JP7343025B1 - Prediction device, prediction method and computer program - Google Patents
Prediction device, prediction method and computer program Download PDFInfo
- Publication number
- JP7343025B1 JP7343025B1 JP2022166087A JP2022166087A JP7343025B1 JP 7343025 B1 JP7343025 B1 JP 7343025B1 JP 2022166087 A JP2022166087 A JP 2022166087A JP 2022166087 A JP2022166087 A JP 2022166087A JP 7343025 B1 JP7343025 B1 JP 7343025B1
- Authority
- JP
- Japan
- Prior art keywords
- predicted
- years
- buried pipe
- information
- attribute information
- 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 claims description 29
- 238000004590 computer program Methods 0.000 title claims description 5
- 238000009434 installation Methods 0.000 claims abstract description 57
- 238000005516 engineering process Methods 0.000 claims abstract description 18
- 238000010801 machine learning Methods 0.000 claims abstract description 16
- 230000006866 deterioration Effects 0.000 claims description 22
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000001364 causal effect Effects 0.000 claims description 6
- 239000012530 fluid Substances 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 210
- 238000010586 diagram Methods 0.000 abstract description 9
- 238000013473 artificial intelligence Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 17
- 239000008399 tap water Substances 0.000 description 8
- 235000020679 tap water Nutrition 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 230000007797 corrosion Effects 0.000 description 6
- 238000005260 corrosion Methods 0.000 description 6
- 239000000203 mixture Substances 0.000 description 6
- 239000002689 soil Substances 0.000 description 6
- 238000009472 formulation Methods 0.000 description 5
- 230000012447 hatching Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 230000009172 bursting Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- -1 polyethylene Polymers 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 1
- 229910001141 Ductile iron Inorganic materials 0.000 description 1
- 239000004698 Polyethylene Substances 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000009933 burial Methods 0.000 description 1
- 229910052801 chlorine Inorganic materials 0.000 description 1
- 239000000460 chlorine Substances 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 229920000573 polyethylene Polymers 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】 水道管などの埋設管の更新計画の策定に用い易く、かつ、計画の策定の根拠について説明し易い情報を出力できる技術を提供する。【解決手段】 予測装置の取得部は、予測対象の埋設管の属性を表す属性情報を取得する。予測部は、年数予測モデルと、予測対象の埋設管の属性情報とを用いて、予測対象の埋設管の予測使用年数を算出する。年数予測モデルは、埋設管における布設から破損までの使用年数を表す実績使用年数情報と当該埋設管の属性情報との関係データを機械学習することにより生成され、予測対象の埋設管の属性情報を入力とし埋設管の予測使用年数を出力する。予測部は、さらに、予測使用年数と、予測対象の埋設管の属性情報に含まれる布設時期を表す布設時期情報とを用いて、予測対象の埋設管が破損すると予測される時期を予測破損時期として算出する。【選択図】 図９[Problem] To provide a technology that can output information that is easy to use in formulating a renewal plan for buried pipes such as water pipes, and that makes it easy to explain the basis for formulating the plan. SOLUTION: An acquisition unit of a prediction device acquires attribute information representing attributes of a buried pipe to be predicted. The prediction unit uses the age prediction model and the attribute information of the buried pipe to be predicted to calculate the predicted number of years of use of the buried pipe to be predicted. The age prediction model is generated by machine learning of the relationship data between the actual usage age information representing the number of years of use from installation to breakage of a buried pipe and the attribute information of the buried pipe. It takes the input as input and outputs the predicted service life of the buried pipe. The prediction unit further uses the predicted number of years of use and installation time information indicating the installation time included in the attribute information of the buried pipe to be predicted to predict the time when the buried pipe to be predicted will be damaged. Calculated as [Selection diagram] Figure 9
Description
本発明は、水道管などの埋設管を交換（更新）する更新時期についての情報提供に関わる技術である。 The present invention is a technology related to providing information regarding the timing of replacing (updating) buried pipes such as water pipes.
ライフラインの一つである水道には水道水を持続的に供給することが求められている。しかしながら、水道管は経年劣化することから、老朽化に因る水道管の損傷によって漏水や水道管の破裂というような事故が発生することがある。このような事故は、水道水の持続的な安定供給の妨げになる。このため、そのような事故の発生を防止するために、古い水道管を順次新しい水道管に交換（更新）する工事が行われている。 Water supply, which is one of the lifelines, is required to provide a continuous supply of tap water. However, since water pipes deteriorate over time, accidents such as water leakage and water pipe bursting may occur due to damage to the water pipes due to aging. Such accidents hinder the continued stable supply of tap water. Therefore, in order to prevent such accidents from occurring, work is being carried out to gradually replace (update) old water pipes with new ones.
なお、特許文献１には、埋設管が埋設されてから、当該埋設管の腐食深さが許容腐食深さに達すると推定されるまでの埋設期間を算出することが示されている。さらに、特許文献１には、その算出した埋設期間から、埋設管が実際に埋設されていた埋設期間を差し引くことにより、許容腐食深さに到達するまでの残りの期間を算出することが示されている。特許文献２には、水道施設における管路の漏水事故リスクを管路属性に基づいて評価する技術が示されている。特許文献３には、水道管網を区分した複数のエリアに関する漏水調査計画の立案に際し、計画を立てる際に用いるエリアごとの漏水量を推測する技術が示されている。
Note that
埋設されている水道管の劣化状況を表す情報（指標）として、特許文献１～３では、埋設管の腐食深さや、管路の漏水事故リスクや、エリアにおける漏水量が用いられている。水道管の更新工事の計画を立てる際に、そのような水道管の劣化状況を表す情報を用いて水道管の更新時期を定めたとする。このように定められた水道管の更新時期について、当該更新時期を定めた根拠として、上述したような埋設管の腐食深さや漏水事故リスクや漏水量を表す数値が提示されても、例えば更新計画を策定している人にはいつ更新するべきかその根拠が分かりづらいという問題がある。
本発明は上記課題を解決するために考え出された。すなわち、本発明の主な目的は、水道管などの埋設管の更新計画の策定に用い易く、かつ、計画の策定の根拠について説明し易い情報を出力できる技術を提供することにある。 The present invention was devised to solve the above problems. That is, the main object of the present invention is to provide a technology that can output information that is easy to use in formulating a renewal plan for buried pipes such as water pipes and that makes it easy to explain the basis for formulating the plan.
上記目的を達成するために、本発明に係る予測装置は、その一態様として、
予測対象の埋設管の属性を表す属性情報を取得する取得部と、
埋設管における布設から破損までの使用年数を表す実績使用年数情報と当該埋設管の属性情報との関係データを機械学習することにより生成され前記予測対象の埋設管の属性情報を入力とし埋設管における布設から破損までの予測される使用年数を予測使用年数として出力する年数予測モデルと、前記予測対象の埋設管の属性情報とを用いて、前記予測対象の埋設管の予測使用年数を算出し、さらに、当該予測使用年数と、前記予測対象の埋設管の属性情報に含まれる布設時期を表す布設時期情報とを用いて、前記予測対象の埋設管が破損すると予測される時期を予測破損時期として算出する予測部と、
前記予測破損時期を暦年あるいは年度を用いて表す予測破損時期情報を出力する出力部と
を備える。
In order to achieve the above object, the prediction device according to the present invention includes, as one aspect thereof,
an acquisition unit that acquires attribute information representing attributes of the buried pipe to be predicted;
It is generated by machine learning of the relationship data between the actual usage years information representing the number of years of use from installation to breakage of the buried pipe and the attribute information of the buried pipe, and the attribute information of the buried pipe to be predicted is input. Calculating the predicted number of years of use of the buried pipe to be predicted, using a years prediction model that outputs the predicted number of years of use from installation to breakage as the predicted number of years of use, and attribute information of the buried pipe to be predicted; Furthermore, using the predicted number of years of use and the installation time information indicating the installation time included in the attribute information of the buried pipe to be predicted, the time when the buried pipe to be predicted is predicted to break is set as the predicted failure time. A prediction unit that calculates;
and an output unit that outputs predicted failure time information expressing the predicted failure time using a calendar year or a fiscal year.
また、本発明に係る予測方法は、その一態様として、
コンピュータによって、
予測対象の埋設管の属性を表す属性情報を取得し、
埋設管における布設から破損までの使用年数を表す実績使用年数情報と当該埋設管の属性情報との関係データを機械学習することにより生成され前記予測対象の埋設管の属性情報を入力とし埋設管における布設から破損までの予測される使用年数を予測使用年数として出力する年数予測モデルと、前記予測対象の埋設管の属性情報とを用いて、前記予測対象の埋設管の予測使用年数を算出し、さらに、当該予測使用年数と、前記予測対象の埋設管の属性情報に含まれる布設時期を表す布設時期情報とを用いて、前記予測対象の埋設管が破損すると予測される時期を予測破損時期として算出し、
前記予測破損時期を暦年あるいは年度を用いて表す予測破損時期情報を出力する。
Further, as one aspect of the prediction method according to the present invention,
by computer,
Obtain attribute information representing the attributes of the buried pipe to be predicted,
It is generated by machine learning of the relationship data between the actual usage years information representing the number of years of use from installation to breakage of the buried pipe and the attribute information of the buried pipe, and the attribute information of the buried pipe to be predicted is input. Calculating the predicted number of years of use of the buried pipe to be predicted, using a years prediction model that outputs the predicted number of years of use from installation to breakage as the predicted number of years of use, and attribute information of the buried pipe to be predicted; Furthermore, using the predicted number of years of use and the installation time information indicating the installation time included in the attribute information of the buried pipe to be predicted, the time when the buried pipe to be predicted is predicted to break is set as the predicted failure time. Calculate,
Predicted failure time information expressing the predicted failure time using a calendar year or fiscal year is output.
さらに、本発明に係るコンピュータプログラムは、その一態様として、
予測対象の埋設管の属性を表す属性情報を取得する処理と、
埋設管における布設から破損までの使用年数を表す実績使用年数情報と当該埋設管の属性情報との関係データを機械学習することにより生成され前記予測対象の埋設管の属性情報を入力とし埋設管における布設から破損までの予測される使用年数を予測使用年数として出力する年数予測モデルと、前記予測対象の埋設管の属性情報とを用いて、前記予測対象の埋設管の予測使用年数を算出し、さらに、当該予測使用年数と、前記予測対象の埋設管の属性情報に含まれる布設時期を表す布設時期情報とを用いて、前記予測対象の埋設管が破損すると予測される時期を予測破損時期として算出する処理と、
前記予測破損時期を暦年あるいは年度を用いて表す予測破損時期情報を出力する処理と
をコンピュータに実行させる。
Furthermore, as one aspect of the computer program according to the present invention,
A process of acquiring attribute information representing attributes of a buried pipe to be predicted;
It is generated by machine learning of the relationship data between the actual usage years information representing the number of years of use from installation to breakage of the buried pipe and the attribute information of the buried pipe, and the attribute information of the buried pipe to be predicted is input. Calculating the predicted number of years of use of the buried pipe to be predicted, using a years prediction model that outputs the predicted number of years of use from installation to breakage as the predicted number of years of use, and attribute information of the buried pipe to be predicted; Furthermore, using the predicted number of years of use and the installation time information indicating the installation time included in the attribute information of the buried pipe to be predicted, the time when the buried pipe to be predicted is predicted to break is set as the predicted failure time. The calculation process and
The computer is caused to execute a process of outputting predicted failure time information expressing the predicted failure time using a calendar year or a fiscal year.
本発明によれば、水道管などの埋設管の更新計画の策定に用い易く、かつ、計画の策定の根拠について説明し易い情報を出力できる。 According to the present invention, it is possible to output information that is easy to use for formulating a renewal plan for buried pipes such as water pipes, and that is easy to explain the basis for formulating the plan.
以下に、本発明に係る実施形態を、図面を用いて説明する。 Embodiments according to the present invention will be described below with reference to the drawings.
＜第１実施形態＞
図１は、本発明に係る第１実施形態の予測装置の構成を説明する図である。この予測装置１は、埋設管が破損する時期を予測する装置である。埋設管とは、地中などに埋設されている配管である。埋設管には、水道管、下水道管渠、ガス管などという如く、複数の種類があるが、ここでは、埋設管の一種である水道管を例にして、予測装置の構成について説明する。また、ここでの「埋設管（水道管）が破損する」とは、水道管の劣化に因り水道管にひび割れや穴開きなどの損傷が生じてしまった状態になったこととする。
<First embodiment>
FIG. 1 is a diagram illustrating the configuration of a prediction device according to a first embodiment of the present invention. This
予測装置１は、コンピュータ装置であり、情報源３と、データベース４と、入力装置５と、表示装置７とに接続されている。また、予測装置１は、必要に応じてプリンタ８に接続可能になっている。入力装置５は、キーボードやマウスなどにより構成され、ユーザによる操作に応じて予測装置１に情報を入力する装置である。表示装置７は、文字や画像によって情報を画面に表示する装置である。プリンタ８は、文字や画像、図形などのデータをコンピュータから受け取り、紙などに印刷する装置である。
The
情報源３は、予測装置１が実行する処理に用いる情報を提供可能な情報源である。情報源３の具体例を挙げると、水道管を管理しているシステムのコンピュータ装置やデータベースが挙げられる。このような情報源３から予測対象の水道管に関する情報が予測装置１に提供される。データベース４は、記憶装置であり、データベース４には、情報源３から予測装置１に提供された情報や、入力装置５によって予測装置１に入力された情報などが格納されている。
The
予測装置１は、演算装置１０と、記憶装置４０とを備えている。記憶装置４０は、データや、コンピュータプログラム（以下、プログラムとも称する）４１を記憶する記憶媒体を備えている。記憶装置には、磁気ディスク装置や、半導体メモリ素子などの複数の種類があり、さらに、半導体メモリ素子には、ＲＡＭ（Random Access Memory）やＲＯＭ（Read Only Memory）などの複数の種類があるというように、多数の種類がある。予測装置１が備える記憶装置４０の種類は１つに限定されるものではない。コンピュータ装置には複数種の記憶装置が備えられることが多い。ここでは、予測装置１に備えられる記憶装置４０の種類や数は限定されず、その説明は省略される。また、予測装置１に複数種の記憶装置４０が備えられる場合には、それらをまとめて記憶装置４０と称することとする。
The
演算装置１０は、ＣＰＵ（Central Processing Unit）やＧＰＵ（Graphics Processing Unit）などのプロセッサにより構成される。当該演算装置１０は、記憶装置４０に記憶されているプログラム４１を読み出して実行することにより、当該プログラム４１に基づいた様々な機能を持つことができる。ここでは、演算装置１０は、水道管が破損する時期を予測する破損時期予測処理に関わる機能部として、取得部１１と、予測部１２と、出力部１３とを有している。
The
取得部１１は、予測対象の水道管の属性を表す属性情報を取得する。ここで取得する水道管の属性情報は、水道管の使用年数の予測に用いられる。ここでは、水道管の使用年数とは、水道管が埋設されてから当該水道管が破損するまでの年数である。水道管の破損の主な原因は劣化である。つまり、劣化により水道管にひび割れや穴開きなどの損傷が生じる。水道管の使用年数は、水道管における劣化の進行速度が関係する。このことから、取得部１１が取得する水道管の属性情報は、水道管の劣化の進行速度に関与すると想定される情報（以下、劣化関連情報とも称する）を含む。換言すれば、劣化関連情報とは、水道管の劣化に関係する要素を表す情報である。
The
例えば、取得部１１が取得する水道管の属性情報は、布設場所情報と布設時期情報を含み、さらに、劣化関連情報として、配管サイズ情報と、管種情報と、用途情報と、埋設されている土壌の情報とを含む。布設場所情報は、水道管が埋設されている場所を表す住所と管路延長を含む情報である。具体例を挙げると、布設場所情報に含まれる住所の情報は、△△区○○○町三丁目１地先というような住所の情報である。布設場所情報に含まれる管路延長の情報は、管路距離３００メートルというような管路長さの情報である。なお、予測対象の水道管の住所は、例えば、予測対象の水道管における長さ半分の位置に対応する住所とするというような予め定められたルールに基づいた住所とする。布設時期情報とは、水道管が埋設された時期を表す情報であり、例えば、暦年（例えば西暦）あるいは年度により表される情報である。
For example, the attribute information of water pipes acquired by the
配管サイズ情報は、水道管のサイズを表す情報であり、例えば、口径や管厚（肉厚）を間接的あるいは直接的に表す情報を含む。管種情報は、水道管の材料により水道管を分類する種別情報である。水道管の管種の具体例としては、例えば、ダクタイル鋳鉄管、ステンレス鋼管、ポリエチレン管などが挙げられる。用途情報は、水道管の用途を表す情報であり、管内を流れる水道水の水圧や水量や水流に関係する情報である。埋設されている土壌の情報とは、例えば、砂、シルト、粘土というような情報である。また、土壌の情報として、水分量や酸性度などを表す土質を表す情報が含まれていてもよい。 The pipe size information is information representing the size of the water pipe, and includes information representing the diameter and pipe thickness (wall thickness) indirectly or directly, for example. The pipe type information is type information that classifies water pipes based on the material of the water pipes. Specific examples of water pipe types include ductile cast iron pipes, stainless steel pipes, polyethylene pipes, and the like. The usage information is information representing the usage of the water pipe, and is information related to the water pressure, water volume, and water flow of the tap water flowing inside the pipe. The information on the buried soil is, for example, information such as sand, silt, and clay. Further, the soil information may include information representing soil quality such as moisture content and acidity.
さらに、属性情報には、劣化関連情報として、水道管を流れる水道水の水質（例えば、塩素などの成分の含有率）を表す情報が含まれていてもよい。さらに、属性情報には、劣化関連情報として、水道管への作用が考えられる要素の情報（例えば、水道管が道路に埋設されている場合には当該道路の交通量の情報や、水道管を流れる水道水の水圧や水量や水流の情報）が含まれていてもよい。なお、水道管を流れる水道水の水質や、水圧、水量というような水道水の状態を表す情報は、何らかの原因でもって変動することが考えられることから、例えば、水質や水圧や水量を連続的あるいは断続的に（例えば一日１回）測定し、当該測定データが保持されていてもよい。そして、その測定データから、例えば、直近の予め定めた期間（例えば３カ月間）の平均値が算出される。この平均値が、水道管の内部を流れている流体（水道水）に関し予め定められた期間における流体（水道水）の状態を表す情報として、属性情報に含まれてもよい。つまり、予測対象の水道管の属性情報は、水道管の内部を流れている水道水に関し予め定められた期間における水道水の状態を表す情報を含んでもよい。 Furthermore, the attribute information may include information representing the quality of tap water flowing through the water pipe (for example, the content rate of components such as chlorine) as deterioration-related information. Furthermore, the attribute information includes information on factors that may have an effect on water pipes as deterioration-related information (for example, if a water pipe is buried in a road, information on the traffic volume on the road, Information on the water pressure, water volume, and water flow of flowing tap water may also be included. Note that information representing the state of tap water, such as the quality, pressure, and volume of water flowing through water pipes, may fluctuate for some reason, so for example, if the water quality, pressure, and volume are continuously measured, Alternatively, measurement may be performed intermittently (for example, once a day) and the measurement data may be retained. Then, from the measurement data, for example, an average value for the most recent predetermined period (for example, three months) is calculated. This average value may be included in the attribute information as information representing the state of the fluid (tap water) flowing inside the water pipe during a predetermined period. That is, the attribute information of the water pipe to be predicted may include information representing the state of the tap water flowing inside the water pipe during a predetermined period.
上述したような水道管の属性情報は、例えば、水道事業体に構築されている水道管の管理システムのデータベースや、水道事業体の職員が使用しているパソコン（パーソナルコンピュータ）などに接続されているデータベースに電子データでもって保持されている。このような水道事業体が用いているデータベース（つまり、情報源３）から、例えばユーザによる入力装置５の操作に応じて又は予め定められた時間間隔ごとに予測装置１が水道管の属性情報を読み出してデータベース４に格納する。データベース４においては、水道管の属性情報は、水道管を識別する管識別情報に関連付けられている。
The above-mentioned water pipe attribute information is stored, for example, in a database of a water pipe management system built in a water utility, or in a database connected to a personal computer used by a water utility's staff. The data is held electronically in the database. The
取得部１１は、ユーザによる入力装置５の操作によって、破損時期予測処理の開始が要求され、また、予測対象の水道管に対応する管識別情報が予測装置１に入力された場合に、管識別情報を用いて、データベース４から予測対象の水道管の属性情報を取得する。取得部１１が取得する属性情報は、前述したような複数種の属性情報の中から取得対象の情報として予め定められた属性情報であり、ここでは、少なくとも１つの劣化関連情報と、布設時期情報とを含む。
When the user operates the
例えば、水道事業体ごとに保持している水道管の属性情報が異なる場合が考えられる。このような場合には、水道事業体ごとに、取得部１１が取得する水道管の属性情報の種類が定められる。そして、取得部１１は、予測対象の水道管を管理している水道事業体に応じた種類の属性情報を取得する。なお、このような場合には、例えば、水道管を識別する管識別情報には、管理している水道事業体を表す情報、あるいは水道事業体を運営する市町村を表す情報が含まれる。また、取得部１１は、予測対象の水道管が複数であって予測対象の水道管のそれぞれに対応する複数の管識別情報が入力された場合には、それら予測対象の水道管の属性情報をまとめてデータベース４から取得する。
For example, it is conceivable that the attribute information of water pipes held by each water utility is different. In such a case, the type of water pipe attribute information to be acquired by the
予測部１２は、予測対象の水道管が破損する時期を予測する。すなわち、予測部１２は、まず、予測対象の水道管の予測使用年数を算出する。予測使用年数とは、水道管が埋設されてから当該水道管が破損するまでの予測される年数である。予測部１２は予測使用年数の算出にＡＩ（Artificial Intelligence）技術を用いる。すなわち、予測部１２は、ＡＩ技術によって生成された年数予測モデルを用いて、予測対象の水道管の予測使用年数を算出する。年数予測モデルとは、予測対象の水道管の属性情報を入力とし、当該予測対象の水道管の予測使用年数を出力とするモデルであり、次のような教師データを機械学習することにより生成される。年数予測モデルの生成に用いられる教師データは、水道管の実績使用年数と当該水道管の属性情報とが関連付けられているデータ（実績使用年数と水道管の属性情報との関係データ）である。水道管の実績使用年数とは、水道管が布設されてから当該水道管が実際に破損するまでの年数である。この実績使用年数に関連付けられる属性情報は、その実際に破損した水道管の属性情報であり、少なくとも１つの劣化関連情報を含む。年数予測モデルの入力となる予測対象の水道管の属性情報は、年数予測モデルの機械学習に用いられた教師データの属性情報に含まれる種類の属性情報であり、布設場所情報と、布設時期情報と、少なくとも１つの劣化関連情報とを含む。
The
例えば、水道事業体によって保持している水道管の属性情報の種類が異なることが考えられ、この場合、年数予測モデルの生成（学習）に用いることができる属性情報の種類が水道事業体によって異なる場合がある。このような場合には、例えば、水道事業体ごと（換言すればエリアごと）の複数種の年数予測モデルが生成される。つまり、年数予測モデルの生成に用いる水道管の属性情報の種類の相違による複数種の年数予測モデルが用意される。このように、予測部１２が予測使用年数の算出に用いる年数予測モデルが複数種用意されている場合がある。この場合には、予測部１２は、複数種の年数予測モデルの中から、予測使用年数の算出に用いる年数予測モデルとして、予測対象の水道管の属性情報に含まれている情報の種類に応じた年数予測モデルを選択する。そして、予測部１２は、選択した年数予測モデルと、予測対象の水道管の属性情報とを用いて、予測対象の水道管の予測使用年数を算出する。
For example, the type of attribute information for water pipes held by water utilities may differ, and in this case, the types of attribute information that can be used to generate (learn) the age prediction model differ depending on the water utility. There are cases. In such a case, for example, multiple types of age prediction models are generated for each water utility (in other words, for each area). In other words, multiple types of age prediction models are prepared based on different types of water pipe attribute information used to generate age prediction models. In this way, there are cases where a plurality of age prediction models are prepared which the
なお、年数予測モデルを生成する手法には複数種の手法がある。上述したように水道事業体ごとに年数予測モデルが用意される場合に、同じ生成手法で生成された年数予測モデルが水道事業体ごとに用意されてもよいが、同じ生成手法で生成された年数予測モデルが水道事業体ごとに用意されるのではなく、次のように水道事業体に応じた生成手法で生成された年数予測モデルが用意されてもよい。つまり、まず、水道事業体ごとに、生成手法が異なる複数の年数予測モデルが生成され、その生成された複数の年数予測モデルのそれぞれによって実際に予測使用年数を算出させる。この算出処理では、実績使用年数の情報が得られている水道管の属性情報を年数予測モデルに入力する。そして、年数予測モデルから出力された出力結果と、実績使用年数とが比較され、比較結果に基づいて水道事業体に合っていると判断された生成手法で生成された年数予測モデルがその水道事業体に対応する年数予測モデルとして用いられる。 Note that there are multiple methods for generating the age prediction model. As mentioned above, when a number of years prediction model is prepared for each water utility, a number of years prediction model generated using the same generation method may be prepared for each water utility; Instead of preparing a prediction model for each water utility, a model for predicting the number of years generated using a generation method depending on the water utility may be prepared as follows. That is, first, a plurality of age prediction models using different generation methods are generated for each water utility, and the predicted number of years of use is actually calculated using each of the generated multiple age prediction models. In this calculation process, attribute information of water pipes for which information on the actual number of years of use has been obtained is input into the age prediction model. Then, the output result from the age prediction model is compared with the actual number of years of use, and the age prediction model generated using the generation method that is determined to be suitable for the water utility based on the comparison results is selected for the water utility. It is used as an age prediction model corresponding to the body.
ところで、ＡＩ技術の一つとして、説明可能なＡＩ（Artificial Intelligence）がある。説明可能なＡＩとは、モデルから算出の結果だけを出力するのではなく、その結果が算出された根拠の説明をも出力可能なＡＩ技術である。ここでは、年数予測モデルは、その説明可能なＡＩ技術を用いて生成される説明可能なモデルである。これにより、年数予測モデルは、予測対象の水道管の属性情報の入力によって、予測使用年数を出力するだけでなく、その予測使用年数を出力した根拠を説明する情報をも出力する。なお、説明可能なＡＩ技術には複数の種類が有り、ここで採用する説明可能なＡＩ技術の種類は限定されないので、その説明は省略される。 By the way, one type of AI technology is explainable AI (Artificial Intelligence). Explainable AI is an AI technology that can output not only the result of calculation from a model, but also an explanation of the basis on which the result was calculated. Here, the age prediction model is an explainable model generated using the explainable AI technology. As a result, the age prediction model not only outputs the predicted number of years of use by inputting the attribute information of the water pipe to be predicted, but also outputs information explaining the basis for outputting the predicted number of years of use. Note that there are multiple types of explainable AI technology, and the type of explainable AI technology employed here is not limited, so the explanation thereof will be omitted.
さらに、予測部１２は、予測対象の水道管に関し、年数予測モデルから出力された予測使用年数と、属性情報に含まれている布設時期情報とを用いて、予測対象の水道管が破損してしまうと予測される時期（ここでは、予測破損時期とも称する）を算出する。つまり、予測部１２は、布設時期情報に含まれる布設時期（布設年）に予測使用年数を加算することにより、予測破損時期を算出する。具体的には、例えば、予測対象の水道管の布設時期が西暦１９７５年であり、予測使用年数が５２年である場合には、西暦１９７５年に５２年を加算することにより、予測破損時期が西暦２０２７年であると予測部１２は算出する。なお、属性情報に含まれている布設時期情報の布設時期が暦年ではなく、年度により表されている場合には、予測部１２により算出される予測破損時期も年度により表されることとなる。
Further, the
このように、予測部１２は、予測対象の水道管に関し、破損すると予測される予測破損時期を暦年あるいは年度により表す態様でもって算出する。算出された予測破損時期の情報は、対応する水道管の管識別情報、属性情報、予測使用年数の情報および予測使用年数が算出された根拠の説明の情報が関連付けられている状態でデータベース４に格納される。
In this way, the
出力部１３は、予測部１２により算出された予測破損時期を表す予測破損時期情報を出力する。例えば、出力部１３は、ユーザによる入力装置５の操作によって予測破損時期情報の表示要求と、予測破損時期情報を表示してほしい水道管（つまり、表示対象の水道管）を特定する情報とが予測装置１に入力された場合には、出力部１３は、表示装置７に、表示対象の水道管の予測破損時期情報を表示させる。つまり、出力部１３は、表示装置７の表示動作を制御する機能を持つ。例えば、予測破損時期情報の表示に用いる表示テンプレートが予測装置１に与えられており、出力部１３は、その表示テンプレートを用いて、表示対象の水道管における予測破損時期情報を表示装置７の画面に表示する。表示テンプレートの態様は限定されるものではないが、図２にはその一例が表されている。図２の例では、表示テンプレートは表の態様であり、当該表においては、表示対象の水道管における予測破損時期情報が当該水道管の属性情報や予測使用年数の情報に関連付けられて表されている。第１実施形態では、前述したように、予測使用年数の算出に用いる年数予測モデルは説明可能なモデルである。このため、算出した予測使用年数の根拠の説明が年数予測モデルから出力される。この根拠の説明は、予測使用年数の情報に関連付けられてデータベース４に格納されている。出力部１３は、予測使用年数の情報を表示装置７に表示する場合には、その根拠の説明も表示装置７に出力し当該表示装置７に表示させてもよい。例えば、その根拠の説明は、図２に表されるような表に組み込まれて表示されたり、図３に表されるようにポップアップ表示されたりする。
The
なお、出力部１３は、複数の水道管に関する予測破損時期情報を含む情報を図２のような表で表示する場合に、ユーザによる入力装置５の操作により入力された要求に応じてそれら情報をソートする機能を備えていてもよい。つまり、出力部１３は、複数の予測対象の水道管に関する予測破損時期情報を含む情報を、ユーザからの要求に応じて、予測破損時期の順に並べたり、布設年度の古い順に並べたり、予め区分けされた地域ごとにまとめて表示してもよい。
Note that when displaying information including predicted breakage timing information regarding a plurality of water pipes in a table as shown in FIG. It may also have a sorting function. In other words, the
また、出力部１３は、図４に表されるような表示態様でもって水道管に関する予測破損時期情報の根拠の説明を表示装置７に表示してもよい。図４の例では、説明が要求された水道管（図４の例では、管識別情報：Ａｂ－ｆｍｗの水道管）について、年数予測モデルから出力された根拠の説明の情報が表やグラフを用いて表されている。つまり、表示装置７には、年数予測モデルが水道管の予測使用年数の算出に用いた水道管の特徴量の情報が表の態様でもって表示されると共に、対象の水道管（例えば管識別情報：Ａｂ－ｆｍｗの水道管）の予測使用年数に影響を与えている特徴量の関与の度合い（重要度）が表示されている。さらに、図４の例では、表示装置７には、それら表やグラフに表されている事項に基づいた根拠の説明が文章により表されている。
Further, the
出力部１３が予測破損時期情報を表示装置７に表示する別の態様の一例として、図５に表されるような地図３０に予測破損時期情報を重畳させる表示態様がある。図５の例では、地図３０において、表示対象の水道管が埋設されている道路部分に、当該水道管の予測破損時期を表す色やパターンの情報が重畳されている。つまり、水道管の予測破損時期が西暦２０２５年までの期間内である場合には、予測破損時期を表す情報はＡパターンの色あるいはハッチングであると定められ、水道管の予測破損時期が西暦２０２６年～２０３０年の期間内である場合には、予測破損時期を表す情報はＢパターンの色あるいはハッチングであると定められるという如く、予測破損時期を表す色やハッチングが定められている。地図３０において、表示対象の水道管が埋設されている道路部分に、予め定められた色やハッチングによって表される水道管の予測破損時期の情報が重畳されている。なお、図５に表されるように、地図３０に水道管の予測破損時期の情報が重畳される場合には、出力部１３には、ユーザによる入力装置５の操作により、表示したい水道管（表示対象の水道管）が埋設されている地域を表す情報が入力される。これにより、出力部１３は、表示対象の水道管が埋設されている地域を含む地図３０を表示装置７に表示できる。
Another example of a mode in which the
出力部１３は、ユーザによる入力装置５の操作により、予測破損時期情報を印刷する指示が予測装置１に入力された場合には、出力部１３は、その要求された印刷対象の予測破損時期情報をプリンタ８により印刷させる。
When an instruction to print predicted breakage time information is input to the
第１実施形態の予測装置１は上記のように構成されている。次に、予測装置１における破損時期予測処理の動作の一例を、図６を参照しながら説明する。図６は、予測装置１における破損時期予測処理の動作の一例を説明するフローチャートである。
The
例えば、ユーザによる入力装置５の操作によって、破損時期予測処理を開始する要求が予測装置１に入力されると、取得部１１がその処理開始の要求を受け取る（図６におけるステップ１０１）。この処理開始の要求には、予測対象の水道管に対応する管識別情報が関連付けられている。取得部１１は、その管識別情報を用いて、予測対象の水道管の属性情報をデータベース４から取得する（ステップ１０２）。
For example, when a request to start a breakage time prediction process is input to the
その後、予測部１２が、予測対象の水道管の予測使用年数を算出する（ステップ１０３）。第１実施形態では、予測使用年数の算出にＡＩ技術による年数予測モデルが用いられる。つまり、予測部１２は、予測対象の水道管の属性情報を年数予測モデルに入力することにより当該年数予測モデルによる算出動作により予測使用年数を算出する。
Thereafter, the
然る後に、予測部１２は、予測対象の水道管に関し、属性情報に含まれている布設時期情報と、予測使用年数とを加算することにより、暦年あるいは年度により表される予測破損時期を算出する（ステップ１０４）。予測部１２は、そのように算出された予測破損時期の情報をデータベース４に格納する。データベース４に格納されている予測破損時期の情報には、対応する水道管の管識別情報、属性情報、予測使用年数の情報および予測使用年数が算出された根拠の説明の情報などが関連付けられている。
After that, the
このように破損時期予測処理が実行される。このような処理により算出された予測破損時期情報の表示要求と、表示対象の水道管を特定する情報とがユーザによる入力装置５の操作によって予測装置１に入力された場合には、出力部１３が、表示装置７に、表示対象の水道管の予測破損時期情報を表示させる。
In this way, the failure time prediction process is executed. When a request to display the predicted breakage time information calculated by such processing and information specifying the water pipe to be displayed are input to the
第１実施形態の予測装置１は、前述したように、ＡＩ技術による年数予測モデルを用いて予測使用年数を算出する。その年数予測モデルは、水道管の実績使用年数の情報と当該水道管の属性情報（布設場所情報と布設時期情報と少なくとも１つの劣化関連情報を含む属性情報）との関係データを機械学習することにより生成される。つまり、第１実施形態では、予測使用年数の算出のために、水道管の破損そのものではなく、水道管の実績使用年数と属性情報との関係が着目されている。これにより、第１実施形態では、年数予測モデルは、予測対象の水道管の管識別情報および属性情報の入力を受けて予測使用年数（水道管が埋設されてから破損すると予測されるまでの年数）を出力できる。
As described above, the
さらに、予測部１２は、予測対象の水道管の布設時期を表す布設年（暦年）あるいは布設年度に予測使用年数を加算することにより、暦年あるいは年度により表される予測破損時期（予測対象の水道管が破損してしまうと予測される時期）の情報を算出する。この算出された予測破損時期の情報が予測破損時期情報として出力部１３により出力される。この予測破損時期情報は、暦年あるいは年度により表される情報であることから、例えば水道管の更新工事の時期を決定する際に、そのまま用いることができる。つまり、予測破損時期情報は、水道管の更新計画の策定に用い易い情報である。また、予測破損時期情報は暦年あるいは年度により表される情報であることから、当該予測破損時期情報を提示することにより、水道管を更新しなければならない時期を分かり易く伝えることができる。つまり、予測破損時期情報は、当該情報を用いて策定した水道管の更新計画における水道管の更新時期について説明し易い情報である。
Furthermore, the
さらにまた、第１実施形態では、予測破損時期の算出に用いた予測使用年数を算出する年数予測モデルは、説明可能なモデルであることから、算出した予測使用年数の根拠の説明が年数予測モデルから出力される。予測装置１の出力である予測破損時期情報を用いて水道管の更新計画が策定された場合に、その更新計画についての説明に年数予測モデルから出力された説明が利用されることにより、当該更新計画の納得性を高めることができる。
Furthermore, in the first embodiment, since the age prediction model that calculates the predicted years of use used to calculate the predicted breakage time is an explainable model, the basis for the calculated predicted years of use is explained using the years prediction model. is output from. When a water pipe renewal plan is formulated using the predicted breakage timing information output from the
なお、年数予測モデルを機械学習により生成する際に、因果分析技術により得られた水道管の実績使用年数情報と当該水道管の属性情報との因果関係についての情報をも機械学習させてもよい。これにより、説明可能なモデルである年数予測モデルから出力される予測使用年数の根拠の説明に、予測使用年数と埋設管の属性情報との因果関係に関する説明が含まれ、このことは、算出される予測使用年数や予測破損時期に対する納得性（信頼性）をより高めることができる。 In addition, when generating the age prediction model by machine learning, information about the causal relationship between the actual usage age information of the water pipe obtained by causal analysis technology and the attribute information of the water pipe may also be learned by machine learning. . As a result, the explanation of the basis for the predicted service life output from the age prediction model, which is an explainable model, includes an explanation of the causal relationship between the predicted service life and the attribute information of buried pipes, and this means that It is possible to further increase the credibility (reliability) of the predicted years of use and predicted breakage time.
また、予測装置１は、図１の点線に表されるような端末装置６と接続してもよい。端末装置６は、通信機能と表示機能を備えた情報機器であり、ここでは、具体例として、スマートフォンやタブレット端末などの可搬型情報機器が挙げられる。予測装置１が端末装置６と接続する場合には、出力部１３は次のような機能を備えていてもよい。すなわち、出力部１３は、端末装置６から予測破損時期情報の要求と当該要求対象の水道管を特定する情報とを受け取った場合には、その要求に応じた要求対象の水道管の予測破損時期情報を端末装置６に返信（出力）する。なお、第１実施形態では、水道管の予測破損時期情報を受け取ることが許可された端末装置６（あるいはユーザ）が記憶装置４０などに予め登録されている。この登録情報と予め定められた認証手法とによって端末装置６（あるいはユーザ）の認証処理が予測装置１により実行される。出力部１３は、その認証処理により認証された端末装置６（あるいはユーザ）に予測破損時期情報を出力する。
Furthermore, the
さらに、予測装置１は、図１の点線に表されるような別のコンピュータ装置（例えばサーバ）９と接続してもよい。予測装置１がコンピュータ装置９と接続する場合には、出力部１３は、さらに次のような機能を備えていてもよい。すなわち、出力部１３は、コンピュータ装置９から予測破損時期情報の要求と当該要求対象の水道管を特定する情報とを受け取った場合には、その要求に応じた要求対象の水道管の予測破損時期情報をコンピュータ装置９に返信（出力）する。コンピュータ装置９は、例えば、受け取った予測破損時期情報を用いて、将来の管路更新の事業量や事業費の推計を含む水道管の更新計画を生成する。なお、予測破損時期情報が出力される出力先であるコンピュータ装置９は、例えば、端末装置６と同様に、認証処理により認証されたコンピュータ装置である。
Furthermore, the
＜第２実施形態＞
以下に、本発明に係る第２実施形態を説明する。なお、第２実施形態の説明において、第１実施形態の説明で出てきた構成部分と同様な機能の構成部分には同一符号を付し、その重複部分の説明は省略する。
<Second embodiment>
A second embodiment of the present invention will be described below. In the description of the second embodiment, the same reference numerals are given to the components having the same functions as those in the description of the first embodiment, and the description of the overlapping parts will be omitted.
第２実施形態では、第１実施形態で説明した予測装置１における取得部１１と予測部１２と出力部１３が、図７に表されるように、計画策定装置２０に組み込まれている。すなわち、計画策定装置２０は、水道管の更新計画を策定する機能を備えたコンピュータ装置であり、プロセッサにより構成される演算装置２５と、記憶装置２６とを備える。記憶装置２６は、データやプログラム２７を記憶する記憶媒体を備えている。演算装置２５は、プログラム２７を実行することにより、当該プログラム２７に基づいた様々な機能を持つことができる。この演算装置２５の機能の一部として、破損時期予測処理に関わる取得部１１と予測部１２と出力部１３が計画策定装置２０に備えられている。つまり、計画策定装置２０は、埋設管が破損する時期（予測破損時期）を予測する予測装置としても機能する装置である。第２実施形態における取得部１１と予測部１２と出力部１３の機能（構成）は第１実施形態における取得部１１と予測部１２と出力部１３の機能（構成）と同様である。
In the second embodiment, the
演算装置２５は、機能部として、さらに、計画部２８を備えている。計画部２８は、予測部１２により算出された予測破損時期を用いて、水道管の更新工事の計画（更新計画）を生成する。計画部２８が更新計画を生成する手法の一例として、ＡＩ技術を用いることが挙げられる。更新計画を生成するＡＩ技術には様々な種類があり、計画部２８に採用されるＡＩ技術の種類は限定されず、その説明は省略される。
The
計画部２８は、生成した水道管の更新計画をデータベース４に格納する。このようにデータベース４に格納された水道管の更新計画は、ユーザによる入力装置５の操作により表示装置７の表示が要求された場合には、計画策定装置２０によって表示装置７に表示される。この表示装置７における表示態様は限定されず、その説明は省略される。
The
第２実施形態における計画策定装置２０（換言すれば予測装置）は第１実施形態の予測装置１と同様の機能を備えていることから、第１実施形態と同様の効果を奏することができる。また、計画策定装置２０では、予測部１２により算出された予測破損時期を用いて水道管の更新計画を計画部２８により生成する。予測破損時期は、暦年あるいは年度により表される情報である。このことから、例えば、計画策定装置２０の計画部２８は、水道管の腐食度合いの情報を用いて計画を生成する場合に比べて、水道管の更新時期を決定する処理において、水道管の更新時期を暦年や年度に変換するというような負荷を小さくすることができる。
Since the planning device 20 (in other words, the prediction device) in the second embodiment has the same functions as the
なお、計画部２８は、予測部１２による予測破損時期だけでなく、水道管に関する影響度や耐震度などの情報をも考慮して、水道管の更新工事の計画を生成してもよい。影響度とは、水道管からの大量の漏水や水道管の破裂というような大きな事故が発生してしまった場合の影響の度合いを表す情報である。この影響度は、例えば、水道管の属性情報に含まれる用途情報や流量の情報を用いて計画部２８が算出する。また、耐震度は、水道管の耐震性についての情報であり、例えば、水道管の材料や埋設されている地盤の種類などにより定まる。水道管の耐震度は、例えば、水道管の属性情報の一つとして、情報源３（例えば水道管を管理しているシステムのコンピュータ装置やデータベース）から取得される。
Note that the
＜その他の実施形態＞
本発明は、第１や第２の実施形態に限定されず、様々な実施の態様を採り得る。例えば、第１や第２の実施形態では、予測部１２が用いる年数予測モデルとして、例えば水道事業体ごとに複数の年数予測モデルが用意されている例を示している。これに代えて、例えば、何れの水道事業体からも取得できる共通の属性情報の種類を年数予測モデルの生成に用いることにより、水道事業体によらない共通の年数予測モデルが生成されてもよい。この場合には、予測部１２は、その共通の年数予測モデルに共通の種類の属性情報を入力することにより、当該年数予測モデルによって予測使用年数を算出する。
<Other embodiments>
The present invention is not limited to the first and second embodiments, and can take various embodiments. For example, in the first and second embodiments, an example is shown in which a plurality of age prediction models are prepared for each water utility, as the age prediction model used by the
また、第１や第２の実施形態では、予測部１２が用いる年数予測モデルは、説明可能なＡＩ技術を用いて生成されるモデルであって予測使用年数の根拠の説明を出力するモデルである。これに代えて、年数予測モデルは、説明可能なモデルでなくともよい。この場合には、算出した予測使用年数の根拠の説明は年数予測モデルから出力されないが、次のような情報が参考情報として提示されてもよい。その参考情報とは、例えば、水道管の属性情報に表されている要素（例えば埋設されている土壌の土質）が水道管の使用年数に与える影響について予め判明している事項の説明が含まれている。
Further, in the first and second embodiments, the age prediction model used by the
さらに、第１や第２の実施形態では、埋設管である水道管を例にして予測装置の構成を説明しているが、例えば、下水道管渠やガス管というような他の種類の埋設管における予測破損時期の算出に関しても、第１や第２の実施形態と同様の予測装置を適用することができる。 Furthermore, in the first and second embodiments, the configuration of the prediction device is explained using a water pipe, which is a buried pipe, as an example. The same prediction device as in the first and second embodiments can be applied to the calculation of the predicted failure time.
さらに、第１実施形態の予測装置１は、図８に表されるような解析部１５を備えていてもよい。なお、図８に表される予測装置１においても記憶装置４０を備え、また、演算装置１０は取得部１１と予測部１２と出力部１３を備えているが、図８では、それらの図示が省略されている。
Furthermore, the
解析部１５は、予測部１２により算出された算出結果や水道管の属性情報を用いて、例えば地域ごとに、複数の水道管の劣化に関する事項を解析する機能を備える。この解析結果は、解析に用いた情報と関連付けられてデータベース４に格納される。また、解析部１５による解析結果は、出力部１３の機能によって、表示装置７に表示可能となっている。この表示の一例が図８に表されている。さらに、解析部１５は、計画策定装置２０に備えられていてもよい。
The
図９は、本発明に係るその他の実施形態の予測装置の構成を表すブロック図である。この予測装置５０は、例えばコンピュータ装置であり、コンピュータプログラムを実行することにより、次のような機能部を持つことができる。すなわち、予測装置５０は、取得部５１と、予測部５２と、出力部５３とを備える。
FIG. 9 is a block diagram showing the configuration of a prediction device according to another embodiment of the present invention. This
取得部５１は、予測対象の埋設管の属性を表す属性情報を取得する。予測部５２は、年数予測モデルと、予測対象の埋設管の属性情報とを用いて、予測対象の埋設管の予測使用年数を算出する。予測使用年数とは、埋設管における布設から破損までの予測される使用年数である。年数予測モデルは、埋設管における布設から破損までの使用年数を表す実績使用年数情報と当該埋設管の属性情報との関係データを機械学習することにより生成され、予測対象の埋設管の属性情報を入力とし埋設管の予測使用年数を出力する。予測部５２は、さらに、予測使用年数と、予測対象の埋設管の属性情報に含まれる布設時期を表す布設時期情報とを用いて、予測対象の埋設管が破損すると予測される時期を予測破損時期として算出する。出力部５３は、予測破損時期を暦年あるいは年度を用いて表す予測破損時期情報を出力する。
The
次に、予測装置５０における動作の一例を、図１０を参照しながら説明する。図１０は、予測装置５０の動作の一例を説明するフローチャートである。
Next, an example of the operation of the
例えば、取得部５１が予測対象の埋設管の属性を表す属性情報を取得すると（ステップ２０１）、その属性情報と年数予測モデルとを用いて、予測部５２が予測使用年数を算出する（ステップ２０２）。さらに、予測部５２は、算出した予測使用年数と、予測対象の埋設管の属性情報に含まれる布設時期を表す布設時期情報とを用いて、予測破損時期を算出する（ステップ２０３）。然る後に、例えば、予測破損時期の出力が要求された場合に、出力部５３が予測破損時期情報を出力する（ステップ２０４）。予測破損時期情報は、予測破損時期を暦年あるいは年度を用いて表す情報である。
For example, when the
予測装置５０は、上述したように、実績使用年数情報と埋設管の属性情報との関係データを機械学習することにより生成された年数予測モデルを用いて予測使用年数を算出する。さらに、予測装置５０は、その算出した予測使用年数と布設時期情報とを用いて予測破損時期を出力し、さらにまた、予測破損時期を暦年あるいは年度を用いて表す予測破損時期情報を出力する。この予測破損時期情報は、暦年あるいは年度を用いて表されるものであるから、埋設管の更新計画の策定に用い易く、かつ、計画の策定の根拠について分かり易い情報である。つまり、予測装置５０は、埋設管の更新計画の策定に用い易く、かつ、計画の策定の根拠について説明し易い情報を出力できる。
As described above, the
１，５０ 予測装置
１１，５１ 取得部
１２，５２ 予測部
１３，５３ 出力部
1,50
Claims (8)
埋設管における布設から破損までの使用年数を表す実績使用年数情報と当該埋設管の属性情報との関係データを機械学習することにより生成され前記予測対象の埋設管の属性情報を入力とし埋設管における布設から破損までの予測される使用年数を予測使用年数として出力する年数予測モデルと、前記予測対象の埋設管の属性情報とを用いて、前記予測対象の埋設管の予測使用年数を算出し、さらに、当該予測使用年数と、前記予測対象の埋設管の属性情報に含まれる布設時期を表す布設時期情報とを用いて、前記予測対象の埋設管が破損すると予測される時期を予測破損時期として算出する予測部と、
前記予測破損時期を暦年あるいは年度を用いて表す予測破損時期情報を出力する出力部と
を備える予測装置。 an acquisition unit that acquires attribute information representing attributes of the buried pipe to be predicted;
It is generated by machine learning of the relationship data between the actual usage years information representing the number of years of use from installation to breakage of the buried pipe and the attribute information of the buried pipe, and the attribute information of the buried pipe to be predicted is input. Calculating the predicted number of years of use of the buried pipe to be predicted, using a years prediction model that outputs the predicted number of years of use from installation to breakage as the predicted number of years of use, and attribute information of the buried pipe to be predicted; Furthermore, using the predicted number of years of use and the installation time information indicating the installation time included in the attribute information of the buried pipe to be predicted, the time when the buried pipe to be predicted is predicted to break is set as the predicted failure time. A prediction unit that calculates;
A prediction device comprising: an output unit that outputs predicted failure time information expressing the predicted failure time using a calendar year or a fiscal year.
前記出力部は、前記予測破損時期情報に加えて、前記年数予測モデルから出力された根拠の説明を含む情報をも出力する
請求項１に記載の予測装置。 The age prediction model is an explainable model that also outputs an explanation of the basis for the calculated predicted number of years of use,
The prediction device according to claim 1, wherein the output unit outputs, in addition to the predicted failure time information, information including an explanation of the basis output from the age prediction model.
年数予測モデルの生成に用いる埋設管の属性情報の種類の相違による複数種の年数予測モデルが用意されており、
前記予測部は、それら複数種の年数予測モデルの中から、前記取得部により取得された前記予測対象の埋設管の属性情報の種類に応じた年数予測モデルを選択し、選択した当該年数予測モデルと、前記取得部により取得された前記予測対象の埋設管の属性情報とを用いて、前記予測対象の埋設管の予測使用年数を算出する
請求項１に記載の予測装置。 There are multiple types of information that the acquisition unit can acquire as attribute information of the buried pipe,
Multiple types of age prediction models are available based on different types of buried pipe attribute information used to generate age prediction models.
The prediction unit selects, from among the plurality of age prediction models, an age prediction model according to the type of attribute information of the buried pipe to be predicted acquired by the acquisition unit, and selects the selected age prediction model. The prediction device according to claim 1, wherein the prediction device calculates the estimated number of years of use of the buried pipe to be predicted, using the attribute information of the buried pipe to be predicted, which is acquired by the acquisition unit.
前記年数予測モデルは、埋設管の実績使用年数情報と当該埋設管の劣化関連情報を含む属性情報との関係データを機械学習することにより生成されており、
前記予測部は、前記取得部により取得された劣化関連情報を含む属性情報と、前記年数予測モデルとを用いて、前記予測対象の埋設管の予測使用年数を算出する
請求項１に記載の予測装置。 The attribute information of the predicted buried pipe acquired by the acquisition unit includes at least deterioration-related information representing elements related to deterioration of the buried pipe,
The age prediction model is generated by machine learning the relationship data between the actual usage age information of the buried pipe and the attribute information including the deterioration related information of the buried pipe,
The prediction unit according to claim 1, wherein the prediction unit calculates the predicted service life of the buried pipe to be predicted, using attribute information including deterioration-related information acquired by the acquisition unit and the age prediction model. Device.
請求項１に記載の予測装置。 The prediction according to claim 1, wherein the attribute information of the buried pipe that is the prediction target acquired by the acquisition unit includes information representing the state of the fluid flowing inside the buried pipe in a predetermined period. Device.
請求項２に記載の予測装置。 The age prediction model, which is an explainable model, is generated by machine learning using information about the causal relationship obtained through causal analysis technology between the actual years of use of buried pipes and the attribute information of the buried pipes. 3. The prediction device according to claim 2, wherein the explanation of the basis of the predicted number of years of use outputted from the age prediction model includes an explanation of the causal relationship between the predicted number of years of use and the attribute information of the buried pipe.
予測対象の埋設管の属性を表す属性情報を取得し、
埋設管における布設から破損までの使用年数を表す実績使用年数情報と当該埋設管の属性情報との関係データを機械学習することにより生成され前記予測対象の埋設管の属性情報を入力とし埋設管における布設から破損までの予測される使用年数を予測使用年数として出力する年数予測モデルと、前記予測対象の埋設管の属性情報とを用いて、前記予測対象の埋設管の予測使用年数を算出し、さらに、当該予測使用年数と、前記予測対象の埋設管の属性情報に含まれる布設時期を表す布設時期情報とを用いて、前記予測対象の埋設管が破損すると予測される時期を予測破損時期として算出し、
前記予測破損時期を暦年あるいは年度を用いて表す予測破損時期情報を出力する
予測方法。 by computer,
Obtain attribute information representing the attributes of the buried pipe to be predicted,
It is generated by machine learning of the relationship data between the actual usage years information representing the number of years of use from installation to breakage of the buried pipe and the attribute information of the buried pipe, and the attribute information of the buried pipe to be predicted is input. Calculating the predicted number of years of use of the buried pipe to be predicted, using a years prediction model that outputs the predicted number of years of use from installation to breakage as the predicted number of years of use, and attribute information of the buried pipe to be predicted; Furthermore, using the predicted number of years of use and the installation time information indicating the installation time included in the attribute information of the buried pipe to be predicted, the time when the buried pipe to be predicted is predicted to break is set as the predicted failure time. Calculate,
A prediction method that outputs predicted failure time information expressing the predicted failure time using a calendar year or a fiscal year.
埋設管における布設から破損までの使用年数を表す実績使用年数情報と当該埋設管の属性情報との関係データを機械学習することにより生成され前記予測対象の埋設管の属性情報を入力とし埋設管における布設から破損までの予測される使用年数を予測使用年数として出力する年数予測モデルと、前記予測対象の埋設管の属性情報とを用いて、前記予測対象の埋設管の予測使用年数を算出し、さらに、当該予測使用年数と、前記予測対象の埋設管の属性情報に含まれる布設時期を表す布設時期情報とを用いて、前記予測対象の埋設管が破損すると予測される時期を予測破損時期として算出する処理と、
前記予測破損時期を暦年あるいは年度を用いて表す予測破損時期情報を出力する処理と
をコンピュータに実行させるためのコンピュータプログラム。 A process of acquiring attribute information representing attributes of a buried pipe to be predicted;
It is generated by machine learning of the relationship data between the actual usage years information representing the number of years of use from installation to breakage of the buried pipe and the attribute information of the buried pipe, and the attribute information of the buried pipe to be predicted is input. Calculating the predicted number of years of use of the buried pipe to be predicted, using a years prediction model that outputs the predicted number of years of use from installation to breakage as the predicted number of years of use, and attribute information of the buried pipe to be predicted; Furthermore, using the predicted number of years of use and the installation time information indicating the installation time included in the attribute information of the buried pipe to be predicted, the time when the buried pipe to be predicted is predicted to break is set as the predicted failure time. The calculation process and
A computer program for causing a computer to execute a process of outputting predicted failure time information expressing the predicted failure time using a calendar year or a fiscal year.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2022166087A JP7343025B1 (en) | 2022-10-17 | 2022-10-17 | Prediction device, prediction method and computer program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2022166087A JP7343025B1 (en) | 2022-10-17 | 2022-10-17 | Prediction device, prediction method and computer program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP7343025B1 true JP7343025B1 (en) | 2023-09-12 |
| JP2024058780A JP2024058780A (en) | 2024-04-30 |
Family
ID=87934840
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2022166087A Active JP7343025B1 (en) | 2022-10-17 | 2022-10-17 | Prediction device, prediction method and computer program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7343025B1 (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7468951B1 (en) | 2023-10-12 | 2024-04-16 | フジ地中情報株式会社 | Update optimization system, update optimization method, and update optimization program |
| JP7488540B1 (en) | 2024-03-28 | 2024-05-22 | フジ地中情報株式会社 | AI buried pipeline renewal planning system, AI buried pipeline renewal planning method, and AI buried pipeline renewal planning program |
| WO2024135361A1 (en) * | 2022-12-19 | 2024-06-27 | 株式会社クボタ | Buried environment classification map creating device, buried pipe deterioration degree predicting device, buried environment classification map creating method, buried pipe deterioration degree predicting method, and program |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014016691A (en) | 2012-07-06 | 2014-01-30 | Hitachi Ltd | Equipment maintenance and management support system, and method for the same |
| JP2020077119A (en) | 2018-11-06 | 2020-05-21 | 株式会社日立製作所 | Pipeline network management system and management method thereof |
| JP2020087334A (en) | 2018-11-30 | 2020-06-04 | 富士通株式会社 | Information processing system, information processing method, information processing program, and information processing device |
| JP2020135003A (en) | 2019-02-13 | 2020-08-31 | エム・アール・アイ リサーチアソシエイツ株式会社 | Information processing device, information processing method and program |
| JP2021056224A (en) | 2019-09-30 | 2021-04-08 | 株式会社クボタ | Device and method for predicting renewal time of buried pipe, program, and computer-readable recording medium |
| JP2021192150A (en) | 2020-06-05 | 2021-12-16 | 株式会社日立製作所 | Pipe line update support device and pipe line update support method |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06139295A (en) * | 1992-10-30 | 1994-05-20 | Hitachi Ltd | Neuro applied geographic information display system |
| JPH10240799A (en) * | 1997-02-27 | 1998-09-11 | Nri & Ncc Co Ltd | Support device for new store opening evaluation |
-
2022
- 2022-10-17 JP JP2022166087A patent/JP7343025B1/en active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014016691A (en) | 2012-07-06 | 2014-01-30 | Hitachi Ltd | Equipment maintenance and management support system, and method for the same |
| JP2020077119A (en) | 2018-11-06 | 2020-05-21 | 株式会社日立製作所 | Pipeline network management system and management method thereof |
| JP2020087334A (en) | 2018-11-30 | 2020-06-04 | 富士通株式会社 | Information processing system, information processing method, information processing program, and information processing device |
| JP2020135003A (en) | 2019-02-13 | 2020-08-31 | エム・アール・アイ リサーチアソシエイツ株式会社 | Information processing device, information processing method and program |
| JP2021056224A (en) | 2019-09-30 | 2021-04-08 | 株式会社クボタ | Device and method for predicting renewal time of buried pipe, program, and computer-readable recording medium |
| JP2021192150A (en) | 2020-06-05 | 2021-12-16 | 株式会社日立製作所 | Pipe line update support device and pipe line update support method |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024135361A1 (en) * | 2022-12-19 | 2024-06-27 | 株式会社クボタ | Buried environment classification map creating device, buried pipe deterioration degree predicting device, buried environment classification map creating method, buried pipe deterioration degree predicting method, and program |
| JP7468951B1 (en) | 2023-10-12 | 2024-04-16 | フジ地中情報株式会社 | Update optimization system, update optimization method, and update optimization program |
| JP7488540B1 (en) | 2024-03-28 | 2024-05-22 | フジ地中情報株式会社 | AI buried pipeline renewal planning system, AI buried pipeline renewal planning method, and AI buried pipeline renewal planning program |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2024058780A (en) | 2024-04-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7343025B1 (en) | Prediction device, prediction method and computer program | |
| JP6955941B2 (en) | Structure inspection support system | |
| Mutikanga et al. | Methods and tools for managing losses in water distribution systems | |
| US7263465B2 (en) | Pipeline integrity management process | |
| El-Abbasy et al. | Condition prediction models for oil and gas pipelines using regression analysis | |
| WO2015129031A1 (en) | Water-leak detection system and water-leak detection method | |
| US5063505A (en) | Computer aided management system for public utility wastewater collection systems | |
| PT1191470E (en) | Maintenance optimization system for water pipelines | |
| KR100893424B1 (en) | Performance evaluation and rehabilitation of water networks and its method | |
| CN104636817A (en) | Water leakage survey plan making device, system and water leakage survey plan making method | |
| Martínez García et al. | Pressure-based analysis of water main failures in California | |
| JP2010054266A (en) | System for predicting inundation | |
| Nikoloudi et al. | Interactive decision support methodology for near real-time response to failure events in a water distribution network | |
| US20210398087A1 (en) | Planning device, planning method, and program | |
| Trow et al. | Developing a strategy for leakage management in water distribution systems | |
| LawrenCe | Cost estimating for turnarounds | |
| Boutrot | Reliable and accurate determination of life extension for offshore units | |
| WO2019124292A1 (en) | Asset management device and asset management method | |
| JP2019144182A (en) | Water pressure gauge arrangement assisting system and method | |
| Kerwin et al. | Integrated planning of operational maintenance programs for water and gas distribution networks | |
| JP2004302709A (en) | Maintenance management method for valve and support system therefor | |
| JP2003240671A (en) | Earthquake-protection evaluating method and device for piping | |
| JP2010277157A (en) | Water treatment facility management method and system | |
| Grigg | Management tools to optimize pipeline longevity | |
| JP7332068B1 (en) | Automatic calculation system, automatic calculation method, machine learning model, and method for generating machine learning model |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221228 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20221228 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230404 |
|
| 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: 20230801 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230814 |
|
| R151 | Written notification of patent or utility model registration |
Ref document number: 7343025 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |