2024-161797 作業機械の管理システム

(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】P2024161797

(43)【公開日】2024-11-20

(54)【発明の名称】作業機械の管理システム

(51)【国際特許分類】

   E02F 9/20 20060101AFI20241113BHJP

   E02F 9/26 20060101ALI20241113BHJP

   F01M 11/10 20060101ALN20241113BHJP

【ＦＩ】

E02F9/20 M

E02F9/26 A

F01M11/10 B

【審査請求】未請求

【請求項の数】7

【出願形態】ＯＬ

(21)【出願番号】P 2023076826

(22)【出願日】2023-05-08

(71)【出願人】

【識別番号】000002107

【氏名又は名称】住友重機械工業株式会社

(74)【代理人】

【識別番号】100107766

【弁理士】

【氏名又は名称】伊東 忠重

(74)【代理人】

【識別番号】100070150

【弁理士】

【氏名又は名称】伊東 忠彦

(72)【発明者】

【氏名】生沼 大暉

(72)【発明者】

【氏名】平田 木乃美

【テーマコード（参考）】

2D003

2D015

3G015

【Ｆターム（参考）】

2D003BA02

2D003BB13

2D003CA02

2D003DA02

2D003DA04

2D003DB02

2D003DB03

2D003DB06

2D003DB07

2D003DC07

2D003FA02

2D015HA03

2D015HB02

2D015HB06

2D015HB07

3G015EA29

3G015FC07

(57)【要約】

【課題】オイルの状態を高い精度で推定することを目的とする。
【解決手段】作業機械と、前記作業機械の管理装置とを含む管理システムであって、前記管理装置は、前記作業機械の稼働情報と、前記作業機械の作動油の状態との関係を学習したモデルと、前記作業機械から前記稼働情報を取得する稼働情報取得部と、前記稼働情報取得部が取得した稼働情報を前記モデルに入力し、前記作動油の状態を推定した推定結果情報を取得する状態推定部と、を有する。
【選択図】図１

【特許請求の範囲】

【請求項1】

作業機械と、前記作業機械の管理装置とを含む管理システムであって、
前記管理装置は、
前記作業機械の稼働情報と、前記作業機械の作動油の状態との関係を学習したモデルと、
前記作業機械から前記稼働情報を取得する稼働情報取得部と、
前記稼働情報取得部が取得した稼働情報を前記モデルに入力し、前記作動油の状態を推定した推定結果情報を取得する状態推定部と、を有する、作業機械の管理システム。

【請求項2】

前記管理装置は、
前記作業機械から採取された作動油の分析結果を示す分析結果情報と、前記分析結果情報と対応する稼働情報と、を対応付けたデータセットを学習データとして、前記モデルを生成する学習部を有する、請求項１記載の作業機械の管理システム。

【請求項3】

前記推定結果情報は、前記モデルに入力された前記稼働情報と、前記モデルから出力された前記作動油の状態を示す予測値とを含む、請求項２記載の作業機械の管理システム。

【請求項4】

前記管理装置は、
前記データセットが格納された記憶部と、
学習データを抽出する範囲を特定する学習データ抽出部とを有し、
前記学習データ抽出部は、さらに、前記記憶部から、前記範囲が示す期間に取得されたデータセットを抽出し、学習データとする、請求項３記載の作業機械の管理システム。

【請求項5】

前記管理装置は、
前記データセットが格納された記憶部と、
学習データを抽出する範囲を特定する学習データ抽出部とを有し、
前記学習データ抽出部は、さらに、前記記憶部から、前記範囲が示す情報量となるようにデータセットを抽出し、学習データとする、請求項３記載の作業機械の管理システム。

【請求項6】

前記状態推定部は、
前記稼働情報取得部が取得した前記稼働情報が示す前記作業機械の運転状態が所定の状態である場合に、前記稼働情報を前記モデルに入力する、請求項１記載の作業機械の管理システム。

【請求項7】

前記管理装置は、
前記作動油の状態を示す予測値に基づき前記作動油の交換の要否を判定し、判定結果を出力する出力部を有する、請求項３記載の作業機械の管理システム。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、作業機械の管理システムに関する。

【背景技術】

【0002】

従来では、温度、動粘度、密度、誘電率等のオイルの性状値をセンサにより検出し、検出したオイルの性状値に基づいて、オイルの劣化状態を推定する作業機械が知られている。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特許第７００９４０８号

【発明の概要】

【発明が解決しようとする課題】

【0004】

作業機械の定期メンテナンスでは、サービスマンが作業機械からオイルのサンプルを採取し、採取したサンプルを分析機関等で分析することで、オイルの劣化状態が把握される。これに対し、上述した従来の技術では、センサによる検出結果のみでオイルの劣化状態を推定するため、精度が不十分であった。

【0005】

本開示は、オイルの状態を高い精度で推定することを目的とする。

【課題を解決するための手段】

【0006】

本発明の実施形態に係る作業機械の管理システムは、作業機械と、前記作業機械の管理装置とを含む管理システムであって、前記管理装置は、前記作業機械の稼働情報と、前記作業機械の作動油の状態との関係を学習したモデルと、前記作業機械から前記稼働情報を取得する稼働情報取得部と、前記稼働情報取得部が取得した稼働情報を前記モデルに入力し、前記作動油の状態を推定した推定結果情報を取得する状態推定部と、を有する、作業機械の管理システムである。

【発明の効果】

【0007】

オイルの状態を高い精度で推定できる。

【図面の簡単な説明】

【0008】

【図1】作業機械の管理システムのシステム構成の一例を示す図である。

【図2】作業機械の管理システムの有する各装置のハードウェア構成を説明する図である。

【図3】管理装置の機能を説明する図である。

【図4】管理装置の処理を説明する第一のフローチャートである。

【図5】管理装置の処理を説明する第二のフローチャートである。

【図6】学習データの抽出について説明する図である。

【図7】推定結果情報の一例を示す図である。

【図8】ショベルの表示装置の表示例を示す図である。

【図9】オイルの状態の推定結果の表示例を示す図である。

【発明を実施するための形態】

【0009】

以下に、図面を参照して、本実施形態の作業機械の管理システムについて説明する。図１は、作業機械の管理システムのシステム構成の一例を示す図である。本実施形態では、ショベル１００を作業機械の一例として説明する。

【0010】

本実施形態のショベルの管理システムＳＹＳは、ショベル１００と、管理装置２００とを含む。以下の説明では、ショベル１００の管理システムＳＹＳを、単に管理システムＳＹＳと表現する。

【0011】

本実施形態の管理システムＳＹＳにおいて、ショベル１００と、管理装置２００とは、ネットワーク等を介して接続される。

【0012】

はじめに、本実施形態のショベル１００の構成について説明する。図１では、ショベル１００の側面図を示す。

【0013】

ショベル１００は、下部走行体１、旋回機構２、上部旋回体３を有する。ショベル１００において、下部走行体１には旋回機構２を介して上部旋回体３が旋回可能に搭載されている。上部旋回体３にはブーム４が取り付けられている。ブーム４の先端にはアーム５が取り付けられ、アーム５の先端にはエンドアタッチメントとしてのバケット６が取り付けられている。

【0014】

ブーム４、アーム５、バケット６は、アタッチメントの一例としての掘削アタッチメントを構成している。そして、ブーム４は、ブームシリンダ７により駆動され、アーム５は、アームシリンダ８により駆動され、バケット６は、バケットシリンダ９により駆動される。ブーム４にはブーム角度センサＳ１が取り付けられ、アーム５にはアーム角度センサＳ２が取り付けられ、バケット６にはバケット角度センサＳ３が取り付けられている。

【0015】

ブーム角度センサＳ１はブーム４の回動角度を検出するように構成されている。本実施形態では、ブーム角度センサＳ１は加速度センサであり、上部旋回体３に対するブーム４の回動角度（以下、「ブーム角度」とする。）を検出できる。ブーム角度は、例えば、ブーム４を最も下げたときに最小角度となり、ブーム４を上げるにつれて大きくなる。

【0016】

アーム角度センサＳ２はアーム５の回動角度を検出するように構成されている。本実施形態では、アーム角度センサＳ２は加速度センサであり、ブーム４に対するアーム５の回動角度（以下、「アーム角度」とする。）を検出できる。アーム角度は、例えば、アーム５を最も閉じたときに最小角度となり、アーム５を開くにつれて大きくなる。

【0017】

バケット角度センサＳ３はバケット６の回動角度を検出するように構成されている。本実施形態では、バケット角度センサＳ３は加速度センサであり、アーム５に対するバケット６の回動角度（以下、「バケット角度」とする。）を検出できる。バケット角度は、例えば、バケット６を最も閉じたときに最小角度となり、バケット６を開くにつれて大きくなる。

【0018】

ブーム角度センサＳ１、アーム角度センサＳ２、及び、バケット角度センサＳ３はそれぞれ、可変抵抗器を利用したポテンショメータ、対応する油圧シリンダのストローク量を検出するストロークセンサ、連結ピン回りの回動角度を検出するロータリエンコーダ、ジャイロセンサ、又は、加速度センサとジャイロセンサの組み合わせ等であってもよい。

【0019】

ブームシリンダ７にはブームロッド圧センサＳ７Ｒ及びブームボトム圧センサＳ７Ｂが取り付けられている。アームシリンダ８にはアームロッド圧センサＳ８Ｒ及びアームボトム圧センサＳ８Ｂが取り付けられている。

【0020】

バケットシリンダ９にはバケットロッド圧センサＳ９Ｒ及びバケットボトム圧センサＳ９Ｂが取り付けられている。ブームロッド圧センサＳ７Ｒ、ブームボトム圧センサＳ７Ｂ、アームロッド圧センサＳ８Ｒ、アームボトム圧センサＳ８Ｂ、バケットロッド圧センサＳ９Ｒ及びバケットボトム圧センサＳ９Ｂは、集合的に「シリンダ圧センサ」とも称される。

【0021】

ブームロッド圧センサＳ７Ｒはブームシリンダ７のロッド側油室の圧力（以下、「ブームロッド圧」とする。）を検出し、ブームボトム圧センサＳ７Ｂはブームシリンダ７のボトム側油室の圧力（以下、「ブームボトム圧」とする。）を検出する。アームロッド圧センサＳ８Ｒはアームシリンダ８のロッド側油室の圧力（以下、「アームロッド圧」とする。）を検出し、アームボトム圧センサＳ８Ｂはアームシリンダ８のボトム側油室の圧力（以下、「アームボトム圧」とする。）を検出する。

【0022】

バケットロッド圧センサＳ９Ｒはバケットシリンダ９のロッド側油室の圧力（以下、「バケットロッド圧」とする。）を検出し、バケットボトム圧センサＳ９Ｂはバケットシリンダ９のボトム側油室の圧力（以下、「バケットボトム圧」とする。）を検出する。

【0023】

上部旋回体３には運転室であるキャビン１０が設けられ且つエンジン１１等の動力源が搭載されている。また、エンジン１１の排出機構の近傍には、ＣＯ_２排出量を検出するためのセンサが設けられていてもよい。また、上部旋回体３には、ショベル１００のエンジン系、油圧機器系の基幹部品の潤滑や動力伝達媒体として用いられているオイル（作動油）が収納される作動油タンク４９が設けられている。

【0024】

さらに、上部旋回体３には、コントローラ３０、表示装置４０、入力装置４２、音声出力装置４３、記憶装置４７、測位装置Ｐ１、機体傾斜センサＳ４、旋回角速度センサＳ５、撮像装置Ｓ６及び通信端末Ｔが取り付けられている。

【0025】

上部旋回体３には、電力を供給する蓄電部、及び、エンジン１１の回転駆動力を用いて発電する電動発電機等が搭載されていてもよい。蓄電部は、例えば、キャパシタ、又は、リチウムイオン電池等である。電動発電機は、電動機として機能して機械負荷を駆動してもよく、発電機として機能して電気負荷に電力を供給してもよい。

【0026】

コントローラ３０は、ショベル１００の駆動制御を行う主制御部として機能する。本実施形態では、コントローラ３０は、ＣＰＵ（Central Processing Unit）、ＲＡＭ（Random Access Memory）及びＲＯＭ（Read Only Memory）等を含むコンピュータで構成されている。コントローラ３０の各種機能は、例えば、ＲＯＭに格納されたプログラムをＣＰＵが実行することで実現される。各種機能は、例えば、オペレータによるショベル１００の手動操作をガイド（案内）するマシンガイダンス機能、及び、オペレータによるショベル１００の手動操作を自動的に支援するマシンコントロール機能の少なくとも１つを含んでいてもよい。

【0027】

表示装置４０は、各種情報を表示するように構成されている。表示装置４０は、ＣＡＮ等の通信ネットワークを介してコントローラ３０に接続されていてもよく、専用線を介してコントローラ３０に接続されていてもよい。

【0028】

入力装置４２は、オペレータが各種情報をコントローラ３０に入力できるように構成されている。入力装置４２は、キャビン１０内に設置されたタッチパネル、ノブスイッチ及びメンブレンスイッチ等の少なくとも１つを含む。

【0029】

音声出力装置４３は、音声を出力するように構成されている。音声出力装置４３は、例えば、コントローラ３０に接続される車載スピーカであってもよく、ブザー等の警報器であってもよい。本実施形態では、音声出力装置４３は、コントローラ３０からの音声出力指令に応じて各種情報を音声出力するように構成されている。

【0030】

記憶装置４７は、各種情報を記憶するように構成されている。記憶装置４７は、例えば、半導体メモリ等の不揮発性記憶媒体である。記憶装置４７は、ショベル１００の動作中に各種機器が出力する情報を記憶してもよく、ショベル１００の動作が開始される前に各種機器を介して取得する情報を記憶してもよい。

【0031】

また、記憶装置４７は、ショベル１００の稼働情報を記憶してもよい。ショベル１００の稼働情報とは、ショベル１００の有する各種のセンサによって検出される値を含む。具体的には、稼働情報は、ショベル１００のパイロット圧、エンジン回転数、エンジン負荷率等を含んでよい。また、稼働情報は、自機の現在位置を示す位置情報、自機の向きを示す向き情報、自機の姿勢を示す姿勢情報、作業内容を示す作業内容情報、負荷率を記す負荷率情報、稼働時間の累積時間を示す累積時間情報、燃料噴射量を含む燃料情報、ＣＯ_２排出量、作業量、運転状態等を含んでもよい。稼働情報は、通信端末Ｔによって定期的に管理装置２００に送信されてもよい。

【0032】

測位装置Ｐ１は、上部旋回体３の位置を測定するように構成されている。測位装置Ｐ１は、上部旋回体３の向きを測定できるように構成されていてもよい。本実施形態では、測位装置Ｐ１は、例えばＧＮＳＳコンパスであり、上部旋回体３の位置及び向きを検出し、検出値をコントローラ３０に対して出力する。そのため、測位装置Ｐ１は、上部旋回体３の向きを検出する向き検出装置としても機能し得る。向き検出装置は、上部旋回体３に取り付けられた方位センサであってもよい。

【0033】

機体傾斜センサＳ４は上部旋回体３の傾斜を検出するように構成されている。本実施形態では、機体傾斜センサＳ４は仮想水平面に対する上部旋回体３の前後軸回りの前後傾斜角及び左右軸回りの左右傾斜角を検出する加速度センサである。上部旋回体３の前後軸及び左右軸は、例えば、ショベル１００の旋回軸上の一点であるショベル中心点で互いに直交する。

【0034】

旋回角速度センサＳ５は、上部旋回体３の旋回角速度を検出するように構成されている。旋回角速度センサＳ５は、上部旋回体３の旋回角度を検出或いは算出するように構成されていてもよい。本実施形態では、旋回角速度センサＳ５は、ジャイロセンサである。旋回角速度センサＳ５は、レゾルバ、ロータリエンコーダ等であってもよい。

【0035】

撮像装置Ｓ６は、空間認識装置の一例であり、ショベル１００の周辺の画像を取得するように構成されている。本実施形態では、撮像装置Ｓ６は、ショベル１００の前方の空間を撮像する前カメラＳ６Ｆ、ショベル１００の左方の空間を撮像する左カメラＳ６Ｌ、ショベル１００の右方の空間を撮像する右カメラＳ６Ｒ、及び、ショベル１００の後方の空間を撮像する後カメラＳ６Ｂを含む。

【0036】

撮像装置Ｓ６は、例えば、ＣＣＤ又はＣＭＯＳ等の撮像素子を有する単眼カメラであり、撮像した画像を表示装置４０に出力する。撮像装置Ｓ６は、ステレオカメラ、距離画像カメラ等であってもよい。また、撮像装置Ｓ６は、３次元距離画像センサ、超音波センサ、ミリ波レーダ、ＬＩＤＡＲ又は赤外線センサ等の他の空間認識装置で置き換えられてもよく、他の空間認識装置とカメラとの組み合わせで置き換えられてもよい。

【0037】

前カメラＳ６Ｆは、例えば、キャビン１０の天井、すなわちキャビン１０の内部に取り付けられている。但し、前カメラＳ６Ｆは、キャビン１０の屋根、ブーム４の側面等、キャビン１０の外部に取り付けられていてもよい。左カメラＳ６Ｌは、上部旋回体３の上面左端に取り付けられ、右カメラＳ６Ｒは、上部旋回体３の上面右端に取り付けられ、後カメラＳ６Ｂは、上部旋回体３の上面後端に取り付けられている。

【0038】

通信端末Ｔは、ショベル１００の外部にある外部機器との通信を制御するように構成されている。本実施形態では、通信端末Ｔは、衛星通信網、携帯電話通信網又はインターネット網等を介した外部機器との通信を制御する。外部機器は、例えば、外部施設に設置されたサーバ等の管理装置２００である。

【0039】

本実施形態の管理装置２００は、ショベル１００から送信される稼働情報と、ショベル１００の定期的なメンテナンスの際に採取されたオイルの分析結果とを用いてオイルの状態を推定する。また、本実施形態の管理装置２００は、オイルの状態の推定結果に応じて、オイルの交換の要否を判定する。

【0040】

以下に、本実施形態の管理装置２００によるオイルの状態の推定の処理の概略を説明する。

【0041】

ショベル１００では、定期的にメンテナンスが行われる。このメンテナンスでは、サービスマン等により、作動油タンク４９からオイルが採取され、採取されたオイルの分析が行われる。オイルの分析は、分析機関等によって行われる。

【0042】

本実施形態の管理装置２００は、分析機関等から、オイルの分析結果を示す分析結果情報を取得する。そして、管理装置２００は、オイルの分析結果情報と、ショベル１００から取得した稼働情報との関係を機械学習により学習し、オイルの状態を推定する推定モデルを生成する。

【0043】

また、本実施形態の管理装置２００は、推定モデルを生成すると、任意のタイミングで稼働情報を推定モデルに入力し、ショベル１００が稼働情報を取得した時点におけるオイルの状態を推定した推定結果情報を得る。

【0044】

さらに、本実施形態の管理装置２００は、推定結果情報から、オイルの交換の要否を判定し、交換が必要と判定された場合には、ショベル１００の管理者等に対してその旨を通知する。ショベル１００の管理者とは、例えば、ショベル１００のメンテナンスを行うサービスマンであってもよいし、ショベル１００を利用して作業を行う利用者であってもよい。

【0045】

本実施形態では、このように、ショベル１００から採取したオイルの分析結果情報を用いて推定モデルを生成し、推定モデルを用いてオイルの状態を推定するため、推定の精度を向上させることができる。

【0046】

ここで、オイルの分析結果情報について説明する。本実施形態のオイルの分析結果情報は、オイルがショベル１００から採取された日時を示す情報と、採取時におけるオイルの状態を示す情報とを含む。以下の説明では、オイルがショベル１００から採取された日時を示す情報を、採取日時情報と表現する場合がある。また、オイルの状態を示す情報は、オイルの性状の値を含んでよい。

【0047】

オイルの状態を示す情報は、例えば、酸価、動粘度、オイルに含まれる金属元素別の重量等を含んでよい。酸価、動粘度は、オイルの劣化に伴い増加するものであり、オイルの劣化状況を示す。金属元素別の重量は、ショベル１００の機械の摩耗の状況を示す。

【0048】

なお、オイルの状態を示す情報は、上述した項目以外の項目が含まれてよい。オイルの状態を示す情報に含まれる項目は、採取したオイルの分析を行う分析機関に応じて異なってよい。

【0049】

また、図１の例では、管理装置２００は１台の情報処理装置により実現されるものとしたが、これに限定されない。管理装置２００は、複数の情報処理装置により実現されてもよい。言い換えれば、管理装置２００により実現される機能は、複数の情報処理装置により実現されてもよい。

【0050】

次に図２を参照し、管理システムＳＹＳが有する各装置のハードウェア構成について説明する。図２は、作業機械の管理システムの有する各装置のハードウェア構成を説明する図である。

【0051】

はじめに、ショベル１００のハードウェア構成について説明する。キャビン１０内には、コントローラ３０、表示装置４０、通信端末Ｔ等が設置されている。

【0052】

エンジン１１は、エンジン負荷の増減にかかわらずエンジン回転数を一定に維持するアイソクロナス制御を採用したディーゼルエンジンである。エンジン１１に関する燃料噴射量及び燃料噴射タイミング等は、エンジン制御ユニット５０により制御される。

【0053】

エンジン１１の回転軸は、油圧ポンプとしてのメインポンプ１４及びパイロットポンプ１５のそれぞれの回転軸に接続されている。

【0054】

レギュレータ１３は、メインポンプ１４の押し退け容積を制御できるように構成されている。本実施形態では、レギュレータ１３は、コントローラ３０からの制御指令に応じてメインポンプ１４の斜板傾転角を調節することによってメインポンプ１４の押し退け容積を制御する。例えば、コントローラ３０は、吐出圧センサ２８等の出力に応じてレギュレータ１３に対して制御指令を出力することで、メインポンプ１４の押し退け容積を変化させる。レギュレータ１３は、斜板傾転角を表すデータをコントローラ３０に送信できるように構成されている。

【0055】

メインポンプ１４は、作動油ラインを介して作動油をコントロールバルブ１７に供給できるように構成されている。本実施形態では、メインポンプ１４は、斜板式可変容量型油圧ポンプである。

【0056】

油温センサ１４ｃは、作動油タンク４９とメインポンプ１４との間の作動油ラインを流れる作動油の温度を検出できるように構成されている。そして、油温センサ１４ｃは、検出したデータをコントローラ３０に送信できるように構成されている。

【0057】

パイロットポンプ１５は、パイロットラインを介して操作装置等の各種油圧制御機器に作動油を供給できるように構成されている。本実施形態では、パイロットポンプ１５は、固定容量型油圧ポンプである。但し、パイロットポンプ１５は、省略されてもよい。この場合、パイロットポンプ１５が担っていた機能は、メインポンプ１４によって実現されてもよい。この場合、メインポンプ１４は、コントロールバルブ１７に作動油を供給する機能とは別に、絞り等により作動油の圧力を低下させた後で操作装置等に作動油を供給する機能を備えていてもよい。

【0058】

コントロールバルブ１７は、ショベル１００の油圧系の制御を行う油圧制御装置である。コントロールバルブ１７は、右側走行用油圧モータ、左側走行用油圧モータ、ブームシリンダ７、アームシリンダ８、バケットシリンダ９及び旋回用油圧モータ等の油圧アクチュエータに接続されている。

【0059】

コントローラ３０は、ショベル１００を制御する制御装置である。本実施形態では、コントローラ３０は、ＣＰＵ、揮発性記憶装置及び不揮発性記憶装置等を含むマイクロコンピュータで構成されている。そして、コントローラ３０の各種機能は、ＣＰＵが不揮発性記憶装置に格納されたプログラムを実行することで実現される。

【0060】

表示装置４０は、右側ピラーと運転席との間に取り付けられ、且つ、運転席に着座した操作者が画面を視認できるように配置されている。そして、表示装置４０は、コントローラ３０からの指令に応じて各種情報を表示できるように構成されている。本実施形態では、表示装置４０は、コントローラ３０に接続される液晶ディスプレイである。

【0061】

画像表示部４１は、画像が表示される。スイッチパネル４５は、各種ハードウェアスイッチを含むパネルである。スイッチパネル４５は、画像表示部４１の上に配置されるタッチパネルであってもよい。

【0062】

本実施形態では、表示装置４０は、蓄電池７０から電力の供給を受けて動作するように構成されている。蓄電池７０は、エンジン１１のオルタネータ１１ａ（発電機）で発電した電力で充電される。蓄電池７０の電力は、コントローラ３０、通信端末Ｔ等にも供給される。例えば、エンジン１１のスタータ１１ｂは、蓄電池７０からの電力で駆動され、エンジン１１を始動するように構成されている。

【0063】

通信端末Ｔは、ショベル１００と外部機器との間の通信を制御できるように構成されている。本実施形態では、通信端末Ｔは、衛星通信回線、携帯電話通信回線及び近距離無線通信回線等の少なくとも１つを通じたショベル１００と管理装置２００の少なくとも１つとの間の無線通信を制御する。

【0064】

エンジン制御ユニット５０は、エンジン１１を制御できるように構成されている。また、エンジン制御ユニット５０は、冷却水温等、エンジン１１の状態を表すデータをコントローラ３０に送信できるように構成されている。

【0065】

エンジン回転数調整ダイヤル７５は、エンジン１１の回転数を調整するためのダイヤルである。エンジン回転数調整ダイヤル７５は、エンジン回転数の設定状態を示すデータをコントローラ３０に送信する。エンジン回転数調整ダイヤル７５は、ＳＰモード、Ｈモード、Ａモード及びアイドリング状態の４段階でエンジン回転数を切り換えできるように構成されている。ＳＰモードは、作業量を優先したい場合に選択される回転数モードであり、最も高いエンジン回転数を利用する。Ｈモードは、作業量と燃費を両立させたい場合に選択される回転数モードであり、二番目に高いエンジン回転数を利用する。Ａモードは、燃費を優先させながら低騒音でショベル１００を稼働させたい場合に選択される回転数モードであり、三番目に高いエンジン回転数を利用する。アイドリング状態は、エンジン１１をアイドリング状態にしたい場合に選択される回転数モードであり、最も低いエンジン回転数を利用する。エンジン１１は、エンジン回転数調整ダイヤル７５で設定された回転数モードに対応する一定のエンジン回転数で回転するように制御される。

【0066】

次に、本実施形態の管理装置２００のハードウェア構成について説明する。本実施形態の管理装置２００は、それぞれバスで相互に接続されているＣＰＵ２０１、記憶装置２０２、通信装置２０３、入力装置２０４、表示装置２０５を有するコンピュータである。

【0067】

ＣＰＵ２０１は、管理装置２００の全体の動作を制御する。記憶装置２０２は、ＣＰＵ２０１が実行するプログラムや、ショベル１００に関する種々の情報等が格納される。通信装置２０３は、ネットワークを経由して、ショベル１００と通信を行う。

【0068】

入力装置２０４は、管理装置２００に対する情報の入力を行うためのものであり、例えば、キーボードやポインティングデバイス等によって実現される。表示装置２０５は、管理装置２００から出力される各種の情報を表示するものであり、ディスプレイ等によって実現される。

【0069】

次に、図３を参照して、本実施形態の管理装置２００の機能について説明する。図３は、管理装置の機能を説明する図である。

【0070】

本実施形態の管理装置２００は、分析結果取得部２１０、稼働情報取得部２２０、学習データ抽出部２３０、学習部２４０、状態推定部２５０、出力部２６０、記憶部２７０を含む。

【0071】

管理装置２００の分析結果取得部２１０、稼働情報取得部２２０、学習データ抽出部２３０、学習部２４０、状態推定部２５０、出力部２６０は、ＣＰＵ２０１が記憶装置２０２等に格納されたプログラムを読み出して実行することで実現されてよい。記憶部２７０は、記憶装置２０２等により実現されてよい。

【0072】

分析結果取得部２１０は、分析機関等からオイルの分析結果情報２７１を取得し、記憶部２７０に格納する。分析結果情報２７１は、例えば、分析機関等から送信される電子メール等に添付されていてもよい。

【0073】

稼働情報取得部２２０は、ショベル１００が収集した稼働情報２７２を取得し、記憶部２７０に格納する。稼働情報取得部２２０は、例えば、一日のうちの予め設定された時間に、ショベル１００から稼働情報２７２を受信してよい。

【0074】

また、本実施形態では、分析結果取得部２１０により分析結果情報２７１が取得されると、分析結果情報２７１に含まれる採取日時情報が示す日時と最も近い日時に取得された稼働情報２７２を、分析結果情報２７１と対応付けて記憶部２７０に格納してよい。言い換えれば、分析結果情報２７１は、分析結果情報２７１と対応する稼働情報２７２と対応付けられて記憶部２７０に格納されてよい。

【0075】

学習データ抽出部２３０は、記憶部２７０に格納された情報から、学習部２４０による機械学習に用いられる学習データの範囲を特定し、特定された範囲に基づき学習データを抽出する。学習データ抽出部２３０の処理の詳細は後述する。

【0076】

学習部２４０は、オイルの状態を推定する推定モデル２７３を生成し、記憶部２７０に保持させる。推定モデル２７３は、学習データ抽出部２３０により抽出された学習データを機械学習した学習済みモデルである。

【0077】

また、学習部２４０は、分析結果取得部２１０が新たに分析結果情報２７１を取得した場合に、推定モデル２７３を更新する。言い換えれば、学習部２４０は、分析結果情報２７１が新たに追加される度に、推定モデル２７３を更新する。

【0078】

状態推定部２５０は、推定モデル２７３を用いて、ショベル１００のオイルの状態を推定し、推定した結果を含む推定結果情報２７４を記憶部２７０に格納する。具体的には、状態推定部２５０は、ショベル１００から受信した稼働情報２７２を推定モデル２７３へ入力し、推定モデル２７３から出力される、オイルの性状の予測値を取得する。オイルの性状の予測値とは、言い換えれば、オイルの状態を推定した結果であり、オイルの状態を示す予測値である。

【0079】

そして、状態推定部２５０は、オイルの性状の予測値と、推定モデル２７３に入力された稼働情報２７２とを対応付けて、推定結果情報２７４とし、記憶部２７０に格納する。

【0080】

また、本実施形態の状態推定部２５０は、オイルの状態の推定結果に応じて、ショベル１００のオイルの交換の要否を判定し、オイルの交換が必要と判定された場合には、その旨をショベル１００の管理者等に通知する。交換が必要と判定された場合の通知の詳細は後述する。

【0081】

出力部２６０は、各種の情報を出力する。具体的には、出力部２６０は、推定結果情報２７４やオイルの性状の予測値を出力してもよい。また、出力部２６０は、オイル交換の要否の判定結果を、ショベル１００の管理者が所持している端末装置等に出力してもよい。また、出力部２６０は、ショベル１００の表示装置４０に表示させる情報を出力してもよい。

【0082】

記憶部２７０は、分析結果情報２７１、稼働情報２７２、推定モデル２７３、推定結果情報２７４が格納される。

【0083】

記憶部２７０において、分析結果情報２７１は、分析結果情報２７１と対応する稼働情報２７２と対応付けられたデータセットとして格納されてよい。

【0084】

推定モデル２７３は、例えば、ニューラルネットワーク（Neural Network）を中心に構成される。本実施形態では、ニューラルネットワークは、入力層及び出力層の間に一層以上の中間層（隠れ層）を有する、いわゆるディープニューラルネットワークであってよい。本実施形態の推定モデル２７３は、稼働情報２７２が入力されると、オイルの状態を推定した結果として、オイルの性状の予測値を出力する。

【0085】

推定結果情報２７４は、推定モデル２７３に入力された稼働情報２７２と、推定モデル２７３から出力されたオイルの性状の予測値とが対応付けられた情報である。

【0086】

次に、管理装置２００の動作について説明する。図４は、管理装置の処理を説明する第一のフローチャートである。図４では、推定モデル２７３の生成又は更新する処理を示す。

【0087】

本実施形態の管理装置２００は、分析結果取得部２１０により、分析結果情報２７１を取得したか否かを判定する（ステップＳ４０１）。

【0088】

ステップＳ４０１において、分析結果情報２７１を取得した場合、後述するステップＳ４０３へ進む。ステップＳ４０１において、分析結果情報２７１を取得していない場合、管理装置２００は、稼働情報取得部２２０により、稼働情報２７２を取得したか否かを判定する（ステップＳ４０２）。ステップＳ４０２において、稼働情報２７２を取得していない場合、管理装置２００は、ステップＳ４０１へ戻る。

【0089】

ステップＳ４０１で分析結果情報２７１を取得した場合、又は、ステップＳ４０２において、稼働情報２７２を取得した場合、管理装置２００は、学習データ抽出部２３０により、学習データを抽出する範囲を特定する（ステップＳ４０３）。本実施形態の学習データを抽出する範囲とは、学習データとなる情報が取得された期間を示してもよいし、学習データとなる情報の量を示してもよい。

【0090】

続いて、管理装置２００は、記憶部２７０に格納された分析結果情報２７１と稼働情報２７２の中から、ステップＳ４０３で特定された範囲の情報を学習データとして抽出する（ステップＳ４０４）。ステップＳ４０３とステップＳ４０４における学習データ抽出部２３０の処理の詳細は後述する。

【0091】

続いて、管理装置２００は、学習部２４０により、ステップＳ４０４で抽出された学習データにより機械学習を行い、学習済みデータである推定モデル２７３を生成又は更新する（ステップＳ４０５）。本実施形態では、学習部２４０は、既に推定モデル２７３が記憶部２７０に格納されている場合には、記憶部２７０に格納された推定モデル２７３を更新する。

【0092】

図５は、管理装置の処理を説明する第二のフローチャートである。図５は、推定モデル２７３を用いてオイルの状態を推定する処理を示す。なお、管理装置２００は、図４に示す処理と、図５に示す処理とを、一連の処理として実行してもよい。

【0093】

管理装置２００は、稼働情報取得部２２０により、ショベル１００から稼働情報２７２を取得したか否かを判定する（ステップＳ５０１）。ステップＳ５０１において、稼働情報２７２を取得していない場合、管理装置２００は、待機する。

【0094】

ステップＳ５０１において、稼働情報２７２を取得した場合、管理装置２００は、状態推定部２５０により、推定モデル２７３に対して稼働情報２７２を入力する（ステップＳ５０２）。

【0095】

続いて、状態推定部２５０は、推定モデル２７３から出力される、オイルの性状の予測値を取得し（ステップＳ５０３）、ステップＳ５０２で推定モデル２７３に入力した稼働情報２７２と対応付けた推定結果情報２７４を記憶部２７０に格納する（ステップＳ５０４）。

【0096】

次に、図６を参照して、本実施形態の学習データ抽出部２３０の処理について説明する。図６は、学習データの抽出について説明する図である。図６では、図４のステップＳ４０３とステップＳ４０４における学習データ抽出部２３０の処理の詳細を説明する。

【0097】

図６（Ａ）（Ｂ）、（Ｃ）は、稼働情報２７２を取得した際の学習データ抽出部２３０の処理を説明する図である。

【0098】

図６（Ａ）、（Ｂ）、（Ｃ）において、センサＡ、センサＢは、稼働情報２７２に含まれる値の一例であり、オイルの状態は、分析結果情報が示すオイルの性状の値、又は、推定モデル２７３から出力されるオイルの性状の予測値であってよい。図６（Ａ）、（Ｂ）、（Ｃ）では、センサＡ、センサＢ、オイルの状態のそれぞれの時間の変化を示している。

【0099】

本実施形態では、稼働情報２７２の入力に応じて推定モデル２７３を更新する場合、学習データを抽出する範囲は、稼働情報２７２が取得された日時を起点とした過去の一定の期間において取得された分析結果情報２７１と、分析結果情報２７１と対応付けられた稼働情報２７２とのデータセットであってよい。この場合、学習データ抽出部２３０は、この一定の期間において取得された分析結果情報２７１と、分析結果情報２７１と対応する稼働情報２７２とを学習データとして記憶部２７０から抽出する。

【0100】

分析結果情報２７１と対応する稼働情報２７２とは、分析結果情報２７１に含まれる採取日時情報が示す日時と最も近いタイミングで取得された稼働情報２７２である。

【0101】

図６（Ａ）は、管理装置２００が稼働情報２７２ｘを取得した場合に、推定モデル２７３を生成し、生成された推定モデル２７３を用いてオイルの状態を推定する場合を示す。

【0102】

この場合、稼働情報２７２ｘが取得された日時は、タイミングＴ１である。したがって、学習データ抽出部２３０は、タイミングＴ１を起点とした過去の一定の期間Ｋを特定する。言い換えれば、図６（Ａ）では、タイミングＴ１からを起点とし、タイミングＴ２まで遡った期間である期間Ｋを、学習データを抽出する範囲とする。

【0103】

そして、学習データ抽出部２３０は、一定の期間Ｋにおいて取得された分析結果情報２７１と、分析結果情報２７１と対応する稼働情報２７２とのデータセットを学習データとして抽出する。

【0104】

タイミングＴ１からタイミングＴ２までの期間Ｋにおいて取得された分析結果情報２７１は、分析結果情報２７１ａ、２７１ｂを含む。

【0105】

図６（Ａ）において、稼働情報２７２ａは、分析結果情報２７１ａと最も近いタイミングで取得された稼働情報である。したがって、稼働情報２７２ａは、分析結果情報２７１ａと対応する稼働情報となる。

【0106】

また、図６（Ａ）において、稼働情報２７２ｂは、分析結果情報２７１ｂと最も近いタイミングで取得された稼働情報である。したがって、稼働情報２７２ｂは、分析結果情報２７１ｂと対応する稼働情報となる。

【0107】

そこで、学習データ抽出部２３０は、分析結果情報２７１ａと稼働情報２７２ａと対応付けたデータセットと、分析結果情報２７１ｂと稼働情報２７２ｂと対応付けたデータセットとを含む学習データを抽出する。なお、期間Ｋは、予め管理装置２００の管理者等によって設定されていてよい。

【0108】

管理装置２００は、このようにして抽出された学習データにより、推定モデル２７３を生成し、生成された推定モデル２７３に対して、タイミングＴ１で取得した稼働情報２７２ｘを入力する。そして、管理装置２００は、推定モデル２７３から出力されるオイルの性状の予測値２７５ｘを取得する。

【0109】

次に、図６（Ｂ）について説明する。図６（Ｂ）の例では、管理装置２００が稼働情報２７２ｙを取得した場合に、推定モデル２７３を更新し、更新された推定モデル２７３を用いてオイルの状態を推定する場合を示す。

【0110】

この場合、稼働情報２７２ｙが取得された日時は、タイミングＴ５である。したがって、学習データ抽出部２３０は、タイミングＴ５を起点とした過去の一定の期間Ｋを特定する。言い換えれば、図６（Ｂ）では、タイミングＴ５からを起点とし、タイミングＴ６まで遡った期間である期間Ｋを、学習データを抽出する範囲とする。

【0111】

そして、学習データ抽出部２３０は、一定の期間Ｋにおいて取得された分析結果情報２７１と、分析結果情報２７１と対応する稼働情報２７２とのデータセットを学習データとして抽出する。

【0112】

タイミングＴ５からタイミングＴ６までの期間Ｋにおいて取得された分析結果情報２７１は、分析結果情報２７１ｃ、２７１ｃを含む。

【0113】

また、図６（Ｂ）において、稼働情報２７２ｃは、分析結果情報２７１ｃと最も近いタイミングで取得された稼働情報である。したがって、稼働情報２７２ｃは、分析結果情報２７１ｃと対応する稼働情報となる。また、稼働情報２７２ｄは、分析結果情報２７１ｄと最も近いタイミングで取得された稼働情報である。したがって、稼働情報２７２ｄは、分析結果情報２７１ｄと対応する稼働情報となる。

【0114】

そこで、学習データ抽出部２３０は、分析結果情報２７１ｃと、稼働情報２７２ｃとを対応付けたデータセットと、分析結果情報２７１ｄと、稼働情報２７２ｄとを対応付けたデータセットとを含む学習データを抽出する。

【0115】

本実施形態では、このようにして抽出された学習データを用いて推定モデル２７３を更新し、更新後の推定モデル２７３に対し、タイミングＴ５で取得された稼働情報２７２ｙを入力する。そして、管理装置２００は、更新後の推定モデル２７３から出力されるオイルの性状の予測値２７５ｙを取得する。

【0116】

次に、図６（Ｃ）について説明する。図６（Ｃ）の例では、管理装置２００が稼働情報２７２ｚを取得した場合に、推定モデル２７３を更新し、更新された推定モデル２７３を用いてオイルの状態を推定する場合を示す。

【0117】

この場合、稼働情報２７２ｚが取得された日時は、タイミングＴ８である。したがって、学習データ抽出部２３０は、タイミングＴ８を起点とした過去の一定の期間Ｋを特定する。言い換えれば、図６（Ｃ）では、タイミングＴ８からを起点とし、タイミングＴ９まで遡った期間である期間Ｋを、学習データを抽出する範囲とする。

【0118】

そして、学習データ抽出部２３０は、一定の期間Ｋにおいて取得された分析結果情報２７１と、分析結果情報２７１と対応する稼働情報２７２とのデータセットを学習データとして抽出する。

【0119】

タイミングＴ８からタイミングＴ９までの期間Ｋにおいて取得された分析結果情報２７１は、分析結果情報２７１ｅ、２７１ｆを含む。

【0120】

また、図６（Ｃ）において、稼働情報２７２ｅは、分析結果情報２７１ｅと最も近いタイミングで取得された稼働情報である。したがって、稼働情報２７２ｅは、分析結果情報２７１ｅと対応する稼働情報となる。また、稼働情報２７２ｆは、分析結果情報２７１ｆと最も近いタイミングで取得された稼働情報である。したがって、稼働情報２７２ｆは、分析結果情報２７１ｆと対応する稼働情報となる。

【0121】

そこで、学習データ抽出部２３０は、分析結果情報２７１ｅと稼働情報２７２ｅとを対応付けたデータセットと、分析結果情報２７１ｆと稼働情報２７２ｆとを対応付けたデータセットとを含む学習データを抽出する。

【0122】

本実施形態では、このようにして抽出された学習データを用いて推定モデル２７３を更新し、更新後の推定モデル２７３に対し、タイミングＴ８で取得された稼働情報２７２ｚを入力する。そして、管理装置２００は、更新後の推定モデル２７３から出力されるオイルの性状の予測値２７５ｚを取得する。

【0123】

このように、本実施形態では、オイルの状態を予測するタイミングに応じて、学習データを抽出する範囲を変更し、推定モデル２７３を更新する。

【0124】

したがって、本実施形態では、オイルの状態を推定する際に、最新の状態に更新された推定モデル２７３を用いることができ、推定モデル２７３に、時間経過に変化する説明変数が存在する場合であっても、適切なオイルの性状の予測値を取得できる。

【0125】

なお、図６の例では、学習データを抽出する範囲を、情報が取得された期間としたが、これに限定されない。

【0126】

学習データを抽出する範囲は、例えば、学習データとなる情報の量としてもよい。具体的には、例えば、学習データを抽出する範囲を、所定のタイミング以前に取得された所定数の情報としてもよい。

【0127】

例えば、所定のタイミングを、新たな稼働情報を取得したタイミングＴ１とし、所定数を１００件とした場合、図６（Ａ）では、学習データ抽出部２３０は、記憶部２７０から、タイミングＴ１以前に取得された分析結果情報２７１と、各分析結果情報２７１と対応する稼働情報２７２とのデータセットを１００件分抽出し、学習データとすればよい。所定のタイミングと所定数とは、予め設定されていてよい。

【0128】

また、図６（Ｂ）では、学習データ抽出部２３０は、記憶部２７０から、タイミングＴ５以前に取得された分析結果情報２７１と、各分析結果情報２７１と対応する稼働情報２７２とのデータセットを、合計が１００件となるように抽出し、学習データとすればよい。

【0129】

また、図６（Ｃ）では、学習データ抽出部２３０は、記憶部２７０から、タイミングＴ８以前に取得された分析結果情報２７１と、各分析結果情報２７１と対応する稼働情報２７２とのデータセットを、合計が１００件となるように抽出し、学習データとすればよい。

【0130】

本実施形態では、このように、学習データを抽出する範囲を情報量（データセットの数）とすることで、機械学習の精度を調整することができる。また、記憶部２７０に蓄積されている情報量に合わせて、推定モデル２７３の生成や更新を行うことができる。

【0131】

また、本実施形態では、学習データを抽出する範囲を、特定の時期としてもよい。特定の時期は、予め設定されていてよい。具体的には、例えば、特定の時期を、稼働情報２７２を取得したときの季節と同じ季節としてもよい。この場合、学習データ抽出部２３０は、稼働情報２７２を取得したタイミングＴ１が春であった場合には、過去の春の期間（例えば３月から５月）に取得された分析結果情報２７１と稼働情報２７２のデータセットを抽出して学習データとする。

【0132】

また、本実施形態では、学習データを抽出する範囲を、過去に同じ作業現場で作業していた時期としてもよい。作業現場は、例えば、稼働情報に含まれる位置情報から特定されてもよいし、ショベル１００の管理者等によって入力されてもよい。

【0133】

このように、本実施形態では、状況に応じて学習データを抽出する範囲を変更することができ、ショベル１００の利用状況に応じた学習データで推定モデル２７３を更新することができる。

【0134】

また、図６では、管理装置２００が稼働情報２７２を取得した場合に推定モデル２７３を更新する場合を説明したが、本実施形態の学習データ抽出部２３０は、新たな分析結果情報２７１が取得された場合にも、学習データの範囲を特定して抽出し、抽出された学習データで推定モデル２７３を更新してよい。

【0135】

具体的には、学習データ抽出部２３０は、新たな分析結果情報２７１が取得されると、新たに取得された分析結果情報２７１に含まれる採取日時情報が示す日時を起点とした過去の一定の期間に取得された分析結果情報２７１と、分析結果情報２７１と対応する稼働情報２７２とのデータセットを、学習データとして抽出する。ここで抽出される学習データには、新たに取得された分析結果情報２７１が含まれる。

【0136】

そして、管理装置２００は、学習部２４０により、抽出された学習データを用いて推定モデル２７３を更新すればよい。

【0137】

本実施形態では、このようにすることで、定期的なメンテナンスでオイルが採取される度に、最新の分析結果情報２７１を推定モデル２７３に反映させることができる。

【0138】

また、本実施形態では、推定モデル２７３を用いることで、稼働情報２７２を取得する度にオイルの状態を推定することができる。つまり、本実施形態によれば、定期的に行われるメンテナンスと比較して、高い頻度でオイルの状態を推定することができる。

【0139】

具体的には、例えば、図６（Ａ）のタイミングＴ１からタイミングＴ２までの期間Ｋでは、推定モデル２７３が生成されていない。したがって。この期間は、定期的に行われるメンテナンスと同じ頻度で、オイルの状態が把握される。これに対し、例えば、図６（Ｂ）のタイミングＴ５からタイミングＴ６までの期間Ｋ、図６（Ｃ）のタイミングＴ８からタイミングＴ９までの期間Ｋでは、推定モデル２７３が生成されており、稼働情報２７２が取得される度に、オイルの状態が推定される。

【0140】

このため、本実施形態によれば、ショベル１００の管理者等に対し、適切な時期にオイルの交換を促すことができる。

【0141】

次に、図７を参照して、本実施形態の推定結果情報２７４について説明する。図７は、推定結果情報の一例を示す図である。

【0142】

本実施形態の推定結果情報２７４は、情報の項目として、日時、型式、機番、パイロット圧、エンジン回転数、エンジン負荷率、レバー操作信号、運転状態、オイル性状予測値等を含む。推定結果情報２７４に含まれる項目「日時」、「型式」、「機番」、「パイロット圧」、「エンジン回転数」、「エンジン負荷率」、「レバー操作信号」、「運転状態」の値は、稼働情報であり、推定モデル２７３に入力される情報である。

【0143】

項目「日時」の値は、稼働情報を取得した日時を示す。項目「型式」の値は、ショベル１００の型式を示し、項目「機番」の値は、ショベル１００を特定するための機体識別番号を示す。項目「パイロット圧」、「エンジン回転数」、「エンジン負荷率」、「レバー操作信号」、「運転状態」等は、ショベル１００の有する各種のセンサから取得される値である。

【0144】

また、推定結果情報２７４に含まれる項目「オイル性状予測値」の値は、オイルの状態を推定した結果の値であり、推定モデル２７３から出力される。

【0145】

図７の例では、推定結果情報２７４ｘにおいて、稼働情報２７２ｘと、オイルの推定結果を示す情報であるオイルの性状の予測値２７５ｘとが対応付けられている。

【0146】

つまり、図７の例では、管理装置２００は、稼働情報２７２ｘを推定モデル２７３に入力し、稼働情報２７２ｘを取得した時のショベル１００のオイルの状態を示すオイルの性状の予測値２７５ｘを取得したことを示す。

【0147】

また、本実施形態の管理装置２００は、稼働情報２７２を取得する度に、推定モデル２７３によってオイルの状態を推定するものとしたが、これに限定されない。

【0148】

本実施形態では、例えば、稼働情報が示すショベル１００の運転状態が、予め決められた所定の状態である場合に、オイルの状態を推定してもよい。

【0149】

具体的には、例えば、稼働情報が示すショベル１００の運転状態が、アイドリング状態である場合に、稼働情報２７２を推定モデル２７３に入力し、オイルの状態を推定してもよい。

【0150】

ショベル１００からオイルが採取される際には、ショベル１００はアイドリング状態に近い状態であることが予想される。つまり、推定モデル２７３は、分析結果情報２７１と、アイドリング状態で取得された稼働情報２７２とを対応付けたデータセットを学習データとして生成されることが予測される。

【0151】

したがって、本実施形態では、ショベル１００の運転状態が、アイドリング状態であるときに図５の処理を実行することで、推定モデル２７３による演算に適した稼働情報２７２を入力データとすることができ、推定の精度を向上させることができる。

【0152】

また、本実施形態では、ショベル１００の運転状態が、アイドリング状態以外の状態である場合、管理装置２００は、運転状態に応じた係数等を用いてオイルの状態を推定してもよい。アイドリング状態以外の運転状態とは、例えば、掘削作業中の状態等を含む。

【0153】

本実施形態では、このようにすることで、ショベル１００の運転状態に応じたオイルの性状の予測値を得ることができ、オイルの状態を高い精度で推定することができる。

【0154】

また、本実施形態では、稼働情報が示すショベル１００の運転状態が、アイドリング状態以外の状態である場合には、ショベル１００に対して、運転状態をアイドリング状態とすることを指示するメッセージ等を送信し、ショベル１００の表示装置４０に表示させてもよい。

【0155】

図８は、ショベルの表示装置の表示例を示す図である。図８に示す表示装置４０には、オイルの状態を推定するために、ショベル１００の運転状態をアイドリング状態にすることを指示するメッセージ４０ａが表示されている。

【0156】

ショベル１００は、このメッセージ４０ａが表示装置４０に表示された後に、運転状態がアイドリング状態とされると、稼働情報２７２を取得して、管理装置２００に送信する。

【0157】

なお、本実施形態では、ショベル１００の表示装置４０にメッセージ４０ａを表示させるものとしたが、これに限定されない。本実施形態では、例えば、ショベル１００を遠隔操作室から操作する場合等には、遠隔操作室の表示装置に、メッセージ４０ａを表示させてもよい。

【0158】

また、本実施形態の管理装置２００は、ショベル１００に対して、メッセージの代わりに、アイドリング状態とすることを指示する制御信号を送信してもよい。ショベル１００は、管理装置２００から、アイドリングモードとすることを指示する制御信号を受信すると、制御信号の指示に応じて自機の運転状態をアイドリング状態とし、稼働情報２７２を取得して管理装置２００に送信すればよい。

【0159】

次に、図９を参照して、オイルの状態の推定結果からオイルの交換が必要と判定された場合の通知について説明する。図９は、オイルの状態の推定結果の表示例を示す図である。

【0160】

図９に示す画面９０は、例えば、ショベル１００の管理者が所持している端末装置等に表示される画面の一例である。

【0161】

本実施形態の管理装置２００は、例えば、新たに取得した稼働情報２７２を推定モデル２７３への入力として取得されたオイルの性状の予測値が、所定の閾値以上であった場合に、オイルの交換が必要であると判定し、画面９０を管理者の端末装置等に表示してよい。

【0162】

画面９０は、表示領域９０ａ、９０ｂ、９０ｃを含む。表示領域９０ａは、推定モデル２７３に入力された稼働情報に含まれるセンサの値と、推定モデル２７３から出力されたオイルの性状の予測値及び分析結果情報と、の経時変化を示す情報が表示される。

【0163】

表示領域９０ｂは、ショベル１００の機番と、オイルの状態を推定した日時とが表示される。表示領域９０ｃは、オイルが劣化しており、交換が必要である旨を示すメッセージが表示される。

【0164】

また、図９の例では、表示領域９０ａにおいて、推定モデル２７３の更新に用いられた学習データの範囲を示すマーカ９０ｄと、新たに取得された稼働情報２７２と、オイルの性状の予測値とを示すマーカ９０ｅとが表示されてよい。

【0165】

本実施形態では、このように、稼働情報２７２に含まれるセンサの値とオイルの性状の予測値の経時変化とを、メッセージと対応付けて表示させることで、オイルの状態の変化をショベル１００の管理者に把握させることができる。

【0166】

また、本実施形態では、学習データの抽出範囲を表示させることで、ショベル１００の管理者等に対し、推定モデル２７３がどのように更新されているかを把握させることができる。

【0167】

なお、上述した本実施形態では、ショベル１００のオイル（作動油）の状態の推定するものとしたが、これに限定されない。本実施形態は、人が採取して分析を行うことで状態が監視されるものに対して適用することができる。例えば、本実施形態は、プラントや工場等から排出される監視対象に対して適用することができる。

【0168】

以上、本発明の好ましい実施形態について詳説した。しかしながら、本発明は、上述した実施形態に制限されることはない。上述した実施形態は、本発明の範囲を逸脱することなしに、種々の変形、置換等が適用され得る。また、別々に説明された特徴は、技術的な矛盾が生じない限り、組み合わせが可能である。

【符号の説明】

【0169】

３０ コントローラ
４０ 表示装置
１００ ショベル
２００ 管理装置
２１０ 分析結果取得部
２２０ 稼働情報取得部
２３０ 学習データ抽出部
２４０ 学習部
２５０ 状態推定部
２６０ 出力部
２７０ 記憶部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】