JP7292076B2 - 劣化推定装置、学習装置、劣化推定方法、学習方法、劣化推定プログラム、および、学習プログラム - Google Patents
劣化推定装置、学習装置、劣化推定方法、学習方法、劣化推定プログラム、および、学習プログラム Download PDFInfo
- Publication number
- JP7292076B2 JP7292076B2 JP2019056307A JP2019056307A JP7292076B2 JP 7292076 B2 JP7292076 B2 JP 7292076B2 JP 2019056307 A JP2019056307 A JP 2019056307A JP 2019056307 A JP2019056307 A JP 2019056307A JP 7292076 B2 JP7292076 B2 JP 7292076B2
- Authority
- JP
- Japan
- Prior art keywords
- deterioration
- learning
- equipment
- inspection
- 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
- 230000006866 deterioration Effects 0.000 title claims description 268
- 238000000034 method Methods 0.000 title claims description 67
- 238000007689 inspection Methods 0.000 claims description 249
- 238000012423 maintenance Methods 0.000 claims description 178
- 238000012545 processing Methods 0.000 claims description 48
- 230000015556 catabolic process Effects 0.000 claims description 31
- 238000006731 degradation reaction Methods 0.000 claims description 31
- 238000009826 distribution Methods 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 2
- 239000013598 vector Substances 0.000 description 29
- 238000010586 diagram Methods 0.000 description 22
- 230000000875 corresponding effect Effects 0.000 description 21
- 238000003860 storage Methods 0.000 description 21
- 230000006870 function Effects 0.000 description 20
- 238000012937 correction Methods 0.000 description 16
- 239000011159 matrix material Substances 0.000 description 15
- 238000012986 modification Methods 0.000 description 9
- 230000004048 modification Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000011002 quantification Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000015654 memory Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000005401 electroluminescence Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000003936 working memory Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
図1~図3を参照して、劣化推定装置200による劣化ランクの推定処理の概要について説明する。図1は、劣化推定装置200の機能構成の一例を示す図である。
図4を参照して、劣化推定システム10について説明する。図4は、劣化推定システム10の装置構成の一例を示す図である。
図5および図6を参照して、学習装置100および劣化推定装置200のハードウェア構成について順に説明する。
まず、図5を参照して、学習装置100のハードウェア構成について順に説明する。図5は、学習装置100のハードウェア構成の一例を示す図である。
次に、図6を参照して、劣化推定装置200のハードウェア構成について順に説明する。図6は、劣化推定装置200のハードウェア構成の一例を示す図である。
図7~図12を参照して、学習装置100の機能について説明する。図7は、学習装置100の機能構成の一例を示す図である。
まず、図8~図10を参照して、学習用データ生成部152の機能について説明する。図8は、学習用データの生成に用いられる点検結果表示画面30を示す図である。
次に、図11および図12を参照して、学習部154による学習機能について説明する。図11は、学習部154による学習機能の一例を説明するための図である。
引き続き図12を参照しつつ、図13を参照して、上述の推定部260による劣化ランクの推定処理について説明する。
図14を参照して、推定された劣化ランクの出力画面の一例について説明する。図14は、推定された劣化ランクの出力画面の一例である点検結果表示画面30Aを示す図である。
図15を参照して、学習部154による学習処理の変形例について説明する。図15は、変形例に従う学習処理を概略的に示す図である。
図16および図17を参照して、劣化ランクの推定処理の変形例について説明する。図16は、変形例に従う劣化推定装置200Aの機能構成の一例を示す図である。
(2)推定対象の保全設備についての直近P年での故障がb回以上発生している
(3)推定対象の保全設備についての直近Q年での同種の故障がc回以上発生している
但し、条件(1)~(3)に示されるa,b,c,A,Bは、予め定められた正の正数であり、c<b<aおよびQ<Pの関係を有する。
図18を参照して、学習装置100による学習用データの生成処理のフローについて説明する。図18は、学習用データの生成処理の流れを示すフローチャートである。
図19を参照して、学習装置100による学習処理のフローについて説明する。図19は、学習装置100による学習処理の流れを示すフローチャートである。
図20を参照して、劣化推定装置200による劣化ランクの推定処理のフローについて説明する。図20は、劣化ランクの推定処理の流れを示すフローチャートである。
以上のようにして、劣化推定装置200は、保全設備の点検結果と保全設備の属性データとを入力として、学習用データセットを用いた学習処理により予め得られている推定用パラメータ236に基づいて、保全設備の劣化ランクを推定する。このように、点検結果と属性データとの両方が劣化ランクの判断指標として用いられることで、劣化推定装置200は、保全対象の設備の劣化ランクを従来の劣化推定装置よりも高精度に推定することが可能になる。
Claims (7)
- 保全対象の設備の劣化ランクを推定する劣化推定装置であって、
前記保全対象の設備の点検結果を取得するための点検結果取得部と、
前記保全対象の設備の属性データを取得するための属性データ取得部と、
前記保全対象の設備の前記点検結果と前記保全対象の設備の前記属性データとを入力として、学習用データセットを用いた学習処理により予め得られている推定用パラメータに基づいて、前記保全対象の設備の劣化ランクを推定するための推定部とを備え、前記学習用データセットは、保全対象の他の設備の点検結果と、当該他の設備の属性データとの特徴量に対して、当該他の設備の劣化ランクをラベル付けした学習用データを複数含み、
前記劣化推定装置は、さらに、
前記保全対象の設備の故障履歴を取得するための故障履歴取得部と、
前記故障履歴が予め定められた条件を満たす場合には、前記推定部によって推定された劣化ランクを、当該劣化ランクよりも劣化が進んでいることを示す劣化ランクに補正するための補正部とを備える、劣化推定装置。 - 前記推定用パラメータは、前記学習用データセットに含まれる複数の前記特徴量についての分布を設備の劣化ランク別に表わす分布指標を含み、
前記推定部は、劣化ランク別の前記分布指標に基づいて、前記保全対象の設備の前記点検結果と、前記保全対象の設備の前記属性データとが属する劣化ランクを判別し、当該判別された劣化ランクを推定結果として出力する、請求項1に記載の劣化推定装置。 - 保全対象の設備についての劣化ランクの推定処理に用いられる推定用パラメータを出力する学習装置であって、
学習用データセットを生成するための学習用データ生成部を備え、前記学習用データセットは、保全対象の設備の点検結果と、当該保全対象の設備の属性データとの特徴量に対して、当該保全対象の設備の劣化ランクをラベル付けした学習用データを複数含み、さらに、
前記学習用データセットに含まれる複数の前記特徴量と、前記学習用データセットに含まれる複数の前記劣化ランクとの間の相関関係を学習し、当該相関関係を前記推定用パラメータとして出力するための学習部を備え、
前記学習装置は、さらに、
複数の保全対象の設備の各々についての点検結果を格納するデータベースと、
表示デバイスを接続するための表示インターフェイスとを備え、前記表示デバイスは、前記データベースに含まれている一の点検結果を表示し、さらに、
入力デバイスを接続するための入力インターフェイスとを備え、前記入力デバイスは、前記表示デバイスに表示されている一の点検結果に対して劣化ランクの入力を受け付け、さらに、
前記学習用データ生成部は、前記表示デバイスに表示されている一の点検結果と、当該一の点検結果に対応する設備の属性データと、前記入力デバイスが受け付けた劣化ランクとを対応付けた学習用データを前記学習用データセットに追加し、
前記データベースに含まれる各点検結果は、複数の点検項目と、各前記点検項目に対する測定値とを含み、
前記表示デバイスは、前記一の点検結果に含まれる複数の点検項目と、当該複数の点検項目の各々に対する測定値とを表示し、
前記入力デバイスは、さらに、前記表示デバイスに表示されている複数の点検項目の内から表示対象の点検項目を絞るためのフィルタリング条件の入力を受け付け、
前記学習部は、前記入力デバイスが劣化ランクの入力を受け付けた際に前記表示デバイスに表示されている点検項目と測定値とを前記推定用パラメータの学習に用いる、学習装置。 - 保全対象の設備の劣化ランクを推定する劣化推定方法であって、
コンピュータが、前記保全対象の設備の点検結果を取得するステップと、
前記コンピュータが、前記保全対象の設備の属性データを取得するステップと、
前記コンピュータが、前記保全対象の設備の前記点検結果と前記保全対象の設備の前記属性データとを入力として、学習用データセットを用いた学習処理により予め得られている推定用パラメータに基づいて、前記保全対象の設備の劣化ランクを推定するステップとを備え、前記学習用データセットは、保全対象の他の設備の点検結果と、当該他の設備の属性データとの特徴量に対して、当該他の設備の劣化ランクをラベル付けした学習用データを複数含み、
前記劣化推定方法は、さらに、
前記コンピュータが、前記保全対象の設備の故障履歴を取得するステップと、
前記故障履歴が予め定められた条件を満たす場合には、前記コンピュータが、推定された劣化ランクを、当該劣化ランクよりも劣化が進んでいることを示す劣化ランクに補正するステップとを備える、劣化推定方法。 - 保全対象の設備についての劣化ランクの推定処理に用いられる推定用パラメータを生成するための学習方法であって、
コンピュータが、学習用データセットを生成するステップを備え、前記学習用データセットは、保全対象の設備の点検結果と、当該保全対象の設備の属性データとの特徴量に対して、当該保全対象の設備の劣化ランクをラベル付けした学習用データを複数含み、さらに、
前記コンピュータが、前記学習用データセットに含まれる複数の前記特徴量と、前記学習用データセットに含まれる複数の前記劣化ランクとの間の相関関係を学習し、当該相関関係を前記推定用パラメータとして出力するステップを備え、
前記学習用データセットを生成するステップは、
複数の保全対象の設備の各々についての点検結果をデータベースに格納するステップと、
表示デバイスに、前記データベースに含まれている一の点検結果を表示するステップと、
入力デバイスから、前記表示デバイスに表示されている一の点検結果に対して劣化ランクの入力を受け付けるステップと、
前記表示デバイスに表示されている一の点検結果と、当該一の点検結果に対応する設備の属性データと、前記入力デバイスが受け付けた劣化ランクとを対応付けた学習用データを前記学習用データセットに追加するステップとを含み、
前記データベース含まれる各点検結果は、複数の点検項目と、各前記点検項目に対する測定値とを含み、
前記表示するステップは、前記一の点検結果に含まれる複数の点検項目と、当該複数の点検項目の各々に対する測定値とを表示するステップを含み、
前記受け付けるステップは、前記表示デバイスに表示されている複数の点検項目の内から表示対象の点検項目を絞るためのフィルタリング条件の入力を受け付けるステップを含み、
前記出力するステップは、前記入力デバイスが劣化ランクの入力を受け付けた際に前記表示デバイスに表示されている点検項目と測定値とを前記推定用パラメータの学習に用いるステップを含む、学習方法。 - 保全対象の設備の劣化ランクを推定する劣化推定プログラムであって、
前記劣化推定プログラムは、コンピュータに、
前記保全対象の設備の点検結果を取得するステップと、
前記保全対象の設備の属性データを取得するステップと、
前記保全対象の設備の前記点検結果と前記保全対象の設備の前記属性データとを入力として、学習用データセットを用いた学習処理により予め得られている推定用パラメータに基づいて、前記保全対象の設備の劣化ランクを推定するステップとを実行させ、前記学習用データセットは、保全対象の他の設備の点検結果と、当該他の設備の属性データとの特徴量に対して、当該他の設備の劣化ランクをラベル付けした学習用データを複数含み、
前記劣化推定プログラムは、さらに、前記コンピュータに、
前記保全対象の設備の故障履歴を取得するステップと、
前記故障履歴が予め定められた条件を満たす場合には、推定された劣化ランクを、当該劣化ランクよりも劣化が進んでいることを示す劣化ランクに補正するステップとを実行させる、劣化推定プログラム。 - 保全対象の設備についての劣化ランクの推定処理に用いられる推定用パラメータを生成するための学習プログラムであって、
前記学習プログラムは、コンピュータに、
学習用データセットを生成するステップを実行させ、前記学習用データセットは、保全対象の設備の点検結果と、当該保全対象の設備の属性データとの特徴量に対して、当該保全対象の設備の劣化ランクをラベル付けした学習用データを複数含み、
前記学習プログラムは、コンピュータに、さらに、
前記学習用データセットに含まれる複数の前記特徴量と、前記学習用データセットに含まれる複数の前記劣化ランクとの間の相関関係を学習し、当該相関関係を前記推定用パラメータとして出力するステップを実行させ、
前記学習用データセットを生成するステップは、
複数の保全対象の設備の各々についての点検結果をデータベースに格納するステップと、
表示デバイスに、前記データベースに含まれている一の点検結果を表示するステップと、
入力デバイスから、前記表示デバイスに表示されている一の点検結果に対して劣化ランクの入力を受け付けるステップと、
前記表示デバイスに表示されている一の点検結果と、当該一の点検結果に対応する設備の属性データと、前記入力デバイスが受け付けた劣化ランクとを対応付けた学習用データを前記学習用データセットに追加するステップとを含み、
前記データベース含まれる各点検結果は、複数の点検項目と、各前記点検項目に対する測定値とを含み、
前記表示するステップは、前記一の点検結果に含まれる複数の点検項目と、当該複数の点検項目の各々に対する測定値とを表示するステップを含み、
前記受け付けるステップは、前記表示デバイスに表示されている複数の点検項目の内から表示対象の点検項目を絞るためのフィルタリング条件の入力を受け付けるステップを含み、
前記出力するステップは、前記入力デバイスが劣化ランクの入力を受け付けた際に前記表示デバイスに表示されている点検項目と測定値とを前記推定用パラメータの学習に用いるステップを含む、学習プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019056307A JP7292076B2 (ja) | 2019-03-25 | 2019-03-25 | 劣化推定装置、学習装置、劣化推定方法、学習方法、劣化推定プログラム、および、学習プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019056307A JP7292076B2 (ja) | 2019-03-25 | 2019-03-25 | 劣化推定装置、学習装置、劣化推定方法、学習方法、劣化推定プログラム、および、学習プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020160528A JP2020160528A (ja) | 2020-10-01 |
JP7292076B2 true JP7292076B2 (ja) | 2023-06-16 |
Family
ID=72643295
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019056307A Active JP7292076B2 (ja) | 2019-03-25 | 2019-03-25 | 劣化推定装置、学習装置、劣化推定方法、学習方法、劣化推定プログラム、および、学習プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7292076B2 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022224633A1 (ja) | 2021-04-20 | 2022-10-27 | パナソニックIpマネジメント株式会社 | データ処理システム、データ処理方法、及びプログラム |
EP4328690A1 (en) | 2021-04-20 | 2024-02-28 | Panasonic Intellectual Property Management Co., Ltd. | Data processing system, data processing method, and program |
CN117178238A (zh) | 2021-04-20 | 2023-12-05 | 松下知识产权经营株式会社 | 数据处理***、数据处理方法以及程序 |
EP4343639A4 (en) * | 2021-07-02 | 2024-07-17 | Mitsubishi Electric Corp | DATA ANALYSIS DEVICE, DATA ANALYSIS PROGRAM AND DATA ANALYSIS METHOD |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006309279A (ja) | 2005-04-26 | 2006-11-09 | Mitsubishi Electric Corp | 設備状態監視制御システム |
JP2012009064A (ja) | 2011-09-05 | 2012-01-12 | Toshiba Corp | 学習型プロセス異常診断装置、およびオペレータ判断推測結果収集装置 |
JP2016080866A (ja) | 2014-10-16 | 2016-05-16 | 富士ゼロックス株式会社 | 保守必要性推定装置及びプログラム |
WO2018159169A1 (ja) | 2017-03-03 | 2018-09-07 | パナソニックIpマネジメント株式会社 | 劣化診断システム追加学習方法 |
-
2019
- 2019-03-25 JP JP2019056307A patent/JP7292076B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006309279A (ja) | 2005-04-26 | 2006-11-09 | Mitsubishi Electric Corp | 設備状態監視制御システム |
JP2012009064A (ja) | 2011-09-05 | 2012-01-12 | Toshiba Corp | 学習型プロセス異常診断装置、およびオペレータ判断推測結果収集装置 |
JP2016080866A (ja) | 2014-10-16 | 2016-05-16 | 富士ゼロックス株式会社 | 保守必要性推定装置及びプログラム |
WO2018159169A1 (ja) | 2017-03-03 | 2018-09-07 | パナソニックIpマネジメント株式会社 | 劣化診断システム追加学習方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2020160528A (ja) | 2020-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7292076B2 (ja) | 劣化推定装置、学習装置、劣化推定方法、学習方法、劣化推定プログラム、および、学習プログラム | |
US11086762B2 (en) | Methods and systems for predicting estimation of project factors in software development | |
AU2009299602B2 (en) | Assisting with updating a model for diagnosing failures in a system | |
Ghasemi et al. | Optimal condition based maintenance with imperfect information and the proportional hazards model | |
JP5765336B2 (ja) | 障害分析装置、障害分析方法およびプログラム | |
EP2613212B1 (en) | Diagnostic algorithm parameter optimization | |
US10699248B2 (en) | Inspection management system and inspection management method | |
US8676727B2 (en) | Abnormality diagnosis filter generator | |
AU2016201724A1 (en) | Method and system for predicting equipment failure | |
Hellingrath et al. | Conceptual approach for integrating condition monitoring information and spare parts forecasting methods | |
AU2023274062A1 (en) | System for analyzing machine data | |
Bontempi et al. | Local learning for iterated time series prediction | |
US20240012407A1 (en) | Condition-Based Method for Malfunction Prediction | |
TW202101142A (zh) | 營運評估裝置、營運評估方法、及程式 | |
JP2019028834A (ja) | 異常値診断装置、異常値診断方法、およびプログラム | |
CN113168589B (zh) | 数据生成装置、预测器学习装置、数据生成方法和学习方法 | |
Percy et al. | Scheduling preventive maintenance for oil pumps using generalized proportional intensities models | |
JP2019091367A (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
US20170038281A1 (en) | Method of predicting life of component of machine | |
CN113792421B (zh) | 一种基于数字孪生的tpm设备管理数据处理***及方法 | |
Tamminen et al. | An online quality monitoring tool for information acquisition and sharing in manufacturing: requirements and solutions for the steel industry | |
WO2016151616A1 (ja) | 推定器可視化システム | |
CN111967774A (zh) | 软件质量风险预测方法及装置 | |
Omoleye et al. | Impact of resources and monitoring effectiveness on prognostics enabled condition based maintenance policy | |
Nwadinobi et al. | Improved Markov stable state simulation for maintenance planning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210708 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220531 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220628 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220809 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221206 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230110 |
|
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: 20230509 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230606 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7292076 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |