JP2018132980A - 設備異常分析システム、設備異常分析方法、およびプログラム - Google Patents

Abstract

【課題】ロット不良の可能性がある設備の発見に要する労力の削減、期間の短縮、および見逃しの抑制を図る設備異常分析システム、設備異常分析方法およびプログラムを提供する。【解決手段】設備５０が属するロットを特定する情報を少なくとも含む設備情報が予め記憶された領域、および、入力された設備５０の故障に関する情報である故障情報を記憶する領域を有する記憶部１１，１２と、設備情報および故障情報に基づいて所定の設備５０における故障率、および、所定の設備５０に関する故障情報に基づいて求められるものであって、所定の設備５０が属するロットにロット不良が生じている可能性の判定基準に用いられるモデルを算出する算出部３２と、算出された故障率およびモデルを比較することにより所定の設備５０が属するロットにロット不良が生じている可能性を判定する判定部３３と、が設けられていることを特徴とする。【選択図】図１

Description

本発明は、設備の使用情報に基づいてロット不良の可能性がある設備の検出に用いられる設備異常分析システム、設備異常分析方法、およびプログラムに関する。

例えば、情報通信に用いられる電源設備や空調設備の保全において、ロット不良の設備を発見することは、単なる設備の故障を発見する場合と比較して難易度が高く発見に至るまでに長い期間を要することが知られている。つまり、ロット不良設備の発見は、設備技術者による故障履歴情報等の精査や、経験、ノウハウに基づく確認、探索や、現場保全作業者、設備監視オペレータによる申告が契機となっている。そのため、ロット不良設備の発見に至るまでには、設備の導入から長い期間が経過しているケースがあった。

特に、バックアップ機能を備えた設備では、ロット不良の可能性がある設備の発見が難しかった。つまり、バックアップ機能を備えた設備では、故障が発生してもバックアップ機能の働きにより設備の機能は維持される。そのため、故障件数が多数になるまで設備技術者による故障履歴情報等の精査などが行われにくく、ロット不良の可能性がある設備の発見が難しかった。言い換えると、ロット不良の可能性がある設備が発見されず、潜在化してしまう（見逃してしまう）おそれもあった。

言い換えると、ロット不良設備における故障部品の故障の発露（発現）が仕様で定めてられている期間よりは短いが、年単位に及ぶ状況、例えば、仕様規定期間が１０年の設備において故障発生が４〜８年などの場合、通常の故障（偶発故障）や経年劣化による故障（摩耗故障）と、ロット不良との見分けがつきにくいため、発見が潜在化・長期化するおそれがあった。

なお、ロットとは、製品の生産または出荷の管理に用いられる製品単位のことであり、例えば、連続して生産される所定数の製品の集まりが１ロットとされる。ロット不良とは、前述の製造の条件などに起因して発生する不良である。ロット不良が発生しているロットでは、そのロットに属する設備に故障する確率が高くなると考えられる。前述の製造の条件などに起因して発生する不良である点において、ロット不良は、単なる設備故障のように、設備の使用方法や使用環境に起因する故障とは異なるものである。

上述のような問題に対処する方法として、設備の故障率などの故障情報をグラフや表の形式で表現して可視化することが知られている。このようにすることで、設備技術者などの作業者が故障傾向を円滑に確認しやすくし、ロット不良設備の発見を補助することができる。

このように故障情報の可視化を行うことで、作業者が故障傾向を円滑に確認しやすくすることは可能である。しかしながら、可視化された故障情報からロット不良の可能性がある設備の発見は、作業者の経験やノウハウに依存する割合が高く、ロット不良設備の発見に要する期間の短縮は困難であった。また、ロット不良設備を見逃すおそれの解消も困難であった。

このような作業者の経験やノウハウに依存する割合を低下させるものとして、演算処理によりロット不良の可能性がある設備を発見する技術も提案されている（例えば、特許文献１および２参照。）。

特開２０１２−２４２９８２号公報 特開２０１０−０１５２４６号公報

上述の特許文献１および２には、所定の期間内の故障件数などと、所定の閾値とを比較することにより、ロット不良の可能性がある設備が存在するか否かを判定する技術が開示されている。これらの技術によれば、作業者の経験やノウハウに依存する割合を低下させることは可能であったが、ロット不良の可能性がある設備の発見精度が必要なレベルに達しないという課題などが依然として残るという問題があった。

本発明は、上記の課題を解決するためになされたものであって、ロット不良の可能性がある設備の発見に要する労力の削減、期間の短縮、および見逃しの抑制を図ることができる設備異常分析システム、設備異常分析方法、およびプログラムを提供することを目的とする。

上記目的を達成するために、本発明は、以下の手段を提供する。
本発明の第１の態様に係る設備異常分析システムは、設備に関する情報であって前記設備が属するロットを特定する情報を少なくとも含む設備情報が予め記憶された領域、および、入力された前記設備の故障に関する情報である故障情報を記憶する領域を有する記憶部と、前記記憶部から前記設備情報および前記故障情報を取得し、取得した前記設備情報および前記故障情報に基づいて所定の設備における故障率、および、前記所定の設備に関する前記故障情報に基づいて求められるものであって、前記所定の設備が属するロットにロット不良が生じている可能性の判定基準に用いられるモデルを算出する算出部と、算出された前記故障率、および、前記モデルを用いて算出された値を比較することにより前記所定の設備が属するロットにロット不良が生じている可能性を判定する判定部と、が設けられていることを特徴とする。

本発明の第２の態様に係る設備異常分析方法は、設備に関する情報であって前記設備が属するロットを特定する情報を少なくとも含む設備情報、および、入力された前記設備の故障に関する情報である故障情報を記憶する記憶部から前記設備情報および前記故障情報を取得する取得ステップと、取得した前記設備情報および前記故障情報に基づいて所定の設備における故障率、および、前記所定の設備に関する前記故障情報に基づいて求められるものであって、前記所定の設備が属するロットにロット不良が生じている可能性の判定基準に用いられるモデルを算出する算出ステップと、算出された前記故障率、および、前記モデルを用いて算出された値を比較することにより前記所定の設備が属するロットにロット不良が生じている可能性を判定する判定ステップと、を有することを特徴とする。

本発明の第３の態様に係るプログラムは、コンピュータに、設備に関する情報であって前記設備が属するロットを特定する情報を少なくとも含む設備情報、および、入力された前記設備の故障に関する情報である故障情報を記憶する記憶部から前記設備情報および前記故障情報を取得する取得機能と、取得した前記設備情報および前記故障情報に基づいて所定の設備における故障率、および、前記所定の設備に関する前記故障情報に基づいて求められるものであって、前記所定の設備が属するロットにロット不良が生じている可能性の判定基準に用いられるモデルを算出する算出機能と、算出された前記故障率、および、前記モデルを用いて算出された値を比較することにより前記所定の設備が属するロットにロット不良が生じている可能性を判定する判定機能と、を実現させることを特徴とする。

本発明の第１の態様に係る設備異常分析システム、第２の態様に係る設備異常分析方法、第３の態様に係るプログラムによれば、設備情報および故障情報に基づいて求められた故障率と、モデルを用いて算出された値との比較によりロット不良の発生可能性を判定するため、ロット不良の可能性がある設備の発見に要する労力の削減、期間の短縮、および見逃しの抑制が図られる。

上記発明の第１の態様において前記モデルは、前記所定の設備に関する少なくとも１年間の前記故障情報に基づいて求められた故障率の平均値であることが好ましい。
このようにモデルとして少なくとも１年間の故障情報に基づいてモデルを求めるため、少なくとも１年の間に変動する故障情報を平滑化したモデルが求められる。そのため、故障情報の変動から受ける影響を減らしたロット不良の発生可能性の判定が可能となる。

また、モデルを求める際に使用する故障情報の期間は、上述のように少なくとも１年間であってもよいし、更に、少なくとも直近１年間としてもよい。判定のタイミングに最も近い少なくとも直近１年間とすることにより、ロット不良の発生可能性を判定しやすくなる。

上記発明の第１の態様において前記モデルは、前記所定の設備に関する前記故障情報に基づいて求められた故障率であって、１年を複数に分割した区間に基づいて算出された故障率であることが好ましい。

このように１年を複数に分割した区間に基づいてモデルを算出することにより、区間ごとに求められるモデルの精度を高めやすくなる。例えば、１年の間に周期的に変動する故障情報に対して、故障の頻度が高い区間と、低い区間とに分割してそれぞれの区間についてモデルを求めることにより、モデルの精度を高めやすくなる。

１年を分ける区間の数としては、２であってもよいし、４であってもよいし、１２であってもよく、その数を限定するものではない。２の場合には１年を夏季と冬季に分ける場合を例示でき、４の場合には１年を春、夏、秋、冬に分ける場合を例示でき、１２の場合には月ごとに分ける場合を例示できる。

上記発明の第１の態様において前記モデルは、前記所定の設備に関する前記故障情報に基づいて求められた故障率であって、前記所定の設備が製造されてから経過した期間を複数に分割した区間に基づいて算出された故障率であることが好ましい。

このように所定の設備が製造されてから経過した期間を複数に分割した区間に基づいてモデルを算出することにより、設備の経年劣化を考慮したモデルを作成することができる。具体的には、製造されてから長期間経過した後の区間において求められたモデルは、製造されてから間もない区間において求められたモデルと比較して、経年劣化による故障率の上昇が反映されたモデルとなる。そのため、経年劣化による故障率上昇を考慮したロット不良の発生可能性の判定を行いやすくなる。

所定の設備が製造されてから経過した期間を分割する数は、経過した期間と、区間の長さに依存するものであり、分割する数を特に限定するものではない。区間の長さとしては、例えば、所定の設備が製造されてから経過した期間を１年、２年などの年単位の長さを有する区間に分割してもよいし、日単位の長さを有する区間に分割してもよく、区間の長短を特に限定するものではない。

上記発明の第１の態様において前記モデルは、前記所定の設備に関する前記故障情報に基づいて求められた故障率であって、前記所定の設備が製造されてから経過した期間を複数に分割した区間であり、かつ、１年を複数に分割した区間に基づいて算出された故障率であることが好ましい。

このように所定の設備が製造されてから経過した期間を複数に分割した区間であり、かつ、１年を複数に分割した区間に基づいてモデルを算出することにより、所定の設備が製造されてから経過した期間を複数に分割した区間のみに基づいたモデルを用いる場合、または、１年を複数に分割した区間のみに基づいたモデルを用いる場合と比較して、モデルの精度を高めやすくなる。

上記発明の第１の態様において前記記憶部に記憶される前記故障情報は、前記設備に発生した異常を報知する異常情報であることが好ましい。
このように設備に発生した異常を報知する異常情報を記憶部に記憶される故障情報とすることにより、故障情報は設備に発生した異常に基づく情報となる。異常情報は設備の故障の際に最初に報知される情報であり、設備故障により発生した異常の報知と設備故障とは別の原因により発生した異常の報知とが含まれるものである。異常情報から設備故障とは別の原因により発生した異常を除くことなく、異常情報を故障情報とすることにより、設備故障により発生した異常の報知が誤って除かれる可能性を抑制しやすくなる。言い換えると、故障情報から設備の故障に関連する情報が漏れる可能性を抑制しやすくなる。

上記発明の第１の態様において前記記憶部に記憶される前記故障情報は、作業員に対して前記設備の故障の確認を指示する情報である指示情報であることが好ましい。
このように作業員に対して設備の故障の確認を指示する指示情報を記憶部に記憶される故障情報とすることにより、故障情報は設備の故障の確認指示に基づく情報となる。指示情報は、設備の管理者が設備の故障確認の必要性を認めた際に、作業者に故障確認を指示する情報であり、上述の異常情報と比較して設備故障の確率が高いものである。言い換えると、指示情報は、一時的な停電などのように設備の故障とは関係ないと容易に判定できる事象に起因して報知される情報が除かれた情報である。指示情報を故障情報とすることにより、故障情報に設備の故障とは関係ないと容易に判定できる情報が含まれることを抑制しやすくなる。

上記発明の第１の態様において前記記憶部に記憶される前記故障情報は、前記設備の故障確認に関する情報である確認情報であることが好ましい。
このように設備の故障確認に関する確認情報を記憶部に記憶される故障情報とすることにより、設備の故障確認に基づく情報となる。確認情報は、設備の故障の確認に係る情報であり、より具体的には、故障を起こした設備を個体識別する情報や、故障の態様や、故障の原因や、故障修理の処理などを含む情報である。言い換えると、確認情報は、設備の故障に関連する情報のみが含まれる情報である。確認情報を故障情報とすることにより、故障情報に設備の故障とは関係ない情報が含まれることを抑制しやすくなる。

上記発明の第１の態様において前記判定部は、前記モデルに基づく故障率である判定基準値を算出するとともに前記判定基準値から所定の広がりを有する信頼区間を設け、算出された前記故障率が前記信頼区間を超えるか否かにより、前記所定の設備が属するロットにロット不良が生じている可能性を判定することが好ましい。

このように故障率が信頼区間を超えるか否かによりロット不良の可能性を判定することにより、故障率がモデルに基づく判定基準値を超えるか否かにより判定する場合と比較して、ロット不良の発見の確率を高めやすくなる。設備の使用方法や使用環境に起因する故障などのロット不良以外の故障と、ロット不良による故障との間には故障率に差がある。判定基準値のみを用いて判定を行う場合と比較して、判定基準値および信頼区間を用いて判定を行うことにより、上述の故障率の差を反映した判定が行いやすくなり、ロット不良の発見の確率を高めやすくなる。

上記発明の第１の態様においては、前記判定部によりロット不良が生じている可能性があると判定された前記所定の設備に関する情報であるロット不良情報を外部に通知する通知部が更に設けられていることが好ましい。

このようにロット不良情報を外部に通知する通知部を設けることにより、ロット不良が生じている可能性がある設備の把握が容易となり、ロット不良の発生可能性を検討しやすくなる。なお、ロット不良情報を外部に通知する際に、一定の期間についてロット不良情報を集計してリストアップした形式で通知してもよい。

本発明の設備異常分析システム、設備異常分析方法、およびプログラムによれば、設備情報および故障情報に基づいて求められた故障率と、モデルを用いて算出された値との比較によりロット不良の発生可能性を判定するため、ロット不良の可能性がある設備の発見に要する労力の削減、期間の短縮、および見逃しの抑制を図ることができるという効果を奏する。

本発明の一実施形態に係る設備異常分析システムの概要を説明するブロック図である。 データウエアハウスにおける演算処理を説明するフローチャートの図である。 分析サーバにおける演算処理を説明するフローチャートの図である。 図４（ａ）は、分析サーバの判定に用いられるベースモデルと故障率との関係を説明するグラフであり、図４（ｂ）は、季節性モデルと故障率との関係を説明するグラフである。 図５（ａ）は、分析サーバの判定に用いられる経年性モデルと故障率との関係を説明するグラフであり、図５（ｂ）は、季節性＋経年性モデルと故障率との関係を説明するグラフである。 ロット不良の判定に用いられる信頼区間を説明するグラフである。

この発明の一実施形態に係る設備異常分析システムについて、図１から図６を参照ながら説明する。本実施形態では、図１に示すように、本発明が情報通信に用いられる電源設備や空調設備である設備５０の保全に用いられるものであり、これら設備５０の故障履歴情報等に基づいてロット不良の可能性がある設備の検出する設備異常分析システム１に適用された例に適用して説明する。

設備異常分析システム１には、設備５０に関する情報である設備情報および設備５０の故障に関する情報である故障情報が記憶されるデータウエアハウス１０と、設備５０におけるロット不良の発生可能性を判定する集計・可視化サーバ２０および分析サーバ３０と、が主に設けられている。

なお、データウエアハウス１０は、設備異常分析システム１に含まれるものであると共に、設備監視管理システム１００にも含まれるものでもある。設備監視管理システム１００は、設備５０の状態を監視し、管理するものである。

設備監視管理システム１００には、設備監視管理装置群１１０およびデータウエアハウス１０が主に設けられている。設備監視管理装置群１１０は、設備５０の状態を監視する監視サーバ（図示せず。）、管理する管理サーバ（図示せず。）、設備情報および故障情報を少なくとも記憶するデータベース１１１などから構成される装置群である。

設備監視管理装置群１１０は通信ネットワーク１２０を介して設備５０と情報通信可能に接続されている。例えば、設備監視管理装置群１１０の監視サーバは、設備５０と設備５０から取得される各種の測定データを取得可能に接続されている。さらに、情報処理端末１３０とも情報通信可能に接続されている。設備監視管理装置群１１０は所定の間隔で設備５０から後述する故障情報などの各種情報を取得し、データベース１１１に記憶させる処理を行っている。

情報処理端末１３０は、デスクトップコンピュータや、ラップトップコンピュータや、タブレットコンピュータなどの公知の情報処理装置である。情報処理端末１３０は、設備監視管理装置群１１０により監視、管理される設備５０の監視情報や管理情報を表示するものであり、監視、管理する設備５０を設備監視管理装置群１１０に登録したり、監視、管理する項目を設定したりするものでもある。さらに、データウエアハウス１０に記憶されている設備情報や故障情報を参照可能に表示するものでもある。

データウエアハウス１０は、設備監視管理装置群１１０と情報通信可能に接続され、設備監視管理装置群１１０のデータベース１１１に記憶された設備情報や、故障情報をコピーし、バックアップするものである。またデータウエアハウス１０は、情報処理端末１３０とも情報通信可能に接続されている。

データウエアハウス１０には、設備情報が主に記憶される設備データ記憶部（記憶部）１１と、故障情報が主に記憶される故障履歴データ記憶部（記憶部）１２と、が主に設けられている。

設備データ記憶部１１は、ロット不良の発生可能性を判定する対象である設備５０に関する設備情報が予め記憶されたものである。本実施形態では、設備データ記憶部１１が、設備５０の監視管理に用いられている設備監視管理装置群１１０のデータベース１１１に記憶されている設備情報を、所定の間隔で取得する例に適用して説明する。設備監視管理装置群１１０のデータベース１１１に記憶されている設備情報は、設備５０の追加や、削除や、変更等に応じて内容が更新可能とされている。

設備監視管理装置群１１０のデータベース１１１に記憶されている設備情報を更新する手段としては、情報処理端末１３０のキーボードなどの公知の入力手段を用いることができ、更新する方法を特に限定するものではない。さらに本実施形態では、設備情報が記憶（登録）されるタイミングや更新されるタイミングが、設備５０の追加や、削除や、変更等が行われたタイミングである例に適用して説明するが、設備情報を記憶するタイミングや更新するタイミングを限定するものではない。

設備情報は、設備５０が属するロットを特定する情報を含むものである。具体的には、設備５０の製造会社や製造時期や、設備５０の種類や型式などの情報が含まれている。その他にも設備情報には、設備５０が設置されている施設や、施設の中で設備５０が配置されている位置などの情報が含まれていてもよい。

故障履歴データ記憶部１２は、設備５０の故障に関する情報である故障情報が履歴情報として記憶されるものである。本実施形態では、故障履歴データ記憶部１２が、設備５０の監視管理に用いられている設備監視管理装置群１１０のデータベース１１１に記憶されている故障情報を、所定の間隔で取得する例に適用して説明する。

本実施形態では、故障情報が設備５０からの故障通報を受けたオペレータの指示により作業者が行った当該設備５０の故障診断の内容である例に適用して説明する。故障診断の内容には、診断結果である設備５０の故障個所や推定される故障原因や、その対処方法である故障の修理方法などの情報が含まれる。その他にも、故障通報を行った設備５０の種類や型式や、設備５０が設置されている施設や、施設の中で設備５０が配置されている位置などの情報が含まれていてもよい。

集計・可視化サーバ２０は、設備情報および故障情報を取得して集計処理や可視化処理を行うものである。本実施形態では、集計・可視化サーバ２０がＣＰＵ（中央演算処理ユニット）、ＲＯＭ、ＲＡＭ、入出力インタフェース等を有するサーバである例に適用して説明する。上述のＲＯＭ等の記憶装置に記憶されている制御プログラムは、図１に示すように、ＣＰＵ、ＲＯＭ等、および入出力インタフェース等を協働させることにより、取得・集計機能を実現する取得・集計部２１や、可視化機能を実現する可視化部２２として機能させるものである。

取得・集計部２１は、故障発生件数を集計する演算処理を行い、故障率を算出する演算処理を行うものである。これらの演算処理に用いられる情報は、データウエアハウス１０の設備データ記憶部１１および故障履歴データ記憶部１２から取得される。

可視化部２２は、故障件数推移や、故障率推移や、故障内容集計や、異常検知設備リストなどを可視化する演算処理を行うものである。可視化される異常検知設備リストなどは、分析サーバ３０の判定部３３における演算処理により求められたものであり、通知部３４を介して可視化部２２へ送られてきたものである。

なお、取得・集計部２１において行われる演算処理の種類や内容、および、可視化部２２において行われる演算処理の種類や内容としては、公知の演算処理の種類や内容を用いることができ、特に限定するものではない。

分析サーバ３０は、設備情報および故障情報等に基づいて分析処理を行い、ロット不良の発生可能性を判定するものである。本実施形態では、分析サーバ３０がＣＰＵ（中央演算処理ユニット）、ＲＯＭ、ＲＡＭ、入出力インタフェース等を有するサーバである例に適用して説明する。上述のＲＯＭ等の記憶装置に記憶されている制御プログラムは、図１に示すように、ＣＰＵ、ＲＯＭ等、および入出力インタフェース等を協働させることにより、取得機能を実現する取得部３１、算出機能を実現する算出部３２、判定機能を実現する判定部３３、判定結果を外部に出力する通知部３４として機能させるものである。

取得部３１は、データウエアハウス１０の設備データ記憶部１１および故障履歴データ記憶部１２から設備情報および故障情報を取得するものである。取得した設備情報および故障情報は、算出部３２における演算処理に用いられる。

算出部３２は、設備情報および故障情報に基づいて所定の設備５０における故障率ＦＲを求めるとともに、所定の設備５０が属するロットにロット不良が生じている可能性の判定用いられるモデルを求める演算処理を行うものである。ここで、モデルは所定の設備５０に関する故障情報に基づいて求められるものである。算出部３２において行われる演算処理の詳細な内容については後述する。

判定部３３は、算出部３２において求められた故障率ＦＲおよびモデルを用いて算出された値を比較することにより、所定の設備５０が属するロットにおいてロット不良が発生している可能性を判定する演算処理を行うものである。判定部３３における演算処理の詳細な内容については後述する。

通知部３４は、判定部３３によりロット不良が生じている可能性があると判定された所定の設備５０に関する情報であるロット不良情報を外部に通知するものである。通知する対象としては、設備５０を管理する作業者が使用するデスクトップコンピュータや、ラップトップコンピュータや、タブレットコンピュータなどの情報処理端末４０を例示することができる。

なお、本実施形態では、情報処理端末４０が集計・可視化サーバ２０および分析サーバ３０と情報通信可能に接続され、情報処理端末１３０がデータウエアハウス１０および設備監視管理装置群１１０と情報通信可能に接続されている例に適用して説明しているが、情報処理端末４０はデータウエアハウス１０および設備監視管理装置群１１０と情報通信可能に接続されもよいし、情報処理端末１３０は集計・可視化サーバ２０および分析サーバ３０と情報通信可能に接続されてもよい。また、情報処理端末４０や情報処理端末１３０は１台であってもよいし、複数台であってもよく、台数を限定するものでもない。

次に、上記の構成からなる設備異常分析システム１におけるロット不良の可能性がある設備の検出する方法について図２から図６を参照しながら説明する。まず、データウエアハウス１０における演算処理の内容について説明し、その次に分析サーバ３０における演算処理の内容について演算処理の内容について説明する。

データウエアハウス１０は、図２に示すように、予め決められた期間毎に設備監視管理装置群１１０と通信を行い、設備監視管理装置群１１０のデータベース１１１に記憶されている設備５０の故障情報を取得する処理を行う（Ｓ１１）。次いで、データウエアハウス１０は、取得した故障情報を故障履歴データ記憶部１２に記憶する処理を行う（Ｓ１２）。設備異常分析システム１が稼働している期間は、上述の処理が繰り返し行われる。

新たな設備５０が追加された場合には、設備監視管理装置群１１０では当該新たな設備５０に関する設備情報をデータベース１１１に記憶させる処理が行われる。設備情報を記憶する処理は、情報処理端末１３０を介して設備監視管理装置群１１０に、当該新たな設備５０から情報を取得する際に必要となる情報が入力されることにより行われる。

分析サーバ３０の取得部３１は、図３に示すように、データウエアハウス１０と通信を行い、設備データ記憶部１１に記憶されている設備情報、および、故障履歴データ記憶部１２に記憶されている故障情報を取得する処理を行う（Ｓ２１：取得ステップ）。

設備情報および故障情報が取得されると、分析サーバ３０の算出部３２は、設備情報および故障情報に基づいて所定の設備５０における故障率ＦＲを求める演算処理を行う。さらに、所定の設備５０が属するロットにロット不良が生じている可能性の判定用いられるモデルを求める演算処理を行う（Ｓ２２：算出ステップ）。

算出部３２で求められる故障率ＦＲは、判定の対象となる所定の設備５０の合計台数に対する故障件数の割合として求められるものである。ここで、所定の設備５０とは直流電源設備や、空調設備などの設備５０の種類で分類されたものであってもよいし、設備５０を製造したメーカにより分類されたものであってもよいし、設備５０が配置されている施設により分類されたものであってもよいし、これらの分類を組み合わせた分類のものでもよい。故障率ＦＲの表記方法は比率や百分率や千分率など、公知の表記方法を用いることができる。また、故障率ＦＲの算出に用いられる期間は、判定の対象となる設備５０に応じて適宜に定めることができる。

算出部３２で求められるモデルとしては、図４（ａ）に示すベースモデルＭａと、図４（ｂ）に示す季節性モデルＭｂと、図５（ａ）に示す経年性モデルＭｃと、図５（ｂ）に示す季節性＋経年性モデルＭｄが挙げられる。ロット不良の可能性判定に用いられるモデルは、上述のモデルの中から予め設定された一つのモデルでもよいし、判定する所定の設備５０に応じて使い分けをしてもよい。更には、複数のモデルにおいて判定を行い、これらの複数の判定結果を比較できるようにしてもよい。

ベースモデルＭａは、所定の設備５０に関する直近の１年間の故障情報に基づいて求められた故障率の平均値である。図４（ａ）に示すように、本実施形態におけるベースモデルＭａは所定の一定値（平均値）の故障率から構成されるモデルとなる。

なお、本実施形態では、故障率の平均値を求める期間が１年である例に適用して説明するが、平均値を求める期間は１年よりも長くてもよい。また、平均値を求める期間が、ベースモデルＭａを求める時点を始点として過去に遡る直近の期間である例に適用して説明するが、過去に遡る始点はベースモデルＭａを求める時点でなくてもよい。

季節性モデルＭｂは、所定の設備５０に関する故障情報に基づいて求められた故障率であって、１年を月ごとに（１２に）分割した区間に基づいて算出された故障率である。図４（ｂ）に示すように、本実施形態における季節性モデルＭｂは季節の移り変わりに伴い変動するモデルとなる。

１年を分ける区間の数としては、２であってもよいし、４であってもよいし、１２であってもよく、その数を限定するものではない。２の場合には１年を夏季と冬季に分ける場合を例示でき、４の場合には１年を春、夏、秋、冬に分ける場合を例示でき、１２の場合には月ごとに分ける場合を例示できる。季節性モデルＭｂは、１年を分ける区間の数が増えるに伴い値が滑らかに変動するモデルとなり、１年を分ける区間の数が減ると共に値が離散的に変動するモデルとなる。区間に基づく算出方法としては、区間の平均値を算出する方法や、中央値を算出する方法など公知の方法を用いることができる。

経年性モデルＭｃは、所定の設備５０に関する故障情報に基づいて求められた故障率ＦＲであって、所定の設備５０が製造されてから経過した期間を複数に分割した区間に基づいて算出された故障率である。図５（ａ）に示すように、本実施形態における経年性モデルＭｃは、時間の経過とともに故障率が段階的（離散的に）に上昇するモデルとなる。

所定の設備５０が製造されてから経過した期間を分割する数は、経過した期間と、区間の長さに依存するものであり、分割する数を特に限定するものではない。区間の長さとしては、例えば、所定の設備５０が製造されてから経過した期間を１年、２年などの年単位の長さを有する区間に分割してもよいし、日単位の長さを有する区間に分割してもよく、区間の長短を特に限定するものではない。例えば、期間を分割する数を増やすと、経年性モデルＭｃは時間の経過と伴い値が増加する傾斜（右肩上がりの傾斜）を有するモデルとなる。

季節性＋経年性モデルＭｄは、上述の季節性モデルＭｂと経年性モデルＭｃとを組み合わせたモデルである。具体的には、所定の設備５０に関する故障情報に基づいて求められた故障率であって、所定の設備５０が製造されてから経過した期間を複数に分割した区間であり、かつ、１年を複数に分割した区間に基づいて算出された故障率である。

図５（ｂ）に示すように、本実施形態における季節性＋経年性モデルＭｄは、季節の移り変わりに伴い故障率が変動するとともに、時間の経過と伴い値が増加するモデルとなる。

故障率ＦＲおよびモデルが算出されると、分析サーバ３０の判定部３３は、故障率ＦＲおよびモデルを用いて算出された値を比較することにより、所定の設備５０が属するロットにおいてロット不良が発生している可能性を判定する演算処理を行う（Ｓ２３：判定ステップ）。ロット不良が生じている可能性があると判定された所定の設備５０に関する情報については、ロット不良情報として分析サーバ３０に記憶する処理を行う。

例えば、モデルがベースモデルＭａである場合には、図４（ａ）に示すように、故障率ＦＲがベースモデルＭａを用いて算出された値を超えている超過領域Ｒにおいて、ロット不良が発生していると判定される。それ以外の領域ではロット不良は発生していないと判定される。

さらに具体的には、図６に示すようにベースモデルＭａには、故障率ＦＲが増加する方向および減少する方向に延びる信頼区間Ｃが設定される。故障率ＦＲがベースモデルＭａを用いて算出された値を超えているものの信頼区間Ｃ内に存在する場合、判定部３３は、ロット不良は発生していないと判定する（図６の点Ｐａ）。故障率ＦＲがベースモデルＭａを用いて算出された値を超え、かつ、信頼区間Ｃも超えている場合になったときに、判定部３３はロット不良が発生したと判定する（図６のＰｂ）。

また、モデルが季節性モデルＭｂである場合には、図４（ｂ）に示すように、故障率ＦＲが季節性モデルＭｂを用いて算出された値を超えている超過領域Ｒにおいて、ロット不良が発生していると判定される。それ以外の領域ではロット不良は発生していないと判定される。なお、信頼区間ＣについてはベースモデルＭａと同様である。

同様に、モデルが経年性モデルＭｃである場合には、図５（ａ）に示すように、故障率ＦＲが経年性モデルＭｃを用いて算出された値を超えている超過領域Ｒにおいて、ロット不良が発生していると判定される。それ以外の領域ではロット不良は発生していないと判定される。モデルが季節性＋経年性モデルＭｄである場合には、図５（ｂ）に示すように、故障率ＦＲが季節性＋経年性モデルＭｄを用いて算出された値を超えている超過領域Ｒにおいて、ロット不良が発生していると判定される。それ以外の領域ではロット不良は発生していないと判定される。なお、両者とも信頼区間ＣについてはベースモデルＭａと同様である。

分析サーバ３０の通知部３４は、情報処理端末４０へロット不良情報を通知するタイミングであるか否かを判定する処理を行う（Ｓ２４）。ここでロット不良情報を通知するタイミングとしては、一月に１回や一周間に１回など、一定期間をあけて通知する例を挙げることができる。出力要求信号が入力されていない場合（ＮＯの場合）には、Ｓ２１に戻り上述の処理を繰り返し行う。

出力要求信号が入力されている場合（ＹＥＳの場合）には、分析サーバ３０の通知部３４は、ロット不良情報を情報処理端末４０へ通知する処理を行う（Ｓ２５：通知ステップ）。ロット不良情報を情報処理端末４０へ出力する処理を行った後は、Ｓ２１に戻り上述の処理を繰り返し行う。

ロット不良情報は、分析サーバ３０から集計・可視化サーバ２０へ出力され、可視化部２２においてグラフ化などの可視化処理が行われた後に情報処理端末４０へ通知される。また、ロット不良情報は、一定の期間についてロット不良情報を集計してリストアップした形式で通知されてもよいし、ロット不良情報は、分析サーバ３０から情報処理端末４０へ通知されてもよい。

なお、ロット不良情報は、上述のように一定の期間をあけて自動的に情報処理端末４０に通知されるだけでなく、情報処理端末４０から通知要求が送信される度に通知されるようにしてもよい。

上記の構成の設備異常分析システム１によれば、設備情報および故障情報に基づいて求められた故障率ＦＲと、ベースモデルＭａ、季節性モデルＭｂ、経年性モデルＭｃおよび季節性＋経年性モデルＭｄの少なくとも一つを用いて算出された値との比較によりロット不良の発生可能性を判定するため、ロット不良の可能性がある設備５０の発見に要する労力の削減、期間の短縮、および見逃しの抑制を図ることができる。

１年間の故障情報に基づいて求められたベースモデルＭａを用いることにより、１年の間に変動する故障情報を平滑化したモデルが求められる。そのため、故障情報の変動から受ける影響を減らしたロット不良の発生可能性の判定が可能となる。また、判定のタイミングに最も近い少なくとも直近１年間とすることにより、ロット不良の発生可能性を判定しやすくなる。

１年を複数に分割した区間に基づいて求められた季節性モデルＭｂを用いることにより、区間ごとに求められるモデルの精度を高めやすくなる。例えば、１年の間に周期的に変動する故障情報に対して、故障の頻度が高い区間と、低い区間とに分割してそれぞれの区間についてモデルを求めることにより、モデルの精度を高めやすくなる。

所定の設備５０が製造されてから経過した期間を複数に分割した区間に基づいて求められる経年性モデルＭｃを用いることにより、設備５０の経年劣化を考慮したモデルを使用することができる。具体的には、製造されてから長期間経過した後の区間において求められたモデルは、製造されてから間もない区間において求められたモデルと比較して、経年劣化による故障率の上昇が反映されたモデルとなる。そのため、経年劣化による故障率上昇を考慮したロット不良の発生可能性の判定を行いやすくなる。

所定の設備５０が製造されてから経過した期間を複数に分割した区間であり、かつ、１年を複数に分割した区間に基づく季節性＋経年性モデルＭｄを用いることにより、所定の設備５０が製造されてから経過した期間を複数に分割した区間のみに基づいたモデルを用いる場合、または、１年を複数に分割した区間のみに基づいたモデルを用いる場合と比較して、モデルの精度を高めやすくなる。

故障率ＦＲが信頼区間Ｃを超えるか否かによりロット不良の可能性を判定することにより、故障率ＦＲがベースモデルＭａ、季節性モデルＭｂ、経年性モデルＭｃまたは季節性＋経年性モデルＭｄに基づく判定基準値を超えるか否かにより判定する場合と比較して、ロット不良の発見の確率を高めやすくなる。設備５０の使用方法や使用環境に起因する故障などのロット不良以外の故障と、ロット不良による故障との間には故障率ＦＲに差がある。ベースモデルＭａ、季節性モデルＭｂ、経年性モデルＭｃまたは季節性＋経年性モデルＭｄのみを用いて判定を行う場合と比較して、ベースモデルＭａ、季節性モデルＭｂ、経年性モデルＭｃまたは季節性＋経年性モデルＭｄおよび信頼区間Ｃを用いて判定を行うことにより、上述の故障率ＦＲの差を反映した判定が行いやすくなり、ロット不良の発見の確率を高めやすくなる。

ロット不良情報を情報処理端末４０に通知する通知部３４を設けることにより、ロット不良が生じている可能性がある設備５０の把握が容易となり、ロット不良の発生可能性を検討しやすくなる。

なお上述の実施形態では、故障情報が設備５０からの故障通報を受けたオペレータの指示により作業者が行った当該設備５０の故障診断の内容である例に適用して説明したが、故障情報は、設備５０からの故障通報を受けたオペレータが作業者に当該設備５０の確認を指示する情報である指示情報であってもよい。

このように作業員に対して設備５０の故障の確認を指示する指示情報を記憶部に記憶される故障情報とすることにより、故障情報は設備５０の故障の確認指示に基づく情報となる。指示情報は、設備５０の管理者であるオペレータが設備５０の故障確認の必要性を認めた際に、作業者に故障確認を指示する情報であり、上述の異常情報と比較して設備故障の確率が高いものである。言い換えると、指示情報は、一時的な停電などのように設備５０の故障とは関係ないと容易に判定できる事象に起因して報知される情報が除かれた情報である。指示情報を故障情報とすることにより、故障情報に設備の故障とは関係ないと容易に判定できる情報が含まれることを抑制しやすくなる。

さらには、故障情報が上述の指示情報以外の情報である設備５０からの故障通報に関する情報、言い換えると設備５０に発生した異常を報知する異常情報であってもよい。
このように設備５０に発生した異常を報知する異常情報を記憶部に記憶される故障情報とすることにより、故障情報は設備５０に発生した異常に基づく情報となる。異常情報は設備５０の故障の際に最初に報知される情報であり、設備故障により発生した異常の報知と設備故障とは別の原因により発生した異常の報知とが含まれるものである。異常情報から設備故障とは別の原因により発生した異常を除くことなく、異常情報を故障情報とすることにより、設備故障により発生した異常の報知が誤って除かれる可能性を抑制しやすくなる。言い換えると、故障情報から設備の故障に関連する情報が漏れる可能性を抑制しやすくなる。

なお、上述の実施形態では、ロット不良情報を外部に通知する通知部３４が分析サーバ３０に設けられている例に適用して説明したが、分析サーバ３０以外の外部との通信が可能なサーバなどの装置であって、判定部３３における判定結果であるロット不良情報を取得可能な情報処理装置に通知部３４が設けられていてもよく、その設置場所を限定するものではない。

なお、本発明の技術範囲は上記実施形態に限定されるものではなく、本発明の趣旨を逸脱しない範囲において種々の変更を加えることが可能である。例えば、上記の実施の形態においては、設備異常分析システム１が情報通信に用いられる電源設備や空調設備である設備５０の保全に用いられる例に適用して説明したが、情報通信に用いられる設備５０に限られるものではなく、オフィスビルなどに設けられた電源設備や空調設備の保全に用いられてもよいし、製造設備の保全に用いられてもよい。

１…設備異常分析システム、１１…設備データ記憶部（記憶部）、１２…故障履歴データ記憶部（記憶部）、３０…分析サーバ、３１…取得部、３２…算出部、３３…判定部、３４…通知部、５０…設備、ＦＲ…故障率、Ｍａ…ベースモデル、Ｍｂ…季節性モデル、Ｍｃ…経年性モデル、Ｍｄ…季節性＋経年性モデル、Ｃ…信頼区間、Ｓ２１…取得ステップ、Ｓ２２…算出ステップ、Ｓ２３…判定ステップ、Ｓ２５…通知ステップ

Claims (12)

1. 設備に関する情報であって前記設備が属するロットを特定する情報を少なくとも含む設備情報が予め記憶された領域、および、入力された前記設備の故障に関する情報である故障情報を記憶する領域を有する記憶部と、
   前記記憶部から前記設備情報および前記故障情報を取得し、取得した前記設備情報および前記故障情報に基づいて所定の設備における故障率、および、前記所定の設備に関する前記故障情報に基づいて求められるものであって、前記所定の設備が属するロットにロット不良が生じている可能性の判定に用いられるモデルを算出する算出部と、
   算出された前記故障率、および、前記モデルを用いて算出された値を比較することにより前記所定の設備が属するロットにロット不良が生じている可能性を判定する判定部と、
   が設けられていることを特徴とする設備異常分析システム。
2. 前記モデルは、前記所定の設備に関する少なくとも１年間の前記故障情報に基づいて求められた故障率の平均値であることを特徴とする請求項１記載の設備異常分析システム。
3. 前記モデルは、前記所定の設備に関する前記故障情報に基づいて求められた故障率であって、１年を複数に分割した区間に基づいて算出された故障率であることを特徴とする請求項１記載の設備異常分析システム。
4. 前記モデルは、前記所定の設備に関する前記故障情報に基づいて求められた故障率であって、前記所定の設備が製造されてから経過した期間を複数に分割した区間に基づいて算出された故障率であることを特徴とする請求項１記載の設備異常分析システム。
5. 前記モデルは、前記所定の設備に関する前記故障情報に基づいて求められた故障率であって、前記所定の設備が製造されてから経過した期間を複数に分割した区間であり、かつ、１年を複数に分割した区間に基づいて算出された故障率であることを特徴とする請求項１記載の設備異常分析システム。
6. 前記記憶部に記憶される前記故障情報は、前記設備に発生した異常を報知する異常情報であることを特徴とする請求項１から５のいずれか１項に記載の設備異常分析システム。
7. 前記記憶部に記憶される前記故障情報は、作業員に対して前記設備の故障の確認を指示する情報である指示情報であることを特徴とする請求項１から５のいずれか１項に記載の設備異常分析システム。
8. 前記記憶部に記憶される前記故障情報は、前記設備の故障確認に関する情報である確認情報であることを特徴とする請求項１から５のいずれか１項に記載の設備異常分析システム。
9. 前記判定部は、前記モデルに基づく故障率である判定基準値を算出するとともに前記判定基準値から所定の広がりを有する信頼区間を設け、算出された前記故障率が前記信頼区間を超えるか否かにより、前記所定の設備が属するロットにロット不良が生じている可能性を判定することを特徴とする請求項１から８のいずれかに記載の設備異常分析システム。
10. 前記判定部によりロット不良が生じている可能性があると判定された前記所定の設備に関する情報であるロット不良情報を外部に通知する通知部が更に設けられていることを特徴とする請求項１から９のいずれか１項に記載の設備異常分析システム。
11. 設備に関する情報であって前記設備が属するロットを特定する情報を少なくとも含む設備情報、および、入力された前記設備の故障に関する情報である故障情報を記憶する記憶部から前記設備情報および前記故障情報を取得する取得ステップと、
    取得した前記設備情報および前記故障情報に基づいて所定の設備における故障率、および、前記所定の設備に関する前記故障情報に基づいて求められるものであって、前記所定の設備が属するロットにロット不良が生じている可能性の判定に用いられるモデルを算出する算出ステップと、
    算出された前記故障率、および、前記モデルを用いて算出された値を比較することにより前記所定の設備が属するロットにロット不良が生じている可能性を判定する判定ステップと、
    を有することを特徴とする設備異常分析方法。
12. コンピュータに、
    設備に関する情報であって前記設備が属するロットを特定する情報を少なくとも含む設備情報、および、入力された前記設備の故障に関する情報である故障情報を記憶する記憶部から前記設備情報および前記故障情報を取得する取得機能と、
    取得した前記設備情報および前記故障情報に基づいて所定の設備における故障率、および、前記所定の設備に関する前記故障情報に基づいて求められるものであって、前記所定の設備が属するロットにロット不良が生じている可能性の判定に用いられるモデルを算出する算出機能と、
    算出された前記故障率、および、前記モデルを用いて算出された値を比較することにより前記所定の設備が属するロットにロット不良が生じている可能性を判定する判定機能と、
    を実現させることを特徴とするプログラム。

Images