WO2019049406A1 - 故障確率評価システム - Google Patents

故障確率評価システム Download PDF

Info

Publication number
WO2019049406A1
WO2019049406A1 PCT/JP2018/012683 JP2018012683W WO2019049406A1 WO 2019049406 A1 WO2019049406 A1 WO 2019049406A1 JP 2018012683 W JP2018012683 W JP 2018012683W WO 2019049406 A1 WO2019049406 A1 WO 2019049406A1
Authority
WO
WIPO (PCT)
Prior art keywords
failure probability
failure
fatigue damage
mechanical
damage degree
Prior art date
Application number
PCT/JP2018/012683
Other languages
English (en)
French (fr)
Inventor
洋輔 植木
智彬 山下
Original Assignee
株式会社日立製作所
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 株式会社日立製作所 filed Critical 株式会社日立製作所
Publication of WO2019049406A1 publication Critical patent/WO2019049406A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • G01M13/04—Bearings
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass

Definitions

  • the present invention relates to a failure probability evaluation system for a plurality of identical machine groups included in a mechanical system.
  • Non-Patent Document 1 a linear cumulative damage rule
  • Patent Document 2 a method for evaluating the soundness of machine components.
  • mechanical components In mechanical systems, mechanical elements and mechanical structures (hereinafter collectively referred to as mechanical components) exposed to dynamic load loading are designed to have a fatigue life designed to satisfy the required life.
  • the dynamic load acting on them varies depending on the operating environment and operating conditions.
  • the fatigue life of each individual of these mechanical components also has potential variation. Therefore, on the fatigue life design stage, on the assumption of these variations, safety is designed to prevent fatigue failure and fatigue failure.
  • operation and maintenance of mechanical systems that can safely use the lifespan of mechanical components are required from the viewpoints of exposing mechanical systems to unexpected environments, resource saving, and energy saving. . Given these circumstances, it is extremely important to accurately grasp the remaining life of each component of the mechanical system that is actually in operation.
  • the lifetime of the machine component has a variation based on a certain probability distribution. Therefore, the remaining life is probabilistically defined, and evaluating the remaining life is equivalent to evaluating the failure probability at the time when any time (remaining life) has elapsed from a certain point in time . If it is possible to evaluate the soundness of the object as the failure probability, it is possible to theoretically calculate the expected value of the loss amount by multiplying the loss amount occurring when the object fails and the failure probability. As a result, it will be possible to easily make operation and maintenance decisions from an economic point of view.
  • Non-patent Document 1 A typical example is to use the linear cumulative damage rule (Non-patent Document 1).
  • a sensor such as a strain gauge or the like that measures strain or stress is attached to the target site, and its time history data is acquired.
  • the waveform count method such as the rain flow method is applied to the obtained time history data, and the occurrence frequency distribution of strain and stress waveform is determined.
  • the fatigue damage degree is determined by the linear cumulative damage rule with reference to the fatigue diagram of the material that constitutes the target site.
  • the degree of fatigue damage is a physical quantity that represents the consumption rate of the fatigue life with respect to the average fatigue life of the subject (Patent Document 1).
  • the fatigue life of ordinary machine components may have a variation width of about 1/10 to 10 times, depending on the object. Therefore, it may be difficult to provide the remaining life and failure probability evaluation with the accuracy required for operation and maintenance by using only this method for machine components having a relatively large variation width of the fatigue life as described above.
  • Patent Document 2 As another method for evaluating the soundness of machine components, there is a method called abnormality diagnosis or sign detection (Patent Document 2).
  • the operating state is a state quantity represented by a physical quantity or a combination thereof that is expected to change according to the soundness, such as the vibration acceleration, frequency, and temperature of the object.
  • the amount of state is constantly evaluated during operation, and an alert is issued according to the degree of deviation from the normal state, or the mechanical system is automatically stopped.
  • the soundness since the soundness is directly monitored, relatively sensitive detection of the soundness change can be expected.
  • a method of calculating the remaining life in units of time from the beginning is not practical.
  • the load per unit time acting on each machine component varies depending on the wind conditions and control conditions. Therefore, it is desirable that the remaining life and the failure probability change according to these assumed conditions, but the remaining life evaluation on a time basis can not meet such a requirement.
  • the present application includes a plurality of means for solving the above problems, one example of which is a system for evaluating the failure probability of a plurality of mechanical elements included in a mechanical system, wherein fatigue damage or aging of the mechanical elements Based on the physical quantity 1 that changes with changes, based on the means for evaluating the state quantity representing the soundness of the machine element, and on the physical quantity 2 that changes with the load or load the machine element receives or operating data of the machine element Means for evaluating the cumulative fatigue damage of the machine element, the storage unit for storing the state quantity and the cumulative fatigue damage, and the state quantity of the machine element in which a failure has occurred among the plurality of machine elements And a failure probability evaluation unit for calculating a failure probability of a mechanical component in which no failure has occurred among the plurality of mechanical components based on the cumulative fatigue damage degree and Failure probability evaluation system was.
  • the present invention has a function of evaluating the cumulative fatigue damage degree of an object based on measurement and simulation by a sensor, and at the same time, has a health condition evaluation function based on sensor measurement. Furthermore, by evaluating the remaining life of the mechanical system not by the time axis but by the cumulative fatigue damage degree axis, it is possible to provide an effective remaining life evaluation even for a mechanical system whose operating state is not constant. In addition, statistical modeling that assumes probability distribution to the variation of remaining life under the condition that a certain soundness state is observed makes it possible to provide the future failure probability with any degree of damage accumulated further.
  • movement at the time of applying this invention to a bearing group The schematic diagram which applies this invention to a bearing group, and demonstrates the operation
  • FIG. 1 is a view schematically illustrating the operation of the failure probability evaluation system 100 according to the present invention, taking the rotary bearing 1 as an example of a machine component (machine element).
  • the present invention is directed to multiple, preferably similar, machine component groups.
  • a sensor that measures the physical quantity that changes in accordance with the soundness and a purpose of evaluating the degree of fatigue damage are measured, and the physical quantity that changes with the mechanical component is measured Attach each sensor.
  • the former corresponds to the acceleration sensor 2 and the latter corresponds to the load cell 3 and the tachometer 4, respectively.
  • the rotational vibration acceleration generated from the damaged bearing is measured by the acceleration sensor 2, and the load cell 3 and the tachometer 4 acquire the amplitude and the number of repetitions of the load acting on the bearing.
  • at least one sensor for that is essential in the present embodiment, but the load applied to the object may not necessarily be measured directly.
  • the load on the bearing is based on the operation data of the machine component, such as the history of wind conditions and power generation in the former case and the history of speed and engine speed in the latter case. It is also possible to estimate the history of the applied load.
  • soundness evaluation by the acceleration sensor 2 is premised, but the type of sensor is not limited to the acceleration sensor.
  • an AE sensor or a temperature sensor may be used, or a plurality of types of sensors may be combined. You may use it.
  • a sensor that measures a physical quantity that changes due to a load or a load may be a strain sensor.
  • Various sensors may be newly installed as part of the failure probability evaluation system 100, or there is a signal reception unit not shown in the failure probability evaluation system 100 to receive detection values of sensors installed in the machine component. You may
  • the vibration acceleration data obtained by the acceleration sensor 2 is transmitted to the state evaluation unit 6 through the A / D conversion unit 5.
  • the vibration acceleration data is converted into a state quantity for evaluating the soundness of the bearing 1.
  • Several measures are considered for the state quantity indicating soundness, but in the case of a bearing, for example, fine cracks and flaking may occur in the inner ring or the outer ring with repeated load application. Every time a rolling element inside passes through these damaged positions, vibration occurs. Therefore, it is effective to use the effective value of acceleration in the frequency band obtained by multiplying the number of rolling elements by the frequency corresponding to the value obtained by multiplying the number of rolling elements by the number of rotations.
  • the acceleration effective value of the specific frequency band is used as a state quantity (hereinafter, state quantity) representing soundness in the subsequent evaluation.
  • state quantity a state quantity representing soundness in the subsequent evaluation.
  • the obtained state quantities are transmitted to the state quantity change temporary storage unit 8 and are temporarily stored as time series data.
  • the retention period of time-series data may be set arbitrarily, setting a period equivalent to the lead time required for maintenance and replacement of the target suppresses the necessary storage area without losing the function.
  • the load amplitude and the number of repetitions obtained using the load cell 3 and the tachometer 4 are transmitted to the fatigue damage evaluation unit 7.
  • the fatigue damage evaluation unit 7 calculates the fatigue damage based on the linear cumulative damage rule (Non-Patent Document 1).
  • the fatigue damage degree is calculated using the load obtained from the load cell 3 as the load amplitude and the rotational speed obtained from the tachometer 4 as the repetition number.
  • a strain sensor such as a strain gauge may be used to directly measure the stress time-series change of the evaluation site.
  • the calculated fatigue damage degree is transmitted to the damage degree change temporary storage unit 9 similarly to the state quantity, and is temporarily stored here. As with the storage period of the state quantity change temporary storage unit 8, it is most effective to set the storage period here as well as the lead time of the maintenance or replacement work.
  • the state evaluation unit 6 and the fatigue damage degree evaluation unit 7 described above are shown as independent components in FIG. 1, the present invention does not particularly limit these mounting modes. For example, configuring each with software in a single computer system has no problem in realizing the function. Although the state quantity change temporary storage unit and the damage level change temporary storage unit are also shown as independent components, they may be configured on the same storage device. In addition, although the above components are prepared for all target machine components (that is, all the first to n-th bearings) as shown in FIG. 1, the condition evaluation unit 6, the fatigue damage evaluation unit 7, the condition The amount change temporary storage unit 8 and the damage degree change temporary storage unit 9 may be configured on a common hardware.
  • FIG. 2 shows the evaluation of failure probability of other bearings (in this case, individual number 1) in a non-faulty state after the point where the bearing of individual number n breaks down while operating the system with the configuration of FIG. It is a figure which illustrates operation of a system typically.
  • a statistical model that defines the probability (failure probability) that a failure will occur from the time when any state quantity is observed in the failure history evaluation unit 12 to the time when any degree of damage is further accumulated. 20 (relational expression) is constructed. This statistical model is transmitted to the failure probability evaluation unit 11, where the failure probability after accumulation of any degree of damage is calculated together with the state quantities at the present time for an unfailed individual.
  • the damage degree change prediction unit 10 predicts the subsequent damage degree change from the tendency of the damage degree change ( That is, the relationship between the degree of damage change and the passage of time may be defined), and the failure probability evaluation unit 11 may adopt a method of evaluating the relationship between the change of failure probability and the passage of time.
  • the failure probability calculated in the failure probability evaluation unit 11 is a function defined as a relationship with the subsequent cumulative damage degree or time, and is not determined to be one value. Therefore, as shown in FIG. 3, the display unit 13 displays the accumulated status of damage degree or the failure probability with the passage of time as a change in the failure probability with the passage of time. You will be able to make decisions easily. For example, if the mechanical system is capable of switching the operation mode and the load on the object changes depending on the operation mode, as shown in FIG. 3, the failure when performing the subsequent operation in each operation mode By displaying the probability change, it is possible to efficiently support the determination of the operation policy as well as the determination of the maintenance time.
  • failure probability evaluation If high failure probability is calculated in the relatively near future as a result of failure probability evaluation, not only display the result but also have a function to transmit stop command or degenerate operation command to the target control device Is desirable. Waiting for the user's decision on an object whose state quantity change is desired to be detected if it is not immediately after the failure may lead to the failure occurring at an early stage. In that case, it is easy to prevent the occurrence of a failure by providing a function to automatically stop or reduce the system according to the evaluation result.
  • step S1 A method of constructing a statistical model that defines the failure probability after accumulation of the above-mentioned arbitrary damage levels will be described using the schematic diagram of FIG.
  • the damage level difference until generation is used as a data set to generate data representing the relationship between the state quantity and the damage level increment in the process until the individual number n in which the failure has occurred reaches the failure.
  • a statistical model 20 is performed on this data assuming variations according to a certain probability distribution to obtain a statistical model 20.
  • the least squares method that assumes a normal distribution may be used most simply, but the damage degree increment to which the probability distribution should be fitted is defined as a nonnegative value, so a normal distribution is assumed It is not strictly appropriate.
  • a generalized linear model which adopts as a probability density function (PDF) the gamma distribution defined as the distribution of nonnegative values, expresses the distribution of data relatively well I know that. At this time, it is desirable to use an inverse function for the link function of GLM.
  • PDF probability density function
  • the fault probability F Define the relationship of damage degree increment ⁇ D to failure. It is assumed that a certain state quantity S1 is observed in any individual whose failure has not yet occurred, and thereafter the degree of damage ⁇ Da has increased.
  • the failure probability F at the time when the degree of damage increases thereafter by the degree of damage increment ⁇ Da is expressed as Formula 1.
  • the statistical model 20 which is the relationship between the degree of damage increment ⁇ D to the fault and the observed state quantity S in the individual number n in which the fault occurred, was placed in a similar environment, especially with the same type machine
  • the failure probability F can be calculated for each of the other individuals based on the state quantities S observed in the other individuals whose failure has not yet occurred.
  • the display of the failure probability prediction 16 in FIG. 3 is based on the current state quantity S of the individual number 1 selected in the menu 151, in the failure probability F depending on the operation time when operating in the high power mode, the normal mode and the degeneration mode. It shows the change.
  • the overall condition summary 17 in FIG. 3 displays the failure probability F after 10 days in the operation mode selected for each of the individual numbers 1 to 10. This enables the user to easily make operation / maintenance decisions later.
  • a method of displaying a change in failure probability from the present to the future is adopted. It can be said that this method is an effective method from the viewpoint of supporting operation and maintenance decision-making.
  • the state quantity calculated in the state evaluation unit 6 in FIG. 1 is calculated based on, for example, the vibration frequency measured by the bearing, a short cycle fluctuation is observed depending on the driving situation separately from the large tendency change.
  • the time variation of the state quantity which is the premise of calculating the failure probability F of each individual, is relatively large, the whole graph in the failure probability future prediction display 16 in FIG. 3 may be updated excessively frequently. is there. In that case, as shown in the failure probability prediction history display unit 22 in FIG.
  • the future time point for evaluating the failure probability is fixed in advance as a time or damage degree increment value, and the failure probability evaluation results up to now are obtained. It is good also as a form which displays transition of.
  • the prediction timing to be displayed on the failure probability prediction history display unit 22 can be selected by the menu 152.
  • the failure probability of the unfailed target is evaluated by statistically processing the data up to the failure, triggered by the failure of the mechanical component of the same type.
  • failure probability can not be defined until actual failure data is obtained. Therefore, until any failure occurs in the target machine component group, as described in the background art section, the cumulative fatigue damage degree obtained by the fatigue damage degree evaluation unit 7 in FIG. 1
  • the failure probability may be defined using In this period, although prediction accuracy as high as prediction based on other individual data of the same group actually broken can not be expected, failure probability is evaluated without greatly changing the system configuration even if failure data can not be acquired. It is possible to
  • the failure history evaluation unit 12 can also be provided separately from the failure evaluation system. In that case, a statistical model for evaluation is created by the failure history evaluation unit 12 based on the failure individual data at the time of failure occurrence and stored in the failure evaluation system, and a plurality of failure probability evaluation units 11 are generated based on the statistical model. Perform failure assessment of mechanical systems including mechanical components.

Abstract

本発明の課題は，機械システムの複数の構成要素に対して高精度な故障確率評価または余寿命評価を行うところにある。このため、機械システムに含まれる複数の機械要素の故障確率を評価するシステムであって，前記機械要素の疲労損傷または経年変化によって変化する物理量1を基にして，前記機械要素の健全性を表す状態量を評価する手段と，前記機械要素が受ける荷重や負荷によって変化する物理量2若しくは前記機械要素の運転データを基にして，前記機械要素の累積疲労損傷度を評価する手段と，前記状態量および前記累積疲労損傷度を保存する保存部と，前記複数の機械要素のうち，故障が発生した機械要素における前記状態量と前記累積疲労損傷度に基づき，前記複数の機械要素のうち故障が発生していない機械要素の故障確率を算出する故障確率評価部と，を有することを特徴とした故障確率評価システムとした。

Description

故障確率評価システム
　本発明は，機械システムに含まれる複数の同型機械群の故障確率評価システムに関する。
　過去に，いくつかの機械システム疲労故障に対する余寿命評価法方法が提案されてきた。代表的な例として，線形累積損傷則(非特許文献1)を利用するものがある。具体的には例えば特許文献１に記載の方法がある。一方，機械コンポーネントの健全性を評価する他の方法として，異常診断あるいは予兆検知と呼ばれる手法が知られている(特許文献2)。
特開2015-229939 WO2016/117021
M.A. Miner: Cumulative Damage in Fatigue, J. Appl. Mech., 12　　(3), ppA159-A164
　機械システムにおいて，動的な荷重負荷に晒される機械要素や機械構造物(以下，機械コンポーネントと総称する)は，要求される寿命を満足するように疲労寿命設計がなされる。しかしながら，実際の使用において，これらに作用する動的荷重は使用環境や使用条件に応じてばらつく。同時に，これらの機械コンポーネントの各個体が有する疲労寿命も，潜在的にばらつきを有する。したがって，疲労寿命設計段階ではこれらのばらつき幅を想定した上で，疲労破壊・疲労故障に至らないように安全側の設計がなされる。しかし，近年では，機械システムが想定外の環境に曝されるケースや，省資源・省エネルギといった観点から，機械コンポーネントが有する寿命を安全に使い切るような機械システムの運用・保守が求められている。このような状況を鑑みれば，実際に稼動状態にある機械システムの各コンポーネントの余寿命をより正確に把握することは極めて重要である。また，前述したように機械コンポーネントが有する寿命は，ある確率分布に基づくばらつきを有する。したがって，余寿命とは確率論的に定義されるものであり，余寿命を評価することは，ある時点から任意の時間（余寿命）が経過した時点における故障確率を評価することと等価である。故障確率として対象の健全性を評価することができれば，対象が故障した際に発生する損失額と故障確率を掛け合わせることにより，損失額の期待値を理論的に算出することが可能となり，結果として運用・保守の意思決定を経済的な観点から容易に行うことができるようになる。
　このような背景の下，いくつかの機械システム疲労故障に対する余寿命評価法方法が提案されてきた。代表的な例は，線形累積損傷則(非特許文献1)を利用するものである。例えば機械構造物であれば，対象部位にひずみゲージなどのひずみや応力を計測するセンサを取り付けておき，その時刻歴データを取得する。得られた時刻歴データに対し，レインフロー法などの波形カウント法を適用し，ひずみや応力波形の発生頻度分布を求める。この発生頻度分布に対して，対象部位を構成する材料の疲労線図を参照し，線形累積損傷則により疲労損傷度を求める。ここで，疲労損傷度とは，対象の平均疲労寿命に対する疲労寿命の消費率を表す物理量である(特許文献1)。さらに，疲労損傷度が求まり，疲労線図に定義される寿命ばらつきを参照すれば，任意の疲労損傷度における故障確率を求めることが可能である。また，なんらかの手法を用いて，任意時間が経過した後の疲労損傷度を予測することが可能であれば，その際の故障確率を求めることも可能になり，余寿命を確率論的に評価することが可能となる。しかしながら，通常の機械コンポーネントにおける疲労寿命は，対象にもよるが1/10から10倍程度のばらつき幅を有することもある。したがって，このように比較的疲労寿命のばらつき幅が大きい機械コンポーネントに対しては，本手法のみによって運用・保守に必要な精度で余寿命や故障確率評価を提供することが難しいこともある。
　一方，機械コンポーネントの健全性を評価するその他の方法として，異常診断あるいは予兆検知と呼ばれる手法がある(特許文献2)。あらかじめ，健全な状態にある機械コンポーネントの稼動状態を定量的に定義あるいは学習しておく。ここで稼動状態とは，対象の振動加速度や周波数，温度など，健全性に応じて変化することが期待される物理量あるいはそれらの組合せによって表現される状態量である。稼働中は状態量を常時評価しておき，健全状態からの逸脱度に応じてアラートを発報したり，自動的に機械システムを停止させたりする応用例がある。本手法では，直接的に健全性をモニタリングするため，比較的高感度な健全性変化の検知を期待出来る。しかし，本手法を応用して定量的に余寿命や故障確率を算出するためには，状態量の変化と，ある状態量変化が発生した場合における余寿命あるいは故障確率の関係を予め取得しておく必要があるが，材料レベルではなく，機械コンポーネントレベルあるいは機械システムレベルでの事前試験が必要となるため，その時間やコストを考慮すれば現実的とは言いがたい。
　また，例えば風力発電システムのように，稼動状態が時々刻々変化する機械システムにおいては，余寿命を最初から時間の単位で算出する方式は実用的ではない。例えば風力発電システムでは，風況や制御条件に応じて，各機械コンポーネントに作用する単位時間当たりの負荷が異なる。そのため，想定するこれらの条件に応じて，余寿命や故障確率が変化することが望ましいが，時間単位での余寿命評価では，このような要求に対応することができない。
　先に述べたとおり，機械システムの疲労による故障確率あるいは余寿命を評価する方法としては，線形累積損傷則に基づく手法が知られているが，その精度は実用上十分でないことが多い。また，異常診断に基づく健全性評価方式では，比較的高精度に健全性変化を検知可能であるが，定量的に故障確率を評価するためには，時間・コストを要する事前試験が必要となる。また，余寿命を時間で評価する手法は，特に稼動状態が一定でない機械システムでは，実用上不都合が生じる場合が多い。したがって，風力発電システムなどの不確定要素の強い環境下で運用される機械システム向けに，実用的かつ高精度な故障確率評価または余寿命評価を提供するシステムの出現が待たれていた。
　　上記課題を解決するために，例えば特許請求の範囲に記載の構成を採用する。本願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，機械システムに含まれる複数の機械要素の故障確率を評価するシステムであって，前記機械要素の疲労損傷または経年変化によって変化する物理量1を基にして，前記機械要素の健全性を表す状態量を評価する手段と，前記機械要素が受ける荷重や負荷によって変化する物理量2若しくは前記機械要素の運転データを基にして，前記機械要素の累積疲労損傷度を評価する手段と，前記状態量および前記累積疲労損傷度を保存する保存部と，前記複数の機械要素のうち，故障が発生した機械要素における前記状態量と前記累積疲労損傷度に基づき，前記複数の機械要素のうち故障が発生していない機械要素の故障確率を算出する故障確率評価部と，を有することを特徴とした故障確率評価システム。
　本発明は公知技術と同様に，センサによる計測やシミュレーションに基づき，対象の累積疲労損傷度を評価する機能を有すると同時に，センサ計測に基づく健全性状態評価機能を備える。さらに，機械システムの余寿命を時間軸ではなく，累積疲労損傷度軸で評価することによって，稼動状態が一定でない機械システムに対しても有効な余寿命評価を提供することが可能となる。また，ある健全性状態が観測された条件における余寿命のばらつきに確率分布を仮定する統計モデリングによって，任意の損傷度がさらに累積した将来における故障確率を提供することが可能となる。
本発明を軸受群に適用した場合の動作を説明する模式図。 本発明を軸受群に適用し，ある一つの軸受に故障が発生した以降の動作を説　　明する模式図。 本発明の実施例の１つにおける表示部による表示例。 本発明における故障確率算出方法を説明する模式図。 本発明の実施例の１つにおける表示部による表示例。
　以下，実施例を図面を用いて説明する。
　図1は，機械コンポーネント（機械要素）として回転軸受1を例にとり，本発明における故障確率評価システム100の動作を模式的に説明する図である。本発明は，複数の，望ましくは同種の，機械コンポーネント群を対象とする。観測対象である各機械コンポーネントには，健全性を反映して変化する物理量を計測するセンサと，疲労損傷度を評価することを目的とし，機械コンポーネントが受ける荷重や負荷によって変化する物理量を計測するセンサをそれぞれ取り付ける。本実施例においては，前者が加速度センサ2，後者がロードセル3および回転計4にそれぞれ該当する。すなわち，加速度センサ2によって，損傷が生じた軸受から生じる回転振動加速度を計測し，ロードセル3と回転計4によって軸受に作用する荷重の振幅と繰り返し数を取得する。なお，健全性を評価する物理量は直接計測する必要があるため，そのための少なくとも１つのセンサは本実施例において必須であるが，対象に負荷される荷重は，必ずしも直接計測されなくともよい。例えば，風力発電機や自動車に用いられる回転軸受であれば，前者であれば風況や発電量の履歴，後者であれば速度やエンジン回転数の履歴など，機械コンポーネントの運転データから，軸受に負荷される荷重の履歴を推定することも可能である。また，本実施例では，加速度センサ2による健全性評価を前提とするが，センサの種類を加速度センサに限定するものではなく，例えばAEセンサや温度センサを用いたり，複数種類のセンサを組み合わせて用いたりしてもよい。また，荷重や負荷によって変化する物理量を計測するセンサはひずみセンサでもよい。各種センサは故障確率評価システム100の一部として新たに設置してもよいし，故障確率評価システム100に図示されない信号受信部があり，機械コンポーネントに設置されているセンサーの検出値を受信するようにしてもよい。
　加速度センサ2によって得られた振動加速度データは，A/D変換部5を経て，状態評価部6に伝送される。ここで，振動加速度データは，軸受1の健全性を評価する状態量に変換される。健全性を示す状態量はいくつかの手法が考えられるが，例えば軸受であれば，繰り返しの荷重負荷に伴って，内輪あるいは外輪に微細なクラックやフレーキングが発生する場合がある。これらの損傷位置を内部の転動体が通過するたびに，振動が発生する。したがって，回転数に転動体数を乗じた値に相当する周波数に転動体数を乗じた周波数帯の加速度実効値などを用いることが効果的である。すなわち，本実施例では，特定周波数帯の加速度実効値を，健全性を表す状態量(以下，状態量)として，以降の評価に用いる。前述のように，複数種類のセンサを用いる場合には，例えばクラスタリング分析などを適用することにより，得られる複数の物理量データを１つの状態量として変換して用いることが望ましい。得られた状態量は，状態量変化一時保存部8に伝送され，一時的に時系列データとして保存される。ここで，時系列データの保存期間は任意に設定してよいが，対象の保守や交換作業に必要なリードタイムと同等の期間を設定することが，機能を損なわずに必要な記憶領域を抑制するという観点から最も効果的である。
　一方，ロードセル3および回転計4を用いて得られる荷重振幅および繰り返し数は，疲労損傷度評価部7に伝送される。疲労損傷度評価部7では，線形累積損傷則(非特許文献1)に基づき疲労損傷度を算出する。本実施例ではロードセル3より取得した荷重を荷重振幅とし，回転計4より取得した回転数を繰り返し数として疲労損傷度を算出するが，例えば機械構造物を対象とする場合には，ロードセル3に換えてひずみゲージなどのひずみセンサを用いて，評価部位の応力時系列変化を直接計測する方式としてもよい。算出された疲労損傷度は，前記状態量と同様に損傷度変化一時保存部9に伝送され，ここで一時的に保存される。ここでの保存期間も，前記状態量変化一時保存部8の保存期間と同様に，保守や交換作業のリードタイムと同等に設定することが最も効果的である。
　以上に示した状態評価部6，疲労損傷度評価部7は，図1中ではそれぞれ独立した構成要素として示したが，本発明はこれらの実装形態を特に制限するものではない。例えば，それぞれを単一のコンピュータシステムの中のソフトウェアで構成しても機能の実現上問題はない。また，状態量変化一時保存部および損傷度変化一時保存部についても，独立した構成要素として示したが，同一の記憶装置上に構成してもよい。また，以上の構成要素は，図１に示すように対象とする全ての機械コンポーネント(すなわち1番目からn番目の軸受全て)について用意するが，状態評価部6や疲労損傷度評価部7，状態量変化一時保存部8や損傷度変化一時保存部9は，共通のハードウェア上に構成する方式としてもよい。
　図２は，図１の構成でシステムを運用中に，個体番号nの軸受が故障した時点以降において，未故障状態にあるその他の軸受(ここでは個体番号1)の故障確率を評価する際のシステムの動作を模式的に説明する図である。まず，故障が発生した個体については，各センサからのデータ伝送が停止するが，故障発生を契機として，状態量変化一時保存部9および損傷度変化一時保存部8に保存されていた状態量変化および損傷度変化の時系列データは，故障履歴評価部12に伝送される。詳細は後述するが，故障履歴評価部12では任意の状態量が観測されたとき，その時点から任意の損傷度がさらに累積した時点までに故障が発生する確率(故障確率)を定義づける統計モデル20(関係式)が構築される。この統計モデルは，故障確率評価部11に伝送され，未故障の個体についての現時点で状態量と合わせて，任意の損傷度が累積した後の故障確率が算定される。このとき同個体については，これまでの損傷度変化が損傷度変化一時保存部9に保存されているため，損傷度変化の傾向から以降の損傷度変化を損傷度変化予測部10において予測し(すなわち損傷度変化と時間経過の関係を定義し)，故障確率評価部11において，故障確率変化と時間経過の関係を評価する方式を採用してもよい。
　故障確率評価部11において算定される故障確率は，以降の累積損傷度あるいは時間との関係として定義付けられる関数であり，1つの値に定まるものではない。したがって，表示部13においては，図３に示すように現時点以降の損傷度の累積状況または時間の経過に伴った故障確率の変化として，グラフ形式で表示することにより，ユーザーは以降における運用・保守の意思決定を容易に行うことができるようになる。例えば，運転モードを切り替えることが可能な機械システムで，運転モードによって対象への負荷が変化するものであれば，図3に示すように，各運転モードそれぞれで以降の運転を行った際の故障確率変化を表示させれば，保守の時期の決定と併せて運用方針の決定も効率的に支援することが可能となる。
　故障確率評価の結果，比較的近い未来に高い故障確率が算出された場合は，結果を表示させるのみならず，対象の制御装置に対して停止命令あるいは縮退運転命令を送信する機能を持たせることが望ましい。故障の直近とならないと状態量変化が検出されたいような対象についてはユーザーの判断を待っていると，早い段階で故障発生につながる可能性がある。その場合は，評価結果に応じてシステムを自動的に停止あるいは縮退運転させるような機能を持たせることで，故障の発生を未然に防止しやすくなる。
　前述した任意の損傷度が蓄積した後の，故障確率を定義づける統計モデルの構築方法について，図４の模式図を用いて説明する。まず，ステップS1として，故障が発生した個体番号nの軸受については，故障に至る直前までの状態量時系列データ19(S=f(t))と損傷度時系列データ18(D=f(t))が保存されている。
　次に，ステップS2として，これら2つの時系列データを故障に至るまでの損傷度増分(ΔD)と状態量の関係X(ΔD =f(St))として関係づける。すなわち，観測された状態量を変数として，故障に至るまでの損傷度増分を関数として表すことと等価である。具体的には，状態量時系列データ19(S=f(t))と損傷度時系列データ18(D=f(t))において，同じ時間t1に記録された状態量と，t1から故障発生するまでの損傷度差分をデータセットとして，故障が発生した個体番号nが故障に至るまでの過程における状態量と損傷度増分の関係を表すデータを生成する。次にこのデータに対して，ある確率分布に従うばらつきを仮定した統計モデリングを行い，統計モデル20を取得する。統計モデリングの手法としては，最も簡易的には正規分布を仮定する最小二乗法を用いてもよいが，確率分布を当てはめるべき損傷度増分は非負の値として定義されるため，正規分布を仮定することは厳密には適当でない。軸受を対象とした発明者らの検討では，非負値の分布として定義されるガンマ分布を確率密度関数(PDF)として採用した一般化線形モデル(GLM)が，比較的よくデータの分布を表現することが分かっている。このとき，GLMのリンク関数には逆数関数を用いることが望ましい。
　故障が発生した個体番号nにおける，故障までの損傷度増分ΔD と，観測された状態量Sの関係が統計モデル20として定義づけられたので，それに基づき，次にステップS3として，故障確率Fと故障までの損傷度増分ΔD の関係を定義づける。故障がまだ発生していない何れかの個体において，ある状態量S1が観測され，それ以降に任意の損傷度ΔDaが増加したことを仮定する。ここで状態量S1における故障までの損傷度増分のPDFをP=f(S1)と表す。このとき損傷度増分ΔDaだけ，以降に損傷度が増加した時点における故障確率Fは，数式１と表される。
Figure JPOXMLDOC01-appb-M000001
これは，統計モデリングによって得られたPDFに対する累積分布関数(CDF)を用いて累積確率を算出することと等価である。すなわち，故障がまだ発生していない個体で観測された任意の状態量Sによって，参照すべきPDFが決定され，次に，以降に増加すると想定する損傷度増分ΔDaを，対応するCDFに代入することで，故障がまだ発生してない個体における故障確率Fを算出することが可能である。したがって，ある状態量Sが観測されたとき，以降の損傷度増分の増加に伴う故障確率Fの変化21は，統計モデルより得られるPDFに対応するCDFそのものに他ならない。
　以上の手順により，故障が発生した個体番号nにおける故障までの損傷度増分ΔD と観測された状態量Sの関係である統計モデル20を用いて，類似の環境におかれた，特に同型機械であって，故障がまだ発生していない他の個体で観測された状態量Sに基づき，他の個体ごとに故障確率Fが算出できる。
　更に，異なる負荷条件で運転した場合の時間当たりの損傷度ΔDaの関係に基づき，故障確率Fを時間に基づき表すことで，今後異なる負荷条件で運転した場合の故障確率Fの変動を予測することができる。図３の故障確率予測16の表示は，メニュー151で選択した個体番号1の現在の状態量Sに基づき，それぞれ高出力モード，通常モード，縮退モードで運転した場合の運転時間による故障確率Fの変動を表示している。図３の全体状況サマリ17は，個体番号１～１０のそれぞれで選択された運転モードにおける，１０日後の故障確率Fを表示している。これにより，ユーザーは以降における運用・保守の意思決定を容易に行うことができるようになる。
　実施例１においては，図３に示したように現在から未来に渡る故障確率の変化を表示する方式を採用した。本方式は，運用・保守の意思決定の支援という観点からは有効な方式といえる。しかしながら，図１中の状態評価部6において算出される状態量は，例えば軸受で計測される振動数に基づき算出されるため，大きな傾向変化とは別に，運転状況により短周期の変動が観測される可能性がある。各個体の故障確率Fを算出する前提となる状態量の時間変動が比較的大きい場合には，図３中の故障確率将来予測表示16におけるグラフ全体が過度に頻繁に更新されてしまう可能性がある。その場合には，図５中の故障確率予測履歴表示部22に示すように，故障確率を評価する未来の時点を時間または損傷度増分値で予め固定しておき，故障確率評価結果のこれまでの推移を表示するような形式としてもよい。図５では例えば故障確率予測履歴表示部22で表示する予測時期を，メニュー152で選択できるようにしている。このような表示形式を採用することで，これまでの故障確率評価結果の履歴を容易に確認することができるので，以降の傾向をユーザーが容易に推定することが可能となる。
　実施例１および実施例２においては，同型の機械コンポーネントの故障を契機として，故障に至るまでのデータを統計的に処理することにより，未故障の対象の故障確率を評価した。この手法では，状態量に基づく分析となるため高精度な評価が可能となるが，一方で実際の故障データが得られるまでの間は故障確率を定義することはできない。そこで，対象となる機械コンポーネント群の中でいずれかの故障が発生するまでの間は，背景技術の項で述べたように，図１中の疲労損傷度評価部7で得られる累積疲労損傷度を用いて故障確率を定義してもよい。この期間において，実際に故障した同じ群の他の個体データに基づく予測ほど高い予測精度は期待できないが，故障データが取得できない状態であっても，システム構成を大きく変更せずに故障確率を評価することが可能となる。
　また故障履歴評価部12は，故障評価システムとは別体で設けることもできる。その場合，故障が発生した際の故障個体データに基づき故障履歴評価部12で評価用の統計モデルを作成し，故障評価システムに保存しておき，統計モデルに基づき故障確率評価部11が複数の機械コンポーネントを含む機械システムの故障評価を行う。
1.　軸受
2.　加速度センサ
3.　ロードセル
4.　回転計
5.　A/D変換部
6.　状態評価部
7.　疲労損傷度評価部
8.　状態量変化一時保存部
9.　損傷度変化一時保存部
10.　損傷度変化予測部
11.　故障確率評価部
12.　故障履歴評価部
13.　表示部
14.　制御部
15.　表示部における表示内容
16.　故障確率将来予測表示
17.　故障確率全体状況サマリ
18.　損傷度時系列データ
19.　状態量時系列データ
20.　統計モデル
21.　故障確率予測
22.　故障確率予測履歴表示部

Claims (12)

  1. 　機械システムに含まれる複数の機械要素の故障確率を評価するシステムであって，
    　前記機械要素の疲労損傷または経年変化によって変化する物理量1を基にして，前記機械要素の健全性を表す状態量を評価する手段と，
    　前記機械要素が受ける荷重や負荷によって変化する物理量2若しくは前記機械要素の運転データを基にして，前記機械要素の累積疲労損傷度を評価する手段と，
    　前記状態量および前記累積疲労損傷度を，保存する保存部と，
    　前記複数の機械要素のうち，故障が発生した機械要素における前記状態量と前記累積疲労損傷度に基づき，前記複数の機械要素のうち故障が発生していない機械要素の故障確率を算出する故障確率評価部と，
    　を有することを特徴とした故障確率評価システム。
  2. 　前記複数の機械要素のうち，故障が発生した機械要素における前記状態量と故障発生までの前記累積疲労損傷度の増分の関係を統計的に関係づける故障履歴評価部を有することを特徴とする，請求項１に記載の故障確率評価システム。
  3. 　前記保存部は任意の期間の状態量及び累積疲労損傷度を，一時的に保存することを特徴とする一時保存部であることを特徴とする，請求項１に記載の故障確率評価システム。
  4. 　前記物理量２は荷重若しくはひずみであることを特徴とする，請求項１から請求項３のいずれかに記載の故障確率評価システム。
  5. 　前記機械要素は軸受であることを特徴とする，請求項１から請求項４のいずれかに記載の故障確率評価システム。
  6. 　前記累積疲労損傷度を評価する手段は，線形累積損傷則に基づいて累積疲労損傷度を算出することを特徴とした請求項１から請求項５のいずれかに記載の故障確率評価システム。
  7. 　前記物理量１は，複数種類の物理量の集合であり，前記状態量を評価する手段において，前記複数物理量に基づいて状態量を算出することを特徴とした，請求項１から請求項６のいずれかに記載の故障確率評価システム。
  8. 　前記故障履歴評価部は，前記故障が発生した機械要素の前記状態量及び累積疲労損傷度の時系列データを用いて，故障発生までの前記累積疲労損傷度の増分を関数とし，前記状態量を変数とした統計モデルを生成し，前記統計モデルにおける前記累積疲労損傷度の増分のばらつきを表す確率密度関数に対応する累積分布関数を算出することを特徴とした請求項２に記載の故障確率評価システム。
  9. 　前記統計モデルは一般化線形モデルであることを特徴とした請求項８に記載の故障確率評価システム。
  10. 　前記確率密度関数はガンマ分布を用いることを特徴とした請求項８または請求項９のいずれかに記載の故障確率評価システム。
  11. 　前記故障確率評価部によって算出された前記複数の機械要素のうちいずれか一つ以上についての故障確率と，将来想定される累積疲労損傷度の増分または時間の関係を，グラフとして表示する機能を備えた表示部を有することを特徴とした請求項１から請求項１０のいずれかに記載の故障確率評価システム。
  12. 　前記故障確率評価部によって算出された前記複数の機械要素のうちいずれか一つ以上についての故障確率のうち，将来想定される累積疲労損傷度の増分または時間によって決定される未来における少なくとも１つの状態について評価された故障確率について，現時点までの予測値と前記累積疲労損傷度または時間の関係をグラフとして表示する表示部を有することを特徴とした請求項１から請求項１０のいずれかに記載の故障確率評価システム。
PCT/JP2018/012683 2017-09-08 2018-03-28 故障確率評価システム WO2019049406A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017172652A JP6879873B2 (ja) 2017-09-08 2017-09-08 故障確率評価システム
JP2017-172652 2017-09-08

Publications (1)

Publication Number Publication Date
WO2019049406A1 true WO2019049406A1 (ja) 2019-03-14

Family

ID=65634965

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/012683 WO2019049406A1 (ja) 2017-09-08 2018-03-28 故障確率評価システム

Country Status (3)

Country Link
JP (1) JP6879873B2 (ja)
TW (1) TWI683058B (ja)
WO (1) WO2019049406A1 (ja)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019049419A (ja) * 2017-09-08 2019-03-28 株式会社日立製作所 故障確率評価システム
CN110926784A (zh) * 2019-12-10 2020-03-27 上海欧秒电力监测设备有限公司 一种基于声音的gis断路器故障在线监测装置
CN111881603A (zh) * 2020-07-17 2020-11-03 北京理工大学 一种考虑失效相关性的机械结构疲劳可靠性评估方法
JP2021067559A (ja) * 2019-10-24 2021-04-30 株式会社日立製作所 健全性評価装置、健全性評価システム及び健全性評価方法
CN114202823A (zh) * 2020-09-17 2022-03-18 通用电气公司 预报用于预测分析的飞行器发动机操作数据的系统和方法
WO2022064769A1 (ja) * 2020-09-24 2022-03-31 国立大学法人大阪大学 劣化状況予測システム、および劣化状況予測方法
CN115293296A (zh) * 2022-09-28 2022-11-04 中国人民解放军海军工程大学 一种机械设备故障定位优化方法和系统
EP4170157A1 (en) * 2021-10-22 2023-04-26 General Electric Renovables España S.L. System and method for learning-based predictive fault detection and avoidance for wind turbines

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11814818B2 (en) 2019-09-30 2023-11-14 Hitachi Construction Machinery Co., Ltd. Fatigue management system
KR102348387B1 (ko) * 2020-05-18 2022-01-06 한국항공대학교산학협력단 회전체 건전성 평가 시스템 및 방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002366397A (ja) * 2001-06-06 2002-12-20 Omron Corp メンテナンス時期決定装置、メンテナンス時期決定方法、およびメンテナンス時期決定システム
JP2010223859A (ja) * 2009-03-25 2010-10-07 Toshiba Corp 監視装置および監視方法
JP2012140905A (ja) * 2010-12-28 2012-07-26 Mitsubishi Heavy Ind Ltd 工事時期選択装置及び工事時期選択方法
JP2013253847A (ja) * 2012-06-06 2013-12-19 Hitachi Ltd 故障確率算出装置及び故障確率算出方法並びに鉄道保守システム
JP2016024187A (ja) * 2014-07-23 2016-02-08 ザ・ボーイング・カンパニーＴｈｅＢｏｅｉｎｇ Ｃｏｍｐａｎｙ 乗り物の操作サブシステムの残存寿命を評価するためのシステム及び方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6879873B2 (ja) * 2017-09-08 2021-06-02 株式会社日立製作所 故障確率評価システム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002366397A (ja) * 2001-06-06 2002-12-20 Omron Corp メンテナンス時期決定装置、メンテナンス時期決定方法、およびメンテナンス時期決定システム
JP2010223859A (ja) * 2009-03-25 2010-10-07 Toshiba Corp 監視装置および監視方法
JP2012140905A (ja) * 2010-12-28 2012-07-26 Mitsubishi Heavy Ind Ltd 工事時期選択装置及び工事時期選択方法
JP2013253847A (ja) * 2012-06-06 2013-12-19 Hitachi Ltd 故障確率算出装置及び故障確率算出方法並びに鉄道保守システム
JP2016024187A (ja) * 2014-07-23 2016-02-08 ザ・ボーイング・カンパニーＴｈｅＢｏｅｉｎｇ Ｃｏｍｐａｎｙ 乗り物の操作サブシステムの残存寿命を評価するためのシステム及び方法

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019049419A (ja) * 2017-09-08 2019-03-28 株式会社日立製作所 故障確率評価システム
JP2021067559A (ja) * 2019-10-24 2021-04-30 株式会社日立製作所 健全性評価装置、健全性評価システム及び健全性評価方法
JP7437907B2 (ja) 2019-10-24 2024-02-26 株式会社日立製作所 健全性評価装置、健全性評価システム及び健全性評価方法
CN110926784A (zh) * 2019-12-10 2020-03-27 上海欧秒电力监测设备有限公司 一种基于声音的gis断路器故障在线监测装置
CN110926784B (zh) * 2019-12-10 2021-07-27 上海欧秒电力监测设备有限公司 一种基于声音的gis断路器故障在线监测装置
CN111881603A (zh) * 2020-07-17 2020-11-03 北京理工大学 一种考虑失效相关性的机械结构疲劳可靠性评估方法
CN111881603B (zh) * 2020-07-17 2023-04-14 北京理工大学 一种考虑失效相关性的机械结构疲劳可靠性评估方法
CN114202823A (zh) * 2020-09-17 2022-03-18 通用电气公司 预报用于预测分析的飞行器发动机操作数据的系统和方法
WO2022064769A1 (ja) * 2020-09-24 2022-03-31 国立大学法人大阪大学 劣化状況予測システム、および劣化状況予測方法
EP4170157A1 (en) * 2021-10-22 2023-04-26 General Electric Renovables España S.L. System and method for learning-based predictive fault detection and avoidance for wind turbines
CN115293296A (zh) * 2022-09-28 2022-11-04 中国人民解放军海军工程大学 一种机械设备故障定位优化方法和系统
CN115293296B (zh) * 2022-09-28 2022-12-20 中国人民解放军海军工程大学 一种机械设备故障定位优化方法和系统

Also Published As

Publication number Publication date
JP2019049419A (ja) 2019-03-28
JP6879873B2 (ja) 2021-06-02
TW201912930A (zh) 2019-04-01
TWI683058B (zh) 2020-01-21

Similar Documents

Publication Publication Date Title
WO2019049406A1 (ja) 故障確率評価システム
US10527520B2 (en) Operating wind motors and determining their remaining useful life
CN101835974B (zh) 用于确定风力涡轮机的动力系中的疲劳损伤的方法
US7684936B2 (en) Method, apparatus and computer program product for determining a future time of a component
JP6430596B2 (ja) 故障判定に基づいた設備制御
CN102016736B (zh) 齿轮箱模型式诊断方法、工具
EP2384971B1 (en) Method of determining a maneuver performed by an aircraft
KR102073323B1 (ko) 인공지능 기반의 구조물 건전성 관리 시스템
CN101832872B (zh) 基于空间坐标监测的识别受损索和支座位移的递进式方法
US20120035864A1 (en) Determining an equivalent mechanical load
Iliopoulos et al. Continuous fatigue assessment of an offshore wind turbine using a limited number of vibration sensors
CN101806667A (zh) 基于索力监测的识别受损索和支座位移的递进式方法
JP2018031610A (ja) 累積疲労損傷度推定システムまたは累積疲労損傷度推定方法
CN101819098B (zh) 基于混合监测的识别受损索和支座位移的递进式方法
WO2020195536A1 (ja) 構造物の異常判別方法及び異常判別システム
CN101819097B (zh) 基于应变监测的识别受损索和支座位移的递进式方法
US11325725B2 (en) Aircraft management device, method, and program
JP6742014B1 (ja) 構造物の異常判別方法及び異常判別システム
CN101813571B (zh) 基于角度监测的识别受损索和支座位移的递进式方法
CN114004539B (zh) 一种基于振动数据的各方向磨损量评估方法
US20230011651A1 (en) Method and device for determining a damage state of components
WO2022071189A1 (ja) 状態監視装置および状態監視方法
JP2022013082A (ja) 回転電機の損傷診断システム及び損傷診断方法

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: 18854462

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18854462

Country of ref document: EP

Kind code of ref document: A1