技術 保守運用支援システム、保守運用支援方法、保守運用支援プログラム

0001

本発明は、作業機械等の保守運用支援システム、保守運用支援方法、保守運用支援プログラムに関する。

0002

背景技術として特開２００２−１８１６６８号公報（特許文献１）がある。この文献に記載されている技術では、鉱山で運用される鉱山機械について、鉱山機械が走行する路面の粗さ、走行速度、積載量から、機械の寿命を推定している。

0003

特開２００２−１８１６６８号公報

0004

従来技術では、センサデータを分析することで寿命や周辺環境の優劣を推定している。特許文献１で述べられていない稼働率へ影響を及ぼす要因として、機械に対する保守作業の実施状況などの保守要因が挙げられる。保守要因を定量評価する方法として、保守作業者が入力する保守作業ログの解析が挙げられる。しかしながら、現場の保守作業者によって入力される保守作業ログは不正確で入力漏れが発生する恐れがある。そのため、保守作業ログを解析し、保守要因を推定するためには、不正確さや入力漏れを補完する技術が必要となる。

0005

また、保守要因を推定する別の方法として、センサによる保守作業関連情報の取得が考えられる。しかしながら、保守作業が行われる際には、一般的には機械は稼働を停止しており、通常のセンサが使用できない。また、機器の着脱を検知する既存技術はあるものの、機器の洗浄や溶接など、センサでは取得が困難な作業に関する情報も多い。本発明は、従来、センサでは情報の取得が困難であった保守作業の状況を、保守作業ログに頼らずに、推定、可視化し、稼働率へ影響を及ぼす要因を網羅的に評価することを目的とする。

0006

上記目的を達成するために、本発明の一つの観点から、作業機械の保守運用を支援する保守運用支援装置が提供される。当該保守運用支援装置、作業機械の稼働時間情報を含む運行実績データと作業機械に取り付けられたセンサにより計測されるセンサデータと、を受信する通信部と、作業機械の累積稼働時間に対する標準稼働率に関する情報を含む定格稼働率情報と、センサデータが示す値に対する閾値に関する情報を含むセンサ閾値情報と、を格納する格納部とを有する。また、処理部は、運行実績データと定格稼働率情報とに基づいて作業機械の稼働率と標準稼働率と比に関する情報である定格稼働率達成度を算出し、センサデータとセンサ閾値情報とに基づいて特徴量を算出し、特徴量に基づいて、作業機械の稼働率に影響を及ぼす要因であって作業機械の動作に関連する要因である動作要因と作業機械の動作環境に関連する要因である環境要因とを算出し、定格稼働率達成度と動作要因と環境要因とに基づいて、作業機械の稼働率に影響を及ぼす要因であって作業機械に対する保守作業に関連する要因である保守要因を算出する。

0007

本発明の別の観点から、作業機械に取り付けられたセンサとネットワークを介して通信し、作業機械の保守運用を支援する保守運用支援システムにおける保守運用支援方法を提供する。当該保守運用支援方法は、作業機械の稼働時間情報を含む運行実績データと前記センサにより計測されるセンサデータとを受信し、運行実績データと作業機械の累積稼働時間に対する標準稼働率に関する情報を含む格稼働率情報とに基づいて、作業機械の稼働率と標準稼働率と比に関する情報である定格稼働率達成度を算出し、センサデータとセンサデータが示す値に対する閾値に関する情報を含むセンサ閾値情報とに基づいて特徴量を算出し、特徴量に基づいて、作業機械の稼働率に影響を及ぼす要因であって作業機械の動作に関連する要因である動作要因と作業機械の動作環境に関連する要因である環境要因とを算出し、定格稼働率達成度と動作要因と環境要因とに基づいて、作業機械の稼働率に影響を及ぼす要因であって作業機械に対する保守作業に関連する要因である保守要因を算出する。

0008

本発明の更に別の観点から、作業機械に取り付けられたセンサと作業機械の運行管理システムと作業機械の保守運用を支援する保守運用支援装置と端末装置と、を含む保守運用支援システムを提供する。当該保守運用支援システムでは、運行管理システムは、作業機械の稼働時間情報を含む運行実績データを管理し、運行実績データを、ネットワークを介して保守運用支援装置に送信する。センサは、計測したセンサデータを、ネットワークを介して保守運用支援装置に送信する。保守運用支援装置は、作業機械の累積稼働時間に対する標準稼働率に関する情報を含む定格稼働率情報と、センサデータが示す値に対する閾値に関する情報を含むセンサ閾値情報とを備え、運行実績データとセンサデータとを受信し、運行実績データと定格稼働率情報とに基づいて作業機械の稼働率と標準稼働率と比に関する情報である定格稼働率達成度を算出し、センサデータとセンサ閾値情報とに基づいて特徴量を算出し、特徴量に基づいて、作業機械の稼働率に影響を及ぼす要因であって作業機械の動作に関連する要因である動作要因と作業機械の動作環境に関連する要因である環境要因とを算出し、定格稼働率達成度と動作要因と環境要因とに基づいて、作業機械の稼働率に影響を及ぼす要因であって作業機械に対する保守作業に関連する要因である保守要因を算出し、保守要因に関する情報を、ネットワークを介して端末装置に送信する。端末装置は、受信した保守要因に関する情報を表示部に表示する。

0009

本発明に依れば、既存のセンサデータに基づいて保守要因を分析、可視化することが可能となる。依って、本発明のユーザは、可視化した保守要因を元に稼働率向上の施策を検討することが可能となる。

0010

本実施形態における保守運用支援システムを含むネットワーク構成図である。
本実施形態における保守運用支援システムの機能ブロック図である。
本実施形態における運用実績データベース例を示す図である。
本実施形態における機械マスタデータベースにおける定格稼働率テーブルを示す図である。
本実施形態における機械マスタデータベースにおける機械スペックテーブル例示す図である。
本実施形態におけるセンサデータデータベース例を示す図である。
本実施形態におけるセンサデータ（積載量）の最大、平均、定格以上運転時間の関係を示す図である。
本実施形態における定格稼働率達成度データベース例を示す図である。
本実施形態における特徴量データベースにおける積載量テーブル例を示す図である。
本実施形態における特徴量データベースにおけるＴＫＰＨテーブル例を示す図である。
本実施形態における特徴量データベースにおける振動レベルテーブル例を示す図である。
本実施形態における動作・環境要因データベース例を示す図である。
本実施形態における保守要因データベース例を示す図である。
本実施例における全体の処理フロー図である。
本実施形態における保守運用支援方法の手順例を示すフロー図である。
本実施形態における出力例１を示す図である。
本実施形態における出力例２を示す図である。
本実施形態における稼働率と動作要因と環境要因と保守要因の関係を示す図である。

0011

以下に本発明の実施形態について図面を用いて詳細に説明する。本実施形態では、稼働率に影響を与える要因を動作要因と、環境要因と、保守要因、の三つによって表す。動作要因は作業機械のシリンダ油圧やエンジン回転数、モータ印可電圧などの作業機械の動作に関連する要因、環境要因は路面状況や周辺温度などの周辺環境に起因する要因、保守要因は保守作業の精度や定期保守実施の有無などの保守員の作業に起因する人的な要因、として定義する。本実施形態では、作業機械に取り付けられたセンサから動作要因および環境要因を数値化し、数値化した動作要因および環境要因から保守要員を推定する。図１８は、本実施形態においてモデル化した動作要因と、環境要因と、保守要因と、定格稼働率達成度の関係を示す一例である。四角で囲まれたパラメータはセンサあるいは運行管理システムによって観測可能な値を表している。一方、楕円で囲まれたパラメータは、センサでは観測不可能な値を表している。動作要因と、環境要因、はセンサデータを元に主成分分析を実行することで推定される要因である。保守要因は、動作要因と、環境要因と、稼働率を元に因子分析を実行することで推定される要因である。本実施形態では、センサで観測可能なあらゆる値を用いることを許容しており、図１８に示す保守要因はセンサで観測できない要因を意味する。本発明は、直接観測することが困難な保守要因を、センサデータおよび稼働率を元にした主成分分析、因子分析によって推定、可視化する。

0012

図１は本実施形態における図１８のモデルを用いて、動作要因と、環境要因と、保守要因、を推定、可視化する保守運用支援システム１００を含むネットワーク構成例を示す図である。図１に示す保守運用支援システム１００は、保守の状況を可視化し、稼働率へ影響を及ぼす要因を網羅的に評価するためのコンピュータシステムである。

0013

本実施形態では、作業機械の例として、大型鉱山機械であるダンプトラックをとりあげて説明を行うものとする。ダンプトラックの稼働率は、動作に関する動作要因、周辺環境に関する環境要因、保守状況に関する保守要因から影響を受ける。本実施形態の保守運用支援システム１００は、これら動作要因、環境要因、保守要因を可視化するものである。

0014

保守運用支援システム１００はネットワーク１６０に接続され、鉱山機械１４０、運行管理システム１５０、クライアント端末１７０とデータ通信可能となっている。鉱山機械１４０に取付けられた各種センサで計測されたデータは、ネットワーク１６０を通じて、保守運用システム１００に送信される。また、運行管理システム１５０によって収集された鉱山機械１４０の運行状況はネットワーク１６０を介して、保守運用システム１００に送信される。クライアント端末１７０は、保守運用支援システム１００にアクセスし、キーボードやマウス等における、ユーザからのデータ入力の受付処理や、保守計画立案支援システム１００から得たデータのディスプレイ等における表示処理、の各処理を担っている。

0015

また、保守運用支援システム１００のハードウェア構成は以下の如くとなる。保守運用支援システム１００は、ハードディスクドライブなど適宜な不揮発性記憶装置で構成される記憶装置１２０、ＲＡＭなど揮発性記憶装置で構成されるメモリ１１３、記憶装置１２０に保持されるプログラムをメモリ１１３に読み出すなどして実行しシステム自体の統括制御を行なうとともに各種判定、演算及び制御処理を行なうＣＰＵ１１４（演算装置）、ネットワーク１６０と接続し他装置との通信処理を担う通信装置１１２を備える。

0016

記憶装置１２０に実装される機能としては、定格稼働率達成度算出機能１２４、特徴量算出機能１２６、動作・環境要因推定機能１２８、保守要因推定機能１３０、がある。図１で示す保守運用支援システム１００の例では、こうした各機能群と、各機能が利用するデータを記憶するデータベース群を例示している。

0017

なお、本実施形態では、クライアント端末１７０によってデータ入出力を行うことを想定しているが、保守運用支援システム１００が入出力機能及びデバイス（ディスプレイやキーボード等）を有しているとしてもよい。

0018

続いて、本実施形態の保守運用支援システム１００が備える機能について図２を用いて説明する。保守運用支援システム１００は、運行管理システム１５０より、運行実績データを受信し、当該受信した情報を、機械マスタデータベース１２２と照合して、定格稼働率達成度を算出する定格稼働率達成度算出機能１２４を有する。作業機械は一般に累積稼働時間が増えるにつれ、稼働率が下がる。定格稼働率達成度は、累積稼働時間毎の定格稼働率を用いて、累積稼働時間の影響を補正した値である。また、保守運用システム１００は、鉱山機械１４０より、センサデータを受信し、当該受信した情報を、機械マスタデータベース１２２と照合して、特徴量を算出する特徴量算出機能１２６を有する。ここで、特徴量とは、センサデータの最大値や平均値、定格を超えて運転された時間、などで、稼働率へ特に影響を与えると考えられる特徴的な値とする。また、保守運用システム１００は、上述の機能によって算出した特徴量と、機械マスタテーブル１２２を照合して、動作要因と環境要因を推定する動作・環境要因分析機能１２８を有する。また、保守運用システム１００は、上述の機能によって算出した定格稼働率達成度と、動作要因と、環境要因から保守要因を算出する保守要因推定機能１３０を有する。

0019

続いて、本実施形態の保守運用支援システム１００が用いるデータベース類について説明する。

0020

図３に、本実施形態における運用実績データベース１２１の一例を示す。運用実績データベース１２１は、鉱山機械の運用実績を蓄積したデータベースである。そのデータ構造は、機械ＩＤ２０１、および期間２０７をキーとして、累積稼働時間２０２と、稼働時間２０３と、計画停止時間２０４と、計画外停止時間２０５と、稼働率２０６からなるレコードの集合体である。

0021

上述の機械ＩＤ２０１には、鉱山機械を一意に特定するためのＩＤが格納されている。また、期間２０７には、各レコードの算出期間が格納されている。また、累積稼働時間２０２には、当該機械の当該期間末時点における、累積稼働時間が格納されている。また、稼働時間２０３には、当該機械の当該期間における稼働時間が、計画停止時間２０４には、当該機械の当該期間における計画停止時間が、計画外停止時間２０５には、当該機械の当該期間における計画外停止時間が格納されている。ここで、計画停止は予め定められた定期保守などによる機械の停止を、計画外停止は突発故障などによる機械の停止を意味する。また、稼働率２０６は、稼働時間／（稼働時間＋計画停止時間＋計画外停止時間）×１００で表される稼働率が格納されている。なお、本実施形態では、期間２０７は月で区切っているが、任意の値を格納するとしてもよい。

0022

図４に、本実施形態における機械マスタデータベース１２２における定格稼働率テーブル２１０の一例を示す。定格稼働率テーブル２１０は、鉱山機械の標準的な稼働率を蓄積したデータベースである。そのデータ構造は、機種名２１１と、累積稼働時間２１２とをキーとして、定格稼働率２１３からなるレコードの集合体である。上述の機種名２１１には、機種を特定するための文字列が格納されている。また、累積稼働時間２１２には、機械の累積稼働時間の区分が格納されている。また、定格稼働率２１３には、ある機種がある累積稼働時間である場合に標準とされる稼働率が格納されている。この定格稼働率２１３は、機械の定期保守や部品の定期交換の間隔などから算出され、一般にメーカーあるいはベンダーから提供される。

0023

図５に、機械マスタデータベース１２２における機械スペックテーブル２２０の一例を示す。機械スペックテーブル２２０は、機械のスペックを蓄積する。そのデータ構造は、機械ＩＤ２２１をキーとして、サイトＩＤ２２２と、顧客ＩＤ２２３と、機種名２２４と、車体質量２２５と、車両総質量２２６と、ＴＫＰＨ（Ｔｏｎ・Ｋｍ Ｐｅｒ Ｈｏｕｒ）２２７からなるレコードの集合体である。上述の機械ＩＤ２２１は、機械を一意に特定するＩＤが格納される。サイトＩＤ２２２、および顧客ＩＤ２２３には、当該機械が稼働するサイトを一意に特定するＩＤ、および当該機械を保有する顧客を一意に特定するＩＤが格納される。機種名２２４には、機種を特定するための文字列が格納される。車体質量２２５には、当該機械の本体の質量が格納される。車両総質量２２６には、車両質量２２５と積載物の質量の和の定格最大値が格納される。ＴＫＰＨは、荷重（Ｔｏｎ）、速度（Ｋｍ）と外気温がタイヤに及ぼす影響のことを言い、ＴＫＰＨには、車両質量２２５と積載物の質量の和した値（Ｔｏｎ）に、機械の運行速度（Ｋｍ）を乗じた値の定格最大値が格納される。車体質量２２５と、車両総質量２２６と、ＴＫＰＨ２２７は一般にメーカーから提供されるスペックである。

0024

図６に、センサデータデータベース１２３の一例を示す。センサデータデータベース１２３は、鉱山機械１４０からネットワーク１６０を介して収集されたセンサデータを蓄積する。そのデータ構造は、機械ＩＤ３０１と、年月日３０２と、時刻３０３とをキーとして、ｎ個のセンサデータ３０４からなるレコードの集合体である。機械ＩＤ３０１には、機械を一意に特定するＩＤが格納されている。年月日３０２と、時刻３０３には、データ３０４を取得した年月日と、時刻がそれぞれ格納されている。センサデータ３０４には、ネットワーク１６０を介して収集された各種センサデータが格納されている。

0025

図７に、センサデータ（積載量）の最大、平均、定格以上運転時間の関係を示す。最大と、平均は、ある指定した期間内のセンサデータの最大値と、平均値である。定格以上運転時間は、ある指定した期間内において、定格値を上回って運転された時間の総和を意味する。本実施形態では、最大、平均を定格比で表した値と、定格以上運転時間、を特徴量として扱う。

0026

図８に、定格稼働率達成度データベース１２５の一例を示す。定格稼働率達成度データベース１２５は、累積稼働時間から求めた標準的な稼働率と、実際の稼働率との比を蓄積する。そのデータ構造は、機械ＩＤ４０１と、期間４０３をキーとして、[稼働率]定格稼働率達成度４０２から成るレコードの集合体である。機械ＩＤ４０１には、機械を一意に特定するＩＤが格納される。期間４０３には、[稼働率]定格稼働率達成度４０２を算出するための期間が格納される。[稼働率] 定格稼働率達成度４０２には、当該機械の当該期間における稼働率２０６を、定格稼働率２１３で除し、１００倍した値が定格稼働率達成度として格納される。なお、定格稼働率達成度の算出は、定格稼働率達成度算出機能１２４によってなされる。

0027

図９に、特徴量データベース１２７における、積載量テーブル５００の一例を示す。積載量テーブル５００は、センサデータベース１２３に蓄積された積載量データから、特徴量算出機能１２６によって抽出された積載量の特徴量を蓄積する。そのデータ構造は、機械ＩＤ５０１と、期間５０５をキーとして、[積載量]定格比最大５０２と、[積載量]定格比平均５０３と、[積載量]定格以上運転時間５０４からなるレコードの集合体である。機械ＩＤ５０１には機械を一意に特定するＩＤが格納される。期間５０５には、[積載量]定格比最大５０２と、[積載量]定格比平均５０３と、[積載量]定格以上運転時間５０４、を算出する期間が格納される。[積載量]定格比最大５０２と、[積載量]定格比平均５０３と、[積載量]定格以上運転時間５０４には、センサデータデータベース１２３のレコードから図７に示す特徴量を抽出した値が格納される。なお、特徴量の抽出は、特徴量算出機能１２６によって実行される。

0028

図１０に、特徴量データベース１２７における、ＴＫＰＨテーブル５１０の一例を示す。ＴＫＰＨテーブル５１０は、センサデータデータベース１２３に蓄積されたＴＫＰＨデータから、特徴量算出機能１２６によって抽出された積載量の特徴量を蓄積する。そのデータ構造は、機械ＩＤ５１１と、期間５１５をキーとして、[ＴＫＰＨ]定格比最大５１２と、[ＴＫＰＨ]定格比平均５１３と、[ＴＫＰＨ]定格以上運転時間５１４からなるレコードの集合体であり、積載量テーブル５００と同じ構造を持つ。

0029

図１１に、特徴量データベース１２７における、振動レベルテーブル６００の一例を示す。振動レベルテーブル６００は、センサデータデータベース１２３に蓄積された振動レベルデータから、特徴量算出機能１２６によって抽出された振動レベルの特徴量を蓄積する。そのデータ構造は、機械ＩＤ６０１と、期間６０６、をキーとして、[振動レベル]幅方向最大６０２と、[振動レベル]幅方向平均６０３と、[振動レベル]周方向最大６０４と、[振動レベル]周方向平均６０５、からなるレコードの集合体である。その構造は、主として積載量テーブル５００、およびＴＫＰＨテーブル５１０と同じであるが、本実施形態においては、振動レベルの定格を設定していないため、定格以上運転時間が存在しない。また、本実施例では振動の方向をタイヤの幅方向（６０２、６０３）と、周方向（６０４、６０５）に分けて示している。

0030

本実施形態においては、一般に稼働率への影響が大きいといわれている、積載量と、ＴＫＰＨと、振動レベルを例として示したが、センサによって収集可能なデータであれば如何なるデータを用いてもよい。また、各センサデータを如何に規格化してもよい。

0031

図１２に、動作・環境要因データベース１２９の一例を示す。動作・環境要因データベース１２９は、動作・環境要因分析機能１２８によって、特徴量データベース１２７から推定した各当該機械の動作要因と、環境要因を蓄積する。そのデータ構造は、機械ＩＤ７０１と、期間７０６、をキーとして、動作要因７０２と、環境要因７０３と、サイトＩＤ７０４と、顧客ＩＤ７０５からなるレコードの集合体からなる。機械ＩＤ７０１は機械を一意に特定するＩＤが格納される。期間７０６は、動作要因７０２と、環境要因７０３、を算出する期間が格納される。動作要因７０２と、環境要因７０３、はそれぞれ動作に関する動作要因、周辺環境に関する環境要因を期間７０６の間で算出した値が格納される。動作要因７０２と、環境要因７０３、は特徴量データベース１２７の各特徴量を元に、主成分分析を実行することによって得られる。サイトＩＤ７０４は、当該機械が稼働するサイトを一意に特定するＩＤが格納される。顧客ＩＤ７０５は、当該機械を保有する顧客を一意に特定するＩＤが格納される。

0032

図１３に、保守要因データベース１３１の一例を示す。保守要因データベース１３１は、保守要因推定機能１３０によって、定格稼働率達成度データベース１２５と、動作・環境要因データベース１２９、から推定した保守要因を蓄積する。そのデータ構造は、機械ＩＤ７１１と、期間７１６、をキーとして、環境要因７１２と、サイトＩＤ７１３と、顧客ＩＤ７１４からなるレコードの集合体からなる。機械ＩＤ７１１は機械を一意に特定するＩＤが格納される。期間７１５は、保守要因７１２を算出する期間が格納される。保守要因７１２は、稼働率へ影響を与える保守状況に関する要因が格納される。これは、定格稼働率達成度データベース１２５の[稼働率]定格稼働率達成度４０２と、動作・環境要因データベース１２９の動作要因７０２と、環境要因７０３、を元に因子分析を実行することで得られる。サイトＩＤ７１３は、当該機械が稼働するサイトを一意に特定するＩＤが格納される。顧客ＩＤ７１４は、当該機械を保有する顧客を一意に特定するＩＤが格納される。

0033

図１４は、本実施例の処理手順を説明する全体フロー図である。保守運用システム１４０は、鉱山機械１４０から各種センサデータを取得する（Ｓ１４０１）。保守運用システム１００は、取得したセンサデータを機械マスタデータベースと照合して、特徴量を算出する（Ｓ１４０２）。保守運用システム１４０は、運行管理システム１５０から、鉱山機械１４０の運行実績データを取得する（Ｓ１４０３）。保守運用管理システム１００は、取得した運行実績データを機械マスタデータベースと照合して、定格稼働率達成度を算出する（Ｓ１４０４）。保守運用管理システム１００は、算出した特徴量と機械マスタテーブルを照合して、動作要因と環境要因を算出する（Ｓ１４０５）。保守運用システム１００は、算出した定格稼働率達成度と、動作要因と、環境要因から保守要因を算出する（Ｓ１４０６）。保守運用システム１００は、クライアント端末１７０から保守要因に関連するデータの問い合わせを受信し（Ｓ１４０７）、クライアント端末１７０に対し保守要因に関連するデータを送信する（Ｓ１４０８）。クライアント端末１７０は、受信した保守要因に関連するデータを表示部に出力する（Ｓ１４０９）。出力イメージは図１６、１７である。

0034

図１５は本実施形態における図１８のモデルを用いて、動作要因と、環境要因と、保守要因を推定、可視化する保守運用支援方法の処理手順例を示すフロー図である。本フローでは、運行実績と、機械マスタと、センサデータ、を入力として、稼働率へ影響を与える動作要因、環境要因、保守要因、を推定、可視化する。まず、処理Ｓ８０１は定格稼働率達成度算出機能１２４によって実行される。定格稼働率達成度算出機能１２４は、運行実績データベース１２１、および機械マスタデータベース１２２の定格稼働率テーブ２１０を参照し、運行実績データベース１２１の機械ＩＤ２０１と、累積稼働時間２０２と、機械スペックテーブル２２０の機種名２２４をメモリ１１２に格納する。定格稼働率達成度算出機能１２４は、機械ＩＤ２０１と、累積稼働時間２０２と、機種名２２４、を用いて定格稼働率テーブル２１０を参照し、当該機械の定格稼働率２１３をメモリ１１２に格納する。定格稼働率達成度算出機能１２４は、メモリ１１２に格納した当該機械の定格稼働率２１３と、運行実績データベース１２１に格納されている稼働率２０６から、稼働率／定格稼働率×１００、によって定格稼働率達成度を算出し、メモリ１１２に格納する。

0035

次に、処理Ｓ８０２で定格稼働率達成度算出機能１２４は、処理Ｓ８０１においてメモリ１１２に格納した定格稼働率達成度を、定格稼働率達成度データベース１２５の[稼働率]定格稼働率達成度４０２に格納する。

0036

また、処理Ｓ８０３は、特徴量算出機能１２６によって実行される。特徴量算出１２６は、運行実績データベース１２１と、機械マスタデータベース１２２の機械スペックテーブル２２０と、センサデータデータベース１２３、を参照し、運行実績データベース１２１の機械ＩＤ２０１と、期間２０７と、機械スペックテーブル２２０の車体質量２２５と、車両総質量２２６と、ＴＫＰＨ２２７と、センサデータデータベース１２３のセンサデータ３０４をメモリ１１２に格納する。特徴量算出機能１２６は、メモリ１１２に格納した、車体質量と、車両総質量と、ＴＫＰＨなどの定格値と、センサデータから、図３Ａに示す最大値、平均値、定格以上運転時間を算出し、メモリ１１２に格納する。また、特徴量算出機能１２６は、メモリ１１２に格納した最大値と、平均値を、各々の定格値を用いて規格化を行い、定格比最大と定格比平均としてメモリ１１２に格納する。なお、本実形態においては、一般的に稼働率への影響が大きいといわれる積載量と、ＴＫＰＨと、振動レベルを用いて特徴量を算出しているが、センサによって収集可能なデータであれば如何なるデータを用いてもよい。また、各センサデータを如何に規格化してもよい。

0037

次に、処理Ｓ８０４で特徴量算出機能１２６は、処理Ｓ８０３においてメモリ１１２に格納した特徴量を、機械ＩＤと期間に紐づけて、特徴量データベース１２７の各テーブルに格納する。

0038

次に、処理Ｓ８０５は、動作・環境要因分析機能１２８によって実行される。動作・環境要因分析機能１２８は、特徴量データベース１２７と機械マスタデータベース１２２の機械スペックテーブル２２０を参照し、特徴量データベース１２７から各特徴量と、機械ＩＤと、期間と、機械スペックテーブル２２０から当該機械のサイトＩＤ２２２と、顧客ＩＤ２２３を読み込み、メモリ１１２に格納する。動作・環境要因分析機能は、各特徴量を元に主成分分析を実行し、得られた主成分を動作要因と、環境要因として算出、メモリ１１２に格納する。ここで、動作要因は積載量やＴＫＰＨなど動作に起因する特徴量と相関が強い主成分を指し、環境要因は路面状況に依存する振動レベルなど周辺環境に起因する特徴量と相関が強い主成分を指す。

0039

次に、処理Ｓ８０６で動作・環境要因分析機能１２８は、処理Ｓ８０５でメモリ１１２に格納した動作要因と、環境要因と、特徴量データベース１２７から読み込んだ機械ＩＤと、期間と、機械スペックテーブル２２０から読み込んだサイトＩＤと、顧客ＩＤ、を動作・環境要因データベース１２９に格納する。

0040

また、処理Ｓ８０７は、保守要因推定機能１３０によって実行される。保守要因推定機能１３０は、定格稼働率達成度データベース１２５と、動作・環境要因データベース１２９を参照し、定格稼働率達成度データベース１２５から機械ＩＤ４０１と、期間４０３と、[稼働率]定格稼働率達成度４０２と、動作・環境要因データベース１２９から動作要因７０２と、環境要因７０３と、サイトＩＤ７０４と、顧客ＩＤ７０５、を読み込み、メモリ１１２に格納する。保守要因推定機能１３０は、[稼働率]定格稼働率達成度４０２と、動作要因７０２と、環境要因７０３、を用いて、因子分析を実行し、動作要因７０２と、環境要因７０３、以外の稼働率へ影響を与える要因を推定し、保守要因としてメモリ１１２に格納する。ここで、動作要因７０２と、環境要因７０３、は任意のセンサデータより求まる要因であり、これらの要因に繰り込まれない要因として保守要因を定義している。各要因の関係は図１８の説明で詳述する。なお、作業機械に取り付けられたセンサの数が不十分で、環境要因および動作要因が既知と言えない場合、未計測に起因する要因を加えて分析しても良い。この場合、主成分分析によって得られた動作要因、あるいは、環境要因に対して強い相関を示す要因を、それぞれ、未計測に起因する動作要因、あるいは、環境要因として用いる。

0041

次に、処理Ｓ８０８で保守要因推定機能１３０は、処理Ｓ８０７でメモリ１１２に格納した保守要因と、機械ＩＤと、期間と、サイトＩＤと、顧客ＩＤ、を保守要因データベース１３１に格納する。

0042

図１６と図１７は、本実施形態の出力結果の一例である。図９では、顧客ＩＤ７１４を横軸にとり、保守要因７１２をプロットしている。図９Ａでは、顧客ＩＤ＝“ｃｕｓｔｏｍｅｒ−００１”のサイトＩＤ７１３を横軸にとり、保守要因７１２をプロットしている。図９より、ユーザは、“ｃｕｓｔｏｍｅｒ−００１”の保守要因のばらつきが、“ｃｕｓｔｏｍｅｒ−００２”の保守要因のばらつきに比べ大きいことを見ることが出来る。次に、図９Ａの“ｃｕｓｔｏｍｅｒ−００１”のサイト毎の保守要因から、例えば、“ｓｉｔｅ−Ｄ”が他のサイトと比較して保守要因が低くなっていることを見ることが出来る。この結果を元に、 “ｓｉｔｅ−Ｄ”の保守状況の調査など、稼働率改善に向けた提案が可能となる。

0043

１００保守運用支援システム
１１１ Ｉ／Ｏ（出力装置）
１１２通信装置
１１３メモリ
１１４ ＣＰＵ（演算装置）
１２０記憶装置
１２１運行実績データベース
１２２機械マスタデータベース
１２３センサデータデータベース
１２４ 定格稼働率達成度算出機能
１２５ 定格稼働率達成度データベース
１２６特徴量算出機能
１２７特徴量データベース
１２８ 動作・環境要因分析機能
１２９ 動作・環境要因データベース
１３０保守要因推定機能
１３１ 保守要因データベース
１４０鉱山機械（作業機械）
１５０運行管理システム
１６０ネットワーク
１７０ クライアント端末