WO2020188636A1 - すべり量予測装置及びすべり量予測方法 - Google Patents

すべり量予測装置及びすべり量予測方法 Download PDF

Info

Publication number
WO2020188636A1
WO2020188636A1 PCT/JP2019/010871 JP2019010871W WO2020188636A1 WO 2020188636 A1 WO2020188636 A1 WO 2020188636A1 JP 2019010871 W JP2019010871 W JP 2019010871W WO 2020188636 A1 WO2020188636 A1 WO 2020188636A1
Authority
WO
WIPO (PCT)
Prior art keywords
slip amount
elevator
unit
information
predicted
Prior art date
Application number
PCT/JP2019/010871
Other languages
English (en)
French (fr)
Inventor
好邦 宮田
利貞 毬山
Original Assignee
三菱電機株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 三菱電機株式会社 filed Critical 三菱電機株式会社
Priority to PCT/JP2019/010871 priority Critical patent/WO2020188636A1/ja
Publication of WO2020188636A1 publication Critical patent/WO2020188636A1/ja

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
    • B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators

Definitions

  • the present invention relates to a slip amount prediction device and a slip amount prediction method.
  • Patent Document 1 describes a sheave that is rotationally driven by a rotary electric machine and has a car elevating rope wound around an outer peripheral surface, and is fixed to both side surfaces of the sheave and at least extends the outer peripheral edge outward from the outer peripheral surface of the sheave.
  • an elevator comprising a pair of brake discs present and a braking portion having a pair of brake shoes disposed between the pair of brake discs and pressed against the inner surface of the brake discs. ..
  • the car is required to stop within a predetermined range with respect to the target ideal stop position.
  • the elevator is subjected to a test run in the inspection work carried out by the operator at predetermined period intervals.
  • the operator confirms whether the slip amount of the brake during the test run in the inspection work is within the predetermined range, and if the slip amount of the brake is not within the predetermined range, the brake disc is applied to the brake. Perform additional maintenance work such as replacement or adjustment of brake pressure.
  • the present invention is for solving the above-mentioned problems, and an object of the present invention is to provide a slip amount predicting device that can predict in advance the slip amount of a brake during a test run in an inspection work to be carried out in the future.
  • the slip amount predicting device acquires the slip amount information indicating the slip amount of the rope for moving the car, which is measured during the test operation in the inspection work performed on the elevator. Based on the slip amount information of the unit and the elevator acquired by the slip amount acquisition unit, the slip amount characteristics of the elevator are classified into one cluster from a plurality of predetermined clusters, and the cluster information indicating the classified clusters is shown. Based on the clustering unit that outputs, the cluster information output by the clustering unit, and the slip amount information of the elevator acquired by the slip amount acquisition unit, the test operation in the inspection work to be performed next for the elevator is performed. It is equipped with a slip amount prediction unit that predicts the slip amount at the time and outputs the predicted slip amount information indicating the predicted slip amount.
  • FIG. 1 is a block diagram showing an example of a configuration of a main part of a slip amount prediction system to which the slip amount prediction device according to the first embodiment is applied.
  • 2A and 2B are diagrams showing an example of the hardware configuration of the main part of the slip amount prediction device according to the first embodiment.
  • FIG. 3 is a diagram showing an example of clusters classified by the clustering unit in the slip amount prediction device according to the first embodiment.
  • FIG. 4 is a diagram showing an example of the slip amount predicted by the slip amount prediction unit in the slip amount prediction device according to the first embodiment.
  • FIG. 5 is a flowchart illustrating an example of processing of the slip amount prediction device according to the first embodiment.
  • FIG. 1 is a block diagram showing an example of a configuration of a main part of a slip amount prediction system to which the slip amount prediction device according to the first embodiment is applied.
  • 2A and 2B are diagrams showing an example of the hardware configuration of the main part of the slip amount prediction device according to the first embodiment.
  • FIG. 3
  • FIG. 6 is a block diagram showing an example of the configuration of a main part of the slip amount prediction system to which the slip amount prediction device according to the modified example of the first embodiment is applied.
  • FIG. 7 is a diagram showing an example of the slip amount predicted by the slip amount prediction unit in the slip amount prediction device according to the modified example of the first embodiment.
  • FIG. 8 is a flowchart illustrating an example of processing of the slip amount prediction device according to the modified example of the first embodiment.
  • FIG. 9 is a block diagram showing an example of the configuration of a main part of the slip amount prediction system to which the slip amount prediction device according to the second embodiment is applied.
  • FIG. 10 is a flowchart illustrating an example of processing of the slip amount prediction device according to the second embodiment.
  • Embodiment 1 The slip amount prediction device 100 according to the first embodiment will be described with reference to FIGS. 1 to 5.
  • the configuration of the main part of the slip amount prediction device 100 and the slip amount prediction system 10 to which the slip amount prediction device 100 is applied according to the first embodiment will be described with reference to FIG.
  • FIG. 1 is a block diagram showing an example of a configuration of a main part of a slip amount prediction system 10 to which the slip amount prediction device 100 according to the first embodiment is applied.
  • the slip amount prediction system 10 includes an elevator 20, a control device 30, a storage device 40, an output device 50, and a slip amount prediction device 100.
  • the elevator 20 is a rope type elevator.
  • the elevator 20 includes a motor 21, a brake 22, a rope 23, a car 24, a hoistway 25, and a motor sensor 26. Since the motor 21, the brake 22, the rope 23, the car 24, and the hoistway 25 are the same as those provided in the conventional rope type elevator, the description thereof will be omitted.
  • the motor sensor 26 is a sensor for detecting the amount of rotation of the motor 21 during the period from when the rope 23 starts decelerating by the operation of the motor 21 and the brake 22 until the rope 23 stops. More specifically, for example, the motor sensor 26 is a sensor for detecting the rotation speed or the amount of rotation of the motor 21 such as an absolute encoder or an incremental encoder. The motor sensor 26 outputs the amount of rotation of the motor 21 in the period from the start of decelerating the rope 23 to the stop of the rope 23 as sensor information.
  • the control device 30 is for controlling the elevator 20. More specifically, for example, the control device 30 controls the motor 21 and the brake 22 of the elevator 20 according to an operation input from the user, an operation input for carrying out a test operation from the operator, or the like. , The purpose is to control the hoisting of the rope 23 and to slide and stop the car 24 in the hoistway 25.
  • the control device 30 acquires the sensor information output by the motor sensor 26.
  • the control device 30 is based on the amount of rotation of the motor 21 in the period from the start of deceleration to the stop of the rope 23 indicated by the sensor information, and the rope 23 in the period from the start of deceleration of the rope 23 to the stop of the motor 21. Calculate the amount of movement of.
  • the control device 30 uses the calculated movement amount of the rope 23 in the period as the slip amount of the brake 22 and outputs the slip amount information indicating the slip amount. More specifically, for example, the control device 30 registers the slip amount information in the test operation by registering the slip amount information in a LAN (Local Area Network), a wired network represented by the Internet, or a wireless LAN or LTE (Long Term Evolution). It is output to the slip amount prediction device 100 via a communication network such as a wireless network such as (trademark). The control device 30 may output the slip amount information so as to be stored in the storage device 40. Further, the control device 30 may output so as to be stored in a portable storage medium such as an SD memory card.
  • LAN Local Area Network
  • wired network represented by the Internet
  • a wireless LAN or LTE Long Term Evolution
  • the control device 30 may output the slip amount information so as to be stored in the storage device 40. Further, the control device 30 may output so as to be stored in a portable storage medium such as an SD memory card
  • the storage device 40 stores model information indicating a learned model used by the slip amount prediction device 100.
  • the storage device 40 may be configured to store a plurality of slip amount information obtained by performing one or more test runs in each of several inspection operations in the past.
  • the storage device 40 will be described as acquiring and storing a plurality of slip amount information output by the control device 30 in the test operation during the inspection work via the slip amount prediction device 100.
  • the slip amount prediction device 100 predicts the slip amount (hereinafter referred to as "predicted slip amount”) at the time of the test operation in the inspection work to be performed next for the elevator 20 based on the slip amount information and the model information. , It is necessary to carry out additional maintenance work (hereinafter referred to as “brake maintenance work”) for the brake 22 in the predicted slip amount information indicating the predicted slip amount or the inspection work to be performed next for the elevator 20. It outputs work necessity information indicating whether or not there is.
  • the "elevator 20" will be described as referring to the elevator 20 for which the slip amount prediction device 100 predicts the predicted slip amount. The details of the slip amount prediction device 100 will be described later.
  • the output device 50 is, for example, a display output device such as a display or an audio output device such as a speaker or a buzzer for informing the user of the predicted slip amount information or work necessity information output from the slip amount prediction device 100. is there.
  • the output device 50 is not limited to a display output device or an audio output device, but may be a lighting device such as an LED or a lamp, or a vibration device that generates vibration.
  • the slip amount prediction device 100 includes a slip amount acquisition unit 110, a slip amount output unit 120, an accumulated slip amount acquisition unit 130, a model acquisition unit 140, a clustering unit 150, a slip amount prediction unit 160, a work determination unit 170, and an output control unit. It is equipped with 190.
  • the slip amount acquisition unit 110 acquires the slip amount information indicating the slip amount of the rope 23 for moving the car 24, which is measured during the test operation in the inspection work performed on the elevator 20. Specifically, the slip amount acquisition unit 110 acquires the slip amount information output by the control device 30. More specifically, for example, the slip amount acquisition unit 110 acquires the slip amount information output by the control device 30 via the above-mentioned communication network. The slip amount acquisition unit 110 may acquire the slip amount information by reading the slip amount information from the above-mentioned storage medium or the storage device 40 in which the control device 30 stores the slip amount information. Hereinafter, the slip amount acquisition unit 110 will be described as acquiring the slip amount information output by the control device 30 via the above-mentioned communication network.
  • the slip amount output unit 120 outputs the slip amount information acquired by the slip amount acquisition unit 110 to the storage device 40 and stores it in the storage device 40. More specifically, for example, the slip amount output unit 120 stores the slip amount information in the storage device 40 in association with the identification information of the elevator 20 and the information indicating the time when the test operation is performed.
  • the accumulated slip amount acquisition unit 130 stores, for example, the slip amount information (hereinafter referred to as “past slip amount information”) measured during a test operation in a plurality of inspection operations performed on the elevator 20 in the past. Obtained from device 40. Specifically, for example, the accumulated slip amount acquisition unit 130 acquires a predetermined number of slip amount information among the past slip amount information stored in the storage device 40. More specifically, for example, the predetermined number of slip amount information acquired by the accumulated slip amount acquisition unit 130 is used in the test operation in the latest predetermined plurality of inspection operations performed on the elevator 20 in the past. It is the slip amount information measured in.
  • the slip amount information hereinafter referred to as “past slip amount information”
  • the accumulated slip amount acquisition unit 130 is, for example, a test in the inspection work carried out one month ago from the test run in the inspection work carried out one year ago. Twelve slip amount information measured up to the time of operation is acquired.
  • the accumulated slip amount acquisition unit 130 is not limited to the one that acquires a predetermined number of slip amount information, and was measured during a test run in an inspection work carried out in a predetermined period such as the latest one year. It may be the one that acquires the slip amount information.
  • the predetermined number is not limited to 12, and may be less than 12 or 13 or more as long as the processing in the clustering unit 150 described later is possible. Further, the predetermined period is not limited to the latest one year, and may be less than one year or more than one year as long as the processing in the clustering unit 150 described later is possible. Further, when the slip amount acquisition unit 110 is configured to retain a plurality of slip amount information acquired by the slip amount acquisition unit 110 in association with the identification information of the elevator 20 and the information indicating the time when the test operation is performed. In the slip amount prediction device 100, the slip amount output unit 120 and the accumulated slip amount acquisition unit 130 are not indispensable configurations. Hereinafter, the slip amount prediction device 100 will be described as including the slip amount output unit 120 and the accumulated slip amount acquisition unit 130.
  • the model acquisition unit 140 acquires model information used when the clustering unit 150 and the slip amount prediction unit 160 execute a predetermined process. More specifically, for example, the model acquisition unit 140 acquires model information from the storage device 40.
  • the model information acquired by the model acquisition unit 140 includes at least two pieces of information, the cluster model information used by the clustering unit 150 and the regression model information used by the slip amount prediction unit 160. That is, the model acquisition unit 140 acquires the cluster model information and the regression model information.
  • the cluster model information will be described as the cluster model information included in the model information
  • the regression model information will be described as the regression model information included in the model information.
  • the model acquisition unit 140 may be composed of a cluster model acquisition unit (not shown) for acquiring cluster model information and a regression model acquisition unit (not shown) for acquiring regression model information.
  • the clustering unit 150 classifies the characteristics of the slip amount in the elevator 20 into one cluster from a plurality of predetermined clusters based on the slip amount information in the elevator 20 acquired by the slip amount acquisition unit 110, and classifies the clusters. Outputs cluster information indicating. For example, the clustering unit 150 classifies the characteristics of the slip amount in the elevator 20 into any one cluster by using the cluster model information acquired by the model acquisition unit 140. The details of the clustering unit 150 will be described later.
  • the slip amount prediction unit 160 predicts the predicted slip amount based on the cluster information output by the clustering unit 150 and the slip amount information in the elevator 20 acquired by the slip amount acquisition unit 110, and predicts the slip amount indicating the predicted slip amount. Output quantity information.
  • the slip amount prediction unit 160 predicts the predicted slip amount based on the cluster information and the slip amount information, for example, using the regression model information acquired by the model acquisition unit 140. The details of the slip amount prediction unit 160 will be described later.
  • the work determination unit 170 needs to perform brake maintenance work in the next inspection work to be performed on the elevator 20 based on the predicted slip amount information indicating the predicted slip amount predicted by the slip amount prediction unit 160. Judge whether or not. The details of the work determination unit 170 will be described later.
  • the output control unit 190 performs brake maintenance work in the predicted slip information indicating the predicted slip amount predicted by the slip amount prediction unit 160, or in the inspection work to be performed next for the elevator 20 determined by the work determination unit 170.
  • the output control is performed so that the output device 50 outputs the work necessity information indicating whether or not it is necessary to carry out the work.
  • FIGS. 2A and 2B are diagrams showing an example of the hardware configuration of the main part of the slip amount prediction device 100 according to the first embodiment.
  • the slip amount prediction device 100 is composed of a computer, and the computer has a processor 201 and a memory 202.
  • the computer is output to the slip amount acquisition unit 110, the slip amount output unit 120, the accumulated slip amount acquisition unit 130, the model acquisition unit 140, the clustering unit 150, the slip amount prediction unit 160, the work determination unit 170, and the output.
  • a program for functioning as the control unit 190 is stored.
  • the processor 201 reads and executes the program stored in the memory 202, the slip amount acquisition unit 110, the slip amount output unit 120, the accumulated slip amount acquisition unit 130, the model acquisition unit 140, the clustering unit 150, and the slip amount prediction.
  • a unit 160, a work determination unit 170, and an output control unit 190 are realized.
  • the slip amount prediction device 100 may be configured by the processing circuit 203.
  • the functions of the slip amount acquisition unit 110, the slip amount output unit 120, the accumulated slip amount acquisition unit 130, the model acquisition unit 140, the clustering unit 150, the slip amount prediction unit 160, the work determination unit 170, and the output control unit 190 function. It may be realized by the processing circuit 203.
  • the slip amount prediction device 100 may be composed of a processor 201, a memory 202, and a processing circuit 203 (not shown).
  • the functions of the slip amount acquisition unit 110, the slip amount output unit 120, the accumulated slip amount acquisition unit 130, the model acquisition unit 140, the clustering unit 150, the slip amount prediction unit 160, the work determination unit 170, and the output control unit 190 may be realized by the processor 201 and the memory 202, and the remaining functions may be realized by the processing circuit 203.
  • the processor 201 uses, for example, a CPU (Central Processing Unit), a GPU (Graphics Processing Unit), a microprocessor, a microcontroller, or a DSP (Digital Signal Processor).
  • a CPU Central Processing Unit
  • GPU Graphics Processing Unit
  • microprocessor a microcontroller
  • DSP Digital Signal Processor
  • the memory 202 uses, for example, a semiconductor memory or a magnetic disk. More specifically, the memory 202 includes a RAM (Random Access Memory), a ROM (Read Only Memory), a flash memory, an EPROM (Erasable Programmable Read Only Memory), and an EEPROM (Electrically Small Memory), EEPROM (Electrically Memory), and an EEPROM (Electrically Memory). State Drive) or HDD (Hard Disk Drive) or the like is used.
  • RAM Random Access Memory
  • ROM Read Only Memory
  • flash memory an EPROM (Erasable Programmable Read Only Memory)
  • EEPROM Electrically Small Memory
  • EEPROM Electrically Memory
  • State Drive or HDD (Hard Disk Drive) or the like is used.
  • the processing circuit 203 includes, for example, an ASIC (Application Special Integrated Circuit), a PLD (Programmable Logic Device), an FPGA (Field-Programmable Gate Array), a SFP (Field-Programmable Gate Array), or a System-System (System) System. Is used.
  • ASIC Application Special Integrated Circuit
  • PLD Programmable Logic Device
  • FPGA Field-Programmable Gate Array
  • SFP Field-Programmable Gate Array
  • System-System System-System
  • the clustering unit 150 in the slip amount prediction device 100 will be described with reference to FIG. As described above, the clustering unit 150 classifies the characteristics of the slip amount in the elevator 20 into one cluster from a plurality of predetermined clusters based on the slip amount information in the elevator 20 acquired by the slip amount acquisition unit 110. , Outputs cluster information indicating the classified clusters.
  • the clustering unit 150 has slip amount information indicating the slip amount measured during the test operation in the inspection work carried out this time for the elevator 2 acquired by the slip amount acquisition unit 110 (hereinafter, "" This time, it is called “slip amount information”), and the frequency of the slip amount in the elevator 20 is calculated based on the past slip amount information acquired by the accumulated slip amount acquisition unit 130, and the slip amount in the elevator 20 is calculated based on the calculated frequency.
  • slip amount information indicating the slip amount measured during the test operation in the inspection work carried out this time for the elevator 2 acquired by the slip amount acquisition unit 110
  • the frequency of the slip amount in the elevator 20 is calculated based on the past slip amount information acquired by the accumulated slip amount acquisition unit 130, and the slip amount in the elevator 20 is calculated based on the calculated frequency.
  • the frequency of the slip amount in the elevator 20 is obtained by approximating the time change of the slip amount indicated by the slip amount information and the past slip amount information with a function indicating a waveform (hereinafter referred to as "waveform function"
  • the clustering unit 150 calculates the amplitude of the slip amount in the elevator 20 based on the current slip amount information and the past slip amount information, and classifies the characteristics of the slip amount in the elevator 20 into clusters based on the calculated amplitude. You may.
  • the amplitude of the slip amount in the elevator 20 is the magnitude of the amplitude of the slip amount in the elevator 20 obtained by approximating the time change of the slip amount indicated by the slip amount information and the past slip amount information with a waveform function.
  • FIG. 3 is a diagram showing an example of clusters classified by the clustering unit 150 in the slip amount prediction device 100 according to the first embodiment.
  • FIG. 3 shows an example in which the clustering unit 150 classifies the characteristics of the slip amount in the elevator 20 into clusters based on the frequency of the slip amount in the elevator 20 and the magnitude of the amplitude of the slip amount. is there.
  • x marks indicate the frequency and amplitude of the slip amount in various elevators obtained based on the slip amount measured during the test run in the inspection work performed on various elevators in the past. It shows an example of the size.
  • each circle in the four circles is, for example, unsupervised learning, which is a method of machine learning, using information indicating the frequency and amplitude of the slip amount in various elevators indicated by each ⁇ as input information.
  • An example of clusters C1, C2, C3, and C4 in the cluster model information obtained by carrying out the above is shown. More specifically, for example, the cluster C1 is a cluster in which the magnitude of the frequency and the magnitude of the amplitude of the slip amount in various elevators are both large.
  • the explanation of clusters C2, C3, and C4 is omitted because it is self-explanatory. Further, since the machine learning method of the cluster model information in the clustering process is known, the description thereof is omitted.
  • ⁇ indicates an example of the magnitude of the frequency and amplitude of the slip amount in the elevator 20 for which the slip amount prediction device 100 predicts the predicted slip amount.
  • the clustering unit 150 compares the magnitude of the frequency and amplitude of the slip amount in the elevator 20 indicated by ⁇ with the magnitude of the frequency and amplitude indicated by the center of each cluster C1, C2, C3, C4 in the cluster model information. .. Among the frequencies and amplitudes indicated by the centers of the clusters C1, C2, C3, and C4 in the cluster model information, the clustering unit 150 has a frequency closest to the frequency and amplitude of the slip amount in the elevator 20 indicated by ⁇ . And select a cluster with a center that indicates the magnitude of the amplitude. The clustering unit 150 identifies the selected cluster as a cluster for which the characteristics of the slip amount in the elevator 20 for which the slip amount is predicted should be classified, and outputs cluster information indicating the cluster.
  • the clustering unit 150 identifies that the cluster for which the characteristics of the slip amount in the elevator 20 for which the slip amount is predicted should be classified is the cluster C1, and outputs the cluster information indicating the cluster C1. ..
  • FIG. 3 shows, as an example, the amount of slip in the elevator 20 to which the clustering unit 150 predicts the predicted slip amount by the slip amount predictor 100 based on the frequency and the magnitude of the slip amount in the elevator 20.
  • the method of classifying the characteristics of the slip amount in the elevator 20 into clusters is not limited to the above example.
  • the clustering unit 150 classifies the characteristics of the slip amount in the elevator 20 into clusters based on the current slip amount information and the past slip amount information and the temperature information indicating the environmental temperature at the time of the test operation in each inspection work. You may.
  • the slip amount prediction unit 160 and the work determination unit 170 in the slip amount prediction device 100 according to the first embodiment will be described with reference to FIG.
  • the slip amount prediction unit 160 predicts the predicted slip amount based on the cluster information output by the clustering unit 150 and the slip amount information in the elevator 20 acquired by the slip amount acquisition unit 110, and predicts the slip amount. It outputs the predicted slip amount information indicating.
  • the slip amount prediction unit 160 creates a different model for each cluster based on the cluster information output by the clustering unit 150 and the slip amount information in the elevator 20 acquired by the slip amount acquisition unit 110. Use to predict the predicted slip amount. More specifically, for example, the slip amount prediction unit 160 predicts the slip amount using a different model for each cluster based on the cluster information output by the clustering unit 150, the current slip amount information, and the past slip amount information. Predict.
  • FIG. 4 is a diagram showing an example of the slip amount predicted by the slip amount prediction unit 160 in the slip amount prediction device 100 according to the first embodiment.
  • the horizontal axis represents the time axis
  • the vertical axis represents the magnitude of the slip amount in the elevator 20.
  • the x mark is an example showing the magnitude of each slip amount indicated by the current slip amount information and the past slip amount information in association with the time when the test run was performed.
  • the curve S shows the regression model information acquired by the model acquisition unit 140 based on the cluster information output by the clustering unit 150 and the current slip amount information and the past slip amount information by the slip amount prediction unit 160. It shows an example of the waveform function determined by using it. Specifically, for example, when the clustering unit 150 classifies clusters based on the magnitude of the frequency and amplitude of the slip amount information in the elevator 20, the slip amount prediction unit 160 uses the regression model information. , Determine the slope in the waveform function obtained from the magnitude of frequency and amplitude in the cluster information.
  • the slip amount prediction unit 160 uses the regression model information so that the waveform function obtained from the magnitude of the frequency and the amplitude in the cluster information passes through the x mark or the vicinity of the x mark in FIG.
  • the slope of the waveform function is determined, and the curve S is specified.
  • the regression model information includes, for example, the slope of the waveform function or a parameter for determining the distance between the x mark and the waveform function.
  • ⁇ indicates an example of the magnitude of the predicted slip amount predicted by the slip amount prediction unit 160.
  • the slip amount prediction unit 160 predicts the magnitude of the predicted slip amount based on the determined waveform function, for example. More specifically, for example, the slip amount prediction unit 160 predicts the magnitude of the predicted slip amount based on the specified curve S.
  • the slip amount prediction unit 160 identifies the curve S based on the 13 slip amount information acquired by the slip amount acquisition unit 110 or the accumulated slip amount acquisition unit 130, and based on the specified curve S, the curve S is specified. It shows an example of predicting the magnitude of the predicted slip amount.
  • the straight line L is the slip amount threshold value used by the work determination unit 170 when determining whether or not it is necessary to perform the brake maintenance work in the inspection work to be performed next on the elevator 20. It shows an example.
  • the slip amount threshold value is predetermined for each cluster classified by the clustering unit 150, for example, in the regression model information. As described above, the work determination unit 170 performs the brake maintenance work in the next inspection work to be performed on the elevator 20 based on the predicted slip amount information indicating the predicted slip amount predicted by the slip amount prediction unit 160. It determines whether or not it is necessary to do so.
  • the work determination unit 170 uses the predicted slip amount predicted by the slip amount prediction unit 160, the slip amount threshold for each cluster given by the regression model information, and the cluster information output by the clustering unit 150. Based on this, it is determined whether or not it is necessary to carry out brake maintenance work in the next inspection work to be carried out on the elevator 20. More specifically, for example, when the predicted slip amount predicted by the slip amount prediction unit 160 is larger than the slip amount threshold value, the work determination unit 170 performs brake maintenance work in the next inspection work performed on the elevator 20. Judge that it is necessary to carry out. Further, when the predicted slip amount predicted by the slip amount prediction unit 160 is equal to or less than the slip amount threshold value, the work determination unit 170 needs to perform brake maintenance work in the next inspection work to be performed on the elevator 20. Judge that there is no.
  • FIG. 5 is a flowchart illustrating an example of processing of the slip amount prediction device 100 according to the first embodiment.
  • the slip amount prediction device 100 acquires, for example, the slip amount information indicating the slip amount measured at the time of the test operation in the inspection work performed on the elevator 20 by the slip amount acquisition unit 110 in the processing of the flowchart. Repeat each time you do.
  • step ST501 the slip amount acquisition unit 110 acquires the slip amount information this time.
  • step ST502 the slip amount output unit 120 outputs the current slip amount information acquired by the slip amount acquisition unit 110 to the storage device 40 and stores it in the storage device 40.
  • step ST503 the accumulated slip amount acquisition unit 130 acquires the past slip amount information from the storage device 40.
  • step ST504 the model acquisition unit 140 acquires model information including cluster model information and regression model information.
  • step ST505 the clustering unit 150 classifies the characteristics of the slip amount in the elevator 20 into one cluster from a plurality of predetermined clusters based on the slip amount information this time and the past slip amount information. Outputs cluster information indicating the classified clusters.
  • step ST506 the slip amount prediction unit 160 predicts slip using a model different for each cluster based on the cluster information output by the clustering unit 150, the current slip amount information, and the past slip amount information. The amount is predicted, and the predicted slip amount information indicating the predicted slip amount is output.
  • step ST507 the work determination unit 170 brakes in the next inspection work performed on the elevator 20 based on the predicted slip amount information indicating the predicted slip amount predicted by the slip amount prediction unit 160. Determine if maintenance work needs to be performed.
  • step ST508 the output control unit 190 indicates whether or not it is necessary to perform the brake maintenance work in the next inspection work to be performed on the elevator 20 determined by the work judgment unit 170. Output control is performed to output the necessity information to the output device 50.
  • the slip amount prediction device 100 After executing the process of step ST508, the slip amount prediction device 100 ends the process of the flowchart, returns to the process of step ST501, and the slip amount acquisition unit 110 executes the process of the flowchart on the elevator 20. It is repeatedly executed every time the slip amount information indicating the slip amount measured during the test operation in the performed inspection work is acquired.
  • step ST508 the output control unit 190 needs to indicate whether or not it is necessary to perform the brake maintenance work in the next inspection work to be performed on the elevator 20 determined by the work judgment unit 170.
  • output control may be performed to output the predicted slip information indicating the predicted slip amount predicted by the slip amount prediction unit 160 to the output device 50.
  • the slip amount prediction device 100 does not include the work determination unit 170, the slip amount prediction device 100 does not execute the process of step ST507, but instead of the elevator 20 determined by the work determination unit 170 in step ST508.
  • the predicted slip information indicating the predicted slip amount predicted by the slip amount prediction unit 160 is used. Output control for causing the output device 50 to output may be performed.
  • the slip amount prediction device 100 provides slip amount information indicating the slip amount of the rope 23 for moving the car 24, which is measured during the test operation in the inspection work performed on the elevator 20.
  • the characteristics of the slip amount in the elevator 20 are classified into one cluster from a plurality of predetermined clusters.
  • the predicted slip amount is predicted based on the clustering unit 150 that outputs the cluster information indicating the classified clusters, the cluster information output by the clustering unit 150, and the slip amount information in the elevator 20 acquired by the slip amount acquisition unit 110.
  • a slip amount prediction unit 160 that outputs predicted slip amount information indicating the predicted slip amount is provided. With this configuration, the slip amount of the brake 22 during the test operation in the inspection work to be performed in the future can be predicted in advance.
  • the slip amount prediction device 100 is configured such that the slip amount prediction unit 160 predicts the predicted slip amount by using a different model for each cluster. With this configuration, the slip amount of the brake 22 during the test operation in the inspection work to be performed in the future can be predicted in advance.
  • the slip amount prediction device 100 brakes in the next inspection work performed on the elevator 20 based on the predicted slip amount information in the elevator 20 predicted by the slip amount prediction unit 160.
  • a work determination unit 170 for determining whether or not maintenance work needs to be performed may be provided. With this configuration, it is possible to determine whether or not it is necessary to carry out brake maintenance work in the inspection work to be carried out in the future, so that the work time in the inspection work can be estimated in advance.
  • FIG. 6 is a block diagram showing an example of the configuration of a main part of the slip amount prediction system 11 to which the slip amount prediction device 101 according to the modified example of the first embodiment is applied.
  • the slip amount prediction device 100 predicts the predicted slip amount, but the slip amount prediction device 101 refers to the elevator 20 in addition to the predicted slip amount (hereinafter referred to as "first predicted slip amount”).
  • the slip amount during the test run in the next inspection work (hereinafter referred to as "second predicted slip amount”) is also predictable.
  • the slip amount prediction device 101 as compared with the slip amount prediction device 100, the slip amount prediction unit 160, the work determination unit 170, and the output control unit 190 in the slip amount prediction device 100 have the slip amount prediction unit 161 and the work determination unit. It has been changed to 171 and the output control unit 191 respectively.
  • the same components as those of the slip amount prediction device 100 are designated by the same reference numerals, and duplicate description will be omitted. That is, the description of the configuration of FIG. 6 having the same reference numerals as those shown in FIG. 1 will be omitted. Further, in the slip amount prediction device 101, the processing of each part until the first predicted slip amount is predicted is the same as the processing of each part when predicting the predicted slip amount in the slip amount prediction device 100, so the description thereof is omitted. To do.
  • the slip amount prediction system 11 includes an elevator 20, a control device 30, a storage device 40, an output device 50, and a slip amount prediction device 101.
  • the slip amount prediction device 101 includes a slip amount acquisition unit 110, a slip amount output unit 120, an accumulated slip amount acquisition unit 130, a model acquisition unit 140, a clustering unit 150, a slip amount prediction unit 161 and a work determination unit 171 and an output control unit. 191 is provided.
  • the slip amount acquisition unit 110, the slip amount output unit 120, the accumulated slip amount acquisition unit 130, the model acquisition unit 140, the clustering unit 150, and the slip amount prediction unit 161 in the slip amount prediction device 101 according to the modified example of the first embodiment.
  • Each function of the work determination unit 171 and the output control unit 191 may be realized by the processor 201 and the memory 202 in the hardware configuration shown in FIGS. 2A and 2B in the first embodiment. , Or it may be realized by the processing circuit 203.
  • FIG. 7 is a diagram showing an example of the slip amount predicted by the slip amount prediction unit 161 in the slip amount prediction device 101 according to the modified example of the first embodiment. In FIG. 7, detailed description of the same contents as in FIG. 4 will be omitted.
  • the horizontal axis represents the time axis
  • the vertical axis represents the magnitude of the slip amount in the elevator 20.
  • the x mark is an example showing the magnitude of the slip amount indicated by the current slip amount information and the past slip amount information in association with the time when the test run was performed.
  • the curve S shows the regression model information acquired by the model acquisition unit 140 based on the cluster information output by the clustering unit 150, the current slip amount information, and the past slip amount information by the slip amount prediction unit 161. It shows an example of the waveform function determined by using it.
  • ⁇ indicates an example of the magnitude of the first predicted slip amount predicted by the slip amount prediction unit 161.
  • the ⁇ mark shows an example of the magnitude of the second predicted slip amount predicted by the slip amount prediction unit 161.
  • the straight line L indicates whether or not the work determination unit 171 needs to perform the brake maintenance work in the next inspection work to be performed on the elevator 20 or the next inspection work to be performed. This is an example of a slip amount threshold used when determining whether or not.
  • the slip amount prediction unit 161 is the first predicted slip based on the cluster information output by the clustering unit 150, the current slip amount information and the past slip amount information. The amount is predicted, and the first predicted slip amount information indicating the first predicted slip amount is output.
  • the slip amount prediction unit 161 predicts the second predicted slip amount based on the first predicted slip amount information output by the slip amount prediction unit 161 and the current slip amount information and the past slip amount information, and the second predicted slip.
  • the second predicted slip amount information indicating the amount is output. More specifically, as shown in FIG. 7, for example, the slip amount prediction unit 161 first predicts the slip amount based on the 13 slip amount information acquired by the slip amount acquisition unit 110 or the accumulated slip amount acquisition unit 130. When predicting, the slip amount prediction unit 161 indicates 12 slip amount information acquired by the slip amount acquisition unit 110 or the accumulated slip amount acquisition unit 130, and the first predicted slip amount predicted by the slip amount prediction unit 161. The second predicted slip amount is predicted based on 13 pieces of slip amount information including the first predicted slip amount information.
  • the slip amount prediction unit 161 assumes that the first predicted slip amount predicted by the slip amount prediction unit 161 is an actual measurement value of the slip amount during the test operation in the next inspection work. Second prediction The slip amount is predicted.
  • the output control unit 191 is given by the first predicted slip amount information indicating the first predicted slip amount predicted by the slip amount predicting unit 161, the second predicted slip amount information indicating the second predicted slip amount, and the regression model information. Based on the slip amount threshold for each cluster and the cluster information output by the clustering unit 150, the brake maintenance work is performed in the next inspection work to be performed on the elevator 20 or the next inspection work to be performed. Determine if it needs to be done.
  • FIG. 8 is a flowchart illustrating an example of processing of the slip amount prediction device 101 according to the modified example of the first embodiment.
  • the slip amount prediction device 101 repeatedly executes the processing of the flowchart every time the slip amount acquisition unit 110 acquires the slip amount information during the test operation performed on the elevator 20.
  • step ST801 to step ST805 in FIG. 8 Since each process from step ST801 to step ST805 in FIG. 8 is the same as each process from step ST501 to step ST505 in FIG. 5, description thereof will be omitted.
  • step ST806 the slip amount prediction unit 161 receives the cluster information output by the clustering unit 150 and the slip amount acquisition unit 110, similarly to the slip amount prediction unit 160 in the slip amount prediction device 100.
  • the first predicted slip amount is predicted based on the acquired slip amount information of the elevator 20, and the first predicted slip amount information indicating the first predicted slip amount is output.
  • the slip amount prediction unit 161 receives the second predicted slip amount based on the first predicted slip amount information output by the slip amount prediction unit 161 and the current slip amount information and the past slip amount information. Is predicted, and the second predicted slip amount information indicating the second predicted slip amount is output.
  • step ST808 the work determination unit 171 uses the first predicted slip amount information indicating the first predicted slip amount predicted by the slip amount predicting unit 161 or the second predicted slip amount information indicating the second predicted slip amount. Based on the above, it is determined whether or not it is necessary to carry out the brake maintenance work in the next inspection work to be carried out on the elevator 20 or the next inspection work to be carried out.
  • step ST809 the output control unit 191 performs a brake maintenance work in the next inspection work to be performed on the elevator 20 determined by the work judgment unit 171 or the next inspection work to be performed. Output control is performed so that the output device 50 outputs work necessity information indicating whether or not it is necessary to carry out the work.
  • the slip amount prediction device 101 After executing the process of step ST809, the slip amount prediction device 101 ends the process of the flowchart, returns to the process of step ST801, and the slip amount acquisition unit 110 executes the process of the flowchart on the elevator 20. It is repeatedly executed every time the slip amount information indicating the slip amount measured during the test operation in the performed inspection work is acquired.
  • step ST809 the output control unit 191 performs the brake maintenance work in the next inspection work to be performed on the elevator 20 determined by the work judgment unit 171 or the next inspection work to be performed.
  • the output control for outputting the first predicted slip amount information or the second predicted slip amount information output by the slip amount prediction unit 161 to the output device 50 is performed. You may go.
  • the slip amount prediction device 101 does not include the work determination unit 171
  • the slip amount prediction device 101 does not execute the process of step ST808, but instead of the elevator 20 determined by the work determination unit 171 in step ST809.
  • the slip amount prediction unit 161 replaces the work necessity information indicating whether or not the brake maintenance work needs to be performed.
  • Output control may be performed to output the output first predicted slip amount information or the second predicted slip amount information to the output device 50.
  • the slip amount prediction device 101 repeatedly executes the process corresponding to the process of step ST807 to determine the slip amount during the test operation in the inspection work to be performed on the elevator 20 from the next to the next. It may be predictable.
  • the slip amount prediction device 101 provides slip amount information indicating the slip amount of the rope 23 for moving the car 24, which is measured during the test operation in the inspection work performed on the elevator 20.
  • the slip amount acquisition unit 110 to be acquired and the slip amount information in the elevator 20 acquired by the slip amount acquisition unit 110 Based on the slip amount acquisition unit 110 to be acquired and the slip amount information in the elevator 20 acquired by the slip amount acquisition unit 110, the characteristics of the slip amount in the elevator 20 are classified into one cluster from a plurality of predetermined clusters.
  • the predicted slip amount is predicted based on the clustering unit 150 that outputs the cluster information indicating the classified clusters, the cluster information output by the clustering unit 150, and the slip amount information in the elevator 20 acquired by the slip amount acquisition unit 110.
  • the slip amount prediction unit 161 that outputs the predicted slip amount information indicating the predicted slip amount is provided, and the slip amount prediction unit 161 is provided with the predicted slip amount information indicating the predicted slip amount predicted by the slip amount prediction unit 161. Based on the past slip amount information, the slip amount at the time of the test operation in the next inspection work to be performed on the elevator 20 is predicted. With this configuration, the slip amount of the brake 22 during the test operation in the inspection work performed after a longer period of time can be predicted in advance.
  • Embodiment 2 The slip amount prediction device 102 according to the second embodiment will be described with reference to FIGS. 9 to 10. A configuration of a main part of the slip amount prediction device 102 according to the second embodiment and the slip amount prediction system 12 to which the slip amount prediction device 102 is applied will be described with reference to FIG.
  • FIG. 9 is a block diagram showing an example of the configuration of a main part of the slip amount prediction system 12 to which the slip amount prediction device 102 according to the second embodiment is applied.
  • the slip amount prediction device 100 predicts the predicted slip amount by using the learned cluster model information and the regression model information.
  • the slip amount prediction device 102 has learned cluster model information or regression based on the slip amount at the time of the test operation in the inspection work performed on the elevator 20 acquired by the slip amount acquisition unit 110.
  • the model information is updated, and the predicted slip amount can be predicted by using the updated cluster model information or regression model information instead of the learned cluster model information or regression model information.
  • the slip amount prediction device 102 has a model update unit 180 and a model output unit 185 added as compared with the slip amount prediction device 100.
  • the same components as those of the slip amount prediction device 100 are designated by the same reference numerals, and duplicate description will be omitted.
  • the slip amount prediction system 12 includes an elevator 20, a control device 30, a storage device 40, an output device 50, and a slip amount prediction device 102.
  • the slip amount prediction device 102 includes a slip amount acquisition unit 110, a slip amount output unit 120, an accumulated slip amount acquisition unit 130, a model acquisition unit 140, a clustering unit 150, a slip amount prediction unit 160, a work determination unit 170, and a model update unit 180. , A model output unit 185, and an output control unit 190.
  • the functions of the unit 170, the model update unit 180, the model output unit 185, and the output control unit 190 are realized by the processor 201 and the memory 202 in the hardware configuration shown in FIGS. 2A and 2B in the first embodiment. It may be one, or it may be realized by the processing circuit 203.
  • the model update unit 180 updates the cluster model information or the regression model information acquired by the model acquisition unit 140 based on the slip amount information acquired by the slip amount acquisition unit 110. Specifically, for example, the model update unit 180 updates the cluster model information used when the clustering unit 150 executes the process. More specifically, for example, the model update unit 180 uses the cluster model information acquired by the model acquisition unit 140 as input information such as the frequency and amplitude of the slip amount in the elevator 20 calculated by the clustering unit 150. , The cluster model information acquired by the model acquisition unit 140 is updated by adding learning data and performing re-learning.
  • the model update unit 180 may update the regression model information used when the slip amount prediction unit 160 executes the process. For example, the model update unit 180 next executes the predicted slip amount predicted by the slip amount prediction unit 160 using the regression model information acquired by the model acquisition unit 140 and the elevator 20 acquired by the slip amount acquisition unit 110.
  • the regression model information acquired by the model acquisition unit 140 is updated by performing regression learning with the slip amount information at the time of the test run in the completed inspection work as input information. Since the learning data in machine learning is added and the re-learning method and the regression learning method are known, the description is omitted.
  • the model output unit 185 outputs the updated cluster model information and regression model information updated by the model update unit 180. More specifically, for example, the model output unit 185 outputs the updated cluster model information and regression model information updated by the model update unit 180 to the storage device 40, and the regression model information stored in the storage device 40. To overwrite.
  • FIG. 10 is a flowchart illustrating an example of processing of the slip amount prediction device 102 according to the second embodiment.
  • the slip amount prediction device 102 repeatedly executes the process of the flowchart every time the slip amount acquisition unit 110 acquires the slip amount information at the time of the test operation performed on the elevator 20.
  • step ST1001 to step ST1004 in FIG. 10 Since each process from step ST1001 to step ST1004 in FIG. 10 is the same as each process from step ST501 to step ST504 in FIG. 5, the description thereof will be omitted. Further, since each process from step ST1006 to step ST1009 in FIG. 10 is the same as each process from step ST505 to step ST508 in FIG. 5, detailed description thereof will be omitted.
  • step ST1005 the model update unit 180 updates the cluster model information or the regression model information acquired by the model acquisition unit 140 based on the slip amount information acquired by the slip amount acquisition unit 110. ..
  • step ST1006 the clustering unit 150 uses the updated cluster model information updated by the model update unit 180, and based on the current slip amount information and the past slip amount information, the characteristics of the slip amount in the elevator 20. Is classified into one cluster from a plurality of predetermined clusters, and cluster information indicating the classified cluster is output.
  • step ST1007 the slip amount prediction unit 160 uses the updated regression model information updated by the model update unit 180, and the cluster information output by the clustering unit 150, the current slip amount information, and the past slip amount.
  • the predicted slip amount is predicted based on the information, and the predicted slip amount information indicating the predicted slip amount is output.
  • step ST1008 the work determination unit 170 next performs inspection work on the elevator 20 based on the predicted slip amount information indicating the predicted slip amount in the elevator 20 predicted by the slip amount prediction unit 160. Determines whether or not it is necessary to carry out brake maintenance work.
  • step ST1009 the output control unit 190 indicates whether or not it is necessary to perform the brake maintenance work in the next inspection work to be performed on the elevator 20 determined by the work determination unit 170. Output control is performed to output the necessity information to the output device 50.
  • step ST1010 the model output unit 185 outputs the updated cluster model information or regression model information updated by the model update unit 180 to the storage device 40, and the cluster model stored in the storage device 40. Overwrite information or regression model information.
  • the slip amount prediction device 102 After executing the process of step ST1010, the slip amount prediction device 102 ends the process of the flowchart, returns to the process of step ST1001, and the slip amount acquisition unit 110 executes the process of the flowchart on the elevator 20. It is repeatedly executed every time the slip amount information indicating the slip amount measured during the test operation in the performed inspection work is acquired.
  • the slip amount predicting device 102 provides the slip amount information indicating the slip amount of the rope 23 for moving the car 24, which is measured during the test operation in the inspection work performed on the elevator 20. Based on the slip amount acquisition unit 110 to be acquired and the slip amount information in the elevator 20 acquired by the slip amount acquisition unit 110, the characteristics of the slip amount in the elevator 20 are classified into one cluster from a plurality of predetermined clusters. , The predicted slip amount is predicted based on the clustering unit 150 that outputs the cluster information indicating the classified clusters, the cluster information output by the clustering unit 150, and the slip amount information in the elevator 20 acquired by the slip amount acquisition unit 110.
  • Slip amount prediction unit 160 that outputs predicted slip amount information indicating the predicted slip amount, and model acquisition that acquires cluster model information or regression model information used by the clustering unit 150 or the slip amount prediction unit 160 when executing processing.
  • a model update unit 180 that updates the cluster model information or the regression model information acquired by the model acquisition unit 140 based on the slip amount information acquired by the slip amount acquisition unit 110 is provided. With this configuration, it is possible to improve the accuracy of predicting the slip amount of the brake 22 during the test operation in the inspection work to be performed in the future.
  • the present invention is free combination of the above-described embodiments, modification of any component of each of the above-described embodiments, or any component in each embodiment. Can be omitted.
  • the slip amount prediction device can be applied to a slip amount prediction system.

Abstract

すべり量予測装置（１００，１０１，１０２）は、昇降機（２０）に対して実施された点検作業における試験運転の際に計測された、かご（２４）を移動させるためのロープ（２３）のすべり量を示すすべり量情報を取得するすべり量取得部（１１０）と、すべり量取得部（１１０）が取得した昇降機（２０）におけるすべり量情報に基づいて、昇降機（２０）におけるすべり量の特性を、予め決められた複数のクラスタから１つのクラスタに分類し、分類したクラスタを示すクラスタ情報を出力するクラスタリング部（１５０）と、クラスタリング部（１５０）が出力したクラスタ情報と、すべり量取得部（１１０）が取得した昇降機（２０）におけるすべり量情報とに基づいて、昇降機（２０）に対して次に実施される点検作業における試験運転の際のすべり量を予測し、予測したすべり量を示す予測すべり量情報を出力するすべり量予測部（１６０，１６１）と、を備えた。

Description

すべり量予測装置及びすべり量予測方法
　この発明は、すべり量予測装置及びすべり量予測方法に関するものである。
　モータを制御することによりロープの巻き上げ制御を行い、ロープに固定されたかごを昇降路内において摺動させる昇降機がある。
　例えば、特許文献１には、回転電機で回転駆動され外周面にかご昇降用ロープを巻きつけたシーブと、このシーブの両側面に固定され少なくとも外周縁部をシーブの外周面より外方向に延在させた一対のブレーキディスクと、この一対のブレーキディスクの間に位置して配設されブレーキディスクの内側面に圧接される一対のブレーキシューを有する制動部とを備えた昇降機が開示されている。
　かごは、目標とする理想的な停止位置に対して、所定の範囲内に停止することが求められる。昇降機は、作業者により所定の期間間隔毎に実施される点検作業において試験運転が実施される。作業者は、点検作業における試験運転の際のブレーキのすべり量が所定の範囲内であるか否かを確認し、ブレーキのすべり量が所定の範囲内でない場合、ブレーキに対して、ブレーキディスクの交換、又はブレーキ圧の調整等の付加的な保守作業を実施する。
特許第４４７５０１７号
　しかしながら、従来の点検作業では、作業者は、点検作業時に試験運転を実施するまで、ブレーキに対して、ブレーキディスクの交換、又はブレーキ圧の調整等の付加的な保守作業を実施する必要があるか否かが分からず、事前に点検作業における作業時間を見積もることが困難であるという問題点があった。
　この発明は、上述の問題点を解決するためのもので、今後実施する点検作業における試験運転の際のブレーキのすべり量を事前に予測できるすべり量予測装置を提供することを目的としている。
　この発明に係るすべり量予測装置は、昇降機に対して実施された点検作業における試験運転の際に計測された、かごを移動させるためのロープのすべり量を示すすべり量情報を取得するすべり量取得部と、すべり量取得部が取得した昇降機におけるすべり量情報に基づいて、当該昇降機におけるすべり量の特性を、予め決められた複数のクラスタから１つのクラスタに分類し、分類したクラスタを示すクラスタ情報を出力するクラスタリング部と、クラスタリング部が出力したクラスタ情報と、すべり量取得部が取得した当該昇降機におけるすべり量情報とに基づいて、当該昇降機に対して次に実施される点検作業における試験運転の際のすべり量を予測し、予測したすべり量を示す予測すべり量情報を出力するすべり量予測部と、を備えた。
　この発明によれば、今後実施する点検作業における試験運転の際のブレーキのすべり量を事前に予測できる。
図１は、実施の形態１に係るすべり量予測装置が適用されたすべり量予測システムの要部の構成の一例を示すブロック図である。 図２Ａ及び図２Ｂは、実施の形態１に係るすべり量予測装置の要部のハードウェア構成の一例を示す図である。 図３は、実施の形態１に係るすべり量予測装置におけるクラスタリング部が分類するクラスタの一例を示す図である。 図４は、実施の形態１に係るすべり量予測装置におけるすべり量予測部が予測するすべり量の一例を示す図である。 図５は、実施の形態１に係るすべり量予測装置の処理の一例を説明するフローチャートである。 図６は、実施の形態１の変形例に係るすべり量予測装置が適用されたすべり量予測システムの要部の構成の一例を示すブロック図である。 図７は、実施の形態１の変形例に係るすべり量予測装置におけるすべり量予測部が予測するすべり量の一例を示す図である。 図８は、実施の形態１の変形例に係るすべり量予測装置の処理の一例を説明するフローチャートである。 図９は、実施の形態２に係るすべり量予測装置が適用されたすべり量予測システムの要部の構成の一例を示すブロック図である。 図１０は、実施の形態２に係るすべり量予測装置の処理の一例を説明するフローチャートである。
　以下、この発明の実施の形態について、図面を参照しながら詳細に説明する。
実施の形態１．
　図１から図５までを参照して実施の形態１に係るすべり量予測装置１００について説明する。
　図１を参照して実施の形態１に係るすべり量予測装置１００、及びすべり量予測装置１００が適用されたすべり量予測システム１０の要部の構成について説明する。
　図１は、実施の形態１に係るすべり量予測装置１００が適用されたすべり量予測システム１０の要部の構成の一例を示すブロック図である。
　すべり量予測システム１０は、昇降機２０、制御装置３０、記憶装置４０、出力装置５０、及びすべり量予測装置１００を備える。
　昇降機２０は、ロープ式の昇降機である。
　昇降機２０は、モータ２１、ブレーキ２２、ロープ２３、かご２４、昇降路２５、及びモータセンサ２６を備える。
　モータ２１、ブレーキ２２、ロープ２３、かご２４、及び昇降路２５は、従来のロープ式の昇降機が備えるものと同様であるため、説明を割愛する。
　モータセンサ２６は、モータ２１及びブレーキ２２の動作により、ロープ２３を減速させ始めてから、ロープ２３が停止するまでの期間に、モータ２１が回転した回転量を検知するためのセンサである。より具体的には、例えば、モータセンサ２６は、アブソリュートエンコーダ又はインクリメンタルエンコーダ等のモータ２１の回転速度又は回転量を検知するためのセンサである。モータセンサ２６は、ロープ２３を減速させ始めてから、ロープ２３が停止するまでの期間におけるモータ２１の回転量をセンサ情報として出力する。
　制御装置３０は、昇降機２０を制御するためのものである。
　より具体的には、例えば、制御装置３０は、ユーザからの操作入力、又は、作業者からの試験運転を実施するための操作入力等に従って、昇降機２０のモータ２１及びブレーキ２２を制御することにより、ロープ２３の巻き上げ制御を行い、かご２４を昇降路２５内において摺動及び停止させるためのものである。
　制御装置３０は、モータセンサ２６が出力したセンサ情報を取得する。制御装置３０は、センサ情報が示す、ロープ２３が減速を始めてから停止するまでの期間におけるモータ２１の回転量に基づいて、ロープ２３を減速させ始めてからモータ２１が停止するまでの期間におけるロープ２３の移動量を算出する。制御装置３０は、算出した当該期間におけるロープ２３の移動量をブレーキ２２のすべり量として、当該すべり量を示すすべり量情報を出力する。
　より具体的には、例えば、制御装置３０は、試験運転におけるすべり量情報を、ＬＡＮ（Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）、若しくはインターネット等に代表される有線ネットワーク、又は、無線ＬＡＮ若しくはＬＴＥ（Ｌｏｎｇ　Ｔｅｒｍ　Ｅｖｏｌｕｔｉｏｎ、登録商標）等の無線ネットワーク等の通信ネットワークを介して、すべり量予測装置１００に出力する。制御装置３０は、すべり量情報を記憶装置４０に記憶させるように出力しても良い。また、制御装置３０は、例えば、ＳＤメモリカード等の可搬型の記憶媒体に記憶させるように出力しても良い。
　記憶装置４０は、すべり量予測装置１００が用いる学習済みモデルを示すモデル情報を記憶するものである。記憶装置４０は、過去何回かの点検作業において、それぞれ１回以上の試験運転の行うことで得られた複数のすべり量情報を記憶するように構成しても良い。
　以下、記憶装置４０は、点検作業時の試験運転において制御装置３０が出力した複数のすべり量情報を、すべり量予測装置１００を介して取得し、記憶するものとして説明する。
　すべり量予測装置１００は、すべり量情報及びモデル情報に基づいて、昇降機２０に対して次に実施される点検作業における試験運転の際のすべり量（以下「予測すべり量」という。）を予測し、予測すべり量を示す予測すべり量情報、又は、昇降機２０に対して次に実施される点検作業において、ブレーキ２２に対する付加的な保守作業（以下「ブレーキ保守作業」という。）を実施する必要があるか否かを示す作業要否情報を出力するものである。
　以下、特に断りのない限り、「昇降機２０」は、すべり量予測装置１００が、予測すべり量を予測する対象となる昇降機２０を指すものとして説明する。
　すべり量予測装置１００の詳細については後述する。
　出力装置５０は、すべり量予測装置１００から出力された予測すべり量情報又は作業要否情報をユーザに知らしめるための、例えば、ディスプレイ等の表示出力装置、又はスピーカ若しくはブザー等の音声出力装置である。出力装置５０は、表示出力装置又は音声出力装置等に限らず、ＬＥＤ若しくはランプ等の照明装置、又は、振動を発生させる振動装置等であっても良い。
　すべり量予測装置１００の要部の構成について説明する。
　すべり量予測装置１００は、すべり量取得部１１０、すべり量出力部１２０、蓄積すべり量取得部１３０、モデル取得部１４０、クラスタリング部１５０、すべり量予測部１６０、作業判定部１７０、及び出力制御部１９０を備える。
　すべり量取得部１１０は、昇降機２０に対して実施された点検作業における試験運転の際に計測された、かご２４を移動させるためのロープ２３のすべり量を示すすべり量情報を取得する。具体的には、すべり量取得部１１０は、制御装置３０が出力したすべり量情報を取得する。より具体的には、例えば、すべり量取得部１１０は、上述の通信ネットワークを介して制御装置３０が出力したすべり量情報を取得する。すべり量取得部１１０は、制御装置３０がすべり量情報を記憶させた上述の記憶媒体又は記憶装置４０から、すべり量情報を読み出すことにより、すべり量情報を取得しても良い。
　以下、すべり量取得部１１０は、上述の通信ネットワークを介して制御装置３０が出力したすべり量情報を取得するものとして説明する。
　すべり量出力部１２０は、例えば、すべり量取得部１１０が取得したすべり量情報を記憶装置４０に出力して、記憶装置４０に記憶させる。より具体的には、例えば、すべり量出力部１２０は、すべり量情報を、昇降機２０の識別情報及び試験運転を実施した時刻を示す情報と対応付けて記憶装置４０に記憶させる。
　蓄積すべり量取得部１３０は、例えば、昇降機２０に対して過去に実施された複数回の点検作業における試験運転の際に計測されたすべり量情報（以下「過去すべり量情報」という。）を記憶装置４０から取得する。
　具体的には、例えば、蓄積すべり量取得部１３０は、記憶装置４０に記憶された過去すべり量情報のうち、所定個数のすべり量情報を取得する。より具体的には、例えば、蓄積すべり量取得部１３０が取得する所定個数のすべり量情報は、昇降機２０に対して過去に実施された、直近の所定の複数回の点検作業における試験運転の際に計測されたすべり量情報である。点検作業における試験運転が１カ月毎に実際される場合、蓄積すべり量取得部１３０は、例えば、１年前に実施された点検作業における試験運転から、１カ月前に実施された点検作業における試験運転までに計測された１２個のすべり量情報を取得する。
　蓄積すべり量取得部１３０は、所定個数のすべり量情報を取得するものに限定されるものではなく、例えば、直近１年間等の所定期間に実施された点検作業における試験運転の際に計測されたすべり量情報を取得するものであっても良い。
　なお、所定個数は、１２個に限定されるものではなく、後述のクラスタリング部１５０における処理が可能であれば、１２個未満であっても、１３個以上であっても良い。
　また、所定期間は、直近１年間に限定されるものではなく、後述のクラスタリング部１５０における処理が可能であれば、１年間未満であっても、１年間を超える期間であっても良い。
　更に、すべり量取得部１１０が、すべり量取得部１１０が取得したすべり量情報を昇降機２０の識別情報及び試験運転を実施した時刻を示す情報と対応付けて、複数保持するように構成した場合、すべり量予測装置１００において、すべり量出力部１２０及び蓄積すべり量取得部１３０は、必須の構成ではない。
　以下、すべり量予測装置１００は、すべり量出力部１２０及び蓄積すべり量取得部１３０を備えるものとして説明する。
　モデル取得部１４０は、クラスタリング部１５０及びすべり量予測部１６０が所定の処理を実行する際に用いるモデル情報を取得する。より具体的には、例えば、モデル取得部１４０は、モデル情報を記憶装置４０から取得する。
　モデル取得部１４０が取得するモデル情報は、クラスタリング部１５０が用いるクラスタモデル情報及びすべり量予測部１６０が用いる回帰モデル情報の少なくとも２つの情報を含むものである。
　すなわち、モデル取得部１４０は、クラスタモデル情報と回帰モデル情報とを取得するものである。
　なお、以下、特に断りのない限り、クラスタモデル情報は、モデル情報に含まれるクラスタモデル情報であり、また、回帰モデル情報は、モデル情報に含まれる回帰モデル情報であるものとして説明する。
　また、モデル取得部１４０は、クラスタモデル情報を取得するクラスタモデル取得部（不図示）と、回帰モデル情報を取得する回帰モデル取得部（不図示）とにより構成させるものであっても良い。
　クラスタリング部１５０は、すべり量取得部１１０が取得した昇降機２０におけるすべり量情報に基づいて、昇降機２０におけるすべり量の特性を、予め決められた複数のクラスタから１つのクラスタに分類し、分類したクラスタを示すクラスタ情報を出力する。クラスタリング部１５０は、例えば、モデル取得部１４０が取得したクラスタモデル情報を用いて、昇降機２０におけるすべり量の特性をいずれか１つのクラスタに分類する。
　クラスタリング部１５０の詳細については後述する。
　すべり量予測部１６０は、クラスタリング部１５０が出力したクラスタ情報と、すべり量取得部１１０が取得した昇降機２０におけるすべり量情報とに基づいて、予測すべり量を予測し、予測すべり量を示す予測すべり量情報を出力する。すべり量予測部１６０は、例えば、モデル取得部１４０が取得した回帰モデル情報を用いて、クラスタ情報とすべり量情報とに基づいて、予測すべり量を予測する。
　すべり量予測部１６０の詳細については後述する。
　作業判定部１７０は、すべり量予測部１６０が予測した予測すべり量を示す予測すべり量情報に基づいて、昇降機２０に対して次に実施される点検作業において、ブレーキ保守作業を実施する必要があるか否かを判定する。
　作業判定部１７０の詳細については後述する。
　出力制御部１９０は、すべり量予測部１６０が予測した予測すべり量を示す予測すべり情報、又は、作業判定部１７０が判定した昇降機２０に対して次に実施される点検作業において、ブレーキ保守作業を実施する必要があるか否かを示す作業要否情報を、出力装置５０に出力させるための出力制御を行うものである。
　図２Ａ及び図２Ｂを参照して、実施の形態１に係るすべり量予測装置１００の要部のハードウェア構成について説明する。
　図２Ａ及び図２Ｂは、実施の形態１に係るすべり量予測装置１００の要部のハードウェア構成の一例を示す図である。
　図２Ａに示す如く、すべり量予測装置１００はコンピュータにより構成されており、当該コンピュータはプロセッサ２０１及びメモリ２０２を有している。メモリ２０２には、当該コンピュータを、すべり量取得部１１０、すべり量出力部１２０、蓄積すべり量取得部１３０、モデル取得部１４０、クラスタリング部１５０、すべり量予測部１６０、作業判定部１７０、及び出力制御部１９０として機能させるためのプログラムが記憶されている。メモリ２０２に記憶されているプログラムをプロセッサ２０１が読み出して実行することにより、すべり量取得部１１０、すべり量出力部１２０、蓄積すべり量取得部１３０、モデル取得部１４０、クラスタリング部１５０、すべり量予測部１６０、作業判定部１７０、及び出力制御部１９０が実現される。
　また、図２Ｂに示す如く、すべり量予測装置１００は処理回路２０３により構成されても良い。この場合、すべり量取得部１１０、すべり量出力部１２０、蓄積すべり量取得部１３０、モデル取得部１４０、クラスタリング部１５０、すべり量予測部１６０、作業判定部１７０、及び出力制御部１９０の機能が処理回路２０３により実現されても良い。
　また、すべり量予測装置１００はプロセッサ２０１、メモリ２０２及び処理回路２０３により構成されても良い（不図示）。この場合、すべり量取得部１１０、すべり量出力部１２０、蓄積すべり量取得部１３０、モデル取得部１４０、クラスタリング部１５０、すべり量予測部１６０、作業判定部１７０、及び出力制御部１９０の機能のうちの一部の機能がプロセッサ２０１及びメモリ２０２により実現されて、残余の機能が処理回路２０３により実現されるものであっても良い。
　プロセッサ２０１は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）、マイクロプロセッサ、マイクロコントローラ又はＤＳＰ（Ｄｉｇｉｔａｌ　Ｓｉｇｎａｌ　Ｐｒｏｃｅｓｓｏｒ）を用いたものである。
　メモリ２０２は、例えば、半導体メモリ又は磁気ディスクを用いたものである。より具体的には、メモリ２０２は、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、フラッシュメモリ、ＥＰＲＯＭ（Ｅｒａｓａｂｌｅ　Ｐｒｏｇｒａｍｍａｂｌｅ　Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ　Ｅｒａｓａｂｌｅ　Ｐｒｏｇｒａｍｍａｂｌｅ　Ｒｅａｄ－Ｏｎｌｙ　Ｍｅｍｏｒｙ）、ＳＳＤ（Ｓｏｌｉｄ　Ｓｔａｔｅ　Ｄｒｉｖｅ）又はＨＤＤ（Ｈａｒｄ　Ｄｉｓｋ　Ｄｒｉｖｅ）などを用いたものである。
　処理回路２０３は、例えば、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ　Ｓｐｅｃｉｆｉｃ　Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔ）、ＰＬＤ（Ｐｒｏｇｒａｍｍａｂｌｅ　Ｌｏｇｉｃ　Ｄｅｖｉｃｅ）、ＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ　Ｇａｔｅ　Ａｒｒａｙ）、ＳｏＣ（Ｓｙｓｔｅｍ－ｏｎ－ａ－Ｃｈｉｐ）又はシステムＬＳＩ（Ｌａｒｇｅ－Ｓｃａｌｅ　Ｉｎｔｅｇｒａｔｉｏｎ）を用いたものである。
　図３を参照して、実施の形態１に係るすべり量予測装置１００におけるクラスタリング部１５０について説明する。
　上述のとおり、クラスタリング部１５０は、すべり量取得部１１０が取得した昇降機２０におけるすべり量情報に基づいて、昇降機２０におけるすべり量の特性を、予め決められた複数のクラスタから１つのクラスタに分類し、分類したクラスタを示すクラスタ情報を出力するものである。
　具体的には、例えば、クラスタリング部１５０は、すべり量取得部１１０が取得した昇降機２に対して今回実施された点検作業における試験運転の際に計測されたすべり量を示すすべり量情報（以下「今回すべり量情報」という。）、及び蓄積すべり量取得部１３０が取得した過去すべり量情報に基づいて、昇降機２０におけるすべり量の周波数を算出し、算出した周波数に基づいて、昇降機２０におけるすべり量の特性をクラスタに分類する。昇降機２０におけるすべり量の周波数は、今回すべり量情報及び過去すべり量情報が示すすべり量の時間変化を、波形を示す関数（以下「波形関数」という。）に近似することより得た、昇降機２０におけるすべり量の周波数である。
　クラスタリング部１５０は、例えば、今回すべり量情報及び過去すべり量情報に基づいて、昇降機２０におけるすべり量の振幅を算出し、算出した振幅に基づいて、昇降機２０におけるすべり量の特性をクラスタに分類しても良い。昇降機２０におけるすべり量の振幅は、今回すべり量情報及び過去すべり量情報が示すすべり量の時間変化を、波形関数に近似することより得た、昇降機２０におけるすべり量の振幅の大きさである。
　図３は、実施の形態１に係るすべり量予測装置１００におけるクラスタリング部１５０が分類するクラスタの一例を示す図である。
　図３は、一例として、クラスタリング部１５０が、昇降機２０におけるすべり量の周波数、及び当該すべり量の振幅の大きさに基づいて、昇降機２０におけるすべり量の特性をクラスタに分類する例を示すものである。
　図３において、×印は、過去に様々な昇降機に対して実施された点検作業における試験運転の際に計測されたすべり量に基づいて得られた、様々な昇降機におけるすべり量の周波数及び振幅の大きさの一例を示すものである。
　図３において、４つの円における各円は、例えば、各×印が示す様々な昇降機におけるすべり量の周波数及び振幅の大きさを示す情報を入力情報として、機械学習の１手法である教師なし学習を実施することにより得たクラスタモデル情報におけるクラスタＣ１，Ｃ２，Ｃ３，Ｃ４の一例を示している。より具体的には、例えば、クラスタＣ１は、様々な昇降機におけるすべり量の周波数の大きさ及び振幅の大きさがいずれも大きいクラスタである。クラスタＣ２，Ｃ３，Ｃ４についての説明は、自明であるため割愛する。
　また、クラスタリング処理におけるクラスタモデル情報の機械学習方法については、公知であるため説明を割愛する。
　図３において、◎印は、すべり量予測装置１００が予測すべり量を予測する対象となる昇降機２０におけるすべり量の周波数及び振幅の大きさの一例を示すものである。
　クラスタリング部１５０は、例えば、◎印が示す昇降機２０におけるすべり量の周波数及び振幅の大きさと、クラスタモデル情報における各クラスタＣ１，Ｃ２，Ｃ３，Ｃ４の中心が示す周波数及び振幅の大きさとを比較する。クラスタリング部１５０は、クラスタモデル情報における各クラスタＣ１，Ｃ２，Ｃ３，Ｃ４の中心が示す周波数及び振幅の大きさのうち、◎印が示す昇降機２０におけるすべり量の周波数及び振幅の大きさと最も近い周波数及び振幅の大きさを示す中心を有するクラスタを選択する。クラスタリング部１５０は、選択したクラスタを、すべり量を予測する対象となる昇降機２０におけるすべり量の特性を分類すべきクラスタであると特定し、当該クラスタを示すクラスタ情報を出力する。
　例えば、図３において、クラスタリング部１５０は、すべり量を予測する対象となる昇降機２０におけるすべり量の特性を分類すべきクラスタは、クラスタＣ１であると特定し、クラスタＣ１を示すクラスタ情報を出力する。
　図３は、一例として、クラスタリング部１５０が、昇降機２０におけるすべり量の周波数、及び振幅の大きさに基づいて、すべり量予測装置１００が予測すべり量を予測する対象となる昇降機２０におけるすべり量の特性をクラスタに分類する例を示したが、昇降機２０におけるすべり量の特性をクラスタに分類する方法は、上述の例に限るものではない。例えば、クラスタリング部１５０は、今回すべり量情報及び過去すべり量情報と、各点検作業における試験運転の際の環境温度を示す温度情報とに基づいて、昇降機２０におけるすべり量の特性をクラスタに分類しても良い。
　図４を参照して、実施の形態１に係るすべり量予測装置１００におけるすべり量予測部１６０及び作業判定部１７０について説明する。
　上述のとおり、すべり量予測部１６０は、クラスタリング部１５０が出力したクラスタ情報と、すべり量取得部１１０が取得した昇降機２０におけるすべり量情報とに基づいて、予測すべり量を予測し、予測すべり量を示す予測すべり量情報を出力するものである。
　具体的には、例えば、すべり量予測部１６０は、クラスタリング部１５０が出力したクラスタ情報と、すべり量取得部１１０が取得した昇降機２０におけるすべり量情報とに基づいて、クラスタ毎にそれぞれ異なるモデルを用いて予測すべり量を予測する。
　より具体的には、例えば、すべり量予測部１６０は、クラスタリング部１５０が出力したクラスタ情報と、今回すべり量情報及び過去すべり量情報と基づいて、クラスタ毎にそれぞれ異なるモデルを用いて予測すべり量を予測する。
　図４は、実施の形態１に係るすべり量予測装置１００におけるすべり量予測部１６０が予測するすべり量の一例を示す図である。
　図４において、横軸は、時間軸を示し、縦軸は、昇降機２０におけるすべり量の大きさを示している。
　図４において、×印は、今回すべり量情報及び過去すべり量情報が示す各すべり量の大きさと、試験運転を実施した時刻とを対応付けて示した一例である。
　図４において、曲線Ｓは、すべり量予測部１６０が、クラスタリング部１５０が出力したクラスタ情報と、今回すべり量情報及び過去すべり量情報とに基づいて、モデル取得部１４０が取得した回帰モデル情報を用いて決定した波形関数の一例を示したものである。
　具体的には、例えば、クラスタリング部１５０が、昇降機２０におけるすべり量情報の周波数及び振幅の大きさに基づいてクラスタを分類するものである場合、すべり量予測部１６０は、回帰モデル情報を用いて、クラスタ情報における周波数及び振幅の大きさから得られる波形関数における傾きを決定する。より具体的には、例えば、すべり量予測部１６０は、回帰モデル情報を用いて、図４における×印又は×印の近傍をクラスタ情報における周波数及び振幅の大きさから得られる波形関数が通るように、波形関数の傾きを決定し、曲線Ｓを特定する。回帰モデル情報は、例えば、波形関数の傾き、又は、×印と波形関数との距離を決定するためのパラメータを含むものである。
　図４において、◎印は、すべり量予測部１６０が予測した、予測すべり量の大きさの一例を示したものである。
　すべり量予測部１６０は、例えば、決定した波形関数に基づいて、予測すべり量の大きさを予測する。より具体的には、例えば、すべり量予測部１６０は、特定した曲線Ｓに基づいて、予測すべり量の大きさを予測する。
　図４は、すべり量予測部１６０が、すべり量取得部１１０又は蓄積すべり量取得部１３０が取得した１３個のすべり量情報に基づいて、曲線Ｓを特定し、特定した曲線Ｓに基づいて、予測すべり量の大きさを予測する例を示すものである。
　図４において、直線Ｌは、作業判定部１７０が、昇降機２０に対して次に実施される点検作業において、ブレーキ保守作業を実施する必要があるか否かを判定する際に用いるすべり量閾値の一例を示すものである。すべり量閾値は、例えば、回帰モデル情報において、クラスタリング部１５０が分類するクラスタ毎に予め定められている。
　作業判定部１７０は、上述のとおり、すべり量予測部１６０が予測した予測すべり量を示す予測すべり量情報に基づいて、昇降機２０に対して次に実施される点検作業において、ブレーキ保守作業を実施する必要があるか否かを判定するものである。
　具体的には、例えば、作業判定部１７０は、すべり量予測部１６０が予測した予測すべり量と、回帰モデル情報により与えられるクラスタ毎のすべり量閾値と、クラスタリング部１５０が出力したクラスタ情報とに基づいて、昇降機２０に対して次に実施される点検作業において、ブレーキ保守作業を実施する必要があるか否かを判定する。
　より具体的には、例えば、作業判定部１７０は、すべり量予測部１６０が予測した予測すべり量がすべり量閾値より大きい場合、昇降機２０に対して次に実施される点検作業において、ブレーキ保守作業を実施する必要があると判定する。また、作業判定部１７０は、すべり量予測部１６０が予測した予測すべり量がすべり量閾値以下である場合、昇降機２０に対して次に実施される点検作業において、ブレーキ保守作業を実施する必要がないと判定する。
　図５を参照して、実施の形態１に係るすべり量予測装置１００の動作について説明する。
　図５は、実施の形態１に係るすべり量予測装置１００の処理の一例を説明するフローチャートである。
　すべり量予測装置１００は、例えば、当該フローチャートの処理を、すべり量取得部１１０が、昇降機２０に対して実施された点検作業における試験運転の際に計測されたすべり量を示すすべり量情報を取得する毎に繰り返して実行する。
　まず、ステップＳＴ５０１にて、すべり量取得部１１０は、今回すべり量情報を取得する。
　次に、ステップＳＴ５０２にて、すべり量出力部１２０は、すべり量取得部１１０が取得した今回すべり量情報を記憶装置４０に出力して、記憶装置４０に記憶させる。
　次に、ステップＳＴ５０３にて、蓄積すべり量取得部１３０は、過去すべり量情報を記憶装置４０から取得する。
　次に、ステップＳＴ５０４にて、モデル取得部１４０は、クラスタモデル情報と回帰モデル情報とを含むモデル情報を取得する。
　次に、ステップＳＴ５０５にて、クラスタリング部１５０は、今回すべり量情報及び過去すべり量情報に基づいて、昇降機２０におけるすべり量の特性を、予め決められた複数のクラスタから１つのクラスタに分類し、分類したクラスタを示すクラスタ情報を出力する。
　次に、ステップＳＴ５０６にて、すべり量予測部１６０は、クラスタリング部１５０が出力したクラスタ情報と、今回すべり量情報及び過去すべり量情報とに基づいて、クラスタ毎にそれぞれ異なるモデルを用いて予測すべり量を予測し、予測すべり量を示す予測すべり量情報を出力する。
　次に、ステップＳＴ５０７にて、作業判定部１７０は、すべり量予測部１６０が予測した予測すべり量を示す予測すべり量情報に基づいて、昇降機２０に対して次に実施される点検作業において、ブレーキ保守作業を実施する必要があるか否かを判定する。
　次に、ステップＳＴ５０８にて、出力制御部１９０は、作業判定部１７０が判定した昇降機２０に対して次に実施される点検作業において、ブレーキ保守作業を実施する必要があるか否かを示す作業要否情報を、出力装置５０に出力させるための出力制御を行う。
　すべり量予測装置１００は、ステップＳＴ５０８の処理を実行した後、当該フローチャートの処理を終了し、ステップＳＴ５０１の処理に戻って、当該フローチャートの処理をすべり量取得部１１０が、昇降機２０に対して実施された点検作業における試験運転の際に計測されたすべり量を示すすべり量情報を取得する毎に繰り返し実行する。
　なお、ステップＳＴ５０８にて、出力制御部１９０は、作業判定部１７０が判定した昇降機２０に対して次に実施される点検作業において、ブレーキ保守作業を実施する必要があるか否かを示す作業要否情報に加えて、すべり量予測部１６０が予測した予測すべり量を示す予測すべり情報を出力装置５０に出力させるための出力制御を行っても良い。
　また、すべり量予測装置１００が作業判定部１７０を備えていない場合、すべり量予測装置１００は、ステップＳＴ５０７の処理を実行せずに、ステップＳＴ５０８にて、作業判定部１７０が判定した昇降機２０に対して次に実施される点検作業において、ブレーキ保守作業を実施する必要があるか否かを示す作業要否情報に替えて、すべり量予測部１６０が予測した予測すべり量を示す予測すべり情報を出力装置５０に出力させるための出力制御を行うようにしても良い。
　以上のように、すべり量予測装置１００は、昇降機２０に対して実施された点検作業における試験運転の際に計測された、かご２４を移動させるためのロープ２３のすべり量を示すすべり量情報を取得するすべり量取得部１１０と、すべり量取得部１１０が取得した昇降機２０におけるすべり量情報に基づいて、昇降機２０におけるすべり量の特性を、予め決められた複数のクラスタから１つのクラスタに分類し、分類したクラスタを示すクラスタ情報を出力するクラスタリング部１５０と、クラスタリング部１５０が出力したクラスタ情報と、すべり量取得部１１０が取得した昇降機２０におけるすべり量情報とに基づいて、予測すべり量を予測し、予測すべり量を示す予測すべり量情報を出力するすべり量予測部１６０と、を備えた。
　このように構成することで、今後実施する点検作業における試験運転の際のブレーキ２２のすべり量を事前に予測できる。
　また、すべり量予測装置１００は、上述の構成において、すべり量予測部１６０が、クラスタ毎にそれぞれ異なるモデルを用いて予測すべり量を予測するように構成した。
　このように構成することで、今後実施する点検作業における試験運転の際のブレーキ２２のすべり量を事前に予測できる。
　また、すべり量予測装置１００は、上述の構成に加えて、すべり量予測部１６０が予測した昇降機２０における予測すべり量情報に基づいて、昇降機２０に対して次に実施される点検作業において、ブレーキ保守作業を実施する必要があるか否かを判定する作業判定部１７０を備えても良い。
　このように構成することで、今後実施する点検作業において、ブレーキ保守作業を実施する必要があるか否かを判定することが可能となるため、事前に点検作業における作業時間を見積もることができる。
実施の形態１の変形例．
　図６から図８までを参照して実施の形態１の変形例に係るすべり量予測装置１０１について説明する。
　図６を参照して実施の形態１の変形例に係るすべり量予測装置１０１、及びすべり量予測装置１０１が適用されたすべり量予測システム１１の要部の構成について説明する。
　図６は、実施の形態１の変形例に係るすべり量予測装置１０１が適用されたすべり量予測システム１１の要部の構成の一例を示すブロック図である。
　すべり量予測装置１００は、予測すべり量を予測するものであったが、すべり量予測装置１０１は、予測すべり量（以下「第１予測すべり量」という。）に加えて、昇降機２０に対して次の次に実施される点検作業における試験運転の際のすべり量（以下「第２予測すべり量」という。）も予測可能にするものである。
　すべり量予測装置１０１は、すべり量予測装置１００と比較して、すべり量予測装置１００におけるすべり量予測部１６０、作業判定部１７０、及び出力制御部１９０が、すべり量予測部１６１、作業判定部１７１、及び出力制御部１９１にそれぞれ変更されたものである。
　すべり量予測装置１０１の構成において、すべり量予測装置１００と同様の構成については、同じ符号を付して重複した説明を省略する。すなわち、図１に記載した符号と同じ符号を付した図６の構成については、説明を省略する。
　また、すべり量予測装置１０１において、第１予測すべり量を予測するまでの各部の処理は、すべり量予測装置１００における予測すべり量を予測する際の各部の処理と同様であるため、説明を省略する。
　すべり量予測システム１１は、昇降機２０、制御装置３０、記憶装置４０、出力装置５０、及びすべり量予測装置１０１を備える。
　すべり量予測装置１０１は、すべり量取得部１１０、すべり量出力部１２０、蓄積すべり量取得部１３０、モデル取得部１４０、クラスタリング部１５０、すべり量予測部１６１、作業判定部１７１、及び出力制御部１９１を備える。
　なお、実施の形態１の変形例に係るすべり量予測装置１０１におけるすべり量取得部１１０、すべり量出力部１２０、蓄積すべり量取得部１３０、モデル取得部１４０、クラスタリング部１５０、すべり量予測部１６１、作業判定部１７１、及び出力制御部１９１の各機能は、実施の形態１において図２Ａ及び図２Ｂに一例を示したハードウェア構成におけるプロセッサ２０１及びメモリ２０２により実現されるものであっても良く、又は処理回路２０３により実現されるものであっても良い。
　図７を参照して、実施の形態１の変形例に係るすべり量予測装置１０１におけるすべり量予測部１６１について説明する。
　図７は、実施の形態１の変形例に係るすべり量予測装置１０１におけるすべり量予測部１６１が予測するすべり量の一例を示す図である。
　図７において、図４と同様の内容については、詳細な説明を省略する。
　図７において、横軸は、時間軸、縦軸は、昇降機２０におけるすべり量の大きさを示している。
　図７において、×印は、今回すべり量情報及び過去すべり量情報が示すすべり量の大きさと、試験運転を実施した時刻とを対応付けて示した一例である。
　図７において、曲線Ｓは、すべり量予測部１６１が、クラスタリング部１５０が出力したクラスタ情報と、今回すべり量情報及び過去すべり量情報とに基づいて、モデル取得部１４０が取得した回帰モデル情報を用いて決定した波形関数の一例を示したものである。
　図７において、◎印は、すべり量予測部１６１が予測した、第１予測すべり量の大きさの一例を示したものである。
　図７において、●印は、すべり量予測部１６１が予測した、第２予測すべり量の大きさの一例を示したものである。
　図７において、直線Ｌは、作業判定部１７１が、昇降機２０に対して次に実施される点検作業、又は次の次に実施される点検作業において、ブレーキ保守作業を実施する必要があるか否かを判定する際に用いるすべり量閾値の一例を示すものである。
　すべり量予測部１６１は、すべり量予測装置１００におけるすべり量予測部１６０と同様に、クラスタリング部１５０が出力したクラスタ情報と、今回すべり量情報及び過去すべり量情報とに基づいて、第１予測すべり量を予測し、第１予測すべり量を示す第１予測すべり量情報を出力する。
　すべり量予測部１６１は、すべり量予測部１６１が出力した第１予測すべり量情報と、今回すべり量情報及び過去すべり量情報とに基づいて、第２予測すべり量を予測し、第２予測すべり量を示す第２予測すべり量情報を出力する。
　より具体的には、図７に示すとおり、例えば、すべり量予測部１６１が、すべり量取得部１１０又は蓄積すべり量取得部１３０が取得した１３個のすべり量情報に基づいて第１予測すべり量を予測する場合、すべり量予測部１６１は、すべり量取得部１１０又は蓄積すべり量取得部１３０が取得した１２個のすべり量情報と、すべり量予測部１６１が予測した第１予測すべり量を示す第１予測すべり量情報とを合計した１３個のすべり量情報に基づいて、第２予測すべり量を予測する。
　すなわち、すべり量予測部１６１は、すべり量予測部１６１が予測した第１予測すべり量を、次に実施される点検作業における試験運転の際のすべり量の実測値であるものと仮定して、第２予測すべり量を予測する。
　作業判定部１７１は、第１予測すべり量に基づいて、昇降機２０に対して次に実施される点検作業、又は次の次に実施される点検作業において、ブレーキ保守作業を実施する必要があるか否かを判定する。
　出力制御部１９１は、すべり量予測部１６１が予測した第１予測すべり量を示す第１予測すべり量情報、又は第２予測すべり量を示す第２予測すべり量情報と、回帰モデル情報により与えられるクラスタ毎のすべり量閾値と、クラスタリング部１５０が出力したクラスタ情報とに基づいて、昇降機２０に対して次に実施される点検作業、又は次の次に実施される点検作業において、ブレーキ保守作業を実施する必要があるか否かを判定する。
　図８を参照して、実施の形態１の変形例に係るすべり量予測装置１０１の動作について説明する。
　図８は、実施の形態１の変形例に係るすべり量予測装置１０１の処理の一例を説明するフローチャートである。
　すべり量予測装置１０１は、例えば、当該フローチャートの処理を、すべり量取得部１１０が、昇降機２０に対して実施された試験運転時におけるすべり量情報を取得する毎に繰り返して実行する。
　図８におけるステップＳＴ８０１からステップＳＴ８０５までの各処理は、図５におけるステップＳＴ５０１からステップＳＴ５０５までの各処理と同様であるため、説明を省略する。
　ステップＳＴ８０５の処理の後、ステップＳＴ８０６にて、すべり量予測部１６１は、すべり量予測装置１００におけるすべり量予測部１６０と同様に、クラスタリング部１５０が出力したクラスタ情報と、すべり量取得部１１０が取得した昇降機２０におけるすべり量情報とに基づいて、第１予測すべり量を予測し、第１予測すべり量を示す第１予測すべり量情報を出力する。
　次に、ステップＳＴ８０７にて、すべり量予測部１６１は、すべり量予測部１６１が出力した第１予測すべり量情報と、今回すべり量情報及び過去すべり量情報とに基づいて、第２予測すべり量を予測し、第２予測すべり量を示す第２予測すべり量情報を出力する。
　次に、ステップＳＴ８０８にて、作業判定部１７１は、すべり量予測部１６１が予測した第１予測すべり量を示す第１予測すべり量情報、又は第２予測すべり量を示す第２予測すべり量情報に基づいて、昇降機２０に対して次に実施される点検作業、又は次の次に実施される点検作業において、ブレーキ保守作業を実施する必要があるか否かを判定する。
　次に、ステップＳＴ８０９にて、出力制御部１９１は、作業判定部１７１が判定した昇降機２０に対して次に実施される点検作業、又は次の次に実施される点検作業において、ブレーキ保守作業を実施する必要があるか否かを示す作業要否情報を、出力装置５０に出力させるための出力制御を行う。
　すべり量予測装置１０１は、ステップＳＴ８０９の処理を実行した後、当該フローチャートの処理を終了し、ステップＳＴ８０１の処理に戻って、当該フローチャートの処理をすべり量取得部１１０が、昇降機２０に対して実施された点検作業における試験運転の際に計測されたすべり量を示すすべり量情報を取得する毎に繰り返し実行する。
　なお、ステップＳＴ８０９にて、出力制御部１９１は、作業判定部１７１が判定した昇降機２０に対して次に実施される点検作業、又は次の次に実施される点検作業において、ブレーキ保守作業を実施する必要があるか否かを示す作業要否情報に加えて、すべり量予測部１６１が出力した第１予測すべり量情報又は第２予測すべり量情報を出力装置５０に出力させるための出力制御を行っても良い。
　また、すべり量予測装置１０１が作業判定部１７１を備えていない場合、すべり量予測装置１０１は、ステップＳＴ８０８の処理を実行せずに、ステップＳＴ８０９にて、作業判定部１７１が判定した昇降機２０に対して次に実施される点検作業、又は次の次に実施される点検作業において、ブレーキ保守作業を実施する必要があるか否かを示す作業要否情報に替えて、すべり量予測部１６１が出力した第１予測すべり量情報又は第２予測すべり量情報を出力装置５０に出力させるための出力制御を行うようにしても良い。
　また、すべり量予測装置１０１は、ステップＳＴ８０７の処理に相当する処理を繰り返し実行することにより、昇降機２０に対して次の次の次以降に実施される点検作業における試験運転の際のすべり量を予測できるようにしても良い。
　以上のように、すべり量予測装置１０１は、昇降機２０に対して実施された点検作業における試験運転の際に計測された、かご２４を移動させるためのロープ２３のすべり量を示すすべり量情報を取得するすべり量取得部１１０と、すべり量取得部１１０が取得した昇降機２０におけるすべり量情報に基づいて、昇降機２０におけるすべり量の特性を、予め決められた複数のクラスタから１つのクラスタに分類し、分類したクラスタを示すクラスタ情報を出力するクラスタリング部１５０と、クラスタリング部１５０が出力したクラスタ情報と、すべり量取得部１１０が取得した昇降機２０におけるすべり量情報とに基づいて、予測すべり量を予測し、予測すべり量を示す予測すべり量情報を出力するすべり量予測部１６１と、を備え、すべり量予測部１６１は、すべり量予測部１６１が予測した、予測すべり量を示す予測すべり量情報と、過去すべり量情報とに基づいて、昇降機２０に対して次の次に実施される点検作業における試験運転の際のすべり量を予測するように構成した。
　このように構成することで、より長い期間を経過した後に実施する点検作業における試験運転の際のブレーキ２２のすべり量を事前に予測できる。
実施の形態２．
　図９から図１０までを参照して実施の形態２に係るすべり量予測装置１０２について説明する。
　図９を参照して実施の形態２に係るすべり量予測装置１０２、及びすべり量予測装置１０２が適用されたすべり量予測システム１２の要部の構成について説明する。
　図９は、実施の形態２に係るすべり量予測装置１０２が適用されたすべり量予測システム１２の要部の構成の一例を示すブロック図である。
　すべり量予測装置１００は、学習済みのクラスタモデル情報と回帰モデル情報とを用いて、予測すべり量を予測するものであった。これに対して、すべり量予測装置１０２は、すべり量取得部１１０が取得した昇降機２０に対して実施された点検作業における試験運転の際のすべり量に基づいて、学習済みのクラスタモデル情報又は回帰モデル情報を更新し、学習済みのクラスタモデル情報又は回帰モデル情報に替えて、更新したクラスタモデル情報又は回帰モデル情報を用いて、予測すべり量を予測可能にするものである。
　すべり量予測装置１０２は、すべり量予測装置１００と比較して、モデル更新部１８０及びモデル出力部１８５が追加されたものである。
　すべり量予測装置１０２の構成において、すべり量予測装置１００と同様の構成については、同じ符号を付して重複した説明を省略する。すなわち、図１に記載した符号と同じ符号を付した図９の構成については、説明を省略する。
　また、すべり量予測装置１０２において、予測すべり量を予測するまでの各部の処理は、すべり量予測装置１００における予測すべり量を予測する際の各部の処理と同様であるため、説明を省略する。
　すべり量予測システム１２は、昇降機２０、制御装置３０、記憶装置４０、出力装置５０、及びすべり量予測装置１０２を備える。
　すべり量予測装置１０２は、すべり量取得部１１０、すべり量出力部１２０、蓄積すべり量取得部１３０、モデル取得部１４０、クラスタリング部１５０、すべり量予測部１６０、作業判定部１７０、モデル更新部１８０、モデル出力部１８５、及び出力制御部１９０を備える。
　なお、実施の形態２に係るすべり量予測装置１０２におけるすべり量取得部１１０、すべり量出力部１２０、蓄積すべり量取得部１３０、モデル取得部１４０、クラスタリング部１５０、すべり量予測部１６０、作業判定部１７０、モデル更新部１８０、モデル出力部１８５、及び出力制御部１９０の各機能は、実施の形態１において図２Ａ及び図２Ｂに一例を示したハードウェア構成におけるプロセッサ２０１及びメモリ２０２により実現されるものであっても良く、又は処理回路２０３により実現されるものであっても良い。
　モデル更新部１８０は、すべり量取得部１１０が取得したすべり量情報に基づいて、モデル取得部１４０が取得したクラスタモデル情報又は回帰モデル情報を更新する。
　具体的には、例えば、モデル更新部１８０は、クラスタリング部１５０が処理を実行する際に用いるクラスタモデル情報を更新する。
　より具体的には、例えば、モデル更新部１８０は、モデル取得部１４０が取得したクラスタモデル情報を用いてクラスタリング部１５０が算出した昇降機２０におけるすべり量の周波数及び振幅の大きさ等を入力情報として、学習データを追加して、再学習を実施することによりモデル取得部１４０が取得したクラスタモデル情報を更新する。
　また、モデル更新部１８０は、すべり量予測部１６０が処理を実行する際に用いる回帰モデル情報を更新するものであっても良い。
　例えば、モデル更新部１８０は、モデル取得部１４０が取得した回帰モデル情報を用いてすべり量予測部１６０が予測した予測すべり量と、すべり量取得部１１０が取得した昇降機２０に対して次に実施された点検作業における試験運転の際のすべり量情報とを入力情報として、回帰学習を実施することによりモデル取得部１４０が取得した回帰モデル情報を更新する。
　機械学習における学習データを追加して、再学習方法及び回帰学習方法は、公知であるため説明を割愛する。
　モデル出力部１８５は、モデル更新部１８０が更新した更新後のクラスタモデル情報及び回帰モデル情報を出力する。より具体的には、例えば、モデル出力部１８５は、モデル更新部１８０が更新した更新後のクラスタモデル情報及び回帰モデル情報を記憶装置４０に出力して、記憶装置４０に記憶された回帰モデル情報を上書きさせる。
　図１０を参照して、実施の形態２に係るすべり量予測装置１０２の動作について説明する。
　図１０は、実施の形態２に係るすべり量予測装置１０２の処理の一例を説明するフローチャートである。
　すべり量予測装置１０２は、例えば、当該フローチャートの処理を、すべり量取得部１１０が、昇降機２０に対して実施された試験運転時におけるすべり量情報を取得する毎に繰り返して実行する。
　図１０におけるステップＳＴ１００１からステップＳＴ１００４までの各処理は、図５におけるステップＳＴ５０１からステップＳＴ５０４までの各処理と同様であるため、説明を省略する。また、図１０におけるステップＳＴ１００６からステップＳＴ１００９までの各処理は、図５におけるステップＳＴ５０５からステップＳＴ５０８までの各処理と同様であるため、詳細な説明を省略する。
　ステップＳＴ１００４の処理の後、ステップＳＴ１００５にて、モデル更新部１８０は、すべり量取得部１１０が取得したすべり量情報に基づいて、モデル取得部１４０が取得したクラスタモデル情報又は回帰モデル情報を更新する。
　次に、ステップＳＴ１００６にて、クラスタリング部１５０は、モデル更新部１８０が更新した更新後のクラスタモデル情報を用いて、今回すべり量情報及び過去すべり量情報に基づいて、昇降機２０におけるすべり量の特性を、予め決められた複数のクラスタから１つのクラスタに分類し、分類したクラスタを示すクラスタ情報を出力する。
　次に、ステップＳＴ１００７にて、すべり量予測部１６０は、モデル更新部１８０が更新した更新後の回帰モデル情報を用いて、クラスタリング部１５０が出力したクラスタ情報と、今回すべり量情報及び過去すべり量情報とに基づいて、予測すべり量を予測し、予測すべり量を示す予測すべり量情報を出力する。
　次に、ステップＳＴ１００８にて、作業判定部１７０は、すべり量予測部１６０が予測した昇降機２０における予測すべり量を示す予測すべり量情報に基づいて、昇降機２０に対して次に実施される点検作業において、ブレーキ保守作業を実施する必要があるか否かを判定する。
　次に、ステップＳＴ１００９にて、出力制御部１９０は、作業判定部１７０が判定した昇降機２０に対して次に実施される点検作業において、ブレーキ保守作業を実施する必要があるか否かを示す作業要否情報を、出力装置５０に出力させるための出力制御を行う。
　次に、ステップＳＴ１０１０にて、モデル出力部１８５は、モデル更新部１８０が更新した更新後のクラスタモデル情報又は回帰モデル情報を、記憶装置４０に出力して、記憶装置４０に記憶されたクラスタモデル情報又は回帰モデル情報を上書きさせる。
　すべり量予測装置１０２は、ステップＳＴ１０１０の処理を実行した後、当該フローチャートの処理を終了し、ステップＳＴ１００１の処理に戻って、当該フローチャートの処理をすべり量取得部１１０が、昇降機２０に対して実施された点検作業における試験運転の際に計測されたすべり量を示すすべり量情報を取得する毎に繰り返し実行する。
　以上のように、すべり量予測装置１０２は、昇降機２０に対して実施された点検作業における試験運転の際に計測された、かご２４を移動させるためのロープ２３のすべり量を示すすべり量情報を取得するすべり量取得部１１０と、すべり量取得部１１０が取得した昇降機２０におけるすべり量情報に基づいて、昇降機２０におけるすべり量の特性を、予め決められた複数のクラスタから１つのクラスタに分類し、分類したクラスタを示すクラスタ情報を出力するクラスタリング部１５０と、クラスタリング部１５０が出力したクラスタ情報と、すべり量取得部１１０が取得した昇降機２０におけるすべり量情報とに基づいて、予測すべり量を予測し、予測すべり量を示す予測すべり量情報を出力するすべり量予測部１６０と、クラスタリング部１５０又はすべり量予測部１６０が処理を実行する際に用いるクラスタモデル情報又は回帰モデル情報を取得するモデル取得部１４０と、すべり量取得部１１０が取得したすべり量情報に基づいて、モデル取得部１４０が取得したクラスタモデル情報又は回帰モデル情報を更新するモデル更新部１８０を備えた。
　このように構成することで、今後実施する点検作業における試験運転の際のブレーキ２２のすべり量の予測精度を向上できる。
　なお、この発明はその発明の範囲内において、上述の各実施の形態の自由な組み合わせ、又は、上述の各実施の形態の任意の構成要素の変形、若しくは、各実施の形態において任意の構成要素の省略が可能である。
　この発明に係るすべり量予測装置は、すべり量予測システムに適用することができる。
　１０，１１，１２　すべり量予測システム、２０　昇降機、２１　モータ、２２　ブレーキ、２３　ロープ、２４　かご、２５　昇降路、２６　モータセンサ、３０　制御装置、４０　記憶装置、５０　出力装置、１００，１０１，１０２　すべり量予測装置、１１０　すべり量取得部、１２０　すべり量出力部、１３０　蓄積すべり量取得部、１４０　モデル取得部、１５０　クラスタリング部、１６０，１６１　すべり量予測部、１７０，１７１　作業判定部、１８０　モデル更新部、１８５　モデル出力部、１９０，１９１　出力制御部、２０１　プロセッサ、２０２　メモリ、２０３　処理回路。

Claims (12)

  1. 　昇降機に対して実施された点検作業における試験運転の際に計測された、かごを移動させるためのロープのすべり量を示すすべり量情報を取得するすべり量取得部と、
    　前記すべり量取得部が取得した前記昇降機における前記すべり量情報に基づいて、当該昇降機における前記すべり量の特性を、予め決められた複数のクラスタから１つの前記クラスタに分類し、分類した前記クラスタを示すクラスタ情報を出力するクラスタリング部と、
    　前記クラスタリング部が出力した前記クラスタ情報と、前記すべり量取得部が取得した当該昇降機における前記すべり量情報とに基づいて、当該昇降機に対して次に実施される前記点検作業における前記試験運転の際の前記すべり量を予測し、予測した前記すべり量を示す予測すべり量情報を出力するすべり量予測部と、
    　を備えること
    　を特徴とするすべり量予測装置。
  2. 　前記すべり量予測部が予測した前記昇降機における前記予測すべり量情報に基づいて、当該昇降機に対して次に実施される前記点検作業において、ブレーキ保守作業を実施する必要があるか否かを判定する作業判定部を備えること
    　を特徴とする請求項１記載のすべり量予測装置。
  3. 　前記クラスタリング部は、前記昇降機に対して実施された複数回の前記点検作業における前記試験運転の際に計測された前記すべり量情報に基づいて、当該昇降機における前記すべり量の周波数を算出し、算出した前記周波数に基づいて、当該昇降機における前記すべり量の特性を前記クラスタに分類すること
    　を特徴とする請求項１記載のすべり量予測装置。
  4. 　前記クラスタリング部は、前記昇降機に対して実施された複数回の前記点検作業における前記試験運転の際に計測された前記すべり量情報に基づいて、当該昇降機における前記すべり量の振幅を算出し、算出した前記振幅に基づいて、当該昇降機における前記すべり量の特性を前記クラスタに分類すること
    　を特徴とする請求項１記載のすべり量予測装置。
  5. 　前記クラスタリング部は、前記昇降機に対して実施された複数回の前記点検作業における前記試験運転の際に計測された前記すべり量情報と、前記各点検作業における前記試験運転の際の環境温度を示す温度情報とに基づいて、当該昇降機における前記すべり量の特性を前記クラスタに分類すること
    　を特徴とする請求項１記載のすべり量予測装置。
  6. 　前記すべり量予測部は、前記クラスタリング部が出力した前記クラスタ情報と、当該昇降機に対して実施された複数回の前記点検作業における前記試験運転の際に計測された前記すべり量情報と基づいて、当該昇降機に対して次に実施される前記点検作業における前記試験運転の際の前記すべり量を予測すること
    　を特徴とする請求項１記載のすべり量予測装置。
  7. 　前記すべり量予測部は、前記すべり量予測部が予測した、前記昇降機に対して次に実施される前記点検作業における前記試験運転の際の前記すべり量を示す前記予測すべり量情報と、当該昇降機に対して実施された複数回の前記点検作業における前記試験運転の際に計測された前記すべり量情報とに基づいて、当該昇降機に対して次の次に実施される前記点検作業における前記試験運転の際の前記すべり量を予測すること
    　を特徴とする請求項１記載のすべり量予測装置。
  8. 　前記クラスタリング部が処理を実行する際に用いるクラスタモデル情報を取得するモデル取得部を備え、
    　前記クラスタリング部は、前記モデル取得部が取得した前記クラスタモデル情報を用いて、前記昇降機における前記すべり量の特性を、複数の前記クラスタから１つの前記クラスタに分類し、分類した前記クラスタを示す前記クラスタ情報を出力すること
    　を特徴とする請求項１記載のすべり量予測装置。
  9. 　前記すべり量取得部が取得した前記すべり量情報に基づいて、前記モデル取得部が取得した前記クラスタモデル情報を更新するモデル更新部を備え、
    　前記クラスタリング部は、前記モデル更新部が更新した更新後の前記クラスタモデル情報を用いて、前記昇降機における前記すべり量の特性を、複数の前記クラスタから１つの前記クラスタに分類し、分類した前記クラスタを示す前記クラスタ情報を出力すること
    　を特徴とする請求項８記載のすべり量予測装置。
  10. 　前記すべり量予測部が処理を実行する際に用いる回帰モデル情報を取得するモデル取得部を備え、
    　前記すべり量予測部は、前記モデル取得部が取得した前記回帰モデル情報を用いて、前記クラスタリング部が出力した前記クラスタ情報と、前記すべり量取得部が取得した当該昇降機における前記すべり量情報とに基づいて、当該昇降機に対して次に実施される前記点検作業における前記試験運転の際の前記すべり量を予測し、予測した前記すべり量を示す前記予測すべり量情報を出力すること
    　を特徴とする請求項１記載のすべり量予測装置。
  11. 　前記すべり量取得部が取得した前記すべり量情報に基づいて、前記モデル取得部が取得した前記回帰モデル情報を更新するモデル更新部を備え、
    　前記すべり量予測部は、前記モデル更新部が更新した更新後の前記回帰モデル情報を用いて、前記クラスタリング部が出力した前記クラスタ情報と、前記すべり量取得部が取得した当該昇降機における前記すべり量情報とに基づいて、当該昇降機に対して次に実施される前記点検作業における前記試験運転の際の前記すべり量を予測し、予測した前記すべり量を示す前記予測すべり量情報を出力すること
    　を特徴とする請求項１０記載のすべり量予測装置。
  12. 　すべり量取得部が、昇降機に対して実施された点検作業における試験運転の際に計測された、かごを移動させるためのロープのすべり量を示すすべり量情報を取得し、
    　クラスタリング部が、前記すべり量取得部が取得した前記昇降機における前記すべり量情報に基づいて、当該昇降機における前記すべり量の特性を、予め決められた複数のクラスタから１つの前記クラスタに分類して、分類した前記クラスタを示すクラスタ情報を出力し、
    　すべり量予測部が、前記クラスタリング部が出力した前記クラスタ情報と、前記すべり量取得部が取得した当該昇降機における前記すべり量情報とに基づいて、当該昇降機に対して次に実施される前記点検作業における前記試験運転の際の前記すべり量を予測して、予測した前記すべり量を示す予測すべり量情報を出力する
    　を特徴とするすべり量予測方法。
PCT/JP2019/010871 2019-03-15 2019-03-15 すべり量予測装置及びすべり量予測方法 WO2020188636A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/JP2019/010871 WO2020188636A1 (ja) 2019-03-15 2019-03-15 すべり量予測装置及びすべり量予測方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2019/010871 WO2020188636A1 (ja) 2019-03-15 2019-03-15 すべり量予測装置及びすべり量予測方法

Publications (1)

Publication Number Publication Date
WO2020188636A1 true WO2020188636A1 (ja) 2020-09-24

Family

ID=72520631

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/010871 WO2020188636A1 (ja) 2019-03-15 2019-03-15 すべり量予測装置及びすべり量予測方法

Country Status (1)

Country Link
WO (1) WO2020188636A1 (ja)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11199153A (ja) * 1998-01-16 1999-07-27 Hitachi Building Systems Co Ltd エレベータの診断装置
JP2009504538A (ja) * 2005-08-19 2009-02-05 コネ コーポレイション エレベータシステム
US20140180992A1 (en) * 2012-12-21 2014-06-26 International Business Machines Corporation Iterative Active Feature Extraction
JP2016150823A (ja) * 2015-02-17 2016-08-22 三菱電機ビルテクノサービス株式会社 エレベータ点検装置
WO2018105104A1 (ja) * 2016-12-09 2018-06-14 三菱電機株式会社 故障リスク指標推定装置および故障リスク指標推定方法
WO2018207350A1 (ja) * 2017-05-12 2018-11-15 三菱電機株式会社 時系列データ処理装置、時系列データ処理システムおよび時系列データ処理方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11199153A (ja) * 1998-01-16 1999-07-27 Hitachi Building Systems Co Ltd エレベータの診断装置
JP2009504538A (ja) * 2005-08-19 2009-02-05 コネ コーポレイション エレベータシステム
US20140180992A1 (en) * 2012-12-21 2014-06-26 International Business Machines Corporation Iterative Active Feature Extraction
JP2016150823A (ja) * 2015-02-17 2016-08-22 三菱電機ビルテクノサービス株式会社 エレベータ点検装置
WO2018105104A1 (ja) * 2016-12-09 2018-06-14 三菱電機株式会社 故障リスク指標推定装置および故障リスク指標推定方法
WO2018207350A1 (ja) * 2017-05-12 2018-11-15 三菱電機株式会社 時系列データ処理装置、時系列データ処理システムおよび時系列データ処理方法

Similar Documents

Publication Publication Date Title
JP5691969B2 (ja) データ処理装置、データ処理システム、およびデータ処理方法
US10377605B2 (en) Rope and rope groove monitoring
JP4791093B2 (ja) 乗客コンベアの診断装置
JP2023164467A (ja) 診断装置、診断方法、プログラムおよび診断システム
CN104951396A (zh) 基于虚拟机创建软件性能测试环境的方法和装置
JP2010189100A (ja) 異常診断装置および異常診断方法
CN106575388A (zh) 动态工业车辆测量
JP2009215059A (ja) エレベータの異常検出装置及び閾値設定方法
JP7271109B2 (ja) タイヤ保守管理装置およびタイヤ保守システム
JP2014193760A (ja) 巻上機寿命計算装置
WO2020188636A1 (ja) すべり量予測装置及びすべり量予測方法
US9684872B2 (en) Method and apparatus for generating data in a missing segment of a time data sequence
JP2011105470A (ja) 巻上機
JP4711866B2 (ja) 積載量推定プログラムおよび車両状況解析装置
CN115356135A (zh) 机器人的制动性能测试方法、设备及可读存储介质
JP5980709B2 (ja) 吊具の振れ検出装置及びその制御方法
JP7399725B2 (ja) 走行体、走行システム、及び走行制御方法
JP6217869B1 (ja) 昇降機のスイッチ信号診断装置および昇降機の保守計画作成システム
JP2017039611A (ja) 巻上機寿命計算装置
JP7113805B2 (ja) 電波測定システム
JP7073317B2 (ja) 作業管理システム
CN112147361B (zh) 钢丝绳的卷扬参数计算方法、及卷扬机设备
JP2021021457A (ja) 異常判定のための情報処理装置、制御プログラム、判定方法
TWI839507B (zh) 用於記錄並處理現有電梯設備的電梯資料之方法
JP2020033143A (ja) エレベータの装置

Legal Events

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

Ref document number: 19920086

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: 19920086

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: JP