JP7043320B2 - 状態分析装置および状態分析方法 - Google Patents

Description

本発明は、状態分析装置および状態分析方法に関する。

特許文献１には、作業機械の稼働中のデータを取得し、自己組織化マップを用いて、作業機械の異常を診断する技術が開示されている。このような技術分野において、機械の異常診断の精度を向上させるために、取得するデータの種類を増やしたいという要望がある。データの種類が多いほど、そのデータ群を表すベクトルまたは行列の次元が増加する。一方で、ベクトル空間の次元が増加するほど、各ベクトルの値がベクトル空間の端に集中して分布する球面集中現象という現象が知られている。つまり、ベクトル空間の次元が多いほど、球面集中現象により、ベクトル間の距離が遠くなる。ベクトルおよび行列の次元を圧縮して処理を行うことで、ベクトルの球面集中を防ぐ手法が知られている。

特開２００６－５３８１８号公報

ところで、機械の使用の履歴から、その機械の劣化状態または障害の有無を予測したいという要望がある。例えば、機械の過去の複数の時点に係るデータそれぞれをグラフにプロットし、そのプロットの位置の変化に基づいて機械の劣化状態または障害の有無を予測する。このとき、取得するデータの種類が多い場合、上述のとおりベクトル空間の次元の圧縮を考えることができる。しかしながら、機械の稼働に係る状態を表すバイタルデータからなるベクトルの次元を圧縮すると、そのベクトルの時系列的な関連性が失われてしまい、一の機械の状態を表すベクトルの時系列をグラフにプロットしても、将来ベクトルが現れる位置を予測することが困難となる。

本発明の目的は、機械の使用の履歴に係るデータの次元を、時系列的な関連性を失わないように圧縮することができる状態分析装置および状態分析方法を提供することにある。

本発明の第１の態様によれば、状態分析装置は、複数の機械の複数の時点における状態である複数のスナップショットそれぞれについて、前記機械の稼働に伴い、時間に対して単調変化する前記機械の状態を示す複数の項目に係る量を表す複数の状態ベクトルを取得するベクトル取得部と、前記複数の状態ベクトルの次元を圧縮した複数の圧縮ベクトルを得るベクトル圧縮部とを備える。

上記態様によれば、状態分析装置は、機械の使用の履歴に係るデータの次元を、時系列的な関連性を失わないように圧縮することができる。

一実施形態に係る状態分析システムの構成を示す概略図である。 第１の実施形態に係る対象機械の構成を示す概略ブロック図である。 第１の実施形態に係る状態分析装置の構成を示す概略ブロック図である。 第１の実施形態に係る状態分析装置による学習方法を示すフローチャートである。 第１の実施形態に係る状態分析装置による状態分析方法を示すフローチャートである。 第１の実施形態に係る状態分析装置が出力する画面の例を示す図である。 第１の実施形態に係る状態分析装置によって一のクラスタに分類された圧縮ベクトル群を表すグラフである。

以下、図面を参照しながら実施形態について詳しく説明する。
〈第１の実施形態〉
《全体構成》
図１は、一実施形態に係る状態分析システムの構成を示す概略図である。
状態分析システム１は、複数の対象機械１０と状態分析装置２０とを備える。

対象機械１０は、状態分析装置２０による状態分析の対象である。対象機械１０の例としては、油圧ショベルなどの作業機械が挙げられる。対象機械１０には、複数のセンサが設けられ、各センサの計測値に係る情報が状態分析装置２０に送信される。

状態分析装置２０は、対象機械１０から受信する情報に基づいて対象機械１０の状態を表す画面を出力する。利用者は、状態分析装置２０が出力する画面を視認することで、状態分析装置２０の現在状態を認識し、将来の状態を予測することができる。

《対象機械の構成》
図２は、第１の実施形態に係る対象機械の構成を示す概略ブロック図である。
対象機械１０は、機械本体１１と、複数のセンサ１２と、データ集約装置１３と、通信装置１４とを備える。
複数のセンサ１２それぞれは、機械本体１１の稼働に伴って変化するバイタルデータを計測する。複数のセンサ１２が計測するバイタルデータの例としては、機械本体１１の稼働時間（ＳＭＲ：Service Meter Reading）、機械本体１１の燃料消費量、機械本体１１が備える油圧機器のリリーフ弁の開閉状態、機械本体１１の走行速度などが挙げられる。
データ集約装置１３は、複数のセンサ１２から計測データを収集し、状態分析装置２０に送信する情報を生成する。
通信装置１４は、データ集約装置１３が生成した情報を状態分析装置２０に送信する。

データ集約装置１３は、プロセッサ１３１、メインメモリ１３２、ストレージ１３３、インタフェース１３４を備えるコンピュータである。ストレージ１３３は、データ集約プログラムを記憶する。プロセッサ１３１は、データ集約プログラムをストレージ１３３から読み出してメインメモリ１３２に展開し、データ集約プログラムに従った処理を実行する。データ集約装置１３は、インタフェース１３４を介して複数のセンサ１２および通信装置１４と接続される。

ストレージ１３３の例としては、半導体メモリ、ディスクメディアおよびテープメディア等が挙げられる。ストレージ１３３は、データ集約装置１３の共通通信線に直接接続された内部メディアであってもよいし、インタフェース１３４を介してデータ集約装置１３に接続される外部メディアであってもよい。ストレージ１３３は、一時的でない記憶を行う有形の記憶媒体である。

プロセッサ１３１は、データ集約プログラムの実行により、計測値取得部１３１１、累積計算部１３１２、状態記録部１３１３、送信部１３１４を備える。またプロセッサ１３１は、データ集約プログラムの実行により、メインメモリ１３２に状態記憶部１３２１の記憶領域を確保する。

計測値取得部１３１１は、複数のセンサ１２それぞれから計測値を取得する。

累積計算部１３１２は、計測値取得部１３１１が取得した計測値のうち、少なくとも時間に対して単調変化しない計測値について、累積値を算出する。単調変化は、単調増加（単調非減少）および単調減少（単調非増加）を含む。
時間に対して単調変化しない計測値の例としては、燃料消費量、リリーフ弁の開閉状態、走行状態、および走行速度などが挙げられる。例えば、累積計算部１３１２は、燃料消費量を累積計算することで、累積燃料消費量を算出する。また例えば、累積計算部１３１２は、リリーフ弁の開状態である時間を累積計算することで、累積リリーフ時間を算出する。また例えば、累積計算部１３１２は、走行中である時間（走行速度が閾値以上である時間）を累積計算することで、累積走行時間を算出する。また例えば、累積計算部１３１２は、走行速度を累積計算することで、累積走行距離を算出する。
時間に対して単調変化する計測値の例としては、ＳＭＲなどが挙げられる。つまり、センサ１２が累積値を計測する場合には、累積計算部１３１２はその計測値について累積計算をしなくてよい。

状態記録部１３１３は、累積計算部１３１２が算出した計測値の累積値、およびセンサ１２が計測した時間に対して単調変化する計測値を、時刻に関連付けて状態記憶部１３２１に記憶させる。以下、一の対象機械１０の一の時刻における状態をスナップショットとよぶ。また一のスナップショットに係る計測値の累積値および時間に対して単調変化する計測値、すなわち一のスナップショットに係る機械本体１１の状態を表す、時間に対して単調変化する値を、状態情報とよぶ。

送信部１３１４は、状態記憶部１３２１が記憶する状態情報を、通信装置１４を介して状態分析装置２０に送信する。

《状態分析装置の構成》
図３は、第１の実施形態に係る状態分析装置の構成を示す概略ブロック図である。
状態分析装置２０は、プロセッサ２１、メインメモリ２２、ストレージ２３、インタフェース２４、通信装置２５を備えるコンピュータである。ストレージ２３は、状態分析プログラムを記憶する。プロセッサ２１は、状態分析プログラムをストレージ２３から読み出してメインメモリ２２に展開し、状態分析プログラムに従った処理を実行する。プロセッサ２１は、インタフェース２４を介して通信装置２５と接続される。

ストレージ２３の例としては、半導体メモリ、ディスクメディアおよびテープメディア等が挙げられる。ストレージ２３は、状態分析装置２０の共通通信線に直接接続された内部メディアであってもよいし、インタフェース２４を介して状態分析装置２０に接続される外部メディアであってもよい。ストレージ２３は、一時的でない記憶を行う有形の記憶媒体である。

プロセッサ２１は、状態分析プログラムの実行により、状態情報取得部２１０１、ベクトル取得部２１０２、モデル生成部２１０３、ベクトル圧縮部２１０４、クラスタリング部２１０５、分類部２１０６、部品情報取得部２１０７、ヒートマップ生成部２１０８、グラフ生成部２１０９、出力部２１１０を備える。またプロセッサ２１は、状態分析プログラムの実行により、メインメモリ２２に状態記憶部２２０１、モデル記憶部２２０２、クラスタ記憶部２２０３、ヒートマップ記憶部２２０４の記憶領域を確保する。

状態情報取得部２１０１は、複数の対象機械１０それぞれから、複数の時刻に係る状態情報を受信する。つまり、状態情報取得部２１０１は、複数のスナップショットに係る状態情報を取得する。また状態情報取得部２１０１は、各状態情報を、対象機械１０のＩＤと、時刻とに関連付けて、状態記憶部２２０１に記憶させる。つまり、状態記憶部２２０１において、対象機械１０のＩＤと時刻の組み合わせがプライマリキー（複合プライマリキー）を構成する。

ベクトル取得部２１０２は、状態記憶部１３２１から複数の状態情報を読み出し、当該状態情報を表す状態ベクトルを取得する。状態ベクトルは、各状態情報の値を要素にもつベクトルである。状態ベクトルの次元数は、状態情報の項目数に等しい。

モデル生成部２１０３は、ベクトル取得部２１０２が取得した複数の対象機械１０の複数の時刻に係る複数の状態ベクトルから、状態ベクトルを２次元に圧縮するための圧縮モデルを生成する。第１の実施形態においては、自己組織化マップ（ＳＯＭ：Self Organizing Map）を用いて状態ベクトルを圧縮する例について説明する。したがって、モデル生成部２１０３は、複数の状態ベクトルを用いてＳＯＭモデルのパラメータを特定する。モデル生成部２１０３は、生成した圧縮モデルをモデル記憶部２２０２に記憶させる。なお、他の実施形態においては、次元圧縮手法として、主成分分析、多次元尺度法、特異値分解、オートエンコーダ、またはその他の次元圧縮手法を用いてもよい。

ベクトル圧縮部２１０４は、圧縮モデルに基づいて状態ベクトルを圧縮し、圧縮ベクトルを生成する。ベクトル圧縮部２１０４は、一の対象機械１０の複数の時刻に係る複数の状態ベクトルを圧縮することで、一の対象機械１０の使用履歴を表す圧縮ベクトル群を得ることができる。換言すると、圧縮ベクトル群は、一の対象機械１０に係る圧縮ベクトルの時系列である。

クラスタリング部２１０５は、複数の対象機械１０に係る複数の圧縮ベクトル群に基づいて、圧縮ベクトル群の集合を複数のクラスタに分割する。クラスタリング手法としては、k-means法、最短距離法、最長距離法、群平均法、ウォード法、またはその他のクラスタリング手法を用いることができる。圧縮ベクトル群どうしの類似度は、例えば動的計画法によって求めることができる。クラスタリング部２１０５は、各クラスタの代表点に係る圧縮ベクトル群をクラスタ記憶部２２０３に記憶させる。

分類部２１０６は、クラスタ記憶部２２０３が記憶する情報に基づいて、一の対象機械１０に係る圧縮ベクトル群を一のクラスタに分類する。例えば、分類部２１０６は、一の対象機械１０に係る圧縮ベクトル群と複数の代表点との距離をそれぞれ求め、その圧縮ベクトル群を最も距離が短い代表点に係るクラスタに分類する。

部品情報取得部２１０７は、複数の対象機械１０の部品交換日時および部品交換金額を示す部品情報を取得する。部品情報は、例えば外部のデータベースに記憶されていてもよいし、ストレージ２３に予め記憶されていてもよい。部品情報は、対象機械１０の故障に係る情報の一例である。

ヒートマップ生成部２１０８は、複数の対象機械１０の複数の時刻に係る複数の圧縮ベクトルと、部品情報とに基づいて、対象機械１０の状態と部品交換金額との関係を示すヒートマップを生成する。ヒートマップは、圧縮ベクトルの次元に係る軸で定義される２次元平面をグリッドで分割した各領域が、その領域に属する状態の平均部品交換金額を表す色で着色された図である。なお、他の実施形態においては、ヒートマップ生成部２１０８は、部品の故障発生確率を表すヒートマップなど、他の故障に関するパラメータを表すヒートマップを生成してもよい。また、他の実施形態においては、ヒートマップ生成部２１０８は、ハニカムグリッドで分割した領域が配置されたヒートマップを生成してもよいし、球面に領域が配置されたヒートマップを生成してもよい。ヒートマップ生成部２１０８は、生成したヒートマップをヒートマップ記憶部２２０４に記憶させる。

グラフ生成部２１０９は、圧縮ベクトルの次元に係る軸で定義される２次元平面に一の対象機械１０に係る圧縮ベクトル群を表すプロット群を付したグラフを生成する。後述するが、当該グラフにおいて、複数のプロットの位置は、時系列順に２次元平面の隅の位置から対角の隅の位置へ向かって略単調な変化を以て推移する。

出力部２１１０は、一の対象機械１０の使用履歴が属するクラスタを出力する。また出力部２１１０は、ヒートマップ生成部２１０８が生成したヒートマップとグラフ生成部２１０９が生成したグラフとを重ね合わせた図とを出力する。出力部２１１０は、インタフェース２４を介して接続されるディスプレイ（図１参照）にこれらの情報を表示させてもよいし、通信装置２５を介して外部の端末装置にこれらの情報を送信してもよいし、インタフェース２４を介して外部の記憶媒体に記憶させてもよい。

《学習方法》
状態分析装置２０は、一の対象機械１０の使用履歴の分析処理を実行する前に、予め、圧縮モデル、複数のクラスタの代表点の情報、およびヒートマップを生成しておく。
図４は、第１の実施形態に係る状態分析装置による学習方法を示すフローチャートである。

状態分析装置２０の状態情報取得部２１０１は、複数の対象機械１０それぞれから、当該対象機械１０の使用履歴を表す状態情報の時系列を受信する（ステップＳ１）。つまり、状態情報取得部２１０１は、複数の対象機械１０から、複数の時刻に関連付けられた複数項目に係る状態情報を取得する。状態情報取得部２１０１は、受信した状態情報を、対象機械１０のＩＤと、時刻とに関連付けて、状態記憶部２２０１に記憶させる（ステップＳ２）。

次に、ベクトル取得部２１０２は、モデル記憶部２２０２から各プライマリキーに関連付けられた状態情報に係る複数の状態ベクトルを取得する（ステップＳ３）。つまり、ベクトル取得部２１０２は、モデル記憶部２２０２から各ＩＤおよび各時刻に関連付けられた状態情報ごとに、状態ベクトルを生成する。

次に、モデル生成部２１０３は、ベクトル取得部２１０２が取得した複数の状態ベクトルに基づいて、圧縮モデルを学習させ（ステップＳ４）、学習された圧縮モデルをモデル記憶部２２０２に記憶させる（ステップＳ５）。具体的には、モデル生成部２１０３は、以下の手順で圧縮モデルを学習させる。
モデル生成部２１０３は、複数のクラスを、２次元平面に均等に配置する。各クラスはランダムな、または状態ベクトルの主成分分析等の前処理によって特定される、状態ベクトルと同じ次元数の（状態情報の項目数と同じ次元数の）重みベクトルを有する。複数のクラスのセットは、圧縮モデルの例である。モデル生成部２１０３は、複数の状態ベクトルから１つの状態ベクトルをランダムに選択し、複数のクラスのうち選択された状態ベクトルに最も近似するクラスとその近傍のクラスに係る重みベクトルを、選択された状態ベクトルの値に近づける。この処理を繰り返し実行することにより、圧縮モデルを学習させることができる。

次に、ベクトル圧縮部２１０４は、複数の対象機械１０を１つずつ選択し、以下のステップＳ７からステップＳ８の処理を実行する（ステップＳ６）。
ベクトル圧縮部２１０４は、ベクトル取得部２１０２が取得した複数の状態ベクトルのうち、ステップＳ６で選択した対象機械１０のＩＤに関連付けられたものを特定する（ステップＳ７）。つまり、ベクトル圧縮部２１０４は、一の対象機械１０の複数の時刻に係る複数の状態ベクトルを特定する。ベクトル圧縮部２１０４は、特定した複数の状態ベクトルそれぞれを圧縮モデルに基づいて圧縮することで、一の対象機械１０の使用履歴を表す圧縮ベクトル群（圧縮ベクトルの時系列）を得る（ステップＳ８）。

ベクトル圧縮部２１０４が複数の対象機械１０のそれぞれに係る圧縮ベクトル群を得ると、クラスタリング部２１０５は、複数の圧縮ベクトル群を複数のクラスタに分割する（ステップＳ９）。クラスタリング部２１０５は、複数のクラスタそれぞれの代表点に係る圧縮ベクトル群を特定し、クラスタのＩＤと代表点に係る圧縮ベクトル群とを関連付けてクラスタ記憶部２２０３に記憶させる（ステップＳ１０）。

また、部品情報取得部２１０７は、複数の対象機械１０の部品交換日時および部品交換金額を示す部品情報を取得する（ステップＳ１１）。ヒートマップ生成部２１０８は、ステップＳ４で学習された圧縮モデルの各クラスを２次元平面に配置することで、ヒートマップの初期値を生成する（ステップＳ１２）。ヒートマップ上のクラスの値は、部品交換金額の平均値である。

次に、ヒートマップ生成部２１０８は、部品情報に含まれる部品交換日時と部品交換金額の組み合わせを１つずつ選択し、以下のステップＳ１４からステップＳ１５の処理を実行する（ステップＳ１３）。
ヒートマップ生成部２１０８は、圧縮モデルに基づいて、選択した組み合わせに係る部品交換日時に係る圧縮ベクトル群が属するヒートマップ上のクラスを特定する（ステップＳ１４）。ヒートマップ生成部２１０８は、選択した組み合わせに係る部品交換金額に基づいて特定したクラスの値を更新する（ステップＳ１５）。

ヒートマップ生成部２１０８は、部品情報に基づいてヒートマップのクラスに値を設定すると、各クラスを、そのクラスに係る部品交換金額の平均値に応じた色に着色する（ステップＳ１６）。例えば、ヒートマップ生成部２１０８は、部品交換金額の平均値が低いクラスの明度を低くし、部品交換金額の平均値が高いクラスの明度を高くしてもよい。また例えば、ヒートマップ生成部２１０８は、部品交換金額の平均値が低いクラスの色相を青に近づけ、部品交換金額の平均値が高いクラスの色相を赤に近づけてもよい。ヒートマップ生成部２１０８は、生成したヒートマップをヒートマップ記憶部２２０４に記憶させる（ステップＳ１７）。

上記手順により、状態分析装置２０は、圧縮モデル、複数のクラスタの代表点の情報、およびヒートマップをメインメモリ２２に記憶することができる。

《状態分析方法》
状態分析装置２０は、上記の準備が完了すると、任意の対象機械１０の状態を分析することができる。
図５は、第１の実施形態に係る状態分析装置による状態分析方法を示すフローチャートである。

状態分析装置２０の状態情報取得部２１０１は、一の対象機械１０から状態情報の時系列を受信する（ステップＳ５１）。つまり、状態情報取得部２１０１は、一の対象機械１０から、複数の時刻に関連付けられた複数項目に係る状態情報を取得する。次に、ベクトル取得部２１０２は、受信した状態情報に基づいて、複数の状態ベクトルを取得する（ステップＳ５２）。つまり、ベクトル取得部２１０２は、一の対象機械１０の各時刻に関連付けられた状態情報ごとに、状態ベクトルを生成する。

次に、ベクトル圧縮部２１０４は、生成した複数の状態ベクトルそれぞれを、モデル記憶部２２０２が記憶する圧縮モデルに基づいて圧縮することで、一の対象機械１０の使用履歴を表す圧縮ベクトル群を得る（ステップＳ５３）。次に、分類部２１０６は、クラスタ記憶部２２０３が記憶する各クラスタの代表点と得られた圧縮ベクトル群との距離に基づいて、対象機械１０を一のクラスタに分類する（ステップＳ５４）。

次に、グラフ生成部２１０９は、圧縮ベクトルの次元に係る軸で定義される２次元平面に、ステップＳ５３で得られた圧縮ベクトル群を表すプロット群を付し、各プロットを時系列順に直線で結んだグラフを生成する（ステップＳ５５）。またグラフ生成部２１０９は、ステップＳ５４で分類したクラスタの代表点を表すグラフを生成する（ステップＳ５６）。
出力部２１１０は、ヒートマップ記憶部２２０４からヒートマップを読み出し、ヒートマップと生成された対象機械１０に係るグラフと、クラスタ中心を表すグラフとを重ね合わせた複合グラフを生成する（ステップＳ５７）。出力部２１１０は、複合グラフを出力する（ステップＳ５８）。

図６は、第１の実施形態に係る状態分析装置が出力する画面の例を示す図である。
図６に示すように、複合グラフＧのうち対象機械１０に係るグラフＧ１は、時系列順に右上から左下に向かって、略単調に伸びている。つまり、利用者は、対象機械１０に係るグラフＧ１のうち最も左下の点を特定し、当該点に係るヒートマップＨの色を確認することで、対象機械１０の現在の状態における部品交換額の平均値を認識することができる。また、クラスタ中心を表すグラフＧ２が対象機械１０に係るグラフＧ１と共に描画されるため、利用者は、クラスタ中心を表すグラフＧ２の伸びる方向を認識することで、対象機械１０に係るグラフＧ１が伸びる方向を予測し、対象機械１０の将来の状態を予測することができる。例えば、図６に示す例では、クラスタ中心を表すグラフＧ２は左方向に伸びており、対象機械１０に係るグラフＧ１も左方向に伸びることが予想される。これにより、利用者は、対象機械１０が将来的に部品交換額の平均値が高く表れる状態に至る可能性があることを認識することができ、対象機械１０の運用方法を変えたり、事前にメンテナンスを行ったりするなどの対策を取ることができる。

《作用・効果》
このように、第１の実施形態によれば、状態分析装置２０は、対象機械１０の複数の時点のそれぞれについて状態ベクトルを取得し、複数の状態ベクトルの次元を圧縮することで複数の圧縮ベクトルを得る。状態ベクトルの要素は、対象機械１０の稼働に伴い、時間に対して単調変化する状態を示す複数の項目に係る量を表す。これにより、状態分析装置２０は、対象機械１０の使用の履歴に係るデータの次元を、時系列的な関連性を失わないように圧縮することができる。

ここで、対象機械１０の稼働に伴い、時間に対して単調変化する状態を示す複数の項目に係る量を要素に持つ状態ベクトルの時系列を用いることで、次元削減後にも時系列的な関連性を失わないようにすることができる理由を説明する。
状態ベクトルのある第１要素（例えばＳＭＲ）が時間に対して単調増加する場合、第１要素の値は、対象機械１０が新しいほど小さく、対象機械１０が古くなるほど大きくなる。つまり第１要素は、一の対象機械１０に係る状態ベクトルの時系列において、単調増加するという関連性を有する。
他方、状態ベクトルの第２要素（例えば残り寿命）が時間に対して単調減少する場合、第２要素の値は、対象機械１０が新しいほど大きく、対象機械１０が古くなるほど小さくなる。つまり第２要素は、一の対象機械１０に係る状態ベクトルの時系列において、単調減少するという関連性を有する。

ここで、ＳＯＭなどの次元圧縮アルゴリズムは、情報をなるべく維持するように次元を圧縮するように構成されている。そのため、状態ベクトルの各要素が対象機械１０の稼働時間に対して単調変化するという関係性を有する場合、（特に状態ベクトルのすべての要素が稼働時間に対して単調変化するという関係性を有する場合、）その関係性が保たれるように次元圧縮がなされる。例えばＳＯＭにおいては、比較的新しい対象機械１０に係る圧縮ベクトルと、比較的古い対象機械１０に係る圧縮ベクトルとが、互いに状態空間の対角に位置するような次元圧縮がなされる。その結果、一の対象機械１０について状態ベクトルの時系列を圧縮して得られる圧縮ベクトル群は、時系列的に略単調変化するものとなる。
なお、第１の実施形態に係る状態分析装置２０は、ＳＯＭによって状態ベクトルの次元を圧縮する。ＳＯＭによれば、ベクトルどうしの位相関係を保存しながら次元の圧縮がなされるので、圧縮ベクトル群における時系列の連続性を良く保つことができる。特に、状態ベクトルの要素が非線形な値を含む場合、主成分分析などの線形的な次元圧縮法より、ＳＯＭなどの非線形的な次元圧縮法を用いることが好ましい。
また、他の実施形態においては、必ずしも状態ベクトルのすべての要素が稼働時間に対して単調変化するという関係性を有するものでなくてもよい。例えば、他の実施形態において、状態ベクトルは、稼働時間に対して単調変化するという関係性を有する要素が支配的なベクトルであればよい。

なお、第１の実施形態においては、状態分析装置２０は、グラフおよびヒートマップの出力のために、状態ベクトルを２次元に圧縮するが、他の実施形態においては、状態ベクトルを３以上の次元数に圧縮してもよい。

また、第１の実施形態によれば、状態ベクトルは、対象機械１０の稼働に係るバイタルデータの累積値を要素に含む。対象機械１０のデータ集約装置１３は、バイタルデータの累積値を計算することで、対象機械１０の稼働に伴い、時間に対して単調変化する状態を示す量を容易に得ることができる。なお、他の実施形態においては、状態ベクトルは、必ずしもバイタルデータの累積値を要素に含まないものであってもよい。

また、第１の実施形態によれば、状態分析装置２０は、対象機械１０の複数の時点に係る複数の圧縮ベクトルを表すプロット群を２次元平面上に付したグラフを出力する。これにより、利用者は、対象機械１０の使用の履歴および現在の状態を容易に認識することができる。なお、第１の実施形態に係る状態分析装置２０は２次元平面上にプロット群を付すが、これに限られない。他の実施形態においては、状態分析装置２０は３次元空間上にプロット群を付した三次元グラフを出力してもよい。

また、第１の実施形態によれば、状態分析装置２０は、複数の対象機械１０の圧縮ベクトル群に基づいて、対象機械１０の状態を分類する。これにより、利用者は、一の対象機械１０の分類結果を認識することで、対象機械１０の過去の使われ方の傾向や、将来の状態の変化の傾向を理解することができる。なお、他の実施形態に係る状態分析装置２０は、必ずしも圧縮ベクトル群に基づいて対象機械１０の状態を分類しなくてもよい。
図７は、第１の実施形態に係る状態分析装置によって一のクラスタに分類された圧縮ベクトル群を表すグラフである。図７に示すように、一のクラスタに分類される対象機械１０の圧縮ベクトル群は、いずれも類似の軌跡を描くことが分かる。このことから、状態分析装置２０が圧縮ベクトル群のクラスタリングにより適切に対象機械１０の使われ方を分類することができることが分かる。

また、第１の実施形態によれば、状態分析装置２０は、対象機械１０の部品交換金額の平均値を表す色で着色された複数の領域が配置されたヒートマップを生成し、一の対象機械１０に係るプロット群とヒートマップとを重ね合わせて出力する。これにより、利用者は、対象機械１０の現在または将来の部品交換のリスクを認識することができる。なお、他の実施形態に係る状態分析装置２０は、必ずしもヒートマップを出力しなくてもよい。

〈他の実施形態〉
以上、図面を参照して一実施形態について詳しく説明してきたが、具体的な構成は上述のものに限られることはなく、様々な設計変更等をすることが可能である。

上述した実施形態においては、対象機械１０のデータ集約装置１３が、センサ１２の計測値の累積値を算出して状態分析装置２０に送信するが、これに限られない。例えば、他の実施形態においては、センサ１２の計測値がすべて時間に対して単調変化するものである場合、データ集約装置１３は、センサ１２の計測値をそのまま状態分析装置２０に送信してもよい。また他の実施形態においては、データ集約装置１３がセンサ１２の計測値をそのまま状態分析装置２０に送信し、状態分析装置２０が計測値の累積値を算出してもよい。また、センサ１２の計測値のすべてが時間に対して単調変化するものではない場合であっても、データ集約装置１３がセンサ１２の計測値をそのまま状態分析装置２０に送信し、状態分析装置２０が累積値を算出してもよい。あるいは、データ集約装置１３がセンサ１２の計測値の１日分の累積値を算出して状態分析装置２０に送信し、状態分析装置２０が１日ごとの累積値を１月分累積するなど、データ集約装置１３と状態分析装置２０の両方で累積値の算出を分担して行ってもよい。

上述した実施形態においては、状態分析装置２０が圧縮モデルの学習と、学習済み圧縮モデルに基づく次元圧縮との両方を行うが、これに限られない。例えば、他の実施形態においては、サーバ装置によって圧縮モデルの学習がなされ、学習済み圧縮モデルを対象機械１０が備える装置（例えば、データ集約装置１３）に記憶させ、対象機械１０において状態ベクトルの次元圧縮ならびに、グラフおよびヒートマップの表示の少なくとも１つがなされてもよい。つまり、状態分析装置２０は対象機械１０に設けられるものであってもよい。

１…状態分析システム １０…対象機械 １１…機械本体 １２…センサ １３…データ集約装置 １４…通信装置 １３１…プロセッサ １３２…メインメモリ １３３…ストレージ １３４…インタフェース １３１１…計測値取得部 １３１２…累積計算部 １３１３…状態記録部 １３１４…送信部 １３２１…状態記憶部 ２０…状態分析装置 ２１…プロセッサ ２２…メインメモリ ２３…ストレージ ２４…インタフェース ２５…通信装置 ２１０１…状態情報取得部 ２１０２…ベクトル取得部 ２１０３…モデル生成部 ２１０４…ベクトル圧縮部 ２１０５…クラスタリング部 ２１０６…分類部 ２１０７…部品情報取得部 ２１０８…ヒートマップ生成部 ２１０９…グラフ生成部 ２１１０…出力部 ２２０１…状態記憶部 ２２０２…モデル記憶部 ２２０３…クラスタ記憶部 ２２０４…ヒートマップ記憶部

Claims (7)

1. 複数の時点のそれぞれについて、機械の稼働に伴い、時間に対して単調変化する前記機械の状態を示す複数の項目に係る量を表す複数の状態ベクトルを取得するベクトル取得部と、
   前記複数の状態ベクトルの次元を圧縮した複数の圧縮ベクトルを得るベクトル圧縮部と
   を備える状態分析装置。
2. 前記複数の状態ベクトルは、前記機械の稼働に伴って生じる複数の項目に係るデータの累積値を要素に含むベクトルである
   請求項１に記載の状態分析装置。
3. 前記圧縮ベクトルの次元は２次元または３次元であって、
   前記圧縮ベクトルの次元に係る複数の軸と、一の機械の複数の時点に係る複数の圧縮ベクトルを表すプロット群とを含むグラフを生成するグラフ生成部と、
   前記グラフを出力する出力部と
   を備える請求項１または請求項２に記載の状態分析装置。
4. 前記複数の機械の複数の時点に係る複数の状態ベクトルに基づいて、前記状態ベクトルを圧縮するための圧縮モデルを生成するモデル生成部を備え、
   前記ベクトル圧縮部は、前記圧縮モデルに基づいて、一の機械の複数の時点に係る複数の状態ベクトルを圧縮する
   請求項１から請求項３の何れか１項に記載の状態分析装置。
5. 前記複数の圧縮ベクトルに基づいて、前記機械の状態を分類する分類部を備える
   請求項４に記載の状態分析装置。
6. 前記圧縮ベクトルの次元は２次元であって、
   前記次元に係る軸で定義される平面に、前記機械の状態を表す複数の領域であって、その状態における故障に関するパラメータを表す色で着色された複数の領域が配置されたヒートマップを生成するヒートマップ生成部と、
   一の機械の複数の時点に係る複数の圧縮ベクトルを表すプロット群と前記ヒートマップとを出力する出力部と
   を備える請求項４または請求項５に記載の状態分析装置。
7. 複数の機械の複数の時点のそれぞれについて、前記機械の稼働に伴い、時間に対して単調変化する前記機械の状態を示す複数の項目に係る量を表す複数の状態ベクトルを取得するステップと、
   前記複数の状態ベクトルの次元を圧縮した複数の圧縮ベクトルを得るステップと
   を有する状態分析方法。

Images