JP7408366B2 - 機器管理装置、機器管理システム及び機器管理方法 - Google Patents

機器管理装置、機器管理システム及び機器管理方法 Download PDF

Info

Publication number
JP7408366B2
JP7408366B2 JP2019221460A JP2019221460A JP7408366B2 JP 7408366 B2 JP7408366 B2 JP 7408366B2 JP 2019221460 A JP2019221460 A JP 2019221460A JP 2019221460 A JP2019221460 A JP 2019221460A JP 7408366 B2 JP7408366 B2 JP 7408366B2
Authority
JP
Japan
Prior art keywords
failure
data
sign
function
extraction
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2019221460A
Other languages
English (en)
Other versions
JP2021092849A (ja
Inventor
文理 藤田
章浩 古賀
敦子 杉山
順子 柴田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Canon Medical Systems Corp
Original Assignee
Canon Medical Systems Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Canon Medical Systems Corp filed Critical Canon Medical Systems Corp
Priority to JP2019221460A priority Critical patent/JP7408366B2/ja
Priority to CN202011404724.4A priority patent/CN112927791B/zh
Priority to US17/111,854 priority patent/US11830611B2/en
Publication of JP2021092849A publication Critical patent/JP2021092849A/ja
Application granted granted Critical
Publication of JP7408366B2 publication Critical patent/JP7408366B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/40—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management of medical equipment or devices, e.g. scheduling maintenance or upgrades
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0297—Reconfiguration of monitoring system, e.g. use of virtual sensors; change monitoring method as a response to monitoring results
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Medical Informatics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Description

本発明の実施形態は、機器管理装置、機器管理システム及び機器管理方法に関する。
機器に含まれる部品の設計仕様または製造上の不具合による故障は、同様の部品を有する他の機器でも同様に生じるといった潜在的なリスクが十分にある。
機器は自機器における故障予兆を検知するにとどまる。故障予兆を検知した機器については、故障のリスクを把握することはできるが、故障予兆を検知していない機器については、故障のリスクを把握することはできない。そのため、複数の機器にわたって同様の潜在的なリスクを早期に把握することは難しい。
特開２００６－３４９４２８号公報
発明が解決しようとする課題は、機器の故障予兆を検知する可能性を向上させることである。
実施形態に係る機器管理装置は、第１の機器の故障予兆の発生を示す情報を取得する取得部と、前記第１の機器と、前記第１の機器とは異なる１以上の第２の機器との関連性に基づいて、少なくとも前記故障予兆の発生を示す情報に関連する前記第２の機器の故障予兆の検知感度を調整する調整部と、を備える。
図１は、第１の実施形態に係る病院内システムの構成を示す図である。 図２は、抽出条件の広さの一例を示す図である。 図３は、図１のサーバのメモリに記憶される抽出項目管理テーブルの一例を示す図である。 図４は、図１のサーバのメモリに記憶される波及管理テーブルの一例を示す図である。 図５は、図１のサーバのメモリに記憶される波及管理テーブルの別の例を示す図である。 図６は、図１のサーバの処理回路による波及処理の流れの一例を示す図である。 図７は、第２の実施形態に係る情報管理システムの構成を示す図である。 図８は、第３の実施形態に係る病院内システムの構成を示す図である。 図９は、図８のサーバの処理回路による照合処理の一例を示す図である。 図１０は、図８のサーバの処理回路による照合処理の一例を示す図である。 図１１は、図８のサーバの処理回路による照合処理の流れの一例を示す図である。 図１２は、第４の実施形態に係る情報管理システムの構成を示す図である。
［第１の実施形態］
以下、図面を参照しながら第１の実施形態について説明する。
第１の実施形態は、故障予兆を発した医療機器に基づいて、故障予兆の検知感度の調整を、故障予兆を発していない医療機器に波及させるものである。例えば、故障予兆の検知感度の調整は、故障予兆を検知しやすくする方向への調整である。例えば、故障予兆を検知しやすくする方向への調整は、故障予兆の検知感度を上げることである。第１の実施形態は、故障予兆を発した医療機器と故障予兆を発していない医療機器とが同じ病院内にある例である。故障予兆とは、未だ医療機器に故障は起きていないが、将来的に医療機器の何れかの部位に故障または異常の起きる可能性が高い前ぶれである。部位とは、医療機器の一部であり、医療機器を構成する部品単位でもいいし、複数の部品の集合のモジュール単位でもよい。以下では、故障予兆を発した医療機器を波及元機器ともいう。波及元機器は、第１の機器ともいう。故障予兆を発していない医療機器、かつ、故障予兆の検知感度の調整対象となる医療機器を波及先機器ともいう。波及先機器は、第２の機器ともいう。
図１は、第１の実施形態に係る病院内システム１０の構成を示す図である。図１に示すように、病院内システム１０は、病院Ｈ１内の複数の装置で構成されるシステムである。病院内システム１０は、機器管理システムの一例である。
病院内システム１０は、複数の医療機器１－１～１－ｍ（ｍは２以上の整数）、部門サーバ２及び表示装置３を有する。複数の医療機器１－１～１－ｍ、部門サーバ２及び表示装置３は、ＬＡＮ（Local Area Network）などの病院内ネットワークを介して互いに通信可能に接続されている。ネットワーク接続は、無線接続または有線接続を問わない。
医療機器１－１～１－ｍは、患者の診断に用いられるデータを取得するための種々の用途の医療機器を含む。ここでは、医療機器１－１及び医療機器１－２は、ＣＴ（Computed Tomography）装置であるものとする。１－ｍは、ＭＲＩ（Magnetic Resonance Imaging）装置であるものとする。
部門サーバ２は、診療部門で検査予約等の情報を管理するシステムで用いられるサーバである。例えば、部門サーバ２は、診療部門の一つである放射線部門において、検査予約等の情報を管理する放射線部門情報システム（ＲＩＳ：Radiology Information System）で用いられるサーバである。図１では、部門サーバ２が１台である場合を例に示しているが、これに限定されない。部門サーバ２は、必要に応じて複数設けられていても構わない。部門サーバ２は、機器管理装置の一例である。なお、機器管理システムは、病院内システム１０内の部門サーバ２に限定されるものではない。機器管理システムは、病院内システム１０内の他のサーバ、病院Ｈ１内の病院内システム１０とは異なるシステム内のサーバ、病院Ｈ１外に存在するサーバなどであってもよい。
表示装置３は、種々の情報を表示する装置である。例えば、表示装置３は、液晶ディスプレイ（ＬＣＤ：Liquid Crystal Display）、有機ＥＬディスプレイ（ＯＥＬＤ：Organic Electro Luminescence Display）などを有する。例えば、表示装置３は、波及先機器の情報及び波及元機器の情報のうちの少なくとも何れか一方を表示する。表示装置３は、出力装置の一例である。
医療機器１－１は、少なくとも診断処理回路１１、処理回路１２、メモリ１３及び通信インタフェース１４を有する。
診断処理回路１１は、医療機器１－１における診断に関する処理を実行する回路である。例えば、ＣＴ装置では、診断処理回路１１は、撮像に関する処理を実行する回路である。
処理回路１２は、ＣＰＵ（Central Processing Unit）及びＧＰＵ（Graphics Processing Unit）などのプロセッサを有する。当該プロセッサがメモリ１３などにインストールされたプログラムを起動することにより、システム制御機能１２１、検知機能１２２、特定機能１２３、送信機能１２４、受信機能１２５及び反映機能１２６などを実行する。なお、各機能１２１～１２６は単一の処理回路で実現される場合に限らない。複数の独立したプロセッサを組み合わせて処理回路を構成し、各プロセッサがプログラムを実行することにより各機能１２１～１２６を実現するものとしても構わない。各機能１２１～１２６については後述する。
メモリ１３は、種々の情報を記憶するＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）及び集積回路記憶装置などの記憶装置である。メモリ１３は、上記記憶装置以外にも、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disc）及びフラッシュメモリなどの可搬型記憶媒体や、半導体メモリ素子などとの間で種々の情報を読み書きする駆動装置であってもよい。
メモリ１３は、医療機器１－１の特徴データを記憶する。例えば、医療機器１－１の特徴データは、機器情報、動作状況に関する計測データ及び故障予兆の検知アルゴリズムを特定するデータなどを含む。
機器情報は、医療機器１－１を特定する情報である。機器情報は、機器を構成する部位一覧、機器の種別、型番及び製造ロットなどを含んでいてもよい。例えば、部位は、モニタなどである。例えば、機器の種別は、ＣＴ装置などである。例えば、型番は、機器の型を特定する番号などである。例えば、製造ロットは、製造番号などである。
動作状況に関する計測データは、医療機器１－１の動作する状況に関して計測したデータである。動作状況に関する計測データは、動作に関する計測データ及び使用に関する計測データなどを含む。
動作に関する計測データは、医療機器１－１の動作に応じて生じる事象を計測したデータである。例えば、動作に関する計測データは、振動データ、温度データ及び音響データなどの動作環境に関するデータ、並びに、電流値データ及び電圧値データなどを含む。
振動データは、医療機器１－１の振動に関するデータである。振動データは、安全性を監視するために医療機器１－１に取り付けられた図示しないセンサによって計測される。振動データは、医療機器１－１の複数個所に取り付けられたセンサで計測されてもよい。
温度データは、医療機器１－１のさらされている環境温度に関するデータである。温度データは、安全性を監視するために医療機器１－１に取り付けられた図示しないセンサによって計測される。温度データは、医療機器１－１の複数個所に取り付けられたセンサで計測されてもよい。
音響データは、医療機器１－１で発せられる音に関するデータである。音響データは、周波数についてのデータであってもよい。医療機器１－１に取り付けられた図示しないセンサによって計測される。音響データは、医療機器１－１の複数個所に取り付けられたセンサで計測されてもよい。
電流値データ及び電圧値データは、医療機器１－１における電流値及び電圧値に関するデータである。電流値データ及び電圧値データは、医療機器１－１取り付けられた図示しないセンサによって計測される。電流値データ及び電圧値データは、医療機器１－１を構成する部位毎に計測されてもよい。
使用に関する計測データは、医療機器１－１の使用に応じて変化する事項を計測したデータである。使用に関する計測データは、使用頻度に関するデータ及び使用時間に関するデータなどを含む。例えば、使用頻度に関するデータは、一日当たりの医療機器１－１の使用人数及び一日当たりのアプリケーションの使用回数などを含む。例えば、使用時間に関するデータは、一日当たりの平均使用時間及び設置から現在までのトータルの使用時間などを含む。使用に関する計測データは、医療機器１－１の電源のオン及びオフ並びにアプリケーションの起動に応じて処理回路１２によって計測される。
検知アルゴリズムを特定するデータは、故障予兆の検知及び故障推定部位の特定で用いられる検知アルゴリズムを特定するためのデータである。故障推定部位は、未だ故障は起きていないが、将来的に故障の起きる可能性が高いと推定される部位である。例えば、検知アルゴリズムが機械学習で生成された後述する故障推定モデルを含む場合、検知アルゴリズムを特定するデータは、故障推定モデルのバージョン情報などである。
故障推定モデルは、例えば、医療機器の動作に関する計測データを入力とし、故障予兆の有無を出力可能な学習済みモデルである。また、故障推定モデルは、動作に関する計測データを入力とし、故障推定部位を出力可能なようにトレーニングされていてもよい。
故障推定モデルは、医療機器の動作に関する計測データを入力データとし、故障予兆の発生を教師データとした学習用データを用いた機械学習により、処理回路１２によって生成される。動作に関する計測データのうちの少なくとも１つの計測データは、故障予兆が発生した場合と故障予兆が発生しない場合とで異なる傾向を示す。よって、動作に関する計測データと故障予兆の有無との間には、一定の相関関係がある。
また、故障推定モデルは、医療機器の動作に関する計測データを入力データとし、故障予兆が発生した故障推定部位を教師データとした学習用データを用いた機械学習により生成されてもよい。動作に関する計測データのうちの少なくとも１つの計測データは、故障予兆が発生した場合と故障予兆が発生しない場合とで異なる傾向を示す。動作に関する計測データのうちの少なくとも１つの計測データは、故障推定部位毎によっても異なる傾向を示す。よって、動作に関する計測データと故障推定部位との間には、一定の相関関係がある。
故障推定モデルは、故障予兆が発生した原因を出力可能なように設計されていても構わない。例えば、故障推定モデルへ所定のデータが入力されると、最終出力とは別の少なくとも１つの特徴量が故障推定モデルから出力され、出力された特徴量と関係する原因が推定される。
通信インタフェース１４は、他のコンピュータとの間でデータ通信するためのインタフェースである。例えば、通信インタフェース１４は、予め設定されている既知の規格に則り、病院内ネットワークを介して部門サーバ２と種々のデータ通信を行う。
各機能１２１～１２６について説明する。
システム制御機能１２１は、入力される入力情報に基づき、医療機器１－１における各部を統括して制御する。
検知機能１２２は、自機器である医療機器１－１の故障予兆を検知する。例えば、検知機能１２２は、検知アルゴリズムにより、例えば、上述の故障推定モデルを用いて、医療機器１－１の故障予兆の有無を検知する。検知機能１２２は、例えば、病院Ｈ１の始業前、病院Ｈ１の終業後、医療機器１－１の停止時など、任意のタイミングで検知アルゴリズムを実行し、医療機器１－１の故障予兆の有無を検知する。
特定機能１２３は、検知アルゴリズムにより、例えば、上述の故障推定モデルを用いて、医療機器１－１における故障推定部位を特定する。特定機能１２３は、検知アルゴリズムにより、上述の故障推定モデルを用いて、故障推定部位の故障推定原因を推定してもよい。
送信機能１２４は、検知機能１２２による故障予兆の検知に基づいて、通信インタフェース１４を介して、メンテナンスデータを部門サーバ２へ送信する。例えば、メンテナンスデータは、故障予兆解析結果及び医療機器１－１の特徴データなどを含む。例えば、故障予兆解析結果は、故障予兆の発生を示す情報を含む。故障予兆解析結果は、特定機能１２３によって故障推定部位が特定された場合、故障推定部位を示す情報を含む。故障予兆解析結果は、故障推定部位の故障推定原因を示す情報を含んでいてもよい。メンテナンスデータは、例えば、部門サーバ２による波及先機器の抽出に用いられる。また、送信機能１２４は、通信インタフェース１４を介して、例えば、所定の周期で特徴データを部門サーバ２へ送信する。
受信機能１２５は、通信インタフェース１４を介して、後述する部門サーバ２で調整された故障予兆の検知感度の調整情報（以下、単に「調整情報」ともいう）を受信する。調整情報は、故障予兆の検知感度を調整するための検知アルゴリズムの調整内容を示す情報及び検知アルゴリズムの調整指示を含む。例えば、検知アルゴリズムが故障推定モデルを含む場合、調整情報は、検知アルゴリズムの調整内容を示す情報として、故障推定モデルをさらにトレーニングするための学習用データを含む。また、調整情報には、例えば、実行頻度に関する情報が含まれていてもよい。
反映機能１２６は、調整情報を、メモリ１３に記憶されている検知アルゴリズムに反映する。「反映」は、一時的または継続的を問わず、更新、適用、調整、変更、再度の学習などの意味を含むものとする。これにより、検知機能１２２及び特定機能１２３は、故障予兆の検知感度を調整するように反映した後の検知アルゴリズムを用いる。反映機能１２６は、調整情報の受信に応じて、調整情報を自動で検知アルゴリズムに反映してもよい。これに代えて、反映機能１２６は、病院内システム１０の管理者よる直接のまたは遠隔の反映指示の入力に基づいて、調整情報を検知アルゴリズムに反映してもよい。
医療機器１－２～１－ｍは、上述の医療機器１－１と同様に構成されていてもよく、説明を省略する。
部門サーバ２は、波及元機器に基づいて、故障予兆の検知感度の調整を波及先機器に波及させる機能も有する。
部門サーバ２は、少なくとも処理回路２１、メモリ２２及び通信インタフェース２３を有する。
処理回路２１は、処理回路１２と同様に、ＣＰＵ及びＧＰＵ等のプロセッサを有する。当該プロセッサがメモリ１３等にインストールされたプログラムを起動することにより、受信機能２１１、取得機能２１２、設定機能２１３、抽出機能２１４、調整機能２１５、送信機能２１６及び出力機能２１７などを実行する。各機能２１１～２１７については後述する。
メモリ２２は、メモリ１３と同様に、種々の情報を記憶するＲＯＭ、ＲＡＭ、ＨＤＤ、ＳＳＤ及び集積回路記憶装置などの記憶装置である。例えば、メモリ２２は、医療機器１－１～１－ｍそれぞれの特徴データを記憶する。例えば、部門サーバ２は、任意のタイミングまたは定期的に医療機器の特徴データを医療機器１－１～１－ｍから収集し、メモリ２２に記憶させる。医療機器１－１～１－ｍそれぞれの特徴データは、波及先機器の抽出に用いられる。
メモリ２２は、抽出項目管理テーブルを記憶する。抽出項目管理テーブルは、故障推定部位と、１以上の抽出項目とを紐付けたＬＵＴ（Look Up Table）又はデータベースである。抽出項目は、波及先機器を抽出するための条件を示す項目である。抽出項目は、波及先機器を抽出するための抽出条件の構成に用いられる。抽出項目は、医療機器１－１～１－ｍそれぞれの特徴データと照合可能な項目である。抽出条件は、抽出条件を構成する抽出項目の全てに該当する医療機器を波及先機器として抽出するための条件である。抽出条件は、波及先機器を抽出するための条件である。抽出項目管理テーブルの構成例については後述する。
メモリ２２は、波及管理テーブルを記憶する。波及管理テーブルは、一例では、故障推定部位と、波及の要否とを紐付けたＬＵＴ又はデータベースである。波及の要否は、波及先機器に対する故障予兆の検知感度の調整の要否を示す。波及管理テーブルは、別の例では、故障推定部位の故障推定原因と、波及の要否とを紐付けたＬＵＴ又はデータベースである。波及管理テーブルの構成例については後述する。
通信インタフェース２３は、他のコンピュータとの間でデータ通信するためのインタフェースである。例えば、通信インタフェース２３は、病院内ネットワークを介して、予め設定されている既知の規格に則り、医療機器１－１～１－ｍ及び表示装置３のそれぞれと種々のデータ通信を行う。
各機能２１１～２１７について説明する。
受信機能２１１は、通信インタフェース２３を介して、医療機器１－１～１－ｍのうちの何れかの波及元機器からメンテナンスデータを受信する。例えば、受信機能２１１は、部門サーバ２から医療機器１－１～１－ｍへ送信されるメンテナンスデータの要求の応答として、メンテナンスデータを受信することができる。例えば、受信機能２１１は、波及元機器が自律的に送信するメンテナンスデータを受信することができる。受信機能２１１は、通信インタフェース２３を介して、医療機器１－１～１－ｍから特徴データを受信する。例えば、受信機能２１１は、部門サーバ２から医療機器１－１～１－ｍへ送信される特徴データの要求の応答として、特徴データを受信することができる。例えば、受信機能２１１は、波及元機器が自律的に送信するメンテナンスデータを定期的に受信することができる。
取得機能２１２は、波及元機器の故障予兆の発生を示す情報を取得する機能を含む。例えば、取得機能２１２は、受信機能２１１で受信されたメンテナンスデータから波及元機器の故障予兆の発生を示す情報を取得する。また、取得機能２１２は、波及元機器の故障推定部位を示す情報を取得する機能を含む。例えば、取得機能２１２は、受信機能２１１で受信されたメンテナンスデータから波及元機器の故障推定部位を示す情報を取得する。
設定機能２１３は、抽出条件を設定する。例えば、取得機能２１２が波及元機器の故障予兆の発生を示す情報を取得するが、波及元機器の故障推定部位を示す情報を取得しない場合、設定機能２１３は、予め定められた規則に従い、波及元機器に対応する機器、型番または製造ロットを抽出条件として設定する。例えば、取得機能２１２が波及元機器の故障推定部位を示す情報を取得する場合、設定機能２１３は、取得機能２１２で取得された波及元機器の故障推定部位に基づき、抽出条件を設定する。この例では、設定機能２１３は、抽出項目管理テーブルを用いて、取得機能２１２で取得された波及元機器の故障推定部位に紐付けられた１以上の抽出項目を取得する。設定機能２１３は、１以上の抽出項目の全てに該当する条件を抽出条件として設定する。抽出条件は、波及元機器と１以上の波及先機器との関連性の一例である。
抽出機能２１４は、設定機能２１３で設定された抽出条件により、複数の医療機器の中から１以上の波及先機器を抽出する。例えば、抽出機能２１４は、メモリ２２に記憶されている医療機器１－１～１－ｍそれぞれの特徴データと抽出条件を構成する全ての抽出項目とを照合する。抽出機能２１４は、抽出条件を構成する全ての抽出項目に該当する１以上の医療機器を波及先機器として抽出する。抽出条件に含まれる波及先機器は、波及元機器と関連性の高い類似の機器といえる。
調整機能２１５は、波及元機器と１以上の波及先機器との関連性に基づいて、少なくとも故障予兆の発生を示す情報に関連する波及先機器の故障予兆の検知感度を調整する。例えば、取得機能２１２が波及元機器の故障予兆の発生を示す情報を取得するが、波及元機器の故障推定部位を示す情報を取得しない場合、調整機能２１５は、波及先機器の故障予兆の検知感度を調整する。例えば、取得機能２１２が波及元機器の故障推定部位を示す情報を取得する場合、調整機能２１５は、波及先機器について、故障推定部位に対応する部位における故障予兆の検知感度を調整する。故障予兆の検知感度の調整例については後述する。
送信機能２１６は、通信インタフェース２３を介して、調整機能２１５による調整に基づく調整情報を波及先機器へ送信する。
出力機能２１７は、波及元機器の情報及び波及先機器の情報のうちの少なくとも何れか一方を表示装置３へ出力する。例えば、波及元機器の情報は、波及元機器を特定する情報を含む。波及元機器の情報は、故障予兆に関する情報を含むこともできる。故障予兆に関する情報は、故障予兆の発生を示す情報を含む。故障予兆に関する情報は、故障推定部位を特定する情報を含んでいてもよい。波及元機器の情報は、メンテナンスデータに基づいている。波及元機器を特定する情報は、ＣＴ装置を示す情報などである。故障推定部位を特定する情報は、Ｘ線管を示す情報などである。波及先機器の情報は、波及先機器を特定する情報及び検知感度の調整情報などを含む。波及先機器の情報は、抽出機能２１４による波及先機器の抽出に基づいている。検知感度の調整情報は、調整機能２１５による検知感度の調整に基づいている。
出力機能２１７は、少なくとも波及元機器について発生した故障予兆に関する情報を表示装置３へ出力してもよい。
抽出条件について説明する。
図２は、抽出条件の広さの一例を示す図である。抽出条件の広さは、抽出条件に含まれる医療機器の数に対応する。例えば、抽出事項は、部位、機器、型番、製造ロット及び動作状況などである。
部位が抽出事項である場合、抽出事項は、波及元機器と同じ部位を含む機器を抽出することを示す項目である。機器が抽出事項である場合、抽出事項は、波及元機器と同じ機器を抽出することを示す項目である。機器を抽出事項とする抽出条件は、部位を抽出事項とする抽出条件よりも狭く、部位を抽出事項とする抽出条件に含まれる。型番が抽出事項である場合、抽出事項は、波及元機器と同じ型番の機器を抽出することを示す項目である。型番を抽出事項とする抽出条件は、機器を抽出事項とする抽出条件よりも狭く、機器を抽出事項とする抽出条件に含まれる。製造ロットが抽出事項である場合、抽出事項は、波及元機器と同じ製造ロットの機器を抽出することを示す項目である。製造ロットを抽出事項とする抽出条件は、型番を抽出事項とする抽出条件よりも狭く、型番を抽出事項とする抽出条件に含まれる。
動作状況が抽出事項である場合、抽出事項は、波及元機器と同じ動作状況を抽出することを示す項目である。例えば、動作状況は、環境温度３０度以上にさらされている機器、一日当たりの使用人数がＸ人以上の機器、一日当たりのアプリケーションの使用回数がＹ回以上の機器などである。動作状況は機器自体の特徴ではない。そのため、動作状況を抽出事項とする抽出条件は、製造ロット、型番または機器を抽出事項とする抽出条件よりも狭いこともあるが、広いこともあり得る。
抽出項目管理テーブルの構成例について説明する。
図３は、部門サーバ２のメモリ２２に記憶される抽出項目管理テーブルの一例を示す図である。
抽出項目管理テーブルは、故障推定部位と、１以上の抽出項目とを紐付ける。抽出項目管理テーブルの「故障推定部位」は、種々の故障推定部位を網羅的に示す。抽出項目管理テーブルの「抽出項目」は、抽出条件を構成するための１以上の抽出項目を示す。
「抽出項目」は、各故障推定部位について、部位、機器、型番または製造ロットの何れかを含む。「抽出項目」が各故障推定部位について部位、機器、型番または製造ロットの何れかを含むのは、波及元機器と関連性の高い類似の機器を波及先機器として抽出するためである。部位を抽出事項とする抽出条件は、故障推定部位に対応する部位を含む医療機器を抽出するための条件である。機器を抽出事項とする抽出条件は、部位を抽出事項とする抽出条件に含まれるので、故障推定部位に対応する部位を含む医療機器の全部または一部を抽出するための条件である。型番を抽出事項とする抽出条件は、部位を抽出事項とする抽出条件に含まれるので、故障推定部位に対応する部位を含む医療機器の全部または一部を抽出するための条件である。製造ロットを抽出事項とする抽出条件は、部位を抽出事項とする抽出条件に含まれるので、故障推定部位に対応する部位を含む医療機器の全部または一部を抽出するための条件である。そのため、故障推定部位に紐付く抽出条件は、少なくとも故障推定部位に対応する部位を含む医療機器を波及先機器として抽出するための条件である。
「抽出項目」は、部位、機器、型番または製造ロットの何れかに加えて、１以上の動作状況を含んでいてもよい。「抽出項目」が故障推定部位の故障に影響を及ぼし得る１以上の動作状況を含む場合、抽出条件は、波及元機器の動作状況も加味した条件である。つまり、抽出条件は、故障推定部位に対応する部位を含み、かつ、波及元機器の動作状況に対応する機器を抽出するための条件である。波及元機器の動作状況に対応する機器とは、動作状況の傾向が波及元機器と類似する機器である。類似とする範囲は、適宜設定可能である。抽出条件は、波及元機器とより関連性の高い類似の機器に絞って抽出するための条件となる。
図３に示す例では、Ｘ線管と紐付けられている「抽出項目」は、管電流、フィラメント電流及びガントリ温度を含む。管電流、フィラメント電流及びガントリ温度は、Ｘ線管の故障に影響を及ぼし得る。抽出条件は、波及元機器と同じ製造ロットの機器、かつ、波及元機器の管電流、フィラメント電流及ガントリ温度に対応する機器を抽出する条件である。
「抽出項目」に含まれる１以上の抽出項目は、適宜設定可能である。「抽出項目」が部位、機器、型番または製造ロットの何れを含むかは、故障推定部位の種類によって異なっていてもよい。「抽出項目」が１以上の動作状況が含むか否かは、故障推定部位の種類によって異なっていてもよい。例えば、経年劣化などの影響を受ける故障推定部位については、「抽出項目」は、１以上の動作状況を含んでいてもよい。「抽出項目」に含まれる１以上の動作状況の内容は、故障推定部位の種類によって異なっていてもよい。よって、抽出条件は、故障推定部位の種類に応じて異なる。
波及管理テーブルの構成例について説明する。
図４は、部門サーバ２のメモリ２２に記憶される波及管理テーブルの一例を示す図である。
波及管理テーブルは、故障推定部位と、波及の要否とを紐付けている。
波及管理テーブルの「故障推定部位」は、種々の故障推定部位を網羅的に示す。例えば、「故障推定部位」が部位Ｂである場合、波及管理テーブルの「波及の要否」は、「要」である。「波及の要否」の「要」は、波及先機器における故障予兆の検知感度の調整を必要とすることを示す。「波及の要否」が「要」である場合、処理回路２１は、波及先機器における故障予兆の検知感度の調整を必要と決定する。他方、「波及の要否」の「否」は、波及先機器における故障予兆の検知感度の調整を不要とすることを示す。「波及の要否」が「否」である場合、処理回路２１は、波及先機器における故障予兆の検知感度の調整を不要と決定する。
故障推定部位の種類に応じて波及先機器における故障予兆の検知感度の調整の要否を変えるのは、以下のような理由による。故障予兆の検知感度の調整は、波及先機器の処理負荷を上げることに繋がる。処理回路２１は、故障予兆を検知する可能性を上げたいケースに絞って故障予兆の検知感度を調整することで、波及先機器の処理負荷を必要以上に上げないようにする。
「波及の要否」の「要」または「否」は、部位の重要度の高低によって決まる。重要度は、故障予兆を検知する可能性を上げたい程度によって決まる。例えば、重要度は、部位の故障に伴う波及先機器の故障から復帰するまでの時間の長さに基づいて決まる。波及先機器の故障から復帰までの時間がある時間以上である場合、部位の重要度は高い。重要度の高い部位は、波及先機器で故障予兆を確実に検知されることが好ましい。他方、波及先機器の故障から復帰までの時間がある時間未満である場合、部位の重要度は低い。重要度の低い部位は、波及先機器で確実に故障予兆を検知されることができなくても影響は低い。
例えば、Ｘ線管のような高価な部位は、病院に予備がないことがある。故障した部位が高価な部位である場合、この部位の故障に伴う波及先機器の故障から復帰までの時間は長くなる。よって、高価な部位の重要度は高い。例えば、故障した部位が限られた人しか交換できない部位である場合、この部位の故障に伴う波及先機器の故障から復帰までの時間は長くなる。よって、限られた人しか交換できない部位の重要度は高い。例えば、ある部位が故障すると、別の部位も連鎖的に故障することがある。故障した部位が別の部位にも連鎖的に影響を与える部位である場合、この部位の故障に伴う波及先機器の故障から復帰までの時間は長くなる。よって、別の部位にも連鎖的に影響を与える部位の重要度は高い。他方、例えば、病院に多くの予備があり、誰でも簡単に交換可能な部位の重要度は低い。例えば、故障しても機器の性能への影響の小さい部位の重要度は低い。
「波及の要否」の「要」または「否」の設定は、予め決まっていてもいいし、適宜設定変更であってもよい。例えば、「波及の要否」の「要」または「否」の設定は、病院ごとに変更されてもよい。離島などの部品供給に時間を要する病院では、「波及の要否」の「要」が多く設定されていてもよい。
なお、波及管理テーブルは、故障推定部位と、波及の要否との紐付けに代えて、故障推定部位と、点数とを紐付けていてもよい。この例では、点数は、部位の重要度に応じて部位ごとに割り当てられる。この例では、点数が閾値以上である場合、処理回路２１は、波及先機器において故障予兆の検知感度の調整を必要と決定する。他方、点数が閾値未満である場合、処理回路２１は、波及先機器において故障予兆の検知感度の調整を不要と決定する。閾値は、予め決まっていてもいいし、適宜設定変更されてもよい。閾値は、病院ごとに変更されてもよい。
図５は、部門サーバ２のメモリ２２に記憶される波及管理テーブルの別の例を示す図である。図５は、超音波プローブが故障推定部位となる波及管理テーブルの例を示す。
メモリ２２は、故障推定部位毎の波及管理テーブルを記憶する。
波及管理テーブルは、故障推定部位の故障推定原因と、波及の要否とを紐付けている。
波及管理テーブルの「故障推定部位の推定原因」は、種々の故障推定原因を網羅的に示す。例えば、「故障推定部位の推定原因」が超音波プローブの発熱である場合、波及管理テーブルの「波及の要否」は、「要」である。「波及の要否」の「要」は、波及先機器における故障予兆の検知感度の調整を必要とすることを示す。他方、「波及の要否」の「否」は、波及先機器における故障予兆の検知感度の調整を不要とすることを示す。故障推定原因に応じて波及先機器における故障予兆の検知感度の調整の要否を変えるのは、以下のような理由による。故障予兆の検知感度の調整は、波及先機器の処理負荷を上げることに繋がる。処理回路２１は、故障予兆を検知する可能性を上げたいケースに絞って故障予兆の検知感度を調整することで、波及先機器の処理負荷を必要以上に上げないようにする。
「波及の要否」の「要」または「否」は、故障推定原因のリスク度の高低によって決まる。リスク度は、故障予兆を検知する可能性を上げたい程度によって決まる。例えば、リスク度は、部位の故障に伴う誤診の可能性または部位の故障に伴う患者のけがの可能性に基づいて決まる。部位の故障に伴う誤診の可能性または部位の故障に伴う患者のけがの可能性が高い場合、故障推定原因のリスク度は高い。リスク度の高い部位は、波及先機器で故障予兆を確実に検知されることが好ましい。他方、部位の故障に伴う誤診の可能性または部位の故障に伴う患者のけがの可能性が低い場合、リスク度は低い。リスク度の低い部位は、波及先機器で確実に故障予兆を検知されることができなくても影響は低い。
例えば、超音波プローブの発熱は、患者がやけどをする可能性がある。よって、超音波プローブの発熱のリスク度は高い。例えば、超音波プローブの素子抜けは、誤診の可能性が高い。よって、超音波プローブの素子抜けのリスク度は高い。例えば、超音波プローブのケーブル断線は、病院内システム１０の管理者自ら不具合に気付く可能性が高い。よって、超音波プローブのケーブル断線のリスク度は低い。
「波及の要否」の「要」または「否」の設定は、予め決まっていてもいいし、適宜設定変更されてもよい。例えば、「波及の要否」の「要」または「否」の設定は、病院ごとに変更されてもよい。
なお、波及管理テーブルは、故障推定部位と、波及の要否との紐付けに代えて、故障推定原因と、点数とを紐付けていてもよい。この例では、点数は、故障推定原因のリスク度に応じて推定原因ごとに割り当てられる。この例では、点数が閾値以上である場合、処理回路２１は、波及先機器において故障予兆の検知感度の調整を必要と決定する。他方、点数が閾値未満である場合、処理回路２１は、波及先機器において故障予兆の検知感度の調整を不要と決定する。閾値は、予め決まっていてもいいし、適宜設定変更されてもよい。閾値は、病院ごとに変更されてもよい。
以下、部門サーバ２の処理の詳細について説明する。
図６は、部門サーバ２の処理回路２１による波及処理の流れの一例を示す図である。処理の順序の変更及び一部の処理の省略は、適宜なし得る。
ここでは、医療機器１－１が波及元機器であるものとする。医療機器１－２が波及先機器であるものとする。
処理回路２１は、受信機能２１１により、通信インタフェース２３を介して、波及元機器である医療機器１－１からメンテナンスデータを受信する（ステップＳ１１）。
処理回路２１は、取得機能２１２により、メンテナンスデータから、例えば、医療機器１－１の故障予兆の発生を示す情報を取得する（ステップＳ１２）。また、ステップＳ１２では、処理回路２１は、取得機能２１２により、例えば、医療機器１－１の故障推定部位を示す情報を取得する。
処理回路２１は、設定機能２１３により、抽出条件を設定する（ステップＳ１３）。ステップＳ１３では、例えば、処理回路２１が波及元機器の故障予兆の発生を示す情報を取得するが、波及元機器の故障推定部位を示す情報を取得しない場合、処理回路２１は、予め定められた規則に従い、波及元機器に対応する機器、型番または製造ロットを抽出条件として設定する。また、例えば、処理回路２１が波及元機器の故障推定部位を示す情報を取得する場合、処理回路２１は、上述の抽出項目管理テーブルを参照し、故障推定部位に基づき、抽出条件を設定する。
ステップＳ１３では、例えば、処理回路２１は、上述の抽出項目管理テーブルを参照し、取得される故障推定部位毎に異なる抽出条件を設定してもよい。処理回路２１は、例えば、抽出条件の広さを変更する。これにより、処理回路２１は、故障推定部位の種類に応じた適切な抽出条件を設定することができる。その結果、処理回路２１は、波及先機器の処理負荷を必要以上に上げないようにすることができる。
ステップＳ１３では、例えば、処理回路２１は、上述の抽出項目管理テーブルを参照し、波及元機器の動作状況も加味して抽出条件を設定してもよい。つまり、処理回路２１は、抽出条件を、故障推定部位に対応する部位を含み、かつ、波及元機器の動作状況に対応する機器を抽出する条件に設定する。これにより、処理回路２１は、波及元機器とより関連性の高い類似の機器に絞って抽出するための抽出条件を設定することができる。その結果、処理回路２１は、波及先機器の処理負荷を必要以上に上げないようにすることができる。
処理回路２１は、抽出機能２１４により、病院内システム１０に含まれる医療機器１－１～１－ｍの中から抽出条件により波及先機器として、例えば、医療機器１－２を抽出する（ステップＳ１４）。ステップＳ１４で抽出される波及先機器は、抽出条件に基づいて抽出される少なくとも故障予兆の発生を示す情報に関連する機器である。
処理回路２１は、調整機能２１５により、医療機器１－２の故障予兆の検知感度を調整するか否かを決定する（ステップＳ１５）。ステップＳ１５では、処理回路２１は、上述の波及管理テーブルを参照し、医療機器１－２の故障予兆の検知感度の調整の要否を決定してもよい。
ステップＳ１５では、一例では、処理回路２１は、上述の波及管理テーブルを参照し、故障推定部位毎に、故障予兆の検知感度の調整の要否を決定する。これにより、処理回路２１は、故障予兆を検知する可能性を上げたい故障推定部位に絞って故障予兆の検知感度を調整することができる。その結果、処理回路２１は、波及先機器の処理負荷を必要以上に上げないようにすることができる。
ステップＳ１５では、別の例では、処理回路２１は、上述の波及管理テーブルを参照し、故障推定部位の推定原因に基づき、故障予兆の検知感度の調整の要否を決定する。これにより、処理回路２１は、故障予兆を検知する可能性を上げたい推定原因に絞って故障予兆の検知感度を調整することができる。その結果、処理回路２１は、波及先機器の処理負荷を必要以上に上げないようにすることができる。
処理回路２１は、故障予兆の検知感度の調整を不要と決定した場合（ステップＳ１５、ＮＯ）、医療機器１－２における故障予兆の検知感度を調整することなく、波及処理を終了する。
処理回路２１は、故障予兆の検知感度の調整を要と決定した場合（ステップＳ１５、ＹＥＳ）、医療機器１－２における故障予兆の検知感度を調整する（ステップＳ１６）。ステップＳ１６では、処理回路２１は、例えば、波及元機器の故障予兆の発生を示す情報を取得するが、波及元機器の故障推定部位を示す情報を取得しない場合、波及先機器の故障予兆の検知感度を調整する。また、処理回路２１は、例えば、波及元機器の故障推定部位を示す情報を取得する場合、波及先機器について、故障推定部位に対応する部位における故障予兆の検知感度を調整する。
ステップＳ１６では、調整機能２１５は、以下に例示するように、故障予兆の検知感度を調整することができる。
調整機能２１５は、故障推定モデルの教師データの質を上げることができる。調整機能２１５は、波及元機器における故障推定部位の特定に関するデータを学習用データとして波及先機器に適用してもよい。例えば、波及元機器における故障推定部位の特定に関するデータは、故障推定部位の特定に寄与した波及元機器の動作に関する計測データと故障推定部位の特定の有無とを関連付けたデータを含む。
波及元機器における故障推定部位の特定に関するデータを学習用データとして波及先機器に適用させるのは、以下のような理由による。複数の医療機器は、出荷時には同じ故障推定モデルを用いる。複数の医療機器は、それぞれ、自機器で取得したデータを教師データとして追加し、機械学習により、故障推定モデルを更新する。ある機器で用いられる故障推定モデルは、時間の経過に伴い、他の機器で用いられる故障推定モデルと異なるものになり得る。そのため、複数の医療機器が同時期に使用開始されても、ある機器が故障予兆を検知することができても、別の機器は故障予兆を検知することができないことがある。波及先機器は、波及元機器における故障推定部位の特定に関するデータを学習用データとして利用し、故障推定モデルを更新することができる。その結果、波及先機器は、故障推定部位に対応する部位の故障予兆を検知する可能性を上げることができる。
処理回路２１は、送信機能２１６により、調整機能２１５による調整に基づく調整情報を医療機器１－２へ送信するか否かを決定する（ステップＳ１７）。ステップＳ１７では、処理回路２１は、病院内システム１０の管理者による送信指示の入力の有無に応じて、調整情報の送信の要否を決定してもよい。処理回路２１は、調整情報の送信を不要と決定した場合（ステップＳ１７、ＮＯ）、調整情報を医療機器１－２へ送信することなく、波及処理を終了する。処理回路２１は、調整情報の送信を要と決定した場合（ステップＳ１７、ＹＥＳ）、通信インタフェース２３を介して、調整情報を医療機器１－２へ送信する（ステップＳ１８）。
処理回路２１は、出力機能２１７により、医療機器１－１の情報及び医療機器１－２の情報のうちの少なくとも何れか一方を表示装置３へ出力する（ステップＳ１９）。これにより、表示装置３は、医療機器１－１の情報及び医療機器１－２の情報のうちの少なくとも何れか一方を表示する。ステップＳ１９では、処理回路２１は、出力機能２１７により、少なくとも医療機器１－１について発生した故障予兆に関する情報を表示装置３へ出力してもよい。これにより、表示装置３は、少なくとも医療機器１－１について発生した故障予兆に関する情報を表示する。
なお、ステップＳ１９では、処理回路２１は、表示装置３以外の出力装置へ出力してもよい。例えば、出力装置は、プリンタであってもよい。これにより、病院内システム１０の管理者は、医療機器１－１の情報及び医療機器１－２の情報のうちの少なくとも何れか一方を確認することができる。または、病院内システム１０の管理者は、少なくとも医療機器１－１について発生した故障予兆に関する情報を確認することができる。
第１の実施形態によれば、部門サーバ２は、波及先機器における故障予兆の検知感度の調整により、波及先機器における潜在的な故障予兆リスクを早期に把握することができる。
以下、種々の変形例について説明する。
上記では、医療機器１－１～１－ｍそれぞれが自機器の故障予兆を検知し、故障推定部位を特定する例について説明したが、これに限定されない。部門サーバ２は、医療機器１－１～１－ｍそれぞれの故障予兆を検知し、故障推定部位を特定してもよい。
この例では、部門サーバ２は、検知機能１２２、特定機能１２３及び反映機能１２６を有する。部門サーバ２は、医療機器１－１～１－ｍそれぞれの検知アルゴリズムをメモリ２２に保存する。部門サーバ２は、医療機器１－１～１－ｍそれぞれから断続的に動作に関する計測データを取得する。検知機能１２２は、動作に関する計測データ及び検知アルゴリズムにより、各医療機器の故障予兆を検知する。特定機能１２３は、動作に関する計測データ及び検知アルゴリズムにより、故障推定部位を特定する。反映機能１２６は、調整情報を、メモリ２２に記憶されている検知アルゴリズムに反映する。
上記では、波及元機器及び波及先機器が部門サーバ２で管理する医療機器である例について説明したが、これに限定されない。波及元機器及び波及先機器は、互いに異なる部門サーバで管理される医療機器であってもよい。この例では、各部門サーバと接続された図示しないサーバを用意し、このサーバに各機能２１１～２１７を実装することで実現され得る。
上記では、波及元機器及び波及先機器が医療機器である例について説明したが、これに限定されない。波及元機器及び波及先機器は、サーバなどの種々の機器であってもよい。「機器」は、設備を含むものとする。
上記では、検知アルゴリズムの例として故障推定モデルを用いて説明したが、これに限定されない。検知アルゴリズムは、動作に関する計測データの解析処理であってもよい。この例では、検知アルゴリズムは、故障予兆の検知、故障推定部位の特定及び故障推定原因の特定で用いられる閾値または基準を含んでいてもよい。検知アルゴリズムは、動作に関する計測データのサンプリング間隔を含んでいてもよい。検知アルゴリズムは、故障予兆の検知、故障推定部位の特定及び故障推定原因の特定の頻度を含んでいてもよい。検知アルゴリズムは、故障予兆の検知、故障推定部位の特定及び故障推定原因の特定で用いられる動作に関する計測データの質を含んでいてもよい。例えば、計測データの質は、フィルタのかけられたデータまたはフィルタのかけられていない生データである。
調整機能２１５は、閾値または基準を緩和してもよい。調整機能２１５は、故障推定部位に対応する部位に関連する動作に関する計測データに絞って閾値または基準を緩和してもよい。この例では、調整情報は、検知アルゴリズムの調整内容を示す情報として緩和した閾値または基準を含み、検知アルゴリズムの調整指示として閾値または基準の更新指示を含む。調整機能２１５は、動作に関する計測データのサンプリング間隔を短くしてもよい。この例では、調整情報は、検知アルゴリズムの調整内容を示す情報として短くしたサンプリング間隔を含み、検知アルゴリズムの調整指示としてサンプリング間隔の更新指示を含む。調整機能２１５は、故障予兆の検知、故障推定部位の特定及び故障推定原因の特定の頻度を上げてもよい。この例では、調整情報は、検知アルゴリズムの調整内容を示す情報として上げた頻度を含み、検知アルゴリズムの調整指示として頻度の更新指示を含む。調整機能２１５は、故障予兆の検知、故障推定部位の特定及び故障推定原因の特定に動作に関する計測データの生データを用いるように、データの質を上げてもよい。調整機能２１５は、故障推定部位に対応する部位に関連する動作に関する計測データに絞って質を上げてもよい。この例では、調整情報は、検知アルゴリズムの調整内容を示す情報として用いるデータの種別を含み、検知アルゴリズムの調整指示としてデータの質の更新指示を含む。なお、調整機能２１５は、故障予兆の検知感度を調整する対象の粒度をモジュール単位ではなく部品単位に絞ってもよい。これにより、波及先機器は、より細かい単位で故障予兆を検知することができる。
［第２の実施形態］
以下、図面を参照しながら第２の実施形態について説明する。
第２の実施形態は、第１の実施形態と同様に、波及元機器に基づいて、故障予兆の検知感度の調整を、波及先機器に波及させるものである。第２の実施形態は、第１の実施形態と異なり、波及元機器と波及先機器とが異なる病院内にある例である。
第１の実施形態と同様の構成については同一の符号を付し、その説明を省略する。第２の実施形態では、主として、第１の実施形態と異なる部分について説明する。
図７は、第２の実施形態に係る情報管理システム１００の構成を示す図である。
情報管理システム１００は、病院Ｈ１内にある病院内システム１０、病院Ｈ１内にあるクラウドシステム２０、病院Ｈ２内にある病院内システム３０、病院Ｈ２内にあるクラウドシステム４０、サーバ５０及び表示装置６０を有する。病院内システム１０とクラウドシステム２０とは、例えば、専用回線により接続されている。病院内システム３０とクラウドシステム４０とは、例えば、専用回線により接続されている。サーバ５０は、クラウドシステム２０及びクラウドシステム４０とネットワークを介してデータ通信可能に接続されている。ネットワークは有線または無線を問わない。
情報管理システム１００は、医療情報をパブリッククラウド等に保存する際のガイドライン、例えば、厚生労働省、経済産業省、及び総務省の３省が出している３つのガイドライン、いわゆる３省３ガイドラインを遵守するネットワークシステムである。すなわち、厚生労働省が定めた「医療情報システムの安全管理に関するガイドライン」、経済産業省が定めた「医療情報を受託管理する情報処理事業者における安全管理ガイドライン」、総務省が定めた「クラウドサービス事業者が医療情報を取り扱う際の安全管理に関するガイドライン」を順守するネットワークシステムである。
病院内システム１０は、上述の複数の医療機器１－１～１－ｍ及び部門サーバ２に加えて、中継装置４を有する。なお、部門サーバ２は、第１の実施形態で説明した各機能２１１～２１７の実行を省略する。
中継装置４は、クラウドシステム２０と専用回線により接続され、部門サーバ２とネットワークを介してデータ通信可能に接続されている。中継装置４は、各種データを部門サーバ２から受信する。例えば、中継装置４は、部門サーバ２が医療機器１－１～１－ｍから収集した各種データを受信する。中継装置４は、部門サーバ２から受信した各種データを、専用回線を介してクラウドシステム２０へ送信する。
クラウドシステム２０は、病院内システム１０から各種データを受信し、データを予め設定された共通の共通化形式に変換して蓄積し、サーバ５０へ送信する。クラウドシステム２０は、例えば、所定の機能をネットワークを介して複数の装置で分担及び共同して実現するクラウドコンピューティングシステムである。
病院内システム３０は、複数の医療機器３１－１～３１－ｎ（ｎは２以上の整数）、部門サーバ３２及び中継装置３３を有する。複数の医療機器３１－１～３１－ｎ及び部門サーバ３２は、病院内ネットワークを介して互いに通信可能に接続されている。医療機器３１－１～３１－ｎは、上述の医療機器１－１と同様に構成されていてもよく、その説明を省略する。部門サーバ３２は、上述の部門サーバ２と同様に構成されていてもよく、その説明を省略する。
中継装置３３は、クラウドシステム４０と専用回線により接続され、部門サーバ３２とネットワークを介してデータ通信可能に接続されている。中継装置３３は、各種データを部門サーバ３２から受信する。例えば、中継装置３３は、部門サーバ３２が医療機器３１－１～３１－ｎから収集した各種データを受信する。中継装置３３は、部門サーバ３２から受信した各種データを、専用回線を介してクラウドシステム４０へ送信する。
クラウドシステム４０は、病院内システム３０から各種データを受信し、データを予め設定された共通の共通化形式に変換して蓄積し、サーバ５０へ送信する。クラウドシステム４０は、例えば、所定の機能をネットワークを介して複数の装置で分担及び共同して実現するクラウドコンピューティングシステムである。
サーバ５０は、処理回路５１、メモリ５２及び通信インタフェース５３を有する。サーバ５０は、機器管理装置の一例である。
処理回路５１は、処理回路１２と同様に、ＣＰＵ及びＧＰＵ等のプロセッサを有する。当該プロセッサがメモリ５２等にインストールされたプログラムを起動することにより、受信機能５１１、取得機能５１２、設定機能５１３、抽出機能５１４、調整機能５１５、送信機能５１６及び出力機能５１７などを実行する。各機能５１１～５１７については後述する。
メモリ５２は、メモリ１３と同様に、種々の情報を記憶するＲＯＭ、ＲＡＭ、ＨＤＤ、ＳＳＤ及び集積回路記憶装置などの記憶装置である。例えば、メモリ５２は、クラウドシステム２０を介して病院内システム１０から送られる各種データを記憶する。メモリ５２は、クラウドシステム４０を介して病院内システム３０から送られる各種データを記憶する。
通信インタフェース５３は、他のコンピュータとの間でデータ通信するためのインタフェースである。例えば、通信インタフェース５３は、予め設定されている既知の規格に則り、ネットワークを介してクラウドシステム２０及びクラウドシステム４０と種々のデータ通信を行う。
各機能５１１～５１７について説明する。
各機能５１１～５１７は、第１の実施形態で説明した各機能２１１～２１７と同様である。なお、抽出機能５１４は、波及元機器の属する病院とは異なる病院に属する波及先機器を抽出することができる。出力機能５１７は、波及元機器の情報及び波及先機器の情報のうちの少なくとも何れか一方を表示装置６０へ出力することができる。または、出力機能５１７は、少なくとも波及元機器について発生した故障予兆に関する情報を表示装置６０へ出力することができる。表示装置６０は、表示装置３と同様である。表示装置６０は、出力装置の一例である。サーバ５０及び表示装置６０を含む情報管理システム１００は、機器管理システムの一例である。
第２の実施形態によれば、サーバ５０は、波及先機器の属する病院とは異なる病院に属する波及先機器に対しても故障予兆の検知感度を調整することができる。
［第３の実施形態］
以下、図面を参照しながら第３の実施形態について説明する。
第３の実施形態は、波及元機器の動作に関する計測データと波及先機器の動作に関する計測データを照合するものである。第３の実施形態は、波及元機器と波及先機器とが同じ病院内にある例である。
第１の実施形態と同様の構成については同一の符号を付し、その説明を省略する。第３の実施形態では、主として、第１の実施形態と異なる部分について説明する。
図８は、第３の実施形態に係る病院内システム１０の構成を示す図である。
部門サーバ２の処理回路２１は、第１の実施形態で説明した調整機能２１５、送信機能２１６及び出力機能２１７に代えて、照合機能２１８及び出力機能２１９を有する。
照合機能２１８は、波及先機器の動作に関する計測データと波及元機器の動作に関する計測データとを照合する。以下では、波及先機器の動作に関する計測データを第１のデータともいう。波及元機器の動作に関する計測データを第２のデータともいう。第１の照合例では、照合機能２１８は、波及元機器の故障予兆の発生タイミングにおける第１のデータと波及元機器の故障予兆の発生タイミングにおける第２のデータとを照合する。タイミングとは、ある一時点でもいいし、期間であってもよい。第１の照合例については後述する。第２の照合例では、照合機能２１８は、波及先機器の故障予兆の発生タイミングよりも前のタイミングにおける第１のデータと類似する第２のデータを探索する。以下では、波及先機器の故障予兆の発生タイミングよりも前のタイミングを基準タイミングともいう。照合機能２１８は、探索結果に応じて波及先機器における故障予兆の有無を判断する。第２の照合例については後述する。
出力機能２１９は、照合機能２１８による照合結果を出力する。照合結果については後述する。
第１の照合例について説明する。
図９は、照合機能２１８による照合処理の一例を示す図である。
処理回路２１は、波及元機器の故障推定部位を示す情報の取得に基づいて、抽出機能２１４により、波及先機器を抽出したものとする。波及元機器は、故障予兆の発生後に実際に故障したものとする。波及先機器は、波及元機器の故障タイミングでは故障していないものとする。波及先機器と波及元機器は、同じタイミングで使用を開始したものとしているが、異なるタイミングで使用を開始していてもよい。
例えば、照合機能２１８は、波及元機器の故障後に、波及元機器の故障予兆の発生タイミングにおける第１のデータと波及元機器の故障予兆の発生タイミングにおける第２のデータとを照合する。
故障推定部位の故障予兆の発生タイミングにおける第１のデータと、故障推定部位の故障予兆の発生タイミングにおける第２のデータの差分は、波及元機器の具体的な故障原因のヒントとなり得る。その理由の一つは、波及先機器が波及元機器と関連性の高い類似の機器であるからである。
照合機能２１８は、第１のデータと第２のデータとの差分を示すデータを照合結果としてもよい。照合機能２１８は、第１のデータと第２のデータとの差分に基づいて波及元機器の具体的な故障原因を推定し、推定した故障原因を照合結果としてもよい。
第１の照合例では、処理回路２１は、波及元機器へ第１のデータの要求を送信し、波及元機器から故障予兆の発生タイミングにおける第１のデータを取得してもよい。これに代えて、処理回路２１は、波及元機器から断続的に送信される第１のデータをメモリ２２に保存し、メモリ２２から故障予兆の発生タイミングにおける第１のデータを取得してもよい。同様に、処理回路２１は、波及先機器へ第２のデータの要求を送信し、波及先機器から波及元機器の故障予兆の発生タイミングにおける第２のデータを取得してもよい。これに代えて、処理回路２１は、波及先機器から断続的に送信される第２のデータをメモリ２２に保存し、メモリ２２から波及元機器の故障予兆の発生タイミングにおける第２のデータを取得してもよい。
第１の照合例によれば、部門サーバ２は、波及先機器の故障原因の推定を支援することができる。また、部門サーバ２は、波及元機器との比較対象となる機器を波及先機器に絞ることで、処理負荷を減らすことができる。
第２の照合例について説明する。
図１０は、照合機能２１８による照合処理の一例を示す図である。
処理回路２１は、波及元機器の故障推定部位を示す情報の取得に基づいて、抽出機能２１４により、波及先機器を抽出したものとする。波及元機器は、故障予兆の発生した日の５日後に実際に故障したものとする。波及先機器と波及元機器は、同じタイミングで使用を開始したものとしているが、異なるタイミングで使用を開始していてもよい。
例えば、照合機能２１８は、波及元機器の故障予兆の発生後に、基準タイミングにおける第１のデータと波及元機器の故障予兆の発生後のタイミングの第２のデータとを照合する。照合機能２１８は、基準タイミングにおける第１のデータと類似する第２のデータを探索する。類似とする範囲は、適宜設定可能である。ここでは、基準タイミングは、波及元機器の故障予兆の発生タイミングよりも５日前のタイミングとする。基準タイミングは、適宜変更可能である。探索する理由の一つは、基準タイミングにおける第１のデータに類似する傾向が第２のデータに出れば、波及先機器が波及元機器と同様に将来的に故障する可能性が高いからである。照合機能２１８は、基準タイミングにおける第１のデータと類似する第２のデータの探索により、波及先機器が故障予兆を検知するよりも早期に故障予兆を検知することができる。
照合機能２１８は、探索結果に応じて波及先機器における故障予兆の有無を判断する。照合機能２１８は、基準タイミングにおける第１のデータと類似する第２のデータを探索できない場合、波及先機器に故障予兆はないと判断する。照合機能２１８は、基準タイミングにおける第１のデータと類似する第２のデータを時間経過に応じて継続的に探索する。他方、照合機能２１８は、基準タイミングにおける第１のデータと類似する第２のデータを探索した場合、波及先機器に故障予兆はあると判断する。
照合機能２１８は、波及先機器の故障予兆の発生タイミングよりも５日前のタイミングにおける第１のデータと類似する第２のデータを探索したものとする。照合機能２１８は、波及先機器が波及元機器と同様に故障予兆を検知する可能性が高い日よりも５日前に波及先機器の故障予兆を検知することができる。つまり、照合機能２１８は、波及先機器が実際に故障する可能性の高い日よりも１０日前に波及先機器の故障予兆を検知することができる。
照合機能２１８は、波及先機器における故障予兆の有無を照合結果としてもよい。照合機能２１８は、波及先機器における故障予兆を検知した日を照合結果としてもよい。
第２の照合例では、処理回路２１は、波及元機器へ第１のデータの要求を送信し、基準タイミングにおける第１のデータを取得してもよい。これに代えて、処理回路２１は、波及元機器から断続的に送信される第１のデータをメモリ２２に保存し、メモリ２２から基準タイミングにおける第１のデータを取得してもよい。同様に、処理回路２１は、波及先機器へ第２のデータの要求を送信し、必要な期間の第２のデータを取得してもよい。これに代えて、処理回路２１は、波及先機器から断続的に送信される第２のデータをメモリ２２に保存し、メモリ２２から必要な期間の第２のデータを取得してもよい。
第２の照合例によれば、部門サーバ２は、波及元機器の故障予兆を早期に検知する可能性を向上させることができる。また、部門サーバ２は、波及元機器との比較対象となる機器を波及先機器に絞ることで、処理負荷を減らすことができる。
以下、部門サーバ２の処理の詳細について説明する。
図１１は、部門サーバ２の処理回路２１による照合処理の流れの一例を示す図である。処理の順序の変更及び一部の処理の省略は、適宜なし得る。
ここでは、医療機器１－１が波及元機器であるものとする。医療機器１－２が波及先機器であるものとする。
処理回路２１は、受信機能２１１により、通信インタフェース２３を介して、波及元機器である医療機器１－１からメンテナンスデータを受信する（ステップＳ２１）。
処理回路２１は、取得機能２１２により、メンテナンスデータから医療機器１－１の故障推定部位を示す情報を取得する（ステップＳ２２）。
処理回路２１は、設定機能２１３により、医療機器１－１の故障推定部位に基づき、抽出条件を設定する（ステップＳ２３）。ステップＳ２３では、処理回路２１は、上述の抽出項目管理テーブルを参照し、抽出条件を設定してもよい。
処理回路２１は、抽出機能２１４により、抽出条件により波及先機器として医療機器１－２を抽出する（ステップＳ２４）。
処理回路２１は、照合機能２１８により、第１のデータと第２のデータとを照合する（ステップＳ２５）。ステップＳ２５では、一例では、処理回路２１は、上述のように、波及元機器の故障予兆の発生タイミングにおける第１のデータと波及元機器の故障予兆の発生タイミングにおける第２のデータとを照合する。別の例では、処理回路２１は、基準タイミングにおける第１のデータと類似する第２のデータを探索する。
処理回路２１は、出力機能２１９により、照合機能２１８による照合結果を表示装置３へ出力する（ステップＳ２６）。これにより、表示装置３は、照合結果を表示する。ステップＳ２６では、処理回路２１は、表示装置３以外のプリンタなどの出力装置へ出力してもよい。
第３の実施形態によれば、部門サーバ２は、波及元機器の第１のデータと波及先機器の第２のデータとの照合により、波及元機器または波及先機器の状態を分析することができる。
［第４の実施形態］
以下、図面を参照しながら第４の実施形態について説明する。
第４の実施形態は、波及元機器の動作に関する計測データと波及先機器の動作に関する計測データを照合するものである。第４の実施形態は、第３の実施形態と異なり、波及元機器と波及先機器とが異なる病院内にある例である。
第２の実施形態と同様の構成については同一の符号を付し、その説明を省略する。第４の実施形態では、主として、第１の実施形態と異なる部分について説明する。
図８は、第４の実施形態に係る病院内システム１０の構成を示す図である。
サーバ５０の処理回路５１は、第２の実施形態で説明した調整機能５１５、送信機能５１６及び出力機能５１７に代えて、照合機能５１８及び出力機能５１９を有する。
照合機能５１８は、照合機能２１８と同様である。照合機能５１８は、波及先機器の動作に関する計測データと波及元機器の属する病院とは異なる病院に属する波及先機器の動作に関する計測データとを照合することができる。
出力機能５１９は、出力機能２１９と同様である。出力機能５１９は、照合結果を表示装置６０へ出力することができる。
第４の実施形態によれば、サーバ５０は、波及元機器の第１のデータと波及先機器の属する病院とは異なる病院に属する波及先機器の第２のデータとの照合により、波及元機器または波及先機器の状態を分析することができる。
第３及び第４の実施形態は、以下のように構成されてもよい。
［１］第１の機器の故障推定部位を示す情報を取得する取得部と、前記故障推定部位に基づき、１以上の第２の機器を抽出するための抽出条件を設定する設定部と、前記設定した前記抽出条件により前記第２の機器を抽出する抽出部と、前記第１の機器の動作に関する第１のデータと前記第２の機器の動作に関する第２のデータとを照合する照合部と、前記照合部による照合結果を出力する出力部と、を備える機器管理装置。
［２］前記照合部は、前記第１の機器の故障予兆の発生タイミングにおける前記第１のデータと前記発生タイミングにおける前記第２のデータとを照合する、［１］に記載の機器管理装置。
［３］前記照合部は、前記第１の機器の故障予兆の発生タイミングよりも前のタイミングにおける前記第１のデータと類似する前記第２のデータを探索し、探索結果に応じて前記第２の機器における故障予兆の有無を判断する、［３］に記載の機器管理装置。
上記説明において用いた「プロセッサ」という文言は、例えば、ＣＰＵ、ＧＰＵ、或いは、特定用途向け集積回路（Application Specific Integrated Circuit：ＡＳＩＣ））、プログラマブル論理デバイス（例えば、単純プログラマブル論理デバイス（Simple Programmable Logic Device：ＳＰＬＤ）、複合プログラマブル論理デバイス（Complex Programmable Logic Device：ＣＰＬＤ）、及びフィールドプログラマブルゲートアレイ（Field Programmable Gate Array：ＦＰＧＡ））等の回路を意味する。プロセッサは記憶回路に保存されたプログラムを読み出し実行することで機能を実現する。なお、記憶回路にプログラムを保存する代わりに、プロセッサの回路内にプログラムを直接組み込むよう構成しても構わない。この場合、プロセッサは回路内に組み込まれたプログラムを読み出し実行することで機能を実現する。また、プログラムを実行するのではなく、論理回路の組合せにより当該プログラムに対応する機能を実現しても良い。なお、本実施形態の各プロセッサは、プロセッサごとに単一の回路として構成される場合に限らず、複数の独立した回路を組み合わせて１つのプロセッサとして構成し、その機能を実現するようにしてもよい。
本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。
Ｈ１ 病院
Ｈ２ 病院
１０ 病院内システム
１－１～１－ｍ 医療機器
２ 部門サーバ
３ 表示装置
４ 中継装置
２０ クラウドシステム
３０ 病院内システム
３１－１～３１－ｎ 医療機器
３２ 部門サーバ
３３ 中継装置
４０ クラウドシステム
５０ サーバ
６０ 表示装置
１００ 情報管理システム
１１ 診断処理回路
１２ 処理回路
１３ メモリ
１４ 通信インタフェース
２１ 処理回路
２２ メモリ
２３ 通信インタフェース
５１ 処理回路
５２ メモリ
５３ 通信インタフェース
１２１ システム制御機能
１２２ 検知機能
１２３ 特定機能
１２４ 送信機能
１２５ 受信機能
１２６ 反映機能
２１１ 受信機能
２１２ 取得機能
２１３ 設定機能
２１４ 抽出機能
２１５ 調整機能
２１６ 送信機能
２１７ 出力機能
２１８ 照合機能
２１９ 出力機能
５１１ 受信機能
５１２ 取得機能
５１３ 設定機能
５１４ 抽出機能
５１５ 調整機能
５１６ 送信機能
５１７ 出力機能
５１８ 照合機能
５１９ 出力機能

Claims (6)

  1. 第１の機器の故障予兆の発生を示す情報および前記第１の機器の故障推定部位を示す情報を取得する取得部と、
    前記故障推定部位に基づき、前記第１の機器とは異なる１以上の第２の機器を抽出するための抽出条件を設定する設定部と、
    前記設定した抽出条件により前記第２の機器を抽出する抽出部と、
    前記故障予兆の発生を示す情報に関連する前記第２の機器の故障予兆の検知感度を調整し、前記故障推定部位に対応する部位における前記故障予兆の検知感度を調整し、前記故障推定部位毎に、前記故障予兆の検知感度の調整の要否を決定する調整部と、
    を備える機器管理装置。
  2. 前記設定部は、取得される故障推定部位毎に異なる抽出条件を設定する、請求項１に記載の機器管理装置。
  3. 前記設定部は、前記第１の機器の動作状況も加味して前記抽出条件を設定する、請求項２に記載の機器管理装置。
  4. 前記調整部は、前記故障推定部位の推定原因に基づき、前記故障予兆の検知感度の調整の要否を決定する、請求項１乃至３のいずれか１項に記載の機器管理装置。
  5. 第１の機器の故障予兆の発生を示す情報および前記第１の機器の故障推定部位を示す情報を取得する取得部と、
    前記故障推定部位に基づき、前記第１の機器とは異なる１以上の第２の機器を抽出するための抽出条件を設定する設定部と、
    前記設定した抽出条件により前記第２の機器を抽出する抽出部と、
    前記故障予兆の発生を示す情報に関連する前記第２の機器の故障予兆の検知感度を調整し、前記故障推定部位に対応する部位における前記故障予兆の検知感度を調整し、前記故障推定部位毎に、前記故障予兆の検知感度の調整の要否を決定する調整部と、
    を備える機器管理装置と、
    少なくとも前記第１の機器について発生した故障予兆に関する情報を出力する出力装置と、
    を備える機器管理システム。
  6. コンピュータが、
    第１の機器の故障予兆の発生を示す情報および前記第１の機器の故障推定部位を示す情報を取得することと、
    前記故障推定部位に基づき、前記第１の機器とは異なる１以上の第２の機器を抽出するための抽出条件を設定することと、
    前記設定した抽出条件により前記第２の機器を抽出することと、
    前記故障予兆の発生を示す情報に関連する前記第２の機器の故障予兆の検知感度を調整し、前記故障推定部位に対応する部位における前記故障予兆の検知感度を調整し、前記故障推定部位毎に、前記故障予兆の検知感度の調整の要否を決定することと、
    を備える機器管理方法。
JP2019221460A 2019-12-06 2019-12-06 機器管理装置、機器管理システム及び機器管理方法 Active JP7408366B2 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2019221460A JP7408366B2 (ja) 2019-12-06 2019-12-06 機器管理装置、機器管理システム及び機器管理方法
CN202011404724.4A CN112927791B (zh) 2019-12-06 2020-12-03 设备管理装置、设备管理***以及设备管理方法
US17/111,854 US11830611B2 (en) 2019-12-06 2020-12-04 Device management apparatus, device management system, and device management method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2019221460A JP7408366B2 (ja) 2019-12-06 2019-12-06 機器管理装置、機器管理システム及び機器管理方法

Publications (2)

Publication Number Publication Date
JP2021092849A JP2021092849A (ja) 2021-06-17
JP7408366B2 true JP7408366B2 (ja) 2024-01-05

Family

ID=76162642

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019221460A Active JP7408366B2 (ja) 2019-12-06 2019-12-06 機器管理装置、機器管理システム及び機器管理方法

Country Status (3)

Country Link
US (1) US11830611B2 (ja)
JP (1) JP7408366B2 (ja)
CN (1) CN112927791B (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7242153B1 (ja) * 2022-02-15 2023-03-20 三菱電機株式会社 データ収集装置、データ収集方法、データ収集プログラム及びデータ収集システム
CN117275701B (zh) * 2023-11-21 2024-02-02 拓庄医疗科技有限公司 基于人工智能的ct设备故障诊断数据分析***及方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018033037A (ja) 2016-08-25 2018-03-01 大阪瓦斯株式会社 ネットワークシステム
JP2019159730A (ja) 2018-03-12 2019-09-19 株式会社リコー 保守システム、保守サーバ、保守方法

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003050718A (ja) 2001-08-08 2003-02-21 Hitachi Medical Corp リモートメンテナンスシステム
JP2006135412A (ja) * 2004-11-02 2006-05-25 Tokyo Gas Co Ltd 遠隔監視システム
JP4661380B2 (ja) 2005-06-14 2011-03-30 トヨタ自動車株式会社 故障診断装置、故障診断システム、故障診断方法、及び車載装置
JP2011100283A (ja) * 2009-11-05 2011-05-19 Ricoh Co Ltd 管理装置、機器管理方法、機器管理プログラム、記録媒体、及び機器管理システム
JP5901140B2 (ja) * 2011-05-17 2016-04-06 インターナショナル・ビジネス・マシーンズ・コーポレーションＩｎｔｅｒｎａｔｉｏｎａｌ Ｂｕｓｉｎｅｓｓ Ｍａｃｈｉｎｅｓ Ｃｏｒｐｏｒａｔｉｏｎ システムの高い可用性のためにセンサデータを補間する方法、コンピュータプログラム、システム。
JP6129654B2 (ja) * 2013-06-13 2017-05-17 株式会社東芝 認証装置、認証方法およびプログラム
US9842302B2 (en) * 2013-08-26 2017-12-12 Mtelligence Corporation Population-based learning with deep belief networks
US10948906B2 (en) * 2015-06-04 2021-03-16 Honeywell International Inc. Maintenance plan forecast using automation control devices' usage pattern through big data analytics
JP5845374B1 (ja) 2015-08-05 2016-01-20 株式会社日立パワーソリューションズ 異常予兆診断システム及び異常予兆診断方法
US9913050B2 (en) * 2015-12-18 2018-03-06 Cochlear Limited Power management features
JP6870347B2 (ja) * 2017-01-31 2021-05-12 オムロン株式会社 情報処理装置、情報処理プログラムおよび情報処理方法
JP6867589B2 (ja) * 2017-05-30 2021-04-28 富士通株式会社 影響範囲特定プログラム、影響範囲特定方法、および影響範囲特定装置
KR102030697B1 (ko) * 2018-03-14 2019-10-10 엘에스산전 주식회사 배전반 관리 시스템
US10896114B2 (en) * 2018-05-23 2021-01-19 Seagate Technology Llc Machine learning error prediction in storage arrays

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018033037A (ja) 2016-08-25 2018-03-01 大阪瓦斯株式会社 ネットワークシステム
JP2019159730A (ja) 2018-03-12 2019-09-19 株式会社リコー 保守システム、保守サーバ、保守方法

Also Published As

Publication number Publication date
US11830611B2 (en) 2023-11-28
JP2021092849A (ja) 2021-06-17
US20210174951A1 (en) 2021-06-10
CN112927791B (zh) 2024-05-28
CN112927791A (zh) 2021-06-08

Similar Documents

Publication Publication Date Title
US11410758B2 (en) Medical scan artifact detection system
JP7408366B2 (ja) 機器管理装置、機器管理システム及び機器管理方法
US12033761B2 (en) Sensor-based machine learning in a health prediction environment
US9747778B2 (en) Context-aware compliance monitoring
US9734301B2 (en) Intelligent presentation of alarms and messages in mobile health systems
US9282008B2 (en) Systems and methods for monitoring system performance and availability
US8736453B2 (en) Preemptive notification of patient fall risk condition
CN112466473A (zh) 新发传染病自动预警方法及***
Hackmann et al. Toward a two-tier clinical warning system for hospitalized patients
JP4744856B2 (ja) 医用機器管理装置及び医用機器の管理方法
Vest et al. Characteristics and outcomes of adult inpatients with malnutrition
Tóth et al. Let Sleeping Patients Lie, avoiding unnecessary overnight vitals monitoring using a clinically based deep-learning model
Subudhi et al. Prognostic machine learning models for COVID‐19 to facilitate decision making
Riccardo et al. COVID-19 response: effectiveness of weekly rapid risk assessments, Italy
BR112014012003B1 (pt) Sistema de controle de qualidade, método e meio legível por computador para o uso com bens de consumo, usuários e dispositivos de teste de diagnóstico biológico/ambiental
JP5975094B2 (ja) 交換候補提示方法、情報処理装置、及びプログラム
US9129501B1 (en) Augmented acknowledgement of alarms and messages in mobile health systems
JP2019091399A (ja) 食違いが有る場合に電子カルテを処理する方法およびシステム
Polanco et al. Detection of Severe Respiratory Disease Epidemic Outbreaks by CUSUM‐Based Overcrowd‐Severe‐Respiratory‐Disease‐Index Model
JP2006268515A (ja) Ｐｃｉカ−ド障害管理方式
Groisman et al. A proposal for the systematic assessment of data quality indicators in birth defects surveillance
JP2018007944A (ja) 医用管理装置、医用画像診断装置及び縮退運転プログラム
Ezekowitz et al. A prospective evaluation of the established criteria for heart failure with preserved ejection fraction using the Alberta HEART cohort
Sainath et al. Sleep pattern monitoring and analysis to improve the health and quality of life of people
FR3070851B1 (fr) Systeme pour detecter et alerter le personnel soignant d’un risque de decompensation ou d’hospitalisation d’un patient

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220906

RD01 Notification of change of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7421

Effective date: 20230106

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20230719

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230801

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230929

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: 20231121

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20231220

R150 Certificate of patent or registration of utility model

Ref document number: 7408366

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150