WO2018083756A1 - 船舶における異常な事象の発生防止のための装置、プログラム、および記録媒体 - Google Patents

船舶における異常な事象の発生防止のための装置、プログラム、および記録媒体 Download PDF

Info

Publication number
WO2018083756A1
WO2018083756A1 PCT/JP2016/082593 JP2016082593W WO2018083756A1 WO 2018083756 A1 WO2018083756 A1 WO 2018083756A1 JP 2016082593 W JP2016082593 W JP 2016082593W WO 2018083756 A1 WO2018083756 A1 WO 2018083756A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
event
node
occurrence
ship
Prior art date
Application number
PCT/JP2016/082593
Other languages
English (en)
French (fr)
Inventor
省吾 山田
将行 別府
佳彦 前田
晃一 武田
Original Assignee
日本郵船株式会社
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 日本郵船株式会社 filed Critical 日本郵船株式会社
Priority to PCT/JP2016/082593 priority Critical patent/WO2018083756A1/ja
Priority to JP2017564928A priority patent/JP6514793B2/ja
Publication of WO2018083756A1 publication Critical patent/WO2018083756A1/ja
Priority to DKPA201970303A priority patent/DK181281B1/en
Priority to NO20190606A priority patent/NO20190606A1/no

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry

Definitions

  • the present invention relates to a technique for preventing the occurrence of an abnormal event in a ship.
  • Patent Document 1 proposes a system for preventing troubles caused by a marine engine.
  • the system described in Patent Document 1 includes a first information processing device that collects and transmits data relating to a marine engine that is arranged on a ship, and a marine engine based on data that is arranged in an engineering center and transmitted from the first information processing device.
  • a second information processing device for performing the diagnosis and life prediction According to the system described in Patent Document 1, the service center can make a maintenance plan for a marine engine and arrange maintenance parts based on the results of diagnosis and life prediction by the second information processing apparatus. As a result, troubles of the marine engine are prevented.
  • the present invention provides a means for estimating the possibility of occurrence of an abnormal event in a ship.
  • the present invention relates to causal relationship data indicating a causal relationship between a plurality of events occurring in a ship, and each of one or more events in which a cause event is not indicated by the causal relationship data.
  • Acquisition means for acquiring attribute value data indicating an attribute value of the ship or the environment in which the ship is placed, related to the occurrence of an event, each of the plurality of events based on the causal relation data and the attribute value data
  • An apparatus including an estimation unit that estimates the possibility of occurrence of the above is provided as a first aspect.
  • the acquisition unit includes, for each of one or more events in which a causal event is not indicated by the causal relationship data, the vessel related to the event or the vessel is placed.
  • Reference value data indicating a reference value of an attribute value of an environment is acquired, and the estimation means indicates, for each of one or more events in which a cause event is not indicated by the causal relationship data, the attribute value data related to the event.
  • a configuration in which the possibility of occurrence of the event is estimated based on a result of comparison between the attribute value and the reference value indicated by the reference value data regarding the event may be employed as the second aspect.
  • the acquisition unit relates to each of at least one of the one or more events in which a cause event is not indicated by the causal relationship data, and the ship related to the event.
  • the attribute value data indicating a plurality of attribute values of an environment in which the ship is placed is acquired, and the acquisition unit is a reference for a plurality of attribute values related to the event for each of the at least one event.
  • Reference value data indicating a combination is acquired, and the estimation means relates to each of the at least one event, a combination of a plurality of attribute values indicated by the attribute value data, and a plurality of attribute values indicated by the reference value data regarding the event
  • a configuration in which the possibility of the occurrence of the event is estimated based on the result of comparison of the combination serving as a reference may be adopted as the third aspect.
  • the causal relationship data includes a node for each of a tree structure having the plurality of events as nodes and a node group having a parent-child relationship in the tree structure.
  • the estimation means includes one or more leaf nodes in the tree structure
  • the possibility of occurrence of the event of the leaf node is estimated based on the attribute value data regarding the event of the leaf node, and the contribution degree indicated by the possibility of occurrence of the event of the leaf node and the causal relationship data Even if the configuration of estimating the occurrence of the event of the internal node in the tree structure in the order from the leaf node side to the root node side is employed as the fourth aspect based on There.
  • an event that most contributes to an increase in the possibility of occurrence of an event in which the possibility of occurrence estimated by the estimation means exceeds the predetermined threshold is specified.
  • a configuration may be adopted as a sixth aspect in which a specifying unit is provided, and the notifying unit performs a process for notifying the user of an event specified by the specifying unit.
  • the present invention relates to causal relationship data indicating a causal relationship between a plurality of events occurring in a ship, and one or more events in which a cause event is not indicated by the causal relationship data.
  • Processing for acquiring attribute value data indicating an attribute value of the ship or the environment in which the ship is placed, related to occurrence, and the occurrence of each of the plurality of events based on the causal relationship data and the attribute value data A program for executing a process for estimating the possibility is provided as a seventh aspect.
  • the present invention relates to causal relationship data indicating a causal relationship between a plurality of events occurring in a ship, and one or more events in which a cause event is not indicated by the causal relationship data.
  • Processing for acquiring attribute value data indicating an attribute value of the ship or the environment in which the ship is placed, related to occurrence, and the occurrence of each of the plurality of events based on the causal relationship data and the attribute value data A computer-readable recording medium that continuously records a program for executing a process for estimating the possibility is provided as an eighth aspect.
  • the possibility of occurrence of an abnormal event in the ship is estimated.
  • a user such as a ship engineer can take measures to prevent the occurrence of trouble.
  • the figure which showed the whole structure of the system concerning one Embodiment The figure which showed the structure of the computer used as hardware of the server apparatus concerning one Embodiment.
  • index The figure which showed the flow of the process which the server apparatus concerning one Embodiment performs in order to identify a risk parameter
  • the system 1 is a system that estimates the possibility of trouble occurring in a ship and alerts the user when the estimated possibility exceeds a predetermined threshold.
  • FIG. 1 is a diagram showing the overall configuration of the system 1.
  • the system 1 includes n measuring devices (where n is an arbitrary natural number), that is, measuring devices 11-1, 11-2,..., 11-n (hereinafter, these measuring devices are referred to as “measuring device group”). 11 ”), a server device 12, a server device 13, a terminal device 14, and a terminal device 15.
  • the measuring device group 11, the server device 12, and the terminal device 15 are arranged on the ship 9, and the server device 13 and the terminal device 14 are arranged on land.
  • the number of ships 9 shown in FIG. 1 is one, the number of ships 9 managed by the system 1 may be plural.
  • the system 1 includes a measuring device group 11, a server device 12, and a terminal device 15 corresponding to each of the plural vessels 9.
  • the number of terminal devices 15 arranged on one ship 9 is one, but a plurality of terminal devices 15 may be arranged on one ship 9.
  • the system 1 may include a plurality of terminal devices 14.
  • the n measuring devices included in the measuring device group 11 are various measuring devices such as a tachometer that measures the number of rotations of the main machine, a wattmeter that measures the amount of power generated by the generator, and an anemometer that measures the wind direction and wind speed. is there. That is, each of the measurement devices included in the measurement device group 11 measures the attribute value of the ship 9 or the environment where the ship 9 is placed.
  • attribute value data data indicating the measurement results of the measurement devices included in the measurement device group 11 is referred to as “attribute value data”.
  • the server device 12 is a device that receives attribute value data from each of the measurement devices included in the measurement device group 11 and transmits the received attribute value data to the server device 13. Note that data communication between the server device 12 and the server device 13 is performed via the communication satellite 8. Based on the attribute value data transmitted from the server device 12, the server device 13 estimates the possibility of occurrence of a trouble (abnormal event) in the ship 9 and notifies the terminal device 14 and the terminal device 15 of the estimation result. It is a device to do.
  • the terminal device 14 is a device that displays a result of estimation by the server device 13 to a land user (for example, an owner of a ship 9 or an employee of an operation management company).
  • the terminal device 15 is a device that displays a result of estimation by the server device 13 to a user on the ship 9 (for example, a crew member of the ship 9). Note that data communication between the server device 13 and the terminal device 15 is performed via the communication satellite 8.
  • the hardware of the server device 12 and the server device 13 is, for example, a computer for a general server device.
  • FIG. 2 is a diagram illustrating a configuration of the computer 10 used as hardware of the server device 12 or the server device 13.
  • the computer 10 includes a memory 101 that stores various data, a processor 102 that performs various data processing in accordance with a program stored in the memory 101, and a communication IF 103 that is an interface that performs data communication with an external device. .
  • the communication IF 103 of the computer 10 used as the hardware of the server device 12 performs data communication with each of the measurement devices included in the measurement device group 11 via the communication network in the ship 9, and transmits the communication satellite 8. Data communication is performed with the server device 13 via the network.
  • the communication IF 103 of the computer 10 used as the hardware of the server device 13 performs data communication with the terminal device 14 via the land communication network, and also includes the server device 12 and the terminal device via the communication satellite 8. Data communication with 15 is performed.
  • the hardware of the terminal device 14 and the terminal device 15 is, for example, a computer for a general terminal device.
  • FIG. 3 is a diagram illustrating a configuration of the computer 20 used as hardware of the terminal device 14 or the terminal device 15.
  • the computer 20 includes a memory 201 that stores various data, a processor 202 that performs various data processing in accordance with a program stored in the memory 201, a communication IF 203 that is an interface that performs data communication with an external device, a user A display device 204 such as a liquid crystal display for displaying an image, and an operation device 205 such as a keyboard for receiving a user operation.
  • an external display device connected to the computer 20 may be used instead of or in addition to the display device 204 built in the computer 20.
  • an external operation device connected to the computer 20 may be used instead of or in addition to the operation device 205 built in the computer 20.
  • FIG. 4 is a diagram illustrating a functional configuration of the server device 12. That is, the computer 10 configuring the hardware of the server device 12 operates as a device including the components illustrated in FIG. 4 by executing data processing according to the program for the server device 12.
  • the server apparatus 12 illustrated in FIG. 4 will be described.
  • the acquisition unit 121 is mainly configured by the communication IF 103, and acquires attribute value data output from each of the measurement devices included in the measurement device group 11.
  • the storage unit 122 is mainly composed of the memory 101 and stores the attribute value data acquired by the acquisition unit 121.
  • the storage unit 122 stores a table for storing attribute value data corresponding to each of the measurement devices included in the measurement device group 11 (hereinafter, “attribute value table”).
  • FIG. 5 is a diagram showing the configuration of the attribute value table stored in the storage unit 122.
  • Each of the measurement devices included in the measurement device group 11 measures an attribute value triggered by the occurrence of a specific event such as the passage of a predetermined time, and outputs attribute value data indicating the measurement result.
  • the attribute value table is a collection of data records corresponding to each of these measurements.
  • the attribute value table has data fields [measurement time] and [attribute value]. Data indicating the time of measurement by the measuring device is stored in the data field [measurement time].
  • the time measured by the measuring device may be the time measured by the measuring device, or may be the time when the server device 12 acquires the attribute value data from the measuring device, for example.
  • the result of measurement by the measurement device that is, attribute value data indicating the attribute value is stored.
  • the transmission unit 123 is mainly configured by the communication IF 103, and transmits untransmitted attribute value data stored in the storage unit 122 to the server device 13, for example, every elapse of a predetermined time.
  • FIG. 6 is a diagram illustrating a functional configuration of the server device 13. That is, the computer 10 configuring the hardware of the server device 13 operates as a device including the components illustrated in FIG. 6 by executing data processing according to the program for the server device 13. Hereinafter, each component of the server device 13 illustrated in FIG. 6 will be described.
  • the acquisition unit 131 is mainly configured by the communication IF 103 and acquires various data transmitted from the server device 12 or the terminal device 14.
  • the data acquired by the acquisition unit 131 includes causal relationship data indicating a causal relationship between a plurality of events occurring in the ship 9, and causal relationship data.
  • causal relationship data indicating a causal relationship between a plurality of events occurring in the ship 9, and causal relationship data.
  • reference value data indicating the reference value of the attribute value of the ship 9 or the environment in which the ship 9 is placed related to the event is included.
  • the causal relationship data and the reference value data are, for example, data input to the terminal device 14 by the user of the terminal device 14 and transmitted from the terminal device 14 to the server device 13.
  • the storage unit 132 is mainly composed of the memory 101, and stores various data acquired by the acquisition unit 131.
  • the storage means 132 stores an attribute value table for storing attribute value data acquired from the server device 12.
  • the configuration is the same as that of the attribute value table stored in the storage unit 132 of the server device 13 (see FIG. 5).
  • the storage unit 132 stores an attribute value table group corresponding to each of the plural ships 9.
  • the storage means 132 stores causal relationship data corresponding to each trouble that the user wants to prevent.
  • the storage unit 132 stores a causal relationship data group corresponding to each of the plural ships 9.
  • FIG. 7 is a diagram showing the structure of the causal relationship data stored in the storage means 132.
  • the causal relationship data is data indicating a tree structure in which each of a plurality of events related to a trouble is a node and a rule for specifying the possibility of occurrence of an event corresponding to each of the nodes.
  • the causal relationship data is, for example, data created by a user of the terminal device 14 (for example, an employee of an operation management company of the ship 9). Below, the tree structure which makes each of the some event relevant to a trouble which a causal relationship data show is a node is demonstrated.
  • the creator of the causal relationship data (hereinafter simply referred to as “creator”) considers the direct cause of the trouble that is desired to be prevented.
  • the trouble to be prevented is “scavenging room fire”.
  • the creator considers, for example, “oxygen”, “heat source (eg, generation of blow-by gas)”, and “combustible (eg, accumulation of sludge)” as direct causes resulting in a scavenging chamber fire.
  • the creator considers the direct cause that results in that cause.
  • the creator considers, for example, “progress of piston ring damage or cylinder liner wear” as a direct cause resulting in “heat source (eg, generation of blow-by gas)”.
  • the creator considers, for example, “incomplete combustion” and “clogging of the drain pipe” as direct causes resulting in “combustible material (eg, accumulation of sludge)”.
  • FIG. 8 is a tree diagram in which relationships between a plurality of causes that cause a scavenging chamber fire that the creator considered as described above are arranged. The creator repeats the above operation until all of the causes located at the end of the tree diagram as shown in FIG. 8 become the root causes that need not be considered further.
  • FIG. 9 is a diagram in which the creator reconfigures the tree diagram of FIG. 8 into a tree diagram composed of events that can be evaluated by attribute values (or combinations of a plurality of attribute values).
  • the tree diagram expressing the relationship between the trouble in the ship and its cause as shown in FIG. 9 is referred to as a “causal relationship tree diagram”.
  • the data structure represented by the tree diagram is generally called a tree structure, and each of a plurality of elements constituting the tree structure data is called a node.
  • the main node is called a root node
  • the terminal node is called a leaf node.
  • the node on the root node side is called a parent node
  • the node on the leaf node side is called a child node.
  • the root node is a node having no parent node
  • the leaf node is a node having no child node.
  • a plurality of nodes having the same node as a parent node are called sibling nodes.
  • a node having a parent node and a child node is called an internal node.
  • node IDs for identifying the nodes.
  • the node N1 “scavenging chamber fire” in the causal relationship tree diagram of FIG. 9 is a root node and corresponds to a trouble that should be prevented from occurring.
  • node N1111 “main engine load and exhaust gas temperature”, node N11131 “scavenging pressure and first supercharger rotation speed” and the like in the causal relationship tree diagram of FIG. 9 are leaf nodes and are included in the measurement device group 11. It corresponds to an event that is directly evaluated by an attribute value (or a combination of a plurality of attribute values) measured by the device.
  • the tree structure represented by the causal relation tree diagram shown in FIG. 9 is the tree structure represented by the causal relation data shown in FIG.
  • the configuration of the causal relationship data shown in FIG. 7 will be described below.
  • Causal relationship data is a collection of data records corresponding to each of a plurality of nodes constituting tree-structured data.
  • the causal relationship data has data fields [node ID], [node name], [parent node], [child node], [risk index calculation condition], [weight], and [maximum value].
  • data stored in [node ID], [node name], [parent node], and [child node] is data indicating a tree structure represented by a causal relationship tree diagram.
  • the node ID is stored in the data field [node ID].
  • Data indicating the name of the event corresponding to the node is stored in the data field [node name].
  • the data field [parent node] stores the node ID of the parent node.
  • the data field [child node] stores the node ID of the child node.
  • the data field [risk index specification rule] of the causal relation data stores data indicating a rule for specifying an index indicating the possibility of occurrence of an event corresponding to a node (hereinafter referred to as “risk index”).
  • risk index a rule for specifying an index indicating the possibility of occurrence of an event corresponding to a node
  • the risk index specifying rule “weighted average” of the node N1 shown in FIG. 7 is the weighted average of the risk indices of the child nodes (nodes N11, N12,...) Of the node N1 as the risk index of the node N1. It shows that
  • the risk index specifying rule “if R (N112)> 700 then R (N11) R (N112), else weighted average” of the node N11 is the risk of the node N112 when the risk index of the node N112 is greater than 700.
  • the weighted average of the risk indexes of the child nodes that is, the node N111 and the node N112 is used as the risk index of the node N11. It shows that.
  • R () means a risk index of the node identified by the node ID in “()”.
  • the risk index related to the parent node or the internal node is specified based on the risk index of the child node.
  • FIG. 10 is a diagram for explaining a method of generating the graph G035 and the graph G035.
  • the x-axis indicates the main engine load
  • the y-axis indicates the average cylinder exhaust temperature (the average value of the exhaust temperatures of each of the plurality of cylinders).
  • a large number of dots (scatter diagrams) shown in FIG. 10 are dots in which samples of combinations of main engine loads and average cylinder exhaust temperatures measured in the past in the ship 9 (or a group of ships of the same type as the ship 9) are plotted.
  • a line M in FIG. 10 is an approximate curve (for example, a polynomial approximate curve) indicating the tendency of the sample indicated by a large number of dots. This line M is a graph G035.
  • the data indicating the graph G035 (line M) is used as reference value data indicating a combination serving as a reference of a plurality of attribute values such as main engine load and average cylinder exhaust temperature.
  • the sample indicated by the point S in FIG. 10 is separated from the graph G035 (line M) by the distance D in the y-axis direction.
  • the larger the distance D the greater the deviation of the ship 9 in the sample state indicated by the point S from the normal state. Therefore, it is evaluated that the greater the distance D, the higher the possibility that an undesirable event will occur.
  • the risk index related to the leaf node is specified based on the comparison result between the attribute value (or a combination of a plurality of attribute values) measured by the measurement device included in the measurement device group 11 and the reference value.
  • the explanation of the structure of the causal relationship data will be continued.
  • data indicating a weight used in the weighted average is stored.
  • the risk index of the node N1 is calculated by weighted averaging the risk indexes of the nodes N11, N12, and N13 that are child nodes of the node N1.
  • a weight multiplied by the risk index of the node N11 is stored in the data field [weight] of the data record corresponding to the node N11.
  • the data stored in the data field [weight] indicates that the occurrence of an event corresponding to the target node may occur in the comparison with the event corresponding to each sibling node of the target node. Indicates the contribution to the possibility of.
  • the storage unit 132 also stores data representing various graphs referred to by data stored in the data field [risk index identification rule] of the causal relationship data.
  • the estimation unit 133 is mainly configured by the processor 102, the attribute value data acquired by the acquisition unit 131 from the server device 12 and stored in the storage unit 132, and the acquisition unit 131 acquired from the terminal device 14 and stored in the storage unit 132.
  • the possibility of occurrence of an event corresponding to each node of the causal relationship tree diagram is estimated based on the causal relationship data that has been set. More specifically, the estimation unit 133 specifies a risk index corresponding to each node. Below, the procedure in which the estimation means 133 specifies the risk index according to each node is demonstrated.
  • FIG. 11 is a diagram illustrating a flow of processing performed by the estimation unit 133 to identify a risk index.
  • the estimation unit 133 selects one leaf node, for example, every elapse of a predetermined time, and reads a data record corresponding to the selected leaf node from the causal relationship data (see FIG. 9) (step S001). Subsequently, the estimating unit 133 determines the attribute value table (or the combination of attribute values) according to the attribute value (or combination of attribute values) indicated by the data stored in the data field [node name] of the leaf node data record read in step S001. 5), the latest attribute value data is read out (step S002).
  • the estimation means 133 follows the rule indicated by the data stored in the data field [risk index identification rule] of the data record of the leaf node read in step S001, and the attribute value indicated by the attribute value data read in step S002 A risk index corresponding to (or a combination of a plurality of attribute values) is specified (step S003).
  • the storage unit 132 stores a table corresponding to each node (hereinafter referred to as “risk index log table”) in order to store the risk index specified by the estimation unit 133.
  • FIG. 12 is a diagram showing the configuration of the risk index log table.
  • the estimation means 133 determines whether or not all leaf nodes have been selected in the selection of leaf nodes in step S001 executed in the past (step S005). If there is an unselected leaf node (step S005; No), the estimating means 133 returns the process to step S001, selects one unselected leaf node, and sets the data record corresponding to the selected leaf node as causal relationship data. After reading from, the processing from step S002 is repeated on the read data record.
  • step S005 When all the leaf nodes have been selected (step S005; Yes), the estimation unit 133 selects one of the internal nodes for which the risk indices of all the child nodes have been identified, and the causal relationship data (FIG. 9), a data record corresponding to the selected internal node is read out (step S006). Subsequently, the estimation means 133 uses the risk index of the child node in step S006 according to the rule indicated by the data stored in the data field [risk index specification rule] of the data record of the internal node read in step S006. The risk index of the selected internal node is specified (step S007).
  • the estimation unit 133 When the estimation unit 133 identifies the risk index in step S007, the estimation unit 133 adds a new data record to the risk index log table corresponding to the node ID stored in the data field [node ID] of the data record read in step S006, Data indicating the current time is stored in the data field [time] of the added data record, and the risk index specified in step S007 is stored in the data field [risk index] (step S008).
  • the estimation unit 133 determines whether or not all internal nodes have been selected in the selection of internal nodes in step S006 executed in the past (step S009). When there is an unselected internal node (step S009; No), the estimation unit 133 returns the process to step S006, selects one unselected internal node, and sets the data record corresponding to the selected internal node as causal relationship data. After reading from, the processing from step S007 is repeated on the read data record.
  • step S006 which is repeatedly executed, internal nodes are selected in the order from the leaf node side to the root node side. Accordingly, the risk index is sequentially specified in the order from the leaf node side to the root node side.
  • the estimation unit 133 reads the data record corresponding to the parent node from the causal relationship data (see FIG. 9), and the data record of the read data record of the parent node In accordance with the rule indicated by the data stored in the field [risk index specifying rule], the risk index of the parent node is specified using the risk index of the child node (step S010).
  • the estimation unit 133 When the estimation unit 133 identifies the risk index in step S010, the estimation unit 133 adds a new data record to the risk index log table corresponding to the node ID stored in the data field [node ID] of the data record read in step S010, Data indicating the current time is stored in the data field [time] of the added data record, and the risk index specified in step S010 is stored in the data field [risk index] (step S011).
  • a risk index indicating the possibility of occurrence of an event corresponding to those nodes is specified.
  • the estimation unit 133 When a plurality of causal relationship data related to one ship 9 is stored in the storage unit 132, the estimation unit 133 performs processing according to the flow shown in FIG. 11 for each of the plurality of causal relationship data.
  • the estimating means 133 When the number of ships 9 managed by the system 1 is plural, the estimating means 133 relates to each of the causal relation data stored in the storage means 132 for each of the plural ships 9, and the flow shown in FIG. Process according to. The above is the description of the estimation unit 133.
  • the identification unit 134 is mainly configured by the processor 102. When the possibility of occurrence of an event (trouble) according to the root node estimated by the estimation unit 133 exceeds a predetermined threshold, the occurrence of the event is possible. Identify events that contribute most to increased sex.
  • the node that contributes most to the increase in the risk index of the node N1 among the child nodes (node N11, etc.) of the node N1 Is identified.
  • the specifying unit 134 increases the risk index of the node N1 with the node having the largest value obtained by multiplying the risk index by the weight among the child nodes of the node N1. Identify the node that contributes the most to Hereinafter, the node specified in this way is referred to as “attention node”.
  • the specifying unit 134 specifies the node that contributes most to the increase in the risk index of the target node among the child nodes of the target node specified as described above as one lower level target node.
  • the specifying unit 134 repeats the process of specifying the attention node that is one layer lower than the child nodes of the attention node until the attention node is specified from the leaf node.
  • the notification unit 135 mainly includes the processor 102 and the communication IF 103, and notifies the user of the terminal device 14 or the terminal device 15 of the risk index specified by the estimation unit 133, the attention node specified by the specifying unit 134, and the like. Process. Specifically, the notification unit 135 displays the risk index specified by the estimation unit 133, the attention node specified by the specifying unit 134, and the like in response to a request transmitted from the terminal device 14 or the terminal device 15. Data representing the screen is generated as notification data and transmitted to the requesting terminal device. The above is the description of the configuration of the server device 13.
  • FIG. 13 is a diagram illustrating the functional configuration of the terminal device 14 and the terminal device 15.
  • the computer 20 constituting the hardware of the terminal device 14 or the terminal device 15 performs data processing according to the program for the terminal device 14 or the terminal device 15 and thereby includes the components shown in FIG. Operate.
  • FIG. 13 each component of the terminal device 14 and the terminal device 15 illustrated in FIG. 13 will be described.
  • the request unit 141 is mainly configured by the communication IF 203 and transmits request data for requesting notification data to the server device 13 in accordance with a user operation.
  • the acquisition unit 142 is mainly configured by the communication IF 203 and the operation device 205, acquires data indicating the user's operation, and receives notification data transmitted from the server device 13 as a response to the request data transmitted by the request unit 141. Receive.
  • the storage unit 143 is mainly composed of the memory 201, and stores the notification data received by the acquisition unit 142.
  • the display unit 144 is mainly composed of the processor 202 and the display device 204, and uses a notification data stored in the storage unit 143 to notify a user of a risk index or the like (hereinafter referred to as “trouble occurrence risk display screen”). And the generated trouble occurrence risk display screen is displayed.
  • FIG. 14 is a diagram showing a trouble occurrence risk display screen.
  • the left side of the trouble occurrence risk display screen includes tables T1 and T2, and the right side includes graphs G1 and G2.
  • the table T1 is a table for selecting a ship 9 for which the user wants to know a risk index or the like from one or more ships 9 managed by the system 1.
  • the table T1 has a [ship name] column and an [alert] column. In the [Ship Name] field, the ship name of the ship 9 is displayed. In the [Alert] column, “Yes” is displayed when the risk index of any event exceeds a predetermined threshold for alerting the corresponding ship 9, and “No” otherwise. Is displayed. The user can select the ship 9 by clicking on any row displayed in the table T1.
  • the table T2 is a table for displaying a list of risk indicators for trouble related to the ship 9 selected by the user in the table T1.
  • the table T2 has a [Caution / Warning] field, an [Event Name] field, and a [Risk Index] field.
  • any one of “Normal”, “Caution”, and “Warning” is displayed.
  • “Normal” indicates that the risk index is equal to or less than a predetermined threshold value for calling attention.
  • “Caution” indicates that the risk index exceeds a predetermined threshold value for calling attention, but is not more than a threshold value for warning.
  • “Warning” indicates that the risk index exceeds a predetermined threshold for warning.
  • the trouble name is displayed in the [Event Name] field.
  • a risk index is displayed in the [risk index] column.
  • the events displayed in the table T2 are sorted in descending order of risk index. The user can select any row displayed in the table T2 by clicking or the like.
  • the graph G1 is a causal relationship tree diagram related to the event selected by the user in the table T2.
  • the attention node identified by the identifying unit 134 in the graph G1 is another node. And displayed in a different manner.
  • a node indicated by a rectangle surrounded by a thicker frame than the other nodes is the node of interest.
  • a risk index is displayed in a rectangle indicating each node.
  • Graph G2 is a graph showing the change with time of the risk index of the trouble selected by the user in the table T2.
  • the user can select any leaf node displayed on the graph G1 by clicking or the like.
  • a pop-up graph showing a change over time of each attribute value used to calculate the risk index of the selected leaf node is displayed.
  • FIG. 15 is a diagram illustrating a graph pop-up displayed in such a manner.
  • the user can easily know the possibility of trouble occurring in the ship 9 by looking at the trouble occurrence risk display screen displayed on the terminal device 14 or the terminal device 15.
  • the user can easily know the event that is causing the possibility of occurrence of trouble. Therefore, the user can take measures to prevent troubles from occurring.
  • the server device 13 may be arranged on the ship 9.
  • the server apparatus 12 and the server apparatus 13 may be integrated into one apparatus.
  • An attribute value that is not an attribute value measured in the ship 9 may be used as an attribute value used by the estimating unit 133 of the server device 13 to identify a risk index.
  • the server device 13 acquires data indicating the weather state (wind direction, wind speed, etc.) in the sea area where the ship 9 is navigating from the server device that provides the weather state information, and the meteorological state indicated by the acquired data is the risk index. It may be used specifically.
  • the number of attribute values used by the estimation unit 133 of the server device 13 for specifying the risk index of the leaf node of the causal relationship tree diagram is not limited.
  • a leaf node risk index may be specified by one type of attribute value, or a leaf node risk index may be specified by two or more types of attribute values.
  • the above-described rules for specifying risk indicators are merely examples, and various rules are used for specifying risk indicators.
  • a risk rule specifying rule using the graph of FIG. 7 the distance D in the y-axis direction between the point indicating the combination of the line M as the reference line and the measured attribute value The rule which made the value which multiplied the constant # to the risk index was illustrated.
  • the measured main engine load and the occurrence probability of the average cylinder exhaust temperature may be used for specifying the risk index.
  • the user of the terminal device 14 estimates the probability distribution (for example, normal distribution) of a population with respect to various main engine loads, using the average cylinder exhaust temperature measured when the main engine load is measured as a sample. Then, data indicating the estimated probability distribution is stored in the storage unit 132. In specifying the risk index, the estimation unit 133 reads data indicating a probability distribution corresponding to the measured main engine load from the storage unit 132, and according to the probability distribution indicated by the read data, the occurrence probability of the measured average cylinder exhaust temperature is determined. Is identified as a risk index. Thus, the occurrence probability of the measured attribute value (or combination of attribute values) may be used for specifying the risk index.
  • the probability distribution for example, normal distribution
  • data exchange between the server apparatus 12 and the server apparatus 13 is performed by data transmission / reception via a network.
  • the method of transferring data between these devices is not limited to data transmission / reception via a network.
  • the attribute data acquired by the acquisition unit 121 is stored in the storage unit 122 without being transmitted to the server device 13, and the storage unit 122 is stored while the ship 9 is anchored at a port.
  • the attribute data may be transferred from the server apparatus 12 to the server apparatus 13 by copying the attribute data stored in the storage medium to the recording medium and causing the server apparatus 13 to read the attribute data from the recording medium.
  • the risk index is compared with a predetermined threshold value only for the event corresponding to the root node of the causal relationship tree diagram, and the possibility of occurrence of the event is evaluated.
  • the event for which the server apparatus 12 evaluates the possibility of occurrence is not limited to the event corresponding to the root node, and the possibility of occurrence may be evaluated for the event corresponding to the intermediate node. In this case, for example, various types of information corresponding to the intermediate node may be displayed on a screen similar to the screen illustrated in FIG. 14 regarding the event corresponding to the root node.
  • the server device 12, the server device 13, the terminal device 14, and the terminal device 15 are realized by a general computer executing processing according to a program. Instead, at least a part of the server device 12, the server device 13, the terminal device 14, and the terminal device 15 may be configured as a so-called dedicated device.
  • the program according to the present invention that is, the program executed by the computer 10 and exemplified as the program for realizing the server device 12 or the server device 13 in the above-described embodiment, or executed by the computer 20.
  • the program exemplified as the program for realizing the terminal device 14 or the terminal device 15 may be provided in a state stored in a computer-readable recording medium such as an optical recording medium or a semiconductor memory, It may be provided via a communication network such as the Internet.
  • the program according to the present invention is provided in a state stored in a recording medium, the computer 10 or the computer 20 reads and uses the program from the recording medium.
  • the program according to the present invention is provided via a communication network, the computer 10 or the computer 20 receives the program from a distribution source device and uses it.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

サーバ装置には、トラブルをもたらす複数の原因の間の因果関係を示す因果関係データが記憶されている。サーバ装置は、船舶または船舶が置かれている環境に関する各種の属性値を、例えば通信衛星を介して受信する。因果関係データは、トラブルの原因となる事象をノードとする木構造と、それらのノードに応じた事象が発生する可能性を示すリスク指標の特定規則を示す。サーバ装置は、受信した属性値に基づき、因果関係データが示す特定規則に従い、葉ノードから根ノードに向かい各ノードのリスク指標を特定する。端末装置は、サーバ装置により特定されたリスク指標を通知する通知データを受信する。端末装置は、受信した通知データが示すリスク指標を表示する。

Description

船舶における異常な事象の発生防止のための装置、プログラム、および記録媒体
　本発明は、船舶における異常な事象の発生を防止するための技術に関する。
　船舶に搭載されている主機、発電機等の装置において、整備不良、故障等により異常な事象が発生する場合がある。それらの異常な事象（以下、「トラブル」という）の発生を防止するための技術が提案されている。例えば、特許文献１には、舶用エンジンに起因するトラブルを防止するためのシステムが提案されている。特許文献１に記載のシステムは、船舶に配置され舶用エンジンに関するデータを収集し送信する第１情報処理装置と、エンジニアリングセンタに配置され第１情報処理装置から送信されてくるデータに基づいて舶用エンジンの診断及び寿命予測を行う第２情報処理装置を備える。特許文献１に記載のシステムによれば、サービスセンタは、第２情報処理装置による診断及び寿命予測の結果に基づいて、舶用エンジンの保守計画の立案及び保守部品の手配を行うことができる。その結果、舶用エンジンのトラブルが防止される。
特開２００２－１８３３４１号公報
　船舶において発生するトラブルの多くは、発生の前に何らかの予兆がある。従って、船舶の装置の保守を行うエンジニアは、様々な情報に基づきトラブルの予兆を察知し、トラブルが発生する前に対策を講じてその発生を防止している。従って、エンジニアがそれらの予兆を見逃してしまうとトラブルが発生してしまう危険性がある。
　上記の事情に鑑み、本発明は、船舶における異常な事象の発生の可能性を推定する手段を提供する。
　上記課題を解決するため、本発明は、船舶において発生する複数の事象の間の因果関係を示す因果関係データと、前記因果関係データにより原因となる事象が示されない１以上の事象の各々に関し当該事象の発生に関連する前記船舶または前記船舶の置かれた環境の属性値を示す属性値データとを取得する取得手段と、前記因果関係データと前記属性値データに基づき、前記複数の事象の各々の発生の可能性を推定する推定手段とを備える装置を第１の態様として提供する。
　上記の第１の態様にかかる装置において、前記取得手段は、前記因果関係データにより原因となる事象が示されない１以上の事象の各々に関し、当該事象に関連する前記船舶または前記船舶の置かれた環境の属性値の基準値を示す基準値データを取得し、前記推定手段は、前記因果関係データにより原因となる事象が示されない１以上の事象の各々に関し、当該事象に関する前記属性値データが示す属性値と当該事象に関する前記基準値データが示す基準値の比較の結果に基づき当該事象の発生の可能性を推定する、という構成が第２の態様として採用されてもよい。
　上記の第１の態様にかかる装置において、前記取得手段は、前記因果関係データにより原因となる事象が示されない１以上の事象のうちの少なくとも１の事象の各々に関し、当該事象に関連する前記船舶または前記船舶の置かれた環境の複数の属性値を示す前記属性値データを取得し、前記取得手段は、前記少なくとも１の事象の各々に関し、当該事象に関連する複数の属性値の基準となる組み合わせを示す基準値データを取得し、前記推定手段は、前記少なくとも１の事象の各々に関し、前記属性値データが示す複数の属性値の組み合わせと当該事象に関する前記基準値データが示す複数の属性値の基準となる組み合わせの比較の結果に基づき当該事象の発生の可能性を推定する、という構成が第３の態様として採用されてもよい。
　上記の第１乃至第３のいずれかの態様にかかる装置において、前記因果関係データは、前記複数の事象をノードとする木構造と、前記木構造において親子関係にあるノード群の各々に関し当該ノード群に含まれる子ノードの事象の発生の可能性が当該ノード群に含まれる親ノードの事象の発生の可能性に与える寄与度を示し、前記推定手段は、前記木構造における１以上の葉ノードの各々に関し当該葉ノードの事象の発生の可能性を当該葉ノードの事象に関する前記属性値データに基づき推定し、当該推定した葉ノードの事象の発生の可能性と前記因果関係データが示す寄与度に基づき葉ノード側から根ノード側に向かう順序で前記木構造における内部ノードの事象の発生の可能性を推定する、という構成が第４の態様として採用されてもよい。
　上記の第１乃至第４のいずれかの態様にかかる装置において、前記推定手段により推定された発生の可能性が予め定められた閾値を超えた場合、当該事象をユーザに通知するための処理を行う通知手段を備える、という構成が第５の態様として採用されてもよい。
　上記の第５の態様にかかる装置において、前記推定手段により推定された発生の可能性が前記予め定められた閾値を超えた事象の発生の可能性の増大に最も貢献している事象を特定する特定手段を備え、前記通知手段は、前記特定手段により特定された事象を前記ユーザに通知するための処理を行う、という構成が第６の態様として採用されてもよい。
　また、本発明は、コンピュータに、船舶において発生する複数の事象の間の因果関係を示す因果関係データと、前記因果関係データにより原因となる事象が示されない１以上の事象の各々に関し当該事象の発生に関連する前記船舶または前記船舶の置かれた環境の属性値を示す属性値データとを取得する処理と、前記因果関係データと前記属性値データに基づき、前記複数の事象の各々の発生の可能性を推定する処理とを実行させるためのプログラムを第７の態様として提供する。
　また、本発明は、コンピュータに、船舶において発生する複数の事象の間の因果関係を示す因果関係データと、前記因果関係データにより原因となる事象が示されない１以上の事象の各々に関し当該事象の発生に関連する前記船舶または前記船舶の置かれた環境の属性値を示す属性値データとを取得する処理と、前記因果関係データと前記属性値データに基づき、前記複数の事象の各々の発生の可能性を推定する処理とを実行させるためのプログラムを持続的に記録するコンピュータに読み取り可能な記録媒体を第８の態様として提供する。
　本発明によれば、船舶における異常な事象の発生の可能性が推定される。その結果、船舶のエンジニア等のユーザはトラブルの発生を防止するための対策を講じることができる。
一実施形態にかかるシステムの全体構成を示した図。 一実施形態にかかるサーバ装置のハードウェアとして用いられるコンピュータの構成を示した図。 一実施形態にかかる端末装置のハードウェアとして用いられるコンピュータの構成を示した図。 一実施形態にかかるサーバ装置の機能構成を示した図。 一実施形態にかかるサーバ装置に記憶される属性値テーブルの構成を示した図。 一実施形態にかかるサーバ装置の機能構成を示した図。 一実施形態にかかるサーバ装置に記憶される因果関係データの構成を示した図。 一実施形態にかかる因果関係ツリー図の作成において用いられるツリー図。 一実施形態にかかる因果関係ツリー図。 一実施形態にかかるサーバ装置がリスク指標の特定に用いるグラフ。 一実施形態にかかるサーバ装置がリスク指標を特定するために行う処理のフローを示した図。 一実施形態にかかるサーバ装置に記憶されるリスク指標ログテーブルの構成を示した図。 一実施形態にかかる端末装置の機能構成を示した図。 一実施形態にかかる端末装置に表示される画面を例示した図。 一実施形態にかかる端末装置に表示される画面を例示した図。
［実施形態］
　以下に本発明の一実施形態にかかるシステム１を説明する。システム１は、船舶におけるトラブルの発生の可能性を推定し、推定した可能性が所定の閾値を超える場合、ユーザの注意を喚起するシステムである。
　図１は、システム１の全体構成を示した図である。システム１は、ｎ個（ただし、ｎは任意の自然数）の計測装置、すなわち、計測装置１１－１、１１－２、・・・、１１－ｎ（以下、これらの計測装置を「計測装置群１１」という）と、サーバ装置１２と、サーバ装置１３と、端末装置１４と、端末装置１５を備える。計測装置群１１、サーバ装置１２および端末装置１５は船舶９に配置され、サーバ装置１３および端末装置１４は陸上に配置されている。
　図１に示される船舶９の数は１つであるが、システム１により管理される船舶９の数は複数であってもよい。システム１により管理される船舶９の数が複数である場合、システム１はそれら複数の船舶９の各々に応じた計測装置群１１、サーバ装置１２および端末装置１５を備える。また、図１において、１つの船舶９に配置される端末装置１５の数は１つであるが、１つの船舶９に複数の端末装置１５が配置されてもよい。また、図１に示される端末装置１４の数は１つであるが、システム１が複数の端末装置１４を備えてもよい。
　計測装置群１１に含まれるｎ個の計測装置は、主機の回転数を計測する回転計、発電機の発電量を計測する電力計、風向および風速を計測する風向風速計等の各種計測装置である。すなわち、計測装置群１１に含まれる計測装置の各々は、船舶９または船舶９の置かれた環境の属性値を計測する。以下、計測装置群１１に含まれる計測装置の各々の計測結果を示すデータを「属性値データ」をいう。
　サーバ装置１２は計測装置群１１に含まれる計測装置の各々から属性値データを受け取り、受け取った属性値データをサーバ装置１３に送信する装置である。なお、サーバ装置１２とサーバ装置１３の間のデータ通信は通信衛星８を介して行われる。サーバ装置１３は、サーバ装置１２から送信されてくる属性値データに基づき、船舶９におけるトラブル（異常な事象）の発生の可能性を推定し、推定の結果を端末装置１４および端末装置１５に通知する装置である。
　端末装置１４は、陸上のユーザ（例えば、船舶９の船主会社や運航管理会社の社員等）に対し、サーバ装置１３による推定の結果を表示する装置である。また、端末装置１５は、船舶９に乗っているユーザ（例えば、船舶９の乗組員等）に対し、サーバ装置１３による推定の結果を表示する装置である。なお、サーバ装置１３と端末装置１５の間のデータ通信は通信衛星８を介して行われる。
　サーバ装置１２およびサーバ装置１３のハードウェアは、例えば一般的なサーバ装置用のコンピュータである。図２は、サーバ装置１２またはサーバ装置１３のハードウェアとして用いられるコンピュータ１０の構成を示した図である。コンピュータ１０は、各種データを記憶するメモリ１０１、メモリ１０１に記憶されているプログラムに従う各種データ処理を行うプロセッサ１０２、外部の装置との間でデータ通信を行うインタフェース（Interface）である通信ＩＦ１０３を備える。サーバ装置１２のハードウェアとして用いられるコンピュータ１０の通信ＩＦ１０３は、船舶９内の通信ネットワークを介した計測装置群１１に含まれる計測装置の各々との間でデータ通信を行うとともに、通信衛星８を介してサーバ装置１３との間でデータ通信を行う。また、サーバ装置１３のハードウェアとして用いられるコンピュータ１０の通信ＩＦ１０３は、陸上の通信ネットワークを介して端末装置１４との間でデータ通信を行うとともに、通信衛星８を介してサーバ装置１２および端末装置１５との間でデータ通信を行う。
　端末装置１４および端末装置１５のハードウェアは、例えば一般的な端末装置用のコンピュータである。図３は、端末装置１４または端末装置１５のハードウェアとして用いられるコンピュータ２０の構成を示した図である。コンピュータ２０は、各種データを記憶するメモリ２０１、メモリ２０１に記憶されているプログラムに従う各種データ処理を行うプロセッサ２０２、外部の装置との間でデータ通信を行うインタフェース（Interface）である通信ＩＦ２０３、ユーザに対し画像を表示する液晶ディスプレイ等の表示装置２０４、ユーザの操作を受け付けるキーボード等の操作装置２０５を備える。なお、コンピュータ２０に内蔵される表示装置２０４に代えて、もしくは加えて、コンピュータ２０に接続される外付けの表示装置が用いられてもよい。また、コンピュータ２０に内蔵される操作装置２０５に代えて、もしくは加えて、コンピュータ２０に接続される外付けの操作装置が用いられてもよい。
　図４は、サーバ装置１２の機能構成を示した図である。すなわち、サーバ装置１２のハードウェアを構成するコンピュータ１０は、サーバ装置１２用のプログラムに従うデータ処理を実行することにより、図４に示される構成部を備える装置として動作する。以下、図４に示されるサーバ装置１２の各構成部を説明する。
　取得手段１２１は、主として通信ＩＦ１０３により構成され、計測装置群１１に含まれる計測装置の各々から出力される属性値データを取得する。記憶手段１２２は、主としてメモリ１０１により構成され、取得手段１２１により取得された属性値データを記憶する。記憶手段１２２には、計測装置群１１に含まれる計測装置の各々に応じた属性値データを記憶するためのテーブル（以下、「属性値テーブル」）が記憶される。
　図５は、記憶手段１２２に記憶される属性値テーブルの構成を示した図である。計測装置群１１に含まれる計測装置は各々、例えば所定時間の経過等の特定のイベントの発生をトリガとして属性値の計測を行い、計測結果を示す属性値データを出力する。属性値テーブルはそれらの計測の各々に応じたデータレコードの集まりである。属性値テーブルはデータフィールド［計測時刻］および［属性値］を有する。データフィールド［計測時刻］には計測装置による計測の時刻を示すデータが格納される。なお、計測装置による計測の時刻は、計測装置により計時された時刻であってもよいし、例えば、サーバ装置１２が計測装置から属性値データを取得した時刻であってもよい。データフィールド［属性値］には、計測装置による計測の結果、すなわち、属性値を示す属性値データが格納される。
　図４を参照しつつ、サーバ装置１２の構成の説明を続ける。送信手段１２３は、主として通信ＩＦ１０３により構成され、例えば所定時間の経過毎に、記憶手段１２２に記憶されている未送信の属性値データをサーバ装置１３に送信する。
　図６は、サーバ装置１３の機能構成を示した図である。すなわち、サーバ装置１３のハードウェアを構成するコンピュータ１０は、サーバ装置１３用のプログラムに従うデータ処理を実行することにより、図６に示される構成部を備える装置として動作する。以下、図６に示されるサーバ装置１３の各構成部を説明する。
　取得手段１３１は、主として通信ＩＦ１０３により構成され、サーバ装置１２または端末装置１４から送信されてくる各種データを取得する。取得手段１３１が取得するデータには、サーバ装置１２から送信されてくる属性値データに加え、船舶９において発生する複数の事象の間の因果関係を示す因果関係データと、因果関係データにより原因となる事象が示されない事象の各々に関し、その事象に関連する船舶９または船舶９の置かれた環境の属性値の基準値を示す基準値データが含まれる。因果関係データと基準値データは、例えば、端末装置１４のユーザにより端末装置１４に入力され、端末装置１４からサーバ装置１３に送信されたデータである。
　記憶手段１３２は、主としてメモリ１０１により構成され、取得手段１３１により取得された各種データを記憶する。記憶手段１３２には、まず、サーバ装置１２から取得された属性値データを記憶するための属性値テーブルが記憶される。サーバ装置１３の記憶手段１３２に記憶される属性値テーブルの構成（図５参照）と同様である。ただし、システム１により管理される船舶９の数が複数である場合、記憶手段１３２にはそれら複数の船舶９の各々に応じた属性値テーブル群が記憶される。
　また、記憶手段１３２には、ユーザが発生を防止したいトラブルの各々に応じた因果関係データが記憶される。なお、システム１により管理される船舶９の数が複数である場合、記憶手段１３２にはそれら複数の船舶９の各々に応じた因果関係データ群が記憶される。
　図７は、記憶手段１３２に記憶される因果関係データの構成を示した図である。因果関係データは、トラブルに関連する複数の事象の各々をノードとする木構造と、それらのノードの各々に応じた事象の発生の可能性を特定するための規則を示すデータである。因果関係データは、例えば、端末装置１４のユーザ（例えば、船舶９の運航管理会社の社員等）により作成されたデータである。以下に、因果関係データが示す、トラブルに関連する複数の事象の各々をノードとする木構造について説明する。
　まず、因果関係データの作成者（以下、単に「作成者」という）は、発生を防止したいトラブルを結果としてもたらす直接的な原因を考える。以下に、例として、発生を防止したいトラブルが「掃気室火災」である場合を想定する。この場合、作成者は、掃気室火災を結果としてもたらす直接的な原因として、例えば「酸素」、「熱源（例：ブローバイガスの発生）」、「可燃物（例：スラッジの蓄積）」を考える。続いて、作成者は、これらの原因の各々に関し、その原因を結果としてもたらす直接的な原因を考える。この場合、作成者は、「酸素」は、それ以上に原因を考える必要のない根源的な原因である、と考える。一方、作成者は、「熱源（例：ブローバイガスの発生）」を結果としてもたらす直接的な原因として、例えば「ピストンリングの損傷またはシリンダライナの摩耗の進行」を考える。また、作成者は、「可燃物（例：スラッジの蓄積）」を結果としてもたらす直接的な原因として、例えば「不完全燃焼」および「ドレンパイプの詰まり」を考える。
　図８は、作成者が上記のように考えた掃気室火災をもたらす複数の原因間の関係を整理したツリー図である。作成者は、図８に示すようなツリー図の末端に位置する原因の全てが、それ以上に原因を考える必要のない根源的な原因となるまで、上記の作業を繰り返す。
　続いて、作成者は、整理したツリー図に含まれる原因となる事象を、計測装置群１１に含まれる計測装置により計測される属性値（または複数の属性値の組み合わせ）によって評価可能な事象へと再構成する。図９は、作成者が図８のツリー図を、属性値（または複数の属性値の組み合わせ）によって評価可能な事象で構成されるツリー図へと再構成したものである。以下、図９に示されるような、船舶におけるトラブルとその原因の関係を表現したツリー図を、「因果関係ツリー図」と呼ぶ。
　ツリー図で表現されるデータの構造は一般的に木構造と呼ばれ、木構造のデータを構成する複数の要素は各々、ノードと呼ばれる。木構造のデータのノードのうち、大本となるノードは根ノードと呼ばれ、末端のノードは葉ノードと呼ばれる。また、関連付けられた２つのノードのうち、根ノード側のノードを親ノード、葉ノード側のノードを子ノードという。従って、根ノードは親ノードを持たないノードであり、葉ノードは子ノードを持たないノードである。また、同じノードを親ノードとする複数のノードは兄弟ノードと呼ばれる。また、親ノードと子ノードを持つノードは内部ノードと呼ばれる。
　図９の因果関係ツリー図において、各要素に付された「Ｎ１」、「Ｎ１１」等の符号は、ノードを識別するノードＩＤである。図９の因果関係ツリー図のノードＮ１「掃気室火災」は根ノードであり、発生を防止すべきトラブルに対応する。また、図９の因果関係ツリー図のノードＮ１１１１「主機負荷と排気ガス温度」、ノードＮ１１１３１「掃気圧力と第１過給器回転数」等は葉ノードであり、計測装置群１１に含まれる計測装置により計測される属性値（または複数の属性値の組み合わせ）によって直接評価される事象に対応する。
　なお、図８のツリー図の事象と、図９の因果関係ツリー図のノードは、必ずしも１対１で対応する必要はない。
　図９に示される因果関係ツリー図で表現される木構造が、図７に示される因果関係データにより示される木構造である。以下に、図７に示される因果関係データの構成を説明する。
　因果関係データは、木構造のデータを構成する複数のノードの各々に応じたデータレコードの集まりである。因果関係データは、データフィールド［ノードＩＤ］、［ノード名称］、［親ノード］、［子ノード］、［リスク指標算出条件］、［ウェイト］、［最大値］を有する。これらのデータフィールドのうち、［ノードＩＤ］、［ノード名称］、［親ノード］、［子ノード］に格納されるデータが、因果関係ツリー図で表現される木構造を示すデータである。
　データフィールド［ノードＩＤ］にはノードＩＤが格納される。データフィールド［ノード名称］には、ノードに応じた事象の名称を示すデータが格納される。データフィールド［親ノード］には、親ノードのノードＩＤが格納される。データフィールド［子ノード］には、子ノードのノードＩＤが格納される。
　因果関係データのデータフィールド［リスク指標特定規則］には、ノードに応じた事象の発生の可能性を示す指標（以下、「リスク指標」という）を特定するための規則を示すデータが格納される。例えば、図７に示されるノードＮ１のリスク指標特定規則「加重平均」は、ノードＮ１の子ノード（ノードＮ１１、Ｎ１２、・・・）の各々のリスク指標の加重平均をノードＮ１のリスク指標とすることを示している。
　また、ノードＮ１１のリスク指標特定規則「ｉｆ　Ｒ（Ｎ１１２）＞７００　ｔｈｅｎ　Ｒ（Ｎ１１）＝Ｒ（Ｎ１１２），　ｅｌｓｅ　加重平均」は、ノードＮ１１２のリスク指標が７００より大きい場合は、ノードＮ１１２のリスク指標をノードＮ１１のリスク指標とし、それ以外の場合、すなわち、ノードＮ１１２のリスク指標が７００以下の場合は、子ノード、すなわち、ノードＮ１１１とノードＮ１１２のリスク指標の加重平均をノードＮ１１のリスク指標とすることを示している。なお、「Ｒ（　）」は、「（　）」内のノードＩＤで識別されるノードのリスク指標を意味する。このように、親ノードまたは内部ノードに関するリスク指標は、子ノードのリスク指標に基づき特定される。
　また、ノードＮ１１２１のリスク指標特定規則「グラフＧ０３５，Ｒ＝Ｄ×＃」は、「グラフＧ０３５」という名称のグラフが示す基準線と、ノードＮ１１２１に応じた属性値の組み合わせ（主機負荷と平均シリンダ排気温度）を示す点との、ｙ軸方向における距離Ｄに対し、定数＃を乗じた数をノードＮ１１２１のリスク指標とすることを意味している。
　図１０は、グラフＧ０３５とグラフＧ０３５の生成方法等を説明するための図である。図１０において、ｘ軸は主機負荷を示し、ｙ軸は平均シリンダ排気温度（複数のシリンダの各々の排気温度の平均値）を示す。図１０に示される多数のドット（散布図）は、過去に船舶９（または船舶９と同型の船舶群）において計測された主機負荷と平均シリンダ排気温度の組み合わせのサンプルをプロットしたドットである。図１０のラインＭは、多数のドットで示されるサンプルの傾向を示す近似曲線（例えば、多項式近似曲線）である。このラインＭがグラフＧ０３５である。
　グラフＧ０３５（ラインＭ）を示すデータは、主機負荷と平均シリンダ排気温度という複数の属性値の基準となる組み合わせを示す基準値データとして用いられる。例えば、図１０において点Ｓで示されるサンプルは、グラフＧ０３５（ラインＭ）から、ｙ軸方向において距離Ｄだけ離れている。この距離Ｄが大きい程、点Ｓで示されるサンプルの状態にある船舶９は、正常な状態からの乖離が大きい。従って、距離Ｄが大きい程、好ましくない事象が発生する可能性が高い、と評価される。
　ただし、距離Ｄと事象の発生の可能性との関係は、注目する事象の種類によって異なる。図７のノードＮ１１２１のリスク指標特定規則に示される「Ｒ（Ｎ１１２１）＝Ｄ×＃」は、掃気室火災というトラブルの原因として捉えた場合、距離Ｄに定数＃を乗じた数が、主機負荷と平均シリンダ排気温度の組み合わせの寄与度を示すリスク指標として適当であることを意味している。
　このように、葉ノードに関するリスク指標は、計測装置群１１に含まれる計測装置により計測された属性値（または複数の属性値の組み合わせ）と、基準値との比較の結果に基づき特定される。
　図７を参照しつつ、因果関係データの構成の説明を続ける。因果関係データのデータフィールド［ウェイト］には、リスク指標特定規則として加重平均が用いられる場合、その加重平均において用いられるウェイトを示すデータが格納される。図７の例では、例えばノードＮ１のリスク指標は、ノードＮ１の子ノードであるノードＮ１１、Ｎ１２およびＮ１３のリスク指標を加重平均することで算出される。この加重平均の算出において、例えばノードＮ１１のリスク指標に乗じられるウェイトが、ノードＮ１１に応じたデータレコードのデータフィールド［ウェイト］に格納される。
　なお、データフィールド［ウェイト］に格納されるデータは、対象のノードの兄弟ノードの各々に応じた事象との比較において、対象のノードに応じた事象の発生の可能性が親ノードの事象の発生の可能性に与える寄与度を示す。
　因果関係データのデータフィールド［最大値］には、リスク指標の最大値を示すデータが格納される。データフィールド［リスク指標特定規則］に格納されているデータが示す規則に従い算出されるリスク指標がデータフィールド［最大値］に格納されているデータが示す最大値を超える場合、規則に従い算出されるリスク指標に代えて、この最大値がリスク指標として採用される。従って、例えば計測装置の故障等により異常なリスク指標が算出された場合であっても、異常なリスク指標が根ノードのリスク指標に与える影響は限定的となる。
　以上が因果関係データの構成の説明である。なお、記憶手段１３２は、因果関係データに加え、因果関係データのデータフィールド［リスク指標特定規則］に格納されるデータにより参照される様々なグラフを表すデータも記憶している。
　図６を参照しつつ、サーバ装置１３の構成の説明を続ける。推定手段１３３は、主としてプロセッサ１０２により構成され、取得手段１３１がサーバ装置１２から取得し記憶手段１３２に記憶されている属性値データと、取得手段１３１が端末装置１４から取得し記憶手段１３２に記憶されている因果関係データに基づき、因果関係ツリー図の各ノードに応じた事象の発生の可能性を推定する。より具体的には、推定手段１３３は各ノードに応じたリスク指標を特定する。以下に、推定手段１３３が各ノードに応じたリスク指標を特定する手順を説明する。
　図１１は、推定手段１３３がリスク指標を特定するために行う処理のフローを示した図である。推定手段１３３は、例えば所定時間の経過毎に、葉ノードを１つ選択し、因果関係データ（図９参照）から、選択した葉ノードに応じたデータレコードを読み出す（ステップＳ００１）。続いて、推定手段１３３は、ステップＳ００１において読み出した葉ノードのデータレコードのデータフィールド［ノード名称］に格納されているデータが示す属性値（または属性値の組み合わせ）に応じた属性値テーブル（図５参照）から最新の属性値データを読み出す（ステップＳ００２）。
　続いて、推定手段１３３は、ステップＳ００１において読み出した葉ノードのデータレコードのデータフィールド［リスク指標特定規則］に格納されているデータが示す規則に従い、ステップＳ００２において読み出した属性値データが示す属性値（または複数の属性値の組み合わせ）に応じたリスク指標を特定する（ステップＳ００３）。
　記憶手段１３２には、推定手段１３３により特定されたリスク指標を格納するために、ノードの各々に応じたテーブル（以下、「リスク指標ログテーブル」という）が記憶されている。図１２は、リスク指標ログテーブルの構成を示した図である。推定手段１３３は、ステップＳ００３においてリスク指標を特定すると、ステップＳ００１において読み出したデータレコードのデータフィールド［ノードＩＤ］に格納されているノードＩＤに応じたリスク指標ログテーブルに新しいデータレコードを追加し、追加したデータレコードのデータフィールド［時刻］に現在時刻を示すデータを、また、データフィールド［リスク指標］にステップＳ００３において特定したリスク指標を格納する（ステップＳ００４）。
　続いて、推定手段１３３は、過去に実行されたステップＳ００１における葉ノードの選択において、全ての葉ノードが選択済みであるか否かを判定する（ステップＳ００５）。未選択の葉ノードがある場合（ステップＳ００５；Ｎｏ）、推定手段１３３は処理をステップＳ００１に戻し、未選択の葉ノードを１つ選択し、選択した葉ノードに応じたデータレコードを因果関係データから読み出した後、読み出したデータレコードに関し、ステップＳ００２以降の処理を繰り返す。
　全ての葉ノードが選択済みである場合（ステップＳ００５；Ｙｅｓ）、推定手段１３３は、内部ノードのうち全ての子ノードのリスク指標が特定済みであるものを１つ選択し、因果関係データ（図９参照）から、選択した内部ノードに応じたデータレコードを読み出す（ステップＳ００６）。続いて、推定手段１３３は、ステップＳ００６において読み出した内部ノードのデータレコードのデータフィールド［リスク指標特定規則］に格納されているデータが示す規則に従い、子ノードのリスク指標を用いて、ステップＳ００６において選択した内部ノードのリスク指標を特定する（ステップＳ００７）。
　推定手段１３３は、ステップＳ００７においてリスク指標を特定すると、ステップＳ００６において読み出したデータレコードのデータフィールド［ノードＩＤ］に格納されているノードＩＤに応じたリスク指標ログテーブルに新しいデータレコードを追加し、追加したデータレコードのデータフィールド［時刻］に現在時刻を示すデータを、また、データフィールド［リスク指標］にステップＳ００７において特定したリスク指標を格納する（ステップＳ００８）。
　続いて、推定手段１３３は、過去に実行されたステップＳ００６における内部ノードの選択において、全ての内部ノードが選択済みであるか否かを判定する（ステップＳ００９）。未選択の内部ノードがある場合（ステップＳ００９；Ｎｏ）、推定手段１３３は処理をステップＳ００６に戻し、未選択の内部ノードを１つ選択し、選択した内部ノードに応じたデータレコードを因果関係データから読み出した後、読み出したデータレコードに関し、ステップＳ００７以降の処理を繰り返す。
　なお、繰り返し実行されるステップＳ００６において、内部ノードは、葉ノード側から根ノード側に向かう順序で選択される。従って、リスク指標は、葉ノード側から根ノード側に向かう順序で順次、特定されることになる。
　全ての内部ノードが選択済みである場合（ステップＳ００９；Ｙｅｓ）、推定手段１３３は、因果関係データ（図９参照）から親ノードに応じたデータレコードを読み出し、読み出した親ノードのデータレコードのデータフィールド［リスク指標特定規則］に格納されているデータが示す規則に従い、子ノードのリスク指標を用いて、親ノードのリスク指標を特定する（ステップＳ０１０）。
　推定手段１３３は、ステップＳ０１０においてリスク指標を特定すると、ステップＳ０１０において読み出したデータレコードのデータフィールド［ノードＩＤ］に格納されているノードＩＤに応じたリスク指標ログテーブルに新しいデータレコードを追加し、追加したデータレコードのデータフィールド［時刻］に現在時刻を示すデータを、また、データフィールド［リスク指標］にステップＳ０１０において特定したリスク指標を格納する（ステップＳ０１１）。これにより、因果関係ツリー図（図９）に示される全てのノードに関し、それらのノードに応じた事象の発生の可能性を示すリスク指標が特定される。
　記憶手段１３２に、１つの船舶９に関する複数の因果関係データが格納されている場合、推定手段１３３はそれら複数の因果関係データの各々に関し、図１１に示されるフローに従う処理を行う。また、システム１により管理される船舶９の数が複数の場合、推定手段１３３はそれら複数の船舶９の各々に関し記憶手段１３２に記憶されている因果関係データの各々に関し、図１１に示されるフローに従う処理を行う。以上が推定手段１３３の説明である。
　図６を参照し、サーバ装置１３の構成の説明を続ける。特定手段１３４は、主としてプロセッサ１０２により構成され、推定手段１３３により推定された根ノードに応じた事象（トラブル）の発生の可能性が予め定められた閾値を超えた場合、当該事象の発生の可能性の増大に最も貢献している事象を特定する。
　例えば、ノードＮ１に関し推定手段１３３が特定したリスク指標が所定の閾値を超えている場合、ノードＮ１の子ノード（ノードＮ１１等）のうち、ノードＮ１のリスク指標の増大に最も貢献しているノードを特定する。例えば、ノードＮ１のリスク指標特定規則が加重平均である場合、特定手段１３４は、ノードＮ１の子ノードのうち、リスク指標にウェイトを乗じた値が最も大きいノードを、ノードＮ１のリスク指標の増大に最も貢献しているノードとして特定する。以下、このように特定されたノードを「注目ノード」という。
　続いて、特定手段１３４は、上記のように特定した注目ノードの子ノードのうち、注目ノードのリスク指標の増大に最も貢献しているノードを１つ下層の注目ノードとして特定する。特定手段１３４は、注目ノードの子ノードの中から１つ下層の注目ノードを特定する処理を、葉ノードから注目ノードを特定するまで繰り返す。
　通知手段１３５は、主としてプロセッサ１０２および通信ＩＦ１０３により構成され、推定手段１３３により特定されたリスク指標、特定手段１３４により特定された注目ノード等を端末装置１４または端末装置１５のユーザに通知するための処理を行う。具体的には、通知手段１３５は、端末装置１４または端末装置１５から送信されてくる要求に応じて、推定手段１３３により特定されたリスク指標、特定手段１３４により特定された注目ノード等を表示する画面を表すデータを通知データとして生成し、要求元の端末装置に送信する。以上が、サーバ装置１３の構成の説明である。
　図１３は、端末装置１４および端末装置１５の機能構成を示した図である。すなわち、端末装置１４または端末装置１５のハードウェアを構成するコンピュータ２０は、端末装置１４用または端末装置１５用のプログラムに従うデータ処理を実行することにより、図１３に示される構成部を備える装置として動作する。以下、図１３に示される端末装置１４および端末装置１５の各構成部を説明する。
　要求手段１４１は、主として通信ＩＦ２０３により構成され、ユーザの操作に応じて、サーバ装置１３に対し通知データを要求する要求データを送信する。取得手段１４２は、主として通信ＩＦ２０３および操作装置２０５により構成され、ユーザの操作を示すデータを取得するとともに、要求手段１４１により送信された要求データに対する応答としてサーバ装置１３から送信されてくる通知データを受信する。
　記憶手段１４３は、主としてメモリ２０１により構成され、取得手段１４２により受信された通知データを記憶する。表示手段１４４は、主としてプロセッサ２０２および表示装置２０４により構成され、記憶手段１４３に記憶されている通知データを用いて、ユーザにリスク指標等を通知するための画面（以下、「トラブル発生リスク表示画面」という）を生成し、生成したトラブル発生リスク表示画面を表示する。
　図１４は、トラブル発生リスク表示画面を示した図である。トラブル発生リスク表示画面の左側にはテーブルＴ１およびＴ２が含まれ、右側にはグラフＧ１およびＧ２が含まれる。テーブルＴ１は、システム１によって管理される１以上の船舶９の中からユーザがリスク指標等を知りたい船舶９を選択するためのテーブルである。テーブルＴ１は［船舶名］欄、［アラート］欄を有する。［船舶名］欄には、船舶９の船舶名が表示される。［アラート］欄には、対応する船舶９に関し、いずれかの事象のリスク指標が注意を促すための所定の閾値を超えている場合は「Ｙｅｓ」が表示され、それ以外の場合は「Ｎｏ」が表示される。ユーザは、テーブルＴ１に表示されるいずれかの行をクリック等することにより船舶９を選択することができる。
　テーブルＴ２は、テーブルＴ１においてユーザにより選択された船舶９に関するトラブルのリスク指標を一覧表示するためのテーブルである。テーブルＴ２は［注意／警告］欄、［事象名］欄、［リスク指標］欄を有する。［注意／警告］欄には、「正常」、「注意」、「警告」のいずれかが表示される。「正常」はリスク指標が注意を促すための所定の閾値以下であることを示す。「注意」はリスク指標が注意を促すための所定の閾値を超えているが、警告のための閾値以下であることを示す。「警告」はリスク指標が警告のための所定の閾値を超えていることを示す。
　［事象名］欄には、トラブルの名称が表示される。［リスク指標］欄には、リスク指標が表示される。テーブルＴ２に表示される事象は、リスク指標が大きい順にソートされている。ユーザは、テーブルＴ２に表示されるいずれかの行をクリック等により選択することができる。
　グラフＧ１は、テーブルＴ２においてユーザにより選択された事象に関する因果関係ツリー図である。テーブルＴ２において、［注意／警告］欄に「注意」または「警告」が表示されている事象がユーザにより選択された場合、グラフＧ１において、特定手段１３４により特定された注目ノードは、他のノードと異なる態様で表示される。図１５の例では、他のノードより太い枠で囲まれた矩形で示されるノードが注目ノードである。また、各ノードを示す矩形内にはリスク指標が表示される。ユーザがいずれかのノードにマウスオーバー等の操作を行うと、操作された矩形に応じた事象名（ノード名称）がポップアップ表示される。
　グラフＧ２は、テーブルＴ２においてユーザにより選択されたトラブルのリスク指標の経時変化を示すグラフである。また、ユーザはグラフＧ１に表示されるいずれかの葉ノードをクリック等により選択することができる。ユーザにより葉ノードの選択が行われると、選択された葉ノードのリスク指標の算出に用いられる属性値の各々の経時変化を示すグラフがポップアップ表示される。図１５は、そのようにポップアップ表示されるグラフを例示した図である。
　上述したシステム１によれば、ユーザは、端末装置１４または端末装置１５に表示されるトラブル発生リスク表示画面を見ることにより、船舶９におけるトラブルの発生の可能性を容易に知ることができる。また、トラブルの発生の可能性が高まっている場合、ユーザは、トラブルの発生の可能性を高める原因となっている事象を容易に知ることができる。従って、ユーザは、トラブルの発生を防止するための対策を講じることができる。
［変形例］
　上述した実施形態は、本発明の技術的思想の範囲内で様々に変形することができる。以下にそれらの変形の例を示す。
（１）サーバ装置１３は船舶９に配置されてもよい。サーバ装置１３が船舶９に配置される場合、サーバ装置１２とサーバ装置１３が１つの装置に統合されてもよい。
（２）サーバ装置１３の推定手段１３３がリスク指標の特定に用いる属性値として、船舶９において計測された属性値ではない属性値が用いられてもよい。例えば、サーバ装置１３が、気象海象情報を提供するサーバ装置から、船舶９が航行する海域における気象海象（風向、風速等）を示すデータを取得し、取得したデータが示す気象海象をリスク指標の特定に用いてもよい。
（３）サーバ装置１３の推定手段１３３が因果関係ツリー図の葉ノードのリスク指標の特定のために用いる属性値の数は限定されない。例えば、１種類の属性値により葉ノードのリスク指標が特定されてもよいし、２種類以上の属性値により葉ノードのリスク指標が特定されてもよい。
（４）上述したリスク指標の特定規則はあくまで例示であって、様々な規則がリスク指標の特定のために用いられる。例えば、上述した実施形態の説明において、図７のグラフを用いたリスク指標の特定規則として、基準線であるラインＭと、計測された属性値の組み合わせを示す点の、ｙ軸方向の距離Ｄに定数＃を乗じた値をリスク指標とする規則を例示した。この距離Ｄに代えて、計測された主機負荷と平均シリンダ排気温度の発生確率がリスク指標の特定に用いられてもよい。この場合、例えば、端末装置１４のユーザは、様々な主機負荷に関し、当該主機負荷が計測されたときに計測された平均シリンダ排気温度をサンプルとする母集団の確率分布（例えば正規分布）を推定し、推定した確率分布を示すデータを記憶手段１３２に記憶させる。推定手段１３３は、リスク指標の特定において、計測された主機負荷に応じた確率分布を示すデータを記憶手段１３２から読み出し、読み出したデータが示す確率分布に従い、計測された平均シリンダ排気温度の発生確率をリスク指標として特定する。このように、計測された属性値（または属性値の組み合わせ）の発生確率がリスク指標の特定に用いられてもよい。
（５）上述した実施形態において、サーバ装置１２とサーバ装置１３等の装置間のデータの受け渡しはネットワークを介したデータの送受信により行われる。これらの装置間のデータの受け渡し方法はネットワークを介したデータの送受信に限られない。例えば、船舶９が航行中は取得手段１２１により取得される属性データをサーバ装置１３に送信せずに記憶手段１２２に蓄積しておき、船舶９が港に停泊している間等に記憶手段１２２に蓄積されている属性データを記録媒体にコピーし、当該記録媒体からサーバ装置１３に属性データを読み取らせることにより、サーバ装置１２からサーバ装置１３への属性データの受け渡しが行われてもよい。
（６）上述した実施形態においては、因果関係ツリー図の根ノードに応じた事象に関してのみ、リスク指標が所定の閾値と比較され、当該事象の発生の可能性が評価される。サーバ装置１２が発生の可能性の評価を行う事象は根ノードに応じた事象に限られず、中間ノードに応じた事象に関して発生の可能性が評価されてもよい。この場合、例えば、根ノードに応じた事象に関し図１４に例示した画面と同様の画面により、中間ノードに応じた各種情報が表示されてもよい。
（７）上述した実施形態においては、サーバ装置１２、サーバ装置１３、端末装置１４および端末装置１５は一般的なコンピュータがプログラムに従った処理を実行することにより実現される。これに代えて、サーバ装置１２、サーバ装置１３、端末装置１４および端末装置１５の少なくとも一部が、いわゆる専用装置として構成されてもよい。
（８）本発明にかかるプログラム、すなわち、上述した実施形態において、コンピュータ１０により実行されてサーバ装置１２またはサーバ装置１３を実現するためのプログラムとして例示されたプログラム、または、コンピュータ２０により実行されて端末装置１４または端末装置１５を実現するためのプログラムとして例示されたプログラムは、例えば、光記録媒体、半導体メモリなどのコンピュータに読み取り可能な記録媒体に記憶された状態で提供されてもよいし、インターネット等の通信ネットワークを介して提供されてもよい。本発明にかかるプログラムが記録媒体に記憶された状態で提供される場合、コンピュータ１０またはコンピュータ２０が当該プログラムを記録媒体から読み取り用いる。また、本発明にかかるプログラムが通信ネットワークを介して提供される場合、コンピュータ１０またはコンピュータ２０が当該プログラムを配信元の装置から受信して用いる。
１…システム、８…通信衛星、９…船舶、１０…コンピュータ、１１…計測装置群、１２…サーバ装置、１３…サーバ装置、１４…端末装置、１５…端末装置、２０…コンピュータ、１０１…メモリ、１０２…プロセッサ、１０３…通信ＩＦ、１２１…取得手段、１２２…記憶手段、１２３…送信手段、１３１…取得手段、１３２…記憶手段、１３３…推定手段、１３４…特定手段、１３５…通知手段、１４１…要求手段、１４２…取得手段、１４３…記憶手段、１４４…表示手段、２０１…メモリ、２０２…プロセッサ、２０３…通信ＩＦ、２０４…表示装置、２０５…操作装置

Claims (8)

  1. 　船舶において発生する複数の事象の間の因果関係を示す因果関係データと、前記因果関係データにより原因となる事象が示されない１以上の事象の各々に関し当該事象の発生に関連する前記船舶または前記船舶の置かれた環境の属性値を示す属性値データとを取得する取得手段と、
    　前記因果関係データと前記属性値データに基づき、前記複数の事象の各々の発生の可能性を推定する推定手段と
    　を備える装置。
  2. 　前記取得手段は、前記因果関係データにより原因となる事象が示されない１以上の事象の各々に関し、当該事象に関連する前記船舶または前記船舶の置かれた環境の属性値の基準値を示す基準値データを取得し、
    　前記推定手段は、前記因果関係データにより原因となる事象が示されない１以上の事象の各々に関し、当該事象に関する前記属性値データが示す属性値と当該事象に関する前記基準値データが示す基準値の比較の結果に基づき当該事象の発生の可能性を推定する
    　請求項１に記載の装置。
  3. 　前記取得手段は、前記因果関係データにより原因となる事象が示されない１以上の事象のうちの少なくとも１の事象の各々に関し、当該事象に関連する前記船舶または前記船舶の置かれた環境の複数の属性値を示す前記属性値データを取得し、
    　前記取得手段は、前記少なくとも１の事象の各々に関し、当該事象に関連する複数の属性値の基準となる組み合わせを示す基準値データを取得し、
    　前記推定手段は、前記少なくとも１の事象の各々に関し、前記属性値データが示す複数の属性値の組み合わせと当該事象に関する前記基準値データが示す複数の属性値の基準となる組み合わせの比較の結果に基づき当該事象の発生の可能性を推定する
    　請求項１に記載の装置。
  4. 　前記因果関係データは、前記複数の事象をノードとする木構造と、前記木構造において親子関係にあるノード群の各々に関し当該ノード群に含まれる子ノードの事象の発生の可能性が当該ノード群に含まれる親ノードの事象の発生の可能性に与える寄与度を示し、
    　前記推定手段は、前記木構造における１以上の葉ノードの各々に関し当該葉ノードの事象の発生の可能性を当該葉ノードの事象に関する前記属性値データに基づき推定し、当該推定した葉ノードの事象の発生の可能性と前記因果関係データが示す寄与度に基づき葉ノード側から根ノード側に向かう順序で前記木構造における内部ノードの事象の発生の可能性を推定する
    　請求項１乃至３のいずれか１項に記載の装置。
  5. 　前記推定手段により推定された発生の可能性が予め定められた閾値を超えた場合、当該事象をユーザに通知するための処理を行う通知手段を備える
    　請求項１乃至４のいずれか１項に記載の装置。
  6. 　前記推定手段により推定された発生の可能性が前記予め定められた閾値を超えた事象の発生の可能性の増大に最も貢献している事象を特定する特定手段を備え、
    　前記通知手段は、前記特定手段により特定された事象を前記ユーザに通知するための処理を行う
    　請求項５に記載の装置。
  7. 　コンピュータに、
    　船舶において発生する複数の事象の間の因果関係を示す因果関係データと、前記因果関係データにより原因となる事象が示されない１以上の事象の各々に関し当該事象の発生に関連する前記船舶または前記船舶の置かれた環境の属性値を示す属性値データとを取得する処理と、
    　前記因果関係データと前記属性値データに基づき、前記複数の事象の各々の発生の可能性を推定する処理と
    　を実行させるためのプログラム。
  8. 　コンピュータに、
    　船舶において発生する複数の事象の間の因果関係を示す因果関係データと、前記因果関係データにより原因となる事象が示されない１以上の事象の各々に関し当該事象の発生に関連する前記船舶または前記船舶の置かれた環境の属性値を示す属性値データとを取得する処理と、
    　前記因果関係データと前記属性値データに基づき、前記複数の事象の各々の発生の可能性を推定する処理と
    　を実行させるためのプログラムを持続的に記録するコンピュータに読み取り可能な記録媒体。
PCT/JP2016/082593 2016-11-02 2016-11-02 船舶における異常な事象の発生防止のための装置、プログラム、および記録媒体 WO2018083756A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
PCT/JP2016/082593 WO2018083756A1 (ja) 2016-11-02 2016-11-02 船舶における異常な事象の発生防止のための装置、プログラム、および記録媒体
JP2017564928A JP6514793B2 (ja) 2016-11-02 2016-11-02 船舶における異常な事象の発生防止のための装置、プログラム、および記録媒体
DKPA201970303A DK181281B1 (en) 2016-11-02 2019-05-10 Apparatus for preventing occurrence of abnormal incidents in ship, program, and storage medium
NO20190606A NO20190606A1 (en) 2016-11-02 2019-05-14 Apparatus for preventing occurrence of abnormal incidents in ship, program, and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2016/082593 WO2018083756A1 (ja) 2016-11-02 2016-11-02 船舶における異常な事象の発生防止のための装置、プログラム、および記録媒体

Publications (1)

Publication Number Publication Date
WO2018083756A1 true WO2018083756A1 (ja) 2018-05-11

Family

ID=62075904

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2016/082593 WO2018083756A1 (ja) 2016-11-02 2016-11-02 船舶における異常な事象の発生防止のための装置、プログラム、および記録媒体

Country Status (4)

Country Link
JP (1) JP6514793B2 (ja)
DK (1) DK181281B1 (ja)
NO (1) NO20190606A1 (ja)
WO (1) WO2018083756A1 (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110932901A (zh) * 2019-11-29 2020-03-27 深圳市计通智能技术有限公司 一种告警等级调整方法及系统
CN111191937A (zh) * 2019-12-31 2020-05-22 深圳市计通智能技术有限公司 一种告警危害评估方法、系统及终端设备
JP2021051430A (ja) * 2019-09-24 2021-04-01 株式会社 日立産業制御ソリューションズ 業務管理装置、業務管理方法及び業務管理プログラム

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06168128A (ja) * 1992-11-27 1994-06-14 Nec Corp エキスパートシステム
JPH09274568A (ja) * 1996-02-07 1997-10-21 Toshiba Corp 故障診断装置
WO2008114863A1 (ja) * 2007-03-22 2008-09-25 Nec Corporation 診断装置
JP2009301134A (ja) * 2008-06-10 2009-12-24 Omron Corp Ｆｔ図作成プログラム、ｆｔ図作成装置、記録媒体及びｆｔ図作成方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011028339A (ja) * 2009-07-21 2011-02-10 Nippon Telegr & Teleph Corp <Ntt> 情報処理装置、情報処理システムおよび情報処理方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06168128A (ja) * 1992-11-27 1994-06-14 Nec Corp エキスパートシステム
JPH09274568A (ja) * 1996-02-07 1997-10-21 Toshiba Corp 故障診断装置
WO2008114863A1 (ja) * 2007-03-22 2008-09-25 Nec Corporation 診断装置
JP2009301134A (ja) * 2008-06-10 2009-12-24 Omron Corp Ｆｔ図作成プログラム、ｆｔ図作成装置、記録媒体及びｆｔ図作成方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021051430A (ja) * 2019-09-24 2021-04-01 株式会社 日立産業制御ソリューションズ 業務管理装置、業務管理方法及び業務管理プログラム
US11328242B2 (en) 2019-09-24 2022-05-10 Hitachi Industry & Control Solutions, Ltd. Operation control apparatus, operation control method, and operation control program for displaying a selected KPI in a time-series manner on the same screen that the responsible department is displayed
CN110932901A (zh) * 2019-11-29 2020-03-27 深圳市计通智能技术有限公司 一种告警等级调整方法及系统
CN110932901B (zh) * 2019-11-29 2022-11-15 深圳市计通智能技术有限公司 一种告警等级调整方法及系统
CN111191937A (zh) * 2019-12-31 2020-05-22 深圳市计通智能技术有限公司 一种告警危害评估方法、系统及终端设备
CN111191937B (zh) * 2019-12-31 2023-12-29 深圳市计通智能技术有限公司 一种告警危害评估方法、系统及终端设备

Also Published As

Publication number Publication date
DK181281B1 (en) 2023-06-20
DK201970303A1 (da) 2019-05-23
JP6514793B2 (ja) 2019-05-15
JPWO2018083756A1 (ja) 2018-11-01
NO20190606A1 (en) 2019-05-14

Similar Documents

Publication Publication Date Title
DK181281B1 (en) Apparatus for preventing occurrence of abnormal incidents in ship, program, and storage medium
JP6652247B2 (ja) コンピューティングシステム、プログラムおよび方法
US9588504B2 (en) Modular control system
US9906405B2 (en) Anomaly detection and alarming based on capacity and placement planning
CN110149327B (zh) 网络安全威胁的告警方法、装置、计算机设备和存储介质
US9935864B2 (en) Service analyzer interface
US7693982B2 (en) Automated diagnosis and forecasting of service level objective states
CN110309030A (zh) 基于ELK和Zabbix的日志分析监控系统和方法
US11178245B2 (en) Distributed cluster visualization
CN108540329B (zh) 基于两层贝叶斯网络模型的网络安全推断方法
JP6210867B2 (ja) データ関連性解析システムおよびデータ管理装置
Song et al. Interval‐valued probabilistic hesitant fuzzy set and its application in the Arctic geopolitical risk evaluation
US10062034B2 (en) Method and system for obtaining and analyzing information from a plurality of sources
Balin et al. A novel hybrid MCDM model based on fuzzy AHP and fuzzy TOPSIS for the most affected gas turbine component selection by the failures
Aikhuele et al. A modified exponential score function for troubleshooting an improved locally made Offshore Patrol Boat engine
CN113806171A (zh) 一种服务器健康评估方法、系统、设备以及介质
WO2018154558A1 (en) Methods and systems for problem-alert aggregation
FR3088909A1 (fr) Procédé et système de sécurisation d’un aéronef contre les cyberattaques
CN117541217A (zh) 基于三维可视化电网设备管理业务的运维方法
JP2007050760A (ja) 船舶の運航診断方法、及び船舶の運航診断システム
JP6379278B2 (ja) 船舶において計測されたデータを管理するためのデータ処理装置、プログラム、および記録媒体
JP2012213112A (ja) 警報集約装置及び警報集約方法
CN109815080A (zh) 计算机设备的三维监控方法及其装置
US9984182B2 (en) Model generation system for a machine
US20150188786A1 (en) Monitoring Data Elements Across Multiple Networks and Processes

Legal Events

Date Code Title Description
WWE Wipo information: entry into national phase

Ref document number: 2017564928

Country of ref document: JP

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

Ref document number: 16920760

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 16920760

Country of ref document: EP

Kind code of ref document: A1