ホーム > 特許ランキング > 東京海上日動火災保険株式会社
(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】P2024160676
(43)【公開日】2024-11-14
(54)【発明の名称】情報処理装置、情報処理方法及びプログラム
(51)【国際特許分類】
G06Q 10/04 20230101AFI20241107BHJP
G06Q 40/08 20120101ALI20241107BHJP
G06Q 50/06 20240101ALI20241107BHJP
【ＦＩ】
G06Q10/04
G06Q40/08
G06Q50/06
【審査請求】未請求
【請求項の数】7
【出願形態】ＯＬ
(21)【出願番号】P 2023196445
(22)【出願日】2023-11-20
(62)【分割の表示】P 2023075841の分割
【原出願日】2023-05-01
(71)【出願人】
【識別番号】595140170
【氏名又は名称】東京海上日動火災保険株式会社
(74)【代理人】
【識別番号】100079108
【弁理士】
【氏名又は名称】稲葉 良幸
(74)【代理人】
【識別番号】100109346
【弁理士】
【氏名又は名称】大貫 敏史
(74)【代理人】
【識別番号】100117189
【弁理士】
【氏名又は名称】江口 昭彦
(74)【代理人】
【識別番号】100134120
【弁理士】
【氏名又は名称】内藤 和彦
(72)【発明者】
【氏名】古川 俊幸
(72)【発明者】
【氏名】川村 雅之
(57)【要約】
【課題】設備の劣化度合いを定量的に把握すること。
【解決手段】設備における稼動状態値の時系列変化を示す設備稼動データを取得する取得
部と、前記設備稼動データから、評価対象期間において前記稼動状態値が異常閾値未満で
ある異常発生期間を抽出する抽出部と、前記異常発生期間における前記異常閾値と前記稼
動状態値との差分値に基づいて、前記設備の劣化度合いを算出する算出部と、を有する、
情報処理装置。
【選択図】図５
【解決手段】設備における稼動状態値の時系列変化を示す設備稼動データを取得する取得
部と、前記設備稼動データから、評価対象期間において前記稼動状態値が異常閾値未満で
ある異常発生期間を抽出する抽出部と、前記異常発生期間における前記異常閾値と前記稼
動状態値との差分値に基づいて、前記設備の劣化度合いを算出する算出部と、を有する、
情報処理装置。
【選択図】図５
【特許請求の範囲】
【請求項1】
設備における稼動状態値の時系列変化を示す設備稼動データを取得する取得部と、
前記設備稼動データから、評価対象期間において前記稼動状態値が異常閾値未満である
異常発生期間を抽出する抽出部と、
前記異常発生期間における前記異常閾値と前記稼動状態値との差分値に基づいて、前記
設備の劣化度合いを算出する算出部と、
を有する情報処理装置。
前記設備稼動データから、評価対象期間において前記稼動状態値が異常閾値未満である
異常発生期間を抽出する抽出部と、
前記異常発生期間における前記異常閾値と前記稼動状態値との差分値に基づいて、前記
設備の劣化度合いを算出する算出部と、
を有する情報処理装置。
【請求項2】
前記算出部は、所定期間における前記設備稼動データから、前記稼動状態値の確率密度
を算出し、
前記確率密度に対し、前記稼動状態値を所定値から最大値まで積分することで得られる
累積確率が所定確率になるときの所定値を、前記異常閾値として決定する決定部、を有す
る、
請求項１に記載の情報処理装置。
を算出し、
前記確率密度に対し、前記稼動状態値を所定値から最大値まで積分することで得られる
累積確率が所定確率になるときの所定値を、前記異常閾値として決定する決定部、を有す
る、
請求項１に記載の情報処理装置。
【請求項3】
前記決定部は、更新後の前記所定期間における前記設備稼動データを用いて、前記異常
閾値を更新する、
請求項２に記載の情報処理装置。
閾値を更新する、
請求項２に記載の情報処理装置。
【請求項4】
前記算出部は、前記異常発生期間における前記差分値の時系列変化を、前記異常発生期
間で積分することで得られる値を、前記設備の劣化度合いとして算出する、
請求項１に記載の情報処理装置。
間で積分することで得られる値を、前記設備の劣化度合いとして算出する、
請求項１に記載の情報処理装置。
【請求項5】
前記設備の劣化度合いに基づいて保険金支払額を算出する、保険金算出部を有する、
請求項１に記載の情報処理装置。
請求項１に記載の情報処理装置。
【請求項6】
設備における稼動状態値の時系列変化を示す設備稼動データを取得するステップと、
前記設備稼動データから、評価対象期間において前記稼動状態値が異常閾値未満である
異常発生期間を抽出するステップと、
前記異常発生期間における前記異常閾値と前記稼動状態値との差分値に基づいて、前記
設備の劣化度合いを算出するステップと、
を含む情報処理方法。
前記設備稼動データから、評価対象期間において前記稼動状態値が異常閾値未満である
異常発生期間を抽出するステップと、
前記異常発生期間における前記異常閾値と前記稼動状態値との差分値に基づいて、前記
設備の劣化度合いを算出するステップと、
を含む情報処理方法。
【請求項7】
設備における稼動状態値の時系列変化を示す設備稼動データを取得するステップと、
前記設備稼動データから、評価対象期間において前記稼動状態値が異常閾値未満である
異常発生期間を抽出するステップと、
前記異常発生期間における前記異常閾値と前記稼動状態値との差分値に基づいて、前記
設備の劣化度合いを算出するステップと、
をコンピュータに実行させるためのプログラム。
前記設備稼動データから、評価対象期間において前記稼動状態値が異常閾値未満である
異常発生期間を抽出するステップと、
前記異常発生期間における前記異常閾値と前記稼動状態値との差分値に基づいて、前記
設備の劣化度合いを算出するステップと、
をコンピュータに実行させるためのプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、情報処理装置、情報処理方法及びプログラムに関する。
【背景技術】
【0002】
現在、カーボンニュートラルの実現に向けた取り組みが活性化している。例えば特許文
献１には、電力部門の脱酸素化を実現するため、再生可能エネルギー等の非化石電源から
発電された、二酸化炭素を排出しない電力を用いる電気炉が開示されている。
献１には、電力部門の脱酸素化を実現するため、再生可能エネルギー等の非化石電源から
発電された、二酸化炭素を排出しない電力を用いる電気炉が開示されている。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２０２３－００７３６０号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
カーボンニュートラルの実現に向けて、極力二酸化炭素を排出しないように設計された
設備を利用することで、排出する二酸化炭素の量を削減することができる。しかしながら
、導入した設備は徐々に劣化することから、時間の経過と共に、当初の性能を発揮するこ
とができなくなることが考えられる。そのため、設備がどの程度劣化しているのかを定量
的に評価可能な仕組みが望まれている。なお、このような課題は、脱酸素を目的とする設
備に限られず、どのような設備にも生じ得る。
設備を利用することで、排出する二酸化炭素の量を削減することができる。しかしながら
、導入した設備は徐々に劣化することから、時間の経過と共に、当初の性能を発揮するこ
とができなくなることが考えられる。そのため、設備がどの程度劣化しているのかを定量
的に評価可能な仕組みが望まれている。なお、このような課題は、脱酸素を目的とする設
備に限られず、どのような設備にも生じ得る。
【0005】
そこで、本発明は、設備の劣化度合いを定量的に把握することを可能とする技術を提供
することを目的とする。
することを目的とする。
【課題を解決するための手段】
【0006】
本発明の一態様に係る情報処理装置は、設備における稼動状態値の時系列変化を示す設
備稼動データを取得する取得部と、前記設備稼動データから、評価対象期間において前記
稼動状態値が異常閾値未満である異常発生期間を抽出する抽出部と、前記異常発生期間に
おける前記異常閾値と前記稼動状態値との差分値に基づいて、前記設備の劣化度合いを算
出する算出部と、を有する。
備稼動データを取得する取得部と、前記設備稼動データから、評価対象期間において前記
稼動状態値が異常閾値未満である異常発生期間を抽出する抽出部と、前記異常発生期間に
おける前記異常閾値と前記稼動状態値との差分値に基づいて、前記設備の劣化度合いを算
出する算出部と、を有する。
【発明の効果】
【0007】
本発明によれば、設備の劣化度合いを定量的に把握することを可能とする技術を提供す
ることができる。
ることができる。
【図面の簡単な説明】
【0008】
【図1】本実施形態に係る管理システムの一例を示す図である。
【図2】設備の設備稼動データの一例を説明するための図である。
【図3】異常閾値の決定方法の一例を示す図である。
【図4】情報処理装置のハードウェア構成例を示す図である。
【図5】情報処理装置の機能ブロック構成例を示す図である。
【図6】情報処理装置が異常閾値を決定及び更新する処理手順の一例を示すフローチャートである。
【図7】情報処理装置が設備の劣化度合いを算出する処理手順の一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】
【0009】
添付図面を参照して、本発明の実施形態について説明する。なお、各図において、同一
の符号を付したものは、同一又は同様の構成を有する。
の符号を付したものは、同一又は同様の構成を有する。
【0010】
＜システム構成＞
図１は、本実施形態に係る管理システム１の一例を示す図である。管理システム１は、
情報処理装置１０と１以上の設備２０を含む。情報処理装置１０と設備２０は、無線又は
有線の通信ネットワークを介して接続され、相互に通信を行うことが可能であってもよい
。
図１は、本実施形態に係る管理システム１の一例を示す図である。管理システム１は、
情報処理装置１０と１以上の設備２０を含む。情報処理装置１０と設備２０は、無線又は
有線の通信ネットワークを介して接続され、相互に通信を行うことが可能であってもよい
。
【0011】
情報処理装置１０は、設備２０の稼動状態を管理する装置である。設備２０は、稼動す
ることで何らかの能力を発揮する機械設備であり、土地及び建物のように稼動しない設備
は含まれない。設備２０の一例としては、脱炭素社会の実現及びカーボンニュートラルの
実現に資する機器及び装置等が挙げられる。具体的には、太陽光発電設備、ＬＮＧ（Liqu
efied Natural Gas）使用ボイラー、バイオマス燃料製造装置等が挙げられる。太陽光発
電装置は、二酸化炭素を排出せずに発電をすることが可能である。ＬＮＧ使用ボイラーは
、重油等を利用するボイラーと比較して二酸化炭素の排出量を削減することができる。バ
イオマス燃料製造装置は、バイオマス燃料を製造することでバイオマス燃料の利用を促進
することから、カーボンニュートラルの実現に貢献することができる。
ることで何らかの能力を発揮する機械設備であり、土地及び建物のように稼動しない設備
は含まれない。設備２０の一例としては、脱炭素社会の実現及びカーボンニュートラルの
実現に資する機器及び装置等が挙げられる。具体的には、太陽光発電設備、ＬＮＧ（Liqu
efied Natural Gas）使用ボイラー、バイオマス燃料製造装置等が挙げられる。太陽光発
電装置は、二酸化炭素を排出せずに発電をすることが可能である。ＬＮＧ使用ボイラーは
、重油等を利用するボイラーと比較して二酸化炭素の排出量を削減することができる。バ
イオマス燃料製造装置は、バイオマス燃料を製造することでバイオマス燃料の利用を促進
することから、カーボンニュートラルの実現に貢献することができる。
【0012】
なお、本実施形態に係る設備２０は、必ずしも脱炭素社会の実現及びカーボンニュート
ラルの実現に資する機器及び装置に限られない。設備２０は、稼動状態を数値で表すこと
可能な設備であれば、どのような設備２０であってもよい。
ラルの実現に資する機器及び装置に限られない。設備２０は、稼動状態を数値で表すこと
可能な設備であれば、どのような設備２０であってもよい。
【0013】
設備２０の稼動状態とは、設備２０が稼動することで所定の能力を発揮している状態を
意味する。本実施形態では、設備２０の稼動状態を数値で表現する。本実施形態では、設
備２０が発揮している能力を示す値を「稼動状態値」と言う。稼動状態値は、設備２０が
発揮可能な最大の能力を１００％として、パーセントで表現されてもよい。また、パーセ
ントに限定されず、絶対値で表現されてもよい。例えば、太陽光発電設備の場合、稼動状
態値は、発電量（例えばＷ）で表現されてもよいし、最大発電能力に対するある時点の発
電量の割合（例えば３０％など）で表現されてもよい。また、バイオマス燃料製造装置の
場合、稼動状態値は、所定時間における生産量（例えばＸｋｇ／日）で表現されてもよい
し、最大生産能力に対するある時点の生産量の割合（例えば９０％など）で表現されても
よい。
意味する。本実施形態では、設備２０の稼動状態を数値で表現する。本実施形態では、設
備２０が発揮している能力を示す値を「稼動状態値」と言う。稼動状態値は、設備２０が
発揮可能な最大の能力を１００％として、パーセントで表現されてもよい。また、パーセ
ントに限定されず、絶対値で表現されてもよい。例えば、太陽光発電設備の場合、稼動状
態値は、発電量（例えばＷ）で表現されてもよいし、最大発電能力に対するある時点の発
電量の割合（例えば３０％など）で表現されてもよい。また、バイオマス燃料製造装置の
場合、稼動状態値は、所定時間における生産量（例えばＸｋｇ／日）で表現されてもよい
し、最大生産能力に対するある時点の生産量の割合（例えば９０％など）で表現されても
よい。
【0014】
図２は、設備２０の設備稼動データの一例を説明するための図である。設備稼動データ
は、稼動状態値の時系列変化を表すデータである。図２のＡに示すグラフの縦軸は稼動状
態値（図２の例ではパーセント）を表しており、横軸は時間を表している。設備稼動デー
タは、多数のサンプル（１つのサンプルは、稼動状態値とタイムスタンプのペア）から構
成されていてもよい。ｔ４～ｔ５の期間は、設備点検等により意図的に設備２０を停止さ
せていた期間を示す。意図的に設備２０を停止させていた期間を表す情報は、例えば、設
備２０の管理者等により情報処理装置１０に入力されてもよい。
は、稼動状態値の時系列変化を表すデータである。図２のＡに示すグラフの縦軸は稼動状
態値（図２の例ではパーセント）を表しており、横軸は時間を表している。設備稼動デー
タは、多数のサンプル（１つのサンプルは、稼動状態値とタイムスタンプのペア）から構
成されていてもよい。ｔ４～ｔ５の期間は、設備点検等により意図的に設備２０を停止さ
せていた期間を示す。意図的に設備２０を停止させていた期間を表す情報は、例えば、設
備２０の管理者等により情報処理装置１０に入力されてもよい。
【0015】
ここで、異常閾値は、設備２０の稼動状態値が異常であることを判定するための閾値で
ある。本実施形態では、稼動状態値が異常閾値未満である場合、設備２０に異常が生じて
いると判断する。一方、稼動状態値が異常閾値以上である場合、設備２０は正常であると
判断する。異常閾値は、管理者等によって予め定められてもよいし、所定の決定方法によ
り決定されてもよい。異常閾値を決定する方法については後述する。設備稼動データのう
ちｔ１～ｔ３の期間は、稼動状態値が異常閾値未満である。つまり、設備稼動データのう
ちｔ１～ｔ３の期間は、設備２０において何らかの異常が生じていたことを表している。
ある。本実施形態では、稼動状態値が異常閾値未満である場合、設備２０に異常が生じて
いると判断する。一方、稼動状態値が異常閾値以上である場合、設備２０は正常であると
判断する。異常閾値は、管理者等によって予め定められてもよいし、所定の決定方法によ
り決定されてもよい。異常閾値を決定する方法については後述する。設備稼動データのう
ちｔ１～ｔ３の期間は、稼動状態値が異常閾値未満である。つまり、設備稼動データのう
ちｔ１～ｔ３の期間は、設備２０において何らかの異常が生じていたことを表している。
【0016】
図２のＢに示す確率密度関数ｆ（ｘ）は、所定期間（例えば、１か月前から現在まで等
）における稼動状態値のうち、意図的に設備２０を停止させていた期間を除いた期間の稼
動状態値についての確率密度分布を示す。確率密度関数ｆ（ｘ）の形状は、設備２０によ
って異なる。例えば、常時フル稼動しているような設備２０であれば、稼動状態値が常に
１００％に近い値を示すことから、確率密度関数ｆ（ｘ）の形状は図２のＢに示すような
形状になることが想定される。一方、平均すると５０％程度で稼動しているが、時期に応
じて稼動量を上下させるような設備２０である場合、確率密度関数ｆ（ｘ）の形状は正規
分布に近くなることが想定される。確率密度分布は、例えば、設備稼動データに含まれる
サンプルの個数を、稼動状態値ごとにカウントすることでヒストグラムを作成し、作成し
たヒストグラムをグラフ化することで求めるようにしてもよい。
）における稼動状態値のうち、意図的に設備２０を停止させていた期間を除いた期間の稼
動状態値についての確率密度分布を示す。確率密度関数ｆ（ｘ）の形状は、設備２０によ
って異なる。例えば、常時フル稼動しているような設備２０であれば、稼動状態値が常に
１００％に近い値を示すことから、確率密度関数ｆ（ｘ）の形状は図２のＢに示すような
形状になることが想定される。一方、平均すると５０％程度で稼動しているが、時期に応
じて稼動量を上下させるような設備２０である場合、確率密度関数ｆ（ｘ）の形状は正規
分布に近くなることが想定される。確率密度分布は、例えば、設備稼動データに含まれる
サンプルの個数を、稼動状態値ごとにカウントすることでヒストグラムを作成し、作成し
たヒストグラムをグラフ化することで求めるようにしてもよい。
【0017】
また、本実施形態において、稼動状態値が異常閾値未満である場合、異常閾値から稼動
状態値を減算した値を「異常度」と言う。つまり、時刻ｔにおける異常度（ｔ）は、異常
度（ｔ）＝異常閾値－稼動状態値（ｔ）の式で計算することができる。図２のＡに示す異
常度の大きさは、時刻（ｔ２）における異常度を示している。異常度は、設備２０が異常
閾値から稼動状態値を減算した値であることから、値が大きいほど、設備２０に生じた異
常の程度が大きいことを示す。
状態値を減算した値を「異常度」と言う。つまり、時刻ｔにおける異常度（ｔ）は、異常
度（ｔ）＝異常閾値－稼動状態値（ｔ）の式で計算することができる。図２のＡに示す異
常度の大きさは、時刻（ｔ２）における異常度を示している。異常度は、設備２０が異常
閾値から稼動状態値を減算した値であることから、値が大きいほど、設備２０に生じた異
常の程度が大きいことを示す。
【0018】
図３は、異常閾値の決定方法の一例を示す図である。例えば、異常閾値は、稼動状態値
の確率密度関数ｆ（ｘ）に対し、稼動状態値ｘの値を所定値から最大値まで積分すること
で得られる累積確率（つまり、上側確率）が所定確率になるときの当該所定値を、異常閾
値とするようにしてもよい。例えば、図３の例では稼動状態値を所定値から最大値まで積
分することで得られる累積確率が９５％になる場合（つまり、図３のグラフ内部の右部分
の面積が９５％になる場合）の稼動状態値ｘ１を、異常閾値として決定している。なお、
所定確率は９５％に限定されない。例えば、８０％でもよいし、９９％としてもよい。
の確率密度関数ｆ（ｘ）に対し、稼動状態値ｘの値を所定値から最大値まで積分すること
で得られる累積確率（つまり、上側確率）が所定確率になるときの当該所定値を、異常閾
値とするようにしてもよい。例えば、図３の例では稼動状態値を所定値から最大値まで積
分することで得られる累積確率が９５％になる場合（つまり、図３のグラフ内部の右部分
の面積が９５％になる場合）の稼動状態値ｘ１を、異常閾値として決定している。なお、
所定確率は９５％に限定されない。例えば、８０％でもよいし、９９％としてもよい。
【0019】
また、本実施形態では、設備２０の劣化を評価する期間（以下、「評価対象期間」とい
う。）のうち、稼動状態値が異常閾値未満であった期間について異常値を積分した値を「
設備の劣化度合い」と定義する。具体的には、設備の劣化度合いは以下の式（１）により
算出することができる。
式（１）において、ｔs及びｔeは、それぞれ、異常開始時間及び異常終了時間に対応す
る。もし、評価対象期間において、稼動状態値が異常である期間が複数存在する場合、設
備の劣化度合いは、期間ごとに式（１）を用いて求めた値を合計した値になる。式（１）
を用いて設備の劣化度合いを算出することで、異常が発生する頻度が多いほど、及び、異
常度の値が大きいほど（つまり異常時における稼動状態値が小さいほど）、設備２０の劣
化が進んでいることを表現することができる。
う。）のうち、稼動状態値が異常閾値未満であった期間について異常値を積分した値を「
設備の劣化度合い」と定義する。具体的には、設備の劣化度合いは以下の式（１）により
算出することができる。
【数1】
る。もし、評価対象期間において、稼動状態値が異常である期間が複数存在する場合、設
備の劣化度合いは、期間ごとに式（１）を用いて求めた値を合計した値になる。式（１）
を用いて設備の劣化度合いを算出することで、異常が発生する頻度が多いほど、及び、異
常度の値が大きいほど（つまり異常時における稼動状態値が小さいほど）、設備２０の劣
化が進んでいることを表現することができる。
【0020】
例えば、直近１年間における設備２０の劣化を評価したい場合（つまり、評価対象期間
を直近１年間とした場合）、１年前から現在までの期間において、稼動状態値が異常閾値
未満であった期間について異常値を積分することで、直近１年間における「設備の劣化度
合い」を算出することができる。また、２年前から１年前までの期間における設備２０の
劣化を評価したい場合（つまり、評価対象期間を２年前から１年前までとした場合）、２
年前から１年前までの期間において、稼動状態値が異常閾値未満であった期間を異常値で
積分することで、２年前から１年前までの期間における「設備の劣化度合い」を算出する
ことができる。このように、異なる評価対象期間における「設備の劣化度合い」を比較す
ることで、設備２０の劣化がどの程度進んだのかを把握することが可能になる。また、機
械学習技術を用いて、複数の評価対象期間を対象とした「設備の劣化度合い」の変化の傾
向を分析することで、未来における「設備の劣化度合い」を推定することも可能になる。
を直近１年間とした場合）、１年前から現在までの期間において、稼動状態値が異常閾値
未満であった期間について異常値を積分することで、直近１年間における「設備の劣化度
合い」を算出することができる。また、２年前から１年前までの期間における設備２０の
劣化を評価したい場合（つまり、評価対象期間を２年前から１年前までとした場合）、２
年前から１年前までの期間において、稼動状態値が異常閾値未満であった期間を異常値で
積分することで、２年前から１年前までの期間における「設備の劣化度合い」を算出する
ことができる。このように、異なる評価対象期間における「設備の劣化度合い」を比較す
ることで、設備２０の劣化がどの程度進んだのかを把握することが可能になる。また、機
械学習技術を用いて、複数の評価対象期間を対象とした「設備の劣化度合い」の変化の傾
向を分析することで、未来における「設備の劣化度合い」を推定することも可能になる。
【0021】
また、情報処理装置１０は、保険金の算出に関する機能を備えていてもよい。情報処理
装置１０が保険金を算出する保険の一例として、例えば、設備２０が劣化したことを保険
の対象とする保険が考えられる。例えば、情報処理装置１０は、設備の劣化度合いに基づ
いて、被保険者に支払うべき保険金の額を算出するようにしてもよい。通常、損害保険に
は、免責事由として設備２０の劣化等が明記されているから、保険金支払いの対象になっ
ていなかった。しかしながら、本実施形態によれば、設備２０における設備の劣化度合い
を算出できることから、設備２０の劣化を対象とした保険を提供することが可能になる。
装置１０が保険金を算出する保険の一例として、例えば、設備２０が劣化したことを保険
の対象とする保険が考えられる。例えば、情報処理装置１０は、設備の劣化度合いに基づ
いて、被保険者に支払うべき保険金の額を算出するようにしてもよい。通常、損害保険に
は、免責事由として設備２０の劣化等が明記されているから、保険金支払いの対象になっ
ていなかった。しかしながら、本実施形態によれば、設備２０における設備の劣化度合い
を算出できることから、設備２０の劣化を対象とした保険を提供することが可能になる。
【0022】
＜ハードウェア構成＞
図４は、情報処理装置１０のハードウェア構成例を示す図である。情報処理装置１０は
、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphical Processing Unit）等のプロ
セッサ１１、メモリ（例えばＲＡＭ又はＲＯＭ）、ＨＤＤ（Hard Disk Drive）及び／又
はＳＳＤ（Solid State Drive）等の記憶装置１２、有線又は無線通信を行うネットワー
クＩＦ（Network Interface）１３、入力操作を受け付ける入力装置１４、及び情報の出
力を行う出力装置１５を有する。入力装置１４は、例えば、キーボード、タッチパネル、
マウス及び／又はマイク等である。出力装置１５は、例えば、ディスプレイ、タッチパネ
ル及び／又はスピーカ等である。
図４は、情報処理装置１０のハードウェア構成例を示す図である。情報処理装置１０は
、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphical Processing Unit）等のプロ
セッサ１１、メモリ（例えばＲＡＭ又はＲＯＭ）、ＨＤＤ（Hard Disk Drive）及び／又
はＳＳＤ（Solid State Drive）等の記憶装置１２、有線又は無線通信を行うネットワー
クＩＦ（Network Interface）１３、入力操作を受け付ける入力装置１４、及び情報の出
力を行う出力装置１５を有する。入力装置１４は、例えば、キーボード、タッチパネル、
マウス及び／又はマイク等である。出力装置１５は、例えば、ディスプレイ、タッチパネ
ル及び／又はスピーカ等である。
【0023】
情報処理装置１０は、１又は複数の物理的なサーバから構成されていてもよいし、ハイ
パーバイザー（hypervisor）上で動作する仮想的なサーバを用いて構成されていてもよい
し、クラウドサーバを用いて構成されていてもよい。
パーバイザー（hypervisor）上で動作する仮想的なサーバを用いて構成されていてもよい
し、クラウドサーバを用いて構成されていてもよい。
【0024】
＜機能ブロック構成＞
図５は、情報処理装置１０の機能ブロック構成例を示す図である。情報処理装置１０は
、記憶部１００と、取得部１０１と、抽出部１０２と、算出部１０３と、決定部１０４と
、保険金算出部１０５とを含む。記憶部１００は、情報処理装置１０が備える記憶装置１
２を用いて実現することができる。また、取得部１０１と、抽出部１０２と、算出部１０
３と、決定部１０４と、保険金算出部１０５とは、情報処理装置１０のプロセッサ１１が
、記憶装置１２に記憶されたプログラムを実行することにより実現することができる。ま
た、記憶部１００は、記憶装置１２により実現することができる。また、当該プログラム
は、記憶媒体に格納することができる。当該プログラムを格納した記憶媒体は、コンピュ
ータ読み取り可能な非一時的な記憶媒体（Non-transitory computer readable medium）
であってもよい。非一時的な記憶媒体は特に限定されないが、例えば、ＵＳＢ（Universa
l Serial Bus）メモリ又はＣＤ－ＲＯＭ（Compact Disc Read-Only Memory）等の記憶媒
体であってもよい。
図５は、情報処理装置１０の機能ブロック構成例を示す図である。情報処理装置１０は
、記憶部１００と、取得部１０１と、抽出部１０２と、算出部１０３と、決定部１０４と
、保険金算出部１０５とを含む。記憶部１００は、情報処理装置１０が備える記憶装置１
２を用いて実現することができる。また、取得部１０１と、抽出部１０２と、算出部１０
３と、決定部１０４と、保険金算出部１０５とは、情報処理装置１０のプロセッサ１１が
、記憶装置１２に記憶されたプログラムを実行することにより実現することができる。ま
た、記憶部１００は、記憶装置１２により実現することができる。また、当該プログラム
は、記憶媒体に格納することができる。当該プログラムを格納した記憶媒体は、コンピュ
ータ読み取り可能な非一時的な記憶媒体（Non-transitory computer readable medium）
であってもよい。非一時的な記憶媒体は特に限定されないが、例えば、ＵＳＢ（Universa
l Serial Bus）メモリ又はＣＤ－ＲＯＭ（Compact Disc Read-Only Memory）等の記憶媒
体であってもよい。
【0025】
記憶部１００は、設備稼動ＤＢ（Data Base）１００ａを記憶する。設備稼動ＤＢ１０
０ａは、設備２０ごとの設備稼動データを格納するデータベースである。
０ａは、設備２０ごとの設備稼動データを格納するデータベースである。
【0026】
取得部１０１は、設備稼動ＤＢ１００ａから、設備２０における稼動状態値の時系列変
化を示す設備稼動データを取得する。
化を示す設備稼動データを取得する。
【0027】
抽出部１０２は、取得部１０１で取得した設備稼動データから、評価対象期間において
稼動状態値が異常閾値未満である期間（異常発生期間）を抽出する。例えば、抽出部１０
２は、図２のＡに示す設備稼動データから異常発生期間を抽出する場合、異常発生期間と
して、ｔ１～ｔ３の期間を抽出する。
稼動状態値が異常閾値未満である期間（異常発生期間）を抽出する。例えば、抽出部１０
２は、図２のＡに示す設備稼動データから異常発生期間を抽出する場合、異常発生期間と
して、ｔ１～ｔ３の期間を抽出する。
【0028】
算出部１０３は、異常発生期間における異常閾値と稼動状態値との差分値（すなわち異
常度）に基づいて、設備の劣化度合いを算出する。
常度）に基づいて、設備の劣化度合いを算出する。
【0029】
また、算出部１０３は、所定期間における設備稼動データから、稼動状態値の確率密度
分布（確率密度）を生成する。
分布（確率密度）を生成する。
【0030】
決定部１０４は、算出部１０３で算出された確率密度分布に対し、稼動状態値を所定値
から最大値まで積分することで得られる累積確率が所定確率になるときの所定値を、異常
閾値として決定する。また、決定部１０４は、更新後の所定期間における設備稼動データ
を用いて、異常閾値を更新するようにしてもよい。
から最大値まで積分することで得られる累積確率が所定確率になるときの所定値を、異常
閾値として決定する。また、決定部１０４は、更新後の所定期間における設備稼動データ
を用いて、異常閾値を更新するようにしてもよい。
【0031】
保険金算出部１０５は、設備の劣化度合いに基づいて保険金支払額を算出する。
【0032】
【0033】
ステップＳ１００で、取得部１０１は、設備稼動ＤＢ１００ａにアクセスし、所定期間
における設備２０の設備稼動データを取得する。所定期間は、過去から現在までの期間内
で設定されていれば、期間の長さは任意である。所定期間は、設備２０の劣化速度に応じ
て設定されてもよい。例えば、高負荷で稼動するために劣化が激しいような設備２０であ
れば、異常閾値の更新頻度は多いことが好ましい。したがって、所定期間は短い期間（例
えば過去１か月や過去１週間など）に設定されてもよい。一方、それほど劣化しないよう
な設備２０であれば、異常閾値の更新頻度を多くする必要性は低いと考えられる。したが
って、所定期間は長い期間（例えば過去半年や過去１年など）に設定されてもよい。
における設備２０の設備稼動データを取得する。所定期間は、過去から現在までの期間内
で設定されていれば、期間の長さは任意である。所定期間は、設備２０の劣化速度に応じ
て設定されてもよい。例えば、高負荷で稼動するために劣化が激しいような設備２０であ
れば、異常閾値の更新頻度は多いことが好ましい。したがって、所定期間は短い期間（例
えば過去１か月や過去１週間など）に設定されてもよい。一方、それほど劣化しないよう
な設備２０であれば、異常閾値の更新頻度を多くする必要性は低いと考えられる。したが
って、所定期間は長い期間（例えば過去半年や過去１年など）に設定されてもよい。
【0034】
ステップＳ１０１で、算出部１０３は、ステップＳ１００で取得された設備稼動データ
のうち意図的に設備２０を停止させていた期間を除く期間の設備稼動データから、確率密
度分布を生成する。確率密度分布を生成することは、確率密度関数ｆ（ｘ）を求めること
と同義である。確率密度分布は、例えば既存のライブラリ等を利用することで生成するよ
うにしてもよい。また、確率密度分布は、前述した通り、設備稼動データに含まれるサン
プルの個数を、稼動状態値ごとにカウントすることで生成するようにしてもよい。
のうち意図的に設備２０を停止させていた期間を除く期間の設備稼動データから、確率密
度分布を生成する。確率密度分布を生成することは、確率密度関数ｆ（ｘ）を求めること
と同義である。確率密度分布は、例えば既存のライブラリ等を利用することで生成するよ
うにしてもよい。また、確率密度分布は、前述した通り、設備稼動データに含まれるサン
プルの個数を、稼動状態値ごとにカウントすることで生成するようにしてもよい。
【0035】
ステップＳ１０２で、決定部１０４は、ステップＳ１０１で算出された確率密度分布に
対し、上側確率が所定確率になるときの稼動状態値を、異常閾値として決定する。所定確
率は任意であるが、例えば、８０％、９５％、９９％などに設定することが考えられる。
なお、所定確率は、設備２０の種類等に応じて定められていてもよい。
対し、上側確率が所定確率になるときの稼動状態値を、異常閾値として決定する。所定確
率は任意であるが、例えば、８０％、９５％、９９％などに設定することが考えられる。
なお、所定確率は、設備２０の種類等に応じて定められていてもよい。
【0036】
なお、確率密度分布が正規分布で近似可能である場合、決定部１０４は、マハラノビス
距離を用いて異常閾値を決定するようにしてもよい。具体的には、確率密度分布における
マハラノビス距離が所定の負の値（例えば上側確率が９５％になることに対応する－１．
９６）になる位置に対応する稼動状態値を、異常閾値とするようにしてもよい。
距離を用いて異常閾値を決定するようにしてもよい。具体的には、確率密度分布における
マハラノビス距離が所定の負の値（例えば上側確率が９５％になることに対応する－１．
９６）になる位置に対応する稼動状態値を、異常閾値とするようにしてもよい。
【0037】
（異常閾値の更新）
続いて、情報処理装置１０が異常閾値を更新する際の処理手順について説明する。設備
２０は、メンテナンス等により処理能力の改善が図られること、設備更改により新たな装
置に更新されること、及び、処理能力を向上させるために設備増強等が行われることがあ
る。このような場合、過去に算出された確率密度分布に基づく異常閾値を使用すると、設
備２０の異常を正しく判断することが困難になる可能性がある。そこで、情報処理装置１
０は、確率密度分布を更新するとともに、更新後の確率密度分布を用いて異常閾値を更新
する。
続いて、情報処理装置１０が異常閾値を更新する際の処理手順について説明する。設備
２０は、メンテナンス等により処理能力の改善が図られること、設備更改により新たな装
置に更新されること、及び、処理能力を向上させるために設備増強等が行われることがあ
る。このような場合、過去に算出された確率密度分布に基づく異常閾値を使用すると、設
備２０の異常を正しく判断することが困難になる可能性がある。そこで、情報処理装置１
０は、確率密度分布を更新するとともに、更新後の確率密度分布を用いて異常閾値を更新
する。
【0038】
確率密度分布及び異常閾値の更新は、図６に示す処理手順を所定周期で繰り返すことで
行われてもよい。つまり、情報処理装置１０の取得部１０１は、ステップＳ１００の処理
手順で、再度、設備稼動ＤＢ１００ａにアクセスして所定期間における設備２０の設備稼
動データ（つまり更新後の設備稼動データ）を取得するようにしてもよい。また、算出部
１０３は、ステップＳ１０１の処理手順で、更新後の設備稼動データを用いて確率密度分
布を更新するようにしてもよい。また、決定部１０４は、ステップＳ１０２の処理手順で
、更新後の確率密度に基づいて、異常閾値を更新するようにしてもよい。
行われてもよい。つまり、情報処理装置１０の取得部１０１は、ステップＳ１００の処理
手順で、再度、設備稼動ＤＢ１００ａにアクセスして所定期間における設備２０の設備稼
動データ（つまり更新後の設備稼動データ）を取得するようにしてもよい。また、算出部
１０３は、ステップＳ１０１の処理手順で、更新後の設備稼動データを用いて確率密度分
布を更新するようにしてもよい。また、決定部１０４は、ステップＳ１０２の処理手順で
、更新後の確率密度に基づいて、異常閾値を更新するようにしてもよい。
【0039】
例えば、情報処理装置１０は、最初に「１月１日～１月３１日」の設備稼動データを用
いて異常閾値を決定したとする。この場合、情報処理装置１０は、１か月後に、「２月１
日～２月２８日」の設備稼動データを用いて異常閾値を決定する処理を行うことで、異常
閾値を更新するようにしてもよい。以降、情報処理装置１０は、１か月ごとに、直近１か
月の設備稼動データを用いて異常閾値を決定する処理を繰り返すことで、異常閾値の更新
を繰り返すようにしてもよい。これにより、例えば４月に設備更改が行われたとしても、
情報処理装置１０は、６月に、「５月１日～５月３１日」の設備稼動データを用いて異常
閾値を決定することで、異常閾値を、設備更改後の設備２０状態を反映させた値に更新す
ることが可能になる。
いて異常閾値を決定したとする。この場合、情報処理装置１０は、１か月後に、「２月１
日～２月２８日」の設備稼動データを用いて異常閾値を決定する処理を行うことで、異常
閾値を更新するようにしてもよい。以降、情報処理装置１０は、１か月ごとに、直近１か
月の設備稼動データを用いて異常閾値を決定する処理を繰り返すことで、異常閾値の更新
を繰り返すようにしてもよい。これにより、例えば４月に設備更改が行われたとしても、
情報処理装置１０は、６月に、「５月１日～５月３１日」の設備稼動データを用いて異常
閾値を決定することで、異常閾値を、設備更改後の設備２０状態を反映させた値に更新す
ることが可能になる。
【0040】
なお、情報処理装置１０は、ステップＳ１００及びステップＳ１０１の処理手順におい
て、ベイズ更新を利用して、確率密度分布を更新するようにしてもよい。式（２）は、ベ
イズ更新を表す一般的な式である。
て、ベイズ更新を利用して、確率密度分布を更新するようにしてもよい。式（２）は、ベ
イズ更新を表す一般的な式である。
【数2】
【0041】
もし、確率密度分布が正規分布である場合、算出部１０３は、更新後の確率密度分布に
おける平均及び分散を、それぞれ、以下の式（３）及び式（４）で算出するようにしても
よい。
なお、平均η及び分散τ2は、それぞれ、更新前の確率密度分布の平均及び分散である
。また、サンプル数ｎは、ステップＳ１００の処理手順で得られた更新後の設備稼動デー
タに含まれるサンプル数である。平均ｍ及び分散σ2は、それぞれ、更新後の設備稼動デ
ータに含まれる各サンプルの稼動状態値の平均及び分散である。ベイズ更新を用いた場合
、更新前の確率密度分布及び更新後の確率密度分布の両方が考慮された確率密度分布を生
成することができる。
おける平均及び分散を、それぞれ、以下の式（３）及び式（４）で算出するようにしても
よい。
【数3】
【数4】
。また、サンプル数ｎは、ステップＳ１００の処理手順で得られた更新後の設備稼動デー
タに含まれるサンプル数である。平均ｍ及び分散σ2は、それぞれ、更新後の設備稼動デ
ータに含まれる各サンプルの稼動状態値の平均及び分散である。ベイズ更新を用いた場合
、更新前の確率密度分布及び更新後の確率密度分布の両方が考慮された確率密度分布を生
成することができる。
【0042】
【0043】
ステップＳ２００で、算出部１０３は、評価対象期間において、稼動状態値が異常閾値
未満である期間（異常発生期間）が存在するか否かを判定する。異常発生期間が存在しな
い場合は処理を終了し、存在する場合はステップＳ２０１の処理手順に進む。
未満である期間（異常発生期間）が存在するか否かを判定する。異常発生期間が存在しな
い場合は処理を終了し、存在する場合はステップＳ２０１の処理手順に進む。
【0044】
ステップＳ２０１で、算出部１０３は、異常発生期間における異常度に基づいて、設備
の劣化度合いを算出する。より具体的には、算出部１０３は、異常発生期間における異常
度の時系列変化を、異常発生期間で積分することで得られる値を、設備の劣化度合いとし
て算出する。
の劣化度合いを算出する。より具体的には、算出部１０３は、異常発生期間における異常
度の時系列変化を、異常発生期間で積分することで得られる値を、設備の劣化度合いとし
て算出する。
【0045】
例えば、評価対象期間が「１月１日～１月３１日」であるとする。また、１月５日１０
時～１１時の間、及び、１月２０日８時～１０時までの間、稼動状態値が異常閾値未満で
あったとする。この場合、算出部１０３は、１月５日１０時～１１時について異常度（ｔ
）を積分した値、及び、１月２０日８時～１０時について異常度（ｔ）を積分した値を合
算した値を、設備の劣化度合いとする。
時～１１時の間、及び、１月２０日８時～１０時までの間、稼動状態値が異常閾値未満で
あったとする。この場合、算出部１０３は、１月５日１０時～１１時について異常度（ｔ
）を積分した値、及び、１月２０日８時～１０時について異常度（ｔ）を積分した値を合
算した値を、設備の劣化度合いとする。
【0046】
＜保険金の算出＞
保険金算出部１０５は、設備の劣化度合いに基づいて保険金支払額を算出する。例えば
、保険金算出部１０５は、以下の式（５）に基づいて、設備２０の劣化を補償する保険に
ついての保険金支払額を算出するようにしてもよい。
保険金支払額＝設備の劣化度合い×係数 ・・・（５）
係数は、例えば、設備２０の種類、機種、導入年月日等に基づいて予め決定された値で
あってもよい。
保険金算出部１０５は、設備の劣化度合いに基づいて保険金支払額を算出する。例えば
、保険金算出部１０５は、以下の式（５）に基づいて、設備２０の劣化を補償する保険に
ついての保険金支払額を算出するようにしてもよい。
保険金支払額＝設備の劣化度合い×係数 ・・・（５）
係数は、例えば、設備２０の種類、機種、導入年月日等に基づいて予め決定された値で
あってもよい。
【0047】
また、保険金算出部１０５は、以下の式（６）に基づいて、設備２０の故障を補償する
保険についての保険金支払額を算出するようにしてもよい。また、式（６）に代入する「
設備のメーカ公表性能」の値及び「設備の劣化度合い」の値は、正規化された値としても
よい。式（６）を用いることで、保険金支払額は、設備２０が劣化するほど減ることにな
る。
保険金支払額＝（「設備のメーカ公表性能」－「設備の劣化度合い」）×係数 ・・・
（６）
保険についての保険金支払額を算出するようにしてもよい。また、式（６）に代入する「
設備のメーカ公表性能」の値及び「設備の劣化度合い」の値は、正規化された値としても
よい。式（６）を用いることで、保険金支払額は、設備２０が劣化するほど減ることにな
る。
保険金支払額＝（「設備のメーカ公表性能」－「設備の劣化度合い」）×係数 ・・・
（６）
【0048】
＜まとめ＞
以上説明した実施形態によれば、情報処理装置１０は、評価対象期間における稼動状態
値のうち、異常閾値未満の稼動状態値を積分した値を、設備の劣化度合いとして定義する
ようにした。これにより、徐々に進んでいく設備２０の劣化度合いを定量的に把握するこ
とが可能になる。
以上説明した実施形態によれば、情報処理装置１０は、評価対象期間における稼動状態
値のうち、異常閾値未満の稼動状態値を積分した値を、設備の劣化度合いとして定義する
ようにした。これにより、徐々に進んでいく設備２０の劣化度合いを定量的に把握するこ
とが可能になる。
【0049】
また、情報処理装置１０は、異常閾値を用いて、設備２０の稼動状態が異常であるか否
かを識別するようにした。通常、設備２０が稼動している間、稼動状態値は一定にはなら
ず、ある程度の変動（ブレ）が生じることが一般的である。本実施形態では、設備２０の
稼動状態が異常閾値未満にならない限り、設備２０は正常に動作していると判断するよう
にしたことで、設備２０が正常動作している場合における稼動状態のブレを、誤って異常
と判断してしまうことを排除することが可能になる。
かを識別するようにした。通常、設備２０が稼動している間、稼動状態値は一定にはなら
ず、ある程度の変動（ブレ）が生じることが一般的である。本実施形態では、設備２０の
稼動状態が異常閾値未満にならない限り、設備２０は正常に動作していると判断するよう
にしたことで、設備２０が正常動作している場合における稼動状態のブレを、誤って異常
と判断してしまうことを排除することが可能になる。
【0050】
また、情報処理装置１０は、新たに収集された最新の設備稼動データを用いて、設備２
０の稼動状態値の確率密度分布を更新し、更新した確率密度分布に基づいて異常閾値を更
新するようにした。設備２０は、メンテナンス等により処理能力の改善が図られたり、設
備更改により新たな装置に更新されたり、及び、処理能力を向上させるために設備増強等
が行われたりすることがある。このような場合であっても、異常閾値をより適正な値に更
新することが可能になる。
０の稼動状態値の確率密度分布を更新し、更新した確率密度分布に基づいて異常閾値を更
新するようにした。設備２０は、メンテナンス等により処理能力の改善が図られたり、設
備更改により新たな装置に更新されたり、及び、処理能力を向上させるために設備増強等
が行われたりすることがある。このような場合であっても、異常閾値をより適正な値に更
新することが可能になる。
【0051】
従来の保険商品は、設備故障や事故の有無を確認した上で、保険金の支払い可否及び保
険金支払額を決定していたことから、保険金の支払いに時間を要していた。一方、本発明
の実施形態としての一例として保険を考えた場合、設備の劣化度合いに応じた異常な劣化
に対して保険金支払額を決定することが可能になる。そのため、従来よりも設備故障や事
故の有無を確認する必要性が低下し、保険金支払額の決定を迅速に行うことが可能になる
。
険金支払額を決定していたことから、保険金の支払いに時間を要していた。一方、本発明
の実施形態としての一例として保険を考えた場合、設備の劣化度合いに応じた異常な劣化
に対して保険金支払額を決定することが可能になる。そのため、従来よりも設備故障や事
故の有無を確認する必要性が低下し、保険金支払額の決定を迅速に行うことが可能になる
。
【0052】
以上説明した実施形態は、本発明の理解を容易にするためのものであり、本発明を限定
して解釈するためのものではない。実施形態で説明したフローチャート、シーケンス、実
施形態が備える各要素並びにその配置、材料、条件、形状及びサイズ等は、例示したもの
に限定されるわけではなく適宜変更することができる。また、異なる実施形態で示した構
成同士を部分的に置換し又は組み合わせることが可能である。
して解釈するためのものではない。実施形態で説明したフローチャート、シーケンス、実
施形態が備える各要素並びにその配置、材料、条件、形状及びサイズ等は、例示したもの
に限定されるわけではなく適宜変更することができる。また、異なる実施形態で示した構
成同士を部分的に置換し又は組み合わせることが可能である。
【符号の説明】
【0053】
１ 管理システム、１０ 情報処理装置、１１ プロセッサ、１２ 記憶装置、１３
ネットワークＩＦ（Network Interface）、１４ 入力装置、１５ 出力装置、２０ 設
備、１０１ 取得部、１０２ 抽出部、１０３ 算出部、１０４ 決定部、１０５ 保険
金算出部
ネットワークＩＦ（Network Interface）、１４ 入力装置、１５ 出力装置、２０ 設
備、１０１ 取得部、１０２ 抽出部、１０３ 算出部、１０４ 決定部、１０５ 保険
金算出部
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】