挖土机的异常判定方法、管理装置及挖土机与流程

本发明涉及基于从挖土机取得的某个物理量的检测值判定挖土机的异常的有无的方法、以及判定挖土机的异常的有无的管理装置及挖土机。

背景技术

挖土机等作业机械在各种各样的建设现场、土木工程现场等中被使用，当发生了故障时，要求迅速的故障修理。开发了基于根据作业机械的状态而变动的各种参数检测异常的评价系统(专利文献1、2)。例如，基于发动机转速、工作油压等多个参数检测异常。作为一例，利用从作业机械收集的各种参数的时间积分值等。通过进行时间积分，能够将噪声的影响排除。

在专利文献3中，公开了一种向进行挖土机的管理及服务的管理部门、供给燃料及工作油的燃料供给部门、租赁液压挖土机的出租业者、检查土木工程量并管理施工的进展状况的施工现场监督部门等发送关于挖土机的信息的装置信息发送系统。在专利文献3所公开的装置信息发送系统中，将关于挖土机的信息分类为有关工作时间的管理的信息、有关工作场所的管理的信息、有关定期维护服务的信息、有关防盗的信息、有关消耗品交换服务的信息等。

按照部门设置有显示有关挖土机的信息的监视显示器。在各部门的监视显示器上显示对该部门有用的信息。

以往技术文献

专利文献

专利文献1：日本特开2006－53818号公报

专利文献2：日本特开2007－257366号公报

专利文献3：日本特开2002－203066号公报

技术实现要素：

发明所要解决的课题

本发明的目的是提供能够容易地识别多个挖土机的分布和推定为发生异常的挖土机的当前位置的挖土机的状态显示装置。

根据本发明的一技术方案，提供一种挖土机的异常判定方法，准备表示在将挖土机运转并进行某个既定动作的期间从上述挖土机得到的关注物理量的检测值的时间变化的多个参照波形，基于上述参照波形判定与上述挖土机相同型号的评价对象挖土机的异常的有无，具有：(a)在将上述评价对象挖土机运转并进行与上述既定动作类似的动作的期间、检测从上述评价对象挖土机得到的上述关注物理量、取得作为检测值的时间变化的评价波形的工序；(b)基于多个上述参照波形和上述评价波形判定上述评价对象挖土机的异常的有无的工序。

根据本发明的另一技术方案，提供一种挖土机的管理装置，具有：存储装置，保存有表示在运转挖土机并进行某个既定动作的期间从上述挖土机得到的关注物理量的检测值随时间变化的多个参照波形；通信装置，与评价对象挖土机进行通信；以及处理装置，上述处理装置在上述评价对象挖土机进行与上述既定动作类似的动作的期间，取得作为从上述评价对象挖土机得到的上述关注物理量的检测值随时间变化的评价波形，基于多个上述参照波形和上述评价波形判定上述评价对象挖土机的异常的有无。

根据本发明的另一技术方案，提供一种挖土机，具有保存有表示在进行某个既定动作的期间所得到的关注物理量的检测值随时间变化的多个参照波形的存储装置和处理装置，上述处理装置取得在进行与上述既定动作类似的动作的期间所得到的上述关注物理量的检测值随时间变化的评价波形，基于多个上述参照波形和上述评价波形判定异常的有无。

发明的效果

能够检测关注物理量的短时间的异常的变动，判定挖土机的异常。

附图说明

图1是在实施例的挖土机的异常判定方法中使用的管理装置、判定对象的挖土机及挖土机的状态显示装置的块图。

图2是实施例的异常判定方法的准备阶段的流程图。

图3是表示用来说明挖土机的既定动作的动臂升高指令先导压、动臂降低指令先导压及发动机转速随时间变化的一例的曲线图。

图4a是表示参照波形的一例的曲线图，图4b及图4c是表示从评价对象挖土机取得的评价波形的一例的曲线图。

图5是表示参照波形的一例的曲线图。

图6a是表示参照波形的特征量及代表值的一例的图表，图6b是表示评价波形的特征量的一例的图表。

图7是实施例的异常判定方法的流程图。

图8是图7所示的步骤sb2的详细的流程图。

图9是表示评价波形的马氏距离md的定义式的图。

图10是另一实施例的异常判定方法的步骤sb2的流程图。

图11是表示标准化的多个参照矢量及标准化的评价矢量的一例的曲线图。

图12是表示标准化的异常时矢量及标准化的评价矢量的一例的曲线图。

图13是表示标准化的异常时矢量及标准化的评价矢量的、与图12不同的例子的曲线图。

图14是表示异常判定结果信息的一例的图表。

图15是挖土机的状态显示装置的处理装置执行的处理的流程图。

图16是表示在挖土机的状态显示装置的显示装置上显示的图像的一例的图。

图17a是表示在挖土机的状态显示装置的显示装置上显示的图像的另一例的图，图17b是表示在挖土机的图标被轻击后显示的图像的一例的图。

图18是表示与图17a的状态相比地图的比例尺缩小的情况下在显示装置上显示的图像的图。

图19是表示显示在显示装置上的图像的一例的图。

图20是表示显示在显示装置上的图像的一例的图。

图21是制作因果关系信息的处理的流程图。

图22是表示在步骤sd1(图21)中取得的运转变量的测量值及异常类别的另一例的图表。

图23是运转时间a的柱状图。

图24是表示离散化处理后的运转变量及异常类别的一览的图表。

图25是表示异常推测模型的事前概率及带条件概率的一例的图表。

图26是使用因果关系信息进行异常判定的方法的流程图。

图27是表示计算出的事后概率的一例的图表。

图28是另一实施例的挖土机及挖土机管理装置的块图。

具体实施方式

在图1中表示在实施例的挖土机的异常判定方法中使用的管理装置45、作为判定对象的挖土机30及挖土机的状态显示装置50的块图。

在挖土机30中，具备车辆控制器31、通信装置32、gps(全地球测位系统)接收器33、显示装置34及传感器35。传感器35测量挖土机的各种运转变量。将传感器35的测量值向车辆控制器31输入。在运转变量中，例如包括运转时间、液压泵压力、冷却水温度、液压负荷、工作时间等。车辆控制器31将挖土机的机体识别信息、各种运转变量的测量值及由gps接收器33计算出的当前位置信息从通信装置32经由通信线路40向管理装置45发送。进而，车辆控制器31将关于挖土机的各种信息显示在显示装置34上。

管理装置45包括通信装置46、处理装置47、存储装置48及显示装置49。将从挖土机30经由通信线路40发送的各种信息经由通信装置46向处理装置47输入。在存储装置48中，存储有处理装置47执行的程序、各种管理信息。处理装置47基于从挖土机30接收到的机体识别信息、各种运转变量的测量值、当前位置信息及存储在存储装置48中的管理信息，进行挖土机30的异常判定。在异常判定处理中，利用存储在存储装置48中的参照波形等。将异常判定结果向显示装置49输出。进而，处理装置47将机体识别信息、当前位置信息及异常判定结果信息从通信装置46经由通信线路40向挖土机的状态显示装置50发送。

挖土机的状态显示装置50包括收发电路51、处理装置52、存储装置53、显示装置54及输入装置55。在挖土机的状态显示装置50中，使用例如触摸面板式的平板电脑终端。在此情况下，显示装置54也作为输入装置55发挥作用。

在图2中表示实施例的异常判定方法的准备阶段的流程图。在准备阶段中，进行在异常判定方法中使用的参照波形的收集，并计算在参照波形中附带的各种数值。

在步骤sa1中，在正常的状态的挖土机30(图1)的既定动作中，取得由挖土机30测量出的关注物理量。具体而言，将由挖土机30(图1)检测出的关注物理量的检测值经由通信线路40向管理装置45发送。既定动作是指从挖土机的运转中的各种动作选择的一个动作。

参照图3，对既定动作进行说明。图3表示动臂升高指令先导压、动臂降低指令先导压及发动机转速随时间变化的一例。在时刻t1，如果将运转键开启，则发动机开始旋转。此时的发动机转速例如是约1000rpm。在时刻t2，如果操作者将发动机转速设定为1200rpm，则发动机转速上升到约1200rpm。

在时刻t3，如果操作者进行动臂升高的操作，则产生动臂升高指令先导压。如果在时刻t4停止操作，则动臂升高指令先导压回到初始值。此时，发动机转速例如被维持为1200rpm。在时刻t5，如果操作者进行动臂降低的操作，则产生动臂降低指令先导压。在时刻t6，如果操作被停止，则动臂降低指令先导压回到初始值。在时刻t4与t5之间，发动机转速上升到约1800rpm。根据挖土机的运转状况而自动调整发动机转速。

选择从时刻t1到t2的空转动作、从时刻t3到t4的动臂升高动作、以及从时刻t5到t6的动臂降低动作中的1个动作作为既定动作。另外，除此以外，也可以选择液压释放动作、回转动作、前进动作、后退动作等作为既定动作。

作为关注物理量，例如采用发动机转速。除此以外，也可以着眼于根据挖土机的动作而变动的其他物理量。例如，作为关注物理量，也可以采用液压泵压力、用来控制挖土机的前进、后退、回转等的动作压、用来控制动臂等的液压缸的动作压。

在步骤sa2(图2)中，取得作为关注物理量的时间变化的参照波形。在采用发动机转速作为关注物理量、作为既定动作而选择了空转动作的情况下，取得空转动作中的期间ta(图3)中的发动机转速的时间变化作为参照波形。在作为既定动作而选择了动臂升高动作或动臂降低动作的情况下，分别取得动臂升高动作中的期间tb(图3)或动臂降低动作中的期间tc(图3)中的发动机转速的时间变化作为参照波形。取得参照波形的期间的长度例如为10秒左右。在图4a中表示参照波形的一例。

在步骤sa3(图2)中，对于1个参照波形计算出多个特征量。所谓“特征量”，是指给波形的形状赋予特征的各种统计量。在上述实施例中，作为特征量，计算平均值(以下称作特征量a)、标准偏差(以下称作特征量b)、最大波峰值(以下称作特征量c)、尖峰的数量(以下称作特征量d)、信号不存在时间的最大值(以下称作特征量e)。

参照图5，对尖峰的数(特征量d)及信号不存在时间的最大值(特征量e)进行说明。在图5中表示参照波形的一例。“尖峰的数量”定义为波形横切阈值pth0的部位的数量。在图5所示的期间，在交叉部位h1～h4，波形横穿阈值pth0。因此，将尖峰的数量计算为4。

将波形比阈值pth1低的区间定义为信号不存在区间。在图5所示的例子中，出现信号不存在区间t1～t4。“信号不存在时间的最大值”是指多个信号不存在区间的时间幅度中的最大的时间幅度。在图5所示的例子中，采用信号不存在区间t3的时间幅度作为信号不存在时间的最大值。一般而言，如果在波形中有周期较长的起伏，则信号不存在时间的最大值变大。

在图4b及图4c中，表示发生了异常时的关注物理量(发动机转速)的波形的一例。图4b所示的波形的标准偏差比图4a所示的参照波形的标准偏差大。图4c所示的波形的信号不存在时间的最大值比图4a所示的参照波形的信号不存在时间的最大值大。

重复上述步骤sa1到步骤sa3(图2)，直到取得足够数量的参照波形。

如果取得足够数量的参照波形，则在步骤sa4(图2)中，关于对参照波形分别计算出的多个特征量，计算它们的代表值及标准偏差。作为“代表值”而采用例如平均值、中位数等。在步骤sa5中，将参照波形、特征量、代表值及标准偏差向存储装置48(图1)保存。

在图6a中表示多个参照波形wf(i)的各自的特征量a～特征量e及各个特征量的代表值和标准偏差的一例。这里，参数i是自然数。将参照波形wf(i)的特征量a～特征量e分别用a(i)～e(i)表示。将特征量a～特征量e的代表值(例如平均值)分别用xa～xe表示。将特征量a～特征量e的标准偏差分别用σa～σe表示。

在图7中表示实施例的异常判定方法的流程图。在步骤sb1中，在由评价对象挖土机进行既定动作的期间，从评价对象挖土机取得关注物理量的检测值的时间变化。将从评价对象挖土机取得的关注物理量的检测值的时间变化称作评价波形。这里，既定动作及关注物理量与取得参照波形时的既定动作及关注物理量相同。另外，取得评价波形时的既定动作和取得参照波形时的既定动作不需要是完全相同的动作。例如，在既定动作是动臂升高动作的情况下，即使动臂升高速度及动臂的移动角度等不同，也可以说这两个动作是相同的既定动作。在动作中的各种参数不需要完全相同的意义下，取得评价波形时的既定动作和取得参照波形时的既定动作也可以说是相互类似的动作。此外，评价对象挖土机为与作为取得参照波形的对象的挖土机相同型号的挖土机。

在步骤sb2中，基于存储在存储装置48(图1)中的参照波形和在步骤sb1中取得的评价波形，判定评价对象挖土机的异常的有无。关于异常的有无的判定方法，在后面参照图8进行说明。在步骤sb3中，将判定结果向显示装置49(图1)输出。

在图8中表示图7所示的步骤sb2的流程图。在步骤sb21中，计算评价波形的多个特征量。如图6b所示，将评价波形的特征量a～特征量e的计算出的值分别表示为ao～eo。

在步骤sb22中，将具有多个特征量a～特征量e作为变量的参照波形作为单位空间，计算评价波形的马氏距离。

在图9中表示评价波形的马氏距离md的定义式。在该定义式中，ao～eo(图6b)分别是评价波形的特征量a～特征量e的值，xa～xe分别是多个参照波形的特征量a～特征量e的代表值(例如平均值)(图6a)，σa～σe分别是多个参照波形的特征量a～特征量e的标准偏差(图6a)。包含r(a，a)～r(e，e)作为要素的矩阵是参照波形的特征量a～特征量e的相关矩阵。

在步骤sb23(图8)中，将评价波形的马氏距离与判定阈值比较。判定阈值被预先存储在存储装置48(图1)中。在步骤sb24中，基于马氏距离与判定阈值的比较结果，判定评价对象挖土机的异常的有无。例如，如果马氏距离md是判定阈值以上，则判定评价对象挖土机是异常的，在其他情况下判定为正常。如果评价对象挖土机被判定是异常，则在步骤sb25中确定异常类别的候选后，执行步骤sb3(图7)。如果评价对象挖土机被判定是正常，则不执行步骤sb25而执行步骤sb3(图7)。

以下，对步骤sb25中的异常类别的候选的确定方法的一例进行说明。首先，挖土机将各种异常的状态下的关注物理量的波形及该波形的特征量与异常类别建立关联并数据库化。将这些特征量作为因子进行主成分分析。可看到同一异常状态的波形在主成分坐标系中向特定的区域(以下，称作已知异常集中区域)集中的倾向。

在主成分坐标系中的评价波形的特征量的位置包含在某个已知异常集中区域中的情况下，可以推测在评价对象挖土机中发生了该已知异常。

例如，图4b所示的波形其标准偏差较大成为一个重要因素，马氏距离变大。此外，图4c所示的波形其信号不存在时间的最大值较大成为一个重要因素，马氏距离变大。因此，判断成取得了图4b、图4c所示的波形的评价对象挖土机是异常的。

相对于此，图4b、图4c所示的波形的积分值或平均值与图4a所示的波形的积分值或平均值大致相等。因而，在基于波形的积分值或平均值进行异常的有无的判定的情况下，有将取得了图4b、图4c的波形的评价对象挖土机判定为正常的情况。在实施例的异常判定方法中，能够将取得了图4b、图4c所示的波形的评价对象挖土机判定为异常。

接着，参照图10～图12，对另一实施例的异常判定方法进行说明。以下，对与图1～图9所示的实施例的不同点进行说明，关于相同的结构省略说明。图10～图12所示的实施例的异常判定方法将图7所示的实施例的异常判定方法的步骤sb2变更为图10所示的流程图。

在图10中表示本实施例的异常判定方法的步骤sb2的流程图。在步骤sb21中，计算评价波形的特征量。该工序与图8所示的实施例的步骤sb21相同。在步骤sb221中，将以参照波形的各自的多个特征量为要素的参照矢量关于特征量分别进行标准化，以使平均值为0、标准偏差为1。标准化后的多个参照矢量(标准化参照矢量)的平均矢量为零矢量。在图6a所示的例子中，将参照波形wf(i)的标准化的特征量a用(a(i)－xa)/σa表示。

在图11中表示多个标准化参照矢量的一例。在图11中，将标准化参照矢量表示为具有特征量a及特征量b这两个要素的2维矢量。将标准化参照矢量的前端用中空的圆标记表示。由于标准化参照矢量的平均矢量是零矢量、各特征量的标准偏差是1，所以标准化参照矢量分布在原点的附近的圆形的区域70内。将区域70称作“参照区域”。

在步骤sb222(图10)中，将以评价波形的特征量为要素的评价矢量使用参照波形wf(i)的特征量的平均值及标准偏差进行标准化，生成标准化评价矢量。将该标准化评价矢量与标准化参照矢量的平均矢量(即零矢量)对比。在图11中表示标准化评价矢量71的一例。在图11所示的例子中，标准化评价矢量71从参照区域70较大地偏离。

在步骤sb223中，基于标准化参照矢量的平均矢量(零矢量)与标准化评价矢量71(图11)的对比结果，判定评价对象挖土机的异常的有无。作为一例，在标准化评价矢量71(图11)位于参照区域70(图11)的内侧的情况下，判定为评价对象挖土机是正常的，在位于外侧的情况下，判定为评价对象挖土机是异常的。也可以基于平均矢量与标准化评价矢量71的类似度(欧几里德距离、曼哈顿距离等)判定评价对象挖土机的异常的有无。

在步骤sb223中判定为异常的情况下，在步骤sb224中确定异常类别的候选。然后，在步骤sb3(图7)中输出判定结果。在步骤sb223中判定为正常的情况下，不确定异常类别的候选，而在步骤sb3(图7)中输出判定结果。

参照图12，对在步骤sb224(图10)中确定异常类别的候选的方法的一例进行说明。

预先基于从判明了异常类别的挖土机取得的关注物理量随时间的变化来计算特征量，取得异常时矢量。异常类别相同的多个异常时矢量有密集到特定的区域中的倾向。

在图12中表示标准化异常时矢量及标准化评价矢量的一例。从发生了某个异常类别x的异常的挖土机取得的标准化异常时矢量密集在特定的区域(x异常区域)80中，从发生了另一异常类别y的异常的挖土机取得的标准化异常时矢量密集在另一特定的区域(y异常区域)82中。求出密集在x异常区域80中的标准化异常时矢量的矢量平均值，决定x异常时平均矢量81。同样，求出密集在y异常区域82中的标准化异常时矢量的矢量平均值，并决定y异常时平均矢量83。

预先求出x异常时平均矢量81及y异常时平均矢量83，存储在存储装置48(图1)中。也预先求出对应于与异常类别x及异常类别y的哪个都不同的异常类别的异常时的平均矢量，并存储在存储装置48(图1)中。

将标准化评价矢量84、85与各种异常时平均矢量比较。在标准化评价矢量与异常时平均矢量的差较小的情况下，推测为发生了与该异常时平均矢量对应的异常。在图12所示的例子中，标准化评价矢量85与x异常时平均矢量81的差较小。因此，推测为在取得了标准化评价矢量85的评价对象挖土机中发生了异常类别为x的异常。

标准化评价矢量84从哪个异常时平均矢量都离开。推测为在取得了标准化评价矢量84的评价对象挖土机中发生了未知的异常。此外，基于标准化评价矢量84、85的长度，判断异常判定结果的重要度。标准化评价矢量84、85越长，对应的异常的重要度越高。

在图10～图12所示的实施例中，也与图1～图9所示的实施例同样，能够检测关注物理量的短时间的时间变化的异常。

接着，参照图13，对另一实施例的异常判定方法进行说明。以下，对与图10～图12所示的实施例不同的点进行说明，关于相同的结构省略说明。在图13所示的实施例和图10～图12所示的实施例中，步骤sb224(图10)中的确定异常类别的候选的处理不同，其他处理相同。

在图12所示的实施例中，x异常区域80及y异常区域82的外形是大致圆形。实际上，如图13所示，有x异常区域80、z异常区域90等具有沿着穿过原点的直线的较长的外形的情况。对在这样的情况下确定两个标准化评价矢量86、87的异常类别的候选的例子进行说明。

在图13所示的实施例中，在存储装置48(图1)中保存有使x异常时平均矢量81及z异常时平均矢量88的长度为1的x异常时单位矢量81u及z异常时单位矢量88u。同样，关于其他异常类别，也在存储装置48中保存有使异常时平均矢量的长度为1的异常时单位矢量。通过将这些异常时单位矢量与标准化评价矢量86、87进行比较，确定异常类别的候选。

具体而言，求出x异常时单位矢量81u与标准化评价矢量86、87所成的角度。在该角度比判定阈值小的情况下，作为在评价对象的挖土机中发生的异常的候选可以举出异常类别x。在图13所示的例子中，标准化评价矢量86与x异常时单位矢量81u所成的角度比判定阈值小。因此，推测为在取得了与标准化评价矢量86对应的评价波形的挖土机中发生了异常类别为x的异常。相对于此，另一方的标准化评价矢量87与x异常时单位矢量81u所成的角度比判定阈值大。因此，推测为在取得了与标准化评价矢量87对应的评价波形的挖土机中发生了异常类别x以外的异常。

接着，对采用图13所示的实施例的效果进行说明。作为一例，在x异常区域80及z异常区域90中，分别分布有异常类别为x的标准化异常矢量及异常类别为z的标准化异常矢量。x异常时平均矢量81与标准化评价矢量86的差分矢量的长度d1、和x异常时平均矢量81与另一方的标准化评价矢量87的差分矢量的长度d2大致相等。标准化评价矢量87与z异常时平均矢量88的差分矢量的长度d3比长度d1长。标准化评价矢量87与z异常时平均矢量88所成的角度比判定阈值小。

在仅基于作为评价对象的标准化评价矢量与各种异常时平均矢量的差分矢量的长度来确定异常类别的候选的方法中，作为标准化评价矢量87的异常类别的候选而抽取异常类别x。将各种异常数据解析可知，标准化评价矢量87与异常类别x大致无关系，表示发生异常类别z的预兆的情况较多。

在图13所示的实施例中，基于标准化评价矢量87与各种异常时单位矢量所成的角度，抽取异常类别的候选。在图13所示的例子中，标准化评价矢量87与z异常时单位矢量88u所成的角度比标准化评价矢量87与x异常时单位矢量81u所成的角度小。因此，作为标准化评价矢量87的异常类别而抽取异常类别z。这样，在图13所示的实施例中，能够提高异常类别的候选的抽取精度。

在抽取了异常类别的候选后，能够基于标准化评价矢量87的长度相对于z异常时平均矢量88的长度的比来推测异常的程度。在两者的比较小的情况下，可以推测异常的程度较低，在两者的比较大的情况下，可以推测异常的程度较高。进而，在推测异常的程度时，也可以使用异常时单位矢量81u、88u。

接着，参照图14～图20，对有关挖土机的状态显示装置50(图1)的处理的实施例进行说明。在该实施例中，将与在参照图2～图13说明的实施例中计算的异常的程度(重要度)有关的信息显示到挖土机的状态显示装置50上。

在图14中表示异常判定结果信息的一例。异常判定结果信息包括异常类别、件名、异常部位、异常零件、对策及异常的重要度。异常类别是确定推测为在对象挖土机30中发生的异常的识别码。异常的重要度例如用“重度”、“中度”、“轻度”及“正常”这4阶段表示。作为一例，将带来发动机停止的异常分类为“重度”，将带来发动机的显著的性能下降的异常分类为“中度”，将通过后备功能能够继续工作的异常分类为“轻度”。将没有发生异常的状态分类为“正常”。在“重度”的异常中包括例如发动机控制器异常等。在“中度”的异常中包括燃料泄漏、燃料堵塞、发动机配线断线等。在“轻度”的异常中包括温度传感器异常、升压传感器异常等。

在图15中表示挖土机的状态显示装置50(图01)的处理装置52执行的处理的流程图。如果启动挖土机的状态显示程序，则在步骤sc1中，处理装置52从管理装置45(图01)经由收发电路51接收作为管理对象的多个挖土机30的各自的机体识别信息、挖土机30的各自的当前位置信息及挖土机30的各自的异常判定结果信息(图14)。

在步骤sc2中，处理装置52(图01)基于从管理装置45(图01)接收到的多个挖土机30的当前位置信息，决定要向显示装置54(图01)显示的地图的范围。例如，决定地图的比例尺，以使显示的地图包含管理对象的全部的挖土机30的当前位置。另外，也可以决定要显示的地图的范围，以包含管理对象的至少1个挖土机30的当前位置。

在步骤sc3中，在挖土机的状态显示装置50的显示装置54(图01)上，显示在步骤sc2中决定的范围的地图。进而，在显示的地图上的与管理对象的挖土机30的当前位置对应的部位，显示挖土机的图标。将挖土机的图标以能够识别基于异常判定结果信息的异常判定结果的重要度的形态显示。

在图16中表示显示在挖土机的状态显示装置50(图01)的显示装置54上的图像的一例。在显示画面中，确保了地图显示区域60、图标说明区域61及挖土机信息显示区域62。在地图显示区域60中显示地图，在与挖土机的当前位置对应的部位显示挖土机的图标63。挖土机的图标63具有与挖土机的外形对应的平面形状，并根据推测为在挖土机中发生的异常的重要度而区分颜色显示。例如，将重要度为“重度”、“中度”、“轻度”及“正常”的挖土机的图标63分别区分颜色为红色、粉红色、黄色及蓝色。在图标说明区域61中，显示挖土机的图标的颜色与重要度的对应关系。

为了能够识别异常判定结果的重要度，也可以将挖土机的图标以颜色区分以外的方式来显示。例如，也可以使构成图标的线的粗细不同，也可以使图标的大小不同。或者，也可以使异常判定结果为“重度”的挖土机的图标闪烁。

在挖土机信息显示区域62中，将挖土机的信息以表形式显示。例如，挖土机的信息包括挖土机的型号、机体号码、所在地、计时器的值及异常的重要度。进而，按照挖土机的机体号码，显示用来链接到详细信息的按钮。如果通过轻击等选择该按钮，则显示与所选择的按钮对应的机体号码的挖土机的详细信息。在详细信息中，包括与图14所示的异常类别、件名、异常部位、异常零件及对策有关的信息。

维护管理人员根据显示在挖土机的状态显示装置50(图01)上的信息，能够容易地识别管理对象的挖土机的分布、以及被推测为发生了异常的挖土机的当前位置。

在图17a中表示显示在地图显示区域60上的图像的另一例。在图17a所示的例子中，对于1个挖土机的图标63a赋予了引注部64。在引注部64内显示的数值表示在显示有1个挖土机的图标63a的部位存在的挖土机的台数。图17a意味着在显示有挖土机的图标63a的地图上的场所存在3台挖土机。

在地图上的某个狭小的划区内存在多个挖土机的情况下，如果将全部的挖土机的图标显示，则图标重叠而难以识别挖土机的台数及重要度。在图17a所示的例子中，显示存在于狭小的划区内的多个挖土机中异常的重要度最高的挖土机的图标，将其他挖土机的图标的显示省略。即使没有显示其他挖土机的图标，由于显示了异常的重要度最高的挖土机的图标，所以也能够引起维护管理人员的注意。此外，根据在引注部64中显示的数字，能够容易地掌握挖土机的台数。

如果将带有引注部64的挖土机的图标63a轻击，则以显示挖土机的图标63a的场所为中心，将地图放大显示。

在图17b中，表示在将挖土机的图标63a(图17a)轻击后显示在地图显示区域60中的图像。在图17a的状态下没有显示的两台挖土机的图标63b、63c被显示。这样，能够容易地使在图17a的状态下没有显示的挖土机的图标显示。由此，维护管理人员能够识别全部的挖土机的当前位置及异常的重要度。

在图17a中，通过省略异常判定结果的重要度最高的挖土机以外的图标的显示，能够相对于其他挖土机而更容易地识别异常判定结果的重要度最高的挖土机。也可以将异常判定结果的重要度最高的挖土机以相对于其他挖土机能够容易识别的其他方式来显示图标。例如，也可以以将重要度较低的挖土机的图标配置在相对下层、将重要度较高的挖土机的图标配置在相对上层的方式，将多个图标重叠显示。

在图18中，表示在使地图的比例尺比图17a的状态小的情况下显示在地图显示区域60中的图像。如果地图的比例尺变小，则在显示画面上存在于相同的范围内的挖土机的台数增加。图17a所示的挖土机的图标63a和距其最近的位置的图标在小比例尺的地图中存在于要将图标汇总表示的相同的划区内。在此情况下，在图18所示的例子中，挖土机的图标63a上所带有的引注部64内的数值从“3”增加为“4”。同样，在地图内的其他场所中，也有将在图17a中独立显示的挖土机的多个图标在图18中用1个图标代表、将其他图标的显示省略的情况。在此情况下，在代表的图标中显示有表示挖土机的台数的引注部。这样，根据显示的地图的比例尺来调整显示在地图上的基准面积的划区内的挖土机的图标的个数。

如图19所示，也可以在地图显示区域60内显示承担挖土机的维护的服务车的当前位置。管理装置45(图01)从服务车接收当前位置信息。将该当前位置信息向挖土机的状态显示装置50(图01)发送。如果挖土机的状态显示装置50接收到服务车的当前位置信息，则在显示在地图显示区域60中的地图上的、与服务车的当前位置对应的部位，显示服务车的图标65。在相同的地图中也显示有挖土机的图标63a～63c。由此，乘坐服务车的维护管理人员能够容易地掌握自己的当前位置与管理对象的挖土机的位置之间的位置关系。这样，能够容易地掌握分散在大范围中的作为管理对象的多个挖土机的当前的所在地及挖土机的状态。

如图20所示，也可以显示从服务车的当前位置到特定的挖土机的当前位置的路径66。维护管理人员将作为目的的挖土机的图标63a轻击。如果处理装置52检测到挖土机的图标63a被轻击，则求出从服务车到由被轻击的图标63a表示的挖土机的当前位置的路径66，并显示到地图上。由此，维护管理人员能够容易地移动到作为目的的挖土机。

在上述实施例中，管理装置45(图1)具有进行挖土机的异常判定的功能，挖土机的状态显示装置50具有将在挖土机中发生的异常的重要度显示的功能。作为另一例，也可以使挖土机的状态显示装置50具有进行挖土机的异常判定的功能。换言之，也可以使管理装置45具有挖土机的状态显示装置50的功能，将该管理装置45用平板电脑终端等实现。

在此情况下，不需要管理装置45，在挖土机的状态显示装置50与挖土机30之间直接进行通信。在挖土机的状态显示装置50的存储装置53中，存储有处理装置52执行的程序、各种管理信息。处理装置52基于从挖土机30接收到的机体识别信息、各种运转变量的测量值、当前位置信息及存储在存储装置53中的管理信息，进行挖土机30的异常判定。

参照图21～图27，对另一实施例的挖土机的异常判定方法进行说明。挖土机的异常判定由制作用来进行异常判定的因果关系信息的处理、和使用因果关系信息进行异常判定的处理构成。

在图21中表示制作用来进行异常判定的因果关系信息的处理的流程图。在步骤sd1中，管理装置45(图01)从管理对象的多个挖土机30(图01)取得运转变量的测量值、以及在收集到该测量值的期间发生的异常类别。

在图22中表示在步骤sd1中取得的运转变量的测量值及异常类别的一例。运转变量的测量值及异常类别的取得按照挖土机的机体号码(机体识别信息)且按照一定的收集期间进行。将收集期间例如设定为1天(24小时)。从1个机体在1个收集期间内收集到的信息群构成1个评价对象。

在图22中，作为一例，评价对象no.1的信息是2011年7月1日的从机体号码a的挖土机取得的信息，运转时间a是24，泵压力b是19，冷却水温度c是15，液压负荷d是11，工作时间e是14。“运转时间”是指从挖土机的起动开关被按下到停止开关被按下为止的时间，即挖土机已起动的时间。“工作时间”是指操作者操作挖土机的时间。此外，评价对象no.1的异常类别x是x1。这意味着，在2011年7月1日，在机体号码a的挖土机中发生了异常类别x1的异常。图22所示的异常类别x0意味着没有发生异常。

接着，在步骤sd2(图21)中，进行运转变量的离散化处理，将各运转变量置换为有限离散型事项。

参照图23，对将运转时间a置换为有限离散型事项的方法进行说明。另外，关于其他运转变量也同样能够置换为有限离散型事项。

图23表示运转时间a的柱状图的一例。图23的横轴表示运转时间a，纵轴表示评价对象的数量(频度)。设运转时间a的平均值为μ，标准偏差为σ。将从μ－3σ到μ+3σ为止的范围进行3等分。即，将横轴划分为μ－3σ～μ－σ、μ－σ～μ+σ、μ+σ～μ+3σ这3个区域。将运转时间a为μ－σ以下的划区设为a1，将μ－σ～μ+σ的划区设为a2，将μ+σ以上的划区设为a3。

关于运转时间a，发生了测量值取划区a1内的值的事项、取划区a2内的值的事项、以及取划区a3内的值的事项中的某个事项。在图24中表示离散化处理后的运转变量及异常类别的一览。将运转时间a用其测量值所属的划区a1、a2、a3表示。同样，将其他运转信息也置换为有限离散型事项。

接着，在步骤sd3(图21)中，制作因果关系信息，并保存在存储装置48(图01)中。

图24所示的将有限离散型事项的运转变量a，b，c，…与异常类别x建立了关联的一览表可以说是以异常类别x为原因事项、以运转变量为结果事项的因果关系信息。

在图25中表示异常推测模型的事前概率及条件概率的一例。以异常类别x为原因事项，以各运转变量为设想通过原因发生的结果事项，能够根据图24所示的因果关系信息计算事前概率p(x)。进而，关于各运转变量a，b，c，…，能够计算分别以异常类别x引起的事项为前提条件的条件概率p(a|x)，p(b|x)，…。在图25中表示计算出的事前概率p(x)及条件概率p(a|x)，p(b|x)的一例。

在图26中表示使用因果关系信息进行异常判定的方法的流程图。在步骤se1中，管理装置45(图01)从管理对象的挖土机30取得运转变量的测量值。在步骤se2中，进行所取得的运转变量的离散化处理。该离散化处理基于与在图21的步骤sd2中进行的离散化处理相同的基准来进行。在图27中表示离散化处理后的运转变量的一例。例如，运转时间a的离散化值是a2，泵压力b的离散化值是b3，冷却水温度c的离散化值是c1，液压负荷d的离散化值是d2，工作时间e的离散化值是e2。

在步骤se3(图26)中，使用根据图22所示的因果关系信息得到的事前概率p(x)、条件概率p(a|x)等，求出各个异常类别的事后概率(进行贝叶斯推测)。

作为一例，在发生了运转时间a是a2的事项的条件下，发生异常类别x1的异常的事后概率p(x＝x1|a＝a2)(以下，表述为p(x1|a2))可以用以下的式子计算。

[数式1]

同样，能够计算发生了异常类别x2、x3等的异常的事后概率p(x2|a2)，p(x3|a2)，…。

进而，将计算出的事后概率p(x1|a2)，p(x2|a2)，p(x3|a2)…重新作为事前概率处置，在发生了泵压力b的离散化值是b3的事项的条件下，发生异常类别x1的异常的事后概率p(x1|a2，b3)可以用以下的式子计算。另外，假定运转时间a和泵压力b是独立的。

[数式2]

右边的p(b3|x1，a2)可以根据图22所示的因果关系信息来求出。同样，能够求出发生了异常类别x2、x3等异常的事后概率p(x2|a2，b3)，p(x3|a2，b3)，…。

进而，将冷却水温度c、液压负荷d、工作时间e等其他运转变量作为新的结果添加，通过计算事后概率，能够进一步提高计算出的事后概率的客观性。

图27中表示计算出的事后概率的一例。在该例中，推测出在作为评价对象的挖土机中，没有发生异常的概率是50％，发生异常类别x1的异常的概率是5％，发生异常类别x2的异常的概率是20％。

另外，在上述实施例1中，依次追加作为结果的事项，分阶段地重新计算事后概率，但并不一定需要分阶段地计算事后概率。也可以使用图25所示的事前概率p(x)及各运转变量的条件概率p(a|x)、p(b|x)等，考虑全部的运转变量作为结果事项，来计算异常类别的事后概率。

如上述那样，通过以图27所示的运转变量的测量值的离散化值作为结果事项，使用图22所示的因果关系信息进行贝叶斯推论，能够计算出作为原因事项的异常类别的事后概率。

接着，在步骤se4(图26)中，将推测出的异常类别及其事后概率与机体号码建立关联，向存储装置48(图01)存储。

在图26所示的方法中，有通过异常判定导出多个异常类别的情况。在图27所示的例子中，推测出发生异常类别x1的异常的可能性是5％、发生异常类别x2的异常的可能性是20％。这样，在导出了多个异常的可能性的情况下，只要采用事后概率最高的异常的重要度作为推测在该挖土机中发生的异常的重要度就可以。或者，也可以采用事后概率为某个基准值例如20％以上的异常的重要度中的最高的异常度，作为推测在该挖土机中发生的异常的重要度。

也可以代替图26所示的进行异常判定的方法而使用图1～图9所示的实施例的方法、图10～图12所示的实施例的方法、图13所示的实施例的方法等。

在图28中表示另一实施例的挖土机及挖土机管理装置的块图。在图1～图9所示的实施例及图10～图12所示的实施例中，在步骤sa1(图2)中将关注物理量的检测值经由通信线路40从挖土机30向管理装置45发送。在图28所示的实施例中，管理装置45搭载在挖土机30上。搭载在挖土机30上的管理装置45通过与图1～图9所示的实施例或图10～图12所示的实施例的异常判定方法相同的方法，判定挖土机30的异常的有无。

将判定结果从挖土机30经由通信线路40向挖土机管理装置25发送。挖土机管理装置25将从挖土机30接收到的判定结果以能够识别挖土机30的个体的方式向输出装置26输出。

在图28所示的实施例中，经由通信线路40收发的信息只是异常的有无的判定结果。因此，与收发关注物理量的检测值的图1～图9所示的实施例及图1～图12所示的实施例相比，能够削减经由通信线路40收发的数据量。

此外，在图28所示的实施例中，从搭载在挖土机30上的管理装置45向挖土机的状态显示装置50(图1)发送各种数据。此外，也可以使搭载在挖土机30上的管理装置45具有挖土机的状态显示装置50的功能。在此情况下，将作为评价对象的多个挖土机的各自的机体识别信息及评价对象的多个挖土机的各自的当前位置用1个挖土机30的管理装置45接收。搭载在挖土机30上的管理装置45将包含作为评价对象的多个挖土机的至少1个的当前位置的地图显示。进而，在显示的地图上的与评价对象的挖土机的当前位置对应的部位，以能够识别基于异常的有无的判定结果的异常的重要度的方式，显示挖土机的图标。

以上按照实施例说明了本发明，但本发明并不受它们限制。例如，对于本领域的技术人员而言，显然能够进行各种变更、改良、组合等。

标号说明

25挖土机管理装置

26输出装置

30挖土机

31车辆控制器

32通信装置

33gps接收器

34显示装置

35传感器

40通信线路

45管理装置

46通信装置

47处理装置

48存储装置

49显示装置

50挖土机的状态显示装置

51收发电路

52处理装置

53存储装置

54显示装置

55输入装置

60地图显示区域

61图标说明区域

62挖土机信息显示区域

63、63a～63c挖土机的图标

64引注部

65服务车的图标

66路径

70参照区域

80x异常区域

81x异常时平均矢量

81ux异常时单位矢量

82y异常区域

83y异常时平均矢量

86、87标准化评价矢量

88z异常时平均矢量

88uz异常时单位矢量

90z异常区域