JP2009238190A - メンテナンス計画支援システム - Google Patents

Abstract

【課題】状態監視データから最適な手法でメンテナンス時期を算出する。
【解決手段】機器の故障モード毎に行われる検査の質を数値化し、数値化した検査の質の合計により、多変量解析、傾向管理、推定計画のいずれかでメンテナンス時期を算出する。このため、検査データ入力手段、入力した検査データ種別に記憶する手段、機器故障モードに対応して設定された検査項目を機器故障との関連性の強さに基づき予め数値化処理する重要度決定手段、前記故障モード毎の検査項目の重要度決定手段による合計数値と前記検査データの種類及び検査項目の数値の最大値に基づき保全時期を定めるメンテナンス種別決定手段と、前記入力手段からの検査データにより、機器故障モードに対応したメンテナンスを前記重要度決定手段とメンテナンス種別決定手段により定めたメンテナンス方法に適用して保全時期を算出する演算手段とを備えている。
【選択図】図１

Description

本発明はメンテナンス計画支援システムに係り、特に機器の故障に対するメンテナンス方法を自動的に決定して保全時期を算出することができるようにしたメンテナンス計画支援システムに関する。

近年、設備のメンテナンス方法は、規制緩和や法改正によって、従来の時間基準保全に加え、機器の状態監視データに基づいて保全を行う状態監視保全を充実させ、過度な分解点検をなくして設備稼働率の向上や保全不良（いじり壊し）の低減を実現することが目標の一つとなっている。

例えば、特許文献１に記載の技術では、プラントシステムの各機器の運転記録（運転時間、起動回数）に基づき、振動分析記録や、潤滑油分析記録、さらに軸受寸法などの分解・点検記録を求め、これを前回データと比較、評価し、個別機器の劣化予測を行い、修理や点検時期の計画を行っている。これによって、少なくとも無駄な保守作業を削減し、適時に最適な保守を行うことができる可能性がある。
特開２００３−１１４２９４号

しかしながら、特許文献１に記載されているような方法を行ったとしても、点検データは、直接の損傷状態の把握が可能なものから、参考データ程度のものまで多様に存在し、また、定期的にデータ取得を行うか、などの問題もあり、状態監視データから一手法で最適な手法でメンテナンス時期を算出することは不可能である。これは、点検データ自体に質の違いが存在すること、点検データのない機器が存在すること、などに起因している。

本発明は、上記従来の問題点に着目してなされたもので、機器の故障モード毎に行われる検査の質を、直接の損傷状態把握可否・データ取得の定期性・分解点検によるリセットの有無・明確な閾値の有無から数値化し、さらに数値化した検査の質の合計によって、多変量解析、傾向管理、推定計画のいずれかによってメンテナンス時期を算出することができることを目的としている。

上記目的を達成するために、本発明に係るメンテナンス計画支援システムは、検査データの入力手段と、入力された検査データをデータ種別に記憶格納する手段と、機器の故障モードに対応して設定された検査項目を機器故障との関連性の強さに基づいて予め数値化処理する重要度決定手段と、前記故障モード毎の検査項目の重要度決定手段による合計数値と前記検査データの種類、並びに検査項目の数値の最大値に基づき保全時期を定めるためのメンテナンスの種別決定手段と、前記入力手段から入力された検査データに基づき、機器故障モードに対応したメンテナンスを前記重要度決定手段とメンテナンス種別決定手段により定められたメンテナンス方法に適用して保全時期を算出する演算手段と、を備えたことを特徴とする。
前記メンテナンス種別は多変量解析機能、傾向管理機能、並びに推定決定機能をなすメンテナンスである。

上記構成によれば、機器の故障モードごとに定まる検査項目が故障の関連度に応じて数値化され、その数値の大きさと数、データ種別によって複数のメンテナンス方法が選択され、実行される。これにより、対処しようとする機器の故障モードに応じたメンテナンス方法に検査データが適用され、最適の状態でメンテナンス時期を算出させることができる。

以下に、本発明に係るメンテナンス計画支援システムの具体的実施の形態を、図面を参照して、詳細に説明する。
図１は実施形態に係るメンテナンス計画支援システムの概略構成図である。これらの図に示すように、この支援システム１０は、入力元として、検査報告書１２、計測器１３、あるいは撮像機１４などを用い、これらのデータ入力手段から得られる検査データをキーボードにより入力したり、温度・寸法・振動周波数などの物理的な検査データをA／D変換して（図示せず）入力したり、あるいは検査対象箇所を撮影した収集画像を画像データとして取り込む管理演算部１８を有している。管理演算部１８では、最初に上記検査報告書１２、計測器１３、あるいは撮像機１４からのデータをそれぞれメモリ２０の規定されたメモリ領域に記憶させる。各メモリ領域は例えば、報告書データ登録部、計測器データ取り込み部、画像データ取り込み部として設定し、入力したデータ種別にしたがって記録保存するようにしている。

管理演算部１８は、検査データの入力手段に合わせて３種の入力手段を備えている。この入力手段は、検査報告書１２のデータを入力するためのキーボード２２や、計測器１４が接続できて保存している計測データを入力するためのインターフェース２４、あるいは画像入力用のインターフェース２６からなる。インターフェース２４、２６は必要に応じて検査データを入力の前後においてデジタルデータに変換するようにしておけばよい。もちろん、他の異なる形式の入力データが存在する場合には当該データのタイプに応じたインターフェースを用いるようにすればよい。

入力された検査データは検査手段によって様々なタイプとなるため、当該支援システム１０では、検査データの振分け手段２８を有しており、検査データの種別に振り分けて記憶手段のとしてのメモリ２０に送出し、種別ごとに記憶格納するようにしている。

また、管理演算部１８には、故障モード抽出手段３０が設けられている。例えば、検査対象機器がポンプの場合、故障としては軸受損傷、軸摩耗、ケーシング腐食などが故障態様として挙げられる。故障モード抽出手段３０は、このような故障種別の各々を予めデータベース（ＤＢ）として構築しておいた故障モードＤＢ３２から読み出し、選択的に抽出できるようにしている。故障モードＤＢ３２はこの支援システム１０内に配置してもよく、外部に設置し、伝送させるようにしてもよい。

故障モード抽出手段３０によって抽出された故障モードには、この故障に対処するための検査項目がある。この検査項目は、検査対象機器の置かれているプラント施設の環境に応じて異なってくる。そこで、一般的な故障モードに対応する種々の検査項目のデータベースをシステムの内部もしくは外部に構築しておき、管理演算部１８に設けた検査項目抽出手段３４によって、検査項目データベース（ＤＢ）３６から前記故障モードに対応している検査項目であって、機器が設置されるプラント施設ごとに異なる検査項目を選択抽出するようにしている。

このように故障モード抽出手段３０と検査項目抽出手段３４によって対象機器の故障種別と対応検査項目が選択されるが、メンテナンス時期をどのような方法で算出するかが問題となる。この実施形態では、上述のようにして選定された故障モード毎の検査項目の各々に対して、故障との関連性の強さに基づいて予め数値化処理するようにしている。これは検査項目重要度決定手段３８により行わせている。

上記検査項目重要度決定手段３８は、基本的には、検査項目が対象機器の故障検知に与える影響度を数値化してポイントして示し、ポイント数値が大きいほど故障を検知することが容易となるような処理を行わせる。具体的には、検査項目が（１）直接損傷を確認できる性質のものであるか、（２）検査データの取得方法が定期的であるか不定期のものであるか、（３）対象機器を分解点検するときには点検データがリセットされるものであるか否か、（４）検査データが閾値を持って良否判定できるものであるか否か、を基準として、数値化処理するようにしている。この処理のフローチャートを図２に示す。最初のステップとして、検査項目が直接損傷状態を確認できるか否かが検出され（ステップ１００）、直接確認できる場合を高得点とする。次いで、各々場合につき、データの取得が定期的であるかどうかが判別され（ステップ２００、２１０）、定期的である場合を高得点とする。そして、機器の分解点検が伴う場合に検査データがリセットされるかどうかが判定される（ステップ３００、３１０、３２０、３３０）。データがリセットされない場合が故障判定に有利であるから、リセットされない場合を高得点とする。そして、最後に、検査データが閾値を持つデータであるかどうかの判定をなし（ステップ４００、４０１、………４０７）、閾値有りを高得点とする。この結果、最終項目数は１６項目となるため、１ポイントから１６ポイントまで配分し、この点数を検査項目に割り当てる。これは例えばポンプが対象機器で軸受損傷を検査項目とした場合、検査項目として「軸受の目視検査」が挙げられる。この検査項目は、最初のステップ１００では目視検査であるから直接損傷状態を確認できるものであるのでステップ２００に進むが、データ取得は不定期なものであるためステップ３１０に進む。このステップ３１０では分解リセットデータか否かの判定であり、目視検査はリセットされるデータ項目とはならず、ステップ４０２に進む。かつ閾値を持っている項目ではないので、ポイントは「１１」となる。このようにして選択された検査項目の各々についてポイントが割り振られるものとなる。そして、ポイント数が大きいものほど機器の故障との近接度が高いものといえる。この実施形態ではポイント数を検査の質ポイントと表示している。

次に、上記検査項目重要度決定手段３８によって検査項目ごとの数値が決定されると、このデータはメンテナンス選択起動手段４０に送られ、ここで、最初に対象機器のメンテナンス方法を選択処理する。今、対象メンテナンスを多変量解析装置４２によって行うか、傾向管理装置４４によって行うか、あるいは推定決定装置４６によって行うかの3種類に設定する。もちろんこれ以外のメンテナンス方法を実現するようにしても良い。

この支援システム１０は、メンテナンス選択起動手段４０の処理に入ると、まず、対象機器と故障モードの選択をなすように促し（ステップＳ１０００）、選択された故障モードに関連付けられている検査項目の総和を算出し、その合計値が「０」であるか否かを判定するようにしている（ステップＳ１１００）。機器によっては検査項目が一つもなく、検査の質のポイントが「０」となる場合があることを前提としている。ポイントが「０」を超える場合には、検査データの種類が複数か否かの判定を行う（ステップＳ１２００）。複数種データである場合には、ステップＳ１３００に進み、検査データの質ポイントの最大値が１４以下であるか否かの判定をなすようにしている。最大値が１４以下であれ多変量解析装置４２を起動する。最大値が１４を越える場合には、傾向管理装置４４を起動させるようにしている。更に、上記ステップＳ１２００にてデータ種類が単種である場合には、ステップＳ１３００と同様に検査データの質ポイントの最大値の判定処理を行い、最大値が１４を超える場合には傾向管理装置４４の起動をなし、１４以下の時には推定決定装置４６の起動をなすようにしている。

これによって、故障モードに対応する複数または単数の検査項目の合計値や、データ種類の数、データポイント数の最大値の大きさによって、実施すべきメンテナンスの選定処理が行われることになる。支援システム１０は、検査対処機器の選定とメンテナンス方法とが決定したら、検査データを選択されたメンテナンス装置４２，４４，４６に送って、当該装置による解析を行ってメンテナンス時期を算出するのである。

これらの一連の処理を行った結果を図４に示す。これは、検査対象機器を例えばポンプ、ファンなどとし、これらに付帯した故障モードが選択されている。ポンプの例では「軸受損傷」、「軸摩耗」、「ケーシング腐食」などである。そして、各故障モードに対応して検査項目が規定されており、軸受故障モードに対応して「軸受目視検査」、「振動」、「温度」が検査対象として規定される。このような検査項目に対して、図２のフローチャートによる処理を行うことで、検査の質（故障に対する影響度の大きさ）が数値で表示される。この数値と検査種類、最大値の大きさを元に、図３のフローチャートによる処理にて当該機器(ポンプ)に対するメンテナンス方法が決定され（実施形態の場合では多変量解析）、この解析をなす装置４２に対して検査データが送信され、メンテナンス時期がこの支援システム１０から出力されるのである。

ところで、上述した多変量解析装置４２による多変量解析とは、一般的に、いろいろな特性のパラメータ（変数）のデータ群を集めて，それらを分析することによって各パラメータの相互の関係性や特徴などを明らかにしていく手法のことである。通常、予測や判別，分類に用いる手法と，合成して新しい変量（総合特性）を求める手法に分けられる。前者には重回帰分析，数量化理論Ｉ類，判別分析，数量化理論ＩＩ類などがある。後者には主成分分析、クラスター分析などがある。実施形態では、多変量解析を行うと選定された場合、検査データが多変量解析装置４２に送られ、ここでは、マハラノビス距離という概念を用いて解析を行っている。マハラノビス距離とは統計学の一種の距離であり、多変数のデータ間の相関を考慮し、正常なデータ集団を単位空間として定義し、単位空間からの距離が大きいと、異常と判定する方法である。正常時の温度、振動などのデータを蓄積し、単位空間を作成し、現在の計測データのマハラノビス距離を算出、正常・異常を判定するようにしている。

また、傾向管理装置４４による傾向管理解析は、設備や機械の発生する物理的情報を時間経過に従って（定期）点検で測定し、測定したデータを時系列的に整理し、その変化を読み取ることにより将来の交換・更新・補修する部品・機器の選定及び故障時期の推定をすることに役立てるためのデータ管理をいう。図６に示した例では、これまで得られたプロットに対し、最小二乗法を用いて、使用限界値（＝閾値）に達する時期を予測している。

更に、推定決定装置４６による推定決定解析は、対象機器が最長寿命を取得する設計寿命と、使用環境により寿命が減少する場合の最短寿命とを最大傾斜と最小傾斜として使用年数と寿命消費率との関係を求め、対象寿命の傾きによってメンテナンス時期を求めるものである。図７に示した例では、実績の中の最短〜最長の間で機器の使用条件や設計条件に応じて、寿命を評価し、評価寿命に対する経過年数の割合で寿命消費率を推定するようにしている。

以上説明したように、実施形態によるメンテナンス計画支援システム１０では、メンテナンス対象機器の故障モードと、この故障モードに関連する検査項目を選択し、検査項目が当該検査対象機器の故障発生にどの程度の影響力を持っているかの重み付けをポイントによって数値化するとともに、各故障モードに応じた検査項目のポイントと種別、ポイント最大値を指標にしてメンテナンス手法を選択するようにしているので、対処しようとする機器の故障モードに応じたメンテナンス方法に検査データが適用され、最適の状態でメンテナンス時期を算出させることができるという効果が獲られる。

本願発明は、プラント設備機器のメンテナンス業務へ利用することができる。

実施形態に係るメンテナンス計画支援システムの概略構成図である。 検査項目の数値化処理のフローチャートである。 メンテナンス選択起動手段による処理のフローチャートである。 実施形態によるシステムのメンテナンス時期算出方法を選択した結果の図表である。 多変量解析の説明図である。 傾向管理解析の説明図である。 推定計画解析の説明図である。

符号の説明

１０………支援システム、１２………検査報告書、１４………計測器、１６………撮像機、１８………管理演算部、２０………メモリ、２２………キーボード、２４………計測データ入力インターフェース、２６………画像入力用インターフェース、２８………検査データ振分け手段、３０………故障モード抽出手段、３２………故障モードＤＢ、３４………検査項目抽出手段、３６………検査項目ＤＢ、３８………検査項目重要度決定手段、４０………メンテナンス選択起動手段、４２………多変量解析装置、４４………傾向管理装置、４６………推定決定装置。

Claims (2)

1. 検査データの入力手段と、
   入力された検査データをデータ種別に記憶格納する手段と、
   機器の故障モードに対応して設定された検査項目を機器故障との関連性の強さに基づいて予め数値化処理する重要度決定手段と、
   前記故障モード毎の検査項目の重要度決定手段による合計数値と前記検査データの種類、並びに検査項目の数値の最大値に基づき保全時期を定めるためのメンテナンスの種別決定手段と、
   前記入力手段から入力された検査データに基づき、機器故障モードに対応したメンテナンスを前記重要度決定手段とメンテナンス種別決定手段により定められたメンテナンス方法に適用して保全時期を算出する演算手段と、
   を備えたことを特徴とするメンテナンス計画支援システム。
2. 前記メンテナンス種別は多変量解析機能、傾向管理機能、並びに推定決定機能をなすメンテナンスであることを特徴とする請求項１に記載のメンテナンス計画支援システム。

Images