JP6501982B2 - 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 - Google Patents
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 Download PDFInfo
- 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
Links
- 238000000034 method Methods 0.000 title description 28
- 238000012423 maintenance Methods 0.000 claims description 101
- 238000007689 inspection Methods 0.000 claims description 97
- 238000009826 distribution Methods 0.000 claims description 61
- 238000011156 evaluation Methods 0.000 claims description 51
- 230000014509 gene expression Effects 0.000 claims description 39
- 238000010276 construction Methods 0.000 claims description 26
- 230000007704 transition Effects 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000011058 failure modes and effects analysis Methods 0.000 description 75
- 238000012545 processing Methods 0.000 description 34
- 230000006870 function Effects 0.000 description 26
- 230000015654 memory Effects 0.000 description 19
- 238000010586 diagram Methods 0.000 description 18
- 238000013500 data storage Methods 0.000 description 17
- 238000010972 statistical evaluation Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 12
- YBJHBAHKTGYVGT-ZKWXMUAHSA-N (+)-Biotin Chemical compound N1C(=O)N[C@@H]2[C@H](CCCCC(=O)O)SC[C@@H]21 YBJHBAHKTGYVGT-ZKWXMUAHSA-N 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- FEPMHVLSLDOMQC-UHFFFAOYSA-N virginiamycin-S1 Natural products CC1OC(=O)C(C=2C=CC=CC=2)NC(=O)C2CC(=O)CCN2C(=O)C(CC=2C=CC=CC=2)N(C)C(=O)C2CCCN2C(=O)C(CC)NC(=O)C1NC(=O)C1=NC=CC=C1O FEPMHVLSLDOMQC-UHFFFAOYSA-N 0.000 description 5
- 238000009413 insulation Methods 0.000 description 4
- 230000001186 cumulative effect Effects 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
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
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。
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。
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。
“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。
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。
“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。
“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。
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。
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。
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。
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。
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。
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。
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)
T=TE−M ・・・(2)
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)
TE=(1/S)×(−ln(1−(1/W)))1/γ ・・・(5)
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。
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。
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。
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。
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。
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。
(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
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)
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。
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。
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。
“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。
“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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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)。
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。
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)。
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。
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)。
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。
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。
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。
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。
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。
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。
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)。
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。
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。
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)。
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。
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)
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。
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)。
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。 - 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。 - 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。 - 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。 - 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。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2016/086738 WO2018105104A1 (ja) | 2016-12-09 | 2016-12-09 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2018105104A1 JPWO2018105104A1 (ja) | 2019-03-28 |
JP6501982B2 true JP6501982B2 (ja) | 2019-04-17 |
Family
ID=62490824
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018555417A Active JP6501982B2 (ja) | 2016-12-09 | 2016-12-09 | 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 |
Country Status (5)
Country | Link |
---|---|
JP (1) | JP6501982B2 (ja) |
KR (1) | KR102097953B1 (ja) |
CN (1) | CN110023967B (ja) |
TW (1) | TWI646476B (ja) |
WO (1) | WO2018105104A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102489119B1 (ko) | 2021-10-21 | 2023-01-18 | 김지예 | 스마트 고장형태 영향분석 시스템 및 이를 이용한 공정관리 시스템 및 방법 |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7213637B2 (ja) * | 2018-08-07 | 2023-01-27 | 日鉄テックスエンジ株式会社 | 整備管理装置、整備管理方法及びプログラム |
JP7265128B2 (ja) * | 2019-03-04 | 2023-04-26 | 日本製鉄株式会社 | 設備管理支援装置、設備管理支援方法、プログラム及びコンピュータ読み取り可能な記録媒体 |
WO2020188636A1 (ja) * | 2019-03-15 | 2020-09-24 | 三菱電機株式会社 | すべり量予測装置及びすべり量予測方法 |
CN110376982B (zh) * | 2019-07-11 | 2021-06-29 | 江南大学 | 一种基于改进fmea的控制分析方法 |
CN111582751B (zh) * | 2020-05-19 | 2022-06-14 | 国网吉林省电力有限公司 | 一种时间加权的购电风险预警方法 |
CN111651933B (zh) * | 2020-05-22 | 2023-09-26 | 宁波诺丁汉新材料研究院有限公司 | 基于统计推断的工业锅炉故障预警方法及*** |
JP2023012668A (ja) * | 2021-07-14 | 2023-01-26 | 三菱重工業株式会社 | 故障予測装置、故障予測方法、及びプログラム |
JP7511797B2 (ja) | 2022-07-01 | 2024-07-05 | 三菱電機株式会社 | 保守支援システム、保守支援方法、および、保守支援プログラム |
CN115982960B (zh) * | 2022-12-08 | 2023-09-01 | 国家管网集团北方管道有限责任公司 | 用于管道输油站的智能风险防控能力评价方法 |
Family Cites Families (21)
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 (ja) | 2003-02-18 | 2004-09-09 | Hokkaido Sekiyu Kyodo Bichiku Kk | 可動(べきどう)管理方法及び可動管理装置 |
JP2005011327A (ja) | 2003-05-29 | 2005-01-13 | Tokyo Electric Power Co Inc:The | 修繕計画立案支援装置及び方法 |
JP4176596B2 (ja) * | 2003-09-11 | 2008-11-05 | 中国電力株式会社 | 設備運用計画作成システム |
JP4237610B2 (ja) * | 2003-12-19 | 2009-03-11 | 株式会社東芝 | 保守支援方法及びプログラム |
JP4967430B2 (ja) * | 2006-04-11 | 2012-07-04 | オムロン株式会社 | 不具合管理装置、不具合管理プログラム、およびこれを記録した記録媒体 |
US7774169B2 (en) * | 2006-06-29 | 2010-08-10 | Toshiba Tec Kabushiki Kaisha | Maintenance system and method |
JP4907507B2 (ja) * | 2007-12-03 | 2012-03-28 | 新日本製鐵株式会社 | 設備メンテナンス計画作成支援装置、方法、プログラム、及びコンピュータ読み取り可能な記録媒体 |
JP4940180B2 (ja) | 2008-04-03 | 2012-05-30 | 株式会社東芝 | 複合診断・保守計画支援システム及びその支援方法 |
US8620514B2 (en) * | 2011-02-24 | 2013-12-31 | Bae Systems Plc | Reliability centered maintenance |
CN102208028B (zh) * | 2011-05-31 | 2013-06-19 | 北京航空航天大学 | 一种适用于动态复杂***的故障预测和诊断方法 |
CN102810122A (zh) * | 2011-06-02 | 2012-12-05 | 鸿富锦精密工业(深圳)有限公司 | 电子产品设计的验证***和方法 |
FR2989500B1 (fr) * | 2012-04-12 | 2014-05-23 | Airbus Operations Sas | Procede, dispositifs et programme d'ordinateur d'aide a l'analyse de la tolerance aux pannes d'un systeme d'un aeronef, utilisant des graphes d'evenements redoutes |
CN104076809B (zh) * | 2013-03-26 | 2017-01-04 | 三菱电机株式会社 | 数据处理装置以及数据处理方法 |
AT514680A2 (de) * | 2013-08-05 | 2015-02-15 | Uptime Engineering Gmbh | Prozess zur Optimierung der Wartung technischer Systeme |
JP2016004279A (ja) * | 2014-06-13 | 2016-01-12 | 株式会社日立製作所 | 保守システム及び保守方法 |
CN104166800A (zh) * | 2014-08-11 | 2014-11-26 | 工业和信息化部电子第五研究所 | 基于失效机理的元器件fmea分析方法与*** |
JP6301791B2 (ja) * | 2014-09-17 | 2018-03-28 | 株式会社東芝 | 配電網の故障予兆診断システムおよびその方法 |
CN104463421B (zh) * | 2014-11-06 | 2017-09-01 | 朱秋实 | 一种基于实时状态的大数据建模的设备动态优化维护方法 |
JP6251201B2 (ja) | 2015-01-08 | 2017-12-20 | 三菱重工業株式会社 | 稼動率予測装置及び稼動率予測方法 |
CN105956789A (zh) * | 2016-05-24 | 2016-09-21 | 国网四川省电力公司 | 一种基于状态评价的电力设备定量风险评估方法 |
-
2016
- 2016-12-09 JP JP2018555417A patent/JP6501982B2/ja active Active
- 2016-12-09 WO PCT/JP2016/086738 patent/WO2018105104A1/ja active Application Filing
- 2016-12-09 KR KR1020197015852A patent/KR102097953B1/ko active IP Right Grant
- 2016-12-09 CN CN201680091319.7A patent/CN110023967B/zh active Active
-
2017
- 2017-04-28 TW TW106114251A patent/TWI646476B/zh not_active IP Right Cessation
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102489119B1 (ko) | 2021-10-21 | 2023-01-18 | 김지예 | 스마트 고장형태 영향분석 시스템 및 이를 이용한 공정관리 시스템 및 방법 |
Also Published As
Publication number | Publication date |
---|---|
TWI646476B (zh) | 2019-01-01 |
JPWO2018105104A1 (ja) | 2019-03-28 |
WO2018105104A1 (ja) | 2018-06-14 |
KR20190071812A (ko) | 2019-06-24 |
KR102097953B1 (ko) | 2020-04-07 |
CN110023967B (zh) | 2022-12-23 |
CN110023967A (zh) | 2019-07-16 |
TW201822080A (zh) | 2018-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6501982B2 (ja) | 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 | |
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 (ja) | プログラム分析方法及び装置 | |
CN110909306B (zh) | 业务异常检测方法、装置、电子设备和存储设备 | |
JPWO2011138911A1 (ja) | 障害分析装置、障害分析方法およびプログラム | |
CN111460076A (zh) | 驾驶路线熟悉度确定方法、装置、计算机设备和存储介质 | |
JP2019105927A (ja) | 故障確率算出装置、故障確率算出方法及びプログラム | |
US20190064789A1 (en) | System analyzing device, system analyzing method, and computer-readable recording medium | |
WO2015146100A1 (ja) | 負荷推定システム、情報処理装置、負荷推定方法、及び、プログラムを記憶する記憶媒体 | |
KR102066868B1 (ko) | 목표 신뢰성 지수를 만족하도록 전장용 소프트웨어 안전성을 시뮬레이션하는 방법 및 장치 | |
JP2019175273A (ja) | 品質評価方法および品質評価装置 | |
JP6545397B2 (ja) | 因果関係評価装置、因果関係評価システムおよび因果関係評価方法 | |
US20210365189A1 (en) | Performance analysis apparatus and performance analysis method | |
CN113127804B (zh) | 确定车辆故障次数的方法、装置、计算机设备和存储介质 | |
CN112162528B (zh) | 一种数控机床的故障诊断方法、装置、设备和存储介质 | |
CN114021302A (zh) | 输电线路的寿命评估方法、装置、***及存储介质 | |
JP2015031993A (ja) | オペレーショナルリスクの計量方法及び装置 | |
JP6782260B2 (ja) | 情報処理装置、情報処理方法およびプログラム | |
JP2016091062A (ja) | 検証順決定プログラム、検証順決定方法および検証順決定装置 | |
JP2024061516A (ja) | システム及びモデルの精度の管理方法 | |
JP2011248823A (ja) | プログラム、評価装置、評価システム、及び評価方法 | |
CN116244204A (zh) | 程序测试覆盖率的确定方法、装置以及存储介质 |
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 |