JP5220929B2 - 作業機械の監視診断装置 - Google Patents

Description

本発明は、油圧ショベルなどの建設機械に代表される作業機械の動作状態を監視し、診断を行う作業機械の監視診断装置に関する。

鉱山等で稼動する大型油圧ショベル等の建設機械やその他の作業機械においては、１日２４時間ほとんど停止することなく３６５日連続稼動することが要求されるものがあり、異常停止する前に予め保守作業によって機器を万全な状態に保持する必要がある。一般的には、定期的に点検作業によって専門の保守員が点検を実施し、異常個所がないかを調査するとともに、異常が発見された場合には、必要な保守作業を行うことによって良好な機器状態が維持される。

一方、点検保守作業を実施するためには、機器を停止する必要が生じるため、連続稼動させたい運用者にとっては、機器状態が良好な限り、点検保守作業は運用にとっての障害となりうる。

このため、各種センサを用いて機械の状態を測定し、異常がないかを監視する異常診断技術が開発されている。異常診断技術によって故障停止する前に異常を検出し、早期に保守対策を行うことで、機器の故障を未然に防ぐ予防保守が重視されるようになっている。

一方で、異常診断のための診断アルゴリズムの開発には機械メーカが鋭意取り組んでいるもののアルゴリズム開発の難しさから、適切な判定ができないケースがあった。適切な判定が難しい理由は、アルゴリズム開発時に行った実験環境と機械を利用するユーザがおかれている使用環境や運用形態が異なる点にある。

これに対して、実環境上での計測結果から判定しようとする発明がなされている。特許文献１および特許文献２では、機器の稼動状態を示す入力信号の統計的性質あるいは類似度を用いて機器の異常を検出する発明が記載されている。特許文献３では、クラスター分類を適切なものにするために、ユーザーと対話的に処理する発明が記載されている。特許文献４では、センサ異常をも検知することで誤判定を排除する発明が記載されている。

特開２００５−２４１０８９ 特開平５−２５６７４１ 特開２０００−１３２５５８ 特開２００２−２８８７８１

しかしながら、上記従来技術には次のような問題がある。

すなわち、上記従来技術は、いずれも、異常判定に用いる入力データの分類にはマハラノビス・タグチ・メソッドのような統計距離を用いることとしており、統計距離の遠近によって判定を行うものであって、統計距離が同等あるいは基準値以下である場合は異常でないと判定するものである。しかし、様々な振る舞いをする作業機械の動作状態にあっては、正常動作時と異常時の入力信号に類似性が強く表れる場合があり、その場合は、異常であっても、統計距離が同等あるいは基準値以下となり、正常であると誤判定する可能性がある。

本発明は以上の問題に鑑みてなされたものであり、その目的は、正常動作時と異常動作時との入力信号に類似性が強い場合であっても、誤判定を防止し、適切に診断を行うことができる作業機械の監視診断装置を提供することである。

上記目的を達成するために、本発明は、複数のセンサによって検出された作業機械の稼動データを時系列的に入力し、この稼動データを用いて前記作業機械の異常診断を行う作業機械の監視診断装置において、参照分類情報を記憶した分類情報記憶部と、参照頻度情報を記憶した頻度情報記憶部と、前記分類情報記憶部から前記参照分類情報を読み出し、前記複数のセンサによって検出され、時系列的に入力した前記稼動データを前記参照分類情報と比較して分類し、稼動データ分類情報を生成する第１データ分類部と、前記稼動データ分類情報を集計して、前記稼動データの分類ごとの出現頻度の情報を付加した稼動データ頻度情報を生成するとともに、前記頻度情報記憶部から前記参照頻度情報を読み出して、前記稼動データ頻度情報と前記参照頻度情報とを比較した稼動データ頻度比較情報を生成する頻度比較部と、前記稼動データ分類情報と前記稼動データ頻度比較情報を用いて前記作業機械の異常診断を行う異常診断部とを備えるものとする。

このように稼動データ分類情報だけでなく稼動データ頻度比較情報をも用いて作業機械の異常診断を行うことにより、正常動作時と異常動作時との入力信号に類似性が強い場合であっても、誤判定を防止し、適切に診断を行うことができる。

好ましくは、監視診断装置は、前記頻度比較部が生成する前記稼動データ頻度比較情報および前記異常診断部の診断結果データの少なくとも一方を表示する表示部を更に備える。

これにより利用者は、稼動データ頻度比較情報が表示された場合は、利用者の判断によって異常検知あるいはその確認を行うことができる。また、診断結果データが表示された場合は、異常の詳細情報を知ることができる。

好ましくは、前記異常診断部は、前記稼動データ頻度比較情報を用いて前記作業機械の異常診断を行った結果、前記稼動データ頻度情報と前記参照頻度情報との間に所定の差異が検出される場合に、前記稼動データに異常があると診断し、前記表示部はその診断結果を表示する。
これにより利用者は異常の詳細情報を知ることができる。

また、好ましくは、前記表示部は、前記稼動データ頻度情報と前記参照頻度情報との間に所定の差異が検出される場合に、この差異に関連する前記稼動データ分類情報を表示する。

これにより利用者は異常の更に詳細な情報を知ることができる。

また、好ましくは、前記第１データ分類部は、前記分類情報記憶部に記憶された参照分類情報のうち、予め選択された参照分類情報のみを抽出するとともに、前記複数のセンサによって検出され、時系列的に入力した前記稼動データのうち、前記予め選択された参照分類情報に対応する稼動データのみを抽出して、前記予め選択された参照分類情報と比較して前記稼動データ分類情報を生成する。

これにより、例えば無操作時間のデータを除外することで、頻度比較部は、無操作時間に影響されない正確な稼動データ頻度比較情報を求めることができ、より誤判定の少ない適切な診断を行うことができる。

さらに、好ましくは、監視診断装置は、前記複数のセンサによって検出された作業機械の稼動データを時系列的に入力し、この稼動データの類似性を比較して分類し、前記分類情報記憶部に記憶される参照分類情報を生成する分類情報生成部を更に備える。

これにより監視診断装置は参照分類情報を事前に作成し、分類情報記憶部に記憶させておくことができる。

また、好ましくは、監視診断装置は、前記複数のセンサによって検出され、時系列的に入力した稼動データを前記分類情報生成部によって生成された前記参照分類情報と比較して分類し、稼動データ分類情報を生成する第２データ分類部と、前記稼動データ分類情報を集計して、前記稼動データの分類ごとの出現頻度の情報を付加し、前記頻度情報記憶部に記憶される参照頻度情報を生成する頻度情報生成部とを更に備える。

これにより監視診断装置は参照頻度情報を事前に作成し、頻度情報記憶部に記憶させておくことができる。

本発明によれば、様々な振る舞いをする機械の動作状態に対して、適応的に学習を行うとともに、正常動作時と異常動作時との入力信号に類似性が強い場合でも、誤判定を防止し、適切に診断を行うことができる。

本発明の第１の実施例に係わる監視診断装置の構成を示す図である。 監視診断装置に入力される稼動データの構成を示す図である。 分類情報記憶部から読み出される分類データ（参照分類情報）の構成を示す図である。 データ分類部によって作成される最近傍分類番号（稼動データ分類情報）のデータ構成を示す図である。 データ分類部によって作成される正規化統計距離ｄ（稼動データ分類情報）のデータ構成を示す図である。 頻度比較部によって作成される頻度表を示す図である。 頻度情報記憶部から読み出される時間幅データと参照頻度表を示す図である。 診断処理の流れ（監視診断装置の処理フロー）を示す図である。 油圧ショベルの構成を示す図であって、油圧ショベルの側面図である。 油圧ショベルの構成を示す図であって、油圧ショベルの上面図である。 油圧ショベルに設置されたコントローラネットワークを示す図である。 圧力センサによって計測され、車体コントローラによって記録・監視される操作圧力（稼動データ）とトラックテンション圧力を示す図であって、通常時の稼動データを示す図である。 圧力センサによって計測され、車体コントローラによって記録・監視される操作圧力（稼動データ）とトラックテンション圧力を示す図であって、異常が発生したときの稼動データを示す図である。 入力される稼動データ順に各時刻における正規化統計距離と所定の時間（ここでは５０単位時間）の移動平均値を示す図である。 トラックテンション圧力が大きいとき（異常動作時）と小さいとき（正常動作時）の各動作パターンの頻度比率を示す図である。 異常動作時に最も頻度が高くなっている動作パターン番号の稼動データパターンを示す図である。 油圧ショベルの無操作区間を含むエンジンの稼動状況と操作圧力のセンサ値を示す図である。 油圧ショベルのエンジンの稼動状況を、「期間１」と「期間２」に分けて示す図である。 図１６に示した２つの期間における動作パターンとその頻度を示す図である。 「期間１」より「期間２」で増加している動作パターンが、油圧ショベルの操作が行われていない「無操作状態」であることを示す図である。 温度センサによって計測され、車体コントローラによって記録・監視される油圧ショベルのエンジンの各気筒の排気温度について、異なる期間の温度センサ値（稼動データ）を示す図であって、正常動作時の稼動データを示す図である。 温度センサによって計測され、車体コントローラによって記録・監視される油圧ショベルのエンジンの各気筒の排気温度について、異なる期間の温度センサ値（稼動データ）を示す図であって、異常動作時の稼動データを示す図である。 正常動作時と異常動作時の期間について、動作パターン（稼動データの分類データ）の頻度を比較して示す図であって、頻度比較データの表示例を示す図である。 エンジンの各気筒の排気温度について、異常動作時の動作パターンを示す図である。 本発明の第２の実施例に係わる監視診断装置の構成を示す図である。 図２３に示す監視診断装置の処理機能のうち、頻度比較部が生成した稼動データ頻度比較情報を表示する部分の処理フローを示す図である。 異常診断部の診断結果データであって、図２１に示すような頻度比較データのうち、参照頻度比率データと比較して頻度比率に異常があると判定された場合の出力画面表示例を示す図である。 図２５に示される上側の参照リンク指定を操作した場合に表れる詳細情報表示画面を示す図である。 図２３に示す監視診断装置の処理機能のうち、異常診断部１０３の診断結果データを表示する部分の処理フローを示す図である。 頻度比較データの他の表示例である。 分類情報作成装置２９の構成を示す図である。 頻度情報生成装置３０の構成を示す図である。 図１に示した監視診断装置に頻度情報生成部を含め、監視診断装置に頻度情報生成装置の機能を持たせた場合の監視診断装置の構成例を示す図である。

以下、本発明の実施の形態を図面を用いて説明する。

図１は、本発明の第１の実施例に係わる監視診断装置の構成を示す図である。

監視診断装置１は、データ分類部１０１（第１データ分類部）、分類情報記憶部１０２、異常判定部１０３、頻度比較部１０４および頻度情報記憶部１０５を備える。

作業機械には作業機械の動作状態を検出するための複数のセンサが設けられており、これらセンサの検出値（センサ値）は電子化され、稼動データとして監視診断装置１に入力される。

図２は、監視診断装置１に入力される稼動データの構成を示す図である。この図２に示すように、稼動データは各センサ値の情報がデータ項目Ａ〜Ｃとして、またデータ項目ごとのセンサ値が時系列データとして時刻情報と関連付けられている。図２では、データ項目がＡ〜Ｃの３種類に対して時刻１からｎまでの稼動データが記載されている。

本実施例では稼動データを用途別に２種類に分けて述べる。１つは診断データ、もう１つは学習データである。本実施例の監視診断装置１に入力するのは診断データであり、入力した診断データを診断した結果として診断結果データを得る。学習データについては後述する。

診断データとしての稼動データが監視診断装置１に入力されると、その診断データはデータ分類部１０１に入力される。データ分類部１０１は、分類情報記憶部１０２から参照分類情報として分類データを読み出し、診断データをその分類データと比較する。図３は、分類データ（参照分類情報）の構成を示す図である。この図３に示すように、分類データは、分類ごとに、データ項目ごとのデータ値と半径データが関連付けられている。この分類データ（参照分類情報）は、学習データとしての稼動データに基づいて事前に作成されたものである（後述）。

データ分類部１０１は、診断データのうち、各時刻のセンサ値の集合、例えば時刻１においては、センサ値Ａ１とセンサ値Ｂ１とセンサ値Ｃ１をひとまとまりにしたものを１つのベクトルとして扱い、分類データのうち、各分類のデータ値の集合、例えば分類１においては、データ値ａ１とデータ値ｂ１とデータ値ｃ１をひとまとまりにしたものを１つのベクトルとして扱い、診断データのセンサ値のベクトルと分類データのデータ値のベクトルを比較する。比較にあたっては、例えば式３に示すような計算方法でベクトル間の統計距離Ｄを算出する。式１に示すベクトルＸがx1からxpまでの成分を持ち、式２に示すベクトルＹがy1からypまでの成分を持ち、式３はそれらのベクトル間のユークリッド距離Ｄを算出するものである。

データ分類部１０１は、ある時刻の診断データのセンサ値のベクトルとすべての分類データのデータ値のベクトルそれぞれとの統計距離を式３に従って算出し、この統計距離Ｄがもっとも小さくなるような分類番号を選択し、これを最近傍分類番号（稼動データ分類情報）として、頻度比較部１０４に出力する。この頻度比較部１０４に出力される最近傍分類番号（稼動データ分類情報）は、図４Ａに示すように、時系列データとして時刻情報と関連付けられている。

また、データ分類部１０１は、式４に示すように、最近傍分類番号に対応する分類データのデータ値のベクトルと診断データのセンサ値のベクトルとの統計距離Ｄ（これを以下、最近傍距離と呼ぶ）を最近傍分類番号に対応する分類データの半径データｒで除した正規化統計距離ｄ（稼動データ分類情報）を算出し、異常診断部１０３に出力する。この異常診断部１０３に出力される正規化統計距離ｄ（稼動データ分類情報）は、図４Ｂに示すように、時系列データとして時刻情報と関連付けられている。

このようにデータ分類部１０１は稼動データ分類情報として最近傍分類番号と正規化統計距離ｄを算出し、前者は頻度比較部１０４に出力し、後者は異常診断部１０３に出力する。

ここで、データ分類部１０１は、分類情報記憶部１０２に記憶された分類データ（参照分類情報）のうち、利用者によって予め選択された分類データのみを抽出するとともに、入力された診断データ（稼動データ）のうち、予め選択された分類データに対応する診断データのみを抽出して、これを予め選択された分類データと比較して上記稼動データ分類情報（最近傍分類番号および正規化統計距離）を生成するようにしてもよい。

頻度比較部１０４は、データ分類部１０１から入力された最近傍分類番号を所定の時間幅にわたって集計する。所定の時間幅は、頻度比較部１０４によって頻度情報記憶部１０５から図６に示すような時間幅データ６０１として読み出され参照される。ここで，データ分類部１０１から入力された最近傍分類番号が図４に示すような時刻１からｎまでのデータであったとする。図４に示す分類番号ｋ１からｋｎまではそれぞれ時刻１からｎに対応するものであり、図３で示したデータ分類の分類１からｍのいずれかの分類番号になっている。頻度比較部１０４は、分類番号ｋ１からｋｎについて分類１からｍまでのいずれであるかを集計して出現した頻度（各分類番号の出現回数）を算出し、図５に示すような頻度表５０１を作成する。頻度表５０１には、頻度ｈ１からｈｎまでが分類１からｍに対応して集計されており、これと図６に示す時間幅データ６０１に基づいて頻度比率ｅ１からｅｍ（稼動データ頻度情報）を算出する。すなわち、式５に示すように、頻度比率は分類ごとの頻度を時間幅Ｔで除して算出する。これにより時間幅Ｔによらない比較が可能となる。

頻度比較部１０４は、さらに、この頻度表５０１の頻度比率（稼動データ頻度情報）と頻度情報記憶部１０５から読み出した図６の右側に示すような参照頻度表６０２の頻度比率（参照頻度情報）を比較して、頻度比較データ（稼動データ頻度比較情報）を作成する。図６に示す参照頻度表６０２には、参照頻度比率がＥ１からＥｍまで分類１からｍに対応して集計されている。この参照頻度表６０２の頻度比率（参照頻度情報）は、学習データとしての稼動データに基づいて事前に作成されたものである（後述）。頻度比較データ（稼動データ頻度比較情報）におけるデータの比較方法としては、式６のような差分の絶対値を用いても良いし、式７のような頻度比率の検定比を用いて判定しても良い。式６における差分Ｄiffあるいは式７における検定比Ｒateが頻度比較部１０４によって生成される頻度比較データである。また、この頻度比較データを表示装置に表示するためにだけ使用する場合は、頻度比較データは稼動データ頻度情報と参照頻度情報をグラフで表示するものであってもよい（図２１参照）。

異常診断部１０３は、データ分類部１０１から出力された正規化統計距離と、頻度比較部１０４から出力された頻度比較データとを用いて、稼動データの異常診断を行う。この診断は次のようにして行う。

まず、異常診断部１０３は、データ分類部１０１から出力された正規化統計距離が１以下であれば、診断データは正常範囲にあると診断し、正規化統計距離が１より大きければ、診断データは正常範囲にはない、すなわち異常であると診断する。1が基準となるのは、式４によって各最近傍分類番号の半径データで除することで分類番号によらない正規化処理を行っているからである。この診断は、データ分類部１０１に対して入力される各時刻の診断データに対して行われる。異常診断部１０３は、各時刻の前記診断結果を集計し、所定の時間に連続して異常と診断される、あるいは所定の時間内で所定割合以上の時間で異常と診断されるというような基準を用いて診断データの統計距離による異常診断の結果を導く。個別の時間の診断結果を直接用いないのは、虚報を抑制するためである。異常診断部１０３が所定時間の診断情報を集計して異常と診断した場合には、これを統計距離を用いた診断結果データとして監視診断装置１の出力とする。

一方、異常診断部１０３が所定時間の診断情報を集計して正常と診断した場合には、頻度比較部１０４からの頻度比較データを受け取り、頻度比較データ（ここでは、頻度比較データが式７を用いて算出されている場合として説明する）のうち、所定の割合より大きいあるいは小さい分類番号が存在するかを診断する。頻度比較部１０４において、診断データの分類の頻度比率と頻度情報記憶部１０５から読み出された参照頻度の頻度比率が同じくらいであれば、該当する分類の検定比は１に近くなるはずである。１より大きい、例えば１．５とか２．０のような値をとる場合は、該当する分類の頻度比率について、診断データの頻度比率が高いと分かる。１より小さい場合は、該当する分類の頻度比率について、診断データの頻度比率が低いと分かる。このような検定比の大小によってそれぞれの分類について診断し、すべての分類の検定比が所定の値の範囲内であれば、正常であると診断し、これを頻度情報を用いた診断結果データとして監視診断装置１の出力とする。いずれかの分類の検定比が所定の値の範囲内になければ、異常であると診断し、これを頻度情報を用いた診断結果データとして監視診断装置１の出力とする。

図７は以上の診断処理の流れ（監視診断装置１の処理フロー）を示す図である。

監視診断装置１において、データ分類部１０１は外部から診断データを読み込み（ステップｓ７０１）、また分類情報記憶部１０２から分類データを読み込み（ステップｓ７０２）、診断データと分類データを比較して、最近傍分類番号および正規化統計距離を生成する（ステップｓ７０３）。次に、異常診断部１０３はデータ分類部１０１から正規化統計距離を受け取り、所定の時間幅で正規化統計距離を集計して（ステップｓ７０４）異常診断し（ステップｓ７０５）、異常であると診断されればステップｓ７０８に進んで、統計距離による異常診断の結果について稼動データに異常があることを監視診断装置１の出力とする。一方、異常診断部１０３が、正規化統計距離を集計して異常診断した結果、正常であると診断されればステップｓ７０６に進む。頻度比較部１０４は、最近傍分類番号をデータ分類部１０１から所定の時間幅で受け取って集計し、また頻度情報記憶部１０５から参照頻度比率を読み込んで前記集計した最近傍分類番号の頻度比率と比較し、頻度比較データを生成する（ステップｓ７０６）。異常診断部１０３は、頻度比較データによる診断結果を生成し（ステップｓ７０７）、統計距離による異常診断の結果については正常であり、その上で頻度比率による異常診断の結果について、稼動データに異常があるか、正常であるかを診断結果データとして監視診断装置１の出力とする。

図８Ａおよび図８Ｂを用いて油圧ショベルの構成と動作について説明する。油圧ショベル８は、備えられた各操作機構によって掘削などの動作を行うことができる。バケット８０１、アーム８０２、ブーム８０３は、油圧シリンダ８１１，８１２，８１３によって操作される。これらの掘削に関わる部位全体はフロントと呼ばれることが多い。シリンダ８１１から８１３が伸縮動作をすることによって、バケット８０１、アーム８０２、ブーム８０３などが動作する。油圧ショベル８には、各操作機構を制御し、センサからの情報を収集・監視するための車体コントローラ（制御装置：後述）が搭載されている。また、油圧ショベル８には、図８Ａに示すように本体８０６を回転させる旋回機構８０４と油圧ショベル全体の走行機構としてのクローラー（履帯）装置８０５が備わっている。旋回機構８０４は油圧モータ（図示せず）を備え、本体８０６は旋回機構８０４の油圧モータを駆動することによって走行機構に対して左右に旋回可能である。

クローラー装置８０５は右側クローラー８０５ａと左側クローラー８０５ｂを備えており、それぞれが独立に動くようになっている。また、クローラー８０５ａ，８０５ｂの張力の調節具合を測るための圧力センサが備わっており、コントローラにより監視される。図８Ｂに示すように右側クローラー８０５ａと左側クローラー８０５ｂが同時に前方方向に回転することで、油圧ショベルは前方に進むことができるが、例えば右側クローラー８０５ａが前方に回転し、左側クローラー８０５ｂが後方に回転すると、油圧ショベルは全体が反時計回りに回転することになる。

図９は、油圧ショベルに設置されたコントローラネットワークを示す図である。油圧ショベルのコントローラネットワークは、エンジンコントローラ２１、車体コントローラ２２、モニタコントローラ２３、エンジン計測ユニット２４と、油圧システム計測ユニット２５、データ記録装置９とを備えている。エンジン計測ユニット２４はエンジンコントローラ２１に接続され、エンジンコントローラ２１は第１共通通信ライン２７Ａを介してデータ記録装置９に接続されている。車体コントローラ２２、モニタコントローラ２３、油圧システム計測ユニット２５は第２共通通信ライン２７Ｂを介してデータ記録装置９に接続されている。

エンジンコントローラ２１は電子ガバナ２８の制御を行うことによりエンジンの燃料噴射量を制御するものである。車体コントローラ２２は、そのエンジンにより駆動され、上記油圧シリンダ及び油圧モータ等のアクチュエータに圧油を供給するメインポンプや、その他の油圧機器を制御するものである。モニタコントローラ２３はディスプレイ３１および操作部３２に接続されており、操作部３２の入力操作に応じてディスプレイ３１の表示に係わる制御を行う。

エンジン計測ユニット２４は、エンジン系に係わる各種機器の状態量を検出するセンサの検出信号を入力して収集するものであり、図９では、それら状態量を検出するセンサとして、エンジン回転数を検出する回転センサ３４と、エンジンの各気筒の排気ガス温度を検出する温度センサ３５ａ〜３５ｎが示されている。超大型の油圧ショベルの場合、エンジンの各気筒は例えば１６個であり、温度センサ３５ａ〜３５ｎも１６個である（ｎ＝１６）。

油圧システム計測ユニット２５は、油圧システムに係わる各種機器の状態量を検出するセンサの検出信号を入力して収集するものであり、図９では、それらの状態量を検出するセンサとして、操作レバー装置が生成する操作パイロット圧力（以下操作圧力という）を検出する圧力センサ３６ａ〜３６ｎと、トラックテンション圧力を検出する圧力センサ３７が示されている。操作レバー装置はブーム、アーム、バケット、旋回、走行等を動作を指令するものであり、生成する操作圧力によって対応するコントロールバルブを切り換え、油圧シリンダ、油圧モータ等のアクチュエータに供給される圧油の流れを制御してアクチュエータの動作を制御することにより、ブーム、アーム、バケット、旋回、走行等の動作を制御する。

データ記録装置９は、エンジン計測ユニット２４および油圧システム計測ユニット２５で収集した状態量データや、エンジンコントローラ２１、車体コントローラ２２、モニタコントローラ２３での入力データおよび出力データのうちの必要なものを所定間隔で第１および第２共通通信ライン２７Ａ、２７Ｂを介して入力し、これらのデータをセンサデータとして記憶する。

車体コントローラ２２は、上述した診断監視装置１を搭載しており、図７に示した診断処理を行うため、データ記録装置９にアクセスしてデータ記録装置９に記憶した所定期間のセンサデータ（エンジン計測ユニット２４および油圧システム計測ユニット２５が収集した各種センサからの情報）を収集・記録し、監視する。

また、データ記録装置９にはパソコン１１が接続可能であり、データ記録装置９に記憶したセンサデータをパソコン１１にダウンロードし、パソコン１１に搭載した監視診断装置１によって油圧ショベルの診断を行うこともできる。更に、データ記録装置９に記憶したセンサデータを無線機１３及びアンテナ１４を介して図示しない管理事務所のサーバに定期的に送信し、管理事務所において油圧ショベルの診断を行うこともできる。

次に、以上のように構成した本実施例の作用効果を説明する。

図１０および図１１は、圧力センサ３６ａ〜３６ｎ，３７によって計測され、車体コントローラ２２（診断監視装置１）によって記録・監視される操作圧力（稼動データ）とトラックテンション圧力を示したものである。図１０が通常時の稼動データであり、図１１が異常が発生したときの稼動データである。また、図１０および図１１の最上段がトラックテンション圧力であり、その下にブーム操作圧力、アーム操作圧力、バケット操作圧力、旋回操作圧力、走行操作圧力の各操作圧力が示されている。

図１１では、トラックテンション圧力異常１１０１が検出されており、車体コントローラ２２に備えられた診断監視装置１によって記録されている。トラックテンション圧力を除く稼動データのうち、通常動作時のものを学習装置によって学習し、動作パターンデータ（参照分類情報）および動作頻度データ（参照頻度情報）を作成し、それぞれ監視診断装置１の図１に示す分類情報記憶部１０２及び頻度情報記憶部１０５に予め記憶させる。監視診断装置１に異常動作時の稼動データが入力されると、図１２に示すように、予め記憶された動作パターンデータ（参照分類情報）と稼動データの各圧力センサ値が比較され、最も統計距離が近い動作パターンが選び出され、その動作パターンとの最近傍統計距離Ｄが算出され、さらに正規化統計距離ｄが算出される。図１２は、横軸を機械の稼働時間（入力される稼動データ順）、縦軸を正規化統計距離として表したものであり、各時刻における正規化統計距離１２０１と所定の時間（ここでは５０単位時間）の移動平均値１２０２を示している。異常動作時においても、正規化統計距離の移動平均値は、閾値１以下になっており、通常動作時の動作パターンデータとの有意差が認められないことが分かる。

図１３は、トラックテンション圧力が大きいとき（異常動作時）と小さいとき（正常動作時）の各動作パターンの頻度比率を示したものである。横軸が機械の動作パターン（稼動データの分類データ）であり、縦軸が動作パターンごとの頻度比率である。正常動作時と異常動作時で頻度比率の分布が全く異なることが分かる。例えば、パターン番号１２，２０，２１などは正常動作時（track tension weak）に比べて異常動作時（track tension strong）の頻度が高いことが分かる。このうち、異常動作時に最も頻度が高くなっている動作パターン番号２１の稼動データパターンを見ると、図１４のようになっている。これは、右後進操作および左前進操作をしている動作パターンであり、ショベルを反時計回りに動作させている場合に、トラックテンション圧力が上昇する異常動作が発生していることが分かる。これにより異常動作の検出およびそれに関連する稼動データパターンを知ることができるので、異常検知と原因分析に寄与することができる。

このように本実施例によれば、正常動作時と異常動作時との入力信号に類似性が強い場合でも、誤判定を起こすことなく、適切に診断を行うことができる。

図１５は、油圧ショベルのエンジンの稼動状況と操作圧力のセンサ値を示したもので、油圧ショベルの操作に応じて油圧を得るためのメインポンプを駆動するエンジンの回転数が変化していることが分かる。無操作区間１５０１では、操作が発生していないため、エンジンも低回転域で稼動している。無操作区間の発生割合は、その時々で変化する可能性があるため、実際に操作している区間のみを監視診断対象にすることが適切である。したがって、エンジンの稼動状況もしくは操作の圧力センサ値を参照して、作業時のみの稼動データを分析するようにしてもよい。

図１６は、油圧ショベルのエンジンの稼動状況を示したもので、期間を２つに分けて示しており、それぞれ「期間１」と「期間２」に分けている。２つの期間に対し、図１７に動作パターンとその頻度を示している。図１７において、動作パターン「７」の頻度１７０１について、「期間１」より「期間２」で増加しており、動作パターン「７」を見ると、図１８に示すように、油圧ショベルの操作が行われていない「無操作状態」を示していることがわかる。すなわち、「期間１」に比べて「期間２」においては、無操作時間が増加したと考えられ、このような動作パターンについては、除外して考えるべきである。

本実施例では、利用者が分類データ（参照分類情報）の中から無操作時間（操作レバー装置が操作されていないとき）の分類データを除外し、それ以外の分類データを選択しておくことにより、データ分類部１０１は、無操作時間の分類データと診断データを除外して稼動データ分類情報（最近傍分類番号および正規化統計距離）を生成する。これにより図１の頻度比較部１０４は、無操作時間に影響されない正確な頻度ｈｉあるいは頻度比率ｅｉを求めることができ、より誤判定の少ない適切な診断を行うことができる。

図１９および図２０は、温度センサ３５ａ〜３５ｎによって計測され、車体コントローラ２２（診断監視装置１）によって記録・監視される油圧ショベルのエンジンの各気筒の排気温度について、異なる期間の温度センサ値（稼動データ）を示したものである。図１９が正常動作時の期間３の稼動データを示し、図２０が異常動作時の期間４の稼動データを示している。図１９および図２０の期間３，４について、動作パターン（稼動データの分類データ）の頻度を比較すると、図２１のようになる。図２１に示すように、動作パターン１３および２６について頻度が変化しており、図２２に示すように、異常動作時の動作パターンを確認すると、動作パターン１３および２６では温度センサ値がいずれの動作パターンよりも高い値を示していることがわかる。このことから、エンジンの排気温度の分布が２つの期間では異なるということが分かる。

以上のように本実施例によれば、油圧ショベルの動作パターンについて、その頻度を比較することにより、異常検知を行うことができる。

図２３は、本発明の第２の実施例に係わる監視診断装置の構成を示す図である。

監視診断装置１ａは図１の構成に表示部２３０１が追加されている。表示部２３０１は、例えば図９に示すディスプレイ３１であってもよいし、パソコン１１に監視診断装置１ａを搭載した場合は、パソコン１１のディスプレイであってもよい。この表示部２３０１は、頻度比較部１０４もしくは異常診断部１０３からの出力を受け取りその出力内容を表示する。

図２４は、図２３に示す監視診断装置の処理機能のうち、頻度比較部１０４が生成した稼動データ頻度比較情報を表示部２３０１に表示する部分の処理フローを示す図である。

監視診断装置１aにおいて、データ分類部１０１は外部から診断データを読み込み（ステップｓ２４０１）、また分類情報記憶部１０２から分類データを読み込み（ステップｓ２４０２）、診断データと分類データを比較して、最近傍分類番号および正規化統計距離を生成する（ステップｓ２４０３）。頻度比較部１０４は、最近傍分類番号をデータ分類部１０１から所定の時間幅で受け取って集計し、また頻度情報記憶部１０５から参照頻度比率を読み込んで前記集計した最近傍分類番号の頻度比率と比較し、頻度比較データを生成する（ステップｓ２４０４）。最後に、表示部２３０１が頻度比較データを頻度比較部１０４から受け取って、例えば図２１に示すような表示態様で表示する（ステップｓ２４０５）。図２１の表示例では、参照頻度比率データ２１０１（参照頻度情報）と集計した頻度比率２１０２が、それぞれの分類番号ごとに表示される。

このように表示部２３０１に頻度比較データを表示することによって、利用者の判断によって異常検知あるいはその確認を行うことができるようになる。

図２５は、異常診断部１０３の診断結果データであって、図２１に示すような頻度比較データのうち、参照頻度比率データ２１０１（参照頻度情報）と比較して頻度比率２１０２に異常があると判定された場合の出力画面表示例を示したものである。この例では、動作パターン１３と２６の頻度が増加していることが表示されており、これは図２１における「Operation Pattern No」が「13」と「26」の頻度データのグラフ表示に相当している。参照リンク指定２５０２および２５０３は、動作パターン「13」と「26」それぞれの詳細情報を表示するための指定であり、例えば参照リンク指定２５０２を操作すると、図２６に示すような詳細情報表示画面２６０４が現れる。ここでは、動作パターン「13」に関する詳細情報を参照することができ、頻度データ２６０１や参照頻度比率データ２６０２を参照して動作パターンの増加傾向を確認でき、同時に図２２と同様の動作パターン「13」に対応するセンサデータの情報をセンサデータパターン２６０３として参照することができる。この例では、比較表示の観点から他の動作パターンのセンサデータパターンも表示されている。

図２５および図２６に関わる動作を図２３の構成図および図２７のフロー図を用いて以下説明する。図２７は、図２３に示す監視診断装置の処理機能のうち、異常診断部１０３の診断結果データを表示する部分の処理フローを示す図である。

監視診断装置１aにおいて、データ分類部１０１は外部から診断データを読み込み（ステップｓ２７０１）、また分類情報記憶部１０２から分類データを読み込み（ステップｓ２７０２）、診断データと分類データを比較して、最近傍分類番号および正規化統計距離を生成する（ステップｓ２７０３）。次に、異常診断部１０３はデータ分類部１０１から正規化統計距離を受け取り、所定の時間幅で正規化統計距離を集計して（ステップｓ２７０４）異常診断し（ステップｓ２７０５）、異常であると診断されればステップｓ２７０８に進んで、統計距離による異常診断の結果について稼動データに異常があることを診断結果データとして表示部２３０１に出力し、表示部２３０１はその診断結果データを表示する（ステップｓ２７０８）。一方、異常診断部１０３が、正規化統計距離を集計して異常診断した結果、正常であると診断されればステップｓ２７０６に進む。頻度比較部１０４は、最近傍分類番号をデータ分類部１０１から所定の時間幅で受け取って集計し、また頻度情報記憶部１０５から参照頻度比率を読み込んで前記集計した最近傍分類番号の頻度比率と比較し、頻度比較データを生成する（ステップｓ２７０６）。異常診断部１０３は、頻度比較データによる診断結果を生成し（ステップｓ２７０７）、統計距離による異常診断の結果については正常であり、その上で頻度比率による異常診断の結果について、稼動データに異常があるか、正常であるかを診断結果データとして表示部２３０１に出力し、表示部２３０１はその診断結果データを表示する（ステップｓ２７０８）。

図２３に示した監視診断装置１ａは異常診断部１０３を備え、監視診断装置１ａ自身で異常検知を行うものであるが、異常診断部１０３を設けずに、頻度比較部１０４の出力（頻度比較データ）のみを表示するように構成してもよい。このように構成した場合でも、上述したように、利用者の判断によって異常検知を行うことができる。

図２８は、頻度比較データの他の表示例であり、折れ線グラフは式７に従って算出された図１９および図２０に示した期間３および期間４の油圧ショベルの排気温度のセンサデータの動作パターンの頻度比較データ（検定比Rate）を示し、棒グラフは式７における参照頻度比率（図２１の参照頻度比率２１０１）を示したものである。この例では動作パターン１３と２６に注目する必要がある。参照頻度が高いのは動作パターン１３，１４，２６などであり、そのうち検定比が１を超えている、すなわち増加しているのは動作パターン１３と２６の２つだからである。

図２９は、分類情報作成装置２９の構成を示したものである。分類情報作成装置２９は、分類情報生成部２９０１および分類情報記憶部１０２を備える。

分類情報生成部２９０１は、外部から学習データを入力すると予め分類情報生成部２９０１内に保持している設定値に従い、学習データから分類データを生成する。具体的には、k-meansなどの手法を用いて学習データのクラスタを算出し、各クラスタにおける重心座標を求め、その重心座標を図３のようなデータ項目ごとに保持する。ここでは、分類番号が付された各分類データが各クラスタの情報に相当する。クラスタ算出時には、各クラスタの半径も求めて保持する。半径は例えば、重心座標と各クラスタに所属するデータとのユークリッド距離を式３を用いて求め、そのユークリッド距離の平均値あるいは最大値を用いる。予め分類情報生成部２９０１内に保持している設定値とは、k-means法を用いた場合には、分類するクラスタ数が該当する。図３では生成した予め保持されている設定値、すなわちクラスタ数がｍであり、クラスタ（分類データ）がｍ個生成されていることになる。算出された分類（クラスタ）ごとのデータ項目値および半径は、分類情報記憶部１０２に出力されて記録・保存される。

図３０は、頻度情報生成装置３０の構成を示したものである。頻度情報生成装置３０は、データ分類部３００１（第２データ分類部）、分類情報記憶部１０２、頻度情報生成部３００２および頻度情報記憶部１０５を備える。データ分類部３００１は監視診断装置１のデータ分類部１０１と同じ機能を有している。

外部から学習データを入力すると、分類情報記憶部１０２に予め記憶した分類データをデータ分類部３００１が読み出して学習データを分類して、分類番号を図４と同様に順に出力する。頻度情報生成部３００１は、学習データに対応してデータ分類部３００１が出力した分類番号を受け取り、図５と同様の頻度データを生成し、頻度情報記憶部１０５に出力する。頻度情報記憶部１０５では出力された頻度表データを保存する。

図３１は、監視診断装置１に分類情報作成装置２９と頻度情報生成装置３０の機能を持たせた場合の監視診断装置１ｂの構成を示す図である。監視診断装置１ｂでは、図１に示した監視診断装置１のデータ分類部１０１を頻度情報生成装置３０のデータ分類部３００１と共用し、監視診断装置１では頻度比較部１０４に含まれていた頻度情報生成機能を頻度情報生成部３００１として分離している。

これにより１つの装置で学習データを用いた分類情報および頻度情報の作成と診断データの診断の処理の両方を行うことができる。

１ 監視診断装置
８ 油圧ショベル
９ データ記録装置
１１ パソコン
１３ 無線機
１４ アンテナ
２１ エンジンコントローラ
２２ 車体コントローラ
２３ モニタコントローラ
２４ エンジン計測ユニット
２５ 油圧システム計測ユニット
２７Ａ 第１共通通信ライン
２７Ｂ 第２共通通信ライン
２８ 電子ガバナ
２９ 分類情報作成装置
３０ 頻度情報生成装置
３１ ディスプレイ
３４ 回転センサ
３５ａ〜３５ｎ 温度センサ
３６ａ〜２６ｎ 圧力センサ
３７ 圧力センサ
１０１ データ分類部（第１データ分類部）
１０２ 分類情報記憶部
１０３ 異常判定部
１０４ 頻度比較部
１０５ 頻度情報記憶部
５０１ 頻度表
６０１ 時間幅データ
６０２ 参照頻度表
８０１ バケット
８０２ アーム
８０３ ブーム
８０４ 旋回機構
８０５ クローラー装置
８０５ａ 右側クローラー
８０５ｂ 左側クローラー
８０６ 本体
８１１，８１２，８１３ 油圧シリンダ
１１０１ トラックテンション圧力異常
１２０１ 正規化統計距離
１５０１ 無操作区間
２１０１ 参照頻度比率データ
２１０２ 頻度比率
２５０２，２５０３ 参照リンク指定
２６０１ 頻度データ
２６０２ 参照頻度比率データ
２６０３ センサデータパターン
２６０４ 詳細情報表示画面
２９０１ 分類情報生成部
３００１ データ分類部（第２データ分類部）
３００２ 頻度情報生成部

Claims (8)

1. 監視診断装置（動作頻度検出）
   複数のセンサ（３４，３５ａ〜３５ｎ，３６ａ〜３６ｎ，３７）によって検出された作業機械の稼動データを時系列的に入力し、この稼動データを用いて前記作業機械の異常診断を行う作業機械の監視診断装置において、
   参照分類情報を記憶した分類情報記憶部（１０２）と、
   参照頻度情報を記憶した頻度情報記憶部（１０５）と、
   前記分類情報記憶部から前記参照分類情報を読み出し、前記複数のセンサによって検出され、時系列的に入力した前記稼動データを前記参照分類情報と比較して分類し、稼動データ分類情報を生成する第１データ分類部（１０１）と、
   前記稼動データ分類情報を集計して、前記稼動データの分類ごとの出現頻度の情報を付加した稼動データ頻度情報を生成するとともに、前記頻度情報記憶部から前記参照頻度情報を読み出して、前記稼動データ頻度情報と前記参照頻度情報とを比較した稼動データ頻度比較情報を生成する頻度比較部（１０４）と、
   前記稼動データ分類情報と前記稼動データ頻度比較情報を用いて前記作業機械の異常診断を行う異常診断部（１０３）とを備えることを特徴とする作業機械の監視診断装置。
   
2. 比較情報を表示
   請求項１記載の作業機械の監視診断装置において、
   前記頻度比較部（１０４）が生成する前記稼動データ頻度比較情報および前記異常診断部の診断結果データの少なくとも一方を表示する表示部（２３０１）を更に備えることを特徴とする作業機械の監視診断装置。
   
3. 頻度に異常がある分類を検出
   請求項２記載の作業機械の監視診断装置において、
   前記異常診断部（１０３）は、前記稼動データ頻度比較情報を用いて前記作業機械の異常診断を行った結果、前記稼動データ頻度情報と前記参照頻度情報との間に所定の差異が検出される場合に、前記稼動データに異常があると診断し、
   前記表示部（１０４）はその診断結果を表示することを特徴とする作業機械の監視診断装置。
   
4. 頻度に異常がある分類を強調表示
   請求項３記載の作業機械の監視診断装置において、
   前記表示部（１０４）は、前記稼動データ頻度情報と前記参照頻度情報との間に所定の差異が検出される場合に、この差異に関連する前記稼動データ分類情報を表示することを特徴とする作業機械の監視診断装置。
   
5. 監視診断装置（動作頻度検出）
   複数のセンサ（３４，３５ａ〜３５ｎ，３６ａ〜３６ｎ，３７）によって検出された作業機械の稼動データを時系列的に入力し、この稼動データを用いて前記作業機械の異常診断を行う作業機械の監視診断装置において、
   参照分類情報を記憶した分類情報記憶部（１０２）と、
   参照頻度情報を記憶した頻度情報記憶部（１０５）と、
   前記分類情報記憶部から前記参照分類情報を読み出し、前記複数のセンサによって検出され、時系列的に入力した前記稼動データを前記参照分類情報と比較して分類し、稼動データ分類情報を生成する第１データ分類部（１０１）と、
   前記稼動データ分類情報を集計して、前記稼動データの分類ごとの出現頻度の情報を付加した稼動データ頻度情報を生成するとともに、前記頻度情報記憶部から前記参照頻度情報を読み出して、前記稼動データ頻度情報と前記参照頻度情報とを比較した稼動データ頻度比較情報を生成する頻度比較部（１０４）と、
   前記頻度比較部が生成する前記稼動データ頻度比較情報を表示する表示部（２３０１）を更に備えることを特徴とする作業機械の監視診断装置。
   
6. 動作時のみ診断
   請求項１〜５のいずれか１項記載の作業機械の監視診断装置において、
   前記第１データ分類部（１０１）は、前記分類情報記憶部（１０２）に記憶された参照分類情報のうち、予め選択された参照分類情報のみを抽出するとともに、前記複数のセンサによって検出され、時系列的に入力した前記稼動データのうち、前記予め選択された参照分類情報に対応する稼動データのみを抽出して、前記予め選択された参照分類情報と比較して前記稼動データ分類情報を生成することを特徴とする作業機械の監視診断装置。
   
7. 分類情報生成部
   請求項１〜６のいずれか１項記載の作業機械の監視診断装置において、
   前記複数のセンサによって検出された作業機械の稼動データを時系列的に入力し、この稼動データの類似性を比較して分類し、前記分類情報記憶部に記憶される参照分類情報を生成する分類情報生成部（２９０１）を更に備えることを特徴とする作業機械の監視診断装置。
   
8. 頻度情報生成部
   請求項７記載の作業機械の監視診断装置において、
   前記複数のセンサによって検出され、時系列的に入力した稼動データを前記分類情報生成部（２９０１）によって生成された前記参照分類情報と比較して分類し、稼動データ分類情報を生成する第２データ分類部（３００１）と、前記稼動データ分類情報を集計して、前記稼動データの分類ごとの出現頻度の情報を付加し、前記頻度情報記憶部に記憶される参照頻度情報を生成する頻度情報生成部（３００２）とを更に備えることを特徴とする作業機械の監視診断装置。

Images