JP2020087251A - モデル作成装置、モデル作成方法及びプログラム - Google Patents

Abstract

【課題】所定の期間内に車両の部品が故障する蓋然性を予測する精度を向上させる。【解決手段】モデル作成装置１１は、交換された車両の部品を特定するための交換部品情報と、部品が交換された日を示す交換日情報と、車両を特定するための車両特定情報と、を取得する交換情報取得部１１１と、車両の状態を測定して得られた複数の測定データを含む測定データセットを、車両特定情報に関連付けて複数の車両から取得する第１データ取得部１１２と、交換情報取得部１１１が取得した複数の車両特定情報に対応する複数の測定データセットのうち、実行された自己診断の結果に問題があった車両で取得された測定データセットに含まれる複数の測定データを故障発生の教師データとして使用することにより故障予測モデルを作成するモデル作成部１１４と、を有する。【選択図】図３

Description

本発明は、車両の故障を予測するための機械学習モデルを作成するためのモデル作成装置、モデル作成方法及びプログラムに関する。

従来、装置の故障を予測するシステムが知られている。特許文献１には、故障を予測する対象となる装置の状態を示すデータを定期的に取得し、取得したデータに基づいて故障する時期を予測する技術が開示されている。

特開２００９−２１７７７０号公報

従来のシステムにおいては、線形予測法やニューロン法等を用いて故障を予測することが想定されている。これらの方法を用いることで、故障が発生する可能性の有無を予測することはできるが、例えば故障が発生する直前に挙動が変化するような場合の予測精度が不十分であるという問題があった。

そこで、本発明はこれらの点に鑑みてなされたものであり、所定の期間内に車両の部品が故障する蓋然性を予測する精度を向上させることができるモデル作成装置、モデル作成方法及びプログラムを提供することを目的とする。

本発明の第１の態様のモデル作成装置は、交換された車両の部品を特定するための交換部品情報と、前記部品が交換された日を示す交換日情報と、車両を特定するための車両特定情報と、を取得する交換情報取得部と、車両の状態を測定して得られた複数の測定データを含む測定データセットを、前記車両特定情報に関連付けて複数の車両から取得するデータ取得部と、前記交換情報取得部が取得した複数の前記車両特定情報に対応する前記複数の測定データセットのうち、実行された自己診断の結果に問題があった車両で取得された測定データセットに含まれる前記複数の測定データを故障発生の教師データとして使用することにより故障予測モデルを作成するモデル作成部と、を有する。

前記モデル作成部は、前記交換日情報が示す交換日以前の所定の予測期間内に実行された前記自己診断の結果に問題があった車両で取得された測定データセットに含まれる前記複数の測定データを故障発生の教師データとして使用することにより故障予測モデルを作成してもよい。

前記モデル作成部は、前記自己診断の結果に問題があった車両で取得された測定データセットに含まれる前記複数の測定データのうち、問題があった自己診断結果が得られた後に取得された複数の測定データを故障発生の教師データとして使用し、問題があった自己診断結果が得られた前に取得された複数の測定データを故障発生の教師データとして使用しないことにより故障予測モデルを作成してもよい。

前記モデル作成部は、前記自己診断の種別の指定を受け付け、受け付けた種別の前記自己診断の結果に問題があった車両で取得された測定データセットに含まれる前記複数の測定データを故障発生の教師データとして使用することにより故障予測モデルを作成してもよい。

前記モデル作成部は、前記交換部品情報が示す部品の種別に対応する種別の前記自己診断の結果に問題があった車両で取得された測定データセットに含まれる前記複数の測定データを故障発生の教師データとして使用することにより故障予測モデルを作成してもよい。

本発明の第２の態様のモデル作成方法は、コンピュータが実行する、交換された車両の部品を特定するための交換部品情報と、前記部品が交換された日を示す交換日情報と、車両を特定するための車両特定情報と、を取得するステップと、車両の状態を測定して得られた複数の測定データを含む測定データセットを、前記車両特定情報に関連付けて複数の車両から取得するステップと、取得した複数の前記車両特定情報に対応する前記複数の測定データセットのうち、実行された自己診断の結果に問題があった車両で取得された測定データセットを故障発生の教師データとして使用することにより故障予測モデルを作成するステップと、を有する。

本発明の第３の態様のプログラムは、コンピュータを、交換された車両の部品を特定するための交換部品情報と、前記部品が交換された日を示す交換日情報と、車両を特定するための車両特定情報と、を取得する交換情報取得部、車両の状態を測定して得られた複数の測定データを含む測定データセットを、前記車両特定情報に関連付けて複数の車両から取得するデータ取得部、及び前記交換情報取得部が取得した複数の前記車両特定情報に対応する前記複数の測定データセットのうち、実行された自己診断の結果に問題があった車両で取得された測定データセットを故障発生の教師データとして使用することにより故障予測モデルを作成するモデル作成部として機能させる。

本発明によれば、所定の期間内に車両の部品が故障する蓋然性を予測する精度を向上させることができるという効果を奏する。

故障予測システムの概要を説明するための図である。 車両のセンサーが出力する測定データについて説明するための図である。 モデル作成装置及び故障予測装置の機能構成を示す図である。 故障予測システムにおいて故障予測モデルを作成する処理の流れを示すフローチャートである。 変形例に係るモデル作成装置及び故障予測装置の構成を示す図である。

［故障予測システム１の概要］
図１は、本実施形態に係る故障予測システム１の概要を説明するための図である。車両管理システムＳは、車両Ｔから取得した車両Ｔの状態を示す各種のデータに基づいて、車両Ｔの異常状態を検出したり、車両Ｔの部品が故障する蓋然性を予測したりするためのシステムである。車両Ｔは例えば商用車であるが、車両管理システムＳを商用車以外の車両に適用してもよい。本明細書においては、車両管理システムＳが有する機能のうち、主に、車両Ｔの部品が故障する蓋然性を予測したりする機能を提供する故障予測システム１について説明する。

車両Ｔのそれぞれには各種の部品の状態によって出力値が変化する各種のセンサーが搭載されている。車両Ｔは、例えばエンジンの温度を検出するセンサー、エンジンの回転数を検出するセンサー、及び排気の温度を検出するセンサー等を搭載している。車両Ｔは、各種のセンサーの出力値を、無線通信ネットワーク及びインターネット等のネットワークＮを介してデータ収集サーバ２に送信する。車両Ｔは、日時を示す日時情報に関連付けて各種のセンサーの出力値を送信する。

以下の説明では、各種のセンサーの出力値を示すデータを測定データという。１つのセンサーからは、時間の経過とともに複数の測定データが出力される。本明細書においては、１つのセンサーから異なる複数の日時に出力される複数の測定データを測定データセットという。データ収集サーバ２は、複数の車両Ｔから、１つのセンサーに対応する測定データセットを複数受信する。すなわち、データ収集サーバ２は、複数の車両Ｔから複数の測定データセットを受信する。

図２は、車両Ｔのセンサーが出力する測定データについて説明するための図である。図２における横軸は、車両Ｔが製造されてから経過した時間を示し、縦軸は測定データに対応する変数の値を示している。図２は、部品交換が発生した車両Ｔにおいて、当該車両Ｔが製造された時点から取得された複数の測定データに対応する変数の値を示している。変数は、例えば所定の条件で走行中のエンジンの温度のように、経年変化し得る部品の特性を示す数値である。図２に示す車両においては、Ｄ２の時点で故障が発生している。

故障予測システム１は、図２に示すような複数の測定データを含む測定データセットを、測定データの種別に関連付けて取得する。測定データの種別は、測定データセットに含まれる測定データを出力したセンサーの名称、又は測定データに関連する部品の名称等により表される。故障予測システム１は、取得した複数の測定データセットに基づいて、所定の予測期間内に車両Ｔの部品が故障する蓋然性を予測する。所定の予測期間は、例えば車両Ｔの点検間隔よりも長い日数に定められており、図２におけるＤ１とＤ２との間の期間Ａである。車両Ｔの点検間隔が９０日である場合、所定の予測期間は例えば１８０日である。

故障予測システム１は、自己診断結果に問題が生じた車両Ｔで取得された測定データセットに含まれる複数の測定データを、所定の予測期間内に故障が発生する可能性がある場合に対応する教師データである故障発生の教師データとして使用する。詳細については後述するが、故障予測システム１は、例えば、自己診断結果に問題が生じた車両Ｔで所定の予測期間内に取得された複数の測定データを故障発生の教師データとして使用する。故障予測システム１は、自己診断結果に問題が生じた車両Ｔで所定の予測期間よりも前に取得された複数の測定データを、所定の予測期間内に故障が発生する可能性がない場合に対応する故障非発生の教師データとして使用してもよい。

図１に示すように、車両管理システムＳは、故障予測システム１と、データ収集サーバ２と、コンピュータ３とを備える。
故障予測システム１は、車両Ｔの故障を予測するためのシステムであり、一以上のコンピュータを含んで構成されている。故障予測システム１は、指定された車両Ｔが所定の予測期間内に故障が発生する蓋然性を予測するために用いられる機械学習モデルである故障予測モデルを作成し、作成した故障予測モデルに基づいて、車両Ｔが所定の期間以内に故障が発生する蓋然性を予測した結果を出力する。故障予測システム１は、モデル作成装置１１及び故障予測装置１２を有する。モデル作成装置１１及び故障予測装置１２の詳細については後述する。

データ収集サーバ２は、ネットワークＮを介して複数の車両Ｔから測定データを収集するコンピュータである。コンピュータ３は、例えば、車両Ｔを所有する会社又は車両Ｔを整備する会社に設置されている。コンピュータ３は、これらの会社の職員（以下、ユーザという場合がある）がデータ収集サーバ２にアクセスして特定の車両Ｔの測定データを参照したり、特定の車両Ｔが所定の予測期間内に故障が発生する蓋然性を予測する要求をしたりするために使用される。

以下、図１を参照しながら、故障予測システム１が故障予測モデルを作成し、作成した故障予測モデルに基づいて車両Ｔが所定の予測期間内に故障する蓋然性を予測する手順の概要を説明する。

車両Ｔにおいては、各種のセンサーを常時動作させており、所定の測定間隔（例えば１０秒間隔）で各種のセンサーの出力値をサンプリングする。データ収集サーバ２は、例えば所定の時間間隔、又は車両Ｔの入庫時等の所定のタイミングで各車両Ｔから測定データを取得し、車両Ｔを特定するための車両特定情報に関連付けて、複数の測定データを記憶する（図１における（１Ａ））。車両特定情報は、例えば車両Ｔの製造時に車両Ｔに付与された製造番号、又は陸運局において車両Ｔに付与された車両番号のように、車両Ｔに固有の情報である。

また、車両Ｔにおいては、各種のセンサーの値に基づいて自己診断を行う。自己診断は、定常的に各種のセンサーの出力値を測定し、測定した結果を基準値と比較することにより行われる。自己診断においては、データ収集サーバ２に送信される測定データに対応するセンサーの出力値が用いられてもよく、測定データに対応するセンサーの出力値と異なるデータが用いられてもよい。

自己診断の結果は、複数の段階に分類される。例えば、自己診断結果は、「良好」、「ほぼ良好」、「やや問題あり」、「大きな問題あり」といった４つの段階に分類される。車両Ｔは、自己診断の結果をデータ収集サーバ２に送信する（図１における（１Ｂ））。車両Ｔは、測定データを送信するタイミングで自己診断結果を送信してもよく、測定データを送信するタイミングと異なるタイミングで自己診断結果を送信してもよい。車両Ｔは、問題がある自己診断結果が発生したタイミングで、当該自己診断結果を送信してもよい。データ収集サーバ２は、受信した自己診断結果を車両特定情報に関連付けて記憶する。自己診断結果に問題がある状態とは、自己診断結果が示す状態が基準値に比べて悪いという状態である。自己診断結果が例えば「良好」、「ほぼ良好」、「やや問題あり」、「大きな問題あり」の４つの段階に分類されている場合、自己診断結果が「やや問題あり」、「大きな問題あり」に該当する場合は、自己診断結果に問題がある状態である。

データ収集サーバ２は、故障予測システム１から測定データセットの要求を受けた場合、車両Ｔの複数の測定データセットを故障予測システム１に提供する。データ収集サーバ２は、例えば、故障予測システム１からの要求に応じて、故障予測システム１が故障予測モデルを作成するタイミングで、測定データセット及び自己診断結果を、車両Ｔの車両特定情報に関連付けて故障予測システム１に送信する（図１における（２Ａ）及び（２Ｂ））。モデル作成装置１１は、データ収集サーバ２から取得した測定データセットのうち、自己診断結果に基づいて選択した測定データセットを教師データとして、故障予測モデルを作成する（図１における（３））。モデル作成装置１１は、例えば、データ収集サーバ２から取得した測定データセットのうち、自己診断結果に問題があった車両Ｔで取得された測定データセットを教師データとして用いることにより、故障予測モデルを作成する。

その後、コンピュータ３のユーザが、コンピュータ３にインストールされたアプリケーションソフトウェア、又は故障予測システム１が提供するウェブアプリケーションソフトウェアを介して、故障予測を要求する操作をすると、コンピュータ３は、ネットワークＮを介して、故障予測をする対象となる車両Ｔの車両特定情報を含む故障予測要求メッセージをデータ収集サーバ２に送信する（図１における（４））。データ収集サーバ２は、故障予測要求メッセージを受信すると、故障予測要求メッセージに含まれている車両特定情報に関連付けられた測定データセットを含む故障予測指示を故障予測装置１２に送信する（図１における（５））。

故障予測装置１２は、故障予測指示を受信すると、故障予測指示に含まれている測定データセットを、モデル作成装置１１が作成した故障予測モデルに入力することにより、所定の期間以内に車両Ｔに故障が発生する蓋然性を算出する。故障予測装置１２は、算出した蓋然性の値を故障予測結果としてデータ収集サーバ２に送信する（図１における（６））。データ収集サーバ２は、故障予測装置１２から受信した故障予測結果を含む予測結果報告をコンピュータ３に送信する（図１における（７））。

コンピュータ３は、受信した予測結果報告を、コンピュータ３のユーザが視認できるように出力する（図１における（８））。以上の手順により、車両Ｔを所有する会社又は車両Ｔを整備する会社の職員等が、所定の期間内に車両の部品が故障する蓋然性を把握することができる。
以下、故障予測システム１の構成及び動作について詳細に説明する。

［故障予測システム１の構成］
モデル作成装置１１は、取得した複数の測定データセットそれぞれに含まれる複数の測定データの変化パターンを教師データとして、故障を予測する対象となる車両Ｔから取得された測定データセットが入力されたことに応じて当該車両Ｔが所定の予測期間内に故障する蓋然性を出力する機械学習モデルである故障予測モデルを生成するコンピュータである。

故障予測システム１は、図２に示す測定データセットに含まれる複数の測定データのうち、部品交換が発生した日（図２におけるＤ２）から所定の日数（例えば図２における期間Ａ）以内の複数の測定データであり、かつ自己診断結果の少なくとも一部に問題があった車両Ｔにおいて取得された測定データを、所定の予測期間内に故障が発生する可能性があることを示す教師データとして使用する。故障予測システム１は、図２に示す測定データセットに含まれる複数の測定データのうち、部品交換が発生した日から所定の日数より前に得られた複数の測定データを、所定の予測期間内に故障が発生する可能性がないことを示す故障非発生の教師データとして使用する。

故障予測装置１２は、故障を予測する対象となる車両Ｔから取得した測定データセットに基づいて、当該車両Ｔが所定の予測期間内に故障する蓋然性を示す予測結果を出力するコンピュータである。故障予測装置１２は、データ収集サーバ２から取得した測定データセットをモデル作成装置１１に入力し、モデル作成装置１１から出力される故障発生の蓋然性を示す値である予測結果を含む故障予測情報を出力する。故障予測装置１２は、故障予測情報をディスプレイに表示したり、紙に印刷したり、他のコンピュータに送信したりすることにより予測結果を出力する。
以下、モデル作成装置１１の動作の詳細を説明する。

［モデル作成装置１１の機能構成及び動作］
図３は、モデル作成装置１１及び故障予測装置１２の機能構成を示す図である。まず、モデル作成装置１１の機能構成について説明する。
モデル作成装置１１は、交換情報取得部１１１と、第１データ取得部１１２と、設定受付部１１３と、モデル作成部１１４と、記憶部１１５とを有する。交換情報取得部１１１、第１データ取得部１１２、設定受付部１１３及びモデル作成部１１４は、例えば、プログラムを実行するＣＰＵ（Central Processing Unit）により構成される。

交換情報取得部１１１は、交換された車両Ｔの部品を特定するための交換部品情報と、部品が交換された日を示す交換日情報と、部品が交換された車両Ｔを特定するための車両特定情報と、を取得する。交換情報取得部１１１は、例えば、車両Ｔの販売会社、車両Ｔを所有する会社又は車両Ｔを整備する会社のコンピュータ３から送信されたクレーム情報、交換部品情報、交換日情報、及び車両特定情報を、ネットワークＮを介して取得する。交換情報取得部１１１は、故障予測システム１が設置されている会社の職員が、コンピュータ３のキーボード又はタッチパネルを用いて入力した交換部品情報、交換日情報、及び車両特定情報を取得する。

交換部品情報は、例えば交換された部品の名称を示すテキスト情報、交換された部品に割り当てられた番号、又は交換された部品の形状を示す画像情報である。交換情報取得部１１１は、取得した交換部品情報及び交換日情報を車両特定情報に関連付けて記憶部１１５に記憶させる。

第１データ取得部１１２は、車両Ｔの状態を測定して得られた複数の測定データを含む測定データセット及び自己診断結果を、車両Ｔの車両特定情報に関連付けて取得する。第１データ取得部１１２は、車両Ｔが製造された時点以降に得られた複数の測定データセットを取得する。

第１データ取得部１１２は、例えばデータ収集サーバ２を介して、測定データセットに含まれる複数の測定データが何を測定したデータであるかを特定するためのデータ識別情報に関連付けて、測定データセットを取得する。データ識別情報は、例えば、測定データが関連する部品の名称を示すテキスト情報、測定データを出力したセンサーの名称を示すテキスト情報、又は部品若しくはセンサーに割り当てられた番号である。また、第１データ取得部１１２は、自己診断結果を、自己診断が行われた日時に関連付けて取得する。第１データ取得部１１２は、取得した測定データセット及び自己診断結果を車両特定情報に関連付けて記憶部１１５に記憶させる。

設定受付部１１３は、故障予測システム１を管理する会社の職員がキーボード又はタッチパネルを用いて入力した各種の設定を受け付ける。一例として、設定受付部１１３は、故障が発生する蓋然性の大きさを故障予測システム１に出力させる対象となる期間である予測期間の設定を受け付ける。設定受付部１１３は、例えば、「９０日」、「１８０日」、「２７０日」、「３６０日」といった予測期間の候補をディスプレイに表示させ、職員により選択された候補を予測期間に設定する。設定受付部１１３は、職員により予測期間の設定が行われない場合は、デフォルト値（例えば１８０日）を予測期間として設定してもよく、全ての候補を予測期間に設定してもよい。

モデル作成部１１４は、特定の車両Ｔが所定の予測期間内に故障する蓋然性を予測するために用いられる故障予測モデルを作成する。具体的には、モデル作成部１１４は、故障予測の対象となる車両Ｔから取得された測定データセットが入力された場合に、当該車両Ｔが所定の予測期間内に故障する蓋然性の予測結果を出力する故障予測モデルを作成する。

モデル作成部１１４が学習に使用するアルゴリズムは任意であるが、モデル作成部１１４は、周知の特徴抽出アルゴリズムや周知の特徴選択アルゴリズムに多数の測定データセット（例えば１０万種類の測定データセット）を入力することにより測定データセットを絞り込み、絞り込んだ後の測定データセットに基づいて故障予測モデルを作成する。モデル作成部１１４の動作の詳細については後述する。

記憶部１１５は、ハードディスク、ＲＯＭ（Read Only Memory）、及びＲＡＭ（Random Access Memory）等の記憶媒体である。記憶部１１５は、交換情報取得部１１１が取得した交換部品情報及び交換日情報、並びに第１データ取得部１１２が取得した測定データセットを車両特定情報に関連付けて記憶する。また、記憶部１１５は、モデル作成部１１４が作成した故障予測モデルを記憶する。さらに、記憶部１１５は、交換情報取得部１１１、第１データ取得部１１２、設定受付部１１３及びモデル作成部１１４として機能するＣＰＵが実行するプログラムを記憶する。

［故障予測モデルを作成する処理の詳細］
モデル作成部１１４は、交換情報取得部１１１が取得した複数の車両特定情報に対応する複数の測定データセットのうち、交換日情報が示す交換日以前の所定の予測期間内に得られた複数の測定データセット（例えば図２における期間Ａにおける測定データセット）を故障発生の教師データとして使用する。また、モデル作成部１１４は、所定の予測期間より前に得られた複数の測定データセットを故障非発生の教師データとして使用する。モデル作成部１１４は、交換情報取得部１１１が取得した複数の車両特定情報に対応する複数の測定データセットのうち、実行された自己診断の結果に問題があった車両Ｔで取得された測定データセットに含まれる複数の測定データを故障発生の教師データとして使用することにより故障予測モデルを作成する。

モデル作成部１１４が、自己診断結果に問題があった車両Ｔの測定データセットを故障発生の教師データとして使用することにより、偶発的に発生した故障に起因する部品の交換が発生した車両Ｔ、又は故障していないにもかかわらず部品の交換が発生した車両Ｔで得られた測定データセットに含まれる複数の測定データが故障発生の教師データとして使用されないので、故障予測の精度が向上する。

モデル作成部１１４は、交換日情報が示す交換日以前の所定の予測期間内に実行された自己診断の結果に問題があった車両Ｔで取得された複数の測定データセットを故障発生の教師データとして使用することにより故障予測モデルを作成してもよい。モデル作成部１１４がこのように動作することで、自己診断の結果に問題があった後に状態が改善した車両Ｔの測定データが故障発生の教師データとして使用されないので、故障予測の精度がさらに向上する。

モデル作成部１１４は、実行された自己診断の結果に問題があった車両Ｔで取得された測定データセットに含まれる複数の測定データのうち、問題があった自己診断結果が得られた後に取得された複数の測定データを故障発生の教師データとして使用し、問題があった自己診断結果が得られた前に取得された複数の測定データを故障発生の教師データとして使用しないようにしてもよい。モデル作成部１１４がこのように動作することで、自己診断結果に問題が発生していない時点の測定データが故障発生の教師データとして用いないので、故障予測モデルを用いて故障を予測する際に、故障する蓋然性が低いにもかかわらず故障する蓋然性が高いと誤って予測されてしまう確率が低減する。

モデル作成部１１４は、複数の種別の自己診断結果のうち、特定の種別の自己診断結果を、測定データセットを故障発生の教師データとして用いるか否かを判定するために用いてもよい。例えば、モデル作成部１１４は、所定の自己診断の種別の指定を受け付け、受け付けた種別の所定の自己診断に問題があった車両Ｔで取得された測定データセットに含まれる複数の測定データを故障発生の教師データとして使用することにより故障予測モデルを作成する。

モデル作成部１１４は、交換部品情報が示す部品の種別に対応する種別の所定の自己診断に問題があった車両Ｔで取得された測定データセットに含まれる複数の測定データを故障発生の教師データとして使用することにより故障予測モデルを作成してもよい。モデル作成部１１４は、例えば、エンジンに関連する部品が交換された場合、エンジンに関連する自己診断結果が平均的な段階よりも悪い診断結果を示していることを条件として、当該自己診断結果が得られた車両Ｔで取得された測定データセットに含まれる複数の測定データを故障発生の教師データとして使用する。モデル作成部１１４がこのように動作することで、交換された部品が劣化している兆候があった車両Ｔで取得された複数の測定データセットに基づいて故障予測モデルが作成されるので、故障予測モデルを用いた故障予測の精度が向上する。

モデル作成部１１４は、車両Ｔの使用態様ごとに故障予測モデルを作成してもよい。使用態様は、例えば、１日あたりの平均走行距離、平均荷重、走行地域等のように、車両Ｔの部品の寿命に影響を与える可能性がある車両Ｔの使われ方である。モデル作成部１１４が使用態様ごとに故障予測モデルを作成できるように、第１データ取得部１１２は、車両特定情報に関連付けて、車両Ｔの使用態様を示す使用態様データを取得する。

モデル作成部１１４は、故障が発生していない車両（例えば部品が交換されておらず交換部品情報を取得していない正常車両）のみを用いた使用態様データに基づくクラスタリングにより、正常車両の複数の測定データセットのクラスタを作成する。さらに、モデル作成部１１４は、部品交換が発生した車両（例えば部品が交換されており交換部品情報を取得している故障車両）を、使用態様が最も近い正常車両の測定データで作成したクラスタに割り当てることにより、正常車両の測定データセット及び故障車両の測定データセットを含むクラスタ別の測定データセットを作成する。モデル作成部１１４は、クラスタごとに、クラスタに属する正常車両の測定データセット及び故障車両の測定データセットを教師データとして使用することにより、複数種類の使用態様データのそれぞれに対応する故障予測モデルを作成する。

このように、モデル作成部１１４がクラスタごとに故障予測モデルを作成することで、使用態様ごとに部品の寿命が異なる場合であっても、故障予測システム１は、所定の予測期間内に故障が発生する蓋然性を高い精度で予測することが可能になる。さらに正常車両のみをクラスタリングに用いることにより、故障車両が持つ可能性のある使用態様の特徴を排除した使用態様クラスタを作成することが可能になる。なお、後述する部品の種類ごとに故障予測モデルを作成する態様の場合、正常車両は、モデルの作成対象の種類の部品に故障が発生していない車両となり、故障車両は、モデルの作成対象の種類の部品の交換が発生した車両となる。

モデル作成部１１４は、車両Ｔが有する複数の部品の少なくとも一部の部品のそれぞれに対応する故障予測モデルを作成してもよい。この場合、モデル作成部１１４は、第１データ取得部１１２が取得した測定データセットに含まれる複数の測定データセットのうち、故障予測モデルに対応する部品に関連付けられた複数の測定データセットを教師データとして使用する。モデル作成部１１４が、例えば車両Ｔのエンジンに対応する故障予測モデルを作成する場合、エンジンの温度を示す測定データセット及びエンジンの回転数を示す測定データセット等のように、エンジンの状態を示す測定データセットを教師データとして使用する。モデル作成部１１４は、周知の特徴抽出アルゴリズムや周知の特徴選択アルゴリズムを用いて部品の種類ごとに多数の測定データセットから測定データセットを絞り込み、絞り込んだ測定データセットに基づいて部品の種類ごとに故障予測モデルを作成する。

この際、上述のように、モデル作成部１１４は、故障予測モデルを作成する対象となる部品に関連する自己診断結果に問題があったことを条件として、その後に取得された複数の測定データセットに基づいて、当該部品用の故障予測モデルを作成する。

モデル作成部１１４は、所定の予測期間に関連付けて故障予測モデルを作成してもよい。モデル作成部１１４は、例えば、予め設定された複数の予測期間のそれぞれに対して、予測期間が経過するまでの間に故障する蓋然性を出力する故障予測モデルを作成する。

モデル作成部１１４は、例えばＸ日の予測期間に対応する故障予測モデルを作成する場合、部品交換が発生した日の直前のＸ日間の測定データセット（例えば、図２における期間Ａの間に取得された複数の測定データ）を、故障発生の教師データとして使用する。モデル作成部１１４は、部品交換が発生した日からＸ日より前の測定データセットを、故障非発生の教師データとして使用する。モデル作成部１１４は、第１データ取得部１１２が取得した複数の車両Ｔに対応する複数の測定データセットのうち、交換情報取得部１１１が交換部品情報を取得していない車両Ｔに対応する測定データセットを故障非発生の教師データとしてさらに使用してもよい。モデル作成部１１４は、予測期間に関連付けて、作成した故障予測モデルを記憶部１１５に記憶させる。

モデル作成部１１４は、作成した故障予測モデルを用いて、予測期間内に車両Ｔが故障する蓋然性を算出する機能も有する。モデル作成部１１４は、例えば故障予測装置１２から故障予測をする指示を受けたことに応じて、故障を予測する対象となる車両Ｔの測定データセットを例えばデータ収集サーバ２から取得し、取得した測定データセットを、作成した故障予測モデルに入力する。モデル作成部１１４は、測定データセットを入力したことに応じて故障予測モデルから出力された故障が発生する蓋然性を示す値を、車両Ｔが所定の予測期間内に故障する蓋然性の予測結果として、故障予測装置１２に対して出力する。

なお、モデル作成部１１４は、故障を予測する対象として取得した測定データセットを、故障予測モデルを更新するための教師データとして用いてもよい。モデル作成部１１４は、例えば取得した測定データセットに対応する車両Ｔにおける自己診断結果が問題の発生を示している場合において、当該車両Ｔから得られた測定データセットを故障発生の教師データとして用いて故障予測モデルを更新する。

モデル作成部１１４は、取得した測定データセットに対応する車両Ｔの過去の部品交換の履歴を示す情報を測定データセットに関連付けて取得し、履歴を示す情報に基づいて、部品交換が発生した履歴がある測定データセットにおける部品交換が発生した日の直前の予測期間内の複数の測定データを、故障発生の教師データとして使用してもよい。また、モデル作成部１１４は、部品交換が発生した履歴がない測定データセットに含まれる複数の測定データを、故障非発生車両の教師データとして使用してもよい。モデル作成部１１４は、部品交換が発生した履歴がなく、かつ自己診断結果が良好な結果を示している車両Ｔにおいて得られた複数の測定データを、故障非発生車両の教師データとして使用してもよい。

また、モデル作成部１１４は、車両Ｔの故障を予測してから予測期間が経過した後に、交換情報取得部１１１を介して、当該車両Ｔが予測期間の間に部品の交換が発生したか否かを示す情報を取得し、取得した情報と予測結果とを比較してもよい。モデル作成部１１４は、多数の車両Ｔに対して比較した結果に基づいて、予測期間内に故障した確率を算出し、算出した確率と予測結果が示す蓋然性との差が所定の閾値以上である場合に、新たな測定データセットを教師データとして用いて故障予測モデルを更新してもよい。モデル作成部１１４がこのように故障予測モデルを更新することで、故障予測モデルの精度を向上させることができる。

［故障予測装置１２の機能構成］
続いて、故障予測装置１２の機能構成について説明する。故障予測装置１２は、第２データ取得部１２１と、データ入力部１２２と、情報出力部１２３とを有する。

第２データ取得部１２１は、故障を予測する対象となる車両Ｔの測定データセットを取得し、取得した測定データセットをデータ入力部１２２に入力する。第２データ取得部１２１は、故障予測の指示とともに、故障予測をする対象である車両Ｔの測定データセットを、ネットワークＮを介して取得する。第２データ取得部１２１は、測定データセットをデータ収集サーバ２から取得してもよく、コンピュータ３から取得してもよい。

データ入力部１２２は、第２データ取得部１２１から取得した測定データセットをモデル作成部１１４に入力する。データ入力部１２２は、例えば、故障を予測する対象となる車両Ｔの車両特定情報に関連付けて、測定データセットをモデル作成部１１４に入力する。モデル作成部１１４が複数のクラスタに対応する複数の故障予測モデルを有している場合、データ入力部１２２は、第２データ取得部１２１から取得した測定データセットに対応するクラスタを特定し、特定したクラスタの故障予測モデルに測定データセットを入力する。

情報出力部１２３は、データ入力部１２２がモデル作成部１１４に入力した測定データセットに基づいてモデル作成部１１４が出力した予測結果を取得する。情報出力部１２３は、複数のクラスタに対応する複数の故障予測モデルのうち、例えばデータ入力部１２２が測定データセットを入力したクラスタに対応する故障予測モデルから予測結果を取得する。情報出力部１２３は、取得した予測結果を、故障予測の指示の送信元（例えばデータ収集サーバ２又はコンピュータ３）に送信する。情報出力部１２３は、故障予測装置１２が有するディスプレイに予測結果を表示させたり、紙に予測結果を印刷したりしてもよい。情報出力部１２３は、予測結果の取得に用いられた故障予測モデルに対応するクラスタの名称を予測結果とともに出力してもよい。

［故障予測システム１における処理の流れ］
図４は、故障予測システム１において故障予測モデルを作成する処理の流れを示すフローチャートである。まず、第１データ取得部１１２は、データ収集サーバ２を介して、多数の車両Ｔから複数の測定データセットを取得する（Ｓ１１）。続いて、モデル作成部１１４は、複数の測定データセットから１つの測定データセットを選択し、選択した測定データセットに対応する車両Ｔに部品の交換が発生したか否かを特定する（Ｓ１２）。モデル作成部１１４は、部品の交換が発生していた場合、部品の交換日も特定する。

モデル作成部１１４は、Ｓ１２において、部品の交換が発生していたと判定した場合（Ｓ１２におけるＹＥＳ）、部品の交換が発生した車両Ｔにおいて、問題がある自己診断結果が発生していたか否かを判定する（Ｓ１３）。モデル作成部１１４は、問題がある自己診断結果が発生していたと判定した場合（Ｓ１３においてＹＥＳ）、当該車両Ｔの測定データセットに含まれる複数の測定データのうち、部品の交換日以前の所定の予測期間内に得られた複数の測定データを故障発生の教師データとする（Ｓ１４）。モデル作成部１１４は、問題がある自己診断結果が発生していなかったと判定した場合（Ｓ１３においてＮＯ）、当該車両Ｔの測定データセットに含まれる複数の測定データを教師データとして使用しない（Ｓ１５）。

モデル作成部１１４は、Ｓ１３において、部品の交換が発生していなかったと判定した場合（Ｓ１２におけるＮＯ）、選択した測定データセットを故障非発生の教師データに使用する（Ｓ１６）。モデル作成部１１４は、所定の予測期間より前の複数の測定データを、予測期間内に故障が発生しない故障非発生の教師データとしてもよい。

モデル作成部１１４は、Ｓ１４及びＳ１５で決定したように複数の測定データを故障発生の教師データ又は故障非発生の教師データとして使用することにより、故障予測モデルを作成する（Ｓ１７）。モデル作成部１１４は、新たな測定データセットを取得するたびに、Ｓ１１からＳ１７の処理を実行し、故障予測モデルを更新してもよい。

［第１変形例］
以上の説明においては、故障予測システム１が、データ収集サーバ２を介して測定データセットを取得することが想定されていた。また、故障予測システム１がモデル作成装置１１及び故障予測装置１２を有することが想定されていた。しかしながら、モデル作成装置１１及び故障予測装置１２の構成はこれに限らない。

図５は、第１変形例に係るモデル作成装置１１及び故障予測装置１２の構成を示す図である。図５に示すモデル作成装置１１は、ネットワークＮを介して複数の車両Ｔから測定データ及び自己診断結果を取得し（図５における（１））、取得した測定データに基づいて故障予測モデルを作成する（図５における（２））。

また、図５における故障予測装置１２はモデル作成装置１１と異なる場所に設定されている。故障予測装置１２は、例えば、車両Ｔを所有する会社又は車両Ｔを整備する会社に設置されたコンピュータにインストールされた故障予測のためのアプリケーションプログラムを実行することにより、故障予測機能を実行する。故障予測装置１２は、ユーザの操作に応じて、故障予測要求をモデル作成装置１１に送信し（図５における（３）及び（４））、モデル作成装置１１から出力された予測結果報告を受信すると（図５における（５）及び（６））、予測結果を出力する（図５における（７））。このように、モデル作成装置１１及び故障予測装置１２の設置場所、及び接続関係は任意である。

［第２変形例］
以上の説明においては、モデル作成装置１１が自己診断結果を取得し、モデル作成装置１１において、複数の車両Ｔのうち、実行された自己診断の結果に問題があった車両Ｔを特定する場合を例示した。しかしながら、モデル作成装置１１以外の装置が実行された自己診断の結果に問題があった車両Ｔを特定してもよい。例えば、データ収集サーバ２が、実行された自己診断の結果に問題があった車両Ｔを特定し、特定した車両Ｔで取得された測定データセットのみをモデル作成装置１１に送信してもよい。データ収集サーバ２がこのように動作することにより、データ収集サーバ２がモデル作成装置１１に送信するデータ量が削減されるとともに、モデル作成装置１１の処理の負荷が低減する。

［モデル作成装置１１による効果］
以上説明したように、交換情報取得部１１１は、交換された車両Ｔの部品を特定するための交換部品情報と、部品が交換された日を示す交換日情報と、車両Ｔを特定するための車両特定情報と、を取得する。第１データ取得部１１２は、車両Ｔの状態を測定して得られた複数の測定データを含む測定データセット及び自己診断結果を、車両特定情報に関連付けて複数の車両Ｔから取得する。

そして、モデル作成部１１４は、交換情報取得部１１１が取得した複数の車両特定情報に対応する複数の測定データセットのうち、実行された自己診断の結果に問題があった車両で取得された測定データセットに含まれる複数の測定データを故障発生の教師データとして使用することにより故障予測モデルを作成する。モデル作成装置１１がこのような構成を有することで、モデル作成装置１１は、部品交換が発生した複数の車両Ｔのうち、自己診断結果に問題があった車両Ｔで取得された測定データセットを用いて故障予測モデルを作成できるので、所定の期間内に車両の部品が故障する蓋然性を予測する精度を向上させることができる。

なお、以上の説明においては、モデル作成装置１１が、車両Ｔが所定の期間内に故障する蓋然性の予測結果を出力する故障予測モデルを作成したが、モデル作成装置１１は、蓋然性の予測結果の一例として、車両Ｔが所定の期間内に故障する可能性の有無を予測結果として出力する故障予測モデルを作成してもよい。この場合、故障予測装置１２は、故障を予測する対象となる車両Ｔが所定の期間内に故障する可能性の有無を示す情報を予測結果として出力する。

以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されず、その要旨の範囲内で種々の変形及び変更が可能である。例えば、装置の分散・統合の具体的な実施の形態は、以上の実施の形態に限られず、その全部又は一部について、任意の単位で機能的又は物理的に分散・統合して構成することができる。また、複数の実施の形態の任意の組み合わせによって生じる新たな実施の形態も、本発明の実施の形態に含まれる。組み合わせによって生じる新たな実施の形態の効果は、もとの実施の形態の効果を合わせ持つ。

１ 故障予測システム
２ データ収集サーバ
３ コンピュータ
１１ モデル作成装置
１２ 故障予測装置
１１１ 交換情報取得部
１１２ 第１データ取得部
１１３ 設定受付部
１１４ モデル作成部
１１５ 記憶部
１２１ 第２データ取得部
１２２ データ入力部
１２３ 情報出力部

Claims (7)

1. 交換された車両の部品を特定するための交換部品情報と、前記部品が交換された日を示す交換日情報と、車両を特定するための車両特定情報と、を取得する交換情報取得部と、
   車両の状態を測定して得られた複数の測定データを含む測定データセットを、前記車両特定情報に関連付けて複数の車両から取得するデータ取得部と、
   前記交換情報取得部が取得した複数の前記車両特定情報に対応する前記複数の測定データセットのうち、実行された自己診断の結果に問題があった車両で取得された測定データセットに含まれる前記複数の測定データを故障発生の教師データとして使用することにより故障予測モデルを作成するモデル作成部と、
   を有するモデル作成装置。
2. 前記モデル作成部は、前記交換日情報が示す交換日以前の所定の予測期間内に実行された前記自己診断の結果に問題があった車両で取得された測定データセットに含まれる前記複数の測定データを故障発生の教師データとして使用することにより故障予測モデルを作成する、
   請求項１に記載のモデル作成装置。
3. 前記モデル作成部は、前記自己診断の結果に問題があった車両で取得された測定データセットに含まれる前記複数の測定データのうち、問題があった自己診断結果が得られた後に取得された複数の測定データを故障発生の教師データとして使用し、問題があった自己診断結果が得られた前に取得された複数の測定データを故障発生の教師データとして使用しないことにより故障予測モデルを作成する、
   請求項１又は２に記載のモデル作成装置。
4. 前記モデル作成部は、前記自己診断の種別の指定を受け付け、受け付けた種別の前記自己診断の結果に問題があった車両で取得された測定データセットに含まれる前記複数の測定データを故障発生の教師データとして使用することにより故障予測モデルを作成する、
   請求項１から３のいずれか一項に記載のモデル作成装置。
5. 前記モデル作成部は、前記交換部品情報が示す部品の種別に対応する種別の前記自己診断の結果に問題があった車両で取得された測定データセットに含まれる前記複数の測定データを故障発生の教師データとして使用することにより故障予測モデルを作成する、
   請求項１から４のいずれか一項に記載のモデル作成装置。
6. コンピュータが実行する、
   交換された車両の部品を特定するための交換部品情報と、前記部品が交換された日を示す交換日情報と、車両を特定するための車両特定情報と、を取得するステップと、
   車両の状態を測定して得られた複数の測定データを含む測定データセットを、前記車両特定情報に関連付けて複数の車両から取得するステップと、
   取得した複数の前記車両特定情報に対応する前記複数の測定データセットのうち、実行された自己診断の結果に問題があった車両で取得された測定データセットを故障発生の教師データとして使用することにより故障予測モデルを作成するステップと、
   を有するモデル作成方法。
7. コンピュータを、
   交換された車両の部品を特定するための交換部品情報と、前記部品が交換された日を示す交換日情報と、車両を特定するための車両特定情報と、を取得する交換情報取得部、
   車両の状態を測定して得られた複数の測定データを含む測定データセットを、前記車両特定情報に関連付けて複数の車両から取得するデータ取得部、及び
   前記交換情報取得部が取得した複数の前記車両特定情報に対応する前記複数の測定データセットのうち、実行された自己診断の結果に問題があった車両で取得された測定データセットを故障発生の教師データとして使用することにより故障予測モデルを作成するモデル作成部
   として機能させるためのプログラム。
   

Images