DE102018103827A1

DE102018103827A1 - Lagerverwaltungssystem mit funktionen für das ausführen von lagerverwaltung und vorbeugender instandhaltung

Info

Publication number: DE102018103827A1
Application number: DE102018103827.5A
Authority: DE
Inventors: Hiroshi Takigawa
Original assignee: Fanuc Corp
Current assignee: Fanuc Corp
Priority date: 2017-02-28
Filing date: 2018-02-21
Publication date: 2018-08-30
Also published as: CN108510221A; JP6526081B2; JP2018142256A; US10621545B2; US20180247256A1; CN108510221B

Abstract

Ein Lagerverwaltungssystem umfasst eine Mehrzahl von Vorrichtungen, eine Informationsverwaltungsvorrichtung, die mit den Vorrichtungen verbunden ist, und einen Informationsprozessor. Der Informationsprozessor berechnet die Summe der kumulativen Fehlerraten, die der Summenwert der kumulativen Fehlerraten aller designierten Komponenten mit den gleichen Spezifikationen ist, die in den Vorrichtungen zu einem bestimmten Zeitpunkt verwendet werden, unter Berücksichtigung einer Beschleunigung in Abhängigkeit von einer Betriebsbedingung in Bezug auf eine kumulative Standardfehlerrate jedes Typs der designierten Komponenten mit den gleichen Spezifikationen, die in den Vorrichtungen unter einer Standardbetriebsbedingung verwendet werden, und berechnet die geeignete Lagermenge der designierten Komponenten basierend auf der berechneten Summe der kumulativen Fehlerraten.

Description

HINTERGRUND DER ERFINDUNG
Gebiet der Erfindung
Die vorliegende Erfindung bezieht sich auf ein Lagerverwaltungssystem mit den Funktionen des Ausführens einer Lagerverwaltung und einer vorbeugenden Instandhaltung.
Beschreibung der verwandten Technik
Fehlfunktionen von Geräten aufgrund von Ausfällen oder Beschädigungen von Komponenten der Geräte stoppen häufig die Geräte und erzeugen Stillstandsperioden, während denen die Geräte nicht einsetzbar sind. Um eine Erhöhung der Stillstandsfrequenz und der Stillstandsperioden zu verhindern, wird die Lagermenge von Ersatzkomponenten jeder Vorrichtung üblicherweise verwaltet.
Selbst wenn eine durchschnittliche Fehlerrate (die Anzahl von Ausfällen pro Zeit) in Abhängigkeit von einer Betriebszeit jeder Komponente zu einem gewissen Grad bekannt ist, kann sich die Fehlerrate gemäß einer Betriebsbedingung ändern und daher ist es im Allgemeinen schwierig, einen Ausfall vorherzusagen, es sei denn, es gibt ein offensichtliches Zeichen, das anzeigt, wann jede Komponente ausfallen wird. Daher kann in der Lagerverwaltung für Komponenten von Vorrichtungen häufig übermäßiger oder unzureichender Bestand auftreten.
Wenn eine Komponente teuer ist, ist eine übermäßige Lagerhaltung unwirtschaftlich. Auf der anderen Seite verursacht eine unzureichende Lagermenge das Anhalten der Vorrichtung bis zur Lieferung einer Ersatzkomponente. Wenn die Vorrichtung eine Produktionsausrüstung ist, verzögert sich ein Produktionsprozess, bei dem die Vorrichtung verwendet wird, signifikant, wodurch ein signifikanter Verlust verursacht wird. Daher ist eine angemessene Lagerverwaltung unter Berücksichtigung eines Fehlers erforderlich, der keine Vorzeichen aufweist, da er sich nicht ankündigt.
Da die Lagerverwaltung für Instandhaltungskomponenten von Vorrichtungen eine wichtige Technologie ist, werden verschiedene darauf bezogene Techniken vorgeschlagen (beispielsweise die ungeprüften japanischen Patentveröffentlichungen (Kokai) Nr. 2010-113672, 2004-295667 und 2012-104058 ).
KURZDARSTELLUNG DER ERFINDUNG
Es wurde jedoch bisher nach dem Stand der Technik kein Lagerverwaltungssystem mit einer Lagerverwaltungsfunktion vorgeschlagen, das einen Fehler berücksichtigt, der keine Vorzeichen aufweist. Daher war es unmöglich, die Anzahl der Fehler, die keine Vorzeichen aufweisen, genau zu schätzen und eine geeignete Lagerverwaltung durchzuführen. Daher ist eine Lagerverwaltung für Komponenten unter Berücksichtigung eines Fehlers erforderlich, der keine Vorzeichen aufweist.
Gemäß einem Aspekt dieser Offenbarung umfasst ein Lagerverwaltungssystem mehrere Vorrichtungen und eine Informationsverwaltungsvorrichtung, die mit den Vorrichtungen verbunden ist. Die Vorrichtungen haben jeweils auswechselbare gemeinsame Komponenten, die zwischen den Vorrichtungen geteilt werden können. Die gemeinsamen Komponenten, welche die gleichen Spezifikationen haben, die in den Vorrichtungen verwendet werden, werden als Komponenten unter Lagerverwaltung bezeichnet.
Das Lagerverwaltungssystem umfasst einen Informationsprozessor zum Berechnen der Summe der kumulativen Fehlerraten, die der Summenwert der kumulativen Fehlerraten aller designierten Komponenten mit den gleichen Spezifikationen ist, die in den Vorrichtungen zu einem bestimmten Zeitpunkt verwendet werden, unter Berücksichtigung einer Beschleunigung in Abhängigkeit von einer Betriebsbedingung in Bezug auf die kumulative Standardfehlerrate jedes Typs der designierten Komponenten mit den gleichen Spezifikationen, die in den Vorrichtungen unter einer Standardbetriebsbedingung verwendet werden, und zum Berechnen der geeigneten Lagermenge der designierten Komponenten zu dem bestimmten Zeitpunkt, basierend auf der berechneten Summe der kumulativen Fehlerraten.
Die Merkmale und Vorteile der vorliegenden Erfindung und andere Merkmale und Vorteile werden aus der folgenden detaillierten Beschreibung bevorzugter Ausführungsformen der vorliegenden Erfindung zusammen mit den begleitenden Zeichnungen deutlicher werden.
Figurenliste

1 ist ein Blockdiagramm, das die schematische Konfiguration eines Lagerverwaltungssystems gemäß einer Ausführungsform zeigt;
2a ist ein Graph, der ein Beispiel von Variationen der kumulativen Fehlerrate einer Komponente, deren dominanter Fehler ein zufälliger Fehler ist, relativ zu einer Betriebszeit zeigt;
2b ist ein Graph, der ein Beispiel von Variationen der kumulativen Fehlerrate einer Komponente, deren dominanter Fehler ein Verschleißfehler ist, relativ zu einer Betriebszeit zeigt;
3 ist ein Graph, der ein Beispiel der Beziehung zwischen einer Betriebsbedingung und einem Beschleunigungskoeffizienten unter der Betriebsbedingung zeigt;
4a ist ein Graph, der ein Beispiel einer Variation der kumulativen Fehlerrate einer Komponente, deren dominanter Fehler ein zufälliger Fehler ist, relativ zu einer Betriebszeit zeigt, wenn die Komponente unter Betriebsbedingungen mit unterschiedlichen Beschleunigungskoeffizienten betrieben wird;
4b ist ein Graph, der ein Beispiel einer Variation der kumulativen Fehlerrate einer Komponente, deren dominanter Fehler ein Verschleißfehler ist, relativ zu einer Betriebszeit zeigt, wenn die Komponente unter Betriebsbedingungen mit unterschiedlichen Beschleunigungskoeffizienten betrieben wird;
5a ist ein Graph, der ein Beispiel einer Variation in jeder der Summe von kumulativen Fehlerraten, der Summe von geschätzten kumulativen Fehlerraten und der geeigneten Lagermenge, relativ zu einer verstrichenen Zeit, einer Mehrzahl von Komponenten mit den gleichen Spezifikationen, deren dominante Fehler zufällige Fehler sind, zeigt, die in Geräten unter Lagerverwaltung vorgesehen sind;
5b ist ein Graph, der ein Beispiel einer Variation der Summe von kumulativen Fehlerraten, der Summe von geschätzten kumulativen Fehlerraten und der geeigneten Lagermenge relativ zu einer verstrichenen Zeit einer Mehrzahl von Komponenten mit den gleichen Spezifikationen, deren dominante Fehler Verschleißfehler sind, zeigt, die in Geräten unter Lagerverwaltung bereitgestellt werden;
5c ist eine graphische Darstellung, wenn die geeignete Lagermenge durch eine Gleichung „geeignete Lagermenge ≥ Summe geschätzter kumulativer Fehlerraten + 1“ anstelle von 5b berechnet wird;
6 ist ein Flussdiagramm, das ein Beispiel des Betriebs des in 1 gezeigten Lagerverwaltungssystems zeigt;
7 ist ein Graph, der charakteristische Veränderungskurven, die charakteristische Änderungen durch den Betrieb anzeigen, und ein Verfahren zum Abschätzen der verbleibenden Lebensdauer aus einer charakteristischen Änderungskurve zeigt, in der ein charakteristischer Wert und eine Verschlechterungsrate zusammenfallen;
8 ist ein Graph, der charakteristische Änderungskurven unter einer Betriebsbedingung, in der ein Beschleunigungskoeffizient einer Verschlechterungsrate durch den Betrieb doppelt so hoch ist wie der von 7, und ein Verfahren zum Schätzen der verbleibenden Lebensdauer aus einer charakteristischen Änderungskurve zeigt, in der ein charakteristischer Wert und eine Verschlechterungsrate zusammenfallen;
9 ist ein Flussdiagramm, das ein Beispiel des Betriebs des in 1 gezeigten Lagerverwaltungssystems zeigt, wobei es ein Flussdiagramm ist, das zu 6 hinzugefügt werden kann;
10 ist ein Blockdiagramm, das die schematische Konfiguration eines Lagerverwaltungssystems gemäß einer anderen Ausführungsform zeigt;
11 ist ein Flussdiagramm, das ein Beispiel des Betriebs einer Maschinenlernvorrichtung in dem in 10 gezeigten Lagerverwaltungssystem zeigt;
12 ist ein Flussdiagramm, das ein anderes Beispiel des Betriebs der Maschinenlernvorrichtung in dem Lagerverwaltungssystem zeigt;
13 ist ein Blockdiagramm, das die schematische Konfiguration eines Lagerverwaltungssystems gemäß noch einer anderen Ausführungsform zeigt;
14 ist eine Zeichnung, die schematisch den Ablauf der Zeit zeigt, bis ein unbekanntes Zeichen gefunden wird;
15 ist ein Flussdiagramm, das ein Beispiel des Betriebs einer Maschinenlernvorrichtung in dem in 13 gezeigten Lagerverwaltungssystem zeigt;
16 ist ein Flussdiagramm, das ein Beispiel des Betriebs des in 13 gezeigten Lagerverwaltungssystems zeigt, wobei es ein Flussdiagramm ist, das zu 15 hinzugefügt werden kann;
17 ist ein Blockdiagramm, das die schematische Konfiguration eines Lagerverwaltungssystems gemäß noch einer anderen Ausführungsform zeigt;
18 ist ein Flussdiagramm, das ein Beispiel des Betriebs einer Maschinenlernvorrichtung in dem in 17 gezeigten Lagerverwaltungssystem zeigt;
19 ist ein Flussdiagramm, das ein anderes Beispiel des Betriebs der Maschinenlernvorrichtung in dem in 17 gezeigten Lagerverwaltungssystem zeigt;
20 ist ein Blockdiagramm, das die schematische Konfiguration eines Lagerverwaltungssystems gemäß noch einer weiteren Ausführungsform zeigt;
21 ist ein Blockdiagramm, das die schematische Konfiguration eines Lagerverwaltungssystems gemäß noch einer weiteren Ausführungsform zeigt; und
22 ist ein Blockdiagramm, das die schematische Konfiguration eines Lagerverwaltungssystems gemäß noch einer weiteren Ausführungsform zeigt.

DETAILLIERTE BESCHREIBUNG DER ERFINDUNG
Als Nächstes werden Ausführungsformen dieser Offenbarung unter Bezugnahme auf die Zeichnungen beschrieben. In den Referenzzeichnungen bezeichnen die gleichen Bezugszeichen gleiche oder ähnliche strukturelle oder funktionale Komponenten. Zum leichteren Verständnis sind die Zeichnungen geeignet skaliert. Die in den Zeichnungen gezeigten Ausführungsformen sind nur Beispiele, welche die vorliegende Erfindung verkörpern, und die vorliegende Erfindung ist nicht auf die gezeigten Ausführungsformen beschränkt.
1 ist ein Blockdiagramm, das die schematische Konfiguration eines Lagerverwaltungssystems 1 gemäß einer Ausführungsform zeigt.
Wie in 1 gezeigt, umfasst das Lagerverwaltungssystem 1 eine Informationsverwaltungsvorrichtung 2 und mehrere Vorrichtungen 3, die mit der Informationsverwaltungsvorrichtung 2 verbunden sind. Die Informationsverwaltungsvorrichtung 2 verwaltet Informationen, die an die Vorrichtungen 3 zu liefern oder von diesen zu empfangen sind. Genauer gesagt, ist die Informationsverwaltungsvorrichtung 2 eine Vorrichtung, die Zustandsinformationen der Vorrichtungen 3 von den Vorrichtungen 3 durch eine Kommunikationssteuerung, einen Speicher und dergleichen von jeder Vorrichtung 3 sammelt, um Aufzeichnung, Analyse und dergleichen der Zustandsinformationen in einer zentralisierten Weise durchzuführen, um die erforderlichen Informationen auszugeben.
Die Informationsverwaltungsvorrichtung 2 umfasst beispielsweise ein Kommunikationsnetzwerk, wie beispielsweise das Internet und ein Intranet, und einen Informationsprozessor 30. Jede der Vorrichtungen 3 und der Informationsprozessor 30 besteht aus einem Computer, einem Server oder dergleichen mit einem Speicher wie einem ROM (Nur-Lese-Speicher) und einem RAM (Direktzugriffsspeicher), einer CPU (Steuerverarbeitungseinheit) und einer Kommunikationssteuerung, die über einen Bus miteinander verbunden sind. Ferner werden die Funktionen und Operationen der Vorrichtungen 3 und des Informationsprozessors 30 jeweils durch Zusammenwirken der CPU und des Speichers, die in dem Computer, dem Server oder dergleichen angebracht sind, und einem Steuerprogramm realisiert, das in dem Speicher gespeichert ist.
Geräte unter Lagerverwaltung und vorbeugender Instandhaltung sind im Allgemeinen begrenzt, und die Zielvorrichtungen 3 sind beispielsweise in der gleichen Fertigungszelle, dem gleichen Gebäude, dem gleichen Fabrikgelände, den gleichen Bereichen installiert, zu denen Instandhaltungskomponenten innerhalb einer vorbestimmten Zeitspanne oder dergleichen geliefert werden können. Dies liegt daran, dass es keinen Sinn macht, eine Ersatzkomponente zu haben, es sei denn, die Ersatzkomponente kann innerhalb einer vorbestimmten Zeitspanne an die Stelle einer Vorrichtung geliefert werden, die aufgrund eines Ausfalls einer Komponente angehalten wurde oder sich in einem nicht arbeitenden Zustand befindet. Somit führt das Lagerverwaltungssystem 1 gemäß dieser Offenbarung eine Lagerverwaltung von gemeinsamen Komponenten mit den gleichen Spezifikationen durch, die in den zwei oder mehr bezeichneten Vorrichtungen 3 verwendet werden.
Es ist zu beachten, dass der in dieser Beschreibung und im Umfang der Ansprüche beschriebene Begriff „Komponente“ wenigstens eine Komponente oder eine Einheit umfasst. Die Komponente bezeichnet ein Element, das eine Maschine, elektrische und elektronische Ausrüstung und dergleichen bildet. Die Einheit bezeichnet eine Anordnung von Elementen.
Der Ausdruck „Vorrichtung“, der in dieser Beschreibung und dem Umfang der Ansprüche beschrieben wird, umfasst wenigstens entweder eine Vorrichtung, eine Einrichtung, eine Maschine oder eine Anlage. Darüber hinaus umfasst der Begriff „die gleichen Spezifikationen“, der in dieser Beschreibung und dem Umfang der Ansprüche beschrieben wird, die Bedeutung ungefähr der gleichen Spezifikationen, in denen die Spezifikationen im Wesentlichen die gleichen sind, abgesehen von der Bedeutung, dass jede Spezifikation die gleiche ist.
Wie aus der folgenden Beschreibung ersichtlich ist, muss das Lagerverwaltungssystem 1 gemäß dieser Offenbarung ein enormes Informationsvolumen von jeder Vorrichtung 3 sammeln. Somit stellt eine Konfiguration wie etwa ein Cloud-Computing-System, das weit gestreut Informationen von den Vorrichtungen 3 über das Internet sammelt, eine überaus große Belastung auf ein Kommunikationsnetzwerk dar und macht es schwierig, die Information von jeder Vorrichtung 3 mit hoher Geschwindigkeit in Echtzeit zu verarbeiten. Daher ist die Informationsverwaltungsvorrichtung 2, die das Lagerverwaltungssystem 1 bildet, vorzugsweise zwischen den Vorrichtungen 3 und der Cloud (nicht gezeigt) angeordnet, um die Verwaltung und Verarbeitung der Information nahe zu den Vorrichtungen durchzuführen. Jedoch ist, wie in 1 gezeigt, eine Gruppe von Vorrichtungen 3 mit der Informationsverwaltungsvorrichtung 2 als Vorrichtungen unter Lagerverwaltung und präventiver Instandhaltung verbunden, aber die vorliegende Erfindung ist nicht auf 1 beschränkt. Eine Mehrzahl von Vorrichtungen 3, die in Gruppen unterteilt sind, können mit der Informationsverwaltungsvorrichtung 2 verbunden sein, und die Vorrichtungen 3 können einer Lagerverwaltung und einer vorbeugenden Instandhaltung auf einer Gruppe-für-Gruppe-Basis unterzogen werden.
Die Vorrichtungen 3, die mit der Informationsverwaltungsvorrichtung 2 verbunden sind, weisen wenigstens eine Art austauschbarer gemeinsamer Komponenten auf, die gemeinsam in den Vorrichtungen 3 verwendet werden, und die gemeinsamen Komponenten werden als Komponenten unter Lagerverwaltung bezeichnet. Die Komponenten der Lagerverwaltung (nachstehend als designierte Komponenten bezeichnet) werden auf der Basis jeder Komponentengruppe verwaltet, die die gleichen Spezifikationen aufweist, die in den Vorrichtungen 3 verwendet werden. Eine Gruppe von Vorrichtungen 3 unter Lagerverwaltung und vorbeugender Instandhaltung muss jedoch nicht notwendigerweise die gleiche Spezifikationen aufweisen.
Was einen Typ von designierten Komponenten mit bestimmten Spezifikationen angeht, so ist bekannt, dass ihre kumulative Fehlerrate, die ein Betriebszeitintegral der Fehlerrate (die Anzahl der Fehler pro Zeit) der designierten Komponenten ist, durch 2a oder 2b dargestellt ist. In dieser Beschreibung ersetzt der Ausdruck „Betrieb“ den Ausdruck Operation, die Energieversorgung und dergleichen, obwohl die Begriffe Operation, die Energieversorgung und dergleichen für einen Zustand, abhängig vom Typ und der Nutzung der designierten Komponenten, geeigneter sein können als der Ausdruck „Betrieb“.
In beiden 2a und 2b stellt die horizontale Achse einen Wert dar, der durch Teilen der Betriebszeit durch MTTF (mittlere Zeit bis zum Versagen: durchschnittliche Lebensdauer) der designierten Komponenten, die unter Standardbetriebsbedingungen betrieben werden, erhalten wird. 2a zeigt ein Beispiel der kumulativen Fehlerrate, wenn ein zufälliger Fehler dominant ist. 2b zeigt ein Beispiel der kumulativen Fehlerrate, wenn ein Verschleißfehler dominant ist.
In den 2a und 2b stellen durchgezogene Linien die kumulative Fehlerrate der designierten Komponente dar, die unter den Standardbetriebsbedingungen verwendet wird. Gestrichelte Linien stellen den Fall dar, in dem ein Beschleunigungskoeffizient der kumulativen Fehlerrate beispielsweise aufgrund einer höheren Betriebsspannung oder einer höheren Temperatur als die Standardbetriebsbedingungen verdoppelt wird und die kumulative Fehlerrate 0,5 in einer halben Betriebszeit erreicht. Alternative lange und kurze gestrichelte Linien stellen den Fall dar, in dem ein Beschleunigungskoeffizient der kumulativen Fehlerrate beispielsweise aufgrund einer niedrigeren Betriebsspannung oder einer niedrigeren Temperatur als der Standardbetriebsbedingung halbiert wird und die kumulative Fehlerrate 0,5 in einer doppelten Betriebszeit erreicht.
In jeder der 2a und 2b wird die Betriebszeit bis zu dem Zeitpunkt, an dem die kumulative Fehlerrate einen bestimmten Wert (z. B. 0,5) erreicht, durch den Beschleunigungskoeffizienten verkürzt oder auf 1/Beschleunigungskoeffizient verlängert. 3 zeigt ein Beispiel der Beziehung zwischen den Betriebsbedingungen und dem Beschleunigungskoeffizienten. Im Beispiel von 3 wird die Betriebsspannung als Betriebsbedingung verwendet, und der Beschleunigungskoeffizient ist die dritte Potenz von „Betriebsspannung/Standardbetriebsspannung“. Als die Betriebsbedingung, die eine Zunahme der kumulativen Fehlerrate und den Verbrauch der Lebensdauer durch das Betreiben beschleunigt, sind ein Betriebsstrom, eine Temperatur, ein Temperaturzyklus, eine Schwingung und dergleichen neben der in 3 gezeigten Betriebsspannung bekannt. Wenn die Komponente eine lichtemittierende Vorrichtung ist, ist die Lichtabgabe eine typische Betriebsbedingung, um eine Zunahme der kumulativen Fehlerrate und des Verbrauchs der Lebensdauer zu beschleunigen. Um eine Zunahme der kumulativen Fehlerrate und des Verbrauchs der Lebensdauer durch das Betreiben zu berechnen, ist es notwendig, einen Beschleunigungskoeffizienten für jeden beschleunigten Betriebszustand zu berücksichtigen, außer für den Fall, dass der Beschleunigungskoeffizient fast 1 ist.
Wenn ein Beschleunigungskoeffizient, der eine Verkürzung oder Verlängerung der Zeit bis zu einem Zeitpunkt, wenn die kumulative Fehlerrate einen bestimmten Wert erreicht, sich von den anderen Beschleunigungskoeffizienten unterscheidet, wird der Beschleunigungskoeffizient in dieser Beschreibung als „erster Beschleunigungskoeffizient“ bezeichnet.
Jede der 4a und 4b ist ein Beispiel einer zeitlichen Variation der kumulativen Fehlerrate einer der designierten Komponenten mit den kumulativen Fehlerratencharakteristiken, die in den 2a und 2b gezeigt sind. In beiden 4a und 4b repräsentiert die horizontale Achse einen Wert, bei dem eine verstrichene Zeit von dem Start des Betreibens durch MTTF der designierten Komponenten geteilt wird, die unter dem Standardbetriebszustand betrieben werden. 4a zeigt ein Beispiel der kumulativen Fehlerrate, wenn ein zufälliger Fehler dominant ist. 4b zeigt ein Beispiel der kumulativen Fehlerrate, wenn ein Verschleißfehler dominant ist. MTTF liegt in der Größenordnung von beispielsweise hunderttausend Stunden. Obwohl es für ein Gerät unnatürlich ist, für mehrere zehntausend Stunden unter einer unveränderlichen Betriebsbedingung weiterbetrieben zu werden und das Betreiben für einige zehntausend Stunden unter einer unveränderlichen Betriebsbedingung zu stoppen, wie in den 4a und 4b zum leichteren Verständnis gezeigt ist, so zeigt jede der 4a und 4b einen Fall, in dem die designierte Komponente für eine lange Zeit unter den unveränderlichen Betriebsbedingungen betrieben wird.
Jede der 4a und 4b ist ein Graph der kumulativen Fehlerrate, wenn die designierte Komponente im folgenden Vorgang betrieben wird. Zuerst, wie in den 4a und 4b gezeigt, wird die designierte Komponente unter dem Standardbetriebszustand betrieben. Der Betriebszustand wird so geschaltet, dass er zu irgendeinem Zeitpunkt einen Beschleunigungskoeffizienten der kumulativen Fehlerrate von 0,5 aufweist, und danach wird der Betriebszustand umgeschaltet, um an irgendeinem Zeitpunkt einen Beschleunigungskoeffizienten der kumulativen Fehlerrate von 2 aufzuweisen. Danach wird die designierte Komponente von einem bestimmten Zeitpunkt an in einer Stillstandsperiode nicht betrieben. Während die designierte Komponente unter der Standardbetriebsbedingung erneut betrieben wird, tritt ein Fehler auf und die designierte Komponente wird durch eine neue designierte Komponente ersetzt. Nachdem die kumulative Fehlerrate auf Null zurückgesetzt wurde, wird die designierte Komponente unter der Standardbetriebsbedingung betrieben.
Beim Umschalten des Betriebszustands wird die kumulative Fehlerrate zu dem Zeitpunkt auf den Graphen der kumulativen Fehlerrate mit einem Beschleunigungskoeffizienten eines neuen Betriebszustands umgeschaltet (wie beispielsweise in 2a und 2b gezeigt) und somit erhöht sich die kumulative Fehlerrate mit der Zeit. Daher zeigen 4a und 4b Beispiele für die kumulative Fehlerrate unter Berücksichtigung eines Beschleunigungskoeffizienten in Abhängigkeit von der Betriebsbedingung relativ zu einer kumulativen Standardfehlerrate der designierten Komponenten mit den gleichen Spezifikationen unter den Standardbetriebsbedingungen. Wie aus den 4a und 4b hervorgeht, unterscheidet sich die kumulative Fehlerrate weitestgehend von der tatsächlichen Rate, ohne Berücksichtigung des Beschleunigungskoeffizienten in Abhängigkeit von der Betriebsbedingung.
Selbst wenn die kumulative Fehlerrate einer designierten Komponente unter Berücksichtigung eines Beschleunigungskoeffizienten in Abhängigkeit von einer Betriebsbedingung bekannt ist, hängt die Zeit, zu der die Komponente tatsächlich ausfällt, von einer Wahrscheinlichkeit ab und ist nicht bekannt, bis sie eintritt. Jedoch ermöglicht es das Berechnen der Summe der kumulativen Fehlerraten aller designierten Komponenten mit den gleichen Spezifikationen, die in einer Gruppe von Vorrichtungen 3 unter Lagerverwaltung und vorbeugender Instandhaltung verwendet werden, unter Berücksichtigung von Beschleunigungsfaktoren in Abhängigkeit von den Betriebsbedingungen (d. h. der Summe der kumulativen Fehlerraten), wie in den 5a und 5b gezeigt, um einen Index für die geeignete Lagermenge von designierten Komponenten zu erhalten.
5a ist ein Graph, der ein Beispiel einer zeitlichen Variation in der Summe von kumulativen Fehlerraten von designierten Komponenten, deren dominante Fehler zufällige Fehler sind, und der geeigneten Lagermenge zeigt. 5b ist ein Graph, der ein Beispiel einer zeitlichen Variation in der Summe von kumulativen Fehlerraten von designierten Komponenten, deren dominante Fehler Verschleißfehler sind, und der geeigneten Lagermenge zeigt. In jeder der 5a und 5b stellt die dicke gestrichelte Linie die Summe der kumulativen Fehlerraten (d. h. Σ der kumulativen Fehlerrate) aller designierten Komponenten mit den gleichen Spezifikationen dar, die in einer Gruppe von Vorrichtungen 3 unter Lagerverwaltung und vorbeugender Instandhaltung verwendet werden. Die dünne unterbrochene Linie repräsentiert die Summe der geschätzten kumulativen Fehlerraten (d. h. Σ der geschätzten kumulativen Fehlerrate) nach dem Ablauf einer Lieferzeit (d. h. Zeit, die für die Lieferung benötigt wird) der designierten Komponenten von einem bestimmten Zeitpunkt an.
Als die Summe der geschätzten kumulativen Fehlerraten werden geschätzte kumulative Fehlerraten nach dem Ablauf einer Lieferzeit, die aus Zeitvariationen in den kumulativen Fehlerraten der designierten Komponenten mit den gleichen Spezifikationen geschätzt werden, wie in den 4a und 4b gezeigt, aufsummiert. Die geeignete Lagermenge, die durch die dicke durchgezogene Linie in jeder der 5a und 5b dargestellt ist, ist eine positive ganze Zahl, zu der die Summe der geschätzten kumulativen Fehlerraten aufgerundet wird, und stellt im Allgemeinen eine Historie der geeignet verwalteten Lagermenge dar.
Zum leichteren Verständnis der Zeichnungen zeigen 5a und 5b die Summen von kumulativen Fehlerraten von zehn designierten Komponenten mit den gleichen Spezifikationen, die unter den gleichen Betriebsbedingungen betrieben werden. Im Beispiel von 5a beginnt das Betreiben der zehn Komponenten gleichzeitig vom Anfang an. Andererseits beginnt in dem Beispiel von 5b das Betreiben für fünf der zehn Komponenten zuerst, und die verbleibenden fünf Komponenten werden nacheinander in Intervallen von MTTFx0,1 mit einer Verzögerung von MTTFx0,3 vom Anfang an betrieben, um das Auftreten eines breiten Tals in der Summe der kumulativen Ausfallraten aufgrund der geringen Anzahl der Komponenten zu verhindern.
Wie in 5a und 5b gezeigt, variiert die Summe der kumulativen Fehlerraten stark, da die Anzahl der designierten Komponenten klein ist, wenn die Summe der kumulativen Fehlerraten berechnet wird, aber die Änderungsrate nimmt mit einer Zunahme der Anzahl der designierten Komponenten ab. Eine Lieferzeit wird lang eingestellt, d. h. mit einem ein Fünfzigstel MTTF, so dass die Graphen der Summe der kumulativen Fehlerraten und der Summe der geschätzten kumulativen Fehlerraten getrennt gezeigt sind. Aufgrund der langen Lieferzeit im Beispiel von 5b ist die Lagermenge in ziemlich langen Zeiträumen gleich Null.
Unter den oben beschriebenen Bedingungen verhindert die Verwaltung der Lagermenge basierend auf der Summe der kumulativen Fehlerraten, mit anderen Worten gesagt, das Treffen von Vorkehrungen für Ersatzkomponenten, sobald die tatsächliche Lagermenge kleiner wird als die Summe der geschätzten kumulativen Fehlerraten, eine Situation, in der, wenn eine designierte Komponente ausfällt, keine Ersatzkomponente der ausfallenden designierten Komponente vorhanden ist. Daher wird die Lagermenge auf geeignete Weise verwaltet.
Um das Gefühl zu vermitteln, dass die Lagermenge basierend auf der Summe der kumulativen Fehlerraten verwaltet wird, beispielsweise wenn die kumulative Fehlerrate jeder designierten Komponente 0,01 ist und es 1000 designierte Komponenten mit den gleichen Spezifikationen gibt, ist die Summe der kumulativen Fehlerraten 10 (zehn). Dies bedeutet, dass zehn der Komponenten im Durchschnitt zu jeder Zeit ausfallen können und wenigstens zehn Ersatzkomponenten der vorgesehenen Komponenten erforderlich sind.
Wenn die Anzahl von Auftritten von Fehlern niedrig ist, wurde eine erhöhte Anzahl von Komponenten für eine lange Dauer verwendet und die Anzahl von Auftritten von Fehlern kann danach zunehmen. In diesem Fall kann eine Lagerverwaltung unter Berücksichtigung der Notwendigkeit durchgeführt werden, die Lagermenge zu erhöhen.
Da die Wahrscheinlichkeit des Auftretens eines Fehlers von einer statistischen Wahrscheinlichkeit abhängt, variiert ein tatsächliches Ergebnis (die tatsächliche Anzahl von Fehlern) in größerem Ausmaß, wenn die Anzahl der Komponenten (Population) abnimmt. Um das Risiko eines unzureichenden Bestands zu verringern, kann daher eine Korrektur vorgenommen werden, so dass eine vorbestimmte Anzahl zu der minimal erforderlichen Lagermenge als eine Marge hinzugefügt wird und eine berechnete Anzahl wird als die geeignete Lagermenge bezeichnet oder das Produkt aus der minimal erforderlichen Lagermenge und einem vorbestimmten Verhältnis wird zur Lagermenge als eine Marge addiert, und eine berechnete Anzahl wird als die geeignete Lagermenge bezeichnet. Wenn die Anzahl der designierten Komponenten relativ klein ist, wird in den meisten Fällen das frühere Verwaltungsverfahren bevorzugt, bei dem die Summe der minimal erforderlichen Lagermenge und einer vorbestimmten Anzahl als die geeignete Lagermenge bezeichnet wird.
5c stellt die geeignete Lagermenge dar, wenn ein Lagerverwaltungsverfahren durchgeführt wird, bei dem Vorkehrungen für eine designierte Komponente getroffen werden, sobald die Subtraktion der Summe der geschätzten kumulativen Fehlerraten von der tatsächlichen Lagermenge gleich oder kleiner als 1 wird, in Bezug auf das Beispiel von FIG. 5b, mit anderen Worten, wenn das Lagerverwaltungsverfahren durchgeführt wird, bei dem Vorkehrungen für eine designierte Komponente getroffen werden, sobald die tatsächliche Lagermenge niedriger als die Summe der geschätzten kumulativen Fehlerraten wird.
Im Beispiel von 5c verglichen mit dem Beispiel von 5b wird die Lagermenge in keiner Zeitperiode null. Obwohl die Lagermenge im Durchschnitt um fast 1 erhöht wird, ist das Risiko einer Wiederherstellungsverzögerung der Vorrichtung aufgrund unzureichenden Lagerbestands verringert. Die Marge kann auf der Grundlage der Art der designierten Komponenten in Abhängigkeit von ihrem Preis und ihrer Lieferzeit unter Berücksichtigung des Gleichgewichts zwischen einer Erhöhung der Lagermenge und dem Risiko einer unzureichenden Lagerhaltung geändert werden. Im Allgemeinen ist die größere Marge vorzuziehen, je länger die Lieferzeit und je billiger der Preis ist.
6 ist ein Flussdiagramm, das ein Beispiel des Betriebs des Lagerverwaltungssystems gemäß dieser Ausführungsform zeigt. In der folgenden Beschreibung auf der Grundlage von 6 fungiert jedoch eine Informationsverwaltungsvorrichtung 2 auch als ein Informationsprozessor 30.
Nach dem Start der Lagerverwaltung sammelt und speichert die Informationsverwaltungsvorrichtung 2 Zustandsgrößen der Vorrichtungen 3, welche die Betriebszustände und Zustände von designierten Komponenten enthalten, die in den Vorrichtungen 3 unter Lagerverwaltung bereitgestellt werden, durch die Kommunikationssteuerungen und dergleichen der Vorrichtungen 3 (Schritt S101).
Die Informationsverwaltungsvorrichtung 2 bestimmt, ob die in Schritt S101 erfassten Betriebszustände der designierten Komponenten normal sind oder nicht, mit anderen Worten, ob die designierten Komponenten nicht ausgefallen sind (Schritt S102). Wenn sie normal sind, berechnet die Informationsverwaltungsvorrichtung 2 die kumulative Fehlerrate jeder designierten Komponente aus den Daten bezüglich der Betriebszustände der designierten Komponenten, die in Schritt S101 gesammelt wurden, unter Berücksichtigung eines Beschleunigungskoeffizienten in Abhängigkeit vom Betriebszustand jeder designierten Komponente mit Bezug auf Daten über die kumulative Fehlerrate der designierten Komponenten in einer Standardbetriebsbedingung und mit Bezug auf Daten über einen Beschleunigungskoeffizienten der kumulativen Fehlerrate in Abhängigkeit von einer Betriebsbedingung, und zeichnet einen Übergang in der kumulativen Fehlerrate auf (Schritt S103) .
Ferner überprüft die Informationsverwaltungsvorrichtung 2 eine Lieferzeit für jede designierte Komponente, die im Voraus gespeichert wurde (Schritt S104). Als Nächstes berechnet und speichert die Informationsverwaltungsvorrichtung 2 eine geschätzte kumulative Fehlerrate, die eine kumulative Fehlerrate nach dem Verstreichen der Lieferzeit von einem bestimmten Zeitpunkt (ein gegenwärtiger Zeitpunkt im Allgemeinen) jeder designierten Komponente ist, unter Bezugnahme auf die Lieferzeit jeder designierten Komponente, der Daten über die kumulative Fehlerrate der designierten Komponente in der Standardbetriebsbedingung, der Daten über den Beschleunigungskoeffizienten der kumulativen Fehlerrate in Abhängigkeit von der Betriebsbedingung und der Daten über den Übergang der kumulativen Fehlerrate, die in Schritt S103 aufgezeichnet wurde (Schritt S105).
Als Nächstes berechnet und die Informationsverwaltungsvorrichtung 2 die Summe der geschätzten kumulativen Fehlerraten der designierten Komponenten mit den gleichen Spezifikationen durch Addieren der geschätzten kumulativen Fehlerraten der designierten Komponenten mit den gleichen Spezifikationen, die an einer Komponente berechnet und aufgezeichnet wurden, auf Komponentenbasis und zeichnet diese in Schritt S105 (Schritt S106) auf. Die Informationsverwaltungsvorrichtung 2 prüft, ob die designierten Komponenten, für die im Voraus vorgesorgt wurde, geliefert wurden oder nicht (Schritt S107). Wenn die designierten Komponenten geliefert worden sind, wird die Lagermenge der gelieferten Komponenten in einem Speicher aktualisiert (Schritt S108) und die Operation fährt mit Schritt S109 fort. Wenn NEIN in Schritt S107 als ein Ergebnis der Bestimmung des Vorhandenseins oder Fehlens einer Lieferung auftritt, geht der Betrieb von Schritt S107 direkt zu Schritt S109.
In Schritt S109 bestimmt die Informationsverwaltungsvorrichtung 2, ob „die Lagermenge jedes Typs der designierten Komponenten“ ≥ „die Summe geschätzter kumulativer Fehlerraten von jedem Typ von designierten Komponenten mit den gleichen Spezifikationen“ + Δn durch Vergleichen der Lagermenge jedes Typs der designierten Komponenten, die in dem Speicher gespeichert sind, und der Summe geschätzter kumulativer Fehlerraten von jedem Typ der designierten Komponenten mit den gleichen Spezifikationen, die in Schritt S106 berechnet und aufgezeichnet wurden, gilt.
Δn ist eine Marge, die durch eine positive ganze Zahl einschließlich Null dargestellt wird. Δn = 0 wird in den Beispielen der 5a und 5b verwendet, und Δn = 1 wird im Beispiel von 5c verwendet, aber die Marge ist nicht notwendigerweise eine ganze Zahl. Die Bestimmungsgleichung ist nur ein Beispiel, die Marge kann basierend auf einer Gleichung von „die Lagermenge von jedem Typ der designierten Komponenten“ ≥ m^x „die Summe von geschätzten kumulativen Fehlerraten von jedem Typ von designierten Komponenten, die die gleichen Spezifikationen haben“, wobei m ≥ 1. „Δn“ und „m“ können abhängig von der Art der designierten Komponenten geändert werden.
Wenn JA in Schritt S109 auftritt, ist eine geeignete Lagermenge sichergestellt. Die Informationsverwaltungsvorrichtung 2 bestimmt, ob ein Befehl zum Beenden der Lagerverwaltung ausgegeben wird oder nicht (Schritt S110). Wenn der Stoppbefehl ausgegeben wird, ist die Lagerverwaltung abgeschlossen. Wenn kein Stoppbefehl ausgegeben wird, kehrt die Informationsverwaltungsvorrichtung 2 zu Schritt S101 zurück und setzt die Lagerverwaltung fort.
Man beachte, dass in Schritt S102, wenn eine der designierten Komponenten als ausfallend bestimmt wird, die Informationsverwaltungsvorrichtung 2 als Ergebnis der Bestimmung der Betriebszustände der designierten Komponenten die Außenseite über einen Austausch der ausfallenden Komponente benachrichtigt (Schritt S111). Eine Vorrichtung 3 mit der ausfallenden Komponente wird wiederhergestellt und die Lagermenge der designierten Komponenten wird aktualisiert (Schritt S112). Wenn die ersetzte Komponente eine neue Komponente ist, setzt die Informationsverwaltungsvorrichtung 2 die kumulative Fehlerrate der designierten Komponente auf Null zurück (Schritt S113) und die Operation kehrt zu Schritt S101 zurück, um die Lagerverwaltung fortzusetzen.
Wenn NEIN in Schritt S109 auftritt, gibt es eine erhöhte Wahrscheinlichkeit, dass ein unzureichender Lagerbestand danach auftreten kann. Somit trifft die Informationsverwaltungsvorrichtung 2 Vorbereitungen für eine erforderliche Lagermenge der designierten Komponenten, die in Schritt S109 als NEIN bestimmt werden, um die Bestimmungsgleichung zu erfüllen (Schritt S114), und die Operation kehrt zu Schritt S101 zurück, um die Lagerverwaltung fortzusetzen.
Durch die Wiederholungen der Schritte S101 bis S114 wird die Lagermenge der designierten Komponenten in einer geeigneten Weise verwaltet.
Wie oben beschrieben, hat das Lagerverwaltungssystem 1 gemäß dieser Ausführungsform die Funktion zum Berechnen der Summe der kumulativen Fehlerraten, d. h. des Summenwerts der kumulativen Fehlerraten aller designierten Komponenten mit den gleichen Spezifikationen, die in der Gruppe der Vorrichtungen 3 zu einem bestimmten Zeitpunkt verwendet werden, unter Berücksichtigung der Beschleunigungsfaktoren in Abhängigkeit von den Betriebsbedingungen relativ zur kumulativen Standardfehlerrate jedes Typs der designierten Komponenten mit den gleichen Spezifikationen, die in der Gruppe von Vorrichtungen 3 unter der Standardbetriebsbedingung verwendet werden, und die Funktion des Berechnens der geeigneten Lagermenge der designierten Komponenten basierend auf der berechneten Summe der kumulativen Fehlerraten. Diese Funktionen dienen dazu, unter Berücksichtigung eines Fehlers, der keine Vorzeichen zeigt, eine angemessene Lagerverwaltung durchzuführen. Daher ist es möglich, eine Verzögerung bei der Instandhaltung oder Wiederherstellung aufgrund eines unzureichenden Lagerbestands zu verhindern, aber auch eine übermäßige Lagerhaltung zu verhindern.
Man beachte, dass der Informationsprozessor 30, wie der Computer oder der Server, der in der Informationsverwaltungsvorrichtung 2 angeordnet ist, die obigen Funktionen ausführt. Genauer gesagt führt der Informationsprozessor 30 eine Reihe von Prozessen durch, die in 6 gezeigt sind, darunter die Berechnung der kumulativen Fehlerraten und die Summe der kumulativen Fehlerraten, die Ermittlung, die Aufzeichnung und dergleichen. Der Informationsprozessor 30, der die obigen Funktionen ausführt, kann mit der Informationsverwaltungsvorrichtung 2 verbunden sein oder kann in einer beliebigen der Vorrichtungen 3 installiert sein, die mit der Informationsverwaltungsvorrichtung 2 verbunden sind.
In einem Fall, in dem von wenigstens einem Typs der gemeinsamen designierten Komponenten, die in den mit der Informationsverwaltungsvorrichtung 2 verbundenen Vorrichtungen 3 bereitgestellt werden, eine Komponente vorhanden ist, die eine sich allmählich verschlechternde Eigenschaft aufweist (im Folgenden als eine charakteristische, sich verschlechternde Komponente bezeichnet), welche ersetzt werden muss, wenn das Charakteristikum einen vorbestimmten Referenzwert erreicht, wird der Zeitpunkt des Ersetzens der charakteristischen, sich verschlechternden Komponente vorzugsweise aus der Charakteristik der charakteristischen, sich verschlechternden Komponente zu einem bestimmten Zeitpunkt und einer charakteristischen Verschlechterungsrate unter Berücksichtigung eines Beschleunigungskoeffizienten in Abhängigkeit von einer Betriebsbedingung relativ zu einer charakteristischen Standard-Verschlechterungsrate der charakteristischen, sich verschlechternden Komponente unter einer Standardbetriebsbedingung abgeschätzt. Die Lagermenge der designierten Komponenten wird vorzugsweise unter Berücksichtigung der Zeit für den Austausch zusätzlich zu der Lagermenge basierend auf der Summe der kumulativen Fehlerraten berechnet. Der Informationsprozessor 30 führt auch solche Funktionen aus.
7 zeigt ein Beispiel von charakteristischen Standardveränderungskurven, die Zeitvariationen in den Eigenschaften von charakteristischen, sich verschlechternden Komponente angeben, deren Eigenschaften sich durch Betreiben unter einer Standardbetriebsbedingung verschlechtern. Im Beispiel von 7 wird ein Betriebsstrom, der zum Betreiben der charakteristischen, sich verschlechternden Komponente und zum Erhalten einer Ausgabe einer vorbestimmten Leistung benötigt wird, als Charakteristik verwendet. Wenn der Betriebsstrom, um die vorbestimmte Ausgabe zu erzielen, 14A übersteigt, wird bestimmt, dass die charakteristische, sich verschlechternde Komponente am Ende ihrer Lebensdauer ist und ersetzt werden muss.
Bei einer tatsächlichen charakteristischen Veränderung wird angenommen, dass ein Betriebsstrom zum Erhalten einer vorbestimmten Ausgabe zu einem bestimmten Zeitpunkt 10A beträgt und ein Betriebsstrom zum Erhalten des vorbestimmten Ausgabesignals 8A beträgt, bevor 4500 Betriebsstunden erreicht werden. Wenn die tatsächliche charakteristische Veränderung mit den in 7 gezeigten charakteristischen Standardveränderungskurven verglichen wird, weist die am weitesten links liegende charakteristische Standardveränderungskurve der sechs charakteristischen Standardveränderungskurven eine höhere Verschlechterungsrate (d. h. eine Division einer charakteristischen Veränderung durch eine Betriebszeit) als die tatsächliche charakteristische Veränderung auf. Die äußerste rechte charakteristische Standardveränderungskurve weist eine niedrigere Verschlechterungsrate als die tatsächliche charakteristische Veränderung auf. Die vierte charakteristische Standardveränderungskurve von links hat beinahe die gleiche Verschlechterungsrate wie die tatsächliche charakteristische Veränderung. Dementsprechend wird geschätzt, dass die verbleibende Lebensdauer in der Größenordnung von 4600 Stunden von der vierten Standardkennlinienänderungskurve liegt, die fast der tatsächlichen Kennlinienänderung folgt.
Wenn eine Betriebsbedingung mit einer zweifachen Beschleunigung des Verbrauchs einer Lebensdauer (d. h. eine Betriebsbedingung mit einem Beschleunigungskoeffizienten von 2) während eines Anstiegs des Betriebsstroms von 8A bis 10A verwendet wird, um die vorbestimmte Ausgabe zu einem bestimmten Zeitpunkt zu erhalten, ist es notwendig, die verbleibende Lebensdauer durch Vergleich mit charakteristischen Veränderungskurven, die in 8 gezeigt sind, zu schätzen, in denen die horizontale Achse (Zeitachse) von 7 auf die Hälfte komprimiert ist. Da 8 eine Betriebsbedingung verwendet, die einen doppelt beschleunigten Lebensdauerverbrauch hat, wird die verbleibende Lebensdauer in der Größenordnung von 2300 Stunden geschätzt, wenn die Komponente unter einer unveränderten Betriebsbedingung verwendet wird. Wenn jedoch die Komponente unter der Standardbetriebsbedingung (d. h. eine Betriebsbedingung mit einem Beschleunigungskoeffizienten von 1) verwendet wird, wird geschätzt, dass die verbleibende Lebensdauer in der Größenordnung von 4600 Stunden liegt. Wenn der Betriebszustand während des Betreibens geändert wird, ist es notwendig, einen durchschnittlichen Beschleunigungskoeffizienten (=∫(Beschleunigungskoeffizient)dt/∫dt) zu verwenden, der eine Division eines Zeitintegralwerts eines Lebensdauerverbrauchsbeschleunigungskoeffizienten an jedem Punkt über die Zeit durch die Dauer über die Zeit ist.
7 und 8 zeigen eine begrenzte Anzahl charakteristischer Veränderungskurven und eine Gradientenkurve zwischen den charakteristischen Veränderungskurven kann durch Interpolation erhalten werden.
Man beachte, dass ein Lebensdauerverbrauchsbeschleunigungskoeffizient als „zweiter Beschleunigungskoeffizient“ bezeichnet wird, wenn eine Unterscheidung zwischen dem Lebensdauerverbrauchsbeschleunigungskoeffizienten und den anderen Beschleunigungskoeffizienten benötigt wird.
Wie oben beschrieben, kann, wenn der wenigstens eine Typ von gemeinsam designierten Komponenten, die in den Vorrichtungen 3 vorgesehen sind, die charakteristische, sich verschlechternde Komponente umfasst, die verbleibende Lebensdauer basierend auf der charakteristischen Veränderungskurve geschätzt werden, welche die gleiche charakteristische Verschlechterungsrate wie die charakteristische Veränderung der charakteristischen, sich verschlechternden Komponente in einer bestimmten Periode (in einer vorbestimmten Zeitspanne vor einem bestimmten Zeitpunkt) aus den charakteristischen Veränderungskurven unter Berücksichtigung eines Beschleunigungskoeffizienten in Abhängigkeit vom Betriebszustand der charakteristischen, sich verschlechternden Komponente aufweist, wie in 8 gezeigt. Die charakteristische Verschlechterungsrate der charakteristischen, sich verschlechternden Komponente in einer bestimmten Periode kann in eine Verschlechterungsrate unter der Standardbetriebsbedingung umgewandelt werden und eine verbleibende Lebensdauer kann basierend auf der charakteristischen Standardveränderungskurve mit der gleichen Verschlechterungsrate wie die charakteristische Veränderung in der bestimmten Periode nach der Umwandlung außerhalb der charakteristischen Standardveränderungskurven abgeschätzt werden, wie in 7 gezeigt. Zum Beispiel entspricht in einem Betriebszustand mit einem Beschleunigungskoeffizienten von 2 die tatsächliche Betriebszeit der doppelten Betriebszeit unter der Standardbetriebsbedingung. Da eine Verschlechterungsrate eine Division einer charakteristischen Veränderung durch die Betriebszeit (= charakteristische Veränderung/Betriebszeit) ist, ist eine Verschlechterungsrate unter der Standardbetriebsbedingung die Hälfte einer tatsächlichen Verschlechterungsrate. Somit kann eine verbleibende Lebensdauer aus einer der charakteristischen Standardveränderungskurven geschätzt werden, wie in 7 gezeigt, welche die gleiche Verschlechterungsrate wie eine halbe Verschlechterungsrate der tatsächlichen charakteristischen Veränderung aufweist. Wenn jedoch während des Betreibens eine Betriebsbedingung geändert wird, ist es notwendig, einen Zeitintegralwert eines Lebensdauerverbrauchsbeschleunigungskoeffizienten zu jedem Zeitpunkt (=∫(Beschleunigungskoeffizient)dt) als die Betriebszeit unter der Standardbetriebsbedingung zu verwenden.
Wie oben beschrieben, wird die VerschlechterungsCharakteristik in der bestimmten Periode mit den Charakteristikänderungskurven unter Berücksichtigung des Beschleunigungskoeffizienten in Abhängigkeit von der Betriebsbedingung verglichen, und die Restlebensdauer und die Zeit des Ersatzes für die charakteristische, sich verschlechternde Komponente werden aus der charakteristischen Veränderungskurve mit der gleichen Verschlechterungsrate wie die Verschlechterungseigenschaft abgeschätzt. Die Lagermenge der für die Instandhaltung designierten Komponenten wird auf der Grundlage der geschätzten Werte verwaltet, wodurch eine angemessenere Leistung der Lagerverwaltung ermöglicht wird.
In dem Lagerverwaltungssystem gemäß dieser Ausführungsform kann die Informationsverwaltungsvorrichtung 2 Vorkehrungen für eine Ersatzkomponente der charakteristischen, sich verschlechternden Komponente unter Berücksichtigung der Zeit des Ersatzes treffen, die aus dem Grad der Verschlechterung geschätzt wird. Ferner gibt die Informationsverwaltungsvorrichtung 2 vorbeugende Instandhaltungsinformationen aus, die den Austausch der charakteristischen, sich verschlechternden Komponente empfehlen und dazu dienen, die Komponente in einer geplanten Weise zu ersetzen, bevor die Verschlechterungscharakteristik den vorbestimmten Referenzwert erreicht, bei dem die charakteristische, sich verschlechternde Komponente ersetzt werden muss, um ein Anhalten der Vorrichtung 3 mit der Komponente zu verhindern und die Produktion unter Verwendung der Vorrichtung 3 nachteilig zu beeinflussen.
9 ist ein Beispiel eines Flussdiagramms, das zu 6 hinzugefügt werden kann, und zeigt Schritte der Lagerverwaltung und der vorbeugenden Instandhaltung für die charakteristische, sich verschlechternde Komponente als einen zusätzlichen Betriebsablauf. Durch Einfügen der Schritte S115 bis S129 von 9 zwischen den Schritten S109 und S110 von 6, können Lagerverwaltung und vorbeugende Instandhaltung in geeigneter Weise an der charakteristischen, sich verschlechternden Komponente durchgeführt werden. In der folgenden Beschreibung auf der Grundlage von 9 fungiert die Informationsverwaltungsvorrichtung 2 auch als der Informationsprozessor 30.
In 9, nach Schritt S109 von 6 wird bestimmt, ob die designierten Komponenten eine charakteristische, sich verschlechternde Komponente umfassen oder nicht (Schritt S115).
Wenn in Schritt S115 nicht bestimmt wird, dass die designierten Komponenten eine charakteristische, sich verschlechternde Komponente umfassen, kehrt die Operation der Informationsverwaltungsvorrichtung 2 zu Schritt S101 von 6 zurück. Wenn jedoch bestimmt wird, dass die designierten Komponenten eine charakteristische, sich verschlechternde Komponente umfassen, sammelt und speichert die Informationsverwaltungsvorrichtung 2 die Zustandsgröße jeder Vorrichtung 3, welche die Betriebsbedingung und die Charakteristik der charakteristischen, sich verschlechternden Komponente enthält, durch die Kommunikationssteuerung und dergleichen der Vorrichtung 3 unter Lagerverwaltung (Schritt S116). Die Informationsverwaltungsvorrichtung 2 berechnet eine Verschlechterungsrate der Charakteristik der charakteristischen, sich verschlechternden Komponente und eines Beschleunigungskoeffizienten der Verschlechterungsrate abhängig von der Betriebsbedingung (Schritt S117).
Anschließend vergleicht die Informationsverwaltungsvorrichtung 2 die Charakteristik der charakteristischen, sich verschlechternden Komponente in einer bestimmten Periode mit charakteristischen Veränderungskurven unter Berücksichtigung des Beschleunigungskoeffizienten, wie in 8 gezeigt (Schritt S118). Die Informationsverwaltungsvorrichtung 2 wählt eine Kurve mit der gleichen charakteristischen Verschlechterungsrate wie die Charakteristik der charakteristischen, sich verschlechternden Komponente in der bestimmten Periode aus und berechnet die verbleibende Lebensdauer der charakteristischen, sich verschlechternden Komponente aus der ausgewählten Kurve unter Berücksichtigung des Beschleunigungskoeffizienten in Abhängigkeit von der Betriebsbedingung (Schritt S119).
Ferner bestimmt die Informationsverwaltungsvorrichtung 2, ob die charakteristischen, sich verschlechternden Komponenten, für die aufgrund einer kurzen Lebensdauer und dergleichen Vorbereitungen getroffen wurden, geliefert wurden oder nicht (Schritt S120). Wenn die die charakteristischen, sich verschlechternden Komponenten geliefert worden sind, wird die Lagermenge der gelieferten Komponenten aktualisiert (Schritt S121) und die Operation fährt mit Schritt S122 fort. Wenn sie noch nicht geliefert worden sind, geht die Operation direkt zu S122 über.
In Schritt S122 bestimmt die Informationsverwaltungsvorrichtung 2, ob eine vorbeugende Instandhaltung einer demnächst zu ersetzenden charakteristischen, sich verschlechternden Komponente in Übereinstimmung mit präventiven Instandhaltungsinformationen, die einen Austausch der charakteristischen, sich verschlechternden Komponente um eine vorbestimmte Zeit vor der Zeit des Ersatzes empfehlen, durchgeführt wurde. Als ein Ergebnis der Bestimmung aktualisiert die Informationsverwaltungsvorrichtung 2, wenn eine vorbeugende Instandhaltung durchgeführt wurde, die Lagermenge der charakteristischen, sich verschlechternden Komponente, die bei der vorbeugenden Instandhaltung verwendet wird (Schritt S123). Die Informationsverwaltungsvorrichtung 2 setzt die verbleibende Lebensdauer der ersetzten charakteristischen, sich verschlechternden Komponente auf die durchschnittliche Lebensdauer oder dergleichen zurück (Schritt S124) und die Operation wird zu Schritt S125 weiterverarbeitet. Wenn die vorbeugende Instandhaltung nicht durchgeführt wurde, geht die Operation direkt von Schritt S122 zu Schritt S125 über.
In Schritt S125 bestimmt die Informationsverwaltungsvorrichtung 2, ob die verbleibende Lebensdauer, die in Schritt S119 berechnet wird, länger ist als die Zeit, zu der eine vorbestimmte Zeit T1 zu einer Lieferzeit der charakteristischen, sich verschlechternden Komponente hinzugefügt wird. In dieser Beschreibung gibt die Lieferzeit eine Zeitspanne an, die von einer Bestellung der Komponente bis zu einer Lieferung derselben benötigt wird.
Was die vorbestimmte Zeit T1 anbelangt, die in gewisser Weise als Puffer bereitgestellt wird, ist es allgemein denkbar, eine Restlebensdauer einer charakteristischen, sich verschlechternden Komponente unter der Annahme zu berechnen, dass beispielsweise die charakteristische, sich verschlechternde Komponente unter einer Betriebsbedingung mit einem durchschnittlichen Beschleunigungskoeffizienten von 2 betrieben wird, in der Betriebsbedingung bleibt, wobei der mittlere Beschleunigungskoeffizient in der Zukunft weiterhin 2 beträgt. Tatsächlich kann jedoch die charakteristische, sich verschlechternde Komponente unter einer Betriebsbedingung mit beispielsweise einem durchschnittlichen Beschleunigungskoeffizienten = 4 betrieben werden, nachdem sie unter der Betriebsbedingung mit dem durchschnittlichen Beschleunigungskoeffizienten = 2 betrieben wurde. In solch einem Fall wird die tatsächliche verbleibende Lebensdauer auf die Hälfte der erwarteten verbleibenden Lebensdauer reduziert und daher muss die vorbestimmte Zeit T1 unter Berücksichtigung dieses Falles eingestellt werden. Es sei angemerkt, dass das kontinuierliche Überwachen des Betriebszustands und das Bestimmen der verbleibenden Lebensdauer relativ häufig basierend auf Daten über den Betriebszustand den Unterschied zwischen einer erwarteten verbleibenden Lebensdauer und der tatsächlichen verbleibenden Lebensdauer minimiert.
Wenn in Schritt S125 nicht festgestellt wird, dass „verbleibende Lebensdauer ≥ Lieferzeit + vorbestimmte Zeit T1“ erfüllt ist, bestimmt die Informationsverwaltungsvorrichtung 2, ob Anordnungen für die charakteristischen, sich verschlechternden Komponenten gemacht wurden oder nicht (Schritt S126). Wenn noch keine Anordnung getroffen wurde, führt die Informationsverwaltungsvorrichtung 2 Anordnungen für die charakteristischen, sich verschlechternden Komponenten durch (Schritt S127) und zeichnet auf, dass Anordnungen für die charakteristischen, sich verschlechternden Komponenten gemacht wurden, und der Vorgang geht weiter zu Schritt S128. Wenn jedoch in Schritt S125 bestimmt wird, dass „Restlebensdauer ≥ Lieferzeit + vorbestimmte Zeit T1“ erfüllt ist, oder bestimmt wird, dass in Schritt S126 Anordnungen für die charakteristischen, sich verschlechternden Komponenten vorgenommen wurden, geht der Vorgang direkt zu Schritt S128 weiter.
Schritt S128 bestimmt, ob „Restlebensdauer ≥ vorbestimmte Zeit T2“ erfüllt ist oder nicht. Wenn die verbleibende Lebensdauer kürzer als die vorbestimmte Zeit T2 ist, empfiehlt die Informationsverwaltungsvorrichtung 2, die charakteristische, sich verschlechternde Komponente zu ersetzen, und gibt vorbeugende Instandhaltungsinformationen aus, um das Ersetzen der charakteristischen, sich verschlechternden Komponente zu empfehlen (Schritt S129).
Als Beispiele für die ausgegebenen Informationen zur vorbeugenden Instandhaltung kann ein Warntext auf einem Monitor angezeigt werden oder es kann eine ungefähre Restlebensdauer auf einem Monitor angezeigt werden. Um die Benachrichtigung zu gewährleisten, können die Informationen zur vorbeugenden Instandhaltung von Ton und Licht begleitet werden. Eine Mehrzahl von verschiedenen vorbestimmten Zeiten T2 kann eingestellt werden, und die Benachrichtigung kann von einem Hinweis zu einer Warnung mit einer Verringerung der Restlebensdauer umgeschaltet werden. Wenn in Schritt S128 bestimmt wird, dass „Restlebensdauer ≥ vorbestimmte Zeit T2“ erfüllt ist, wird Schritt S110 von 6 ausgeführt, ohne Schritt S129 auszuführen.
Wie oben beschrieben, kann durch Wiederholungen einer Reihe von Vorgängen, welche die Schritte S101 bis S114 von 6 und die Schritte S115 bis S129 von 9 enthalten, in Bezug auf die designierten Komponenten, die keine Vorzeichen zeigen, die Lagermenge in geeigneter Weise beruhend auf der Summe der kumulativen Fehlerraten unter Berücksichtigung der Beschleunigungskoeffizienten in Abhängigkeit von den Betriebsbedingungen verwaltet werden. Was die charakteristischen, sich verschlechternden Komponenten betrifft, deren Eigenschaften sich allmählich verschlechtern, kann die Lagermenge in einer geeigneten Weise basierend auf der Austauschzeit, die aus den charakteristischen Verschlechterungsraten unter Berücksichtigung der Beschleunigungskoeffizienten in Abhängigkeit von den Betriebsbedingungen geschätzt wird, verwaltet werden und die vorbeugende Instandhaltung kann in einer geeigneten Weise durchgeführt werden, indem ein Austausch empfohlen wird, wenn sich der Zeitpunkt des Austauschs nähert.
In dieser Ausführungsform werden der Betriebsablauf (6) für die Lagerverwaltung der Komponenten, die keine Vorzeichen zeigen, und der Betriebsablauf (9) für die Lagerverwaltung und vorbeugende Instandhaltung der charakteristischen, sich verschlechternden Komponenten in zeitlicher Abfolge durchgeführt, wobei aber die vorliegende Erfindung nicht auf diese Reihenfolge beschränkt ist. Zum Beispiel kann zu Beginn bestimmt werden, ob die designierten Komponenten charakteristische, sich verschlechternde Komponenten enthalten oder nicht. Als ein Ergebnis der Bestimmung kann, wenn die designierten Komponenten keine charakteristischen, sich verschlechternden Komponenten enthalten, der Betriebsablauf von 6 durchgeführt werden. Wenn die designierten Komponenten charakteristische, sich verschlechternde Komponenten enthalten, kann der Betriebsablauf von 9 ausgeführt werden. Mit anderen Worten können die in den 6 und 9 gezeigten Betriebsabläufe parallel ausgeführt werden.
Der Informationsprozessor 30 wie der Computer oder der Server, der zur Berechnung der Verschlechterungsrate und der verbleibenden Lebensdauer benötigt wird, der Informationen für die Berechnung sammelt und aufzeichnet, Berechnungsergebnisse aufzeichnet, um auf der Grundlage der Berechnungsergebnisse eine Bestimmung durchzuführen, und dergleichen, wie in 9 gezeigt, ist in der Informationsverwaltungsvorrichtung 2 eingebaut. Jedoch kann der Informationsprozessor 30 mit der Informationsverwaltungsvorrichtung 2 verbunden sein oder kann in einer beliebigen der Vorrichtungen 3, die mit der Informationsverwaltungsvorrichtung 2 verbunden sind, installiert sein. Der Informationsprozessor 30 kann identisch mit dem Informationsprozessor 30 sein, der für die Berechnung der kumulativen Fehlerraten und der Summe der kumulativen Fehlerraten, der Bestimmung, der Aufzeichnung und dergleichen, wie in 6 gezeigt, verwendet wird, oder kann anders sein.
10 ist ein Blockdiagramm, das die schematische Konfiguration eines Lagerverwaltungssystems 1 gemäß einer anderen Ausführungsform zeigt. In dem in 10 gezeigten Lagerverwaltungssystem ist wenigstens eine erste Maschinenlernvorrichtung 4-1 mit der oben beschriebenen Informationsverwaltungsvorrichtung 2 verbunden.
Die erste Maschinenlernvorrichtung 4-1 umfasst eine erste Lerneinheit 5-1, eine Zustandsgrößenbeobachtungseinheit 6 und eine Ergebniseinholungseinheit 7. Die erste Lerneinheit 5-1 umfasst eine Fehlerberechnungseinheit 8 und eine Lernmodellaktualisierungseinheit 9. Ein Datenrekorder 10 ist außerhalb der ersten Maschinenlernvorrichtung 4-1 vorgesehen, um Daten mit Ergebnissen (markierte Daten) darin aufzuzeichnen.
Die Zustandsgrößenbeobachtungseinheit 6 der ersten Maschinenlernvorrichtung 4-1 beobachtet Ausgaben von Komponenten, wie z. B. Kommunikationssteuerungen und Speichern, welchen die Vorrichtungen 3 bilden, die mit der Informationsverwaltungsvorrichtung 2 verbunden sind, und Ausgaben von wenigstens einem von einer Vielfalt von Sensoren, die in den Vorrichtungen 3 vorgesehen sind, und einer Vielfalt von Sensoren, die um die Vorrichtungen 3 herum vorgesehen sind, als die Zustandsgrößen der Vorrichtungen 3, einschließlich der Betriebsbedingungen, Zustände und dergleichen der designierten Komponenten.
Die Ergebniseinholungseinheit 7 der ersten Maschinenlernvorrichtung 4-1 erhält Informationen über einen Fehler, der in den Vorrichtungen 3 auftritt.
Die erste Lerneinheit 5-1 lernt eine standardmäßige kumulative Fehlerratenkurve (siehe beispielsweise die durchgezogenen Linien der 2a und 2b), die eine zeitliche Variation der kumulativen Fehlerrate von jedem Typ von designierten Komponenten unter einer Standardbetriebsbedingung wiedergibt, und einen ersten Beschleunigungskoeffizienten (siehe beispielsweise 3), der das Beschleunigungsverhältnis der kumulativen Fehlerrate in Abhängigkeit von einer Betriebsbedingung in Bezug auf die kumulative Standardfehlerrate von jedem Typ von designierten Komponenten unter der Standardbetriebsbedingung darstellt, in Verbindung mit den beobachteten Zustandsgrößen der Vorrichtungen 3 und den erhaltenen Fehlerinformationen an den Vorrichtungen 3.
Ein Informationsprozessor 30, der innerhalb oder außerhalb der Informationsverwaltungsvorrichtung 2 installiert ist, berechnet die Summe kumulativer Fehlerraten unter Bezugnahme auf die kumulative Standardausfallratenkurve und unter Bezugnahme auf den ersten Beschleunigungskoeffizienten jedes Typs von designierten Komponenten, die von der ersten Lerneinheit 5-1 gelernt wurden, und arbeitet in Übereinstimmung mit dem in 6 gezeigten Betriebsablauf, um eine angemessene Lagerverwaltung in Anbetracht eines Fehlers ohne Vorzeichen zu machen.
Als konkrete Beispiele für die Betriebsbedingung, den Zustand und dergleichen der als die Zustandsgröße der Vorrichtung 3 zu betrachtenden designierten Komponente gibt es Betriebsstrom, angelegte Spannung, Betriebsfrequenz, Betriebstemperatur, Umgebungstemperatur, Temperaturzyklus, Feuchtigkeit, Vibration und dergleichen. In Abhängigkeit von den Spezifikationen der Komponente kann die Zustandsgröße, die von der Zustandsgrößenbeobachtungseinheit 6 zu beobachten ist, eine Lichtabgabe, eine Drehgeschwindigkeit, eine Beschleunigung, ein hörbares Geräusch, eine atmosphärische Gaszusammensetzung, eine Spannung und dergleichen umfassen.
Die Zustandsgrößenbeobachtungseinheit 6 kann zusätzlich zur Beobachtung der Zustandsgrößen der Vorrichtungen 3 Daten verarbeiten, um die Daten bei Bedarf in der ersten Lerneinheit 5-1 nutzbar zu machen.
Es gibt verschiedene maschinelle Lernmethoden. Obwohl ein auf diese Ausführungsform anzuwendendes maschinelles Lernverfahren nicht speziell eingeschränkt ist, ist in dem Beispiel von 10 ein Datenrekorder 10 außerhalb der ersten Maschinenlernvorrichtung 4-1 vorgesehen, um markierte Daten aufzuzeichnen, die beim überwachten Lernen zu verwenden sind.
Die erste Maschinenlernvorrichtung 4-1 hat ein Lernmodell, um die kumulative Standardausfallratenkurve und den ersten Beschleunigungskoeffizienten zu lernen. Um ein Lernen durchzuführen, berechnet die erste Maschinenlernvorrichtung 4-1 den Fehler zwischen Informationen über das Lernmodell und erhaltene tatsächliche Fehlerinformationen, d. h. ein Ergebnis (Label), und aktualisiert das Lernmodell gemäß dem Fehler.
Der Datenrekorder 10 speichert markierte Daten, die bis zu diesem Punkt erhalten wurden, und stellt die markierten Daten für die Fehlerberechnungseinheit 8 bereit. Die markierten Daten können für die Fehlerberechnungseinheit 8 über eine Speicherkarte, eine Kommunikationsleitung oder dergleichen bereitgestellt werden.
Das maschinelle Lernen kann ausgehend von einem Zustand, in dem keine markierten Daten vorhanden sind, durch Verstärkungslernen gestartet werden. Das überwachte Lernen unter Verwendung der bis dahin erhaltenen markierten Daten hat jedoch den Vorteil, dass das Lernen in relativ kurzer Zeit durchgeführt werden kann.
Gemäß dieser Ausführungsform ist es möglich, selbst wenn die kumulative Fehlerrate und der Beschleunigungskoeffizient der kumulativen Fehlerrate in Abhängigkeit von der Betriebsbedingung unbekannt oder ungenau sind, in Abhängigkeit von dem Typ der designierten Komponenten in Anbetracht eines Versagens, das keine Vorzeichen zeigt, eine Lagerverwaltung in geeigneter Weise durchzuführen. Da die erste Maschinenlernvorrichtung 4-1 eine Reihe von Lernprozessen aufweist, besitzen die kumulative Fehlerrate und der Beschleunigungskoeffizient der kumulativen Fehlerrate in Abhängigkeit von der Betriebsbedingung eine erhöhte Genauigkeit und daher kann eine Lagerverwaltung zuverlässiger durchgeführt werden.
11 ist ein Flussdiagramm, das ein Beispiel einer Maschinenlernoperation gemäß dieser Ausführungsform zeigt. In der folgenden Beschreibung auf der Grundlage von 11 fungiert die Informationsverwaltungsvorrichtung 2 auch als der Informationsprozessor 30.
Beim Starten des Maschinenlernens sammelt die Zustandsgrößenbeobachtungseinheit 6 der ersten Maschinenlernvorrichtung 4-1 Ausgabesignale von Komponenten, wie z. B. einer Kommunikationssteuerung und einem Speicher, die jeweils die Vorrichtung 3 bilden, und Ausgaben von wenigstens einem von einer Vielfalt von Sensoren, die in der Vorrichtung 3 vorgesehen sind, und einer Vielfalt von Sensoren, die um die Vorrichtung 3 herum vorgesehen sind, als Zeitvariationen in den Zustandsgrößen der Vorrichtung 3, einschließlich der Betriebsbedingung, des Zustandes und dergleichen der designierten Komponente und zeichnet diese auf (Schritt S201).
Die erste Maschinenlernvorrichtung 4-1 bestimmt, ob die erste Lerneinheit 5-1 bereits ein Lernmodell hat oder nicht (Schritt S202). Wenn die erste Lerneinheit 5-1 ein Lernmodell aufweist, schreitet die Operation zu Schritt S204 fort. Wenn die erste Lerneinheit 5-1 kein Lernmodell hat, erzeugt die erste Maschinenlernvorrichtung 4-1 ein Anfangslernmodell aus den im Datenrekorder 10 gespeicherten, markierten Daten (Schritt S203) und die Operation schreitet zu Schritt S204 fort.
In Schritt S204 berechnet und speichert die Informationsverwaltungsvorrichtung 2 eine kumulative Fehlerrate jeder designierten Komponente unter Berücksichtigung eines ersten Beschleunigungskoeffizienten unter Bezugnahme auf das in der ersten Lerneinheit 5-1 bereitgestellte Lernmodell. Die erste Maschinenlernvorrichtung 4-1 erhält durch die Informationsverwaltungsvorrichtung 2 eine Fehlerinformation jeder designierten Komponente bei der Lagerverwaltung durch die Informationsverwaltungsvorrichtung 2 (Schritt S205).
Die Fehlerinformation ist eine Information darüber, welche der designierten Komponenten zu welchem Zeitpunkt ausgefallen ist. Zum Beispiel kann die Fehlerinformation aus der Zustandsgröße der Vorrichtung 3 erhalten werden, die den Zustand der designierten Komponente darstellt. Alternativ kann ein Bediener zum Zeitpunkt des Ersetzens der ausfallenden Komponente Informationen über den Austausch einer ausfallenden Komponente in die Informationsverwaltungsvorrichtung 2 eingeben, und die eingegebene Information kann als die Fehlerinformation verwendet werden.
Die erste Maschinenlernvorrichtung 4-1 bestimmt basierend auf der erhaltenen Fehlerinformation, ob eine ausfallende designierte Komponente vorhanden ist oder nicht (Schritt S206). Wenn bestimmt wird, dass eine ausfallende designierte Komponente vorhanden ist, werden tatsächliche Daten über die kumulative Fehlerrate der entsprechenden designierten Komponente aktualisiert (Schritt S207) und die aktualisierten tatsächlichen Daten werden zum Datenrekorder 10 hinzugefügt (Schritt S208). Die Fehlerberechnungseinheit 8 der ersten Maschinenlernvorrichtung 4-1 berechnet den Fehler zwischen der aus dem Lernmodell berechneten kumulativen Fehlerrate und den tatsächlichen Daten der kumulativen Fehlerrate (Schritt S209). Die Lernmodellaktualisierungseinheit 9 der ersten Maschinenlernvorrichtung 4-1 aktualisiert das Lernmodell, um den Fehler zu verringern (Schritt S211). Wenn in Schritt S206 bestimmt wird, dass keine ausfallende designierte Komponente vorhanden ist, weist die designierte Komponente eine erhöhte tatsächliche Betriebszeit bis zu ihrem Ausfall auf, so dass die erste Maschinenlernvorrichtung 4-1 die tatsächlichen Daten über die kumulative Versagensrate jeder designierten Komponente aktualisiert (Schritt S210), und die Operation schreitet zu Schritt S211 fort.
Nach Abschluss der Aktualisierung des Lernmodells in Schritt S211 bestimmt die erste Maschinenlernvorrichtung 4-1, ob ein Maschinenlernendbefehl vorliegt oder nicht (Schritt S212). Wenn ein Maschinenlernendbefehl vorhanden ist, ist das maschinelle Lernen abgeschlossen. Wenn ein Maschinenlernendbefehl fehlt, kehrt die Operation zu Schritt S201 zurück, um das Maschinenlernen fortzusetzen.
Wie oben beschrieben, kann die erste Lerneinheit 5-1 durch Wiederholungen einer Reihe von Prozessen von Schritt S201 bis Schritt S212 die kumulative Standardfehlerratenkurve jedes Typs von designierten Komponenten mit den gleichen Spezifikationen und mit dem ersten Beschleunigungskoeffizienten der kumulativen Fehlerrate in Abhängigkeit vom Betriebszustand mit hoher Genauigkeit lernen.
Eine Maschinenlernvorrichtung (im Folgenden als eine zweite Maschinenlernvorrichtung 4-2 bezeichnet) eines anderen Lagerverwaltungssystems mit der gleichen Konfiguration wie das in 10 gezeigte Lagerverwaltungssystem 1 kann Ausgaben von Komponenten wie Kommunikationssteuerungen und -speichern beobachten, die Vorrichtungen 3 bilden, die mit einer Informationsverwaltungsvorrichtung 2 verbunden sind, und Ausgaben von wenigstens einem von einer Vielfalt von in den Vorrichtungen 3 vorgesehenen Sensoren und einer Vielfalt von um die Vorrichtungen 3 herum vorgesehenen Sensoren als die Zustandsgrößen der Vorrichtungen 3, einschließlich der Betriebsbedingungen, Eigenschaften und dergleichen charakteristischer Verschlechterungskomponenten beobachten. Die zweite Maschinenlernvorrichtung 4-2 (nicht gezeigt) kann eine charakteristische Standardveränderungskurve der charakteristischen, sich verschlechternden Komponente (siehe 7) und einen zweiten Beschleunigungskoeffizienten lernen, der das Beschleunigungsverhältnis der charakteristischen Verschlechterungsrate abhängig von einer Betriebsbedingung in Bezug auf die charakteristische Standardveränderungskurve durch maschinelles Lernen in Verbindung mit den beobachteten Zustandsgrößen der Vorrichtungen 3 und charakteristischen Veränderungsinformationen über die charakteristischen, sich verschlechternden Komponenten, die als ein Teil der Zustandsgrößen erhalten werden, darstellt.
Als konkrete Beispiele für die Betriebsbedingung, die Eigenschaften und dergleichen der charakteristischen, sich verschlechternden Komponente, die als die Zustandsgröße der Vorrichtung 3 zu beobachten ist, gibt es Betriebsstrom, Anlegespannung, Betriebsfrequenz, Betriebstemperatur, Umgebungstemperatur, Temperaturzyklus, Feuchtigkeit, Vibrationen und dergleichen. Abhängig von der Art der Komponente kann die Zustandsgröße, die von der Zustandsgrößenbeobachtungseinheit 6 zu beobachten ist, eine Drehmomentausgabecharakteristik, eine Lichtausgabecharakteristik, eine Wärmeerzeugungscharakteristik, eine Rotationsgeschwindigkeit, eine Beschleunigung, einen hörbaren Schall, eine atmosphärische Gaszusammensetzung, eine Spannung und dergleichen umfassen.
Wie bei der oben beschriebenen ersten Maschinenlernvorrichtung 4-1 umfasst die zweite Maschinenlernvorrichtung 4-2 eine zweite Lerneinheit 5-2, eine Zustandsgrößenbeobachtungseinheit 6, eine Ergebniseinholungseinheit 7 und einen Datenrekorder 10. Die zweite Lerneinheit 5-2 umfasst eine Fehlerberechnungseinheit 8 und eine Lernmodellaktualisierungseinheit 9.
Die Informationsverwaltungsvorrichtung 2 kann die verbleibende Lebensdauer jeder charakteristischen, sich verschlechternden Komponente durch Ausführen des in 9 gezeigten Operationsablaufs bezugnehmend auf die charakteristische Standardveränderungskurve und den zweiten Beschleunigungskoeffizienten jedes Typs der charakteristischen, sich verschlechternden Komponenten, die von der zweiten Lerneinheit 5-2 der zweiten Maschinenlernvorrichtung 4-2 gelernt werden, abschätzen. Selbst wenn die charakteristische Standardveränderungskurve und der zweite Beschleunigungskoeffizient der charakteristischen, sich verschlechternden Komponenten unbekannt oder ungenau sind, kann die Informationsverwaltungsvorrichtung 2 ferner eine Lagerverwaltung und vorbeugende Instandhaltung auf geeignete Weise unter Verwendung einer Reihe von Lernprozessen, die durch zweite Maschinenlernvorrichtung 4-2 abgehalten werden, durchführen.
12 ist ein Flussdiagramm, das ein Beispiel eines Prozesses zum Lernen einer charakteristischen Standardveränderungskurve und eines zweiten Beschleunigungskoeffizienten einer charakteristischen, sich verschlechternden Komponente zeigt. In der folgenden Beschreibung auf der Grundlage von 12 fungiert die Informationsverwaltungsvorrichtung 2 jedoch auch als der Informationsprozessor 30.
Die zweite Maschinenlernvorrichtung 4-2 weist ein Lernmodell auf, um eine kumulative Standardausfallratenkurve und einen zweiten Beschleunigungskoeffizienten zu lernen. Um ein Lernen durchzuführen, berechnet die zweite Maschinenlernvorrichtung 4-2 den Fehler zwischen dem Lernmodell und der tatsächlichen charakteristischen Veränderungsinformation, die durch die Ergebniseinholungseinheit 7 der zweiten Maschinenlernvorrichtung 4-2 erhalten wird, und aktualisiert das Lernmodell gemäß dem Fehler.
Im Beispiel von 12 beobachtet die zweite Maschinenlernvorrichtung 4-2 beim Starten des maschinellen Lernens die Ausgaben von Komponenten wie etwa einer Kommunikationssteuerung und einem Speicher, die jede Vorrichtung 3 bilden, und die Ausgaben von wenigstens einem aus einer Vielfalt von Sensoren aus, die in jeder Vorrichtung 3 vorgesehen sind, und aus einer Vielfalt von Sensoren, die um die Vorrichtung 3 herum vorgesehen sind, durch die Zustandsgrößenbeobachtungseinheit 6 als eine Zeitvariation in der Zustandsgröße der Vorrichtung 3, einschließlich der Betriebsbedingung, Betriebscharakteristik und dergleichen einer charakteristischen, sich verschlechternden Komponente und zeichnet diese auf (Schritt S301).
Die zweite Maschinenlernvorrichtung 4-2 bestimmt, ob eine charakteristische Verschlechterungsbreite der charakteristischen, sich verschlechternden Komponente, d. h. eine charakteristische Veränderung von einer vorbestimmten Zeit vor einem bestimmten Zeitpunkt, welche die charakteristische Veränderungsinformation der charakteristischen, sich verschlechternden Komponente ist, größer ist als ein vorbestimmter Wert (Schritt S302). Dies liegt daran, dass wenn die charakteristische Verschlechterungsbreite nicht ausreichend größer als ein Messfehler ist, die Verschlechterungsrate, die als eine Division der charakteristischen Verschlechterungsbreite durch die Betriebszeit berechnet wird, einen erhöhten Fehler aufweist, wodurch die Genauigkeit des Lernens verschlechtert wird. Wenn die charakteristische Verschlechterungsbreite der charakteristischen, sich verschlechternden Komponente kleiner ist als der vorbestimmte Wert, wird Schritt S301 erneut ausgeführt.
Wenn bestimmt wird, dass die charakteristische Verschlechterungsbreite der charakteristischen, sich verschlechternden Komponente größer ist als der vorbestimmte Wert, addiert die zweite Maschinenlernvorrichtung 4-2 Daten mit einem Ergebnis (einer charakteristischen Verschlechterungsbreite) (genauer gesagt, der Zustandsgröße der Vorrichtung 3, einschließlich der Betriebsbedingung, der Betriebscharakteristik und dergleichen der charakteristischen, sich verschlechternden Komponente) zum Datenrekorder 10 (Schritt S303).
Als Nächstes bestimmt die zweite Maschinenlernvorrichtung 4-2, ob die zweite Lerneinheit 5-2 bereits ein Lernmodell hat oder nicht (Schritt S304). Wenn die zweite Lerneinheit 5-2 ein Lernmodell aufweist, schreitet die Operation zu Schritt S306 fort. Wenn die zweite Lerneinheit 5-2 kein Lernmodell hat, erzeugt die zweite Maschinenlernvorrichtung 4-2 ein Anfangslernmodell aus den im Datenrekorder 10 gespeicherten markierten Daten (Schritt S305) und die Operation fährt mit Schritt S306 fort.
In Schritt S306 berechnet und zeichnet die Informationsverwaltungsvorrichtung 2 eine Verschlechterungsrate der charakteristischen, sich verschlechternden Komponente unter einer Standardbetriebsbedingung unter Verwendung eines zweiten Beschleunigungskoeffizienten unter Bezugnahme auf das in der zweiten Lerneinheit 5-2 bereitgestellte Lernmodell. Ferner extrahiert und zeichnet die Informationsverwaltungsvorrichtung 2 eine charakteristische Standardveränderungskurve mit der gleichen Verschlechterungsrate nach der Berechnung wie die Charakteristik der charakteristischen, sich verschlechternden Komponente unter Bezugnahme auf das Lernmodell (Schritt S307) und bestimmt, ob es eine Vorgeschichte der Extraktion einer charakteristischen Standardveränderungskurve gibt oder nicht (Schritt S308). Wenn eine Extraktionsvorgeschichte vorliegt, berechnet die Fehlerberechnungseinheit 8 den Fehler zwischen der in Schritt S306 berechneten Verschlechterungsrate und einer aus der zuletzt extrahierten charakteristischen Standardveränderungskurve geschätzten Verschlechterungsrate (Schritt S309) und aktualisiert das Lernmodell so, um den Fehler zu verringern (Schritt S310). Wenn andererseits in Schritt S308 bestimmt wird, dass keine Extraktionsvorgeschichte vorliegt, kehrt die Operation zu Schritt S301 zurück und das maschinelle Lernen wird fortgesetzt.
Nach dem Abschluss der Aktualisierung des Lernmodells in Schritt S310 bestimmt die zweite Maschinenlernvorrichtung 4-2, ob ein Maschinenlernendbefehl vorhanden ist oder nicht (Schritt S311). Wenn ein Maschinenlernendbefehl vorhanden ist, ist das maschinelle Lernen abgeschlossen. Wenn ein Maschinenlernendbefehl fehlt, kehrt die Operation zu Schritt S301 zurück, um das Maschinenlernen fortzusetzen.
Wie oben beschrieben, kann durch Wiederholen einer Reihe von Prozessen zwischen den Schritten S301 und S311 die zweite Lerneinheit 5-2 die charakteristische Standardveränderungskennlinie jedes Typs von charakteristischen, sich verschlechternden Komponenten mit den gleichen Spezifikationen und dem zweiten Beschleunigungskoeffizienten mit Bezug auf den Lebensdauerverbrauch abhängig vom Betriebszustand mit hoher Präzision lernen. Ferner kann die Informationsverwaltungsvorrichtung 2 Lagerverwaltung und vorbeugende Instandhaltung in einer geeigneteren Weise durchführen, indem die Zeit des Ersetzens der charakteristischen, sich verschlechternden Komponente unter Bezugnahme auf die charakteristische Veränderungskurve und den zweiten Beschleunigungskoeffizienten, die von der zweiten Lerneinheit 5-2 der zweiten maschinellen Lernvorrichtung 4-2 gelernt werden, berechnet wird.
Man beachte, dass dieses maschinelle Lernverfahren nicht auf ein überwachtes Lernen beschränkt ist, das in 12 als ein Beispiel gezeigt ist.
Darüber hinaus kann ein in 13 gezeigtes Lagerverwaltungssystem 1 gemäß einer anderen Ausführungsform nach einem Fehlerzeichen einer designierten Komponente suchen, deren Fehlerzeichen unbekannt ist. Wie in 13 gezeigt, ist eine dritte Maschinenlernvorrichtung 4-3 mit einer Informationsverwaltungsvorrichtung 2 verbunden. Die dritte Maschinenlernvorrichtung 4-3 umfasst eine dritte Lerneinheit 5-3 und eine Zustandsgrößenbeobachtungseinheit 6. Die dritte Lerneinheit 5-3 weist ein Lernmodell 11 auf. 14 ist eine Zeichnung, die schematisch den Zeitablauf zeigt, bis ein unbekanntes Zeichen gefunden wird.
Die in 13 gezeigte dritte Maschinenlernvorrichtung 13 beobachtet Ausgabesignale von Komponenten wie einer Kommunikationssteuerung und einem Speicher, die jede Vorrichtung 3 mit einer designierten Komponente ausbilden, und Ausgaben von wenigstens einer aus einer Vielfalt von in der Vorrichtung 3 vorgesehenen Sensoren und aus einer Vielfalt von um die Vorrichtung 3 herum vorgesehenen Sensoren durch die Zustandsgrößenbeobachtungseinheit 6 als die Zustandsgröße der Vorrichtung 3, einschließlich der Charakteristik, des Zustands und dergleichen der designierten Komponente. Wann immer ein Ergebnis, welches das Auftreten eines Fehlers in der designierten Komponente anzeigt, empfangen wird, mit Ausnahme einer charakteristischen, sich verschlechternden Komponente, die in der Vorrichtung 3 vorgesehen ist, sammelt die dritte Lerneinheit 5-3 der dritten Maschinenlernvorrichtung 4-3 Zustandsgrößendaten von jedem Typ ausfallender Komponenten mit den gleichen Spezifikationen zwischen dem Zeitpunkt, zu dem eine vorbestimmte Zeit dem Auftreten des Fehlers vorausgeht, und dem Zeitpunkt des Auftretens des Fehlers außerhalb der Zustandsgrößen der Vorrichtungen 3 einschließlich der Eigenschaften, Zustände und dergleichen der ausfallenden Komponenten. Die dritte Lerneinheit 5-3 extrahiert ein Merkmal, das sich von den Zustandsgrößen von nicht ausfallenden Komponenten unterscheidet, aus den gesammelten Zustandsgrößendaten, um nach einem Fehlerzeichen zu suchen.
Obwohl das Lernverfahren nicht speziell beschränkt ist, ist unüberwachtes Lernen geeignet, um aus einer großen Datenmenge nach einem unbekannten Fehlerzeichen zu suchen. Wie in 13 muss nicht überwachtes Lernen keine Ergebnisse erhalten (d. h. Fehlerinformationen). Eine große Anzahl von Zustandsgrößen der Vorrichtungen 3, die sich auf die Betriebsbedingungen beziehen, einschließlich der Zustände und Eigenschaften der designierten Komponenten, werden eingegeben und die dritte Lerneinheit 5-3 der dritten Maschinenlernvorrichtung 4-3 richtet ein Lernmodell ein, das auf die Verteilung der Eingabedaten bezogen ist. Die dritte Lerneinheit 5-3 führt einen Vergleich zwischen dem aufgebauten Lernmodell und den gesammelten Zustandsgrößendaten (Eingabedaten) durch, um eine Variation der Zustandsgröße (ein Fehlerzeichen) zu erfassen.
Das unüberwachte Lernen lernt die Verteilung der Eingabedaten und extrahiert eine wesentliche Konfiguration hinter den Daten, ohne entsprechende Ausgabedaten (Trainingsdaten) zu benötigen, und kann daher ein unbekanntes Fehlerzeichen herausfinden.
Die Zustandsgröße der Vorrichtung 3 und deren Variation, einschließlich der Charakteristik, des Zustands und dergleichen der ausfallenden Komponente, die von der Zustandsgrößenbeobachtungseinheit 6 der dritten Maschinenlernvorrichtung 4-3 beobachtet wird, variiert in Abhängigkeit von der Art der Komponenten. Als konkrete Beispiele der Zustandsgröße der Vorrichtung 3 gibt es eine elektrische Eingabe- und Ausgabecharakteristik (z. B. Änderung des Widerstands und dergleichen), eine Lichtausgabecharakteristik (z. B. Verringerung der elektrooptischen Umwandlungseffizienz und dergleichen), eine Wärmeerzeugungseigenschaft (z. B. Erhöhung der Heizleistung und dergleichen), eine Drehmomentausgabecharakteristik (z. B. Verringerung des Drehmoments und dergleichen), eine akustische Ausgabecharakteristik (z. B. Verringerung der akustischen Ausgabe und dergleichen), Temperatur (z B. Temperaturanstieg und dergleichen), Vibration (z. B. Zunahme der Vibration und dergleichen), Verschiebung (z. B. Auftreten von Verschiebung und dergleichen) und dergleichen.
15 ist ein Flussdiagramm, das ein Beispiel eines Prozesses zeigt, in dem die dritte Maschinenlernvorrichtung 4-3 ein Merkmal, das sich von den Zustandsgrößen nicht ausfallender Komponenten unterscheidet, aus gesammelten Zustandsgrößendaten vor dem Auftreten eines Fehlers extrahiert, um ein Fehlerzeichen zu erkennen. In der folgenden Beschreibung auf der Grundlage von 15 fungiert die Informationsverwaltungsvorrichtung 2 auch als ein Informationsprozessor 30.
Die dritte Maschinenlernvorrichtung 4-3 lernt die Verteilung von Zustandsgrößendaten und ein Modell bezüglich der Regelmäßigkeit der Daten. Die dritte Maschinenlernvorrichtung 4-3 erfasst eine Veränderung der Zustandsgrößendaten vor dem Auftreten eines Fehlers, mit anderen Worten ein Zeichen vor dem Auftreten eines Fehlers, und gibt ein Lernergebnis an die Informationsverwaltungsvorrichtung 2 aus.
Im Beispiel von 15 beobachtet die Zustandsgrößenbeobachtungseinheit 6 der dritten Maschinenlernvorrichtung 4-3 beim Starten des maschinellen Lernens Ausgaben von Komponenten, wie zum Beispiel eine Kommunikationssteuerung und einen Speicher, die jede Vorrichtung 3 ausbilden, und Ausgaben von wenigstens einer aus einer Vielfalt aus Sensoren, die in der Vorrichtung 3 vorgesehen sind, und aus einer Vielfalt von Sensoren, die um die Vorrichtung 3 herum bereitgestellt sind, als die Zustandsgröße der Vorrichtung 3, einschließlich der Charakteristik, des Zustands und dergleichen einer designierten Komponente (Schritt S401).
Wenn in einem Schritt S402 bestimmt wird, dass ein Lernmodell, das sich auf die Verteilung von Zustandsgrößen bezieht, nicht etabliert ist, baut auf oder aktualisiert die dritte Lerneinheit 5-3 der dritten Maschinenlernvorrichtung 4-3 als Nächstes ein Modell (Lernmodell), das in Bezug mit der Verteilung der Zustandsgrößen (Eingabedaten) und der Regelmäßigkeit der Daten steht (Schritt S403). Wenn in Schritt S402 bestimmt wird, dass ein Lernmodell durch Batch-Lernen, ausreichendes Online-Lernen oder dergleichen aufgebaut wurde, schreitet die Operation zu Schritt S404 fort, ohne Schritt S403 auszuführen.
Wenn anschließend festgestellt wird, dass ein Fehler aufgrund der von der Zustandsgrößenbeobachtungseinheit 6 beobachteten Zustandsgröße und dergleichen aufgetreten ist (Schritt S404), bestimmt die dritte Maschinenlernvorrichtung 4-3, ob eine ausfallende Komponente eine charakteristische, sich verschlechternde Komponente ist, wobei es nicht erforderlich ist, dass nach deren Fehlerzeichen gesucht wird (Schritt S405). Wenn die ausfallende Komponente keine charakteristische, sich verschlechternde Komponente ist, extrahiert die dritte Maschinenlernvorrichtung 4-3 Zustandsgrößendaten der Vorrichtung 3 mit der ausfallenden Komponente zwischen der Zeit, zu der eine vorbestimmte Zeit dem Auftreten des Fehlers vorausgeht, und der Zeit des Auftretens des Fehlers (Schritt S406). Die dritte Maschinenlernvorrichtung 4-3 erfasst die Differenz durch Vergleich zwischen der extrahierten Zustandsgröße und dem Lernmodell (Schritt S407) und gibt die Differenz an die Informationsverwaltungsvorrichtung 2 oder eine andere Ausgabevorrichtung (nicht gezeigt) als ein Fehlerzeichen aus der ausfallenden Komponente aus (Schritt S408).
Danach bestimmt die dritte Maschinenlernvorrichtung 4-3, ob ein Maschinenlernendbefehl vorhanden ist oder nicht (Schritt S409). Wenn ein Maschinenlernendbefehl vorhanden ist, ist das maschinelle Lernen abgeschlossen. Wenn ein Maschinenlernendbefehl fehlt, kehrt die Operation zu Schritt S401 zurück, um das Maschinenlernen fortzusetzen.
Wenn in Schritt S404 bestimmt wird, dass kein Fehler in der designierten Komponente aufgetreten ist, oder die ausfallende Komponente in Schritt S405 als eine charakteristische, sich verschlechternde Komponente bestimmt wird, kehrt die Operation zu Schritt S401 zurück, um maschinelles Lernen fortzusetzen.
Wie oben beschrieben, kann die dritte Lerneinheit 5-3 durch Wiederholungen einer Reihe von Prozessen zwischen den Schritten S401 und S409 Daten, die sicher oder wahrscheinlich das Ausfallzeichen der designierten Komponenten anzeigen, deren Fehlerzeichen unbekannt oder unsicher ist, an die Informationsverwaltungsvorrichtung 2 in einer wiederholten Weise ausgeben.
Die dritte Maschinenlernvorrichtung 4-3 gemäß dieser Ausführungsform weist zusätzlich zum Beispiel die folgenden Funktionen auf und gibt außerdem Daten aus, die das Fehlerzeichen der designierten Komponenten sicher oder wahrscheinlich anzeigen.
Die dritte Lerneinheit 5-3 der dritten Maschinenlernvorrichtung 4-3 extrahiert ein Merkmal, das sich von Zustandsgrößen nicht ausfallender Komponenten unterscheidet, aus gesammelten Zustandsgrößendaten vor dem Auftreten eines Fehlers. Wenn bestimmt wird, dass das unterschiedliche Merkmal ein Fehlerzeichen einer designierten Komponente ist, lernt die dritte Lerneinheit 5-3 eine Fehlerauftrittswahrscheinlichkeitsverteilung relativ zu der Zeit nach dem Auftreten des Fehlerzeichens und die Abhängigkeit der Fehlerauftrittswahrscheinlichkeitsverteilung relativ zu der Zeit in einem Betriebszustand in Verbindung mit dem Zustand des Fehlerzeichens, das einen Ereignisbereich und eine Auftrittshäufigkeit des Fehlerzeichens, die Zustandsgrößendaten des Geräts in Bezug auf den Betriebszustand der ausfallenden Komponente zwischen dem Auftreten des Fehlerzeichens und dem Auftreten des Fehlers und eine tatsächliche Zeit des Auftretens des Fehlers, die von der Zustandsgrößenbeobachtungseinheit 6 beobachtet wird, enthält. Die dritte Lerneinheit 5-3 gibt vorbeugende Instandhaltungsinformationen aus, um den Austausch der designierten Komponente mit dem Fehlerzeichen zu empfehlen (nachstehend als eine Komponente bezeichnet, die das Vorzeichen zeigt), und gibt Fehlerauftrittsvorhersage-Informationen über die Komponente, die das Vorzeichen zeigt, mit Bezug auf das Lernergebnis aus, bis die designierte Komponente, die das Vorzeichen zeigt, tatsächlich ausfällt. Die dritte Maschinenlernvorrichtung 4-3 mit den obigen Funktionen ist ähnlich der ersten Maschinenlernvorrichtung 4-1, die in 10 gezeigt ist. Die Informationsverwaltungsvorrichtung 2 kann die Lagermenge für die designierten Komponenten für die Instandhaltung unter Berücksichtigung der Fehlerauftretensvorhersage-Information zusätzlich zu den Fehlerraten und den Zeiten des Ersetzens der Komponenten verwalten.
16 ist ein Beispiel eines Ablaufdiagramms, das zu 15 hinzugefügt werden kann, und zeigt einen zusätzlichen Betriebsablauf, in dem, wie oben beschrieben, wenn ein Fehlerzeichen gesehen wird, die dritte Maschinenlernvorrichtung 4-3 eine Fehlerauftrittswahrscheinlichkeitsverteilung relativ zu der Zeit nach dem Auftreten des Fehlerzeichens und die Abhängigkeit der Fehlerauftrittswahrscheinlichkeitsverteilung relativ zu der Zeit in einem Betriebszustand in Verbindung mit dem Zustand des Fehlerzeichens, der Zustandsgröße der Vorrichtung in Bezug auf den Betriebszustand der ausfallenden Komponente zwischen dem Auftreten des Fehlerzeichens und dem Auftreten des Fehlers und eine tatsächliche Zeit des Auftretens des Fehlers lernt. Die dritte Maschinenlernvorrichtung 4-3 empfiehlt das Ersetzen der das Zeichen zeigenden Komponente mit Bezug auf das Lernergebnis, bis die Komponente, die das Vorzeichen tatsächlich anzeigt, ausfällt, und das Lernergebnis spiegelt sich in der Lagerverwaltung der das Vorzeichen zeigenden Komponenten wider. In der folgenden Beschreibung auf der Grundlage von 16 fungiert die Informationsverwaltungsvorrichtung 2 auch als ein Informationsprozessor 30.
Durch Einfügen einer Reihe von Prozessen von Schritt S410 bis Schritt S424 von 16 zwischen Schritt S408 und Schritt S409 von 15 kann eine Lagerverwaltung und vorbeugende Instandhaltung in geeigneter Weise an einer Komponente durchgeführt werden, die das Zeichen zeigt. Wenn der in 16 gezeigte Operationsablauf ausgeführt wird, weist die dritte Lernvorrichtung 4-3 die gleichen Komponenten wie die in 10 gezeigte erste Lernvorrichtung auf.
In 16 nach Schritt S408 von 15 zeichnet die dritte Maschinenlernvorrichtung 4-3 die Differenz zwischen den Zustandsgrößendaten der designierten Komponente von der Zeit, zu der die vorbestimmte Zeit dem Auftreten des Fehlers vorangeht, und dem Modell (nachstehend als unüberwachtes Lernmodell bezeichnet) in Bezug auf die Verteilung und Regelmäßigkeit von Zustandsgrößen auf, die durch unüberwachtes Lernen aus Zustandsgrößendaten nicht ausfallender designierter Komponenten mit den gleichen Spezifikationen wie die ausfallende designierte Komponente ermittelt werden (Schritt S410). Die dritte Maschinenlernvorrichtung 4-3 bestimmt, ob die Differenz als ein Fehlerzeichen der ausfallenden designierten Komponente erkannt wird oder nicht (Schritt S411). Wenn die Differenz nicht als ein Fehlerzeichen erkannt wird, bestimmt die dritte Maschinenlernvorrichtung 4-3, ob die Differenz eine Reproduzierbarkeit eines vorbestimmten Verhältnisses oder mehr als ein Fehlerzeichen der designierten Komponente mit Bezug auf Information über den Unterschied, der in Schritt S410 aufgezeichnet wird, aufweist (Schritt S412). Wenn die Differenz eine Reproduzierbarkeit des vorbestimmten Verhältnisses oder mehr aufweist, erkennt die dritte Maschinenlernvorrichtung 4-3 die extrahierte Differenz zwischen der Zustandsgröße und dem unüberwachten Lernmodell als ein Fehlerzeichen (Schritt S413) und beobachtet und zeichnet den Zustand des Fehlerzeichens, einschließlich eines Ereignisbereiches und einer Auftrittshäufigkeit des Fehlerzeichens, und die Zustandsgröße der Vorrichtung 3 in Bezug auf den Betriebszustand der ausfallenden designierten Komponente nach dem Auftreten des Fehlerzeichens auf (Schritt S414).
Wenn die Differenz in Schritt S412 keine Reproduzierbarkeit des vorbestimmten Verhältnisses oder mehr aufweist und nicht als ein Fehlerzeichen erkannt wird, schreitet die Operation zu Schritt S409 von 15 voran. Wenn in Schritt S411 bestimmt wird, dass die Differenz als ein Fehlerzeichen der ausfallenden Komponente erkannt wird, schreitet die Operation zu Schritt S414 von 16 fort.
Als Nächstes bestimmt die dritte Maschinenlernvorrichtung 4-3, ob in der Komponente, die das Vorzeichen zeigt, tatsächlich ein Fehler aufgetreten ist oder nicht (Schritt S415). Wenn ein Fehler aufgetreten ist, fügt die dritte Maschinenlernvorrichtung 4-3 den Zustand des Fehlerzeichens und die Zustandsgröße der Vorrichtung 3, die eine Betriebszeit zwischen dem Auftreten des Fehlerzeichens und dem tatsächlichen Fehler als Ergebnis (Markierung) haben, als markierte Daten hinzu (Schritt S416).
Ferner lernt die dritte Lerneinheit 5-3 der dritten Maschinenlernvorrichtung 4-3 eine Fehlerauftrittswahrscheinlichkeitsverteilung relativ zur Zeit nach dem Auftreten des Fehlerzeichens und die Abhängigkeit der Fehlerauftrittswahrscheinlichkeitsverteilung relativ zur Zeit bei einem Betriebszustand durch überwachtes Lernen in Verbindung mit dem Zustand des Fehlerzeichens, der Zustandsgrößendaten der Vorrichtung bezüglich des Betriebszustands der ausfallenden Komponente zwischen dem Auftreten des Fehlerzeichens und dem Auftreten des Fehlers und der Betriebszeit dazwischen dem Auftreten des Fehlerzeichens und dem Auftreten des Fehlers und bestimmt, ob ein überwachtes Lernmodell bereits vorhanden war oder nicht (Schritt S417). Wenn kein überwachtes Lernmodell vorhanden ist, erzeugt die dritte Lerneinheit 5-3 ein anfängliches überwachtes Lernmodell aus Daten, die in dem Datenaufzeichnungsgerät 10 aufgezeichnet sind (Schritt S418). Wenn in Schritt S417 ein überwachtes Lernmodell vorhanden ist, schreitet die Operation zu Schritt S419 fort, ohne Schritt S418 auszuführen.
Anschließend berechnet die dritte Lerneinheit 5-3 den Fehler zwischen einer Fehlerauftrittswahrscheinlichkeit, die durch eine in dem überwachten Lernmodell bereitgestellte Fehlerfunktion berechnet wird, und einem tatsächlichen Fehlerauftrittswahrscheinlichkeitswert (Schritt S419). Die dritte Lerneinheit 5-3 aktualisiert das überwachte Lernmodell, um den Fehler zu verringern (Schritt S420), und die Operation schreitet zu Schritt S409 von 15 fort.
Wenn in Schritt S415 nicht bestimmt wird, dass die designierte Komponente, die das Fehlerzeichen zeigt, ausfallend ist, bestimmt die dritte Lerneinheit 5-3, ob ein überwachtes Lernmodell vorhanden ist oder nicht (Schritt S421). Wenn kein überwachtes Lernmodell vorhanden ist, erzeugt die dritte Lerneinheit 5-3 ein anfängliches überwachtes Lernmodell aus Daten, die in dem Datenrekorder 10 aufgezeichnet sind (Schritt S422) und berechnet eine zeitliche Variation der Fehlerauftrittswahrscheinlichkeit oder eine kumulative Fehlerrate mit Bezugnahme auf das überwachte Lernmodell (Schritt S423). Wenn andererseits in Schritt S421 festgestellt wird, dass ein überwachtes Lernmodell vorhanden ist, schreitet die Operation zu Schritt S423 voran, ohne Schritt S422 auszuführen.
Nach Schritt S423 gibt die dritte Lerneinheit 5-3 wenigstens eine der präventiven Instandhaltungsinformationen aus, um das Ersetzen der Komponente, welche die Zeichen- und Fehlerauftrittsvorhersageinformation anzeigt, die für die Lagerverwaltung der das Zeichen zeigenden Komponente erforderlich ist, an die Informationsverwaltungsvorrichtung 2 basierend auf der berechneten Zeitvariation in der Fehlerauftrittswahrscheinlichkeit oder der kumulativen Fehlerrate zu empfehlen (Schritt S424), und die Operation fährt mit Schritt S409 von 15 fort. Die kumulative Fehlerrate kann berechnet werden, indem die Fehlerauftrittswahrscheinlichkeit in Bezug auf die Zeit integriert wird.
Wie oben beschrieben, ist es durch die Wiederholungen der Schritte S401 bis S424, welche die Schritte S410 bis S424 von 16 umfassen, hinzugefügt zu den Schritten S401 bis S409 von 15, möglich, das Fehlerzeichen der designierten Komponenten herauszufinden, deren Fehlerzeichen unbekannt oder unsicher sind. Wenn der Zustand der designierten Komponente vor dem Fehler als das Fehlerzeichen durch den zusätzlichen Operationsablauf erkannt wird, der in 16 gezeigt ist, wird des Weiteren das Lernen wiederholt in Verbindung mit dem Zustand des Fehlerzeichens, der Zustandsgröße der Vorrichtung 3, die sich auf den Betriebszustand der das Zeichen auslösenden Komponente bezieht, und der zeitlichen Variation der Fehlerauftrittswahrscheinlichkeit durchgeführt. Mit Bezug auf die Lernergebnisse kann, zum Beispiel, die kumulative Fehlerrate und der Beschleunigungskoeffizient der designierten Komponente in Abhängigkeit von der Betriebsbedingung, wie in FIG. 2b, genauer berechnet werden. Somit können vorbeugende Instandhaltung und Lagerverwaltung zuverlässiger durchgeführt werden.
17 ist ein Blockdiagramm, das die schematische Konfiguration eines Lagerverwaltungssystems 1 gemäß noch einer weiteren Ausführungsform zeigt. In dieser in der Zeichnung gezeigten Ausführungsform ist wenigstens eine vierte Maschinenlernvorrichtung 4-4 mit der oben beschriebenen Informationsverwaltungsvorrichtung 2 verbunden.
Die vierte Maschinenlernvorrichtung 4-4 umfasst eine vierte Lerneinheit 5-4, eine Zustandsgrößenbeobachtungseinheit 6, eine Bestimmungsergebniseinholungseinheit 12 und eine Entscheidungsfindungseinheit 15. Die vierte Lerneinheit 5-4 umfasst eine Belohnungsberechnungseinheit 13 und eine Wertfunktionsaktualisierungseinheit 14.
Um genauer zu sein, beobachtet die Zustandsgrößenbeobachtungseinheit 6 die Zustandsgröße jeder mit der Informationsverwaltungsvorrichtung 2 verbundenen Vorrichtung 3. Die Bestimmungsergebniseinholungseinheit 12 erhält ein Bestimmungsergebnis in Bezug auf richtig und falsch eines Schätzergebnisses bezüglich einer ausfallenden Komponente, d. h. ein ausfallender Abschnitt der Vorrichtung 3. Das Schätzergebnis bezüglich der ausfallenden Komponente soll abschätzen, welche Komponente oder welcher Teil in der ausfallenden Vorrichtung 3 versagt.
Die vierte Lerneinheit 5-4 empfängt eine Ausgabe von jeder der Zustandsgrößenbeobachtungseinheit 6 und der Bestimmungsergebniseinholungseinheit 12 und lernt das Schätzergebnis der ausfallenden Komponente in der Vorrichtung 3 in Verbindung mit der Zustandsgröße der Vorrichtung 3 und das Bestimmungsergebnis in Bezug auf richtig und falsch des Schätzergebnisses bezüglich der ausfallenden Komponente.
Die Entscheidungsfindungseinheit 15 bestimmt das Schätzergebnis der ausfallenden Komponente, das von der vierten Maschinenlernvorrichtung 4-4 ausgegeben werden soll, unter Bezugnahme auf das Lernergebnis durch die vierte Lerneinheit 5-4.
Ferner hat die Belohnungsberechnungseinheit 13 der vierten Lerneinheit 5-4 eine Wertfunktion, um den Wert des Schätzergebnisses der ausfallenden Komponente zu bestimmen, und berechnet eine positive Belohnung, wenn das Schätzergebnis richtig ist, während sie eine negative Belohnung berechnet, wenn das Schätzergebnis falsch ist. Die Wertfunktionsaktualisierungseinheit 14 der vierten Lerneinheit 5-4 aktualisiert die Wertfunktion gemäß der durch die Belohnungsberechnungseinheit 13 berechneten Belohnung.
Die vierte Maschinenlernvorrichtung 4-4 mit der obigen Konfiguration diagnostiziert einen Fehler der Vorrichtung 3 in Bezug auf das Lernergebnis der vierten Lerneinheit 5-4.
18 ist ein Flussdiagramm, das ein Beispiel des Betriebs des in 17 gezeigten Lagerverwaltungssystems 1 zeigt. In dieser Ausführungsform, die in 18 gezeigt ist, fungiert die Informationsverwaltungsvorrichtung 2 auch als ein Informationsprozessor 30.
Beim Starten des Maschinenlernens beobachtet die Zustandsgrößenbeobachtungseinheit 6 der vierten Maschinenlernvorrichtung 4-4 die Zustandsgröße der Vorrichtung 3, die mit der Informationsverwaltungsvorrichtung 2 verbunden ist, einschließlich der Eigenschaften, Zustände und dergleichen von Komponenten (Schritt S501). Die Zustandsgrößenbeobachtungseinheit 6 verarbeitet die Zustandsgrößendaten nach Bedarf und gibt die Zustandsgrößendaten an die vierte Lerneinheit 5-4 aus.
Die vierte Lerneinheit 5-4 führt einen Vergleich zwischen den Zustandsgrößendaten und einer Zustandsgröße in einem Normalbetrieb durch, die im Voraus aufgezeichnet wurden, um zu bestimmen, ob eine Fehlfunktion oder ein Fehler in der Vorrichtung 3 aufgetreten ist oder nicht (Schritt S502). Wenn festgestellt wird, dass in der Vorrichtung 3 eine Fehlfunktion oder ein Fehler aufgetreten ist, extrahiert die vierte Lerneinheit 5-4 die Zustandsgröße der Vorrichtung 3 einschließlich einer Historie der Zustandsgröße der ausfallenden Vorrichtung 3, wie zum Beispiel Fehlerinformation, charakteristische Veränderungsinformationen und dergleichen, die bis zum Zeitpunkt des Auftretens der Fehlfunktion gespeichert werden (Schritt S503). Die vierte Lerneinheit 5-4 schätzt eine ausfallende Komponente aus der extrahierten Zustandsgröße unter Bezugnahme auf eine Wertfunktion, die ein Lernergebnis der vierten Lerneinheit 5-4 ist, zum Bestimmen des Werts eines Fehlkomponentenschätzergebnisses (Schritt S504). Auf der Grundlage des Ergebnisses der Bewertung der ausfallenden Komponente bestimmt die Entscheidungsfindungseinheit 15 das Ergebnis der Fehlkomponentenschätzung unter Bezugnahme auf das Lernergebnis durch die vierte Lerneinheit 5-4 und gibt das Ergebnis der Bewertung der ausfallenden Komponente an die Informationsverwaltungsvorrichtung 2 aus (Schritt S505).
Nach dem Empfang von Informationen über das Auftreten einer Fehlfunktion oder eines Fehlers in einer bestimmten Vorrichtung 3 überprüft die Informationsverwaltungsvorrichtung 2 als Nächstes die ausfallende Komponente der Vorrichtung 3 (Schritt S506). Die Bestimmungsergebniseinholungseinheit 12 der vierten Maschinenlernvorrichtung 4-4 erhält das Prüfergebnis als ein Bestimmungsergebnis und gibt das Bestimmungsergebnis an die Belohnungsberechnungseinheit 13 aus (Schritt S507). Die ausfallende Komponente wird ersetzt oder dergleichen, um die ausfallende Vorrichtung 3 zu reparieren (Schritt S508).
Anschließend bestimmt die vierte Lerneinheit 5-4, ob die in Schritt S506 geprüfte tatsächliche ausfallende Komponente mit dem Ergebnis der von der Entscheidungsfindungseinheit 15 ausgegebenen ausfallenden Komponentenschätzung übereinstimmt oder nicht (Schritt S509). Wenn die tatsächliche ausfallende Komponente mit dem Ergebnis der Bewertung der ausfallenden Komponente übereinstimmt, stellt die Belohnungsberechnungseinheit 13 eine positive Belohnung bereit (Schritt S510). Wenn die tatsächliche ausfallende Komponente nicht mit dem Ergebnis der Bewertung der ausfallenden Komponente übereinstimmt, stellt die Belohnungsberechnungseinheit 13 eine negative Belohnung bereit (Schritt S511). Die Wertfunktionsaktualisierungseinheit 14 aktualisiert eine Wertfunktion zum Bestimmen des Werts des Schätzergebnisses der ausfallenden Komponente in Übereinstimmung mit der Belohnung (Schritt S512). Ferner fügt die vierte Maschinenlernvorrichtung 4-4 Fehlerinformationen zu der ausfallenden Vorrichtung 3 zu einer ausfallenden Informationshistorie zur Aktualisierung hinzu (Schritt S513).
Danach bestimmt die vierte Maschinenlernvorrichtung 4-4, ob ein Maschinenlernendbefehl vorhanden ist oder nicht (Schritt S514). Wenn ein Maschinenlernendbefehl vorhanden ist, ist das maschinelle Lernen abgeschlossen. Wenn ein Maschinenlernendbefehl fehlt, kehrt die Operation zu Schritt S501 zurück, um das Maschinenlernen fortzusetzen. Wenn in Schritt S502 festgestellt wird, dass in der Vorrichtung 3 keine Fehlfunktion oder Fehlfunktion aufgetreten ist, kehrt die Operation zu Schritt S501 zurück und die vierte Maschinenlernvorrichtung 4-4 fährt mit maschinellem Lernen fort.
Wie oben beschrieben, kann durch Wiederholen einer Reihe von Prozessen von Schritt S501 bis Schritt S514 die vierte Lerneinheit 5-4 das Fehlerkomponentenschätzungsergebnis an der Vorrichtung 3 in Verbindung mit der Zustandsgröße der Vorrichtung 3 einschließlich der Historie der Zustandsgröße der Vorrichtung 3 und das Bestimmungsergebnis, das dem Ergebnis der Bewertung der ausfallenden Komponente entspricht, lernen. Daher kann die vierte Lerneinheit 5-4 den Fehler in der Vorrichtung 3 diagnostizieren.
Das Fehlerkomponentenschätzergebnis, das von der vierten Maschinenlernvorrichtung 4-4 ausgegeben wird, kann nicht nur einen ersten Kandidaten mit der höchsten Wahrscheinlichkeit enthalten, sondern auch eine Mehrzahl von Kandidaten, die in einer abnehmenden Reihenfolge der Wahrscheinlichkeit aufgelistet sind. In diesem Fall gilt, je höher der Kandidat eingestuft wird, mit dem die tatsächlich ausfallende Komponente übereinstimmt, desto größer ist die positive Belohnung, die die Belohnungsberechnungseinheit 13 bereitstellt. Wenn die tatsächlich ausfallende Komponente mit keinem der aufgelisteten Kandidaten übereinstimmt, liefert die Belohnungsberechnungseinheit 13 eine negative Belohnung. Basierend auf den Belohnungen, die unter solchen Bedingungen bereitgestellt werden, aktualisiert die Wertfunktionsaktualisierungseinheit 14 die Wertfunktion.
19 ist ein Flussdiagramm, das ein Beispiel der Operation des Auflistens einer Mehrzahl von Kandidaten zeigt, wie oben beschrieben. Vergleicht man 19 mit 18, werden die Schritte S505, S509 und S510 von 18 durch die Schritte S515, S516 und S517 von 19 ersetzt.
Das Auflisten der Mehrzahl von Kandidaten für das Ergebnis der Fehlerkomponentenschätzung, das von der vierten Maschinenlernvorrichtung 4-4 ausgegeben wird, hat die Wirkung, Lerneffekte mit einer geringeren Anzahl von Fehlern weiter zu verbessern. Selbst wenn der erste Kandidat falsch ist, kann des Weiteren der nächste Kandidat sofort überprüft werden, und somit ist es möglich, das Risiko zu verringern, dass sich die Vorrichtung aufgrund einer Unfähigkeit, eine ausfallende Komponente zu identifizieren, lange Zeit erholen muss.
Das in 17 gezeigte Lagerverwaltungssystem 1 lernt eine Fehlerdiagnosefähigkeit durch Verstärkungslernen, die eine Wertfunktion mit dem Ziel aktualisiert, eine Gesamtbelohnung in der Zukunft zu maximieren. Jedoch kann ein anderes maschinelles Lernverfahren verwendet werden, um anstelle des Verstärkungslernens die Fehlerdiagnosefähigkeit zu lernen.
In jeder der oben beschriebenen Ausführungsformen sind die erste Maschinenlernvorrichtung 4-1, die zweite Maschinenlernvorrichtung 4-2, die dritte Maschinenlernvorrichtung 4-3, die vierte Maschinenlernvorrichtung 4-4 und dergleichen separat im Lagerverwaltungssystem 1 vorgesehen, aber die Maschinenlernvorrichtungen bilden nicht notwendigerweise unterschiedliche Hardwareeinheiten. Eine einzige Maschinenlernvorrichtung kann aus wenigstens einer der ersten bis vierten Maschinenlernvorrichtungen 4-1 bis 4-4 bestehen.
In den 10, 13 und 17 ist die Maschinenlernvorrichtung (4-1, 4-3 und 4-4) unabhängig von der Informationsverwaltungsvorrichtung 2 mit der Informationsverwaltungsvorrichtung 2 verbunden, aber die vorliegende Erfindung ist nicht darauf beschränkt. Wenigstens eine der ersten bis vierten Maschinenlernvorrichtungen 4-1 bis 4-4 kann in der Informationsverwaltungsvorrichtung 2, einem Server oder einem Computer, der mit der Informationsverwaltungsvorrichtung 2 verbunden ist, oder einer der Vorrichtungen 3 installiert sein.
20 ist ein Blockdiagramm, das die schematische Konfiguration eines Lagerverwaltungssystems 1 gemäß noch einer anderen Ausführungsform zeigt.
In dem in 20 gezeigten Lagerverwaltungssystem 1 ist wenigstens eine von mehreren Vorrichtungen, die mit einer Informationsverwaltungsvorrichtung 2 verbunden sind, eine Laservorrichtung 16 mit Laseroszillatoren 17 und wenigstens eine der ersten bis vierten Maschinenlernvorrichtungen 4-1 bis 4-4 (z. B. eine Maschinenlernvorrichtung 4) mit der Informationsverwaltungsvorrichtung 2 verbunden. In 20 zeigen durchgezogene Pfeile die Information oder die elektrische Übertragung an. Pfeile mit gestrichelter Linie zeigen Lichtstrahlen an. Alternative Pfeile mit langer und kurzer gestrichelter Linie zeigen einen Teil eines Kühlwasserstroms zum Kühlen der Laseroszillatoren 17 an. Eine Steuerung 19 liefert und empfängt Information zu und von jeder Komponente und verschiedenen Sensoren, welche die Laservorrichtung bilden, obwohl dies in der Zeichnung aus Gründen der Einfachheit weggelassen ist.
Die folgenden verschiedenen Zustandsgrößen können von Komponenten der Laseroszillatoren 17, Laserstromversorgungen 18, einer Steuerung 19, von den optischen Systemen 20 und dergleichen, welche die Laservorrichtung 16 bilden, von verschiedenen Sensoren, wie Lichtintensitätssensoren 21, elektrischen Leistungssensoren 22, Durchflussratensensoren 24, Temperatursensoren 26, ein Temperatur-/Feuchtigkeitssensor 27 und dergleichen, die in der Laservorrichtung 16 vorgesehen sind, und von verschiedenen Sensoren, wie beispielsweise einem Temperatur-/Feuchtigkeitssensor 27, der um die Laservorrichtung 16 herum vorgesehen ist, ausgegeben werden.
Als Beispiele für die verschiedenen auszugebenden Zustandsgrößen gibt es eine Laserausgangsintensität von wenigstens einer der Laservorrichtungen 16 und den Laseroszillatoren 17, eine Laserausgangsimpulsbedingung von wenigstens einer der Laservorrichtungen 16 und den Laseroszillatoren 17, eine reflektierte Lichtintensität, die zu wenigstens einem der optischen Systeme 20 und der Laservorrichtung 16 zurückgeführt wird, wenigstens eines von einem Betriebsstrom und einer Betriebsspannung, die von der Laserstromversorgung 18 an den Laseroszillator 17 geliefert werden, die Temperatur von einer Komponente, welche die Laservorrichtung 16 einschließlich des Laseroszillators 17 bildet, wenigstens eine Temperatur und/oder eine Feuchtigkeit innerhalb der Laservorrichtung 16, wenigstens eine von einer Temperatur und einer Feuchtigkeit um die Laservorrichtung 16, eine Beschleunigung, die auf wenigstens eines aus Laservorrichtung 16 und einer Komponente der Laservorrichtung 16 angewendet wird, wenigstens eine von der Art des Hilfsgases und einer Gasversorgungsbedingung, wenigstens eine von einer Durchlässigkeit und einer Dämpfung des optischen Systems 20, wenigstens eine der Installationsposition und -höhe der Laservorrichtung 16 und dergleichen.
In der Maschinenlernvorrichtung 4, die mit der Informationsverwaltungsvorrichtung 2 verbunden ist, beobachtet eine Zustandsgrößenbeobachtungseinheit 6 wenigstens eine der verschiedenen Zustandsgrößen, die oben beschrieben sind, als die Zustandsgröße der Laservorrichtung 16 und eine Bestimmungsergebniseinholungseinheit 12 empfängt Fehlerinformation und charakteristische Veränderungsinformation von jeder die Laservorrichtung 16 bildenden Komponente. Ferner kann eine Lerneinheit 5, die in der Maschinenlernvorrichtung 4 vorgesehen ist, kumulative Fehlerratenkurven und einen ersten Beschleunigungskoeffizienten von Komponenten lernen, deren Fehlerzeichen unbekannt ist, um eine Lagerverwaltung basierend auf der Summe kumulativer Fehlerraten der designierten Komponenten mit den gleichen Spezifikationen durchzuführen, und kann charakteristische Veränderungskurven und einen zweiten Beschleunigungskoeffizienten einer charakteristischen, sich verschlechternden Komponente lernen, deren Charakteristik sich durch Betreiben allmählich verschlechtert, um eine Lagerverwaltung und präventive Instandhaltung für die charakteristische, sich verschlechternde Komponente durchzuführen. Die Lerneinheit 5 kann ein Fehlerzeichen einer Komponente erfassen, deren Fehlerzeichen nicht bekannt ist, und kann eine zeitliche Variation einer Fehlerauftrittswahrscheinlichkeit nach Auftreten des erkannten Fehlerzeichens und die Abhängigkeit einer das Fehlerzeichen zeigenden Komponente unter einer Betriebsbedingung lernen, um eine Lagerverwaltung und vorbeugende Instandhaltung der das Fehlerzeichen zeigenden Komponente durchzuführen. Die Lerneinheit 5 kann eine Wertfunktion lernen, um den Wert eines Fehlerkomponentenschätzergebnisses zu bestimmen, um eine Fehlerdiagnosefähigkeit zum Identifizieren einer ausfallenden Komponente zu erhöhen.
Die Laservorrichtung 16 umfasst eine Komponente, deren Fehlerrate und deren Beschleunigungskoeffizient durch einen Test der Komponente selbst schwierig genau zu berechnen sind. Bei einer Komponente, die durch reflektiertes Licht beschädigt werden kann, kann beispielsweise die Fehlerrate der Komponente nicht genau berechnet werden. Es ist notwendig, die Fehlerrate der Komponente in einem Zustand zu berechnen, in dem die Komponente in der Laservorrichtung 16 installiert wird. Da in dem Lagerverwaltungssystem 1 gemäß dieser Ausführungsform die kumulative Fehlerrate und der Beschleunigungskoeffizient der Komponente durch maschinelles Lernen in einem Zustand gelernt werden, in dem die Komponente in der Laservorrichtung 16 installiert wird, ist es möglich, die Fehlerrate und den Beschleunigungskoeffizienten der in der Laservorrichtung 16 installierten Komponente mit hoher Genauigkeit zu berechnen. Daher kann das Lagerverwaltungssystem gemäß der vorliegenden Erfindung vorteilhaft auf die Laservorrichtung 16 angewendet werden.
Zum Beispiel werden die folgende Konfiguration und das folgende Verfahren auf eine Fehlerdiagnose der Laservorrichtung 16 angewendet.
Die Laservorrichtung 16 umfasst die Laseroszillatoren 17, den Lichtintensitätssensor 21 zum Detektieren eines von der Laservorrichtung 16 ausgegebenen Lichts und die anderen Lichtintensitätssensoren 21 jeweils zum Detektieren von Lichtausgaben von den Laseroszillatoren 17. Die zwei Laseroszillatoren 17 sind in 20 der Kürze halber gezeigt, die Anzahl der Laseroszillatoren 17 kann jedoch größer sein.
Ferner umfasst die Laservorrichtung 16 die elektrischen Stromsensoren 22 jeweils zum Erfassen der Leistung, die von den Laserstromversorgungen 18 zu den Laseroszillatoren 17 geliefert wird, die Durchflussratensensoren 24 und Wassertemperatursensoren 25 zum Erfassen der Durchflussrate und Temperatur des zugeführten Kühlwassers von einem Kühler 23 zum Kühlen von wassergekühlten Platten, die thermisch mit den Laseroszillatoren 17 verbunden sind, und die Temperatursensoren 26 zum Erfassen der Temperatur der Laseroszillatoren 17.
Die Maschinenlernvorrichtung 4 beobachtet Ausgabewerte der oben beschriebenen verschiedenen Sensoren als Zustandsgrößen, um eine Fehlerinformation und eine charakteristische Veränderungsinformation jeder Komponente, welche die Laservorrichtung 16 bildet, zu empfangen. Wenn daher eine beabsichtigte Lichtausgabe nicht als Reaktion auf einen Ausgabebefehl von der Steuerung 19 der Laservorrichtung 16 detektiert werden kann, ist es möglich, leicht eine Fehlerdiagnose durchzuführen, um zu identifizieren, welcher der Laseroszillatoren 17, der Laserstromversorgungen 18, der Kühlvorrichtung 23, der optischen Systeme 20 und der Sensoren ausgefallen ist oder sich verschlechtert hat.
Andererseits ist es oft schwierig, eine Fehlerdiagnose der Komponenten ohne Sensor, wie oben beschrieben, durchzuführen, wobei es aber die Maschinenlernvorrichtung 4 ermöglicht, eine präzise Fehlerdiagnose unter Verwendung begrenzter Informationen von den verschiedenen Sensoren durch maschinelles Lernen zu machen.
21 ist ein Blockdiagramm, das die schematische Konfiguration eines Lagerverwaltungssystems 1 gemäß noch einer anderen Ausführungsform zeigt.
In dem in 21 gezeigten Lagerverwaltungssystem 1 sind mehrere Informationsverwaltungsvorrichtungen 2 über eine Cloud 28 miteinander verbunden. Mit jeder Informationsverwaltungsvorrichtung 2 sind mehrere Vorrichtungen 3 und wenigstens eine der oben beschriebenen ersten bis vierten Maschinenlernvorrichtungen 4-1 bis 4-4 (beispielsweise eine Maschinenlernvorrichtung 4) verbunden. Die Maschinenlernvorrichtungen 4, die mit den Informationsverwaltungsvorrichtungen 2 verbunden sind, teilen Lernergebnisinformationen, wie zum Beispiel das oben beschriebene Lernmodell und die Wertfunktion, durch die Cloud 28, mit der die Informationsverwaltungsvorrichtungen 2 verbunden sind. Die Maschinenlernvorrichtungen 4, die mit der einzelnen Informationsverwaltungsvorrichtung 2 verbunden sind, teilen die Lernergebnisinformation, wie das oben beschriebene Lernmodell und die Wertfunktion, durch die Informationsverwaltungsvorrichtung 2, mit der die Maschinenlernvorrichtungen 4 verbunden sind.
Da die Maschinenlernvorrichtungen 4 Informationen wie die Lernergebnisinformation teilen, ist es möglich, das Lernen in einer kürzeren Zeit durchzuführen und zuverlässigere Lernergebnisse zu erhalten.
22 ist ein Blockdiagramm, das die schematische Konfiguration eines Lagerverwaltungssystems 1 gemäß noch einer weiteren Ausführungsform zeigt.
In dem in 22 gezeigten Lagerverwaltungssystem 1 sind ein automatisches Lager 29 und eine Mehrzahl von Vorrichtungen 3 mit einer Informationsverwaltungsvorrichtung 2 verbunden. In diesem Fall werden Anordnungen für designierte Komponenten automatisch basierend auf wenigstens einer der Lagerverwaltungsinformationen wie die geeignete Lagermenge der designierten Komponenten und vorbeugende Instandhaltungsinformationen über designierte Komponenten und Bestandsinformationen über das automatische Lager 29, die über die Informationsverwaltungsvorrichtung 2 eingegeben werden, getroffen. Wenn eine designierte Komponente aus dem automatischen Lager 29 zur Instandhaltung zugeführt wird oder eine angeordnete Komponente an das automatische Lager 29 geliefert wird, wird die Lagerinformation über das automatische Lager 29 aktualisiert und die Informationsverwaltungsvorrichtung 2 wird von der aktualisierten Lagerinformation benachrichtigt.
Da die Konfiguration automatisch Vorkehrungen für die notwendigen Instandhaltungskomponenten in Übereinstimmung mit der Lagermenge von Komponenten, den verbleibenden Lebensdauern und dergleichen trifft, ist es möglich, einen Fehler in den Anordnungen zu verhindern. Die Konfiguration hat auch den Vorteil, dass der Nutzungsdatensatz der Instandhaltungskomponenten in Echtzeit an die Informationsverwaltungsvorrichtung 2 zurückgegeben wird.
Die Probleme, die von einem der oben genannten verschiedenen Lagerverwaltungssysteme 1 zu lösen sind, werden nachstehend beschrieben.
Das Patentdokument 1 (japanische ungeprüfte Patentveröffentlichung (Kokai) Nr. 2010-113672) offenbart ein Lagerverwaltungsverfahren, bei dem „ein Prozess zum Berechnen der ersten erforderlichen Lagermenge, wenn Komponenten, die Fehlerzeichen aufweisen, bei einer ersten Fehlerrate versagt, ein Prozess zum Berechnen der zweiten erforderlichen Lagermenge, wenn Komponenten, die kein Fehlerzeichen aufweisen, noch bei einer zweiten Fehlerrate ausfallen, und ein Prozess zum Berechnen der erforderlichen Lagermenge der Komponenten mit dem Fehlerzeichen durch Aufsummieren der ersten und zweiten erforderlichen Lagermengen durchgeführt werden.“ Patentdokument 1 beschreibt jedoch nur eine Technik zum Berechnen der erforderlichen Lagermenge, basierend auf der Anzahl der Komponenten, welche die Fehlerzeichen zeigen, und der Fehlerrate der Komponenten, die noch kein Fehlerzeichen aufweisen. Eine Technik zum Berechnen der geeigneten Lagermenge für Komponenten, die plötzlich versagen, ohne ein Fehlerzeichen zu zeigen, wird weder beschrieben noch vorgeschlagen.
Das Patentdokument 2 (ungeprüfte japanische Patentveröffentlichung (Kokai) Nr. 2004-295667 ) offenbart eine Vorhersagevorrichtung für eine Ersatzkomponente mit „einer Lagermengenvorhersageeinheit zum Vorhersagen der erforderlichen Lagermenge für Komponenten basierend auf Informationen über eine Betriebszeit, die durch eine Informationeinholungseinheit eingeholt werden, und eine Fehlerrate, die in einem Fehlerratenrekorder aufgezeichnet wurde“. Die in dem Patentdokument 2 beschriebene Technik berücksichtigt jedoch nicht, dass bei der Vorhersage der Lagermenge die Fehlerrate abhängig von einer Betriebsbedingung variieren kann. Darüber hinaus beschreibt das Patentdokument 2 nicht, dass, wenn eine Ausfallrate niedriger als eine Fehlerrate gehalten wird, die aus der aufgezeichneten Fehlerrate berechnet wird, der Anteil der verwendeten Komponenten für lange Zeit zunimmt, so dass die Lagermenge erhöht werden muss, in Anbetracht der Tatsache, dass die Ausfallrate danach wahrscheinlich zunimmt.
Das Patentdokument 3 (japanische ungeprüfte Patentveröffentlichung (Kokai) Nr. 2012-104058) offenbart eine Lagerverwaltungsvorrichtung und ein Lagerverwaltungsverfahren, bei dem „eine Fehlerauftrittsvorhersageeinheit, die einen Fehlerauftrittspunkt in der Zeit von jetzt an und die Anzahl von verwendeten Komponenten zum Zeitpunkt des Auftretens des Fehlers vorhersagt, basierend auf einer Fehlerinformationshistorie“, „eine Variation der Lagermenge von Komponenten von nun an unter Berücksichtigung des Zeitpunkts des Auftretens des vorhergesagten Fehlers und der Anzahl der verwendeten Komponenten beim Zeitpunkt des Auftretens des Fehlers prognostiziert“. Da jedoch die in Patentdokument 3 beschriebene Technik das Auftreten eines Fehlers unter Berücksichtigung von Informationen über Betriebsbedingungen der Komponenten, die Auswirkungen auf eine Fehlerrate der Komponenten haben, nicht vorhersagt, wird das Auftreten eines Fehlers mit geringer Genauigkeit vorhergesagt.
Selbst wenn eine durchschnittliche Variation einer Fehlerrate einer Komponente, die in einer Vorrichtung in Abhängigkeit von einer Betriebszeit bereitgestellt wird, zu einem gewissen Grad bekannt ist, ändert sich die Fehlerrate im Allgemeinen gemäß einer Betriebsbedingung, und daher ist es extrem schwierig, den Zeitpunkt des Ausfalls der Komponente vorherzusagen, insbesondere wenn ein Fehlerzeichen unsicher ist. Selbst wenn die Ausfallzeit schwierig vorherzusagen ist, ist eine übermäßige Lagerhaltung, d. h. eine Aufstockung von zu vielen teuren Komponenten, unwirtschaftlich. Andererseits verhindert eine unzureichende Lagermenge den sofortigen Ersatz einer ausfallenden Komponente und bewirkt, dass eine Vorrichtung bis zur Lieferung der ausfallenden Komponente angehalten wird. Wenn die Vorrichtung eine Produktionsausrüstung ist, verursacht der übermäßige Lagerbestand einen Anstieg der Herstellungskosten, während der unzureichende Lagerbestand eine Produktionsunterbrechung unter Verwendung der Vorrichtung und eine signifikante Verzögerung in einem Produktionsplan verursacht, was zu einem erheblichen Verlust führt.
Wie oben beschrieben, bringen sowohl das übermäßige Lager als auch das unzureichende Lager Probleme mit sich. Daher besteht eine erste Aufgabe darin, ein Lagerverwaltungssystem, das die geeignete Lagermenge unter Berücksichtigung einer Variation einer Fehlerrate in Abhängigkeit von einer Betriebsbedingung einer Komponente für Komponenten erfassen kann, deren Ausfallzeiten schwierig vorherzusagen sind, weil die Komponenten ausfallen, ohne ein bestimmtes Fehlerzeichen anzuzeigen, oder Komponenten, die in einem Fehlermodus ausfallen, keine Fehlerzeichen oder ein unbekanntes Fehlerzeichen zeigen, aus Komponenten, die zwischen mehreren Vorrichtungen geteilt werden, zu entwickeln.
Einige Komponenten haben Eigenschaften, die sich im Betrieb allmählich verschlechtern. Wenn die Charakteristik einer Komponente einen vorbestimmten Referenzwert erreicht, muss die Komponente ersetzt werden. Was die Komponenten mit sich allmählich verschlechternden Eigenschaften im Betrieb betrifft (d.h. charakteristische, sich verschlechternde Komponenten), muss ein Lagerverwaltungssystem die geeignete Lagermenge, einschließlich Instandhaltungskomponenten, unter Berücksichtigung der Austauschzeit, die durch eine charakteristische Verschlechterungsrate mit der Auswirkung einer Betriebsbedingung vorhergesagt wird, verwalten. Die charakteristische, sich verschlechternde Komponente wird vorzugsweise in einer geplanten Weise ersetzt, bevor die Komponente ausfällt, um eine Fehlfunktion in einer Vorrichtung zu verhindern, bevor sie auftritt.
Ferner sind die Fehlerrate und ein Einfluss der verschiedenen Betriebsbedingungen auf die Fehlerrate oder die charakteristische Verschlechterungsrate und ein Einfluss der verschiedenen Betriebsbedingungen auf die charakteristische Verschlechterungsrate nicht immer bekannt, sondern sind manchmal unbekannt oder haben eine ungenügende Genauigkeit, obwohl sie bis zu einem gewissen Grad bekannt sind. In diesem Fall erfordert das manuelle Erstellen von Informationen mit hoher Genauigkeit enorme Mannstunden. Somit besteht eine zweite Aufgabe darin, ein Lagerverwaltungssystem bereitzustellen, das Informationen und Daten, die für eine angemessene Lagerverwaltung und vorbeugende Instandhaltung erforderlich sind, so automatisch wie möglich durch maschinelles Lernen hervorbringen kann.
Bei Fehlern, die keine Fehlerzeichen aufweisen, können Fehlerzeichen übersehen werden. Wenn bei einer automatischen Suche ein Fehlerzeichen gefunden wird, werden Informationen bezüglich einer Fehlerrate nach dem Auftreten des Fehlerzeichens vorzugsweise automatisch gesammelt und in der Lagerverwaltung und der vorbeugenden Instandhaltung widergespiegelt, um ein zuverlässigeres und präziseres Lagerverwaltungssystem einzurichten.
Wenn eine Vorrichtung eine Fehlfunktion aufweist, erleichtert ferner die Identifizierung einer ausfallenden Komponente, die ersetzt werden muss, die Wiederherstellung der Vorrichtung in kürzerer Zeit und die Hereinholung von Informationen und Daten, die für eine angemessene Lagerverwaltung und vorbeugende Instandhaltung erforderlich sind, durch Sammeln von Fehlerinformationen der Komponente ohne Hilfe durch einen Menschen. Somit besteht eine dritte Aufgabe darin, ein Lagerverwaltungssystem mit einer solchen Diagnosefunktion bereitzustellen.
Wie oben beschrieben, schlägt eine der obigen Ausführungsformen ein Lagerverwaltungssystem 1 vor, das eine geeignete Lagerverwaltung und vorbeugende Instandhaltung von Komponenten durchführen kann, die von Vorrichtungen 3, die in einer Informationsverwaltungsvorrichtung 2 verbunden sind, geteilt werden, sowohl bei einem Fehler, der keine bestimmten Fehlerzeichen aufweist, als auch bei einem Fehler, der ein Zeichen einer charakteristischen Verschlechterung zeigt, unter Berücksichtigung der Abhängigkeit einer Fehlerrate von einem Betriebszustand. Eine weitere Ausführungsform schlägt ein Lagerverwaltungssystem 1 vor, das maschinelles Lernen durchführt, um eine geeignetere Lagerverwaltung und vorbeugende Instandhaltung zu ermöglichen.
Ferner verwaltet ein Lagerverwaltungssystem 1 gemäß dieser Offenbarung die Lagermenge für jede Art von Komponenten mit den gleichen Spezifikationen, die in einer Mehrzahl von Vorrichtungen unter Lagerverwaltung und vorbeugender Instandhaltung verwendet werden, basierend auf der Summe kumulativer Fehlerraten, welche die Summe der kumulativen Fehlerraten aller Komponenten unter Berücksichtigung eines Beschleunigungskoeffizienten in Abhängigkeit von einem Betriebszustand jeder Komponente ist, wodurch eine geeignete Lagerverwaltung mit hoher Genauigkeit in Anbetracht eines Fehlers ermöglicht wird, der keine bestimmten Fehlerzeichen aufweist.
Hinsichtlich der charakteristischen, sich verschlechternden Komponenten wird die Restlebensdauer aus einer Verschlechterungsrate und einem Beschleunigungskoeffizienten der Verschlechterungsrate in Abhängigkeit von einer Betriebsbedingung zum Durchführen einer Lagerverwaltung geschätzt und ein Ersetzen der Komponente wird als vorbeugende Instandhaltung empfohlen, bevor die Komponente an das Ende ihrer Lebenszeit kommt.
Im Allgemeinen werden Informationen über eine zeitliche Variation einer kumulativen Fehlerrate und über einen Beschleunigungskoeffizienten der kumulativen Fehlerrate in Abhängigkeit von einer Betriebsbedingung, Informationen über eine Zeitvariation in einer Verschlechterungsrate und in einem Beschleunigungskoeffizienten der Verschlechterungsrate in Abhängigkeit von einer Betriebsbedingung und Informationen, welche die Beziehung zwischen einem Fehlfunktionszustand und einem ausfallenden Abschnitt einer Vorrichtung anzeigen, nicht ausreichend in einer Datenbank gesammelt. Daher lernt das Lagerverwaltungssystem 1 gemäß dieser Offenbarung wiederholt die Information durch maschinelles Lernen und verbessert die Zuverlässigkeit der Information, wodurch eine geeignetere Lagerverwaltung und vorbeugende Instandhaltung ermöglicht wird.
Die vorliegende Erfindung wird oben unter Verwendung der bevorzugten Ausführungsformen beschrieben, aber es ist für den Fachmann offensichtlich, dass die obigen Ausführungsformen auf verschiedene Weise modifiziert, weggelassen oder hinzugefügt werden können, ohne vom Umfang der vorliegenden Erfindung abzuweichen.
Um wenigstens eines der Ziele dieser Offenbarung zu erreichen, werden verschiedene Aspekte und Wirkungen davon wie folgt bereitgestellt.
Zum Beispiel stellt ein erster Aspekt dieser Offenbarung ein Lagerverwaltungssystem bereit, das eine Mehrzahl von Vorrichtungen und eine Informationsverwaltungsvorrichtung umfasst, die mit den Vorrichtungen verbunden ist. Die Vorrichtungen haben jeweils ersetzbare gemeinsame Komponenten, die zwischen den Vorrichtungen gemeinsam genutzt werden können, und die gemeinsamen Komponenten mit den gleichen Spezifikationen, die in den Vorrichtungen verwendet werden, werden als Komponenten unter Lagerverwaltung bezeichnet.
Das Lagerverwaltungssystem umfasst ferner einen Informationsprozessor zum Berechnen der Summe kumulativer Fehlerraten, welcher der Summenwert der kumulativen Fehlerraten aller designierter Komponenten mit den gleichen Spezifikationen ist, die in den Vorrichtungen zu einem bestimmten Zeitpunkt verwendet werden, unter Berücksichtigung einer Beschleunigung, die von einer Betriebsbedingung abhängt, in Bezug auf eine kumulative Standardfehlerrate jedes Typs der designierten Komponenten mit den gleichen Spezifikationen, die in den Vorrichtungen unter einer Standardbetriebsbedingung verwendet werden, und zum Berechnen der geeigneten Lagermenge der designierten Komponenten zu dem bestimmten Zeitpunkt basierend auf der berechneten Summe der kumulativen Fehlerraten.
Da die Lagermenge der Komponenten in der Lagerverwaltung auf der Grundlage der Summe der kumulativen Fehlerraten unter Berücksichtigung von Beschleunigungen in Abhängigkeit von den Betriebsbedingungen verwaltet wird, ist es gemäß dem ersten Aspekt möglich, eine geeignete Lagerverwaltung unter Berücksichtigung von Fehlern, die kein Vorzeichen zeigen, durchzuführen, wobei dadurch das Auftreten einer Verzögerung bei einer Wiederherstellung (Instandhaltung) aufgrund einer Fehlerreparatur mit unzureichendem Lagerbestand verhindert wird, während gleichzeitig ebenfalls eine übermäßige Lagerhaltung verhindert wird.
Ein zweiter Aspekt dieser Offenbarung sieht das Lagerverwaltungssystem gemäß dem ersten Aspekt vor, wobei, wenn die designierten Komponenten mit den gleichen Spezifikationen, die in den Vorrichtungen verwendet werden, wenigstens eine charakteristische, sich verschlechternde Komponente umfassen, deren Charakteristik sich durch den Betrieb allmählich verschlechtert und die ersetzt werden muss, wenn die Charakteristik einen vorbestimmten Referenzwert erreicht, der Informationsprozessor den Zeitpunkt des Ersetzens der charakteristischen, sich verschlechternden Komponente basierend auf der Charakteristik der charakteristischen, sich verschlechternden Komponente zu einem bestimmten Zeitpunkt und einer Verschlechterungsrate der Charakteristik unter Berücksichtigung einer Beschleunigung, die von einer Betriebsbedingung abhängt, in Bezug auf eine Standardverschlechterungsrate der Charakteristik der charakteristischen, sich verschlechternden Komponente unter der Standardbetriebsbedingung abschätzt und die geeignete Lagermenge der designierten Komponenten unter Berücksichtigung des Zeitpunkts des Austausches berechnet.
Gemäß dem zweiten Aspekt wird in Bezug auf eine charakteristische, sich verschlechternde Komponente, deren Charakteristik sich allmählich verschlechtert, die Lagermenge der charakteristischen, sich verschlechternden Komponente unter Berücksichtigung des Zeitpunkts des Austauschs verwaltet, der basierend auf der Charakteristik zu einem bestimmten Zeitpunkt und einer charakteristischen Verschlechterungsrate unter Berücksichtigung einer Beschleunigung abhängig von einer Betriebsbedingung geschätzt wird, wodurch eine geeignetere Lagerverwaltung ermöglicht wird.
Ein dritter Aspekt dieser Offenbarung sieht das Lagerverwaltungssystem gemäß dem zweiten Aspekt vor, wobei der Informationsprozessor vorbeugende Instandhaltungsinformationen ausgibt, um den Austausch der charakteristischen, sich verschlechternden Komponente zu empfehlen, bevor die Charakteristik der charakteristischen, sich verschlechternden Komponente den vorbestimmten Referenzwert erreicht, zu dem die charakteristische, sich verschlechternde Komponente ausgetauscht werden muss.
Gemäß dem dritten Aspekt wird hinsichtlich einer Komponente, deren Charakteristik sich deutlich verschlechtert, ein Austausch empfohlen, bevor die Verschlechterungscharakteristik einen Referenzwert erreicht, bei dem die charakteristische, sich verschlechternde Komponente ausgetauscht werden muss, so dass ein Fehler in einer Vorrichtung verhindert wird, bevor er passiert, was eine entsprechende vorbeugende Instandhaltung ermöglicht.
Ein vierter Aspekt dieser Offenbarung sieht das Lagerverwaltungssystem gemäß dem ersten Aspekt vor, das ferner wenigstens eine erste Maschinenlernvorrichtung umfasst, die mit der Informationsverwaltungsvorrichtung verbunden ist.
Die erste Maschinenlernvorrichtung umfasst:

eine Zustandsgrößenbeobachtungseinheit zum Beobachten von Ausgaben von Komponenten, welche die Vorrichtungen und Ausgaben von wenigstens einem aus einer Vielfalt von in den Vorrichtungen bereitgestellten Sensoren und einer Vielfalt von Sensoren um die Vorrichtungen herum ausbilden, als Zustandsgrößen der Vorrichtungen in Bezug auf den Betriebszustand und die Zustände der designierten Komponenten;
eine Ergebniseinholungseinheit zum Erhalten von Fehlerinformationen, die in den Vorrichtungen auftreten; und
eine erste Lerneinheit zum Lernen einer kumulativen Standardfehlerratenkurve, die eine zeitliche Variation der kumulativen Fehlerrate der designierten Komponente unter der Standardbetriebsbedingung darstellt, und eines ersten Beschleunigungskoeffizienten, der ein Beschleunigungsverhältnis der kumulativen Fehlerrate abhängig von der Betriebsbedingung in Bezug auf die kumulative Standardfehlerrate der designierten Komponente unter der Standardbetriebsbedingung darstellt, in Verbindung mit der Zustandsgröße der von der Zustandsgrößenbeobachtungseinheit beobachteten Vorrichtungen und mit der von der Ergebniseinholungseinheit beobachteten Fehlerinformation, wobei
der Informationsprozessor die Summe der kumulativen Fehlerraten unter Bezugnahme auf die kumulative Standardfehlerratenkurve der designierten Komponente unter der Standardbetriebsbedingung und auf den ersten Beschleunigungskoeffizienten, der von der ersten Lerneinheit gelernt wurde, berechnet.

Gemäß dem vierten Aspekt werden die folgenden Wirkungen erzielt. In den meisten Fällen sind eine kumulative Standardfehlerrate und ein Beschleunigungskoeffizient einer kumulativen Fehlerrate in Abhängigkeit von einer Betriebsbedingung nicht für alle designierten Komponenten bekannt. Das manuelle Berechnen der kumulativen Standardfehlerrate und des ersten Beschleunigungskoeffizienten erfordert enorme Mannstunden, wohingegen das maschinelle Lernen zum Erhalten der kumulativen Standardfehlerrate und des ersten Beschleunigungskoeffizienten im Grunde keine Mannstunden erfordert. Selbst wenn die kumulative Standardfehlerrate und der erste Beschleunigungskoeffizient bekannt sind, werden die kumulative Standardfehlerrate und der erste Beschleunigungskoeffizient oft durch einen Beschleunigungslebensdauertest unter Verwendung einer relativ kleinen Anzahl von Abtastwerten berechnet und haben nicht immer eine hohe Genauigkeit. Durch die Wiederholung des maschinellen Lernens können die kumulative Standardausfallrate und der erste Beschleunigungskoeffizient mit höherer Genauigkeit erhalten werden und die Summe der kumulativen Fehlerraten wird mit erhöhter Genauigkeit berechnet, wodurch eine geeignetere Lagerverwaltung ermöglicht wird.
Ein fünfter Aspekt dieser Offenbarung sieht das Lagerverwaltungssystem gemäß dem zweiten Aspekt oder dem dritten Aspekt vor, das ferner wenigstens eine zweite Maschinenlernvorrichtung umfasst, die mit der Informationsverwaltungsvorrichtung verbunden ist.
Die zweite Maschinenlernvorrichtung umfasst:

eine Zustandsgrößenbeobachtungseinheit zum Beobachten einer Ausgabe von einer Komponente, welche einen Bestandteil der Vorrichtung bildet, und von wenigstens einem einer Vielfalt von Sensoren, die in der Vorrichtung vorgesehen sind, und einer Vielfalt von Sensoren, die um die Vorrichtung herum vorgesehen sind, als Zustandsgröße der Vorrichtung in Bezug zum Betriebszustand und zur Charakteristik der charakteristischen, sich verschlechternden Komponente;
eine Ergebniseinholungseinheit zum Erhalten einer Charakteristikveränderungsinformation bezüglich der Charakteristik der charakteristischen, sich verschlechternden Komponente; und
eine zweite Lerneinheit zum Erlernen einer Standardcharakteristikveränderungskurve, die eine zeitliche Veränderung in der Charakteristik der charakteristischen, sich verschlechternden Komponente unter der Standardbetriebsbedingung darstellt, und eines zweiten Beschleunigungskoeffizienten, der ein Beschleunigungsverhältnis der Verschlechterungsrate in Abhängigkeit von der Betriebsbedingung in Bezug auf die Standardcharakteristikveränderungskurve der charakteristischen, sich verschlechternden Komponente unter der Standardbetriebsbedingung in Verbindung mit der von der Zustandsgrößenbeobachtungseinheit beobachteten Zustandsgröße der Vorrichtung und der von der Ergebniseinholungseinheit beobachteten Charakteristikveränderungsinformation darstellt, wobei
der Informationsprozessor den Zeitpunkt des Ersetzens der charakteristischen, sich verschlechternden Komponente unter Bezugnahme auf die Standardcharakteristikveränderungskurve der charakteristischen, sich verschlechternden Komponente und des zweiten Beschleunigungskoeffizienten abschätzt, die von der zweiten Lerneinheit gelernt werden.

Gemäß dem fünften Aspekt werden die folgenden Wirkungen erhalten. Was eine Komponente betrifft, deren Charakteristik sich durch den Betrieb einer Vorrichtung verschlechtert, werden eine Standardcharakteristikveränderungskurve und ein zweiter Beschleunigungskoeffizient der Komponente oft durch einen Beschleunigungslebensdauertest unter Verwendung einer relativ kleinen Anzahl von Abtastungen berechnet. In den meisten Fällen sind eine Verschlechterungsrate und Beschleunigungskoeffizienten der Verschlechterungsrate in Abhängigkeit von verschiedenen Betriebsbedingungen nicht mit hoher Genauigkeit bekannt. Durch die Wiederholung des maschinellen Lernens kann jedoch die Charakteristikveränderungskurve unter einer Standardbetriebsbedingung und der Beschleunigungsfaktor in Abhängigkeit von der Betriebsbedingung mit höherer Genauigkeit erhalten werden, wodurch eine geeignetere Lagerverwaltung ermöglicht wird.
Der sechste Aspekt dieser Offenbarung sieht das Lagerverwaltungssystem gemäß dem ersten oder vierten Aspekt vor, das ferner wenigstens eine dritte Maschinenlernvorrichtung umfasst, die mit der Informationsverwaltungsvorrichtung verbunden ist.
Die dritte Maschinenlernvorrichtung umfasst:

eine Zustandsgrößenbeobachtungseinheit zum Beobachten von Ausgaben von Komponenten, welche die Vorrichtungen ausbilden, und Ausgaben von wenigstens einem aus einer Vielfalt von Sensoren, die in der Vorrichtung vorgesehen sind, und einer Vielfalt von Sensoren, die um die Vorrichtung herum vorgesehen sind, als Zustandsgrößen der Vorrichtungen in Bezug auf den Betriebszustand und Eigenschaften der designierten Komponenten; und
eine dritte Lerneinheit, die jedes Mal, wenn sie ein Ergebnis empfängt, welches das Auftreten eines Fehlers in den designierten Komponenten mit Ausnahme der charakteristischen, sich verschlechternden Komponente anzeigt, Zustandsgrößendaten zu den Vorrichtungen mit den ausfallenden designierten Komponenten, die von der Zustandsgrößenbeobachtungseinheit beobachtet werden, auf der Basis des Typs der designierten Komponenten mit den gleichen Spezifikationen zwischen dem Zeitpunkt, zu dem eine vorbestimmte Zeit dem Auftreten des Fehlers vorausgeht, und dem Zeitpunkt des Auftretens des Fehlers sammelt und ein Merkmal aus den gesammelten Daten vor dem Ausfall extrahiert, das sich von den Zustandsgrößen der nicht ausfallenden designierten Komponenten unterscheidet, um nach einem Fehlerzeichen zu suchen.

Gemäß dem sechsten Aspekt kann ein Fehlerzeichen durch unüberwachtes Lernen detektiert werden. Unüberwachtes Lernen lernt im Allgemeinen die Verteilung von Eingabedaten und extrahiert eine wesentliche Konfiguration hinter den Daten, ohne dass entsprechende Ausgabedaten (Trainingsdaten) benötigt werden. Durch Sammeln von Zustandsgrößendaten an Vorrichtungen mit ausfallenden, designierten Komponenten zwischen dem Zeitpunkt, zu dem eine vorbestimmte Zeit dem Auftreten eines Fehlers vorausgeht, und dem Zeitpunkt des Auftretens des Fehlers als die Eingabedaten für unüberwachtes Lernen kann daher ein unbekanntes Fehlerzeichen für die ausfallenden designierten Komponenten gefunden werden.
Ein siebenter Aspekt dieser Offenbarung sieht das Lagerverwaltungssystem gemäß dem sechsten Aspekt vor, wobei,
wenn das extrahierte Merkmal als das Fehlerzeichen erkannt wird, die dritte Lerneinheit eine Fehlerauftrittswahrscheinlichkeitsverteilung bezüglich der Zeit und die Abhängigkeit der Fehlerauftrittswahrscheinlichkeitsverteilung bezüglich der Zeit der Betriebsbedingung in Verbindung mit dem Zustand des Fehlerzeichens, den Zustandsgrößendaten der Vorrichtung, die sich auf den Betriebszustand der ausfallenden designierten Komponente beziehen, zwischen dem Auftreten des Fehlerzeichens und dem Auftreten des Fehlers und einer Betriebszeit zwischen dem Auftreten des Fehlerzeichens und dem tatsächlichen Auftreten des Fehlers lernt,
die dritte Lerneinheit, bis die designierte Komponente, die das Fehlerzeichen anzeigt, tatsächlich ausfällt, vorbeugende Instandhaltungsinformationen ausgibt, um den Austausch der designierten Komponente, die das Fehlerzeichen zeigt, zu empfehlen, und Vorhersagefehlerinformationen über die designierte Komponente, die das Fehlerzeichen zeigt, mit Bezugnahme auf ein Lernergebnis ausgibt und
der Informationsprozessor die geeignete Lagermenge für die designierten Komponenten unter Berücksichtigung der Fehlerauftretensvorhersageinformation abschätzt.
Gemäß dem siebenten Aspekt kann, wenn ein unbekanntes Fehlerzeichen herausgefunden wird, die Zeit des Auftretens eines Fehlers durch maschinelles Lernen geschätzt werden. Daher ist es möglich, eine Instandhaltungskomponente vorzubereiten und eine ausfallende Komponente vor dem Auftreten des Fehlers unter Berücksichtigung des Fehlerzeichens zu ersetzen, wodurch eine geeignetere Lagerverwaltung ermöglicht wird.
Ein achter Aspekt dieser Offenbarung sieht das Lagerverwaltungssystem nach einem der ersten bis siebten Aspekte vor, das ferner wenigstens eine vierte Maschinenlernvorrichtung umfasst, die mit der Informationsverwaltungsvorrichtung verbunden ist.
Die vierte Maschinenlernvorrichtung umfasst:

eine Zustandsgrößenbeobachtungseinheit zum Beobachten von Ausgaben von Komponenten, welche die Vorrichtungen bilden, und von Ausgaben von wenigstens einem aus einer Vielfalt von Sensoren, die in der Vorrichtung vorgesehen sind, und einer Vielfalt von Sensoren, die um die Vorrichtung herum vorgesehen sind, als Zustandsgrößen der Vorrichtungen in Bezug auf den Betriebszustand und Zustände oder Charakteristiken der designierten Komponenten;
eine Bestimmungsergebniseinholungseinheit zum Erhalten eines Bestimmungsergebnisses, das sich auf richtig und falsch eines Schätzergebnisses bezüglich einer ausfallenden designierten Komponente bezieht, in der Vorrichtung, welche die ausfallende designierte Komponente aufweist;
eine vierte Lerneinheit zum Empfangen einer Ausgabe von der Zustandsgrößenbeobachtungseinheit und einer Ausgabe von der Bestimmungsergebniseinholungseinheit und zum Lernen des Schätzergebnisses bezüglich der ausfallenden designierten Komponente in Verbindung mit der Zustandsgröße der Vorrichtung und dem Schätzergebnis in Bezug auf die ausfallende designierte Komponente, das durch die Bestimmungsergebniseinholungseinheit erhalten wird; und
eine Entscheidungsfindungseinheit zum Bestimmen des Schätzergebnisses bezüglich der ausfallenden designierten Komponente, das von der vierten Maschinenlernvorrichtung auszugeben ist, mit Bezug auf das Lernergebnis durch die vierte Lerneinheit, wobei
die vierte Lerneinheit eine Wertfunktion aufweist, um den Wert des Schätzergebnisses bezüglich der ausfallenden designierten Komponente zu bestimmen, und die vierte Lerneinheit eine Belohnungsberechnungseinheit zum Liefern einer positiven Belohnung, wenn das Schätzergebnis richtig ist, wohingegen eine negative Belohnung geliefert wird, wenn das Schätzergebnis falsch ist, und eine Wertfunktionsaktualisierungseinheit zum Aktualisieren der Wertfunktion in Übereinstimmung mit der Belohnung umfasst, und
der Informationsprozessor eine Fehlerdiagnose der Vorrichtungen unter Bezugnahme auf ein Lernergebnis der vierten Lerneinheit durchführt.

Gemäß dem achten Aspekt kann, wenn eine Vorrichtung ausfällt, eine ausfallende Komponente in der ausfallenden Vorrichtung durch Wiederholung des maschinellen Lernens abgeschätzt werden. Somit kann die ausfallende Vorrichtung in einer kurzen Zeit wiederhergestellt werden. Darüber hinaus kann eine Ausfallinformation über die Vorrichtung automatisch ohne die Hilfe eines Menschen erhalten werden.
Ein neunter Aspekt dieser Offenbarung sieht das Lagerverwaltungssystem gemäß dem achten Aspekt vor, wobei
das Schätzergebnis bezüglich der ausfallenden designierten Komponente, die von der vierten Maschinenlernvorrichtung auszugeben ist, nicht nur einen ersten Kandidaten mit der höchsten Wahrscheinlichkeit umfasst, sondern auch mehrere Kandidaten, die in abnehmender Reihenfolge der Wahrscheinlichkeit aufgelistet sind, und wobei,
je höher der Kandidat aus den Kandidaten eingereiht ist, mit dem die tatsächliche ausfallende designierte Komponente übereinstimmt, desto größer die positive Belohnung ist, welche von der Belohnungsberechnungseinheit geliefert wird, wohingegen die Belohnungsberechnungseinheit die negative Belohnung liefert, wenn die tatsächliche ausfallende Komponente mit keinem der aufgelisteten Kandidaten übereinstimmt.
Gemäß dem neunten Aspekt können höhere Lerneffekte mit einer kleinen Anzahl von Fehlern erhalten werden. Selbst wenn ein erster Kandidat falsch ist, kann ferner der nächste Kandidat sofort überprüft werden, so dass es möglich ist, die Wahrscheinlichkeit zu verringern, dass eine lange Zeit für die Wiederherstellung der Vorrichtung erforderlich ist, weil eine ausfallende Komponente nicht identifiziert werden kann.
Ein zehnter Aspekt dieser Offenbarung sieht das Lagerverwaltungssystem gemäß einem der vierten bis neunten Aspekte vor, wobei
wenigstens eine der Vorrichtungen, die mit der Informationsverwaltungsvorrichtung verbunden sind, eine Laservorrichtung mit einem Laseroszillator ist,
wenigstens eine Maschinenlernvorrichtung der ersten Maschinenlernvorrichtung, der zweiten Maschinenlernvorrichtung, der dritten Maschinenlernvorrichtung und der vierten Maschinenlernvorrichtung mit der Informationsverwaltungsvorrichtung verbunden ist und
wenigstens einer der Werte aus einer Laserausgangsintensität von wenigstens einer der Laservorrichtung und des Laseroszillators, einer Laserausgangsimpulsbedingung von wenigstens einer der Laservorrichtung und des Laseroszillators, einer reflektierten Lichtintensität, die zu wenigstens einem Element von einem optischen System zurückkehrt, das die Laservorrichtung oder den Laseroszillator bildet, wenigstens einem von einem Betriebsstrom und einer Betriebsspannung, die von einer Laserstromversorgung von der Laservorrichtung zum Laseroszillator geliefert werden, der Temperatur einer Komponente, welche die Laservorrichtung einschließlich des Laseroszillators bildet, wenigstens einer der Temperatur und der Feuchtigkeit innerhalb der Laservorrichtung, wenigstens eine der Temperatur und der Feuchtigkeit um die Laservorrichtung herum, einer Beschleunigung, die auf wenigstens eine der Laservorrichtungen und eine Komponente der Laservorrichtung angewendet wird, wenigstens einem Wert aus der Art des Unterstützungsgases und einer Gasversorgungsbedingung, wenigstens einem Wert aus der Durchlässigkeit und der Dämpfung des optischen Systems, und wenigstens einem Wert aus der Installationsposition und -höhe der Laservorrichtung von einer Komponente, welche die Laservorrichtung bildet, oder von einer Vielfalt von Sensoren, die in der Laservorrichtung vorgesehen sind, und einer Vielfalt von Sensoren, die um die Laservorrichtung vorgesehen sind, als die Zustandsgröße der Laservorrichtung ausgegeben wird und die wenigstens eine Maschinenlernvorrichtung die Zustandsgröße beobachtet.
Gemäß dem zehnten Aspekt ist es möglich, da die kumulative Fehlerrate und der Beschleunigungskoeffizient einer Komponente in einem Zustand gelernt werden, in dem die Komponente in der Laservorrichtung installiert ist, die Fehlerrate und den Beschleunigungskoeffizienten der installierten Komponente in der Laservorrichtung mit hoher Präzision zu berechnen.
Ein elfter Aspekt dieser Offenbarung sieht das Lagerverwaltungssystem gemäß einem der vierten bis zehnten Aspekte vor, wobei
eine Mehrzahl der Informationsverwaltungsvorrichtungen über eine Cloud miteinander verbunden sind,
die Mehrzahl von Vorrichtungen und wenigstens eine Maschinenlernvorrichtung mit jeder der Informationsverwaltungsvorrichtungen verbunden ist und
die mit den Informationsverwaltungsvorrichtungen verbundenen Maschinenlernvorrichtungen Lernergebnisinformationen durch die Informationsverwaltungsvorrichtung oder die Cloud teilen, mit der die Informationsverwaltungsvorrichtungen verbunden sind.
Da gemäß dem elften Aspekt die Maschinenlernvorrichtungen Informationen über Lernergebnisse wie ein Lernmodell und eine Wertfunktion teilen, ist es möglich, ein Lernen durchzuführen, um Informationen wie eine kumulative Fehlerrate oder einen von einer Betriebsbedingung abhängigen Beschleunigungskoeffizienten und eine charakteristische Verschlechterungsrate zu erhalten, die erforderlich ist, um die Lagermenge von designierten Komponenten in einer kürzeren Zeit abzuschätzen.
Ein zwölfter Aspekt dieser Offenbarung sieht das Lagerverwaltungssystem nach einem der ersten bis elften Aspekte vor, das ferner ein automatisches Warenlager umfasst, das mit der Informationsverwaltungsvorrichtung verbunden ist.
Der Informationsprozessor trifft automatisch Vorkehrungen für die designierte Komponente, basierend auf wenigstens einer der Lagerverwaltungsinformationen einschließlich der geeigneten Lagermenge der designierten Komponenten und präventiven Instandhaltungsinformationen für die designierten Komponenten und Lagerinformationen für das automatische Lager, die durch die Informationsverwaltungsvorrichtung eingegeben werden.
Da gemäß dem zwölften Aspekt der Informationsprozessor automatisch Vorkehrungen für die notwendigen Instandhaltungskomponenten trifft, ist es möglich, einen Fehler in den Anordnungen zu verhindern, und die Verwendungsaufzeichnung einer Instandhaltungskomponente wird in Echtzeit an die Informationsverwaltungsvorrichtung zurückgegeben.
ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Patentliteratur

JP 2010113672 [0005]
JP 2004295667 [0005, 0173]
JP 2012104058 [0005]

Claims

Lagerverwaltungssystem (1), umfassend: eine Mehrzahl von Vorrichtungen (3); eine Informationsverwaltungsvorrichtung (2) zum Verwalten von Informationen, die den Vorrichtungen (3) zuzuführen oder von diesen zu empfangen sind, wobei die Vorrichtungen (3) jeweils ersetzbare gemeinsame Komponenten aufweisen, die zwischen den Vorrichtungen (3) geteilt werden können, wobei die gemeinsamen Komponenten mit den gleichen Spezifikationen, die in den Vorrichtungen (3) verwendet werden, als Komponenten unter Lagerverwaltung bezeichnet werden; und einen Informationsprozessor (30) zum Berechnen der Summe kumulativer Fehlerraten, die der Summenwert der kumulativen Fehlerraten aller designierten Komponenten mit den gleichen Spezifikationen ist, die in den Vorrichtungen (3) zu einem bestimmten Zeitpunkt verwendet werden, in Anbetracht einer von einer Betriebsbedingung abhängigen Beschleunigung in Bezug auf eine kumulative Standardfehlerrate jedes Typs der designierten Komponenten mit den gleichen Spezifikationen, die in den Vorrichtungen (3) unter einer Standardbetriebsbedingung verwendet werden, und zum Berechnen der geeigneten Lagermenge der designierten Komponenten zu dem bestimmten Zeitpunkt, basierend auf der berechneten Summe der kumulativen Fehlerraten.
Lagerverwaltungssystem (1) nach Anspruch 1, wobei die designierten Komponenten mit den gleichen Spezifikationen, die in den Vorrichtungen (3) verwendet werden, wenigstens eine charakteristische, sich verschlechternde Komponente umfassen, die eine Charakteristik aufweist, die sich durch den Betrieb allmählich verschlechtert und die ausgetauscht werden muss, wenn die Charakteristik einen vorbestimmten Referenzwert erreicht, wobei der Informationsprozessor (30) den Zeitpunkt des Ersetzens der charakteristischen, sich verschlechternden Komponente auf der Grundlage der Charakteristik der charakteristischen, sich verschlechternden Komponente zu einem bestimmten Zeitpunkt und einer Verschlechterungsrate der Charakteristik unter Berücksichtigung einer von einer Betriebsbedingung abhängigen Beschleunigung in Bezug auf eine Standardverschlechterungsrate der Charakteristik der charakteristischen, sich verschlechternden Komponente unter der Standardbetriebsbedingung abschätzt und die geeignete Lagermenge der designierten Komponenten unter Berücksichtigung des Zeitpunkts der Austausches berechnet.
Lagerverwaltungssystem (1) nach Anspruch 2, wobei der Informationsprozessor (30) präventive Instandhaltungsinformationen ausgibt, um das Austauschen der charakteristischen, sich verschlechternden Komponente zu empfehlen, bevor die Charakteristik der charakteristischen, sich verschlechternden Komponente den vorbestimmten Referenzwert erreicht, zu dem die sich verschlechternde Komponente ausgetauscht werden muss.
Lagerverwaltungssystem (1) nach Anspruch 1, des Weiteren umfassend: wenigstens eine erste Maschinenlernvorrichtung (4-1), die mit der Informationsverwaltungsvorrichtung (2) verbunden ist, wobei die erste Maschinenlernvorrichtung (4-1) umfasst: eine Zustandsgrößenbeobachtungseinheit (6) zum Beobachten von Ausgaben von Komponenten, welche einen Bestandteil der Vorrichtungen (3) bilden, und Ausgaben von wenigstens einem aus einer Vielfalt von in den Vorrichtungen (3) vorgesehenen Sensoren und einer Vielfalt von um die Vorrichtungen (3) herum vorgesehenen Sensoren als Zustandsgrößen der Vorrichtungen (3) in Bezug auf den Betriebszustand und die Zustände der designierten Komponenten; eine Ergebniseinholungseinheit (7) zum Erhalten von Fehlerinformationen, die in den Vorrichtungen (3) auftreten; und eine erste Lerneinheit (5-1) zum Lernen einer kumulativen Standardfehlerratenkurve, die eine zeitliche Variation der kumulativen Fehlerrate der designierten Komponente unter der Standardbetriebsbedingung darstellt, und eines ersten Beschleunigungskoeffizienten, der ein Beschleunigungsverhältnis der kumulativen Fehlerrate abhängig von der Betriebsbedingung in Bezug auf die kumulative Standardfehlerrate der designierten Komponente unter der Standardbetriebsbedingung darstellt, in Verbindung mit der Zustandsgröße der Vorrichtungen (3), die von der Zustandsgrößenbeobachtungseinheit (6) beobachtet wird, und der beobachteten Fehlerinformation durch die Ergebniseinholungseinheit (7), wobei der Informationsprozessor (30) die Summe der kumulativen Fehlerraten unter Bezugnahme auf die kumulative Standardfehlerratenkurve der designierten Komponente unter der Standardbetriebsbedingung und unter Bezugnahme auf den ersten Beschleunigungskoeffizienten, der von der ersten Lerneinheit (5-1) gelernt wurde, berechnet.
Lagerverwaltungssystem (1) nach Anspruch 2 oder 3, des Weiteren umfassend: wenigstens eine zweite Maschinenlernvorrichtung (4-2), die mit der Informationsverwaltungsvorrichtung (2) verbunden ist, wobei die zweite Maschinenlernvorrichtung (4-2) umfasst: eine Zustandsgrößenbeobachtungseinheit (6) zum Beobachten einer Ausgabe von einer Komponente, die einen Bestandteil der Vorrichtung (3) bildet, und der Ausgabe von wenigstens einem einer Vielfalt von in der Vorrichtung (3) vorgesehenen Sensoren und einer Vielfalt von um die Vorrichtung (3) herum vorgesehenen Sensoren als Zustandsgröße der Vorrichtung (3) in Bezug auf die Betriebsbedingung und die Charakteristik der charakteristischen, sich verschlechternden Komponente; eine Ergebniseinholungseinheit (7) zum Erhalten einer Charakteristikveränderungsinformation zu der Charakteristik der charakteristischen, sich verschlechternden Komponente; und eine zweite Lerneinheit (5-2) zum Lernen einer Standardcharakteristikveränderungskurve, die die zeitliche Veränderung in der Charakteristik der charakteristischen, sich verschlechternden Komponente unter der Standardbetriebsbedingung darstellt, und eines zweiten Beschleunigungskoeffizienten, der ein Beschleunigungsverhältnis der Verschlechterungsrate in Abhängigkeit von der Betriebsbedingung in Bezug auf die Standardcharakteristikveränderungskurve der charakteristischen, sich verschlechternden Komponente unter der Standardbetriebsbedingung darstellt, in Verbindung mit der Zustandsgröße der Vorrichtung (3), die von der Zustandsgrößenbeobachtungseinheit (6) beobachtet wird, und der Charakteristikveränderungsinformation, die von der Ergebniseinholungseinheit (7) erfasst wird, wobei der Informationsprozessor (30) den Zeitpunkt des Austauschens der charakteristischen, sich verschlechternden Komponente unter Bezugnahme auf die Standardcharakteristikveränderungskurve der charakteristischen, sich verschlechternden Komponente und den zweiten Beschleunigungskoeffizienten, der von der zweiten Lerneinheit (5-2) gelernt wird, abschätzt.
Lagerverwaltungssystem (1) nach Anspruch 1 oder 4, des Weiteren umfassend: wenigstens eine dritte Maschinenlernvorrichtung (4-3), die mit der Informationsverwaltungsvorrichtung (2) verbunden ist, wobei die dritte Maschinenlernvorrichtung (4-3) umfasst: eine Zustandsgrößenbeobachtungseinheit (6) zum Beobachten von Ausgaben von Komponenten, die einen Bestandteil der Vorrichtungen (3) bilden, und Ausgaben von wenigstens einem aus einer Vielfalt von in den Vorrichtungen (3) vorgesehenen Sensoren und einer Vielfalt von um die Vorrichtungen (3) herum vorgesehenen Sensoren als Zustandsgrößen der Vorrichtungen (3) in Bezug auf den Betriebszustand und die Charakteristiken der designierten Komponenten; und eine dritte Lerneinheit (5-3), die immer dann, wenn sie ein Ergebnis empfängt, das das Auftreten eines Fehlers in den designierten Komponenten mit Ausnahme der charakteristischen, sich verschlechternden Komponente anzeigt, Zustandsgrößendaten über die Vorrichtungen (3) mit den ausfallenden designierten Komponenten, die von der Zustandsgrößenbeobachtungseinheit (6) beobachtet werden, auf der Basis des Typs der designierten Komponenten mit den gleichen Spezifikationen zwischen dem Zeitpunkt, zu dem eine vorbestimmte Zeit dem Auftreten des Fehlers vorausgeht, und dem Zeitpunkt des Auftretens des Fehlers sammelt und ein Merkmal aus den gesammelten Daten vor dem Ausfall extrahiert, das sich von den Zustandsgrößen der nicht ausfallenden designierten Komponenten unterscheidet, um nach einem Fehlerzeichen zu suchen.
Lagerverwaltungssystem (1) nach Anspruch 6, wobei, wenn das extrahierte Merkmal als das Fehlerzeichen erkannt wird, die dritte Lerneinheit (5-3) eine Fehlerauftrittswahrscheinlichkeitsverteilung bezüglich der Zeit und die Abhängigkeit der Fehlerauftrittswahrscheinlichkeitsverteilung bezüglich der Zeit von dem Betriebszustand in Verbindung mit dem Zustand des Fehlerzeichens, den Zustandsgrößendaten der Vorrichtung (3), die sich auf den Betriebszustand der ausfallenden designierten Komponente beziehen, zwischen dem Auftreten des Fehlerzeichens und dem Auftreten des Fehlers und einer Betriebszeit zwischen dem Auftreten des Fehlerzeichens und dem tatsächlichen Auftreten des Fehlers lernt, wobei, bis die designierte Komponente, die das Fehlerzeichen aufweist, tatsächlich ausfällt, die dritte Lerneinheit (5-3) vorbeugende Instandhaltungsinformationen ausgibt, um das Austauschen der designierten Komponente mit dem Fehlerzeichen zu empfehlen, und Fehlerauftretensvorhersageinformationen über die designierte Komponente, die das Fehlerzeichen zeigt, mit Bezug auf ein Lernergebnis ausgibt und wobei der Informationsprozessor (30) die geeignete Lagermenge für die designierten Komponenten unter Berücksichtigung der Fehlerauftretensvorhersageinformation abschätzt.
Lagerverwaltungssystem (1) nach einem der Ansprüche 1 bis 7, des Weiteren umfassend: wenigstens eine vierte Maschinenlernvorrichtung (4-4), die mit der Informationsverwaltungsvorrichtung (2) verbunden ist, wobei die vierte Maschinenlernvorrichtung (4-4) umfasst: eine Zustandsgrößenbeobachtungseinheit (6) zum Beobachten von Ausgaben von Komponenten, welche einen Bestandteil der Vorrichtungen (3) bilden, und Ausgaben von wenigstens einem aus einer Vielfalt von in den Vorrichtungen (3) vorgesehenen Sensoren und einer Vielfalt von um die Vorrichtungen (3) herum vorgesehenen Sensoren als Zustandsgrößen der Vorrichtungen (3) in Bezug auf die Betriebsbedingung und Zustände oder Charakteristiken der designierten Komponenten; eine Bestimmungsergebniseinholungseinheit (12) zum Erhalten eines Bestimmungsergebnisses in Bezug auf ein richtiges oder falsches Schätzergebnis bezüglich einer ausfallenden designierten Komponente in der Vorrichtung (3) mit der ausfallenden designierten Komponente; eine vierte Lerneinheit (5-4) zum Empfangen einer Ausgabe von der Zustandsgrößenbeobachtungseinheit (6) und einer Ausgabe von der Bestimmungsergebniseinholungseinheit (12) und zum Lernen des Schätzergebnisses bezüglich der ausfallenden designierten Komponente in Verbindung mit der Zustandsgröße der Vorrichtung (3) und dem Schätzergebnis bezüglich der ausfallenden designierten Komponente, das durch die Bestimmungsergebniseinholungseinheit (12) erhalten wird; und eine Entscheidungsfindungseinheit (15) zum Entscheiden des von der vierten Maschinenlernvorrichtung (4-4) auszugebenden Schätzergebnisses bezüglich der ausfallenden designierten Komponente unter Bezugnahme auf das Lernergebnis durch die vierte Lerneinheit (5-4), wobei die vierte Lerneinheit (5-4) eine Wertfunktion aufweist, um den Wert des Schätzergebnisses bezüglich der ausfallenden designierten Komponente zu bestimmen, und die vierte Lerneinheit (5-4) eine Belohnungsberechnungseinheit (13) zum Liefern einer positiven Belohnung, wenn das Schätzergebnis richtig ist, wohingegen eine negative Belohnung geliefert wird, wenn das Schätzergebnis falsch ist, und eine Wertfunktionsaktualisierungseinheit (14) zum Aktualisieren der Wertfunktion in Übereinstimmung mit der Belohnung umfasst, und der Informationsprozessor (30) eine Fehlerdiagnose der Vorrichtungen (3) unter Bezugnahme auf ein Lernergebnis der vierten Lerneinheit (5-4) durchführt.
Lagerverwaltungssystem (1) nach Anspruch 8, wobei das Schätzergebnis bezüglich der ausfallenden designierten Komponente, das von der vierten Maschinenlernvorrichtung (4-4) auszugeben ist, nicht nur einen ersten Kandidaten mit der höchsten Wahrscheinlichkeit enthält, sondern auch mehrere Kandidaten, die in absteigender Reihenfolge der Wahrscheinlichkeit aufgelistet sind, und die Belohnungsberechnungseinheit (13) eine umso größere positive Belohnung liefert, je höherrangig der Kandidat aus den Kandidaten ist, mit dem die tatsächliche ausfallende designierte Komponente zusammenfällt, wohingegen, wenn die tatsächliche ausfallende Komponente mit keinem der aufgelisteten Kandidaten übereinstimmt, die Belohnungsberechnungseinheit (13) die negative Belohnung liefert.
Lagerverwaltungssystem (1) nach einem der Ansprüche 4 bis 9, wobei wenigstens eine der mit der Informationsverwaltungsvorrichtung (2) verbundenen Vorrichtungen (3) eine Laservorrichtung (16) mit einem Laseroszillator (17) ist und von einer Laserausgangsintensität von der Laservorrichtung (16) und/oder dem Laseroszillator (17), einer Laserausgangsimpulszustand von der Laservorrichtung (16) und/oder dem Laseroszillator (17), einer reflektierten Lichtintensität, die zu einem optischen System (20), das einen Bestandteil der Laservorrichtung (16) bildet, und/oder der Laservorrichtung (16) zurückkehrt, wenigstens eines, von einem Betriebsstrom und/oder einer Betriebsspannung, die von einer Laserstromversorgung (18), die einen Bestandteil der Laservorrichtung (16) bildet, zu dem Laseroszillator (17) geliefert wird, der Temperatur einer Komponente, welche einen Bestandteil der Laservorrichtung (16) bildet, einschließlich des Laseroszillators (17), wenigstens eines, die Temperatur und/oder die Feuchtigkeit innerhalb der Laservorrichtung (16), die Temperatur und/oder Feuchtigkeit um die Laservorrichtung (16) herum, eine Beschleunigung, die auf die Laservorrichtung (16) und/oder eine Komponente der Laservorrichtung (16) ausgeübt wird, der Typ des Hilfsgases und/oder ein Gasversorgungszustand, der Transmissionsgrad und/oder die Dämpfung des optischen Systems (20), und eine Installationsposition und/oder die Höhe der Laservorrichtung (16) von einer Komponente, die Bestandteil der Laservorrichtung (16) ist, oder von wenigstens einem aus einer Vielfalt von in der Laservorrichtung (16) vorgesehenen Sensoren und einer Vielfalt von Sensoren, die um die Laservorrichtung (16) vorgesehen sind, als die Zustandsgröße der Laservorrichtung (16) ausgegeben wird und die Zustandsgrößenbeobachtungseinheit (6) die Zustandsgröße beobachtet.
Lagerverwaltungssystem (1) nach einem der Ansprüche 4 bis 10, wobei eine Mehrzahl von Informationsverwaltungsvorrichtungen (2) miteinander durch eine Cloud verbunden sind, die Mehrzahl von Vorrichtungen (3) und wenigstens eine Maschinenlernvorrichtung (4) mit jeder der Informationsverwaltungsvorrichtungen (2) verbunden ist und die mit den Informationsverwaltungsvorrichtungen (2) verbundenen Maschinenlernvorrichtungen (4) Lernergebnisinformationen durch die Informationsverwaltungsvorrichtung (2) oder die Cloud, mit der die Informationsverwaltungsvorrichtungen (2) verbunden sind, teilen.
Lagerverwaltungssystem (1) nach einem der Ansprüche 1 bis 11, des Weiteren umfassend: ein automatisches Warenlager, das mit der Informationsverwaltungsvorrichtung (2) verbunden ist, wobei der Informationsprozessor (30) automatisch Vorkehrungen für die designierte Komponente basierend auf den Lagerverwaltungsinformationen einschließlich der geeigneten Lagermenge der designierten Komponenten und der präventiven Instandhaltungsinformationen für die designierten Komponenten und/oder der Lagerinformationen für das automatische Lager, die durch das Informationsverwaltungsgerät (2)eingegeben werden, trifft.