WO2018147362A1 - 産業機器監視装置および産業機器の監視方法 - Google Patents

産業機器監視装置および産業機器の監視方法 Download PDF

Info

Publication number
WO2018147362A1
WO2018147362A1 PCT/JP2018/004378 JP2018004378W WO2018147362A1 WO 2018147362 A1 WO2018147362 A1 WO 2018147362A1 JP 2018004378 W JP2018004378 W JP 2018004378W WO 2018147362 A1 WO2018147362 A1 WO 2018147362A1
Authority
WO
WIPO (PCT)
Prior art keywords
maintenance
failure
industrial equipment
event
failure event
Prior art date
Application number
PCT/JP2018/004378
Other languages
English (en)
French (fr)
Inventor
藤原　淳輔
鵜沼　宗利
典一 斉藤
Original Assignee
株式会社日立産機システム
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 株式会社日立産機システム filed Critical 株式会社日立産機システム
Priority to JP2018567486A priority Critical patent/JP6902057B2/ja
Publication of WO2018147362A1 publication Critical patent/WO2018147362A1/ja

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04B—POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
    • F04B49/00—Control, e.g. of pump delivery, or pump pressure of, or safety measures for, machines, pumps, or pumping installations, not otherwise provided for, or of interest apart from, groups F04B1/00 - F04B47/00
    • F04B49/10—Other safety measures
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04B—POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
    • F04B51/00—Testing machines, pumps, or pumping installations
    • 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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
    • 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
    • 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
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
    • 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 an industrial equipment monitoring apparatus for monitoring industrial equipment such as an air compressor and an industrial equipment monitoring method.
  • Patent Document 1 describes an example of the prior art.
  • Industrial equipment is widely used as factory production facilities, social infrastructure facilities, building incidental facilities, and transportation facilities. Such industrial equipment is required to maintain safety, improve operation rate, and maintain facility efficiency, and various management is performed.
  • Air compressors are used in various industrial fields, and at the production site, compressed air is supplied to end devices such as air tools, air presses, and spray guns. Therefore, it can be said that the operating rate of the air compressor has a direct influence on the production line. However, when a sudden failure occurs in the air compressor, the productivity is greatly reduced.
  • Consumable parts of the air compressor include, for example, a suction filter that is provided on the suction side of the compressor main body to remove impurities in the intake air, lubricating oil supplied to the compressor main body, and lubricating oil from compressed air generated by the compressor main body Separator elements for separating the oil, and oil filters for removing impurities in the lubricating oil.
  • maintenance failure the phenomenon that replacement of consumable parts and daily maintenance work are not performed at an appropriate timing and is delayed.
  • the present invention is an industrial equipment monitoring capable of detecting a maintenance failure of an industrial device such as an air compressor, notifying a user to perform maintenance and notifying a user merit such as maintenance cost reduction by performing the maintenance.
  • An apparatus and a method for monitoring industrial equipment are provided.
  • the present invention includes a plurality of means for solving the above-described problems. For example, a maintenance failure event of the industrial equipment is detected based on sensor data measured by various sensors attached to the industrial equipment.
  • a maintenance failure detection unit a failure risk estimation unit that estimates a failure mode that occurs over time when the maintenance failure event is left when the maintenance failure detection unit detects the maintenance failure event, and the maintenance Estimate the recovery time and recovery cost required to improve the failure mode based on the failure event and return to normal, and output as the display signal to display the estimated recovery time and recovery cost and the maintenance failure event
  • a maintenance cost estimation unit for solving the above-described problems. For example, a maintenance failure event of the industrial equipment is detected based on sensor data measured by various sensors attached to the industrial equipment.
  • a maintenance failure detection unit a failure risk estimation unit that estimates a failure mode that occurs over time when the maintenance failure event is left when the maintenance failure detection unit detects the maintenance failure event, and the maintenance Estimate the recovery time and recovery cost required to improve the failure mode based on the failure event and return to
  • a maintenance failure detection unit that detects a maintenance failure event of the industrial device based on sensor data measured by various sensors attached to the industrial device, and the maintenance failure detection unit includes the maintenance failure detection unit.
  • a failure risk estimation unit that estimates a failure mode that occurs over time when the maintenance failure event is left unattended, and when maintenance measures are taken against the maintenance failure event
  • a failure occurrence probability estimator that calculates a failure occurrence probability of the failure mode in a case and outputs the calculated failure occurrence probability and the maintenance failure event as a display signal. To do.
  • 1 is an overall configuration of an air compressor including a monitoring device according to a first embodiment.
  • 1 is an example of a configuration of a monitoring apparatus according to a first embodiment. It is an example which shows the structure of the diagnostic model memory
  • FIG. It is an example which shows the structure of the failure mode correspondence table of the monitoring apparatus of Example 1. It is an example which shows the processing flow of the maintenance effect estimation part of the monitoring apparatus of Example 1.
  • FIG. It is an example which shows the structure of the recovery cost and the recovery time which are memorize
  • FIG. It is an example which shows the graph image of the failure occurrence rate memorize
  • 6 is an example of a display screen displayed by the monitoring apparatus according to the first embodiment. It is another example of the display screen displayed with the monitoring apparatus of Example 1. 7 is an example of a configuration of a monitoring device according to a second embodiment. 10 is an example of a display screen displayed by the monitoring apparatus according to the second embodiment.
  • Example 1 A first embodiment of the industrial equipment monitoring apparatus and the industrial equipment monitoring method of the present invention will be described with reference to FIGS.
  • an air compressor will be described as an example of industrial equipment.
  • Industrial equipment is not limited to air compressors, but is equipment that operates in factories, such as motors and pumps.
  • equipment that contains consumable parts and maintenance frequency that requires daily maintenance work are often used. It is a device that has a high location.
  • FIG. 1 is a schematic diagram illustrating a configuration of an air compressor as an example.
  • an oil supply type air compressor includes a compressor body 1, a motor 3, an inverter 4, a suction filter 5, a suction throttle valve 6, an oil tank 7, a separator element 8, and an aftercooler 11. And.
  • Compressor body 1 compresses air.
  • the motor 3 transmits power via the belt 2 to drive the compressor body 1.
  • the inverter 4 variably controls the rotation speed of the motor 3.
  • the suction filter 5 is provided on the suction side of the compressor body 1 and removes impurities in the intake air.
  • the suction throttle valve 6 is provided on the suction side of the compressor body 1 and adjusts the intake air amount.
  • the oil tank 7 is provided on the discharge side of the compressor body 1 and primarily separates the lubricating oil 30 from the compressed air.
  • the separator element 8 secondarily separates the lubricating oil 30 from the compressed air separated in the oil tank 7.
  • the aftercooler 11 introduces the compressed air separated by the separator element 8 through the pressure regulating valve 9 and the check valve 10 and cools it.
  • the lubricating oil 30 separated by the separator element 8 is supplied to the suction side of the compressor body 1.
  • the lubricating oil 30 separated in the oil tank 7 is supplied into the compressor main body 1 through, for example, an oil cooler 12 that cools the lubricating oil and an oil filter 13 that removes impurities in the lubricating oil. It has become.
  • a bypass system for bypassing the oil cooler 12 is provided, and a temperature control valve 14 for adjusting a ratio of a cooling flow rate to the oil cooler 12 side and a bypass flow rate to the bypass system is provided at an upstream connection portion of the bypass system. Is provided.
  • the temperature control valve 14 adjusts the ratio of the cooling flow rate and the bypass flow rate according to the temperature of the lubricating oil 30 from the oil tank 7, and thereby adjusts the temperature of the lubricating oil 30 supplied to the compressor body 1. It has become.
  • the aftercooler 11 and the oil cooler 12 are air-cooled heat exchangers that are cooled by cooling air generated by a cooling fan 15.
  • a pressure sensor 208 for detecting the discharge pressure of the compressor body 1 is provided on the downstream side of the aftercooler 11.
  • a detection signal from the pressure sensor 208 is output to the control device 17.
  • the control device 17 calculates a deviation between the discharge pressure detection value input from the pressure sensor 208 and a predetermined target value set in advance, and outputs a rotation speed command signal generated based on the deviation to the inverter 4.
  • the inverter 4 is configured to output the frequency to the motor 3 in accordance with the rotation speed command signal and variably control the rotation speed of the motor 3.
  • a vibration sensor 202 is attached to the cover portion around the bearing of the motor 3 so that a poor lubrication of the bearing of the motor 3 can be detected from the magnitude of the measured acceleration.
  • a differential pressure sensor 204 is attached to the suction filter 5 so that the state of the clogging of the suction filter 5 can be detected from the differential pressure inside and outside the suction filter 5.
  • the differential pressure sensor 206 is attached to the separator element 8 so that the clogging of the separator element 8 can be detected from the differential pressure inside and outside the element.
  • the monitoring device 100 is connected to these various sensors 202, 204, and 206, acquires measurement values, and determines the deterioration status of the suction filter 5 and the separator element 8 and the bearing lubrication of the motor 3 from the respective measurement values. The situation of defects can be grasped.
  • FIG. 2 is a diagram illustrating an outline of the configuration of the monitoring apparatus according to the present embodiment.
  • the monitoring device (industrial equipment monitoring device) 100 includes a communication unit 102, a maintenance failure diagnosis unit (maintenance failure detection unit) 104, a diagnosis model storage unit 106, a failure risk estimation unit 108, a failure It comprises a mode correspondence table 110, a maintenance effect estimation unit (maintenance cost estimation unit and failure occurrence probability estimation unit) 112, a maintenance result data storage unit 114, an input / output control unit 116, and a display unit 118.
  • a communication unit 102 includes a communication unit 102, a maintenance failure diagnosis unit (maintenance failure detection unit) 104, a diagnosis model storage unit 106, a failure risk estimation unit 108, a failure It comprises a mode correspondence table 110, a maintenance effect estimation unit (maintenance cost estimation unit and failure occurrence probability estimation unit) 112, a maintenance result data storage unit 114, an input / output control unit 116, and a display unit 118.
  • the communication unit 102 receives signals from various sensors 202, 204, 206 and various units 50, 60 outside the apparatus.
  • the communication unit 102 is connected to a vibration sensor 202, a differential pressure sensor 204, and a differential pressure sensor 206 provided in the air compressor in order to detect deterioration of consumable parts and poor bearing lubrication of the motor 3. Receive measurement signals.
  • the communication unit 102 is connected to the operating time measuring unit 50 that measures the operating time of the air compressor, receives the operating time information of the air compressor, and is connected to the device information holding unit 60.
  • Device-specific information such as air compressor model and unit can be acquired.
  • the maintenance failure diagnosis unit 104 is based on the measured values of the various sensors 202, 204, and 206 received via the communication unit 102, the occurrence of poor lubrication of the bearing of the motor 3, the occurrence of clogging of the suction filter 5, A maintenance failure detection step of detecting a maintenance failure event is performed by diagnosing signs of maintenance failure events such as the occurrence of clogging of the separator element 8.
  • the maintenance failure diagnosis unit 104 detects the occurrence of maintenance failure events using the cluster center and standard deviation calculated in advance using sensor data when the air compressor is operating normally. Details thereof will be described later.
  • the diagnostic model storage unit 106 stores information on a diagnostic model including a processing procedure and processing conditions when the maintenance failure diagnostic unit 104 executes a diagnostic process on the sensor measurement value. Details thereof will be described later.
  • the failure risk estimation unit 108 searches the failure mode correspondence table 110 for a maintenance failure event diagnosed and detected by the maintenance failure diagnosis unit 104, and a failure mode that may occur over time when the maintenance failure event is left unattended. A failure risk estimation step for estimating Details thereof will be described later.
  • the failure mode correspondence table 110 is used when a maintenance failure event diagnosed and detected by the maintenance failure diagnosis unit 104, that is, when the event is left, such as bearing lubrication failure of the motor 3, clogging of the suction filter 5, clogging of the separator element 8, or the like.
  • a table that associates failure modes that are likely to occur is stored. Details thereof will be described later.
  • the maintenance effect estimation unit 112 restores the maintenance cost (maintenance cost) required to improve the failure mode and return to normal with respect to the maintenance failure event detected by the maintenance failure diagnosis unit 104 and the failure mode estimated by the failure risk estimation unit 108. And a recovery time (maintenance time) are estimated, and an estimation estimation step is performed for calculating a failure occurrence probability when the maintenance measure for the maintenance failure event is performed and when it is left unattended. In addition, a display signal is output to the display unit 118 so that the maintenance failure event and the calculated recovery time, recovery cost, and failure occurrence probability are displayed on the display unit 118. Details thereof will be described later.
  • the maintenance effect estimation unit 112 estimates a maintenance measure for a maintenance failure event, a work time and a work cost required for the maintenance measure, and compares the estimated maintenance measure, the work time and the work cost with a restoration time and a restoration cost.
  • the display signal to be displayed and the display signal to display the estimated maintenance measures along with the maintenance failure event are output.
  • the maintenance effect estimation unit 112 estimates the maintenance failure event, the recovery time of the failure mode, and the recovery cost by referring to statistical values calculated based on past maintenance performance data of the same model as the target device. In addition, the maintenance effect estimation unit 112 calculates the ratio of the number of failure mode occurrences based on the past maintenance history data of the same model as the target device and uses it as the failure occurrence probability.
  • the maintenance result data storage unit 114 is the result data used as a base for the maintenance effect estimation unit 112 to calculate the estimate, that is, the recovery cost for each failure mode, the failure occurrence rate for each failure mode based on the information about the recovery time and the maintenance history. It stores information about. Details thereof will be described later.
  • the input / output control unit 116 controls the display unit 118 to display the estimation result calculated by the maintenance effect estimation unit 112 and records information such as maintenance history data input from the outside in the maintenance result data storage unit 114. Process to update.
  • the display unit 118 is a maintenance failure event based on the display signal output from the maintenance effect estimation unit 112, the calculated recovery time, recovery cost, failure probability, maintenance measures for the maintenance failure event, and work required for the maintenance measures. Display time and work costs.
  • the displayed screen is, for example, a screen as shown in FIG. 8 or FIG.
  • FIG. 3 is a diagram illustrating a configuration of the diagnostic model storage unit.
  • the diagnostic model storage unit 106 stores diagnostic sensor parameters including target sensor IDs, preprocessing contents, cluster centers, standard deviations, and abnormality determination thresholds for each maintenance failure event.
  • the target sensor ID is information for recognizing a sensor to be diagnosed.
  • the ID (S1) of the vibration sensor 202 installed near the bearing of the motor 3 the ID (S2) of the differential pressure sensor 204 attached to the suction filter 5, and the separator element 8 includes the ID (S3) of the differential pressure sensor 206 attached to 8.
  • the vibration sensor S1 is assumed to be a sensor capable of measuring vibration acceleration in three axial directions, and the vibration acceleration measurement values are S1 (1), S1 (2), and S1 (3).
  • pre-processing For pre-processing, the processing for converting from sensor measurement values is described. For example, regarding the motor bearing lubrication failure, as pre-processing, “effective values E1 (1), E1 (2), E1 (3)” are obtained, and this is a measured value S1 (1) of vibration acceleration in each axis direction. , S1 (2), and S1 (3) are calculated to be E1 (1), E1 (2), and E1 (3), respectively.
  • the cluster center, standard deviation, and abnormality determination threshold are parameters in the diagnostic process described later.
  • the cluster center and the standard deviation are information indicating a normal range learned in advance based on normal data, and the abnormality determination threshold is a parameter for diagnosing deviation from the normal range.
  • d 1 the sensor data of the N dimensions to be diagnosed, d 2, ..., when the d N, deviation distance L (d 1, d 2, ..., d N) Equation 1 with respect to The calculation process indicated by is executed.
  • ⁇ (d 1 ), ⁇ (d 2 ),... ⁇ (d N ) are cluster centers, and ⁇ (d 1 ), ⁇ (d 2 ),... ⁇ (d N ) represent standard deviations. This corresponds to the cluster center and standard deviation of the diagnostic model storage unit 106 in FIG.
  • the divergence degree L (d 1 , d 2 ,..., D N ) obtained by the mathematical formula 1 is a value obtained by calculating how far the sensor data to be diagnosed is from the cluster center, that is, the normal reference value. Expressed as a percentage of standard deviation. For example, in the case of following a normal distribution, it can be determined as abnormal when the divergence is greater than 3 and normal when it is 3 or less.
  • the abnormality determination threshold value in the diagnosis model storage unit 106 in FIG. 3 indicates this determination criterion, and it is possible to diagnose the occurrence status of each maintenance failure event from this magnitude relationship.
  • FIG. 4 is a diagram showing the configuration of the failure mode correspondence table.
  • the failure risk estimation unit 108 searches for failure modes that occur over time when the maintenance failure event detected by the maintenance failure diagnosis unit 104 is left without performing maintenance with reference to the failure mode correspondence table 110 shown in FIG. Perform the process.
  • the progress level indicates the order of occurrence in time, and the smaller the number, the faster the occurrence.
  • the motor bearing lubrication failure means that a bearing failure of progress level 1 occurs when the state is left unattended, and a motor failure occurs when this state is left unattended.
  • the progress level progresses to a failure mode with a greater recovery cost and recovery time as the number increases.
  • the failure risk estimation unit 108 transmits the result retrieved in the above process to the maintenance effect estimation unit 112 and ends the process.
  • FIG. 5 is a diagram illustrating a processing flow of the maintenance effect estimation unit.
  • the maintenance effect estimation unit 112 determines whether the maintenance failure diagnosis unit 104 has detected a maintenance failure event (step S2000). If it is determined that it is detected, a YES determination is made, and the process proceeds to the next processing step S2100. On the other hand, if it is determined that it is not detected, a NO determination is made, and the processing step S2000 is repeated.
  • the maintenance effect estimation unit 112 searches and extracts estimated values related to the recovery cost and the recovery time for each estimated failure mode in the model from the maintenance result data storage unit 114 (step S2200).
  • the maintenance result data storage unit 114 is searched based on the model / unit included in the device specific information received from the device information holding unit 60 via the communication unit 102 in the configuration of FIG.
  • FIG. 6 is an example of information related to the recovery cost and the recovery time stored in the maintenance result data storage unit 114.
  • the maintenance result data storage unit 114 stores approximate values related to the recovery cost and the recovery time required to return to the normal state for each model and failure mode. This is configured to correspond to the failure mode correspondence table shown in FIG.
  • “maintenance failure 1: motor bearing lubrication failure” has failure modes of “progress level 0: maintenance failure (lubrication failure)”, “progress level 1: bearing failure”, “progress level”. 2: “Motor failure”, and maintenance operations corresponding to each of them include “Progress level 0: Grease up”, “Progress level 1: Bearing replacement”, and “Progress level 2: Motor replacement”.
  • the recovery cost and recovery time required for each maintenance work are stored. These can be calculated by averaging based on past maintenance history data of the same model, and the result calculated outside the monitoring device can be input via the input / output control unit 116. ing.
  • step S2200 of FIG. 5 the maintenance result data storage unit 114 is searched for and extracted the recovery cost and the recovery time for each progress level for the target maintenance failure event.
  • the maintenance effect estimation unit 112 performs a process of extracting, from the maintenance result data storage unit 114, information on a failure occurrence rate when a maintenance failure event is left in the model as a failure occurrence probability (step S2300).
  • FIG. 7 is a graph showing an overview of information relating to the failure occurrence rate stored in the maintenance result data storage unit 114.
  • the maintenance result data storage unit 114 stores information on the failure occurrence rate as shown here for each model and failure mode. This information is a result of calculating the ratio of the number of failure occurrences to the whole based on the maintenance history data of the same model. Since this ratio varies depending on the maintenance implementation status and cumulative operating time for each individual, it is divided into those that are regularly maintained and those that are not being implemented, and each is aggregated for each cumulative operating time. is doing.
  • “failure mode: motor bearing failure” is tabulated separately for equipment that is performing grease-up work less than once every 3000 hours recommended by the manufacturer and equipment that is not.
  • “equipment that carries out the grease-up work at a frequency of at least once every 3000 hours” is regarded as “equipment that carries out maintenance periodically” and “the grease-up work is carried out less than once every 3000 hours”
  • “Equipment performed frequently” is regarded as “equipment that is not regularly maintained”.
  • the probability of failure when the target device does not perform the grease-up work is approximate, and the failure occurrence rate of “device that is not regularly maintained” can be referred to.
  • the probability of failure occurrence in the case of performing grease-up work is approximately, and the failure occurrence rate of “a device that is regularly maintained” can be referred to.
  • data related to the accumulated operating time of the target device is required.
  • data received from the operating time measuring unit 50 via the communication unit 102 shown in FIG. 2 can be used. Then, the failure rate of the maintenance-executed device and the failure rate of the maintenance-unexecuted device with respect to the cumulative operating time of the device are obtained, and each is interpreted as the failure occurrence probability.
  • the maintenance effect estimation unit 112 uses the input / output control unit 116 to obtain the information on the recovery cost and the recovery time for each estimated failure mode obtained in step S2200 and the information on the failure occurrence probability when the maintenance failure is left in step S2300. To the display unit 118 and displayed on the display unit 118 (step S2400). After this, the process ends.
  • FIG. 8 When the maintenance failure diagnosis unit 104 detects the occurrence of a maintenance failure event, as shown in FIG. 8, displays 801A and 801B prompting the execution of maintenance work necessary to return the maintenance failure event to normal are displayed.
  • a display 802 that can compare a failure occurrence probability when the maintenance work (grease-up) is performed and when the maintenance work is not performed is displayed, and the recovery cost and the recovery time, the work time and the work cost required for the maintenance measures are displayed.
  • a display 803 that can be compared is displayed.
  • the failure occurrence probability is displayed in the form of a bar graph using the failure occurrence rate (probability) data of the maintenance execution / non-maintenance equipment for each failure mode received from the maintenance effect estimation unit 112. For example, in the case of “motor bearing lubrication failure”, there are “bearing failure” and “motor failure” as failure modes. Therefore, when maintenance is performed, that is, when the grease is upgraded, the data 802A of failure occurrence probability is displayed. And a display 802 ⁇ / b> B of failure occurrence probability data when the maintenance is not performed, that is, when the device is left without being greased, is displayed in comparison.
  • the display unit 118 displays a display 803 ⁇ / b> B in which the data related to the recovery cost and the recovery time for the maintenance operation for each failure mode received from the maintenance effect estimation unit 112 is displayed in the form of a bar graph, the operation cost and the operation time required for the maintenance operation
  • the data 803A is displayed in comparison with a display 803A showing the data in the form of a bar graph.
  • the display screen displayed on the display unit 118 is not limited to the form shown in FIG. Another embodiment will be described with reference to FIG.
  • a display 902 that can compare the failure occurrence probability when the grease up is performed and the case where the grease is left without performing the display, and a display 903 that can compare the recovery cost and the recovery time, the work time required for the maintenance measures, and the work cost are displayed. .
  • the failure occurrence probability the case where the maintenance work is performed using the failure occurrence rate (probability) data of the maintenance execution / non-maintenance equipment for each failure mode received from the maintenance effect estimation unit 112 is performed. If the failure occurs, the data of the failure occurrence probability is divided into a certain range, and “A” to “D” are displayed. In FIG. 9, “A” is displayed as the occurrence probability is high, and “D” is displayed as it is low.
  • the case where the maintenance work is performed and the case where the maintenance work is not performed using the data regarding the recovery cost and the recovery time for the maintenance work for each failure mode received from the maintenance effect estimation unit 112 are performed.
  • “A” to “D” are displayed by dividing the cost and time data for each range. In FIG. 9, “A” is displayed as the cost and time are increased, and “D” is displayed as it is not.
  • the monitoring apparatus 100 is based on the sensor data measured by the vibration sensor 202, the differential pressure sensor 204, and the differential pressure sensor 206 attached to the air compressor, and the maintenance failure event of the air compressor.
  • a maintenance failure diagnosis unit 104 that detects the failure
  • a failure risk estimation unit 108 that estimates a failure mode that occurs over time when the maintenance failure event is left when the maintenance failure diagnosis unit 104 detects a maintenance failure event
  • Estimate the recovery time and recovery cost required to improve the failure mode based on the maintenance failure event and return to normal and output it as a display signal to display the estimated recovery time and recovery cost and maintenance failure event
  • And maintaining the effect estimation unit 112 outputs a display signal for displaying the calculated been failure probability and poor maintenance event, and a.
  • Such a monitoring device 100 detects a maintenance failure detection that detects a maintenance failure event of the air compressor based on sensor data measured by the vibration sensor 202, the differential pressure sensor 204, and the differential pressure sensor 206 attached to the air compressor.
  • a failure risk estimation step for estimating a failure mode that occurs over time when the maintenance failure event is left unattended, and a failure mode based on the maintenance failure event
  • Estimate the recovery time and recovery cost required to improve and return to normal display the estimated recovery time and recovery cost and the maintenance failure event on the display unit 118, or implement maintenance measures for the maintenance failure event
  • the failure occurrence probability of failure mode with and without implementation is calculated, and the calculated failure occurrence probability is maintained. Displaying the failure event on the display unit 118 performs a quote estimate step.
  • the maintenance effect estimation unit 112 estimates a maintenance measure for a maintenance failure event, estimates the work time and work cost required for the maintenance measure, and compares the estimated work time and work cost with the recovery time and the recovery cost. Since the display signal to be output is output, the merit of performing the maintenance work can be presented to the user more easily.
  • the maintenance effect estimation unit 112 estimates the failure time and the recovery time of the maintenance failure event and the failure mode by referring to the statistical values calculated based on the past maintenance result data, so that the failure mode and the recovery time are estimated. Therefore, it is possible to present the necessity of more accurate maintenance work.
  • the maintenance effect estimation unit 112 estimates the maintenance failure event and the failure mode recovery time and the recovery cost by referring to the statistical values calculated based on the past maintenance performance data of the same model as the target device. Similarly, the estimation accuracy of the failure mode and the recovery time can be improved, and the necessity of more accurate maintenance work can be presented.
  • the maintenance effect estimation unit 112 estimates a maintenance measure for the maintenance failure event, and outputs a display signal for displaying the estimated maintenance measure along with the maintenance failure event, thereby performing maintenance work in the same manner. Benefits can be presented to the user in a more understandable way.
  • the maintenance effect estimation unit 112 can improve the calculation accuracy of the failure occurrence probability by calculating the failure unit occurrence ratio based on the past maintenance history data and using it as the failure occurrence probability. The need for proper maintenance work can be presented.
  • the maintenance effect estimation unit 112 similarly calculates the failure occurrence probability by calculating the failure unit occurrence ratio based on the past maintenance history data of the same model as the target device and using it as the failure occurrence probability. The accuracy can be increased and the need for more accurate maintenance work can be presented.
  • the maintenance failure diagnosis unit 104 detects the occurrence of a maintenance failure event using the cluster center and the standard deviation calculated in advance using sensor data when the air compressor is operating normally. It is possible to detect the occurrence of a maintenance failure event and to present the necessity of more accurate maintenance work.
  • Example 2 An industrial equipment monitoring apparatus and an industrial equipment monitoring method according to Embodiment 2 of the present invention will be described with reference to FIGS. 10 and 11.
  • the same components as those of the monitoring device 100 of the first embodiment are denoted by the same reference numerals, and description thereof is omitted.
  • the monitoring apparatus 100A of the present embodiment communicates with the production management system 1000 via the communication unit 102A, and acquires the production plan of the product planned and stored in the production management system 1000. To do.
  • the communication unit 102A receives the production plan information from the production management system 1000. Then, the maintenance effect estimation unit 112A analyzes the expected operation of the production line in which the air compressor is used from the production plan information, and determines whether or not the maintenance work is necessary in terms of production management.
  • Urge early maintenance “Next week there is a delivery date for large orders of customers. Maintenance measures due to early grease up are required” 1104, display 1101A that displays a maintenance failure event, perform maintenance work Display 1101B, a display 1102 for comparing failure occurrence probabilities, a recovery cost and a recovery time, a display 1103 for comparing work time and work cost required for maintenance measures, and the display 110A.
  • monitoring device 100A Other configurations / operations of the monitoring device 100A are substantially the same configurations / operations as the monitoring device 100 of the first embodiment described above, and details are omitted.
  • the industrial equipment monitoring apparatus and the industrial equipment monitoring method according to the second embodiment of the present invention can provide substantially the same effects as the industrial equipment monitoring apparatus and the industrial equipment monitoring method according to the first embodiment described above.
  • each part of the monitoring devices 100 and 100A does not necessarily have to be in the same place, and each may be in a different place as long as communication is possible, or a plurality of parts are in the same place and others are different. It may be in the place of.
  • the display units 118 and 118A may be provided not only at the user production site, but also at a monitoring station of a manufacturer that produces industrial equipment that is not a production site or a manufacturer that contracts maintenance. Further, only the communication units 102 and 102A can be provided at the production site, and the other units can be provided at the monitoring station.
  • maintenance effect estimation unit (maintenance cost estimation unit, failure occurrence probability estimation unit) 114 ... maintenance result data storage unit 116 ... input / output control unit 118, 118A ... display unit 202 ... vibration sensor 204 ... differential pressure sensor 206 ... differential pressure sensor 208 ... pressure sensor 1000 ... production management system

Abstract

監視装置１００は、センサデータに基づいて空気圧縮機の保守不良事象を検知する保守不良診断部１０４と、保守不良事象を放置した場合に経時的に発生する故障モードを推定する故障リスク推定部１０８と、正常復帰させるために掛かる復旧時間および復旧コストを推定・表示させるとともに、保守不良事象に対して保守対策を実施した場合と実施しない場合での故障モードの故障発生確率を計算・表示させる保守効果見積部１１２と、を備えている。これにより、産業機器の保守不良を検知し、ユーザに保守実施を促す通知を行うとともに保守実施による保守コスト低減などのユーザメリットを合わせて通知することが可能となる。

Description

産業機器監視装置および産業機器の監視方法
　本発明は空気圧縮機等の産業機器の監視を行う産業機器監視装置および産業機器の監視方法に関する。
　空気調和機は、気温の変化にともなって各家庭で急に使用を開始するので、使用していない期間中に見つからなかった故障が使用開始とともに初めて発見され、修理の依頼が増えるなどの課題がある。この課題に対し、機器から運転情報を取得するとともに、予め設定された期間の運転情報を過去の運転情報として記録し、現在の運転情報と過去の運転情報とを比較して、その比較結果に基づき故障停止時期を予測し故障停止時期を表示する従来技術がある。特許文献１には上記従来技術の一例が記載されている。
特開２０１３－２１３６６９号公報
　産業機器は、工場の生産設備、社会インフラ設備、建築物の付帯設備、交通設備等として広く使用されている。このような産業機器は、安全性、稼働率の向上、設備効率を維持することが必要であり、様々な管理が行われている。
　産業機器の一つとして、空気圧縮機がある。空気圧縮機は様々な産業分野で利用されており、生産現場においては空気工具、空気プレス、スプレーガンなどの末端機器に圧縮空気を提供している。そのため空気圧縮機の稼働率は生産ラインに直接的に影響しているともいえ、空気圧縮機に突発的な故障が発生すると生産性の大幅な低下を招くことになる。
　このような空気圧縮機の突発故障は、消耗部品の交換や日常的な保守作業が適切に行われていないことに起因しているケースが多い。空気圧縮機の消耗部品としては、例えば、圧縮機本体の吸込側に設けられ吸気中の不純物を除去するサクションフィルタや圧縮機本体に供給する潤滑油、圧縮機本体で生成した圧縮空気から潤滑油を分離するセパレータエレメント、潤滑油中の不純物を除去するオイルフィルタなどがある。
　空気圧縮機では、これらの消耗部品の適切なタイミングでの交換作業やモータ軸受へのグリスアップ作業などを実施しないと深刻な故障を引き起こすことになる。例えば、モータ軸受へのグリスアップ作業を適切に行わないと軸受が潤滑不良を起こし、軸受の保持器や外輪・内輪に損傷を及ぼして交換が必要になってしまう。更にその状態を放置すると軸受がモータに焼付いてしまい、モータそのものの交換が必要になる。
　また、モータ軸受へのグリスアップ作業は作業時間、作業コストともにわずかであるが、この作業を怠ってしまうと軸受交換やモータ交換などのダウンタイム、ロスコストのより大きい故障事象を引き起こすことになる。これはすなわちユーザの生産性低下を引き起こすことに直結する。このため適切なタイミングでの保守作業の実施が重要である。
　ここで消耗部品の交換や日常的な保守作業について適切なタイミングで実施されず遅延してしまった事象のことを以降では“保守不良”と呼ぶことにする。
　この保守不良を回避するために、メーカは消耗部品交換や保守作業の実施時期や実施時間間隔の推奨値を公開している。しかし、空気圧縮機は、稼働環境によって消耗部品の劣化スピードが異なり、必ずしも設計値どおりに劣化するとは限らない。
　例えば、粉塵の多い産業機器製造現場と比較的粉塵の少ない食料品製造現場とでは、当然のことながら消耗部品の劣化スピードには大きな差が生じる。上述の従来技術は、このような状況を考慮して実際の劣化状況に応じて適切なタイミングでユーザに保守実施を促す通知を行うアイディアの一つである。
　上述の従来技術では、空調機に各種センサを取付け、センシングしたデータをもとに部品の劣化度を計算する。そして、部品の劣化度と空調機の累積稼働時間との関係性から次回の部品交換時期を予測してユーザに通知するようにしている。この発明を産業機器に対し適用することで、機器の稼働環境に応じた個別の劣化速度に応じた適切なタイミングで部品交換を促すことができる、と想定される。
　しかしながら、従来技術を適用することで機器個別の最適なタイミングでの保守実施を促すことはできるが、従来技術ではその保守作業を実施しなかったときのリスクであるユーザのデメリットについては考慮されていない。
　例えば、前述したモータ軸受の潤滑不良の場合、ユーザに対してグリスアップ作業の実施を促すことは行うが、それを実施しないで放置した場合の軸受損傷やモータ焼損などの将来リスクを提示することは記載されていない。特に空気圧縮機は上述の通り産業現場において重要な役割を果たす産業機器であるため、安全マージンが多く取られる場合が多く、例えグリスアップ作業やフィルタの適切な交換を行わなくても、不具合が起きるまではしばらく余裕がある。また、不具合が起きたとしても、不具合は消費電力や発熱量の増大などに留まり、メーカーとしては非推奨ながらも空気圧縮機としては動作可能な場合が多い。
　そのため、例えば、ユーザはモータ軸受のグリスアップ作業を通知されたとしても、空気圧縮機が動作している状況からグリスアップ作業の重要性を認識できずに放置してしまう恐れがある、との問題があることが本発明者らの検討により明らかとなった。しかしながらその場合、ユーザとしては将来的に大きな損失を被ることになってしまう。このため、特に産業機器においては、保守不良に対する対策作業のユーザメリットをわかりやすく提示することが必須であるといえることが本発明者らの検討により明らかとなった。
　本発明は、空気圧縮機等の産業機器の保守不良を検知し、ユーザに保守実施を促す通知を行うとともに保守実施による保守コスト低減などのユーザメリットを合わせて通知することが可能な産業機器監視装置および産業機器の監視方法を提供する。
　本発明は、上記課題を解決する手段を複数含んでいるが、その一例を挙げるならば、産業機器に取り付けられた各種センサによって計測されたセンサデータに基づいて前記産業機器の保守不良事象を検知する保守不良検知部と、前記保守不良検知部が前記保守不良事象を検知した場合に、前記保守不良事象を放置した場合に経時的に発生する故障モードを推定する故障リスク推定部と、前記保守不良事象に基づいた前記故障モードを改善して正常復帰させるために掛かる復旧時間および復旧コストを推定し、推定された前記復旧時間および前記復旧コストと前記保守不良事象とを表示させる表示信号として出力する保守コスト見積部と、を備えたことを特徴とする。
　また、他の一例をあげるならば、産業機器に取り付けられた各種センサによって計測されたセンサデータに基づいて前記産業機器の保守不良事象を検知する保守不良検知部と、前記保守不良検知部が前記保守不良事象を検知した場合に、前記保守不良事象を放置した場合に経時的に発生する故障モードを推定する故障リスク推定部と、前記保守不良事象に対して保守対策を実施した場合と実施しない場合での前記故障モードの故障発生確率を計算するとともに、計算された前記故障発生確率と前記保守不良事象とを表示させる表示信号として出力する故障発生確率推定部と、を備えたことを特徴とする。
　本発明によれば、産業機器の保守不良を検知し、ユーザに保守実施を促す通知を行うとともに保守実施による保守コスト低減などのユーザメリットを合わせて通知することができる。上記した以外の課題、構成および効果は、以下の実施例の説明により明らかにされる。
実施例１の監視装置を含む空気圧縮機の全体構成である。 実施例１の監視装置の構成の一例である。 実施例１の監視装置の診断モデル記憶部の構成を示す一例である。 実施例１の監視装置の故障モード対応テーブルの構成を示す一例である。 実施例１の監視装置の保守効果見積部の処理フローを示す一例である。 実施例１の監視装置の保守実績データ記憶部に記憶している復旧コストと復旧時間の構成を示す一例である。 実施例１の監視装置の保守実績データ記憶部に記憶している故障発生割合のグラフイメージを示す一例である。 実施例１の監視装置で表示される表示画面の一例である。 実施例１の監視装置で表示される表示画面の他の一例である。 実施例２の監視装置の構成の一例である。 実施例２の監視装置で表示される表示画面の一例である。
　以下に本発明の産業機器監視装置および産業機器の監視方法の実施例を、図面を用いて説明する。
　＜実施例１＞　
　本発明の産業機器監視装置および産業機器の監視方法の実施例１を、図１乃至図９を用いて説明する。
　以下の実施例では、産業機器として空気圧縮機を例にして説明する。なお、産業機器は空気圧縮機に限定されず、例えばモータやポンプ等、工場等において稼働する機器であり、特に、消耗部品を含んでいる機器や、日常的な保守作業が必要なメンテナンス頻度が高い箇所を有している機器である。
　最初に、本発明の適用対象の一例である空気圧縮機の構成について図１を用いて説明する。図１は、空気圧縮機の構成を一例として表す概略図である。
　図１において、給油式の空気圧縮機は、圧縮機本体１と、モータ３と、インバータ４と、サクションフィルタ５と、吸込み絞り弁６と、オイルタンク７と、セパレータエレメント８と、アフタークーラ１１と、を備えている。
　圧縮機本体１は、空気を圧縮する。モータ３は、ベルト２を介して動力を伝達して圧縮機本体１を駆動する。インバータ４は、モータ３の回転数を可変制御する。サクションフィルタ５は、圧縮機本体１の吸込側に設けられており、吸気中の不純物を除去する。吸込み絞り弁６は、圧縮機本体１の吸込側に設けられており、吸気量を調整する。オイルタンク７は、圧縮機本体１の吐出側に設けられており、圧縮空気から潤滑油３０を一次分離する。セパレータエレメント８は、オイルタンク７で分離された圧縮空気から潤滑油３０を二次分離する。アフタークーラ１１は、セパレータエレメント８で分離された圧縮空気を調圧弁９および逆止弁１０を介して導入して冷却する。
　空気圧縮機では、セパレータエレメント８で分離された潤滑油３０は、圧縮機本体１の吸込側に供給される。一方、オイルタンク７で分離された潤滑油３０は、例えば潤滑油を冷却するオイルクーラ１２および潤滑油中の不純物を除去するオイルフィルタ１３を介して、圧縮機本体１の内部に供給されるようになっている。また、オイルクーラ１２をバイパスするバイパス系統が設けられ、このバイパス系統の上流側接続部にはオイルクーラ１２側への冷却流量とバイパス系統へのバイパス流量との割合を調整する温調弁１４が設けられている。温調弁１４は、オイルタンク７からの潤滑油３０の温度に応じて冷却流量とバイパス流量との割合を調整し、これによって圧縮機本体１に供給する潤滑油３０の温度を調整するようになっている。なお、アフタークーラ１１およびオイルクーラ１２は、空冷式の熱交換器であり、冷却ファン１５によって生起された冷却風で冷却するようになっている。
　また、圧縮機本体１の吐出圧力を検出する圧力センサ２０８がアフタークーラ１１の下流側に設けられている。そして、圧力センサ２０８からの検出信号が制御装置１７に出力されるようになっている。制御装置１７は、圧力センサ２０８から入力した吐出圧力の検出値と予め設定された所定の目標値との偏差を演算し、これに基づいて生成した回転数指令信号をインバータ４に出力する。インバータ４は、回転数指令信号に応じて周波数をモータ３に出力して、モータ３の回転数を可変制御するように構成されている。
　モータ３の軸受周りのカバー部分には振動センサ２０２が取り付けられており、計測した加速度の大きさからモータ３の軸受の潤滑不良を検知できるようになっている。
　サクションフィルタ５には差圧センサ２０４が取り付けられており、サクションフィルタ５の内外の差圧からサクションフィルタ５の目詰まりの状況を検知できるようになっている。
　セパレータエレメント８には差圧センサ２０６が取り付けられており、エレメント内外の差圧からセパレータエレメント８の目詰まりの状況を検知できるようになっている。
　監視装置１００は、これらの各種センサ２０２，２０４，２０６と接続されており、計測値を取得するとともに、それぞれの計測値からサクションフィルタ５と、セパレータエレメント８の劣化状況、およびモータ３の軸受潤滑不良の状況を把握できるようになっている。
　次に図２を用いて図１に示すような空気圧縮機の監視を行う監視装置１００の構成について説明する。図２は、本実施例の監視装置の構成の概略を示す図である。
　図２に示すように監視装置（産業機器監視装置）１００は、通信部１０２と、保守不良診断部（保守不良検知部）１０４と、診断モデル記憶部１０６と、故障リスク推定部１０８と、故障モード対応テーブル１１０と、保守効果見積部（保守コスト見積部および故障発生確率推定部）１１２と、保守実績データ記憶部１１４と、入出力制御部１１６と、表示部１１８と、で構成されている。
　通信部１０２は、装置外の各種センサ２０２，２０４，２０６および各種ユニット５０，６０からの信号を受信している。例えば、通信部１０２は、消耗部品の劣化状況やモータ３の軸受潤滑不良を検知するために空気圧縮機に設けられた振動センサ２０２，差圧センサ２０４，差圧センサ２０６と接続されており、計測信号を受信する。
　また、通信部１０２は、空気圧縮機の稼動時間を計測する稼働時間計測ユニット５０と接続されており、空気圧縮機の稼働時間情報を受信するとともに、機器情報保持ユニット６０と接続されており、空気圧縮機の機種・号機などの機器固有情報を取得できるようになっている。
　保守不良診断部１０４は、通信部１０２を介して受信する各種センサ２０２，２０４，２０６の計測値をもとにモータ３の軸受の潤滑不良の発生状況、サクションフィルタ５の目詰まりの発生状況、セパレータエレメント８の目詰まり発生状況などの保守不良事象の兆候について診断することで、保守不良事象を検知する保守不良検知工程を実行する。保守不良診断部１０４では、空気圧縮機が正常動作しているときのセンサデータを用いて事前に計算したクラスタ中心と標準偏差を用いて保守不良事象の発生を検知する。その詳細については後述する。
　診断モデル記憶部１０６は、保守不良診断部１０４がセンサ計測値に対して診断処理を実行する際の処理手順および処理条件を含む診断モデルに関する情報を記憶している。その詳細については後述する。
　故障リスク推定部１０８は、保守不良診断部１０４で診断検知した保守不良事象について、故障モード対応テーブル１１０を検索して、当該保守不良事象を放置した場合に経時的に発生が懸念される故障モードを推定する故障リスク推定工程を実行する。その詳細については後述する。
　故障モード対応テーブル１１０は、保守不良診断部１０４で診断検知する保守不良事象、すなわちモータ３の軸受潤滑不良やサクションフィルタ５の目詰まり、セパレータエレメント８の目詰まりなどと当該事象を放置した場合に発生が懸念される故障モードとを関連付けたテーブルを記憶している。その詳細については後述する。
　保守効果見積部１１２は、保守不良診断部１０４で検知した保守不良事象と、故障リスク推定部１０８で推定した故障モードについて、故障モードを改善して正常復帰させるために要する復旧コスト（保守コスト）と復旧時間（保守時間）を推定するとともに、保守不良事象に対する保守対策を実施した場合と放置した場合の故障発生確率を計算する見積推定工程を実行する。また、保守不良事象と、計算したこれら復旧時間、復旧コストおよび故障発生確率を、表示部１１８において表示するよう、表示部１１８に対して表示信号を出力する。その詳細については後述する。
　また、保守効果見積部１１２は、保守不良事象に対する保守対策や、その保守対策に要する作業時間および作業コストを推定し、推定した保守対策、作業時間および作業コストを復旧時間および復旧コストと比較表示させる表示信号や、推定した保守対策を保守不良事象と並んで表示させる表示信号を出力する。
　この保守効果見積部１１２では、保守不良事象と故障モードの復旧時間および復旧コストを、対象機器と同一機種の過去の保守実績データに基づいて計算した統計値を参照することで推定する。また、保守効果見積部１１２では、対象機器と同一機種の過去の保守履歴データをもとに故障モードの発生台数割合を計算して故障発生確率として用いる。
　保守実績データ記憶部１１４は、保守効果見積部１１２が見積りを計算するためのベースとなる実績データ、すなわち故障モード別の復旧コスト、復旧時間に関する情報や保守履歴に基づく故障モード別の故障発生割合に関する情報を記憶している。その詳細については後述する。
　入出力制御部１１６は、保守効果見積部１１２が計算した見積り結果を表示部１１８に出力表示を制御するとともに、外部から入力される保守履歴データなどの情報を保守実績データ記憶部１１４に記録して更新する処理を行う。
　表示部１１８は、保守効果見積部１１２から出力された表示信号に基づいた保守不良事象と、計算したこれら復旧時間、復旧コスト、故障発生確率、保守不良事象に対する保守対策やその保守対策に要する作業時間および作業コストの表示を行う。表示される画面は、例えば図８や図９に示すような画面である。
　次に、図３をもとに診断モデル記憶部１０６に記憶している診断モデルの内容について説明する。図３は、診断モデル記憶部の構成を示す図である。
　図３に示すように、診断モデル記憶部１０６は、保守不良事象別に対象センサＩＤと、前処理の内容と、クラスタ中心、標準偏差、異常判定閾値からなる診断処理パラメータを記憶している。ここで対象センサＩＤは、診断対象とするセンサを認識する情報である。
　空気圧縮機では、センサＩＤの種類として、ここではモータ３の軸受付近に設置した振動センサ２０２のＩＤ（Ｓ１）と、サクションフィルタ５に取付けた差圧センサ２０４のＩＤ（Ｓ２）と、セパレータエレメント８に取付けた差圧センサ２０６のＩＤ（Ｓ３）とが含まれている。振動センサＳ１については３軸方向の振動加速度を計測可能なセンサを想定してそれぞれの振動加速度の計測値をＳ１（１），Ｓ１（２），Ｓ１（３）としている。
　前処理については、センサ計測値から変換する処理を記載する。例えば、モータ軸受潤滑不良に関しては前処理として、“実効値Ｅ１（１），Ｅ１（２），Ｅ１（３）”となっており、これは各軸方向の振動加速度の計測値Ｓ１（１），Ｓ１（２），Ｓ１（３）についてそれぞれの実効値を計算してＥ１（１），Ｅ１（２），Ｅ１（３）とすることを意味している。
　クラスタ中心と標準偏差、異常判定閾値は、後述する診断処理におけるパラメータである。クラスタ中心と標準偏差は正常データをもとに事前学習した正常範囲を示す情報であり、異常判定閾値は、この正常範囲からの逸脱を診断するためのパラメータである。
　次に保守不良診断部１０４の診断処理内容について説明する。
　保守不良診断部１０４では、診断対象とするＮ次元のセンサデータをｄ１，ｄ２，…，ｄＮとすると、乖離距離Ｌ（ｄ１，ｄ２，…，ｄＮ）に対して数式１で示す計算処理を実行する。
Figure JPOXMLDOC01-appb-M000001
　ここでμ（ｄ１），μ（ｄ２），…μ（ｄＮ）はクラスタ中心で、σ（ｄ１），σ（ｄ２），…σ（ｄＮ）は標準偏差を表しており、図３の診断モデル記憶部１０６のクラスタ中心と標準偏差に相当する。また、診断対象とするＮ次元のセンサデータｄ１，ｄ２，…，ｄＮは、図３の診断モデル記憶部１０６の対象センサＩＤをベースとする前処理変換後のデータである。例えば、モータ軸受潤滑不良の診断の場合にはｄ１＝Ｅ１（１），ｄ２＝Ｅ１（２），ｄ３＝Ｅ１（３）となり、サクションフィルタ目詰まりの診断の場合にはｄ１＝Ｓ２となる。
　数式１で求めた乖離度Ｌ（ｄ１，ｄ２，…，ｄＮ）は診断対象としたセンサデータがクラスタ中心すなわち正常基準値からどれだけ離れているかを計算した値であり、正常時の標準偏差に対する比率で表される。例えば、正規分布に従うとした場合、乖離度が３より大のときは異常と判断し、３以下であるときは正常と判断することができる。図３の診断モデル記憶部１０６の異常判定閾値はこの判定基準を示したものであり、この大小関係から各保守不良事象の発生状況を診断することが可能である。
　次に故障リスク推定部１０８が実施する処理内容について図４の故障モード対応テーブル１１０を参照しながら説明する。図４は、故障モード対応テーブルの構成を示す図である。
　故障リスク推定部１０８は、保守不良診断部１０４が検知した保守不良事象について保守を実施しないで放置したときに経時的に発生する故障モードを図４に示す故障モード対応テーブル１１０を参照して検索する処理を行う。
　例えば、保守不良診断部１０４がモータ軸受潤滑不良を検知した場合には、図４の故障モード対応テーブル１１０を参照して、合致する保守不良ＩＤ＝１を検索する。そして、保守不良ＩＤ＝１の故障モードを検索して進展レベル１：“軸受故障”と進展レベル２：“モータ故障”を抽出する。ここで、進展レベルとは時間的な発生順序を示しており、番号が小さいほど早く発生することを意味している。すなわちモータ軸受潤滑不良については、その状態を放置した場合に進展レベル１の軸受故障を発生し、この状態を更に放置した場合にはモータ故障の発生に至ってしまうことを意味している。進展レベルは番号が大きくなるほど復旧コストと復旧時間の大きい故障モードへ進展する。また、ここには示していないが進展レベル＝０は保守不良事象そのものを示すものとする。
　故障リスク推定部１０８は、上述の処理で検索した結果について保守効果見積部１１２に送信して処理を終了する。
　次に保守効果見積部１１２の処理内容について、図５に示す処理フローにしたがって説明する。図５は、保守効果見積部の処理フローを示す図である。
　まず、保守効果見積部１１２は、保守不良診断部１０４で保守不良事象を検知したか否かについて判断する（ステップＳ２０００）。もし検知していると判断されればＹＥＳ判定となり、次の処理ステップＳ２１００に進む。これに対し、検知していないと判断されればＮＯ判定となり、当該処理ステップＳ２０００を繰り返す。
　次に、保守効果見積部１１２は、故障リスク推定部１０８から当該保守不良事象の進展レベルごとの故障モード推定結果を受信する（ステップＳ２１００）。すなわち、保守不良事象として“保守不良ＩＤ＝１のモータ軸受潤滑不良”を検知した場合には、“進展レベル１の軸受故障”と“進展レベル２のモータ故障”の情報を故障リスク推定部１０８から受診する。
　次に、保守効果見積部１１２は、保守実績データ記憶部１１４から当該機種における推定故障モード別の復旧コストと復旧時間に関する推定値を検索して抽出する（ステップＳ２２００）。ここで機種情報については図２の構成において通信部１０２を介して機器情報保持ユニット６０から受信した機器固有情報に含まれる機種・号機をもとに保守実績データ記憶部１１４を検索する。
　図６は、保守実績データ記憶部１１４に記憶している復旧コストと復旧時間に関する情報の一例である。図６に示すように、保守実績データ記憶部１１４には機種別・故障モード別に正常状態に戻すために要する復旧コストと復旧時間に関する概算値が記憶されている。これは図４で示した故障モード対応テーブルと対応付くように構成されている。
　図６に示すように、例えば、“保守不良１：モータ軸受潤滑不良”については故障モードとして、“進展レベル０：保守不良（潤滑不良）”、“進展レベル１：軸受故障”、“進展レベル２：モータ故障”があり、それぞれに対応付く保守作業として“進展レベル０：グリスアップ”、“進展レベル１：軸受交換”、“進展レベル２：モータ交換”がある。そして、それぞれの保守作業に要する復旧コストと復旧時間が記憶されている。これらは、同一機種の過去の保守履歴データをもとに平均化することで計算することが可能であり、監視装置外部で計算した結果を、入出力制御部１１６を介して入力できるようになっている。
　図５のステップＳ２２００では、対象とする保守不良事象について進展レベル別の復旧コストと復旧時間をこの保守実績データ記憶部１１４を検索して抽出する処理を行う。
　次に、保守効果見積部１１２は、保守実績データ記憶部１１４から当該機種において保守不良事象を放置した場合の故障発生割合に関する情報を故障発生確率として抽出する処理を行う（ステップＳ２３００）。
　図７は、保守実績データ記憶部１１４に記憶している故障発生割合に関する情報の概要を示すグラフである。図７に示すように、保守実績データ記憶部１１４には、ここに示すような故障発生割合に関する情報が機種別・故障モード別に記憶されている。この情報は、同一機種の保守履歴データをもとに、全体に対する故障発生台数の割合を算出した結果である。この割合は、個体ごとの保守実施状況や累積稼働時間により変わってくることから、保守を定期的に実施している機器と実施していない機器とに分けて、それぞれを累積稼働時間ごとに集計している。
　例えば、“故障モード：モータ軸受故障”についてはグリスアップ作業をメーカが推奨している３０００時間に１回未満の頻度で実施している機器と実施していない機器で分けて集計している。ここで“グリスアップ作業を３０００時間に１回以上の頻度で実施している機器”を“保守を定期的に実施している機器”とみなし、“グリスアップ作業を３０００時間に１回未満の頻度で実施している機器”を“保守を定期的に実施していない機器”とみなす。
　この情報を用いることで、対象機器がグリスアップ作業を実施しなかった場合の故障発生確率は概ねで“保守を定期的に実施していない機器”の故障発生割合を参考にすることができ、グリスアップ作業を実施した場合の故障発生確率は概ねで“保守を定期的に実施している機器”の故障発生割合を参考にすることができる。このときに対象機器の累積稼働時間に関するデータが必要となるが、累積稼働時間の情報は、図２に示す通信部１０２を介して、稼働時間計測ユニット５０から受信したデータを用いることができる。そして、当該機器の累積稼働時間に対する保守実施機器の故障割合と保守未実施機器の故障割合を求め、それぞれ故障発生確率として置き換えて解釈する。
　次に、保守効果見積部１１２は、ステップＳ２２００で求めた推定故障モード別の復旧コスト・復旧時間に関する情報とステップＳ２３００で求めた保守不良放置時における故障発生確率に関する情報を入出力制御部１１６を介して表示部１１８に出力し、表示部１１８にて表示させる（ステップＳ２４００）。この後は処理を終了する。
　次に、監視装置１００の表示部１１８への表示画面の一例について図８を用いて説明する。保守不良診断部１０４で保守不良事象の発生を検知すると、図８に示すように保守不良事象について正常復帰するために必要となる保守作業の実施を促す表示８０１Ａ，８０１Ｂを表示する。
　例えば、モータ軸受潤滑不良の事象を検知した場合には、図８に示すように、保守不良事象を表示する表示８０１Ａとともに、図６に示した“保守不良１：モータ軸受潤滑不良”における“進展レベル０：グリスアップ”の作業を実施するように促す表示８０１Ｂを表示する。
　また、この保守作業（グリスアップ）を実施した場合と、実施しないで放置した場合の故障発生確率を比較できる表示８０２を表示するとともに、復旧コストと復旧時間、保守対策に要する作業時間および作業コストを比較できる表示８０３を表示するようにする。
　故障発生確率については、保守効果見積部１１２から受信した故障モード別の保守実施・保守未実施機器の故障発生割合（確率）のデータを用いて棒グラフのかたちで比較する表示する。例えば、“モータ軸受潤滑不良”の場合には故障モードとして“軸受故障”と“モータ故障”があるため、これを、保守実施した場合、すなわちグリスアップした場合の故障発生確率のデータの表示８０２Ａと、保守未実施の場合、すなわちグリスアップしないで放置した場合の故障発生確率のデータの表示８０２Ｂとを並べて比較表示する。
　また、表示部１１８は、保守効果見積部１１２から受信した故障モード別の保守作業にかかる復旧コストと復旧時間に関するデータを棒グラフのかたちで示した表示８０３Ｂを、保守作業に要する作業コストと作業時間に関するデータを棒グラフのかたちで示した表示８０３Ａとを比較表示する。
　なお、表示部１１８に表示される表示画面は、図８に示すような形態に限られない。図９を用いて他の形態について説明する。
　図９に示すように、保守不良事象を表示する表示９０１Ａとともに、図６に示した“保守不良１：モータ軸受潤滑不良”における“進展レベル０：グリスアップ”の作業を実施するように促す表示９０１Ｂを表示する。
　また、グリスアップを実施した場合と、実施しないで放置した場合の故障発生確率を比較できる表示９０２や、復旧コストと復旧時間、保守対策に要する作業時間および作業コストを比較できる表示９０３を表示する。
　図９では、故障発生確率については、保守効果見積部１１２から受信した故障モード別の保守実施・保守未実施機器の故障発生割合（確率）のデータを用いて、保守作業を実施した場合と実施しない場合の故障発生確率のデータをある範囲ごとに区分けして「Ａ」～「Ｄ」の表示を行う。図９では、発生確率が高いほど「Ａ」が表示され、低いほど「Ｄ」が表示される。
　また、復旧コストと復旧時間についても、同様に、保守効果見積部１１２から受信した故障モード別の保守作業にかかる復旧コストと復旧時間に関するデータを用いて、保守作業を実施した場合と実施しない場合のコストと時間のデータをある範囲ごとに区分けして「Ａ」～「Ｄ」の表示を行う。図９では、コストや時間が掛かるほど「Ａ」が表示され、掛からないほど「Ｄ」が表示される。
　また、図９に示すように、保守不良を放置することで発生するであろう故障モードについていくつかの候補がある場合に、影響度の大きいものから優先的に表示するようにすることができる。このような表示を行うことによって、保守実施によるコスト、時間の低減メリットをユーザがより理解しやすくなる、との効果が得られる。
　例えば、図９の表示９０３における“モータ交換”の時間の欄に示すように、コストや時間の損失が大きい項目を他の表示から区別するようハイライト表示したり、表示９０２における“軸受故障”の欄に示すように発生確率が非常に高い故障モードをその他の故障モードからハイライト表示により区別して表示したりすることができる。また、保守対策の表示８０１Ｂ，９０１Ｂを強調して表示することもできる。
　また、入力装置（図示省略）等の入力によって、ユーザが、故障確率のみ表示したり、コスト・時間のみ表示したり、故障モードの表示項目数等を選択できるようにすることも可能である。
　次に、本実施例の効果について説明する。
　上述した本発明の実施例１の監視装置１００は、空気圧縮機に取り付けられた振動センサ２０２，差圧センサ２０４，差圧センサ２０６によって計測されたセンサデータに基づいて空気圧縮機の保守不良事象を検知する保守不良診断部１０４と、保守不良診断部１０４が保守不良事象を検知した場合に、保守不良事象を放置した場合に経時的に発生する故障モードを推定する故障リスク推定部１０８と、保守不良事象に基づいた故障モードを改善して正常復帰させるために掛かる復旧時間および復旧コストを推定し、推定された復旧時間および復旧コストと保守不良事象とを表示させる表示信号として出力するとともに、保守不良事象に対して保守対策を実施した場合と実施しない場合での故障モードの故障発生確率を計算するとともに、計算された故障発生確率と保守不良事象とを表示させる表示信号として出力する保守効果見積部１１２と、を備えている。そしてこのような監視装置１００によって、空気圧縮機に取り付けられた振動センサ２０２，差圧センサ２０４，差圧センサ２０６によって計測したセンサデータに基づいて空気圧縮機の保守不良事象を検知する保守不良検知工程と、保守不良検知工程において保守不良事象を検知した場合に、保守不良事象を放置した場合に経時的に発生する故障モードを推定する故障リスク推定工程と、保守不良事象に基づいた故障モードを改善して正常復帰させるために掛かる復旧時間および復旧コストを推定し、推定された復旧時間および復旧コストと保守不良事象とを表示部１１８に表示する、または保守不良事象に対して保守対策を実施した場合と実施しない場合での故障モードの故障発生確率を計算するとともに、計算された故障発生確率と保守不良事象とを表示部１１８に表示する、見積推定工程と、を実施する。
　以上のような構成により、保守不良事象の発生を検知した際に、正常復帰のための保守作業の実施を促すのみならず、保守作業を実施しないで放置したときのリスクを故障発生確率や復旧コスト・復旧時間のかたちで比較して分かりやすく表示することができ、保守作業の実施によるユーザメリットをわかりやすく提示することができる。ユーザはこのような提示によって早期の保守作業の必要性やその実施タイミングをわかりやすく理解できることから、消耗部品の交換や日常的な保守作業を適切なタイミングで実施することができ、将来的に損失が発生することを未然に防止することができるようになる、との効果が得られる。
　また、保守効果見積部１１２は、保守不良事象に対する保守対策を推定するとともに、この保守対策に要する作業時間および作業コストを推定し、推定した作業時間および作業コストを復旧時間および復旧コストと比較表示させる表示信号を出力するため、保守作業を行うことのメリットをよりわかりやすくユーザに対して提示することができる。
　更に、保守効果見積部１１２は、保守不良事象と故障モードの復旧時間および復旧コストを、過去の保守実績データに基づいて計算した統計値を参照することで推定することで、故障モードや復旧時間の推定精度を高めることができ、より的確な保守作業の必要性の提示を行うことができるようになる。
　また、保守効果見積部１１２は、保守不良事象と故障モードの復旧時間および復旧コストを、対象機器と同一機種の過去の保守実績データに基づいて計算した統計値を参照することで推定することにより、同様に、故障モードや復旧時間の推定精度を高めることができ、より的確な保守作業の必要性の提示を行うことができるようになる。
　更に、保守効果見積部１１２は、保守不良事象に対する保守対策を推定するとともに、推定した保守対策を保守不良事象と並んで表示させる表示信号を出力することで、同様に、保守作業を行うことのメリットをよりわかりやすくユーザに対して提示することができる。
　また、保守効果見積部１１２は、過去の保守履歴データをもとに故障モードの発生台数割合を計算して故障発生確率として用いることにより、故障発生確率の計算精度を高めることができ、より的確な保守作業の必要性の提示を行うことができるようになる。
　更に、保守効果見積部１１２は、対象機器と同一機種の過去の保守履歴データをもとに故障モードの発生台数割合を計算して故障発生確率として用いることで、同様に、故障発生確率の計算精度を高めることができ、より的確な保守作業の必要性の提示を行うことができるようになる。
　また、保守不良診断部１０４は、空気圧縮機が正常動作しているときのセンサデータを用いて事前に計算したクラスタ中心と標準偏差を用いて保守不良事象の発生を検知することにより、より正確な保守不良事象の発生を検知することができるようになり、より的確な保守作業の必要性の提示を行うことができるようになる。
　＜実施例２＞　
　本発明の実施例２の産業機器監視装置および産業機器の監視方法を図１０および図１１を用いて説明する。実施例１の監視装置１００と同じ構成には同一の符号を示し、説明は省略する。
　図１０に示すように、本実施例の監視装置１００Ａは、通信部１０２Ａを介して生産管理システム１０００と通信しており、生産管理システム１０００にて計画・記憶されている製品の生産計画を取得する。
　監視装置１００Ａでは、通信部１０２Ａにおいて生産管理システム１０００から生産計画の情報を受信する。そして、保守効果見積部１１２Ａにおいて生産計画情報から、空気圧縮機が使用されている生産ラインの稼働見込みを解析し、生産管理の面での保守作業の必要度の高低についても判断する。
　もし次週の生産計画が立て込んでおり、保守作業を行わずに故障が生じることによる損失が非常に高く、故障が生じるとユーザに対外的な不利益も生じる可能性があると判断された時は、早期保守を促す「来週はお得意さんの大量注文の納品日があります。早期のグリスアップによる保守対策が必要です。」との表示１１０４を、保守不良事象を表示する表示１１０１Ａ、保守作業を実施するように促す表示１１０１Ｂ、故障発生確率を比較できる表示１１０２、復旧コストと復旧時間、保守対策に要する作業時間および作業コストを比較できる表示１１０３と伴に表示部１１８Ａに表示させる。
　監視装置１００Ａのその他の構成・動作は前述した実施例１の監視装置１００と略同じ構成・動作であり、詳細は省略する。
　本発明の実施例２の産業機器監視装置および産業機器の監視方法においても、前述した実施例１の産業機器監視装置および産業機器の監視方法とほぼ同様な効果が得られる。
　また、表示部１１８Ａに、保守不良事象を放置した場合の生産管理上の問題点を更に表示することで、保守作業の必要性を別の角度からもユーザに対してわかりやすく提示することができ、より適切なタイミングでの適切な保守作業が行われることをサポートすることができる。
　＜その他＞　
　なお、本発明は上記の実施例に限られず、種々の変形、応用が可能なものである。上述した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されない。
　例えば、監視装置１００，１００Ａの各部は必ずしも同一の箇所にある必要はなく、通信可能であれば各々が別の箇所にあってもよいし、複数の部が同一の箇所にあって他は別の箇所にあってもよい。例えば、表示部１１８，１１８Ａはユーザの生産現場のみならず、生産現場ではない産業機器を生産したメーカや保守を請け負うメーカの監視所に設けられていてもよい。また、通信部１０２，１０２Ａのみ生産現場に設け、他の部は監視所に設けることもできる。
１…圧縮機本体
２…ベルト
３…モータ
４…インバータ
５…サクションフィルタ
６…吸込み絞り弁
７…オイルタンク
８…セパレータエレメント
９…調圧弁
１０…逆止弁
１１…アフタークーラ
１２…オイルクーラ
１３…オイルフィルタ
１４…温調弁
１５…冷却ファン
１７…制御装置
３０…潤滑油
５０…稼働時間計測ユニット
６０…機器情報保持ユニット
１００，１００Ａ…監視装置（産業機器監視装置）
１０２，１０２Ａ…通信部
１０４…保守不良診断部（保守不良検知部）
１０６…診断モデル記憶部
１０８…故障リスク推定部
１１０…故障モード対応テーブル
１１２，１１２Ａ…保守効果見積部（保守コスト見積部、故障発生確率推定部）
１１４…保守実績データ記憶部
１１６…入出力制御部
１１８，１１８Ａ…表示部
２０２…振動センサ
２０４…差圧センサ
２０６…差圧センサ
２０８…圧力センサ
１０００…生産管理システム

Claims (14)

  1. 　産業機器に取り付けられた各種センサによって計測されたセンサデータに基づいて前記産業機器の保守不良事象を検知する保守不良検知部と、
    　前記保守不良検知部が前記保守不良事象を検知した場合に、前記保守不良事象を放置した場合に経時的に発生する故障モードを推定する故障リスク推定部と、
    　前記保守不良事象に基づいた前記故障モードを改善して正常復帰させるために掛かる復旧時間および復旧コストを推定し、推定された前記復旧時間および前記復旧コストと前記保守不良事象とを表示させる表示信号として出力する保守コスト見積部と、を備えた
    　ことを特徴とする産業機器監視装置。
  2. 　請求項１に記載の産業機器監視装置において、
    　前記保守コスト見積部は、前記保守不良事象に対する保守対策を推定するとともに、この保守対策に要する作業時間および作業コストを推定し、推定した作業時間および作業コストを前記復旧時間および前記復旧コストと比較表示させる表示信号を出力する
    　ことを特徴とする産業機器監視装置。
  3. 　請求項１に記載の産業機器監視装置において、
    　前記保守コスト見積部は、前記保守不良事象と前記故障モードの復旧時間および復旧コストを、過去の保守実績データに基づいて計算した統計値を参照することで推定する
    　ことを特徴とする産業機器監視装置。
  4. 　請求項３に記載の産業機器監視装置において、
    　前記保守コスト見積部は、前記保守不良事象と前記故障モードの復旧時間および復旧コストを、対象機器と同一機種の過去の保守実績データに基づいて計算した統計値を参照することで推定する
    　ことを特徴とする産業機器監視装置。
  5. 　産業機器に取り付けられた各種センサによって計測されたセンサデータに基づいて前記産業機器の保守不良事象を検知する保守不良検知部と、
    　前記保守不良検知部が前記保守不良事象を検知した場合に、前記保守不良事象を放置した場合に経時的に発生する故障モードを推定する故障リスク推定部と、
    　前記保守不良事象に対して保守対策を実施した場合と実施しない場合での前記故障モードの故障発生確率を計算するとともに、計算された前記故障発生確率と前記保守不良事象とを表示させる表示信号として出力する故障発生確率推定部と、を備えた
    　ことを特徴とする産業機器監視装置。
  6. 　請求項５に記載の産業機器監視装置において、
    　前記故障発生確率推定部は、前記保守不良事象に対する保守対策を推定するとともに、推定した保守対策を前記保守不良事象と並んで表示させる表示信号を出力する
    　ことを特徴とする産業機器監視装置。
  7. 　請求項５に記載の産業機器監視装置において、
    　前記故障発生確率推定部は、過去の保守履歴データをもとに前記故障モードの発生台数割合を計算して前記故障発生確率として用いる
    　ことを特徴とする産業機器監視装置。
  8. 　請求項６に記載の産業機器監視装置において、
    　前記故障発生確率推定部は、対象機器と同一機種の過去の保守履歴データをもとに前記故障モードの発生台数割合を計算して前記故障発生確率として用いる
    　ことを特徴とする産業機器監視装置。
  9. 　請求項１または請求項５に記載の産業機器監視装置において、
    　前記保守不良検知部は、前記産業機器が正常動作しているときのセンサデータを用いて事前に計算したクラスタ中心と標準偏差を用いて前記保守不良事象の発生を検知する
    　ことを特徴とする産業機器監視装置。
  10. 　請求項１または請求項５に記載産業機器の監視装置において、
    　前記産業機器は空気圧縮機であり、
    　前記保守不良事象として、モータ軸受の潤滑不良、サクションフィルタの目詰まり、セパレータエレメントの目詰まり、のいずれかを含んでいる
    　ことを特徴とする産業機器監視装置。
  11. 　請求項１０に記載の産業機器監視装置において、
    　前記センサとして、振動センサおよび差圧センサを用いる
    　ことを特徴とする産業機器監視装置。
  12. 　請求項１または請求項５に記載の産業機器監視装置において、
    　出力された表示信号に基づいた表示を行う表示部を更に備えた
    　ことを特徴とする産業機器監視装置。
  13. 　請求項１２に記載の産業機器監視装置において、
    　前記表示部に、前記保守不良事象を放置した場合の生産管理上の問題点を更に表示する
    　ことを特徴とする産業機器監視装置。
  14. 　産業機器の保守不良を監視する産業機器の監視方法であって、
    　産業機器に取り付けられた各種センサによって計測したセンサデータに基づいて前記産業機器の保守不良事象を検知する保守不良検知工程と、
    　前記保守不良検知工程において前記保守不良事象を検知した場合に、前記保守不良事象を放置した場合に経時的に発生する故障モードを推定する故障リスク推定工程と、
    　前記保守不良事象に基づいた前記故障モードを改善して正常復帰させるために掛かる復旧時間および復旧コストを推定し、推定された前記復旧時間および前記復旧コストと前記保守不良事象とを表示部に表示する、または前記保守不良事象に対して保守対策を実施した場合と実施しない場合での前記故障モードの故障発生確率を計算するとともに、計算された前記故障発生確率と前記保守不良事象とを表示部に表示する、見積推定工程と、を有する
    　ことを特徴とする産業機器の監視方法。
PCT/JP2018/004378 2017-02-08 2018-02-08 産業機器監視装置および産業機器の監視方法 WO2018147362A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2018567486A JP6902057B2 (ja) 2017-02-08 2018-02-08 産業機器監視装置

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017-021190 2017-02-08
JP2017021190 2017-02-08

Publications (1)

Publication Number Publication Date
WO2018147362A1 true WO2018147362A1 (ja) 2018-08-16

Family

ID=63107595

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/004378 WO2018147362A1 (ja) 2017-02-08 2018-02-08 産業機器監視装置および産業機器の監視方法

Country Status (2)

Country Link
JP (1) JP6902057B2 (ja)
WO (1) WO2018147362A1 (ja)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109404270A (zh) * 2018-12-29 2019-03-01 湖南主导科技发展有限公司 一种远程水泵控制系统及方法
JP2020052747A (ja) * 2018-09-27 2020-04-02 Kddi株式会社 情報生成装置、情報生成システム及びプログラム
KR102140532B1 (ko) * 2019-12-18 2020-08-03 에스피앤지 주식회사 빅데이터를 기반으로 하는 공기압축기의 고장진단 방법
JP2020197775A (ja) * 2019-05-31 2020-12-10 貴資 稲吉 高齢者生活支援装置、高齢者生活支援方法及び高齢者生活支援プログラム
CN114442583A (zh) * 2022-04-11 2022-05-06 蘑菇物联技术（深圳）有限公司 用于对多个被控设备进行控制方法、设备和介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003080527A (ja) * 2001-09-10 2003-03-19 Star Seiki Co Ltd 取出機の異常診断方法
JP2003303014A (ja) * 2002-04-09 2003-10-24 Toshiba Corp プラント機器の保守管理方法および装置
JP2015148867A (ja) * 2014-02-05 2015-08-20 株式会社日立パワーソリューションズ 情報処理装置、診断方法、およびプログラム
WO2016125248A1 (ja) * 2015-02-03 2016-08-11 株式会社日立製作所 保守支援システム、保守支援方法、及び、保守支援プログラム
JP2016218961A (ja) * 2015-05-26 2016-12-22 株式会社日立パワーソリューションズ 異常予兆診断装置及び異常予兆診断方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3392526B2 (ja) * 1994-07-29 2003-03-31 株式会社東芝 機器の保守管理支援装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003080527A (ja) * 2001-09-10 2003-03-19 Star Seiki Co Ltd 取出機の異常診断方法
JP2003303014A (ja) * 2002-04-09 2003-10-24 Toshiba Corp プラント機器の保守管理方法および装置
JP2015148867A (ja) * 2014-02-05 2015-08-20 株式会社日立パワーソリューションズ 情報処理装置、診断方法、およびプログラム
WO2016125248A1 (ja) * 2015-02-03 2016-08-11 株式会社日立製作所 保守支援システム、保守支援方法、及び、保守支援プログラム
JP2016218961A (ja) * 2015-05-26 2016-12-22 株式会社日立パワーソリューションズ 異常予兆診断装置及び異常予兆診断方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020052747A (ja) * 2018-09-27 2020-04-02 Kddi株式会社 情報生成装置、情報生成システム及びプログラム
CN109404270A (zh) * 2018-12-29 2019-03-01 湖南主导科技发展有限公司 一种远程水泵控制系统及方法
JP2020197775A (ja) * 2019-05-31 2020-12-10 貴資 稲吉 高齢者生活支援装置、高齢者生活支援方法及び高齢者生活支援プログラム
KR102140532B1 (ko) * 2019-12-18 2020-08-03 에스피앤지 주식회사 빅데이터를 기반으로 하는 공기압축기의 고장진단 방법
CN114442583A (zh) * 2022-04-11 2022-05-06 蘑菇物联技术（深圳）有限公司 用于对多个被控设备进行控制方法、设备和介质
CN114442583B (zh) * 2022-04-11 2022-06-03 蘑菇物联技术（深圳）有限公司 用于对多个被控设备进行控制方法、设备和介质

Also Published As

Publication number Publication date
JP6902057B2 (ja) 2021-07-14
JPWO2018147362A1 (ja) 2019-11-07

Similar Documents

Publication Publication Date Title
WO2018147362A1 (ja) 産業機器監視装置および産業機器の監視方法
CN110023862B (zh) 诊断装置、诊断方法及计算机可读取的记录介质
JP6469980B2 (ja) 故障診断システム及び故障診断方法
US10235658B2 (en) Maintenance management device for operating machinery
US20090217101A1 (en) Process and device for monitoring a machine
WO2014207789A1 (ja) 状態監視装置
US10824139B2 (en) Equipment maintenance method, equipment maintenance device, and storage medium for the same
CN110422189B (zh) 轨道车辆空调机组中压缩机故障的在线预测方法
JP6797528B2 (ja) 監視装置及び監視方法
US20090120111A1 (en) Remote Diagnostics and Prognostics for Refrigerant Systems
JP6330864B2 (ja) モータの監視装置および方法
HUE027988T2 (en) Monitoring and Diagnostic System for Flow Energy System and Flow Energy System
JP2016012240A (ja) 異常検知システム
JP2016192532A (ja) 異常予兆検知システム及び半導体デバイスの製造方法
JP7260292B2 (ja) 異常診断装置及び異常診断方法
JP2018036970A (ja) 設備管理システム、設備管理方法およびプログラム
JP2019178625A (ja) ポンプ設備の異常診断システム、及び、ポンプ設備の異常診断方法
WO2020194852A1 (ja) ポンプ監視装置、真空ポンプおよび生成物堆積診断用データ処理プログラム
JP5644666B2 (ja) 電動機の予防保全装置
US11566967B2 (en) Abnormality detection device and abnormality detection method
JP6755653B2 (ja) 情報処理システム及び情報処理方法
US10666184B2 (en) Machine tool controller
JP2005309724A (ja) 異常診断システム及び異常診断方法
CN117178122A (zh) 用于监控风扇运行的方法、设备和风扇
US8818765B2 (en) System and method to monitor compressor rack operation

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: 18751158

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2018567486

Country of ref document: JP

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: 18751158

Country of ref document: EP

Kind code of ref document: A1