得する診断知識取得部（１０４Ａ）と、
前記診断データ取得部で取得した前記診断データと前記診断知識取得部で取得した前記診断手法を用いて診断を行う診断部（１０５）とを備えことを特徴とする診断システム。 - 請求項１に記載の診断システムであって、
前記診断知識保管装置（２０）に保管されている診断知識は、事前に取得した診断データのデータ特性と、その診断データの診断に有効であった前記診断手法とを含み、
前記診断知識取得部（１０４Ａ）は、少なくとも、前記データ特性取得部（１０２）で取得したデータ特性と適合するデータ特性が属する診断知識の診断手法を取得し、
前記診断部（１０５）は、前記診断データ取得部で取得した前記診断データに対して、前記診断知識取得部で取得した前記診断手法を用いて診断を行うことを特徴とする診断システム。 - 請求項２に記載の診断システムであって、
前記診断知識に含まれる前記診断データのデータ特性は、診断対象機器の名称や種類を示す対象機器と、前記診断データを取得した日時を示すデータ取得日時と、前記診断データを取得した場所を示すデータ取得場所と、前記対象機器で観測しているパラメータの数を示す観測パラメータ数と、観測パラメータが持つ特性を示すパラメータ特性の少なくとも1つを含むことを特徴とする診断システム。 - 請求項３に記載の診断システムであって、
前記パラメータ特性は、前記パラメータの名称を示すパラメータ名称と、前記パラメータを生成したセンサの種類を示すセンサ種類と、前記パラメータのデータ量と、前記パラメータが短時間で大きく変動した回数を示す運転モード数と、前記パラメータが取得された頻度を示すデータ取得頻度と、前記パラメータの平均値と、前記パラメータの分散値と、前記パラメータの最大値と、前記パラメータの最小値と、前記パラメータの変化の傾向を示す変化傾向の少なくとも1つを含むことを特徴とする診断システム。 - 請求項１～４のいずれか１項に記載の診断システムであって、
前記診断手法は、前記診断データを診断する目的を示す診断目的と、前記診断データのパラメータの中で診断に使用するパラメータを示すデータ抽出方法と、診断に使用するパラメータに対して診断の前に実施する前処理を示す前処理方法と、診断を行う方式やアルゴリズムを示す診断方法と、該診断を実施した結果の出力方法を示す結果出力方法の少なくとも1つを含むことを特徴とする診断システム。 - 請求項１～５のいずれか１項に記載の診断システムであって、
前記診断装置（１０）は、前記診断知識取得部（１０４Ａ）で取得した前記診断手法の有効度を算出する有効度算出部（１０６）を更に備え、
前記診断部（１０５）は、前記有効度算出部で算出した診断手法の有効度にしたがって前記診断知識取得部で取得した前記診断手法のうちの最適のものを選択して診断を実施することを特徴とする診断システム。 - 請求項６に記載の診断システムであって、
前記診断知識は、前記データ特性と前記診断手法の組合せが有効である事例の数を示す事例数を更に含み、
前記診断知識取得部（１０４Ａ）は、前記診断手法に加えて前記事例数を取得し、
前記有効度算出部（１０６）は、前記有効度を、前記データ特性取得部（１０３）で取得したデータ特性と適合する診断手法を前記診断知識保管装置（２０）から取得するために前記診断知識保管装置（２０）に入力したデータ特性の要素数と、該入力したデータ特性と一致した診断知識に含まれるデータ特性の要素数との比と、前記診断知識に含まれる前記事例数との積から算出することを特徴とする診断システム。 - 請求項１～７のいずれか１項に記載の診断システムであって、
前記診断部（１０５）は、診断実施後に使用した診断手法が有効であった場合に、そのときの診断データの特性と使用した診断手法の組み合わせを新たな診断知識として前記診断知識保管装置（２０）に格納することを特徴とする診断システム。 - 請求項１～８のいずれか１項に記載の診断システムであって、
前記診断装置（１０）は、前記診断知識保管装置（２０）に保管している診断知識の中から共通する診断手法要素が含まれる診断知識を収集し、収集された診断知識に含まれるデータ特性の構成要素間の共通点と前記診断手法要素の組合せを新たな診断知識として生成し、前記診断知識保管装置に格納する診断知識生成部（１０７）を更に備えることを特徴とする診断システム。 - 請求項９に記載の診断システムであって、
前記診断知識生成部（１０７）は、前記新たな診断知識を生成する際に、共通するデータ特性の構成要素を含む診断知識の個数を事例数として前記新たな診断知識に付与することを特徴とする診断システム。 - 請求項１～１０のいずれか１項に記載の診断システムであって、
前記入出力部（１０１）は少なくとも診断初期画面（Ａ１２０２）を表示する表示装置（１０１Ａ）を有し、前記診断初期画面は、診断目的及び診断対象データの情報を入力するフォーム（Ａ１２０２，Ａ１２０３）と、診断知識の検索の開始を指示する検索ボタン（Ａ１２０４）を含むことを特徴とする診断システム。 - 請求項１～１１のいずれか１項に記載の診断システムであって、
前記入出力部（１０１）は少なくとも診断知識検索後画面（Ａ１２０５）を表示する表示装置（１０１Ａ）を有し、前記診断知識検索後画面は、前記診断知識取得部（１０４Ａ）が取得した診断手法（Ａ１２０７，Ａ１２１１，Ａ１２１５，Ａ１２１９）と、その診断手法の有効度（Ａ１２０８，Ａ１２１２，Ａ１２１６，Ａ１２２０）と、診断の開始を指示する診断ボタン（Ａ１２２２）を含み、かつ前記診断手法を診断する手順に従って表示することを特徴とする診断システム。 - 請求項１～１０のいずれか１項に記載の診断システムであって、
前記入出力部（１０１）は、少なくとも診断初期画面（Ａ１２０２）と診断知識検索後画面（Ａ１２０５）を表示する表示装置（１０１Ａ）を有し、
前記診断初期画面は、診断目的及び診断対象データの情報を入力するフォーム（Ａ１２０２，Ａ１２０３）と、診断知識の検索の開始を指示する検索ボタン（Ａ１２０４）を含み、
前記診断データ取得部（１０２）は、前記診断初期画面の検索ボタンが操作されると、前記診断初期画面のフォームに入力された診断目的と診断対象データの情報に基づいて、前記診断データ保管装置（３０）から診断データを取得し、
前記診断知識検索後画面は、前記診断知識取得部（１０４Ａ）が取得した診断手法（Ａ１２０７，Ａ１２１１，Ａ１２１５，Ａ１２１９）と、その診断手法の有効度（Ａ１２０８，Ａ１２１２，Ａ１２１６，Ａ１２２０）と、診断の開始を指示する診断ボタン（Ａ１２２２）を含み、
前記診断部（１０５）は、前記診断知識検索後画面に表示された診断手法のうちの任意のものが選択され、前記診断知識検索後画面の診断ボタンが操作されると、その選択した診断手法に基づいて、前記診断データ取得部（１０２）で取得した前記診断データの診断を行うことを特徴とする診断システム。 - 建設機械の状態を診断する診断方法であって、
入出力部（１０１）より入力されたデータに基づいて、診断に使用する診断手法を含む診断知識を保管した診断データ保管装置（３０）から該当する診断データを取得する第１手順（Ｓ３０４）と、
前記第１手順で取得した診断データからその診断データのデータ特性を取得する第２手順（Ｓ３０５）と、
前記第２手順で取得したデータ特性と適合する診断手法を、診断に使用する診断手法を含む診断知識を保管した診断知識保管装置（２０）から取得する第３手順（Ｓ３０６）と、
前記第１手順で取得した前記診断データと前記第３手順で取得した前記診断手法を用いて診断を行う第４手順（Ｓ３１０）とを有することを特徴とする診断方法。 - 請求項１４に記載の診断方法であって、
前記診断知識保管装置（２０）に保管された診断知識は、事前に取得した診断データのデータ特性と、その診断データの診断に有効であった前記診断手法とを含み、
前記第３手順（Ｓ３０６）は、少なくとも、前記第２手順（Ｓ３０５）で取得したデータ特性と適合するデータ特性が属する診断知識の診断手法を取得し、
前記第４手順（Ｓ３１０）は、前記第１手順（Ｓ３０４）で取得した前記診断データに対して、前記第３手順（Ｓ３０６）で取得した前記診断手法を用いて診断を行うことを特徴とする診断方法。 - 請求項１５に記載の診断方法であって、
前記診断知識に含まれる前記診断データのデータ特性は、診断対象機器の名称や種類を示す対象機器と、前記診断データを取得した日時を示すデータ取得日時と、前記診断データを取得した場所を示すデータ取得場所と、前記対象機器で観測しているパラメータの数を示す観測パラメータ数と、観測パラメータが持つ特性を示すパラメータ特性の少なくとも1つを含むことを特徴とする診断方法。 - 請求項１６に記載の診断方法であって、
前記パラメータ特性は、前記パラメータの名称を示すパラメータ名称と、前記パラメータを生成したセンサの種類を示すセンサ種類と、前記パラメータのデータ量と、前記パラメータが短時間で大きく変動した回数を示す運転モード数と、前記パラメータが取得された頻度を示すデータ取得頻度と、前記パラメータの平均値と、前記パラメータの分散値と、前記パラメータの最大値と、前記パラメータの最小値と、前記パラメータの変化の傾向を示す変化傾向の少なくとも1つを含むことを特徴とする診断方法。 - 請求項１４～１７のいずれか１項に記載の診断方法であって、
前記診断手法は、前記診断データを診断する目的を示す診断目的と、前記診断データのパラメータの中で診断に使用するパラメータを示すデータ抽出方法と、診断に使用するパラメータに対して診断の前に実施する前処理を示す前処理方法と、診断を行う方式やアルゴリズムを示す診断方法と、該診断を実施した結果の出力方法を示す結果出力方法の少なくとも1つを含むことを特徴とする診断方法。 - 請求項１４～１８のいずれか１項に記載の診断方法であって、
前記第３手順（Ｓ３０６）で取得した前記診断手法の有効度を算出する第５手順（Ｓ３０７）を更に有し、
前記第４手順（Ｓ３１０）は、前記第５手順で算出した診断手法の有効度にしたがって前記第３手順で取得した前記診断手法のうちの最適のものを選択して診断を実施することを特徴とする診断方法。 - 請求項１９に記載の診断方法であって、
前記診断知識は、前記データ特性と前記診断手法の組合せが有効である事例の数を示す事例数を更に含み、
前記第３手順（Ｓ３０６）は、前記診断手法に加えて前記事例数を取得し、
前記第５手順（Ｓ３０７）は、前記有効度を、前記第２手順（Ｓ３０５）で取得したデータ特性と適合する診断手法を前記診断知識保管装置（２０）から取得するために前記診断知識保管装置（２０）に入力したデータ特性の要素数と、該入力したデータ特性と一致した診断知識に含まれるデータ特性の要素数との比と、前記診断知識に含まれる前記事例数との積から算出することを特徴とする診断方法。 - 請求項１４～２０のいずれか１項に記載の診断方法であって、
前記第４手順（Ｓ３１０）で診断実施後に使用した診断手法が有効であった場合に、そのときの診断データの特性と使用した診断手法の組み合わせを新たな診断知識として前記診断知識保管装置（２０）に格納する第６手順（Ｓ３１２，Ｓ３１４）を更に有することを特徴とする診断方法。 - 請求項１４～２１のいずれか１項に記載の診断方法であって、
前記診断知識保管装置（２０）に保管している診断知識の中から共通する診断手法要素が含まれる診断知識を収集し、収集された診断知識に含まれるデータ特性の構成要素間の共通点と前記診断手法要素の組合せを新たな診断知識として生成し、前記診断知識保管装置に格納する第７手順（Ｓ４０１～Ｓ４０６）を更に有することを特徴とする診断方法。 - 請求項２２に記載の診断方法であって、
前記第７手順（Ｓ４０１～Ｓ４０６）は、前記新たな診断知識を生成する際に、共通するデータ特性の構成要素を含む診断知識の個数を事例数として前記新たな診断知識に付与することを特徴とする診断方法。
Priority Applications (6)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP09850559.7A EP2492660A4 (en) | 2009-10-19 | 2009-10-19 | Diagnosis system and diagnosis method of construction machine |
| CN200980161988.7A CN102575973B (zh) | 2009-10-19 | 2009-10-19 | 工程机械的诊断系统及诊断方法 |
| US13/502,896 US9057174B2 (en) | 2009-10-19 | 2009-10-19 | Diagnosis system and diagnosis method for construction machine |
| JP2011537044A JP5296219B2 (ja) | 2009-10-19 | 2009-10-19 | 建設機械の診断システム及び診断方法 |
| AU2009354283A AU2009354283B2 (en) | 2009-10-19 | 2009-10-19 | Diagnosis system and diagnosis method of construction machine |
| PCT/JP2009/068038 WO2011048661A1 (ja) | 2009-10-19 | 2009-10-19 | 建設機械の診断システム及び診断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/JP2009/068038 WO2011048661A1 (ja) | 2009-10-19 | 2009-10-19 | 建設機械の診断システム及び診断方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| WO2011048661A1 true WO2011048661A1 (ja) | 2011-04-28 |
Family
ID=43899912
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/JP2009/068038 WO2011048661A1 (ja) | 2009-10-19 | 2009-10-19 | 建設機械の診断システム及び診断方法 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US9057174B2 (ja) |
| EP (1) | EP2492660A4 (ja) |
| JP (1) | JP5296219B2 (ja) |
| CN (1) | CN102575973B (ja) |
| AU (1) | AU2009354283B2 (ja) |
| WO (1) | WO2011048661A1 (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160058536A (ko) * | 2014-11-17 | 2016-05-25 | 두산인프라코어 주식회사 | 시야성 가상 검증 방법 |
| JP6567229B1 (ja) * | 2018-03-30 | 2019-08-28 | 三菱電機株式会社 | 学習処理装置、データ分析装置、分析手法選択方法、及び分析手法選択プログラム |
| JP2019195377A (ja) * | 2018-05-07 | 2019-11-14 | オムロン株式会社 | データ処理装置、モニタリングシステム、覚醒システム、データ処理方法、及びデータ処理プログラム |
| JP2021067614A (ja) * | 2019-10-25 | 2021-04-30 | 日立建機株式会社 | 故障診断装置及び故障診断方法 |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9569327B2 (en) * | 2012-10-03 | 2017-02-14 | Xerox Corporation | System and method for labeling alert messages from devices for automated management |
| DE102013212505A1 (de) * | 2013-06-27 | 2014-12-31 | Robert Bosch Gmbh | Werkstatt-Diagnosesystem |
| CA3007973C (en) * | 2015-12-08 | 2020-11-03 | Sight Machine, Inc. | System and method for monitoring manufacturing |
| CN106193144A (zh) * | 2016-07-01 | 2016-12-07 | 蔡雄 | 一种具备道路检测功能的装载车 |
| GB201709406D0 (en) | 2017-06-13 | 2017-07-26 | Euro-Cletique S A | Compounds for treating TNBC |
| US11180904B2 (en) | 2018-04-18 | 2021-11-23 | Deere & Company | Excavator control for load delivery |
| US11222202B2 (en) | 2019-01-14 | 2022-01-11 | Deere & Company | Targeted testing and machine-learning systems for detecting and identifying machine behavior |
| CN112924205B (zh) * | 2021-01-27 | 2023-10-13 | 上海三一重机股份有限公司 | 作业机械故障诊断方法、装置、作业机械和电子设备 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0526782A (ja) * | 1991-07-23 | 1993-02-02 | Toyo Umpanki Co Ltd | 電気−機械系装置の診断装置 |
| JPH07271589A (ja) * | 1994-03-29 | 1995-10-20 | Fuji Heavy Ind Ltd | 故障診断装置 |
| JPH08164827A (ja) * | 1994-12-13 | 1996-06-25 | Nissan Motor Co Ltd | 車両故障診断装置 |
| JPH10232874A (ja) | 1997-02-19 | 1998-09-02 | Hitachi Ltd | 情報処理ノウハウ共有方法 |
| JPH10275168A (ja) | 1997-03-31 | 1998-10-13 | Hitachi Ltd | 設計支援方法および設計支援システム |
| JP2001202125A (ja) * | 2000-01-20 | 2001-07-27 | Snap On Tools Corp | 装置作動状態のダイナミック診断システム |
| JP2001317403A (ja) * | 2000-05-01 | 2001-11-16 | Toyota Motor Corp | 異常診断システム及び異常診断データ記憶方法 |
| JP2002342508A (ja) * | 2001-05-17 | 2002-11-29 | Nec Fielding Ltd | 自動車の故障検出と修理依頼システムおよび方法 |
| JP2003178148A (ja) * | 2001-12-12 | 2003-06-27 | Komatsu Ltd | 機械の保守点検システム、その保守点検方法およびその保守点検プログラム |
| JP2004299473A (ja) * | 2003-03-28 | 2004-10-28 | Mazda Motor Corp | 遠隔故障診断システム及びその制御方法、並びに車両 |
| JP2008001233A (ja) * | 2006-06-22 | 2008-01-10 | Mazda Motor Corp | 遠隔故障診断システム |
| JP2009146059A (ja) * | 2007-12-12 | 2009-07-02 | Autonetworks Technologies Ltd | 診断項目の設定方法、故障診断装置、プログラム及び記録媒体 |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08189846A (ja) * | 1995-01-11 | 1996-07-23 | Yokogawa Electric Corp | プラント診断システム |
| JPH08221117A (ja) * | 1995-02-09 | 1996-08-30 | Mitsubishi Electric Corp | 異常診断支援用解析装置 |
| US7444216B2 (en) * | 2005-01-14 | 2008-10-28 | Mobile Productivity, Inc. | User interface for display of task specific information |
| US7882394B2 (en) * | 2005-07-11 | 2011-02-01 | Brooks Automation, Inc. | Intelligent condition-monitoring and fault diagnostic system for predictive maintenance |
| KR101044740B1 (ko) * | 2006-01-12 | 2011-06-28 | 히다치 겡키 가부시키 가이샤 | 건설기계의 점검 이력 정보 관리시스템 |
| CN101438251A (zh) * | 2006-05-07 | 2009-05-20 | 应用材料股份有限公司 | 调适多变量错误检测 |
| US8423226B2 (en) * | 2006-06-14 | 2013-04-16 | Service Solutions U.S. Llc | Dynamic decision sequencing method and apparatus for optimizing a diagnostic test plan |
| JP2008097363A (ja) * | 2006-10-12 | 2008-04-24 | Okuma Corp | 異常診断方法及びその装置 |
| KR20090049492A (ko) | 2007-11-13 | 2009-05-18 | 유빅테크주식회사 | 차량 고장진단기기 |
| CA2613491C (en) * | 2007-12-04 | 2015-03-24 | Clark Equipment Company | Power machine diagnostic system and method |
| US8185290B2 (en) * | 2008-03-07 | 2012-05-22 | Caterpillar Inc. | Data acquisition system indexed by cycle segmentation |
-
2009
- 2009-10-19 AU AU2009354283A patent/AU2009354283B2/en active Active
- 2009-10-19 EP EP09850559.7A patent/EP2492660A4/en not_active Withdrawn
- 2009-10-19 US US13/502,896 patent/US9057174B2/en active Active
- 2009-10-19 CN CN200980161988.7A patent/CN102575973B/zh active Active
- 2009-10-19 WO PCT/JP2009/068038 patent/WO2011048661A1/ja active Application Filing
- 2009-10-19 JP JP2011537044A patent/JP5296219B2/ja not_active Expired - Fee Related
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0526782A (ja) * | 1991-07-23 | 1993-02-02 | Toyo Umpanki Co Ltd | 電気−機械系装置の診断装置 |
| JPH07271589A (ja) * | 1994-03-29 | 1995-10-20 | Fuji Heavy Ind Ltd | 故障診断装置 |
| JPH08164827A (ja) * | 1994-12-13 | 1996-06-25 | Nissan Motor Co Ltd | 車両故障診断装置 |
| JPH10232874A (ja) | 1997-02-19 | 1998-09-02 | Hitachi Ltd | 情報処理ノウハウ共有方法 |
| JPH10275168A (ja) | 1997-03-31 | 1998-10-13 | Hitachi Ltd | 設計支援方法および設計支援システム |
| JP2001202125A (ja) * | 2000-01-20 | 2001-07-27 | Snap On Tools Corp | 装置作動状態のダイナミック診断システム |
| JP2001317403A (ja) * | 2000-05-01 | 2001-11-16 | Toyota Motor Corp | 異常診断システム及び異常診断データ記憶方法 |
| JP2002342508A (ja) * | 2001-05-17 | 2002-11-29 | Nec Fielding Ltd | 自動車の故障検出と修理依頼システムおよび方法 |
| JP2003178148A (ja) * | 2001-12-12 | 2003-06-27 | Komatsu Ltd | 機械の保守点検システム、その保守点検方法およびその保守点検プログラム |
| JP2004299473A (ja) * | 2003-03-28 | 2004-10-28 | Mazda Motor Corp | 遠隔故障診断システム及びその制御方法、並びに車両 |
| JP2008001233A (ja) * | 2006-06-22 | 2008-01-10 | Mazda Motor Corp | 遠隔故障診断システム |
| JP2009146059A (ja) * | 2007-12-12 | 2009-07-02 | Autonetworks Technologies Ltd | 診断項目の設定方法、故障診断装置、プログラム及び記録媒体 |
Non-Patent Citations (1)
| Title |
|---|
| See also references of EP2492660A4 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160058536A (ko) * | 2014-11-17 | 2016-05-25 | 두산인프라코어 주식회사 | 시야성 가상 검증 방법 |
| KR102324425B1 (ko) * | 2014-11-17 | 2021-11-11 | 현대두산인프라코어 주식회사 | 시야성 가상 검증 방법 |
| JP6567229B1 (ja) * | 2018-03-30 | 2019-08-28 | 三菱電機株式会社 | 学習処理装置、データ分析装置、分析手法選択方法、及び分析手法選択プログラム |
| WO2019187012A1 (ja) * | 2018-03-30 | 2019-10-03 | 三菱電機株式会社 | 学習処理装置、データ分析装置、分析手法選択方法、及び分析手法選択プログラム |
| US11042786B2 (en) | 2018-03-30 | 2021-06-22 | Mitsubishi Electric Corporation | Learning processing device, data analysis device, analytical procedure selection method, and recording medium |
| JP2019195377A (ja) * | 2018-05-07 | 2019-11-14 | オムロン株式会社 | データ処理装置、モニタリングシステム、覚醒システム、データ処理方法、及びデータ処理プログラム |
| JP7099037B2 (ja) | 2018-05-07 | 2022-07-12 | オムロン株式会社 | データ処理装置、モニタリングシステム、覚醒システム、データ処理方法、及びデータ処理プログラム |
| JP2021067614A (ja) * | 2019-10-25 | 2021-04-30 | 日立建機株式会社 | 故障診断装置及び故障診断方法 |
| JP7217216B2 (ja) | 2019-10-25 | 2023-02-02 | 日立建機株式会社 | 故障診断装置及び故障診断方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| US9057174B2 (en) | 2015-06-16 |
| US20120209570A1 (en) | 2012-08-16 |
| CN102575973B (zh) | 2015-06-24 |
| AU2009354283A1 (en) | 2012-04-19 |
| CN102575973A (zh) | 2012-07-11 |
| EP2492660A1 (en) | 2012-08-29 |
| AU2009354283B2 (en) | 2013-05-30 |
| EP2492660A4 (en) | 2017-02-01 |
| JPWO2011048661A1 (ja) | 2013-03-07 |
| JP5296219B2 (ja) | 2013-09-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2011048661A1 (ja) | 建設機械の診断システム及び診断方法 | |
| EP3106949B1 (en) | Monitoring system and monitoring method | |
| CN102844721B (zh) | 故障原因诊断系统及其方法 | |
| JP6039696B2 (ja) | ショベルの異常判定方法、管理装置、及びショベル | |
| US10496466B2 (en) | Preprocessor of abnormality sign diagnosing device and processing method of the same | |
| JP6112488B2 (ja) | ショベル、ショベル管理装置、及びショベル管理方法 | |
| KR20130065621A (ko) | 주기적 구동계의 이상 검지 장치, 주기적 구동계를 갖는 처리 장치, 주기적 구동계의 이상 검지 방법 및 컴퓨터 프로그램 | |
| CN106575117A (zh) | 作业机械的油特性的诊断系统 | |
| US20160098637A1 (en) | Automated Data Analytics for Work Machines | |
| CN105275043A (zh) | 挖土机支援装置 | |
| CN106662504A (zh) | 旋转机械异常检测装置及其方法以及旋转机 | |
| US11222202B2 (en) | Targeted testing and machine-learning systems for detecting and identifying machine behavior | |
| US10677765B2 (en) | Structural health monitoring of cyclically loaded structures | |
| EP4310620A2 (en) | Hybrid ensemble approach for iot predictive modelling | |
| CN102763047B (zh) | 用于诊断压缩机的方法和系统 | |
| JP5963579B2 (ja) | ショベルの管理装置及びショベルの異常検出方法 | |
| CN109839900A (zh) | 数值控制装置 | |
| JP2019096014A (ja) | 判定装置，判定プログラム，判定方法 | |
| AU2021202999A1 (en) | Fault detection technique for a bearing | |
| JPH10134034A (ja) | 時系列データの識別方法およびその識別装置 | |
| WO2016117453A1 (ja) | 異常診断分析装置 | |
| JP6917805B2 (ja) | データフィルタリング装置および方法 | |
| Tsai et al. | A study of function-based diagnosis strategy and testability analysis for a system | |
| JP5810877B2 (ja) | 異常診断システム及び異常診断方法 | |
| US20200143004A1 (en) | Visualization of machine structure damage from machine sensor data using machine learning |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| WWE | Wipo information: entry into national phase |
Ref document number: 200980161988.7 Country of ref document: CN |
|
| 121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 09850559 Country of ref document: EP Kind code of ref document: A1 |
|
| WWE | Wipo information: entry into national phase |
Ref document number: 2011537044 Country of ref document: JP |
|
| WWE | Wipo information: entry into national phase |
Ref document number: 2009354283 Country of ref document: AU |
|
| WWE | Wipo information: entry into national phase |
Ref document number: 2009850559 Country of ref document: EP |
|
| ENP | Entry into the national phase |
Ref document number: 2009354283 Country of ref document: AU Date of ref document: 20091019 Kind code of ref document: A |
|
| WWE | Wipo information: entry into national phase |
Ref document number: 13502896 Country of ref document: US |