标配置在相对上层的方式，将多个图标重叠显示。
[0108] 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。
[0109] 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。
[0110] 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。
[0111] 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。
[0112] 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。
[0113] 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。
[0114] 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 SDl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。
[0115] 在图22中表示在步骤SDl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。
[0116] 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XI。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Xl的异常。图22所示的异常类别XO意味着没有发生异常。
[0117] 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。
[0118] 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。
[0119] 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 〇。将从μ - 3 〇到 μ+3 σ为止的范围进行3等分。即，将横轴划分为μ - 3〇~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Α1，将μ - σ~ μ + σ的划区设为Α2,将μ + σ以上的划区设为A3。
[0120] 关于运转时间Α，发生了测量值取划区Al内的值的事项、取划区Α2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。
[0121] 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。
[0122] 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。
[0123] 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？仏|幻，？出|幻，一。在图25中表示计算出的事前概率 P (X)及条件概率P (A IX)，P (BIX)的一例。
[0124] 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SEl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Cl，液压负荷 D的离散化值是D2,工作时间E的离散化值是E2。
[0125] 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）。
[0126] 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Xl的异常的 事后概率P (X = Xl IA = A2)(以下，表述为P (XIIA2))可以用以下的式子计算。
[0127] [数式 1] Γ%/ I j \ 上-\·1)/
[_ 1 1 ΥΡ(Χ)Ρ(Α2-I-X) ψ Jx
[0129] 同样，能够计算发生了异常类别Χ2、Χ3等的异常的事后概率Ρ(Χ2|Α2)， Ρ(Χ3|Α2)，…。
[0130] 进而，将计算出的事后概率P (XIIΑ2)，P (Χ2 IΑ2)，P (Χ3 IΑ2)…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Xl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。
[0131] [数式 2] u ηΧΙΙΑΙΜ) = ^...........'..............-........-)F(.....-.............'..............- j................
[_ ^Ρ{Χ\Α2)Ρ(Β3\Χ7Α2) X
[0133] 右边的Ρ(Β3|Χ1，Α2)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Χ2、Χ3等异常的事后概率P (Χ2 IΑ2，Β3)，P (Χ3 IΑ2，Β3)，…。
[0134] 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。
[0135] 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Xl的异常的概率是5%，发生异常类别X2 的异常的概率是20%。
[0136] 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 IX)、P (B IX)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。
[0137] 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。
[0138] 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。
[0139] 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Xl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