WO2022210499A1 - 機械の状態検出装置 - Google Patents

機械の状態検出装置 Download PDF

Info

Publication number
WO2022210499A1
WO2022210499A1 PCT/JP2022/014895 JP2022014895W WO2022210499A1 WO 2022210499 A1 WO2022210499 A1 WO 2022210499A1 JP 2022014895 W JP2022014895 W JP 2022014895W WO 2022210499 A1 WO2022210499 A1 WO 2022210499A1
Authority
WO
WIPO (PCT)
Prior art keywords
classification
processing unit
damage
machine
state
Prior art date
Application number
PCT/JP2022/014895
Other languages
English (en)
French (fr)
Inventor
宗利 鵜沼
洋 津久井
健一 安島
孝一郎 江尻
充彦 本田
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 JP2023511237A priority Critical patent/JPWO2022210499A1/ja
Priority to CN202280016994.9A priority patent/CN116981923A/zh
Priority to EP22780710.4A priority patent/EP4317936A1/en
Priority to KR1020237029376A priority patent/KR20230138504A/ko
Publication of WO2022210499A1 publication Critical patent/WO2022210499A1/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
    • G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
    • G01M5/0033—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings by determining damage, crack or wear
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass
    • G01M99/008—Subject matter not provided for in other groups of this subclass by doing functionality tests
    • 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
    • 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
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
    • 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
    • G06Q10/20—Administration of product repair or maintenance

Definitions

  • the present invention relates to a device for detecting the state of machines.
  • Patent Literature 1 describes a device that learns the operating tendency of a machine when an abnormality occurs in the machine.
  • Patent Literature 2 describes a detection device that detects a section on a time axis in which stress applied to a machine occurs, or a section at a position where the machine exists.
  • Patent Literature 3 describes a damage estimating device that estimates the amount of damage received by a machine based on recognition results of actions performed by the machine.
  • JP 2018-97616 A Japanese Patent No. 6215446 Japanese Patent No. 6458055
  • Patent Documents 1 to 3 above have the following problems.
  • (a) Japanese Patent Laid-Open No. 2002-200000 does not describe a means for determining whether the operation of the machine when an abnormality occurs is a known operation or an unknown operation, and an output method.
  • the operating tendency of the machine is learned using alarms that indicate machine abnormalities, etc., it is also described about detecting the damage that the machine received (the cause of the abnormality) before the alarm that indicates an abnormality is generated. do not have.
  • Patent Document 2 a section in which damage (repeated stress) occurs before an abnormality (machine breakage) occurs is detected, and the cause of the damage is specified using positional state recognition means.
  • the positional state recognizing means used here recognizes a preset state, and there is no description of what kind of processing is to be performed when an unset state occurs.
  • a table is created in advance that associates a motion recognition result with the amount of damage that a machine receives when performing that motion.
  • the motion performed by the machine is recognized by a motion recognition method, and based on the recognition result, the damage amount corresponding to the motion is referenced to estimate the damage amount.
  • the action recognition method used here is the recognition of a preset action as in (b) above, and what kind of processing is performed when an action that is not set is performed will be described. Not done.
  • the present invention has been made in view of the above, and the state of the machine can be easily detected regardless of whether or not an unknown operation that is not assumed to cause damage has been performed. It is an object of the present invention to provide a detection device.
  • a machine condition detection apparatus includes a collection device for collecting, at a plurality of times, condition information indicating a machine condition that changes in chronological order; and an arithmetic processing unit that processes a plurality of pieces of the state information to detect the state of the machine, wherein the arithmetic processing unit processes the plurality of pieces of state information collected by the collecting device.
  • a classification processing unit that assigns, to a feature vector, a classification ID that identifies the set to which the feature vector belongs; a detection processing unit that detects damage received by the machine, a section in which the damage is detected by the detection processing unit, and the classification ID given by the classification processing unit in the section based on and a processing unit.
  • the state of the machine can be easily detected regardless of whether or not an unknown action that is not supposed to cause damage has been performed. Problems, configurations, and effects other than those described above will be clarified by the following description of the embodiments.
  • FIG. 2 is a processing block diagram of the state detection device according to the first embodiment
  • FIG. 4 is a processing flow chart of the state detection device
  • Explanatory drawing of repetitive stress amplitude and wavelength An example of information recorded in a classification model database.
  • An example of state classification sensor/control information An example of the processing result of the classification process.
  • Explanatory drawing of the pattern of classification ID An example of information recorded in the damage state classification ID database (No. 1). Another example of cutting out the damaged section.
  • Part 3 An example of information recorded in the damage state classification ID database
  • FIG. 10 is a processing block diagram of the state detection device according to the second embodiment; Explanatory drawing of cluster distribution of classification ID.
  • FIG. 10 is a processing block diagram of the state detection device according to the second embodiment; Explanatory drawing of cluster distribution of classification ID.
  • FIG. 11 is a processing block diagram of the state detection device of Embodiment 3; An example of information recorded in the damage state classification ID database (No. 4). Explanatory diagram of key frame animation. An example of information recorded in the damage state classification ID database (No. 5).
  • FIG. 11 is a processing block diagram of the state detection device of Embodiment 4;
  • FIG. 11 is a processing block diagram of the state detection device of Embodiment 5;
  • Example of cumulative damage Example of chronological changes in cumulative damage.
  • FIG. 11 is an example of visualization of an integrated value of individual damage amounts performed in the state detection device of Embodiment 6;
  • FIG. An example visualization of the number of occurrences of the damage state.
  • An example of a display screen in the state detection device of Embodiment 7 Part 1).
  • FIG. 1 is a processing block diagram of the state detection device 100 of the first embodiment.
  • FIG. 2 is a processing flow diagram of the state detection device 100.
  • FIG. 3 is an explanatory diagram of repetitive stress amplitude and wavelength.
  • FIG. 4 is a diagram showing an example of information recorded in the classification model database 1h.
  • FIG. 5 is a diagram showing an example of state classification sensor/control information 1f.
  • FIG. 6 is a diagram showing an example of the processing result of the classification processing 1i.
  • FIG. 7 is an explanatory diagram of classification ID patterns.
  • FIG. 8 is a diagram showing an example (part 1) of information recorded in the damaged state classification ID database 1o.
  • the state detection device 100 is a device that detects the state of various machines, including construction machines and working machines such as industrial robots.
  • the state detection device 100 is a device that detects the state of the machine that changes in time series (for example, the operating state of the machine).
  • 1c, 1d, and 1e of FIG. 1 show an example of a machine to which the state detection device 100 is applied.
  • 1c is a transport vehicle such as a dump truck.
  • 1d is a vehicle-type construction machine such as a shovel.
  • 1e is an industrial robot used in a manufacturing factory or the like.
  • the state detection device 100 is not limited to these, and can be applied to various machines.
  • the state detection device 100 is roughly divided into a collection device 1a that collects information for detecting the state of the machine, and an arithmetic processing device 1b that performs processing for detecting the state of the machine using the collected information. be able to. That is, the state detection device 100 includes a collection device 1a that collects state information indicating the state of the machine that changes in time series at a plurality of times, and a state information that is collected at a plurality of times and processed to process the state information of the machine. and an arithmetic processing unit 1b for detecting the state of
  • the collection device 1a is composed of, for example, a device that stores various sensor information provided in the machine, and is composed of a controller or the like mounted on the machine.
  • Each of the collection device 1a and the arithmetic processing device 1b may be configured by a general-purpose or industrial computer, or may be configured by dedicated hardware using a microcomputer.
  • Each of the collection device 1a and the arithmetic processing device 1b includes a CPM, a ROM, and a RAM, and realizes their functions by the CPU executing programs stored in the ROM.
  • the arithmetic processing unit 1b may transfer the information collected by the collecting device 1a to an external cloud computer using a communication line, and process the information using the cloud computer.
  • the collection device 1a and the processing device 1b are shown separately, but the state detection device 100 accommodates the collection device 1a and the processing device 1b in one housing. It may be configured as a device.
  • the collecting device 1a includes a state classification sensor/control information collection unit 1f that collects state classification sensor/control information 1f as state information indicating the state of the machine that changes in time series, and a damage detection sensor/control information collection unit 1f. and a damage detection sensor/control information collecting unit 1g for collecting 1g.
  • the state classification sensor/control information 1f is sensor measurement information and information for controlling each part of the machine, which are used to classify the state of the machine.
  • the damage detection sensor/control information 1g is sensor measurement information and information for controlling each part of the machine, which are used to detect damage received by the machine.
  • the state classification sensor/control information 1f and the damage detection sensor/control information 1g may be information of the same type or information of different types.
  • the state classification sensor/control information 1f is also referred to as "state information 1f".
  • the damage detection sensor/control information 1g is also referred to as "state information 1g".
  • the collection device 1a directly acquires the sensor measurement information included in the state information 1f and the state information 1g from a strain gauge or an angle sensor attached to the machine, or from a CAN (Controller Area Network) or the like mounted on the machine. It can be collected by acquiring information flowing on the network of The collecting device 1a can collect the control information included in the state information 1f and the state information 1g by directly obtaining it from a machine control device or the like, or by obtaining information flowing through a network mounted on the machine. can.
  • Arithmetic processing unit 1b includes a detection processing unit 1j that executes detection processing 1j for damage received by the machine, a determination processing unit 1k that executes determination processing 1k for the amount of damage received by the machine, and the data collected by collection device 1a. Based on the state information 1f, a classification processing unit 1i that executes a classification processing 1i for classifying the state of the machine at each time, a processing result of the detection processing 1j (and the determination processing 1k), and a processing result of the classification processing 1i.
  • a tying processing unit 1l that executes the tying process 1l, a determination processing unit 1m that executes a determination process 1m for determining whether the classification ID linked by the tying process 1l is an unknown classification ID, and a tying process 1l.
  • a display processing unit 1n that executes display processing 1n for displaying that the assigned category ID is an unknown category ID; and a registration processing unit 1p for executing a registration processing 1p for registration.
  • the arithmetic processing unit 1b includes a damaged state classification ID database 1o and a classification model database 1h as recording devices.
  • the configuration of each unit in the collection device 1a and the processing unit 1b and the processing in each unit are represented by the same reference numerals.
  • the arithmetic processing unit 1b has a function (detection processing unit 1j) for executing the detection processing 1j for damage received by the machine, as described above.
  • the detection processing unit 1j performs processing for detecting damage received by the machine based on the state information 1g collected by the collection device 1a.
  • the detection process 1j detects a section (period) on the time axis in which the damage received by the machine is large.
  • the damage targeted by the detection process 1j is, for example, damage caused by stress fatigue damage to each part of a machine such as a hydraulic cylinder or a hydraulic motor.
  • the damage targeted by the detection process 1j includes not only physical damage such as stress fatigue damage, but also safety problems such as mechanical imbalance. Machine imbalance conditions can be detected by attaching an inclinometer to the machine.
  • FIG. 3 shows an example in which detection processing 1j is performed using this method.
  • the horizontal axis in FIG. 3 indicates time.
  • the vertical axis in FIG. 3 indicates stress (3a), stress amplitude (3b), and fatigue damage rate (3c) together with their respective time axes.
  • 3h of FIG. 3 is a stress waveform, graphed from measurements of strain gauges mounted at predetermined locations on the machine. Fatigue damage depends on the amplitude of repeated stress rather than the absolute value of stress. 3h in FIG. 3 shows the absolute value of the stress, and it is not possible to know where the large fatigue damage occurred.
  • the amplitude and wavelength of the repetitive stress are detected from the stress waveform 3h, and the section where the fatigue damage is large is detected.
  • This method is a method of detecting the wavelength of stress by improving the rainflow method, which is a kind of stress cycle counting method.
  • 3i and 3j in FIG. 3 are the amplitude and wavelength of repetitive stress detected using this method from the stress waveform of 3h.
  • Rectangles 3i and 3j indicate the amplitude and wavelength of the detected stress.
  • the length along the vertical axis of the rectangles 3i and 3j indicates the amplitude of repeated stress.
  • the length along the horizontal axis of the rectangles 3i and 3j indicates the wavelength of the repetitive stress.
  • the times corresponding to the vertices on the left side of the bases of the rectangles 3i and 3j indicate the start times of repeated stress.
  • the time corresponding to the vertex on the right side of the base of the rectangles 3i and 3j indicates the end time of the repeated stress.
  • the operation of loading earth and sand onto a dump truck is as follows: the dump truck moves in an empty state (3d), the earth and sand are loaded into the stopped dump truck in multiple stages (3e), and the dump truck moves in a loaded state. (3f), and (3g) to discharge the loaded earth and sand.
  • 3j in FIG. 3 shows the amplitude and wavelength of the repetitive stress that the dump truck receives when the dump truck is loaded with earth and sand (3e).
  • 3i of FIG. 3 shows the amplitude and wavelength of the repetitive stress that the dump truck receives when the dump truck is discharging soil (3g).
  • the detection process 1j is based on the magnitude of damage received by the machine (magnitude of amplitude of repetitive stress) and the section in which the machine was damaged (the period from the start time to the end time of the amplitude of repetitive stress) and can be detected.
  • 3c in FIG. 3 shows the fatigue damage (fatigue damage rate) that the machine receives per unit time.
  • This fatigue damage rate 3c is obtained by calculating various fatigue damages received per unit time from various repeated stresses based on the amplitude and wavelength of the repeated stress shown in 3b, and integrating these fatigue damages per unit time. Calculated by Thereby, the detection process 1j can detect the magnitude of the damage at each time.
  • Patent Document 2 is an example of a method for detecting the extent of damage received by a machine and the section in which the machine was damaged.
  • Other techniques may be used for the detection process 1j as long as the magnitude of the damage received by the machine and the section in which the machine was damaged can be detected.
  • the magnitude of damage received by the machine is also referred to as “amount of damage”.
  • a section on the time axis in which the machine receives damage (a period from the start time of the damage to the end time of the damage) is also referred to as a “damage section”.
  • the state of the machine when the machine receives damage (damage period) is also referred to as a "damaged state”.
  • the amount of damage received by the machine in the damage section is also referred to as "individual damage amount”.
  • the arithmetic processing unit 1b has a function (determination processing unit 1k) for executing the determination processing 1k of the amount of damage received by the machine, as described above.
  • the determination processing unit 1k determines whether or not the amount of damage detected by the detection processing 1j is an amount of damage that affects the life of each part of the machine. In the damage amount determination process 1k, if the amount of damage detected by the detection process 1j is equal to or greater than a predetermined threshold value, it is determined that the damage amount affects the service life. Determined as the amount of damage that does not occur.
  • the process of acquiring the state information 1g and the state information 1f is performed (corresponding to "NO" in 2a of FIG. 2).
  • the later-described linking process 1l is performed (corresponding to "YES" in 2a of FIG. 2).
  • the processing unit 1b may perform the linking process 1l for all damage amounts detected by the detection process 1j without setting a threshold in the determination process 1k. For example, if the damage amount is small but the damage state occurs frequently, it may be difficult to set a threshold for determining the damage amount that affects the life. In such a case, the arithmetic processing unit 1b may perform the linking process 1l for all damage amounts detected by the detection process 1j without performing the determination process 1k.
  • the arithmetic processing unit 1b has a function (classification processing unit 1i) for executing the classification processing 1i for classifying the state of the machine at each time based on the state information 1f collected by the collection device 1a as described above.
  • the classification processing unit 1i time-divides a plurality of pieces of state information 1f collected at a plurality of times by the collection device 1a, and performs a process of specifying a plurality of feature quantity vectors having the type of the state information 1f as a feature quantity. Then, the classification processing unit 1i classifies the specified feature amount vector into one of a plurality of predetermined sets (clusters), and for the classified feature amount vector, the set to which the feature amount vector belongs ( cluster) is assigned.
  • the classification process 1i is performed based on information pre-recorded in the classification model database 1h.
  • items (types) of the state information 1f are stored as feature amount vector items (vector components determined as feature amounts) (if there are n items of sensor/control information for state classification, n-dimensional feature
  • a feature vector indicating the state and a classification ID for identifying the state are associated and recorded in advance.
  • FIG. 4 shows an example of information recorded in the classification model database 1h.
  • 4a in FIG. 4 shows the items of the feature amount vector from the sensor A to the operation amount Z.
  • FIG. 4b in FIG. 4 shows the classification ID.
  • the classification model database 1h can be constructed using, for example, a clustering method.
  • the classification processing 1i a plurality of pieces of state information 1f for learning, which are collected at a plurality of times by the collection device 1a and record various states of the machine, are divided in time series to specify a plurality of feature amount vectors. do.
  • the classification processing 1i classifies the plurality of specified feature amount vectors into one of a plurality of clusters using a clustering method, and assigns a classification ID.
  • K-means is a method of grouping similar feature amount vectors into clusters of a number corresponding to the number of divisions set in advance, and returning a classification ID for identifying each cluster.
  • the feature quantity vector divides the representative state of the machine by the set number of divisions m and indicates the characteristics of each state.
  • the feature amount vectors to which "3" is assigned as the classification ID are ( M31, M32, ..., M3n ) .
  • classification IDs There are m types of classification IDs, which are the number of divisions.
  • the feature amount vectors recorded in the classification model database 1h shown in FIG. 4 are also referred to as "classification model feature amount vectors".
  • a classification ID indicates one state (or scene) of a machine. For example, if the machine is a dump truck, the classification ID indicates a state in which the vessel of the dump truck is raised to remove soil, or if the machine is a shovel, the front arm is raised to excavate. Also, the state of the machine is indicated by a feature vector.
  • the classification model database 1h associates and records a feature quantity vector indicating the state of the machine and a classification ID for identifying the feature quantity vector.
  • the classification model database 1h of the first embodiment directly associates a natural language indicating the state of the machine, such as "the state in which the dump truck's vessel is raised and discharging soil" explained as an example, with the classification ID. It is not attached and recorded.
  • the classification process 1i searches for the classification ID of the feature amount vector most similar to the feature amount vector of the state information 1f to be classified among the feature amount vectors recorded in the classification model database 1h. Being similar means that the distance (eg Euclidean distance) between the feature amount vectors is closer than others.
  • the classification processing 1i searches for the feature quantity vector closest to the feature quantity vector to be classified among the feature quantity vectors recorded in the classification model database 1h, and assigns the classification ID of the searched feature quantity vector to the classification.
  • the classification ID indicates the state of the machine at the time when the state information 1f on which the target feature amount vector was based was collected.
  • FIG. 5 shows an example of the state information 1f on which the feature vectors to be classified are based.
  • the state information 1f at “time T 3 ” in FIG. 5 is (F 13 , F 23 , . . . , F m3 ).
  • This (F 13 , F 23 , . . . , F m3 ) constitutes a feature quantity vector whose feature quantity is each item (type) of the state information 1f at “time T 3 ”.
  • the feature amount vector of the state information 1f shown in FIG. 5 is also referred to as "collected data feature amount vector".
  • the classification process 1i searches for the feature amount vector of the classification model that is most similar to the feature amount vector of the collected data at each time shown in FIG. 5, and acquires the classification ID of the feature amount vector of the searched classification model.
  • the degree of similarity between the feature amount vector of the collected data and the feature amount vector of the classification model is the distance between the feature amount vector of the collected data and the feature amount vector of the classification model (for example, Euclidean distance) can be calculated. Then, the classification process 1i may acquire the classification ID of the feature amount vector of the classification model with the closest distance.
  • the Mahalanobis distance may be calculated in addition to the Euclidean distance, and various distance calculation methods can be used.
  • a processing result of the classification processing 1i a sequence of classification IDs arranged in time series as shown in FIG. 6 is obtained.
  • the arithmetic processing unit 1b has a function (association processing unit 1l) that executes the association processing 1l between the processing result of the detection processing 1j (and the determination processing 1k) and the processing result of the classification processing 1i.
  • the linking processing unit 1l performs a process of linking a damage section, which is a section in which damage is detected by the damage detection processing 1j, and the classification ID given by the classification processing 1i in the damage section.
  • the processing unit 1b can identify the damage state, which is the state of the machine in the damage section, by the classification ID assigned by the classification processing 1i.
  • FIG. 7 shows a diagram in which the processing results of the detection processing 1j (and the determination processing 1k) and the processing results of the classification processing 1i are arranged in chronological order.
  • 7a in FIG. 7 shows the processing result of the detection process 1j (and determination process 1k), and shows the amplitude and wavelength of the repetitive stress, like 3j in FIG. 7d in FIG. 7 indicates the starting time of the repeated stress, and 7e in FIG. 7 indicates the ending time of the repeated stress.
  • 7b and 7c shown in the middle and lower stages of FIG. 7 indicate the processing result of the classification processing 1i.
  • Parenthesized numbers such as “(3)” shown in the middle and lower stages of FIG. 7 indicate the value of the classification ID.
  • the processing results of the classification process 1i are obtained as a column of classification IDs arranged in chronological order.
  • the column of classification IDs in the section between the start time 7d and the end time 7e is composed of all classification IDs (5).
  • Another type is a type in which the column of classification IDs has a characteristic pattern in the damage section between the start time 7d and the end time 7e, as shown in 7c of FIG. .
  • the column of classification IDs in the damage section is configured with patterns of classification IDs (6), (6), (4), (7), (7), and (7). .
  • a type in which the column of classification IDs consists of the same classification ID is observed when the machine moves less.
  • a type in which the column of classification IDs is configured with a pattern is observed when the machine performs an action corresponding to the pattern. Since changes in the state of the machine appear as changes in the category ID, the column of category IDs will have a pattern corresponding to the state of the machine.
  • the column of classification IDs can specify the damage state, which is the state of the machine during the damage interval.
  • the arithmetic processing unit 1b has a function (determination processing unit 1m) that executes determination processing 1m for determining whether or not the classification ID linked by the linkage processing 1l is an unknown classification ID. Based on the classification IDs recorded in the damaged state classification ID database 1o, the determination processing unit 1m performs processing for determining whether or not the classification ID linked by the linkage processing 1l is an unknown classification ID. .
  • the determination process 1m performs different processes depending on the type of the above-described classification ID string obtained as a result of the classification process 1i.
  • the determination process 1m refers to the record of the category ID database 1o in which only one category ID is recorded if the column of the above category IDs is of a type composed of the same category ID.
  • the determination process 1m is performed if the category ID (5) linked to the damaged section is recorded in the category ID database 1o, and the linked category ID is a known category ID. It is determined that there is (not an unknown classification ID).
  • the determination processing 1m determines that the associated category ID is an unknown category ID.
  • the determination process 1m refers to the record of the classification ID database 1o in which the items shown in FIG. 8 are recorded if the above classification ID string is of a type configured with a pattern.
  • 8a in FIG. 8 shows the item of the pattern of the classification ID.
  • 8b in FIG. 8 shows an ID item for identifying the pattern of the classification ID of 8a.
  • Pattern recognition processing by DP matching may be used for this similarity determination.
  • DP matching is a pattern matching method that uses dynamic programming, and is a method that considers elastic matching of patterns.
  • Elastic matching means that, for example, in 7c of FIG. 7, the fact that classification IDs (6) and (7) appear in succession a plurality of times is considered to be "stretching", and the effect of "stretching" is eliminated.
  • matching processing is performed assuming that classification IDs (6) and (7) appear once. Therefore, the pattern of the classification ID shown in 7c of FIG. 7 and the pattern of the classification ID shown in #1 of 8a in FIG. 8 are recognized as the same pattern. Note that DP matching can also calculate similarity.
  • the similarity is 100%, and if only some of the category IDs included in the pattern match, the similarity is less than 100%.
  • the determination process 1m if the similarity is not 100% but high to some extent, the pattern of the classification ID linked to the damaged section and the pattern of the classification ID recorded in the classification ID database 1o are determined to be the same pattern. You may In the determination process 1m, if the pattern of the classification ID associated with the damaged section is the same as the pattern of the classification ID recorded in the classification ID database 1o, the associated classification ID is a known classification ID. (It is not an unknown classification ID). On the other hand, in the determination process 1m, if the pattern of the category ID linked to the damaged section is not the same as the pattern of the category ID recorded in the category ID database 1o, the linked category ID is an unknown category ID. It is determined that
  • the association processing 1l determines that the associated classification ID by the association processing 1l is a known classification ID. If it is determined that the associated classification ID by the association processing 1l is a known classification ID, the processing of acquiring the state information 1g and the state information 1f is performed (corresponding to "NO" in 2b of FIG. 2). . On the other hand, if the associated classification ID is determined to be an unknown classification ID by the association processing 1l, display processing 1n and registration processing 1p, which will be described later, are performed (corresponding to "YES" in 2b of FIG. 2). .
  • the arithmetic processing unit 1b has a function (display processing unit 1n) that executes a display process 1n for displaying that the classification ID associated by the association process 1l is an unknown classification ID.
  • the fact that the classification ID associated by the association process 1l is an unknown classification ID means that an unknown damage state has occurred.
  • the display processing unit 1n performs processing for displaying information indicating that an unknown damage state has occurred on a display device such as a display, or for issuing a report using an audio output device such as a speaker. Note that the arithmetic processing unit 1b may omit the execution of the display processing 1n.
  • the arithmetic processing unit 1b has a function (registration processing unit 1p) of executing a registration process 1p for registering the classification ID determined to be an unknown classification ID by the determination process 1m in the classification ID database 1o.
  • the registration processing unit 1p performs processing to register the category ID (5) in the category ID database 1o.
  • the registration processing unit 1p registers the pattern of the unknown classification ID in the part 8a described as "undefined" in #3 of FIG. 8b is registered.
  • a classification ID that appears a plurality of times in a row is registered as having appeared once.
  • the state detection device 100 of the first embodiment includes the collection device 1a that collects the state information 1f indicating the state of the machine that changes in chronological order at a plurality of times, and the state information 1f collected at a plurality of times. and an arithmetic processing unit 1b that processes the state information 1f and detects the state of the machine.
  • the processing unit 1b time-divides the plurality of pieces of state information 1f collected by the collection device 1a, and classifies the feature quantity vectors having the type of the state information 1f as the feature quantity into one of a plurality of clusters (sets).
  • a classification processing unit 1i for assigning a classification ID is provided.
  • the arithmetic processing unit 1b includes a detection processing unit 1j that detects damage to the machine based on the state information 1g indicating the state of the machine that changes in time series and is collected by the collection unit 1a. Further, the arithmetic processing unit 1b includes an association processing unit 1l that associates a section in which damage is detected by the detection processing unit 1j with the classification ID given by the classification processing unit 1i in the section.
  • the state detection device 100 of Embodiment 1 can identify the damage state, which is the state of the machine in the section in which the machine is damaged, by the classification ID given by the classification processing unit 1i. As a result, the state detection device 100 can easily detect that a damage state has occurred in the damage section linked to the classification ID, simply by referring to the classification ID assigned by the classification processing unit 1i. . Further, if the classification ID that identifies the damage state is recorded, the state detection device 100 detects that the detected damage state based on the recorded classification ID is an unknown state that is not assumed to cause damage. It can be easily determined whether or not there is. Therefore, the state detection device 100 of the first embodiment can easily detect the state of the machine regardless of whether or not an unknown action that is not assumed to cause damage has been performed.
  • the processing device 1b includes a classification ID database 1o in which classification IDs identifying damage states are recorded in advance. Furthermore, the arithmetic processing unit 1b has a determination processing unit 1m that determines whether or not the classification ID linked by the linkage processing unit 1l is an unknown classification ID based on the classification ID recorded in the classification ID database 1o. Prepare. Further, the arithmetic processing unit 1b includes a registration processing unit 1p that registers, in the classification ID database 1o, a classification ID determined to be an unknown classification ID by the determination processing unit 1m.
  • the state detection device 100 of the first embodiment can easily expand the classification ID database 1o in which the classification IDs specifying the damage state are recorded. It is possible to more reliably and easily determine whether or not there is. Since the state detection device 100 can reduce the frequency of occurrence of unknown damage states, it becomes easier to accurately detect the current state of the machine. Therefore, the state detection device 100 of the first embodiment can easily detect the state of the machine regardless of whether or not an unknown operation that is not supposed to cause damage has been performed, and can prevent maintenance of the machine. It is possible to make it easier to maintain the soundness of the machine, such as by facilitating timely execution.
  • FIG. 9 is a diagram showing another example of cutting out a damaged section.
  • FIG. 9 shows an example of cutting out a part of the fatigue damage rate waveform shown in 3c of FIG.
  • a threshold value 9b that determines the strength of the waveform 9a is set, and the time 9c at which the waveform 9a changes to the threshold value 9b or more and the time 9d at which the waveform 9a changes to less than the threshold value 9b are set as the start time 9c and end time 9d of the damage section. can be detected.
  • the detection process 1j may detect the maximum value of the waveform 9a in the damage section as the amount of damage received by the machine in the damage section. Alternatively, the detection process 1j may detect the average value of the waveform 9a in the damage section as the amount of damage received by the machine in the damage section.
  • FIG. 10 is a diagram showing an example (part 2) of information recorded in the damaged state classification ID database 1o.
  • FIG. 11 is a diagram showing an example (part 3) of information recorded in the damaged state classification ID database 1o.
  • the linking process 1l not only links the damage section detected by the detection process 1j with the classification ID assigned by the classification process 1i in the damage section, but also the amount of damage received by the machine in the damage section ( Individual damage amount) may be linked. Then, as shown in FIGS. 10 and 11, in the category ID database 1o, the category ID assigned by the category processing 1i in the damage section may be recorded in association with the individual damage amount.
  • FIG. 10 shows a case where the above-described column of classification IDs obtained as the processing result of the classification processing 1i is of a type composed of the same classification IDs.
  • 10a in FIG. 10 indicates the category ID item.
  • 10b in FIG. 10 shows the item of individual damage amount.
  • the individual damage amount item 10b may be recorded separately for each part of the machine, as shown in FIG.
  • FIG. 11 shows a case where the above-described classification ID string obtained as a processing result of the classification processing 1i is of a type configured with patterns.
  • 11a in FIG. 11 shows the item of the pattern of the classification ID.
  • 11b in FIG. 11 shows an ID item for identifying a pattern of classification IDs.
  • 11c of FIG. 11 shows the item of individual damage amount.
  • the individual damage amount item 11b may be recorded separately for each part of the machine, as in FIG. In the case of FIG. 11, the individual damage amount fluctuates within the damage section (see FIG. 9). It may be used as a representative value of the damage amount. Of course, a statistic other than the average value or the like may be used as the representative value of the individual damage amount in the damage section.
  • the state detection device 100 of Embodiment 1 can identify not only the damage state but also the individual damage amount based on the classification ID assigned by the classification processing unit 1i. As a result, the state detection device 100 can not only easily detect that a damaged state has occurred, but also how much damage the machine has in the damaged section, simply by referring to the classification ID assigned by the classification processing unit 1i. It is possible to easily detect whether the amount of damage received is As a result, the state detection device 100 can more accurately detect the current fatigue damage degree of the machine. Therefore, the state detection device 100 of the first embodiment can easily and accurately detect the state of the machine, and can further maintain the soundness of the machine, such as performing maintenance of the machine in a more timely manner.
  • the function of executing the detection processing 1j provided in the arithmetic processing unit 1b corresponds to an example of the "detection processing unit” described in the claims.
  • the classification model database 1h provided in the arithmetic processing unit 1b corresponds to an example of the "second recording unit” described in the claims.
  • the function of executing the classification processing 1i provided in the arithmetic processing unit 1b corresponds to an example of the "classification processing unit” described in the claims.
  • the function of executing the determination processing 1m provided in the arithmetic processing device 1b corresponds to an example of the "first determination processing section" described in the claims.
  • the damaged state classification ID database 1o provided in the processing unit 1b corresponds to an example of the "first recording unit” described in the claims.
  • the function of executing the registration process 1p provided in the arithmetic processing unit 1b corresponds to an example of the "first registration processing unit” described in the claims.
  • FIG. 12 is a processing block diagram of the state detection device 100 of the second embodiment.
  • FIG. 13 is an explanatory diagram of the cluster distribution of classification IDs.
  • the state detection device 100 of the first embodiment searches for the feature amount vector closest to the feature amount vector to be classified identified by the classification process 1i among the feature amount vectors pre-recorded in the classification model database 1h.
  • the classification ID of the searched feature amount vector is used as the classification indicating the state of the machine at the time when the state information 1f on which the feature amount vector to be classified was collected. As an ID, it is assigned to the feature amount vector of the classification target.
  • FIG. 13 shows a two-dimensional feature amount space in which one feature amount A of the feature amount vectors is described on the horizontal axis and another feature amount B of the feature amount vectors is described on the vertical axis. ing.
  • the feature amount vector actually used in the present invention has a very large number of dimensions, the number of dimensions is reduced to simplify the explanation, and a two-dimensional feature amount space will be explained.
  • Reference numerals 13a, 13b, 13c and 13d in FIG. 13 denote the position coordinates of the feature amount vectors of the classification IDs (5), (6), (1) and (3) pre-recorded in the classification model database 1h. show. 13e surrounded by 13g in FIG.
  • the position coordinates 13g of the feature amount vector group are far from the position coordinates of the feature amount vectors pre-recorded in the classification model database 1h, and do not appear to belong to any classification ID cluster. This is probably because the learning interval for constructing the classification model database 1h did not include a machine state similar to the newly detected damage interval.
  • the state detection device 100 of the second embodiment has processing functions as shown in FIG.
  • the arithmetic processing unit 1b of the second embodiment performs determination processing for determining whether or not the classification ID of the feature vector similar to the feature vector to be classified identified by the classification processing 1i is recorded in the classification model database 1h. 12a (determination processing unit 12a). That is, the determination processing unit 12a determines the classification target specified by the classification process 1i based on the feature amount vector of the classification target specified by the classification process 1i and the feature amount vector recorded in advance in the classification model database 1h. A process of determining whether or not the classification ID to be assigned to the feature amount vector is recorded in the classification model database 1h is performed.
  • the determination processing 12a calculates the distance between the feature amount vector to be classified and the feature amount vector recorded in the classification model database 1h. If the calculated distance is equal to or less than a preset threshold value, the determination processing 12a determines that the classification ID of the feature amount vector similar to the feature amount vector to be classified is recorded in the classification model database 1h. I judge. That is, in this case, the determination processing 12a determines that the classification ID to be assigned to the feature amount vector to be classified is recorded in the classification model database 1h. After that, the linking process 1l is performed in the same manner as in the first embodiment.
  • the determination processing 12a if the calculated distance is larger (far) than a preset threshold value, the classification ID of the feature amount vector similar to the feature amount vector to be classified is recorded in the classification model database 1h. determine that it is not. That is, in this case, the determination processing 12a determines that the classification ID to be assigned to the feature amount vector to be classified is not recorded in the classification model database 1h. Thereafter, in the second embodiment, generation processing 12b and registration processing 12c, which will be described later, are performed.
  • the processing unit 1b of the second embodiment executes the generation process 12b for generating a new classification model. It has a function (generation processing unit 12b). That is, the generation processing unit 12b performs processing for generating a new classification ID when the classification ID to be assigned to the feature amount vector to be classified is not recorded in the classification model database 1h.
  • the arithmetic processing unit 1b of the second embodiment has a function (registration processing unit 12c) that executes a registration process 12c for registering the new classification model generated by the generation process 12b in the classification model database 1h. That is, the registration processing unit 12c performs a process of associating the new classification ID generated by the generation processing unit 12b with the feature vector to which the classification ID should be assigned and registering them in the classification model database 1h.
  • registration processing unit 12c performs a process of associating the new classification ID generated by the generation processing unit 12b with the feature vector to which the classification ID should be assigned and registering them in the classification model database 1h.
  • the generation process 12b and registration process 12c may be performed by either of the following two methods (method 1 or method 2).
  • method 1 the generation processing 12b adds the feature amount vector group to be classified, which is specified in the damage interval newly detected this time, to the learning interval for constructing the classification model database 1h, and uses a classification method such as clustering. Then, a process of reconstructing the classification model database 1h is performed.
  • the generation processing 12b performs the representative coordinate values (representative feature value of each feature quantity of the quantity vector). Then, the generation processing 12b generates a new classification ID to be assigned to the representative feature amount vector having the generated representative coordinate values.
  • the registration process 12c associates the generated representative feature amount vector having the representative coordinate values with the generated new classification ID and registers them in the classification model database 1h.
  • the registration process 12c registers the generated new category ID in the category ID database 1o as a category ID specifying the damage state.
  • the generation process 12b calculates the representative coordinate values of the feature amount vector group from the group of feature amount vectors to be classified, which is specified in the damage section newly detected this time.
  • the representative coordinate value of the feature vector group may be calculated, for example, by calculating the barycentric coordinate value or average coordinate value of the feature vector group.
  • the generation process 12b generates a new classification ID to be assigned to the representative feature amount vector having the calculated representative coordinate values.
  • the registration process 12c associates the calculated representative feature amount vector having the representative coordinate values with the generated new classification ID and registers them in the classification model database 1h.
  • the registration process 12c registers the generated new category ID in the category ID database 1o as a category ID specifying the damage state.
  • the state detection device 100 of the second embodiment can solve the above problems as described using FIG. 13 .
  • Method 1 Normally, re-learning the classification model database 1h as in Method 1 imposes a large processing load on the processing unit 1b and takes a long time, so Method 2 is more effective.
  • the generating process 12b performs method 2 for the first few times (the number of times is equal to or less than a preset threshold value), and performs method 2 when the newly generated classification IDs are accumulated. 1 may be used to re-learn the classification model database 1h.
  • the state detection device 100 of the second embodiment generates a new classification ID when the classification ID to be assigned to the feature amount vector specified by the classification process 1i is not recorded, and the feature amount vector and the They are registered in the classification model database 1h in association with each other.
  • the state detection device 100 of the second embodiment can easily expand the classification model database 1h in which the feature vector specifying the state of the machine is recorded, and can classify the state of the machine more reliably and easily. be able to. Since the state detection device 100 can reduce the frequency of recording the classification ID to be assigned to the feature amount vector specified by the classification processing 1i, the current state of the machine can be accurately detected. becomes easier. Therefore, the state detection device 100 of the second embodiment can easily detect the state of the machine regardless of whether or not an unknown operation that is not supposed to cause damage has been performed, and the maintenance of the machine can be easily performed. It is possible to make it easier to maintain the soundness of the machine, such as by facilitating timely execution.
  • the function of executing the determination processing 12a provided in the arithmetic processing device 1b corresponds to an example of the "second determination processing section" described in the claims.
  • the function of executing the generation processing 12b provided in the arithmetic processing device 1b corresponds to an example of the “generation processing unit” described in the claims.
  • the function of executing the registration process 12c provided in the arithmetic processing unit 1b corresponds to an example of the "second registration processing unit" recited in the claims.
  • FIG. 14 is a processing block diagram of the state detection device 100 of the third embodiment.
  • FIG. 15 is a diagram showing an example (part 4) of information recorded in the damaged state classification ID database 1o.
  • FIG. 16 is an explanatory diagram of keyframe animation.
  • FIG. 17 is a diagram showing an example (No. 5) of information recorded in the damaged state classification ID database 1o.
  • the arithmetic processing unit 1b of the third embodiment has a function of executing the extraction processing 14a for extracting the classification ID assigned by the classification processing 1i in a predetermined section including the section linked to the classification ID by the association processing 1l (extraction processing A portion 14a) is provided. That is, the extraction processing unit 14a performs processing for extracting the classification ID assigned by the classification processing 1i in the predetermined section.
  • the classification ID extracted by the extraction process 14a is used when generating an animation in the reproduction process 14b, which will be described later.
  • the predetermined section cut out by the cutout process 14a may be the damage section itself, which is the section linked to the classification ID by the linking process 1l, or may be a section including time before and after the damage section.
  • the predetermined section cut out by the cutout processing 14a is a damage It is preferable that the section includes the time before and after the section (in the case of 7b in FIG. 7, the section includes the classification IDs (3) and (2) before and after the damage section). Note that even in this type, if it is sufficient to reproduce the state of the machine in the damaged section itself, the predetermined section cut out by the cutout processing 14a may be the damaged section itself. In this case, an input device that can be input by the user's operation may be provided to select the predetermined section to be cut out by the cutout processing 14a.
  • the predetermined section cut out by the cutout processing 14a may be the damage section itself.
  • the extraction processing 14a may integrate the category IDs that appear a plurality of times in succession, or may not integrate the category IDs that appear a plurality of times in succession. It may be left as it is.
  • the animation is generated in the reproduction processing 14b, the animation reproduction speed is required.
  • the classification IDs are integrated, it is preferable to attach time information such as the integration start time to the classification IDs.
  • FIG. 15 shows an example in which items relating to information on the category ID for animation display are added to the category ID database 1o.
  • 15a in FIG. 15 indicates an item related to the information of the classification ID for animation display.
  • FIG. 15 shows an example in which classification IDs appearing consecutively are integrated.
  • the arithmetic processing unit 1b of the third embodiment has a function (reproduction processing unit 14b) that executes a reproduction process 14b that generates an animation (moving image) that reproduces the state of the machine in the predetermined section from which the classification ID was extracted by the extraction process 14a.
  • the reproduction processing unit 14b performs processing for generating an animation (moving image) that reproduces the state of the machine in a predetermined section based on the feature amount vector corresponding to the classification ID extracted by the extraction processing 14a.
  • the reproduction process 14b uses keyframe animation used in computer graphics to generate an animation that reproduces the state of the machine in a predetermined section.
  • FIG. 16 shows an example of generated animation that reproduces the state of a hydraulic excavator, which is one of the machines.
  • the feature amount vector corresponding to the classification ID extracted by the extraction processing 14a includes information on the bending angle of each joint of the front working machine as the state of the machine (excavator). For example, information on bending angles of joints of booms, arms, and buckets.
  • Keyframe animation is a method of generating this bending angle between classification IDs using interpolation. For example, it is assumed that the category IDs for animation display are category ID (11) indicated by 16f in FIG.
  • the reproduction process 14b uses keyframe animation to generate frames that reproduce the state of the excavator between each of the frames 16a, 16b, and 16c so that the movement of the excavator can be smoothly reproduced. Perform frame interpolation.
  • the reproduction process 14b performs keyframe interpolation for each bending angle of each joint of the shovel.
  • 16i in FIG. 16 indicates the bending angle of the boom
  • 16j indicates the bending angle of the arm
  • 16k indicates the bending angle of the bucket.
  • Each curve indicated by 16i, 16j and 16k in FIG. 16 represents the result of interpolating the bending angle of each joint between the three points 16f, 16g and 16h in FIG. 16 as the control points of the interpolation function. ing.
  • interpolation function For example, a spline function or the like.
  • the reproduction processing 14b can smoothly interpolate the bending angles of the joints at the times between the control points of the interpolation functions, and generate an animation that can smoothly reproduce the movement of the shovel.
  • Figures 16d and 16e show the interpolated frames, interpolating between frames 16a and 16b and between frames 16b and 16c. Of course, it is also possible to generate frames that interpolate between frames 16a and 16d.
  • the generation times of the classification IDs used as key frames are required.
  • the reproduction processing 14b also interpolates the time information of the interpolated frame based on the time information of the key frame. Thereby, the reproduction processing 14b can reproduce the operating speed of the machine. Also, the reproduction process 14b may generate moving images other than animation.
  • the arithmetic processing unit 1b of the third embodiment has a function (display processing unit) that executes display processing for displaying the animation (moving image) generated by the reproduction processing 14b on the display device.
  • a function display processing unit
  • the function of executing this display process may be included in the function of executing the display process 1n or the function of executing the reproduction process 14b. good.
  • the state detection device 100 of the third embodiment cuts out the classification ID assigned by the classification process 1i in a predetermined section including the section linked to the classification ID by the linking process 1l. Then, the state detection device 100 generates an animation that smoothly reproduces the state of the machine based on the feature quantity vector corresponding to the extracted classification ID, and causes the display device to display the animation.
  • the state detection device 100 of the third embodiment can visually express the state of the machine in the damaged section in an easy-to-understand manner, so that the user can intuitively grasp the damaged state. can. Also, in the state detection device 100 of the third embodiment, animation is generated using the feature amount vector corresponding to the classification ID, so animation can be generated with less information than the actually collected state information 1f.
  • the state detection device 100 of the third embodiment does not generate an animation based on the feature amount vector corresponding to the extracted classification ID, that is, based on the state information 1f that constitutes the feature amount vector, but instead generates the animation based on the state information 1g.
  • the state detection device 100 of the third embodiment may convert the content of the generated animation into text and register it in the classification ID database 1o as a text display character string as shown in 17a in FIG. At this time, the text display character string 17a is recorded in the category ID database 1o in association with the animation display category ID information 15a.
  • the function of executing the extraction processing 14a provided in the arithmetic processing unit 1b corresponds to an example of the "extraction processing unit” described in the claims.
  • the function of executing the reproduction processing 14b provided in the arithmetic processing unit 1b corresponds to an example of the "reproduction processing section” described in the claims.
  • the function of executing the animation display process included in the function of executing the reproduction process 14b or the display process 1n provided in the arithmetic processing unit 1b corresponds to an example of the "display processing unit" described in the claims.
  • FIG. 18 is a processing block diagram of the state detection device 100 of the fourth embodiment.
  • the state detection device 100 of the fourth embodiment recognizes the damage state without using the state information 1g.
  • a sensor retrofitted to the machine and a device for acquiring control information were required. Recognition is possible.
  • the arithmetic processing unit 1b of the fourth embodiment has a function (recognition processing unit 18a) for executing the recognition processing 18a for recognizing the damage state specified by the classification ID assigned by the classification processing 1i.
  • the recognition processing unit 18a recognizes the damage state specified by the classification ID given by the classification process 1i based on the classification ID given by the classification process 1i and the classification ID recorded in the classification ID database 1o. process.
  • the recognition processing 18a searches for whether or not the above-described class ID string obtained as the processing result of the classifying processing 1i is recorded in the class ID database 1o as a class ID pattern as shown in 8a of FIG. 17, for example. process. If the column of the classification ID is of a type composed of the same classification ID (#3 in FIG. 17), the recognition processing 18a determines whether or not the classification ID is recorded in the classification ID database 1o and searches for it. Just do it. In the case of a type in which the row of the relevant classification ID has a pattern (#1 or #2 in FIG. 17), the recognition processing 18a searches using a pattern matching method such as the DP matching described above. Just do it. Thereby, the recognition processing 18a can detect the damage state without using the state information 1g.
  • the time at which the first classification ID in the sequence of classification IDs obtained as the processing result of the classification processing 1i is assigned is the start time of the damaged state, and the time at which the last classification ID is assigned. is the end time of the damaged state, the damaged section can be recognized.
  • the arithmetic processing unit 1b of the fourth embodiment has a function (display processing unit 18b) for executing the display processing 18b for displaying the recognition result of the damage state by the recognition processing 18a on the display device.
  • the recognition processing 18a can search for the above-described classification ID string obtained as the processing result of the classification processing 1i being recorded in the classification ID database 1o
  • the display processing unit 18b performs, for example, the animation display classification shown in FIG. It is possible to acquire the ID 15a and the text display character string 17a.
  • the display processing unit 18b uses the acquired classification ID 15a for animation display and character string 17a for text display to perform processing for displaying an animation that reproduces the damaged state on the display device.
  • the state detection device 100 of Embodiment 4 can recognize the damage state without using the state information 1g. As a result, even if the sensor or the like that acquires the state information 1g fails, the state detection device 100 of the fourth embodiment can easily detect the damage state based on the classification ID assigned by the classification processing unit 1i. .
  • the state detection device 100 of the fourth embodiment can easily determine whether or not the detected damage state is an unknown state in which no damage is assumed, based on the classification ID recorded in the classification ID database 1o. can judge. Therefore, the state detection device 100 of the fourth embodiment can easily detect the state of the machine regardless of whether or not an unknown operation that is not assumed to cause damage has been performed.
  • the function of executing the recognition processing 18a provided in the arithmetic processing device 1b corresponds to an example of the "recognition processing section" described in the claims.
  • the function of executing the display processing 18b provided in the arithmetic processing device 1b corresponds to an example of the "display processing section" described in the claims.
  • FIG. 19 is a processing block diagram of the state detection device 100 of the fifth embodiment.
  • FIG. 20 is a diagram showing an example of cumulative damage degrees.
  • FIG. 21 is a diagram showing an example of chronological changes in cumulative damage.
  • the arithmetic processing device 1b has a function (estimation processing unit 19a) of performing a damage amount estimation process 19a based on the processing result of the recognition process 18a of the fourth embodiment.
  • the classification ID database 1o as shown in FIGS. 10 and 11, the individual damage amount received by each part of the machine in the damage section is recorded in advance in association with the classification ID (or the pattern of the classification ID). good too.
  • the estimation processing unit 19a recognizes the damage state from the recognition result of the recognition processing 18a, the estimation processing unit 19a performs processing for identifying the individual damage amount from the classification ID that identifies the damage state (for example, the classification ID (1) of #1 in FIG. 10). I do.
  • the estimation processing unit 19a corresponds to the damage state recognized by the recognition processing 18a based on the category ID specifying the damage state recognized by the recognition processing 18a and the category ID recorded in the category ID database 1o. Perform processing to identify the individual damage amount to be applied. It should be noted that the individual damage amounts shown in FIGS. 10 and 11 are damage amounts that the machine receives due to one event.
  • the estimation processing 19a can convert the individual amount of damage into a degree of damage using an SN diagram.
  • the SN diagram shows the relationship between cyclic stress and the number of times the stress is repeated until the material breaks.
  • the degree of damage is calculated from one repeated stress (stress amplitude) using an SN diagram.
  • the cumulative damage level which is the cumulative value of the damage levels, reaches 1, it indicates that the material is fractured. In other words, the degree of damage can be said to be the consumption of the life of the machine. Therefore, the estimation processing 19a can convert the individual damage amounts shown in FIGS. 10 and 11 into damage degrees using the SN diagram.
  • the estimation process 19a can obtain an SN diagram in advance by using the FAT class of the International Welding Society (IIW) or by actually performing a life test of the machine. If it is difficult to acquire the SN diagram, the estimation process 19a acquires the tendency of the degree of damage from the slope of a general SN diagram. In this case, the estimation processing 19a does not know the absolute value of the degree of damage, but can judge the tendency of the degree of damage (whether it is large or small). The estimation processing 19a calculates the degree of damage to estimate the influence of one damage state on the service life of the machine, or calculates the cumulative damage degree for each part of the machine to estimate the life consumption or life remaining amount. It is also possible to estimate the life of each part of the machine from the chronological change in the cumulative damage level.
  • IIW International Welding Society
  • the arithmetic processing unit 1b of the fifth embodiment has a function (display processing unit 19b) for executing display processing 19b for displaying the estimation result of the estimation processing 19a on the display device.
  • the display processing unit 18b visualizes the influence that one damage state estimated by the estimation processing 19a has on the service life of the machine, visualizes the life consumption amount or the life remaining amount of each part of the machine, and Perform processing such as visualizing the prediction results of the lifespan of each part.
  • FIG. 20 shows the cumulative degree of damage for each part of the machine.
  • 20f in FIG. 20 indicates a line with a cumulative damage degree of 1.0.
  • 20a-20e in FIG. 20 show the cumulative degree of damage of each part of the machine. It can be seen that the accumulated damage degree 20a of the site A in FIG. 20 is closest to the line of 20f and has the smallest life remaining amount.
  • the display processing 19b may change the display mode of the cumulative damage level graph shown in FIG. 20 according to the remaining life amount. For example, the display processing 19b may change the color of the graph shown in FIG. 20 from green to yellow to red, etc., as the life remaining amount decreases.
  • Fig. 21 shows chronological changes in the cumulative damage level.
  • 21e in FIG. 21 indicates a line with a cumulative damage degree of 1.0.
  • 21a to 21c in FIG. 21 show chronological changes in the degree of cumulative damage of each part of the machine.
  • 21d in FIG. 21 is a line indicating the current time.
  • 21f to 21h in FIG. 21 are straight lines showing prediction results of time-series changes 21a to 21c in the cumulative damage degree.
  • the time indicated by the intersection of the straight lines 21f to 21h indicating the prediction result and the line 21e with the cumulative damage degree of 1.0 indicates the time when the service life is reached.
  • the display processing 19b displays the remaining life time (the time from the time 21d to the time 21i), which is the time until the life reaches the end of the life, displays information prompting an order for parts for repair, or the like.
  • the color of the graph shown in 21 can be changed and displayed in the same manner as in FIG. Further, the display processing 19b may display a drawing or the like of the portion when the graph shown in FIG. 20 or 21 is operated by the user (for example, clicked with a mouse or the like).
  • the state detection device 100 of Embodiment 5 can estimate the individual damage amount from the processing result of the recognition processing 18a. Accordingly, the state detection device 100 of the fifth embodiment can calculate the degree of damage and the degree of cumulative damage from the estimated individual damage amount.
  • the state detection device 100 of Embodiment 5 estimates the impact of a single damage state on the life of the machine, estimates the life consumption or life remaining for each part of the machine, and measures the cumulative degree of damage over time. It is also possible to predict the life of the machine from the change in temperature. Therefore, the state detection device 100 of the fifth embodiment can detect not only what state the machine was in during the damage period, but also how the state of the machine will change in the future from various viewpoints. can.
  • the function of executing the estimation process 19a provided in the arithmetic processing device 1b of the fifth embodiment can also be provided in the arithmetic processing device 1b of the first to third embodiments.
  • the arithmetic processing unit 1b of the first to third embodiments calculates the damage degree and the cumulative damage degree from the individual damage amount, estimates the life consumption amount or the life remaining amount for each part of the machine, or calculates the cumulative damage degree.
  • a function for executing an estimation process 19a such as predicting the life of each part of the machine from time-series changes, may be provided.
  • Patent Literature 3 described above it was possible to calculate the degree of damage only for a predetermined damage state, so it was not possible to estimate the degree of damage in an unexpected damage state. However, by providing the processing unit 1b of the first to third embodiments with the function of executing the estimation process 19a, it becomes possible to estimate the degree of damage in an unexpected damage state.
  • the function of executing the estimation processing 19a provided in the arithmetic processing device 1b corresponds to an example of the "estimation processing unit” described in the claims.
  • the function of executing the display processing 19b provided in the arithmetic processing unit 1b corresponds to an example of the "display processing section" described in the claims.
  • FIG. 22 is a diagram showing an example of visualization of integrated values of individual damage amounts performed in the state detection device 100 of the sixth embodiment.
  • FIG. 23 is a diagram illustrating an example of visualization of the number of occurrences of damage states.
  • Embodiment 6 a method for identifying and visualizing the state of the machine that is the main cause of the amount of damage received by each part of the machine will be described.
  • the arithmetic processing unit 1b of the fifth embodiment has functions for executing an estimation process 19a and a display process 19b. Damage and cumulative damage can be calculated and visualized.
  • the arithmetic processing unit 1b of the sixth embodiment also has functions for executing the estimation processing 19a and the display processing 19b.
  • the arithmetic processing unit 1b of the sixth embodiment can calculate and visualize the integrated value by accumulating the individual damage amount of a certain part recorded in the classification ID database 1o for each classification ID.
  • the arithmetic processing device 1b of the sixth embodiment can estimate the cumulative damage amount by accumulating a plurality of calculated integrated values for each classification ID.
  • the estimation processing 19a of the sixth embodiment performs the damage recognized by the recognition processing 18a based on the category ID specifying the damage state recognized by the recognition processing 18a and the category ID recorded in the category ID database 1o. Identify the individual damage amount corresponding to the state. Then, the estimation processing 19a of the sixth embodiment performs the individual damage amount based on the specified individual damage amount and the number of occurrences of the damage state corresponding to the individual damage amount (that is, the number of times the individual damage amount is received). The integrated value of the amount is calculated for each classification ID. Then, the estimation processing 19a of the sixth embodiment accumulates a plurality of integrated values calculated for each classification ID to estimate the cumulative amount of damage received by the machine. Then, the display processing 19b of the sixth embodiment causes the display device to display the processing result of the estimation processing 19a.
  • the estimation processing 19a of the sixth embodiment multiplies the individual damage amount associated with a certain category ID by the number of occurrences of the damage state corresponding to the individual damage amount. An integrated value is calculated for each classification ID.
  • the estimation processing 19a estimates the cumulative damage amount by calculating the sum of each of the multiple integrated values calculated for each category ID. Then, the estimation processing 19a of the sixth embodiment calculates the damage that is the main cause of the accumulated damage amount to the machine based on the ratio of each of the plurality of integrated values estimated for each classification ID to the accumulated damage amount. Identify the state.
  • the damage state of category ID (1) occurs once and the damage state of category ID (3) occurs 1000 times.
  • the ratio of the integrated value 5000 of the individual damage amount in the category ID(3) is larger than the ratio of the integrated value 1050 of the individual damage amount in the category ID(1). Therefore, it is specified that the damage state that is the main cause of the cumulative damage amount 6050 received by the part A is the damage state of classification ID (3). 22 and 23 visualize this situation.
  • FIG. 22 shows the integrated value of the individual damage amount received by the part A for each classification ID.
  • FIG. 23 shows the number of occurrences of the damage state corresponding to the individual damage amount received by the part A for each classification ID. From FIG. 22, it can be seen that the damage state that is the main cause of the cumulative amount of damage received by the site A is the damage state of classification ID (3). From FIG. 23, it can be seen that the damage state of classification ID (3) is a damage state with a large number of occurrences. can be reduced.
  • the estimation processing 19a of the sixth embodiment can convert the cumulative damage amount into the cumulative damage degree, as in the fifth embodiment.
  • the life consumption amount or the life remaining amount is estimated for each part of the machine, or from the time-series change of the cumulative damage degree life expectancy can be predicted.
  • the processor 1b of the sixth embodiment combines the straight lines 21f to 21h showing the prediction results of the time series changes 21a to 21c of the cumulative damage degree as shown in FIG. 21 with the method of the present embodiment.
  • a control command may be generated so as not to cause the damage state of category ID (3) so often, and sent to the control device that controls the operation of the machine.
  • the classification ID (3) is the damage state classified by the clustering method, and it may be difficult for the user to understand what kind of state it is.
  • the processing unit 1b of the sixth embodiment has a function of executing the extraction processing 14a and the reproduction processing 14b of the third embodiment, generates an animation that reproduces the damage state of the classification ID (3), and displays the can be displayed.
  • the estimation processing 19a calculates the integrated value of the individual damage amount for each classification ID. , it is calculated for each ID that identifies the pattern of the classification ID. Further, in FIGS. 20, 22 and 23, the arithmetic processing unit 1b is visualized using a bar graph, but it may be visualized using other formats such as a pie chart.
  • the integrated value of the individual damage amount is calculated for each classification ID, and a plurality of integrated values calculated for each classification ID are accumulated to determine the cumulative damage received by the machine. Estimate quantity.
  • the state detection device 100 of the sixth embodiment from the ratio of each of the plurality of integrated values estimated for each classification ID to the cumulative damage amount, the damage that is the main cause of the cumulative damage amount to the machine is determined. state can be specified. Therefore, the state detection device 100 of the sixth embodiment can appropriately take measures such as controlling the machine so as not to cause the damage state that is the main cause, so that the soundness of the machine can be further maintained. .
  • the function of executing the estimation processing 19a and the display processing 19b provided in the arithmetic processing device 1b of the sixth embodiment can also be provided in the arithmetic processing device 1b of the first to third embodiments.
  • the arithmetic processing device 1b of the first to third embodiments based on the individual damage amount detected by the detection process 1j and the number of times the individual damage amount is detected (that is, the number of occurrences of the damage state), determines the individual damage amount is calculated for each classification ID, and a plurality of accumulated values calculated for each classification ID are accumulated to estimate the cumulative amount of damage received by the machine. As a result, even if an unexpected damage state is the main cause of the accumulated damage amount, the arithmetic processing device 1b of the first to third embodiments can appropriately estimate it.
  • FIG. 24 is a diagram showing an example (part 1) of a display screen in the state detection device 100 of the seventh embodiment.
  • FIG. 25 is a diagram showing an example (2) of the display screen.
  • FIG. 26 is a diagram showing an example (part 3) of the display screen.
  • the arithmetic processing unit 1b of the seventh embodiment has a function of executing the clipping process 14a and the reproduction process 14b, and also has a function of executing a display process for displaying the animation (moving image) generated by the reproduction process 14b on the display device. Prepare.
  • the display processing of the seventh embodiment includes time-series changes in the status information 1f collected in the predetermined section from which the classification ID was cut out by the cutout processing 14a, time-series changes in the individual damage amount in the predetermined section, cumulative damage At least one of the amount, the chronological change in the accumulated damage amount, and the prediction result of the life of the machine is displayed on the display device together with the animation generated by the reproduction processing 14b.
  • Fig. 24 shows an example of the display screen when the machine receives damage that affects its life.
  • 24a in FIG. 24 shows the entire display screen.
  • 24b in FIG. 24 shows the pressure waveform of the damaged bucket cylinder, that is, the chronological change of the state information 1f.
  • 24i in FIG. 24 indicates the waveform of the individual damage amount detected based on the pressure waveform 24b of the bucket cylinder, that is, the chronological change in the individual damage amount.
  • 24f in FIG. 24 shows an animation that reproduces the action (hereinafter also referred to as "damage action”) performed by the damaged machine in a predetermined section.
  • the display device that displays the display screen 24a may be a display device installed in the driver's seat of the construction machine, or a display device installed in the machine's monitoring room. may be Display screens 25a and 26a, which will be described later, are also displayed on a similar display device.
  • the display screen 24a may be displayed in real time immediately after the machine is damaged, or may be displayed at a predetermined timing such as after the machine is finished working.
  • the display processing of the seventh embodiment may display the display screen 24a when the user operates a display button or the like.
  • the display screens 25a and 26a are similarly displayed in real time or at a predetermined timing.
  • the display processing of Embodiment 7 can display the display screen 24a on the display device when the machine receives damage.
  • the display processing of the seventh embodiment includes information indicating that a damaged state has occurred, such as "a damaged state has occurred", and a Time information can be displayed to notify the user.
  • the damaged machine part is displayed in text as shown in 24d in FIG. 24, or the color or shape of the damaged machine part is displayed as shown in 24h in FIG.
  • the changed highlighting can be superimposed and displayed on the animation 24f.
  • the highlighting may differ depending on the cumulative damage level. For example, if the cumulative damage level of the damaged machine part is high, it will be marked as “red”. In some cases, it may be displayed as "blue". Of course, the displayed colors are not limited to the three types of red, yellow, and blue, and these three types of colors are merely examples.
  • the display processing of the seventh embodiment is not limited to highlighting the damaged parts of the machine.
  • the animation 24f that displays the entire machine is displayed as the main parts of the machine (if the machine is an excavator, the boom , arms, buckets, traveling bodies, etc.) may be displayed in different colors.
  • the display processing of the seventh embodiment can display the cumulative damage level of the entire machine, such as which part has a high cumulative damage level and which part requires attention, even for parts other than the highlighted parts. The user can easily understand each time he/she receives the
  • the time-series change of the state information 1f and the time-series change of the individual damage amount are displayed to show what kind of machine the machine is. The user can be notified of how much damage has been received.
  • FIG. 25 shows an example of the display screen when the life remaining amount of a certain part of the machine has decreased.
  • 25a in FIG. 25 shows the entire display screen.
  • 25b in FIG. 25 indicates the degree of cumulative damage of each part of the machine, that is, the cumulative amount of damage received by each part of the machine.
  • 25f of FIG. 25 shows an animation similar to 24f of FIG.
  • the display processing of Embodiment 7 can cause the display screen 25a to be displayed on the display device when the life remaining amount of a certain portion of the machine is reduced.
  • the display processing of the seventh embodiment displays information indicating that the cumulative damage degree has increased and the life remaining amount has decreased as shown in 25d and 25e of FIG. As shown, it can be illustrated by a bar graph or the like.
  • the display processing of the seventh embodiment can display the highlighted display of the part where the life remaining amount has decreased so as to be superimposed on the animation 25f.
  • a damage state is associated with a classification ID, but may not be associated with a text display character string as indicated by 17a in FIG. Even in this case, the display processing of the seventh embodiment reproduces the damage state in which the remaining amount of life has decreased as the animation 25f, so that the user can be notified of the state of the machine in an easy-to-understand manner.
  • FIG. 26 shows an example of a display screen that displays the result of predicting the service life of the machine.
  • 26a in FIG. 26 shows the entire display screen.
  • 26b in FIG. 26 shows the chronological change in the degree of cumulative damage in a certain part of the machine and the prediction result of its life. That is, 26b in FIG. 26 shows the chronological change in the cumulative damage amount in a certain part of the machine and the prediction result of its life.
  • 26f of FIG. 26 shows an animation similar to 25f of FIG.
  • the display processing of Embodiment 7 can predict the life of a certain portion of the machine when the life remaining amount is reduced, and display the display screen 26a on the display device.
  • information indicating that the cumulative damage degree has increased and information indicating the remaining life time are displayed in text to notify the user. can do.
  • the display processing of the seventh embodiment can notify the user by displaying the action to be taken by the user in text as shown in 26e of FIG. If the action to be taken by the user is to contact the agency, the user taps (or clicks after specifying with a pointer) the display 26e of "Contact the agency" to display the agency's phone number, etc. Contact information may be displayed, or procedures for simple countermeasures may be displayed.
  • FIGS. 24 to 26 are examples of display screens, and the presence or absence of text display for notifying the user can be set arbitrarily.
  • the display processing of the seventh embodiment may first display only the animations 24f to 26f. Further detailed information may be displayed by the user tapping the highlighted display superimposed on the animations 24f to 26f.
  • a wide display area is secured for the animations 24f to 26f, allowing the user to accurately grasp which parts of the machine as a whole have been damaged (whether the degree of cumulative damage is high).
  • only information that the user considers necessary can be notified.
  • the state detection device 100 of the seventh embodiment can detect time-series changes in the sensor/control information 1f collected in a predetermined section including the damage section, time-series changes in the individual damage amount, cumulative damage amount, At least one of a chronological change in the accumulated damage amount and a prediction result of the life of the machine is displayed together with an animation that reproduces the damage state.
  • the state detection device 100 of the seventh embodiment can visualize the damage state and also visualize changes in the state of the machine in the future from various viewpoints. can be done.
  • the present invention is not limited to the above-described embodiments, and includes various modifications.
  • the above embodiments have been described in detail in order to explain the present invention in an easy-to-understand manner, and are not necessarily limited to those having all the configurations described.
  • it is possible to replace part of the configuration of one embodiment with the configuration of another embodiment and it is also possible to add the configuration of another embodiment to the configuration of one embodiment.
  • each of the above configurations, functions, processing units, processing means, etc. may be realized by hardware, for example, by designing them in integrated circuits, in part or in whole.
  • each of the above configurations, functions, etc. may be realized by software by a processor interpreting and executing a program for realizing each function.
  • Information such as programs, tapes, and files that implement each function can be stored in recording devices such as memories, hard disks, SSDs (solid state drives), or recording media such as IC cards, SD cards, and DVDs.
  • control lines and information lines indicate what is considered necessary for explanation, and not all control lines and information lines are necessarily indicated on the product. In practice, it may be considered that almost all configurations are interconnected.

Abstract

ダメージを与えると想定していない未知の動作が行われたか否かに関わらず、機械の状態を容易に検出することが可能な機械の状態検出装置を提供する。状態検出装置１００は、時系列的に変化する機械の状態を示す状態情報１ｆを複数の時刻において収集する収集装置１ａと、複数の時刻において収集された複数の状態情報１ｆを処理して機械の状態を検出する演算処理装置１ｂと、を備える。演算処理装置１ｂは、状態情報１ｆの種別を特徴量とする特徴量ベクトルを複数のクラスタの何れかに分類して分類ＩＤを付与する分類処理部１ｉと、時系列的に変化する機械の状態を示す状態情報１ｇに基づいて機械が受けたダメージを検出する検出処理部１ｊと、検出処理部１ｊによりダメージが検出された区間と、当該区間において分類処理部１ｉにより付与された分類ＩＤとを紐付ける紐付処理部１ｌとを備える。

Description

機械の状態検出装置
　本発明は、機械の状態を検出する装置に関する。
　本技術分野の関連技術として、下記の特許文献１、特許文献２、特許文献３がある。特許文献１には、機械に異常が発生した時の機械の動作傾向を学習する装置が記載されている。特許文献２には、機械に加わる応力の発生した時間軸上での区間、或いは、機械が存在した位置での区間を検出する検出装置が記載されている。特許文献３には、機械の行った動作の認識結果から機械が受けたダメージ量を推定する損傷推定装置が記載されている。
特開２０１８－９７６１６号公報 特許第６２１５４４６号公報 特許第６４５８０５５号公報
　上記の特許文献１～３に記載の技術には、次のような課題がある。
（ａ）特許文献１では、異常が発生した時の機械の動作が、既知の動作なのか未知の動作なのかを判定する手段及び出力方法について述べられていない。また、機械の異常を示すアラーム等を用いて機械の動作傾向を学習しているので、異常を示すアラーム発生前に機械が受けたダメージ（異常の発生要因）を検出することに関しても述べられていない。
（ｂ）特許文献２では、異常（機械の破断）を引き起こす前のダメージ（繰り返し応力）の発生した区間を検出し、ダメージを受けた要因を、位置状態認識手段を用いて特定している。ところが、ここで用いている位置状態認識手段は、予め設定された状態を認識するものであり、設定されていない状態が発生した場合にどのような処理を行うかに関しては述べられていない。
（ｃ）特許文献３では、予め動作認識結果とその動作を行った場合に機械が受けるダメージ量とを紐付けるテーブルを作成する。そして、運用時には、機械の行った動作を動作認識手法により認識し、認識結果に基づき、当該動作に対応するダメージ量を参照して、ダメージ量を推定している。ところが、ここで用いている動作認識手法は、上記（ｂ）と同様に予め設定された動作の認識であり、設定されていない動作が行われた場合にどのような処理を行うかに関しては述べられていない。
　本発明は、上記に鑑みてなされたものであり、ダメージを与えると想定していない未知の動作が行われたか否かに関わらず、機械の状態を容易に検出することが可能な機械の状態検出装置を提供することを目的とする。
　上記課題を解決するために、本発明の機械の状態検出装置は、時系列的に変化する機械の状態を示す状態情報を複数の時刻において収集する収集装置と、前記複数の時刻において収集された複数の前記状態情報を処理して前記機械の状態を検出する演算処理装置と、を備える機械の状態検出装置であって、前記演算処理装置は、前記収集装置により収集された前記複数の状態情報を時分割して前記状態情報の種別を特徴量とする複数の特徴量ベクトルを特定し、特定された前記特徴量ベクトルを予め定められた複数の集合の何れかに分類し、分類された前記特徴量ベクトルに対して、当該特徴量ベクトルが属する前記集合を識別する分類ＩＤを付与する分類処理部と、前記収集装置により収集された時系列的に変化する前記機械の状態を示す状態情報に基づいて、前記機械が受けたダメージを検出する検出処理部と、前記検出処理部により前記ダメージが検出された区間と、当該区間において前記分類処理部により付与された前記分類ＩＤとを紐付ける紐付処理部と、を備えることを特徴とする。
　本発明によれば、ダメージを与えると想定していない未知の動作が行われたか否かに関わらず、機械の状態を容易に検出することができる。
　上記以外の課題、構成および効果は、以下の実施形態の説明により明らかにされる。
実施形態１の状態検出装置の処理ブロック図。 状態検出装置の処理フロー図。 繰り返し応力振幅及び波長の説明図。 分類モデルデータベースに記録された情報の例。 状態分類用センサ・制御情報の例。 分類処理の処理結果の例。 分類ＩＤのパターンの説明図。 ダメージ状態の分類ＩＤデータベースに記録された情報の例（その１）。 ダメージ区間の切り出しの他の例。 ダメージ状態の分類ＩＤデータベースに記録された情報の例（その２）。 ダメージ状態の分類ＩＤデータベースに記録された情報の例（その３）。 実施形態２の状態検出装置の処理ブロック図。 分類ＩＤのクラスタ分布の説明図。 実施形態３の状態検出装置の処理ブロック図。 ダメージ状態の分類ＩＤデータベースに記録された情報の例（その４）。 キーフレームアニメーションの説明図。 ダメージ状態の分類ＩＤデータベースに記録された情報の例（その５）。 実施形態４の状態検出装置の処理ブロック図。 実施形態５の状態検出装置の処理ブロック図。 累積損傷度の例。 累積損傷度の時系列的な変化の例。 実施形態６の状態検出装置において行われる個別ダメージ量の積算値の可視化の例。 ダメージ状態の発生回数の可視化の例。 実施形態７の状態検出装置における表示画面の例（その１）。 表示画面の例（その２）。 表示画面の例（その３）。
　以下、本発明の実施形態について図面を用いて説明する。なお、各実施形態において同一の符号を付された構成は、特に言及しない限り、各実施形態において同様の機能を有し、その説明を省略する。
［実施形態１］
　図１～図１１を用いて、実施形態１の状態検出装置１００について説明する。
　図１は、実施形態１の状態検出装置１００の処理ブロック図である。図２は、状態検出装置１００の処理フロー図である。図３は、繰り返し応力振幅及び波長の説明図である。図４は、分類モデルデータベース１ｈに記録された情報の例を示す図である。図５は、状態分類用センサ・制御情報１ｆの例を示す図である。図６は、分類処理１ｉの処理結果の例を示す図である。図７は、分類ＩＤのパターンの説明図である。図８は、ダメージ状態の分類ＩＤデータベース１ｏに記録された情報の例（その１）を示す図である。
　状態検出装置１００は、建設機械又は産業用ロボット等の作業機械をはじめとする各種機械の状態を検出する装置である。特に、状態検出装置１００は、時系列的に変化する機械の状態（例えば機械の動作状態）を検出する装置である。図１の１ｃ、１ｄ、１ｅは、状態検出装置１００の適用対象である機械の一例を示している。１ｃは、ダンプトラックのような運搬車両である。１ｄは、ショベルのような車両系の建設機械である。１ｅは、製造工場等において利用されている産業用ロボットである。これらに限らず、状態検出装置１００は、様々な機械に適用可能である。
　状態検出装置１００は、機械の状態を検出するための情報を収集する収集装置１ａと、収集された情報を用いて機械の状態を検出するための処理を行う演算処理装置１ｂとに大別することができる。すなわち、状態検出装置１００は、時系列的に変化する機械の状態を示す状態情報を複数の時刻において収集する収集装置１ａと、複数の時刻において収集された複数の状態情報を処理して前記機械の状態を検出する演算処理装置１ｂとを備える。
　収集装置１ａは、例えば、機械に備えられた各種センサ情報を記憶する装置から成り、機械に搭載されるコントローラ等により構成される。収集装置１ａ及び演算処理装置１ｂのそれぞれは、一般用又は産業用のコンピュータにより構成されてもよいし、マイクロコンピュータを用いた専用のハードウェアにより構成されてもよい。収集装置１ａ及び演算処理装置１ｂのそれぞれは、ＣＰＭ、ＲＯＭ及びＲＡＭを含んで構成され、ＲＯＭに記憶されたプログラムをＣＰＵが実行することにより、それぞれの機能を実現する。演算処理装置１ｂは、収集装置１ａにより収集された情報を、通信回線を用いて外部クラウドコンピュータに吸い上げ、クラウドコンピュータを用いて処理を行ってもよい。なお、図１では、収集装置１ａと演算処理装置１ｂとを分けて図示しているが、状態検出装置１００は、収集装置１ａと演算処理装置１ｂとを１つの筐体に収容し、１つの装置として構成されてもよい。
　収集装置１ａは、時系列的に変化する機械の状態を示す状態情報として、状態分類用センサ・制御情報１ｆを収集する状態分類用センサ・制御情報収集部１ｆと、ダメージ検出用センサ・制御情報１ｇを収集するダメージ検出用センサ・制御情報収集部１ｇと、を備える。状態分類用センサ・制御情報１ｆは、機械の状態を分類するために用いられる、センサの計測情報、及び、機械の各部位を制御する情報である。ダメージ検出用センサ・制御情報１ｇは、機械が受けたダメージを検出するために用いられる、センサの計測情報、及び、機械の各部位を制御する情報である。状態分類用センサ・制御情報１ｆと、ダメージ検出用センサ・制御情報１ｇとは、同じ種別の情報であってもよいし、異なる種別の情報であってもよい。本実施形態では、状態分類用センサ・制御情報１ｆを「状態情報１ｆ」とも称する。本実施形態では、ダメージ検出用センサ・制御情報１ｇを「状態情報１ｇ」とも称する。
　収集装置１ａは、状態情報１ｆ及び状態情報１ｇに含まれるセンサの計測情報を、機械に取り付けられた歪みゲージ又は角度センサ等から直接取得したり、機械に搭載されたＣＡＮ（Controller Area Network）等のネットワークに流れる情報を取得したりすることによって収集することができる。収集装置１ａは、状態情報１ｆ及び状態情報１ｇに含まれる制御情報を、機械の制御装置等から直接取得したり、機械に搭載されたネットワークに流れる情報を取得したりすることによって収集することができる。
　演算処理装置１ｂは、機械が受けたダメージの検出処理１ｊを実行する検出処理部１ｊと、機械が受けたダメージ量の判定処理１ｋを実行する判定処理部１ｋと、収集装置１ａにより収集された状態情報１ｆに基づいて、各時刻における機械の状態を分類する分類処理１ｉを実行する分類処理部１ｉと、検出処理１ｊ（及び判定処理１ｋ）の処理結果と、分類処理１ｉの処理結果との紐付処理１ｌを実行する紐付処理部１ｌと、紐付処理１ｌにより紐付けられた分類ＩＤが未知の分類ＩＤであるか否かの判定処理１ｍを実行する判定処理部１ｍと、紐付処理１ｌにより紐付けられた分類ＩＤが未知の分類ＩＤであることを表示する表示処理１ｎを実行する表示処理部１ｎと、判定処理１ｍにより未知の分類ＩＤであると判定された分類ＩＤを分類ＩＤデータベース１ｏに登録する登録処理１ｐを実行する登録処理部１ｐと、を備える。更に、演算処理装置１ｂは、ダメージ状態の分類ＩＤデータベース１ｏと、分類モデルデータベース１ｈとを、記録装置として備える。
　なお、説明の都合上、収集装置１ａ内及び演算処理装置１ｂ内の各部の構成と、各部における処理とを同一の符号により表すものとする。
　演算処理装置１ｂは、上記のように、機械が受けたダメージの検出処理１ｊを実行する機能（検出処理部１ｊ）を備える。検出処理部１ｊは、収集装置１ａにより収集された状態情報１ｇに基づいて、機械が受けたダメージを検出する処理を行う。検出処理１ｊは、機械が受けたダメージの大きな時間軸上の区間（期間）を検出する。検出処理１ｊが対象としているダメージとは、例えば、油圧シリンダ又は油圧モータ等の機械の各部位が受ける応力疲労損傷によるダメージである。また、検出処理１ｊが対象としているダメージには、応力疲労損傷のような物理的なダメージの他、例えば、機械のバランスが悪い状況等の安全上問題となる状況も含まれる。機械のバランスが悪い状況は、機械に傾斜計を取り付けることによって検出され得る。
　ダメージの検出処理１ｊとして、特許文献２に記載の手法がある。この手法は、ダンプトラックに取り付けられた歪ゲージによって計測された応力値を用いて、繰り返し応力の開始時刻と終了時刻を検出する手法である。図３には、この手法を用いて検出処理１ｊを行った例を示す。図３の横軸は時刻を示す。図３の縦軸は、応力（３ａ）、応力振幅（３ｂ）、疲労損傷速度（３ｃ）を、それぞれの時間軸を合わせて示す。図３の３ｈは、応力波形であり、機械の所定位置に取り付けられた歪ゲージの計測値をグラフ化したものである。疲労損傷は、応力の絶対値ではなく繰り返し応力の振幅の大きさに依存する。図３の３ｈは、応力の絶対値を示したものであり、そのままではどこで大きな疲労損傷を受けたのかは分からない。そこで、検出処理１ｊでは、この応力波形３ｈから繰り返し応力の振幅及び応力の波長の検出を行い、大きな疲労損傷を受けた区間の検出を行う。この手法は、応力サイクルカウント法の一種であるレインフロー法を改良して応力の波長を検出する手法である。図３の３ｉや３ｊは、３ｈの応力波形から、この手法を用いて検出した繰り返し応力の振幅及び応力の波長を検出したものである。３ｉや３ｊの矩形は、検出された応力の振幅及び波長を示している。３ｉや３ｊの矩形の縦軸に沿った長さが繰り返し応力の振幅の大きさを示している。３ｉや３ｊの矩形の横軸に沿った長さが繰り返し応力の波長を示している。３ｉや３ｊの矩形の底辺の左側の頂点に対応する時刻は、繰り返し応力の開始時刻を示している。３ｉや３ｊの矩形の底辺の右側の頂点に対応する時刻は、繰り返し応力の終了時刻を示している。
　ダンプトラックへの土砂の積込作業は、ダンプトラックが空荷状態で移動し（３ｄ）、停車したダンプトラックに土砂が複数回に分けて積み込まれ（３ｅ）、ダンプトラックが積載状態で移動し（３ｆ）、積載した土砂を排出する排土を行う（３ｇ）という流れで行われる。図３の３ｊは、ダンプトラックに土砂が積み込まれる際（３ｅ）にダンプトラックが受ける繰り返し応力の振幅及び波長を示している。図３の３ｉは、ダンプトラックが排土を行う際（３ｇ）にダンプトラックが受ける繰り返し応力の振幅及び波長を示している。この手法により、検出処理１ｊは、機械が受けたダメージの大きさ（繰り返し応力の振幅の大きさ）と、機械がダメージを受けた区間（繰り返し応力の振幅の開始時刻から終了時刻までの期間）とを検出することができる。また、図３の３ｃは、機械が単位時間当たりに受ける疲労損傷（疲労損傷速度）を示している。この疲労損傷速度３ｃは、３ｂに示す繰り返し応力の振幅及び波長を基に、様々な繰り返し応力から単位時間当たりに受ける様々な疲労損傷を算出し、これらの単位時間当たりの疲労損傷を積算することによって算出される。これにより、検出処理１ｊは、各時刻におけるダメージの大きさを検出することができる。
　なお、特許文献２に記載された上記手法は、機械が受けたダメージの大きさと、機械がダメージを受けた区間とを検出する手法の一例である。機械が受けたダメージの大きさと、機械がダメージを受けた区間とを検出できるのであれば、検出処理１ｊには他の手法が用いられてもよい。
　本実施形態では、機械が受けたダメージの大きさ（繰り返し応力の振幅の大きさ）を「ダメージ量」とも称する。本実施形態では、機械がダメージを受けた時間軸上の区間（ダメージの開始時刻から終了時刻までの期間）を「ダメージ区間」とも称する。本実施形態では、機械がダメージを受けた際（ダメージ区間）における機械の状態を「ダメージ状態」とも称する。本実施形態では、ダメージ区間において機械が受けたダメージ量を「個別ダメージ量」とも称する。
　更に、演算処理装置１ｂは、上記のように、機械が受けたダメージ量の判定処理１ｋを実行する機能（判定処理部１ｋ）を備える。判定処理部１ｋは、検出処理１ｊにより検出されたダメージ量が、機械の各部位の寿命に影響を及ぼすようなダメージ量であるか否かを判定する処理を行う。ダメージ量の判定処理１ｋは、検出処理１ｊにより検出されたダメージ量が、所定の閾値以上であれば寿命に影響を及ぼすようなダメージ量であると判定し、閾値未満であれば寿命に影響を及ぼさないダメージ量であると判定する。検出処理１ｊにより検出されたダメージ量が寿命に影響を及ぼさないダメージ量であれば、状態情報１ｇ及び状態情報１ｆを取得する処理が行われる（図２の２ａの「ＮＯ」に対応する）。一方、検出処理１ｊにより検出されたダメージ量が寿命に影響を及ぼすダメージ量であれば、後述する紐付処理１ｌが行われる（図２の２ａの「ＹＥＳ」に対応する）。
　なお、演算処理装置１ｂは、判定処理１ｋにおいて閾値を設定せず、検出処理１ｊにより検出されたダメージ量の全てにおいて紐付処理１ｌを行ってもよい。例えば、ダメージ量が小さくてもダメージ状態の発生回数が多い場合には、寿命に影響を及ぼすダメージ量を判定するための閾値を設定することが難しい可能性がある。このような場合には、演算処理装置１ｂは、判定処理１ｋを行わず、検出処理１ｊにより検出されたダメージ量の全てにおいて紐付処理１ｌを行ってもよい。
　更に、演算処理装置１ｂは、上記のように、収集装置１ａにより収集された状態情報１ｆに基づいて、各時刻における機械の状態を分類する分類処理１ｉを実行する機能（分類処理部１ｉ）を備える。分類処理部１ｉは、収集装置１ａにより複数の時刻において収集された複数の状態情報１ｆを時分割して、状態情報１ｆの種別を特徴量とする複数の特徴量ベクトルを特定する処理を行う。そして、分類処理部１ｉは、特定された特徴量ベクトルを予め定められた複数の集合（クラスタ）の何れかに分類し、分類された特徴量ベクトルに対して、当該特徴量ベクトルが属する集合（クラスタ）を識別する分類ＩＤを付与する処理を行う。
　具体的には、分類処理１ｉは、分類モデルデータベース１ｈに予め記録されている情報を基に行われる。分類モデルデータベース１ｈには、状態情報１ｆの項目（種別）を特徴量ベクトルの項目（特徴量として定められたベクトル成分）として（状態分類用センサ・制御情報がn項目であればn次元の特徴量ベクトル）、機械の様々な状態毎に、その状態を示す特徴量ベクトルとそれを識別する分類ＩＤとが予め対応付けられて記録されている。
　図４には、分類モデルデータベース１ｈに記録された情報の一例が示されている。図４の４ａは、センサＡから操作量Ｚまでの特徴量ベクトルの項目を示す。図４の４ｂは、分類ＩＤを示す。分類モデルデータベース１ｈは、例えば、クラスタリング手法を用いて構築することができる。分類処理１ｉは、収集装置１ａにより複数の時刻において収集され、機械の様々な状態が記録されている複数の学習用の状態情報１ｆを、時系列的に分割して複数の特徴量ベクトルを特定する。そして、分類処理１ｉは、特定された複数の特徴量ベクトルを、クラスタリング手法を用いて複数のクラスタの何れかに分類し、分類ＩＤを付与する。クラスタリング手法としては、例えば、ｋ－ｍｅａｎｓ等の手法が用いられてもよい。ｋ－ｍｅａｎｓは、類似する特徴量ベクトル同士を、予め設定された分割数に応じた数のクラスタにまとめ、各クラスタを識別する分類ＩＤを返答する手法である。これにより、状態情報１ｆの特徴量ベクトルは、設定された分割数によって分類され、分類された特徴量ベクトルが属するクラスタの分類ＩＤが付与される。特徴量ベクトルは、機械の代表的な状態を、設定された分割数ｍによって分割し、それぞれの状態の特徴を示すものである。図４の例では、分類ＩＤとして「３」が付与された特徴量ベクトルは、（Ｍ３１、Ｍ３２、・・・、Ｍ３ｎ）である。分類ＩＤは、分割数であるｍ種類のＩＤが存在する。本実施形態では、図４に示す分類モデルデータベース１ｈに記録された特徴量ベクトルを、「分類モデルの特徴量ベクトル」とも称する。
　分類ＩＤは、機械の１つの状態（又はシーン）を示している。例えば、分類ＩＤは、機械がダンプトラックであればダンプトラックのベッセルを上げて排土を行っている状態や、機械がショベルであればフロントアームを上げて掘削している状態を示している。また、機械の状態は、特徴量ベクトルによって示される。分類モデルデータベース１ｈは、機械の状態を示す特徴量ベクトルと、当該特徴量ベクトルを識別する分類ＩＤとを対応付けて記録している。実施形態１の分類モデルデータベース１ｈは、例として説明した「ダンプトラックのベッセルを上げて排土を行っている状態」のような、機械の状態を示す自然言語を、分類ＩＤと直接的に対応付けて記録しているわけではない。
　分類処理１ｉは、分類モデルデータベース１ｈに記録された特徴量ベクトルのうち、分類対象の状態情報１ｆの特徴量ベクトルに最も類似する特徴量ベクトルの分類ＩＤを探索する処理を行う。類似するとは、特徴量ベクトル同士の距離（例えばユークリッド距離）が他よりも近いことである。分類処理１ｉは、分類モデルデータベース１ｈに記録された特徴量ベクトルのうち、分類対象の特徴量ベクトルと最も距離が近い特徴量ベクトルを探索し、探索された特徴量ベクトルの分類ＩＤを、当該分類対象の特徴量ベクトルの基になった状態情報１ｆが収集された時刻における機械の状態を示す分類ＩＤとする。
　図５には、分類対象の特徴量ベクトルの基になった状態情報１ｆの一例が示されている。図５の「時刻Ｔ３」における状態情報１ｆは、（Ｆ１３、Ｆ２３、・・・、Ｆｍ３）である。この（Ｆ１３、Ｆ２３、・・・、Ｆｍ３）は、「時刻Ｔ３」における状態情報１ｆの各項目（種別）を特徴量とする特徴量ベクトルを構成する。本実施形態では、図５に示す状態情報１ｆの特徴量ベクトルを、「収集データの特徴量ベクトル」とも称する。
　分類処理１ｉは、図５に示す各時刻における収集データの特徴量ベクトルに最も類似する分類モデルの特徴量ベクトルを探索し、探索された分類モデルの特徴量ベクトルの分類ＩＤを取得する。この類似する特徴量ベクトルの探索する処理では、収集データの特徴量ベクトルと分類モデルの特徴量ベクトルとの類似度として、収集データの特徴量ベクトルと分類モデルの特徴量ベクトルとの距離（例えばユークリッド距離）を計算すればよい。そして、分類処理１ｉは、当該距離が最も近い分類モデルの特徴量ベクトルの分類ＩＤを取得すればよい。収集データの特徴量ベクトルと分類モデルの特徴量ベクトルとの距離の計算では、ユークリッド距離の他、マハラノビス距離を計算してもよく、様々な距離の計算手法を用いることができる。このような処理によって、分類処理１ｉの処理結果としては、図６に示すような時系列的に並んだ分類ＩＤの列が得られることとなる。
　更に、演算処理装置１ｂは、上記のように、検出処理１ｊ（及び判定処理１ｋ）の処理結果と、分類処理１ｉの処理結果との紐付処理１ｌを実行する機能（紐付処理部１ｌ）を備える。紐付処理部１ｌは、ダメージの検出処理１ｊによりダメージが検出された区間であるダメージ区間と、当該ダメージ区間において分類処理１ｉにより付与された分類ＩＤとを紐付ける処理を行う。これにより、演算処理装置１ｂは、ダメージ区間における機械の状態であるダメージ状態を、分類処理１ｉにより付与された分類ＩＤによって特定することができる。
　図７には、検出処理１ｊ（及び判定処理１ｋ）の処理結果と分類処理１ｉの処理結果とを時系列的に並べた図が示されている。図７の７ａは、検出処理１ｊ（及び判定処理１ｋ）の処理結果を示し、図３の３ｊと同様に、繰り返し応力の振幅及び波長を示している。図７の７ｄは繰り返し応力の開始時刻を示し、図７の７ｅは繰り返し応力の終了時刻を示している。図７の中段及び下段に示す７ｂ及び７ｃは、分類処理１ｉの処理結果を示している。図７の中段及び下段に示す「（３）」等の括弧書きの数字は、分類ＩＤの値を示している。
　分類処理１ｉの処理結果は、時系列的に並んだ分類ＩＤの列として得られる。この時系列に並んだ分類ＩＤの列には、次の２つのタイプが存在する。その１つは、図７の７ｂに示すように、開始時刻７ｄと終了時刻７ｅとの間のダメージ区間において、当該分類ＩＤの列が、同じ分類ＩＤによって構成されるタイプである。図７の例では、開始時刻７ｄと終了時刻７ｅとの間の区間における分類ＩＤの列は、全て分類ＩＤ（５）によって構成されている。他の１つは、図７の７ｃに示すように、開始時刻７ｄと終了時刻７ｅとの間のダメージ区間において、分類ＩＤの列が、特徴的なパターンを有して構成されるタイプである。図７の例では、ダメージ区間における分類ＩＤの列は、分類ＩＤ（６）、（６）、（４）、（７）、（７）、（７）というパターンを有して構成されている。分類ＩＤの列が同じ分類ＩＤによって構成されるタイプは、機械の動作が少ない場合に観測される。分類ＩＤの列がパターンを有して構成されるタイプは、機械が当該パターンに対応する動作を行った場合に観測される。機械の状態の変化が分類ＩＤの変化として現れるので、分類ＩＤの列は、機械の状態に対応するパターンを有することとなる。よって、分類ＩＤの列は、ダメージ区間における機械の状態であるダメージ状態を特定することができる。
　更に、演算処理装置１ｂは、上記のように、紐付処理１ｌにより紐付けられた分類ＩＤが未知の分類ＩＤであるか否かの判定処理１ｍを実行する機能（判定処理部１ｍ）を備える。判定処理部１ｍは、ダメージ状態の分類ＩＤデータベース１ｏに記録された分類ＩＤに基づいて、紐付処理１ｌにより紐付けられた分類ＩＤが、未知の分類ＩＤであるか否かを判定する処理を行う。
　判定処理１ｍは、分類処理１ｉの処理結果として得られる上記の分類ＩＤの列のタイプに応じて、異なる処理を行う。判定処理１ｍは、上記の分類ＩＤの列が同じ分類ＩＤによって構成されるタイプであれば、１つの分類ＩＤのみが記録されている分類ＩＤデータベース１ｏのレコードを参照する。図７の７ｂの例では、判定処理１ｍは、ダメージ区間に紐付けられた分類ＩＤ（５）が分類ＩＤデータベース１ｏに記録されていれば、この紐付けられた分類ＩＤは既知の分類ＩＤである（未知の分類ＩＤではない）と判定する。一方、判定処理１ｍは、ダメージ区間に紐付けられた分類ＩＤ（５）が分類ＩＤデータベース１ｏに記録されていなければ、この紐付けられた分類ＩＤは未知の分類ＩＤであると判定する。
　判定処理１ｍは、上記の分類ＩＤの列がパターンを有して構成されるタイプであれば、図８に示すような項目が記録されている分類ＩＤデータベース１ｏのレコードを参照する。図８の８ａは、分類ＩＤのパターンの項目を示す。図８の８ｂは、８ａの分類ＩＤのパターンを識別するＩＤの項目を示す。判定処理１ｍは、図７の７ｃに示すようなダメージ区間に紐付けられた分類ＩＤのパターンと、図８の８ａに示すような分類ＩＤデータベース１ｏに記録された分類ＩＤのパターンとの類似度判定を行う。この類似度判定としては、ＤＰマッチング（Dynamic Programming matching）によりパターン認識処理が用いられてもよい。
　ＤＰマッチングは、動的計画法を用いたパターンマッチングの手法であり、パターンの弾性マッチングを考慮した手法である。弾性マッチングとは、例えば、図７の７ｃにおいて、分類ＩＤ（６）や（７）が複数回連続して出現していることを「伸びている」と考え、「伸びている」影響を無くして、分類ＩＤ（６）や（７）をそれぞれ１回出現しているものとしてマッチング処理を行う手法である。したがって、図７の７ｃに示す分類ＩＤのパターンと、図８の８ａの＃１に示す分類ＩＤのパターンとは、同一のパターンとして認識される。なお、ＤＰマッチングは、類似度の計算も可能である。パターンに含まれる全ての分類ＩＤが一致すれば、類似度は１００％となり、パターンに含まれる一部の分類ＩＤしか一致しなければ、類似度は１００％より低い値となる。判定処理１ｍは、類似度が１００％でなくてもある程度高ければ、ダメージ区間に紐付けられた分類ＩＤのパターンと、分類ＩＤデータベース１ｏに記録された分類ＩＤのパターンとを同一のパターンとして判定してもよい。判定処理１ｍは、ダメージ区間に紐付けられた分類ＩＤのパターンが、分類ＩＤデータベース１ｏに記録された分類ＩＤのパターンと同一であれば、この紐付けられた分類ＩＤは既知の分類ＩＤである（未知の分類ＩＤではない）と判定する。一方、判定処理１ｍは、ダメージ区間に紐付けられた分類ＩＤのパターンが、分類ＩＤデータベース１ｏに記録された分類ＩＤのパターンと同一でなければ、この紐付けられた分類ＩＤは未知の分類ＩＤであると判定する。
　紐付処理１ｌにより紐付けられた分類ＩＤが既知の分類ＩＤであると判定されれば、状態情報１ｇ及び状態情報１ｆを取得する処理が行われる（図２の２ｂの「ＮＯ」に対応する）。一方、紐付処理１ｌにより紐付けられた分類ＩＤが未知の分類ＩＤであると判定されれば、後述する表示処理１ｎ及び登録処理１ｐが行われる（図２の２ｂの「ＹＥＳ」に対応する）。
　更に、演算処理装置１ｂは、上記のように、紐付処理１ｌにより紐付けられた分類ＩＤが未知の分類ＩＤであることを表示する表示処理１ｎを実行する機能（表示処理部１ｎ）を備える。紐付処理１ｌにより紐付けられた分類ＩＤが未知の分類ＩＤであることは、未知のダメージ状態が発生したことを意味する。表示処理部１ｎは、未知のダメージ状態が発生したことを示す情報を、ディスプレイ等の表示装置に表示させるか、スピーカ等の音声出力装置によって発報させる処理を行う。なお、演算処理装置１ｂは、表示処理１ｎの実行を省略してもよい。
　更に、演算処理装置１ｂは、上記のように、判定処理１ｍにより未知の分類ＩＤであると判定された分類ＩＤを分類ＩＤデータベース１ｏに登録する登録処理１ｐを実行する機能（登録処理部１ｐ）を備える。図７の７ｂの例では、分類ＩＤ（５）が未知の分類ＩＤであれば、登録処理部１ｐは、分類ＩＤ（５）を分類ＩＤデータベース１ｏに登録する処理を行う。図８の例では、登録処理部１ｐは、未知の分類ＩＤのパターンを、図８の＃３の「未定義」と記載された８ａの箇所に登録すると共に、当該パターンを識別するＩＤを、８ｂの箇所に登録する処理を行う。なお、未知の分類ＩＤのパターンを８ａの箇所に登録する際には、複数回連続して出現した分類ＩＤを１回出現しているものとして登録する。
　以上のように、実施形態１の状態検出装置１００は、時系列的に変化する機械の状態を示す状態情報１ｆを複数の時刻において収集する収集装置１ａと、複数の時刻において収集された複数の状態情報１ｆを処理して機械の状態を検出する演算処理装置１ｂと、を備える。演算処理装置１ｂは、収集装置１ａにより収集された複数の状態情報１ｆを時分割して状態情報１ｆの種別を特徴量とする特徴量ベクトルを複数のクラスタ（集合）の何れかに分類して分類ＩＤを付与する分類処理部１ｉを備える。更に、演算処理装置１ｂは、収集装置１ａにより収集された時系列的に変化する機械の状態を示す状態情報１ｇに基づいて機械が受けたダメージを検出する検出処理部１ｊを備える。更に、演算処理装置１ｂは、検出処理部１ｊによりダメージが検出された区間と、当該区間において分類処理部１ｉにより付与された分類ＩＤとを紐付ける紐付処理部１ｌを備える。
　このような構成により、実施形態１の状態検出装置１００は、機械がダメージを受けた区間における機械の状態であるダメージ状態を、分類処理部１ｉにより付与された分類ＩＤによって特定することができる。これにより、状態検出装置１００は、分類処理部１ｉにより付与された分類ＩＤを参照するだけで、当該分類ＩＤに紐付けられたダメージ区間においてダメージ状態が発生したことを容易に検出することができる。また、状態検出装置１００は、ダメージ状態を特定する分類ＩＤを記録しておけば、記録された分類ＩＤに基づいて、検出されたダメージ状態が、ダメージを与えると想定していない未知の状態であるか否かを容易に判定することができる。よって、実施形態１の状態検出装置１００は、ダメージを与えると想定していない未知の動作が行われたか否かに関わらず、機械の状態を容易に検出することができる。
　更に、実施形態１の状態検出装置１００は、演算処理装置１ｂが、ダメージ状態を特定する分類ＩＤが予め記録された分類ＩＤデータベース１ｏを備える。更に、演算処理装置１ｂは、分類ＩＤデータベース１ｏに記録された分類ＩＤに基づいて紐付処理部１ｌにより紐付けられた分類ＩＤが、未知の分類ＩＤであるか否かを判定する判定処理部１ｍを備える。更に、演算処理装置１ｂは、判定処理部１ｍにより未知の分類ＩＤであると判定された分類ＩＤを分類ＩＤデータベース１ｏに登録する登録処理部１ｐを備える。
　このような構成により、実施形態１の状態検出装置１００は、ダメージ状態を特定する分類ＩＤが記録された分類ＩＤデータベース１ｏを容易に拡充することができ、検出されたダメージ状態が未知の状態であるか否かを更に確実且つ容易に判定することができる。そして、状態検出装置１００は、未知のダメージ状態が発生する頻度を低減することができるので、機械の現在の状態を正確に検出し易くなる。よって、実施形態１の状態検出装置１００は、ダメージを与えると想定していない未知の動作が行われたか否かに関わらず、機械の状態を容易に検出することができると共に、機械のメンテナンスを適時に実行し易くする等、機械の健全性を持続させ易くすることができる。
　図９は、ダメージ区間の切り出しの他の例を示す図である。
　上記の説明では、検出処理１ｊが、繰り返し応力の振幅及び波長によってダメージを検出する例を説明したが、検出処理１ｊは、応力に関する波形の強弱のみでダメージを検出してもよい。図９の９ａは、図３の３ｃに示す疲労損傷速度の波形の一部を切り出した例を示している。検出処理１ｊは、波形９ａの強弱を定める閾値９ｂを設定し、波形９ａが閾値９ｂ以上に変化する時刻９ｃ及び閾値９ｂ未満に変化する時刻９ｄを、ダメージ区間の開始時刻９ｃ及び終了時刻９ｄとして検出することができる。なお、検出処理１ｊは、当該ダメージ区間における波形９ａの最大値を、当該ダメージ区間において機械が受けたダメージ量として検出してもよい。或いは、検出処理１ｊは、当該ダメージ区間における波形９ａの平均値を、当該ダメージ区間において機械が受けたダメージ量として検出してもよい。
　図１０は、ダメージ状態の分類ＩＤデータベース１ｏに記録された情報の例（その２）を示す図である。図１１は、ダメージ状態の分類ＩＤデータベース１ｏに記録された情報の例（その３）を示す図である。
　また、紐付処理１ｌは、検出処理１ｊにより検出されたダメージ区間と、当該ダメージ区間において分類処理１ｉにより付与された分類ＩＤとを紐付けるだけでなく、当該ダメージ区間において機械が受けたダメージ量（個別ダメージ量）を紐付けてもよい。そして、分類ＩＤデータベース１ｏには、図１０及び図１１に示すように、当該ダメージ区間において分類処理１ｉにより付与された分類ＩＤに個別ダメージ量が紐付けられて記録されてもよい。
　図１０は、分類処理１ｉの処理結果として得られる上記の分類ＩＤの列が、同じ分類ＩＤによって構成されるタイプの場合を示している。図１０の１０ａは、分類ＩＤの項目を示す。図１０の１０ｂは、個別ダメージ量の項目を示す。個別ダメージ量の項目１０ｂは、図１０に示すように、機械の部位毎に分けて記録されていてもよい。
　図１１は、分類処理１ｉの処理結果として得られる上記の分類ＩＤの列が、パターンを有して構成されるタイプの場合を示している。図１１の１１ａは、分類ＩＤのパターンの項目を示す。図１１の１１ｂは、分類ＩＤのパターンを識別するＩＤの項目を示す。図１１の１１ｃは、個別ダメージ量の項目を示す。個別ダメージ量の項目１１ｂは、図１０と同様に、機械の部位毎に分けて記録されていてもよい。図１１の場合、個別ダメージ量は、ダメージ区間内において変動するので（図９を参照）、ダメージ区間における個別ダメージ量の平均値、最大値又は累積値等を、分類ＩＤのパターンに紐付ける個別ダメージ量の代表値として用いればよい。当然ながら、この平均値等以外の統計量を、ダメージ区間における個別ダメージ量の代表値として用いても構わない。
　このような構成により、実施形態１の状態検出装置１００は、分類処理部１ｉにより付与された分類ＩＤによって、ダメージ状態を特定することができだけでなく、個別ダメージ量まで特定することができる。これにより、状態検出装置１００は、分類処理部１ｉにより付与された分類ＩＤを参照するだけで、単にダメージ状態が発生したことを容易に検出することができるだけでなく、ダメージ区間において機械がどの程度のダメージ量を受けたのかを容易に検出することができる。これにより、状態検出装置１００は、機械の現在の疲労損傷度合い等をより正確に検出することができる。よって、実施形態１の状態検出装置１００は、機械の状態を容易且つ正確に検出することができると共に、機械のメンテナンスを更に適時に実行できる等、機械の健全性を更に持続させることができる。
　なお、演算処理装置１ｂに備えられた検出処理１ｊを実行する機能は、請求の範囲に記載された「検出処理部」の一例に相当する。演算処理装置１ｂに備えられた分類モデルデータベース１ｈは、請求の範囲に記載された「第２記録部」の一例に相当する。演算処理装置１ｂに備えられた分類処理１ｉを実行する機能は、請求の範囲に記載された「分類処理部」の一例に相当する。演算処理装置１ｂに備えられた判定処理１ｍを実行する機能は、請求の範囲に記載された「第１判定処理部」の一例に相当する。演算処理装置１ｂに備えられたダメージ状態の分類ＩＤデータベース１ｏは、請求の範囲に記載された「第１記録部」の一例に相当する。演算処理装置１ｂに備えられた登録処理１ｐを実行する機能は、請求の範囲に記載された「第１登録処理部」の一例に相当する。
［実施形態２］
　図１２～図１３を用いて、実施形態２の状態検出装置１００について説明する。実施形態２の状態検出装置１００において、従前の実施形態と同様の構成及び動作については、説明を省略する。
　図１２は、実施形態２の状態検出装置１００の処理ブロック図である。図１３は、分類ＩＤのクラスタ分布の説明図である。
　実施形態１の状態検出装置１００では、分類モデルデータベース１ｈに予め記録された特徴量ベクトルのうち、分類処理１ｉにより特定された分類対象の特徴量ベクトルと最も距離が近い特徴量ベクトルを探索する。そして、実施形態１の状態検出装置１００では、探索された特徴量ベクトルの分類ＩＤを、当該分類対象の特徴量ベクトルの基になった状態情報１ｆが収集された時刻における機械の状態を示す分類ＩＤとして、当該分類対象の特徴量ベクトルに付与していた。
　この場合、図１３に示すような問題が生じる可能性がある。図１３は、特徴量ベクトルのうちの１つの特徴量Ａを横軸に記述し、当該特徴量ベクトルのうちの他の１つの特徴量Ｂを縦軸に記述した２次元の特徴量空間を示している。実際に本発明にて用いられる特徴量ベクトルは非常に大きな次元数を有しているが、説明を簡略化するため次元数を減らして２次元の特徴量空間にて説明する。図１３の１３ａ、１３ｂ、１３ｃ及び１３ｄは、それぞれ、分類モデルデータベース１ｈに予め記録された分類ＩＤ（５）、（６）、（１）及び（３）のそれぞれの特徴量ベクトルの位置座標を示す。図１３の１３ｇによって囲まれた１３ｅは、今回新たに検出されたダメージ区間において特定された分類対象の特徴量ベクトル群のそれぞれの位置座標を示す。特徴量ベクトル群の位置座標１３ｇは、分類モデルデータベース１ｈに予め記録された特徴量ベクトルの位置座標から遠く、どの分類ＩＤのクラスタにも属さないように見える。これは、分類モデルデータベース１ｈを構築する学習区間には、今回新たに検出されたダメージ区間に類似する機械の状態が含まれていなかったことにより起こっていると考えられる。
　そこで、実施形態２の状態検出装置１００では、図１２に示すような処理機能を備える。実施形態２の演算処理装置１ｂは、分類処理１ｉにより特定された分類対象の特徴量ベクトルに類似する特徴量ベクトルの分類ＩＤが、分類モデルデータベース１ｈに記録されているか否かを判定する判定処理１２ａを実行する機能（判定処理部１２ａ）を備える。すなわち、判定処理部１２ａは、分類処理１ｉにより特定された分類対象の特徴量ベクトルと、分類モデルデータベース１ｈに予め記録された特徴量ベクトルとに基づいて、分類処理１ｉにより特定された分類対象の特徴量ベクトルに付与するべき分類ＩＤが、分類モデルデータベース１ｈに記録されているか否かを判定する処理を行う。
　判定処理１２ａは、実施形態１で説明したように、分類対象の特徴量ベクトルと分類モデルデータベース１ｈに記録された特徴量ベクトルとの距離を計算する。そして、判定処理１２ａは、計算された当該距離が、予め設定された閾値以下である場合、分類対象の特徴量ベクトルに類似する特徴量ベクトルの分類ＩＤが、分類モデルデータベース１ｈに記録されていると判定する。すなわち、この場合、判定処理１２ａは、分類対象の特徴量ベクトルに付与するべき分類ＩＤが分類モデルデータベース１ｈに記録されていると判定する。その後、実施形態１と同様に紐付処理１ｌが行われる。一方、判定処理１２ａは、計算された当該距離が、予め設定された閾値より大きい（遠い）場合、分類対象の特徴量ベクトルに類似する特徴量ベクトルの分類ＩＤが、分類モデルデータベース１ｈに記録されていないと判定する。すなわち、この場合、判定処理１２ａは、分類対象の特徴量ベクトルに付与するべき分類ＩＤが分類モデルデータベース１ｈに記録されていないと判定する。その後、実施形態２では、後述する生成処理１２ｂ及び登録処理１２ｃが行われる。
　実施形態２の演算処理装置１ｂは、分類対象の特徴量ベクトルに類似する特徴量ベクトルの分類ＩＤが分類モデルデータベース１ｈに記録されていない場合、新たな分類モデルを生成する生成処理１２ｂを実行する機能（生成処理部１２ｂ）を備える。すなわち、生成処理部１２ｂは、分類対象の特徴量ベクトルに付与するべき分類ＩＤが分類モデルデータベース１ｈに記録されていない場合、新たな分類ＩＤを生成する処理を行う。
　更に、実施形態２の演算処理装置１ｂは、生成処理１２ｂにより生成された新たな分類モデルを分類モデルデータベース１ｈに登録する登録処理１２ｃを実行する機能（登録処理部１２ｃ）を備える。すなわち、登録処理部１２ｃは、生成処理部１２ｂにより生成された新たな分類ＩＤと、当該分類ＩＤを付与するべき特徴量ベクトルとを対応付けて分類モデルデータベース１ｈに登録する処理を行う。
　生成処理１２ｂ及び登録処理１２ｃは、次の２つの手法の何れか（手法１又は手法２）によって行われてもよい。手法１では、生成処理１２ｂは、今回新たに検出されたダメージ区間において特定された分類対象の特徴量ベクトル群を、分類モデルデータベース１ｈを構築する学習区間に追加し、クラスタリング等の分類手法を用いて、分類モデルデータベース１ｈを再構築する処理を行う。これにより、生成処理１２ｂは、図１３の１３ｆに示すように、今回新たに検出されたダメージ区間において特定された分類対象の特徴量ベクトル群を代表する代表特徴量ベクトルの代表座標値（代表特徴量ベクトルの各特徴量の値）を生成する。そして、生成処理１２ｂは、この生成された代表座標値を有する代表特徴量ベクトルに付与するべき新たな分類ＩＤを生成する。登録処理１２ｃは、生成された代表座標値を有する代表特徴量ベクトルと、生成された新たな分類ＩＤとを対応付けて分類モデルデータベース１ｈに登録する。登録処理１２ｃは、生成された新たな分類ＩＤを、ダメージ状態を特定する分類ＩＤとして分類ＩＤデータベース１ｏに登録する。
　手法２では、生成処理１２ｂは、今回新たに検出されたダメージ区間において特定された分類対象の特徴量ベクトル群から、当該特徴量ベクトル群の代表座標値を計算する。当該特徴量ベクトル群の代表座標値は、例えば、当該特徴量ベクトル群の重心座標値や平均座標値を算出することよって計算されてもよい。生成処理１２ｂは、計算された代表座標値を有する代表特徴量ベクトルに付与するべき新たな分類ＩＤを生成する。登録処理１２ｃは、計算された代表座標値を有する代表特徴量ベクトルと、生成された新たな分類ＩＤとを対応付けて分類モデルデータベース１ｈに登録する。登録処理１２ｃは、生成された新たな分類ＩＤを、ダメージ状態を特定する分類ＩＤとして分類ＩＤデータベース１ｏに登録する。
　上記のような手法１又は手法２により、実施形態２の状態検出装置１００は、図１３を用いて説明したような上記の課題を解決することができる。通常、手法１のように分類モデルデータベース１ｈを再学習することは演算処理装置１ｂの処理負荷が大きく処理時間が掛かるので、手法２の方が有効である。生成処理１２ｂは、分類ＩＤを新たに生成する必要がある場合、初めの数回（予め設定された閾値以下の回数）は手法２を実施し、新たに生成された分類ＩＤが蓄積してきたら手法１を用いて分類モデルデータベース１ｈの再学習を行うといった、手法１と手法２のハイブリット処理を行ってもよい。
　このように、実施形態２の状態検出装置１００は、分類処理１ｉにより特定された特徴量ベクトルに付与するべき分類ＩＤが記録されていない場合、新たな分類ＩＤを生成し、当該特徴量ベクトルと対応付けて分類モデルデータベース１ｈに登録する。
　これにより、実施形態２の状態検出装置１００は、機械の状態を特定する特徴量ベクトルが記録された分類モデルデータベース１ｈを容易に拡充することができ、機械の状態を更に確実且つ容易に分類することができる。そして、状態検出装置１００は、分類処理１ｉにより特定された特徴量ベクトルに付与するべき分類ＩＤが記録されてことが発生する頻度を低減することができるので、機械の現在の状態を正確に検出し易くなる。よって、実施形態２の状態検出装置１００は、ダメージを与えると想定していない未知の動作が行われたか否かに関わらず、機械の状態を容易に検出することができると共に、機械のメンテナンスを適時に実行し易くする等、機械の健全性を持続させ易くすることができる。
　なお、演算処理装置１ｂに備えられた判定処理１２ａを実行する機能は、請求の範囲に記載された「第２判定処理部」の一例に相当する。演算処理装置１ｂに備えられた生成処理１２ｂを実行する機能は、請求の範囲に記載された「生成処理部」の一例に相当する。演算処理装置１ｂに備えられた登録処理１２ｃを実行する機能は、請求の範囲に記載された「第２登録処理部」の一例に相当する。
［実施形態３］
　図１４～図１７を用いて、実施形態３の状態検出装置１００について説明する。実施形態３の状態検出装置１００において、従前の実施形態と同様の構成及び動作については、説明を省略する。
　図１４は、実施形態３の状態検出装置１００の処理ブロック図である。図１５は、ダメージ状態の分類ＩＤデータベース１ｏに記録された情報の例（その４）を示す図である。図１６は、キーフレームアニメーションの説明図である。図１７は、ダメージ状態の分類ＩＤデータベース１ｏに記録された情報の例（その５）を示す図である。
　実施形態３では、機械の状態を可視化する手法について説明する。実施形態３の演算処理装置１ｂは、紐付処理１ｌにより分類ＩＤに紐付けられた区間を含む所定区間において分類処理１ｉにより付与された分類ＩＤを切り出す切出処理１４ａを実行する機能（切出処理部１４ａ）を備える。すなわち、切出処理部１４ａは、当該所定区間において分類処理１ｉにより付与された分類ＩＤを切り出す処理を行う。切出処理１４ａにより切り出された分類ＩＤは、後述する再現処理１４ｂにおいて、アニメーションを生成する際に使用される。切出処理１４ａにより切り出される所定区間は、紐付処理１ｌにより分類ＩＤに紐付けられた区間であるダメージ区間そのものであってもよいし、ダメージ区間の前後の時間を含む区間であってもよい。
　例えば、図７の７ｂのように、分類処理１ｉの処理結果として得られる上記の分類ＩＤの列が同じ分類ＩＤによって構成されるタイプである場合、切出処理１４ａにより切り出される所定区間は、ダメージ区間の前後の時間を含む区間であるとよい（図７の７ｂの場合は、ダメージ区間の前後の分類ＩＤ（３）及び（２）を含む区間）。なお、このタイプの場合でも、ダメージ区間そのものでの機械の状態を再現するだけで十分なのであれば、切出処理１４ａにより切り出される所定区間は、ダメージ区間そのものであってもよい。この場合、ユーザの操作により入力可能な入力装置を設けて、切出処理１４ａにより切り出される所定区間を選択させてもよい。
　一方、例えば、図７の７ｃのように、分類処理１ｉの処理結果として得られる上記の分類ＩＤの列がパターンを有して構成されるタイプである場合、切出処理１４ａにより切り出される所定区間は、ダメージ区間そのものであってもよい。切出処理１４ａは、所定区間における分類ＩＤを切り出した後、複数回連続して出現している分類ＩＤを統合してもよいし、複数回連続して出現している分類ＩＤを統合せずに切り出したままの状態としてもよい。但し、再現処理１４ｂにおいてアニメーションを生成する際には、アニメーションの再生速度が必要になる。分類ＩＤを統合した場合、統合の開始時刻などの時刻情報を分類ＩＤに付随させた方がよい。図１５に、分類ＩＤデータベース１ｏに、アニメーション表示用分類ＩＤの情報に関する項目を追加した例を示す。図１５の１５ａが、アニメーション表示用分類ＩＤの情報に関する項目を示す。図１５では、複数回連続して出現している分類ＩＤを統合した例を示している。
　実施形態３の演算処理装置１ｂは、切出処理１４ａにより分類ＩＤを切り出した所定区間における機械の状態を再現するアニメーション（動画）を生成する再現処理１４ｂを実行する機能（再現処理部１４ｂ）。再現処理部１４ｂは、切出処理１４ａにより切り出された分類ＩＤに対応する特徴量ベクトルに基づいて、所定区間における機械の状態を再現するアニメーション（動画）を生成する処理を行う。
　再現処理１４ｂは、コンピュータグラフィックスで用いられているキーフレームアニメーションを利用して、所定区間における機械の状態を再現するアニメーションを生成する。図１６は、機械の１つである油圧ショベルの状態を再現するアニメーションが生成された例を示している。切出処理１４ａにより切り出された分類ＩＤに対応する特徴量ベクトルには、機械（ショベル）の状態として、フロント作業機の各関節の曲げ角度の情報が含まれている。例えば、ブーム、アーム、バケットの関節の曲げ角度の情報である。キーフレームアニメーションは、分類ＩＤ間のこの曲げ角度を、補間法を利用して生成する方法である。例えば、アニメーション表示用の分類ＩＤが、図１６の１６ｆに示す分類ＩＤ（１１）、１６ｇに示す分類ＩＤ（１２）、１６ｈに示す分類ＩＤ（１３）であるとする。キーフレームアニメーションを利用しないアニメーションでは、分類ＩＤ（１１）、（１２）及び（１３）に対応するショベルの状態をそれぞれ再現するフレーム１６ａ、１６ｂ及び１６ｃを生成し、これらを時間軸上で切り替えて表示する。このため、キーフレームアニメーションを利用しないアニメーションでは、ショベルの動きを円滑に再現できないギクシャクしたアニメーションとなる。なお、ここで述べたフレームとは、セルアニメーションで用いる静止画ではなく、３次元コンピュータグラフィックスを用いて生成された３次元形状モデルから２次元投影画面に投影して生成された静止画である。
　そこで、再現処理１４ｂは、キーフレームアニメーションを利用して、ショベルの動きを円滑に再現できるよう、フレーム１６ａ、１６ｂ及び１６ｃのそれぞれの間におけるショベルの状態を再現するフレームを生成することによって、キーフレーム補間を行う。図１６の例では、再現処理１４ｂは、ショベルの各関節の曲げ角度毎に、キーフレーム補間を行う。図１６の１６ｉはブームの曲げ角度、１６ｊはアームの曲げ角度、１６ｋはバケットの曲げの角度を示している。図１６の１６ｉ、１６ｊ及び１６ｋに示す各曲線は、図１６の１６ｆ、１６ｇ及び１６ｈの３点を補間関数の制御点として、当該３点の間における各関節の曲げ角度を補間した結果を示している。補間関数は、様々な関数を用いることができる。例えばスプライン関数等である。これらの補間関数を用いることにより、再現処理１４ｂは、補間関数の制御点の間の時刻における各関節の曲げ角度を滑らかに補間し、ショベルの動きを円滑に再現できるアニメーションを生成することができる。図１６の１６ｄ及び１６ｅは、補間されたフレームを示し、フレーム１６ａと１６ｂとの間、及び、フレーム１６ｂと１６ｃとの間を補間している。勿論、フレーム１６ａとフレーム１６ｄとの間を補間するフレームを生成することも可能である。なお、実際の機械の動作速度を再現するためには、キーフレームとして使用した分類ＩＤの発生時刻が必要になる。再現処理１４ｂは、キーフレームの時刻情報を基に、補間されたフレームの時刻情報についても補間する。これにより、再現処理１４ｂは、機械の動作速度を再現することができる。また、再現処理１４ｂは、アニメーション以外の動画を生成してもよい。
　実施形態３の演算処理装置１ｂは、再現処理１４ｂにより生成されたアニメーション（動画）を表示装置に表示させる表示処理を実行する機能（表示処理部）を備える。この表示処理を実行する機能は、図１４には図示していないが、例えば、表示処理１ｎを実行する機能に含まれていてもよいし、再現処理１４ｂを実行する機能に含まれていてもよい。
　このように、実施形態３の状態検出装置１００は、紐付処理１ｌにより分類ＩＤに紐付けられた区間を含む所定区間において分類処理１ｉにより付与された分類ＩＤを切り出す。そして、状態検出装置１００は、切り出された分類ＩＤに対応する特徴量ベクトルに基づいて、機械の状態を円滑に再現するアニメーションを生成し、表示装置に表示させる。
　これにより、実施形態３の状態検出装置１００は、ダメージ区間において機械がどのような状態であったかを、視覚的に分かりやすく表現することができるので、ユーザにダメージ状態を直感的に把握させることができる。また、実施形態３の状態検出装置１００では、分類ＩＤに対応する特徴量ベクトルを用いてアニメーションを生成するので、実際に収集された状態情報１ｆよりも少ない情報によってアニメーションを生成することができる。
　なお、実施形態３の状態検出装置１００は、切り出された分類ＩＤに対応する特徴量ベクトル、すなわち、特徴量ベクトルを構成する状態情報１ｆに基づいて、アニメーションを生成するのではなく、状態情報１ｇに基づいてアニメーションを生成してもよい。また、実施形態３の状態検出装置１００は、生成されたアニメーションの内容をテキスト化して、図１７の１７ａに示すようにテキスト表示用文字列として、分類ＩＤデータベース１ｏに登録してもよい。この際、テキスト表示用文字列１７ａは、アニメーション表示用分類ＩＤの情報１５ａに対応付けて、分類ＩＤデータベース１ｏに記録される。
　また、演算処理装置１ｂに備えられた切出処理１４ａを実行する機能は、請求の範囲に記載された「切出処理部」の一例に相当する。演算処理装置１ｂに備えられた再現処理１４ｂを実行する機能は、請求の範囲に記載された「再現処理部」の一例に相当する。演算処理装置１ｂに備えられた再現処理１４ｂ又は表示処理１ｎを実行する機能に含まれるアニメーションの表示処理を実行する機能は、請求の範囲に記載された「表示処理部」の一例に相当する。
［実施形態４］
　図１８を用いて、実施形態４の状態検出装置１００について説明する。実施形態４の状態検出装置１００において、従前の実施形態と同様の構成及び動作については、説明を省略する。
　図１８は、実施形態４の状態検出装置１００の処理ブロック図である。
　実施形態４では、ダメージ状態の分類ＩＤデータベース１ｏを利用してダメージ状態を認識する手法について説明する。実施形態４の状態検出装置１００は、状態情報１ｇを用いずにダメージ状態を認識する。状態情報１ｇを取得するためには、機械に後付けされるセンサや、制御情報を取得するための装置が必要であったが、これらの情報を用いなくても、ダメージ区間の認識及びダメージ状態の認識が可能である。
　実施形態４の演算処理装置１ｂは、分類処理１ｉにより付与された分類ＩＤによって特定されるダメージ状態を認識する認識処理１８ａを実行する機能（認識処理部１８ａ）を備える。認識処理部１８ａは、分類処理１ｉにより付与された分類ＩＤと、分類ＩＤデータベース１ｏに記録された分類ＩＤとに基づいて、分類処理１ｉにより付与された分類ＩＤによって特定されるダメージ状態を認識する処理を行う。
　認識処理１８ａは、分類処理１ｉの処理結果として得られる上記の分類ＩＤの列が、例えば図１７の８ａに示すような分類ＩＤのパターンとして分類ＩＤデータベース１ｏに記録されているか否かを探索する処理を行う。当該分類ＩＤの列が同じ分類ＩＤによって構成されるタイプの場合（図１７の＃３）、認識処理１８ａは、当該分類ＩＤが分類ＩＤデータベース１ｏに記録されているか否かを判定して探索すればよい。当該分類ＩＤの列がパターンを有して構成されるタイプの場合（図１７の＃１や＃２）、認識処理１８ａは、上記のＤＰマッチング等のようなパターンマッチングの手法を用いて探索すればよい。これにより、認識処理１８ａは、状態情報１ｇを用いずにダメージ状態を検出することができる。認識処理１８ａは、分類処理１ｉの処理結果として得られる上記の分類ＩＤの列のうちの最初の分類ＩＤが付与された時刻がダメージ状態の開始時刻であり、最後の分類ＩＤが付与された時刻がダメージ状態の終了時刻であるとして、ダメージ区間を認識することができる。
　更に、実施形態４の演算処理装置１ｂは、認識処理１８ａによるダメージ状態の認識結果を表示装置に表示させる表示処理１８ｂを実行する機能（表示処理部１８ｂ）を備える。認識処理１８ａにより、分類処理１ｉの処理結果として得られる上記の分類ＩＤの列が分類ＩＤデータベース１ｏに記録されていることが探索できれば、表示処理部１８ｂは、例えば、図１７のアニメーション表示用分類ＩＤ１５ａや、テキスト表示用文字列１７ａを取得することができる。表示処理部１８ｂは、取得されたアニメーション表示用分類ＩＤ１５ａやテキスト表示用文字列１７ａを用いて、ダメージ状態を再現するアニメーションを表示装置に表示させる処理を行う。
　このように、実施形態４の状態検出装置１００は、状態情報１ｇを用いなくてもダメージ状態を認識することができる。これにより、実施形態４の状態検出装置１００は、状態情報１ｇを取得するセンサ等が故障したりしても、分類処理部１ｉにより付与された分類ＩＤによってダメージ状態を容易に検出することができる。実施形態４の状態検出装置１００は、分類ＩＤデータベース１ｏに記録された分類ＩＤに基づいて、検出されたダメージ状態が、ダメージを与えると想定していない未知の状態であるか否かを容易に判定することができる。よって、実施形態４の状態検出装置１００は、ダメージを与えると想定していない未知の動作が行われたか否かに関わらず、機械の状態を容易に検出することができる。
　なお、演算処理装置１ｂに備えられた認識処理１８ａを実行する機能は、請求の範囲に記載された「認識処理部」の一例に相当する。演算処理装置１ｂに備えられた表示処理１８ｂを実行する機能は、請求の範囲に記載された「表示処理部」の一例に相当する。
［実施形態５］
　図１９～図２１を用いて、実施形態５の状態検出装置１００について説明する。実施形態５の状態検出装置１００において、従前の実施形態と同様の構成及び動作については、説明を省略する。
　図１９は、実施形態５の状態検出装置１００の処理ブロック図である。図２０は、累積損傷度の例を示す図である。図２１は、累積損傷度の時系列的な変化の例を示す図である。
　実施形態５の状態検出装置１００は、演算処理装置１ｂが、実施形態４の認識処理１８ａの処理結果に基づいてダメージ量の推定処理１９ａを行う機能（推定処理部１９ａ）を備える。分類ＩＤデータベース１ｏには、図１０及び図１１に示すように、ダメージ区間において機械の各部位が受ける個別ダメージ量が、分類ＩＤ（又は分類ＩＤのパターン）に予め紐付けられて記録されていてもよい。推定処理部１９ａは、認識処理１８ａの認識結果によりダメージ状態を認識すると、そのダメージ状態を特定する分類ＩＤ（例えば図１０の＃１の分類ＩＤ（１）等）から個別ダメージ量を特定する処理を行う。すなわち、推定処理部１９ａは、認識処理１８ａにより認識されたダメージ状態を特定する分類ＩＤと、分類ＩＤデータベース１ｏに記録された分類ＩＤとに基づいて、認識処理１８ａにより認識されたダメージ状態に対応する個別ダメージ量を特定する処理を行う。なお、図１０及び図１１に示す個別ダメージ量は、１つの事象によって機械が受けるダメージ量である。
　ダメージ量が応力の計測値や応力を推定できる値である場合、推定処理１９ａは、Ｓ－Ｎ線図を用いて、個別ダメージ量を損傷度に変換することができる。Ｓ－Ｎ線図は、繰り返し応力と、材料が破断するまでの応力の繰り返し回数との関係を示す。損傷度は、１回の繰り返し応力（応力振幅）からＳ－Ｎ線図を用いて算出される。損傷度の累積値である累積損傷度は、１になると材料が破断に至ることを示している。つまり、損傷度は、機械の寿命の消費量ともいえる。したがって、推定処理１９ａは、Ｓ－Ｎ線図を用いて、図１０及び図１１に示した個別ダメージ量を損傷度に変換することができる。推定処理１９ａは、Ｓ－Ｎ線図を、国際溶接学会(ＩＩＷ)のＦＡＴクラスを用いたり、実際に機械の寿命試験を行ったりすることによって、予め取得することができる。なお、Ｓ－Ｎ線図の取得が困難な場合、推定処理１９ａは、一般的なＳ－Ｎ線図の傾きから損傷度の傾向を取得する。この場合、推定処理１９ａは、損傷度の絶対値については分からないが、損傷度の傾向（大きいか小さいか）については判断することができる。推定処理１９ａは、損傷度を算出することによって、1回のダメージ状態が機械の寿命に与える影響を推定したり、機械の部位毎に累積損傷度を算出して寿命消費量又は寿命残存量を推定したり、累積損傷度の時系列的な変化から機械の部位毎の寿命を予測したりすることができる。
　更に、実施形態５の演算処理装置１ｂは、推定処理１９ａの推定結果を表示装置に表示させる表示処理１９ｂを実行する機能（表示処理部１９ｂ）を備える。表示処理部１８ｂは、推定処理１９ａにより推定された、1回のダメージ状態が機械の寿命に与える影響を可視化したり、機械の各部位の寿命消費量又は寿命残存量を可視化したり、機械の部位毎の寿命の予測結果を可視化したりする処理を行う。
　図２０及び図２１は、可視化の一例である。図２０は、機械の各部位の累積損傷度を示している。図２０の２０ｆは、累積損傷度が１．０のラインを示している。累積損傷度が１．０に到達すると、機械の各部位は寿命に到達する。図２０の２０ａ～２０ｅは、機械の各部位の累積損傷度を示している。図２０の部位Ａの累積損傷度２０ａは、２０ｆのラインに最も近く、寿命残存量が最も少ないことが分かる。表示処理１９ｂは、図２０に示す累積損傷度のグラフの表示態様を寿命残存量に応じて変化させてもよい。例えば、表示処理１９ｂは、寿命残存量が少なくなるに従って、図２０に示すグラフの色を緑→黄色→赤等のように変化させて表示させてもよい。
　図２１は、累積損傷度の時系列的な変化を示している。図２１の２１ｅは、累積損傷度が１．０のラインを示している。図２１の２１ａ～２１ｃは、機械の各部位の累積損傷度の時系列的な変化を示している。図２１の２１ｄは、現時点を示すラインである。図２１の２１ｆ～２１ｈは、累積損傷度の時系列的な変化２１ａ～２１ｃの予測結果を示す直線である。この予測結果を示す直線２１ｆ～２１ｈと累積損傷度が１．０のライン２１ｅとの交点が示す時刻は、寿命に到達する時刻を示している。例えば、図２１の２１ａの部位では、予測結果を示す直線２１ｆとライン２１ｅとの交点２１ｋが示す時刻２１ｉにおいて寿命に到達すると予測される。表示処理１９ｂは、寿命に到達する時刻までの時間である寿命残存時間（時刻２１ｄから時刻２１ｉまでの時間）を表示したり、修繕するための部品の発注等を促す情報を表示したり、図２１に示すグラフの色を、図２０と同様に変化させて表示したりすることができる。また、表示処理１９ｂは、図２０や図２１に示すグラフがユーザによって操作（例えばマウス等でクリック）されると、その部位の図面等を表示させてもよい。
　このように、実施形態５の状態検出装置１００は、認識処理１８ａの処理結果から個別ダメージ量を推定することができる。これにより、実施形態５の状態検出装置１００は、推定された個別ダメージ量から損傷度及び累積損傷度を算出することができる。実施形態５の状態検出装置１００は、1回のダメージ状態が機械の寿命に与える影響を推定したり、機械の部位毎に寿命消費量又は寿命残存量を推定したり、累積損傷度の時系列的な変化から機械の寿命を予測したりすることができる。よって、実施形態５の状態検出装置１００は、ダメージ区間において機械がどのような状態であったかだけでなく、将来的に機械の状態がどのように変化するのかを、様々な観点から検出することができる。
　なお、実施形態５の演算処理装置１ｂが備える推定処理１９ａを実行する機能は、実施形態１～３の演算処理装置１ｂが備えることもできる。例えば、実施形態１～３の演算処理装置１ｂは、個別ダメージ量から損傷度及び累積損傷度を算出して、機械の部位毎に寿命消費量又は寿命残存量を推定したり、累積損傷度の時系列的な変化から機械の部位毎の寿命を予測したりする推定処理１９ａの実行機能を備えてもよい。上記の特許文献３では、予め決められたダメージ状態に関してのみ損傷度を算出することが可能であったので、想定外のダメージ状態の損傷度を推定することはできなかった。しかしながら、実施形態１～３の演算処理装置１ｂが推定処理１９ａの実行機能を備えることによって、想定外のダメージ状態における損傷度を推定することが可能となる。
　なお、演算処理装置１ｂに備えられた推定処理１９ａを実行する機能は、請求の範囲に記載された「推定処理部」の一例に相当する。演算処理装置１ｂに備えられた表示処理１９ｂを実行する機能は、請求の範囲に記載された「表示処理部」の一例に相当する。
［実施形態６］
　図２２～図２３を用いて、実施形態６の状態検出装置１００について説明する。実施形態６の状態検出装置１００において、従前の実施形態と同様の構成及び動作については、説明を省略する。
　図２２は、実施形態６の状態検出装置１００において行われる個別ダメージ量の積算値の可視化の例を示す図である。図２３は、ダメージ状態の発生回数の可視化の例を示す図である。
　実施形態６では、機械の各部位が受けたダメージ量の主な原因となった機械の状態を特定し、可視化する手法について説明する。実施形態５の演算処理装置１ｂは、推定処理１９ａ及び表示処理１９ｂの実行機能を備え、図１０及び図１１に示すような分類ＩＤデータベース１ｏに記録された個別ダメージ量から、機械の部位毎に損傷度及び累積損傷度を算出し、可視化することができる。実施形態６の演算処理装置１ｂについても、推定処理１９ａ及び表示処理１９ｂの実行機能を備える。但し、実施形態６の演算処理装置１ｂは、分類ＩＤデータベース１ｏに記録された或る部位の個別ダメージ量を分類ＩＤ毎に積算して積算値を算出し、可視化することができる。そして、実施形態６の演算処理装置１ｂは、算出された分類ＩＤ毎の複数の積算値を累積して累積ダメージ量を推定することができる。
　すなわち、実施形態６の推定処理１９ａは、認識処理１８ａにより認識されたダメージ状態を特定する分類ＩＤと、分類ＩＤデータベース１ｏに記録された分類ＩＤとに基づいて、認識処理１８ａにより認識されたダメージ状態に対応する個別ダメージ量を特定する。そして、実施形態６の推定処理１９ａは、特定された個別ダメージ量と、当該個別ダメージ量に対応するダメージ状態の発生回数（すなわち当該個別ダメージ量を受けた回数）とに基づいて、当該個別ダメージ量の積算値を分類ＩＤ毎に算出する。そして、実施形態６の推定処理１９ａは、分類ＩＤ毎に算出された複数の積算値を累積して、機械が受けた累積ダメージ量を推定する。そして、実施形態６の表示処理１９ｂは、推定処理１９ａの処理結果を表示装置に表示させる。
　具体的には、実施形態６の推定処理１９ａは、ある分類ＩＤに紐付けられた個別ダメージ量と、当該個別ダメージ量に対応するダメージ状態の発生回数とを乗算することによって、個別ダメージ量の積算値を分類ＩＤ毎に算出する。推定処理１９ａは、分類ＩＤ毎に算出された複数の積算値のそれぞれの総和を算出することによって、累積ダメージ量を推定する。そして、実施形態６の推定処理１９ａは、分類ＩＤ毎に推定された複数の積算値のそれぞれが累積ダメージ量に占める割合に基づいて、機械が累積ダメージ量を受けた主な原因となったダメージ状態を特定する。
　例えば、図１０において、分類ＩＤ（１）のダメージ状態が１回発生し、分類ＩＤ（３）のダメージ状態が１０００回発生したとする。この場合、部位Ａの分類ＩＤ（１）における個別ダメージ量の積算値は、１０５０×１＝１０５０と算出される。部位Ａの分類ＩＤ（３）における個別ダメージ量の積算値は、５×１０００＝５０００と算出される。そして、部位Ａが受けた累積ダメージ量は、１０５０＋５０００＝６０５０と推定される。部位Ａが受けた累積ダメージ量６０５０のうち、分類ＩＤ（３）における個別ダメージ量の積算値５０００が占める割合は、分類ＩＤ（１）における個別ダメージ量の積算値１０５０が占める割合よりも大きい。よって、部位Ａが累積ダメージ量６０５０を受けた主な原因となったダメージ状態は、分類ＩＤ（３）のダメージ状態であることが特定される。この状況を可視化したのが、図２２及び図２３である。
　図２２は、部位Ａが受けた個別ダメージ量の積算値を、分類ＩＤ毎に示している。図２３は、部位Ａが受けた個別ダメージ量に対応するダメージ状態の発生回数を、分類ＩＤ毎に示している。図２２により、部位Ａが累積ダメージ量を受けた主な原因となったダメージ状態は、分類ＩＤ（３）のダメージ状態であることがわかる。図２３により、分類ＩＤ（３）のダメージ状態は、発生回数が多いダメージ状態であることが分かり、分類ＩＤ（３）のダメージ状態の発生回数を低減することによって、部位Ａが受ける累積ダメージ量を低減可能であることが分かる。
　なお、実施形態６の推定処理１９ａは、実施形態５と同様に、累積ダメージ量を累積損傷度に変換することができる。そして、実施形態６の推定処理１９ａは、実施形態５と同様に、機械の部位毎に寿命消費量又は寿命残存量を推定したり、累積損傷度の時系列的な変化から機械の部位毎の寿命を予測したりすることができる。また、図２２及び図２３の例において、部位Ａの寿命が次回のメンテナンス時期よりも前に到来する場合、分類ＩＤ（３）のダメージ状態を余り発生させないことが好ましい。この場合、実施形態６の演算処理装置１ｂは、図２１に示すような累積損傷度の時系列的な変化２１ａ～２１ｃの予測結果を示す直線２１ｆ～２１ｈと、本実施形態の手法とを組み合わせて、分類ＩＤ（３）のダメージ状態を余り発生させないような制御指令を生成し、機械の動作を制御する制御装置に送信してもよい。また、図２２及び図２３の例において、分類ＩＤ（３）はクラスタリング手法により分類されたダメージ状態であり、どのような状態であるかがユーザにとって分かりにくい場合がある。この場合、実施形態６の演算処理装置１ｂは、実施形態３の切出処理１４ａ及び再現処理１４ｂを実行する機能を備え、分類ＩＤ（３）のダメージ状態を再現するアニメーションを生成し、表示装置に表示させることができる。
　なお、上記の説明では、推定処理１９ａは、個別ダメージ量の積算値を、分類ＩＤ毎に算出するとして説明したが、図１１に示すように、個別ダメージ量が分類ＩＤのパターンを識別するＩＤに紐付けられている場合には、分類ＩＤのパターンを識別するＩＤ毎に算出する。また、図２０、図２２及び図２３では、演算処理装置１ｂは、棒グラフを用いて可視化していたが、円グラフ等の他の形式を用いた可視化してもよい。
　このように、実施形態６の状態検出装置１００では、個別ダメージ量の積算値を分類ＩＤ毎に算出し、分類ＩＤ毎に算出された複数の積算値を累積して、機械が受けた累積ダメージ量を推定する。これにより、実施形態６の状態検出装置１００では、分類ＩＤ毎に推定された複数の積算値のそれぞれが累積ダメージ量に占める割合から、機械が累積ダメージ量を受けた主な原因となったダメージ状態を特定することができる。したがって、実施形態６の状態検出装置１００は、主原因となったダメージ状態を発生させないよう機械を制御する等の対策を適切に講じることができるので、機械の健全性を更に持続させることができる。
　なお、実施形態６の演算処理装置１ｂが備える推定処理１９ａ及び表示処理１９ｂを実行する機能は、実施形態１～３の演算処理装置１ｂが備えることもできる。例えば、実施形態１～３の演算処理装置１ｂは、検出処理１ｊにより検出された個別ダメージ量と、当該個別ダメージ量の検出回数（すなわちダメージ状態の発生回数）とに基づいて、当該個別ダメージ量の積算値を分類ＩＤ毎に算出し、分類ＩＤ毎に算出された複数の積算値を累積して、機械が受けた累積ダメージ量を推定する推定処理１９ａの実行機能を備えてもよい。これにより、実施形態１～３の演算処理装置１ｂは、想定外のダメージ状態が累積ダメージ量の主原因であっても、これを適切に推定することができる。
［実施形態７］
　図２４～図２６を用いて、実施形態７の状態検出装置１００について説明する。実施形態７の状態検出装置１００において、従前の実施形態と同様の構成及び動作については、説明を省略する。
　図２４は、実施形態７の状態検出装置１００における表示画面の例（その１）を示す図である。図２５は、表示画面の例（その２）を示す図である。図２６は、表示画面の例（その３）を示す図である。
　実施形態７では、実施形態１～６において説明してきた各種処理結果の可視化について説明する。実施形態７の演算処理装置１ｂは、切出処理１４ａ及び再現処理１４ｂを実行する機能を備えると共に、再現処理１４ｂにより生成されたアニメーション（動画）を表示装置に表示させる表示処理を実行する機能を備える。実施形態７の表示処理は、切出処理１４ａにより分類ＩＤが切り出された所定区間において収集された状態情報１ｆの時系列的な変化、所定区間における個別ダメージ量の時系列的な変化、累積ダメージ量、累積ダメージ量の時系列的な変化、及び、機械の寿命の予測結果の少なくとも１つを、再現処理１４ｂにより生成されたアニメーションに併せて表示装置に表示させる。
　図２４は、機械が寿命に影響を及ぼすダメージを受けた際の表示画面の例を示している。図２４の２４ａは、表示画面の全体を示す。図２４の２４ｂは、ダメージを受けたバケットシリンダの圧力波形、すなわち、状態情報１ｆの時系列的な変化を示す。図２４の２４ｉは、バケットシリンダの圧力波形２４ｂに基づいて検出された個別ダメージ量の波形、すなわち、個別ダメージ量の時系列的な変化を示す。図２４の２４ｆは、所定区間においてダメージ状態にある機械が行っていた動作（以下「ダメージ動作」とも称する）を再現するアニメーションを示す。
　表示画面２４ａを表示する表示装置は、機械が油圧ショベル等の建設機械である場合、建設機械の運転席に設置された表示装置であってもよいし、機械の監視ルームに設置された表示装置であってもよい。後述する表示画面２５ａ，２６ａについても、同様の表示装置に表示される。実施形態７の表示処理は、機械がダメージを受けると、表示画面２４ａを直ちにリアルタイムで表示させてもよいし、機械の作業終了後等の所定タイミングで表示させてもよい。或いは、実施形態７の表示処理は、ユーザが表示ボタン等を操作したことを契機として、表示画面２４ａを表示させてもよい。表示画面２５ａ，２６ａについても、同様にリアルタイムや所定タイミング等で表示される。
　実施形態７の表示処理は、機械がダメージを受けると、表示画面２４ａを表示装置に表示させることができる。この際、実施形態７の表示処理は、図２４ｂの２４ｃ及び２４ｅに示すように、「ダメージ状態が発生しました」等のダメージ状態が発生したことを示す情報、及び、機械がダメージを受けた時刻の情報を表示させて、ユーザに報知することができる。実施形態７の表示処理は、図２４の２４ｄに示すようにダメージを受けた機械の部位をテキストで表示させたり、図２４の２４ｈに示すようにダメージを受けた機械の部位の色又は形状を変更する強調表示をアニメーション２４ｆに重畳して表示させたりすることができる。
　この際、強調表示は、ダメージの累積損傷度に応じて異なっていてもよい。例えば、ダメージを受けた機械の部位の累積損傷度が高い場合は「赤」とし、「赤」ほど累積損傷度が高くはないが要注意である場合は「黄」とし、何れにも該当しない場合は「青」とする表示であってもよい。もちろん、表示される色は、赤、黄、青の３種類に限られるものではなく、これらの３種類の色は一例に過ぎない。
　また、実施形態７の表示処理は、ダメージを受けた機械の部位の強調表示に限られるものではなく、機械全体を表示するアニメーション２４ｆを、機械の主要な部位（機械がショベルであれば、ブーム、アーム、バケット又は走行体等）ごとに色で区分けして表示させてもよい。これにより、実施形態７の表示処理は、強調表示された部位以外の部位に関しても、どの部位の累積損傷度が高く、どの部位は要注意であるか等、機械全体の累積損傷度を、ダメージを受ける度にユーザに容易に把握させることができる。
　実施形態７の表示処理は、図２４の２４ｂ及び２４ｉに示すように、状態情報１ｆの時系列的な変化、及び、個別ダメージ量の時系列的な変化を表示させて、機械がどのようなダメージをどれだけ受けたのかをユーザに報知することができる。
　図２５は、機械の或る部位の寿命残存量が低下した際の表示画面の例を示している。図２５の２５ａは、表示画面の全体を示す。図２５の２５ｂは、機械の各部位の累積損傷度、すなわち、機械の各部位が受けた累積ダメージ量を示す。図２５の２５ｆは、図２４の２４ｆと同様のアニメーションを示す。
　実施形態７の表示処理は、機械の或る部位の寿命残存量が低下すると、表示画面２５ａを表示装置に表示させることができる。この際、実施形態７の表示処理は、図２５の２５ｄ及び２５ｅに示すように、累積損傷度が増加し、寿命残存量が低下したこと示す情報をテキストで表示させたり、図２５の２５ｂに示すように、棒グラフ等によって図示させたりすることができる。また、実施形態７の表示処理は、寿命残存量が低下した部位の強調表示をアニメーション２５ｆに重畳して表示させることができる。ダメージ状態には、分類ＩＤが紐付けられているが、図１７の１７ａに示すようなテキスト表示用文字列が対応付けられていない場合がある。この場合であっても、実施形態７の表示処理は、寿命残存量が低下したダメージ状態をアニメーション２５ｆとして再現するので、機械がどのような状態であったかをユーザに分かりやすく報知することができる。
　図２６は、機械の寿命の予測結果を表示する表示画面の例を示している。図２６の２６ａは、表示画面の全体を示す。図２６の２６ｂは、機械の或る部位における累積損傷度の時系列的な変化、及び、その寿命の予測結果を示す。すなわち、図２６の２６ｂは、機械の或る部位における累積ダメージ量の時系列的な変化、及び、その寿命の予測結果を示す。図２６の２６ｆは、図２５の２５ｆと同様のアニメーションを示す。
　実施形態７の表示処理は、機械の或る部位の寿命残存量が低下すると、その寿命を予測し、表示画面２６ａを表示装置に表示させることができる。この際、実施形態７の表示処理は、図２６の２６ｃ及び２６ｄに示すように、累積損傷度が増加したこと示す情報、及び、寿命残存時間を示す情報をテキストで表示させて、ユーザに報知することができる。また、実施形態７の表示処理は、図２６の２６ｅに示すように、ユーザが取るべき行動をテキストで表示させて、ユーザに報知することができる。ユーザが取るべき行動が代理店に連絡することである場合、「代理店に連絡要」の表示２６ｅをユーザがタップ（又はポインタで指定してクリック）することにより、電話番号等の代理店の連絡先を表示させたり、簡易的な対策の手順を表示させたりしてもよい。
　図２４～図２６は、何れも表示画面の一例であり、ユーザに報知するためのテキスト表示の有無は任意に設定可能である。例えば、実施形態７の表示処理は、まず、アニメーション２４ｆ～２６ｆだけを表示させてもよい。そして、アニメーション２４ｆ～２６ｆに重畳された強調表示をユーザがタップ等することにより、更に詳細な情報を表示させるようにしてもよい。これにより、実施形態７の表示処理では、アニメーション２４ｆ～２６ｆの表示領域が広く確保されて、機械全体のどの部位がダメージを受けたか（累積損傷度が高いか）をユーザに正確に把握させることができると共に、ユーザが必要と考える情報だけを報知することができる。
　このように、実施形態７の状態検出装置１００は、ダメージ区間を含む所定区間において収集されたセンサ・制御情報１ｆの時系列的な変化、個別ダメージ量の時系列的な変化、累積ダメージ量、累積ダメージ量の時系列的な変化、及び、機械の寿命の予測結果の少なくとも１つを、ダメージ状態を再現するアニメーションに併せて表示させる。これにより、実施形態７の状態検出装置１００は、ダメージ状態を可視化することができると共に、将来的な機械の状態の変化を様々な観点から可視化することができ、ユーザに直感的に把握させることができる。
［その他］
　なお、本発明は上記の実施形態に限定されるものではなく、様々な変形例が含まれる。例えば、上記の実施形態は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、或る実施形態の構成の一部を他の実施形態の構成に置き換えることが可能であり、また、或る実施形態の構成に他の実施形態の構成を加えることも可能である。また、各実施形態の構成の一部について、他の構成の追加・削除・置換をすることが可能である。
　また、上記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路にて設計する等によりハードウェアによって実現してもよい。また、上記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウェアによって実現してもよい。各機能を実現するプログラム、テープ、ファイル等の情報は、メモリや、ハードディスク、ＳＳＤ（solid state drive）等の記録装置、又は、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に置くことができる。
　また、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線や情報線を示しているとは限らない。実際には殆ど全ての構成が相互に接続されていると考えてもよい。
　１ａ…収集装置、１ｂ…演算処理装置、１ｉ…分類処理（分類処理部）、１ｊ…検出処理（検出処理部）、１ｌ…紐付処理（紐付処理部）、１ｍ…判定処理（第１判定処理部）、１ｎ、１８ｂ、１９ｂ…表示処理（表示処理部）、１ｐ…登録処理（第１登録処理部）、１ｏ…分類ＩＤデータベース（第１記録部）、１ｈ…分類モデルデータベース（第２記録部）、１２ａ…判定処理（第２判定処理部）、１２ｂ…生成処理（生成処理部）、１２ｃ…登録処理（第２登録処理部）、１４ａ…切出処理（切出処理部）、１４ｂ…再現処理（再現処理部）、１８ａ…認識処理（認識処理部）、１９ａ…推定処理（推定処理部）、１００…状態検出装置。

Claims (9)

  1. 　時系列的に変化する機械の状態を示す状態情報を複数の時刻において収集する収集装置と、前記複数の時刻において収集された複数の前記状態情報を処理して前記機械の状態を検出する演算処理装置と、を備える機械の状態検出装置であって、
    　前記演算処理装置は、
    　　前記収集装置により収集された前記複数の状態情報を時分割して前記状態情報の種別を特徴量とする複数の特徴量ベクトルを特定し、特定された前記特徴量ベクトルを予め定められた複数の集合の何れかに分類し、分類された前記特徴量ベクトルに対して、当該特徴量ベクトルが属する前記集合を識別する分類ＩＤを付与する分類処理部と、
    　　前記収集装置により収集された時系列的に変化する前記機械の状態を示す状態情報に基づいて、前記機械が受けたダメージを検出する検出処理部と、
    　　前記検出処理部により前記ダメージが検出された区間と、当該区間において前記分類処理部により付与された前記分類ＩＤとを紐付ける紐付処理部と、を備える
    　ことを特徴とする機械の状態検出装置。
  2. 　前記演算処理装置は、
    　　前記機械がダメージを受けた前記区間における前記機械の状態であるダメージ状態を特定する前記分類ＩＤが予め記録された第１記録部と、
    　　前記第１記録部に記録された前記分類ＩＤに基づいて、前記紐付処理部により紐付けられた前記分類ＩＤが、未知の前記分類ＩＤであるか否かを判定する第１判定処理部と、　　前記第１判定処理部により前記未知の分類ＩＤであると判定された前記分類ＩＤを前記第１記録部に登録する第１登録処理部と、を更に備える
    　ことを特徴とする請求項１に記載の機械の状態検出装置。
  3. 　前記演算処理装置は、
    　　前記特徴量ベクトルと前記分類ＩＤとが予め対応付けられて記録された第２記録部と、
    　　前記分類処理部により特定された前記特徴量ベクトルと前記第２記録部に記録された前記特徴量ベクトルとに基づいて、前記分類処理部により特定された前記特徴量ベクトルに付与するべき前記分類ＩＤが前記第２記録部に記録されているか否かを判定する第２判定処理部と、
    　　前記分類処理部により特定された前記特徴量ベクトルに付与するべき前記分類ＩＤが前記第２記録部に記録されていない場合、新たな前記分類ＩＤを生成する生成処理部と、　　前記生成処理部により生成された前記分類ＩＤと、当該分類ＩＤを付与するべき前記特徴量ベクトルとを対応付けて前記第２記録部に登録する第２登録処理部と、を更に備える
    　ことを特徴とする請求項１に記載の機械の状態検出装置。
  4. 　前記演算処理装置は、
    　　前記紐付処理部により前記分類ＩＤに紐付けられた前記区間を含む所定区間において前記分類処理部により付与された前記分類ＩＤを切り出す切出処理部と、
    　　前記切出処理部により切り出された前記分類ＩＤに基づいて、前記所定区間における前記機械の前記状態を再現する動画を生成する再現処理部と、
    　　前記再現処理部により生成された前記動画を表示装置に表示させる表示処理部と、を更に備える
    　ことを特徴とする請求項１に記載の機械の状態検出装置。
  5. 　前記演算処理装置は、前記機械が受けたダメージ量を推定する推定処理部を更に備え、　前記検出処理部は、前記区間において収集された前記状態情報に基づいて、前記区間において前記機械が受けたダメージ量である個別ダメージ量を検出し、
    　前記紐付処理部は、前記検出処理部により検出された前記個別ダメージ量を、当該個別ダメージ量が検出された前記区間において前記分類処理部により付与された前記分類ＩＤに紐付け、
    　前記推定処理部は、
    　　前記検出処理部により検出された前記個別ダメージ量と、当該個別ダメージ量の検出回数とに基づいて、当該個別ダメージ量の積算値を前記分類ＩＤ毎に算出し、
    　　前記分類ＩＤ毎に算出された複数の前記積算値を累積して前記機械が受けた累積ダメージ量を推定する
    　ことを特徴とする請求項１に記載の機械の状態検出装置。
  6. 　前記演算処理装置は、
    　　前記紐付処理部により前記分類ＩＤに紐付けられた前記区間を含む所定区間において前記分類処理部により付与された前記分類ＩＤを切り出す切出処理部と、
    　　前記切出処理部により切り出された前記分類ＩＤに基づいて、前記所定区間における前記機械の前記状態を再現する動画を生成する再現処理部と、
    　　前記再現処理部により生成された前記動画を表示装置に表示させる表示処理部と、を更に備え、
    　前記表示処理部は、前記所定区間において収集された前記状態情報の前記時系列的な変化、前記所定区間における前記個別ダメージ量の前記時系列的な変化、前記累積ダメージ量、前記累積ダメージ量の前記時系列的な変化、及び、前記機械の寿命の予測結果の少なくとも１つを、前記動画に併せて前記表示装置に表示させる
    　ことを特徴とする請求項５に記載の機械の状態検出装置。
  7. 　時系列的に変化する機械の状態を示す状態情報を複数の時刻において収集する収集装置と、前記複数の時刻において収集された複数の前記状態情報を処理して前記機械の状態を検出する演算処理装置と、を備える機械の状態検出装置であって、
    　前記演算処理装置は、
    　　前記収集装置により収集された前記複数の状態情報を時分割して前記状態情報の種別を特徴量とする複数の特徴量ベクトルを特定し、特定された前記特徴量ベクトルを予め定められた複数の集合の何れかに分類し、分類された前記特徴量ベクトルに対して、当該特徴量ベクトルが属する前記集合を識別する分類ＩＤを付与する分類処理部と、
    　　前記機械がダメージを受けた区間における前記機械の状態であるダメージ状態を特定する前記分類ＩＤが予め記録された第１記録部と、
    　　前記分類処理部により付与された前記分類ＩＤと、前記第１記録部に記録された前記分類ＩＤとに基づいて、前記分類処理部により付与された前記分類ＩＤによって特定される前記ダメージ状態を認識する認識処理部と、を備える
    　ことを特徴とする機械の状態検出装置。
  8. 　前記演算処理装置は、前記機械が受けたダメージ量を推定する推定処理部を更に備え、　前記第１記録部には、前記区間において前記機械が受けたダメージ量である個別ダメージ量が、前記分類ＩＤに予め紐付けられて記録されており、
    　前記推定処理部は、
    　　前記認識処理部により認識された前記ダメージ状態を特定する前記分類ＩＤと、前記第１記録部に記録された前記分類ＩＤとに基づいて、前記認識処理部により認識された前記ダメージ状態に対応する前記個別ダメージ量を特定し、
    　　特定された前記個別ダメージ量と、当該個別ダメージ量に対応する前記ダメージ状態の発生回数とに基づいて、当該個別ダメージ量の積算値を前記分類ＩＤ毎に算出し、
    　　前記分類ＩＤ毎に算出された複数の前記積算値を累積して前記機械が受けた累積ダメージ量を推定する
    　ことを特徴とする請求項７に記載の機械の状態検出装置。
  9. 　前記演算処理装置は、
    　　前記認識処理部により認識された前記ダメージ状態に対応する前記区間を含む所定区間において前記分類処理部により付与された前記分類ＩＤを切り出す切出処理部と、
    　　前記切出処理部により切り出された前記分類ＩＤに基づいて、前記所定区間における前記機械の前記状態を再現する動画を生成する再現処理部と、
    　　前記再現処理部により生成された前記動画を表示装置に表示させる表示処理部と、を更に備え、
    　前記表示処理部は、前記所定区間において収集された前記状態情報の前記時系列的な変化、前記所定区間における前記個別ダメージ量の前記時系列的な変化、前記累積ダメージ量、前記累積ダメージ量の前記時系列的な変化、及び、前記機械の寿命の予測結果の少なくとも１つを、前記動画に併せて前記表示装置に表示させる
    　ことを特徴とする請求項８に記載の機械の状態検出装置。
PCT/JP2022/014895 2021-04-02 2022-03-28 機械の状態検出装置 WO2022210499A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2023511237A JPWO2022210499A1 (ja) 2021-04-02 2022-03-28
CN202280016994.9A CN116981923A (zh) 2021-04-02 2022-03-28 机械的状态检测装置
EP22780710.4A EP4317936A1 (en) 2021-04-02 2022-03-28 Machine state detecting device
KR1020237029376A KR20230138504A (ko) 2021-04-02 2022-03-28 기계의 상태 검출 장치

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2021-063255 2021-04-01
JP2021063255 2021-04-02

Publications (1)

Publication Number Publication Date
WO2022210499A1 true WO2022210499A1 (ja) 2022-10-06

Family

ID=83456277

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2022/014895 WO2022210499A1 (ja) 2021-04-02 2022-03-28 機械の状態検出装置

Country Status (5)

Country Link
EP (1) EP4317936A1 (ja)
JP (1) JPWO2022210499A1 (ja)
KR (1) KR20230138504A (ja)
CN (1) CN116981923A (ja)
WO (1) WO2022210499A1 (ja)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0158055B2 (ja) 1981-04-23 1989-12-08 Star Seiki Kk
WO2016117041A1 (ja) * 2015-01-21 2016-07-28 株式会社日立製作所 損傷推定装置
JP6215446B2 (ja) 2014-03-03 2017-10-18 株式会社日立製作所 機械の材料疲労の表示方法、及びその装置
WO2018042616A1 (ja) * 2016-09-02 2018-03-08 株式会社日立製作所 診断装置、診断方法及び診断プログラム
JP2018097616A (ja) 2016-12-13 2018-06-21 ファナック株式会社 数値制御装置及び機械学習装置
JP2018185256A (ja) * 2017-04-27 2018-11-22 公益財団法人鉄道総合技術研究所 鉄道車両機器診断装置および鉄道車両機器診断方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6215446U (ja) 1985-07-12 1987-01-29

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0158055B2 (ja) 1981-04-23 1989-12-08 Star Seiki Kk
JP6215446B2 (ja) 2014-03-03 2017-10-18 株式会社日立製作所 機械の材料疲労の表示方法、及びその装置
WO2016117041A1 (ja) * 2015-01-21 2016-07-28 株式会社日立製作所 損傷推定装置
WO2018042616A1 (ja) * 2016-09-02 2018-03-08 株式会社日立製作所 診断装置、診断方法及び診断プログラム
JP2018097616A (ja) 2016-12-13 2018-06-21 ファナック株式会社 数値制御装置及び機械学習装置
JP2018185256A (ja) * 2017-04-27 2018-11-22 公益財団法人鉄道総合技術研究所 鉄道車両機器診断装置および鉄道車両機器診断方法

Also Published As

Publication number Publication date
JPWO2022210499A1 (ja) 2022-10-06
KR20230138504A (ko) 2023-10-05
CN116981923A (zh) 2023-10-31
EP4317936A1 (en) 2024-02-07

Similar Documents

Publication Publication Date Title
JP5945350B2 (ja) 設備状態監視方法およびその装置
JP5538597B2 (ja) 異常検知方法及び異常検知システム
JP6060261B2 (ja) 状態監視装置
JP5179086B2 (ja) 工業プロセスの監視方法及び監視システム
JP5431235B2 (ja) 設備状態監視方法およびその装置
WO2010095314A1 (ja) 異常検知方法及び異常検知システム
JP6903142B2 (ja) 異常検出装置、異常検出方法及びプログラム
JP5045770B2 (ja) プロセス解析システム
JP5858839B2 (ja) 作業機械の異常診断装置
JP2021092970A (ja) 制御方法、制御装置、機械設備、制御プログラム、記録媒体
JPWO2020188696A1 (ja) 異常検知装置および異常検知方法
JP6475469B2 (ja) 診断ジョブ生成システム、診断ジョブ生成方法及び診断ジョブ生成表示方法
US20160098501A1 (en) Virtual sensors supported by a computer aided design (cad) model and software
US20220108501A1 (en) Information processing method, information processing apparatus, recording medium, method of manufacturing products, method of acquiring learning data, display method, and display apparatus
WO2022210499A1 (ja) 機械の状態検出装置
AU2005234089B2 (en) System and method to query for machine conditions
JPH10124134A (ja) 診断システム
JP2019159885A (ja) 動作分析装置、動作分析方法、動作分析プログラム及び動作分析システム
US20240134367A1 (en) Machine state detecting device
US20220088802A1 (en) Information processing method, information processing apparatus, display method, display apparatus, recording medium, method of manufacturing products, and method of acquiring learning data
JP2021096639A (ja) 制御方法、制御装置、機械設備、制御プログラム、記録媒体
JP2020107248A (ja) 異常判定装置および異常判定方法
CN115616994A (zh) 一种设备稳定性分析方法及系统、设备、存储介质
JP7000266B2 (ja) 分析フロー作成システムおよび分析フロー作成方法
JP7193491B2 (ja) 音点検システム

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: 22780710

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2023511237

Country of ref document: JP

WWE Wipo information: entry into national phase

Ref document number: 202280016994.9

Country of ref document: CN

ENP Entry into the national phase

Ref document number: 20237029376

Country of ref document: KR

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 18279454

Country of ref document: US

WWE Wipo information: entry into national phase

Ref document number: 2022780710

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 2022780710

Country of ref document: EP

Effective date: 20231102

NENP Non-entry into the national phase

Ref country code: DE