(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】P2024024642
(43)【公開日】2024-02-22
(54)【発明の名称】情報処理装置、情報処理方法、およびプログラム
(51)【国際特許分類】
G01H 3/00 20060101AFI20240215BHJP
G05B 23/02 20060101ALI20240215BHJP
G06Q 50/10 20120101ALI20240215BHJP
G01M 99/00 20110101ALI20240215BHJP
【ＦＩ】
G01H3/00 A
G05B23/02 V
G06Q50/10
G01M99/00 Z
【審査請求】有
【請求項の数】12
【出願形態】ＯＬ
(21)【出願番号】P 2023199858
(22)【出願日】2023-11-27
(62)【分割の表示】P 2022080508の分割
【原出願日】2022-05-16
(71)【出願人】
【識別番号】300050367
【氏名又は名称】株式会社日立ハイテクフィールディング
(74)【代理人】
【識別番号】110002860
【氏名又は名称】弁理士法人秀和特許事務所
(72)【発明者】
【氏名】三城 多佳記
(72)【発明者】
【氏名】及川 和人
(72)【発明者】
【氏名】水野 愛
(72)【発明者】
【氏名】徳野 佑城
(57)【要約】
【課題】保守作業において対象とする装置が発する音と装置の挙動、状態、動作等との関係を把握して保守作業を支援する。
【解決手段】制御部は、装置の動作または状態変化に伴って発生する音と装置の動作または状態変化との関係を学習した第１の学習済みモデルに装置から取得した所定区間の音を入力することによって、取得した所定区間の音から装置の動作または状態変化に対応する部分区間の音を抽出する。そして、制御部は、装置が正常であるときに収集された音を基に前記部分区間において装置に異常があるか否かを判定する。
【選択図】図１
【解決手段】制御部は、装置の動作または状態変化に伴って発生する音と装置の動作または状態変化との関係を学習した第１の学習済みモデルに装置から取得した所定区間の音を入力することによって、取得した所定区間の音から装置の動作または状態変化に対応する部分区間の音を抽出する。そして、制御部は、装置が正常であるときに収集された音を基に前記部分区間において装置に異常があるか否かを判定する。
【選択図】図１
【特許請求の範囲】
【請求項1】
装置の動作または状態変化に伴って発生する音と前記装置の動作または状態変化との関係を学習した第１の学習済みモデルに前記装置から取得した所定区間の音を入力することによって前記取得した所定区間の音から前記装置の動作または状態変化に対応する部分区間の音を抽出することと、
前記抽出した部分区間の音のうちの前記装置の動作または状態変化に伴って発生する音の強度が、音の強度の基準値を有する基準音の強度と一致するように、前記抽出した部分区間全体の音の強度を調整すること、
前記装置が正常であるときに収集された音を基に前記部分区間において前記装置に異常があるか否かを判定することと、
を実行する制御部を備える情報処理装置。
前記抽出した部分区間の音のうちの前記装置の動作または状態変化に伴って発生する音の強度が、音の強度の基準値を有する基準音の強度と一致するように、前記抽出した部分区間全体の音の強度を調整すること、
前記装置が正常であるときに収集された音を基に前記部分区間において前記装置に異常があるか否かを判定することと、
を実行する制御部を備える情報処理装置。
【請求項2】
前記制御部は、前記装置に異常があるときの前記装置の音の特徴情報と前記異常との関係を対応づけたデータベースと、前記装置に異常があると判定された前記部分区間の音とを照合することにより、前記異常を特定することと、
前記特定された前記異常に関連する情報を出力することと、を実行する請求項１に記載の情報処理装置。
前記特定された前記異常に関連する情報を出力することと、を実行する請求項１に記載の情報処理装置。
【請求項3】
前記特徴情報は、前記抽出した部分区間の音の強度、特定の周波数の有無、特定の周波数の強度、音の強度の変化の特性、周波数の強度の変化の特性、前記音の強度の変化の特性が観測される時間の長さ、および、前記周波数の強度の変化の特性が観測される時間の長さの少なくとも１つを含む請求項２に記載の情報処理装置。
【請求項4】
前記制御部は、前記装置の構成要素が発する音と前記構成要素との関係を学習した第２の学習済みモデルに前記抽出した部分区間の音を入力することによって前記抽出した部分区間に含まれる音を発する構成要素を特定することをさらに実行し、
前記特徴情報は前記抽出した部分区間に含まれる音を発する構成要素を指定する項目を含む請求項２に記載の情報処理装置。
前記特徴情報は前記抽出した部分区間に含まれる音を発する構成要素を指定する項目を含む請求項２に記載の情報処理装置。
【請求項5】
コンピュータが、装置の動作または状態変化に伴って発生する音と前記装置の動作または状態変化との関係を学習した第１の学習済みモデルに前記装置から取得した所定区間の音を入力することによって前記取得した所定区間の音から前記装置の動作または状態変化に対応する部分区間の音を抽出することと、
前記抽出した部分区間の音のうちの前記装置の動作または状態変化に伴って発生する音の強度が、音の強度の基準値を有する基準音の強度と一致するように、前記抽出した部分区間全体の音の強度を調整すること、
前記装置が正常であるときに収集された音を基に前記部分区間において前記装置に異常があるか否かを判定することと、
を実行する情報処理方法。
前記抽出した部分区間の音のうちの前記装置の動作または状態変化に伴って発生する音の強度が、音の強度の基準値を有する基準音の強度と一致するように、前記抽出した部分区間全体の音の強度を調整すること、
前記装置が正常であるときに収集された音を基に前記部分区間において前記装置に異常があるか否かを判定することと、
を実行する情報処理方法。
【請求項6】
コンピュータが、
前記装置に異常があるときの前記装置の音の特徴情報と前記異常との関係を対応づけたデータベースと、前記装置に異常があると判定された前記部分区間の音とを照合することにより、前記異常を特定することと、
前記特定された前記異常に関連する情報を出力することと、を実行する請求項５に記載の情報処理方法。
前記装置に異常があるときの前記装置の音の特徴情報と前記異常との関係を対応づけたデータベースと、前記装置に異常があると判定された前記部分区間の音とを照合することにより、前記異常を特定することと、
前記特定された前記異常に関連する情報を出力することと、を実行する請求項５に記載の情報処理方法。
【請求項7】
前記特徴情報は、前記抽出した部分区間の音の強度、特定の周波数の有無、特定の周波数の強度、音の強度の変化の特性、周波数の強度の変化の特性、前記音の強度の変化の特
性が観測される時間の長さ、および、前記周波数の強度の変化の特性が観測される時間の長さの少なくとも１つを含む請求項６に記載の情報処理方法。
性が観測される時間の長さ、および、前記周波数の強度の変化の特性が観測される時間の長さの少なくとも１つを含む請求項６に記載の情報処理方法。
【請求項8】
コンピュータが、前記装置の構成要素が発する音と前記構成要素との関係を学習した第２の学習済みモデルに前記抽出した部分区間の音を入力することによって前記抽出した部分区間に含まれる音を発する構成要素を特定することをさらに実行し、
前記特徴情報は前記抽出した部分区間に含まれる音を発する構成要素を指定する項目を含む請求項６に記載の情報処理方法。
前記特徴情報は前記抽出した部分区間に含まれる音を発する構成要素を指定する項目を含む請求項６に記載の情報処理方法。
【請求項9】
コンピュータに、装置の動作または状態変化に伴って発生する音と前記装置の動作または状態変化との関係を学習した第１の学習済みモデルに前記装置から取得した所定区間の音を入力することによって前記取得した所定区間の音から前記装置の動作または状態変化に対応する部分区間の音を抽出することと、
前記抽出した部分区間の音のうちの前記装置の動作または状態変化に伴って発生する音の強度が、音の強度の基準値を有する基準音の強度と一致するように、前記抽出した部分区間全体の音の強度を調整すること、
前記装置が正常であるときに収集された音を基に前記部分区間において前記装置に異常があるか否かを判定することと、を実行させるためのプログラム。
前記抽出した部分区間の音のうちの前記装置の動作または状態変化に伴って発生する音の強度が、音の強度の基準値を有する基準音の強度と一致するように、前記抽出した部分区間全体の音の強度を調整すること、
前記装置が正常であるときに収集された音を基に前記部分区間において前記装置に異常があるか否かを判定することと、を実行させるためのプログラム。
【請求項10】
コンピュータに、前記装置に異常があるときの前記装置の音の特徴情報と前記異常との関係を対応づけたデータベースと、前記装置に異常があると判定された前記部分区間の音とを照合することにより、前記異常を特定することと、
前記特定された前記異常に関連する情報を出力することと、を実行させるための請求項９に記載のプログラム。
前記特定された前記異常に関連する情報を出力することと、を実行させるための請求項９に記載のプログラム。
【請求項11】
前記特徴情報は、前記抽出した部分区間の音の強度、特定の周波数の有無、特定の周波数の強度、音の強度の変化の特性、周波数の強度の変化の特性、前記音の強度の変化の特性が観測される時間の長さ、および、前記周波数の強度の変化の特性が観測される時間の長さの少なくとも１つを含む請求項１０に記載のプログラム。
【請求項12】
コンピュータに、前記装置の構成要素が発する音と前記構成要素との関係を学習した第２の学習済みモデルに前記抽出した部分区間の音を入力することによって前記抽出した部分区間に含まれる音を発する構成要素を特定することをさらに実行させ、
前記特徴情報は前記抽出した部分区間に含まれる音を発する構成要素を指定する項目を含む請求項１０に記載のプログラム。
前記特徴情報は前記抽出した部分区間に含まれる音を発する構成要素を指定する項目を含む請求項１０に記載のプログラム。
【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、およびプログラムに関するものである。
【背景技術】
【0002】
装置またはシステムの保守作業において、保守作業が対象とする装置またはシステムの各構成部位から発生する音は、装置またはシステムの状態の診断において重要な情報である。以下、装置またはシステムを単に装置という。また、構成部位は、構成要素ともいう。また、保守作業とは、対象とする装置の機能を維持し、装置本来の性能を発揮させるための管理作業、診断作業、調整作業等を含む。保守作業はメンテナンス作業とも呼ばれる。
【0003】
例えば、下記特許文献１には、洗濯機１００は、洗濯機の運転状態を示す条件情報を検出する条件情報検出部１５と、前記洗濯機の騒音状態を示す動作信号を検出する異常信号検出部１６と、動作信号の特徴量を抽出する特徴量抽出部１３と、前記洗濯機の異常判定を行う異常判定モデル１８１を取得する通信部１４と、前記異常判定モデルにより前記条件情報と前記動作信号の特徴量とから前記洗濯機の異常を判定する異常判定部１２と、を備えるようにした、と記載されている。
【0004】
また、下記特許文献２には、非常用発電装置の稼働音と、非常用発電装置を冷却する冷却水の流量と、を含むセンサ情報を取得し、非常用発電装置の試運転時におけるセンサ情報と、非常用発電装置の試運転が正常か否かの判定結果と、の関係を学習する機械学習により予め生成されたモデル２２１を用いて、非常用発電装置の試運転時にセンサ情報取得処理部２１０により取得されるセンサ情報の入力に応じた判定結果を出力すると記載されている。
【先行技術文献】
【特許文献】
【0005】
【特許文献1】特開２０２０－１９９０１０号公報
【特許文献2】特開２０２１－１０５９４７号公報
【発明の概要】
【発明が解決しようとする課題】
【0006】
ところで、一般的に、保守作業が対象とする装置は様々であり、通常は複数の構成部位を有し、構成部位単体またはこれらの組み合わせによって様々な挙動を示し、様々な状態で動作する。しかし、上記従来の技術では、音と装置の挙動、状態、動作等との関係が考慮されていない。
【0007】
本発明の実施の形態の側面は、保守作業において対象とする装置が発する音と装置の挙動、状態、動作等との関係を把握して保守作業を支援することである。
【課題を解決するための手段】
【0008】
本発明の一実施の形態は、情報システムによって例示される。本情報システムは、制御部を有する。制御部は、装置の動作または状態変化に伴って発生する音と装置の動作または状態変化との関係を学習した第１の学習済みモデルに装置から取得した所定区間の音を入力することによって、取得した所定区間の音から装置の動作または状態変化に対応する部分区間の音を抽出する。そして、制御部は、装置が正常であるときに収集された音を基に前記部分区間において装置に異常があるか否かを判定する。ここで、前記制御部は、前
記抽出した部分区間の音のうちの前記装置の動作または状態変化に伴って発生する音の強度が、音の強度の基準値を有する基準音の強度と一致するように、前記抽出した部分区間全体の音の強度を調整してもよい。
記抽出した部分区間の音のうちの前記装置の動作または状態変化に伴って発生する音の強度が、音の強度の基準値を有する基準音の強度と一致するように、前記抽出した部分区間全体の音の強度を調整してもよい。
【発明の効果】
【0009】
本情報処理装置は、保守作業において対象とする装置が発する音と装置の挙動、状態、動作等との関係を把握して保守作業を支援することができる。
【図面の簡単な説明】
【0010】
【発明を実施するための形態】
【0011】
以下、図面を参照して、一実施の形態に係る情報システムを説明する。本情報システムは、装置の保守作業を支援する。保守作業において、対象とする装置の各構成要素から発生する音は、対象とする装置の状態診断において有効な情報である。本情報システムは、この音を有効活用する。本情報システムは、正常時とは異なる音（異音）を分類するする。正常時とは異なる音は、音の大きさ、周波数、音が発せられる部位、または、その部位の故障モードによってさまざまな特徴を持っている。正常時とは異なる音は、例えば、回転体の摺動音、配管の詰まり音等である。そこで、本情報システムは、保守の対象である装置の構成要素が発生する音の変化、特徴等を情報として取得し、異音が発生するまでのメカニズムと関連付けることで、故障の発生の検知、故障の発生の予兆検知、装置診断技術の向上、および保守サービスの平準化を実現する。以下、保守作業の対象である装置を保守対象の装置という。なお、上述のように、保守作業は、管理作業、診断作業、調整作業を含む。
【0012】
＜第１の実施の形態＞
図１から図９を参照して、第１の実施の形態に係る情報システム１００、情報処理方法およびプログラムが説明される。情報システム１００は、音を活用するので、音響データ解析システムと呼ぶこともできる。
図１から図９を参照して、第１の実施の形態に係る情報システム１００、情報処理方法およびプログラムが説明される。情報システム１００は、音を活用するので、音響データ解析システムと呼ぶこともできる。
【0013】
（運用例）
図１は、情報システム１００が運用される状況を例示する図である。図１では、保守員がユーザサイトを訪問し、保守対象の装置から集音用のデバイスを用いて集音し、情報システム１００に集音された音データを転送することが想定されている。以下、図１の符号Ａ１からＡ７にしたがって、情報システム１００および情報システム１００と連携する装置（集音用のデバイス等）の処理が例示される。情報システム１００は、例えば、保守サービス会社のサーバ上に構築されてもよい。また、情報システム１００は、例えば、クラ
ウドサーバ上に構築されてもよい。
図１は、情報システム１００が運用される状況を例示する図である。図１では、保守員がユーザサイトを訪問し、保守対象の装置から集音用のデバイスを用いて集音し、情報システム１００に集音された音データを転送することが想定されている。以下、図１の符号Ａ１からＡ７にしたがって、情報システム１００および情報システム１００と連携する装置（集音用のデバイス等）の処理が例示される。情報システム１００は、例えば、保守サービス会社のサーバ上に構築されてもよい。また、情報システム１００は、例えば、クラ
ウドサーバ上に構築されてもよい。
【0014】
（Ａ１）保守員は、保守対象の装置から、集音用のデバイスで集音する。集音用のデバイスに限定はない。集音用のデバイスは、例えば、スマートフォン、携帯電話、可搬形のパーソナルコンピュータ等である。集音用のデバイスで集音され、蓄積されたデータを音データという。
【0015】
（Ａ２）保守員は収集した音データを情報システム１００にアップロードする。集音用のデバイスは、通信機能を有するか、通信機能を有する他のデバイスに接続されている。集音用のデバイスは、保守員の指令にしたがって、集音した音データを情報システム１００に送信する。
【0016】
（Ａ３）情報システム１００はアップロードされた音データを解析し、学習データとして蓄積された異常種別、原因、現象を含むデータベースと照合して診断レポートを作成する。診断レポートには、音データの特徴に基づく、装置を構成する部位の劣化、異常等が、根拠となるデータとともに記載される。情報システム１００は、前処理部１０１、解析・診断部１０２、レポート出力部１０３、学習システム１０４を有している。
【0017】
前処理部１０１は、アップロードされた音データを前処理して解析・診断部１０２に引き渡す。音データは、前処理部１０１によって、解析・診断部１０２による解析、診断等の処理がしやすい形式に変換される。解析・診断部１０２は、音データが装置の異常に関係する異音を含む異音データか否かを判定する。異音は、装置が正常でないときの音である。そして、解析・診断部１０２は、異音データと、異音データの特徴と、装置の故障、異常等の種別、現象および原因と関連付けたデータベースとを照合し、故障、異常等の種別、現象および原因を特定する。レポート出力部１０３は、解析・診断部１０２の処理結果を基にレポートを出力する。
【0018】
（Ａ４）保守員は診断レポートをもって、装置のユーザに結果を報告し、レポートに記載される情報を根拠にした保守提案を行う。
【0019】
（Ａ５）アップロードされた音データが正常時とは異なる異音データがあるが、その異音データの特徴に関連付けられた、装置の故障、異常等の種別、現象または原因が存在しない場合がありえる。データベースに未登録の異常が発生する場合もあるからである。情報システム１００は、データベースから装置の故障、異常等の種別、現象または原因を特定できない場合、エラーを出力する。エラーが出力されると、保守員は、当該異音データを前例なしデータとしてメーカ・保守技術部門にフィードバックする。この場合、情報システム１００がエラーを示す情報と、エラーが発生した異音データとをメーカ・保守技術部門のコンピュータに送信するようにしてもよい。
【0020】
（Ａ６）メーカ・保守技術部門の解析担当は、前例なしデータについて調査を行い、異音データの特徴と、装置の故障、異常等の種別、現象または原因と関連付けて、学習データを作成する。ここで、学習データは、例えば、データベースに蓄積される異音データの特徴と、装置の故障、異常等の種別、現象および原因と関連付けたデータである。また、学習データは、学習システムが教師あり学習を実施するための教師データ、教師なし学習等を実施するためのデータであってもよい。
【0021】
（Ａ７）メーカ・保守技術部門は、作成した学習データを情報システム１００にフィードバックする。メーカ・保守技術部門のコンピュータは、メーカ・保守技術部門で作成された学習データを情報システム１００に送信し、データベースに登録させる。情報システム１００は、フィードバックされたデータを学習済みモデルに新たに追加学習させてもよ
い。
い。
【0022】
（構成）
図２は、情報システム１００のハードウェアである情報処理装置１の構成を例示する図である。情報処理装置１の構成は、通常のコンピュータと同様である。情報処理装置１は、単体のコンピュータであってもよいし、クラウドサーバのように複数のコンピュータの集合であってもよい。例えば、情報処理装置１はＣＰＵ１１と、主記憶装置１２と、外部インターフェース（Ｉ／Ｆ）を通じて接続される外部機器を有し、プログラムにより情報処理を実行する。外部機器としては、外部記憶装置１３、表示装置１４、操作装置１５、および通信装置１６を例示できる。ＣＰＵ１１と、主記憶装置１２と、外部インターフェース（Ｉ／Ｆ）は、制御部ということができる。
図２は、情報システム１００のハードウェアである情報処理装置１の構成を例示する図である。情報処理装置１の構成は、通常のコンピュータと同様である。情報処理装置１は、単体のコンピュータであってもよいし、クラウドサーバのように複数のコンピュータの集合であってもよい。例えば、情報処理装置１はＣＰＵ１１と、主記憶装置１２と、外部インターフェース（Ｉ／Ｆ）を通じて接続される外部機器を有し、プログラムにより情報処理を実行する。外部機器としては、外部記憶装置１３、表示装置１４、操作装置１５、および通信装置１６を例示できる。ＣＰＵ１１と、主記憶装置１２と、外部インターフェース（Ｉ／Ｆ）は、制御部ということができる。
【0023】
ＣＰＵ１１は、主記憶装置１２に実行可能に展開されたコンピュータプログラムを実行し、情報処理装置１の機能を提供する。ＣＰＵ１１はプロセッサとも呼ばれる。ただし、ＣＰＵ１１は、単一のプロセッサに限定される訳ではなく、マルチプロセッサ構成であってもよい。また、ＣＰＵ１１は、単一のソケットで接続される単一のプロセッサであって、マルチコア構成のものであってもよい。さらに、情報処理装置１の少なくとも一部の処理がDigital Signal Processor（ＤＳＰ）、Graphics Processing Unit（ＧＰＵ）、数値演算プロセッサ、ベクトルプロセッサ、画像処理プロセッサ等の専用プロセッサ、Application Specific Integrated Circuit（ＡＳＩＣ）等によって提供されてもよい。また、
情報処理装置１の少なくとも一部が、Field-Programmable Gate Array（ＦＰＧＡ）等の
専用large scale integration（ＬＳＩ）、その他のデジタル回路であってもよい。また
、情報処理装置１の少なくとも一部にアナログ回路が含まれてもよい。
情報処理装置１の少なくとも一部が、Field-Programmable Gate Array（ＦＰＧＡ）等の
専用large scale integration（ＬＳＩ）、その他のデジタル回路であってもよい。また
、情報処理装置１の少なくとも一部にアナログ回路が含まれてもよい。
【0024】
主記憶装置１２は、単にメモリとも呼ばれ、ＣＰＵ１１が実行するコンピュータプログラム、ＣＰＵ１１が処理するデータ等を記憶する。主記憶装置１２は、Dynamic Random Access Memory（ＤＲＡＭ）、Static Random Access Memory（ＳＲＡＭ）、Read Only Memory（ＲＯＭ）等である。さらに、外部記憶装置１３は、例えば、主記憶装置１２を補助
する記憶領域として使用され、ＣＰＵ１１が実行するコンピュータプログラム、ＣＰＵ１１が処理するデータ等を記憶する。外部記憶装置１３は、ハードディスクドライブ、Solid State Drive（ＳＳＤ）等である。さらに、情報処理装置１には、着脱可能記憶媒体の
駆動装置を設けてもよい。着脱可能記憶媒体は、例えば、ブルーレイディスク、Digital Versatile Disc（ＤＶＤ）、Compact Disc（ＣＤ）、フラッシュメモリカード等である。
する記憶領域として使用され、ＣＰＵ１１が実行するコンピュータプログラム、ＣＰＵ１１が処理するデータ等を記憶する。外部記憶装置１３は、ハードディスクドライブ、Solid State Drive（ＳＳＤ）等である。さらに、情報処理装置１には、着脱可能記憶媒体の
駆動装置を設けてもよい。着脱可能記憶媒体は、例えば、ブルーレイディスク、Digital Versatile Disc（ＤＶＤ）、Compact Disc（ＣＤ）、フラッシュメモリカード等である。
【0025】
また、情報処理装置１は、表示装置１４、操作装置１５、通信装置１６を有する。表示装置１４は、例えば、液晶ディスプレイ、Organic Electro-Luminescence（ＯＥＬ、有機ＥＬ）で例示されるエレクトロルミネッセンスパネル等である。操作装置１５は、例えば、キーボード、ポインティングデバイス等である。本実施形態では、ポインティングデバイスとしてマウスが例示される。通信装置１６は、ネットワーク上の他の装置とデータを授受する。
【0026】
（処理例）
図３から図７により、情報システム１００の各部の処理例と、データフローが説明される。図３は、情報システム１００が有する機能の構成を例示する図である。また、図４は、情報システム１００の各部の処理とデータフローを例示する図である。情報システム１００は、学習システム１０４、前処理部１０１、解析・診断部１０２、レポート出力部１０３、および更新部１０５を有している。これらの各部は、ＣＰＵ１１が主記憶装置１２に実行可能に展開されたコンピュータプログラムによって提供される。ただし、これらの一部、例えば、学習システム１０４は、情報処理装置１以外の他のコンピュータ上に構築されたものであってもよい。情報システム１００は、他のコンピュータと連携し、図３の
機能を提供可能である。
図３から図７により、情報システム１００の各部の処理例と、データフローが説明される。図３は、情報システム１００が有する機能の構成を例示する図である。また、図４は、情報システム１００の各部の処理とデータフローを例示する図である。情報システム１００は、学習システム１０４、前処理部１０１、解析・診断部１０２、レポート出力部１０３、および更新部１０５を有している。これらの各部は、ＣＰＵ１１が主記憶装置１２に実行可能に展開されたコンピュータプログラムによって提供される。ただし、これらの一部、例えば、学習システム１０４は、情報処理装置１以外の他のコンピュータ上に構築されたものであってもよい。情報システム１００は、他のコンピュータと連携し、図３の
機能を提供可能である。
【0027】
学習システム１０４は、一例としては、（１）稼働音と装置挙動の学習、（２）正常音データの学習、（３）稼働音の特徴と稼働音の発生源の構成要素の学習を実行する。このうち、（１）稼働音と装置挙動の学習および（３）稼働音の特徴と稼働音の発生源の構成要素の学習は、例えば、教師データによる学習である。装置挙動とは、例えば、装置の動作または状態変化をいう。装置挙動の例としては、流体の流路を有するシステムにおけるバルブのオープン、クローズ、ポンプの始動、停止等である。また、機械式リレーを含むシステムにおけるリレーのオン、オフ等である。
【0028】
稼働音と装置挙動の学習における教師データは、装置挙動時に発生し、収録された音データと、装置挙動を示すラベルである。教師データは、例えば、バルブＶｋオープン時に収録された音データと、「バルブＶｋオープン」というラベルである。ラベルは文字列でもよいし、装置挙動を特定可能なユニークな識別情報であってもよい。このような教師データが装置内のすべてのバルブＶｋ（ｋ＝１，・・・、Ｎ）ついて、それぞれ複数作成される。バルブＶｋクローズ時も同様に、教師データが作成される。また、教師データは、例えば、リレーＲｋオン時に収録された音データと、「リレーＲｋオン」というラベルである。このような教師データが装置内のすべてのリレーＲｋ（ｋ＝１，・・・、Ｍ）ついて、それぞれ複数作成される。リレーＲｋのオフ時も同様に、教師データが作成される。
【0029】
ここで、音データは、装置挙動時の期間、例えば、バルブＶｋオープンに要する期間、リレーオンに要する時間に収録された時間軸上の音データでよい。この場合には、音データは、時間軸と、音の強度（振幅、パワー）の２軸の成分を含む。ただし、音データは、これらの期間の音を周波数スペクトルにフーリエ変換したデータでもよい。この場合には、音データは、時間軸と、周波数軸と、音の強度（振幅、パワー）の３軸の成分を含む。時間軸と、周波数軸と、音の強度（振幅、パワー）の３軸の成分を含む音データは、スペクトログラムと呼ばれる。
【0030】
図４に例示するように、学習システム１０４は、稼働音と装置挙動の学習における教師データＡを入力され、教師ありの深層学習を実行し、第１の学習済みモデルとして学習済みモデルＡを作成する。稼働音は、装置の動作または状態変化に伴って発生する音ということができる。学習済みモデルＡは、所定期間に収集された音データＤ１の入力を受け、装置挙動の有無および当該所定期間中の音データの時間軸上での装置挙動の開始時刻（および終了時刻）を判定する。例えば、学習済みモデルＡは、所定期間に収集された音データＤ１中のバルブＶｋオープンの時間軸上の時刻、バルブＶｋクローズの時間軸上の時刻、リレーＲｋオン時の時間軸上の時刻、リレーＲｋオフ時の時間軸上の時刻等を特定し、出力する。
【0031】
（Ａ 前処理部１０１による処理例）
前処理部１０１は、所定期間中の音データＤ１を学習済みモデルＡに入力することで、学習済みモデルＡから、当該所定期間中に存在する装置挙動の種類と、その装置挙動の開始時刻（および終了時刻）を取得する。そして、前処理部１０１は、所定期間中に収録された音データＤ１から、装置挙動の種類によって分割された挙動単位ごとの音データ（以下、部分区間の音データ）Ｄ２を抽出する。部分区間の音データＤ２は、例えば、バルブＶ１オープン時からバルブＶ２オープン時までの音データである。部分区間を構成する装置挙動は、装置の処理シーケンスから決定される。例えば、装置の処理シーケンスが、バルブＶ１オープン、バルブＶ２オープン、リレーＲ１オン、リレーＲ２オン、・・・のシーケンスを実行すると仮定する。この場合、上記所定区間は、バルブＶ１オープン時からバルブＶ２オープン時までの部分区間ＰＰ１、バルブＶ２オープン時からリレーＲ１オン時までの部分区間ＰＰ２、リレーＲ１オン時からリレーＲ２オン時までの部分区間ＰＰ３
のように分割される。ただし、抽出される部分区間は、装置挙動に対応する時間区間であり、部分区間の集合が所定期間中に収録された音データＤ１全体をカバーするとは限らない。すなわち、所定期間中に収録された音データＤ１中は、装置挙動単位に該当しない区間の音データも含み得る。
前処理部１０１は、所定期間中の音データＤ１を学習済みモデルＡに入力することで、学習済みモデルＡから、当該所定期間中に存在する装置挙動の種類と、その装置挙動の開始時刻（および終了時刻）を取得する。そして、前処理部１０１は、所定期間中に収録された音データＤ１から、装置挙動の種類によって分割された挙動単位ごとの音データ（以下、部分区間の音データ）Ｄ２を抽出する。部分区間の音データＤ２は、例えば、バルブＶ１オープン時からバルブＶ２オープン時までの音データである。部分区間を構成する装置挙動は、装置の処理シーケンスから決定される。例えば、装置の処理シーケンスが、バルブＶ１オープン、バルブＶ２オープン、リレーＲ１オン、リレーＲ２オン、・・・のシーケンスを実行すると仮定する。この場合、上記所定区間は、バルブＶ１オープン時からバルブＶ２オープン時までの部分区間ＰＰ１、バルブＶ２オープン時からリレーＲ１オン時までの部分区間ＰＰ２、リレーＲ１オン時からリレーＲ２オン時までの部分区間ＰＰ３
のように分割される。ただし、抽出される部分区間は、装置挙動に対応する時間区間であり、部分区間の集合が所定期間中に収録された音データＤ１全体をカバーするとは限らない。すなわち、所定期間中に収録された音データＤ１中は、装置挙動単位に該当しない区間の音データも含み得る。
【0032】
図５は、部分区間の音データＤ２を抽出する処理を例示する。図５には、時間と周波数と強度の３軸を含む音データであるスペクトログラムが上下２つ並べて例示されている。なお、図５で音の強度は、塗りつぶしパターンの濃さで例示されている。図５で上のグラフは、所定期間のスペクトログラムである。上のグラフのスペクトログラムには、例えば、時刻Ｔ１付近で、バルブＶ１がオープン（開）するときの音が含まれる。また、時刻Ｔ２付近で、バルブＶ２がオープン（開）するときの音が含まれる。学習済みモデルＡは、図５の上のグラフのような所定期間のスペクトログラムにおける、バルブＶ１がオープン（開）したとき、バルブＶ２がオープン（開）したとき等の時刻を特定する。前処理部１０１は、学習済みモデルＡが特定した装置挙動の時刻を基に、所定期間の音データ（図５の上のグラフ）から、バルブＶ１がオープン（開）時からバルブＶ２オープン（開）時までの部分区間の音データ（図５の下のグラフ）を抽出する。前処理部１０１は、学習済みモデルＡと連携することで、装置から集音された所定期間の音データＤ１から、装置のシーケンスにしたがって、装置挙動単位の部分区間の音データＤ２を抽出する。なお、所定期間の長さに限定はない。一例としては、所定期間は、集音用のデバイスを用いて蓄積される音データの期間である。
【0033】
このような部分区間を形成するための装置挙動時の音をトリガ音という。トリガ音は、例えば、バルブＶ１がオープン（開）するときの音である。ところで、前処理部１０１は、教師データＡに含まれるトリガ音のうちの１つを基準データ（基準音）として有している。基準データは、音（または周波数）の強度の基準値を有するデータである。そして、前処理部１０１は、部分区間の音の強度が、トリガ音の強度と一致するように補正する。すなわち、前処理部１０１は、部分区間の音データＤ２に含まれる、トリガ音に対応する音の強度が基準データのトリガ音の強度と一致するように、部分区間の音データＤ２全体の強度を調整し、補正済みデータを生成する。このような前処理部１０１の処理は装置の動作または状態変化に伴って発生する音を基に、抽出した部分区間の音の強度を調整する処理の一例といえる。
【0034】
図６は、部分区間の音データＤ２の強度を補正する処理を例示する図である。図６には、基準データＳＤ０、入力データＳＤ１および補正済みデータＳＤ２のスペクトログラムの一部が例示されている。なお、図６では、時間軸は、装置挙動の開始から終了までの区間であるが、省略されている。前処理部１０１は、トリガ音に含まれる特定の周波数（１または複数）の音の強度と、入力データＳＤ１中のトリガ音に対応する部分の当該特定の周波数の音の強度を比較する。そして、前処理部１０１は、入力データＳＤ１中のトリガ音に対応する部分の当該特定の周波数の音の強度が、基準データＳＤ０の特定の周波数の音の強度となるように、入力データＳＤ１の部分区間全体の強度を調整する。このようにして、前処理部１０１は、装置で集音された音データＤ１から装置挙動単位に対応する部分区間で発生した音データＤ２を抽出する。そして、前処理部１０１は、抽出した部分区間の音データＤ２の強度（振幅、パワー）が基準データと一致するように抽出された音データＤ２を補正する。
【0035】
（Ｂ 解析・診断部１０２による処理例）
図３、図４のように、解析・診断部１０２は、異音検知部１０２Ａと、異音処理部１０２Ｂを有する。異音検知部１０２Ａは、部分区間の音データＤ２と正常音データＢとの比較により異音データを検知する。異音処理部１０２Ｂは、異音データと異音特徴データベースとの照合による、装置の異常の種別、現象、および原因の特定等を実行する。
図３、図４のように、解析・診断部１０２は、異音検知部１０２Ａと、異音処理部１０２Ｂを有する。異音検知部１０２Ａは、部分区間の音データＤ２と正常音データＢとの比較により異音データを検知する。異音処理部１０２Ｂは、異音データと異音特徴データベースとの照合による、装置の異常の種別、現象、および原因の特定等を実行する。
【0036】
（Ｂ１ 異音検知部１０２Ａによる処理例）
異音検知部１０２Ａは、統計解析、多変量解析、機械学習等による処理方法により、装置の挙動単位に対応する部分区間の音データＤ２から異音を検知する。異音の検知では、例えば、周波数と強度と時間変化の少なくとも１つ（特徴量）が用いられる。異音検知部１０２Ａは、異音が検知された部分区間の音データを異音データとして出力する。異音は、装置に異常がある可能性が高い音である。
異音検知部１０２Ａは、統計解析、多変量解析、機械学習等による処理方法により、装置の挙動単位に対応する部分区間の音データＤ２から異音を検知する。異音の検知では、例えば、周波数と強度と時間変化の少なくとも１つ（特徴量）が用いられる。異音検知部１０２Ａは、異音が検知された部分区間の音データを異音データとして出力する。異音は、装置に異常がある可能性が高い音である。
【0037】
異音検知部１０２Ａによる異音検知方法に限定はない。図４の例では、異音検知部１０２Ａは、装置が正常のときに取得された部分区間の音である正常音データＢを基に、挙動単位ごとのの部分区間の音データＤ２が異音を含むか否かを判定する。例えば、異音検知部１０２Ａは、部分区間の音データＤ２の特徴量、例えば、スペクトログラムの形状、強度、強度の変化、周波数の分布等を取得する。そして、異音検知部１０２Ａは、部分区間の音データＤ２の特徴量が所定の限界を超えて外れたものか否かを判定し、異音を検知する。
【0038】
異音検知部１０２Ａは、例えば、閾値判定法、マハラノビスタグチ法（ＭＴ法）、ベクトル量子化法（Vector Quantization. Clustering（ＶＱＣ）法）、局所部分空間法（Local Sub-space Classifier（ＬＳＣ）法）、ホテリングＴ２法、Ｋ近傍法、One-Class Support Vector Machine（ＳＶＭ）法等による異常検知を実行する。異音検知部１０２Ａは
、例えば、閾値判定法においては、正常音データＢの特徴量について、上下限閾値を定義し、部分区間の音データＤ２を監視し、上下限値を超えた音データを異音データとして検知する。また、異音検知部１０２Ａは、例えば、ＭＴ法において、正常音データＢで基準となるデータ集団を作成し、部分区間の音データＤ２の基準となるデータ集団との距離から、部分区間の音データが外れ値であるか（または外れ値を含むか）を検出する。また、異音検知部１０２Ａは、ホテリングＴ２法において、正常音データＢによる正規分布に従う標本を基に、部分区間の音データＤ２から外れ値を検出する。また、異音検知部１０２Ａは、例えば、Ｋ近傍法において、異常標本の音データと正常標本の音データを教師データとして準備し、教師あり学習を実行し、学習済みモデル（Ｋ近傍法）を作成する。そして、異音検知部１０２Ａは、学習済みモデル（Ｋ近傍法）により、部分区間の音データＤ２が異音を含むか否かを判定する。また、異音検知部１０２Ａは、例えば、One-Class ＳＶＭ法において、正常音データＢを1つのクラスとして学習し、判定境界を決定する。そ
して、異音検知部１０２Ａは、部分区間の音データＤ２が判定境界から外れたことを判定することで、異音データを検知する。
、例えば、閾値判定法においては、正常音データＢの特徴量について、上下限閾値を定義し、部分区間の音データＤ２を監視し、上下限値を超えた音データを異音データとして検知する。また、異音検知部１０２Ａは、例えば、ＭＴ法において、正常音データＢで基準となるデータ集団を作成し、部分区間の音データＤ２の基準となるデータ集団との距離から、部分区間の音データが外れ値であるか（または外れ値を含むか）を検出する。また、異音検知部１０２Ａは、ホテリングＴ２法において、正常音データＢによる正規分布に従う標本を基に、部分区間の音データＤ２から外れ値を検出する。また、異音検知部１０２Ａは、例えば、Ｋ近傍法において、異常標本の音データと正常標本の音データを教師データとして準備し、教師あり学習を実行し、学習済みモデル（Ｋ近傍法）を作成する。そして、異音検知部１０２Ａは、学習済みモデル（Ｋ近傍法）により、部分区間の音データＤ２が異音を含むか否かを判定する。また、異音検知部１０２Ａは、例えば、One-Class ＳＶＭ法において、正常音データＢを1つのクラスとして学習し、判定境界を決定する。そ
して、異音検知部１０２Ａは、部分区間の音データＤ２が判定境界から外れたことを判定することで、異音データを検知する。
【0039】
図４は、一例として教師なし学習による異常検知方法を例示する。学習済みモデルＢは、正常音データＢを学習済みであり、判定境界を決定済みである。異音検知部１０２Ａは、前処理部１０１によって抽出され、強度を補正された装置の挙動単位に対応する部分区間の音データＤ２を学習済みモデルＢに入力し、異常、すなわち異音の存在を検知させる。異音検知部１０２Ａは、異常が検知された部分区間の音データを異音データＤ３として出力する。
【0040】
図７は、正常音データＳＤＮと異音データＳＤＡを例示する図である。図７の上段は、正常音データＳＤＮと異音データＳＤＡのスペクトログラムを例示する。図７の例では、異音データＳＤＡのスペクトログラムでは、正常音データＳＤＮに対して、高音域に、濃い色の強度の高い部分が発生する。また、図７の下段は、異常が検知されたときの時刻における正常音データＳＤＮと異音データＳＤＡの周波数スペクトルを例示する。異音データＳＤＡでは、高音域に正常音データＳＤＮにない周波数成分が例示されている。異音検知部１０２Ａは、上記のような各種方法のいずれかにより、異音データＳＤＡを検知する。
【0041】
（Ｂ２ 異音処理部１０２Ｂによる処理例）
図４のように、異音処理部１０２Ｂは、異音検知部１０２Ａによって検知された異音データＤ３と、異音特徴データベース１１０との照合により、異常の有無、異常の種別、現象および原因の特定を実施する。例えば、異音処理部１０２Ｂは、学習済みモデルＣ（第２の学習済みモデル）により、異音データＤ３の発生源を特定する。学習済みモデルＣは、稼働音の音データと、音の発生源である構成要素との関係を教師あり学習済みである。稼働音の音データは、例えば、バルブＶｋの音データ、リレーＲｋの音データ、ポンプの音データ等である。稼働音の音データには、異音が含まれてもよい。したがって、異音処理部１０２Ｂは、異音検知部１０２Ａによって検知された異音データＤ３を学習済みモデルＣに入力し、異音の発生源を特定する。異音処理部１０２Ｂによる異音の発生源を特定する処理は、装置の構成要素が発する音と構成要素との関係を学習した第２の学習済みモデルに抽出した部分区間の音を入力することによって抽出した部分区間に含まれる音を発する構成要素を特定する処理の一例といえる。
図４のように、異音処理部１０２Ｂは、異音検知部１０２Ａによって検知された異音データＤ３と、異音特徴データベース１１０との照合により、異常の有無、異常の種別、現象および原因の特定を実施する。例えば、異音処理部１０２Ｂは、学習済みモデルＣ（第２の学習済みモデル）により、異音データＤ３の発生源を特定する。学習済みモデルＣは、稼働音の音データと、音の発生源である構成要素との関係を教師あり学習済みである。稼働音の音データは、例えば、バルブＶｋの音データ、リレーＲｋの音データ、ポンプの音データ等である。稼働音の音データには、異音が含まれてもよい。したがって、異音処理部１０２Ｂは、異音検知部１０２Ａによって検知された異音データＤ３を学習済みモデルＣに入力し、異音の発生源を特定する。異音処理部１０２Ｂによる異音の発生源を特定する処理は、装置の構成要素が発する音と構成要素との関係を学習した第２の学習済みモデルに抽出した部分区間の音を入力することによって抽出した部分区間に含まれる音を発する構成要素を特定する処理の一例といえる。
【0042】
また、異音処理部１０２Ｂは、異音特徴データベース１１０を検索し、異音特徴データベース１１０に登録された過去に検出済みの異音の特徴と、異音検知部１０２Ａによって検知された異音データＤ３とを照合する。そして、異音処理部１０２Ｂは、異音特徴データベース１１０に登録された過去に検出済みの異音の特徴に合致する特徴が、異音データＤ３にあるか否かを判定する。異音特徴データベース１１０は、異音の特徴と、装置の異常の種別、現象、および原因等を含む異常の詳細との関係を保持する。異音処理部１０２Ｂは、異音特徴データベース１１０に登録された過去に検出済みの異音の特徴に合致する異音データＤ３を検知すると、異音特徴データベース１１０に登録された装置の異常の種別、現象、および原因等を含む異常の詳細を特定する。異音処理部１０２Ｂは、異音特徴データベース１１０と異音データＤ３との照合において、異音データＤ３から装置の異常を検知できないとき、エラーを出力する。この場合には、異音データＤ３は、図１に例示したメーカ・保守技術部門のコンピュータに転送され、解析がなされる。
【0043】
なお、異音処理部１０２Ｂは、異音データと、装置の異常の種別との関係を教師あり学習した学習済みモデルによって、異音データを処理してもよい。異音処理部１０２Ｂは、異音データと、装置の異常の種別を判定し、判定された異常の種別から、他のデータベースに登録した異常の現象、および原因を含む異常の詳細を取得してもよい。
【0044】
（Ｃ レポート出力部１０３による処理例）
レポート出力部１０３は、異音処理部１０２Ｂによって特定された装置の異常の種別、原因および異常の詳細をレポートとして出力する。出力先は、例えば、ウェブサーバ上のウェブページ、情報処理装置１の表示装置１４、保守員の有するデバイス等である。ただし、レポート出力部１０３の出力先に限定がある訳ではない。
レポート出力部１０３は、異音処理部１０２Ｂによって特定された装置の異常の種別、原因および異常の詳細をレポートとして出力する。出力先は、例えば、ウェブサーバ上のウェブページ、情報処理装置１の表示装置１４、保守員の有するデバイス等である。ただし、レポート出力部１０３の出力先に限定がある訳ではない。
【0045】
（Ｄ 更新部１０５による処理）
異音処理部１０２Ｂによる処理で、異音データＤ３から装置の異常を検知できず、エラーが発生したとき、更新部１０５は、メーカ・保守技術部門のコンピュータから、新たな解析結果に基づくデータを取得し、異音特徴データベース１１０を更新する。また、更新部１０５は、必要に応じて教師データＡ、正常音データＢ、教師データＣ等を追加し、学習済みモデルＡ、学習済みモデルＢ、学習済みモデルＣ等を更新してもよい。
異音処理部１０２Ｂによる処理で、異音データＤ３から装置の異常を検知できず、エラーが発生したとき、更新部１０５は、メーカ・保守技術部門のコンピュータから、新たな解析結果に基づくデータを取得し、異音特徴データベース１１０を更新する。また、更新部１０５は、必要に応じて教師データＡ、正常音データＢ、教師データＣ等を追加し、学習済みモデルＡ、学習済みモデルＢ、学習済みモデルＣ等を更新してもよい。
【0046】
（異音特徴データベース１１０）
図８は、異音特徴データベース１１０のデータを例示する図である。異音特徴データベース１１０のデータは、例えば、表形式のデータである。図８の例では、異音特徴データベース１１０の各データ（レコード）は、異音の分類と、装置の異常情報とを含む。異音
特徴データベース１１０は、異音の特徴から、異音発生時の装置の異常の有無、種別、原因、およびその詳細を特定するためのデータベースである。
図８は、異音特徴データベース１１０のデータを例示する図である。異音特徴データベース１１０のデータは、例えば、表形式のデータである。図８の例では、異音特徴データベース１１０の各データ（レコード）は、異音の分類と、装置の異常情報とを含む。異音
特徴データベース１１０は、異音の特徴から、異音発生時の装置の異常の有無、種別、原因、およびその詳細を特定するためのデータベースである。
【0047】
異音の分類は、異音の発生状況、異音の特徴、異音の発生源の構成要素という要素（フィールド）を含む。異音の発生状況は、例えば、「連続的」、「断続的」、「周期的」、「一時的」、「異常音を含む装置挙動時間がＴ３秒を超過」、「異常音が周波数Ｆ１Ｈｚに到達時」、「装置稼働後Ｔ１時間以内」、「装置稼働後Ｔ２時間からＴ３時間の間」等である。「連続的」とは、異音が継続的に発生することをいう。また、「断続的」とは、周期が不定で、異音が繰り返し発生することをいう。周期的とは、異音が特定の周期で繰り返し発生することをいう。この場合、異音の発生状況には、周期の値が保持されてもよい。「一時的」とは、異音の発生が不定期に単発で発生することをいう。「異常音を含む装置挙動時間がＴ３秒を超過」とは、装置の挙動、例えば、ポンプの排気開始から完了までの時間が、基準となるＴ３時間を超えることをいう。
【0048】
異音の特徴は、音データが示す特徴をいう。異音の特徴は、「周波数Ｆ２Ｈｚ～Ｆ３Ｈｚの範囲でＱ１ｄＢ以上の強度変化」があること、「正常音データと同等」等をいう。異音の発生源の構成要素は、図４の学習済みモデルＣによって特定される異音データの発生源と推定される装置の構成要素である。異音の発生源の構成要素は、例えば、ベアリングＢ１、ベアリングＢ２、リレーＲ１、ポンプＰ１等、装置に含まれる部品が例示される。異音の発生源の構成要素は、抽出した部分区間に含まれる音を発する構成要素を指定する項目の一例といえる。
【0049】
異音の特徴は、前記抽出した部分区間の音の強度、特定の周波数の有無、特定の周波数の強度、音の強度の変化の特性、周波数の強度の変化の特性、音の強度の変化の特性が観測される時間の長さ、および、周波数の強度の変化の特性が観測される時間の長さの少なくとも１つを含む。音の強度の変化の特性が観測される時間の長さは、例えば、音データにおける特定の構成要素の動作に要する時間ということもできる。この時間の長さは、例えば、真空ポンプの排気の開始から完了までの時間である。この時間が基準より長い場合、または基準より短い場合に、異音処理部１０２Ｂは、その構成要素に故障の可能性があると判断できる場合がある。情報システム１００は、周波数の強度の変化の特性が観測される時間の長さについても同様に活用できる。
【0050】
図８の例では、装置の異常情報は、異常の原因と異常の詳細を含む。異常の原因とは、異音の分類によって特定される装置の異常の原因である。異常の原因は、例えば、ベアリングにおける「玉または玉受けの不良」、「防振ゴムの不良」、ポンプにおける「ポンプ性能の低下」等である。異常の詳細は、例えば、ベアリングにおける「玉または玉受けの(1)傷、(2)異物混入」等である。また、異常の詳細は、防振ゴムの経時変換による劣化である。また、異常の詳細は、ポンプの故障等である。ただし、装置の異常情報は、項目として、装置の異常の種別、現象等を含んでもよい。図８の例では、装置の異常の種別、現象等は、「異常の詳細」のフィールドに記載される。すなわち、異音特徴データベース１１０のレコードには、異音の特徴情報が格納される。
【0051】
図８では、表の各要素は、自然言語で例示されている。しかし、表の各要素は、例えば、自然言語に類似した擬似言語であって、異音処理部１０２Ｂが解釈（インタプリタで解析）可能な文法にしたがって記載されればよい。すなわち、擬似言語を処理するインタプリタが異音の分類および装置の異常情報として記載された情報を解釈し、異音処理部１０２Ｂに引き渡せばよい。あるいは、表の各要素は、さらに、細分化され、例えば、リレーショナルデータベースに格納されてもよい。
【0052】
このように、異音特徴データベース１１０では、異音の特徴から、異音発生時の装置の
異常の有無、種別、原因、およびその詳細を特定できる。異音特徴データベース１１０は、過去の装置の異常時における装置から発する異音の分類項目と、装置の異常との関係を対応づけたものである。なお、異音特徴データベース１１０は、装置が使用される期間の経過に伴う異常の発生により、更新されるデータベースである。また、図８では、異音特徴データベース１１０が表形式で記載されている。しかし、本実施の形態において、異音特徴データベース１１０が表形式のデータベースに限定される訳ではない。例えば、異音特徴データベース１１０は、テキストまたは記号によって、「ＩＦ」 「ＴＨＥＮ」 「ＥＬＳＥ」のルールで記述されたルールベースであってもよい。
異常の有無、種別、原因、およびその詳細を特定できる。異音特徴データベース１１０は、過去の装置の異常時における装置から発する異音の分類項目と、装置の異常との関係を対応づけたものである。なお、異音特徴データベース１１０は、装置が使用される期間の経過に伴う異常の発生により、更新されるデータベースである。また、図８では、異音特徴データベース１１０が表形式で記載されている。しかし、本実施の形態において、異音特徴データベース１１０が表形式のデータベースに限定される訳ではない。例えば、異音特徴データベース１１０は、テキストまたは記号によって、「ＩＦ」 「ＴＨＥＮ」 「ＥＬＳＥ」のルールで記述されたルールベースであってもよい。
【0053】
例えば、図８の１行目のレコードは、ルールベースでは、ＩＦ 「異音の発生状況」が「連続的」ＡＮＤ「異音の特徴」が「周波数Ｆ２Ｈｚ～Ｆ３Ｈｚの範囲でＱ１ｄＢ以上の強度変化」ＡＮＤ「異音の発生源の構成要素」が「ベアリングＢ１」ＴＨＥＮ 「異常の原因」は「玉または玉受けの不良」のように特定される。また、「異常の詳細」は「玉または玉受けの（１）傷（２）異物混入」のように特定される。
【0054】
なお、ベアリングで発生する音の周波数については、五十嵐昭男, 浜田啓好、「欠陥をもつころがり軸受の振動・音響に関する研究-1-1個のきずがある玉軸受の振動〔含 討論
〕」、日本機械学会論文集. Ｃ編 ４７（４２２） １９８１．１０ ｐｐ．１３２７
～１３３６に報告がある。この報告では、内輪の傷により発生する振動パルスの周波数fiは、
z*fi=z*fr*(1/2)*(1+(d/D)cosα); （式１）
で計算できる。また、玉の傷により発生する振動パルスの周波数fbは、
2*fb=fr*(D/d)*(1+(d2/D2)cos2α); （式２）
で計算できる。ここで、frはベアリングの回転速度(Hz)であり、zはベアリング内の玉の
個数であり、Dはピッチ円の直径(mm)であり、dは玉の直径(mm)であり、αは接触角（度）である。したがって、例えば、ベアリングの傷と、傷を有するベアリングから発生する音との関係は実験的または理論的に特定可能である。
〕」、日本機械学会論文集. Ｃ編 ４７（４２２） １９８１．１０ ｐｐ．１３２７
～１３３６に報告がある。この報告では、内輪の傷により発生する振動パルスの周波数fiは、
z*fi=z*fr*(1/2)*(1+(d/D)cosα); （式１）
で計算できる。また、玉の傷により発生する振動パルスの周波数fbは、
2*fb=fr*(D/d)*(1+(d2/D2)cos2α); （式２）
で計算できる。ここで、frはベアリングの回転速度(Hz)であり、zはベアリング内の玉の
個数であり、Dはピッチ円の直径(mm)であり、dは玉の直径(mm)であり、αは接触角（度）である。したがって、例えば、ベアリングの傷と、傷を有するベアリングから発生する音との関係は実験的または理論的に特定可能である。
【0055】
なお、ベアリングが異常のときに発生する音の周波数等の特徴は、式１、式２のような研究成果によらず、実際の異常のときに取得可能であることは当然である。また、ベアリングの音に限らず、様々な装置の各部の構成要素が異常のときに生じる音の周波数、強度、周波数と強度の変化、発生状況等の特徴は、それぞれの異常発生時に集音される音から特定できることは当然である。
【0056】
（処理フロー）
図９は、情報システム１００が実行する装置の異常検知処理を例示するフローチャートである。情報システム１００は、前処理部１０１により、装置から収集した所定区間の音データから装置の挙動単位に対応する部分区間の音データを抽出する（Ｓ１）。この処理では、情報システム１００は、例えば、装置から収集した所定区間の音データからから図４の学習モデルＡによりトリガ音を検知し、検知したトリガ音により、装置挙動単位に対応する部分区間の音データを抽出する。Ｓ１の処理は、所定区間の音から装置の動作または状態変化に対応する部分区間の音を抽出することの一例である。
図９は、情報システム１００が実行する装置の異常検知処理を例示するフローチャートである。情報システム１００は、前処理部１０１により、装置から収集した所定区間の音データから装置の挙動単位に対応する部分区間の音データを抽出する（Ｓ１）。この処理では、情報システム１００は、例えば、装置から収集した所定区間の音データからから図４の学習モデルＡによりトリガ音を検知し、検知したトリガ音により、装置挙動単位に対応する部分区間の音データを抽出する。Ｓ１の処理は、所定区間の音から装置の動作または状態変化に対応する部分区間の音を抽出することの一例である。
【0057】
次に、情報システム１００は、前処理部１０１により、所定区間の音データの強度を補正する（Ｓ２）。この処理は、図６に例示したように、例えば、Ｓ１で検知されたトリガ音である入力データＳＤ１と、基準データＳＤ０との比較により、部分区間の音データの強度を調整する処理である。Ｓ２の処理は、抽出した部分区間の音の強度を調整することの一例である。
【0058】
そして、情報システム１００は解析・診断部１０２の異音検知部１０２Ａにより、Ｓ２
の処理で補正された部分区間の音データから異音を検知する（Ｓ３）。この処理では、情報システム１００の異音検知部１０２Ａが、例えば、教師なしの学習済みモデルＢにより、異音を検知する。ただし、異音を検知する方法が、教師なしの学習済みモデルＢに限定される訳ではないことは、図４おいて説明した通りである。
の処理で補正された部分区間の音データから異音を検知する（Ｓ３）。この処理では、情報システム１００の異音検知部１０２Ａが、例えば、教師なしの学習済みモデルＢにより、異音を検知する。ただし、異音を検知する方法が、教師なしの学習済みモデルＢに限定される訳ではないことは、図４おいて説明した通りである。
【0059】
そして、情報システム１００は、Ｓ３の処理で異音が検知されたか否かを判定する（Ｓ４）。異音が検知されると（Ｓ４でＹ）、情報システム１００は、解析・診断部１０２の異音処理部１０２Ｂにより、異音を含む音データの特徴情報と、異音特徴ＤＢとを照合する（Ｓ５）。そして、異音を含む音データの特徴情報が異音特徴データベース１１０の異音の分類として含まれているか否かを判定する（Ｓ６）。
【0060】
そして、異音を含む音データの特徴情報が異音特徴データベース１１０の異音の分類として含まれているとき（Ｓ６でＹ）、情報システム１００は、異音の分類に対応する装置の異常情報を取得する（Ｓ７）。そして、情報システム１００は、レポート出力部１０３により、装置の異常の種別、現象、異常の原因、および装置の異常に関連するデータを含むレポートをネットワークＮ１上のウェブサイト、表示装置１４または保守員のデバイス等に出力する（Ｓ８）。
【0061】
一方、異音を含む音データの特徴情報が異音特徴データベース１１０の異音の分類として含まれていない場合（Ｓ６でＮ）の処理は以下の通りである。この場合、情報システム１００は、エラーを上記ウェブサイト、表示装置１４または保守員のデバイス等に出力し、関連部門への解析を依頼する（Ｓ９）。その後、情報システム１００は、処理を終了する。
【0062】
（実施の形態の効果）
情報システム１００は、装置の動作または状態変化である装置挙動に伴って発生する音（トリガ音）と装置挙動との関係を学習した学習済みモデルＡ（第１の学習済みモデル）に装置から取得した所定区間の音を入力する。そして、情報システム１００は、所定区間の音を装置挙動に伴って発生する音によって部分区間に区切り、それぞれの装置挙動に対応する音データを抽出する。したがって、情報システム１００は、属人的な手順によらず、学習済みモデルＡによる音データの判定により、装置挙動単位に対応する部分区間で発生した音データＤ２（図４参照）を抽出できる。
情報システム１００は、装置の動作または状態変化である装置挙動に伴って発生する音（トリガ音）と装置挙動との関係を学習した学習済みモデルＡ（第１の学習済みモデル）に装置から取得した所定区間の音を入力する。そして、情報システム１００は、所定区間の音を装置挙動に伴って発生する音によって部分区間に区切り、それぞれの装置挙動に対応する音データを抽出する。したがって、情報システム１００は、属人的な手順によらず、学習済みモデルＡによる音データの判定により、装置挙動単位に対応する部分区間で発生した音データＤ２（図４参照）を抽出できる。
【0063】
また、情報システム１００は、装置が正常であるときに収集された部分区間の音を基に部分区間において装置に異常があるか否かを判定する。したがって、情報システム１００は、属人的な手順によらず、装置挙動ごとの異音データＤ３（図４参照）を抽出できる。
【0064】
また、情報システム１００は、装置に異常があると判定された部分区間の音データ（異音データＤ３）の特徴情報と異常の有無、種別、原因、およびその詳細との関係を対応づけた異音特徴データベース１１０とを照合する。情報システム１００は、この照合により、装置に異常があるか否かを判定する。そして、装置に異常がある場合に異常の種別を特定し、異常の原因と、詳細を異音特徴データベース１１０から取得し、レポートを出力できる。
【0065】
また、情報システム１００は、装置の動作または状態変化である装置挙動に伴って発生する音（トリガ音）を基に、取得した部分区間の音データＤ２（図４参照）の強度を調整する。したがって、情報システム１００は、解析・診断部１０２による処理が容易なデータとなるように、装置から集音された音データを変換できる。
【0066】
また、異音特徴データベース１１０のレコードの各要素に格納される特徴情報は、抽出
した部分区間の音の強度、特定の周波数の有無、特定の周波数の強度、音の強度の変化の特性、周波数の強度の変化の特性、音の強度の変化の特性が観測される時間の長さ、および、周波数の強度の変化の特性が観測される時間の長さの少なくとも１つを含む。情報システム１００は、このような特徴情報により、装置に異常があると判定された部分区間の異音データＤ３の特徴情報と異常の種別との関係を対応づけた異音特徴データベース１１０とを照合し、異常を特定できる可能性を高めることができる。
した部分区間の音の強度、特定の周波数の有無、特定の周波数の強度、音の強度の変化の特性、周波数の強度の変化の特性、音の強度の変化の特性が観測される時間の長さ、および、周波数の強度の変化の特性が観測される時間の長さの少なくとも１つを含む。情報システム１００は、このような特徴情報により、装置に異常があると判定された部分区間の異音データＤ３の特徴情報と異常の種別との関係を対応づけた異音特徴データベース１１０とを照合し、異常を特定できる可能性を高めることができる。
【0067】
また、情報システム１００は、装置の構成要素が発する音と構成要素との関係を学習した学習済みモデルＣ（第２の学習済みモデル）に異音データＤ３（図４参照）を入力する。情報システム１００は、これによって異音を含む部分区間に含まれる音を発する構成要素を特定し、特徴情報とする。これにより、情報システム１００は、装置に異常があると判定された部分区間の異音データＤ３の発生源を特定できる。その結果、情報システム１００は、異常を特定できる可能性を高めることができる。
【0068】
さらに、本実施の形態によれば、以下の課題が解決される。
（１）情報システム１００は、装置の安定稼動の可能性を高めることができる。すなわち、情報システム１００により、保守員は異常の根拠をデータで明確にした装置診断結果を含むレポートをユーザに報告することが可能となる。これにより、情報システム１００は、納得感のある保守提案に結び付け、適切な保守を実施することにより、装置の安定稼動を実現する。
（１）情報システム１００は、装置の安定稼動の可能性を高めることができる。すなわち、情報システム１００により、保守員は異常の根拠をデータで明確にした装置診断結果を含むレポートをユーザに報告することが可能となる。これにより、情報システム１００は、納得感のある保守提案に結び付け、適切な保守を実施することにより、装置の安定稼動を実現する。
【0069】
（２）情報システム１００は、装置診断技術の平準化と属人化の解消を図ることができる。すなわち、情報システム１００は、音データによる診断を行うことで、熟練度によるばらつきを解消するとともに、音による診断基準を形式化し蓄積する。
【0070】
（３）情報システム１００による処理は、旧型・既納装置への適用が可能である。例えば、装置保守に関するログデータを出力する機能が無い、もしくは詳細なログデータを持たない旧型の装置にも、情報システム１００による処理が適用できる。
【0071】
＜第２の実施の形態＞
図１０は、第２の実施の形態に係る情報システム１００の利用方法を例示する。上記第１の実施の形態では、保守員がユーザサイトを訪問し、保守対象の装置から集音用のデバイスを用いて集音した音を活用する情報システム１００が例示された。しかし、情報システム１００の利用はこのような態様に限定される訳ではない。例えば、ユーザサイトに設置されたエッジデバイスが常時または所定のタイミングで装置から集音してもよい（Ｂ１）。エッジデバイスがネットワークを通じて、集音した音データを情報システム１００に送信するようにすればよい。この場合に音データを受信した情報システム１００の処理は、第１の実施の形態と同様である。
図１０は、第２の実施の形態に係る情報システム１００の利用方法を例示する。上記第１の実施の形態では、保守員がユーザサイトを訪問し、保守対象の装置から集音用のデバイスを用いて集音した音を活用する情報システム１００が例示された。しかし、情報システム１００の利用はこのような態様に限定される訳ではない。例えば、ユーザサイトに設置されたエッジデバイスが常時または所定のタイミングで装置から集音してもよい（Ｂ１）。エッジデバイスがネットワークを通じて、集音した音データを情報システム１００に送信するようにすればよい。この場合に音データを受信した情報システム１００の処理は、第１の実施の形態と同様である。
【0072】
エッジデバイスの種類に限定はない。エッジデバイスは、ネットワークを通じて情報システム１００と通信する機能と、集音する機能を有するものであればどのような種類、構成のものでもよい。エッジデバイスの構成は、例えば、図２に例示した情報処理装置１にマイクロフォンを追加したものが例示される。エッジデバイスとしては、例えば、汎用のパーソナルコンピュータ、モバイル端末が例示される。ただし、エッジデバイスとしては、マイクロフォンと通信装置とを組み合わせた専用のデバイスであってもよい。また、エッジデバイスがアクセス可能なネットワークは、インターネット等の公衆ネットワーク、Virtual Private Network（ＶＰＮ）等の専用ネットワークのいずれでもよい。ネットワ
ークの一部に無線通信網が含まれてもよい。例えば、エッジデバイスが携帯電話網にアクセスできるものでもよい。また、無線Local Area Network（ＬＡＮ）、Bluetooth（登録
商標）にアクセスできるものでもよい。
ークの一部に無線通信網が含まれてもよい。例えば、エッジデバイスが携帯電話網にアクセスできるものでもよい。また、無線Local Area Network（ＬＡＮ）、Bluetooth（登録
商標）にアクセスできるものでもよい。
【0073】
図１０のような利用の形態を採ることで、ユーザに装置の保守サービスを時間的に切れ目なく継続的に提供するとともに、情報システム１００に組み込まれた過去の異常発生時の音データを活用することができる。
【0074】
＜コンピュータが読み取り可能な記録媒体＞
コンピュータその他の機械、装置（以下、コンピュータ等）に上記いずれかの機能を実現させるプログラムをコンピュータ等が読み取り可能な記録媒体に記録することができる。そして、コンピュータ等に、この記録媒体のプログラムを読み込ませて実行させることにより、その機能を提供させることができる。
コンピュータその他の機械、装置（以下、コンピュータ等）に上記いずれかの機能を実現させるプログラムをコンピュータ等が読み取り可能な記録媒体に記録することができる。そして、コンピュータ等に、この記録媒体のプログラムを読み込ませて実行させることにより、その機能を提供させることができる。
【0075】
ここで、コンピュータ等が読み取り可能な記録媒体とは、データやプログラム等の情報を電気的、磁気的、光学的、機械的、または化学的作用によって蓄積し、コンピュータ等から読み取ることができる記録媒体をいう。このような記録媒体のうちコンピュータ等から取り外し可能なものとしては、例えばフレキシブルディスク、光磁気ディスク、ＣＤ－ＲＯＭ、ＣＤ－Ｒ／Ｗ、ＤＶＤ、ブルーレイディスク、ＤＡＴ、８ｍｍテープ、フラッシュメモリなどのメモリカード等がある。また、コンピュータ等に固定された記録媒体としてハードディスク、ＲＯＭ（リードオンリーメモリ）等がある。さらに、ＳＳＤ（Solid State Drive）は、コンピュータ等から取り外し可能な記録媒体としても、コンピュータ
等に固定された記録媒体としても利用可能である。
等に固定された記録媒体としても利用可能である。
【0076】
＜その他＞
本明細書は、下記態様（付記）を開示する。
（付記１）
装置の動作または状態変化に伴って発生する音と前記装置の動作または状態変化との関係を学習した第１の学習済みモデルに前記装置から取得した所定区間の音を入力することによって前記取得した所定区間の音から前記装置の動作または状態変化に対応する部分区間の音を抽出することと、
前記装置が正常であるときに収集された音を基に前記部分区間において前記装置に異常があるか否かを判定することと、を実行する制御部を備える情報処理装置。
（付記２）
前記制御部は、前記装置に異常があるときの前記装置の音の特徴情報と前記異常との関係を対応づけたデータベースと、前記装置に異常があると判定された前記部分区間の音とを照合することにより、前記異常を特定することと、
前記特定された前記異常に関連する情報を出力することと、を実行する請求項１に記載の情報処理装置。
（付記３）
前記制御部は、前記装置の動作または状態変化に伴って発生する音を基に、前記抽出した部分区間の音の強度を調整することをさらに実行する請求項１に記載の情報処理装置。（付記４）
前記特徴情報は、前記抽出した部分区間の音の強度、特定の周波数の有無、特定の周波数の強度、音の強度の変化の特性、周波数の強度の変化の特性、前記音の強度の変化の特性が観測される時間の長さ、および、前記周波数の強度の変化の特性が観測される時間の長さの少なくとも１つを含む請求項２に記載の情報処理装置。
（付記５）
前記制御部は、前記装置の構成要素が発する音と前記構成要素との関係を学習した第２の学習済みモデルに前記抽出した部分区間の音を入力することによって前記抽出した部分区間に含まれる音を発する構成要素を特定することをさらに実行し、
前記特徴情報は前記抽出した部分区間に含まれる音を発する構成要素を指定する項目を含む請求項２に記載の情報処理装置。
（付記６）
コンピュータが、装置の動作または状態変化に伴って発生する音と前記装置の動作または状態変化との関係を学習した第１の学習済みモデルに前記装置から取得した所定区間の音を入力することによって前記取得した所定区間の音から前記装置の動作または状態変化に対応する部分区間の音を抽出することと、
前記装置が正常であるときに収集された音を基に前記部分区間において前記装置に異常があるか否かを判定することと、を実行する情報処理方法。
（付記７）
コンピュータが、
前記装置に異常があるときの前記装置の音の特徴情報と前記異常との関係を対応づけたデータベースと、前記装置に異常があると判定された前記部分区間の音とを照合することにより、前記異常を特定することと、
前記特定された前記異常に関連する情報を出力することと、を実行する請求項６に記載の情報処理方法。
（付記８）
コンピュータが、前記装置の動作または状態変化に伴って発生する音を基に、前記抽出した部分区間の音の強度を調整することをさらに実行する請求項６に記載の情報処理方法。
（付記９）
前記特徴情報は、前記抽出した部分区間の音の強度、特定の周波数の有無、特定の周波数の強度、音の強度の変化の特性、周波数の強度の変化の特性、前記音の強度の変化の特性が観測される時間の長さ、および、前記周波数の強度の変化の特性が観測される時間の長さの少なくとも１つを含む請求項７に記載の情報処理方法。
（付記１０）
コンピュータが、前記装置の構成要素が発する音と前記構成要素との関係を学習した第２の学習済みモデルに前記抽出した部分区間の音を入力することによって前記抽出した部分区間に含まれる音を発する構成要素を特定することをさらに実行し、
前記特徴情報は前記抽出した部分区間に含まれる音を発する構成要素を指定する項目を含む請求項７に記載の情報処理方法。
（付記１１）
コンピュータに、装置の動作または状態変化に伴って発生する音と前記装置の動作または状態変化との関係を学習した第１の学習済みモデルに前記装置から取得した所定区間の音を入力することによって前記取得した所定区間の音から前記装置の動作または状態変化に対応する部分区間の音を抽出することと、
前記装置が正常であるときに収集された音を基に前記部分区間において前記装置に異常があるか否かを判定することと、を実行させるためのプログラム。
（付記１２）
コンピュータに、前記装置に異常があるときの前記装置の音の特徴情報と前記異常との関係を対応づけたデータベースと、前記装置に異常があると判定された前記部分区間の音とを照合することにより、前記異常を特定することと、
前記特定された前記異常に関連する情報を出力することと、を実行させるための請求項１１に記載のプログラム。
（付記１３）
コンピュータに、前記装置の動作または状態変化に伴って発生する音を基に、前記抽出した部分区間の音の強度を調整することをさらに実行させるための請求項１１に記載のプログラム。
（付記１４）
前記特徴情報は、前記抽出した部分区間の音の強度、特定の周波数の有無、特定の周波数の強度、音の強度の変化の特性、周波数の強度の変化の特性、前記音の強度の変化の特性が観測される時間の長さ、および、前記周波数の強度の変化の特性が観測される時間の
長さの少なくとも１つを含む請求項１２に記載のプログラム。
（付記１５）
コンピュータに、前記装置の構成要素が発する音と前記構成要素との関係を学習した第２の学習済みモデルに前記抽出した部分区間の音を入力することによって前記抽出した部分区間に含まれる音を発する構成要素を特定することをさらに実行させ、
前記特徴情報は前記抽出した部分区間に含まれる音を発する構成要素を指定する項目を含む請求項１２に記載のプログラム。
本明細書は、下記態様（付記）を開示する。
（付記１）
装置の動作または状態変化に伴って発生する音と前記装置の動作または状態変化との関係を学習した第１の学習済みモデルに前記装置から取得した所定区間の音を入力することによって前記取得した所定区間の音から前記装置の動作または状態変化に対応する部分区間の音を抽出することと、
前記装置が正常であるときに収集された音を基に前記部分区間において前記装置に異常があるか否かを判定することと、を実行する制御部を備える情報処理装置。
（付記２）
前記制御部は、前記装置に異常があるときの前記装置の音の特徴情報と前記異常との関係を対応づけたデータベースと、前記装置に異常があると判定された前記部分区間の音とを照合することにより、前記異常を特定することと、
前記特定された前記異常に関連する情報を出力することと、を実行する請求項１に記載の情報処理装置。
（付記３）
前記制御部は、前記装置の動作または状態変化に伴って発生する音を基に、前記抽出した部分区間の音の強度を調整することをさらに実行する請求項１に記載の情報処理装置。（付記４）
前記特徴情報は、前記抽出した部分区間の音の強度、特定の周波数の有無、特定の周波数の強度、音の強度の変化の特性、周波数の強度の変化の特性、前記音の強度の変化の特性が観測される時間の長さ、および、前記周波数の強度の変化の特性が観測される時間の長さの少なくとも１つを含む請求項２に記載の情報処理装置。
（付記５）
前記制御部は、前記装置の構成要素が発する音と前記構成要素との関係を学習した第２の学習済みモデルに前記抽出した部分区間の音を入力することによって前記抽出した部分区間に含まれる音を発する構成要素を特定することをさらに実行し、
前記特徴情報は前記抽出した部分区間に含まれる音を発する構成要素を指定する項目を含む請求項２に記載の情報処理装置。
（付記６）
コンピュータが、装置の動作または状態変化に伴って発生する音と前記装置の動作または状態変化との関係を学習した第１の学習済みモデルに前記装置から取得した所定区間の音を入力することによって前記取得した所定区間の音から前記装置の動作または状態変化に対応する部分区間の音を抽出することと、
前記装置が正常であるときに収集された音を基に前記部分区間において前記装置に異常があるか否かを判定することと、を実行する情報処理方法。
（付記７）
コンピュータが、
前記装置に異常があるときの前記装置の音の特徴情報と前記異常との関係を対応づけたデータベースと、前記装置に異常があると判定された前記部分区間の音とを照合することにより、前記異常を特定することと、
前記特定された前記異常に関連する情報を出力することと、を実行する請求項６に記載の情報処理方法。
（付記８）
コンピュータが、前記装置の動作または状態変化に伴って発生する音を基に、前記抽出した部分区間の音の強度を調整することをさらに実行する請求項６に記載の情報処理方法。
（付記９）
前記特徴情報は、前記抽出した部分区間の音の強度、特定の周波数の有無、特定の周波数の強度、音の強度の変化の特性、周波数の強度の変化の特性、前記音の強度の変化の特性が観測される時間の長さ、および、前記周波数の強度の変化の特性が観測される時間の長さの少なくとも１つを含む請求項７に記載の情報処理方法。
（付記１０）
コンピュータが、前記装置の構成要素が発する音と前記構成要素との関係を学習した第２の学習済みモデルに前記抽出した部分区間の音を入力することによって前記抽出した部分区間に含まれる音を発する構成要素を特定することをさらに実行し、
前記特徴情報は前記抽出した部分区間に含まれる音を発する構成要素を指定する項目を含む請求項７に記載の情報処理方法。
（付記１１）
コンピュータに、装置の動作または状態変化に伴って発生する音と前記装置の動作または状態変化との関係を学習した第１の学習済みモデルに前記装置から取得した所定区間の音を入力することによって前記取得した所定区間の音から前記装置の動作または状態変化に対応する部分区間の音を抽出することと、
前記装置が正常であるときに収集された音を基に前記部分区間において前記装置に異常があるか否かを判定することと、を実行させるためのプログラム。
（付記１２）
コンピュータに、前記装置に異常があるときの前記装置の音の特徴情報と前記異常との関係を対応づけたデータベースと、前記装置に異常があると判定された前記部分区間の音とを照合することにより、前記異常を特定することと、
前記特定された前記異常に関連する情報を出力することと、を実行させるための請求項１１に記載のプログラム。
（付記１３）
コンピュータに、前記装置の動作または状態変化に伴って発生する音を基に、前記抽出した部分区間の音の強度を調整することをさらに実行させるための請求項１１に記載のプログラム。
（付記１４）
前記特徴情報は、前記抽出した部分区間の音の強度、特定の周波数の有無、特定の周波数の強度、音の強度の変化の特性、周波数の強度の変化の特性、前記音の強度の変化の特性が観測される時間の長さ、および、前記周波数の強度の変化の特性が観測される時間の
長さの少なくとも１つを含む請求項１２に記載のプログラム。
（付記１５）
コンピュータに、前記装置の構成要素が発する音と前記構成要素との関係を学習した第２の学習済みモデルに前記抽出した部分区間の音を入力することによって前記抽出した部分区間に含まれる音を発する構成要素を特定することをさらに実行させ、
前記特徴情報は前記抽出した部分区間に含まれる音を発する構成要素を指定する項目を含む請求項１２に記載のプログラム。
【符号の説明】
【0077】
１ 情報処理装置
１１ ＣＰＵ
１２ 主記憶装置
１３ 外部記憶装置
１４ 表示装置
１５ 操作装置
１６ 通信装置
１００ 情報システム
１０１ 前処理部
１０２ 解析・推論部
１０２Ａ 異音検知部
１０２Ｂ 異音処理部
１０３ レポート出力部
１０４ 学習システム
１１０ 異音特徴データベース
１１ ＣＰＵ
１２ 主記憶装置
１３ 外部記憶装置
１４ 表示装置
１５ 操作装置
１６ 通信装置
１００ 情報システム
１０１ 前処理部
１０２ 解析・推論部
１０２Ａ 異音検知部
１０２Ｂ 異音処理部
１０３ レポート出力部
１０４ 学習システム
１１０ 異音特徴データベース
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】