WO2020079842A1

WO2020079842A1 - エレベーターのブレーキ装置異常診断システム

Info

Publication number: WO2020079842A1
Application number: PCT/JP2018/039069
Authority: WO
Inventors: 泰弘遠山; 恒次阪田; 志賀　諭
Original assignee: 三菱電機株式会社; 三菱電機ビルテクノサービス株式会社
Priority date: 2018-10-19
Filing date: 2018-10-19
Publication date: 2020-04-23
Also published as: JP7056753B6; CN112805233A; KR20210055762A; KR102509840B1; JPWO2020079842A1; CN112805233B; JP7056753B2

Abstract

本発明の目的は、異常と診断する閾値が未知のデータに基づいてブレーキ装置（１１）の異常を診断できるブレーキ装置異常診断システム（１）を提供することである。ブレーキ装置異常診断システム（１）は、観測部（２８）と、変換部（３１）と、学習部（３２）と、判定部（３３）と、を備える。観測部（２８）は、ブレーキ装置（１１）が動作するときに、ブレーキ装置（１１）の動作についての動作データを取得する。変換部（３１）は、動作データをブレーキ装置（１１）の故障現象に対応する状態データに変換する。学習部（３２）は、状態データを用いてブレーキ装置（１１）の異常の診断モデルを教師あり学習または教師なし学習の手法によって学習する。判定部（３３）は、学習部（３２）による学習の後に観測部（２８）が取得した動作データを変換部（３１）が変換して得られる状態データから診断モデルに基づいてブレーキ装置（１１）の異常を判定する。

Description

エレベーターのブレーキ装置異常診断システム

　本発明は、エレベーターのブレーキ装置異常診断システムに関する。

　特許文献１にエレベーターのブレーキ装置異常診断システムの例が記載されている。ブレーキ装置異常診断システムは、ブレーキ装置のプランジャーのストロークをレーザー変位計で測定する。ブレーキ装置異常診断システムは、測定したストロークが閾値に達する場合にブレーキ装置を異常と診断する。

日本特開２０１５－４２８９２号公報

　しかしながら、特許文献１のブレーキ装置異常診断システムは、プランジャーのストロークに対して予め定められた一定の閾値に基づいてブレーキ装置の異常を判定する。このため、ブレーキ装置異常診断システムは、異常と判定する閾値が未知の場合にブレーキ装置の異常を診断できない。

　本発明は、このような課題を解決するためになされた。本発明の目的は、異常と診断する閾値が未知のデータに基づいてブレーキ装置の異常を診断できる異常診断システムを提供することである。

　本発明に係るエレベーターのブレーキ装置異常診断システムは、エレベーターのかごを制動するブレーキ装置が動作するときに、ブレーキ装置の動作についての動作データを取得する観測部と、観測部が取得した動作データをブレーキ装置の故障現象に対応する状態データに変換する変換部と、ブレーキ装置について異常を判定した判定データを取得するデータ取得部と、状態データおよび判定データを用いてブレーキ装置の異常の診断モデルを教師あり学習の手法によって学習する学習部と、学習部による学習の後に観測部が取得した動作データを変換部が変換して得られる状態データから診断モデルに基づいてブレーキ装置の異常を判定する判定部と、を備える。

　本発明に係るエレベーターのブレーキ装置異常診断システムは、エレベーターのかごを制動するブレーキ装置が動作するときに、ブレーキ装置の動作についての動作データを取得する観測部と、観測部が取得した動作データをブレーキ装置の故障現象に対応する状態データに変換する変換部と、状態データを用いてブレーキ装置の異常の診断モデルを教師なし学習の手法によって学習する学習部と、学習部による学習の後に観測部が取得した動作データを変換部が変換して得られる状態データから診断モデルに基づいてブレーキ装置の異常を判定する判定部と、を備える。

　これらの発明によれば、ブレーキ装置異常診断システムは、観測部と、変換部と、学習部と、判定部と、を備える。観測部は、エレベーターのかごを制動するブレーキ装置が動作するときに、ブレーキ装置の動作についての動作データを取得する。変換部は、観測部が取得した動作データをブレーキ装置の故障現象に対応する状態データに変換する。学習部は、状態データを用いてブレーキ装置の異常の診断モデルを教師あり学習または教師なし学習の手法によって学習する。判定部は、学習部による学習の後に観測部が取得した動作データを変換部が変換して得られる状態データから診断モデルに基づいてブレーキ装置の異常を判定する。これにより、異常と診断する閾値が未知のデータに基づいてブレーキ装置の異常を診断できる。

実施の形態１に係るブレーキ装置異常診断システムの構成図である。実施の形態１に係るブレーキ装置異常診断システムによる異常診断の例を示す図である。実施の形態１に係るブレーキ装置異常診断システムの動作の例を示すフローチャートである。実施の形態１に係るブレーキ装置異常診断システムの動作の例を示すフローチャートである。実施の形態１に係るブレーキ装置異常診断システムによる異常診断の例を示す図である。実施の形態１に係るブレーキ装置異常診断システムの主要部のハードウェア構成を示す図である。

　本発明を実施するための形態について添付の図面を参照しながら説明する。各図において、同一または相当する部分には同一の符号を付して、重複する説明は適宜に簡略化または省略する。

　実施の形態１．
　図１は、実施の形態１に係るブレーキ装置異常診断システム１の構成図である。

　ブレーキ装置異常診断システム１は、エレベーター２に適用される。

　エレベーター２は、建築物３に設けられる。建築物３は、複数の階を有する。エレベーター２において、昇降路４は、建築物３の各階を貫く。エレベーター２において、乗場５は、建築物３の各階に設けられる。各階の乗場５は、昇降路４に対向する。エレベーター２において、複数の乗場扉６の各々は、各階の乗場５に設けられる。エレベーター２は、巻上機７と、主ロープ８と、釣合オモリ９と、かご１０と、ブレーキ装置１１と、制御盤１２と、監視装置１３と、を備える。

　巻上機７は、例えば昇降路４の上部に設けられる。巻上機７は、モーターと、シーブと、を備える。巻上機７のモーターは、シーブを回転させる装置である。

　主ロープ８は、巻上機７のシーブの回転に追従して移動しうるように、巻上機７のシーブに巻きかけられる。主ロープ８の一端は、かご１０に設けられる。主ロープ８の他端は、釣合オモリ９に設けられる。

　釣合オモリ９は、主ロープ８の移動に追従して昇降路４の内部を鉛直方向に走行しうるように設けられる。

　かご１０は、主ロープ８の移動に追従して昇降路４の内部を鉛直方向に走行しうるように設けられる。かご１０は、かご扉１４を備える。かご扉１４は、かご１０が建築物３の各階のいずれかに停止しているときに開閉する装置である。かご扉１４は、乗場扉６を連動して開閉させる装置である。

　ブレーキ装置１１は、かご１０が停止しているときにかご１０を制動する装置である。ブレーキ装置１１は、ブレーキドラム１５と、ブレーキシュー１６と、コイル１７と、プランジャー１８と、バネ１９と、ブレーキ制御装置２０と、を備える。ブレーキドラム１５は、巻上機７のモーターと同期して回転しうるように、巻上機７のモーターの出力軸に設けられる。ブレーキシュー１６は、ブレーキドラム１５の外面に対向する。ブレーキシュー１６は、摩擦力によりブレーキドラム１５の回転を制動することによって、かご１０を制動する機器である。バネ１９は、弾性力によりブレーキシュー１６をブレーキドラム１５に押し付ける機器である。コイル１７は、通電によって磁界を発生させる機器である。プランジャー１８は、コイル１７が発生させる磁界によってバネ１９の弾性力に抗しながらブレーキシュー１６をブレーキドラム１５から離れるように変位させる機器である。ブレーキ制御装置２０は、ブレーキ装置１１の動作を制御する装置である。ブレーキ装置１１の動作は、吸引および釈放を含む。ブレーキ制御装置２０は、吸引指令および釈放指令を出力する素子を搭載する。吸引指令は、ブレーキ装置１１がかご１０を制動するときに出力される。釈放指令は、ブレーキ装置１１がかご１０を制動するときに出力される。ブレーキ装置１１は、バネ１９の弾性力をブレーキシュー１６に伝達するブレーキアームを備えてもよい。

　制御盤１２は、例えば昇降路４の上部に設けられる。制御盤１２は、エレベーター２の動作を制御する装置である。エレベーター２の動作は、例えばかご１０の走行を含む。制御盤１２は、エレベーター２の動作を制御しうるように、巻上機７およびブレーキ装置１１に接続される。

　監視装置１３は、例えば建築物３に設けられる。監視装置１３は、エレベーター２の動作を監視する装置である。監視装置１３は、エレベーター２の動作についてのデータを通信しうるように、制御盤１２に接続される。

　エレベーター２において、図示されない動作計測装置と、環境計測装置と、が設けられる。

　動作計測装置は、ブレーキ装置１１が動作するときに動作計測データを取得する装置である。動作計測データは、ブレーキ装置１１の動作についての情報を表す多成分のデータである。動作計測装置の一部または全部は、例えばブレーキ装置１１、巻上機７またはかご１０に設けられる。動作計測装置は、例えば、センサー、スイッチなどを含む。動作計測装置は、例えば、電流計と、ブレーキスイッチと、エンコーダーと、を含む。

　電流計は、例えばコイル１７に電力を供給する配線に設けられる。電流計は、コイル１７に通電される電流を測定するセンサーである。ブレーキスイッチは、ブレーキ装置１１に設けられる。ブレーキスイッチは、ブレーキ装置１１の作動状態を検出するスイッチである。ブレーキ装置１１の作動状態は、制動状態および解放状態を含む。ブレーキスイッチは、例えばブレーキ装置１１の一部の機械的な変位を検出することによってブレーキ装置１１の作動状態を検出する機構を備える。エンコーダーは、巻上機７のモーターに設けられる。エンコーダーは、巻上機７のモーターの回転角をパルス信号によって出力するセンサーである。

　動作計測データの各成分の情報は、制御盤１２に出力される。あるいは、動作計測データの各成分の情報は、ブレーキ制御装置２０を通じて制御盤１２に出力される。制御盤１２は、動作計測データを、信号データおよび算出データとともに動作データとして出力可能に記憶する。信号データは、制御信号の入力または出力の有無の情報を表す多成分のデータである。制御信号は、例えばブレーキ電圧指令、吸引指令、釈放指令、ブレーキ電圧指令およびブレーキ接点信号である。制御ソフトウェアの変数は、算出データの情報を含んでもよい。算出データは、動作計測データおよび信号データなどに基づいて算出される多成分のデータである。

　環境計測装置は、環境計測データを取得する装置である。環境計測データは、ブレーキ装置１１の動作環境についての情報を表す多成分のデータである。環境計測装置の一部または全部は、例えばブレーキ装置１１、巻上機７またはかご１０に設けられる。環境計測装置は、例えば昇降路４に設けられる。複数の環境計測装置は、例えばはかりと、温度計と、を含む。

　はかりは、かご１０に設けられる。はかりは、かご１０に乗車している利用者などの重量を測定するセンサーである。温度計は、昇降路４に設けられる。温度計は、例えば気温を測定するセンサーである。温度計は、ブレーキ装置１１に設けられてもよい。このとき、温度計は、例えばブレーキ装置１１の温度を測定するセンサーである。

　環境計測データの各成分の情報は、制御盤１２に出力される。あるいは、環境計測データの各成分の情報は、ブレーキ制御装置２０を通じて制御盤１２に出力される。制御盤１２は、環境計測データを出力可能に記憶する。

　ブレーキ装置異常診断システム１において、情報センター２１は、例えば建築物３の外部に設けられる。情報センター２１は、エレベーター２および他のエレベーターの情報を収集する拠点である。

　ブレーキ装置異常診断システム１は、ブレーキ装置１１の異常を診断するシステムである。なお、ブレーキ装置異常診断システム１は、ブレーキ装置１１の劣化時期を予測する機能を備えてもよい。

　ブレーキ装置異常診断システム１は、データサーバー２２と、保守支援装置２３と、表示装置２４と、を備える。

　データサーバー２２は、例えば情報センター２１に設けられる。データサーバー２２は、エレベーター２の動作などの情報を通信しうるように、監視装置１３に接続される。データサーバー２２は、観測データ記憶部２５と、属性データ記憶部２６と、異常データ記憶部２７と、を備える。

　観測データ記憶部２５は、観測データベースを記憶する部分である。観測データベースは、複数の観測データを含む。観測データは、動作データおよび環境計測データを含む。

　属性データ記憶部２６は、属性データベースを記憶する部分である。属性データベースは、複数の属性データを含む。属性データは、エレベーターの属性に基づくデータを含む。また、属性データは、ブレーキ装置の属性に基づくデータを含む。属性データは、例えばブレーキ装置の機種、かごの装置重量、エレベーターの種類およびエレベーターの設置地域などの情報を含む。エレベーターの種類は、例えば展望用エレベーターであるか否かなどの情報を含む。エレベーターの種類は、例えば昇降路の環境に関連する。エレベーターの種類は、例えばエレベーターの機種に関連する。エレベーターの設置地域は、例えば気候などを通じて昇降路の環境に関連する。エレベーターの設置地域は、例えば空気中の塩または硫黄などの濃度を通じて昇降路の環境に関連する。

　異常データ記憶部２７は、異常履歴データベースを記憶する部分である。異常履歴データベースは、エレベーター２および他のエレベーターについての複数の判定データを含む。判定データは、ブレーキ装置１１の異常を判定したデータである。判定データは、例えば異常の有無、異常の種類および異常の度合の情報を含む。判定データは、例えば１つの動作データに対応付けられるデータである。

　保守支援装置２３は、例えば情報センター２１に設けられる。保守支援装置２３は、観測部２８と、データ取得部２９と、分類部３０と、変換部３１と、学習部３２と、判定部３３と、生成部３４と、予測部３５と、記憶部３６と、報知部３７と、を備える。

　観測部２８は、ブレーキ装置１１が動作するときに動作データを取得する部分である。観測部２８は、動作データを含む観測データを取得しうるように監視装置１３に接続される。

　データ取得部２９は、訓練データセットを生成する部分である。訓練データセットは、環境データ、動作データおよび判定データの複数の組を含む。環境データは、環境計測データおよび属性データを含む。データ取得部２９は、観測データを取得しうるように、観測データ記憶部２５に接続される。データ取得部２９は、属性データを取得しうるように、属性データ記憶部２６に接続される。データ取得部２９は、判定データを取得しうるように、異常データ記憶部２７に接続される。

　分類部３０は、環境データに基づいて動作データを分類する部分である。分類部３０は、動作データを取得しうるように、観測部２８に接続される。分類部３０は、環境計測データおよび属性データを環境データとして取得しうるように、観測部２８および属性データ記憶部２６に接続される。分類部３０は、訓練データセットを取得しうるように、データ取得部２９に接続される。

　変換部３１は、動作データを状態データおよび指標データに変換する部分である。

　状態データは、多成分のデータである。状態データの各成分は、ブレーキ装置１１の各故障現象に対応する。ブレーキ装置１１の各故障現象は、例えば、リレースイッチの接点の固着、バネ１９の劣化、ブレーキシュー１６の位置のずれ、ブレーキ装置１１の制動能力の低下、およびブレーキ制御装置２０の電子回路の異常を含む。

　指標データは、ブレーキ装置１１の劣化を表すデータである。指標データは、例えば予め設定される時間単位ごとの劣化指標値を表す時系列データである。劣化指標値は、ブレーキ装置１１の劣化を表す指標となる値である。劣化指標値は、多成分の値であってもよい。ブレーキ装置１１の劣化は、例えばブレーキシュー１６の磨耗である。ブレーキ装置１１の劣化は、例えばブレーキ装置１１の制動能力を低下させる。ブレーキ装置１１の制動能力の低下は、例えばブレーキ装置１１におけるスリップの発生の要因となる。時系列データの時間単位は、例えば１日である。変換部３１は、環境データに基づいて分類された動作データを取得しうるように、分類部３０に接続される。

　学習部３２は、状態データを用いてブレーキ装置１１の異常の診断モデルを学習する部分である。学習部３２による学習の手法は、機械学習の手法である。学習部３２は、状態データを取得しうるように、変換部３１に接続される。学習部３２による学習は、例えば情報センター２１のオペレーターによる学習を開始する操作によって行われる。

　判定部３３は、学習部３２による学習の後に観測部２８が取得した動作データを変換部３１が変換して得られる状態データから、学習部３２が学習した診断モデルに基づいてブレーキ装置１１の異常を判定する部分である。判定部３３は、状態データを取得しうるように、変換部３１に接続される。判定部３３は、診断モデルを取得しうるように、学習部３２に接続される。判定部３３による判定は、例えば判定部３３が起動しているときに状態データを取得する都度行われる。判定部３３の起動は、例えば情報センター２１のオペレーターによる起動の操作によって行われる。判定部３３は、判定結果を出力しうるように、監視装置１３に接続される。

　生成部３４は、指標データが表す劣化の時間に対する変化を表す劣化モデルを生成する部分である。劣化モデルは、劣化指標値の将来にわたる変化を予測するモデルである。劣化モデルは、トレンド成分、周期的成分および短期変動成分を含む。トレンド成分は、増加または減少の単調な変化の長期的な傾向を表す成分である。周期的成分は、周期的な変化の傾向を表す成分である。短期変動成分は、短期的な変動を表す成分である。生成部３４は、指標データを取得しうるように、変換部３１に接続される。

　予測部３５は、生成部３４が生成した劣化モデルに基づいて、ブレーキ装置１１の劣化時期を予測する部分である。ブレーキ装置１１の劣化時期は、劣化指標値が予め設定された閾値に達する時期である。予測部３５は、劣化モデルを読み込みうるように、生成部３４に接続される。

　記憶部３６は、判定結果データを記憶する部分である。判定結果データは、判定部３３による判定の結果を表すデータである。記憶部３６は、判定結果データを取得しうるように、判定部３３に接続される。記憶部３６は、予測結果データを記憶する部分である。予測結果データは、予測部３５による予測の結果を表すデータである。記憶部３６は、予測結果データを取得しうるように、予測部３５に接続される。

　報知部３７は、判定部３３によるブレーキ装置１１の異常の判定の結果を報知する部分である。報知部３７は、判定結果データを取得しうるように、判定部３３に接続される。報知部３７は、予測部３５によるブレーキ装置１１の劣化時期の予測の結果を報知する部分である。報知部３７は、予測結果データを取得しうるように、予測部３５に接続される。報知部３７は、判定結果データまたは予測結果データから報知データを生成する。報知データは、報知する内容を表すデータである。

　表示装置２４は、取得したデータが表す内容を表示する装置である。表示装置２４は、例えばディスプレイである。表示装置２４は、例えば情報センター２１に設けられる。表示装置２４は、報知データを取得しうるように、報知部３７に接続される。

　続いて、図２を用いて、ブレーキ装置異常診断システム１の機能を説明する。
　図２は、実施の形態１に係るブレーキ装置異常診断システムによる異常診断の例を示す図である。

　グラフＡにおいて、動作データに含まれるデータの例が示される。グラフＡの横軸は、時間を表す。グラフＡの縦軸は、動作計測装置によって計測される信号値を表す。グラフＡにおいて、各々の曲線は、ブレーキ装置１１の一回の動作によって取得されるデータを表す。

　動作データは、例えば次のように取得される。

　制御盤１２は、かご１０が停止しているときに、ブレーキ装置１１を動作させる信号をブレーキ制御装置２０に出力する。

　ブレーキ制御装置２０は、制御盤１２から入力された制御信号にしたがって、ブレーキ装置１１を動作させる。ブレーキ装置１１が動作するときに、動作計測装置は、動作計測データを取得する。動作計測装置は、動作計測データをブレーキ制御装置２０または制御盤１２に出力する。ブレーキ装置１１が動作するときに、環境計測装置は、環境計測データを取得する。環境計測装置は、環境計測データをブレーキ制御装置２０または制御盤１２に出力する。ブレーキ制御装置２０は、入力された動作計測データおよび環境計測データを制御盤１２に出力する。

　制御盤１２は、動作計測データおよび信号データなどに基づいて、算出データを算出する。算出データは、例えばエンコーダーのパルス信号のカウントから算出されるかご１０の位置のデータを含む。算出データは、例えばブレーキ吸引指令信号を出力してからブレーキスイッチがブレーキ装置１１の実際の動作を検出するまでの時間差のデータを含む。算出データは、例えばブレーキ装置１１が制動の動作を継続している時間のデータを含む。算出データは、例えばブレーキ装置１１の動作の頻度のデータを含む。制御盤１２は、動作計測データ、信号データおよび算出データを動作データとして観測部２８に監視装置１３を通じて出力する。制御盤１２は、環境計測データを観測部２８に監視装置１３を通じて出力する。

　観測部２８は、制御盤１２から監視装置１３を通じて動作データおよび環境計測データを取得する。観測部２８は、動作データおよび環境計測データを観測データとして観測データ記憶部２５に出力する。観測部２８は、動作データおよび環境計測データを分類部３０に出力する。

　観測データ記憶部２５は、取得した観測データを観測データベースに格納する。観測データは、例えばフラグデータと、数値データと、波形データと、を含む。動作データの成分は、例えばフラグデータ、数値データまたは波形データである。

　フラグデータは、例えば、スイッチが動作したか否か、センサーが動作したか否か、および制御信号の有無などの情報を含む。フラグデータは、真偽値、整数値または文字列などにより表現される。

　数値データは、例えば、センサーが計測した物理量の値などの情報を含む。数値データは、例えばコイル１７に通電される電流、ブレーキ装置１１が制動している継続時間、かご１０の位置、気温、ブレーキ装置１１の温度、ブレーキ装置１１の動作の頻度、気温、およびかご１０に乗車している利用者の重量を含む。数値データは、整数値または実数値などにより表現される。

　波形データは、例えば、センサーが計測した物理量の時間変化などの情報を含む。波形データは、例えば、コイル１７に通電される電流のパターン変化、かご１０の位置の時間変化、およびブレーキ温度の時間変化を含む。波形データは、予め定められた時間間隔毎の複数の数値を含むリストなどにより表現される。

　グラフＡにおいて、波形データの例が示される。グラフＡに示される複数の曲線は、ブレーキ装置１１の１回の動作によって取得される動作データの成分としての波形データにそれぞれ対応する。

　ブレーキ装置異常診断システム１は、例えば情報センター２１のオペレーターによる操作によって学習を開始する。

　ブレーキ装置異常診断システム１が学習を開始するときに、データ取得部２９は、訓練データセットを生成する。データ取得部２９は、観測データ記憶部２５から複数の観測データを取得する。データ取得部２９は、属性データ記憶部２６から複数の属性データを取得する。データ取得部２９は、異常データ記憶部２７から複数の判定データを取得する。データ取得部２９は、複数の観測データおよび複数の属性データから、複数の動作データおよび複数の環境データを生成する。データ取得部２９は、複数の判定データを複数の動作データおよび複数の環境データに対応付ける。このとき、データ取得部２９は、例えばブレーキ装置１１の動作時刻などを用いて対応付けをしてもよい。あるいは、ブレーキ装置１１の一回の動作に識別情報が付される場合に、データ取得部２９は、当該識別情報を用いて対応付けをしてもよい。データ取得部２９は、対応付けに基づいて訓練データセットを生成する。データ取得部２９は、分類部３０に訓練データセットを出力する。

　分類部３０は、訓練データセットに含まれる環境データに基づいて、当該環境データに対応する動作データを分類する。例えば環境データが分類用のラベリングデータを含む場合に、分類部３０は、ラベリングデータの値が互いに等しい環境データに対応する動作データを同一のクラスターに分類する。あるいは、分類部３０は、例えば教師なし学習の手法によって同一のクラスターに分類された環境データに対応する動作データを同一のクラスターに分類する。このとき、分類部３０は、教師なし学習の手法として例えば非階層的な分類手法であるｋ平均法を用いる。あるいは、分類部３０は、階層的な分類手法を用いてもよい。分類部３０は、分類された動作データを変換部３１に出力する。

　変換部３１は、分類部３０による分類ごとに、特徴量抽出工程と、標準化工程と、異常度算出工程と、予備工程と、の各工程を経て動作データを状態データに変換する。

　特徴量抽出工程において、変換部３１は、分類された複数の動作データを複数の特徴データに変換する。変換部３１は、動作データの成分ごとに１つ以上の特徴量を抽出する。動作データの成分が真偽値で表されるとき、変換部３１は、真値または偽値から例えば＋１または－１の数値を特徴量として抽出する。動作データの成分が数値で表されるとき、変換部３１は、例えばその数値をそのまま特徴量として抽出する。例えば波形データなどにおいて動作データの成分が数値のリストで表されるとき、変換部３１は、例えばリストに含まれる数値の平均値および標準偏差などを１つ以上の特徴量として抽出する。あるいは、動作データの成分が数値のリストで表されるとき、変換部３１は、例えばリストに含まれる複数の数値をそのまま複数の特徴量として抽出する。変換部３１は、ここに例示していない方法によって動作データの成分から特徴量を抽出してもよい。変換部３１は、動作データの成分ごとに抽出された１つ以上の特徴量を成分として含む多成分の特徴データを生成する。

　標準化工程において、変換部３１は、複数の特徴データを複数の標準化データに変換する。標準化データは、多成分のデータである。変換部３１は、特徴データの各成分を標準化データの各成分に変換する。標準化データの成分は、例えばもとの動作データが含まれる分類についての平均が０になるようにそれぞれ標準化される。標準化データの成分は、例えばもとの動作データが含まれる分類についての標準偏差が１になるようにそれぞれ標準化される。

　異常度算出工程において、変換部３１は、複数の標準化データを複数の異常度データに変換する。異常度データは、多成分のデータである。異常度データの各成分は、通常の状態からの違いを表す指標である。異常度データの各成分は、例えば、特徴データの各成分から算出される。変換部３１は、例えば、特徴データの各成分について、平均値からの二乗偏差を分散で割ることによって異常度データの各成分を算出する。変換部３１は、他の機械学習などの手法によって標準化データを異常度データに変換してもよい。

　予備工程において、変換部３１は、複数の異常度データを複数の状態データに変換する。変換部３１は、予備的な処理として教師なし学習の手法を異常度データに適用する。教師なし学習の手法は、例えばＰＣＡ（Ｐｒｉｎｃｉｐａｌ　Ｃｏｍｐｏｎｅｎｔ　Ａｎａｌｙｓｉｓ）による次元削減の手法である。あるいは、教師なし学習の手法は、例えばｋ平均法によるクラスタリングの手法である。変換部３１は、訓練データセットに含まれていた複数の判定データと、当該複数の判定データに対応する複数の動作データから変換された複数の状態データとを、学習部３２に出力する。

　グラフＢにおいて、２成分の状態データの例が示される。グラフＢの横軸は、状態データの第１成分を表す。グラフＢの縦軸は、状態データの第２成分を表す。グラフＢにおいて、各々の点は、ブレーキ装置１１の一回の動作によって取得される動作データから変換された状態データを表す。なお、状態データは、１成分または３成分以上のデータであってもよい。

　学習部３２は、複数の状態データに基づいて、例えば複数の判定データを教師データとした教師あり学習の手法によって分類部３０による分類ごとに診断モデルを学習する。ここで、教師あり学習の手法は、例えば線形または非線形の分類手法である。教師あり学習の手法は、例えばｋ近傍法、判別分析またはＳＶＭ（Ｓｕｐｐｏｒｔ　Ｖｅｃｔｏｒ　Ｍａｃｈｉｎｅ）である。このとき、判定データに含まれる異常の有無、異常の種類および異常の度合は、例えば線形または非線形の分類手法によって分類されるクラスターにラベルとして付される。診断モデルを学習したあとに、学習部３２は、内蔵する記憶領域に当該診断モデルを保存する。

　グラフＢにおいて、正常な状態を表す状態データは、白丸で表される。学習部３２が学習する診断モデルによって、正常な状態を表す状態データは、正常な状態を表す２つのクラスターのいずれかに分類される。

　判定部３３は、例えば情報センター２１のオペレーターの操作によって起動する。判定部３３は、起動するときに、学習部３２が保存している診断モデルを読み込む。

　判定部３３が起動している場合に、分類部３０は、観測部２８から観測データを取得するときに、属性データ記憶部２６から当該観測データに対応するエレベーター２についての属性データを取得する。分類部３０は、観測データおよび属性データから動作データおよび環境データを取得する。分類部３０は、環境データに基づいて動作データを分類する。分類部３０は、分類された動作データを変換部３１に出力する。変換部３１は、分類部３０による分類に応じて、動作データを状態データに変換する。このとき、変換部３１は、訓練データセットに含まれる動作データと同様の方法によって状態データへの変換を行う。すなわち、変換部３１は、同一の動作データから同一の状態データが得られるように変換を行う。変換部３１は、変換された状態データを判定部３３に出力する。

　判定部３３は、学習部３２から読み込んだ診断モデルに基づいて、状態データを用いてブレーキ装置１１の異常を判定する。判定部３３は、ブレーキ装置１１の異常の判定の結果として、例えば異常の有無、異常の種類および異常の度合を取得する。例えば学習部３２においてｋ近傍法などの分類手法によって学習が行われた場合に、判定部３３は、前処理済みデータが分類されるクラスターのラベルに基づいてブレーキ装置１１の異常の有無、異常の種類および異常の度合を取得する。

　グラフＢにおいて、異常な状態を表す状態データは、黒丸で表される。判定部３３は、例えば、状態データが正常な状態を表す２つのクラスターのいずれかにも分類されないときに、当該状態データが異常な状態を表すものと判定する。正常な状態を表すクラスターは、１つまたは３つ以上であってもよい。あるいは、判定部３３は、状態データが異常な状態を表す１つ以上のクラスターのいずれかに分類されるときに、当該状態データが異常な状態を表すものと判定してもよい。

　判定部３３は、判定結果データを記憶部３６に出力する。判定結果データは、判定部３３が判定の結果として取得したブレーキ装置１１の異常の有無、異常の種類および異常の度合を含む。判定結果データは、異常度データを含む。判定結果データは、異常と判定されるまでの裕度のデータを含む。異常と判定されるまでの裕度は、例えば次元削減の後の空間における状態データに対応する点と異常を表すクラスターの重心との距離の最小値である。

　記憶部３６は、判定結果を記憶する。

　判定部３３は、判定の結果に基づいて制御盤１２に対する要求信号を出力する。判定部３３は、例えば次のように要求信号を出力する。

　判定部３３は、例えば異常の有無、異常の種類または異常の度合に基づいて、予め設定された基準によって判定の結果が運転不可状態を表すかを判定する。運転不可状態は、エレベーター２の運転ができない状態である。あるいは、出力部は、例えば運転不可状態に対応する異常として予め設定された異常を表すクラスターに状態データが分類されるときに、判定の結果が運転不可状態を表すと判定する。運転不可状態は、例えばブレーキ装置１１が動作しない状態、またはブレーキ装置１１を動作させると異常の度合が著しく悪化する状態を含む。判定部３３は、判定の結果が運転不可状態を表すときに、エレベーター２の運転を停止させる要求信号を制御盤１２に出力する。制御盤１２は、要求信号に従って、エレベーター２の運転を停止させる。

　判定部３３は、例えば異常の有無、異常の種類または異常の度合に基づいて、予め設定された基準によって判定の結果が非正常状態を表すかを判定する。非正常状態は、正常ではない状態である。あるいは、判定部３３は、例えば正常を表すクラスターに状態データが分類されないときに、判定の結果が非正常状態を表すと判定する。あるいは、判定部３３は、例えばいずれかの異常を表すクラスターに状態データが分類されるときに、判定の結果が非正常状態を表すと判定する。

　判定部３３は、判定の結果が非正常状態を表すときに、当該判定が行われたときにかご１０が停止していた位置と同じ位置にかご１０が停止している状態で動作試験としてブレーキ装置１１の動作をさせる要求信号を制御盤１２に出力する。制御盤１２は、要求信号にしたがって、かご１０を走行させずに動作試験としてブレーキ装置１１に動作をさせる。ブレーキ装置１１が動作をするときに、観測部２８は、動作データを取得する。分類部３０は、観測部２８が取得した動作データを分類する。変換部３１は、分類部３０が分類した動作データを状態データに変換する。判定部３３は、変換部３１が変換した状態データから、診断モデルに基づいてブレーキ装置１１の異常を再び判定する。なお、最初の判定の結果が非正常状態を表すときに、当該非正常状態が例えば異常履歴データベースを参照することによって動作試験の後に運転不可状態に移行した状態に類似すると判定される場合に、判定部３３は、動作試験を行わなくてもよい。

　判定部３３は、再びした判定の結果が非正常状態を表すときに、当該判定が行われたときにかご１０が停止していた位置と異なる位置にかご１０が停止している状態で動作試験としてブレーキ装置１１の動作をさせる要求信号を制御盤１２に出力する。制御盤１２は、要求信号に従って、かご１０を走行させる。制御盤１２は、要求信号に従って、かご１０が停止した後に動作試験としてブレーキ装置１１に動作をさせる。ブレーキ装置１１が動作をするときに、観測部２８は、動作データを取得する。分類部３０は、観測部２８が取得した動作データを分類する。変換部３１は、分類部３０が分類した動作データを状態データに変換する。判定部３３は、変換部３１が変換した状態データから、診断モデルに基づいてブレーキ装置１１の異常を判定する。

　判定部３３は、最初の判定の結果が非正常状態を表すときに、当該判定が行われたときにかご１０が停止していた階と異なる階にかご１０が停止している状態でブレーキ装置１１の動作をさせる要求信号を制御盤１２に出力してもよい。

　ブレーキ装置１１の異常を判定するときに、判定部３３は、判定結果データを報知部３７に出力する。

　判定部３３によるブレーキ装置１１の異常の判定の結果が運転可能状態を表すときに、報知部３７は、判定結果データを報知しない。運転可能状態は、例えば、エレベーター２の運転ができる状態である。運転可能状態は、例えば正常な状態または運転に支障がない程度の軽微な異常の状態を含む。

　判定部３３によるブレーキ装置１１の異常の判定の結果が運転可能状態ではない状態を表すときに、報知部３７は、判定結果データから報知データを生成する。報知データの内容は、例えば異常の種類、異常の度合、判定を行った状態データに類似する状態データの数および当該類似する状態データが取得されたエレベーター２において当該類似する状態データの取得の後に保守点検が実施された時期を含む。報知部３７は、報知データを表示装置２４に出力することによって、表示装置２４を通じて報知データの内容を報知する。

　表示装置２４は、報知データの内容を表示する。表示部は、例えば「種類Ｘの異常が発生しました。異常度合は５０％です。過去の類似する１００ケースのうち、５０ケースについて１ヶ月以内に、７０ケースについて２ヶ月以内に、保守点検がされています。」などと表示する。

　続いて、図３および図４を用いて、ブレーキ装置異常診断システム１の動作の例を説明する。
　図３および図４は、実施の形態１に係るブレーキ装置異常診断システムの動作の例を示すフローチャートである。

　図３において、ブレーキ装置異常診断システム１の診断モデルの学習についての動作が示される。

　ステップＳ１１において、分類部３０は、データ取得部２９から訓練データセットを取得する。分類部３０は、訓練データセットに含まれる環境データに基づいて、当該環境データに対応する動作データを分類する。その後、ブレーキ装置異常診断システム１の動作は、ステップＳ１２に進む。

　ステップＳ１２において、変換部３１は、分類部３０による分類ごとに動作データを状態データに変換する。その後、ブレーキ装置異常診断システム１の動作は、ステップＳ１３に進む。

　ステップＳ１３において、学習部３２は、状態データに基づいてブレーキ装置１１の異常の診断モデルを学習する。その後、ブレーキ装置異常診断システム１の動作は、ステップＳ１４に進む。

　ステップＳ１４において、学習部３２は、学習した診断モデルを内蔵する記憶領域に保存する。その後、ブレーキ装置異常診断システム１の動作は、終了する。

　図４において、ブレーキ装置異常診断システム１の異常診断についての動作が示される。

　ステップＳ２１において、判定部３３は、学習部３２から診断モデルを読み込む。その後、ブレーキ装置異常診断システム１の動作は、ステップＳ２２に進む。

　ステップＳ２２において、分類部３０は、観測部２８から観測データを取得する。分類部３０は、属性データ記憶部２６から属性データを取得する。分類部３０は、観測データおよび属性データから動作データおよび環境データを取得する。分類部３０は、環境データに基づいて動作データを分類する。その後、ブレーキ装置異常診断システム１の動作は、ステップＳ２３に進む。

　ステップＳ２３において、変換部３１は、分類部３０による分類ごとに動作データを状態データに変換する。その後、ブレーキ装置異常診断システム１の動作は、ステップＳ２４に進む。

　ステップＳ２４において、判定部３３は、読み込んだ診断モデルに基づいて、状態データからブレーキ装置１１の異常を判定する。その後、ブレーキ装置異常診断システム１の動作は、ステップＳ２５に進む。

　ステップＳ２５において、判定部３３は、判定の結果を報知部３７および記憶部３６に出力する。その後、ブレーキ装置異常診断システム１の動作は、ステップＳ２２に進む。

　以上に説明したように、実施の形態１に係るブレーキ装置異常診断システム１は、観測部２８と、変換部３１と、データ取得部２９と、学習部３２と、判定部３３と、を備える。観測部２８は、ブレーキ装置１１が動作するときにブレーキ装置１１の動作についての動作データを取得する。ブレーキ装置１１は、エレベーター２のかご１０を制動する。変換部３１は、観測部２８が取得した動作データをブレーキ装置１１の故障現象に対応する状態データに変換する。データ取得部２９は、ブレーキ装置１１について異常を判定した判定データを取得する。学習部３２は、状態データおよび判定データを用いてブレーキ装置１１の異常の診断モデルを教師あり学習の手法によって学習する。判定部３３は、学習部３２による学習の後に観測部２８が取得した動作データを変換部３１が変換して得られる状態データから診断モデルに基づいてブレーキ装置１１の異常を判定する。

　判定部３３は、教師あり学習の手法によって学習された診断モデルに基づいてブレーキ装置１１の異常を判定する。教師あり学習の手法において、異常と診断する閾値は、事前に必要とされない。このため、異常と診断する閾値が未知のデータに基づいてブレーキ装置１１の異常を診断できる。

　観測部２８は、多様なデータを動作データとして取得できる。学習部３２は、教師あり学習の手法によって学習する。このため、学習部３２は、複雑な判定条件による診断モデルを学習できる。これにより、判定部３３は、多数の種類の異常に対応する状態と正常な状態とが識別できる。また、判定部３３は、異常が発生するまでの時間を単一の一次式で予測できないような突発的な異常を精度よく検出できる。

　また、ブレーキ装置異常診断システム１は、分類部３０を備える。分類部３０は、ブレーキ装置１１の動作環境についての環境データに基づいて、動作データを分類する。学習部３２は、分類部３０による分類ごとに診断モデルを学習する。判定部３３は、分類部３０による分類ごとに学習された診断モデルに基づいてブレーキ装置１１の異常を判定する。

　学習部３２は、意味のある分類に仕分けされたデータを用いて学習処理を行うことができる。このため、環境要因によって動作データの正常域が複数存在する場合においても、学習部３２は、精度の高い診断モデルを学習することができる。また、学習部３２の学習における計算量が低減される。

　また、ブレーキ装置異常診断システム１は、報知部３７を備える。報知部３７は、判定部３３によるブレーキ装置１１の異常の判定の結果を報知する。

　表示装置２４は、報知部３７から報知データを取得する。表示装置２４は、報知データの内容を表示する。これにより、例えば情報センター２１のオペレーターは、異常の判定の結果を速やかに知ることができる。

　また、ブレーキ装置異常診断システム１は、記憶部３６を備える。記憶部３６は、判定部３３によるブレーキ装置１１の異常の判定の結果を記憶する。報知部３７は、エレベーター２の運転ができる状態を当該判定の結果が表すときに、当該判定の結果を報知しない。

　報知部３７は、緊急性の低い状態を表す判定の結果を報知しない。これにより、緊急性の高い情報が見過ごされにくくなる。

　また、判定部３３は、ブレーキ装置１１の異常の判定の結果が正常ではない状態を表すときに、当該判定が行われたときのエレベーター２のかご１０の位置と同じ位置でブレーキ装置１１にかご１０を制動させる信号を出力する。判定部３３は、ブレーキ装置１１が当該位置でかご１０を制動するときに観測部２８が取得する動作データを変換部３１が変換して得られる状態データから、診断モデルに基づいてブレーキ装置１１の異常を判定する。

　判定部３３は、正常ではない状態を表す結果が、同じ位置において再現するかを判定する。これにより、判定部３３は、先の判定の結果が偶発的な要因によるものであるかを判定できる。例えば、正常ではない状態を表す結果が再現しない場合に、判定部３３は、先の判定の結果が偶発的な要因によるものであると判定してもよい。偶発的な要因は、例えば電気的なノイズなどを含む。

　また、判定部３３は、ブレーキ装置１１の異常の判定の結果が正常ではない状態を表すときに、当該判定が行われたときのエレベーター２のかご１０の位置と異なる位置でブレーキ装置１１にかご１０を制動させる信号を出力する。判定部３３は、ブレーキ装置１１が当該位置でかご１０を制動するときに観測部２８が取得する動作データを変換部３１が変換して得られる状態データから、診断モデルに基づいてブレーキ装置１１の異常を判定する。

　判定部３３は、正常ではない状態を表す結果が、異なる位置において再現するかを判定する。これにより、判定部３３は、先の判定の結果が例えばブレーキドラム１５またはブレーキシュー１６の局所的な異常によるものか否かを判定できる。例えば、正常ではない状態を表す結果が再現しない場合に、判定部３３は、先の判定の結果がブレーキドラム１５またはブレーキシュー１６の局所的な異常によるものであると判定してもよい。例えば、正常ではない状態を表す結果が再現する場合に、判定部３３は、先の判定の結果がブレーキドラム１５またはブレーキシュー１６の局所的な異常によるものではないと判定してもよい。

　また、判定部３３は、エレベーター２の運転ができない状態をブレーキ装置１１の異常の判定の結果が表すときに、エレベーター２の運転を停止させる信号を出力する。

　エレベーター２の運転ができない異常が発生したときに、エレベーター２が速やかに停止する。これにより、利用者の安全が確保される。また、ブレーキ装置１１の異常の悪化が抑制される。

　また、学習部３２は、状態データおよび判定データを用いてブレーキ装置１１の異常の診断モデルを教師なし学習の手法によって学習してもよい。

　ここで、図５を用いて、教師なし学習によって学習された診断モデルによる、ブレーキ装置異常診断システム１の異常診断の例を説明する。ここでは、教師あり学習によって診断モデルが学習された場合と相違する点について詳しく説明する。
　図５は、実施の形態１に係るブレーキ装置異常診断システムによる異常診断の例を示す図である。

　グラフＡにおいて、動作データに含まれるデータの例が図２と同様に示される。

　ブレーキ装置異常診断システム１が学習を開始するときに、データ取得部２９は、訓練データセットを生成する。このとき、データ取得部２９が生成する訓練データセットは、判定データを含まなくてもよい。

　変換部３１は、分類部３０によって分類された複数の動作データを、複数の状態データに変換する。

　グラフＣにおいて、変換された複数の状態データの例が示される。グラフＣの横軸は、ブレーキ装置１１の動作回数を表す。グラフＣにおいて、各々の点は、ブレーキ装置１１の１回の動作によって取得される動作データから変換された状態データを表す。グラフＣの縦軸は、状態データの値を表す。状態データは、２成分以上のデータであってもよい。グラフＣにおいて、正常な状態を表す状態データは、白丸で表される。グラフＣにおいて、異常な状態を表す状態データは、黒丸で表される。

　学習部３２は、複数の状態データに基づいて、教師なし学習の手法によって診断モデルを分類部３０による分類ごとに学習する。ここで、教師なし学習の手法は、例えば線形または非線形の分類手法である。教師なし学習の手法は、例えば外れ値検出の手法である。教師なし学習の手法は、例えばｏｎｅ－ｃｌａｓｓ　ＳＶＭである。あるいは、教師なし学習の手法は、例えばＬＯＦ（Ｌｏｃａｌ　Ｏｕｔｌｉｅｒ　Ｆａｃｔｏｒ）法である。あるいは、教師なし学習の手法は、例えばｋ平均法などの分類手法である。このとき、学習部３２は、例えば状態データがいずれのクラスターにも分類されなければ、当該クラスターを外れ値と判定するものとして診断モデルを学習してもよい。学習部３２は、例えば新たに取得される動作データから変換された状態データが外れ値と判定される場合に当該状態データが異常な状態を表すように診断モデルを学習する。学習部３２は、状態データから変換されるデータを用いて外れ値を検出してもよい。

　診断モデルを学習したあとに、学習部３２は、内蔵する記憶領域に当該診断モデルを保存する。なお、例えば異常の有無、異常の種類または異常の度合を表すラベルを、診断モデルによって分類されるクラスターに保守員が事後的に付してもよい。

　判定部３３は、教師なし学習の手法によって学習された診断モデルに基づいてブレーキ装置１１の異常を判定する。教師なし学習の手法において、異常と診断する閾値は、事前に必要とされない。このため、異常と診断する閾値が未知のデータに基づいてブレーキ装置１１の異常を診断できる。また、学習部３２は、判定データを必要としない。

　また、ブレーキ装置異常診断システム１は、動作データに基づいてブレーキ装置１１の劣化時期を予測する予測部３５を備える。ブレーキ装置１１の異常診断において、分類部３０は、環境データと予測部３５が予測する劣化時期とに基づいて動作データを分類してもよい。

　ブレーキ装置１１において、例えば交換される部品などの使用期間によって異なる種類の異常が発生しうる。例えば使用期間の初期において、製造上の欠陥などに起因する異常が生じうる。例えば使用期間の中期において、偶発的な原因などによる異常が生じうる。例えば使用期間の終期において、部品の消耗などに起因する異常が生じうる。ここで、予測部３５による劣化時期の予測は、部品の使用期間を反映する。分類部３０は、予測部３５による劣化時期の予測に基づいて動作データを分類する。このため、学習部３２は、部品の使用期間などに応じた異常を判定する診断モデルを学習できる。これにより、判定部３３による異常の判定の精度が高められる。

　変換部３１は、動作データから状態データへの変換において、各工程の順序を入れ替えてもよい。変換部３１は、動作データから状態データへの変換において、１つ以上の工程を省いてもよい。

　変換部３１は、異常度算出工程において、標準化データの複数の成分から１つの異常度成分を算出してもよい。これにより、ブレーキ装置異常診断システム１は、標準化データの複数の成分の間の関係に生じた異常を検出できる。

　また、ブレーキ装置１１の異常診断において、判定部３３は、異常が発生したと判定する閾値をＲＯＣ（Ｒｅｃｅｉｖｅｒ　Ｏｐｅｒａｔｉｎｇ　Ｃｈａｒａｃｔｅｒｉｓｔｉｃ）曲線を利用して定めてもよい。例えば状態データが多次元のデータである場合に、判定部３３は、ＲＯＣ曲線のＡＵＣ（Ａｒｅａ　Ｕｎｄｅｒ　Ｃｕｒｖｅ）が最大になる状態データの成分を用いて異常を判定する。このとき、異常が発生したと判定する閾値は、例えばＹｏｕｄｅｎ　Ｉｎｄｅｘが最大となる値である。

　利用者がかご１０に乗車しているときに、制御盤１２は、動作試験を利用者が降車するまで保留してもよい。動作試験を保留している間にブレーキ装置１１が動作をするときに、観測部２８が取得する動作データを変換部３１が変換して得られた状態データから判定部３３が行った判定の結果が非正常状態を表さない場合に、制御盤１２は動作試験をキャンセルしてもよい。このとき、判定部３３は、動作試験をキャンセルしたことを表すデータを判定結果データに加えてもよい。

　判定の結果が偶発的な要因によるものと判定するときに、判定部３３は、当該判定についての判定結果データに偶発的要因によるものである可能性を表すデータを追加してもよい。あるいは、判定の結果が偶発的な要因によるものと判定するときに、判定部３３は、当該判定の結果を取り消してもよい。このとき、判定部３３は、当該判定の結果を正常な状態を表す結果として修正してもよい。

　判定の結果が例えばブレーキドラム１５またはブレーキシュー１６の局所的な異常によるものと判定するときに、判定部３３は、当該判定についての判定結果データに局所的な異常によるものである可能性を表すデータを追加してもよい。

　報知部３７は、保守員が所持する保守端末に報知データを出力することで、報知データの内容を保守員に報知してもよい。報知部３７は、複数の出力先に同時に報知データを出力することによって報知してもよい。

　エレベーター２において例えば利用者に対する表示装置２４が設けられる場合に、報知部３７は、監視装置１３などを通じて表示装置２４に報知データを出力することで報知データの内容を利用者に報知してもよい。例えば報知データの内容が利用不可状態を表す場合に、表示装置２４は「このエレベーターは利用できません」などと表示する。これにより、利用者は、エレベーター２の利用の可否などについての判定の結果の報知を受けることができる。

　データサーバー２２が情報センター２１に設けられることにより、ブレーキ装置異常診断システム１は、エレベーター２および他のエレベーターの情報を利用できる。これにより、ブレーキ装置異常診断システム１の異常診断の精度が高められる。

　分類部３０が情報センター２１に設けられることにより、動作データの分類のアルゴリズムの更新などの保守が容易になる。変換部３１が情報センター２１に設けられることにより、動作データの変換のアルゴリズムの更新などの保守が容易になる。学習部３２が情報センター２１に設けられることにより、診断モデルの学習のアルゴリズムの更新などの保守が容易になる。判定部３３が情報センター２１に設けられることにより、異常の判定のアルゴリズムの更新などの保守が容易になる。

　保守支援装置２３は、建築物３に設けられてもよい。このとき、保守支援装置２３は、例えば制御盤１２と直接通信する。保守支援装置２３は、例えば監視装置１３を通じてデータサーバー２２と通信する。データサーバー２２は、建築物３に設けられてもよい。

　ブレーキ装置異常診断システム１の一部または全部の機能は、建築物３に設けられる装置において実現されてもよい。例えば判定部３３は、建築物３に設けられる装置において実現されてもよい。このとき、判定部３３は、建築物３と情報センター２１との間に生じうる通信障害の影響を受けずに、ブレーキ装置１１の異常の判定を速やかに行うことができる。

　実施の形態１におけるシステム、装置、機器、部分などの間の電気的な接続は、直接的または間接的な接続のいずれであってもよい。実施の形態１におけるシステム、装置、機器、部分などの間のデータなどの通信は、直接的または間接的な通信のいずれであってもよい。

　続いて、図６を用いてブレーキ装置異常診断システム１のハードウェア構成の例について説明する。
　図６は、実施の形態１に係るブレーキ装置異常診断システムの主要部のハードウェア構成を示す図である。

　ブレーキ装置異常診断システム１の各機能は、処理回路により実現し得る。処理回路は、少なくとも１つのプロセッサ１ｂと少なくとも１つのメモリ１ｃとを備える。処理回路は、プロセッサ１ｂおよびメモリ１ｃと共に、あるいはそれらの代用として、少なくとも１つの専用のハードウェア１ａを備えてもよい。

　処理回路がプロセッサ１ｂとメモリ１ｃとを備える場合、ブレーキ装置異常診断システム１の各機能は、ソフトウェア、ファームウェア、またはソフトウェアとファームウェアとの組み合わせで実現される。ソフトウェアおよびファームウェアの少なくとも一方は、プログラムとして記述される。そのプログラムはメモリ１ｃに格納される。プロセッサ１ｂは、メモリ１ｃに記憶されたプログラムを読み出して実行することにより、ブレーキ装置異常診断システム１の各機能を実現する。

　プロセッサ１ｂは、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）、処理装置、演算装置、マイクロプロセッサ、マイクロコンピュータ、ＤＳＰともいう。メモリ１ｃは、例えば、ＲＡＭ、ＲＯＭ、フラッシュメモリ、ＥＰＲＯＭ、ＥＥＰＲＯＭ等の、不揮発性または揮発性の半導体メモリ、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ミニディスク、ＤＶＤ等により構成される。

　処理回路が専用のハードウェア１ａを備える場合、処理回路は、例えば、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ＡＳＩＣ、ＦＰＧＡ、またはこれらの組み合わせで実現される。

　ブレーキ装置異常診断システム１の各機能は、それぞれ処理回路で実現することができる。あるいは、ブレーキ装置異常診断システム１の各機能は、まとめて処理回路で実現することもできる。ブレーキ装置異常診断システム１の各機能について、一部を専用のハードウェア１ａで実現し、他部をソフトウェアまたはファームウェアで実現してもよい。このように、処理回路は、ハードウェア１ａ、ソフトウェア、ファームウェア、またはこれらの組み合わせでブレーキ装置異常診断システム１の各機能を実現する。

　本発明に係るブレーキ装置異常診断システムは、エレベーターに適用できる。

　１　ブレーキ装置異常診断システム、　２　エレベーター、　３　建築物、　４　昇降路、　５　乗場、　６　乗場扉、　７　巻上機、　８　主ロープ、　９　釣合オモリ、　１０　かご、　１１　ブレーキ装置、　１２　制御盤、　１３　監視装置、　１４　かご扉、　１５　ブレーキドラム、　１６　ブレーキシュー、　１７　コイル、　１８　プランジャー、　１９　バネ、　２０　ブレーキ制御装置、　２１　情報センター、　２２　データサーバー、　２３　保守支援装置、　２４　表示装置、　２５　観測データ記憶部、　２６　属性データ記憶部、　２７　異常データ記憶部、　２８　観測部、　２９　データ取得部、　３０　分類部、　３１　変換部、　３２　学習部、　３３　判定部、　３４　生成部、　３５　予測部、　３６　記憶部、　３７　報知部、　１ａ　ハードウェア、　１ｂ　プロセッサ、　１ｃ　メモリ

Claims

　エレベーターのかごを制動するブレーキ装置が動作するときに、前記ブレーキ装置の動作についての動作データを取得する観測部と、
　前記観測部が取得した前記動作データを前記ブレーキ装置の故障現象に対応する状態データに変換する変換部と、
　前記ブレーキ装置について異常を判定した判定データを取得するデータ取得部と、
　前記状態データおよび前記判定データを用いて前記ブレーキ装置の異常の診断モデルを教師あり学習の手法によって学習する学習部と、
　前記学習部による学習の後に前記観測部が取得した動作データを前記変換部が変換して得られる状態データから前記診断モデルに基づいて前記ブレーキ装置の異常を判定する判定部と、
　を備えるエレベーターのブレーキ装置異常診断システム。
　エレベーターのかごを制動するブレーキ装置が動作するときに、前記ブレーキ装置の動作についての動作データを取得する観測部と、
　前記観測部が取得した前記動作データを前記ブレーキ装置の故障現象に対応する状態データに変換する変換部と、
　前記状態データを用いて前記ブレーキ装置の異常の診断モデルを教師なし学習の手法によって学習する学習部と、
　前記学習部による学習の後に前記観測部が取得した動作データを前記変換部が変換して得られる状態データから前記診断モデルに基づいて前記ブレーキ装置の異常を判定する判定部と、
　を備えるエレベーターのブレーキ装置異常診断システム。
　前記ブレーキ装置の動作環境についての環境データに基づいて、前記動作データを分類する分類部
　を備え、
　前記学習部は、前記分類部による分類ごとに前記診断モデルを学習し、
　前記判定部は、前記分類部による分類ごとに学習された前記診断モデルに基づいて前記ブレーキ装置の異常を判定する請求項１または請求項２に記載のエレベーターのブレーキ装置異常診断システム。
　前記判定部による前記ブレーキ装置の異常の判定の結果を報知する報知部
　を備える請求項１から請求項３のいずれか一項に記載のエレベーターのブレーキ装置異常診断システム。
　前記判定部による前記ブレーキ装置の異常の判定の結果を記憶する記憶部
　を備え、
　前記報知部は、エレベーターの運転ができる状態を当該判定の結果が表すときに、当該判定の結果を報知しない請求項４に記載のエレベーターのブレーキ装置異常診断システム。
　前記判定部は、前記ブレーキ装置の異常の判定の結果が正常ではない状態を表すときに、当該判定が行われたときのエレベーターのかごの位置と同じ位置で前記ブレーキ装置に前記かごを制動させる信号を出力し、前記ブレーキ装置が当該位置で前記かごを制動するときに前記観測部が取得する動作データを前記変換部が変換して得られる状態データから、前記診断モデルに基づいて前記ブレーキ装置の異常を判定する請求項１から請求項５のいずれか一項に記載のエレベーターのブレーキ装置異常診断システム。
　前記判定部は、前記ブレーキ装置の異常の判定の結果が正常ではない状態を表すときに、当該判定が行われたときのエレベーターのかごの位置と異なる位置で前記ブレーキ装置に前記かごを制動させる信号を出力し、前記ブレーキ装置が当該位置で前記かごを制動するときに前記観測部が取得する動作データを前記変換部が変換して得られる状態データから、前記診断モデルに基づいて前記ブレーキ装置の異常を判定する請求項１から請求項６のいずれか一項に記載のエレベーターのブレーキ装置異常診断システム。
　前記判定部は、エレベーターの運転ができない状態を前記ブレーキ装置の異常の判定の結果が表すときに、エレベーターの運転を停止させる信号を出力する請求項１から請求項７のいずれか一項に記載のエレベーターのブレーキ装置異常診断システム。
　前記動作データに基づいて前記ブレーキ装置の劣化時期を予測する予測部
　を備え、
　前記分類部は、前記環境データと前記予測部が予測する前記劣化時期とに基づいて前記動作データを分類する請求項３に記載のエレベーターのブレーキ装置異常診断システム。