JP2010506331A - 製造プラントにおける不良検知方法およびシステム - Google Patents

Abstract

製造プラントにおける異常運転検知を支援する方法およびシステムにおいて、複数のプロセス変数の値が解析されて、製造プラントに関する複数の不良の存在が判定される。１つまたは複数の不良が検知されると、１つまたは複数の指標が生成される。複数のプロセス変数の解析には、係数行列の利用が含まれる。係数行列は、不良の発生に対応するプロセス変数に基づいて生成される。

Description

本発明は一般にプロセス制御システムに関し、特に製造プラントにおける監視システム技術に関する。

化学、石油、あるいはその他の処理プロセスで使用されるような、分散型もしくはスケーラブルプロセス制御システムなどのプロセス制御システムは、一般的に、１つまたは複数のプロセスコントローラを含み、それがアナログ、デジタル、あるいはアナログ／デジタル複合のバスを介して、相互に、また少なくとも１つのホストないしはオペレータワークステーションおよび１つまたは複数のフィールド機器と、通信可能に結合している。たとえば、バルブ、バルブポジショナ、スイッチ、および送信機（例：温度センサ、圧力センサ、流量センサ）などのフィールド機器は、プロセス装置の中でバルブの開閉やプロセスパラメータの測定などの機能を遂行する。プロセスコントローラは、フィールド機器によるプロセス計測値を示す信号、および／またはフィールド機器に関するほかの情報を受信し、この情報を用いて制御ルーチンを実行し、バスを通してフィールド機器へ送られてプロセス操作を制御する制御信号を生成する。フィールド機器およびコントローラからの情報は一般的にオペレータワークステーションで実行される１つまたは複数のアプリケーションで取得可能であり、オペレータがプロセスの現状の閲覧、プロセスの運転の変更、などのプロセスに関する任意の所望の機能を遂行することを可能とする。

過去には、従来型のフィールド機器が使用されて、アナログバスすなわちアナログラインを介しての（たとえば、４〜２０ｍＡの）アナログ信号がプロセスコントローラとの間を送受信されていた。この４〜２０ｍＡの信号は、デバイスによる測定値、およびコントローラが生成するデバイスの運転制御に必要な制御信号を示すことにだけ事実上限られていた。しかしながらこの１０年余りで、プロセス制御業界ではマイクロプロセッサおよびメモリを備えたスマートフィールド機器が広く用いられるようになった。プロセス内部の基本的な機能の遂行に加えて、スマートフィールド機器は、デバイスに係わるデータを格納し、コントローラおよび／またはその他のデバイスと、デジタルフォーマットあるいはデジタルとアナログの複合フォーマットで通信し、自己較正、同定、診断などの副次的タスクも遂行する。ＨＡＲＴ（登録商標）、ＰＲＯＦＩＢＵＳ（登録商標）、ＷＯＲＬＤＦＩＰ（登録商標）、Ｄｅｖｉｃｅ Ｎｅｔ（登録商標）、およびＣＡＮプロトコルなどの、多くの標準およびオープンスマートデバイス通信プロトコルが開発されてきており、製造元の異なるスマートフィールド機器が同一のプロセス制御ネットワーク内で一緒に使用できるようになった。その上、Ｆｉｅｌｄｂｕｓ Ｆｏｕｎｄａｔｉｏｎにより普及された、ＦＯＵＮＤＡＴＩＯＮ（登録商標）Ｆｉｅｌｄｂｕｓ（以後,“Ｆｉｅｌｄｂｕｓ”と称す）プロトコルとして知られる、全デジタルの２芯バスプロトコルが、従来は中央コントローラ内で遂行されていた制御操作を、異なるフィールド機器に配置された機能ブロックを使用して遂行する。この場合、Ｆｉｅｌｄｂｕｓのフィールド機器は１つまたは複数の機能ブロックを格納および実行することができ、それぞれが他の機能ブロック（同一デバイス内のものでも、別のデバイス内のものでも）から入力を受信し、および／または出力を提供し、かつプロセスパラメータの計測あるいは検知、デバイスの制御あるいは比例積分微分（ＰＩＤ）制御ルーチンの実行のような制御動作の遂行、などのある種のプロセス制御動作を遂行する。１つのプロセス制御システム内の異なる機能ブロックは、相互に（たとえば、バスを介して）通信して、１つまたは複数のプロセス制御ループを形成するように構成される。その個別の操作はプロセスを通して拡散し、したがって分散化される。

フィールド機器およびプロセスコントローラからの情報は、一般的に、オペレータワークステーション、メンテナンスワークステーション、パーソナルコンピュータ、携帯機器、データヒストリアン、レポート生成装置、集中データベース、などの１つまたは複数の他のハードウェアにおいて入手可能となる。それによってオペレータあるいはメンテナンス担当者が、たとえば、プロセス制御ルーチンの設定を変更する、プロセスコントローラあるいはスマートフィールド機器の中の制御モジュールの運転を変更する、製造プラント内のプロセスあるいは特定のデバイスの現状を閲覧する、フィールド機器およびプロセスコントローラによって生成された警報を閲覧する、担当者の教育ないしはプロセス制御ソフトウェアのテストのためにプロセス運転をシミュレートする、製造プラント内の問題ないしはハードウェア不良を診断する、というようなプロセスに関する所望の機能を遂行できる。

典型的な製造プラントは、１つまたは複数のプロセスコントローラに接続されたバルブ、送信機、センサなどの、多くのプロセス制御および計装用のデバイスを有しているが、そのほかにもプロセス運転のための、あるいはそれに関連する支援デバイスが数多くある。これらの付加的なデバイスには、たとえば、電力供給設備、給配電設備や、タービン、モータ他の回転設備などが含まれ、これらは一般的なプラントではさまざまな場所に配置されている。この付加的な設備は必ずしもプロセス変数を生成したり使用したりしなくて、多くの場合、プロセス運転に影響を及ぼす目的で制御されることはなく、プロセスコントローラへの接続もなされていないが、それでもこの設備はプロセスを適正に運転するためには重要であり、きわめて必要なものである。

周知の通り、製造プラント環境の内部、特に多数のフィールド機器および補助設備を有する製造プラントでは問題が頻繁に発生する。これらの問題は、デバイスの破損や誤動作、ソフトウェアルーチンなどの論理エレメントの不適当なモード、プロセス制御ループの不適当な調整、製造プラント内のデバイス間における１つまたは複数の通信不良、などの形態となって現れる。これらおよびその他の問題は、本質的に数は多いが、概してプロセス運転の異常状態（すなわち、製造プラントの異常状態）をもたらし、それが通常、製造プラントの準最適性能に関係する。問題が発生し、検知されたときに、製造プラント内での問題を検知し、原因を判定し、オペレータあるいはメンテナンス担当者が診断して、問題を正すことを支援するための診断ツールおよびアプリケーションが沢山開発されてきている。たとえば、通常、直接接続バスあるいは無線バスや、イーサネット、モデム、電話線、および類似のものなどの通信接続を介してプロセスコントローラに接続されている、オペレータワークステーションが、ソフトウェアあるいはファームウェアを動作させるためのプロセッサおよびメモリを有している。その例として、エマソンプロセスマネジメント社から発売されているＤｅｌｔａ Ｖ（登録商標）およびＯｖａｔｉｏｎ制御システムがあり、これは多数の制御モジュールおよび制御ループ診断ツールを備えている。同様に、メンテナンスワークステーションは、コントローラアプリケーションと同じ通信接続を介して、あるいは、ＯＰＣ接続、携帯機器接続等の別の通信接続を介して、フィールド機器などのプロセス制御機器と接続されているが、このメンテナンスワークステーションが、製造プラント内のフィールド機器により生成された警報および警告を閲覧し、製造プラント内のデバイスをテストし、製造プラント内のフィールド機器およびその他のデバイスに対してメンテナンス活動を遂行するように設計された１つまたは複数のアプリケーションを普通備えている。製造プラント内の補助設備での問題を診断するための同様な診断アプリケーションも開発されてきている。

このように、たとえば、エマソンプロセスマネジメント社から発売されている、ＡＭＳ（登録商標）Ｓｕｉｔｅ：インテリジェント・デバイス・マネージャ・アプリケーション（“フィールド機器管理システムで使用するための統合通信ネットワーク”と題する、特許文献１に少なくとも部分的に開示されている）は、フィールド機器と通信し、フィールド機器に関連するデータを格納することが可能で、そのフィールド機器の動作状態を確認および追跡することができる。ある例では、ＡＭＳ（登録商標）アプリケーションはフィールド機器と通信して、フィールド機器内のパラメータを変更したり、たとえばフィールド機器の状態もしくは調子に関する情報を得るために、自己較正ルーチン、自己診断ルーチンなどのアプリケーションをフィールド機器上で動作させたりするために使用することができる。この情報には、たとえば、ステータス情報（例：警報や他の類似のイベントが発生していないかどうか）、デバイス環境設定情報（例：フィールド機器の現在あるいはこれから可能な設定状態、フィールド機器で使用する測定単位の種類）、デバイスパラメータ（例：フィールド機器の値域および他のパラメータ）、などが含まれる。勿論、この情報はメンテナンス担当者がフィールド機器の問題を監視、保全、および／または診断するために使用することができる。

同様に多くの製造プラントが、たとえばＣＳＩシステムズによるＲＢＭｗａｒｅのような設備の監視および診断アプリケーションや、種々の回転設備の運転状態を監視、診断、最適化するためのほかの任意の既知のアプリケーションを備えている。メンテナンス担当者は、通常プラント内の回転設備の維持および性能監視のためにこれらのアプリケーションを使用し、回転設備に問題がないかどうかを判定し、回転設備の修理や交換が必要かどうか、またいつ必要か、などを判定する。同様に、多くの製造プラントは、たとえばＬｉｅｂｅｒｔ ａｎｄ ＡＳＣＯ社から提供されるような、電力制御および診断アプリケーションを備え、発電および配電設備の制御、保全を行う。また、たとえばリアルタイムオプティマイザ（ＲＴＯ＋）のような制御最適化アプリケーションを製造プラント内で動作させて、製造プラントの制御活動の最適化を図ることも知られている。このような最適化アプリケーションは一般的に複雑なアルゴリズムおよび／または製造プラントモデルを使用して、たとえば収益などのある所望の最適化変数に関して、製造プラント運転の最適化を図るためにはどのように入力を変えるべきかを予測する。

これらおよびその他の診断および最適化アプリケーションは、通常はシステム全体に亘り、１つまたは複数のオペレータワークステーションもしくはメンテナンスワークステーションに実装され、製造プラントあるいは製造プラント内のデバイスや設備の、運転状態に関する事前設定された表示を、オペレータあるいはメンテナンス担当者に提供する。典型的な表示としては、製造プラント内のプロセスコントローラあるいは他のデバイスにより生成された警報を受信する警報表示、製造プラント内のプロセスコントローラあるいは他のデバイスの運転状態を示す制御表示、製造プラント内のデバイスの運転状態を示す保全表示、などがある。同様に、これらおよび他の診断アプリケーションは、オペレータあるいはメンテナンス担当者が制御ループの再調整もしくは他の制御パラメータをリセットし、フィールド機器の現状を判定するために１つまたは複数のフィールド機器でテストを行い、フィールド機器あるいは他の設備を較正し、あるいは製造プラント内のデバイスおよび設備のその他の問題検知と是正処置を遂行する、ことを可能にする。

米国特許第５，９６０，２１４号明細書

これらのさまざまなアプリケーションおよびツールは、製造プラント中の問題点を特定し、是正するのに大変役立つが、これらの診断アプリケーションは通常、製造プラント内で既に問題が発生した後、したがって、プラント内に異常状態が既に存在する状態になって初めて使用されるように設定されている。不幸にも異常状態は、ツールを用いて検知、特定、是正されるしばらく前から存在しており、このことは問題が検知、特定、是正されるしばらくの期間、製造プラントが準最適性能の状態にあることになる。多くの場合、コントロールオペレータは、警報、警告、あるいは製造プラントの性能劣化によって初めて問題があることを検知する。オペレータは次にメンテナンス担当者に問題が発生した可能性のあることを通知する。メンテナンス担当者は実際の問題を検知できる場合もあるし、できない場合もある。そしてさらに入力を繰り返した後にようやくテストや他の診断アプリケーションを実際に動作させ、あるいは実際の問題を特定するのに必要なその他の活動を行う。問題が特定された後に、メンテナンス担当者は、部品を発注し、保全手順を計画することが必要となる。これらのすべてにより、問題が発生してから問題が是正されるまでかなりの期間を要することになり、この期間は一般的にプラントの準最適運転に関連する異常状態で製造プラントを操業することになる。

さらに、多くの製造プラントが、比較的短期間の間にかなりのコストもしくはダメージをもたらす異常状態を経験することがある。たとえば、ある異常状態では、この異常状態が短時間の間であったとしても、設備に対する重大なダメージ、原材料の損失、あるいは製造プロセスの予想外の重大なダウンタイム、を引き起こす可能性がある。このように、如何に迅速に問題を是正するかどうかに拘らず、プラント内での問題を、単に問題が発生した後に検知するというだけでは、製造プラントに重大な損失もしくはダメージを与えることになる可能性がある。結果として、異常状態が発生した後に、単に製造プラント内の異常に対応し、是正しょうとするのではなく、先ず第１に異常状態の発生を防ぐようにすることが望ましい。

異常状態が実際に発生する前に製造プラント内の何らかの異常状態の発生をユーザが予測できるデータを収集するために、ある手法が利用される。これは製造プラント内で重大な損失が発生する前に、予想される異常状態を防止するための方策を講じることを目的としている。この手順は、“根本原因診断”と題する米国特許出願第０９／９７２，０７８号明細書（米国特許出願第０８／６２３，５６９号明細書（現米国特許第６，０１７，１４３号）に部分的に依拠）に開示されている。これにより、これら２つの特許出願の全体の開示は、参照によって本明細書に引用したものとする。一般的に言えば、この技術により、製造プラント内のフィールド機器などの一群のデバイスのそれぞれに、統計的データ収集・処理ブロック、すなわち統計的プロセス監視（ＳＰＭ）ブロックが配置される。統計的データ収集・処理ブロックはたとえば、プロセス変数データを集め、集めたデータに関する、平均値、中央値、標準偏差などの統計的指標のあるものを確定する。これらの統計的指標は、次にユーザに送られて解析され、既知の異常状態が将来発生することを示唆するパターンが認識される。特定の将来の異常状態の疑いが検知されると、その基をなす問題を是正するべく処置をとり、それによって先ず異常状態の回避を図る。

製造プラントにおける問題点を監視し、検知する他の手法が開発されてきた。そのような手法の１つが、統計的プロセス管理（ＳＰＣ）と呼ばれている。ＳＰＣは、品質変数などのプロセスに関連する変数を監視し、品質変数の“統計的”標準からのずれが検知された場合にオペレータに知らせるように用いられてきた。ＳＰＣでは、基幹の品質変数のような変数の小サンプルを用いて、小サンプルの統計的データが生成される。小サンプルの統計的データは次に、その変数の、はるかに大きいサンプルに対応する統計的データと比較される。変数は実験室あるいは分析器で生成され、あるいはデータヒストリアンから読み出される。小サンプルの平均もしくは標準偏差がそれぞれ、大サンプルの平均もしくは標準偏差からある所定の量だけ乖離したときに、ＳＰＣの警報が生成される。ＳＰＣの意図するところは、小サンプルでの通常の統計変数に基づいてプロセスを調節することを避けようとするものである。小サンプルの平均あるいは標準偏差のチャートが、オペレータに対して、制御コンソールとは別のコンソール上に表示される。

多数の変数を解析する別の手法があり、多変量統計的プロセス管理（ＭＳＰＣ）と呼ばれている。この手法では、歴史的データを解析してプロセスの統計モデルを形成しようとする、主成分回帰（ＰＣＡ）および潜在構造予測（ＰＬＳ）などのアルゴリズムを利用する。特に、正常運転に対応する変数サンプルおよび異常運転に対応する変数サンプルを解析し、警報を発するタイミングを決定するモデルを生成する。モデルを定義した後、現状プロセスに対応する変数がモデルに与えられ、この変数が異常運転を示せば警報が発せられる。

モデルベースの性能監視システム手法では、プロセス入力からプロセス出力に関係する、相関モデルあるいは主因モデルなどのモデルが利用される。このモデルは、内部調整定数あるいはバイアス項を調整することによって実際のプラント運転に対して較正される。モデルを利用して、プロセスが異常領域に入ろうとする時を予測し、オペレータにアクションをとるように警告することができる。予測された行動に対して顕著な偏倚が実際にある場合、あるいは計算される効果パラメータに大きな変化がある場合に、警報が発せられる。モデルベース性能監視システムは一般的に、単一ユニット運転（例：ポンプ、圧縮器、ヒータ、コラム、など）の小規模のもの、あるいはプロセスユニット（例：原油ユニット、流動接触分解ユニット（ＦＣＣＵ）、リフォーマ、など）を構成する複合運転を対象とする。

製造プラントにおける異常運転検知を支援する方法およびシステムの例を開示する。一般的に言って、複数のプロセス変数の値を解析して、製造プラントに関する複数の不良の存在を判定する。１つまたは複数の不良が検知されると、１つまたは複数の指標が生成される。複数のプロセス変数の値の解析には、係数行列の利用が含まれる。係数行列は、不良の発生に対応するプロセス変数に基づいて生成される。たとえば、係数行列は、不良発生を模擬あるいは模型とする、シミュレーションシステムあるいはモデルにより生成されるプロセス変数データを使って生成される。勿論、係数行列は、シミュレーションシステムあるいはモデルで生成されたデータではなく、実際のプロセス変数データにより生成することもできる。

一実施形態において、製造プラントのプロセスの異常運転検知支援方法が、プロセス変数データを受信するステップを含む。プロセス変数データおよび係数行列が、不良監視ベクトルを生成するのに利用される。不良監視ベクトルは、プロセスに異常運転がないかどうかを判定するのに用いられる。

別の実施形態においては、製造プラントのプロセスの異常運転検知支援システムに、係数行列およびプロセス変数データを受信する、不良監視ベクトル発生器が含まれる。このシステムには、不良監視ベクトル発生器と結合した異常運転検知システムも含まれる。異常運転検知システムは、不良監視ベクトル発生器により生成される不良監視ベクトルに基づいて製造プラントの異常運転を検知することができる。

別の態様においては、製造プラント用の異常運転検知システムを構成する方法が、製造システムの不良発生に対応するプロセス変数データを受信するステップを含む。プロセス変数データ行列は、第１のプロセス変数データに基づいて生成される。また、プロセス変数データ行列に対応する不良行列が生成される。さらに、プロセス変数データ行列および不良行列を用いて係数行列が生成される。次に、係数行列を用いて異常運転検知システムが、異常運転検知システムによって受信されたプロセス変数に基づく不良指標を生成する。

別の実施形態においては、製造プラントにおけるプロセスの異常運転検知支援システムが、少なくとも１つのコンピュータ可読媒体と、少なくとも１つのコンピュータ可読媒体と結合した少なくとも１つのプロセッサと、を備える。このプロセッサは、少なくとも１つのコンピュータ可読媒体上に格納された実行可能な命令に従って、プロセス変数データ行列と不良行列とを用いて係数行列を生成するように構成されてもよい。係数行列を用いて異常運転検知システムが、異常運転検知システムによって受信されたプロセス変数に基づく不良指標を生成する。

１つまたは複数のオペレータおよびメンテナンス用ワークステーション、コントローラ、フィールド機器、および補助設備を含む、分散型の制御およびメンテナンスネットワークを有する製造プラントの一例のブロック図である。 図１の製造プラントの部分ブロック図である。製造プラントの異なる要素内に配置された異常状態防止システムのさまざまな部品間の通信相互接続を示す。 製造プラント内に１つまたは複数の不良が存在するかどうかを判定するための異常運転検知（ＡＯＤ）システムの一例のブロック図である。 製造プラント内に１つまたは複数の不良が存在するかどうかを判定するための方法の一例のフロー図である。 図３の係数行列発生器の操作法の一例のフロー図である。 図３の不良監視ベクトル発生器および不良検知器の操作法の一例のフロー図である。 図３のＡＯＤシステムのようなＡＯＤシステムを利用したプロセス制御システムの一例のブロック図である。 図３のＡＯＤシステムのようなＡＯＤシステムをフィールドバスシステムに実装した例を示すブロック図である。 １つまたは複数のＡＯＤシステムの実装を支援するために別の製造プラント内に接続されたインタフェース装置を示す図である。 １つまたは複数のＡＯＤシステムの実装を支援するためにさらに別の製造プラント内に接続されたインタフェース装置を示す図である。

ここで図１を参照すると、異常状態防止システムが実装されている製造プラント１０の例が、１つまたは複数の通信ネットワークを介して補助設備と相互接続された多数の制御・メンテナンスシステムを含んでいる。特に、図１の製造プラント１０は１つまたは複数のプロセス制御システム１２および１４を含んでいる。プロセス制御システム１２は、ＰＲＯＶＯＸやＲＳ３システム、あるいは他の任意の制御システムなどの従来のプロセス制御システムであってもよい。これはコントローラ１２Ｂおよび入出力（Ｉ／Ｏ）カード１２Ｃに連結したオペレータ用インタフェース１２Ａを含み、コントローラ１２Ｂおよび入出力（Ｉ／Ｏ）カード１２Ｃは、アナログおよびＨｉｇｈｗａｙ Ａｄｄｒｅｓｓａｂｌｅ Ｒｅｍｏｔｅ Ｔｒａｎｓｍｉｔｔｅｒ（ＨＡＲＴ）フィールド機器１５などのさまざまなフィールド機器に連結されている。プロセス制御システム１４は分散型プロセス制御システムであってもよいが、イーサネットバスなどのバスを経由して１つまたは複数の分散型制御装置１４Ｂに連結された、１つまたは複数のオペレータ用インタフェース１４Ａを含む。コントローラ１４Ｂは、たとえば、テキサス州オースチンのエマソンプロセスマネジメント社が販売しているＤｅｌｔａ Ｖ(登録商標)コントローラ、あるいはその他の任意の所望タイプのコントローラであってもよい。コントローラ１４ＢはＩ／Ｏデバイスを介して１つまたは複数のフィールド機器１６、たとえばＨＡＲＴあるいはＦｉｅｌｄｂｕｓのフィールド機器、あるいは、たとえばＰＲＯＦＩＢＵＳ（登録商標）、ＷＯＲＬＤＦＩＰ（登録商標）、Ｄｅｖｉｃｅ−Ｎｅｔ（登録商標）、ＡＳ−Ｉｎｔｅｒｆａｃｅ ａｎｄ ＣＡＮプロトコルの任意のものを使用した機器を含むその他の任意のスマートフィールド機器あるいは非スマートフィールド機器、などに接続される。周知のように、フィールド機器１６は、プロセス変数や他のデバイス情報に関連するアナログあるいはデジタル情報をコントローラ１４Ｂに提供することができる。オペレータ用インタフェース１４Ａは、プロセス制御オペレータがプロセスの運転を制御するために使用できるツール、たとえば、最適制御、診断エキスパート、ニューラルネットワーク、チューナなどのツール１７、１９の格納および実行ができる。

さらに、ＡＭＳ（登録商標）Ｓｕｉｔｅ：インテリジェント・デバイス・マネージャ・アプリケーションや、その他の任意のデバイスの監視、通信アプリケーションを実行するコンピュータなどのメンテナンスシステムが、プロセス制御システム１２および１４、あるいはこれらの内部の個別装置に接続されてメンテナンスや監視活動を遂行してもよい。たとえば、メンテナンスコンピュータ１８が、任意の所望通信ラインあるいはネットワーク（無線ネットワークあるいは携帯端末ネットワークを含む）を介して、コントローラ１２Ｂおよび／またはデバイス１５に接続されて通信し、場合によってはデバイス１５上で他のメンテナンス活動の再設定あるいは実行を行うことができる。同様に、ＡＭＳアプリケーションなどのメンテナンスアプリケーションが、分散型プロセス制御システム１４に付随する１つまたは複数のユーザインタフェース１４Ａにインストールされて実行され、デバイス１６の運転状況に関するデータ収集を含む、メンテナンスおよび監視機能が遂行されてもよい。

製造プラント１０はまた、タービン、モータなどのさまざまな回転設備２０を含んでおり、これらは（バス、無線通信システム、あるいは読み出しのために設備２０に接続され、その後で取外される携帯端末などの）常設あるいは臨時の通信リンクのあるものを介してメンテナンスコンピュータ２２に接続される。メンテナンスコンピュータ２２は、たとえばＣＳＩ(エマソンプロセスマネジメント社の１つ)やその他の、回転設備２０の運転状態を診断、監視、最適化する任意の既知のアプリケーションにより提供される、既知の監視および診断用アプリケーション２３を格納し、実行できる。メンテナンス担当者は、通常プラント１０内の回転設備２０の維持および性能監視のためにアプリケーション２３を使用し、回転設備２０に問題がないかどうかを判定し、回転設備２０の修理や交換が必要かどうか、またいつ必要か、などを判定する。場合によっては、外部コンサルタントもしくはサービス団体が、設備２０にかかわるデータの取得や測定を一時的に行い、このデータを用いて、この設備２０の問題点、性能不良、あるいは他の影響課題を検知するために設備２０に関する分析を遂行する。これらの場合には、分析を行うコンピュータが通信線を経由してシステム１０の他の部分に接続されていなくてもよいし、または暫定的にのみ接続されていてもよい。

同様に、プラント１０に付随する発電および配電設備２５を有する給配電システム２４は、プラント１０内の発電および配電設備２５を運転、監視する別のコンピュータ２６に、たとえばバスを介して接続されている。このコンピュータ２６は、発電および配電設備２５を制御・維持するための、たとえばＬｉｅｂｅｒｔ ａｎｄ ＡＳＣＯ、あるいは他の会社から提供されるような電力制御および診断アプリケーション２７を実行することができる。また多くの場合には、外部コンサルタントもしくはサービス団体が、設備２５にかかわるデータを一時的に取得もしくは測定するサービスアプリケーションを使用し、このデータを用いて、設備２５の問題点、性能不良、あるいは他の影響課題を検知するために設備２５に関する分析を遂行する。これらの場合に、分析を行う(コンピュータ２６などの)コンピュータが通信線を経由してシステム１０のほかの部分に接続されていなくてもよいし、または暫定的にのみ接続されていてもよい。

図1に示すように、コンピュータシステム３０が、異常状態防止システム３５を少なくとも部分的に実装し、特に、コンピュータシステム３０は設定アプリケーション３８および、オプションとして異常運転検知システム４２を格納し実装する。これらについては後でより詳細に説明する。さらに、コンピュータシステム３０は、警報／警告アプリケーション４３を実装してもよい。またさらに、コンピュータシステム３０は、製造プラント１０の１つまたは複数のシステムをシミュレートするために使用するシミュレーションシステム４４を実装してもよい。

一般的に言えば、異常状態防止システム３５は、フィールド機器１５、１６、コントローラ１２Ｂ、１４Ｂ、回転設備２０もしくはその支援コンピュータ２２、発電設備２５もしくはその支援コンピュータ２６、および製造プラント１０内部のその他の任意の所望機器および設備、などに選択自由に配置された異常運転検知システム(図１には表示せず)、および／または、コンピュータシステム３０における異常運転検知システム４２、と通信し、これらの異常運転検知システムのそれぞれを設定し、それらのシステムが監視している機器ないしはサブシステムの運転に関する情報を受信する。異常状態防止システム３５は、有線のバス４５を介してプラント１０内のコンピュータや機器の少なくとも一部のそれぞれへ通信可能に接続されるか、もしくは、たとえば無線接続、ＯＰＣを利用する専用線接続、データ収集のための携帯機器に頼る接続、等の間歇的接続、などを含むその他の任意の所望通信接続を介して接続されてもよい。同じように、異常状態防止システム３５は、製造プラント１０内のフィールド機器や装置に関わるデータをＬＡＮにより、あるいはサードパーティのサービスプロバイダによって収集されたデータの場合には、インタネット、電話回線などの公衆回線(図１にはインタネット接続４６として表示)を介して、取得することが可能である。さらに、異常状態防止システム３５は、たとえばイーサネット、モドバス、ＨＴＭＬ、ＸＭＬ、専用手法／プロトコル、などを含むさまざまな手法および／またはプロトコルを介して、プラント１０内のコンピュータ／機器と通信可能に結合できる。このように、異常状態防止システム３５をプラント１０内のコンピュータ／機器へ通信可能に結合するためにＯＰＣを利用する特定の例をここでは説明したが、当業者であれば、異常状態防止システム３５をプラント１０内のコンピュータ／機器へ通信可能に結合するさまざまな他の方法も同様に利用可能であることがわかるであろう。

図２は、図１の製造プラント例１０の一部分５０を示し、異常状態防止システム３５および／または警報／警告アプリケーション４３が例示の製造プラント１０の部分５０内のさまざまな機器と通信する１方法を説明するためのものである。図２においては、異常状態防止システム３５と、ＨＡＲＴおよびＦｉｅｌｄｂｕｓのフィールド機器内部の１つまたは複数の異常運転検知システムとの間の通信を示しているが、同様の通信は、異常状態防止システム３５と、図１に示した任意の機器および設備を含む、製造プラント１０内のほかの機器および設備との間でも起こりうることは理解されるであろう。

図２に示す製造プラント１０の部分５０が、入出力（Ｉ／Ｏ）カードないしはデバイス６８，７０を介して１つまたは複数のフィールド機器６４および６６に接続された１つまたは複数のプロセスコントローラ６０を有する、分散型プロセス制御システム５４を備えている。ここでＩ／Ｏカードもしくはデバイスは、任意の所望の通信ないし制御プロトコルに適合する任意の所望タイプのＩ／Ｏデバイスであってよい。フィールド機器６４はＨＡＲＴフィールド機器として、フィールド機器６６はＦｉｅｌｄｂｕｓフィールド機器として表示されているが、これらのフィールド機器は他の任意の所望通信プロトコルを利用することができる。また、フィールド機器６４および６６のそれぞれは、たとえばセンサ、バルブ、送信機、ポジショナ、などの任意のタイプのデバイスであってもよく、任意の所望の、オープン型、専用型、あるいはその他の通信プロトコルないしはプログラムプロトコルに適合する。ただし、Ｉ／Ｏデバイス６８および７０は、フィールド機器６４および６６に利用される所望のプロトコルと互換性がなければならないことは理解されるであろう。

いずれにせよ、コンフィギュレーションエンジニア、プロセス制御オペレータ、メンテナンス担当者、設備管理者、監督者などのプラント要員がアクセスできる、１つまたは複数のユーザインタフェースすなわちコンピュータ７２および７４（これは任意のタイプのパーソナルコンピュータ、ワークステーションであってよい）は、任意の有線あるいは無線通信構造と、たとえばイーサネットプロトコルのような任意の所望かつ適当な通信プロトコルを使用して実装された、通信線すなわちバス７６を介してプロセスコントローラ６０に結合されている。さらに、データベース７８が通信バス７６に接続され、製造プラント１０内部のプロセスコントローラ６０およびフィールド機器６４、６６に関連するオンライン可変データ、パラメータデータ、状態データ、およびその他のデータおよび構成情報を収集し格納する、データヒストリアンとして作動する。こうして、データベース７８が、プロセスコントローラ６０およびフィールド機器６４、６６にダウンロードされ格納されているプロセス制御システム５４用のコントロール構成情報とともに、プロセス構成モジュールを含む、現行構成を格納するコンイフィグレーションデータベースとして作動する。同様に、データベース７８は、製造プラント内部のフィールド機器６４、６６で収集された統計データ、フィールド機器６４、６６により収集されたプロセス変数から判定された統計データ、および以下で説明するその他の種類のデータを含む、異常状態防止の経歴データ、を格納することができる。

プロセスコントローラ６０、Ｉ／Ｏデバイス６８、７０、およびフィールド機器６４、６６は、時として厳しいプラント環境の中に配置され、またその環境を通して配信されることが一般的であるが、その一方ワークステーション７２、７４およびデータベース７８は、制御室、メンテナンス室、もしくはオペレータ、メンテナンス担当者が容易にアクセスできるその他のそれほど厳しくない環境に配置されるのが普通である。

一般的には、プロセスコントローラ６０は、それぞれに異なり、個別に実行される多数の制御モジュールすなわちブロックを利用して制御戦略を実装する、１つまたは複数の制御アプリケーションを格納、実行する。制御モジュールのそれぞれは、通常機能ブロックと呼ばれるものから成り立っている。それぞれの機能ブロックは全体の制御ルーチンの一部すなわちサブルーチンであり、（リンクと称される通信を介して）他の機能ブロックと連動して作用し、製造プラント１０の内部にプロセス制御ループを実装する。周知のように、機能ブロックはオブジェクト指向プログラミングにおけるオブジェクトに相当するが、一般的には、送信機、センサや他のプロセスパラメータ測定デバイスなどに関連するような入力機能や、ＰＩＤ制御、ファジー論理制御などを遂行する制御ルーチンに関連するような制御機能や、バルブなどの製造プラント１０内で何らかの物理的機能を遂行する機器の操作を制御する出力機能、のうちの１つを遂行する。勿論、モデル予測コントローラ（ＭＰＣｓ）やオプティマイザなどのような、ハイブリッド機能ブロックや他のタイプの複合機能ブロックが存在する。フィールドバスプロトコルおよびＤｅｌｔａ Ｖ（登録商標）システムプロトコルは、オブジェクト指向プログラミングプロトコル用に設計され実装された制御モジュールおよび機能ブロックを利用するが、制御モジュールは、たとえば、逐次機能ブロック、ラダーロジックなどを含む任意の所望の制御プログラム方式を利用して設計することが可能であり、機能ブロックや他の特定のプログラミング手法を利用した設計に限定されるものではない。

図２に示すように、メンテナンス用ワークステーション７４が、プロセッサ７４Ａ、メモリ７４Ｂ、およびディスプレイ装置７４Ｃを含む。メモリ７４Ｂは、図１に関して述べたように、異常状態防止アプリケーション３５および警報／警告アプリケーション４３を格納し、これらのアプリケーションはプロセッサ７４Ａに実装されてディスプレイ７４Ｃ（もしくは、プリンタのような他の任意の表示装置）を介してユーザへ情報を提供できるようになっている。

メモリ７４Ｂも、図１に関して述べたシミュレーションアプリケーション４４を格納し、シミュレーションアプリケーション４４がプロセッサ７４Ａへ実装できるようになっている。

１つまたは複数のフィールド機器６４および６６のそれぞれは、センサデバイスにより検知された１つまたは複数のプロセス変数に関する統計データ収集実行用ルーチン、および／または、後で述べる異常運転検知用ルーチン、などのルーチンを格納するためのメモリ（表示せず）を含むことができる。１つまたは複数のフィールド機器６４および６６のそれぞれはまた、統計データ収集実行用のルーチン、および／または異常運転検知用ルーチンなどを実行するプロセッサ（表示せず）を含む。統計データ収集および／または異常運転検知はソフトウェアで実装する必要はない。むしろ、当業者であれば、このようなシステムは、１つまたは複数のフィールド機器および／またはその他の機器の内部に、ソフトウェア、ファームウェアおよび／またはハードウェアの任意の組合せで実装できることがわかるであろう。

図２に示すように、フィールド機器６４および６６のあるもの（および、潜在的にはすべて）が、異常運転検知ブロック８０および８２を含む。この詳細は後述する。図２のブロック８０および８２が、機器６４の内の１つと機器６６の内の１つに配置されているように描かれているが、これらのブロックあるいは類似のブロックはフィールド機器６４および６６の任意の数の機器に配置することができ、またコントローラ６０、Ｉ／Ｏデバイス６８、７０、あるいは図１に描かれている任意のデバイスの内部に配置することもできる。また、ブロック８０および８２は、デバイス６４および６６の任意のサブセットの中にあってもよい。

一般的には、ブロック８０および８２もしくはこれらのブロックの部分要素が、それが配置されているデバイスおよび／またはその他のデバイスから、プロセス変数データなどのデータを収集する。また、ブロック８０および８２もしくはこれらのブロックの部分要素が、その変数データを処理し、任意の理由によりこのデータの解析を遂行する。たとえば、図においてバルブに関連付けて表示されているブロック８０は、バルブプロセス変数データを解析してバルブが動作の固まった状態にあるかどうかを判定する、スタックバルブ検知ルーチンを有してもよい。さらにブロック８０には、ブロックＳＰＭ１〜ＳＰＭ４のような、１つまたは複数の統計的プロセス監視（ＳＰＭ）ブロックあるいはユニットの組が含まれてもよい。これは、バルブ内のプロセス変数ないしは他のデータを収集し、収集したデータに対して１つまたは複数の統計的計算を行って、たとえば、収集したデータの平均値、中央値、標準偏差、２乗平均平方根（ＲＭＳ）、変化率、分布幅、最小値、最大値、などを決定し、および／または収集したデータ中のドリフト、バイアス、ノイズ、スパイク、などの事象を検知する。生成された特定の統計データも、その生成方法も特別なものではない。こうして、上述した特定のタイプに加えて、もしくはその代わりに、異なるタイプの統計データを生成することができる。また、周知の手法を含め、さまざまな手法を利用してそのようなデータを生成することができる。統計的プロセス監視（ＳＰＭ）ブロックという用語は、少なくとも１つのプロセス変数あるいは他のプロセスパラメータに対して統計的プロセス監視を遂行し、かつ、データ収集を行うデバイス内あるいはデバイス外の、任意の所望のソフトウェア、ファームウェア、あるいはハードウェアにより遂行されうる機能のことを指してここでは使用する。通常ＳＰＭは、デバイスデータを収集するデバイス内に配置されるので、ＳＰＭによって定量的にも定性的にもより正確なプロセス変数データを得ることができる。その結果、プロセス変数データを収集するデバイスの外部に配置されたブロックに比べて、ＳＰＭブロックは一般的に、収集されたプロセス変数データのよりよい統計計算結果を決定することができる。

図２においてはブロック８０および８２がＳＰＭブロックを含むように示されているが、代わりにＳＰＭブロックはブロック８０および８２から分離した独立型のものであってもよいし、対応するブロック８０あるいは８２と同じデバイス内に配置されてもよいし、また別のデバイスに配置されてもよいことを理解されたい。ここで述べるＳＰＭブロックは、周知のＦｏｕｎｄａｔｉｏｎ Ｆｉｅｌｄｂｕｓ ＳＰＭブロックを含んでもよいし、あるいは、周知のＦｏｕｎｄａｔｉｏｎ Ｆｉｅｌｄｂｕｓ ＳＰＭブロックとは別の、あるいは追加の能力を有するＳＰＭブロックを含んでもよい。統計的プロセス監視（ＳＰＭ）ブロックという用語はここでは、プロセス変数データなどのデータを収集し、このデータに対して統計処理を施して、平均値、標準偏差、などの統計的指標を決定する、任意のタイプのブロックもしくは要素のことを言う。結果として、この用語は、この機能を遂行するソフトウェア、ファームウェア、ハードウェア、および／またはその他の要素を含むように意図されており、これらの要素が機能ブロックの形態であっても、他のタイプのブロック、プログラム、ルーチン、要素であっても、またこれらの要素がＦｏｕｎｄａｔｉｏｎ Ｆｉｅｌｄｂｕｓプロトコル、あるいはそのほかのＰｒｏｆｉｂｕｓ、ＨＡＲＴ、ＣＡＮなどのプロトコルに適合してもしなくても、それには拘らない。必要に応じて、ブロック５０の根本操作は米国特許第６，０１７，１４３号に少なくとも部分的に記載されたように遂行すなわち実装される。本特許はこれにより、参照によってここに援用される。

図２においてはブロック８０および８２がＳＰＭブロックを含むように示されているが、ＳＰＭがブロック８０および８２に必要とされるわけではないことを理解されたい。たとえば、ブロック８０および８２の異常運転検知ルーチンは、ＳＰＭブロックで処理されたものではないプロセス変数データを用いて動作することができる。別の例として、ブロック８０および８２はそれぞれ、別のデバイスにある１つまたは複数のＳＰＭブロックから提供されるデータを受信しそれにより動作することができる。さらに別の例として、プロセス変数データは、多くの典型的なＳＰＭブロックからの提供を受けない形で処理することができる。単なる一例として、プロセス変数データはバンドパスフィルタもしくは他の何らかのタイプのフィルタのような、有限インパルス応答（ＦＩＲ）もしくは無限インパルス応答（ＩＩＲ）によってフィルタリングできる。別の例として、プロセス変数データは特定の範囲内に収まるように整えられてもよい。勿論、既知のＳＰＭブロックをこのような別の、あるいは追加の処理能力を提供するように変形することもできる。

送信機と関連するように図示されている図２のブロック８２は、送信機により収集されたプロセス変数データを解析して、プラント内の管が閉塞していないかどうかを判定する、閉塞ライン検知ユニットを有していてもよい。さらに、ブロック８２には、ＳＰＭ１〜ＳＰＭ４のような１つまたは複数のＳＰＭブロックもしくはユニットが含まれてもよく、それによって送信機内のプロセス変数もしくはその他のデータを収集し、その収集データに対して１つまたは複数の統計計算を施して、たとえば、収集データの平均値、中央値、標準偏差などを求めることができる。ブロック８０および８２はそれぞれ４つのＳＰＭを含むように示されているが、統計データを収集し判定するために、他の任意の数のＳＰＭブロックがブロック８０および８２にあってもよい。

異常運転検知（ＡＯＤ）システムの概要

図３は、図２の異常運転検知ブロック８０および８２で利用できる、異常運転検知（ＡＯＤ）システム１００の一例のブロック図である。ＡＯＤシステム１００は、不良監視ベクトル発生器１０８に結合した係数行列発生器１０４を含む。係数行列発生器１０４は、製造プラントにおける既知あるいは想定される不良（たとえば、異常事象、異常運転、異常状態、など）に対応するプロセスデータを受信する。また、係数行列発生器１０４は、受信したプロセス変数データに対応する不良の指標を受信する。一般的に言って、不良の指標は、受信したプロセス変数データのどれが、どの不良に対応するかという情報を提供する。受信したプロセス変数データはまた、既知ないしは想定内のすべての不良が存在しないことに対応するデータも含む。係数行列発生器１０４は、受信した情報に基づいて係数行列を生成する。そして後で詳細を述べるように、係数行列はプロセス変数データに適用して、１つまたは複数の不良が存在するかどうかを判定するのに役立つ。

更なる詳細を後で述べるように、係数行列発生器１０４で受信されたプロセス変数データは、製造プラント内のデバイスで生成されたデータが含まれていてもよい。たとえば、既知ないしは想定される不良に対応するデータは、データヒストリアンから読み出すことができる。同様に、すべての不良の不在に対応するデータを、データヒストリアンから読み出すことができる。それに加えて、またはその代わりに、モデルないしはシミュレーションアプリケーションによってデータが生成されてもよい。たとえば、不良がシミュレーションアプリケーションによって模擬され、その不良に対応する模擬プロセス変数データが生成されてもよい。同様に、全不良の不在に対応するプロセスデータがシミュレータにより生成されてもよい。

不良監視ベクトル発生器１０８が、係数行列発生器１０４から係数行列を受信し、プロセス変数データも受信する。一般的に不良監視行列発生器１０８は、受信したプロセス変数データに係数行列を適用して、不良監視ベクトルを生成する。

ＡＯＤシステム１００は、不良監視ベクトル発生器１０８に結合した不良検知器１１２をさらに含む。不良検知器１１２は不良監視ベクトル発生器１０８から不良監視ベクトルを受信し、不良監視ベクトルを解析して１つまたは複数の不良が存在するかどうかを判定する。後で更に詳細を述べるように、不良検知器１１２は、１つまたは複数の不良の存在を判定するために、追加の情報の解析を随意的に行うことも可能である。

図４は製造プラント内に１つまたは複数の不良が存在するかどうかを判定するための一例の方法１５０のフロー図である。方法１５０は、たとえば図３のＡＯＤシステム１００によって実装されてもよいし、他のシステムで実装されてもよい。ブロック１５４で、製造プラントでの既知もしくは想定される不良の発生に対応するプロセス変数データと、オプションとして既知もしくは想定されるすべての不良の不在に対応するデータと、を用いて係数行列が生成される。係数行列の生成に関しては後で詳述する。

ブロック１５８でプロセス変数データが受信される。次いで、ブロック１６２で、受信したプロセス変数データおよび係数行列を利用して、不良監視ベクトルが生成される。不良監視ベクトルの生成については後で詳細に述べる。

次にブロック１６６で、不良監視ベクトルが解析され、１つまたは複数の不良が存在するかどうかが判定される。オプションとして、その他の情報も解析されて、１つまたは複数の不良の存在が判定される。

係数行列の生成

次に係数行列の生成法の例を説明する。図５を参照すると、係数行列を生成する一例の方法２００がブロック２０４を含み、ここで不良の存在、および不良の不在に対応するプロセス変数データが受信される。たとえば、受信されたプロセス変数をｘ₁，ｘ₂，ｘ₃，・・・ｘ_Mで表す。ここで、Ｍはプロセス変数の数である。また、これらのプロセス変数は時間と共に変化する。よって、ｘ₁のｉ番目の観測をｘ_i,1 と表示する。同様に、受信されたプロセス変数のｉ番目の観測グループは、行ベクトルとして

と表す。ブロック２０４は、観測１，２，３，・・・，Ｎに対応するプロセス変数データを受信するステップを含む。

一実施例においては、他の不良が発生してない状態で、それぞれの不良に対して１つまたは複数の受信された観測結果がその不良の発生に対応する。そして、１つまたは複数の受信された観測結果がすべての不良のない状態に対応する。説明のための特定の例として、４つ不良があるとすると、１０の観測結果が不良の何もない状態に対応し、１２の観測結果が第１の不良のみの発生に対応し、８の観測結果が第２の不良のみの発生に対応し、１５の観測結果が第３の不良のみの発生に対応し、１８の観測結果が第４の不良のみの発生に対応する。それぞれの不良の存在、およびすべての不良の不在に対応する観測結果の数は、異なっているかもしれないし、同じであるかもしれない。

あるいはまた、少なくとも幾つかの観測結果が２つ以上の不良の発生に対応することもありうる。このことは、２つ以上の不良の間に何らかの非線形相互作用がある場合には、特に有用である。同様に、すべての不良がない場合に対応する観測結果がないこともある。しかし、一般的に、以下で説明するように係数行列の妥当性の高い計算ができるためには、それぞれの存在しうる不良状態、非不良状態の下で、統計的に信頼度の高いプロセスのサンプルを提供するに足る十分な観測結果があるべきであることは、当業者にはわかるであろう。

ブロック２０８において、ブロック２０４で受信されたデータを利用してプロセス変数行列が生成される。たとえば、Ｎ個の観測結果に対応するプロセス変数データが受信されると、観測１，２，３，・・・，Ｎに対応するＮ行のベクトル

が生成され、これらのベクトルは行列Ｘにまとめられる。プロセス変数がＭ個あれば、行列Ｘの寸法はＮ×Ｍとなる。行列の生成ステップは、たとえばプロセス変数データの格納場所を指示しながら、特定のメモリ位置にプロセス変数データを格納するステップを含む。

ブロック２１２において、ブロック２０４で受信したプロセス変数データに対応する不良の指標が受信される。次にブロック２１６において、ブロック２０８で生成されたプロセス変数行列に対応する不良行列が生成される。Ｐ個の不良候補Ｆ₁，Ｆ₂，Ｆ₃，・・・，Ｆ_pがあるとする。一実施例では、行ベクトル、

がブロック２０８で生成されたプロセス変数行列Ｘのｉ番目の行に対応し、観測ｉのときに不良Ｆ_jがアクティブでなければ、それぞれの要素ｆ_i,jは０であり、そのときアクティブであれば１である。このように、どの不良もアクティブでなければ、ベクトル

となり、不良Ｆ₂のみがアクティブな場合にはベクトル

となる。Ｎ回の観測すべてに対する不良ベクトル（ベクトル）

は統合されてＮ×Ｐの寸法の不良行列Ｆとなる。ここで行列Ｆのｉ番目の行は行列Ｘのｉ番目の行に対応する。つまり、行列Ｆのｉ番目の行は、もし不良があれば、行列Ｘのｉ番目の行のプロセス変数データに対応する不良がどれであるかを示している。

次にブロック２２０において、ブロック２０８で生成されたプロセス変数行列とブロック２１６で生成された不良行列とに基づいて、係数行列が生成される。一般的に、係数行列Ａは、次の方程式を少なくとも近似的に満足するように算出される。
Ｆ＝ＸＡ （式１）
この方程式を解いてＡを求めるためには多くの方法が利用できる。方法の１つとして回帰法がある。たとえば、多重線形回帰法（ＭＬＲ）としても知られている通常最小２乗推定法（ＯＬＳ）では、行列Ａは次のように求められる。
Ａ＝（Ｘ^TＸ）^-1Ｘ^TＦ （式２）
ここで、Ａは寸法がＭ×Ｐの行列である。

他の多くの回帰手法も利用できる。たとえば、部分的最小２乗法（ＰＬＳ）、主成分分析（ＰＣＡ）、主成分回帰分析（ＰＣＲ）、リッジ回帰（ＲＲ）、可変部分集合選択（ＶＳＳ）、サポートベクトルマシン（ＳＶＭ）、などの回帰手法が利用できる。例として、もしプロセス変数間に高い相関があるならば、ＯＬＳ法ではほぼ特異行列に行き当たり、結果の信頼度が下がってしまう。その一方で、ＰＬＳ法ではそのような状態においてよりよい結果を得ることが可能である。非線形回帰法（たとえば、プロセス変数の高次項、交差項および非線形関数）もまた利用可能である。たとえば、ニューラルネットワークは非線形回帰に対して利用可能である。また、回帰には動的／時系列成分もありうる。そのような場合には、単一プロセス変数ｘに、同じｘであるが異なる時間（たとえば、ｘ_k，ｘ_k-1，ｘ_k-2，など）の１つまたは複数の値が添加される。

さらに、Ａを求めるのに非回帰手法を利用することも可能である。その手法としては、確率的探索法（例：ランダムサーチ、焼きなまし法、遺伝的アルゴリズム、など）とともに、たとえばニューラルネットワークがある。

他の実施形態では、ブロック２０８においてプロセス変数行列を生成するステップが、行列の中にバイアス項を入れ込むステップを含んでもよい。たとえば、行列Ｘの行が先頭に１を含んでいることがある。すなわち、ｉ番目の行ベクトルが、

であってもよい。この実施形態では、プロセス変数行列Ｘの寸法は、Ｎｘ（Ｍ＋１）となり、係数行列Ａの寸法は、（Ｍ＋１）×Ｐとなる。

不良検知のための係数行列の利用

次に係数行列を利用した不良検知方法の例を説明する。図６を参照すると、不良を検知するための実施例の方法２５０がブロック２５４を含み、そこでプロセス変数データが受信される。たとえば、受信されたプロセス変数をｘ_i、1，ｘ_i,2，ｘ_i,3，・・・，ｘ_i,Mで表す。ここで、Ｍはプロセス変数の数であり、ｉはプロセス変数のｉ番目の観測を意味する。ブロック２５８では、受信したプロセス変数データを利用してプロセス変数ベクトルが生成される。たとえば、行ベクトル

あるいは行ベクトル

が生成される。

ブロック２６２で、プロセス変数ベクトルに係数行列Ａをかけて不良監視ベクトルを生成する。たとえば、不良監視ベクトルは次の方程式により生成される。

この実施形態においては、不良監視ベクトル

は寸法が１×Ｐであり、

で表される。一般的に、不良監視ベクトル

の成分は、プロセス変数ベクトル

の成分が行列Ａを生成するのに用いたプロセス変数ベクトルの成分と厳密に同じでない限り、単に０ばかりあるいは１ばかりではない。このように、不良監視ベクトルの成分は実数であり、一般には０と１の間の数である。ただし場合によっては０より小さかったり、１より大きかったりする。一般に、不良監視ベクトルの成分が極めて１に近い場合には、これは不良を意味する。また、成分

は別々の不良に対応する。特に、

は不良Ｆ₁の存在の可能性に対応し、

は不良Ｆ₂の存在の可能性に対応する、などである。

不良監視ベクトルの生成は、不良監視行列生成のオプションの一部である。たとえば、複数のプロセス行ベクトル

などを集めて行列Ｘが生成できる。次に、不良監視行列

が次式にしたがって生成される。

ここで、不良監視行列

のｉ番目の行は、ｉ番目の観測によるプロセス変数、すなわち

に対応する不良監視ベクトル

ブロック２６６で、不良監視ベクトルが解析され、不良がもしあればどの不良が存在するかが判定される。このことは、たとえば、もしあるとすれば、どの成分が極めて１に近いかを判定するステップを含む。たとえば、ｊ番目の成分が１に近いとすると、不良Ｆ_jが存在する可能性があるということになる。ある成分が極めて１に近いかどうかの判定はさまざまな手法を用いて実行できる。たとえば、成分を１より小さい閾値と比較する方法も含まれる。閾値は、０．８あるいはその他の値のデフォルト値であってもよく、および／または、閾値の適当な値を設定するのに、たとえばプロセスや実験の知識を利用できる、プロセスオペレータによって設定することも可能である。

別の例として、ある成分が極めて１に近いかどうかを決定するのに、幾つかの異なる時間における成分の値を解析する方法がある。たとえば、時刻ｉ，ｉ＋１，ｉ＋２における成分の値を閾値と比較するのである。この例では、幾つかの連続した値が閾値を超えれば、あるいは連続した値の過半の組の中の幾つかの値が閾値を超えれば、その成分は極めて１に近い、と判定される。その他の種々の方法の任意のものを代替としてあるいは追加的に使用してもよい。

不良監視ベクトルのそれぞれの成分が起こりうる別々の不良に対応するので、どの成分が極めて１に近いかを判定することは、どの不良が存在するかを示すことにもなる。

オプションとして、不良の存在を判定するのに他の情報を利用することも可能である。たとえば、他のプロセス変数データ、ＳＰＭデータ、警報、警告、なども不良の存在の判定のために解析することができる。同様に、不良監視ベクトルおよび／または不良検知器１１２(図３)で生成される不良指標も、異常状態が発生しているか、発生しようとしているか、発生する可能性があるか、などを検知するのに利用できる。例として、不良監視ベクトルおよび／または不良検知器１１２(図３)で生成される不良指標が、異常状態検知用に設定されたエキスパートエンジン、ニューラルネットワークシステム、ファジー論理システムなどに供給される。エキスパートエンジン、ニューラルネットワークシステム、ファジー論理システムなどは、不良監視ベクトルおよび／または異常状態を検知する不良指標など以外の情報を利用することもできる。たとえば、他のプロセス変数データ、ＳＰＭデータ、警報、警告、なども利用することができる。

次に図３および６を参照すると、不良監視ベクトル発生器１０８が、たとえばブロック２５４、２５８、および２６２を実行する。選択的に、ブロック２５４および２５８が別のところで実行され、不良監視ベクトル発生器１０８は単にプロセス変数ベクトルを受信し、そしてブロック２６２を実行する。不良検知器１１２が、たとえばブロック２６６を実行する。

実施例

図７はプロセス制御システム３００の一例で、これまでに説明したシステムおよび方法の例が利用されている。図７のプロセス制御システム３００は、前述のシステムおよび方法の説明を支援するための単なる簡単な実施例に過ぎない。前述のシステムおよび方法は、はるかに複雑なプロセス制御システムを含む他の多くのプロセス制御システムと共に使用されうることが、当業者には理解されるであろう。

システム３００がパイプ３０４の中の流れを制御するフロー制御ループを含む。このシステムはバルブ装置３０８、フローセンサ３１２、およびコントローラ３１６を含む。フローセンサ３１２は流速信号ｘ₁を生成する。バルブ装置３０８はバルブ位置信号ｘ₃を生成する。コントローラ３１６が、流速信号ｘ₁およびバルブ位置信号ｘ₃を受信し、バルブ位置を制御するための制御要求信号をｘ₂生成する。バルブ３０８がコントローラ３１６から制御要求信号ｘ₂を受信し、それに応じてバルブ位置の調節を行う。この実施例のプロセス制御システム３００においては、発生しうる不良が４つある。Ｆ１、過剰制御（ＣＷＵ）；Ｆ２、過小制御（ＣＷＤ）；Ｆ３、バルブ障害（ＶＰ）；Ｆ４、測定値ドリフト（ＭＤ）。

たとえば、不良のない運転時、および４つのそれぞれの不良の発生時にシステム３００を観測することにより、システム３００のデータセットが取得できる。特に、何も不良が発生してないときおよび、不良Ｆ₁、Ｆ₂、Ｆ₃、Ｆ₄の発生がわかっているときに、変数ｘ₁、ｘ₂、ｘ₃が観測される。表１は１３８の観測を含むデータセットの例である。観測は不良が何も発生してないとき、および４つの不良条件のそれぞれが発生しているときを含んでいる。右端の列が、それぞれの観測時に不良がある場合のその不良を示している。

前述の手法により、表１のデータを用いて行列Ｘおよび行列Ｆが生成される。

式２を用いると、行列Ａが次のように得られる。

次に、プロセスシステム３００の運転中に式３により、プロセス変数ｘ₁，ｘ₂，ｘ₃の値および行列Ａを用いて、不良観測ベクトルが生成される。たとえばｘ₁＝２．５、ｘ₂＝６２、ｘ₃＝５２とすると、不良観測ベクトルは次のようになる。

不良監視ベクトルの成分が極めて１に近いかどうかを判定するために、もし閾値をたとえば０．８とすると、不良監視ベクトルは不良Ｆ₃のみが発生していることを示している。

同様に、ｘ₁＝２．５、ｘ₂＝３、ｘ₃＝４とすると、不良観測ベクトルは次のようになる。

不良監視ベクトルの成分が極めて１に近いかどうかを判定するために、もし閾値をたとえば０．８とすると、不良監視ベクトルは不良Ｆ₂のみが発生していることを示している。別の例として、ｘ₁＝２．４、ｘ₂＝５７、ｘ₃＝５５とすると、不良監視ベクトルは次のようになる。

不良監視ベクトルの成分が極めて１に近いかどうかを判定するために、もし閾値をたとえば０．８とすると、これは不良がなにも発生していないことを示している。

プロセス変数

行列Ａおよび、不良監視ベクトルを生成するために利用するプロセス変数にはさまざまなタイプがある。プロセス変数は、たとえば、センサ、バルブ、コントローラなどのような、製造プラント中のデバイスにより生成される信号であってよい。また、プロセス変数は、デバイスで生成され、さらに処理された信号であってもよい。たとえば、ＳＰＭブロックがデバイスで生成された信号を受信し、それから、平均値、標準偏差、２乗平均平方根、歪度信号、尖度信号、最大値、最小値、分布幅、などの統計信号である、プロセス変数を生成する。同様に、プロセス変数は、デバイスで生成され、その後たとえば、低域フィルタ、帯域フィルタ、高域フィルタなどでフィルタをかけられた信号であってもよい。また、プロセス変数は、時間遅延がかけられた信号であってもよい。さらに、プロセス変数はデバイスで生成された信号に、何らかの線形変換あるいは非線形変換をかけたものであってもよい。変換としては、多項式関数、三角関数、指数関数、対数関数、スプライン関数、フーリエ変換、などがありうる。さらに、プロセス変数は、デバイスで生成された信号などのほかのプロセス変数を基に計算された信号であってもよい。単なる一例として、熱交換器に関連するプロセス変数では、複数の測定信号を基に計算された総括伝熱係数が含まれることがある。勿論、プロセス変数は上に述べたものの組合せによって処理されたものであってもよい。一例として、プロセス変数が、高域フィルタによりフィルタをかけられた標準偏差信号であってもよい。

１つまたは複数の製造プラント装置におけるＡＯＤシステムの実装例

前述したように、ここで述べるようなＡＯＤシステムは製造プラント内のさまざまなデバイスに実装される。図８は、ＡＯＤシステムが製造プラント内に実装される一形態を示すブロック図である。図８では、フィールドバスシステム９００が、フロー送信機９０４および温度送信機９０８を同じフィールドバスセグメント９１２上に含む。フロー送信機９０４はアナログ入力機能ブロック９１４とＳＰＭブロック９１６を実装している。さらにフロー送信機９０４は、異常運転検知機能ブロック９１８を実装する。この機能ブロック９１８は、図３、４、５の任意のものについて前述したのと同じように機能する係数行列発生器を含んでもよい。さらにこの機能ブロック９１８は、図３、４、６の任意のものについて前述したのと同じように機能する不良監視ベクトル発生器を含んでもよい。また、この機能ブロック９１８は、図３、４、６の任意のものについて前述したのと同じように機能する不良検知器を含んでもよい。

運転時には、アナログ入力機能ブロック９１４がプロセス変数信号をＳＰＭブロック９１６へ提供する。次にＳＰＭブロック９１６がプロセス変数信号に基づいて１つまたは複数の統計信号を生成し、この統計信号を異常運転検知機能ブロック９１８へ提供する。同様に、アナログ入力機能ブロック９２２がプロセス変数信号をＳＰＭブロック９２４へ提供する。次にＳＰＭブロック９２４がプロセス変数信号に基づいて１つまたは複数の統計信号を生成し、この統計信号を、フィールドバスセグメント９１２を介して異常運転検知機能ブロック９１８へ提供する。

別の実施例では、ＳＰＭブロック９１６および９２４が異常運転検知機能ブロック９１８の中に組み込まれる。この実施例では、アナログ入力機能ブロック９１４がプロセス変数信号を異常運転検知機能ブロック９１８へ提供する。同様に、アナログ入力機能ブロック９２２がプロセス変数信号を、フィールドバスセグメント９１２を介して異常運転検知機能ブロック９１８へ提供する。勿論、上で説明したように、ＳＰＭブロックは必ずしも異常運転検知機能ブロック９１８と一緒に利用される必要はなく、実施例によっては省略されてもよい。

周知のように、フィールド機器の中には２つ以上のプロセス変数を検知できるデバイスもある。そのようなフィールド機器は、すべてのブロック９１４、９１６、９１８、９２２、９２４に実装することができる。

別の実施例では、ＡＯＤシステムは複数の機能ブロックとして実装されてもよい。そのような実施例においては、ＡＯＤシステムの部分が製造プラント内の別々のデバイスに実装されてもよい。一例として、係数行列発生器がワークステーション、第１のフィールド機器、第１のコントローラ、などに実装され、不良監視ベクトル発生器および不良検知器が第２のフィールド機器、第２のコントローラ、などに実装されてもよい。たとえば、ワークステーションが係数行列発生器を実装し、１つまたは複数のフィールド機器が不良監視ベクトル発生器および不良検知器を実装してもよい。この実施例では、ワークステーションで生成される係数行列は１つまたは複数のネットワークを介して、製造プラント内の１つまたは複数のフィールド機器へ送信される。

図９は製造プラントにおけるＡＯＤシステムの別の実装の形態を示す。図９のシステム９４０では、異常状態防止アプリケーション３５、設定アプリケーション３８および／または警報／警告アプリケーション４３の一部もしくはすべては、ホストワークステーションやホストパーソナルコンピュータ以外のデバイスに格納される。図９の例示システム９４０は、たとえば、Ｒｏｓｅｍｏｕｎｔ３４２０装置などのインタフェース装置９５０に接続された、一連のフィールド機器９４５（ここではＦｉｅｌｄｂｕｓフィールド機器として示されているが、他のタイプの機器であってもよい）を含む。この場合、パーソナルコンピュータではないインタフェース装置９５０は、前記の異常状態防止システム３５の機能の一部もしくは全部を含むことができる。特に、インタフェース装置９５０には、フィールド機器９４５（これはさまざまな異なるタイプのフィールド機器であってよい）から送信されたデータを受信し編成するための、サーバアプリケーション９５２が含まれていてもよい。必要であれば、このサーバアプリケーション９５２はＯＰＣサーバを含んでもよい。設定アプリケーション３８(もしくはその一部)がインタフェース装置９５０のメモリに格納され、インタフェース装置９５０のプロセッサで実行されて、前述したように、ＡＯＤブロック、ＳＰＭブロック、検知ロジック、などの設定を行う。同様に、シミュレーションアプリケーション４４(もしくはその一部)がインタフェース装置９５０のメモリに格納され、インタフェース装置９５０のプロセッサで実行されて、前述したように係数行列の生成に利用する模擬プロセス変数を生成する。

さらに、インタフェース装置９５０は、１つまたは複数のＳＰＭブロック９５４をその内部に含み、前述したように、１つまたは複数のフィールド機器（ＳＰＭブロックやＳＰＭ機能を持たないフィールド機器などの）からプロセス変数データを直接収集し、ＳＰＭパラメータを生成する。さらに、インタフェース装置９５０は１つまたは複数のＡＯＤブロック９５６をその内部に含み、前述したように、フィールド機器からＳＰＭパラメータおよび／またはプロセス変数データを受信し、偏差指標を生成する。このようにして、インタフェース装置９５０に格納され、実行されるＳＰＭブロック９５４および／またはＡＯＤブロック９５６が、フィールド機器９４５のいずれかの内部にＳＰＭブロックおよび／またはＡＯＤブロックがないことを補う。そしてそれ自体がＳＰＭブロックやＳＰＭ機能、および／またはＡＯＤブロックやＡＯＤ機能をサポートしていないフィールド機器に対してＳＰＭデータを提供するために使用される。また、インタフェース装置９５０はフィールド機器に比べると、一般的にはより大きなメモリおよびより大きな処理能力を有しているので、インタフェース装置９５０にＳＰＭブロックおよび／またはＡＯＤブロックを実装することにより、より複雑なＡＯＤ解析を行うことが可能となる。

インタフェース装置９５０は、ホストワークステーション９５８などの他のデバイスと、２芯接続、３芯接続、４芯接続などの有線接続を介して通信し、ＳＰＭデータや、それから展開された警報、データプロットなどのデータを、ユーザの閲覧用装置へ提供する。さらに、図９に示すように、インタフェース装置９５０は１つまたは複数の無線通信接続を介して、ウェブブラウザ９６０および、電話、携帯情報端末（ＰＤＡ）、ラップトップコンピュータなどのハンドヘルドコンピュータへ接続することができる。この実施例においては、アプリケーションは、ホストワークステーション９５８などの他のデバイスや、ウェブブラウザ９６０、ハンドヘルドコンピュータ９６２などの中に格納されて実行される。このアプリケーションはインタフェース装置９５０と通信して、アプリケーション用のデータを取得する。必要であれば、デバイス９５８、９６０、９６２は、設定アプリケーション３８を含み、インタフェース装置９５０に実装されたＡＯＤブロックおよび／またはＳＰＭブロックの設定をユーザが行うことができる。同様に、デバイス９５８、９６０、９６２は、シミュレーションアプリケーション４４を含み、係数行列を生成するのに用いられる模擬プロセス変数データを生成することができる。同様に図９に示すように、インタフェース装置９５０からのデータは、ウェブブラウザ９６４によってホスト９５８から間接的にアクセスして、任意の所望ウェブ接続を介して他のユーザに提供することができる。勿論、インタフェース装置９５０はその中にウェブサーバを含んでもよく、ＯＰＣ、モドバス、イーサネット、ＨＴＭＬ、ＸＭＬなどの任意の所望のプロトコルを利用して、デバイス９５８、９６０、９６２、９６４などのほかの任意のデバイスと通信することができる。

図１０はさらに別の製造プラントシステム９７０を示す。ここでは図９のものと類似、あるいは同一のインタフェース装置９５０が、（熱交換器９７８の部分を構成している）一連のフィールド機器９７４とプロセス制御システム９８０との間を接続している。ここで、図９の装置９５０のすべてのアプリケーションおよび機能を含むインタフェース９５０は、閲覧用データをホスト９８４に提供し、ＡＯＤシステムあるいは他のシステムで生成された警報あるいは警告を、制御システム９８０に提供することができる。制御システム９８０はこれらの警報もしくは警告を、他のコントローラタイプの警報および警告と統合して、たとえば、オペレータワークステーション９８８のコントロールオペレータの閲覧に供することができる。勿論、必要があれば、ホストワークステーション９８４は、任意の所望の閲覧アプリケーションを有し、インタフェース装置９５０に収集され、そこから提供されるデータを、これまでに述べたものをすべて含む任意の所望の形態で閲覧できるようにすることが可能である。同様に、このデータはウェブブラウザ９９０を介して他のユーザが閲覧することも可能となる。このように当然のことながら、ここで述べた異常状態防止システム３５、ＳＰＭブロック(もし使用されていれば)、およびＡＯＤシステムに関連するさまざまなアプリケーションは、異なるデバイスへ配信可能である。例としてデータ（ＳＰＭデータなどの）は、フィールド機器９７４などの１つのデバイスで収集され、たとえば、ＡＯＤシステムを実装しているインタフェース装置９５０内にある、別のデバイスに送ることも可能である。警報、警告、あるいはＡＯＤシステムにより生成されるその他の指標は、ワークステーション９８８などのような、さらに別のデバイスに送られてユーザへ提示することもできる。同様に、構成情報は、ホスト、ウェブブラウザ、ＰＤＡなどのようなユーザインタフェース装置を介して入力され、インタフェース装置９５０のような別の装置に送られてＡＯＤシステムを設定することもできる。

別の例として、ＡＯＤシステムがワークステーションに実装されてもよい。図９および１０を参照すると、ワークステーション９５８もしくはワークステーション９８４は、インタフェース装置９５０からプロセス変数データを受信することができる。ワークステーション９５８もしくはワークステーション９８４がＡＯＤシステムを実装し、受信したプロセス変数データに作用して、たとえば、不良の指標を生成することができる。不良指標データは、ウェブブラウザ９６４あるいはウェブブラウザ９９０を介して、他のユーザが閲覧することが可能となる。

当業者であれば、ここに述べた例示のシステムおよび方法はさまざまな形に変更できることがわかるであろう。たとえば、ブロックを省略したり、再配置したり、結合したり、追加ブロックを加えたりすることが可能であろう。ＡＯＤシステム、不良検知器、論理ブロック、システムブロック、方法ブロックなど、ここで述べたものは、ハードウェア、ファームウェア、ソフトウェアの任意の組合せを利用して実装することができる。こうして、ここで説明したシステムおよび手法は、標準の多目的プロセッサの中に、あるいは要望に合わせた特注のハードウェアもしくはファームウェアを利用して、実装されてもよい。ソフトウェアに実装する場合には、ソフトウェアは、磁気ディスク、レーザディスクや他の記憶媒体などの任意のコンピュータ可読メモリや、コンピュータ、プロセッサ、Ｉ／Ｏデバイス、フィールド機器、インタフェース装置などのＲＡＭないしはＲＯＭの中に、格納することができる。同様に、たとえば、コンピュータ可読ディスクあるいは他の可搬型コンピュータ記憶機構上の、あるいは通信媒体を介する、既知もしくは所望の任意の配信方法を経由して、ソフトウェアをユーザもしくはプロセス制御システムへ配信することが可能である。通信媒体は一般的に、コンピュータ可読命令、データ構造、プログラムモジュール、あるいはその他のデータを、搬送波や他の輸送機構などの変調データ信号として具象化する。「変調データ信号」という用語は、１つまたは複数の特性セットを有する、あるいは、信号中の符号化情報のように変形された、信号を意味する。一例として、ただしこれに限定するものではないが、通信媒体は、有線ネットワークや直接有線接続のような有線媒体や、音声、ラジオ波、赤外およびその他の無線媒体のような無線媒体、を含む。このように、電話線、インタネット等（これらは、可搬型記憶媒体を介してこれらのソフトウェアを提供することと同一もしくは交換可能と考えられる）の通信チャネルを介して、ソフトウェアがユーザあるいはプロセス制御システムへ配信できる。

このように、本発明を特定の例を参照して説明したが、これは説明のためのものであって本発明を制限する意図は全くない。当業者であれば、本発明の趣旨と範囲を逸脱することなしに開示した実施形態を変更、追加、削除することが可能であることは明らかであろう。

Claims (36)

1. 製造プラントの複数のプロセス変数に対応する第１のデータを受信するステップと、
   前記第１のデータと係数行列を利用して不良監視ベクトルを生成するステップと、
   前記不良監視ベクトルに基づいて前記プロセスの異常運転がないかどうかを判定するステップと、
   を含む製造プラントにおけるプロセスの異常運転検知支援方法。
2. 前記の受信した第１のデータを利用して、プロセス変数ベクトルを生成するステップをさらに含み、
   前記第１のデータおよび前記係数行列を利用して不良監視ベクトルを生成するステップが、前記プロセス変数ベクトルと前記係数行列とを掛け算するステップを含むことを特徴とする請求項１に記載の方法。
3. 前記受信した第１のデータを利用してプロセス変数行列を生成するステップをさらに含み、前記プロセス変数行列は前記プロセス変数ベクトルを含み、
   前記第１のデータと前記係数行列とを利用して不良監視ベクトルを生成するステップが、不良監視ベクトルを含む不良監視行列を生成するために前記プロセス変数行列と前記係数行列を掛け算するステップを含むことを特徴とする請求項２に記載の方法。
4. 前記プロセスの異常運転がないかどうかを判定する前記ステップが、前記不良監視ベクトルに基づく複数の不良のうちの１つまたは複数がないかどうかを判定するステップを含むことを特徴とする請求項１に記載の方法。
5. 前記の１つまたは複数の不良がないかどうかを判定するステップが、前記不良監視ベクトルの成分を閾値と比較するステップを含むことを特徴とする請求項４に記載の方法。
6. 前記不良に対応する前記不良監視ベクトルの成分が閾値を超える場合に、前記複数の不良のうちの１つの不良の指標を生成するステップをさらに含むことを特徴とする請求項５に記載の方法。
7. 前記プロセスの異常運転がないかどうかを判定するステップが、前記不良監視ベクトルの成分を、エキスパートシステム、ニューラルネットワークシステム、ファジー論理システム、の内の少なくとも１つに対して提供するステップを含むことを特徴とする請求項１に記載の方法。
8. 前記複数のプロセス変数に対応し、複数の不良の発生に対応する第２のデータを受信するステップと、
   前記第２のデータを利用して前記係数行列を生成するステップと、
   をさらに含むことを特徴とする請求項１に記載の方法。
9. 前記複数のプロセス変数に対応する第３のデータを受信するステップをさらに含み、 前記第３のデータは前記複数の不良の中のいずれの不良も発生しないことに対応し、
   前記係数行列を生成するステップが、第３のデータを用いて前記係数行列を生成するステップを含むことを特徴とする請求項８に記載の方法。
10. 機械可読命令を格納する有形媒体であって、前記機械可読命令が１つまたは複数の機械に対して、
    製造プラントの複数のプロセス変数に対応するデータを受信させ、
    不良監視ベクトルを生成するために前記第１のデータと係数行列とを利用させ、
    前記不良監視ベクトルに基づいて前記プロセスの異常運転がないかどうかを判定させる、
    ことを可能とする有形媒体。
11. 製造プラントにおけるプロセスの異常運転検知支援システムであって、
    前記製造プラントに関連する係数行列およびプロセス変数データと結合した不良監視ベクトル発生器と、
    前記不良監視ベクトル発生器と結合して、不良監視ベクトルに基づいて前記製造プラントの異常運転を検知するための異常運転検知システムと、
    を備える異常運転検知支援システム。
12. 前記異常運転検知システムが、前記不良監視ベクトルの成分を閾値と比較し、前記比較に基づいて不良の指標を生成するように設定されていることを特徴とする請求項１１に記載のシステム。
13. 前記異常運転検知システムが、エキスパートシステム、ニューラルネットワークシステム、ファジー論理システムの内の少なくとも１つを含むことを特徴とする請求項１１に記載のシステム。
14. 前記不良監視ベクトル発生器と結合した係数行列発生器をさらに含み、前記係数行列発生器は、複数の不良のいずれかの発生に応じるプロセス変数データに基づいて前記係数行列を生成するように設定されていることを特徴とする請求項１１に記載のシステム。
15. 前記係数行列発生器が、複数の不良の中のいずれの不良の発生もないことに対応するプロセス変数データにさらに基づいて、前記係数行列を生成するように設定されていることを特徴とする請求項１４に記載のシステム。
16. 前記係数行列発生器が前記製造プラントの第１のデバイスに実装され、前記不良監視ベクトル発生器が前記製造プラント第２のデバイスに実装され、前記異常運転検知システムが前記製造プラントの少なくとも第３のデバイスに実装されることを特徴とする請求項１４に記載のシステム。
17. 前記係数行列発生器および前記不良監視ベクトル発生器が前記製造プラントの第１のデバイスに実装され、前記異常運転検知システムが前記製造プラントの少なくとも第２のデバイスに実装されることを特徴とする請求項１４に記載のシステム。
18. 前記係数行列発生器、前記不良監視ベクトル発生器、および前記異常運転検知システムが前記製造プラントの単一デバイスに実装されることを特徴とする請求項１４に記載のシステム。
19. 製造プラント用の異常運転検知システムを構成する方法であって、
    前記製造プラントの製造システムの複数の不良のいずれかの発生に対応する第１のプロセス変数データを受信するステップと、
    前記第１のプロセス変数データに基づいてプロセス変数データ行列を生成するステップと、
    前記プロセス変数データ行列に対応する不良行列を生成するステップと、
    前記プロセス変数データ行列と前記不良行列とを利用して係数行列を生成するステップであって、前記係数行列は異常運転検知システムが前記異常運転検知システムによって受信されたプロセス変数データに基づく不良指標を生成するために利用されるステップと、
    を含むことを特徴とする異常運転検知システムを構成する方法。
20. 前記複数の不良の中のいずれの不良も発生しないことに対応する第２のプロセス変数データを受信するステップをさらに含み、
    前記プロセス変数データ行列を生成するステップが、前記第２のプロセス変数データにさらに基づいて前記プロセス変数データ行列を生成するステップを含むことを特徴とする請求項１９に記載の方法。
21. 前記第１のプロセス変数データが、前記複数の不良の個々の不良の個別発生に対応するプロセス変数データを含むことを特徴とする請求項２０に記載の方法。
22. 前記プロセス変数データ行列を生成するステップが、前記プロセス変数データ行列中にバイアス項を含めるステップを備えることを特徴とする請求項１９に記載の方法。
23. 前記係数行列を生成するステップが、回帰手法による前記係数行列の生成ステップを含むことを特徴とする請求項１９に記載の方法。
24. 前記係数行列を生成するステップが、方程式：
    Ａ＝（Ｘ^TＸ）^-1Ｘ^TＦ
    により係数行列を生成するステップを含み、
    ここでＡは前記係数行列、Ｘは前記プロセス変数データ行列、Ｆは前記不良行列、であることを特徴とする請求項２３に記載の方法。
25. 前記プロセス変数データ行列Ｘのそれぞれの行が、前記第１のプロセス変数データの異なる組に対応し、
    前記不良行列Ｆのそれぞれの列が、前記複数の不良の内の異なる不良に対応し、
    前記不良行列Ｆのそれぞれの行が、前記プロセス変数データ行列の異なる行に対応し、
    前記不良行列を生成するステップが、前記不良行列Ｆのそれぞれの行に対して、前記プロセス変数データ行列Ｘの対応する行に関連する不良がもしあれば、その不良に対応する列の位置に０でない値を挿入し、残りの列の位置に０を挿入するステップを含むことを特徴とする請求項２３に記載の方法。
26. 前記０でない値が１であることを特徴とする請求項２５に記載の方法。
27. 前記プロセス変数データ行列を生成するステップが、それぞれの行にバイアス値を有する列を生成するステップを含むことを特徴とする請求項２３に記載の方法。
28. 前記バイアス値が１であることを特徴とする請求項２７に記載の方法。
29. 前記係数行列を生成するステップが、通常最小２乗（ＯＬＳ）法、多重線形回帰（ＭＬＲ）法、部分的最小２乗（ＰＬＳ）法、主成分分析（ＰＣＡ）法、主成分回帰（ＰＣＲ）法、リッジ回帰（ＲＲ）法、可変部分集合選択（ＶＳＳ）法、サポートベクトルマシン（ＳＶＭ）法のうちの少なくとも１つにより前記係数行列を生成するステップを含むことを特徴とする請求項２３に記載の方法。
30. 前記係数行列を生成するステップが、非線形回帰法による前記係数行列の生成ステップを含むことを特徴とする請求項２３に記載の方法。
31. 前記非線形回帰法が、前記プロセス変数の高次べきの利用、前記プロセス変数の交差項の利用、前記プロセス変数の非線形関数の利用、もしくはニューラルネットワーク法の利用、のうちの少なくとも１つを含むことを特徴とする請求項３０に記載の方法。
32. 前記係数行列を生成するステップが、前記プロセス変数データ行列の要素の時間遅延値を利用する回帰法により前記係数行列を生成するステップを含むことを特徴とする請求項２３に記載の方法。
33. 前記製造プラントにおける通信リンクを通して前記係数行列を送信するステップをさらに含むことを特徴とする請求項１９に記載の方法。
34. 前記係数行列を送信するステップが、バスを通してフィールド機器へ前記係数行列を送信するステップを含むことを特徴とする請求項３３に記載の方法。
35. 機械可読命令を格納する有形媒体であって、前記機械可読命令が１つまたは複数の機械に対して、
    前記製造プラントの製造システムの複数の不良のいずれかの発生に対応するプロセス変数データを受信させ、
    前記プロセス変数データに基づいてプロセス変数データ行列を生成させ、
    前記プロセス変数データ行列に対応する不良行列を生成させ、
    前記プロセス変数データ行列と前記不良行列とを利用して係数行列を生成させ、該係数行列は異常運転検知システムが前記異常運転検知システムによって受信されたプロセス変数に基づく不良の指標を生成するために利用されることを特徴とする、機械可読命令を格納する有形媒体。
36. 製造プラントにおけるプロセスの異常運転検知支援システムであって、
    少なくとも１つのコンピュータ可読媒体と、
    前記少なくとも１つのコンピュータ可読媒体に結合した少なくとも１つのプロセッサと、
    を含み、
    前記プロセッサは、前記少なくとも１つのコンピュータ可読媒体上に格納された実行可能な命令に従い、
    前記製造プラントの製造システムの複数の不良のいずれかの発生に対応するプロセス変数データを受信し、
    前記プロセス変数データに基づいてプロセス変数データ行列を生成し、
    前記プロセス変数データ行列に対応する不良行列を生成し、
    前記プロセス変数データ行列と前記不良行列とを利用して係数行列を生成し、前記係数行列は異常運転検知システムが前記異常運転検知システムによって受信されたプロセス変数に基づく不良指標を生成する、ように構成されることを特徴とする、製造プラントにおけるプロセスの異常運転検知支援システム。

Images