知財求人 - 知財ポータルサイト「IP Force」
▶ 株式会社東芝の特許一覧 ▶ 東芝電機サービス株式会社の特許一覧
(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】P2024038906
(43)【公開日】2024-03-21
(54)【発明の名称】情報分析装置
(51)【国際特許分類】
G06Q 10/20 20230101AFI20240313BHJP
G05B 23/02 20060101ALI20240313BHJP
G01M 17/08 20060101ALI20240313BHJP
G06Q 50/40 20240101ALI20240313BHJP
【ＦＩ】
G06Q10/00 300
G05B23/02 301X
G01M17/08
G06Q50/30
【審査請求】未請求
【請求項の数】9
【出願形態】ＯＬ
(21)【出願番号】P 2022143272
(22)【出願日】2022-09-08
(71)【出願人】
【識別番号】000003078
【氏名又は名称】株式会社東芝
(71)【出願人】
【識別番号】598076591
【氏名又は名称】東芝インフラシステムズ株式会社
(74)【代理人】
【識別番号】110003708
【氏名又は名称】弁理士法人鈴榮特許綜合事務所
(72)【発明者】
【氏名】阿邊 優一
(72)【発明者】
【氏名】弓削 晶郎
【テーマコード（参考）】
3C223
5L049
【Ｆターム（参考）】
3C223AA15
3C223BA03
3C223CC02
3C223DD03
3C223EB02
3C223EB03
3C223EB04
3C223FF04
3C223FF13
3C223FF14
3C223FF15
3C223FF16
3C223FF22
3C223FF24
3C223FF34
3C223FF45
3C223FF46
3C223GG01
3C223HH03
3C223HH08
5L049CC15
5L049CC42
(57)【要約】 （修正有）
【課題】稼働環境が変更されることがある個々の装置にイベントが発生する確率を分析する情報分析装置を提供する。
【解決手段】情報分析装置は、インターフェース、稼働時間算出部、因子特徴抽出部、関数作成部及び表示制御部を有する。インターフェースは、稼働環境が異なる配置場所の変更が可能な装置について各配置場所における装置の稼働状況を示す稼働データを取得する。稼働時間算出部は、取得した稼働データに基づいて分析対象とする装置が配置された配置場所毎の稼働時間を合算した稼働時間を算出する。因子特徴抽出部は、複数の配置場所間の特性差による特徴量を正規化した因子特徴量を算出する。関数作成部は、稼働時間算出部が算出した稼働時間と因子特徴抽出部が因子特徴量を用いて分析対象とする装置にイベントが発生する確率を示す関数を作成する。表示制御部は、関数作成部が作成した関数に関する情報を分析結果として表示装置に表示させる。
【選択図】図３
【解決手段】情報分析装置は、インターフェース、稼働時間算出部、因子特徴抽出部、関数作成部及び表示制御部を有する。インターフェースは、稼働環境が異なる配置場所の変更が可能な装置について各配置場所における装置の稼働状況を示す稼働データを取得する。稼働時間算出部は、取得した稼働データに基づいて分析対象とする装置が配置された配置場所毎の稼働時間を合算した稼働時間を算出する。因子特徴抽出部は、複数の配置場所間の特性差による特徴量を正規化した因子特徴量を算出する。関数作成部は、稼働時間算出部が算出した稼働時間と因子特徴抽出部が因子特徴量を用いて分析対象とする装置にイベントが発生する確率を示す関数を作成する。表示制御部は、関数作成部が作成した関数に関する情報を分析結果として表示装置に表示させる。
【選択図】図３
【特許請求の範囲】
【請求項1】
稼働環境が異なる配置場所の変更が可能な装置について各配置場所における装置の稼働状況を示す稼働データを取得するインターフェースと、
前記インターフェースにより取得する稼働データに基づいて分析対象とする装置が配置された配置場所ごとの稼働時間を合算した稼働時間を算出する稼働時間算出部と、
複数の配置場所間の特性差による特徴量を正規化した因子特徴量を算出する因子特徴抽出部と、
前記稼働時間算出部が算出した稼働時間と前記因子特徴抽出部が因子特徴量とを用いて前記分析対象とする装置にイベントが発生する確率を示す関数を作成する関数作成部と、
前記関数作成部が作成した関数に関する情報を分析結果として表示装置に表示させる表示制御部と、
を有する情報分析装置。
前記インターフェースにより取得する稼働データに基づいて分析対象とする装置が配置された配置場所ごとの稼働時間を合算した稼働時間を算出する稼働時間算出部と、
複数の配置場所間の特性差による特徴量を正規化した因子特徴量を算出する因子特徴抽出部と、
前記稼働時間算出部が算出した稼働時間と前記因子特徴抽出部が因子特徴量とを用いて前記分析対象とする装置にイベントが発生する確率を示す関数を作成する関数作成部と、
前記関数作成部が作成した関数に関する情報を分析結果として表示装置に表示させる表示制御部と、
を有する情報分析装置。
【請求項2】
前記分析対象となる装置は、稼働環境が異なる複数の編成の鉄道車両に搭載された装置であり、
前記稼働時間算出部は、前記稼働データから算出する前記分析対象とする装置が搭載された車両ごとの稼働時間を合算した累積の稼働時間を算出し、
前記因子特徴抽出部は、前記分析対象とする装置が搭載された各車両の特性差による特徴量を正規化した因子特徴量を算出する、
請求項１に記載の情報分析装置。
前記稼働時間算出部は、前記稼働データから算出する前記分析対象とする装置が搭載された車両ごとの稼働時間を合算した累積の稼働時間を算出し、
前記因子特徴抽出部は、前記分析対象とする装置が搭載された各車両の特性差による特徴量を正規化した因子特徴量を算出する、
請求項１に記載の情報分析装置。
【請求項3】
前記因子特徴抽出部は、前記分析対象とする装置が搭載された各車両における平均乗車率を加重平均することにより正規化した因子特徴量を算出する、
請求項２に記載の情報分析装置。
請求項２に記載の情報分析装置。
【請求項4】
さらに、前記分析対象とする装置に対する起点日からの経過時間を絶対時間として算出する絶対時間算出部とを有し、
前記関数作成部は、前記絶対時間算出部が算出する絶対時間とイベントが発生する確率との関係をモデル化した関数を作成する、
請求項１に記載の情報分析装置。
前記関数作成部は、前記絶対時間算出部が算出する絶対時間とイベントが発生する確率との関係をモデル化した関数を作成する、
請求項１に記載の情報分析装置。
【請求項5】
前記表示制御部は、前記稼働時間を用いて作成した関数を示す情報と前記絶対時間を用いて作成した関数を示す情報とを表示装置に表示する、
請求項４に記載の情報分析装置。
請求項４に記載の情報分析装置。
【請求項6】
稼働環境が異なる配置場所の変更が可能な装置について各配置場所における装置の稼働状況を示す稼働データを取得するインターフェースと、
前記インターフェースにより取得する稼働データに基づいて分析対象とする装置が配置された各配置場所での稼働状態を示す値を累積した累積値を算出する累積値算出部と、
複数の配置場所間の特性差による特徴量を正規化した因子特徴量を算出する因子特徴抽出部と、
前記累積値算出部が算出した累積値と前記因子特徴抽出部が因子特徴量とを用いて前記分析対象とする装置にイベントが発生する確率を示す関数を作成する関数作成部と、
前記関数作成部が作成した関数に関する情報を分析結果として表示装置に表示させる表示制御部と、
を有する情報分析装置。
前記インターフェースにより取得する稼働データに基づいて分析対象とする装置が配置された各配置場所での稼働状態を示す値を累積した累積値を算出する累積値算出部と、
複数の配置場所間の特性差による特徴量を正規化した因子特徴量を算出する因子特徴抽出部と、
前記累積値算出部が算出した累積値と前記因子特徴抽出部が因子特徴量とを用いて前記分析対象とする装置にイベントが発生する確率を示す関数を作成する関数作成部と、
前記関数作成部が作成した関数に関する情報を分析結果として表示装置に表示させる表示制御部と、
を有する情報分析装置。
【請求項7】
前記分析対象となる装置は、稼働環境が異なる複数の編成の鉄道車両に搭載される装置であり、
前記累積値算出部は、前記インターフェースにより取得する稼働データに基づいて前記分析対象とする装置の稼働状態を示す値の累積値を算出する、
請求項６に記載の情報分析装置。
前記累積値算出部は、前記インターフェースにより取得する稼働データに基づいて前記分析対象とする装置の稼働状態を示す値の累積値を算出する、
請求項６に記載の情報分析装置。
【請求項8】
前記累積値算出部は、前記インターフェースにより取得する稼働データに基づいて前記分析対象とする装置における状態変化を示す信号が変化した回数の累積値を算出する、
請求項７に記載の情報分析装置。
請求項７に記載の情報分析装置。
【請求項9】
前記累積値算出部は、前記インターフェースにより取得する稼働データに基づいて前記分析対象とする装置が使用したアナログ量を積算した累積値を算出する、
請求項７に記載の情報分析装置。
請求項７に記載の情報分析装置。
【発明の詳細な説明】
【技術分野】
【0001】
本発明の実施形態は、情報分析装置に関する。
【背景技術】
【0002】
従来、鉄道などの車両に搭載される制御装置、駆動装置、空調装置、集電装置などの装置（機器）は、継続的な保守点検および検査によって状態が把握される。近年では、装置の稼働時間、車両や装置に搭載されたセンサ情報や装置の制御情報などのデータを収集することにより車両に搭載された種々の機器の状態を遠隔で監視する監視システムが実現されている。従来の監視システムでは、収集したデータに基づいて各装置において故障が発生する確率などを診断するものがある。
【0003】
鉄道車両に搭載される装置は、運用上の都合等によりそれまでに搭載していた編成とは別の編成に搭載されることがある。装置は、搭載される編成が変わると、動作環境も変化する。このため、装置の故障確率を分析するには、実際に搭載された編成における動作環境を考慮する必要がある。しかしながら、従来の監視システムでは、個々の装置をどのような動作環境の編成に搭載したかを管理するのが容易ではなく、個々の装置について実際の動作環境を特定しながら継続的に故障が発生する確率などを分析することが困難である。
【0004】
また、鉄道車両に搭載された装置の劣化は、装置の稼働状況に関わらずに、非稼働の状態を含む絶対的な時間の経過とともに進行することもある。このため、装置によっては、例えば、倉庫などで予備品として保管されている経過時間についても考慮して故障が発生する確率を分析する必要がある。しかしながら、従来のシステムでは、個々の装置の絶対的な経過時間が管理されていないため、装置ごとに絶対的な経過時間に基づく故障の発生確率を分析することが困難である。
【先行技術文献】
【特許文献】
【0005】
【特許文献1】特開２０１９－１６０１２８号公報
【発明の概要】
【発明が解決しようとする課題】
【0006】
本発明は、上記の課題に鑑みて為されたもので、稼働環境が変更されることがある個々の装置にイベントが発生する確率を分析できる情報分析装置を提供することを目的とする。
【課題を解決するための手段】
【0007】
実施形態によれば、情報分析装置は、インターフェースと稼働時間算出部と因子特徴抽出部と関数作成部と表示制御部とを有する。インターフェースは、稼働環境が異なる配置場所の変更が可能な装置について各配置場所における装置の稼働状況を示す稼働データを取得する。稼働時間算出部は、インターフェースにより取得する稼働データに基づいて分析対象とする装置が配置された配置場所ごとの稼働時間を合算した稼働時間を算出する。因子特徴抽出部は、複数の配置場所間の特性差による特徴量を正規化した因子特徴量を算出する。関数作成部は、稼働時間算出部が算出した稼働時間と因子特徴抽出部が因子特徴量とを用いて分析対象とする装置にイベントが発生する確率を示す関数を作成する。表示制御部は、関数作成部が作成した関数に関する情報を分析結果として表示装置に表示させる。
【図面の簡単な説明】
【0008】
【発明を実施するための形態】
【0009】
以下、図面を参照して第１および第２の実施形態について説明する。
一般に装置や部品には、正常な動作が可能な時間（寿命）がある。種々の装置や部品で構成されるシステムは、制御や保守を行うために、稼働に係るデータ（稼働データ）が計測される。このようなシステムを構成する個々の装置は、稼働データに基づいて故障などのイベントが発生する確率や寿命などが分析される。
一般に装置や部品には、正常な動作が可能な時間（寿命）がある。種々の装置や部品で構成されるシステムは、制御や保守を行うために、稼働に係るデータ（稼働データ）が計測される。このようなシステムを構成する個々の装置は、稼働データに基づいて故障などのイベントが発生する確率や寿命などが分析される。
【0010】
ただし、装置は、配置される配置場所によって稼働環境が変化することがあるため、配置場所によって稼働データの傾向や特徴が異なることがある。運用中に装置の配置場所が変更されることがある場合、装置の配置場所に応じた稼働環境の変化を考慮して装置にイベントが発生する確率を分析する必要がある。
【0011】
例えば、鉄道において、各鉄道車両には電動機や空調などの様々な装置が搭載され、各鉄道車両に関する稼働データは、制御あるいは監視を行うシステムによって収集される。鉄道において、各鉄道車両に搭載される装置は、運用上の都合等によって、それまでに搭載していた編成とは別の編成の車両に搭載されることがある。鉄道車両に搭載される装置は、搭載されている編成によって稼働環境が変化する。このため、別の鉄道車両に載せ替えられた装置は、載せ替えられる前とは稼働状況が変化する。
【0012】
第１および第２実施形態に係る情報分析システム（状態診断システム）は、鉄道車両に搭載される装置のように、任意のタイミングで利用環境が変化することがある装置に故障などのイベントが発生する確率を分析するためのシステムである。以下、第１および第２の実施形態では、一例として、鉄道車両に搭載される装置の状態（寿命、故障率）を診断する情報分析システムを想定して説明するものとする。
【0013】
ただし、第１および第２実施形態に係る情報分析システムは、鉄道車両に搭載される装置の状態を診断する情報分析システムに限定されるものではなく、継続的に稼働データおよび利用環境を示す情報を含む各種のデータを収集できるものであれば、任意のタイミングで利用環境が変化する可能性がある個々の装置に関する状態を診断するシステムに適用できる。
【0014】
また、第１および第２実施形態に係る情報分析システムは、任意のタイミングで稼働環境が変化することがある装置において、故障などのイベントが発生する確率を分析するものである。第１および第２実施形態に係る情報分析システムが装置に発生する確率を分析するイベントは、故障に限定されるものではなく、時間経過に伴って発生確率が変動するものであれば良く、特定の事象に限定されるものではない。例えば、第１および第２実施形態に係る情報分析システムが装置に発生する確率を分析するイベントは、所定値以下への効率低下、所定値以上の摩耗、所定値以上の汚れなどであっても良い。
【0015】
以下に説明する第１および第２の実施形態においては、主として、着目するイベントが装置に発生する故障であることを想定して説明するものとする。
【0016】
（第１の実施形態）
以下、第１の実施形態について説明する。
図１は、第１の実施形態に係る情報分析装置１０を含む情報分析システム１のハードウエア構成例を示す図である。
図１に示すように、情報分析システム１は、情報分析装置１０、ユーザインターフェース（ＵＩ）装置２０、運用データサーバ３１、製造データサーバ３２、保守データサーバ３３、および、データ収集装置４０などにより構成される。
以下、第１の実施形態について説明する。
図１は、第１の実施形態に係る情報分析装置１０を含む情報分析システム１のハードウエア構成例を示す図である。
図１に示すように、情報分析システム１は、情報分析装置１０、ユーザインターフェース（ＵＩ）装置２０、運用データサーバ３１、製造データサーバ３２、保守データサーバ３３、および、データ収集装置４０などにより構成される。
【0017】
情報分析装置１０は、通信インターフェースを備えるサーバコンピュータなどにより構成される。情報分析装置１０は、各サーバ３１、３２、３３およびＵＩ装置２０に通信接続される。情報分析装置１０は、各データサーバ３１、３２、３３が管理するデータに基づいて情報を分析する。情報分析装置１０は、サーバが蓄積した情報の分析結果をＵＩ装置２０に提供する。また、情報分析装置１０は、ＵＩ装置２０によって指定された条件に基づいて情報の分析を実行する。
【0018】
ユーザインターフェース（ＵＩ）装置２０は、情報分析装置１０による分析結果を閲覧するオペレータ（管理者、保守員など）が操作する端末装置である。ＵＩ装置２０は、パーソナルコンピュータであっても良いし、タブレットＰあるいはスマートフォンなどの携帯端末装置であっても良い。ＵＩ装置２０は、情報分析装置１０と通信する機能、情報分析装置１０による分析結果を表示する機能、および、オペレータが操作指示を入力する機能などを備えるものであれば良い。
【0019】
運用データサーバ３１は、運用データを管理するサーバ装置である。運用データサーバ３１が管理する運用データは、車両および車両に搭載された装置の稼働状況を示す稼働データおよび装置に関する情報を示すアセットデータを含む。運用データサーバ３１は、情報分析装置１０およびデータ収集装置４０と通信するための通信インターフェースを備える。運用データサーバ３１は、車両内にある装置およびセンサなどからのデータを収集するデータ収集装置から稼働データを取得する。運用データサーバ３１は、稼働データを記憶するともにアセットデータを記憶する。運用データサーバ３１は、情報分析装置１０に対して稼働データおよびアセットデータを供給する。
【0020】
製造データサーバ３２は、車両の搭載可能な装置に関するデータを管理するサーバ装置である。製造データサーバ３２が管理する製造データは、例えば、装置を製造した製造メーカから提供される情報である。製造データサーバ３２は、情報分析装置１０と通信するための通信インターフェースを備える。製造データサーバ３２は、情報分析装置１０に対して製造データを供給する。
【0021】
保守データサーバ３３、車両又は装置の保守履歴などの保守に関する保守データを管理するサーバ装置である。保守データサーバ３３が管理する保守データは、例えば、装置に対して実施された保守の内容を示す情報である。保守データサーバ３３は、情報分析装置１０と通信するための通信インターフェースを備え、情報分析装置１０に対して保守データを供給する。
【0022】
データ収集装置４０は、鉄道車両（車両）に搭載される装置およびセンサなどから取得するデータ（以下、車両稼働データ）を収集する。データ収集装置４０は、車両内に設置された装置およびセンサなどから情報を取得するための車両内インターフェースを有するコンピュータである。例えば、データ収集装置４０は、車両に搭載された各装置を構成する各機器や部品に関する制御データおよびセンサデータを車両データとして収集する。データ収集装置４０は、運用データサーバ３１と通信する通信インターフェースを有し、車両内において収集した車両稼働データを運用データサーバ３１へ送信する。
【0023】
次に、実施形態に係る情報分析装置１０およびＵＩ装置２０における制御系の構成について説明する。
図２は、実施形態に係る情報分析装置１０およびＵＩ装置２０における制御系の構成例を示すブロック図である。
図２に示す構成例において、情報分析装置１０は、プロセッサ１１、ＲＡＭ１２、ＲＯＭ１３、記憶部１４、インターフェース（Ｉ／Ｆ）１５、１６などを有する。
図２は、実施形態に係る情報分析装置１０およびＵＩ装置２０における制御系の構成例を示すブロック図である。
図２に示す構成例において、情報分析装置１０は、プロセッサ１１、ＲＡＭ１２、ＲＯＭ１３、記憶部１４、インターフェース（Ｉ／Ｆ）１５、１６などを有する。
【0024】
プロセッサ１１は、プログラムを実行することによりデータ処理および各部の制御などを実行する。ＲＡＭ１２は、データを一時的に記憶するメモリである。ＲＯＭ１３は、不揮発性のメモリであり、プロセッサ１１が実行するプログラムおよび制御データなどを記憶する。記憶部１４は、書き換え可能な不揮発性のメモリである。記憶部１４は、各種のデータを保存するデータ記憶部として機能する。また、記憶部１４は、プロセッサ１１が実行するプログラムなどを記憶しても良い。
【0025】
インターフェース１５は、各データサーバ３１、３２、３３と通信するための通信インターフェースを含む。インターフェース１５は、各データサーバ３１、３２、３３が備える通信インターフェースに対応する通信インターフェースを備えるものであれば良い。
【0026】
インターフェース１６は、ＵＩ装置２０と通信するための通信インターフェースである。インターフェース１６は、ＵＩ装置２０が備える通信インターフェースに対応する通信インターフェースを備えるものであれば良い。
【0027】
また、図２に示す構成例において、ＵＩ装置２０は、プロセッサ２１、ＲＡＭ２２、ＲＯＭ２３、ＮＶＭ２４、インターフェース（Ｉ／Ｆ）２５、表示装置２６、および、操作装置２７などを有する。
【0028】
プロセッサ２１は、プログラムを実行することによりデータ処理および各部の制御などを実行する。ＲＡＭ２２は、データを一時的に記憶するメモリである。ＲＯＭ２３は、不揮発性のメモリであり、プロセッサ２１が実行するプログラムおよび制御データなどを記憶する。ＮＶＭ２４は、書き換え可能な不揮発性のメモリである。ＮＶＭ２４は、プロセッサ１１が実行するプログラムや制御データなどを記憶しても良い。インターフェース２５は、情報分析装置１０と通信するためのインターフェースである。
【0029】
表示装置２６は、画像を表示するディスプレイである。表示装置２６は、例えば、後述する情報分析装置１０が生成する装置の故障率又は寿命を示すハザード関数を含む表示データを表示する。操作装置２７は、キーボード、マウス、タッチパネルなどの操作デバイスである。操作装置２７は、表示装置２６に表示した入力画面にオペレータが情報を入力するためのデバイスを含む。なお、表示装置２６および操作装置２７は、ＵＩ装置２０が備えるインターフェースに接続する外部装置であっても良い。
【0030】
次に、実施形態に係る情報分析装置１０が備える機能について説明する。
情報分析装置１０は、対象とする車両に搭載される装置について、時間経過とイベントの発生確率との関係をモデル化する機能を備える。本実施形態において、時間経過とともにイベントが生じる確率を分析する手法は、生存時間分析とも称する。情報分析装置１０は、プロセッサ１１がプログラムを実行することにより生存時間分析機能を実現する。
情報分析装置１０は、対象とする車両に搭載される装置について、時間経過とイベントの発生確率との関係をモデル化する機能を備える。本実施形態において、時間経過とともにイベントが生じる確率を分析する手法は、生存時間分析とも称する。情報分析装置１０は、プロセッサ１１がプログラムを実行することにより生存時間分析機能を実現する。
【0031】
なお、鉄道車両に搭載される装置を対象とした場合のイベントとしては、故障、一定値以下への効率低下、一定値以上の摩耗などが想定される。本実施形態においては、主として、イベントが装置に発生する故障であることを想定して説明するものとする。ただし、生存時間分析として分析するイベントは、時間経過に伴って発生確率が変動するものであれば良く、特定の事象に限定されるものではない。
【0032】
図３は、実施形態に係る情報分析装置１０が備える機能の構成例を説明するためのブロック図である。
図３に示す構成例において、情報分析装置１０は、プロセッサ１１がプログラムを実行することにより実現する機能として、稼働時間算出部１０１、絶対時間算出部１０２、因子特徴抽出部１０３、イベント生成部１０４、関数作成部１０５および表示制御部１０６を有する。
図３に示す構成例において、情報分析装置１０は、プロセッサ１１がプログラムを実行することにより実現する機能として、稼働時間算出部１０１、絶対時間算出部１０２、因子特徴抽出部１０３、イベント生成部１０４、関数作成部１０５および表示制御部１０６を有する。
【0033】
また、図３に示す構成例において、運用データサーバ３１は、個々の装置に関するアセットデータを記憶するアセットデータ記憶部３１ａと各車両のデータ収集装置４０から取得する車両稼働データ（稼働データ９を記憶する稼働データ記憶部３１ｂとを有する。製造データサーバ３２は、個々の装置に関する製造データを記憶する製造データ記憶部３２ａを有する。保守データサーバ３３は、個々の装置に関する保守データを記憶する保守データ記憶部３３ａを有する。
【0034】
情報分析装置１０の稼働時間算出部１０１は、個々の装置が稼働した時間（稼働時間）を算出する。稼働時間算出部１０１は、稼働時間の算出対象とする装置に関するアセットデータと稼働データとを運用データサーバ３１から取得する。稼働時間算出部１０１は、運用データサーバ３１から取得するアセットデータと稼働データとに基づいて装置の稼働時間を算出する。
【0035】
図４は、編成Ａにおける各車両の乗車率と各車両に搭載される装置の稼働状況との例を模式的に示す図である。
図４に示す例では、編成Ａにおける各号車に電源がオンされる期間と各号車に搭載された空調装置のコンプレッサの消費電力と各号車内の乗車率とを示す。鉄道車両に搭載される空調装置は、車両の運行中において車内に設置したセンサが検知する気温などに応じて動作が制御される。このため、車両に設置する空調装置のコンプレッサは、外気温などに加えて車両の乗車率などに応じて消費電力（稼働データ）が変化する。
図４に示す例では、編成Ａにおける各号車に電源がオンされる期間と各号車に搭載された空調装置のコンプレッサの消費電力と各号車内の乗車率とを示す。鉄道車両に搭載される空調装置は、車両の運行中において車内に設置したセンサが検知する気温などに応じて動作が制御される。このため、車両に設置する空調装置のコンプレッサは、外気温などに加えて車両の乗車率などに応じて消費電力（稼働データ）が変化する。
【0036】
各車両のデータ収集装置４０は、車両の電源がオンである間、図４に示すような監視対象とする各装置の動作状態を示す時系列のデータを収集する。データ収集装置４０は、収集した時系列のデータを所定のタイミングで継続的に運用データサーバ３１へ供給する。運用データサーバ３１は、各車両のデータ収集装置４０から取得する図４に示すような時系列のデータを稼働データとして稼働データ記憶部３１ｂに格納する。
【0037】
図５は、運用データサーバ３１が稼働データ記憶部３１ｂに記憶する稼働データの例を示す図である。
図５に示す例では、対象とする装置の稼働状態を示すデータを編成ごとの稼働データテーブルにまとめて管理する例を示す。運用データサーバ３１は、データ収集装置４０が収集したデータを編成別の稼働データテーブルの形式で稼働データ記憶部３１ｂに格納する。運用データサーバ３１は、編成ごとの稼働データテーブルにおいてデータ収集装置４０が収集した稼働状況を示す数値情報を時刻情報（Ｔｉｍｅｓｔａｍｐ）に対応づけて記録する。
図５に示す例では、対象とする装置の稼働状態を示すデータを編成ごとの稼働データテーブルにまとめて管理する例を示す。運用データサーバ３１は、データ収集装置４０が収集したデータを編成別の稼働データテーブルの形式で稼働データ記憶部３１ｂに格納する。運用データサーバ３１は、編成ごとの稼働データテーブルにおいてデータ収集装置４０が収集した稼働状況を示す数値情報を時刻情報（Ｔｉｍｅｓｔａｍｐ）に対応づけて記録する。
【0038】
図６、図７および図８は、アセットデータの例を示す図である。
図６は、各編成の車両に搭載された装置に関する情報を格納するテーブル（編成搭載品アセットテーブル）の例を示す。図７は、車両に搭載されていない予備となる装置を収納する倉庫に保管されている装置に関する情報を格納するテーブル（予備品アセットテーブル）の例を示す。図８は、廃棄された装置に関する情報を格納するテーブル（廃棄品アセットテーブル）の例を示す。
図６は、各編成の車両に搭載された装置に関する情報を格納するテーブル（編成搭載品アセットテーブル）の例を示す。図７は、車両に搭載されていない予備となる装置を収納する倉庫に保管されている装置に関する情報を格納するテーブル（予備品アセットテーブル）の例を示す。図８は、廃棄された装置に関する情報を格納するテーブル（廃棄品アセットテーブル）の例を示す。
【0039】
図６に示す例において、編成搭載品アセットテーブルには、車両に搭載されている各装置について、編成、号車（車両）、製造番号、および、搭載開始日などのデータがアセットデータとして格納される。編成は、装置が装置されている編成を示す情報である。号車は、装置が搭載されている車両を示す情報である。製造番号は、当該装置の製造時に付与される固有な識別番号である。搭載開始日は、当該装置を当該車両に搭載された日を示す情報である。
【0040】
図７に示す例において、予備品アセットテーブルには、倉庫に保管（格納）されている各装置について、場所、製造番号、および、格納日などのデータがアセットデータとして格納される。場所は、装置が保管されている倉庫を示す情報である。製造番号は、当該装置の製造時に付与される固有な識別番号である。格納日は、当該装置を倉庫に格納した日を示す情報である。
【0041】
図８に示す例において、廃棄品アセットテーブルには、廃棄された装置について、製造番号、および、廃棄日などのデータがアセットデータとして格納される。製造番号は、当該装置の製造時に付与される固有な識別番号である。廃棄日は、当該装置が廃棄された日を示す情報である。
【0042】
絶対時間算出部１０２は、個々の装置が製造されてから経過した時間（絶対時間）を算出する。絶対時間算出部１０２は、絶対時間の算出対象とする装置に関する製造データを製造データサーバ３２から取得する。絶対時間算出部１０２は、製造データサーバ３２から取得する製造データに基づいて装置の絶対時間を算出する。絶対時間算出部１０２は、対象とする装置の製造データを取得できた場合、当該装置の製造日を起点日とし、現在までの経過時間を絶対時間として算出する。
【0043】
図９は、製造データサーバ３２が製造データ記憶部３２ａに記憶する製造データの例を示す図である。
図９に示す例において、製造データ記憶部３２ａには、各装置について、製造番号、および、製造日などのデータが製造データとして格納される。製造番号は、当該装置の製造時に付与される固有な識別番号である。製造日は、当該装置が製造された日を示す情報である。
図９に示す例において、製造データ記憶部３２ａには、各装置について、製造番号、および、製造日などのデータが製造データとして格納される。製造番号は、当該装置の製造時に付与される固有な識別番号である。製造日は、当該装置が製造された日を示す情報である。
【0044】
なお、絶対時間算出部１０２は、製造データが存在しない装置については、メーカにおける組み立て試験日を含む試験データ、当該装置をメーカが出荷した日を示す出荷データあるいは事業者へ当該装置を納入した日を示す納品データ等を参照して、最も古い日付を起点日として絶対時間を算出するようにしても良い。さらに、絶対時間算出部１０２は、製造データ、試験データ、出荷日データおよび納品日データの日付も取得できない装置については、当該装置に関する稼働データにおける最初のレコードのタイムスタンプを起点日として絶対時間を算出するようにしても良い。
【0045】
図１０は、装置に対する絶対時間を算出するための起点日とすることが可能な製造日以外の一例である出荷日を含む出荷データの例を示す図である。
図１０に示す例において、出荷データは、各装置についての製造番号および出荷日などのデータを含む。製造番号は、当該装置の製造時に付与される固有な識別番号である。出荷日は、当該装置がメーカから出荷された日を示す情報である。出荷データは、例えば、運用データサーバ３１に設けた記憶部に記憶するようにしても良いし、製造データサーバ３２に設けた記憶部に記憶するようにしても良い。
図１０に示す例において、出荷データは、各装置についての製造番号および出荷日などのデータを含む。製造番号は、当該装置の製造時に付与される固有な識別番号である。出荷日は、当該装置がメーカから出荷された日を示す情報である。出荷データは、例えば、運用データサーバ３１に設けた記憶部に記憶するようにしても良いし、製造データサーバ３２に設けた記憶部に記憶するようにしても良い。
【0046】
図１１は、装置に対する絶対時間を算出するための起点日とすることが可能な製造日以外の一例である納品日を含む納品データの例を示す図である。
図１１に示す例において、納品データは、各装置についての製造番号および納品日などのデータを含む。製造番号は、当該装置の製造時に付与される固有な識別番号である。納品日は、当該装置が事業者に納入された日を示す情報である。納品データは、例えば、運用データサーバ３１に設けた記憶部に記憶するようにしても良いし、製造データサーバ３２に設けた記憶部に記憶するようにしても良い。
図１１に示す例において、納品データは、各装置についての製造番号および納品日などのデータを含む。製造番号は、当該装置の製造時に付与される固有な識別番号である。納品日は、当該装置が事業者に納入された日を示す情報である。納品データは、例えば、運用データサーバ３１に設けた記憶部に記憶するようにしても良いし、製造データサーバ３２に設けた記憶部に記憶するようにしても良い。
【0047】
因子特徴抽出部１０３は、対象とする装置においてイベントが発生する確率の分析（生存時間分析）に影響のある因子を特徴量（因子特徴量）として算出する。因子特徴抽出部１０３は、稼働データに基づいて因子特徴量を算出する。因子特徴抽出部１０３が算出する因子特徴量は、例えば、関数作成部１０５が実行する生存時間分析において共変量として用いられる。
【0048】
イベント生成部１０４は、各装置における分析対象とするイベントに関する情報を抽出する。イベント生成部１０４は、保守データサーバ３３が保存する保守データに基づいて各装置に関するイベントの情報を抽出する。情報分析装置１０は、ＵＩ装置２０において指定される分析条件を取得する。イベント生成部１０４は、ＵＩ装置２０で指定される分析条件に含まれるイベントの種別に応じて分析対象とするイベントを特定する。
【0049】
図１２は、保守データサーバ３３が保守データ記憶部３３ａに記憶する保守データの例を示す図である。
保守データ記憶部３３ａには、鉄道事業者、装置メーカ、あるいは、関連保守会社等によって実施された保守に関するデータ（保守データ）が記憶される。図１２に示す例において、保守データ記憶部３３ａには、保守作業ごとに、保守作業管理ＩＤ、編成、号車（車両）、対象装置、製造番号、内容（保守内容）、および、発生日などの情報が記憶される。
保守データ記憶部３３ａには、鉄道事業者、装置メーカ、あるいは、関連保守会社等によって実施された保守に関するデータ（保守データ）が記憶される。図１２に示す例において、保守データ記憶部３３ａには、保守作業ごとに、保守作業管理ＩＤ、編成、号車（車両）、対象装置、製造番号、内容（保守内容）、および、発生日などの情報が記憶される。
【0050】
保守作業管理ＩＤは、保守作業（保守履歴）を関するための識別情報である。編成は、当該装置が搭載された編成を示す情報である。号車（車両）は、当該装置が搭載された車両を示す情報である。対象装置は、当該装置の種別（例えば、コンプレッサ、ブレーキなど）を示す情報である。製造番号は、当該装置の製造時に付与される固有な識別番号である。内容は、当該装置において保守が必要となった発生したイベントの内容（種別）を示す情報である。発生日は、当該装置において保守が必要となるイベントが発生した日を示す情報である。
【0051】
情報分析装置１０に対して指定する分析条件は、分析者がＵＩ装置２０において入力する。分析者は、ＵＩ装置２０の操作装置２７を用いて分析条件を入力する。例えば、ＵＩ装置２０は、分析条件を入力するための入力画面（ＧＵＩ画面）を表示装置２６に表示し、入力画面に表示した分析条件の各項目を操作装置２７で分析者に入力させる。
【0052】
図１３は、ＵＩ装置２０が表示装置２６に表示する分析条件の入力画面の表示例である。 図１３に示す表示例では、分析条件として、対象装置、製造番号、イベント、時間軸、因子特徴量（共変量）などの入力を受け付ける。対象装置の入力欄では、分析対象とする装置の種別が入力（選択）される。製造番号の入力欄では、分析対象とする装置の製造番号（個体識別情報）が入力（選択）される。イベントの入力欄では、分析対象とするイベントの種別が入力（選択）される。
【0053】
時間軸の選択欄では、分析で用いる時間軸が選択される。図１３に示す表示例では、時間軸として、稼働時間、絶対時間、又は、その他が選択でき、さらに、稼働時間と絶対時間とが同時に選択できるようになっている。因子の入力欄では、分析で考慮すべき時間以外の因子が入力（選択）される。
さらに、図１３に示す表示例では、分析実行ボタンが表示される。ＵＩ装置２０は、分析実行ボタンが指示されると、入力画面に入力された分析条件での分析を情報分析装置１０に要求する。
さらに、図１３に示す表示例では、分析実行ボタンが表示される。ＵＩ装置２０は、分析実行ボタンが指示されると、入力画面に入力された分析条件での分析を情報分析装置１０に要求する。
【0054】
また、稼働時間算出部１０１および絶対時間算出部１０２は、分析条件に応じて生存時間分析に用いる時間特徴（時間情報）を計算する。分析条件として時間軸に稼働時間が指定された場合、稼働時間算出部１０１が生存時間分析に用いる時間特徴を計算する。分析条件として時間軸に絶対時間が指定された場合、絶対時間算出部１０２が生存時間分析に用いる時間特徴を計算する。分析条件として時間軸に稼働時間と絶対時間とが指定された場合、稼働時間算出部１０１および絶対時間算出部１０２が生存時間分析に用いる時間特徴を計算する。
【0055】
図１４は、第１の実施形態に係る情報分析装置１０による分析処理における時間情報の取り扱いを説明するための図である。
稼働時間算出部１０１および絶対時間算出部１０２は、対象の装置ごとに、観測開始時点から観測終了（分析実施）時点までの時間情報を算出する。観測開始から観測終了までの期間を設定すると、期間内に着目しているイベントが発生した装置と期間内に着目しているイベントが発生しなかった装置とが区別される。図１４では、実線で示す製造番号１００の装置と製造番号２００の装置とが期間内にイベントが発生したことを示し、点線で示す製造番号２００の装置と製造番号４００の装置と製造番号５００の装置とが期間内にイベントが発生しなかったことを示す。
稼働時間算出部１０１および絶対時間算出部１０２は、対象の装置ごとに、観測開始時点から観測終了（分析実施）時点までの時間情報を算出する。観測開始から観測終了までの期間を設定すると、期間内に着目しているイベントが発生した装置と期間内に着目しているイベントが発生しなかった装置とが区別される。図１４では、実線で示す製造番号１００の装置と製造番号２００の装置とが期間内にイベントが発生したことを示し、点線で示す製造番号２００の装置と製造番号４００の装置と製造番号５００の装置とが期間内にイベントが発生しなかったことを示す。
【0056】
なお、観測開始から観測終了までの期間内に着目しているイベントが発生しなかったことを打ち切りと称する。打ち切りには、「生存時間分析を行うまでイベントが発生しておらず、かつ引き続き観測が可能な状態であるもの（図１４に示す製造番号２００と４００の装置）」と「着目しているイベントとは無関係の事象により観測の継続ができなくなったもの（図１４に示す製造番号５００の装置）」とが含まれる。後者の例としては、着目しているイベントとは無関係の故障による廃棄や運用都合によって装置が廃棄されたケースがあげられる。
【0057】
関数作成部１０５は、分析条件において指定された時間軸（時間情報）を用いた生存時間手法によって生存時間モデルとしてのイベントが発生する確率を示す関数（生存曲線）を作成する。関数作成部１０５は、イベントが発生する確率を示す関数を作成するための手法（生存時間分析手法）として様々な手法が適用可能である。生存時間分析手法の一例として、関数作成部１０５は、Ｃｏｘ比例ハザード回帰分析を適用することが可能である。
【0058】
ここでは、関数作成部１０５が作成する生存時間モデルを示す関数の一例として、Ｃｏｘ比例ハザード回帰分析について説明をする。
ある時間において、その次の瞬間にイベントが発生する確率をハザードと呼ぶ。Ｃｏｘ比例ハザード回帰分析では、ハザードを時間と時間以外の変数とを用いてモデル化する分析手法である。ハザードを表す関数は、ハザード関数と呼ばれる。Ｃｏｘ比例ハザード回帰分析では、ハザード関数を式１のような形とする。
ある時間において、その次の瞬間にイベントが発生する確率をハザードと呼ぶ。Ｃｏｘ比例ハザード回帰分析では、ハザードを時間と時間以外の変数とを用いてモデル化する分析手法である。ハザードを表す関数は、ハザード関数と呼ばれる。Ｃｏｘ比例ハザード回帰分析では、ハザード関数を式１のような形とする。
【0059】
ｈ（ｔ；ｘ）＝ｈ０（ｔ）ｅｘｐ（β１ｘ１＋…βｐｘｐ）・・・（式１）
式１において、ｔは稼働時間であり、ｘ（ｘ１、…、ｘｐ）は共変量であり、β（β１ｘ、…、βｐ）は共変量のパラメータであるものとする。
式１において、ｔは稼働時間であり、ｘ（ｘ１、…、ｘｐ）は共変量であり、β（β１ｘ、…、βｐ）は共変量のパラメータであるものとする。
【0060】
関数作成部１０５は、式１において、時間以外の共変量ｘの係数であるβを最尤法によって求める。
式１に含まれるｈ０（ｔ）は、時間の経過とともにイベントが発生する確率を表しており、ベースラインハザード関数と呼ばれる。つまり、式１に示すハザード関数（ｈ（ｔ；ｘ））は、ベースラインハザード関数（ｈ０（ｔ））が各共変量の影響によって何倍に高まるかをｅｘｐ（β１ｘ１＋…βｐｘｐ）で表している。
式１に含まれるｈ０（ｔ）は、時間の経過とともにイベントが発生する確率を表しており、ベースラインハザード関数と呼ばれる。つまり、式１に示すハザード関数（ｈ（ｔ；ｘ））は、ベースラインハザード関数（ｈ０（ｔ））が各共変量の影響によって何倍に高まるかをｅｘｐ（β１ｘ１＋…βｐｘｐ）で表している。
【0061】
表示制御部１０６は、関数作成部１０５によって作成された関数に関する情報をＵＩ装置２０の表示装置２６に表示する。
図１５は、情報分析装置１０の表示制御部１０６がＵＩ装置２０の表示装置２６に表示する分析結果の表示例を示す図である。
図１５に示す表示例において、表示制御部１０６は、表示装置２６の表示画面に、関数作成部１０５が作成したハザード関数に基づく生存率（故障などのイベントが発生しない確率）を示す生存曲線、および、関数作成部１０５がハザード関数を作成した条件（乗車率、乗車率の係数など）を示す情報などを表示する。
図１５は、情報分析装置１０の表示制御部１０６がＵＩ装置２０の表示装置２６に表示する分析結果の表示例を示す図である。
図１５に示す表示例において、表示制御部１０６は、表示装置２６の表示画面に、関数作成部１０５が作成したハザード関数に基づく生存率（故障などのイベントが発生しない確率）を示す生存曲線、および、関数作成部１０５がハザード関数を作成した条件（乗車率、乗車率の係数など）を示す情報などを表示する。
【0062】
次に、第１の実施形態に係る情報分析装置１０が装置にイベントが発生する確率を分析する処理を含む分析処理について説明する。
以下、情報分析装置１０による分析処理の例として、鉄道車両に搭載される空調装置のコンプレッサ（装置）における軸受け故障（イベント）が発生する確率を示すハザード関数を作成する処理を含む分析処理について説明するものとする。
以下、情報分析装置１０による分析処理の例として、鉄道車両に搭載される空調装置のコンプレッサ（装置）における軸受け故障（イベント）が発生する確率を示すハザード関数を作成する処理を含む分析処理について説明するものとする。
【0063】
（第１の分析処理）
まず、第１の実施形態に係る情報分析装置１０による第１の分析処理について説明する。
第１の分析処理において、情報分析装置１０は、分析対象とする装置を別の編成の車両に載せ替ることを想定せずに算出する稼働時間を用いてハザード関数を作成する処理を実行するものとする。
まず、第１の実施形態に係る情報分析装置１０による第１の分析処理について説明する。
第１の分析処理において、情報分析装置１０は、分析対象とする装置を別の編成の車両に載せ替ることを想定せずに算出する稼働時間を用いてハザード関数を作成する処理を実行するものとする。
【0064】
図１６は、第１の実施形態に係る情報分析装置１０による分析処理の流れを説明するためのフローチャートである。
（ＳＴ１１：分析条件の入力処理）
まず、情報分析装置１０のプロセッサ１１は、分析者が操作するＵＩ装置２０に入力される分析条件を取得する（ＳＴ１１）。情報分析装置１０は、インターフェース１６を介して接続されるＵＩ装置２０から分析条件を受信する。ＵＩ装置２０のプロセッサ２１は、表示装置２６に図１３に示すような分析条件の入力画面を表示する。プロセッサ２１は、入力画面を表示した状態において操作装置２７を用いて分析者が入力（選択）する分析条件を受け付ける。プロセッサ２１は、分析者による分析の実行指示に応じて入力された分析条件を情報分析装置１０へ出力する。
（ＳＴ１１：分析条件の入力処理）
まず、情報分析装置１０のプロセッサ１１は、分析者が操作するＵＩ装置２０に入力される分析条件を取得する（ＳＴ１１）。情報分析装置１０は、インターフェース１６を介して接続されるＵＩ装置２０から分析条件を受信する。ＵＩ装置２０のプロセッサ２１は、表示装置２６に図１３に示すような分析条件の入力画面を表示する。プロセッサ２１は、入力画面を表示した状態において操作装置２７を用いて分析者が入力（選択）する分析条件を受け付ける。プロセッサ２１は、分析者による分析の実行指示に応じて入力された分析条件を情報分析装置１０へ出力する。
【0065】
例えば、図１３に示す分析条件の入力画面が表示装置２８に表示された場合、分析者は、分析条件として、対象装置、製造番号、着目するイベント、時間軸、および、因子（共変量）を操作装置２７によって入力する。ここでは、着目するイベントとしては、コンプレッサの軸受け故障が入力されるものとする。また、車両の搭載する空調装置のコンプレッサは、当該車両の乗車率が高いほど負荷が高まるため、乗車率が高いほど故障の発生率が高まると考えられる。このため、分析者は、因子（共変量）として乗車率を指定するものとする。
【0066】
（ＳＴ１２：イベント生成処理）
情報分析装置１０のプロセッサ１１は、ＵＩ装置２０から分析条件を取得すると、イベント生成部１０４として機能し、個々の装置ごとに分析条件で指定されたイベントの発生状況を確認する（ＳＴ１２）。イベントとして軸受け故障が指定された場合、イベント生成部１０４として動作するプロセッサ１１は、個々の装置について軸受け故障の発生の有無を確認する。
情報分析装置１０のプロセッサ１１は、ＵＩ装置２０から分析条件を取得すると、イベント生成部１０４として機能し、個々の装置ごとに分析条件で指定されたイベントの発生状況を確認する（ＳＴ１２）。イベントとして軸受け故障が指定された場合、イベント生成部１０４として動作するプロセッサ１１は、個々の装置について軸受け故障の発生の有無を確認する。
【0067】
図５に示すような稼働データでは個々の装置を識別することができないため、プロセッサ１１は、図６に示すような編成搭載品アセットテーブルを参照することにより分析対象とする期間中に対象編成に搭載されていた装置（コンプレッサ）の製造番号を特定する。また、プロセッサ１１は、図８に示すような廃棄品アセットテーブルを参照することにより期間中に廃棄されたコンプレッサを特定する。
【0068】
さらに、プロセッサ１１は、製造番号で特定する各装置が搭載された編成を特定すると、図１２に示すような保守データを用いて、個々の装置について分析条件で指定されたイベントである軸受け故障が発生していたか否かを判定する。
【0069】
例えば、プロセッサ１１は、図６に示す編成搭載品アセットテーブルによって製造番号１００のコンプレッサが編成Ａの１号車に搭載されていることを特定する。プロセッサ１１は、図１２に示す保守データによって製造番号１００のコンプレッサにおいて２００８／１０／０１に軸受け故障が発生したことを特定する。
【0070】
（ＳＴ１３：時間情報の算出処理）
情報分析装置１０のプロセッサ１１は、分析条件により着目するイベントが設定されると、分析条件の時間軸として指定される稼働時間を算出するための稼働時間算出部１０１として機能し、分析対象とする装置の稼働時間を算出する（ＳＴ１３）。
情報分析装置１０のプロセッサ１１は、分析条件により着目するイベントが設定されると、分析条件の時間軸として指定される稼働時間を算出するための稼働時間算出部１０１として機能し、分析対象とする装置の稼働時間を算出する（ＳＴ１３）。
【0071】
分析対象とする装置がコンプレッサである場合、稼働時間算出部１０１としてのプロセッサ１１は、稼働データ記憶部３１ｂに記憶した稼働データテーブルにおいて、各車両のコンプレッサの電力値が０ではないレコード数を数え、電力値が０ではないレコード数にサンプリング間隔の時間を乗ずることで累積時間としての稼働時間を計算する。ここで、稼働データテーブルで示される各車両のコンプレッサは、編成搭載品アセットテーブルにより製造番号が特定される装置である。
【0072】
稼働時間算出部１０１としてのプロセッサ１１は、「軸受け故障（イベント）が生じておらず観測が継続可能」と判定される装置については観測開始時点（観測開始日）から観測終了時点（分析実施日）までの累積時間を稼働時間として算出する。
【0073】
稼働時間算出部１０１としてのプロセッサ１１は、「軸受け故障が生じていないものの、無関係の理由による廃棄によって観測の継続が不可になった」と判定される装置については観測開始日から廃棄日までの累積時間を稼働時間として算出する。
また、稼働時間算出部１０１としてのプロセッサ１１は、「軸受け故障が発生した」と判定される装置については観測開始日から軸受け故障の発生日までの累積時間を稼働時間として算出する。
また、稼働時間算出部１０１としてのプロセッサ１１は、「軸受け故障が発生した」と判定される装置については観測開始日から軸受け故障の発生日までの累積時間を稼働時間として算出する。
【0074】
（ＳＴ１４：因子（共変量）抽出処理）
情報分析装置１０のプロセッサ１１は、分析条件に含まれる時間軸としての稼働時間を算出すると、因子特徴抽出部１０３として機能し、分析対象とする装置におけるイベントの発生に影響を及ぼす因子特徴量（共変量）を算出する（ＳＴ１４）。因子特徴抽出部１０３としてのプロセッサ１１は、稼働データ記憶部３１ｂに記憶されている稼働データに基づいて共変量としての因子を算出する。
情報分析装置１０のプロセッサ１１は、分析条件に含まれる時間軸としての稼働時間を算出すると、因子特徴抽出部１０３として機能し、分析対象とする装置におけるイベントの発生に影響を及ぼす因子特徴量（共変量）を算出する（ＳＴ１４）。因子特徴抽出部１０３としてのプロセッサ１１は、稼働データ記憶部３１ｂに記憶されている稼働データに基づいて共変量としての因子を算出する。
【0075】
ここでは、コンプレッサにおける軸受け故障に影響を与える可能性がある乗車率を分析（Ｃｏｘ比例ハザード回帰分析）に利用できる形に変換した特徴量を因子（共変量）として算出する。鉄道車両における乗車率は時間とともに変化するものであるが、Ｃｏｘ比例ハザード回帰分析においては、共変量を分析中に変動しない形で取り扱う。このため、因子特徴抽出部１０３としてのプロセッサ１１は、稼働データから装置が搭載されていた車両における乗車率の平均値を因子（共変量）として算出する。
【0076】
（ＳＴ１５：関数作成処理）
情報分析装置１０のプロセッサ１１は、因子を算出すると、関数作成部１０５として機能し、分析対象とする装置においてイベントが発生する確率を示す関数としてのハザード関数を作成する（ＳＴ１５）。第１の分析処理において、関数作成部１０５としてのプロセッサ１１は、上述した式１に基づくハザード関数として以下の式２を定義する。
ｈ（ｔ；Ｒ）＝ｈ０（ｔ）ｅｘｐ（βＲ）・・・式２
式２において、ｔは稼働時間であり、Ｒは共変量（因子）としての乗車率であり、βは乗車率（共変量）のパラメータであるものとする。
情報分析装置１０のプロセッサ１１は、因子を算出すると、関数作成部１０５として機能し、分析対象とする装置においてイベントが発生する確率を示す関数としてのハザード関数を作成する（ＳＴ１５）。第１の分析処理において、関数作成部１０５としてのプロセッサ１１は、上述した式１に基づくハザード関数として以下の式２を定義する。
ｈ（ｔ；Ｒ）＝ｈ０（ｔ）ｅｘｐ（βＲ）・・・式２
式２において、ｔは稼働時間であり、Ｒは共変量（因子）としての乗車率であり、βは乗車率（共変量）のパラメータであるものとする。
【0077】
関数作成部１０５としてのプロセッサ１１は、稼働データ、アセットデータおよび保守データなどを用いて得られるデータを用いて、式２におけるパラメータβを最尤法によって求める。ここでは、βが０．０４などの実数として求まるものとする。βが０．０４であれば、ハザード関数は、ｈ（ｔ；Ｒ）＝ｈ０（ｔ）ｅｘｐ（０．０４＊乗車率）となる。式２において、ｈ０（ｔ）は乗車率を０とした場合のベースハザード関数である。このため、上述したハザード関数によれば、乗車率が５０である場合、イベントとしての軸受け故障が発生する確率（故障率）は、ベースハザード関数に対して約２．７（ｅｘｐ（０．０４×５０）＝ｅｘｐ（１）≒２．７）倍に高まることを意味する。
【0078】
（ＳＴ１６：結果表示処理）
情報分析装置１０のプロセッサ１１は、ハザード関数を作成すると、表示制御部１０６として機能し、作成したハザード関数に関する情報をＵＩ装置２０の表示装置２６に表示する（ＳＴ１６）。表示制御部１０６としてのプロセッサ１１は、関数作成部１０５によって求めた共変量のパラメータ（β）に関する情報、および、ハザード関数を用いて算出される生存曲線などの情報をＵＩ装置２０の表示装置２６に表示する。
情報分析装置１０のプロセッサ１１は、ハザード関数を作成すると、表示制御部１０６として機能し、作成したハザード関数に関する情報をＵＩ装置２０の表示装置２６に表示する（ＳＴ１６）。表示制御部１０６としてのプロセッサ１１は、関数作成部１０５によって求めた共変量のパラメータ（β）に関する情報、および、ハザード関数を用いて算出される生存曲線などの情報をＵＩ装置２０の表示装置２６に表示する。
【0079】
例えば、図１５に示す表示例では、プロセッサ１１は、共変量のパラメータ（β）を乗車率係数０．０４として表示し、ハザード関数が示す確率で発生するイベント（軸受け故障）による生存率を示す生存曲線をＵＩ装置２０の表示装置２６に表示する。
分析者は、ＵＩ装置２０の表示装置２６に表示された結果を参照することにより、装置の寿命などのイベントが発生する確率を予測し、予測に基づいた運用計画の検討を行うことが可能となる。
分析者は、ＵＩ装置２０の表示装置２６に表示された結果を参照することにより、装置の寿命などのイベントが発生する確率を予測し、予測に基づいた運用計画の検討を行うことが可能となる。
【0080】
（第２の分析処理）
次に、第１の実施形態に係る情報分析装置１０による第２の分析処理について説明する。
第２の分析処理において、情報分析装置１０は、分析対象となる装置が別の編成の車両に載せ替ることを考慮して稼働時間を用いたハザード関数を作成する処理を実行する。上述した第１の分析処理では、装置を別の車両に載せ替ることを想定しないため、稼働時間および乗車率などが編成および車両ごとの稼働データから容易に算出できる。すなわち、ある装置が常に同じ編成かつ同じ号車で稼働している場合は上述した第１の分析処理によって生存時間分析としての分析処理が可能である。
次に、第１の実施形態に係る情報分析装置１０による第２の分析処理について説明する。
第２の分析処理において、情報分析装置１０は、分析対象となる装置が別の編成の車両に載せ替ることを考慮して稼働時間を用いたハザード関数を作成する処理を実行する。上述した第１の分析処理では、装置を別の車両に載せ替ることを想定しないため、稼働時間および乗車率などが編成および車両ごとの稼働データから容易に算出できる。すなわち、ある装置が常に同じ編成かつ同じ号車で稼働している場合は上述した第１の分析処理によって生存時間分析としての分析処理が可能である。
【0081】
しかしながら、実際の鉄道車両に搭載される装置は、トラブルなどが発生した場合にすみやかに復旧させるため、倉庫にストックされていた同型の予備品である装置に載せ替えられたり、取り外された装置が別の編成の号車に据え付けられたりすることが運用上あり得る。このような場合、分析対象となる装置の稼働時間や乗車率は、編成および車両ごとの稼働データから単純に算出することができない。
【0082】
すなわち、第２の分析処理では、分析対象となる装置が別の編成の車両に載せ替られることがあることを想定し、稼働環境が異なる別の車両に載せ替えられた装置であっても、稼働時間および乗車率などを稼働状況に合致したデータとしてハザード関数を作成する処理を実行するものである。
【0083】
図１７は、別の車両への載せ替えや倉庫への保管などを実施した場合における各装置の稼働時間の例を説明するための図である。
図１７では、装置１００の稼働時間と倉庫での保管期間とを矢印１００で示し、装置３００の稼働時間と倉庫での保管期間とを矢印３００で示し、装置８００の稼働時間と倉庫での保管期間とを点の矢印８００で示す。編成Ａと編成Ｂとは、同じ仕様の編成であっても運行時間などの違いから、乗車率が異なるものとする。図１７に示す例において、編成Ａの１号車は、平均乗車率が２０％であり、編成Ｂの１号車は平均乗車率が８０％であるものとする。
図１７では、装置１００の稼働時間と倉庫での保管期間とを矢印１００で示し、装置３００の稼働時間と倉庫での保管期間とを矢印３００で示し、装置８００の稼働時間と倉庫での保管期間とを点の矢印８００で示す。編成Ａと編成Ｂとは、同じ仕様の編成であっても運行時間などの違いから、乗車率が異なるものとする。図１７に示す例において、編成Ａの１号車は、平均乗車率が２０％であり、編成Ｂの１号車は平均乗車率が８０％であるものとする。
【0084】
図１７に示す例において、装置１００は、編成Ａの１号車に搭載された後、倉庫で保管され、さらに、編成Ｂの１号車に載せ替えられた様子を示す。装置１００は、編成Ａの１号車で５２４時間稼働した後、倉庫で一時的に保管された後に、編成Ｂの１号車に載せ替えられている。装置１００は、編成Ａの１号車に搭載されていた間に故障（イベント）が発生することなく、５２４時間の稼働している。装置１００は、一時的に倉庫に保管された後に編成Ｂの１号車に載せ替えられ、編成Ｂの１号車において２００時間稼働した時点で故障（イベント）が発生している。
【0085】
また、図１７に示す例において、装置３００は、編成Ｂの１号車に搭載され、編成Ｂの１号車で４００時間稼働した後に倉庫に保管されている。また、装置８００は、倉庫に保管されていた後に、編成Ａの１号車に搭載され、編成Ａの１号車で３９０時間稼働している。
【0086】
図１８は、別の編成に載せ替えられることを想定した図１７に示す各装置の稼働状況を示すデータセットを示す図である。
情報分析装置１０は、図１７に示す各装置について編成搭載品アセットテーブルおよび各編成の稼働データを参照することにより、図１８に示すような各装置の稼働状況を示すデータセットを作成する。
情報分析装置１０のプロセッサ１１は、編成搭載品アセットテーブルを参照することにより分析対象とする各装置が搭載されていた編成のリストを抽出する。
情報分析装置１０は、図１７に示す各装置について編成搭載品アセットテーブルおよび各編成の稼働データを参照することにより、図１８に示すような各装置の稼働状況を示すデータセットを作成する。
情報分析装置１０のプロセッサ１１は、編成搭載品アセットテーブルを参照することにより分析対象とする各装置が搭載されていた編成のリストを抽出する。
【0087】
情報分析装置１０のプロセッサ１１は、各装置が搭載されていた編成のリストを作成すると、リストにある各編成の稼働データを参照することにより、各編成における各装置の累積の稼働時間を算出する。例えば、各編成における各装置の稼働時間は、図５に示すような装置が搭載された車両の稼働データテーブルにおいて装置（コンプレッサ）の電力値が０ではないレコード数にサンプリング間隔の時間を乗ずることで累積時間としての稼働時間を計算する。
【0088】
これにより、情報分析装置１０のプロセッサ１１は、図１８に示すような分析対象とする各装置についての編成ごとの稼働時間を算出できる。情報分析装置１０のプロセッサ１１は、各装置の編成ごとの稼働時間を算出すると、分析対象とする個々の装置について図１８に示すような編成ごとの稼働時間を合算することにより、載せ替えがある場合を含む個々の装置における累積の稼働時間が算出できる。
【0089】
また、情報分析装置１０のプロセッサ１１は、各装置が搭載されていた編成のリストを作成すると、リストにある各編成の稼働データを参照することにより、各装置が搭載されていた各編成の車両における平均乗車率を算出する。例えば、各編成における各装置の稼働時間は、図５に示すような装置が搭載された車両の稼働データテーブルにおいて装置（コンプレッサ）の電力値が０ではないレコードにおける乗車率から各装置が搭載されていた間の平均乗車率を計算する。これにより、情報分析装置１０のプロセッサ１１は、図１８に示すような分析対象とする各装置についての編成ごとの平均乗車率を特定できる。
【0090】
第２の分析処理では、稼働状況（設置環境）が異なる別の編成の車両に装置が載せ替えられることを考慮する必要がある。例えば、図１８に示す製造番号が１００の装置（装置１００）については、編成Ａでの稼働時間と編成Ｂでの稼働時間とを合算することにより累積の稼働時間が得られるが、編成Ａでの平均乗車率と編成Ｂでの平均乗車率とを単純に合算したり何れかの平均乗車率を選択したりしても実際の稼働状況に合致した因子特徴量とすることができない。このため、第２の分析処理では、載せ替え前後の稼働状況によって影響を受ける共変量としての因子特徴量については実際に装置が搭載されていた各車両における稼働状況に応じて正規化する必要がある。
【0091】
例えば、図１７および図１８に示す装置１００の因子特徴量については、編成間の差異を考慮して正規化する手法として、乗車率の加重平均を算出するものとする。装置の載せ替えを考慮した乗車率は、以下の式３によって算出される。
【0092】
Ｒａ＝（Ｔ１＊Ｒ１＋Ｔ２＊Ｒ２）／（Ｔ１＋Ｔ２）・・・式３
式３では、Ｒａ、Ｔ１、Ｒ１、Ｔ２、Ｒ２は、以下のように定義するものとする。
式３では、Ｒａ、Ｔ１、Ｒ１、Ｔ２、Ｒ２は、以下のように定義するものとする。
【0093】
Ｒａ：編成間の差異を考慮し正規化した乗車率（共変量）
Ｔ１：載せ替え前編成の稼働時間
Ｒ１：載せ替え前編成の乗車率
Ｔ２：載せ替え後編成の稼働時間
Ｒ２：載せ替え後編成の乗車率
上記の式３を用いると、図１８に示す装置１００の正規化した乗車率（因子特徴量）は、Ｒａ＝（５２４＊３０＋２００＊８０）／（５２４＋２００）＝４３．８≒４４と算出される。
Ｔ１：載せ替え前編成の稼働時間
Ｒ１：載せ替え前編成の乗車率
Ｔ２：載せ替え後編成の稼働時間
Ｒ２：載せ替え後編成の乗車率
上記の式３を用いると、図１８に示す装置１００の正規化した乗車率（因子特徴量）は、Ｒａ＝（５２４＊３０＋２００＊８０）／（５２４＋２００）＝４３．８≒４４と算出される。
【0094】
図１９は、図１８に示すデータセットに対して上述した乗車率の加重平均により正規化した乗車率を算出したデータセットの例を示す図である。
図１８に示すデータセットでは、上述したように、装置１００について、編成間の差異を考慮して正規化する手法として乗車率の加重平均が算出される。これにより、図１９では、装置１００の平均乗車率が上述の計算によって正規化された「４４」となっている。
図１８に示すデータセットでは、上述したように、装置１００について、編成間の差異を考慮して正規化する手法として乗車率の加重平均が算出される。これにより、図１９では、装置１００の平均乗車率が上述の計算によって正規化された「４４」となっている。
【0095】
次に、第１の実施形態に係る情報分析装置１０による第２の分析処理の流れについて説明する。
第２の分析処理は、以下に説明するように、図１６に示す処理の流れで実行される。情報分析装置１０は、第２の分析処理として、図１６に示すＳＴ１３およびＳＴ１４の処理において上述したような載せ替えを考慮した稼働時間の算出と因子特徴量（共変量）の抽出とを実行し、第１の分析処理と同様にＳＴ１１、ＳＴ１２、ＳＴ１５およびＳＴ１６の処理を実行する。
第２の分析処理は、以下に説明するように、図１６に示す処理の流れで実行される。情報分析装置１０は、第２の分析処理として、図１６に示すＳＴ１３およびＳＴ１４の処理において上述したような載せ替えを考慮した稼働時間の算出と因子特徴量（共変量）の抽出とを実行し、第１の分析処理と同様にＳＴ１１、ＳＴ１２、ＳＴ１５およびＳＴ１６の処理を実行する。
【0096】
（ＳＴ１１：第２の分析処理における分析条件の取得処理）
第２の分析処理において、情報分析装置１０のプロセッサ１１は、図１６に示すＳＴ１１の分析条件の取得処理として、上述した第１の分析処理と同様に、ＵＩ装置２０に入力される分析条件を取得する（ＳＴ１１）。
第２の分析処理において、情報分析装置１０のプロセッサ１１は、図１６に示すＳＴ１１の分析条件の取得処理として、上述した第１の分析処理と同様に、ＵＩ装置２０に入力される分析条件を取得する（ＳＴ１１）。
【0097】
（ＳＴ１２：第２の分析処理におけるイベント生成処理）
第２の分析処理において、情報分析装置１０のプロセッサ１１は、図１６に示すＳＴ１２のイベント生成処理として、上述した第１の分析処理と同様に、個々の装置ごとに分析条件で指定されたイベントの発生状況を確認する（ＳＴ１２）。
第２の分析処理において、情報分析装置１０のプロセッサ１１は、図１６に示すＳＴ１２のイベント生成処理として、上述した第１の分析処理と同様に、個々の装置ごとに分析条件で指定されたイベントの発生状況を確認する（ＳＴ１２）。
【0098】
（ＳＴ１３：第２の分析処理における時間情報の算出処理）
第２の分析処理において、情報分析装置１０のプロセッサ１１は、図１６に示すＳＴ１３の時間情報の算出処理として、装置の載せ替えを考慮して各装置の累積の稼働時間を算出する処理を実行する（ＳＴ１３）。すなわち、プロセッサ１１は、稼働時間算出部１０１として機能し、分析対象とする装置が搭載されていた編成のリストの抽出、分析対象の装置が搭載されていた編成ごとの稼働時間の算出、および、各編成での稼働時間の合算による累積の稼働時間の算出を実行する。
第２の分析処理において、情報分析装置１０のプロセッサ１１は、図１６に示すＳＴ１３の時間情報の算出処理として、装置の載せ替えを考慮して各装置の累積の稼働時間を算出する処理を実行する（ＳＴ１３）。すなわち、プロセッサ１１は、稼働時間算出部１０１として機能し、分析対象とする装置が搭載されていた編成のリストの抽出、分析対象の装置が搭載されていた編成ごとの稼働時間の算出、および、各編成での稼働時間の合算による累積の稼働時間の算出を実行する。
【0099】
情報分析装置１０のプロセッサ１１は、編成搭載品アセットテーブルを参照することにより分析対象とする各装置が搭載されていた編成のリストを抽出する。情報分析装置１０のプロセッサ１１は、作成したリストにある各編成の稼働データを参照することにより、各編成における各装置の累積の稼働時間を算出する。情報分析装置１０のプロセッサ１１は、各装置の編成ごとの稼働時間を算出した後、個々の装置について編成ごとの稼働時間を合算することにより個々の装置における累積の稼働時間を算出する。
【0100】
（ＳＴ１４：第２の分析処理における因子抽出処理）
第２の分析処理において、プロセッサ１１は、図１６に示すＳＴ１４の因子抽出処理として、装置の載せ替えを考慮して各装置に対する因子特徴量（共変量）を算出する処理を実行する（ＳＴ１４）。すなわち、プロセッサ１１は、因子特徴抽出部１０３として機能し、分析対象とする装置が搭載されていた編成のリストの抽出、分析対象とする装置が搭載されていた編成ごとの因子特徴量（平均乗車率）の算出、および、編成毎の因子特徴量の正規化（平均乗車率の加重平均）による当該装置の共変量の算出を実行する。
第２の分析処理において、プロセッサ１１は、図１６に示すＳＴ１４の因子抽出処理として、装置の載せ替えを考慮して各装置に対する因子特徴量（共変量）を算出する処理を実行する（ＳＴ１４）。すなわち、プロセッサ１１は、因子特徴抽出部１０３として機能し、分析対象とする装置が搭載されていた編成のリストの抽出、分析対象とする装置が搭載されていた編成ごとの因子特徴量（平均乗車率）の算出、および、編成毎の因子特徴量の正規化（平均乗車率の加重平均）による当該装置の共変量の算出を実行する。
【0101】
情報分析装置１０のプロセッサ１１は、編成搭載品アセットテーブルを参照して作成したリストにある各編成の稼働データを参照することにより各装置が搭載されていた各編成の車両における平均乗車率を算出する。情報分析装置１０のプロセッサ１１は、各装置の編成ごとの平均乗車率を算出した後、上述したように、個々の装置について上記式３を用いて乗車率の加重平均を因子特徴量（共変量）として算出する。
【0102】
（ＳＴ１５：第２の分析処理における関数作成処理）
第２の分析処理において、プロセッサ１１は、図１６に示すＳＴ１５の関数作成処理として、第１の分析処理と同様に、式１に基づくハザード関数を作成する（ＳＴ１５）。第２の分析処理では、式３が算出される因子特徴量（共変量）としてのＲａが算出される。このため、プロセッサ１１は、第１の分析処理と同様に最尤法によって求めたパラメータβにより、第２の分析処理によるハザード関数としてのｈ（ｔ；Ｒ）＝ｈ０（ｔ）ｅｘｐ（βＲａ）を算出する。
第２の分析処理において、プロセッサ１１は、図１６に示すＳＴ１５の関数作成処理として、第１の分析処理と同様に、式１に基づくハザード関数を作成する（ＳＴ１５）。第２の分析処理では、式３が算出される因子特徴量（共変量）としてのＲａが算出される。このため、プロセッサ１１は、第１の分析処理と同様に最尤法によって求めたパラメータβにより、第２の分析処理によるハザード関数としてのｈ（ｔ；Ｒ）＝ｈ０（ｔ）ｅｘｐ（βＲａ）を算出する。
【0103】
（ＳＴ１６：第２の分析処理における結果表示処理）
第２の分析処理において、プロセッサ１１は、図１６に示すＳＴ１５の結果表示処理として、第１の分析処理と同様に作成したハザード関数に関する情報をＵＩ装置２０の表示装置２６に表示する（ＳＴ１６）。
第２の分析処理において、プロセッサ１１は、図１６に示すＳＴ１５の結果表示処理として、第１の分析処理と同様に作成したハザード関数に関する情報をＵＩ装置２０の表示装置２６に表示する（ＳＴ１６）。
【0104】
以上のように、第２の分析処理によれば、第１の実施形態に係る情報分析装置１０は、分析対象となる装置が別の編成の車両に載せ替られることがある場合であっても、累積の稼働時間を算出でき、稼働環境が異なる別の車両における稼働状況に合致した乗車率などの因子特徴量（共変量）を抽出でき、実際の稼働状況に応じたイベントの発生確率を高い精度で示すハザード関数を作成することができる。この結果として、分析者は、分析対象とする装置が別の車両などに載せ替えられていることなどを意識することなく、表示装置に表示された分析結果によって装置におけるイベントの発生確率や生存率などを確認することが可能となる。
【0105】
（第３の分析処理（絶対時間を考慮した分析処理））
次に、第１の実施形態に係る情報分析装置１０による第３の分析処理について説明する。
上述した第１および第２の分析処理では、装置の稼働時間を時間軸としてイベントが発生する確率を分析するものであるが、第３の分析処理では、分析対象とする装置について、編成への搭載／非搭載、および、装置の稼働／不稼働によらない経過時間としての絶対時間を時間軸としてイベントが発生する確率を分析する。
次に、第１の実施形態に係る情報分析装置１０による第３の分析処理について説明する。
上述した第１および第２の分析処理では、装置の稼働時間を時間軸としてイベントが発生する確率を分析するものであるが、第３の分析処理では、分析対象とする装置について、編成への搭載／非搭載、および、装置の稼働／不稼働によらない経過時間としての絶対時間を時間軸としてイベントが発生する確率を分析する。
【0106】
装置に故障などのイベントが発生する確率は、稼働時間に連動して高まるとは限らず、単純な時間経過（絶対時間）に連動して高まることもある。例えば、ゴムなどの部品は、単純な時間経過によって硬化などの劣化が進むため、ブッシングなどのゴムを用いた個所を含む装置は、稼働時間とは関係なく、絶対時間に連動して故障などのイベントが発生する確率が高まることが考えられる。
【0107】
第３の分析処理において、情報分析装置１０は、稼働時間と関係なくイベントが発生する確率が高まる装置を分析対象とするため、時系列の稼働データから作成する稼働時間だけでなく不稼働の時間も含めた絶対時間を用いて分析を行う。すなわち、第３の分析処理において、情報分析装置１０は、分析対象とする装置について、編成への搭載／非搭載、および、装置の稼働／不稼働によらない経過時間を絶対時間として算出する。
【0108】
鉄道事業者は、メーカから納入される装置のうち一部の装置を予備品として数年単位で倉庫に保管することがある。また、メーカは、装置を製造した後に出荷（事業者への納品）までに時間を要することもある、このため、第３の分析処理において、情報分析装置１０は、製造データ記憶部３２ａに記憶する製造データを参照することにより分析対象とする装置の製造日からの絶対時間を算出する。
【0109】
次に、第１の実施形態に係る情報分析装置１０による第３の分析処理の流れについて説明する。
情報分析装置１０は、第３の分析処理を図１６に示す処理の流れで実行する。第３の分析処理において、図１６に示すＳＴ１１およびＳＴ１２の処理は、第１の分析処理と同様な処理が実行される。
情報分析装置１０は、第３の分析処理を図１６に示す処理の流れで実行する。第３の分析処理において、図１６に示すＳＴ１１およびＳＴ１２の処理は、第１の分析処理と同様な処理が実行される。
【0110】
（ＳＴ１１：第３の分析処理における分析条件の取得処理）
第３の分析処理において、情報分析装置１０のプロセッサ１１は、図１６に示すＳＴ１１の分析条件の取得処理として、上述した第１の分析処理と同様に、ＵＩ装置２０に入力される分析条件を取得する（ＳＴ１１）。
第３の分析処理において、情報分析装置１０のプロセッサ１１は、図１６に示すＳＴ１１の分析条件の取得処理として、上述した第１の分析処理と同様に、ＵＩ装置２０に入力される分析条件を取得する（ＳＴ１１）。
【0111】
（ＳＴ１２：第３の分析処理におけるイベント生成処理）
第３の分析処理において、情報分析装置１０のプロセッサ１１は、図１６に示すＳＴ１２のイベント生成処理として、上述した第１の分析処理と同様に、個々の装置ごとに分析条件で指定されたイベントの発生状況を確認する（ＳＴ１２）。
第３の分析処理において、情報分析装置１０のプロセッサ１１は、図１６に示すＳＴ１２のイベント生成処理として、上述した第１の分析処理と同様に、個々の装置ごとに分析条件で指定されたイベントの発生状況を確認する（ＳＴ１２）。
【0112】
（ＳＴ１３：第３の分析処理における時間情報の算出処理）
第３の分析処理において、情報分析装置１０のプロセッサ１１は、図１６に示すＳＴ１３の時間情報の算出処理において、分析対象とする装置について稼働時間と絶対時間とを算出する（ＳＴ１３）。ここで、分析対象とする装置の稼働時間は上述した第２の分析処理と同様な処理によって算出するようにして良い。分析対象とする装置の稼働時間は絶対時間算出部１０２として機能する情報分析装置１０のプロセッサ１１が絶対時間の起点日を特定し、起点日からの経過時間を絶対時間として算出する。
第３の分析処理において、情報分析装置１０のプロセッサ１１は、図１６に示すＳＴ１３の時間情報の算出処理において、分析対象とする装置について稼働時間と絶対時間とを算出する（ＳＴ１３）。ここで、分析対象とする装置の稼働時間は上述した第２の分析処理と同様な処理によって算出するようにして良い。分析対象とする装置の稼働時間は絶対時間算出部１０２として機能する情報分析装置１０のプロセッサ１１が絶対時間の起点日を特定し、起点日からの経過時間を絶対時間として算出する。
【0113】
例えば、鉄道事業者は、メーカから納入される装置のうち一部の装置を予備品として数年単位で倉庫に保管することがある。また、メーカは、装置を製造した後に出荷（事業者への納品）までに時間を要することもある、このため、第３の分析処理において、情報分析装置１０のプロセッサ１１は、製造データ記憶部３２ａに記憶する製造データを参照することにより分析対象とする装置の製造日を特定し、製造日を絶対時間の起点日として絶対時間を算出する。
【0114】
なお、製造データが存在しない装置については、メーカにおける組み立て試験データ、出荷日データ、あるいは、事業者への納入日データ等を参照し、最も古い日付を絶対時間の起点日として採用するようにしても良い。また、製造日、出荷日、納入日などのいずれの日付も取得できない場合、稼働データの始端レコードのタイムスタンプを絶対時間の起点日として採用するようにしても良い。
【0115】
（ＳＴ１４：第３の分析処理における因子抽出処理）
第３の分析処理において、プロセッサ１１は、図１６に示すＳＴ１４の因子抽出処理として、装置の絶対時間を考慮して各装置に対する因子特徴量（共変量）を算出する処理を実行する（ＳＴ１４）。情報分析装置１０のプロセッサ１１は、因子特徴抽出部１０３として機能し、絶対時間、稼働時間、あるいは、絶対時間と稼働時間との両方を用いて、因子特徴量を計算する。すなわち、プロセッサ１１は、算出すべき共変量とする因子特徴量に応じて稼働時間を考慮すべきか否かを判断して因子特徴量を計算する際に用いる時間を切り替える。
第３の分析処理において、プロセッサ１１は、図１６に示すＳＴ１４の因子抽出処理として、装置の絶対時間を考慮して各装置に対する因子特徴量（共変量）を算出する処理を実行する（ＳＴ１４）。情報分析装置１０のプロセッサ１１は、因子特徴抽出部１０３として機能し、絶対時間、稼働時間、あるいは、絶対時間と稼働時間との両方を用いて、因子特徴量を計算する。すなわち、プロセッサ１１は、算出すべき共変量とする因子特徴量に応じて稼働時間を考慮すべきか否かを判断して因子特徴量を計算する際に用いる時間を切り替える。
【0116】
着目するイベントとしての故障に絶対時間による影響と稼働時間による影響とが混在すると考えられる場合、プロセッサ１１は、絶対時間と稼働時間との両方を用いて因子特徴量を算出する。例えば、装置稼働率を因子特徴量（共変量）とする場合、装置稼働率は、絶対時間と稼働時間との両方の影響を受ける。この場合、プロセッサ１１は、分析対象とする装置の絶対時間と稼働時間との両方を用いて装置稼働率＝稼働時間／絶対時間によって分析対象とする装置の稼働率（装置稼働率）を算出する。
【0117】
また、着目するイベントとしての故障に対する因子特徴量が稼働時間による影響と考えられる場合、プロセッサ１１は、第２の分析処理で説明したように稼働時間を用いて因子特徴量を算出する。例えば、平均乗車率を因子特徴量（共変量）とする場合、平均乗車率は、分析対象とする装置の稼働時間に影響を受ける。この場合、プロセッサ１１は、分析対象とする装置の稼働時間を用いて平均乗車率＝Σ稼働中の乗車率／稼働時間によって分析対象とする装置の平均乗車率を算出する。
【0118】
また、着目するイベントとしての故障に対する因子特徴量が絶対時間による影響と考えられる場合、プロセッサ１１は、絶対時間を用いて因子特徴量を算出する。例えば、平均外気温を因子特徴量（共変量）とする場合、平均外気温は、分析対象とする装置の稼働状況によらず絶対時間に影響を受ける。この場合、プロセッサ１１は、分析対象とする装置の絶対時間を用いて平均外気温＝Σ外気温／絶対時間によって分析対象とする装置の平均乗車率を算出する。
【0119】
（ＳＴ１５：第３の分析処理における関数作成処理）
第３の分析処理において、プロセッサ１１は、図１６に示すＳＴ１５の関数作成理として、因子特徴抽出処理によって算出した因子特徴量を用いて時間軸を絶対時間としたハザード関数を算出する（ＳＴ１５）。例えば、プロセッサ１１は、上述した式１をアレンジした以下の式４を用いてハザード関数を求める。
第３の分析処理において、プロセッサ１１は、図１６に示すＳＴ１５の関数作成理として、因子特徴抽出処理によって算出した因子特徴量を用いて時間軸を絶対時間としたハザード関数を算出する（ＳＴ１５）。例えば、プロセッサ１１は、上述した式１をアレンジした以下の式４を用いてハザード関数を求める。
【0120】
ｈ（ｔａ；ｘ）＝ｈ０（ｔａ）ｅｘｐ（β１Ｐ＋β２Ｒ＋β３Ｏ）・・・式４
式４では、ｔａ、Ｐ、Ｒ、Ｏ、β（β１、β２、β３）を以下のように定義する。
ｔａ：絶対時間
Ｐ：装置稼働率（第１の共変量）
Ｒ：装置稼働時の平均乗車率（第２の共変量）
Ｏ：平均外気温（第３の共変量）
β１：第１の共変量のパラメータ
β２：第２の共変量のパラメータ
β３：第３の共変量のパラメータ
上記式４は、時間軸を絶対時間とし、第１の共変量としての装置稼働率、第２の共変量としての装置稼働時の平均乗車率および第３の共変量としての平均外気温を用いて作成されるハザード関数を示す。
式４では、ｔａ、Ｐ、Ｒ、Ｏ、β（β１、β２、β３）を以下のように定義する。
ｔａ：絶対時間
Ｐ：装置稼働率（第１の共変量）
Ｒ：装置稼働時の平均乗車率（第２の共変量）
Ｏ：平均外気温（第３の共変量）
β１：第１の共変量のパラメータ
β２：第２の共変量のパラメータ
β３：第３の共変量のパラメータ
上記式４は、時間軸を絶対時間とし、第１の共変量としての装置稼働率、第２の共変量としての装置稼働時の平均乗車率および第３の共変量としての平均外気温を用いて作成されるハザード関数を示す。
【0121】
（ＳＴ１６：第３の分析処理における結果表示処理）
第３の分析処理において、プロセッサ１１は、図１６に示すＳＴ１５の結果表示処理として、ＳＴ１５で作成したハザード関数に関する情報をＵＩ装置２０の表示装置２６に表示する（ＳＴ１６）。例えば、第３の分析処理において、プロセッサ１１は、図１５に示すような表示例において、生存曲線の横軸を絶対時間とした生存率を表示装置２６に表示する。
第３の分析処理において、プロセッサ１１は、図１６に示すＳＴ１５の結果表示処理として、ＳＴ１５で作成したハザード関数に関する情報をＵＩ装置２０の表示装置２６に表示する（ＳＴ１６）。例えば、第３の分析処理において、プロセッサ１１は、図１５に示すような表示例において、生存曲線の横軸を絶対時間とした生存率を表示装置２６に表示する。
【0122】
以上のように、第３の分析処理によれば、第１の実施形態に係る情報分析装置１０は、分析対象となる装置が稼働状況によらない経過時間としての絶対時間によって劣化する要素を含む場合に、絶対時間による因子特徴量を抽出し、絶対時間による因子特徴量を含むハザード関数を作成する。これにより、第３の分析処理によれば、絶対時間の影響を受ける要素を含む装置については、稼働時間の影響だけでなく絶対時間の影響を考慮してイベントの発生確率を推定できるハザード関数を作成でき、より高精度な分析を行うことができる。この結果、分析者は、分析対象とする装置について稼働状況だけでなく絶対時間の影響を考慮した分析結果を表示装置で確認することができる。
【0123】
なお、第１の実施形態に係る情報分析装置１０は、稼働時間を考慮した分析結果と絶対時間を考慮した分析結果とを比較可能なように表示するようにしても良い。第１の実施形態では、第２の分析処理として稼働時間を考慮した分析について説明し、第３の分析処理として絶対時間を考慮した分析について説明した。情報分析装置１０は、稼働時間を考慮した第２の分析処理と絶対時間を考慮した第３の分析処理とを実行し、それらの分析処理の結果をＵＩ装置２０の表示装置２６に表示することが可能である。
【0124】
分析者は、装置に故障などのイベントが発生するメカニズムが明らかである場合には時間軸として稼働時間又は絶対時間のどちらで分析するか指定できるが、そうでない場合には稼働時間に基づく分析と絶対時間に基づく分析とのどちらを用いて分析すべきか判断することが困難となることがある。このような場合、情報分析装置１０は、稼働時間に基づく分析と絶対時間に基づく分析との両方の分析を行って、両方の分析結果を比較可能なようにＵＩ装置２０の表示装置２６に表示するようにしても良い。
【0125】
この場合、ＵＩ装置２０は、図１３に示すような分析条件の入力画面において、分析対象の時間軸として、稼働時間および絶対時間の両方を同時に指定できるようにすれば良い。時間軸として稼働時間と絶対時間の両方が指定された場合、情報分析装置１０は、第２の分析処理で説明したような時間軸を稼働時間とした分析処理と第３の分析処理で説明した時間軸を絶対時間とした分析処理とを実行する。情報分析装置１０は、時間軸を稼働時間とした分析結果と時間軸を絶対時間として分析結果とを一覧できるよう分析結果の表示画面を表示装置２６に表示させる。
【0126】
例えば、図２０は、絶対時間（経過時間）を横軸として分析対象とする装置の稼働状態を示す図であり、図２１は、図２０に示す稼働状況の装置について、稼働時間による分析結果と時間軸を絶対時間として分析結果とを一覧で表示した分析結果の表示画面の例を示す図である。図２１に示す分析結果の表示画面によれば、分析者は、分析対象とする装置について、稼働状況による生存率と絶対時間による生存率とを一目で確認することができ、稼働時間と絶対時間とを考慮した生存率を確認しつつ保守計画などを検討をすることができる。
【0127】
（第２の実施形態）
次に、第２の実施形態について説明する。
第１の実施形態では、時間に応じた故障などのイベントの発生確率を示すハザード関数を作成することにより分析対象とする装置の生存率などを分析することについて説明したが、装置に発生する故障などのイベントは、時間以外の変量によっても発生確率を推定することが可能である。例えば、装置よっては、接点部における開閉回数（スイッチのオンオフの回数）などの変量に応じて故障などのイベントが発生する確率が予測できる場合がある。第２の実施形態では、時間以外の変量を軸としてハザード関数を作成する形態について説明する。
次に、第２の実施形態について説明する。
第１の実施形態では、時間に応じた故障などのイベントの発生確率を示すハザード関数を作成することにより分析対象とする装置の生存率などを分析することについて説明したが、装置に発生する故障などのイベントは、時間以外の変量によっても発生確率を推定することが可能である。例えば、装置よっては、接点部における開閉回数（スイッチのオンオフの回数）などの変量に応じて故障などのイベントが発生する確率が予測できる場合がある。第２の実施形態では、時間以外の変量を軸としてハザード関数を作成する形態について説明する。
【0128】
図２２は、第２の実施形態に係る情報分析装置１０´が備える機能の構成例を説明するためのブロック図である。
第２の実施形態に係る情報分析装置１０´および情報分析システム１´のハードウエアは、第１の実施形態で説明した図２に示すような構成で実現される。第２の実施形態に係る情報分析装置１０´およびＵＩ装置２０は、第１の実施形態で説明した図２に示す情報分析装置１０およびＵＩ装置２０と同様なハードウエア構成を備えるものとする。
第２の実施形態に係る情報分析装置１０´および情報分析システム１´のハードウエアは、第１の実施形態で説明した図２に示すような構成で実現される。第２の実施形態に係る情報分析装置１０´およびＵＩ装置２０は、第１の実施形態で説明した図２に示す情報分析装置１０およびＵＩ装置２０と同様なハードウエア構成を備えるものとする。
【0129】
図２２に示す構成例において、情報分析装置１０´は、プロセッサ１１がプログラムを実行することにより実現する機能として、モード変更回数算出部１０７、アナログ量積算値算出部１０８、因子特徴抽出部１０３、イベント生成部１０４、関数作成部１０５および表示制御部１０６を有する。図２２に示す構成例において、情報分析装置１０´は、図３に示す構成例の稼働時間算出部１０１および絶対時間算出部１０２がモード変更回数算出部１０７およびアナログ量積算値算出部１０８に置き換わっている点が異なる。
【0130】
第２の実施形態に係る情報分析装置１０が備える因子特徴抽出部１０３、イベント生成部１０４、関数作成部１０５および表示制御部１０６は、第１の実施形態で説明した因子特徴抽出部１０３、イベント生成部１０４、関数作成部１０５および表示制御部１０６と同様な機能を実現するものであるため、詳細な説明を省略する。また、第２の実施形態に係る情報分析システム１´おけるＵＩ装置２０、各サーバ３１、３２、３３およびデータ収集装置４０が備える構成についても、第１の実施形態で説明したＵＩ装置２０、各サーバ３１、３２、３３およびデータ収集装置４０が備える構成と同様なもので実現できるものあるため、詳細な説明を省略する。
【0131】
モード変更回数算出部１０７は、累積値算出部の一例である。モード変更回数算出部１０７は、運用データサーバ３１が備える稼働データ記憶部３１ｂに記憶された稼働データから接点開閉回数を算出する。例えば、運用データサーバ３１が備える稼働データ記憶部３１ｂには、稼働データを示す時系列の各レコードに「０」又は「１」の何れかの値となる接点開閉信号の値を記録するものとする。
【0132】
モード変更回数算出部１０７は、分析対象とする装置が搭載された車両の稼働データにおいて時系列に並べた接点開閉信号が「０」から「１」（「０」→「１」→「０」）に変化した回数を集計する。モード変更回数算出部１０７は、接点開閉信号が「０」から「１」に変化した回数の累計値を累積接点開閉回数として保持する。つまり、モード変更回数算出部１０７は、分析対象とする装置における状態変化を示す信号が変化した回数の累積値を算出する累積算出部である。
【0133】
図２３は、接点開閉信号から累積接点開閉回数を算出する処理を説明するための図である。
モード変更回数算出部１０７は、図２３に示すように時系列に並べた接点開閉信号が得られると、接点開閉信号が「０」から「１」に変化した場合に累積接点開閉回数をインクリメント（＋１）する。これにより、モード変更回数算出部１０７は、接点開閉信号が「０」から「１」に変化することに累積接点開閉回数がカウントアップする。
モード変更回数算出部１０７は、図２３に示すように時系列に並べた接点開閉信号が得られると、接点開閉信号が「０」から「１」に変化した場合に累積接点開閉回数をインクリメント（＋１）する。これにより、モード変更回数算出部１０７は、接点開閉信号が「０」から「１」に変化することに累積接点開閉回数がカウントアップする。
【0134】
情報分析装置１０´の関数作成部１０５は、モード変更回数算出部１０７あるいはアナログ量積算値算出部１０８によって算出される累積値を軸としてハザード関数を作成する。例えば、関数作成部１０５は、モード変更回数算出部１０７が算出する累積値としての累積接点開閉回数を時間情報の代わりとすることにより、共変量を乗車率とした第１の実施形態で説明したようなハザード関数を作成する。
【0135】
図２４は、モード変更回数算出部１０７が算出する累積値としての累積接点開閉回数を含むデータセットの例を示す図である。
図２４に示す例では、製造番号で特定される各装置について累積接点開閉回数がセットされている。図２４に示すデータセットは、第１の実施形態で説明した図１９に示すデータセットの稼働時間を累積接点開閉回数に置き換えたものとなっている。
図２４に示す例では、製造番号で特定される各装置について累積接点開閉回数がセットされている。図２４に示すデータセットは、第１の実施形態で説明した図１９に示すデータセットの稼働時間を累積接点開閉回数に置き換えたものとなっている。
【0136】
情報分析装置１０´の関数作成部１０５は、図２４に示すデータセットにおける累積接点開閉回数を時間情報の代わりとすることにより、共変量を乗車率とした第１の実施形態で説明したようなハザード関数が作成できる。関数作成部１０５は、累積接点開閉回数をｃとし、共変量としての平均乗車率をＲとし、共変量の係数をβとすると、以下の式６に示すハザード関数を作成する。
【0137】
ｈ（ｃ；ｘ）＝ｈ０（ｃ）ｅｘｐ（βＲ）・・・式６
関数作成部１０５は、式６におけるパラメータβを図２４に示すようなデータセットから算出することにより分析対象とする装置においてイベントが発生する確率を示すハザード関数を作成する。
関数作成部１０５は、式６におけるパラメータβを図２４に示すようなデータセットから算出することにより分析対象とする装置においてイベントが発生する確率を示すハザード関数を作成する。
【0138】
表示制御部１０６は、関数作成部１０５が作成するハザード関数に基づいて生存率を示す生存曲線を含む分析結果をＵＩ装置２０の表示装置２６に表示する。
図２５は、生存曲線の表示例を示す図である。図２５に示す表示例では、横軸が累積接点開閉回数であり、縦軸が生存率である。
装置を製造するメーカによる保障などでは、当該装置の開閉回数の限度値などが規定されていることがある。このような場合、メーカが保障する情報とを比較しやすい形で分析結果を表示できる。
図２５は、生存曲線の表示例を示す図である。図２５に示す表示例では、横軸が累積接点開閉回数であり、縦軸が生存率である。
装置を製造するメーカによる保障などでは、当該装置の開閉回数の限度値などが規定されていることがある。このような場合、メーカが保障する情報とを比較しやすい形で分析結果を表示できる。
【0139】
次に、第２の実施形態に係る情報分析装置１０´による分析処理の流れについて説明する。
図２６は、第２の実施形態に係る情報分析装置１０´による累積値を用いた分析処理の流れを説明するためのフローチャートである。
図２６に示す処理において、ＳＴ２３の処理以外の各処理は、第１の実施形態で説明した図１６に示す各処理と同様に実施できる。このため、以下の図２６の説明としては、各処理についての詳細な説明を省略するものとする。
図２６は、第２の実施形態に係る情報分析装置１０´による累積値を用いた分析処理の流れを説明するためのフローチャートである。
図２６に示す処理において、ＳＴ２３の処理以外の各処理は、第１の実施形態で説明した図１６に示す各処理と同様に実施できる。このため、以下の図２６の説明としては、各処理についての詳細な説明を省略するものとする。
【0140】
（ＳＴ１１：分析条件の取得処理）
第２の実施形態に係る情報分析装置１０´のプロセッサ１１は、第１の実施形態で説明した図１６に示すＳＴ１１の分析条件の取得処理と同様に、ＵＩ装置２０に入力される分析条件を取得する（ＳＴ１１）。
第２の実施形態に係る情報分析装置１０´のプロセッサ１１は、第１の実施形態で説明した図１６に示すＳＴ１１の分析条件の取得処理と同様に、ＵＩ装置２０に入力される分析条件を取得する（ＳＴ１１）。
【0141】
（ＳＴ１２：イベント生成処理）
情報分析装置１０´のプロセッサ１１は、分析条件を取得すると、第１の実施形態で説明した図１６に示すＳＴ１２のイベント生成処理と同様に、個々の装置ごとに分析条件で指定されたイベントの発生状況を確認する（ＳＴ１２）。
情報分析装置１０´のプロセッサ１１は、分析条件を取得すると、第１の実施形態で説明した図１６に示すＳＴ１２のイベント生成処理と同様に、個々の装置ごとに分析条件で指定されたイベントの発生状況を確認する（ＳＴ１２）。
【0142】
（ＳＴ２３：累積値の算出処理）
情報分析装置１０´のプロセッサ１１は、図１６に示すＳＴ１３の時間情報の算出処理の代わりに累積値の算出処理を実行する（ＳＴ２３）。第２の実施形態に係る情報分析装置１０´のプロセッサ１１は、分析対象とする装置が搭載されていた編成のリストを抽出し、分析対象の装置が搭載されていた編成ごとに累積値を算出し、各編成での累積値を合算することにより個々の装置の累積値を算出する。
情報分析装置１０´のプロセッサ１１は、図１６に示すＳＴ１３の時間情報の算出処理の代わりに累積値の算出処理を実行する（ＳＴ２３）。第２の実施形態に係る情報分析装置１０´のプロセッサ１１は、分析対象とする装置が搭載されていた編成のリストを抽出し、分析対象の装置が搭載されていた編成ごとに累積値を算出し、各編成での累積値を合算することにより個々の装置の累積値を算出する。
【0143】
例えば、上述したように、モード変更回数算出部１０７が累積値としての累積接点開閉回数を算出するものとする。この場合、情報分析装置１０´のプロセッサ１１は、編成搭載品アセットテーブルを参照することにより分析対象とする各装置が搭載されていた編成のリストを抽出する。情報分析装置１０´のプロセッサ１１は、作成したリストにある各編成の稼働データを参照することにより、各編成における各装置の累積接点開閉回数を算出する。情報分析装置１０´のプロセッサ１１は、各装置の編成ごとの累積接点開閉回数を算出した後、個々の装置について編成ごとの累積接点開閉回数を合算することにより個々の装置における累積接点開閉回数を算出する。
【0144】
（ＳＴ１４：因子抽出処理）
情報分析装置１０´のプロセッサ１１は、第１の実施形態で説明した図１６に示すＳＴ１４の因子抽出処理と同様に、各装置に対する因子特徴量（共変量）を算出する処理を実行する（ＳＴ１４）。例えば、分析対象とする装置についての因子特徴量（共変量）としての平均乗車率を算出する。
情報分析装置１０´のプロセッサ１１は、第１の実施形態で説明した図１６に示すＳＴ１４の因子抽出処理と同様に、各装置に対する因子特徴量（共変量）を算出する処理を実行する（ＳＴ１４）。例えば、分析対象とする装置についての因子特徴量（共変量）としての平均乗車率を算出する。
【0145】
（ＳＴ１５：関数作成処理）
情報分析装置１０´のプロセッサ１１は、第１の実施形態で説明した図１６に示すＳＴ１５の関数作成処理と同様に、式１に基づくハザード関数を作成する（ＳＴ１５）。第２の実施形態に係る情報分析装置１０´のプロセッサ１１は、累積値および因子特徴量（共変量）を用いてハザード関数を作成する。例えば、プロセッサ１１は、図２４に示すような累積値ｃと共変量Ｒとを含むデータセットから最尤法によって求めたパラメータβによってハザード関数としてのｈ（ｃ；Ｒ）＝ｈ０（ｃ）ｅｘｐ（βＲ）を算出する。
情報分析装置１０´のプロセッサ１１は、第１の実施形態で説明した図１６に示すＳＴ１５の関数作成処理と同様に、式１に基づくハザード関数を作成する（ＳＴ１５）。第２の実施形態に係る情報分析装置１０´のプロセッサ１１は、累積値および因子特徴量（共変量）を用いてハザード関数を作成する。例えば、プロセッサ１１は、図２４に示すような累積値ｃと共変量Ｒとを含むデータセットから最尤法によって求めたパラメータβによってハザード関数としてのｈ（ｃ；Ｒ）＝ｈ０（ｃ）ｅｘｐ（βＲ）を算出する。
【0146】
（ＳＴ１６：結果表示処理）
第２の実施形態に情報分析装置１０のプロセッサ１１は、図２６に示すＳＴ１５の結果表示処理として、作成したハザード関数に関する情報をＵＩ装置２０の表示装置２６に表示する（ＳＴ１６）。例えば、プロセッサ１１は、図１５に示す表示画面の生存曲線を図２５に示す生存曲線とした表示画面をＵＩ装置２０の表示装置２６に表示することにより、累積値に応じた生存率を示す分析結果を表示する。
第２の実施形態に情報分析装置１０のプロセッサ１１は、図２６に示すＳＴ１５の結果表示処理として、作成したハザード関数に関する情報をＵＩ装置２０の表示装置２６に表示する（ＳＴ１６）。例えば、プロセッサ１１は、図１５に示す表示画面の生存曲線を図２５に示す生存曲線とした表示画面をＵＩ装置２０の表示装置２６に表示することにより、累積値に応じた生存率を示す分析結果を表示する。
【0147】
以上のように、第２の実施形態に係る情報分析装置は、装置に発生するイベントに影響を与える時間以外の変量として累積値を算出でき、時間以外の変量に応じたイベントの発生確率を示すハザード関数を作成することができ、時間以外の変量によってイベントが発生する確率を示す情報を表示することができる。この結果として、分析者は、時間以外の変量に応じて装置にイベントが発生する確率などを容易に確認することが可能となる。
【0148】
上述した分析処理の例では、累積値を累積接点開閉回数とした場合について説明したが、第２の実施形態に係る情報分析装置が作成するハザード関数に用いる累積値は、一方的に増えるのみで減ることがない性質を持ち、なおかつ時間によって単調増加する累積値でなければ良い。例えば、装置の動作回数や装置の動作モード変更回数であれば良く、パンタグラフの昇降回数、積算電力量、温度サイクル（低、高）数、扉の開閉回数、ブレーキの動作回数、コンプレッサの動作回数、電力変換装置の動作モードの変更回数、コンデンサやバッテリの充放電回数、機器の通電回数の累積値などが考えられる。これらの累積値は、時間によって単調に増加するわけではないが、徐々に累積値が増える性質がある。
【0149】
図２２では、累積値を算出する累積値算出部の例としてアナログ量積算値算出部１０８を示している。アナログ量積算値算出部１０８は、稼働データから得られる装置が使用するアナログ量の積算値を累積値として算出する。例えば、アナログ量積算値算出部１０８は、図５に示すような稼働データにおける装置（コンプレッサ）の電力量を積算することにより積算電力量を累積値として算出する。
【0150】
モード変更回数算出部１０７およびアナログ量積算値算出部１０８のような累積値算出部はプロセッサ１１によって実現される機能であり、第２の実施形態に係る情報分析装置１０´は、温度サイクル数やコンデンサの充放電数などの累積値を算出する機能もプロセッサ１１によって実現可能である。
【0151】
また、情報分析装置１０´が上述したような種々の累積値を用いてハザード関数を作成する機能を有する場合、ＵＩ装置２０では、分析条件で軸（特徴軸）とする変量を累積回数や累積電力量などの累積値から分析者が操作装置２７を用いて指定できるようにすれば良い。これにより、第２の実施形態に係る情報分析装置１０´では、種々の累積値を用いてイベントが発生する確率を示す関数が作成可能となる。
【0152】
なお、第１の実施形態と第２の実施形態とは組み合わせて実施することが可能である。例えば、図３に示す構成と図２２に示す構成とを有する情報分析装置は、分析条件で特徴軸とする変量を、稼働時間、絶対時間、種々の累積値などから分析者が指定できるようにしても良い。これにより、第１および第２の実施形態に係る情報分析装置では、稼働時間、絶対時間、種々の累積値などの分析条件に含むハザード関数を作成したり、各種の分析条件でのハザード関数を比較可能な形式で表示したりすることが可能となる。
【0153】
なお、上記した各処理はいくつかのソフトウェアによって実行することが可能である。このため、上記処理の手順を実行するいくつかのプログラムを格納したコンピュータ読み取り可能な記憶媒体を通じてこれらプログラムを遠隔操作装置にインストールして実行することで、上記処理を容易に実現することができる。例えば、遠隔操作装置は、プログラムをネットワーク経由でダウンロードし、ダウンロードしたプログラムを記憶することで、プログラムをインストールするようにしても良い。また、遠隔操作装置は、上記プログラムを各種の情報記憶媒体から読み取り、読み取ったプログラムを記憶することで、プログラムをインストールするようにしても良い。
【0154】
本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。
【符号の説明】
【0155】
１…情報分析システム、１０、１０´…情報処理装置、１１…プロセッサ、１４…記憶部、１５…インターフェース、１６…インターフェース、２０…ユーザインターフェース（ＵＩ）装置、２１…プロセッサ、２５…インターフェース、２６…表示装置、２７…操作装置、３１…運用データサーバ、３１ａ…アセットデータ記憶部、３１ｂ…稼働データサーバ、３２…製造データサーバ、３２ａ…製造データ記憶部、３３…保守データサーバ、３３ａ…保守データ記憶部、４０…データ収集装置、１０１…稼働時間算出部、１０２…絶対時間算出部、１０３…因子特徴抽出部、１０４…イベント生成部、１０５…関数作成部、１０６…表示制御部、１０７…モード変更回数算出部、１０８…アナログ量積算値算出部。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】
【図19】
【図20】
【図21】
【図22】
【図23】
【図24】
【図25】
【図26】
