JP2016071454A - 計装機器監視システム - Google Patents

Abstract

【課題】計装機器の入出力値の異常を認識しやすい計装機器監視システムを提供する。【解決手段】複数の計装機器１Ａ、１Ｂ、１Ｃ、１Ｄ・・・の実際の入出力値を取得する値取得部３０１と、複数の計装機器１Ａ、１Ｂ、１Ｃ、１Ｄ・・・のうち監視対象計装機器１Ａ以外の計装機器１Ｂ、１Ｃ、１Ｄ・・・の実際の入出力値に基づいてファジィ回帰分析を行い、監視対象計装機器１Ａの入出力値のメンバーシップ値付き推測値を推測する推測部３０２と、メンバーシップ値毎に、実際の入出力値が推測値の範囲に包含されていた割合を算出する包含割合算出部３０３と、を備える計装機器監視システム。【選択図】図１

Description

本発明は制御技術に関し、特に計装機器監視システムに関する。

例えば、プラントにおいては、配管に、ポンプ、バルブ、流量計、流速計、温度計、及び圧力計等の様々な計装機器が設けられ、配管内の状態が監視され、制御されている。また、プラントに限らず、工場の製造プロセスやビルの空調設備等においても、様々な計装機器が設備に設けられ、設備の状態の監視及び制御がなされている。

計装機器の数が多くなればなるほど、設備の状態をより正確に監視し、制御することが可能となる。しかし、計装機器が多くなるほどコストは上昇する。また、多数の計装機器から得られた監視情報に基づいて適切な制御方法を人間が判断するのは困難である場合がある。

これに対し、監視対象計装機器の出力を他の計装機器の出力からファジィ回帰分析により推測し、監視対象計装機器の実際の出力値と推測値を比較することによって、監視対象計測機器、あるいは監視対象計測機器の計測対象の異常を検知することが提案されている（例えば、非特許文献１、２参照。）。しかし、階層型ニューラルネットワークの結合強度やバイアスにファジィ数を用いたファジィニューラルネットワークを実装した監視システムは製品化されていない。

石渕ら、他３名、「ファジィニューラルネットワークによるファジィ回帰分析」、１９９６年、日本経営工学会論文誌、Ｖｏｌ．４７、Ｎｏ．３、ｐ１８１−１９１ Kimuraら、他４名、「Fuzzy Nonlinear Rgression Analysis Using Fuzzified Neural Networks for Fault Diagnosis of Chemical Plants」、２０１１年、Journal of Advanced Comutational Intelligence and Intelligent Informatics、Vol. 15、No. 3、p336-343

本発明は、計装機器の入出力値の異常を認識しやすい計装機器監視システムを提供することを目的の一つとする。

本発明の態様によれば、（ａ）複数の計装機器の実際の入出力値を取得する値取得部と、（ｂ）複数の計装機器のうち監視対象計装機器以外の計装機器の実際の入出力値に基づいてファジィ回帰分析を行い、監視対象計装機器の入出力値のメンバーシップ値付き推測値を推測する推測部と、（ｃ）メンバーシップ値毎に、実際の入出力値が推測値の範囲に包含されていた割合を算出する包含割合算出部と、を備える、計装機器監視システムが提供される。

包含割合算出部は、実際の入出力値が第１のメンバーシップ値の推測値の範囲に包含されていた時間の割合と、実際の入出力値が、第１のメンバーシップ値の推測値の範囲に包含されないが、第１のメンバーシップ値より小さい第２のメンバーシップ値の推測値の範囲に包含されていた時間の割合と、を算出してもよい。

計装機器監視システムは、メンバーシップ値毎に、実際の入出力値が推測値の範囲に包含されていた割合を表示する表示部を更に備えていてもよい。表示部は、割合をヒストグラムで表示してもよい。

表示部は、監視対象計装機器の実際の入出力値と、監視対象計装機器の入出力値のメンバーシップ値付き推測値と、を表示してもよい。また、表示部において、監視対象計装機器の実際の入出力値と、監視対象計装機器の入出力値のメンバーシップ値付き推測値と、を時系列で表示してもよい。さらに、表示部において、実際の入出力値と、入出力値のメンバーシップ値付き推測値と、が、同一座標系上に表示されてもよい。座標系のｘ軸は、時間を表してもよい。

推測部は、ファジィニューラルネットワークによりファジィ回帰分析を行ってもよい。ファジィニューラルネットワークは、複数の計装機器の過去の実際の入出力値によって学習されてもよい。

複数の計装機器は、プラントに設けられていてもよい。また、複数の計装機器の入出力値は、複数の計装機器に入力される制御値を含んでいてもよい。さらに、複数の計装機器の入出力値は、複数の計装機器から出力されるプロセス値を含んでいてもよい。プロセス値は、温度、圧力、流速、又は流量の値を含んでいてもよい。

推測部は、複数の計装機器のうち監視対象計装機器以外の計装機器の実際の入出力値と、監視対象計装機器の入出力値の設定値と、に基づいてファジィ回帰分析を行ってもよい。

本発明によれば、計装機器の入出力値の異常を認識しやすい計装機器監視システムを提供可能である。

本発明の実施の形態に係る計装機器監視システムの模式図である。 本発明の実施の形態に係る分散制御システムの模式図である。 本発明の実施の形態に係るファジィニューラルネットワークの模式図である。 本発明の実施の形態に係るシグモイド関数を示すグラフである。 本発明の実施の形態に係る計装機器監視システムの表示部の模式図である。

以下に本発明の実施の形態を説明する。以下の図面の記載において、同一又は類似の部分には同一又は類似の符号で表している。但し、図面は模式的なものである。したがって、具体的な寸法等は以下の説明を照らし合わせて判断するべきものである。また、図面相互間においても互いの寸法の関係や比率が異なる部分が含まれていることは勿論である。

実施の形態に係る計装機器監視システムは、図１に示すように、複数の計装機器１Ａ、１Ｂ、１Ｃ、１Ｄ・・・の実際の入出力値を取得する値取得部３０１と、複数の計装機器１Ａ、１Ｂ、１Ｃ、１Ｄ・・・のうち監視対象計装機器１Ａ以外の計装機器１Ｂ、１Ｃ、１Ｄ・・・の実際の入出力値に基づいてファジィ回帰分析を行い、監視対象計装機器１Ａの入出力値のメンバーシップ値付き推測値を推測する推測部３０２と、メンバーシップ値毎に、実際の入出力値が推測値の範囲に包含されていた割合を算出する包含割合算出部３０３と、を備える。

複数の計装機器１Ａ、１Ｂ、１Ｃ、１Ｄ・・・は、例えばプラントの配管１０に設けられている。複数の計装機器１Ａ、１Ｂ、１Ｃ、１Ｄ・・・は、制御機器と、計測機器と、の両方を含みうる。制御機器は、例えばポンプ及びバルブを含む。計測機器は、例えば、流量計、流速計、温度計、及び圧力計を含む。プラントに設けられた複数の計装機器１Ａ、１Ｂ、１Ｃ、１Ｄ・・・の数は、特に限定されないが、数個、数十個、数百個、数千個、又は数万個であり得る。

複数の計装機器１Ａ、１Ｂ、１Ｃ、１Ｄ・・・の入出力値は、複数の計装機器１Ａ、１Ｂ、１Ｃ、１Ｄ・・・のいずれかに入力される制御値を含みうる。また、複数の計装機器１Ａ、１Ｂ、１Ｃ、１Ｄ・・・の入出力値は、複数の計装機器１Ａ、１Ｂ、１Ｃ、１Ｄ・・・のいずれかから出力される計測値等のプロセス値を含みうる。計装機器が流量計である場合、プロセス値は流量に関する。計装機器が流速計である場合、プロセス値は流速に関する。計装機器が温度計である場合、プロセス値は温度に関する。計装機器が圧力計である場合、プロセス値は圧力に関する。

図１に示す例では、計装機器１Ａ、１Ｂに分散制御システム（ＤＣＳ）２００Ａが接続されており、計装機器１Ｃ、１ＤにＤＣＳ２００Ｂが接続されている。例えば、計装機器１Ａが流量計であり、計装機器１Ｂがバルブである場合、図２に示すように、流量計である計装機器１Ａは、配管１０を流れる流体の流量のプロセス値ＰＶをＤＣＳ２００に出力する。ＤＣＳ２００は、プロセス値ＰＶと、流量の設定値ＳＰと、を比較し、プロセス値ＰＶが設定値ＳＰに近づくよう、バルブである計装機器１Ｂに、制御値ＯＰを入力して計装機器１Ｂを制御し、配管１０を流れる流体の流量を調節するＰＩＤ（Ｐｒｏｐｏｒｔｉｏｎａｌ−Ｉｎｔｅｇｒａｌ−Ｄｅｒｉｖａｔｉｖｅ）制御を行う。

図１に示す値取得部３０１及び推測部３０２は、例えば、中央演算処理装置（ＣＰＵ）３００に含まれる。値取得部３０１は、例えばＤＣＳ２００Ａ、２００Ｂ・・・を介して、プロセス値ＰＶ及び制御値ＯＰ等の、複数の計装機器１Ａ、１Ｂ、１Ｃ、１Ｄ・・・の実際の入出力値を取得する。値取得部３０１が実際の入出力値を取得するサンプリング周期は、特に限定されないが、例えば１分である。値取得部３０１は、例えば、取得した入出力値を記憶装置３５１に保存する。記憶装置３５１は、ＣＰＵ３００に接続されていてもよいし、一時記憶装置として、ＣＰＵ３００内に含まれていてもよい。推測部３０２は、値取得部３０１が取得した監視対象計装機器１Ａ以外の複数の計装機器１Ｂ、１Ｃ、１Ｄ・・・の実際の入出力値を記憶装置３５１から読み出し、これらを入力値としてファジィ回帰分析を行い、監視対象計装機器１Ａの入出力値のメンバーシップ値ｈ付き推測値を出力する。

ファジィ回帰分析では、入力ベクトルｘに対する出力値がファジィ数Ｙであるようなファジィ回帰モデルＹ＝Ｆ（ｘ）が数学モデルとして用いられる。ｐを時系列におけるデータ番号として、ｍ個の入出力データ（ｘ_p，ｙ_p），ｐ＝１，２，・・・，ｍが与えられた場合、ファジィ回帰モデルの決定は、下記（１）式に示す制約条件を満たすように行われる。

ここで、［・］_hは、ファジィ集合のｈ−レベル集合である。すなわち、上記（１）式の制約条件は、ファジィ回帰モデルＹ＝Ｆ（ｘ）のｈ−レベル集合に全ての入出力データが包含されなければならないことを示している。上記（１）式の制約条件を満たすようなファジィ回帰モデルを一意的に決定するために、ファジィ回帰分析では、予測値Ｆ（ｘ_p）の曖昧さの総和の最小化が行われる。

ファジィ回帰分析では、下記（２）式で示すようなファジィ線形回帰モデルを用いてもよい。
Ｙ＝Ｆ（ｘ）＝Ａ₀＋Ａ₁ｘ₁＋・・・Ａ_nｘ_n （２）
ここで、係数Ａ₀，Ａ₁，・・・，Ａ_nはファジィ係数である。

監視対象計装機器１Ａ以外のｎ個の計装機器１Ｂ、１Ｃ、１Ｄ・・・の実際の入出力値がｎ次元入力ベクトル（ｘ₁，ｘ₂，・・・，ｘ_n）として上記（２）式に入力されると、監視対象計装機器１Ａの入出力値の推測値Ｙがファジィ数として出力されるよう、ファジィ係数は設定される。なお、監視対象計装機器１Ａの入出力値の推測値を算出する際に参照されるｎ個の計装機器１Ｂ、１Ｃ、１Ｄ・・・は、例えば、監視対象計装機器１Ａの入出力値に影響を与えるか否かという観点から抽出される。ｎの数は任意であり、例えば５ないし１０であるが、これに限定されない。

ファジィ回帰分析は、ファジィ数結合強度を持つファジィニューラルネットワークを用いて行ってもよい。ファジィニューラルネットワークにおいては、逆伝搬法が適用される通常の階層型ニューラルネットワークの結合強度やバイアスを、ファジィ数に置き換えている。ｎ個の入力に対して１個のファジィな出力を回帰分析する場合、図３、並びに下記（３）ないし（７）式で示されるような３層階層型ファジィニューラルネットワークを用いることが可能である。

なお、中間層と出力層での入出力関数としては、図４に示すシグモイド関数ｆ（ｘ）＝１／｛１＋ｅｘｐ（−ｘ）｝を用いることが可能である。

図１に示す監視対象計装機器１Ａ以外のｎ個の計装機器１Ｂ、１Ｃ、１Ｄ・・・の実際の入出力値がｎ次元入力ベクトル（ｘ₁，ｘ₂，・・・，ｘ_n）として上記（３）ないし（７）式で表されるファジィニューラルネットワークに入力されると、監視対象計装機器１Ａの入出力値の推測値Ｏ_pがファジィ数として出力されるよう、ファジィニューラルネットワークを学習させることが可能である。

上記（３）ないし（７）式で表されるファジィニューラルネットワークからのファジィ数出力値Ｏ_pのｈ−レベル集合［Ｏ_p］_hの下限値を［Ｏ_p］^L _h、上限値を［Ｏ_p］^U _hとすると、上記（１）式の制約条件は、下記（８）式で表すことが可能である。

ここで、上記（８）式の条件を満たしていないときのみ、大きなペナルティが与えられるようなコスト関数ｅ_phを、下記（９）ないし（１１）式として定義することが可能である。

上記（９）ないし（１１）式において、αは非常に小さい正の整数であり、例えば０．００１である。上記（９）ないし（１１）式で定義されるコスト関数ｅ_phと、監視対象計装機器１Ａ以外の複数の計装機器１Ｂ、１Ｃ、１Ｄ・・・の過去の実際の入出力値ｘ_piと、監視対象計装機器１Ａの過去の実際の入出力値ｙ_pと、を用いて、所定のメンバーシップ値ｈにおいて上記（８）式の制約条件を満たすよう、ファジィニューラルネットワークは学習される。

なお、ファジィニューラルネットワークの学習に利用される過去の実際の入出力値（ｘ_pi，ｙ_p）としては、前日、過去数日、過去数週間、過去数か月間、あるいは過去数年間に収集されたデータが用いられる。使用される過去のデータは、温度及び圧力等の環境要因を考慮して選定されてもよい。

包含割合算出部３０３は、メンバーシップ値毎に、所定の時間範囲において、値取得部３０１が取得した実際の入出力値が、推測部３０２が推測した推測値の範囲に包含されていた時間の割合を算出する。例えば、６０分の間において、実際の入出力値が、あるメンバーシップ値の推測値の範囲に包含されていた時間が３０分であれば、割合は５０％となる。なお、時間範囲は任意であり、これに限定されない。包含割合算出部３０３は、例えば値取得部３０１のサンプリング周期と同調して、割合を再計算する。

また、例えば、包含割合算出部３０３は、所定の時間範囲において、実際の入出力値が第１のメンバーシップ値の推測値の範囲に包含されていた時間の割合と、実際の入出力値が、第１のメンバーシップ値の推測値の範囲に包含されないが、第１のメンバーシップ値より小さい第２のメンバーシップ値の推測値の範囲に包含されていた時間の割合と、実際の入出力値が、第２のメンバーシップ値の推測値の範囲に包含されないが、第２のメンバーシップ値より小さい第３のメンバーシップ値の推測値の範囲に包含されていた時間の割合と、実際の入出力値が、第３のメンバーシップ値の推測値の範囲に包含されないが、第３のメンバーシップ値より小さい第４のメンバーシップ値の推測値の範囲に包含されていた時間の割合と、実際の入出力値が、第４のメンバーシップ値の推測値の範囲に包含されないが、第４のメンバーシップ値より小さい第５のメンバーシップ値の推測値の範囲に包含されていた時間の割合と、実際の入出力値が、第５のメンバーシップ値の推測値の範囲に包含されないが、第５のメンバーシップ値より小さい第６のメンバーシップ値の推測値の範囲に包含されていた時間の割合と、を算出する。

具体例としては、包含割合算出部３０３は、所定の時間範囲において、実際の入出力値ｙ_pが、入出力値の推測値Ｏ_pの１−レベル集合［Ｏ_p］₁に包含されていた時間の割合と、実際の入出力値ｙ_pが、入出力値の推測値Ｏ_pの１−レベル集合［Ｏ_p］₁に包含されないが、０．８−レベル集合［Ｏ_p］_0.8に包含されていた時間の割合と、実際の入出力値ｙ_pが、入出力値の推測値Ｏ_pの０．８−レベル集合［Ｏ_p］_0.8に包含されないが、０．６−レベル集合［Ｏ_p］_0.6に包含されていた時間の割合と、実際の入出力値ｙ_pが、入出力値の推測値Ｏ_pの０．６−レベル集合［Ｏ_p］_0.6に包含されないが、０．４−レベル集合［Ｏ_p］_0.4に包含されていた時間の割合と、実際の入出力値ｙ_pが、入出力値の推測値Ｏ_pの０．４−レベル集合［Ｏ_p］_0.4に包含されないが、０．２−レベル集合［Ｏ_p］_0.2に包含されていた時間の割合と、実際の入出力値ｙ_pが、入出力値の推測値Ｏ_pの０．２−レベル集合［Ｏ_p］_0.2に包含されないが、０．０−レベル集合［Ｏ_p］_0.0に包含されていた時間の割合と、を算出する。

実施の形態に係る計装機器監視システムは、表示部４００をさらに備えていてもよい。表示部４００としては、例えば、液晶ディスプレイ、及び有機エレクトロルミネッセンス（ＥＬ）ディスプレイ等の表示装置が使用可能である。

図５に示すように、表示部４００は、監視対象計装機器１Ａの実際の入出力値と、監視対象計装機器１Ａの入出力値のメンバーシップ値付き推測値と、をｘ軸が時間を表す同一座標系上に表示可能である。ｘ軸の時間幅は任意であり、例えばｘ軸の右端が現在を表す。なお、図５においては、監視対象計装機器１Ａの実際の入出力値として、実際のプロセス値を示している。表示部４００は、例えば値取得部３０１のサンプリング周期と同調して、監視対象計装機器１Ａの実際の入出力値と、メンバーシップ値付き推測値と、の表示を更新する。

表示部４００は、例えば、上記（３）ないし（７）式で表されるファジィニューラルネットワークからのファジィ数出力値Ｏ_pのメンバーシップ値が１．０の集合［Ｏ_p］_1.0の下限値［Ｏ_p］^L _1.0及び上限値［Ｏ_p］^U _1.0と、メンバーシップ値が０．８の集合［Ｏ_p］_0.8の下限値［Ｏ_p］^L _0.8及び上限値［Ｏ_p］^U _0.8と、メンバーシップ値が０．６の集合［Ｏ_p］_0.6の下限値［Ｏ_p］^L _0.6及び上限値［Ｏ_p］^U _0.6と、メンバーシップ値が０．４の集合［Ｏ_p］_0.4の下限値［Ｏ_p］^L _0.4及び上限値［Ｏ_p］^U _0.4と、メンバーシップ値が０．２の集合［Ｏ_p］_0.2の下限値［Ｏ_p］^L _0.2及び上限値［Ｏ_p］^U _0.2と、メンバーシップ値が０．０の集合［Ｏ_p］_0.0の下限値［Ｏ_p］^L _0.0及び上限値［Ｏ_p］^U _0.0と、を、監視対象計装機器１Ａの入出力値のメンバーシップ値付き推測値として表示する。ただし、メンバーシップ値はこれらに限定されない。

さらに、表示部４００は、包含割合算出部３０３が算出した、実際の入出力値が推測値の範囲に包含されていた割合をメンバーシップ値毎に表示する。割合は、ヒストグラムで表示されてもよい。

実施の形態に係る計装機器監視システムによれば、オペレータが、所定の時間範囲において、監視対象計装機器の入出力値のプロセス値が、どの程度、推測値の範囲に含有されていたかを、メンバーシップ値ごとに明確に認識することが可能となる。例えば、実際の入出力値が、高いメンバーシップ値の推測値に含有された時間の割合が高ければ、オペレータは、監視対象計装機器、あるいは監視対象計装機器の計測又は制御対象が安定した稼働をしていると判断することが可能である。また、実際の入出力値が、高いメンバーシップ値の推測値に含有された時間の割合が低く、低いメンバーシップ値の推測値に含有された時間の割合が高ければ、オペレータは、監視対象計装機器、あるいは監視対象計装機器の計測又は制御対象が安定した稼働をしていない、ないしは、何らかの故障が発生していると判断することが可能である。

（その他の実施の形態）
上記のように本発明を実施の形態によって記載したが、この開示の一部をなす記述及び図面はこの発明を限定するものであると理解するべきではない。この開示から当業者には様々な代替実施の形態、実施例及び運用技術が明らかになるはずである。例えば、推測部３０２は、監視対象計装機器１Ａ以外の計装機器１Ｂ、１Ｃ、１Ｄ・・・の実際の入出力値のみならず、監視対象計装機器１Ａの入出力値の設定値に基づいてファジィ回帰分析を行ってもよい。このように、本発明はここでは記載していない様々な実施の形態等を包含するということを理解すべきである。

本発明は、以下に限定されないが、石油精製プラント、石油化学プラント、製鉄所、セメント工場、食品工場、薬品工場、車両組み立て工場、半導体工場、及び家電工場等の工場；商業ビル、事務所ビル、マンション、劇場、病院、ホテル、ショッピングセンター、及び娯楽施設等の建築物；並びに官公庁施設、上下水道施設、自動倉庫、空港施設、発電所、物流施設、及びゴミ焼却施設等の施設に設けられた計装機器の監視に利用可能である。

１Ａ、１Ｂ、１Ｃ、１Ｄ 計装機器
１０ 配管
２００Ａ、２００Ｂ ＤＣＳ
３００ ＣＰＵ
３０１ 値取得部
３０２ 推測部
３０３ 包含割合算出部
３５１ 記憶装置
４００ 表示部

Claims (15)

1. 複数の計装機器の実際の入出力値を取得する値取得部と、
   前記複数の計装機器のうち監視対象計装機器以外の計装機器の前記実際の入出力値に基づいてファジィ回帰分析を行い、前記監視対象計装機器の入出力値のメンバーシップ値付き推測値を推測する推測部と、
   前記メンバーシップ値毎に、前記実際の入出力値が前記推測値の範囲に包含されていた割合を算出する包含割合算出部と、
   を備える、計装機器監視システム。
2. 前記包含割合算出部が、前記実際の入出力値が第１のメンバーシップ値の推測値の範囲に包含されていた時間の割合と、前記実際の入出力値が、前記第１のメンバーシップ値の推測値の範囲に包含されないが、前記第１のメンバーシップ値より小さい第２のメンバーシップ値の推測値の範囲に包含されていた時間の割合と、を算出する、請求項１に記載の計装機器監視システム。
3. 前記メンバーシップ値毎に、前記実際の入出力値が前記推測値の範囲に包含されていた割合を表示する表示部を更に備える、請求項１又は２に記載の計装機器監視システム。
4. 前記表示部が、前記割合をヒストグラムで表示する、請求項３に記載の計装機器監視システム。
5. 前記表示部が、前記監視対象計装機器の実際の入出力値と、前記監視対象計装機器の入出力値のメンバーシップ値付き推測値と、を表示する、請求項３又は４に記載の計装機器監視システム。
6. 前記表示部において、前記監視対象計装機器の実際の入出力値と、前記監視対象計装機器の入出力値のメンバーシップ値付き推測値と、を時系列で表示する、請求項３ないし５のいずれか１項に記載の計装機器監視システム。
7. 前記表示部において、前記実際の入出力値と、前記入出力値のメンバーシップ値付き推測値と、が、同一座標系上に表示される、請求項３ないし６のいずれか１項に記載の計装機器監視システム。
8. 前記座標系のｘ軸が時間を表す、請求項７に記載の計装機器監視システム。
9. 前記推測部が、ファジィニューラルネットワークにより前記ファジィ回帰分析を行う、請求項１ないし８のいずれか１項に記載の計装機器監視システム。
10. 前記ファジィニューラルネットワークが、前記複数の計装機器の過去の実際の入出力値によって学習される、請求項９に記載の計装機器監視システム。
11. 前記複数の計装機器がプラントに設けられている、請求項１ないし１０のいずれか１項に記載の計装機器監視システム。
12. 前記複数の計装機器の入出力値が、前記複数の計装機器に入力される制御値を含む、請求項１ないし１１のいずれか１項に記載の計装機器監視システム。
13. 前記複数の計装機器の入出力値が、前記複数の計装機器から出力されるプロセス値を含む、請求項１ないし１２のいずれか１項に記載の計装機器監視システム。
14. 前記プロセス値が、温度、圧力、流速、又は流量の値を含む、請求項１３に記載の計装機器監視システム。
15. 前記推測部が、前記複数の計装機器のうち監視対象計装機器以外の計装機器の前記実際の入出力値と、前記監視対象計装機器の入出力値の設定値と、に基づいて前記ファジィ回帰分析を行う、請求項１ないし１４のいずれか１項に記載の計装機器監視システム。

Images