JP2010237893A - プラントの異常診断装置及び異常診断方法 - Google Patents

プラントの異常診断装置及び異常診断方法 Download PDF

Info

Publication number
JP2010237893A
JP2010237893A JP2009083989A JP2009083989A JP2010237893A JP 2010237893 A JP2010237893 A JP 2010237893A JP 2009083989 A JP2009083989 A JP 2009083989A JP 2009083989 A JP2009083989 A JP 2009083989A JP 2010237893 A JP2010237893 A JP 2010237893A
Authority
JP
Japan
Prior art keywords
measurement signal
data
category
database
signal 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.)
Granted
Application number
JP2009083989A
Other languages
English (en)
Other versions
JP5097739B2 (ja
Inventor
Takao Sekiai
孝朗 関合
Akihiko Yamada
昭彦 山田
Toru Eguchi
徹 江口
Hisahiro Kusumi
尚弘 楠見
Yoshinari Hori
嘉成 堀
Masayuki Fukai
雅之 深井
Satoru Shimizu
悟 清水
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi Ltd
Original Assignee
Hitachi Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hitachi Ltd filed Critical Hitachi Ltd
Priority to JP2009083989A priority Critical patent/JP5097739B2/ja
Publication of JP2010237893A publication Critical patent/JP2010237893A/ja
Application granted granted Critical
Publication of JP5097739B2 publication Critical patent/JP5097739B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Testing And Monitoring For Control Systems (AREA)

Abstract

【課題】本発明の目的は、誤診の可能性を低減するプラントの診断装置を提供することにある。
【解決手段】プラントの計測信号を保存する計測信号データベースと、正常時又は異常時のデータをカテゴリーに分類したカテゴリー分類情報と前記カテゴリー分類情報の出現回数が保存されている異常判定データベースと、前記計測信号データベースに保存されているデータをカテゴリーに分類した結果と前記異常判定データベースに保存されているカテゴリー分類情報をカテゴリー分類情報の出現回数の情報を用いて比較することでプラントの運転状態を診断し、診断の結果が異常であった場合には、異常を知らせる情報を画像表示データとして出力する比較手段を備えた診断装置。
【選択図】 図1

Description

本発明は、プラントの異常を検出する診断装置に関するものである。
プラントの診断装置は、プラントに異常な過渡事象や事故等が生じた際に、プラントからの計測データを基に、その異常や事故の発生を検知する。
特許文献1には、適応共鳴理論(Adaptive Resonance Theory:ART)を用いた診断装置が開示されている。ARTでは、多次元のデータを、その類似度に応じてカテゴリーに分類する機能を持つ。特許文献1の技術では、まず、ARTを用いて、正常時の計測データを複数のカテゴリーに分類する。次に、現在の計測データをARTでカテゴリーに分類し、このカテゴリーが正常時に生成された複数のカテゴリーとは異なる場合に、異常と診断する。
特開2005−165375号公報
特許文献1では、現在の計測データをARTで処理した際に生成されるカテゴリーを基に異常診断する。
しかし、1サンプル時間毎に生成されるカテゴリーが、正常時に生成されたカテゴリーに含まれる場合であっても、連続する複数サンプル時間に生成されるカテゴリーの出現頻度が正常時に生成されるカテゴリーの出現頻度と異なる場合は、異常である可能性がある。たとえば、正常時には同じカテゴリー番号が連続して生成されるが、異常時には計測信号が振動し、1サンプル時刻毎に異なるカテゴリーが生成される場合がある。この場合、もし異常時に生成されるカテゴリーの番号が正常時と同じ番号のものである場合、特許文献1の技術では正常と誤診する可能性がある。
本発明の目的は、カテゴリーの出現頻度の情報を用いて診断することで、誤診の可能性を低減する診断装置を提供することにある。
本発明は、上記課題を解決するため、次のような手段を採用した。
プラントの計測信号を保存する計測信号データベースと、正常時又は異常時のデータをカテゴリーに分類したカテゴリー分類情報と前記カテゴリー分類情報の出現回数が保存されている異常判定データベースと、前記計測信号データベースに保存されているデータをカテゴリーに分類した結果と前記異常判定データベースに保存されているカテゴリー分類情報をカテゴリー分類情報の出現回数の情報を用いて比較することでプラントの運転状態を診断し、診断の結果が異常であった場合には、異常を知らせる情報を画像表示データとして出力する比較手段を備えた診断装置。
本発明は、以上の構成を備えるため、異常状態を正常であると誤診する可能性を低減できる。
診断装置の第1の実施例を説明するブロック図である。 異常判定データベース250に保存するデータを生成する手順を示すフローチャート図である。 異常発生時刻を入力するため、画像表示装置850に表示される画面である。 学習・判定用計測信号データベース240に保存されているデータを画像表示装置850に表示した画面である。 データ分類装置400の実施例を説明する図である。 学習用データと判定用データを分類した結果を説明する図である。 異常判定データベース250のデータ形態を説明する図である。 プラント100の計測信号を取得してから、異常である場合にこれを知らせる情報を画像表示装置850に表示するまでの手順を示すフローチャート図である。 診断装置の適用効果を説明する図である。 比較手段700で出力した画像表示データ13を、画像表示装置850に表示した画面である。 プラント100の実施例を説明する図面である。 診断装置の第3の実施例を説明する図面である。 数値解析手段900で作成する異常内容を設定する画面である。
本発明の診断装置について、図面を参照して説明する。
図1は、本発明の一実施例である診断装置を示すブロック図であり、プラント100を診断装置200で診断する。
診断装置200には、演算装置として学習・判定用計測信号抽出手段300,データ分類手段400,分類結果処理手段500,パラメータ決定手段600,比較手段700を備えている。
また、診断装置200には、データベースとして計測信号データベース230,学習・判定用計測信号データベース240,異常判定データベース250を備えている。
また、診断装置200は、外部とのインターフェイスとして外部入力インターフェイス210,外部出力インターフェイス220を備えている。
そして、診断装置200には、外部入力インターフェイス210を介して、プラント100から該プラントの各種状態量を計測した計測信号1、及びキーボード810,マウス820で構成される外部入力装置800の操作で作成される外部入力信号2を入力する。また、診断装置200から、外部出力インターフェイス220を介して、画像表示データ14を画像表示装置850に出力する。
外部入力インターフェイス210を介して入力された計測信号3は、計測信号データベース230に保存する。
学習・判定用計測信号抽出手段300では、パラメータ決定手段600で出力するパラメータ値9を用いて、計測信号データベース230からデータ4を抽出し、学習・判定用計測信号5を作成する。後述するが、パラメータ値9には、学習・判定用計測信号抽出手段300で抽出するデータの期間に関する情報が含まれている。学習・判定用計測信号5は、学習・判定用計測信号データベース240に保存する。
データ分類手段400は、学習・判定用計測信号データ6を受信し、学習用計測信号データをカテゴリーに分類する機能と、該分類結果を用いて判定用計測信号データをカテゴリーに分類する機能と、学習用計測信号データをカテゴリーに分類した結果に判定用計測信号データが分類できないときに新規カテゴリーを生成する機能を有する。また、データ分類手段400は、学習用計測信号データと判定用計測信号データをカテゴリーに分類した分類結果7を、分類結果処理手段500に送信する。
分類結果処理手段500では、新規カテゴリーが生成されるか、一定期間内に生成されるカテゴリー番号、もしくはカテゴリー番号の出現回数が異なるかどうかを判定する。判定結果を処理結果8,処理結果10として出力する。
本実施例では計測信号データをカテゴリーに分類した結果をカテゴリー番号として管理しているが、番号ではなく記号(A,B,C)などのカテゴリー分類情報として管理することができる。
パラメータ決定手段600では、処理結果8に従って、データ抽出期間を決定するパラメータ、もしくは分解能を定義するパラメータを更新し、パラメータ値9として出力する。
異常判定データベース250には、処理結果10を保存する。処理結果10には、正常時、及び異常時の一定期間内に生成されるカテゴリー番号,カテゴリー番号の出現回数、及び処理時刻が含まれる。また、任意のサンプル時間(たとえば、連続する2サンプル時間)内に生成されるカテゴリー番号,カテゴリー番号の出現回数、及び処理時刻を含めることもできる。
比較手段700では、計測信号データベース230に保存されているデータ12をカテゴリーに分類した結果と、異常判定データベース250に保存されている情報11を比較することでプラントの運転状態を診断し、診断の結果が異常であった場合には、異常を画像表示するための画像表示データ13を出力する。比較手段700では、カテゴリー番号の出現回数の情報を基に運転状態を診断する。
また、計測信号データベース230,学習・判定用計測信号データベース240,異常判定データベース250に保存されているデータ、及びパラメータ決定手段600で決定するパラメータ値のデータで構成される診断装置情報50は、画像表示装置850に表示できる。また、これらのデータは、必要に応じて外部入力装置800を用いて修正することもできる。
尚、本実施例では、学習・判定用計測信号抽出手段300,データ分類手段400,分類結果処理手段500,パラメータ決定手段600,比較手段700,計測信号データベース230,学習・判定用計測信号データベース240,異常判定データベース250が全て診断装置200の内部にあるが、これらの一部を診断装置200の外部に配置し、データのみを通信するようにしてもよい。
また、本実施例では診断対象とするプラントは1つであるが、診断装置200で複数のプラントを診断することもできる。
図2は、異常判定データベース250に保存するデータを生成する手順を示すフローチャート図である。異常判定データベース250に保存するデータは、本フローチャートのステップ1000,1010,1020,1030,1040,1050を組み合わせて実行し、生成する。
まず、データを抽出するステップ1000では、学習・判定用計測信号抽出手段300を動作させて計測信号データベース230から学習用計測信号データと判定用計測信号データを抽出し、学習・判定用計測信号データ5として学習・判定用計測信号データベース240に保存する。
次に、データを分類するステップ1010では、データ分類手段400を動作させて、分類結果7を作成する。
そして、分類結果を処理するステップ1020では、分類結果処理手段500を動作させる。
ステップ1030では、ステップ1020の分類結果処理手段500の処理結果を基に、判定用計測信号データを処理した時に、新規カテゴリーが生成されるか、学習用計測データを処理したときとは比較してカテゴリー番号の出現回数が同じか異なるかを判定する。異なる場合はステップ1040に進み、同じ場合はステップ1050に進む。
ステップ1040では、ステップ1020で生成した処理結果10を異常判定データベース250に保存する。
ステップ1050では、パラメータ決定手段600を動作させて、分解能が高くなるように、分解能を定義するパラメータを更新する。
ステップ1000に戻り、ステップ1000,1010,1020,1030を繰り返し実行する。
以下、図3〜図7を用いて、異常判定データベース250に保存するデータの作成方法を詳細に説明する。
図3は、オペレータが異常発生時刻を入力するための画面である。画面1200は、画像表示装置850に表示する。
画面1201には、計測信号データベース230に保存されているデータの経時変化が表示される。オペレータは、異常発生時刻をボックス1202に入力するか、画面1201上のライン1203を異常発生時点に移動させることで、異常発生時刻を入力する。また、異常発生の原因、及び異常への対応内容をボックス1204、及び1205に入力する。入力が完了したら、ボタン1206をクリックする。
図3で入力された異常発生時刻を基に、パラメータ決定手段600では抽出するデータの期間を決定する。パラメータ決定手段600では、異常発生時刻の前から異常発生検知用の学習データの期間を決定し、後から異常発生検知用の判定用データの期間を決定する。図2のステップ1000では、このパラメータを用いてデータを抽出する。
図4は、学習・判定用計測信号データベース240に保存されているデータを画像表示装置850に表示した画面1210と画面1220である。
画面1211には、学習用計測信号データと判定用計測信号データが表示される。また、ボックス1212には、学習用計測信号データと判定用計測信号データの境界となる時刻が表示される。このデータを使用して、図2のステップ1010を動作させる場合は、ボタン1213をクリックする。データの範囲を修正する場合は、ボタン1214をクリックする。
図4(b)は、図4(a)でボタン1214をクリックした時に表示される画面1220であり、学習用計測信号データと判定用計測信号データの範囲を手動で修正するための画面である。
画面1221には、学習用計測信号データと判定用計測信号データが表示される。ボックス1222には、学習用計測信号データの開始時刻、ボックス1223には、学習用計測信号データの終了時刻、ボックス1224には判定用計測信号データの開始時刻、ボックス1225には判定用計測信号データの終了時刻を入力する。データの範囲の修正を決定する場合は、ボタン1226をクリックする。このように、オペレータが自由に学習用計測信号データと判定用計測信号データの範囲を決定できる。ステップ1010では、学習用計測信号データと判定用計測信号データをカテゴリーに分類する。
図5(a)は、データ分類装置400の実施例を説明する図であり、ステップ1010のデータ分類の動作を説明する図である。ここでは、データ分類装置400に適応共鳴理論(Adaptive Resonance Theory:ART)を適用した時について述べるが、他のクラスタリング手法を用いてデータ分類手段400を構築してもよい。
図5(a)のように、データ分類手段400は、データ前処理装置410とARTモジュール420で構成する。
データ前処理装置410では、運転データをARTモジュール420の入力データに変換する。以下にそのステップについて説明する。
まず、計測項目毎に最大値及び最小値を計算する。計算した最大値及び最小値を用いてデータを正規化する。
正規化の方法についてxiを例に説明する。xiのデータ数がN個でn番目の計測値をxi(n)とする。また、N個のデータの中の最大値及び最小値をそれぞれMax_i,Min_iすると、正規化したデータNxi(n)は次式で計算する。
〔数1〕
Nxi(n)=α+(1−α)×(xi(n)−Min_i)/(Max_i−Min_i) …(式1)
ここで、α(0≦α<0.5)の定数であり、(式1)によりデータは[α,1−α]の範囲に正規化される。本実施形態ではα=0.2とした。次に、正規化したデータの補数を計算し、入力データに加える。正規化データNxi(n)の補数CNxi(n)を次式で計算する。
〔数2〕
CNxi(n)=1−Nxi(n) …(式2)
次に、データNxi(n)及びCNxi(n)からなるデータを入力データとしてARTモジュール420に入力する。
ARTモジュール420では、入力データを複数のカテゴリーに分類する。ARTモジュール420は、F0レイヤー421,F1レイヤー422,F2レイヤー423,メモリー424、及びOrienting Subsystem425を備え、これらは相互に結合している。F1レイヤー422とF2レイヤー423は重み係数を介して結合しており、重み係数は入力データが分類されるカテゴリーのプロトタイプ(原型)を表している。
次に、ARTモジュールのアルゴリズムについて説明する。ARTモジュールに入力データが入力された場合のアルゴリズムの概要は、次のステップ1ないしステップ5のようになる。
ステップ1:F0レイヤーにより入力ベクトルの大きさが1になるように正規化され、また、ノイズが除去される。
ステップ2:F1レイヤーに入力された入力データと重み係数との比較により、ふさわしいカテゴリーの候補が選択される。
ステップ3:Orienting Subsystemで選択したカテゴリーの妥当性がパラメータρとの比により評価される。妥当と判断されれば、入力データはそのカテゴリーに分類され、ステップ4に進む。妥当と判断されなければ、そのカテゴリーはリセットされ、他のカテゴリーからふさわしいカテゴリーの候補が選択される(ステップ2の処理を繰り返す)。パラメータρの値を大きくするとカテゴリーの分類が細かくなり、ρを小さくすると分類が粗くなる。このパラメータρを、vigilanceパラメータと呼ぶ。パラメータ決定手段600では、パラメータρを決定する。
ステップ4:ステップ2で、全ての既存のカテゴリーがリセットされると、新規カテゴリーと判断され、新規カテゴリーのプロトタイプを表す新しい重み係数を生成する。
ステップ5:入力データがカテゴリーJに分類されると、カテゴリーJに対応する重み係数WJ(new)は過去の重み係数WJ(old)と入力データp(または、入力データから派生したデータ)から次式で更新される。
〔数3〕
WJ(new)=Kw・p+(1−Kw)・WJ(old) …(式3)
ここで、Kwは学習率パラメータであり、入力ベクトルを新しい重み係数に反映させる度合いを決定する。
ARTモジュール420のデータ分類アルゴリズムの特徴はステップ4の処理にある。ステップ4の処理により、記憶しているパターンと異なる入力データが入力された場合、記憶しているパターンは変更せず新しいパターンを記憶することができる。このため、過去に学習したパターンを記憶しながら、新たなパターンを記憶することが可能となる。
このように、入力データとして予め与えた運転データを与えると、ARTモジュール420は与えられたパターンを学習する。したがって、学習済みのARTモジュール420に新たな入力データが入力されると、上記アルゴリズムにより、過去のどのパターンに近いかを判定できる。また、過去に経験したことのないパターンであれば、新しいカテゴリーに分類される。
図5(b)は、分類結果の一実施例を説明する図である。図5(b)では、計測データの2項目を表示したものであり、2次元のグラフで表記した。データは、データ分類装置400によって、複数のカテゴリー430(図5(b)中の円)に分割される。
図6は、学習用データと判定用データを分類した結果を説明する図である。この結果を表示した画面1230は、図6のように画像表示手段850に表示できる。
画面1231には、学習用計測信号データと判定用計測信号データが表示される。カテゴリーの分類結果は、時間とその時のデータが分類されたカテゴリー番号を対応づけして、画面1232のように表示される。分類結果を確認したら、ボタン1233をクリックする。これにより、分類結果が異常判定データベース250に保存される。
異常発生時には、データの傾向が異なる。従って、カテゴリーに分類する時に使用する分解能を定義するパラメータ(ARTの場合におけるvigilanceパラメータρ)を適切に設定すれば、判定用計測信号データをカテゴリーに分類した時に、学習用計測信号で分類した結果に属さない新規カテゴリーが生成される。しかし、このパラメータの設定値が悪く、状態の分解能が低いと新しいカテゴリーが生成されない可能性がある。この場合に、ステップ1050では、パラメータ決定手段600においてパラメータを調整し、分解能を向上させる。データ分類手段400にARTを適用した時は、ρを1に近づけるように調整する。
図7(a)は、異常判定データベース250のデータ形態を説明する図である。
列251には、図3のボックス1204に入力した文字、列252には図3のボックス1205に入力した文字が文字情報として保存される。列253には、パラメータ決定手段600で決定したρの値、列254には、データ分類手段400で分類した結果が保存される。また列254には、図3のボックス1202の異常発生時刻が保存される。欄255には発生したカテゴリーの番号、欄266にはカテゴリーの出現回数を保存する。欄257は正常状態のカテゴリー番号と出現回数が保存される。
図7(b)は、異常判定データベース250のデータを、画像表示装置850で表示した際の表示画面である。欄1241には列251に記載されている文字データ、画面1242には、カテゴリー番号を横軸に、カテゴリーの出現回数を縦軸に取った棒グラフ形式で表示する。異常判定データベース250の内容を可視化することで、オペレータの理解を助けることができる。内容を確認したら、ボタン1243をクリックし、画面1240を閉じる。
以上、図2〜図7を用いて、異常判定データベース250に保存するデータの生成方法を説明した。尚、比較手段700を用いてプラントの運転状態を判別する際には、異常判定データベース250に保存するデータの生成方法は上述した方法に限られず他の方法を用いてデータベースを構築することもできる。プラントの運転状態を診断する比較手段700は、図7のように構築済みの異常判定データベース250を用いて診断することができる。
次に、比較手段700を用いて、プラントの運転状態を判別し、異常状態であるかどうかを判定する方法を説明する。
図8は、プラント100の計測信号を取得してから、異常である場合にこれを知らせる情報を画像表示装置850に表示するまでの手順を示すフローチャート図である。図8に示すように、本フローチャートはステップ1100,1110,1120,1130を組み合わせて実行する。
まず、ステップ1100では、プラント100からの計測信号1を、外部入力インターフェイス210を介して診断装置200に取り込み、計測信号3を計測信号データベース230に保存する。
ステップ1110では、比較手段700を動作させる。比較手段700では、例えば下記式を用いて、類似度を計算する。尚、ABS(・)は、絶対値を演算する関数記号である。
〔数4〕
類似度=1/ΣABS
(異常Aにおける出現回数ー計測データ処理時の出現回数) …(式4)
(式4)では、異常Aにおける出現回数と最新データにおける出現回数の差の絶対値を、カテゴリー番号の最小値から最大値まで加算し、その値の逆数を類似度としている。尚、類似度を算出する具体的なやり方は上記方法に限られず類似度を判定できれば他の方法を用いても良い。
ステップ1120では、比較手段700を動作させた結果、異常、もしくは異常兆候の有無を判定し、異常、もしくは異常兆候がある場合にはステップ1130に進み、ない場合にはステップ1100に戻る。
ステップ1130では、比較手段700が出力した画像表示データ13を、外部出力インターフェイス220を介して画像表示装置850に出力する。
これにより、もし異常時に生成されるカテゴリーの番号が正常時と同じ番号のものであってもカテゴリーの出現回数の情報を用いて診断することで、誤診の可能性を低減することができる。
また、出現回数を比較する際は一定期間のデータを用いるが、この一定期間のデータは、出現回数を有意に比較できる程度の期間のデータがあれば良い。
また、上述した例では異常Aにおける出現回数を比較する例を示したが、正常状態における出現回数を比較してもよく、正常状態からの類似度が予め定めた所定値より低くなった場合異常を判断することができる。また、異常状態と正常状態の両方をもちいて、測定データがどちらの類似度に近いかを比較しても良い。
また、出現回数を比較したが、(式4)の出現回数を全体の出現回数で割ると出現頻度や出現割合としても類似度を計算できるが、これらも出現回数の情報を用いて比較するものと同じ意味である。
上述したように、プラントの計測信号を保存する計測信号データベースと、正常時又は異常時のカテゴリー番号とカテゴリー番号の出現回数が保存されている異常判定データベースと、計測信号データベースに保存されているデータをカテゴリーに分類した結果と異常判定データベースに保存されている情報をカテゴリー番号の出現回数の情報を用いて比較することでプラントの運転状態を診断し、診断の結果が異常であった場合には、異常を知らせる情報を画像表示データとして出力する比較手段を備えた診断装置により、上述したように、学習用計測信号データと判定用計測信号データの期間を設定するパラメータと、計測信号データをカテゴリーに分類する時に使用する分解能を定義するパラメータを決定するパラメータ決定手段と、学習用計測信号データと判定用計測信号データの期間を設定するパラメータに基づいて、計測信号データベースから学習用計測信号データと判定用計測信号データを抽出する学習・判定用計測信号抽出手段と、カテゴリーに分類する時に使用する分解能を定義するパラメータを用いて、学習用計測信号データをカテゴリーに分類する機能と、該分類結果を用いて判定用計測信号データをカテゴリーに分類する機能と、学習用計測信号データをカテゴリーに分類した結果に判定用計測信号データが分類できないときに新規カテゴリーを生成する機能を有するデータ分類手段と、新規カテゴリーが生成されるか、一定期間内に生成されるカテゴリー番号、もしくはカテゴリー番号の出現回数が同じか異なるかを判定する分類結果処理手段と、分類結果処理手段での判定結果が同じ場合には、パラメータ決定手段で学習用計測信号データと判定用計測信号データの期間を設定するパラメータ、もしくは、計測データをカテゴリーに分類する時に使用する分解能を定義するパラメータを更新し、分類結果処理手段での判定結果が異なる場合には、異常診断データベースに前記データ分類手段で分類したカテゴリーの番号と出現回数を保存する診断装置により、異常状態を正常であると誤診する可能性を低減するためのデータベースを構築することができる。
図9は、本発明の診断装置の適用効果を説明する図である。
正常状態における計測信号の経時変化を画面1300a、カテゴリーへの分類結果を画面1310a、カテゴリー番号の変化を画面1320aに、異常状態における計測信号の経時変化を画面1300b、カテゴリーへの分類結果を画面1310b、カテゴリー番号の変化を画面1320bに示す。
正常状態時には、連続する2サンプル(データの測定)時刻に生成するカテゴリー番号の組み合わせは、1→1,1→2,2→1,2→3,3→4,4→4である。異常時には、1→4,4→2,2→4,4→1である。この例は、生成されるカテゴリー番号は同じであるが、2サンプル時間内に生成されるカテゴリーの出現回数が異なる例である。1サンプル時刻のカテゴリー番号のみで異常診断する場合、正常時と異常時に発生するカテゴリー番号は1,2,3,4で同じであるため、正常と異常の区別がつかない。一方、本発明の診断装置200では、カテゴリーの生成パターン(一定期間におけるカテゴリーの出現回数)を用いて診断する。本実施例では、2サンプル時間内に生成されるカテゴリーの組み合わせの出現回数を用いて(式4)の類似度を計算する。すなわち、正常時に生成されるカテゴリーの組み合わせ(1→1,1→2,2→1,2→3,3→4,4→4)と、異常時に生成されるカテゴリーの組み合わせ(1→4,4→2,2→4,4→1)を登録しておき、その類似度を(式4)を用いて計算する。これにより、正常と異常を区別できる。これにより、誤診を低減できる効果が得られる。
連続する複数サンプル時間に生成されるカテゴリーの出現頻度の情報を用いて診断することで、誤診の可能性を低減する診断装置を提供することができる。
上述した例では、カテゴリーの生成パターン(一定期間におけるカテゴリーの出現回数)を比較する場合の一定期間は2サンプル時間であったが、3サンプル時間など所定のサンプル数の時間(複数回のデータを測定する一定期間)とすることができる。
また、連続した複数のサンプル数の他、不連続であってもよく、複数回のデータを測定する一定期間内でのカテゴリーの組み合わせが正常時のカテゴリーの組み合わせと異常時のカテゴリーの組み合わせであるかどうかを診断装置200で診断することもできる。
上述した例では、カテゴリーの組み合わせによる異常診断は、実施例1の類似度の比較を用いた例で説明したが、出現回数が1回でも異常が判断できるような組み合わせのカテゴリーを予め定めてあれば出現回数を用いた比較は不要としても良い。
図10は、比較手段700で出力した画像表示データ13を、画像表示装置850に表示した画面1250である。
類似度が最大となった異常原因を欄1251に、対応を欄1252に表示する。これは、図7の列251、及び252に記載されている情報である。
また、図7の列254に記載されている日時の計測信号データを、計測信号データベース230から抽出し、画面1253に表示する。また、カテゴリー番号とその出現回数を画面1254に表示する。また、計測信号データベース230で判定に使用した計測信号データを画面1255に、カテゴリー番号とその出現回数を画面1256に表示する。計算した類似度の値は、欄1257に表示される。類似度の高いデータと、現在の運転データを同時に画面表示する。内容を確認したら、ボタン1258をクリックし、画面1250を閉じる。
また、図10において、計測データの経時変化を表示する画面に、カテゴリー番号毎に異なる色をつけて表示することで、視認性を向上させることもできる。
尚、図10では異常判定データベースに保存されている原因をひとつだけ表示するようにしているが、一致度の高い順番に複数個表示するようにしてもよい。
図11は、プラント100の実施例を説明する図面である。
プラント100は、ガスタービン発電機110,制御装置120,データ送信装置130からなる。ガスタービン発電機110は、発電機111,圧縮機112,燃焼器113,タービン114で構成される。圧縮機112による圧縮空気が燃焼器113に送られ、燃料と混合されて燃焼器113で燃焼する。燃焼により発生した高圧ガスにより、タービン114が回転し、発電機111で発電する。
制御装置120では、電力需要に応じてガスタービン発電機110の出力を制御する。また、制御装置110は、ガスタービン発電機110に設置されたセンサー(図示せず)で計測した運転データが入力されている。運転データは、吸気温度,燃料投入量,タービン排ガス温度,タービン回転数,発電機発電量,タービン軸振動などの状態量で、1秒間隔で計測している。また、大気温度などの気象情報も計測している。データ送信装置130は、制御装置120で計測した計測信号を、診断装置200に送信する。
上述したように、プラントの計測信号を保存する計測信号データベースと、正常時又は異常時のデータをカテゴリーに分類したカテゴリー分類情報とカテゴリー分類情報の組み合わせの情報が保存されている異常判定データベースと、前記計測信号データベースに保存されているデータをカテゴリーの組み合わせに分類した結果と前記異常判定データベースに保存されているカテゴリー分類情報の組み合わせの情報を比較することでプラントの運転状態を診断し、診断の結果が異常であった場合には、異常を知らせる情報を画像表示データとして出力する比較手段を備えた診断装置により、もし異常時に生成されるカテゴリーの番号が正常時と同じ番号のものである場合であっても誤診を低減できる。
図12は、診断装置の第3の実施例を説明するブロック図である。
図12では、図1の診断装置200に、数値解析手段900と解析結果データベース260を追加した。数値解析手段900を用いて異常時のデータを作成し、このデータ15を解析結果データベース260に保存する。学習・判定用計測信号抽出手段300では、計測信号データベース230と解析結果データベース260から、学習用計測信号データと判定用計測信号データをデータ16として抽出する。
実施例1では、比較手段700では実際に経験した異常原因しか推定できないが、本実施例では数値解析手段900で異常現象を模擬することで、未経験の異常原因も推定できる。数値解析手段700は、例えば特開2006−194550号公報に記載されている技術を用いて、構築する。
尚、図12の診断装置200を構成するその他の演算装置,データベースは図1と同じ機能である。
図13(a)は、数値解析手段900で作成する異常内容を設定する画面1260である。
数値解析手段900では、熱伝達率など、数値解析手段の物理パラメータを変更(ボタン1261を選択)して異常を模擬し、その時の計測信号データの経時変化を模擬する。また、異常判定データベース250に保存されている異常原因が重複して発生した時の異常を模擬(ボタン1262を選択)し、その時の計測信号データの経時変化を模擬する。
図13(b)は、図13(a)でボタン1261をクリックした時に表示される画面1270であり、数値解析手段の物理パラメータを変更して異常を模擬する場合に使用する画面である。まず、異常原因をボックス1271の欄に入力する。次に、変更する物理パラメータとその値を画面1272に入力する。また、パラメータを変更するタイミング(シミュレーション開始からパラメータ変更までの時間)も画面1272に入力する。ボタン1273をクリックすると、数値解析手段900が動作し、シミュレーション解析を開始する。解析結果は、解析結果データベース260に保存される。
図13(c)は、図13(a)でボタン1262をクリックした時に表示される画面1280であり、異常原因が重複した時の異常を模擬する場合に使用する画面である。異常原因、及びその発生タイミングを画面1281に入力する。ボタン1282をクリックすると、数値解析手段900が動作し、シミュレーション解析を開始する。解析結果は、解析結果データベース260に保存される。
これにより、解析結果データベース260には、異常発生時の模擬的な計測信号データが保存される。解析結果データベース260のデータを用いて、図2のフローチャートを実行することにより、異常判定データベース250に異常原因,解析結果データベース260のデータをカテゴリーに分類した結果として生成されるカテゴリー番号、及びその出現回数が保存される。このようにして異常判定データベース250を構築することで、実際に経験していない異常現象も、診断できる。
100 プラント
200 診断装置
210 外部入力インターフェイス
220 外部出力インターフェイス
230 計測信号データベース
240 学習・判定用計測信号データベース
250 異常判定データベース
300 学習・判定用計測信号抽出手段
400 データ分類手段
500 分類結果処理手段
600 パラメータ決定手段
700 比較手段
800 外部入力装置
810 キーボード
820 マウス
850 画像表示装置

Claims (18)

  1. プラントの計測信号を保存する計測信号データベースと、
    正常時又は異常時のデータをカテゴリーに分類したカテゴリー分類情報と、前記カテゴリー分類情報の出現回数が保存されている異常判定データベースと、
    前記計測信号データベースに保存されているデータをカテゴリーに分類した結果と前記異常判定データベースに保存されているカテゴリー分類情報をカテゴリー分類情報の出現回数の情報を用いて比較することでプラントの運転状態を診断し、診断の結果が異常であった場合には、異常を知らせる情報を画像表示データとして出力する比較手段を備えたことを特徴とした診断装置。
  2. 請求項1に記載された診断装置において、
    学習用計測信号データと判定用計測信号データの期間を設定するパラメータと、計測信号データをカテゴリーに分類する時に使用する分解能を定義するパラメータを決定するパラメータ決定手段と、
    前記学習用計測信号データと判定用計測信号データの期間を設定するパラメータに基づいて、計測信号データベースから学習用計測信号データと判定用計測信号データを抽出する学習・判定用計測信号抽出手段と、
    前記カテゴリーに分類する時に使用する分解能を定義するパラメータを用いて、学習用計測信号データをカテゴリーに分類する機能と、該分類結果を用いて判定用計測信号データをカテゴリーに分類する機能と、学習用計測信号データをカテゴリーに分類した結果に判定用計測信号データが分類できないときに新規カテゴリーを生成する機能を有するデータ分類手段と、
    新規カテゴリーが生成されるか、一定期間内に生成されるカテゴリー分類情報、もしくはカテゴリー分類情報の出現回数が同じか異なるかを判定する分類結果処理手段と、
    前記分類結果処理手段での判定結果が同じ場合には、前記パラメータ決定手段で学習用計測信号データと判定用計測信号データの期間を設定するパラメータ、もしくは、計測データをカテゴリーに分類する時に使用する分解能を定義するパラメータを更新し、
    前記分類結果処理手段での判定結果が異なる場合には、前記異常診断データベースに前記データ分類手段で分類したカテゴリーの分類情報と出現回数を保存することを特徴とした診断装置。
  3. 請求項1あるいは請求項2に記載された診断装置において、
    前記比較手段は、計測信号データベースに保存されているデータをカテゴリーに分類した結果と、異常診断データベースに保存されている情報を用いて、カテゴリー分類情報毎の出現回数の差を加算することで正常・異常状態との類似度を求め、類似度の高い状態が異常である場合に異常内容を表示するための情報を画像表示データとして出力することを特徴とした診断装置。
  4. 請求項1あるいは請求項2に記載された診断装置において、
    前記異常判定データベースに、カテゴリー番号の組み合わせが保存され、
    前記比較手段は、前記計測信号データベースに保存されているデータをカテゴリーの組み合わせに分類した結果と前記異常判定データベースに保存されているカテゴリー分類情報の組み合わせの情報を比較することでプラントの運転状態を診断することを特徴とした診断装置。
  5. 請求項1あるいは請求項2に記載された診断装置において、
    前記比較手段は、異常判定データベースの情報と計測信号データをカテゴリーに分類した結果を同時に表示する画像表示データ、もしくは、計測データの経時変化を表示する画面に、カテゴリー番号毎に異なる色をつけて表示する画像表示データの少なくとも1つを出力することを特徴とした診断装置。
  6. 請求項2に記載された診断装置において、
    前記パラメータ決定手段は、異常発生時間以前のデータを異常検出用の学習用計測信号データの期間,異常発生時間以降のデータを異常検出用の判定用計測信号データの期間に設定する機能を有することを特徴とした診断装置。
  7. 請求項2に記載された診断装置において、
    前記パラメータ決定手段は、計測データをカテゴリーに分類する時に使用する分解能を定義するパラメータを、分解能が上昇するように更新することを特徴とした診断装置。
  8. 請求項2に記載された診断装置において、
    前記パラメータ決定手段は、少なくともマウス,キーボードのうちひとつで構成される外部入力装置から入力される信号に従って、学習用計測信号データと判定用計測信号データの期間を決定するパラメータと、カテゴリーに分類する時に使用する分解能を定義するパラメータを決定する機能を有することを特徴とした診断装置。
  9. 請求項2に記載された診断装置において、
    プラントの特性を模擬する数値解析手段と、
    前記数値解析手段による計算結果を保存する解析結果データベースを備え、
    前記学習・判定データ抽出手段は、解析結果データベースに保存されているデータから学習用計測信号データ、及び判定用計測信号データを抽出する機能を持つことを特徴とした診断装置。
  10. プラントの診断装置による診断方法であって、
    前記プラントの診断装置が、
    プラントの計測信号を保存する計測信号データベースと、正常時又は異常時のデータをカテゴリーに分類したカテゴリー分類情報と、前記カテゴリー分類情報の出現回数が保存されている異常判定データベースとを有し、
    前記計測信号データベースに保存されているデータをカテゴリーに分類した結果と前記異常判定データベースに保存されているカテゴリー分類情報をカテゴリー分類情報の出現回数の情報を用いて比較することでプラントの運転状態を診断し、
    診断の結果が異常であった場合には、異常を知らせる情報を画像表示データとして出力することを特徴とした診断方法。
  11. 請求項10に記載された診断方法において、
    前記診断装置は、
    学習用計測信号データと判定用計測信号データの期間を設定するパラメータと、計測信号データをカテゴリーに分類する時に使用する分解能を定義するパラメータを決定し、
    前記学習用計測信号データと判定用計測信号データの期間を設定するパラメータに基づいて、計測信号データベースから学習用計測信号データと判定用計測信号データを抽出し、
    前記カテゴリーに分類する時に使用する分解能を定義するパラメータを用いて、学習用計測信号データをカテゴリーに分類し、該分類結果を用いて判定用計測信号データをカテゴリーに分類し、学習用計測信号データをカテゴリーに分類した結果に判定用計測信号データが分類できないときに新規カテゴリーを生成し、
    新規カテゴリーが生成されるか、一定期間内に生成されるカテゴリー分類情報、もしくはカテゴリー分類情報の出現回数が同じか異なるかを判定し、
    前記分類結果処理手段での判定結果が同じ場合には、前記学習用計測信号データと前記判定用計測信号データの期間を設定する前記パラメータ、もしくは、計測データをカテゴリーに分類する時に使用する分解能を定義する前記パラメータを更新し、
    前記分類結果処理手段での判定結果が異なる場合には、前記異常診断データベースに前記データ分類手段で分類したカテゴリーの分類情報と出現回数を保存することを特徴とした診断方法。
  12. 請求項10あるいは請求項11に記載された診断方法において、
    前記診断装置は、計測信号データベースに保存されているデータをカテゴリーに分類した結果と、異常診断データベースに保存されている情報を用いて、カテゴリー分類情報毎の出現回数の差を加算することで正常・異常状態との類似度を求め、類似度の高い状態が異常である場合に異常内容を表示するための情報を画像表示データとして出力することを特徴とした診断方法。
  13. 請求項10あるいは請求項11に記載された診断方法において、
    前記異常判定データベースに、カテゴリー番号の組み合わせが保存され、
    前記診断装置は、前記計測信号データベースに保存されているデータをカテゴリーの組み合わせに分類した結果と前記異常判定データベースに保存されているカテゴリー分類情報の組み合わせの情報を比較することでプラントの運転状態を診断することを特徴とした診断方法。
  14. 請求項10あるいは請求項11に記載された診断方法において、
    前記診断装置は、異常判定データベースの情報と計測信号データをカテゴリーに分類した結果を同時に表示する画像表示データ、もしくは、計測データの経時変化を表示する画面に、カテゴリー番号毎に異なる色をつけて表示する画像表示データの少なくとも1つを出力することを特徴とした診断方法。
  15. 請求項11に記載された診断方法において、
    前記診断装置は、前記パラメータを決定する際に、異常発生時間以前のデータを異常検出用の学習用計測信号データの期間,異常発生時間以降のデータを異常検出用の判定用計測信号データの期間に設定することを特徴とした診断方法。
  16. 請求項11に記載された診断方法において、
    前記診断装置は、前記パラメータを決定する際に、計測データをカテゴリーに分類する時に使用する分解能を定義するパラメータを、分解能が上昇するように更新することを特徴とした診断方法。
  17. 請求項11に記載された診断方法において、
    前記診断装置は、前記パラメータを決定する際に、少なくともマウス,キーボードのうちひとつで構成される外部入力装置から入力される信号に従って、学習用計測信号データと判定用計測信号データの期間を決定するパラメータと、カテゴリーに分類する時に使用する分解能を定義するパラメータを決定することを特徴とした診断方法。
  18. 請求項11に記載された診断装方法において、
    前記診断装置は、
    プラントの特性を模擬する数値解析手段と、前記数値解析手段による計算結果を保存する解析結果データベースを備え、
    前記学習用計測信号データと判定用計測信号データを抽出する際に、解析結果データベースに保存されているデータから学習用計測信号データ、及び判定用計測信号データを抽出することを特徴とした診断方法。
JP2009083989A 2009-03-31 2009-03-31 プラントの異常診断装置及び異常診断方法 Active JP5097739B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2009083989A JP5097739B2 (ja) 2009-03-31 2009-03-31 プラントの異常診断装置及び異常診断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2009083989A JP5097739B2 (ja) 2009-03-31 2009-03-31 プラントの異常診断装置及び異常診断方法

Publications (2)

Publication Number Publication Date
JP2010237893A true JP2010237893A (ja) 2010-10-21
JP5097739B2 JP5097739B2 (ja) 2012-12-12

Family

ID=43092154

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2009083989A Active JP5097739B2 (ja) 2009-03-31 2009-03-31 プラントの異常診断装置及び異常診断方法

Country Status (1)

Country Link
JP (1) JP5097739B2 (ja)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011070334A (ja) * 2009-09-25 2011-04-07 Hitachi Ltd 異常診断装置及び異常診断方法
WO2012073289A1 (ja) * 2010-12-02 2012-06-07 株式会社日立製作所 プラントの診断装置及びプラントの診断方法
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
JP2015044680A (ja) * 2013-08-29 2015-03-12 三菱日立パワーシステムズ株式会社 粉粒体の供給システム、及び粉粒体の供給システムを備えた燃焼装置
JPWO2016132396A1 (ja) * 2015-02-19 2017-06-22 三菱電機株式会社 手順抽出システム
JP2017117034A (ja) * 2015-12-22 2017-06-29 株式会社日立製作所 診断装置及び診断方法
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
JP2018049314A (ja) * 2016-09-20 2018-03-29 株式会社日立製作所 プラントデータ表示処理装置及びプラント制御システム
WO2019082491A1 (ja) 2017-10-25 2019-05-02 株式会社日立製作所 プラントの運転支援装置及び運転支援方法
WO2019167375A1 (ja) 2018-03-01 2019-09-06 株式会社日立製作所 診断装置および診断方法
CN111108455A (zh) * 2017-11-13 2020-05-05 株式会社日立制作所 数据分类装置
CN113287104A (zh) * 2019-03-12 2021-08-20 株式会社日立制作所 数据分类装置
US11334058B2 (en) 2017-03-08 2022-05-17 Hitachi, Ltd. Plant data classification device, plant data display processing device, and plant control system
EP4030249A4 (en) * 2019-09-11 2023-10-04 Hitachi Zosen Corporation INFORMATION PROCESSING DEVICE, OPERATION SUPPORT SYSTEM, INFORMATION PROCESSING METHOD, AND INFORMATION PROCESSING PROGRAM

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001084034A (ja) * 1999-09-16 2001-03-30 Yokogawa Electric Corp イベント記録の解析方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001084034A (ja) * 1999-09-16 2001-03-30 Yokogawa Electric Corp イベント記録の解析方法

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011070334A (ja) * 2009-09-25 2011-04-07 Hitachi Ltd 異常診断装置及び異常診断方法
WO2012073289A1 (ja) * 2010-12-02 2012-06-07 株式会社日立製作所 プラントの診断装置及びプラントの診断方法
JP5484591B2 (ja) * 2010-12-02 2014-05-07 株式会社日立製作所 プラントの診断装置及びプラントの診断方法
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
JP2013025461A (ja) * 2011-07-19 2013-02-04 Hitachi Ltd プラントの診断方法及び装置。
JP2015044680A (ja) * 2013-08-29 2015-03-12 三菱日立パワーシステムズ株式会社 粉粒体の供給システム、及び粉粒体の供給システムを備えた燃焼装置
JPWO2016132396A1 (ja) * 2015-02-19 2017-06-22 三菱電機株式会社 手順抽出システム
JP2017117034A (ja) * 2015-12-22 2017-06-29 株式会社日立製作所 診断装置及び診断方法
JPWO2017154744A1 (ja) * 2016-03-11 2018-09-06 株式会社日立製作所 生産設備経営最適化装置
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
US10816965B2 (en) 2016-03-11 2020-10-27 Hitachi, Ltd. Manufacturing facility management optimization device
JP2018049314A (ja) * 2016-09-20 2018-03-29 株式会社日立製作所 プラントデータ表示処理装置及びプラント制御システム
US11320808B2 (en) 2016-09-20 2022-05-03 Hitachi, Ltd. Plant data display processing device and plant control system
US11334058B2 (en) 2017-03-08 2022-05-17 Hitachi, Ltd. Plant data classification device, plant data display processing device, and plant control system
WO2019082491A1 (ja) 2017-10-25 2019-05-02 株式会社日立製作所 プラントの運転支援装置及び運転支援方法
CN111108455A (zh) * 2017-11-13 2020-05-05 株式会社日立制作所 数据分类装置
WO2019167375A1 (ja) 2018-03-01 2019-09-06 株式会社日立製作所 診断装置および診断方法
JP2019153018A (ja) * 2018-03-01 2019-09-12 株式会社日立製作所 診断装置および診断方法
JP7180985B2 (ja) 2018-03-01 2022-11-30 株式会社日立製作所 診断装置および診断方法
CN113287104A (zh) * 2019-03-12 2021-08-20 株式会社日立制作所 数据分类装置
EP4030249A4 (en) * 2019-09-11 2023-10-04 Hitachi Zosen Corporation INFORMATION PROCESSING DEVICE, OPERATION SUPPORT SYSTEM, INFORMATION PROCESSING METHOD, AND INFORMATION PROCESSING PROGRAM

Also Published As

Publication number Publication date
JP5097739B2 (ja) 2012-12-12

Similar Documents

Publication Publication Date Title
JP5097739B2 (ja) プラントの異常診断装置及び異常診断方法
JP5199478B2 (ja) プラント診断装置
JP5484591B2 (ja) プラントの診断装置及びプラントの診断方法
JP5292477B2 (ja) 診断装置及び診断方法
EP2905665B1 (en) Information processing apparatus, diagnosis method, and program
JP5538597B2 (ja) 異常検知方法及び異常検知システム
JP5301310B2 (ja) 異常検知方法及び異常検知システム
WO2015079766A1 (ja) プラントの診断装置及び診断方法
JP5150590B2 (ja) 異常診断装置及び異常診断方法
JP7108417B2 (ja) 異常検知システム
US10281360B2 (en) Method and system for the vibration analysis of an engine
EP3477412B1 (en) System fault isolation and ambiguity resolution
JP2013143009A (ja) 設備状態監視方法およびその装置
CN102999038A (zh) 发电设备的诊断装置、以及发电设备的诊断方法
JP6326321B2 (ja) データ表示システム
CN107710089B (zh) 工厂设备诊断装置以及工厂设备诊断方法
CN107924184A (zh) 监视装置及监视装置的控制方法
CN114450646B (zh) 用于使用深度学习来检测风力涡轮操作异常的系统和方法
JP2012058885A (ja) 故障原因診断方法及び故障原因診断装置
JP2005165375A (ja) 設備の診断装置及び診断方法
JP6685124B2 (ja) 診断装置及び診断方法
JPWO2018051568A1 (ja) プラント異常診断装置及びプラント異常診断システム
JP6830414B2 (ja) 診断装置及び診断方法
JP2020107248A (ja) 異常判定装置および異常判定方法
US20210056488A1 (en) Machine learning method and machine learning apparatus performing learning relating to work process

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20110620

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20120828

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20120924

R151 Written notification of patent or utility model registration

Ref document number: 5097739

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20150928

Year of fee payment: 3