JP3573559B2

JP3573559B2 - 保守支援システム

Info

Publication number: JP3573559B2
Application number: JP4608596A
Authority: JP
Inventors: 敏行佐久間
Original assignee: Hitachi Ltd; Hitachi Building Systems Co Ltd
Current assignee: Hitachi Ltd; Hitachi Building Systems Co Ltd
Priority date: 1996-03-04
Filing date: 1996-03-04
Publication date: 2004-10-06
Anticipated expiration: 2016-03-04
Also published as: JPH09237103A

Description

【０００１】
【発明の属する技術分野】
本発明はエレベーター等の製品ワークが故障した時あるいは故障兆候がみられた時に復旧を支援する技術に関するものである。
【０００２】
【従来の技術】
従来、故障復旧を支援するものの中で特開平３−１３７５１８号公報、特開平３−１５４８４６号公報及び特開平３−１５４８４７号公報では、故障現象とそれを引き起こす原因との関係等を示すフォールトツリーを用いて、質問と回答の選択を対話形式で行うことにより、１つの故障原因を得ると共に、その故障の修復項目を表示し、また使用された回答の状態が生じる確率が高くなる場合には学習機能が働く故障診断装置を紹介している。
【０００３】
また特開平３−２８８２３０号公報では、予め故障診断に関するデータを格納している知識ベースと対象プラントからの入力情報とをマッチングすることにより推論して故障診断を行い、その診断結果たる故障情報とその故障と対応する関連情報とその関連情報から逆推論することで得られる故障予報を同時に提供する故障診断エキスパートシステムを紹介している。
【０００４】
さらに特開平６−３０９１７２号公報では、機器の故障診断・修繕に関する知識ベースを用いて推論すると共に、推論失敗時にはその推論結果に事例データベースをからキーワード検索した結果を付加する知識ベース装置を紹介している。また、この装置は事例データが多くなった場合には事例データをルール知識に変換し知識ベースに登録する手段を持っている。
【０００５】
さらに、特開平６−２７１２４０号公報においては、エレベーターの故障発生時に、データ収集装置にエレベーターから通信回線を介して取り込まれた故障データと、故障要因が予めツリー状に組み立てられて格納されている知識ベースとを用いて、故障原因事項や故障箇所をコンバイン関数を用いて確率的に推論するエレベーターの故障診断装置を紹介している。
【０００６】
さらに、特開平５−１６８０７０号公報においては、制御装置の故障発生時に、保守に必要な情報及び保守用部品交換作業手順書を、ＣＲＴ上に一括して表示させるプラントの保守支援装置を紹介している。
【０００７】
さらに、特開平４−２０１９６３号公報においては、定期的にエレベーターの運転状態等のデータを電話回線を介して監視センタ装置で採取し、このデータを故障診断プログラムを用いて自動診断を行ない、故障原因や異常箇所を特定するエレベーターの遠隔監視制御装置を紹介している。
【０００８】
さらに、特開平３−２７２９８５号公報においては、各階層における任意情報伝送のためのフォーマットを統一し、多層の伝送路をハードウエア的に２回路以上接続した中間レベルの制御装置を介し、階層化したコマンドにより複数の伝送路を使用して、任意局間の伝送を行なうことを可能にすることにより、通信に汎用性を持たせたエレベーター制御システムを紹介している。
【０００９】
【発明が解決しようとする課題】
上記の故障診断装置では、フォールトツリー構造が大きくなると、対話する回数が増加するために故障原因絞り込み時間は増加し、それに伴い故障復旧時間も増加する。また、以前に生じたことがある故障現象が再び起こった場合、それは使用された回答の高いものから順に（学習機能を働かせて）故障原因を絞り込んていくが、故障は使用形態や使用頻度等の違いによって故障原因は異なることがあるため、学習機能を働かせたことがかえって故障原因絞り込み時間を増加させてしまう恐れがある。次の故障診断エキスパートシステムでは、フォールトツリーを逆推論することで故障予報を行うので、予め作成したフォールトツリーの中に存在しない事柄は故障予報できない。また、故障診断装置と同様に、フォールトツリーが大きくなると故障診断時間は増加する。最後の知識ベース装置においては、事例データの多くなった場合に検索時間が増加し、その結果故障復旧時間は増加する恐れがある。また、事例データをルール知識に変換し知識ベースに登録しておいたとしても、今度は故障診断時間が増加する。
【００１０】
また、特開平６−２７１２４０号公報に記載の技術においては、故障発生後に推論が作動し、故障発生前に予め推論を進めておくことはできない。
【００１１】
また、特開平５−１６８０７０号公報に記載の技術においては、異常診断後の保守作業時、保守員に保守内容を一括表示によって把握させるので、復旧時間のうちの作業時間の短縮を図ることができる。しかし、故障等の診断に時間をかけてしまえば、復旧時間もそれに伴い増加してしまう。
【００１２】
また、特開平４−２０１９６３号公報に記載の技術は、定期点検を遠隔で行なうものであって、故障等による復旧時間の短縮を図ることはできない。
【００１３】
また、特開平３−２７２９８５号公報に記載の技術は、状況の一括表示あるいは情報の一括伝送によって、管理人、ＡＩ診断システム、及び保守員に故障等を早期発見させるものであるが、発見後の復旧を支援することはできない。
【００１４】
本発明は、以上の課題を鑑みてなされたものであり、故障等による復旧時間の短縮を図る保守支援システムを提供するものである。
【００１５】
【課題を解決するための手段】
上記課題を解決するために、本発明によれば、
保守対象となる製品の使用形態や使用頻度を含むデータを収集するデータ収集手段と、
製品の故障現象と、当該故障現象に対する対策方法とを、前記製品の使用形態と使用頻度毎に対応づける知識ベースを格納する手段と、
故障現象がまだみられない製品それぞれに対して、前記データと前記知識ベースとに基づいて、故障現象が生じた場合に取るべき対策を、故障現象毎、製品毎に順位づけて予測する予測手段と、
を有することができる。
【００１６】
【発明の実施の形態】
以下にエレベーターを例にして本発明を説明する。システムの基本構成を図１に示す。解析ステーション１０１は故障現象とそれを引き起こす原因、対策方法との関係等を示す知識ベース１０２とエレベーター１０６から収集される故障事例、故障兆候事例、エレベーター個別情報、稼動情報、予防保全情報及び予測結果が格納されているデータベース１０３と接続され、さらに、ユーザがデータや知識等を登録したり、更新したりするための入力装置１０４と予測結果等を出力するための出力装置１０５と接続されている。
【００１７】
解析ステーション１０１の機能ブロック図を図２に示す。解析ステーション１０１は、ユーザが知識を知識ベース１０２に登録する時に作動する知識登録手段２０１と、その知識を知識ベース１０２に格納する時に作動する知識格納手段２０２と、故障事例、故障兆候事例、稼動情報及び予防保全情報等をエレベーター１０６から逐次収集するデータ収集手段２０３と、それらのデータを選別してデータベース１０３に格納する時に作動するデータ格納手段２０４と、ある使用頻度を表すパラメータを別のパラメータに変換する時に作動するパラメータ変換手段２０５と、知識ベース１０２及びデータベース１０３を基に故障発生予測をする時に作動する故障発生予測手段２０６と、予測結果をデータベース１０３に格納する時に作動する予測結果格納手段２０７と、故障事例とエレベーター個別情報を基に故障率をグループ毎に（例えば使用環境や用途毎に）算出したり、故障兆候事例とエレベーター個別情報を基に故障兆候率（ある時点まで動作してきたドア等のアイテムが引き続く単位期間内に故障兆候を起こす割合）をグループ毎に算出したり、それらの結果を検定したりして故障・故障兆候の発生傾向を分析する時に作動する分析手段２０８と、分析結果と予めユーザが設定した基準値と比較して超過した場合に警報を発する警報手段２０９と、知識ベース１０２やデータベース１０３を更新する時に作動する更新手段２１０と、予測結果とエレベーター１０６からの収集データを基にして故障診断を行う時に作動する診断手段２１１と、予測結果等を出力する時に作動する出力手段２１２を有している。
【００１８】
知識ベース１０２の知識ベース構造を図３に示す。知識には環境や用途や設置箇所等の使用形態に関するファイル３０１と走行時間や起動回数や開閉回数等の使用頻度に関するファイル３０２とドア開閉時間異常のような時間異常や停止位置異常のような位置異常や異常音等の故障兆候に関するファイル３０３があり、それぞれには故障現象、故障部位及び対策方法が記載され、格納されている。
【００１９】
データベース１０３のテーブル構造を図４に示す。テーブルはエレベーター個別情報テーブル４０１、故障事例テーブル４０２、故障兆候事例テーブル４０３、予防保全情報テーブル４０４、稼動情報テーブル４０５、予測結果テーブル４０６の計６種類ある。
【００２０】
エレベーター個別情報テーブル４０１には、高温地域や塩害地域等の使用環境と乗用や荷物用等の用途と工場やビル等の設置箇所のような個々のエレベーターを特徴づけるための使用形態データが格納されている。なお、使用環境はエレベーター１０６からの逐次収集される稼動情報を基に更新する。故障事例テーブル４０２及び故障兆候事例テーブル４０３には現象、原因部位及び対策内容等のデータが格納されている。なお、故障事例とは「ドア開かず」のような、部位等が規定の機能を失った後に収集されるデータを指し、故障兆候事例とは「ドア開閉時間異常」のような予め設定した基準値外になった後に収集されるデータを指す。予防保全情報テーブル４０４には点検実施日や作業内容等のデータが格納され、稼動情報テーブル４０５には走行時間や起動回数や測定温度等のデータが格納され、予測結果テーブル４０６には故障現象毎、使用頻度毎、エレベーター毎に故障部位や対策方法を記載したデータが格納されている。
【００２１】
予測結果の格納例を図５に示す。予測結果は故障現象毎、使用頻度毎及びエレベーター毎に分けられて格納される。また、予測結果の更新は事例が収集される毎に、あるいは季節による温度変化等のように使用環境が変わる毎に、あるいは設定した使用頻度間隔が変わる毎に更新される。予測結果５０１において、現象１におけるエレベータＡの予測結果は使用頻度０から１００までの間隔で有効で、１００を越えたら、予測結果は新たに更新される。
【００２２】
ユーザが入力するためのメニュー画面例を図６に示す。ユーザが入力する事項には、知識を登録／更新する事項６０１とデータを更新する事項６０２と基準値設定、パラメータの変換命令等を行う事項６０３がある。
【００２３】
解析ステーションの動作の概略フローチャートを図７に示す。まずステップ７０１では、データ収集手段２０３によるデータ収集処理とユーザによる入力命令を解析ステーション１０１が認識する処理が逐次行われている。次にステップ７０２において、ユーザによる入力命令を認識したかどうかを判断する。認識した場合はステップ７０３でその命令が知識の登録／更新命令かデータの更新命令かそれ以外の命令かどうかを判断する。このステップ７０３で知識の登録／更新命令と判断されれば、ステップ７０４で知識登録手段２０１と更新手段２１０と知識格納手段２０２が作動し、その後にステップ７０８に移る。ステップ７０３でデータの更新命令と判断されれば、ステップ７０５で更新手段２１０とデータ格納手段２０４が作動し、その後にステップ７０８に移る。ステップ７０３でそれ以外の命令と判断されれば、ステップ７０６に進み、基準値設定等の設定命令かどうかを判断する。ここで、設定命令と判断されればステップ７１４で基準値設定等の設定が行われた後、すべての処理は終了となる。設定ではなくパラメータ変換命令と判断されればステップ７０７でパラメータ変換手段２０５が作動しステップ７０８に進む。ステップ７０８では、故障発生予測手段２０６が作動し、次のステップ７０９では事例があるかどうかを判断する。事例がある場合にはステップ７１０で分析手段２０８と警報手段２０９と更新手段２１０が作動してからステップ７１１に移る。これに対して事例がない場合は即座にステップ７１１に移る。その後ステップ７１１で予測結果格納手段２０７が作動してからすべての処理の終了となる。ステップ７０２でユーザ入力命令ではないと判断されればステップ７１２で収集データが異常発生に関するデータかどうかを判断する。異常発生であるならステップ７１３で診断手段２１１と出力手段２１２が作動してからステップ７０５に移る。ステップ７１２で収集データが稼動データ等の異常発生に関係ないデータなら即座にステップ７０５に移る。
【００２４】
図７におけるステップ７０４の詳細フローチャートを図８に示す。まずステップ８０１でユーザの入力命令が知識の新規登録かどうかを判断する。新規登録の場合はステップ８０２で知識登録処理をし、ステップ８０４で知識格納処理が行われた後すべての処理の終了となる。ステップ８０１で更新命令の場合はステップ８０３で知識更新処理をし、ステップ８０４で知識格納処理が行われた後すべての処理の終了となる。
【００２５】
図７におけるステップ７０５の詳細フローチャートを図９に示す。まずステップ９０１でデータの更新かどうかを判断する。データ更新と判断されればステップ９０２でデータ更新処理が行われ、ステップ９０３でデータ格納処理が行われた後すべての処理の終了となる。ステップ９０１でデータの新規登録のようなデータの更新ではない場合は即座にステップ９０３に進み、ステップ７０１で収集されたデータを格納した後すべての処理の終了となる。
【００２６】
図７におけるステップ７０７の詳細フローチャートを図１０に示す。まずステップ１００１で、データベース１０３から使用頻度データ等を抽出する。次にステップ１００２で使用頻度パラメータの比較分析を行う。続いてステップ１００３でユーザがパラメータ変換を要求するかどうかを判断する。比較対象のパラメータが相関関係にある等の理由でパラメータ変換を要求すれば、ステップ１００４でパラメータ変換を行い、その後すべての処理の終了となる。対してパラメータ変換を要求しないなら即座にすべての処理の終了となる。なお、パラメータ変換手段を設ける理由は、エレベーターが稼動した後からエレベーターに精度の良い使用頻度計測手段が設置された場合等に、故障・故障兆候発生傾向を精度良く分析できるようにするためである。
【００２７】
パラメータ変換の様子を図１１に示す。この図では、エレベーターの稼動開始時には走行時間しか収集できずにいたが、その後、新規の測定手段により起動回数が収集できるようになり、両者の比較分析から総起動回数を算出した様子を示している。なお、エレベーターの稼動開始時には起動回数しか収集できずにいたが、その後、新規の測定手段により走行時間が収集できるようになった場合には、両者の比較分析から総走行時間を算出することもできる。
【００２８】
また、エレベーターの稼動開始時には走行時間しか収集できずにいたが、その後、新規の測定手段によりドア開閉回数が収集できるようになった場合には、両者の比較分析から総ドア開閉回数を算出することもできる。また、エレベーターの稼動開始時にはドア開閉回数しか収集できずにいたが、その後、新規の測定手段により走行時間が収集できるようになった場合には、両者の比較分析から総走行時間を算出することもできる。さらに、起動回数とドア開閉回数とについても、同様に、一方から他方を推定することができる。
【００２９】
図７におけるステップ７０８の詳細フローチャートを図１２に示す。まずステップ１２０１で稼動情報テーブル４０５から予測対象のエレベーターαの使用頻度βを抽出する。次にステップ１２０２で以前予測した時の使用頻度γを含む、知識ベース１０２の使用頻度ファイルの範囲δと使用頻度βを比較する。続いてステップ１２０３で範囲δの中にβが含まれるかどうかまたは新規の予測かどうかの判断をする。範囲δの中にβが含まれないか新規の予測の場合は、ステップ１２０４でエレベーター個別情報テーブル４０１からエレベーターαに関するデータεを抽出する。その後ステップ１２０５でデータεと使用頻度βと知識ベース１０２を照合し、ステップ１２０６で予測結果を組立て、ステップ１２０７で予測結果を記憶し、ステップ１２０８に移る。
【００３０】
対して、ステップ１２０３で範囲δの中にβが含まれるか新規の予測でない場合は、即座にステップ１２０８に移る。ステップ１２０８では他の予測を行うかどうかの判断をし、もし他の予測を行うならステップ１２０１に戻り、予測を行わないならすべての処理の終了となる。
【００３１】
予測方法を図１３に示す。予測結果の算出方法は各場面で異なり、大きく分けると図１３のように３段階に分けることができる。事例がない初期段階（第１段階）では、データベース１０３のエレベーター個別情報４０１と知識ベース１０２の使用形態ファイルと使用頻度ファイルを基に予測される。例えば、図１３におけるエレベーターＡの現象１の予測結果は、エレベーターＡのエレベーター個別情報とそれをキーとした知識ベース１０２の使用形態ファイルと使用頻度ファイルを基に作成されている。次の事例が収集された段階（第２段階）では、他のエレベーターで起こった故障事例と予測対象エレベーター自体で起こった故障兆候事例と他のエレベーターで同等な使用頻度に起こった故障兆候事例を基に第１段階で求めた予測結果が更新される。例えば、図１３におけるエレベーターＡの現象１の予測結果は、エレベーターＢの故障事例とエレベーターＡの故障兆候事例を基にして更新されている。その次の警報出力段階（第３段階）では、警報出力させた項目を基に優先的に予測結果が更新される。例えば、図１３におけるエレベーターＡの現象１の予測結果は、警報出力させた高温と走行時間３００時間という項目を基にして更新されている。
【００３２】
図７におけるステップ７１０の詳細フローチャートを図１４に示す。まずステップ１４０１では、データベース１０３のエレベーター個別情報、故障事例、故障兆候事例、予防保全情報及び稼動情報を用いて故障率や故障兆候率を算出して、故障・故障兆候発生傾向を分析する。次にステップ１４０２で分析結果と予め設定した基準値を比較して、その基準値を超過したかどうかを判断する。超過した場合はステップ１４０３で警報１を出力し、ステップ１４０４でχ２検定等が行われる。ここで、検定を行う理由は警報１の警報が統計的見地で正しいものかどうかを判断するためである。続いてステップ１４０５で検定結果と予め設定した基準値を比較して、その基準値を超過したかどうかを判断する。超過した場合はステップ１４０６で警報２を出力し、ステップ１４０７で予測結果及び知識ベース１０２を更新してからすべての処理の終了となる。またステップ１４０２及びステップ１４０５において、基準値を超過しないと判断されれば、即座にすべての処理の終了となる。
【００３３】
図７におけるステップ７１３の詳細フローチャートを図１５に示す。まず、ステップ１５０１では故障発生かどうかを判断する。故障発生の場合はステップ１５０２で故障現象及び製品番号を収集データから抽出する。次にステップ１５０３で故障現象及び製品番号をキーにして予測結果テーブル４０６から予測結果を抽出する。続いてステップ１５０４で、その予測結果を出力装置１０５に出力してからすべての処理の終了となる。対してステップ１５０１において、ドア開閉時間異常等のように故障発生に至っていない場合はステップ１５０５でその異常状況を出力装置１０５に出力してからすべての処理の終了となる。
【００３４】
【発明の効果】
本発明では、故障あるいは故障兆候がみられる前にいつ頃どんなことが起こり、どんな対応とればよいか等を製品ワーク毎、使用頻度毎に予測して格納しておくので、故障あるいは故障兆候が発生したときに即座に対処ができ、復旧時間が短縮される。また、故障・故障兆候発生傾向分析手段によって算出された結果と予め設定された基準値と比較してその基準値を超過した場合に警報する手段とその警報と共に予測結果及び予め格納されている知識を更新する手段によって、故障あるいは故障兆候の原因究明推論の成功率が事例の増加とともに向上し、復旧時間が短縮される。さらに、使用頻度を表すパラメータを別の使用頻度を表すパラメータに変換する手段を設けることによって、製品ワークが稼動した後から製品ワークに精度の良い使用頻度を計測する手段が設置される場面にも対応がとれるので、使用頻度別の故障・故障兆候発生傾向分析の精度を向上することができる。
【図面の簡単な説明】
【図１】システムの基本構成図。
【図２】解析ステーションの機能ブロック図。
【図３】知識ベースの構造の説明図。
【図４】データベースの構造の説明図。
【図５】予測結果の格納例の説明図。
【図６】ユーザが入力するためのメニュー画面例の説明図。
【図７】解析ステーションの動作の概略フローチャート。
【図８】ステップ７０４の詳細フローチャート。
【図９】ステップ７０５の詳細フローチャート。
【図１０】ステップ７０７の詳細フローチャート。
【図１１】１パラメータ変換の様子の説明図。
【図１２】ステップ７０８の詳細フローチャート。
【図１３】予測方法の説明図。
【図１４】ステップ７１０の詳細フローチャート。
【図１５】ステップ７１３の詳細フローチャート。
【符号の説明】
１０１・・・解析ステーション、１０２・・・知識ベース、１０３・・・データベース、１０４・・・入力装置、１０５・・・出力装置、１０６・・・エレベーター、２０１・・・知識登録手段、２０２・・・知識格納手段、２０３・・・データ収集手段、２０４・・・データ格納手段、２０５・・・パラメータ変換手段、２０６・・・故障発生予測手段、２０７・・・予測結果格納手段、２０８・・・分析手段、２０９・・・警報手段、２１０・・・更新手段、２１１・・・診断手段、２１２・・・出力手段、３０１・・・使用形態ファイル、３０２・・・使用頻度ファイル、３０３・・・故障兆候ファイル、４０１・・・エレベーター個別情報テーブル、４０２・・・故障事例テーブル、４０３・・・故障兆候事例テーブル、４０４・・・予防保全情報テーブル、４０５・・・稼動情報テーブル、４０６・・・予測結果テーブル、５０１・・・予測結果例、６０１・・・ユーザによる知識登録／更新事項、６０２・・・ユーザによるデータ更新事項、６０３・・・ユーザによるその他の入力事項、７０１・・・データ収集とユーザ入力認識処理、７０２・・・ユーザ入力判断処理、７０３・・・ユーザ要求判断処理、７０４・・・知識登録／更新／格納処理、７０５・・・データ更新／格納処理、７０６・・・設定命令判断処理、７０７・・・パラメータ変換処理、７０８・・・予測処理、７０９・・・事例有無判断処理、７１０・・・分析／警報／更新処理、７１１・・・予測結果格納処理、７１２・・・異常発生判断処理、７１３・・・診断／出力処理、７１４・・・設定処理、８０１・・・知識新規登録判断処理、８０２・・・知識登録処理、８０３・・・知識更新処理、８０４・・・知識格納処理、９０１・・・データ更新判断処理、９０２・・・データ更新処理、９０３・・・データ格納処理、１００１・・・データ抽出処理、１００２・・・パラメータ比較分析処理、１００３・・・パラメータ変換要求判断処理、１００４・・・パラメータ変換処理、１２０１・・・データ抽出処理、１２０２・・・データ比較分析処理、１２０３・・・予測許可判断処理、１２０４・・・データ抽出処理、１２０５・・・データ照合処理、１２０６・・・予測結果作成処理、１２０７・・・予測結果記憶処理、１２０８・・・予測要否判断処理、１４０１・・・事例分析処理、１４０２・・・基準値超過判断処理、１４０３・・・警報処理、１４０４・・・検定処理、１４０５・・・基準値超過判断処理、１４０６・・・警報処理、１４０７・・・更新処理、１５０１・・・故障発生判断処理、１５０２・・・データ抽出処理、１５０３・・・予測結果検索処理、１５０４・・・予測結果出力処理、１５０５・・・異常状況出力処理。

Claims

保守対象となる製品の使用形態や使用頻度を含むデータを収集するデータ収集手段と、
製品の故障現象と、当該故障現象に対する対策方法とを、前記製品の使用形態と使用頻度毎に対応づける知識ベースを格納する手段と、
故障現象がまだみられない製品それぞれに対して、前記データと前記知識ベースとに基づいて、故障現象が生じた場合に取るべき対策を、故障現象毎、製品毎に順位づけて予測する予測手段と、
を有することを特徴とする保守支援システム。
請求項１記載の保守支援システムにおいて、
製品に発生した故障現象あるいは故障兆候現象を蓄積する手段と、
蓄積された故障現象あるいは故障兆候現象に基づいて、前記予測手段により予測された対策の順位を修正する修正手段と、
を有することを特徴とする保守支援システム。
請求項１記載の保守支援システムにおいて、
製品に発生した故障現象を蓄積する手段と、
前記データと、蓄積された故障現象とに基づいて、故障現象の発生率を使用形態毎、使用頻度毎に算出する分析手段と、
該分析手段によって算出された発生率が所定の基準値を超過する使用形態または使用頻度のデータに基づいて予測された対策がより上位になるように、前記予測手段により予測された対策の順位を修正する修正手段と、
を有することを特徴とする保守支援システム。
請求項３記載の保守支援システムにおいて、
前記分析手段によって算出された発生率が所定の基準値を超過する使用形態または使用頻度のデータに基づいて、前記知識ベースを修正する手段を有することを特徴とする保守支援システム。
請求項１記載の保守支援システムにおいて、
製品の稼働開始時から収集することができた製品の使用頻度を表す第１のパラメータの値に基づいて、製品の稼働開始時には収集することができず、製品の稼働後しばらく時間が経過してから収集することができるようになった製品の使用頻度を表す第２のパラメータの値から、製品の稼働開始時からの前記第２のパラメータの値を前記製品の使用頻度として推定する手段を有することを特徴とする保守支援システム。