特許ウォッチ

公開番号2025172920
公報種別公開特許公報(A)
公開日2025-11-26
出願番号2025146926,2024194446
出願日2025-09-04,2019-03-26
発明の名称配管損傷予測
出願人フラクタ,Fracta
代理人個人,個人,個人
主分類G06Q 50/06 20240101AFI20251118BHJP(計算;計数)
要約【課題】配管損傷を予測するシステム及び方法を提供する。
【解決手段】方法は、顧客がログインしデータをアップロードし401、402、管理サーバーのプロセスマネージャーに対して要求し403、配管破損予測会社のオペレータがログインし管理サーバーのインスタンスマネージャに対してリクエストを発行し404、機械学習システムの機械学習インスタンスに対してリクエストを発行し405、ファイルサーバーからの生のファイルを機械学習インスタンスのデータプロセスへロードし406、データプロセスがGISデータベース内に配管及び損傷データをインサートし、ジオプロセスがGIS及び国のデータベースから情報を受け取り407、ジオプロセスされた情報を予測器へ供給し408、予測結果をファイルサーバー上の破損の尤度(LOF)結果へ転送し409、フロントエンドビュアーへアップロードし410、顧客がログインし、LOFデータを見る411。
【選択図】図4
特許請求の範囲【請求項１】
消費者へ流体を運ぶための地中配管のネットワークにおける配管漏洩を予測する方法において、
該配管の漏洩に潜在的に影響を与える第１組の変数であって少なくとも６０個の変数である該第１組の変数をコンピュータシステムによって受け取り、
該第１組の変数のサブセットである第２組の変数を該コンピュータシステムによって自動的に選択し、
該第２組の変数に基づいて機械学習を使用して数学的モデルを構築し、該モデルに基づいて配管セグメントの漏洩の尤度を予測する、
ことを包含している方法。
続きを表示（約 640 文字）【請求項２】
該選択することが、該第１組の変数に基づいて初期モデルを構築し、且つ前記初期モデルに基づいて該第１組内の各変数と関連する重要性を評価する、ことを包含している請求項１記載の方法。
【請求項３】
該重要性を評価することが、ジニ係数又は情報利得係数を評価することに基づいている請求項２記載の方法。
【請求項４】
該第１組の変数の内の少なくとも幾つかは所定のカテゴリーへ割り当てられ、且つ該選択することが該第２組に含まれるべき各カテゴリーにおいて所定数を超えることのない変数を選択することを包含している請求項１記載の方法。
【請求項５】
該第１組における変数の数が少なくとも１００である請求項１記載の方法。
【請求項６】
該第１組における変数の数が少なくとも５００である請求項５記載の方法。
【請求項７】
該第２組における変数の数が６０未満である請求項１記載の方法。
【請求項８】
該第１組における変数の数が少なくとも３００であり且つ該第２組における変数の数が５０未満である請求項７記載の方法。
【請求項９】
該第１組の変数の一部が地理空間分析によって発生される請求項１記載の方法。
【請求項１０】
該第１組の変数の内の少なくとも幾つかは漏洩したことのない配管に関するデータを包含している請求項１記載の方法。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本願は、以下の仮出願の各々の優先権を主張すると共に引用により本書に取り込むこととする。
続きを表示（約 1,900 文字）【０００２】
米国仮特許出願第６２／６４９，０５８号、２０１８年３月２８日出願；
米国仮特許出願第６２／６５８，１８９号、２０１８年４月１６日出願；
米国仮特許出願第６２／６７１，６０１号、２０１８年５月１５日出願；
米国仮特許出願第６２／７４３，４７７号、２０１８年１０月９日出願；
米国仮特許出願第６２／７４３，４８３号、２０１８年１０月９日出願；及び
米国仮特許出願第６２／７４３，４８５号、２０１８年１０月９日出願。
【０００３】
本願は、本願と同日に出願しており、集約的に「同時係属中の特許出願」として言及する次の米国及びＰＣＴ出願；即ち、米国特許出願第１６／３６５，４６６号（代理人ドケット番号：Ｆｒａｃｔａ－００２－ＵＳ）、米国特許出願第１６／３６５，５２２号（代理人ドケット番号：Ｆｒａｃｔａ－００６－ＵＳ）、及び国際特許出願番号第＿＿＿（代理人とケット番号：Ｆｒａｃｔａ－００６－ＰＣＴ）に関連しており且つそれらを引用により本書に取り込むこととする。
【０００４】
本特許出願は、大略、配管損傷を予測する改良したシステム及び方法に関するものである。更に詳細には、幾つかの実施例は水道本管等の配管の将来の破損を予測する改良したシステム及び方法に関するものである。
【背景技術】
【０００５】
米国一国における百万マイルを超える水道管が耐用寿命の終わりに近づいており、交換する必要性がある。次の２５年にわたって、成長する人口に対して現在のレベルのサービスを維持するためには、少なくとも１兆ドルの投資が必要となる。この問題を無視することは一層高い修理費となり且つサービス途絶の増大を招くこととなる。
【０００６】
米国においては、約５０，０００社の給水会社は、制限された予算に起因して、それら全てを交換するための資源を有するものではない。期限切れの配管全てを交換することは不可能であるから、戦略的に、期限切れであるが健全な配管を将来に交換することとして、最悪の状態にある配管の交換を優先させることが重要である。
【０００７】
水道事業会社が作成した交換計画はかなり不正確であり、且つ、多くの場合に、有用なものではない。水道事業会社が作成した安易なモデルは、未だに更なる寿命年数を有するであろう配管を無駄に交換してしまうこととなる。次の２５年にわたって、このことは数百万ドルの無駄な浪費となることであろう。
【発明の概要】
【発明が解決しようとする課題】
【０００８】
幾つかの実施例によれば、真水又は天然ガス等の流体を消費者へ供給するための地中配管のネットワーク内における配管漏れを予測するための方法を記載する。本方法は、配管の漏れに関する第１組の変数であって少なくとも６０個の変数である該第１組の変数をコンピュータシステムによって受け取り、該第１組の変数のサブセットである第２組の変数を該コンピュータシステムによって自動的に選択し、該第２組の変数に基づいて機械学習を使用して数学モデルを構築し、及び該モデルに基づいて漏れている蓋然性のある配管セグメントを予測する、ことを包含している。幾つかの実施例によれば、該配管は、排水、リサイクルされた水、汽水、暴風水、海水、飲料水、水蒸気、圧縮空気、油、及び天然ガス等のその他のタイプの流体を供給するために使用することが可能である。
【課題を解決するための手段】
【０００９】
幾つかの実施例によれば、該選択することが、該第１組の変数に基づいてモデルを構築すること、及び前記初期モデルに基づいて該第１組内の各変数と関連する重要性を評価すること、を包含している。該重要性の評価は、ジニ係数（Gini coefficients）又は情報利得係数（Information gain coefficients）等の係数に基づくものとすることが可能である。幾つかの実施例によれば、該第１組の変数の内の少なくとも幾つかは所定のカテゴリーに割り当てられ且つ各カテゴリーにおける所定数の変数を超えて該第２組内に包含されることは無い。
【００１０】
幾つかの実施例によれば、該第１組内の変数の数は、少なくとも、１００、３００、８００又は１０００個である。幾つかの実施例によれば、該第２組における変数の数は１００、６０、４０、２０又は１２個未満である。幾つかの実施例によれば、該第２組の変数の数は該第１組の５０％未満である。幾つかの実施例によれば、該第２組の変数の数は該第１組の２５％未満である。
（【００１１】以降は省略されています）

関連特許