JP6010059B2 - Equipment maintenance burden evaluation method and apparatus - Google Patents
Equipment maintenance burden evaluation method and apparatus Download PDFInfo
- Publication number
- JP6010059B2 JP6010059B2 JP2014025112A JP2014025112A JP6010059B2 JP 6010059 B2 JP6010059 B2 JP 6010059B2 JP 2014025112 A JP2014025112 A JP 2014025112A JP 2014025112 A JP2014025112 A JP 2014025112A JP 6010059 B2 JP6010059 B2 JP 6010059B2
- Authority
- JP
- Japan
- Prior art keywords
- calculation unit
- diversity
- facility
- unit area
- area
- 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
- 238000012423 maintenance Methods 0.000 title claims description 101
- 238000011156 evaluation Methods 0.000 title claims description 60
- 238000004364 calculation method Methods 0.000 claims description 211
- 238000012216 screening Methods 0.000 claims description 29
- 238000003860 storage Methods 0.000 claims description 29
- 239000013598 vector Substances 0.000 claims description 12
- 230000005484 gravity Effects 0.000 claims description 10
- 238000000034 method Methods 0.000 description 37
- 238000009826 distribution Methods 0.000 description 23
- 238000012545 processing Methods 0.000 description 22
- 230000008569 process Effects 0.000 description 21
- 230000006870 function Effects 0.000 description 18
- 230000008439 repair process Effects 0.000 description 18
- 238000004891 communication Methods 0.000 description 17
- 230000006866 deterioration Effects 0.000 description 10
- 238000007689 inspection Methods 0.000 description 9
- 238000012854 evaluation process Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000009434 installation Methods 0.000 description 4
- 230000032683 aging Effects 0.000 description 3
- 238000009792 diffusion process Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 238000012913 prioritisation Methods 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本発明は、分散設置された種類や状態の異なる各設備のメンテナンスに要する負担を、算出単位エリアごとに総合的に評価するためのメンテナンス負担評価技術に関する。 The present invention relates to a maintenance burden evaluation technique for comprehensively evaluating, for each calculation unit area, a burden required for maintenance of each facility that is distributed and installed in different types and states.
現代社会は様々な機能を保持した設備群によって維持されている。特にインフラストラクチャ設備は全国に設置されており、その種類や数は膨大である。
これらの設備が所定の機能を維持するよう、メンテナンス計画が策定され、実施されている。しかし、インフラストラクチャ設備の多くは高度成長期に集中的に整備されており、老朽化に伴うメンテナンスコストの増大が問題となっている。
Modern society is maintained by a group of equipment with various functions. In particular, infrastructure facilities are installed throughout the country, and the types and number of them are enormous.
A maintenance plan is formulated and implemented so that these facilities maintain a predetermined function. However, many infrastructure facilities are intensively maintained during the high-growth period, and the increase in maintenance costs due to aging is a problem.
インフラストラクチャ設備のような面的に大量に設置されている設備において、メンテナンスの効率性を上げ、コストをできるだけ小さくするために、設備が地理的に集中して設置され、かつ必要な補修方法等が比較的多様ではないエリアを把握し、順位付け等が行える情報は有益である。なぜならば、このようなエリアは、点検や補修等を行う際に設備から設備への移動距離が小さくなることから、単位時間当たりの実質的なメンテナンス時間の割合を上げることができ、かつ補修等に必要な機材や対応する専門作業員・専門委託業者等の種類が少ないため、準備やコスト面で比較的負担が少ないからである。 In facilities that are installed in large quantities, such as infrastructure equipment, in order to increase maintenance efficiency and minimize costs, the equipment is installed in a geographically concentrated manner and the necessary repair methods, etc. Information that can grasp and rank areas that are not relatively diverse is useful. This is because in such areas, the distance traveled from equipment to equipment becomes smaller when performing inspections, repairs, etc., so the ratio of substantial maintenance time per unit time can be increased, and repairs, etc. This is because there are relatively few types of equipment, specialized workers, contracted contractors, etc. necessary for the preparation, so there is relatively little burden on preparation and costs.
このような、空間的関係性を考慮した分散配置型設備の評価に資する情報を得る場合、まず一般的に考えられるのは、設備の設置数等の空間的な密度情報を活用することである。例えば、ある一定の広さおよび形状の算出単位エリアごとに、設置されている対象設備の数を算出し、これを比較することでメンテナンスの重要度や負担を把握する手法がある。
しかし、こうした密度情報は、実際にひとつひとつの設備を人がチェックしてまわるような場合には、効率を上げるのに必ずしも貢献しない。なぜならば、同じ密度であっても、各算出単位エリア内における実際の設備の分布状態には差があるからである。
When obtaining information that contributes to the evaluation of such distributed equipment that takes into account such spatial relationships, the first general idea is to use spatial density information such as the number of installed equipment. . For example, there is a method of calculating the number of target facilities installed for each calculation unit area of a certain area and shape, and comparing them to grasp the importance and burden of maintenance.
However, such density information does not necessarily contribute to increasing the efficiency when a person actually checks each piece of equipment. This is because even with the same density, there is a difference in the distribution state of the actual equipment in each calculation unit area.
図６は、設備の分布例を示す説明図である。図６において、図中の点が設備を表すとすると、図６（ａ）、図６（ｂ）とも同じ密度（１０設備／算出単位エリア）であるが、実際にはｂの方が密集しており、算出単位エリア内のすべての設備を一度にチェックしてまわる場合、総移動距離は明らかに図６（ｂ）の方が小さい。また、このような移動距離を計測する既往の手法として、道路データ等を活用したネットワーク解析がある。 FIG. 6 is an explanatory diagram showing an example of facility distribution. In FIG. 6, if the points in the figure represent equipment, the density is the same in both FIG. 6 (a) and FIG. 6 (b) (10 equipment / calculation unit area), but actually b is more dense. When all the facilities in the calculation unit area are checked at once, the total movement distance is clearly smaller in FIG. 6B. Moreover, there is a network analysis using road data or the like as a conventional method for measuring such a moving distance.
通常、このような手法は道路のようなネットワークデータがあることが前提となるが、実際にはデータが容易かつ安価に入手できるのは都市圏とその周辺に限られている。また、インフラストラクチャ設備のような都市圏とその周辺以外の地域にも大量に設置されているものの場合、ネットワークデータの不備や入手性の悪さが問題となる。さらに、道路のような明確なアクセス経路がない場所に設置されている設備に対しても不適である。 Usually, such a method is based on the premise that there is network data such as roads, but in reality, data can be obtained easily and inexpensively only in and around the metropolitan area. In addition, in the case of a large amount installed in an urban area such as an infrastructure facility and other areas other than the surrounding area, incomplete network data and poor availability are problems. It is also unsuitable for equipment installed in places where there is no clear access route such as roads.
従来、上記のような密度ではなく、ある一定空間内における分布の粗密（集塊・集密の程度）を表す指標である最近隣測度を活用した技術がある（例えば、非特許文献１など参照）。この最近隣測度は、ある範囲に存在する点（例えば設備を意味する）の分布状態について、理想的なランダム分布（ポワソン分布）からどの程度乖離しているかを、０から２．１４９の間の数値Ｒで表すものである。Ｒ＜１のときに集密型、Ｒ≒１のときにランダム型、Ｒ＞１のときに拡散型となる。これにより、各算出単位エリア内における設備の分布特性を類型的に把握することができる。 Conventionally, there is a technique that utilizes a nearest neighbor measure that is an index representing the density (aggregation / concentration level) of a distribution in a certain space instead of the above-described density (see, for example, Non-Patent Document 1) ). This nearest neighbor measure indicates the degree of deviation from an ideal random distribution (Poisson distribution) between 0 and 2.149 with respect to the distribution state of points existing in a certain range (for example, equipment). It is represented by the numerical value R. A density type is selected when R <1, a random type when R≈1, and a diffusion type when R> 1. Thereby, the distribution characteristics of the facilities in each calculation unit area can be grasped in a typical manner.
しかしながら、このような従来技術によれば、分散設置された、種類や状態の異なる各設備のメンテナンスに要する負担を、算出単位エリアごとに総合的に評価できず、結果として、予算や日程など限られたリソースの範囲内で、より多くのエリアのより多くの設備をメンテナンスするための優先順位付けを、正確に行うことができないという問題点があった。 However, according to such conventional technology, it is not possible to comprehensively evaluate the load required for maintenance of each facility of different types and conditions installed in a distributed manner, and as a result, the budget and schedule are limited. There is a problem that the prioritization for maintaining more facilities in more areas cannot be performed accurately within the scope of the allocated resources.
前述した最近隣測度は、通常、都道府県や市区町村等の行政界や、ＪＩＳＸ０４１０で定められ、地理的統計でよく用いられる地域メッシュ、例えば一辺の長さが約１ｋｍの第３次メッシュで定められるエリアを算出単位エリアとしている。このため、設備が集密しているエリアが複数の算出単位エリアにまたがると、算出されたＲの数値では、集密している真のエリアを把握できない場合がある。 The nearest neighbor measure described above is usually an administrative boundary such as a prefecture or a municipality, or a regional mesh that is defined in JISX0410 and is often used in geographical statistics, for example, a third mesh having a side length of about 1 km. The determined area is the calculation unit area. For this reason, when an area where facilities are concentrated extends over a plurality of calculation unit areas, the calculated area of R may not be able to grasp the true area where the facilities are concentrated.
図７は、設備分布と算出単位エリアとの関係を示す説明図である。図７の例では、全体が４つのメッシュに区分され、それぞれのメッシュにおいて最近隣測度Ｒが算出されている。このうちメッシュ１ＡはＲ＝２．０３で拡散分布、メッシュ２ＡはＲ＝０．９１でランダム分布、メッシュ１Ｂとメッシュ２ＢがＲ＝０．２５でともに集密分布となる。したがって、Ｒの算出結果だけで判断すると、４つのメッシュのうち、メッシュ１Ｂとメッシュ２Ｂの２つが集密分布となり、点の分布に偏りがあると判断される。 FIG. 7 is an explanatory diagram showing the relationship between the equipment distribution and the calculation unit area. In the example of FIG. 7, the whole is divided into four meshes, and the nearest neighbor measure R is calculated for each mesh. Among them, the mesh 1A has a diffusion distribution with R = 2.03, the mesh 2A has a random distribution with R = 0.91, and the mesh 1B and the mesh 2B have both a dense distribution with R = 0.25. Therefore, judging only from the calculation result of R, it is determined that two of the four meshes, mesh 1B and mesh 2B, have a dense distribution, and the point distribution is biased.
しかし、実際には、図７からわかるように、４つのメッシュが接する中心付近（図中の破線部分）のエリアを最も集密度が高い部分とする評価が望ましい。また、真の集密エリアを構成するメッシュとして、最近隣測度Ｒの算出結果からはランダム分布と判断されるメッシュ２Ａも寄与していることがわかる。また、最近隣測度Ｒは算出単位エリアごとの集密度を表すものであることから、その算出単位エリア内のどこで点が集密しているかは示さない。
したがって、従来技術によれば、算出単位エリアと設備との位置関係によって、最近隣測度が大きく変化するため、実際の設備の分布状態を正確に評価することができない。
However, in practice, as can be seen from FIG. 7, it is desirable to evaluate the area near the center (broken line portion in the figure) where the four meshes contact each other as the portion with the highest density. Further, it can be seen that the mesh 2A determined as a random distribution from the calculation result of the nearest neighbor measure R also contributes as a mesh constituting the true density area. Further, since the nearest neighbor measure R represents the density of each calculation unit area, it does not indicate where the points are concentrated in the calculation unit area.
Therefore, according to the prior art, the nearest neighbor measure varies greatly depending on the positional relationship between the calculation unit area and the facility, and thus the actual distribution state of the facility cannot be accurately evaluated.
また、インフラストラクチャ設備のような大量の設備を維持管理する場合、その状態（劣化程度等）に対して、ある基準に従って決定される離散的な「ランク」を付与し、ランクに応じて必要な対処が規定されていることが多い。すなわち、過去あるいは最新点検時のランクに応じて、その設備に必要な補修や人員等を決定することができる。この特徴を活用すれば、点検データ等を用いて、算出単位エリアごとの補修等に必要な機材種別数等の判断が可能となる。 Also, when maintaining and managing a large amount of equipment such as infrastructure equipment, a discrete “rank” determined according to a certain standard is assigned to the state (deterioration degree, etc.), and it is necessary depending on the rank. Actions are often prescribed. That is, it is possible to determine necessary repairs, personnel, etc., for the equipment according to the rank at the past or the latest inspection. By utilizing this feature, it is possible to determine the number of types of equipment necessary for repairs, etc. for each calculation unit area using inspection data and the like.
例えば、劣化程度に関して５段階のランクが設定されている設備で、なおかつ各ランクで必要な補修方法や専門職人の種類等が異なる場合、５つのランクがまんべんなく存在する算出単位エリアはメンテナンス上「手がかかる」エリアとなる。こうした情報を得ることは設備メンテナンスの効率向上の面で有益である。こうした設備に対する点検・管理業務等は、多くの人員の活動に支えられており、その中には必ずしも数理的分析や表現に慣れていない人々が存在する。こうした人々にとっても、直観的に理解できるような指標が必要である。
しかし、従来技術によれば、設備の集密分布状態をある程度評価できるものの、各設備の種類や状態については考慮されていない。
For example, if the equipment has five ranks regarding the degree of deterioration, and the required repair methods and types of specialists are different for each rank, the calculation unit area where all five ranks are present is Will take "area. Obtaining such information is useful for improving the efficiency of equipment maintenance. Such inspection and management operations for facilities are supported by the activities of many personnel, and among them, there are people who are not necessarily used to mathematical analysis and expression. For these people, indicators that can be intuitively understood are necessary.
However, according to the prior art, although the density distribution state of facilities can be evaluated to some extent, the type and state of each facility are not considered.
本発明はこのような課題を解決するためのものであり、分散設置された種類や状態の異なる各設備のメンテナンスに要する負担を、算出単位エリアごとに総合的に評価できる設備メンテナンス負担評価技術を提供することを目的としている。 The present invention is for solving such a problem, and is a facility maintenance burden evaluation technique capable of comprehensively evaluating the burden required for maintenance of each facility of different types and states that are distributed and installed for each calculation unit area. It is intended to provide.
このような目的を達成するために、本発明にかかる設備メンテナンス負担評価方法は、分散設置された種類や状態の異なる各設備のメンテナンスに要する負担を、算出単位エリアごとに総合的に評価するための設備メンテナンス負担評価方法であって、記憶部が、設備ごとに、当該設備が設置されている位置を示す位置情報と、メンテナンスに要する負担の大きさと対応関係を有する当該設備のランク情報とが登録された設備情報とを記憶する記憶ステップと、最近隣測度算出部が、前記位置情報に基づいて、前記設備を中心または重心とした一定の算出単位エリアごとに、当該算出単位エリア内に位置する各設備の集密度合いを示す最近隣測度を算出する最近隣測度算出ステップと、多様度算出部が、前記ランク情報と情報エントロピーの概念とに基づいて、前記算出単位エリアごとに、当該算出単位エリア内に位置する各設備のランクに関するばらつき度合いを示す多様度を算出する多様度算出ステップと、集密多様度算出部が、前記算出単位エリアごとに、当該算出単位エリアの最近隣測度および多様度をそれぞれ直交成分とするベクトルの長さに基づき当該算出単位エリアの集密多様度を算出する集密多様度算出ステップとを備えている。 In order to achieve such an object, the facility maintenance burden evaluation method according to the present invention comprehensively evaluates the burden required for the maintenance of each facility that is distributed and of different types and states for each calculation unit area. In this equipment maintenance burden evaluation method, for each piece of equipment, the storage section includes position information indicating the position where the equipment is installed, and rank information of the equipment having a correspondence relationship with the magnitude of the burden required for maintenance. A storage step for storing the registered facility information, and a nearest neighbor measure calculating unit, based on the position information, for each fixed calculation unit area having the facility as a center or a center of gravity, is positioned in the calculation unit area. A nearest neighbor measure calculating step for calculating a nearest neighbor measure indicating a density degree of each facility, and a diversity calculating unit, wherein the rank information and the information entropy Based on the above, for each of the calculation unit areas, a diversity calculation step for calculating the diversity indicating the degree of variation regarding the rank of each facility located in the calculation unit area, and the congestion diversity calculation unit, For each calculation unit area, a density diversity calculation step for calculating the density diversity of the calculation unit area based on the length of a vector having the nearest neighbor measure and diversity of the calculation unit area as orthogonal components, respectively. ing.
また、本発明にかかる上記設備メンテナンス負担評価方法の一構成例は、スクリーニング部が、前記算出単位エリアのうち、当該算出単位エリア内に、設備数の下限を示すしきい値以上の設備が配置されている算出単位エリアを有効エリアとして選択し、当該有効エリアに関する集密多様度を有効な評価結果として選択するスクリーニングステップをさらに備えている。 Further, according to one configuration example of the facility maintenance burden evaluation method according to the present invention, the screening unit arranges, in the calculation unit area, facilities equal to or greater than a threshold value indicating a lower limit of the number of facilities in the calculation unit area. The method further includes a screening step of selecting the calculated unit area as an effective area and selecting the density of diversity regarding the effective area as an effective evaluation result.
また、本発明にかかる上記設備メンテナンス負担評価方法の一構成例は、スクリーニング部が、前記算出単位エリアのうち、当該算出単位エリアの最近隣測度と多様度との乖離度が、当該乖離度の上限を示すしきい値以下である算出単位エリアを有効エリアとして選択し、当該有効エリアに関する集密多様度を有効な評価結果として選択するスクリーニングステップをさらに備えている。 In addition, according to one configuration example of the facility maintenance burden evaluation method according to the present invention, the screening unit may determine that the degree of divergence between the nearest neighbor measure and the diversity of the calculation unit area is the degree of divergence. The method further includes a screening step of selecting a calculation unit area that is equal to or less than a threshold value indicating an upper limit as an effective area, and selecting a density of diversity regarding the effective area as an effective evaluation result.
また、本発明にかかる上記設備メンテナンス負担評価方法の一構成例は、スクリーニングステップが、前記算出単位エリアの全数に対する前記有効エリアの数の割合を示す有効エリア率が、予め設定されている下限有効エリア率を下回る場合、前記有効エリア率が大きくなる方向に前記しきい値を調整するステップを含むものである。 In addition, one configuration example of the equipment maintenance burden evaluation method according to the present invention is that the screening step is configured such that an effective area rate indicating a ratio of the number of the effective areas to the total number of the calculation unit areas is a preset lower limit effective When the area ratio is lower, the step of adjusting the threshold value in a direction in which the effective area ratio increases is included.
また、本発明にかかる上記設備メンテナンス負担評価方法の一構成例は、前記集密多様度算出ステップが、前記最近隣測度の最大値および最小値をＲｍａｘおよびＲｍｉｎとし、前記多様度の最大値および最小値をＨｍａｘおよびＨｍｉｎとした場合、任意の算出単位エリアｊの集密多様度をＥＮｊを、前述の式を用いて算出するようにしたものである。 Also, in one configuration example of the facility maintenance burden evaluation method according to the present invention, the density diversity calculation step includes setting the maximum value and the minimum value of the nearest neighbor measure as Rmax and Rmin, When the minimum value is Hmax and Hmin, the density diversity of an arbitrary calculation unit area j is calculated using ENj using the above formula.
また、本発明にかかる設備メンテナンス負担評価装置は、分散設置された種類や状態の異なる各設備のメンテナンスに要する負担を、算出単位エリアごとに総合的に評価するためのメンテナンス負担評価装置であって、設備ごとに、当該設備が設置されている位置を示す位置情報と、メンテナンスに要する負担の大きさと対応関係を有する当該設備のランク情報とが登録された設備情報とを記憶する記憶部と、前記位置情報に基づいて、前記設備を中心または重心とした一定の算出単位エリアごとに、当該算出単位エリア内に位置する各設備の集密度合いを示す最近隣測度を算出する最近隣測度算出部と、前記ランク情報と情報エントロピーの概念とに基づいて、前記算出単位エリアごとに、当該算出単位エリア内に位置する各設備のランクに関するばらつき度合いを示す多様度を算出する多様度算出部と、前記算出単位エリアごとに、当該算出単位エリアの最近隣測度および多様度をそれぞれ直交成分とするベクトルの長さに基づき当該算出単位エリアの集密多様度を算出する集密多様度算出部とを備えている。 Moreover, the equipment maintenance burden evaluation apparatus according to the present invention is a maintenance burden evaluation apparatus for comprehensively evaluating the burden required for maintenance of each equipment of different types and states that are distributed and installed for each calculation unit area. A storage unit that stores, for each facility, location information indicating the location where the facility is installed, and facility information in which the rank information of the facility having a correspondence relationship with the magnitude of the burden required for maintenance is registered; Based on the position information, for each fixed calculation unit area with the facility as the center or center of gravity, a nearest neighbor measure calculation unit that calculates a nearest neighbor measure indicating the density of each facility located in the calculation unit area And the rank of each facility located in the calculation unit area for each calculation unit area based on the rank information and the concept of information entropy. And a calculation unit area for calculating a diversity indicating a degree of variation with respect to the calculation unit area, and for each calculation unit area, the calculation unit area based on the length of a vector having the nearest neighbor measure and the diversity as orthogonal components. And a density diversity calculation unit for calculating the density diversity.
本発明によれば、従来の画一的に設定したメッシュを算出単位エリアとして用いる場合と比較して、設備が地理的に集中して設置されている真の集密エリアを含む各算出単位エリアについて、その設備の集密度合いを示す最近隣測度が得られる。また、設備の種別や過去の点検データや予測等から得られた劣化状態に対応した補修方法など、メンテナンスに要する負担の大きさのばらつきに関する指標である多様度が、算出単位エリアごとに得られる。そして、これら最近隣測度と多様度とが１つに統合されて、メンテナンスに要する負担に影響を及ぼす、各設備の集密度合いおよび劣化状態を、一義的かつ定量的に評価できる評価指標として集密多様度が得られる。 According to the present invention, each calculation unit area including a true crowded area where facilities are geographically concentrated is used as compared with a case where a conventional uniform mesh is used as a calculation unit area. The nearest neighbor measure that shows the density of the equipment is obtained. Diversity, which is an index related to the variation in the amount of burden required for maintenance, such as the type of equipment and repair methods corresponding to deterioration conditions obtained from past inspection data and predictions, is obtained for each calculation unit area. . Then, these nearest neighbor measures and diversity are integrated into one, and they are collected as evaluation indexes that can unambiguously and quantitatively evaluate the density and deterioration state of each facility that affects the maintenance burden. Dense diversity is obtained.
したがって、分散設置された種類や状態の異なる各設備のメンテナンスに要する負担を、算出単位エリアごとに総合的に評価でき、集密多様度という１つの指標の大小に基づいて、高効率でメンテナンスが可能なエリアを正確に特定することが可能となる。
これにより、予算や日程など限られたリソースの範囲内で、より多くのエリアのより多くの設備をメンテナンスするための優先順位付けを、正確に行うことができる。このため、通信サービスを提供するための電柱、通信ケーブル、通信装置などの通信設備に限らず、老朽化に伴い早期のメンテナンスが必要とされている一般的なインフラストラクチャ設備に関するメンテナンス方針の決定に、極めて有用な評価指標を提供することが可能となる。
Therefore, it is possible to comprehensively evaluate the burden required for the maintenance of each type of equipment installed in different types and states in a distributed manner, and maintenance can be performed with high efficiency based on the size of a single index called “concentration diversity”. It is possible to accurately identify possible areas.
Thus, prioritization for maintaining more facilities in more areas can be accurately performed within a limited resource range such as a budget and a schedule. For this reason, it is not limited to communication facilities such as utility poles, communication cables, and communication devices for providing communication services, but to determine maintenance policies for general infrastructure facilities that require early maintenance due to aging. It becomes possible to provide an extremely useful evaluation index.
［本発明の原理］
まず、本発明の原理について説明する。
分散設置された種類や状態の異なる各設備のメンテナンスを行う場合、設備間の移動や補修内容により、メンテナンス負担が左右される。例えば、点検や補修等を行う際に設備から設備への移動距離が長い場合、移動時間が長くなり実質的なメンテナンス時間が短くなるため、メンテナンスの効率が低下し、コスト負担が増大する。また、補修内容が異なる場合、これらの補修内容に対応するための機材やスキルを持つ作業員が必要となるため、準備のための負担やコスト負担が増大する。
[Principle of the present invention]
First, the principle of the present invention will be described.
When performing maintenance on each facility of different types and states that are installed in a distributed manner, the maintenance burden depends on the movement between the facilities and the contents of repairs. For example, if the moving distance from the equipment to the equipment is long when performing inspection or repair, the moving time becomes long and the substantial maintenance time becomes short, so that the maintenance efficiency is lowered and the cost burden is increased. In addition, when the repair contents are different, workers with equipment and skills for dealing with the repair contents are required, so that the burden for preparation and the cost burden increase.
したがって、メンテナンスの効率性を上げ、負担をできるだけ小さくするためには、次のような特徴を持つエリアを高効率エリアとして把握することが重要となる。
特徴１：設備が地理的に集中して設置されていること
特徴２：必要となる補修内容が比較的限定されること
Therefore, in order to increase maintenance efficiency and reduce the burden as much as possible, it is important to grasp an area having the following characteristics as a high efficiency area.
Feature 1: The equipment is geographically concentrated. Feature 2: Necessary repair contents are relatively limited.
この際、このような高効率エリアを特定するための課題点は次のように整理される。
課題１．従来の地域メッシュ等を活用した最近隣測度では把握できない可能性のある真の集密エリアを、確実に抽出する方法が必要である。
課題２．種類の異なる設備や異なる劣化状態に対応するための補修方法や専門人員等の数（種類）を、算出単位エリアごとに定量的に把握できる方法が必要である。
At this time, problems for specifying such a high efficiency area are arranged as follows.
本発明は、前述した特徴１および課題１に着目し、一般的な最近隣測度のように、設備の設置位置に関係なく、画一的にメッシュ状に区切ったエリアを算出単位エリアとするのではなく、各設備を中心とする半径ｒの円、あるいは各設備を重心とする多角形を算出単位エリアとして最近隣測度Ｒを算出し、各設備に自身が中心あるいは重心となるエリアの集密度情報を保持させるようにしたものである。これにより、算出単位エリアの中心あるは重心に位置する設備から周辺の設備への移動に関する効率を指標として得ることができ、高効率エリアを正確に特定することが可能となる。
The present invention pays attention to the
また、本発明は、前述した特徴２および課題２に着目し、算出単位エリア内に含まれる設備群に関するランクのばらつき度合いを、情報エントロピーの概念により定量化するようにしたものである。情報エントロピーとは、物理学のエントロピーの概念を、情報量の定義指標として情報理論に導入したもので、情報を受け取る前後の不確かさの相対値、すなわち情報量を表す指標である。本発明では、設備の種別や、過去の点検データや予測等から得られた劣化状態に対応した補修方法など、メンテナンスに要する負担の大きさと対応関係を有する基準を用いて、各設備を分類しランク付けしたものをランク情報として用いる。これにより、算出単位エリア内に位置する各設備の補修に関する効率を指標として得ることができ、高効率エリアを正確に特定することが可能となる。
Further, the present invention focuses on
また、これら２つの指標はいずれも下限値および上限値を数学的に導くことができ、かつそれぞれの数値が導かれる条件が明確で設備の状態と対応付けることが可能である。本発明は、このような特徴を基にして、これら２つの指標を集密多様度として１つに統合するようにしたものである。これにより、各算出単位エリアに関するメンテナンス負担を、集密多様度という１つの指標の大小で評価することが可能となる。 Further, both of these two indexes can mathematically derive the lower limit value and the upper limit value, and the conditions under which the respective numerical values are derived are clear and can be associated with the state of the equipment. In the present invention, based on such characteristics, these two indexes are integrated into one as the density of concentration. As a result, it is possible to evaluate the maintenance burden for each calculation unit area based on the size of one index called the density of diversity.
次に、本発明の一実施の形態について図面を参照して説明する。
［設備メンテナンス負担評価装置］
まず、図１を参照して、本実施の形態にかかる設備メンテナンス負担評価装置１０について説明する。図１は、設備メンテナンス負担評価装置の構成を示すブロック図である。
Next, an embodiment of the present invention will be described with reference to the drawings.
[Equipment maintenance burden evaluation device]
First, with reference to FIG. 1, the equipment maintenance
この設備メンテナンス負担評価装置１０は、全体としてサーバ装置やパーソナルコンピュータなどの情報演算処理装置からなり、分散設置された種類や状態の異なる各設備のメンテナンスに要する負担を、算出単位エリアごとに総合的に評価する機能を有している。
This equipment maintenance
図１に示すように、設備メンテナンス負担評価装置１０には、主な機能部として、通信Ｉ／Ｆ部１１、操作入力部１２，画面表示部１３，記憶部１４、および演算処理部１５が設けられている。
As shown in FIG. 1, the equipment maintenance
通信Ｉ／Ｆ部１１は、一般的なデータ通信回路からなり、通信回線を介して外部装置（図示せず）とデータ通信を行うことにより、設備メンテナンス負担評価処理に関する設備情報や評価結果などの各種処理情報をやりとりする機能を有している。
操作入力部１２は、キーボード、マウス、タッチパネルなどの操作入力装置からなり、作業者の操作を検出して演算処理部１５へ出力する機能を有している。
画面表示部１３は、ＬＣＤなどの画面表示装置からなり、演算処理部１５からの指示に基づいて、操作メニュー、パラメータ設定、評価結果などの各種情報画面を表示する機能を有している。
The communication I /
The
The
記憶部１４は、ハードディスクや半導体メモリなどの記憶装置からなり、演算処理部１５での設備メンテナンス負担評価処理に関する各種処理情報やプログラム１４Ｐを記憶する機能を有している。
プログラム１４Ｐは、演算処理部１５のＣＰＵに読み込まれて実行されることにより、設備メンテナンス負担評価処理で用いる各種処理部を実現する機能を有している。このプログラム１４Ｐは、通信Ｉ／Ｆ部１１を介して外部装置や記録媒体から読み出されて記憶部１４に予め格納される。
The
The
記憶部１４で記憶する主な処理情報として、設備情報１４Ａ、最近隣測度１４Ｂ、多様度１４Ｃ、集密多様度１４Ｄ、基本統計量１４Ｅ、および評価結果１４Ｆがある。
設備情報１４Ａは、設備ごとに、当該設備が設置されている設置を示す位置情報と、メンテナンスに要する負担の大きさと対応関係を有する当該設備のランク情報とが登録された情報である。
As main processing information stored in the
The
図２は、設備情報の構成例である。ここでは、各設備に固有の設備番号ごとに、経緯座標からなる位置情報と、劣化ランクからなるランク情報とが組として登録されている。
ランク情報としては、メンテナンスに先立つ各設備の点検・調査により得られたランク付けの結果を用いてもよいが、メンテナンスに要する負担の大きさと対応関係を有していれば、各設備に予め割り当てられている既存の設備種別や設備規模などの情報を用いてもよい。
FIG. 2 is a configuration example of facility information. Here, for each equipment number unique to each equipment, position information composed of background coordinates and rank information composed of deterioration ranks are registered as a set.
As the rank information, the ranking result obtained by inspection and survey of each equipment prior to maintenance may be used, but if there is a correspondence with the size of the burden required for maintenance, it is assigned in advance to each equipment. Information such as existing equipment type and equipment scale may be used.
最近隣測度１４Ｂは、算出単位エリア内に位置する各設備の集密度合いを示す指標であり、演算処理部１５により、算出単位エリアごとに算出されて記憶部１４に保存される。なお、最近隣測度１４Ｂでは、必要に応じて後述する最近隣測度Ｒのほか正規化最近隣測度ＮＲも記憶されるものとする。
多様度１４Ｃは、算出単位エリア内に位置する各設備のランクに関するばらつき度合いを示す指標であり、算出単位エリアごとに算出されて記憶部１４に保存される。なお、多様度１４Ｃでは、必要に応じて後述する多様度Ｈのほか正規化多様度ＮＨも記憶されるものとする。
The
The
集密多様度１４Ｄは、算出単位エリアの最近隣測度１４Ｂおよび多様度１４Ｃをそれぞれ直交成分とするベクトルの長さに相当する値を有し、各算出単位エリアに位置するすべての設備のメンテナンスに要する負担の大小を示す指標である。この集密多様度１４Ｄは、演算処理部１５により、算出単位エリアごとに算出されて記憶部１４に保存される。
The
基本統計量１４Ｅは、各算出単位エリア全体に関するメンテナンス負担を評価するための指標であり、演算処理部１５により、集密多様度１４Ｄに基づいて算出されて記憶部１４に保存される。基本統計量１４Ｅの具体例としては、各集密多様度１４Ｄの値に対する発生数を示す分布、算出単位エリア全体における集密多様度１４Ｄの平均値、最大値、最小値、中央値などの統計値がある。また、これら基本統計量１４Ｅは、都道府県や市区町村等の行政界や、メンテナンスの担当エリアなど、規定の範囲ごとに算出してもよい。
The
評価結果１４Ｆは、これら集密多様度１４Ｄや基本統計量１４Ｅに対して、並び替えや代表値選択などの編集を実施して、リスト、マップやグラフで表現したデータであり、設備メンテナンス負担評価の利用形態に応じたフォーマットで作成されている。
The evaluation result 14F is data expressed by a list, a map, or a graph after performing editing such as rearrangement and representative value selection on the
演算処理部１５は、ＣＰＵおよびその周辺回路を有し、記憶部１４からプログラム１４Ｐを読み込んで実行することにより、設備メンテナンス負担評価処理で用いる各種処理部を実現する機能を有している。
演算処理部１５で実現される主な処理部として、パラメータ設定部１５Ａ、最近隣測度算出部１５Ｂ、多様度算出部１５Ｃ、集密多様度算出部１５Ｄ、スクリーニング部１５Ｅ、基本統計量算出部１５Ｆ、および評価結果出力部１５Ｇがある。
The
The main processing units realized by the
パラメータ設定部１５Ａは、操作入力部１２で検出した作業者の操作に応じて、設備メンテナンス負担評価処理で用いる各種パラメータを設定し、記憶部１４に保存する機能を有している。パラメータ設定部１５Ａで設定される主なパラメータとしては、算出単位エリアの大きさおよび形状、算出単位エリア内の設備数の下限を示すしきい値、最近隣測度１４Ｂと多様度１４Ｃとの乖離度の上限を示すしきい値、算出単位エリアの全数に占める有効エリアの割合の下限を示す下限有効エリア率がある。
The
最近隣測度算出部１５Ｂは、記憶部１４の設備情報１４Ａに格納されている各設備の位置情報に基づいて、設備を中心または重心とした一定の算出単位エリアごとに、当該算出単位エリア内に位置する各設備の集密度合いを示す最近隣測度１４Ｂを算出する機能を有している。最近隣測度１４Ｂの算出過程の詳細については後述する。
Based on the position information of each facility stored in the
多様度算出部１５Ｃは、記憶部１４の設備情報１４Ａに格納されている各設備のランク情報と情報エントロピーの概念とに基づいて、各設備の算出単位エリアごとに、当該算出単位エリア内に位置する各設備のランクに関するばらつき度合いを示す多様度１４Ｃを算出する機能を有している。多様度１４Ｃの算出過程の詳細については後述する。
Based on the rank information of each facility stored in the
集密多様度算出部１５Ｄは、各設備の算出単位エリアごとに、最近隣測度算出部１５Ｂで算出して当該算出単位エリアの最近隣測度１４Ｂ、および、多様度算出部１５Ｃで算出した当該算出単位エリアの多様度１４Ｃをそれぞれ直交成分とするベクトルの長さに基づいて、当該算出単位エリアの集密多様度１４Ｄを算出する機能と、これら集密多様度１４Ｄを記憶部１４へ保存する機能とを有している。集密多様度１４Ｄの算出過程の詳細については後述する。
Concentration
スクリーニング部１５Ｅは、各設備の算出単位エリアのうち、統計的に有効な有効エリアのみをクリーニングする機能を有している。スクリーニング処理の詳細の詳細については後述する。
The
基本統計量算出部１５Ｆは、集密多様度算出部１５Ｄで算出された各算出単位エリアの集密多様度１４Ｄや、スクリーニング部１５Ｅでスクリーニングされた有効エリアに基づいて、基本統計量１４Ｅを算出する機能と、これら基本統計量１４Ｅを記憶部１４に保存する機能とを有している。
The basic
評価結果出力部１５Ｇは、集密多様度算出部１５Ｄで算出された各算出単位エリアの集密多様度１４Ｄや、スクリーニング部１５Ｅでスクリーニングされた有効エリア、さらには、基本統計量算出部１５Ｆで算出された基本統計量１４Ｅに基づいて、設備メンテナンス負担に関する評価結果１４Ｆを生成し、記憶部１４に保存する機能と、画面表示部１３で評価結果１４Ｆを表示出力する機能と、通信Ｉ／Ｆ部１１を介して外部装置へ評価結果１４Ｆを出力する機能とを有している。
The evaluation
［本実施の形態の動作］
次に、本実施の形態にかかる設備メンテナンス負担評価装置１０の動作について説明する。ここでは、インフラストラクチャ設備に代表されるような、面的に多数設置されている設備を想定する。
[Operation of this embodiment]
Next, operation | movement of the equipment maintenance
［最近隣測度の算出過程］
まず、最近隣測度算出部１５Ｂにおける最近隣測度Ｒの算出過程について説明する。
算出単位エリア内に配置されている各設備の設備数をＮとし、当該算出単位エリアにおける単位面積あたりの設備数（配置密度）をＰとし、これら設備から最も近い設備までの最短距離をｄとした場合、最近隣測度Ｒは、次の式（１）で定義される。
First, the calculation process of the nearest neighbor measure R in the nearest neighbor
The number of facilities of each facility arranged in the calculation unit area is N, the number of facilities per unit area (location density) in the calculation unit area is P, and the shortest distance from these facilities to the nearest facility is d In this case, the nearest neighbor measure R is defined by the following equation (1).
式（１）のうち、ｄａはＮ個の設備の最短距離ｄの平均値を示し、ｄｅは、無限に広がるランダム分布を想定した場合の最短処理の平均値を示している。
また、算出単位エリアとして設備を中心とする半径ｒの円を用いた場合、算出単位エリアの面積ＵＡは、次の式（２）で定義される。
In addition, when a circle having a radius r centered on the facility is used as the calculation unit area, the area UA of the calculation unit area is defined by the following equation (2).
この式（２）で定義される算出単位エリアにおいて、式（１）により算出された最近隣測度Ｒは、最小値Ｒｍｉｎ＝０から最大値Ｒｍａｘ＝２．１４９までの間の値をとり、Ｒ≒１のときランダム分布、Ｒ＜１のとき集密分布、Ｒ＞１のとき拡散分布と判断される。また、Ｒ＝１から離れるほど、集密あるいは拡散の度合いが強いとみなされる。
したがって、前述の図７で示したように、従来の画一的に設定したメッシュからなる算出単位エリアを用いる場合と比較して、設備を中心または重心として柔軟に算出単位エリアを設定することができ、真の集密エリアを確実に抽出することが可能となる。
In the calculation unit area defined by the equation (2), the nearest neighbor measure R calculated by the equation (1) takes a value between the minimum value Rmin = 0 and the maximum value Rmax = 2.149, and R A random distribution is determined when ≈1, a dense distribution when R <1, and a diffuse distribution when R> 1. In addition, as the distance from R = 1 increases, the degree of concentration or diffusion is considered to be stronger.
Therefore, as shown in FIG. 7 described above, it is possible to set the calculation unit area flexibly with the equipment as the center or the center of gravity, as compared with the conventional case where the calculation unit area composed of a uniform mesh is used. It is possible to extract a true congested area with certainty.
［多様度の算出過程］
次に、多様度算出部１５Ｃにおける多様度Ｈの算出過程について説明する。
算出単位エリア内に位置する各設備は、メンテナンスに要する負担の大きさにばらつきを有している。多様度算出部１５Ｃで算出される多様度Ｈは、情報エントロピーの概念を活用して、このようなばらつきを定量化したものである。
[Diversity calculation process]
Next, the process of calculating the diversity H in the
Each facility located in the calculation unit area has a variation in the magnitude of the burden required for maintenance. The diversity H calculated by the
情報エントロピーは、用いられる分野や目的によってさまざまな解釈（対応付け）が与えられるが、その１つとして「乱雑さ」を表す指標であるという解釈がある。ここで、乱雑さを対象の多様性と読み替えると、多様性が増すほど情報エントロピーが大きくなり、情報量が大きくなることとなる。本発明では、設備の種別や設備の劣化状態をランク分けした劣化ランクなど、メンテナンスに要する負担の大きさと対応関係を有するランク情報（分類情報）を設備ごとに設定し、算出単位エリア内に位置する各設備における、これらランク情報のランク数（分類数）を情報エントロピーで表現している。 Information entropy is given various interpretations (correspondence) depending on the field and purpose used, and one of them is an interpretation that represents an indicator of “randomness”. Here, when randomness is read as the diversity of the object, the information entropy increases as the diversity increases, and the amount of information increases. In the present invention, rank information (classification information) having a correspondence relationship with the magnitude of the burden required for maintenance, such as a degradation rank obtained by ranking the type of equipment and the deterioration state of the equipment, is set for each equipment and is located within the calculation unit area. The number of rank information (number of classifications) in each facility is expressed by information entropy.
任意の算出単位エリアにおける設備の全数に対するランクｉの発生率をＰｉとした場合、当該算出単位エリアにおける多様度Ｈは、次の式（３）で定義される。
式（３）において、算出単位エリアの各設備が有する全ランク数をＭとし、これらランクの発生率が等しい場合、すなわちＰｉ＝１／Ｍのとき、多様度Ｈは最大値をとる。また、いずれか１つのランクの発生率が１のとき、すなわち算出単位エリアのすべての設備のランクが同じときに最小値０をとる。
つまり、式（３）で定義された多様度Ｈが小さいほど、特定のランクの割合が大きいことを表し、これは算出単位エリアごとの補修等に必要な機材種別等の負担、すなわちメンテナンスに要する負担が少ないことを意味する。
In Expression (3), when the number of all ranks of each facility in the calculation unit area is M and the occurrence rates of these ranks are equal, that is, when Pi = 1 / M, diversity H takes the maximum value. Further, when the occurrence rate of any one rank is 1, that is, when the ranks of all the facilities in the calculation unit area are the same, the minimum value 0 is taken.
In other words, the smaller the diversity H defined in the equation (3), the larger the ratio of the specific rank, which is a burden of the equipment type necessary for the repair or the like for each calculation unit area, that is, required for maintenance. It means less burden.
設備の状態がランクで記録されていない場合でも、状態を表す何らかの記録データから、状態に対応する必要な補修や人員等を参考にしつつ、何段階かのランク分けを行って、そのランクを用いて同様に算出すればよい。また、劣化ランクではなく設備種類数を対象とした場合、式（３）のｉは設備種類を表すものとなり、同様の算出過程で多様度Ｈを算出できる。 Even if the status of the equipment is not recorded in the rank, the rank is used in several stages while referring to the necessary repairs and personnel corresponding to the status from some recorded data representing the status. And calculate in the same way. When the number of equipment types is used instead of the degradation rank, i in Expression (3) represents the equipment type, and the diversity H can be calculated in the same calculation process.
［集密多様度の算出過程］
次に、集密多様度算出部１５Ｄにおける集密多様度１４Ｄの算出過程について説明する。
集密多様度ＥＮは、最近隣測度Ｒと多様度Ｈを活用した統合指標である。算出単位エリアｊにおける最近隣測度をＲｊとし、最近隣測度Ｒの最大値および最小値をＲｍａｘ（＝２．１４９）およびＲｍｉｎ（＝０）とし、算出単位エリアｊにおける多様度をＨｊとし、多様度Ｈの最大値および最小値をＨｍａｘ（ａｔ Ｐｉ＝１／Ｍ）およびＨｍｉｎ（＝０）とした場合、算出単位エリアｊの集密多様度ＥＮｊは、式（４）により定義される。
Next, a calculation process of the
Concentration diversity EN is an integrated index utilizing nearest neighbor measure R and diversity H. The nearest neighbor measure in the calculation unit area j is Rj, the maximum and minimum values of the nearest neighbor measure R are Rmax (= 2.149) and Rmin (= 0), the diversity in the calculation unit area j is Hj, When the maximum value and the minimum value of the degree H are Hmax (at Pi = 1 / M) and Hmin (= 0), the density of diversity ENj of the calculation unit area j is defined by Expression (4).
集密多様度ＥＮは、最近隣測度Ｒと多様度Ｈのそれぞれ直行成分とする２次元空間におけるベクトルの長さに相当する。この際、最近隣測度Ｒを正規化して得られた正規化最近隣測度ＮＲ、同じく多様度Ｈを正規化して得られた正規化多様度ＮＨを用いることで、最近隣測度Ｒと多様度Ｈの重みを等しくすることができる。 The density of diversity EN corresponds to the length of a vector in a two-dimensional space with orthogonal components of the nearest neighbor measure R and diversity H. At this time, the nearest neighbor measure R and the diversity H are obtained by using the normalized nearest neighbor measure NR obtained by normalizing the nearest neighbor measure R and the normalized diversity NH obtained by normalizing the diversity H. Can be made equal in weight.
図３は、集密多様度の概念を示す説明図である。ここでは、横軸が正規化最近隣測度ＮＲを示し、縦軸が正規化多様度ＮＨを示してあり、それぞれ最近隣測度Ｒと多様度Ｈを０〜１に正規化したものである。また、図３は、３つの設備Ｅ１，Ｅ２，Ｅ３がプロットされており、原点からこれら設備Ｅ１，Ｅ２，Ｅ３までのベクトルの長さＥＮ１，ＥＮ２，ＥＮ３が各設備Ｅ１，Ｅ２，Ｅ３の集密多様度に相当する。 FIG. 3 is an explanatory diagram showing the concept of density diversity. Here, the horizontal axis indicates the normalized nearest neighbor measure NR, and the vertical axis indicates the normalized diversity NH, where the nearest neighbor measure R and the diversity H are normalized to 0 to 1, respectively. In FIG. 3, three equipments E1, E2, and E3 are plotted, and vector lengths EN1, EN2, and EN3 from the origin to these equipments E1, E2, and E3 are collected for each equipment E1, E2, and E3. It corresponds to dense diversity.
したがって、原点に近いほどベクトルが短くなるためメンテナンスにかかる負荷が小さくなり、ＮＲ，ＮＨがともに最大値「１」となる点Ｑに近いほど負荷等が大きくなる。図３の例では、ＥＮ２およびＥＮ３よりも、ＥＮ１の方がメンテナンス上の負荷等が大きいと云える。 Accordingly, the closer to the origin, the shorter the vector, so the load on maintenance becomes smaller. The closer the point Q where both NR and NH have the maximum value “1”, the larger the load and the like. In the example of FIG. 3, it can be said that EN1 has a larger maintenance load or the like than EN2 and EN3.
また、原点から点Ｑまでのベクトルの長さからわかるように集密多様度ＥＮは０から√２までの値をとるが、集密多様度ＥＮの値をさらに直観的に比較しやすいよう、次の式（５）により、「０」から「１」までの間の値を取るよう正規化した正規化集密多様度ＮＥＮを用いてもよい。さらに、式（５）に「１００」を乗じて小数点第１位を四捨五入等することで「０」から「１００」までの間の値を取るようにすることも可能である。
このように、算出単位エリアごと、すなわち設備ごとに算出された集密多様度（あるいは正規化集密多様度）１４Ｄは、記憶部１４メモリに記憶され、各種の統計量の算出や結果表示および出力が行われる。場合によっては設備が設置されている場所を表す地理情報（緯度経度等）を活用して、地図上にプロットされた地理的表示・出力が行われる。
As described above, the concentration density (or normalized density diversity) 14D calculated for each calculation unit area, that is, for each facility, is stored in the
また、以上では、複合指標を算出するために用いる指標として最近隣測度Ｒと多様度Ｈを用いて説明したが、用いる指標は、評価すべき内容に応じた適切なものであれば他の指標でもよい。例えば、ある故障事象の発生状況を表す指標と、その故障事象によって引き起こされる様々な影響を表す指標を用いれば、対象である故障事象のリスクを評価することも可能となる。 In the above description, the nearest neighbor measure R and the diversity H are used as the indices used to calculate the composite index. However, the indices used are other indices as long as they are appropriate for the content to be evaluated. But you can. For example, the risk of the target failure event can be evaluated by using an index representing the occurrence of a certain failure event and an index representing various effects caused by the failure event.
［集密多様度算出動作］
次に、図４を参照して、本実施の形態にかかる設備メンテナンス負担評価装置１０における集密多様度算出動作について説明する。図４は、集密多様度算出処理を示すフローチャートである。ここでは、正規化最近隣測度ＮＲおよび正規化多様度ＮＨを用いて集密多様度ＥＮまたは正規化集密多様度ＮＥＮを算出する場合を例として説明する。
[Congestion diversity calculation]
Next, with reference to FIG. 4, the operation for calculating the concentration diversity in the equipment maintenance
まず、最近隣測度算出部１５Ｂは、記憶部１４の設備情報１４Ａに格納されている各設備の位置情報に基づいて、設備を中心または重心とした一定の算出単位エリアごとに、当該算出単位エリア内に位置する各設備の集密度合いを示す最近隣測度Ｒを算出し（ステップ１００）、得られた最近隣測度Ｒを正規化した正規化最近隣測度ＮＲを求める（ステップ１０１）。
First, the nearest neighbor
一方、多様度算出部１５Ｃは、記憶部１４の設備情報１４Ａに格納されている各設備のランク情報と情報エントロピーの概念とに基づいて、各設備の算出単位エリアごとに、当該算出単位エリア内に位置する各設備のランクに関するばらつき度合いを示す多様度Ｈを算出し（ステップ１０２）、得られた多様度を正規化した正規化多様度ＮＨを求める（ステップ１０３）。
On the other hand, the
次に、集密多様度算出部１５Ｄは、各設備の算出単位エリアごとに、最近隣測度算出部１５Ｂで算出して当該算出単位エリアの正規化最近隣測度ＮＲ、および、多様度算出部１５Ｃで算出した正規化多様度ＮＨを、それぞれ直交成分とするベクトルの長さに基づいて、当該算出単位エリアの集密多様度ＥＮを算出する（ステップ１０４）。
Next, the concentration
この後、集密多様度算出部１５Ｄは、記憶部１４に設定されているパラメータに基づき、集密多様度の正規化が必要かどうか確認し（ステップ１０５）、必要な場合には（ステップ１０５：ＹＥＳ）、集密多様度ＥＮを正規化した正規化集密多様度ＮＥＮを求め（ステップ１０６）、これら集密多様度ＥＮまたは正規化集密多様度ＮＥＮを、集密多様度１４Ｄとして記憶部１４に保存し（ステップ１０７）、一連の集密多様度算出処理を終了する。
Thereafter, the density
［設備メンテナンス負担評価動作］
次に、図５を参照して、本実施の形態にかかる設備メンテナンス負担評価装置１０における設備メンテナンス負担評価動作について説明する。図５は、設備メンテナンス負担評価処理を示すフローチャートである。
設備メンテナンス負担評価装置１０の演算処理部１５は、操作入力部１２で検出された作業者操作に応じて図５の設備メンテナンス負担評価処理を実行する。ここでは、集密多様度ＥＮを算出する場合を例として説明するが、正規化集密多様度ＮＥＮでも同様である。
[Equipment maintenance burden evaluation operation]
Next, with reference to FIG. 5, the equipment maintenance burden evaluation operation | movement in the equipment maintenance
The
まず、パラメータ設定部１５Ａは、操作入力部１２で検出した作業者の操作に応じて、設備メンテナンス負担評価処理で用いる各種パラメータを設定し、記憶部１４に保存する（ステップ１１０）。
次に、演算処理部１５は、各設備の算出単位エリアごとに処理を繰り返す算出単位エリアループを開始する（ステップ１１１）。
First, the
Next, the
この算出単位エリアループにおいて、まず、集密多様度算出部１５Ｄは、前述した図４の集密多様度算出処理に基づき、各算出単位エリアの集密多様度ＥＮを算出する（ステップ１１２）。
In this calculation unit area loop, the density
次に、スクリーニング部１５Ｅは、各設備の算出単位エリアのうち、統計的に有効な有効エリアのみをクリーニングする。
まず、スクリーニング部１５Ｅは、第１のスクリーニング処理として、当該算出単位エリア内に配置されている設備の設備数と、パラメータ設定部１５Ａで設定された、算出単位エリア内の設備数の下限を示すしきい値とを比較し（ステップ１１３）、設備数がそのしきい値未満である場合（ステップ１１３：ＮＯ）、スクリーニング部１５Ｅは、当該算出単位エリアを有効エリアではない参考エリアに設定し（ステップ１１５）、ループＥＮＤへ移行する。
Next, the
First, as a first screening process, the
一方、設備数がしきい値以上である場合（ステップ１１３：ＹＥＳ）、スクリーニング部１５Ｅは、第２のスクリーニング処理として、当該算出単位エリアの正規化最近隣測度ＮＲおよび正規化多様度ＮＨの乖離度と、パラメータ設定部１５Ａで設定された、最近隣測度と多様度との乖離度の上限を示すしきい値とを比較し（ステップ１１４）、乖離度がそのしきい値より大きい場合（ステップ１１４：ＮＯ）、スクリーニング部１５Ｅは、当該算出単位エリアを有効エリアではない参考エリアに設定し（ステップ１１５）、ループＥＮＤへ移行する。
On the other hand, when the number of facilities is equal to or greater than the threshold (step 113: YES), the
正規化最近隣測度ＮＲと正規化多様度ＮＨのいずれか一方が極端に大きく片寄があるエリア、すなわち、集密度は高いものの多様度が低いエリアや、多様度は低いものの集密度が高いエリアについては、得られる集密多様度が一方の値に大きく影響を受けていることになり、集密多様度としてある程度の値が得られても、結果として統計的に有効な算出単位エリアとは云えない。
乖離度は、正規化最近隣測度ＮＲと正規化多様度ＮＨの大きさのバランスを評価する指標であり、例えば、正規化最近隣測度ＮＲと正規化多様度ＮＨのうち、値の小さいほうを分母、値の大きい方を分子とする比率で求められる。したがって、乖離度の上限を示すしきい値として、例えば「９」を設定した場合、正規化最近隣測度ＮＲと正規化多様度ＮＨの一方が他方よりよ９倍以上大きい場合には、上記のような片寄のある算出単位エリアを、参考エリアとして除外することができる。
For areas where either the normalized nearest neighbor measure NR or the normalized diversity NH is extremely large and offset, that is, areas with high density but low diversity, or areas with low density but high density This means that the confluence diversity obtained is greatly influenced by one value, and even if a certain level of confluence diversity is obtained, it can be said that it is a statistically effective calculation unit area. Absent.
The degree of divergence is an index for evaluating the balance between the size of the normalized nearest neighbor measure NR and the normalized diversity NH. For example, the smaller value of the normalized nearest neighbor measure NR and the normalized diversity NH The denominator is obtained as a ratio with the larger value as the numerator. Therefore, for example, when “9” is set as the threshold value indicating the upper limit of the divergence, when one of the normalized nearest neighbor measure NR and the normalized diversity NH is 9 times or more larger than the other, A calculation unit area with such a deviation can be excluded as a reference area.
このようにして、算出単位エリアループにおいて、各算出単位エリア関する処理が終了した後、スクリーニング部１５Ｅは、第３のスクリーニング処理として、算出単位エリアの全数に対する有効エリア数の割合を示す有効エリア率を算出し（ステップ１１６）、この有効エリア率と、パラメータ設定部１５Ａで設定された、算出単位エリアの全数に占める有効エリアの割合の下限を示す下限有効エリア率とを比較する（ステップ１１７）。
In this way, after the processing for each calculation unit area is completed in the calculation unit area loop, the
ここで、有効エリア率が下限有効エリア率を下回る場合（ステップ１１７：ＮＯ）、スクリーニング部１５Ｅは、有効エリア率が大きくなる方向に、算出単位エリア内の設備数の下限を示すしきい値や、最近隣測度と多様度との乖離度の上限を示すしきい値などの設定パラメータを調整するため（ステップ１１８）、ステップ１１０へ戻る。設定パラメータの調整については、予め指定された調整内容に基づき特定のパラメータを自動調整してもよく、パラメータの設定画面を画面表示部１３に表示して作業者による調整を促すようにしてもよい。
Here, when the effective area rate is lower than the lower limit effective area rate (step 117: NO), the
一方、有効エリア率が下限有効エリア率以上である場合（ステップ１１７：ＹＥＳ）、基本統計量算出部１５Ｆは、集密多様度算出部１５Ｄで算出された各算出単位エリアの集密多様度や、スクリーニング部１５Ｅでスクリーニングされた有効エリアに基づいて、基本統計量１４Ｅを算出し、記憶部１４に保存する（ステップ１１９）。
On the other hand, when the effective area rate is equal to or greater than the lower limit effective area rate (step 117: YES), the basic
この後、評価結果出力部１５Ｇは、集密多様度算出部１５Ｄで算出された各算出単位エリアの集密多様度や、スクリーニング部１５Ｅでスクリーニングされた有効エリア、さらには、基本統計量算出部１５Ｆで算出された基本統計量１４Ｅに基づき、設備メンテナンス負担に関する評価結果１４Ｆを生成して記憶部１４に保存し、また、画面表示部１３で評価結果１４Ｆを表示出力し、さらには必要に応じて、通信Ｉ／Ｆ部１１を介して外部装置へ評価結果１４Ｆを出力し（ステップ１２０）、一連の設備メンテナンス負担評価処理を終了する。
Thereafter, the evaluation
なお、スクリーニング部１５Ｅでは、有効エリアに関する有効エリア率とその下限有効エリア率とに基づきパラメータの調整要否を判定する場合を例として説明したが、これに限定されるものではなく、有効エリアとして設定されなかった参考エリアに関する参考エリア率（＝１−有効エリア率）とその上限参考エリア率とに基づきパラメータの調整要否を判定するようにしてもよい。
In the
［本実施の形態の効果］
このように、本実施の形態は、最近隣測度算出部１５Ｂが、位置情報に基づいて、設備を中心または重心とした一定の算出単位エリアごとに、当該算出単位エリア内に位置する各設備の集密度合いを示す最近隣測度Ｒを算出し、多様度算出部１５Ｃが、ランク情報と情報エントロピーの概念とに基づいて、算出単位エリアごとに、当該算出単位エリア内に位置する各設備のランクに関するばらつき度合いを示す多様度Ｈを算出し、集密多様度算出部１５Ｄが、算出単位エリアごとに、当該算出単位エリアの最近隣測度および多様度をそれぞれ直交成分とするベクトルの長さに基づき当該算出単位エリアの集密多様度ＥＮを算出するようにしたものである。
[Effects of the present embodiment]
As described above, according to the present embodiment, the nearest neighbor
これにより、従来の画一的に設定したメッシュを算出単位エリアとして用いる場合と比較して、設備が地理的に集中して設置されている真の集密エリアを含む各算出単位エリアについて、その設備の集密度合いを示す最近隣測度Ｒが得られる。また、設備の種別や過去の点検データや予測等から得られた劣化状態に対応した補修方法など、メンテナンスに要する負担の大きさのばらつきに関する指標である多様度Ｈが、算出単位エリアごとに得られる。そして、これら最近隣測度Ｒと多様度Ｈとが１つに統合されて、メンテナンスに要する負担に影響を及ぼす、各設備の集密度合いおよび劣化状態を、一義的かつ定量的に評価できる評価指標として集密多様度が得られる。 As a result, compared to the conventional case where a uniform mesh is used as the calculation unit area, each calculation unit area including a true congested area where facilities are geographically concentrated is installed. A nearest neighbor measure R indicating the density of the equipment is obtained. In addition, diversity H, which is an index related to variations in the magnitude of the burden required for maintenance, such as repair methods corresponding to the deterioration status obtained from the type of equipment, past inspection data and prediction, etc., is obtained for each calculation unit area. It is done. These nearest neighbor measures R and diversity H are integrated into one, and an evaluation index that can unambiguously and quantitatively evaluate the density and deterioration state of each facility that affects the maintenance burden. As a result, the density of congestion is obtained.
したがって、分散設置された種類や状態の異なる各設備のメンテナンスに要する負担を、算出単位エリアごとに総合的に評価でき、集密多様度という１つの指標の大小に基づいて、高効率でメンテナンスが可能なエリアを正確に特定することが可能となる。
これにより、予算や日程など限られたリソースの範囲内で、より多くのエリアのより多くの設備をメンテナンスするための優先順位付けを、正確に行うことができる。このため、通信サービスを提供するための電柱、通信ケーブル、通信装置などの通信設備に限らず、老朽化に伴い早期のメンテナンスが必要とされている一般的なインフラストラクチャ設備に関するメンテナンス方針の決定に、極めて有用な評価指標を提供することが可能となる。
Therefore, it is possible to comprehensively evaluate the burden required for the maintenance of each type of equipment installed in different types and states in a distributed manner, and maintenance can be performed with high efficiency based on the size of a single index called “concentration diversity”. It is possible to accurately identify possible areas.
Thus, prioritization for maintaining more facilities in more areas can be accurately performed within a limited resource range such as a budget and a schedule. For this reason, it is not limited to communication facilities such as utility poles, communication cables, and communication devices for providing communication services, but to determine maintenance policies for general infrastructure facilities that require early maintenance due to aging. It becomes possible to provide an extremely useful evaluation index.
なお、本発明にかかる集密多様度の算出手法は、メンテナンスに関する地域的な優先順位を特定することができるため、例えば、故障リスク等の相対比較（ランク分け）を公知の手法で行った後、集密多様度を算出するという活用も考えられる。もし、過去のメンテナンスに関するデータベースから、メンテナンスに必要となるリソースの原単位を導出できる場合、前述のようにして算出された集密多様度に、この原単位を乗算することで、エリアごとの具体的な保守リソースが算定される。これにより、メンテナンスに必要なリソースや所要時間を正確に算出でき、より効果的なメンテナンス方針を策定することが可能となる。 In addition, since the calculation method of the congestion diversity concerning this invention can specify the regional priority regarding a maintenance, for example, after performing relative comparison (ranking), such as failure risk, by a well-known method It can also be used to calculate the density of congestion. If the basic unit of resources required for maintenance can be derived from the database related to past maintenance, the specific unit for each area can be calculated by multiplying the basic unit of the confluence diversity calculated as described above by this basic unit. Maintenance resources are calculated. This makes it possible to accurately calculate the resources and time required for maintenance, and to formulate a more effective maintenance policy.
［実施の形態の拡張］
以上、実施形態を参照して本発明を説明したが、本発明は上記実施形態に限定されるものではない。本発明の構成や詳細には、本発明のスコープ内で当業者が理解しうる様々な変更をすることができる。また、各構成については、矛盾しない範囲で任意に組み合わせて実施することができる。
[Extended embodiment]
The present invention has been described above with reference to the embodiments, but the present invention is not limited to the above embodiments. Various changes that can be understood by those skilled in the art can be made to the configuration and details of the present invention within the scope of the present invention. Each configuration can be implemented in any combination within a consistent range.
１０…設備メンテナンス負担評価装置、１１…通信Ｉ／Ｆ部、１２…操作入力部、１３…画面表示部、１４…記憶部、１４Ａ…設備情報、１４Ｂ…最近隣測度、１４Ｃ…多様度、１４Ｄ…集密多様度、１４Ｅ…基本統計量、１４Ｄ…評価結果、１４Ｐ…プログラム、１５…演算処理部、１５Ａ…パラメータ設定部、１５Ｂ…最近隣測度算出部、１５Ｃ…多様度算出部、１５Ｄ…集密多様度算出部、１５Ｅ…スクリーニング部、１５Ｆ…基本統計量算出部、１５Ｇ…評価結果出力部、Ｒ…最近隣測度、ＮＲ…正規化最近隣測度、Ｈ…多様度、ＮＨ…正規化多様度、ＥＮ…集密多様度、ＮＥＮ…正規化集密多様度。
DESCRIPTION OF
Claims (6)
記憶部が、設備ごとに、当該設備が設置されている位置を示す位置情報と、メンテナンスに要する負担の大きさと対応関係を有する当該設備のランク情報とが登録された設備情報とを記憶する記憶ステップと、
最近隣測度算出部が、前記位置情報に基づいて、前記設備を中心または重心とした一定の算出単位エリアごとに、当該算出単位エリア内に位置する各設備の集密度合いを示す最近隣測度を算出する最近隣測度算出ステップと、
多様度算出部が、前記ランク情報と情報エントロピーの概念とに基づいて、前記算出単位エリアごとに、当該算出単位エリア内に位置する各設備のランクに関するばらつき度合いを示す多様度を算出する多様度算出ステップと、
集密多様度算出部が、前記算出単位エリアごとに、当該算出単位エリアの最近隣測度および多様度をそれぞれ直交成分とするベクトルの長さに基づき当該算出単位エリアの集密多様度を算出する集密多様度算出ステップと
を備えることを特徴とする設備メンテナンス負担評価方法。 A facility maintenance burden evaluation method for comprehensively evaluating the burden required for the maintenance of each facility of different types and states installed in a distributed manner for each calculation unit area,
A storage that stores, for each facility, location information indicating the location where the facility is installed, and facility information in which the rank information of the facility having a correspondence relationship with the magnitude of the burden required for maintenance is registered Steps,
Based on the position information, the nearest neighbor measure calculation unit calculates, for each calculation unit area centered on the facility or the center of gravity, a nearest neighbor measure indicating the density of each facility located in the calculation unit area. The nearest neighbor measure calculating step to calculate;
Diversity in which the diversity calculation unit calculates, for each calculation unit area, the degree of variation related to the rank of each facility located in the calculation unit area based on the rank information and the concept of information entropy A calculation step;
For each calculation unit area, the density diversity calculation unit calculates the density diversity of the calculation unit area based on the nearest neighbor measure of the calculation unit area and the length of a vector having orthogonal components as orthogonal components. A facility maintenance burden evaluation method comprising: a confluence diversity calculation step.
スクリーニング部が、前記算出単位エリアのうち、当該算出単位エリア内に、設備数の下限を示すしきい値以上の設備が配置されている算出単位エリアを有効エリアとして選択し、当該有効エリアに関する集密多様度を有効な評価結果として選択するスクリーニングステップをさらに備えることを特徴とする設備メンテナンス負担評価方法。 In the equipment maintenance burden evaluation method according to claim 1,
The screening unit selects, as the effective area, a calculation unit area in which the facilities equal to or greater than the threshold indicating the lower limit of the number of facilities are arranged in the calculation unit area, and collects the effective unit. A facility maintenance burden evaluation method, further comprising a screening step of selecting dense diversity as an effective evaluation result.
スクリーニング部が、前記算出単位エリアのうち、当該算出単位エリアの最近隣測度と多様度との乖離度が、当該乖離度の上限を示すしきい値以下である算出単位エリアを有効エリアとして選択し、当該有効エリアに関する集密多様度を有効な評価結果として選択するスクリーニングステップをさらに備えることを特徴とする設備メンテナンス負担評価方法。 In the equipment maintenance burden evaluation method according to claim 1,
The screening unit selects, from among the calculation unit areas, a calculation unit area whose divergence between the nearest neighbor measure and the diversity of the calculation unit area is equal to or less than a threshold value indicating the upper limit of the divergence as an effective area. A facility maintenance burden evaluation method, further comprising a screening step of selecting the density of congestion related to the effective area as an effective evaluation result.
スクリーニングステップは、前記算出単位エリアの全数に対する前記有効エリアの数の割合を示す有効エリア率が、予め設定されている下限有効エリア率を下回る場合、前記有効エリア率が大きくなる方向に前記しきい値を調整するステップを含むことを特徴とする設備メンテナンス負担評価方法。 In the equipment maintenance burden evaluation method according to claim 2 or claim 3,
In the screening step, when the effective area rate indicating the ratio of the number of the effective areas to the total number of the calculation unit areas is lower than a preset lower limit effective area rate, the threshold is increased in the effective area rate. An equipment maintenance burden evaluation method comprising a step of adjusting a value.
前記集密多様度算出ステップは、前記最近隣測度の最大値および最小値をＲｍａｘおよびＲｍｉｎとし、前記多様度の最大値および最小値をＨｍａｘおよびＨｍｉｎとした場合、任意の算出単位エリアｊの集密多様度をＥＮｊを、次の式
In the concentration diversity calculation step, when the maximum value and minimum value of the nearest neighbor measure are Rmax and Rmin, and the maximum value and minimum value of the diversity are Hmax and Hmin, a collection of an arbitrary calculation unit area j is performed. Dense diversity is expressed as ENj,
設備ごとに、当該設備が設置されている位置を示す位置情報と、メンテナンスに要する負担の大きさと対応関係を有する当該設備のランク情報とが登録された設備情報とを記憶する記憶部と、
前記位置情報に基づいて、前記設備を中心または重心とした一定の算出単位エリアごとに、当該算出単位エリア内に位置する各設備の集密度合いを示す最近隣測度を算出する最近隣測度算出部と、
前記ランク情報と情報エントロピーの概念とに基づいて、前記算出単位エリアごとに、当該算出単位エリア内に位置する各設備のランクに関するばらつき度合いを示す多様度を算出する多様度算出部と、
前記算出単位エリアごとに、当該算出単位エリアの最近隣測度および多様度をそれぞれ直交成分とするベクトルの長さに基づき当該算出単位エリアの集密多様度を算出する集密多様度算出部と
を備えることを特徴とする設備メンテナンス負担評価装置。 A facility maintenance burden evaluation device for comprehensively evaluating the burden required for maintenance of each facility of different types and states installed in a distributed manner for each calculation unit area,
For each facility, a storage unit that stores location information indicating a location where the facility is installed, and facility information in which rank information of the facility having a correspondence relationship with the magnitude of the burden required for maintenance is registered,
Based on the position information, for each fixed calculation unit area with the facility as the center or center of gravity, a nearest neighbor measure calculation unit that calculates a nearest neighbor measure indicating the density of each facility located in the calculation unit area When,
On the basis of the rank information and the concept of information entropy, a diversity calculation unit that calculates, for each calculation unit area, a diversity indicating the degree of variation regarding the rank of each facility located in the calculation unit area;
For each of the calculation unit areas, a density diversity calculation unit that calculates the density diversity of the calculation unit area based on the length of a vector having the nearest neighbor measure and the diversity as orthogonal components, respectively. An equipment maintenance burden evaluation apparatus comprising:
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014025112A JP6010059B2 (en) | 2014-02-13 | 2014-02-13 | Equipment maintenance burden evaluation method and apparatus |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014025112A JP6010059B2 (en) | 2014-02-13 | 2014-02-13 | Equipment maintenance burden evaluation method and apparatus |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2015153060A JP2015153060A (en) | 2015-08-24 |
| JP6010059B2 true JP6010059B2 (en) | 2016-10-19 |
Family
ID=53895256
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2014025112A Active JP6010059B2 (en) | 2014-02-13 | 2014-02-13 | Equipment maintenance burden evaluation method and apparatus |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6010059B2 (en) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6367757B2 (en) * | 2015-05-27 | 2018-08-01 | 日本電信電話株式会社 | Management method and management apparatus |
| JP6974732B2 (en) * | 2018-04-05 | 2021-12-01 | 日本電信電話株式会社 | Influential factor mixed range analysis method and influential factor mixed range analyzer |
| WO2021245925A1 (en) * | 2020-06-05 | 2021-12-09 | 日本電信電話株式会社 | Degradation estimation device and degradation estimation method |
| CN113947248B (en) * | 2021-10-21 | 2024-05-31 | 广东电网有限责任公司广州供电局 | Risk prediction method and related device for cable damp aging tripping |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3554926B2 (en) * | 2000-10-11 | 2004-08-18 | 文彦 今村 | Tsunami damage estimation system |
| JP4052861B2 (en) * | 2002-03-28 | 2008-02-27 | 財団法人公園緑地管理財団 | Green space management level setting method and management level setting program |
| JP4950508B2 (en) * | 2006-02-14 | 2012-06-13 | ヤフー株式会社 | Facility information management system, facility information management device, facility information management method, and facility information management program |
| JP5809105B2 (en) * | 2012-05-16 | 2015-11-10 | 日本電信電話株式会社 | Maintenance method selection device, maintenance method selection method and program |
-
2014
- 2014-02-13 JP JP2014025112A patent/JP6010059B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2015153060A (en) | 2015-08-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6770125B2 (en) | Estimated damage prevention due to building renovation | |
| Pirdavani et al. | Application of geographically weighted regression technique in spatial analysis of fatal and injury crashes | |
| Steenberghen et al. | Spatial clustering of events on a network | |
| Di Lorenzo et al. | Allaboard: Visual exploration of cellphone mobility data to optimise public transport | |
| CN104915735B (en) | The early warning analysis method of enterprise operation analyzing and alarming system | |
| JP6010059B2 (en) | Equipment maintenance burden evaluation method and apparatus | |
| AU2021236564A1 (en) | Devices, methods, and systems for determining environmental standard compliance | |
| Broitman et al. | Forecasting health effects potentially associated with the relocation of a major air pollution source | |
| KR20140090723A (en) | Method and apparatus for the appropriate locaion assessment of a super tall building | |
| Duan et al. | Spatial-temporal analysis of safety risks in trajectories of construction workers based on complex network theory | |
| Pusuluri et al. | Road crash zone identification and remedial measures using GIS | |
| Meoni et al. | A procedure for bridge visual inspections prioritisation in the context of preliminary risk assessment with limited information | |
| CN117634926A (en) | Comprehensive port operation prediction method and system based on big data analysis | |
| Yang et al. | Analyzing travel time belief reliability in road network under uncertain random environment | |
| Faravelli et al. | Using OpenQuake to define seismic risk and real time damage scenario in Italy | |
| KR101744776B1 (en) | Apparatus for estimating a floating population using records of search maps and method thereof | |
| JP5779294B1 (en) | Information processing apparatus, information processing method, and information processing program | |
| Li et al. | Integrating traffic simulation models with evacuation planning system in a GIS environment | |
| Atef et al. | Understanding the effect of interdependency and vulnerability on the performance of civil infrastructure | |
| Berardinelli et al. | An advanced highway asset management system | |
| Vahdat et al. | A risk-based system for managing the retrofitting of school buildings in seismic prone areas: A case study from Iran | |
| Baker et al. | Local measures of disruption for quantifying seismic risk and reliability of complex networks | |
| WO2020105151A1 (en) | Facility maintenance inspection assisting system and order of inspection determination method | |
| Nguyen et al. | FAHP-based decision making framework for construction projects | |
| Sanni et al. | Estimating walking modal share: a novel approach based on spatial regression models and GIS |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20151117 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20160819 |
|
| 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: 20160913 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160915 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6010059 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |