JP6501982B2 - Failure risk index estimation device and failure risk index estimation method - Google Patents

Failure risk index estimation device and failure risk index estimation method Download PDF

Info

Publication number
JP6501982B2
JP6501982B2 JP2018555417A JP2018555417A JP6501982B2 JP 6501982 B2 JP6501982 B2 JP 6501982B2 JP 2018555417 A JP2018555417 A JP 2018555417A JP 2018555417 A JP2018555417 A JP 2018555417A JP 6501982 B2 JP6501982 B2 JP 6501982B2
Authority
JP
Japan
Prior art keywords
failure
unit
information
parameter
estimation
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
Application number
JP2018555417A
Other languages
Japanese (ja)
Other versions
JPWO2018105104A1 (en
Inventor
友也 藤野
友也 藤野
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsubishi Electric Corp
Original Assignee
Mitsubishi Electric Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Mitsubishi Electric Corp filed Critical Mitsubishi Electric Corp
Publication of JPWO2018105104A1 publication Critical patent/JPWO2018105104A1/en
Application granted granted Critical
Publication of JP6501982B2 publication Critical patent/JP6501982B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Description

この発明は、設備に故障が発生するリスクの指標を推定する故障リスク指標推定装置および故障リスク指標推定方法に関する。   The present invention relates to a failure risk indicator estimation device and a failure risk indicator estimation method for estimating an indicator of the risk of occurrence of a failure in a facility.

故障モード影響解析（以下、ＦＭＥＡと記載する）は、故障が対象設備に与える影響を故障に関する項目ごとにレベル付けした結果を得る解析手法である。故障に関する項目には、例えば、設備に故障が発生する頻度、故障が設備に与える影響の大きさなどがある。また、設備の稼働データが十分に蓄積されていないため、稼働データから設備の保守または修理の必要性を評価することが難しい場合、これを評価する際にＦＭＥＡの解析結果が参照されることがある。   The failure mode effect analysis (hereinafter referred to as FMEA) is an analysis method for obtaining the result of leveling the influence of the failure on the target equipment for each item related to the failure. The items relating to the failure include, for example, the frequency of occurrence of a failure in the equipment, the magnitude of the influence of the failure on the equipment, and the like. In addition, if it is difficult to evaluate the need for maintenance or repair of the facility from the operation data because the operation data of the facility is not sufficiently accumulated, the analysis result of FMEA is referred to when evaluating this is there.

例えば、特許文献１には、ＦＭＥＡを利用して、予測対象機械システムの稼働率を予測する稼働率予測装置が記載されている。上記稼働率予測装置は、故障率に関連する複数の評価項目のレベルと故障係数との対応関係が規定されたマップを備えており、このマップを参照して、予測対象機械システムの構成要素の評価項目のレベルに対応する故障係数を特定する。上記稼働率予測装置は、特定した故障係数から構成要素の故障率を推定して、複数の構成要素のそれぞれで推定した故障率に基づいて予測対象機械システムの稼働率を予測する。なお、上記マップは、類似機械システムの稼働率の実績に合うようにフィッティングされたものである。   For example, Patent Document 1 describes an operation rate prediction apparatus that predicts the operation rate of a prediction target mechanical system using FMEA. The above operating rate predicting apparatus is provided with a map in which the correspondence relationship between the level of a plurality of evaluation items related to the failure rate and the failure factor is defined, and referring to this map, Identify the failure factor corresponding to the level of the evaluation item. The operating rate prediction apparatus estimates the failure rate of the component from the identified failure factor, and predicts the operating rate of the prediction target mechanical system based on the failure rate estimated by each of the plurality of components. In addition, the above-mentioned map is fitted so that the actual performance of the similar machine system may be fitted.

一方、対象設備に故障が発生するリスクを正確に評価しようとする段階では、当該設備の保守管理が既に実施中であり、当該設備の状況に応じた保守作業間隔が定められている場合が多い。このため、従来から、対象設備の構成部品ごとの故障要因に基づいて、構成部品ごとに期待される保守作業間隔を算出する技術が提案されている。   On the other hand, at the stage where the risk of failure occurring in the target equipment is to be accurately evaluated, maintenance management of the equipment is already underway, and maintenance work intervals according to the condition of the equipment are often defined. . Therefore, conventionally, there has been proposed a technique for calculating an expected maintenance work interval for each component based on a failure factor for each component of the target facility.

例えば、特許文献２に記載される可動管理装置では、停止状態にある設備の構成部品の故障要因と故障の影響度とを考慮して当該構成部品の部品ランク係数を選定し、当該構成部品の予測寿命を考慮して当該構成部品の劣化ランク係数を選定している。選定した部品ランク係数と劣化ランク係数とに基づいて、上記可動管理装置は、構成部品に期待される検査周期を算出し、算出した検査周期に基づいて当該構成部品の有効保全周期、すなわち保守作業間隔を決定している。   For example, in the movable management device described in Patent Document 2, the component rank coefficient of the component is selected in consideration of the failure factor of the component of the facility in the stopped state and the degree of influence of the failure, and The degradation rank factor of the component is selected in consideration of the predicted life. The movable management device calculates the inspection cycle expected for the component based on the selected part rank coefficient and the deterioration rank coefficient, and based on the calculated inspection cycle, the effective maintenance period of the component, that is, maintenance work The interval has been determined.

特開２０１６−１２６７２８号公報JP, 2016-126728, A 特開２００４−２５２５４９号公報Unexamined-Japanese-Patent No. 2004-252549

特許文献１に記載された稼働率予測装置では、上記マップを得るため、予測対象の機械システムに類似した機械システムの稼働率の実績を精度よく再現できるだけの実績データが必要であった。
また、上記稼働率予測装置では、評価項目の互いに異なるレベル間で故障率の大小関係しか考慮されていない。例えば、故障の頻度レベルが高い故障が発生する故障率よりも、故障の頻度レベルが低い故障が発生する故障率が低くなるようにする制約条件のもとで、稼働率が予測されている。このため、実際の機械システムにおける故障率の変動を適切に評価できない。In the operation rate prediction device described in Patent Document 1, in order to obtain the above-mentioned map, it is necessary to have actual data capable of accurately reproducing the actual operation rate of the mechanical system similar to the mechanical system to be predicted.
Further, in the above operating rate predicting apparatus, only the magnitude relation of failure rates is taken into consideration between different levels of evaluation items. For example, the operating rate is predicted under the constraint that the failure rate at which a failure at a low frequency level occurs is lower than the failure rate at which a failure at a high frequency level occurs. For this reason, the fluctuation of the failure rate in the actual mechanical system can not be properly evaluated.

特許文献２に記載された可動管理装置では、構成部品に期待される検査周期が現行検査周期の定数倍であることを前提として有効保全周期を決定しているが、この前提は、故障のリスクが経過時間に対して線形に推移しなければ成立しない。
実際の設備で故障が発生するリスクは一般に非線形に推移するため、上記可動管理装置を実際の設備にそのまま適用することはできない。In the mobile management device described in Patent Document 2, the effective maintenance period is determined on the premise that the inspection period expected for the component is a constant multiple of the current inspection period. It does not hold unless linear transition with respect to elapsed time.
The risk of occurrence of a failure in an actual installation generally shifts non-linearly, so the mobile management device can not be applied to the actual installation as it is.

この発明は上記課題を解決するもので、設備の保守実績データがないまたは少ない場合であっても、設備に故障が発生するリスクの指標を適切に推定できる故障リスク指標推定装置および故障リスク指標推定方法を得ることを目的とする。   The present invention solves the above-mentioned problems, and a failure risk indicator estimating device and failure risk indicator estimation capable of appropriately estimating an indicator of a risk that a failure occurs in the facility even if there is no or little maintenance performance data of the facility The aim is to get a way.

この発明に係る故障リスク指標推定装置は、モデル式構築部、パラメータ推定部、絞り込み部、指標推定部および併合部を備える。モデル式構築部は、設備を構成する部品の点検項目ごとのＦＭＥＡ結果を示す情報および故障リスク指標の推定に用いる統計的分布を示す情報に基づいて、統計的分布に従った故障リスク指標の推移を示すモデル式を構築する。パラメータ推定部は、設備を構成する部品の点検項目ごとのＦＭＥＡ結果を示す情報および部品の点検項目ごとに既定された保守作業間隔を示す情報に基づいて、モデル式から算出した保守作業間隔と既定された保守作業間隔との差分が最も小さくなるモデル式のパラメータ値を統計的に推定する。絞り込み部は、設備、設備を構成する部品および部品ごとの点検項目を含む設備情報、設備を構成する部品の点検項目ごとの保守作業の実績データおよび設備を構成する部品ごとの故障の実績データを、故障モード影響解析結果ごとに対応する情報に分類する。指標推定部は、絞り込み部により分類された情報に基づいて、保守作業の実績データと故障の実績データとの関係に応じた故障リスク指標の推定値を推定する。併合部は、パラメータ推定部により推定されたパラメータ値である第１の推定値と指標推定部により推定された推定値である第２の推定値とを按分して、最終的な故障リスク指標の推定値を算出する。 A failure risk index estimation apparatus according to the present invention includes a model expression construction unit , a parameter estimation unit , a narrowing unit, an index estimation unit, and a merging unit . Transition of failure risk indicator according to statistical distribution based on information indicating the FMEA result for each inspection item of parts constituting the facility and information indicating statistical distribution used for estimating the failure risk indicator Build a model expression that shows The parameter estimation unit determines the maintenance work interval and the default calculated from the model formula based on the information indicating the FMEA result for each inspection item of the part constituting the facility and the information indicating the maintenance operation interval defined for each part inspection item. The parameter value of the model equation that statistically minimizes the difference from the specified maintenance work interval is estimated. The narrowing-down unit includes equipment information including equipment and parts constituting the equipment and inspection information for each part, maintenance data of maintenance work for each inspection item for parts constituting the equipment, and failure data for failures of parts constituting the equipment. The information is classified into information corresponding to each failure mode and effect analysis result. The index estimation unit estimates, based on the information classified by the narrowing-down unit, the estimated value of the failure risk index according to the relationship between the performance data of the maintenance work and the performance data of the failure. The merging unit divides the first estimated value, which is the parameter value estimated by the parameter estimating unit, and the second estimated value, which is the estimated value estimated by the indicator estimating unit, into a final failure risk index. Calculate the estimated value.

この発明によれば、統計的分布に従った故障リスク指標の推移を示すモデル式を構築し、モデル式のパラメータ値を故障リスク指標の推定値として統計的に推定する。このようにすることで、設備の保守実績データがないまたは少ない場合であっても、設備に故障が発生するリスクの指標を適切に推定できる。   According to the present invention, a model expression indicating transition of a failure risk index according to a statistical distribution is constructed, and parameter values of the model expression are statistically estimated as an estimated value of the failure risk index. By doing this, even if there is no or little maintenance performance data of the equipment, it is possible to properly estimate the index of the risk of failure of the equipment.

この発明の実施の形態１に係る故障リスク指標推定装置の機能構成を示すブロック図である。It is a block diagram which shows the function structure of the failure risk index estimation apparatus based on Embodiment 1 of this invention. 図２Ａは、ＦＭＥＡ結果データベース（以下、ＤＢと記載する）に記憶される情報の項目を示す図である。図２Ｂは、既定作業間隔ＤＢに記憶される情報の項目を示す図である。図２Ｃは、統計評価用情報を示す図である。FIG. 2A is a diagram showing items of information stored in an FMEA result database (hereinafter, referred to as DB). FIG. 2B is a diagram showing items of information stored in the default work interval DB. FIG. 2C is a diagram showing statistical evaluation information. 実施の形態１における第１の記憶部に記憶される情報の項目を示す図である。5 is a diagram showing items of information stored in a first storage unit in Embodiment 1. FIG. 図４Ａは、実施の形態１に係る故障リスク指標推定装置の機能を実現するハードウェア構成を示すブロック図である。図４Ｂは、実施の形態１に係る故障リスク指標推定装置の機能を実現するソフトウェアを実行するハードウェア構成を示すブロック図である。FIG. 4A is a block diagram showing a hardware configuration for realizing the function of the failure risk indicator estimating device according to the first embodiment. FIG. 4B is a block diagram showing a hardware configuration for executing software that implements the function of the failure risk indicator estimating device according to the first embodiment. 実施の形態１に係る故障リスク指標推定装置の動作を示すフローチャートである。7 is a flowchart showing the operation of the failure risk indicator estimating device according to the first embodiment. 故障リスク指標と中間評価指標との関係を示す図である。It is a figure which shows the relationship between a failure risk index and a middle evaluation index. ＦＭＥＡ結果の評価項目と中間評価指標との関連性を示す図である。It is a figure which shows the relationship of the evaluation item of FMEA result, and an intermediate | middle evaluation index. モデル式構築部およびパラメータ推定部の動作を示すフローチャートである。It is a flowchart which shows operation | movement of a model type | formula construction | assembly part and a parameter estimation part. ＦＭＥＡ結果ＤＢと既定作業間隔ＤＢとのテーブルデータを併合した結果を示す図である。It is a figure which shows the result of having merged table data with FMEA result DB and default work interval DB. ＦＭＥＡ結果の評価項目に中間評価指標のパラメータを割り当てた結果を示す図である。It is a figure which shows the result of having allocated the parameter of the middle evaluation index to the evaluation item of FMEA result. モデル式から想定される保守作業間隔を示す図である。It is a figure which shows the maintenance work interval assumed from a model formula. この発明の実施の形態２に係る故障リスク指標推定装置の機能構成を示すブロック図である。It is a block diagram which shows the function structure of the failure risk index estimation apparatus based on Embodiment 2 of this invention. 図１３Ａは、設備情報ＤＢに記憶される情報の項目を示す図である。図１３Ｂは、保守実績ＤＢに記憶される情報の項目を示す図である。図１３Ｃは、故障実績ＤＢに記憶される情報の項目を示す図である。FIG. 13A is a diagram showing items of information stored in the facility information DB. FIG. 13B is a diagram showing items of information stored in the maintenance record DB. FIG. 13C is a diagram showing items of information stored in the failure record DB. 図１４Ａは、絞り込みデータ記憶部に記憶される情報の項目を示す図である。図１４Ｂは、第２の記憶部に記憶される情報の項目を示す図である。図１４Ｃは、故障リスク指標の推定値を示す図である。FIG. 14A is a diagram showing items of information stored in the narrowed data storage unit. FIG. 14B is a diagram showing items of information stored in the second storage unit. FIG. 14C is a diagram showing estimated values of failure risk indicators. 実施の形態２に係る故障リスク指標推定装置の動作を示すフローチャートである。7 is a flowchart showing the operation of the failure risk indicator estimating device according to the second embodiment. 実施の形態２における絞り込み部の動作を示すフローチャートである。15 is a flowchart showing the operation of the narrowing unit in the second embodiment. 実施の形態２における指標推定部の動作を示すフローチャートである。FIG. 16 is a flowchart showing an operation of the index estimation unit in Embodiment 2. FIG. 実施の形態２における併合部の動作を示すフローチャートである。FIG. 16 is a flowchart showing the operation of the merging unit in Embodiment 2. FIG.

以下、この発明をより詳細に説明するため、この発明を実施するための形態について、添付の図面に従って説明する。
実施の形態１．
図１は、この発明の実施の形態１に係る故障リスク指標推定装置１の機能構成を示すブロック図である。故障リスク指標推定装置１は、設備の故障リスク指標を推定する装置であり、ＦＭＥＡ結果ＤＢ２、既定作業間隔ＤＢ３、指標推定部４および第１の記憶部５を備える。指標推定部４は、ＦＭＥＡ結果ＤＢ２および既定作業間隔ＤＢ３のそれぞれから読み出した情報と統計評価用情報Ａとに基づいて設備の故障リスク指標を推定する。故障リスク指標とは、設備を構成する部品に故障が発生するリスクの大きさを定量化した情報である。Hereinafter, in order to explain the present invention in more detail, embodiments for carrying out the present invention will be described according to the attached drawings.
Embodiment 1
FIG. 1 is a block diagram showing a functional configuration of a failure risk index estimation device 1 according to Embodiment 1 of the present invention. The failure risk index estimation device 1 is a device for estimating a failure risk index of equipment, and includes an FMEA result DB 2, a predetermined operation interval DB 3, an index estimation unit 4 and a first storage unit 5. The index estimation unit 4 estimates the failure risk index of the facility based on the information read out from each of the FMEA result DB 2 and the predetermined work interval DB 3 and the statistical evaluation information A. The failure risk index is information that quantifies the magnitude of the risk of failure occurring in the parts constituting the equipment.

ＦＭＥＡ結果ＤＢ２は、設備を構成する部品の点検項目ごとのＦＭＥＡ結果を記憶するＤＢである。ＦＭＥＡ結果ＤＢ２には、例えば、図２Ａに示すような項目の情報が記憶される。“部品ＩＤ”の項目には、部品の識別情報が設定される。“点検項目ＩＤ”の項目には、点検項目の識別情報が設定される。点検項目には、例えば、外観検査、通電検査、絶縁検査、摩擦検査などがある。通電検査と絶縁検査とは、ともに電気の導通状態を検査するものであるため、類似した点検項目といえる。   The FMEA result DB 2 is a DB that stores the FMEA result for each inspection item of the parts that make up the facility. For example, information of items as shown in FIG. 2A is stored in the FMEA result DB 2. In the item "part ID", identification information of the part is set. In the item of "inspection item ID", identification information of the inspection item is set. The inspection items include, for example, an appearance inspection, a conduction inspection, an insulation inspection, and a friction inspection. The conduction inspection and the insulation inspection are both inspections of the electrical conduction state, so they can be said to be similar inspection items.

“故障の頻度レベル”と“影響の大きさレベル”と“検出可能性レベル”はＦＭＥＡの評価項目である。“故障の頻度レベル”の項目には、故障の頻度に関するＦＭＥＡの評価レベルが設定される。“影響の大きさレベル”の項目には、故障が部品に与える影響の大きさに関するＦＭＥＡの評価レベルが設定される。“検出可能性レベル”の項目には、故障の検出のしやすさに関するＦＭＥＡの評価レベルが設定される。   The “fault frequency level”, “impact level level” and “detectability level” are the evaluation items of FMEA. In the item of “failure frequency level”, an evaluation level of FMEA regarding the frequency of failure is set. In the item "magnitude of influence level", an evaluation level of FMEA regarding the magnitude of influence of the failure on the part is set. In the item of “detectability level”, an evaluation level of FMEA regarding the ease of detection of a failure is set.

既定作業間隔ＤＢ３は、部品の点検項目ごとに既定された保守作業間隔を示す情報を記憶するＤＢである。既定作業間隔ＤＢ３には、例えば、図２Ｂに示すような項目の情報が記憶される。“部品ＩＤ”および“点検項目ＩＤ”については、図２Ａに示したものと同じである。“既定作業間隔月数”の項目には、部品の点検項目ごとに既定された保守作業間隔の月数が設定される。   The default work interval DB 3 is a DB that stores information indicating a maintenance work interval set for each of the inspection items of parts. For example, information of items as shown in FIG. 2B is stored in the default work interval DB 3. The “part ID” and the “check item ID” are the same as those shown in FIG. 2A. The number of months of maintenance work intervals set for each of the inspection items of the parts is set in the item of “predetermined work interval months”.

統計評価用情報Ａは、故障リスク指標の統計的推定に用いられる統計的分布を示す情報である。統計評価用情報Ａには、例えば、図２Ｃに示すような項目の情報が記憶される。“統計的分布”の項目には、故障リスク指標の統計的推定に用いられる統計的分布の種類が設定される。統計的分布の種類には、ワイブル分布、ガンマ分布、対数正規分布などの理論的に導かれた分布が挙げられる。   The statistical evaluation information A is information indicating a statistical distribution used for statistical estimation of the failure risk index. In the statistical evaluation information A, for example, information of items such as shown in FIG. 2C is stored. In the item of "statistical distribution", the type of statistical distribution used for statistical estimation of failure risk index is set. Types of statistical distribution include theoretically derived distributions such as Weibull distribution, gamma distribution, and lognormal distribution.

“許容誤差”の項目には、指標推定部４により推定された故障リスク指標の推定値が標準偏差に対して許容される誤差の比率が設定される。
“信頼率”の項目には、指標推定部４により推定された故障リスク指標の信頼率が設定される。故障リスク指標の推定値が許容誤差以内に収まると評価された結果が外れる確率Ｐ１と、故障リスク指標の推定値が許容誤差に収まらないと評価された結果が外れる確率Ｐ２との両方が“信頼率”に設定された値α以上となる（Ｐ１≧α、Ｐ２≧α）。
なお、“許容誤差”と“信頼率”は、実施の形態２で後述する併合処理に用いる情報であるため、実施の形態１における統計評価用情報Ａには、これらの情報がなくてもよい。In the item of “tolerance error”, a ratio of an error at which the estimated value of the failure risk index estimated by the index estimation unit 4 is permitted to the standard deviation is set.
The reliability rate of the failure risk index estimated by the index estimation unit 4 is set in the item of “reliability rate”. Both the probability P1 that the result of evaluation that the estimated value of the failure risk index falls within the tolerance falls out and the probability P2 of the result that the estimated value of the failure risk index falls out of the tolerance fall out It becomes more than the value α set to the ratio (P1 ≧ α, P2 ≧ α).
It should be noted that since “tolerance error” and “reliability” are information used in the merging process described later in the second embodiment, the information for statistical evaluation A in the first embodiment may not have such information. .

指標推定部４は、モデル式構築部４ａおよびパラメータ推定部４ｂを備える。
モデル式構築部４ａは、ＦＭＥＡ結果ＤＢ２から読み出したＦＭＥＡ結果と統計評価用情報Ａとに基づいて、故障リスク指標の推移（時間変化）を示すモデル式を構築する。
パラメータ推定部４ｂは、ＦＭＥＡ結果ＤＢ２と既定作業間隔ＤＢ３とから読み出した情報に基づいて、モデル式から算出した保守作業間隔と既定された保守作業間隔との差分が最も小さくなるように上記モデル式のパラメータ値を統計的に推定する。
上記モデル式は、統計評価用情報Ａが示す統計的分布に従った故障リスク指標の推移をモデル化したものであり、このモデル式のパラメータ値が第１の推定値となる。The index estimation unit 4 includes a model expression construction unit 4a and a parameter estimation unit 4b.
The model equation construction unit 4a constructs a model equation that indicates the transition (time change) of the failure risk index, based on the FMEA result read out from the FMEA result DB 2 and the statistical evaluation information A.
The parameter estimation unit 4b is configured such that the difference between the maintenance operation interval calculated from the model equation and the predetermined maintenance operation interval is minimized based on the information read from the FMEA result DB 2 and the predetermined operation interval DB 3. Statistically estimate the parameter values of
The model formula is a model of the transition of the failure risk index according to the statistical distribution indicated by the statistical evaluation information A, and the parameter value of this model formula is the first estimated value.

第１の記憶部５は、指標推定部４によって推定されたパラメータ値である第１の推定値を記憶する。第１の記憶部５には、例えば、図３に示すような項目ごとの情報が記憶される。“部品ＩＤ”および“点検項目ＩＤ”は図２Ａに示したものと同じであり、“統計的分布”は図２Ｃに示したものと同じである。
“統計的分布パラメータ”の項目には、第１の推定値の統計的推定で用いられた統計的分布を規定するパラメータが設定される。統計的分布がワイブル分布に従う場合、ワイブル分布を規定する累積密度関数の形状パラメータγと尺度パラメータφが設定される。The first storage unit 5 stores a first estimated value which is a parameter value estimated by the index estimation unit 4. For example, information for each item as shown in FIG. 3 is stored in the first storage unit 5. The “part ID” and the “check item ID” are the same as those shown in FIG. 2A, and the “statistical distribution” is the same as that shown in FIG. 2C.
In the item of “statistical distribution parameter”, a parameter that defines a statistical distribution used in the statistical estimation of the first estimated value is set. When the statistical distribution follows the Weibull distribution, the shape parameter γ of the cumulative density function that defines the Weibull distribution and the scale parameter φ are set.

“時間スケール係数”と“リスク重み係数”と“安全マージン”は、上記のモデル式のパラメータであり、指標推定部４により推定されたパラメータ値が設定される。
“時間スケール係数”は、上記モデル式において、故障リスクが増加する速度に関するパラメータである。“リスク重み係数”は、上記モデル式において、故障リスクの重みの度合いに関するパラメータである。“安全マージン”は、上記モデル式で推定された作業間隔での保守作業日時から遡る時間間隔を示すパラメータである。このパラメータにより部品の保守作業が前倒しで実行される。The “time scale factor”, the “risk weighting factor”, and the “safety margin” are parameters of the above-mentioned model equation, and parameter values estimated by the index estimation unit 4 are set.
The “time scale factor” is a parameter related to the speed at which the failure risk increases in the above model equation. “Risk weighting factor” is a parameter relating to the degree of weight of failure risk in the above model equation. The “safety margin” is a parameter indicating a time interval going back from the maintenance work date and time at the work interval estimated by the above-mentioned model equation. Parts maintenance work is performed ahead of time by this parameter.

ＦＭＥＡ結果ＤＢ２および既定作業間隔ＤＢ３は、図４Ａおよび図４Ｂに示すデータベース１００である。ＦＭＥＡ結果ＤＢ２および既定作業間隔ＤＢ３のそれぞれに記憶された情報は、ＤＢ入出力インタフェース１０１を通して指標推定部４に入力される。   The FMEA result DB 2 and the predetermined work interval DB 3 are the database 100 shown in FIGS. 4A and 4B. Information stored in each of the FMEA result DB 2 and the predetermined work interval DB 3 is input to the index estimation unit 4 through the DB input / output interface 101.

統計評価用情報Ａは、情報入力インタフェース１０２を通して故障リスク指標推定装置１に入力される。故障リスク指標の推定値は、情報出力インタフェース１０３を通して故障リスク指標推定装置１から出力される。
第１の記憶部５は、データベース１００がある記憶装置に設けてもよいが、図４Ａに示す処理回路１０４の内部メモリに設けてもよい。また、第１の記憶部５は、図４Ｂに示すメモリ１０５に設けてもよい。The statistical evaluation information A is input to the failure risk indicator estimation device 1 through the information input interface 102. The estimated value of the failure risk indicator is output from the failure risk indicator estimation device 1 through the information output interface 103.
The first storage unit 5 may be provided in the storage device in which the database 100 is located, or may be provided in the internal memory of the processing circuit 104 shown in FIG. 4A. Further, the first storage unit 5 may be provided in the memory 105 shown in FIG. 4B.

故障リスク指標推定装置１におけるモデル式構築部４ａおよびパラメータ推定部４ｂの各機能は、処理回路により実現される。
すなわち、故障リスク指標推定装置１は、ＦＭＥＡ結果ＤＢ２から読み出したＦＭＥＡ結果と統計評価用情報Ａとに基づいて、故障リスク指標の推移を示すモデル式を構築し、ＦＭＥＡ結果ＤＢ２と既定作業間隔ＤＢ３とから読み出した情報に基づいて、モデル式から算出した保守作業間隔と既定された保守作業間隔との差分が最も小さくなるモデル式のパラメータ値を統計的に推定するための処理回路を備える。
処理回路は、専用のハードウェアであっても、メモリに記憶されたプログラムを実行するＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）であってもよい。Each function of the model expression construction unit 4a and the parameter estimation unit 4b in the failure risk index estimation device 1 is realized by a processing circuit.
That is, based on the FMEA result read out from the FMEA result DB 2 and the statistical evaluation information A, the failure risk index estimation device 1 constructs a model expression indicating the transition of the failure risk index, and the FMEA result DB 2 and the predetermined operation interval DB 3 And a processing circuit for statistically estimating a parameter value of a model equation that minimizes the difference between the maintenance operation interval calculated from the model equation and the predetermined maintenance operation interval based on the information read from the step.
The processing circuit may be dedicated hardware or a CPU (Central Processing Unit) that executes a program stored in a memory.

処理回路が、図４Ａに示すような専用のハードウェアである場合、処理回路１０４は、例えば、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、ＦＰＧＡ（Ｆｉｅｌｄ−Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）、または、これらを組み合わせたものが該当する。
モデル式構築部４ａおよびパラメータ推定部４ｂのそれぞれの機能を別々の処理回路で実現してもよいし、これらの機能をまとめて１つの処理回路で実現してもよい。When the processing circuit is dedicated hardware as shown in FIG. 4A, the processing circuit 104 may be, for example, a single circuit, a composite circuit, a programmed processor, a parallel programmed processor, an application specific integrated circuit (ASIC). , FPGA (Field-Programmable Gate Array), or a combination thereof.
The respective functions of the model equation construction unit 4a and the parameter estimation unit 4b may be realized by separate processing circuits, or these functions may be realized together by one processing circuit.

処理回路が、図４Ｂに示すようなプロセッサ１０６である場合、モデル式構築部４ａおよびパラメータ推定部４ｂの各機能は、ソフトウェア、ファームウェア、またはソフトウェアとファームウェアとの組み合わせによって実現される。
ソフトウェアまたはファームウェアはプログラムとして記述され、メモリ１０５に記憶される。プロセッサ１０６は、メモリ１０５に記憶されたプログラムを読み出して実行することにより各部の機能を実現する。
すなわち、故障リスク指標推定装置１は、プロセッサ１０６により実行されるときに、図５に示すステップＳＴ１、ステップＳＴ２が結果的に実行されるプログラムを記憶するためのメモリ１０５を備える。また、これらのプログラムは、モデル式構築部４ａおよびパラメータ推定部４ｂの手順または方法をコンピュータに実行させるものである。When the processing circuit is the processor 106 as shown in FIG. 4B, each function of the model equation construction unit 4a and the parameter estimation unit 4b is realized by software, firmware, or a combination of software and firmware.
The software or firmware is described as a program and stored in the memory 105. The processor 106 implements the functions of the respective units by reading and executing the program stored in the memory 105.
That is, the failure risk index estimation device 1 includes the memory 105 for storing a program that is executed by the processor 106 as a result of the step ST1 and the step ST2 shown in FIG. 5. Also, these programs cause a computer to execute the procedure or method of the model expression construction unit 4a and the parameter estimation unit 4b.

メモリ１０５には、例えば、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、フラッシュメモリ、ＥＰＲＯＭ（Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ−ＥＰＲＯＭ）などの不揮発性または揮発性の半導体メモリ、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ミニディスク、ＤＶＤなどが該当する。   The memory 105 is, for example, a nonvolatile or volatile semiconductor memory such as a random access memory (RAM), a read only memory (ROM), a flash memory, an erasable programmable read only memory (EPROM), or an EEPROM (electrically-EPROM). A magnetic disk, a flexible disk, an optical disk, a compact disk, a mini disk, a DVD, etc. correspond.

なお、モデル式構築部４ａおよびパラメータ推定部４ｂの各機能について、一部を専用のハードウェアで実現し、一部をソフトウェアまたはファームウェアで実現してもよい。例えば、モデル式構築部４ａについては専用のハードウェアとしての処理回路でその機能を実現し、パラメータ推定部４ｂについては、プロセッサ１０６がメモリ１０５に記憶されたプログラムを読み出して実行することによってその機能を実現してもよい。
このように、処理回路は、ハードウェア、ソフトウェア、ファームウェアまたはこれらの組み合わせによって上記機能のそれぞれを実現することができる。The functions of the model equation construction unit 4a and the parameter estimation unit 4b may be partially realized by dedicated hardware and partially realized by software or firmware. For example, the function is realized by a processing circuit as dedicated hardware for the model expression construction unit 4a, and the function is realized by the processor 106 reading and executing the program stored in the memory 105 for the parameter estimation unit 4b. May be realized.
Thus, the processing circuit can implement each of the above functions by hardware, software, firmware, or a combination thereof.

次に動作について説明する。
図５は故障リスク指標推定装置１の動作を示すフローチャートであり、故障リスク指標の推定値を求めて第１の記憶部５に記憶するまでの一連の処理を示している。図６は、故障リスク指標Ｒ（ｔ）と中間評価指標Ｓ，Ｗ，Ｍとの関係を示す図であり、保守作業後の経過時間における故障リスク指標Ｒ（ｔ）の推移を示している。図７は、ＦＭＥＡ結果の評価項目Ｃ，Ｅ，Ｄと中間評価指標Ｓ，Ｗ，Ｍとの関連性を示す図である。
以下、故障リスク指標推定装置１の動作を、図６と図７を参照しながら、図５に沿って説明する。Next, the operation will be described.
FIG. 5 is a flow chart showing the operation of the failure risk index estimation device 1 and shows a series of processes until the estimated value of the failure risk index is obtained and stored in the first storage unit 5. FIG. 6 is a view showing the relationship between the failure risk index R (t) and the intermediate evaluation indexes S, W and M, and shows the transition of the failure risk index R (t) in the elapsed time after the maintenance work. FIG. 7 is a diagram showing the relationship between evaluation items C, E, D of the FMEA results and the intermediate evaluation indexes S, W, M.
Hereinafter, the operation of the failure risk index estimating device 1 will be described with reference to FIG. 5 with reference to FIGS. 6 and 7.

まず、指標推定部４は、ＦＭＥＡ結果ＤＢ２から読み出したＦＭＥＡ結果と統計評価用情報Ａとに基づいて、故障リスク指標のモデル式を構築する（ステップＳＴ１）。
故障リスク指標Ｒ（ｔ）は、下記式（１）に示すように、統計的分布ｆ（ｔ）に従って推移（時間変化）する。下記式（１）において、時間スケール係数Ｓは、Ｒ（ｔ）の時間方向の変化を調整するための係数であり、故障リスクが増加する速度に関するパラメータである。リスク重み係数Ｗは、Ｒ（ｔ）の大きさを調整するための係数であり、故障リスクの重みの度合いに関するパラメータである。
Ｒ（ｔ）＝Ｗ×ｆ（Ｓ×ｔ） ・・・（１）First, the index estimation unit 4 constructs a model expression of the failure risk index based on the FMEA result read out from the FMEA result DB 2 and the statistical evaluation information A (step ST1).
The failure risk index R (t) changes (changes in time) according to the statistical distribution f (t), as shown in the following equation (1). In the following equation (1), the time scale factor S is a factor for adjusting the change in the time direction of R (t), and is a parameter related to the speed at which the failure risk increases. The risk weighting factor W is a factor for adjusting the magnitude of R (t), and is a parameter regarding the degree of weight of failure risk.
R (t) = W × f (S × t) (1)

指標推定部４によるＲ（ｔ）の統計的推定では、図６に示すように、Ｒ（ｔ）が許容上限閾値である“１．０”を超える作業間隔を、次に保守作業を行う適正間隔ＴＥとしたとき、安全のために保守作業を前倒しで行う作業間隔を求める。例えば、指標推定部４が、安全マージンＭを設定し、モデル式から想定される作業間隔Ｔを、下記式（２）から算出する。安全マージンＭは、適正間隔ＴＥでの経過時間から遡る時間間隔である。
Ｔ＝ＴＥ−Ｍ ・・・（２）In the statistical estimation of R (t) by the index estimation unit 4, as shown in FIG. 6, it is appropriate to perform maintenance work next to the work interval at which R (t) exceeds “1.0” which is the allowable upper limit threshold. When an interval T E is set, an operation interval in which the maintenance operation is carried forward is determined for safety. For example, the index estimation unit 4 sets the safety margin M, and calculates the work interval T assumed from the model formula from the following formula (2). The safety margin M is a time interval going back from the elapsed time at the appropriate interval T E.
T = T E −M (2)

指標推定部４によるＲ（ｔ）の統計的推定において、時間スケール係数Ｓ、リスク重み係数Ｗ、および安全マージンＭは、故障リスク指標の推定値が得られるまで値がふられるパラメータである。ここでは、これらを中間評価指標と呼ぶ。   In the statistical estimation of R (t) by the index estimation unit 4, the time scale factor S, the risk weighting factor W, and the safety margin M are parameters whose values are used until an estimated value of the failure risk index is obtained. Here, these are referred to as intermediate evaluation indexes.

統計的分布ｆ（ｔ）がワイブル分布に従う場合、統計的分布ｆ（ｔ）は、下記式（３）に示すワイブル分布の累積密度関数で表すことができる。ここで、形状パラメータγと尺度パラメータφは、ワイブル分布の累積密度関数における統計的分布パラメータである。
また、上記式（１）は、形状パラメータγと尺度パラメータφを用いて、下記式（４）で表すことができる。下記式（４）において、尺度パラメータφは、時間スケール係数Ｓの積としてのみ登場するので、φ＝１としてＳのみを推定すべきパラメータとしている。
ｆ（ｔ）＝１−ｅｘｐ（−（ｔ／φ）γ） ・・・（３）
Ｒ（ｔ）＝Ｗ×（１−ｅｘｐ（−（Ｓ×ｔ）γ）） ・・・（４）When the statistical distribution f (t) follows the Weibull distribution, the statistical distribution f (t) can be represented by the cumulative density function of the Weibull distribution shown in the following Expression (3). Here, the shape parameter γ and the scale parameter φ are statistical distribution parameters in the cumulative density function of the Weibull distribution.
Further, the equation (1) can be expressed by the following equation (4) using the shape parameter γ and the scale parameter φ. In the following equation (4), since the scale parameter φ appears only as a product of the time scale factor S, only S is assumed to be a parameter to be estimated as φ = 1.
f (t) = 1-exp (-(t / phi) gamma ) (3)
R (t) = W × (1−exp (− (S × t) γ )) (4)

経過時間ｔが適正間隔ＴＥであるとき、故障リスク指標Ｒ（ＴＥ）＝１．０であることから、適正間隔ＴＥは、上記式（４）を用いて下記式（５）で表すことができる。下記式（５）において、ｌｎは自然対数を表す。
ＴＥ＝（１／Ｓ）×（−ｌｎ（１−（１／Ｗ）））１／γ ・・・（５）When the elapsed time t is the appropriate interval T E , since the failure risk index R (T E ) = 1.0, the appropriate interval T E is expressed by the following expression (5) using the above expression (4). be able to. In the following formula (5), ln represents a natural logarithm.
T E = (1 / S) × (−ln (1− (1 / W))) 1 / γ (5)

図７に示すように、ＦＭＥＡ結果の評価項目には、故障の頻度レベルと、影響の大きさレベルと、検出可能性レベルとがあり、以降では、故障の頻度レベルをＣ、影響の大きさレベルをＥ、検出可能性レベルをＤとする。ＦＭＥＡ結果の評価項目と中間評価指標との間には、図７に示す関連性がある。
故障の頻度レベルＣは、評価対象の部品に故障が発生する頻度の指標になり得るので、故障リスクの増加速度に関する時間スケール係数Ｓと関連性がある。
影響の大きさレベルＥは、評価対象の部品に故障が与える影響の大きさの指標になり得るので、故障リスクの重みの度合いに関するリスク重み係数Ｗと、保守作業を前倒しする度合いに関する安全マージンＭとの両方に関連性がある。
検出可能性レベルＤは、評価対象の部品に発生した故障の検出しやすさの指標になり得るので、保守作業を前倒しする度合いに関する安全マージンＭに関連性がある。As shown in FIG. 7, the evaluation items of the FMEA result include the failure frequency level, the impact level level, and the detectability level, and thereafter, the fault frequency level is C, the impact level. Let E be the level and D be the detectability level. There is a relationship shown in FIG. 7 between the evaluation item of the FMEA result and the intermediate evaluation index.
The failure frequency level C can be an indicator of the frequency at which a failure occurs in the part under evaluation, and therefore, is related to the time scale factor S related to the increase speed of failure risk.
Since the level E of influence can be an indicator of the degree of influence of the failure on the part to be evaluated, the risk weighting factor W relating to the degree of weight of failure risk and the safety margin M relating to the degree of advancing maintenance work And both are relevant.
Since the detectability level D can be an indicator of the detectability of a failure that has occurred in the part to be evaluated, it is relevant to the safety margin M regarding the degree to which the maintenance work is advanced.

指標推定部４は、モデル式から想定された保守作業間隔Ｔと既定の保守作業間隔ＴＳとの差分が最小となるようにモデル式のパラメータＳ，Ｗ，Ｍ，γ，φの値を統計的に推定する（ステップＳＴ２）。尺度パラメータφが“１”に固定されているので、指標推定部４は、モデル式のパラメータＳ，Ｗ，Ｍ，γの値を部品ごとおよび点検項目ごとに算出して、部品および点検項目に対応付けて第１の記憶部５に記憶する。The index estimation unit 4 statistics the values of the parameters S, W, M, γ, and φ of the model expression so that the difference between the maintenance operation interval T assumed from the model expression and the predetermined maintenance operation interval T S is minimized. Estimate (step ST2). Since the scale parameter φ is fixed at “1”, the index estimation unit 4 calculates the values of the parameters S, W, M, γ of the model formula for each part and each inspection item, and sets the values to the parts and inspection items. The information is stored in association with each other in the first storage unit 5.

次に、指標推定部４の詳細な動作について説明する。
図８は、モデル式構築部４ａおよびパラメータ推定部４ｂの動作を示すフローチャートである。以下では、統計的分布がワイブル分布であるものとする。
モデル式構築部４ａが、ＦＭＥＡ結果ＤＢ２と既定作業間隔ＤＢ３の各テーブルデータを併合する（ステップＳＴ１ａ）。テーブルデータは、図２Ａおよび図２Ｂに示したような項目ごとの情報から構成されるデータであり、テーブルデータのうち、部品ＩＤ、点検項目ＩＤおよびこれに続く横並びの情報がレコードデータである。Next, the detailed operation of the index estimation unit 4 will be described.
FIG. 8 is a flowchart showing the operation of the model expression construction unit 4a and the parameter estimation unit 4b. In the following, it is assumed that the statistical distribution is a Weibull distribution.
The model expression construction unit 4a merges each table data of the FMEA result DB 2 and the predetermined work interval DB 3 (step ST1a). The table data is data composed of information for each item as shown in FIG. 2A and FIG. 2B, and among the table data, the part ID, the inspection item ID and the information in the horizontal row following this are record data.

例えば、図２Ｂに示した既定作業間隔ＤＢ３の情報では、部品ＩＤおよび点検項目ＩＤとこれに続く既定作業間隔月数とがテーブルデータを構成する情報となる。
モデル式構築部４ａは、既定作業間隔ＤＢ３からテーブルデータを読み出し、このテーブルデータにおける部品ＩＤおよび点検項目ＩＤに基づいて同じ部品ＩＤおよび点検項目ＩＤを有するＦＭＥＡ結果ＤＢ２のテーブルデータを検索する。
モデル式構築部４ａは、この検索により特定されたテーブルデータのＦＭＥＡ結果を、既定作業間隔ＤＢ３から読み出したテーブルデータに組み合わせる、いわゆる併合を実行する。For example, in the information of the predetermined work interval DB 3 shown in FIG. 2B, the part ID and the inspection item ID and the subsequent predetermined work interval month number become information constituting the table data.
The model expression construction unit 4a reads table data from the predetermined work interval DB3, and searches table data of the FMEA result DB 2 having the same component ID and inspection item ID based on the component ID and inspection item ID in this table data.
The model expression construction unit 4a performs so-called merging, in which the FMEA result of the table data specified by the search is combined with the table data read from the predetermined work interval DB3.

モデル式構築部４ａは、既定作業間隔ＤＢ３における全てのテーブルデータに上記処理を実行し、既定された保守作業間隔とＦＭＥＡ結果とが組み合わされた情報を生成する。この組み合わせ情報を図９に示す。図９では、既定された保守作業間隔ＴＳを、作業間隔の月数で表している。
ＦＭＥＡ結果ＤＢ２のテーブルデータのうち、既定作業間隔ＤＢ３のテーブルデータと同じ部品ＩＤおよび点検項目ＩＤを有さないテーブルデータについても、図９に示す組み合わせ情報にそのまま追加される。The model expression construction unit 4a executes the above process on all table data in the predetermined work interval DB3, and generates information in which the predetermined maintenance work interval and the FMEA result are combined. This combination information is shown in FIG. In FIG. 9, the predetermined maintenance work interval T S is represented by the number of months of the work interval.
Among the table data of the FMEA result DB 2, table data not having the same part ID and inspection item ID as the table data of the predetermined work interval DB 3 is also added as it is to the combination information shown in FIG. 9.

モデル式構築部４ａは、部品ＩＤごとおよび点検項目ＩＤごとに、ＦＭＥＡ結果の評価項目および評価レベルに応じて、このＦＭＥＡ結果に関連する中間評価指標のパラメータを割り当てる（ステップＳＴ２ａ）。
モデル式構築部４ａは、上記組み合わせ情報のＦＭＥＡ結果のうち、ＦＭＥＡの故障に関する評価項目とこの評価項目での評価レベルとが同一であるものに対して、共通の中間評価指標のパラメータを割り当ててモデル式を構築する。
共通のパラメータには、部品ＩＤおよび点検項目ＩＤが異なるデータ間の上記モデル式においても同じ値が設定される。これにより、異なる部品または点検項目で共通して作用する故障の影響を評価することができる。The model expression construction unit 4a assigns the parameter of the intermediate evaluation index related to the FMEA result according to the evaluation item and the evaluation level of the FMEA result for each part ID and each inspection item ID (step ST2a).
Of the FMEA results of the combination information, the model expression construction unit 4a assigns common intermediate evaluation index parameters to those for which the evaluation item for the failure of FMEA and the evaluation level for this evaluation item are the same. Build a model expression.
As the common parameter, the same value is set in the above-described model equation among data in which the part ID and the inspection item ID are different. This makes it possible to assess the impact of faults acting in common on different parts or inspection items.

図１０はＦＭＥＡ結果の評価項目に中間評価指標のパラメータを割り当てた結果を示す図である。例えば、図９において、（部品ＩＤ，点検項目ＩＤ）＝（ＥＱ００１，ＭＴ００１）に対応するＦＭＥＡ結果の評価項目である故障の頻度レベルＣは、評価レベルが“２”である。図９に示す組み合わせ情報のＦＭＥＡ結果のうち、故障の頻度レベルＣの評価レベルが“２”であるものの一つに、（部品ＩＤ，点検項目ＩＤ）＝（ＥＱ００２，ＭＴ００２）がある。モデル式構築部４ａは、図１０に示すように、故障の頻度レベルＣに関連性のある時間スケール係数Ｓのパラメータに対して、共通のパラメータＳ２を割り当てる。FIG. 10 is a diagram showing the result of assigning the parameter of the intermediate evaluation index to the evaluation item of the FMEA result. For example, in FIG. 9, the failure level C which is an evaluation item of the FMEA result corresponding to (part ID, inspection item ID) = (EQ 001, MT 001) has an evaluation level of “2”. Among the FMEA results of the combination information shown in FIG. 9, (part ID, inspection item ID) = (EQ002, MT002) is one of the cases where the evaluation level of the failure frequency level C is “2”. Model expression construction unit 4a, as shown in FIG. 10, for the parameters of the frequency level C Breakdown relevant time scale factor S, assigning the common parameter S 2.

（部品ＩＤ，点検項目ＩＤ）＝（ＥＱ００１，ＭＴ００１）に対応するＦＭＥＡ結果の評価項目である影響の大きさレベルＥは、評価レベルが“３”である。
上記の組み合わせ情報のＦＭＥＡ結果のうち、影響の大きさレベルＥの評価レベルが“３”であるものの一つに、（部品ＩＤ，点検項目ＩＤ）＝（ＥＱ００１，ＭＴ００２）がある。モデル式構築部４ａは、図１０に示すように、影響の大きさレベルＥに関連性のあるリスク重み係数Ｗのパラメータに対して共通のパラメータＷ３を割り当てる。
（ＥＱ００１，ＭＴ００１）のデータと（ＥＱ００１，ＭＴ００２）のデータとでは、ＦＭＥＡ結果の評価項目である検出可能性レベルＤも評価レベルがともに“３”である。このため、モデル式構築部４ａは、図１０に示すように、検出可能性レベルＤに関連性のある安全マージンＭのパラメータに対して共通のパラメータＭ３，３を割り当てる。The evaluation level of the level of influence E, which is an evaluation item of the FMEA result corresponding to (part ID, inspection item ID) = (EQ001, MT001), is “3”.
Among the FMEA results of the combination information described above, (part ID, inspection item ID) = (EQ 001, MT 002) is one of those whose evaluation level of the level of influence level E is “3”. Model expression construction unit 4a, as shown in FIG. 10, allocates the common parameters W 3 for the parameters of the risk weighting factor W that is relevant to the size level E of the impact.
In the data of (EQ001, MT001) and the data of (EQ001, MT002), both of the detectability level D, which is an evaluation item of the FMEA result, have an evaluation level of “3”. Therefore, as shown in FIG. 10, the model equation construction unit 4a assigns the common parameter M3, 3 to the parameter of the safety margin M related to the detectability level D.

モデル式構築部４ａは、（部品ＩＤ，点検項目ＩＤ）＝（ＥＱ００１，ＭＴ００１）のデータについての中間評価指標のパラメータの割り当てを完了すると、上記式（２）から上記式（５）に基づいて、作業間隔Ｔ、故障リスク指標Ｒ（ｔ）および適正間隔ＴＥを、故障リスク指標のモデル式として構築する。
（ＥＱ００１，ＭＴ００１）のデータについての中間評価指標のパラメータは、Ｓ２、Ｗ３、Ｍ３，３であるので、モデル式は下記のようになる。
Ｔ＝ＴＥ−Ｍ３，３
Ｒ（ｔ）＝Ｗ３×｛１−ｅｘｐ（−（Ｓ２×ｔ）γ）｝
ＴＥ＝（１／Ｓ２）×（−ｌｎ（１−（１／Ｗ３）））１／γ When the model expression construction unit 4a completes the assignment of the parameters of the intermediate evaluation index for the data of (part ID, inspection item ID) = (EQ001, MT001), based on the above expression (2) to the above expression (5) , Work interval T, failure risk index R (t) and appropriate interval TE are constructed as model expressions of failure risk index.
Since the parameters of the intermediate evaluation index for the data of (EQ 001, MT 001) are S 2 , W 3 and M 3 , 3 , the model equation is as follows.
T = T E −M 3,3
R (t) = W 3 × {1-exp (− (S 2 × t) γ )}
T E = (1 / S 2 ) × (−ln (1− (1 / W 3 ))) 1 / γ

安全マージンＭを、影響の大きさレベルＥによる係数因子ＭＥと検出可能性レベルＤによる係数因子ＭＤとの積ＭＥ×ＭＤで表現してもよい。これにより、安全マージンＭが固定の値となるので、推定対象のパラメータの数を削減することができる。A safety margin M, may be expressed by the product M E × M D of the coefficient factor M D by detectable levels D and coefficient factor M E due to the size level E of the impact. As a result, the safety margin M takes a fixed value, so the number of parameters to be estimated can be reduced.

次に、パラメータ推定部４ｂが、モデル式構築部４ａにより割り当てられたパラメータに基づいて上記モデル式から作業間隔Ｔを算出し、作業間隔Ｔと既定の作業間隔ＴＳとの差分が最小となるパラメータを統計的に推定する（ステップＳＴ３ａ）。
統計的分布ｆ（ｔ）がワイブル分布に従うので、作業間隔Ｔは、図１１に示すように、中間評価指標のパラメータによって決定される変数の形で求められる。図１１において、Ｚｉは、下記式（６）で表されるパラメータである。
Ｚｉ＝（−ｌｎ（１−（１／Ｗｉ）））１／γ ・・・（６）Then, the parameter estimation unit 4b calculates a working distance T from the model equation, the difference between the working distance T and default working interval T S is minimized on the basis of the parameter assigned by the model equation construction unit 4a The parameters are estimated statistically (step ST3a).
Since the statistical distribution f (t) follows the Weibull distribution, the work interval T is determined in the form of a variable determined by the parameters of the intermediate evaluation index, as shown in FIG. In FIG. 11, Z i is a parameter represented by the following equation (6).
Z i = (− ln (1− (1 / W i ))) 1 / γ (6)

パラメータ推定部４ｂは、上記組み合わせ情報における全ての部品ＩＤおよび点検項目ＩＤについて、作業間隔Ｔと既定された作業間隔ＴＳとの差分の二乗和が最小となるように中間評価指標のパラメータＳ，Ｗ，Ｍおよび形状パラメータγを推定する。なお、前述したように、尺度パラメータφは“１”である。
これらのパラメータの推定方法としては、例えば、共役方向法が挙げられる。ただし、既定された作業間隔ＴＳとの誤差が最小となるパラメータを推定することができる方法であれば、共役方向法に限定されるものではない。The parameter estimation unit 4b sets the parameter S of the intermediate evaluation index so that the sum of squares of the difference between the operation interval T and the predetermined operation interval T S is minimum for all the component IDs and inspection item IDs in the combination information. Estimate W, M and shape parameter γ. As described above, the scale parameter φ is “1”.
As a method of estimating these parameters, for example, a conjugate orientation method can be mentioned. However, the method is not limited to the conjugate direction method as long as it is a method that can estimate a parameter that minimizes the error from the predetermined work interval T S.

パラメータ推定部４ｂは、前述のようにして推定した結果を、部品ＩＤごとおよび点検項目ＩＤごとに分類し、部品ＩＤおよび点検項目ＩＤに対応付けて第１の記憶部５に記憶する（ステップＳＴ４ａ）。統計的分布ｆ（ｔ）がワイブル分布に従うことから、図３に示した“統計的分布”の項目に“ワイブル分布”が設定され、“統計的分布パラメータ”の項目には、形状パラメータγの値が設定される。   The parameter estimation unit 4b classifies the result of estimation as described above for each component ID and inspection item ID, and stores the result in the first storage unit 5 in association with the component ID and the inspection item ID (step ST4a) ). Since the statistical distribution f (t) follows the Weibull distribution, “Weibull distribution” is set in the “Statistical distribution” item shown in FIG. 3, and the “Statistical distribution parameter” item contains the shape parameter γ The value is set.

パラメータ推定部４ｂは、互いに類似する点検項目間の一方についてのパラメータ値の統計的推定で用いた情報を、点検項目間の他方についてのパラメータ値の統計的推定に用いてもよい。例えば、通電検査と絶縁検査とは、ともに電気の導通状態を検査するものであるため、類似した点検項目といえる。そこで、パラメータ推定部４ｂが、通電検査についてのパラメータ値の統計的推定で用いた情報を、絶縁検査についてのパラメータ値の統計的推定に用いる。このようにすることで、統計的推定に用いた情報を再利用することができ、推定に要する処理負荷を軽減することができる。   The parameter estimation unit 4b may use the information used in the statistical estimation of the parameter value for one of the inspection items similar to each other for the statistical estimation of the parameter value for the other inspection item. For example, since the conduction inspection and the insulation inspection both check the electrical conduction state, they can be said to be similar inspection items. Therefore, the parameter estimation unit 4b uses the information used in the statistical estimation of the parameter value of the conduction inspection for the statistical estimation of the parameter value of the insulation inspection. By doing this, the information used for statistical estimation can be reused, and the processing load required for estimation can be reduced.

以上のように、この実施の形態１に係る故障リスク指標推定装置１において、モデル式構築部４ａが、ＦＭＥＡ結果ＤＢ２から読み出したＦＭＥＡ結果と統計評価用情報Ａとに基づいて、統計的分布に従った故障リスク指標の推移を示すモデル式を構築する。パラメータ推定部４ｂが、ＦＭＥＡ結果ＤＢ２と既定作業間隔ＤＢ３とから読み出した情報に基づいて、モデル式から算出した保守作業間隔と既定された保守作業間隔との差分が最も小さくなるモデル式のパラメータ値を統計的に推定する。このように構成することで、設備の保守実績データがないまたは少ない場合であっても、設備に故障が発生するリスクの指標を適切に推定できる。   As described above, in the failure risk index estimating device 1 according to the first embodiment, the statistical expression is based on the FMEA result read out from the FMEA result DB 2 by the model expression constructing unit 4a and the statistical evaluation information A. Construct a model expression that shows the transition of the failure risk indicator that has been followed. Based on the information read out from the FMEA result DB 2 and the default work interval DB 3 by the parameter estimation unit 4 b, the parameter value of the model formula in which the difference between the maintenance work interval calculated from the model formula and the predefined maintenance work interval is smallest. To estimate statistically. By configuring in this way, even when there is no or little maintenance performance data of the equipment, it is possible to appropriately estimate the index of the risk of failure of the equipment.

実施の形態１に係る故障リスク指標推定装置１において、モデル式構築部４ａが、ＦＭＥＡの故障に関する評価項目と当該評価項目での評価レベルとが同一である場合に、評価項目に関連するモデル式のパラメータに共通のパラメータを割り当てる。このようにすることで、異なる部品または点検項目で共通して作用する故障の影響を評価することが可能である。   In the failure risk index estimating device 1 according to the first embodiment, the model equation related to the evaluation item when the evaluation item for the failure of the FMEA and the evaluation level of the evaluation item are the same in the model expression constructing unit 4a. Assign common parameters to the parameters of. In this way it is possible to assess the impact of faults acting in common on different parts or inspection items.

また、実施の形態１に係る故障リスク指標推定装置１において、パラメータ推定部４ｂが、互いに類似する点検項目間の一方についてのパラメータ値の統計的推定で用いた情報を、点検項目間の他方についてのパラメータ値の統計的推定に用いる。
このようにすることで、統計的推定に用いた情報を再利用することができ、推定に要する処理負荷を軽減することができる。Further, in the failure risk index estimating device 1 according to the first embodiment, the information used in the statistical estimation of the parameter value of one of the inspection items similar to each other by the parameter estimation unit 4b is the other of the inspection items. For statistical estimation of the parameter values of
By doing this, the information used for statistical estimation can be reused, and the processing load required for estimation can be reduced.

実施の形態２．
図１２は、この発明の実施の形態２に係る故障リスク指標推定装置１Ａの機能構成を示すブロック図である。図１２において、図１と同一構成要素には同一符号を付して説明を省略する。故障リスク指標推定装置１Ａは、実施の形態１で示した構成に加え、設備情報ＤＢ６、保守実績ＤＢ７、故障実績ＤＢ８、絞り込み部９、絞り込みデータ記憶部１０、指標推定部１１、第２の記憶部１２および併合部１３を備える。Second Embodiment
FIG. 12 is a block diagram showing a functional configuration of a failure risk index estimating device 1A according to the second embodiment of the present invention. In FIG. 12, the same components as in FIG. 1 will be assigned the same reference numerals and descriptions thereof will be omitted. In addition to the configuration shown in the first embodiment, failure risk index estimation device 1A includes equipment information DB 6, maintenance performance DB 7, failure performance DB 8, narrowing unit 9, narrowing data storage unit 10, index estimation unit 11, second storage A unit 12 and a merging unit 13 are provided.

設備情報ＤＢ６は、設備、設備を構成する部品、および部品ごとの点検項目を含む設備情報を記憶するＤＢである。設備情報ＤＢ６には、例えば、図１３Ａに示すような項目の情報が記憶される。“設備ＩＤ”の項目には設備の識別情報が設定される。“部品ＩＤ”および“点検項目ＩＤ”については、図２Ａに示したものと同じである。
“保守開始日時”の項目には、部品の点検項目ごとの保守契約が開始された日時が設定される。なお、保守契約中に、個別に行われる保守作業の実施日時が、図１３Ｂを用いて後述する保守作業実施日時である。The equipment information DB 6 is a DB that stores equipment, parts constituting the equipment, and equipment information including inspection items for each part. For example, information of items as shown in FIG. 13A is stored in the facility information DB 6. Equipment identification information is set in the "equipment ID" field. The “part ID” and the “check item ID” are the same as those shown in FIG. 2A.
In the item "maintenance start date and time", the date and time when the maintenance contract for each part inspection item was started is set. In addition, the implementation date of the maintenance operation | work separately performed during a maintenance contract is the maintenance operation implementation date mentioned later using FIG. 13B.

保守実績ＤＢ７は、設備を構成する部品の点検項目ごとの保守作業の実績データを記憶するＤＢである。保守実績ＤＢ７には、図１３Ｂに示すような項目の情報が記憶される。“保守実績ＩＤ”の項目には、保守作業の実績データの識別情報が設定される。
“設備ＩＤ”、“部品ＩＤ”および“点検項目ＩＤ”については、図１３Ａと図２Ａとに示したものと同じである。“保守作業実施日時”の項目には部品ごとの保守作業の実施日時が設定される。The maintenance result DB 7 is a DB for storing the performance data of the maintenance work for each of the inspection items of the parts constituting the equipment. Information of items such as shown in FIG. 13B is stored in the maintenance record DB 7. In the item of "maintenance result ID", identification information of performance data of maintenance work is set.
The “equipment ID”, “parts ID” and “check item ID” are the same as those shown in FIGS. 13A and 2A. In the item "maintenance work implementation date and time", the implementation date and time of maintenance work for each part is set.

故障実績ＤＢ８は、設備を構成する部品ごとの故障の実績データを記憶するＤＢである。故障実績ＤＢ８には、図１３Ｃに示すような項目の情報が記憶される。“故障実績ＩＤ”の項目には、故障の実績データの識別情報が設定される。“設備ＩＤ”と“部品ＩＤ”とについては、図１３Ｂに示したものと同じである。“故障発生日時”の項目には、部品に故障が発生した日時が設定される。“関連点検項目ＩＤ”の項目には、発生した故障に関連する点検項目の識別情報が設定される。   The failure record DB 8 is a DB that stores failure record data of each component constituting the facility. The failure record DB 8 stores items of information as shown in FIG. 13C. Identification information of failure record data is set in the item of "failure record ID". The “equipment ID” and the “part ID” are the same as those shown in FIG. 13B. The date and time when a failure occurred in the part is set in the item of “time and date of failure occurrence”. In the item of "relevant inspection item ID", identification information of the inspection item related to the generated failure is set.

絞り込み部９は、設備情報ＤＢ６、保守実績ＤＢ７および故障実績ＤＢ８に記憶された情報を、ＦＭＥＡ結果ＤＢ２のＦＭＥＡ結果ごとに対応する情報に分類する。
例えば、絞り込み部９は、保守実績データごとに保守作業実施後の無故障の間隔を集計し、集計した無故障の間隔を示す情報をＦＭＥＡ結果ごとに分類して絞り込みデータ記憶部１０に記憶する。The narrowing unit 9 classifies the information stored in the facility information DB 6, the maintenance record DB 7 and the failure record DB 8 into information corresponding to each FMEA result of the FMEA result DB 2.
For example, the narrowing-down unit 9 counts the intervals of no failures after maintenance work performed for each maintenance record data, classifies information indicating the counted intervals of no failures after each FMEA result, and stores the information in the narrowing data storage unit 10 .

絞り込みデータ記憶部１０は、絞り込み部９により分類された情報を記憶するＤＢである。絞り込みデータ記憶部１０には、図１４Ａに示すような項目の情報が記憶される。
図１４Ａにおいて、“故障の頻度レベル”と“影響の大きさレベル”と“検出可能性レベル”は、ＦＭＥＡの評価項目であり、図２Ａに示したものと同じである。
“部品ＩＤ”および“点検項目ＩＤ”は、図２Ａに示したものと同じである。“保守作業実施日時”は、図１３Ｂに示したものと同じである。
“無故障継続月数”の項目には、保守作業後に無故障で次の保守作業に至った月数、保守作業後に故障が発生するまでの月数および保守作業後に無故障で現在に至るまでの月数のうちのいずれかが設定される。“故障発生フラグ”の項目には、部品に故障が発生したか否かを示す値が設定される。例えば、部品に故障が発生すると、“１”が設定され、故障が発生していなければ、“０”が設定される。The narrowing-down data storage unit 10 is a DB that stores the information classified by the narrowing-down unit 9. The narrowed data storage unit 10 stores information of items as shown in FIG. 14A.
In FIG. 14A, “fault frequency level”, “impact level level” and “detectability level” are evaluation items of FMEA and are the same as those shown in FIG. 2A.
The “part ID” and the “check item ID” are the same as those shown in FIG. 2A. The “maintenance work implementation date and time” is the same as that shown in FIG. 13B.
The number of months without failure after maintenance work and the number of months until the next maintenance work after maintenance work, the number of months until failure occurs after maintenance work and no trouble after maintenance work One of the number of months of is set. In the item of "failure occurrence flag", a value indicating whether or not a failure has occurred in the part is set. For example, if a failure occurs in a part, "1" is set, and if no failure occurs, "0" is set.

指標推定部１１は、絞り込み部９により分類された情報に基づいて、保守作業の実績データと故障の実績データとの関係に応じた故障リスク指標の第２の推定値を推定する。
例えば、指標推定部１１は、絞り込みデータ記憶部１０から処理対象のＦＭＥＡ結果に対応する情報を読み出し、読み出した情報に基づいて部品ごとおよび点検項目ごとに故障リスク指標を統計的に推定する。この推定によって得られた故障リスク指標の推定値は、推定に用いられた実データ数とともに第２の記憶部１２に記憶される。Based on the information classified by the narrowing-down unit 9, the index estimation unit 11 estimates a second estimated value of the failure risk index according to the relationship between the performance data of the maintenance work and the performance data of the failure.
For example, the index estimation unit 11 reads out information corresponding to the FMEA result to be processed from the narrowed data storage unit 10, and statistically estimates the failure risk index for each part and each inspection item based on the read out information. The estimated value of the failure risk index obtained by this estimation is stored in the second storage unit 12 together with the number of actual data used for the estimation.

第２の記憶部１２は、指標推定部１１によって推定された故障リスク指標の推定値を、部品ごとおよび点検項目ごとに記憶する。第２の記憶部１２には、図１４Ｂに示すような項目の情報が記憶される。図１４Ｂにおいて、“部品ＩＤ”および“点検項目ＩＤ”は、図２Ａに示したものと同じである。“統計的分布”および“統計的分布パラメータ”は、図３に示したものと同じである。“時間スケール係数”と“リスク重み係数”と“安全マージン”は、故障リスク指標の第２の推定値となるパラメータであり、図３に示したものと同じである。“実データ数”の項目には、指標推定部１１による故障リスク指標の統計的推定に用いられたデータの数が設定される。   The second storage unit 12 stores the estimated value of the failure risk index estimated by the index estimation unit 11 for each part and each inspection item. The second storage unit 12 stores information of items as shown in FIG. 14B. In FIG. 14B, “part ID” and “inspection item ID” are the same as those shown in FIG. 2A. "Statistical distribution" and "statistical distribution parameter" are the same as shown in FIG. The “time scale factor”, the “risk weighting factor” and the “safety margin” are parameters serving as the second estimated value of the failure risk index and are the same as those shown in FIG. In the item "number of actual data", the number of data used for statistical estimation of the failure risk index by the index estimation unit 11 is set.

併合部１３は、パラメータ推定部４ｂにより推定された第１の推定値と指標推定部１１により推定された第２の推定値とを按分して最終的な故障リスク指標の推定値を算出する。
例えば、併合部１３は、第１の推定値の推定で想定したデータ数と第２の推定値の推定に用いた実データ数とに応じて第１の推定値と第２の推定値とを按分して、最終的な故障リスク指標の推定値を算出する。故障リスク指標の推定値を示す情報Ｂは併合部１３から出力される。The merging unit 13 divides the first estimated value estimated by the parameter estimating unit 4 b and the second estimated value estimated by the index estimating unit 11 to calculate a final estimated value of the failure risk index.
For example, the merging unit 13 calculates the first estimated value and the second estimated value according to the number of data assumed in the estimation of the first estimated value and the number of actual data used in the estimation of the second estimated value. Proportionally calculate final failure risk index estimates. Information B indicating the estimated value of the failure risk index is output from the merging unit 13.

故障リスク指標の推定値を示す情報Ｂは、図１４Ｃに示す項目の情報から構成される。図１４Ｃにおいて、“部品ＩＤ”および“点検項目ＩＤ”は、図２Ａに示したものと同じである。“統計的分布”および“統計的分布パラメータ”は、図３に示したものと同じである。“時間スケール係数”と“リスク重み係数”と“安全マージン”は、故障リスク指標の第２の推定値となるパラメータであり、図３に示したものと同じである。   Information B indicating the estimated value of the failure risk index is composed of the information of the items shown in FIG. 14C. In FIG. 14C, “part ID” and “check item ID” are the same as those shown in FIG. 2A. "Statistical distribution" and "statistical distribution parameter" are the same as shown in FIG. The “time scale factor”, the “risk weighting factor” and the “safety margin” are parameters serving as the second estimated value of the failure risk index and are the same as those shown in FIG.

故障リスク指標推定装置１ＡにおけるＦＭＥＡ結果ＤＢ２、既定作業間隔ＤＢ３、設備情報ＤＢ６、保守実績ＤＢ７および故障実績ＤＢ８は、図４Ａおよび図４Ｂに示すデータベース１００である。ＦＭＥＡ結果ＤＢ２および既定作業間隔ＤＢ３のそれぞれに記憶された情報は、ＤＢ入出力インタフェース１０１を通して指標推定部４に入力される。
設備情報ＤＢ６、保守実績ＤＢ７および故障実績ＤＢ８のそれぞれに記憶された情報は、ＤＢ入出力インタフェース１０１を通して絞り込み部９に入力される。The FMEA result DB2, the predetermined operation interval DB3, the equipment information DB6, the maintenance record DB7 and the failure record DB8 in the failure risk index estimation device 1A are the database 100 shown in FIGS. 4A and 4B. Information stored in each of the FMEA result DB 2 and the predetermined work interval DB 3 is input to the index estimation unit 4 through the DB input / output interface 101.
Information stored in each of the equipment information DB 6, the maintenance record DB 7 and the failure record DB 8 is input to the narrowing unit 9 through the DB input / output interface 101.

統計評価用情報Ａは、情報入力インタフェース１０２を通して故障リスク指標推定装置１Ａに入力される。最終的な故障リスク指標の推定値を示す情報Ｂは、情報出力インタフェース１０３を通して併合部１３から出力される。
第１の記憶部５、絞り込みデータ記憶部１０および第２の記憶部１２は、データベース１００がある記憶装置に設けることが考えられるが、図４Ａに示す処理回路１０４の内部メモリに設けてもよい。また、第１の記憶部５、絞り込みデータ記憶部１０および第２の記憶部１２は、図４Ｂに示すメモリ１０５に設けてもよい。The statistical evaluation information A is input to the failure risk indicator estimation device 1A through the information input interface 102. Information B indicating the final estimated value of the failure risk index is output from the merging unit 13 through the information output interface 103.
Although it is conceivable that the first storage unit 5, the narrow-down data storage unit 10 and the second storage unit 12 are provided in the storage device in which the database 100 is provided, they may be provided in the internal memory of the processing circuit 104 shown in FIG. 4A. . Further, the first storage unit 5, the narrowing-down data storage unit 10 and the second storage unit 12 may be provided in the memory 105 shown in FIG. 4B.

故障リスク指標推定装置１Ａにおける指標推定部４、絞り込み部９、指標推定部１１および併合部１３の各機能は、処理回路により実現される。
すなわち、故障リスク指標推定装置１Ａは、前述した各部の機能での処理を行うための処理回路を備える。処理回路は、専用のハードウェアであっても、メモリに記憶されたプログラムを実行するＣＰＵであってもよい。Each function of the index estimation unit 4, the narrowing unit 9, the index estimation unit 11, and the merging unit 13 in the failure risk index estimation device 1A is realized by a processing circuit.
That is, the failure risk index estimation device 1A includes a processing circuit for performing processing with the functions of the respective units described above. The processing circuit may be dedicated hardware or a CPU that executes a program stored in a memory.

処理回路が、図４Ａに示すような専用のハードウェアである場合、処理回路１０４は、例えば、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ＡＳＩＣ、ＦＰＧＡ、または、これらを組み合わせたものが該当する。
指標推定部４、絞り込み部９、指標推定部１１および併合部１３のそれぞれの機能を別々の処理回路で実現してもよいし、これらの機能をまとめて１つの処理回路で実現してもよい。When the processing circuit is dedicated hardware as shown in FIG. 4A, the processing circuit 104 may be, for example, a single circuit, a complex circuit, a programmed processor, a parallel programmed processor, an ASIC, an FPGA, or the like. A combination of
The respective functions of the index estimation unit 4, the narrowing unit 9, the index estimation unit 11, and the merging unit 13 may be realized by separate processing circuits, or these functions may be collectively realized by one processing circuit. .

処理回路が、図４Ｂに示すようなプロセッサ１０６である場合、指標推定部４、絞り込み部９、指標推定部１１および併合部１３の各機能は、ソフトウェア、ファームウェア、またはソフトウェアとファームウェアとの組み合わせによって実現される。
ソフトウェアまたはファームウェアはプログラムとして記述され、メモリ１０５に記憶される。プロセッサ１０６は、メモリ１０５に記憶されたプログラムを読み出して実行することにより各部の機能を実現する。
すなわち、故障リスク指標推定装置１Ａは、プロセッサ１０６によって実行されるときに、図１５に示すステップＳＴ１ｂからステップＳＴ８ｂまでの処理が結果的に実行されるプログラムを記憶するためのメモリ１０５を備える。
また、これらのプログラムは、指標推定部４、絞り込み部９、指標推定部１１、および併合部１３の手順または方法をコンピュータに実行させるものである。When the processing circuit is the processor 106 as shown in FIG. 4B, each function of the index estimation unit 4, the narrowing unit 9, the index estimation unit 11, and the merging unit 13 is software, firmware, or a combination of software and firmware. To be realized.
The software or firmware is described as a program and stored in the memory 105. The processor 106 implements the functions of the respective units by reading and executing the program stored in the memory 105.
That is, the failure risk index estimating device 1A includes the memory 105 for storing a program that is to be executed as a result of the processing from step ST1b to step ST8b shown in FIG. 15 when executed by the processor 106.
In addition, these programs cause a computer to execute the procedure or method of the index estimation unit 4, the narrowing unit 9, the index estimation unit 11, and the merging unit 13.

指標推定部４、絞り込み部９、指標推定部１１および併合部１３の各機能について一部を専用のハードウェアで実現し、一部をソフトウェアまたはファームウェアで実現してもよい。例えば、指標推定部４および絞り込み部９については専用のハードウェアとしての処理回路でその機能を実現し、指標推定部１１および併合部１３については、プロセッサ１０６がメモリ１０５に記憶されたプログラムを読み出して実行することによってその機能を実現してもよい。このように、処理回路は、ハードウェア、ソフトウェア、ファームウェアまたはこれらの組み合わせにより上記機能のそれぞれを実現することができる。   A part of each function of the index estimation unit 4, the narrowing unit 9, the index estimation unit 11, and the merging unit 13 may be realized by dedicated hardware and a part may be realized by software or firmware. For example, the function of the index estimation unit 4 and the narrowing unit 9 is realized by a processing circuit as dedicated hardware, and the processor 106 reads the program stored in the memory 105 for the index estimation unit 11 and the merging unit 13. The function may be realized by executing it. Thus, the processing circuit can realize each of the above functions by hardware, software, firmware or a combination thereof.

次に動作について説明する。
図１５は故障リスク指標推定装置１Ａの動作を示すフローチャートであり、故障リスク指標の第１の推定値と第２の推定値を求めて最終的な推定値を出力するまでの一連の処理を示している。
絞り込み部９は、設備情報ＤＢ６、保守実績ＤＢ７および故障実績ＤＢ８に記憶された情報を、ＦＭＥＡ結果ごとに対応する情報に分類する（ステップＳＴ１ｂ）。
絞り込み部９により分類された情報は、絞り込みデータ記憶部１０に記憶される。Next, the operation will be described.
FIG. 15 is a flowchart showing the operation of the failure risk index estimation device 1A, showing a series of processes from obtaining the first estimated value and the second estimated value of the failure risk index and outputting a final estimated value. ing.
The narrowing unit 9 classifies the information stored in the equipment information DB 6, the maintenance record DB 7 and the failure record DB 8 into information corresponding to each FMEA result (step ST1 b).
The information classified by the narrowing unit 9 is stored in the narrowed data storage unit 10.

指標推定部１１は、絞り込みデータ記憶部１０から処理対象のＦＭＥＡ結果に対応する情報を読み出し、読み出した情報に基づいて部品ごとおよび点検項目ごとに故障リスク指標を統計的に推定する（ステップＳＴ２ｂ）。
指標推定部１１は、上記推定で得られた第２の推定値と実データ数を、部品ＩＤおよび点検項目ＩＤに対応付けて第２の記憶部１２に記憶する（ステップＳＴ３ｂ）。The index estimation unit 11 reads out the information corresponding to the FMEA result to be processed from the narrowed data storage unit 10, and statistically estimates the failure risk index for each part and each inspection item based on the read out information (step ST2b) .
The index estimation unit 11 stores the second estimated value obtained by the above estimation and the number of actual data in the second storage unit 12 in association with the part ID and the inspection item ID (step ST3 b).

ＦＭＥＡ結果ＤＢ２に記憶されている全てのＦＭＥＡ結果を処理していない場合（ステップＳＴ４ｂ；ＮＯ）、ステップＳＴ１ｂからの処理が繰り返される。
ＦＭＥＡ結果ＤＢ２に記憶されている全てのＦＭＥＡ結果を処理した場合（ステップＳＴ４ｂ；ＹＥＳ）、ステップＳＴ５ｂの処理に移行する。If all the FMEA results stored in the FMEA result DB 2 have not been processed (step ST 4 b; NO), the processing from step ST 1 b is repeated.
If all the FMEA results stored in the FMEA result DB 2 have been processed (step ST4 b; YES), the process proceeds to step ST 5 b.

ステップＳＴ５ｂにおいて、指標推定部４は、実施の形態１と同様にして第１の推定値であるパラメータ値を推定する。
指標推定部４は、推定した第１の推定値を、部品ＩＤおよび点検項目ＩＤに対応付けて第１の記憶部５に記憶する（ステップＳＴ６ｂ）。In step ST5b, the index estimation unit 4 estimates a parameter value which is a first estimated value, as in the first embodiment.
The index estimation unit 4 stores the estimated first estimated value in the first storage unit 5 in association with the part ID and the inspection item ID (step ST6 b).

併合部１３は、第１の記憶部５に記憶された第１の推定値と、第２の記憶部１２に記憶された第２の推定値とを読み出し、読み出した第１の推定値と第２の推定値とを按分して最終的な故障リスク指標の推定値を算出する（ステップＳＴ７ｂ）。この後、併合部１３は、算出した故障リスク指標の推定値を示す情報Ｂを出力する（ステップＳＴ８ｂ）。   The merging unit 13 reads out the first estimated value stored in the first storage unit 5 and the second estimated value stored in the second storage unit 12, and the read first estimated value and the first estimated value read out The final estimated value of the failure risk index is calculated by dividing it with the estimated value of 2 (step ST7b). After that, the merging unit 13 outputs information B indicating the calculated estimated value of the failure risk index (step ST8 b).

なお、図１５では、指標推定部１１による第２の推定値の推定を、指標推定部４による第１の推定値の推定よりも先に行う場合を示したが、これに限定されるものではない。
例えば、指標推定部４による第１の推定値の推定を、指標推定部１１による第２の推定値の推定よりも先に行ってもよい。また、指標推定部４による第１の推定値の推定と指標推定部１１による第２の推定値の推定とを並行して行ってもよい。Although FIG. 15 shows the case where the estimation of the second estimated value by the index estimation unit 11 is performed prior to the estimation of the first estimated value by the indicator estimation unit 4, the present invention is not limited to this. Absent.
For example, the estimation of the first estimated value by the indicator estimation unit 4 may be performed before the estimation of the second estimated value by the indicator estimation unit 11. Further, the estimation of the first estimated value by the index estimation unit 4 and the estimation of the second estimated value by the index estimation unit 11 may be performed in parallel.

次に、絞り込み部９の動作を詳細に説明する。
図１６は、絞り込み部９の動作を示すフローチャートであって、設備情報ＤＢ６、保守実績ＤＢ７および故障実績ＤＢ８に記憶された情報を分類して絞り込みデータ記憶部１０に記憶するまでの一連の処理を示している。
まず、絞り込み部９は、ＦＭＥＡ結果ＤＢ２、設備情報ＤＢ６および保守実績ＤＢ７の各テーブルデータを併合する（ステップＳＴ１ｃ）。Next, the operation of the narrowing unit 9 will be described in detail.
FIG. 16 is a flowchart showing the operation of the narrowing unit 9, which is a series of processes until information stored in the equipment information DB 6, the maintenance record DB 7 and the failure record DB 8 is classified and stored in the narrowing data storage unit 10. It shows.
First, the narrowing-down unit 9 merges each table data of the FMEA result DB 2, the equipment information DB 6 and the maintenance record DB 7 (step ST1 c).

例えば、絞り込み部９は、設備情報ＤＢ６から読み出したテーブルデータの設備ＩＤ、部品ＩＤおよび点検項目ＩＤに基づいて、同じ設備ＩＤ、部品ＩＤおよび点検項目ＩＤを有する保守実績ＤＢ７のテーブルデータを検索する。絞り込み部９は、この検索によって特定されたテーブルデータの“保守作業実施日時”の項目に設定された情報を、設備情報ＤＢ６から読み出したテーブルデータに併合する。
なお、絞り込み部９は、設備情報と同じ設備ＩＤ、部品ＩＤおよび点検項目ＩＤの保守実績データがない場合、検索に用いた設備ＩＤ、部品ＩＤおよび点検項目ＩＤのレコードデータを削除せずに併合後のテーブルデータに残す。For example, the narrowing-down unit 9 searches table data of the maintenance record DB 7 having the same facility ID, component ID, and inspection item ID based on the facility ID, component ID, and inspection item ID of the table data read from the equipment information DB 6 . The narrowing-down unit 9 merges the information set in the item "maintenance work implementation date and time" in the table data identified by the search into the table data read out from the facility information DB 6.
If there is no maintenance result data of the same equipment ID, parts ID and inspection item ID as the equipment information, the narrowing unit 9 merges the record data of the equipment ID, parts ID and inspection item ID used for the search without deleting it. Leave in later table data.

続いて、絞り込み部９は、併合後のテーブルデータにおける設備ＩＤ、部品ＩＤおよび点検項目ＩＤに基づいて、同じ設備ＩＤ、部品ＩＤおよび点検項目ＩＤを有するＦＭＥＡ結果ＤＢ２のテーブルデータを検索する。絞り込み部９は、この検索によって特定されたテーブルデータにおけるＦＭＥＡ結果を、上記併合後のテーブルデータに併合する。
絞り込み部９は、設備情報ＤＢ６における全てのテーブルデータに上記処理を実行することで、設備情報と保守実績データとがＦＭＥＡ結果ごとに分類された情報を生成する。Subsequently, the narrowing-down unit 9 searches table data of the FMEA result DB 2 having the same facility ID, component ID, and inspection item ID based on the facility ID, component ID, and inspection item ID in the table data after merging. The narrowing unit 9 merges the FMEA result in the table data specified by the search into the table data after the above-mentioned merging.
The narrowing-down unit 9 performs the above process on all the table data in the equipment information DB 6 to generate information in which the equipment information and the maintenance record data are classified for each FMEA result.

次に、絞り込み部９は、前述のように併合したテーブルデータのうち、評価対象のＦＭＥＡ結果に対応するレコードデータのみに絞り込む（ステップＳＴ２ｃ）。
絞り込み部９は、上記併合したテーブルデータのレコードデータに対して“無故障継続月数”および“故障発生フラグ”の項目を追加する。Next, the narrowing-down unit 9 narrows down only record data corresponding to the FMEA result to be evaluated among the table data merged as described above (step ST2c).
The narrowing-down unit 9 adds the items of “No Failure Continuing Month” and “Failure Occurrence Flag” to the record data of the merged table data.

ステップＳＴ３ｃにおいて、絞り込み部９は、評価対象のＦＭＥＡ結果に対応する設備ＩＤおよび部品ＩＤに基づいて、この部品ＩＤに対応する部品についての保守作業を実行してから次の保守作業までの間に最も早く発生した故障実績データを故障実績ＤＢ８から検索する。なお、保守作業が実行されていなければ、保守開始日時以降で次の保守作業までの間に最も早く発生した故障実績データを検索する。
絞り込み部９は、検索結果の故障実績データに基づいて、部品に故障が発生しなかった無故障継続月数を算出して、算出した月数を“無故障継続月数”の項目に設定し、故障が発生したことを示す値である“１”を“故障発生フラグ”の項目に設定する。In step ST3c, the narrowing-down unit 9 performs the maintenance work for the part corresponding to the part ID based on the equipment ID and the part ID corresponding to the FMEA result to be evaluated, and before the next maintenance work. The failure record data that occurred earliest is searched from the failure record DB 8. If the maintenance work has not been executed, the failure history data that occurred the earliest between the maintenance start date and the next maintenance work is retrieved.
The narrowing-down unit 9 calculates the number of failure-free continuation months in which no failure occurred in the part based on the failure result data of the search result, and sets the calculated number of months in the item of “number of failure-free continuation months” Then, “1”, which is a value indicating that a failure has occurred, is set in the item of “failure occurrence flag”.

一方、上記検索で故障実績がなければ、絞り込み部９は、次の保守作業日時までの時間間隔を算出して、この月数を“無故障継続月数”の項目に設定し、故障が発生していないことを示す値である“０”を“故障発生フラグ”の項目に設定する。
なお、次に保守作業の日時が決まっていない場合は、現時点までの間隔が“無故障継続月数”の項目に設定される。
絞り込み部９は、ステップＳＴ１ｃで併合したテーブルデータにおける全てのレコードデータに対して上記処理を実行する。これにより、設備情報と保守実績データと故障実績データとが、ＦＭＥＡ結果ごとに分類された情報が生成される。On the other hand, if there is no failure record in the above search, the narrowing-down unit 9 calculates the time interval until the next maintenance work date and sets the number of months to the item of "No Failure Month", and a failure occurs. Set “0”, which is a value indicating that it has not been done, in the item of “fault occurrence flag”.
If the date and time of the maintenance work has not been determined next, the interval up to the present time is set to the item of “No Failure Continuing Months”.
The narrowing-down unit 9 executes the above process on all record data in the table data merged in step ST1c. As a result, information in which the facility information, the maintenance record data, and the failure record data are classified for each FMEA result is generated.

絞り込み部９は、処理結果のテーブルデータを絞り込みデータ記憶部１０に記憶する（ステップＳＴ４ｃ）。上記テーブルデータは、図１４Ａに示したように、“故障の頻度レベル”、“影響の大きさレベル”、“検出可能性レベル”、“設備ＩＤ”、“部品ＩＤ”、“点検項目ＩＤ”、“保守作業実施日時”、“無故障継続月数”および“故障発生フラグ”といった項目からなるデータである。   The narrowing-down unit 9 stores the table data of the processing result in the narrowing-down data storage unit 10 (step ST4c). The table data is, as shown in FIG. 14A, “fault frequency level”, “influence magnitude level”, “detectability level”, “equipment ID”, “part ID”, “inspection item ID” , “Maintenance operation implementation date and time”, “non-fault continuous number of months”, and “fault occurrence flag”.

次に、指標推定部１１の動作を詳細に説明する。
図１７は、指標推定部１１の動作を示すフローチャートであり、第２の推定値を推定してから第２の記憶部１２に記憶するまでの一連の処理を示している。
ステップＳＴ１ｄにおいて、指標推定部１１は、絞り込みデータ記憶部１０に記憶されたテーブルデータから、処理対象の部品ＩＤおよび点検項目ＩＤが同一のレコードデータを検索する。指標推定部１１は、検索したレコードデータにおいて“無故障継続月数”の項目に設定された値が、保守作業後の経過時間ｔ（ｔ＝１，２，・・・）以下のレコードデータの数を算出する。このように算出されたレコードデータの数が、保守作業後の経過月数に応じた部品の延べ台数となる。Next, the operation of the index estimation unit 11 will be described in detail.
FIG. 17 is a flowchart showing the operation of the index estimation unit 11, and shows a series of processes from estimation of the second estimated value to storage in the second storage unit 12.
In step ST1d, the index estimation unit 11 searches the table data stored in the narrowed data storage unit 10 for record data having the same part ID as the processing target and the inspection item ID. The index estimation unit 11 determines that the value set in the item of “No failure continuing month” in the retrieved record data is the record data whose elapsed time after the maintenance work is t (t = 1, 2,...) Calculate the number. The number of record data calculated in this manner is the total number of parts according to the number of elapsed months after the maintenance work.

指標推定部１１は、絞り込みデータ記憶部１０に記憶されているテーブルデータから、“故障発生フラグ”の項目に“１”が設定されたレコードデータを検索する。
指標推定部１１は、検索したレコードデータに基づいて、部品ＩＤごとおよび点検項目ＩＤごとの、保守作業後の経過月数に応じた故障件数を算出する（ステップＳＴ２ｄ）。
次に、指標推定部１１は、上記保守作業後の経過月数に応じた故障件数を上記延べ台数で割った値である実績故障率を算出する（ステップＳＴ３ｄ）。The index estimation unit 11 searches the table data stored in the narrowed data storage unit 10 for record data in which “1” is set in the item “failure occurrence flag”.
The index estimation unit 11 calculates the number of failures according to the number of elapsed months after the maintenance work for each component ID and each inspection item ID based on the retrieved record data (step ST2 d).
Next, the index estimation unit 11 calculates the actual failure rate which is a value obtained by dividing the number of failures according to the number of months after the maintenance work by the total number (step ST3 d).

続いて、指標推定部１１は、ステップＳＴ３ｄで算出した実績故障率の推移を近似する統計的分布を特定し、この統計的分布に従うモデル式のパラメータ値を統計的に推定する（ステップＳＴ４ｄ）。例えば、実績故障率の推移を、上記式（４）でリスク重み係数Ｗと１とした場合の故障リスク指標Ｒ（ｔ）により近似する時間スケール係数Ｓおよび形状パラメータγが推定される。   Subsequently, the index estimation unit 11 specifies a statistical distribution that approximates the transition of the actual failure rate calculated in step ST3d, and statistically estimates the parameter value of the model formula according to the statistical distribution (step ST4d). For example, a time scale coefficient S and a shape parameter γ approximated by the failure risk index R (t) when the transition of the actual failure rate is set to the risk weighting coefficient W and 1 in the above equation (4) are estimated.

パラメータの推定には共役方向法を用いることが考えられるが、ワイブル分布のパラメータを推定する既存の方法であってもよい。
リスク重み係数Ｗの値は、ＦＭＥＡ結果ごとに設定される。例えば、ユーザから受け付けた値を設定してもよく、実績データから求めた故障発生時の損失額×故障率との差分が最も小さくなる係数の値を設定してもよい。安全マージンＭの値は、ユーザから受け付けた値を設定してもよく、Ｍ＝０としてもよい。
なお、統計的分布としてワイブル分布を使用したが、ガンマ分布、対数正規分布などの統計的分布であってもよく、実績データとの誤差が最小となる統計的分布であればよい。Although it is conceivable to use a conjugate orientation method to estimate the parameters, it may be an existing method to estimate the parameters of the Weibull distribution.
The value of the risk weighting factor W is set for each FMEA result. For example, a value received from the user may be set, or a value of a coefficient that minimizes the difference between the loss amount at the time of failure occurrence calculated from the actual data × the failure rate may be set. The value of the safety margin M may be set to a value accepted from the user, or may be M = 0.
Although the Weibull distribution is used as the statistical distribution, it may be a statistical distribution such as a gamma distribution or a lognormal distribution, as long as it is a statistical distribution that minimizes the error from the actual data.

指標推定部１１は、絞り込みデータ記憶部１０に記憶されているテーブルデータの部品ＩＤおよび点検項目ＩＤの組み合わせのうち、未処理の組み合わせがあるか否かを確認する（ステップＳＴ５ｄ）。
絞り込みデータ記憶部１０に記憶されているテーブルデータの部品ＩＤおよび点検項目ＩＤの組み合わせのうち、未処理の組み合わせがある場合（ステップＳＴ５ｄ；ＮＯ）、ステップＳＴ１ｄに戻り、前述した処理を繰り返す。
部品ＩＤおよび点検項目ＩＤの全ての組み合わせを処理した場合（ステップＳＴ５ｄ；ＹＥＳ）、指標推定部１１は、推定したパラメータ値である第２の推定値を、部品ＩＤおよび点検項目ＩＤに対応付けて第２の記憶部１２に記憶する（ステップＳＴ６ｄ）。
統計的分布がワイブル分布に従うことから、図１４Ｂに示した“統計的分布”の項目に“ワイブル分布”が設定され、“統計的分布パラメータ”の項目には、形状パラメータγの値が設定される。The index estimation unit 11 checks whether or not there is an unprocessed combination among the combination of the part ID of the table data stored in the narrowed data storage unit 10 and the inspection item ID (step ST5 d).
When there is an unprocessed combination among the combination of the part ID of the table data stored in the narrowed data storage unit 10 and the inspection item ID (step ST5 d; NO), the process returns to step ST1 d to repeat the above-mentioned processing.
When all combinations of the part ID and the inspection item ID have been processed (step ST5 d; YES), the index estimation unit 11 associates the second estimated value, which is the estimated parameter value, with the part ID and the inspection item ID. It is stored in the second storage unit 12 (step ST6 d).
Since the statistical distribution follows the Weibull distribution, “Weibull distribution” is set in the “Statistical distribution” item shown in FIG. 14B, and the value of the shape parameter γ is set in the “Statistical distribution parameter” item. Ru.

次に、併合部１３の動作を詳細に説明する。
図１８は、併合部１３の動作を示すフローチャートであり、第１の推定値と第２の推定値とから最終的な故障リスク指標の推定値を算出して出力するまでの一連の処理を示している。併合部１３は、処理対象の部品ＩＤおよび点検項目ＩＤ、これらに対応する第２の推定値および実データ数を第２の記憶部１２から読み出す（ステップＳＴ１ｅ）。Next, the operation of the merging unit 13 will be described in detail.
FIG. 18 is a flowchart showing the operation of merging section 13 and shows a series of processes from calculation and output of the final estimated value of failure risk index from the first estimated value and the second estimated value. ing. The merging unit 13 reads out from the second storage unit 12 the component ID to be processed and the inspection item ID, and the second estimated value and the number of actual data corresponding to these (step ST1 e).

次に、併合部１３は、処理対象の部品ＩＤおよび点検項目ＩＤおよびこれらに対応する第１の推定値を第１の記憶部５から読み出す（ステップＳＴ２ｅ）。
第１の記憶部５に記憶されている第１の推定値のうち、第２の記憶部１２から読み出した第２の推定値に対応する部品ＩＤおよび点検項目ＩＤと同じ部品ＩＤおよび点検項目ＩＤを有さないレコードデータについては、第１の記憶部５からそのまま読み出される。Next, the merging unit 13 reads out from the first storage unit 5 the part ID to be processed and the inspection item ID and the first estimated values corresponding to these (step ST2e).
The part ID and the inspection item ID that are the same as the part ID and the inspection item ID corresponding to the second estimated value read out from the second storage unit 12 among the first estimated values stored in the first storage unit 5 The record data that does not have is read from the first storage unit 5 as it is.

第２の記憶部１２から読み出されたレコードデータに設定されている実データ数をＮＡとし、保守作業後の経過時間ごとの部品の延べ台数を常にＮＡとし、故障件数をＮＡ×ＲＡ（ｔ）と仮定する。併合部１３は、第１の記憶部５から読み出された同じ部品ＩＤおよび点検項目ＩＤを有するレコードデータにおいて、第１の推定値の統計的推定で想定されるデータの数であるＮＩを求める（ステップＳＴ３ｅ）。
例えば、併合部１３は、統計評価用情報Ａにおける許容誤差Δおよび信頼率αを使用して、下記式（７）からＮＩを算出する。下記式（７）において、ｚ（α）は、標準正規分布の上側１００α％を表す。Δ＝０．１、α＝０．９９（９９％）であれば、ｚ（α）＝２．３２６であり、ＮＩ＝２１６８となる。
ＮＩ＝（（（４／Δ２）＋（１／２））×ｚ（α）２） ・・・（７）The actual number of data set in the record data read from the second storage unit 12 and N A, the total number of parts of each time after maintenance work always with N A, the failure count N A × Assume R A (t). Merger 13 determines N I which is the number of data assumed in the statistical estimation of the first estimated value in the record data having the same part ID and inspection item ID read from first storage 5. It asks for (step ST3e).
For example, merging unit 13 uses the allowable error Δ and reliability index α in the statistical evaluation information A, calculates a N I from the following equation (7). In the following formula (7), z (α) represents the upper 100α% of the standard normal distribution. If Δ = 0.1 and α = 0.99 (99%), then z (α) = 2.326 and N I = 2168.
N I = (((4 / Δ 2 ) + (1/2)) × z (α) 2 ) (7)

第１の記憶部５から読み出された同じ部品ＩＤおよび点検項目ＩＤを有するレコードデータにおいて、保守作業後の経過時間ごとの部品の延べ台数は、常に上記式（７）により算出したＮＩであり、故障件数をＮＩ×ＲＩ（ｔ）と仮定する。In the record data having the same part ID and inspection item ID read from the first storage unit 5, the total number of parts per elapsed time after the maintenance work is always N I calculated by the above equation (7) It is assumed that the number of failures is N I × R I (t).

併合部１３は、第２の記憶部１２から読み出したレコードデータが示す故障リスク指標ＲＡ（ｔ）と、第１の記憶部５から読み出した同じ部品ＩＤおよび点検項目ＩＤを有するレコードデータが示す故障リスク指標ＲＩ（ｔ）とを按分する（ステップＳＴ４ｅ）。
併合部１３は、保守作業後の経過時間ごとの部品の延べ台数をＮＡ＋ＮＩとし、故障件数をＮＡ×ＲＡ（ｔ）＋ＮＩ×ＲＩ（ｔ）として故障リスク指標ＲＦ（ｔ）を改めて統計的に推定する。推定方法には、例えば、共役方向法が用いられる。ここまでの処理が按分処理である。このように、併合部１３が、第１の推定値の統計的推定で想定されたデータ数であるＮＩを第２の推定値との按分に用いる。これにより、第１の推定値と第２の推定値とを適切に按分することができる。The merge unit 13 indicates record data having the failure risk index R A (t) indicated by the record data read from the second storage unit 12 and the same component ID and inspection item ID read from the first storage unit 5. failure risk indicators R I (t) and for apportioning the (step ST4e).
Combining unit 13, the total number of parts of each time after maintenance and N A + N I, the failure number N A × R A (t) + N I × R I (t) as the failure risk indicator R F ( t) estimate statistically again. For example, a conjugate orientation method is used as the estimation method. The processing up to here is the distribution processing. As described above, the merging unit 13 uses N I , which is the number of data assumed in the statistical estimation of the first estimated value, for distribution with the second estimated value. Thereby, the first estimated value and the second estimated value can be properly distributed.

併合部１３は、第１の記憶部５および第２の記憶部１２のそれぞれに記憶された情報のうち、按分していない部品ＩＤおよび点検項目ＩＤの組み合わせがあるか否かを確認する（ステップＳＴ５ｅ）。
第１の記憶部５および第２の記憶部１２のそれぞれに記憶された情報のうち、按分していない部品ＩＤおよび点検項目ＩＤの組み合わせがあれば（ステップＳＴ５ｅ；ＮＯ）、未処理の組み合わせに対してステップＳＴ１ｅからの処理を繰り返す。
全ての部品ＩＤおよび点検項目ＩＤの組み合わせを按分した場合（ステップＳＴ５ｅ；ＹＥＳ）、併合部１３は、故障リスク指標ＲＦ（ｔ）のパラメータ値から、最終的な故障リスク指標の推定値を示す情報Ｂを生成して出力する（ステップＳＴ６ｅ）。Merger unit 13 checks whether or not there is a combination of undivided component ID and inspection item ID among the information stored in each of first storage unit 5 and second storage unit 12 (step ST5e).
In the information stored in each of the first storage unit 5 and the second storage unit 12, if there is a combination of undivided parts ID and inspection item ID (step ST 5 e; NO), an unprocessed combination is made. On the other hand, the process from step ST1e is repeated.
If you apportioning the combination of all the components ID and inspection items ID (step ST5e; YES), combining unit 13, shown from the parameter values of the failure risk indicators R F (t), an estimate of the final failure risk indicators Information B is generated and output (step ST6e).

以上のように、実施の形態２に係る故障リスク指標推定装置１Ａにおいて、絞り込み部９が、設備情報ＤＢ６、保守実績ＤＢ７、および故障実績ＤＢ８のそれぞれに記憶された情報を、ＦＭＥＡ結果ごとに対応する情報に分類する。指標推定部１１が、絞り込み部９により分類された情報に基づいて、保守作業の実績データと故障の実績データとの関係に応じた故障リスク指標の推定値を推定する。併合部１３が、指標推定部４により推定された第１の推定値と指標推定部１１により推定された第２の推定値とを按分して、最終的な故障リスク指標の推定値を算出する。このように構成することで、設備の保守実績データが少ない場合であっても、設備に故障が発生するリスクの指標を適切に推定できる。   As described above, in the failure risk index estimating device 1A according to the second embodiment, the narrowing-down unit 9 corresponds the information stored in each of the facility information DB 6, the maintenance record DB 7, and the failure record DB 8 for each FMEA result. Classified information. Based on the information classified by the narrowing-down unit 9, the index estimation unit 11 estimates an estimated value of the failure risk index according to the relationship between the performance data of the maintenance work and the performance data of the failure. Merger 13 divides the first estimated value estimated by index estimation unit 4 and the second estimated value estimated by index estimation unit 11 to calculate the final estimated value of failure risk index . By configuring in this way, even if there is little maintenance performance data of the facility, it is possible to appropriately estimate the index of the risk of failure of the facility.

また、実施の形態２に係る故障リスク指標推定装置１Ａにおいて、併合部１３が、第１の推定値の統計的推定で想定されたデータ数を第２の推定値との按分に用いる。このように構成することで、第１の推定値と第２の推定値とを適切に按分することができる。   Further, in the failure risk index estimating device 1A according to the second embodiment, the merging unit 13 uses the number of data assumed in the statistical estimation of the first estimated value for distribution with the second estimated value. By configuring in this manner, the first estimated value and the second estimated value can be properly distributed.

なお、本発明はその発明の範囲内において、各実施の形態の自由な組み合わせあるいは各実施の形態の任意の構成要素の変形、もしくは各実施の形態において任意の構成要素の省略が可能である。   In the present invention, within the scope of the invention, free combination of each embodiment or modification of any component of each embodiment, or omission of any component in each embodiment is possible.

この発明に係る故障リスク指標推定装置は、設備の保守実績データがないまたは少ない場合であっても設備に故障が発生するリスクの指標を適切に推定できるので、例えば、様々な機械システムに適用可能である。   The failure risk index estimating device according to the present invention can be appropriately applied to, for example, various mechanical systems because it can appropriately estimate the index of the risk of failure of the equipment even if there is no or little maintenance performance data of the equipment. It is.

１，１Ａ 故障リスク指標推定装置、２ ＦＭＥＡ結果ＤＢ、３ 既定作業間隔ＤＢ、４，１１ 指標推定部、４ａ モデル式構築部、４ｂ パラメータ推定部、５ 第１の記憶部、６ 設備情報ＤＢ、７ 保守実績ＤＢ、８ 故障実績ＤＢ、９ 絞り込み部、１０ 絞り込みデータ記憶部、１２ 第２の記憶部、１３ 併合部、１００ データベース、１０１ ＤＢ入出力インタフェース、１０２ 情報入力インタフェース、１０３ 情報出力インタフェース、１０４ 処理回路、１０５ メモリ、１０６ プロセッサ。   1, 1 A Failure risk index estimation device, 2 FMEA result DB, 3 default work interval DB, 4, 11 index estimation unit, 4a model formula construction unit, 4b parameter estimation unit, 5 first storage unit, 6 equipment information DB, 7 maintenance record DB, 8 failure record DB, 9 narrowing unit, 10 narrowing data storage unit, 12 second storage unit, 13 merge unit, 100 database, 101 DB input / output interface, 102 information input interface, 103 information output interface, 104 processing circuits, 105 memories, 106 processors.

Claims (5)

設備を構成する部品の点検項目ごとの故障モード影響解析結果を示す情報および故障リスク指標の推定に用いる統計的分布を示す情報に基づいて、前記統計的分布に従った前記故障リスク指標の推移を示すモデル式を構築するモデル式構築部と、
設備を構成する部品の点検項目ごとの故障モード影響解析結果を示す情報および部品の点検項目ごとに既定された保守作業間隔を示す情報に基づいて、前記モデル式から算出した保守作業間隔と前記既定された保守作業間隔との差分が最も小さくなる前記モデル式のパラメータ値を統計的に推定するパラメータ推定部と、
設備、設備を構成する部品および部品ごとの点検項目を含む設備情報、設備を構成する部品の点検項目ごとの保守作業の実績データおよび設備を構成する部品ごとの故障の実績データを、故障モード影響解析結果ごとに対応する情報に分類する絞り込み部と、
前記絞り込み部により分類された情報に基づいて、前記保守作業の実績データと前記故障の実績データとの関係に応じた前記故障リスク指標の推定値を推定する指標推定部と、
前記パラメータ推定部により推定されたパラメータ値である第１の推定値と前記指標推定部により推定された推定値である第２の推定値とを按分して、最終的な前記故障リスク指標の推定値を算出する併合部と、
を備えたことを特徴とする故障リスク指標推定装置。 The transition of the failure risk indicator according to the statistical distribution is made based on the information indicating the failure mode influence analysis result for each inspection item of the parts constituting the facility and the information indicating the statistical distribution used for estimating the failure risk indicator A model expression construction unit that constructs a model expression to be shown;
Maintenance work interval calculated from the model equation and the default based on information indicating failure mode influence analysis results for each inspection item of parts constituting the facility and information indicating maintenance operation intervals defined for each inspection item for parts A parameter estimation unit that statistically estimates parameter values of the model equation that minimize the difference from the specified maintenance work interval ;
Equipment information including equipment and parts constituting equipment and equipment information including inspection items for each part, performance data of maintenance work for each inspection item of parts constituting equipment and failure data for parts consisting of equipment, failure mode influence A narrowing unit that classifies information corresponding to each analysis result;
An index estimation unit that estimates an estimated value of the failure risk index according to a relationship between actual data of the maintenance work and actual data of the failure based on the information classified by the narrowing unit;
The final estimation of the failure risk index is performed by dividing the first estimated value, which is the parameter value estimated by the parameter estimation unit, and the second estimated value, which is the estimated value estimated by the indicator estimation unit. Merger to calculate the value,
Fault risk indicator estimation device you comprising the. 前記併合部は、前記第１の推定値の統計的推定で想定されたデータ数を前記第２の推定値との按分に用いること
を特徴とする請求項１記載の故障リスク指標推定装置。 The combining unit, the first estimate, according to claim 1, characterized in that the number of data assumed in statistical estimation is characterized by using the proportional division of the second estimate failure risk indicator estimation device. 前記モデル式構築部は、故障モード影響解析の故障に関する評価項目と当該評価項目での評価レベルとが同一である場合、前記評価項目に関連する前記モデル式のパラメータに共通のパラメータを割り当てること
を特徴とする請求項１記載の故障リスク指標推定装置。 The model expression construction unit assigns a common parameter to the parameter of the model expression related to the evaluation item when the evaluation item on the failure of the failure mode influence analysis and the evaluation level of the evaluation item are the same. The failure risk indicator estimation device according to claim 1 characterized by the above. 前記パラメータ推定部は、互いに類似する点検項目間の一方についてのパラメータ値の統計的推定で用いた情報を、点検項目間の他方についてのパラメータ値の統計的推定に用いること
を特徴とする請求項１記載の故障リスク指標推定装置。 The parameter estimation unit is characterized in that information used in statistical estimation of parameter values for one of the inspection items similar to each other is used for statistical estimation of parameter values for the other of the inspection items. The failure risk indicator estimation device according to 1). モデル式構築部が、設備を構成する部品の点検項目ごとの故障モード影響解析結果を示す情報および故障リスク指標の推定に用いる統計的分布を示す情報に基づいて、前記統計的分布に従った前記故障リスク指標の推移を示すモデル式を構築するステップと、
パラメータ推定部が、設備を構成する部品の点検項目ごとの故障モード影響解析結果を示す情報および部品の点検項目ごとに既定された保守作業間隔を示す情報に基づいて、前記モデル式から算出した保守作業間隔と前記既定された保守作業間隔との差分が最も小さくなる前記モデル式のパラメータ値を統計的に推定するステップと、
絞り込み部が、設備、設備を構成する部品および部品ごとの点検項目を含む設備情報、設備を構成する部品の点検項目ごとの保守作業の実績データおよび設備を構成する部品ごとの故障の実績データを、故障モード影響解析結果ごとに対応する情報に分類するステップと、
指標推定部が、前記絞り込み部により分類された情報に基づいて、前記保守作業の実績データと前記故障の実績データとの関係に応じた前記故障リスク指標の推定値を推定するステップと、
併合部が、前記パラメータ推定部により推定されたパラメータ値である第１の推定値と前記指標推定部により推定された推定値である第２の推定値とを按分して、最終的な前記故障リスク指標の推定値を算出するステップと、
を備えたことを特徴とする故障リスク指標推定方法。 Based on the information indicating the failure mode influence analysis result for each inspection item of the parts constituting the facility and the information indicating the statistical distribution used for estimating the failure risk index according to the statistical distribution, the model expression construction unit follows the statistical distribution Constructing a model expression indicating the transition of the failure risk indicator;
Maintenance calculated from the model equation based on information indicating a failure mode influence analysis result for each inspection item of parts constituting the facility and information indicating a maintenance operation interval defined for each inspection item for parts, the parameter estimation unit Statistically estimating parameter values of the model equation that minimize the difference between the work interval and the predetermined maintenance work interval ;
The narrowing-down unit includes equipment information including equipment and parts constituting the equipment and inspection information for each part, maintenance data for maintenance work for each inspection item for parts constituting the equipment, and failure data for failures for each part constituting the equipment Categorizing the failure mode / effect analysis results into corresponding information;
Estimating an estimated value of the failure risk index according to the relationship between the performance data of the maintenance work and the performance data of the failure based on the information classified by the narrowing-down unit;
A merging unit divides the first estimated value, which is the parameter value estimated by the parameter estimating unit, and the second estimated value, which is the estimated value estimated by the indicator estimating unit, to obtain the final fault. Calculating an estimate of the risk indicator;
Fault risk indicators estimating how to comprising the.
JP2018555417A 2016-12-09 2016-12-09 Failure risk index estimation device and failure risk index estimation method Active JP6501982B2 (en)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2016/086738 WO2018105104A1 (en) 2016-12-09 2016-12-09 Failure risk index estimation device and failure risk index estimation method

Publications (2)

Publication Number Publication Date
JPWO2018105104A1 JPWO2018105104A1 (en) 2019-03-28
JP6501982B2 true JP6501982B2 (en) 2019-04-17

Family

ID=62490824

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018555417A Active JP6501982B2 (en) 2016-12-09 2016-12-09 Failure risk index estimation device and failure risk index estimation method

Country Status (5)

Country Link
JP (1) JP6501982B2 (en)
KR (1) KR102097953B1 (en)
CN (1) CN110023967B (en)
TW (1) TWI646476B (en)
WO (1) WO2018105104A1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102489119B1 (en) 2021-10-21 2023-01-18 김지예 Smart FMEA system and process management system and method using thereof

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7213637B2 (en) * 2018-08-07 2023-01-27 日鉄テックスエンジ株式会社 Maintenance management device, maintenance management method and program
JP7265128B2 (en) * 2019-03-04 2023-04-26 日本製鉄株式会社 Facility management support device, facility management support method, program, and computer-readable recording medium
WO2020188636A1 (en) * 2019-03-15 2020-09-24 三菱電機株式会社 Slippage estimation device and slippage estimation method
CN110376982B (en) * 2019-07-11 2021-06-29 江南大学 Control analysis method based on improved FMEA
CN111582751B (en) * 2020-05-19 2022-06-14 国网吉林省电力有限公司 Time-weighted electricity purchasing risk early warning method
CN111651933B (en) * 2020-05-22 2023-09-26 宁波诺丁汉新材料研究院有限公司 Industrial boiler fault early warning method and system based on statistical inference
JP2023012668A (en) * 2021-07-14 2023-01-26 三菱重工業株式会社 Failure predicting device, failure predicting method, and program
CN115982960B (en) * 2022-12-08 2023-09-01 国家管网集团北方管道有限责任公司 Intelligent risk prevention and control capability evaluation method for pipeline oil delivery station

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6223143B1 (en) * 1998-08-31 2001-04-24 The United States Government As Represented By The Administrator Of The National Aeronautics And Space Administration Quantitative risk assessment system (QRAS)
JP2004252549A (en) 2003-02-18 2004-09-09 Hokkaido Sekiyu Kyodo Bichiku Kk Rated operation management method and rated operation management device
JP2005011327A (en) * 2003-05-29 2005-01-13 Tokyo Electric Power Co Inc:The Repair plan making support device and method
JP4176596B2 (en) * 2003-09-11 2008-11-05 中国電力株式会社 Equipment operation plan creation system
JP4237610B2 (en) * 2003-12-19 2009-03-11 株式会社東芝 Maintenance support method and program
JP4967430B2 (en) * 2006-04-11 2012-07-04 オムロン株式会社 Defect management device, defect management program, and recording medium recording the same
US7774169B2 (en) 2006-06-29 2010-08-10 Toshiba Tec Kabushiki Kaisha Maintenance system and method
JP4907507B2 (en) * 2007-12-03 2012-03-28 新日本製鐵株式会社 Equipment maintenance plan creation support apparatus, method, program, and computer-readable recording medium
JP4940180B2 (en) * 2008-04-03 2012-05-30 株式会社東芝 Combined diagnosis / maintenance plan support system and support method thereof
US8620514B2 (en) * 2011-02-24 2013-12-31 Bae Systems Plc Reliability centered maintenance
CN102208028B (en) * 2011-05-31 2013-06-19 北京航空航天大学 Fault predicting and diagnosing method suitable for dynamic complex system
CN102810122A (en) * 2011-06-02 2012-12-05 鸿富锦精密工业（深圳）有限公司 Verification system and method for electronic product design
FR2989500B1 (en) * 2012-04-12 2014-05-23 Airbus Operations Sas METHOD, DEVICES AND COMPUTER PROGRAM FOR AIDING THE TROUBLE TOLERANCE ANALYSIS OF AN AIRCRAFT SYSTEM USING REDUCED EVENT GRAPHICS
CN104076809B (en) * 2013-03-26 2017-01-04 三菱电机株式会社 Data processing equipment and data processing method
AT514680A2 (en) * 2013-08-05 2015-02-15 Uptime Engineering Gmbh Process for optimizing the maintenance of technical systems
JP2016004279A (en) * 2014-06-13 2016-01-12 株式会社日立製作所 Maintenance system and maintenance method
CN104166800A (en) * 2014-08-11 2014-11-26 工业和信息化部电子第五研究所 Component FMEA analysis method and system based on failure mechanisms
JP6301791B2 (en) * 2014-09-17 2018-03-28 株式会社東芝 Distribution network failure sign diagnosis system and method
CN104463421B (en) * 2014-11-06 2017-09-01 朱秋实 A kind of equipment dynamic optimization maintaining method of the big data modeling based on real-time status
JP6251201B2 (en) 2015-01-08 2017-12-20 三菱重工業株式会社 Occupancy rate prediction device and availability rate prediction method
CN105956789A (en) * 2016-05-24 2016-09-21 国网四川省电力公司 Quantitative risk evaluation method for power equipment based on state evaluation

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102489119B1 (en) 2021-10-21 2023-01-18 김지예 Smart FMEA system and process management system and method using thereof

Also Published As

Publication number Publication date
JPWO2018105104A1 (en) 2019-03-28
WO2018105104A1 (en) 2018-06-14
TWI646476B (en) 2019-01-01
CN110023967A (en) 2019-07-16
KR20190071812A (en) 2019-06-24
TW201822080A (en) 2018-06-16
KR102097953B1 (en) 2020-04-07
CN110023967B (en) 2022-12-23

Similar Documents

Publication Publication Date Title
JP6501982B2 (en) Failure risk index estimation device and failure risk index estimation method
US8745588B2 (en) Method for testing operation of software
US10789155B2 (en) Coverage test support device and coverage test support method
US11095728B2 (en) Techniques for automatically interpreting metric values to evaluate the health of a computer-based service
US20150067648A1 (en) Preparing an optimized test suite for testing an application under test in single or multiple environments
JP4823315B2 (en) Program analysis method and apparatus
CN110909306B (en) Business abnormality detection method and device, electronic equipment and storage equipment
JPWO2011138911A1 (en) Fault analysis apparatus, fault analysis method and program
AU2019387216A1 (en) Systems and methods for implementing search and recommendation tools for attorney selection
JP2019105927A (en) Failure probability calculation device, failure probability calculation method and program
US20190064789A1 (en) System analyzing device, system analyzing method, and computer-readable recording medium
WO2015146100A1 (en) Load estimation system, information processing device, load estimation method, and storage medium for storing program
KR102066868B1 (en) Method and apparatus for simulating safety of automotive software to obtain a goal reliability index
JP2019175273A (en) Quality evaluation method and quality evaluation
JP6545397B2 (en) Causal relationship evaluation device, causal relationship evaluation system and causal relationship evaluation method
US20210365189A1 (en) Performance analysis apparatus and performance analysis method
CN112162528B (en) Fault diagnosis method, device, equipment and storage medium of numerical control machine tool
CN114021302A (en) Method, device and system for evaluating service life of power transmission line and storage medium
CN113127804B (en) Method and device for determining number of vehicle faults, computer equipment and storage medium
JP2015031993A (en) Measuring method and device of operational risk
JP2024061516A (en) How to control the accuracy of the system and the model
JP2011248823A (en) Program, evaluation device, evaluation system, and evaluation method
CN116244204A (en) Program test coverage rate determining method, device and storage medium
JP2019120579A (en) Information processing device, information processing method and program
JP2016091062A (en) Verification sequence determining program, verification sequence determining method, and verification sequence determining device

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190107

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190107

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20190107

A975 Report on accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A971005

Effective date: 20190128

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: 20190219

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20190319

R150 Certificate of patent or registration of utility model

Ref document number: 6501982

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250