WO2025062846A1 - タイヤ耐久予測装置、プログラム及びタイヤ耐久予測方法 - Google Patents

タイヤ耐久予測装置、プログラム及びタイヤ耐久予測方法 Download PDF

Info

Publication number
WO2025062846A1
WO2025062846A1 PCT/JP2024/027386 JP2024027386W WO2025062846A1 WO 2025062846 A1 WO2025062846 A1 WO 2025062846A1 JP 2024027386 W JP2024027386 W JP 2024027386W WO 2025062846 A1 WO2025062846 A1 WO 2025062846A1
Authority
WO
WIPO (PCT)
Prior art keywords
tire
durability
information
tread
prediction
Prior art date
Legal status (The legal status 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 status listed.)
Ceased
Application number
PCT/JP2024/027386
Other languages
English (en)
French (fr)
Inventor
浩平 鈴木
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Bridgestone Corp
Original Assignee
Bridgestone Corp
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 Bridgestone Corp filed Critical Bridgestone Corp
Publication of WO2025062846A1 publication Critical patent/WO2025062846A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60C—VEHICLE TYRES; TYRE INFLATION; TYRE CHANGING; CONNECTING VALVES TO INFLATABLE ELASTIC BODIES IN GENERAL; DEVICES OR ARRANGEMENTS RELATED TO TYRES
    • B60C11/00—Tyre tread bands; Tread patterns; Anti-skid inserts
    • B60C11/24—Wear-indicating arrangements
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60C—VEHICLE TYRES; TYRE INFLATION; TYRE CHANGING; CONNECTING VALVES TO INFLATABLE ELASTIC BODIES IN GENERAL; DEVICES OR ARRANGEMENTS RELATED TO TYRES
    • B60C19/00—Tyre parts or constructions not otherwise provided for
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60C—VEHICLE TYRES; TYRE INFLATION; TYRE CHANGING; CONNECTING VALVES TO INFLATABLE ELASTIC BODIES IN GENERAL; DEVICES OR ARRANGEMENTS RELATED TO TYRES
    • B60C19/00—Tyre parts or constructions not otherwise provided for
    • B60C19/12—Puncture preventing arrangements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M17/00—Testing of vehicles
    • G01M17/007—Wheeled or endless-tracked vehicles
    • G01M17/02—Tyres
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles

Definitions

  • This disclosure relates to a tire durability prediction device, a program, and a tire durability prediction method.
  • Patent Document 1 discloses a tire management device that includes a deterioration state prediction means that predicts the deterioration tendency and deterioration state of tires mounted on a vehicle for each mounting position.
  • the tire management device of Patent Document 1 appropriately manages tires to average the period of use of each tire, but there is a demand for predicting the remaining durability of tires with sufficient accuracy through simple calculations using less data.
  • the deterioration state of a base tire at the time when the tire tread is completely worn down may be estimated to determine whether or not the tire can be retreaded, and the lifespan of the tire may be estimated.
  • Retreading here refers to scraping the surface of the tire tread rubber and applying new rubber to reuse the tire.
  • the base tire is the part of the tire (the part to be reused) excluding the tread portion that is replaced in the retreading process. Furthermore, when making such estimates, actual measurement data of the vehicle on which the target tire is mounted is often not available.
  • the purpose of this disclosure is to provide a tire durability prediction device, program, and tire durability prediction method that can predict the remaining durability of a tire even if actual measurement data of the vehicle on which the target tire is mounted is not available.
  • a tire durability prediction device An acquisition unit that acquires input data including information on a time or a mileage until the tire tread is completely worn out and information on a destination and a frequency of a vehicle equipped with the tire; A generating unit that generates data related to speed for each destination based on the input data; and a predictor configured to predict a remaining life of the tire at a time when the tire's tread will be completely worn down based on data relating to the speed.
  • the generation unit generates data regarding a load for each of the vehicles or each of the destinations,
  • the prediction unit predicts the remaining durability of the tire at the time when the tread of the tire is completely worn down based on the speed data and the load data.
  • the input data includes at least one of information on a type of cargo, a vehicle type, and an axle load;
  • the generation unit generates data regarding the load based on at least one piece of information of the type of cargo, the vehicle model, and the axle load.
  • the input data includes temperature information;
  • the generation unit calculates an average temperature according to a travel season or a travel area of the vehicle,
  • the prediction unit corrects the predicted remaining durability of the tire based on the average temperature.
  • the prediction unit classifies the tire into one of a plurality of categories based on the predicted remaining durability of the tire.
  • the prediction unit predicts the remaining durability of the tire at the time when the tread of the tire is completely worn away, using different models depending on the mounting position of the tire.
  • a program Obtaining input data including information on the time or distance traveled until the tread of a tire is completely worn out and information on the destination and frequency of a vehicle equipped with said tire; generating data relating to speed for each of the destinations based on the input data; and predicting the remaining life of the tire at the time the tire's tread is completely worn based on the speed data.
  • a tire durability prediction method executed by a tire durability prediction device, comprising: The tire durability prediction device, Obtaining input data including information on the time or distance traveled until the tread of a tire is completely worn out and information on the destination and frequency of a vehicle equipped with said tire; generating data relating to speed for each of the destinations based on the input data; and predicting the remaining life of the tire at the time the tire's tread is completely worn based on the speed data.
  • the present disclosure provides a tire durability prediction device, program, and tire durability prediction method that can predict the remaining durability of a tire even if actual measurement data of the vehicle on which the target tire is mounted is not available.
  • FIG. 1 is a diagram illustrating an example of the configuration of a tire durability prediction system including a tire durability prediction device according to an embodiment of the present disclosure.
  • FIG. 2 is another diagram showing an example of the configuration of the tire durability prediction system of FIG.
  • FIG. 3 is a diagram illustrating a predicted durability index.
  • FIG. 4 is a diagram illustrating the difference in predicted durability index depending on conditions.
  • FIG. 5 is an example of a flowchart showing the process of a tire durability prediction method according to an embodiment of the present disclosure.
  • FIGS. 1 and 2 are diagrams showing an example of the configuration of a tire durability prediction system.
  • the tire durability prediction system includes a tire durability prediction device 10.
  • FIG. 1 is a block diagram including an example of the internal configuration of the tire durability prediction device 10.
  • FIG. 2 shows the overall configuration of the tire durability prediction system.
  • the tire durability prediction device 10 predicts the deterioration state of the tire 30 mounted on the vehicle 20.
  • the prediction of the deterioration state is, in other words, a prediction of the remaining durability (remaining durability) of the tire 30 at a certain point in time.
  • the prediction of the deterioration state of the tire 30 may be used to determine whether a specific task can be performed at a certain point in time, and in this embodiment, it is described as being used to determine whether the tire 30 can be retreaded. As described above, retreading refers to scraping the surface of the tread rubber of the tire 30 and attaching new rubber to reuse the tire.
  • the durability of the tire 30 is described as the durability of the base tire.
  • the tire durability prediction device 10 can use a durability index, as described below, to indicate the durability predicted to remain at a certain point in time, for example, as a numerical value (score) or a rank.
  • the durability index is a relative index with a new tire 30 (at the time of initial manufacture) being 100.
  • the vehicle 20 equipped with the tire 30 to be predicted may be, for example, a passenger car, truck, bus, or construction vehicle, and is not limited to a specific type of moving body.
  • the vehicle 20 is described as a truck.
  • the tire durability prediction system accumulates information on multiple vehicles 20.
  • multiple vehicles 20 are managed by one organization (e.g., a company) and are used to carry out work, loading, or unloading at a specific location (e.g., a factory).
  • the tire durability prediction device 10 includes a communication unit 11, a memory unit 12, and a control unit 13.
  • the control unit 13 includes an acquisition unit 131, a generation unit 132, a prediction unit 133, and an output unit 134.
  • the tire durability prediction device 10 may be, for example, a computer as a hardware configuration.
  • the computer may be a server computer or a portable computer such as a laptop or tablet. Details of the components of the tire durability prediction device 10 will be described later.
  • the tire durability prediction device 10 may be a computer at a location where the tire 30 is retreaded.
  • the tire durability prediction device 10 may not be a single device, but may be composed of multiple devices that are located at multiple locations and can send and receive data to each other via a network 40.
  • the tire durability prediction device 10 may function as the tire durability prediction device 10 shown in FIG. 1 as a whole. Therefore, for example, the tire durability prediction device 10 may be composed of a single computer as a hardware configuration, or may be composed of multiple computers connected by a network 40. When multiple computers are used, the storage unit 12 may be a shared memory that can be accessed by each computer.
  • the tire durability prediction device 10 may constitute a tire durability prediction system together with devices connected via a network 40.
  • the network 40 may be, for example, the Internet.
  • the network 40 may also be configured to include, for example, a LAN (Local Area Network) in part.
  • the tire durability prediction system may further include a terminal device 50 used by an operator who performs retreading, etc.
  • the terminal device 50 is, for example, a general-purpose mobile terminal such as a smartphone or a tablet terminal, but is not limited to these.
  • the terminal device 50 may function as a display unit that displays the durability prediction results or the judgment results such as whether or not retreading is possible, output by the output unit 134 described later.
  • the tire durability prediction system may also be configured to include a storage device 90 (storage device 90 on the cloud) on the network 40 as viewed from the tire durability prediction device 10.
  • the storage device 90 includes a database that stores information about the vehicle 20 or information about the state of the tire 30.
  • the information about the vehicle 20 or the information about the state of the tire 30 may be input using the terminal device 50 by a worker at a place where the tire 30 is retreaded and the vehicle 20 is inspected and repaired (hereinafter simply referred to as the "repair place").
  • a worker at the repair place may obtain information about the vehicle 20 or information about the state of the tire 30, input it using the terminal device 50, and the input information may be stored in the database.
  • the input information about the state of the tire 30 is actual data of the tire 30 that has actually been used, and may include information about the life until the tire becomes a waste tire and time-series data of the actual measured value of the wear of the tread that can be used for generating a model described later.
  • the worker at the repair place may input information obtained by hearing using the terminal device 50 and store it in the storage device 90.
  • the information obtained by hearing is, for example, information heard from the manager of the vehicle 20, and may include information about the destination and frequency of the vehicle 20 described later.
  • the information obtained by hearing may include information about the vehicle 20, such as the maximum load capacity and the weight of the vehicle body.
  • the tire durability prediction device 10 may obtain information from a database, map information, temperature information, and the like via the network 40.
  • the communication unit 11 includes one or more communication modules that connect to the network 40.
  • the communication unit 11 may include a communication module that supports mobile communication standards such as 4G (4th Generation) and 5G (5th Generation).
  • the communication unit 11 may include a communication module that supports wired or wireless LAN standards.
  • the storage unit 12 is one or more memories.
  • the memory may be, for example, a semiconductor memory, a magnetic memory, or an optical memory, but is not limited to these and may be any type of memory.
  • the storage unit 12 is, for example, built into the tire durability prediction device 10, but may also be configured to be accessed from outside by the tire durability prediction device 10 via any interface.
  • the storage unit 12 stores various data used in the various calculations performed by the control unit 13.
  • the storage unit 12 may also store the results and intermediate data of the various calculations performed by the control unit 13.
  • the memory unit 12 may temporarily store various information from the database of the storage device 90 on the cloud that is acquired via the communication unit 11.
  • the control unit 13 is one or more processors.
  • the processor may be, for example, a general-purpose processor or a dedicated processor specialized for a particular process, but is not limited to these and may be any processor.
  • the control unit 13 controls the overall operation of the tire durability prediction device 10.
  • the acquisition unit 131 can obtain a value of "100,000 km" as the distance traveled until the tread of the tire 30 is completely worn out based on the performance data.
  • the average driving speed of the same type of vehicle 20 in the performance data can be used to convert the distance traveled and the time into each other, so the time until the tread of the tire 30 is completely worn out may be acquired.
  • the information on the destination and frequency of the vehicle 20 equipped with the tire 30 is data for knowing how the vehicle 20 is used.
  • multiple vehicles 20 are managed by one organization (e.g., a company) and move to a specific location (e.g., a factory).
  • a specific location e.g., a factory
  • information may be obtained that the destination is Factory A and the frequency is 100%.
  • information may be obtained that the destination is Factory A or Factory B, and 75% of the vehicles 20 go to Factory A and the remaining 25% of the vehicles 20 go to Factory B.
  • Such information may be obtained, for example, by hearing from the manager of the vehicle 20 (as oral information).
  • the input data acquired by the acquisition unit 131 may include map information.
  • the input data acquired by the acquisition unit 131 may include temperature information.
  • the map information and temperature information may be obtained from an information providing device via the network 40.
  • the information providing device is, for example, a computer that provides a service of providing information.
  • the input data acquired by the acquisition unit 131 may include at least one of the following information: the type of cargo, the vehicle model, and the axle load of the vehicle 20.
  • the information on the type of cargo, the vehicle model, and the axle load may be obtained, for example, by a worker at the repair site from the manager of the vehicle 20 and stored in the storage device 90 using the terminal device 50.
  • the type of cargo may be, for example, beverages, food, building materials, etc.
  • the vehicle model may be, for example, a four-wheeled or six-wheeled truck.
  • the axle load information may be, for example, one ton per axle. Instead of the axle load, information on the loading rate may be obtained.
  • the generating unit 132 generates data on the speed of the vehicle 20 for each destination based on the input data.
  • the data on the speed is, for example, an average speed, but is not limited to this.
  • the generating unit 132 identifies a route from the starting point of the vehicle 20 (for example, a company parking lot) to the destination (for example, Factory A or Factory B) using, for example, map information.
  • the generating unit 132 may calculate the average speed based on the legal speed on the route for each destination. For example, if the route to Factory A includes a highway, the average speed will be faster than the route to Factory B, which includes only general roads. In this way, the generating unit 132 generates data on the speed of the vehicle 20 for each destination.
  • the speed of each destination may be obtained as oral information by hearing.
  • the generating unit 132 may use the speed of each destination obtained as input data as it is as the data on the speed of each destination.
  • the generating unit 132 may generate data on the load for each vehicle 20 or each destination.
  • the data on the load is, for example, an average load, but is not limited to this.
  • the average load may be indicated by the weight for one tire 30, or may be indicated as a ratio to the load (standard load) assumed in the model used for prediction in the predicting unit 133.
  • the generating unit 132 may generate data on the load based on at least one of the information on the type of cargo, the vehicle type, and the axle load. At this time, it becomes possible to consider the load based on verbal information, not on actual measurement.
  • the average load may be calculated by dividing the axle load by the number of tires 30 per axle using the information on the axle load and the vehicle type.
  • the type of cargo is, for example, beverages
  • transportation is generally performed at the maximum load, so the average load may be calculated based on the information on the maximum load and the vehicle type.
  • the generating unit 132 may calculate an average temperature according to the travel period or travel area of the vehicle 20.
  • the generating unit 132 may calculate the average temperature by averaging the temperatures in the area including the route from the departure point of the vehicle 20 to the destination based on the temperature information. Furthermore, if the travel period of the vehicle 20 is limited (for example, only in summer), only the temperature information corresponding to the travel period may be used in calculating the average temperature.
  • the prediction unit 133 predicts the remaining durability of the tire 30 at the time when the tread of the tire 30 is completely worn down, based on the data regarding the speed.
  • the input data acquired by the acquisition unit 131 does not include actual measurement data of the vehicle 20.
  • the data regarding the speed is generated by the generation unit 132 based on the input data. Therefore, the tire durability prediction device 10 can predict the remaining durability of the tire 30 even if actual measurement data of the vehicle 20 on which the target tire 30 is mounted is not available.
  • FIG. 3 is a diagram illustrating an example of a durability index predicted by the prediction unit 133.
  • the prediction unit 133 uses the durability index as the durability of the tire 30.
  • a characteristic curve C1 is shown as a prediction of the durability index (vertical axis) of the base tire against the mileage (horizontal axis).
  • the durability index of the tire 30 decreases with an increase in the mileage of the vehicle 20, that is, with the passage of time, as shown by the characteristic curve C1 in FIG. 3.
  • the characteristic curve C1 is obtained by setting conditions that affect the durability index in a model that shows the change in the durability index of the tire 30.
  • the conditions that affect the durability index include at least the speed of the vehicle 20, and correspond to the data on the speed (average speed) generated by the generation unit 132 in this embodiment.
  • the durability index indicated by the characteristic curve C1 decreases significantly.
  • the characteristic curve C1 may be calculated using a model generated by a known method.
  • the model may be generated by machine learning using performance data stored in a database as learning data, or it may be a theoretical formula (mathematical model) whose coefficients are determined using performance data.
  • the mileage D1 corresponds to the mileage until the tread of the tire 30 is completely worn out (e.g., 100,000 km).
  • D2 corresponds to the mileage until the tread is completely worn out after the first retreading of the tire 30 (e.g., 200,000 km).
  • D3 corresponds to the mileage until the tread is completely worn out after the second retreading of the tire 30 (e.g., 300,000 km).
  • the remaining durability of the tire 30 (value of the durability index of the base tire) predicted at the points D1, D2, D3, etc. is used in the determination described below. In other words, the determination described below is efficiently performed in units of the mileage or time until the tread of the tire 30 is completely worn out (e.g., in units of 100,000 km).
  • the prediction unit 133 may calculate a characteristic curve C1 corresponding to the average temperature. In this embodiment, the prediction unit 133 corrects the predicted remaining durability of the tire 30 based on the average air temperature. For example, when the average air temperature is significantly higher than the air temperature assumed in the model, the prediction unit 133 may weight the characteristic curve C1 so as to increase the slope (see characteristic curve C2 in Figure 4). At this time, taking the air temperature into account, the remaining durability of the tire 30 can be predicted more accurately.
  • the prediction unit 133 may determine whether or not retreading is possible or the number of times retreading is possible based on the predicted remaining durability of the tire 30.
  • the prediction unit 133 may determine whether or not retreading is possible or the number of times retreading is possible using a predetermined lower limit of the durability index at which retreading is possible. At this time, it is possible to directly indicate whether or not retreading is possible, which is information that the worker performing the retreading wants to know.
  • the lower limit of the durability index may be 20. In the example of FIG. 3, it is predicted that the durability index will fall below 20 at the time D3 when the second retreading is performed and the tread is completely worn out.
  • the prediction unit 133 determines that a third retreading is not possible. In other words, the prediction unit 133 determines that the number of times retreading is possible is two.
  • the variation of the prediction may be taken into consideration.
  • the upper limit characteristic curve C1U and the lower limit characteristic curve C1L according to the set probability may be calculated using a standard deviation or the like.
  • a further condition may be added, such as that the durability index of the lower limit characteristic curve C1L does not fall below 0. For example, in the example of FIG.
  • the prediction unit 133 determines that two retreads are possible. However, if the durability index of the lower limit characteristic curve C1L falls below 0 at time D3, the prediction unit 133 determines that a second retread is not possible and that the number of possible retreads is one.
  • the prediction unit 133 may classify the tire 30 into one of a number of categories based on the predicted remaining durability of the tire 30.
  • the categories may be, for example, rank A if the remaining durability is 80 or more, rank B if it is 50 or more but less than 80, rank C if it is 20 or more but less than 50, and rank D if it is less than 20.
  • rank A indicates that there is almost no damage to the base tire. Therefore, with information such as "rank A at time D1", a worker at the repair site can understand that the tire 30 is predicted to be in good condition at time D1, even without obtaining a specific remaining durability value.
  • the prediction unit 133 may use different models depending on the mounting position of the tire 30 to predict the remaining durability of the tire 30 at the time when the tread of the tire 30 is completely worn. At this time, the mounting position of the tire 30 can be taken into consideration to more accurately predict the remaining durability of the tire 30.
  • FIG. 4 illustrates a characteristic curve C3 based on a different model.
  • the load on the tire 30 is different for the front wheels, the inner rear wheels, and the outer rear wheels.
  • the rear wheels have a double tire configuration, and the outer side refers to the side of the vehicle 20.
  • the characteristic curve C3 calculated using a model corresponding to the tire 30 mounted on the outer rear wheel has a more gradual decrease in durability index than the characteristic curve C1 corresponding to the front wheel.
  • the output unit 134 may output the prediction result or judgment result of the prediction unit 133 (e.g., whether or not retreading is possible) to a terminal device 50 or the like used by the worker who performs the retreading.
  • the prediction result may be, for example, a change (graph) in the durability index as shown in FIG. 3 or FIG. 4.
  • the worker may create a retreading work plan or the like based on the displayed prediction result or judgment result.
  • the worker may also estimate the life of the tire 30 and create a procurement plan to secure the required number of tires 30.
  • the worker may also plan a rotation to change the mounting position of the tire 30.
  • the worker may also create a plan to have a tire 30 used by one business operator used by another business operator in order to make effective use of tires 30 that have sufficient durability.
  • FIG. 5 is an example of a flowchart showing the processing of the tire durability prediction method executed by the tire durability prediction device 10.
  • the program stored in the memory unit 12 may be read by the processor of the control unit 13, and the processor functioning as the acquisition unit 131, the generation unit 132, the prediction unit 133, and the output unit 134 may execute each process of FIG. 5.
  • the acquisition unit 131 acquires input data including at least information on the time or distance traveled until the tread of the tire 30 is completely worn down, and information on the destination and frequency of the vehicle 20 on which the tire 30 is mounted (step S1).
  • the generation unit 132 generates data regarding speed for each destination based on the input data (step S2).
  • the prediction unit 133 predicts the remaining durability of the tire 30 at the time when the tread of the tire 30 is completely worn down based on the data regarding the speed (step S3).
  • the output unit 134 outputs the prediction result of the prediction unit 133 to a terminal device 50 or the like used by the worker who will perform the retreading (step S4).
  • the output unit 134 may output the judgment result of the prediction unit 133 (e.g., whether or not retreading is possible).
  • the tire durability prediction device 10, program, and tire durability prediction method according to this embodiment can predict the remaining durability of a tire 30 even if actual measurement data of the vehicle 20 on which the target tire 30 is mounted is not available due to the above configuration.
  • actual measurement data of individual vehicles 20 is not required, it is possible to predict the remaining durability of tires 30 collectively for multiple vehicles 20 managed by a single company, for example.

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Tires In General (AREA)
  • Traffic Control Systems (AREA)

Abstract

タイヤ耐久予測装置（１０）は、タイヤのトレッドが完全に摩耗するまでの時間又は走行距離の情報と、タイヤが装着された車両の行先及び頻度の情報と、を含む入力データを取得する取得部（１３１）と、入力データに基づいて、行先毎の速度に関するデータを生成する生成部（１３２）と、速度に関するデータに基づいて、タイヤのトレッドが完全に摩耗する時点におけるタイヤの残存耐久を予測する予測部（１３３）と、を備える。

Description

タイヤ耐久予測装置、プログラム及びタイヤ耐久予測方法
　本開示は、タイヤ耐久予測装置、プログラム及びタイヤ耐久予測方法に関する。
　従来、走行中の車両で検出されるデータを取得して、タイヤの劣化に関する推定を行うシステムが知られている。例えば特許文献１は、車両に装着されたタイヤの劣化傾向及び劣化状態を装着位置毎に予測する劣化状態予測手段を含むタイヤ管理装置を開示する。
特開２０１７－２１８０９７号公報
　ここで、特許文献１のタイヤ管理装置は各タイヤの使用期間の平均化のためにタイヤを適切に管理するが、より少ないデータを用いる簡易な計算によってタイヤの残存耐久を十分な精度で予測したいとの要求がある。例えばタイヤのトレッドが完全に摩耗した時点での台タイヤの劣化状態を推定して、リトレッドの可否を判定して、タイヤの寿命などを見積もることがある。ここで、リトレッドは、タイヤのトレッドゴムの表面を削って、新しいゴムを貼り付けて再利用（リユース）することである。台タイヤは、リトレッドにおいて交換されるトレッド部を除いた、タイヤの部分（再利用される部分）である。また、このような見積もりを行う場合に、対象のタイヤを装着する車両の実測データが得られていないことも多い。
　かかる事情に鑑みてなされた本開示の目的は、対象のタイヤを装着する車両の実測データが得られていなくてもタイヤの残存耐久を予測可能なタイヤ耐久予測装置、プログラム及びタイヤ耐久予測方法を提供することにある。
　（１）本開示の一実施形態に係るタイヤ耐久予測装置は、
　タイヤのトレッドが完全に摩耗するまでの時間又は走行距離の情報と、前記タイヤが装着された車両の行先及び頻度の情報と、を含む入力データを取得する取得部と、
　前記入力データに基づいて、前記行先毎の速度に関するデータを生成する生成部と、
　前記速度に関するデータに基づいて、前記タイヤのトレッドが完全に摩耗する時点における前記タイヤの残存耐久を予測する予測部と、を備える。
　（２）本開示の一実施形態として、（１）において、
　前記生成部は、前記車両毎又は前記行先毎の荷重に関するデータを生成し、
　前記予測部は、前記速度に関するデータ及び前記荷重に関するデータに基づいて、前記タイヤのトレッドが完全に摩耗する時点における前記タイヤの残存耐久を予測する。
　（３）本開示の一実施形態として、（２）において、
　前記入力データは、積荷の種類、車型及び軸重の少なくとも１つの情報を含み、
　前記生成部は、前記積荷の種類、前記車型及び前記軸重の少なくとも１つの情報に基づいて、前記荷重に関するデータを生成する。
　（４）本開示の一実施形態として、（１）から（３）のいずれかにおいて、
　前記入力データは、気温情報を含み、
　前記生成部は、前記車両の走行時期又は走行地域に応じた平均気温を算出し、
　前記予測部は、前記平均気温に基づいて、予測した前記タイヤの残存耐久を補正する。
　（５）本開示の一実施形態として、（１）から（４）のいずれかにおいて、
　前記予測部は、予測した前記タイヤの残存耐久に基づいて、リトレッドの可否又はリトレッドの可能回数を判定する。
　（６）本開示の一実施形態として、（１）から（５）のいずれかにおいて、
　前記予測部は、予測した前記タイヤの残存耐久に基づいて、前記タイヤを複数の区分のいずれかに分類する。
　（７）本開示の一実施形態として、（１）から（６）のいずれかにおいて、
　前記予測部は、前記タイヤの装着位置に応じて異なるモデルを用いて、前記タイヤのトレッドが完全に摩耗する時点における前記タイヤの残存耐久を予測する。
　（８）本開示の一実施形態に係るプログラムは、
　タイヤ耐久予測装置に、
　タイヤのトレッドが完全に摩耗するまでの時間又は走行距離の情報と、前記タイヤが装着された車両の行先及び頻度の情報と、を含む入力データを取得することと、
　前記入力データに基づいて、前記行先毎の速度に関するデータを生成することと、
　前記速度に関するデータに基づいて、前記タイヤのトレッドが完全に摩耗する時点における前記タイヤの残存耐久を予測することと、を実行させる。
　（９）本開示の一実施形態に係るタイヤ耐久予測方法は、
　タイヤ耐久予測装置が実行するタイヤ耐久予測方法であって、
　前記タイヤ耐久予測装置が、
　タイヤのトレッドが完全に摩耗するまでの時間又は走行距離の情報と、前記タイヤが装着された車両の行先及び頻度の情報と、を含む入力データを取得することと、
　前記入力データに基づいて、前記行先毎の速度に関するデータを生成することと、
　前記速度に関するデータに基づいて、前記タイヤのトレッドが完全に摩耗する時点における前記タイヤの残存耐久を予測することと、を含む。
　本開示によれば、対象のタイヤを装着する車両の実測データが得られていなくてもタイヤの残存耐久を予測可能なタイヤ耐久予測装置、プログラム及びタイヤ耐久予測方法を提供することができる。
図１は、本開示の一実施形態に係るタイヤ耐久予測装置を含むタイヤ耐久予測システムの構成例を示す図である。 図２は、図１のタイヤ耐久予測システムの構成例を示す別の図である。 図３は、予測される耐久指標を例示する図である。 図４は、予測される耐久指標の条件による違いを例示する図である。 図５は、本開示の一実施形態に係るタイヤ耐久予測方法の処理を示すフローチャートの例である。
　以下、図面を参照して本開示の一実施形態に係るタイヤ耐久予測装置１０（図１参照）、プログラム及びタイヤ耐久予測方法が説明される。各図中、同一又は相当する部分には、同一符号が付されている。本実施形態の説明において、同一又は相当する部分については、説明を適宜省略又は簡略化する。
　図１及び図２は、タイヤ耐久予測システムの構成例を示す図である。タイヤ耐久予測システムは、タイヤ耐久予測装置１０を含む。図１はタイヤ耐久予測装置１０の内部構成例を含むブロック図である。図２はタイヤ耐久予測システムの全体構成を示す。
　本実施形態に係るタイヤ耐久予測装置１０は車両２０に装着されるタイヤ３０の劣化状態を予測する。劣化状態の予測は、換言するとタイヤ３０のある時点で残存している耐久度（残存耐久）の予測である。タイヤ３０の劣化状態の予測は、ある時点で特定の作業などが実行可能かを判定するために使用されてよく、本実施形態においてタイヤ３０のリトレッドの可否の判定に用いられるとして説明する。上記のように、リトレッドは、タイヤ３０のトレッドゴムの表面を削って、新しいゴムを貼り付けて再利用することである。例えば台タイヤの損傷、化学的な劣化及び機械的な劣化がそれぞれ十分に小さい場合に、十分な耐久度が残っているとして、リトレッドが可能であると判定され得る。本実施形態においてタイヤ３０の耐久度は、台タイヤの耐久度であるとして説明する。
　タイヤ耐久予測装置１０は後述するように耐久指標を用いて、ある時点で残存していると予測される耐久度を例えば数値（スコア）又はランクで示すことが可能である。耐久指標は新品（最初の製造時）のタイヤ３０を１００とする相対的な指標である。ここで、予測の対象であるタイヤ３０を装着する車両２０は例えば乗用自動車、トラック、バス又は建設車両などであってよく、特定種類の移動体に限定されない。本実施形態において、車両２０はトラックであるとして説明される。また、図２において重複して図示することを回避するため、車両２０が１台だけ示されているが、タイヤ耐久予測システムは複数の車両２０の情報が蓄積される。本実施形態において、複数の車両２０は、１つの組織（例えば会社）によって管理されて特定の場所（例えば工場）での作業、搬入又は搬出を行うために用いられる。
　タイヤ耐久予測装置１０は、通信部１１と、記憶部１２と、制御部１３と、を備える。制御部１３は、取得部１３１と、生成部１３２と、予測部１３３と、出力部１３４と、を備える。タイヤ耐久予測装置１０は、ハードウェア構成として、例えばコンピュータであってよい。コンピュータは、サーバコンピュータであってよいし、ラップトップ又はタブレットのように可搬のコンピュータであってよい。タイヤ耐久予測装置１０の構成要素の詳細については後述する。例えばタイヤ耐久予測装置１０はタイヤ３０のリトレッドを行う場所のコンピュータであってよい。ここで、タイヤ耐久予測装置１０は１つの装置でなく、複数の場所に配置されて互いにネットワーク４０でデータの送受信が可能な複数の装置で構成されてよい。つまり、ネットワーク４０で接続される複数の装置が、全体として図１に示されるタイヤ耐久予測装置１０として機能してよい。したがって、例えばタイヤ耐久予測装置１０は、ハードウェア構成として、１つのコンピュータで構成されてよいし、ネットワーク４０で接続された複数のコンピュータで構成されてよい。複数のコンピュータで構成される場合に、記憶部１２はそれぞれのコンピュータがアクセス可能な共有メモリなどであってよい。
　タイヤ耐久予測装置１０は、ネットワーク４０で接続される装置とともに、タイヤ耐久予測システムを構成してよい。ネットワーク４０は例えばインターネットである。また、ネットワーク４０は、例えば一部においてＬＡＮ（Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）を含んで構成されてよい。ここで、タイヤ耐久予測システムは、さらにリトレッドなどを行う作業者が用いる端末装置５０を含んで構成されてよい。端末装置５０は、例えばスマートフォン又はタブレット端末などの汎用の移動端末であるが、これらに限定されない。端末装置５０は、後述する出力部１３４によって出力される耐久度の予測結果又はリトレッド可否などの判定結果を表示する表示部として機能してよい。また、タイヤ耐久予測システムは、タイヤ耐久予測装置１０から見てネットワーク４０上にある記憶装置９０（クラウド上の記憶装置９０）を含んで構成されてよい。本実施形態において、記憶装置９０は、車両２０に関する情報又はタイヤ３０の状態に関する情報を記憶するデータベースを含む。車両２０に関する情報又はタイヤ３０の状態に関する情報は、タイヤ３０のリトレッド並びに車両２０の点検及び修理を行う場所（以下、単に「修理場所」という）の作業者によって端末装置５０を用いて入力されてよい。例えば定期点検のために車両２０が修理場所に来た場合に、修理場所の作業者が車両２０に関する情報又はタイヤ３０の状態に関する情報を取得して、端末装置５０を用いて入力し、入力された情報がデータベースに蓄積されてよい。入力されるタイヤ３０の状態に関する情報は、実際に使用されたタイヤ３０の実績データであって、廃タイヤになるまでの寿命に関する情報及び後述するモデルの生成に使用可能なトレッドの摩耗の実測値の時系列データなどを含んでよい。また、修理場所の作業者は、端末装置５０を用いて、ヒアリングによって得られた情報を入力して記憶装置９０に記憶させてよい。ヒアリングによって得られた情報は、例えば車両２０の管理者から聞いた情報であって、後述する車両２０の行先及び頻度の情報などを含んでよい。また、ヒアリングによって得られた情報は、最大積載量及び車体の重量などの車両２０に関する情報を含んでよい。また、タイヤ耐久予測装置１０は、データベースからの情報、地図情報、気温情報などをネットワーク４０経由で取得してよい。
　以下、タイヤ耐久予測装置１０の構成要素の詳細が説明される。通信部１１は、ネットワーク４０に接続する１つ以上の通信モジュールを含んで構成される。通信部１１は、例えば４Ｇ（４ｔｈ　Ｇｅｎｅｒａｔｉｏｎ）、５Ｇ（５ｔｈ　Ｇｅｎｅｒａｔｉｏｎ）などの移動体通信規格に対応する通信モジュールを含んでよい。通信部１１は、例えば有線又は無線のＬＡＮ規格に対応する通信モジュールを含んでよい。
　記憶部１２は、１つ以上のメモリである。メモリは、例えば半導体メモリ、磁気メモリ、又は光メモリ等であるが、これらに限られず任意のメモリとすることができる。記憶部１２は、例えばタイヤ耐久予測装置１０に内蔵されるが、任意のインターフェースを介してタイヤ耐久予測装置１０によって外部からアクセスされる構成も可能である。
　記憶部１２は、制御部１３が実行する各種の算出において使用される各種のデータを記憶する。また、記憶部１２は、制御部１３が実行する各種の算出の結果及び中間データを記憶してよい。
　本実施形態において、記憶部１２は、通信部１１を介して取得されたクラウド上の記憶装置９０のデータベースからの各種情報を一時的に記憶してよい。
　制御部１３は、１つ以上のプロセッサである。プロセッサは、例えば汎用のプロセッサ、又は特定の処理に特化した専用プロセッサであるが、これらに限られず任意のプロセッサとすることができる。制御部１３は、タイヤ耐久予測装置１０の全体の動作を制御する。
　ここで、タイヤ耐久予測装置１０は、以下のようなソフトウェア構成を有してよい。タイヤ耐久予測装置１０の動作の制御に用いられる１つ以上のプログラムが記憶部１２に記憶される。記憶部１２に記憶されたプログラムは、制御部１３のプロセッサによって読み込まれると、制御部１３を取得部１３１、生成部１３２、予測部１３３及び出力部１３４として機能させる。
　取得部１３１は、タイヤ３０のトレッドが完全に摩耗するまでの時間又は走行距離の情報と、タイヤ３０が装着された車両２０の行先及び頻度の情報と、を含む入力データを取得する。ここで、完全に摩耗するとは車両２０の走行に適さない状態まで摩耗することを意味する。完全に摩耗したタイヤ３０は、台タイヤがリトレッド可能な耐久度を有する場合にリトレッドされて継続使用されるが、台タイヤがリトレッドできない場合に廃タイヤとなる。タイヤ３０のトレッドが完全に摩耗するまでの時間又は走行距離の情報は、データベースに蓄積された実績データから取得される。つまり、予測対象のタイヤ３０を装着した車両２０と同種の車両２０（例えば同じ会社のトラック）の過去の点検データなどに基づいて得ることができる。例えば取得部１３１は、実績データに基づいて、タイヤ３０のトレッドが完全に摩耗するまでの走行距離として「１０万ｋｍ」という値を得ることができる。ここで、実績データにおける同種の車両２０の平均走行速度を用いて、走行距離と時間とは互いに換算できるため、タイヤ３０のトレッドが完全に摩耗するまでの時間が取得されてよい。また、タイヤ３０が装着された車両２０の行先及び頻度の情報は、車両２０の使われ方を知るためのデータである。上記のように、本実施形態において、複数の車両２０は、１つの組織（例えば会社）によって管理されて特定の場所（例えば工場）に移動する。例えば１台の車両２０について、行先がＡ工場であって、頻度が１００％といった情報が得られてよい。また、複数の車両２０について、行先がＡ工場又はＢ工場であって、頻度として７５％の車両２０がＡ工場に、残りの２５％の車両２０がＢ工場に行くといった情報が得られてよい。このような情報は、例えば車両２０の管理者からのヒアリングで（口頭情報として）得られる。
　取得部１３１が取得する入力データは地図情報を含んでよい。また、取得部１３１が取得する入力データは気温情報を含んでよい。地図情報及び気温情報は、ネットワーク４０経由で情報提供装置から得られてよい。情報提供装置は、例えば情報を提供するサービスを行うコンピュータである。また、取得部１３１が取得する入力データは車両２０の積荷の種類、車型及び軸重の少なくとも１つの情報を含んでよい。積荷の種類、車型及び軸重の情報は、例えば修理場所の作業者が車両２０の管理者から聞いて、端末装置５０を用いて記憶装置９０に記憶させたものであってよい。積荷の種類は、例えば飲料、食品、建材などである。車型は、例えば４輪又は６輪のトラックなどである。軸重の情報は、１軸当たり１トンなどである。軸重に代えて、積載率の情報が得られてよい。
　生成部１３２は、入力データに基づいて、車両２０の行先毎の速度に関するデータを生成する。速度に関するデータは例えば平均速度であるが、これに限定されない。生成部１３２は、例えば地図情報を用いて、車両２０の出発地点（例えば会社の駐車場）から行先（例えばＡ工場又はＢ工場）までの経路を特定する。生成部１３２は、行先毎の経路における法定速度に基づいて平均速度を算出してよい。例えばＡ工場までの経路に高速道路が含まれる場合に、一般道のみのＢ工場までの経路に比べて、平均速度は速くなる。このように生成部１３２は、車両２０の行先毎の速度に関するデータを生成する。ここで、行先毎の速度が、ヒアリングによって口頭情報として得られることがある。この場合に、生成部１３２は、入力データとして得られる行先毎の速度を、そのまま行先毎の速度に関するデータとして用いてよい。
　生成部１３２は、車両２０毎又は行先毎の荷重に関するデータを生成してよい。荷重に関するデータは例えば平均荷重であるが、これに限定されない。また、平均荷重は１つのタイヤ３０に対する重量などで示されてよいが、予測部１３３における予測で用いられるモデルで想定している荷重（標準荷重）に対する比で示されてよい。ここで、生成部１３２は積荷の種類、車型及び軸重の少なくとも１つの情報に基づいて、荷重に関するデータを生成してよい。このとき、実測によらず、口頭情報に基づいて荷重を考慮することが可能になる。例えば軸重と車型の情報を用いて、１つの車軸当たりのタイヤ３０の本数で軸重を割ることによって平均荷重が算出されてよい。また、積荷の種類が例えば飲料である場合に、一般に最大積載量での運搬が行われるため、最大積載量と車型の情報に基づいて平均荷重が算出されてよい。
　生成部１３２は、車両２０の走行時期又は走行地域に応じた平均気温を算出してよい。生成部１３２は、気温情報に基づいて、車両２０の出発地点から行先までの経路を含む地域の気温を平均して、平均気温を算出してよい。また、車両２０の走行時期が限定されている（例えば夏季のみ）場合に、平均気温を算出において、走行時期に該当する気温情報のみが用いられてよい。
　予測部１３３は、速度に関するデータに基づいて、タイヤ３０のトレッドが完全に摩耗する時点におけるタイヤ３０の残存耐久を予測する。上記のように、取得部１３１が取得する入力データは車両２０の実測データを含まない。また、速度に関するデータは、生成部１３２によって入力データに基づいて生成される。よって、タイヤ耐久予測装置１０は、対象のタイヤ３０を装着する車両２０の実測データが得られていなくてもタイヤ３０の残存耐久を予測することができる。
　図３は、予測部１３３によって予測される耐久指標を例示する図である。本実施形態において、予測部１３３はタイヤ３０の耐久度として耐久指標を用いる。図３の例において、走行距離（横軸）に対する台タイヤの耐久指標（縦軸）の予測として特性曲線Ｃ１が示されている。タイヤ３０の耐久指標は、図３の特性曲線Ｃ１のように、車両２０の走行距離の増加、すなわち時間の経過とともに減少する。特性曲線Ｃ１は、タイヤ３０の耐久指標の変化を示すモデルに、耐久指標に影響する条件を設定することで得られる。耐久指標に影響する条件は、少なくとも車両２０の速度を含み、本実施形態において生成部１３２によって生成された速度に関するデータ（平均速度）が対応する。車両２０の平均速度が速い場合に、特性曲線Ｃ１が示す耐久指標は大きく低下する。一方、車両２０の平均速度が遅い場合に、特性曲線Ｃ１が示す耐久指標の低下は緩やかになる。ここで、特性曲線Ｃ１は公知の手法によって生成されるモデルを用いて算出されてよい。例えばモデルは、データベースに蓄積された実績データを学習データとして用いる機械学習によって生成されてよいし、実績データを用いて係数が決定される理論式（数学モデル）などであってよい。
　図３の例において、走行距離のＤ１はタイヤ３０のトレッドが完全に摩耗するまでの走行距離（例えば１０万ｋｍ）に対応する。また、Ｄ２はタイヤ３０に１回目のリトレッドが行われて、そのトレッドが完全に摩耗するまでの走行距離（例えば２０万ｋｍ）に対応する。また、Ｄ３はタイヤ３０に２回目のリトレッドが行われて、そのトレッドが完全に摩耗するまでの走行距離（例えば３０万ｋｍ）に対応する。Ｄ１、Ｄ２、Ｄ３などの時点で予測されるタイヤ３０の残存耐久（台タイヤの耐久指標の値）が後述する判定で用いられる。つまり、タイヤ３０のトレッドが完全に摩耗するまでの走行距離又は時間を単位として（例えば１０万ｋｍ単位で）、効率的に後述の判定が行われる。
　ここで、耐久指標に影響する他の条件として、荷重を挙げることができる。予測部１３３は、生成部１３２によって荷重に関するデータ（平均荷重）が生成された場合に、平均荷重に応じた特性曲線Ｃ１を算出してよい。つまり、予測部１３３は、速度に関するデータ及び荷重に関するデータに基づいて、タイヤ３０のトレッドが完全に摩耗する時点におけるタイヤ３０の残存耐久を予測してよい。このとき、荷重を考慮して、より正確にタイヤ３０の残存耐久を予測することができる。平均荷重が重い場合に、特性曲線Ｃ１が示す耐久指標は大きく低下する。一方、平均荷重が軽い場合に、特性曲線Ｃ１が示す耐久指標の低下は緩やかになる。
　また、耐久指標に影響する他の条件として、温度を挙げることができる。予測部１３３は、生成部１３２によって上記の平均温度が生成された場合に、平均温度に応じた特性曲線Ｃ１を算出してよい。本実施形態において、予測部１３３は、平均気温に基づいて、予測したタイヤ３０の残存耐久を補正する。予測部１３３は、例えば平均気温がモデルで想定されている気温に比べて著しく高い場合に、特性曲線Ｃ１の傾きを大きくするように重みづけを行ってよい（図４の特性曲線Ｃ２参照）。このとき、気温を考慮して、より正確にタイヤ３０の残存耐久を予測することができる。
　予測部１３３は、予測したタイヤ３０の残存耐久に基づいて、リトレッドの可否又はリトレッドの可能回数を判定してよい。予測部１３３は、予め定められたリトレッドが可能な耐久指標の下限を用いて、リトレッドの可否又はリトレッドの可能回数を判定してよい。このとき、リトレッドを行う作業者が知りたい情報であるリトレッドの可否などを直接的に示すことができる。例えば耐久指標の下限は２０であってよい。図３の例において、２回目のリトレッドが行われて、そのトレッドが完全に摩耗するＤ３の時点で耐久指標が２０を下回ると予測されている。したがって、予測部１３３は３回目のリトレッドが不可であると判定する。換言すると、予測部１３３はリトレッドの可能回数が２回であると判定する。ここで、より慎重な判定のために、予測（特性曲線Ｃ１）のばらつきが考慮されてよい。例えば標準偏差などを用いて、設定した確率に応じた上限特性曲線Ｃ１Ｕ及び下限特性曲線Ｃ１Ｌが算出されてよい。この場合に、リトレッドの可否の判定において、さらに下限特性曲線Ｃ１Ｌの耐久指標が０を下回らないといった判定条件が加えられてよい。例えば図３の例においてＤ３の時点で下限特性曲線Ｃ１Ｌの耐久指標が０以上であるため、予測部１３３は２回のリトレッドが可能と判定する。ただし、Ｄ３の時点で下限特性曲線Ｃ１Ｌの耐久指標が０を下回っていれば、予測部１３３は２回目のリトレッドが不可能で、リトレッドの可能回数が１回であると判定する。
　ここで、予測部１３３は、予測したタイヤ３０の残存耐久に基づいて、タイヤ３０を複数の区分のいずれかに分類してよい。複数の区分は、例えば残存耐久が８０以上であればランクＡ、５０以上で８０未満であればランクＢ、２０以上で５０未満であればランクＣ、２０未満であればランクＤなどであってよい。このとき、例えばリトレッドを行う作業者などに、タイヤ３０の残存耐久をわかりやすく示すことができる。例えばランクＡは、台タイヤの損傷などがほとんどないことを示す。そのため、「Ｄ１の時点でランクＡ」などの情報によって、修理場所の作業者は具体的な残存耐久の値を得なくても、Ｄ１の時点でのタイヤ３０が良好な状態と予測されたことを理解する。
　ここで、予測部１３３は、タイヤ３０の装着位置に応じて異なるモデルを用いて、タイヤ３０のトレッドが完全に摩耗する時点におけるタイヤ３０の残存耐久を予測してよい。このとき、タイヤ３０の装着位置を考慮して、より正確にタイヤ３０の残存耐久を予測することができる。例えば図４は、異なるモデルに基づく特性曲線Ｃ３を例示する。一般にタイヤ３０への負荷は、前輪、後輪内側及び後輪外側で異なる。ここで、後輪はダブルタイヤ構成であって、外側が車両２０の側面の側を指す。例えば後輪外側に装着される場合に、タイヤ３０への負荷は前輪、後輪内側に比べて小さくなる。そのため、後輪外側に装着されるタイヤ３０に対応するモデルを用いて算出された特性曲線Ｃ３は、前輪に対応する特性曲線Ｃ１に比べて、耐久指標の低下が緩やかである。
　出力部１３４は、予測部１３３の予測結果又は判定結果（例えばリトレッドの可否）を、リトレッドを行う作業者が用いる端末装置５０などに出力してよい。予測結果は、例えば図３又は図４に示されるような耐久指標の変化（グラフ）であってよい。作業者は、表示された予測結果又は判定結果に基づいて、リトレッド作業の計画などを作成してよい。また、作業者は、タイヤ３０の寿命などを見積もって、必要な数のタイヤ３０を確保するために調達の計画などを作成してよい。また、作業者は、タイヤ３０の装着位置を変更するローテーションなどを計画してよい。また、作業者は、十分な耐久度を有するタイヤ３０を有効に利用するために、ある事業者が使用していたタイヤ３０を別の事業者に使用させるなどの計画を作成してよい。
　図５は、タイヤ耐久予測装置１０が実行するタイヤ耐久予測方法の処理を示すフローチャートの例である。ここで、記憶部１２に記憶されたプログラムが、制御部１３のプロセッサによって読み込まれて、取得部１３１、生成部１３２、予測部１３３及び出力部１３４として機能するプロセッサが図５の各処理を実行してよい。
　取得部１３１は、タイヤ３０のトレッドが完全に摩耗するまでの時間又は走行距離の情報と、タイヤ３０が装着された車両２０の行先及び頻度の情報と、を少なくとも含む入力データを取得する（ステップＳ１）。
　生成部１３２は、入力データに基づいて、行先毎の速度に関するデータを生成する（ステップＳ２）。
　予測部１３３は、速度に関するデータに基づいて、タイヤ３０のトレッドが完全に摩耗する時点におけるタイヤ３０の残存耐久を予測する（ステップＳ３）。
　出力部１３４は、予測部１３３の予測結果を、リトレッドを行う作業者が用いる端末装置５０などに出力する（ステップＳ４）。出力部１３４は、予測部１３３の判定結果（例えばリトレッドの可否）を出力してよい。
　以上のように、本実施形態に係るタイヤ耐久予測装置１０、プログラム及びタイヤ耐久予測方法は、上記の構成によって、対象のタイヤ３０を装着する車両２０の実測データが得られていなくてもタイヤ３０の残存耐久を予測できる。特にリトレッドを実行する場所などにおいて、同種の車両２０の実績データ又はヒアリングによって得られた口頭情報などに基づいて、トレッドが完全に摩耗した時点での台タイヤの劣化状態を十分な精度で予測して、リトレッドの可否を判定することが可能になる。また、個別の車両２０の実測データを必要としないため、例えば１つの会社で管理する複数の車両２０についてまとめてタイヤ３０の残存耐久を予測することが可能である。
　本開示の実施形態について、諸図面及び実施例に基づき説明してきたが、当業者であれば本開示に基づき種々の変形又は修正を行うことが容易であることに注意されたい。従って、これらの変形又は修正は本開示の範囲に含まれることに留意されたい。例えば、各構成部又は各ステップなどに含まれる機能などは論理的に矛盾しないように再配置可能であり、複数の構成部又はステップなどを１つに組み合わせたり、或いは分割したりすることが可能である。本開示に係る実施形態は装置が備えるプロセッサにより実行されるプログラムを記録した記憶媒体としても実現し得るものである。本開示の範囲にはこれらも包含されるものと理解されたい。
　１０　タイヤ耐久予測装置
　１１　通信部
　１２　記憶部
　１３　制御部
　２０　車両
　３０　タイヤ
　４０　ネットワーク
　５０　端末装置
　９０　記憶装置
　１３１　取得部
　１３２　生成部
　１３３　予測部
　１３４　出力部

Claims (9)

  1. 　タイヤのトレッドが完全に摩耗するまでの時間又は走行距離の情報と、前記タイヤが装着された車両の行先及び頻度の情報と、を含む入力データを取得する取得部と、
    　前記入力データに基づいて、前記行先毎の速度に関するデータを生成する生成部と、
    　前記速度に関するデータに基づいて、前記タイヤのトレッドが完全に摩耗する時点における前記タイヤの残存耐久を予測する予測部と、を備える、タイヤ耐久予測装置。
  2. 　前記生成部は、前記車両毎又は前記行先毎の荷重に関するデータを生成し、
    　前記予測部は、前記速度に関するデータ及び前記荷重に関するデータに基づいて、前記タイヤのトレッドが完全に摩耗する時点における前記タイヤの残存耐久を予測する、請求項１に記載のタイヤ耐久予測装置。
  3. 　前記入力データは、積荷の種類、車型及び軸重の少なくとも１つの情報を含み、
    　前記生成部は、前記積荷の種類、前記車型及び前記軸重の少なくとも１つの情報に基づいて、前記荷重に関するデータを生成する、請求項２に記載のタイヤ耐久予測装置。
  4. 　前記入力データは、気温情報を含み、
    　前記生成部は、前記車両の走行時期又は走行地域に応じた平均気温を算出し、
    　前記予測部は、前記平均気温に基づいて、予測した前記タイヤの残存耐久を補正する、請求項１から３のいずれか一項に記載のタイヤ耐久予測装置。
  5. 　前記予測部は、予測した前記タイヤの残存耐久に基づいて、リトレッドの可否又はリトレッドの可能回数を判定する、請求項１から４のいずれか一項に記載のタイヤ耐久予測装置。
  6. 　前記予測部は、予測した前記タイヤの残存耐久に基づいて、前記タイヤを複数の区分のいずれかに分類する、請求項１から５のいずれか一項に記載のタイヤ耐久予測装置。
  7. 　前記予測部は、前記タイヤの装着位置に応じて異なるモデルを用いて、前記タイヤのトレッドが完全に摩耗する時点における前記タイヤの残存耐久を予測する、請求項１から６のいずれか一項に記載のタイヤ耐久予測装置。
  8. 　タイヤ耐久予測装置に、
    　タイヤのトレッドが完全に摩耗するまでの時間又は走行距離の情報と、前記タイヤが装着された車両の行先及び頻度の情報と、を含む入力データを取得することと、
    　前記入力データに基づいて、前記行先毎の速度に関するデータを生成することと、
    　前記速度に関するデータに基づいて、前記タイヤのトレッドが完全に摩耗する時点における前記タイヤの残存耐久を予測することと、を実行させる、プログラム。
  9. 　タイヤ耐久予測装置が実行するタイヤ耐久予測方法であって、
    　前記タイヤ耐久予測装置が、
    　タイヤのトレッドが完全に摩耗するまでの時間又は走行距離の情報と、前記タイヤが装着された車両の行先及び頻度の情報と、を含む入力データを取得することと、
    　前記入力データに基づいて、前記行先毎の速度に関するデータを生成することと、
    　前記速度に関するデータに基づいて、前記タイヤのトレッドが完全に摩耗する時点における前記タイヤの残存耐久を予測することと、を含む、タイヤ耐久予測方法。
PCT/JP2024/027386 2023-09-21 2024-07-31 タイヤ耐久予測装置、プログラム及びタイヤ耐久予測方法 Ceased WO2025062846A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2023156547A JP2025047818A (ja) 2023-09-21 2023-09-21 タイヤ耐久予測装置、プログラム及びタイヤ耐久予測方法
JP2023-156547 2023-09-21

Publications (1)

Publication Number Publication Date
WO2025062846A1 true WO2025062846A1 (ja) 2025-03-27

Family

ID=95072777

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2024/027386 Ceased WO2025062846A1 (ja) 2023-09-21 2024-07-31 タイヤ耐久予測装置、プログラム及びタイヤ耐久予測方法

Country Status (2)

Country Link
JP (1) JP2025047818A (ja)
WO (1) WO2025062846A1 (ja)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012013640A (ja) * 2010-07-05 2012-01-19 Yokohama Rubber Co Ltd:The タイヤ劣化判定システムおよび更生タイヤの製造方法
JP2014046879A (ja) * 2012-09-03 2014-03-17 Bridgestone Corp タイヤケースライフ予測システム
WO2017212915A1 (ja) * 2016-06-09 2017-12-14 株式会社ブリヂストン タイヤ劣化状態予測方法
WO2022215316A1 (ja) * 2021-04-09 2022-10-13 住友ゴム工業株式会社 タイヤ状態判定システム、タイヤ状態判定装置、タイヤ状態判定方法、及びプログラム
JP2023020492A (ja) * 2021-07-30 2023-02-09 Ｔｏｙｏ Ｔｉｒｅ株式会社 タイヤダメージ蓄積量推定システム、演算モデル生成システムおよびタイヤダメージ蓄積量推定方法
WO2023171114A1 (ja) * 2022-03-09 2023-09-14 株式会社ブリヂストン リトレッド可否判定方法及びリトレッド可否判定装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012013640A (ja) * 2010-07-05 2012-01-19 Yokohama Rubber Co Ltd:The タイヤ劣化判定システムおよび更生タイヤの製造方法
JP2014046879A (ja) * 2012-09-03 2014-03-17 Bridgestone Corp タイヤケースライフ予測システム
WO2017212915A1 (ja) * 2016-06-09 2017-12-14 株式会社ブリヂストン タイヤ劣化状態予測方法
WO2022215316A1 (ja) * 2021-04-09 2022-10-13 住友ゴム工業株式会社 タイヤ状態判定システム、タイヤ状態判定装置、タイヤ状態判定方法、及びプログラム
JP2023020492A (ja) * 2021-07-30 2023-02-09 Ｔｏｙｏ Ｔｉｒｅ株式会社 タイヤダメージ蓄積量推定システム、演算モデル生成システムおよびタイヤダメージ蓄積量推定方法
WO2023171114A1 (ja) * 2022-03-09 2023-09-14 株式会社ブリヂストン リトレッド可否判定方法及びリトレッド可否判定装置

Also Published As

Publication number Publication date
JP2025047818A (ja) 2025-04-03

Similar Documents

Publication Publication Date Title
US12130148B2 (en) Tire conditioning optimization for a collection of mining vehicles
US9376118B2 (en) Assessment of tire condition based on a tire health parameter
US11687078B2 (en) System and method for energy efficient prognostics
WO2023110708A1 (en) Apparatus and methods for calculating and/or monitoring a tire wear rate of a vehicle
US11403889B2 (en) Part maintenance and value estimation system
WO2023110713A1 (en) Apparatus and methods for calculating and/or monitoring a tire wear rate of a vehicle
US20240219266A1 (en) Tire wear prediction system and tire wear prediction method
CN117372055A (zh) 针对具有电动车辆的车队的拥有成本优化
JP2023542695A (ja) タイヤ摩耗を予測するための階層的データ構造及び方法
US20230334913A1 (en) Vehicle fleet management
CN119768285A (zh) 用于计算和/或监测轮胎的磨损率的设备和方法
EP4552864A1 (en) Tread wear prediction according to segmentation of tire life
JP2025047818A (ja) タイヤ耐久予測装置、プログラム及びタイヤ耐久予測方法
WO2022009716A1 (ja) 情報処理方法及び情報処理システム
JP7638803B2 (ja) 燃費予測システム及び燃費予測方法
US20260105411A1 (en) Tire stock management apparatus
EP4707742A1 (en) A fleet management system and a method for monitoring and managing co2 emissions across a fleet of heavy-duty vehicles
CN116278523B (zh) 轮胎更换系统
WO2025083971A1 (ja) 積載判定装置、プログラム及び積載判定方法
JP2004279217A (ja) タイヤ空気圧点検によるタイヤ管理方法、タイヤ溝点検及びタイヤ空気圧点検によるタイヤトータル管理方法
JP2024040784A (ja) タイヤメンテナンス支援装置およびタイヤメンテナンス支援プログラム
EP4631748A1 (en) Tire remaining-life prediction device, tire remaining-life prediction method, and program
JP2025047817A (ja) タイヤ管理装置、プログラム及びタイヤ管理方法
JP2024086419A (ja) タイヤ貸し出し管理装置及びタイヤ貸し出し管理方法
WO2023054165A1 (ja) 需要予測装置、需要予測方法、および記憶媒体

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: 24867927

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE