JP6501982B2 - Failure risk index estimation device and failure risk index estimation method - Google Patents
Failure risk index estimation device and failure risk index estimation method Download PDFInfo
- Publication number
- JP6501982B2 JP6501982B2 JP2018555417A JP2018555417A JP6501982B2 JP 6501982 B2 JP6501982 B2 JP 6501982B2 JP 2018555417 A JP2018555417 A JP 2018555417A JP 2018555417 A JP2018555417 A JP 2018555417A JP 6501982 B2 JP6501982 B2 JP 6501982B2
- Authority
- JP
- Japan
- Prior art keywords
- failure
- unit
- information
- parameter
- estimation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title description 28
- 238000012423 maintenance Methods 0.000 claims description 101
- 238000007689 inspection Methods 0.000 claims description 97
- 238000009826 distribution Methods 0.000 claims description 61
- 238000011156 evaluation Methods 0.000 claims description 51
- 230000014509 gene expression Effects 0.000 claims description 39
- 238000010276 construction Methods 0.000 claims description 26
- 230000007704 transition Effects 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000011058 failure modes and effects analysis Methods 0.000 description 75
- 238000012545 processing Methods 0.000 description 34
- 230000006870 function Effects 0.000 description 26
- 230000015654 memory Effects 0.000 description 19
- 238000010586 diagram Methods 0.000 description 18
- 238000013500 data storage Methods 0.000 description 17
- 238000010972 statistical evaluation Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 12
- YBJHBAHKTGYVGT-ZKWXMUAHSA-N (+)-Biotin Chemical compound N1C(=O)N[C@@H]2[C@H](CCCCC(=O)O)SC[C@@H]21 YBJHBAHKTGYVGT-ZKWXMUAHSA-N 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- FEPMHVLSLDOMQC-UHFFFAOYSA-N virginiamycin-S1 Natural products CC1OC(=O)C(C=2C=CC=CC=2)NC(=O)C2CC(=O)CCN2C(=O)C(CC=2C=CC=CC=2)N(C)C(=O)C2CCCN2C(=O)C(CC)NC(=O)C1NC(=O)C1=NC=CC=C1O FEPMHVLSLDOMQC-UHFFFAOYSA-N 0.000 description 5
- 238000009413 insulation Methods 0.000 description 4
- 230000001186 cumulative effect Effects 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
この発明は、設備に故障が発生するリスクの指標を推定する故障リスク指標推定装置および故障リスク指標推定方法に関する。 The present invention relates to a failure risk indicator estimation device and a failure risk indicator estimation method for estimating an indicator of the risk of occurrence of a failure in a facility.
故障モード影響解析(以下、FMEAと記載する)は、故障が対象設備に与える影響を故障に関する項目ごとにレベル付けした結果を得る解析手法である。故障に関する項目には、例えば、設備に故障が発生する頻度、故障が設備に与える影響の大きさなどがある。また、設備の稼働データが十分に蓄積されていないため、稼働データから設備の保守または修理の必要性を評価することが難しい場合、これを評価する際にFMEAの解析結果が参照されることがある。 The failure mode effect analysis (hereinafter referred to as FMEA) is an analysis method for obtaining the result of leveling the influence of the failure on the target equipment for each item related to the failure. The items relating to the failure include, for example, the frequency of occurrence of a failure in the equipment, the magnitude of the influence of the failure on the equipment, and the like. In addition, if it is difficult to evaluate the need for maintenance or repair of the facility from the operation data because the operation data of the facility is not sufficiently accumulated, the analysis result of FMEA is referred to when evaluating this is there.
例えば、特許文献1には、FMEAを利用して、予測対象機械システムの稼働率を予測する稼働率予測装置が記載されている。上記稼働率予測装置は、故障率に関連する複数の評価項目のレベルと故障係数との対応関係が規定されたマップを備えており、このマップを参照して、予測対象機械システムの構成要素の評価項目のレベルに対応する故障係数を特定する。上記稼働率予測装置は、特定した故障係数から構成要素の故障率を推定して、複数の構成要素のそれぞれで推定した故障率に基づいて予測対象機械システムの稼働率を予測する。なお、上記マップは、類似機械システムの稼働率の実績に合うようにフィッティングされたものである。
For example,
一方、対象設備に故障が発生するリスクを正確に評価しようとする段階では、当該設備の保守管理が既に実施中であり、当該設備の状況に応じた保守作業間隔が定められている場合が多い。このため、従来から、対象設備の構成部品ごとの故障要因に基づいて、構成部品ごとに期待される保守作業間隔を算出する技術が提案されている。 On the other hand, at the stage where the risk of failure occurring in the target equipment is to be accurately evaluated, maintenance management of the equipment is already underway, and maintenance work intervals according to the condition of the equipment are often defined. . Therefore, conventionally, there has been proposed a technique for calculating an expected maintenance work interval for each component based on a failure factor for each component of the target facility.
例えば、特許文献2に記載される可動管理装置では、停止状態にある設備の構成部品の故障要因と故障の影響度とを考慮して当該構成部品の部品ランク係数を選定し、当該構成部品の予測寿命を考慮して当該構成部品の劣化ランク係数を選定している。選定した部品ランク係数と劣化ランク係数とに基づいて、上記可動管理装置は、構成部品に期待される検査周期を算出し、算出した検査周期に基づいて当該構成部品の有効保全周期、すなわち保守作業間隔を決定している。
For example, in the movable management device described in
特許文献1に記載された稼働率予測装置では、上記マップを得るため、予測対象の機械システムに類似した機械システムの稼働率の実績を精度よく再現できるだけの実績データが必要であった。
また、上記稼働率予測装置では、評価項目の互いに異なるレベル間で故障率の大小関係しか考慮されていない。例えば、故障の頻度レベルが高い故障が発生する故障率よりも、故障の頻度レベルが低い故障が発生する故障率が低くなるようにする制約条件のもとで、稼働率が予測されている。このため、実際の機械システムにおける故障率の変動を適切に評価できない。In the operation rate prediction device described in
Further, in the above operating rate predicting apparatus, only the magnitude relation of failure rates is taken into consideration between different levels of evaluation items. For example, the operating rate is predicted under the constraint that the failure rate at which a failure at a low frequency level occurs is lower than the failure rate at which a failure at a high frequency level occurs. For this reason, the fluctuation of the failure rate in the actual mechanical system can not be properly evaluated.
特許文献2に記載された可動管理装置では、構成部品に期待される検査周期が現行検査周期の定数倍であることを前提として有効保全周期を決定しているが、この前提は、故障のリスクが経過時間に対して線形に推移しなければ成立しない。
実際の設備で故障が発生するリスクは一般に非線形に推移するため、上記可動管理装置を実際の設備にそのまま適用することはできない。In the mobile management device described in
The risk of occurrence of a failure in an actual installation generally shifts non-linearly, so the mobile management device can not be applied to the actual installation as it is.
この発明は上記課題を解決するもので、設備の保守実績データがないまたは少ない場合であっても、設備に故障が発生するリスクの指標を適切に推定できる故障リスク指標推定装置および故障リスク指標推定方法を得ることを目的とする。 The present invention solves the above-mentioned problems, and a failure risk indicator estimating device and failure risk indicator estimation capable of appropriately estimating an indicator of a risk that a failure occurs in the facility even if there is no or little maintenance performance data of the facility The aim is to get a way.
この発明に係る故障リスク指標推定装置は、モデル式構築部、パラメータ推定部、絞り込み部、指標推定部および併合部を備える。モデル式構築部は、設備を構成する部品の点検項目ごとのFMEA結果を示す情報および故障リスク指標の推定に用いる統計的分布を示す情報に基づいて、統計的分布に従った故障リスク指標の推移を示すモデル式を構築する。パラメータ推定部は、設備を構成する部品の点検項目ごとのFMEA結果を示す情報および部品の点検項目ごとに既定された保守作業間隔を示す情報に基づいて、モデル式から算出した保守作業間隔と既定された保守作業間隔との差分が最も小さくなるモデル式のパラメータ値を統計的に推定する。絞り込み部は、設備、設備を構成する部品および部品ごとの点検項目を含む設備情報、設備を構成する部品の点検項目ごとの保守作業の実績データおよび設備を構成する部品ごとの故障の実績データを、故障モード影響解析結果ごとに対応する情報に分類する。指標推定部は、絞り込み部により分類された情報に基づいて、保守作業の実績データと故障の実績データとの関係に応じた故障リスク指標の推定値を推定する。併合部は、パラメータ推定部により推定されたパラメータ値である第1の推定値と指標推定部により推定された推定値である第2の推定値とを按分して、最終的な故障リスク指標の推定値を算出する。 A failure risk index estimation apparatus according to the present invention includes a model expression construction unit , a parameter estimation unit , a narrowing unit, an index estimation unit, and a merging unit . Transition of failure risk indicator according to statistical distribution based on information indicating the FMEA result for each inspection item of parts constituting the facility and information indicating statistical distribution used for estimating the failure risk indicator Build a model expression that shows The parameter estimation unit determines the maintenance work interval and the default calculated from the model formula based on the information indicating the FMEA result for each inspection item of the part constituting the facility and the information indicating the maintenance operation interval defined for each part inspection item. The parameter value of the model equation that statistically minimizes the difference from the specified maintenance work interval is estimated. The narrowing-down unit includes equipment information including equipment and parts constituting the equipment and inspection information for each part, maintenance data of maintenance work for each inspection item for parts constituting the equipment, and failure data for failures of parts constituting the equipment. The information is classified into information corresponding to each failure mode and effect analysis result. The index estimation unit estimates, based on the information classified by the narrowing-down unit, the estimated value of the failure risk index according to the relationship between the performance data of the maintenance work and the performance data of the failure. The merging unit divides the first estimated value, which is the parameter value estimated by the parameter estimating unit, and the second estimated value, which is the estimated value estimated by the indicator estimating unit, into a final failure risk index. Calculate the estimated value.
この発明によれば、統計的分布に従った故障リスク指標の推移を示すモデル式を構築し、モデル式のパラメータ値を故障リスク指標の推定値として統計的に推定する。このようにすることで、設備の保守実績データがないまたは少ない場合であっても、設備に故障が発生するリスクの指標を適切に推定できる。 According to the present invention, a model expression indicating transition of a failure risk index according to a statistical distribution is constructed, and parameter values of the model expression are statistically estimated as an estimated value of the failure risk index. By doing this, even if there is no or little maintenance performance data of the equipment, it is possible to properly estimate the index of the risk of failure of the equipment.
以下、この発明をより詳細に説明するため、この発明を実施するための形態について、添付の図面に従って説明する。
実施の形態1.
図1は、この発明の実施の形態1に係る故障リスク指標推定装置1の機能構成を示すブロック図である。故障リスク指標推定装置1は、設備の故障リスク指標を推定する装置であり、FMEA結果DB2、既定作業間隔DB3、指標推定部4および第1の記憶部5を備える。指標推定部4は、FMEA結果DB2および既定作業間隔DB3のそれぞれから読み出した情報と統計評価用情報Aとに基づいて設備の故障リスク指標を推定する。故障リスク指標とは、設備を構成する部品に故障が発生するリスクの大きさを定量化した情報である。Hereinafter, in order to explain the present invention in more detail, embodiments for carrying out the present invention will be described according to the attached drawings.
FIG. 1 is a block diagram showing a functional configuration of a failure risk
FMEA結果DB2は、設備を構成する部品の点検項目ごとのFMEA結果を記憶するDBである。FMEA結果DB2には、例えば、図2Aに示すような項目の情報が記憶される。“部品ID”の項目には、部品の識別情報が設定される。“点検項目ID”の項目には、点検項目の識別情報が設定される。点検項目には、例えば、外観検査、通電検査、絶縁検査、摩擦検査などがある。通電検査と絶縁検査とは、ともに電気の導通状態を検査するものであるため、類似した点検項目といえる。
The
“故障の頻度レベル”と“影響の大きさレベル”と“検出可能性レベル”はFMEAの評価項目である。“故障の頻度レベル”の項目には、故障の頻度に関するFMEAの評価レベルが設定される。“影響の大きさレベル”の項目には、故障が部品に与える影響の大きさに関するFMEAの評価レベルが設定される。“検出可能性レベル”の項目には、故障の検出のしやすさに関するFMEAの評価レベルが設定される。 The “fault frequency level”, “impact level level” and “detectability level” are the evaluation items of FMEA. In the item of “failure frequency level”, an evaluation level of FMEA regarding the frequency of failure is set. In the item "magnitude of influence level", an evaluation level of FMEA regarding the magnitude of influence of the failure on the part is set. In the item of “detectability level”, an evaluation level of FMEA regarding the ease of detection of a failure is set.
既定作業間隔DB3は、部品の点検項目ごとに既定された保守作業間隔を示す情報を記憶するDBである。既定作業間隔DB3には、例えば、図2Bに示すような項目の情報が記憶される。“部品ID”および“点検項目ID”については、図2Aに示したものと同じである。“既定作業間隔月数”の項目には、部品の点検項目ごとに既定された保守作業間隔の月数が設定される。
The default
統計評価用情報Aは、故障リスク指標の統計的推定に用いられる統計的分布を示す情報である。統計評価用情報Aには、例えば、図2Cに示すような項目の情報が記憶される。“統計的分布”の項目には、故障リスク指標の統計的推定に用いられる統計的分布の種類が設定される。統計的分布の種類には、ワイブル分布、ガンマ分布、対数正規分布などの理論的に導かれた分布が挙げられる。 The statistical evaluation information A is information indicating a statistical distribution used for statistical estimation of the failure risk index. In the statistical evaluation information A, for example, information of items such as shown in FIG. 2C is stored. In the item of "statistical distribution", the type of statistical distribution used for statistical estimation of failure risk index is set. Types of statistical distribution include theoretically derived distributions such as Weibull distribution, gamma distribution, and lognormal distribution.
“許容誤差”の項目には、指標推定部4により推定された故障リスク指標の推定値が標準偏差に対して許容される誤差の比率が設定される。
“信頼率”の項目には、指標推定部4により推定された故障リスク指標の信頼率が設定される。故障リスク指標の推定値が許容誤差以内に収まると評価された結果が外れる確率P1と、故障リスク指標の推定値が許容誤差に収まらないと評価された結果が外れる確率P2との両方が“信頼率”に設定された値α以上となる(P1≧α、P2≧α)。
なお、“許容誤差”と“信頼率”は、実施の形態2で後述する併合処理に用いる情報であるため、実施の形態1における統計評価用情報Aには、これらの情報がなくてもよい。In the item of “tolerance error”, a ratio of an error at which the estimated value of the failure risk index estimated by the index estimation unit 4 is permitted to the standard deviation is set.
The reliability rate of the failure risk index estimated by the index estimation unit 4 is set in the item of “reliability rate”. Both the probability P1 that the result of evaluation that the estimated value of the failure risk index falls within the tolerance falls out and the probability P2 of the result that the estimated value of the failure risk index falls out of the tolerance fall out It becomes more than the value α set to the ratio (P1 ≧ α, P2 ≧ α).
It should be noted that since “tolerance error” and “reliability” are information used in the merging process described later in the second embodiment, the information for statistical evaluation A in the first embodiment may not have such information. .
指標推定部4は、モデル式構築部4aおよびパラメータ推定部4bを備える。
モデル式構築部4aは、FMEA結果DB2から読み出したFMEA結果と統計評価用情報Aとに基づいて、故障リスク指標の推移(時間変化)を示すモデル式を構築する。
パラメータ推定部4bは、FMEA結果DB2と既定作業間隔DB3とから読み出した情報に基づいて、モデル式から算出した保守作業間隔と既定された保守作業間隔との差分が最も小さくなるように上記モデル式のパラメータ値を統計的に推定する。
上記モデル式は、統計評価用情報Aが示す統計的分布に従った故障リスク指標の推移をモデル化したものであり、このモデル式のパラメータ値が第1の推定値となる。The index estimation unit 4 includes a model expression construction unit 4a and a
The model equation construction unit 4a constructs a model equation that indicates the transition (time change) of the failure risk index, based on the FMEA result read out from the
The
The model formula is a model of the transition of the failure risk index according to the statistical distribution indicated by the statistical evaluation information A, and the parameter value of this model formula is the first estimated value.
第1の記憶部5は、指標推定部4によって推定されたパラメータ値である第1の推定値を記憶する。第1の記憶部5には、例えば、図3に示すような項目ごとの情報が記憶される。“部品ID”および“点検項目ID”は図2Aに示したものと同じであり、“統計的分布”は図2Cに示したものと同じである。
“統計的分布パラメータ”の項目には、第1の推定値の統計的推定で用いられた統計的分布を規定するパラメータが設定される。統計的分布がワイブル分布に従う場合、ワイブル分布を規定する累積密度関数の形状パラメータγと尺度パラメータφが設定される。The
In the item of “statistical distribution parameter”, a parameter that defines a statistical distribution used in the statistical estimation of the first estimated value is set. When the statistical distribution follows the Weibull distribution, the shape parameter γ of the cumulative density function that defines the Weibull distribution and the scale parameter φ are set.
“時間スケール係数”と“リスク重み係数”と“安全マージン”は、上記のモデル式のパラメータであり、指標推定部4により推定されたパラメータ値が設定される。
“時間スケール係数”は、上記モデル式において、故障リスクが増加する速度に関するパラメータである。“リスク重み係数”は、上記モデル式において、故障リスクの重みの度合いに関するパラメータである。“安全マージン”は、上記モデル式で推定された作業間隔での保守作業日時から遡る時間間隔を示すパラメータである。このパラメータにより部品の保守作業が前倒しで実行される。The “time scale factor”, the “risk weighting factor”, and the “safety margin” are parameters of the above-mentioned model equation, and parameter values estimated by the index estimation unit 4 are set.
The “time scale factor” is a parameter related to the speed at which the failure risk increases in the above model equation. “Risk weighting factor” is a parameter relating to the degree of weight of failure risk in the above model equation. The “safety margin” is a parameter indicating a time interval going back from the maintenance work date and time at the work interval estimated by the above-mentioned model equation. Parts maintenance work is performed ahead of time by this parameter.
FMEA結果DB2および既定作業間隔DB3は、図4Aおよび図4Bに示すデータベース100である。FMEA結果DB2および既定作業間隔DB3のそれぞれに記憶された情報は、DB入出力インタフェース101を通して指標推定部4に入力される。
The
統計評価用情報Aは、情報入力インタフェース102を通して故障リスク指標推定装置1に入力される。故障リスク指標の推定値は、情報出力インタフェース103を通して故障リスク指標推定装置1から出力される。
第1の記憶部5は、データベース100がある記憶装置に設けてもよいが、図4Aに示す処理回路104の内部メモリに設けてもよい。また、第1の記憶部5は、図4Bに示すメモリ105に設けてもよい。The statistical evaluation information A is input to the failure risk
The
故障リスク指標推定装置1におけるモデル式構築部4aおよびパラメータ推定部4bの各機能は、処理回路により実現される。
すなわち、故障リスク指標推定装置1は、FMEA結果DB2から読み出したFMEA結果と統計評価用情報Aとに基づいて、故障リスク指標の推移を示すモデル式を構築し、FMEA結果DB2と既定作業間隔DB3とから読み出した情報に基づいて、モデル式から算出した保守作業間隔と既定された保守作業間隔との差分が最も小さくなるモデル式のパラメータ値を統計的に推定するための処理回路を備える。
処理回路は、専用のハードウェアであっても、メモリに記憶されたプログラムを実行するCPU(Central Processing Unit)であってもよい。Each function of the model expression construction unit 4a and the
That is, based on the FMEA result read out from the
The processing circuit may be dedicated hardware or a CPU (Central Processing Unit) that executes a program stored in a memory.
処理回路が、図4Aに示すような専用のハードウェアである場合、処理回路104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(Application Specific Integrated Circuit)、FPGA(Field−Programmable Gate Array)、または、これらを組み合わせたものが該当する。
モデル式構築部4aおよびパラメータ推定部4bのそれぞれの機能を別々の処理回路で実現してもよいし、これらの機能をまとめて1つの処理回路で実現してもよい。When the processing circuit is dedicated hardware as shown in FIG. 4A, the
The respective functions of the model equation construction unit 4a and the
処理回路が、図4Bに示すようなプロセッサ106である場合、モデル式構築部4aおよびパラメータ推定部4b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によって実現される。
ソフトウェアまたはファームウェアはプログラムとして記述され、メモリ105に記憶される。プロセッサ106は、メモリ105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各部の機能を実現する。
すなわち、故障リスク指標推定装置1は、プロセッサ106により実行されるときに、図5に示すステップST1、ステップST2が結果的に実行されるプログラムを記憶するためのメモリ105を備える。また、これらのプログラムは、モデル式構築部4aおよびパラメータ推定部4bの手順または方法をコンピュータに実行させるものである。When the processing circuit is the
The software or firmware is described as a program and stored in the
That is, the failure risk
メモリ105には、例えば、RAM(Random Access Memory)、ROM(Read Only Memory)、フラッシュメモリ、EPROM(Erasable Programmable Read Only Memory)、EEPROM(Electrically−EPROM)など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などが該当する。
The
なお、モデル式構築部4aおよびパラメータ推定部4bの各機能について、一部を専用のハードウェアで実現し、一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。例えば、モデル式構築部4aについては専用のハードウェアとしての処理回路でその機能を実現し、パラメータ推定部4bについては、プロセッサ106がメモリ105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ってその機能を実現してもよい。
このように、処理回路は、ハードウェア、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によって上記機能のそれぞれを実現することができる。The functions of the model equation construction unit 4a and the
Thus, the processing circuit can implement each of the above functions by hardware, software, firmware, or a combination thereof.
次に動作について説明する。
図5は故障リスク指標推定装置1の動作を示すフローチャートであり、故障リスク指標の推定値を求めて第1の記憶部5に記憶するまでの一連の処理を示している。図6は、故障リスク指標R(t)と中間評価指標S,W,Mとの関係を示す図であり、保守作業後の経過時間における故障リスク指標R(t)の推移を示している。図7は、FMEA結果の評価項目C,E,Dと中間評価指標S,W,Mとの関連性を示す図である。
以下、故障リスク指標推定装置1の動作を、図6と図7を参照しながら、図5に沿って説明する。Next, the operation will be described.
FIG. 5 is a flow chart showing the operation of the failure risk
Hereinafter, the operation of the failure risk
まず、指標推定部4は、FMEA結果DB2から読み出したFMEA結果と統計評価用情報Aとに基づいて、故障リスク指標のモデル式を構築する(ステップST1)。
故障リスク指標R(t)は、下記式(1)に示すように、統計的分布f(t)に従って推移(時間変化)する。下記式(1)において、時間スケール係数Sは、R(t)の時間方向の変化を調整するための係数であり、故障リスクが増加する速度に関するパラメータである。リスク重み係数Wは、R(t)の大きさを調整するための係数であり、故障リスクの重みの度合いに関するパラメータである。
R(t)=W×f(S×t) ・・・(1)First, the index estimation unit 4 constructs a model expression of the failure risk index based on the FMEA result read out from the
The failure risk index R (t) changes (changes in time) according to the statistical distribution f (t), as shown in the following equation (1). In the following equation (1), the time scale factor S is a factor for adjusting the change in the time direction of R (t), and is a parameter related to the speed at which the failure risk increases. The risk weighting factor W is a factor for adjusting the magnitude of R (t), and is a parameter regarding the degree of weight of failure risk.
R (t) = W × f (S × t) (1)
指標推定部4によるR(t)の統計的推定では、図6に示すように、R(t)が許容上限閾値である“1.0”を超える作業間隔を、次に保守作業を行う適正間隔TEとしたとき、安全のために保守作業を前倒しで行う作業間隔を求める。例えば、指標推定部4が、安全マージンMを設定し、モデル式から想定される作業間隔Tを、下記式(2)から算出する。安全マージンMは、適正間隔TEでの経過時間から遡る時間間隔である。
T=TE−M ・・・(2)In the statistical estimation of R (t) by the index estimation unit 4, as shown in FIG. 6, it is appropriate to perform maintenance work next to the work interval at which R (t) exceeds “1.0” which is the allowable upper limit threshold. When an interval T E is set, an operation interval in which the maintenance operation is carried forward is determined for safety. For example, the index estimation unit 4 sets the safety margin M, and calculates the work interval T assumed from the model formula from the following formula (2). The safety margin M is a time interval going back from the elapsed time at the appropriate interval T E.
T = T E −M (2)
指標推定部4によるR(t)の統計的推定において、時間スケール係数S、リスク重み係数W、および安全マージンMは、故障リスク指標の推定値が得られるまで値がふられるパラメータである。ここでは、これらを中間評価指標と呼ぶ。 In the statistical estimation of R (t) by the index estimation unit 4, the time scale factor S, the risk weighting factor W, and the safety margin M are parameters whose values are used until an estimated value of the failure risk index is obtained. Here, these are referred to as intermediate evaluation indexes.
統計的分布f(t)がワイブル分布に従う場合、統計的分布f(t)は、下記式(3)に示すワイブル分布の累積密度関数で表すことができる。ここで、形状パラメータγと尺度パラメータφは、ワイブル分布の累積密度関数における統計的分布パラメータである。
また、上記式(1)は、形状パラメータγと尺度パラメータφを用いて、下記式(4)で表すことができる。下記式(4)において、尺度パラメータφは、時間スケール係数Sの積としてのみ登場するので、φ=1としてSのみを推定すべきパラメータとしている。
f(t)=1−exp(−(t/φ)γ) ・・・(3)
R(t)=W×(1−exp(−(S×t)γ)) ・・・(4)When the statistical distribution f (t) follows the Weibull distribution, the statistical distribution f (t) can be represented by the cumulative density function of the Weibull distribution shown in the following Expression (3). Here, the shape parameter γ and the scale parameter φ are statistical distribution parameters in the cumulative density function of the Weibull distribution.
Further, the equation (1) can be expressed by the following equation (4) using the shape parameter γ and the scale parameter φ. In the following equation (4), since the scale parameter φ appears only as a product of the time scale factor S, only S is assumed to be a parameter to be estimated as φ = 1.
f (t) = 1-exp (-(t / phi) gamma ) (3)
R (t) = W × (1−exp (− (S × t) γ )) (4)
経過時間tが適正間隔TEであるとき、故障リスク指標R(TE)=1.0であることから、適正間隔TEは、上記式(4)を用いて下記式(5)で表すことができる。下記式(5)において、lnは自然対数を表す。
TE=(1/S)×(−ln(1−(1/W)))1/γ ・・・(5)When the elapsed time t is the appropriate interval T E , since the failure risk index R (T E ) = 1.0, the appropriate interval T E is expressed by the following expression (5) using the above expression (4). be able to. In the following formula (5), ln represents a natural logarithm.
T E = (1 / S) × (−ln (1− (1 / W))) 1 / γ (5)
図7に示すように、FMEA結果の評価項目には、故障の頻度レベルと、影響の大きさレベルと、検出可能性レベルとがあり、以降では、故障の頻度レベルをC、影響の大きさレベルをE、検出可能性レベルをDとする。FMEA結果の評価項目と中間評価指標との間には、図7に示す関連性がある。
故障の頻度レベルCは、評価対象の部品に故障が発生する頻度の指標になり得るので、故障リスクの増加速度に関する時間スケール係数Sと関連性がある。
影響の大きさレベルEは、評価対象の部品に故障が与える影響の大きさの指標になり得るので、故障リスクの重みの度合いに関するリスク重み係数Wと、保守作業を前倒しする度合いに関する安全マージンMとの両方に関連性がある。
検出可能性レベルDは、評価対象の部品に発生した故障の検出しやすさの指標になり得るので、保守作業を前倒しする度合いに関する安全マージンMに関連性がある。As shown in FIG. 7, the evaluation items of the FMEA result include the failure frequency level, the impact level level, and the detectability level, and thereafter, the fault frequency level is C, the impact level. Let E be the level and D be the detectability level. There is a relationship shown in FIG. 7 between the evaluation item of the FMEA result and the intermediate evaluation index.
The failure frequency level C can be an indicator of the frequency at which a failure occurs in the part under evaluation, and therefore, is related to the time scale factor S related to the increase speed of failure risk.
Since the level E of influence can be an indicator of the degree of influence of the failure on the part to be evaluated, the risk weighting factor W relating to the degree of weight of failure risk and the safety margin M relating to the degree of advancing maintenance work And both are relevant.
Since the detectability level D can be an indicator of the detectability of a failure that has occurred in the part to be evaluated, it is relevant to the safety margin M regarding the degree to which the maintenance work is advanced.
指標推定部4は、モデル式から想定された保守作業間隔Tと既定の保守作業間隔TSとの差分が最小となるようにモデル式のパラメータS,W,M,γ,φの値を統計的に推定する(ステップST2)。尺度パラメータφが“1”に固定されているので、指標推定部4は、モデル式のパラメータS,W,M,γの値を部品ごとおよび点検項目ごとに算出して、部品および点検項目に対応付けて第1の記憶部5に記憶する。The index estimation unit 4 statistics the values of the parameters S, W, M, γ, and φ of the model expression so that the difference between the maintenance operation interval T assumed from the model expression and the predetermined maintenance operation interval T S is minimized. Estimate (step ST2). Since the scale parameter φ is fixed at “1”, the index estimation unit 4 calculates the values of the parameters S, W, M, γ of the model formula for each part and each inspection item, and sets the values to the parts and inspection items. The information is stored in association with each other in the
次に、指標推定部4の詳細な動作について説明する。
図8は、モデル式構築部4aおよびパラメータ推定部4bの動作を示すフローチャートである。以下では、統計的分布がワイブル分布であるものとする。
モデル式構築部4aが、FMEA結果DB2と既定作業間隔DB3の各テーブルデータを併合する(ステップST1a)。テーブルデータは、図2Aおよび図2Bに示したような項目ごとの情報から構成されるデータであり、テーブルデータのうち、部品ID、点検項目IDおよびこれに続く横並びの情報がレコードデータである。Next, the detailed operation of the index estimation unit 4 will be described.
FIG. 8 is a flowchart showing the operation of the model expression construction unit 4a and the
The model expression construction unit 4a merges each table data of the
例えば、図2Bに示した既定作業間隔DB3の情報では、部品IDおよび点検項目IDとこれに続く既定作業間隔月数とがテーブルデータを構成する情報となる。
モデル式構築部4aは、既定作業間隔DB3からテーブルデータを読み出し、このテーブルデータにおける部品IDおよび点検項目IDに基づいて同じ部品IDおよび点検項目IDを有するFMEA結果DB2のテーブルデータを検索する。
モデル式構築部4aは、この検索により特定されたテーブルデータのFMEA結果を、既定作業間隔DB3から読み出したテーブルデータに組み合わせる、いわゆる併合を実行する。For example, in the information of the predetermined
The model expression construction unit 4a reads table data from the predetermined work interval DB3, and searches table data of the
The model expression construction unit 4a performs so-called merging, in which the FMEA result of the table data specified by the search is combined with the table data read from the predetermined work interval DB3.
モデル式構築部4aは、既定作業間隔DB3における全てのテーブルデータに上記処理を実行し、既定された保守作業間隔とFMEA結果とが組み合わされた情報を生成する。この組み合わせ情報を図9に示す。図9では、既定された保守作業間隔TSを、作業間隔の月数で表している。
FMEA結果DB2のテーブルデータのうち、既定作業間隔DB3のテーブルデータと同じ部品IDおよび点検項目IDを有さないテーブルデータについても、図9に示す組み合わせ情報にそのまま追加される。The model expression construction unit 4a executes the above process on all table data in the predetermined work interval DB3, and generates information in which the predetermined maintenance work interval and the FMEA result are combined. This combination information is shown in FIG. In FIG. 9, the predetermined maintenance work interval T S is represented by the number of months of the work interval.
Among the table data of the
モデル式構築部4aは、部品IDごとおよび点検項目IDごとに、FMEA結果の評価項目および評価レベルに応じて、このFMEA結果に関連する中間評価指標のパラメータを割り当てる(ステップST2a)。
モデル式構築部4aは、上記組み合わせ情報のFMEA結果のうち、FMEAの故障に関する評価項目とこの評価項目での評価レベルとが同一であるものに対して、共通の中間評価指標のパラメータを割り当ててモデル式を構築する。
共通のパラメータには、部品IDおよび点検項目IDが異なるデータ間の上記モデル式においても同じ値が設定される。これにより、異なる部品または点検項目で共通して作用する故障の影響を評価することができる。The model expression construction unit 4a assigns the parameter of the intermediate evaluation index related to the FMEA result according to the evaluation item and the evaluation level of the FMEA result for each part ID and each inspection item ID (step ST2a).
Of the FMEA results of the combination information, the model expression construction unit 4a assigns common intermediate evaluation index parameters to those for which the evaluation item for the failure of FMEA and the evaluation level for this evaluation item are the same. Build a model expression.
As the common parameter, the same value is set in the above-described model equation among data in which the part ID and the inspection item ID are different. This makes it possible to assess the impact of faults acting in common on different parts or inspection items.
図10はFMEA結果の評価項目に中間評価指標のパラメータを割り当てた結果を示す図である。例えば、図9において、(部品ID,点検項目ID)=(EQ001,MT001)に対応するFMEA結果の評価項目である故障の頻度レベルCは、評価レベルが“2”である。図9に示す組み合わせ情報のFMEA結果のうち、故障の頻度レベルCの評価レベルが“2”であるものの一つに、(部品ID,点検項目ID)=(EQ002,MT002)がある。モデル式構築部4aは、図10に示すように、故障の頻度レベルCに関連性のある時間スケール係数Sのパラメータに対して、共通のパラメータS2を割り当てる。FIG. 10 is a diagram showing the result of assigning the parameter of the intermediate evaluation index to the evaluation item of the FMEA result. For example, in FIG. 9, the failure level C which is an evaluation item of the FMEA result corresponding to (part ID, inspection item ID) = (EQ 001, MT 001) has an evaluation level of “2”. Among the FMEA results of the combination information shown in FIG. 9, (part ID, inspection item ID) = (EQ002, MT002) is one of the cases where the evaluation level of the failure frequency level C is “2”. Model expression construction unit 4a, as shown in FIG. 10, for the parameters of the frequency level C Breakdown relevant time scale factor S, assigning the common parameter S 2.
(部品ID,点検項目ID)=(EQ001,MT001)に対応するFMEA結果の評価項目である影響の大きさレベルEは、評価レベルが“3”である。
上記の組み合わせ情報のFMEA結果のうち、影響の大きさレベルEの評価レベルが“3”であるものの一つに、(部品ID,点検項目ID)=(EQ001,MT002)がある。モデル式構築部4aは、図10に示すように、影響の大きさレベルEに関連性のあるリスク重み係数Wのパラメータに対して共通のパラメータW3を割り当てる。
(EQ001,MT001)のデータと(EQ001,MT002)のデータとでは、FMEA結果の評価項目である検出可能性レベルDも評価レベルがともに“3”である。このため、モデル式構築部4aは、図10に示すように、検出可能性レベルDに関連性のある安全マージンMのパラメータに対して共通のパラメータM3,3を割り当てる。The evaluation level of the level of influence E, which is an evaluation item of the FMEA result corresponding to (part ID, inspection item ID) = (EQ001, MT001), is “3”.
Among the FMEA results of the combination information described above, (part ID, inspection item ID) = (EQ 001, MT 002) is one of those whose evaluation level of the level of influence level E is “3”. Model expression construction unit 4a, as shown in FIG. 10, allocates the common parameters W 3 for the parameters of the risk weighting factor W that is relevant to the size level E of the impact.
In the data of (EQ001, MT001) and the data of (EQ001, MT002), both of the detectability level D, which is an evaluation item of the FMEA result, have an evaluation level of “3”. Therefore, as shown in FIG. 10, the model equation construction unit 4a assigns the common parameter M3, 3 to the parameter of the safety margin M related to the detectability level D.
モデル式構築部4aは、(部品ID,点検項目ID)=(EQ001,MT001)のデータについての中間評価指標のパラメータの割り当てを完了すると、上記式(2)から上記式(5)に基づいて、作業間隔T、故障リスク指標R(t)および適正間隔TEを、故障リスク指標のモデル式として構築する。
(EQ001,MT001)のデータについての中間評価指標のパラメータは、S2、W3、M3,3であるので、モデル式は下記のようになる。
T=TE−M3,3
R(t)=W3×{1−exp(−(S2×t)γ)}
TE=(1/S2)×(−ln(1−(1/W3)))1/γ When the model expression construction unit 4a completes the assignment of the parameters of the intermediate evaluation index for the data of (part ID, inspection item ID) = (EQ001, MT001), based on the above expression (2) to the above expression (5) , Work interval T, failure risk index R (t) and appropriate interval TE are constructed as model expressions of failure risk index.
Since the parameters of the intermediate evaluation index for the data of (EQ 001, MT 001) are S 2 , W 3 and M 3 , 3 , the model equation is as follows.
T = T E −M 3,3
R (t) = W 3 × {1-exp (− (S 2 × t) γ )}
T E = (1 / S 2 ) × (−ln (1− (1 / W 3 ))) 1 / γ
安全マージンMを、影響の大きさレベルEによる係数因子MEと検出可能性レベルDによる係数因子MDとの積ME×MDで表現してもよい。これにより、安全マージンMが固定の値となるので、推定対象のパラメータの数を削減することができる。A safety margin M, may be expressed by the product M E × M D of the coefficient factor M D by detectable levels D and coefficient factor M E due to the size level E of the impact. As a result, the safety margin M takes a fixed value, so the number of parameters to be estimated can be reduced.
次に、パラメータ推定部4bが、モデル式構築部4aにより割り当てられたパラメータに基づいて上記モデル式から作業間隔Tを算出し、作業間隔Tと既定の作業間隔TSとの差分が最小となるパラメータを統計的に推定する(ステップST3a)。
統計的分布f(t)がワイブル分布に従うので、作業間隔Tは、図11に示すように、中間評価指標のパラメータによって決定される変数の形で求められる。図11において、Ziは、下記式(6)で表されるパラメータである。
Zi=(−ln(1−(1/Wi)))1/γ ・・・(6)Then, the
Since the statistical distribution f (t) follows the Weibull distribution, the work interval T is determined in the form of a variable determined by the parameters of the intermediate evaluation index, as shown in FIG. In FIG. 11, Z i is a parameter represented by the following equation (6).
Z i = (− ln (1− (1 / W i ))) 1 / γ (6)
パラメータ推定部4bは、上記組み合わせ情報における全ての部品IDおよび点検項目IDについて、作業間隔Tと既定された作業間隔TSとの差分の二乗和が最小となるように中間評価指標のパラメータS,W,Mおよび形状パラメータγを推定する。なお、前述したように、尺度パラメータφは“1”である。
これらのパラメータの推定方法としては、例えば、共役方向法が挙げられる。ただし、既定された作業間隔TSとの誤差が最小となるパラメータを推定することができる方法であれば、共役方向法に限定されるものではない。The
As a method of estimating these parameters, for example, a conjugate orientation method can be mentioned. However, the method is not limited to the conjugate direction method as long as it is a method that can estimate a parameter that minimizes the error from the predetermined work interval T S.
パラメータ推定部4bは、前述のようにして推定した結果を、部品IDごとおよび点検項目IDごとに分類し、部品IDおよび点検項目IDに対応付けて第1の記憶部5に記憶する(ステップST4a)。統計的分布f(t)がワイブル分布に従うことから、図3に示した“統計的分布”の項目に“ワイブル分布”が設定され、“統計的分布パラメータ”の項目には、形状パラメータγの値が設定される。
The
パラメータ推定部4bは、互いに類似する点検項目間の一方についてのパラメータ値の統計的推定で用いた情報を、点検項目間の他方についてのパラメータ値の統計的推定に用いてもよい。例えば、通電検査と絶縁検査とは、ともに電気の導通状態を検査するものであるため、類似した点検項目といえる。そこで、パラメータ推定部4bが、通電検査についてのパラメータ値の統計的推定で用いた情報を、絶縁検査についてのパラメータ値の統計的推定に用いる。このようにすることで、統計的推定に用いた情報を再利用することができ、推定に要する処理負荷を軽減することができる。
The
以上のように、この実施の形態1に係る故障リスク指標推定装置1において、モデル式構築部4aが、FMEA結果DB2から読み出したFMEA結果と統計評価用情報Aとに基づいて、統計的分布に従った故障リスク指標の推移を示すモデル式を構築する。パラメータ推定部4bが、FMEA結果DB2と既定作業間隔DB3とから読み出した情報に基づいて、モデル式から算出した保守作業間隔と既定された保守作業間隔との差分が最も小さくなるモデル式のパラメータ値を統計的に推定する。このように構成することで、設備の保守実績データがないまたは少ない場合であっても、設備に故障が発生するリスクの指標を適切に推定できる。
As described above, in the failure risk
実施の形態1に係る故障リスク指標推定装置1において、モデル式構築部4aが、FMEAの故障に関する評価項目と当該評価項目での評価レベルとが同一である場合に、評価項目に関連するモデル式のパラメータに共通のパラメータを割り当てる。このようにすることで、異なる部品または点検項目で共通して作用する故障の影響を評価することが可能である。
In the failure risk
また、実施の形態1に係る故障リスク指標推定装置1において、パラメータ推定部4bが、互いに類似する点検項目間の一方についてのパラメータ値の統計的推定で用いた情報を、点検項目間の他方についてのパラメータ値の統計的推定に用いる。
このようにすることで、統計的推定に用いた情報を再利用することができ、推定に要する処理負荷を軽減することができる。Further, in the failure risk
By doing this, the information used for statistical estimation can be reused, and the processing load required for estimation can be reduced.
実施の形態2.
図12は、この発明の実施の形態2に係る故障リスク指標推定装置1Aの機能構成を示すブロック図である。図12において、図1と同一構成要素には同一符号を付して説明を省略する。故障リスク指標推定装置1Aは、実施の形態1で示した構成に加え、設備情報DB6、保守実績DB7、故障実績DB8、絞り込み部9、絞り込みデータ記憶部10、指標推定部11、第2の記憶部12および併合部13を備える。Second Embodiment
FIG. 12 is a block diagram showing a functional configuration of a failure risk
設備情報DB6は、設備、設備を構成する部品、および部品ごとの点検項目を含む設備情報を記憶するDBである。設備情報DB6には、例えば、図13Aに示すような項目の情報が記憶される。“設備ID”の項目には設備の識別情報が設定される。“部品ID”および“点検項目ID”については、図2Aに示したものと同じである。
“保守開始日時”の項目には、部品の点検項目ごとの保守契約が開始された日時が設定される。なお、保守契約中に、個別に行われる保守作業の実施日時が、図13Bを用いて後述する保守作業実施日時である。The equipment information DB 6 is a DB that stores equipment, parts constituting the equipment, and equipment information including inspection items for each part. For example, information of items as shown in FIG. 13A is stored in the facility information DB 6. Equipment identification information is set in the "equipment ID" field. The “part ID” and the “check item ID” are the same as those shown in FIG. 2A.
In the item "maintenance start date and time", the date and time when the maintenance contract for each part inspection item was started is set. In addition, the implementation date of the maintenance operation | work separately performed during a maintenance contract is the maintenance operation implementation date mentioned later using FIG. 13B.
保守実績DB7は、設備を構成する部品の点検項目ごとの保守作業の実績データを記憶するDBである。保守実績DB7には、図13Bに示すような項目の情報が記憶される。“保守実績ID”の項目には、保守作業の実績データの識別情報が設定される。
“設備ID”、“部品ID”および“点検項目ID”については、図13Aと図2Aとに示したものと同じである。“保守作業実施日時”の項目には部品ごとの保守作業の実施日時が設定される。The
The “equipment ID”, “parts ID” and “check item ID” are the same as those shown in FIGS. 13A and 2A. In the item "maintenance work implementation date and time", the implementation date and time of maintenance work for each part is set.
故障実績DB8は、設備を構成する部品ごとの故障の実績データを記憶するDBである。故障実績DB8には、図13Cに示すような項目の情報が記憶される。“故障実績ID”の項目には、故障の実績データの識別情報が設定される。“設備ID”と“部品ID”とについては、図13Bに示したものと同じである。“故障発生日時”の項目には、部品に故障が発生した日時が設定される。“関連点検項目ID”の項目には、発生した故障に関連する点検項目の識別情報が設定される。
The
絞り込み部9は、設備情報DB6、保守実績DB7および故障実績DB8に記憶された情報を、FMEA結果DB2のFMEA結果ごとに対応する情報に分類する。
例えば、絞り込み部9は、保守実績データごとに保守作業実施後の無故障の間隔を集計し、集計した無故障の間隔を示す情報をFMEA結果ごとに分類して絞り込みデータ記憶部10に記憶する。The narrowing
For example, the narrowing-down
絞り込みデータ記憶部10は、絞り込み部9により分類された情報を記憶するDBである。絞り込みデータ記憶部10には、図14Aに示すような項目の情報が記憶される。
図14Aにおいて、“故障の頻度レベル”と“影響の大きさレベル”と“検出可能性レベル”は、FMEAの評価項目であり、図2Aに示したものと同じである。
“部品ID”および“点検項目ID”は、図2Aに示したものと同じである。“保守作業実施日時”は、図13Bに示したものと同じである。
“無故障継続月数”の項目には、保守作業後に無故障で次の保守作業に至った月数、保守作業後に故障が発生するまでの月数および保守作業後に無故障で現在に至るまでの月数のうちのいずれかが設定される。“故障発生フラグ”の項目には、部品に故障が発生したか否かを示す値が設定される。例えば、部品に故障が発生すると、“1”が設定され、故障が発生していなければ、“0”が設定される。The narrowing-down
In FIG. 14A, “fault frequency level”, “impact level level” and “detectability level” are evaluation items of FMEA and are the same as those shown in FIG. 2A.
The “part ID” and the “check item ID” are the same as those shown in FIG. 2A. The “maintenance work implementation date and time” is the same as that shown in FIG. 13B.
The number of months without failure after maintenance work and the number of months until the next maintenance work after maintenance work, the number of months until failure occurs after maintenance work and no trouble after maintenance work One of the number of months of is set. In the item of "failure occurrence flag", a value indicating whether or not a failure has occurred in the part is set. For example, if a failure occurs in a part, "1" is set, and if no failure occurs, "0" is set.
指標推定部11は、絞り込み部9により分類された情報に基づいて、保守作業の実績データと故障の実績データとの関係に応じた故障リスク指標の第2の推定値を推定する。
例えば、指標推定部11は、絞り込みデータ記憶部10から処理対象のFMEA結果に対応する情報を読み出し、読み出した情報に基づいて部品ごとおよび点検項目ごとに故障リスク指標を統計的に推定する。この推定によって得られた故障リスク指標の推定値は、推定に用いられた実データ数とともに第2の記憶部12に記憶される。Based on the information classified by the narrowing-down
For example, the index estimation unit 11 reads out information corresponding to the FMEA result to be processed from the narrowed
第2の記憶部12は、指標推定部11によって推定された故障リスク指標の推定値を、部品ごとおよび点検項目ごとに記憶する。第2の記憶部12には、図14Bに示すような項目の情報が記憶される。図14Bにおいて、“部品ID”および“点検項目ID”は、図2Aに示したものと同じである。“統計的分布”および“統計的分布パラメータ”は、図3に示したものと同じである。“時間スケール係数”と“リスク重み係数”と“安全マージン”は、故障リスク指標の第2の推定値となるパラメータであり、図3に示したものと同じである。“実データ数”の項目には、指標推定部11による故障リスク指標の統計的推定に用いられたデータの数が設定される。
The
併合部13は、パラメータ推定部4bにより推定された第1の推定値と指標推定部11により推定された第2の推定値とを按分して最終的な故障リスク指標の推定値を算出する。
例えば、併合部13は、第1の推定値の推定で想定したデータ数と第2の推定値の推定に用いた実データ数とに応じて第1の推定値と第2の推定値とを按分して、最終的な故障リスク指標の推定値を算出する。故障リスク指標の推定値を示す情報Bは併合部13から出力される。The merging
For example, the merging
故障リスク指標の推定値を示す情報Bは、図14Cに示す項目の情報から構成される。図14Cにおいて、“部品ID”および“点検項目ID”は、図2Aに示したものと同じである。“統計的分布”および“統計的分布パラメータ”は、図3に示したものと同じである。“時間スケール係数”と“リスク重み係数”と“安全マージン”は、故障リスク指標の第2の推定値となるパラメータであり、図3に示したものと同じである。 Information B indicating the estimated value of the failure risk index is composed of the information of the items shown in FIG. 14C. In FIG. 14C, “part ID” and “check item ID” are the same as those shown in FIG. 2A. "Statistical distribution" and "statistical distribution parameter" are the same as shown in FIG. The “time scale factor”, the “risk weighting factor” and the “safety margin” are parameters serving as the second estimated value of the failure risk index and are the same as those shown in FIG.
故障リスク指標推定装置1AにおけるFMEA結果DB2、既定作業間隔DB3、設備情報DB6、保守実績DB7および故障実績DB8は、図4Aおよび図4Bに示すデータベース100である。FMEA結果DB2および既定作業間隔DB3のそれぞれに記憶された情報は、DB入出力インタフェース101を通して指標推定部4に入力される。
設備情報DB6、保守実績DB7および故障実績DB8のそれぞれに記憶された情報は、DB入出力インタフェース101を通して絞り込み部9に入力される。The FMEA result DB2, the predetermined operation interval DB3, the equipment information DB6, the maintenance record DB7 and the failure record DB8 in the failure risk
Information stored in each of the equipment information DB 6, the
統計評価用情報Aは、情報入力インタフェース102を通して故障リスク指標推定装置1Aに入力される。最終的な故障リスク指標の推定値を示す情報Bは、情報出力インタフェース103を通して併合部13から出力される。
第1の記憶部5、絞り込みデータ記憶部10および第2の記憶部12は、データベース100がある記憶装置に設けることが考えられるが、図4Aに示す処理回路104の内部メモリに設けてもよい。また、第1の記憶部5、絞り込みデータ記憶部10および第2の記憶部12は、図4Bに示すメモリ105に設けてもよい。The statistical evaluation information A is input to the failure risk
Although it is conceivable that the
故障リスク指標推定装置1Aにおける指標推定部4、絞り込み部9、指標推定部11および併合部13の各機能は、処理回路により実現される。
すなわち、故障リスク指標推定装置1Aは、前述した各部の機能での処理を行うための処理回路を備える。処理回路は、専用のハードウェアであっても、メモリに記憶されたプログラムを実行するCPUであってもよい。Each function of the index estimation unit 4, the narrowing
That is, the failure risk
処理回路が、図4Aに示すような専用のハードウェアである場合、処理回路104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、これらを組み合わせたものが該当する。
指標推定部4、絞り込み部9、指標推定部11および併合部13のそれぞれの機能を別々の処理回路で実現してもよいし、これらの機能をまとめて1つの処理回路で実現してもよい。When the processing circuit is dedicated hardware as shown in FIG. 4A, the
The respective functions of the index estimation unit 4, the narrowing
処理回路が、図4Bに示すようなプロセッサ106である場合、指標推定部4、絞り込み部9、指標推定部11および併合部13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によって実現される。
ソフトウェアまたはファームウェアはプログラムとして記述され、メモリ105に記憶される。プロセッサ106は、メモリ105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各部の機能を実現する。
すなわち、故障リスク指標推定装置1Aは、プロセッサ106によって実行されるときに、図15に示すステップST1bからステップST8bまでの処理が結果的に実行されるプログラムを記憶するためのメモリ105を備える。
また、これらのプログラムは、指標推定部4、絞り込み部9、指標推定部11、および併合部13の手順または方法をコンピュータに実行させるものである。When the processing circuit is the
The software or firmware is described as a program and stored in the
That is, the failure risk
In addition, these programs cause a computer to execute the procedure or method of the index estimation unit 4, the narrowing
指標推定部4、絞り込み部9、指標推定部11および併合部13の各機能について一部を専用のハードウェアで実現し、一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。例えば、指標推定部4および絞り込み部9については専用のハードウェアとしての処理回路でその機能を実現し、指標推定部11および併合部13については、プロセッサ106がメモリ105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ってその機能を実現してもよい。このように、処理回路は、ハードウェア、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により上記機能のそれぞれを実現することができる。
A part of each function of the index estimation unit 4, the narrowing
次に動作について説明する。
図15は故障リスク指標推定装置1Aの動作を示すフローチャートであり、故障リスク指標の第1の推定値と第2の推定値を求めて最終的な推定値を出力するまでの一連の処理を示している。
絞り込み部9は、設備情報DB6、保守実績DB7および故障実績DB8に記憶された情報を、FMEA結果ごとに対応する情報に分類する(ステップST1b)。
絞り込み部9により分類された情報は、絞り込みデータ記憶部10に記憶される。Next, the operation will be described.
FIG. 15 is a flowchart showing the operation of the failure risk
The narrowing
The information classified by the narrowing
指標推定部11は、絞り込みデータ記憶部10から処理対象のFMEA結果に対応する情報を読み出し、読み出した情報に基づいて部品ごとおよび点検項目ごとに故障リスク指標を統計的に推定する(ステップST2b)。
指標推定部11は、上記推定で得られた第2の推定値と実データ数を、部品IDおよび点検項目IDに対応付けて第2の記憶部12に記憶する(ステップST3b)。The index estimation unit 11 reads out the information corresponding to the FMEA result to be processed from the narrowed
The index estimation unit 11 stores the second estimated value obtained by the above estimation and the number of actual data in the
FMEA結果DB2に記憶されている全てのFMEA結果を処理していない場合(ステップST4b;NO)、ステップST1bからの処理が繰り返される。
FMEA結果DB2に記憶されている全てのFMEA結果を処理した場合(ステップST4b;YES)、ステップST5bの処理に移行する。If all the FMEA results stored in the
If all the FMEA results stored in the
ステップST5bにおいて、指標推定部4は、実施の形態1と同様にして第1の推定値であるパラメータ値を推定する。
指標推定部4は、推定した第1の推定値を、部品IDおよび点検項目IDに対応付けて第1の記憶部5に記憶する(ステップST6b)。In step ST5b, the index estimation unit 4 estimates a parameter value which is a first estimated value, as in the first embodiment.
The index estimation unit 4 stores the estimated first estimated value in the
併合部13は、第1の記憶部5に記憶された第1の推定値と、第2の記憶部12に記憶された第2の推定値とを読み出し、読み出した第1の推定値と第2の推定値とを按分して最終的な故障リスク指標の推定値を算出する(ステップST7b)。この後、併合部13は、算出した故障リスク指標の推定値を示す情報Bを出力する(ステップST8b)。
The merging
なお、図15では、指標推定部11による第2の推定値の推定を、指標推定部4による第1の推定値の推定よりも先に行う場合を示したが、これに限定されるものではない。
例えば、指標推定部4による第1の推定値の推定を、指標推定部11による第2の推定値の推定よりも先に行ってもよい。また、指標推定部4による第1の推定値の推定と指標推定部11による第2の推定値の推定とを並行して行ってもよい。Although FIG. 15 shows the case where the estimation of the second estimated value by the index estimation unit 11 is performed prior to the estimation of the first estimated value by the indicator estimation unit 4, the present invention is not limited to this. Absent.
For example, the estimation of the first estimated value by the indicator estimation unit 4 may be performed before the estimation of the second estimated value by the indicator estimation unit 11. Further, the estimation of the first estimated value by the index estimation unit 4 and the estimation of the second estimated value by the index estimation unit 11 may be performed in parallel.
次に、絞り込み部9の動作を詳細に説明する。
図16は、絞り込み部9の動作を示すフローチャートであって、設備情報DB6、保守実績DB7および故障実績DB8に記憶された情報を分類して絞り込みデータ記憶部10に記憶するまでの一連の処理を示している。
まず、絞り込み部9は、FMEA結果DB2、設備情報DB6および保守実績DB7の各テーブルデータを併合する(ステップST1c)。Next, the operation of the
FIG. 16 is a flowchart showing the operation of the
First, the narrowing-down
例えば、絞り込み部9は、設備情報DB6から読み出したテーブルデータの設備ID、部品IDおよび点検項目IDに基づいて、同じ設備ID、部品IDおよび点検項目IDを有する保守実績DB7のテーブルデータを検索する。絞り込み部9は、この検索によって特定されたテーブルデータの“保守作業実施日時”の項目に設定された情報を、設備情報DB6から読み出したテーブルデータに併合する。
なお、絞り込み部9は、設備情報と同じ設備ID、部品IDおよび点検項目IDの保守実績データがない場合、検索に用いた設備ID、部品IDおよび点検項目IDのレコードデータを削除せずに併合後のテーブルデータに残す。For example, the narrowing-down
If there is no maintenance result data of the same equipment ID, parts ID and inspection item ID as the equipment information, the narrowing
続いて、絞り込み部9は、併合後のテーブルデータにおける設備ID、部品IDおよび点検項目IDに基づいて、同じ設備ID、部品IDおよび点検項目IDを有するFMEA結果DB2のテーブルデータを検索する。絞り込み部9は、この検索によって特定されたテーブルデータにおけるFMEA結果を、上記併合後のテーブルデータに併合する。
絞り込み部9は、設備情報DB6における全てのテーブルデータに上記処理を実行することで、設備情報と保守実績データとがFMEA結果ごとに分類された情報を生成する。Subsequently, the narrowing-down
The narrowing-down
次に、絞り込み部9は、前述のように併合したテーブルデータのうち、評価対象のFMEA結果に対応するレコードデータのみに絞り込む(ステップST2c)。
絞り込み部9は、上記併合したテーブルデータのレコードデータに対して“無故障継続月数”および“故障発生フラグ”の項目を追加する。Next, the narrowing-down
The narrowing-down
ステップST3cにおいて、絞り込み部9は、評価対象のFMEA結果に対応する設備IDおよび部品IDに基づいて、この部品IDに対応する部品についての保守作業を実行してから次の保守作業までの間に最も早く発生した故障実績データを故障実績DB8から検索する。なお、保守作業が実行されていなければ、保守開始日時以降で次の保守作業までの間に最も早く発生した故障実績データを検索する。
絞り込み部9は、検索結果の故障実績データに基づいて、部品に故障が発生しなかった無故障継続月数を算出して、算出した月数を“無故障継続月数”の項目に設定し、故障が発生したことを示す値である“1”を“故障発生フラグ”の項目に設定する。In step ST3c, the narrowing-down
The narrowing-down
一方、上記検索で故障実績がなければ、絞り込み部9は、次の保守作業日時までの時間間隔を算出して、この月数を“無故障継続月数”の項目に設定し、故障が発生していないことを示す値である“0”を“故障発生フラグ”の項目に設定する。
なお、次に保守作業の日時が決まっていない場合は、現時点までの間隔が“無故障継続月数”の項目に設定される。
絞り込み部9は、ステップST1cで併合したテーブルデータにおける全てのレコードデータに対して上記処理を実行する。これにより、設備情報と保守実績データと故障実績データとが、FMEA結果ごとに分類された情報が生成される。On the other hand, if there is no failure record in the above search, the narrowing-down
If the date and time of the maintenance work has not been determined next, the interval up to the present time is set to the item of “No Failure Continuing Months”.
The narrowing-down
絞り込み部9は、処理結果のテーブルデータを絞り込みデータ記憶部10に記憶する(ステップST4c)。上記テーブルデータは、図14Aに示したように、“故障の頻度レベル”、“影響の大きさレベル”、“検出可能性レベル”、“設備ID”、“部品ID”、“点検項目ID”、“保守作業実施日時”、“無故障継続月数”および“故障発生フラグ”といった項目からなるデータである。
The narrowing-down
次に、指標推定部11の動作を詳細に説明する。
図17は、指標推定部11の動作を示すフローチャートであり、第2の推定値を推定してから第2の記憶部12に記憶するまでの一連の処理を示している。
ステップST1dにおいて、指標推定部11は、絞り込みデータ記憶部10に記憶されたテーブルデータから、処理対象の部品IDおよび点検項目IDが同一のレコードデータを検索する。指標推定部11は、検索したレコードデータにおいて“無故障継続月数”の項目に設定された値が、保守作業後の経過時間t(t=1,2,・・・)以下のレコードデータの数を算出する。このように算出されたレコードデータの数が、保守作業後の経過月数に応じた部品の延べ台数となる。Next, the operation of the index estimation unit 11 will be described in detail.
FIG. 17 is a flowchart showing the operation of the index estimation unit 11, and shows a series of processes from estimation of the second estimated value to storage in the
In step ST1d, the index estimation unit 11 searches the table data stored in the narrowed
指標推定部11は、絞り込みデータ記憶部10に記憶されているテーブルデータから、“故障発生フラグ”の項目に“1”が設定されたレコードデータを検索する。
指標推定部11は、検索したレコードデータに基づいて、部品IDごとおよび点検項目IDごとの、保守作業後の経過月数に応じた故障件数を算出する(ステップST2d)。
次に、指標推定部11は、上記保守作業後の経過月数に応じた故障件数を上記延べ台数で割った値である実績故障率を算出する(ステップST3d)。The index estimation unit 11 searches the table data stored in the narrowed
The index estimation unit 11 calculates the number of failures according to the number of elapsed months after the maintenance work for each component ID and each inspection item ID based on the retrieved record data (step ST2 d).
Next, the index estimation unit 11 calculates the actual failure rate which is a value obtained by dividing the number of failures according to the number of months after the maintenance work by the total number (step ST3 d).
続いて、指標推定部11は、ステップST3dで算出した実績故障率の推移を近似する統計的分布を特定し、この統計的分布に従うモデル式のパラメータ値を統計的に推定する(ステップST4d)。例えば、実績故障率の推移を、上記式(4)でリスク重み係数Wと1とした場合の故障リスク指標R(t)により近似する時間スケール係数Sおよび形状パラメータγが推定される。 Subsequently, the index estimation unit 11 specifies a statistical distribution that approximates the transition of the actual failure rate calculated in step ST3d, and statistically estimates the parameter value of the model formula according to the statistical distribution (step ST4d). For example, a time scale coefficient S and a shape parameter γ approximated by the failure risk index R (t) when the transition of the actual failure rate is set to the risk weighting coefficient W and 1 in the above equation (4) are estimated.
パラメータの推定には共役方向法を用いることが考えられるが、ワイブル分布のパラメータを推定する既存の方法であってもよい。
リスク重み係数Wの値は、FMEA結果ごとに設定される。例えば、ユーザから受け付けた値を設定してもよく、実績データから求めた故障発生時の損失額×故障率との差分が最も小さくなる係数の値を設定してもよい。安全マージンMの値は、ユーザから受け付けた値を設定してもよく、M=0としてもよい。
なお、統計的分布としてワイブル分布を使用したが、ガンマ分布、対数正規分布などの統計的分布であってもよく、実績データとの誤差が最小となる統計的分布であればよい。Although it is conceivable to use a conjugate orientation method to estimate the parameters, it may be an existing method to estimate the parameters of the Weibull distribution.
The value of the risk weighting factor W is set for each FMEA result. For example, a value received from the user may be set, or a value of a coefficient that minimizes the difference between the loss amount at the time of failure occurrence calculated from the actual data × the failure rate may be set. The value of the safety margin M may be set to a value accepted from the user, or may be M = 0.
Although the Weibull distribution is used as the statistical distribution, it may be a statistical distribution such as a gamma distribution or a lognormal distribution, as long as it is a statistical distribution that minimizes the error from the actual data.
指標推定部11は、絞り込みデータ記憶部10に記憶されているテーブルデータの部品IDおよび点検項目IDの組み合わせのうち、未処理の組み合わせがあるか否かを確認する(ステップST5d)。
絞り込みデータ記憶部10に記憶されているテーブルデータの部品IDおよび点検項目IDの組み合わせのうち、未処理の組み合わせがある場合(ステップST5d;NO)、ステップST1dに戻り、前述した処理を繰り返す。
部品IDおよび点検項目IDの全ての組み合わせを処理した場合(ステップST5d;YES)、指標推定部11は、推定したパラメータ値である第2の推定値を、部品IDおよび点検項目IDに対応付けて第2の記憶部12に記憶する(ステップST6d)。
統計的分布がワイブル分布に従うことから、図14Bに示した“統計的分布”の項目に“ワイブル分布”が設定され、“統計的分布パラメータ”の項目には、形状パラメータγの値が設定される。The index estimation unit 11 checks whether or not there is an unprocessed combination among the combination of the part ID of the table data stored in the narrowed
When there is an unprocessed combination among the combination of the part ID of the table data stored in the narrowed
When all combinations of the part ID and the inspection item ID have been processed (step ST5 d; YES), the index estimation unit 11 associates the second estimated value, which is the estimated parameter value, with the part ID and the inspection item ID. It is stored in the second storage unit 12 (step ST6 d).
Since the statistical distribution follows the Weibull distribution, “Weibull distribution” is set in the “Statistical distribution” item shown in FIG. 14B, and the value of the shape parameter γ is set in the “Statistical distribution parameter” item. Ru.
次に、併合部13の動作を詳細に説明する。
図18は、併合部13の動作を示すフローチャートであり、第1の推定値と第2の推定値とから最終的な故障リスク指標の推定値を算出して出力するまでの一連の処理を示している。併合部13は、処理対象の部品IDおよび点検項目ID、これらに対応する第2の推定値および実データ数を第2の記憶部12から読み出す(ステップST1e)。Next, the operation of the merging
FIG. 18 is a flowchart showing the operation of merging
次に、併合部13は、処理対象の部品IDおよび点検項目IDおよびこれらに対応する第1の推定値を第1の記憶部5から読み出す(ステップST2e)。
第1の記憶部5に記憶されている第1の推定値のうち、第2の記憶部12から読み出した第2の推定値に対応する部品IDおよび点検項目IDと同じ部品IDおよび点検項目IDを有さないレコードデータについては、第1の記憶部5からそのまま読み出される。Next, the merging
The part ID and the inspection item ID that are the same as the part ID and the inspection item ID corresponding to the second estimated value read out from the
第2の記憶部12から読み出されたレコードデータに設定されている実データ数をNAとし、保守作業後の経過時間ごとの部品の延べ台数を常にNAとし、故障件数をNA×RA(t)と仮定する。併合部13は、第1の記憶部5から読み出された同じ部品IDおよび点検項目IDを有するレコードデータにおいて、第1の推定値の統計的推定で想定されるデータの数であるNIを求める(ステップST3e)。
例えば、併合部13は、統計評価用情報Aにおける許容誤差Δおよび信頼率αを使用して、下記式(7)からNIを算出する。下記式(7)において、z(α)は、標準正規分布の上側100α%を表す。Δ=0.1、α=0.99(99%)であれば、z(α)=2.326であり、NI=2168となる。
NI=(((4/Δ2)+(1/2))×z(α)2) ・・・(7)The actual number of data set in the record data read from the
For example, merging
N I = (((4 / Δ 2 ) + (1/2)) × z (α) 2 ) (7)
第1の記憶部5から読み出された同じ部品IDおよび点検項目IDを有するレコードデータにおいて、保守作業後の経過時間ごとの部品の延べ台数は、常に上記式(7)により算出したNIであり、故障件数をNI×RI(t)と仮定する。In the record data having the same part ID and inspection item ID read from the
併合部13は、第2の記憶部12から読み出したレコードデータが示す故障リスク指標RA(t)と、第1の記憶部5から読み出した同じ部品IDおよび点検項目IDを有するレコードデータが示す故障リスク指標RI(t)とを按分する(ステップST4e)。
併合部13は、保守作業後の経過時間ごとの部品の延べ台数をNA+NIとし、故障件数をNA×RA(t)+NI×RI(t)として故障リスク指標RF(t)を改めて統計的に推定する。推定方法には、例えば、共役方向法が用いられる。ここまでの処理が按分処理である。このように、併合部13が、第1の推定値の統計的推定で想定されたデータ数であるNIを第2の推定値との按分に用いる。これにより、第1の推定値と第2の推定値とを適切に按分することができる。The
Combining
併合部13は、第1の記憶部5および第2の記憶部12のそれぞれに記憶された情報のうち、按分していない部品IDおよび点検項目IDの組み合わせがあるか否かを確認する(ステップST5e)。
第1の記憶部5および第2の記憶部12のそれぞれに記憶された情報のうち、按分していない部品IDおよび点検項目IDの組み合わせがあれば(ステップST5e;NO)、未処理の組み合わせに対してステップST1eからの処理を繰り返す。
全ての部品IDおよび点検項目IDの組み合わせを按分した場合(ステップST5e;YES)、併合部13は、故障リスク指標RF(t)のパラメータ値から、最終的な故障リスク指標の推定値を示す情報Bを生成して出力する(ステップST6e)。
In the information stored in each of the
If you apportioning the combination of all the components ID and inspection items ID (step ST5e; YES), combining
以上のように、実施の形態2に係る故障リスク指標推定装置1Aにおいて、絞り込み部9が、設備情報DB6、保守実績DB7、および故障実績DB8のそれぞれに記憶された情報を、FMEA結果ごとに対応する情報に分類する。指標推定部11が、絞り込み部9により分類された情報に基づいて、保守作業の実績データと故障の実績データとの関係に応じた故障リスク指標の推定値を推定する。併合部13が、指標推定部4により推定された第1の推定値と指標推定部11により推定された第2の推定値とを按分して、最終的な故障リスク指標の推定値を算出する。このように構成することで、設備の保守実績データが少ない場合であっても、設備に故障が発生するリスクの指標を適切に推定できる。
As described above, in the failure risk
また、実施の形態2に係る故障リスク指標推定装置1Aにおいて、併合部13が、第1の推定値の統計的推定で想定されたデータ数を第2の推定値との按分に用いる。このように構成することで、第1の推定値と第2の推定値とを適切に按分することができる。
Further, in the failure risk
なお、本発明はその発明の範囲内において、各実施の形態の自由な組み合わせあるいは各実施の形態の任意の構成要素の変形、もしくは各実施の形態において任意の構成要素の省略が可能である。 In the present invention, within the scope of the invention, free combination of each embodiment or modification of any component of each embodiment, or omission of any component in each embodiment is possible.
この発明に係る故障リスク指標推定装置は、設備の保守実績データがないまたは少ない場合であっても設備に故障が発生するリスクの指標を適切に推定できるので、例えば、様々な機械システムに適用可能である。 The failure risk index estimating device according to the present invention can be appropriately applied to, for example, various mechanical systems because it can appropriately estimate the index of the risk of failure of the equipment even if there is no or little maintenance performance data of the equipment. It is.
1,1A 故障リスク指標推定装置、2 FMEA結果DB、3 既定作業間隔DB、4,11 指標推定部、4a モデル式構築部、4b パラメータ推定部、5 第1の記憶部、6 設備情報DB、7 保守実績DB、8 故障実績DB、9 絞り込み部、10 絞り込みデータ記憶部、12 第2の記憶部、13 併合部、100 データベース、101 DB入出力インタフェース、102 情報入力インタフェース、103 情報出力インタフェース、104 処理回路、105 メモリ、106 プロセッサ。 1, 1 A Failure risk index estimation device, 2 FMEA result DB, 3 default work interval DB, 4, 11 index estimation unit, 4a model formula construction unit, 4b parameter estimation unit, 5 first storage unit, 6 equipment information DB, 7 maintenance record DB, 8 failure record DB, 9 narrowing unit, 10 narrowing data storage unit, 12 second storage unit, 13 merge unit, 100 database, 101 DB input / output interface, 102 information input interface, 103 information output interface, 104 processing circuits, 105 memories, 106 processors.
Claims (5)
設備を構成する部品の点検項目ごとの故障モード影響解析結果を示す情報および部品の点検項目ごとに既定された保守作業間隔を示す情報に基づいて、前記モデル式から算出した保守作業間隔と前記既定された保守作業間隔との差分が最も小さくなる前記モデル式のパラメータ値を統計的に推定するパラメータ推定部と、
設備、設備を構成する部品および部品ごとの点検項目を含む設備情報、設備を構成する部品の点検項目ごとの保守作業の実績データおよび設備を構成する部品ごとの故障の実績データを、故障モード影響解析結果ごとに対応する情報に分類する絞り込み部と、
前記絞り込み部により分類された情報に基づいて、前記保守作業の実績データと前記故障の実績データとの関係に応じた前記故障リスク指標の推定値を推定する指標推定部と、
前記パラメータ推定部により推定されたパラメータ値である第1の推定値と前記指標推定部により推定された推定値である第2の推定値とを按分して、最終的な前記故障リスク指標の推定値を算出する併合部と、
を備えたことを特徴とする故障リスク指標推定装置。 The transition of the failure risk indicator according to the statistical distribution is made based on the information indicating the failure mode influence analysis result for each inspection item of the parts constituting the facility and the information indicating the statistical distribution used for estimating the failure risk indicator A model expression construction unit that constructs a model expression to be shown;
Maintenance work interval calculated from the model equation and the default based on information indicating failure mode influence analysis results for each inspection item of parts constituting the facility and information indicating maintenance operation intervals defined for each inspection item for parts A parameter estimation unit that statistically estimates parameter values of the model equation that minimize the difference from the specified maintenance work interval ;
Equipment information including equipment and parts constituting equipment and equipment information including inspection items for each part, performance data of maintenance work for each inspection item of parts constituting equipment and failure data for parts consisting of equipment, failure mode influence A narrowing unit that classifies information corresponding to each analysis result;
An index estimation unit that estimates an estimated value of the failure risk index according to a relationship between actual data of the maintenance work and actual data of the failure based on the information classified by the narrowing unit;
The final estimation of the failure risk index is performed by dividing the first estimated value, which is the parameter value estimated by the parameter estimation unit, and the second estimated value, which is the estimated value estimated by the indicator estimation unit. Merger to calculate the value,
Fault risk indicator estimation device you comprising the.
を特徴とする請求項1記載の故障リスク指標推定装置。 The combining unit, the first estimate, according to claim 1, characterized in that the number of data assumed in statistical estimation is characterized by using the proportional division of the second estimate failure risk indicator estimation device.
を特徴とする請求項1記載の故障リスク指標推定装置。 The model expression construction unit assigns a common parameter to the parameter of the model expression related to the evaluation item when the evaluation item on the failure of the failure mode influence analysis and the evaluation level of the evaluation item are the same. The failure risk indicator estimation device according to claim 1 characterized by the above.
を特徴とする請求項1記載の故障リスク指標推定装置。 The parameter estimation unit is characterized in that information used in statistical estimation of parameter values for one of the inspection items similar to each other is used for statistical estimation of parameter values for the other of the inspection items. The failure risk indicator estimation device according to 1).
パラメータ推定部が、設備を構成する部品の点検項目ごとの故障モード影響解析結果を示す情報および部品の点検項目ごとに既定された保守作業間隔を示す情報に基づいて、前記モデル式から算出した保守作業間隔と前記既定された保守作業間隔との差分が最も小さくなる前記モデル式のパラメータ値を統計的に推定するステップと、
絞り込み部が、設備、設備を構成する部品および部品ごとの点検項目を含む設備情報、設備を構成する部品の点検項目ごとの保守作業の実績データおよび設備を構成する部品ごとの故障の実績データを、故障モード影響解析結果ごとに対応する情報に分類するステップと、
指標推定部が、前記絞り込み部により分類された情報に基づいて、前記保守作業の実績データと前記故障の実績データとの関係に応じた前記故障リスク指標の推定値を推定するステップと、
併合部が、前記パラメータ推定部により推定されたパラメータ値である第1の推定値と前記指標推定部により推定された推定値である第2の推定値とを按分して、最終的な前記故障リスク指標の推定値を算出するステップと、
を備えたことを特徴とする故障リスク指標推定方法。 Based on the information indicating the failure mode influence analysis result for each inspection item of the parts constituting the facility and the information indicating the statistical distribution used for estimating the failure risk index according to the statistical distribution, the model expression construction unit follows the statistical distribution Constructing a model expression indicating the transition of the failure risk indicator;
Maintenance calculated from the model equation based on information indicating a failure mode influence analysis result for each inspection item of parts constituting the facility and information indicating a maintenance operation interval defined for each inspection item for parts, the parameter estimation unit Statistically estimating parameter values of the model equation that minimize the difference between the work interval and the predetermined maintenance work interval ;
The narrowing-down unit includes equipment information including equipment and parts constituting the equipment and inspection information for each part, maintenance data for maintenance work for each inspection item for parts constituting the equipment, and failure data for failures for each part constituting the equipment Categorizing the failure mode / effect analysis results into corresponding information;
Estimating an estimated value of the failure risk index according to the relationship between the performance data of the maintenance work and the performance data of the failure based on the information classified by the narrowing-down unit;
A merging unit divides the first estimated value, which is the parameter value estimated by the parameter estimating unit, and the second estimated value, which is the estimated value estimated by the indicator estimating unit, to obtain the final fault. Calculating an estimate of the risk indicator;
Fault risk indicators estimating how to comprising the.
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2016/086738 WO2018105104A1 (en) | 2016-12-09 | 2016-12-09 | Failure risk index estimation device and failure risk index estimation method |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2018105104A1 JPWO2018105104A1 (en) | 2019-03-28 |
JP6501982B2 true JP6501982B2 (en) | 2019-04-17 |
Family
ID=62490824
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018555417A Active JP6501982B2 (en) | 2016-12-09 | 2016-12-09 | Failure risk index estimation device and failure risk index estimation method |
Country Status (5)
Country | Link |
---|---|
JP (1) | JP6501982B2 (en) |
KR (1) | KR102097953B1 (en) |
CN (1) | CN110023967B (en) |
TW (1) | TWI646476B (en) |
WO (1) | WO2018105104A1 (en) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102489119B1 (en) | 2021-10-21 | 2023-01-18 | 김지예 | Smart FMEA system and process management system and method using thereof |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7213637B2 (en) * | 2018-08-07 | 2023-01-27 | 日鉄テックスエンジ株式会社 | Maintenance management device, maintenance management method and program |
JP7265128B2 (en) * | 2019-03-04 | 2023-04-26 | 日本製鉄株式会社 | Facility management support device, facility management support method, program, and computer-readable recording medium |
WO2020188636A1 (en) * | 2019-03-15 | 2020-09-24 | 三菱電機株式会社 | Slippage estimation device and slippage estimation method |
CN110376982B (en) * | 2019-07-11 | 2021-06-29 | 江南大学 | Control analysis method based on improved FMEA |
CN111582751B (en) * | 2020-05-19 | 2022-06-14 | 国网吉林省电力有限公司 | Time-weighted electricity purchasing risk early warning method |
CN111651933B (en) * | 2020-05-22 | 2023-09-26 | 宁波诺丁汉新材料研究院有限公司 | Industrial boiler fault early warning method and system based on statistical inference |
JP2023012668A (en) * | 2021-07-14 | 2023-01-26 | 三菱重工業株式会社 | Failure predicting device, failure predicting method, and program |
WO2024004203A1 (en) | 2022-07-01 | 2024-01-04 | 三菱電機株式会社 | Maintenance assistance system, maintenance assistance method, and maintenance assistance program |
CN115982960B (en) * | 2022-12-08 | 2023-09-01 | 国家管网集团北方管道有限责任公司 | Intelligent risk prevention and control capability evaluation method for pipeline oil delivery station |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6223143B1 (en) * | 1998-08-31 | 2001-04-24 | The United States Government As Represented By The Administrator Of The National Aeronautics And Space Administration | Quantitative risk assessment system (QRAS) |
JP2004252549A (en) | 2003-02-18 | 2004-09-09 | Hokkaido Sekiyu Kyodo Bichiku Kk | Rated operation management method and rated operation management device |
JP2005011327A (en) * | 2003-05-29 | 2005-01-13 | Tokyo Electric Power Co Inc:The | Repair plan making support device and method |
JP4176596B2 (en) * | 2003-09-11 | 2008-11-05 | 中国電力株式会社 | Equipment operation plan creation system |
JP4237610B2 (en) * | 2003-12-19 | 2009-03-11 | 株式会社東芝 | Maintenance support method and program |
JP4967430B2 (en) * | 2006-04-11 | 2012-07-04 | オムロン株式会社 | Defect management device, defect management program, and recording medium recording the same |
US7774169B2 (en) * | 2006-06-29 | 2010-08-10 | Toshiba Tec Kabushiki Kaisha | Maintenance system and method |
JP4907507B2 (en) * | 2007-12-03 | 2012-03-28 | 新日本製鐵株式会社 | Equipment maintenance plan creation support apparatus, method, program, and computer-readable recording medium |
JP4940180B2 (en) * | 2008-04-03 | 2012-05-30 | 株式会社東芝 | Combined diagnosis / maintenance plan support system and support method thereof |
US8620514B2 (en) * | 2011-02-24 | 2013-12-31 | Bae Systems Plc | Reliability centered maintenance |
CN102208028B (en) * | 2011-05-31 | 2013-06-19 | 北京航空航天大学 | Fault predicting and diagnosing method suitable for dynamic complex system |
CN102810122A (en) * | 2011-06-02 | 2012-12-05 | 鸿富锦精密工业(深圳)有限公司 | Verification system and method for electronic product design |
FR2989500B1 (en) * | 2012-04-12 | 2014-05-23 | Airbus Operations Sas | METHOD, DEVICES AND COMPUTER PROGRAM FOR AIDING THE TROUBLE TOLERANCE ANALYSIS OF AN AIRCRAFT SYSTEM USING REDUCED EVENT GRAPHICS |
CN104076809B (en) * | 2013-03-26 | 2017-01-04 | 三菱电机株式会社 | Data processing equipment and data processing method |
AT514680A2 (en) * | 2013-08-05 | 2015-02-15 | Uptime Engineering Gmbh | Process for optimizing the maintenance of technical systems |
JP2016004279A (en) * | 2014-06-13 | 2016-01-12 | 株式会社日立製作所 | Maintenance system and maintenance method |
CN104166800A (en) * | 2014-08-11 | 2014-11-26 | 工业和信息化部电子第五研究所 | Component FMEA analysis method and system based on failure mechanisms |
JP6301791B2 (en) * | 2014-09-17 | 2018-03-28 | 株式会社東芝 | Distribution network failure sign diagnosis system and method |
CN104463421B (en) * | 2014-11-06 | 2017-09-01 | 朱秋实 | A kind of equipment dynamic optimization maintaining method of the big data modeling based on real-time status |
JP6251201B2 (en) | 2015-01-08 | 2017-12-20 | 三菱重工業株式会社 | Occupancy rate prediction device and availability rate prediction method |
CN105956789A (en) * | 2016-05-24 | 2016-09-21 | 国网四川省电力公司 | Quantitative risk evaluation method for power equipment based on state evaluation |
-
2016
- 2016-12-09 JP JP2018555417A patent/JP6501982B2/en active Active
- 2016-12-09 KR KR1020197015852A patent/KR102097953B1/en active IP Right Grant
- 2016-12-09 WO PCT/JP2016/086738 patent/WO2018105104A1/en active Application Filing
- 2016-12-09 CN CN201680091319.7A patent/CN110023967B/en active Active
-
2017
- 2017-04-28 TW TW106114251A patent/TWI646476B/en not_active IP Right Cessation
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102489119B1 (en) | 2021-10-21 | 2023-01-18 | 김지예 | Smart FMEA system and process management system and method using thereof |
Also Published As
Publication number | Publication date |
---|---|
CN110023967B (en) | 2022-12-23 |
JPWO2018105104A1 (en) | 2019-03-28 |
KR102097953B1 (en) | 2020-04-07 |
CN110023967A (en) | 2019-07-16 |
TWI646476B (en) | 2019-01-01 |
TW201822080A (en) | 2018-06-16 |
KR20190071812A (en) | 2019-06-24 |
WO2018105104A1 (en) | 2018-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6501982B2 (en) | Failure risk index estimation device and failure risk index estimation method | |
US8745588B2 (en) | Method for testing operation of software | |
US10789155B2 (en) | Coverage test support device and coverage test support method | |
US11095728B2 (en) | Techniques for automatically interpreting metric values to evaluate the health of a computer-based service | |
US20150067648A1 (en) | Preparing an optimized test suite for testing an application under test in single or multiple environments | |
US20090138860A1 (en) | Program analysis method amd apparatus | |
CN110909306B (en) | Business abnormality detection method and device, electronic equipment and storage equipment | |
CN111460076A (en) | Driving route familiarity determination method, device, computer equipment and storage medium | |
JP2019105927A (en) | Failure probability calculation device, failure probability calculation method and program | |
AU2019387216A1 (en) | Systems and methods for implementing search and recommendation tools for attorney selection | |
WO2017131669A1 (en) | Recommendations based on the impact of code changes | |
US20190064789A1 (en) | System analyzing device, system analyzing method, and computer-readable recording medium | |
WO2015146100A1 (en) | Load estimation system, information processing device, load estimation method, and storage medium for storing program | |
KR102066868B1 (en) | Method and apparatus for simulating safety of automotive software to obtain a goal reliability index | |
JP2019175273A (en) | Quality evaluation method and quality evaluation | |
JP6545397B2 (en) | Causal relationship evaluation device, causal relationship evaluation system and causal relationship evaluation method | |
US11762562B2 (en) | Performance analysis apparatus and performance analysis method | |
CN113127804B (en) | Method and device for determining number of vehicle faults, computer equipment and storage medium | |
CN112162528B (en) | Fault diagnosis method, device, equipment and storage medium of numerical control machine tool | |
CN114021302A (en) | Method, device and system for evaluating service life of power transmission line and storage medium | |
CN111047438A (en) | Data processing method, device and computer readable storage medium | |
JP2019120579A (en) | Information processing device, information processing method and program | |
JP2016091062A (en) | Verification sequence determining program, verification sequence determining method, and verification sequence determining device | |
JP2011248823A (en) | Program, evaluation device, evaluation system, and evaluation method | |
CN116244204A (en) | Program test coverage rate determining method, device and storage medium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190107 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190107 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20190107 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20190128 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190219 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190319 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6501982 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |