WO2015037113A1 - 異常診断方法、及びその装置 - Google Patents

異常診断方法、及びその装置 Download PDF

Info

Publication number
WO2015037113A1
WO2015037113A1 PCT/JP2013/074789 JP2013074789W WO2015037113A1 WO 2015037113 A1 WO2015037113 A1 WO 2015037113A1 JP 2013074789 W JP2013074789 W JP 2013074789W WO 2015037113 A1 WO2015037113 A1 WO 2015037113A1
Authority
WO
WIPO (PCT)
Prior art keywords
sensor data
machine
data
abnormality
abnormality diagnosis
Prior art date
Application number
PCT/JP2013/074789
Other languages
English (en)
French (fr)
Inventor
内田　貴之
鈴木　英明
藤原　淳輔
智昭 蛭田
鵜沼　宗利
Original Assignee
株式会社日立製作所
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 株式会社日立製作所 filed Critical 株式会社日立製作所
Priority to US14/914,381 priority Critical patent/US10073447B2/en
Priority to JP2015536378A priority patent/JP6051311B2/ja
Priority to PCT/JP2013/074789 priority patent/WO2015037113A1/ja
Publication of WO2015037113A1 publication Critical patent/WO2015037113A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283—Predictive 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]
    • 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
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0264—Control of logging system, e.g. decision on which data to store; time-stamping measurements
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0297—Reconfiguration of monitoring system, e.g. use of virtual sensors; change monitoring method as a response to monitoring results
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0841—Registering performance data
    • G07C5/085—Registering performance data using electronic data carriers
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/26—Pc applications
    • G05B2219/2616—Earth moving, work machine

Definitions

  • the present invention relates to an abnormality diagnosis method and apparatus for collecting abnormality information from a sensor attached to each part of the machine and performing abnormality diagnosis in order to detect the abnormality of the machine and analyze the cause.
  • machine maintenance work In order for machines such as gas engines, elevators, mining and construction machinery to always operate, machine maintenance work is essential.
  • One of the effective technologies for maintenance work is to collect sensor data from sensors attached to each part of the machine, and perform sensor abnormality diagnosis from the collected sensor data as sensor data. If there is an abnormality, analyze the cause. There is technology to do.
  • FIG. 1 shows an example in which engine coolant temperature and engine load factor are collected from a machine as a set with measurement time.
  • data is temporarily stored in the storage device mounted on the machine, and the communication status with the data center is good Untransmitted sensor data is sent together. If the transmitted sensor data is deleted from the storage device of the machine, the capacity of the storage device can be saved.
  • Patent Document 1 discloses an invention in which a warning is transmitted to a data center when the remaining capacity of a storage device mounted on a machine becomes a threshold value or less.
  • the present invention provides an abnormality diagnosis method and apparatus for judging whether or not the amount of sensor data necessary for cause analysis of a machine having an abnormality can be collected and instructing whether or not the storage device of the machine should be replaced. For the purpose.
  • abnormality diagnosis means for diagnosing abnormality from sensor data measured by sensors attached to each part of the machine, and storage for storing the sensor data if there is an abnormality Means, data collection means for abnormality diagnosis to transmit data for abnormality diagnosis to the data center using communication, and storage of the machine when the communication state is not good and all untransmitted sensor data cannot be transmitted to the data center.
  • Means for predicting a capacity deficiency date when the remaining capacity of the apparatus is insufficient is provided.
  • the present invention is characterized in that in the abnormality diagnosis device, means for predicting a data collection completion date for completing the collection of the sensor data amount necessary for the cause analysis from the data amount transmitted to the data center is provided. It is.
  • the prediction result of the storage device capacity deficiency date and the data collection completion date is compared to determine whether or not the capacity is deficient before the data necessary for the cause analysis is collected. It is characterized by this.
  • the abnormality diagnosis method of the present invention diagnosing an abnormality from sensor data measured by sensors attached to each part of the machine, storing the sensor data if there is an abnormality, Sending data for abnormality diagnosis to the data center using communication, lack of capacity that the remaining capacity of the storage device of the machine is insufficient when the communication status is not good and all untransmitted sensor data cannot be sent to the data center It is characterized by predicting the day.
  • the present invention is characterized in that, in the abnormality diagnosis method, a data collection completion date for completing the collection of the sensor data amount necessary for the cause analysis is predicted from the data amount transmitted to the data center.
  • the prediction result of the storage device capacity deficiency date and the data collection completion date is compared to determine whether or not the capacity is deficient before the data necessary for the cause analysis is collected. It is characterized by this.
  • the abnormality diagnosis method and apparatus predict whether or not the amount of sensor data required for the cause analysis can be recovered before the storage capacity of the storage device for storing the sensor data of the machine is insufficient. In this case, by notifying the outside of an instruction to replace the storage device, it is possible to detect an abnormality of the machine and perform the cause analysis reliably.
  • It is drawing explaining collecting sensor data from a machine 1 is an overall configuration diagram of a system according to an embodiment. It is an internal data block diagram of the database of the system of an Example. It is an internal data block diagram of the database of the system of an Example. It is drawing explaining the principle of invention. It is a flowchart of an Example. It is a flowchart of an Example. It is a flowchart of an Example. It is a flowchart of an Example. It is a flowchart of an Example. It is a flowchart of an Example. It is a flowchart of an Example. It is an example of a screen displayed in the embodiment It is an internal data block diagram of the database of the system of an Example. It is an internal data block diagram of the database of the system of an Example. It is an internal data block diagram of the database of the system of an Example. It is a flowchart of an Example. It is an example of a screen displayed in the embodiment It is an example of a screen displayed in the embodiment.
  • FIG. 2 shows the overall configuration using the computer system of the present invention.
  • 3 and 4 are diagrams illustrating a table structure on the database and the temporary storage unit
  • FIG. 5 is a diagram for explaining a prediction method for a date when the storage capacity of the sensor data storage is insufficient.
  • 6, 7, 8, and 9 show the processing flow
  • FIG. 10 shows a screen that instructs the data center user to replace the sensor data storage memory of the machine.
  • FIG. 11 shows a table structure of sensor data stored in the sensor data storage memory.
  • the machine 2000 is a machine to be maintained, for example, a truck or loader for a construction machine, a lift or the like for an industrial machine, and the like.
  • the machine-side equipment 2100 is equipment installed on the machine or installed near the site where the machine operates, and data communication with the machine can always be performed at high speed.
  • the machine side equipment 2100 includes at least a configuration described below.
  • the sensor data storage memory 2110 is a memory for storing sensor data of the machine 2000 diagnosed as abnormal.
  • the internal table structure is a set of sensor values such as a sensor measurement time 2111, an engine coolant temperature 2113, and an engine load factor 2115 as shown in FIG.
  • This memory is preferably a type of memory that can be easily replaced even when the memory is full, such as compact flash or USB memory.
  • the data transmission unit 2120 transmits the sensor data stored in the 2110 and the abnormality type information which is the abnormality diagnosis result stored in the 2140 to the data center 2300.
  • the deficiency prediction unit 2130 predicts the date when the remaining amount of the sensor data storage memory 2110 runs out.
  • the prediction method will be described using the graph of the example of FIG.
  • the horizontal axis represents time, and the vertical axis represents the amount of untransmitted sensor data that has not yet been transmitted to the data center accumulated in the sensor data storage memory 2110.
  • What should be predicted is a prediction deficiency date 5040 in which the sensor data storage memory capacity upper limit 5030 exceeds the untransmitted sensor data amount.
  • FIG. 5 it is assumed that a period 5010 in which communication with the data center is interrupted and a data center connection period 5020 in which communication is established alternately occur in one day in FIG. In the communication interruption period 5010, sensor data measured every moment is stored in the sensor data storage memory 2110, but the sensor data cannot be transmitted to the data center.
  • the amount of sensor data stored in the sensor data storage memory 2110 increases.
  • the sensor data is transmitted to the data center, and the transmitted sensor data is deleted from the sensor data storage memory 2110. Therefore, the amount of sensor data in the storage memory decreases during the communication data center connection period 5020.
  • the increase amount 5050 of sensor data in the storage memory per day increases.
  • the increase L per day is obtained by measuring the remaining amount of the sensor data storage memory 2110 every day and calculating how much the remaining amount has decreased from yesterday.
  • the number of days until the memory is depleted can be calculated, so the predicted deficiency date 5040 is obtained.
  • the average value La of L may be used instead of L. In order to calculate the average value La, for example, an average value for each week or a moving average may be used.
  • the temporary storage unit 2140 is configured by a RAM memory or the like.
  • the abnormality type 2141 in FIG. 4, the total sensor data transmission amount 2143 per day, the memory deficiency date information 2145 predicted by the deficiency date prediction unit 2130, and the sensor data storage memory 2110 The memory remaining amount 2146 and the memory increase amount 2147 per day are temporarily stored.
  • the abnormality diagnosis unit 2150 performs an abnormality diagnosis from the sensor data measured by the sensors of each part of the machine 2000 using a data mining technique.
  • the machine abnormality diagnosis is performed by judging whether the value of the sensor data is within the abnormal range by the data mining technology.
  • the abnormal range varies depending on the type of abnormality, and the type of abnormality can be determined based on which abnormal range is entered.
  • sensor data diagnosed as any abnormality is stored in the sensor data storage memory 2110.
  • the communication line 2200 is a communication facility for transmitting data from the machine side facility to the data center side, and is composed of facilities such as an Internet line and a telephone line.
  • the present invention solves the problem caused by a decrease in 2200 communication speed.
  • the data center 2300 determines whether the remaining amount of sensor data storage memory on the machine side is insufficient before collecting sensor data necessary for cause analysis, and if not, instructs the user to replace the memory.
  • the data center 2300 includes parts 2310 to 2370 described below.
  • the sensor database 2310 is a database that stores abnormal sensor data transmitted by the machine. As shown in FIG. 12, the table structure inside the sensor database 2310 stores the measurement time 2312 for each machine and the values of the sensors such as the engine coolant temperature 2313 and the engine load factor 2315 for each machine. Sensor data necessary for performing cause diagnosis using the machine ID as a search key can be acquired.
  • the cause analysis database 2320 is a database in which the amount of data necessary to analyze the cause of abnormality from sensor data determined to be abnormal is stored.
  • FIG. 3 shows the table structure of the cause analysis database 2320.
  • the sensor type 2315 necessary for cause analysis and the data amount 2327 necessary for cause analysis are stored by using the abnormality type 2321 as a result of the abnormality diagnosis as a search key.
  • the data reception unit 2330 receives from the data transmission unit 2120 on the machine side the type of abnormality that has occurred in the machine, abnormal sensor data, and the memory deficiency prediction date predicted by the deficiency prediction unit 2130.
  • the sensor data collection completion date prediction unit 2340 receives the type of abnormality and the amount of abnormal sensor data from the data reception unit 2330, predicts the time required to collect the amount of sensor data necessary for cause analysis, and calculates the sensor data collection completion date. To do.
  • the memory replacement determination unit 2350 determines whether the sensor data collection completion date predicted by the sensor data collection completion date prediction unit 2340 comes before the memory shortage date predicted by the shortage date prediction 2130. If there is no collection completion date before the memory shortage date, an instruction to replace the memory of the machine is displayed on the display unit 2360.
  • Display unit 2360 is a presentation device configured with a liquid crystal display or the like, and presents an instruction to replace the memory of the machine and an analysis result of cause analysis 2370 to the user of the data center.
  • Cause analysis 2370 reads out sensor data from the sensor database 2310 according to a user instruction of the data center 2300 and analyzes the cause of the abnormality of the machine.
  • the cause analysis uses a technique such as a binary tree based on data mining technology to determine the part or operation of the machine 2000 that causes the abnormality from the relationship between the machine part or operation and the type / value of the abnormal sensor. Since a certain amount of data is necessary to make a highly accurate determination, if the sensor database does not have the necessary sensor data amount defined in the cause analysis database 2320, cause analysis is not performed.
  • the center-side temporary storage unit 2380 is a storage device configured by a RAM memory or the like installed on the center side. As shown in FIG. 13, the abnormal type 2381, the sensor data transmission amount 2383 for one day, and the memory shortage date 2385 are stored.
  • Step 6010 in FIG. 6 performs an abnormality diagnosis from sensor data measured by sensors in each part of the machine 2100.
  • the machine abnormality diagnosis is performed by judging whether the value of the sensor data is within the abnormal range by the data mining technology.
  • the abnormal range varies depending on the type of abnormality, and the type of abnormality can be determined based on which abnormal range the sensor data value has entered. If the presence / absence and type of abnormality can be determined, the process proceeds to S6020.
  • S6020 if it is diagnosed that there is an abnormality in S6010, return to S6025, otherwise return to S6010 and continue the abnormality diagnosis.
  • the abnormality type as the diagnosis result in S6010 is stored in the abnormality type 2141 in FIG.
  • the sensor data diagnosed as abnormal is stored in the sensor data storage memory 2110 as a set with the measurement time as in the table structure of FIG.
  • the data transmission unit 2120 confirms whether data can be transmitted to the data center 2300 by communication. If the data can be transmitted, the process proceeds to S6040. If not, the process returns to S6010 to continue the abnormality diagnosis.
  • S6040 is a subroutine SUB01 for sending the sensor data and the total sensor data transmission amount per day to the data center 2300.
  • the subroutine SUB01 will be described with reference to FIG.
  • the sensor data diagnosed as abnormal in S6010 is sent to the data center 2300.
  • the total value per day of the transmission amount is updated.
  • the sensor data amount already transmitted measured in S7022 is added to the value of the total sensor data total amount 2143 (FIG. 4) per day stored in the temporary storage unit 2140.
  • the total value of the total sensor data amount 2143 per day in FIG. 4 is 1000 kByte and the sensor data amount measured in S7022 is 10 kByte
  • the total value is 1010 kByte. This total value is overwritten on the total sensor data total amount 2143 per day in FIG. Since the total sensor data total amount 2143 per day is reset to 0 every day, it becomes the total value of the sensor data transmission amount for the current day at the end of the day.
  • the data center 2300 receives the sensor data by the data receiving unit 2330 and stores it in the sensor database 2310. In S7030, the transmitted sensor data is deleted from the sensor data storage memory 2110.
  • S7060 in order to notify the data center of the total amount of sensor data transmission for today, it is determined whether one day has passed since the previous notification. Whether one day has passed is determined using the internal clock of the machine 2000. If one day has passed, the flow shifts to S7070. Otherwise, this subroutine SUB01 is terminated and the routine goes to S6050 in FIG.
  • S7070 the total data transmission amount for today is notified to the data center using the data transmission unit 2120.
  • the total sensor data transmission amount for today is read from 2143 in FIG. 4 overwritten in S7024.
  • step S7080 the total amount of sensor data transmitted for today is transmitted to the data center.
  • the transmitted total transmission value is stored in the sensor data transmission total 2383 for one day in FIG. 13 in the center side temporary storage unit 2380.
  • the value of total sensor data total amount 2143 per day in temporary storage unit 2140 is reset to zero. By resetting to 0, the total sensor data transmission amount for one day of the next day can be calculated.
  • step S7080 the process proceeds to step S6050 in FIG.
  • S6050 is a subroutine SUB02 for predicting the deficiency date of the sensor data storage memory 2110 every day. This will be described with reference to FIG.
  • step S8020 the remaining amount of the current sensor data storage memory 2110 is measured.
  • the difference between the latest memory remaining amount and the previous memory remaining amount measured one day ago is calculated, and the memory increase amount L is calculated.
  • the memory remaining amount measured one day ago is read from the memory remaining amount 2146 (FIG. 4) of the temporary storage unit 2140, and a memory increase amount L which is a difference from the latest remaining amount is calculated.
  • the memory increase amount 2147 is overwritten with L of the calculation result, and the remaining memory capacity 2146 is also overwritten with the latest remaining memory capacity.
  • the memory shortage date is obtained by adding the current day to the number of days until the memory shortage date, and the information on the day is stored in the memory shortage date 2145 (FIG. 4) of the temporary storage unit 2140.
  • this subroutine SUB02 is completed and the process proceeds to S6060.
  • S6060 transmits the abnormality type stored in the temporary storage unit 2140 in S6025 and the memory shortage date predicted in S6050 to the data center.
  • the abnormality type is read from 2141 in FIG. 4 and the memory shortage date is read from 2145 and transmitted.
  • the abnormality type and the memory shortage date received by the data receiving unit 2330 are stored in the sensor data transmission amount 2383 for one day and the memory shortage date 2385 of the center side temporary storage unit 2380 in FIG.
  • S6070 is a subroutine SUB03 for predicting the sensor data collection completion date from the transmitted abnormality type.
  • the abnormal type is read out from the total sensor data transmission amount 2383 for one day in the center-side temporary storage unit 2380 (FIG. 13).
  • the abnormality type 2321 (FIG. 3) in the cause analysis database 2320 is searched using the abnormality type as a search key. As a search result, a sensor type 2325 and a sensor data amount 2327 necessary for cause analysis are acquired.
  • the number of days required to collect the data amount 2327 of each sensor necessary for cause analysis is calculated.
  • the total number of sensors for the acquired sensor data amount 2327 is divided by “total data transmission amount for one day” to obtain the number of days required for data collection.
  • the “total data transmission amount for one day” is stored in the center-side temporary storage unit 2380 in S6040.
  • the “total data transmission amount for one day” is read from the total sensor data transmission amount 2383 for one day in FIG. 13 in the center-side temporary storage unit 2380, and the number of days D for collecting the data amount 2327 for each sensor is calculated.
  • the sensor data collection completion date is calculated by adding the collection days D to the current day. After the calculation, this subroutine SUB03 is terminated, and the sensor data collection completion date is returned to S6080.
  • the received sensor data collection date is compared with the memory deficiency date, and it is determined whether the memory is insufficient by the sensor data collection date.
  • the memory shortage date may be read from the memory shortage date 2385 of FIG. 13 stored in the center side temporary storage unit 2380.
  • the process returns to S6090, and if not, the process returns to the first S6010 to continue the abnormality diagnosis.
  • S6090 displays the instruction to replace the sensor data storage memory 2110 to the user of the data center 2300 on the display unit 2360 because the remaining amount of the sensor data storage memory is insufficient before collecting the sensor data necessary for the cause analysis. After S6090, this flowchart is completed.
  • This processing flow is a processing flow executed when a user requests cause analysis at an arbitrary timing. If the amount of sensor data required for the cause analysis has been collected, the cause analysis is executed. If not, an error screen is displayed.
  • the 14 searches the cause analysis database using the type of abnormality occurring in the machine 2000 as a search key, and acquires the sensor type 2325 and the data amount 2327 necessary for cause analysis.
  • the type of abnormality serving as a search key is read from the abnormality type 2381 in FIG. 13 in the center-side temporary storage unit 2380.
  • S13020 searches the sensor database 2310 and acquires the sensor data amount M of the sensor necessary for the cause analysis in 2310.
  • step S13030 the value (W) of the sensor data amount 2327 necessary for cause analysis searched in step S13010 is compared with the sensor data amount M acquired in step S13020. If sensor data necessary for the cause analysis already exists, that is, if M ⁇ W, the process proceeds to S13040, and if not, the process proceeds to an error screen display in S13050.
  • S13050 displays a message to that effect on the display unit 2360 as shown in FIG. 16 because the amount of sensor data is insufficient to perform cause analysis. Then, this flowchart is ended.
  • S13040 performs cause analysis because there is a sensor data amount necessary for cause analysis.
  • the sensor data is read from the sensor database 2310 and the cause of the machine abnormality is analyzed.
  • the cause analysis uses a technique such as a binary tree based on data mining technology to determine the part or operation of the machine 2000 that causes the abnormality from the relationship between the machine part or operation and the type / value of the abnormal sensor.
  • step S13060 as a result of the cause analysis, an abnormality name occurring in the machine and a part name that is a candidate for the cause are displayed on the operation display unit 2360 as shown in FIG. After displaying this result, this flowchart is ended.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Mining & Mineral Resources (AREA)
  • Civil Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Structural Engineering (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

　産業機械の異常診断では、異常と診断された機械のセンサデータを原因分析のため管理センタに送る必要がある。しかし遠隔地で稼働する機械と管理センタが常に通信できるとは限らないため、送りきれなかったセンサデータが機械のメモリに残り、メモリの記憶容量が足りなくなることがあった。そこで機械の原因分析に必要な量のセンサデータを送り終わる前に機械のメモリが足りなくなるか否かを判断し、メモリ回収する指示を保守員に提示する機械の原因分析に必要な量のセンサデータを送り終わる前に機械のメモリが足りなくなるか否かを以下のように判断する。 １．機械側で発生したセンサデータを記憶するメモリが足りなくなる欠乏日を予測し、機械の管理センタに予測欠乏日を送る ２．管理センタでは原因分析に必要なセンサデータ量とセンサデータの受信量から原因分析に必要なデータ回収にかかる日数を算出して、予測された前記 欠乏日までに回収できるか判断する

Description

異常診断方法、及びその装置
　本発明は機械の異常を検知しその原因分析を行うため、機械の各部に取り付けられたセンサから機械の情報を収集し異常診断を行う異常診断方法、及びその装置に関する。
　ガスエンジンやエレベータ、採掘・建築機械といった機械を常に動作させるためには、機械の保守作業が必須である。保守作業で有効な技術の１つに機械の各部に取り付けられたセンサからセンサデータを収集しセンサデータとして、収集したセンサデータから機械の異常診断を行い、異常があった場合はその原因分析を行う技術がある。
　該技術を実施するためには、機械のセンサデータを異常診断し、異常が有ればデータセンタにセンサデータを通信などで収集し原因分析を行う。図１は機械からエンジン冷却水温度とエンジンの負荷率を計測時刻とセットで収集している例である。　通信がしばしば途切れる、あるいは通信速度が低下してしまう現場で稼働している機械の場合、機械に搭載された記憶装置にデータを一時的に記憶しておき、データセンタとの通信状態が良好時に未送信のセンサデータをまとめて送信する。送信済みのセンサデータは機械の記憶装置から消去すれば記憶装置の容量も節約できる。
　しかしながら、通信速度の低下が長時間続いてしまうとデータセンタへ送信できる量が減るため、機械に搭載された記憶装置からセンサデータを消去できず、容量が欠乏する問題が発生する。
　かかる問題を解決するデータ収集方法として、例えば〔特許文献１〕では機械に搭載された記憶装置の残容量が閾値以下になった場合にデータセンタに警告を送信するという発明が発表されている。
特開平4-34620号公報
の手法では、機械の記憶装置の残容量が閾値以下になったことは分かるが、その結果、何をすべきなのかといった指示が示されない。
　本発明では異常が有った機械の原因分析に必要な量のセンサデータが収集できるかどうかを判断し、機械の記憶装置を交換すべきかどうかを指示する異常診断方法、及びその装置を提供することを目的とする。
　上記課題を解決するために、本発明の異常診断装置では、機械各部に取り付けられたセンサで計測したセンサデータから異常を診断する異常診断手段と、異常が有ればそのセンサデータを記憶する記憶手段と、通信を用いてデータセンタに異常診断用データを送信する異常診断用データ収集手段と、通信状態が良好でなく、未送信のセンサデータの全てをデータセンタに送信できない時に、機械の記憶装置の残容量が足りなくなる容量欠乏日を予測する手段を備えたことを特徴とするものである。
　更に、本発明は異常診断装置において、前記データセンタに送信できたデータ量から、原因分析に必要なセンサデータ量を回収完了するデータ回収完了日を予測する手段を備えたことを特徴とするものである。
　更に、本発明は異常診断装置において、記憶装置の容量欠乏日とデータ回収完了日の予測結果を比較して、原因分析に必要なデータが回収完了する前に容量が欠乏するかどうかを判断することを特徴とするものである。
　また、上記課題を解決するために、本発明の異常診断方法では、機械各部に取り付けられたセンサで計測したセンサデータから異常を診断すること、異常が有ればそのセンサデータを記憶すること、通信を用いてデータセンタに異常診断用データを送信すること、通信状態が良好でなく、未送信のセンサデータの全てをデータセンタに送信できない時に、機械の記憶装置の残容量が足りなくなる容量欠乏日を予測することを特徴とするものである。
　更に、本発明は異常診断方法において、前記データセンタに送信できたデータ量から、原因分析に必要なセンサデータ量を回収完了するデータ回収完了日を予測することを特徴とするものである。
　更に、本発明は異常診断方法において、記憶装置の容量欠乏日とデータ回収完了日の予測結果を比較して、原因分析に必要なデータが回収完了する前に容量が欠乏するかどうかを判断することを特徴とするものである。
本発明における異常診断用方法、及びその装置では、機械のセンサデータを記憶する記憶装置の残量が欠乏する前に、原因分析に必要な量のセンサデータが回収できるかどうか予測し、回収できない場合に記憶装置を交換する指示を外部に通知することで、機械の異常を検知しその原因分析を確実に実行できる。
機械からセンサデータを収集することを説明する図面である 実施例のシステムの全体構成図である 実施例のシステムのデータベースの内部データ構成図である 実施例のシステムのデータベースの内部データ構成図である 発明の原理を説明する図面である 実施例のフローチャートである 実施例のフローチャートである 実施例のフローチャートである 実施例のフローチャートである 実施例で表示する画面例である 実施例のシステムのデータベースの内部データ構成図である 実施例のシステムのデータベースの内部データ構成図である 実施例のシステムのデータベースの内部データ構成図である 実施例のフローチャートである 実施例で表示する画面例である 実施例で表示する画面例である
　以下、本発明の実施例を図面を用いて説明する。
　図２は本発明のコンピュータシステムを用いた全体構成を示している。図３・図４はデータベースと一時記憶部上のテーブル構造を、図５はセンサデータの記憶メモリの容量が足りなくなる日の予測方法について説明する図面である。図６・図７・図８・図９は処理フローを、図１０はデータセンタのユーザに機械のセンサデータ記憶メモリの交換を指示する画面を示している。
図１１はセンサデータ記憶メモリで記憶するセンサデータのテーブル構造を示している。
　図２の本発明の実施例を示した全体構成において、機械２０００は保守の対象とする機械であり、例えば建設機械ならトラックやローダ、産業機械なら昇降機などが該当する。
　機械側設備２１００は機械に搭載された、あるいは機械が稼働する現場近傍に設置された設備であり、機械とのデータ通信は常に高速に行う事が出来る。機械側設備２１００は以下に説明する構成を少なくとも含む。
　センサデータ記憶メモリ２１１０は異常と診断された機械２０００のセンサデータを記憶するメモリである。内部のテーブル構造は図１１のようにセンサの計測時刻２１１１とエンジン冷却水温度２１１３、エンジン負荷率２１１５のように各センサ値が組の構造になっている。本メモリはコンパクトフラッシュやUSBメモリなど、メモリが一杯になっても容易に交換できる種類のメモリが望ましい。
　データ送信部２１２０は２１１０が記憶するセンサデータや、２１４０が記憶する異常診断結果である異常種類の情報をデータセンタ２３００に送信する。
　欠乏予測部２１３０は、センサデータ記憶メモリ２１１０の残量が無くなる日を予測する。
　図５の実施例のグラフを用いて予測の方法を説明する。横軸が時刻であり、縦軸がセンサデータ記憶メモリ２１１０に溜まっていくデータセンタにまだ送信していない未送信センサデータの量である。予測すべきはセンサデータの記憶メモリ容量上限５０３０を未送信センサデータ量が越えてしまう予測欠乏日５０４０である。予測を行うための想定として図５ではデータセンタとの通信が途絶している期間５０１０と通信が接続できているデータセンタ接続期間５０２０が１日のうちに交互に起きるとする。通信途絶期間５０１０では刻々と計測されるセンサデータをセンサデータ記憶メモリ２１１０に記憶するがデータセンタにはそのセンサデータを送信できない。送信していないセンサデータを２１１０から削除するわけにいかないので、センサデータ記憶メモリ２１１０で記憶するセンサデータ量は増加する。その後のデータセンタ接続期間５０２０ではセンサデータをデータセンタに送信し、送信したセンサデータはセンサデータ記憶メモリ２１１０から削除する。よって通信のデータセンタ接続期間５０２０の間は記憶メモリのセンサデータ量は減少する。しかし通信が接続できている５０２０の時間が短い、あるいは通信速度が低いと１日当たりの記憶メモリのセンサデータの増加量５０５０は増加してしまう。この１日当たりの増加量Ｌは、センサデータ記憶メモリ２１１０の残量を１日毎に計測し、昨日から残量がどれだけ減少したかを計算することで求められる。センサデータ記憶メモリ容量の上限５０３０を増加量Ｌで割り算することで、メモリが欠乏するまでの日数が計算できるので予測欠乏日５０４０が求められる。ただし１日毎の増加量Ｌの値は日ごとに多少変動すると考えられるので、Ｌの代わりにＬの平均値Ｌaを用いてもよい。平均値Ｌaを算出するには例えば１週間ごとの平均値や移動平均を用いるとよい。
　一時記憶部２１４０はＲＡＭメモリなどで構成され、図４の異常種類２１４１、１日当たりのセンサデータ送信量合計２１４３、欠乏日予測部２１３０が予測したメモリ欠乏日の情報２１４５、センサデータ記憶メモリ２１１０のメモリ残量２１４６、１日当たりのメモリ増加量２１４７を一時的に記憶する。
　異常診断部２１５０は刻々と機械２０００各部のセンサで計測されたセンサデータから、データマイニング技術を用いて異常診断を行う。データマイニング技術によりセンサデータの値が異常範囲に入っているか判断することで機械の異常診断を行う。異常範囲は異常の種類によって範囲が異なり、どの異常範囲に入ったかで異常の種類を判別することができる。また、いずれかの異常と診断されたセンサデータはセンサデータ記憶メモリ２１１０に記憶される。
　通信回線２２００は機械側設備からデータセンタ側にデータを送信するための通信設備であり、インターネット回線や電話回線などの設備で構成されている。本発明は２２００の通信速度が低下することによる課題を解決するものである。
　データセンタ２３００は原因分析に必要なセンサデータ回収前に機械側のセンサデータ記憶メモリの残量が足りなくなるか判断し、足りない場合はメモリの交換をユーザに指示する。
　データセンタ２３００は以下で説明する部位２３１０～２３７０で構成される。　センサデータベース２３１０は機械が送信した異常なセンサデータを記憶するデータベースである。センサデータベース２３１０の内部のテーブル構造は図１２のように機械ＩＤ２３１１によって機械ごとに計測時刻２３１２と、エンジン冷却水温度２３１３や、エンジン負荷率２３１５のような各センサの値を記憶している。機械ＩＤを検索キーにして原因診断を行うのに必要なセンサデータが取得できる。
　原因分析用データベース２３２０は異常と判明したセンサデータから異常の原因を分析するのに必要なデータ量が記憶されたデータベースである。
　図３に原因分析用データベース２３２０のテーブル構造を示す。
　異常診断の結果である異常種類２３２１を検索キーに、原因分析に必要なセンサ種類２３１５と原因分析に必要なデータ量２３２７を検索できるように記憶されている。
　データ受信部２３３０は機械側のデータ送信部２１２０から機械で発生した異常の種類や異常なセンサデータ、欠乏予測部２１３０で予測したメモリの欠乏予測日を受信する。
　センサデータ回収完了日予測部２３４０はデータ受信部２３３０から異常の種類や異常なセンサデータ量を受け取り、原因分析に必要な量のセンサデータ回収にかかる時間を予測し、センサデータ回収完了日を算出する。
　メモリ交換判断部２３５０は、欠乏日予測２１３０が予測したメモリ欠乏日までにセンサデータ回収完了日予測部２３４０が予測したセンサデータの回収完了日が来るか判断する。メモリ欠乏日までに回収完了日がこない場合、表示部２３６０に機械のメモリを交換する指示を表示する。
　表示部２３６０は液晶ディスプレイなどで構成された提示装置であり、機械のメモリを交換する指示や原因分析２３７０の分析結果をデータセンタのユーザに提示する。
　原因分析２３７０はデータセンタ２３００のユーザ指示により、センサデータベース２３１０からセンサデータを読み出して機械の異常の原因分析を行う。原因分析はデータマイニング技術による２分木などの手法を用いて、機械部品や操作と異常なセンサの種類・値の関連から異常の原因となる機械２０００の部品や操作を判定する。高精度な判定を行うためには一定以上のデータ量が必要のため、原因分析用データベース２３２０で定義されている必要なセンサデータ量がセンサデータベースに無い場合、原因分析は行わない。
　センタ側一時記憶部２３８０はセンタ側に設置されたＲＡＭメモリなどで構成された記憶装置である。図１３のように異常種類２３８１、１日分のセンサデータ送信量合計２３８３とメモリ欠乏日２３８５を記憶する。
　次に、図６～図９のフローチャートを用いて図２の本発明のシステムで行われる異常診断と異常の原因分析のためにセンサデータ記憶メモリ交換を通知するための処理手続のフローチャートを説明する。
　図６のステップ６０１０(以下、Ｓ６０１０と称す)は機械２１００各部のセンサで計測したセンサデータから異常診断を行う。データマイニング技術によりセンサデータの値が異常範囲に入っているか判断することで機械の異常診断を行う。異常範囲は異常の種類によって範囲が異なり、センサデータの値がどの異常範囲に入ったかで異常の種類を判別することができる。異常の有無と種類が判別できたらＳ６０２０に進む。
　Ｓ６０２０ではＳ６０１０で異常ありと診断されたらＳ６０２５に、そうでないならＳ６０１０に戻って異常診断を続ける。
　Ｓ６０２５ではＳ６０１０の診断結果である異常の種類を一時記憶部２１４０の図４における異常種類２１４１に記憶する。また異常と診断されたセンサデータをセンサデータ記憶メモリ２１１０に図１１のテーブル構造のように計測時刻とセットで記憶する。
　Ｓ６０３０ではデータ送信部２１２０がデータセンタ２３００に通信でデータを送信できるか確認する。データ送信可能ならＳ６０４０に進み、そうでないならＳ６０１０に戻って異常診断を続ける。
　Ｓ６０４０はデータセンタ２３００にセンサデータと１日当たりのセンサデータ送信量合計を送るサブルーチンＳＵＢ０１である。図７でサブルーチンＳＵＢ０１を説明する。
　図７のＳ７０２０ではＳ６０１０で異常と診断されたセンサデータをデータセンタ２３００に送る。
　Ｓ７０２２では送信したセンサデータ量を計測する。
　Ｓ７０２４でその送信量の１日当たりの合計値を更新する。送信量の合計値を求めるには、一時記憶部２１４０に記憶されている１日当たりのセンサデータ合計量合計２１４３（図４）の値にＳ７０２２で計測した送信済みのセンサデータ量を合計する。
　例えば、図４の１日当たりのセンサデータ合計量合計２１４３の値が1000kByteで、Ｓ７０２２で計測したセンサデータ量が10kByteなら合計値は1010kByteである。この合計値を図４の１日当たりのセンサデータ合計量合計２１４３に上書きする。この１日当たりのセンサデータ合計量合計２１４３は１日毎に０にリセットするので、１日の終わりには本日分のセンサデータ送信量の合計値となる。
　Ｓ７０２５でデータセンタ２３００はデータ受信部２３３０でセンサデータを受信し、センサデータベース２３１０に記憶する、
　Ｓ７０３０ではセンサデータ記憶メモリ２１１０から送信済みのセンサデータを削除する。
　Ｓ７０６０では、本日分のセンサデータ送信量合計をデータセンタに通知するため、前回の通知から１日経過したか判別する。１日経過したかの判別は機械２０００の内部時計を用いて行う。１日経過していたらＳ７０７０に移る。そうでなければ本サブルーチンＳＵＢ０１を終了し図６のＳ６０５０に移る。
　Ｓ７０７０では本日分のセンサデータ送信量合計をデータセンタにデータ送信部２１２０を用いて通知する。本日分のセンサデータ送信量合計はＳ７０２４で上書きした図４の２１４３から読みだす。
　Ｓ７０８０では本日分のセンサデータ送信量合計をデータセンタに送信する。送信した送信量合計の値はセンタ側一時記憶部２３８０の図１３の１日分のセンサデータ送信量合計２３８３に記憶する。送信後、一時記憶部２１４０の１日当たりのセンサデータ合計量合計２１４３の値を０にリセットする。０にリセットすることで次の日の１日分のセンサデータ送信量合計を計算できるようになる。Ｓ７０８０終了後図６のＳ６０５０に移る。
　Ｓ６０５０はセンサデータ記憶メモリ２１１０の欠乏日を１日毎に予測するサブルーチンＳＵＢ０２である。図８を用いて説明する。
　図８のＳ８０１０では欠乏日を１日毎に予測するため、前回の欠乏日を予測してから１日経過しているか確認する。本確認は機械２０００の内部時計を用いて行う。
もし１日経過していなければ本サブルーチンを終了してＳ６０６０に進む。１日経過していたらＳ８０２０に進む。
　Ｓ８０２０では現在のセンサデータ記憶メモリ２１１０の残量を計測する。
　Ｓ８０３０で、その最新のメモリ残量と１日前に測定した前回のメモリ残量の差分を計算し、メモリ増加量Ｌを算出する。１日前に測定したメモリ残量を一時記憶部２１４０のメモリ残量２１４６（図４）から読み出し、最新の残量との差分であるメモリ増加量Ｌを計算する。計算後、メモリ増加量２１４７を計算結果のＬで上書きし、メモリ残量２１４６も最新のメモリ残量で上書きする。
　Ｓ８０５０では最新のメモリ残量をメモリ増加量Ｌで割り算し、その結果をメモリの欠乏日までの日数と予測する。
　Ｓ８０６０で、メモリ欠乏日までの日数に現在日を足し算することでメモリ欠乏日を求め、一時記憶部２１４０のメモリ欠乏日２１４５（図４）にその日の情報を記憶する。
Ｓ８０６０終了後は本サブルーチンＳＵＢ０２を完了しＳ６０６０に進む。
　Ｓ６０６０はＳ６０２５で一時記憶部２１４０に記憶した異常種類とＳ６０５０で予測したメモリ欠乏日をデータセンタに送信する。異常種類は図４の２１４１から、メモリ欠乏日は２１４５から読み出して送信する。データ受信部２３３０で受信した異常種類とメモリ欠乏日はセンタ側一時記憶部２３８０の図１３の１日分のセンサデータ送信量合計２３８３とメモリ欠乏日２３８５に記憶する。
　Ｓ６０７０は、送信された異常種類からセンサデータ回収完了日を予測するサブルーチンＳＵＢ０３である。
　図９を用いてサブルーチンＳＵＢ０３の処理を説明する。
　Ｓ９０１０ではセンタ側一時記憶部２３８０の１日分のセンサデータ送信量合計２３８３（図１３）から異常種類を読み出す。異常種類を検索キーに原因分析用データベース２３２０の異常種類２３２１（図３）を検索する。検索結果として原因分析に必要なセンサ種類２３２５とセンサデータ量２３２７を取得する。
　Ｓ９０２０では、原因分析に必要な各センサのデータ量２３２７を回収するのにかかる日数を計算する。取得したセンサデータ量２３２７の全センサ分の合計値を「１日分のデータ送信量合計」で割り算することでデータ回収に必要な日数を求める。「１日分のデータ送信量合計」はＳ６０４０でセンタ側一時記憶部２３８０に記憶している。センタ側一時記憶部２３８０中の図１３の１日分のセンサデータ送信量合計２３８３から「１日分のデータ送信量合計」を読み出して、各センサのデータ量２３２７の回収日数Ｄを計算する。
　　Ｓ９０３０では現在日に回収日数Ｄを足し算することでセンサデータ回収完了日を算出する。算出後本サブルーチンＳＵＢ０３を終了し、センサデータ回収完了日をＳ６０８０に返す。
　Ｓ６０８０では受け取ったセンサデータ回収日とメモリ欠乏日の日付を比較し、センサデータの回収日までにメモリが欠乏してしまうか判断する。メモリ欠乏日はセンタ側一時記憶部２３８０に記憶されている図１３のメモリ欠乏日２３８５から読み出せばよい。
　日付の比較の結果、センサデータの回収完了日の前にメモリ欠乏日が来てしまう場合はＳ６０９０に、そうでないなら最初のＳ６０１０に戻って異常診断を続ける。
　Ｓ６０９０は原因分析に必要なセンサデータ回収前にセンサデータ記憶メモリの残量が欠乏してしまうので、センサデータ記憶メモリ２１１０を交換する指示を表示部２３６０でデータセンタ２３００のユーザに表示する。Ｓ６０９０の後、本フローチャートを完了する。
　次に、図１４を用いてデータセンタでユーザが原因分析を行う処理フローチャートを説明する。図１５、図１６に図１４のフローチャート中で表示する画面を説明する。本処理フローはユーザが任意のタイミングで原因分析を要求する時に実行する処理フローである。原因分析に必要なセンサデータ量が回収できていれば原因分析を実行し、そうでないときはエラー画面を表示する。
　図１４のＳ１３０１０は機械２０００で発生している異常の種類を検索キーに原因分析用データベースを検索し、原因分析に必要な量のセンサ種類２３２５とデータ量２３２７を取得する。検索キーとなる異常の種類はセンタ側一時記憶部２３８０の図１３における異常種類２３８１から読み出す。
　Ｓ１３０２０はセンサデータベース２３１０を検索して、２３１０中の原因分析に必要なセンサのセンサデータ量Ｍを取得する。
　Ｓ１３０３０はＳ１３０１０で検索した原因分析に必要なセンサデータ量２３２７の値（Ｗとする）と、Ｓ１３０２０で取得したセンサデータ量Ｍを比較する。
原因分析に必要なセンサデータが既にある、つまりＭ≧ＷならＳ１３０４０に進み、そうでないならＳ１３０５０のエラー画面表示に進む。
　Ｓ１３０５０は原因分析を行うにはセンサデータの量が足りないので、その旨を示すメッセージを表示部２３６０に図１６に示すように表示する。その後本フローチャートを終了する。
　Ｓ１３０４０は原因分析に必要なセンサデータ量があるので、原因分析を行う。センサデータベース２３１０からセンサデータを読み出して機械の異常の原因分析を行う。原因分析はデータマイニング技術による２分木などの手法を用いて、機械部品や操作と異常なセンサの種類・値の関連から異常の原因となる機械２０００の部品や操作を判定する。
　Ｓ１３０６０は原因分析の結果として図１５のように機械に起きている異常名とその原因の候補となる部品名を操作表示部２３６０に表示する。本結果を表示後、本フローチャートを終了する。

Claims (6)

  1. 機械各部に取り付けられたセンサで計測したセンサデータから異常を診断する異常診断手段と、
    異常が有ればそのセンサデータを記憶する記憶手段と、
    通信を用いてデータセンタに異常診断用データを送信する異常診断用データ収集手段と、
    通信状態が良好でなく、未送信のセンサデータの全てをデータセンタに送信できない時に、機械の記憶装置の残容量が足りなくなる容量欠乏日を予測する手段を備えたことを特徴とする異常診断装置。
  2. 請求項１の異常診断装置において、
    前記データセンタに送信できたデータ量から、原因分析に必要なセンサデータ量を回収完了するデータ回収完了日を予測する手段を備えたことを特徴とする異常診断装置。
  3. 請求項２の異常診断装置において、
    記憶装置の容量欠乏日とデータ回収完了日の予測結果を比較して、原因分析に必要なデータが回収完了する前に容量が欠乏するかどうかを判断することを特徴とする異常診断装置。
  4. 機械各部に取り付けられたセンサで計測したセンサデータから異常を診断すること、
    異常が有ればそのセンサデータを記憶すること、
    通信を用いてデータセンタに異常診断用データを送信すること、
    通信状態が良好でなく、未送信のセンサデータの全てをデータセンタに送信できない時に、機械の記憶装置の残容量が足りなくなる容量欠乏日を予測することを特徴とする異常診断方法。
  5. 請求項４の異常診断方法において、
    前記データセンタに送信できたデータ量から、原因分析に必要なセンサデータ量を回収完了するデータ回収完了日を予測することを特徴とする異常診断方法。
  6. 請求項５の異常診断方法において、
    記憶装置の容量欠乏日とデータ回収完了日の予測結果を比較して、原因分析に必要なデータが回収完了する前に容量が欠乏するかどうかを判断することを特徴とする異常診断方法。
PCT/JP2013/074789 2013-09-13 2013-09-13 異常診断方法、及びその装置 WO2015037113A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
US14/914,381 US10073447B2 (en) 2013-09-13 2013-09-13 Abnormality diagnosis method and device therefor
JP2015536378A JP6051311B2 (ja) 2013-09-13 2013-09-13 異常診断方法、及びその装置
PCT/JP2013/074789 WO2015037113A1 (ja) 2013-09-13 2013-09-13 異常診断方法、及びその装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2013/074789 WO2015037113A1 (ja) 2013-09-13 2013-09-13 異常診断方法、及びその装置

Publications (1)

Publication Number Publication Date
WO2015037113A1 true WO2015037113A1 (ja) 2015-03-19

Family

ID=52665255

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2013/074789 WO2015037113A1 (ja) 2013-09-13 2013-09-13 異常診断方法、及びその装置

Country Status (3)

Country Link
US (1) US10073447B2 (ja)
JP (1) JP6051311B2 (ja)
WO (1) WO2015037113A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020135498A (ja) * 2019-02-21 2020-08-31 三菱電機株式会社 計装制御システム

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9716798B2 (en) * 2014-09-08 2017-07-25 At&T Intellectual Property I, L.P. ACR buffering in the cloud
JP5875726B1 (ja) * 2015-06-22 2016-03-02 株式会社日立パワーソリューションズ 異常予兆診断装置のプリプロセッサ及びその処理方法
US20180284746A1 (en) 2016-05-09 2018-10-04 StrongForce IoT Portfolio 2016, LLC Methods and systems for data collection optimization in an industrial internet of things environment
US11327475B2 (en) 2016-05-09 2022-05-10 Strong Force Iot Portfolio 2016, Llc Methods and systems for intelligent collection and analysis of vehicle data
US11774944B2 (en) 2016-05-09 2023-10-03 Strong Force Iot Portfolio 2016, Llc Methods and systems for the industrial internet of things
US20180205905A1 (en) * 2017-01-19 2018-07-19 Caterpillar Inc. Structural health monitoring systems utilizing visual feedback and selective recording
US10921801B2 (en) 2017-08-02 2021-02-16 Strong Force loT Portfolio 2016, LLC Data collection systems and methods for updating sensed parameter groups based on pattern recognition
US10805329B2 (en) * 2018-01-19 2020-10-13 General Electric Company Autonomous reconfigurable virtual sensing system for cyber-attack neutralization
US11354406B2 (en) * 2018-06-28 2022-06-07 Intel Corporation Physics-based approach for attack detection and localization in closed-loop controls for autonomous vehicles
JP7298646B2 (ja) * 2021-05-19 2023-06-27 横河電機株式会社 ネットワークシミュレータ、ネットワークシミュレーション方法およびネットワークシミュレーションプログラム

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003063327A (ja) * 2001-08-24 2003-03-05 Nissan Motor Co Ltd 車両用電子制御装置
JP2007249313A (ja) * 2006-03-14 2007-09-27 Yaskawa Electric Corp モニタリング装置
JP2009253897A (ja) * 2008-04-10 2009-10-29 Mitsubishi Electric Corp データ計測装置

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2536238B2 (ja) 1990-05-31 1996-09-18 日本電気株式会社 情報処理装置
US7590666B2 (en) * 2006-06-16 2009-09-15 Microsoft Corporation Predicting capacity consumption in a memory component
US7793161B2 (en) * 2007-05-29 2010-09-07 International Business Machines Corporation Method and apparatus to anticipate memory exhaustion in an open services gateway initiative environment
JP5313099B2 (ja) * 2009-09-25 2013-10-09 日立建機株式会社 機械の異常監視装置
US8751463B1 (en) * 2011-06-30 2014-06-10 Emc Corporation Capacity forecasting for a deduplicating storage system
JP6302645B2 (ja) * 2013-11-12 2018-03-28 日立建機株式会社 作業機械の稼働データ収集装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003063327A (ja) * 2001-08-24 2003-03-05 Nissan Motor Co Ltd 車両用電子制御装置
JP2007249313A (ja) * 2006-03-14 2007-09-27 Yaskawa Electric Corp モニタリング装置
JP2009253897A (ja) * 2008-04-10 2009-10-29 Mitsubishi Electric Corp データ計測装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020135498A (ja) * 2019-02-21 2020-08-31 三菱電機株式会社 計装制御システム

Also Published As

Publication number Publication date
US20160209838A1 (en) 2016-07-21
JP6051311B2 (ja) 2016-12-27
US10073447B2 (en) 2018-09-11
JPWO2015037113A1 (ja) 2017-03-02

Similar Documents

Publication Publication Date Title
JP6051311B2 (ja) 異常診断方法、及びその装置
US20220137613A1 (en) Method and system for predicting failure of mining machine crowd system
KR102407484B1 (ko) 정보 처리 방법, 정보 처리 시스템, 및 정보 처리 장치
JP2000259729A (ja) 作業機械の管理システム
WO2012042649A1 (ja) センサシステム、計算機、及び、機器
JP2017117013A (ja) 保守時期予測システム及び保守時期予測装置
CN108627794B (zh) 一种基于深度学习的智能化仪表检测方法
AU2019282289A1 (en) Tunnel boring machine and tunnelling method
US7996337B2 (en) Method and system for remotely determining the reliability of a DC motor system
CN116164994A (zh) 一种采煤机故障诊断方法、装置、设备及存储介质
CN110888782A (zh) 设备处理方法、系统、电子设备及计算机可读存储介质
CN114353869B (zh) 动设备在线监测方法、系统及可读存储介质
JP5896272B2 (ja) プラント監視制御装置及びプラント監視制御方法
AU2018256654B2 (en) Predicting failure of a mining machine
EP4198656A1 (en) Method and system for monitoring an hvac apparatus
JP2018119257A (ja) 作業機械のアラーム情報集計システム
JP2008158870A (ja) 観測データ監視装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 13893435

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2015536378

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 14914381

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 13893435

Country of ref document: EP

Kind code of ref document: A1