特許 7621891 予備品管理システム、および、予備品管理方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2025-01-17

(45)【発行日】2025-01-27

(54)【発明の名称】予備品管理システム、および、予備品管理方法

(51)【国際特許分類】

   G06Q 10/06 20230101AFI20250120BHJP

   G06Q 10/20 20230101ALI20250120BHJP

【ＦＩ】

G06Q10/06

G06Q10/20

【請求項の数】 4

(21)【出願番号】P 2021095595

(22)【出願日】2021-06-08

(65)【公開番号】P2022187555

(43)【公開日】2022-12-20

【審査請求日】2024-03-07

(73)【特許権者】

【識別番号】000003078

【氏名又は名称】株式会社東芝

(73)【特許権者】

【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】110002147

【氏名又は名称】弁理士法人酒井国際特許事務所

(72)【発明者】

【氏名】日下部 雄基

(72)【発明者】

【氏名】前田 恵

(72)【発明者】

【氏名】佐藤 晃一

【審査官】小原 正信

(56)【参考文献】

【文献】特開２０２０－１７３６７２（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｑ １０／００－９９／００

(57)【特許請求の範囲】

【請求項1】

道路に設けられた設備について特定の状況下における故障発生傾向に基づいてどのような時に壊れやすいかを推定するための学習モデルである設備故障時期モデルに基づいて出力された将来の故障時期の推定データである１以上の故障時期データと、前記設備について特定の状況下における故障発生傾向に基づいてどのような時になぜ壊れやすいかを推定するための学習モデルである設備故障要因モデルに基づいて出力された故障要因の推定データであって前記故障時期データと対応した故障要因データと、を教師データとして、前記設備の寿命の長さを示すデータである寿命データを設定データとして、入力を前記故障時期データ、前記故障要因データとし、出力を所定時期までの前記設備の故障の時期および回数に応じた前記設備の予備品数とする予備品数推定モデルを機械学習により生成する学習処理部と、
前記故障時期データに関するリアルタイムの予測データである故障時期予測データ、および、前記故障要因データに関するリアルタイムの予測データである故障要因予測データを入力データとして、前記予備品数推定モデルを用いて、予め設定された前記設備のリプレース時期までの前記設備の故障の時期および回数に応じた前記設備の予備品数を出力する推定処理部と、を備える予備品管理システム。

【請求項2】

前記学習処理部は、前記故障時期データと、前記故障要因データと、前記設備の故障における程度を示す故障重度と、を教師データとして、前記設備の前記寿命データを設定データとして、入力を前記故障時期データ、前記故障要因データとし、出力を所定時期までの前記設備の故障の時期、故障重度および回数に応じた前記設備の予備品数とする前記予備品数推定モデルを機械学習により生成し、
前記推定処理部は、前記故障時期予測データ、および、前記故障要因予測データを入力データとして、前記予備品数推定モデルを用いて、前記リプレース時期までの前記設備の故障の時期、故障重度および回数に応じた前記設備の予備品数を出力する、請求項１に記載の予備品管理システム。

【請求項3】

前記設備の予備品として設備全体と部品が設定されており、
前記推定処理部は、前記リプレース時期から前記寿命データの時間分だけ前以降に、前記故障重度が前記設備全体と前記部品のいずれかの交換を必要とする重故障である故障が発生すると推定した場合、当該故障に対応する予備品として前記部品を選択する、請求項２に記載の予備品管理システム。

【請求項4】

学習処理部が、道路に設けられた設備について特定の状況下における故障発生傾向に基づいてどのような時に壊れやすいかを推定するための学習モデルである設備故障時期モデルに基づいて出力された将来の故障時期の推定データである１以上の故障時期データと、前記設備について特定の状況下における故障発生傾向に基づいてどのような時になぜ壊れやすいかを推定するための学習モデルである設備故障要因モデルに基づいて出力された故障要因の推定データであって前記故障時期データと対応した故障要因データと、を教師データとして、前記設備の寿命の長さを示すデータである寿命データを設定データとして、入力を前記故障時期データ、前記故障要因データとし、出力を所定時期までの前記設備の故障の時期および回数に応じた前記設備の予備品数とする予備品数推定モデルを機械学習により生成する学習処理ステップと、
推定処理部が、前記故障時期データに関するリアルタイムの予測データである故障時期予測データ、および、前記故障要因データに関するリアルタイムの予測データである故障要因予測データを入力データとして、前記予備品数推定モデルを用いて、予め設定された前記設備のリプレース時期までの前記設備の故障の時期および回数に応じた前記設備の予備品数を出力する推定処理ステップと、を含む予備品管理方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明の実施形態は、予備品管理システム、および、予備品管理方法に関する。

【背景技術】

【0002】

一般に、高速道路の施設管制制御システムの運用業務では、高速道路上に設置された各種設備（情報板やトンネル換気設備など）の稼動状態を監視し、障害や故障の発生時に現地保守員に連絡し、障害復帰の対応を行っている。そして、障害時に必要となる予備品に関しては、あらかじめ設けられた規定や保守員の経験に従って設備発注者が予備品数を決定して配置しているのが現状である。しかし、設備設置環境や設備寿命といった多様な条件を考慮した適切な予備品数を配置することは困難であり、早期復旧の障壁となっている。

【0003】

このような状況に対し、例えば、対象設備が具備する機器の故障率予測の精度を高め、予備品数の適正化を図る技術がある。具体的には、監視装置と対象設備とを通信網を介して接続し、対象設備が具備する複数の機器状態を監視することで、故障率を算出し、故障率から予備品数を算出する。

【先行技術文献】

【特許文献】

【0004】

【文献】特開２００５－２５２３９７号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

しかしながら、上述の従来技術は、監視対象装置（ＰＣ等）に具備されている複数の機器（メモリ、ＣＰＵ等）の状態を基に監視対象装置の予備品数を予測するものであるが、監視対象装置が置かれている環境条件が一意に定められていることが前提条件となっている。したがって、この従来技術を社会インフラ設備へ適用する場合、外部要因や環境条件（気象条件や交通量等）の変動により設備の故障に影響を与えることが考慮されていないため、予備品数を適切に決定することができない。

【0006】

そこで、本実施形態の課題は、道路に設けられた設備の適切な予備品数を算出することができる予備品管理システム、および、予備品管理方法を提供することである。

【課題を解決するための手段】

【0007】

実施形態の予備品管理システムは、道路に設けられた設備の故障時期データと、前記設備の故障要因データと、を教師データとして、前記設備の寿命データを設定データとして、入力を前記故障時期データ、前記故障要因データとし、出力を前記設備の故障の時期および回数に応じた設備の予備品数とする予備品数推定モデルを機械学習により生成する学習処理部と、前記故障時期データに関するリアルタイムの予測データである故障時期予測データ、および、前記故障要因データに関するリアルタイムの予測データである故障要因予測データを入力データとして、前記予備品数推定モデルを用いて、前記設備の故障の時期および回数に応じた設備の予備品数を出力する推定処理部と、を備える。

【図面の簡単な説明】

【0008】

【図1】図１は、実施形態の道路施設管制システム等の概略を示す全体構成図である。

【図2】図２は、実施形態の監視対象設備における監視対象部位の例を示す図である。

【図3】図３は、比較例と実施形態における設備の故障発生時の予備品への交換のタイミング等の例を示す図である。

【図4】図４は、実施形態の予備品管理システムにおける予備品数推定モデルの学習処理を示すフローチャートである。

【図5】図５は、実施形態の予備品管理システムにおける予備品数推定モデルを使った推定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】

【0009】

以下、添付の図面を用いて、本実施形態にかかる予備品管理システム、および、予備品管理方法について説明する。なお、本実施形態では、道路として高速道路の場合を例にとって説明する。

【0010】

まず、実施形態の道路施設管制システム１等の構成について説明する。
図１は、実施形態の道路施設管制システム１等の概略を示す全体構成図である。
道路施設管制システム１は、施設制御システム１１と、設備管理システム１２と、設備修理情報システム１３と、動作環境システム１４と、状態分析システム１５と、設備故障予測システム１６と、予備品管理システム１７と、を備える。また、道路施設管制システム１と連携する構成として、交通管制システム２、計測器３、観測局６等を有している。

【0011】

計測器３は、例えば、車両感知器、監視カメラ、火災感知器、その他の各種センサ等である。
車両感知器は、高速道路の路側に設置され、交通量［台／ｈ］、平均速度［ｋｍ／ｈ］、車両密度［台／ｋｍ］、占有率（オキュパンシー）［％］などの情報を収集する感知器であり、感知した情報を交通管制システム２に送信する。

【0012】

監視カメラは、高速道路の路側に設置され、高速道路を撮影するカメラであり、撮影した映像を施設制御システム１１や交通管制システム２に送信する。

【0013】

火災感知器は、高速道路の本線上、トンネル内、サービスエリア、パーキングエリア等に設置され、火災を感知すると感知した情報を施設制御システム１１、設備管理システム１２や、交通管制システム２に送信する。

【0014】

各種センサは、検出した各種センサ値を外部装置（道路施設管制システム１、交通管制システム２等）に送信する。

【0015】

なお、各システム１１～１７は、すべて別々のコンピュータ装置である必要はなく、それらのうち２つ以上が同じコンピュータ装置で実現されてもよい。

【0016】

その場合、各システム１１～１７は、例えば、情報交換サーバや中央処理装置等の複数のコンピュータ装置によって実現される。なお、各システム１１～１７に関し、説明を簡潔にするために、処理部、記憶部、入力部、表示部、通信部等についての図示や説明を適宜省略する。

【0017】

施設制御システム１１は、道路の付帯設備（監視対象設備４。以下、単に「設備」とも称する。）である、情報板、照明装置、トンネル（換気設備等）、電源装置等からの情報に基づき、道路施設の動作状態、異常状態の監視、動作頻度の監視等を行うシステムである。また、施設制御システム１１は、計測器３からデータを受信する。
施設制御システム１１は、異常状態変化データ抽出部１１１と、異常頻度データ生成部１１２と、を備える。

【0018】

異常状態変化データ抽出部１１１は、計測器３からのデータに基づいて、道路に設けられた付帯設備の異常状態の変化に関するデータである異常状態変化データを抽出する。異常状態変化データは、例えば、データＩＤ（Identifier）、異常発生日時、管理事務所、場所、設備、道路の方向、設備の異常状態、異常の動作、処理状況の各項目から構成される。

【0019】

そして、異常状態変化データ抽出部１１１で抽出された異常状態変化データは、管理事務所５に駐在する作業者５１（保守員）にも提供され、また、必要な時に閲覧できるようになっている。

【0020】

異常頻度データ生成部１１２は、計測器３からのデータに基づいて、設備の異常状態の頻度に関するデータである異常頻度データを抽出する。異常頻度データは、例えば、データＩＤ、対象期間、管理事務所、場所、設備、道路の方向、設備の異常状態、異常の動作、異常の頻度の各項目から構成される。

【0021】

設備管理システム１２は、道路の設備を管理するシステムであり、設備台帳データ１２１を記憶し、また、設備稼働時間データ作成部１２２を備える。
設備台帳データ１２１は、例えば、設備の仕様、設置時期（年度）、場所等の各項目から構成される。

【0022】

設備稼働時間データ作成部１２２は、計測器３からのデータに基づいて、設備稼働時間データを作成する。設備稼働時間データは、例えば、データＩＤ、施設名、道路の方向、設備名、環境、竣工年月、製造会社、経過年数、保守期限の各項目から構成される。

【0023】

設備修理情報システム１３は、設備の修理状況や修理結果等を一元管理するシステムである。設備修理情報システム１３は、設備修理情報データ作成部１３１を備える。設備修理情報データ作成部１３１は、管理事務所５に駐在する作業者５１による設備の修理や保守に関する情報である設備修理情報データ（保守点検や作業の日報データ等の情報）に基づいて、設備修理情報データを作成する。つまり、設備修理情報データについては施設制御システム１１が管理しているため、施設制御システム１１の異常状態変化データ抽出部１１１から設備修理情報データを取得した作業者５１が設備修理情報システム１３に入力する。

【0024】

設備修理情報データは、例えば、データＩＤ、施設名、道路の方向、設備名、異常発生日時、故障種別、故障内容、処理内容の各項目から構成される。

【0025】

動作環境システム１４は、道路施設が設置されている場所の環境を監視するシステムで、動作環境データ作成部１４１を備える。動作環境データ作成部１４１は、観測局６からのデータに基づいて、道路の区間ごとの設備の動作環境データを作成する。
観測局６は、例えば、気象情報（天候、気温、路温、風向、風速、雨量等）や地震情報（震度、ＳＩ値、加速度等）の観測局である。

【0026】

動作環境データ（気象データ）は、例えば、データＩＤ、異常発生日時、管理事務所、道路の区間、設備、道路の方向、天候、気温、路温、風向、風速、雨量の各項目から構成される。

【0027】

動作環境データ（地震データ）は、例えば、データＩＤ、異常発生日時、管理事務所、道路の区間、設備、道路の方向、震度、ＳＩ値、加速度の各項目から構成される。

【0028】

交通管制システム２は、走行する車両の状況（走行速度、渋滞など）を監視することで、交通流を制御するシステムで、交通量データ作成部２１を備える。交通量データ作成部２１は、計測器３からのデータに基づいて、交通量データを作成する。

【0029】

交通量データは、例えば、データＩＤ、異常発生日時、管理事務所、道路の区間、設備、道路の方向、交通量、車両速度、時間占有率の各項目から構成される。

【0030】

状態分析システム１５は、設備の状態を分析するシステムであり、設備故障時期モデル１５１と、設備故障要因モデル１５２と、を備える。なお、モデルとはデータであるが、以下では、説明の便宜上、モデルがデータを入出力する旨の記載をする場合がある。

【0031】

設備故障時期モデル１５１は、特定の状況下（交通量、設備稼働時間、設備修理情報（履歴）など）における設備の故障発生傾向に基づいて、どのような時にどの設備が壊れやすいかを推定するための学習モデルである。設備故障時期モデル１５１は、例えば、異常状態変化データ、交通量データ、設備稼働時間データ、設備修理情報データなどを入力し、設備の故障時期データを出力する。

【0032】

設備故障要因モデル１５２は、特定の状況下（交通量、設備稼働時間、設備修理情報（履歴）、動作環境など）における設備の故障発生傾向に基づいて、どのような時になぜ壊れやすいか（要因）を推定するための学習モデルである。設備故障要因モデル６２３は、例えば、異常頻度データ、交通量データ、設備稼働時間データ、設備修理情報データ、動作環境データなどを入力し、設備の故障要因データを出力する。

【0033】

設備故障予測システム１６は、設備の故障を予測するシステムであり、設備故障予測モデル１６１を備える。設備故障予測モデル１６１は、設備故障時期モデル１５１から入力する設備の故障時期データと、設備故障要因モデル１５２から入力する設備の故障要因データを統合する学習モデルである。

【0034】

予備品管理システム１７は、記憶部１７１と、入力部１７２と、表示部１７３と、処理部１７４と、を備える。なお、設備の予備品としては、設備全体と部品の２種類が設けられている。

【0035】

記憶部１７１は、ＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）などの記憶装置である。記憶部１７１は、各種プログラム、各種データを記憶する。記憶部１７１は、例えば、予備品数推定モデル１７１１を記憶する。

【0036】

入力部１７２は、予備品管理システム１７に対するユーザの操作を受け付ける入力装置であり、例えば、キーボード、マウス、タッチパネル等である。

【0037】

表示部１７３は、情報を表示する装置であり、例えば、液晶表示装置（ＬＣＤ（Liquid Crystal Display））、有機ＥＬ（Electro-Luminescence）表示装置等である。

【0038】

処理部１７４は、機能部として、学習処理部１７４１と、推定処理部１７４２と、制御部１７４３と、を備える。

【0039】

処理部１７４は、例えば、ＭＰＵ（Micro Processing Unit）と、ＲＯＭ（Read Only Memory）と、ＲＡＭ（Random Access Memory）と、を備える。
ＲＯＭは、各種プログラムや各種データを記憶する記憶媒体である。ＲＡＭは、各種プログラムを一時的に記憶したり、各種データを書き換えたりするための記憶媒体である。
ＭＰＵは、予備品管理システム１７の動作を統括的に制御する。そして、ＭＰＵは、ＲＡＭをワークエリア（作業領域）としてＲＯＭ、記憶部１７１等に格納されたプログラムを実行する。

【0040】

学習処理部１７４１は、道路に設けられた設備の故障時期データと、設備の故障要因データと、を教師データとして、設備の寿命データを設定データとして、入力を故障時期データ、故障要因データとし、出力を設備の故障の時期および回数に応じた設備の予備品数とする予備品数推定モデル１７１１を機械学習により生成する。なお、設備の寿命データは、例えば、設備導入時等に、施設管制官ＦＣによって入力部１７２を用いて入力され、記憶部１７１に記憶される。

【0041】

また、学習処理部１７４１は、さらに、設備の故障における程度を示す故障重度を用いてもよい。つまり、学習処理部１７４１は、故障時期データと、故障要因データと、設備の故障における程度を示す故障重度と、を教師データとして、設備の寿命データを設定データとして、入力を故障時期データ、故障要因データとし、出力を設備の故障の時期、故障重度および回数に応じた設備の予備品数とする予備品数推定モデル１７１１を機械学習により生成するようにしてもよい。この場合、故障重度は、例えば、故障時期データと対応付けられて扱われる。

【0042】

推定処理部１７４２は、故障時期データに関するリアルタイムの予測データである故障時期予測データ、および、故障要因データに関するリアルタイムの予測データである故障要因予測データを入力データとして、予備品数推定モデル１７１１を用いて、設備の故障の時期および回数に応じた設備の予備品数を出力する。

【0043】

また、推定処理部１７４２は、さらに、故障重度を用いてもよい。つまり、推定処理部１７４２は、故障時期予測データ、および、故障要因予測データを入力データとして、予備品数推定モデル１７１１を用いて、設備の故障の時期、故障重度および回数に応じた設備の予備品数を出力するようにしてもよい。

【0044】

また、推定処理部１７４２は、予め設定された設備のリプレース時期から寿命データの時間分だけ前以降に、故障重度が設備全体と部品のいずれかの交換を必要とする重故障である故障が発生すると推定した場合、当該故障に対応する予備品として部品を選択する。

【0045】

制御部１７４３は、学習処理部１７４１および推定処理部１７４２による処理以外の処理を実行する。制御部１７４３は、例えば、推定処理部１７４２による処理結果を表示部１７３に表示させたり、記憶部１７１に記憶させたり、外部装置に送信したりする。

【0046】

次に、実施形態の監視対象設備４における監視対象部位の例について説明する。
図２は、実施形態の監視対象設備４における監視対象部位の例を示す図である。図２に示す監視対象設備４は、情報板である。情報板は、例えば、路側に設置され、道路に関連する情報（渋滞情報、交通事故情報、気象情報など）を提供する目的で設置される表示板である。

【0047】

監視対象設備４は、監視対象部位として、電源ユニット４１と、表示部ユニット４２と、制御ユニット４３と、メモリ部４４と、を備える。

【0048】

このような監視対象設備４の故障監視処理の流れについて説明する。
まず、施設制御システム１１が、監視対象設備４の稼働状態を常時監視する。そして、施設制御システム１１は、監視対象設備４の故障を検出したら、道路施設管制システム１の施設管制官ＦＣに対してアラームを発する。これと並行して、施設制御システム１１は、設備修理情報システム１３へ監視対象設備４の修理必要箇所の情報を転送する。

【0049】

設備修理情報システム１３の制御員は、アラーム内容を確認し、現地対応が必要と判断した場合、管理事務所５の作業者５１（保守員）に出動を要請する。作業者５１は、現地で設備の状況を確認し、必要な対応(修理や調整他)を実施する。そして、作業者５１は、修理した結果(どの部分をどのように修理したかなど)を、管理事務所５の端末装置(あるいは携帯端末など)から入力する。これによって、設備修理情報システム１３の設備修理情報データが更新される。

【0050】

次に、比較例（従来技術）と実施形態における設備の故障発生時の予備品への交換のタイミング等の例について説明する。
図３は、比較例と実施形態における設備の故障発生時の予備品への交換のタイミング等の例を示す図である。（ａ）は比較例で、（ｂ）は実施形態である。また、監視対象設備４の例である装置Ａの寿命は１２ヶ月である。また、装置Ａの稼働開始から３３か月目にリプレース時期が到来し、そのタイミングで装置Ａはリプレースされる。

【0051】

図３（ａ）に示す比較例では、あらかじめ設けられた規定や保守員の経験に従って、装置Ａの予備品が１台配置されているものとする。装置Ａは、稼働開始から９か月目まで正常稼働していたが、１０か月目に１回目の故障が発生する。そして、１か月間の交換作業期間を使って、装置Ａを予備品に交換する。

【0052】

その後、装置Ａは、１１か月目から１９か月目まで正常稼働していたが、２０か月目に２回目の故障が発生する。その場合、すでに予備品は無いので、３か月間の期間を使って、新たに予備品を手配してから交換する。

【0053】

その後、装置Ａは、２３か月目から３２か月目まで正常稼働し、３３か月目のリプレース時期を迎え、１か月間の交換作業期間を使って、装置Ａを新品に交換する。このとき、装置Ａの寿命は１２ヶ月なので、２か月分の製品寿命ポテンシャルが発生してしまい、コスト面での不利益となっている。

【0054】

一方、図３（ｂ）に示す実施形態では、予備品管理システム１７によって、装置Ａの予備品が２台と決定され、配置されているものとする。装置Ａは、稼働開始から９か月目まで正常稼働していたが、１０か月目に１回目の故障が発生する。そして、１か月間の交換作業期間を使って、装置Ａを予備品に交換する。

【0055】

その後、装置Ａは、１１か月目から１９か月目まで正常稼働していたが、２０か月目に２回目の故障が発生する。その場合、予備品がもう１台あるので、１か月間の交換作業期間を使って、装置Ａを予備品に交換する。

【0056】

その後、装置Ａは、２１か月目から３２か月目まで正常稼働し、３３か月目のリプレース時期を迎え、１か月間の交換作業期間を使って、装置Ａを新品に交換する。このとき、装置Ａの寿命は１２ヶ月なので、製品寿命ポテンシャルはまったく発生しておらず、コスト面での不利益は発生していない。

【0057】

なお、２１か月目から３２か月目までの間に装置Ａに故障が発生すると推定された場合、リプレース時期での製品寿命ポテンシャルの発生を避けるために、そのための予備品は設備全体ではなく部品を配置しておく。

【0058】

このように、図３（ａ）の比較例では、ダウンタイム（装置Ａの停止期間）が５か月も発生し、また、２か月分の製品寿命ポテンシャルが発生してしまっていた。一方、図３（ｂ）の実施形態では、ダウンタイム（装置Ａの停止期間）が３か月と短く済み、また、製品寿命ポテンシャルが発生しなかった。

【0059】

次に、実施形態の予備品管理システム１７の動作について説明する。
まず、実施形態の予備品管理システム１７における予備品数推定モデル１７１１の学習処理について説明する。
図４は、実施形態の予備品管理システム１７における予備品数推定モデル１７１１の学習処理を示すフローチャートである。

【0060】

ステップＳ１１において、予備品管理システム１７の処理部１７４は、設備故障予測システム１６から故障時期データ（故障重度を含む。）を入力する。

【0061】

次に、ステップＳ１２において、処理部１７４は、設備故障予測システム１６から故障要因データを入力する。

【0062】

次に、ステップＳ１３において、処理部１７４は、記憶部１７１から設備寿命データを入力する。また、処理部１７４は、ほかにも予備品数推定モデル１７１１の学習に必要なデータを入力する。

【0063】

次に、ステップＳ１４において、学習処理部１７４１は、故障時期データと、故障要因データと、設備の故障における程度を示す故障重度と、を教師データとして、設備の寿命データを設定データとして、入力を故障時期データ、故障要因データとし、出力を設備の故障の時期、故障重度および回数に応じた設備の予備品数とする予備品数推定モデル１７１１を機械学習により生成する。生成された学習処理部１７４１は、記憶部１７１に記憶される。

【0064】

次に、実施形態の予備品管理システム１７における予備品数推定モデル１７１１を使った推定処理について説明する。
図５は、実施形態の予備品管理システム１７における予備品数推定モデル１７１１を使った推定処理を示すフローチャートである。

【0065】

まず、ステップＳ２１において、予備品管理システム１７の処理部１７４は、監視対象設備４について、設備管理システム１２から設備台帳データ１２１を入力して設置時期などを認識するとともに、動作環境システム１４から動作環境データを入力する。

【0066】

次に、ステップＳ２２において、処理部１７４は、設備故障予測システム１６から故障時期予測データと故障要因予測データを入力する。

【0067】

次に、ステップＳ２３において、処理部１７４は、監視対象設備４について、記憶部１７１から設備寿命データを入力する。

【0068】

次に、ステップＳ２４において、推定処理部１７４２は、ステップＳ２１～Ｓ２３で入力した各データと予備品数推定モデル１７１１を用いて、設備の故障時期、故障重度、故障回数を出力する。

【0069】

次に、ステップＳ２５において、推定処理部１７４２は、ステップＳ２４で出力した設備の故障時期、故障重度、故障回数に応じた設備の予備品数（設備全体、部品）を出力する。

【0070】

次に、ステップＳ２６において、推定処理部１７４２は、予め設定された設備のリプレース時期の１年（１２ヶ月）前以降に重故障が発生するか否かを判定し、Ｙｅｓの場合はステップＳ２７に進み、Ｎｏの場合は処理を終了する。

【0071】

ステップＳ２７において、推定処理部１７４２は、設備全体の予備品を１台減らし、部品交換を選択する。

【0072】

このように、実施形態の予備品管理システム１７によれば、予備品数推定モデル１７１１を用いることで、設備の故障の時期および回数に応じた設備の適切な予備品数を算出（推定）することができる。したがって、その予備品数の予備品を準備することで、例えば、予備品が足りないことによる設備の停止時間（ダウンタイム）の増加や保守担当者の対応業務の増加を回避できる。また、予備品が多すぎることによる無駄なコストの発生を回避できる。

【0073】

また、予備品数推定モデル１７１１の学習や推定に、さらに故障重度を用いることで、予備品数をより高精度に算出できる。

【0074】

また、設備のリプレース時期から寿命データの時間分だけ前以降に重故障が発生すると推定した場合、予備品として設備全体ではなく部品を選択することで、リプレース時期における製品寿命ポテンシャルの発生を回避できる。

【0075】

なお、本実施形態の予備品管理システム１７で実行されるプログラムは、ＲＯＭ等に予め組み込まれて提供される。当該プログラムは、インストール可能な形式又は実行可能な形式のファイルでＣＤ－ＲＯＭ、フレキシブルディスク（ＦＤ）、ＣＤ－Ｒ、ＤＶＤ（Digital Versatile Disk）等のコンピュータで読み取り可能な記録媒体に記録して提供するように構成してもよい。

【0076】

さらに、当該プログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するように構成しても良い。また、当該プログラムをインターネット等のネットワーク経由で提供または配布するように構成しても良い。

【0077】

当該プログラムは、上述した予備品管理システム１７の処理部１７４における各部１７４１～１７４３を含むモジュール構成となっている。つまり、ＣＰＵが上記ＲＯＭからプログラムを読み出して実行することにより、各部１７４１～１７４３が主記憶装置上にロードされる。

【0078】

本発明の実施形態を説明したが、この実施形態は、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。この新規な実施形態は、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。この実施形態は、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。

【0079】

例えば、対象の道路は高速道路に限定されず、本発明は一般道路等の他の道路に設置された道路付帯設備にも同様に適用できる。

【符号の説明】

【0080】

１…道路施設管制システム、２…交通管制システム、３…計測器、４…監視対象設備、５…管理事務所、６…観測局、１１…施設制御システム、１２…設備管理システム、１３…設備修理情報システム、１４…動作環境システム、１５…状態分析システム、１６…設備故障予測システム、１７…予備品管理システム、２１…交通量データ作成部、４１…電源ユニット、４２…表示部ユニット、４３…制御ユニット、４４…メモリ部、５１…作業者、１１１…異常状態変化データ抽出部、１１２…異常頻度データ生成部、１２１…設備台帳データ、１２２…設備稼働時間データ作成部、１３１…設備修理情報データ作成部、１４１…動作環境データ作成部、１５１…設備故障時期モデル、１５２…設備故障要因モデル、１６１…設備故障予測モデル、１７１…記憶部、１７２…入力部、１７３…表示部、１７４…処理部、１７１１…予備品数推定モデル、１７４１…学習処理部、１７４２…推定処理部、１７４３…制御部

【図1】

【図2】

【図3】

【図4】

【図5】