WO2020262510A1 - 管理システム、メンテナンススケジュール決定方法、コンピュータプログラム及び学習済モデルの生成方法 - Google Patents

管理システム、メンテナンススケジュール決定方法、コンピュータプログラム及び学習済モデルの生成方法 Download PDF

Info

Publication number
WO2020262510A1
WO2020262510A1 PCT/JP2020/024941 JP2020024941W WO2020262510A1 WO 2020262510 A1 WO2020262510 A1 WO 2020262510A1 JP 2020024941 W JP2020024941 W JP 2020024941W WO 2020262510 A1 WO2020262510 A1 WO 2020262510A1
Authority
WO
WIPO (PCT)
Prior art keywords
maintenance
information
schedule
component
analysis
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/JP2020/024941
Other languages
English (en)
French (fr)
Inventor
和哉 伊藤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Horiba Ltd
Original Assignee
Horiba Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Horiba Ltd filed Critical Horiba Ltd
Priority to EP20832074.7A priority Critical patent/EP3992602A4/en
Priority to US17/596,859 priority patent/US20220319240A1/en
Priority to JP2021527717A priority patent/JP7553442B2/ja
Publication of WO2020262510A1 publication Critical patent/WO2020262510A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/006—Indicating maintenance
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M17/00—Testing of vehicles
    • G01M17/007—Wheeled or endless-tracked vehicles
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0499—Feedforward networks
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/092—Reinforcement learning
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0808—Diagnosing performance data
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]

Definitions

  • This disclosure relates to a management system that manages maintenance of an analysis system that analyzes vehicles such as automobiles, a maintenance schedule determination method, a computer program, and a trained model generation method.
  • an analyzer that analyzes the components of the exhaust gas emitted by the specimen is used.
  • maintenance such as regular adjustment and parts replacement is indispensable.
  • Patent Document 1 particularly urgent maintenance management information can be displayed simply and preferentially for all test devices connected to the device management device, so that reliable maintenance and inspection can be performed.
  • a test system has been proposed.
  • the device management device of this test system displays the information output from the test device on the display in an erasable, switchable or movable manner.
  • the device management device sets the sensitivity alarm information indicating the decrease in sensitivity of the test device, the accumulated operating time alarm information which is the alarm information related to the accumulated operating time of the test device, and the approaching or passing inspection date and time of the test device.
  • the three alarm information of the inspection date and time alarm information which is the information to be shown
  • the three alarm icons whose form changes according to the content indicated by each alarm information are preferentially displayed regardless of the display of this information. ..
  • the present disclosure has been made in view of such circumstances, and an object thereof is a management system for determining a maintenance schedule capable of realizing efficient maintenance of an analyzer, a maintenance schedule determination method, and a computer program. And to provide a method of generating a trained model.
  • the management system is analyzed from a plurality of analysis systems including an analyzer that analyzes the performance of the vehicle or a specimen that is a part of the vehicle, and a related device that supports the analysis by the analyzer.
  • information related to a plurality of components included in the system at least warning information leading to a failure of the component, information related to the sensitivity or performance of the component, or information related to the life period of the component. It includes an acquisition unit for acquiring one, and a determination unit for determining a maintenance schedule of the analysis system based on the information acquired by the acquisition unit.
  • the management system uses a trained model in which the determination unit is trained to output an efficient maintenance schedule in response to input of information related to the components of the apparatus included in the analysis system.
  • the information acquired by the acquisition unit is input to the trained model to determine the maintenance schedule of the analysis system.
  • the determination unit determines the maintenance schedule so that the execution efficiency of the analysis by the analysis system or the maintenance efficiency of the analysis system is high.
  • the management system is a model in which the trained model is reinforcement-learned so that a large amount of rewards related to the maintenance schedule can be obtained.
  • the management system is a model in which the learned model is learned by reinforcement learning that gives a high reward when the operating rate of the analysis system is high.
  • the management system is a model in which the learned model is learned by reinforcement learning in which a high reward is given when the burden related to the maintenance of the analysis system is low.
  • the management system is a model in which the trained model is trained by reinforcement learning that gives a high reward when the frequency of occurrence of defects in the analysis system is low.
  • the trained model outputs maintenance schedules of a plurality of analyzers in response to input of information related to components of a plurality of analysis systems
  • the acquisition unit may output a plurality of maintenance schedules.
  • the information on the component parts is acquired from the analysis system, and the determination unit inputs the information on the component parts of the device included in the plurality of analysis systems acquired by the acquisition unit into the trained model to perform a plurality of analyzes. Determine the system maintenance schedule.
  • the management system includes an operation schedule acquisition unit that acquires an operation schedule of the analysis system, and the trained model includes information related to the components of the device included in the analysis system and the analysis system.
  • the maintenance schedule is output according to the input of the operation schedule of.
  • the related device of the analysis system includes a dynamometer that absorbs the torque generated by the vehicle or the specimen, and the analyzer discharges the torque from the vehicle or the specimen. Analyze the gas to be produced.
  • the acquisition unit acquires information from a plurality of analysis systems, and the determination unit sets a maintenance date for each component based on the information acquired by the acquisition unit. Based on the first decision unit to be determined and the date determined by the first decision unit, the maintenance date of the component whose maintenance date arrives earlier and the maintenance date of the component whose maintenance date arrives later for each analysis system Includes a second decision unit that determines the maintenance schedule.
  • the second decision unit determines a maintenance schedule in which maintenance dates are aligned for a plurality of components whose maintenance dates are within a predetermined period determined by the first decision unit.
  • the management system includes an operation schedule acquisition unit that acquires the operation schedule of the analysis system, and the second determination unit uses the analysis system based on the operation schedule acquired by the operation schedule acquisition unit.
  • the maintenance schedule of the analysis system is determined while avoiding the period of operation.
  • the management system includes a notification unit that notifies a predetermined terminal device of the maintenance schedule determined by the determination unit.
  • the maintenance schedule determination method is a plurality of analysis systems including an analyzer that analyzes the performance of the vehicle or a specimen that is a part of the vehicle, and a related device that supports the analysis by the analyzer. Therefore, as information related to a plurality of components included in each analysis system, warning information leading to failure of the component, information related to sensitivity or performance of the component, or the life period of the component At least one of the relevant information is acquired, and the maintenance schedule of the analysis system is determined based on the acquired information.
  • the computer program according to the present disclosure includes a plurality of analyzes including a computer, an analyzer that analyzes the performance of the vehicle or a specimen that is a part of the vehicle, and a related device that supports the analysis by the analyzer. From the system, as information related to a plurality of components included in each analysis system, warning information leading to a failure of the component, information related to the sensitivity or performance of the component, or the life period of the component At least one of the information related to the above is acquired, and the maintenance schedule of the analysis system is determined based on the acquired information.
  • the method of generating the trained model according to the present disclosure includes a plurality of analyzes including an analyzer that analyzes the performance of the vehicle or a specimen that is a part of the vehicle, and a related device that supports the analysis by the analyzer.
  • information related to a plurality of components included in the system at least warning information leading to a failure of the component, information related to the sensitivity or performance of the component, or information related to the life period of the component.
  • a learning model that accepts one as an input and outputs the maintenance schedule of the analysis system, it depends on the operating rate of the analysis system, the burden of maintenance of the analysis system, or the frequency of occurrence of defects in the analysis system.
  • a trained model is generated by giving a reward and performing reinforcement learning.
  • a maintenance schedule for various components of an analyzer that analyzes a vehicle such as an automobile or a specimen that is a part of the vehicle is determined by using a pre-learned model. ..
  • the trained model outputs an efficient maintenance schedule of the analyzer in response to input of information related to the components of the analyzer.
  • the information related to the components of the analyzer may include, for example, warning information leading to a failure of the component, information related to the sensitivity or performance of the component, information related to the life period of the component, and the like.
  • the maintenance schedule of the analyzer can be determined by acquiring at least one of these pieces of information, inputting it into the trained model, and acquiring the maintenance schedule output by the trained model. Efficient maintenance of the analyzer can be expected by determining the maintenance schedule using an appropriately trained trained model.
  • the maintenance schedule is determined so that the execution efficiency of the analysis processing of the vehicle or the specimen by the analyzer or the maintenance efficiency of the analyzer is high. As a result, efficient maintenance of the analyzer can be expected.
  • the trained model is trained in advance so that a large amount of reward related to the maintenance schedule can be obtained.
  • the trained model can output an efficient maintenance schedule of the analyzer in response to the input of information related to the components.
  • a learned model that outputs a maintenance schedule is generated by performing reinforcement learning that gives a high reward when the operating rate of the analyzer is high.
  • the maintenance schedule is determined so that the operating rate of the analyzer is high, and efficient maintenance can be realized.
  • a trained model that outputs a maintenance schedule is generated by performing reinforcement learning that gives a high reward when the load related to the maintenance of the analyzer (for example, the number of maintenances, time, cost, etc.) is low. To do. As a result, the maintenance schedule is determined so that the load related to maintenance is reduced, and efficient maintenance can be realized.
  • a trained model that outputs a maintenance schedule is generated by performing reinforcement learning that gives a high reward when the frequency of occurrence of defects in the analyzer is low.
  • the maintenance schedule is determined so as to suppress the occurrence of defects in the analyzer, and the analyzer can be used efficiently.
  • the trained model outputs the maintenance schedules of the plurality of analyzers in response to the input of the information related to the components of the plurality of analyzers.
  • the trained model is trained so that, for example, a large number of rewards related to the maintenance schedule can be obtained for a plurality of analyzers.
  • the trained model further accepts the operation schedule of the analyzer as an input, and outputs the maintenance schedule according to the operation schedule.
  • the maintenance schedule can be determined while avoiding the period when the analyzer needs to be operated, and efficient maintenance of the analyzer can be realized.
  • the operating rate of the analyzer and the load related to the maintenance of the analyzer are applied to the learning model that accepts the information related to the components of the analyzer as input and outputs the maintenance schedule of the components.
  • a trained model is generated by performing reinforcement learning that rewards the number of times, time, cost, etc.) or the frequency of occurrence of malfunctions in the analyzer.
  • a maintenance schedule can be determined in consideration of the operating rate of the analyzer, the load related to maintenance, the malfunction of the analyzer, and the like, and efficient maintenance can be realized.
  • information relating to a plurality of components from a plurality of analyzers that perform analysis relating to a vehicle such as an automobile or a specimen that is a part of the vehicle for example, warning information that leads to a failure of the component, described above.
  • At least one of information on the sensitivity or performance of a component or information on the life period of the component is acquired, and the maintenance date for each component is determined.
  • a maintenance schedule in which the maintenance date of the component whose maintenance date arrives earlier and the maintenance date of the component whose maintenance date arrives later are arranged is determined for each analyzer.
  • the maintenance schedules of the plurality of analyzers can be determined in consideration of the maintenance dates of the plurality of components of each analyzer, and efficient maintenance of the plurality of analyzers can be expected.
  • a maintenance schedule in which maintenance dates are aligned is determined for a plurality of components whose maintenance dates are determined for each component within a predetermined period. As a result, it is possible to prevent the maintenance dates from being aligned for a plurality of components whose maintenance dates are separated more than necessary.
  • the operation schedule of the analyzer is further acquired, and the maintenance schedule of the analyzer is determined while avoiding the period during which the analyzer is operated.
  • the maintenance schedule of the analyzer is determined while avoiding the period during which the analyzer is operated.
  • FIG. 1 is a schematic diagram for explaining the outline of the management system of the analyzer according to the present embodiment.
  • the management system according to the present embodiment is a system that manages a maintenance schedule of an analyzer that analyzes components contained in exhaust gas emitted from a vehicle such as an automobile or a specimen that is a part of the vehicle.
  • a plurality of buildings 1 to 3 are provided in an automobile manufacturing factory or a test site, and a plurality of analyzers are installed inside each of the buildings 1 to 3.
  • three analyzers A1 to A3 are installed in the building 1, and each of the analyzers A1 to A3 operates independently, and can individually analyze the exhaust gas of an automobile.
  • each of the analyzers A1 to A3 may be individually provided with a plurality of analysis units for analyzing the exhaust gas. As a result, each of the analyzers A1 to A3 can proceed with the analysis processing for a plurality of analysis targets at the same time or in parallel.
  • the specimen may be, for example, a vehicle equipped with an internal combustion engine or a part of a vehicle such as an engine, and may be an HV (Hybrid Vehicle) equipped with an internal combustion engine and an electric motor or a part thereof, and may be an electric motor. And an EV (Electric Vehicle) equipped with a battery or a part thereof, and an FV (Fuel cell Vehicle) equipped with an electric motor and a fuel cell or a part thereof.
  • the analyzer may not only analyze the components of the exhaust gas discharged from the specimen, but also analyze the performance of the specimen. For example, the analyzer may analyze the running performance of the specimen, test the performance of tires, brakes, engines, power trains, etc., and consume the fuel consumed by the specimen. The amount of electricity consumed by the electric motor (electricity cost) or the amount of hydrogen consumed by the fuel cell may be calculated.
  • Each analyzer A1 to A3 analyzes the exhaust gas of an automobile in cooperation with an automatic driving device (not shown), dynamometers D1 to D3, and the like.
  • the automatic driving device is a device that automatically operates the accelerator and brake of an automobile.
  • the dynamometers D1 to D3 are devices that absorb torque generated by an automobile engine or the like and control the rotation speed and torque of the engine or the like.
  • the dynamometers D1 to D3 included in the analyzers A1 to A3 may be any of a chassis dynamometer, an engine dynamometer, a brake dynamometer, and the like.
  • a chassis dynamometer is a device for reproducing a running state of an automobile, such as a roller system using a roller on which a wheel of an automobile is mounted or a connection system connected to an axle.
  • the vehicle is simulated and driven by the cooperation of the automatic driving device and the chassis dynamometer, and the analyzer acquires the exhaust gas of the vehicle emitted during driving and analyzes its components and the like.
  • the automatic driving device is not indispensable, and a person may drive a car to perform analysis instead of the automatic driving device.
  • the analyzers A1 to A3 are intended to test a vehicle as a specimen by using a chassis dynamometer, but the present invention is not limited to this.
  • the analyzers A1 to A3 may use an engine dynamometer to test the performance of the engine, or may use the dynamometer to test the performance of the power train.
  • Each analyzer A1 to A3 is provided with a plurality of components that need to be replaced regularly.
  • a filter and a pump will be described as an example of components that need to be replaced.
  • a replacement period is set for each component, and the component is replaced during maintenance of the analyzers A1 to A3.
  • the components of the analyzers A1 to A3 are not limited to the filter and the pump, and various other components may be provided in the analyzers A1 to A3.
  • the maintenance of the analyzers A1 to A3 may include not only the replacement of the component parts but also the inspection or adjustment of the component parts.
  • the analyzer A1 includes three filters F11 to F13 and three pumps P11 to P13 as components that need to be replaced.
  • the analyzer A2 includes three filters F21 to F23 and three pumps P21 to P23.
  • the analyzer A3 includes three filters F31 to F33 and three pumps P31 to P33.
  • Each analyzer A1 to A3 can send and receive information to and from the management server 10 by performing wired or wireless communication.
  • the management server 10 is a device provided in, for example, a supervision office or the like, which is different from the buildings 1 to 3, and is used by a manager who manages an automobile manufacturing factory or a test site.
  • the management server 10 acquires and holds various information from the analyzers A1 to A3 provided in the buildings 1 to 3.
  • the management server 10 determines the maintenance (replacement) date of the component parts of the analyzers A1 to A3 based on the various acquired information, and performs a process of determining the maintenance schedule of the analyzers A1 to A3. Further, the management server 10 may request maintenance to a maintenance company or the like of the analyzers A1 to A3 according to, for example, a determined maintenance schedule.
  • the management server 10 provides information on the components, such as warning information indicating an event leading to a failure of the component, information on the detection sensitivity or performance of the component, or the quality of the component. Get information about the lifespan.
  • the warning information indicating an event leading to a failure includes at least one information such as a warning and its advance notification information (Alarm / Pre-caution), and advance notification information (Notification for Quality Check) of a performance confirmation execution cycle. It can be.
  • the warning and advance notification information are both information that notifies the administrator, etc. of information related to the failure of the component, and the advance notification information is first output as the deterioration of the component progresses, and when the deterioration further progresses, the advance notification information is output.
  • a warning is output.
  • the analyzers A1 to A3 compare the values related to the performance of constituent articles such as filters, pumps, and various analysis units with a predetermined first threshold value, and output advance notification information when the first threshold value is exceeded. Further, the analyzers A1 to A3 output a warning when the value related to the performance of the component component exceeds the second threshold value set in a condition even stricter than the first threshold value.
  • the advance notification information of the performance confirmation execution cycle is to notify the performance confirmation execution cycle of the constituent articles such as the filter, the pump, and various analysis units in advance. The analyzers A1 to A3 output this advance notification information at a stage before a predetermined period from the time when the execution cycle is reached.
  • Information related to the detection sensitivity or performance of the components includes, for example, information on changes in performance over time (Quality Check), flow rate (Flow Rate), concentration of total hydrocarbons as a background (THC Background), and sensitivity of various analyzers. At least one of various information such as (Sensitivity) and reactor pressure (Reactor Pressure) may be included.
  • Information related to the quality life period of the component includes, for example, the cumulative operating time (cumulative usage time) of the component and its advance notification information (Notification for Hour-Meter), or the number of remaining days until the specified replacement time. At least one piece of information.
  • the above information is an example and is not limited to this, and the management server 10 may acquire any information other than these from the analyzers A1 to A3.
  • the management server 10 acquires at least information from each of the analyzers A1 to A3 that can determine the maintenance date of the filter and the pump, which are components that need to be replaced regularly. For example, when the upper limit of the usage time is set for the component, the management server 10 can determine the maintenance time by acquiring the information on the usage time of the component and comparing it with the upper limit. Further, for example, when maintenance is performed according to the performance deterioration of a component, the management server 10 acquires information indicating the performance of the component and compares it with a threshold value which is a criterion for determining the performance deterioration. Can be judged. Note that these methods for determining the maintenance date are examples, and are not limited to this.
  • the management server 10 determines the maintenance schedule of the analyzers A1 to A3 based on the information acquired from the analyzers A1 to A3.
  • the management server 10 is used, for example, to increase the operating rate of the analyzers A1 to A3 as much as possible, to reduce the burden of maintenance of the analyzers A1 to A3 as much as possible, time, cost, etc. Determine the maintenance schedule so as to reduce the frequency of A3 defects as much as possible.
  • the management server 10 is equipped with AI (Artificial Intelligence) that determines the maintenance schedule of the analyzers A1 to A3, and the AI schedules the maintenance based on various information acquired from the analyzers A1 to A3. To determine.
  • AI Artificial Intelligence
  • the management server 10 can accept input of information regarding the operation schedule of the analyzers A1 to A3, that is, the schedule for performing the analysis using the analyzers A1 to A3.
  • the AI of the management server 10 avoids the day or time when the analyzers A1 to A3 need to be operated, and the analyzers A1 to A3 are available on this operation date and time.
  • the maintenance schedule of the analyzers A1 to A3 is determined so as to be. However, it is not essential for the management server 10 to accept input of the operation schedules of the analyzers A1 to A3, and the management server 10 may be configured not to determine the schedule in consideration of the operation schedule.
  • the management server 10 can display various information acquired from the analyzers A1 to A3, a maintenance schedule determined by AI, and the like on a device such as a display in various modes.
  • the administrator or the like can grasp the operating state of the analyzers A1 to A3 and the presence or absence of an abnormality based on the information displayed by the management server 10.
  • FIG. 2 is a block diagram showing a configuration of the management server 10 according to the present embodiment.
  • the management server 10 includes a processing unit (processor) 11, a storage unit (storage) 12, a communication unit (transceiver) 13, a display unit (display) 14, an input unit (input device) 15, and the like. It is configured.
  • the processing unit 11 is configured by using an arithmetic processing unit such as a CPU (Central Processing Unit), an MPU (Micro-Processing Unit), or a GPU (Graphics Processing Unit).
  • the processing unit 11 reads and executes the server program 12a stored in the storage unit 12 to acquire information from the analyzers A1 to A3, a process of determining a maintenance schedule based on the acquired information, and the like. I do.
  • the storage unit 12 is configured by using a large-capacity storage device such as a hard disk.
  • the storage unit 12 stores various programs executed by the processing unit 11 and various data required for processing by the processing unit 11.
  • the storage unit 12 stores the server program 12a executed by the processing unit 11 and the schedule determination model 12b as a learned model (identifier).
  • the communication unit 13 can communicate with various devices via a wired or wireless network.
  • the communication unit 13 communicates with a plurality of analyzers A1 to A3 and devices such as dynamometers D1 to D3 provided in the plurality of buildings 1 to 3 via a network.
  • the communication unit 13 transmits the data given by the processing unit 11 to another device, and gives the data received from the other device to the processing unit 11.
  • the display unit 14 is configured by using a liquid crystal display or the like, and displays various images, characters, and the like.
  • the display unit 14 displays various images based on the processing of the processing unit 11.
  • the input unit 15 is configured by using an input device such as a keyboard and a mouse. Further, the input unit 15 may be configured by using a touch sensor provided on the surface of the display unit 14. The input unit 15 receives various input operations by the user and notifies the processing unit 21 of the contents of the received operations.
  • the storage unit 12 may be an external storage device connected to the management server 10.
  • the management server 10 may be a multi-computer including a plurality of computers, or may be a virtual machine virtually constructed by software.
  • the management server 10 is not limited to the above configuration, and may include, for example, a reading unit that reads information stored in a portable storage medium, and can be used as an external device without the display unit 14, the input unit 15, and the like. It may be connected.
  • the server program 12a may be written to the storage unit 12 at the manufacturing stage of the management server 10, for example.
  • the management server 10 may acquire what is distributed by another remote server device or the like by communication.
  • the management server 10 may read the server program 12a recorded on the recording medium 99 such as a memory card or an optical disk and store it in the storage unit 12.
  • the writing device may read what has been recorded on the recording medium 99 and write it in the storage unit 12 of the management server 10.
  • the server program 12a may be provided in the form of distribution via the network, or may be provided in the form recorded on the recording medium 99.
  • the schedule determination model 12b is for realizing the AI of the management server 10, and is a learned model in which reinforcement learning has been performed in advance.
  • the trained model performs a predetermined operation on the input value and outputs the operation result, and the storage unit 12 stores data such as the coefficient and the threshold of the function that defines this operation as the schedule determination model 12b. Will be done.
  • the schedule determination model 12b is a trained model that has been trained to input information acquired from the analyzers A1 to A3 and output the maintenance schedule of the analyzers A1 to A3 in response to the input.
  • the processing unit 11 that executes the server program 12a reads the data stored as the schedule determination model 12b, so that the processing unit 11 can execute the calculation for determining the maintenance schedule of the analyzers A1 to A3. Become.
  • the processing unit 11 reads and executes the server program 12a stored in the storage unit 12, so that the information acquisition unit 11a, the operation schedule acquisition unit 11b, and the maintenance schedule determination unit 11c ,
  • the display processing unit 11d, the learning processing unit 11e, and the like are realized as software-like functional blocks.
  • the information acquisition unit 11a communicates with the analyzers A1 to A3 by the communication unit 13, and performs a process of repeatedly acquiring predetermined information from the analyzers A1 to A3.
  • the information acquisition unit 11a stores and stores the acquired information in the storage unit 12.
  • the operation schedule acquisition unit 11b performs a process of acquiring the operation schedules of the analyzers A1 to A3 by receiving an operation schedule input operation by the administrator in the input unit 15.
  • the management server 10 may be configured not to consider the operation schedule in determining the maintenance schedule, and in this case, the management server 10 does not have to include the operation schedule acquisition unit 11b.
  • the operation schedule acquisition unit 11b stores the acquired operation schedule information in the storage unit 12.
  • an application program for schedule management is installed on the management server 10
  • the administrator uses this application program to input the operation schedules of the analyzers A1 to A3, and the operation schedule acquisition unit 11b , You may get the operation schedule data from this application program.
  • the operation schedule acquired by the operation schedule acquisition unit 11b is, for example, information that the analyzer A1 conducts an automobile test from 10:00 to 16:00 on April 15.
  • the maintenance schedule determination unit 11c performs a process of determining the maintenance schedule of the analyzers A1 to A3 to be managed.
  • the maintenance schedule determination unit 11c determines the maintenance schedule by using the schedule determination model 12b stored in the storage unit 12.
  • the maintenance schedule determination unit 11c determines the maintenance schedule so that the execution efficiency of the analysis by the analyzers A1 to A3 or the maintenance efficiency of the analyzers is high.
  • the schedule determination model 12b receives information that can be acquired from the analyzers A1 to A3 and the operation schedules of the analyzers A1 to A3 as inputs, and has been subjected to reinforcement learning in advance so as to output the maintenance schedule of the analyzers A1 to A3. It is a trained model.
  • the schedule determination model 12b is subjected to reinforcement learning so as to output a maintenance schedule that increases the efficiency of analysis by the analyzers A1 to A3 or the maintenance efficiency of the analyzers.
  • the maintenance schedule determination unit 11c inputs the information acquired by the information acquisition unit 11a and the operation schedule acquired by the operation schedule acquisition unit 11b into the schedule determination model 12b, and acquires the maintenance schedule output by the schedule determination model 12b. Then, the maintenance schedule of the analyzers A1 to A3 is determined.
  • the display processing unit 11d performs a process of displaying various information on the display unit 14. For example, the display processing unit 11d displays the maintenance schedule of the analyzers A1 to A3 determined by the maintenance schedule determination unit 11c on the display unit 14. Further, for example, the display processing unit 11d displays various information related to the analyzers A1 to A3 acquired by the information acquisition unit 11a on the display unit 14 in various display forms.
  • the learning processing unit 11e performs a process of learning (re-learning) the schedule determination model 12b.
  • the learning processing unit 11e uses the learning data in which the information about the analyzers A1 to A3 and the input information of the operation schedule are associated with the input information and the reward for the maintenance schedule determined by the schedule determination model 12b. Reinforcement learning of the schedule determination model 12b is performed.
  • the learning processing unit 11e relearns the schedule determination model 12b by using the information accumulated during this one month, for example, once a month.
  • the learning processing unit 11e may perform a process of calculating a reward for the maintenance schedule based on the information accumulated during this period.
  • the learning process of the schedule determination model 12b may be performed by another server device, and the management server 10 may only store information used as learning data.
  • FIG. 3 is a schematic diagram showing a configuration example of the schedule determination model 12b according to the present embodiment.
  • the schedule determination model 12b has the structure of a neural network in which a plurality of neurons are interconnected. Since it is an existing technique, detailed description thereof will be omitted, but a neuron is an element that performs an operation on a plurality of inputs and outputs one value as an operation result. Neurons have information such as weighting coefficients and thresholds used in calculations.
  • the learning model of the neural network is an input layer that accepts a plurality of input values, an intermediate layer that performs arithmetic processing on the data received by the input layer, and a plurality of values by aggregating the arithmetic results of the intermediate layer. It has an output layer that outputs.
  • Learning processes such as deep learning and reinforcement learning are processes in which appropriate values are set for the coefficients and thresholds of each neuron constituting the neural network by using a large number of learning data given in advance.
  • the schedule determination model 12b is a trained model in which reinforcement learning is performed on the learning model of the neural network, and for example, a method of reinforcement learning of DQN (Deep Q-Network) can be adopted.
  • DQN Deep Q-Network
  • the vector information of the state S is input to the input layer, and the vector information corresponding to the action A to be performed for the state S is output from the output layer.
  • the state S input to the schedule determination model 12b includes vector information in which information about each component of the analyzers A1 to A3 is arranged in a predetermined order, and an operation schedule of the analyzers A1 to A3. Includes two types of information. However, it is not necessary to include the operation schedule information in the input to the schedule determination model 12b. In this case, vector information in which information about each component is arranged in a predetermined order is input to the schedule determination model 12b of this example.
  • the information about each component includes the number of days remaining until replacement or inspection, etc. specified by the manufacturer of each component, and the ratio (%) to the limit value of the sensitivity of each component.
  • sensitivity is used as an index for judging the performance deterioration of each component, but information other than sensitivity may be adopted.
  • the sensitivity ratio of each component is a numerical value such as an analysis result measured using each component, or a numerical value (sensitivity) output by a sensor or the like that detects the degree of deterioration of each component.
  • the ratio obtained by dividing by the limit value determined by the manufacturer, etc. of the product to be replaced or inspected is shown as a percentage, and the necessity of replacement or inspection of each component is determined. It is numerical information that can be obtained.
  • the input information state S includes 20 days remaining in the filter F11 and a sensitivity ratio of 80%, 12 days remaining in the filter F12 and a sensitivity ratio of 90%, ..., 45 remaining days in the pump 33.
  • a ratio of day and sensitivity of 20% is included. It should be noted that these information may be information directly acquired by the information acquisition unit 11a from the analyzers A1 to A3, and is information obtained by performing a predetermined calculation or the like based on the acquired information. May be good.
  • the information about each component input to the schedule determination model 12b shown in this example is an example, and is not limited to this.
  • the input information to the schedule determination model 12b includes various information that the management server 10 can acquire from the analyzers A1 to A3, for example, warning information indicating an event leading to the failure of the component, detection sensitivity or performance of the component. At least one piece of information is adopted from such information or information related to the quality life period of a component. Which information is adopted is determined in advance according to, for example, the structure or performance of the analyzers A1 to A3 and their components.
  • the operation schedule of each analyzer A1 to A3 is represented as, for example, a bit string having a predetermined length (32 bits, 64 bits, etc.), and is operated one day, two days, three days, etc. in order from the MSB (Most Significant Bit) side.
  • the presence or absence of is stored as a binary value of 1 (operating) or 0 (non-operating).
  • the analyzer A1 will be operational after 1, 4, and 5 days
  • the analyzer A2 will be operational after 1, 3, 4, and 6 days
  • the analyzer A3 will be operational after 3 and 4 days.
  • An operation schedule indicating that it will operate has been entered.
  • the schedule determination model 12b may be configured to not accept the input of the operation schedule and determine the maintenance schedule based on the information about the components.
  • the action A output by the schedule determination model 12b is a maintenance schedule for replacement or inspection of each component of the analyzers A1 to A3.
  • the maintenance schedule is represented as a bit string having a predetermined length (for example, 32 bits or 64 bits) for each component, and whether or not maintenance is performed one day, two days, three days, etc. in order from the MSB (Most Significant Bit) side. Is stored as a binary value of 1 (maintenance performed) or 0 (maintenance not performed).
  • a maintenance schedule is output in which maintenance is performed on the filters F11 and F12 after 3 days, ..., And maintenance is performed on the pump P33 after 5 days.
  • the schedule determination model 12b can output the maintenance schedule in which the values of 0 are stored in all the bit strings.
  • the maintenance schedule determination unit 11c of the management server 10 determines the schedule based on the information about the analyzers A1 to A3 acquired by the information acquisition unit 11a and the operation schedules of the analyzers A1 to A3 acquired by the operation schedule acquisition unit 11b.
  • the information (state S) to be input to the model 12b is generated.
  • the maintenance schedule determination unit 11c inputs the generated information to the schedule determination model 12b, and acquires the information (action A) output in response to the input.
  • the information output by the schedule determination model 12b is the maintenance schedule of each component of the analyzers A1 to A3.
  • the maintenance schedule determination unit 11c determines the maintenance schedule of each of the analyzers A1 to A3 based on the acquired maintenance schedule of each component.
  • the schedule determination model 12b is learned by reinforcement learning in advance so as to appropriately determine the maintenance schedule of the components of the analyzers A1 to A3 based on the information about the components of the analyzers A1 to A3 and the operation schedule. It is a finished model. For example, the schedule determination model 12b determines the maintenance schedule so that the input operation schedule is avoided and the maintenance is completed on the operation day. Further, for example, the schedule determination model 12b determines the maintenance schedule so as to increase the operating rate of the analyzers A1 to A3 as much as possible. Further, for example, the schedule determination model 12b determines the maintenance schedule so as to reduce the burden of the number of times, time, cost, etc. related to the maintenance of the analyzers A1 to A3 as much as possible. Further, for example, the schedule determination model 12b determines the maintenance schedule so as to reduce the frequency of occurrence of defects in the analyzers A1 to A3 as much as possible.
  • the schedule determination model 12b is a trained model in which reinforcement learning is performed on the management server 10.
  • the learning processing unit 11e of the management server 10 performs reinforcement learning using the learning data in which the reward R for the state S and the action A is set.
  • the reward R of the learning data is set to a high value for those who perform the excellent action A with respect to the state S.
  • a higher value is set for the information about the analyzers A1 to A3 input as the state S so that the maintenance schedule determined as the action A is more efficient. , The less efficient the value is set.
  • Whether or not the maintenance schedule is efficient is determined based on, for example, the operating rate of the analyzers A1 to A3, the burden of maintenance, the frequency of occurrence of malfunctions of the analyzers, and the like. This determination may be made by the designer of this system or the like, or may be made by a device such as the management server 10.
  • the learning data may be created in advance, or may be created by itself based on the information accumulated by the management server 10. At least in the first learning process, pre-created learning data is used, and this learning data can be created based on, for example, the result of a simulation using a simulator.
  • the management server 10 is provided with a reward calculation unit that calculates the reward R according to the result of maintenance.
  • the reward calculation unit collects information on the operation results of the analyzers A1 to A3 for a predetermined period after the maintenance of the analyzers A1 to A3 is performed, for example.
  • the remuneration calculation unit collects information such as the cost and time spent for maintenance of the analyzers A1 to A3 in a predetermined period such as one month. Based on the collected information, the reward calculation unit determines the reward R of the learning data so that a high reward R is set for a high maintenance schedule such as implementation efficiency or maintenance efficiency.
  • the management server 10 may generate the learning data, or other means may be used.
  • the learning processing unit 11e of the management server 10 generates learning data every month, for example, and uses the generated learning data to perform reinforcement learning of the schedule determination model 12b to perform reinforcement learning of the storage unit.
  • the schedule determination model 12b stored in 12 is updated.
  • the learning processing unit 11e gives a higher reward as the operating rate of the analyzers A1 to A3 increases, and gives a higher reward when the maintenance load of the analyzers A1 to A3 is low, and the lower the frequency of occurrence of defects, the higher the reward. Generate training data to give high rewards.
  • the reward R can be calculated by subtracting the reward R according to the ratio of the devices A1 to A3 that could not be operated.
  • the reward R can be calculated by subtracting 10 from each time the reward is exceeded.
  • the calculation method of the reward R is an example, and the reward R is not limited to this, and the reward R may be determined by various methods other than these. Further, the reward R may be determined by combining the above-mentioned plurality of calculation methods.
  • the learning processing unit 11e determines the coefficients and thresholds of each neuron constituting the neural network of the schedule determination model 12b so that the reward R set for the state S and the action A of the learning data is maximized. ..
  • a DQN algorithm can be adopted for the reinforcement learning performed by the learning processing unit 11e.
  • the schedule determination model 12b is preliminarily learned by reinforcement learning, but the learning method is not limited to reinforcement learning.
  • the schedule determination model 12b may be learned by a learning method such as supervised learning using teacher data associated with input values and output values, or unsupervised learning using no teacher data.
  • the DQN method is adopted in this embodiment, but the present invention is not limited to this, and a method other than the DQN may be adopted.
  • FIG. 4 is a schematic diagram showing an example of an analysis result display screen by the management server 10.
  • the management server 10 can display the analysis results of the components contained in the exhaust gas of the automobile acquired from the analyzers A1 to A3 in real time during the execution of the test or after the test is completed.
  • the title 101a of "analysis result” indicating that this screen is the analysis result display screen is displayed at the top, and "analysis device A1" and “analysis device A2" are displayed below this.
  • the labels 101b of the three analyzers A1 to A3 of the "analyzer A3" are displayed side by side in the horizontal direction.
  • a region 101c for displaying the analysis results of the analyzers A1 to A3 is provided, and each region 101c has a numerical value indicating the name and content of the component contained in the exhaust gas as the analysis result.
  • the pairs are displayed side by side in the vertical direction.
  • an area 101d in which icons for operating the analysis devices A1 to A3 are arranged is provided.
  • an area 101e is provided in which icons for performing a setting operation related to the analysis result display screen or a switching operation from this screen to another screen are arranged.
  • the administrator who uses the management server 10 can confirm and verify the analysis results performed by the analysis devices A1 to A3 based on the analysis result display screen.
  • FIG. 5 is a schematic diagram showing an example of an alert notification screen by the management server 10.
  • the management server 10 acquires information on a failure or abnormality from the analyzers A1 to A3, the management server 10 gives an alert notification on the display unit 14 in order to notify the administrator of the information.
  • the title 102a of "alert notification” indicating that this screen is an alert notification screen is displayed at the top.
  • a selection area 102b for selecting the target device is provided on the right side
  • an alert area 102c for displaying the alert content is provided on the left side.
  • the names of the analyzers A1 to A3 and the dynamometers D1 to D3 from which the management server 10 has acquired information regarding a failure or abnormality are displayed in a list, and the administrator can check the alert contents from these. You can select one device. In the illustrated example, analyzer A1 is selected and the selected analyzer A1 is highlighted.
  • alert information regarding the selected analyzer A1 is displayed.
  • the "alert” and “unit” labels are attached to the upper part of the alert area 102c, the content of the alert is displayed below the “alert” label, and the unit (configuration) corresponding to the alert content is below the "unit” label.
  • the name of the part) is displayed.
  • "cooling fan stop” is displayed as the content of the alert
  • "fan B2" is displayed as the corresponding unit.
  • an area 102d in which icons for performing a setting operation related to the alert notification screen or a switching operation from this screen to another screen is provided.
  • the administrator who uses the management server 10 can confirm the presence or absence of a failure or abnormality in each of the analyzers A1 to A3 and the content of the failure or abnormality based on the alert notification screen.
  • FIG. 6 is a schematic diagram showing an example of a deadline notification screen by the management server 10.
  • the management server 10 Based on the information acquired from the analyzers A1 to A3, the management server 10 notifies the deadline of the information regarding the components included in the analyzers A1 to A3 that have exceeded the deadline for replacement or inspection. Notify on the screen.
  • the deadline notification screen of this example the title 103a of "deadline notification" indicating that this screen is the deadline notification screen is displayed at the top. Below the title 103a, a selection area 103b for selecting a target device is provided on the right side, and a notification area 103c for displaying information on expiration is provided on the left side.
  • the names of the analyzers A1 to A3 and the dynamometers D1 to D3 having overdue components are displayed in a list, and the administrator selects one target device for which the notification content is to be confirmed. can do.
  • analyzer A1 is selected and the selected analyzer A1 is highlighted.
  • the notification area 103c information regarding the expiration date of the component of the selected analyzer A1 is displayed.
  • the upper part of the notification area 103c is labeled "Unit” and "Status", the name of the overdue unit (component) is displayed below the "Unit” label, and the unit below the "Status” label.
  • the overdue status corresponding to is displayed.
  • “filter F11” is displayed as a unit, and it is shown that the state is "overdue 3 hours”.
  • “filter F12” is displayed as a unit, and it is shown that the state is "3 days remaining" until the expiration date.
  • an area 103d in which icons for performing a setting operation related to the deadline notification screen or a switching operation from this screen to another screen is provided is provided.
  • the administrator who uses the management server 10 determines whether or not there are any components of the analyzers A1 to A3 that have exceeded the deadline for replacement or inspection, and how long the deadline is. It is possible to check whether it exceeds the limit.
  • FIG. 7 is a schematic diagram showing an example of the sensitivity history screen by the management server 10.
  • the management server 10 can display, for example, a change in the sensitivity of the zero point of the analysis unit as the sensitivity of the exhaust gas analysis of the analyzers A1 to A3.
  • the title 104a of "sensitivity history" indicating that this screen is the sensitivity history screen is displayed at the top.
  • a pull-down menu 104b for selecting a target device is provided on the right side
  • a pull-down menu 104c for selecting a gas to be analyzed is provided on the left side.
  • the unit that analyzes CH4 of the analyzer A1 is selected.
  • a graph display area 104d is provided below the two pull-down menus 104b and 104c.
  • a graph is displayed in which the horizontal axis is time and the vertical axis is the amount of deviation from the zero point.
  • the first threshold value indicated by the alternate long and short dash line and the second threshold value indicated by the alternate long and short dash line are displayed. For example, when the deviation amount with respect to the zero point exceeds the first threshold value, an alert display prompting maintenance is performed, and when the deviation amount exceeds the second threshold value, analysis is prohibited.
  • An alert display area 104e is provided below the graph display area 104d, and a message is displayed when the amount of deviation from the zero point exceeds the first threshold value or the second threshold value.
  • an area 104f is provided in which icons for performing setting operations related to the sensitivity history screen or switching operations from this screen to another screen are arranged.
  • the administrator who uses the management server 10 can confirm whether or not the sensitivity of each of the analyzers A1 to A3 is reduced based on the sensitivity history screen.
  • FIG. 8 is a schematic diagram showing an example of the maintenance schedule display screen by the management server 10.
  • the management server 10 displays the maintenance schedules of the analyzers A1 to A3 determined by the maintenance schedule determination unit 11c using the schedule determination model 12b on the maintenance schedule display screen.
  • the title 105a of "maintenance schedule” indicating that this screen is the maintenance schedule display screen is displayed at the top.
  • a maintenance schedule display area 105b is provided below the title 105a.
  • the maintenance schedule display area 105b labels for "date”, “device”, and “component” are displayed side by side in the horizontal direction. Below these three labels, the maintenance schedules of the analyzers A1 to A3 are listed.
  • the maintenance schedule displayed on this screen is a maintenance schedule recommended by the management server 10, and it is up to the administrator to decide whether or not to perform maintenance according to this schedule.
  • maintenance of the filters F11, F12, and F13 of the analyzer A1 is recommended on March 25, 2019, and maintenance of the pumps P21, P22, and P23 of the analyzer A2 is recommended on the same day. Further, on April 8, 2019, maintenance of the filters F31, F32, and F33 of the analyzer A3 is recommended.
  • an area 105c is provided in which icons for performing setting operations related to the maintenance schedule display screen or switching operations from this screen to another screen are arranged.
  • the administrator who uses the management server 10 can consider the maintenance schedule of each of the analyzers A1 to A3 based on the maintenance schedule display screen.
  • FIG. 9 is a schematic diagram showing another example of the maintenance schedule display screen by the management server 10.
  • the management server 10 may display the maintenance schedule display screen shown in FIG. 9 on the display unit 14 instead of the maintenance schedule display screen shown in FIG.
  • the title 106a of "maintenance schedule" indicating that this screen is the maintenance schedule display screen is displayed at the top.
  • a tab 106b for switching and displaying a plurality of maintenance schedule candidates is provided below the title 106a.
  • the schedule determination model 12b of the management server 10 can output a plurality of candidates for the maintenance schedules of the analyzers A1 to A3.
  • the management server 10 extracts three candidates from a plurality of maintenance schedules output by the schedule determination model 12b according to, for example, high and low evaluation values, and displays them in the tabs of "candidate 1", “candidate 2", and "candidate 3". Display the maintenance schedule in association with each other. The administrator can check the corresponding maintenance schedule by selecting any one of tabs 106b.
  • a maintenance schedule display area 106c is provided below the tab 106b.
  • the maintenance schedule of the candidate selected on the tab 106b is displayed.
  • labels such as “date”, “device”, “component”, “deadline”, and “sensitivity” are displayed side by side in the upper part of the maintenance schedule display area 106c. Below these five labels, the maintenance schedules of the analyzers A1 to A3 are listed. The “date”, “device” and “component” are the same as those on the maintenance schedule display screen shown in FIG. 8, but the maintenance schedule display screen shown in FIG. 9 shows the "deadline” and "sensitivity” for each component. Information is displayed individually.
  • maintenance of the filters F11, F12, and F13 of the analyzer A1 is recommended on March 25, 2019.
  • the deadline for filter F11 on March 25, which is the maintenance date is 3 days remaining, and the sensitivity is predicted to reach 80%.
  • the deadline for filter F12 is one day left, and the sensitivity is predicted to reach 95%.
  • the deadline for filter F13 is 7 days left and the sensitivity is predicted to reach 70%.
  • maintenance of the pumps P21, P22, and P23 of the analyzer A2 is recommended on March 25, 2019.
  • the deadline for pump P21 on March 25, the maintenance date is one day left, and the sensitivity is projected to reach 95%.
  • the deadline for pump P22 is one day left, and the sensitivity is predicted to reach 90%.
  • the deadline for pump P23 is 6 days left and the sensitivity is predicted to reach 75%.
  • an area 106d in which icons for performing setting operations related to the maintenance schedule display screen or switching operations from this screen to another screen are provided is provided.
  • the administrator who uses the management server 10 can switch and display a plurality of candidates for the maintenance schedule by performing a selection operation on the tab 106b, and can examine the maintenance schedule of each of the analyzers A1 to A3.
  • the screen display shown in FIGS. 4 to 9 is an example and is not limited to this.
  • the management server 10 may display various screens for notifying various information on the display unit 14.
  • FIG. 10 is a flowchart showing a procedure of maintenance schedule determination processing performed by the management server 10 according to the present embodiment.
  • the information acquisition unit 11a of the processing unit 11 of the management server 10 according to the present embodiment communicates with the analyzers A1 to A3 in the communication unit 13 and outputs predetermined information about the components of the analyzers A1 to A3.
  • the information acquired at this time is information that can determine the maintenance date of each component, and can be, for example, information indicating the deadline for replacement of the component, the sensitivity or the degree of deterioration of the component, and the like. ..
  • the operation schedule acquisition unit 11b of the processing unit 11 acquires the operation schedule information defined for the analyzers A1 to A3 (step S2). At this time, the operation schedule acquisition unit 11b may acquire the operation schedule by reading the operation schedule data input in advance, or acquire the operation schedule input from the administrator via the input unit 15. You may. However, the management server 10 does not have to determine the maintenance schedule in consideration of the operation schedule, and in this case, the operation schedule in step S2 of this flowchart does not have to be acquired. The acquisition of the operation schedule and the determination of the maintenance schedule in consideration of the operation schedule may be optional processes, not essential processes performed by the management server 10.
  • the maintenance schedule determination unit 11c of the processing unit 11 reads out the schedule determination model 12b stored in the storage unit 12 (step S3).
  • the maintenance schedule determination unit 11c generates information to be input to the schedule determination model 12b based on the information acquired in step S1 and the operation schedule acquired in step S2, and inputs the generated information to the schedule determination model 12b.
  • Step S4 the maintenance schedule determination unit 11c generates the input information in the format shown as the state S in FIG. 3 based on the acquired information and the operation schedule.
  • the maintenance schedule determination unit 11c acquires the information output by the schedule determination model 12b (step S5).
  • the information output from the schedule determination model 12b is the information in the format shown as the action A in FIG. 3, and shows the maintenance schedule for the components of the analyzers A1 to A3.
  • the display processing unit 11d of the processing unit 11 displays the maintenance schedule acquired in step S5 on the display unit 14 in the display mode shown in FIG. 8, for example (step S6), and ends the processing.
  • FIG. 11 is a flowchart showing a procedure of learning processing of the schedule determination model 12b performed by the management server 10 according to the present embodiment.
  • the information acquisition unit 11a of the processing unit 11 of the management server 10 according to the present embodiment periodically acquires information from the analyzers A1 to A3 (step S21).
  • the information acquisition unit 11a stores the acquired information in the storage unit 12 (step S22).
  • the management server 10 relearns the schedule determination model 12b at a predetermined timing, for example, once a month.
  • the processing unit 11 determines whether or not the timing for re-learning the schedule determination model 12b has been reached (step S23). When the timing of re-learning has not been reached (S23: NO), the processing unit 11 returns the processing to step S21 and repeatedly acquires and stores the information of the analyzers A1 to A3.
  • the learning processing unit 11e of the processing unit 11 stores information about the analyzers A1 to A3 stored and accumulated in the storage unit 12 since the previous execution of the learning process. Read (step S24).
  • the learning processing unit 11e determines the reward R for the state Q and the action A based on the information read in step S24, and generates learning data which is a set of these (step S25).
  • the learning processing unit 11e reads out the schedule determination model 12b stored in the storage unit 12 (step S26).
  • the learning processing unit 11e performs the learning process of reinforcement learning on the schedule determination model 12b read in step S26 by using the learning data generated in step S25 (step S27).
  • the learning processing unit 11e stores the schedule determination model 12b that has completed reinforcement learning in the storage unit 12 (step S28), and ends the processing.
  • the maintenance schedule for various components of the analyzers A1 to A3 that analyze the vehicle such as an automobile or the specimen that is a part of the vehicle Is determined by the management server 10 using the schedule determination model 12b learned in advance.
  • the schedule determination model 12b is a trained model that has been trained in advance so as to receive information related to the components of the analyzers A1 to A3 as input and output the maintenance schedule of the components. Further, the schedule determination model 12b is learned in advance so that a large amount of reward related to the maintenance schedule can be obtained.
  • the management server 10 can determine the maintenance schedule of the component parts by acquiring the information related to the component parts from the analyzers A1 to A3 and inputting the acquired information into the schedule determination model 12b. Efficient maintenance of the analyzers A1 to A3 can be expected by determining the maintenance schedule using the schedule determination model 12b that has been appropriately learned by reinforcement learning or the like.
  • the management server 10 acquires at least one piece of information such as information. This makes it possible to accurately determine the necessity of maintenance of the component parts of the analyzers A1 to A3.
  • the schedule determination model 12b accepts information related to the components of the plurality of analyzers A1 to A3 as input, and outputs the maintenance schedule for the components of the plurality of analyzers A1 to A3.
  • the management server 10 can determine the maintenance schedule for the components of the plurality of analyzers A1 to A3.
  • the schedule determination model 12b for determining the maintenance schedule is generated by performing reinforcement learning that gives a high reward when the operating rates of the analyzers A1 to A3 are high.
  • the maintenance schedule is determined so that the operating rates of the analyzers A1 to A3 are high, and efficient maintenance can be realized.
  • the schedule determination model 12b that determines the maintenance schedule by performing reinforcement learning that gives a high reward when the load related to the maintenance of the analyzer (for example, the number of maintenances, time, cost, etc.) is low. To generate. As a result, the maintenance schedule is determined so that the load related to the maintenance of the analyzers A1 to A3 is reduced, and efficient maintenance can be realized.
  • the schedule determination model 12b for determining the maintenance schedule is generated by performing reinforcement learning that gives a high reward when the frequency of occurrence of defects in the analyzers A1 to A3 is low.
  • the maintenance schedule is determined so as to suppress the occurrence of defects in the analyzers A1 to A3, and the analyzers A1 to A3 can be used efficiently.
  • the schedule determination model 12b further accepts the operation schedules of the analyzers A1 to A3 as inputs, and determines the maintenance schedule according to the operation schedule.
  • the schedule determination model 12b can determine the maintenance schedule while avoiding the period when the analyzers A1 to A3 need to be operated, and efficient maintenance of the analyzers A1 to A3 can be realized.
  • the operating rates of the analyzers A1 to A3 and the analyzers A1 to A1 to the learning model that accepts the information related to the components of the analyzers A1 to A3 as input and outputs the maintenance schedule of the components.
  • a trained schedule determination model 12b is generated by performing reinforcement learning that gives a reward according to the load related to the maintenance of A3 or the frequency of occurrence of defects in the analyzers A1 to A3.
  • the schedule determination model 12b can determine the maintenance schedule in consideration of the operating rate of the analyzers A1 to A3, the load related to maintenance, the malfunction of the analyzers A1 to A3, and the like, and efficient maintenance can be realized.
  • the management server 10 manages three analyzers A1 to A3, but the present invention is not limited to this, and the number of control target analyzers is two or less or four. That may be the above.
  • the screen display shown in FIGS. 4 to 9 is an example and is not limited to this, and the management server 10 may perform any screen display.
  • the filter and the pump are mentioned as the components of the analyzers A1 to A3, the components may be any other than these. Maintenance of the components of the analyzers A1 to A3 is not limited to replacement, but may include operations such as adjustment and calibration.
  • the management server 10 according to the second embodiment does not determine the schedule using the schedule determination model 12b, but determines the schedule according to a predetermined rule.
  • the management server 10 according to the second embodiment does not include the schedule determination model 12b of the storage unit 12 and the learning processing unit 11e of the processing unit 11 in the block diagram shown in FIG.
  • a method of determining the maintenance schedule by the maintenance schedule determination unit 11c of the management server 10 according to the second embodiment will be described.
  • the maintenance schedule determination unit 11c of the management server 10 determines the maintenance date for each component of the analyzers A1 to A3 based on the information about the analyzers A1 to A3 acquired by the information acquisition unit 11a. To do. At this time, the maintenance schedule determination unit 11c may determine the maintenance due date by acquiring the information on the usage time of the component and comparing it with the upper limit, for example, when the upper limit of the usage time is set for the component. it can. Further, for example, when maintenance is performed according to deterioration of the performance of a component, the maintenance schedule determination unit 11c acquires information such as sensitivity indicating the performance of the component and compares it with a threshold value as a criterion for determining the performance deterioration. The maintenance date can be determined by performing. Note that these methods for determining the maintenance date are examples, and are not limited to this.
  • FIG. 12 is a schematic diagram showing an example of a maintenance date for each component.
  • the maintenance date of the filter F11 of the analyzer A1 and the filter F22 of the analyzer A2 is determined to be April 1, 2019.
  • the maintenance date of the filter F21 of the analyzer A2 is determined to be April 8, 2019, and the maintenance date of the filter F31 of the analyzer A3 is determined to be April 15, 2019.
  • the maintenance date of the pump P31 of the analyzer A3 is determined to be April 22, 2019, the maintenance date of the pump P11 of the analyzer A1 is determined to be April 29, 2019, and the maintenance date of the pump P33 of the analyzer A3 is determined. It has been decided that it will be May 6, 2019.
  • the maintenance date of the filter F33 of the analyzer A3 is determined to be May 13, 2019, and the maintenance date of the pump P12 of the analyzer A1 is determined to be May 20, 2019.
  • FIG. 13 is a schematic diagram showing an example of a maintenance schedule summarized for each analyzer, and shows an example in which a maintenance schedule for each of the analyzers A1 to A3 is determined based on the maintenance date shown in FIG. According to FIG. 12, the maintenance date of the component of the analyzer A1 is the earliest for the filter F11. Therefore, the maintenance schedule determination unit 11c has two months from April 1, 2019, which is the maintenance date of the filter F11.
  • the maintenance dates for the filters F11 and pumps P11 and P12 of the analyzer A1 are determined to be April 1, 2019 so that the pumps P11 and P12 of the components that reach the maintenance deadline within the maintenance date will be maintained on the same day as the filter F11. ..
  • the maintenance schedule determination unit 11c maintains the filter F22 within two months from the maintenance date of April 1, 2019.
  • the maintenance date of the filters F21 and F22 of the analyzer A2 is determined to be April 1, 2019 so that the filter F21 of the component component that reaches the due date will be maintained on the same day as the filter F22.
  • the filter F31 has the earliest maintenance date among the components of the analyzer A3, the maintenance schedule determination unit 11c maintains the filter F31 within two months from the maintenance date of April 15, 2019.
  • the maintenance dates for the filters F31, F33 and pumps P31, P33 of the analyzer A3 are set to April 15, 2019 so that the filters F33 and pumps P31, P33 of the components that reach the due date will be maintained on the same day as the filter F31. decide.
  • FIG. 14 is a schematic diagram showing an example of the operation schedule of the analyzers A1 to A3.
  • the analyzers A3 are operated on March 25, 2019, the analyzers A1 and A2 are operated on April 1, 2019, and the analyzers A1 and A2 are operated on April 8, 2019. It is scheduled to start operation of analyzer A3 on April 15, 2019.
  • FIG. 15 is a schematic diagram showing an example of a maintenance schedule in consideration of the operation schedule. Since the maintenance schedule determination unit 11c needs to operate the analyzers A1 and A2 on April 1, 2019, the maintenance of the analyzers A1 and A2 on April 1, 2019 will be performed on April 1, 2019. Change to 25th of March. Similarly, since the maintenance schedule determination unit 11c needs to operate the analyzer A3 on April 15, 2019, the maintenance of the analyzer A3 on April 15, 2019 is performed in April 2019 before this date. Change to 8th. In this example, for maintenance that overlaps with the operation schedule, one week before is set as a new maintenance day with a margin, but one day before or the like may be set as a new maintenance day.
  • the management server 10 according to the second embodiment does not have to adjust the maintenance schedule in consideration of the operation schedule.
  • the maintenance schedule shown in FIG. 13 is displayed as the maintenance schedule determined by the management server 10.
  • FIG. 16 is a flowchart showing the procedure of the maintenance schedule determination process performed by the management server 10 according to the second embodiment.
  • the information acquisition unit 11a of the processing unit 11 of the management server 10 according to the second embodiment communicates with the analyzers A1 to A3 by the communication unit 13, and outputs predetermined information about the components of the analyzers A1 to A3.
  • the information acquired at this time is information that can determine the maintenance date of each component, and can be, for example, information indicating the deadline for replacement of the component, the sensitivity or the degree of deterioration of the component, and the like. ..
  • the maintenance schedule determination unit 11c of the processing unit 11 determines the maintenance date for each component of the analyzers A1 to A3 based on the various acquired information (step S42).
  • the maintenance schedule determination unit 11c summarizes the maintenance dates for each of the analyzers A1 to A3 according to the component having the earliest maintenance date for a plurality of components having a difference in maintenance date within a predetermined period (step S43).
  • the operation schedule acquisition unit 11b of the processing unit 11 acquires the operation schedule information defined for the analyzers A1 to A3 (step S44). Based on the acquired operation schedule, the maintenance schedule determination unit 11c changes the maintenance schedule of the analyzers A1 to A3 so as to avoid the operation days of the analyzers A1 to A3 (step S45), and ends the process.
  • the management server 10 does not have to perform the process of acquiring the operation schedule information of step S44 in this flowchart and the process of changing the maintenance schedule based on the operation schedule of step S45. In this case, the management server 10 may finish the maintenance schedule determination process after finishing the process of step S43, and outputs the maintenance schedule summarizing the maintenance dates of the plurality of components as the process result in step S43.
  • the determination of the maintenance schedule in consideration of the operation schedule by the management server 10 according to the second embodiment is an optional process.
  • the management server 10 acquires information related to a plurality of components from a plurality of analyzers A1 to A3 that perform analysis related to an automobile, and determines a maintenance date for each component.
  • the management server 10 determines the maintenance schedule for each of the analyzers A1 to A3 based on the determined maintenance date for each component.
  • the management server 10 can determine the maintenance schedules of the plurality of analyzers A1 to A3 in consideration of the maintenance dates of the plurality of components of the analyzers A1 to A3, and the plurality of analyzers A1 to A1 to A3 to A3. Efficient maintenance of A3 can be expected.
  • the management server 10 acquires the operation schedule of the analyzers A1 to A3, avoids the operation days of the analyzers A1 to A3, and determines the maintenance schedule of the analyzers A1 to A3. As a result, maintenance can be performed during the period when the analyzers A1 to A3 are not operating, and the analyzers A1 to A3 can be reliably operated during the period when they need to be operated.
  • the maintenance schedule, operation schedule, and the like shown in FIGS. 12 to 15 in the second embodiment are examples and are not limited thereto.
  • the management server 10 according to the second embodiment summarizes the maintenance schedule for each of the analyzers A1 to A3, but is not limited to this, and for example, the maintenance schedule may be summarized for each of the buildings 1 to 3.
  • the management system according to the third embodiment notifies by transmitting information regarding the maintenance schedule determined by the management server 10 to a predetermined administrator's terminal device.
  • the terminal device may be various information processing devices such as a smartphone, a tablet type terminal device, or a PC (personal computer).
  • the management server 10 can notify the portable terminal device by using wireless communication such as a mobile phone communication network or a wireless LAN (Local Area Network).
  • the management server 10 stores, for example, the identification information of the terminal device of the administrator to be notified, or the information such as the email address or telephone number of the administrator in the database.
  • the notification destination may be one person or a plurality of notification destinations. Further, the notification destination may be different for each analyzer or each building. After determining the schedule, the management server 10 notifies the administrator and the like by transmitting information regarding the determined maintenance schedule to the notification destination registered in the database.
  • the management server 10 notifies the terminal device such as the administrator when, for example, an abnormality in the analyzer is detected, or when the replacement time of the component parts of the analyzer is approaching. You can.
  • the management system for managing the maintenance schedule of the analyzer has been described, but the management target of the management system is not only the analyzer but also various peripheral devices used together with the analyzer. Various related devices that support analysis by the analyzer may be included in the management target.
  • the vehicle test equipment management system manages the maintenance schedule of the analysis system including the analyzer and the vehicle test equipment (related equipment) such as the automatic driving device and the dynamometer used together with the analyzer. .. There may be a plurality of analysis systems to be managed.
  • the management server 10 according to the fourth embodiment acquires information on the components from the analyzer included in the analysis system, and also acquires information on the components from the vehicle test equipment such as the automatic driving device and the dynamometer.
  • the management server 10 uses vehicle test equipment such as an automatic driving device and a dynamometer to provide warning information indicating an event leading to a failure of a component, information on the detection sensitivity or performance of the component, or the quality of the component. Acquire information related to the life period as information related to components. Further, the management server 10 acquires information from vehicle test equipment such as an automatic driving device and a dynamometer that can determine a maintenance date for, for example, a component that needs to be replaced regularly.
  • the management server 10 determines whether or not there is an abnormality in the analysis system including the vehicle test equipment such as the automatic driving device and the dynamometer, and determines whether or not there is an abnormality in the component parts of these devices included in the analysis system. It is possible to determine the replacement time.
  • the management server 10 can notify the vehicle test equipment such as the automatic driving device and the dynamometer on the alert notification screen shown in FIG. 5 or the deadline notification screen shown in FIG. 6, for example.
  • the management server 10 determines the maintenance schedule of the analysis system including the analysis device and the vehicle test equipment such as the automatic driving device and the dynamometer based on the acquired information.
  • the management server 10 minimizes the burden of maintenance of the analysis system, such as the number of times, time, and cost, so as to increase the operating rate of the analysis system as much as possible, or reduces the frequency of occurrence of defects in the analysis system as much as possible.
  • To determine the maintenance schedule As the method of determining the maintenance schedule by the management server 10, either the method using the schedule determination model 12b described in the first embodiment or the method of determining the schedule according to the predetermined rule described in the second embodiment is adopted. May be done.
  • the management server 10 displays the determined maintenance schedule of the analysis system on, for example, the maintenance schedule display screen shown in FIG. 8 or FIG. On the maintenance schedule display screen, the management server 10 displays the maintenance schedule of the analyzer, the maintenance schedule of the automatic operation device, the maintenance schedule of the dynamometer, and the like.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

分析システムの効率的なメンテナンスを実現し得る管理システム、メンテナンススケジュール決定方法、コンピュータプログラム及び学習済モデルの生成方法を提供する。　管理システムは、車両又は該車両の一部である供試体の性能を分析する分析装置から、該分析装置の構成部品に係る情報として、前記構成部品の故障に繋がる警告情報、前記構成部品の感度若しくは性能に係る情報、又は、前記構成部品の寿命期限に係る情報の少なくとも１つを取得する取得部と、分析装置の構成部品に係る情報の入力に応じて効率的なメンテナンススケジュールを出力するよう学習された学習済モデルを用い、前記取得部が取得した情報を前記学習済モデルへ入力して前記分析装置のメンテナンススケジュールを決定する決定部とを備える。

Description

管理システム、メンテナンススケジュール決定方法、コンピュータプログラム及び学習済モデルの生成方法
　本開示は、自動車等の車両に係る分析を行う分析システムのメンテナンスを管理する管理システム、メンテナンススケジュール決定方法、コンピュータプログラム及び学習済モデルの生成方法に関する。
　車両又はその一部である供試体の開発及び評価を行うため、例えば供試体が排出する排ガスの成分を分析する分析装置が用いられる。分析装置の分析精度を維持するために、定期的な調整及び部品交換等のメンテナンスが必要不可欠である。
　特許文献１においては、デバイス管理装置に接続された全ての試験用デバイスに関し、特に緊急性の高い保守管理情報を簡易的かつ優先的に表示できるようにし、確実な保守点検ができるように図った試験システムが提案されている。この試験システムのデバイス管理装置は、試験用デバイスから出力される情報をディスプレイ上で消去可能、切り替え可能又は移動可能に表示する。デバイス管理装置は、試験用デバイスの感度低下を示す感度アラーム情報、試験用デバイスの蓄積稼働時間に係るアラーム情報である蓄積稼働時間アラーム情報、及び、試験用デバイスの検査日時の接近又は徒過を示す情報である検査日時アラーム情報の３つのアラーム情報については、各アラーム情報が示す内容に応じて形態が変化する３つのアラームアイコンを、この情報の表示の如何にかかわらず、優先して表示する。
特開２０１３－２４５９６４号公報
　分析装置には定期的なメンテナンスが必要不可欠であるが、メンテナンス中には分析装置が利用できないため、効率的なメンテナンスを行うことが望まれる。
　本開示は、斯かる事情に鑑みてなされたものであって、その目的とするところは、分析装置の効率的なメンテナンスを実現し得るメンテナンススケジュールを決定する管理システム、メンテナンススケジュール決定方法、コンピュータプログラム及び学習済モデルの生成方法を提供することにある。
　本開示に係る管理システムは、車両又は該車両の一部である供試体の性能を分析する分析装置、及び、該分析装置による分析を支援する関連装置をそれぞれ含む複数の分析システムから、各分析システムに含まれる装置が有する複数の構成部品に係る情報として、前記構成部品の故障に繋がる警告情報、前記構成部品の感度若しくは性能に係る情報、又は、前記構成部品の寿命期限に係る情報の少なくとも１つを取得する取得部と、前記取得部が取得した情報に基づいて、前記分析システムのメンテナンススケジュールを決定する決定部とを備える。
　また、本開示に係る管理システムは、前記決定部が、分析システムに含まれる装置の構成部品に係る情報の入力に応じて効率的なメンテナンススケジュールを出力するよう学習された学習済モデルを用い、前記取得部が取得した情報を前記学習済モデルへ入力して前記分析システムのメンテナンススケジュールを決定する。
　また、本開示に係る管理システムは、前記決定部が、前記分析システムによる分析の実施効率、又は、前記分析システムのメンテナンス効率が高くなるように、前記メンテナンススケジュールを決定する。
　また、本開示に係る管理システムは、前記学習済モデルが、メンテナンススケジュールに係る報酬が多く得られるよう強化学習がなされたモデルである。
　また、本開示に係る管理システムは、前記学習済モデルが、前記分析システムの稼働率が高い場合に高い報酬を与えた強化学習により学習されたモデルである。
　また、本開示に係る管理システムは、前記学習済モデルが、前記分析システムのメンテナンスに係る負担が低い場合に高い報酬を与えた強化学習により学習されたモデルである。
　また、本開示に係る管理システムは、前記学習済モデルが、前記分析システムの不具合の発生頻度が低い場合に高い報酬を与えた強化学習により学習されたモデルである。
　また、本開示に係る管理システムは、前記学習済モデルが、複数の分析システムの構成部品に係る情報の入力に応じて、複数の分析装置のメンテナンススケジュールを出力し、前記取得部は、複数の分析システムから構成部品に係る情報を取得し、前記決定部は、前記取得部が取得した複数の分析システムに含まれる装置の構成部品に係る情報を前記学習済モデルへ入力して、複数の分析システムのメンテナンススケジュールを決定する。
　また、本開示に係る管理システムは、前記分析システムの稼働スケジュールを取得する稼働スケジュール取得部を備え、前記学習済モデルは、前記分析システムに含まれる装置の前記構成部品に係る情報と前記分析システムの稼働スケジュールとの入力に応じてメンテナンススケジュールを出力する。
　また、本開示に係る管理システムは、前記分析システムの関連装置には、前記車両又は前記供試体が発生するトルクを吸収するダイナモメータを含み、前記分析装置は、前記車両又は前記供試体から排出されるガスを分析する。
　また、本開示に係る管理システムは、前記取得部は、複数の分析システムから情報を取得し、前記決定部は、前記取得部が取得した情報に基づいて、前記構成部品毎のメンテナンスの期日を決定する第１決定部と、前記第１決定部が決定した期日に基づき、前記分析システム毎に、メンテナンス期日が早く到達する構成部品のメンテナンス日に、メンテナンス期日が遅く到達する構成部品のメンテナンス日を揃えたメンテナンススケジュールを決定する第２決定部とを含む。
　また、本開示に係る管理システムは、前記第２決定部は、前記第１決定部が決定したメンテナンス期日が所定期間内の複数の構成部品について、メンテナンス日を揃えたメンテナンススケジュールを決定する。
　また、本開示に係る管理システムは、前記分析システムの稼働スケジュールを取得する稼働スケジュール取得部を備え、前記第２決定部は、前記稼働スケジュール取得部が取得した稼働スケジュールに基づき、前記分析システムを稼働する期間を避けて、前記分析システムのメンテナンススケジュールを決定する。
　また、本開示に係る管理システムは、前記決定部が決定したメンテナンススケジュールを、所定の端末装置へ通知する通知部を備える。
　また、本開示に係るメンテナンススケジュール決定方法は、車両又は該車両の一部である供試体の性能を分析する分析装置、及び、該分析装置による分析を支援する関連装置をそれぞれ含む複数の分析システムから、各分析システムに含まれる装置が有する複数の構成部品に係る情報として、前記構成部品の故障に繋がる警告情報、前記構成部品の感度若しくは性能に係る情報、又は、前記構成部品の寿命期限に係る情報の少なくとも１つを取得し、取得した情報に基づいて、前記分析システムのメンテナンススケジュールを決定する。
　また、本開示に係るコンピュータプログラムは、コンピュータに、車両又は該車両の一部である供試体の性能を分析する分析装置、及び、該分析装置による分析を支援する関連装置をそれぞれ含む複数の分析システムから、各分析システムに含まれる装置が有する複数の構成部品に係る情報として、前記構成部品の故障に繋がる警告情報、前記構成部品の感度若しくは性能に係る情報、又は、前記構成部品の寿命期限に係る情報の少なくとも１つを取得し、取得した情報に基づいて、前記分析システムのメンテナンススケジュールを決定する。
　また、本開示に係る学習済モデルの生成方法は、車両又は該車両の一部である供試体の性能を分析する分析装置、及び、該分析装置による分析を支援する関連装置を含む複数の分析システムに含まれる装置が有する複数の構成部品に係る情報として、前記構成部品の故障に繋がる警告情報、前記構成部品の感度若しくは性能に係る情報、又は、前記構成部品の寿命期限に係る情報の少なくとも１つを入力として受け付けて、前記分析システムのメンテナンススケジュールを出力する学習モデルに対し、前記分析システムの稼働率、前記分析システムのメンテナンスに係る負担、又は、前記分析システムの不具合の発生頻度に応じた報酬を与えて強化学習を行うことにより学習済モデルを生成する。
　本開示においては、自動車等の車両又はこの車両の一部である供試体に係る分析を行う分析装置が有する種々の構成部品に関するメンテナンススケジュールを、予め学習された学習済モデルを利用して決定する。学習済モデルは、分析装置の構成部品に係る情報の入力に応じて効率的な分析装置のメンテナンススケジュールを出力する。分析装置の構成部品に係る情報には、例えば構成部品の故障に繋がる警告情報、前記構成部品の感度若しくは性能に係る情報、又は、前記構成部品の寿命期限に係る情報等が含まれ得る。これらの情報のうちの少なくとも１つを取得して学習済モデルへ入力し、学習済モデルが出力するメンテナンススケジュールを取得することにより、分析装置のメンテナンススケジュールを決定することができる。適切に学習させた学習済モデルを用いてメンテナンススケジュールを決定することによって、分析装置の効率的なメンテナンスが期待できる。
　また本開示においては、分析装置による車両又は供試体の分析処理の実施効率、又は、分析装置のメンテナンス効率が高くなるように、メンテナンススケジュールを決定する。これにより、分析装置の効率的なメンテナンスが期待できる。
　また本開示においては、学習済モデルは、メンテナンススケジュールに係る報酬が多く得られるように予め学習がなされる。これにより学習がなされた学習済モデルは、構成部品に係る情報の入力に対して分析装置の効率的なメンテナンススケジュールを出力することができる。
　また、本開示においては、分析装置の稼働率が高い場合に高い報酬を与える強化学習を行うことにより、メンテナンススケジュールを出力する学習済モデルを生成する。これにより、分析装置の稼働率が高くなるようにメンテナンススケジュールが決定され、効率的なメンテナンスが実現できる。
　また、本開示においては、分析装置のメンテナンスに係る負荷（例えばメンテナンスの回数、時間又は費用等）が低い場合に高い報酬を与える強化学習を行うことにより、メンテナンススケジュールを出力する学習済モデルを生成する。これにより、メンテナンスに係る負荷が低くなるようにメンテナンススケジュールが決定され、効率的なメンテナンスが実現できる。
　また、本開示においては、分析装置の不具合の発生頻度が低い場合に高い報酬を与える強化学習を行うことにより、メンテナンススケジュールを出力する学習済モデルを生成する。これにより、分析装置の不具合の発生を抑えるようにメンテナンススケジュールが決定され、分析装置を効率的に利用することができる。
　また、本開示においては、学習済モデルが複数の分析装置の構成部品に係る情報を入力に応じて、複数の分析装置のメンテナンススケジュールを出力する。学習済モデルは、例えば複数の分析装置についてメンテナンススケジュールに係る報酬が多く得られるよう学習がなされる。複数の分析装置からそれぞれ情報を取得して学習済モデルへ入力することにより、複数の分析装置の構成部品についてメンテナンススケジュール決定することができる。
　また、本開示においては、分析装置の稼働スケジュールを学習済モデルが更に入力として受け付け、稼働スケジュールに応じたメンテナンススケジュールを出力する。これにより例えば学習済モデルは、分析装置を稼働させる必要がある期間を避けてメンテナンススケジュールを決定することができ、分析装置の効率的なメンテナンスが実現できる。
　また、本開示においては、分析装置の構成部品に係る情報を入力として受け付け、構成部品のメンテナンススケジュールを出力する学習モデルに対し、分析装置の稼働率、分析装置のメンテナンスに係る負荷（例えばメンテナンスの回数、時間若しくは費用等）又は分析装置の不具合の発生頻度等に応じた報酬を与える強化学習を行うことにより学習済モデルを生成する。これにより、分析装置の稼働率、メンテナンスに係る負荷又は分析装置の不具合等を考慮したメンテナンススケジュールを決定することができ、効率的なメンテナンスが実現できる。
　また、本開示においては、自動車等の車両又はこの車両の一部である供試体に係る分析を行う複数の分析装置から複数の構成部品に係る情報として例えば構成部品の故障に繋がる警告情報、前記構成部品の感度若しくは性能に係る情報、又は、前記構成部品の寿命期限に係る情報等の少なくとも１つを取得し、構成部品毎のメンテナンスの期日を決定する。次いで、構成部品毎の期日に基づき、メンテナンス期日が早く到達する構成部品のメンテナンス日に、メンテナンス期日が遅く到達する構成部品のメンテナンス日を揃えたメンテナンススケジュールを分析装置毎に決定する。これにより、各分析装置が有する複数の構成部品のメンテナンスの期日を考慮して、複数の分析装置のメンテナンススケジュールを決定することができ、複数の分析装置の効率的なメンテナンスが期待できる。
　また、本開示においては、構成部品毎に決定されたメンテナンス期日が所定期間内の複数の構成部品について、メンテナンス日を揃えたメンテナンススケジュールを決定する。これにより、メンテナンス期日が必要以上に隔たった複数の構成部品についてメンテナンス日が揃えられることを防止できる。
　また、本開示においては、分析装置の稼働スケジュールを更に取得し、分析装置を稼働する期間を避けて、分析装置のメンテナンススケジュールを決定する。これにより、分析装置が稼働しない期間にメンテナンスを行い、稼働する必要がある期間に分析装置を確実に稼働させることができる。
　本開示による場合は、分析システムの効率的なメンテナンスを実現し得るメンテナンススケジュールを決定することができる。
本実施の形態に係る車両試験設備の管理システムの概要を説明するための模式図である。 本実施の形態に係る管理サーバの構成を示すブロック図である。 本実施の形態に係るスケジュール決定モデルの一構成例を示す模式図である。 管理サーバによる分析結果の表示画面の一例を示す模式図である。 管理サーバによるアラート通知画面の一例を示す模式図である。 管理サーバによる期限通知画面の一例を示す模式図である。 管理サーバによる感度履歴画面の一例を示す模式図である。 管理サーバによるメンテナンススケジュール表示画面の一例を示す模式図である。 管理サーバによるメンテナンススケジュール表示画面の別の例を示す模式図である。 本実施の形態に係る管理サーバが行うメンテナンススケジュール決定処理の手順を示すフローチャートである。 本実施の形態に係る管理サーバが行うスケジュール決定モデルの学習処理の手順を示すフローチャートである。 構成部品毎のメンテナンス期日の一例を示す模式図である。 分析装置毎にまとめたメンテナンススケジュールの一例を示す模式図である。 分析装置の稼働スケジュールの一例を示す模式図である。 稼働スケジュールを考慮したメンテナンススケジュールの一例を示す模式図である。 実施の形態２に係る管理サーバが行うメンテナンススケジュール決定処理の手順を示すフローチャートである。
　本開示の実施形態に係る分析装置の管理システムの具体例を、以下に図面を参照しつつ説明する。なお、本開示はこれらの例示に限定されるものではなく、請求の範囲によって示され、請求の範囲と均等の意味及び範囲内でのすべての変更が含まれることが意図される。
＜システム概要＞
　図１は、本実施の形態に係る分析装置の管理システムの概要を説明するための模式図である。本実施の形態に係る管理システムは、例えば自動車等の車両又はこの車両の一部である供試体から排出される排気ガスに含まれる成分を分析する分析装置のメンテナンススケジュールを管理するシステムである。図示の例では、例えば自動車の製造工場又は試験場等に複数の建屋１～３が設けられており、各建屋１～３の内部に複数の分析装置が設置されている。例えば建屋１には３つの分析装置Ａ１～Ａ３が設置されており、各分析装置Ａ１～Ａ３は独立して稼働し、個々に自動車の排気ガスの分析を実施することができる。また各分析装置Ａ１～Ａ３は、個々に排気ガスの分析を行う分析部を複数備えてもよい。これにより各分析装置Ａ１～Ａ３は、複数の分析対象について同時的又は並行的に分析処理を進めることができる。
　なお、供試体は、例えば内燃機関を備えた車両又はエンジン等の車両の一部であってよく、内燃機関及び電気モータを備えたＨＶ（Hybrid Vehicle）又はその一部であってよく、電気モータ及びバッテリを備えたＥＶ（Electric Vehicle）又はその一部であってよく、電気モータ及び燃料電池を備えたＦＶ（Fuel cell Vehicle）又はその一部であってよい。また、分析装置は、供試体から排出される排ガスの成分を分析するだけではなく、供試体の性能を分析するものであればよい。例えば、分析装置は、供試体の走行性能を分析するものであってよく、タイヤ、ブレーキ、エンジン又はパワートレイン等の性能を試験するものであってよく、供試体が消費する燃料の消費量、電気モータが消費する電気の消費量（電費）又は燃料電池が消費する水素等の消費量を算出するものであってよい。
　各分析装置Ａ１～Ａ３は、自動運転装置（図示は省略する）及びダイナモメータＤ１～Ｄ３等との協働により、自動車の排気ガスの分析を行う。自動運転装置は、自動車のアクセル及びブレーキ等の操作を自動で行う装置である。ダイナモメータＤ１～Ｄ３は、自動車のエンジン等が発生するトルクを吸収し、エンジン等の回転数及びトルク等を制御する装置である。分析装置Ａ１～Ａ３が備えるダイナモメータＤ１～Ｄ３は、シャシダイナモメータ、エンジンダイナモメータ又はブレーキダイナモメータ等のいずれであってもよい。例えばシャシダイナモメータは、自動車の車輪を載せるローラを用いるローラ方式又は車軸に連結される連結方式等があり、自動車の走行状態を再現するための装置である。自動運転装置及びシャシダイナモメータの連携により自動車を疑似走行させ、走行中に排出される自動車の排気ガスを分析装置が取得してその成分等を分析する。ただし、自動運転装置は必須ではなく、自動運転装置に代えて人が自動車を運転して分析を行ってもよい。本実施の形態において分析装置Ａ１～Ａ３は、シャシダイナモメータを用いて供試体である車両を試験するものとするが、これに限るものではない。例えば分析装置Ａ１～Ａ３は、エンジンダイナモメータを用いてエンジンの性能を試験するものであってもよく、ダイナモメータを用いてパワートレインの性能を試験するものであってもよい。
　各分析装置Ａ１～Ａ３には、定期的に交換が必要な構成部品が複数備えられている。本実施の形態においては、交換が必要な構成部品としてフィルタ及びポンプを例に挙げて説明を行う。各構成部品には交換時期が定められており、分析装置Ａ１～Ａ３のメンテナンスにおいて構成部品の交換が行われる。ただし分析装置Ａ１～Ａ３の構成部品はフィルタ及びポンプに限るものではなく、これ以外の種々の構成部品が分析装置Ａ１～Ａ３に備えられてよい。また分析装置Ａ１～Ａ３のメンテナンスは、構成部品の交換のみではなく、構成部品の検査又は調整等の作業が含まれ得る。図示の例において分析装置Ａ１は、交換が必要な構成部品として３つのフィルタＦ１１～Ｆ１３と３つのポンプＰ１１～Ｐ１３とを備えている。分析装置Ａ２は、３つのフィルタＦ２１～Ｆ２３と、３つのポンプＰ２１～Ｐ２３とを備えている。分析装置Ａ３は、３つのフィルタＦ３１～Ｆ３３と、３つのポンプＰ３１～Ｐ３３とを備えている。
　各分析装置Ａ１～Ａ３は、有線又は無線の通信を行うことによって、管理サーバ１０との間で情報の送受信を行うことができる。管理サーバ１０は、建屋１～３とは別の例えば監理事務所等に設けられ、自動車の製造工場又は試験場等を管理する管理者が利用する装置である。本実施の形態において管理サーバ１０は、各建屋１～３に設けられた各分析装置Ａ１～Ａ３から種々の情報を取得して保持している。管理サーバ１０は、取得した種々の情報に基づいて、各分析装置Ａ１～Ａ３の構成部品のメンテナンス（交換）の期日を判定し、各分析装置Ａ１～Ａ３のメンテナンススケジュールを決定する処理を行う。また管理サーバ１０は、例えば決定したメンテナンススケジュールに応じて、分析装置Ａ１～Ａ３のメンテナンス会社等へメンテナンスの依頼等を行ってもよい。
　管理サーバ１０は、各分析装置Ａ１～Ａ３から、構成部品に関する情報として、構成部品の故障に繋がる事象を示す警告情報、前記構成部品の検出感度若しくは性能に係る情報、又は、前記構成部品の品質寿命期限に係る情報を取得する。故障に繋がる事象を示す警告情報は、例えば警告及びその事前通知情報（Alarm/Pre-caution）、並びに、性能確認の実施周期の事前通知情報（Notification for Quality Check）等の少なくとも１つの情報が含まれ得る。警告及び事前通知情報は、いずれも構成部品の故障に係る情報を管理者等へ通知する情報であり、構成部品の劣化等が進むにしたがってまず事前通知情報が出力され、更に劣化等が進むと警告が出力される。分析装置Ａ１～Ａ３は、フィルタ、ポンプ又は各種分析部等の構成物品の性能等に関する値と所定の第１閾値とを比較して、第１閾値を超えた場合に事前通知情報を出力する。更に分析装置Ａ１～Ａ３は、構成部品の性能等に関する値が、第１閾値よりも更に厳しい条件に設定された第２閾値を超えた場合に警告を出力する。また、性能確認の実施周期の事前通知情報は、フィルタ、ポンプ又は各種分析部等の構成物品の性能確認を実施する周期を事前に通知するものである。分析装置Ａ１～Ａ３は、この実施周期に達する時点から所定期間前の段階で、この事前通知情報を出力する。
　前記構成部品の検出感度若しくは性能に係る情報には、例えば性能の経時変化情報（Quality Check）、流量（Flow Rate）、バックグラウンドとしての全炭化水素の濃度（THC Background）、各種分析計の感度（Sensitivity）及びリアクタの圧力（Reactor Pressure）等の種々の情報の少なくとも１つが含まれ得る。前記構成部品の品質寿命期限に係る情報には、例えば構成部品の累積稼働時間（累積使用時間）及びその事前通知情報（Notification for Hour-Meter）、又は、定められた交換時期までの残日数等の少なくとも１つの情報である。ただし、上記の情報は一例であってこれに限るものではなく、管理サーバ１０は分析装置Ａ１～Ａ３からこれら以外のどのような情報を取得してもよい。
　本実施の形態において管理サーバ１０は、定期的な交換が必要な構成部品であるフィルタ及びポンプのメンテナンスの期日を判断し得る情報を、各分析装置Ａ１～Ａ３から少なくとも取得する。例えば構成部品に使用時間の上限が定められている場合、管理サーバ１０は、構成部品の使用時間の情報を取得して上限と比較することによりメンテナンスの時期を判断することができる。また例えば構成部品の性能劣化に応じてメンテナンスが行われる場合、管理サーバ１０は、構成部品の性能を示す情報を取得し、性能劣化の判断基準となる閾値との比較を行うことによりメンテナンスの期日を判断することができる。なおこれらのメンテナンス期日の判断方法は一例であって、これに限るものではない。
　管理サーバ１０は、分析装置Ａ１～Ａ３から取得した情報に基づいて、分析装置Ａ１～Ａ３のメンテナンススケジュールを決定する。管理サーバ１０は、例えば分析装置Ａ１～Ａ３の稼働率をできるだけ高めるように、分析装置Ａ１～Ａ３のメンテナンスに係る回数、時間及び費用等の負担をできるだけ低減するように、又は、分析装置Ａ１～Ａ３の不具合の発生頻度をできるだけ低減するように、メンテナンススケジュールを決定する。本実施の形態において管理サーバ１０は、分析装置Ａ１～Ａ３のメンテナンススケジュールを決定するＡＩ（Artificial Intelligence）を搭載しており、分析装置Ａ１～Ａ３から取得した種々の情報に基づいてＡＩがメンテナンススケジュールを決定する。
　また管理サーバ１０は、分析装置Ａ１～Ａ３の稼働スケジュール、即ち分析装置Ａ１～Ａ３を利用した分析を実施する日程に関する情報の入力を受け付けることができる。稼働スケジュールが入力された場合、管理サーバ１０のＡＩは、分析装置Ａ１～Ａ３を稼働する必要がある日又は時間を避けて、且つ、この稼働日時に分析装置Ａ１～Ａ３が利用可能な状態となっているように、分析装置Ａ１～Ａ３のメンテナンススケジュールを決定する。ただし、管理サーバ１０による分析装置Ａ１～Ａ３の稼働スケジュールの入力受付は必須ではなく、管理サーバ１０は稼働スケジュールを考慮したスケジュールの決定を行わない構成であってもよい。
　また管理サーバ１０は、分析装置Ａ１～Ａ３から取得した種々の情報、及び、ＡＩにより決定されたメンテナンススケジュール等を、ディスプレイ等の装置に様々な態様で表示することができる。管理者等は、管理サーバ１０が表示する情報に基づいて、分析装置Ａ１～Ａ３の稼働状態及び異常の有無等を把握することができる。
＜装置構成＞
　図２は、本実施の形態に係る管理サーバ１０の構成を示すブロック図である。本実施の形態に係る管理サーバ１０は、処理部（プロセッサ）１１、記憶部（ストレージ）１２、通信部（トランシーバ）１３、表示部（ディスプレイ）１４及び入力部（入力デバイス）１５等を備えて構成されている。処理部１１は、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro-Processing Unit）又はＧＰＵ（Graphics Processing Unit）等の演算処理装置を用いて構成されている。処理部１１は、記憶部１２に記憶されたサーバプログラム１２ａを読み出して実行することにより、分析装置Ａ１～Ａ３から情報を取得する処理、及び、取得した情報に基づいてメンテナンススケジュールを決定する処理等を行う。
　記憶部１２は、例えばハードディスク等の大容量の記憶装置を用いて構成されている。記憶部１２は、処理部１１が実行する各種のプログラム、及び、処理部１１の処理に必要な各種のデータを記憶する。本実施の形態において記憶部１２は、処理部１１が実行するサーバプログラム１２ａと、学習済モデル（識別器）としてスケジュール決定モデル１２ｂとを記憶している。
　通信部１３は、有線又は無線のネットワークを介して、種々の装置との間で通信を行うことができる。本実施の形態において通信部１３は、ネットワークを介して複数の建屋１～３に設けられた複数の分析装置Ａ１～Ａ３及びダイナモメータＤ１～Ｄ３等の装置との間で通信を行う。通信部１３は、処理部１１から与えられたデータを他の装置へ送信すると共に、他の装置から受信したデータを処理部１１へ与える。
　表示部１４は、液晶ディスプレイ等を用いて構成されており、種々の画像及び文字等を表示する。表示部１４は、処理部１１の処理に基づいて種々の画像表示を行う。入力部１５は、例えばキーボード及びマウス等の入力装置を用いて構成されている。また入力部１５は、表示部１４の表面に設けられたタッチセンサを用いて構成されていてもよい。入力部１５は、ユーザによる種々の入力操作を受け付けて、受け付けた操作の内容を処理部２１へ通知する。
　なお記憶部１２は、管理サーバ１０に接続された外部記憶装置であってよい。また管理サーバ１０は、複数のコンピュータを含んで構成されるマルチコンピュータであってよく、ソフトウェアによって仮想的に構築された仮想マシンであってもよい。また管理サーバ１０は、上記の構成に限定されず、例えば可搬型の記憶媒体に記憶された情報を読み取る読取部等を含んでもよく、表示部１４及び入力部１５等を備えずに外部装置として接続される構成であってもよい。
　サーバプログラム１２ａは、例えば管理サーバ１０の製造段階において記憶部１２に書き込まれてもよい。例えばサーバプログラム１２ａは、遠隔の他のサーバ装置等が配信するものを管理サーバ１０が通信にて取得してもよい。例えばサーバプログラム１２ａは、メモリカード又は光ディスク等の記録媒体９９に記録されたサーバプログラム１２ａを管理サーバ１０が読み出して記憶部１２に記憶してもよい。例えばサーバプログラム１２ａは、記録媒体９９に記録されたものを書込装置が読み出して管理サーバ１０の記憶部１２に書き込んでもよい。サーバプログラム１２ａは、ネットワークを介した配信の態様で提供されてもよく、記録媒体９９に記録された態様で提供されてもよい。
　スケジュール決定モデル１２ｂは、管理サーバ１０のＡＩを実現するためのものであり、予め強化学習がなされた学習済モデルである。学習済モデルは、入力値に対して所定の演算を行い、演算結果を出力するものであり、記憶部１２にはこの演算を規定する関数の係数及び閾値等のデータがスケジュール決定モデル１２ｂとして記憶される。スケジュール決定モデル１２ｂは、分析装置Ａ１～Ａ３から取得した情報を入力とし、この入力に対して分析装置Ａ１～Ａ３のメンテナンススケジュールを出力するように学習された学習済モデルである。サーバプログラム１２ａを実行する処理部１１が、スケジュール決定モデル１２ｂとして記憶されたデータを読み込むことによって、分析装置Ａ１～Ａ３のメンテナンススケジュールを決定するための演算を処理部１１が実行することが可能となる。
　また本実施の形態に係る管理サーバ１０は、記憶部１２に記憶されたサーバプログラム１２ａを処理部１１が読み出して実行することにより、情報取得部１１ａ、稼働スケジュール取得部１１ｂ、メンテナンススケジュール決定部１１ｃ、表示処理部１１ｄ及び学習処理部１１ｅ等がソフトウェア的な機能ブロックとして実現される。情報取得部１１ａは、通信部１３にて分析装置Ａ１～Ａ３との通信を行い、分析装置Ａ１～Ａ３から所定の情報を繰り返し取得する処理を行う。情報取得部１１ａは、取得した情報を記憶部１２に記憶して蓄積する。
　稼働スケジュール取得部１１ｂは、入力部１５にて管理者による稼働スケジュールの入力操作を受け付けることにより、分析装置Ａ１～Ａ３の稼働スケジュールを取得する処理を行う。ただし、管理サーバ１０はメンテナンススケジュールの決定に稼働スケジュールを考慮しない構成であってもよく、この場合に管理サーバ１０は稼働スケジュール取得部１１ｂを備えていなくてよい。稼働スケジュール取得部１１ｂは、取得した稼働スケジュールの情報を記憶部１２に記憶する。又は、管理サーバ１０にスケジュール管理用のアプリケーションプログラムがインストールされている場合等には、管理者はこのアプリケーションプログラムを利用して分析装置Ａ１～Ａ３の稼働スケジュールを入力し、稼働スケジュール取得部１１ｂは、このアプリケーションプログラムから稼働スケジュールのデータを取得してもよい。稼働スケジュール取得部１１ｂが取得する稼働スケジュールは、例えば分析装置Ａ１が４月１５日の１０時から１６時まで自動車の試験を実施する等の情報である。
　メンテナンススケジュール決定部１１ｃは、管理対象の分析装置Ａ１～Ａ３のメンテナンススケジュールを決定する処理を行う。メンテナンススケジュール決定部１１ｃは、記憶部１２に記憶されたスケジュール決定モデル１２ｂを利用してメンテナンススケジュールを決定する。メンテナンススケジュール決定部１１ｃは、分析装置Ａ１～Ａ３による分析の実施効率、又は、分析装置のメンテナンス効率が高くなるように、メンテナンススケジュールを決定する。スケジュール決定モデル１２ｂは、分析装置Ａ１～Ａ３から取得できる情報、及び、分析装置Ａ１～Ａ３の稼働スケジュールを入力として受け付け、分析装置Ａ１～Ａ３のメンテナンススケジュールを出力するように予め強化学習がなされた学習済モデルである。スケジュール決定モデル１２ｂは、分析装置Ａ１～Ａ３による分析の実施効率、又は、分析装置のメンテナンス効率が高くなるメンテナンススケジュールを出力するように強化学習がなされる。メンテナンススケジュール決定部１１ｃは、情報取得部１１ａが取得した情報と、稼働スケジュール取得部１１ｂが取得した稼働スケジュールとをスケジュール決定モデル１２ｂへ入力し、スケジュール決定モデル１２ｂが出力するメンテナンススケジュールを取得することで、分析装置Ａ１～Ａ３のメンテナンススケジュールを決定する。
　表示処理部１１ｄは、表示部１４に対して種々の情報を表示する処理を行う。例えば表示処理部１１ｄは、メンテナンススケジュール決定部１１ｃが決定した分析装置Ａ１～Ａ３のメンテナンススケジュールを表示部１４に表示する。また例えば表示処理部１１ｄは、情報取得部１１ａが取得した分析装置Ａ１～Ａ３に係る種々の情報を、種々の表示形態で表示部１４に表示する。
　学習処理部１１ｅは、スケジュール決定モデル１２ｂを学習（再学習）する処理を行う。学習処理部１１ｅは、分析装置Ａ１～Ａ３に関する情報及び稼働スケジュールの入力情報と、この入力情報に対してスケジュール決定モデル１２ｂが決定したメンテナンススケジュールに対する報酬とを対応付けた学習用データを用いて、スケジュール決定モデル１２ｂの強化学習を行う。学習処理部１１ｅは、例えば１ヶ月に１回の頻度で、この１ヶ月間に蓄積された情報を用いて、スケジュール決定モデル１２ｂを再学習する。学習処理部１１ｅは、この期間に蓄積された情報に基づいて、メンテナンススケジュールに対する報酬を算出する処理を行ってよい。なおスケジュール決定モデル１２ｂの学習処理は別のサーバ装置にて行い、管理サーバ１０は学習用データとして利用される情報の蓄積のみを行ってもよい。
＜スケジュール決定モデル＞
　図３は、本実施の形態に係るスケジュール決定モデル１２ｂの一構成例を示す模式図である。本実施の形態においてスケジュール決定モデル１２ｂは、複数のニューロンが相互に結合したニューラルネットワークの構造を有する。既存の技術であるため詳しい説明は省略するが、ニューロンは複数の入力に対して演算を行い、演算結果として１つの値を出力する素子である。ニューロンは、演算に用いられる重み付けの係数及び閾値等の情報を有している。ニューラルネットワークの学習モデルは、複数個の入力値を受け付ける入力層と、入力層にて受け付けられたデータに対して演算処理を行う中間層と、中間層の演算結果を集約して複数個の値を出力する出力層とを備えている。深層学習及び強化学習等の学習処理は、予め与えられた多数の学習用データを用いて、ニューラルネットワークを構成する各ニューロンの係数及び閾値等に適切な値を設定する処理である。
　本実施の形態に係るスケジュール決定モデル１２ｂは、ニューラルネットワークの学習モデルに対して強化学習がなされた学習済モデルであり、例えばＤＱＮ（Deep Q-Network）の強化学習の手法が採用され得る。スケジュール決定モデル１２ｂは、状態Ｓのベクトル情報が入力層へ入力され、状態Ｓに対して行うべき行動Ａに相当するベクトル情報を出力層から出力する。
　本実施の形態において、スケジュール決定モデル１２ｂへ入力される状態Ｓは、分析装置Ａ１～Ａ３の各構成部品についての情報を所定の順序で並べたベクトル情報と、各分析装置Ａ１～Ａ３の稼働スケジュールとの２種の情報を含む。ただし、スケジュール決定モデル１２ｂへの入力に稼働スケジュールの情報を含まなくてもよい。この場合、本例のスケジュール決定モデル１２ｂへは各構成部品についての情報を所定の順序で並べたベクトル情報が入力される。
　各構成部品についての情報には、各構成部品の製造者等により定められた交換又は点検等までの残日数と、各構成部品についての感度の限界値に対する比率（％）とが含まれる。なお本例では各構成部品の性能劣化の判断基準の指標として感度を用いるが、感度以外の情報を採用してもよい。各構成部品の感度の比率は、各構成部品を用いて測定される分析結果等の数値、又は、各構成部品の劣化程度を検知するセンサ等が出力する数値（感度）等を、各構成部品の製造者等により定められた交換又は点検等が必要と判断される限界値で割り算することで得られる比率を百分率で示したものであり、各構成部品の交換又は点検等の要否を判別し得る数値情報である。図示の例において入力情報の状態Ｓには、フィルタＦ１１の残日数２０日及び感度の比率８０％と、フィルタＦ１２の残日数１２日及び感度の比率９０％と、…、ポンプ３３の残日数４５日及び感度の比率２０％とが含まれている。なおこれらの情報は、情報取得部１１ａが各分析装置Ａ１～Ａ３から直接的に取得する情報であってもよく、取得した情報に基づいて所定の演算等を施すことで得られる情報であってもよい。
　また本例で示すスケジュール決定モデル１２ｂへ入力される各構成部品についての情報は一例であって、これに限るものではない。スケジュール決定モデル１２ｂへの入力情報は、管理サーバ１０が分析装置Ａ１～Ａ３から取得することができる種々の情報、例えば構成部品の故障に繋がる事象を示す警告情報、構成部品の検出感度若しくは性能に係る情報、又は、構成部品の品質寿命期限に係る情報の中から少なくとも１つの情報が採用される。いずれの情報を採用するかは、例えば分析装置Ａ１～Ａ３及びその構成部品の構造又は性能等に応じて予め決定される。
　また各分析装置Ａ１～Ａ３の稼働スケジュールは、例えば所定長（３２ビット又は６４ビット等）のビット列として表され、ＭＳＢ（Most Significant Bit）側から順番に１日後、２日後、３日後…の稼働の有無が１（稼働）又は０（非稼働）の２値で格納されている。図示の例では、分析装置Ａ１について１日後、４日後及び５日後に稼働し、分析装置Ａ２について１日後、３日後、４日後及び６日後に稼働し、分析装置Ａ３について３日後及び４日後に稼働することを示す稼働スケジュールが入力されている。ただし、スケジュール決定モデル１２ｂは、稼働スケジュールの入力を受け付けず、構成部品に関する情報に基づいてメンテナンススケジュールを決定する構成であってもよい。
　スケジュール決定モデル１２ｂが出力する行動Ａは、分析装置Ａ１～Ａ３の各構成部品について交換又は点検等のためのメンテナンススケジュールである。例えばメンテナンススケジュールは、各構成部品について所定長（例えば３２ビット又は６４ビット等）のビット列として表され、ＭＳＢ（Most Significant Bit）側から順番に１日後、２日後、３日後…のメンテナンス実施の有無が１（メンテナンス実施）又は０（メンテナンス非実施）の２値で格納されている。図示の例では、フィルタＦ１１及びＦ１２について３日後にメンテナンスを実施し、…、ポンプＰ３３について５日後にメンテナンスを実施するメンテナンススケジュールが出力されている。なお構成部品のメンテナンスが必要ないと判断される場合には、スケジュール決定モデル１２ｂは、ビット列の全てに０の値が格納されたメンテナンススケジュールを出力し得る。
　管理サーバ１０のメンテナンススケジュール決定部１１ｃは、情報取得部１１ａが取得した分析装置Ａ１～Ａ３に関する情報と、稼働スケジュール取得部１１ｂが取得した分析装置Ａ１～Ａ３の稼働スケジュールとを基に、スケジュール決定モデル１２ｂへ入力する情報（状態Ｓ）を生成する。メンテナンススケジュール決定部１１ｃは、生成した情報をスケジュール決定モデル１２ｂへ入力し、この入力に応じて出力される情報（行動Ａ）を取得する。スケジュール決定モデル１２ｂが出力する情報は、分析装置Ａ１～Ａ３の各構成部品のメンテナンススケジュールである。メンテナンススケジュール決定部１１ｃは、取得した各構成部品のメンテナンススケジュールに基づいて、各分析装置Ａ１～Ａ３のメンテナンススケジュールを決定する。
　スケジュール決定モデル１２ｂは、分析装置Ａ１～Ａ３の各構成部品に関する情報及び稼働スケジュールに基づいて、各分析装置Ａ１～Ａ３の構成部品のメンテナンススケジュールを適切に決定するよう、予め強化学習がなされた学習済モデルである。例えばスケジュール決定モデル１２ｂは、入力された稼働スケジュールを避けて、且つ、稼働日にはメンテナンスが完了しているように、メンテナンススケジュールを決定する。また例えばスケジュール決定モデル１２ｂは、分析装置Ａ１～Ａ３の稼働率をできるだけ高めるように、メンテナンススケジュールを決定する。また例えばスケジュール決定モデル１２ｂは、分析装置Ａ１～Ａ３のメンテナンスに係る回数、時間及び費用等の負担をできるだけ低減するように、メンテナンススケジュールを決定する。また例えばスケジュール決定モデル１２ｂは、分析装置Ａ１～Ａ３の不具合の発生頻度をできるだけ低減するように、メンテナンススケジュールを決定する。
　またスケジュール決定モデル１２ｂは、管理サーバ１０にて強化学習がなされた学習済モデルである。管理サーバ１０の学習処理部１１ｅは、状態Ｓ及び行動Ａに対する報酬Ｒが設定された学習用データを用いて強化学習を行う。学習用データの報酬Ｒは、状態Ｓに対して優れた行動Ａを行うものに対して高い値が設定される。本実施の形態において学習用データの報酬Ｒでは、状態Ｓとして入力される分析装置Ａ１～Ａ３に関する情報に対し、行動Ａとして決定されるメンテナンススケジュールが効率的なものであるほど高い値が設定され、効率的でないものほど低い値が設定される。メンテナンススケジュールが効率的であるか否かについては、例えば分析装置Ａ１～Ａ３の稼働率、メンテナンスに係る負担又は分析装置の不具合の発生頻度等に基づいて判断される。この判断は、本システムの設計者等が行ってもよく、管理サーバ１０等の装置が行ってもよい。
　学習用データは、予め作成されたものを使用してもよく、管理サーバ１０が蓄積した情報に基づいて自ら作成してもよい。少なくとも最初の学習処理においては予め作成された学習用データが用いられ、この学習用データは例えばシミュレータを用いたシミュレーションの結果に基づいて作成され得る。２回目以降の学習処理（再学習処理）においては、管理サーバ１０が決定したメンテナンススケジュールに従ってメンテナンスを行った結果をフィードバックして報酬Ｒが設定された学習用データを用いることが好ましい。この場合、管理サーバ１０には、メンテナンスの結果に応じて報酬Ｒを算出する報酬算出部が備えられる。報酬算出部は、例えば分析装置Ａ１～Ａ３のメンテナンスの実施後の所定期間について、分析装置Ａ１～Ａ３の稼働実績に関する情報を収集する。報酬算出部は、例えば１ヶ月等の所定期間における分析装置Ａ１～Ａ３のメンテナンスに費やした費用及び時間等の情報を収集する。報酬算出部は、これらの収集した情報に基づいて、実施効率又はメンテナンス効率等の高いメンテナンススケジュールに対して高い報酬Ｒが設定されるように、学習用データの報酬Ｒを決定する。
　本実施の形態においては、管理サーバ１０が分析装置Ａ１～Ａ３から蓄積した情報に基づいて、例えば１ヶ月毎に分析装置Ａ１～Ａ３の稼働率、メンテナンスの負担（回数、時間及び費用等）、又は、不具合の発生頻度等を算出して、これらの算出結果に応じて報酬Ｒを設定した学習用データを生成する。学習用データの生成は、管理サーバ１０が行ってもよく、他の手段にて行われてもよい。本実施の形態においては、管理サーバ１０の学習処理部１１ｅが例えば１ヶ月毎に学習用データを生成し、生成した学習用データを用いてスケジュール決定モデル１２ｂの強化学習を行うことによって、記憶部１２に記憶されたスケジュール決定モデル１２ｂを更新する。このときに学習処理部１１ｅは、分析装置Ａ１～Ａ３の稼働率が高いほど高い報酬を与え、分析装置Ａ１～Ａ３のメンテナンスの負荷が低い場合に高い報酬を与え、不具合の発生頻度が低いほど高い報酬を与えるように、学習用データを生成する。
　例えば管理サーバ１０は、全ての稼働スケジュールに対して分析装置Ａ１～Ａ３を問題なく稼働させることができた場合を稼働率１００％として最高値の報酬Ｒ＝１００を与え、稼働スケジュールに対して分析装置Ａ１～Ａ３を稼働させることができなかった場合には、稼働できなかった比率に応じて報酬Ｒを減じることで、報酬Ｒを算出することができる。また例えば管理サーバ１０は、１ヶ月間でメンテナンスに要した時間の合計を算出し、合計時間が閾値を超えなかった場合に最高値の報酬Ｒ＝１００を与え、合計時間が閾値を１時間超える毎に報酬を１０減じることで報酬Ｒを算出することができる。また例えば管理サーバ１０は、１ヶ月間でメンテナンスに要した費用の合計を算出し、メンテナンス費用が閾値を超えなかった場合に最高値の報酬Ｒ＝１００を与え、メンテナンス費用が閾値を１０万円超える毎に報酬を１０減じることで報酬Ｒを算出することができる。また例えば管理サーバ１０は、不具合が全く発生していない場合に最高の報酬Ｒ＝１００を与え、不具合が発生する毎に報酬を１０減じることで報酬Ｒを算出することができる。なおこれらの報酬Ｒの算出方法は一例であって、これに限るものではなく、これら以外の種々の方法で報酬Ｒを決定してよい。また上記の複数の算出方法を組み合わせて、報酬Ｒを決定してもよい。
　学習処理部１１ｅは、学習用データの状態Ｓ及び行動Ａに対して設定された報酬Ｒが最大となるように、スケジュール決定モデル１２ｂのニューラルネットワークを構成する各ニューロンの係数及び閾値等を決定する。学習処理部１１ｅが行う強化学習には、例えばＤＱＮのアルゴリズムを採用することができる。
　なお本実施の形態においてスケジュール決定モデル１２ｂは強化学習により予め学習がなされたものとするが、学習の方法は強化学習に限らない。例えば入力値及び出力値が対応付けられた教師データを用いる教師あり学習、又は、教師データを用いない教師なし学習等の学習方法によりスケジュール決定モデル１２ｂの学習を行ってもよい。強化学習を行う場合についても、本実施の形態においてはＤＱＮの手法を採用するものとしたが、これに限るものではなく、ＤＱＮ以外の手法を採用してもよい。
＜情報表示処理＞
　本実施の形態に係る管理サーバ１０は、分析装置Ａ１～Ａ３から取得した情報を適宜に加工して表示部１４に表示することができる。以下に、いくつかの表示画面の例を示す。図４は、管理サーバ１０による分析結果の表示画面の一例を示す模式図である。管理サーバ１０は、分析装置Ａ１～Ａ３から取得した自動車の排気ガスに含まれる成分の分析結果を、試験の実行中にリアルタイムで又は試験の完了後に表示することができる。本例の分析結果の表示画面では、この画面が分析結果の表示画面であることを示す「分析結果」のタイトル１０１ａが最上部に表示され、この下方に「分析装置Ａ１」、「分析装置Ａ２」及び「分析装置Ａ３」の３つの分析装置Ａ１～Ａ３のラベル１０１ｂが水平方向に並べて表示されている。各ラベル１０１ｂの下方には各分析装置Ａ１～Ａ３の分析結果を表示する領域１０１ｃが設けられており、各領域１０１ｃには分析結果として排気ガスに含まれる成分の名称及び含有量を示す数値の組が、垂直方向に並べて表示されている。また分析結果の表示領域１０１ｃの下方には、各分析装置Ａ１～Ａ３の操作を行うためのアイコンが並べられた領域１０１ｄがそれぞれ設けられている。分析結果の表示画面の最下部には、分析結果の表示画面に関する設定操作又はこの画面から他の画面への切替操作等を行うためのアイコンが並べられた領域１０１ｅが設けられている。管理サーバ１０を使用する管理者は、分析結果の表示画面に基づいて、各分析装置Ａ１～Ａ３にて行われた分析結果の確認及び検証等を行うことができる。
　図５は、管理サーバ１０によるアラート通知画面の一例を示す模式図である。管理サーバ１０は、分析装置Ａ１～Ａ３から故障又は異常等に関する情報を取得した場合に、これを管理者へ通知すべく、表示部１４にてアラート通知を行う。本例のアラート通知の画面では、この画面がアラート通知画面であることを示す「アラート通知」のタイトル１０２ａが最上部に表示される。タイトル１０２ａの下方には、右側寄りに対象装置を選択する選択領域１０２ｂが設けられ、左側寄りにアラート内容を表示するアラート領域１０２ｃが設けられている。選択領域１０２ｂには、管理サーバ１０が故障又は異常等に関する情報を取得した分析装置Ａ１～Ａ３及びダイナモメータＤ１～Ｄ３の名称が一覧表示され、管理者はこれらの中からアラート内容を確認する対象装置を１つ選択することができる。図示の例では分析装置Ａ１が選択されており、選択された分析装置Ａ１が強調表示されている。
　アラート領域１０２ｃには、選択された分析装置Ａ１に関するアラートの情報が表示される。アラート領域１０２ｃの上部には「アラート」及び「ユニット」のラベルが付され、「アラート」ラベルの下方にアラートの内容が表示され、「ユニット」ラベルの下方にはアラート内容に対応するユニット（構成部品）の名称が表示される。本例では、アラートの内容として「冷却ファン停止」が表示され、対応するユニットとして「ファンＢ２」が表示されている。アラート通知画面の最下部には、アラート通知画面に関する設定操作又はこの画面から他の画面への切替操作等を行うためのアイコンが並べられた領域１０２ｄが設けられている。管理サーバ１０を使用する管理者は、アラート通知画面に基づいて、各分析装置Ａ１～Ａ３について故障又は異常等の有無、及び、故障又は異常等の内容を確認することができる。
　図６は、管理サーバ１０による期限通知画面の一例を示す模式図である。管理サーバ１０は、分析装置Ａ１～Ａ３から取得した情報に基づいて、分析装置Ａ１～Ａ３が備える構成部品のうち、交換又は検査等を行う必要がある期限を超過したものに関する情報を、期限通知画面にて通知する。本例の期限通知画面では、この画面が期限通知画面であることを示す「期限通知」のタイトル１０３ａが最上部に表示される。タイトル１０３ａの下方には、右側寄りに対象装置を選択する選択領域１０３ｂが設けられ、左側寄りに期限切れに関する情報を表示する通知領域１０３ｃが設けられている。選択領域１０３ｂには、期限を超過した構成部品を有する分析装置Ａ１～Ａ３及びダイナモメータＤ１～Ｄ３の名称が一覧表示され、管理者はこれらの中から通知内容を確認する対象装置を１つ選択することができる。図示の例では分析装置Ａ１が選択されており、選択された分析装置Ａ１が強調表示されている。
　通知領域１０３ｃには、選択された分析装置Ａ１の構成部品の期限超過に関する情報が表示される。通知領域１０３ｃの上部には「ユニット」及び「状態」のラベルが付され、「ユニット」ラベルの下方に期限超過したユニット（構成部品）の名称が表示され、「状態」ラベルの下方にはユニットに対応する期限超過の状態が表示される。本例では、ユニットとして「フィルタＦ１１」が表示され、状態として「期限超過３時間」であることが示されている。また本例では、ユニットとして「フィルタＦ１２」が表示され、状態として期限切れまで「残り３日」であることが示されている。期限通知画面の最下部には、期限通知画面に関する設定操作又はこの画面から他の画面への切替操作等を行うためのアイコンが並べられた領域１０３ｄが設けられている。管理サーバ１０を使用する管理者は、期限通知画面に基づいて、各分析装置Ａ１～Ａ３の構成部品について交換又は検査等の期限を超過したものが存在するか否か、及び、どの程度期限を超過しているか等を確認することができる。
　図７は、管理サーバ１０による感度履歴画面の一例を示す模式図である。管理サーバ１０は、分析装置Ａ１～Ａ３の排気ガス分析の感度として、例えば分析ユニットのゼロ点の感度の変化を表示することができる。本例の感度履歴画面では、この画面が感度履歴画面であることを示す「感度履歴」のタイトル１０４ａが最上部に表示される。タイトル１０４ａの下方には、右側寄りに対象装置を選択するプルダウンメニュー１０４ｂが設けられ、左側寄りに分析対象のガスを選択するプルダウンメニュー１０４ｃが設けられている。本例では、分析装置Ａ１のＣＨ４を分析するユニットが選択されている。
　２つのプルダウンメニュー１０４ｂ，１０４ｃの下方にはグラフ表示領域１０４ｄが設けられている。グラフ表示領域１０４ｄには、横軸を時間とし、縦軸をゼロ点に対するずれ量とするグラフが表示される。このグラフには、一点鎖線で示す第１閾値と、二点鎖線で示す第２閾値とが表示される。例えば、ゼロ点に対するずれ量が第１閾値を超えた場合にメンテナンスを促すアラート表示が行われ、第２閾値を超えた場合には分析を行うことが禁止される。グラフ表示領域１０４ｄの下方には、アラート表示領域１０４ｅが設けられており、ゼロ点に対するずれ量が第１閾値又は第２閾値を超えた場合等にメッセージ表示が行われる。感度履歴画面の最下部には、感度履歴画面に関する設定操作又はこの画面から他の画面への切替操作等を行うためのアイコンが並べられた領域１０４ｆが設けられている。管理サーバ１０を使用する管理者は、感度履歴画面に基づいて、各分析装置Ａ１～Ａ３の感度低下の有無等を確認することができる。
　図８は、管理サーバ１０によるメンテナンススケジュール表示画面の一例を示す模式図である。管理サーバ１０は、スケジュール決定モデル１２ｂを利用してメンテナンススケジュール決定部１１ｃが決定した分析装置Ａ１～Ａ３のメンテナンススケジュールを、メンテナンススケジュール表示画面にて表示する。本例のメンテナンススケジュール表示画面では、この画面がメンテナンススケジュール表示画面であることを示す「メンテナンススケジュール」のタイトル１０５ａが最上部に表示される。タイトル１０５ａの下方には、メンテナンススケジュール表示領域１０５ｂが設けられている。
　メンテナンススケジュール表示領域１０５ｂの上部には、「日付」、「装置」及び「構成部品」のラベルが水平方向に並べて表示されている。この３つのラベルの下方に、分析装置Ａ１～Ａ３のメンテナンススケジュールが一覧表示される。なお本画面で表示されるメンテナンススケジュールは、管理サーバ１０が推奨するメンテナンススケジュールであり、このスケジュールにてメンテナンスを行うか否かは管理者の判断にゆだねられる。本例では、２０１９年３月２５日に分析装置Ａ１のフィルタＦ１１，Ｆ１２，Ｆ１３のメンテナンスが推奨され、同日に分析装置Ａ２のポンプＰ２１，Ｐ２２，Ｐ２３のメンテナンスが推奨されている。また２０１９年４月８日に分析装置Ａ３のフィルタＦ３１，Ｆ３２，Ｆ３３のメンテナンスが推奨されている。メンテナンススケジュール表示画面の最下部には、メンテナンススケジュール表示画面に関する設定操作又はこの画面から他の画面への切替操作等を行うためのアイコンが並べられた領域１０５ｃが設けられている。管理サーバ１０を使用する管理者は、メンテナンススケジュール表示画面に基づいて、各分析装置Ａ１～Ａ３のメンテナンススケジュールを検討することができる。
　図９は、管理サーバ１０によるメンテナンススケジュール表示画面の別の例を示す模式図である。管理サーバ１０は、図８に示したメンテナンススケジュール表示画面に代えて、図９に示すメンテナンススケジュール表示画面を表示部１４に表示してもよい。図９に示すメンテナンススケジュール表示画面では、この画面がメンテナンススケジュール表示画面であることを示す「メンテナンススケジュール」のタイトル１０６ａが最上部に表示される。タイトル１０６ａの下方には、複数のメンテナンススケジュールの候補を切り替えて表示するためのタブ１０６ｂが設けられている。本例において管理サーバ１０のスケジュール決定モデル１２ｂは、分析装置Ａ１～Ａ３のメンテナンススケジュールについて複数の候補を出力することができるものとする。管理サーバ１０は、スケジュール決定モデル１２ｂが出力した複数のメンテナンススケジュールから例えば評価値等の高低に応じて３つの候補を抽出し、「候補１」、「候補２」及び「候補３」のタブに対応付けてメンテナンススケジュールを表示する。管理者は、タブ１０６ｂのいずれか１つを選択することにより、対応するメンテナンススケジュールを確認することができる。
　メンテナンススケジュール表示画面において、タブ１０６ｂの下方には、メンテナンススケジュール表示領域１０６ｃが設けられている。メンテナンススケジュール表示領域１０６ｃには、タブ１０６ｂにて選択された候補のメンテナンススケジュールが表示される。またメンテナンススケジュール表示領域１０６ｃの上部には、「日付」、「装置」、「構成部品」、「期限」及び「感度」等のラベルが水平方向に並べて表示されている。この５つのラベルの下方に、分析装置Ａ１～Ａ３のメンテナンススケジュールが一覧表示される。「日付」、「装置」及び「構成部品」については図８に示すメンテナンススケジュール表示画面のものと同じであるが、図９に示すメンテナンススケジュール表示画面では各構成部品について「期限」及び「感度」の情報が個別に表示される。「期限」のラベルに対しては、決定されたメンテナンスの日付に対して、構成部品の期限までの残日数の情報が表示される。「感度」のラベルに対しては、構成部品についての感度の限界値に対する比率（％）の情報が表示され、この情報はメンテナンスの日付に対して予測される感度を基に算出される。
　本例では、２０１９年３月２５日に分析装置Ａ１のフィルタＦ１１，Ｆ１２，Ｆ１３のメンテナンスが推奨されている。メンテナンス日である３月２５日におけるフィルタＦ１１の期限は残り３日であり、感度は８０％に達すると予測されている。またフィルタＦ１２の期限は残り１日であり、感度は９５％に達すると予測されている。フィルタＦ１３の期限は残り７日であり、感度は７０％に達すると予測されている。また本例では、２０１９年３月２５日に分析装置Ａ２のポンプＰ２１，Ｐ２２，Ｐ２３のメンテナンスが推奨されている。メンテナンス日である３月２５日におけるポンプＰ２１の期限は残り１日であり、感度は９５％に達すると予測されている。またポンプＰ２２の期限は残り１日であり、感度は９０％に達すると予測されている。ポンプＰ２３の期限は残り６日であり、感度は７５％に達すると予測されている。
　メンテナンススケジュール表示画面の最下部には、メンテナンススケジュール表示画面に関する設定操作又はこの画面から他の画面への切替操作等を行うためのアイコンが並べられた領域１０６ｄが設けられている。管理サーバ１０を使用する管理者は、タブ１０６ｂに対する選択操作を行うことによって、メンテナンススケジュールの複数の候補を切り替えて表示し、各分析装置Ａ１～Ａ３のメンテナンススケジュールを検討することができる。
　なお、図４～図９に示した画面表示は、一例であって、これに限るものではない。管理サーバ１０は、例示した画面以外に、種々の情報を通知する種々の画面を表示部１４に表示してよい。
＜フローチャート＞
　図１０は、本実施の形態に係る管理サーバ１０が行うメンテナンススケジュール決定処理の手順を示すフローチャートである。本実施の形態に係る管理サーバ１０の処理部１１の情報取得部１１ａは、通信部１３にて分析装置Ａ１～Ａ３との通信を行い、分析装置Ａ１～Ａ３の構成部品についての所定の情報を取得する（ステップＳ１）。このときに取得する情報は、各構成部品のメンテナンスの期日を決定し得る情報であり、例えば構成部品の交換等の期限、又は、構成部品の感度若しくは劣化度等を示す情報とすることができる。
　また処理部１１の稼働スケジュール取得部１１ｂは、分析装置Ａ１～Ａ３について定められている稼働スケジュールの情報を取得する（ステップＳ２）。このときに稼働スケジュール取得部１１ｂは、あらかじめ入力された稼働スケジュールのデータを読み出すことで稼働スケジュールを取得してもよく、又は、入力部１５を介して管理者から入力される稼働スケジュールを取得してもよい。ただし、管理サーバ１０は稼働スケジュールを考慮したメンテナンススケジュールの決定を行わなくてよく、この場合には本フローチャートのステップＳ２における稼働スケジュールの取得は行われなくてよい。稼働スケジュールの取得及び稼働スケジュールを考慮したメンテナンススケジュールの決定は、管理サーバ１０が行う必須の処理ではなく、オプション的な処理であってよい。
　次いで処理部１１のメンテナンススケジュール決定部１１ｃは、記憶部１２に記憶されたスケジュール決定モデル１２ｂを読み出す（ステップＳ３）。メンテナンススケジュール決定部１１ｃは、ステップＳ１にて取得した情報及びステップＳ２にて取得した稼働スケジュールに基づいて、スケジュール決定モデル１２ｂへ入力する情報を生成し、生成した情報をスケジュール決定モデル１２ｂへ入力する（ステップＳ４）。このときにメンテナンススケジュール決定部１１ｃは、取得した情報及び稼働スケジュールに基づいて、図３に状態Ｓとして示した形式の入力情報を生成する。
　次いでメンテナンススケジュール決定部１１ｃは、スケジュール決定モデル１２ｂが出力する情報を取得する（ステップＳ５）。ここでスケジュール決定モデル１２ｂから出力される情報は、図３に行動Ａとして示した形式の情報であり、分析装置Ａ１～Ａ３の構成部品についてのメンテナンススケジュールを示している。処理部１１の表示処理部１１ｄは、ステップＳ５にて取得したメンテナンススケジュールを、例えば図８に示した表示態様で表示部１４に表示し（ステップＳ６）、処理を終了する。
　図１１は、本実施の形態に係る管理サーバ１０が行うスケジュール決定モデル１２ｂの学習処理の手順を示すフローチャートである。本実施の形態に係る管理サーバ１０の処理部１１の情報取得部１１ａは、周期的に分析装置Ａ１～Ａ３からの情報を取得している（ステップＳ２１）。情報取得部１１ａは、取得した情報を記憶部１２に記憶する（ステップＳ２２）。管理サーバ１０は、例えば１ヶ月に１回の所定タイミングでスケジュール決定モデル１２ｂの再学習を行っている。処理部１１は、スケジュール決定モデル１２ｂの再学習を実施するタイミングに至ったか否かを判定する（ステップＳ２３）。再学習のタイミングに至っていない場合（Ｓ２３：ＮＯ）、処理部１１は、ステップＳ２１へ処理を戻し、分析装置Ａ１～Ａ３の情報の取得及び記憶を繰り返し行う。
　再学習のタイミングに至った場合（Ｓ２３：ＹＥＳ）、処理部１１の学習処理部１１ｅは、前回の学習処理の実施以降に記憶部１２に記憶して蓄積された分析装置Ａ１～Ａ３に関する情報を読み出す（ステップＳ２４）。学習処理部１１ｅは、ステップＳ２４にて読み出した情報に基づいて、状態Ｑ及び行動Ａに対する報酬Ｒを決定し、これらの組である学習用データを生成する（ステップＳ２５）。学習処理部１１ｅは、記憶部１２に記憶されたスケジュール決定モデル１２ｂを読み出す（ステップＳ２６）。学習処理部１１ｅは、ステップＳ２６にて読み出したスケジュール決定モデル１２ｂに対し、ステップＳ２５にて生成した学習用データを用いて強化学習の学習処理を行う（ステップＳ２７）。学習処理部１１ｅは、強化学習を終えたスケジュール決定モデル１２ｂを記憶部１２に記憶して（ステップＳ２８）、処理を終了する。
＜まとめ＞
　以上の構成の本実施の形態に係る分析装置の管理システムでは、自動車等の車両又はこの車両の一部である供試体に係る分析を行う分析装置Ａ１～Ａ３が有する種々の構成部品に関するメンテナンススケジュールを、予め学習されたスケジュール決定モデル１２ｂを利用して管理サーバ１０が決定する。スケジュール決定モデル１２ｂは、分析装置Ａ１～Ａ３の構成部品に係る情報を入力として受け付け、構成部品のメンテナンススケジュールを出力するように予め学習がなされた学習済モデルである。またスケジュール決定モデル１２ｂは、メンテナンススケジュールに係る報酬が多く得られるように予め学習がなされる。管理サーバ１０は、分析装置Ａ１～Ａ３から構成部品に係る情報を取得し、取得した情報をスケジュール決定モデル１２ｂへ入力することにより、構成部品のメンテナンススケジュールを決定することができる。強化学習等により適切に学習がなされたスケジュール決定モデル１２ｂを用いてメンテナンススケジュールを決定することによって、分析装置Ａ１～Ａ３の効率的なメンテナンスが期待できる。
　また本実施の形態においては、分析装置Ａ１～Ａ３の構成部品に係る情報として、として例えば故障に繋がる警告情報、前記構成部品の感度若しくは性能に係る情報、又は、前記構成部品の寿命期限に係る情報等の少なくとも１つの情報を管理サーバ１０が取得する。これにより、分析装置Ａ１～Ａ３の構成部品のメンテナンスの要否を精度よく判断することが可能となる。
　また本実施の形態においては、スケジュール決定モデル１２ｂが複数の分析装置Ａ１～Ａ３の構成部品に係る情報を入力として受け付け、複数の分析装置Ａ１～Ａ３の構成部品についてのメンテナンススケジュールを出力する。複数の分析装置Ａ１～Ａ３からそれぞれ情報を取得してスケジュール決定モデル１２ｂへ入力することにより、管理サーバ１０は、複数の分析装置Ａ１～Ａ３の構成部品についてメンテナンススケジュールを決定することができる。
　また本実施の形態においては、分析装置Ａ１～Ａ３の稼働率が高い場合に高い報酬を与える強化学習を行うことにより、メンテナンススケジュールを決定するスケジュール決定モデル１２ｂを生成する。これにより、分析装置Ａ１～Ａ３の稼働率が高くなるようにメンテナンススケジュールが決定され、効率的なメンテナンスが実現できる。
　また本実施の形態においては、分析装置のメンテナンスに係る負荷（例えばメンテナンスの回数、時間又は費用等）が低い場合に高い報酬を与える強化学習を行うことにより、メンテナンススケジュールを決定するスケジュール決定モデル１２ｂを生成する。これにより、分析装置Ａ１～Ａ３のメンテナンスに係る負荷が低くなるようにメンテナンススケジュールが決定され、効率的なメンテナンスが実現できる。
　また本実施の形態においては、分析装置Ａ１～Ａ３の不具合の発生頻度が低い場合に高い報酬を与える強化学習を行うことにより、メンテナンススケジュールを決定するスケジュール決定モデル１２ｂを生成する。これにより、分析装置Ａ１～Ａ３の不具合の発生を抑えるようにメンテナンススケジュールが決定され、分析装置Ａ１～Ａ３を効率的に利用することができる。
　また本実施の形態においては、分析装置Ａ１～Ａ３の稼働スケジュールをスケジュール決定モデル１２ｂが更に入力として受け付け、稼働スケジュールに応じたメンテナンススケジュールを決定する。これにより例えばスケジュール決定モデル１２ｂは、分析装置Ａ１～Ａ３を稼働させる必要がある期間を避けてメンテナンススケジュールを決定することができ、分析装置Ａ１～Ａ３の効率的なメンテナンスが実現できる。
　また本実施の形態においては、分析装置Ａ１～Ａ３の構成部品に係る情報を入力として受け付け且つ構成部品のメンテナンススケジュールを出力する学習モデルに対し、分析装置Ａ１～Ａ３の稼働率、分析装置Ａ１～Ａ３のメンテナンスに係る負荷、又は、分析装置Ａ１～Ａ３の不具合の発生頻度等に応じた報酬を与える強化学習を行って学習済のスケジュール決定モデル１２ｂを生成する。これによりスケジュール決定モデル１２ｂは、分析装置Ａ１～Ａ３の稼働率、メンテナンスに係る負荷又は分析装置Ａ１～Ａ３の不具合等を考慮したメンテナンススケジュールを決定することができ、効率的なメンテナンスが実現できる。
　なお本実施の形態においては、管理サーバ１０の管理対象となる分析装置を、分析装置Ａ１～Ａ３の３つとしたが、これに限るものではなく、管理対象緒分析装置は２つ以下又は４つ以上であってよい。また図４～図９に示した画面表示は、一例であってこれに限るものではなく、管理サーバ１０はどのような画面表示を行ってもよい。また分析装置Ａ１～Ａ３の構成部品としてフィルタ及びポンプを挙げたが、構成部品はこれら以外のどのようなものであってもよい。分析装置Ａ１～Ａ３の構成部品のメンテナンスは、交換に限らず、調整及び校正等の作業を含み得る。
＜実施の形態２＞
　実施の形態２に係る管理サーバ１０は、スケジュール決定モデル１２ｂを用いたスケジュールの決定を行うのではなく、予め定められた規則に従ってスケジュールを決定する。実施の形態２に係る管理サーバ１０は、図２に示したブロック図において、記憶部１２のスケジュール決定モデル１２ｂと、処理部１１の学習処理部１１ｅを備えていない。以下、実施の形態２に係る管理サーバ１０のメンテナンススケジュール決定部１１ｃによるメンテナンススケジュールの決定方法を説明する。
　実施の形態２に係る管理サーバ１０のメンテナンススケジュール決定部１１ｃは、情報取得部１１ａが取得した分析装置Ａ１～Ａ３に関する情報に基づいて、分析装置Ａ１～Ａ３の各構成部品についてのメンテナンス期日を決定する。このときにメンテナンススケジュール決定部１１ｃは、例えば構成部品に使用時間の上限が定められている場合、構成部品の使用時間の情報を取得して上限と比較することによりメンテナンスの期日を判断することができる。また例えば構成部品の性能等の劣化に応じてメンテナンスが行われる場合、メンテナンススケジュール決定部１１ｃは、構成部品の性能を示す感度等の情報を取得し、性能劣化の判断基準となる閾値との比較を行うことによりメンテナンスの期日を判断することができる。なおこれらのメンテナンス期日の判断方法は一例であって、これに限るものではない。
　図１２は、構成部品毎のメンテナンス期日の一例を示す模式図である。図示の例では、分析装置Ａ１のフィルタＦ１１及び分析装置Ａ２のフィルタＦ２２のメンテナンス期日が２０１９年４月１日と決定されている。また、分析装置Ａ２のフィルタＦ２１のメンテナンス期日は２０１９年４月８日と決定され、分析装置Ａ３のフィルタＦ３１のメンテナンス期日は２０１９年４月１５日と決定されている。分析装置Ａ３のポンプＰ３１のメンテナンス期日は２０１９年４月２２日と決定され、分析装置Ａ１のポンプＰ１１のメンテナンス期日は２０１９年４月２９日と決定され、分析装置Ａ３のポンプＰ３３のメンテナンス期日は２０１９年５月６日と決定されている。分析装置Ａ３のフィルタＦ３３のメンテナンス期日は２０１９年５月１３日と決定され、分析装置Ａ１のポンプＰ１２のメンテナンス期日は２０１９年５月２０日と決定されている。
　次いでメンテナンススケジュール決定部１１ｃは、分析装置Ａ１～Ａ３毎にメンテナンス日が同じ日となるように、メンテナンス期日の差が所定期間（例えば２ヶ月）以内の構成部品について、メンテナンス期日が最も早い構成部品に合せてメンテナンス日をまとめる。図１３は、分析装置毎にまとめたメンテナンススケジュールの一例を示す模式図であり、図１２に示したメンテナンス期日に基づいて分析装置Ａ１～Ａ３毎のメンテナンススケジュールを決定した例を示している。図１２によれば分析装置Ａ１の構成部品の中でメンテナンス期日が最も早いのはフィルタＦ１１であるため、メンテナンススケジュール決定部１１ｃは、フィルタＦ１１のメンテナンス期日である２０１９年４月１日から２ヶ月以内にメンテナンス期日に達する構成部品のポンプＰ１１，Ｐ１２をフィルタＦ１１と同じ日にメンテナンスを行うよう、分析装置Ａ１のフィルタＦ１１及びポンプＰ１１，Ｐ１２のメンテナンスス日を２０１９年４月１日に決定する。
　同様に分析装置Ａ２の構成部品の中でメンテナンス期日が最も早いのはフィルタＦ２２であるため、メンテナンススケジュール決定部１１ｃは、フィルタＦ２２のメンテナンス期日である２０１９年４月１日から２ヶ月以内にメンテナンス期日に達する構成部品のフィルタＦ２１をフィルタＦ２２と同じ日にメンテナンスを行うよう、分析装置Ａ２のフィルタＦ２１，Ｆ２２のメンテナンスス日を２０１９年４月１日に決定する。同様に分析装置Ａ３の構成部品の中でメンテナンス期日が最も早いのはフィルタＦ３１であるため、メンテナンススケジュール決定部１１ｃは、フィルタＦ３１のメンテナンス期日である２０１９年４月１５日から２ヶ月以内にメンテナンス期日に達する構成部品のフィルタＦ３３及びポンプＰ３１，Ｐ３３をフィルタＦ３１と同じ日にメンテナンスを行うよう、分析装置Ａ３のフィルタＦ３１，Ｆ３３及びポンプＰ３１，Ｐ３３のメンテナンスス日を２０１９年４月１５日に決定する。
　次いでメンテナンススケジュール決定部１１ｃは、稼働スケジュール取得部１１ｂが取得した分析装置Ａ１～Ａ３の稼働スケジュールに基づいて、メンテナンススケジュールを調整する。図１４は、分析装置Ａ１～Ａ３の稼働スケジュールの一例を示す模式図である。本例では、２０１９年３月２５日に分析装置Ａ３を稼働させ、２０１９年４月１日に分析装置Ａ１，Ａ２を稼働させ、２０１９年４月８日に分析装置Ａ１，Ａ２を稼働させ、２０１９年４月１５日に分析装置Ａ３を稼働させる予定が定められている。
　図１５は、稼働スケジュールを考慮したメンテナンススケジュールの一例を示す模式図である。メンテナンススケジュール決定部１１ｃは、２０１９年４月１日に分析装置Ａ１，Ａ２を稼働させる必要があることから、２０１９年４月１日の分析装置Ａ１，Ａ２のメンテナンスをこの日以前の２０１９年３月２５日に変更する。同様に、メンテナンススケジュール決定部１１ｃは、２０１９年４月１５日に分析装置Ａ３を稼働させる必要があることから、２０１９年４月１５日の分析装置Ａ３のメンテナンスをこの日以前の２０１９年４月８日に変更する。なお本例では、稼働スケジュールに重なったメンテナンスについて、余裕を見て１週間前を新たなメンテナンス日としているが、１日前等を新たなメンテナンス日としてもよい。
　なお実施の形態２に係る管理サーバ１０は、稼働スケジュールを考慮したメンテナンススケジュールの調整を行わなくてもよい。この場合には、図１３に示したメンテナンススケジュールが管理サーバ１０により決定されたメンテナンススケジュールとして表示される。
　図１６は、実施の形態２に係る管理サーバ１０が行うメンテナンススケジュール決定処理の手順を示すフローチャートである。実施の形態２に係る管理サーバ１０の処理部１１の情報取得部１１ａは、通信部１３にて分析装置Ａ１～Ａ３との通信を行い、分析装置Ａ１～Ａ３の構成部品についての所定の情報を取得する（ステップＳ４１）。このときに取得する情報は、各構成部品のメンテナンスの期日を決定し得る情報であり、例えば構成部品の交換等の期限、又は、構成部品の感度若しくは劣化度等を示す情報とすることができる。処理部１１のメンテナンススケジュール決定部１１ｃは、取得した種々の情報に基づいて、分析装置Ａ１～Ａ３の構成部品毎のメンテナンス期日を決定する（ステップＳ４２）。メンテナンススケジュール決定部１１ｃは、分析装置Ａ１～Ａ３毎に、メンテナンス期日の差が所定期間内の複数の構成部品について、最もメンテナンス期日が早い構成部品に合せて、メンテナンス日をまとめる（ステップＳ４３）。
　次いで処理部１１の稼働スケジュール取得部１１ｂは、分析装置Ａ１～Ａ３について定められている稼働スケジュールの情報を取得する（ステップＳ４４）。メンテナンススケジュール決定部１１ｃは、取得した稼働スケジュールに基づき、分析装置Ａ１～Ａ３の稼働日を避けるように、分析装置Ａ１～Ａ３のメンテナンススケジュールを変更し（ステップＳ４５）、処理を終了する。なお管理サーバ１０は、本フローチャートにおけるステップＳ４４の稼働スケジュールの情報を取得する処理と、ステップＳ４５の稼働スケジュールに基づくメンテナンススケジュールを変更する処理とを行わなくてもよい。この場合に管理サーバ１０は、ステップＳ４３の処理を終えた後でメンテナンススケジュール決定処理を終えてよく、ステップＳ４３において複数の構成部品のメンテナンス日をまとめたメンテナンススケジュールを処理結果として出力する。実施の形態２に係る管理サーバ１０による稼働スケジュールを考慮したメンテナンススケジュールの決定は、オプション的な処理である。
　以上の構成の実施の形態２に係る管理サーバ１０は、自動車に係る分析を行う複数の分析装置Ａ１～Ａ３から複数の構成部品に係る情報を取得し、構成部品毎のメンテナンス期日を決定する。管理サーバ１０は、決定した構成部品毎のメンテナンス期日に基づいて、分析装置Ａ１～Ａ３毎のメンテナンススケジュールを決定する。これにより管理サーバ１０は、各分析装置Ａ１～Ａ３が有する複数の構成部品のメンテナンス期日を考慮して、複数の分析装置Ａ１～Ａ３のメンテナンススケジュールを決定することができ、複数の分析装置Ａ１～Ａ３の効率的なメンテナンスが期待できる。
　また実施の形態２に係る管理サーバ１０は、分析装置Ａ１～Ａ３の稼働スケジュールを取得し、分析装置Ａ１～Ａ３の稼働日を避けて、分析装置Ａ１～Ａ３のメンテナンススケジュールを決定する。これにより、分析装置Ａ１～Ａ３が稼働しない期間にメンテナンスを行い、稼働する必要がある期間に分析装置Ａ１～Ａ３を確実に稼働させることができる。
　なお実施の形態２において図１２～図１５に示したメンテナンススケジュール及び稼働スケジュール等は、一例であってこれに限るものではない。また実施の形態２に係る管理サーバ１０は、分析装置Ａ１～Ａ３毎にメンテナンススケジュールをまとめているが、これに限るものではなく、例えば建屋１～３毎にメンテナンススケジュールをまとめてもよい。
　なお、実施の形態２に係る管理システムのその他の構成は、実施の形態１に係る管理システムと同様であるため、同様の箇所には同じ符号を付し、詳細な説明を省略する。
＜実施の形態３＞
　実施の形態３に係る管理システムは、管理サーバ１０が決定したメンテナンススケジュールに関する情報を、予め定められた管理者の端末装置へ送信することによって通知を行う。端末装置は、例えばスマートフォン、タブレット型端末装置又はＰＣ（パーソナルコンピュータ）等の種々の情報処理装置であってよい。管理サーバ１０は、例えば携帯電話通信網又は無線ＬＡＮ（Local Area Network）等の無線通信を利用して、可搬型の端末装置への通知を行うことができる。
　管理サーバ１０は、例えば通知先となる管理者の端末装置の識別情報、又は、管理者のメールアドレス若しくは電話番号等の情報をデータベースに記憶している。通知先は、１人であってもよく、複数であってもよい。また分析装置毎又は建屋毎等に通知先が異なっていてもよい。管理サーバ１０は、スケジュールの決定を行った後、データベース登録された通知先へ決定したメンテナンススケジュールに関する情報を送信することで、管理者等に通知を行う。
　また管理サーバ１０は、メンテナンススケジュール以外にも、例えば分析装置の異常を検出した場合、又は、分析装置の構成部品の交換時期が迫っている場合等に、管理者等の端末装置へ通知を行ってよい。
　なお、実施の形態３に係る管理システムのその他の構成は、実施の形態１に係る管理システムと同様であるため、同様の箇所には同じ符号を付し、詳細な説明を省略する。
＜実施の形態４＞
　上述の実施の形態１～３においては、分析装置のメンテナンススケジュールを管理する管理システムについて説明したが、管理システムの管理対象は分析装置のみでなく、分析装置と共に使用される周辺の様々な装置、分析装置による分析を支援する様々な関連装置が管理対象に含まれていてよい。
　実施の形態４に係る車両試験設備の管理システムは、分析装置と、この分析装置と共に用いられる自動運転装置及びダイナモメータ等の車両試験設備（関連装置）とを含む分析システムのメンテナンススケジュールを管理する。管理対象となる分析システムは複数であってよい。実施の形態４に係る管理サーバ１０は、分析システムに含まれる分析装置から構成部品に関する情報を取得すると共に、自動運転装置及びダイナモメータ等の車両試験設備から構成部品に関する情報を取得する。管理サーバ１０は、自動運転装置及びダイナモメータ等の車両試験設備から、例えば構成部品の故障に繋がる事象を示す警告情報、前記構成部品の検出感度若しくは性能に係る情報、又は、前記構成部品の品質寿命期限に係る情報等を、構成部品に関する情報として取得する。また管理サーバ１０は、自動運転装置及びダイナモメータ等の車両試験設備から、例えば定期的な交換が必要な構成部品について、メンテナンスの期日を判断し得る情報を取得する。
　管理サーバ１０は、取得したこれらの情報に基づいて、自動運転装置及びダイナモメータ等の車両試験設備を含む分析システムの異常の有無の判断、及び、分析システムに含まれるこれらの装置の構成部品の交換時期の判断等を行うことができる。管理サーバ１０は、例えば図５に示したアラート通知画面、又は、図６に示した期限通知画面において、自動運転装置及びダイナモメータ等の車両試験設備に関する通知を行うことができる。
　また実施の形態４に係る管理サーバ１０は、取得したこれらの情報に基づいて、分析装置、並びに、自動運転装置及びダイナモメータ等の車両試験設備を含む分析システムのメンテナンススケジュールを決定する。管理サーバ１０は、分析システムの稼働率をできるだけ高めるように、分析システムのメンテナンスに係る回数、時間及び費用等の負担をできるだけ低減するように、又は、分析システムの不具合の発生頻度をできるだけ低減するように、メンテナンススケジュールを決定する。管理サーバ１０によるメンテナンススケジュールの決定方法は、実施の形態１にて説明したスケジュール決定モデル１２ｂを用いる方法、又は、実施の形態２にて説明した所定の規則に従ってスケジュールを決定する方法のいずれが採用されてもよい。
　管理サーバ１０は、決定した分析システムのメンテナンススケジュールを、例えば図８又は図９に示したメンテナンススケジュール表示画面に表示する。メンテナンススケジュール表示画面において管理サーバ１０は、分析装置のメンテナンススケジュール、自動運転装置のメンテナンススケジュール、及び、ダイナモメータのメンテナンススケジュール等を表示する。
　なお、実施の形態４に係る管理システムのその他の構成は、実施の形態１に係る管理システムと同様であるため、同様の箇所には同じ符号を付し、詳細な説明を省略する。
　今回開示された実施形態はすべての点で例示であって、制限的なものではないと考えられるべきである。本開示の範囲は、上記した意味ではなく、請求の範囲によって示され、請求の範囲と均等の意味及び範囲内でのすべての変更が含まれることが意図される。
　１～３　建屋
　１０　管理サーバ
　１１　処理部
　１１ａ　情報取得部（取得部）
　１１ｂ　稼働スケジュール取得部
　１１ｃ　メンテナンススケジュール決定部（決定部）
　１１ｄ　表示処理部
　１１ｅ　学習処理部
　１２　記憶部
　１２ａ　サーバプログラム（コンピュータプログラム）
　１２ｂ　スケジュール決定モデル（学習済モデル）
　１３　通信部
　１４　表示部
　１５　入力部
　９９　記録媒体
　Ａ１～Ａ３　分析装置
　Ｆ１１～Ｆ１３，Ｆ２１～Ｆ２３，Ｆ３１～Ｆ３３　フィルタ（構成部品）
　Ｐ１１～Ｐ１３，Ｐ２１～Ｐ２３，Ｐ３１～Ｐ３３　ポンプ（構成部品）
 

Claims (17)

  1. 　車両又は該車両の一部である供試体の性能を分析する分析装置、及び、該分析装置による分析を支援する関連装置をそれぞれ含む複数の分析システムから、各分析システムに含まれる装置が有する複数の構成部品に係る情報として、前記構成部品の故障に繋がる警告情報、前記構成部品の感度若しくは性能に係る情報、又は、前記構成部品の寿命期限に係る情報の少なくとも１つを取得する取得部と、
    　前記取得部が取得した情報に基づいて、前記分析システムのメンテナンススケジュールを決定する決定部と
    　を備える、管理システム。
  2. 　前記決定部は、分析システムに含まれる装置の構成部品に係る情報の入力に応じて効率的なメンテナンススケジュールを出力するよう学習された学習済モデルを用い、前記取得部が取得した情報を前記学習済モデルへ入力して前記分析システムのメンテナンススケジュールを決定する
    　請求項１に記載の管理システム。
  3. 　前記決定部は、前記分析システムによる分析の実施効率、又は、前記分析システムのメンテナンス効率が高くなるように、前記メンテナンススケジュールを決定する、請求項２に記載の管理システム。
  4. 　前記学習済モデルは、メンテナンススケジュールに係る報酬が多く得られるよう強化学習がなされたモデルである、
    　請求項２又は請求項３に記載の管理システム。
  5. 　前記学習済モデルは、前記分析システムの稼働率が高い場合に高い報酬を与えた強化学習により学習されたモデルである、
    　請求項２から請求項４までのいずれか１つに記載の管理システム。
  6. 　前記学習済モデルは、前記分析システムのメンテナンスに係る負担が低い場合に高い報酬を与えた強化学習により学習されたモデルである、
    　請求項２から請求項５までのいずれか１つに記載の管理システム。
  7. 　前記学習済モデルは、前記分析システムの不具合の発生頻度が低い場合に高い報酬を与えた強化学習により学習されたモデルである、
    　請求項２から請求項６までのいずれか１つに記載の管理システム。
  8. 　前記学習済モデルは、複数の分析システムの構成部品に係る情報の入力に応じて、複数の分析装置のメンテナンススケジュールを出力し、
    　前記取得部は、複数の分析システムから構成部品に係る情報を取得し、
    　前記決定部は、前記取得部が取得した複数の分析システムに含まれる装置の構成部品に係る情報を前記学習済モデルへ入力して、複数の分析システムのメンテナンススケジュールを決定する、
    　請求項２から請求項７までのいずれか１つに記載の管理システム。
  9. 　前記分析システムの稼働スケジュールを取得する稼働スケジュール取得部を備え、
    　前記学習済モデルは、前記分析システムに含まれる装置の前記構成部品に係る情報と前記分析システムの稼働スケジュールとの入力に応じてメンテナンススケジュールを出力する、
    　請求項２から請求項８までのいずれか１つに記載の管理システム。
  10. 　前記分析システムの関連装置には、前記車両又は前記供試体が発生するトルクを吸収するダイナモメータを含み、
    　前記分析装置は、前記車両又は前記供試体から排出されるガスを分析する、請求項２から請求項９までのいずれか１つに記載の管理システム。
  11. 　前記取得部は、複数の分析システムから情報を取得し、
    　前記決定部は、
    　前記取得部が取得した情報に基づいて、前記構成部品毎のメンテナンスの期日を決定する第１決定部と、
    　前記第１決定部が決定した期日に基づき、前記分析システム毎に、メンテナンス期日が早く到達する構成部品のメンテナンス日に、メンテナンス期日が遅く到達する構成部品のメンテナンス日を揃えたメンテナンススケジュールを決定する第２決定部と
    　を含む、請求項１に記載の管理システム。
  12. 　前記第２決定部は、前記第１決定部が決定したメンテナンス期日が所定期間内の複数の構成部品について、メンテナンス日を揃えたメンテナンススケジュールを決定する、請求項１１に記載の管理システム。
  13. 　前記分析システムの稼働スケジュールを取得する稼働スケジュール取得部を備え、
    　前記第２決定部は、前記稼働スケジュール取得部が取得した稼働スケジュールに基づき、前記分析システムを稼働する期間を避けて、前記分析システムのメンテナンススケジュールを決定する、
    　請求項１１又は請求項１２に記載の管理システム。
  14. 　前記決定部が決定したメンテナンススケジュールを、所定の端末装置へ通知する通知部を備える、
    　請求項１から請求項１３までのいずれか１つに記載の管理システム。
  15. 　車両又は該車両の一部である供試体の性能を分析する分析装置、及び、該分析装置による分析を支援する関連装置をそれぞれ含む複数の分析システムから、各分析システムに含まれる装置が有する複数の構成部品に係る情報として、前記構成部品の故障に繋がる警告情報、前記構成部品の感度若しくは性能に係る情報、又は、前記構成部品の寿命期限に係る情報の少なくとも１つを取得し、
    　取得した情報に基づいて、前記分析システムのメンテナンススケジュールを決定する、
    　メンテナンススケジュール決定方法。
  16. 　コンピュータに、
    　車両又は該車両の一部である供試体の性能を分析する分析装置、及び、該分析装置による分析を支援する関連装置をそれぞれ含む複数の分析システムから、各分析システムに含まれる装置が有する複数の構成部品に係る情報として、前記構成部品の故障に繋がる警告情報、前記構成部品の感度若しくは性能に係る情報、又は、前記構成部品の寿命期限に係る情報の少なくとも１つを取得し、
    　取得した情報に基づいて、前記分析システムのメンテナンススケジュールを決定する、
    　処理を実行させる、コンピュータプログラム。
  17. 　車両又は該車両の一部である供試体の性能を分析する分析装置、及び、該分析装置による分析を支援する関連装置を含む複数の分析システムに含まれる装置が有する複数の構成部品に係る情報として、前記構成部品の故障に繋がる警告情報、前記構成部品の感度若しくは性能に係る情報、又は、前記構成部品の寿命期限に係る情報の少なくとも１つを入力として受け付けて、前記分析システムのメンテナンススケジュールを出力する学習モデルに対し、
    　前記分析システムの稼働率、前記分析システムのメンテナンスに係る負担、又は、前記分析システムの不具合の発生頻度に応じた報酬を与えて強化学習を行うことにより学習済モデルを生成する、学習済モデルの生成方法。
     
PCT/JP2020/024941 2019-06-28 2020-06-25 管理システム、メンテナンススケジュール決定方法、コンピュータプログラム及び学習済モデルの生成方法 Ceased WO2020262510A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
EP20832074.7A EP3992602A4 (en) 2019-06-28 2020-06-25 Management system, maintenance schedule determination method, computer program, and learned model generation method
US17/596,859 US20220319240A1 (en) 2019-06-28 2020-06-25 Management system, maintenance schedule determination method, recording medium, and trained model generation method
JP2021527717A JP7553442B2 (ja) 2019-06-28 2020-06-25 管理システム、メンテナンススケジュール決定方法及びコンピュータプログラム

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019-121850 2019-06-28
JP2019121850 2019-06-28

Publications (1)

Publication Number Publication Date
WO2020262510A1 true WO2020262510A1 (ja) 2020-12-30

Family

ID=74060638

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/024941 Ceased WO2020262510A1 (ja) 2019-06-28 2020-06-25 管理システム、メンテナンススケジュール決定方法、コンピュータプログラム及び学習済モデルの生成方法

Country Status (4)

Country Link
US (1) US20220319240A1 (ja)
EP (1) EP3992602A4 (ja)
JP (1) JP7553442B2 (ja)
WO (1) WO2020262510A1 (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2023054776A (ja) * 2021-10-04 2023-04-14 ローベルト ボツシユ ゲゼルシヤフト ミツト ベシユレンクテル ハフツング 車両を制御するように構成されたストラテジを生成するための強化学習用エージェントに対してトレーニングデータを提供するための装置及びコンピュータ実装された方法、車両を制御するように構成されたストラテジを生成するための装置及び方法、並びに、車両
JP2023075557A (ja) * 2021-11-19 2023-05-31 Ａｓｓｅｓｔ株式会社 メンテナンス頻度予測プログラム
JP2024170080A (ja) * 2023-05-26 2024-12-06 トヨタ自動車株式会社 情報処理装置、情報処理プログラム、及び情報処理方法

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US12601250B2 (en) 2019-09-04 2026-04-14 Schlumberger Technology Corporation Monitoring a well barrier
WO2021046356A1 (en) * 2019-09-04 2021-03-11 Schlumberger Technology Corporation Autonomous operations in oil and gas fields
JP7624354B2 (ja) * 2021-06-17 2025-01-30 株式会社日立製作所 リスク管理システムおよび方法
US20250005971A1 (en) * 2023-06-30 2025-01-02 Mitsubishi Electric Automotive America, Inc. Development environment facilitating remote testing of automotive embedded device
US20250335881A1 (en) * 2024-04-26 2025-10-30 Aveva Software, Llc Hybrid artificial intelligence-driven decision support system and method for real-time predictive industrial plant asset optimization
CN118645000B (zh) * 2024-07-03 2025-04-08 江苏恒达智信系统集成有限公司 一种基于大数据分析的车辆调度优化系统
US20260109481A1 (en) * 2024-10-18 2026-04-23 The Boeing Company Deep reinforcement learning for airplane component failure prognostic full cycle automation

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008310579A (ja) * 2007-06-14 2008-12-25 Ricoh Co Ltd メンテナンス管理システム及び画像形成装置
JP2013245964A (ja) 2012-05-23 2013-12-09 Horiba Ltd 試験システム
JP2018036679A (ja) * 2016-08-29 2018-03-08 川崎重工業株式会社 エネルギー需要設備の運用に関する計画作成装置及び計画作成方法
JP2018147385A (ja) * 2017-03-08 2018-09-20 三菱日立パワーシステムズ株式会社 保守作業計画システム、保守作業計画方法及びプログラム
WO2019059321A1 (ja) * 2017-09-25 2019-03-28 旭化成株式会社 計画装置、稼働計画の生成方法、水素製造方法、およびプログラム

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5066165B2 (ja) * 2009-12-07 2012-11-07 株式会社日立製作所 検査データ管理装置
CN103425119B (zh) * 2012-05-23 2018-10-19 株式会社堀场制作所 测试系统、设备管理装置和车辆性能测试系统
CN103699058B (zh) * 2012-05-24 2017-08-25 株式会社堀场制作所 测试系统及设备管理装置
FR2991788B1 (fr) * 2012-06-08 2023-03-24 Snecma Prevision d'operations de maintenance a appliquer sur un moteur
US9959181B2 (en) * 2015-11-13 2018-05-01 Fluke Corporation System and method for cloud-service asset management for portable computer test tools
WO2017171734A1 (en) * 2016-03-29 2017-10-05 United States Infrastructure Management Company Advanced infrastructure management
US11774944B2 (en) * 2016-05-09 2023-10-03 Strong Force Iot Portfolio 2016, Llc Methods and systems for the industrial internet of things

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008310579A (ja) * 2007-06-14 2008-12-25 Ricoh Co Ltd メンテナンス管理システム及び画像形成装置
JP2013245964A (ja) 2012-05-23 2013-12-09 Horiba Ltd 試験システム
JP2018036679A (ja) * 2016-08-29 2018-03-08 川崎重工業株式会社 エネルギー需要設備の運用に関する計画作成装置及び計画作成方法
JP2018147385A (ja) * 2017-03-08 2018-09-20 三菱日立パワーシステムズ株式会社 保守作業計画システム、保守作業計画方法及びプログラム
WO2019059321A1 (ja) * 2017-09-25 2019-03-28 旭化成株式会社 計画装置、稼働計画の生成方法、水素製造方法、およびプログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3992602A4

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2023054776A (ja) * 2021-10-04 2023-04-14 ローベルト ボツシユ ゲゼルシヤフト ミツト ベシユレンクテル ハフツング 車両を制御するように構成されたストラテジを生成するための強化学習用エージェントに対してトレーニングデータを提供するための装置及びコンピュータ実装された方法、車両を制御するように構成されたストラテジを生成するための装置及び方法、並びに、車両
JP7888914B2 (ja) 2021-10-04 2026-07-14 ローベルト ボツシユ ゲゼルシヤフト ミツト ベシユレンクテル ハフツング 車両を制御するように構成されたストラテジを生成するための強化学習用エージェントに対してトレーニングデータを提供するための装置及びコンピュータ実装された方法、車両を制御するように構成されたストラテジを生成するための装置及び方法、並びに、車両
JP2023075557A (ja) * 2021-11-19 2023-05-31 Ａｓｓｅｓｔ株式会社 メンテナンス頻度予測プログラム
JP7838787B2 (ja) 2021-11-19 2026-04-01 株式会社ピー・アイ・シー メンテナンス頻度予測プログラム
JP2024170080A (ja) * 2023-05-26 2024-12-06 トヨタ自動車株式会社 情報処理装置、情報処理プログラム、及び情報処理方法
JP7845279B2 (ja) 2023-05-26 2026-04-14 トヨタ自動車株式会社 情報処理装置、情報処理プログラム、及び情報処理方法

Also Published As

Publication number Publication date
JPWO2020262510A1 (ja) 2020-12-30
JP7553442B2 (ja) 2024-09-18
EP3992602A4 (en) 2023-06-28
US20220319240A1 (en) 2022-10-06
EP3992602A1 (en) 2022-05-04

Similar Documents

Publication Publication Date Title
JP7553442B2 (ja) 管理システム、メンテナンススケジュール決定方法及びコンピュータプログラム
Lei et al. Sustainable life-cycle maintenance policymaking for network-level deteriorating bridges with a convolutional autoencoder–structured reinforcement learning agent
US20260057144A1 (en) Operations and Maintenance Systems and Methods Employing Sensor-Less Digital Twins
Yang et al. Machine learning-based prognostics for central heating and cooling plant equipment health monitoring
RU2540830C2 (ru) Адаптивное дистанционное обслуживание подвижных составов
Van Horenbeek et al. Quantifying the added value of an imperfectly performing condition monitoring system—Application to a wind turbine gearbox
KR20100116192A (ko) 경로 보상 강화
KR102242630B1 (ko) 보수 계획 시스템 및 보수 계획 방법
US20110313808A1 (en) Built Environment Management System and Method
Pai et al. Model-class selection using clustering and classification for structural identification and prediction
US20240202617A1 (en) System for supervision of the operation and maintenance of industrial equipment
US20250278702A1 (en) Methods And Computing Systems for Objective-Based Scheduling Of Vehicle Servicing
WO2022091120A1 (en) Dynamic maintenance scheduling for vehicles
Lešnik et al. Predictive analytics of PM10 concentration levels using detailed traffic data
CN120410485A (zh) 基于环境条件生成针对飞行器的动态利用措施
Kliangkhlao et al. Causal artificial intelligence–driven approach for hvac preventive maintenance explanation
Byer et al. Writing a convincing cost benefit analysis to substantiate autonomic logistics
Pipe Practical prognostics for condition based maintenance
Raffik et al. Artificial Intelligence-Based Predictive Maintenance Approaches for Vehicle Condition Monitoring and On-Board Diagnostic Systems to Enhance Automotive Industries
Kellenbrink et al. Selection of Efficient Regeneration Modes for the Regeneration of Complex Capital Goods
Bhalodiya et al. in Smart Public Transportation Systems
CN119329550B (zh) 车辆的监测策略的确定方法、装置、存储介质和处理器
Liljefors Time dependent modeling of turbocharger failure using machine learning
JP2007065935A (ja) 事業者の温暖化対策計画策定システムおよびプログラム
Bhalodiya et al. Integration of IoT and machine learning models for enhancing efficiency in smart public transportation systems

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20832074

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2021527717

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 2020832074

Country of ref document: EP

WWW Wipo information: withdrawn in national office

Ref document number: 2020832074

Country of ref document: EP