JP2003270004A - Device and method for estimating drift of detector, and system for monitoring detector - Google Patents
Device and method for estimating drift of detector, and system for monitoring detectorInfo
- Publication number
- JP2003270004A JP2003270004A JP2002073381A JP2002073381A JP2003270004A JP 2003270004 A JP2003270004 A JP 2003270004A JP 2002073381 A JP2002073381 A JP 2002073381A JP 2002073381 A JP2002073381 A JP 2002073381A JP 2003270004 A JP2003270004 A JP 2003270004A
- Authority
- JP
- Japan
- Prior art keywords
- drift
- sensor
- probability
- density function
- distribution
- 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.)
- Withdrawn
Links
Landscapes
- Testing Or Calibration Of Command Recording Devices (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
Description
【０００１】[0001]
【発明の属する技術分野】本発明は、検出器ドリフトの
推定装置、それの推定方法、及び、検出器の監視システ
ムに関し、特に、発電プラント、化学プラントのような
大規模な生産システムのセンサのドリフトを長期的に推
定してセンサ校正をリアルタイムに実行するセンサドリ
フトの推定装置、それの推定方法、及び、検出器の監視
システムに関する。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a detector drift estimation device, a method for estimating the same, and a detector monitoring system, and more particularly to a sensor for a large-scale production system such as a power plant or a chemical plant. The present invention relates to a sensor drift estimation apparatus that estimates a drift in a long term and executes sensor calibration in real time, an estimation method thereof, and a detector monitoring system.
【０００２】[0002]
【従来の技術】多様な機器の連鎖である大規模プラント
は、その運転を随時に停止することができず、その運転
状況を常態的に監視する必要がある。その運転の適正化
のために、多様な無数のセンサが配備されている。セン
サの検出信号に従って、その運転の停止を迫られること
があり得る。１つの事象を捉えるために同じ機器（配
管）に複数のセンサが配備されている。大規模システム
には、多重チェック用の複数のセンサ、温度、振動、流
量のような多様な物理的事象を測定する物理的に多様で
ある複数のセンサが存在している場合がある。複数のセ
ンサの複数の検出信号（特には、電気信号）は、１つの
事象を教えることがある。１つの機器の温度の変動と他
の１つの機器の振動の変動とは、特定される配管の劣化
を教えることがある。2. Description of the Related Art A large-scale plant, which is a chain of various equipment, cannot stop its operation at any time, and it is necessary to regularly monitor its operating condition. A myriad of various sensors are provided to optimize the operation. Depending on the detection signal of the sensor, it may be forced to stop its operation. Multiple sensors are provided in the same device (pipe) to capture one event. In large systems, there may be multiple sensors for multiple checks and multiple sensors that are physically diverse to measure various physical events such as temperature, vibration, and flow. The detection signals (especially electrical signals) of the sensors may teach an event. Fluctuations in the temperature of one device and fluctuations in the vibration of another device may teach the deterioration of the identified pipe.
【０００３】多様であり多数であるセンサ群の要素が出
力する電気信号は、それぞれに、時間的に変動する。そ
れぞれのセンサは、それぞれに、中間値を中心として大
小方向にずれた信号を出力する。そのような信号群は、
大概の場合、正規分布し、又は、近似的に正規分布す
る。出力電圧が一方向にずれていくようなセンサ（例
示：不良品）はもともとに用いられておらず、且つ、事
象は安定的であるように制御されているから、機器に配
備される出力信号のずれが正規分布することは、機器用
センサに対して数学的には公理的であると考えることが
できる。正規分布は、数学的にはセンサの関して、事象
の生起確率として理解される。The electric signals output from various and numerous elements of the sensor group vary with time. Each sensor outputs a signal deviated in the large and small directions centering on the intermediate value. Such a signal group is
In most cases, it is normally distributed or approximately normally distributed. Since the sensor (example: defective product) whose output voltage shifts in one direction is not used originally, and the event is controlled so that it is stable, the output signal provided to the device. It can be considered that the normal distribution of the deviation of is mathematically axiomatic to the device sensor. A normal distribution is mathematically understood in terms of sensors as the probability of occurrence of an event.
【０００４】センサの出力推移の推定の技術として、特
開平２００１−３５６８１８号に開示されているよう
に、逐次確率比を求めることにより出力変動を推定する
ための一般的な理論が紹介されている。公知のこのよう
な確率理論は、真値推定モデルを用いて、検出信号の実
際の出力と推定真値とのいずれの推移に基づいて、予め
定められた水準のドリフトが発生しているかを検出する
が、発生したドリフト量の大きさや、ドリフト量変化の
推移についての情報は教えない。As a technique for estimating the output transition of the sensor, a general theory for estimating the output fluctuation by obtaining the sequential probability ratio has been introduced, as disclosed in Japanese Patent Laid-Open No. 2001-356818. . Such a known probability theory uses a true value estimation model to detect whether a predetermined level of drift has occurred, based on the transition between the actual output of the detection signal and the estimated true value. However, information about the magnitude of the amount of drift that has occurred and the transition of changes in the amount of drift is not given.
【０００５】既述の公知技術は、運転を停止しないで、
運転開始前に得られている過去のデータ履歴と現在の運
転中のデータ履歴との基づいて、ドリフトの発生の有無
を推定することにより、校正が必要であるセンサを特定
することができるから、定検時の膨大な量のセンサの全
数の校正をしないで、次回の運転のために必要である校
正を一部のセンサについて選択的に行うことができ、定
検時の作業の膨大さを緩和することができる点で優れて
いる。The above-mentioned known technique does not stop the operation,
Based on the past data history obtained before the start of operation and the current data history during operation, by estimating the presence or absence of the occurrence of drift, it is possible to identify the sensor that needs calibration, The calibration necessary for the next operation can be selectively performed for some of the sensors without calibrating the enormous amount of sensors at the time of regular inspection. It is excellent in that it can be relaxed.
【０００６】他の確率理論（公知）に基づいて更にドリ
フト推定を高精度化することが求められる。次に、運転
中に得られるデータを有効に活用することができる新規
な確率理論を導入することにより、運転中のデータをよ
り一層に有効に活用することができる技術の確立が求め
られる。高精度な推定の結果として、校正時期を高精度
に算出することができる。It is required to further improve the accuracy of drift estimation based on other probability theory (known). Next, it is necessary to establish a technology that can make more effective use of data during operation by introducing a new probability theory that can effectively use the data obtained during operation. As a result of highly accurate estimation, the calibration time can be calculated with high accuracy.
【０００７】[0007]
【発明が解決しようとする課題】本発明の課題は、確率
理論に基づいて推定精度がより高精度である検出器ドリ
フトの推定装置、それの推定方法、及び、検出器の監視
システムを提供することにある。本発明の他の課題は、
運転中に得られるデータを有効に活用することができる
新規な確率理論を導入することにより、運転中のデータ
をより一層に有効に活用する技術を確立することができ
る検出器ドリフトの推定装置、それの推定方法、及び、
検出器の監視システムを提供することにある。本発明の
更に他の課題は、高精度の推定の結果として校正時期を
高精度に算出することができる検出器ドリフトの推定装
置、それの推定方法、及び、検出器の監視システムを提
供することにある。SUMMARY OF THE INVENTION An object of the present invention is to provide a detector drift estimation apparatus having a higher estimation accuracy based on probability theory, an estimation method therefor, and a detector monitoring system. Especially. Another object of the present invention is to
By introducing a new stochastic theory that can effectively utilize the data obtained during operation, a detector drift estimation device that can establish a technique for more effectively utilizing the data during operation, Its estimation method, and
It is to provide a detector monitoring system. Still another object of the present invention is to provide a detector drift estimation apparatus capable of highly accurately calculating a calibration time as a result of highly accurate estimation, an estimation method therefor, and a detector monitoring system. It is in.
【０００８】[0008]
【課題を解決するための手段】その課題を解決するため
の手段が、下記のように表現される。その表現中に現れ
る技術的事項には、括弧（）つきで、番号、記号等が添
記されている。その番号、記号等は、本発明の実施の複
数の形態又は複数の実施例のうちの少なくとも１つの実
施の形態又は複数の実施例を構成する技術的事項、特
に、その実施の形態又は実施例に対応する図面に表現さ
れている技術的事項に付せられている参照番号、参照記
号等に一致している。このような参照番号、参照記号
は、請求項記載の技術的事項と実施の形態又は実施例の
技術的事項との対応・橋渡しを明確にしている。このよ
うな対応・橋渡しは、請求項記載の技術的事項が実施の
形態又は実施例の技術的事項に限定されて解釈されるこ
とを意味しない。Means for solving the problem Means for solving the problem are expressed as follows. The technical matters appearing in the expression are accompanied by parentheses (), and numbers, symbols and the like are added. The numbers, symbols and the like are technical matters constituting at least one embodiment or a plurality of examples of the plurality of embodiments or a plurality of examples of the present invention, particularly, the embodiment or the example. It corresponds to the reference numbers, reference symbols, etc. attached to the technical matters expressed in the drawings corresponding to. Such reference numbers and reference symbols clarify correspondences and bridges between the technical matters described in the claims and the technical matters of the embodiments or examples. Such correspondence / bridge does not mean that the technical matters described in the claims are limited to the technical matters of the embodiment or the examples.
【０００９】本発明による検出器ドリフトの推定装置
は、特定されるセンサ又は同一型式のセンサ（２）に対
して第１推定法により求められる将来の第１ドリフト量
（図３（ｂ）の横軸）に基づいて第１ドリフト分布（正
規分布：図９のｆａ（ｘ）を計算する第１ドリフト分布
計算器（４）と、センサ（２）に対して第２推定法によ
り求められる現在又は過去のある時点の第２ドリフト量
に基づいて第２ドリフト分布（図９のｇ（ｙ））を計算
する第２ドリフト分布計算器（５）と、第１ドリフト分
布に基づいて第１確率密度関数であると仮定し、第２ド
リフト分布を第２確率密度関数であると仮定して、第１
確率密度関数と第２確率密度関数とを統合してセンサ
（２）の将来のドリフト量確率密度関数を確率理論に基
づいて計算する統合確率計算器とから構成されている。
第１ドリフト分布と第２ドリフト分布に基づいてそれぞ
れに第１確率密度関数と第２確率密度関数とを仮定する
方法は、それぞれのドリフト分布関数を正規化（関数の
全空間での関数の積分値が１となるように定数倍するこ
と）したもの、又は、分布の平均ｍと標準偏差σを算出
し、平均がｍであり標準偏差がσである正規化された正
規分布をそれぞれのに確率密度関数であるとみなすこと
である。The detector drift estimating apparatus according to the present invention is designed so that a future first drift amount (a horizontal direction of FIG. 3B) obtained by the first estimation method for a specified sensor or a sensor (2) of the same type. A first drift distribution calculator (4) that calculates a first drift distribution (normal distribution: fa (x) in FIG. 9) based on the axis, and the current or the current obtained by the second estimation method for the sensor (2). A second drift distribution calculator (5) that calculates a second drift distribution (g (y) in FIG. 9) based on the second drift amount at a certain point in the past, and a first probability density based on the first drift distribution. Assuming that the second drift distribution is a second probability density function,
An integrated probability calculator that integrates the probability density function and the second probability density function to calculate the future drift amount probability density function of the sensor (2) based on the probability theory.
A method of assuming a first probability density function and a second probability density function based on the first drift distribution and the second drift distribution, respectively, is to normalize each drift distribution function (integrate the function in the entire space of the function. (Multiplied by a constant so that the value becomes 1), or the average m and standard deviation σ of the distribution are calculated, and the normalized normal distribution in which the average is m and the standard deviation is σ is To be considered as a probability density function.
【００１０】センサの一般的性状であるドリフト発生量
の分布に基づいて確率密度関数を仮定することにより、
確率理論を用いて、センサの今後のドリフトの確率的変
動を計算することができる技術が確立する。確率理論
は、将来の第１確率密度関数と現在又は過去のある時点
の第２確率密度関数を用いて、第１確率密度関数よりも
推定精度が高い将来のドリフト量確率密度関数を計算す
ることができる理論である場合に、特に有効に利用され
る。高精度な推定は、センサの校正頻度を少なくするこ
とができる。By assuming a probability density function based on the distribution of the amount of drift generated, which is a general property of the sensor,
Probabilistic theory is used to establish techniques that can calculate the stochastic variation of future drift of the sensor. Probability theory is to calculate a future drift amount probability density function having higher estimation accuracy than the first probability density function by using the first probability density function in the future and the second probability density function at a certain point in the present time or in the past. It is particularly effectively used when the theory is that Highly accurate estimation can reduce the frequency of sensor calibration.
【００１１】第１推定法は過去の校正時に取得されるデ
ータを用いて第１ドリフト量を求め、第２推定法は最近
の定検時から運転中の現在までに取得されるデータを用
いて第２ドリフト量を求める。過去のデータは運転時間
が長くなれば件数が十分に多くなっていて、統計学的に
貴重であり、他方、最近に得たデータは最近のセンサ状
態をより適正に反映している。２つの手法により得られ
る両データは、確率理論により、第３の将来のドリフト
を高精度に推定することができる情報を有している。The first estimation method obtains the first drift amount by using the data obtained in the past calibration, and the second estimation method uses the data obtained from the latest regular inspection to the present during operation. The second drift amount is calculated. Historical data is statistically valuable as the number of trips is high enough that it is statistically valuable, while recent data better reflects recent sensor conditions. Both data obtained by the two methods have information that enables highly accurate estimation of the third future drift by the probability theory.
【００１２】第１ドリフト分布計算器（４）は、第１ド
リフト分布が持つ平均と標準偏差の数学的情報に基づい
て、第１ドリフト分布を計算する。この第１ドリフト分
布は、正規分布であると近似して計算される場合には、
確率理論をより簡便に利用することができる。第２ドリ
フト分布計算器（５）は、第２ドリフト分布が持つ平均
と標準偏差の数学的情報に基づいて、第２ドリフト分布
を計算する。この第２ドリフト分布は、正規分布である
と近似して計算される場合には、確率理論をより簡便に
利用することができる。The first drift distribution calculator (4) calculates the first drift distribution based on the mathematical information of the average and standard deviation of the first drift distribution. When this first drift distribution is calculated by approximating that it is a normal distribution,
The probability theory can be used more easily. The second drift distribution calculator (5) calculates the second drift distribution based on the mathematical information of the average and standard deviation of the second drift distribution. When the second drift distribution is calculated by approximating that it is a normal distribution, the probability theory can be used more easily.
【００１３】センサ校正要否判定計算器（１４）が追加
されている。センサ校正要否判定計算器（１４）は、ド
リフト量の確率密度関数における非許容範囲部分の面積
で表され日数の関数である許容値逸脱確率を計算し、許
容値逸脱確率が閾値を越えればセンサ（２）を校正する
必要がある旨を通知する校正信号を出力する。許容値逸
脱確率は日数（時間）を変数とする関数であるから、許
容値逸脱確率が分かれば校正が必要であると判断される
校正日が簡単に計算され得る。校正信号が出た場合に直
ちにセンサ交換を実行する必要はなく校正を実行する。A sensor calibration necessity determination calculator (14) is added. The sensor calibration necessity determination calculator (14) calculates an allowable value deviation probability that is a function of the number of days represented by the area of the non-allowable range part in the probability density function of the drift amount, and if the allowable value deviation probability exceeds the threshold value. It outputs a calibration signal notifying that the sensor (2) needs to be calibrated. Since the tolerance deviation probability is a function having the number of days (hours) as a variable, if the tolerance deviation probability is known, the calibration date when it is determined that calibration is necessary can be easily calculated. When the calibration signal is output, it is not necessary to replace the sensor immediately, but the calibration is executed.
【００１４】センサ交換要否判定計算器（１５）が更に
追加される。センサ交換要否判定計算器（１５）は、許
容値逸脱確率の変化率が閾値を越えればセンサ（２）を
交換する必要がある旨を通知する交換信号を出力する。
交換信号が出た場合には、交換実行が必要であるが、閾
値を適正に選ぶことにより、交換信号は厳重な警告であ
り、遅くとも次回の定検時に必ず交換が実行される。A sensor replacement necessity determination calculator (15) is further added. The sensor replacement necessity determination calculator (15) outputs a replacement signal notifying that the sensor (2) needs to be replaced if the change rate of the tolerance deviation probability exceeds a threshold value.
When the exchange signal is issued, it is necessary to perform the exchange. However, by properly selecting the threshold value, the exchange signal is a strict warning, and the exchange is always executed at the latest at the next regular inspection.
【００１５】校正後ａ日目の第１確率密度関数がｆａ
（ｘ）で示され、第２確率密度関数がｇ（ｙ）で示さ
れ、ここで、確率変数Ｘがｆａ（Ｘ）に従い確率変数Ｙ
がｇ（ｙ）に従うとき、第２推定法によりドリフト量が
推定されたａ日後のドリフト量は確率変数Ｚ＝Ｘ＋Ｙで
表され、確率変数Ｚが従う確率密度関数Ｆは、次式：
Ｆ（ｚ）＝ｇ＊ｆａ（ｚ）
＝∫ｇ（ｔ）ｆａ（ｚ−ｔ）ｄｔ（積分範囲は、−∽＜
ｔ＜＋∽）
で示され、統合確率計算器はこの式の右辺を計算する。
この式は、著名な確率理論の基本式であり、将来の確率
の絞り込みを高精度に行うことができる理論式である。
本発明により導入される仮説（正しい）は、確立された
このような理論式の有用な活用的展開を可能にする。セ
ンサの校正頻度をより安定的且つ安全に少なくすること
ができる。The first probability density function on day a after calibration is fa
(X) and the second probability density function is denoted by g (y), where the random variable X is a random variable Y according to fa (X).
, The drift amount after a day when the drift amount is estimated by the second estimation method is represented by a random variable Z = X + Y, and the probability density function F followed by the random variable Z is expressed by the following formula: F ( z) = g * fa (z) = ∫g (t) fa (z−t) dt (the integration range is −∽ <
t <+ ∽), the integrated probability calculator calculates the right side of this equation.
This formula is a basic formula of a well-known probabilistic theory, and is a theoretical formula that can narrow down future probabilities with high accuracy.
The hypothesis (correct) introduced by the present invention allows a useful exploitation of such established theoretical formulas. The calibration frequency of the sensor can be reduced more stably and safely.
【００１６】センサ（２）は電源から供給されて動作す
る電気回路を有している。電気回路を有しているセンサ
は既述の仮説に特に忠実に従う。電気回路がトランジス
タ又は真空管で形成されている場合には、センサは既述
の仮説に特に更に忠実に従う。The sensor (2) has an electric circuit which operates by being supplied with a power source. Sensors with electrical circuits follow the stated hypothesis particularly faithfully. If the electrical circuit is formed by transistors or vacuum tubes, the sensor particularly adheres to the already mentioned hypothesis.
【００１７】本発明による検出器の監視システムは、監
視センタ（１９）と、プラント（１）の中の特定される
センサ又は同一型式のセンサが出力する信号を監視セン
タ（１９）に送信する送信線とから構成されている。監
視センタ（１９）は、計算機（３）を有している。計算
機（３）は、センサ（２）に対して第１推定法により求
められる第１ドリフト量に基づいて第１ドリフト分布を
計算する第１ドリフト分布計算器（４）と、その同じセ
ンサ（２）に対して第２推定法により求められる第２ド
リフト量に基づいて第２ドリフト分布を計算する第２ド
リフト分布計算器（５）と、第１ドリフト分布に基づい
て第１確率密度関数を仮定し、第２ドリフト分布に基づ
いて第２確率密度関数を仮定して、第１確率密度関数と
第２確率密度関数とを統合してセンサのドリフト量確率
密度関数を確率理論に基づいて計算する統合確率計算器
（１２）とから構成されている。第１ドリフト分布と第
２ドリフト分布に基づいてそれぞれに第１確率密度関数
と第２確率密度関数とを仮定する方法は、それぞれのド
リフト分布関数を正規化（関数の全空間での関数の積分
値が１となるように定数倍すること）したもの、又は、
分布の平均ｍと標準偏差σを算出し、平均がｍであり標
準偏差がσである正規化された正規分布をそれぞれのに
確率密度関数であるとみなすことである。The detector monitoring system according to the present invention comprises a monitoring center (19) and a transmission for transmitting to the monitoring center (19) a signal output from a specified sensor or a sensor of the same type in the plant (1). It is composed of lines and lines. The monitoring center (19) has a computer (3). The calculator (3) has the same sensor (2) as the first drift distribution calculator (4) that calculates the first drift distribution based on the first drift amount obtained by the first estimation method for the sensor (2). ), A second drift distribution calculator (5) for calculating the second drift distribution based on the second drift amount obtained by the second estimation method, and a first probability density function based on the first drift distribution are assumed. Then, assuming a second probability density function based on the second drift distribution, the first probability density function and the second probability density function are integrated to calculate the sensor drift amount probability density function based on the probability theory. It is composed of an integrated probability calculator (12). A method of assuming a first probability density function and a second probability density function based on the first drift distribution and the second drift distribution, respectively, is to normalize each drift distribution function (integrate the function in the entire space of the function. (Multiplied by a constant so that the value becomes 1), or
The average m and the standard deviation σ of the distribution are calculated, and the normalized normal distribution having the average m and the standard deviation σ is regarded as the probability density function for each.
【００１８】監視センタ（１９）を国内又は外国の多様
に多数のプラントに有線、無線の通信機器（２１）を介
して接続することにより、単一の高速計算機（３）で世
界的規模でセンサの校正要否を推定的に予測することが
できる。同一型式のセンサについて、多数のプラントか
ら送信されてくるデータをニューラルネットに例示され
る推定モデルに取り込んで、より高精度な推定を行うこ
とができる。By connecting the monitoring center (19) to a large number of domestic or foreign plants through wired or wireless communication devices (21), a single high-speed computer (3) can be used to provide sensors on a global scale. It is possible to predictively predict whether or not calibration is required. For sensors of the same type, it is possible to incorporate data transmitted from a large number of plants into an estimation model exemplified by a neural network and perform estimation with higher accuracy.
【００１９】本発明による検出器のドリフト推定方法
は、計算機により計算する複数のステップの集合を具
え、その集合は、前回の校正時に得られているデータに
基づいてセンサの第１ドリフト分布を第１計算手法によ
り計算するステップと、その校正時より以降の運転中の
現在に得られるデータに基づいてセンサの第２ドリフト
分布を第２計算手法により計算するステップと、第１ド
リフト分布に基づいて第１確率密度関数を仮定し、且
つ、第２ドリフト分布に基づいて第２確率密度関数を仮
定し、第１確率密度関数と第２確率密度関数とに基づい
て、センサの今後の第３ドリフト量の確率密度関数を確
率理論に基づいて計算するステップと、第３ドリフト量
の確率密度関数について、許容範囲の面積である許容値
逸脱確率を日数の関数として計算するステップとから構
成されている。第１ドリフト分布と第２ドリフト分布に
基づいてそれぞれに第１確率密度関数と第２確率密度関
数とを仮定する方法は、それぞれのドリフト分布関数を
正規化（関数の全空間での関数の積分値が１となるよう
に定数倍すること）したもの、又は、分布の平均ｍと標
準偏差σを算出し、平均がｍであり標準偏差がσである
正規化された正規分布をそれぞれのに確率密度関数であ
るとみなすことである。更に、その許容値逸脱確率と設
定閾値との比較に基づいてサンサーを校正する必要が生
じる校正日を算出するステップが更に追加される。計算
機（３）は、センサ（２）が配備されているプラント
（１−１〜１−ｊ）から遠く離隔されている監視センタ
（１９）に配置される。校正日をプラントに通信機器
（２１）を用いて送信するステップが更に追加される。
その許容値逸脱確率の変化率と設定閾値との比較に基づ
いてセンサを交換する必要が生じる交換日を算出するス
テップが更に追加される。計算機（３）は、プラントか
ら遠く離隔されている監視センタ（１９）に配置され、
交換日をプラントに通信機器を用いて送信するステップ
が更に追加されて、地球規模の監視システムが構築され
る。The detector drift estimation method according to the present invention comprises a set of steps calculated by a computer, the set including the first drift distribution of the sensor based on the data obtained at the previous calibration. 1 calculation method, a step of calculating the second drift distribution of the sensor by the second calculation method based on the data obtained at the time of operation after the calibration, and based on the first drift distribution Assuming a first probability density function and a second probability density function based on a second drift distribution, a future third drift of the sensor based on the first probability density function and the second probability density function Calculating the probability density function of the quantity based on the probability theory, and regarding the probability density function of the third drift quantity, the allowable value deviation probability that is the area of the allowable range is defined as the function of the number of days. And a step of calculating Te. A method of assuming a first probability density function and a second probability density function based on the first drift distribution and the second drift distribution, respectively, is to normalize each drift distribution function (integrate the function in the entire space of the function. (Multiplied by a constant so that the value becomes 1), or the average m and standard deviation σ of the distribution are calculated, and the normalized normal distribution in which the average is m and the standard deviation is σ is To be considered as a probability density function. Further, a step of calculating a calibration date when the sensor needs to be calibrated based on the comparison between the tolerance deviation probability and the set threshold value is further added. The computer (3) is arranged in a monitoring center (19) that is far away from the plants (1-1 to 1-j) in which the sensor (2) is installed. An additional step of transmitting the calibration date to the plant using the communication device (21) is added.
The step of calculating the replacement date when the sensor needs to be replaced is further added based on the comparison between the change rate of the tolerance deviation probability and the set threshold value. The computer (3) is located in a monitoring center (19) far away from the plant,
The step of transmitting the exchange date to the plant using communication equipment is further added to build a global monitoring system.
【００２０】本発明による検出器のドリフト推定方法
は、より基本的には、第１手法によりセンサの将来の第
１ドリフト分布を計算器により計算して求めるステップ
と、第１手法と異なる第２手法により現在又は過去のあ
る時点のセンサの第２ドリフト分布を計算器により計算
して求めるステップと、第１ドリフト分布と第２ドリフ
ト分布のそれぞれに基づいて確率密度関数を仮定して、
確率理論によりセンサのドリフト分布を将来的により高
精度に計算器により計算するステップとを構成し、その
確率理論は、将来のドリフト量分布を第１ドリフト分布
よりも確率推定精度が高い統合確率を計算することがで
きる理論である。The detector drift estimation method according to the present invention is, more basically, a step of calculating and calculating a future first drift distribution of the sensor by the first method, and a second method different from the first method. Assuming a probability density function based on each of the first drift distribution and the second drift distribution by calculating the second drift distribution of the sensor at a certain time point in the present or the past by the method by the calculator
The step of calculating the drift distribution of the sensor by the calculator with higher accuracy in the future by the stochastic theory, and the probability theory uses the integrated probability that the future drift amount distribution has higher probability estimation accuracy than the first drift distribution. It is a theory that can be calculated.
【００２１】[0021]
【発明の実施の形態】図に対応して、本発明による検出
器ドリフトの推定装置の実施の形態は、原子力発電プラ
ントに適用され、原子力発電プラントに統合確率計算機
が付随して設けられている。その原子力発電プラント１
は、図１に示されるように、膨大な数のセンサを要素と
するセンサ群２が配備されている。特定された１つの測
定対象機器の物理量（例示：流量）をその同じ物理量に
ついて検出する複数のセンサが用いられている。そのよ
うな複数のセンサは、異なる型式又は同一型式である
が、同程度の許容誤差範囲で同一物理量を検出すること
ができるようにそのメーカーで校正ずみである。以下、
センサ群２は、同一の型式のセンサの集合であるとして
記述される。メーカー側で入念に校正されていても、周
囲環境次第では、仮に同じ環境に置かれている場合に
も、それぞれに検出器はそれぞれに特有のドリフト現象
を示すことを回避することができない。BEST MODE FOR CARRYING OUT THE INVENTION Corresponding to the drawings, an embodiment of a detector drift estimating apparatus according to the present invention is applied to a nuclear power plant, and an integrated probability calculator is provided in association with the nuclear power plant. . The nuclear power plant 1
As shown in FIG. 1, a sensor group 2 having a huge number of sensors as elements is provided. A plurality of sensors that detect the physical quantity (example: flow rate) of one specified measurement target device for the same physical quantity is used. Although such a plurality of sensors are of different types or the same type, they are calibrated by the manufacturer so that they can detect the same physical quantity within the same allowable error range. Less than,
Sensor group 2 is described as being a collection of sensors of the same type. Even if they are carefully calibrated by the manufacturer, depending on the surrounding environment, even if they are placed in the same environment, it is unavoidable that the respective detectors show their own drift phenomenon.
【００２２】その統合確率計算機３は、原子力発電プラ
ント１に通信的に接続し、特に、センサ群２に接続して
いる。統合確率計算機３は、第１ドリフト・確率計算器
４と、第２ドリフト・確率計算器５とを構成している。
ここで、表現”ドリフト・確率”は、”ドリフトと確
率”を意味している。第１ドリフト・確率計算器４と第
２ドリフト・確率計算器５とは、共通にデータベース６
に接続、過去のデータを履歴データとして共有すること
ができる。The integrated probability calculator 3 is communicatively connected to the nuclear power plant 1, and particularly to the sensor group 2. The integrated probability calculator 3 constitutes a first drift / probability calculator 4 and a second drift / probability calculator 5.
Here, the expression “drift / probability” means “drift and probability”. The first drift / probability calculator 4 and the second drift / probability calculator 5 share a database 6 in common.
Connect to and share past data as historical data.
【００２３】センサ群２は、インタフェース７を介して
第２ドリフト・確率計算器５に接続している。センサ群
２が出力する電気信号（データ信号）８は、センサのＩ
Ｄ番号に対応して、時系列的に第２ドリフト・確率計算
器５に入力する。電気信号８は、第２ドリフト・確率計
算器５を介して、又は、直接に、データベース６に入力
されて、時系列的にセンサ番号とセンサ番号に対応する
データとして、データベース６に保存される。過去のデ
ータは、データベース６からハードコピーとして出力さ
れ得る。その出力データは、人為的に第１ドリフト・確
率計算器４に入力され得る。その同じデータは、データ
ベース６から入力され得る。The sensor group 2 is connected to the second drift / probability calculator 5 via the interface 7. The electrical signal (data signal) 8 output by the sensor group 2 is I
Corresponding to the D number, it is input to the second drift / probability calculator 5 in time series. The electrical signal 8 is input to the database 6 via the second drift / probability calculator 5 or directly, and is stored in the database 6 as a sensor number and data corresponding to the sensor number in time series. . The past data can be output from the database 6 as a hard copy. The output data can be artificially input to the first drift / probability calculator 4. The same data can be input from the database 6.
【００２４】第１ドリフト・確率計算器４は、第１確率
密度関数９を計算して出力する。第２ドリフト・確率計
算器５は、第２確率密度関数１１を計算して出力する。
統合確率計算器３は、更に、両推定結果である両確率密
度関数９，１１を数学的に統合して統合確率（分布）を
計算する統合確率計算器１２を含んでいる。統合確率計
算器１２は、その統合確率１３を出力する。統合確率計
算器３は、更に、センサ校正要否判定計算器１４と、セ
ンサ交換要否判定計算器１５とを含んでいる。The first drift / probability calculator 4 calculates and outputs the first probability density function 9. The second drift / probability calculator 5 calculates and outputs the second probability density function 11.
The integrated probability calculator 3 further includes an integrated probability calculator 12 that mathematically integrates both probability density functions 9 and 11 which are both estimation results to calculate an integrated probability (distribution). The integrated probability calculator 12 outputs the integrated probability 13. The integrated probability calculator 3 further includes a sensor calibration necessity determination calculator 14 and a sensor replacement necessity determination calculator 15.
【００２５】統合確率１３は、センサ校正要否判定計算
器１４とセンサ交換要否判定計算器１５とに入力する。
センサ校正要否判定計算器１４は、確率密度関数の拡が
り度に基づいてセンサの交換の必要性を第１設定閾値と
の比較により判定する。センサ交換要否判定計算器１５
は、確率密度関数の拡がり度の変化率に基づいてセンサ
の交換の必要性を第２設定閾値との比較により判定す
る。センサ校正要否判定計算器１４の判定による第１判
定結果１６は、センサ交換要否判定計算器１５の判定に
よる第２判定結果１７とともに表示器１８に入力して、
表示器１８の画面に表示される。The integrated probability 13 is input to the sensor calibration necessity judgment calculator 14 and the sensor replacement necessity judgment calculator 15.
The sensor calibration necessity determination calculator 14 determines the necessity of sensor replacement based on the degree of spread of the probability density function by comparison with the first set threshold value. Sensor replacement calculator 15
Determines the necessity of sensor replacement by comparison with the second set threshold value based on the rate of change of the degree of spread of the probability density function. The first determination result 16 determined by the sensor calibration necessity determination calculator 14 is input to the display unit 18 together with the second determination result 17 determined by the sensor replacement necessity determination calculator 15,
It is displayed on the screen of the display unit 18.
【００２６】図２は、本発明による検出器ドリフトの推
定装置の実施の他の形態を示している。実施の本形態で
は、統合確率計算器３が遠隔の判定所（監視センタ）１
９に配置されている。地球規模で分散されている原子力
プラント１−１、火力発電プラント１−２（図示され
ず）、化学品製造プラント、防災センター１−ｊ（図示
されず）のような場所が、複数の有線、無線の通信線２
１を介して、監視センターの中の判定所１９に接続して
いる。判定所１９に、統合確率計算器３が配置されてい
る。電気信号８は、プラント１の通信器２２−１〜ｊと
通信線２１と統合確率計算器３の通信器７’とを介し
て、統合確率計算器３の第２ドリフト・確率計算器５に
入力される。FIG. 2 shows another embodiment of the detector drift estimation apparatus according to the present invention. In the present embodiment, the integrated probability calculator 3 uses a remote decision point (monitoring center) 1
It is located at 9. Places such as a nuclear power plant 1-1, a thermal power plant 1-2 (not shown), a chemical manufacturing plant, and a disaster prevention center 1-j (not shown), which are distributed globally, are connected by a plurality of wires, Wireless communication line 2
1 to the decision point 19 in the monitoring center. The integrated probability calculator 3 is arranged at the decision point 19. The electric signal 8 is sent to the second drift / probability calculator 5 of the integrated probability calculator 3 via the communication devices 22-1 to 22-j of the plant 1, the communication line 21, and the communication device 7 ′ of the integrated probability calculator 3. Is entered.
【００２７】前回の定検の際のセンサ校正は、その定検
の以前のデータに基づいて実行されている。データであ
る電気信号８として、電圧信号が適正に例示される。電
圧信号の電圧値は、センサごとに特有であるバラツキを
有して定常的に、又は、定検時に、第２ドリフト・確率
計算器５で収集されている。定検時の校正は、ドリフト
量だけ修正される。前回校正時の出力電圧値が、１．０
０００Ｖであったが、同一の入力に対して今回の校正時
の出力電圧が１．００１０Ｖである場合、ドリフト量は
０．００１０Ｖである。校正履歴データは、０．００
１、０．００２、０．０００９のような時系列ドリフト
量である。The sensor calibration in the previous regular inspection is executed based on the data before the regular inspection. A voltage signal is properly exemplified as the electrical signal 8 that is data. The voltage value of the voltage signal is collected by the second drift / probability calculator 5 steadily with a variation that is unique to each sensor or at the time of regular inspection. Calibration at the time of regular inspection is corrected by the amount of drift. The output voltage value at the last calibration is 1.0
Although it was 000V, if the output voltage at this time of calibration is 1.0010V for the same input, the drift amount is 0.0010V. Calibration history data is 0.00
The time series drift amount is 1, 0.002, 0.0009.
【００２８】１つのセンサ又は同一型式の複数のセンサ
について、校正間隔が、次のように例示される。１つの
センサは、時系列的にその出力をする度に１つのセンサ
として計数される。このような意味で、１つのセンサ
は、以下の確率計算に関して数学的には、同一型式の複
数のセンサに同義である。第（ｊ−３）回の校正時と第
（ｊ−２）回の校正時との間がｘ日であり、第（ｊ−
２）回の定検時と第（ｊ−１）回の定検時との間がｙ日
であり、第（ｊ−１）回の定検時と第ｊ回（今回）の定
検時との間がｚ日である。第（ｊ−２）回と、第（ｊ−
１）回と、第ｊ回の定検時のドリフト量は、同じ事象と
異なる事象とについて、複数の同じ型式のセンサに関し
て、既知である。図３（ａ）は、第（ｊ−２）回と、第
（ｊ−１）回と、第ｊ回の定検時の複数の同一の型式の
センサのそれぞれのドリフト量、又は、同じ定検間隔の
複数回の定検時の同じセンサのドリフト量を示してい
る。推論の簡単化のために、次の仮定が設定される場合
がある。本発明による確率計算は、分布が正規分布であ
るという仮定により実行される。For one sensor or multiple sensors of the same type, the calibration interval is illustrated as follows. One sensor is counted as one sensor each time it outputs its time series. In this sense, one sensor is mathematically synonymous with a plurality of sensors of the same type in the following probability calculation. The time between the (j-3) th calibration and the (j-2) th calibration is x days, and
2) The time between the 2nd inspection and the (j-1) th inspection is y days, and the (j-1) th inspection and the jth (current) inspection are performed. Is between z days. The (j-2) th and the (j-
The drift amounts at 1) times and the j-th regular inspection are known for a plurality of sensors of the same type for the same event and different events. FIG. 3A shows the drift amount of each of a plurality of sensors of the same type at the (j-2) th time, the (j-1) th time, and the jth time of the regular inspection, or the same drift amount. The drift amount of the same sensor is shown during a plurality of regular inspections at inspection intervals. For ease of reasoning, the following assumptions may be set. The probability calculation according to the invention is carried out on the assumption that the distribution is normal.
【００２９】前回の校正時からｘ日が過ぎた第１回校正
時に、型式が同じであるｎ個の異なるセンサのそれぞれ
のドリフト量に対応する位置に同じドリフト量のセンサ
の個数（図中の記号として×）が記入されている。ドリ
フト量は、６段階で異なっている。第（ｊ−２）回の定
検時には、４つのセンサが校正され、その時の校正量
（＝ドリフト量）が縦軸方向の高さで示されている。第
（ｊ−１）回の校正時には、異なるドリフト量の段階数
は５に減少している。今回の校正時には、異なるドリフ
ト量の段階数は５で同じであるがドリフト量の大小は異
なっている。During the first calibration, which is x days after the previous calibration, the number of sensors having the same drift amount at the positions corresponding to the drift amounts of the n different sensors having the same model (in the figure, The symbol x) is entered. The amount of drift differs in six stages. During the (j-2) th regular inspection, four sensors are calibrated, and the calibration amount (= drift amount) at that time is shown by the height in the vertical axis direction. During the (j−1) th calibration, the number of stages with different drift amounts is reduced to 5. At the time of this calibration, the number of different drift amount steps is the same, but the magnitude of the drift amount is different.
【００３０】図３（ｂ）は、校正間隔がｘ日、ｙ日、ｚ
日のセンサについて、ドリフト量のバラツキを示してい
る。図３（ｂ）のグラフの縦軸は、センサ数を示してい
る。図３（ｂ）は、ドリフト量のバラツキの分布を示し
ている。このグラフから、平均ｍ１と分散ｓ１が計算さ
れ得る。図３（ａ）の元になるデータは、過去の複数回
の校正時に、センサ群２から出力され、第１ドリフト・
確率計算器４に入力していて、その校正の度に、図３
（ｂ）のグラフが第１ドリフト・確率計算器４により作
成されている。そのグラフは、データベース６に入力さ
れて保存されている。In FIG. 3B, the calibration intervals are x days, y days, and z.
The variation of the drift amount is shown for the day sensor. The vertical axis of the graph in FIG. 3B represents the number of sensors. FIG. 3B shows a distribution of variations in the drift amount. From this graph, the mean m1 and the variance s1 can be calculated. The original data of FIG. 3A is output from the sensor group 2 during the past multiple calibrations, and the first drift
It is input to the probability calculator 4, and each time it is calibrated,
The graph of (b) is created by the first drift / probability calculator 4. The graph is input and stored in the database 6.
【００３１】第１ドリフト・確率計算器４は、図４に示
されるグラフを計算により更に求める。ここで、確率理
論上の仮定が導入される場合がる。仮説：図３（ｂ）に
示されるドリフト量の分布は、正規分布とみなすことが
できる。The first drift / probability calculator 4 further calculates the graph shown in FIG. Here, assumptions on stochastic theory may be introduced. Hypothesis: The distribution of the drift amount shown in FIG. 3B can be regarded as a normal distribution.
【００３２】この仮定が正しいことは、次のように推論
される。メーカーで厳密に生産される同じ型式の複数
（多数）の測定器は、それ自体が固有に出力変動（測定
誤差ではない）を持っている。出力変動は、測定器構成
部品が不可避的に持つ固有の揺らぎの相乗である。真空
管は、それのガラスの厚み、電極の形状、封入ガス圧の
ような多数の固有の物理定数を持ち、出力電流には自己
励振的揺らぎがある。一般の電子的測定器は、多くのト
ランジスタにより構成され、それ自体に揺らぎがある。
正しい品質管理のもとで製作され校正を受けて出荷され
る測定機器の出力の揺らぎは、正規分布を示す。正規分
布を示さない非対称な測定器は、原則的に販売されてい
ない。理論的に非対称な揺らぎを示す測定器は、正規分
布を示すように補正されて出荷されている。従って、図
３（ｂ）に示される分布は正規である、と考えることは
正当である。The fact that this assumption is correct is inferred as follows. Multiple (many) instruments of the same type, which are strictly produced by the manufacturer, have their own output fluctuations (not measurement errors). Output fluctuations are a synergism of the inherent fluctuations that instrument components inevitably have. The vacuum tube has a number of unique physical constants such as its glass thickness, electrode shape, and fill gas pressure, and the output current has self-exciting fluctuations. A general electronic measuring instrument is composed of many transistors and has fluctuations in itself.
Fluctuations in the output of measuring instruments manufactured under correct quality control, calibrated and shipped show a normal distribution. Asymmetric measuring instruments that do not show a normal distribution are not sold in principle. The measuring instrument showing theoretically asymmetrical fluctuation is shipped after being corrected so as to show a normal distribution. Therefore, it is valid to consider that the distribution shown in FIG. 3B is normal.
【００３３】近似的に正規分布を示すはずである図３
（ｂ）は、ドリフト量平均と、ドリフト量標準偏差との
２つの数学的情報を有している。第１ドリフト・確率計
算器４は、図３（ｂ）に示されるドリフト量分布から、
ドリフト量平均（図４）とドリフト量標準偏差（図５）
とを計算する。校正間隔が異なるドリフト量分布に対応
して、それぞれに、複数のドリフト量平均と複数のドリ
フト量標準偏差が第１ドリフト・確率計算器４により計
算される。FIG. 3, which should show a normal distribution approximately.
(B) has two pieces of mathematical information: the average drift amount and the standard deviation of the drift amount. The first drift / probability calculator 4 calculates from the drift amount distribution shown in FIG.
Average drift amount (Fig. 4) and standard deviation of drift amount (Fig. 5)
And calculate. Corresponding to drift amount distributions having different calibration intervals, a plurality of drift amount averages and a plurality of drift amount standard deviations are calculated by the first drift / probability calculator 4, respectively.
【００３４】図６は、図４のドリフト量平均と図５のド
リフト量標準偏差とに基づいて第１ドリフト・確率計算
器４が計算したドリフト量の正規分布を示している。本
発明者は、ドリフト量の分布に基づいてドリフト量確率
密度関数２３を仮定する。ドリフト量は、正しい値であ
り、いわゆる測定誤差（例示：測定中にごみが入ったた
めに生じる出力値と真値との差）を持つ値ではなく、測
定器が不可避的に持つ揺らぎに起因する値である。この
ような正規の値は、統計的処理の計算により正しい値を
導くことができる重要な情報である。許容範囲から逸脱
している領域の確率密度関数の積分である面積Ｓ１（許
容値逸脱確率と名付けられる）がある値より大きくなれ
ば、そのセンサは、不良化していないが校正されるべき
である（と考えることは正当である）。本発明者は、セ
ンサについて、ドリフト量分布が確率分布に対応するこ
とは、物理的に正しい、と考える（と仮定する）。FIG. 6 shows a normal distribution of the drift amount calculated by the first drift / probability calculator 4 based on the drift amount average of FIG. 4 and the drift amount standard deviation of FIG. The inventor assumes the drift amount probability density function 23 based on the distribution of the drift amount. The drift amount is a correct value, and is not a value that has a so-called measurement error (example: the difference between the output value and the true value that occurs due to the inclusion of dust during measurement), and is due to the fluctuation that the measuring instrument inevitably has. It is a value. Such normal values are important information that can lead to correct values by calculation of statistical processing. If the area S1 (named the tolerance deviation probability), which is the integral of the probability density function of the area deviating from the tolerance range, becomes larger than a certain value, the sensor is not defective but should be calibrated. (It is legal to think that). The inventor considers (assuming) that it is physically correct that the drift amount distribution corresponds to the probability distribution for the sensor.
【００３５】図７は、許容値逸脱確率を示している。許
容値逸脱確率は校正間隔（前回校正後の日数）を変数と
する関数で示される。許容値逸脱確率関数２４は、統合
確率１３に基づいて、センサ校正要否判定計算器１４に
より計算される。許容値逸脱確率関数２４の値が第１閾
値を越えれば、センサ校正要否判定計算器１４は第１判
定結果１６を出力する。センサ交換要否判定計算器１５
は、許容値逸脱確率関数２４の値の時間変化率が第１閾
値を越えて大きくなれば、そのセンサは不良化されてい
るとみなすべきであり、第２判定結果１７を出力する。FIG. 7 shows the tolerance deviation probability. The tolerance deviation probability is indicated by a function having a calibration interval (the number of days after the previous calibration) as a variable. The tolerance deviation function 24 is calculated by the sensor calibration necessity determination calculator 14 based on the integrated probability 13. If the value of the tolerance deviation function 24 exceeds the first threshold, the sensor calibration necessity determination calculator 14 outputs the first determination result 16. Sensor replacement calculator 15
If the time change rate of the value of the allowable value deviation probability function 24 exceeds the first threshold value and becomes large, the sensor should be regarded as defective and the second determination result 17 is output.
【００３６】このようなドリフト量分布＝確率分布の考
えに基づいて、ドリフト量分布の高精度な絞り込みが可
能である数学的技術を開発することができる。校正履歴
に基づく既述のドリフト推定方法（第１手法）とドリフ
ト・確率の計算手法とは異なる推定手法（第２手法）
が、活用可能である。異なる推定方法の数学理論とし
て、ニューラルネット、回帰分析が著名に知られてい
る。ニューラルネットは、入力側（原因側）多元状態
（縦行列で表される）と出力側（結果側）多元状態（縦
行列で表される）とを接続する多ノード回路で構成され
ている。ニューラルネットには、その入力側に原因デー
タが入力され、その出力側に結果データが入力されれ
ば、原因データに基づいて結果データを計算する計算回
路が徐々に構築される。その計算回路は、多元連立一次
方程式の行列（変数変換行列）に相当する。結果データ
として、教師解が採用されることが多い。今の場合、実
運転中に全センサから出力される出力信号が教師解とし
て採用され、その教師解から逆算して、図３（ｂ）に示
されるドリフト量が計算され得る。Based on the idea of such a drift amount distribution = probability distribution, it is possible to develop a mathematical technique capable of narrowing down the drift amount distribution with high accuracy. An estimation method (second method) different from the above-mentioned drift estimation method (first method) based on the calibration history and the drift / probability calculation method
However, it can be used. Neural nets and regression analysis are well known as mathematical theories of different estimation methods. The neural network is composed of a multi-node circuit that connects an input side (cause side) multi-state (represented by a vertical matrix) and an output side (result side) multi-state (represented by a vertical matrix). If the cause data is input to the input side and the result data is input to the output side of the neural network, a calculation circuit for calculating the result data based on the cause data is gradually constructed. The calculation circuit corresponds to a matrix (variable conversion matrix) of multi-dimensional simultaneous linear equations. As a result data, a teacher solution is often adopted. In this case, the output signals output from all the sensors during the actual operation are adopted as the teacher solution, and the drift amount shown in FIG. 3B can be calculated by performing the backward calculation from the teacher solution.
【００３７】本発明は、正規分布仮定に基づいて、２通
りのドリフト量の推定を行う技術を開示する。
第１推定方法：第２ドリフト・確率計算器５は、運転中
にセンサ群２が出力する電気信号８に基づいて、図３
（ｂ）に相当するドリフト量分布を求める。次に、第２
ドリフト・確率計算器５は、図４と図５とに示される量
を計算し、又は、公知の他の数学的手法により、図６に
示されるドリフト量の確率密度関数を計算して求める。
以下、第１ドリフト推定計算器４が求めるドリフト量の
確率密度関数は第１ドリフト確率密度関数といわれ、第
２ドリフト量推定計算器５が求めるドリフト量の確率密
度関数は第２ドリフト確率密度関数といわれる。図８
は、第１ドリフト確率密度関数２３−１に対応する第１
許容値逸脱確率２４−１を示している。図９は、校正後
ａ日が過ぎて第２ドリフト確率を取り込んだ統合的許容
値逸脱確率の推移を示している。最近の校正時に求めら
れた校正間隔ａ日の第１ドリフト確率密度関数２３−１
がｆａ（ｘ）で示される。最近の校正時より後の運転中
のある日に他の手法で求められたドリフト量に基づく第
２ドリフト確率密度関数がｇ（ｙ）で示される。The present invention discloses a technique for estimating two types of drift amounts based on the normal distribution assumption. First estimation method: The second drift / probability calculator 5 uses the electric signal 8 output from the sensor group 2 during operation, as shown in FIG.
A drift amount distribution corresponding to (b) is obtained. Then the second
The drift / probability calculator 5 calculates the quantities shown in FIG. 4 and FIG. 5 or calculates the probability density function of the drift quantity shown in FIG. 6 by another known mathematical method.
Hereinafter, the probability density function of the drift amount obtained by the first drift estimation calculator 4 is referred to as the first drift probability density function, and the probability density function of the drift amount obtained by the second drift amount estimation calculator 5 is the second drift probability density function. It is said that. Figure 8
Is the first drift probability density function 23-1 corresponding to the first
The allowable value deviation probability 24-1 is shown. FIG. 9 shows the transition of the integrated permissible value deviation probability in which the second drift probability is taken in after a day after the calibration. First drift probability density function 23-1 of the calibration interval a days obtained at the latest calibration
Is represented by fa (x). A second drift probability density function based on the drift amount obtained by another method on a certain day during operation after the latest calibration is shown by g (y).
【００３８】第１手法により校正後ａ日が経過した時点
のドリフト量確率密度関数ｆａ（ｘ）が計算される。ｆ
ａ（ｘ）に従う確率変数をＸとする。第２手法によりド
リフト量確率密度関数ｇ（ｙ）が計算され（ｇ（ｙ）に
従う確率変数をＹとする）ａ日が経過した時点のドリフ
ト量は、確率変数（Ｘ＋Ｙ）で表され、Ｚ＝Ｘ＋Ｙが従
う確率密度関数は、次式で示される。
Ｆ（ｚ）＝ｇ＊ｆａ（ｚ）
＝∫ｇ（ｔ）ｆａ（ｚ−ｔ）ｄｔ・・・（１）
積分範囲は、−∽＜ｔ＜＋∽である。式（１）は、２つ
の確率変数が数学的に独立である場合にその２つの確率
変数の和が従う確率密度関数関数（ｇとｆａの合成値）
を示し、確率変数の和の従う確率密度関数に関する公知
の基本公式である。ｆａとｇとがともに正規分布である
と仮定されれば、ｆａとｇの平均がそれぞれにｍｘ，ｍ
ｙで表され、その分散がそれぞれにσｘ２，σｙ２で表
されたとき、確率密度関数Ｆ（ｚ）は、平均（ｍｘ，ｍ
ｙ）と分散（σｘ２＋σｙ２）の数学的情報を持つ正規
分布であることが容易に証明される（この証明は既知で
ある。）。このように計算されるＦ（ｚ）に基づいて、
図６，７に示される許容値逸脱確率が統合確率計算器１
２で計算される。図９は、第１ドリフト量分布推定計算
器４で計算された第１許容値逸脱確率２４と統合確率計
算器１２で計算された第２許容値逸脱確率２５とを複合
し示している。According to the first method, the drift amount probability density function fa (x) at the time a day after the calibration has elapsed is calculated. f
Let X be a random variable according to a (x). The drift amount probability density function g (y) is calculated by the second method (the random variable according to g (y) is Y), and the drift amount at the time when a days have passed is represented by a random variable (X + Y), and Z The probability density function followed by = X + Y is given by the following equation. F (z) = g * fa (z) = ∫g (t) fa (z−t) dt (1) The integration range is −∽ <t <+ ∽. Formula (1) is a probability density function function (combined value of g and fa) that the sum of two random variables follows when the two random variables are mathematically independent.
Is a well-known basic formula for a probability density function that follows the sum of random variables. If it is assumed that both fa and g are normally distributed, the averages of fa and g are mx and m, respectively.
is represented by y, when the dispersion is represented by sigma] x 2, .sigma.y 2 respectively, the probability density function F (z) is the mean (mx, m
It is easily proved that a normal distribution with mathematical information y) and variance (σx 2 + σy 2) (This proof is known.). Based on F (z) calculated in this way,
The tolerance deviation probabilities shown in FIGS.
Calculated as 2. FIG. 9 shows a combination of the first allowable value deviation probability 24 calculated by the first drift amount distribution estimation calculator 4 and the second allowable value deviation probability 25 calculated by the integrated probability calculator 12.
【００３９】第２推定方法：第２推定方法では、第１手
法と第２手法により算出する第１確率密度関数と第２確
率密度関数を共に正規分布であると仮定する。第２手法
により得られるドリフト量分布（図３（ｂ）のドリフト
量分布に対応）の平均がｍ’で表され、その標準偏差が
σ’で表されれば、図５で示される標準偏差推移グラフ
で、標準偏差がσ’になる点と第２手法による平均ｍ’
が、図１０（ａ），（ｂ），（ｃ）に示されるように表
されている。図１０（ａ）は、第２手法によるドリフト
量分布（平均：ｍ’，分散：σ’）を示している。座標
点ｘから校正間隔ａが過ぎた点（ｘ＋ａ）の標準偏差
が、同図（ｂ）中に、σ（ｘ＋ａ）で示されている。図
５の標準偏差グラフで、点ｘにおける平均がｍ（ｘ）で
表され、点（ｘ＋ａ）における平均がｍ（ｘ＋ａ）で表
されれば、第２手法による推定よりａ日が経過した時点
のドリフト量分布では、次式が成立する。
平均：ｍ’＋ｍ（ｘ＋ａ）−ｍ（ｘ）
分散：σ（ｘ＋ａ）Second estimation method: In the second estimation method, it is assumed that both the first probability density function and the second probability density function calculated by the first method and the second method have a normal distribution. If the average of the drift amount distribution obtained by the second method (corresponding to the drift amount distribution of FIG. 3B) is represented by m ′ and its standard deviation is represented by σ ′, then the standard deviation shown in FIG. In the transition graph, the point where the standard deviation becomes σ'and the average m'by the second method
Are represented as shown in FIGS. 10 (a), (b), and (c). FIG. 10A shows the drift amount distribution (average: m ′, variance: σ ′) according to the second method. The standard deviation of the point (x + a) after the calibration interval a has passed from the coordinate point x is shown by σ (x + a) in FIG. In the standard deviation graph of FIG. 5, if the average at the point x is represented by m (x) and the average at the point (x + a) is represented by m (x + a), the time point a days has passed since the estimation by the second method In the drift amount distribution of, the following equation holds. Average: m ′ + m (x + a) −m (x) Variance: σ (x + a)
【００４０】第２手法による推定よりα日が経過した時
点のドリフト量分布は、このような平均と分散の正規分
布である（と仮定されている）。The distribution of the amount of drift when α days have passed since the estimation by the second method is (assumed to be) a normal distribution of such mean and variance.
【００４１】第１手法の推定ドリフト量分布とドリフト
量の確率密度関数が正規分布であり、且つ、図５のドリ
フト量標準偏差の推移を表す関数が、定数×√（校正間
隔）で表され、図４の平均の推移を表す関数が直線で表
される場合には、第１手法と第２手法の内容は同一にな
る。なぜなら、平均ｍ１、分散σ１２の正規分布に従う
確率変数Ｘ１と、平均ｍ２、分散σ２２の正規分布に従
う確率変数Ｘ２とに対して、確率変数の一次結合：
ｋ１Ｘ１＋ｋ２Ｘ２
は、平均ｋ１ｍ１＋ｋ２ｍ２、分散ｋ１ ２σ１ ２＋ｋ２
２σ２ ２の正規分布に従う線形関係が存在するからであ
る。このような線形関係があれば、校正間隔が１日であ
るドリフト標準偏差がσ０で表されれば、校正間隔がｋ
日であるドリフト標準偏差は、既述の第１推定方法で示
されたように（確率変数がｋ個の確率変数Ｘ，Ｙ，・・
・の和として考えられたように）、σ０×ｋになる。こ
のことは、第１推定方法と第２推定方法は、互いに整合
していることを示している。この整合性は、仮定が数学
的に正しいことを示している。仮定は、物理的に、且
つ、数学的に正しい。Estimated drift amount distribution and drift of the first method
The probability density function of the quantity has a normal distribution, and
The function that represents the transition of the standard deviation of the shift amount is a constant × √ (between calibrations
Interval), and the function representing the average transition in FIG. 4 is represented by a straight line.
If so, the contents of the first method and the second method are the same.
It Because the mean m1 and variance σ1TwoFollow the normal distribution of
Random variable X1, mean m2, variance σ2TwoAccording to the normal distribution of
For the random variable X2 and the linear combination of random variables:
k1X1+ KTwoXTwo
Is the average k1m1+ KTwomTwo, Variance k1 Twoσ1 Two+ KTwo
TwoσTwo TwoBecause there exists a linear relationship that follows the normal distribution of
It If there is such a linear relationship, the calibration interval is one day.
Drift standard deviation is σ0, The calibration interval is k
The drift standard deviation, which is the day, is shown by the first estimation method described above.
(The random variables are k random variables X, Y, ...
· As thought to be the sum of), σ0Xk. This
That is, the first estimation method and the second estimation method are consistent with each other.
It shows that it is doing. This consistency is a mathematical assumption
Is correct. The assumption is that physically and
One, mathematically correct.
【００４２】監視センタ１９は、統合確率に基づいて出
力される第１判定結果１６又は第２判定結果１７が表示
器１８に表示されれば、又は、センサ校正要否判定計算
器１４とセンサ交換要否判定計算器１５とが第１判定結
果１６と第２判定結果１７の計算が終われば、一定周期
（例示：１日、１週間、１ヶ月、１年）で、第１判定結
果１６又は第２判定結果１７に対応するセンサ校正日又
はセンサ交換日を通信線２１を介して該当のプラント１
−ｊの管理室又は管理員に伝達する。センサの校正は、
監視センタ１９で可能であるが、そのプラント１−ｊの
監視員は次回定検時に、センサ交換日に基づいて、該当
センサを交換する。In the monitoring center 19, if the first determination result 16 or the second determination result 17 output based on the integration probability is displayed on the display 18, or the sensor calibration necessity determination calculator 14 and the sensor exchange are performed. When the necessity determination calculator 15 completes the calculation of the first determination result 16 and the second determination result 17, the first determination result 16 or the first determination result 16 at a fixed cycle (e.g., 1 day, 1 week, 1 month, 1 year). The sensor calibration date or sensor replacement date corresponding to the second determination result 17 is sent to the corresponding plant 1 via the communication line 21.
-Transfer to j's management room or staff. The sensor calibration is
Although it is possible at the monitoring center 19, the supervisor of the plant 1-j replaces the corresponding sensor based on the sensor replacement date at the next regular inspection.
【００４３】[0043]
【発明の効果】本発明による検出器ドリフトの推定装
置、それの推定方法、及び、検出器の監視システムは、
ドリフト分布を確率とみなすことにより２つのドリフト
分布に基づいてドリフトの推移を高精度に推定すること
ができ、公知の確率理論を利用することができる。The detector drift estimation apparatus, the estimation method therefor, and the detector monitoring system according to the present invention include:
By considering the drift distribution as a probability, the transition of the drift can be estimated with high accuracy based on the two drift distributions, and a known probability theory can be used.
【図１】図１は、本発明による検出器ドリフトの推定装
置の実施の形態を示す回路ブロック図である。FIG. 1 is a circuit block diagram showing an embodiment of a detector drift estimation apparatus according to the present invention.
【図２】図２は、本発明による検出器ドリフトの推定装
置の実施の形態を示すシステムブロック図である。FIG. 2 is a system block diagram showing an embodiment of a detector drift estimation apparatus according to the present invention.
【図３】図３（ａ），（ｂ）は、校正間隔とドリフト量
とドリフト分布を示す２つのグラフである。FIG. 3A and FIG. 3B are two graphs showing a calibration interval, a drift amount, and a drift distribution.
【図４】図４は、校正間隔とドリフト量平均の関係を示
すグラフである。FIG. 4 is a graph showing a relationship between a calibration interval and an average drift amount.
【図５】図５は、校正間隔とドリフト量標準偏差の関係
を示すグラフである。FIG. 5 is a graph showing the relationship between the calibration interval and standard deviation of drift amount.
【図６】図６は、ドリフト量の確率分布の許容範囲を示
すグラフである。FIG. 6 is a graph showing an allowable range of a probability distribution of drift amount.
【図７】図７は、校正間隔と許容値逸脱確率の関係を示
すグラフである。FIG. 7 is a graph showing the relationship between the calibration interval and the tolerance deviation probability.
【図８】図８は、第１手法に基づく校正間隔と許容値逸
脱確率の関係を示すグラフである。FIG. 8 is a graph showing a relationship between a calibration interval and a tolerance deviation probability based on the first method.
【図９】図９は、第１手法と第２手法に基づく校正間隔
と許容値逸脱確率の関係を示すグラフである。FIG. 9 is a graph showing a relationship between a calibration interval and a tolerance deviation probability based on the first method and the second method.
【図１０】図１０（ａ），（ｂ），（ｃ）は、ドリフト
の分布と標準偏差と平均をそれぞれに示すグラフであ
る。10A, 10B, and 10C are graphs showing drift distributions, standard deviations, and averages, respectively.
１…プラント ２…センサ ３…計算機 ４…第１ドリフト分布計算器 ５…第２ドリフト分布計算器 １４…センサ校正要否判定計算器 １５…センサ交換要否判定計算器 １９…監視センタ（１９） 1 ... plant 2 ... Sensor 3 ... Calculator 4 ... 1st drift distribution calculator 5 ... Second drift distribution calculator 14 ... Sensor calibration necessity judgment calculator 15 ... Sensor replacement necessity judgment calculator 19 ... Monitoring Center (19)
───────────────────────────────────────────────────── フロントページの続き (72)発明者 林 宣宏 兵庫県神戸市兵庫区和田崎町一丁目１番１ 号 三菱重工業株式会社神戸造船所内 Ｆターム(参考） 2F076 AA06 AA07 BA13 BA14 BA18 BE04 BE07 BE08 BE09 BE18 5H223 AA01 BB01 CC01 DD07 EE02 FF06 ─────────────────────────────────────────────────── ─── Continued front page (72) Inventor Nobuhiro Hayashi 1-1 1-1 Wadasaki-cho, Hyogo-ku, Kobe-shi, Hyogo No. Mitsubishi Heavy Industries, Ltd.Kobe Shipyard F term (reference) 2F076 AA06 AA07 BA13 BA14 BA18 BE04 BE07 BE08 BE09 BE18 5H223 AA01 BB01 CC01 DD07 EE02 FF06
Claims (14)
（以下単にセンサといわれる）に対して第１推定法によ
り求められる第１ドリフト量に基づいて将来に渡る第１
ドリフト分布の推移を計算する第１ドリフト分布計算器
と、 前記センサに対して第２推定法により求められる第２ド
リフト量に基づいて現在又は過去のある時点の第２ドリ
フト分布を計算する第２ドリフト分布計算器と、 前記第１ドリフト分布に基づいて第１確率密度関数を仮
定し、前記第２ドリフト分布に基づいて第２確率密度関
数を仮定して、前記第１確率密度関数と前記第２確率密
度関数とを統合して将来に前記センサのドリフト量の確
率密度関数をの推移を確率理論に基づいて計算する統合
確率計算器とを具える検出器ドリフトの推定装置。1. A first sensor for the future based on a first drift amount obtained by a first estimation method for a specified sensor or a sensor of the same type (hereinafter simply referred to as a sensor).
A first drift distribution calculator for calculating changes in drift distribution; and a second drift distribution calculator for calculating a second drift distribution at a certain time point in the past or in the past based on a second drift amount obtained by a second estimation method for the sensor. A drift distribution calculator, a first probability density function based on the first drift distribution, and a second probability density function based on the second drift distribution, the first probability density function and the first probability density function 2. A detector drift estimation apparatus comprising: an integrated probability calculator that integrates a probability density function with a probability density function to calculate a transition of a probability density function of a drift amount of the sensor in the future based on probability theory.
関数と現在又は過去のある時点の前記第２確率密度関数
の両方を用いて、前記第１確率密度関数よりも推定精度
が高い将来の前記ドリフト量の確率密度関数の推移を計
算することができる理論である請求項１の検出器ドリフ
トの推定装置。2. The probability theory has a higher estimation accuracy than the first probability density function by using both the first probability density function in the future and the second probability density function at a current or a past time point. The detector drift estimation apparatus according to claim 1, which is a theory capable of calculating a transition of a probability density function of the future drift amount.
得されるデータを用いて前記第１ドリフト量を求め、 前記第２推定法は運転中に取得されるデータを用いて前
記第２ドリフト量を求める請求項１又は２の検出器ドリ
フトの推定装置。3. The first estimation method obtains the first drift amount by using data acquired during past sensor calibration, and the second estimation method uses the data acquired during operation to perform the second drift amount. The detector drift estimation apparatus according to claim 1, wherein the drift amount is obtained.
ドリフト分布が持つ平均と標準偏差の数学的情報に基づ
いて、前記第１ドリフト分布を計算し、 前記第２ドリフト分布計算器は、前記第２ドリフト分布
が持つ平均と標準偏差の数学的情報に基づいて、前記第
２ドリフト分布を計算する請求項１〜３から選択される
１請求項の検出器ドリフトの推定装置。4. The first drift distribution calculator is the first drift distribution calculator.
The first drift distribution is calculated based on the mathematical information of the average and standard deviation of the drift distribution, and the second drift distribution calculator calculates the mathematical information of the average and standard deviation of the second drift distribution. The detector drift estimation apparatus according to claim 1, wherein the second drift distribution is calculated based on the detector drift.
数である前記ドリフト量確率密度関数の非許容範囲での
面積で表され日数の関数である許容値逸脱確率を計算
し、前記許容値逸脱確率が閾値を越えれば前記センサを
校正する必要がある旨を通知する請求項１の検出器ドリ
フトの推定装置。5. A sensor calibration necessity judgment calculator, further comprising: a sensor calibration necessity judgment calculator, wherein the sensor calibration necessity judgment calculator is expressed as an area in an unacceptable range of the drift amount probability density function which is a function of the drift amount. 2. The detector drift estimation apparatus according to claim 1, wherein a tolerance deviation probability that is a function of is calculated, and if the tolerance deviation probability exceeds a threshold value, the fact that the sensor needs to be calibrated is notified.
の変化率が閾値を越えれば前記センサを交換する必要が
ある旨を通知する交換信号を出力する請求項５の検出器
ドリフトの推定装置。6. A sensor replacement necessity determination calculator is further provided, and the sensor replacement necessity determination calculator notifies that the sensor needs to be replaced if the rate of change of the tolerance deviation probability exceeds a threshold value. 6. The detector drift estimation apparatus according to claim 5, which outputs an exchange signal to perform the detection.
ａ（ｘ）で示され、前記第２確率密度関数がｇ（ｙ）で
示され、ここで、確率変数Ｘが前記ｆａ（Ｘｘ）に従
い、確率変数Ｙが前記ｇ（ｙ）に従うとき、前記第２推
定法によりドリフト量が推定された後ａ日後のドリフト
量は確率変数Ｚ＝Ｘ＋Ｙで表され、前記確率変数Ｚが従
うべき前記ドリフト量確率密度関数Ｆは、次式： Ｆ（ｚ）＝ｇ＊ｆａ（ｚ） ＝∫ｇ（ｔ）ｆａ（ｚ−ｔ）ｄｔ（積分範囲は、−∽＜
ｔ＜＋∽） で示され、前記統合確率計算器は前記式の右辺を計算す
る請求項１〜６から選択される１請求項の検出器ドリフ
トの推定装置。7. The first probability density function on day a after calibration is f
a (x) and the second probability density function is denoted by g (y), where when the random variable X follows the fa (Xx) and the random variable Y follows the g (y), The drift amount a day after the drift amount is estimated by the second estimation method is represented by a random variable Z = X + Y, and the drift amount probability density function F to be followed by the random variable Z is represented by the following formula: F (z) = G * fa (z) = ∫g (t) fa (z−t) dt (the integration range is −∽ <
t <+ ∽), wherein the integrated probability calculator computes the right side of the equation.
電気回路を有している請求項１の検出器ドリフトの推定
装置。8. The detector drift estimation apparatus according to claim 1, wherein the sensor has an electric circuit which is operated by being supplied from a power source.
（以下単にセンサといわれる）が出力する信号を前記監
視センタに送信する送信線とを具え、 前記監視センタは、計算機を備え、 前記計算機は、 前記センサに対して第１推定法により求められる第１ド
リフト量に基づいて第１ドリフト分布を計算する第１ド
リフト分布計算器と、 前記センサに対して第２推定法により求められる第２ド
リフト量に基づいて第２ドリフト分布を計算する第２ド
リフト分布計算器と、 前記第１ドリフト分布を第１確率密度関数であると仮定
し、前記第２ドリフト分布を第２確率密度関数であると
仮定して、前記第１確率密度関数と前記第２確率密度関
数とを統合して前記センサの将来のドリフト量確率密度
関数の推移を確率理論に基づいて計算する統合確率計算
器とを具える検出器の監視システム。9. A monitoring center, and a transmission line for transmitting a signal output from a specified sensor or a sensor of the same type (hereinafter simply referred to as a sensor) in a plant to the monitoring center, wherein the monitoring center A first drift distribution calculator that calculates a first drift distribution based on a first drift amount obtained by a first estimation method for the sensor; and a second drift distribution calculator for the sensor. A second drift distribution calculator that calculates a second drift distribution based on a second drift amount obtained by an estimation method; and a second probability distribution function that assumes that the first drift distribution is a first probability density function. Assuming that it is a second probability density function, the first probability density function and the second probability density function are integrated to obtain a probability of a future drift amount probability density function transition of the sensor. Detector monitoring system comprising a integrated probability calculator for calculating on the basis of the logical.
度関数と現在又は過去のある時点の前記第２確率密度関
数に基づいて、前記第１確率密度関数よりも推定精度が
高い将来の前記ドリフト量確率密度関数の推移を計算す
ることができる理論である請求項９の検出器の監視シス
テム。10. The probability theory is based on the first probability density function in the future and the second probability density function at a current or a past time point, and has a higher estimation accuracy than the first probability density function. 10. The detector monitoring system according to claim 9, which is a theory capable of calculating the transition of the drift amount probability density function.
プの集合を具え、 前記集合は、 前回の校正時に得られているデータに基づいてセンサの
将来の第１ドリフト分布を第１計算手法により計算する
ステップと、 前記校正時より以降の運転中に得られるデータに基づい
て前記センサの現在又は過去のある時点の第２ドリフト
分布を第２計算手法により計算するステップと、 前記第１ドリフト分布に基づいて第１確率密度関数を仮
定し、且つ、前記第２ドリフト分布に基づいて第２確率
密度関数を仮定して、将来の前記第１確率密度関数と現
在又は過去のある時点の前記第２確率密度関数とに基づ
いて、前記センサの将来の第３ドリフト量確率密度関数
の推移を確率理論に基づいて計算するステップと、 前記第３ドリフト量確率密度関数の非許容範囲の面積で
ある許容値逸脱確率を日数の関数として計算するステッ
プとを備える検出器ドリフトの推定方法。11. A set of the following plurality of steps calculated by a computer, wherein the set calculates a future first drift distribution of the sensor by a first calculation method based on data obtained at a previous calibration. A step of calculating a second drift distribution of the sensor at a certain time point in the present or the past by a second calculation method based on data obtained during operation after the calibration, and based on the first drift distribution A first probability density function, and a second probability density function based on the second drift distribution, the first probability density function in the future and the second probability at a certain time point in the past or in the past. Calculating a future transition of the third drift amount probability density function of the sensor based on a density function based on a probability theory; and Estimation method of detector drift and a step of calculating the area of tolerance tolerance deviations probability as a function of days.
に基づいて前記サンサを校正する必要が生じる校正日を
算出するステップを更に備え、 前記計算機は、前記センサが配備されているプラントか
ら遠く離隔されている監視センタに配置され、 前記集合は、前記校正日を前記プラントに通信機器を用
いて送信するステップを更に備える請求項１１の検出器
ドリフトの推定方法。12. The set further comprises the step of calculating a calibration date at which the sensor needs to be calibrated based on a comparison of the ratio and a set threshold, wherein the computer is a plant in which the sensor is deployed. 12. The method of claim 11, wherein the set is located at a monitoring center remote from, and the set further comprises transmitting the calibration date to the plant using communication equipment.
との比較に基づいて前記センサを交換する必要性の有無
を判定するステップを更に備え、 前記計算機は、プラントから遠く離隔されている監視セ
ンタに配置され、 前記集合は、前記交換必要性の有無を前記プラントに通
信機器を用いて送信するステップを更に備える請求項１
１の検出器ドリフトの推定方法。13. The set further comprises the step of determining whether the sensor needs to be replaced based on a comparison of the rate of change of the ratio and a set threshold, the computer being remote from the plant. Located in a monitoring center, the assembly further comprising the step of transmitting the presence / absence of the need for replacement to the plant using communication equipment.
Method 1 for estimating detector drift.
フト分布を計算器により計算して求めるステップと、 前記第１手法と異なる第２手法により前記センサの現在
又は過去のある時点の第２ドリフト分布を計算器により
計算して求めるステップと、 前記第１ドリフト分布と前記第２ドリフト分に基づい
て、それぞれに確率密度関数を仮定して確率理論により
前記センサのドリフト分布を将来的により高精度に計算
器により計算するステップとを具え、 前記確率理論は、将来の前記第１確率密度関数と現在又
は過去のある時点の前記第２確率密度関数よりも推定精
度が高い将来の前記ドリフト量確率密度関数を計算する
ことができる理論である検出器ドリフトの推定方法。14. A step of calculating a future first drift distribution of a sensor by a calculator by a first method, and a second method at a certain time point in the present or past of the sensor by a second method different from the first method. Calculating a drift distribution by a calculator, and based on the first drift distribution and the second drift amount, a probability density function is assumed for each of the first drift distribution and the second drift component to increase the drift distribution of the sensor in the future by probability theory. Calculating the accuracy with a calculator, wherein the probability theory is a future drift amount having a higher estimation accuracy than the first probability density function of the future and the second probability density function of the present time or a certain time point in the past. A method for estimating detector drift, which is a theory by which a probability density function can be calculated.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002073381A JP2003270004A (en) | 2002-03-15 | 2002-03-15 | Device and method for estimating drift of detector, and system for monitoring detector |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002073381A JP2003270004A (en) | 2002-03-15 | 2002-03-15 | Device and method for estimating drift of detector, and system for monitoring detector |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2003270004A true JP2003270004A (en) | 2003-09-25 |
Family
ID=29203059
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002073381A Withdrawn JP2003270004A (en) | 2002-03-15 | 2002-03-15 | Device and method for estimating drift of detector, and system for monitoring detector |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2003270004A (en) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006250541A (en) * | 2005-03-08 | 2006-09-21 | Mitsubishi Heavy Ind Ltd | Calibration support device of detector and its method |
| JP2008502911A (en) * | 2004-06-12 | 2008-01-31 | アクバイオ・リミテッド | Analytical instrument with an array of sensors and calibration elements |
| JP2008525772A (en) * | 2004-12-23 | 2008-07-17 | エンドレス ウント ハウザー コンダクタ ゲゼルシャフト フューア メス‐ ウント レーゲルテヒニック エムベーハー ウント コンパニー コマンディートゲゼルシャフト | How to monitor sensor functions |
| JP2009003758A (en) * | 2007-06-22 | 2009-01-08 | Toshiba Corp | Device for supporting calibration of measuring instrument for plant and method for supporting calibration of measuring instrument for plant |
| JP2010525324A (en) * | 2007-04-16 | 2010-07-22 | エム ケー エス インストルメンツ インコーポレーテッド | Capacitance manometer and method for automatic drift correction |
| JP2011075373A (en) * | 2009-09-30 | 2011-04-14 | Hitachi-Ge Nuclear Energy Ltd | Method and device for diagnosis of equipment |
| JP2012524935A (en) * | 2009-04-22 | 2012-10-18 | ローズマウント インコーポレイテッド | Measurement and control equipment for industrial process control systems |
| JP2016177676A (en) * | 2015-03-20 | 2016-10-06 | 株式会社東芝 | Diagnosis device, diagnosis method, diagnosis system and diagnosis program |
| JP2019133360A (en) * | 2018-01-30 | 2019-08-08 | 株式会社東芝 | Maintenance assisting device |
| US11118947B2 (en) | 2018-01-04 | 2021-09-14 | KABUSHIKl KAISHA TOSHIBA | Information processing device, information processing method and non-transitory computer readable medium |
-
2002
- 2002-03-15 JP JP2002073381A patent/JP2003270004A/en not_active Withdrawn
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008502911A (en) * | 2004-06-12 | 2008-01-31 | アクバイオ・リミテッド | Analytical instrument with an array of sensors and calibration elements |
| JP2008525772A (en) * | 2004-12-23 | 2008-07-17 | エンドレス ウント ハウザー コンダクタ ゲゼルシャフト フューア メス‐ ウント レーゲルテヒニック エムベーハー ウント コンパニー コマンディートゲゼルシャフト | How to monitor sensor functions |
| US7957928B2 (en) | 2004-12-23 | 2011-06-07 | Endress + Hauser Conducta Gesellschaft für Mess-und Regeltechnik mbH + Co. KG | Method for function monitoring of a sensor |
| JP2006250541A (en) * | 2005-03-08 | 2006-09-21 | Mitsubishi Heavy Ind Ltd | Calibration support device of detector and its method |
| JP4611061B2 (en) * | 2005-03-08 | 2011-01-12 | 三菱重工業株式会社 | Detector calibration support apparatus and method |
| JP2010525324A (en) * | 2007-04-16 | 2010-07-22 | エム ケー エス インストルメンツ インコーポレーテッド | Capacitance manometer and method for automatic drift correction |
| JP2009003758A (en) * | 2007-06-22 | 2009-01-08 | Toshiba Corp | Device for supporting calibration of measuring instrument for plant and method for supporting calibration of measuring instrument for plant |
| JP2012524935A (en) * | 2009-04-22 | 2012-10-18 | ローズマウント インコーポレイテッド | Measurement and control equipment for industrial process control systems |
| JP2011075373A (en) * | 2009-09-30 | 2011-04-14 | Hitachi-Ge Nuclear Energy Ltd | Method and device for diagnosis of equipment |
| JP2016177676A (en) * | 2015-03-20 | 2016-10-06 | 株式会社東芝 | Diagnosis device, diagnosis method, diagnosis system and diagnosis program |
| US11118947B2 (en) | 2018-01-04 | 2021-09-14 | KABUSHIKl KAISHA TOSHIBA | Information processing device, information processing method and non-transitory computer readable medium |
| JP2019133360A (en) * | 2018-01-30 | 2019-08-08 | 株式会社東芝 | Maintenance assisting device |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9122273B2 (en) | Failure cause diagnosis system and method | |
| US7894926B2 (en) | Global predictive monitoring system for a manufacturing facility | |
| TWI287244B (en) | Correlation of end-of-line data mining with process tool data mining | |
| EP2492771B1 (en) | Apparatus, system and method for correcting measurement data | |
| US8676727B2 (en) | Abnormality diagnosis filter generator | |
| JP2020047847A (en) | Data processing method, data processor and data processing program | |
| EP3163519A1 (en) | Methods for detecting one or more aircraft anomalies and devices thereof | |
| CN107464591B (en) | Sensor combination optimization method for containment leakage online monitoring system | |
| Wu et al. | Optimal np control chart with curtailment | |
| CN112904266A (en) | Method and device for predicting service life of electric energy meter | |
| CN115687983A (en) | Bridge health state monitoring method and system and electronic equipment | |
| JP2003270004A (en) | Device and method for estimating drift of detector, and system for monitoring detector | |
| JP5003566B2 (en) | Network performance prediction system, network performance prediction method and program | |
| JP2020047078A (en) | Data processing method, data processing device, and data processing program | |
| US20220404235A1 (en) | Improving data monitoring and quality using ai and machine learning | |
| CN115640860B (en) | Electromechanical equipment remote maintenance method and system for industrial cloud service | |
| Li et al. | A quantitative causal diagram based optimal sensor allocation strategy considering the propagation of fault risk | |
| JP2003271231A (en) | Estimation device of detector drift and monitor system of detector | |
| CN117791856B (en) | Power grid fault early warning method and device based on inspection robot | |
| JP7026012B2 (en) | Equipment status monitoring system and equipment status monitoring method | |
| JP4170843B2 (en) | Instrument calibration support system | |
| JP2012099067A (en) | Event analytic device, event analytic method, and event analytic program | |
| CN110099089A (en) | The self-tuing on line of multiple data flows in sensor network | |
| US7865336B1 (en) | System and method for statistically monitoring and analyzing sensed conditions | |
| JPH06109498A (en) | Detector for unsteady and abnormal state |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Withdrawal of application because of no request for examination |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20050607 |