JP2015054780A - Abnormality diagnostic system for passenger conveyor - Google Patents
Abnormality diagnostic system for passenger conveyor Download PDFInfo
- Publication number
- JP2015054780A JP2015054780A JP2013190161A JP2013190161A JP2015054780A JP 2015054780 A JP2015054780 A JP 2015054780A JP 2013190161 A JP2013190161 A JP 2013190161A JP 2013190161 A JP2013190161 A JP 2013190161A JP 2015054780 A JP2015054780 A JP 2015054780A
- Authority
- JP
- Japan
- Prior art keywords
- abnormality
- data
- abnormal
- passenger conveyor
- sound data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B27/00—Indicating operating conditions of escalators or moving walkways
Landscapes
- Escalators And Moving Walkways (AREA)
Abstract
Description
本発明の実施形態は、乗客コンベアの異常診断システムに関する。 Embodiments described herein relate generally to an abnormality diagnosis system for passenger conveyors.
エスカレータや動く歩道などの乗客コンベアは、チェーンにより無端状に連結された多数の踏段（ステップ）を有する。乗客コンベアは、これらの踏段をトラス内部に配設されたガイドレールに沿ってモータ駆動により循環移動させることで、踏段に搭乗した乗客を一方の乗降口から他方の乗降口へと搬送する構造である。 Passenger conveyors such as escalators and moving walkways have a number of steps connected endlessly by a chain. The passenger conveyor is a structure that conveys passengers boarding a step from one boarding gate to the other boarding gate by circulating and moving these steps along the guide rails arranged inside the truss by motor drive. is there.
このような乗客コンベアでは、長期に亘る稼働による用品の摩耗や据え付け調整状態の経年劣化、或いは異物の混入や乗客によるいたずらなどに起因して、例えば、可動部分のこすれや乗り上げなどといった異常が発生する。 In such passenger conveyors, abnormalities such as rubbing of moving parts and riding on, for example, occur due to wear of goods due to long-term operation, aging deterioration of installation adjustment state, foreign matter mixing, mischief by passengers, etc. To do.
このような異常は、振動や音として現れることが多い。乗客コンベアに振動や音の異常が発生した場合、通常、保守員が現場に赴いて実際に乗客コンベアを稼働し、異常がどの部分で発生しているかを特定して、異常発生要因となっている部品の交換や調整作業などを行う。作業中は乗客コンベアの運転サービスを停止しておくため、作業に時間を要すると利用者に多大な迷惑をかけてしまう。 Such abnormalities often appear as vibrations or sounds. When vibration or sound abnormalities occur in the passenger conveyor, usually maintenance personnel visit the site and actually operate the passenger conveyor, identify where the abnormality is occurring and become the cause of the abnormality Replace and adjust parts. Since the operation service of the passenger conveyor is stopped during the work, if time is required for the work, the user is greatly inconvenienced.
また、保守員が現場で異常発生要因を特定する際、現場に赴いた保守員の熟練度によってその正確性や迅速性において差が生じることも多い。熟練度の低い保守員の場合、さらに長時間のサービス停止を余儀なくされる。このため、故障に至る前に何らかの異常が現れた段階でその異常を早期に発見し、保守作業によって異常を解消させて故障を回避しておくことが望まれる。 In addition, when the maintenance personnel specify the cause of the abnormality at the site, there are many differences in accuracy and speed depending on the skill level of the maintenance personnel who have visited the site. In the case of maintenance personnel with low skill level, the service is forced to stop for a longer time. For this reason, it is desirable to detect an abnormality at an early stage when some abnormality appears before the failure occurs, and to eliminate the abnormality by maintenance work to avoid the failure.
このような要望に応えるものとして、所定の踏段内部に鉛直方向の感度を表す直流成分を測定可能な加速度センサを有し、この加速度センサの出力信号（時刻歴データ）を解析処理して異常診断を行う乗客コンベアの異常診断システムが提案されている。 In response to this demand, we have an acceleration sensor that can measure the DC component representing the sensitivity in the vertical direction inside a given step, and analyze the output signal (time history data) of this acceleration sensor to diagnose abnormalities. An abnormality diagnosis system for passenger conveyors has been proposed.
しかしながら、上記乗客コンベアの異常診断システムでは、時刻歴データを解析処理して異常診断を行うため、加速度センサによる時刻歴データの収集精度にばらつきが生じると、解析処理時に時刻歴データに含まれるノイズが増幅し、異常診断を精度よく行うことができないという不都合がある。 However, since the abnormality diagnosis system for the passenger conveyor performs an abnormality diagnosis by analyzing the time history data, if the collection accuracy of the time history data by the acceleration sensor varies, noise included in the time history data during the analysis processing Amplification causes an inconvenience that abnormality diagnosis cannot be performed with high accuracy.
本発明が解決しようとする課題は、時刻歴データの収集精度にばらつきが生じたとしても、乗客コンベアの異常診断を精度よく実行し得る乗客コンベアの異常診断システムを提供することである。 The problem to be solved by the present invention is to provide a passenger conveyor abnormality diagnosis system that can accurately perform abnormality diagnosis of passenger conveyors even if the collection accuracy of time history data varies.
一実施形態に係る乗客コンベアの異常診断システムは、乗客コンベアの所定の箇所に設置されたセンサ端末により計測されたデータを記憶する記憶手段と、前記記憶手段に記憶された前記センサ端末の計測データを読み出して周波数分析する周波数分析手段と、前記周波数分析手段によって周波数分析された前記計測データと予め設定された基準データとに基づいて異常成分を抽出する異常成分抽出手段と、前記異常成分抽出手段によって抽出された異常成分に応じた異常抽出計測データと、複数の異常原因毎の特徴を表す複数の異常データとの相関値をそれぞれ算出する相関値算出手段と、前記相関値算出手段によって算出された各相関値に基づいて前記乗客コンベアに異常が発生しているか否かを検出する異常検出手段と、前記異常検出手段によって異常が検出された場合に、前記各相関値を求めたときに用いた異常データに基づいて異常の詳細を推定する異常推定手段と、前記異常推定手段によって推定された異常の詳細を表示する表示手段とを備える。 An abnormality diagnosis system for a passenger conveyor according to an embodiment includes a storage unit that stores data measured by a sensor terminal installed at a predetermined location of the passenger conveyor, and a measurement data of the sensor terminal stored in the storage unit Frequency analysis means for reading out and analyzing the frequency, abnormal component extraction means for extracting an abnormal component based on the measurement data frequency-analyzed by the frequency analysis means and preset reference data, and the abnormal component extraction means Calculated by the correlation value calculating means for calculating the correlation value between the abnormality extraction measurement data corresponding to the abnormal component extracted by the plurality of abnormality data representing the characteristics of each of the plurality of abnormality causes, and the correlation value calculating means. Abnormality detecting means for detecting whether or not an abnormality has occurred in the passenger conveyor based on each correlation value, and the abnormality detection When an abnormality is detected by a stage, an abnormality estimation means for estimating the details of the abnormality based on the abnormality data used when the correlation values are obtained, and the details of the abnormality estimated by the abnormality estimation means are displayed. Display means.
以下、図面を参照して実施形態を説明する。 Hereinafter, embodiments will be described with reference to the drawings.
なお、以下では乗客コンベアの一つであるエスカレータを例にして説明する。 Hereinafter, an escalator which is one of passenger conveyors will be described as an example.
図１は、一実施形態に係るエスカレータの異常診断システムの構成を示す図である。図中の１０はエスカレータ全体を示す。 FIG. 1 is a diagram illustrating a configuration of an escalator abnormality diagnosis system according to an embodiment. 10 in the figure indicates the entire escalator.
エスカレータ１０は、例えば、建物の上階と下階との間に傾斜して設置される。このエスカレータ１０は、隙間なく連結された多数の踏段（ステップ）１１を上部機械室１２の乗降口と下部機械室１３の乗降口との間で循環移動させることで、踏段１１上に搭乗した乗客を搬送する。
For example, the
各踏段１１は、無端状の連結チェーン１４によって連結されており、建物の床下に設置されたトラス１５内に配置されている。トラス１５の内部には、上部スプロケット１６と下部スプロケット１７が配置されており、これらの間に連結チェーン１４が巻き掛けられている。
Each step 11 is connected by an endless connection chain 14 and is arranged in a
上部スプロケット１６と下部スプロケット１７のいずれか一方（この例では上部スプロケット１６）には、モータや減速機などを有する駆動装置１８が連結されている。この駆動装置１８により、スプロケット１６，１７が回転し、スプロケット１６，１７に噛み合う連結チェーン１４を介して複数の踏段１１が図示しない案内レールにガイドされながら上部機械室１２の乗降口と下部機械室１３の乗降口との間を循環移動する。
A driving device 18 having a motor, a speed reducer, or the like is connected to one of the upper sprocket 16 and the lower sprocket 17 (in this example, the upper sprocket 16). The
また、トラス１５の上部には、各踏段１１の両側面と対向するように一対の図示しないスカートガードが踏段１１の移動方向に沿って設置されている。この一対のスカートガード上にそれぞれ欄干１９が立設されている。この欄干１９の周囲にはベルト状のハンドレール２０が装着されている。ハンドレール２０は、踏段１１に搭乗している乗客が把持する手摺であり、例えば駆動装置１８の駆動力が伝達されることで、踏段１１の移動と同期して周回する。
A pair of skirt guards (not shown) are installed on the
ここで、エスカレータ１０の多数の踏段１１の中で少なくとも１つを点検踏段１１ａとする。この点検踏段１１ａの内側にセンサ端末３０が仮設あるいは常設固定される。なお、このセンサ端末３０の取り付け方法については、本発明とは直接関係しないため、ここではその説明を省略する。
Here, at least one of the multiple steps 11 of the
このセンサ端末３０は、例えばＢｌｕｅｔｏｏｔｈ（登録商標）などの近距離無線通信機能を備えており、エスカレータ１０の運転に関わるデータを計測してデータ収集装置４０に無線伝送する。以下では、センサ端末３０に音センサが内蔵されているものとして説明する。
The
センサ端末３０の近くにデータ収集装置４０が設置されている。図１では、下部機械室１３にデータ収集装置４０を設置した例を示しているが、上部機械室１２に設置することでもよい。
A
データ収集装置４０は、ゲートウェイ（ＧＷ）としての機能を備える。このデータ収集装置４０は、センサ端末３０によって計測された走行音データを収集し、所定の単位で外部の遠隔監視装置５０に伝送する。
The
なお、このデータ収集装置４０は、複数台（例えば４台）のセンサ端末３０と無線通信可能である。したがって、例えば各階床間に掛け渡された複数台のエスカレータ１０にセンサ端末３０をそれぞれ設置しておけば、これらのセンサ端末３０で計測された走行音データを１台のデータ収集装置４０を介して遠隔監視装置５０に伝送することができる。
The
遠隔監視装置５０は、遠隔地に存在する監視センタ６０内に設置されている。監視センタ６０には、多数の監視員が駐在し、監視対象とする各物件のエスカレータ１０の運転状態を遠隔監視装置５０のモニタ画面上で監視している。この監視センタ６０内の遠隔監視装置５０は、エスカレータ１０に設けられたデータ収集装置４０と通信回線６１を介して接続されている。
The
なお、図１の例では、１台のエスカレータ１０しか図示されていないが、実際には各物件のエスカレータ１０が通信回線６１を介して監視センタ６０内の遠隔監視装置５０に接続されている。監視員は、遠隔監視装置５０のモニタ画面上で何らかの異常を検出すると、保守員を現場に派遣するなどして対処する。
Although only one
図２は、同実施形態におけるエスカレータの異常診断システムを構成するセンサ端末、データ収集装置、遠隔監視装置の内部構成を示すブロック図である。 FIG. 2 is a block diagram showing an internal configuration of a sensor terminal, a data collection device, and a remote monitoring device that constitute the escalator abnormality diagnosis system in the embodiment.
本システムは、センサ端末３０とデータ収集装置４０と遠隔監視装置５０とで構成されている。図１に示したように、センサ端末３０は、エスカレータ１０の各踏段１１の中の点検踏段１１ａに設置される。このセンサ端末３０は、制御部３１と、センサ部３２と、踏段位置検出部３３と、無線通信部３４とを備える。
This system includes a
制御部３１は、センサ端末３０の制御を行う。センサ部３２は、エスカレータ１０の運転に関わるデータを計測する。本実施形態では、このセンサ部３２として音センサが搭載されており、エスカレータ１０の走行音データを計測する。
The
踏段位置検出部３３は、傾斜センサやジャイロセンサなどからなり、点検踏段１１ａの位置を基準にしてエスカレータ１０の一周を検出する。無線通信部３４は、データ収集装置４０との間で近距離無線通信を行い、センサ部３２によって計測された走行音データをデータ収集装置４０に送信する。
The step
データ収集装置４０は、エスカレータ１０の所定の箇所（図１の例では下部機械室１３）に設置される。このデータ収集装置４０は、無線通信部４１と、データ記憶部４２と、伝送制御部４３とを備える。
The
無線通信部４１は、センサ端末３０とデータ収集装置４０との間で近距離無線通信を行い、センサ端末３０から送られてくる走行音データを受信する。データ記憶部４２は、無線通信部４１にて受信された走行音データを記憶する。この場合、監視対象とするエスカレータ１０が複数台存在すれば、各エスカレータ１０に設定されたＩＤを付して走行音データを記憶する。伝送制御部４３は、データ記憶部４２に記憶された走行音データを所定の単位で読み出して遠隔監視装置５０に伝送する。
The
遠隔監視装置５０は、遠隔地に存在する監視センタ６０内に設置されており、エスカレータ１０に設けられたデータ収集装置４０に通信回線６１を介して接続されている。この遠隔監視装置５０は、データ送受信部５１と、操作入力部５２と、データ記憶部５３（記憶手段）と、データ処理部５４と、表示部５８（表示手段）と、報知部５９とを備える。
The
データ送受信部５１は、各種データの送受信処理を行う。操作入力部５２は、キーボードなどからなり、監視員の操作によりデータ入力や指示を行う。
The data transmitter /
図３に示すように、データ記憶部５３には、データ収集装置４０から取得したエスカレータ１０の走行音データが走行音ファイルＦ１として記憶される。また、このデータ記憶部５３には、予めエスカレータ１０の据付時や保守員点検後に測定された走行音データから作成された分析比較用の基準音データが基準音ファイルＦ２として記憶されている。基準音ファイルＦ２には、エスカレータ１０の部位毎（例、転動部、直動部等）の基準音データが含まれる。さらに、このデータ記憶部５３には、エスカレータ１０で発生し得る異常を模擬的に発生させることで取得される異常音データが異常音ファイルＦ３として記憶されている。異常音データとは、異音発生を伴う複数の異常原因毎に各異音の周波数成分の特徴を表したデータである。具体的には、下記のような異常音に関する異常音データが異常音ファイルＦ３として記憶されている。
As shown in FIG. 3, the traveling sound data of the
（１）踏段とスカートガードが接触することで生じる異常音、
（２）案内レールを異物が通過することで生じる異常音、
（３）連結チェーンのゆるみによって生じる異常音（踏段反転音）、
（４）乗降口ゴムと踏段クリートが接触することで生じる異常音、
（５）踏段の後輪ローラが変形する又は傷つくことで生じる異常音、
（６）踏段の後輪ローラの軸受の不良によって生じる異常音。
(1) Abnormal noise generated by the contact between the step and the skirt guard,
(2) Abnormal noise generated by foreign matter passing through the guide rail,
(3) Abnormal sound (step inversion sound) generated by loosening of the connecting chain,
(4) Abnormal noise generated by contact between the doorway rubber and the step cleat,
(5) Abnormal sound generated when the rear wheel roller of the step is deformed or damaged,
(6) Abnormal noise caused by a defective bearing of the rear wheel roller of the step.
なお、基準音データ及び異常音データの保存形式としては、基準音及び異常音の波形データをＷＡＶファイルの形式で保存しておくことでもよいし、基準音及び異常音をＦＦＴ（Fast Fourier Transform：高速フーリエ変換）により周波数分析したデータを保存しておくことでもよい。以下では、説明を簡単にするため、データ記憶部５３には、基準音データ及び異常音データとして事前に周波数分析されたデータが保存されているものとして説明する。
Note that the reference sound data and abnormal sound data may be stored in the form of waveform data of the reference sound and abnormal sound in a WAV file format, or the reference sound and abnormal sound may be stored in FFT (Fast Fourier Transform: Data obtained by frequency analysis by fast Fourier transform may be stored. Hereinafter, in order to simplify the description, it is assumed that the
データ処理部５４は、マイクロプロセッサなどからなり、エスカレータ１０の走行音データを分析処理する。このデータ処理部５４は、メモリ５５、異常抽出部（ノイズ低減部）５６（周波数分析手段、異常成分抽出手段（ノイズ低減手段））及び異常検出部５７を備える。
The
メモリ５５は、一時記憶用のワークメモリである。このメモリ５５には、データ記憶部５３の走行音ファイルＦ１から読み出された走行音データ、基準音ファイルＦ２から読み出された基準音データ、及び異常音ファイルＦ３から読み出された異常音データが記憶される。
The
異常抽出部５６は、メモリ５５から読み出された走行音データを複素ＦＦＴによって周波数分析する。また、異常抽出部５６は、周波数分析した走行音データと、メモリ５５に格納された基準音データとを用いて異常音成分を抽出する。さらに、異常抽出部５６は、抽出した異常音成分を逆複素ＦＦＴによって異常抽出走行音データに変換する（異常音抽出処理）。また、異常抽出部５６は、所定の分析単位毎に、異常抽出走行音データに含まれるノイズを低減させるノイズ低減処理を実行する。ノイズとは外部環境音であり、例えば、乗客がエスカレータ１０の踏段を歩くことで生じる音や、エスカレータ１０の周囲で生じている音などを示す。
The
異常検出部５７は、エスカレータ１０で異常が発生しているか否かを検出する部分であり、異常内容推定部５７ａ（相関値算出手段、異常検出手段、異常推定手段（異常内容推定手段））及び異常発生箇所推定部５７ｂ（異常推定手段（異常発生箇所推定手段））からなる。なお、実際には、この異常検出部５７はアルゴリズムによって実現される。
The
異常内容推定部５７ａは、ノイズ低減処理が施された異常抽出走行音データと、メモリ５５に格納された異常音データとを用いて相関処理を実行し、エスカレータ１０で異常が発生しているか否かを検出する。また、異常内容推定部５７ａは、異常が検出された場合に、その異常の内容を推定する。異常発生箇所推定部５７ｂは、異常内容推定部５７ａによって異常が検出された場合に、その異常がエスカレータ１０のどこで発生しているのかを推定する。
The abnormality
表示部５８は、異常検出部５７の処理結果を所定の形式で表示する。また、報知部５９は、異常検出部５７の処理結果の中に点検を要する箇所が存在した場合に、その旨を表示や音声などにより報知する。
The
このような構成において、まず、監視センタ６０内で監視員が遠隔監視装置５０の操作入力部５２を操作して、エスカレータ１０の走行音収集を定期的に行うスケジュールを入力してデータ収集装置４０に送る。
In such a configuration, first, a monitoring person operates the operation input unit 52 of the
データ収集装置４０は、遠隔監視装置５０から送られてきたスケジュールに従ってセンサ端末３０に対してエスカレータ１０の走行音データの収集開始を指示する。これにより、センサ端末３０は、センサ部３２として搭載された音センサを用いてエスカレータ１０の走行音データを計測し、その計測データ（走行音データ）をデータ収集装置４０に送る。詳しくは、センサ端末３０は、踏段位置検出部３３によって点検踏段１１ａの位置を基準にしてエスカレータ１０が一周したことを検出することにより、周単位で計測データをデータ収集装置４０に送る。
The
データ収集装置４０は、センサ端末３０から受信した走行音データをデータ記憶部４２に記憶する。この場合、突発的な外来音入力を考慮して、少なくとも２周分の走行音データを収集することが好ましい。データ収集装置４０は、上記スケジュールに従ってセンサ端末３０から所定量分の走行音データを収集すると、センサ端末３０に対して走行音データの収集終了を通知する。
The
一方、遠隔監視装置５０は、通信回線６１を介してデータ収集装置４０に接続することにより、データ収集装置４０のデータ記憶部４２に記憶された走行音データを回収する。このときの走行音データは、走行音ファイルＦ１としてデータ記憶部５３に保存され、当該エスカレータ１０の物件ＩＤなどで管理される。
On the other hand, the
ここで、遠隔監視装置５０は、予め設定されたスケジュールに従ってデータ記憶部５３の走行音ファイルＦ１から走行音データを読み出す。また、遠隔監視装置５０は、この走行音データに対応した基準音データを基準音ファイルＦ２から読み出し、上記走行音データと共にデータ処理部５４のメモリ５５に格納する。そして、遠隔監視装置５０は、このメモリ５５に格納された走行音データと基準音データとを異常抽出部５６に与えて異常音抽出処理とノイズ低減処理とを実行する。さらに、遠隔監視装置５０は、異常音データを異常音ファイルＦ３から読み出し、データ処理部５４のメモリ５５に格納する。そして、遠隔監視装置５０は、ノイズ低減処理が施された走行音データと、異常音データとを異常検出部５７に与えてエスカレータ１０で異常が発生しているか否かを検出する（異常検出処理）。
Here, the
以下に、遠隔監視装置５０の動作の一例について説明する。ここでは、主に、異常音抽出処理、ノイズ低減処理及び異常検出処理について詳しく説明する。
Below, an example of operation | movement of the
図４は遠隔監視装置５０によって実行される異常音抽出処理、ノイズ低減処理及び異常検出処理の一例を示すフローチャートである。ここでは、遠隔監視装置５０のデータ記憶部５３には、通常運転時にセンサ端末３０によって計測されたエスカレータ１０の走行音データがデータ収集装置４０を介して定期的に回収されて走行音ファイルＦ１として保存されているものとする。また、エスカレータ１０の初期時の走行音データを周波数分析した分析比較用の基準音データが基準音ファイルＦ２として保存されているものとする。さらに、エスカレータ１０で発生し得る異常を模擬的に発生させることで取得された異常音データが異常音ファイルＦ３として保存されているものとする。
FIG. 4 is a flowchart showing an example of abnormal sound extraction processing, noise reduction processing, and abnormality detection processing executed by the
まず、監視員が所定の操作により分析を行う日時や物件を指定する。これにより、遠隔監視装置５０に設けられたデータ処理部５４は、走行音ファイルＦ１から該当する少なくとも２周分の走行音データを選択してデータ処理部５４のメモリ５５に格納する（ステップＳ１）。ここでは、説明を簡略化するために、２周分の走行音データが走行音ファイルＦ１から選択され、メモリ５５に格納されたものとする。また、データ処理部５４は、上記走行音データに対応した基準音データを基準音ファイルＦ２から選択してメモリ５５に格納する（ステップＳ２）。さらに、データ処理部５４は、全ての異常音データを異常音ファイルＦ３から選択してメモリ５５に格納する（ステップＳ３）。
First, the monitor designates the date and property for analysis by a predetermined operation. Thereby, the
その後、データ処理部５４の異常抽出部５６は、メモリ５５に格納された２周分の走行音データに対してそれぞれ複素ＦＦＴによる周波数分析を行う。そして、異常抽出部５６は、上記周波数分析した走行音データからメモリ５５に格納された基準音データの予め定められたｄＢ（デシベル）値をそれぞれ低減する。これにより、異常抽出部５６は、上記周波数分析した走行音データから異常音成分だけをそれぞれ抽出することができる。異常抽出部５６は、抽出した異常音成分に対して逆複素ＦＦＴをそれぞれ実行し、当該異常音成分を異常抽出走行音データにそれぞれ変換する（ステップＳ４）。すなわち、異常抽出部５６は、２周分の異常抽出走行音データを得ることができる。
Thereafter, the
ここで、本実施形態では、時刻歴データ（走行音データや異常抽出走行音データ）の分析単位を、当該時刻歴データを予め定められた単位時間ｔｎ毎に分割（分離）したものとしている。すなわち、図５に示すように、時刻歴データの分析単位はＴｎ，Ｔｎ＋１，…，Ｔｎ＋ｎとなっている。異常抽出部５６は、上記異常抽出走行音データを分析単位Ｔｎ，Ｔｎ＋１，…，Ｔｎ＋ｎ毎に抽出する（ステップＳ５）。すなわち、異常抽出部５６は、２周分の異常抽出走行音データのそれぞれから分析単位毎の異常抽出走行音データ（分析走行音データ）を得ることができる。
Here, in the present embodiment, the analysis unit of the time history data (running sound data and abnormal extracted running sound data) is assumed to be divided (separated) for each predetermined unit time tn. That is, as shown in FIG. 5, the analysis unit of the time history data is Tn, Tn + 1,..., Tn + n. The
異常抽出部５６は、各分析走行音データに対して周波数分析を行う。そして、異常抽出部５６は、周波数分析した１周目の分析単位Ｔｎの分析走行音データと、周波数分析した２周目の分析単位Ｔｎの分析走行音データとの加算平均を算出する。同様に、異常抽出部５６は、周波数分析した１周目の分析単位Ｔｎ＋１〜Ｔｎ＋ｎの分析走行音データと、周波数分析した２周目の分析単位Ｔｎ＋１〜Ｔｎ＋ｎの分析走行音データとの加算平均を順に算出する（ステップＳ６）。これにより、異常抽出部５６は、周波数分析した１周目の分析単位Ｔｎ〜Ｔｎ＋ｎの分析走行音データと、周波数分析した２周目の分析単位Ｔｎ〜Ｔｎ＋ｎの分析走行音データとの加算平均である加算平均走行音データを得ることができる。
The
異常検出部５７の異常内容推定部５７ａは、上記加算平均走行音データと、メモリ５５に格納された複数の異常音データとを用いて相関処理を実行する。具体的には、異常検出部５７は、分析単位Ｔｎの加算平均走行音データと、この加算平均走行音データに対応した部位の異常音データとの相関の度合いを示す相関値（相関係数の絶対値）を求める。ここでの相関値とは、加算平均走行音データと異常音データとの相関（類似性の度合い）を示す統計学的指標であり、０〜１の間の実数をとる。相関値が０に近い程、加算平均走行音データと異常音データとの相関は弱く、１に近い程、両者の相関は強くなる。異常検出部５７は、上記相関処理により相関値を求めると、当該相関値をメモリ５５の所定のエリアに記録しておく（ステップＳ７）。
The abnormality
その後、異常内容推定部５７ａは、全ての加算平均走行音データに対して相関処理を実行したか否かを判定する（ステップＳ８）。全ての加算平均走行音データに対して相関処理が実行されていない場合には（ステップＳ８のＮＯ）、次の分析単位の加算平均走行音データに対して相関処理を実行するべく、ステップＳ７の処理に戻る。
Thereafter, the abnormality
全ての加算平均走行音データに対して相関処理が実行されている場合には（ステップＳ８のＹＥＳ）、異常内容推定部５７ａは、メモリ５５に格納された複数の相関値のうち、予め設定された閾値を超える相関値が存在するか否かを判定する（ステップＳ９）。予め設定された閾値を超える相関値が存在しない場合には（ステップＳ９のＮＯ）、異常内容推定部５７ａは、エスカレータ１０で異常が発生していない旨を表示部５８及び報知部５９を介して監視員に通知し（ステップＳ１０）、本動作例での動作を終了させる。
When the correlation process is executed for all the addition average running sound data (YES in step S8), the abnormality
一方で、予め設定された閾値を超える相関値が存在する場合には（ステップＳ９のＹＥＳ）、異常内容推定部５７ａは、１により近い値の相関値を所定の数だけメモリ５５から抽出する。ここでは、異常内容推定部５７ａは、値が１に近い５つの相関値をメモリ５５から抽出する（ステップＳ１１）。なお、抽出する相関値の数が５つというのは一例であり、抽出する相関値の数は特にこれに限定されない。
On the other hand, when there is a correlation value exceeding a preset threshold value (YES in step S9), the abnormal
そして、異常内容推定部５７ａは、上記相関値を求めたときに用いた異常音データから異常の内容を判断して、その内容を所定の形式で表示部５８に表示する。また、異常発生箇所推定部５７ｂは、上記相関値を求めたときに用いた異常音データから異常発生箇所を判断して、その異常発生箇所を所定の形式で表示部５８に表示する（ステップＳ１２）。
Then, the abnormality
なお、異常内容及び異常発生箇所を表示部５８に表示する方法は特に限定されない。例えば、点検踏段１１ａを含むエスカレータ１０の画像に、異常内容と異常発生箇所を表すマーカを重畳させて表示するとしてもよい。
In addition, the method of displaying the abnormality content and the abnormality occurrence location on the
以上説明した一実施形態によれば、現場で計測した計測データ（時刻歴データ）を周波数分析したことで得られるデータと予め用意された基準データとに基づいて当該計測データに含まれる異常成分を抽出するため、時刻歴データの収集精度にばらつきが生じたとしても、精度よく異常成分を抽出することができる。また、精度よく抽出された異常成分と予め用意された異常データとの相関値を求めることにより、当該相関値から乗客コンベアにおける異常を精度よく検出することができる。すなわち、本実施形態によれば、乗客コンベアの異常診断を精度よく実行することができる。 According to one embodiment described above, abnormal components included in the measurement data are obtained based on data obtained by frequency analysis of measurement data (time history data) measured in the field and reference data prepared in advance. As a result, the abnormal component can be extracted with high accuracy even if the collection accuracy of the time history data varies. Further, by obtaining the correlation value between the abnormal component extracted with high accuracy and the abnormal data prepared in advance, the abnormality in the passenger conveyor can be detected with high accuracy from the correlation value. That is, according to the present embodiment, the abnormality diagnosis of the passenger conveyor can be executed with high accuracy.
ここで、図６乃至図８を参照して、本実施形態の効果について詳しく説明する。 Here, the effects of the present embodiment will be described in detail with reference to FIGS.
まず、図６（ａ）乃至図６（ｄ）を参照して、本実施形態とは異なり、周波数分析を行わずに走行音データを時刻歴データのまま用いて、エスカレータ１０の異常診断を行う場合について説明する。
First, referring to FIG. 6A to FIG. 6D, unlike the present embodiment, abnormality diagnosis of the
図６はセンサ端末３０によって収集された走行音データの一例を示す波形図である。図６（ａ）では、センサ端末３０によって収集された２周分の走行音データのうち、１周目の走行音データの波形１０１を示すと共に、波形１０１の時間ｔ１からｔ２までの区間を拡大した波形１０１ａも併せて示す。図６（ｂ）では、センサ端末３０によって収集された２周分の走行音データのうち、２周目の走行音データの波形１０２を示すと共に、波形１０２の時間ｔ１からｔ２までの区間を拡大した波形１０２ａも併せて示す。なお、ここでは、図６（ａ）及び図６（ｂ）に示すように、センサ端末３０の不具合などに起因して、１周目の走行音データと２周目の走行音データの収集開始時間がｔ３だけずれているものとする（走行音データの収集精度にばらつきが生じている）。
FIG. 6 is a waveform diagram showing an example of running sound data collected by the
このとき、通常時と異常時との差を顕著にするために、波形１０１と波形１０２とを加算した場合の波形１０３を図６（ｃ）に示す。この図６（ｃ）では、図６（ａ）及び図６（ｂ）と同様に、波形１０３の時間ｔ１からｔ２までの区間を拡大した波形１０３ａも併せて示す。この場合、上記したように１周目の走行音データと２周目の走行音データの収集開始時間がｔ３だけずれているため、通常時と異常時との差を顕著にするどころか、無駄なノイズが生じて、エスカレータ１０の異常診断を精度よく行うことができない。
At this time, in order to make the difference between the normal time and the abnormal time noticeable, a waveform 103 when the waveform 101 and the waveform 102 are added is shown in FIG. In FIG. 6C, similarly to FIGS. 6A and 6B, a waveform 103a obtained by enlarging a section from time t1 to time t2 of the waveform 103 is also shown. In this case, as described above, since the collection start time of the running sound data for the first lap and the running sound data for the second lap is shifted by t3, the difference between the normal time and the abnormal time is not noticeable, but it is useless. Noise is generated, and the abnormality diagnosis of the
また、波形１０１と波形１０２とに含まれるノイズを低減させ、異常を顕著にするために波形１０１と波形１０２との加算平均を求めた場合の波形１０４を図６（ｄ）に示す。図６（ｄ）では、図６（ａ）乃至図６（ｃ）と同様に、波形１０４の時間ｔ１からｔ２までの区間を拡大した波形１０４ａも併せて示す。この場合、上記したように１周目の走行音データと２周目の走行音データの収集開始時間がｔ３だけずれているため、異常時の走行音の波形の振幅レベルが小さくなり、上記と同様に、エスカレータ１０の異常診断を精度よく行うことができない。
In addition, FIG. 6D shows a waveform 104 when the addition average of the waveform 101 and the waveform 102 is obtained in order to reduce noise contained in the waveform 101 and the waveform 102 and to make the abnormality noticeable. In FIG. 6D, similarly to FIGS. 6A to 6C, a waveform 104a obtained by enlarging a section from time t1 to time t2 of the waveform 104 is also shown. In this case, as described above, since the collection start time of the traveling sound data for the first lap and the traveling sound data for the second lap is shifted by t3, the amplitude level of the waveform of the traveling sound at the time of abnormality is reduced. Similarly, the abnormality diagnosis of the
以上のように、１周目の走行音データと２周目の走行音データの収集開始時間にズレが生じていると、この走行音データを時刻歴データのまま用いてもエスカレータ１０の異常診断を精度よく行うことができない。
As described above, if there is a deviation between the collection start times of the running sound data for the first round and the running sound data for the second round, the abnormality diagnosis of the
次に、図７（ａ）乃至図７（ｄ）と図８（ａ）乃至図８（ｃ）とを参照して、走行音データを時刻歴データのまま用いてエスカレータ１０の異常診断を行うのではなく、周波数分析した走行音データを用いて異常診断を行う場合について説明する。
Next, referring to FIGS. 7A to 7D and FIGS. 8A to 8C, abnormality diagnosis of the
図７は周波数分析した走行音データの一例を示す図である。図７（ａ）では、図６（ａ）に示す波形１０１ａを周波数分析したときの走行音データ１１１ａを示す。図７（ｂ）では、図６（ｂ）に示す波形１０２ａを周波数分析したときの走行音データ１１２ａを示す。図７（ｃ）では、図６（ｄ）に示す波形１０４ａを周波数分析したときの走行音データ１１４ａを示す。さらに、図７（ｄ）では、走行音データ１１１ａと走行音データ１１２ａとの加算平均である走行音データ１１５ａを示す。 FIG. 7 is a diagram showing an example of running sound data subjected to frequency analysis. FIG. 7A shows running sound data 111a when the waveform 101a shown in FIG. 6A is subjected to frequency analysis. FIG. 7B shows running sound data 112a when the waveform 102a shown in FIG. 6B is subjected to frequency analysis. FIG. 7C shows running sound data 114a when the waveform 104a shown in FIG. 6D is subjected to frequency analysis. Further, FIG. 7D shows running sound data 115a that is an average of the running sound data 111a and the running sound data 112a.
図８は図７に示す走行音データ１１１ａとその他の走行音データ１１２ａ，１１４ａ，１１５ａとを比較したときの相違率を示す図である。図８（ａ）では、図７（ａ）に示す走行音データ１１１ａと図７（ｂ）に示す走行音データ１１２ａとを比較したときの相違率１１６を示す。この相違率１１６は「（１１２ａ−１１１ａ）×１００／１１１ａ」により算出される。この場合、上記したように波形１０１ａと波形１０２ａとでは収集開始時間にｔ３だけズレが生じていたにも関わらず、周波数分析を行うことで、このズレを吸収するため、相違率をある程度小さくすることができる。 FIG. 8 is a diagram showing a difference rate when the traveling sound data 111a shown in FIG. 7 is compared with the other traveling sound data 112a, 114a, and 115a. FIG. 8A shows the difference rate 116 when the running sound data 111a shown in FIG. 7A is compared with the running sound data 112a shown in FIG. 7B. This difference rate 116 is calculated by “(112a−111a) × 100 / 111a”. In this case, as described above, although the waveform 101a and the waveform 102a are shifted by t3 in the acquisition start time, this difference is absorbed by performing frequency analysis, so the difference rate is reduced to some extent. be able to.
図８（ｂ）では、図７（ａ）に示す走行音データ１１１ａと図７（ｃ）に示す走行音データ１１４ａとを比較したときの相違率１１７を示す。この相違率１１７は「（１１４ａ−１１１ａ）×１００／１１１ａ」により算出される。この場合、上記したように波形１０１ａと波形１０２ａとでは収集開始時間にｔ３だけズレが生じていたにも関わらず、これら波形の加算平均である波形１０４ａを求めてから、周波数分析を行っているため、上記ズレを吸収しきれず、相違率が大きくなっている。 FIG. 8B shows the dissimilarity 117 when the running sound data 111a shown in FIG. 7A is compared with the running sound data 114a shown in FIG. 7C. The difference rate 117 is calculated by “(114a−111a) × 100 / 111a”. In this case, as described above, the waveform 101a and the waveform 102a are shifted by t3 in the acquisition start time, but the frequency analysis is performed after obtaining the waveform 104a that is an average of these waveforms. For this reason, the above deviation cannot be absorbed and the difference rate is large.
図８（ｃ）では、図７（ａ）に示す走行音データ１１１ａと図７（ｄ）に示す走行音データ１１５ａとを比較したときの相違率１１８を示す。この相違率１１８は「（１１５ａ−１１１ａ）×１００／１１１ａ」により算出される。この場合、収集開始時間にズレが生じている波形１０１ａと波形１０２ａとの各々を周波数分析して上記ズレを吸収した後に、周波数分析した走行音データ１１１ａ，１１２ａの加算平均をノイズを低減させるために求めているため、相違率をより小さくすることができる。 FIG. 8C shows a difference rate 118 when the running sound data 111a shown in FIG. 7A is compared with the running sound data 115a shown in FIG. This difference rate 118 is calculated by “(115a−111a) × 100 / 111a”. In this case, in order to reduce noise by adding the average of the running sound data 111a and 112a subjected to frequency analysis after frequency analysis of each of the waveform 101a and the waveform 102a in which the deviation occurs in the collection start time and absorbing the deviation. Therefore, the difference rate can be further reduced.
本実施形態では、計測データ（時刻歴データ）を周波数分析したことで得られるデータと基準データとに基づいて当該計測データに含まれる異常成分を抽出した後に、この異常成分の加算平均を分析単位毎に求めるため、上記した図８（ｃ）で説明した場合と同様な効果を得ることができる。つまり、計測データの収集精度にばらつきが生じたとしても、このばらつきによる影響を低減させると共に、突発的に発生するノイズも低減させることができる。 In this embodiment, after extracting the abnormal component contained in the measurement data based on the data obtained by frequency analysis of the measurement data (time history data) and the reference data, the addition average of the abnormal component is analyzed. Since it calculates | requires for every, the effect similar to the case demonstrated in above-mentioned FIG.8 (c) can be acquired. That is, even if the measurement data collection accuracy varies, it is possible to reduce the influence of the variation and to reduce noise that occurs suddenly.
なお、本実施形態では、点検踏段１１ａに設置されたセンサ端末３０によってエスカレータ１０の一周を検出する構成としたが、例えば上部機械室１２、下部機械室１３あるいはトラス１５に近接センサを設け、この近接センサにてエスカレータ１０の一周を検出してもよい。
In the present embodiment, the
近接センサとしては、例えば光電センサや磁気センサなどが用いられる。この近接センサの検出信号をデータ収集装置４０に直接入力する構成とすれば、無線伝送の遅れを無くすことができるので、複数箇所で同時に集音する場合の同期処理を軽減できる。
For example, a photoelectric sensor or a magnetic sensor is used as the proximity sensor. If the detection signal of the proximity sensor is directly input to the
また、本実施形態では、点検踏段１１ａに設置されたセンサ端末３０は、踏段位置検出部３３によって点検踏段１１ａの位置を基準にしてエスカレータ１０が一周したことを検出することにより、周単位で計測データをデータ収集装置４０に送る構成としたが、例えば計測データに１周検出信号を付加してデータ収集装置４０側で１周毎の計測データに変換する構成としてもよい。
Further, in the present embodiment, the
すなわち、１周毎に計測データを送信する構成ではなく、ストリーミング伝送によってデータ送信を行う。その際に、計測データに１周検出信号を付加して、データ収集装置４０側で１周毎の計測データに変換する。これにより、センサ端末３０で保持する計測データ量を減らすことができるため、センサ端末のコストを低減できる。
That is, data transmission is performed by streaming transmission instead of a configuration in which measurement data is transmitted every round. At that time, a one-round detection signal is added to the measurement data, and the
また、センサ端末３０は必ずしも点検踏段１１ａに設置しておく必要はなく、例えば上部機械室１２、下部機械室１３あるいはトラス１５などに固定設置しておき、その設置された場所でエスカレータ１０の走行音データを測定することでもよい。
The
また、本実施形態では、エスカレータ１０の一周分の走行音データを時間ｔｎ毎に分割した分析単位で抽出するとしたが、例えば時間ｔｎの前後を多少オーバーラップさせてデータを抽出するとしてもよい。具体的には、図９に示すように、時間ｔｎの前後５０％をオーバーラップさせてデータを抽出するとしてもよい。このようにすれば、時間ｔｎ前後のデータ抜けを防いで、正確な分析を行うことができる。
Further, in this embodiment, the running sound data for one round of the
さらに本実施形態では、乗客コンベアがエスカレータであるとして説明したが、これに限定されず、階床を固定したエレベータなどにも適用することができる。 Furthermore, although this embodiment demonstrated that a passenger conveyor was an escalator, it is not limited to this, It can apply also to the elevator etc. which fixed the floor.
なお、本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。 In addition, although some embodiment of this invention was described, these embodiment is shown as an example and is not intending limiting the range of invention. These novel embodiments can be implemented in various other forms, and various omissions, replacements, and changes can be made without departing from the scope of the invention. These embodiments and modifications thereof are included in the scope and gist of the invention, and are included in the invention described in the claims and the equivalents thereof.
１０…エスカレータ、１１…踏段、１１ａ…点検踏段、１２…上部機械室、１３…下部機械室、１４…連結チェーン、１５…トラス、１６…上部スプロケット、１７…下部スプロケット、１８…駆動装置、１９…欄干、２０…ハンドレール、３０…センサ端末、３１…制御部、３２…センサ部、３３…踏段位置検出部、３４…無線通信部、４０…データ収集装置、４１…無線通信部、４２…データ記憶部、４３…伝送制御部、５０…遠隔監視装置、５１…データ送受信部、５２…操作入力部、５３…データ記憶部、５４…データ処理部、５５…メモリ、５６…異常抽出部（ノイズ低減部）、５７…異常検出部、５７ａ…異常内容推定部、５７ｂ…異常発生箇所推定部、５８…表示部、５９…報知部、６０…監視センタ、６１…通信回線、１０１〜１０４，１０１ａ〜１０４ａ…波形、１１１ａ，１１２ａ，１１４ａ，１１５ａ…走行音データ、１１６〜１１８…相違率。
DESCRIPTION OF
一実施形態に係る乗客コンベアの異常診断システムは、乗客コンベアの所定の箇所に設置されたセンサ端末により計測されたデータを記憶する記憶手段と、前記記憶手段に記憶された前記センサ端末の計測データを読み出して周波数分析する周波数分析手段と、前記周波数分析手段によって周波数分析された前記計測データと予め設定された基準データとに基づいて異常成分を抽出する異常成分抽出手段と、前記異常成分抽出手段によって抽出された異常成分に応じた異常抽出計測データと、複数の異常原因毎の特徴を表す複数の異常データとの相関値をそれぞれ算出する相関値算出手段と、前記相関値算出手段によって算出された各相関値に基づいて前記乗客コンベアに異常が発生しているか否かを検出する異常検出手段と、前記異常検出手段によって異常が検出された場合に、前記各相関値を求めたときに用いた異常データに基づいて異常の詳細を推定する異常推定手段と、前記異常推定手段によって推定された異常の詳細を表示する表示手段とを備え、前記異常成分抽出手段は、少なくとも２周分の計測データと前記基準データとに基づいて当該各計測データに含まれる異常成分をそれぞれ抽出し、これら異常成分に応じた各異常抽出計測データの加算平均を求めることで前記各異常成分に含まれる、計測データの収集精度のばらつきによるノイズを低減するノイズ低減手段を有する。 An abnormality diagnosis system for a passenger conveyor according to an embodiment includes a storage unit that stores data measured by a sensor terminal installed at a predetermined location of the passenger conveyor, and a measurement data of the sensor terminal stored in the storage unit Frequency analysis means for reading out and analyzing the frequency, abnormal component extraction means for extracting an abnormal component based on the measurement data frequency-analyzed by the frequency analysis means and preset reference data, and the abnormal component extraction means Calculated by the correlation value calculating means for calculating the correlation value between the abnormality extraction measurement data corresponding to the abnormal component extracted by the plurality of abnormality data representing the characteristics of each of the plurality of abnormality causes, and the correlation value calculating means. Abnormality detecting means for detecting whether or not an abnormality has occurred in the passenger conveyor based on each correlation value, and the abnormality detection When an abnormality is detected by a stage, an abnormality estimation means for estimating the details of the abnormality based on the abnormality data used when the correlation values are obtained, and the details of the abnormality estimated by the abnormality estimation means are displayed. The abnormal component extracting unit extracts the abnormal component included in each measurement data based on the measurement data for at least two rounds and the reference data, and each of the abnormal components corresponding to the abnormal component It has a noise reduction means for reducing noise caused by variations in measurement data collection accuracy, which are included in each abnormal component, by obtaining an average of abnormal extraction measurement data .
Claims (5)
前記記憶手段に記憶された前記センサ端末の計測データを読み出して周波数分析する周波数分析手段と、
前記周波数分析手段によって周波数分析された前記計測データと予め設定された基準データとに基づいて異常成分を抽出する異常成分抽出手段と、
前記異常成分抽出手段によって抽出された異常成分に応じた異常抽出計測データと、複数の異常原因毎の特徴を表す複数の異常データとの相関値をそれぞれ算出する相関値算出手段と、
前記相関値算出手段によって算出された各相関値に基づいて前記乗客コンベアに異常が発生しているか否かを検出する異常検出手段と、
前記異常検出手段によって異常が検出された場合に、前記各相関値を求めたときに用いた異常データに基づいて異常の詳細を推定する異常推定手段と、
前記異常推定手段によって推定された異常の詳細を表示する表示手段と
を具備することを特徴とする乗客コンベアの異常診断システム。 Storage means for storing data measured by a sensor terminal installed at a predetermined location of the passenger conveyor;
Frequency analysis means for reading out the measurement data of the sensor terminal stored in the storage means and performing frequency analysis;
Abnormal component extraction means for extracting abnormal components based on the measurement data frequency-analyzed by the frequency analysis means and preset reference data;
Correlation value calculation means for calculating correlation values between abnormality extraction measurement data corresponding to the abnormality component extracted by the abnormality component extraction means and a plurality of abnormality data representing characteristics of a plurality of abnormality causes;
An abnormality detecting means for detecting whether or not an abnormality has occurred in the passenger conveyor based on each correlation value calculated by the correlation value calculating means;
When an abnormality is detected by the abnormality detection unit, an abnormality estimation unit that estimates the details of the abnormality based on the abnormality data used when the correlation values are obtained;
An abnormality diagnosis system for a passenger conveyor, comprising: display means for displaying details of the abnormality estimated by the abnormality estimation means.
予め設定された単位時間毎に、前記異常抽出計測データと前記各異常データとをそれぞれ比較して前記相関値を算出することを特徴とする請求項１記載の乗客コンベアの異常診断システム。 The correlation value calculating means includes
2. The passenger conveyor abnormality diagnosis system according to claim 1, wherein the correlation value is calculated by comparing the abnormality extraction measurement data with each abnormality data for each preset unit time.
少なくとも２周分の計測データと前記基準データとに基づいて当該各計測データに含まれる異常成分をそれぞれ抽出し、これら異常成分に応じた各異常抽出計測データの加算平均を求めることで前記各異常成分に含まれるノイズを低減するノイズ低減手段を有することを特徴とする請求項１記載の乗客コンベアの異常診断システム。 The abnormal component extraction means includes
The abnormal components included in the measurement data are extracted based on the measurement data for at least two rounds and the reference data, respectively, and the respective abnormalities are obtained by calculating an average of the abnormal extraction measurement data corresponding to the abnormal components. 2. The passenger conveyor abnormality diagnosis system according to claim 1, further comprising noise reduction means for reducing noise contained in the components.
前記異常検出手段によって異常が検出された場合に、前記各相関値を求めたときに用いた異常データから異常の内容を判断し、前記異常の詳細を推定する異常内容推定手段を有することを特徴とする請求項１記載の乗客コンベアの異常診断システム。 The abnormality estimation means includes
In the case where an abnormality is detected by the abnormality detection means, it has an abnormality content estimation means for judging the details of the abnormality by judging the content of the abnormality from the abnormality data used when the correlation values are obtained. The abnormality diagnosis system for a passenger conveyor according to claim 1.
前記異常検出手段によって異常が検出された場合に、前記各相関値を求めたときに用いた異常データから異常発生箇所を判断し、前記異常の詳細を推定する異常発生箇所推定手段を有することを特徴とする請求項１記載の乗客コンベアの異常診断システム。 The abnormality estimation means includes
In the case where an abnormality is detected by the abnormality detection means, it has an abnormality occurrence location estimating means for judging an abnormality occurrence location from the abnormality data used when obtaining each correlation value and estimating the details of the abnormality. The abnormality diagnosis system for a passenger conveyor according to claim 1.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2013190161A JP5743347B2 (en) | 2013-09-13 | 2013-09-13 | Abnormality diagnosis system for passenger conveyor |
| CN201310627682.4A CN104444750B (en) | 2013-09-13 | 2013-11-28 | The abnormity diagnostic system of passenger conveyors |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2013190161A JP5743347B2 (en) | 2013-09-13 | 2013-09-13 | Abnormality diagnosis system for passenger conveyor |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2015054780A true JP2015054780A (en) | 2015-03-23 |
| JP5743347B2 JP5743347B2 (en) | 2015-07-01 |
Family
ID=52819425
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2013190161A Active JP5743347B2 (en) | 2013-09-13 | 2013-09-13 | Abnormality diagnosis system for passenger conveyor |
Country Status (2)
| Country | Link |
|---|---|
| JP (1) | JP5743347B2 (en) |
| CN (1) | CN104444750B (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018100138A (en) * | 2016-12-19 | 2018-06-28 | 東芝エレベータ株式会社 | Passenger conveyor |
| CN114221853A (en) * | 2021-12-13 | 2022-03-22 | 国网浙江省电力有限公司营销服务中心 | Operation analysis system of electricity consumption information acquisition equipment and working method thereof |
| WO2022259773A1 (en) * | 2021-06-10 | 2022-12-15 | 株式会社日立製作所 | Diagnosis system |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111727164B (en) | 2017-12-29 | 2023-04-14 | 通力电梯有限公司 | Escalator monitoring system, escalator monitoring method, sound data collection device and clamp used for escalator monitoring device |
| CN107973206A (en) * | 2017-12-29 | 2018-05-01 | 通力电梯有限公司 | Escalator lubricating status monitors system and the sound collection means for it |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005067847A (en) * | 2003-08-26 | 2005-03-17 | Mitsubishi Electric Corp | Inspection device for man conveyor |
| JP2007205885A (en) * | 2006-02-01 | 2007-08-16 | Jtekt Corp | Method and apparatus for diagnosing sound or vibration abnormality |
| JP2010018385A (en) * | 2008-07-10 | 2010-01-28 | Toshiba Elevator Co Ltd | Failure diagnostic system for passenger conveyer |
| JP2011098803A (en) * | 2009-11-04 | 2011-05-19 | Toshiba Corp | Device for diagnosing conveying conveyor and system for diagnosing the same |
| JP2012192995A (en) * | 2011-03-15 | 2012-10-11 | Toshiba Elevator Co Ltd | Abnormality diagnosis system for passenger conveyer |
-
2013
- 2013-09-13 JP JP2013190161A patent/JP5743347B2/en active Active
- 2013-11-28 CN CN201310627682.4A patent/CN104444750B/en active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005067847A (en) * | 2003-08-26 | 2005-03-17 | Mitsubishi Electric Corp | Inspection device for man conveyor |
| JP2007205885A (en) * | 2006-02-01 | 2007-08-16 | Jtekt Corp | Method and apparatus for diagnosing sound or vibration abnormality |
| JP2010018385A (en) * | 2008-07-10 | 2010-01-28 | Toshiba Elevator Co Ltd | Failure diagnostic system for passenger conveyer |
| JP2011098803A (en) * | 2009-11-04 | 2011-05-19 | Toshiba Corp | Device for diagnosing conveying conveyor and system for diagnosing the same |
| JP2012192995A (en) * | 2011-03-15 | 2012-10-11 | Toshiba Elevator Co Ltd | Abnormality diagnosis system for passenger conveyer |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018100138A (en) * | 2016-12-19 | 2018-06-28 | 東芝エレベータ株式会社 | Passenger conveyor |
| WO2022259773A1 (en) * | 2021-06-10 | 2022-12-15 | 株式会社日立製作所 | Diagnosis system |
| CN114221853A (en) * | 2021-12-13 | 2022-03-22 | 国网浙江省电力有限公司营销服务中心 | Operation analysis system of electricity consumption information acquisition equipment and working method thereof |
| CN114221853B (en) * | 2021-12-13 | 2023-07-28 | 国网浙江省电力有限公司营销服务中心 | Operation analysis system of electricity consumption information acquisition equipment and working method thereof |
Also Published As
| Publication number | Publication date |
|---|---|
| JP5743347B2 (en) | 2015-07-01 |
| CN104444750A (en) | 2015-03-25 |
| CN104444750B (en) | 2017-05-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5709327B2 (en) | Man conveyor abnormality diagnosis system | |
| JP4761276B2 (en) | Abnormality diagnosis system for passenger conveyor | |
| JP5743347B2 (en) | Abnormality diagnosis system for passenger conveyor | |
| EP3401263A2 (en) | Mobile terminal device application for measuring ride quality | |
| EP1472169B1 (en) | Method and arrangement for telemonitoring an elevator | |
| JP2012192995A (en) | Abnormality diagnosis system for passenger conveyer | |
| JP4577794B2 (en) | Abnormality diagnosis system for passenger conveyor | |
| JP2019199329A (en) | Detection system for abnormality of passenger conveyor | |
| JP4662382B2 (en) | Abnormality diagnosis system for passenger conveyor | |
| EP3640188A1 (en) | Continuous quality monitoring of a conveyance system | |
| JP6479941B1 (en) | Anomaly detection system for passenger conveyors | |
| JP5257865B2 (en) | Passenger conveyor monitoring system | |
| CN115849129A (en) | Elevator drum brake monitoring devices | |
| JP6748044B2 (en) | Passenger conveyor inspection device and passenger conveyor inspection system | |
| US11390488B2 (en) | Visual inspection diagnostics | |
| JP6692305B2 (en) | Passenger conveyor automatic clearance measuring device and passenger conveyor automatic clearance measuring method | |
| JP7414937B1 (en) | passenger conveyor diagnostic device | |
| JP2021032714A (en) | Inspection equipment for machine facility | |
| JP2018060383A (en) | Processing apparatus and control system of appliance |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20150331 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20150427 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 5743347 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |