JP5416630B2 - Moving object abnormality judgment support system - Google Patents
Moving object abnormality judgment support system Download PDFInfo
- Publication number
- JP5416630B2 JP5416630B2 JP2010067899A JP2010067899A JP5416630B2 JP 5416630 B2 JP5416630 B2 JP 5416630B2 JP 2010067899 A JP2010067899 A JP 2010067899A JP 2010067899 A JP2010067899 A JP 2010067899A JP 5416630 B2 JP5416630 B2 JP 5416630B2
- Authority
- JP
- Japan
- Prior art keywords
- abnormality
- failure
- state data
- data
- mobile
- 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.)
- Active
Links
- 230000005856 abnormality Effects 0.000 title claims description 233
- 238000003745 diagnosis Methods 0.000 claims description 45
- 238000004458 analytical method Methods 0.000 claims description 35
- 230000002159 abnormal effect Effects 0.000 claims description 32
- 238000004891 communication Methods 0.000 claims description 21
- 238000012806 monitoring device Methods 0.000 claims description 14
- 238000013500 data storage Methods 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 description 23
- 238000000034 method Methods 0.000 description 20
- 238000012545 processing Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 7
- 238000012423 maintenance Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000000737 periodic effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
- B61L27/50—Trackside diagnosis or maintenance, e.g. software upgrades
- B61L27/57—Trackside diagnosis or maintenance, e.g. software upgrades for vehicles or vehicle trains, e.g. trackside supervision of train conditions
Description
本発明は、移動体に備わる各種機器の状態を監視する状態監視装置を有する移動体異常判断支援システムに関わり、特に地上システムによる移動体の異常判断の支援を伴うシステムに関する。 The present invention relates to a moving object abnormality determination support system having a state monitoring device that monitors the state of various devices provided in a moving object, and more particularly to a system that includes support for abnormality determination of a moving object by a ground system.
移動体の異常を検知するシステムに関して、移動体の状態データを取得し、故障発生時に当該取得したデータを解析して異常を検出するシステムが広く知られている。ここで「故障」とは「機器が通常の状態と異なる状態」をいう。また、「異常」とは「機器の故障によりシステムとして望まれない状態であって、機器を停止するなどして回復が必要な状態」をいう。 As for a system that detects an abnormality of a moving body, a system that acquires state data of the moving body and analyzes the acquired data when a failure occurs to detect an abnormality is widely known. Here, “failure” means “a state where the device is different from the normal state”. Further, “abnormal” means “a state that is not desired as a system due to a device failure and needs to be recovered by stopping the device”.
例えば、特許文献１では、移動体にその状態を検出するセンサを取り付けて、そのセンサ出力を移動体に記憶し、地上システムは、前記センサ出力を解析して異常検知条件を抽出する異常検知条件抽出機能を有しており、前記異常検知条件を移動体に入力し、移動体上で前記センサ出力と前記異常検知条件を比較して移動体の異常を検知するシステムを提供している。これにより、移動体側に異常検知条件抽出機能のような高性能の装置を有することなく、移動体製作時に想定していなかった異常であってもそれを移動体において容易に素早く検知することができるようにしている。 For example, in Patent Document 1, a sensor that detects the state is attached to a moving body, the sensor output is stored in the moving body, and the ground system analyzes the sensor output and extracts an abnormality detection condition. A system is provided that has an extraction function, inputs the abnormality detection condition to a moving body, and compares the sensor output with the abnormality detection condition on the moving body to detect an abnormality of the moving body. As a result, it is possible to easily and quickly detect an abnormality that was not assumed at the time of manufacturing the mobile body without having a high-performance device such as an abnormality detection condition extraction function on the mobile body side. I am doing so.
車両により収集された車両動態値を小区間ごとに格納・管理し、当該小区間毎の複数の車両についての車両動態値を用いて車両の動態を集計・分析することで、路線上の多数の地点に固定センサを設置することなく、同センサを設置して網羅的に車両動態値を観測した場合と同様の効果を得ることを図った車両動態管理が提案されている（特許文献２）。この提案によれば、データの取得間隔については、一つの値ではなく区間に対して格納値の特性が過去の特性に従うか否かを評価するための特性評価値を算出することで、距離算出の誤差を吸収し、また、同一小区間に対して複数の値が得られた場合は集約処理を行い、値が欠損した小区間に対しては推定処理を行うことにより特性評価値を得て、特性評価値が正当である確率を示す帰属確率を算出し、特異性判定部が帰属確率と閾値とを比較し、閾値以下である場合に警告を発するようにして低コストで高精細な車両動態管理を行うことを図っている。 By storing and managing vehicle dynamic values collected by vehicles for each subsection, and using the vehicle dynamic values for multiple vehicles for each subsection, the vehicle dynamics are aggregated and analyzed, so that Vehicle dynamic management has been proposed in which a fixed sensor is not installed at a point, and the same effect is obtained as when the sensor is installed and the vehicle dynamic value is comprehensively observed (Patent Document 2). According to this proposal, the data acquisition interval is calculated by calculating the characteristic evaluation value for evaluating whether the characteristic of the stored value follows the past characteristic for the section instead of one value. In addition, if multiple values are obtained for the same subsection, aggregation processing is performed, and estimation processing is performed for subsections with missing values to obtain characteristic evaluation values. A low-cost, high-definition vehicle that calculates the attribution probability indicating the probability that the characteristic evaluation value is valid, compares the attribution probability with the threshold value, and issues a warning if the characteristic evaluation value is below the threshold value We intend to do dynamic management.
前記に挙げたシステムでは、同一車両複数機器の状態データを比較して、位置要因成分、機器要因成分に分離して異常を検知しているが、同一車両内のデータのみを利用しており他の車両のデータが活用されていない。また、車両動態値を小区間ごとに格納・管理する手法では、車両状態データが小区間ごとに分類され、区間の過去情報と比較して異常警報判定をしているので過去情報を活用してはいるが、地上側との通信が逐次発生する危惧が大きく、車両動態値を無線通信で地上側に伝送する場合には伝送容量やコスト、信頼性の観点で負担になり、生データを蓄積するとなると莫大な蓄積容量が必要になる。 In the above-mentioned system, the status data of multiple devices in the same vehicle are compared and the abnormality is detected by separating them into position factor components and device factor components, but only the data in the same vehicle is used. The vehicle data is not utilized. Also, in the method of storing and managing vehicle dynamics value for each small section, vehicle status data is classified for each small section, and abnormal alarm judgment is made by comparing with past section information. However, there is a great concern that communication with the ground side will occur sequentially, and when vehicle dynamics are transmitted to the ground side by wireless communication, it becomes a burden in terms of transmission capacity, cost, and reliability, and raw data is accumulated Then, a huge storage capacity is required.
また、前記のシステムでは、故障時の状態データ（＝センサ出力）に異常の兆候が含まれていなければ異常検知を判定することができない。逆に、故障発生時までの状態データに何らかのデータ変化があり異常検知条件を満たしても、その後状態データが回復し、条件判定に基づいて下した異常検知の判断が誤検知となる場合もある。いずれにしても、故障発生時点では将来の状態データは移動体上で得られておらず、また将来の状態データを予測するのに十分な状態データを移動体上に備えることは困難である。このように、発生した故障が軽微なものであってもその時点では移動体の乗務員の単独では異常との判断がつかず、移動体を停止させてしまうことが多い。このため、誤検知によって、異常判定に起因した本来不要な運転停止を移動体に促すことになり稼働率の低下を招くこととなる。特に移動体が列車である場合、サービス品質の低下に繋がる。 Further, in the above-described system, the abnormality detection cannot be determined unless the failure state data (= sensor output) includes an abnormality sign. Conversely, even if there is some data change in the status data up to the time of the failure and the abnormality detection condition is satisfied, the state data is recovered thereafter, and the abnormality detection judgment made based on the condition determination may become a false detection. . In any case, the future state data is not obtained on the mobile body at the time of the failure occurrence, and it is difficult to provide the mobile body with sufficient state data to predict the future state data. In this way, even if the failure that has occurred is minor, at that time, it is often impossible for the crew member of the moving body to determine that it is abnormal, and the moving body is often stopped. For this reason, erroneous detection will cause the moving body to urge the moving body to stop operation originally unnecessary due to the abnormality determination, leading to a reduction in operating rate. In particular, when the moving body is a train, the service quality is degraded.
そこで、故障が発生した時点で地上システム側から過去の事例を参照するなどして高度な支援が図られれば、当該故障から異常へ至るか否かの異常判断を確度の高いものにすることができると考えられ、そうした高度な支援を確立する点で解決すべき課題がある。
本発明では、上記の課題に対して、故障発生の際に、移動体の状態データを地上側に送信し、地上側において過去の事例を参照するなどして故障から異常に繋がる可能性を適切に予測する高度な支援を行い、移動体を停止させるに至る誤検知となる確率を低下させて移動体の稼働率の向上を目指すものである。
Therefore, if a high level of support is made by referring to past cases from the ground system side when a failure occurs, it is possible to improve the accuracy of determining whether or not the failure will result in an abnormality. There is a problem to be solved in terms of establishing such advanced support.
In the present invention, in response to the above problem, when a failure occurs, the state data of the moving body is transmitted to the ground side, and the possibility of leading to an abnormality from the failure by referring to a past case on the ground side is appropriate. It is intended to improve the operating rate of the moving object by reducing the probability of false detection leading to stopping the moving object.
上記課題を解決するために、本発明の移動体異常判断支援システムは、移動体は、当該移動体に備える各種機器の状態を計測する計測装置と、計測装置が計測した前記各種機器の状態データを用いて故障発生を検知する状態監視装置と、地上システムに当該発生した故障の種類と故障前後の状態データを送信し、地上システムからの異常判定結果を受信する通信装置とを備える。また、地上システムは、移動体とデータを送受信する通信装置と、移動体の過去の故障の種類及び状態データを蓄積する蓄積部と、過去の故障の状態データを分析するとともに当該故障が異常であるか否かを判定した異常診断結果を出力する異常診断部とを備える。地上システムは、更に、前記過去の故障の種類と異常診断結果と状態データとを関連付けて記憶する異常分析データベースと、移動体から送信された故障発生時の故障の種類と故障前後の状態データと異常分析データベースに記憶されている過去の故障の種類及び状態データとを対比して異常判定結果を出力する異常発生予測部とを備えており、地上システムの通信装置は、異常判定結果を前記移動体に送信する。 In order to solve the above-described problems, the moving object abnormality determination support system according to the present invention includes a measuring device that measures the state of various devices included in the moving member, and state data of the various devices measured by the measuring device. A state monitoring device that detects the occurrence of a failure by using the communication device, and a communication device that transmits the type of failure that has occurred and state data before and after the failure to the ground system, and receives an abnormality determination result from the ground system. In addition, the ground system analyzes a communication device that transmits / receives data to / from a mobile unit, a storage unit that stores past fault type and status data of the mobile unit, and status data of past faults, and the fault is abnormal. An abnormality diagnosis unit that outputs an abnormality diagnosis result for determining whether or not there is an abnormality. The ground system further includes an abnormality analysis database that stores the past failure types, abnormality diagnosis results, and state data in association with each other, a failure type that is transmitted from the mobile unit, and the state data before and after the failure. An abnormality occurrence prediction unit that outputs an abnormality determination result by comparing past failure type and state data stored in the abnormality analysis database, and the communication device of the ground system moves the abnormality determination result to Send to the body.
本発明である移動体異常判断支援システムによれば、移動体において故障が発生したとき、地上システムにおいては、その故障情報（故障の種類及び状態データ）と過去の故障情報との対比により故障判断をして得られた異常判定結果を移動体側に返信するので、移動体においては、地上システムから異常の有無の判定にしての支援を受けることができ、確度の高い異常判断が可能となる。地上システム側で備える過去情報についてはオフライン（移動体の検査時等）で取得するとしているので、常時通信によって故障情報を送信するのを可能にするための高いコストを伴う設備を備える必要がない。また、地上システムが入手した故障情報については、自動又は手動で故障原因を予め解析して異常分析データベースに蓄積しておくことができる。異常発生予測部では、移動体から新たに発生した故障に伴う故障の種類と直近の状態データに基づいて、異常分析データベースにおいて過去情報を検索し、検索結果と対比して異常判定結果を出力する。 According to the mobile object abnormality determination support system of the present invention, when a failure occurs in the mobile object, the ground system determines the failure by comparing the failure information (failure type and status data) with the past failure information. Since the abnormality determination result obtained by performing is returned to the moving body side, the moving body can receive support for determining whether or not there is an abnormality from the ground system, and the abnormality determination with high accuracy can be performed. Since past information provided on the ground system side is obtained offline (when inspecting a moving object, etc.), it is not necessary to provide equipment with high costs to enable failure information to be transmitted by constant communication. . In addition, the failure information obtained by the ground system can be automatically or manually analyzed in advance and stored in the abnormality analysis database. The abnormality occurrence prediction unit searches past information in the abnormality analysis database based on the type of failure and the latest state data associated with the failure newly generated from the mobile body, and outputs the abnormality determination result in comparison with the search result. .
本移動体異常判断支援システムにおいて、異常発生予測部は、移動体から送信された故障発生時の故障の種類と同一の故障の種類の状態データを異常分析データベースから抽出し、故障発生時の状態データと異常分析データベースから抽出した状態データとの類似度を算出し、類似度が高い状態データの異常診断結果、又はその集計値を異常判定結果として出力することができる。即ち、地上システムは、移動体で発生した故障の直近の故障情報について異常分析データベースから抽出した過去情報とのマッチング処理をして状態データの類似度を算出し、当該類似度に基づいて、発生した故障の異常診断結果を出力することができる。例えば、軽微な故障と一致した場合には、運行継続判断を返信することが可能である。また、異常発生予測部は、類似度が高い過去の故障の状態データの異常診断結果の集計値、抽出した同一の故障の種類の異常分析データベースの件数を元に信頼度を出力することができる。 In this mobile unit abnormality determination support system, the abnormality occurrence prediction unit extracts from the abnormality analysis database state data of the same failure type as the failure type transmitted from the mobile unit, and the state at the time of failure occurrence The degree of similarity between the data and the state data extracted from the abnormality analysis database can be calculated, and the abnormality diagnosis result of the state data having a high degree of similarity or the total value can be output as the abnormality determination result. That is, the ground system calculates the degree of similarity of state data by performing matching processing with the past information extracted from the anomaly analysis database for the failure information that has just occurred in the mobile object, and based on the similarity, It is possible to output an abnormality diagnosis result of the failed failure. For example, when it is coincident with a minor failure, it is possible to return an operation continuation determination. In addition, the abnormality occurrence prediction unit can output the reliability based on the aggregate value of abnormality diagnosis results of past failure state data having a high degree of similarity and the number of extracted abnormality analysis databases of the same failure type. .
本移動体異常判断支援システムにおいて、異常診断結果が、異なる二つの傾向のいずれかとの類似度が高いとの結果であること、又は異なる二つの傾向のいずれについても類似度が低いとの結果である場合には、高い類似度については当該類似度に対応した各傾向についての信頼度の高い指標とすることができ、低い類似度についてはそれなりの低い信頼度としての指標とすることができる。また、異常診断結果が、異なる二つの傾向について類似度に実質的な差がないとの結果であることに応答して、各傾向について過去の故障の状態データに基づいて得られる出現頻度を信頼度の指標とすることができる。 In this moving body abnormality determination support system, the abnormality diagnosis result is a result that the degree of similarity with one of two different tendencies is high, or that the degree of similarity is low for either of two different tendencies. In some cases, a high degree of similarity can be an index with a high degree of reliability for each tendency corresponding to the degree of similarity, and a low degree of similarity can be an indicator with a reasonable degree of reliability. In addition, in response to the fact that the abnormality diagnosis result shows that there is no substantial difference in the similarity between two different tendencies, the appearance frequency obtained based on the past failure status data for each trend is trusted. It can be a measure of degree.
本移動体異常判断支援システムにおいて、異常発生予測部は、異常判定結果を提示するモニタを備え、モニタに提示された異常判定結果に基づいて判断が下された最終的な異常判定結果を移動体に対して入力インタフェースを介して送信することができる。また、移動体は、故障の種類と状態データを蓄積する状態データ記憶部を備え、状態データ記憶部に記憶された状態データを通信装置とは別のデータ伝送メディアを用いて地上システムに対して出力し、地上システムは、複数の移動体の故障の種類及び状態データを蓄積し、蓄積した故障の種類及び状態データに基づいて異常診断結果を出力することができる。 In the mobile body abnormality determination support system, the abnormality occurrence prediction unit includes a monitor that presents an abnormality determination result, and the final abnormality determination result that has been determined based on the abnormality determination result presented on the monitor is the mobile body. Can be transmitted via the input interface. In addition, the mobile body includes a state data storage unit that accumulates the type of failure and the state data, and the state data stored in the state data storage unit is transmitted to the ground system using a data transmission medium that is different from the communication device. The ground system can output the failure type and status data of a plurality of moving bodies, and output an abnormality diagnosis result based on the stored type and status data of the failure.
本発明である移動体異常判断支援システムによれば、移動体に発生した故障の種類と故障前後の状態データについては、逐次無線通信によって地上側に送信する必要はなく、定期点検等のように定期的な時期を選んで、そのときまでに移動体側で蓄積された複数の機器の状態データを適宜に取り出して地上システム側に送信すればよい。移動体で行うデータの計測・保存では、地上システムで行う詳細分析が可能なレベルでの周期を設定して行うことも可能である。また、地上システムで行う異常判定の結果は、故障発生から異常へ至るか否かの判断が過去の事例を参照してなされるため、確度の高い異常判断が可能となる。この過去の事例の参照に際して、本発明では移動区間に応じた情報に依存する態様を採っていないので、他の移動区間の情報も含めて参照され、参照数の多いデータからより確度の高い支援を行うことが可能である。こうした移動体の故障発生時に地上システム側から異常判断について支援が受けられ、故障であっても異常に至らないであろう故障発生時の不要な停止を避けることができ、移動体の稼働率が向上する。特に移動体が列車である場合、鉄道運行サービス品質が向上する。 According to the moving object abnormality determination support system of the present invention, the type of failure that has occurred in the moving object and the state data before and after the failure do not need to be transmitted to the ground side by sequential wireless communication, as in periodic inspections, etc. It is only necessary to select a periodic time, appropriately retrieve status data of a plurality of devices accumulated on the mobile body side up to that time, and transmit them to the ground system side. The measurement and storage of data performed by a moving object can be performed by setting a cycle at a level that enables detailed analysis performed by the ground system. In addition, as a result of the abnormality determination performed by the ground system, a determination as to whether or not a failure occurs to an abnormality is made with reference to a past case, so that an abnormality determination with high accuracy is possible. When referring to these past cases, the present invention does not adopt an aspect depending on information according to the movement section, so it is referred to including information on other movement sections, and support with higher accuracy from data with a large number of references. Can be done. When such a failure occurs in the mobile unit, the ground system can assist in determining the abnormality, and even if there is a failure, it is possible to avoid an unnecessary stop when a failure occurs that would not lead to an abnormality. improves. In particular, when the moving body is a train, the railway service quality is improved.
本発明による移動体異常判断支援システムの実施の形態を、図面を参照して説明する。以下では移動体として列車を用いたシステムについて述べる。 An embodiment of a moving object abnormality determination support system according to the present invention will be described with reference to the drawings. A system using a train as a moving body is described below.
図１は、本発明の移動体異常判断支援システムのシステム構成図を示したものである。図１において、移動体異常判断支援システム１００は、移動体、即ち列車１０１と、地上システム１０２とによって構成されている。列車１０１は、列車１０１に備わる各種機器の状態を計測する計測装置１０３、計測装置１０３が計測した各種機器の状態を監視する状態監視装置１０４、状態監視装置１０４が監視した状態のデータを記憶する状態データ記憶部１０５、状態監視装置１０４の情報を運転手に表示し、運転手からの入力を受け付けるモニタ１０６、及び状態監視装置１０４と接続されており地上システム１０２とデータの送受信を行う通信装置１０７を備えている。
FIG. 1 shows a system configuration diagram of a moving object abnormality determination support system of the present invention. In FIG. 1, a moving body abnormality
地上システム１０２は、列車１０１に備わる各種機器の状態データを蓄積する状態データ蓄積部１１１、状態データ蓄積部１１１のデータから異常の有無、原因を判定する異常診断部１１２、異常診断部１１２によって分析された異常診断結果を蓄積する異常分析データベース１１３、列車と通信によってデータの送受信を行う通信装置１１４、通信装置１１４と異常分析データベース１１３とに接続されており、将来列車で異常が発生するか否かを判定する異常発生予測部１１５、及び異常発生予測部１１５の状態を地上システムの作業員に対して表示し、その入力を受け付けるモニタ１１６を備えている。
The ground system 102 is analyzed by a state
図１を用いて、移動体異常判断支援システム１００が異常判定を行う処理とデータの流れを説明する。異常判定処理を行うために、システム１００は通常時行っている通常処理と、故障発生時に行う故障発生時処理の二つの処理を備える。
With reference to FIG. 1, a description will be given of a process in which the moving object abnormality
まず、通常処理について説明する。計測装置１０３は、列車に備える機器（例えば、台車、ブレーキなど）の状態や機器が備えるセンサの状態（以下、これらの状態をまとめて「機器の状態」とし、機器の状態のデータについえては単に「状態データ」という）を取得する装置である。計測装置１０３は、状態データ、即ち、機器の時々刻々と変化する計測物理量のデータの一部又は全部を状態監視装置１０４に送る。また、計測装置１０３自身が機器のセルフヘルスチェック機能を備えていて、機器の状態コードや故障コードを状態監視装置１０４に送ってもよい。状態監視装置１０４は、計測装置１０３から送られた状態データや状態コードをモニタ１０６に表示する。
First, normal processing will be described. The measuring
状態監視装置１０４は、また、状態データを監視し、当該状態データの変化から機器の故障を検知し、故障コードを生成する。このとき機器の故障検知方法は公知の方法を用いて、例えば予め設定した上下限値の範囲を超えた場合、或いはデータが一定時間取得できない場合に故障コードを生成する。生成した故障コードは計測装置１０３が生成した故障コードと併せて、モニタ１０６に表示し、状態データと共に状態データ記憶部１０５に記憶する。状態データ記憶部１０５は、通常時の状態データ及び故障コードを記憶し蓄積する。ここで、状態データは後述する地上システムでの異常診断に用いるデータであるので、時間分解能が高い（例えば１００ｍｓｅｃ周期などの）詳細な状態データ（以下、「詳細状態データ」という）であることが必要である。
The
状態データ記憶部１０５に記憶される故障モード及び詳細状態データは、データフロー１０８を介して地上システム１０２の状態データ蓄積部１１１に蓄積される。ここで、データフロー１０８は大容量のデータを定期的に移動するフローである。地上システム１０２へのデータ伝送にあたっては、定期的に行われる列車点検時における保守員による記憶媒体を用いる方法、ケーブルを接続する方法、近接無線による方法などを用いればよい。データ転送容量に余裕があれば通信装置１０７を用いてもよい。状態データ蓄積部１１１は、複数の列車の故障モード、詳細状態データを蓄積する。異常診断部１１２は、定期的に状態データ蓄積部１１１のデータ解析や分析を行い、故障モードが記録された際の機器の異常の有無を検出する。
The failure mode and detailed state data stored in the state
ここで、上記したとおり、故障とは機器が通常の状態と異なる状態を表し、異常とは機器の故障によりシステムとして望まれない状態、機器を停止するなどして回復が必要な状態を表す。異常検出には一般的に知られるデータ解析手法を用いればよく、周波数分析、主成分分析、回帰分析等を用いて状態データの異常個所を検知し、異常原因を特定する。また人手によって異常を起こした実際の機器を観察してもよい。異常診断部１１２は、ある故障モードに対して異常が発生したか否かである異常診断結果を異常分析データベース１１３に記録する。異常分析データベースの詳細は後述するが、故障モード、異常診断結果、状態データを関連付けて記録する。
Here, as described above, a failure represents a state in which the device is different from a normal state, and an abnormality represents a state that is not desired as a system due to a device failure, or a state that requires recovery by stopping the device. A commonly-known data analysis method may be used for the abnormality detection, and the abnormality location of the state data is detected by using frequency analysis, principal component analysis, regression analysis, etc., and the cause of the abnormality is specified. Moreover, you may observe the actual apparatus which caused the abnormality manually. The
以上の通常処理によって、移動体異常判断支援システム１００は、列車１０１で計測された状態データ、故障モード、異常診断結果を関連づけて、地上システム１０２の異常分析データベース１１３に備えることができる。異常診断結果を導出するためには、大量の詳細状態データを用いた複雑な処理が必要であるため、列車１０１に備えることは困難であり、地上システム１０２が存在することによって実現できる。また、複数の列車１０１についての状態データを扱えることも地上システム１０２に異常分析データベース１１３を備えるメリットである。
Through the above normal processing, the moving body abnormality
次に、故障発生時処理について説明する。故障発生時に計測装置１０３から取得した状態データ等を用いて状態監視装置１０４にて故障モードを生成する部分までは、通常処理と共通である。故障発生時には、故障発生状況がモニタ１０６を通じて運転手に提示される。しかし運転手がその故障が運行にどの程度影響を与えるか、異常に繋がるかどうかの判断を下すことは、異常判定結果が手元に存在しないと困難である。また、異常判定結果を状態監視装置１０４で判定するには、列車１０１に大量の詳細状態データを備え、複雑な処理を備えることの困難さがある。
Next, the process when a failure occurs will be described. The part up to the generation of the failure mode in the
そこで、列車１０１は、通信装置１０７を介して地上システム１０２に故障モード、直近の状態データ１０９を送信し、地上システム１０２からは、送信された状態データ１０９に基づいて判定された異常判定結果とその信頼度１１０を受信する。この異常判定結果とその信頼度１１０によって運転手は運行継続か否かの判断が可能となる。即ち、地上システム１０２では、故障発生時の故障モード、直近状態データ１０９を通信装置１１４にて受信する。異常発生予測部１１５は、この故障モードや直近状態データ１０９と、異常分析データベース１１３に故障モードとともに記録されている異常診断部１１２がした異常診断結果とを対比して、故障発生時の故障モードに該当する過去の故障モードと異常診断結果を抽出し、その異常診断結果から当該故障モードが異常に繋がるか否かの予測結果を異常判定結果とその信頼度１１０として列車１０１に対して出力する。異常発生予測部１１５の処理の詳細については後述する。異常発生予測部１１５は、モニタ１１６を備えて、異常発生予測部１１５の出力結果を見て、保守員、あるいは運行管理者が異常判定結果、信頼度１１０を列車に送る判断をしてもよい。
Therefore, the train 101 transmits the failure mode and the
以上の故障発生時処理によって、移動体異常判断支援システム１００は、列車１０１、地上システム１０２の双方にて異常判定結果とその信頼度１１０を得て、運行継続か否かの判断が可能となる。特に、過去の事例と直近の状態データを対比することによって故障発生時の対応の信頼性が向上するため、状態データのみでは異常が検知できない場合でも運行継続判断が可能となり、結果として列車１０１の稼働率向上に繋がる。
Through the above failure occurrence processing, the moving object abnormality
図２は、地上システム１０２の異常分析データベース１１３のデータ構造を表したものである。異常分析データベース１１３は、（ａ）に示す異常分析データ２０１と、（ｂ）に示す関連する詳細状態データ２０２を備える。異常分析データ２０１は、故障モード、異常診断結果、状態データへのアクセスを定めるポインタ１〜Ｎを備える。故障モードは、故障モードを出力する機器、及びその故障の種類を表すコードを含む。異常診断結果は、異常診断部１１２が診断した結果であり、機器の異常の有無、機器異常時にはその異常の原因を含む。状態データへのポインタは、当該故障モードが関連する状態データへのポインタであり、複数の状態データ、例えば異なる機器の状態が故障に影響していれば、その機器の状態データを含んでもよい。状態データポインタは詳細状態データ２０２の当該故障モード発生箇所周辺のデータを参照する。
FIG. 2 shows the data structure of the
詳細状態データ２０２は、状態データヘッダ、故障検知時刻、状態データ列を含む。状態データヘッダは、状態データの種類等、状態データに関連する各種基本情報（状態データ列の時刻や状態データ等のアドレス等に関する基本情報）を含む。故障検知時刻は、故障モードが発生し検知した時刻を含む。故障検知時刻を含むことで、故障モード発生周辺の状態データ抽出が容易となる。状態データ列は、状態データの時系列データであり、時刻、状態データ、異常フラグを含んでいて、異常フラグが立った時間を検知時刻に対応して記憶している。異常フラグは当該時刻の状態データが異常であるか否かを判定した結果であり、異常診断部１１２が診断した結果である。
The detailed status data 202 includes a status data header, a failure detection time, and a status data string. The status data header includes various basic information related to the status data, such as the type of status data (basic information related to the time of the status data string, the address of the status data, etc.). The failure detection time includes the time when the failure mode occurs and is detected. By including the failure detection time, it becomes easy to extract state data around the failure mode occurrence. The state data string is time-series data of the state data, includes time, state data, and an abnormality flag, and stores the time when the abnormality flag is set corresponding to the detection time. The abnormality flag is a result of determining whether or not the state data at the time is abnormal, and is a result of the
図２の（ｃ）に示す２０４は、異常分析データ２０１と詳細状態データ２０２が表すデータのイメージである。２０６は、故障モードが空気圧低下であり異常診断結果が空気漏れ異常となったときの例であって、横軸を故障検知時刻２０７として状態データ列２０３を時系列グラフ（線図）として表した例であり、状態データの例としてブレーキの空気圧を挙げている。状態データ列２０３に含まれる異常フラグは、２０８のように異常が発生している状態データを表示できる（×印で異常フラグＯＮを表している）。
以上の異常分析データベース１１３を備えることにより、本発明の移動体異常判定支援システムは、故障モードと異常判定結果と状態データを関連付けて備えることが可能であり、故障モードに対する異常判定結果を抽出することを容易にしている。即ち、例えば、空気圧低下という故障モードが列車上で上がったときに、地上側では、過去に同様の事例をデータ列として簡単に読み出すことを可能にしている。
By providing the above-described
図３は、地上システム１０２の異常発生予測部１１５の処理フローを表したものである。以下、処理ステップに従い説明する。
FIG. 3 shows a processing flow of the abnormality
ステップ３０１（図中のＳ３０１に相当、以下ステップをＳとして略す）：地上システム１０２の異常発生予測部１１５は、通信によって取得した移動体（列車１０１）の故障発生時の故障モードと発生時及びその直近の機器の状態データを読み込む。
Ｓ３０２：異常分析データベース１１３から、Ｓ３０１で取得した故障モードと同一の故障モードのデータ（過去に蓄積されていたデータ；通常、図２に示すように複数個存在する）を抽出する。
Ｓ３０３：Ｓ３０２で抽出した同一故障モードのデータ件数をメモリに記憶する。
Ｓ３０４：同一故障モードのデータ件数分、以下Ｓ３１２までの処理を繰り返す。即ち、抽出された蓄積状態データＢの１件毎にＳ３１２までの処理を行う。
Ｓ３０５：故障発生時の状態データ（状態データＡ）と異常分析データベース１１３から抽出した状態データ（状態データＢ）をマッチングする。ここでマッチングとはデータの類似度を比較する処理である。マッチング対象とする状態データは、状態検知時刻を基準として前後所定の時刻数分のデータを用いる。マッチング処理として、例えばベクトルの内積を用いることができる。状態データの時系列方向をベクトルの次元として捉え、規格化した状態データＡ、状態データＢの内積をとれば、その内積の値は−１から１までの間の値を取り、値が１に近いほど類似した傾向を示すこととなる。この内積をマッチング率とする。また、内積以外にも相関係数、回帰分析の決定係数等の尺度を用いて類似度を判定してもよい。また時系列データの代わりに、フーリエ変換等によって周波数領域に変換したデータを用いてマッチングさせてもよい。
Step 301 (corresponding to S301 in the figure, the following step is abbreviated as S): The abnormality
S302: The failure mode data identical to the failure mode acquired in S301 is extracted from the abnormality analysis database 113 (data accumulated in the past; usually, there are a plurality as shown in FIG. 2).
S303: The number of data of the same failure mode extracted in S302 is stored in the memory.
S304: The process up to S312 is repeated for the number of data in the same failure mode. That is, the processing up to S312 is performed for each piece of the accumulated state data B extracted.
S305: The state data (state data A) at the time of failure occurrence is matched with the state data (state data B) extracted from the
Ｓ３０６：Ｓ３０５で取得したマッチング率をメモリに記憶する。
Ｓ３０７：マッチング率が予め指定された閾値以上か否かを判定する。マッチング率が閾値以上であれば処理はＳ３０８に、小さければＳ３０９に進む。
Ｓ３０８：マッチング率が閾値以上であれば、状態データＡと状態データＢは類似していると判断し、「マッチング」としてメモリに記憶する。
Ｓ３０９：マッチング率が閾値未満であれば、状態データＡと状態データＢは類似していないと判断し、「アンマッチング」としてメモリに記憶する。
S306: The matching rate acquired in S305 is stored in the memory.
S307: It is determined whether or not the matching rate is equal to or higher than a predetermined threshold value. If the matching rate is equal to or greater than the threshold, the process proceeds to S308, and if it is smaller, the process proceeds to S309.
S308: If the matching rate is equal to or higher than the threshold value, it is determined that the state data A and the state data B are similar, and is stored in the memory as “matching”.
S309: If the matching rate is less than the threshold value, it is determined that the state data A and the state data B are not similar, and is stored in the memory as “unmatching”.
Ｓ３１０：状態データＢについて記憶されている異常診断結果が「異常あり」であったか「異常なし」であったかを記憶する。異常診断結果が「異常あり」であればＳ３１１に進み、「異常あり」としてメモリに記憶する。異常診断結果が「異常なし」（＝正常）であればＳ３１２に進み、「異常なし」としてメモリに記憶する。
以上のＳ３０４以下の状態データＢに対する処理は終了する。この結果、状態データＡは、状態データＢの１件毎に対して、「異常あり」と「マッチング」／「アンマッチング」、「異常なし」と「マッチング」／「アンマッチング」の４パターンのいずれかに分類できる。
S310: Stores whether the abnormality diagnosis result stored for the state data B is “abnormal” or “no abnormality”. If the abnormality diagnosis result is “abnormal”, the process proceeds to S311 and is stored in the memory as “abnormal”. If the abnormality diagnosis result is “no abnormality” (= normal), the process proceeds to S312 and is stored in the memory as “no abnormality”.
The processing for the status data B from S304 onward ends. As a result, the status data A has four patterns of “abnormal” and “matching” / “unmatching”, “no abnormality” and “matching” / “unmatching” for each status data B. Can be classified as either.
Ｓ３１３：状態データＡの状態データＢに対するマッチング件数、異常診断結果から信頼度を算出する。ここで、状態データＡは故障検知直後までのデータであるので、マッチング対象となるのは大半が故障検知直前までのデータである。即ち、マッチング率が表すのは、状態データＢに対する故障検知直前までの類似度である。ある故障モードに対して、故障検知直前までの状態データＡに正常と異常で異なる傾向が現れているならば、現在の状態データＡと過去の各状態データＢとのマッチング率の計算結果においては、異常診断結果としては、異なる二つの傾向のそれぞれとのマッチング率が高くなることが予想され、「異常なし」かつ「マッチング」、「異常あり」かつ「マッチング」のどちらか一方に件数が集まり、この件数を信頼度の指標として状態データＡは「異常なし」、または「異常あり」と予測できる。 S313: The reliability is calculated from the number of matching of the state data A with the state data B and the abnormality diagnosis result. Here, since the state data A is data up to immediately after failure detection, most of the data to be matched is data up to immediately before failure detection. That is, the matching rate represents the degree of similarity up to the state data B immediately before the failure detection. If a tendency that is different from normal and abnormal appears in the state data A immediately before the failure detection for a certain failure mode, in the calculation result of the matching rate between the current state data A and each past state data B, As an abnormality diagnosis result, it is expected that the matching rate with each of the two different tendencies will be high, and the number of cases will be collected in either “no abnormality” and “matching”, “abnormal” and “matching”. The state data A can be predicted to be “no abnormality” or “abnormal” using the number of cases as an index of reliability.
一方、ある故障モードに対して、故障検知直前までの状態データＡに正常と異常で差がない場合、「異常なし」かつ「マッチング」と、「異常あり」かつ「マッチング」との両方の件数のデータが集まる。即ち、この場合には、状態データＡについて想定される「異常なし」と「異常あり」の比率は、過去の事例（状態データＢ）における「異常なし」と「異常あり」の出現頻度に近い比率となるはずである。換言すれば、状態データＡに正常と異常で差がない場合には、過去の事例ベースで判断してもよいということを判断支援することができる。しかし、ここでマッチング後の「異常あり」のケースが皆無であれば、過去の事例でも「異常なし」かつ状態データのマッチングによって「異常なし」に遷移することが計測データからも統計的に高信頼に予測できる。よって「異常なし」の信頼度を高めることが可能である。また、さらに「アンマッチング」が多い場合（過去に事例がないようなデータのパターンを示すケース）は、例え過去に異常がなかったとしても今後異常に発展する可能性は否定しずらく、この「アンマッチング」の件数も信頼性の指標として利用できる。また、そもそもの過去の同一故障モードの件数自体が少なければ、信頼に足らない結果となりうる。 On the other hand, if there is no difference between normal and abnormal status data A up to just before the failure detection for a certain failure mode, the number of both “no abnormality” and “matching” and “abnormal” and “matching” Collect data. That is, in this case, the ratio of “no abnormality” and “abnormal” assumed for the state data A is close to the appearance frequency of “no abnormality” and “abnormal” in the past case (state data B). Should be a ratio. In other words, when there is no difference between normal and abnormal in the state data A, it can be determined and supported that the determination may be made based on past cases. However, if there is no case of “abnormal” after matching here, it is statistically higher from the measurement data that the past case also transitions to “no abnormality” and “no abnormality” by matching the state data. Can be predicted with confidence. Therefore, the reliability of “no abnormality” can be increased. In addition, if there are more “unmatching” cases (cases of data patterns that have no examples in the past), it is difficult to deny the possibility that they will develop abnormally even if there are no abnormalities in the past. The number of “unmatching” cases can also be used as an indicator of reliability. In addition, if the number of the same failure modes in the past is small, an unreliable result can be obtained.
以上の論理から、（１）過去の同一故障モード件数、（２）「異常なし」「マッチング」件数、「異常あり」「マッチング」件数、及び（３）「アンマッチング」件数の少なくとも一つを信頼度として算出する。
Ｓ３１４：Ｓ３１３で求めた信頼度に基づき、状態データＡに対する異常判定結果を出力する。
From the above logic, at least one of (1) the number of the same failure mode in the past, (2) “no abnormality”, “matching”, “abnormal”, “matching”, and (3) “unmatching” Calculated as reliability.
S314: Based on the reliability obtained in S313, an abnormality determination result for the state data A is output.
図４は、異常発生予測部の判定例を示したものである。図４は一例としてブレーキの空気圧低下のケースを示しており、４０１は判定対象となるケースの状態データ（「判定対象ケース」であって列車１０１で発生した故障の状態データ）、４０２は異常分析データベースに含まれる「異常なし」ケースの例、４０３は「異常あり」ケースＮの例である（ケース２からケース（Ｎ−１）までの掲載を省略している）。また、ここで示した状態データは、図２の（ｃ）である２０４に示したグラフと同様の表現を表している。４０４はケース４０１のケース４０２に対するマッチング率を表しており、４０５はケース４０１のケース４０３に対するマッチング率を表している。また集計結果である信頼度は４０６に示している。ここで、異常判定結果としては、マッチング率の高い（９５％）方のケースが採用され、当該高いマッチング率が信頼度の指標とされる。
FIG. 4 shows a determination example of the abnormality occurrence prediction unit. FIG. 4 shows, as an example, a case where the brake air pressure decreases, 401 is state data of a case to be judged (“judgment case” and state data of a failure that occurred in the train 101), and 402 is an abnormality analysis. An example of “no abnormality” case included in the database, 403 is an example of case “abnormal” case N (cases 2 to (N−1) are omitted). Further, the state data shown here represents the same expression as the graph shown at 204 in FIG.
本故障モードの一例は、故障検知時に一時的に空気圧が低下したが、過去の事例では「異常なし」「異常あり」に分かれている例であるが、判定対象ケース４０１の状態データは、「異常なし」の状態データとのマッチング率が高い例である。この場合、集計結果にもあるように、「異常なし」へのマッチング率が高く、「異常あり」へのマッチング率が皆無であるため、結果として高い信頼度で「異常なし」と判定することができるケースである。
An example of this failure mode is an example in which the air pressure has temporarily dropped when a failure is detected, but in the past cases, it is divided into “no abnormality” and “abnormal”, but the status data of the
図５は、異常発生予測部の判定支援画面例である。本画面は保守員又は運行管理者が実際に状態データ、過去の事例を参考にして異常判定の判断を支援する地上システム１０２側のモニタ１１６に映し出される画面の例である。画面５０１は、故障モード５０２、発生時刻及び経過時間５０３のように判断の支援となる情報を含み、５０４は判定対象となる故障の状態データ及び比較対照となる過去の事例の状態データを重ねて表現したもの、５０５乃至５０９は過去の事例の状態データである。５０５から５０９はマッチングの一致度、或いは異常の有無を基準に順序、表示サイズを変更する（図示の例では、マッチング率の高い方の二つの状態データを大きく、マッチング率の低い方の三つの状態データを小さく示している）。また、５０５から５０９を比較対照として選択することによって、５０４の画面上にて同一時系列グラフ上で評価する機能を与える。更に５１０に信頼度の表示機能を備えて各種情報を参考可能とし、異常判定５１１ボタン又は異常なし判定５１２ボタンを備えて保守員又は運行管理者が判断を下す機能を備える。例えば「異常あり」の過去の事例を５０５から５０９の上位に配置すれば、５０４で「異常あり」と優先的に比較することが可能となり、もし「異常あり」に近い状態データが出現すれば早い段階で異常判定を下し、列車停止が可能となる。
以上のような地上システムでの判定支援画面を備えることにより、保守員または運行管理者は迅速、かつ信頼度の高い異常判定を支援することができ、判断結果は異常判定結果、信頼度１１０として列車１０１に対して出力される。
FIG. 5 is an example of a determination support screen of the abnormality occurrence prediction unit. This screen is an example of a screen that is displayed on the
By providing the above-described determination support screen in the ground system, the maintenance staff or the operation manager can support quick and reliable abnormality determination, and the determination result is the abnormality determination result and the
図６は、移動体の状態監視装置の画面例である。図６に示す画面６０１は、図５に示す判定支援画面で行われた地上側の支援結果を受けて、運転手が故障モード及び異常判定結果を信頼度とともに確認する画面の例である。画面６０１は、故障発生時刻及び経過時間６０２、列車１０１の故障発生部位６０３、故障モード６０４を表示する。画面６０１は、更に、地上側システム１０２の異常判定結果６０５、及びその信頼度６０６を表示する機能を備え、各種情報を元に故障発生時の運転再開判断を支援する。また、地上側の異常判定結果に対して、確認６０７又は拒否６０８を示す機能を備え、地上システム１０２に対して連絡する。
FIG. 6 is an example of a screen of the moving body state monitoring device. A
以上のような移動体での判定支援画面を備えることにより、運転手は高い信頼性をもって運行再開判断を下すことが可能となる。 By providing the determination support screen for the moving body as described above, the driver can make the operation resumption determination with high reliability.
また、上記の実施例では、地上側で故障要因の分析を行い、得られた異常判定結果を移動体側に送信しているのが、故障時直近の状態データのみで故障要因が判定可能であれば、異常判定ロジックを移動体側に搭載することで、遅滞無く、故障要因を移動体のシステムに告知させることができる。更に、上記実施例では移動体として列車、及び鉄道車両運行を中心に述べたが、他の異常診断システム、特に、オンライン、オフラインでデータ収集に制約のある移動体、例えば、運行管理者によって運転が支援される交通サービスである船舶、航空、あるいは鉱山機械の建設機械にも適用可能である。 In the above embodiment, the cause of failure is analyzed on the ground side, and the obtained abnormality determination result is transmitted to the mobile unit. However, it is possible to determine the cause of failure only with the status data nearest to the failure. For example, by mounting the abnormality determination logic on the mobile body side, the cause of the failure can be notified to the mobile body system without delay. Furthermore, in the above-described embodiment, trains and railway vehicle operations have been mainly described as mobile objects. However, other abnormality diagnosis systems, particularly online and offline mobile objects with limited data collection, for example, operation by operation managers. It can also be applied to ships, aviation, and mining machinery construction machinery, which are supported transportation services.
１００ 移動体異常判断支援システム １０１ 移動体、列車
１０２ 地上システム １１２ 異常診断部
１１３ 異常分析データベース １１５ 異常発生予測部
２０４ 異常分析データベースのデータ例
５０１ 地上システムでの判断支援画面例
６０１ 移動体、列車での判断支援画面例
DESCRIPTION OF
Claims (7)
前記移動体は、当該移動体に備える各種機器の状態を計測する計測装置と、前記計測装置が計測した前記各種機器の状態データを用いて故障発生を検知する状態監視装置と、前記地上システムに当該発生した故障の種類と故障前後の状態データを送信し、前記地上システムからの異常判定結果を受信する通信装置とを備え、
前記地上システムは、前記移動体とデータを送受信する通信装置と、移動体の過去の故障の種類及び状態データを蓄積する蓄積部と、前記過去の故障の状態データを分析するとともに当該故障が異常であるか否かを判定した異常診断結果を出力する異常診断部とを備える、
移動体異常判断支援システムにおいて、
前記地上システムは、更に、
前記過去の故障の種類と前記異常診断部が出力した前記異常診断結果と前記状態データとを関連付けて記憶する異常分析データベースと、
前記移動体から送信された前記故障発生時の前記故障の種類と同一の故障の種類の状態データを前記異常分析データベースから抽出し、前記故障発生時の前記状態データと前記異常分析データベースから抽出した前記状態データとの類似度を算出し、前記類似度が高い状態データと関連付けられた前記異常分析データベースの異常診断結果、又はその集計値を異常診断結果として出力すると共に、前記類似度が閾値よりも高いと判定された前記異常分析データベースの複数の状態データが「異常あり」である件数及び「異常なし」である件数、前記異常分析データベースに記憶された過去の同一故障の件数、前記類似度が閾値よりも低いと判定された件数、のすくなくとも一つに基づき信頼度を生成し、前記信頼度を出力する異常発生予測部と、を備え、
前記地上システムの通信装置は、前記異常判定結果及び信頼度を前記移動体に送信することを特徴とする移動体異常判断支援システム。 Including moving objects and ground systems,
The moving body includes a measuring device that measures states of various devices included in the moving body, a state monitoring device that detects occurrence of a failure using state data of the various devices measured by the measuring device, and the ground system. A communication device that transmits the type of failure that occurred and state data before and after the failure, and receives an abnormality determination result from the ground system,
The ground system analyzes a communication device that transmits / receives data to / from the mobile unit, a storage unit that stores types and state data of past failures of the mobile unit, and analyzes the state data of the past failures, and the failure is abnormal. An abnormality diagnosis unit that outputs an abnormality diagnosis result that determines whether or not
In the mobile object abnormality determination support system,
The ground system further includes:
An abnormality analysis database for storing the abnormality diagnosis result output by the abnormality diagnosis unit and the abnormality diagnosis result in association with the state data;
The same type of failure status data and the type of the failure when the failure transmitted from the mobile extracted from the fault analysis databases, extracted from the fault analysis databases and the state data at the time of the failure occurrence The similarity with the state data is calculated, the abnormality diagnosis result of the abnormality analysis database associated with the state data with the high similarity is output, or the total value thereof is output as the abnormality diagnosis result, and the similarity is less than a threshold value. The number of cases in which the plurality of state data of the abnormality analysis database determined to be high is “abnormal” and “no abnormality”, the number of past identical failures stored in the abnormality analysis database, the similarity There generates a low and the determined number, at least one the basis of reliability than the threshold value, the abnormality occurrence prediction unit which outputs the reliability , Equipped with a,
The communication device of the ground system transmits the abnormality determination result and the reliability to the mobile body, and the mobile body abnormality determination support system is characterized.
前記地上システムは、複数の移動体の前記故障の種類及び前記状態データを蓄積し、蓄積した前記故障の種類及び前記状態データに基づいて前記異常診断結果を出力することを特徴とする請求項１記載の移動体異常判断支援システム。 The mobile unit includes a state data storage unit that accumulates the type of failure and state data, and the ground data is stored in the state data storage unit using a data transmission medium different from the communication device. Output against
The terrestrial system, according to claim 1 which stores the type and the status data of the failure of a plurality of mobile, and outputs the diagnosis result based on the type of the accumulated the failure and the status data The moving body abnormality determination support system described.
The mobile body includes a monitor that presents the abnormality determination result received from the ground system, and an interface through which a final determination of availability of operation is input based on the presented abnormality determination result. The moving body abnormality determination support system according to claim 1.
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2010067899A JP5416630B2 (en) | 2010-03-24 | 2010-03-24 | Moving object abnormality judgment support system |
| GB1214932.4A GB2491291B (en) | 2010-03-24 | 2011-02-16 | System for supporting determination of abnormality of moving object |
| PCT/JP2011/053234 WO2011118290A1 (en) | 2010-03-24 | 2011-02-16 | System for supporting determination of abnormality of moving object |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2010067899A JP5416630B2 (en) | 2010-03-24 | 2010-03-24 | Moving object abnormality judgment support system |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2011201336A JP2011201336A (en) | 2011-10-13 |
| JP5416630B2 true JP5416630B2 (en) | 2014-02-12 |
Family
ID=44672863
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2010067899A Active JP5416630B2 (en) | 2010-03-24 | 2010-03-24 | Moving object abnormality judgment support system |
Country Status (3)
| Country | Link |
|---|---|
| JP (1) | JP5416630B2 (en) |
| GB (1) | GB2491291B (en) |
| WO (1) | WO2011118290A1 (en) |
Families Citing this family (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5856935B2 (en) * | 2012-09-14 | 2016-02-10 | 株式会社日立製作所 | Train control system |
| JP5970327B2 (en) * | 2012-10-12 | 2016-08-17 | 公益財団法人鉄道総合技術研究所 | Abnormality detection apparatus, information processing apparatus, and abnormality detection system |
| JP6007065B2 (en) * | 2012-10-30 | 2016-10-12 | 株式会社日立製作所 | Railway vehicle maintenance system |
| US9037320B1 (en) * | 2014-01-29 | 2015-05-19 | The Boeing Company | Unscheduled maintenance disruption severity and flight decision system and method |
| US9471452B2 (en) | 2014-12-01 | 2016-10-18 | Uptake Technologies, Inc. | Adaptive handling of operating data |
| JP6293697B2 (en) * | 2015-03-27 | 2018-03-14 | 三菱電機株式会社 | Device diagnostic apparatus and device diagnostic method |
| WO2017168940A1 (en) * | 2016-03-31 | 2017-10-05 | 株式会社日立製作所 | Data integration and analysis system |
| JP6805580B2 (en) | 2016-06-30 | 2020-12-23 | 住友電気工業株式会社 | Communication equipment, communication systems and communication programs |
| KR102124994B1 (en) * | 2016-12-26 | 2020-06-19 | 미쓰비시덴키 가부시키가이샤 | Recovery support system |
| WO2018122928A1 (en) * | 2016-12-26 | 2018-07-05 | 三菱電機株式会社 | Recovery support system |
| JP6984265B2 (en) * | 2017-09-15 | 2021-12-17 | 日本電気株式会社 | Information processing equipment, information processing methods, and programs |
| WO2019064725A1 (en) * | 2017-09-29 | 2019-04-04 | 日本電産株式会社 | Power conversion device, motor module, and electric power steering device |
| WO2020166253A1 (en) * | 2019-02-13 | 2020-08-20 | 日立オートモティブシステムズ株式会社 | Vehicle control device and electronic control system |
| EP4129742A4 (en) | 2020-03-30 | 2023-05-24 | Mitsubishi Electric Corporation | Data extraction device, data extraction method, and data extraction program |
| CN114756299A (en) * | 2022-04-21 | 2022-07-15 | 国汽智控(北京)科技有限公司 | Vehicle fault processing method and device, electronic device and storage medium |
| WO2024080045A1 (en) * | 2022-10-11 | 2024-04-18 | 住友電気工業株式会社 | Detecting device, detecting system, detecting method, and detecting program |
Family Cites Families (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4583594B2 (en) * | 2000-12-28 | 2010-11-17 | 富士重工業株式会社 | Vehicle management system |
| JP4600795B2 (en) * | 2001-03-26 | 2010-12-15 | マツダ株式会社 | Vehicle remote diagnosis method, vehicle remote diagnosis system, vehicle control device, vehicle remote diagnosis device, and computer program |
| JP2003331087A (en) * | 2002-05-13 | 2003-11-21 | Honda Motor Co Ltd | Demand forecast system for repair component |
| JP2004272375A (en) * | 2003-03-05 | 2004-09-30 | Mazda Motor Corp | Remote failure prediction system |
| JP4281049B2 (en) * | 2003-03-28 | 2009-06-17 | マツダ株式会社 | Remote fault diagnosis system and control method thereof |
| JP2005063385A (en) * | 2003-08-20 | 2005-03-10 | Kobe Steel Ltd | Monitoring method, monitoring apparatus and program |
| JP2008059102A (en) * | 2006-08-30 | 2008-03-13 | Fujitsu Ltd | Program for monitoring computer resource |
| JP4830805B2 (en) * | 2006-11-20 | 2011-12-07 | マツダ株式会社 | In-vehicle communication device |
| JP5113405B2 (en) * | 2007-03-06 | 2013-01-09 | 三菱電機株式会社 | Moving body information analyzing apparatus and moving body information analyzing method |
| JP4544325B2 (en) * | 2008-03-25 | 2010-09-15 | 株式会社デンソー | In-vehicle device |
| JP4761276B2 (en) * | 2008-07-10 | 2011-08-31 | 東芝エレベータ株式会社 | Abnormality diagnosis system for passenger conveyor |
| JP4826609B2 (en) * | 2008-08-29 | 2011-11-30 | トヨタ自動車株式会社 | Vehicle abnormality analysis system and vehicle abnormality analysis method |
| CN102099795B (en) * | 2008-09-18 | 2014-08-13 | 日本电气株式会社 | Operation management device, operation management method, and operation management program |
-
2010
- 2010-03-24 JP JP2010067899A patent/JP5416630B2/en active Active
-
2011
- 2011-02-16 GB GB1214932.4A patent/GB2491291B/en not_active Expired - Fee Related
- 2011-02-16 WO PCT/JP2011/053234 patent/WO2011118290A1/en active Application Filing
Also Published As
| Publication number | Publication date |
|---|---|
| GB2491291A (en) | 2012-11-28 |
| GB201214932D0 (en) | 2012-10-03 |
| GB2491291B (en) | 2015-06-03 |
| JP2011201336A (en) | 2011-10-13 |
| WO2011118290A1 (en) | 2011-09-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5416630B2 (en) | Moving object abnormality judgment support system | |
| TWI691420B (en) | Anomaly diagnosis device, anomaly diagnosis method, and computer program | |
| JP5454671B2 (en) | Failure cause diagnosis system and method | |
| US6813581B1 (en) | Statistical and trend analysis of railroad bearing temperatures | |
| JP5473226B2 (en) | Aircraft engine monitoring method | |
| EP1242923B1 (en) | A process for the monitoring and diagnostics of data from a remote asset | |
| WO2014207789A1 (en) | Status monitoring device | |
| US20210217256A1 (en) | Method and Apparatus for Diagnosing and Monitoring Vehicles, Vehicle Components and Routes | |
| US20110010130A1 (en) | Health management systems and methods with predicted diagnostic indicators | |
| WO2008034583A1 (en) | Diagnostic system and method for monitoring a rail system | |
| JP6540531B2 (en) | Monitoring device and control method of monitoring device | |
| CN110414154A (en) | A kind of detection of fan part temperature anomaly and alarm method with double measuring points | |
| US8175818B2 (en) | Device and method of monitoring an environmental parameter in real time | |
| Shimada et al. | A statistical approach to reduce failure facilities based on predictive maintenance | |
| CN110582626A (en) | System and method for monitoring a turbomachine with anomaly detection corrected by a wear factor | |
| KR102516227B1 (en) | A system for predicting equipment failure in ship and a method of predicting thereof | |
| KR20200058132A (en) | Railway vehicle major component and system diagnosis apparatus | |
| CN109625025B (en) | BTM equipment early warning system | |
| JP6007065B2 (en) | Railway vehicle maintenance system | |
| KR102448793B1 (en) | Railway condition-based maintenance prediction system using complex interlocking device | |
| JP6916632B2 (en) | Anomaly detection method for railway vehicle compressors | |
| JP6825259B2 (en) | Abnormality notification device and abnormality notification method | |
| KR20230125116A (en) | The method for fault detection without training data or diagnosis with prediction of remaining time until breakdown using clustering algorithm and statistical methods | |
| JP2005146905A5 (en) | ||
| KR101669401B1 (en) | System for Previous Warning of Test Apparatus |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20120117 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130521 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130718 |
|
| 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: 20131112 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20131115 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 5416630 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |