JPH0854924A - 故障状態指示方法と装置 - Google Patents
故障状態指示方法と装置Info
- Publication number
- JPH0854924A JPH0854924A JP7165502A JP16550295A JPH0854924A JP H0854924 A JPH0854924 A JP H0854924A JP 7165502 A JP7165502 A JP 7165502A JP 16550295 A JP16550295 A JP 16550295A JP H0854924 A JPH0854924 A JP H0854924A
- Authority
- JP
- Japan
- Prior art keywords
- slope
- duration
- trend
- level
- parameter
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D3/00—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups
- G01D3/08—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups with provision for safeguarding the apparatus, e.g. against abnormal operation, against breakdown
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
(57)【要約】
【目的】 機械のパラメーターのレベルのトレンド(傾
向)に応じて、故障状態を診断し指示する方法と装置を
得る。 【構成】 それぞれ機械の性能によるレベルを有する複
数のパラメーターを有し、機械の故障状態を示す装置が
開示される。この装置は、1つのパラメーターのレベル
に応じて電子信号を生じるセンサー、及び電子信号に応
じてパラメーターのレベルのトレンドを認識し、トレン
ドの持続期間と傾斜を計算し、トレンドの持続期間と傾
斜に応じて持続期間と傾斜の関数である第1警告しきい
値を超えたかどうかを決めるプロセッサーを含む。
向)に応じて、故障状態を診断し指示する方法と装置を
得る。 【構成】 それぞれ機械の性能によるレベルを有する複
数のパラメーターを有し、機械の故障状態を示す装置が
開示される。この装置は、1つのパラメーターのレベル
に応じて電子信号を生じるセンサー、及び電子信号に応
じてパラメーターのレベルのトレンドを認識し、トレン
ドの持続期間と傾斜を計算し、トレンドの持続期間と傾
斜に応じて持続期間と傾斜の関数である第1警告しきい
値を超えたかどうかを決めるプロセッサーを含む。
Description
【0001】
【産業上の利用分野】本発明は、一般に故障状態を診断
し指示するデバイスに関し、より詳しくは機械のパラメ
ーターのレベルのトレンドに応じて、故障状態を診断し
指示する方法と装置に関する。
し指示するデバイスに関し、より詳しくは機械のパラメ
ーターのレベルのトレンドに応じて、故障状態を診断し
指示する方法と装置に関する。
【0002】
【従来の技術】サービスと診断の目的のため、機械に
は、エンジン回転数、油圧、冷却水温度、ブースト圧
力、油の汚れ、電気モーターの電流、流体圧力、システ
ム電圧等の運転状態を測定するセンサーを装備するもの
がある。あるケースでは、後の機械の性能を評価するた
めデータベースをコンパイルし診断に役立てるため、記
憶装置が備えられる。サービス員が故障原因をより良く
つかみ診断に役立てるため、データを引き出す。同様
に、サービス員は、さらに故障を予想し全体が故障する
前に修理するため、記憶したデータを評価する。さら
に、機械が最大の生産性を上げられるように、機械とオ
ペレーターの性能を評価するため、これらの記憶された
データはサービス員又は管理者により調べられる。これ
らの事項は、ハイウェー用トラック及び大型作業機械例
えばオフハイウェー採鉱トラック、油圧掘削機、履帯型
トラクター、ホイールローダ等に特に適している。これ
らの機械は大きな設備投資を要し、運転時実質的に生産
性をあげることができる。それゆえ、生産性が影響を受
けない期間の間にサービスを計画でき、大きな故障にな
る前に小さな問題を修復できるように、故障を予測する
ことは重要である。
は、エンジン回転数、油圧、冷却水温度、ブースト圧
力、油の汚れ、電気モーターの電流、流体圧力、システ
ム電圧等の運転状態を測定するセンサーを装備するもの
がある。あるケースでは、後の機械の性能を評価するた
めデータベースをコンパイルし診断に役立てるため、記
憶装置が備えられる。サービス員が故障原因をより良く
つかみ診断に役立てるため、データを引き出す。同様
に、サービス員は、さらに故障を予想し全体が故障する
前に修理するため、記憶したデータを評価する。さら
に、機械が最大の生産性を上げられるように、機械とオ
ペレーターの性能を評価するため、これらの記憶された
データはサービス員又は管理者により調べられる。これ
らの事項は、ハイウェー用トラック及び大型作業機械例
えばオフハイウェー採鉱トラック、油圧掘削機、履帯型
トラクター、ホイールローダ等に特に適している。これ
らの機械は大きな設備投資を要し、運転時実質的に生産
性をあげることができる。それゆえ、生産性が影響を受
けない期間の間にサービスを計画でき、大きな故障にな
る前に小さな問題を修復できるように、故障を予測する
ことは重要である。
【0003】同様に、機械が特定の運転状態にあるとき
のみパラメーターを蓄積するのが有利な場合もある。こ
のタイプの情報は性能評価の間に広く使用されている
が、また故障診断と予測に使用することもできる。例え
ば、機械の性能を評価するために、該機械が負荷状態の
ときに特定のギアが使われる時間長さが、必要となるこ
とがありえる。
のみパラメーターを蓄積するのが有利な場合もある。こ
のタイプの情報は性能評価の間に広く使用されている
が、また故障診断と予測に使用することもできる。例え
ば、機械の性能を評価するために、該機械が負荷状態の
ときに特定のギアが使われる時間長さが、必要となるこ
とがありえる。
【0004】
【発明が解決しようとする課題】本発明は、上述の問題
の1つ又はそれ以上を解決することを目的とする。
の1つ又はそれ以上を解決することを目的とする。
【0005】
【課題を解決するための手段】本発明の1態様では、そ
れぞれ機械の性能によるレベルを有する複数のパラメー
ターを有し、機械の故障状態を示す装置が開示される。
装置は、1つのパラメーターのレベルに応じて電子信号
を生じるセンサー、及び電子信号に応じてパラメーター
のレベルのトレンド(傾向)を認識し、トレンドの持続
期間と傾斜を計算し、トレンドの持続期間と傾斜に応じ
て持続期間と傾斜の関数である第1警告しきい値を超え
たかどうかを決めるプロセッサーを含む。本発明の第2
の態様では、故障状態を指示する方法が提供される。本
方法は、機械の性能によるレベルを有するパラメーター
を検知し、それに応じて電子信号を生じ、パラメーター
のレベルのトレンドを認識し、トレンドの持続期間と傾
斜を計算し、トレンドの持続期間と傾斜に応じて持続期
間と傾斜の関数である第1警告しきい値を超えたかどう
かを決めるステップを含む。本発明は、また図面、発明
の詳細な説明を詳細に読めば明らかになる他の態様及び
利点を含む。
れぞれ機械の性能によるレベルを有する複数のパラメー
ターを有し、機械の故障状態を示す装置が開示される。
装置は、1つのパラメーターのレベルに応じて電子信号
を生じるセンサー、及び電子信号に応じてパラメーター
のレベルのトレンド(傾向)を認識し、トレンドの持続
期間と傾斜を計算し、トレンドの持続期間と傾斜に応じ
て持続期間と傾斜の関数である第1警告しきい値を超え
たかどうかを決めるプロセッサーを含む。本発明の第2
の態様では、故障状態を指示する方法が提供される。本
方法は、機械の性能によるレベルを有するパラメーター
を検知し、それに応じて電子信号を生じ、パラメーター
のレベルのトレンドを認識し、トレンドの持続期間と傾
斜を計算し、トレンドの持続期間と傾斜に応じて持続期
間と傾斜の関数である第1警告しきい値を超えたかどう
かを決めるステップを含む。本発明は、また図面、発明
の詳細な説明を詳細に読めば明らかになる他の態様及び
利点を含む。
【0006】
【実施例】図1を参照すると、機械予測システム全体が
参照番号10で示され、作業機械12用のデータ取得、記
憶、記憶表示システムである。オンボード又オフボード
の補足的ハードウェアとソフトウェアを採用し、機械予
測システム10は機械コンポネントの情報をモニターし引
き出し、結果の情報を解析し、差し迫ったコンポネント
又はシステムの故障を示す。図1は、作業機械12から中
央コンピューターシステム16へ解析のためデータを送信
するのに使用されるさまざまな可能性のある通信システ
ム14を示す。好適な実施例では、データはカルコム(Qua
lcomm)サテライトシステムから中央コンピューターシス
テム16へ戻る。又は、セルラー電話システムにより又は
コンピューターのディスクにデータを記憶することによ
り変換され、それが次に中央コンピューターサイトへ解
析のため送られる。本発明の全ての構成部品は作業機械
12にオンボードで配置し、それにより通信システム14の
必要性をなくすこともできるが、中央コンピューターシ
ステム16を用いると、中央の位置で全車両をモニターで
きるようになる。
参照番号10で示され、作業機械12用のデータ取得、記
憶、記憶表示システムである。オンボード又オフボード
の補足的ハードウェアとソフトウェアを採用し、機械予
測システム10は機械コンポネントの情報をモニターし引
き出し、結果の情報を解析し、差し迫ったコンポネント
又はシステムの故障を示す。図1は、作業機械12から中
央コンピューターシステム16へ解析のためデータを送信
するのに使用されるさまざまな可能性のある通信システ
ム14を示す。好適な実施例では、データはカルコム(Qua
lcomm)サテライトシステムから中央コンピューターシス
テム16へ戻る。又は、セルラー電話システムにより又は
コンピューターのディスクにデータを記憶することによ
り変換され、それが次に中央コンピューターサイトへ解
析のため送られる。本発明の全ての構成部品は作業機械
12にオンボードで配置し、それにより通信システム14の
必要性をなくすこともできるが、中央コンピューターシ
ステム16を用いると、中央の位置で全車両をモニターで
きるようになる。
【0007】データのサブセットは、作業機械12のオペ
レーター室内の表示モジュール(図示せず)へ伝えら
れ、オペレーターに計器と警告メッセージの形で表示す
る。通常の運転の間、計器の値はオペレーター室内に表
示される。特定の状態外で、アラームと警告指示メッセ
ージもまた表示される。好適な実施例では、検知したデ
ータは公知の型のセンサー18により直接サンプルを取ら
れ、運転パラメータのレベルに応じて、パルス幅変調セ
ンサーデータ、周波数ベースのデータ、5ボルトアナロ
グセンサーデータ、有効に返されたスイッチデータを含
む電子信号を発生する。センサーはセンサー信号の送信
のため電子モジュール20に接続される。図1と2の実施
例では、アナログセンサーの直接接続、又はRS485 リ
ンクを通って、又はSAE仕様J1587とJ1708が適用さ
れるデータリンクを通ってセンサー信号は電子モジュー
ル20へ送られる。データの速取りを得るられるようにす
るためのプッシュボタンも含まれる。機械のバッテリー
とキースイッチから電子モジュール20への結線も備えら
れる。好適な実施例では、電子モジュール20はモトロー
ラ68000 マイクロプロセッサー、公知の型の低レベル通
信ボード(図示せず)、高レベルフラッシュメモリーと
バッテリーでバックアップしたRAMを含むメモリー部
分24を含む。電子モジュールはまた1対のRS232 を含
み、1つはサテライト通信システム21に接続するのに使
え、他方はデータのダウンロードとシステムの初期化に
使われるオフボードコンピューターに接続するのに使わ
れる。好適な実施例では、オフボードコンピューター22
は、ラップトップパーソナルコンピューターである。
レーター室内の表示モジュール(図示せず)へ伝えら
れ、オペレーターに計器と警告メッセージの形で表示す
る。通常の運転の間、計器の値はオペレーター室内に表
示される。特定の状態外で、アラームと警告指示メッセ
ージもまた表示される。好適な実施例では、検知したデ
ータは公知の型のセンサー18により直接サンプルを取ら
れ、運転パラメータのレベルに応じて、パルス幅変調セ
ンサーデータ、周波数ベースのデータ、5ボルトアナロ
グセンサーデータ、有効に返されたスイッチデータを含
む電子信号を発生する。センサーはセンサー信号の送信
のため電子モジュール20に接続される。図1と2の実施
例では、アナログセンサーの直接接続、又はRS485 リ
ンクを通って、又はSAE仕様J1587とJ1708が適用さ
れるデータリンクを通ってセンサー信号は電子モジュー
ル20へ送られる。データの速取りを得るられるようにす
るためのプッシュボタンも含まれる。機械のバッテリー
とキースイッチから電子モジュール20への結線も備えら
れる。好適な実施例では、電子モジュール20はモトロー
ラ68000 マイクロプロセッサー、公知の型の低レベル通
信ボード(図示せず)、高レベルフラッシュメモリーと
バッテリーでバックアップしたRAMを含むメモリー部
分24を含む。電子モジュールはまた1対のRS232 を含
み、1つはサテライト通信システム21に接続するのに使
え、他方はデータのダウンロードとシステムの初期化に
使われるオフボードコンピューターに接続するのに使わ
れる。好適な実施例では、オフボードコンピューター22
は、ラップトップパーソナルコンピューターである。
【0008】機械とその主なコンポネントの性能の情報
を提供するため、性能ベースラインが電子モジュール20
内に位置するメモリーデバイス内のアレイに記憶され
る。これらのベースラインは、キーで操作する機械の繰
り返し可能な性能チェックの間使用され、機械又はコン
ポネントの健全状態を確かめるのを助け、後述するよう
に、機械が機械のパラメーターが処理され記憶される運
転状態にあるかを決める参照ポイントとして使用され
る。トレンドのデータを発生するためのパラメーターの
サブセットは、前もって決められているか又はオフボー
ドコンピューター22又は中央コンピューター16により決
められる。それぞれのパラメーターは、トレンドの目的
のためにデータが記憶される状態を識別する従属定義を
含む。代表的には、従属定義は例えば、エンジン回転数
があるレベルを超え、ブースト圧力が所定のレベルを超
えるときのような機械の通常運転状態を示すように選ば
れる。個々のパラメーターのトレンド定義は変化し、幾
つかの従属変数である他の機械のパラメーターの関数で
あってもよい。特定のトレンド持続期間で従属定義に出
会うまで、トレンドデータは集められメモリーに記憶さ
れる。それは、10時間以上のように時間で又は10回
の変速機の変速のようなカウント数で測定される。トレ
ンドデータはエンジンが運転しているときのみ得られ
る。特定のトレンドの型、最大値、最小値、この持続期
間のデータの累積値が、カウント付きの単一のトレンド
ポイントとして記憶され、得られる平均値とポイントを
決める。トレンドポイントを得るのに、平均、最大値、
最小値のいずれを使用するかは、どの型の計算がエンジ
ン性能の変化又は差し迫った故障を最もよく指示するか
に関し、システムデザイナーの決定に基づく。同じ検知
したパラメーターから複数の値を計算できる、例えば、
トレンドポイントから平均値と最小値の双方を示すよう
に計算できる。
を提供するため、性能ベースラインが電子モジュール20
内に位置するメモリーデバイス内のアレイに記憶され
る。これらのベースラインは、キーで操作する機械の繰
り返し可能な性能チェックの間使用され、機械又はコン
ポネントの健全状態を確かめるのを助け、後述するよう
に、機械が機械のパラメーターが処理され記憶される運
転状態にあるかを決める参照ポイントとして使用され
る。トレンドのデータを発生するためのパラメーターの
サブセットは、前もって決められているか又はオフボー
ドコンピューター22又は中央コンピューター16により決
められる。それぞれのパラメーターは、トレンドの目的
のためにデータが記憶される状態を識別する従属定義を
含む。代表的には、従属定義は例えば、エンジン回転数
があるレベルを超え、ブースト圧力が所定のレベルを超
えるときのような機械の通常運転状態を示すように選ば
れる。個々のパラメーターのトレンド定義は変化し、幾
つかの従属変数である他の機械のパラメーターの関数で
あってもよい。特定のトレンド持続期間で従属定義に出
会うまで、トレンドデータは集められメモリーに記憶さ
れる。それは、10時間以上のように時間で又は10回
の変速機の変速のようなカウント数で測定される。トレ
ンドデータはエンジンが運転しているときのみ得られ
る。特定のトレンドの型、最大値、最小値、この持続期
間のデータの累積値が、カウント付きの単一のトレンド
ポイントとして記憶され、得られる平均値とポイントを
決める。トレンドポイントを得るのに、平均、最大値、
最小値のいずれを使用するかは、どの型の計算がエンジ
ン性能の変化又は差し迫った故障を最もよく指示するか
に関し、システムデザイナーの決定に基づく。同じ検知
したパラメーターから複数の値を計算できる、例えば、
トレンドポイントから平均値と最小値の双方を示すよう
に計算できる。
【0009】全体のトレンドは、得られるメモリー領域
の大きさと所望の履歴のデータベースの長さに従って、
メモリーデバイス内に特定の数のポイントを記憶するこ
とにより形成される。トレンドデータはリセットされ、
オフボードシステム22により1つの通信ポートを通じ
て、定義を再定義してもよい。例えば、機械の特定の用
途により、検知した1つ又はそれ以上のパラメーターの
ために異なる従属定義を要するときは、与えられた従属
定義を含むアレイを消去し、その定義を新しい従属定義
で置き換えるコマンドを与えることにより、従属定義を
改変するため、オフボードシステム22が使用される。同
様に、この機能は中央コンピューターシステム16により
通信システム14を通じて行われるようにしてもよい。検
知したパラメーターのために発生したトレンドデータに
加え、同様に正味馬力、又は駆動ラインのトルク等の計
算値のトレンドをとってもよい。一般には、これらの計
算値は複数の検知したパラメーター信号に応じて、所定
の定義に従って電子モジュール20により決められる。図
3を参照すると、上述の機能を実行するため、本発明の
実施例に組み込まれ電子モジュール内のプロセッサーに
より実行されるアルゴリズムが記述される。電子モジュ
ール20がエンジンが運転されているかどうかを決める。
もしエンジン速度がエンジンクランキング速度を超える
と、エンジンが運転状態にあると決めるのが好都合であ
る。もしエンジンが運転状態になければ、アルゴリズム
は進まない。もしエンジンが運転状態であれば、電子モ
ジュール20が検知した機械パラメーターをデータリンク
又は入力から読む。
の大きさと所望の履歴のデータベースの長さに従って、
メモリーデバイス内に特定の数のポイントを記憶するこ
とにより形成される。トレンドデータはリセットされ、
オフボードシステム22により1つの通信ポートを通じ
て、定義を再定義してもよい。例えば、機械の特定の用
途により、検知した1つ又はそれ以上のパラメーターの
ために異なる従属定義を要するときは、与えられた従属
定義を含むアレイを消去し、その定義を新しい従属定義
で置き換えるコマンドを与えることにより、従属定義を
改変するため、オフボードシステム22が使用される。同
様に、この機能は中央コンピューターシステム16により
通信システム14を通じて行われるようにしてもよい。検
知したパラメーターのために発生したトレンドデータに
加え、同様に正味馬力、又は駆動ラインのトルク等の計
算値のトレンドをとってもよい。一般には、これらの計
算値は複数の検知したパラメーター信号に応じて、所定
の定義に従って電子モジュール20により決められる。図
3を参照すると、上述の機能を実行するため、本発明の
実施例に組み込まれ電子モジュール内のプロセッサーに
より実行されるアルゴリズムが記述される。電子モジュ
ール20がエンジンが運転されているかどうかを決める。
もしエンジン速度がエンジンクランキング速度を超える
と、エンジンが運転状態にあると決めるのが好都合であ
る。もしエンジンが運転状態になければ、アルゴリズム
は進まない。もしエンジンが運転状態であれば、電子モ
ジュール20が検知した機械パラメーターをデータリンク
又は入力から読む。
【0010】個々の検知したデータについて、電子モジ
ュール20がトレンドデータを与えるためにそのパラメー
ターを処理するかどうか決める。もし、トレンドデータ
が与えられるなら、トレンド定義が検索され、従属定義
が満足されるか決めるため従属パラメーターがチェック
される。それぞれの運転パラメーターのための従属定義
が、他の検知した機械パラメーターで定義される。例え
ば、ブースト圧力のための従属定義は、エンジン回転数
が低運転速度より大きく、高運転速度より小さく、エン
ジンのラック設定が所定のレベルより大きく、ジャケッ
ト冷却水温度が所定の運転温度より高いときのみ満足さ
れる。即ち、上の条件が満たされたときのみ、ブースト
圧力のための値は記憶され、トレンド情報を発生するた
め処理される。従属定義で使用される実際の範囲、最小
値、最大値は、注目するそして機械により用途により変
化する運転状態を定義するため経験的に決められる。も
し、従属定義が満足されると、検知したパラメーターの
値が記憶される。個々のトレンドポイントが決められた
時間、又は個々のトレンドポイントが決められたイベン
ト数になるまで、このプロセスが継続し、そのポイント
で電子モジュール20がトレンドポイントを計算し記憶す
る。時間又はイベントの数は、デザイナーの所望の正確
さ、メモリーデバイス中のメモリースペースが得られる
か、意味有るトレンドポイントを得るのに要する時間の
長さ又はカウント数に応じて決められる。トレンドポイ
ントの計算は、記憶した値を蓄積し、最大記憶値を選択
し、又は最小記憶値を選択することを含む。計算したト
レンドポイントは保存され、そのパラメーターのための
データアレイがクリアーされ、そのパラメーターの次の
トレンドポイントを計算するためデータを記憶すること
ができるようにする。
ュール20がトレンドデータを与えるためにそのパラメー
ターを処理するかどうか決める。もし、トレンドデータ
が与えられるなら、トレンド定義が検索され、従属定義
が満足されるか決めるため従属パラメーターがチェック
される。それぞれの運転パラメーターのための従属定義
が、他の検知した機械パラメーターで定義される。例え
ば、ブースト圧力のための従属定義は、エンジン回転数
が低運転速度より大きく、高運転速度より小さく、エン
ジンのラック設定が所定のレベルより大きく、ジャケッ
ト冷却水温度が所定の運転温度より高いときのみ満足さ
れる。即ち、上の条件が満たされたときのみ、ブースト
圧力のための値は記憶され、トレンド情報を発生するた
め処理される。従属定義で使用される実際の範囲、最小
値、最大値は、注目するそして機械により用途により変
化する運転状態を定義するため経験的に決められる。も
し、従属定義が満足されると、検知したパラメーターの
値が記憶される。個々のトレンドポイントが決められた
時間、又は個々のトレンドポイントが決められたイベン
ト数になるまで、このプロセスが継続し、そのポイント
で電子モジュール20がトレンドポイントを計算し記憶す
る。時間又はイベントの数は、デザイナーの所望の正確
さ、メモリーデバイス中のメモリースペースが得られる
か、意味有るトレンドポイントを得るのに要する時間の
長さ又はカウント数に応じて決められる。トレンドポイ
ントの計算は、記憶した値を蓄積し、最大記憶値を選択
し、又は最小記憶値を選択することを含む。計算したト
レンドポイントは保存され、そのパラメーターのための
データアレイがクリアーされ、そのパラメーターの次の
トレンドポイントを計算するためデータを記憶すること
ができるようにする。
【0011】図3のアルゴリズムで得られたトレンドデ
ータを図4に示す。ここに例示のデータは、大きな変動
があるが、最小2乗法等の公知の直線当てはめ技術でデ
ータに直線を当てはめてデータの一般的トレンドを例示
することができる。いつ特定の直線トレンドが終わり新
しいラインセグメントが定義されるかを決める方法が、
図7のアルゴリズムに関して述べられる。図4に示すト
レンドの傾斜と持続期間に基づき、差し迫ったコンポネ
ント又はシステムの故障の見込みについてある判断を行
うことができる。図5に示すように、機能は特定のトレ
ンドの傾斜と持続期間で決め、それにより注目するパラ
メーターが短期間に高い率で変化するか又は長期間で比
較的低率で変化するかに応じて、警告状態を示すことが
できる。文字「A」で示す領域は、通常の運転状態のト
レンドの傾斜と持続期間の様々な組み合わせを示す。文
字「B」と「C」で示す領域は、それぞれ注意領域と警
告領域を示す。即ち、特定のトレンドの傾斜又は持続期
間の大きさが比較的小さいと通常状態が示されるが、傾
斜と持続期間の大きさが増加するにつれて、故障状態の
起こっている可能性が増加する。図6へ行くと、検知し
たデータのトレンドの特定のラインセグメントを定義す
る方法が示される。一連のデータのデータポイントの第
1領域が選択され、X−で示される。X−に直接続くデ
ータポイントの第2領域が選択され、X+で示される。
X−とX+の大きさは任意であるが、例示の例ではX−
は6つのデータポイントからなり、X+は次の3つのデ
ータポイントからなる。ある実施例では、X+は1つの
データポイントのみしか含まなくてもよい。しかし、1
つの異常なポイントのためラインセグメントが終わる可
能性を減少させるため、X+は複数のポイントであるこ
とが好ましい。
ータを図4に示す。ここに例示のデータは、大きな変動
があるが、最小2乗法等の公知の直線当てはめ技術でデ
ータに直線を当てはめてデータの一般的トレンドを例示
することができる。いつ特定の直線トレンドが終わり新
しいラインセグメントが定義されるかを決める方法が、
図7のアルゴリズムに関して述べられる。図4に示すト
レンドの傾斜と持続期間に基づき、差し迫ったコンポネ
ント又はシステムの故障の見込みについてある判断を行
うことができる。図5に示すように、機能は特定のトレ
ンドの傾斜と持続期間で決め、それにより注目するパラ
メーターが短期間に高い率で変化するか又は長期間で比
較的低率で変化するかに応じて、警告状態を示すことが
できる。文字「A」で示す領域は、通常の運転状態のト
レンドの傾斜と持続期間の様々な組み合わせを示す。文
字「B」と「C」で示す領域は、それぞれ注意領域と警
告領域を示す。即ち、特定のトレンドの傾斜又は持続期
間の大きさが比較的小さいと通常状態が示されるが、傾
斜と持続期間の大きさが増加するにつれて、故障状態の
起こっている可能性が増加する。図6へ行くと、検知し
たデータのトレンドの特定のラインセグメントを定義す
る方法が示される。一連のデータのデータポイントの第
1領域が選択され、X−で示される。X−に直接続くデ
ータポイントの第2領域が選択され、X+で示される。
X−とX+の大きさは任意であるが、例示の例ではX−
は6つのデータポイントからなり、X+は次の3つのデ
ータポイントからなる。ある実施例では、X+は1つの
データポイントのみしか含まなくてもよい。しかし、1
つの異常なポイントのためラインセグメントが終わる可
能性を減少させるため、X+は複数のポイントであるこ
とが好ましい。
【0012】X−のデータポイントは、最小2乗誤差法
のような公知の技術を使用して最も適合するラインを計
算するのに使用される。X+のデータポイントがライン
セグメントに加えられラインセグメントを続けるか、新
しいラインセグメントをスタートさせ以前のセグメント
を終了させるかを決めるため、ラインから誘導した式を
使用してX+のデータが調べられる。このテストは次の
不等式を使用して行われる。
のような公知の技術を使用して最も適合するラインを計
算するのに使用される。X+のデータポイントがライン
セグメントに加えられラインセグメントを続けるか、新
しいラインセグメントをスタートさせ以前のセグメント
を終了させるかを決めるため、ラインから誘導した式を
使用してX+のデータが調べられる。このテストは次の
不等式を使用して行われる。
【0013】
【数1】
【0014】ここに、MSEは平均2乗誤差、偏差スラ
ック(deviation slack) は、トレンドの傾斜が急なと
き、MSEの変化を減らすための適合度統計量(fit sta
tistic) の分母に与えられるバイアス(偏り量)であ
り、好適な実施例ではスラック定数にX−の偏差をかけ
たものに等しい。適合度公差(fit tolerance) とは、与
えられたラインセグメントに許されるデータの適合度の
硬さを制御する定数であり、好適な実施例では4.8 に等
しい。バイアススラック(bias slack)とは、X−のMS
Eがゼロのとき、新しいラインセグメントが形成される
のを防止するのに使用される定数である。好適な実施例
では、バイアススラックはゼロに等しくセットされ、決
定ブロックは図9に示すアルゴリズムに含まれ、適合度
の統計量の分母がゼロに等しいときの状況を処理する。
もし、不等式が真であれば、X+内の最も左のデータポ
イントがX−に移動され、新しいデータポイントが、X
+の最も右側に移動される。もし、不等式が偽であれ
ば、ラインセグメントが終了し、新しいX−が定義した
ラインセグメントに続く新しいデータポイントの初めと
定義される。
ック(deviation slack) は、トレンドの傾斜が急なと
き、MSEの変化を減らすための適合度統計量(fit sta
tistic) の分母に与えられるバイアス(偏り量)であ
り、好適な実施例ではスラック定数にX−の偏差をかけ
たものに等しい。適合度公差(fit tolerance) とは、与
えられたラインセグメントに許されるデータの適合度の
硬さを制御する定数であり、好適な実施例では4.8 に等
しい。バイアススラック(bias slack)とは、X−のMS
Eがゼロのとき、新しいラインセグメントが形成される
のを防止するのに使用される定数である。好適な実施例
では、バイアススラックはゼロに等しくセットされ、決
定ブロックは図9に示すアルゴリズムに含まれ、適合度
の統計量の分母がゼロに等しいときの状況を処理する。
もし、不等式が真であれば、X+内の最も左のデータポ
イントがX−に移動され、新しいデータポイントが、X
+の最も右側に移動される。もし、不等式が偽であれ
ば、ラインセグメントが終了し、新しいX−が定義した
ラインセグメントに続く新しいデータポイントの初めと
定義される。
【0015】1実施例では、もし不等式が偽であれば、
適合度統計量のベースが現在の適合度統計量に等しくセ
ットされる。データポイントが継続的にX−に加えら
れ、新しいデータポイントが加えられるとき新しい適合
度統計量が計算される。適合度統計量ベースの適合度公
差の最小比を表し、適合度統計量が所定の適合度不足の
パーセントに到達すると、データポイントはもはやX−
に加えられない。これは、もしトレンドがX+のデータ
ポイントの群の初めというより実際にX+の真ん中で変
化すると、X+内のデータポイントのサブセットがライ
ンセグメントに加えられるのを許す。図7から10につ
いて、本発明で実行されるアルゴリズムを記述する。ブ
ロック101 で故障適合度パラメーターが初期化され、蓄
積した値は全てゼロに等しくセットされる。ブロック10
2 で、システムは故障のオーバーライドがあったかどう
か決める。ブロック103 で、1つの通信システムを通っ
てデータポイントがコンピューターシステムにロードさ
れる。個々のデータポイントで記憶された時間とその大
きさが任意にXとYとして選択される。このデータは次
にブロック104で処理され、これは図8でより詳細に記
述する。データの処理に続いて、ブロック105 で出力フ
ァイルが閉じられ、アルゴリズムは終了する。
適合度統計量のベースが現在の適合度統計量に等しくセ
ットされる。データポイントが継続的にX−に加えら
れ、新しいデータポイントが加えられるとき新しい適合
度統計量が計算される。適合度統計量ベースの適合度公
差の最小比を表し、適合度統計量が所定の適合度不足の
パーセントに到達すると、データポイントはもはやX−
に加えられない。これは、もしトレンドがX+のデータ
ポイントの群の初めというより実際にX+の真ん中で変
化すると、X+内のデータポイントのサブセットがライ
ンセグメントに加えられるのを許す。図7から10につ
いて、本発明で実行されるアルゴリズムを記述する。ブ
ロック101 で故障適合度パラメーターが初期化され、蓄
積した値は全てゼロに等しくセットされる。ブロック10
2 で、システムは故障のオーバーライドがあったかどう
か決める。ブロック103 で、1つの通信システムを通っ
てデータポイントがコンピューターシステムにロードさ
れる。個々のデータポイントで記憶された時間とその大
きさが任意にXとYとして選択される。このデータは次
にブロック104で処理され、これは図8でより詳細に記
述する。データの処理に続いて、ブロック105 で出力フ
ァイルが閉じられ、アルゴリズムは終了する。
【0016】ブロック104 と105 に関して記述する機能
は、データ解析が中央コンピュータ16でオフボード機械
で行われるシステムを記述する。他の実施例では、デー
タ解析が電子モジュール20でオンボード機械で行われ
る。この場合、ブロック104 の処理の結果は記憶される
が、記述されず、ブロック105 の機能は省略される。図
8に行くと、ブロック104.1 と104.2 でそれぞれX−マ
イナスの統計量はゼロにされ、X−ウィンドーは開始デ
ータポイントで満たされる。それからコンピューターは
ブロック104.3 で、未処理データポイントがX+ウィン
ドーに含まれるポイント数より多くあるか決める。もし
そうなら、ブロック104.4 で、X+の最も左のポイント
がX−の最も右の位置に移動され、新しいデータポイン
トがX+ウィンドーに加えられる。それから、他のカー
ブ適合技術を使用することも同様に適切であるが、ここ
では最小2乗誤差法を使用して、X−の新しい最も適合
するラインに到達するように、新しい統計量が計算され
る。X+ウィンドーの内のデータポイントの平均2乗誤
差が、ブロック104.5 で導かれた最も適合するラインに
ついて計算され、X−のデータポイントの適合度と比較
して、X−のデータポイントを使用して決めたラインに
対して、X+のデータポイントの相対的適合度を決め
る。ブロック104.7 で、また図9により詳細に示すよう
に、X+のデータポイントはX−ラインセグメントによ
り記述されるトレンドの一部か、又は新しいトレンドを
記述するため新しいラインセグメントを定義するべきか
を決める。
は、データ解析が中央コンピュータ16でオフボード機械
で行われるシステムを記述する。他の実施例では、デー
タ解析が電子モジュール20でオンボード機械で行われ
る。この場合、ブロック104 の処理の結果は記憶される
が、記述されず、ブロック105 の機能は省略される。図
8に行くと、ブロック104.1 と104.2 でそれぞれX−マ
イナスの統計量はゼロにされ、X−ウィンドーは開始デ
ータポイントで満たされる。それからコンピューターは
ブロック104.3 で、未処理データポイントがX+ウィン
ドーに含まれるポイント数より多くあるか決める。もし
そうなら、ブロック104.4 で、X+の最も左のポイント
がX−の最も右の位置に移動され、新しいデータポイン
トがX+ウィンドーに加えられる。それから、他のカー
ブ適合技術を使用することも同様に適切であるが、ここ
では最小2乗誤差法を使用して、X−の新しい最も適合
するラインに到達するように、新しい統計量が計算され
る。X+ウィンドーの内のデータポイントの平均2乗誤
差が、ブロック104.5 で導かれた最も適合するラインに
ついて計算され、X−のデータポイントの適合度と比較
して、X−のデータポイントを使用して決めたラインに
対して、X+のデータポイントの相対的適合度を決め
る。ブロック104.7 で、また図9により詳細に示すよう
に、X+のデータポイントはX−ラインセグメントによ
り記述されるトレンドの一部か、又は新しいトレンドを
記述するため新しいラインセグメントを定義するべきか
を決める。
【0017】ブロック104.7.2 で、適合度の統計量の分
母が計算される。もし適合度の統計量の分母がゼロより
大きければ、適合度の統計量が計算され、適合度の公差
と比較される。もし適合度の統計量が適合度の公差より
小さければ、適合度はパスし、そうでなければ適合度は
パスしない。もし、適合度の統計量の分母がゼロより大
きくなければ、X+の平均2乗誤差がゼロより大きくな
ければ、適合度はパスしない。そうでなければ、適合度
はパスする。もし適合度がパスすると、ブロック104.11
で警告状態が決められる。もし適合度がパスしないと、
ブロック104.11で、X−のデータポイントが新しいライ
ンセグメントとして定義され、警告状態が決められる。
104.11の警告状態決定ブロックの詳細動作が、図10で
示される。ブロック104.11.2でX−とX+内のデータポ
イントの平均からのX+の最後のポイントの距離が、標
準偏差で計算される。そうでなければ、データポイント
の位置が所定の警告レベルについて決められ、データポ
イントの警告レベルからの相対的距離の指示が与えられ
る。他のカーブ適合技術を使用してもよいが、最小2乗
法を使用して得られたX−ラインセグメントの式から、
ラインセグメントの傾斜と持続期間が決められる。この
傾斜と持続期間に基づいて、コンピューターが公知の型
のルックアップテーブルから有意性ファクターを得る。
トレンドの傾斜と持続期間が増加すると、有意性ファク
ターの値が増加する。即ち、どの傾斜でも持続期間が増
加すると有意性ファクターの値が増加し、どの持続期間
でも傾斜が増加すると有意性ファクターの値は増加す
る。ルックアップテーブルに使用される正確な値は、設
計上の選択として選ばれ、故障が実際に差し迫ったとき
のみ故障が指示される。
母が計算される。もし適合度の統計量の分母がゼロより
大きければ、適合度の統計量が計算され、適合度の公差
と比較される。もし適合度の統計量が適合度の公差より
小さければ、適合度はパスし、そうでなければ適合度は
パスしない。もし、適合度の統計量の分母がゼロより大
きくなければ、X+の平均2乗誤差がゼロより大きくな
ければ、適合度はパスしない。そうでなければ、適合度
はパスする。もし適合度がパスすると、ブロック104.11
で警告状態が決められる。もし適合度がパスしないと、
ブロック104.11で、X−のデータポイントが新しいライ
ンセグメントとして定義され、警告状態が決められる。
104.11の警告状態決定ブロックの詳細動作が、図10で
示される。ブロック104.11.2でX−とX+内のデータポ
イントの平均からのX+の最後のポイントの距離が、標
準偏差で計算される。そうでなければ、データポイント
の位置が所定の警告レベルについて決められ、データポ
イントの警告レベルからの相対的距離の指示が与えられ
る。他のカーブ適合技術を使用してもよいが、最小2乗
法を使用して得られたX−ラインセグメントの式から、
ラインセグメントの傾斜と持続期間が決められる。この
傾斜と持続期間に基づいて、コンピューターが公知の型
のルックアップテーブルから有意性ファクターを得る。
トレンドの傾斜と持続期間が増加すると、有意性ファク
ターの値が増加する。即ち、どの傾斜でも持続期間が増
加すると有意性ファクターの値が増加し、どの持続期間
でも傾斜が増加すると有意性ファクターの値は増加す
る。ルックアップテーブルに使用される正確な値は、設
計上の選択として選ばれ、故障が実際に差し迫ったとき
のみ故障が指示される。
【0018】1実施例では、有意性ファクター自体が故
障状態が指示されるかどうか決めるため使用される。又
は、有意性ファクターにブロック104.11.2で得られた標
準偏差の平均からの距離をかけることにより、ブロック
104.11.5で警告パラメーターが計算される。又は、警告
レベルからのデータポイントの相対的距離を表す数が有
意性ファクターと結合され警告パラメーターを生じる。
ブロック104.11.2で得られた平均は、データポイントの
指数関数重み付け平均、最新のデータポイントの所定の
数の算術平均、機械の最後のサービス以降に記憶された
全データの算術平均、又は履歴の平均を決める同様の手
順の1つである。その後、警告パラメーターが注意しき
い値と比較される。好適な実施例では、もしブロック10
4.11.2でデータポイントが平均より下なら、結果の距離
は負の数として示され、もし傾斜が負なら結果の有意性
ファクターは負である。パラメーターレベルが低いが十
分な持続期間について十分な正の傾斜を有するトレンド
に沿って平均に戻っていくとき故障状態の間違った指示
が起こりえるが、このアプローチにより減少する。もし
警告パラメーターが注意しきい値より小さければ、ライ
ンセグメントは、範囲内で図5の通常の運転状態を表す
2次元の「A」領域と同様である。動作した警告は、ブ
ロック104.11.7でリセットされる。
障状態が指示されるかどうか決めるため使用される。又
は、有意性ファクターにブロック104.11.2で得られた標
準偏差の平均からの距離をかけることにより、ブロック
104.11.5で警告パラメーターが計算される。又は、警告
レベルからのデータポイントの相対的距離を表す数が有
意性ファクターと結合され警告パラメーターを生じる。
ブロック104.11.2で得られた平均は、データポイントの
指数関数重み付け平均、最新のデータポイントの所定の
数の算術平均、機械の最後のサービス以降に記憶された
全データの算術平均、又は履歴の平均を決める同様の手
順の1つである。その後、警告パラメーターが注意しき
い値と比較される。好適な実施例では、もしブロック10
4.11.2でデータポイントが平均より下なら、結果の距離
は負の数として示され、もし傾斜が負なら結果の有意性
ファクターは負である。パラメーターレベルが低いが十
分な持続期間について十分な正の傾斜を有するトレンド
に沿って平均に戻っていくとき故障状態の間違った指示
が起こりえるが、このアプローチにより減少する。もし
警告パラメーターが注意しきい値より小さければ、ライ
ンセグメントは、範囲内で図5の通常の運転状態を表す
2次元の「A」領域と同様である。動作した警告は、ブ
ロック104.11.7でリセットされる。
【0019】もし警告パラメーターが注意しきい値より
大きければ、ラインセグメントは通常運転領域の外であ
る。もし警告パラメーターが注意しきい値より大きい
が、警告しきい値より小さければ、ラインセグメントは
図5の注意領域を表す2次元の「B」領域と同様であ
る。もし警告パラメーターが警告しきい値より大きけれ
ば、ラインセグメントは図5の警告領域を表す2次元の
「C」領域と同様である。上述したように、他の実施例
では有意性ファクター自体が注意しきい値と警告しきい
値と比較され、それにより図5で認識された領域に分類
される。故障状態があることは、作業機械12と中央コン
ピューターシステム16の何方か又は双方で光又はホーン
等の複数の利用できる警告手段により示される。故障状
態があることは、又診断員により使用されるため記憶さ
れる。制御は、ブロック104.3 に戻る。もし、ブロック
104.3 にそれ以上のデータがなければ、最後のX−ライ
ンが出力で、ブロック105 で出力ファイルが閉じられ
る。ハイウェートラックと大型採掘、建設機械等の作業
機械は、大きな設備投資を要し、修理するとき所有者の
全体の生産性がかなり落ちる。生産性のロスを減少する
ため、本発明はサービスとサービス員に検知した機械パ
ラメーターに関する履歴データを提供するのに使われ
る。この履歴データは故障を診断し、将来の故障を予測
し、機械とオペレーターの性能を評価するのに使用され
る。
大きければ、ラインセグメントは通常運転領域の外であ
る。もし警告パラメーターが注意しきい値より大きい
が、警告しきい値より小さければ、ラインセグメントは
図5の注意領域を表す2次元の「B」領域と同様であ
る。もし警告パラメーターが警告しきい値より大きけれ
ば、ラインセグメントは図5の警告領域を表す2次元の
「C」領域と同様である。上述したように、他の実施例
では有意性ファクター自体が注意しきい値と警告しきい
値と比較され、それにより図5で認識された領域に分類
される。故障状態があることは、作業機械12と中央コン
ピューターシステム16の何方か又は双方で光又はホーン
等の複数の利用できる警告手段により示される。故障状
態があることは、又診断員により使用されるため記憶さ
れる。制御は、ブロック104.3 に戻る。もし、ブロック
104.3 にそれ以上のデータがなければ、最後のX−ライ
ンが出力で、ブロック105 で出力ファイルが閉じられ
る。ハイウェートラックと大型採掘、建設機械等の作業
機械は、大きな設備投資を要し、修理するとき所有者の
全体の生産性がかなり落ちる。生産性のロスを減少する
ため、本発明はサービスとサービス員に検知した機械パ
ラメーターに関する履歴データを提供するのに使われ
る。この履歴データは故障を診断し、将来の故障を予測
し、機械とオペレーターの性能を評価するのに使用され
る。
【0020】本発明の他の態様、目的、利点は図面、発
明の詳細な説明、特許請求の範囲から得ることができ
る。
明の詳細な説明、特許請求の範囲から得ることができ
る。
【図1】本発明の実施例の高所から見た概略図である。
【図2】本発明の1実施例の電子モジュールへの複数の
接続を示す。
接続を示す。
【図3】本発明の1実施例の電子モジュールにより行わ
れるアルゴリズムを示す。
れるアルゴリズムを示す。
【図4】複数のセンサー値と最も適合するラインセグメ
ントを示す。
ントを示す。
【図5】トレンドのデータの傾斜と持続期間の関数とし
ての警告レベルを表す。
ての警告レベルを表す。
【図6】ラインセグメントを得るため使われたデータポ
イントのグループの例を示す。
イントのグループの例を示す。
【図7】本発明の1実施例のアルゴリズム全体を例示す
る。
る。
【図8】図7のアルゴリズム一部をより詳細に示す。
【図9】図8のアルゴリズム一部をより詳細に示す。
【図10】図9のアルゴリズム一部をより詳細に示す。
【符号の説明】 10・・機械予測システム 12・・作業機械 14・・通信システム 16・・中央コンピューターシステム 18・・センサー 20・・電子モジュール 22・・オフボードコンピューター
───────────────────────────────────────────────────── フロントページの続き (72)発明者 サティシュ エム シェティー アメリカ合衆国 イリノイ州 61611 イ ースト ピオーリア ジャスティス ドラ イヴ 108
Claims (16)
- 【請求項1】 故障状態を指示する装置において、 性能に従うレベルを有する複数のパラメーターを有する
機械、 前記機械に接続され、前記複数のパラメーターの1つの
レベルに応じて電子信号を生じるセンサー、 前記電子信号に応じて前記パラメーターのレベルのトレ
ンドを認識する手段、 前記トレンドの持続期間と傾斜を計算する手段、及び、 前記トレンドの持続期間と傾斜に応じて、持続期間と傾
斜の関数である第1警告しきい値を超えたかどうか決定
する手段、とを備える装置。 - 【請求項2】 請求項1に記載した装置であって、 前記パラメーターのレベルを示す重み付けファクターを
得る手段を含み、前記第1警告しきい値は前記重み付け
ファクター、持続期間、傾斜の関数であることを特徴と
する装置。 - 【請求項3】 請求項1に記載した装置であって、 前記トレンドの持続期間と傾斜に応じて、持続期間、傾
斜の関数である第2警告しきい値を超えたかどうか決定
する手段を含むことを特徴とする装置。 - 【請求項4】 請求項3に記載した装置であって、 前記パラメーターのレベルを示す重み付けファクターを
得る手段を含み、前記第2警告しきい値は前記重み付け
ファクター、持続期間、傾斜の関数であることを特徴と
する装置。 - 【請求項5】 請求項1に記載した装置であって、 前記電子信号を遠隔ベースステーションに送信する手段
を含むことを特徴とする装置。 - 【請求項6】 請求項5に記載した装置であって、 前記前記トレンドを認識する手段、前記トレンドの持続
期間と傾斜を計算する手段、前記第1警告しきい値を超
えたか判断する手段は、前記遠隔ベースステーションに
位置することを特徴とする装置。 - 【請求項7】 請求項1に記載した装置であって、 前記第1警告しきい値を超えたか判断する手段は、前記
トレンドの持続期間と傾斜に応じて有意性ファクターを
得る手段を含むことを特徴とする装置。 - 【請求項8】 請求項7に記載した装置であって、 平均値と警告レベルのうち1つから前記パラメーターレ
ベルの距離を示す重み付けファクターを得る手段を含
み、前記第1警告しきい値を超えたか判断する手段は、
前記重み付けファクターに前記有意性ファクターをかけ
る手段を含むことを特徴とする装置。 - 【請求項9】 故障状態を指示する装置において、 機械の性能に従うレベルを有する複数のパラメーターを
有する機械、 前記機械に接続され、前記複数のパラメーターの1つの
レベルに応じて電子信号を生じるセンサー、 前記電子信号により定義される複数のポイントに応じて
ラインセグメントを得る手段、 前記ラインセグメントの持続期間と傾斜を計算する手
段、及び、 前記ラインセグメントの持続期間と傾斜に応じて、持続
期間と傾斜の関数である第1警告しきい値を超えたかど
うか決定する手段、を備える装置。 - 【請求項10】 請求項9に記載した装置であって、 前記ラインセグメントを得る手段は、第1パラメーター
のデータの第1部分集合に応じて最も適合するラインを
得て、パラメーターのデータの第2部分集合が、前記最
も適合するラインから所定の公差より大きく離れている
かどうかを決定する手段を含むことを特徴とする装置。 - 【請求項11】 故障状態を指示する方法において、 機械を運転し、 前記機械の性能に応じたレベルを有する機械パラメータ
ーを検知し、それに応じて前記パラメーターのレベルに
応じて電子信号を生じ、 前記電子信号に応じて前記パラメーターのレベルのトレ
ンドを認識し、 前記トレンドの持続期間と傾斜を計算し、 持続期間と傾斜の関数である第1警告しきい値を超えた
かどうか決定する、ステップを備える方法。 - 【請求項12】 請求項11に記載した方法であって、 前記パラメーターのレベルを示す重み付けファクターを
得るステップを含み、前記第1警告しきい値は前記重み
付けファクター、持続期間、傾斜の関数であることを特
徴とする方法。 - 【請求項13】 請求項11に記載した方法であって、 前記トレンドの持続期間と傾斜に応じて、持続期間と傾
斜の関数である前記第2警告しきい値を超えたかどうか
を決定するステップを含むことを特徴とする方法。 - 【請求項14】 請求項13に記載した方法であって、 前記パラメーターのレベルを示す重み付けファクターを
決定するステップを含み、前記第2警告しきい値は前記
重み付けファクター、持続期間、傾斜の関数であること
を特徴とする方法。 - 【請求項15】 請求項11に記載した方法であって、 前記第2警告しきい値を超えたかどうかを決定するステ
ップは、前記トレンドの持続期間と傾斜に応じて、有意
性ファクターを得るステップを含むことを特徴とする方
法。 - 【請求項16】 請求項15に記載した方法であって、 警告レベルからの前記パラメーターレベルの距離を示す
重み付けファクターを得るステップを含み、前記第1警
告しきい値を超えたかどうかを判断するステップは、前
記重み付けファクターに前記有意性ファクターをかける
ステップを含むことを特徴とする方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US08/268693 | 1994-06-30 | ||
US08/268,693 US5561610A (en) | 1994-06-30 | 1994-06-30 | Method and apparatus for indicating a fault condition |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH0854924A true JPH0854924A (ja) | 1996-02-27 |
Family
ID=23024068
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP7165502A Pending JPH0854924A (ja) | 1994-06-30 | 1995-06-30 | 故障状態指示方法と装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US5561610A (ja) |
JP (1) | JPH0854924A (ja) |
GB (1) | GB2290872B (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005257416A (ja) * | 2004-03-10 | 2005-09-22 | Internatl Business Mach Corp <Ibm> | 診断装置、検出装置、制御方法、検出方法、プログラム、及び記録媒体 |
US7065570B2 (en) | 2000-07-11 | 2006-06-20 | Komatsu Ltd. | System, method, computer program, and recording medium for machine-management |
JP2017186940A (ja) * | 2016-04-04 | 2017-10-12 | いすゞ自動車株式会社 | 異常検出装置、異常検出方法及び異常検出システム |
JP2017186939A (ja) * | 2016-04-04 | 2017-10-12 | いすゞ自動車株式会社 | 異常検出装置、異常検出方法及び異常検出システム |
Families Citing this family (77)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB9015198D0 (en) * | 1990-07-10 | 1990-08-29 | Brien Caroline J O | Binding substance |
DE19510416A1 (de) * | 1995-03-24 | 1996-09-26 | Klein Schanzlin & Becker Ag | Sensormodul |
US5787378A (en) * | 1996-03-15 | 1998-07-28 | Caterpillar Inc. | Method for determining the resistance factor of an earthmoving machine to detect an abnormal condition |
US5905989A (en) * | 1996-11-27 | 1999-05-18 | Bently Nevada Corporation | Knowledge manager relying on a hierarchical default expert system: apparatus and method |
US5864783A (en) * | 1997-04-04 | 1999-01-26 | Sno-Way International | Apparatus for testing snow removal equipment |
US5950147A (en) * | 1997-06-05 | 1999-09-07 | Caterpillar Inc. | Method and apparatus for predicting a fault condition |
US5991707A (en) * | 1998-03-09 | 1999-11-23 | Hydrotec Systems Company, Inc. | Method and system for predictive diagnosing of system reliability problems and/or system failure in a physical system |
US6119074A (en) * | 1998-05-20 | 2000-09-12 | Caterpillar Inc. | Method and apparatus of predicting a fault condition |
GB2340969B (en) | 1998-06-05 | 2003-02-12 | Trendview Recorders Ltd | Data logging |
EP0989503B1 (en) * | 1998-09-24 | 2001-08-16 | ULTRA Proizvodnja elektronskih naprav d.o.o. | Network system with remote data acquisition |
US6363332B1 (en) * | 1998-12-22 | 2002-03-26 | Caterpillar Inc. | Method and apparatus for predicting a fault condition using non-linear curve fitting techniques |
US6401054B1 (en) * | 1998-12-28 | 2002-06-04 | General Electric Company | Method of statistical analysis in an intelligent electronic device |
US6204773B1 (en) * | 1999-02-16 | 2001-03-20 | Meritor Heavy Vehicle Systems, Llc | Mercury vibration warning switch |
US6425293B1 (en) | 1999-03-13 | 2002-07-30 | Textron Systems Corporation | Sensor plug |
US6694285B1 (en) | 1999-03-13 | 2004-02-17 | Textron System Corporation | Method and apparatus for monitoring rotating machinery |
US6510397B1 (en) | 1999-03-13 | 2003-01-21 | Textron Systems Corporation | Method and apparatus for self-diagnosis of a sensor |
US6546814B1 (en) | 1999-03-13 | 2003-04-15 | Textron Systems Corporation | Method and apparatus for estimating torque in rotating machinery |
US6442511B1 (en) | 1999-09-03 | 2002-08-27 | Caterpillar Inc. | Method and apparatus for determining the severity of a trend toward an impending machine failure and responding to the same |
US7088671B1 (en) | 1999-11-24 | 2006-08-08 | Peter Monsen | Multiple access technique for downlink multibeam digital radio systems |
US6408258B1 (en) | 1999-12-20 | 2002-06-18 | Pratt & Whitney Canada Corp. | Engine monitoring display for maintenance management |
WO2001073225A1 (fr) * | 2000-03-31 | 2001-10-04 | Hitachi Construction Machinery Co., Ltd. | Systeme de gestion de machines de construction |
WO2002018962A1 (en) * | 2000-08-30 | 2002-03-07 | General Electric Company | Computerized method and system for determining degradation of dc link capacitors |
US9558663B2 (en) | 2000-10-04 | 2017-01-31 | Intelligent Technologies International, Inc. | Animal detecting and notification method and system |
US9015071B2 (en) | 2000-09-08 | 2015-04-21 | Intelligent Technologies International, Inc. | Asset monitoring using the internet |
US8989920B2 (en) | 2000-09-08 | 2015-03-24 | Intelligent Technologies International, Inc. | Travel information sensing and communication system |
US9014953B2 (en) | 2000-09-08 | 2015-04-21 | Intelligent Technologies International, Inc. | Wireless sensing and communication system for traffic lanes |
US6836396B1 (en) | 2000-09-13 | 2004-12-28 | General Electric Company | World wide web enabled and digital rating plug |
US6934696B1 (en) | 2000-09-15 | 2005-08-23 | Bently Nevada, Llc | Custom rule system and method for expert systems |
US9084076B2 (en) | 2001-02-16 | 2015-07-14 | Intelligent Technologies International, Inc. | Techniques for obtaining information about objects |
JP4147016B2 (ja) * | 2001-10-16 | 2008-09-10 | 富士通株式会社 | 携帯端末 |
EP1403750A1 (de) * | 2002-09-27 | 2004-03-31 | Peter Renner | System zum Aufspüren und Bewerten von Veränderungen an technischen Prozessen |
US8073653B2 (en) * | 2002-12-23 | 2011-12-06 | Caterpillar Inc. | Component life indicator |
US7580812B2 (en) * | 2004-01-28 | 2009-08-25 | Honeywell International Inc. | Trending system and method using window filtering |
DE102004034398B4 (de) * | 2004-07-16 | 2009-12-03 | Universität Potsdam | Verfahren zum Ermitteln einer linearen Beziehung aus elektronisch speicherbaren Meßdaten |
US7565333B2 (en) | 2005-04-08 | 2009-07-21 | Caterpillar Inc. | Control system and method |
US7877239B2 (en) | 2005-04-08 | 2011-01-25 | Caterpillar Inc | Symmetric random scatter process for probabilistic modeling system for product design |
US8364610B2 (en) | 2005-04-08 | 2013-01-29 | Caterpillar Inc. | Process modeling and optimization method and system |
US7499777B2 (en) * | 2005-04-08 | 2009-03-03 | Caterpillar Inc. | Diagnostic and prognostic method and system |
US8209156B2 (en) | 2005-04-08 | 2012-06-26 | Caterpillar Inc. | Asymmetric random scatter process for probabilistic modeling system for product design |
US7487134B2 (en) | 2005-10-25 | 2009-02-03 | Caterpillar Inc. | Medical risk stratifying method and system |
US7499842B2 (en) * | 2005-11-18 | 2009-03-03 | Caterpillar Inc. | Process model based virtual sensor and method |
US20070124236A1 (en) * | 2005-11-30 | 2007-05-31 | Caterpillar Inc. | Credit risk profiling method and system |
US7505949B2 (en) | 2006-01-31 | 2009-03-17 | Caterpillar Inc. | Process model error correction method and system |
US20070255511A1 (en) * | 2006-04-28 | 2007-11-01 | Hofmeister James P | General-purpose adaptive reasoning processor and fault-to-failure progression modeling of a multiplicity of regions of degradation for producing remaining useful life estimations |
US8478506B2 (en) | 2006-09-29 | 2013-07-02 | Caterpillar Inc. | Virtual sensor based engine control system and method |
DE102006050938A1 (de) * | 2006-10-28 | 2008-04-30 | Abb Technology Ag | Verfahren zur vorausschauenden Ermittlung einer Prozessgröße |
CN101201910A (zh) * | 2006-12-13 | 2008-06-18 | 深圳富泰宏精密工业有限公司 | 治具校正报告自动录入***及方法 |
US7483774B2 (en) | 2006-12-21 | 2009-01-27 | Caterpillar Inc. | Method and system for intelligent maintenance |
US7719808B2 (en) * | 2007-05-15 | 2010-05-18 | Astec International Limited | Power converters with operating efficiency monitoring for fault detection |
US20080284449A1 (en) * | 2007-05-15 | 2008-11-20 | Vijay Phadke | Power converters with component stress monitoring for fault prediction |
US7719812B2 (en) * | 2007-05-15 | 2010-05-18 | Astec International Limited | Power converters with rate of change monitoring for fault prediction and/or detection |
US7787969B2 (en) | 2007-06-15 | 2010-08-31 | Caterpillar Inc | Virtual sensor system and method |
US7831416B2 (en) | 2007-07-17 | 2010-11-09 | Caterpillar Inc | Probabilistic modeling system for product design |
US7788070B2 (en) | 2007-07-30 | 2010-08-31 | Caterpillar Inc. | Product design optimization method and system |
US7542879B2 (en) | 2007-08-31 | 2009-06-02 | Caterpillar Inc. | Virtual sensor based control system and method |
US7817051B2 (en) * | 2007-09-14 | 2010-10-19 | Astec International Limited | Power converter with degraded component alarm |
US7804415B2 (en) | 2007-09-14 | 2010-09-28 | Astec International Limited | Health monitoring for power converter components |
US7830269B2 (en) * | 2007-09-14 | 2010-11-09 | Astec International Limited | Health monitoring for power converter capacitors |
US7593804B2 (en) | 2007-10-31 | 2009-09-22 | Caterpillar Inc. | Fixed-point virtual sensor control system and method |
US8224468B2 (en) | 2007-11-02 | 2012-07-17 | Caterpillar Inc. | Calibration certificate for virtual sensor network (VSN) |
US8036764B2 (en) | 2007-11-02 | 2011-10-11 | Caterpillar Inc. | Virtual sensor network (VSN) system and method |
US9997068B2 (en) | 2008-01-28 | 2018-06-12 | Intelligent Technologies International, Inc. | Method for conveying driving conditions for vehicular control |
US8086640B2 (en) | 2008-05-30 | 2011-12-27 | Caterpillar Inc. | System and method for improving data coverage in modeling systems |
US7917333B2 (en) | 2008-08-20 | 2011-03-29 | Caterpillar Inc. | Virtual sensor network (VSN) based control system and method |
DE102009021130A1 (de) * | 2009-05-14 | 2010-11-18 | Wincor Nixdorf International Gmbh | Einrichtung zum zentralen Überwachen des Betriebes von Bankautomaten |
US20110190956A1 (en) * | 2010-01-29 | 2011-08-04 | Neil Kunst | Prognostic-Enabled Power System |
US20110202554A1 (en) * | 2010-02-18 | 2011-08-18 | Hand Held Products, Inc. | Remote device management system and method |
US8793004B2 (en) | 2011-06-15 | 2014-07-29 | Caterpillar Inc. | Virtual sensor system and method for generating output parameters |
US20130173215A1 (en) * | 2012-01-04 | 2013-07-04 | Honeywell International Inc. | Adaptive trend-change detection and function fitting system and method |
JP5868784B2 (ja) * | 2012-05-31 | 2016-02-24 | 横河電機株式会社 | プロセス監視システム及び方法 |
SE536922C2 (sv) * | 2013-02-19 | 2014-10-28 | Basim Al-Najjar | En metod och en apparat för att prediktera tillståndet hos en maskin eller en komponent hos maskinen |
AU2014203829A1 (en) * | 2014-07-11 | 2016-01-28 | Caterpillar Of Australia Pty Ltd | System and method for determining machine operational state |
WO2019089450A1 (en) * | 2017-10-30 | 2019-05-09 | Carrier Corporation | Compensator in a detector device |
CN109829245B (zh) * | 2019-02-25 | 2023-05-26 | 中科诺维(北京)科技有限公司 | 轴承故障预警方法和装置 |
CN111222247A (zh) * | 2020-01-13 | 2020-06-02 | 北京化工大学 | 一种旋转机械早期故障预警方法 |
US20210288493A1 (en) * | 2020-03-12 | 2021-09-16 | ComAp a.s. | Optimization of power generation from power sources using fault prediction based on intelligently tuned machine learning power management |
TWI779619B (zh) * | 2021-05-20 | 2022-10-01 | 遠傳電信股份有限公司 | 邊坡狀況偵測系統 |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3257652A (en) * | 1962-03-20 | 1966-06-21 | Reliance Electric & Eng Co | Operation monitor |
NL298329A (ja) * | 1962-09-24 | |||
AT314427B (de) * | 1971-11-04 | 1974-04-10 | List Hans | Einrichtung zur Bekämpfung von mit unzulässigem Druckanstieg verbundenen Reaktionen in Großbehältern |
US3882305A (en) * | 1974-01-15 | 1975-05-06 | Kearney & Trecker Corp | Diagnostic communication system for computer controlled machine tools |
US3946364A (en) * | 1975-01-08 | 1976-03-23 | Eldec Corporation | Method and apparatus for sensing, storing, and graphically displaying over-temperature conditions of jet engines |
ZA76973B (en) * | 1976-02-18 | 1977-09-28 | Transputer Ltd | An accessory for a vehicle |
USRE31750E (en) * | 1977-11-25 | 1984-11-27 | Ird Mechanalysis, Inc. | Data acquisition system |
US4184205A (en) * | 1977-11-25 | 1980-01-15 | Ird Mechanalysis, Inc. | Data acquisition system |
ZA785255B (en) * | 1978-09-15 | 1979-12-27 | Anglo Amer Corp South Africa | Alarm system |
US4254414A (en) * | 1979-03-22 | 1981-03-03 | The United States Of America As Represented By The Secretary Of The Navy | Processor-aided fire detector |
JPS5717810A (en) * | 1980-07-07 | 1982-01-29 | Nippon Denso Co Ltd | Alarm method and device for vehicle |
GB2094476A (en) * | 1981-03-05 | 1982-09-15 | Univ Southampton | Stress monitoring apparatus |
US4787053A (en) * | 1981-12-30 | 1988-11-22 | Semco Instruments, Inc. | Comprehensive engine monitor and recorder |
US4542461A (en) * | 1982-06-14 | 1985-09-17 | Payhauler Corporation | Apparatus for acquiring dump truck duty cycle data |
JPS5952306A (ja) * | 1982-09-18 | 1984-03-26 | Honda Motor Co Ltd | 電子制御装置の異常判別方法 |
JPS6139194A (ja) * | 1984-07-31 | 1986-02-25 | ホーチキ株式会社 | 火災警報装置 |
JPH0719315B2 (ja) * | 1985-04-09 | 1995-03-06 | ホーチキ株式会社 | 火災報知装置 |
US4967381A (en) * | 1985-04-30 | 1990-10-30 | Prometrix Corporation | Process control interface system for managing measurement data |
JPS6219999A (ja) * | 1985-07-18 | 1987-01-28 | ホーチキ株式会社 | 火災報知装置 |
FR2598524B1 (fr) * | 1986-05-07 | 1988-12-02 | Berruyer Yves | Procede de surveillance pour anticiper le declenchement d'une alarme. |
US5258923A (en) * | 1987-07-22 | 1993-11-02 | General Electric Company | System and method for detecting the occurrence, location and depth of cracks in turbine-generator rotors |
US5155468A (en) * | 1990-05-17 | 1992-10-13 | Sinmplex Time Recorder Co. | Alarm condition detecting method and apparatus |
US5303163A (en) * | 1992-08-20 | 1994-04-12 | Cummins Electronics Company | Configurable vehicle monitoring system |
-
1994
- 1994-06-30 US US08/268,693 patent/US5561610A/en not_active Expired - Fee Related
-
1995
- 1995-05-01 GB GB9508858A patent/GB2290872B/en not_active Expired - Fee Related
- 1995-06-30 JP JP7165502A patent/JPH0854924A/ja active Pending
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7065570B2 (en) | 2000-07-11 | 2006-06-20 | Komatsu Ltd. | System, method, computer program, and recording medium for machine-management |
JP2005257416A (ja) * | 2004-03-10 | 2005-09-22 | Internatl Business Mach Corp <Ibm> | 診断装置、検出装置、制御方法、検出方法、プログラム、及び記録媒体 |
US7720640B2 (en) | 2004-03-10 | 2010-05-18 | International Business Machines Corporation | Diagnostic data detection and control |
JP2017186940A (ja) * | 2016-04-04 | 2017-10-12 | いすゞ自動車株式会社 | 異常検出装置、異常検出方法及び異常検出システム |
JP2017186939A (ja) * | 2016-04-04 | 2017-10-12 | いすゞ自動車株式会社 | 異常検出装置、異常検出方法及び異常検出システム |
WO2017175678A1 (ja) * | 2016-04-04 | 2017-10-12 | いすゞ自動車株式会社 | 異常検出装置、異常検出方法及び異常検出システム |
WO2017175683A1 (ja) * | 2016-04-04 | 2017-10-12 | いすゞ自動車株式会社 | 異常検出装置、異常検出方法及び異常検出システム |
CN108884793A (zh) * | 2016-04-04 | 2018-11-23 | 五十铃自动车株式会社 | 异常检测装置、异常检测方法以及异常检测*** |
CN109072807A (zh) * | 2016-04-04 | 2018-12-21 | 五十铃自动车株式会社 | 异常检测装置、异常检测方法以及异常检测*** |
US10526991B2 (en) | 2016-04-04 | 2020-01-07 | Isuzu Motors Limited | Abnormality detection device, abnormality detection method, and abnormality detection system |
CN109072807B (zh) * | 2016-04-04 | 2021-09-17 | 五十铃自动车株式会社 | 异常检测装置、异常检测方法以及异常检测*** |
Also Published As
Publication number | Publication date |
---|---|
GB9508858D0 (en) | 1995-06-21 |
US5561610A (en) | 1996-10-01 |
GB2290872A (en) | 1996-01-10 |
GB2290872B (en) | 1998-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JPH0854924A (ja) | 故障状態指示方法と装置 | |
US5950147A (en) | Method and apparatus for predicting a fault condition | |
US6363332B1 (en) | Method and apparatus for predicting a fault condition using non-linear curve fitting techniques | |
US6119074A (en) | Method and apparatus of predicting a fault condition | |
US6442511B1 (en) | Method and apparatus for determining the severity of a trend toward an impending machine failure and responding to the same | |
JP4101287B2 (ja) | 同一負荷状態の2部品の比較によるマシン健康状態推定方法とその装置 | |
JP4040205B2 (ja) | 車両の異常診断装置 | |
US5463567A (en) | Apparatus and method for providing historical data regarding machine operating parameters | |
US6629029B1 (en) | Multi-purpose plug-in monitor for vehicles | |
US5737215A (en) | Method and apparatus for comparing machines in fleet | |
CN101681531B (zh) | 远程诊断建模 | |
US5596513A (en) | Method and apparatus for estimating internal brake energy | |
US5646341A (en) | Apparatus and method for diagnosing an engine using an oil pressure model | |
EP2249314B1 (en) | System for monitoring the state and driving of a vehicle | |
KR20090049492A (ko) | 차량 고장진단기기 | |
US20070136015A1 (en) | Diagnosis apparatus for diagnosing state of equipment | |
JP4244962B2 (ja) | 車両用通信システム | |
JP7385595B2 (ja) | 車両試験システム及び車両試験方法 | |
KR100561604B1 (ko) | 차량주행상태 기록방법 및 엔진제어용 컴퓨터 | |
US6438511B1 (en) | Population data acquisition system | |
US20230315082A1 (en) | Predictive maintenance method and system | |
US20240071149A1 (en) | Performance diagnostic device and performance diagnostic method | |
EP4385847A1 (en) | Method for improving driver behaviour by identifying behaviour of driver when driving on a speed bump, commercial vehicle, server and computer program | |
JPH0850031A (ja) | 信号評価方法 | |
CN113183966A (zh) | 一种智能驾驶方法、***、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040913 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20041122 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20050228 |