JP2019020182A - 機械構造物の故障率予測システム、および、それを備えた故障率予測装置 - Google Patents

Abstract

【課題】機械構造物の溶接部に対して、故障率を迅速かつ網羅的に予測する手法、および当該手法を実装した故障率予測システムを提供する。【解決手段】演算装置とデータベースを備える機械構造物の故障率予測システムであって、第一のパラメータが前記機械構造物の状態量と相関を有するパラメータであり、第二のパラメータが前記機械構造物の状態量の変化量のばらつきに関する確率的なパラメータであるとき、前記データベースは、前記第一のパラメータに対応する前記第二のパラメータを格納しており、前記演算装置は、前記機械構造物に作用する外力に対する応答を解析することで、前記第一のパラメータを算出し、該第一のパラメータに対応する前記第二のパラメータを前記データベースから抽出し、前記第一のパラメータと前記第二のパラメータにより前記状態量を算出する故障率予測システム。【選択図】 図１

Description

本発明は、故障率予測システム、および、故障率予測装置に関するものであり、特に機械構造物の溶接部の故障率予測を効率化するシステム、および、装置に関する。

近年、機械構造物の使用環境が多様化し、過酷な環境での使用が増加している。これに伴い、機械構造物の設計時や稼働時において、機械構造物の寿命を正確に予測することが求められている。機械構造物の寿命は、製造方法や材料組織、残留応力、形状など様々な因子によってばらつき、そのばらつきは、設計時における安全率の設定や、稼働時における補修時期の決定などに直接影響する。このため、機械構造物の寿命の確率的な分布、すなわち、故障率を正確かつ効率的に把握することが望まれる。

機械構造物の寿命を高精度に予測する手法の一つとして、有限要素解析を利用した構造解析により、外力に対する構造の応答を解析する方法が広く用いられている。例えば、特許文献１では、構造解析により、機械構造物を構成する材料内部の損傷を予測し、機械構造物の寿命を評価するシステムが提案されている。

特開２０１４−７１０５３号公報

特許文献１の技術では、構造物全体の故障率の予測には、有限要素解析による構造解析を複数回実施するなど計算時間を要するため、故障率の予測に時間を要するという問題がある。また、確率的な因子を含まない確定論的な手法では、寿命の平均値は評価できるが、寿命を確率的に評価することが難しく、故障率の算出自体が難しい場合がある。

そこで、故障率の正確な予測によって機械構造物の信頼性を向上する点で解決すべき課題がある。

本発明の目的は、かかる従来技術の事情を鑑みてなされたものであり、機械構造物の故障率を正確かつ効率的に予測することによって、機械構造物の信頼性の向上を図ることができる故障率予測システム、および、それを備えた故障率予測装置を提供することである。

上記目的は、演算装置とデータベースを備える機械構造物の故障率予測システムであって、第一のパラメータが前記機械構造物の状態量と相関を有するパラメータであり、第二のパラメータが前記機械構造物の状態量の変化量のばらつきに関する確率的なパラメータであるとき、前記データベースは、前記第一のパラメータに対応する前記第二のパラメータを格納しており、前記演算装置は、前記機械構造物に作用する外力に対する応答を解析することで、前記第一のパラメータを算出し、該第一のパラメータに対応する前記第二のパラメータを前記データベースから抽出し、前記第一のパラメータと前記第二のパラメータにより前記状態量を算出する故障率予測システムによって達成される。

本発明によれば、機械構造物の故障率を正確かつ効率的に予測することが可能となる。

実施例１の故障率予測システムにおけるデータの流れを示す概略図 実施例１におけるデータベースに格納されるデータ例 実施例１の故障率予測システムにおける故障率の表示例 実施例１の故障率予測システムを備えた装置を示す概略図 実施例２の故障率予測システムにおけるデータの流れを示す概略図 実施例２における第二のデータベースに格納されるデータ例 実施例３の故障率予測システムにおけるデータの流れを示す概略図 実施例３における第三のデータベースに格納されるデータ例 実施例４の故障率予測システムにおけるデータの流れを示す概略図 実施例５の故障率予測システムにおけるデータの流れを示す概略図

以下、図面を参照して、本発明を適用した、故障率予測システム、および、そのシステムを実装した故障率予測装置の実施例を説明する。

図１から図４を用いて、本発明を適用した実施例１の故障率予測システム、および、それを備えた故障率予測装置を説明する。

本実施例の故障率予測システムは、対象となる機械構造物４に、外力５を繰り返し、または、長期間に亘り与えた場合の、機械構造物４の故障率を予測するものであり、例えば、対象となる機械構造物４が電車である場合には、走行時に加わる振動等の外力５によって車体等に亀裂が生じ故障に至る確率を予測し、適切な時期の補修を促すことで車体の故障を予防できるものである。

まず、図４を用いて、本実施例の故障率予測装置２０の概要を説明する。ここに示すように、故障率予測装置２０は、ＣＰＵ等の演算装置３０、キーボードやマウスなどの入力装置４０、ディスプレイなどの出力装置５０、半導体メモリ等の主記憶装置６０Ａ、ハードディスク等の補助記憶装置６０Ｂを備えており、補助記憶装置６０Ｂに記憶された後述のデータベースを参照しつつ、主記憶装置６０Ａに記憶されたプログラムを演算装置３０が実行することで、応答計算部３０ａ、第一のパラメータ演算部３０ｂ、第二のパラメータ演算部３０ｃ、状態量計算部３０ｄ、故障率計算部３０ｅ、故障率表示部３０ｆ等の種々機能を実現するものである。なお、ここでは、主記憶装置６０Ａと補助記憶装置６０Ｂを個別に設けているが、これらを一つの記憶装置６０に統合する構成としても良い。

次に、図１を用いて、故障率予測装置２０の要部である故障率予測システム１で実行される処理の概要を説明する。ここに示すように、故障率予測システム１は、演算装置３０とデータベース３からなるものである。なお、データベース３は、前述の補助記憶装置６０Ｂまたは記憶装置６０に記憶されたものである。

演算装置３０は、機械構造物４（例えば、電車の車体構造）の故障率をシミュレーションするための構造モデルを予め保持しており、その機械構造物４に所定の外力５（例えば、走行時の振動）を加えた場合の応答１００（例えば、構造モデルの変形、振動）から、機械構造物４の故障率を予測するものである。

具体的には、演算装置３０の応答計算部３０ａにより、外力５に対する機械構造物４の構造モデルの応答１００を解析し、その解析結果に基づいて、第一のパラメータ演算部３０ｂにより、機械構造物４の故障有無の判断に用いる状態量６（例えば、亀裂の長さ）と相関を有する第一のパラメータ７（例えば、亀裂先端近傍の応力場を表す応力拡大係数）を算出する。データベース３には、図２に示すような、第一のパラメータに対応する状態量６の変化率のばらつきに関する確率的な第二のパラメータ８（例えば、外力５の付与時間長さや付与繰返し数に対する、亀裂の進行速度）を格納しているため、第二のパラメータ演算部３０ｃは、第一のパラメータ７の値に応じた第二のパラメータ８をデータベース３から抽出することができる。このように、本実施例では、データベース３を用いることで、有限要素解析のような時間を要する演算を繰り返すことなく、短時間で所望の第二のパラメータ８を得ることができるため、演算能力の低い演算装置３０を用いる場合であっても、高品質の第二のパラメータ８を短時間で取得できる。

そして、状態量計算部３０ｄでは、これら二種類のパラメータ７、８に基づいて、状態量６を算出し、故障率計算部３０ｅでは、算出された状態量６により故障率９を予測し、最後に、予測した故障率９を故障率表示部３０ｆを介して出力装置５０に表示する。

このデータベース３を用いる故障率予測システムによれば、機械構造物４全体を対象とした有限要素解析を複数回実施することなく、機械構造物４の使用時間・使用回数と故障率の関係を、容易に予測することができる。

図３は、ディスプレイ等の出力装置５０に表示された故障率９の予測結果の一例であり、マウス等の入力装置４０を操作し、横軸パラメータに「時間」を、縦軸パラメータに「故障率」を選択した場合に表示されるグラフである。なお、縦軸、横軸に選択できるパラメータはこれらに限られず、縦軸に「亀裂長さ」を選択したり、横軸に「外力繰り返し回数」を選択できるようにしても良い。

この故障率予測装置２０では、故障率予測システムによる故障率の予測結果を分かりやすいグラフ形式で表示しているので、シミュレーション作業者は、機械構造物４の将来の故障率を容易に把握することができる。さらに、故障率予測装置２０では、故障率が所定の閾値を超える時間や回数を補修予定時間または補修予定回数として推奨するので、ここに達する前に点検や補修を行うことで、機械構造物４の故障を予防し、その安全性を適切に維持することができる。

以上で説明したように、本実施例によれば、機械構造物４全体を対象とした有限要素解析を複数回実施することなく、機械構造物４において状態量６が所定の値となるまでの時間や外力の繰り返し数を確率的な値として算出できるため、機械構造物４の故障率を効率的に予測することが可能となる。

次に、図５、図６を用いて、実施例２の故障率予測システム１を説明する。なお、実施例１と共通する点は重複説明を省略する。

図５に示す本実施例の故障率予測システム１は、実施例１のデータベース３に加え、第二のデータベース１０を備えており、第一のパラメータ演算部３０ｂは、機械構造物４の機械要素１１に対応する第一のパラメータ７をデータベース１０から抽出するものである。

図６に示すように、第二のデータベース１０には、機械構造物４を構成する溶接部などの機械要素１１に関して、境界条件（例えば変形態様が、曲げ（Bending）であるか、引張（Tensile）であるか、それらの組合せであるか）と、機械要素１１の形状と、第一のパラメータ７の、三者の対応関係を格納しており、第一のパラメータ演算部３０ｂは、第二のデータベース１０から機械構造物４の応答１００に対応する機械要素１１における第一のパラメータ７を抽出し、その後は、実施例１と同様にデータベース３から第二のパラメータ８を抽出し、これら二種類のパラメータにより状態量６を算出し、算出された状態量６により故障率９を予測する実施形態である。

これにより、機械構造物４を構成する機械要素１１の各々に対して、その境界条件と形状を踏まえ、網羅的に故障率を予測できるため、効率的かつ網羅的な故障率の予測が可能となる。

次に、図７、図８を用いて、実施例３の故障率予測システム１を説明する。なお、上述の実施例と共通する点は重複説明を省略する。

図７に示す本実施例の故障率予測システム１は、実施例１のデータベース３に加え、第三のデータベース１２を備えており、第一のパラメータ演算部３０ｂは、機械構造物４の応答１００と稼働時間１１０に対応する第一のパラメータ７を第三のデータベース１２から抽出するものである。

図８に示すように、第三のデータベース１２には、機械構造物４の稼働時間毎に、機械構造物４の応答と、第一のパラメータ７の対応関係を格納しており、第一のパラメータ演算部３０ｂは、第三のデータベース１２から機械構造物４の応答１００に対応する第一のパラメータ７を抽出し、その後は、実施例１と同様に、データベース３から第二のパラメータ８を抽出し、これら二種類のパラメータにより状態量６を算出し、算出された状態量６により故障率９を予測する実施形態である。

これにより、機械構造物４の稼働時間１１０を考慮した複雑な応答１００に対応した詳細な故障率予測が可能となり、実施例１および２の故障率予測システムよりも、故障率予測を高精度化することができる。

次に、図９を用いて、実施例４の故障率予測システム１を説明する。なお、上述の実施例と共通する点は重複説明を省略する。

図９に示す本実施例の故障率予測システム１の演算装置３０では、稼働中の機械構造物４で計測された状態量６の計測値１２０に基づいて、状態量６のばらつき１３０を算出し、このばらつき１３０をデータベース３に格納することにより、データベース３に格納された第二のパラメータ８を更新し、更新された第二のパラメータ１４０と、第一のパラメータ７によって状態量６を算出し、算出された状態量６により故障率９を予測する実施形態である。

これにより、稼働中の機械構造物４で実測された状態量６（例えば、亀裂の長さ等）を踏まえ、故障率をより高精度に予測し、適切な補修を施すことが可能となり、機械構造物４の信頼性を更に向上させることができるとともに、効率的な稼働と補修も可能となる。

なお、状態量６の計測値１２０は、作業員や計測用ドローンが実際に計測したものであっても良いし、機械構造物４が予め備えるセンサーを用いて計測したものであっても良い。

次に、図１０を用いて、実施例５の故障率予測システム１を説明する。なお、上述の実施例と共通する点は重複説明を省略する。

図１０に示す本実施例の故障率予測システム１は、演算装置３０にて、機械構造物４を構成する複数の機械要素１１の各々に対して故障率９を算出する。そして、算出された故障率９の値を比較し、機械要素１１における故障率９の大小関係１５０を出力装置５０に表示する実施形態である。

これにより、作業者は、最も早く故障すると思われる機械要素１１を簡単に特定でき、その機械要素１１に適切な時期に補修を施すことができるため、機械構造物４の稼働や補修をより効率的に判断することが可能となる。

なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。また、各実施例の構成について、他の構成の追加、削除、置換をすることが可能である。

１…故障率予測システム
３、１０、１２…データベース
４…機械構造物
５…外力
６…状態量
７、８…パラメータ
９…故障率
１１…機械要素
２０…故障率予測装置
３０…演算装置
３０ａ…応答計算部
３０ｂ…第一のパラメータ演算部
３０ｃ…第二のパラメータ演算部
３０ｄ…状態量計算部
３０ｅ…故障率計算部
３０ｆ…故障率表示部
４０…入力装置
５０…出力装置
６０…記憶装置
６０Ａ…主記憶装置
６０Ｂ…補助記憶装置
１００…応答
１１０…稼働時間
１２０…状態量の計測値
１３０…計測された状態量のばらつき
１４０…修正された第二のパラメータ
１５０…故障率の大小関係

Claims (6)

1. 演算装置とデータベースを備える機械構造物の故障率予測システムであって、
   第一のパラメータが前記機械構造物の状態量と相関を有するパラメータであり、
   第二のパラメータが前記機械構造物の状態量の変化量のばらつきに関する確率的なパラメータであるとき、
   前記データベースは、前記第一のパラメータに対応する前記第二のパラメータを格納しており、
   前記演算装置は、前記機械構造物に作用する外力に対する応答を解析することで、前記第一のパラメータを算出し、該第一のパラメータに対応する前記第二のパラメータを前記データベースから抽出し、前記第一のパラメータと前記第二のパラメータにより前記状態量を算出することを特徴とする故障率予測システム。
2. 演算装置と第一のデータベースと第二のデータベースを備える機械構造物の故障率予測システムであって、
   第一のパラメータが前記機械構造物の状態量と相関を有するパラメータであり、
   第二のパラメータが前記機械構造物の状態量の変化量のばらつきに関する確率的なパラメータであるとき、
   前記第一のデータベースは、前記第一のパラメータに対応する前記第二のパラメータを格納し、
   前記第二のデータベースは、前記機械構造物を構成する機械要素に関するデータを格納しており、
   前記演算装置は、前記機械構造物の応答に対応する前記データを前記第二のデータベースから抽出し、前記データにより前記第一のパラメータを算出し、該第一のパラメータに対応する前記第二のパラメータを前記第一のデータベースから抽出し、前記第一のパラメータと前記第二のパラメータにより前記状態量を算出することを特徴とする故障率予測システム。
3. 演算装置と第一のデータベースと第三のデータベースを備える機械構造物の故障率予測システムであって、
   第一のパラメータが前記機械構造物の状態量と相関を有するパラメータであり、
   第二のパラメータが前記機械構造物の状態量の変化量のばらつきに関する確率的なパラメータであるとき、
   前記第一のデータベースは、前記第一のパラメータに対応する前記第二のパラメータを格納し、
   前記第三のデータベースは、前記機械構造物の過去の稼働情報を格納しており、
   前記演算装置は、前記機械構造物の応答に対応する前記稼働情報を前記第三のデータベースから抽出し、前記稼働情報により前記第一のパラメータを算出し、該第一のパラメータに対応する前記第二のパラメータを前記第一のデータベースから抽出し、前記第一のパラメータと前記第二のパラメータにより前記状態量を算出することを特徴とする故障率予測システム。
4. 請求項１から３の何れか一項に記載の故障率予測システムにおいて、
   前記演算装置は、前記機械構造物における前記状態量のばらつきに関する計測データにより前記第二のパラメータを修正することを特徴とする故障率予測システム。
5. 請求項２に記載の故障率予測システムにおいて、
   前記演算装置は、複数の前記機械要素の故障率を予測する物であり、複数の前記機械要素における故障率の大小関係を算出することを特徴とする故障率予測システム。
6. 請求項１から５の何れか一項に記載の故障率予測システムと、
   該故障率予測システムで予測された故障率を表示する出力装置と、
   該出力装置の表示形式を選択する入力装置と、
   を備えることを特徴とする故障率予測装置。

Images