特開 2023-75847 情報処理装置、予測モデル生成方法、情報処理方法及びプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2023075847

(43)【公開日】2023-05-31

(54)【発明の名称】情報処理装置、予測モデル生成方法、情報処理方法及びプログラム

(51)【国際特許分類】

   G06Q 10/04 20230101AFI20230524BHJP

【ＦＩ】

G06Q10/04

【審査請求】未請求

【請求項の数】7

【出願形態】ＯＬ

(21)【出願番号】P 2021189010

(22)【出願日】2021-11-19

(71)【出願人】

【識別番号】507214083

【氏名又は名称】メタウォーター株式会社

(74)【代理人】

【識別番号】100124039

【弁理士】

【氏名又は名称】立花 顕治

(74)【代理人】

【識別番号】100147485

【弁理士】

【氏名又は名称】杉村 憲司

(74)【代理人】

【識別番号】230118913

【弁護士】

【氏名又は名称】杉村 光嗣

(74)【代理人】

【識別番号】100150360

【弁理士】

【氏名又は名称】寺嶋 勇太

(74)【代理人】

【識別番号】100180655

【弁理士】

【氏名又は名称】鈴木 俊樹

(72)【発明者】

【氏名】佐藤 勝

【テーマコード（参考）】

5L049

【Ｆターム（参考）】

5L049AA04

(57)【要約】

【課題】設備の劣化の状態を高精度に予測する情報処理装置、予測モデル生成方法、情報処理方法及びプログラムが提供される。
【解決手段】情報処理装置（１０）は、プラントに含まれる複数の設備のうちの予測対象とされた設備に対応する、複数の設備に応じた複数の予測モデルから選択された予測モデルを用いて、予測対象とされた設備の劣化状態を予測する劣化状態予測手段（１６）、を備える。複数の予測モデルは、複数の設備の種類及び設置場所の少なくとも１つに応じたものであってよい。
【選択図】図１

【特許請求の範囲】

【請求項1】

プラントに含まれる複数の設備のうちの予測対象とされた設備に対応する、前記複数の設備に応じた複数の予測モデルから選択された予測モデルを用いて、前記予測対象とされた設備の劣化状態を予測する劣化状態予測手段、を備える、情報処理装置。

【請求項2】

前記複数の予測モデルは、前記複数の設備の種類及び設置場所の少なくとも１つに応じたものであって、
前記設置場所は、具体的な場所及び場所の種別の少なくとも１つを含む、請求項１に記載の情報処理装置。

【請求項3】

請求項１又は２に記載の情報処理装置の前記劣化状態予測手段で用いられる前記複数の予測モデルを、他のプラントの設備の実績データが有する指標を説明変数とし、前記他のプラントの設備の劣化状態を目的変数とする学習用データを用いて、機械学習によって生成する予測モデル生成手段、を備える、情報処理装置。

【請求項4】

情報処理装置が実行する予測モデル生成方法であって、
請求項１又は２に記載の情報処理装置の前記劣化状態予測手段で用いられる前記複数の予測モデルを、他のプラントの設備の実績データが有する指標を説明変数とし、前記他のプラントの設備の劣化状態を目的変数とする学習用データを用いて、機械学習によって生成する工程、を含む、予測モデル生成方法。

【請求項5】

情報処理装置を、
請求項１又は２に記載の情報処理装置の前記劣化状態予測手段で用いられる前記複数の予測モデルを、他のプラントの設備の実績データが有する指標を説明変数とし、前記他のプラントの設備の劣化状態を目的変数とする学習用データを用いて、機械学習によって生成する予測モデル生成手段、として機能させる、プログラム。

【請求項6】

情報処理装置が実行する情報処理方法であって、
プラントに含まれる複数の設備のうちの予測対象とされた設備に対応する、前記複数の設備に応じた複数の予測モデルから選択された予測モデルを用いて、前記予測対象とされた設備の劣化状態を予測する工程、を含む、情報処理方法。

【請求項7】

情報処理装置を、
プラントに含まれる複数の設備のうちの予測対象とされた設備に対応する、前記複数の設備に応じた複数の予測モデルから選択された予測モデルを用いて、前記予測対象とされた設備の劣化状態を予測する劣化状態予測手段、として機能させる、プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、情報処理装置、予測モデル生成方法、情報処理方法及びプログラムに関する。

【背景技術】

【0002】

例えば上下水道施設などのプラントに含まれる複数の設備を維持管理する技術が知られている。設備を維持管理する技術の１つとして、設備の更新計画の立案を支援するシステムが提案されている。例えば特許文献１は、プラント単位で設備のリスク情報を表示できるシステムを開示する。また、例えば特許文献２は、設備保全コストが特定の年度に集中する状態を回避するシステムを開示する。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０２０－１７３５７５号公報

【特許文献2】特開２０１４－０１６６９１号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

ここで、設備の劣化状態が高精度に推定されることによって設備の更新計画を正確に立案することが可能になる。しかし、特許文献１の技術は、登録されている過去又は現在の設備の劣化状態を表示できるが、設備の劣化状態を推定するものでない。特許文献２の技術は、理論的な劣化式又は統計的劣化モデルを用いるが、設備の重要度から勘案されるリスクに基づいて劣化曲線をシフトさせる処理を行うものであって、劣化曲線の正確さを重視するものでない。

【0005】

かかる事情に鑑みてなされた本開示の目的は、設備の劣化の状態を高精度に予測する情報処理装置、予測モデル生成方法、情報処理方法及びプログラムを提供することにある。

【課題を解決するための手段】

【0006】

本開示の一実施形態に係る情報処理装置は、
プラントに含まれる複数の設備のうちの予測対象とされた設備に対応する、前記複数の設備に応じた複数の予測モデルから選択された予測モデルを用いて、前記予測対象とされた設備の劣化状態を予測する劣化状態予測手段、を備える。

【0007】

本開示の一実施形態に係る情報処理装置は、
上記の情報処理装置の前記劣化状態予測手段で用いられる前記複数の予測モデルを、他のプラントの設備の実績データが有する指標を説明変数とし、前記他のプラントの設備の劣化状態を目的変数とする学習用データを用いて、機械学習によって生成する予測モデル生成手段、を備える。

【0008】

本開示の一実施形態に係る予測モデル生成方法は、
情報処理装置が実行する予測モデル生成方法であって、
上記の情報処理装置の前記劣化状態予測手段で用いられる前記複数の予測モデルを、他のプラントの設備の実績データが有する指標を説明変数とし、前記他のプラントの設備の劣化状態を目的変数とする学習用データを用いて、機械学習によって生成する工程、を含む。

【0009】

本開示の一実施形態に係るプログラムは、
情報処理装置を、
上記の情報処理装置の前記劣化状態予測手段で用いられる前記複数の予測モデルを、他のプラントの設備の実績データが有する指標を説明変数とし、前記他のプラントの設備の劣化状態を目的変数とする学習用データを用いて、機械学習によって生成する予測モデル生成手段、として機能させる。

【0010】

本開示の一実施形態に係る情報処理方法は、
情報処理装置が実行する情報処理方法であって、
プラントに含まれる複数の設備のうちの予測対象とされた設備に対応する、前記複数の設備に応じた複数の予測モデルから選択された予測モデルを用いて、前記予測対象とされた設備の劣化状態を予測する工程、を含む。

【0011】

本開示の一実施形態に係るプログラムは、
情報処理装置を、
プラントに含まれる複数の設備のうちの予測対象とされた設備に対応する、前記複数の設備に応じた複数の予測モデルから選択された予測モデルを用いて、前記予測対象とされた設備の劣化状態を予測する劣化状態予測手段、として機能させる。

【発明の効果】

【0012】

本開示によれば、設備の劣化の状態を高精度に予測する情報処理装置、予測モデル生成方法、情報処理方法及びプログラムを提供することができる。

【図面の簡単な説明】

【0013】

【図1】図１は、本開示の一実施形態に係る情報処理装置の構成例を示す図である。

【図2】図２は、予測モデルの生成を説明するための図である。

【図3】図３は、設備マップを例示する図である。

【図4】図４は、更新の緊急度合いを示す画像を例示する図である。

【図5】図５は、複数のシナリオの画像を例示する図である。

【図6】図６は、更新コストの画像を例示する図である。

【図7】図７は、ライフサイクルコストの比較画像を例示する図である。

【図8】図８は、本開示の一実施形態に係る情報処理方法の処理の例を示すフローチャートである。

【発明を実施するための形態】

【0014】

以下、図面を参照して本開示の実施形態に係る情報処理装置、予測モデル生成方法、情報処理方法及びプログラムが説明される。

【0015】

図１は、本実施形態に係る情報処理装置１０の構成例を示す図である。情報処理装置１０は、プラントに含まれる複数の設備の更新計画の作成を支援するための情報処理を実行する装置である。本実施形態において、プラントは上下水道施設であるが、これに限定されず、例えば工業製品の製造工場などであってよい。プラントに含まれる設備は、例えばポンプ、バルブ、反応タンクの散気装置、流量計などであってよいが、これらに限定されない。また、プラントに含まれる設備は、機械設備又は電気設備に限られず、土木・建築・建築設備などを含む。情報処理装置１０は、ハードウェア構成として、例えばパーソナルコンピュータである。ここで、情報処理装置１０は、複数のハードウェアで構成されてよく、情報処理システムと称されてよい。

【0016】

まず、情報処理装置１０が作成を支援する更新計画で用いられる劣化度について説明する。劣化度は、各設備の劣化度合いを示し、設備の状態、設置からの経過年数などによって変動する定量化された評価値である。劣化度は、例えば健全度又は評価点などであってよい。劣化度は、時間の経過とともに、所定の計算式に従って又はユーザが設定した低下度合いに応じて、値が小さくなるように又は大きくなるように変化する。劣化度の経年変化は、後述する劣化状態予測手段１６によって算出可能であり、複数の設備のそれぞれと対応するように管理されて、記憶部１２に記憶され得る。

【0017】

劣化度は、一例として複数の設備の健全性を示す健全度であってよい。健全度は、時間の経過とともに、値が小さくなるように変化する。本実施形態において健全度は「１」から「５」で示される。健全度の「５」は、設備が健全な状態であり問題がない状態を示す。健全度の「４」は、劣化が現れ始めた状態を示す。健全度の「３」は、劣化が進行している状態を示す。健全度の「２」は、機能停止があり得るため設備の更新が必要な状態を示す。健全度の「１」は、機能停止の状態を示す。健全度は、設備が更新されると「５」に戻る。

【0018】

一方、評価点は、主に水道アセットマネジメントで用いる指標であり、物理的評価、機能的評価、経済的評価、社会的評価、耐震性評価及び耐用寿命評価を総合的に評価し、０～１００点で定量的に評価した値である。評価点は、点数が低いほど、劣化が進行していることを示す。

【0019】

上記の健全度の「５」、「４」、「３」、「２」、「１」を、例えば、それぞれ評価点の「８０点以上１００点以下」、「６０点以上８０点未満」、「４０点以上６０点未満」、「２０点以上４０点未満」、「０点以上２０点未満」に対応させることができる。以下において、劣化度が健全度であるとして実施形態を説明する。

【0020】

情報処理装置１０は、以下のようなハードウェア構成を有する。情報処理装置１０は、通信部１１と、記憶部１２と、制御部１３と、入力部２０と、表示部２１と、を備える。

【0021】

通信部１１は、入力部２０及び表示部２１と通信する通信インターフェースを含む。入力部２０及び表示部２１と通信する通信インターフェースは、例えばＵＳＢ及びＨＤＭＩ（登録商標）などであってよい。

【0022】

通信部１１は、インターネット等のネットワークに接続する通信インターフェースを含んでよい。インターネット等に接続する通信インターフェースは、例えば有線又は無線のＬＡＮ及びルーターなどを含んでよい。情報処理装置１０は、例えばネットワーク経由で、他のプラントの設備の劣化度に関する指標、測定値及び実際の劣化状態などを取得してよい。ここで、他のプラントは、情報処理装置１０が更新計画を作成する対象のプラントと異なるプラントを意味する。

【0023】

記憶部１２は、１つ以上のメモリである。メモリは、例えば半導体メモリ、磁気メモリ、又は光メモリなどであるが、これらに限られず任意のメモリとすることができる。記憶部１２は、例えば情報処理装置１０に内蔵されるが、任意のインターフェースを介して情報処理装置１０に外部から接続される構成も可能である。

【0024】

制御部１３は、１つ以上のプロセッサである。プロセッサは、例えば汎用のプロセッサ又は特定の処理に特化した専用プロセッサであるが、これらに限られず任意のプロセッサとすることができる。制御部１３は、情報処理装置１０の全体の動作を制御する。

【0025】

情報処理装置１０は、以下のようなソフトウェア構成を有する。情報処理装置１０の動作の制御に用いられる１つ以上のプログラムが記憶部１２に記憶される。記憶部１２に記憶されたプログラムは、制御部１３によって読み込まれると、制御部１３を取得手段１４、予測モデル生成手段１５、劣化状態予測手段１６、画像生成手段１７及び出力手段１８として機能させる。記憶部１２に記憶されたプログラムは、ユーザが入力部２０を用いて制御部１３に対して処理開始を指示した場合に、制御部１３によって読み込まれてよい。

【0026】

各手段の概要は次のとおりである。予測モデル生成手段１５は、学習用データを用いて機械学習によって設備の劣化度を予測するための予測モデルを生成する。学習用データは、他のプラントの設備の劣化度に関する指標、測定値及び実際の劣化状態を含んで構成され得る。予測モデル生成手段１５は、学習用データ及び予測モデルを記憶部１２に記憶させて管理する。詳細について後述するが、予測モデル生成手段１５は、プラントに含まれる複数の設備に応じた複数の予測モデルを生成して、記憶部１２に記憶させる。

【0027】

劣化状態予測手段１６は、プラントに含まれる複数の設備のうちの予測対象とされた設備に対応する予測モデルを、記憶部１２に記憶された複数の予測モデルから選択する。劣化状態予測手段１６は、選択した予測モデルを用いて、予測対象とされた設備の劣化状態を予測する。劣化状態予測手段１６は、設備単位又は部品単位で、設備の劣化状態を予測することができる。劣化状態予測手段１６は、プラントに含まれる複数の設備について設備単位で予測を実行する第１モードの場合に、各設備についての更新の緊急度合いを比較して示すことができるように、各設備の劣化度の経年変化を予測する。また、劣化状態予測手段１６は、特定の設備について部品単位で予測を実行する第２モードの場合に、特定の設備を構成する部品についての劣化度の変化を、複数のシナリオで予測する。劣化状態予測手段１６は予測結果、すなわち予測した設備の劣化状態を記憶部１２に記憶させて管理する。第１モードの予測内容と第２モードの予測内容との違いの詳細については後述する。

【0028】

また、劣化状態予測手段１６は、プラントに含まれる複数の設備の名称、種類及び位置などの情報を管理する。劣化状態予測手段１６は、プラントに含まれる各設備を構成する部品の情報を管理する。また、劣化状態予測手段１６は、設備毎の更新にかかるコストの情報も管理してよい。劣化状態予測手段１６は、設備の種類、位置、部品、更新コストなどの情報を、設備の名称によって紐づけたテーブルとして管理し、記憶部１２に記憶させてよい。テーブルは例えばＣＳＶ（Ｃｏｍｍａ－Ｓｅｐａｒａｔｅｄ Ｖａｌｕｅｓ）形式であってよい。

【0029】

画像生成手段１７は、劣化度を複数の設備又は複数のシナリオについて比較可能なように視覚的に示す画像を生成する。ここで、「比較可能なように」とは、複数の設備の劣化度の変化又は複数のシナリオに従った特定の設備の劣化度の変化が対比される形で表示されることを意味する。本実施形態において、画像生成手段１７によって生成される画像は、「更新の緊急度合いを示す画像２１１（図４参照）」及び「複数のシナリオの画像２１２（図５参照）」を含む。画像生成手段１７は、第１モードの場合に劣化状態予測手段１６によって記憶部１２に記憶された予測結果を取得して、プラントに含まれる複数の設備の劣化度の経年変化を比較可能な更新の緊急度合いを示す画像２１１を生成する。また、画像生成手段１７は、第２モードの場合に劣化状態予測手段１６によって記憶部１２に記憶された予測結果を取得して、複数のシナリオに従う特定の設備を構成する部品についての劣化度の変化を比較可能な複数のシナリオの画像２１２を生成する。

【0030】

取得手段１４は、予測モデル生成手段１５による予測モデルの生成、劣化状態予測手段１６による設備の劣化状態の予測及び画像生成手段１７による画像の生成に用いられるデータを記憶部１２などから取得する手段である。取得手段１４は、学習用データを記憶部１２などから取得して、予測モデル生成手段１５に出力してよい。取得手段１４は、劣化状態予測手段１６が選択した予測モデルを記憶部１２から取得して、劣化状態予測手段１６に出力してよい。取得手段１４は、設備の種類、位置、部品、更新コストなどの情報を、記憶部１２から取得して、劣化状態予測手段１６に出力してよい。取得手段１４は、劣化状態予測手段１６の予測結果を記憶部１２から取得して、画像生成手段１７に出力してよい。また、取得手段１４は、ユーザによる入力部２０の操作などに基づいて、ユーザによって設定される劣化状態予測の時間範囲、ユーザによる第１モード又は第２モードの指定などを取得して、劣化状態予測手段１６に出力してよい。

【0031】

出力手段１８は、画像生成手段１７によって生成された画像を表示部２１に出力する。

【0032】

入力部２０は、情報処理装置１０に対するユーザの操作を受け付けるインターフェースである。入力部２０は、ハードウェア構成として、例えばキーボード及びマウスなどであってよい。

【0033】

表示部２１は、情報処理装置１０からのユーザに対する情報を表示するためのインターフェースである。表示部２１は、ハードウェア構成として、例えば液晶ディスプレイ又はＯＥＬ（Ｏｒｇａｎｉｃ Ｅｌｅｃｔｒｏ－ｌｕｍｉｎｅｓｃｅｎｃｅ）ディスプレイなどのディスプレイであってよい。

【0034】

情報処理装置１０は、プラントに含まれる複数の設備の更新計画の作成を支援するために用いられるが、この更新計画の作成において設備の劣化度が予測される。劣化度の予測とは、具体的には現在以降の劣化度を計算することである。設備の劣化度の予測には予測モデルが用いられる。劣化度の予測が行われる前に、予測モデルは機械学習によって生成されて、記憶部１２に記憶される。

【0035】

図２は、予測モデルの生成を説明するための図である。予測モデル生成手段１５は、取得手段１４を介して、他のプラントの設備の劣化度に関する指標、測定値及び実際の劣化状態などを取得する。これらの指標などは、通信部１１によって、定期的に又は任意のタイミングで受信されて、記憶部１２に実績データとして記憶される。予測モデル生成手段１５は、取得手段１４によって記憶部１２から読みだされた実績データを用いて、学習用データを生成して区分する。例えば実績データが有する指標は、図２に示すように、設備の種類、設置場所、経過年数、運転時間、稼働頻度、点検又は調査の状況、修繕又は更新の状況などを含んでよい。

【0036】

設備の種類は、例えばポンプ、バルブ、反応タンクの散気装置、流量計などの区分を示す指標である。設置場所は、設備が配置される場所を示す指標である。設置場所は、例えばＡ下水処理場、Ｂ排水処理施設などの具体的な場所を含んでよく、例えば屋内、屋外、腐食性ガス環境下にあるなどの場所の種別を含んでよい。経過年数は、設備が設置又は更新されてから経過した年数を示す指標である。運転時間は、設備が設置又は更新されてから運転した累積時間を示す指標である。稼働頻度は、例えば１日のうち１２時間などの設備が稼働する頻度を示す指標である。点検又は調査の状況は、例えば１か月に一度に点検又は調査を行っているといった設備の検査状況を示す指標である。修繕又は更新の状況は、例えば１年前に一部の部品を修繕した、又は、３年前に更新すなわち新品への交換を行ったといった設備の新しさを示す指標である。これらの指標は設備の劣化度の変化に影響する。例えば、経過年数が長くなれば設備の劣化の状態が大きくなる。また、例えば運転時間が長い設備及び稼働頻度が大きい設備はそうでないものに比べて劣化しやすい。また、例えば点検及び修繕が頻繁であれば設備の劣化を遅らせることができる。

【0037】

ここで、予測モデル生成手段１５は、実績データが有する指標の一部によって予測モデルを分けて、複数の予測モデルを生成する。本実施形態において、予測モデル生成手段１５は、設備の種類及び設置場所に応じた複数の予測モデルを生成する。つまり、設備の種類及び設置場所の組み合わせ毎に異なる予測モデルが生成される。例えば同じ種類の設備であっても、屋内、屋外、腐食性ガス環境下にあるかといった設置場所によって、劣化度の経年変化が変動し得る。本実施形態において、予測モデル生成手段１５は、設置場所によって異なる予測モデルを生成することによって、設備の劣化の状態を高精度に予測（計算）することが可能な予測モデルを用意できる。ここで、予測モデル生成手段１５は、設備の種類及び設置場所の少なくとも１つに応じた複数の予測モデルを生成してよい。また、予測モデル生成手段１５は、設備の種類及び設置場所にさらに他の指標を加えて、これらの指標の組み合わせ毎に異なる予測モデルを生成してよい。

【0038】

予測モデル生成手段１５は、実績データが有する指標を説明変数とし、実際の設備の劣化状態を目的変数として学習用データを生成する。本実施形態において、目的変数は設備の健全度が用いられる。また、説明変数は上記に例示された指標の全てでなく、一部が用いられてよい。予測モデル生成手段１５は、生成した学習用データを用いて、機械学習によって、設備の種類及び設置場所に応じた複数の予測モデルを生成する。機械学習の手法は特に限定されない。一例として、図２に例示するようにニューラルネットワークが用いられてよいし、ランダムフォレストなどが用いられてよい。

【0039】

また、予測モデル生成手段１５は、設備を構成する部品についても予測モデルを生成する。例えば特定の設備が配電盤、保護継電器、計器用変成器及び真空遮断器の部品で構成される場合に、これらの部品のそれぞれについて予測モデルが生成される。部品の予測モデルの生成の手法は、設備の予測モデルの生成の手法と同様である。例えば、予測モデル生成手段１５は、部品の種類及び設置場所に応じた複数の部品の予測モデルを生成する。学習用データの生成の手法及び機械学習の手法は、設備の場合と同様の手法を用いることができる。

【0040】

予測モデル生成手段１５は、生成した複数の設備についての予測モデル及び複数の部品についての予測モデルを記憶部１２に記憶させる。予測モデル生成手段１５は、例えば予測モデルの更新などの管理も行う。予測モデル生成手段１５は、劣化状態予測手段１６による予測が実行される前に、複数の予測モデルを生成して、記憶部１２に記憶させる。

【0041】

劣化状態予測手段１６は、プラントに含まれる複数の設備のうちの予測対象とされた設備に対応する予測モデルを記憶部１２に記憶された複数の予測モデルから選択して、選択した予測モデルを用いて設備の劣化状態を予測する。本実施形態において、劣化状態予測手段１６は、予測対象とされた設備又は部品の種類及び設置場所に基づいて、予測モデルを選択する。劣化状態予測手段１６は、設備又は部品の種類及び設置場所に応じて適する予測モデルを複数の予測モデルの中から選択することによって、設備の劣化の状態を高精度に予測することができる。

【0042】

ここで、劣化状態予測手段１６は、第１モードの場合にプラントに含まれる複数の設備について設備単位で劣化状態を予測し、第２モードの場合に特定の設備について部品単位で予測を実行する。劣化状態予測手段１６は、取得手段１４を介してユーザによる第１モード又は第２モードの指定などを取得する。劣化状態予測手段１６は、第１モードの場合に、プラントに含まれる複数の設備の全てを予測対象としてよいが、取得手段１４を介して一部の設備を予測対象とするユーザからの指示を受け取った場合にユーザの指示に従う。劣化状態予測手段１６は、第２モードの場合に、取得手段１４を介してユーザが指定する特定の設備を取得して、特定の設備を予測対象とする。このとき、劣化状態予測手段１６は、記憶部１２から特定の設備を構成する部品の種類及び設置場所の情報も取得する。

【0043】

劣化状態予測手段１６は、取得手段１４を介してユーザによる時間範囲の指定を受け取ってよい。時間は、会計の１年の区切りである年度が用いられてよい。ユーザは例えば２０２１年度から２０年程度を時間範囲として入力してよい（図４参照）。また、ユーザは評価時点から先の年数である経過年数を時間範囲として入力してよい（図５参照）。経過年数は一例として２０年まで設定されてよい。劣化状態予測手段１６は、指定された時間範囲における設備の劣化状態を予測する。劣化状態予測手段１６は、例えば予測モデルへの入力である経過年数を、時間範囲内で現在から進める（１年ずつ加える）ことによって、出力である劣化度の予測を得ることができる。ここで、時間範囲の２０年は例示であって、さらに長期に設定されてよいし、短期であってよい。例えば表示部２１に設定画面が表示される場合に、ユーザはマウスなどで時間範囲を設定する部分をクリックし、キーボードなどによって時間範囲を入力又は変更可能であってよい。

【0044】

図３は、プラントの設備マップを例示する図である。図３のプラントを例に、劣化状態予測手段１６の予測及び画像生成手段１７の生成画像についての詳細が以下に説明される。図３に示されるプラントはＡからＥのエリアを有している。Ａ、Ｂ及びＤのエリアは屋内にある。また、Ｃ及びＥのエリアは屋外にある。ＡからＥのエリアに複数の設備が設けられている。Ａ－１、Ｂ－１などは設備の名称を示す。例えばＢ－１及びＢ－３などは、屋内にあるが、腐食性ガス環境下にある。例えばＣ－３などは屋外の風雨にさらされる環境下にある。図３の例において、同じ種類の設備には同じように色付けがされている。例えばＡ－１とＣ－３は同じ種類の設備である。また、例えばＢ－１とＥ－１は同じ種類の設備である。また、例えばＢ－３とＣ－１とＤ－１は同じ種類の設備である。

【0045】

まず、プラントに含まれる複数の設備について設備単位で予測を実行する第１モードの場合が説明される。劣化状態予測手段１６は、Ａ－１～Ｅ－１の各設備について、設備の種類及び設置場所に応じて、記憶部１２の複数の予測モデルの中から予測モデルを選択し、選択した予測モデルを用いて、指定された時間範囲における設備の劣化状態を予測する。例えばＡ－１とＣ－３は同じ種類の設備であるが、設置される位置が屋内と屋外とで異なっている。そのため、劣化状態予測手段１６はＡ－１とＣ－３とで異なる予測モデルを選択する。例えばＢ－１とＥ－１は同じ種類の設備であるが、設置される位置が腐食性ガス環境下にあるか否かで異なっている。そのため、劣化状態予測手段１６はＢ－１とＥ－１とで異なる予測モデルを選択する。例えばＢ－３とＣ－１とＤ－１は同じ種類の設備であるが、同様に設置される位置などが異なる。そのため、劣化状態予測手段１６はＢ－３とＣ－１とＤ－１とで異なる予測モデルを選択する。劣化状態予測手段１６は、Ａ－１～Ｅ－１の各設備についての予測結果を記憶部１２に記憶させる。

【0046】

画像生成手段１７は、第１モードの場合に、劣化状態予測手段１６によって記憶部１２に記憶された予測結果を取得して、Ａ－１～Ｅ－１の各設備の劣化度の経年変化を比較可能な「更新の緊急度合いを示す画像２１１」を生成する。図４は、更新の緊急度合いを示す画像２１１を例示する図である。更新の緊急度合いを示す画像２１１では、複数の設備の健全度が、時間と複数の設備との組み合わせで示されている。更新の緊急度合いを示す画像２１１は、時間を第１軸（図４の例では横軸）に示し、複数の設備を第１軸に直交する第２軸（図４の例では縦軸）に示している。縦軸と横軸の表示項目は逆であってよい。つまり、更新の緊急度合いを示す画像２１１は、時間を縦軸に示し、複数の設備を横軸に示してよい。時間の表示部分２１１Ａに示される時間（年度）は、ユーザが指定した時間範囲に対応する。また、複数の設備の名称（Ａ－１～Ｅ－１）は、複数の設備の表示部分２１１Ｂに示される。

【0047】

また、複数の設備のそれぞれの時間別（年度別）の健全度は、値に応じて異なる色で表示される。本実施形態において、健全度の「５」が白で表示されて、「１」が黒で表示されて、「４」から「２」は値が小さくなるにつれて色が濃くなるグレーで表示される。別の例として、健全度の「５」が緑、「４」が薄緑、「３」が黄色、「２」がオレンジ、「１」が赤で表示されてよい。ここで、表示色は特に限定されない。また、健全度の値である数は表示されなくてよいが、図４のように表示されてよい。

【0048】

図４に示すように、更新の緊急度合いを示す画像２１１は、劣化状態予測手段１６によって算出される年度別の健全度について、機能停止があり得る「２」になるまでの期間をユーザに直観的に把握させることができる。そして、Ａ－１～Ｅ－１の各設備が並んで示されることによって、ユーザは各設備の劣化状態について比較可能である。また、図４において、例えば同じ種類の設備であるＡ－１とＣ－３について、屋外に設置されるＣ－３の方が屋内のＡ－１より健全度の低下のスピードが速いことが直観的に把握される。また、図４において、例えば同じ種類の設備であるＢ－１とＥ－１について、屋内に設置されるが腐食性ガス環境下で使用されるＢ－１の方が屋外のＥ－１より健全度の低下のスピードがさらに速いことが直観的に把握される。

【0049】

画像生成手段１７は、第１モードの場合に、例えば以下のような処理によって更新の緊急度合いを示す画像２１１を生成する。画像生成手段１７は、取得手段１４を介して劣化状態予測手段１６によって記憶部１２に記憶された予測結果を取得して、複数の設備の情報を抽出し、更新の緊急度合いを示す画像２１１の第２軸に割り当てる。また、画像生成手段１７は、予測結果から設定された時間範囲における健全度を抽出して、それぞれの値に対応する色を割り当てる。画像生成手段１７は、複数の設備のそれぞれの健全度の経年変化を、割り当てた色を用いて、更新の緊急度合いを示す画像２１１の第１軸に割り当てる。このような処理によって、画像生成手段１７は、図４に示す更新の緊急度合いを示す画像２１１を生成することができる。

【0050】

ここで、画像生成手段１７は、図３に示すような設備マップの画像を生成して、更新の緊急度合いを示す画像２１１に含めて表示させてよい。設備マップの画像では、プラントにおける複数の設備の位置が、設備の種類応じた色の丸で示される。ユーザは、設備マップの画像によって、設備の種類及び設備の設置場所の環境を容易に把握することができる。

【0051】

画像生成手段１７は、例えば以下のような処理によって設備マップの画像を生成する。画像生成手段１７は、取得手段１４を介して、記憶部１２に記憶されているプラントの全体の地図情報、及び、複数の設備のプラントにおける位置、設備の種類の情報を取得する。画像生成手段１７は、複数の設備の位置情報から、プラントの全体の地図にマッピングして、その位置に丸を配置する。画像生成手段１７は、複数の設備の種類の情報を抽出して、それぞれの種類に対応する色を割り当てる。画像生成手段１７は、複数の設備のそれぞれに対応して地図上に配置された丸に、割り当てた色を配色する。このような処理によって、画像生成手段１７は、図３に示す設備マップの画像を生成することができる。

【0052】

次に、特定の設備について部品単位で予測を実行する第２モードの場合が説明される。劣化状態予測手段１６は、取得手段１４を介してユーザが指定する特定の設備を取得して、特定の設備を予測対象とする。例えば特定の設備がＤ－１であるとすると、劣化状態予測手段１６は、記憶部１２からＤ－１を構成する部品の種類及び設置場所の情報を取得する。劣化状態予測手段１６は、部品の種類及び設置場所に応じて、記憶部１２の複数の予測モデルの中から予測モデルを選択し、選択した予測モデルを用いて、指定された時間範囲における設備の劣化状態を、部品毎に複数のシナリオで予測する。

【0053】

ここで、設備を構成する主要部品は、部品だけでの交換が不可能な根幹部品を含むことがある。根幹部品が故障した場合に、設備の動作を継続させるためには、全ての主要部品をまとめて更新する必要がある。これに対して、根幹部品でない主要部品が故障した場合には、故障したものだけを交換することが可能である。

【0054】

例えば、特定の設備であるＤ－１は４つの主要部品で構成されるとする。４つの主要部品は、配電盤、保護継電器、計器用変成器及び真空遮断器であるとする。Ｄ－１の４つの主要部品のうち、配電盤は根幹部品である。配電盤の健全度が「２」になった場合に、Ｄ－１の動作を継続させるために、４つの主要部品の全てが交換される必要がある。これに対して、保護継電器、計器用変成器及び真空遮断器のいずれか１つの健全度が「２」になった場合に、健全度が「２」になった部品だけを交換して、Ｄ－１の動作を継続させることが可能である。

【0055】

本実施形態において、複数のシナリオは第１シナリオと第２シナリオとを含む。第１シナリオは、どれか１つの部品の健全度が「２」になった場合に、全ての部品を交換する「更新シナリオ」である。第２シナリオは、健全度が「２」になった部品がある場合に、健全度が「２」になった部品だけを交換する「長寿命化シナリオ」である。ただし、第２シナリオであっても、根幹部品の健全度が「２」になった場合に、全ての部品が交換される。

【0056】

劣化状態予測手段１６は、選択した予測モデルを用いて、指定された時間範囲における設備の劣化状態を、第１シナリオに従って、４つの部品のそれぞれについて予測する。劣化状態予測手段１６は、４つの部品のそれぞれについての予測結果を、第１シナリオと関連付けて記憶部１２に記憶させる。また、劣化状態予測手段１６は、選択した同じ予測モデルを用いて、指定された時間範囲における設備の劣化状態を、第２シナリオに従って、４つの部品のそれぞれについて予測する。劣化状態予測手段１６は、４つの部品のそれぞれについての予測結果を、第２シナリオと関連付けて記憶部１２に記憶させる。また、劣化状態予測手段１６は、少なくとも１つの部品が交換された年度に対応させて、費用（更新コスト）を計算してよい。劣化状態予測手段１６は、記憶部１２に記憶された設備の部品毎の更新コストを取得し、交換された部品に対応する更新コストを積算することによって、更新年度における更新コストを計算してよい。劣化状態予測手段１６は、計算した更新コストを更新年度に対応付けて、予測結果の一部として、記憶部１２に記憶させてよい。

【0057】

画像生成手段１７は、第２モードの場合に、劣化状態予測手段１６によって記憶部１２に記憶された予測結果を取得して、異なるシナリオに従った場合の特定の設備の劣化度の経年変化を比較可能な「複数のシナリオの画像２１２」を生成する。図５は、複数のシナリオの画像２１２を例示する図である。複数のシナリオの画像２１２では、特定の設備の健全度が、特定の設備を構成する部品の健全度の積み上げ棒グラフで示されて、評価時すなわち現在からの経過年数に応じて変化が示されている。ここで、特定の設備であるＤ－１は４つの主要部品で構成され、Ｄ－１の健全度を各部品の健全度の平均で示すことができる。そのため、図５の例では各部品の健全度は部品総数の４で割った値で示され、この値の積み上げ棒グラフでＤ－１の健全度が示されている。以下において、このように各部品の健全度の値を調整して積算することによって特定の設備の健全度が示されるように処理することは、正規化と称される。

【0058】

第１シナリオでは、保護継電器、計器用変成器及び真空遮断器の健全度が「２」になったため、経過年数が５年目のタイミングで全ての部品を更新している。５年目のタイミングで大きな更新コストを要するが、その後に経過年数が２０年になるまで、全ての部品について更新の必要がない。また、第２シナリオでは、保護継電器、計器用変成器及び真空遮断器の健全度が「２」になったため、経過年数が５年目のタイミングでこれらの部品のみを交換している。つまり、経過年数が５年目のタイミングで、根幹部品である配電盤は交換されない。第２シナリオでは、経過年数が１４年目のタイミングで配電盤の健全度が「２」になったため、全ての部品を更新している。つまり、第２シナリオでは、５年目のタイミングでの更新コストを抑えることができるが、１４年目のタイミングで大きな更新コストを要する。このように、ユーザは特定の設備の劣化状態について、複数のシナリオを比較可能である。

【0059】

画像生成手段１７は、第２モードの場合に、例えば以下のような処理によって複数のシナリオの画像２１２を生成する。画像生成手段１７は、取得手段１４を介して、劣化状態予測手段１６によって記憶部１２に記憶された第１シナリオの各部品の予測結果を取得する。画像生成手段１７は、経過年数毎に、各部品の予測結果について正規化を行う。そして、画像生成手段１７は、経過年数毎に、各部品に対応する色を割り当てて、積み上げ棒グラフとして特定の設備の健全度を表示する。画像生成手段１７は、取得手段１４を介して、劣化状態予測手段１６によって記憶部１２に記憶された第２シナリオの各部品の予測結果も取得して、第１シナリオの場合と同様の処理を行う。このような処理によって、画像生成手段１７は、図５に示す複数のシナリオの画像２１２を生成することができる。

【0060】

ここで、画像生成手段１７は、図６に示すような更新コストの画像２１３を生成して、複数のシナリオの画像２１２に含めて表示させてよい。劣化状態予測手段１６が、計算した更新コストを更新年度に対応付けて記憶部１２に記憶させた場合に、画像生成手段１７は更新コストの情報を取得可能である。このとき、画像生成手段１７は、現在（評価時点）からの経過年数を横軸にとり、更新コストの数値を縦軸にとった棒グラフを生成して、第１シナリオと第２シナリオとで対比可能に配置する処理によって、更新コストの画像２１３を生成してよい。更新コストの画像２１３は、複数のシナリオの画像２１２の一部として表示されてよいし、ユーザの指示に従って複数のシナリオの画像２１２と切り替えて表示されてよい。例えば第１シナリオにおいて５年目のタイミングで２８００万円の更新コストが発生し、第２シナリオにおいて５年目、１４年目のタイミングでそれぞれ５５０万円、２８００万円の更新コストが発生する。更新コストの画像２１３を示すことによって、直接的に更新コストをユーザに示すことができ、更新の予算との対応を正確に把握させることが可能になる。

【0061】

また、画像生成手段１７は、図７に示すようなライフサイクルコスト（ＬＣＣ）の比較画像を生成して、複数のシナリオの画像２１２に含めて表示させてよい。画像生成手段１７は、図６の更新コストの画像２１３に代えて、ライフサイクルコストの比較画像を表示させてよい。画像生成手段１７は、図６の場合と同様に更新コストの情報を取得して、設備を設置した年度又は直前の更新年度を基準とした経過年数を横軸にとり、更新コストの数値を縦軸にとった棒グラフを生成してよい。画像生成手段１７は、図６の場合と同様に、第１シナリオと第２シナリオとで対比可能に配置する処理を実行する。さらに、画像生成手段１７は、各シナリオにおいて、設備の全ての部品の更新までの時間を使用年数として抽出し、現在（評価時点）から使用年数と同じ年数を評価期間として定めて画像上に表示することによって、ライフサイクルコストの比較画像を生成する。ライフサイクルコストの比較画像によって、ユーザは更新頻度及び設備のライフサイクルコストの観点から、どちらのシナリオが有利かを直観的に把握することができる。

【0062】

図７の例において、第１のシナリオでは、使用年数が１５年で、評価期間において発生する費用が更新のみの２８００万円である。第２のシナリオでは、使用年数が２４年で、評価期間において発生する費用が長寿命化及び更新を合わせた３３５０万円である。この例において、第１のシナリオでは、使用年数の１年あたりの費用が約１８７万円になる。これに対し、第２のシナリオでは、使用年数の１年あたりの費用が約１４０万円になる。したがって、図７の例において、ライフサイクルコストの観点からは、第２シナリオが有利になることがわかる。ここで、更に設備の維持費用が考慮されてよい。画像生成手段１７は、使用年数を抽出した場合に、使用年数に１年あたりの維持費用を乗じて、更新時の棒グラフに追加してよい。例えば、１年あたりの維持費用を１０万円とすると、第１のシナリオでは、使用年数の１年あたりの費用が約１９７万円になる。これに対し、第２のシナリオでは、使用年数の１年あたりの費用が約１５０万円になる。

【0063】

図８は、情報処理装置１０が実行する情報処理方法の処理の例を示すフローチャートである。情報処理装置１０は、例えばユーザが入力部２０によって開始を指示したことを受けて、以下の処理を開始してよい。

【0064】

劣化状態予測手段１６は、取得手段１４を介して、プラントに含まれる複数の設備のうちの予測対象とされた設備の情報を取得する（ステップＳ１）。劣化状態予測手段１６は、第１モードの場合に、プラントに含まれる複数の設備の全てを予測対象としてよいが、取得手段１４を介してユーザによる一部の設備を予測対象とする指示を受け取った場合にユーザの指示に従う。劣化状態予測手段１６は、第２モードの場合に、取得手段１４を介してユーザが指定する特定の設備を取得して、特定の設備を予測対象とする。予測対象とされた設備の情報は、少なくとも設備又は部品の種類及び設置場所を含み、例えば更新コストなどの情報を更に含み得る。

【0065】

劣化状態予測手段１６は、予測対象とされた設備又は部品の種類及び設置場所に基づいて、記憶部１２に記憶された複数の予測モデルの中から、適する予測モデルを選択する（ステップＳ２）。

【0066】

劣化状態予測手段１６は、ユーザによって設備単位で予測する第１モードが指定された場合に（ステップＳ３のＹｅｓ）、プラントに含まれる複数の設備について設備単位で予測する（ステップＳ４）。劣化状態予測手段１６は、各設備についての予測結果を記憶部１２に記憶させる。

【0067】

画像生成手段１７は、劣化状態予測手段１６によって記憶部１２に記憶された予測結果を取得して、プラントに含まれる複数の設備の劣化度の経年変化を比較可能な「更新の緊急度合いを示す画像２１１」を生成する（ステップＳ５）。

【0068】

劣化状態予測手段１６は、ユーザによって特定の設備について部品単位で予測を実行する第２モードが指定された場合に（ステップＳ３のＮｏ）、複数のシナリオの部品単位での劣化状態を予測する（ステップＳ６）。劣化状態予測手段１６は、各部品についての予測結果を、複数のシナリオのそれぞれに関連付けて、記憶部１２に記憶させる。

【0069】

画像生成手段１７は、劣化状態予測手段１６によって記憶部１２に記憶された予測結果を取得して、異なるシナリオに従った場合の特定の設備の劣化度の経年変化を比較可能な「複数のシナリオの画像２１２」を生成する（ステップＳ７）。

【0070】

出力手段１８は、画像生成手段１７によって生成された画像を表示部２１に出力し（ステップＳ８）、一連の処理が終了する。

【0071】

以上のように、本実施形態に係る情報処理装置１０、情報処理方法及びプログラムは、上記の構成によって、設備の劣化の状態を高精度に予測することができる。

【0072】

本開示を諸図面及び実施例に基づき説明してきたが、当業者であれば本開示に基づき種々の変形及び修正を行うことが容易であることに注意されたい。したがって、これらの変形及び修正は本開示の範囲に含まれることに留意されたい。例えば、各手段、各ステップなどに含まれる機能などは論理的に矛盾しないように再配置可能であり、複数の手段又はステップなどを１つに組み合わせたり、或いは分割したりすることが可能である。

【符号の説明】

【0073】

１０ 情報処理装置
１１ 通信部
１２ 記憶部
１３ 制御部
１４ 取得手段
１５ 予測モデル生成手段
１６ 劣化状態予測手段
１７ 画像生成手段
１８ 出力手段
２０ 入力部
２１ 表示部
２１１ 更新の緊急度合いを示す画像
２１１Ａ 時間の表示部分
２１１Ｂ 複数の設備の表示部分
２１２ 複数のシナリオの画像
２１３ 更新コストの画像

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】