[发明专利]故障预测系统和故障预测方法

说明书

将从相当于故障预测执行时刻的基准时刻回溯规定的第一期间长度的时刻起到基准时刻为止的期间作为征兆检测期间，如果从基准时刻起经过规定的第二期间长度后未发生故障，则将到第二期间长度为止的期间作为预测对象期间，如果从基准时刻起经过第二期间长度后发生故障，则将到故障发生时刻为止的期间作为预测对象期间，使基准时刻依次变更；将基于征兆检测期间的运行日志信息得到的特征量作为解释变量，并将基于与预测对象期间的故障记录信息中的故障发生相对应的运行日志信息中的特定事件是否发生，和从基准时刻起到故障发生时刻为止的期间长度得到的故障指标值作为响应变量，进行机器学习。

技术领域

本发明涉及对装置中是否存在故障的征兆进行诊断并预测装置的故障的系统。

背景技术

装置和设备因故障而停止时，维护成本增大，同时客户满意度受损。因此，要求装置和设备的预防维护。预防维护是记录装置和设备的工作历史和运行状态，并基于该信息在故障发生之前进行部件更换等维护，来事先防止装置和设备整体停止。作为基于装置的工作历史来预测未来的故障的系统，提出了从运行日志中提取故障发生前的一定时间的部分并与故障建立关联，将关联了的运行日志和故障的信息作为输入，进行机器学习而生成模型，使用该模型来预测未来的故障的系统。

近年来的装置和设备中，由机械机构和电子电路构成的、具有信息装置和精密装置两方面的特性的较多。不仅有机械损耗导致的故障，也设想有电子电路的故障，故障的模式(方式)多种多样。另外，一般而言，装置和设备的故障大致分为机构部件的损耗和经时导致的电子部件等的劣化所引起的故障、和外部原因等引起的突发性的故障。此处，将前者定义为劣化故障，后者定义为突发故障。

劣化故障中，在达到致命的故障之前装置的动作中可能发生变化，将其观测为故障的征兆。例如，旋转部分的辊和带因经时磨损等而变质时，在起动时发生空转，或者转速中产生不均等。如果能够对其用传感器等进行观测，事先捕捉事件，则能够在发生致命的故障之前进行维护，能够防止装置和设备因故障而停止。

另一方面，突发故障难以事先预测，但能够将因对装置进行了错误的操作而发生的负载增大等事件捕捉为故障的前兆。但是，取决于装置和设备的哪个部分破损、以及之后的运行状态，在观测到劣化的征兆之后，劣化进展直至到达致命的故障的期间是各种各样的。为了模式化而提取并记录的运行日志的期间，并不单一地定义为故障前的固定期间。用在故障发生前按单一的时间差提取的运行日志进行学习、故障预测时，该运行日志中并不一定包括故障的征兆，会使预测精度恶化。

专利文献1中，公开了对于学习中使用的运行日志期间(故障征兆期间)，按每个故障的事例进行调整的技术。

例如，专利文献1中，公开了以下技术，即：将图像形成装置(传真机)的动作控制中使用的参数存储为时序信息，与按每个故障的种类预先确定的期间的故障模式进行对照并分类，以进行故障预测。根据对于基于装置的运行日志得到的装置的使用状况表示其倾向的数值数据和故障的种类，确定为了用于学习而提取的运行日志(故障征兆)的由故障种类确定的时间差和期间长度。

现有技术文献

专利文献

专利文献1：日本特开2015-174256号公报。

发明内容

发明要解决的技术问题

根据专利文献1中公开的技术，能够消除按每个故障种类发生故障的征兆的时间差。

但是，专利文献1的技术，是基于在隐含地运行状态相互类似的装置中从征兆起一定期间之后发生故障这一前提的。因此，对于从故障的征兆到实际故障发生的期间存在不均的情况下的应对存在限度。

用于解决问题的技术手段

本发明的目的在于提供一种提高装置和设备的故障发生的预测精度的技术。