WO2022074778A1 - 機器不具合兆候通知装置 - Google Patents

機器不具合兆候通知装置 Download PDF

Info

Publication number
WO2022074778A1
WO2022074778A1 PCT/JP2020/038066 JP2020038066W WO2022074778A1 WO 2022074778 A1 WO2022074778 A1 WO 2022074778A1 JP 2020038066 W JP2020038066 W JP 2020038066W WO 2022074778 A1 WO2022074778 A1 WO 2022074778A1
Authority
WO
WIPO (PCT)
Prior art keywords
sign
defect
operation pattern
database
period
Prior art date
Application number
PCT/JP2020/038066
Other languages
English (en)
French (fr)
Inventor
光貴 岩村
守真 横田
剛久 三輪
康次 長谷川
浩之 山田
Original Assignee
三菱電機ビルテクノサービス株式会社
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 三菱電機ビルテクノサービス株式会社, 三菱電機株式会社 filed Critical 三菱電機ビルテクノサービス株式会社
Priority to JP2022555043A priority Critical patent/JP7331269B2/ja
Priority to CN202080105829.1A priority patent/CN116569183A/zh
Priority to PCT/JP2020/038066 priority patent/WO2022074778A1/ja
Publication of WO2022074778A1 publication Critical patent/WO2022074778A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Definitions

  • the present invention relates to a configuration of a device failure sign notification device for notifying a sign of a device failure, a method for generating an operation pattern for detecting a sign of a device failure, and a failure sign rule used for detecting the content of the device failure sign.
  • the present invention relates to a generation method and a method of generating a defect sign inference model used for inferring the contents of failure signs of equipment.
  • Patent Document 1 A method of analyzing the cause of a malfunction of a device based on a log output by the device or an image of an operating state of the device has been proposed (see, for example, Patent Document 1).
  • an object of the present invention is to notify a sign of a malfunction of the device.
  • the device failure sign notification device of the present invention is a device failure sign notification device that notifies a sign of a device failure, and is an operation log acquisition unit that acquires an operation log of the device, an operation log data of the device, and the device.
  • the defect sign rule database in which the defect sign rule associated with the defect sign content of the above is stored and the operation log acquired by the operation log acquisition unit corresponds to the operation log data in the defect sign rule. It is characterized by including a defect sign determination unit for determining that there is a defect sign of the corresponding defect sign content, and a defect sign notification unit for notifying the defect sign content determined by the defect sign determination unit.
  • the device failure sign notification device of the present invention a combination of one or a plurality of the operation logs of the device is stored, and an operation pattern for detecting the failure sign content of the device when the combination is detected is stored.
  • the failure sign rule includes an operation pattern database, and the operation pattern stored in the operation pattern database is associated with the failure sign content of the device, and the failure sign content is predicted to the device.
  • the defect sign determination unit includes the defect to be performed and the countermeasure to prevent the occurrence of the predicted defect. It may be determined that there is a sign of a predicted defect included in the corresponding defect sign content and that the countermeasure included in the defect sign content is necessary.
  • the defect sign determination unit determines the content of the defect sign including the defect predicted in the device based on the operation pattern combining a plurality of operation logs and the measures for preventing the occurrence of the predicted defect. Detects and notifies the failure sign notification unit of the signs of the predicted failure and the necessary measures to prevent the occurrence of the failure, so that the device does not cause the expected failure before the device failure occurs. It is possible to deal with it and reduce the number of troubles.
  • a response record database that stores the time when the defect of the device is dealt with and the countermeasure contents as the response record data
  • the defect sign rule generation unit that generates the defect sign rule
  • the defect sign rule generation unit refers to the countermeasure record database and refers to the first period before the first time and the second period after the first time when one of the defects of the device is dealt with.
  • the defect sign rule may be generated in association with one countermeasure and stored in the defect sign rule database.
  • the operation log database storing the operation log of the device the image database storing the image data obtained by capturing the device and the periphery of the device with a camera, and the operation pattern are generated.
  • the image data stored in the operation pattern generation unit and the image database the image data in a predetermined time zone before and after the time when the operation pattern generated by the operation pattern generation unit is detected is displayed as an image.
  • the operation pattern generation unit is provided with an image display unit to be generated, a defect sign of whether or not the generated operation pattern shows a sign of a expected defect in the device, and a defect sign to acquire the non-signal.
  • the operation pattern generated when the value is equal to or higher than the evaluation index value of the operation pattern may be stored in the operation pattern database as a new operation pattern.
  • the device failure sign notification device of the present invention has an operation log database that stores an operation log of the device, an image database that stores image data of the device and the periphery of the device captured by a camera, the operation log, or the operation log.
  • a defect sign inference model that inputs the operation log and the image data and outputs the defect sign content of the device, and the operation log or the operation log and the image data are input to the defect sign inference model.
  • the defect sign inference unit for inferring the defect sign content and the defect sign notification unit for notifying the defect sign content output by the defect sign inference unit are provided, and the defect sign content is a defect predicted in the device. It is characterized by including measures to prevent the occurrence of expected defects.
  • the defect sign inference unit describes the content of the defect sign including the defect predicted by the device based on the operation log or the operation log and the image data, and the measures for preventing the occurrence of the predicted defect.
  • the defect sign notification unit notifies you of the signs of the predicted defect and the measures necessary to prevent the occurrence of the defect, so that the device does not cause the expected defect before the device malfunction occurs. It is possible to take various measures and reduce the number of troubles.
  • a combination of one or a plurality of the operation logs of the device is stored, and an operation pattern for detecting the failure sign content of the device when the combination is detected is stored.
  • It includes an operation pattern database, a response record database that stores the time when a defect in the device was dealt with and the details of the response as response record data, and a defect sign inference model generation unit that generates the defect sign inference model.
  • the defect sign inference model generation unit sets the first period before the first time and the second period after the first time when the defect of the device is dealt with by referring to the countermeasure record database.
  • the operation log in the first period When the number of times the operation pattern is detected in the second period is equal to or less than a certain ratio of the number of times the operation pattern is detected in the first period, the operation log in the first period, or the operation log and the image.
  • the first teacher data with the defect sign is generated by inputting the data and outputting the defect sign content, setting the third period that does not overlap with either the first period and the second period, and setting the third period.
  • the operation log for three periods, or the operation log and the image data are input, and the second teacher data without the defect sign is generated with the output that there is no defect sign, and the first teacher data and the above are described.
  • the defect sign inference model that outputs the defect sign content or no defect sign with respect to the input of the operation log or the operation log and the image data for a certain period is obtained. May be generated.
  • a failure sign inference model can be generated.
  • the defect sign inference model generation unit inputs the operation log and the countermeasure record data of the first period, or the operation log, the countermeasure record data, and the image data.
  • the first teacher data with a defect sign that outputs the content of the defect sign is generated, and the operation log and the countermeasure record data of the third period, or the operation log, the countermeasure record data, and the image data.
  • the second teacher data without any sign of failure is generated with the input of and, and the output is that there is no sign of failure.
  • the defect sign inference model that outputs the defect sign content or no defect sign for the input of the log and the countermeasure record data, or the operation log, the countermeasure record data, and the image data is generated, and the defect sign is generated.
  • the inference unit may input the operation log and the countermeasure record data, or the operation log, the countermeasure record data, and the image data into the defect sign inference model, and infer the defect sign content.
  • the first teacher data used for learning inputs the coping record data, it is possible to learn by associating the past coping record data with the operation log. Therefore, for example, it is possible to learn from the material whether it is inferred as a sign of a defect requiring replacement, whether the error is reduced by cleaning, or whether it has not changed much.
  • the operation pattern generated by the operation pattern generation unit is detected among the operation pattern generation unit that generates the operation pattern and the image data stored in the image database.
  • An image display unit that displays image data in a predetermined time zone before and after the time set as an image, and a defect sign of whether or not the generated operation pattern shows a sign of a predicted defect in the device, and the non-signal is acquired.
  • the operation pattern generation unit includes the defect sign non-signal acquisition unit, and calculates the evaluation index value of the operation pattern generated when the defect sign corresponding signal is input to the defect sign non-signal acquisition unit.
  • the operation pattern generated when the calculated evaluation index value is equal to or higher than the existing evaluation index value of the operation pattern stored in the operation pattern database may be stored in the operation pattern database as a new operation pattern.
  • the operation pattern generation method of the present invention is a method for generating an operation pattern of the device for detecting signs of a malfunction predicted in the device, and is an operation log database storing the operation log of the device, the device, and the device.
  • An image database that stores image data captured by a camera and an operation pattern database that stores the operation pattern are prepared, and the combination is a combination of one or more operation logs of the device.
  • An operation pattern that detects a sign of a malfunction of the device when it is detected is generated, and among the image data stored in the image database, a predetermined time before and after the time when the generated operation pattern is detected.
  • the image data of the band is displayed as an image, it is determined whether or not the operation pattern generated based on the displayed image shows a sign of a failure expected in the device, and the image shows a sign of a failure.
  • the evaluation index value of the generated operation pattern is calculated, and the operation pattern generated when the calculated evaluation index value is equal to or higher than the existing evaluation index value of the operation pattern is used as a new operation pattern. It is characterized by storing it in an operation pattern database.
  • the operation pattern is generated by determining whether or not the operation pattern corresponds to the sign of the defect using the image, it is possible to generate the operation pattern that can reliably detect the sign of the defect.
  • the method for generating a defect sign rule of the present invention is a method for generating a defect sign rule used for detecting the content of a defect sign of the device in the device failure sign notification device for notifying the indication of the failure of the device, and the defect sign rule is generated.
  • the content includes a failure predicted for the device and a measure for preventing the occurrence of the predicted failure, and is a combination of one or more operation logs of the device, and the combination is detected.
  • An operation pattern database that stores an operation pattern that detects the content of the defect sign of the device at that time, and a response record database that stores the time when the defect of the device was dealt with and the response content as the response record data.
  • the operation pattern is associated with the problem predicted by the device and the one countermeasure. It is characterized by generating a defect sign rule.
  • the method for generating a defect sign inference model of the present invention is a method for generating a defect sign inference model used for inferring the content of a defect sign in the device failure sign notification device for notifying a failure sign of the device.
  • the content of the failure sign includes a failure predicted for the device and measures for preventing the occurrence of the predicted failure, and includes an operation log database storing the operation log of the device and one of the devices or one of the devices.
  • An operation pattern database that stores an operation pattern that detects the content of the failure sign of the device when the combination of the plurality of operation logs is detected, and the time when the problem of the device is dealt with.
  • a response record database that stores the response details as response record data and an image database that stores image data obtained by capturing the device and the periphery of the device with a camera are prepared, and the device is referred to with reference to the response record database.
  • the first period before the first time and the second period after the first time are set, and the number of times the operation pattern is detected in the second period is the said in the first period.
  • the operation log of the first period, or the operation log and the image data are input, and the defect sign content is output.
  • 1 Generate teacher data, set a third period that does not overlap with either the first period and the second period, and input the operation log of the third period or the operation log and the image data.
  • the second teacher data without any sign of failure is generated with the output that there is no sign of failure, and the operation log for a certain period or the operation log or the operation log for a certain period is performed by learning using the first teacher data and the second teacher data. It is characterized by generating a defect sign inference model that outputs the defect sign content or no defect sign with respect to the input of the operation log and the image data.
  • a failure sign inference model can be generated.
  • the operation log and the countermeasure record data of the first period, or the operation log, the countermeasure record data, and the image data are input, and the defect sign content is input.
  • the first teacher data with a defect sign to be output is generated, and the operation log and the countermeasure record data of the third period, or the operation log, the countermeasure record data, and the image data are input, and a defect is obtained.
  • the second teacher data with no defect sign is generated with no sign of the above, and the operation log and the countermeasure record data for a certain period are obtained by learning using the first teacher data and the second teacher data.
  • the defect sign inference model may be generated that outputs the defect sign content or no defect sign with respect to the input of the operation log, the countermeasure record data, and the image data.
  • the first teacher data used for learning inputs the coping record data, it is possible to learn by associating the past coping record data with the operation log. Therefore, for example, it is possible to learn from the material whether it is inferred as a sign of a defect requiring replacement, whether the error is reduced by cleaning, or whether it has not changed much.
  • the present invention can notify a sign of a malfunction of the device.
  • FIG. 2 is a diagram showing the data structure of the non-database. It is a figure which shows the data structure of the correspondence record database shown in FIG. It is a figure which shows the data structure of the trouble sign rule database shown in FIG. It is a flowchart which shows the generation operation of an operation pattern. It is an operation explanatory diagram of the operation of generating an operation pattern. It is a flowchart which shows the generation operation of a defect sign rule.
  • the entrance gate 200 is a device for which the device failure sign notification device 100 detects a sign of failure.
  • the entrance management system 500 includes an entrance gate 200, a camera 302, and a server 301.
  • the entrance gate 200, the camera 302, and the server 301 are connected by a communication line 303.
  • the entrance gate 200 includes a reader unit 201 that reads the ID card 350, a flapper 202 that opens and closes the gate, an external communication interface (hereinafter referred to as I / F) 206 that performs data communication with an external server 301, and a reader unit 201. , A flapper 202, an external communication I / F 206, and a gate control unit 203 for controlling the external communication I / F 206.
  • the gate control unit 203 is a computer including a CPU 204, which is a processor that processes information internally, and a memory 205 in which programs and control data are stored.
  • the server 301 is connected to the external communication I / F 206 of the entrance gate 200 by the communication line 303.
  • the server 301 is composed of a general-purpose computer having a CPU as a processor and a memory (not shown) inside.
  • the authentication database is stored in the memory of the server 301.
  • the operation log of the entrance gate 200 is stored in the memory of the server 301.
  • the gate control unit 203 outputs the authentication information of the ID card 350 read by the reader unit 201 to the server 301 via the external communication I / F 206 and the communication line 303.
  • the server 301 compares the authentication information of the ID card 350 with the authentication information stored in the authentication database, and if the authentication is successful, transmits an authentication success signal to the gate control unit 203.
  • the gate control unit 203 opens the flapper 202 when the authentication success signal is input from the server 301.
  • the camera 302 captures an image of the entrance gate 200 and its surroundings and outputs it to the communication line 303.
  • the device failure sign notification device 100 includes a CPU 102 that is a processor that performs information processing, a storage device 103 that stores a control program, a database, and the like, a display 105 that displays images, and notifications of LEDs, speakers, and the like that notify alarms and the like. It is a computer composed of a device 106, an operation device 107 that inputs / outputs data such as a keyboard and a mouse, and an external communication I / F 104 that exchanges data with the outside.
  • the external communication I / F 104 is connected to the entrance gate 200, the server 301, and the camera 302 by the communication line 303 to exchange data.
  • the device failure sign notification device 100 includes a plurality of functional blocks as shown in FIG. Each functional block is realized by the CPU 102 shown in FIG. 1 executing a blog crumb stored in the storage device 103. Further, each database is realized by storing data in the storage device 103 with a predetermined data structure.
  • the device failure sign notification device 100 includes an image data acquisition unit 11, an image database 12, and an image display unit 13.
  • the image data acquisition unit 11 acquires the image of the entrance gate 200 and the periphery of the entrance gate 200 captured by the camera 302.
  • the image database 12 stores the image data acquired by the image data acquisition unit 11.
  • the image database 12 may continuously store and retain moving images acquired from the camera 302 during a predetermined period such as the last few days, a week, or a month.
  • the image display unit 13 extracts image data for a predetermined period from the image data stored in the image database 12 and outputs the image data to the display 105, and displays a moving image or an image on the display 105.
  • the device failure sign notification device 100 includes an operation log acquisition unit 14, an operation log database 15, an operation pattern generation unit 16, an operation pattern database 19, a failure sign non-signal acquisition unit 17, and a failure sign non-signal database. 18 and are included.
  • the operation log acquisition unit 14 acquires operation logs of the reader unit 201, flapper 202, etc. of the entrance gate 200 and stores them in the operation log database 15.
  • the operation log database 15 is a database in which the date and time and the contents of the operation log are stored in correspondence with each other.
  • the operation pattern generation unit 16 generates an operation pattern and stores it in the operation pattern database 19.
  • the operation pattern is a combination of one or a plurality of operation logs, and when the combination is detected, the content of the defect sign of the entrance gate 200 is detected.
  • FIG. 4 shows an example of the operation pattern stored in the operation pattern database 19.
  • the operation pattern 1 shown in FIG. 4 uses the [reader unit] reading error at the time 2020/10/11 05: 05: 06.920 of FIG. 3 as the operation pattern.
  • the "operation pattern 1" occurs within 5 seconds from the "operation pattern 1", that is, the time 2020/10/11 06: 23: 05.833 and 06: 23: 08.090 in FIG.
  • the operation in which the [reader unit] read error occurs again within 5 seconds after the [reader unit] read error occurs is specified.
  • the [authentication inquiry] admission is permitted within 5 seconds from the "operation pattern 1", that is, the time 2020/10/11 in FIG.
  • the operation patterns 4 and 5 define the interval or the number of times between the occurrence of the [reader unit] reading error and the occurrence of the [authentication inquiry] admission.
  • the operation pattern 6 defines [Flapper opening failure] or [Flapper closing failure]
  • the operation pattern 7 defines the interval or number of occurrences of [Flapper opening failure] or [Flapper closing failure]. It is a thing.
  • the operation patterns 1 to 5 are operation patterns for the purpose of detecting the reading defect of the reader unit 201
  • the operation patterns 6 and 7 are operation patterns for the purpose of detecting the operation defect of the flapper 202. be.
  • the operation pattern generation unit 16 generates an operation putter as described above by combining one or a plurality of operation logs stored in the operation log database 15, and causes a defect sign to the non-signal acquisition unit 17. Is input, the evaluation index value of the generated operation pattern is calculated. Then, when the calculated evaluation index value is equal to or higher than the evaluation index value of the existing operation pattern stored in the operation pattern database 19, the operation pattern generated is stored in the operation pattern database 19 as a new operation pattern. As a result, the operation pattern database 19 is constructed.
  • the non-signal acquisition unit 17 acquires the defect sign non-signal from the outside and stores it in the defect sign non-signal database 18.
  • the malfunction sign is a signal that defines whether or not the detection of the motion pattern is a sign of the malfunction from the moving image captured by the camera 302 when the motion pattern is detected.
  • the non-signal is composed of two types of signals, a defect sign applicable signal and a defect sign non-applicable signal.
  • the non-signal database 18 has an operation pattern, an image name in a predetermined time zone before and after the time when the operation pattern is detected, and whether the operation pattern corresponds to the defect sign. It is a database that stores whether it is not applicable or not.
  • the device failure sign notification device 100 includes a response record data acquisition unit 20 and a response record database 21.
  • countermeasure means a maintenance operation necessary for maintaining the function such as cleaning of the leader unit 201 or the flapper 202, replacement of parts, and the like.
  • the response record database 21 is a database in which the response time and the response content are stored in association with each other.
  • the response record data acquisition unit 20 may store the response record data input from the actuator 107 in the response record database 21, or acquires the response record data from an external data file and stores it in the response record database 21. You may.
  • the device defect sign notification device 100 includes a defect sign rule generation unit 22, a defect sign rule database 23 for storing the generated defect sign rule, a defect sign determination unit 24, and a defect sign notification unit 25. ..
  • the defect sign rule generation unit 22 refers to the response record database 21 and the operation pattern database 19, and generates a defect sign rule by associating the operation pattern with the defect predicted in the entrance gate 200 and the countermeasure. It is stored in the symptom rule database 23.
  • Figure 7 shows an example of the defect sign rule stored in the defect sign rule database 23.
  • the operation pattern 4 shown in FIG. 7 defines the interval or the number of times between the occurrence of the [reader unit] reading error and the occurrence of the [authentication inquiry] admission permission.
  • the defect sign rule 1 correlates the operation pattern 4 with the content of the defect sign defined as “a sign of a reader unit reading failure requiring cleaning of the reader unit”.
  • the defect sign rule 2 correlates the operation pattern 5 with the content of the defect sign defined as “a sign of a reader unit reading failure requiring replacement of the reader unit”.
  • the malfunction sign rule 3 correlates the operation pattern 7 with the content of the malfunction sign defined as "a sign of a flapper malfunction requiring flapper replacement".
  • the content of the defect sign includes the defect predicted in the entrance gate 200 and the measures for preventing the occurrence of the predicted defect.
  • the defect sign determination unit 24 detects an operation pattern included in the defect sign rule stored in the defect sign rule database 23
  • the defect sign determination unit 24 predicts a defect sign included in the defect sign content corresponding to the operation pattern. It is determined that there is a problem and it is necessary to take measures included in the content of the defect sign.
  • the defect sign notification unit 25 outputs the defect sign content determined by the defect sign determination unit 24 to the notification device 106 and notifies the notification.
  • the device failure sign notification device 100 acquires the operation log of the entrance gate 200, and when the operation pattern corresponding to the operation pattern included in the failure sign rule is detected, the entrance gate 200 is detected. It notifies you of the signs of problems that are expected and the necessary countermeasures.
  • the operation of generating an operation pattern and the operation of generating a defect sign rule will be described.
  • the operation log database 15 stores the past operation log as shown in FIG.
  • the operation log for example, one month's worth, two to three months' worth, or six months to one year's worth of operation logs are stored.
  • the image database 12 stores moving image data for a period similar to that in which the operation log is stored.
  • some operation patterns are stored as initial values in the operation pattern database 19. In the following description, it is assumed that one operation pattern 1 shown in FIG. 4 is stored as an initial value and the operation patterns 2 and 3 are generated. In FIG.
  • the white arrow indicates the detection timing of the operation pattern 1
  • the downward-sloping hatch arrow indicates the detection timing of the operation pattern 2
  • the black arrow indicates the detection timing of the operation pattern 3
  • the downward-sloping hatch arrow indicates the detection timing of the operation pattern 4. ..
  • the circled numbers in FIG. 9 indicate the operation pattern numbers.
  • the operation pattern generation unit 16 generates an operation pattern with reference to the operation log database 15.
  • the generated operation pattern is created as a combination of operation logs other than the operation pattern 1 stored in the operation pattern database 19.
  • the method of creation is arbitrary, but for example, when an operation pattern is generated with the detection of a read defect of the reader unit 201 as the eye, an operation log related to the read error of the reader unit 201 is selected from the operation logs. It may be extracted and randomly combined to generate an operation log. Further, an operation pattern may be generated externally and input from the actuator 107.
  • the operation pattern generation unit 16 has generated the operation patterns 2, 3 and 4 shown in FIG. The case where the operation pattern 2 is first generated will be described.
  • the operation pattern generation unit 16 proceeds to step S102 in FIG. 8 to acquire the operation log recorded during the predetermined period from the operation log database 15.
  • the predetermined period is arbitrary, but may be, for example, hours, days, or months.
  • step S103 in FIG. 8 determines whether or not there is a time in the operation log of the acquired period in which the combination of the operation logs corresponds to the operation pattern 2.
  • the "operation pattern 1" occurs within 5 seconds from the “operation pattern 1", that is, the [reader unit] reading error occurs again within 5 seconds after the [reader unit] reading error occurs. It regulates the operation.
  • the operation pattern generation unit 16 repeatedly executes steps S102 and S103 in FIG. 8 to scan the operation log in chronological order to find the time when the [reader unit] reading error occurs twice in succession.
  • the time t4 2019/10/11 06: 23: 05.833
  • the time t5 2019/10/11 06: 23: 08.090
  • the operation pattern generation unit 16 determines whether the interval between the time t4 and the time t5 is within 5 seconds.
  • the operation pattern generation unit 16 determines that the combination of the operation logs of the time t4 and the time t5 corresponds to the operation pattern 2. It is determined as YES in step S103 of FIG. 8, and the process proceeds to step S104 of FIG. At this time, the time t5 is the time when the operation pattern 2 is detected.
  • step S104 of FIG. 8 the operation pattern generation unit 16 outputs the time t5 when the operation pattern 2 is detected to the image display unit 13.
  • step S105 of FIG. 8 the image display unit 13 extracts moving image data in a predetermined time zone before and after time t5 from the image database 12 and displays the moving image on the display 105.
  • the operation pattern generation unit 16 determines in step S106 of FIG. 8 whether or not the operation pattern 2 shows a sign of a failure expected in the entrance gate 200. This determination can be made by various means, but as an example, the operation pattern generation unit 16 inputs a defect sign corresponding signal to the defect sign acquisition unit 17, and the defect sign corresponding signal is a defect sign. When it is input to the operation pattern generation unit 16 via the signal database 18, it may be determined as YES in step S106 of FIG.
  • the failure sign is a signal for excluding from the generation of an operation pattern, for example, a state in which an ID card 350 containing inappropriate ID information is presented and a [reader unit] reading error occurs. ..
  • an operation pattern for example, a state in which an ID card 350 containing inappropriate ID information is presented and a [reader unit] reading error occurs. ..
  • the flapper 202 does not open and leaves immediately, it is determined that the ID card 350 containing inappropriate ID information is presented and a [reader unit] reading error has occurred. can do.
  • the reader unit 201 is read. It can be determined that there is a sign of a defect. This determination can be easily determined by viewing the moving image captured by the camera 302 arranged in the vicinity of the entrance gate 200.
  • the signal corresponding to the failure sign is obtained as the failure sign and the non-signal acquisition. It is determined whether to input to the unit 17 or to input the signal not applicable to the defect sign to the defect sign non-signal acquisition unit 17. This determination may be determined by the engineer when setting the device failure sign notification device 100, and a signal may be input from the actuator 107. Further, for example, the AI may determine based on the moving image data output to the display 105 by the image display unit 13 and input the signal to the non-signal acquisition unit 17 as a sign of failure.
  • the operation pattern generation unit 16 determines YES in step S106 of FIG. 8, the operation pattern generation unit 16 proceeds to step S107 of FIG. 8 to calculate the evaluation index value of the generated operation pattern 2.
  • the evaluation index value is an evaluation index value based on the precision rate.
  • the conformance rate is the ratio of the number of times the failure sign corresponding signal is input when the operation pattern is detected to the number of times the operation pattern is detected.
  • the evaluation index value of the operation pattern 1 is 3/4 as described below.
  • Operation pattern 1 defines the case where a [reader unit] reading error is detected once.
  • the operation pattern 1 of time t1, time t3, time t4, and time t5 is detected four times.
  • the ID card 350 is not presented again immediately after the operation pattern 1 is detected at time t3.
  • the moving image 3 records a person who leaves immediately after presenting the ID card 350. Therefore, at time t3, even if the operation pattern 1 is detected, a signal not applicable to the failure sign is input.
  • time t4 At other times t1, time t4, and time t5, after the [reader unit] reading error, which is the operation pattern 1, is detected, the ID card 350 is presented again and admission is permitted, so that time t1 , At time t4 and time t5, the defect corresponding signal is input based on the moving image 1, the moving image 4, and the moving image 5. Therefore, when the operation pattern 1 is detected with respect to the number of detections of the operation pattern 1, the number of times the failure sign corresponding signal is input is 3 times, and the ratio is 3/4.
  • the operation pattern 2 is detected at the time t5, and the signal corresponding to the defect sign is input based on the moving image 5 at the time t5. Therefore, when the operation pattern 2 is detected with respect to the number of times the operation pattern 2 is detected, the number of times the failure sign corresponding signal is input is once, and the ratio is 1/1.
  • the evaluation index value of the operation pattern 1 is 3/4, and the evaluation index value of the operation pattern 2 is 1/1.
  • the operation pattern generation unit 16 After calculating the evaluation index value of the operation pattern 2 in step S107 of FIG. 8, the operation pattern generation unit 16 proceeds to step S108 of FIG. 8 and the generated evaluation index value of the operation pattern 2 is the evaluation of the existing operation pattern 1. Judge whether it is above the index value. As described above, since the evaluation index value of the operation pattern 2 is 1/1 and the evaluation index value of the operation pattern 1 is 3/4 or more, the operation pattern generation unit 16 determines YES in step S108 of FIG. The process proceeds to step S109 in FIG.
  • the operation pattern generation unit 16 stores the operation pattern 2 generated in step S109 of FIG. 8 as a new operation pattern in the operation pattern database 19, and ends the operation pattern generation operation.
  • step S106 determines NO in step S106 or step S108 of FIG. 8
  • the operation pattern generation unit 16 returns to step S101 of FIG. 8 to generate the next operation pattern, and steps S102 to step S102 of FIG. Repeat S109.
  • the [authentication inquiry] entry permission is generated within 5 seconds from the "operation pattern 1", that is, the [authentication inquiry] entry permission is generated within 5 seconds after the [reader unit] reading error occurs. It regulates the operation.
  • the operation pattern generation unit 16 repeatedly executes steps S102 and S103 in FIG. 8, scans the operation log in chronological order, and [authenticates] within 5 seconds from the [reader unit] reading error. Inquiry] Find the time when admission was granted.
  • a [reader unit] read error occurs at time t1 (2019/10/11 05: 05: 06.920), and then at time t2 (2019/10/11 05:05:09).
  • [Authentication inquiry] Admission is issued in .007).
  • the interval between the time t1 and the time t2 is 2.087 seconds, which is shorter than 5 seconds. Therefore, the operation pattern generation unit 16 determines that the combination of the operation logs at time t1 and time t2 corresponds to the operation pattern 3.
  • the operation pattern generation unit 16 determines that the combination of the operation logs at time t5 and time t6 corresponds to the operation pattern 3.
  • the operation pattern generation unit 16 determines YES in step S103 of FIG. 8, proceeds to step S104 of FIG. 8, and outputs the time t2 and the time t6 when the operation pattern 2 is detected to the image display unit 13.
  • the image display unit 13 displays the moving image 2 at time t2 and the moving image 6 at time t6 on the display 105.
  • the operation pattern generation unit 16 calculates the evaluation index value in step S107 of FIG. In the case of the operation pattern 3, as described above, since the signal corresponding to the failure sign is input at any of the detected times t2 and t6, the evaluation index value is 2/2.
  • step S108 of FIG. 8 Since the evaluation index value of the operation pattern 3 is 3/4 or more of the evaluation index value of the existing operation pattern 1, it is determined as YES in step S108 of FIG. 8, and the process proceeds to step S109 of FIG. Is stored in the operation pattern database 19.
  • the operation pattern 4 is "(authentication inquiry admission) has occurred and corresponds to the operation pattern 1) more than once within the last 7 seconds", that is, the authentication inquiry admission has been granted. It is stipulated that the [reader unit] read error occurs more than once most recently. The [reader unit] reading error occurs twice at t4 and t5 as in the time between time t4 and time t6 shown in FIG. 9, and (certification inquiry admission permission) occurs at time t6 within 7 seconds of time t4. If so, the combination of the operation logs at time t4, time t5, and time t6 constitutes the operation pattern 4. Then, the operation pattern 4 is detected at time t6.
  • the operation pattern generation unit 16 determines YES in step S106 of FIG. Further, as in the operation pattern 2, the operation pattern 4 has a failure sign corresponding signal once when the operation pattern 4 is detected for one detection number of the operation pattern 4, and the ratio is 1 /. It becomes 1. Therefore, the operation pattern generation unit 16 determines YES in step S108 of FIG. 8, and stores the operation pattern 4 as a new operation pattern in the operation pattern database 19.
  • operation patterns 2, 3 and 4 have been described above, other operation patterns are also generated by the same method and stored in the operation pattern database 19.
  • the defect sign rule associates the operation pattern stored in the operation pattern database 19 with the content of the defect sign of the entrance gate 200, which is a device.
  • the content of the defect sign includes the defect predicted in the entrance gate 200 and the measures for preventing the occurrence of the predicted defect.
  • the response record database 21 stores the response time of the entrance gate 200 for about half a year to one year and the response content in association with each other.
  • the defect sign rule generation unit 22 determines whether or not there is a record of handling such as cleaning of the entrance gate 200 and replacement of parts in the handling record database 21. Then, when the defect sign rule generation unit 22 determines YES in step S201 of FIG. 10, the defect sign rule generation unit 22 proceeds to step S202 of FIG. 10 and extracts one time t11 in which the defect is dealt with as shown in FIG. , The first A period before the time t11 and the second A period after the time t11 are set. If NO is determined in step S201 of FIG. 10, the defect sign rule generation unit 22 ends the operation of generating the defect sign rule.
  • the defect sign rule generation unit 22 acquires the operation log of the first A period from the operation log database 15 in step S203 of FIG. Then, in step S204 of FIG. 10, it is determined whether the acquired combination of operation logs corresponds to any of the operation patterns stored in the operation pattern database 19. As shown in FIG. 11, the operation pattern 1 and the operation pattern 4 are detected in the first A period. When the operation pattern is detected, the defect sign rule generation unit 22 determines YES in step S204 of FIG. 10 and proceeds to step S205 of FIG. If NO is determined in step S204 of FIG. 10, the defect sign rule generation unit 22 ends the operation of generating the defect sign rule.
  • step S205 of FIG. 10 the defect sign rule generation unit 22 determines whether the ratio of the number of detections of the operation pattern 1 in the second A period to the number of detections of the operation pattern 1 in the first A period is equal to or less than a certain ratio.
  • the constant ratio can be freely set, but can be set, for example, 10% or less.
  • the defect sign rule generation unit 22 determines NO in step S205 of FIG. 10, proceeds to step S207 of FIG. 10, and determines whether or not there is an operation pattern other than the operation pattern 1 in the first A period.
  • the defect sign rule generation unit 22 determines YES in step S207 of FIG. 10 and returns to step S205 of FIG. It is determined whether the above ratio of the operation pattern 4 is equal to or less than a certain ratio.
  • the defect sign rule generation unit 22 determines YES in S205 of FIG. 10 and proceeds to step S206 of FIG.
  • the defect sign rule generation unit 22 generates a defect sign rule by associating the operation pattern 4 with the defect predicted in the entrance gate 200 and the countermeasure. Since the countermeasure content at time t11 is the cleaning of the reader unit and the operation pattern 4 is related to the reader unit reading failure, the defect sign rule generation unit 22 has the defect sign content corresponding to the operation pattern 4, as shown in FIG. Is set as "a sign of a reader unit reading failure requiring cleaning of the reader unit", and a defect sign rule 1 is generated. Then, the defect sign rule generation unit 22 stores the generated defect sign rule 1 in the defect sign rule database 23.
  • the defect sign rule generation unit 22 proceeds to step S207 of FIG. 10 and determines whether or not there is an operation pattern other than the operation patterns 1 and 4 in the first A period. As shown in FIG. 11, since no operation patterns other than the operation patterns 1 and 4 are detected during the first A period, the defect sign rule generation unit 22 determines NO in step S207 of FIG. 10 and determines that it is NO. Step S208 is performed, and it is determined whether or not there is another time when the defect is processed.
  • the defect sign rule generation unit 22 determines that it is YES in step S208 of FIG. Returning to step S202 of the above, the same operation is performed at time t12.
  • the failure sign rule generation unit 22 determines that the operation pattern 1 is NO in step S205 of FIG. 10, determines YES in step S207 of FIG. 10, and returns to step S205 of FIG. Judgment of the above ratio.
  • step S205 of FIG. 10 Since the operation pattern 6 is detected twice in the first B period and once in the second B period, the above ratio is 50%, which is not less than 10% of the constant ratio. Therefore, NO is determined in step S205 of FIG. 10, YES is determined in step S207 of FIG. 10, and the process returns to step S205 of FIG. 10 to determine the above ratio for the operation pattern 7.
  • the defect sign rule generation unit 22 proceeds to step S206 in FIG. 10 to generate a defect sign rule by associating the operation pattern 7 with the defect predicted in the entrance gate 200 and the countermeasure. Since the countermeasure content at time t12 is the flapper replacement and the operation pattern 7 is related to the malfunction of the flapper 202, the defect sign rule generation unit 22 has the defect sign content corresponding to the operation pattern 7, as shown in FIG. Is set as "a sign of a flapper malfunction requiring flapper replacement", and a malfunction sign rule 2 is generated. Then, the defect sign rule generation unit 22 stores the generated defect sign rule 2 in the defect sign rule database 23.
  • the defect sign rule generation unit 22 determines YES in step S208 of FIG. 10, returns to step S202 of FIG. 10, sets the first C period and the second C period before and after the time t13, and executes the same operation as above. .. In the first C period, the operation pattern 1 and the operation pattern 4 are detected, but since the above ratio is not less than a certain ratio in any of the operation patterns, it is determined as NO in step S205 of FIG. No bug sign rule is set. The same applies to the first D period and the second D period at the next time t14.
  • Operation patterns 1, 4, 5, and 6 are detected in the first E period before the time t15. Of these, in the operation pattern 5, since it was detected twice in the first E period and not detected in the second E period, the above ratio is 0%, which is 10% or less of a constant ratio. Therefore, as shown in FIG. 23, the defect sign rule generation unit 22 associates the operation pattern 5 with the defect sign content of the “sign of reading failure of the reader unit requiring replacement of the reader unit”. Is generated and stored in the defect sign rule database 23.
  • the operation pattern and the action content are determined. Since the associated defect sign rule is generated, when an operation pattern is detected, it is possible to output a defect predicted at the entrance gate 200 and a countermeasure for preventing the occurrence of the predicted defect. ..
  • the operation of notifying the entrance gate 200 of the predicted defect and the measures to prevent the occurrence of the defect will be described using the defect sign rule. This operation may be executed once every two to three months, or may be executed every month.
  • the defect sign determination unit 24 acquires the operation log for a predetermined period such as 2 to 3 months and 1 month from the operation log database 15. Then, in step S302 of FIG. 12, it is determined whether or not the combination of the acquired operation logs corresponds to the operation pattern included in the defect sign rule. For example, as described above, the operation pattern 4 is detected at the time t6 shown in FIG. As shown in FIG. 7, the operation pattern 4 is an operation pattern included in the defect sign rule 1. Therefore, the defect sign determination unit 24 determines that the combination of the acquired operation logs corresponds to the operation pattern included in the defect sign rule 1, determines YES in step S302, and proceeds to step S303 in FIG. Then, in step S303 of FIG.
  • the defect sign determination unit 24 has a predicted defect sign included in the defect sign rule 1 defect sign content corresponding to the operation pattern 4, and it is necessary to take measures included in the defect sign content. Is determined to be. That is, as shown in FIG. 7, the defect sign determination unit 24 determines that there is a sign of poor reading of the reader unit 201 that requires cleaning of the reader unit 201 of the entrance gate 200. Then, the defect sign determination unit 24 outputs the determination result to the defect sign notification unit 25.
  • step S304 of FIG. 12 the defect sign notification unit 25 notifies the determination result input from the defect sign determination unit 24 using the notification device 106. If the defect sign determination unit 24 determines NO in step S302 of FIG. 12, the defect sign notification operation is terminated.
  • the defect sign determination unit 24 has a defect predicted in the entrance gate 200 based on an operation pattern combining a plurality of operation logs, a countermeasure for preventing the occurrence of the predicted defect, and a countermeasure.
  • the defect sign notification unit 25 detects the content of the defect sign including the above, and notifies the device of the predicted defect sign and the necessary measures to prevent the occurrence of the defect. It is possible to take measures so as not to cause an expected defect, and it is possible to reduce the number of occurrences of the defect.
  • the operation pattern is generated based on the operation log, and the defect sign rule is described as associating the operation pattern with the content of the defect sign, but the operation pan is not generated and one operation log or one operation log or A combination of a plurality of operation logs may be used as the operation log data, and the operation log data may be associated with the content of the defect sign to form a defect sign rule.
  • the operation log data of [reader unit] reading error twice and the defect sign content of "sign of reader unit reading failure" may be associated with each other to form a defect sign rule.
  • a moving image of the period before and after the time when the operation pattern captured by the camera 302 is detected is displayed on the display 105, and the engineer uses this moving image in step S106 of FIG. It was explained that the generated operation pattern shows whether or not the entrance gate 200 shows a sign of a predicted defect, but at this time, it is clear from the video that the engineer has a defect in the entrance gate 200. If it is determined that a countermeasure is necessary, the countermeasure may be taken for the purpose of solving the problem.
  • the device failure sign notification device 150 infers and infers the failure sign content of the device by using the failure sign inference model that inputs the operation log or the operation log and the image data and outputs the failure sign content of the device. It notifies the contents of the signs.
  • the same parts as those of the device failure sign notification device 100 described above with reference to FIGS. 1 to 12 are designated by the same reference numerals, and the description thereof will be omitted.
  • the device failure sign notification device 150 includes a failure sign rule generation unit 22, a failure sign rule database 23, and a failure sign determination unit 24 of the device failure sign notification device 100 described with reference to FIG. Instead of, it includes a defect sign inference model generation unit 26, a defect sign inference model database 27, and a defect sign inference unit 28.
  • the defect sign inference model generation unit 26 refers to the operation log database 15 and the image database 12 and learns, so that the operation log for a certain period of time or the input of the operation log and the image data has a defect sign content or a defect. Generate a defect symptom inference model with no symptom output.
  • the defect sign inference model database 27 is a database that stores the defect sign inference model generated by the defect sign inference model generation unit 26.
  • the defect sign inference unit 28 infers the content of the defect sign using the defect sign inference model, and outputs the inference result to the defect sign notification unit 25.
  • the response record database 21 stores the response time of the entrance gate 200 for about half a year to one year and the response content in association with each other, as described earlier in the operation of generating the defect sign rule. There is.
  • the defect sign inference model generation unit 26 determines whether or not there is a record of handling such as cleaning of the entrance gate 200 and replacement of parts in the handling record database 21. Then, when the defect sign inference model generation unit 26 determines YES in step S401 of FIG. 14, the defect sign inference model generation unit 26 proceeds to step S402 of FIG. 14 to extract one time t21 (see FIG. 15) in which the defect is dealt with. , The first period before the time t21 and the second period after the time t21 are set. If NO is determined in step S401 of FIG. 14, the defect sign inference model generation unit 26 ends the operation of generating the defect sign inference model.
  • the defect sign inference model generation unit 26 acquires the operation log of the first period from the operation log database 15 in step S403 of FIG. Then, in step S404 of FIG. 14, it is determined whether the acquired combination of operation logs corresponds to any of the operation patterns stored in the operation pattern database 19. As shown in FIG. 15, the operation pattern 1, the operation pattern 4, the operation pattern 5, and the operation pattern 6 are detected in the first period. When the operation pattern is detected, the defect sign inference model generation unit 26 determines YES in step S404 of FIG. 14, and proceeds to step S405 of FIG. If NO is determined in step S404 of FIG. 14, the defect sign inference model generation unit 26 ends the operation of generating the defect sign inference model.
  • step S405 of FIG. 14 the defect sign inference model generation unit 26 determines whether the ratio of the number of detections of the operation pattern 1 in the second period to the number of detections of the operation pattern 1 in the first period is equal to or less than a certain ratio.
  • the constant ratio can be freely set, but can be set, for example, 10% or less.
  • the defect sign inference model generation unit 26 determines NO in step S405 of FIG. 14, proceeds to step S410 of FIG. 14, and determines whether or not there is an operation pattern other than the operation pattern 1 in the first period. In the first period, since the operation patterns 4, 5 and 6 are detected in addition to the operation pattern 1, the defect sign inference model generation unit 26 determines YES in step S410 of FIG. 14, and steps S405 of FIG. Returning to, it is determined whether or not the above ratio is equal to or less than a certain ratio for the operation pattern 4 as in the operation pattern 1.
  • the operation pattern 4 is detected three times in the first period and once in the second period. Therefore, in the operation pattern 4, the above ratio is 33%, which is not less than 10% of the constant ratio. Therefore, the defect sign inference model generation unit 26 determines NO in step S405 of FIG. 14, determines YES in step S410 of FIG. 14, and returns to step S405 of FIG. Similarly to 4, it is determined whether the above ratio is equal to or less than a certain ratio.
  • the defect sign inference model generation unit 26 determines YES in step S405 of FIG. 14, and proceeds to step S406 of FIG.
  • the defect sign inference model generation unit 26 inputs the operation log of the first period, or the operation log and the image data, and outputs the defect sign content. Generates the first teacher data with.
  • the operation pattern 5 is defined as "(corresponding to the operation pattern 4) has occurred and (corresponding to the operation pattern 4) has occurred 5 times or more within the last 60 days". .. That is, in the operation pattern 5, the operation pattern 4 defined by "(authentication inquiry admission permission) has occurred and the [reader unit] reading error has occurred more than once within the last 7 seconds" has been performed 5 times within the last 60 days. It is defined as the above occurrence.
  • the operation pattern 5 shows a sign of the occurrence of reading failure of the reader unit.
  • the content of the countermeasure at time t21 is the reader unit replacement process. Therefore, the defect sign inference model generation unit 26 defines the defect sign content of the first teacher model as "a sign of a reader unit reading failure requiring replacement of the reader unit". Then, the defect sign inference model generation unit 26 proceeds to step S407 of FIG. 14 to set the third period. As shown in FIG. 15, the third period is a period that does not overlap with either the first period and the second period.
  • the defect sign inference model generation unit 26 proceeds to step S408 of FIG. 14, and as shown in FIG. 15, inputs the operation log of the third period or the operation log and the image data, and the defect sign is detected. Generates second teacher data with no indication of failure, with no output. Then, when the generation of the second teacher data is completed, the process proceeds to step S409 of FIG.
  • the defect sign inference model generation unit 26 receives an operation log for a certain period of time or an input of the operation log and image data by learning using the first teacher data and the second teacher data. Generate a defect symptom inference model that outputs the content of the defect symptom or no defect symptom. Then, the defect symptom inference model generation unit 26 stores the generated defect symptom inference model in the defect symptom inference model database 27.
  • the defect sign inference model generation unit 26 proceeds to step S410 in FIG. 14 and determines whether or not there is another operation pattern. Since the operation pattern 6 still remains, the defect sign inference model generation unit 26 determines NO in step S410 of FIG. 14, returns to step S405 of FIG. 14, and the above ratio of the operation pattern 6 is equal to or less than a certain ratio. However, it is judged. As shown in FIG. 15, the operation pattern 6 is detected once in the first period and once in the second period. Therefore, the above ratio is 100%, which is not less than 10% of a certain ratio. Therefore, the defect sign inference model generation unit 26 determines NO in step S405 of FIG. Further, since the operation pattern 6 is the last operation pattern for determining the ratio, it is determined as NO in step S410 of FIG.
  • step S411 of FIG. 14 determines whether or not there is a time when another countermeasure is taken, and if there is a time when another countermeasure is taken, returns to step S402 in FIG. 14 and the same as above. Repeat the operation. If there is no other time for which other measures have been taken, NO is determined in step S411 of FIG. 14, and the operation for generating the defect sign inference model is terminated.
  • the defect sign inference unit 28 acquires an operation log for a predetermined period such as 2 to 3 months and 1 month from the operation log database 15, or obtains an operation log for a predetermined period from the operation log database 15. It is acquired from the database 15 and image data for a predetermined period is acquired from the image database 12.
  • the defect symptom inference unit 28 reads the defect symptom inference model from the defect symptom inference model database 27, and sets the defect symptom inference model as an operation log for a predetermined period or an operation log for a predetermined period. Input image data and have them infer the content of the defect sign. Then, when the defect sign reasoning unit 28 outputs the inference result of the defect content, it determines YES in step S503 of FIG. 16 and proceeds to step S504 of FIG.
  • the defect sign notification unit 25 notifies the defect content output from the defect sign inference unit 28 in step S504 of FIG. 16 from the notification device 106.
  • the defect sign inference unit 28 determines NO in step S503 of FIG. 16 and ends the defect sign notification operation. ..
  • the content of the defect sign to be notified is a defect predicted to the entrance gate 200, such as "a sign of a reader unit reading failure requiring replacement of the reader unit" defined in the case of generating the first teacher model. And measures to prevent the occurrence of expected defects. Therefore, it is possible to take measures so as not to cause the expected malfunction of the device before the malfunction of the entrance gate 200 occurs, and it is possible to reduce the number of occurrences of the malfunction.
  • another method of generating the defect sign inference model is that the countermeasure record data is added to the input items in step S406, step S408, and step S409 of FIG.
  • step S601 of FIG. 17, as shown in FIG. 18, the defect sign inference model generation unit 26 inputs the operation log and the countermeasure record data of the first period, or the operation log, the countermeasure record data, and the image data. Generates the first teacher data with a defect sign that outputs the content of the defect sign. Further, in step S602 of FIG. 17, the defect sign inference model generation unit 26 inputs the operation log and the handling record data of the third period, or the operation log, the handling record data, and the image data, as shown in FIG. Then, the second teacher data without any sign of failure is generated, which outputs that there is no sign of failure. Then, in step S603 of FIG.
  • the defect sign inference model generation unit 26 performs the operation log and the countermeasure record data for a certain period by learning using the first teacher data and the second teacher data, as shown in FIG. Alternatively, another defect symptom inference model that outputs the content of the defect symptom or no defect symptom for the input of the operation log, the countermeasure record data, and the image data is generated.
  • the defect sign inference model generation unit 26 stores the generated other defect sign inference model in the defect sign inference model database 27.
  • the first teacher data used for learning inputs the coping record data, it is possible to learn by associating the past coping record data with the operation log. Therefore, for example, it is possible to learn from the material whether it is inferred as a sign of a defect requiring replacement, whether the error is reduced by cleaning, or whether it has not changed much.
  • other defect sign inference models are generated as a model that can be inferred separately whether it is a sign of a defect that needs to be replaced or a sign of a defect that needs cleaning.
  • the defect sign inference unit 28 acquires the operation log for a predetermined period from the operation log database 15, and acquires the response record data for the predetermined period from the response record database 21.
  • the defect sign inference unit 28 acquires the operation log of the predetermined period from the operation log database 15, the response record data of the predetermined period from the response record database 21, and the image data of the predetermined period from the image database 12. ..
  • the defect symptom inference unit 28 reads another defect symptom inference model from the defect symptom inference model database 27, and uses the other defect symptom inference model as an operation log for a predetermined period and countermeasure record data. Alternatively, the operation log for a predetermined period, the response record data, and the image data are input, and the content of the defect sign is inferred. Then, when the inference result of the defect content is output, the defect sign inference unit 28 determines YES in step S503 of FIG. 19 and notifies the defect sign content in step S504 of FIG.
  • the device failure sign notification device 100 that detects the defect content using the defect sign rule and notifies the detected defect sign content, and the defect sign inference model is used to infer and infer the defect sign content.
  • the device for notifying the contents of the trouble sign has been described, but the operation of detecting the trouble content using the trouble sign rule and notifying the detected trouble sign content and the trouble sign inference model are used. It may be a device failure sign notification device capable of inferring the content of the defect sign and performing both operations of notifying the inferred defect sign content.

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Debugging And Monitoring (AREA)
  • Alarm Systems (AREA)

Abstract

機器の不具合の兆候を通知する機器不具合兆候通知装置（１００）であって、機器の動作ログを取得する動作ログ取得部（１４）と、機器の動作ログデータと機器の不具合兆候内容とを対応付けた不具合兆候ルールが格納された不具合兆候ルールデータベース（２３）と、動作ログ取得部（１４）で取得した動作ログが不具合兆候ルール中の動作ログデータに該当する場合に、対応する不具合兆候内容の不具合の兆候があると判定する不具合兆候判定部（２４）と、不具合兆候判定部（２４）が判定した不具合兆候内容を通知する不具合兆候通知部と（２５）を備える。

Description

機器不具合兆候通知装置
　本発明は、機器の不具合の兆候を通知する機器不具合兆候通知装置の構成並びに、機器の不具合の兆候を検出する動作パターンの生成方法と、機器の不具合兆候内容の検出に用いられる不具合兆候ルールの生成方法と、機器の不具合兆候内容の推論に用いられる不具合兆候推論モデルの生成方法とに関する。
　機器の出力するログや機器の動作状態の画像に基づいて機器の不具合の原因を解析する方法が提案されている（例えば、特許文献１参照）。
特開２０１１－１０８１５４号公報
　一方、近年、機器が不具合を起こす前に不具合の兆候を通知する要求がある。しかし、特許文献１に記載された従来技術では、機器の不具合が発生した後にその原因の解析を行うことはできるが、不具合の兆候を通知することはできなかった。
　そこで、本発明は、機器の不具合の兆候の通知を行うことを目的とする。
　本発明の機器不具合兆候通知装置は、機器の不具合の兆候を通知する機器不具合兆候通知装置であって、前記機器の動作ログを取得する動作ログ取得部と、前記機器の動作ログデータと前記機器の不具合兆候内容とを対応付けた不具合兆候ルールが格納された不具合兆候ルールデータベースと、前記動作ログ取得部で取得した前記動作ログが前記不具合兆候ルール中の前記動作ログデータに該当する場合に、対応する前記不具合兆候内容の不具合の兆候があると判定する不具合兆候判定部と、前記不具合兆候判定部が判定した前記不具合兆候内容を通知する不具合兆候通知部と、を備えることを特徴とする。
　これにより簡便な方法で機器の不具合の兆候を検出し、不具合の兆候の内容を通知することができる。
　本発明の機器不具合兆候通知装置において、前記機器の１つ又は複数の前記動作ログの組み合わせであって、その組み合わせが検出された際に前記機器の前記不具合兆候内容を検出する動作パターンを格納する動作パターンデータベースを含み、前記不具合兆候ルールは、前記動作パターンデータベースに格納された前記動作パターンと前記機器の前記不具合兆候内容とを対応づけたものであり、前記不具合兆候内容は、前記機器に予測される不具合と、予測される不具合の発生を防止するための対処と、を含み、前記不具合兆候判定部は、前記不具合兆候ルールに含まれる前記動作パターンが検出された際に、前記動作パターンに対応する前記不具合兆候内容に含まれる予測される不具合の兆候があり、前記不具合兆候内容に含まれる対処が必要であると判定してもよい。
　このように、不具合兆候判定部が、複数の動作ログを組み合わせた動作パターンに基づいて機器に予測される不具合と、予測される不具合の発生を防止するための対処と、を含む不具合兆候内容を検出し、不具合兆候通知部が予測される不具合の兆候とその不具合の発生を防止するために必要な対処とを通知するので、機器の不具合発生前に機器に予想される不具合を起こさないような対処が可能となり、不具合の発生回数を低減することができる。
　本発明の機器不具合兆候通知装置において、前記機器の不具合の対処を行った時刻と対処内容とを対処実績データとして格納した対処実績データベースと、前記不具合兆候ルールを生成する不具合兆候ルール生成部と、を含み、前記不具合兆候ルール生成部は、前記対処実績データベースを参照して前記機器の不具合の一の対処を行った一の時刻より前の第１期間と一の時刻よりも後の第２期間とを設定し、前記第２期間における前記動作パターンの検出回数が前記第１期間における前記動作パターンの検出回数の一定比率以下となる場合に、前記動作パターンと前記機器に予測される不具合と前記一の対処とを対応付けて前記不具合兆候ルールを生成し、前記不具合兆候ルールデータベースに格納してもよい。
　これにより、簡便な方法で、不具合兆候ルールを生成することができる。
　本発明の機器不具合兆候通知装置において、前記機器の動作ログを格納した動作ログデータベースと、前記機器及び前記機器の周辺をカメラで撮像した画像データを格納した画像データベースと、前記動作パターンを生成する動作パターン生成部と、前記画像データベースに格納されている画像データの内、前記動作パターン生成部で生成された前記動作パターンが検出された時刻の前後における所定の時間帯の画像データを画像として表示する画像表示部と、生成された前記動作パターンが前記機器に予測される不具合の兆候を示すかどうかの不具合兆候該非信号を取得する不具合兆候該非信号取得部と、を備え、前記動作パターン生成部は、前記不具合兆候該非信号取得部に不具合兆候該当信号が入力された場合に、生成した前記動作パターンの評価指標値を算出し、算出した評価指標値が前記動作パターンデータベースに格納されている既存の前記動作パターンの評価指標値以上の場合に生成した前記動作パターンを新規動作パターンとして前記動作パターンデータベースに格納してもよい。
　これにより、予測される不具合を確実に検出可能な動作パターンを生成することができる。
　本発明の機器不具合兆候通知装置は、前記機器の動作ログを格納した動作ログデータベースと、前記機器及び前記機器の周辺をカメラで撮像した画像データを格納した画像データベースと、前記動作ログ、又は、前記動作ログと前記画像データを入力とし、前記機器の不具合兆候内容を出力とする不具合兆候推論モデルと、前記不具合兆候推論モデルに前記動作ログ、又は、前記動作ログと前記画像データを入力し、前記不具合兆候内容を推論する不具合兆候推論部と、前記不具合兆候推論部が出力した前記不具合兆候内容を通知する不具合兆候通知部と、を備え、前記不具合兆候内容は、前記機器に予測される不具合と、予測される不具合の発生を防止するための対処と、を含むこと、を特徴とする。
　このように、不具合兆候推論部が、動作ログ又は動作ログと画像データとに基づいて機器に予測される不具合と、予測される不具合の発生を防止するための対処と、を含む不具合兆候内容を推論し、不具合兆候通知部が、予測される不具合の兆候とその不具合の発生を防止するために必要な対処とを通知するので、機器の不具合発生前に機器に予想される不具合を起こさないような対処が可能となり、不具合の発生回数を低減することができる。
　本発明の機器不具合兆候通知装置において、前記機器の１つ又は複数の前記動作ログの組み合わせであって、その組み合わせが検出された際に前記機器の前記不具合兆候内容を検出する動作パターンを格納する動作パターンデータベースと、前記機器の不具合の対処を行った時刻と対処内容とを対処実績データとして格納した対処実績データベースと、前記不具合兆候推論モデルを生成する不具合兆候推論モデル生成部と、を含み、前記不具合兆候推論モデル生成部は、前記対処実績データベースを参照して前記機器の不具合の対処を行った一の時刻より前の第１期間と一の時刻よりも後の第２期間とを設定し、前記第２期間における前記動作パターンの検出回数が前記第１期間における前記動作パターンの検出回数の一定比率以下となる場合に、前記第１期間の前記動作ログ、又は、前記動作ログと前記画像データとを入力とし、前記不具合兆候内容を出力とする不具合兆候有りの第１教師データを生成し、前記第１期間と前記第２期間とのいずれとも重複しない第３期間を設定し、前記第３期間の前記動作ログ、又は、前記動作ログと前記画像データとを入力とし、不具合の兆候がないことを出力とする不具合兆候無しの第２教師データを生成し、前記第１教師データと前記第２教師データを用いた学習により、一定期間の前記動作ログ、又は、前記動作ログと前記画像データとの入力に対して前記不具合兆候内容又は不具合兆候なしを出力とする前記不具合兆候推論モデルを生成してもよい。
　これにより、簡便な方法で、動作ログ又は動作ログと画像データとに基づいて機器に予測される不具合と、予測される不具合の発生を防止するための対処と、を含む不具合兆候内容を推論する不具合兆候推論モデルを生成できる。
　本発明の不具合兆候通知装置において、前記不具合兆候推論モデル生成部は、前記第１期間の前記動作ログと前記対処実績データ、又は、前記動作ログと前記対処実績データと前記画像データとを入力とし、前記不具合兆候内容を出力とする不具合兆候有りの前記第１教師データを生成し、前記第３期間の前記動作ログと前記対処実績データ、又は、前記動作ログと前記対処実績データと前記画像データとを入力とし、不具合の兆候がないことを出力とする不具合兆候無しの前記第２教師データを生成し、前記第１教師データと前記第２教師データを用いた学習により、一定期間の前記動作ログと前記対処実績データ、又は、前記動作ログと前記対処実績データと前記画像データとの入力に対して前記不具合兆候内容又は不具合兆候なしを出力とする前記不具合兆候推論モデルを生成し、不具合兆候推論部は、前記不具合兆候推論モデルに前記動作ログと前記対処実績データ、又は、前記動作ログと前記対処実績データと前記画像データを入力し、前記不具合兆候内容を推論してもよい。
　このように、学習に用いる第１教師データが対処実績データを入力としているので、過去の対処実績データと動作ログとを関連付けて学習することができる。このため、例えば、交換が必要な不具合の兆候と推論するのか、清掃によりエラーが減ったのか、大して変わらなかったのかを材料に学習することができる。
　本発明の機器不具合兆候通知装置において、前記動作パターンを生成する動作パターン生成部と、前記画像データベースに格納されている画像データの内、前記動作パターン生成部で生成された前記動作パターンが検出された時刻の前後における所定の時間帯の画像データを画像として表示する画像表示部と、生成された前記動作パターンが前記機器に予測される不具合の兆候を示すかどうかの不具合兆候該非信号を取得する不具合兆候該非信号取得部と、を備え、前記動作パターン生成部は、前記不具合兆候該非信号取得部に不具合兆候該当信号が入力された場合に、生成した前記動作パターンの評価指標値を算出し、算出した評価指標値が前記動作パターンデータベースに格納されている既存の前記動作パターンの評価指標値以上の場合に生成した前記動作パターンを新規動作パターンとして前記動作パターンデータベースに格納してもよい。
　これにより、予測される不具合を確実に検出可能な動作パターンを生成することができる。
　本発明の動作パターン生成方法は、機器に予測される不具合の兆候を検出する前記機器の動作パターンの生成方法であって、前記機器の動作ログを格納した動作ログデータベースと、前記機器及び前記機器の周辺をカメラで撮像した画像データを格納した画像データベースと、前記動作パターンを格納する動作パターンデータベースと、を準備し、前記機器の１つ又は複数の動作ログの組み合わせであって、その組み合わせが検出された際に前記機器の不具合の兆候を検出する動作パターンを生成し、前記画像データベースに格納されている画像データの内、生成された前記動作パターンが検出された時刻の前後における所定の時間帯の画像データを画像として表示し、前記表示された前記画像に基づいて生成された前記動作パターンが前記機器に予測される不具合の兆候を示すかどうかを判定し、前記画像が不具合の兆候を示すと判定した場合に、生成した前記動作パターンの評価指標値を算出し、算出した評価指標値が既存の前記動作パターンの評価指標値以上の場合に生成した前記動作パターンを新規動作パターンとして前記動作パターンデータベースに格納すること、を特徴とする。
　このように、画像を用いて動作パターンが不具合の兆候に該当するかどうかを判定して動作パターンを生成するので、不具合の兆候を確実に検出可能な動作パターンを生成することができる。
　本発明の不具合兆候ルールの生成方法は、機器の不具合の兆候を通知する機器不具合兆候通知装置において、前記機器の不具合兆候内容の検出に用いられる不具合兆候ルールの生成方法であって、前記不具合兆候内容は、前記機器に予測される不具合と、予測される不具合の発生を防止するための対処と、を含み、前記機器の１つ又は複数の動作ログの組み合わせであって、その組み合わせが検出された際に前記機器の前記不具合兆候内容を検出する動作パターンを格納する動作パターンデータベースと、前記機器の不具合の対処を行った時刻と対処内容とを対処実績データとして格納した対処実績データベースと、を準備し、前記対処実績データベースを参照して前記機器の不具合の一の対処を行った一の時刻より前の第１期間と一の時刻よりも後の第２期間とを設定し、前記第２期間における前記動作パターンの検出回数が前記第１期間における前記動作パターンの検出回数の一定比率以下となる場合に、前記動作パターンと前記機器に予測される不具合と前記一の対処とを対応付けて不具合兆候ルールを生成すること、を特徴とする。
　これにより、動作パターンと、機器の予想される不具合と、予測される不具合の発生を防止する対処とを対応づけた不具合兆候ルールを生成することができる。
　本発明の不具合兆候推論モデルの生成方法は、機器の不具合の兆候を通知する機器不具合兆候通知装置において、前記機器の不具合兆候内容の推論に用いられる不具合兆候推論モデルの生成方法であって、前記不具合兆候内容は、前記機器に予測される不具合と、予測される不具合の発生を防止するための対処と、を含み、前記機器の動作ログを格納した動作ログデータベースと、前記機器の１つ又は複数の前記動作ログの組み合わせであって、その組み合わせが検出された際に前記機器の前記不具合兆候内容を検出する動作パターンを格納する動作パターンデータベースと、前記機器の不具合の対処を行った時刻と対処内容とを対処実績データとして格納した対処実績データベースと、前記機器及び前記機器の周辺をカメラで撮像した画像データを格納した画像データベースと、を準備し、前記対処実績データベースを参照して前記機器の不具合の対処を行った一の時刻より前の第１期間と一の時刻よりも後の第２期間とを設定し、前記第２期間における前記動作パターンの検出回数が前記第１期間における前記動作パターンの検出回数の一定比率以下となる場合に、前記第１期間の前記動作ログ、又は、前記動作ログと前記画像データとを入力とし、前記不具合兆候内容を出力とする不具合兆候有りの第１教師データを生成し、前記第１期間と前記第２期間とのいずれとも重複しない第３期間を設定し、前記第３期間の前記動作ログ、又は、前記動作ログと前記画像データとを入力とし、不具合の兆候がないことを出力とする不具合兆候無しの第２教師データを生成し、前記第１教師データと前記第２教師データを用いた学習により、一定期間の前記動作ログ、又は、前記動作ログと前記画像データとの入力に対して前記不具合兆候内容又は不具合兆候なしを出力とする不具合兆候推論モデルを生成すること、を特徴とする。
　これにより、簡便な方法で、動作ログ又は動作ログと画像データとに基づいて機器に予測される不具合と、予測される不具合の発生を防止するための対処と、を含む不具合兆候内容を推論する不具合兆候推論モデルを生成できる。
　本発明の不具合兆候推論モデルの生成方法において、前記第１期間の前記動作ログと前記対処実績データ、又は、前記動作ログと前記対処実績データと前記画像データとを入力とし、前記不具合兆候内容を出力とする不具合兆候有りの前記第１教師データを生成し、前記第３期間の前記動作ログと前記対処実績データ、又は、前記動作ログと前記対処実績データと前記画像データとを入力とし、不具合の兆候がないことを出力とする不具合兆候無しの前記第２教師データを生成し、前記第１教師データと前記第２教師データを用いた学習により、一定期間の前記動作ログと前記対処実績データ、又は、前記動作ログと前記対処実績データと前記画像データとの入力に対して前記不具合兆候内容又は不具合兆候なしを出力とする前記不具合兆候推論モデルを生成してもよい。
　このように、学習に用いる第１教師データが対処実績データを入力としているので、過去の対処実績データと動作ログとを関連付けて学習することができる。このため、例えば、交換が必要な不具合の兆候と推論するのか、清掃によりエラーが減ったのか、大して変わらなかったのかを材料に学習することができる。
　本発明は、本発明は、機器の不具合の兆候の通知を行うことができる。
実施形態の機器不具合兆候通知装置のハードウェア構成を示す系統図である。 実施形態の不具合兆候通知装置の機能ブロック図である。 図２に示す動作ログデータベースのデータ構造を示す図である。 図２に示す動作パターンデータベースのデータ構造を示す図である。 図２に示す不具合兆候該非データベースのデータ構造を示す図である。 図２に示す対応実績データベースのデータ構造を示す図である。 図２に示す不具合兆候ルールデータベースのデータ構造を示す図である。 動作パターンの生成動作を示すフローチャートである。 動作パターンの生成動作の動作説明図である。 不具合兆候ルールの生成動作を示すフローチャートである。 不具合兆候ルールの生成動作の動作説明図である。 不具合兆候通知装置の不具合兆候通知動作を示すフローチャートである。 他の実施形態の不具合兆候装置の機能ブロック図である。 不具合兆候推論モデルの生成動作を示すフローチャートである。 不具合兆候推論モデルの生成動作の動作説明図である。 他の実施形態の不具合兆候通知装置の不具合兆候通知動作を示すフローチャートである。 他の不具合兆候推論モデルの生成動作を示すフローチャートである。 他の不具合兆候推論モデルの生成動作の動作説明図である。 他の実施形態の不具合兆候通知装置の他の不具合兆候通知動作を示すフローチャートである。
　以下、図面を参照しながら実施形態の機器不具合兆候通知装置１００について説明する。以下の説明では、図１に示すように、入室管理システム５００の入場ゲート２００に機器不具合兆候通知装置１００を接続した場合について説明する。入場ゲート２００は、機器不具合兆候通知装置１００が不具合の兆候の検出を行う対象の機器である。
　図１に示すように、入室管理システム５００は、入場ゲート２００と、カメラ３０２と、サーバ３０１とで構成されている。入場ゲート２００と、カメラ３０２と、サーバ３０１とは通信回線３０３で接続されている。
　入場ゲート２００は、ＩＤカード３５０を読み取るリーダ部２０１と、ゲートを開閉するフラッパ２０２と、外部のサーバ３０１とデータ通信を行う外部通信インターフェース（以下、Ｉ／Ｆという）２０６と、リーダ部２０１と、フラッパ２０２と、外部通信Ｉ／Ｆ２０６と、を制御するゲート制御部２０３とで構成されていている。ゲート制御部２０３は、内部に情報処理を行うプロセッサであるＣＰＵ２０４とプログラムや制御データが格納されたメモリ２０５とを含んでいるコンピュータである。
　サーバ３０１は、通信回線３０３で入場ゲート２００の外部通信Ｉ／Ｆ２０６と接続されている。サーバ３０１は、内部にプロセッサであるＣＰＵとメモリ（図示せず）とを備える汎用コンピュータで構成されている。サーバ３０１のメモリには、認証データベースが格納されている。また、サーバ３０１のメモリには、入場ゲート２００の動作ログが格納されている。
　ゲート制御部２０３は、リーダ部２０１で読み取ったＩＤカード３５０の認証情報を外部通信Ｉ／Ｆ２０６と通信回線３０３を介してサーバ３０１に出力する。サーバ３０１は、ＩＤカード３５０の認証情報と認証データベースに格納した認証情報とを比較し、認証に成功した場合には、認証成功信号をゲート制御部２０３に送信する。ゲート制御部２０３はサーバ３０１から認証成功信号が入力されたら、フラッパ２０２を開とする。
　カメラ３０２は、入場ゲート２００とその周辺の画像を撮像して通信回線３０３に出力する。
　機器不具合兆候通知装置１００は、情報処理を行うプロセッサであるＣＰＵ１０２と、制御プログラムやデータベース等を格納する記憶装置１０３と、画像を表示するディスプレイ１０５と、警報等を通知するＬＥＤやスピーカー等の通知器１０６と、キーボードやマウス等のデータの入出力を行う操作器１０７と、外部とのデータの授受を行う外部通信Ｉ／Ｆ１０４で構成されるコンピュータである。外部通信Ｉ／Ｆ１０４は通信回線３０３で入場ゲート２００、サーバ３０１、カメラ３０２と接続されてデータの授受を行う。
　機器不具合兆候通知装置１００は、図２に示すような複数の機能ブロックが含まれている。各機能ブロックは、図１に示すＣＰＵ１０２が記憶装置１０３に格納されたブログクラムを実行することで実現される。また、各データベースは所定のデータ構造でデータを記憶装置１０３に格納することで実現される。
　図２に示すように、機器不具合兆候通知装置１００は、画像データ取得部１１と、画像データベース１２と、画像表示部１３とを含んでいる。ここで、画像データ取得部１１は、カメラ３０２が撮像した入場ゲート２００及び入場ゲート２００の周辺の画像を取得する。画像データベース１２は、画像データ取得部１１が取得した画像データを格納している。画像データベース１２は、最近数日分、或いは、一週間、或いは、一か月等、所定期間にカメラ３０２から取得した動画を連続的に格納保持してもよい。
　画像表示部１３は、画像データベース１２に格納されている画像データの内、所定期間の画像データを抽出してディスプレイ１０５に出力し、動画或いは画像をディスプレイ１０５に表示させる。
　また、機器不具合兆候通知装置１００は、動作ログ取得部１４と、動作ログデータベース１５と、動作パターン生成部１６と、動作パターンデータベース１９と、不具合兆候該非信号取得部１７と、不具合兆候該非信号データベース１８とを含んでいる。
　動作ログ取得部１４は、入場ゲート２００のリーダ部２０１、フラッパ２０２等の動作ログを取得して動作ログデータベース１５に格納する。動作ログデータベース１５は、図３に示すように、日時と動作ログの内容とを対応させて格納したデータベースである。
　動作パターン生成部１６は、動作パターンを生成して動作パターンデータベース１９に格納する。ここで、動作パターンは、１つ又は複数の動作ログの組み合わせであって、その組み合わせが検出された際に入場ゲート２００の不具合兆候内容を検出するものである。
　動作パターンデータベース１９に格納されている動作パターンの例を図４に示す。図４に示す動作パターン１は、図３の時刻２０２０／１０／１１　０５：０５：０６．９２０の［リーダ部］読み取りエラーを動作パターンとするものである。動作パターン２は、「動作パターン１」から５秒以内に「動作パターン１」が発生、即ち、図３の時刻２０２０／１０／１１　０６：２３：０５．８３３と、０６：２３：０８．０９０のように、［リーダ部］読み取りエラーが発生してから５秒以内に再度［リーダ部］読み取りエラーが発生する動作を規定している。また、動作パターン３は、「動作パターン１」から５秒以内に［認証問い合わせ］入場許可が発生、即ち、図３の時刻２０２０／１０／１１　０５：０５：０６．９２０から０５：０５：０９．００７のように、［リーダ部］読み取りエラーが発生してから５秒以内に二度目のＩＤカード３５０の提示が行われ、読み取りに成功、認証に成功して入場が許可された事象を規定したものである。以下、動作パターン４，５は、［リーダ部］読み取りエラーの発生と［認証問い合わせ］入場許可が発生の間隔、或いは、回数を規定したものである。また、動作パターン６は、［フラッパ開失敗］又は［フラッパ閉失敗］を規定したものであり、動作パターン７は、［フラッパ開失敗］又は［フラッパ閉失敗］の発生の間隔又は回数を規定したものである。
　このように、動作パターン１～５は、リーダ部２０１の読み取り不良の検出をも目的とする動作パターンであり、動作パターン６，７は、フラッパ２０２の動作不良の検出を目的とした動作パターンである。
　動作パターン生成部１６は、動作ログデータベース１５に格納されている１つ又は複数の動作ログを組み合わせで先に説明したような動作パターを生成し、不具合兆候該非信号取得部１７に不具合兆候該当信号が入力された場合に、生成した動作パターンの評価指標値を算出する。そして算出した評価指標値が動作パターンデータベース１９に格納されている既存の動作パターンの評価指標値以上の場合に生成した動作パターンを新規動作パターンとして動作パターンデータベース１９に格納する。これにより、動作パターンデータベース１９を構築していく。
　不具合兆候該非信号取得部１７は、外部から不具合兆候該非信号を取得し、不具合兆候該非信号データベース１８に格納する。ここで不具合兆候該非信号とは、動作パターンが検出された際に、カメラ３０２の撮像した動画から、その動作パターンの検出が不具合の兆候であるかどうかを規定する信号である。不具合兆候該非信号は不具合兆候該当信号と不具合兆候非該当信号の二種類の信号で構成される。
　不具合兆候該非信号データベース１８は、図５に示すように、動作パターンと、その動作パターンが検出された時刻の前後における所定の時間帯の画像名と、その動作パターンが不具合兆候に該当するか、非該当かを対応付けて格納したデータベースである。
　また、機器不具合兆候通知装置１００は、対処実績データ取得部２０と、対処実績データベース２１とを含んでいる。ここで「対処」とはリーダ部２０１、或いはフラッパ２０２の清掃、部品交換等、その機能を維持するのに必要なメインテナンス動作をいう。対処実績データベース２１は、図６に示すように、対処の時刻と、対処内容とを対応付けて格納したデータベースである。対処実績データ取得部２０は、操作器１０７から入力された対処実績データを対処実績データベース２１に格納してもよいし、外部のデータファイルから対処実績データを取得して対処実績データベース２１に格納してもよい。
　また、機器不具合兆候通知装置１００は、不具合兆候ルール生成部２２と、生成した不具合兆候ルールを格納する不具合兆候ルールデータベース２３と、不具合兆候判定部２４と、不具合兆候通知部２５とを含んでいる。
　不具合兆候ルール生成部２２は、対処実績データベース２１と、動作パターンデータベース１９とを参照して、動作パターンと入場ゲート２００に予測される不具合と対処とを対応付けて不具合兆候ルールを生成し、不具合兆候ルールデータベース２３に格納する。
　不具合兆候ルールデータベース２３に格納されている不具合兆候ルールの例を図７に示す。図７に示す動作パターン４は、先に説明したように、［リーダ部］読み取りエラーの発生と［認証問い合わせ］入場許可が発生の間隔、或いは、回数を規定したものである。不具合兆候ルール１は、動作パターン４と、「リーダ部清掃を必要とするリーダ部読み取り不良の兆候」と規定される不具合兆候内容とを対応付けたものである。同様に、不具合兆候ルール２は、動作パターン５と、「リーダ部交換を必要とするリーダ部読み取り不良の兆候」と規定される不具合兆候内容とを対応付けたものである。また、不具合兆候ルール３は、動作パターン７と、「フラッパ交換を必要とするフラッパ動作不良の兆候」と規定される不具合兆候内容とを対応付けたものである。このように、不具合兆候内容は、入場ゲート２００に予測される不具合と、予測される不具合の発生を防止するための対処と、を含んでいる。
　不具合兆候判定部２４は、不具合兆候ルールデータベース２３に格納されている不具合兆候ルールに含まれる動作パターンが検出された際に、その動作パターンに対応する不具合兆候内容に含まれる予測される不具合の兆候があり、不具合兆候内容に含まれる対処が必要であると判定する。
　不具合兆候通知部２５は、不具合兆候判定部２４が判定した不具合兆候内容を通知器１０６に出力して通知する。
　以上のように構成された機器不具合兆候通知装置１００の動作について、図８～図１２を参照しながら説明する。実施形態の機器不具合兆候通知装置１００は、図１２に示すように、入場ゲート２００の動作ログを取得し、不具合兆候ルールに含まれる動作パターンに該当する動作パターンが検出された場合に入場ゲート２００に予測される不具合の兆候と必要な対処とを通知するものである。以下、不具合の兆候の検出、通知動作を説明する前に、動作パターンの生成動作と不具合兆候ルールの生成動作について説明する。
　最初に図８、図９を参照しながら動作パターンの生成動作について説明する。図８に示す動作を開始する前の初期状態として、動作ログデータベース１５には、図９に示すような過去の動作ログが格納されている。動作ログは、例えば、一か月分、或いは、２～３か月分、或いは、半年～１年分の動作ログが格納されている。また、画像データベース１２には、動作ログが格納されているのと同様の期間の動画データが格納されている。また、動作パターンデータベース１９には、いくつかの動作パターンが初期値として格納されている。以下の説明では、図４に示す動作パターン１が、初期値として１つ格納されており、動作パターン２，３を生成するとして説明する。図９において、白抜き矢印は動作パターン１の検出タイミング、右下がりハッチング矢印は動作パターン２の検出タイミング、黒矢印は動作パターン３の検出タイミング、左下がりハッチング矢印は動作パターン４の検出タイミングを示す。また、図９中の丸囲み数字は、動作パターンの番号を示す。
　動作パターン生成部１６は、図８のステップＳ１０１に示すように、動作ログデータベース１５を参照して動作パターンを生成する。生成する動作パターンは、動作パターンデータベース１９に格納されている動作パターン１以外の動作ログの組み合わせとして作成する。作成の方法は任意であるが、例えば、リーダ部２０１の読み取り不良の検出を目時とした動作パターンを生成する場合には、動作ログの中からリーダ部２０１の読み取り不良に関係する動作ログを抽出して、これをランダムに組み合わせて動作ログを生成してもよい。また、外部で動作パターンを生成して操作器１０７から入力するようにしてもよい。
　以下の説明では、動作パターン生成部１６は、図４に示す動作パターン２，３，４を生成したとして説明する。最初に動作パターン２を生成した場合について説明する。
　次に、動作パターン生成部１６は、図８のステップＳ１０２に進んで、動作ログデータベース１５から所定期間の間に記録された動作ログを取得する。所定期間は、任意であるが、例えば、数時間でも数日間でも数か月でもよい。
　次に動作パターン生成部１６は、図８のステップＳ１０３に進んで、取得した期間の動作ログの中に動作ログの組み合わせが動作パターン２に該当する時刻が有るかどうか判定する。
　動作パターン２は、「動作パターン１」から５秒以内に「動作パターン１」が発生、つまり、［リーダ部］読み取りエラーが発生してから５秒以内に再度［リーダ部］読み取りエラーが発生する動作を規定している。動作パターン生成部１６は、図８のステップＳ１０２とＳ１０３とを繰り返し実行して、動作ログを時間順にスキャンし、［リーダ部］読み取りエラーが２回連続して発生している時刻を探す。図９に示す動作ログでは、時刻ｔ４（２０１９／１０／１１　０６：２３：０５．８３３）と時刻ｔ５（２０１９／１０／１１　０６：２３：０８．０９０）とで連続して［リーダ部］読み取りエラーが発生している。次に、動作パターン生成部１６は、時刻ｔ４と時刻ｔ５との間隔が５秒以内か判定する。時刻ｔ４と時刻ｔ５との間隔は、２．２５７秒で５秒以内であるから、動作パターン生成部１６は、時刻ｔ４と時刻ｔ５との動作ログの組み合わせは動作パターン２に該当すると判定し、図８のステップＳ１０３でＹＥＳと判断し、図８のステップＳ１０４に進む。この際、時刻ｔ５は動作パターン２が検出された時刻となる。
　図８のステップＳ１０４で動作パターン生成部１６は、動作パターン２が検出された時刻ｔ５を画像表示部１３に出力する。
　画像表示部１３は、図８のステップＳ１０５で、時刻ｔ５の前後における所定の時間帯の動画データを画像データベース１２から抽出してディスプレイ１０５に動画を表示する。
　動作パターン生成部１６は、図８のステップＳ１０６で、動作パターン２が入場ゲート２００に予測される不具合の兆候を示すかどうかを判定する。この判定は、いろいろな手段によって行うことができるが、一例を示すと、動作パターン生成部１６は、不具合兆候該非信号取得部１７に不具合兆候該当信号が入力され、不具合兆候該当信号が不具合兆候該非信号データベース１８を介して動作パターン生成部１６に入力された場合に図８のステップＳ１０６でＹＥＳと判断してもよい。
　ここで、不具合兆候該非信号は、例えば、不適切なＩＤ情報を含むＩＤカード３５０が提示されて［リーダ部］読み取りエラーが発生したような状態を動作パターンの生成から除外するための信号である。例えば、人がＩＤカード３５０を提示したがフラッパ２０２が開とならず直ぐに立ち去った場合等は、不適切なＩＤ情報を含むＩＤカード３５０が提示されて［リーダ部］読み取りエラーが発生したと判定することができる。一方、ＩＤカード３５０を提示して［リーダ部］読み取りエラーが発生した後、再度、ＩＤカード３５０が提示されて、ＩＤの認証に成功して入場許可となった場合は、リーダ部２０１の読み取り不良の不具合の兆候があると判定することができる。この判定は、入場ゲート２００の近傍に配置されたカメラ３０２の撮像した動画を見ることにより容易に判断することができる。
　このため、画像表示部１３がディスプレイ１０５に表示した動作パターン２が検出された時刻ｔ５の前後における所定の時間帯の動画５（図９参照）に基づいて不具合兆候該当信号を不具合兆候該非信号取得部１７に入力するか、不具合兆候非該当信号を不具合兆候該非信号取得部１７に入力するかが判断される。この判断は、機器不具合兆候通知装置１００を設定する際にエンジニアが判断して、操作器１０７から信号を入力するようにしてもよい。また、例えば、画像表示部１３がディスプレイ１０５に出力する動画データに基づいてＡＩが判断して信号を不具合兆候該非信号取得部１７に入力するようにしてもよい。
　動作パターン生成部１６は、図８のステップＳ１０６でＹＥＳと判断した場合には図８のステップＳ１０７に進んで生成した動作パターン２の評価指標値を算出する。ここで、評価指標値は、適合率に基づいた評価指標値である。適合率とは、動作パターンの検出回数に対する動作パターンが検出された際に不具合兆候該当信号が入力される回数の割合である。
　適合率を評価指標値とした場合、図９に示す動作ログデータベース１５の例では、動作パターン１の評価指標値は以下に説明するように３／４となる。
　動作パターン１は、［リーダ部］読み取りエラーが一回検出された場合を規定している。図９に示す例では、時刻ｔ１、時刻ｔ３，時刻ｔ４，時刻ｔ５の４回動作パターン１が検出されている。この内、時刻ｔ３では動作パターン１が検出された後、直ぐに再度、ＩＤカード３５０が提示されていない。この場合、動画３には、ＩＤカード３５０を提示後すぐに立ち去る人が記録されている。従って、時刻ｔ３では動作パターン１が検出されても不具合兆候非該当信号が入力される。他の時刻ｔ１、時刻ｔ４，時刻ｔ５では、動作パターン１である［リーダ部］読み取りエラーが検出された後、再度、ＩＤカード３５０の提示が行われ、入場が許可されているので、時刻ｔ１，時刻ｔ４，時刻ｔ５では、動画１、動画４、動画５に基づいて不具合該当信号が入力される。従って、動作パターン１の検出回数４回に対する動作パターン１が検出された際に不具合兆候該当信号が入力される回数は３回となり、その割合は、３／４となる。
　また、動作パターン２は時刻ｔ５に検出されており、時刻ｔ５の動画５に基づいて不具合兆候該当信号が入力される。従って、動作パターン２の検出回数１回に対する動作パターン２が検出された際に不具合兆候該当信号が入力される回数は１回となり、その割合は、１／１となる。
　以上のことから、動作パターン１の評価指標値は、３／４、動作パターン２の評価指標値は１／１となる。
　動作パターン生成部１６は、図８のステップＳ１０７で動作パターン２の評価指標値を算出したら、図８のステップＳ１０８に進んで、生成した動作パターン２の評価指標値が既存の動作パターン１の評価指標値以上かどうかを判断する。先に述べたように、動作パターン２の評価指標値は１／１で動作パターン１の評価指標値３／４以上なので、動作パターン生成部１６は、図８のステップＳ１０８でＹＥＳと判断して図８のステップＳ１０９に進む。
　動作パターン生成部１６は、図８のステップＳ１０９で生成した動作パターン２を新規動作パターンとして動作パターンデータベース１９に格納し、動作パターン生成動作を終了する。
　尚、動作パターン生成部１６は、図８のステップＳ１０６又はステップＳ１０８でＮＯと判断した場合には、図８のステップＳ１０１に戻って、次の動作パターンを生成し、図８のステップＳ１０２～ステップＳ１０９を繰り返して実行する。
　次に、動作パターン３を生成する場合について説明する。先に動作パターン２の生成動作で説明したと同様の動作については、説明を省略する。
　動作パターン３は、「動作パターン１」から５秒以内に［認証問い合わせ］入場許可が発生、つまり、［リーダ部］読み取りエラーが発生してから５秒以内に［認証問い合わせ］入場許可が発生する動作を規定している。先には説明したと同様、動作パターン生成部１６は、図８のステップＳ１０２とＳ１０３とを繰り返し実行して、動作ログを時間順にスキャンし、［リーダ部］読み取りエラーから５秒以内に［認証問い合わせ］入場許可が発生した時刻を探す。図９に示す動作ログでは、時刻ｔ１（２０１９／１０／１１　０５：０５：０６．９２０）に［リーダ部］読み取りエラーが発生し、その後、時刻ｔ２（２０１９／１０／１１　０５：０５：０９．００７）に［認証問い合わせ］入場許可が発生している。そして、時刻ｔ１と時刻ｔ２との間隔は、２．０８７秒で５秒よりも短い。従って、動作パターン生成部１６は、時刻ｔ１と時刻ｔ２の動作ログの組み合わせは動作パターン３に該当すると判定する。
　同様に、図９の時刻ｔ５と時刻ｔ６との間でも［リーダ部］読み取りエラーが発生してから５秒以内に［認証問い合わせ］入場許可が発生している。従って、動作パターン生成部１６は、時刻ｔ５と時刻ｔ６の動作ログの組み合わせは、動作パターン３に該当すると判定する。
　そして、動作パターン生成部１６は、図８のステップＳ１０３でＹＥＳと判断して図８のステップＳ１０４に進み、動作パターン２を検出した時刻ｔ２と時刻ｔ６を画像表示部１３に出力する。画像表示部１３は、時刻ｔ２の動画２と時刻ｔ６の動画６とをディスプレイ１０５に表示する。
　動作パターン３のように、［リーダ部］読み取りエラーが発生してから５秒以内に［認証問い合わせ］入場許可が発生する場合には、入場者は、ＩＤカード３５０を提示した際に読み取りエラーか発生し、再度、ＩＤカード３５０を提示して入場が許可されている。このことは動画２、動画６に記録されているので、不具合兆候該非信号取得部１７には、時刻ｔ２，時刻ｔ６のいずれについても不具合兆候該当信号が入力される。そして、動作パターン生成部１６は、図８のステップＳ１０６でＹＥＳと判断して図８のステップＳ１０７に進む。
　動作パターン生成部１６は、図８のステップＳ１０７で評価指標値を算出する。動作パターン３の場合、先に述べたように、検出された時刻ｔ２、ｔ６のいずれについても不具合兆候該当信号が入力されるので、評価指標値は、２／２となる。
　動作パターン３の評価指標値は既存の動作パターン１の評価指標値の３／４以上なので図８のステップＳ１０８でＹＥＳと判断して図８のステップＳ１０９に進んで、動作パターン３を新規動作パターンとして動作パターンデータベース１９に格納する。
　次に動作パターン４の生成について説明する。動作パターン４は、図４に示すように、「（認証問い合わせ入場許可）が発生、且つ、動作パターン１に該当）が最近７秒以内に２回以上」、即ち、認証問い合わせ入場許可があった直近に［リーダ部］読み取りエラーが２回以上発生した場合と規定されている。図９に示す時刻ｔ４～時刻ｔ６の間のように［リーダ部］読み取りエラーがｔ４，ｔ５の二回発生し、時刻ｔ４の７秒以内の時刻ｔ６に（認証問い合わせ入場許可）が発生している場合には、時刻ｔ４，時刻ｔ５，時刻ｔ６の動作ログの組み合わせは、動作パターン４を構成する。そして、時刻ｔ６に動作パターン４が検出される。先に説明したように、不具合兆候該非信号取得部１７には、時刻ｔ６について不具合兆候該当信号が入力されるので動作パターン生成部１６は、図８のステップＳ１０６でＹＥＳと判断する。また、動作パターン４は動作パターン２と同様、動作パターン４の検出回数１回に対する動作パターン４が検出された際に不具合兆候該当信号が入力される回数は１回となり、その割合は、１／１となる。このため、動作パターン生成部１６は、図８のステップＳ１０８でＹＥＳと判断して、動作パターン４を新たな動作パターンとして動作パターンデータベース１９に格納する。
　以上、動作パターン２，３，４の生成について説明したが、他の動作パターンも同様の方法で生成されて動作パターンデータベース１９に格納される。
　次に、図１０、図１１を参照しながら、不具合兆候ルールの生成について説明する。先に説明したように、不具合兆候ルールは、動作パターンデータベース１９に格納された動作パターンと機器である入場ゲート２００の不具合兆候内容とを対応づけたものである。ここで、不具合兆候内容は、入場ゲート２００に予測される不具合と、予測される不具合の発生を防止するための対処と、を含んでいる。
　対処実績データベース２１には、図１１に示すように、半年～１年位の入場ゲート２００の対処時刻と対処内容とが関連付けて格納されている。
　図１０のステップＳ２０１に示すように、不具合兆候ルール生成部２２は、対処実績データベース２１の中に入場ゲート２００の清掃や部品交換等の対処の実績があるかどうかを判断する。そして不具合兆候ルール生成部２２は、図１０のステップＳ２０１でＹＥＳと判断した場合には、図１０のステップＳ２０２に進んで図１１に示すように不具合の対処を行った一の時刻ｔ１１を抽出し、時刻ｔ１１より前の第１Ａ期間と、時刻ｔ１１よりも後の第２Ａ期間とを設定する。なお、図１０のステップＳ２０１でＮＯと判断した場合には、不具合兆候ルール生成部２２は、不具合兆候ルールの生成動作を終了する。
　次に不具合兆候ルール生成部２２は、図１０のステップＳ２０３で動作ログデータベース１５から第１Ａ期間の動作ログを取得する。そして、図１０のステップＳ２０４で、取得した動作ログの組み合わせが動作パターンデータベース１９に格納された動作パターンの中のいずれかに該当するかを判定する。図１１に示すように、第１Ａ期間では動作パターン１と動作パターン４とが検出されている。動作パターンが検出された場合には、不具合兆候ルール生成部２２は、図１０のステップＳ２０４でＹＥＳと判断して図１０のステップＳ２０５に進む。尚、図１０のステップＳ２０４でＮＯと判断した場合には、不具合兆候ルール生成部２２は、不具合兆候ルールの生成動作を終了する。
　図１０のステップＳ２０５で不具合兆候ルール生成部２２は、第１Ａ期間における動作パターン１の検出回数に対する第２Ａ期間における動作パターン１の検出回数の比率が一定比率以下となっているか判断する。ここで、一定比率は、自由に設定できるが、例えば、１０％以下のように設定できる。
　第１Ａ期間では、動作パターン１は２回検出されており、第２Ａ期間では動作パターン１は１回検出されている。そうすると、上記の比率は５０％となり、設定値の１０％よりも大きくなっている。従って不具合兆候ルール生成部２２は、図１０のステップＳ２０５でＮＯと判断して図１０のステップＳ２０７に進み、第１Ａ期間に動作パターン１以外の動作パターンがあるかどうか判定する。
　図１１に示すように、第１Ａ期間には、動作パターン４が検出されているので、不具合兆候ルール生成部２２は、図１０のステップＳ２０７でＹＥＳと判断して図１０のステップＳ２０５に戻り、動作パターン４の上記の比率が一定比率以下となっているか判断する。
　図１１に示すように、第１Ａ期間には、動作パターン４が２回検出されており、第２Ａ期間では、動作パターン４は検出されていない。従って、上記比率は０％となり、一定比率の１０％以下となっている。従って、不具合兆候ルール生成部２２は、図１０のＳ２０５でＹＥＳと判断して図１０のステップＳ２０６に進む。
　不具合兆候ルール生成部２２は、図１０のステップＳ２０６において、動作パターン４と入場ゲート２００に予測される不具合と対処とを対応付けて不具合兆候ルールを生成する。時刻ｔ１１の対処内容がリーダ部清掃であり、動作パターン４がリーダ部読み取り不良に関するものであるから、不具合兆候ルール生成部２２は、図７に示すように、動作パターン４に対応する不具合兆候内容を「リーダ部清掃を必要とするリーダ部読み取り不良の兆候」のように設定し、不具合兆候ルール１を生成する。そして、不具合兆候ルール生成部２２は、生成した不具合兆候ルール１を不具合兆候ルールデータベース２３に格納する。
　そして、不具合兆候ルール生成部２２は、図１０のステップＳ２０７に進み、第１Ａ期間に動作パターン１、４以外の動作パターンがあるかどうか判定する。図１１に示すように、第１Ａ期間には、動作パターン１、４以外の動作パターンは検出されていないので、不具合兆候ルール生成部２２は、図１０のステップＳ２０７でＮＯと判断して図１０のステップＳ２０８に進み、不具合の処理を行った他の時刻があるかどうか判断する。
　図１１に示すように、時刻ｔ１１以外にｔ１２～ｔ１５の４回、入場ゲート２００の対処を行っているので、不具合兆候ルール生成部２２は、図１０のステップＳ２０８でＹＥＳと判断して図１０のステップＳ２０２に戻り、時刻ｔ１２において、同様の動作を行う。
　時刻ｔ１１の前の第１Ｂ期間には、動作パターン１と、動作パターン６と、動作パターン７とが検出されている。動作パターン１は、第１Ｂ期間に１回、第２Ｂ期間に１回検出されているので、第１Ｂ期間における動作パターン１の検出回数に対する第２Ｂ期間における動作パターン１の検出回数の比率は１００％となり、一定比率の１０％以下となっていない。従って、不具合兆候ルール生成部２２は、動作パターン１については、図１０のステップＳ２０５でＮＯと判断し、図１０のステップＳ２０７でＹＥＳと判断して図１０のステップＳ２０５に戻り、動作パターン６について上記の比率の判断を行う。動作パターン６は、第１Ｂ期間に２回、第２Ｂ期間に１回検出されているので、上記の比率は５０％となり、一定比率の１０％以下となっていない。従って、図１０のステップＳ２０５でＮＯと判断し、図１０のステップＳ２０７でＹＥＳと判断して図１０のステップＳ２０５に戻って、動作パターン７について上記の比率の判断を行う。
　動作パターン７は、第１Ｂ期間に２回検出され、第２Ｂ期間には検出されていないので上記の比率は０％となり、一定比率の１０％以下となっている。このため、不具合兆候ルール生成部２２は、図１０のステップＳ２０６に進んで、動作パターン７と入場ゲート２００に予測される不具合と対処とを対応付けて不具合兆候ルールを生成する。時刻ｔ１２の対処内容がフラッパ交換であり、動作パターン７がフラッパ２０２の動作不良に関するものであるから、不具合兆候ルール生成部２２は、図７に示すように、動作パターン７に対応する不具合兆候内容を「フラッパ交換を必要とするフラッパ動作不良の兆候」のように設定し、不具合兆候ルール２を生成する。そして、不具合兆候ルール生成部２２は、生成した不具合兆候ルール２を不具合兆候ルールデータベース２３に格納する。
　不具合兆候ルール生成部２２は図１０のステップＳ２０８でＹＥＳと判断して図１０のステップＳ２０２に戻り、時刻ｔ１３の前後に第１Ｃ期間、第２Ｃ期間を設定し、上記と同様の動作を実行する。第１Ｃ期間には、動作パターン１と動作パターン４とが検出されるが、いずれの動作パターンも、上記の比率が一定比率以下となっていないので、図１０のステップＳ２０５でＮＯと判断して不具合兆候ルールの設定は行わない。次の時刻ｔ１４の第１Ｄ期間、第２Ｄ期間においても同様である。
　時刻ｔ１５の前の第１Ｅ期間では動作パターン１，４，５，６が検出されている。この内、動作パターン５においては、第１Ｅ期間で２回検出され、第２Ｅ期間で検出されていないので、上記の比率は０％となり、一定比率の１０％以下となっている。従って、不具合兆候ルール生成部２２は、図２３に示すように、動作パターン５と、「リーダ部交換を必要とするリーダ部読み取り不良の兆候」の不具合兆候内容とを対応付けた不具合兆候ルール３を生成して不具合兆候ルールデータベース２３に格納する。
　以上説明したように、対処前の第１期間に検出された動作パターンの回数に対して対処の後に検出された動作パターンの回数が一定比率以下となった場合に、動作パターンと対処内容とを対応付けた不具合兆候ルールを生成するので、動作パターンが検出された際に、入場ゲート２００に予測される不具合と、予測される不具合の発生を防止するための対処と、を出力することができる。
　次に図１２を参照しながら、不具合兆候ルールを用いて入場ゲート２００に予測される不具合とその不具合の発生を防止するための対処とを通知する動作について説明する。この動作は、２～３か月毎に１回実行するようにしてもよいし、毎月実行するようにしてもよい。
　不具合兆候判定部２４は、図１２のステップＳ３０１に示すように、２～３か月、１か月等の所定期間の動作ログを動作ログデータベース１５から取得する。そして、図１２のステップＳ３０２において、取得した動作ログの組み合わせが不具合兆候ルールに含まれる動作パターンに該当するかどうかを判断する。例えば、先に説明したように、動作パターン４は、図９に示す時刻ｔ６に検出される。動作パターン４は、図７に示すように不具合兆候ルール１に含まれる動作パターンである。このため、不具合兆候判定部２４は、取得した動作ログの組み合わせが不具合兆候ルール１に含まれる動作パターンに該当すると判断し、ステップＳ３０２でＹＥＳと判断して図１２のステップＳ３０３に進む。そして、不具合兆候判定部２４は、図１２のステップＳ３０３において、動作パターン４に対応する不具合兆候ルール１不具合兆候内容に含まれる予測される不具合の兆候があり、不具合兆候内容に含まれる対処が必要であると判定する。つまり、不具合兆候判定部２４は、図７に示すように、入場ゲート２００のリーダ部２０１の清掃を必要とするリーダ部２０１の読み取り不良の兆候があると判定する。そして、不具合兆候判定部２４は判定結果を不具合兆候通知部２５に出力する。
　図１２のステップＳ３０４において、不具合兆候通知部２５は、通知器１０６を用いて不具合兆候判定部２４から入力された判定結果を通知する。尚、不具合兆候判定部２４が図１２のステップＳ３０２でＮＯと判断した場合には、不具合兆候の通知動作を終了する。
　以上、説明したように、不具合兆候判定部２４が、複数の動作ログを組み合わせた動作パターンに基づいて入場ゲート２００に予測される不具合と、予測される不具合の発生を防止するための対処と、を含む不具合兆候内容を検出し、不具合兆候通知部２５が予測される不具合の兆候とその不具合の発生を防止するために必要な対処とを通知するので、入場ゲート２００の不具合発生前に機器に予想される不具合を起こさないような対処が可能となり、不具合の発生回数を低減することができる。
　以上の説明では、動作ログに基づいて動作パターンを生成し、不具合兆候ルールは、動作パターンと不具合兆候内容とを対応付けたものとして説明したが、動作パーンを生成せず、１つの動作ログあるいは複数の動作ログの組み合わせを動作ログデータとし、動作ログデータと不具合兆候内容とを対応付けて不具合兆候ルールとしてもよい。
　例えば、［リーダ部］読み取りエラー２回という動作ログデータと「リーダ部読み取り不良の兆候」という不具合兆候内容とを対応付けて不具合兆候ルールとしてもよい。この場合、不具合兆候内容として対処内容の検出を行うことは難しいが、簡便に構成で不具合兆候の通知をすることができる。
　以上の説明では、動作パターンの生成動作において、カメラ３０２の撮像した動作パターンが検出された時刻の前後の期間の動画をディスプレイ１０５に表示し、エンジニアがこの動画に基づいて図８のステップＳ１０６で生成した動作パターンが入場ゲート２００に予測される不具合の兆候を示すかどうかの判定を行うこととして説明したが、この際、エンジニアがその動画から入場ゲート２００に不具合が発生したことが明らかであり、対処が必要と判断した場合、不具合解消を目的とした対処を行うようにしてもよい。
　次に、図１３から図１６を参照しながら他の実施形態の機器不具合兆候通知装置１５０について説明する。機器不具合兆候通知装置１５０は、動作ログ、又は、動作ログと画像データを入力とし、機器の不具合兆候内容を出力とする不具合兆候推論モデルを用いて機器の不具合兆候内容を推論し、推論した不具合兆候内容を通知するものである。先に図１から図１２を参照して説明した機器不具合兆候通知装置１００と同様の部位には、同様の符号を付して説明は省略する。
　図１３に示すように、機器不具合兆候通知装置１５０は、図１を参照して説明した機器不具合兆候通知装置１００の不具合兆候ルール生成部２２と、不具合兆候ルールデータベース２３と、不具合兆候判定部２４と、に代えて、不具合兆候推論モデル生成部２６と、不具合兆候推論モデルデータベース２７と、不具合兆候推論部２８とを備えるものである。
　不具合兆候推論モデル生成部２６は、動作ログデータベース１５と、画像データベース１２とを参照して学習により、一定期間の動作ログ、又は、動作ログと画像データとの入力に対して不具合兆候内容又は不具合兆候なしを出力とする不具合兆候推論モデルを生成する。不具合兆候推論モデルデータベース２７は、不具合兆候推論モデル生成部２６が生成した不具合兆候推論モデルを格納するデータベースである。不具合兆候推論部２８は、不具合兆候推論モデルを用いて、不具合兆候内容の推論を行い、推論結果を不具合兆候通知部２５に出力する。
　機器不具合兆候通知装置１５０の不具合兆候通知動作について説明する前に、図１４、図１５を参照しながら不具合兆候推論モデルの生成について説明する。先に不具合兆候ルールの生成動作で説明したと同様、対処実績データベース２１には、図１１に示すように、半年～１年位の入場ゲート２００の対処時刻と対処内容とが関連付けて格納されている。
　図１４のステップＳ４０１に示すように、不具合兆候推論モデル生成部２６は、対処実績データベース２１の中に入場ゲート２００の清掃や部品交換等の対処の実績があるかどうかを判断する。そして不具合兆候推論モデル生成部２６は、図１４のステップＳ４０１でＹＥＳと判断した場合には、図１４のステップＳ４０２に進んで不具合の対処を行った一の時刻ｔ２１（図１５参照）を抽出し、時刻ｔ２１より前の第１期間と、時刻ｔ２１よりも後の第２期間とを設定する。なお、図１４のステップＳ４０１でＮＯと判断した場合には、不具合兆候推論モデル生成部２６は、不具合兆候推論モデルの生成動作を終了する。
　次に不具合兆候推論モデル生成部２６は、図１４のステップＳ４０３で動作ログデータベース１５から第１期間の動作ログを取得する。そして、図１４のステップＳ４０４で、取得した動作ログの組み合わせが動作パターンデータベース１９に格納された動作パターンの中のいずれかに該当するかを判定する。図１５に示すように、第１期間では動作パターン１、動作パターン４、動作パターン５、動作パターン６が検出されている。動作パターンが検出された場合には、不具合兆候推論モデル生成部２６、図１４のステップＳ４０４でＹＥＳと判断して図１４のステップＳ４０５に進む。尚、図１４のステップＳ４０４でＮＯと判断した場合には、不具合兆候推論モデル生成部２６は、不具合兆候推論モデルの生成動作を終了する。
　図１４のステップＳ４０５で不具合兆候推論モデル生成部２６は、第１期間における動作パターン１の検出回数に対する第２期間における動作パターン１の検出回数の比率が一定比率以下となっているか判断する。ここで、一定比率は、自由に設定できるが、例えば、１０％以下のように設定できる。
　第１期間では、動作パターン１は２回検出されており、第２期間では動作パターン１は２回検出されている。そうすると、上記の比率は１００％となり、設定値の１０％よりも大きくなっている。従って不具合兆候推論モデル生成部２６は、図１４のステップＳ４０５でＮＯと判断して図１４のステップＳ４１０に進み、第１期間に動作パターン１以外の動作パターンがあるかどうか判定する。第１期間では、動作パターン１の他に動作パターン４，５，６が検出されているので、不具合兆候推論モデル生成部２６は、図１４のステップＳ４１０でＹＥＳと判断して図１４のステップＳ４０５に戻り、動作パターン４について動作パターン１と同様に上記の比率が一定比率以下となっているかどうか判断する。
　図１５に示すように、動作パターン４は、第１期間で３回検出されており、第２期間で１回検出されている。したがって、動作パターン４では、上記の比率は３３％となり、一定比率の１０％以下となっていない。従って、不具合兆候推論モデル生成部２６は、図１４のステップＳ４０５でＮＯと判断し、図１４のステップＳ４１０でＹＥＳと判断して図１４のステップＳ４０５に戻り、動作パターン５について、動作パターン１，４と同様に上記の比率が一定比率以下となっているか判断する。
　図１５に示すように、第１期間では、動作パターン５は３回検出されているが第２期間では動作パターン５は検出されていない。従って、上記の比率は、０％となり一定比率の１０％以下となっている。従って、不具合兆候推論モデル生成部２６は、図１４のステップＳ４０５でＹＥＳと判断して図１４のステップＳ４０６に進む。
　不具合兆候推論モデル生成部２６は、図１４のステップＳ４０６で図１５に示すように、第１期間の動作ログ、又は、動作ログと画像データとを入力とし、不具合兆候内容を出力とする不具合兆候有りの第１教師データを生成する。ここで、動作パターン５は、図４に示すように、「（動作パターン４に該当）が発生、且つ、（動作パターン４に該当）が最近６０日以内に５回以上」として規定されている。つまり、動作パターン５は、「（認証問い合わせ入場許可）が発生、且つ、［リーダ部］読み取りエラーが最近７秒以内に２回以上」で規定される動作パターン４が最近６０日以内に５回以上発生として規定される。このように、動作パターン５は、リーダ部の読み取り不良の発生の兆候を示すものである。また、時刻ｔ２１の対処内容は、リーダ部交換処理である。従って、不具合兆候推論モデル生成部２６は、第１教師モデルの不具合兆候内容を「リーダ部交換を必要とするリーダ部読み取り不良の兆候」と規定する。そして、不具合兆候推論モデル生成部２６は、図１４のステップＳ４０７に進んで第３期間を設定する。図１５に示すように、第３期間は、第１期間と第２期間とのいずれとも重複しない期間である。
　そして、不具合兆候推論モデル生成部２６は、図１４のステップＳ４０８に進んで、図１５に示すように、第３期間の動作ログ、又は、動作ログと画像データとを入力とし、不具合の兆候がないことを出力とする不具合兆候無しの第２教師データを生成する。そして、第２教師データの生成が終了したら図１４のステップＳ４０９に進む。
　不具合兆候推論モデル生成部２６は、図１４のステップＳ４０９で、第１教師データと第２教師データを用いた学習により、一定期間の動作ログ、又は、動作ログと画像データとの入力に対して不具合兆候内容又は不具合兆候なしを出力とする不具合兆候推論モデルを生成する。そして、不具合兆候推論モデル生成部２６は、生成した不具合兆候推論モデルを不具合兆候推論モデルデータベース２７に格納する。
　不具合兆候推論モデル生成部２６は、図１４のステップＳ４１０に進み、他の動作パターンがあるかどうか判断する。まだ、動作パターン６が残っているので、不具合兆候推論モデル生成部２６は、図１４のステップＳ４１０でＮＯと判断して図１４のステップＳ４０５に戻って動作パターン６の上記の比率が一定比率以下となっているが判断する。図１５に示すように動作パターン６は、第１期間で１回検出され、第２期間で１回検出されている。従って、上記の比率は１００％となり一定比率の１０％以下となっていない。従って、不具合兆候推論モデル生成部２６は、図１４のステップＳ４０５でＮＯと判断する。また、動作パターン６が上記比率の判断を行う最後の動作パターンなので、図１４のステップＳ４１０でＮＯと判断して図１４のステップＳ４１１に進む。そして、不具合兆候推論モデル生成部２６は、他の対処を行った時刻が有るかどうかを判断し、他の対処を行った時刻が有れば、図１４のステップＳ４０２に戻って上記と同様の動作を繰り返して実行する。また、他の対処を行った他の時刻がない場合には、図１４のステップＳ４１１でＮＯと判断して不具合兆候推論モデルの生成動作を終了する。
　次に、図１６を参照しながら、不具合兆候推論モデルを用いて不具合兆候内容の通知を行う動作について説明する。先に説明した不具合兆候ルールを用いて不具合兆候内容の通知を行う場合と同様、この動作は、２～３か月毎に１回実行するようにしてもよいし、毎月実行するようにしてもよい。
　図１６のステップＳ５０１に示すように、不具合兆候推論部２８は、２～３か月、１か月等の所定期間の動作ログを動作ログデータベース１５から取得又は、所定期間の動作ログを動作ログデータベース１５から取得すると共に所定期間の画像データを画像データベース１２から取得する。
　図１６のステップＳ５０２に示すように、不具合兆候推論部２８は、不具合兆候推論モデルデータベース２７から不具合兆候推論モデルを読み出し、不具合兆候推論モデルに所定期間の動作ログ、又は、所定期間の動作ログと画像データを入力し、不具合兆候内容の推論を行わせる。そして、不具合兆候推論部２８は、不具合内容の推論結果の出力があった場合には、図１６のステップＳ５０３でＹＥＳと判断して図１６のステップＳ５０４に進む。
　不具合兆候通知部２５は、図１６のステップＳ５０４で不具合兆候推論部２８から出力された不具合内容を通知器１０６から通知する。
　不具合兆候推論部２８は、不具合内容の出力が無く、不具合の兆候がないとの推論結果が出力された場合には、図１６のステップＳ５０３でＮＯと判断して不具合兆候の通知動作を終了する。
　ここで、通知される不具合兆候内容は、第１教師モデルの生成の場合に規定した、「リーダ部交換を必要とするリーダ部読み取り不良の兆候」のように、入場ゲート２００に予測される不具合と、予測される不具合の発生を防止するための対処と、を含むものである。従って、入場ゲート２００の不具合発生前に機器に予想される不具合を起こさないような対処が可能となり、不具合の発生回数を低減することができる。
　次に、図１７～図１９を参照しながら、他の不具合兆候推論モデルの生成動作と他の不具合兆候推論モデルを用いた不具合兆候内容の推論と通知について説明する。先に図１４～図１６を参照して説明した不具合兆候推論モデルの生成動作と、その不具合兆候推論モデルを用いた不具合兆候内容の推論と通知と同様の動作には、同様の符号を付して説明は、省略する。
　図１７に示すように、他の不具合兆候推論モデルの生成方法は、図１４のステップＳ４０６、ステップＳ４０８、ステップＳ４０９において、対処実績データを入力項目に追加したものである。
　図１７のステップＳ６０１では、図１８に示すように、不具合兆候推論モデル生成部２６は、第１期間の動作ログと対処実績データ、又は、動作ログと対処実績データと画像データとを入力とし、不具合兆候内容を出力とする不具合兆候有りの第１教師データを生成する。また、不具合兆候推論モデル生成部２６は、図１７のステップＳ６０２では、図１８に示すように、第３期間の動作ログと対処実績データ、又は、動作ログと対処実績データと画像データとを入力とし、不具合の兆候がないことを出力とする不具合兆候無しの第２教師データを生成する。そして、不具合兆候推論モデル生成部２６は、図１７のステップＳ６０３では、図１８に示すように、第１教師データと第２教師データを用いた学習により、一定期間の動作ログと対処実績データ、又は、動作ログと対処実績データと画像データとの入力に対して不具合兆候内容又は不具合兆候なしを出力とする他の不具合兆候推論モデルを生成する。不具合兆候推論モデル生成部２６は、生成した他の不具合兆候推論モデルを不具合兆候推論モデルデータベース２７に格納する。
　このように、学習に用いる第１教師データが対処実績データを入力としているので、過去の対処実績データと動作ログとを関連付けて学習することができる。このため、例えば、交換が必要な不具合の兆候と推論するのか、清掃によりエラーが減ったのか、大して変わらなかったのかを材料に学習することができる。これにより、他の不具合兆候推論モデルは、交換が必要な不具合の兆候なのか清掃が必要な不具合の兆候なのかを分けて推論することができるモデルとして生成される。
　上記のようにして生成した他の不具合兆候推論モデルを用いた不具合兆候内容の推論、通知の動作について図１９を参照して説明する。先に図１６を参照して説明した動作と同様の動作には、同様の符号を付して説明は省略する。
　図１９のステップＳ７０１に示すように、不具合兆候推論部２８は、所定期間の動作ログを動作ログデータベース１５から取得し、所定期間の対処実績データを対処実績データベース２１から取得する。又は、不具合兆候推論部２８は、所定期間の動作ログを動作ログデータベース１５から取得し、所定期間の対処実績データを対処実績データベース２１から取得すると共に所定期間の画像データを画像データベース１２から取得する。
　図１９のステップＳ７０２に示すように、不具合兆候推論部２８は、不具合兆候推論モデルデータベース２７から他の不具合兆候推論モデルを読み出し、他の不具合兆候推論モデルに所定期間の動作ログと対処実績データ、又は、所定期間の動作ログと対処実績データと画像データを入力し、不具合兆候内容の推論を行わせる。そして、不具合兆候推論部２８は、不具合内容の推論結果の出力があった場合には、図１９のステップＳ５０３でＹＥＳと判断して図１９のステップＳ５０４で不具合兆候内容を通知する。
　以上説明した他の不具合兆候推論モデルを用いた不具合兆候内容の推論と通知の動作は、先に説明した不具合兆候推論モデルによる推論と通知の動作と同様の効果を奏する。
　以上の説明では、不具合兆候ルールを用いて不具合内容の検出を行い、検出した不具合兆候内容の通知を行う機器不具合兆候通知装置１００と、不具合兆候推論モデルを用いて不具合兆候内容を推論し、推論した不具合兆候内容を通知する機器不具合兆候通知装置１５０とについて説明したが、不具合兆候ルールを用いて不具合内容の検出を行い、検出した不具合兆候内容の通知を行う動作と、不具合兆候推論モデルを用いて不具合兆候内容を推論し、推論した不具合兆候内容を通知する動作の両方の動作を行うことができる機器不具合兆候通知装置としてもよい。
　１１　画像データ取得部、１２　画像データベース、１３　画像表示部、１４　動作ログ取得部、１５　動作ログデータベース、１６　動作パターン生成部、１７　不具合兆候該非信号取得部、１８　不具合兆候該非信号データベース、１９　動作パターンデータベース、２０　対処実績データ取得部、２１　対処実績データベース、２２　不具合兆候ルール生成部、２３　不具合兆候ルールデータベース、２４　不具合兆候判定部、２５　不具合兆候通知部、２６　不具合兆候推論モデル生成部、２７　不具合兆候推論モデルデータベース、２８　不具合兆候推論部、１００，１５０　機器不具合兆候通知装置、１０２，２０４　ＣＰＵ、１０３　記憶装置、１０４，２０６　外部通信Ｉ／Ｆ、１０５　ディスプレイ、１０６　通知器、１０７　操作器、２００　入場ゲート、２０１　リーダ部、２０２　フラッパ、２０３　ゲート制御部、２０５　メモリ、３０１　サーバ、３０２　カメラ、３０３　通信回線、３５０　ＩＤカード、５００　入室管理システム。
 

Claims (12)

  1. 　機器の不具合の兆候を通知する機器不具合兆候通知装置であって、
    　前記機器の動作ログを取得する動作ログ取得部と、
    　前記機器の動作ログデータと前記機器の不具合兆候内容とを対応付けた不具合兆候ルールが格納された不具合兆候ルールデータベースと、
    　前記動作ログ取得部で取得した前記動作ログが前記不具合兆候ルール中の前記動作ログデータに該当する場合に、対応する前記不具合兆候内容の不具合の兆候があると判定する不具合兆候判定部と、
    　前記不具合兆候判定部が判定した前記不具合兆候内容を通知する不具合兆候通知部と、
    　を備えることを特徴とする機器不具合兆候通知装置。
  2. 　請求項１に記載の機器不具合兆候通知装置であって、
    　前記機器の１つ又は複数の前記動作ログの組み合わせであって、その組み合わせが検出された際に前記機器の前記不具合兆候内容を検出する動作パターンを格納する動作パターンデータベースを含み、
    　前記不具合兆候ルールは、前記動作パターンデータベースに格納された前記動作パターンと前記機器の前記不具合兆候内容とを対応づけたものであり、
    　前記不具合兆候内容は、前記機器に予測される不具合と、予測される不具合の発生を防止するための対処と、を含み、
    　前記不具合兆候判定部は、前記不具合兆候ルールに含まれる前記動作パターンが検出された際に、前記動作パターンに対応する前記不具合兆候内容に含まれる予測される不具合の兆候があり、前記不具合兆候内容に含まれる対処が必要であると判定すること、
    　を特徴とする機器不具合兆候通知装置。
  3. 　請求項２に記載の機器不具合兆候通知装置であって、
    　前記機器の不具合の対処を行った時刻と対処内容とを対処実績データとして格納した対処実績データベースと、
    　前記不具合兆候ルールを生成する不具合兆候ルール生成部と、を含み、
    　前記不具合兆候ルール生成部は、
    　前記対処実績データベースを参照して前記機器の不具合の一の対処を行った一の時刻より前の第１期間と一の時刻よりも後の第２期間とを設定し、
    　前記第２期間における前記動作パターンの検出回数が前記第１期間における前記動作パターンの検出回数の一定比率以下となる場合に、前記動作パターンと前記機器に予測される不具合と前記一の対処とを対応付けて前記不具合兆候ルールを生成し、前記不具合兆候ルールデータベースに格納すること、
    　を特徴とする機器不具合兆候通知装置。
  4. 　請求項２又は３に記載の機器不具合兆候通知装置であって、
    　前記機器の動作ログを格納した動作ログデータベースと、
    　前記機器及び前記機器の周辺をカメラで撮像した画像データを格納した画像データベースと、
    　前記動作パターンを生成する動作パターン生成部と、
    　前記画像データベースに格納されている画像データの内、前記動作パターン生成部で生成された前記動作パターンが検出された時刻の前後における所定の時間帯の画像データを画像として表示する画像表示部と、
    　生成された前記動作パターンが前記機器に予測される不具合の兆候を示すかどうかの不具合兆候該非信号を取得する不具合兆候該非信号取得部と、を備え、
    　前記動作パターン生成部は、前記不具合兆候該非信号取得部に不具合兆候該当信号が入力された場合に、生成した前記動作パターンの評価指標値を算出し、算出した評価指標値が前記動作パターンデータベースに格納されている既存の前記動作パターンの評価指標値以上の場合に生成した前記動作パターンを新規動作パターンとして前記動作パターンデータベースに格納すること、
    　を特徴とする機器不具合兆候通知装置。
  5. 　機器の不具合の兆候を通知する機器不具合兆候通知装置であって、
    　前記機器の動作ログを格納した動作ログデータベースと、
    　前記機器及び前記機器の周辺をカメラで撮像した画像データを格納した画像データベースと、
    　前記動作ログ、又は、前記動作ログと前記画像データを入力とし、前記機器の不具合兆候内容を出力とする不具合兆候推論モデルと、
    　前記不具合兆候推論モデルに前記動作ログ、又は、前記動作ログと前記画像データを入力し、前記不具合兆候内容を推論する不具合兆候推論部と、
    　前記不具合兆候推論部が出力した前記不具合兆候内容を通知する不具合兆候通知部と、
    　を備え、
    　前記不具合兆候内容は、前記機器に予測される不具合と、予測される不具合の発生を防止するための対処と、を含むこと、
    　を特徴とする機器不具合兆候通知装置。
  6. 　請求項５に記載の機器不具合兆候通知装置であって、
    　前記機器の１つ又は複数の前記動作ログの組み合わせであって、その組み合わせが検出された際に前記機器の前記不具合兆候内容を検出する動作パターンを格納する動作パターンデータベースと、
    　前記機器の不具合の対処を行った時刻と対処内容とを対処実績データとして格納した対処実績データベースと、
    　前記不具合兆候推論モデルを生成する不具合兆候推論モデル生成部と、を含み、
    　前記不具合兆候推論モデル生成部は、
    　前記対処実績データベースを参照して前記機器の不具合の対処を行った一の時刻より前の第１期間と一の時刻よりも後の第２期間とを設定し、
    　前記第２期間における前記動作パターンの検出回数が前記第１期間における前記動作パターンの検出回数の一定比率以下となる場合に、前記第１期間の前記動作ログ、又は、前記動作ログと前記画像データとを入力とし、前記不具合兆候内容を出力とする不具合兆候有りの第１教師データを生成し、
    　前記第１期間と前記第２期間とのいずれとも重複しない第３期間を設定し、前記第３期間の前記動作ログ、又は、前記動作ログと前記画像データとを入力とし、不具合の兆候がないことを出力とする不具合兆候無しの第２教師データを生成し、
    　前記第１教師データと前記第２教師データを用いた学習により、一定期間の前記動作ログ、又は、前記動作ログと前記画像データとの入力に対して前記不具合兆候内容又は不具合兆候なしを出力とする前記不具合兆候推論モデルを生成すること、
    　を特徴とする機器不具合兆候通知装置。
  7. 　請求項６に記載の機器不具合兆候通知装置であって、
    　前記不具合兆候推論モデル生成部は、
    　前記第１期間の前記動作ログと前記対処実績データ、又は、前記動作ログと前記対処実績データと前記画像データとを入力とし、前記不具合兆候内容を出力とする不具合兆候有りの前記第１教師データを生成し、
    　前記第３期間の前記動作ログと前記対処実績データ、又は、前記動作ログと前記対処実績データと前記画像データとを入力とし、不具合の兆候がないことを出力とする不具合兆候無しの前記第２教師データを生成し、
    　前記第１教師データと前記第２教師データを用いた学習により、一定期間の前記動作ログと前記対処実績データ、又は、前記動作ログと前記対処実績データと前記画像データとの入力に対して前記不具合兆候内容又は不具合兆候なしを出力とする前記不具合兆候推論モデルを生成し、
    　不具合兆候推論部は、前記不具合兆候推論モデルに前記動作ログと前記対処実績データ、又は、前記動作ログと前記対処実績データと前記画像データを入力し、前記不具合兆候内容を推論すること、
    　を特徴とする機器不具合兆候通知装置。
  8. 　請求項６又は７に記載の機器不具合兆候通知装置であって、
    　前記動作パターンを生成する動作パターン生成部と、
    　前記画像データベースに格納されている画像データの内、前記動作パターン生成部で生成された前記動作パターンが検出された時刻の前後における所定の時間帯の画像データを画像として表示する画像表示部と、
    　生成された前記動作パターンが前記機器に予測される不具合の兆候を示すかどうかの不具合兆候該非信号を取得する不具合兆候該非信号取得部と、を備え、
    　前記動作パターン生成部は、前記不具合兆候該非信号取得部に不具合兆候該当信号が入力された場合に、生成した前記動作パターンの評価指標値を算出し、算出した評価指標値が前記動作パターンデータベースに格納されている既存の前記動作パターンの評価指標値以上の場合に生成した前記動作パターンを新規動作パターンとして前記動作パターンデータベースに格納すること、
    　を特徴とする機器不具合兆候通知装置。
  9. 　機器に予測される不具合の兆候を検出する前記機器の動作パターンの生成方法であって、
    　前記機器の動作ログを格納した動作ログデータベースと、前記機器及び前記機器の周辺をカメラで撮像した画像データを格納した画像データベースと、動作パターンを格納する動作パターンデータベースと、を準備し、
    　前記機器の１つ又は複数の動作ログの組み合わせであって、その組み合わせが検出された際に前記機器の不具合の兆候を検出する前記動作パターンを生成し、
    　前記画像データベースに格納されている画像データの内、生成された前記動作パターンが検出された時刻の前後における所定の時間帯の画像データを画像として表示し、
    　前記表示された前記画像に基づいて生成された前記動作パターンが前記機器に予測される不具合の兆候を示すかどうかを判定し、
    　前記画像が不具合の兆候を示すと判定した場合に、生成した前記動作パターンの評価指標値を算出し、算出した評価指標値が既存の前記動作パターンの評価指標値以上の場合に生成した前記動作パターンを新規動作パターンとして前記動作パターンデータベースに格納すること、
    　を特徴とする動作パターンの生成方法。
  10. 　機器の不具合の兆候を通知する機器不具合兆候通知装置において、前記機器の不具合兆候内容の検出に用いられる不具合兆候ルールの生成方法であって、
    　前記不具合兆候内容は、前記機器に予測される不具合と、予測される不具合の発生を防止するための対処と、を含み、
    　前記機器の１つ又は複数の動作ログの組み合わせであって、その組み合わせが検出された際に前記機器の前記不具合兆候内容を検出する動作パターンを格納する動作パターンデータベースと、前記機器の不具合の対処を行った時刻と対処内容とを対処実績データとして格納した対処実績データベースと、を準備し、
    　前記対処実績データベースを参照して前記機器の不具合の一の対処を行った一の時刻より前の第１期間と一の時刻よりも後の第２期間とを設定し、
    　前記第２期間における前記動作パターンの検出回数が前記第１期間における前記動作パターンの検出回数の一定比率以下となる場合に、前記動作パターンと前記機器に予測される不具合と前記一の対処とを対応付けて不具合兆候ルールを生成すること、
    　を特徴とする不具合兆候ルールの生成方法。
  11. 　機器の不具合の兆候を通知する機器不具合兆候通知装置において、前記機器の不具合兆候内容の推論に用いられる不具合兆候推論モデルの生成方法であって、
    　前記不具合兆候内容は、前記機器に予測される不具合と、予測される不具合の発生を防止するための対処と、を含み、
    　前記機器の動作ログを格納した動作ログデータベースと、前記機器の１つ又は複数の前記動作ログの組み合わせであって、その組み合わせが検出された際に前記機器の前記不具合兆候内容を検出する動作パターンを格納する動作パターンデータベースと、前記機器の不具合の対処を行った時刻と対処内容とを対処実績データとして格納した対処実績データベースと、前記機器及び前記機器の周辺をカメラで撮像した画像データを格納した画像データベースと、を準備し、
    　前記対処実績データベースを参照して前記機器の不具合の対処を行った一の時刻より前の第１期間と一の時刻よりも後の第２期間とを設定し、
    　前記第２期間における前記動作パターンの検出回数が前記第１期間における前記動作パターンの検出回数の一定比率以下となる場合に、前記第１期間の前記動作ログ、又は、前記動作ログと前記画像データとを入力とし、前記不具合兆候内容を出力とする不具合兆候有りの第１教師データを生成し、
    　前記第１期間と前記第２期間とのいずれとも重複しない第３期間を設定し、前記第３期間の前記動作ログ、又は、前記動作ログと前記画像データとを入力とし、不具合の兆候がないことを出力とする不具合兆候無しの第２教師データを生成し、
    　前記第１教師データと前記第２教師データを用いた学習により、一定期間の前記動作ログ、又は、前記動作ログと前記画像データとの入力に対して前記不具合兆候内容又は不具合兆候なしを出力とする不具合兆候推論モデルを生成すること、
    　を特徴とする不具合兆候推論モデルの生成方法。
  12. 　請求項１１に記載の不具合兆候推論モデルの生成方法であって、
    　前記第１期間の前記動作ログと前記対処実績データ、又は、前記動作ログと前記対処実績データと前記画像データとを入力とし、前記不具合兆候内容を出力とする不具合兆候有りの前記第１教師データを生成し、
    　前記第３期間の前記動作ログと前記対処実績データ、又は、前記動作ログと前記対処実績データと前記画像データとを入力とし、不具合の兆候がないことを出力とする不具合兆候無しの前記第２教師データを生成し、
    　前記第１教師データと前記第２教師データを用いた学習により、一定期間の前記動作ログと前記対処実績データ、又は、前記動作ログと前記対処実績データと前記画像データとの入力に対して前記不具合兆候内容又は不具合兆候なしを出力とする前記不具合兆候推論モデルを生成すること、
    　を特徴とする不具合兆候推論モデルの生成方法。
     
PCT/JP2020/038066 2020-10-08 2020-10-08 機器不具合兆候通知装置 WO2022074778A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2022555043A JP7331269B2 (ja) 2020-10-08 2020-10-08 機器不具合兆候通知装置
CN202080105829.1A CN116569183A (zh) 2020-10-08 2020-10-08 设备不良征兆通知装置
PCT/JP2020/038066 WO2022074778A1 (ja) 2020-10-08 2020-10-08 機器不具合兆候通知装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2020/038066 WO2022074778A1 (ja) 2020-10-08 2020-10-08 機器不具合兆候通知装置

Publications (1)

Publication Number Publication Date
WO2022074778A1 true WO2022074778A1 (ja) 2022-04-14

Family

ID=81175216

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/038066 WO2022074778A1 (ja) 2020-10-08 2020-10-08 機器不具合兆候通知装置

Country Status (3)

Country Link
JP (1) JP7331269B2 (ja)
CN (1) CN116569183A (ja)
WO (1) WO2022074778A1 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0423131A (ja) * 1990-05-18 1992-01-27 Mitsubishi Electric Corp 故障診断システム
JP2019018979A (ja) * 2017-07-20 2019-02-07 株式会社日立製作所 エレベータシステム
WO2020110208A1 (ja) * 2018-11-27 2020-06-04 富士通フロンテック株式会社 原因推定装置、原因推定出力方法及び紙葉類取扱システム
JP6762443B1 (ja) * 2020-01-27 2020-09-30 フジテック株式会社 学習モデル生成装置、推定装置、学習モデル生成方法および推定方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10728280B2 (en) * 2016-06-29 2020-07-28 Cisco Technology, Inc. Automatic retraining of machine learning models to detect DDoS attacks
CN111542846B (zh) * 2018-01-19 2023-08-29 株式会社日立制作所 故障预测系统和故障预测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0423131A (ja) * 1990-05-18 1992-01-27 Mitsubishi Electric Corp 故障診断システム
JP2019018979A (ja) * 2017-07-20 2019-02-07 株式会社日立製作所 エレベータシステム
WO2020110208A1 (ja) * 2018-11-27 2020-06-04 富士通フロンテック株式会社 原因推定装置、原因推定出力方法及び紙葉類取扱システム
JP6762443B1 (ja) * 2020-01-27 2020-09-30 フジテック株式会社 学習モデル生成装置、推定装置、学習モデル生成方法および推定方法

Also Published As

Publication number Publication date
JP7331269B2 (ja) 2023-08-22
CN116569183A (zh) 2023-08-08
JPWO2022074778A1 (ja) 2022-04-14

Similar Documents

Publication Publication Date Title
CN110494861B (zh) 基于图像的异常检测方法和系统
Martinez-Moyano et al. A behavioral theory of insider-threat risks: A system dynamics approach
CN109564779A (zh) 用于评价医学设备质量的装置
JP2008234551A (ja) 異常検知装置及び異常検知プログラム
US11797890B2 (en) Performance manager to autonomously evaluate replacement algorithms
CN110969045B (zh) 一种行为检测方法、装置、电子设备和存储介质
US20190066377A1 (en) Systems and/or methods for virtual reality based process optimization
US20220044178A1 (en) System for action determination
US20230102479A1 (en) Anonymization device, monitoring apparatus, method, computer program, and storage medium
US11461721B2 (en) Method and system for managing a technical installation
US20210295053A1 (en) Observed-object recognition system and method
JP2019176423A (ja) 情報処理装置および方法およびコンピュータプログラム、並びに監視システム
WO2022074778A1 (ja) 機器不具合兆候通知装置
CN115191004A (zh) 信息处理方法、信息处理系统、以及信息处理装置
KR101860642B1 (ko) 소스코드 변경 영향 평가를 이용한 불법 행위 감시 장치 및 그 방법
JP2019075078A (ja) 工事現場画像判定装置及び工事現場画像判定プログラム
CN116824311A (zh) 人群分析算法的性能检测方法、装置、设备及存储介质
KR20150086089A (ko) 전자의무기록을 이용한 의료영상 관리시스템 및 방법
US11676439B2 (en) Face authentication system and face authentication method
Priesterjahn et al. Generalized ATM fraud detection
CN114036117A (zh) 日志查看方法、装置、计算机设备和存储介质
JP2019053608A (ja) 特徴行動検知装置
JP7161379B2 (ja) 推論装置
JP6948294B2 (ja) 作業異常検知支援装置、作業異常検知支援方法、および作業異常検知支援プログラム
JPWO2021100191A5 (ja)

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: 20956726

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2022555043

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 202080105829.1

Country of ref document: CN

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20956726

Country of ref document: EP

Kind code of ref document: A1