WO2018105104A1 - 故障リスク指標推定装置および故障リスク指標推定方法 - Google Patents

故障リスク指標推定装置および故障リスク指標推定方法 Download PDF

Info

Publication number
WO2018105104A1
WO2018105104A1 PCT/JP2016/086738 JP2016086738W WO2018105104A1 WO 2018105104 A1 WO2018105104 A1 WO 2018105104A1 JP 2016086738 W JP2016086738 W JP 2016086738W WO 2018105104 A1 WO2018105104 A1 WO 2018105104A1
Authority
WO
WIPO (PCT)
Prior art keywords
failure
unit
risk index
estimation
parameter
Prior art date
Application number
PCT/JP2016/086738
Other languages
English (en)
French (fr)
Inventor
友也 藤野
Original Assignee
三菱電機株式会社
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 三菱電機株式会社 filed Critical 三菱電機株式会社
Priority to KR1020197015852A priority Critical patent/KR102097953B1/ko
Priority to CN201680091319.7A priority patent/CN110023967B/zh
Priority to JP2018555417A priority patent/JP6501982B2/ja
Priority to PCT/JP2016/086738 priority patent/WO2018105104A1/ja
Priority to TW106114251A priority patent/TWI646476B/zh
Publication of WO2018105104A1 publication Critical patent/WO2018105104A1/ja

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • 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
    • G06Q50/04—Manufacturing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Definitions

  • the present invention relates to a failure risk index estimation device and a failure risk index estimation method for estimating an index of a risk that a facility will fail.
  • FMEA Failure mode effect analysis
  • Items related to failures include, for example, the frequency of occurrence of failures in facilities and the magnitude of the impact of failures on facilities.
  • the analysis result of FMEA may be referred to when evaluating this. is there.
  • Patent Document 1 describes an operation rate prediction apparatus that predicts the operation rate of a prediction target machine system using FMEA.
  • the operating rate prediction apparatus includes a map in which the correspondence relationship between the levels of a plurality of evaluation items related to the failure rate and the failure coefficient is defined. With reference to this map, the components of the prediction target machine system are configured. Specify the failure coefficient corresponding to the level of the evaluation item.
  • the operation rate prediction apparatus estimates a failure rate of a component from the specified failure coefficient, and predicts an operation rate of the prediction target machine system based on the failure rate estimated for each of the plurality of components.
  • the said map was fitted so that it might match the performance of the utilization rate of a similar mechanical system.
  • the component rank coefficient of the component is selected in consideration of the failure factor of the component of the facility in the stopped state and the influence of the failure, and the component The degradation rank coefficient of the component is selected in consideration of the expected life.
  • the movable management device calculates an inspection cycle expected for the component, and based on the calculated inspection cycle, the effective maintenance cycle of the component, that is, maintenance work. The interval is determined.
  • the effective maintenance cycle is determined on the assumption that the inspection cycle expected for the component is a constant multiple of the current inspection cycle. If is not linear with respect to elapsed time, it will not hold. Since the risk of failure occurring in actual equipment generally changes nonlinearly, the movable management device cannot be applied to actual equipment as it is.
  • the present invention solves the above-described problem, and provides a failure risk index estimation device and failure risk index estimation that can appropriately estimate an index of a risk that a facility will fail even when there is no or little maintenance data of the facility.
  • the purpose is to obtain a method.
  • the failure risk index estimation device includes a model formula construction unit and a parameter estimation unit.
  • the model formula building unit changes the failure risk index according to the statistical distribution based on the information indicating the FMEA result for each inspection item of the parts constituting the facility and the information indicating the statistical distribution used for estimating the failure risk index. Is constructed.
  • the parameter estimation unit determines the maintenance work interval and the default calculated from the model formula based on the information indicating the FMEA result for each inspection item of the parts constituting the equipment and the information indicating the maintenance operation interval predetermined for each inspection item of the part.
  • the parameter value of the model formula that minimizes the difference from the performed maintenance work interval is statistically estimated.
  • the model formula indicating the transition of the failure risk index according to the statistical distribution is constructed, and the parameter value of the model formula is statistically estimated as the estimated value of the failure risk index.
  • FIG. 2A is a diagram showing items of information stored in an FMEA result database (hereinafter referred to as DB).
  • FIG. 2B is a diagram illustrating items of information stored in the default work interval DB.
  • FIG. 2C is a diagram illustrating statistical evaluation information.
  • 3 is a diagram showing items of information stored in a first storage unit in Embodiment 1.
  • FIG. 4A is a block diagram showing a hardware configuration for realizing the function of the failure risk index estimation apparatus according to Embodiment 1.
  • 3 is a flowchart showing an operation of the failure risk index estimation device according to the first embodiment. It is a figure which shows the relationship between a failure risk parameter
  • FIG. 13A is a diagram illustrating items of information stored in the facility information DB.
  • FIG. 13B is a diagram illustrating items of information stored in the maintenance performance DB.
  • FIG. 13C is a diagram illustrating items of information stored in the failure record DB.
  • FIG. 14A is a diagram illustrating items of information stored in the narrowed-down data storage unit.
  • FIG. 14B is a diagram illustrating items of information stored in the second storage unit.
  • FIG. 14C is a diagram illustrating an estimated value of the failure risk index.
  • 6 is a flowchart showing the operation of the failure risk index estimation device according to the second embodiment.
  • 10 is a flowchart illustrating an operation of a narrowing unit according to the second embodiment.
  • 10 is a flowchart illustrating an operation of an index estimation unit according to the second embodiment.
  • 10 is a flowchart showing the operation of the merge unit in the second embodiment.
  • FIG. 1 is a block diagram showing a functional configuration of a failure risk index estimation device 1 according to Embodiment 1 of the present invention.
  • the failure risk index estimation apparatus 1 is an apparatus that estimates a failure risk index of equipment, and includes an FMEA result DB 2, a predetermined work interval DB 3, an index estimation unit 4, and a first storage unit 5.
  • the index estimation unit 4 estimates a facility failure risk index based on the information read from each of the FMEA result DB2 and the predetermined work interval DB3 and the statistical evaluation information A.
  • the failure risk index is information obtained by quantifying the magnitude of the risk that a failure will occur in the parts constituting the facility.
  • FMEA result DB2 is a DB that stores FMEA results for each inspection item of the parts constituting the facility.
  • information on items as shown in FIG. 2A is stored, for example.
  • identification information of the component is set.
  • identification information of the inspection item is set.
  • the inspection items include, for example, appearance inspection, energization inspection, insulation inspection, and friction inspection. The current inspection and the insulation inspection both inspect the electrical continuity, and can be said to be similar inspection items.
  • FMEA evaluation items are FMEA evaluation items.
  • Frequency Frequency Level an FMEA evaluation level relating to the failure frequency is set.
  • influence magnitude level an FMEA evaluation level relating to the magnitude of the influence of the failure on the part is set.
  • detectability level an FMEA evaluation level relating to the ease of detecting a failure is set.
  • the default work interval DB 3 is a DB that stores information indicating a maintenance work interval that is predetermined for each part inspection item.
  • the default work interval DB3 for example, information on items as shown in FIG. 2B is stored.
  • Part ID and “inspection item ID” are the same as those shown in FIG. 2A.
  • number of predetermined work interval months the number of months of maintenance work intervals set for each inspection item of parts is set.
  • the statistical evaluation information A is information indicating a statistical distribution used for statistical estimation of the failure risk index.
  • item information as shown in FIG. 2C is stored.
  • statistic distribution the type of statistical distribution used for statistical estimation of the failure risk index is set.
  • Statistical distribution types include theoretically derived distributions such as Weibull distribution, gamma distribution, and lognormal distribution.
  • a ratio of an error in which the estimated value of the failure risk index estimated by the index estimating unit 4 is allowed with respect to the standard deviation is set.
  • the reliability rate of the failure risk index estimated by the index estimation unit 4 is set. Both the probability P1 of the evaluation result when the estimated value of the failure risk index falls within the allowable error and the probability P2 of the evaluation result when the estimated value of the failure risk index does not fall within the allowable error are both “reliable”
  • the ratio ⁇ is equal to or greater than the value ⁇ (P1 ⁇ ⁇ , P2 ⁇ ⁇ ). Note that “allowable error” and “reliability” are information used in the merge process described later in the second embodiment, and thus the statistical evaluation information A in the first embodiment may not include these pieces of information. .
  • the index estimation unit 4 includes a model formula construction unit 4a and a parameter estimation unit 4b.
  • the model formula construction unit 4a constructs a model formula that indicates the transition (time change) of the failure risk index.
  • the parameter estimation unit 4 b uses the above model formula so that the difference between the maintenance work interval calculated from the model formula and the predetermined maintenance work interval is minimized.
  • the above model formula models the transition of the failure risk index according to the statistical distribution indicated by the statistical evaluation information A, and the parameter value of this model formula is the first estimated value.
  • the first storage unit 5 stores a first estimated value that is a parameter value estimated by the index estimating unit 4. For example, information for each item as illustrated in FIG. 3 is stored in the first storage unit 5.
  • Part ID and “Inspection item ID” are the same as those shown in FIG. 2A
  • Statistical distribution is the same as that shown in FIG. 2C.
  • a parameter that defines the statistical distribution used in the statistical estimation of the first estimated value is set.
  • the shape parameter ⁇ and the scale parameter ⁇ of the cumulative density function that defines the Weibull distribution are set.
  • time scale coefficient “Time scale coefficient”, “risk weight coefficient”, and “safety margin” are parameters of the above model formula, and parameter values estimated by the index estimation unit 4 are set.
  • the “time scale factor” is a parameter related to the speed at which the failure risk increases in the above model formula.
  • disk weight coefficient is a parameter related to the degree of weight of failure risk in the above model formula.
  • the “safety margin” is a parameter indicating a time interval that goes back from the maintenance work date and time at the work interval estimated by the above model formula. With this parameter, parts maintenance work is executed ahead of schedule.
  • FMEA result DB2 and default work interval DB3 are the database 100 shown in FIGS. 4A and 4B.
  • Information stored in each of the FMEA result DB 2 and the default work interval DB 3 is input to the index estimation unit 4 through the DB input / output interface 101.
  • the statistical evaluation information A is input to the failure risk index estimation device 1 through the information input interface 102.
  • the estimated value of the failure risk index is output from the failure risk index estimation device 1 through the information output interface 103.
  • the first storage unit 5 may be provided in a storage device in which the database 100 is provided, or may be provided in an internal memory of the processing circuit 104 illustrated in FIG. 4A.
  • the first storage unit 5 may be provided in the memory 105 shown in FIG. 4B.
  • Each function of the model formula construction unit 4a and the parameter estimation unit 4b in the failure risk index estimation device 1 is realized by a processing circuit. That is, the failure risk index estimation device 1 constructs a model formula indicating the transition of the failure risk index based on the FMEA result read from the FMEA result DB2 and the statistical evaluation information A, and the FMEA result DB2 and the predetermined work interval DB3. And a processing circuit for statistically estimating the parameter value of the model formula that minimizes the difference between the maintenance work interval calculated from the model formula and the predetermined maintenance work interval.
  • the processing circuit may be dedicated hardware or a CPU (Central Processing Unit) that executes a program stored in the memory.
  • CPU Central Processing Unit
  • the processing circuit 104 is, for example, a single circuit, a composite circuit, a programmed processor, a parallel programmed processor, or an ASIC (Application Specific Integrated Circuit). , FPGA (Field-Programmable Gate Array), or a combination thereof.
  • the functions of the model formula construction unit 4a and the parameter estimation unit 4b may be realized by separate processing circuits, or these functions may be realized by a single processing circuit.
  • the processing circuit is a processor 106 as shown in FIG. 4B
  • the functions of the model formula construction unit 4a and the parameter estimation unit 4b are realized by software, firmware, or a combination of software and firmware.
  • Software or firmware is described as a program and stored in the memory 105.
  • the processor 106 reads out and executes the program stored in the memory 105, thereby realizing the functions of the respective units. That is, the failure risk index estimation device 1 includes a memory 105 for storing a program in which step ST1 and step ST2 shown in FIG.
  • these programs cause the computer to execute the procedures or methods of the model formula construction unit 4a and the parameter estimation unit 4b.
  • the memory 105 includes, for example, a nonvolatile memory such as a RAM (Random Access Memory), a ROM (Read Only Memory), a flash memory, an EPROM (Erasable Programmable Read Only Memory), an EEPROM (Electrically-EPROM), or a volatile memory such as an EEPROM (Electrically-EPROM).
  • a nonvolatile memory such as a RAM (Random Access Memory), a ROM (Read Only Memory), a flash memory, an EPROM (Erasable Programmable Read Only Memory), an EEPROM (Electrically-EPROM), or a volatile memory such as an EEPROM (Electrically-EPROM).
  • a nonvolatile memory such as a RAM (Random Access Memory), a ROM (Read Only Memory), a flash memory, an EPROM (Erasable Programmable Read Only Memory), an EEPROM (Electrically-EPROM), or a volatile memory such as an EEPROM (Electrically-EPROM).
  • EEPROM Electrically
  • part of the functions of the model formula construction unit 4a and the parameter estimation unit 4b may be realized by dedicated hardware, and part of them may be realized by software or firmware.
  • the function of the model formula construction unit 4a is realized by a processing circuit as dedicated hardware, and the function of the parameter estimation unit 4b is obtained by the processor 106 reading and executing a program stored in the memory 105. May be realized.
  • the processing circuit can realize each of the above functions by hardware, software, firmware, or a combination thereof.
  • FIG. 5 is a flowchart showing the operation of the failure risk index estimation apparatus 1 and shows a series of processing until the estimated value of the failure risk index is obtained and stored in the first storage unit 5.
  • FIG. 6 is a diagram showing the relationship between the failure risk index R (t) and the intermediate evaluation indexes S, W, M, and shows the transition of the failure risk index R (t) in the elapsed time after the maintenance work.
  • FIG. 7 is a diagram illustrating the relationship between the evaluation items C, E, and D of the FMEA result and the intermediate evaluation indexes S, W, and M.
  • the operation of the failure risk index estimation apparatus 1 will be described along FIG. 5 with reference to FIGS. 6 and 7.
  • the index estimation unit 4 constructs a failure risk index model expression based on the FMEA result read from the FMEA result DB2 and the statistical evaluation information A (step ST1).
  • the failure risk index R (t) changes (changes in time) according to the statistical distribution f (t) as shown in the following formula (1).
  • the time scale coefficient S is a coefficient for adjusting the change in the time direction of R (t), and is a parameter relating to the speed at which the failure risk increases.
  • the risk weight coefficient W is a coefficient for adjusting the magnitude of R (t), and is a parameter related to the degree of weight of failure risk.
  • R (t) W ⁇ f (S ⁇ t) (1)
  • the index estimation unit 4 sets the safety margin M, and calculates the work interval T assumed from the model formula from the following formula (2).
  • the time scale coefficient S, the risk weighting coefficient W, and the safety margin M are parameters that are assigned values until an estimated value of the failure risk index is obtained.
  • these are called intermediate evaluation indexes.
  • the statistical distribution f (t) can be expressed by a cumulative density function of the Weibull distribution shown in the following formula (3).
  • the shape parameter ⁇ and the scale parameter ⁇ are statistical distribution parameters in the cumulative density function of the Weibull distribution.
  • the above formula (1) can be expressed by the following formula (4) using the shape parameter ⁇ and the scale parameter ⁇ .
  • f (t) 1 ⁇ exp ( ⁇ (t / ⁇ ) ⁇ ) (3)
  • R (t) W ⁇ (1-exp ( ⁇ (S ⁇ t) ⁇ )) (4)
  • T E (1 / S) ⁇ ( ⁇ ln (1 ⁇ (1 / W))) 1 / ⁇ (5)
  • the FMEA result evaluation items include a failure frequency level, an impact magnitude level, and a detectability level.
  • the failure frequency level is C
  • the impact magnitude Let level be E and detectability level be D.
  • the relationship shown in FIG. 7 exists between the evaluation item of the FMEA result and the intermediate evaluation index.
  • the failure frequency level C can be an index of the frequency of occurrence of failures in the evaluation target component, and is therefore related to the time scale factor S related to the failure risk increase rate.
  • the magnitude level E of the influence can be an index of the magnitude of the influence of the failure on the evaluation target part, the risk weight coefficient W relating to the degree of the weight of the failure risk and the safety margin M relating to the degree of advancement of the maintenance work. And both are related.
  • the detectability level D can be an index of the ease of detecting a failure that has occurred in a part to be evaluated, and is therefore related to the safety margin M regarding the degree of advancement of maintenance work.
  • the index estimation unit 4 statistically calculates the values of the parameters S, W, M, ⁇ , and ⁇ of the model formula so that the difference between the maintenance work interval T assumed from the model formula and the predetermined maintenance work interval T S is minimized. (Step ST2). Since the scale parameter ⁇ is fixed at “1”, the index estimation unit 4 calculates the values of the parameters S, W, M, and ⁇ of the model formula for each part and each inspection item, and uses them as the parts and the inspection items. The data is stored in the first storage unit 5 in association with each other.
  • FIG. 8 is a flowchart showing the operations of the model formula construction unit 4a and the parameter estimation unit 4b.
  • the model formula construction unit 4a merges the table data of the FMEA result DB2 and the default work interval DB3 (step ST1a).
  • the table data is data composed of information for each item as shown in FIGS. 2A and 2B, and among the table data, the component ID, the inspection item ID, and the side-by-side information subsequent thereto are record data.
  • the part ID, the inspection item ID, and the subsequent default work interval months are information constituting the table data.
  • the model formula construction unit 4a reads the table data from the default work interval DB3, and searches the table data of the FMEA result DB2 having the same part ID and inspection item ID based on the part ID and inspection item ID in the table data.
  • the model formula construction unit 4a executes a so-called merger that combines the FMEA results of the table data specified by this search with the table data read from the default work interval DB3.
  • the model formula construction unit 4a performs the above process on all the table data in the predetermined work interval DB3, and generates information in which the predetermined maintenance work interval and the FMEA result are combined.
  • This combination information is shown in FIG. 9, the default has been maintenance intervals T S, are expressed in months of working distance.
  • table data that does not have the same component ID and inspection item ID as the table data in the default work interval DB3 is also added to the combination information shown in FIG.
  • the model formula construction unit 4a assigns a parameter of an intermediate evaluation index related to the FMEA result according to the evaluation item and the evaluation level of the FMEA result for each component ID and each inspection item ID (step ST2a).
  • the model formula construction unit 4a assigns a common intermediate evaluation index parameter to the FMEA result of the above combination information for the evaluation item related to the failure of FMEA and the evaluation level in this evaluation item is the same.
  • Build a model formula The same value is set as the common parameter even in the above model formula between data having different part IDs and inspection item IDs. Thereby, it is possible to evaluate the influence of a failure that acts in common on different parts or inspection items.
  • FIG. 10 is a diagram showing a result of assigning parameters of the intermediate evaluation index to the evaluation items of the FMEA result.
  • Model expression construction unit 4a as shown in FIG. 10, for the parameters of the frequency level C Breakdown relevant time scale factor S, assigning the common parameter S 2.
  • Model expression construction unit 4a as shown in FIG. 10, allocates the common parameters W 3 for the parameters of the risk weighting factor W that is relevant to the size level E of the impact.
  • the detectability level D which is an evaluation item of the FMEA result, also has an evaluation level of “3”. For this reason, as shown in FIG. 10, the model formula construction unit 4 a assigns common parameters M 3 and 3 to the parameters of the safety margin M related to the detectability level D.
  • the work interval T, the failure risk index R (t), and the appropriate interval TE are constructed as model equations for the failure risk index. Since the parameters of the intermediate evaluation index for the data of (EQ001, MT001) are S 2 , W 3 , M 3 , 3 , the model formula is as follows.
  • a safety margin M may be expressed by the product M E ⁇ M D of the coefficient factor M D by detectable levels D and coefficient factor M E due to the size level E of the impact.
  • the parameter estimation unit 4b calculates a working distance T from the model equation, the difference between the working distance T and default working interval T S is minimized on the basis of the parameter assigned by the model equation construction unit 4a
  • Parameter estimation unit 4b for all the parts ID and inspection item ID in the combination information parameters S of the intermediate evaluation index as the sum of squares of the difference between the working distance T and the default is work interval T S is minimized, Estimate W, M and shape parameter ⁇ . As described above, the scale parameter ⁇ is “1”. As an estimation method of these parameters, for example, a conjugate direction method can be cited. However, as long as the method error between the default has been working distance T S can be used to estimate the parameters a minimum, but is not limited to conjugate vector method.
  • the parameter estimation unit 4b classifies the results estimated as described above for each component ID and each inspection item ID, and stores them in the first storage unit 5 in association with the component ID and the inspection item ID (step ST4a). ). Since the statistical distribution f (t) follows the Weibull distribution, the “Statistic distribution” item shown in FIG. 3 is set to “Weibull distribution”, and the “Statistic distribution parameter” item includes the shape parameter ⁇ . Value is set.
  • the parameter estimation unit 4b may use the information used in the statistical estimation of the parameter value for one of the inspection items similar to each other for the statistical estimation of the parameter value for the other of the inspection items. For example, since both the energization inspection and the insulation inspection inspect the electrical continuity state, they can be said to be similar inspection items. Therefore, the parameter estimation unit 4b uses the information used in the statistical estimation of the parameter value for the energization inspection for the statistical estimation of the parameter value for the insulation inspection. By doing in this way, the information used for statistical estimation can be reused and the processing load required for estimation can be reduced.
  • the model formula construction unit 4a has a statistical distribution based on the FMEA result read from the FMEA result DB2 and the statistical evaluation information A. Build a model formula that shows the transition of the failure risk index. Based on the information read from the FMEA result DB2 and the default work interval DB3 by the parameter estimation unit 4b, the parameter value of the model formula that minimizes the difference between the maintenance work interval calculated from the model formula and the predetermined maintenance work interval Is estimated statistically. By configuring in this way, it is possible to appropriately estimate an index of the risk of failure of the equipment even when there is no or little equipment maintenance record data.
  • the model formula construction unit 4a when the model formula construction unit 4a has the same evaluation item regarding FMEA failure and the evaluation level of the evaluation item, the model formula related to the evaluation item Assign common parameters to these parameters. By doing in this way, it is possible to evaluate the influence of the failure which acts in common on different parts or inspection items.
  • the parameter estimation unit 4b uses the information used in the statistical estimation of the parameter value for one of the inspection items similar to each other for the other of the inspection items. Used for statistical estimation of the parameter values of By doing in this way, the information used for statistical estimation can be reused and the processing load required for estimation can be reduced.
  • FIG. FIG. 12 is a block diagram showing a functional configuration of a failure risk index estimation device 1A according to Embodiment 2 of the present invention.
  • the failure risk index estimation device 1A includes an equipment information DB 6, a maintenance performance DB 7, a failure performance DB 8, a narrowing unit 9, a narrowing data storage unit 10, an index estimation unit 11, and a second storage.
  • the unit 12 and the merging unit 13 are provided.
  • the equipment information DB 6 is a DB that stores equipment information including equipment, parts constituting the equipment, and inspection items for each part.
  • the facility information DB 6 for example, information on items as shown in FIG. 13A is stored.
  • equipment ID identification information of the facility is set.
  • Part ID and “inspection item ID” are the same as those shown in FIG. 2A.
  • maintenance start date and time the date and time when the maintenance contract for each part inspection item is started is set. It should be noted that the maintenance work date and time individually performed during the maintenance contract is the maintenance work execution date and time described later with reference to FIG. 13B.
  • the maintenance result DB 7 is a DB that stores the result data of the maintenance work for each inspection item of the parts constituting the facility. Information on items as shown in FIG. 13B is stored in the maintenance result DB 7. In the “maintenance record ID” item, identification information of the record data of the maintenance work is set. The “equipment ID”, “part ID”, and “inspection item ID” are the same as those shown in FIGS. 13A and 2A. The maintenance work execution date for each part is set in the “maintenance work execution date” item.
  • the failure result DB 8 is a DB that stores failure result data for each component constituting the facility. Information of items as shown in FIG. 13C is stored in the failure record DB 8. In the item of “failure record ID”, identification information of the record data of failure is set. “Equipment ID” and “component ID” are the same as those shown in FIG. 13B. In the item “Fault occurrence date and time”, the date and time when a fault has occurred in a component is set. In the item “related inspection item ID”, identification information of the inspection item related to the failure that has occurred is set.
  • the narrowing-down unit 9 classifies the information stored in the facility information DB 6, the maintenance performance DB 7, and the failure performance DB 8 into information corresponding to each FMEA result of the FMEA result DB 2. For example, the narrowing-down unit 9 aggregates the failure-free intervals after the maintenance work is performed for each maintenance result data, classifies the information indicating the total failure-free intervals for each FMEA result, and stores the information in the narrowed-down data storage unit 10. .
  • the narrowing data storage unit 10 is a DB that stores information classified by the narrowing unit 9.
  • the refined data storage unit 10 stores information on items as shown in FIG. 14A.
  • “Frequency frequency level”, “Effect magnitude level”, and “Detectability level” are FMEA evaluation items, which are the same as those shown in FIG. 2A.
  • Part ID” and “Inspection Item ID” are the same as those shown in FIG. 2A.
  • “Maintenance work execution date / time” is the same as that shown in FIG. 13B.
  • the item “No Failure Months” the number of months after maintenance work without failure and the next maintenance work, the number of months until a failure occurs after maintenance work, and up to the present without trouble after maintenance work
  • One of the number of months is set.
  • “Failure occurrence flag” a value indicating whether or not a failure has occurred in a component is set. For example, “1” is set when a failure occurs in a component, and “0” is set when no failure
  • the index estimation unit 11 estimates the second estimated value of the failure risk index according to the relationship between the maintenance work result data and the failure result data, based on the information classified by the narrowing unit 9. For example, the index estimation unit 11 reads information corresponding to the FMEA result to be processed from the narrowed-down data storage unit 10, and statistically estimates a failure risk index for each part and each inspection item based on the read information. The estimated value of the failure risk index obtained by this estimation is stored in the second storage unit 12 together with the actual number of data used for the estimation.
  • the second storage unit 12 stores the estimated value of the failure risk index estimated by the index estimation unit 11 for each part and each inspection item.
  • the second storage unit 12 stores information on items as illustrated in FIG. 14B.
  • “part ID” and “inspection item ID” are the same as those shown in FIG. 2A.
  • “Statistical distribution” and “statistical distribution parameter” are the same as those shown in FIG.
  • the “time scale coefficient”, “risk weight coefficient”, and “safety margin” are parameters that are the second estimated values of the failure risk index, and are the same as those shown in FIG.
  • the item “number of actual data” the number of data used for statistical estimation of the failure risk index by the index estimation unit 11 is set.
  • the merging unit 13 apportions the first estimated value estimated by the parameter estimating unit 4b and the second estimated value estimated by the index estimating unit 11, and calculates a final failure risk index estimated value. For example, the merging unit 13 calculates the first estimated value and the second estimated value according to the number of data assumed in the estimation of the first estimated value and the actual number of data used in the estimation of the second estimated value. Prorate and calculate the final failure risk index estimate. Information B indicating the estimated value of the failure risk index is output from the merging unit 13.
  • the information B indicating the estimated value of the failure risk index is composed of information of items shown in FIG. 14C.
  • “component ID” and “inspection item ID” are the same as those shown in FIG. 2A.
  • “Statistical distribution” and “statistical distribution parameter” are the same as those shown in FIG.
  • the “time scale coefficient”, “risk weight coefficient”, and “safety margin” are parameters that are the second estimated values of the failure risk index, and are the same as those shown in FIG.
  • the FMEA result DB2, the default work interval DB3, the facility information DB6, the maintenance performance DB7, and the failure performance DB8 in the failure risk index estimation apparatus 1A are the database 100 shown in FIGS. 4A and 4B.
  • Information stored in each of the FMEA result DB 2 and the default work interval DB 3 is input to the index estimation unit 4 through the DB input / output interface 101.
  • Information stored in each of the facility information DB 6, the maintenance record DB 7 and the failure record DB 8 is input to the narrowing unit 9 through the DB input / output interface 101.
  • the statistical evaluation information A is input to the failure risk index estimation apparatus 1A through the information input interface 102.
  • Information B indicating the estimated value of the final failure risk index is output from the merging unit 13 through the information output interface 103.
  • the first storage unit 5, the refined data storage unit 10, and the second storage unit 12 may be provided in a storage device in which the database 100 is provided, but may be provided in the internal memory of the processing circuit 104 illustrated in FIG. 4A. . Further, the first storage unit 5, the narrowed data storage unit 10, and the second storage unit 12 may be provided in the memory 105 illustrated in FIG. 4B.
  • the failure risk index estimation device 1A includes a processing circuit for performing processing with the functions of the above-described units.
  • the processing circuit may be dedicated hardware or a CPU that executes a program stored in a memory.
  • the processing circuit 104 is, for example, a single circuit, a composite circuit, a programmed processor, a parallel programmed processor, an ASIC, an FPGA, or these This is a combination.
  • Each function of the index estimation unit 4, the narrowing-down unit 9, the index estimation unit 11, and the merging unit 13 may be realized by separate processing circuits, or these functions may be realized by a single processing circuit. .
  • the functions of the index estimating unit 4, the narrowing unit 9, the index estimating unit 11 and the merging unit 13 are based on software, firmware, or a combination of software and firmware. Realized. Software or firmware is described as a program and stored in the memory 105. The processor 106 reads out and executes the program stored in the memory 105, thereby realizing the functions of the respective units. That is, failure risk index estimation device 1A includes memory 105 for storing a program that, when executed by processor 106, results in the processing from step ST1b to step ST8b shown in FIG. In addition, these programs cause the computer to execute the procedures or methods of the index estimation unit 4, the narrowing-down unit 9, the index estimation unit 11, and the merging unit 13.
  • a part of each function of the index estimation unit 4, the narrowing unit 9, the index estimation unit 11, and the merging unit 13 may be realized by dedicated hardware, and a part may be realized by software or firmware.
  • the function of the index estimation unit 4 and the narrowing-down unit 9 is realized by a processing circuit as dedicated hardware, and the processor 106 reads out the program stored in the memory 105 for the index estimation unit 11 and the merging unit 13.
  • the function may be realized by executing the function.
  • the processing circuit can realize each of the above functions by hardware, software, firmware, or a combination thereof.
  • FIG. 15 is a flowchart showing the operation of the failure risk index estimation apparatus 1A, and shows a series of processes until the first estimated value and the second estimated value of the failure risk index are obtained and the final estimated value is output. ing.
  • the narrowing-down unit 9 classifies the information stored in the facility information DB 6, the maintenance result DB 7 and the failure result DB 8 into information corresponding to each FMEA result (step ST1b). Information classified by the narrowing-down unit 9 is stored in the narrowed-down data storage unit 10.
  • the index estimation unit 11 reads information corresponding to the FMEA result to be processed from the refined data storage unit 10, and statistically estimates a failure risk index for each part and each inspection item based on the read information (step ST2b). .
  • the index estimation unit 11 stores the second estimated value and the actual number of data obtained by the above estimation in the second storage unit 12 in association with the component ID and the inspection item ID (step ST3b).
  • step ST4b When all FMEA results stored in the FMEA result DB2 are not processed (step ST4b; NO), the processing from step ST1b is repeated. When all FMEA results stored in the FMEA result DB2 have been processed (step ST4b; YES), the process proceeds to step ST5b.
  • step ST5b the index estimation unit 4 estimates the parameter value that is the first estimated value in the same manner as in the first embodiment.
  • the index estimation unit 4 stores the estimated first estimated value in the first storage unit 5 in association with the component ID and the inspection item ID (step ST6b).
  • the merging unit 13 reads the first estimated value stored in the first storage unit 5 and the second estimated value stored in the second storage unit 12, and reads the first estimated value and the first estimated value stored in the second storage unit 12.
  • the estimated value of 2 is apportioned to calculate the final estimated value of the failure risk index (step ST7b). Thereafter, the merging unit 13 outputs information B indicating the estimated value of the calculated failure risk index (step ST8b).
  • FIG. 15 shows the case where the estimation of the second estimated value by the index estimating unit 11 is performed prior to the estimation of the first estimated value by the index estimating unit 4, but the present invention is not limited to this. Absent.
  • the estimation of the first estimation value by the index estimation unit 4 may be performed before the estimation of the second estimation value by the index estimation unit 11. Further, the estimation of the first estimated value by the index estimating unit 4 and the estimation of the second estimated value by the index estimating unit 11 may be performed in parallel.
  • FIG. 16 is a flowchart showing the operation of the narrowing-down unit 9, and a series of processing until the information stored in the facility information DB 6, the maintenance result DB 7 and the failure result DB 8 is classified and stored in the narrowed-down data storage unit 10. Show. First, the narrowing-down unit 9 merges each table data of the FMEA result DB2, the facility information DB6, and the maintenance performance DB7 (step ST1c).
  • the narrowing-down unit 9 searches the table data of the maintenance result DB 7 having the same equipment ID, part ID, and inspection item ID based on the equipment ID, part ID, and inspection item ID of the table data read from the equipment information DB 6. .
  • the narrowing-down unit 9 merges the information set in the “maintenance work execution date / time” item of the table data identified by this search with the table data read from the facility information DB 6.
  • the narrowing-down unit 9 merges without deleting the record data of the equipment ID, part ID, and inspection item ID used for the search when there is no maintenance result data of the same equipment ID, part ID, and inspection item ID as the equipment information. Leave in later table data.
  • the narrowing-down unit 9 searches the table data of the FMEA result DB 2 having the same equipment ID, part ID, and inspection item ID based on the equipment ID, part ID, and inspection item ID in the merged table data.
  • the narrowing-down unit 9 merges the FMEA result in the table data specified by this search into the table data after the merge.
  • the narrowing-down unit 9 generates the information in which the facility information and the maintenance record data are classified for each FMEA result by executing the above processing on all the table data in the facility information DB 6.
  • the narrowing-down unit 9 narrows down to only the record data corresponding to the FMEA result to be evaluated among the table data merged as described above (step ST2c).
  • the narrowing-down unit 9 adds items of “number of months without failure” and “failure occurrence flag” to the record data of the merged table data.
  • step ST3c the narrowing-down unit 9 performs the maintenance work for the part corresponding to the part ID based on the equipment ID and the part ID corresponding to the FMEA result to be evaluated until the next maintenance work.
  • the failure record data that occurred earliest is retrieved from the failure record DB 8. If maintenance work has not been performed, the failure record data that has occurred earliest after the maintenance start date and time until the next maintenance work is searched.
  • the narrowing-down unit 9 calculates the number of months without failure for which no failure has occurred in the part, and sets the calculated number of months as the item “number of months without failure”. Then, “1”, which is a value indicating that a failure has occurred, is set in the item of “failure occurrence flag”.
  • the narrowing-down unit 9 calculates the time interval until the next maintenance work date and sets this number of months as the “no failure duration month” item, and a failure occurs. “0”, which is a value indicating that no failure has occurred, is set in the item of “failure occurrence flag”. If the date and time of the next maintenance work has not been determined, the interval up to the present time is set in the item “number of months without failure”. The narrowing-down unit 9 performs the above process on all the record data in the table data merged in step ST1c. Thereby, the information in which the facility information, the maintenance record data, and the failure record data are classified for each FMEA result is generated.
  • the narrowing-down unit 9 stores the processing result table data in the narrowed-down data storage unit 10 (step ST4c).
  • the table data includes “failure frequency level”, “effect level”, “detectability level”, “facility ID”, “part ID”, and “inspection item ID”. , “Maintenance work execution date and time”, “no failure duration months”, and “failure occurrence flag”.
  • FIG. 17 is a flowchart showing the operation of the index estimation unit 11, and shows a series of processes from estimating the second estimated value to storing it in the second storage unit 12.
  • the index estimation unit 11 searches the table data stored in the narrowed-down data storage unit 10 for record data having the same processing target component ID and inspection item ID.
  • the number of record data calculated in this way is the total number of parts corresponding to the number of months elapsed after the maintenance work.
  • the index estimation unit 11 searches record data in which “1” is set in the item of “failure occurrence flag” from the table data stored in the refined data storage unit 10. Based on the retrieved record data, the index estimation unit 11 calculates the number of failures corresponding to the number of months elapsed after maintenance work for each component ID and each inspection item ID (step ST2d). Next, the index estimation unit 11 calculates an actual failure rate which is a value obtained by dividing the number of failures according to the number of months elapsed after the maintenance work by the total number (step ST3d).
  • the index estimation unit 11 identifies a statistical distribution that approximates the transition of the actual failure rate calculated in step ST3d, and statistically estimates the parameter value of the model formula according to this statistical distribution (step ST4d). For example, the time scale factor S and the shape parameter ⁇ that are approximated by the failure risk index R (t) when the transition of the actual failure rate is set to the risk weighting factor W and 1 in the above equation (4) are estimated.
  • a statistical distribution such as a gamma distribution or a lognormal distribution may be used as long as it is a statistical distribution that minimizes an error from the actual data.
  • the index estimation unit 11 checks whether or not there is an unprocessed combination among the combinations of the component ID and the inspection item ID of the table data stored in the refined data storage unit 10 (step ST5d). When there is an unprocessed combination among the combinations of the part ID and the inspection item ID of the table data stored in the narrowed-down data storage unit 10 (step ST5d; NO), the process returns to step ST1d and the above-described processing is repeated. When all combinations of the component ID and the inspection item ID are processed (step ST5d; YES), the index estimation unit 11 associates the second estimated value, which is the estimated parameter value, with the component ID and the inspection item ID. It memorize
  • FIG. 18 is a flowchart showing the operation of the merging unit 13 and shows a series of processes until the final failure risk index estimated value is calculated and output from the first estimated value and the second estimated value. ing.
  • the merging unit 13 reads the component ID and inspection item ID to be processed, the second estimated value and the actual number of data corresponding to these from the second storage unit 12 (step ST1e).
  • the merging unit 13 reads out the processing target component ID and inspection item ID and the first estimated value corresponding to these from the first storage unit 5 (step ST2e).
  • the record data that does not have is read from the first storage unit 5 as it is.
  • N I is the number of data expected by statistical estimation of the first estimate Obtained (step ST3e).
  • merging unit 13 uses the allowable error ⁇ and reliability index ⁇ in the statistical evaluation information A, calculates a N I from the following equation (7).
  • N I (((4 / ⁇ 2 ) + (1/2)) ⁇ z ( ⁇ ) 2 ) (7)
  • the merging unit 13 indicates the failure risk index R A (t) indicated by the record data read from the second storage unit 12 and the record data having the same component ID and inspection item ID read from the first storage unit 5
  • the failure risk index R I (t) is apportioned (step ST4e).
  • Combining unit 13, the total number of parts of each time after maintenance and N A + N I, the failure number N A ⁇ R A (t) + N I ⁇ R I (t) as the failure risk indicator R F ( t) is again statistically estimated.
  • the estimation method for example, a conjugate direction method is used. The process so far is the apportionment process.
  • N I is the number of data is assumed a statistical estimation of the first estimate proportional division of the second estimate. Thereby, the 1st estimated value and the 2nd estimated value can be apportioned appropriately.
  • the merging unit 13 checks whether or not there is a combination of the component ID and the inspection item ID that are not apportioned among the information stored in each of the first storage unit 5 and the second storage unit 12 (step) ST5e). Among the information stored in each of the first storage unit 5 and the second storage unit 12, if there is a combination of a component ID and an inspection item ID that are not apportioned (step ST ⁇ b> 5 e; NO), the unprocessed combination On the other hand, the processing from step ST1e is repeated. When the combinations of all component IDs and inspection item IDs are apportioned (step ST5e; YES), the merging unit 13 indicates the final failure risk index estimated value from the parameter value of the failure risk index R F (t). Information B is generated and output (step ST6e).
  • the narrowing-down unit 9 corresponds to the information stored in each of the facility information DB 6, the maintenance performance DB 7, and the failure performance DB 8 for each FMEA result. Classify it into information. Based on the information classified by the narrowing-down unit 9, the index estimation unit 11 estimates an estimated value of the failure risk index corresponding to the relationship between the maintenance work result data and the failure result data. The merging unit 13 apportions the first estimated value estimated by the index estimating unit 4 and the second estimated value estimated by the index estimating unit 11 to calculate the final estimated value of the failure risk index. . By comprising in this way, even if there is little maintenance performance data of an installation, the parameter
  • the merging unit 13 uses the number of data assumed in the statistical estimation of the first estimated value for apportionment with the second estimated value. By comprising in this way, a 1st estimated value and a 2nd estimated value can be apportioned appropriately.
  • the failure risk index estimation apparatus can appropriately estimate an index of risk of failure of equipment even when there is no or little maintenance data on the equipment, and can be applied to various mechanical systems, for example. It is.

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

モデル式構築部（４ａ）が、ＦＭＥＡ結果ＤＢ（２）から読み出したＦＭＥＡ結果と統計評価用情報Ａとに基づいて、統計的分布に従った故障リスク指標の推移を示すモデル式を構築する。パラメータ推定部（４ｂ）が、ＦＭＥＡ結果ＤＢ（２）と既定作業間隔ＤＢ（３）とから読み出した情報に基づいて、モデル式から算出した保守作業間隔と既定された保守作業間隔との差分が最も小さくなるモデル式のパラメータ値を統計的に推定する。

Description

故障リスク指標推定装置および故障リスク指標推定方法
　この発明は、設備に故障が発生するリスクの指標を推定する故障リスク指標推定装置および故障リスク指標推定方法に関する。
　故障モード影響解析（以下、ＦＭＥＡと記載する）は、故障が対象設備に与える影響を故障に関する項目ごとにレベル付けした結果を得る解析手法である。故障に関する項目には、例えば、設備に故障が発生する頻度、故障が設備に与える影響の大きさなどがある。また、設備の稼働データが十分に蓄積されていないため、稼働データから設備の保守または修理の必要性を評価することが難しい場合、これを評価する際にＦＭＥＡの解析結果が参照されることがある。
　例えば、特許文献１には、ＦＭＥＡを利用して、予測対象機械システムの稼働率を予測する稼働率予測装置が記載されている。上記稼働率予測装置は、故障率に関連する複数の評価項目のレベルと故障係数との対応関係が規定されたマップを備えており、このマップを参照して、予測対象機械システムの構成要素の評価項目のレベルに対応する故障係数を特定する。上記稼働率予測装置は、特定した故障係数から構成要素の故障率を推定して、複数の構成要素のそれぞれで推定した故障率に基づいて予測対象機械システムの稼働率を予測する。なお、上記マップは、類似機械システムの稼働率の実績に合うようにフィッティングされたものである。
　一方、対象設備に故障が発生するリスクを正確に評価しようとする段階では、当該設備の保守管理が既に実施中であり、当該設備の状況に応じた保守作業間隔が定められている場合が多い。このため、従来から、対象設備の構成部品ごとの故障要因に基づいて、構成部品ごとに期待される保守作業間隔を算出する技術が提案されている。
　例えば、特許文献２に記載される可動管理装置では、停止状態にある設備の構成部品の故障要因と故障の影響度とを考慮して当該構成部品の部品ランク係数を選定し、当該構成部品の予測寿命を考慮して当該構成部品の劣化ランク係数を選定している。選定した部品ランク係数と劣化ランク係数とに基づいて、上記可動管理装置は、構成部品に期待される検査周期を算出し、算出した検査周期に基づいて当該構成部品の有効保全周期、すなわち保守作業間隔を決定している。
特開２０１６－１２６７２８号公報 特開２００４－２５２５４９号公報
　特許文献１に記載された稼働率予測装置では、上記マップを得るため、予測対象の機械システムに類似した機械システムの稼働率の実績を精度よく再現できるだけの実績データが必要であった。
　また、上記稼働率予測装置では、評価項目の互いに異なるレベル間で故障率の大小関係しか考慮されていない。例えば、故障の頻度レベルが高い故障が発生する故障率よりも、故障の頻度レベルが低い故障が発生する故障率が低くなるようにする制約条件のもとで、稼働率が予測されている。このため、実際の機械システムにおける故障率の変動を適切に評価できない。
　特許文献２に記載された可動管理装置では、構成部品に期待される検査周期が現行検査周期の定数倍であることを前提として有効保全周期を決定しているが、この前提は、故障のリスクが経過時間に対して線形に推移しなければ成立しない。
　実際の設備で故障が発生するリスクは一般に非線形に推移するため、上記可動管理装置を実際の設備にそのまま適用することはできない。
　この発明は上記課題を解決するもので、設備の保守実績データがないまたは少ない場合であっても、設備に故障が発生するリスクの指標を適切に推定できる故障リスク指標推定装置および故障リスク指標推定方法を得ることを目的とする。
　この発明に係る故障リスク指標推定装置は、モデル式構築部およびパラメータ推定部を備える。モデル式構築部は、設備を構成する部品の点検項目ごとのＦＭＥＡ結果を示す情報および故障リスク指標の推定に用いる統計的分布を示す情報に基づいて、統計的分布に従った故障リスク指標の推移を示すモデル式を構築する。パラメータ推定部は、設備を構成する部品の点検項目ごとのＦＭＥＡ結果を示す情報および部品の点検項目ごとに既定された保守作業間隔を示す情報に基づいて、モデル式から算出した保守作業間隔と既定された保守作業間隔との差分が最も小さくなるモデル式のパラメータ値を統計的に推定する。
　この発明によれば、統計的分布に従った故障リスク指標の推移を示すモデル式を構築し、モデル式のパラメータ値を故障リスク指標の推定値として統計的に推定する。このようにすることで、設備の保守実績データがないまたは少ない場合であっても、設備に故障が発生するリスクの指標を適切に推定できる。
この発明の実施の形態１に係る故障リスク指標推定装置の機能構成を示すブロック図である。 図２Ａは、ＦＭＥＡ結果データベース（以下、ＤＢと記載する）に記憶される情報の項目を示す図である。図２Ｂは、既定作業間隔ＤＢに記憶される情報の項目を示す図である。図２Ｃは、統計評価用情報を示す図である。 実施の形態１における第１の記憶部に記憶される情報の項目を示す図である。 図４Ａは、実施の形態１に係る故障リスク指標推定装置の機能を実現するハードウェア構成を示すブロック図である。図４Ｂは、実施の形態１に係る故障リスク指標推定装置の機能を実現するソフトウェアを実行するハードウェア構成を示すブロック図である。 実施の形態１に係る故障リスク指標推定装置の動作を示すフローチャートである。 故障リスク指標と中間評価指標との関係を示す図である。 ＦＭＥＡ結果の評価項目と中間評価指標との関連性を示す図である。 モデル式構築部およびパラメータ推定部の動作を示すフローチャートである。 ＦＭＥＡ結果ＤＢと既定作業間隔ＤＢとのテーブルデータを併合した結果を示す図である。 ＦＭＥＡ結果の評価項目に中間評価指標のパラメータを割り当てた結果を示す図である。 モデル式から想定される保守作業間隔を示す図である。 この発明の実施の形態２に係る故障リスク指標推定装置の機能構成を示すブロック図である。 図１３Ａは、設備情報ＤＢに記憶される情報の項目を示す図である。図１３Ｂは、保守実績ＤＢに記憶される情報の項目を示す図である。図１３Ｃは、故障実績ＤＢに記憶される情報の項目を示す図である。 図１４Ａは、絞り込みデータ記憶部に記憶される情報の項目を示す図である。図１４Ｂは、第２の記憶部に記憶される情報の項目を示す図である。図１４Ｃは、故障リスク指標の推定値を示す図である。 実施の形態２に係る故障リスク指標推定装置の動作を示すフローチャートである。 実施の形態２における絞り込み部の動作を示すフローチャートである。 実施の形態２における指標推定部の動作を示すフローチャートである。 実施の形態２における併合部の動作を示すフローチャートである。
　以下、この発明をより詳細に説明するため、この発明を実施するための形態について、添付の図面に従って説明する。
実施の形態１．
　図１は、この発明の実施の形態１に係る故障リスク指標推定装置１の機能構成を示すブロック図である。故障リスク指標推定装置１は、設備の故障リスク指標を推定する装置であり、ＦＭＥＡ結果ＤＢ２、既定作業間隔ＤＢ３、指標推定部４および第１の記憶部５を備える。指標推定部４は、ＦＭＥＡ結果ＤＢ２および既定作業間隔ＤＢ３のそれぞれから読み出した情報と統計評価用情報Ａとに基づいて設備の故障リスク指標を推定する。故障リスク指標とは、設備を構成する部品に故障が発生するリスクの大きさを定量化した情報である。
　ＦＭＥＡ結果ＤＢ２は、設備を構成する部品の点検項目ごとのＦＭＥＡ結果を記憶するＤＢである。ＦＭＥＡ結果ＤＢ２には、例えば、図２Ａに示すような項目の情報が記憶される。“部品ＩＤ”の項目には、部品の識別情報が設定される。“点検項目ＩＤ”の項目には、点検項目の識別情報が設定される。点検項目には、例えば、外観検査、通電検査、絶縁検査、摩擦検査などがある。通電検査と絶縁検査とは、ともに電気の導通状態を検査するものであるため、類似した点検項目といえる。
　“故障の頻度レベル”と“影響の大きさレベル”と“検出可能性レベル”はＦＭＥＡの評価項目である。“故障の頻度レベル”の項目には、故障の頻度に関するＦＭＥＡの評価レベルが設定される。“影響の大きさレベル”の項目には、故障が部品に与える影響の大きさに関するＦＭＥＡの評価レベルが設定される。“検出可能性レベル”の項目には、故障の検出のしやすさに関するＦＭＥＡの評価レベルが設定される。
　既定作業間隔ＤＢ３は、部品の点検項目ごとに既定された保守作業間隔を示す情報を記憶するＤＢである。既定作業間隔ＤＢ３には、例えば、図２Ｂに示すような項目の情報が記憶される。“部品ＩＤ”および“点検項目ＩＤ”については、図２Ａに示したものと同じである。“既定作業間隔月数”の項目には、部品の点検項目ごとに既定された保守作業間隔の月数が設定される。
　統計評価用情報Ａは、故障リスク指標の統計的推定に用いられる統計的分布を示す情報である。統計評価用情報Ａには、例えば、図２Ｃに示すような項目の情報が記憶される。“統計的分布”の項目には、故障リスク指標の統計的推定に用いられる統計的分布の種類が設定される。統計的分布の種類には、ワイブル分布、ガンマ分布、対数正規分布などの理論的に導かれた分布が挙げられる。
　“許容誤差”の項目には、指標推定部４により推定された故障リスク指標の推定値が標準偏差に対して許容される誤差の比率が設定される。
　“信頼率”の項目には、指標推定部４により推定された故障リスク指標の信頼率が設定される。故障リスク指標の推定値が許容誤差以内に収まると評価された結果が外れる確率Ｐ１と、故障リスク指標の推定値が許容誤差に収まらないと評価された結果が外れる確率Ｐ２との両方が“信頼率”に設定された値α以上となる（Ｐ１≧α、Ｐ２≧α）。
　なお、“許容誤差”と“信頼率”は、実施の形態２で後述する併合処理に用いる情報であるため、実施の形態１における統計評価用情報Ａには、これらの情報がなくてもよい。
　指標推定部４は、モデル式構築部４ａおよびパラメータ推定部４ｂを備える。
　モデル式構築部４ａは、ＦＭＥＡ結果ＤＢ２から読み出したＦＭＥＡ結果と統計評価用情報Ａとに基づいて、故障リスク指標の推移（時間変化）を示すモデル式を構築する。
　パラメータ推定部４ｂは、ＦＭＥＡ結果ＤＢ２と既定作業間隔ＤＢ３とから読み出した情報に基づいて、モデル式から算出した保守作業間隔と既定された保守作業間隔との差分が最も小さくなるように上記モデル式のパラメータ値を統計的に推定する。
　上記モデル式は、統計評価用情報Ａが示す統計的分布に従った故障リスク指標の推移をモデル化したものであり、このモデル式のパラメータ値が第１の推定値となる。
　第１の記憶部５は、指標推定部４によって推定されたパラメータ値である第１の推定値を記憶する。第１の記憶部５には、例えば、図３に示すような項目ごとの情報が記憶される。“部品ＩＤ”および“点検項目ＩＤ”は図２Ａに示したものと同じであり、“統計的分布”は図２Ｃに示したものと同じである。
　“統計的分布パラメータ”の項目には、第１の推定値の統計的推定で用いられた統計的分布を規定するパラメータが設定される。統計的分布がワイブル分布に従う場合、ワイブル分布を規定する累積密度関数の形状パラメータγと尺度パラメータφが設定される。
　“時間スケール係数”と“リスク重み係数”と“安全マージン”は、上記のモデル式のパラメータであり、指標推定部４により推定されたパラメータ値が設定される。
　“時間スケール係数”は、上記モデル式において、故障リスクが増加する速度に関するパラメータである。“リスク重み係数”は、上記モデル式において、故障リスクの重みの度合いに関するパラメータである。“安全マージン”は、上記モデル式で推定された作業間隔での保守作業日時から遡る時間間隔を示すパラメータである。このパラメータにより部品の保守作業が前倒しで実行される。
　ＦＭＥＡ結果ＤＢ２および既定作業間隔ＤＢ３は、図４Ａおよび図４Ｂに示すデータベース１００である。ＦＭＥＡ結果ＤＢ２および既定作業間隔ＤＢ３のそれぞれに記憶された情報は、ＤＢ入出力インタフェース１０１を通して指標推定部４に入力される。
　統計評価用情報Ａは、情報入力インタフェース１０２を通して故障リスク指標推定装置１に入力される。故障リスク指標の推定値は、情報出力インタフェース１０３を通して故障リスク指標推定装置１から出力される。
　第１の記憶部５は、データベース１００がある記憶装置に設けてもよいが、図４Ａに示す処理回路１０４の内部メモリに設けてもよい。また、第１の記憶部５は、図４Ｂに示すメモリ１０５に設けてもよい。
　故障リスク指標推定装置１におけるモデル式構築部４ａおよびパラメータ推定部４ｂの各機能は、処理回路により実現される。
　すなわち、故障リスク指標推定装置１は、ＦＭＥＡ結果ＤＢ２から読み出したＦＭＥＡ結果と統計評価用情報Ａとに基づいて、故障リスク指標の推移を示すモデル式を構築し、ＦＭＥＡ結果ＤＢ２と既定作業間隔ＤＢ３とから読み出した情報に基づいて、モデル式から算出した保守作業間隔と既定された保守作業間隔との差分が最も小さくなるモデル式のパラメータ値を統計的に推定するための処理回路を備える。
　処理回路は、専用のハードウェアであっても、メモリに記憶されたプログラムを実行するＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）であってもよい。
　処理回路が、図４Ａに示すような専用のハードウェアである場合、処理回路１０４は、例えば、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ　Ｓｐｅｃｉｆｉｃ　Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔ）、ＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ　Ｇａｔｅ　Ａｒｒａｙ）、または、これらを組み合わせたものが該当する。
　モデル式構築部４ａおよびパラメータ推定部４ｂのそれぞれの機能を別々の処理回路で実現してもよいし、これらの機能をまとめて１つの処理回路で実現してもよい。
　処理回路が、図４Ｂに示すようなプロセッサ１０６である場合、モデル式構築部４ａおよびパラメータ推定部４ｂの各機能は、ソフトウェア、ファームウェア、またはソフトウェアとファームウェアとの組み合わせによって実現される。
　ソフトウェアまたはファームウェアはプログラムとして記述され、メモリ１０５に記憶される。プロセッサ１０６は、メモリ１０５に記憶されたプログラムを読み出して実行することにより各部の機能を実現する。
　すなわち、故障リスク指標推定装置１は、プロセッサ１０６により実行されるときに、図５に示すステップＳＴ１、ステップＳＴ２が結果的に実行されるプログラムを記憶するためのメモリ１０５を備える。また、これらのプログラムは、モデル式構築部４ａおよびパラメータ推定部４ｂの手順または方法をコンピュータに実行させるものである。
　メモリ１０５には、例えば、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、フラッシュメモリ、ＥＰＲＯＭ（Ｅｒａｓａｂｌｅ　Ｐｒｏｇｒａｍｍａｂｌｅ　Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ－ＥＰＲＯＭ）などの不揮発性または揮発性の半導体メモリ、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ミニディスク、ＤＶＤなどが該当する。
　なお、モデル式構築部４ａおよびパラメータ推定部４ｂの各機能について、一部を専用のハードウェアで実現し、一部をソフトウェアまたはファームウェアで実現してもよい。例えば、モデル式構築部４ａについては専用のハードウェアとしての処理回路でその機能を実現し、パラメータ推定部４ｂについては、プロセッサ１０６がメモリ１０５に記憶されたプログラムを読み出して実行することによってその機能を実現してもよい。
　このように、処理回路は、ハードウェア、ソフトウェア、ファームウェアまたはこれらの組み合わせによって上記機能のそれぞれを実現することができる。
　次に動作について説明する。
　図５は故障リスク指標推定装置１の動作を示すフローチャートであり、故障リスク指標の推定値を求めて第１の記憶部５に記憶するまでの一連の処理を示している。図６は、故障リスク指標Ｒ（ｔ）と中間評価指標Ｓ，Ｗ，Ｍとの関係を示す図であり、保守作業後の経過時間における故障リスク指標Ｒ（ｔ）の推移を示している。図７は、ＦＭＥＡ結果の評価項目Ｃ，Ｅ，Ｄと中間評価指標Ｓ，Ｗ，Ｍとの関連性を示す図である。
　以下、故障リスク指標推定装置１の動作を、図６と図７を参照しながら、図５に沿って説明する。
　まず、指標推定部４は、ＦＭＥＡ結果ＤＢ２から読み出したＦＭＥＡ結果と統計評価用情報Ａとに基づいて、故障リスク指標のモデル式を構築する（ステップＳＴ１）。
　故障リスク指標Ｒ（ｔ）は、下記式（１）に示すように、統計的分布ｆ（ｔ）に従って推移（時間変化）する。下記式（１）において、時間スケール係数Ｓは、Ｒ（ｔ）の時間方向の変化を調整するための係数であり、故障リスクが増加する速度に関するパラメータである。リスク重み係数Ｗは、Ｒ（ｔ）の大きさを調整するための係数であり、故障リスクの重みの度合いに関するパラメータである。
　Ｒ（ｔ）＝Ｗ×ｆ（Ｓ×ｔ）　　　・・・（１）
　指標推定部４によるＲ（ｔ）の統計的推定では、図６に示すように、Ｒ（ｔ）が許容上限閾値である“１．０”を超える作業間隔を、次に保守作業を行う適正間隔ＴＥとしたとき、安全のために保守作業を前倒しで行う作業間隔を求める。例えば、指標推定部４が、安全マージンＭを設定し、モデル式から想定される作業間隔Ｔを、下記式（２）から算出する。安全マージンＭは、適正間隔ＴＥでの経過時間から遡る時間間隔である。
　Ｔ＝ＴＥ－Ｍ　　　・・・（２）
　指標推定部４によるＲ（ｔ）の統計的推定において、時間スケール係数Ｓ、リスク重み係数Ｗ、および安全マージンＭは、故障リスク指標の推定値が得られるまで値がふられるパラメータである。ここでは、これらを中間評価指標と呼ぶ。
　統計的分布ｆ（ｔ）がワイブル分布に従う場合、統計的分布ｆ（ｔ）は、下記式（３）に示すワイブル分布の累積密度関数で表すことができる。ここで、形状パラメータγと尺度パラメータφは、ワイブル分布の累積密度関数における統計的分布パラメータである。
　また、上記式（１）は、形状パラメータγと尺度パラメータφを用いて、下記式（４）で表すことができる。下記式（４）において、尺度パラメータφは、時間スケール係数Ｓの積としてのみ登場するので、φ＝１としてＳのみを推定すべきパラメータとしている。
　ｆ（ｔ）＝１－ｅｘｐ（－（ｔ／φ）γ）　　　・・・（３）
　Ｒ（ｔ）＝Ｗ×（１－ｅｘｐ（－（Ｓ×ｔ）γ））　　　・・・（４）
　経過時間ｔが適正間隔ＴＥであるとき、故障リスク指標Ｒ（ＴＥ）＝１．０であることから、適正間隔ＴＥは、上記式（４）を用いて下記式（５）で表すことができる。下記式（５）において、ｌｎは自然対数を表す。
　ＴＥ＝（１／Ｓ）×（－ｌｎ（１－（１／Ｗ）））１／γ　　　・・・（５）
　図７に示すように、ＦＭＥＡ結果の評価項目には、故障の頻度レベルと、影響の大きさレベルと、検出可能性レベルとがあり、以降では、故障の頻度レベルをＣ、影響の大きさレベルをＥ、検出可能性レベルをＤとする。ＦＭＥＡ結果の評価項目と中間評価指標との間には、図７に示す関連性がある。
　故障の頻度レベルＣは、評価対象の部品に故障が発生する頻度の指標になり得るので、故障リスクの増加速度に関する時間スケール係数Ｓと関連性がある。
　影響の大きさレベルＥは、評価対象の部品に故障が与える影響の大きさの指標になり得るので、故障リスクの重みの度合いに関するリスク重み係数Ｗと、保守作業を前倒しする度合いに関する安全マージンＭとの両方に関連性がある。
　検出可能性レベルＤは、評価対象の部品に発生した故障の検出しやすさの指標になり得るので、保守作業を前倒しする度合いに関する安全マージンＭに関連性がある。
　指標推定部４は、モデル式から想定された保守作業間隔Ｔと既定の保守作業間隔ＴＳとの差分が最小となるようにモデル式のパラメータＳ，Ｗ，Ｍ，γ，φの値を統計的に推定する（ステップＳＴ２）。尺度パラメータφが“１”に固定されているので、指標推定部４は、モデル式のパラメータＳ，Ｗ，Ｍ，γの値を部品ごとおよび点検項目ごとに算出して、部品および点検項目に対応付けて第１の記憶部５に記憶する。
　次に、指標推定部４の詳細な動作について説明する。
　図８は、モデル式構築部４ａおよびパラメータ推定部４ｂの動作を示すフローチャートである。以下では、統計的分布がワイブル分布であるものとする。
　モデル式構築部４ａが、ＦＭＥＡ結果ＤＢ２と既定作業間隔ＤＢ３の各テーブルデータを併合する（ステップＳＴ１ａ）。テーブルデータは、図２Ａおよび図２Ｂに示したような項目ごとの情報から構成されるデータであり、テーブルデータのうち、部品ＩＤ、点検項目ＩＤおよびこれに続く横並びの情報がレコードデータである。
　例えば、図２Ｂに示した既定作業間隔ＤＢ３の情報では、部品ＩＤおよび点検項目ＩＤとこれに続く既定作業間隔月数とがテーブルデータを構成する情報となる。
　モデル式構築部４ａは、既定作業間隔ＤＢ３からテーブルデータを読み出し、このテーブルデータにおける部品ＩＤおよび点検項目ＩＤに基づいて同じ部品ＩＤおよび点検項目ＩＤを有するＦＭＥＡ結果ＤＢ２のテーブルデータを検索する。
　モデル式構築部４ａは、この検索により特定されたテーブルデータのＦＭＥＡ結果を、既定作業間隔ＤＢ３から読み出したテーブルデータに組み合わせる、いわゆる併合を実行する。
　モデル式構築部４ａは、既定作業間隔ＤＢ３における全てのテーブルデータに上記処理を実行し、既定された保守作業間隔とＦＭＥＡ結果とが組み合わされた情報を生成する。この組み合わせ情報を図９に示す。図９では、既定された保守作業間隔ＴＳを、作業間隔の月数で表している。
　ＦＭＥＡ結果ＤＢ２のテーブルデータのうち、既定作業間隔ＤＢ３のテーブルデータと同じ部品ＩＤおよび点検項目ＩＤを有さないテーブルデータについても、図９に示す組み合わせ情報にそのまま追加される。
　モデル式構築部４ａは、部品ＩＤごとおよび点検項目ＩＤごとに、ＦＭＥＡ結果の評価項目および評価レベルに応じて、このＦＭＥＡ結果に関連する中間評価指標のパラメータを割り当てる（ステップＳＴ２ａ）。
　モデル式構築部４ａは、上記組み合わせ情報のＦＭＥＡ結果のうち、ＦＭＥＡの故障に関する評価項目とこの評価項目での評価レベルとが同一であるものに対して、共通の中間評価指標のパラメータを割り当ててモデル式を構築する。
　共通のパラメータには、部品ＩＤおよび点検項目ＩＤが異なるデータ間の上記モデル式においても同じ値が設定される。これにより、異なる部品または点検項目で共通して作用する故障の影響を評価することができる。
　図１０はＦＭＥＡ結果の評価項目に中間評価指標のパラメータを割り当てた結果を示す図である。例えば、図９において、（部品ＩＤ，点検項目ＩＤ）＝（ＥＱ００１，ＭＴ００１）に対応するＦＭＥＡ結果の評価項目である故障の頻度レベルＣは、評価レベルが“２”である。図９に示す組み合わせ情報のＦＭＥＡ結果のうち、故障の頻度レベルＣの評価レベルが“２”であるものの一つに、（部品ＩＤ，点検項目ＩＤ）＝（ＥＱ００２，ＭＴ００２）がある。モデル式構築部４ａは、図１０に示すように、故障の頻度レベルＣに関連性のある時間スケール係数Ｓのパラメータに対して、共通のパラメータＳ２を割り当てる。
　（部品ＩＤ，点検項目ＩＤ）＝（ＥＱ００１，ＭＴ００１）に対応するＦＭＥＡ結果の評価項目である影響の大きさレベルＥは、評価レベルが“３”である。
　上記の組み合わせ情報のＦＭＥＡ結果のうち、影響の大きさレベルＥの評価レベルが“３”であるものの一つに、（部品ＩＤ，点検項目ＩＤ）＝（ＥＱ００１，ＭＴ００２）がある。モデル式構築部４ａは、図１０に示すように、影響の大きさレベルＥに関連性のあるリスク重み係数Ｗのパラメータに対して共通のパラメータＷ３を割り当てる。
　（ＥＱ００１，ＭＴ００１）のデータと（ＥＱ００１，ＭＴ００２）のデータとでは、ＦＭＥＡ結果の評価項目である検出可能性レベルＤも評価レベルがともに“３”である。このため、モデル式構築部４ａは、図１０に示すように、検出可能性レベルＤに関連性のある安全マージンＭのパラメータに対して共通のパラメータＭ３，３を割り当てる。
　モデル式構築部４ａは、（部品ＩＤ，点検項目ＩＤ）＝（ＥＱ００１，ＭＴ００１）のデータについての中間評価指標のパラメータの割り当てを完了すると、上記式（２）から上記式（５）に基づいて、作業間隔Ｔ、故障リスク指標Ｒ（ｔ）および適正間隔ＴＥを、故障リスク指標のモデル式として構築する。
　（ＥＱ００１，ＭＴ００１）のデータについての中間評価指標のパラメータは、Ｓ２、Ｗ３、Ｍ３，３であるので、モデル式は下記のようになる。
　Ｔ＝ＴＥ－Ｍ３，３
　Ｒ（ｔ）＝Ｗ３×｛１－ｅｘｐ（－（Ｓ２×ｔ）γ）｝
　ＴＥ＝（１／Ｓ２）×（－ｌｎ（１－（１／Ｗ３）））１／γ
　安全マージンＭを、影響の大きさレベルＥによる係数因子ＭＥと検出可能性レベルＤによる係数因子ＭＤとの積ＭＥ×ＭＤで表現してもよい。これにより、安全マージンＭが固定の値となるので、推定対象のパラメータの数を削減することができる。
　次に、パラメータ推定部４ｂが、モデル式構築部４ａにより割り当てられたパラメータに基づいて上記モデル式から作業間隔Ｔを算出し、作業間隔Ｔと既定の作業間隔ＴＳとの差分が最小となるパラメータを統計的に推定する（ステップＳＴ３ａ）。
　統計的分布ｆ（ｔ）がワイブル分布に従うので、作業間隔Ｔは、図１１に示すように、中間評価指標のパラメータによって決定される変数の形で求められる。図１１において、Ｚｉは、下記式（６）で表されるパラメータである。
　Ｚｉ＝（－ｌｎ（１－（１／Ｗｉ）））１／γ　　　・・・（６）
　パラメータ推定部４ｂは、上記組み合わせ情報における全ての部品ＩＤおよび点検項目ＩＤについて、作業間隔Ｔと既定された作業間隔ＴＳとの差分の二乗和が最小となるように中間評価指標のパラメータＳ，Ｗ，Ｍおよび形状パラメータγを推定する。なお、前述したように、尺度パラメータφは“１”である。
　これらのパラメータの推定方法としては、例えば、共役方向法が挙げられる。ただし、既定された作業間隔ＴＳとの誤差が最小となるパラメータを推定することができる方法であれば、共役方向法に限定されるものではない。
　パラメータ推定部４ｂは、前述のようにして推定した結果を、部品ＩＤごとおよび点検項目ＩＤごとに分類し、部品ＩＤおよび点検項目ＩＤに対応付けて第１の記憶部５に記憶する（ステップＳＴ４ａ）。統計的分布ｆ（ｔ）がワイブル分布に従うことから、図３に示した“統計的分布”の項目に“ワイブル分布”が設定され、“統計的分布パラメータ”の項目には、形状パラメータγの値が設定される。
　パラメータ推定部４ｂは、互いに類似する点検項目間の一方についてのパラメータ値の統計的推定で用いた情報を、点検項目間の他方についてのパラメータ値の統計的推定に用いてもよい。例えば、通電検査と絶縁検査とは、ともに電気の導通状態を検査するものであるため、類似した点検項目といえる。そこで、パラメータ推定部４ｂが、通電検査についてのパラメータ値の統計的推定で用いた情報を、絶縁検査についてのパラメータ値の統計的推定に用いる。このようにすることで、統計的推定に用いた情報を再利用することができ、推定に要する処理負荷を軽減することができる。
　以上のように、この実施の形態１に係る故障リスク指標推定装置１において、モデル式構築部４ａが、ＦＭＥＡ結果ＤＢ２から読み出したＦＭＥＡ結果と統計評価用情報Ａとに基づいて、統計的分布に従った故障リスク指標の推移を示すモデル式を構築する。パラメータ推定部４ｂが、ＦＭＥＡ結果ＤＢ２と既定作業間隔ＤＢ３とから読み出した情報に基づいて、モデル式から算出した保守作業間隔と既定された保守作業間隔との差分が最も小さくなるモデル式のパラメータ値を統計的に推定する。このように構成することで、設備の保守実績データがないまたは少ない場合であっても、設備に故障が発生するリスクの指標を適切に推定できる。
　実施の形態１に係る故障リスク指標推定装置１において、モデル式構築部４ａが、ＦＭＥＡの故障に関する評価項目と当該評価項目での評価レベルとが同一である場合に、評価項目に関連するモデル式のパラメータに共通のパラメータを割り当てる。このようにすることで、異なる部品または点検項目で共通して作用する故障の影響を評価することが可能である。
　また、実施の形態１に係る故障リスク指標推定装置１において、パラメータ推定部４ｂが、互いに類似する点検項目間の一方についてのパラメータ値の統計的推定で用いた情報を、点検項目間の他方についてのパラメータ値の統計的推定に用いる。
　このようにすることで、統計的推定に用いた情報を再利用することができ、推定に要する処理負荷を軽減することができる。
実施の形態２．
　図１２は、この発明の実施の形態２に係る故障リスク指標推定装置１Ａの機能構成を示すブロック図である。図１２において、図１と同一構成要素には同一符号を付して説明を省略する。故障リスク指標推定装置１Ａは、実施の形態１で示した構成に加え、設備情報ＤＢ６、保守実績ＤＢ７、故障実績ＤＢ８、絞り込み部９、絞り込みデータ記憶部１０、指標推定部１１、第２の記憶部１２および併合部１３を備える。
　設備情報ＤＢ６は、設備、設備を構成する部品、および部品ごとの点検項目を含む設備情報を記憶するＤＢである。設備情報ＤＢ６には、例えば、図１３Ａに示すような項目の情報が記憶される。“設備ＩＤ”の項目には設備の識別情報が設定される。“部品ＩＤ”および“点検項目ＩＤ”については、図２Ａに示したものと同じである。
　“保守開始日時”の項目には、部品の点検項目ごとの保守契約が開始された日時が設定される。なお、保守契約中に、個別に行われる保守作業の実施日時が、図１３Ｂを用いて後述する保守作業実施日時である。
　保守実績ＤＢ７は、設備を構成する部品の点検項目ごとの保守作業の実績データを記憶するＤＢである。保守実績ＤＢ７には、図１３Ｂに示すような項目の情報が記憶される。“保守実績ＩＤ”の項目には、保守作業の実績データの識別情報が設定される。
　“設備ＩＤ”、“部品ＩＤ”および“点検項目ＩＤ”については、図１３Ａと図２Ａとに示したものと同じである。“保守作業実施日時”の項目には部品ごとの保守作業の実施日時が設定される。
　故障実績ＤＢ８は、設備を構成する部品ごとの故障の実績データを記憶するＤＢである。故障実績ＤＢ８には、図１３Ｃに示すような項目の情報が記憶される。“故障実績ＩＤ”の項目には、故障の実績データの識別情報が設定される。“設備ＩＤ”と“部品ＩＤ”とについては、図１３Ｂに示したものと同じである。“故障発生日時”の項目には、部品に故障が発生した日時が設定される。“関連点検項目ＩＤ”の項目には、発生した故障に関連する点検項目の識別情報が設定される。
　絞り込み部９は、設備情報ＤＢ６、保守実績ＤＢ７および故障実績ＤＢ８に記憶された情報を、ＦＭＥＡ結果ＤＢ２のＦＭＥＡ結果ごとに対応する情報に分類する。
　例えば、絞り込み部９は、保守実績データごとに保守作業実施後の無故障の間隔を集計し、集計した無故障の間隔を示す情報をＦＭＥＡ結果ごとに分類して絞り込みデータ記憶部１０に記憶する。
　絞り込みデータ記憶部１０は、絞り込み部９により分類された情報を記憶するＤＢである。絞り込みデータ記憶部１０には、図１４Ａに示すような項目の情報が記憶される。
　図１４Ａにおいて、“故障の頻度レベル”と“影響の大きさレベル”と“検出可能性レベル”は、ＦＭＥＡの評価項目であり、図２Ａに示したものと同じである。
　“部品ＩＤ”および“点検項目ＩＤ”は、図２Ａに示したものと同じである。“保守作業実施日時”は、図１３Ｂに示したものと同じである。
　“無故障継続月数”の項目には、保守作業後に無故障で次の保守作業に至った月数、保守作業後に故障が発生するまでの月数および保守作業後に無故障で現在に至るまでの月数のうちのいずれかが設定される。“故障発生フラグ”の項目には、部品に故障が発生したか否かを示す値が設定される。例えば、部品に故障が発生すると、“１”が設定され、故障が発生していなければ、“０”が設定される。
　指標推定部１１は、絞り込み部９により分類された情報に基づいて、保守作業の実績データと故障の実績データとの関係に応じた故障リスク指標の第２の推定値を推定する。
　例えば、指標推定部１１は、絞り込みデータ記憶部１０から処理対象のＦＭＥＡ結果に対応する情報を読み出し、読み出した情報に基づいて部品ごとおよび点検項目ごとに故障リスク指標を統計的に推定する。この推定によって得られた故障リスク指標の推定値は、推定に用いられた実データ数とともに第２の記憶部１２に記憶される。
　第２の記憶部１２は、指標推定部１１によって推定された故障リスク指標の推定値を、部品ごとおよび点検項目ごとに記憶する。第２の記憶部１２には、図１４Ｂに示すような項目の情報が記憶される。図１４Ｂにおいて、“部品ＩＤ”および“点検項目ＩＤ”は、図２Ａに示したものと同じである。“統計的分布”および“統計的分布パラメータ”は、図３に示したものと同じである。“時間スケール係数”と“リスク重み係数”と“安全マージン”は、故障リスク指標の第２の推定値となるパラメータであり、図３に示したものと同じである。“実データ数”の項目には、指標推定部１１による故障リスク指標の統計的推定に用いられたデータの数が設定される。
　併合部１３は、パラメータ推定部４ｂにより推定された第１の推定値と指標推定部１１により推定された第２の推定値とを按分して最終的な故障リスク指標の推定値を算出する。
　例えば、併合部１３は、第１の推定値の推定で想定したデータ数と第２の推定値の推定に用いた実データ数とに応じて第１の推定値と第２の推定値とを按分して、最終的な故障リスク指標の推定値を算出する。故障リスク指標の推定値を示す情報Ｂは併合部１３から出力される。
　故障リスク指標の推定値を示す情報Ｂは、図１４Ｃに示す項目の情報から構成される。図１４Ｃにおいて、“部品ＩＤ”および“点検項目ＩＤ”は、図２Ａに示したものと同じである。“統計的分布”および“統計的分布パラメータ”は、図３に示したものと同じである。“時間スケール係数”と“リスク重み係数”と“安全マージン”は、故障リスク指標の第２の推定値となるパラメータであり、図３に示したものと同じである。
　故障リスク指標推定装置１ＡにおけるＦＭＥＡ結果ＤＢ２、既定作業間隔ＤＢ３、設備情報ＤＢ６、保守実績ＤＢ７および故障実績ＤＢ８は、図４Ａおよび図４Ｂに示すデータベース１００である。ＦＭＥＡ結果ＤＢ２および既定作業間隔ＤＢ３のそれぞれに記憶された情報は、ＤＢ入出力インタフェース１０１を通して指標推定部４に入力される。
設備情報ＤＢ６、保守実績ＤＢ７および故障実績ＤＢ８のそれぞれに記憶された情報は、ＤＢ入出力インタフェース１０１を通して絞り込み部９に入力される。
　統計評価用情報Ａは、情報入力インタフェース１０２を通して故障リスク指標推定装置１Ａに入力される。最終的な故障リスク指標の推定値を示す情報Ｂは、情報出力インタフェース１０３を通して併合部１３から出力される。
　第１の記憶部５、絞り込みデータ記憶部１０および第２の記憶部１２は、データベース１００がある記憶装置に設けることが考えられるが、図４Ａに示す処理回路１０４の内部メモリに設けてもよい。また、第１の記憶部５、絞り込みデータ記憶部１０および第２の記憶部１２は、図４Ｂに示すメモリ１０５に設けてもよい。
　故障リスク指標推定装置１Ａにおける指標推定部４、絞り込み部９、指標推定部１１および併合部１３の各機能は、処理回路により実現される。
　すなわち、故障リスク指標推定装置１Ａは、前述した各部の機能での処理を行うための処理回路を備える。処理回路は、専用のハードウェアであっても、メモリに記憶されたプログラムを実行するＣＰＵであってもよい。
　処理回路が、図４Ａに示すような専用のハードウェアである場合、処理回路１０４は、例えば、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ＡＳＩＣ、ＦＰＧＡ、または、これらを組み合わせたものが該当する。
　指標推定部４、絞り込み部９、指標推定部１１および併合部１３のそれぞれの機能を別々の処理回路で実現してもよいし、これらの機能をまとめて１つの処理回路で実現してもよい。
　処理回路が、図４Ｂに示すようなプロセッサ１０６である場合、指標推定部４、絞り込み部９、指標推定部１１および併合部１３の各機能は、ソフトウェア、ファームウェア、またはソフトウェアとファームウェアとの組み合わせによって実現される。
　ソフトウェアまたはファームウェアはプログラムとして記述され、メモリ１０５に記憶される。プロセッサ１０６は、メモリ１０５に記憶されたプログラムを読み出して実行することにより各部の機能を実現する。
　すなわち、故障リスク指標推定装置１Ａは、プロセッサ１０６によって実行されるときに、図１５に示すステップＳＴ１ｂからステップＳＴ８ｂまでの処理が結果的に実行されるプログラムを記憶するためのメモリ１０５を備える。
　また、これらのプログラムは、指標推定部４、絞り込み部９、指標推定部１１、および併合部１３の手順または方法をコンピュータに実行させるものである。
　指標推定部４、絞り込み部９、指標推定部１１および併合部１３の各機能について一部を専用のハードウェアで実現し、一部をソフトウェアまたはファームウェアで実現してもよい。例えば、指標推定部４および絞り込み部９については専用のハードウェアとしての処理回路でその機能を実現し、指標推定部１１および併合部１３については、プロセッサ１０６がメモリ１０５に記憶されたプログラムを読み出して実行することによってその機能を実現してもよい。このように、処理回路は、ハードウェア、ソフトウェア、ファームウェアまたはこれらの組み合わせにより上記機能のそれぞれを実現することができる。
　次に動作について説明する。
　図１５は故障リスク指標推定装置１Ａの動作を示すフローチャートであり、故障リスク指標の第１の推定値と第２の推定値を求めて最終的な推定値を出力するまでの一連の処理を示している。
　絞り込み部９は、設備情報ＤＢ６、保守実績ＤＢ７および故障実績ＤＢ８に記憶された情報を、ＦＭＥＡ結果ごとに対応する情報に分類する（ステップＳＴ１ｂ）。
　絞り込み部９により分類された情報は、絞り込みデータ記憶部１０に記憶される。
　指標推定部１１は、絞り込みデータ記憶部１０から処理対象のＦＭＥＡ結果に対応する情報を読み出し、読み出した情報に基づいて部品ごとおよび点検項目ごとに故障リスク指標を統計的に推定する（ステップＳＴ２ｂ）。
　指標推定部１１は、上記推定で得られた第２の推定値と実データ数を、部品ＩＤおよび点検項目ＩＤに対応付けて第２の記憶部１２に記憶する（ステップＳＴ３ｂ）。
　ＦＭＥＡ結果ＤＢ２に記憶されている全てのＦＭＥＡ結果を処理していない場合（ステップＳＴ４ｂ；ＮＯ）、ステップＳＴ１ｂからの処理が繰り返される。
　ＦＭＥＡ結果ＤＢ２に記憶されている全てのＦＭＥＡ結果を処理した場合（ステップＳＴ４ｂ；ＹＥＳ）、ステップＳＴ５ｂの処理に移行する。
　ステップＳＴ５ｂにおいて、指標推定部４は、実施の形態１と同様にして第１の推定値であるパラメータ値を推定する。
　指標推定部４は、推定した第１の推定値を、部品ＩＤおよび点検項目ＩＤに対応付けて第１の記憶部５に記憶する（ステップＳＴ６ｂ）。
　併合部１３は、第１の記憶部５に記憶された第１の推定値と、第２の記憶部１２に記憶された第２の推定値とを読み出し、読み出した第１の推定値と第２の推定値とを按分して最終的な故障リスク指標の推定値を算出する（ステップＳＴ７ｂ）。この後、併合部１３は、算出した故障リスク指標の推定値を示す情報Ｂを出力する（ステップＳＴ８ｂ）。
　なお、図１５では、指標推定部１１による第２の推定値の推定を、指標推定部４による第１の推定値の推定よりも先に行う場合を示したが、これに限定されるものではない。
　例えば、指標推定部４による第１の推定値の推定を、指標推定部１１による第２の推定値の推定よりも先に行ってもよい。また、指標推定部４による第１の推定値の推定と指標推定部１１による第２の推定値の推定とを並行して行ってもよい。
　次に、絞り込み部９の動作を詳細に説明する。
　図１６は、絞り込み部９の動作を示すフローチャートであって、設備情報ＤＢ６、保守実績ＤＢ７および故障実績ＤＢ８に記憶された情報を分類して絞り込みデータ記憶部１０に記憶するまでの一連の処理を示している。
　まず、絞り込み部９は、ＦＭＥＡ結果ＤＢ２、設備情報ＤＢ６および保守実績ＤＢ７の各テーブルデータを併合する（ステップＳＴ１ｃ）。
　例えば、絞り込み部９は、設備情報ＤＢ６から読み出したテーブルデータの設備ＩＤ、部品ＩＤおよび点検項目ＩＤに基づいて、同じ設備ＩＤ、部品ＩＤおよび点検項目ＩＤを有する保守実績ＤＢ７のテーブルデータを検索する。絞り込み部９は、この検索によって特定されたテーブルデータの“保守作業実施日時”の項目に設定された情報を、設備情報ＤＢ６から読み出したテーブルデータに併合する。
　なお、絞り込み部９は、設備情報と同じ設備ＩＤ、部品ＩＤおよび点検項目ＩＤの保守実績データがない場合、検索に用いた設備ＩＤ、部品ＩＤおよび点検項目ＩＤのレコードデータを削除せずに併合後のテーブルデータに残す。
　続いて、絞り込み部９は、併合後のテーブルデータにおける設備ＩＤ、部品ＩＤおよび点検項目ＩＤに基づいて、同じ設備ＩＤ、部品ＩＤおよび点検項目ＩＤを有するＦＭＥＡ結果ＤＢ２のテーブルデータを検索する。絞り込み部９は、この検索によって特定されたテーブルデータにおけるＦＭＥＡ結果を、上記併合後のテーブルデータに併合する。
　絞り込み部９は、設備情報ＤＢ６における全てのテーブルデータに上記処理を実行することで、設備情報と保守実績データとがＦＭＥＡ結果ごとに分類された情報を生成する。
　次に、絞り込み部９は、前述のように併合したテーブルデータのうち、評価対象のＦＭＥＡ結果に対応するレコードデータのみに絞り込む（ステップＳＴ２ｃ）。
　絞り込み部９は、上記併合したテーブルデータのレコードデータに対して“無故障継続月数”および“故障発生フラグ”の項目を追加する。
　ステップＳＴ３ｃにおいて、絞り込み部９は、評価対象のＦＭＥＡ結果に対応する設備ＩＤおよび部品ＩＤに基づいて、この部品ＩＤに対応する部品についての保守作業を実行してから次の保守作業までの間に最も早く発生した故障実績データを故障実績ＤＢ８から検索する。なお、保守作業が実行されていなければ、保守開始日時以降で次の保守作業までの間に最も早く発生した故障実績データを検索する。
　絞り込み部９は、検索結果の故障実績データに基づいて、部品に故障が発生しなかった無故障継続月数を算出して、算出した月数を“無故障継続月数”の項目に設定し、故障が発生したことを示す値である“１”を“故障発生フラグ”の項目に設定する。
　一方、上記検索で故障実績がなければ、絞り込み部９は、次の保守作業日時までの時間間隔を算出して、この月数を“無故障継続月数”の項目に設定し、故障が発生していないことを示す値である“０”を“故障発生フラグ”の項目に設定する。
　なお、次に保守作業の日時が決まっていない場合は、現時点までの間隔が“無故障継続月数”の項目に設定される。
　絞り込み部９は、ステップＳＴ１ｃで併合したテーブルデータにおける全てのレコードデータに対して上記処理を実行する。これにより、設備情報と保守実績データと故障実績データとが、ＦＭＥＡ結果ごとに分類された情報が生成される。
　絞り込み部９は、処理結果のテーブルデータを絞り込みデータ記憶部１０に記憶する（ステップＳＴ４ｃ）。上記テーブルデータは、図１４Ａに示したように、“故障の頻度レベル”、“影響の大きさレベル”、“検出可能性レベル”、“設備ＩＤ”、“部品ＩＤ”、“点検項目ＩＤ”、“保守作業実施日時”、“無故障継続月数”および“故障発生フラグ”といった項目からなるデータである。
　次に、指標推定部１１の動作を詳細に説明する。
　図１７は、指標推定部１１の動作を示すフローチャートであり、第２の推定値を推定してから第２の記憶部１２に記憶するまでの一連の処理を示している。
　ステップＳＴ１ｄにおいて、指標推定部１１は、絞り込みデータ記憶部１０に記憶されたテーブルデータから、処理対象の部品ＩＤおよび点検項目ＩＤが同一のレコードデータを検索する。指標推定部１１は、検索したレコードデータにおいて“無故障継続月数”の項目に設定された値が、保守作業後の経過時間ｔ（ｔ＝１，２，・・・）以下のレコードデータの数を算出する。このように算出されたレコードデータの数が、保守作業後の経過月数に応じた部品の延べ台数となる。
　指標推定部１１は、絞り込みデータ記憶部１０に記憶されているテーブルデータから、“故障発生フラグ”の項目に“１”が設定されたレコードデータを検索する。
　指標推定部１１は、検索したレコードデータに基づいて、部品ＩＤごとおよび点検項目ＩＤごとの、保守作業後の経過月数に応じた故障件数を算出する（ステップＳＴ２ｄ）。
　次に、指標推定部１１は、上記保守作業後の経過月数に応じた故障件数を上記延べ台数で割った値である実績故障率を算出する（ステップＳＴ３ｄ）。
　続いて、指標推定部１１は、ステップＳＴ３ｄで算出した実績故障率の推移を近似する統計的分布を特定し、この統計的分布に従うモデル式のパラメータ値を統計的に推定する（ステップＳＴ４ｄ）。例えば、実績故障率の推移を、上記式（４）でリスク重み係数Ｗと１とした場合の故障リスク指標Ｒ（ｔ）により近似する時間スケール係数Ｓおよび形状パラメータγが推定される。
　パラメータの推定には共役方向法を用いることが考えられるが、ワイブル分布のパラメータを推定する既存の方法であってもよい。
　リスク重み係数Ｗの値は、ＦＭＥＡ結果ごとに設定される。例えば、ユーザから受け付けた値を設定してもよく、実績データから求めた故障発生時の損失額×故障率との差分が最も小さくなる係数の値を設定してもよい。安全マージンＭの値は、ユーザから受け付けた値を設定してもよく、Ｍ＝０としてもよい。
　なお、統計的分布としてワイブル分布を使用したが、ガンマ分布、対数正規分布などの統計的分布であってもよく、実績データとの誤差が最小となる統計的分布であればよい。
　指標推定部１１は、絞り込みデータ記憶部１０に記憶されているテーブルデータの部品ＩＤおよび点検項目ＩＤの組み合わせのうち、未処理の組み合わせがあるか否かを確認する（ステップＳＴ５ｄ）。
　絞り込みデータ記憶部１０に記憶されているテーブルデータの部品ＩＤおよび点検項目ＩＤの組み合わせのうち、未処理の組み合わせがある場合（ステップＳＴ５ｄ；ＮＯ）、ステップＳＴ１ｄに戻り、前述した処理を繰り返す。
　部品ＩＤおよび点検項目ＩＤの全ての組み合わせを処理した場合（ステップＳＴ５ｄ；ＹＥＳ）、指標推定部１１は、推定したパラメータ値である第２の推定値を、部品ＩＤおよび点検項目ＩＤに対応付けて第２の記憶部１２に記憶する（ステップＳＴ６ｄ）。
　統計的分布がワイブル分布に従うことから、図１４Ｂに示した“統計的分布”の項目に“ワイブル分布”が設定され、“統計的分布パラメータ”の項目には、形状パラメータγの値が設定される。
　次に、併合部１３の動作を詳細に説明する。
　図１８は、併合部１３の動作を示すフローチャートであり、第１の推定値と第２の推定値とから最終的な故障リスク指標の推定値を算出して出力するまでの一連の処理を示している。併合部１３は、処理対象の部品ＩＤおよび点検項目ＩＤ、これらに対応する第２の推定値および実データ数を第２の記憶部１２から読み出す（ステップＳＴ１ｅ）。
　次に、併合部１３は、処理対象の部品ＩＤおよび点検項目ＩＤおよびこれらに対応する第１の推定値を第１の記憶部５から読み出す（ステップＳＴ２ｅ）。
　第１の記憶部５に記憶されている第１の推定値のうち、第２の記憶部１２から読み出した第２の推定値に対応する部品ＩＤおよび点検項目ＩＤと同じ部品ＩＤおよび点検項目ＩＤを有さないレコードデータについては、第１の記憶部５からそのまま読み出される。
　第２の記憶部１２から読み出されたレコードデータに設定されている実データ数をＮＡとし、保守作業後の経過時間ごとの部品の延べ台数を常にＮＡとし、故障件数をＮＡ×ＲＡ（ｔ）と仮定する。併合部１３は、第１の記憶部５から読み出された同じ部品ＩＤおよび点検項目ＩＤを有するレコードデータにおいて、第１の推定値の統計的推定で想定されるデータの数であるＮＩを求める（ステップＳＴ３ｅ）。
　例えば、併合部１３は、統計評価用情報Ａにおける許容誤差Δおよび信頼率αを使用して、下記式（７）からＮＩを算出する。下記式（７）において、ｚ（α）は、標準正規分布の上側１００α％を表す。Δ＝０．１、α＝０．９９（９９％）であれば、ｚ（α）＝２．３２６であり、ＮＩ＝２１６８となる。
　ＮＩ＝（（（４／Δ２）＋（１／２））×ｚ（α）２）　　　・・・（７）
　第１の記憶部５から読み出された同じ部品ＩＤおよび点検項目ＩＤを有するレコードデータにおいて、保守作業後の経過時間ごとの部品の延べ台数は、常に上記式（７）により算出したＮＩであり、故障件数をＮＩ×ＲＩ（ｔ）と仮定する。
　併合部１３は、第２の記憶部１２から読み出したレコードデータが示す故障リスク指標ＲＡ（ｔ）と、第１の記憶部５から読み出した同じ部品ＩＤおよび点検項目ＩＤを有するレコードデータが示す故障リスク指標ＲＩ（ｔ）とを按分する（ステップＳＴ４ｅ）。
　併合部１３は、保守作業後の経過時間ごとの部品の延べ台数をＮＡ＋ＮＩとし、故障件数をＮＡ×ＲＡ（ｔ）＋ＮＩ×ＲＩ（ｔ）として故障リスク指標ＲＦ（ｔ）を改めて統計的に推定する。推定方法には、例えば、共役方向法が用いられる。ここまでの処理が按分処理である。このように、併合部１３が、第１の推定値の統計的推定で想定されたデータ数であるＮＩを第２の推定値との按分に用いる。これにより、第１の推定値と第２の推定値とを適切に按分することができる。
　併合部１３は、第１の記憶部５および第２の記憶部１２のそれぞれに記憶された情報のうち、按分していない部品ＩＤおよび点検項目ＩＤの組み合わせがあるか否かを確認する（ステップＳＴ５ｅ）。
　第１の記憶部５および第２の記憶部１２のそれぞれに記憶された情報のうち、按分していない部品ＩＤおよび点検項目ＩＤの組み合わせがあれば（ステップＳＴ５ｅ；ＮＯ）、未処理の組み合わせに対してステップＳＴ１ｅからの処理を繰り返す。
　全ての部品ＩＤおよび点検項目ＩＤの組み合わせを按分した場合（ステップＳＴ５ｅ；ＹＥＳ）、併合部１３は、故障リスク指標ＲＦ（ｔ）のパラメータ値から、最終的な故障リスク指標の推定値を示す情報Ｂを生成して出力する（ステップＳＴ６ｅ）。
　以上のように、実施の形態２に係る故障リスク指標推定装置１Ａにおいて、絞り込み部９が、設備情報ＤＢ６、保守実績ＤＢ７、および故障実績ＤＢ８のそれぞれに記憶された情報を、ＦＭＥＡ結果ごとに対応する情報に分類する。指標推定部１１が、絞り込み部９により分類された情報に基づいて、保守作業の実績データと故障の実績データとの関係に応じた故障リスク指標の推定値を推定する。併合部１３が、指標推定部４により推定された第１の推定値と指標推定部１１により推定された第２の推定値とを按分して、最終的な故障リスク指標の推定値を算出する。このように構成することで、設備の保守実績データが少ない場合であっても、設備に故障が発生するリスクの指標を適切に推定できる。
　また、実施の形態２に係る故障リスク指標推定装置１Ａにおいて、併合部１３が、第１の推定値の統計的推定で想定されたデータ数を第２の推定値との按分に用いる。このように構成することで、第１の推定値と第２の推定値とを適切に按分することができる。
　なお、本発明はその発明の範囲内において、各実施の形態の自由な組み合わせあるいは各実施の形態の任意の構成要素の変形、もしくは各実施の形態において任意の構成要素の省略が可能である。
　この発明に係る故障リスク指標推定装置は、設備の保守実績データがないまたは少ない場合であっても設備に故障が発生するリスクの指標を適切に推定できるので、例えば、様々な機械システムに適用可能である。
　１，１Ａ　故障リスク指標推定装置、２　ＦＭＥＡ結果ＤＢ、３　既定作業間隔ＤＢ、４，１１　指標推定部、４ａ　モデル式構築部、４ｂ　パラメータ推定部、５　第１の記憶部、６　設備情報ＤＢ、７　保守実績ＤＢ、８　故障実績ＤＢ、９　絞り込み部、１０　絞り込みデータ記憶部、１２　第２の記憶部、１３　併合部、１００　データベース、１０１　ＤＢ入出力インタフェース、１０２　情報入力インタフェース、１０３　情報出力インタフェース、１０４　処理回路、１０５　メモリ、１０６　プロセッサ。

Claims (7)

  1. 　設備を構成する部品の点検項目ごとの故障モード影響解析結果を示す情報および故障リスク指標の推定に用いる統計的分布を示す情報に基づいて、前記統計的分布に従った前記故障リスク指標の推移を示すモデル式を構築するモデル式構築部と、
    　設備を構成する部品の点検項目ごとの故障モード影響解析結果を示す情報および部品の点検項目ごとに既定された保守作業間隔を示す情報に基づいて、前記モデル式から算出した保守作業間隔と前記既定された保守作業間隔との差分が最も小さくなる前記モデル式のパラメータ値を統計的に推定するパラメータ推定部と
    　を備えたことを特徴とする故障リスク指標推定装置。
  2. 　設備、設備を構成する部品および部品ごとの点検項目を含む設備情報、設備を構成する部品の点検項目ごとの保守作業の実績データおよび設備を構成する部品ごとの故障の実績データを、故障モード影響解析結果ごとに対応する情報に分類する絞り込み部と、
    　前記絞り込み部により分類された情報に基づいて、前記保守作業の実績データと前記故障の実績データとの関係に応じた前記故障リスク指標の推定値を推定する指標推定部と、
    　前記パラメータ推定部により推定されたパラメータ値である第１の推定値と前記指標推定部により推定された推定値である第２の推定値とを按分して、最終的な前記故障リスク指標の推定値を算出する併合部と
    　を備えたことを特徴とする請求項１記載の故障リスク指標推定装置。
  3. 　前記併合部は、前記第１の推定値の統計的推定で想定されたデータ数を前記第２の推定値との按分に用いること
    　を特徴とする請求項２記載の故障リスク指標推定装置。
  4. 　前記モデル式構築部は、故障モード影響解析の故障に関する評価項目と当該評価項目での評価レベルとが同一である場合、前記評価項目に関連する前記モデル式のパラメータに共通のパラメータを割り当てること
    　を特徴とする請求項１記載の故障リスク指標推定装置。
  5. 　前記パラメータ推定部は、互いに類似する点検項目間の一方についてのパラメータ値の統計的推定で用いた情報を、点検項目間の他方についてのパラメータ値の統計的推定に用いること
    　を特徴とする請求項１記載の故障リスク指標推定装置。
  6. 　モデル式構築部が、設備を構成する部品の点検項目ごとの故障モード影響解析結果を示す情報および故障リスク指標の推定に用いる統計的分布を示す情報に基づいて、前記統計的分布に従った前記故障リスク指標の推移を示すモデル式を構築するステップと、
    　パラメータ推定部が、設備を構成する部品の点検項目ごとの故障モード影響解析結果を示す情報および部品の点検項目ごとに既定された保守作業間隔を示す情報に基づいて、前記モデル式から算出した保守作業間隔と前記既定された保守作業間隔との差分が最も小さくなる前記モデル式のパラメータ値を統計的に推定するステップと
    　を備えたことを特徴とする故障リスク指標推定方法。
  7. 　絞り込み部が、設備、設備を構成する部品および部品ごとの点検項目を含む設備情報、設備を構成する部品の点検項目ごとの保守作業の実績データおよび設備を構成する部品ごとの故障の実績データを、故障モード影響解析結果ごとに対応する情報に分類するステップと、
    　指標推定部が、前記絞り込み部により分類された情報に基づいて、前記保守作業の実績データと前記故障の実績データとの関係に応じた前記故障リスク指標の推定値を推定するステップと、
    　併合部が、前記パラメータ推定部により推定されたパラメータ値である第１の推定値と前記指標推定部により推定された推定値である第２の推定値とを按分して、最終的な前記故障リスク指標の推定値を算出するステップと
    　を備えたことを特徴とする請求項６記載の故障リスク指標推定方法。
PCT/JP2016/086738 2016-12-09 2016-12-09 故障リスク指標推定装置および故障リスク指標推定方法 WO2018105104A1 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
KR1020197015852A KR102097953B1 (ko) 2016-12-09 2016-12-09 고장 리스크 지표 추정 장치 및 고장 리스크 지표 추정 방법
CN201680091319.7A CN110023967B (zh) 2016-12-09 2016-12-09 故障风险指标估计装置和故障风险指标估计方法
JP2018555417A JP6501982B2 (ja) 2016-12-09 2016-12-09 故障リスク指標推定装置および故障リスク指標推定方法
PCT/JP2016/086738 WO2018105104A1 (ja) 2016-12-09 2016-12-09 故障リスク指標推定装置および故障リスク指標推定方法
TW106114251A TWI646476B (zh) 2016-12-09 2017-04-28 故障風險指標推定裝置以及故障風險指標推定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2016/086738 WO2018105104A1 (ja) 2016-12-09 2016-12-09 故障リスク指標推定装置および故障リスク指標推定方法

Publications (1)

Publication Number Publication Date
WO2018105104A1 true WO2018105104A1 (ja) 2018-06-14

Family

ID=62490824

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2016/086738 WO2018105104A1 (ja) 2016-12-09 2016-12-09 故障リスク指標推定装置および故障リスク指標推定方法

Country Status (5)

Country Link
JP (1) JP6501982B2 (ja)
KR (1) KR102097953B1 (ja)
CN (1) CN110023967B (ja)
TW (1) TWI646476B (ja)
WO (1) WO2018105104A1 (ja)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110376982A (zh) * 2019-07-11 2019-10-25 江南大学 一种基于改进fmea的控制分析方法
JP2020144415A (ja) * 2019-03-04 2020-09-10 日本製鉄株式会社 設備管理支援装置、設備管理支援方法、プログラム及びコンピュータ読み取り可能な記録媒体
CN111651933A (zh) * 2020-05-22 2020-09-11 宁波诺丁汉新材料研究院有限公司 基于统计推断的工业锅炉故障预警方法及系统
WO2020188636A1 (ja) * 2019-03-15 2020-09-24 三菱電機株式会社 すべり量予測装置及びすべり量予測方法
WO2023286659A1 (ja) * 2021-07-14 2023-01-19 三菱重工業株式会社 故障予測装置、故障予測方法、及びプログラム
CN115982960A (zh) * 2022-12-08 2023-04-18 国家管网集团北方管道有限责任公司 用于管道输油站的智能风险防控能力评价方法
JP7511797B2 (ja) 2022-07-01 2024-07-05 三菱電機株式会社 保守支援システム、保守支援方法、および、保守支援プログラム

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7213637B2 (ja) * 2018-08-07 2023-01-27 日鉄テックスエンジ株式会社 整備管理装置、整備管理方法及びプログラム
CN111582751B (zh) * 2020-05-19 2022-06-14 国网吉林省电力有限公司 一种时间加权的购电风险预警方法
KR102489119B1 (ko) 2021-10-21 2023-01-18 김지예 스마트 고장형태 영향분석 시스템 및 이를 이용한 공정관리 시스템 및 방법

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6223143B1 (en) * 1998-08-31 2001-04-24 The United States Government As Represented By The Administrator Of The National Aeronautics And Space Administration Quantitative risk assessment system (QRAS)
JP2005011327A (ja) * 2003-05-29 2005-01-13 Tokyo Electric Power Co Inc:The 修繕計画立案支援装置及び方法
JP2005085178A (ja) * 2003-09-11 2005-03-31 Mitsubishi Electric Corp 設備運用計画作成システム
JP2008009990A (ja) * 2006-06-29 2008-01-17 Toshiba Corp 保守計画システム、保守計画方法
JP2009140022A (ja) * 2007-12-03 2009-06-25 Nippon Steel Corp 設備メンテナンス計画作成支援装置、方法、プログラム、及びコンピュータ読み取り可能な記録媒体
JP2009251822A (ja) * 2008-04-03 2009-10-29 Toshiba Corp 複合診断・保守計画支援システム及びその支援方法

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004252549A (ja) 2003-02-18 2004-09-09 Hokkaido Sekiyu Kyodo Bichiku Kk 可動（べきどう）管理方法及び可動管理装置
JP4237610B2 (ja) * 2003-12-19 2009-03-11 株式会社東芝 保守支援方法及びプログラム
JP4967430B2 (ja) * 2006-04-11 2012-07-04 オムロン株式会社 不具合管理装置、不具合管理プログラム、およびこれを記録した記録媒体
US8620514B2 (en) * 2011-02-24 2013-12-31 Bae Systems Plc Reliability centered maintenance
CN102208028B (zh) * 2011-05-31 2013-06-19 北京航空航天大学 一种适用于动态复杂系统的故障预测和诊断方法
CN102810122A (zh) * 2011-06-02 2012-12-05 鸿富锦精密工业（深圳）有限公司 电子产品设计的验证系统和方法
FR2989500B1 (fr) * 2012-04-12 2014-05-23 Airbus Operations Sas Procede, dispositifs et programme d'ordinateur d'aide a l'analyse de la tolerance aux pannes d'un systeme d'un aeronef, utilisant des graphes d'evenements redoutes
CN104076809B (zh) * 2013-03-26 2017-01-04 三菱电机株式会社 数据处理装置以及数据处理方法
AT514680A2 (de) * 2013-08-05 2015-02-15 Uptime Engineering Gmbh Prozess zur Optimierung der Wartung technischer Systeme
JP2016004279A (ja) * 2014-06-13 2016-01-12 株式会社日立製作所 保守システム及び保守方法
CN104166800A (zh) * 2014-08-11 2014-11-26 工业和信息化部电子第五研究所 基于失效机理的元器件fmea分析方法与系统
JP6301791B2 (ja) * 2014-09-17 2018-03-28 株式会社東芝 配電網の故障予兆診断システムおよびその方法
CN104463421B (zh) * 2014-11-06 2017-09-01 朱秋实 一种基于实时状态的大数据建模的设备动态优化维护方法
JP6251201B2 (ja) 2015-01-08 2017-12-20 三菱重工業株式会社 稼動率予測装置及び稼動率予測方法
CN105956789A (zh) * 2016-05-24 2016-09-21 国网四川省电力公司 一种基于状态评价的电力设备定量风险评估方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6223143B1 (en) * 1998-08-31 2001-04-24 The United States Government As Represented By The Administrator Of The National Aeronautics And Space Administration Quantitative risk assessment system (QRAS)
JP2005011327A (ja) * 2003-05-29 2005-01-13 Tokyo Electric Power Co Inc:The 修繕計画立案支援装置及び方法
JP2005085178A (ja) * 2003-09-11 2005-03-31 Mitsubishi Electric Corp 設備運用計画作成システム
JP2008009990A (ja) * 2006-06-29 2008-01-17 Toshiba Corp 保守計画システム、保守計画方法
JP2009140022A (ja) * 2007-12-03 2009-06-25 Nippon Steel Corp 設備メンテナンス計画作成支援装置、方法、プログラム、及びコンピュータ読み取り可能な記録媒体
JP2009251822A (ja) * 2008-04-03 2009-10-29 Toshiba Corp 複合診断・保守計画支援システム及びその支援方法

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020144415A (ja) * 2019-03-04 2020-09-10 日本製鉄株式会社 設備管理支援装置、設備管理支援方法、プログラム及びコンピュータ読み取り可能な記録媒体
JP7265128B2 (ja) 2019-03-04 2023-04-26 日本製鉄株式会社 設備管理支援装置、設備管理支援方法、プログラム及びコンピュータ読み取り可能な記録媒体
WO2020188636A1 (ja) * 2019-03-15 2020-09-24 三菱電機株式会社 すべり量予測装置及びすべり量予測方法
CN110376982A (zh) * 2019-07-11 2019-10-25 江南大学 一种基于改进fmea的控制分析方法
CN111651933A (zh) * 2020-05-22 2020-09-11 宁波诺丁汉新材料研究院有限公司 基于统计推断的工业锅炉故障预警方法及系统
CN111651933B (zh) * 2020-05-22 2023-09-26 宁波诺丁汉新材料研究院有限公司 基于统计推断的工业锅炉故障预警方法及系统
WO2023286659A1 (ja) * 2021-07-14 2023-01-19 三菱重工業株式会社 故障予測装置、故障予測方法、及びプログラム
JP7511797B2 (ja) 2022-07-01 2024-07-05 三菱電機株式会社 保守支援システム、保守支援方法、および、保守支援プログラム
CN115982960A (zh) * 2022-12-08 2023-04-18 国家管网集团北方管道有限责任公司 用于管道输油站的智能风险防控能力评价方法
CN115982960B (zh) * 2022-12-08 2023-09-01 国家管网集团北方管道有限责任公司 用于管道输油站的智能风险防控能力评价方法

Also Published As

Publication number Publication date
JPWO2018105104A1 (ja) 2019-03-28
JP6501982B2 (ja) 2019-04-17
TWI646476B (zh) 2019-01-01
CN110023967A (zh) 2019-07-16
KR20190071812A (ko) 2019-06-24
TW201822080A (zh) 2018-06-16
KR102097953B1 (ko) 2020-04-07
CN110023967B (zh) 2022-12-23

Similar Documents

Publication Publication Date Title
WO2018105104A1 (ja) 故障リスク指標推定装置および故障リスク指標推定方法
US8745588B2 (en) Method for testing operation of software
US7472024B2 (en) Data analysis apparatus and method
US9530256B2 (en) Generating cumulative wear-based indicators for vehicular components
US20170193143A1 (en) Method for modelica-based system fault analysis at the design stage
US20150067648A1 (en) Preparing an optimized test suite for testing an application under test in single or multiple environments
US20090271235A1 (en) Apparatus and method for generating survival curve used to calculate failure probability
JP6359960B2 (ja) 故障予測装置、故障予測方法及び故障予測プログラム
JP2020173551A (ja) 故障予測装置、故障予測方法、コンピュータプログラム、計算モデルの学習方法および計算モデルの生成方法
US8434069B2 (en) System and method for effort estimation
US20090138860A1 (en) Program analysis method amd apparatus
Ke et al. Software reliability prediction and management: A multiple change‐point model approach
JP6566049B2 (ja) 電力需要値算出システム、電力需要値算出方法および電力需要値算出プログラム
US11494654B2 (en) Method for machine failure prediction using memory depth values
JP6545397B2 (ja) 因果関係評価装置、因果関係評価システムおよび因果関係評価方法
US20140236667A1 (en) Estimating, learning, and enhancing project risk
US11762562B2 (en) Performance analysis apparatus and performance analysis method
Belli et al. Does" depth" really matter? on the role of model refinement for testing and reliability
JP2010020573A (ja) 設備のライフサイクルマネジメントシステムおよびその方法
CN110008098B (zh) 评估业务流程中的节点的运行状况的方法和装置
Krasich Modeling of SW reliability in early design with planning and measurement of its reliability growth
US8510229B1 (en) Project efficiency analysis
JP2020190980A (ja) 劣化推定装置、劣化推定システム、劣化推定方法および劣化推定プログラム
Abele et al. Improving Proceeding Test Case Prioritization with Learning Software Agents.
KR102283802B1 (ko) 결합확률분포를 이용한 보증정책 수립 장치 및 방법

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: 16923331

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2018555417

Country of ref document: JP

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 20197015852

Country of ref document: KR

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 16923331

Country of ref document: EP

Kind code of ref document: A1