[go: up one dir, main page]

WO2019225342A1 - 保全作業支援システム - Google Patents

保全作業支援システム Download PDF

Info

Publication number
WO2019225342A1
WO2019225342A1 PCT/JP2019/018603 JP2019018603W WO2019225342A1 WO 2019225342 A1 WO2019225342 A1 WO 2019225342A1 JP 2019018603 W JP2019018603 W JP 2019018603W WO 2019225342 A1 WO2019225342 A1 WO 2019225342A1
Authority
WO
WIPO (PCT)
Prior art keywords
failure
knowledge
knowledge data
partial
support system
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.)
Ceased
Application number
PCT/JP2019/018603
Other languages
English (en)
French (fr)
Inventor
河野　敏明
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.)
Hitachi Ltd
Original Assignee
Hitachi Ltd
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 Hitachi Ltd filed Critical Hitachi Ltd
Priority to EP19806532.8A priority Critical patent/EP3805927B1/en
Priority to US17/053,601 priority patent/US11954604B2/en
Publication of WO2019225342A1 publication Critical patent/WO2019225342A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • 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
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M17/00—Testing of vehicles
    • G01M17/08—Railway vehicles
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/005—Testing of electric installations on transport means
    • G01R31/008—Testing of electric installations on transport means on air- or spacecraft, railway rolling stock or sea-going vessels
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/24—Pc safety
    • G05B2219/24019—Computer assisted maintenance
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32226—Computer assisted repair, maintenance of system components
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32234—Maintenance planning
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Definitions

  • the present invention relates to a maintenance work support system.
  • asset diagnosis it is possible to identify the failure asset, the failure location, the action to be taken, such as replacement / repair / repair, based on the result of the asset survey by the maintenance worker and the status of the asset acquired by the sensor. It is common. These identifications require that maintenance workers have knowledge of assets and general engineering knowledge.
  • diagnostic technology that collects asset status with sensors and grasps the current status of assets
  • diagnostic support technology has been put into practical use that appropriately indicates the survey location and survey content of assets, complements the lack of knowledge and engineering knowledge regarding assets of maintenance workers, and supports efficient survey sequences.
  • the failure location candidates and investigation means for guiding the failure location to the maintenance worker and the relationship between the phenomenon and the failure are arranged.
  • a maintenance work support system having failure knowledge data and guide providing means for presenting the data in order can be considered.
  • Patent Document 1 discloses that “a step of providing a failure knowledge database of a target system, and a data record specifies and identifies a failure mode and a failure symptom.
  • failure knowledge data When performing diagnosis support using failure knowledge data, failure knowledge data includes (1) describing failure candidates of target assets and related phenomena with high coverage, and (2) asset structure / function configuration in order. It is necessary that the knowledge description has a structure that can be traced and that there is no contradiction or duplication as a whole, so that the maintenance worker can clearly recognize the work procedure, and can easily narrow down the failure location efficiently.
  • an object of the present invention is to reduce the burden of creating failure knowledge data by creating failure knowledge data in a small and distributed manner, and even if the failure knowledge data is created in such a distributed manner. It is to provide a maintenance work support system with high practicality by realizing the creation of a diagnostic procedure for instructing a maintenance worker an appropriate procedure.
  • the present invention provides a failure knowledge database in which failure knowledge data such as asset failures are recorded, and partial failure knowledge data, which is the failure knowledge data created by partial division.
  • a failure knowledge combining unit that is reconfigured as the failure knowledge data; and an investigation procedure generation unit that presents an investigation procedure to a maintenance worker using the reconstructed failure knowledge data, the failure knowledge combining The unit evaluates and adjusts the relevance of the description content at each node between the different partial failure knowledge data, connects the different partial failure knowledge data, and the investigation procedure generation unit includes the reconfigured failure Based on the knowledge data, the priority for presenting the survey procedure to the maintenance worker is set, and based on the priority, the survey procedure is set as a diagnostic interface. Characterized in that it presents to the unit.
  • the failure knowledge data that integrates the failure knowledge of the individual parts is configured, and the failure diagnosis support by combining a plurality of failure knowledge data is realized, thereby reducing the number of steps for creating the failure knowledge data and maintaining the failure knowledge data. It becomes possible to improve the efficiency of business.
  • FIG. 1 is a configuration diagram of a failure location identification support system in Embodiment 1.
  • FIG. It is a figure which shows the example of failure knowledge data. It is a figure which shows the example of the data which shows the structure expansion
  • FIG. 1 It is a flowchart which shows the process of an investigation procedure production
  • FIG. 1 is a configuration diagram showing a failure location identification support system 10 for asset 1.
  • the failure location identification support system 10 includes, for example, a monitoring diagnosis database 2 including sensor measurement values obtained from the asset 1, a failure knowledge database 3 in which failure knowledge data such as an asset failure is recorded, and a failure investigation result database 4
  • a fault knowledge combining unit 5 for reconstructing partial fault knowledge data (definition will be described later) as fault knowledge data
  • a survey procedure generating unit 6 for presenting a survey procedure to a maintenance worker
  • a processing device including a diagnostic user interface unit (diagnostic interface unit) 8 and a creation user interface unit 9.
  • Each database 2-4 is stored in a CPU (Central Processing Unit), ROM (Read Only Memory) or RAM by storage means such as HDD (Hard Disk Drive) or RAM (Random Access Memory).
  • Each interface unit 8-9 is realized by an input / output device such as a touch panel or a combination of a display and a keyboard (PC, tablet terminal, mobile phone, etc.) according to the program, but this is not restrictive. The details of the roles of these databases and units are described below.
  • the present invention is not limited to a specific asset, diagnosis technique, and analysis technique.
  • diagnosis technique a diagnosis of a passenger door of a railway will be described as an example.
  • the failure knowledge database 3 includes the structure of the asset 1, the failure mode, the relationship between the functional failure and the failure mode, the relationship between the functional failure and the failure effect, and the relationship between the phenomenon observed at the time of failure and the failure mode. It is recorded as failure knowledge data 30. Further, the failure knowledge data 30 does not need to include the failure knowledge of the entire asset 1 and its relationship, and failure knowledge created for each part of the structure or function of the target knowledge may be stored. It is also assumed that the structure development data of the entire target asset is recorded.
  • FIG. 2 is a diagram illustrating an example of the failure knowledge data 30A.
  • the failure knowledge data 30A includes information on the partial knowledge ID 31, the target component 32, the failure mode 33, the failure cause 34 that causes the failure mode, and the failure effect 35 caused by the failure mode.
  • the failure knowledge data 30A does not need to be created all at once, but is created for each part by adding a partial expert knowledge of the asset or by adding a created version.
  • the knowledge data division status associated with the creation division is recorded as a partial knowledge ID 31.
  • the failure knowledge database 3 also stores data 30B indicating the structural development of the asset 1 as shown in FIG.
  • the conceptual diagram of the data 30B is shown so that the structural development of the parts constituting the asset 1 is clear, but it is recorded in a table format (illustration of the table is omitted).
  • a door rail P2 a door plate P3, an actuator P4, an air pipe P7 as components of the door P1, and a piston P5, a cylinder P6, and an adjustment valve P8 as components of the actuator P4. Yes.
  • each row (No. 1 to No. 21 in FIG. 2) of the failure knowledge data 30A indicates a combination of the target component 32, failure mode 33, failure cause 34, and failure effect 35. It is treated as the smallest unit.
  • the failure knowledge database 3 describes the cause of the failure effect by recording the relationship between the failure cause and the failure effect between the elements recorded in the failure knowledge data 30A. Is possible. As for the failure effect that occurs in a certain target part, the failure mode that causes the failure effect and the failure cause that causes the failure mode are described as the relationship between the data IDs.
  • the failure knowledge data 30A is a combination of data created by partial division.
  • data created by partial division is referred to as partial failure knowledge data (or partial knowledge).
  • the partial failure knowledge data is recorded in the failure knowledge database 3 in a table format.
  • the partial failure knowledge data indicates the relationship between the failure cause and the failure effect between each element.
  • 4 and 5 are diagrams showing the partial failure knowledge data 30C. The above-described relationships are shown in a graph format and a table format, respectively.
  • the partial failure knowledge data 30 ⁇ / b> C indicates the relationship between the same components for each of the target component, failure mode, failure cause, and failure effect node by a solid line, and indicates the relationship between different components by a broken line. ing.
  • these relationships are recorded as a partial knowledge ID 36, a source node 37, and a destination node 38.
  • the partial failure knowledge data 30C will be described mainly using a graph format.
  • the partial failure knowledge data 30C merely creates failure knowledge for each portion, the failure investigation is limited to a range in which the partial knowledge ID 36 is “1”. Therefore, the relationship between each node of the target part, failure mode, failure cause, and failure effect between the partial failure knowledge data 30C having the partial knowledge ID 36 of “1” and the failure knowledge data 30C having another partial knowledge ID 36. Even if there is a possibility, efficient failure investigation is impossible only with the partial failure knowledge data 30C whose partial knowledge ID 36 is “1”.
  • the failure knowledge data 30C having the other partial knowledge ID 36 includes failure knowledge related to the actuator P4. “If the actuator P4 exerts excessive force, the door plate will operate faster. If it is recorded that "occurs”, an efficient failure investigation becomes possible. That is, even if the partial knowledge IDs are different, there is a possibility that the target part, the failure mode, the failure cause, and the failure effect may be related, so that a plurality of partial failure knowledge data 30C is reconstructed into a single piece of failure knowledge data 30A. It is necessary to do.
  • failure knowledge data 30A When the failure knowledge data 30A is to be reconfigured, even if an attempt is made to manually define the connection relationship between partial failure knowledge data 30C having different partial knowledge IDs 36 (hereinafter referred to as “different partial failure knowledge data”) 30C, In a large device or a complicated device, failure knowledge data can often be defined only by a maintenance worker having expertise for each asset, and the number of partial failure knowledge data becomes enormous.
  • failure knowledge data It is also possible to create failure knowledge data separately at different times. It is realistic in that the number of man-hours for creation becomes easier than the creation of the entire failure knowledge data at once by sharing the failure knowledge data among a plurality of people or by dividing the time.
  • manually defining the relationship between the partial failure knowledge data requires confirmation of a large number of connection points between maintenance workers and the task of defining an exact cause-effect relationship. In addition, implementation becomes difficult.
  • FIG. 6 is a flowchart showing the processing of the failure knowledge combining unit 5.
  • the fault knowledge combining unit 5 executes an inter-node relevance measurement process for evaluating the relevance of description contents at each node between different partial fault knowledge data 30C (S10).
  • the score X indicating the node relevance between the different partial failure knowledge data 30C is calculated in consideration of the sentence-like similarity of the description contents of the nodes, the coincidence of the node types, the distance in the structure expansion, and the like. .
  • the ratio W of the number of matching words to the total number of words in the description contents of each node the relation score S corresponding to the type of the connected node (the relation score table 200 shown in FIG. 7). It is conceivable to use the distance L between components on the structural development shown in FIG.
  • the “matching word” in the calculation of W includes not only a directly matching word but also a synonym. Further, in the case of an antonym, the ratio W may be adjusted to be lowered.
  • the relation score S “failure effect—failure cause” connection indicating the most appropriate causal relationship (node connection) is scored high, but other “failure mode—failure cause” connections are also scored.
  • a failure mode of A ⁇ A failure effect of A ⁇ B failure cause This is because the appropriate ones were not extracted at the time of the partial fault knowledge examination and may actually be related. Similarly, scores are set for other causal relationships even if there is no intermediate node.
  • FIG. 8 shows an example of the score X indicating the node relevance of the different partial failure knowledge data 30C.
  • the partial failure knowledge data 30C having the partial knowledge ID 36 of “2” the data related to the actuator P4 and the partial knowledge ID 36 are “1”.
  • the score table 300 calculated between the partial failure knowledge data 30 ⁇ / b> C ” is shown.
  • the presence / absence of direct connection / input / output relationship, and after the spatial distance on the arrangement may be considered.
  • a score may be created using the relationship.
  • the failure knowledge combination unit 5 executes a relevance adjustment process for adjusting the created relationship and score (S20).
  • connection from the lower function to the higher function is appropriate, but the connection from the higher function to the lower function is considered inappropriate.
  • the connection relationship that is the relationship between the upper function and the lower function is deleted from the connection relationship.
  • a structure development diagram is used. This is because it seems that it is appropriate that the function exhibited by a large component in general is realized by the function of the component included therein. Therefore, the connection relation from the upper part to the lower part is deleted using the inclusion relation appearing in the structural development view.
  • the connection from the door P1 to the actuator P4 can be deleted by using the structural development diagram shown in FIG.
  • FIG. 9 shows the adjusted score table 310 after the relevance adjustment process (S20) is performed on the score table 300 shown in FIG.
  • data having a score X lower than 2 and data having a connection source node ID P1 and a connection destination node ID P4 are deleted.
  • the fault knowledge integrated process of fault knowledge described for the same parts such as data of the partial knowledge ID 31 of “knowledge 3” and “knowledge 4” in the fault knowledge data 30A shown in FIG. Do.
  • the nodes of the failure mode, the influence description, and the cause description are integrated into a single node on the assumption that the similarity is high due to the similarity of the description contents, and the same contents.
  • the similarity at this time can be implemented by matching from a word or a word meaning dictionary.
  • FIG. 10 is a diagram illustrating an example of post-reconstruction failure knowledge data 100 after executing the partial knowledge connection process (S30).
  • a new connection relationship is generated between three different partial failure knowledge data 30C-1 to 30C-3.
  • the failure cause node “door plate movement is slow” of the door P1 and the failure influence node “operation is abnormally slow” of the actuator P4 are generated.
  • the worker When the maintenance worker actually diagnoses the failure, the worker receives an instruction of the investigation procedure from the investigation procedure generation unit 6 through the diagnosis user interface unit 8.
  • the investigation procedure generating unit 6 presents the investigation procedure to the maintenance worker based on the post-reconstruction failure knowledge data 100. The operation of the investigation procedure generation unit will be described below.
  • FIG. 11 is a flowchart showing the processing of the survey procedure generation unit 6.
  • failure knowledge reading processing (S40) for reading the failure knowledge data 100 after reconfiguration is executed.
  • a start point setting process (S50) for determining a part as a starting point of the investigation procedure is executed.
  • the door P1 which is the highest-order component in connection
  • the matching between the specified part or the specified failure phenomenon and the node in the investigation knowledge is the highest The one is selected.
  • the door which is the uppermost component, is set as the starting point.
  • loop processing S60 to S110 is continued until the failure location is identified while repeating the presentation of the guide, the input of the investigation stage result from the worker and the reflection of the result to the maintenance worker.
  • priority setting process (S70) priority is generated in what order the graph of the survey knowledge data should be followed when the guide is presented to the maintenance worker.
  • the priority D is a weight value given between the nodes, and as shown in FIG. 12, it is an order for recommending to the maintenance worker which node contents should be checked. .
  • the survey progress of D 5 is presented most preferentially.
  • this priority is set so as to enable a guide that is most likely to lead to the identification of the failure location.
  • the priority D is set to a value of 0 or more.
  • D 0, the connection between the nodes is not guided.
  • D there are various methods for determining D. For example, there are methods such as increasing D between nodes that are frequently followed by maintenance workers during past failure investigations, and increasing D between nodes connected to a failure mode with a high occurrence rate.
  • a method unique to investigation knowledge created by integrating partial failure knowledge of the present invention will be described in particular.
  • D_i is 1 unless otherwise specified.
  • a correction coefficient based on the relationship between the partial failure knowledge data is D_1.
  • the priority D is corrected so that the nodes created from the partial fault knowledge data with more substantial contents are guided with priority.
  • the quality of the partial failure knowledge data depends on the knowledge of each creator's assets, so partial failure knowledge data by a knowledgeable creator has a wider range of failure modes. There are more and more causal connections for the onset of failure.
  • a correction coefficient related to the rank according to the degree of knowledge enhancement is set to D_2, and the reciprocal of the rank of the related partial failure knowledge data is set to D_2.
  • FIG. 13 is a diagram illustrating a relationship between a part of partial knowledge 2 and partial knowledge 3 and partial knowledge 4 as an example of a diagram illustrating a relationship between different partial failure knowledge data.
  • the maintenance worker wants to investigate the details of “underflow of air flow” that can be considered as the cause of “underoperation force” in the actuator P4 belonging to the partial knowledge 2.
  • the maintenance worker is presented with each node connected to the failure cause node of “underflow of air flow”, but first belongs to the same partial knowledge 2 as the failure cause node of “underflow of air flow” of the actuator P4. Priority is given to failure-affected nodes such as “air supply reduction in air piping, leakage noise”. Next, the failure influence node “reduction in air flow rate” common to the partial knowledge 3 and the partial knowledge 4 is guided.
  • the priority of connection to nodes belonging to only partial knowledge 3 or only partial knowledge 4 is determined.
  • priority is given to the one having a larger number of nodes when the partial knowledge 3 and the partial knowledge 4 are compared.
  • the reason for the large number of nodes is that it is considered to be caused by a creator with abundant fault knowledge.
  • priority may be given to the partial failure knowledge data created by the creator with a high skill standard.
  • failure knowledge auxiliary information associated with failure knowledge data and investigation knowledge created therefrom may be used. For example, if the target asset has a state monitoring / diagnostic sensor attached, or the measurement results of the measuring equipment used by the maintenance worker can be obtained, the diagnostic results using it, and the normal / abnormality by the maintenance worker There may be cases where analysis results are available to help make decisions.
  • auxiliary information useful for investigation is associated with the partial failure knowledge data 30C and defined.
  • auxiliary information useful for investigation is associated with the partial failure knowledge data 30C and defined.
  • links to sensor data useful for diagnosis and diagnosis results of presence / absence of related abnormalities recorded in the monitoring diagnosis database 2 are given to each node.
  • the partial failure knowledge data to which more auxiliary information is given becomes easier to investigate.
  • the partial failure knowledge data supplementary knowledge with a large number of supplementary information given is prioritized and guided.
  • the definition rate of auxiliary information is calculated by dividing the number of auxiliary information included in the partial failure knowledge data by the total number of nodes, and partial failure knowledge data having a high definition rate is preferentially guided.
  • node relationships between different partial failure knowledge data generated by the inter-node relevance measurement processing (S10) and relevance adjustment processing (S20) of the failure knowledge combining unit 5 The score X indicating the sex can also be used to calculate the priority D. This is because the higher the score X, the higher the relevance of the function between nodes and the phenomenon at the time of failure, and thus the possibility of leading to the cause of failure is considered high.
  • FIG. 15 is an example of a failure investigation GUI generated by the procedure display process (S80) and displayed on the diagnostic interface unit 8.
  • the screen is divided into a left part, a central part, and a right part, information on the currently focused part and its failure mode is displayed in the central part, and the influence of failure caused by the failure mode or other parts is displayed.
  • the node whose relevance is defined for the affiliation node is arranged on the left side, and the factor causing the failure mode is arranged on the right side.
  • the failure effect that causes the failure mode that is currently focused on and the failure effect of the lower part that causes the failure effect are displayed together.
  • the connection destination node is presented.
  • the maintenance worker confirms the presence or absence of failure mode displayed in the center by investigating the assets, and the failure effects, failure causes and relationships displayed on the left and right at that time It is possible to proceed with the failure investigation while using as one of the judgment materials whether the phenomenon defined in the previous node is occurring.
  • the maintenance operator inputs through the diagnosis interface unit 8 that the failure mode has not yet occurred for the failure mode and is not a failure location.
  • the diagnosis completion determination process (S90) shown in FIG. After that, in the investigation result reflection process (S100), the failure mode determined to be non-occurrence of the failure, the failure effect caused by the failure mode, and the cause of the failure causing the failure mode need not be further investigated.
  • the connection weight D is 0.
  • the failure effect has not been confirmed, it can be caused by other failure modes that are presenting or other types of related nodes, or if the cause of the failure is also related to other failure modes Only the weight D connected to the failure mode is set to zero. At the same time, it moves to the failure mode that has been confirmed before shifting the attention to the failure mode of interest displayed in the center. Thereby, in the next investigation step, the connection regarding the confirmed failure mode is not displayed on the GUI, and it becomes possible to narrow down and present the next investigation object to the maintenance worker.
  • the maintenance worker can make a diagnosis using the survey knowledge.
  • the weight D generated in the priority setting process (S70) earlier An efficient procedure can be instructed to the user.
  • the failure effect of the lower part connected through the underflow of the air flow of the related failure influence is displayed on the right side with respect to the failure mode with the actuation force of the actuator being focused in the central portion.
  • the display order is divided into the failure effect on the air piping belonging to the same partial knowledge and the failure effect on the adjustment valve of the different partial knowledge 3 and partial knowledge 4.
  • the failure effects common to the partial knowledge 3 and the partial knowledge 4 the failure effects related to the partial knowledge 4
  • the failure effects related to the partial knowledge 3 are displayed in this order.
  • FIG. 16 shows another example of the failure investigation GUI displayed on the diagnosis interface unit 8.
  • the asset drawing and the content of the reported abnormality are displayed on the left side of the screen. This assists the maintenance worker in identifying the failure location.
  • the location of the actuator is shaded, but this highlights the location corresponding to the part currently under investigation that has the failure mode displayed in the center. is there. Such highlighting such as shading enables the maintenance worker to easily grasp the current survey portion and the entire image of the asset.
  • the relevance is defined for the failure effect caused by the failure mode displayed in the center, or the node to which other parts belong. Displayed nodes are not displayed. Therefore, a button for returning to the previous investigation step is arranged, and the operator clicks to return to the failure mode that was investigated one time before.
  • the maintenance worker follows the survey knowledge as described above, and repeatedly confirms whether or not each failure mode has occurred according to the guide.
  • the failure mode that is not due to the failure or the failure mode and the cause of the failure are specified as the investigation result of the failure location.
  • the specified failure mode is designated through the diagnosis interface unit 8, and is determined to be complete in the diagnosis completion determination process (S90) shown in FIG.
  • the failure mode identified in the investigation result recording process (S120) is recorded in the failure investigation result database 4, and the failure mode identified in the investigation result output process (S130) is reported in the form of a report.
  • the fault location identifying operation is completed.
  • the partial failure knowledge data created by dividing is made into an integrated investigation knowledge, and when presenting the investigation knowledge to the worker, a procedure with high investigation efficiency considering the characteristics of the partial failure knowledge data is taken.
  • the failure location identification support system to be instructed is realized.
  • failure knowledge data is defined by a combination of parts, failure effects, failure modes, and failure causes, but fragmentary failure knowledge that does not have all of these elements is also integrated into survey knowledge as partial knowledge. Is possible.
  • the part and other It is possible to extract the relationship between the failure mode and the cause of failure or failure mode of the higher-level component without involving the relationship between the parts or the failure effect.
  • FIG. 17 is a diagram illustrating an example of a creation GUI for partial failure knowledge data.
  • the partial failure knowledge data creation GUI displays graph data as shown in FIG. 4 and creates partial failure knowledge data by adding / deleting nodes and adding / deleting connections.
  • FIG. 18 is a diagram illustrating an example of a relationship creation GUI between partial failure knowledge data.
  • the processing in the failure knowledge combining unit 5 is executed by pressing the knowledge relationship button, and the generated investigation knowledge is displayed.
  • the creator deletes it.
  • the connection is manually added.
  • the similarity score X of each connection may be set manually. In that case, the automatically calculated score X is presented first, and the creator corrects the score X using a slide bar or the like.
  • the threshold T used in the relevance adjustment process (S20) may be adjusted by the creator.
  • an inspection procedure screen listing the inspection methods for confirming the occurrence state and details of the failure mode currently focused on is generated.
  • “inspection” in the present embodiment indicates an operation for determining the presence / absence of a specific phenomenon (failure mode, failure effect, occurrence of failure cause, etc.), and “investigation” is a series of failure location identification Indicates work (including “inspection”).
  • FIG. 19 is a configuration diagram showing the failure location identification support system 13 of the asset 1.
  • the failure location identification support system 13 includes a diagnostic unit 11 and a search (inspection) procedure database 12 (hereinafter referred to as an inspection procedure database 12) in addition to the configuration of the failure location identification support system 10 described in the first embodiment.
  • the diagnostic unit 11 is a program stored in a CPU (Central Processing Unit), ROM (Read Only Memory) or RAM, and the inspection procedure database 12 is a storage means such as an HDD (Hard Disk Drive) or a RAM (Random Access Memory).
  • HDD Hard Disk Drive
  • RAM Random Access Memory
  • the diagnosis unit 11 determines the state of the asset using a sensor provided in the asset and using a procedure defined in advance in the inspection procedure database 12.
  • a procedure for determining the presence / absence of a specific phenomenon (failure mode, failure effect, occurrence of failure cause) in the failure knowledge data 30A is recorded as inspection procedure data.
  • FIG. 20 is a diagram showing an example of inspection procedure data.
  • the inspection procedure data 400 stores a confirmation procedure by a maintenance worker or an automatic determination procedure used in the diagnosis unit 11 when the asset has a sensor.
  • the inspection item ID 401 is a unique ID assigned to each inspection item, and the inspection target ID 402 corresponds to the failure mode ID 33 of the failure knowledge data 30A shown in FIG.
  • the inspection type 403 indicates either manual inspection / measurement by a maintenance worker or automatic measurement by the diagnostic unit 11.
  • the inspection method 404 indicates a manual inspection / measurement performed by the maintenance worker or an automatic measurement method performed by the diagnostic unit 11.
  • the same test item may be defined for a plurality of test targets.
  • the diagnostic unit 11 uses the monitoring diagnostic data recorded in the monitoring diagnostic database 2 for the automatic inspection type 403 among the inspection procedures included in the inspection procedure data 400 at the time of performing the fault location identifying work. This is performed in advance, and the result is delivered to the survey procedure generation unit 6.
  • the investigation procedure generation unit 6 presents the inspection procedure to the diagnostic user interface unit 8.
  • the maintenance worker confirms the occurrence of each failure mode, if there is inspection procedure data linked to the failure mode, the maintenance worker presents it as an inspection procedure, so that the maintenance worker can efficiently and accurately perform the failure. It is possible to specify the location.
  • the connection is made in the lower direction from the node of the failure mode currently being investigated. It is possible to generate an inspection procedure GUI by tracing a node that is connected and creating a list of nodes of inspection procedure data connected thereto.
  • FIG. 22 is a diagram showing an example of this inspection procedure screen.
  • the inspection procedure GUI is generated when “underactuation force of actuator” is a failure mode of interest.
  • the maintenance work can be performed more efficiently and accurately by presenting the inspection method for confirming the occurrence state and details of the failure mode currently focused on to the maintenance worker. Is possible.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Automation & Control Theory (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Debugging And Monitoring (AREA)
  • Test And Diagnosis Of Digital Computers (AREA)
  • Train Traffic Observation, Control, And Security (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

故障知識データが記録された故障知識データベースと、部分故障知識データを故障知識データとして再構成する故障知識結合ユニットと、再構成された故障知識データを用いて、調査手順を提示する調査手順生成ユニットと、を備え、故障知識結合ユニットは、異なる部分故障知識データ間の各ノードの関連性を評価及び調整し、異なる部分故障知識データを接続し、調査手順生成ユニットは、再構成された故障知識データより、調査手順を提示する際の優先度を設定し、優先度に基づいて調査手順を診断インタフェースユニットに提示する。

Description

保全作業支援システム
　本発明は、保全作業支援システムに関する。
　インフラ、鉄道、産業機器、医療機器などの多くの分野において、アセット（各種機器）の導入後、所定の性能を維持するために、保全を継続的に実施する必要がある。保全においては、アセットの状態を収集し、異常の有無や問題点を分析する診断を適用した上で、適切な保全作業を適用する。
　アセットの診断においては、保全作業者によるアセットの調査結果や、センサにより取得されたアセットの状態より、故障しているアセット、故障箇所、交換・修理・修復などの取るべき処置を特定することが一般的である。これらの特定には、保全作業者がアセットに関する知識や一般的な工学的知識を有していることが必要である。
　近年、情報技術の発達により、アセットの状態をセンサで収集し、アセットの現在の状態を把握する診断技術などのＩＴ技術を用いることが容易になり、それを用いた診断支援が検討されている。また、アセットの調査箇所や調査内容を適切に指示し、保全作業者のアセットに関する知識や工学的知識の不足を補完したり、効率のよい調査順序を支持する診断支援技術が実用化している。
　このような診断支援技術を搭載した保全作業支援システムを実現するために、例えば、保全作業者に対して故障箇所をガイドするための故障箇所候補及び調査手段や、現象と故障の関係を整理した故障知識データと、当該データを順序だてて提示するガイド提供手段を持った保全作業支援システムが考えられる。
　故障知識データとガイド提供手段を持った保全作業支援システムの例として、特許文献１には、「ターゲットシステムの故障知識データベースを提供するステップと、データレコードは故障モードおよび故障症状を特定し、特定のコンポーネントおよびレポートを受け取るステップと、故障知識データベースを参照し候補故障モードおよび症状データレコードを特定するステップと、候補データレコードの信頼値を算出するステップと、信頼値を比較するステップと、保守命令を生成するステップとを有し、さらに、故障知識データベースのサブセットに対し、故障症状の補正データベースを提供するステップを有し、代替コンポーネントと代替故障症状は故障モードおよび症状データレコードを有し、特定するステップは、補正データベースを使用して、代替コンポーネントおよび代替故障症状のデータレコードを含む候補故障モードおよび症状データレコードの数を拡張する（要約抜粋）」方法が記載されている。
特開２０１４－１７４９８３号公報
　故障知識データを用いて診断支援を行う場合、故障知識データは、（１）対象アセットの故障候補や、関連する現象を高いカバレッジで記述すること、及び（２）アセットの構造・機能構成を順にたどれる構成を持った知識記述や、全体で矛盾や重複が無い記述とし、保全作業者が作業手順を明確に認識したり、効率よく故障箇所の絞込みを容易にすることが必要である。
　しかし、上述したような故障知識データの作成時には、一貫した作成管理、大規模な知識抽出作業及び記述作業が必要である。また、知識データの更新時には、全体の内容を調整して統一性を保つ必要がある。従って、知識データの作成・更新時の負担が非常に大きくなり、診断支援システムを構築する際の課題となっている。
　そこで、本発明の目的は、故障知識データを小規模かつ分散して作成することにより、故障知識データの作成負担を抑制すると共に、そのように分散して作成された故障知識データであっても、保全作業者に適切な手順を指示する診断手順作成を実現することにより、実用性の高い保全作業支援システムを提供することである。
　上記の課題を解決するため、本発明は、アセットの故障などの故障知識データが記録された故障知識データベースと、部分的に分割されて作成された前記故障知識データである、部分故障知識データを前記故障知識データとして再構成する故障知識結合ユニットと、再構成された前記故障知識データを用いて、保全作業者に対して調査手順を提示する調査手順生成ユニットと、を備え、前記故障知識結合ユニットは、異なる前記部分故障知識データ間の各ノードでの記述内容の関連性を評価及び調整し、異なる前記部分故障知識データを接続し、前記調査手順生成ユニットは、前記再構成された前記故障知識データより、前記保全作業者に調査手順を提示する際の優先度を設定し、前記優先度に基づいて、前記調査手順を診断インタフェースユニットに提示することを特徴とする。
　本発明によれば、個別部分の故障知識を集積した故障知識データを構成し、複数の故障知識データを組み合わせての故障診断支援を実現することにより、故障知識データの作成工数を少なくし、保全業務の効率化を実現することが可能となる。
実施例１における、故障箇所特定支援システムの構成図である。 故障知識データの例を示す図である。 アセットの構造展開を示すデータの例を示す図である。 部分故障知識データをグラフ形式で示す図である。 部分故障知識データをテーブル形式で示す図である。 故障知識結合ユニットの処理を示すフローチャートである。 関係点数テーブルの例を示す図である。 得点テーブルの例を示す図である。 調整後得点テーブルの例を示す図である。 再構成後故障知識データの例を示す図である。 調査手順生成ユニットの処理を示すフローチャートである。 調査手順優先度の例を示す図である。 異なる部分故障知識データ間の関係例を示す図である。 関連する異常有無の診断結果や診断に役立つセンサデータへのリンクを付与した部分故障知識データを示す図である。 故障調査ＧＵＩの一例を示す図である。 故障調査ＧＵＩの他の例を示す図である。 部分故障知識データの作成ＧＵＩの例を示す図である。 部分故障知識データ間の関係性作成ＧＵＩの例を示す図である。 実施例２における、故障箇所特定支援システムの構成図である。 検査手順データの例を示す図である。 検査手順データと故障知識データとを合わせたデータ構造を示す図である。 検査手順画面の例を示す図である。
　以下、実施例について図面を用いて説明する。なお、本発明は、以下の実施例に限定されることなく、本発明の技術的な概念の中で種々の変形例や応用例もその範囲に含むものである。
　図１は、アセット１の故障箇所特定支援システム１０を示す構成図である。故障箇所特定支援システム１０は、例えば、アセット１から得られたセンサ測定値を含む監視診断データベース２と、アセットの故障などの故障知識データが記録された故障知識データベース３と、故障調査結果データベース４と、部分故障知識データ（定義は後述する）を故障知識データとして再構成する故障知識結合ユニット５と、保全作業者に対して調査手順を提示する調査手順生成ユニット６と、故障知識作成ユニット７と、診断ユーザインタフェースユニット（診断インタフェースユニット）８と、作成ユーザインタフェースユニット９と、を含む処理装置を有する。各データベース２～４は、ＨＤＤ（Hard Disk Drive）またはＲＡＭ（Random Access Memory）等の記憶手段によって、各ユニット５～７は、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）またはＲＡＭに記録されたプログラムによって、各インタフェースユニット８～９は、タッチパネルや、ディスプレイとキーボードとの組み合わせ（ＰＣ、タブレット端末、携帯電話など）といった入出力デバイスによってそれぞれ実現されるが、この限りではない。これらのデータベースおよびユニットの役割について、下記に詳細を説明する。
　なお、本発明は、特定のアセット、診断技術、分析技術に限定されるものではないが、以下では、鉄道の客室ドアの診断を例として説明する。
　故障知識データベース３には、アセット１の構造、故障モード、機能故障と故障モードとの関係性、機能故障と故障影響との関係性、及び故障時に観察される現象と故障モードとの関係性が故障知識データ３０として記録されている。また、故障知識データ３０は、アセット１全体の故障知識とその関係性が含まれる必要は無く、対象知識の構造または機能の部分ごとに作成された故障知識が保存されている場合もありうる。また、対象アセット全体の構造展開データも記録されているものとする。
　図２は、故障知識データ３０Ａの例を示す図である。故障知識データ３０Ａには、部分知識ＩＤ３１と、対象部品３２と、故障モード３３と、故障モードを引き起こす故障原因３４と、故障モードによる故障影響３５とに関する情報が含まれている。故障知識データ３０Ａには、データ全体が一度に作成される必要は無く、アセットの部分的な専門知識保持者や、あるいは作成バージョンによるデータ追加により部分ごとに作成される。その作成の分割に伴う知識データの分割状況を、部分知識ＩＤ３１として記録している。
　また、故障知識データベース３には、図３に示すようなアセット１の構造展開を示すデータ３０Ｂも記録されている。なお、図３では、アセット１を構成する部品の構造展開が明確となるように、データ３０Ｂの概念図を示しているが、テーブル形式で記録されるものである（テーブルの図示は省略する）。ここでは、ドアＰ１の構成部品として、ドアレールＰ２、ドア板Ｐ３、アクチュエータＰ４、空気配管Ｐ７があると共に、アクチュエータＰ４の構成部品として、ピストンＰ５、シリンダＰ６、調整バルブＰ８があることが示されている。
　図２に戻り、故障知識データ３０Ａの各行（図２では、Ｎｏ．１～Ｎｏ．２１）は、対象部品３２、故障モード３３、故障原因３４、故障影響３５の組み合わせを示しており、故障知識の最小単位として扱われる。
　ここで、故障知識データベース３に、故障知識データ３０Ａに記録された各要素間の故障原因と故障影響との関係性が記録されることにより、故障影響がどのような要因で引き起こされるかを記述することが可能である。ある対象部品において発現する故障影響について、故障影響がどの故障モードによって引き起こされるか、さらに故障モードはどの故障原因によって引き起こされるかを、各データＩＤ間の関係性として記述する。
　また、異なる部品間についても、下位機能を提供する部品に故障が発現した際に、その故障影響が上位機能の故障原因となる、因果関係の連鎖を記述することができる。
　上述の通り、故障知識データ３０Ａは部分的に分割されて作成されたデータを結合した、ものである。このように、部分的に分割されて作成されたデータを部分故障知識データ（あるいは部分知識）と称する。部分故障知識データは、故障知識データベース３にはテーブル形式で記録される。
　部分故障知識データは、各要素間の故障原因と故障影響との関係性を示している。図４、図５は、部分故障知識データ３０Ｃを示す図であるが、それぞれ上述した関係性をグラフ形式、テーブル形式で示している。図４に示す通り、部分故障知識データ３０Ｃは、対象部品、故障モード、故障原因、故障影響の各ノードについて、同一部品間の関係性を実線で示し、異なる部品間の関係性を破線で示している。また、図５に示す通り、これらの関係性は、部分知識ＩＤ３６、元ノード３７、先ノード３８として記録される。なお、以降の説明では、部分故障知識データ３０Ｃを主にグラフ形式を用いて説明する。
　部分故障知識データ３０Ｃのみであっても、故障調査を部分的に行うことが可能である。例えば、保全作業者が「ドア開が異常に遅く、運行が遅延した」という報告を受けた場合、Ｅ１．１．２に示す「運行遅延」の故障影響ノードと、Ｍ１．１．２に示す「開時間が長い」という故障モードノードとから、実際にドアの調査を行うなどして、Ｃ１．１．３に示す「板移動時間が遅い」という故障原因モード、Ｅ１．２．１に示す「ドア板の動作が阻害」という故障影響ノード、Ｍ１．２．１に示す「抵抗増大」という故障モードノードと辿り、最終的にＣ１．２．２に示す「グリス喪失」という故障原因モードを確認できれば、「ドアレールＰ２にグリスを追加する」という処置をとることができる。
　しかし、Ｃ１．１．４に示す「ドア板移動速度が速い」という故障原因モードについて詳細を調査することは不可能である。上述の通り、部分故障知識データ３０Ｃは、故障知識を部分毎に作成しているに過ぎないため、部分知識ＩＤ３６が「１」の範囲に限定された故障調査になってしまう。そのため、部分知識ＩＤ３６が「１」である部分故障知識データ３０Ｃと、他の部分知識ＩＤ３６を有する故障知識データ３０Ｃとの間に、対象部品、故障モード、故障原因、故障影響の各ノードの関係性があったとしても、部分知識ＩＤ３６が「１」である部分故障知識データ３０Ｃのみでは、効率的な故障調査が不可能である。
　仮に、他の部分知識ＩＤ３６を有する故障知識データ３０Ｃに、アクチュエータＰ４に関係する故障知識が含まれており、「アクチュエータＰ４が過剰な力を発揮した場合に、ドア板が速く動作するような異常が起こる」ことが記録されていれば、効率的な故障調査が可能となる。すなわち、部分知識ＩＤが異なったとしても、対象部品、故障モード、故障原因、故障影響に関連性がある可能性があるため、複数の部分故障知識データ３０Ｃを一体の故障知識データ３０Ａに再構成することが必要となる。
　故障知識データ３０Ａを再構成しようとする場合、異なる部分知識ＩＤ３６を有する部分故障知識データ（以下、「異なる部分故障知識データ」と称する）３０Ｃ間の接続関係を手動で定義しようとしても、規模の大きな装置や複雑な装置では、アセット毎の専門知識を持った保全作業者でしか故障知識データを定義できないことが多く、部分故障知識データの数が膨大となってしまう。
　また、故障知識データを時期的に分けて作成することも考えられる。複数人で故障知識データを分担して作成したり、時期を分けることにより、一度に全体の故障知識データを作成するよりも、作成工数は容易となる点で現実的である。しかし、手動で部分故障知識データ間の関係性を定義することは、多数の接続点を保全作業者間で確認したり、正確な原因－影響の関係を定義する作業が発生することになるために、実施が困難となる。
　さらに、このような調査知識データを作成する場合、アセットの機能や構造の展開に即した、適切な接続点で知識間の関係性を定義する必要がある。また、個別に作成された知識に重複が存在したり矛盾することもありうるため、保全作業者にガイドを提示する際の表示順序や表示有無を考慮可能なデータとすることが必要となる。
　従って、故障知識データ３０Ａを再構成する際に、異なる部分故障知識データ３０Ｃ間の接続関係を自動的に探索することが必要となる。
　部分故障知識データ３０Ｃの再構成は、故障知識結合ユニット５において実行される。図６は、故障知識結合ユニット５の処理を示すフローチャートである。
　最初に、故障知識結合ユニット５は、異なる部分故障知識データ３０Ｃ間の各ノードでの記述内容の関連性を評価する、ノード間関連性計測処理を実行する（Ｓ１０）。ここで、異なる部分故障知識データ３０Ｃ間のノード関連性を示す得点Ｘは、ノードの記述内容の文章的な類似性、ノードの種類の一致、構造展開上の距離などを考慮して計算される。
　例えば、２つのノードを比較したときに、各ノードの記述内容においてマッチングする単語数の全単語数に対する比率Ｗ、接続されたノードの種別に対応する関係点数Ｓ（図７に示す関係点数テーブル２００参照）、図３に示す構造展開上の部品間の距離Ｌを用いることが考えられる。
　ここで、Ｗの算出における「マッチングする単語」とは、直接一致する単語に限らず、類義語まで含めたものである。また、対義語の場合は比率Ｗを下げるように調整しても良い。また、関係点数Ｓは、最も適切な因果関係（ノードの接続）を示す「故障影響－故障原因」の接続を高得点としているが、その他の「故障モード－故障原因」の接続などにも点数を定義する。これは、本来、ある対象部品Ａ、Ｂがあったときに、本来は「Ａの故障モード－Ａの故障影響－Ｂの故障原因」といった因果関係の連鎖があるはずだが、Ａの故障影響として適切なものが、部分故障知識の検討時に抽出されなかっただけであり、実際は関係する可能性があるためである。他の因果関係についても同様に、中間にあるべきノードが無くとも、得点を設定している。また、距離Ｌは、構造展開上、部品間に存在する中間部品数をＮとしたときに、Ｌ＝Ｎ＋１として定義される。
このような方法により、重みの係数をＡ、Ｂ、Ｃとして得点Ｘ＝Ａ×Ｗ＋Ｂ×Ｓ＋Ｃ／Ｌのようにして算出される。図８は、異なる部分故障知識データ３０Ｃのノード関連性を示す得点Ｘの例として、部分知識ＩＤ３６が「２」の部分故障知識データ３０Ｃの内、アクチュエータＰ４に関するデータと、部分知識ＩＤ３６が「１」の部分故障知識データ３０Ｃとの間に算出された得点テーブル３００を示す。
　この得点Ｘの計算では、上述した他に、例えば直接的な部品の接続・入出力関係の有無や、配置上の空間距離後などを考慮しても良い。例えば、アクチュエータＰ４は、直接的にはドア板Ｐ３を駆動するため、アクチュエータＰ４に関連するノードと、ドア板Ｐ３に関連するノードとの間の得点を、アクチュエータＰ４に関連するノードと、ドアレールＰ２に関連するノードとの間の得点より高くしても良い。また、過去の故障履歴において、故障の原因と影響を受けた部品や故障モード間の関係があれば、それを用いて得点を作成しても良い。
　続いて、故障知識結合ユニット５では、作成された関係性と得点を調整する、関連性調整処理を実行する（Ｓ２０）。まず、得点Ｘが閾値Ｔ（例えば、Ｔ＝２）より低い場合、実際には関係性がないものとして、図８に示す得点テーブル３００から削除する。
　また、因果関係の接続を考えるため、下位機能から上位機能への接続関係は妥当であるが、上位機能から下位機能への接続関係は不適であると考えられる。これを解決する方法として、機能展開図が存在すれば、その接続関係から上位機能から下位機能の関係となっている接続関係を削除する。また、機能展開図が存在しない場合は、構造展開図を用いる。これは、一般的に構造上大きな部品の発揮する機能は、それに含まれる部品の機能により実現されるのは妥当と思われるためである。そこで、構造展開図に現れている包含関係を用いて、上位部品から下位部品への接続関係を削除する。本実施例では、図３に示す構造展開図を用いることで、ドアＰ１からアクチュエータＰ４への接続は削除できる。
　図９は、図８に示す得点テーブル３００に対して関連性調整処理（Ｓ２０）を実行した後の調整後得点テーブル３１０を示す。ここでは、得点Ｘが２より低いデータと、接続元のノードＩＤがＰ１、かつ接続先のノードＩＤがＰ４となっているデータとが、削除されている。
　続いて、故障知識結合ユニット５では、関連性調整処理（Ｓ２０）で調整された調整後得点テーブル３１０を元に、異なる部分故障知識データを接続し、前記故障知識データとして再構成する部分知識接続処理（Ｓ３０）を実行する。
　部分知識接続処理（Ｓ３０）では、図２に示す故障知識データ３０Ａにおける、部分知識ＩＤ３１が「知識３」と「知識４」のデータのような、同じ部品について記述された故障知識の統合処理も行う。このとき、故障モード、影響記述、原因記述の各ノードについては、記載内容の類似性から、類似性が高いと判断された場合は同一の内容であるとして、単一のノードに統合する。この際の類似性は、単語や単語意味辞書からのマッチングによって実施可能である。
　この統合処理の際に、記述内容に矛盾が出る可能性もある。例えば、図２に示す故障知識データ３０Ａの場合、異なる作成者が評価することで、安全影響や運用影響の記述内容が異なる可能性がある。この場合、まずは内容の平均を取る。例えば、一方の安全影響の評価が「高」、もう一方の安全影響の評価が「低」の場合は、安全影響の評価を「中」として統合する。または、それぞれの知識で、部品に関連付けられたノード数が多い方が、より詳細な分析が行われた結果であると判断して、ノード数が多い部分知識の内容を優先する。例えば、図２の場合は、知識４の方が関連付けられたノード数が多いため、知識４の内容を知識３よりも優先する。
　図１０は、部分知識接続処理（Ｓ３０）を実行した後の、再構成後故障知識データ１００の例を示す図である。図１０では、３つの異なる部分故障知識データ３０Ｃ－１～３０Ｃ－３間において、新たな接続関係が生成されている。例えば、部分故障知識データ３０Ｃ－１と部分故障知識データ３０Ｃ－２との間では、ドアＰ１の故障原因ノード「ドア板移動が速い」とアクチュエータＰ４の故障影響ノード「動作が異常に早い」との間、及びドアＰ１の故障原因ノード「ドア板移動が遅い」とアクチュエータＰ４の故障影響ノード「動作が異常に遅い」との間に新たな接続関係が生成されている。同様に、部分故障知識データ３０Ｃ－２と部分故障知識データ３０Ｃ－３との間では、アクチュエータＰ４の故障原因ノード「空気流量過大」と調整バルブＰ８の故障影響ノード「空気流量過大」との間、及びアクチュエータＰ４の故障原因ノード「空気流量過小」と調整バルブＰ８の故障影響ノード「空気流量減少」「空気流量減少、漏れ音」「空気流れず」との間に新たな接続関係が生成され、部分故障知識データ３０Ｃ－１と部分故障知識データ３０Ｃ－３との間では、ドアＰ１の故障原因ノード「ドア板が動かない」と調整バルブＰ８の故障影響ノード「空気流れず」との間に新たな接続関係が生成される。
　保全作業者が実際に故障診断を行う場合、作業者は診断ユーザインタフェースユニット８を通じて、調査手順生成ユニット６から調査手順の指示を受け取る。ここで、調査手順生成ユニット６は、再構成後故障知識データ１００を元にして、保全作業者に対して調査手順を提示する。以下、調査手順生成ユニットの動作について説明する。
　図１１は、調査手順生成ユニット６の処理を示すフローチャートである。最初に、再構成後故障知識データ１００を読み込む、故障知識読込処理（Ｓ４０）を実行する。
　続いて、調査手順の起点となる部品を決定する、開始点設定処理（Ｓ５０）を実行する。開始点設定処理（Ｓ５０）では、接続関係上、最上位となる部品であるドアＰ１が選択される。または、保全作業者が調査に入る前に、事前の故障状況報告がある場合は、そこで指定された部品、あるいは指定された故障時の現象と調査知識中のノードとの内容のマッチングが最も高いものが選択される。ここでは、最上位となる部品であるドアを開始点として設定する。
　以降では、保全作業者に対して、ガイドの提示と作業者からの調査段階結果の入力受付とその結果の反映を繰り返しながら、故障箇所が特定されるまでループ処理Ｓ６０～Ｓ１１０を継続する。
　優先度設定処理（Ｓ７０）では、保全作業者にガイドを提示するにあたり、どのような順番で調査知識データのグラフを辿るのが良いかの優先度生成を行う。ここで優先度Ｄは、ノード間に付与される重み数値のことであり、図１２に示すように、保全作業者にどちらのノード内容の確認に進むべきかを推奨する順序となるものである。この場合、Ｄ＝５の調査進行がもっとも優先的に提示される。優先度設定処理（Ｓ７０）では、この優先度を、最も容易に故障箇所の特定につながると思われるガイドが可能となるように設定する。
　以下、優先度の設定方法について説明する。まず優先度Ｄは０以上の値とする。但し、Ｄ＝０の場合は、そのノード間の接続がガイドされないものとする。Ｄの決定方法としては、様々な方法がある。例えば、過去の故障調査時に、保全作業者が辿った回数が多いノード間のＤを大きくする、発現率が高い故障モードに接続されるノード間のＤを大きくする、などの方法がある。本実施例では特に、本発明の部分故障知識を統合して作成された調査知識に特有の方法について、説明する。
　Ｄの計算は、Ｄ＝１を標準値として、下記の各因子から考えられる補正係数Ｄ＿ｉを乗算してＤ＝１×Ｄ＿１×Ｄ＿２×…として算出する。Ｄ＿ｉは特に指定が無い場合は１とする。
　本発明の調査知識は、部分故障知識データを統合して作成されたものであるため、部分により、どの部分故障知識データから作成されたものかが異なる。そこで、ノード間の関係性を評価するときに、両ノードが属する部分故障知識データにより、優先度を変更することが考えられる。部分故障知識データ間の関係性による補正係数をＤ＿１とする。
　あるノードから同じ部分故障知識データに対して接続がある場合は、まずはこれを最優先とするように優先度の補正を行う。これは、一体の部分故障知識データとして作成されたものは、作成者が強い因果関係があると認識して作成した可能性が高いと判断できるためである。また、同一の作成者によるものであれば、記述内容が一貫しており、作業者に指示を提示する際に容易に理解できる可能性が高いと判断される。このとき、例えば補正係数Ｄ＿１を、Ｄ＿１＝１０とする。
　また、あるノードから異なる部分故障知識データに対して接続がある場合、まずは部分故障知識データ間で共通に含まれていた関係性を優先して、優先度を補正する。これは、異なる部分故障知識データの作成者が共通に洗い出した要因であるため、発現率が高い、故障の影響が大きいといった、重要な故障である可能性が高いためである。このとき例えばＤ＿１＝２とする。
　また、より内容が充実した部分故障知識データから作成されたノードを優先して案内するように、優先度Ｄを補正する。これは、部分故障知識データの品質は、それぞれの作成者のアセットへの知識に依存しているため、知識が豊富な作成者による部分故障知識データは、より広範な故障モード等の故障知識が網羅されており、故障発現の因果関係の接続がより多数設定されている。また、内容に誤りが少ないことで、故障箇所を抜け漏れなく正確に特定するガイドに資するデータとなっている可能性が高いためである。知識の充実度による順位に関する補正係数をＤ＿２として、関連する部分故障知識データの充実度の順位の逆数をＤ＿２とする。
　例えば、図２に示す故障知識データ３０Ａに示す通り、部分知識３と部分知識４は、同じ調整バルブＰ８について記述しているが、それぞれの内容には差分が見られる。図１３は、異なる部分故障知識データ間の関係を示す図の一例として、部分知識２の一部と、部分知識３及び部分知識４との関係を示す図である。この例では、保全作業者が部分知識２に属するアクチュエータＰ４における「作動力過小」の原因として考えられる「空気流量過小」の詳細を調査しようとしている。
　このとき、保全作業者には「空気流量過小」という故障原因ノードに接続された各ノードが提示されるが、まずは、アクチュエータＰ４の「空気流量過小」という故障原因ノードと同じ部分知識２に属する「空気配管の空気供給減少、漏れ音」という故障影響ノードを優先してガイドする。次に、部分知識３と部分知識４とで共通となっている「空気流量減少」という故障影響ノードをガイドする。
　次に、部分知識３のみまたは部分知識４のみに属するノードへの接続の優先度を決定する。まず、部分知識３と部分知識４とを比較した際に含まれているノードの数が多い方を優先する。ノード数が多いということは、故障知識が豊富な作成者によるものと考えられるためである。この例の場合は、部分知識４を優先する。従って、部分知識３のみに属するノードに対しては、Ｄ＿２＝１／３、部分知識４のみに属するノードについては、Ｄ＿２＝１とする。
　別の方法として、部分故障知識データの作成者にスキル水準が定義されていれば、スキル標準が高い作成者が作成した部分故障知識データを優先しても良い。
　別の方法として、故障知識データ及びそれから作成された調査知識に関連付けられた、故障調査の補助情報を用いてもよい。例えば、対象アセットに状態監視・診断用センサが取り付けられている場合や、保全作業者が利用する計測機器の測定結果が取得可能で、それを用いた診断結果や、保全作業者による正常・異常判断に役立つ分析結果が利用可能な場合が考えられる。
　この場合、部分故障知識データ３０Ｃに対して、調査に役立つ補助情報を関連付けて定義する。例えば、図１４に示す部分故障知識データ３０Ｃ’のように、各ノードに監視診断データベース２に記録されている、関連する異常有無の診断結果や診断に役立つセンサデータへのリンクを付与する。
　それぞれの部分故障知識データに補助情報が付与されたときに、より多くの補助情報が付与された部分故障知識データの方が、より調査が容易となる。また、補助情報を充実させるには、各ノードの発現時の現象や判定条件を精査する必要があるため、部分故障知識データの作成時に故障モード分析などの作業がより入念に実施された、質の高い部分故障知識データとなっている可能性が高い。
　そこで、付与された補助情報の個数が多い部分故障知識データ補助知識を優先してガイドする。または、部分故障知識データに含まれる補助情報の数をノードの全個数で割ることで補助情報の定義率を算出し、定義率が高い部分故障知識データを優先してガイドする。
　以上のような処理により、優先度設定処理（Ｓ７０）の故障知識データ中のノードのガイド順序を、部分故障知識データの特徴を元に設定することが可能となる。
　また、部分故障知識データの特徴を用いる以外に、故障知識結合ユニット５のノード間関連性計測処理（Ｓ１０）及び関連性調整処理（Ｓ２０）で生成された、異なる部分故障知識データ間のノード関連性を示す得点Ｘも、優先度Ｄの算出に利用可能である。得点Ｘが高い程、ノード間の機能や故障時現象の関連性が高いため、故障の要因に繋がる可能性が高いと考えられるためである。
　この反映方法としては、補正係数Ｄ＿３として得点Ｘが定義される、部分故障知識データ間の接続については、その得点Ｘを設定することが考えられる。
　次に、手順表示処理（Ｓ８０）では、優先度が付与された故障知識データを、診断インタフェースユニット８を通じて保全作業者に提示する。
　図１５は、手順表示処理（Ｓ８０）で生成され、診断インタフェースユニット８に表示される故障調査ＧＵＩの例である。図１５では、画面を左部、中央部、右部に分割して、現在着目している部品とその故障モードに関する情報を中央部に表示し、故障モードによって引き起こされる故障影響あるいは、他部品の所属ノードに対して関連性が定義されたノードを左部、故障モードを引き起こす要因を右部に配置する。
　故障モードを引き起こす要因については、現在着目する故障モードを引き起こす故障影響と、その故障影響を引き起こす、下位部品の故障影響をあわせて表示する。故障影響以外の関係性定義については、その接続先ノードを提示する。
　また、故障モードや故障影響、故障原因といったノードは、どの部品に発現しているものかとあわせて提示することにより、保全作業者にとって意味が理解しやすくなるので、各ノードが属する部品の情報をそれぞれに付与している。
　図１５に示すＧＵＩを用いることにより、保全作業者は中央部に表示された故障モード発現有無を、アセットを調査することで確認し、その際に左右に表示された故障影響・故障原因や関係先ノードに定義された現象が発現しているかを判断材料の一つとして用いながら、故障調査を進めることが可能となる。
　また、調査した故障モードが発現している場合、右側にさらに詳細な調査に関する情報が提示されているので、それを選択することで、故障モードを引き起こす、関連した下位の部品の状況の調査に移動することが可能となる。また、故障モードや故障影響、故障原因、あるいは部品の異常診断のための補助情報が定義されている場合、診断結果や関連センサデータを参照することで、診断実施を行うことも可能となる。
　調査した故障モードが発現していない場合は、左側の故障影響あるいは上位関連先の異常のうち、発現しているか否かが確認されていないものを選択することで、関連した上位の部品の状況の調査に移動することが可能となる。
　故障モードが発現していない場合、保全作業者により、その故障モードに対して故障未発現であり、故障箇所ではないことが診断インタフェースユニット８を通じて入力される。これを受けて、図１１に示す診断完了判定処理（Ｓ９０）では未完了と判定される。その後、調査結果反映処理（Ｓ１００）において、故障未発現と確定した故障モードと、当該故障モードによって引き起こされる故障影響、当該故障モードを引き起こす故障原因は、更なる調査する必要が無いため、それらに接続する重みＤを０とする。
　但し、故障影響が発現した否かを未確認、または発現中の他の故障モードあるいはその他種別の関連性があるノードによって引き起こされうる場合や、故障原因が他の故障モードとも関連している場合は、当該故障モードに接続する重みＤのみを０とする。また、同時に、中央部に表示する、注目している故障モードに注目を移す前に確認を行っていた故障モードに移動する。これにより、次の調査ステップでは、確認済みの故障モードに関する接続はＧＵＩ上に表示されなくなり、保全作業者には次の調査対象を絞り込んで提示することが可能となる。
　このようなＧＵＩを用いることにより、保全作業者は調査知識を用いた診断が可能となるが、この際に、先に優先度設定処理（Ｓ７０）で生成された重みＤを用いることで、より効率的な手順をユーザーに指示することが可能である。
　例えば、着目する故障モードが発現している場合、右部に表示された故障影響などの要因候補を選択して、さらに詳細を調査するが、この際のどのような順序で調査を進めるかによって、調査効率が変化する。効率の高い調査のためには比較的確からしい要因を選択する、調査が容易な要因を優先して確認するといったことが考えられる。
　これを実現するために、優先度Ｄが大きな接続ほど、ＧＵＩの上位に表示することで、ユーザーに優先的に調査を行うことを促すことが可能である。上位に表示する以外に、候補の中で優先度が大きいものにマークをつける、表示色を変えるなどの方法も可能である。
　図１５の例では、中央部で着目しているアクチュエータの作動力過小の故障モードに対して、右部には関連した故障影響の空気流量過小を通じて接続された、下位部品の故障影響が表示されている。この表示順序を、先に部分故障知識データを用いた重み作成の結果に基づいて、同じ部分知識に属する空気配管の故障影響と、異なる部分知識３及び部分知識４の調整バルブに関する故障影響との内、部分知識３及び部分知識４に共通する故障影響、部分知識４に関する故障影響、部分知識３に関する故障影響の順に表示している。これにより、優先度設定処理（Ｓ７０）の実施時に考慮された、因果関係の強さや、知識の充実度などを考慮した調査の実施が可能となり、効率の高い故障箇所特定作業が可能になる。
　また、図１６は、診断インタフェースユニット８に表示される故障調査ＧＵＩの他の例である。図１６に示す故障調査ＧＵＩの場合、アセットの図面と報告された異常の内容とを、画面左側に表示する。これにより、保全作業者が故障箇所を特することを補助している。アセットの図面において、アクチュエータの箇所を網掛け表示としているが、これは、中央部に表示してた故障モードを有する、現在の調査対象となっている部品に相当する箇所を強調表示したものである。このような網掛けなどの強調表示により、保全作業者が、現在の調査部分とアセットの全体像とを掴み易くすることを可能としている。
　なお、図１６に示す故障調査ＧＵＩの場合、図１５に示す故障調査ＧＵＩとは異なり、中央部に表示された故障モードによって引き起こされる故障影響、または他部品の所属ノードに対して関連性が定義されたノードが表示されない。そこで、1回前の調査ステップに戻るボタンを配置し、作業者がクリックすることにより、１つ前に調べていた故障モードに戻ることとする。
　保全作業者は、上述したように調査知識を辿り、ガイドに従い各故障モードが発現したか否かの確認を繰り返していくことで、最終的には発現中かつ、関連性が定義された下位部品の故障によるものではない故障モード、あるいは故障モードとその故障原因を、故障箇所の調査結果として特定する。特定された故障モードは、診断インタフェースユニット８を通じて指定されることで、図１１に示す診断完了判定処理（Ｓ９０）では完了と判定される。その後、調査結果記録処理（Ｓ１２０）にて、特定された故障モードを、故障調査結果データベース４に記録すると共に、調査結果出力処理（Ｓ１３０）にて、特定された故障モードを報告書の形で画面表示することにより、故障箇所特定作業が終了する。
　以上の処理により、分割して作成された部分故障知識データを統合した一体の調査知識とし、調査知識を作業者に提示する際に、部分故障知識データの特徴を考慮した調査効率の高い手順を指示する、故障箇所特定支援システムが実現する。
　また、故障知識データは、部品、故障影響、故障モード、故障原因の組み合わせで定義されるが、これらの全要素がそろっていない、断片的な故障知識も部分知識として、調査知識に統合することが可能である。
　例えば、ある部品に対して、故障モードのみが定義されており、故障影響や故障原因が定義されていない場合でも、故障知識結合ユニット５におけるノード間関連性計測処理
（Ｓ１０）では、部品と他の部品の関係、あるいは故障影響を介さずとも、故障モードと上位コンポーネントの故障原因や故障モードなどとの関係を抽出することが可能である。
　また、断片的な知識の場合は、故障詳細の十分な検討がなされていない可能性が高いため、これに繋がる接続に対しては、Ｄ＿１＝０．５などの、１以下の補正係数を適用する。
　なお、部分故障知識データの作成には、故障知識作成ユニット７と、作成ユーザインタフェースユニット９とが用いられる。作成方法としては、図４に示すような部分故障知識データをＧＵＩを利用して作成する。図１７は、部分故障知識データの作成ＧＵＩの例を示す図である。部分故障知識データの作成ＧＵＩでは、図４に示すようなグラフデータを表示し、ノードの追加・削除や接続の追加・削除によって、部分故障知識データを作成する。
　また、部分故障知識データの作成だけではなく、部分故障知識データ間の関係性を、作成者の知識を用いて作成または補正しても良い。図１８は、部分故障知識データ間の関係性作成ＧＵＩの例を示す図である。部分故障知識データ間の関係性作成ＧＵＩでは、知識間関係性ボタンを押下することで、故障知識結合ユニット５での処理が実行され、生成された調査知識が表示される。
　このとき、表示された知識間の接続が、作成者の対象アセット知識から不適切なものの場合は、作成者により削除される。または、自動生成に表示されない関係性も、作成者の知識から必要であると判断された場合は、手動で接続が追加される。また、各接続の類似性得点Ｘを手動で設定しても良い。その場合は、自動計算された得点Ｘを最初に提示して、作成者がスライドバーなどを用いて得点Ｘを補正する。また、関連性調整処理（Ｓ２０）で用いた閾値Ｔも作成者による調整を可能としても良い。作成者が閾値を変えながら調査手順生成ユニット６の処理を適用することにより、生成された部分故障知識データ間の関係性が最も確からしくなる、適切な閾値に調整することも可能である。
　本実施例は、実施例１の構成に加え、保全作業者に対して、現在着目している故障モードの発現状態や詳細を確認するための検査方法を一覧にした検査手順画面を生成し、保全作業者に提示することにより、故障個所の特定作業をより効率と精度良く進めることが可能となる。
　なお、本実施例での「検査」は、特定の現象（故障モード、故障影響、故障原因の発現など）の有無を判定する作業のことを示し、「調査」は、故障個所特定の一連の作業（「検査」も含む）を示す。
　図１９は、アセット１の故障箇所特定支援システム１３を示す構成図である。故障箇所特定支援システム１３は、実施例１で説明した故障箇所特定支援システム１０の構成に加え、診断ユニット１１と、検索（検査）手順データベース１２（以下、検査手順データベース１２と称す）とを有する。診断ユニット１１は、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）またはＲＡＭに記録されたプログラムによって、検査手順データベース１２は、ＨＤＤ（Hard Disk Drive）またはＲＡＭ（Random Access Memory）等の記憶手段によってそれぞれ実現されるが、この限りではない。
　診断ユニット１１は、アセットに設けられたセンサを用いと、検査手順データベース１２であらかじめ定義された手順を用いて、アセットの状態の判定を行う。検査手順データベース１２には、故障知識データ３０Ａにおける、特定の現象（故障モード、故障影響、故障原因の発現）の有無を判定するための手順が、検査手順データとして記録される。
　図２０は、検査手順データの例を示す図である。検査手順データ４００は、保全作業者による確認手順、またはアセットにセンサがある場合は、診断ユニット１１で用いられる自動判定手順を保存する。検査項目ＩＤ４０１は、検査項目毎に振られた固有ＩＤであり、検査対象ＩＤ４０２は、図２に示した故障知識データ３０Ａの故障モードのＩＤ３３に対応する。検査タイプ４０３は、保全作業者による手動での検査・計測、または診断ユニット１１による自動計測のいずれかを示す。検査方法４０４は、保全作業者が実施する、手動での検査・計測あるいは、診断ユニット１１が実施する自動計測の方法を示す。また、共通の検査で複数の異常の発現有無を確認できる場合は、同じ検査項目を複数の検査対象に対して定義しても良い。この検査手順データ４００の内容と故障知識データ３０Ａの内容とを合わせて図示した場合、図２１に示すようなデータ構造となる。
　診断ユニット１１は、故障箇所特定作業の実施時に、検査手順データ４００に含まれる検査手順のうち、検査タイプ４０３が自動であるものを、監視診断データベース２に記録されている監視診断データを用いてあらかじめ実施し、その結果を調査手順生成ユニット６に引き渡す。
　本実施例における検査手順では、調査手順生成ユニット６における優先度設定処理（Ｓ７０）において、診断ユニット１１による自動診断結果により、問題が発生していないことが判明しているノードへの接続については、補正係数としてＤ＿ｉｎｓｐ=０．１などの小さい値を設定することにより、故障していないノードのガイド優先度を下げることが可能である。
　また、調査手順生成ユニット６は、診断ユーザインタフェースユニット８に検査手順を提示する。保全作業者が各故障モードの発現有無を確認するときに、その故障モードにリンクした検査手順データが存在した場合に、それを検査手順として提示することにより、保全作業者が効率よく正確に故障箇所特定を行うことが可能である。
　また、検査手順データ４００の内容と故障知識データ３０Ａとが、図２１に示すような有向グラフ構造を持っていることを利用し、現在調査対象となっている故障モードのノードから、下位方向に接続しているノードを辿り、それに接続している検査手順データのノードの一覧を作成することで、検査手順ＧＵＩを生成することが可能である。
　図２２は、この検査手順画面の例を示す図である。この例では、「アクチュエータの作動力過小」が注目している故障モードである場合に生成された、検査手順ＧＵＩである。「アクチュエータの作動力過小」より下位に存在する、ＩＮ００１、ＩＮ００２、ＩＮ００３、ＩＮ００４の検査手順データを纏めた画面を生成することにより、作業者は一覧画面を見ながら検査を行うことが可能となり、効率の良い作業実施が可能となる。また、同時に関連付けられたセンサデータを提示することも可能である。
　以上の処理により、保全作業者に対して、現在着目している故障モードの発現状態や詳細を確認するための検査方法を提示することにより、故障個所の特定作業をより効率と精度良く進めることが可能となる。
１：アセット、１０：故障箇所特定支援システム、２：監視診断データベース、３：故障知識データベース、４：故障調査結果データベース、５：故障知識結合ユニット、６：調査手順生成ユニット、７：故障知識作成ユニット、８：診断ユーザインタフェースユニット（診断インタフェースユニット）、９：作成ユーザインタフェースユニット

Claims (11)

  1. 　アセットの故障などの故障知識データが記録された故障知識データベースと、
    　部分的に分割されて作成された前記故障知識データである、部分故障知識データを前記故障知識データとして再構成する故障知識結合ユニットと、
    　再構成された前記故障知識データを用いて、保全作業者に対して調査手順を提示する調査手順生成ユニットと、を備え、
    　前記故障知識結合ユニットは、異なる前記部分故障知識データ間の各ノードでの記述内容の関連性を評価及び調整し、異なる前記部分故障知識データを接続し、前記故障知識データとして再構成し、
    　前記調査手順生成ユニットは、前記再構成された前記故障知識データより、前記保全作業者に調査手順を提示する際の優先度を設定し、前記優先度に基づいて、前記調査手順を診断インタフェースユニットに提示することを特徴とする
    　保全作業支援システム。
  2. 　請求項１に記載された保全作業支援システムであって、
    　前記部分故障知識データは、アセットの対象部品、故障モード、前記故障モードを引き起こす故障原因、前記故障モードによる故障影響に関する情報を含むことを特徴とする、保全作業支援システム。
  3. 　請求項１に記載された保全作業支援システムであって、
    　前記故障知識結合ユニットは、前記ノードの記述内容の文章的な類似性、前記ノードの種類の一致、構造展開上の距離などを考慮して、前記関連性を示す得点を計算することを特徴とする、保全作業支援システム。
  4. 　請求項３に記載された保全作業支援システムであって、
    　前記故障知識結合ユニットは、前記得点が所定の閾値より低い場合、異なる前記部分故障知識データ間の各ノードに関連性がないものとして、前記得点を削除することを特徴とする、保全作業支援システム。
  5. 　請求項４に記載された保全作業支援システムであって、
    　前記故障知識結合ユニットは、上位機能から下位機能への接続関係、または上位部品から下位部品への接続関係を削除することを特徴とする、保全作業支援システム。
  6. 　請求項１に記載された保全作業支援システムであって、
    　前記調査手順生成ユニットは、前記ノード間の関係性を評価するときに、前記ノードが属する前記部分故障知識データの関係性に基づいて優先度を変更することを特徴とする、保全作業支援システム。
  7. 　請求項１に記載された保全作業支援システムであって、
    　前記調査手順生成ユニットは、前記部分故障知識データの充実度に基づいて優先度を変更することを特徴とする、保全作業支援システム。
  8. 　請求項１に記載された保全作業支援システムであって、
    　前記調査手順生成ユニットは、調査対象としている前記ノードと同じ部分故障知識データに属するノードを優先して提示し、続いて異なる部分故障知識データに共通して属するノードを提示することを特徴とする、保全作業支援システム。
  9. 　請求項１に記載された保全作業支援システムであって、
    　前記診断インタフェースユニットには、前記アセットの部品、故障モードに関する情報、前記故障モードによって引き起こされる故障影響を含むＧＵＩが表示されることを特徴とする、保全作業支援システム。
  10. 　請求項１に記載の保全作業支援システムにおいて、
    　前記部分故障知識データを作成する故障知識作成ユニットを備え、
    　前記部分故障知識データは、作成インタフェースユニットにおいて、前記ノードや、前記ノード間の接続の追加または削除することにより作成されることを特徴とする、保全作業支援システム。
  11. 　請求項１に記載の保全作業支援システムにおいて、
    　アセットに設けられたセンサを用いて、アセットの測定を実行する診断ユニットと、
    　特定の現象の有無を判定するための手順を示す検査手順データが記録される検査手順データベースと、を備え、
    　前記調査手順生成ユニットは、前記手順を前記診断インタフェースユニットに提示することを特徴とする、保全作業支援システム。
PCT/JP2019/018603 2018-05-24 2019-05-09 保全作業支援システム Ceased WO2019225342A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
EP19806532.8A EP3805927B1 (en) 2018-05-24 2019-05-09 Maintenance operation assistance system
US17/053,601 US11954604B2 (en) 2018-05-24 2019-05-09 Maintenance operation assistance system

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018-099289 2018-05-24
JP2018099289A JP7202078B2 (ja) 2018-05-24 2018-05-24 保全作業支援システム

Publications (1)

Publication Number Publication Date
WO2019225342A1 true WO2019225342A1 (ja) 2019-11-28

Family

ID=68616044

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/018603 Ceased WO2019225342A1 (ja) 2018-05-24 2019-05-09 保全作業支援システム

Country Status (4)

Country Link
US (1) US11954604B2 (ja)
EP (1) EP3805927B1 (ja)
JP (1) JP7202078B2 (ja)
WO (1) WO2019225342A1 (ja)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11163953B2 (en) * 2019-06-12 2021-11-02 International Business Machines Corporation Natural language processing and candidate response evaluation
US11429789B2 (en) 2019-06-12 2022-08-30 International Business Machines Corporation Natural language processing and candidate response identification
JP7401764B2 (ja) * 2020-03-11 2023-12-20 富士通株式会社 制御プログラム、制御方法および制御装置
JP7493231B2 (ja) * 2020-09-29 2024-05-31 株式会社ユピテル システム及びプログラム等
JP7499168B2 (ja) * 2020-12-17 2024-06-13 株式会社日立パワーソリューションズ 原因推定システムおよび原因推定方法
JP7590300B2 (ja) * 2021-09-22 2024-11-26 株式会社日立ハイテク 情報処理装置、および自動分析システム
JP7790092B2 (ja) * 2021-10-28 2025-12-23 横河電機株式会社 支援装置、プログラム、及び方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008038469A1 (en) * 2006-09-27 2008-04-03 Komatsu Ltd. Failure countermeasure supporting system for mobile vehicle
WO2014017385A1 (ja) * 2012-07-23 2014-01-30 日本電信電話株式会社 画面表示装置、システムおよび画面生成方法
JP2014174983A (ja) 2013-03-12 2014-09-22 Hitachi Ltd ターゲットシステムにおいて障害を特定する方法、該方法によりターゲットシステムを修復する手順、該方法を実行するコンピュータシステムおよびコンピュータプログラムならびに該プログラムを格納するコンピュータ可読媒体
US20170017537A1 (en) * 2015-07-14 2017-01-19 Sios Technology Corporation Apparatus and method of leveraging semi-supervised machine learning principals to perform root cause analysis and derivation for remediation of issues in a computer environment
JP2017111601A (ja) * 2015-12-16 2017-06-22 富士通株式会社 調査対象特定プログラム、および調査対象特定方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1202142A1 (en) * 2000-10-25 2002-05-02 Abb Research Ltd. Maintenance planning system and method
JP5129725B2 (ja) * 2008-11-19 2013-01-30 株式会社日立製作所 装置異常診断方法及びシステム
US8660875B2 (en) * 2009-11-02 2014-02-25 Applied Materials, Inc. Automated corrective and predictive maintenance system
DE102010049909A1 (de) * 2010-10-28 2012-05-03 Eads Deutschland Gmbh Instandhaltungsinformationsvorrichtung, Zustandssensor zur Verwendung darin sowie damit durchführbares Verfahren zur Entscheidungsfindung für oder gegen eine Instandhaltung
JP5627477B2 (ja) * 2011-01-20 2014-11-19 三菱重工業株式会社 プラント安全設計支援装置及びプラント監視保守支援装置
US20170186105A1 (en) * 2012-08-30 2017-06-29 Smith and Turner Development LLC Method to inspect equipment

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008038469A1 (en) * 2006-09-27 2008-04-03 Komatsu Ltd. Failure countermeasure supporting system for mobile vehicle
WO2014017385A1 (ja) * 2012-07-23 2014-01-30 日本電信電話株式会社 画面表示装置、システムおよび画面生成方法
JP2014174983A (ja) 2013-03-12 2014-09-22 Hitachi Ltd ターゲットシステムにおいて障害を特定する方法、該方法によりターゲットシステムを修復する手順、該方法を実行するコンピュータシステムおよびコンピュータプログラムならびに該プログラムを格納するコンピュータ可読媒体
US20170017537A1 (en) * 2015-07-14 2017-01-19 Sios Technology Corporation Apparatus and method of leveraging semi-supervised machine learning principals to perform root cause analysis and derivation for remediation of issues in a computer environment
JP2017111601A (ja) * 2015-12-16 2017-06-22 富士通株式会社 調査対象特定プログラム、および調査対象特定方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
KOBAYASHI, SHIGENOBU: "Case-based reasoning and knowledge acquisition form cases", JOURNAL OF JAPAN SOCIETY FOR FUZZY THEORY AND SYSTEMS, vol. 4, no. 4, 1992, pages 646 - 655, XP055747599, DOI: 10.3156/jfuzzy.4.4_646 *

Also Published As

Publication number Publication date
JP2019204302A (ja) 2019-11-28
US20210080942A1 (en) 2021-03-18
JP7202078B2 (ja) 2023-01-11
EP3805927A1 (en) 2021-04-14
EP3805927B1 (en) 2023-08-30
EP3805927A4 (en) 2022-02-23
US11954604B2 (en) 2024-04-09

Similar Documents

Publication Publication Date Title
WO2019225342A1 (ja) 保全作業支援システム
US7620856B2 (en) Framework for automated testing of enterprise computer systems
US7673179B2 (en) Online testing unification system with remote test automation technology
JP6411769B2 (ja) 状態監視装置
US20170261403A1 (en) Abnormality detection procedure development apparatus and abnormality detection procedure development method
JP6723946B2 (ja) 業務改善支援装置および業務改善支援方法
CN106682350B (zh) 一种基于三维模型的多属性决策质量检测方法
CN112182233B (zh) 用于存储设备故障记录的知识库、及利用其辅助定位设备故障的方法及系统
JP7005255B2 (ja) 評価システム、評価方法及びプログラム
Winkler et al. Improving quality assurance in automation systems development projects
Gitzel Data Quality in Time Series Data: An Experience Report.
CN111353304B (zh) 一种众包测试报告聚合和摘要的方法
CN107122907B (zh) 一种机电产品符号化质量特性的分析与故障原因追溯方法
JP7527183B2 (ja) 保全リコメンドシステム
CN120631779A (zh) 一种测试管理方法、系统、设备及存储介质
JP2010128870A (ja) データ処理装置
Flemström et al. Exploring test overlap in system integration: An industrial case study
Jiarpakdee Towards a more reliable interpretation of defect models
Mohacsi et al. AI-based enhancement of test models in an industrial model-based testing tool
JPH11175144A (ja) プラント機器の保守支援装置
CN115525465B (zh) 一种基于多次失效分析的故障点预测方法及系统
Do et al. One2Explore–Graph Builder for Exploratory Testing from a Novel Approach
JP2010218496A (ja) アプリケーションプログラムをテストする方法及びプログラム及び記録媒体
JPH02151000A (ja) 故障診断装置及び故障診断システム
JP2023164078A (ja) 故障復旧支援システム、および、故障復旧支援方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19806532

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2019806532

Country of ref document: EP

Effective date: 20210111