WO2022209167A1 - 部品寿命予測システム及び保守支援システム - Google Patents

部品寿命予測システム及び保守支援システム Download PDF

Info

Publication number
WO2022209167A1
WO2022209167A1 PCT/JP2022/001621 JP2022001621W WO2022209167A1 WO 2022209167 A1 WO2022209167 A1 WO 2022209167A1 JP 2022001621 W JP2022001621 W JP 2022001621W WO 2022209167 A1 WO2022209167 A1 WO 2022209167A1
Authority
WO
WIPO (PCT)
Prior art keywords
work machine
industry
server device
information
aerial photograph
Prior art date
Application number
PCT/JP2022/001621
Other languages
English (en)
French (fr)
Inventor
崇 奥村
浩之 金野
聡志 猪瀬
茂行 櫻井
信一 奥
知弘 米田
Original Assignee
日立建機株式会社
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 日立建機株式会社 filed Critical 日立建機株式会社
Priority to KR1020237006894A priority Critical patent/KR20230042363A/ko
Priority to US18/023,902 priority patent/US20230333549A1/en
Priority to CN202280005771.2A priority patent/CN115917565A/zh
Priority to JP2023510509A priority patent/JPWO2022209167A1/ja
Priority to EP22779399.9A priority patent/EP4318339A1/en
Publication of WO2022209167A1 publication Critical patent/WO2022209167A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection

Definitions

  • the present invention relates to a parts life prediction system and a maintenance support system, and more particularly to a parts life prediction system and a maintenance support system for predicting the life of parts of a working machine.
  • Patent Document 1 based on the position information of the working machine, the load applied to the parts in the operating area is acquired from the server, and based on the operation history of the working machine, the operating area A supply parts production prediction system is known that predicts the life of each part and transmits warning information to a working machine that has reached the end of its life.
  • a parts life prediction system is a parts life prediction system that is configured to be able to communicate with a work machine and includes a server device that predicts the life of a part of the work machine, wherein the server device is configured to predict the life of a part of the work machine. obtain the operating information of the working machine including the information of the operating position of the working machine, and estimate the type of industry in which the working machine is used based on the operating information of the working machine and a pre-stored aerial photograph of the operating position of the working machine and predicting the service life of the parts of the work machine based on the estimated industry.
  • the type of industry in which the work machine is used is estimated based on the operating information of the work machine and the pre-stored aerial photograph of the operating position of the work machine, and based on the estimated type of industry, the work machine to predict the life of parts in
  • the prediction accuracy can be improved.
  • FIG. 1 is a schematic configuration diagram showing a component life prediction system of an embodiment
  • FIG. 4 is a flowchart showing control processing of the server device; It is a figure which shows an example of an operating daily report table. It is a figure which shows an example of a component replacement history table. It is a figure which shows an example of a customer information table. It is a figure which shows an example of the operation characteristic of the work machine in each industry.
  • FIG. 4 is a diagram showing an example of a message displayed on a user terminal;
  • FIG. 10 is a flowchart showing another control process of the server device; It is a figure which shows an example of the failure factor displayed on the user terminal. It is a figure which shows an example of the failure factor displayed on the user terminal. It is a schematic block diagram which shows the maintenance support system of embodiment.
  • the wear amount of the sprocket tooth tip in the rental industry is The amount of sprocket tooth tip wear tends to be the largest in the scrap industry. This is because there are more metal pieces in scrapyards than in other industries, so they get caught between the teeth and links of the sprockets of hydraulic excavators, and work machines run while biting the caught metal pieces. By doing so, it is thought that the progress of sprocket tooth tip wear is accelerated.
  • the present inventors focused on the fact that the degree of wear and failure factors of working machine parts vary depending on the type of industry, estimated the type of industry in which the working machine is used, and determined the operating environment and operation of the working machine in the estimated industry.
  • the present inventors have found that prediction accuracy can be improved by estimating the service life of parts in consideration of their characteristics, and have completed the present invention.
  • FIG. 1 is a schematic configuration diagram showing a component life prediction system according to an embodiment.
  • a parts life prediction system 1 includes a work machine 2, a work machine management server 3, an aerial photograph management server 4, a server device 10 for predicting the life of parts of the work machine 2, and a user terminal. 5.
  • the work machine 2 , the work machine management server 3 , the aerial photograph management server 4 , the server device 10 and the user terminal 5 are configured to be able to communicate with each other via the network 6 .
  • the work machine 2 is not limited to a hydraulic excavator, and may be a wheel loader, bulldozer, or the like.
  • the work machine 2 is not limited to a single unit, and may be a plurality of units. Each working machine 2 is assigned an identification number.
  • the working machine 2 has a communication section 21, a vehicle body controller 22, a storage section 23, and an in-vehicle sensor 24.
  • the communication unit 21 is, for example, a wireless device for connecting to the network 6, and transmits various data detected by the on-vehicle sensor 24 to the work machine management server 3, and periodically sends operation information of the work machine 2 (for example, (at a frequency of once a day) to the work machine management server 3, and the part replacement information of the work machine 2 is sent to the work machine management server 3.
  • the communication unit 21 also receives an update program for the vehicle body controller 22 transmitted from the work machine management server 3 . When transmitting each data detected by the in-vehicle sensor 24, operation information, and parts replacement information to the work machine management server 3, the communication unit 21 also transmits the identification number of the work machine 2 at the same time.
  • the vehicle body controller 22 includes, for example, a CPU (Central Processing Unit) that executes calculations, a ROM (Read Only Memory) as a secondary storage device that records programs for calculations, and storage of calculation progress and temporary control variables. It is composed of a microcomputer combined with a RAM (random access memory) as a temporary storage device that stores , and controls the entire work machine 2 by executing the stored program.
  • a CPU Central Processing Unit
  • ROM Read Only Memory
  • RAM random access memory
  • the storage unit 23 stores a program for controlling the work machine 2, data detected by the in-vehicle sensor 24, and the like.
  • the in-vehicle sensor 24 is various sensors attached to the work machine 2 , detects various data related to the operation of the work machine 2 , and outputs the detected data to the vehicle body controller 22 .
  • the in-vehicle sensor 24 includes, for example, an IMU (Inertial Measurement Unit) that detects the inclination of the arm, boom, and bucket of the work machine 2, a turning angle sensor that detects the turning angle of the turning body of the work machine 2, and a traveling operation that detects A travel operation sensor and the like are included.
  • IMU Inertial Measurement Unit
  • the working machine 2 is equipped with a GPS (Global Positioning System) sensor 25 .
  • the GPS sensor 25 has an antenna for receiving signals from GPS satellites, and detects information on the operating position of the work machine 2 in the earth coordinate system based on the time difference between signals received from a plurality of GPS satellites.
  • the work machine management server 3 is installed in the head office, branch office, factory, or management center of the manufacturer of the work machine 2 , and periodically collects operation information, parts replacement information, etc. transmitted from the work machine 2 .
  • centralized management of The work machine management server 3 includes, for example, a CPU (Central Processing Unit) that executes calculations, a ROM (Read Only Memory) as a secondary storage device that stores programs for calculations, and storage of the progress of calculations and temporary It consists of a microcomputer combined with a RAM (Random Access Memory) as a temporary storage device for storing control variables, and each processing is performed by executing a stored program.
  • a CPU Central Processing Unit
  • ROM Read Only Memory
  • RAM Random Access Memory
  • the work machine management server 3 has a communication unit 31, a daily operation report table 32, a parts replacement history table 33, and a customer information table 34.
  • the communication unit 31 is, for example, a wireless device for connecting to the network 6, receives operation information, parts replacement information, etc. transmitted from the work machine 2, and communicates with the work machine 2 in response to a request from the server device 10. For example, it transmits operating information to the server device 10 .
  • the daily operation report table 32 is created based on the operation information transmitted from the work machine 2. For example, as shown in FIG. Items such as “latitude” and “longitude” are stored.
  • the machine number is the identification number of the working machine 2 .
  • the working day is the day on which the working information transmitted from the work machine 2 is received.
  • the operating time, travel time, excavation time, turning time, and fuel consumption are calculated based on data detected by the vehicle-mounted sensor 24 of the work machine 2 .
  • the latitude and longitude are detected by the GPS sensor 25 of the working machine 2 .
  • “working day” “working date and time” may be used.
  • the parts replacement history table 33 is created based on the parts replacement information transmitted from the work machine 2.
  • the parts replacement history table 33 includes items such as "machine number”, “date of replacement”, “number of replacement parts", and "quantity”.
  • the customer information table 34 manages information on customers who are users of the work machine 2 . In the customer information table 34, for example, as shown in FIG. 5, "machine number” and "customer name” are described.
  • the aerial photograph management server 4 collects and manages aerial photographs from all over the world and provides them to the outside via the network 6.
  • the aerial photograph here is also called an aerial photograph, and is preferably updated periodically.
  • the aerial photograph management server 4 has a communication unit 41, an aerial photograph storage unit 42 that stores aerial photographs, and a map information storage unit 43 that stores map information. Note that the aerial photograph management server 4 may not have the map information storage unit 43 .
  • the aerial photograph management server 4 stores an aerial photograph corresponding to a certain latitude and longitude (for example, the operating position of the work machine 2) from the aerial photograph storage unit 42. It extracts and transmits to the work machine management server 3 or the server device 10 .
  • the user terminal 5 is, for example, a smart phone, a tablet terminal, a mobile phone, a PC (Personal Computer), etc., and is carried by the maintenance personnel or the owner of the work machine 2.
  • the user terminal 5 has a communication section 51, an information acquisition section 52 for acquiring information transmitted from the server device 10, and a display section 53 including a display for displaying the acquired information.
  • the server device 10 includes, for example, a CPU (Central Processing Unit) that executes calculations, a ROM (Read Only Memory) as a secondary storage device that stores programs for calculations, and storage of calculation progress and temporary control variables. It is composed of a microcomputer that is combined with a RAM (Random Access Memory) as a temporary storage device that stores , and performs processing such as calculation, prediction, and estimation by executing the stored program.
  • a CPU Central Processing Unit
  • ROM Read Only Memory
  • RAM Random Access Memory
  • the server device 10 determines whether the work machine 2 will be used based on the operation information of the work machine 2 transmitted from the work machine management server 3 and the aerial photograph transmitted from the aerial photograph management server 4.
  • the industry is estimated, the service life of the parts of the working machine 2 is predicted based on the estimated industry, and the failure factors of the parts are estimated. Therefore, the server device 10 of this embodiment has a communication section 11 , an information acquisition section 12 , an industry type estimation section 13 , a parts life prediction section 14 and a failure factor estimation section 15 .
  • the communication unit 11 is, for example, a wireless device for connecting to the network 6, and receives, for example, operation information of the work machine 2 transmitted from the work machine management server 3 and aerial photographs transmitted from the aerial photograph management server 4. Also, each information from the server device 10 is transmitted to the user terminal 5 .
  • the information acquisition unit 12 acquires the operation information of the work machine 2 from the work machine management server 3 and the aerial photograph from the aerial photograph management server 4 via the communication unit 11, and stores the acquired information.
  • the business type estimation unit 13 estimates the business type in which the work machine 2 is used based on the operation information of the work machine 2 acquired by the information acquisition unit 12 and the aerial photograph of the operating position of the work machine 2 . Specifically, the business type estimation unit 13 first identifies the business type in which the work machine 2 was used in the past, and associates the identified business type with an aerial photograph of the operating position when the work machine 2 was used in the past. Create teacher data for learning, and build a model for industry estimation by performing machine learning with deep learning on the created teacher data. Next, the industry estimation unit 13 uses the built industry estimation model to estimate the industry in which the work machine 2 is used based on the operation information of the work machine 2 and the aerial photograph of the operating position of the work machine 2. do.
  • the industry estimation unit 13 first determines the past operation information of the work machine 2 acquired by the information acquisition unit 12, Extract the information (ie, latitude and longitude) of the operating position. Next, the industry estimation unit 13 acquires an aerial photograph corresponding to the extracted longitude and latitude (that is, an aerial photograph of the operating position) from the aerial photograph management server 4 via the information acquisition unit 12 and the communication unit 11 .
  • the industry estimation unit 13 uses the acquired aerial photograph of the operating position of the work machine 2 and the industry in which the specified work machine 2 is used to generate training data for machine learning (i.e. A group of photo files) is created, and deep learning is applied to the created training data to automatically extract each feature, classify the industry, and build a model for industry estimation.
  • industries include scrap, raw material extraction such as quarrying and river sand, industrial waste, civil engineering work, demolition, road construction, steel and metal, forestry, port cargo handling, recycling, agriculture, and rental.
  • the business type estimation unit 13 of the present embodiment classifies the work machine 2 based on the acquired operation information of the work machine 2 and the operation characteristics of the work machine 2 in each business type created in advance, for example, by decision tree classification.
  • operation characteristics Estimate the industry in which the is used.
  • working machines tend to perform frequent operations (hereinafter referred to as "operation characteristics") depending on the type of industry (operation site).
  • the operating features are the features of how the work machine 2 is used in each industry.
  • the industry estimating unit 13 has the horizontal axis representing the industry (scrap, raw material extraction, industrial disposal, civil engineering work) and the vertical axis representing the operation characteristics (installation and operation of attachments, excavation, etc.). load, turning operation amount, non-operation time, and running frequency), and based on the operation characteristics of the work machine 2, the industry classification is performed by decision tree classification.
  • “ ⁇ " indicates that there are many legends
  • “ ⁇ ” indicates that there are normal legends
  • ⁇ indicates that there are few legends.
  • the "legend” refers to the operation of the work machine that is characteristic of the industry.
  • an example of excavation load is that industrial waste has a smaller excavation load than scrap, raw material extraction, and civil engineering work.
  • Information on attachment and operation of the attachment, excavation load, turning operation amount, non-operation time, and travel frequency can be obtained from the daily operation report of the work machine 2 .
  • Another feature of the operation of the work machine 2 in each industry is the difference in the movement distance of the work machine 2.
  • the operating range of the work machine is limited to a certain area, so the movement distance of the work machine is within about 100 m and the frequency of running is low.
  • the type of industry is port cargo handling, raw material extraction, civil engineering work, or road construction
  • the movement distance of the work machine is about 500 m or less.
  • the industry is quarrying, the distance traveled by the working machine will be greater, within about 1 km. .
  • the business type estimation unit 13 can classify the business type using the difference in the travel distance in each business type (in other words, the characteristics of the travel distance in each business type). Note that the travel distance of the work machine 2 is obtained from the daily operating report of the work machine 2 .
  • the business type estimation unit 13 performs machine learning on the aerial photograph using the result of business type estimation based on the operation information of the work machine 2 and the operation characteristics of the work machine 2 in each business type. Improve the accuracy of the industry estimation model built by That is, the industry estimation unit 13 combines the result of industry estimation based on the operation information of the work machine 2 and the operation characteristics of the work machine 2 in each industry, and the result of industry estimation by performing machine learning on the aerial photograph. In addition, it is possible to construct a model for industry estimation with high accuracy. By doing so, it is possible to further improve the accuracy of the industry classification.
  • the industry type estimation unit 13 sends an aerial photograph of the working position of the working machine 2 to the aerial photograph management server 4 based on the information of the working position of the working machine 2 . and based on the acquired aerial photograph and the model for estimating the business type constructed above, the business type in which the work machine 2 is used is estimated.
  • the industry estimating unit 13 further estimates the industry based on the operation information of the working machine 2 whose industry is to be estimated and the operating characteristics of the working machine 2 in each industry. It is preferable to improve the accuracy of industry estimation by combining the results of industry estimation based on the industry estimation model. In addition, it is more preferable that the estimation result of the business type estimation unit 13 is fed back to the teacher data for machine learning.
  • the part life prediction unit 14 predicts the life of the parts of the work machine 2 based on the business type estimated by the business type estimation unit 13 . Specifically, the part life prediction unit 14 predicts the operating time (total operating time) of the work machine 2 using graphs, tables, etc., which have been created in advance and show the relationship between the operating time and wear rate of model parts for each industry. Predict the life of model parts in that industry based on In this embodiment, the service life of a component means the remaining usage time of the component when it continues to operate under the current usage conditions. Note that the number of model parts for each industry may be one or more.
  • the part life prediction unit 14 refers to the part replacement history stored in the part replacement history table 33 of the work machine management server 3 to predict the life of the model part. For example, when a model part is replaced, the total run time for that part will be reset and recalculated.
  • the failure factor estimation unit 15 estimates failure factors based on the business type estimated by the business type estimation unit 13, taking into consideration the failure tendency of the work machine 2 in that business type.
  • the failure tendency of the work machine 2 for each industry is extracted by statistically processing past failure factors for each industry.
  • the failure factor estimator 15 considers the above-described failure tendency and determines the cause of pinching of metal pieces. Precisely estimate whether the failure is due to
  • the failure factor estimator 15 determines whether the cause is soil or sand entering the air cleaner. is estimated with emphasis on
  • the server device 10 transmits to the user terminal 5 the result estimated by the industry type estimation unit 13 , the result estimated by the part life estimation unit 14 , and the result estimated by the failure factor estimation unit 15 .
  • step S ⁇ b>11 the information acquisition unit 12 of the server device 10 acquires operation information of the work machine 2 from the work machine management server 3 via the communication unit 11 .
  • step S12 the information acquisition unit 12 extracts information (latitude and longitude) of the operating position of the working machine 2 from the acquired operating information of the working machine 2, and transmits the aerial photograph of the operating position to the communication unit 11. obtained from the aerial photograph management server 4 via the Internet and stored.
  • the operation information acquisition (step S11) and the aerial photograph acquisition (step S12) here are automatically performed at predetermined intervals by the information acquisition unit 12, for example.
  • step S13 the business type estimation unit 13 creates training data for machine learning based on the acquired operation information and aerial photographs, and builds a business type estimation model, as described above.
  • step S14 the server device 10 acquires the information (latitude and longitude) of the operating position of the work machine 2 whose life is to be predicted, and sends an aerial photograph from the aerial photograph management server 4 based on the latitude and longitude information. get.
  • the server device 10 may make a determination according to an instruction from the work machine management server 3, or may make a decision by itself.
  • step S15 following step S14 the business type estimating unit 13 selects the type of business in which the work machine 2 whose part life is to be predicted is used based on the acquired aerial photograph and the operation information of the work machine 2, as described above. presume. That is, industry estimation is performed using both the industry estimation based on the aerial photograph and the industry estimation model, and the industry estimation based on the operation information of the work machine 2 and the operation characteristics of the work machine 2 in each industry. .
  • step S16 the parts life prediction unit 14 predicts the life of the model parts for each industry based on the results of the industries estimated in step S15.
  • a model part is a part that serves as a benchmark (indicator) for life prediction.
  • the server device 10 extracts the model parts of the industry based on the result of the industry estimated in step S15. For example, if it is estimated in step S15 that the work machine 2 is used for scrap, the server device 10 extracts a sprocket as a scrap model part.
  • the part life prediction unit 14 predicts the life of the sprocket based on the operating time (total operating time) of the working machine 2 based on a relationship graph created in advance between the sprocket operating time and wear rate. Furthermore, the part life prediction unit 14 calculates the replacement timing of the sprocket based on the predicted life of the sprocket.
  • step S17 the server device 10 determines whether or not the model part replacement timing for each industry is equal to or greater than the threshold. For example, the server device 10 compares the sprocket replacement timing calculated by the part life prediction unit 14 with a preset threshold value, and determines whether or not the sprocket replacement timing is equal to or greater than the threshold value.
  • the threshold value here is a guideline for issuing an alarm to call attention, and is set as, for example, 90% of the replacement time. It should be noted that this threshold value may be appropriately changed according to the situation.
  • step S18 the server device 10 notifies the user terminal 5 of an alarm via the communication unit 11, and also transmits to the user terminal 5 an e-mail describing an address for confirming the cumulative damage of the part and the predicted value until replacement. do.
  • a message stating, "When operating under the current operating conditions, the service life threshold will be reached in 100 hours. Order parts.” etc.” is displayed on the display unit 53 .
  • Messages are not limited to text messages, but simple messages such as "A (replacement recommendation: high)", “B (replacement recommendation: medium)", “C (replacement recommendation: low)” in descending order of life threshold. It may be a display in the classified classification. The owner or the like of the work machine 2 can easily grasp the service life of the parts by looking at the displayed message, so that it becomes easier to plan the purchase of the parts.
  • the message is not limited to text display, and may be displayed, for example, by displaying an image of the work machine and blinking the corresponding portion.
  • blinking it is displayed in colors such as red, yellow, and blue in order of the life threshold value (when the replacement time is approaching), and by tapping the blinking part, further information (summary) about the failure is notified.
  • the faulty part can be arbitrarily enlarged or reduced by pinch-in/pinch-out operations on the operation screen of the user terminal. By doing so, the cumulative damage and life of the parts of the work machine 2 can be intuitively visually recognized.
  • the number of model parts for each industry may be one or more.
  • life prediction and replacement time of each model part are calculated in step S16, and the replacement time of each model part is compared with a threshold value in step S17. Then, if it is determined that one of the model parts has a replacement time equal to or greater than the threshold value, an alarm notification and an e-mail are sent to the user terminal 5 .
  • the information acquiring unit 12 acquires the operating information of the working machine 2 including the information of the operating position of the working machine 2 and the aerial photograph of the operating position of the working machine 2;
  • An industry estimation unit 13 that estimates the industry in which the work machine 2 is used by machine learning based on the operating information of the work machine 2 and the aerial photograph of the operating position, and predicts the life of the parts of the work machine 2 based on the estimated industry.
  • a component life prediction unit 14 for In this way, the operating environment and operating characteristics of the work machine 2 in each industry can be taken into account to predict the service life of the parts according to the industry, thereby improving the prediction accuracy.
  • control processing of the server device 10 of this embodiment is not limited to that described above, and for example, the control processing shown in FIG. 8 can be performed.
  • Steps S21 to S23 shown in FIG. 8 are the same as steps S11 to S13 described above, so redundant description will be omitted.
  • the failure factor estimator 15 statistically processes the past failure factors for each industry and extracts the failure tendency of the work machine 2 for each industry, as described above.
  • step S25 the server device 10 determines whether or not an abnormality is detected. At this time, the server device 10 determines whether or not there is an abnormality detected based on the detection result that is detected by the vehicle-mounted sensor 24 of the work machine 2 and transmitted via the communication unit 21 . This step S25 is repeatedly executed until an abnormality is detected.
  • step S26 the business type estimation unit 13 estimates the business type of the work machine 2 in which the abnormality is detected based on the acquired aerial photograph and the operation information of the work machine 2, as described above. Specifically, the information acquisition unit 12 of the server device 10 acquires information (latitude and longitude) of the operating position of the work machine 2 in which the abnormality has been detected, and acquires an aerial photograph of the operating position from the aerial photograph management server 4. do. Next, the industry estimating unit 13 performs the same processing as in step S15 described above to estimate the industry of the working machine 2 in which the abnormality has been detected.
  • step S27 following step S26 the failure factor estimation unit 15 uses the failure tendency of the work machine 2 for each industry extracted in step S24 to estimate the failure factor related to the abnormality detected in step S25.
  • step S28 following step S27 the server device 10 notifies the user terminal 5 via the communication unit 11 of an alarm to the effect that there is a possibility that the component is out of order, and sends an address to confirm the estimated cause of the failure. is also sent to the user terminal 5.
  • the contents of "failure alarm name”, "industry estimation” and “factor estimation” are displayed on the display section 53 as shown in FIGS. to be displayed.
  • the industry is presumed to be civil engineering work, and sand mixed in engine parts is presumed to be a possible cause of abnormal combustion failure.
  • the industry is estimated to be scrap, and it is estimated that there is a possibility that a metal piece is caught in an underbody part as a cause of failure of the running parts. Then, the owner or the like of the working machine 2 can easily grasp the cause of the failure by looking at the displayed contents, and can easily take measures such as countermeasures against the failure.
  • the display of failure factors is not limited to text display. That is, the content of the failure corresponding to the failure alarm may be displayed by displaying an image diagram showing the silhouette of the work machine and blinking the corresponding portion. At that time, as in the example of FIG. 7, by tapping the blinking part, information such as industry estimation is additionally displayed, but the probability may be displayed as a percentage. At that time, when the probability of industry estimation is similar for at least two industries (for example, civil engineering (45%), industrial waste (40%)), the industry with the highest probability and the industry with the next highest probability are listed together. be. The range of approximation may be set arbitrarily. Such notation allows the maintenance personnel of the working machine 2 to intuitively grasp the information about the failure. It is possible to prepare for
  • the maintenance support system 100 will be described below with reference to FIG.
  • the maintenance support system 100 differs from the component life prediction system 1 described above in the structure of the server device 10A. Since other structures are the same as those of the parts life prediction system 1, the same reference numerals as those of the parts life prediction system 1 are given, and redundant explanations are omitted.
  • the maintenance support system 100 is a system for supporting maintenance work by maintenance personnel and the like.
  • a server device 10A configured to be communicable with an aerial photograph management server 4 that stores aerial photographs based on position information is included.
  • the work machine management server 3 transmits the collected operation information of the work machine 2 to the server device 10A, and the server device 10A sends the operation information of the work machine 2 to the aerial photograph management server 4.
  • the aerial photograph management server 4 extracts an aerial photograph corresponding to the information on the working position included in the working information of the work machine 2 and sends it to the server device 10A.
  • the server device 10A estimates the type of industry in which the work machine 2 is used based on the operating information of the work machine 2 and the aerial photograph of the operating position of the work machine 2. Furthermore, the server device 10A estimates the type of industry in which the work machine 2 is used based on the operation information of the work machine 2 and the operation characteristics of the work machine 2 in each type of industry.
  • the server device 10A does not have the component life prediction unit 14 and the failure factor estimation unit 15, and has a communication unit 11, an information acquisition unit 12, and an industry type estimation unit. 13 only.
  • the server device 10A transmits the result of the business type estimated by the business type estimation unit 13 to the terminal of the maintenance worker (that is, the user terminal 5).
  • the server device 10A also transmit the prediction accuracy together with the estimated result of the business type.
  • a maintenance worker can see the transmitted result to understand the type of business in which the work machine 2 is used, and can bring a maintenance tool suitable for the type of business to the site. As a result, it is possible to prevent an increase in the burden on the maintenance personnel due to carrying unnecessary tools, and improve the efficiency of the maintenance work.
  • the maintenance support system 100 of the present embodiment similarly to the parts life prediction system 1 described above, it is possible to improve the prediction accuracy of predicting the life of the parts of the work machine 2, thereby improving the efficiency of maintenance work. becomes possible.

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)

Abstract

部品寿命予測システム１は、作業機械２と通信可能に構成され、作業機械２の部品の寿命を予測するサーバ装置１０を備える。サーバ装置１０は、作業機械２の稼働位置の情報を含む作業機械２の稼働情報と予め記憶された作業機械２の稼働位置の航空写真とをそれぞれ取得し、取得した作業機械２の稼働情報及び稼働位置の航空写真に基づいて作業機械２の使用される業種を推定し、推定した業種に基づいて作業機械２の部品の寿命を予測する。

Description

部品寿命予測システム及び保守支援システム
　本発明は、部品寿命予測システム及び保守支援システムに関し、特に作業機械の部品の寿命を予測する部品寿命予測システム及び保守支援システムに関する。
　本願は、２０２１年３月３１日に出願された日本国特願２０２１－０５９１１２号に基づき優先権を主張し、その内容をここに援用する。
　従来、このような技術分野として、例えば特許文献１に記載されるように、作業機械の位置情報を基に稼働地域における部品にかかる負荷をサーバから取得し、作業機械の稼働履歴に基づき稼働地域毎の部品の寿命を予測し、部品寿命に達した作業機械に対して警告情報を送信する補給部品生産予測システムが知られている。
特開２００５－１７３９７９号公報
　しかし、特許文献１に記載の補給部品生産予測システムの場合、稼働地域毎に部品の負荷を対応付けているだけでは精度の高い寿命予測ができるとは言い難い。また、稼働地域における部品にかかる負荷に関するデータは稼働地域毎に予め用意しておく必要があり、過去に稼働した地域であれば部品の寿命を予測できるが、初めての稼働地域の場合はその地域における部品にかかる負荷に関するデータがないので、寿命を予測できない問題がある。その結果、部品の寿命の予測精度が低い。
　上述の事情に鑑みて、本発明は、作業機械の部品の寿命を予測する予測精度を高めることができる部品寿命予測システム及び保守支援システムを提供することを目的とする。
　本発明に係る部品寿命予測システムは、作業機械と通信可能に構成され、前記作業機械の部品の寿命を予測するサーバ装置を備えた部品寿命予測システムであって、前記サーバ装置は、前記作業機械の稼働位置の情報を含む前記作業機械の稼働情報を取得し、前記作業機械の稼働情報及び予め記憶された前記作業機械の稼働位置の航空写真に基づいて前記作業機械の使用される業種を推定し、推定した業種に基づいて前記作業機械の部品の寿命を予測することを特徴としている。
　本発明に係る部品寿命予測システムでは、作業機械の稼働情報及び予め記憶された作業機械の稼働位置の航空写真に基づいて作業機械の使用される業種を推定し、推定した業種に基づいて作業機械の部品の寿命を予測する。このようにすれば、各業種における作業機械の稼働環境及び稼働特徴を考慮してその業種に応じた部品の寿命予測を行うことができるので、予測精度を高めることができる。
　本発明によれば、作業機械の部品の寿命を予測する予測精度を高めることができる。
実施形態の部品寿命予測システムを示す概略構成図である。 サーバ装置の制御処理を示すフローチャートである。 稼働日報テーブルの一例を示す図である。 部品交換履歴テーブルの一例を示す図である。 顧客情報テーブルの一例を示す図である。 各業種における作業機械の稼働特徴の一例を示す図である。 ユーザ端末に表示されたメッセージの一例を示す図である。 サーバ装置の他の制御処理を示すフローチャートである。 ユーザ端末に表示された故障要因の一例を示す図である。 ユーザ端末に表示された故障要因の一例を示す図である。 実施形態の保守支援システムを示す概略構成図である。
　以下、図面を参照して本発明に係る部品寿命予測システム及び保守支援システムの実施形態について説明するが、実施形態の説明に先立ち、本発明に至った経緯を説明する。
　油圧ショベル等の作業機械は、様々な業種に使用されている。業種によっては油圧ショベルの稼働環境が大きく異なるので、油圧ショベルの部品の摩耗具合や故障要因も異なる。例えば同型の油圧ショベルであっても、解体に使用される油圧ショベルは、アタッチメントの爪部分の損傷がスクラップや産業廃棄等他の業種よりも激しいので、アタッチメントの爪部分の摩耗の進行が速い。
　また、同型の油圧ショベルが砕石、産業廃棄、土木工事、レンタル、スクラップ、及び解体の業種にそれぞれ使用された場合において、スプロケット歯先の例を挙げると、レンタル業種におけるスプロケット歯先の摩耗量は最も小さく、スクラップ業種におけるスプロケット歯先の摩耗量は最も大きい傾向にある。これは、スクラップ置き場には他の業種よりも金属片が多いため、それらが油圧ショベルのスプロケットの歯とリンクとの間に巻き込まれて、巻き込まれた金属片を噛んだ状態で作業機械が走行することによって、スプロケット歯先の摩耗の進行が速くなると考えられる。
　一方、シューラグの例を挙げると、レンタル業種におけるシューラグの摩耗量は最も小さく、砕石業種におけるシューラグの摩耗量は最も大きい傾向にある。これは、砕石場に硬くて尖がっている砕石が多いので、シューラグへのダメージが大きいと考えられる。
　そこで、本発明者らは、業種の違いによって作業機械部品の摩耗具合や故障要因が変わることに着目し、作業機械が使用される業種を推定し、推定した業種における作業機械の稼働環境と稼働特徴とを考慮して部品の寿命予測を行うことで、予測精度を高めることができるのを見出し、本発明を完成するに至った。
［部品寿命予測システム］
　図１は実施形態の部品寿命予測システムを示す概略構成図である。図１に示すように、部品寿命予測システム１は、作業機械２と、作業機械管理サーバ３と、航空写真管理サーバ４と、作業機械２の部品の寿命を予測するサーバ装置１０と、ユーザ端末５とを備えている。作業機械２、作業機械管理サーバ３、航空写真管理サーバ４、サーバ装置１０及びユーザ端末５は、ネットワーク６を介してそれぞれ通信可能に構成されている。
　本実施形態において、作業機械２として油圧ショベルの例を挙げて説明するが、作業機械２は油圧ショベルに限定されず、ホイールローダーやブルドーザ等であっても良い。なお、作業機械２は、単体に限られず複数でも良い。各作業機械２は、識別番号が付与されている。
　図１に示すように、作業機械２は、通信部２１と、車体コントローラ２２と、記憶部２３と、車載センサ２４とを有する。通信部２１は、例えばネットワーク６と接続するための無線機であり、車載センサ２４により検出された各データを作業機械管理サーバ３に送信したり、作業機械２の稼働情報を定期的に（例えば１日１回の頻度で）作業機械管理サーバ３に送信したり、作業機械２の部品交換情報を作業機械管理サーバ３に送信したりする。また、通信部２１は、作業機械管理サーバ３から送信された車体コントローラ２２の更新プログラムを受信する。なお、車載センサ２４により検出された各データ、稼働情報及び部品交換情報を作業機械管理サーバ３に送信する際に、通信部２１は作業機械２の識別番号も同時に送信する。
　車体コントローラ２２は、例えば演算を実行するＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）と、演算のためのプログラムを記録した二次記憶装置としてのＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）と、演算経過の保存や一時的な制御変数を保存する一時記憶装置としてのＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）とを組み合わせてなるマイクロコンピュータにより構成されており、記憶されたプログラムの実行によって作業機械２全体の制御を行う。
　記憶部２３は、作業機械２を制御するプログラム、車載センサ２４により検出されたデータ等を記憶する。車載センサ２４は、作業機械２に取り付けられた各種センサであって、作業機械２の稼働に関する各データを検出し、検出したデータを車体コントローラ２２に出力する。車載センサ２４としては、例えば作業機械２のアーム、ブーム及びバケットの傾きをそれぞれ検出するＩＭＵ（Ｉｎｅｒｔｉａｌ　Ｍｅａｓｕｒｅｍｅｎｔ　Ｕｎｉｔ）、作業機械２の旋回体の旋回角度を検出する旋回角センサ、走行操作を検出する走行操作センサ等が挙げられる。
　また、作業機械２には、ＧＰＳ（Ｇｌｏｂａｌ　Ｐｏｓｉｔｉｏｎｉｎｇ　Ｓｙｓｔｅｍ）センサ２５が搭載されている。ＧＰＳセンサ２５は、ＧＰＳ衛星からの信号を受信するアンテナを有し、複数のＧＰＳ衛星から受信した信号の時間差に基づき地球座標系における作業機械２の稼働位置の情報を検出する。
　作業機械管理サーバ３は、作業機械２のメーカーの本社、支社、工場或いは管理センタに設置され、作業機械２から送信された稼働情報や部品交換の情報等を定期的に収集し、作業機械２の集中管理を行う。作業機械管理サーバ３は、例えば演算を実行するＣＰＵ(Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ)と、演算のためのプログラムを記憶した二次記憶装置としてのＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）と、演算経過の保存や一時的な制御変数を保存する一時記憶装置としてのＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）とを組み合わせてなるマイクロコンピュータにより構成されており、記憶されたプログラムの実行によって各処理を行う。
　作業機械管理サーバ３は、通信部３１と、稼働日報テーブル３２と、部品交換履歴テーブル３３と、顧客情報テーブル３４とを有する。通信部３１は、例えばネットワーク６と接続するための無線機であり、作業機械２から送信された稼働情報や部品交換情報等を受信したり、サーバ装置１０からの要求に応じて作業機械２の稼働情報をサーバ装置１０に送信したりする。
　稼働日報テーブル３２は、作業機械２から送信された稼働情報に基づいて作成されたものである。稼働日報テーブル３２には、例えば図３に示すように、「号機番号」、「稼働日」、「稼働時間」、「走行時間」、「掘削時間」、「旋回時間」、「燃費」、「緯度」及び「経度」といった項目が記憶されている。号機番号は、すなわち作業機械２の識別番号である。稼働日は作業機械２から送信された稼働情報を受信する日である。稼働時間、走行時間、掘削時間、旋回時間及び燃費は、作業機械２の車載センサ２４によって検出されたデータに基づいて算出される。緯度及び経度は作業機械２のＧＰＳセンサ２５によって検出されたものである。なお、ここでは、「稼働日」に代えて「稼働日時」としても良い。
　部品交換履歴テーブル３３は、作業機械２から送信された部品交換情報に基づいて作成されたものである。部品交換履歴テーブル３３には、例えば図４に示すように、「号機番号」、「交換日」、「交換部品番号」及び「個数」といった項目が記載されている。顧客情報テーブル３４は、作業機械２のユーザである顧客の情報を管理するものである。顧客情報テーブル３４には、例えば図５に示すように、「号機番号」及び「顧客名」が記載されている。
　航空写真管理サーバ４は、世界各地の航空写真を収集し管理し、ネットワーク６を介して外部に提供する。ここでの航空写真は、空中写真ともいい、定期的に更新されることが好ましい。この航空写真管理サーバ４は、通信部４１と、航空写真を記憶する航空写真記憶部４２と、地図情報を記憶する地図情報記憶部４３とを有する。なお、航空写真管理サーバ４は、地図情報記憶部４３を有さなくても良い。
　また、航空写真管理サーバ４は、作業機械管理サーバ３又はサーバ装置１０からの要求に応じて、ある緯度経度（例えば、作業機械２の稼働位置）に対応する航空写真を航空写真記憶部４２から抽出し、作業機械管理サーバ３又はサーバ装置１０に送信する。
　ユーザ端末５は、例えばスマートフォン、タブレット端末、携帯電話、ＰＣ（Ｐｅｒｓｏｎａｌ　Ｃｏｍｐｕｔｅｒ）等であり、作業機械２の保守員又は所有者等に携帯されている。ユーザ端末５は、通信部５１と、サーバ装置１０から送信された情報を取得する情報取得部５２と、取得した情報を表示するためのディスプレイからなる表示部５３とを有する。
　サーバ装置１０は、例えば演算を実行するＣＰＵ(Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ)と、演算のためのプログラムを記憶した二次記憶装置としてのＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）と、演算経過の保存や一時的な制御変数を保存する一時記憶装置としてのＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）とを組み合わせてなるマイクロコンピュータにより構成されており、記憶されたプログラムの実行によって算出、予測及び推定等の処理を行う。
　本実施形態では、サーバ装置１０は、作業機械管理サーバ３から送信された作業機械２の稼働情報と、航空写真管理サーバ４から送信された航空写真とに基づいて、作業機械２の使用される業種を推定し、推定した業種に基づいて作業機械２の部品の寿命を予測し、更に部品の故障要因を推定する。そのため、本実施形態のサーバ装置１０は、通信部１１と、情報取得部１２と、業種推定部１３と、部品寿命予測部１４と、故障要因推定部１５とを有する。
　通信部１１は、例えばネットワーク６と接続するための無線機であり、例えば作業機械管理サーバ３から送信された作業機械２の稼働情報と、航空写真管理サーバ４から送信された航空写真とを受信したり、サーバ装置１０からの各情報をユーザ端末５に送信したりする。情報取得部１２は、通信部１１を介して作業機械管理サーバ３から作業機械２の稼働情報と、航空写真管理サーバ４から航空写真をそれぞれ取得し、取得した情報を記憶する。
　業種推定部１３は、情報取得部１２により取得された作業機械２の稼働情報と作業機械２の稼働位置の航空写真とに基づいて、作業機械２の使用される業種を推定する。具体的には、業種推定部１３は、まず、作業機械２の過去に使用された業種を特定し、特定した業種と、過去に使用された時の稼働位置の航空写真とを関連付けることにより機械学習用の教師データを作成し、更に作成した教師データに対しディープラーニングで機械学習を行うことで業種推定のモデルを構築する。次に、業種推定部１３は、構築した業種推定のモデルを用いて、作業機械２の稼働情報と作業機械２の稼働位置の航空写真とに基づき、該作業機械２の使用される業種を推定する。
　より具体的には、業種推定のモデルを構築する際に、業種推定部１３は、まず、情報取得部１２により取得された作業機械２の過去の稼働情報に対して、該稼働情報に含まれた稼働位置の情報（すなわち、緯度経度）を抽出する。次に、業種推定部１３は、情報取得部１２及び通信部１１を介して、抽出した経度緯度に対応する航空写真（すなわち、稼働位置の航空写真）を航空写真管理サーバ４から取得する。
　次に、業種推定部１３は、取得した作業機械２の稼働位置の航空写真と、特定した作業機械２の使用された業種とを用いて機械学習用の教師データ（すなわち、業種名付きの航空写真ファイル群）を作成し、作成した教師データに対してディープラーニングにより、自動的にそれぞれの特徴を抽出することで業種分類を行い、業種推定のモデルを構築する。ここでの業種としては、例えばスクラップ、採石や川砂等の原材料採取、産業廃棄、土木工事、解体、道路工事、鉄鋼・金属、林業、港湾荷役、リサイクル、農業、レンタル等が挙げられる。
　また、本実施形態の業種推定部１３は、取得した作業機械２の稼働情報と、事前に作成された各業種における作業機械２の稼働特徴とに基づいて、例えば決定木分類により、作業機械２の使用される業種を推定する。ここで、作業機械は業種（稼働現場）に応じて頻繁に行う動作の傾向がある（以下、「稼働特徴」という）。稼働特徴は、すなわち、各業種における作業機械２の使い方の特徴である。
　具体的には、業種推定部１３は、例えば図６に示すように、横軸が業種（スクラップ、原材料採取、産業廃棄、土木工事）を、縦軸が稼働特徴（アタッチメントの装着や操作、掘削負荷、旋回操作量、無操作時間、及び走行頻度）を示しており、作業機械２の稼働特徴に基づいて決定木分類により業種分類を行う。図６中の「◎」は凡例が多いこと、「○」は凡例が普通、「△」は凡例が少ないことをそれぞれ示す。なお「凡例」とは、業種に特徴的な作業機械の動作を指す。
　例えば図６中のアタッチメントの装着や操作の例を挙げると、スクラップ、原材料採取、産業廃棄及び土木工事のうち、原材料採取、産業廃棄及び土木工事と比べてスクラップの場合はアタッチメントの装着や操作が多いという特徴を有する。同様に、掘削負荷の例を挙げると、スクラップ、原材料採取、産業廃棄及び土木工事のうち、スクラップ、原材料採取、及び土木工事と比べて産業廃棄の場合は掘削負荷が小さいという特徴を有する。なお、アタッチメントの装着や操作、掘削負荷、旋回操作量、無操作時間、及び走行頻度に関する情報は、作業機械２の稼働日報から得られる。
　また、各業種における作業機械２の稼働特徴として、スクラップの場合は、リフマグ（すなわち、リフティングマグネット）又はフォークによる金属類等の仕分け、積み下ろしが多く、原材料採取の場合は、バケットによる表土はぎ、掘削・積込、プラント積込、ブレーカでの小割が多い。更に、産業廃棄の場合は、バケット又はフォークによる積み下ろし、ならし作業、産廃の移動、表土掛け、あっせつ作業が多く、土木工事の場合は、バケットによる土砂の掘削・積込、土砂の移動、整地、ひきならしが多く、他と比べて旋回操作が多い傾向にある。
　また、各業種における作業機械２の稼働特徴として、作業機械２の移動距離の違いも挙げられる。例えば、業種が産業廃棄、スクラップ、リサイクル、農業、鉄鋼・製鉄、解体の場合は、作業機械の稼働範囲が一定地域内に限られるため作業機械の移動距離が約１００ｍ以内であり走行頻度が少なく、業種が港湾荷役、原材料採取、土木工事、道路工事の場合は、作業機械の移動距離が約５００ｍ以内となる。一方、業種が砕石の場合は、作業機械の移動距離が大きくなって約１ｋｍ以内となり、業種が林業の場合は、作業機械の移動距離が更に大きくなって約３ｋｍ以内になり、走行頻度が高い。
　従って、業種推定部１３は、各業種における移動距離の違い（言い換えれば、各業種における移動距離の特性）を利用して、業種の分類を行うことができる。なお、作業機械２の移動距離は、作業機械２の稼働日報から得られる。
　更に、本実施形態では、業種推定部１３は、作業機械２の稼働情報と各業種における作業機械２の稼働特徴とに基づく業種推定の結果を用いて、上記航空写真に対し機械学習を行うことにより構築した業種推定のモデルの精度を高める。すなわち、業種推定部１３は、作業機械２の稼働情報と各業種における作業機械２の稼働特徴とに基づく業種推定の結果と、上記航空写真に対し機械学習を行うことによる業種推定の結果とを合わせて、業種推定のモデルを高精度に構築することができる。このようにすれば、業種分類の精度を更に向上することが可能になる。
　そして、ある作業機械２が使用される業種を推定したいとき、業種推定部１３は、該作業機械２の稼働位置の情報に基づいて該作業機械２の稼働位置の航空写真を航空写真管理サーバ４から取得し、取得した航空写真と上記構築した業種推定のモデルとに基づいて、該作業機械２が使用される業種の推定を行う。
　このとき、業種推定部１３は、業種を推定したい相手である作業機械２の稼働情報と各業種における作業機械２の稼働特徴とに基づいて業種を更に推定し、その推定結果と上記航空写真及び業種推定のモデルに基づいた業種推定の結果とを合わせることで、業種推定の精度を高めることが好ましい。なお、業種推定部１３の推定結果は、機械学習用の教師データにフィードバックされることが更に好ましい。
　部品寿命予測部１４は、業種推定部１３により推定された業種に基づいて、作業機械２の部品の寿命を予測する。具体的には、部品寿命予測部１４は、予め作成された業種毎のモデル部品の稼働時間と摩耗率との関係グラフやテーブル等を用いて、作業機械２の稼働時間（総稼働時間）に基づいてその業種のモデル部品の寿命を予測する。本実施形態において、部品の寿命とは、現在の使用条件で稼働し続けた場合に該部品の残存使用時間を意味する。なお、業種毎のモデル部品は一つでも良く複数でも良い。
　また、部品寿命予測部１４は、作業機械管理サーバ３の部品交換履歴テーブル３３に記憶された部品の交換履歴を参照してモデル部品の寿命予測を行う。例えば、あるモデル部品が交換されると、その部品に関する総稼働時間をリセットして再計算することになる。
　故障要因推定部１５は、業種推定部１３により推定された業種に基づいて、その業種における作業機械２の故障傾向を考慮して故障要因を推定する。業種毎の作業機械２の故障傾向は、業種毎の過去の故障要因を統計的に処理することにより抽出される。
　例えば業種がスクラップの場合は、スクラップ置き場の金属片が油圧ショベルの足回り部品に挟まることが多く、金属片の挟みに起因する走行部品の故障が多く発生する傾向がある。従って、作業機械２の使用された業種がスクラップであると推定され、且つ走行部品に異常が検出された場合、故障要因推定部１５は、上述の故障傾向を考慮し、金属片の挟みの原因による故障か否かを重点的に推定する。
　また、業種が土木工事の場合は、土や砂がエアクリーナー等の部品に侵入し易く、エンジンの異常燃焼を引き起こす傾向がある。従って、作業機械２の使用された業種が土木工事であると推定され、且つエンジンの異常燃焼が発生した場合、故障要因推定部１５は、土や砂のエアクリーナーへの侵入による原因か否かを重点的に推定する。
　そして、サーバ装置１０は、業種推定部１３により推定された結果と、部品寿命予測部１４により予測された結果と、故障要因推定部１５により推定された結果とをユーザ端末５に送信する。
　以下、図２を参照してサーバ装置１０の制御処理について説明する。
　まず、ステップＳ１１では、サーバ装置１０の情報取得部１２は、通信部１１を介して作業機械管理サーバ３から作業機械２の稼働情報を取得する。ステップＳ１１に続くステップＳ１２では、情報取得部１２は、取得した作業機械２の稼働情報から作業機械２の稼働位置の情報（緯度経度）を抽出し、該稼働位置の航空写真を通信部１１を介して航空写真管理サーバ４から取得し、記憶する。ここでの稼働情報取得（ステップＳ１１）及び航空写真取得（ステップＳ１２）は、例えば情報取得部１２により所定周期で自動的に行われる。
　ステップＳ１２に続くステップＳ１３では、業種推定部１３は、上述したように、取得した稼働情報と航空写真とに基づいて機械学習用の教師データを作成し、業種推定のモデルを構築する。
　ステップＳ１３に続くステップＳ１４では、サーバ装置１０は、部品の寿命を予測したい作業機械２の稼働位置の情報（緯度経度）を取得し、該緯度経度の情報により航空写真を航空写真管理サーバ４から取得する。部品の寿命を予測したい作業機械２については、サーバ装置１０は、作業機械管理サーバ３からの指示に従って決定しても良く、あるいは自ら決定しても良い。
　ステップＳ１４に続くステップＳ１５では、業種推定部１３は、上述したように、取得した航空写真と作業機械２の稼働情報とに基づいて、部品の寿命を予測したい作業機械２の使用された業種を推定する。すなわち、上記航空写真と業種推定のモデルとに基づく業種推定、及び、上記作業機械２の稼働情報と各業種における作業機械２の稼働特徴とに基づく業種推定の両方を用いて、業種推定を行う。
　ステップＳ１５に続くステップＳ１６では、部品寿命予測部１４は、ステップＳ１５で推定した業種の結果に基づいて、業種毎のモデル部品の寿命を予測する。モデル部品とは寿命予測の際のベンチマーク（指標）となる部品を言う。具体的には、まず、サーバ装置１０は、ステップＳ１５で推定した業種の結果に基づいて該業種のモデル部品を抽出する。例えば、ステップＳ１５において作業機械２の使用された業種がスクラップであると推定された場合、サーバ装置１０は、スクラップのモデル部品としてのスプロケットを抽出する。
　次に、部品寿命予測部１４は、予め作成されたスプロケットの稼働時間と摩耗率との関係グラフを基に、作業機械２の稼働時間（総稼働時間）に基づいてスプロケットの寿命を予測する。更に、部品寿命予測部１４は、予測したスプロケットの寿命に基づいて、該スプロケットの交換時期を算出する。
　ステップＳ１６に続くステップＳ１７では、サーバ装置１０は、業種毎のモデル部品交換時期が閾値以上であるか否かを判定する。例えば、サーバ装置１０は、部品寿命予測部１４により算出されたスプロケットの交換時期を予め設定された閾値と比較し、該スプロケットの交換時期が閾値以上である否かを判定する。ここでの閾値は、注意喚起のアラームを発報する目安であり、例えば交換時期の９０％として設定されている。なお、この閾値は状況に応じて適宜変更しても良い。
　そして、業種毎のモデル部品交換時期が閾値以上でないと判定された場合、制御処理は終了する。一方、業種毎のモデル部品交換時期が閾値以上であると判定された場合、制御処理はステップＳ１８に進む。ステップＳ１８では、サーバ装置１０は、通信部１１を介してユーザ端末５にアラームを通知するとともに、部品の累積ダメージと交換までの予測値とを確認できるアドレスを記載したメールもユーザ端末５に送信する。
　部品の累積ダメージは、例えば作業機械２が過去に使用された業種の割合を参照して算出される。一例として、作業機械２が過去に使用された業種の割合はスクラップ７０％、産業廃棄３０％の場合、「累積ダメージ（％）＝スクラップ業種の係数×７０％＋産業廃棄業種の係数×３０％」により算出される。スクラップ業種の係数は例えば１、産業廃棄業種の係数は例えば０．５と設定される。また、作業機械２が過去に使用された業種の割合は原材料採取５０％、土木工事５０％の場合、「累積ダメージ（％）＝原材料採取業種の係数×５０％＋土木工事業種係数×５０％」により算出される。なお、交換までの予測値は、部品があとどの位の時間で寿命の閾値に達することを示す値である。また、このとき、部品の損傷度と交換時期との相関を示すグラフも同時にユーザ端末５に送信しても良い。
　そして、ユーザ端末５において、受信したメールに添付されたアドレスをクリックすると、図７に示すように、「現在の使用条件で稼働した場合、あと１００時間で寿命の閾値を迎えます。部品の発注等を検討下さい。」といったメッセージが表示部５３に表示される。メッセージはテキストメッセージに限られず、寿命の閾値が高い順に「Ａ(交換推奨度：高)」、「Ｂ(交換推奨度：中)」、「Ｃ(交換推奨度：低)」、などの簡略化した分類での表示であってもよい。作業機械２の所有者等は、表示されたメッセージを見て、部品の寿命を容易に把握できるので、部品の購入計画をより立てやすくなる。また、メッセージはテキスト表示に限られず、たとえば作業機械のイメージ画像を表示し、該当する箇所を明滅することで表示してもよい。明滅に際しては、寿命の閾値が高い（交換時期が近付いている）順に、赤・黄・青などの色で表示し、明滅している箇所をタップすることで故障に関する情報（概要）をさらに通知する構成としてもよい。また、故障している箇所はユーザ端末の操作画面上でのピンチイン・ピンチアウトの操作によって、任意に拡大・縮小しうる。こうすることで、作業機械２の部位の累積ダメージと寿命を直感的に視認することができる。また、交換時期などの対策の概要を把握することが可能になる。
　なお、業種毎のモデル部品は一つでも良く複数でも良い。複数の場合、ステップＳ１６ではそれぞれのモデル部品の寿命予測、及び交換時期が算出され、ステップＳ１７ではそれぞれのモデル部品に関する交換時期と閾値との比較が行われる。そして、複数のモデル部品のうち、一つの部品交換時期が閾値以上であると判定されれば、ユーザ端末５へのアラーム通知及びメール送信が行われる。
　以上のように構成されたサーバ装置１０では、作業機械２の稼働位置の情報を含む作業機械２の稼働情報と作業機械２の稼働位置の航空写真とを取得する情報取得部１２と、取得した作業機械２の稼働情報及び稼働位置の航空写真に基づいて機械学習で作業機械２の使用される業種を推定する業種推定部１３と、推定した業種に基づいて作業機械２の部品の寿命を予測する部品寿命予測部１４とを有する。このようにすれば、各業種における作業機械２の稼働環境及び稼働特徴を考慮してその業種に応じた部品の寿命予測を行うことができるので、予測精度を高めることができる。
　その結果、作業機械２のユーザ又は代理店等に部品交換の提案をタイムリーに行うことが可能になるので、部品の故障による稼働時間のロスを防止することができる。また作業機械２の稼働情報及び作業機械２の稼働位置の航空写真を用いて機械学習で業種推定のモデルを構築することで、構築した業種推定のモデルの精度を高めることができるとともに、初めての工事場所においても業種を推定することができる。
　なお、本実施形態のサーバ装置１０の制御処理は上述したものに限らず、例えば図８に示す制御処理を行うことができる。
　図８に示すステップＳ２１～Ｓ２３は上述したステップＳ１１～Ｓ１３と同じであるため、重複説明を省略する。ステップＳ２３に続くステップＳ２４では、故障要因推定部１５は、上述したように、業種毎の過去の故障要因を統計的に処理し、業種毎の作業機械２の故障傾向を抽出する。
　ステップＳ２４に続くステップＳ２５では、サーバ装置１０は、異常検出か否かを判定する。このとき、サーバ装置１０は、作業機械２の車載センサ２４により検出されて通信部２１を介して送信された検出の結果に基づいて、異常検出があるか否かを判定する。このステップＳ２５は、異常検出まで繰り返し実行される。
　そして、異常検出があったと判定された場合（Ｙ）、制御処理はステップＳ２６に進む。ステップＳ２６では、業種推定部１３は、上述したように、取得した航空写真と作業機械２の稼働情報とに基づいて、異常が検出された作業機械２の業種を推定する。具体的には、サーバ装置１０の情報取得部１２は、異常が検出された作業機械２の稼働位置の情報（緯度経度）を取得し、該稼働位置の航空写真を航空写真管理サーバ４から取得する。次に、業種推定部１３は、上記ステップＳ１５と同じ処理を行い、異常が検出された作業機械２の業種推定を行う。
　ステップＳ２６に続くステップＳ２７では、故障要因推定部１５は、ステップＳ２４で抽出した業種毎の作業機械２の故障傾向を用いて、ステップＳ２５で検出した異常に関する故障要因を推定する。
　ステップＳ２７に続くステップＳ２８では、サーバ装置１０は、通信部１１を介してユーザ端末５に部品が故障している可能性がある旨のアラームを通知するとともに、推定した故障要因等を確認できるアドレスを記載したメールもユーザ端末５に送信する。
　そして、ユーザ端末５において、受信したメールに添付されたアドレスをクリックすると、図９及び図１０に示すように、「故障アラーム名」、「業種推定」及び「要因推定」に関する内容が表示部５３に表示される。例えば、図９に示す例では、業種としては土木工事と推定され、異常燃焼の故障要因としては、エンジン部品に砂が混在している可能性があると推定される。図１０に示す例では、業種としてはスクラップと推定され、走行部品の故障要因としては、足回り部品に金属片が挟まっている可能性があると推定される。そして、作業機械２の所有者等は、表示された内容を見て、故障要因を容易把握することができ、故障への対策等の措置を容易に講じることができる。また、これによって、作業機械２の保守員の作業効率の向上も図ることができる。図７と同じく、故障要因の表示はテキスト表示に限られない。すなわち、故障アラームに該当する故障内容は作業機械のシルエットを示すイメージ図を表示するとともに、該当箇所を明滅することで表示してもよい。その際、図７の例と同じく、明滅している箇所をタップすることで、業種推定などの情報が付加的に表示されるが、確率はパーセント表示であってもよい。その際、業種推定の確率が少なくとも２つの業種で近似する場合（たとえば、土木工事（４５％）、産業廃棄（４０％））、もっとも確率の高い業種とその次に確率の高い業種が併記される。近似の範囲は任意に設定することとしてもよい。このような表記によって作業機械２の保守員は故障に関する情報を直感的に把握することができ、もっとも高い確率の業種推定の特定が困難な場合であっても、次点の業種も想定した柔軟な準備をすることが可能となる。
［保守支援システム］
　以下、図１１を基に保守支援システム１００について説明する。保守支援システム１００は、サーバ装置１０Ａの構造において上述の部品寿命予測システム１と異なっている。その他の構造は、部品寿命予測システム１と同様であるため、部品寿命予測システム１と同一符号を付し、重複説明を省略する。
　図１１に示すように、保守支援システム１００は、保守員等の保守作業を支援するためのシステムであり、稼働位置の情報を含む作業機械２の稼働情報を収集する作業機械管理サーバ３、及び位置情報に基づく航空写真を記憶する航空写真管理サーバ４と通信可能に構成されるサーバ装置１０Ａを含む。上述の部品寿命予測システム１と同様に、作業機械管理サーバ３は収集した作業機械２の稼働情報をサーバ装置１０Ａに送信し、サーバ装置１０Ａは作業機械２の稼働情報を航空写真管理サーバ４に送信し、航空写真管理サーバ４は作業機械２の稼働情報に含まれる稼働位置の情報に対応する航空写真を抽出してサーバ装置１０Ａに送信する。
　また、サーバ装置１０Ａは、作業機械２の稼働情報及び作業機械２の稼働位置の航空写真に基づいて作業機械２の使用される業種を推定する。更に、サーバ装置１０Ａは、作業機械２の稼働情報と、各業種における作業機械２の稼働特徴とに基づいて作業機械２の使用される業種を推定する。
　上述の部品寿命予測システム１のサーバ装置１０と比べて、サーバ装置１０Ａは、部品寿命予測部１４及び故障要因推定部１５を有しておらず、通信部１１、情報取得部１２及び業種推定部１３のみによって構成されている。このサーバ装置１０Ａは、業種推定部１３により推定された業種の結果を保守員の端末（すなわち、ユーザ端末５）に送信する。このとき、サーバ装置１０Ａは、推定した業種の結果とともに、予測精度も送信するのが好ましい。保守員は、送信された結果を見て作業機械２の使用される業種を把握し、更にその業種に適合する保守ツールを現場に持っていくことができる。その結果、必要としないツールの携帯による保守員の負荷増加を防止し、保守作業の効率を向上することができる。
　本実施形態の保守支援システム１００によれば、上述の部品寿命予測システム１と同様に、作業機械２の部品の寿命を予測する予測精度を高めることができるので、保守作業の効率の向上を図ることが可能になる。
　以上、本発明の実施形態について詳述したが、本発明は、上記の実施形態に限定されるものではなく、特許請求の範囲に記載された本発明の精神を逸脱しない範囲で、種々の設計変更を行うことができるものである。
１　　部品寿命予測システム
２　　作業機械
３　　作業機械管理サーバ
４　　航空写真管理サーバ
５　　ユーザ端末
１０，１０Ａ　　サーバ装置
１１　　通信部
１２　　情報取得部
１３　　業種推定部
１４　　部品寿命予測部
１５　　故障要因推定部
２４　　車載センサ
２５　　ＧＰＳセンサ
３２　　稼働日報テーブル
３３　　部品交換履歴テーブル
４２　　航空写真記憶部
５３　　表示部
１００　　保守支援システム

Claims (8)

  1. 　作業機械と通信可能に構成され、前記作業機械の部品の寿命を予測するサーバ装置を備えた部品寿命予測システムであって、
    　前記サーバ装置は、
    　前記作業機械の稼働位置の情報を含む前記作業機械の稼働情報を取得し、前記作業機械の稼働情報及び予め記憶された前記作業機械の稼働位置の航空写真に基づいて前記作業機械の使用される業種を推定し、推定した業種に基づいて前記作業機械の部品の寿命を予測することを特徴とする部品寿命予測システム。
  2. 　前記サーバ装置は、前記作業機械の稼働位置の航空写真に対し機械学習を行うことにより、前記作業機械の使用される業種を推定する請求項１に記載の部品寿命予測システム。
  3. 　前記サーバ装置は、前記作業機械の稼働情報と、各業種における作業機械の稼働特徴とに基づいて、前記作業機械の使用される業種を推定する請求項１に記載の部品寿命予測システム。
  4. 　前記サーバ装置は、推定した業種と、予め作成された業種毎のモデル部品の稼働時間と摩耗率との関係とに基づいて、前記作業機械のモデル部品の寿命を予測する請求項１～３のいずれか一項に記載の部品寿命予測システム。
  5. 　前記サーバ装置は、推定した業種に基づいて部品の故障要因を更に推定する請求項１～４のいずれか一項に記載の部品寿命予測システム。
  6. 　前記サーバ装置は、部品寿命の予測結果と故障要因の推定結果とを、前記サーバ装置と通信可能に構成される端末に送信する請求項５に記載の部品寿命予測システム。
  7. 　稼働位置の情報を含む作業機械の稼働情報を収集する作業機械管理サーバ、及び位置情報に基づく航空写真を記憶する航空写真管理サーバと通信可能に構成されるサーバ装置を含む保守支援システムであって、
    　前記作業機械管理サーバは、収集した作業機械の稼働情報を前記サーバ装置に送信し、
    　前記サーバ装置は、前記作業機械の前記稼働情報を前記航空写真管理サーバに送信し、
    　前記航空写真管理サーバは、前記稼働情報に含まれる稼働位置の情報に対応する航空写真を抽出して前記サーバ装置に送信し、
    　前記サーバ装置は、前記作業機械の稼働情報及び前記作業機械の稼働位置の航空写真に基づいて前記作業機械の使用される業種を推定することを特徴とする保守支援システム。
  8. 　前記サーバ装置は、前記作業機械の稼働情報と、各業種における作業機械の稼働特徴とに基づいて前記作業機械の使用される業種を推定し、予測精度とともに出力表示する請求項７に記載の保守支援システム。
PCT/JP2022/001621 2021-03-31 2022-01-18 部品寿命予測システム及び保守支援システム WO2022209167A1 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
KR1020237006894A KR20230042363A (ko) 2021-03-31 2022-01-18 부품 수명 예측 시스템 및 보수 지원 시스템
US18/023,902 US20230333549A1 (en) 2021-03-31 2022-01-18 Component Service Life Prediction System and Maintenance Assistance System
CN202280005771.2A CN115917565A (zh) 2021-03-31 2022-01-18 部件寿命预测系统及维护支援系统
JP2023510509A JPWO2022209167A1 (ja) 2021-03-31 2022-01-18
EP22779399.9A EP4318339A1 (en) 2021-03-31 2022-01-18 Component service life prediction system and maintenance assistance system

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2021-059112 2021-03-31
JP2021059112 2021-03-31

Publications (1)

Publication Number Publication Date
WO2022209167A1 true WO2022209167A1 (ja) 2022-10-06

Family

ID=83458613

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2022/001621 WO2022209167A1 (ja) 2021-03-31 2022-01-18 部品寿命予測システム及び保守支援システム

Country Status (6)

Country Link
US (1) US20230333549A1 (ja)
EP (1) EP4318339A1 (ja)
JP (1) JPWO2022209167A1 (ja)
KR (1) KR20230042363A (ja)
CN (1) CN115917565A (ja)
WO (1) WO2022209167A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7380302B2 (ja) * 2020-02-18 2023-11-15 コベルコ建機株式会社 操作支援サーバ、操作支援システムおよび操作支援方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005173979A (ja) 2003-12-11 2005-06-30 Komatsu Ltd 補給部品生産予測システム、補給部品生産予測方法及びプログラム
JP2014153929A (ja) * 2013-02-08 2014-08-25 Hitachi Constr Mach Co Ltd 作業内容データベースの作成方法
WO2014132903A1 (ja) * 2013-02-26 2014-09-04 住友重機械工業株式会社 ショベル支援装置及びショベル支援方法
JP2017008524A (ja) * 2015-06-18 2017-01-12 日立建機株式会社 建設機械の交換品管理システム
JP2021059112A (ja) 2019-10-07 2021-04-15 日東電工株式会社 印刷層付フィルム積層体、該印刷層付フィルム積層体を含む光学積層体、およびこれらを用いた画像表示装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005173979A (ja) 2003-12-11 2005-06-30 Komatsu Ltd 補給部品生産予測システム、補給部品生産予測方法及びプログラム
JP2014153929A (ja) * 2013-02-08 2014-08-25 Hitachi Constr Mach Co Ltd 作業内容データベースの作成方法
WO2014132903A1 (ja) * 2013-02-26 2014-09-04 住友重機械工業株式会社 ショベル支援装置及びショベル支援方法
JP2017008524A (ja) * 2015-06-18 2017-01-12 日立建機株式会社 建設機械の交換品管理システム
JP2021059112A (ja) 2019-10-07 2021-04-15 日東電工株式会社 印刷層付フィルム積層体、該印刷層付フィルム積層体を含む光学積層体、およびこれらを用いた画像表示装置

Also Published As

Publication number Publication date
EP4318339A1 (en) 2024-02-07
US20230333549A1 (en) 2023-10-19
JPWO2022209167A1 (ja) 2022-10-06
CN115917565A (zh) 2023-04-04
KR20230042363A (ko) 2023-03-28

Similar Documents

Publication Publication Date Title
US6728619B2 (en) Failure measure outputting method, output system, and output device
US10344455B2 (en) Replaceable component management system for construction machine
JP4856163B2 (ja) 建設機械の診断情報提供装置
RU2495490C2 (ru) Система управления производительностью для рабочего места с множеством машин
US20160342915A1 (en) Autonomous Fleet Size Management
CN104321809B (zh) 工业车辆的管理系统
JP5416148B2 (ja) 建設機械のメンテナンス方法およびメンテナンスシステム
US20080195365A1 (en) Maintenance Support System for Construction Machine
EP3724603B1 (en) Worksite management system
JP6906209B2 (ja) 建設機械稼働状況管理システム及び管理方法
WO2022209167A1 (ja) 部品寿命予測システム及び保守支援システム
JP5303794B2 (ja) 作業機械の管理装置
JP2008217559A (ja) 作業機械の運転評価システム
JP2014153929A (ja) 作業内容データベースの作成方法
JP3735068B2 (ja) 巡回サービス予定作成方法、作成システムおよび作成装置
JP5806690B2 (ja) 作業機械の管理装置
CN106567421A (zh) 一种挖掘机智能维护保养系统及方法
JP5792113B2 (ja) 建設機械のメンテナンス管理装置、メンテナンス管理システム及びそのメンテナンス管理方法
CN116917824A (zh) 故障预测系统
JP3836726B2 (ja) 作業機レポート作成方法、作成システムおよび作成装置
EP4266236A1 (en) Work management device, work management method, index estimation model, and work estimation model
US20210042676A1 (en) System for communicating between assets on a construction site and a database server
Vasquez Coronado et al. Developing a context-based alert system for haulage cycle optimization.
Hemsley Safety in solitude
WO2014045396A1 (ja) 自走式鉱山機械の稼動管理装置

Legal Events

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

Ref document number: 22779399

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2023510509

Country of ref document: JP

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 20237006894

Country of ref document: KR

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 2022779399

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 2022779399

Country of ref document: EP

Effective date: 20231031

NENP Non-entry into the national phase

Ref country code: DE