知財求人 - 知財ポータルサイト「IP Force」
(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】P2025008970
(43)【公開日】2025-01-20
(54)【発明の名称】モデル生成装置、判定装置および判定方法
(51)【国際特許分類】
G06Q 10/20 20230101AFI20250109BHJP
【ＦＩ】
G06Q10/20
【審査請求】未請求
【請求項の数】7
【出願形態】ＯＬ
(21)【出願番号】P 2023111640
(22)【出願日】2023-07-06
(71)【出願人】
【識別番号】000001236
【氏名又は名称】株式会社小松製作所
(74)【代理人】
【識別番号】110001634
【氏名又は名称】弁理士法人志賀国際特許事務所
(72)【発明者】
【氏名】石田 将規
(72)【発明者】
【氏名】谷中 峻輔
(72)【発明者】
【氏名】村田 悠也
【テーマコード（参考）】
5L049
【Ｆターム（参考）】
5L049CC15
(57)【要約】
【課題】作業機械の過去の検査結果に基づいて、エラーコードから作業機械の検査の要否を精度よく決定する。
【解決手段】モデル生成装置は、検査情報取得ステップと、エラー取得ステップと、生成ステップを実行する。検査情報取得ステップでは、作業機械の検査について、検査を実行した時刻と検査の結果により判明した故障の有無とを取得する。エラー取得ステップでは、作業機械の制御装置から検査を実行した時刻よりも前の時間に出力されたエラーコードの組み合わせを取得する。作業機械の制御装置は、作業機械の状態が所望の状態でない場合にエラーの種別を表すエラーコードを出力する。生成ステップでは、故障の有無と、検査を実行した時刻よりも前の時間に出力されたエラーコードの組み合わせとに基づいて、エラーコードの組み合わせから故障の有無を予測するための予測モデルを生成する。
【選択図】図１
【解決手段】モデル生成装置は、検査情報取得ステップと、エラー取得ステップと、生成ステップを実行する。検査情報取得ステップでは、作業機械の検査について、検査を実行した時刻と検査の結果により判明した故障の有無とを取得する。エラー取得ステップでは、作業機械の制御装置から検査を実行した時刻よりも前の時間に出力されたエラーコードの組み合わせを取得する。作業機械の制御装置は、作業機械の状態が所望の状態でない場合にエラーの種別を表すエラーコードを出力する。生成ステップでは、故障の有無と、検査を実行した時刻よりも前の時間に出力されたエラーコードの組み合わせとに基づいて、エラーコードの組み合わせから故障の有無を予測するための予測モデルを生成する。
【選択図】図１
【特許請求の範囲】
【請求項1】
プロセッサを備え、
前記プロセッサは、
作業機械の検査について、前記検査を実行した時刻と前記検査の結果により判明した故障の有無とを取得する検査情報取得ステップと、
前記作業機械の状態が所望の状態でない場合にエラーの種別を表すエラーコードを出力する前記作業機械の制御装置から、前記検査を実行した時刻よりも前の時間に出力された前記エラーコードの組み合わせを取得するエラー取得ステップと、
前記故障の有無と、前記検査を実行した時刻よりも前の時間に出力されたエラーコードの組み合わせとに基づいて、前記エラーコードの組み合わせから前記故障の有無を予測するための予測モデルを生成する生成ステップと
を実行する
モデル生成装置。
前記プロセッサは、
作業機械の検査について、前記検査を実行した時刻と前記検査の結果により判明した故障の有無とを取得する検査情報取得ステップと、
前記作業機械の状態が所望の状態でない場合にエラーの種別を表すエラーコードを出力する前記作業機械の制御装置から、前記検査を実行した時刻よりも前の時間に出力された前記エラーコードの組み合わせを取得するエラー取得ステップと、
前記故障の有無と、前記検査を実行した時刻よりも前の時間に出力されたエラーコードの組み合わせとに基づいて、前記エラーコードの組み合わせから前記故障の有無を予測するための予測モデルを生成する生成ステップと
を実行する
モデル生成装置。
【請求項2】
前記生成ステップでは、複数の検査それぞれについて、前記故障の有無と前記検査を実行した時刻よりも前の時間に出力された前記エラーコードの組み合わせとの統計処理によって、前記予測モデルを生成する
請求項１に記載のモデル生成装置。
請求項１に記載のモデル生成装置。
【請求項3】
前記生成ステップでは、前記検査を実行した時刻よりも前の時間に出力された前記エラーコードの組み合わせのパターンと、前記検査それぞれにおける前記故障の有無との統計処理によって、前記予測モデルを生成する
請求項１に記載のモデル生成装置。
請求項１に記載のモデル生成装置。
【請求項4】
前記生成ステップでは、エラーコードの組み合わせが変化しない期間ごとに、当該期間において少なくとも１つの故障が判明したか否かを判定し、前記少なくとも１つの故障が判明した期間の数に基づく統計処理によって、前記予測モデルを生成する
請求項３に記載のモデル生成装置。
請求項３に記載のモデル生成装置。
【請求項5】
前記プロセッサは、
前記検査の実績が少ない前記エラーコードの組み合わせを特定する特定ステップをさらに実行する
請求項３または請求項４に記載のモデル生成装置。
前記検査の実績が少ない前記エラーコードの組み合わせを特定する特定ステップをさらに実行する
請求項３または請求項４に記載のモデル生成装置。
【請求項6】
プロセッサを備え、
前記プロセッサは、
作業機械の状態が所望の状態でない場合にエラーの種別を表すエラーコードを出力する前記作業機械の制御装置から現在時刻よりも前の時間に出力された前記エラーコードの組み合わせを取得するエラー取得ステップと、
前記作業機械の検査を実行した時刻と前記検査の結果により判明した故障の有無と前記検査を実行した時刻よりも前の時間に出力された前記エラーコードの組み合わせとに基づいて生成された、前記エラーコードの組み合わせから前記故障の有無を予測するための予測モデルと、前記作業機械の制御装置から現在時刻よりも前の時間に出力された前記エラーコードの組み合わせとに基づいて、前記作業機械の検査の要否に関する情報を出力する出力ステップと
を実行する判定装置。
前記プロセッサは、
作業機械の状態が所望の状態でない場合にエラーの種別を表すエラーコードを出力する前記作業機械の制御装置から現在時刻よりも前の時間に出力された前記エラーコードの組み合わせを取得するエラー取得ステップと、
前記作業機械の検査を実行した時刻と前記検査の結果により判明した故障の有無と前記検査を実行した時刻よりも前の時間に出力された前記エラーコードの組み合わせとに基づいて生成された、前記エラーコードの組み合わせから前記故障の有無を予測するための予測モデルと、前記作業機械の制御装置から現在時刻よりも前の時間に出力された前記エラーコードの組み合わせとに基づいて、前記作業機械の検査の要否に関する情報を出力する出力ステップと
を実行する判定装置。
【請求項7】
作業機械の状態が所望の状態でない場合にエラーの種別を表すエラーコードを出力する前記作業機械の制御装置から現在時刻よりも前の時間に出力された前記エラーコードの組み合わせを取得するエラー取得ステップと、
前記作業機械の検査を実行した時刻と前記検査の結果によって判明した故障の有無と前記検査を実行した時刻よりも前の時間に出力された前記エラーコードの組み合わせとに基づいて生成された、前記エラーコードの組み合わせから前記故障の有無を予測するための予測モデルと、前記作業機械の制御装置から現在時刻よりも前の時間に出力された前記エラーコードの組み合わせとに基づいて、前記作業機械の検査の要否に関する情報を出力する出力ステップと
を備える判定方法。
前記作業機械の検査を実行した時刻と前記検査の結果によって判明した故障の有無と前記検査を実行した時刻よりも前の時間に出力された前記エラーコードの組み合わせとに基づいて生成された、前記エラーコードの組み合わせから前記故障の有無を予測するための予測モデルと、前記作業機械の制御装置から現在時刻よりも前の時間に出力された前記エラーコードの組み合わせとに基づいて、前記作業機械の検査の要否に関する情報を出力する出力ステップと
を備える判定方法。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、モデル生成装置、判定装置および判定方法に関する。
【背景技術】
【0002】
作業機械に搭載された制御装置は、センサなどを介して作業機械の状態を監視し、作業機械の状態が所望の状態でない場合に、エラーを通知する。エラーの通知には、エラーの内容を表すエラーコードが付されており、保守者は当該エラーコードを読み取って作業機械の検査の要否を検討する。特許文献１には、エラーコードから作業機械の異常度合いを判断する技術が開示されている。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２００２－１８０５０２号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
エラーは、センサの計測値が所定の範囲を超えたときや、通信などの制御に失敗したときに出力される。そのため、エラーの発生は必ずしも作業機械の故障を表しているわけではない。そのため、保守者はエラーコードから作業機械の検査の要否を検討することが困難である。また保守者の経験によって検討の精度が異なる可能性がある。
本開示の目的は、作業機械の過去の検査結果およびエラーコードの発生状況に基づいて、エラーコードから作業機械の検査の要否を精度よく決定するためのモデル生成装置、判定装置および判定方法を提供することにある。
本開示の目的は、作業機械の過去の検査結果およびエラーコードの発生状況に基づいて、エラーコードから作業機械の検査の要否を精度よく決定するためのモデル生成装置、判定装置および判定方法を提供することにある。
【課題を解決するための手段】
【0005】
本発明の一態様によれば、モデル生成装置は、プロセッサを備え、前記プロセッサは、作業機械の検査について、前記検査を実行した時刻と前記検査の結果により判明した故障の有無とを取得する検査情報取得ステップと、前記作業機械の状態が所望の状態でない場合にエラーの種別を表すエラーコードを出力する前記作業機械の制御装置から前記検査を実行した時刻よりも前の時間に出力された前記エラーコードの組み合わせを取得するエラー取得ステップと、前記故障の有無と前記検査を実行した時刻よりも前の時間に出力された前記エラーコードの組み合わせとに基づいて、前記エラーコードの組み合わせから前記故障の有無を予測するための予測モデルを生成する生成ステップとを実行する。
【発明の効果】
【0006】
上記態様によれば、予測モデルを用いることで、作業機械の過去の検査結果に基づいて、エラーコードから作業機械の検査の要否を精度よく決定することができる。
【図面の簡単な説明】
【0007】
【図1】第一実施形態に係るトリガ通知システムの構成を示す概略図である。
【図2】第一実施形態に係る制御装置の構成を示す概略ブロック図である。
【図3】第一実施形態に係る管理サーバの構成を示す概略ブロック図である。
【図4】第一実施形態に係る管理サーバによるモデル生成処理を示すフローチャートである。
【図5】第一実施形態に係る予測モデルの例を示す図である。
【図6】第一実施形態に係る管理サーバによるトリガ生成処理を示すフローチャートである。
【図7】第二実施形態に係る管理サーバによるモデル生成処理を示すフローチャートである。
【図8】第二実施形態に係る予測モデルの例を示す図である。
【図9】第一実施形態に係る管理サーバによるトリガ生成処理を示すフローチャートである。
【発明を実施するための形態】
【0008】
〈第一実施形態〉
《トリガ通知システム１の構成》
以下、図面を参照しながら実施形態について詳しく説明する。
図１は、第一実施形態に係るトリガ通知システム１の構成を示す概略図である。トリガ通知システム１は、作業機械１００の検査の要否を判定し、検査が必要であると判定された作業機械１００を保守者に提示する。つまり、トリガ通知システム１は、保守者に作業機械１００の検査のトリガを通知する。保守者は、トリガ通知システム１から通知されたトリガによって適切な作業機械１００の検査タイミングを認識することができる。
《トリガ通知システム１の構成》
以下、図面を参照しながら実施形態について詳しく説明する。
図１は、第一実施形態に係るトリガ通知システム１の構成を示す概略図である。トリガ通知システム１は、作業機械１００の検査の要否を判定し、検査が必要であると判定された作業機械１００を保守者に提示する。つまり、トリガ通知システム１は、保守者に作業機械１００の検査のトリガを通知する。保守者は、トリガ通知システム１から通知されたトリガによって適切な作業機械１００の検査タイミングを認識することができる。
【0009】
トリガ通知システム１は、作業機械１００、管理サーバ３００および保守者端末５００を備える。作業機械１００、管理サーバ３００および保守者端末５００は、ネットワークを介して通信可能に接続される。
【0010】
作業機械１００は、例えばそれが油圧ショベルである場合、施工現場にて稼働し、土砂の掘削作業などを行う。図１に示す作業機械１００は、油圧ショベルであるが、他の実施形態においては、他の作業機械であってもよい。作業機械１００の例としては、ブルドーザ、ダンプトラック、フォークリフト、ホイールローダ、モータグレーダなどが挙げられる。作業機械１００は、自車両の状態を監視し、状態が所望の状態でない場合に管理サーバ３００にエラーデータを送信する。
【0011】
管理サーバ３００は、作業機械１００のエラーデータに基づいて、検査すべき作業機械１００を決定する。
管理サーバ３００は、作業機械１００のエラーデータおよび作業機械１００の検査情報の履歴を記憶する。管理サーバ３００は、エラーデータおよび検査情報の履歴に基づいて、作業機械１００の故障の有無を予測する予測モデルを生成する。管理サーバ３００は、予測モデルに基づいて、検査を行うべき作業機械１００を決定し、保守者端末５００に検査すべき作業機械１００を示すトリガ情報を送信する。つまり、管理サーバ３００はモデル生成装置の一例であり、また管理サーバ３００は判定装置の一例である。
管理サーバ３００は、作業機械１００のエラーデータおよび作業機械１００の検査情報の履歴を記憶する。管理サーバ３００は、エラーデータおよび検査情報の履歴に基づいて、作業機械１００の故障の有無を予測する予測モデルを生成する。管理サーバ３００は、予測モデルに基づいて、検査を行うべき作業機械１００を決定し、保守者端末５００に検査すべき作業機械１００を示すトリガ情報を送信する。つまり、管理サーバ３００はモデル生成装置の一例であり、また管理サーバ３００は判定装置の一例である。
【0012】
保守者端末５００は、管理サーバ３００が生成したトリガ情報を表示し、または印刷する。また保守者端末５００は、保守者による作業機械１００の検査結果を示す検査結果データの入力を受け付け、管理サーバ３００に送信する。検査結果データは、検査の日時と、故障の有無、検査および故障の内容を含む。
【0013】
《作業機械１００の構成》
作業機械１００は、走行体１１０、旋回体１２０、作業機１３０、制御装置１４０を備える。
走行体１１０は、作業機械１００を走行可能に支持する。走行体１１０は、例えば左右１対の無限軌道である。
旋回体１２０は、走行体１１０に旋回中心回りに旋回可能に支持される。
作業機１３０は、旋回体１２０の前部に上下方向に駆動可能に支持される。作業機１３０は、油圧により駆動する。ここで、旋回体１２０のうち作業機１３０が取り付けられる部分を前部という。また、旋回体１２０について、前部を基準に、反対側の部分を後部、左側の部分を左部、右側の部分を右部という。
制御装置１４０は、オペレータの操作に基づいて、走行体１１０、旋回体１２０、および作業機１３０を制御する。制御装置１４０は、例えば運転室の内部に設けられる。制御装置１４０は、転倒リスク提示装置の一例である。
作業機械１００は、走行体１１０、旋回体１２０、作業機１３０、制御装置１４０を備える。
走行体１１０は、作業機械１００を走行可能に支持する。走行体１１０は、例えば左右１対の無限軌道である。
旋回体１２０は、走行体１１０に旋回中心回りに旋回可能に支持される。
作業機１３０は、旋回体１２０の前部に上下方向に駆動可能に支持される。作業機１３０は、油圧により駆動する。ここで、旋回体１２０のうち作業機１３０が取り付けられる部分を前部という。また、旋回体１２０について、前部を基準に、反対側の部分を後部、左側の部分を左部、右側の部分を右部という。
制御装置１４０は、オペレータの操作に基づいて、走行体１１０、旋回体１２０、および作業機１３０を制御する。制御装置１４０は、例えば運転室の内部に設けられる。制御装置１４０は、転倒リスク提示装置の一例である。
【0014】
作業機械１００は、作業機械１００の作業状態を検出するための複数のセンサ１４１を備える。具体的には、作業機械１００は、サービスメータ、エンジン回転数センサ、排気温度センサ、油温センサ、油圧センサ、傾斜センサなどを備える。
【0015】
図２は、第一実施形態に係る制御装置１４０の構成を示す概略ブロック図である。
制御装置１４０は、プロセッサ２１０、メインメモリ２３０、ストレージ２５０、インタフェース２７０を備えるコンピュータである。
制御装置１４０は、プロセッサ２１０、メインメモリ２３０、ストレージ２５０、インタフェース２７０を備えるコンピュータである。
【0016】
ストレージ２５０は、一時的でない有形の記憶媒体である。ストレージ２５０の例としては、磁気ディスク、光ディスク、光磁気ディスク、半導体メモリ等が挙げられる。ストレージ２５０は、制御装置１４０のバスに直接接続された内部メディアであってもよいし、インタフェース２７０または通信回線を介して制御装置１４０に接続される外部メディアであってもよい。ストレージ２５０は、作業機械１００を制御するためのプログラムを記憶する。
【0017】
プログラムは、制御装置１４０に発揮させる機能の一部を実現するためのものであってもよい。例えば、プログラムは、ストレージ２５０に既に記憶されている他のプログラムとの組み合わせ、または他の装置に実装された他のプログラムとの組み合わせによって機能を発揮させるものであってもよい。なお、他の実施形態においては、制御装置１４０は、上記構成に加えて、または上記構成に代えてＰＬＤ（Programmable Logic Device）などのカスタムＬＳＩ（Large Scale Integrated Circuit）を備えてもよい。ＰＬＤの例としては、ＰＡＬ(Programmable Array Logic)、ＧＡＬ(Generic Array Logic)、ＣＰＬＤ(Complex Programmable Logic Device)、ＦＰＧＡ（Field Programmable Gate Array）が挙げられる。この場合、プロセッサによって実現される機能の一部または全部が当該集積回路によって実現されてよい。
【0018】
プロセッサ２１０は、プログラムを実行することで、取得部２１１、判定部２１２、送信部２１３として機能する。
【0019】
取得部２１１は、複数のセンサ１４１からそれぞれ計測値を取得する。
判定部２１２は、取得部２１１が取得した計測値に基づいてエラーの有無を判定する。判定部２１２は、計測値が所定の範囲を超える場合にエラーがあると判定する。また判定部２１２は、取得部２１１がセンサ１４１から計測値を取得できない場合に、エラーがあると判定する。判定部２１２は、エラーの内容を表すエラーコードを特定する。
判定部２１２は、取得部２１１が取得した計測値に基づいてエラーの有無を判定する。判定部２１２は、計測値が所定の範囲を超える場合にエラーがあると判定する。また判定部２１２は、取得部２１１がセンサ１４１から計測値を取得できない場合に、エラーがあると判定する。判定部２１２は、エラーの内容を表すエラーコードを特定する。
【0020】
送信部２１３は、判定部２１２によって検出されたエラー示すエラーデータを、管理サーバ３００に送信する。エラーデータは、作業機械１００の識別情報と、エラーの発生時刻と、エラーコードとを含む。送信部２１３は、所定の送信タイミングで、エラーデータを管理サーバ３００に送信する。送信部２１３はエラーデータをバッチ処理によって送信してもよいし、リアルタイムに管理サーバ３００に送信してもよい。エラーデータをバッチ処理にて送信する場合、取得部２１１はストレージ２５０にエラーデータを記録し、送信部２１３はこれを管理サーバ３００に送信する。なお、通信量の削減のために、送信部２１３は、必要に応じてこれら履歴データは圧縮して送信してもよい。
【0021】
また、送信部２１３は、通信量の削減のために、同一のエラーコードに係るエラーが所定の通知抑制時間以内に複数回発生したとしても、初回のエラー以外についてはエラーデータを送信しなくてもよい。具体的には、送信部２１３は、前回エラーデータを送信したエラーの検出時刻から所定の通知抑制時間（例えば２０時間）以内に、同一のエラーコードのエラーが発生した場合には、当該エラーを通知しない。例えば、０時、１０時、２２時に、それぞれ傾斜に係るエラーが発生した場合について説明する。０時に検出されたエラーは初回のエラーである。そのため送信部２１３は、０時に検出されたエラーに係るエラーデータを管理サーバ３００へ送信する。１０時に検出されたエラーは、０時に検出されたエラーと同一のエラーコードに係るエラーであり、また検出から通知抑制時間である２０時間が経過していない。そのため、送信部２１３は、１０時に検出されたエラーに係るエラーデータを送信しない。２２時に検出されたエラーは、０時に検出されたエラーと同一のエラーコードに係るエラーであるが、検出から通知抑制時間である２０時間が経過している。そのため、送信部２１３は、２２時に検出されたエラーに係るエラーデータを管理サーバ３００へ送信する。
【0022】
《管理サーバ３００の構成》
図３は、第一実施形態に係る管理サーバ３００の構成を示す概略ブロック図である。
管理サーバ３００は、プロセッサ３１０、メインメモリ３３０、ストレージ３５０、インタフェース３７０を備えるコンピュータである。
図３は、第一実施形態に係る管理サーバ３００の構成を示す概略ブロック図である。
管理サーバ３００は、プロセッサ３１０、メインメモリ３３０、ストレージ３５０、インタフェース３７０を備えるコンピュータである。
【0023】
ストレージ３５０は、一時的でない有形の記憶媒体である。ストレージ３５０の例としては、磁気ディスク、光ディスク、光磁気ディスク、半導体メモリ等が挙げられる。ストレージ３５０は、管理サーバ３００のバスに直接接続された内部メディアであってもよいし、インタフェース３７０または通信回線を介して管理サーバ３００に接続される外部メディアであってもよい。ストレージ３５０は、インシデントレポートを生成するためのプログラムを記憶する。
【0024】
プログラムは、管理サーバ３００に発揮させる機能の一部を実現するためのものであってもよい。例えば、プログラムは、ストレージ３５０に既に記憶されている他のプログラムとの組み合わせ、または他の装置に実装された他のプログラムとの組み合わせによって機能を発揮させるものであってもよい。なお、他の実施形態においては、管理サーバ３００は、上記構成に加えて、または上記構成に代えてカスタムＬＳＩを備えてもよい。この場合、プロセッサ３１０によって実現される機能の一部または全部が当該集積回路によって実現されてよい。また、他の実施形態においては、管理サーバ３００は、１または複数のコンピュータ上で仮想化されたコンピュータによって実現されてもよい。
【0025】
プロセッサ３１０は、プログラムを実行することで、受信部３１１、モデル生成部３１２、判定部３１３、送信部３１４として機能する。
【0026】
受信部３１１は、作業機械１００からエラーデータを受信する。受信部３１１は、受信したエラーデータをストレージ３５０に記録する。
受信部３１１は、保守者端末５００から検査結果データを受信する。受信部３１１は、受信した検査結果データをストレージ３５０に記録する。保守者は、作業機械１００の直接検査を行って故障の有無を判断し、判断結果を保守者端末５００に入力することで検査結果データを生成する。なお、直接検査は、必ずしもエラーコードが発生したときにされるのではなく、保守者が現場監督からリクエストを受けたときなど、何らかの契機に応じて行われる。受信部３１１は、保守者が直接検査を行ったタイミングの直近に発生したエラーデータと、当該直接検査の結果を示す検査結果データとを受信する。
受信部３１１は、保守者端末５００から検査結果データを受信する。受信部３１１は、受信した検査結果データをストレージ３５０に記録する。保守者は、作業機械１００の直接検査を行って故障の有無を判断し、判断結果を保守者端末５００に入力することで検査結果データを生成する。なお、直接検査は、必ずしもエラーコードが発生したときにされるのではなく、保守者が現場監督からリクエストを受けたときなど、何らかの契機に応じて行われる。受信部３１１は、保守者が直接検査を行ったタイミングの直近に発生したエラーデータと、当該直接検査の結果を示す検査結果データとを受信する。
【0027】
モデル生成部３１２は、ストレージ３５０に記録された過去のエラーデータおよび検査結果データに基づいて、作業機械１００が出力したエラーコードの組み合わせから当該作業機械１００の故障の有無を予測するための予測モデルを生成する。具体的には、モデル生成部３１２は、エラーコードと故障の有無とのクロス集計によって、エラーコードの組み合わせパターンごとの故障割合およびＰ値を示すテーブルである予測モデルを生成する。Ｐ値は、故障がエラーコードの組み合わせと無関係に発生すると仮定したときの故障割合を表す確率密度分布において、あるエラーコードの組み合わせパターンの故障割合となる確率である。モデル生成部３１２は、作成した予測モデルをストレージ３５０に記録する。
【0028】
判定部３１３は、作業機械１００から直近の対象期間（例えば、直近の３０時間）内に受信されたエラーデータと、ストレージ３５０に記録された予測モデルとに基づいて、当該作業機械１００の検査の要否を判定する。対象期間は、現在を起点にした過去の所定時間の期間であって、少なくとも作業機械１００による同一エラーの通知抑制時間より長い期間である。例えば、判定部３１３は、対象期間に、エラーコードＡ、Ｂ、Ｃに係るエラーデータを受信した場合、エラーコードＡ、Ｂ、Ｃの組み合わせに関連付けられた故障割合およびＰ値を読み出す。故障割合は、エラーコードの組み合わせについて、過去に当該組み合わせが表れるときに発生した検査の数を分母とし、故障が判明した数を分子とする値である。判定部３１３は、読み出した故障割合が所定の閾値（例えば、７０％）以上であって、かつ読み出したＰ値が所定の有意水準（例えば、５％）を満たす場合に、検査が必要であると判定する。他方、判定部３１３は、読み出した故障割合が所定の閾値未満である場合、または読み出したＰ値が所定の有意水準を満たさない場合には、検査が不要であると判定する。Ｐ値が有意水準を満たさないことは、当該エラーコードの組み合わせが故障に関係しない可能性が十分に高いことを表すためである。並列的に発生し得るエラーコードＡ、Ｂ、Ｃの組み合わせの例としては、エラーコードＡが油温異常、エラーコードＢが燃料インジェクタ異常、エラーコードＣが冷却水音異常であることがあげられる。
【0029】
送信部３１４は、判定部３１３の判定結果に基づいて、複数の作業機械１００のうち検査が必要な作業機械１００を示すリストを、トリガデータとして保守者端末５００に送信する。リストには、検査の要否に加え、判定部３１３が読み出した故障割合およびＰ値が含まれる。保守者は、保守者端末５００に表示されたトリガデータによって、検査が必要な作業機械１００を認識することができる。
【0030】
《管理サーバ３００の処理》
管理サーバ３００の受信部３１１は、作業機械１００からエラーデータを受信するたびに当該エラーデータをストレージ３５０に記録し、保守者端末５００から検査結果データを受信するたびに当該検査結果データをストレージ３５０に記録する。
管理サーバ３００の受信部３１１は、作業機械１００からエラーデータを受信するたびに当該エラーデータをストレージ３５０に記録し、保守者端末５００から検査結果データを受信するたびに当該検査結果データをストレージ３５０に記録する。
【0031】
【0032】
まず、管理サーバ３００のモデル生成部３１２は、ストレージ３５０に記録された検査結果データを１つずつ選択し（ステップＳ１）、各検査結果データについて、ステップＳ２からステップＳ７の処理を実行する。モデル生成部３１２は、選択した検査結果データから、検査対象の作業機械１００と検査の日時とを特定する（ステップＳ２）。モデル生成部３１２は、特定した作業機械１００に係るエラーデータであって、特定した日時を終点とする対象期間（例えば、特定した日時の３０時間前から特定した日時までの期間）において発生したエラーデータを、ストレージ３５０から読み出す（ステップＳ３）。
【0033】
モデル生成部３１２は、読み出したエラーデータから、対象期間において発生したエラーコードの組み合わせを特定する（ステップＳ４）。モデル生成部３１２は、特定した組み合わせに係るエラーコードで構成されうるエラーコードパターンをすべて特定する（ステップＳ５）。例えば、モデル生成部３１２は、ステップＳ４で、エラーコードの組み合わせ｛Ａ、Ｂ、Ｃ｝を特定した場合、ステップＳ５でエラーコードパターン｛Ａ｝、｛Ｂ｝、｛Ｃ｝、｛Ａ、Ｂ｝、｛Ｂ、Ｃ｝、｛Ａ、Ｃ｝、｛Ａ、Ｂ、Ｃ｝を特定する。モデル生成部３１２は、ステップＳ１で選択した検査結果データが示す故障の有無に基づいて、特定した各エラーコードパターンの故障割合を更新する（ステップＳ６）。つまり、モデル生成部３１２は、ステップＳ１で選択した検査結果データが示す検査ごとに、エラー発生状況を読み取り、当該エラー発生状況に対応するエラーコードパターンごとに、故障割合を再計算して更新する。故障割合は、エラーコードパターンに係るエラーコードの組み合わせについて、当該組み合わせが表れる時期に実施された検査の数を分母とし、故障が判明した数を分子とする。具体的には、モデル生成部３１２は、各エラーコードパターンの故障割合について、検査結果データが故障があることを示す場合には分母と分子にそれぞれ１を加算し、検査結果データが故障がないことを示す場合には分母に１を加算する。また、モデル生成部３１２は、ステップＳ５で特定した各エラーコードパターンについて、Ｐ値を更新する（ステップＳ７）。なお、故障割合およびＰ値は、作業機械１００の機種ごとに母集団を形成して計算される。故障割合およびＰ値は、機種のみならず、車格や地域などの区分ごとに母集団を形成して計算されてもよい。
【0034】
モデル生成部３１２は、ステップＳ１からステップＳ７の計算結果に基づいて、エラーコードパターンごとの故障割合およびＰ値を示すテーブルである予測モデルを生成する（ステップＳ８）。モデル生成部３１２は、生成した予測モデルをストレージ３５０に記録する（ステップＳ９）。図５は、第一実施形態に係る予測モデルの例を示す図である。図５は、エラーコードがＡ、Ｂ、Ｃの３種類である場合の例を示す。なお、予測モデルは、全てのエラーコードの組み合わせのうち、故障割合が所定の閾値（例えば、７０％）以上であって、かつ読み出したＰ値が所定の有意水準（例えば、５％）を満たすもののみを抽出したものであってもよい。
【0035】
【0036】
まず、管理サーバ３００の判定部３１３は、複数の作業機械１００を１つずつ選択し（ステップＳ２１）、各作業機械１００について、ステップＳ２２からステップＳ２７の処理を実行する。判定部３１３は、選択した作業機械１００に係るエラーデータであって、現在時刻を終点とする対象期間（例えば、現在時刻の３０時間前から現在時刻までの期間）において発生したエラーデータを、ストレージ３５０から読み出す（ステップＳ２２）。
【0037】
判定部３１３は、読み出したエラーデータから、対象期間において発生したエラーコードの組み合わせを特定する（ステップＳ２３）。判定部３１３は、ステップＳ２３で特定したエラーコードの組み合わせに関連付けられた故障割合およびＰ値を読み出す（ステップＳ２４）。判定部３１３は、読み出した故障割合が所定の閾値（例えば、７０％）以上であって、かつ読み出したＰ値が所定の有意水準（例えば、５％）以上であるか否かを判定する（ステップＳ２５）。判定部３１３は、故障割合が閾値以上であって、かつＰ値が有意水準以上である場合（ステップＳ２５：ＹＥＳ）、ステップＳ２１で選択した作業機械１００について検査が必要であると判定する（ステップＳ２６）。他方、判定部３１３は、故障割合が閾値未満である場合、またはＰ値が有意水準未満である場合（ステップＳ２５：ＮＯ）、ステップＳ２１で選択した作業機械１００について検査が不要であると判定する（ステップＳ２７）。
【0038】
送信部３１４は、ステップＳ２１からステップＳ２７による判定結果に基づいて、複数の作業機械１００のうち検査が必要な作業機械１００を示すリストを、トリガデータとして生成する（ステップＳ２８）。トリガデータには、検査の要否に加え、判定部３１３が読み出した故障割合およびＰ値が含まれる。送信部３１４は、トリガデータを保守者端末５００に送信する（ステップＳ２９）。送信部３１４は、トリガデータを、例えば検査を要する作業機械１００の保守サービスを担当する保守者の端末に送信する。なお、他の実施形態においては、送信部３１４は、作業機械１００のオーナーにトリガデータを送信してよいし、オペレータに知らせるために作業機械１００に備えられたモニタにトリガデータを送信してもよい。
【0039】
《作用・効果》
このように、第一実施形態に係る管理サーバ３００は、作業機械１００の検査について、検査を実行した時刻と検査の結果により判明した故障の有無とを取得する検査情報取得ステップと、作業機械１００の制御装置１４０から出力されたエラーコードの組み合わせを取得するエラー取得ステップと、検査を実行した時刻と、故障の有無と、エラーコードの組み合わせとに基づいて、エラーコードの組み合わせから故障の有無を予測するための予測モデルを生成する生成ステップとを実行する。
これにより、管理サーバ３００は、過去のエラーデータの履歴と検査の実績とに基づいて、故障の有無を予測する予測モデルを生成することができる。つまり、管理サーバ３００は、作業機械１００の過去の検査結果に基づいてエラーコードから作業機械の検査の要否を精度よく決定するための予測モデルを生成することができる。
このように、第一実施形態に係る管理サーバ３００は、作業機械１００の検査について、検査を実行した時刻と検査の結果により判明した故障の有無とを取得する検査情報取得ステップと、作業機械１００の制御装置１４０から出力されたエラーコードの組み合わせを取得するエラー取得ステップと、検査を実行した時刻と、故障の有無と、エラーコードの組み合わせとに基づいて、エラーコードの組み合わせから故障の有無を予測するための予測モデルを生成する生成ステップとを実行する。
これにより、管理サーバ３００は、過去のエラーデータの履歴と検査の実績とに基づいて、故障の有無を予測する予測モデルを生成することができる。つまり、管理サーバ３００は、作業機械１００の過去の検査結果に基づいてエラーコードから作業機械の検査の要否を精度よく決定するための予測モデルを生成することができる。
【0040】
また、第一実施形態に係る管理サーバ３００は、作業機械１００の制御装置１４０から出力されたエラーコードの組み合わせを取得するエラー取得ステップと、予測モデルとエラーコードの組み合わせとに基づいて作業機械１００の検査の要否に関する情報を出力する出力ステップとを実行する。これにより、管理サーバ３００は、作業機械１００の過去の検査結果に基づいて、エラーコードから作業機械１００の検査の要否を精度よく決定することができる。
【0041】
〈第二実施形態〉
第一実施形態に係る管理サーバ３００は、検査結果データを基準にしたクロス集計によって予測モデルを生成する。これに対し、第二実施形態に係る管理サーバ３００は、作業機械１００のエラーコードを基準にしたクロス集計によって予測モデルを生成する。
第一実施形態に係る管理サーバ３００は、検査結果データを基準にしたクロス集計によって予測モデルを生成する。これに対し、第二実施形態に係る管理サーバ３００は、作業機械１００のエラーコードを基準にしたクロス集計によって予測モデルを生成する。
【0042】
第二実施形態に係るトリガ通知システム１の構成は、第一実施形態と同様である。他方、第二実施形態は、管理サーバ３００による予測モデルの生成方法が第一実施形態と異なる。
【0043】
《管理サーバ３００の処理》
管理サーバ３００の受信部３１１は、作業機械１００からエラーデータを受信するたびに当該エラーデータをストレージ３５０に記録し、保守者端末５００から検査結果データを受信するたびに当該検査結果データをストレージ３５０に記録する。
管理サーバ３００の受信部３１１は、作業機械１００からエラーデータを受信するたびに当該エラーデータをストレージ３５０に記録し、保守者端末５００から検査結果データを受信するたびに当該検査結果データをストレージ３５０に記録する。
【0044】
【0045】
まず、管理サーバ３００のモデル生成部３１２は、作業機械１００を１つずつ選択し（ステップＳ４１）、各作業機械１００について、ステップＳ４２からステップＳ４８の処理を実行する。モデル生成部３１２は、ストレージ３５０に記録された最も古いエラーデータに係る時刻から現在時刻までの期間を所定時間ごとに区切った複数の時刻について、当該時刻を終点とする対象期間において検出されたエラーコードの組み合わせによって表される作業機械１００の状態を特定する（ステップＳ４２）。作業機械１００の状態は、エラーコードの組み合わせのパターンを表すベクトルとして表される。例えば、エラーコードの種類がＡ、Ｂ、Ｃ，Ｄ，Ｅの５種類であって、対象期間においてエラーコードＡ、Ｂ、Ｅに係るエラーデータが存在する場合、作業機械１００の状態は｛１、１、０、０、１｝と表される。
【0046】
モデル生成部３１２は、ステップＳ４２で特定した作業状態が変化しない期間を１つずつ選択し（ステップＳ４３）、各期間について、以下のステップＳ４４からステップＳ４８の処理を実行する。例えば、モデル生成部３１２は、時刻ｔ１、時刻ｔ２、時刻ｔ３において、作業機械１００の状態が｛１、０、０、０、０｝であって、時刻ｔ４、時刻ｔ５において、作業機械１００の状態が｛１、１、０、０、０｝であって、時刻ｔ６、時刻ｔ７、時刻ｔ８において、作業機械１００の状態が｛１、１、０、０、１｝である場合、モデル生成部３１２は、時刻ｔ１から時刻ｔ３までの期間、時刻ｔ４から時刻ｔ５までの期間、時刻ｔ６から時刻ｔ８までの期間をそれぞれ選択する。
【0047】
モデル生成部３１２は、ステップＳ４３で選択された期間に生成された、ステップＳ４１で選択した作業機械１００に係る検査結果データが存在するか否かを判定する（ステップＳ４４）。ステップＳ４３で選択された期間に生成された検査結果データが存在する場合（ステップＳ４４：ＹＥＳ）、モデル生成部３１２は、当該期間に係る状態についての検査実績数に１を加算する（ステップＳ４５）。モデル生成部３１２は、ステップＳ４３で選択された期間に生成された、ステップＳ４１で選択した作業機械１００に係る検査結果データをすべて取得する（ステップＳ４６）。モデル生成部３１２は、取得した検査結果データに故障が検出されたものが１つ以上存在するか否かを判定する（ステップＳ４７）。故障が検出された検査結果データが１つ以上存在する場合（ステップＳ４７：ＹＥＳ）、モデル生成部３１２は、当該期間に係る状態についての故障実績数に１を加算する（ステップＳ４８）。
【0048】
なお、ステップＳ４３で選択された期間に生成された、ステップＳ４１で選択した作業機械１００に係る検査結果データが存在しない場合（ステップＳ４４：ＮＯ）、モデル生成部３１２は、当該期間に係る作業機械１００の状態に係る検査実績数を加算しない。
また、ステップＳ４３で選択された期間に生成された、ステップＳ４１で選択した作業機械１００に係る検査結果データが全てにおいて故障が検出されていない場合（ステップＳ４７：ＮＯ）、モデル生成部３１２は、当該期間に係る作業機械１００の状態に係る故障実績数を加算しない。
また、ステップＳ４３で選択された期間に生成された、ステップＳ４１で選択した作業機械１００に係る検査結果データが全てにおいて故障が検出されていない場合（ステップＳ４７：ＮＯ）、モデル生成部３１２は、当該期間に係る作業機械１００の状態に係る故障実績数を加算しない。
【0049】
モデル生成部３１２は、エラーコードの組み合わせパターンのそれぞれについて、故障実績数を検査実績数で除算することで、故障割合を算出する（ステップＳ４９）。そしてモデル生成部３１２は、エラーコードの組み合わせパターンに、少なくとも当該パターンに係る故障割合と、検査実績数とを関連付けた予測モデルを生成する（ステップＳ５０）。モデル生成部３１２は、生成した予測モデルをストレージ３５０に記録する（ステップＳ５１）。図８は、第二実施形態に係る予測モデルの例を示す図である。図８は、エラーコードが３種類である場合の例を示す。
【0050】
【0051】
まず、管理サーバ３００の判定部３１３は、複数の作業機械１００を１つずつ選択し（ステップＳ６１）、各作業機械１００について、ステップＳ６２からステップＳ６９の処理を実行する。判定部３１３は、選択した作業機械１００に係るエラーデータであって、現在時刻を終点とする対象期間（例えば、現在時刻の３０時間前から現在時刻までの期間）において発生したエラーデータを、ストレージ３５０から読み出す（ステップＳ６２）。
【0052】
判定部３１３は、読み出したエラーデータから、対象期間において発生したエラーコードの組み合わせを特定する（ステップＳ６３）。判定部３１３は、ステップＳ６３で特定したエラーコードの組み合わせに関連付けられた故障割合および検査実績数を読み出す（ステップＳ６４）。判定部３１３は、読み出した故障割合が所定の閾値（例えば、７０％）以上であるか否かを判定する（ステップＳ６５）。判定部３１３は、故障割合が閾値以上である場合（ステップＳ６５：ＹＥＳ）、ステップＳ６１で選択した作業機械１００について検査が必要であると判定する（ステップＳ６６）。
また、判定部３１３は、読み出した検査実績数が所定の閾値（例えば、５件）未満であるか否かを判定する（ステップＳ６７）。判定部３１３は、検査実績数が閾値未満である場合（ステップＳ６７：ＹＥＳ）、ステップＳ６１で選択した作業機械１００について、データ収集のために検査をすることが好ましい判定する（ステップＳ６８）。
他方、判定部３１３は、故障割合が閾値未満であり、かつ検査実績数が閾値以上である場合（ステップＳ６７：ＮＯ）、ステップＳ２１で選択した作業機械１００について検査が不要であると判定する（ステップＳ６９）。
また、判定部３１３は、読み出した検査実績数が所定の閾値（例えば、５件）未満であるか否かを判定する（ステップＳ６７）。判定部３１３は、検査実績数が閾値未満である場合（ステップＳ６７：ＹＥＳ）、ステップＳ６１で選択した作業機械１００について、データ収集のために検査をすることが好ましい判定する（ステップＳ６８）。
他方、判定部３１３は、故障割合が閾値未満であり、かつ検査実績数が閾値以上である場合（ステップＳ６７：ＮＯ）、ステップＳ２１で選択した作業機械１００について検査が不要であると判定する（ステップＳ６９）。
【0053】
送信部３１４は、ステップＳ６１からステップＳ６９による判定結果に基づいて、複数の作業機械１００のうち検査が必要な作業機械１００を示すリストを、トリガデータとして生成する（ステップＳ７０）。トリガデータには、検査の要否に加え、判定部３１３が読み出した故障割合および検査実績数が含まれる。送信部３１４は、トリガデータを保守者端末５００に送信する（ステップＳ７１）。
【0054】
《作用・効果》
このように、第二実施形態に係る管理サーバ３００は、エラーコードの組み合わせが変化しない期間ごとに、当該期間において少なくとも１つの故障が判明したか否かを判定し、少なくとも１つの故障が判明した期間の数に基づく統計処理によって、予測モデルを生成する。つまり、管理サーバ３００は、エラーコードの組み合わせが変化しない期間について複数回の検査がなされても、検査実績を１と計数する。これにより、管理サーバ３００は、１つの故障対応において複数回の検査がなされても、検査対応の重みに偏りが生じることを防ぐことができる。また、管理サーバ３００は、エラーコードの組み合わせを作業機械１００の状態として特定するため、作業機械１００が発生するエラーコードの数に関わらず、１つの故障割合を出力する。
このように、第二実施形態に係る管理サーバ３００は、エラーコードの組み合わせが変化しない期間ごとに、当該期間において少なくとも１つの故障が判明したか否かを判定し、少なくとも１つの故障が判明した期間の数に基づく統計処理によって、予測モデルを生成する。つまり、管理サーバ３００は、エラーコードの組み合わせが変化しない期間について複数回の検査がなされても、検査実績を１と計数する。これにより、管理サーバ３００は、１つの故障対応において複数回の検査がなされても、検査対応の重みに偏りが生じることを防ぐことができる。また、管理サーバ３００は、エラーコードの組み合わせを作業機械１００の状態として特定するため、作業機械１００が発生するエラーコードの数に関わらず、１つの故障割合を出力する。
【0055】
また、第二実施形態に係る管理サーバ３００は、検査の実績が少ないエラーコードの組み合わせを特定する特定ステップを実行する。これにより、予測モデルのうちデータが少ないために精度が低い作業機械１００の状態について、保守者にデータの収集を促すことができる。
【0056】
〈他の実施形態〉
以上、図面を参照していくつかの実施形態について詳しく説明してきたが、具体的な構成は上述のものに限られることはなく、様々な設計変更等をすることが可能である。すなわち、他の実施形態においては、上述の処理の順序が適宜変更されてもよい。また、一部の処理が並列に実行されてもよい。
上述した実施形態に係る管理サーバ３００は、単独のコンピュータによって構成されるものであってもよいし、管理サーバ３００の構成を複数のコンピュータに分けて配置し、複数のコンピュータが互いに協働することで管理サーバ３００として機能するものであってもよい。例えば、他の実施形態においては、管理サーバ３００のうち予測モデルを生成するモデル生成装置としての機能と、予測モデルに基づいて検査の要否を判定する判定装置としての機能を別個のコンピュータに実装させてもよい。
以上、図面を参照していくつかの実施形態について詳しく説明してきたが、具体的な構成は上述のものに限られることはなく、様々な設計変更等をすることが可能である。すなわち、他の実施形態においては、上述の処理の順序が適宜変更されてもよい。また、一部の処理が並列に実行されてもよい。
上述した実施形態に係る管理サーバ３００は、単独のコンピュータによって構成されるものであってもよいし、管理サーバ３００の構成を複数のコンピュータに分けて配置し、複数のコンピュータが互いに協働することで管理サーバ３００として機能するものであってもよい。例えば、他の実施形態においては、管理サーバ３００のうち予測モデルを生成するモデル生成装置としての機能と、予測モデルに基づいて検査の要否を判定する判定装置としての機能を別個のコンピュータに実装させてもよい。
【0057】
上述した実施形態に係る管理サーバ３００は、クロス集計という統計処理によって予測モデルを生成するが、これに限られない。例えば、他の実施形態に係る管理サーバ３００は、ニューラルネットワークモデルなどの機械学習モデルを用いた統計処理によって、予測モデルを生成してもよい。例えば、管理サーバ３００は、検査実績データ毎の、当該検査時刻における作業機械１００の状態（エラーコードの組み合わせ）と、故障の有無との組み合わせを、学習用データセットとして生成する。そして、管理サーバ３００は、学習用データセットのうち、作業機械１００の状態を入力として、故障割合を出力とするように、機械学習モデルである推定モデルのパラメータを学習させる。このような統計処理により、管理サーバ３００は、機械学習モデルによって予測モデルを生成することができる。
【0058】
上述した実施形態に係る予測モデルは、図５に示すようにエラーコードパターンごとの故障割合およびＰ値の関係を表すが、他の実施形態においては、これに限られない。例えば、他の実施形態に係る予測モデルは、故障割合およびＰ値に加え、さらに故障の内容を関連付けて記憶してもよい。また例えば、他の実施形態に係る予測モデルは、故障の内容別の故障割合およびＰ値を記憶してもよい。
【符号の説明】
【0059】
１…トリガ通知システム １００…作業機械 １１０…走行体 １２０…旋回体 １３０…作業機 １４０…制御装置 １４１…センサ ２１０…プロセッサ ２１１…取得部 ２１２…判定部 ２１３…送信部 ２３０…メインメモリ ２５０…ストレージ ２７０…インタフェース ３００…管理サーバ ３１０…プロセッサ ３１１…受信部 ３１２…モデル生成部 ３１３…判定部 ３１４…送信部 ３３０…メインメモリ ３５０…ストレージ ３７０…インタフェース ５００…保守者端末
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】