CN112136088A - 成套设备诊断系统以及方法 - Google Patents
成套设备诊断系统以及方法 Download PDFInfo
- Publication number
- CN112136088A CN112136088A CN201980033391.8A CN201980033391A CN112136088A CN 112136088 A CN112136088 A CN 112136088A CN 201980033391 A CN201980033391 A CN 201980033391A CN 112136088 A CN112136088 A CN 112136088A
- Authority
- CN
- China
- Prior art keywords
- plant
- model
- analysis result
- analysis
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000004458 analytical method Methods 0.000 claims abstract description 150
- 239000000463 material Substances 0.000 claims abstract description 80
- 238000003745 diagnosis Methods 0.000 claims abstract description 31
- 230000008569 process Effects 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000004088 simulation Methods 0.000 claims abstract description 12
- 239000012530 fluid Substances 0.000 claims description 40
- 238000004364 calculation method Methods 0.000 claims description 32
- 230000005856 abnormality Effects 0.000 claims description 22
- 230000009467 reduction Effects 0.000 claims description 22
- 238000010586 diagram Methods 0.000 claims description 21
- 238000007689 inspection Methods 0.000 claims description 16
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 8
- 238000012423 maintenance Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 238000005504 petroleum refining Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 2
- 230000007797 corrosion Effects 0.000 description 18
- 238000005260 corrosion Methods 0.000 description 18
- 238000012937 correction Methods 0.000 description 14
- 230000001939 inductive effect Effects 0.000 description 14
- 238000003860 storage Methods 0.000 description 14
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 11
- 230000003628 erosive effect Effects 0.000 description 11
- 229910052760 oxygen Inorganic materials 0.000 description 11
- 239000001301 oxygen Substances 0.000 description 11
- 230000006399 behavior Effects 0.000 description 9
- 238000013500 data storage Methods 0.000 description 7
- 238000004821 distillation Methods 0.000 description 7
- 238000009826 distribution Methods 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 6
- 239000007788 liquid Substances 0.000 description 6
- 230000006866 deterioration Effects 0.000 description 5
- 238000004141 dimensional analysis Methods 0.000 description 5
- 238000005206 flow analysis Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 239000011344 liquid material Substances 0.000 description 4
- 239000002994 raw material Substances 0.000 description 4
- 230000015556 catabolic process Effects 0.000 description 3
- 238000001311 chemical methods and process Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000006731 degradation reaction Methods 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000013626 chemical specie Substances 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 238000003754 machining Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 239000013535 sea water Substances 0.000 description 2
- -1 steam Substances 0.000 description 2
- 229910000975 Carbon steel Inorganic materials 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- 229910045601 alloy Inorganic materials 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 239000010962 carbon steel Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000002310 elbow joint Anatomy 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 210000000540 fraction c Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011867 re-evaluation Methods 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供一种能够提高诊断的可靠性的成套设备诊断系统。成套设备诊断系统(1)具备：数据获取部(11)，获取关于成套设备(2)的给定的运转数据(D11)；第1分析部(13)，基于给定的模型对给定的运转数据进行仿真处理，由此算出第1分析结果；第2分析部(14)，基于对给定的运转数据进行统计处理的结果和第1分析结果，算出第2分析结果；以及分析结果信息输出部(16)，基于第1分析结果和第2分析结果输出给定的分析结果信息，给定的模型包含描述成套设备整体的行为的成套设备模型(131)、与构成成套设备的各设备相关的设备‑配管模型(132)、以及与构成各设备的材料相关的材料模型(133)。
Description
技术领域
本发明涉及成套设备诊断系统以及方法。
背景技术
例如，在石油精制成套设备(plant)、化学成套设备、水处理成套设备等成套设备中，期待长期持续不断的稳定运用。因此，提出了诊断成套设备的系统(专利文献1～专利文献3)。
专利文献1提供如下的系统，即，从多个发电成套设备经由网络收集运转、维护现场数据，并对运用性和经济性优异的发电成套设备进行监视或诊断。
专利文献2公开了针对成套设备的各种异常能够应用的成套设备监视装置。
在专利文献3记载了考虑成套设备的制造、检查或运转等的历史记录而诊断异常的方法。
在先技术文献
专利文献
专利文献1：日本特开2003-114294号公报
专利文献2：日本特开2010-49359号公报
专利文献3：日本特开平6-331507号公报
发明内容
发明要解决的课题
在专利文献1～专利文献3记载的现有技术未考虑到构成成套设备的各设备的材料的劣化特性而进行分析，因此诊断的可靠性存在改善的余地。
本发明是鉴于上述的问题而完成的，其目的在于，提供一种能够提高诊断的可靠性的成套设备诊断系统以及方法。
用于解决课题的技术方案
为了解决上述课题，根据本发明的成套设备诊断系统是诊断成套设备的成套设备诊断系统，具备：数据获取部，获取关于成套设备的给定的运转数据；第1分析部，基于给定的模型对给定的运转数据进行仿真处理，由此算出第1分析结果；第2分析部，基于对给定的运转数据进行统计处理的结果和第1分析结果，算出第2分析结果；以及分析结果信息输出部，基于第1分析结果和第2分析结果输出给定的分析结果信息，给定的模型包含描述成套设备整体的行为的成套设备模型、与构成成套设备的各设备相关的设备-配管模型、以及与构成各设备的材料相关的材料模型。
发明效果
根据本发明，能够基于通过使用包含成套设备模型和设备-配管模型以及材料模型的给定的模型进行仿真处理而得到的第1分析结果和对给定的运转数据进行了统计处理的结果而算出第2分析结果，能够基于第1分析结果和第2分析结果输出给定的分析结果信息，可靠性提高。
附图说明
图1是包含成套设备诊断系统的整体系统的功能框图。
图2是实现成套设备诊断系统的硬件结构图。
图3是示出成套设备模型的说明图。
图4是示出设备-配管模型的说明图。
图5是示出设备-配管模型仿真器的输出结果的说明图。
图6是示出设备-配管模型与设备-配管模型仿真器的关系的框图。
图7是示出材料模型、设备-配管模型、以及设备-配管模型仿真器的关系的框图。
图8是使用三维的分析模型来判定有无异常的说明图。
图9示出提供给用户的画面的例子。
图10是示出成套设备诊断系统的处理概要的说明图。
具体实施方式
以下，基于附图对本发明的实施方式进行说明。在本实施方式中，如后所述，使根据成套设备2的实际的状态算出的运算结果反映到归纳性分析模型14，由此能够进行具有高可靠性的诊断。
本实施方式涉及的成套设备诊断系统1例如能够应用于石油精制成套设备、化学成套设备、电力成套设备、水处理成套设备、医药品制造成套设备等处理流体的成套设备。作为流体，例如有水、石油、海水、化学药品、蒸气、气体等。在机动车工厂、机械加工工厂等中，也使用水蒸气或石油、气体这样的流体。在诊断这些流体施加在设备的作用的影响的情况下，能够使用本实施方式涉及的成套设备诊断系统1。
在本实施例中，使用具有成套设备模型131和设备-配管模型132以及材料模型133的三层构造的给定模型向统计分析模型(归纳性分析模型)14输入将运转数据赋予给定模型的结果。由此，本实施方式涉及的成套设备诊断系统1能够可靠性高地诊断给定时间后的运转状态。在以下的说明中，在“设备”例如除了阀门、反应槽、蒸馏塔、热交换机这样的装置以外，还包含配管、接头、节流孔这样的连接构造。
在本实施方式中，为了有效利用所谓的IoT(Internet of Things，物联网)而适当地进行成套设备的运转或维护，使使用了从成套设备2输出的传感器数据的归纳性(统计性)的分析14和演绎性(物理性)的分析13协作。
由此，本实施方式涉及的成套设备诊断系统1能够快速地检测成套设备2的异常。进而，成套设备诊断系统1对构成成套设备2的设备、材料的劣化特性进行评价，由此能够推定产生异常的原因、场所、以及设备、成套设备的剩余寿命。
本实施方式的成套设备诊断系统1至少包含被输入成套设备2的各传感器数据的数据获取部11、演绎性以及归纳性地对数据进行分析的分析部13、14、以及分析结果输出部16。
演绎性分析部13包含描述构建在网络空间上的成套设备整体的行为的成套设备模型131、构成成套设备的设备的模型132、以及构成设备的材料的模型133。由此，成套设备2的各部位的任意的运转时间后的状态被可视化。
成套设备诊断系统1能够利用描述成套设备2的结构的成套设备结构数据。成套设备结构数据例如包含工艺流程图、配管量具装备图、等距(isometric)视图、以及三维设计图。
成套设备模型131基于工艺流程图进行描述，是根据如下的仿真来描述成套设备2的状态的模型，即，根据传感器数据和/或成套设备2处理的化学操作描述成套设备各部分的操作中的状态的仿真。
设备-配管模型132由基于配管量具装备图或等距视图描述的设备-配管配置图构成。设备-配管模型132描述根据成套设备模型131输出的宏观(macro)的一维流体属性计算信息和起因于各设备的部位的形状的微观(micro)的三维流体属性计算信息。设备-配管模型132的宏观的一维流体属性计算信息的一部分通过缩减微观的三维流体属性计算信息而得到。
材料模型133根据存储构成设备的材质信息的数据库17和各设备的各部位的流体属性信息来计算。材料模型133描述材料的任意的运转时间后的状态。材料模型133也能够称为描述材料的物性的材料物性模型。
在成套设备的运转数据能够包含由检查成套设备2的状态的检查装置3生成的检查数据。定期或不定期地实施检查。成套设备诊断系统1通过检查数据来实现成套设备的状态的匹配。即，成套设备诊断系统1能够通过使用检查数据来对演绎性分析部13的模型131～模型133进行修正。
由材料数据库17管理的材料信息是描述流体对材料的作用的信息。作为流体的作用，例如有腐蚀、侵蚀。根据流体的性质(种类、温度、压力、pH、流速、溶解氧量、杂质的含量等)，某种材料的设备被该流体腐蚀等的程度不同。
分析结果信息输出部16例如输出诊断成套设备2的异常部位的结果、确定异常的原因的结果、将维护计划最佳化的结果、以及将运转最佳化的结果中的至少任一个。
根据像这样构成的本实施方式，能够使基于材料的劣化行为的演绎性分析部(物理性分析部)13和基于实际数据(传感器数据)的归纳性分析部(统计分析部)14协作而得到分析结果信息。由此，在本实施方式中，能够基于通过多个分析部13、14的协作而得到的分析结果信息，进行成套设备的异常诊断、异常的原因确定、维护计划的修正、运转计划的修正等。
实施例1
使用图1～图10说明第1实施例。图1是包含成套设备诊断系统1的整体系统的功能框图。
如后面在图2中叙述的那样，成套设备诊断系统1能够包含一个或多个计算机。成套设备诊断系统1经由通信网络CN获取来自配置在成套设备2的各传感器21的数据D11(传感器数据)。成套设备诊断系统1基于传感器数据D11和示出成套设备2的结构的图纸数据D12以给定的观点诊断成套设备2。成套设备诊断系统1也能够从对成套设备2的状态进行检查的检查装置3接受检查数据D13，从而使模型131～模型133与成套设备2的实际状态一致。
成套设备诊断系统1也能够以成套设备为单位进行设置，也能够用一个成套设备诊断系统1来管理多个成套设备2。
使用图1说明成套设备诊断系统1的功能结构。成套设备诊断系统1，例如分别如后所述，具备数据获取部11、运转数据存储部12、演绎性分析部13、归纳性分析部14、分析结果存储部15、以及分析结果信息输出部16。
数据获取部11的功能是获取运转数据。运转数据包含传感器数据D11和检查数据D13。
传感器数据D11从设置在成套设备2的各传感器21输出。传感器21例如有温度传感器、压力传感器、pH计、流速计、流量计、溶解氧量计、色彩传感器等。也可以由现场仪器(控制器、定序器、数据记录器等)接收一个或多个传感器21的数据，并从现场仪器向成套设备诊断系统1发送。
检查数据D13由检查员等所持有的检查装置3生成，并送到数据获取部11。作为检查装置3，例如有计测壁厚减薄或腐蚀的程度的超声波厚度计、磁式厚度计、X射线检查装置等。本实施例的检查装置3对能够用于在演绎性分析部13中使用的模型的修正的参数进行计测。
运转数据存储部12存储从数据获取部11领取的运转数据D11、D13。
作为“第1分析部”的演绎性分析部13基于给定的模型131～模型133对传感器数据D11以及图纸数据D12进行仿真处理，由此输出第1分析结果。如后所述，演绎性分析部13具有成套设备模型131、设备-配管模型132、以及材料模型133。进而，演绎性分析部13与材料数据库17和设备-配管模型仿真器18连接。
作为“第2分析部”的归纳性分析部14数学性、统计性地处理各传感器数据D11和/或对传感器数据D11进行运算而得到的数据和/或从演绎性分析部13输出的第1分析结果。由此，归纳性分析部14算出第2分析结果，并使其存储到分析结果存储部15。
对分析结果进行存储的分析结果存储部15存储来自演绎性分析部13的第1分析结果和来自归纳性分析部14的第2分析结果。分析结果信息输出部16基于存储在分析结果存储部15的第1分析结果以及第2分析结果作成分析结果信息并输出。分析结果信息并不限于第1分析结果的信息以及第2分析结果的信息，例如，也能够包含成套设备2的各部分的剩余寿命、剩余寿命的分布、维护计划重新评估的提案、运转计划修正的提案这样的根据第1分析结果的信息和/或第2分析结果的信息算出的加工信息。分析结果信息例如被送到对成套设备诊断系统1进行操作的操作员的终端或对生产计划进行立案管理的外部系统(未图示)。
像上述的那样，通过设置在成套设备2的各传感器21按时间序列获取流过成套设备2内的流体的温度、压力、流量、差压等传感器数据D11，发送到成套设备诊断系统1。通过数据获取部11获取的传感器数据D11的至少一部分被导入到归纳性分析模型14，通过统计性的处理而输出到分析结果存储部15。有效利用分析结果存储部15，将与异常的判定、寿命的推定、运转最佳化等成套设备诊断、运用相关的分析结果输出到分析结果的有效利用单元5。
传感器数据D11的至少一部分被送到演绎性分析模型13。演绎性分析部13对接受的传感器数据D11实施给定的分析处理，然后将该分析结果(第1分析结果)送到归纳性分析模型14。
演绎性分析模型13具有作为“给定的模型”的成套设备模型131、设备-配管模型132、以及材料模型133。
成套设备模型131和设备-配管模型132基于存储在图纸数据存储部22的图纸数据D12而构成。图纸数据存储部22可以设置在成套设备诊断系统1内，或者也可以设置在与成套设备诊断系统1不同的系统内。还可以将其他系统内的图纸数据存储部22的存储内容的一部分复制到成套设备诊断系统1内使用。
图纸数据D12例如包含成套设备2的工艺流程图(PFD图)、设备量具装备图(P&ID图)、等距视图、以及3D-CAD图等。
成套设备模型131主要基于工艺流程图和设备量具装备图而构成，并描述化学种成分的行为、使用收益系统的行为。化学种成分的行为例如基于化学工艺的物质收支、反应、热的出入等而产生。所谓使用收益系统的行为是指，例如水蒸气、电力等使用收益系统的行为。成套设备模型131根据传感器数据D11的信息和基于化学工艺仿真器(未图示)的计算结果预测传感器数据D11以外的其他数据并进行运算。
设备-配管模型132主要基于等距视图和3D-CAD图而构成。设备-配管模型132实际地算出实际地流过设备(包含配管)的流体的温度、流量、压力等。
即，设备-配管模型132根据在成套设备模型131中得到的传感器信息和基于化学工艺仿真器的计算结果，还考虑设备以及配管的实际的处理和设备的构成信息等，求出实际流过配管内的流体的温度、流量、压力等。在本实施例中，为了更详细地进行三维的流动分析并提取其分析结果作为模型而有效利用，在通过设备-配管模型仿真器18进行三维分析之后，提取特征量，并向设备-配管模型132传递信息。例如，提取通过设备-配管模型仿真器18计算的“流速变为最快的部分”，将“流速变为最快的部分”作为特征量向设备-配管模型132传递。
材料模型133是描述腐蚀、龟裂或侵蚀等成为材料上的劣化的主要原因的现象的模型。作为模型133的例子，例如有流动加速腐蚀、液滴碰撞侵蚀、外表面腐蚀、电腐蚀、孔蚀腐蚀等。
在材料模型133中，基于从设备-配管模型132输入的流动、温度、压力、pH、溶解氧量、排放量、液滴粒子类等，计算这些条件复合性地产生时的、例如由腐蚀等造成的壁厚减薄速度。为了计算该壁厚减薄速度等所需的各条件的壁厚减薄量等的信息通过材料数据库17提取。
从以上的模型131～模型133求出的计算值，存在从演绎性分析部13经过归纳性分析部14而存储在分析结果存储部15的情况和从演绎性分析部13直接送到分析结果存储部15而存储的情况。即，在各模型131～模型133中得到的计算值被送到作为归纳性分析模型的归纳性分析部14，并与传感器数据D11一起进行统计性处理。被统计处理的结果存储在分析结果存储部15。或者，将在模型131～模型133中求出的计算值直接送到分析结果存储部15进行存储。
图2是实现成套设备诊断系统1的计算机的硬件结构例。计算机例如具备：微处理器(图中，CPU：Central Processing Unit，中央处理器)101、存储器102、辅助存储装置103、通信接口部104、以及用户接口部105。在辅助存储装置103存储有用于实现成套设备诊断系统1的各功能11～16的计算机程序P1和在成套设备诊断系统1中使用的各种数据D1。微处理器101将计算机程序P1读取到存储器102并执行，由此可实现作为成套设备诊断系统1的功能。
通信接口部104经由通信网络CN与成套设备2的各传感器21能够进行通信地连接。在用户接口部105连接有成套设备诊断系统1的与用户(操作员)之间交换信息的装置。用户接口部105包含信息输入装置和信息输出装置。信息输入装置例如有键盘、鼠标、触控面板、声音输入装置等。信息输出装置例如有显示器、打印机、声音合成装置等。也能够通过使用对存储介质读写数据的装置，将在成套设备诊断系统1内算出的分析结果向外部输出，或者，从外部向成套设备诊断系统1输入计算机程序或数据。
如图10所示，也可以将计算机终端(操作员终端)4与成套设备诊断系统1连接。由此，成套设备诊断系统1和操作员能够经由计算机终端4交换信息。计算机终端4可以是所谓的桌面型的计算机终端，也可以是平板型等移动终端。
使用图3～图7对演绎性分析部13的结构进行说明。图3示出成套设备模型131的例子。图3示出使用蒸馏塔将原料分离为四个馏分的虚拟成套设备。
原料罐23的液体原料通过泵24送到蒸馏塔26。液体原料在从泵24送到蒸馏塔26的期间被热交换器25加热。为了将液体原料的温度T2保持在给定温度，通过流量控制阀29对从加热蒸气配管27(1)供给到热交换器25的加热水蒸气的流量进行调整。
在热交换器25中，通过来自加热蒸气流动的配管27(1)的热，液体原料被加热。加热了液体原料的水蒸气流出到配管27(2)。通过将被加热的液体原料送到蒸馏塔26，由此得到四种馏分28A～28D。
在图3的例子中，在成套设备的各处设置有传感器21(1)～传感器21(7)，这些传感器21测定温度(T)、流量(F)、压力(P)这样的数据并向成套设备诊断系统1发送。某个传感器21(4)测定温度、流量、以及压力，但是其他传感器21(1)～传感器21(5)、传感器21(7)仅测定温度和流量。设传感器21(6)实际上未设置。
例如在传感器21(6)不存在的情况下，通常的成套设备诊断系统不能获取馏分C的温度T6、流量F6的数据。因此，本实施例的成套设备诊断系统1通过使用成套设备模型131和其他传感器数据，预测不足的数据T6、F6。进而，根据本实施例的成套设备诊断系统1，由于使用成套设备模型131，所以能够预测包含不足数据T6、F6的各传感器数据D11在将来的运转时的变化。
进而，在本实施例中，例如，也能够根据液体原料通过热交换器时的温度变化、液体原料的流量、与水蒸气的温度以及流量的关系求出热交换器25的热传导率。像这样，能够通过计算成套设备2包含的设备的特征量(热传导率等)并将其传递给归纳性分析部14，从而在归纳性分析部14中更详细地进行分析。
在图4示出设备-配管模型132的例子。在图5示出根据设备-配管模型仿真器18的计算例。
图4所示的设备-配管模型132示意性地示出从相当于节点N1的设备至相当于节点N11的设备的配管的路径。设备-配管模型132基于作为实际的施工图纸的等距视图而作图，可通过实施一维的流动分析而得到。
从节点N1的设备流出的流体(液体原料等)经由各节点N2～N10流入节点N11的设备。在图4的例子中，使用一维分析模型来计算各节点N1-N11中的头压、流速。
在此，假设在节点N8与节点N9之间例如设置有节流孔271并调整了流量，则通过节流孔271的部分的流动变得复杂，产生与通常的直管不同的流动。由此，有时对配管材料形成艰难的流场。因此，在本实施例中，实施三维的流动分析。
图5是根据设备-配管模型仿真器18的三维流动分析的例子。在图5中，示出节流孔271中的流动的分析例。设备-配管模型仿真器18提取流动艰难的点(节流孔271)的特征量。由设备-配管模型仿真器18提取的特征量被导入设备-配管模型132。由此，设备-配管模型132的精度提高。
三维流动分析的对象并不限于节流孔。例如，也可以将弯头接头、阀门等具有复杂的形状的配管作为分析对象。还可以将泵、压缩机、热交换器等设备作为分析对象。
在图6示出设备-配管模型132和设备-配管模型仿真器18的连接关系。在图6示出了对设备-配管模型仿真器进行计算的计算部181、对在设备-配管模型仿真器中使用的数据进行存储的数据库182、以及对现有模型的有无进行判定的机构183的关系。
图5所述的设备-配管模型仿真器18为了输出复杂的仿真结果需要庞大的时间。因此，在图1中，将设备-配管模型仿真器18配置在传感器数据D11的流动之外。
设备-配管模型仿真器计算部181的计算结果可随时保存在数据库182。将基于设备-配管模型仿真器18的适当的计算结果发送到设备-配管模型132。如果能够使用的计算结果未保存在数据库182，则由设备-配管模型仿真器计算部181重新计算。将该计算结果保存在数据库182。
基于设备-配管模型仿真器18的计算结果是否已经存在，通过现有模型有无判定机构183来判定。在存在现有模型的情况(YES，是)下，由数据库182读取该现有模型。相对于此，在不存在现有模型的情况(NO，不是)下，由设备-配管模型仿真器计算部181重新计算，并将该计算结果保存在数据库182。
在图7示出材料模型133、设备-配管模型132、以及设备-配管模型仿真器18的关系。
材料特性评价机构1331与设备-配管模型132、设备-配管模型仿真器18、以及材料数据库17连接。进而，材料特性评价机构1331能够使用设备材料规格1332。设备材料规格1332是设备以及配管的材料的规格数据。
像上述的那样，设备-配管模型132和设备-配管模型仿真器18在有效利用提取的特征量的方面进行协作。即，由设备-配管模型仿真器18提取的特征量反映在设备-配管模型132。
相对于此，材料模型133能够与设备-配管模型132或设备-配管模型仿真器18中的任一个进行协作。即，也能够像设备-配管模型132那样对提取特征量之后的流场应用材料模型133，或者也能够像设备-配管模型仿真器18那样对详细的三维流场应用材料模型133。
材料模型133根据由设备-配管模型132或设备-配管模型仿真器18得到的流体的流动、温度、压力、振动等数据和由设备材料规格1332得到的构成配管的材料的材质信息，算出分析对象的设备、配管的劣化状况。材料模型133的算出结果作为输出结果1333输出。
以配管的流动加速腐蚀为例进行说明。通过设备-配管模型132或设备-配管模型仿真器18将流体的流速、温度、压力、pH、溶解氧量或它们的分布输入到材料模型133。进而，由设备材料规格1332将流过配管的流体的种类和构成配管的材料的种类输入到材料模型133。对材料特性评价机构1331赋予下述的式1所示的由流动加速腐蚀造成的壁厚减薄速度的计算式。
(壁厚减薄速度)＝f(流速、温度、压力、pH、溶解氧量)…(式1)
根据输入到材料特性评价机构1331的各个值，从材料数据库17可检索适合于这些值的壁厚减薄速度。被检索到的壁厚减薄速度根据式1进行计算并输出到输出结果1333。在即使检索也不存在适当的值的情况下，也能够通过内插对值进行推定并返回。
在此，对流动加速腐蚀进行了描述，但是在对液滴碰撞侵蚀进行分析的情况下，根据流速、流体的压力、温度等得到的排放液滴的粒径分布、排放液滴的速度、形成与流体接触的部分的材料的硬度等成为必要的参数。
在对由振动等其他机械性的主要原因造成的破裂等进行分析的情况下，也与上述同样地，通过将计算所需的参数存储在材料数据库17，从而能够计算。
在图7的例子中，对使用材料数据库17的情况进行了说明，但是作为代替，也能够使用热力学的熔解的理论式等进行描述。
接着，说明作为归纳性分析模型的归纳性分析部14的处理。本实施例的归纳性分析部14例如使用自适应共振理论(Adaptive Resonance Theory：ART)来分析数据。
(异常诊断)
归纳性分析部14能够使用自适应共振理论(Adaptive Resonance Theory：ART)将运转状态Y分类为多个类别。类别与“正常”或“异常”中的任一个建立了关联，因此归纳性分析部14能够检测运转状态Y的异常。对检测异常的方法进一步进行说明。
(#1：样品的收集)
归纳性分析部14收集多个运转状态Y的样品。该样品是已知成套设备2为“正常”或“异常”的情况下的运转状态Y的集合。
(#2：样品的分类)
设运转状态Y为n行m列的矩阵。也就是说，运转信息Y具有m个时间点相应量的n维的要素。在归纳性分析部14中，设想n维的空间，并对该空间的各坐标轴分别分配n个要素的值，由此在空间内点上m个点。
图8示出n维空间为三维空间的情况下的例子。像在图8的左上侧示出为“异常2”那样，例如产生“常压蒸馏塔的溢流(flooding)”这样的异常的情况下的多个点集中在空间内的某个位置。作为其他例，像在图8的右侧示出为“异常1”那样，产生“常压蒸馏塔的渗漏(weeping)”这样的异常的情况下的多个点集中在空间内的其他某个位置。关于成套设备2正常的情况下的点，例如使用成套设备的季节相同的点彼此、成套设备的使用者相同的点彼此等也集中在附近。
因此，本实施例的归纳性分析部14将m个点以距离相互靠近的点彼此来进行分组。组的数目没有特别限制。各个组对应于“异常1”、“异常2”、“异常3”、…、“正常1”、“正常2”、“正常3”、···中的任一类别。各类别形成n维空间内的“球”。如果能够确定该类别，则例如像“类别异常1＝常压蒸馏塔的溢流”这样，归纳性分析部14能够检测异常的具体的内容。
(#3：诊断)
假设存在成为诊断对象的多个运转状态Y。诊断对象的运转状态Y可以是成套设备2实际运行的结果所获取的数据(实际数据)，也可以是归纳性分析部14仿真的结果(模拟数据)。归纳性分析部14通过在上述的n维空间内点上示出诊断对象的运转状态Y的点，来确定被点上的点包含的类别(球)。若假设成为诊断对象的多个运转状态Y也是n行m列的矩阵，则类别可按m个时间点的每一个来确定。
使用图9示出成套设备模型131提供的用户接口画面和使用方法的流程。如以下所述，例如能够通过步骤1～步骤4这样的流程来诊断成套设备2的剩余寿命等。
成套设备诊断系统1以3D-CAD为基础而构成。作为成套设备诊断系统1的计算结果，特别是关于推定为剩余寿命短的场所，在3D-CAD上的相应场所显示警报。
如步骤1中箭头所示的那样，若用户指定警报显示的场所(例如配管)，则该场所的流体条件(温度、压力、流量等)以及配管信息等计算所需的参数在弹出窗口显示。进而，也能够在3D-CAD的下侧使相应场所的运转模式的过去数据显示。
如步骤2所示，也能够使一维模型(1D模型)和3D模型(三维模型)以及计算结果显示。即，成套设备诊断系统1通过流体分析计算，能够显示三维分析的详细情况、一维模型的详细情况、以及流速、溶解氧浓度的分布等。
如步骤3所示，成套设备诊断系统1也能够使以流速以及溶解氧浓度的数据为基础计算的壁厚减薄速度的分布和基于至此为止的运转条件而累计的壁厚减薄量进行显示。
如步骤4所示，成套设备诊断系统1也能够基于壁厚减薄量的累计值和预测的减速速度算出配管的厚度尺寸到达极限值为止的时间(剩余寿命)，并作为曲线图进行显示。
图10示出成套设备诊断系统1的处理概要。作为一个例子，对诊断流动加速腐蚀的情况进行说明。成套设备模型131通过运转数据的历史记录和仿真处理，输出包含过去数据和预测数据的趋势数据。
在设备-配管模型132中，例如，进行来自三维形状的模板的选择、三维分析处理、以及向一维模型的变换处理，其处理结果提交到材料模型133。即，在设备-配管模型132中，准备三维形状的模板。关于设备的尺寸信息，值由3D-CAD数据信息决定。通过设备-配管模型132中的详细计算，最关键的部分(最容易产生由流动造成的腐蚀的部分)的特征量被提取并变换为一维模型。这里的特征量例如有流速、温度、压力、pH、DO(溶解氧量)等。
在材料模型133中，进行劣化模式的选择、流体物性数据库的参照、配管材料数据库的参照、以及腐蚀速度的计算。即，在材料模型133中，若选择腐蚀、侵蚀等劣化模式，则从流体物性数据库提取所选择的模式所需的流体状态量。在流体物性数据库中，例如水、蒸气、水和蒸气的混合体、海水、工艺流体等的物性被数据库化，根据需要被调出。
在配管材料数据库中，例如钢铁、不锈钢、以及高耐热合金等用于配管(包含设备)的材料的物性被数据库化。在材料模型133中，基于从材料物性数据库调出的数据，计算腐蚀速度、腐蚀的分布。由此，成套设备诊断系统1能够算出并显示累积壁厚减薄量和剩余寿命的分布。
在此，发明人们为了验证成套设备诊断系统1的精度，进行了基于成套设备2内的流动加速腐蚀的配管的分析。对附属于某泵的配管作为腐蚀例而被提取的情况下的配管的壁厚减薄腐蚀的测定例进行说明。
其是如下认为的例子，即，液体层的水流过节流孔和刚好存在于节流孔后的90度弯头，由于在节流孔和弯头处产生的紊流而进行了流动加速腐蚀。根据运行天数和时间算出平均的壁厚减薄速度，并计算了最大的壁厚减薄速度，结果得到了0.73mm/年这一值。
作为给流动加速腐蚀带来影响的因子，提取了温度、流速、pH、溶解氧量(DO)、配管构件金属中的Cr浓度、形状。
如式2所示，将由流动加速腐蚀造成的壁厚减薄量(m)规定为温度和流速的函数(m0)，将由其他参数造成的影响作为修正系数相乘，由此求出了实际的使用环境条件下的壁厚减薄量(m)。
m＝m0(Temp、FR)*fph*fDO(Temp)*fCr*fKc…(式2)
m：由FAC造成的壁厚减薄量(修正后)
m0：由FAC造成的壁厚减薄量(修正前)
Temp：温度
FR：流速
fpH：基于pH的修正系数
fDO：基于DO(溶解氧量)的修正系数
fCr：基于Cr含量的修正系数
fKc：基于形状的修正系数
根据作为腐蚀例而提取的泵的最小流量管的等距视图，通过一维分析计算压力损耗和流速，基于测定数据推定了温度。其结果推定如下，即，温度为118.7度、压力为1.96MPa、平均的流速为2.59毫米/秒。
进而，作为溶解氧浓度(DO)和pH的参照值，使用了以前的对象成套设备中的测定结果的“2ppb”和“9.5”。分析对象的配管的材质为压力配管用碳钢，作为Cr浓度使用了0.001mass％。作为Cr浓度使用0.001mass％，作为形状因子选择了作为直管障碍部的形状因子Kc1。其结果，修正后的壁厚减薄量(m)计算为0.17mm/年。
根据像这样构成的本实施例，能够提高成套设备诊断系统1的可靠性。
根据本实施例，能够基于通过使用包含成套设备模型131和设备-配管模型132以及材料模型133的给定的模型进行仿真处理而得到的第1分析结果和对给定的运转数据进行了统计处理的结果而算出第2分析结果，能够基于第1分析结果和第2分析结果输出给定的分析结果信息，可靠性提高。
根据本实施例，能够使基于材料的劣化行为的演绎性分析部(物理性分析部)13和基于实际数据(传感器数据)的归纳性分析部(统计分析部)14协作而得到分析结果信息。由此，在本实施例中，能够基于通过多个分析部13、14的协作而得到的分析结果信息，进行成套设备的异常诊断、异常的原因确定、维护计划的修正、运转计划的修正等。
另外，本发明并不限定于上述的实施方式。本领域技术人员能够在本发明的范围内进行各种追加、变更等。在上述的实施方式中，并不限定于在添附的附图中所图示的结构例。在达到本发明的目的的范围内，能够对实施方式的结构、处理方法适当地进行变更。
此外，本发明的各构成要素能够任意地取舍选择，具备进行了取舍选择的结构的发明也包含在本发明中。进而，权利要求书所记载的结构，除了在权利要求书中明示的组合以外，也能够进行组合。
附图标记说明
1：成套设备诊断系统；
2：成套设备；
3：检查装置；
4：计算机终端；
11：数据获取部；
12：运转数据存储部；
13：演绎性分析部；
14：归纳性分析部；
15：分析结果存储部；
16：分析结果信息输出部；
17：材料数据库；
18：设备-配管模型仿真器；
21：传感器；
22：图形数据存储部；
131：成套设备模型；
132：设备-配管模型；
133：材料模型。
Claims (12)
1.一种成套设备诊断系统，其诊断成套设备，所述成套设备诊断系统具备：
数据获取部，获取关于所述成套设备的给定的运转数据；
第1分析部，基于给定的模型对所述给定的运转数据进行仿真处理，由此算出第1分析结果；
第2分析部，基于对所述给定的运转数据进行统计处理的结果和所述第1分析结果，算出第2分析结果；以及
分析结果信息输出部，基于所述第1分析结果和所述第2分析结果输出给定的分析结果信息，
所述给定的模型包含描述所述成套设备整体的行为的成套设备模型、与构成所述成套设备的各设备相关的设备-配管模型、以及与构成所述各设备的材料相关的材料模型。
2.根据权利要求1所述的成套设备诊断系统，其中，
所述第2分析部针对所述成套设备的给定的区域算出给定时间后的运转状态，作为所述第2分析结果。
3.根据权利要求1所述的成套设备诊断系统，其中，
在所述给定的运转数据中包含来自设置在所述成套设备的传感器的传感器数据。
4.根据权利要求3所述的成套设备诊断系统，其中，
在所述给定的运转数据中还包含作为对所述成套设备进行了检查的结果的检查数据。
5.根据权利要求4所述的成套设备诊断系统，其中，
所述第1分析部基于所述检查数据对所述给定的模型进行修正。
6.根据权利要求1所述的成套设备诊断系统，其中，
所述第1分析部通过利用示出所述成套设备的结构的成套设备结构数据来生成所述给定的模型，
所述成套设备结构数据包含工艺流程图、配管量具装备图、等距视图、以及三维设计图，
所述成套设备模型是基于所述工艺流程图进行描述的模型，并且是通过实施如下的仿真处理来描述所述成套设备的状态的模型，即，根据所述运转数据和/或所述成套设备处理的化学操作描述所述成套设备的操作中的状态的仿真处理，
所述设备-配管模型是使用基于所述配管量具装备图或所述等距视图描述的设备-配管配置图的信息中的至少任一个而构成的模型，是描述一维流体属性计算信息和三维流体属性计算信息的模型，其中，所述一维流体属性计算信息示出从所述成套设备模型输出的宏观的一维流体的属性，所述三维流体属性计算信息示出起因于所述各设备的形状中的流体流动的给定部位的形状的微观的三维流体的属性，
所述材料模型是根据存储构成所述各设备的材料的信息的材料数据库和所述三维流体属性计算信息计算的描述材料的任意的运转时间后的状态的模型。
7.根据权利要求6所述的成套设备诊断系统，其中，
所述材料数据库对描述了由流体造成的材料的壁厚减薄的信息进行存储。
8.根据权利要求6所述的成套设备诊断系统，其中，
所述一维流体属性计算信息的至少一部分通过缩减所述三维流体属性计算信息而得到。
9.根据权利要求7所述的成套设备诊断系统，其中，
由所述分析结果信息输出部执行以下处理：
若指定所述成套设备中的分析对象的区域，则
使用所述给定的模型计算关于指定的所述分析对象的区域的流体的状态，
基于计算的所述流体的状态和所述材料数据库预测壁厚减薄，
基于所述预测的壁厚减薄计算所述分析对象的区域的剩余寿命，
输出算出的所述剩余寿命。
10.根据权利要求1所述的成套设备诊断系统，其中，
所述分析结果信息输出部输出诊断所述成套设备的异常的结果、确定异常的原因的结果、将所述成套设备的维护计划最佳化的结果、以及将所述成套设备的运转最佳化的结果中的至少任一个，作为所述分析结果信息。
11.根据权利要求1所述的成套设备诊断系统，其中，
所述成套设备为石油精制成套设备、化学成套设备、电力成套设备、水处理成套设备或医药品制造成套设备中的任一个。
12.一种成套设备诊断方法，使用计算机系统诊断成套设备，在所述成套设备诊断方法中，
由所述计算机系统执行以下处理：
保持给定的模型，所述给定的模型包含描述所述成套设备整体的行为的成套设备模型、与构成所述成套设备的各设备相关的设备-配管模型、以及与构成所述各设备的材料相关的材料模型，
获取关于所述成套设备的给定的运转数据，
基于给定的模型对所述给定的运转数据进行仿真处理，由此算出第1分析结果，
基于对所述给定的运转数据进行统计处理的结果和所述第1分析结果，算出第2分析结果，
基于所述第1分析结果和所述第2分析结果输出给定的分析结果信息。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018122960A JP7161872B2 (ja) | 2018-06-28 | 2018-06-28 | プラント診断システム |
| JP2018-122960 | 2018-06-28 | ||
| PCT/JP2019/006466 WO2020003598A1 (ja) | 2018-06-28 | 2019-02-21 | プラント診断システムおよび方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112136088A true CN112136088A (zh) | 2020-12-25 |
Family
ID=68986290
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201980033391.8A Pending CN112136088A (zh) | 2018-06-28 | 2019-02-21 | 成套设备诊断系统以及方法 |
Country Status (3)
| Country | Link |
|---|---|
| JP (1) | JP7161872B2 (zh) |
| CN (1) | CN112136088A (zh) |
| WO (1) | WO2020003598A1 (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7380393B2 (ja) | 2020-03-31 | 2023-11-15 | 株式会社プロテリアル | バルブの減肉診断システム、バルブの減肉診断方法およびバルブの減肉診断サービス |
| JP7433171B2 (ja) | 2020-09-08 | 2024-02-19 | 三菱重工業株式会社 | 表示装置、プラント運転支援システムおよびプラント運転支援方法 |
| WO2023175711A1 (ja) * | 2022-03-15 | 2023-09-21 | 日揮株式会社 | プラント構造物腐食予測装置、推論装置、機械学習装置、情報予測装置、プラント構造物腐食予測方法、推論方法、機械学習方法及び情報予測方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002304211A (ja) * | 2001-04-06 | 2002-10-18 | Nkk Corp | プラントの運転支援方法及びそのプログラム |
| JP2005332360A (ja) * | 2004-04-22 | 2005-12-02 | Yokogawa Electric Corp | プラント運転支援装置 |
| CN102890495A (zh) * | 2011-07-19 | 2013-01-23 | 株式会社日立制作所 | 成套设备的诊断方法以及装置 |
| CN105992977A (zh) * | 2013-11-28 | 2016-10-05 | 株式会社日立制作所 | 成套设备的诊断装置和诊断方法 |
| CN106257367A (zh) * | 2015-06-18 | 2016-12-28 | 中核控制系统工程有限公司 | 一种基于仿真系统的核电dcs平台测试装置及测试方法 |
| WO2017154744A1 (ja) * | 2016-03-11 | 2017-09-14 | 株式会社日立製作所 | 生産設備経営最適化装置 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07103400A (ja) * | 1993-10-07 | 1995-04-18 | Toshiba Corp | 配管系統のモデリング方法 |
| JP2001280599A (ja) * | 2000-03-31 | 2001-10-10 | Hitachi Ltd | 発電プラント配管の寿命予測方法 |
| JP6304274B2 (ja) * | 2016-02-05 | 2018-04-04 | 横河電機株式会社 | プラント性能評価装置、プラント性能評価システム、およびプラント性能評価方法 |
-
2018
- 2018-06-28 JP JP2018122960A patent/JP7161872B2/ja active Active
-
2019
- 2019-02-21 CN CN201980033391.8A patent/CN112136088A/zh active Pending
- 2019-02-21 WO PCT/JP2019/006466 patent/WO2020003598A1/ja active Application Filing
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002304211A (ja) * | 2001-04-06 | 2002-10-18 | Nkk Corp | プラントの運転支援方法及びそのプログラム |
| JP2005332360A (ja) * | 2004-04-22 | 2005-12-02 | Yokogawa Electric Corp | プラント運転支援装置 |
| CN102890495A (zh) * | 2011-07-19 | 2013-01-23 | 株式会社日立制作所 | 成套设备的诊断方法以及装置 |
| CN105992977A (zh) * | 2013-11-28 | 2016-10-05 | 株式会社日立制作所 | 成套设备的诊断装置和诊断方法 |
| CN106257367A (zh) * | 2015-06-18 | 2016-12-28 | 中核控制系统工程有限公司 | 一种基于仿真系统的核电dcs平台测试装置及测试方法 |
| WO2017154744A1 (ja) * | 2016-03-11 | 2017-09-14 | 株式会社日立製作所 | 生産設備経営最適化装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP7161872B2 (ja) | 2022-10-27 |
| WO2020003598A1 (ja) | 2020-01-02 |
| JP2020004087A (ja) | 2020-01-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2267621B1 (en) | System for planning a piping work plan | |
| CN112136088A (zh) | 成套设备诊断系统以及方法 | |
| EP1481299B1 (en) | Method for assessing the integrity of a structure | |
| EP3899522A1 (en) | An improved method for evaluating pipe condition | |
| US9372944B2 (en) | Numerical analysis device, element generation program, and numerical analysis method | |
| Cozin et al. | Two-phase slug flow characterization using artificial neural networks | |
| CN106200624B (zh) | 基于交叉分段pca的工业锅炉故障诊断方法 | |
| Diaz-Bejarano et al. | A model-based method for visualization, monitoring, and diagnosis of fouling in heat exchangers | |
| US20210398087A1 (en) | Planning device, planning method, and program | |
| JP7097263B2 (ja) | プラントデータ解析システム | |
| Yuan et al. | Variable correlation analysis-based convolutional neural network for far topological feature extraction and industrial predictive modeling | |
| Memon et al. | Neural network based corrosion modeling of Stainless Steel 316L elbow using electric field mapping data | |
| US10429828B2 (en) | Plant simulation device and plant simulation method with first parameter adjustable at start and second parameter adjustable during operation of the plant | |
| US20210056406A1 (en) | Localized metal loss estimation across piping structure | |
| Pinciroli et al. | A semi-supervised method for the characterization of degradation of nuclear power plants steam generators | |
| Tan | Statistical methods for the analysis of corrosion data for integrity assessments | |
| Memon et al. | Neural network method for the modeling of SS 316L elbow corrosion based on electric field mapping | |
| Ramuhalli et al. | Robust online monitoring for calibration assessment of transmitters and instrumentation | |
| JP7380393B2 (ja) | バルブの減肉診断システム、バルブの減肉診断方法およびバルブの減肉診断サービス | |
| Sansana et al. | A functional data-driven approach to monitor and analyze equipment degradation in multiproduct batch processes | |
| US20220308016A1 (en) | Piping wall thinning prediction system, piping soundness evaluation system, and method | |
| Patil et al. | Development of Reliability Block Diagram (RBD) Model for Reliability Analysis of a Steam Boiler System | |
| WO2011148431A1 (ja) | プラント診断装置及びこれを用いた診断方法 | |
| CN116681268B (zh) | 过滤器生产线运行管理方法及系统 | |
| US20240061982A1 (en) | Pipe blockage prediction methods |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |