JP2017021282A - Fault symptom simulation apparatus, fault symptom simulation method, and fault symptom simulation system - Google Patents
Fault symptom simulation apparatus, fault symptom simulation method, and fault symptom simulation system Download PDFInfo
- Publication number
- JP2017021282A JP2017021282A JP2015140605A JP2015140605A JP2017021282A JP 2017021282 A JP2017021282 A JP 2017021282A JP 2015140605 A JP2015140605 A JP 2015140605A JP 2015140605 A JP2015140605 A JP 2015140605A JP 2017021282 A JP2017021282 A JP 2017021282A
- Authority
- JP
- Japan
- Prior art keywords
- sensor
- parameter
- measurement data
- database
- failure sign
- 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
Links
Images
Abstract
Description
本発明は、プラント内に備えられた複数の機器に係る故障予兆に関する訓練者の感受性を向上させるのに好適な技術に関する。 The present invention relates to a technique suitable for improving the sensitivity of a trainee regarding a failure sign related to a plurality of devices provided in a plant.
一般に、原子力発電プラントにおいては、プラントからの警報（以下、ＡＮＮという）を運転員に報知するため、中央制御室には複数台の制御盤が配置されており、各制御盤には、例えば１０００を超える警報表示窓（以下、ＡＮＮ窓という。）が備えられている。
このようなＡＮＮ窓にあっては、多くのシステムの軽微な故障状態を報知するＡＮＮ窓や、プラントの異常状態や主要システムの運転状態を示すＡＮＮ窓が重要度に応じて数種類に色分けされているが、運転員によっては誤操作のおそれもあった。
そこで、軽微な故障または重大な故障等を模擬させ、実際の運転時にそれらの事象を収束させるために必要な技能や技術力を身に付けさせることを目的とした運転訓練用シミュレータ装置が知られている。
図１５に示すように、運転訓練用シミュレーション装置２００は、実際にプラントや発電所等に配置された運転装置と同様の機能を有する運転装置２０２を訓練対象としている。運転装置２０２には、複数のスイッチが配置された操作スイッチ群２０４と、複数の表示灯が配置された表示灯群２０６と、警報表示を行うためのＡＮＮ窓２０８を備えている。
In general, in a nuclear power plant, a plurality of control panels are arranged in a central control room in order to notify an operator of an alarm (hereinafter referred to as ANN) from the plant. There are alarm display windows (hereinafter referred to as ANN windows) exceeding.
In such an ANN window, an ANN window that reports a minor failure state of many systems and an ANN window that indicates an abnormal state of a plant and an operating state of a main system are classified into several types according to the importance. However, some operators may have misoperated.
Therefore, a simulator device for driving training has been known that aims to simulate the minor or serious failure, etc., and to acquire the skills and technical skills necessary to converge those events during actual driving. ing.
As shown in FIG. 15, the operation
このような運転訓練用シミュレーション装置２００に備えられたシミュレーション機能としては、
（１）インストラクタ２１０が運転訓練用シミュレーション装置２００を操作し、訓練者２１２に機器故障に至る運転状態を模擬させる機能、
（２）訓練者が模擬した故障状態に対し、運転マニュアルに沿って事態を収束させるための操作を行う機能、
（３）訓練者２１２による操作の過程や結果が、マニュアル通りであるか否かを表す正確性、迅速性等を確認し、問題提起、アドバイス（助言）を行う機能、
（４）アドバイスに基づいて、訓練者に反復訓練を行わせる機能、
等があり、（１）〜（４）に示す機能を繰り返し訓練することで、通常の運転技能や技術力の向上、事故（機器故障）に対する対応能力の向上などの効果があった。
なお、訓練には、（ａ）プラントの起動操作、停止操作、（ｂ）機器事故時の対応操作等がある。
As a simulation function provided in such a driving
(1) A function in which the
(2) A function for performing an operation for converging the situation according to the operation manual for the failure state simulated by the trainee,
(3) A function for confirming the accuracy and quickness of whether or not the process and result of operation by the
(4) A function that allows the trainer to perform repeated training based on the advice,
By repeatedly training the functions shown in (1) to (4), there were effects such as improvement of normal driving skill and technical ability, and improvement of ability to cope with an accident (equipment failure).
The training includes (a) plant start-up operation and stop operation, and (b) response operation in case of equipment accident.
上述したような運転訓練用シミュレーション装置の一例として、特許文献１に記載されたものが知られている。
特許文献１には、訓練室には、実機の運転監視制御盤と同等の運転訓練制御盤と、新しく付加される定検作業訓練用制御盤が設置され、運転訓練制御盤には、訓練員の操作する多数の操作スイッチが配備されると共に、状態ランプ・ＡＮＮ窓・指示計・記録計・ＣＲＴ等の出力装置を備えて、シミュレータ計算機で演算されたプラント状態量を反映するように構成している運転訓練シミュレータが開示されている。
As an example of the driving training simulation apparatus as described above, one described in
In
しかしながら、従来の技術にあっては、機器故障の予兆に対する運転員の感受性の向上や、プラント内に配置された複数の機器に対してどこまでの機器に故障の影響範囲があるか把握ができないといった問題があった。また、過去の不具合事例についての運転員の知識の向上に役立たないといった問題があった。さらに、プラント内に配置された複数の機器の正常運転範囲（パラメータ）についての知識の向上に役立たないといった問題があった。
本発明は、上記に鑑みてなされたもので、その目的としては、プラント内に配置された複数の機器が故障する前段階で現れる故障予兆に対して、訓練者の感受性を高めることにある。また、機器故障の影響範囲を把握できることにある。
However, with the conventional technology, the operator's sensitivity to the signs of equipment failure is improved, and it is impossible to grasp how far the equipment is affected by the failure of multiple equipment arranged in the plant. There was a problem. In addition, there is a problem that it is not useful for improving the knowledge of the operator about past trouble cases. Furthermore, there has been a problem that it does not help improve knowledge about the normal operation range (parameters) of a plurality of devices arranged in the plant.
The present invention has been made in view of the above, and an object thereof is to increase a trainee's sensitivity to a failure sign that appears at a stage before failure of a plurality of devices arranged in a plant. In addition, it is possible to grasp the range of influence of equipment failure.
上記課題を解決するたに、請求項１記載の発明は、プラント内に配置された複数の機器と、前記各機器の挙動を計測する複数のセンサと、前記各センサにより測定された測定データを、前記各センサが配置されているセンサ名と関連付けて記憶するデータベースと、を備え、前記データベースから取得した測定データに基づいて、前記各センサの挙動についてのシミュレーションを行う故障予兆シミュレーション装置であって、前記データベースから取得した前記各センサ名を表すセンサリストを生成するセンサリスト生成手段と、前記センサリストの中の何れかのセンサ名が選択された場合に、前記各センサ名を表す木構造モデルを生成するモデル生成手段と、前記木構造モデルの中の何れか１つのセンサ名が選択されたか否かを判断する選択判断手段と、前記センサ名が選択された場合に、当該センサについての測定データを前記データベースから取得し、前記測定データについてのパラメータを生成するパラメータ生成手段と、前記パラメータを表示するとともに、表示されたパラメータについての変動操作量を入力する表示操作手段と、を備え、前記パラメータ生成手段は、前記変動操作量に応じて当該パラメータを変動させるとともに、当該センサに相関関係のある他のセンサについて抽出するとともに、前記変動操作量に応じて前記他のセンサについての変動量を予測し、予測に応じたパラメータ量を表示することを特徴とする。
In order to solve the above-mentioned problem, the invention according to
本発明によれば、プラント内に配置された複数の機器が故障する前段階で現れる故障予兆に対して、訓練者の感受性を高めることができる。また、機器故障の影響範囲を把握することができる。 ADVANTAGE OF THE INVENTION According to this invention, a trainer's sensitivity can be raised with respect to the failure sign which appears in the stage before the some apparatus arrange | positioned in a plant fails. It is also possible to grasp the range of influence of equipment failure.
本発明の実施形態について、図面を参照して説明する。
本発明は、プラントに配置された機器を対象としたセンサからの測定データをデータベースに保存しておき、このデータベースを活用してシミュレーションすることで、異常発生時の対処方法の検討及び評価が可能になり、技術者のスキルアップに繋げることを特徴としている。
データベースの活用に際しては、
（１）過去の機器故障および予兆事象について、関係する計器・センサの抽出と、測定データの挙動をパターン化しておき、事故の予測と事故の防止のための教育に活用する。これにより、関係する計器・センサのパラメータを任意に変動させて、予兆の発生から故障に至るまでの変動を体感することができる。
（２）運転員がスキルアップしたい任意の機器に対して、その機器に関係するパラメータの種類の抽出と、どの程度プロセス値が変動したら故障予兆が表れる状態になるかを可視化する。
（３）正常運転中のパラメータ変動を再現する。
という点を特徴としている。
Embodiments of the present invention will be described with reference to the drawings.
In the present invention, measurement data from sensors targeted at equipment arranged in a plant is stored in a database, and simulation using this database enables examination and evaluation of countermeasures when an abnormality occurs. It is characterized by being connected to the skill improvement of engineers.
When using the database,
(1) For past equipment failures and predictive events, extract relevant instruments / sensors and pattern the behavior of measurement data, and use them for education to predict accidents and prevent accidents. As a result, it is possible to experience the fluctuations from the occurrence of the sign to the failure by arbitrarily changing the parameters of the related instruments and sensors.
(2) For an arbitrary device that the operator wants to improve his skill, the type of parameters related to the device is extracted, and how much the process value fluctuates is visualized to indicate a failure sign.
(3) Reproduce parameter fluctuations during normal operation.
It is characterized by the point.
次に、本発明の実施形態について、図面を参照して説明する。
＜第１実施形態＞
図１は本発明の第１実施形態に係る故障予兆シミュレーション装置を含む予兆監視システム１００の構成の一例を示す図である。
プラント（図示しない）には、複数の計測対象機器（以下、機器という）が備えられている。さらに、各機器には機器の電流、電圧、電力、流量、圧力、温度等の挙動を検出するためのセンサＣ−１〜Ｃ−ｎが備えられている。センサＣ−１〜Ｃ−ｎから出力された測定データがセンサ監視装置１４（＃１〜＃ｎ）に入力されている。また、センサ監視装置１４（＃１〜＃ｎ）にはその他のセンサ群１５が接続されている。
センサ監視装置１４（＃１〜＃ｎ）は、それぞれネットワークＮ１を介して故障予兆監視装置３０、データベース４０に接続されている。センサ監視装置１４（＃１〜＃ｎ）において収集された各センサからの測定データは、それぞれネットワークＮ１を介して故障予兆監視装置３０、データベース４０に受信される。故障予兆監視装置３０内には故障予兆シミュレーション装置５０が備えられている。
Next, embodiments of the present invention will be described with reference to the drawings.
<First Embodiment>
FIG. 1 is a diagram illustrating an example of a configuration of a
A plant (not shown) includes a plurality of measurement target devices (hereinafter referred to as devices). Further, each device is provided with sensors C-1 to Cn for detecting the behavior of the device such as current, voltage, power, flow rate, pressure, and temperature. Measurement data output from the sensors C-1 to Cn is input to the sensor monitoring device 14 (# 1 to #n). Further, another
The sensor monitoring devices 14 (# 1 to #n) are connected to the failure
さらに、データベース４０は、それぞれネットワークＮ１を介して故障予兆シミュレーション装置５０に接続され、データベース４０に蓄積された各センサからの測定データは、それぞれネットワークＮ１、通信制御部５１を介して故障予兆シミュレーション装置５０に受信される。
データベース４０は、各機器１１の挙動を計測する複数のセンサＣ１〜Ｃｎにより測定された測定データを、各センサが配置されているセンサ名と関連付けて記憶する。データベース４０は、過去の通常時から故障時に至る測定データを記憶する。
予兆監視システム１００は、故障予兆シミュレーション装置５０、端末７０−１〜７０−ｎ、プリンタ６０を備えており、それぞれネットワークＮ２を介して接続されている。
故障予兆シミュレーション装置５０は、データベース４０から取得した測定データに基づいて、各センサの挙動についてのシミュレーションを行う。故障予兆シミュレーション装置５０は、データベース４０から取得した各センサ名を表すセンサリストを生成する。故障予兆シミュレーション装置５０は、センサリストの中の何れかのセンサ名が選択された場合に、当該機器の各位置に配置されている各センサ名を表す木構造モデルを生成する。故障予兆シミュレーション装置５０は、木構造モデルの中の何れか１つのセンサ名が選択されたか否かを判断する。故障予兆シミュレーション装置５０は、センサ名が選択された場合に、当該センサについての測定データをデータベース４０から取得し、測定データについてのパラメータを生成する。故障予兆シミュレーション装置５０は、パラメータを表示するとともに、表示されたパラメータについての変動操作量を入力する。
端末７０−１〜７０−ｎは、ＧＵＩ（Graphical User Interface）機能が搭載されたパーソナルコンピュータである。
プリンタ６０は、故障予兆シミュレーション装置５０または端末７０からネットワークＮ２を介して出力されたセンサのパラメータ挙動やパラメータデータを記録紙に印字する。
Further, the
The
The
The failure
The terminals 70-1 to 70-n are personal computers equipped with a GUI (Graphical User Interface) function.
The
図２は、図１に示す故障予兆シミュレーション装置５０のハードウエア構成を示すブロック図である。
故障予兆シミュレーション装置５０は、通信制御部５１、通信制御部５２、主制御部５３、データ記憶部５５、表示制御部５６、表示部５７、ディスク制御部５８、データベース部５９を備えている。
通信制御部５１は、ネットワークＮ１を介してイーサネット（登録商標）通信により各装置間のデータ通信を制御する。
通信制御部５２は、ネットワークＮ２を介してイーサネット（登録商標）通信により各装置間のデータ通信を制御する。
主制御部５３は、内部にＲＯＭ（read only memory）、ＲＡＭ（random access memory）、ＣＰＵ（central processing unit）、ＨＤＤ（hard disk drive）を有する主制御部５３を備えている。主制御部５３は、ＨＤＤからオペレーティングシステムＯＳを読み出してＲＡＭ上に展開してＯＳを起動し、ＯＳ管理下において、ＨＤＤからプログラム（処理モジュール）を読み出し、各種処理を実行する。
データ記憶部５５は、データを記憶する。
表示制御部５６は、表示情報に基づいてセンサリストやパラメータ等の表示画像を生成して表示部５７に出力する。
表示部５７は、表示制御部５６から出力されるセンサリストやパラメータ等の表示画像を表示する。
ディスク制御部５８は、データベース部５９を制御して入出力データの読み出し、書き込みを行う。
データベース部５９は、ＨＤＤやＤＶＤからなり、データを蓄積する。
FIG. 2 is a block diagram showing a hardware configuration of the failure
The failure
The
The
The
The
The
The display unit 57 displays a display image such as a sensor list and parameters output from the
The
The database unit 59 includes an HDD or a DVD and stores data.
図２は、図１に示す故障予兆システムに含まれる特徴的な機能を示すブロック図である。
端末７０に搭載された測定データ変更部７０Ａ、検索結果表示部７０Ｂ、分析結果表示部７０Ｃは、保修技術者支援アプリケーションソフトウエアを実行することにより、以下の機能を実行する。
測定データ変更部７０Ａは、測定データ変更モジュールを実行することにより、データベース４０から取得した測定データ、もしくは新規作成されたシミュレーションに必要なデータを加工できる変更機能を実行する。
検索結果表示部７０Ｂは、検索結果表示モジュールを実行することにより、データベース４０から取得した検索結果を表示処理して端末７０に出力する。
分析結果表示部７０Ｃは、分析結果表示モジュールを実行することにより、分析エンジン部３０Ａに分析依頼を出力し、分析エンジン部３０Ａでの処理結果として返送されてきた分析結果を表示処理して端末７０に出力する。
分析結果表示部７０Ｃは、分析エンジン部３０Ａから取得した分析結果と、データベース管理部４０Ａを介してデータベース５０に格納したデータとの類似確認を行うこともできる。
データベース４０に搭載されたデータベース管理部４０Ａは、データベース管理モジュールを実行することにより、過去データ（正常時、異常時、アラーム発生時）と、シミュレーション結果データ（加工、新規作成）をＨＤＤに格納するとともに、ＨＤＤに格納したデータを検索依頼に応じて検索して出力するまでの各工程を管理する。
故障予兆監視装置３０に搭載された分析エンジン処理部３０Ａは、分析エンジン処理モジュールを実行することにより、分析依頼に応じて測定データ変更もしくは新規作成データを分析し、分析結果を出力する。
FIG. 2 is a block diagram showing characteristic functions included in the failure sign system shown in FIG.
The measurement
The measurement
The search
The analysis result display unit 70C outputs an analysis request to the
The analysis result display unit 70C can also confirm similarity between the analysis result acquired from the
The
The analysis
図３は、本発明の第１実施形態に係る故障予兆シミュレーション装置５０の動作を示すメインルーチンのフローチャートである。
過去の機器故障および予兆事象について、機器に関係する計器やセンサを抽出するとともに、計器やセンサの挙動をパターン化しておき、事故の予測と事故の防止のための教育に活用する。機器に関係する計器やセンサのパラメータを任意に変動させて、故障予兆の発生から故障に至るまでのパラメータの変動を表示することを特徴点としている。
FIG. 3 is a flowchart of a main routine showing the operation of the failure
For past equipment failures and predictive events, instruments and sensors related to the equipment are extracted, and the behavior of the instruments and sensors is patterned and used for education for accident prediction and prevention. It is characterized by displaying changes in parameters from occurrence of a failure sign to failure by arbitrarily changing parameters of instruments and sensors related to the device.
まず、ステップＳ５では、分析エンジン処理部３０Ａは、データベース化処理のサブルーチン（図４）をコールして実行する。この結果、データベース４０には、各センサから取得した測定データとその測定時刻データと各センサが配置されているセンサ名とが蓄積される。
ステップＳ１０では、分析エンジン処理部３０Ａは、モデル構築処理のサブルーチン（図５）をコールして実行する。この結果、データベース４０には、２地点に配置されたセンサ間の測定データの関係（近似式およびフィット値）を分析対象の相関関係とした機器モデルが記憶される。
First, in step S5, the analysis
In step S10, the analysis
ステップＳ１５では、分析エンジン処理部３０Ａは、データ転送コマンドを通信制御部５１からネットワークＮ１を介してデータベース４０に送信する。データ転送コマンドを受信したデータベース４０は、データベース４０に蓄積されている各センサから取得した測定データとその測定時刻データと各センサが配置されているセンサ名とを読み出してネットワークＮ１を介して故障予兆シミュレーション装置５０に送信する。
この結果、故障予兆シミュレーション装置５０では、データベース４０から通信制御部５１を介して受信した、測定データ、測定時刻データ、センサが配置されているセンサ名を一旦データ記憶部５５に記憶し、さらに、ディスク制御部５８を介してデータベース５９に記憶して内部データとして保存する。さらに、分析エンジン処理部３０Ａは、データ記憶部５５から取得した複数のセンサ名を表すセンサリストを生成する。
In step S15, the analysis
As a result, the failure
ステップＳ２０では、分析エンジン処理部３０Ａは、センサリストを通信制御部５２からネットワークＮ２を介して端末７０に送信する。
センサリストを受信した端末７０では、検索結果表示部７０Ｂは、表示画面にセンサリストを表示する。ユーザ操作に応じて例えば「機器Ｃ」が選択された場合、端末７０は、センサ名として「機器Ｃ」をネットワークＮ２を介して故障予兆シミュレーション装置５０に送信する。
ステップＳ２５では、分析エンジン処理部３０Ａは、端末７０において選択されたセンサ名を通信制御部５２を介して受信する。
以下、ネットワークＮ１、Ｎ２を介して各装置間で行われる通信、すなわち、故障予兆シミュレーション装置５０に設けられた通信制御部５１、５２、ネットワークＮ１、Ｎ２を介して行われる通信については、上述した通信手法により行われるので、その説明を省略する。
In step S20, the analysis
In the terminal 70 that has received the sensor list, the search result display unit 70B displays the sensor list on the display screen. For example, when “device C” is selected in response to a user operation, the terminal 70 transmits “device C” as a sensor name to the failure
In step S <b> 25, the analysis
Hereinafter, the communication performed between the devices via the networks N1 and N2, that is, the communication performed through the
ステップＳ３０では、分析エンジン処理部３０Ａは、センサリストの中の何れかのセンサ名が選択された場合に、当該センサ名に関連する複数のセンサ情報により構成される木構造モデルデータ（図７）を生成する。
ステップＳ３５では、分析エンジン処理部３０Ａは、通信制御部５２を介して木構造モデルデータを端末７０に送信する。
木構造モデルデータを受信した端末７０では、検索結果表示部７０Ｂは、表示画面に木構造モデルデータを表示する。ユーザ操作に応じて例えばセンサ「Ｃ−１」が選択された場合、端末７０は、センサ名として「Ｃ−１」を故障予兆シミュレーション装置５０に送信する。
In step S30, the analysis
In step S35, the analysis
In the terminal 70 that has received the tree structure model data, the search result display unit 70B displays the tree structure model data on the display screen. For example, when the sensor “C-1” is selected according to the user operation, the terminal 70 transmits “C-1” as the sensor name to the failure
ステップＳ４０では、分析エンジン処理部３０Ａは、通信制御部５２を介して端末７０において選択されたセンサ名として例えば「Ｃ−１」を受信する。
ステップＳ４５では、分析エンジン処理部３０Ａは、センサ名が選択された場合に、当該センサについての測定データをデータベース４０から取得し、パラメータを生成する。
ステップＳ５０では、分析エンジン処理部３０Ａは、通信制御部５２を介して当該センサのパラメータを端末７０に送信する。
当該センサのパラメータデータを受信した端末７０では、分析結果表示部７０Ｃは、図８に示すように、表示画面にパラメータ画像を表示する。ユーザ操作に応じて例えば上下変動操作データ、実行指示が選択された場合、端末７０は、上下変動操作データ、実行指示を故障予兆シミュレーション装置５０に送信する。
In step S40, the analysis
In step S45, when the sensor name is selected, the analysis
In step S50, the analysis
In the terminal 70 that has received the parameter data of the sensor, the analysis result display unit 70C displays the parameter image on the display screen as shown in FIG. For example, when the up / down fluctuation operation data and the execution instruction are selected according to the user operation, the terminal 70 transmits the up / down fluctuation operation data and the execution instruction to the failure
ステップＳ５５では、分析エンジン処理部３０Ａは、通信制御部５２を介して当該センサのパラメータ画像データへの上下変動操作に関連した上下変動操作データ、実行指示を端末７０から通信制御部５２を介して受信する。これにより、表示されたパラメータについての変動操作量を取得する。
ステップＳ６０では、分析エンジン処理部３０Ａは、端末７０から受信した上下変動操作データの変動量に応じて当該パラメータの変動幅を増減し、当該センサに相関関係が深いセンサを抽出し、予測したパラメータ値を生成し、通信制御部５２を介して端末７０に送信する。
端末７０において、検索結果表示部７０Ｂは、表示画面８７の下方に「対象機種変更」ボタン９０、「実行」ボタン９１を表示し、クリック操作が行われることで、操作内容が故障予兆シミュレーション装置５０に送信する。
ステップＳ６５では、分析エンジン処理部３０Ａは、通信制御部５２を介して端末７０から受信した操作内容に基づいて、対象センサを変更するか否かを判断する。対象センサを変更する場合（Ｓ６５、Ｙｅｓ）にはステップＳ２０に戻り、上述した処理を繰り返す。対象センサを変更しない場合（Ｓ６５、Ｎｏ）には処理を終了する。
In step S55, the analysis
In step S60, the analysis
In the terminal 70, the search
In step S65, the analysis
図４は、本発明の第１実施形態に係る故障予兆シミュレーション装置５０の動作を示すサブルーチンのフローチャートである。
ステップＳ１０５では、分析エンジン処理部３０Ａは、通信制御部５１を介してデータ取得コマンドをデータベース４０に送信することで、データベース管理部４０Ａは、各センサからセンサ監視装置１４を介して出力される測定データと測定時刻データと各センサが配置されているセンサ名をデータベース４０に取得させる。
ステップＳ１１０では、分析エンジン処理部３０Ａは、通信制御部５１を介してデータ蓄積コマンドをデータベース４０に送信することで、データベース管理部４０Ａは、センサ監視装置１４から取得した測定データと測定時刻データと各センサが配置されているセンサ名をデータベース４０に蓄積させる。
これにより、データベース４０において、データベース管理部４０Ａは、各センサから取得した測定データとその測定時刻データを各センサが配置されているセンサ名と関連付けて蓄積することができる。ここで、データベース４０の記憶内容を表１に示す。
FIG. 4 is a flowchart of a subroutine showing the operation of the failure
In step S105, the analysis
In step S110, the analysis
Thereby, in the
図５は、本発明の第１実施形態に係る故障予兆シミュレーション装置５０の動作を示すサブルーチンのフローチャートである。
ステップＳ１６５では、分析エンジン処理部３０Ａは、通信制御部５１を介してデータ転送コマンドをデータベース４０に送信することで、データベース４０から正常動作時における分析期間の測定データを受信して取得し、ＲＡＭに記憶する。
ステップＳ１７０では、分析エンジン処理部３０Ａは、正常動作時における分析期間の測定データに基づいて、任意の２地点に配置されたセンサ間の測定データの相関関係を識別する。
FIG. 5 is a flowchart of a subroutine showing the operation of the failure
In step S165, the analysis
In step S170, the analysis
ステップＳ１７５では、分析エンジン処理部３０Ａは、フィット値を算出しておき、フィット値が閾値以下か否かを判断する。
ここで、分析エンジン処理部３０Ａは、データベース４０から取得した測定２点の分析期間の測定データに基づいて、２地点に配置されたセンサ間の測定データの相関関係として、Ｂ＝ｆ（Ａ）のような数式ベースの近似式を生成する。近似式の生成方法としては、例えば、線形回帰と呼ばれている方法を用いればよい。
分析エンジン処理部３０Ａは、生成した近似式と、生成時に利用した時系列データとから、実際のデータを近似式がどの程度近似できているかどうかの指標であるフィット値を生成する。線形回帰として最小二乗法を用いて近似した場合、フィット値は最小二乗法における決定係数とすることができる。
フィット値が閾値以下である場合（Ｓ１７５、Ｙｅｓ）にはステップＳ１８５に進む。一方、フィット値が閾値以下ではない場合（Ｓ１７５、Ｎｏ）にはステップＳ１８０に進む。
ステップＳ１８０では、分析エンジン処理部３０Ａは、２地点に配置されたセンサ間の測定データの関係（近似式およびフィット値）を分析対象の相関関係として、モデル化してデータベース４０に記憶する。
In step S175, the analysis
Here, the analysis
The analysis
If the fit value is equal to or less than the threshold value (S175, Yes), the process proceeds to step S185. On the other hand, if the fit value is not less than or equal to the threshold (S175, No), the process proceeds to step S180.
In step S180, the analysis
このように、任意の２地点に配置されたセンサの測定データ間の相関関係を示す近似式及びフィット値が所定の閾値を超えている場合に、当該センサを木構造モデルに含めることで、シミュレーションを行うことができ、プラント内に配置された複数の機器が故障する前段階で現れる故障予兆に対して、相関関係の高い任意の２地点に配置されたセンサを木構造モデルに含めることができる。
ステップＳ１８５では、分析エンジン処理部３０Ａは、全ての任意の２地点に配置されたセンサ間の測定データで識別したか否かを判断する。全ての任意の２地点に配置されたセンサ間の測定データで識別した場合（Ｓ１８５、Ｙｅｓ）にはメインルーチンに復帰する。一方、全ての任意の２地点に配置されたセンサ間の測定データで識別が未だなしきっていない場合（Ｓ１８５、Ｎｏ）にはステップＳ１７０に進む。
As described above, when the approximate expression indicating the correlation between the measurement data of the sensors arranged at two arbitrary points and the fit value exceed a predetermined threshold, the sensor is included in the tree structure model to perform simulation. Sensors placed at any two highly correlated points can be included in the tree structure model against a failure sign that appears at the stage before failure of multiple devices placed in the plant. .
In step S185, the analysis
図６は、端末の表示画面に表示されるセンサリストを示す図である。
端末にはＧＵＩ機能が搭載されており、図６に示すように、表示画面８１上のセンサリスト内には「機器Ａ〜Ｄ」等が表示される。なお、「機器Ａ〜Ｄ」等は機器の名称や番号であってもよい。図６においては、例えば端末に接続されたマウス（図示しない）を用いて「機器Ｃ」欄がクリックされると、ＧＵＩ機能により選択された「機器Ｃ」欄が色反転され、ユーザ操作に応じて「機器Ｃ」が選択されたことを示す。
FIG. 6 is a diagram showing a sensor list displayed on the display screen of the terminal.
The terminal has a GUI function, and “devices A to D” and the like are displayed in the sensor list on the
図７は、図６に示すセンサリスト内の「機器Ｃ」欄が選択された場合に、端末の表示画面に表示される木構造モデルの概要を示す図である。
図７に示すように、表示画面の上部には「機器Ｃ」に関係する機器モデルの名称として「機器Ｃモデル」と、「機器Ｃ」に関係する計器・センサ番号として「Ｃ−１ ○○部 温度」という内容が表示される。
また、図７に示すように、表示画面の中央部には計器・センサ番号として「Ｃ−１」〜「Ｃ−６」をノードとして接続された「機器Ｃ」に関係する機器モデルを模式的に表現した木構造モデルが表示されている。
なお、木構造モデルは、故障予兆シミュレーション装置５０において、図５に示すモデル構築処理（モデル生成手段）により、センサリストの中の何れか１つのセンサ名が選択された場合に、当該機器の各位置に配置されている各センサを表す木構造モデルとして生成され、端末７０に表示される。
詳しくは、機器モデルの各要素は、「計器・センサ番号」と「計器・センサ間の関係性」で構成される。さらに「計器・センサ番号」には、それぞれ「各計器・センサの時系列データ」が紐づいている。また、「計器・センサ間の関係性」は「各計器・センサの時系列データ」を用いて決定される。「各計器・センサの時系列データ」は、機器モデルを作成する際に設定した期間がそのまま保持される。このため、各計器・センサの全てが同じ期間の時系列データを有していることとなる。
FIG. 7 is a diagram showing an outline of the tree structure model displayed on the display screen of the terminal when the “device C” column in the sensor list shown in FIG. 6 is selected.
As shown in FIG. 7, the upper part of the display screen has “device C model” as the name of the device model related to “device C” and “C-1 XX” as the instrument / sensor number related to “device C”. "Temperature" is displayed.
Also, as shown in FIG. 7, a device model related to “device C” connected with “C-1” to “C-6” as nodes as instrument / sensor numbers is schematically shown in the center of the display screen. The tree structure model expressed in is displayed.
Note that the tree structure model is stored in the failure
Specifically, each element of the device model is composed of “instrument / sensor number” and “relationship between instrument / sensor”. Furthermore, “instrument / sensor number” is associated with “time-series data of each instrument / sensor”. Further, the “relationship between instruments / sensors” is determined using “time-series data of each instrument / sensor”. The “time series data of each instrument / sensor” retains the period set when the device model is created. For this reason, all the meters and sensors have time-series data for the same period.
図８は、図７に示す木構造モデルに含まれるセンサＣ−１が選択された場合でのセンサＣ−１の時系列データを示すグラフ図である。
検索結果表示部７０Ｂは、図７に示す端末７０の表示画面に対して所望のセンサ（例えばＣ−１）をクリック操作がされた場合、端末７０に搭載されたＧＵＩ機能によりセンサ番号「Ｃ−１」が選択されると、図８に示すように、センサＣ−１により過去に取得された時系列データがグラフ図として表示する。
なお、図８には、表示画面の上部には計器・センサ番号として「Ｃ−１ ○○部 温度」という内容が表示される。
また、図７に示すように、表示画面の中央部には縦軸に温度（℃）横軸に時間（ｔ）が表示され、センサＣ−１により過去に取得された時系列データがグラフ図（８９）として表示される。
これにより、訓練者は、計器・センサの挙動を端末７０の表示画面において確認することができる。
さらに、測定データ変更部７０Ａは、端末７０に搭載されたＧＵＩ機能を用いて、表示画面８３に表示されたグラフ図の一点をマウス操作により上方８４又は下方８５に移動しておき、表示画面の下方に表示されている「実行」ボタン８６をクリック操作することで、図９に示すような２つのグラフ図を表示する。
なお、図８に示すように、表示画面８３の下方に「実行」ボタン８６が表示されており、クリック操作が行われることで、操作内容を故障予兆シミュレーション装置５０に送信することができる。
また、本実施形態では、図７に示す端末７０の表示画面に対して所望のセンサ（例えばＣ−１）をクリック操作がされた場合、端末７０に搭載されたＧＵＩ機能によりセンサ番号「Ｃ−１」が選択されると、図８に示すように、センサＣ−１により過去に取得された時系列データがグラフ図として表示するように構成しているが、別の実施形態として、グラフ図（図８）に代わって例えば二次元マトリクス等を用いて異なる表示態様にしてもよい。
FIG. 8 is a graph showing time-series data of the sensor C-1 when the sensor C-1 included in the tree structure model shown in FIG. 7 is selected.
When a desired sensor (for example, C-1) is clicked on the display screen of the terminal 70 shown in FIG. 7, the search
In FIG. 8, the content “C-1 XX part temperature” is displayed as an instrument / sensor number at the top of the display screen.
In addition, as shown in FIG. 7, temperature (° C.) is displayed on the vertical axis and time (t) is displayed on the horizontal axis in the center of the display screen, and time series data acquired in the past by the sensor C-1 is a graph. (89) is displayed.
Thereby, the trainee can check the behavior of the instrument / sensor on the display screen of the terminal 70.
Furthermore, the measurement
As shown in FIG. 8, an “execution”
In this embodiment, when a desired sensor (for example, C-1) is clicked on the display screen of the terminal 70 shown in FIG. 7, the sensor number “C−” is displayed by the GUI function installed in the terminal 70. When “1” is selected, the time series data acquired in the past by the sensor C-1 is displayed as a graph as shown in FIG. 8, but as another embodiment, Instead of (FIG. 8), for example, a different display mode may be used by using a two-dimensional matrix or the like.
図９は、図８に示す「実行」ボタン８６がクリック操作されたことに応じて表示されるセンサＣ−１の時系列データの変化例を加えたグラフ図である。
図９に示す時系列データのグラフ図（８９）は、図８に示す位置（ｘ，ｙ）と同様の位置に表示されている。
グラフ図（８９）を上方８４操作に応じて変動幅が増加した場合に、上下変動操作データの変動量に応じて当該パラメータの変動幅を増減し、当該センサに相関関係のある他のセンサについて抽出するとともに、前記変動操作量に応じて前記他のセンサについての変動量を予測し、予測に応じたパラメータ量（８８）を表示する。
なお、センサＣ−１に関係する各計器・センサの時系列データとして、例えばセンサＣ−２、Ｃ−３の時系列データ）が表示される。
図９に示すように、表示画面８７の下方に「対象機種変更」ボタン９０、「実行」ボタン９１が表示されており、クリック操作が行われることで、操作内容を故障予兆シミュレーション装置５０に送信することができる。
FIG. 9 is a graph diagram to which a change example of the time series data of the sensor C-1 displayed in response to the click operation of the “execute”
The graph (89) of the time series data shown in FIG. 9 is displayed at the same position as the position (x, y) shown in FIG.
In the graph (89), when the fluctuation range increases according to the upward 84 operation, the fluctuation range of the parameter is increased / decreased according to the fluctuation amount of the up / down fluctuation operation data, and other sensors correlated with the sensor. While extracting, the fluctuation amount about the said other sensor is estimated according to the said fluctuation | variation operation amount, and the parameter amount (88) according to prediction is displayed.
In addition, for example, time series data of sensors C-2 and C-3) is displayed as time series data of each instrument / sensor related to the sensor C-1.
As shown in FIG. 9, a “target model change” button 90 and an “execute”
このように、データベース４０から取得した各センサ名を表すセンサリストを生成し、センサリストの中の何れかのセンサ名が選択された場合に、各センサ名を表す木構造モデルを生成し、木構造モデルの中の何れか１つのセンサ名が選択された場合に、当該センサについての測定データをデータベース４０から取得し、測定データについてのパラメータを生成し、パラメータを表示するとともに、表示されたパラメータについての変動操作量を入力し、変動操作量に応じて当該パラメータを変動させるとともに、当該センサに相関関係のある他のセンサについて抽出するとともに、前記変動操作量に応じて前記他のセンサについての変動量を予測し、予測に応じたパラメータ量を表示することで、プラント内に配置された複数の機器が故障する前段階で現れる故障予兆に対して、訓練者の感受性を高めることができる。また、機器故障の影響範囲を把握することができる。
また、データベース４０に過去の通常時から故障時に至る測定データを記憶することで、記憶された測定データを利用してシミュレーションを行うことができ、プラント内に配置された複数の機器が故障する前段階で現れる故障予兆に対して、訓練者の感受性を高めることができる。また、機器故障の影響範囲を把握することができる。
Thus, a sensor list representing each sensor name acquired from the
In addition, by storing measurement data from the past normal time to the time of failure in the
＜第２実施形態＞
本発明の第２実施形態は、本発明の第１実施形態において用いた図１に示す予兆監視システム１００に適用するものである。
図１０は、本発明の第２実施形態に係る故障予兆シミュレーション装置５０の動作を示すメインルーチンのフローチャートである。
所望の任意の機器に対して、当該機器に関係するセンサの種類を抽出し、どの程度測定データが変化したら故障予兆が表れるかをシミュレーションし、センサ状態を可視化することを特徴とする。
Second Embodiment
The second embodiment of the present invention is applied to the
FIG. 10 is a main routine flowchart showing the operation of the failure
For a desired arbitrary device, the type of sensor related to the device is extracted, the degree of change in the measurement data is simulated to show a sign of failure, and the sensor state is visualized.
まず、ステップＳ２０５では、分析エンジン処理部３０Ａは、通信制御部５２を介してセンサリストを端末７０に送信する。
端末側では、表示画面に表示されているセンサリスト（図６）から所望の任意の機器をマウス操作により選択し、故障予兆シミュレーション装置５０に機器番号を送信する。
ステップＳ２１０では、分析エンジン処理部３０Ａは、端末７０において選択されたセンサ名（機器番号）を通信制御部５２を介して受信する。
ステップＳ２１５では、分析エンジン処理部３０Ａは、当該機器に関係している複数のセンサを表す木構造モデルデータを生成する。
ステップＳ２２０では、分析エンジン処理部３０Ａは、通信制御部５２を介して木構造モデルデータを端末７０に送信する。
端末側では、表示画面に表示されているモデル（図７）に接続されている１つのセンサを選択し、シミュレーション装置にセンサ番号を送信する。
First, in step S205, the analysis
On the terminal side, a desired arbitrary device is selected from the sensor list (FIG. 6) displayed on the display screen by operating the mouse, and the device number is transmitted to the failure
In step S <b> 210, the analysis
In step S215, the analysis
In step S220, the analysis
On the terminal side, one sensor connected to the model (FIG. 7) displayed on the display screen is selected, and the sensor number is transmitted to the simulation apparatus.
ステップＳ２２５では、分析エンジン処理部３０Ａは、端末７０において選択されたセンサ名を通信制御部５２を介して受信する。
ステップＳ２３０では、分析エンジン処理部３０Ａは、当該センサと、当該センサに相関関係が深い他のセンサについての測定データをデータベース４０から取得し、測定データの時間的変化を表す２つ以上のパラメータを生成する。
ステップＳ２３５では、分析エンジン処理部３０Ａは、通信制御部５２を介して当該センサと他のセンサの測定データをパラメータ化したパラメータデータを端末７０に送信する。
端末側では、図１１に示すように、表示画面に表示されているセンサについてのパラメータを表示画面に表示する。このパラメータに対して、マウス操作により１点を指示しながら上方向または下方向に当該１点を移動操作することで、その移動分を表す差分データが生成される。次いで、マウス操作に応じて「実行」ボタン９３が押されると、シミュレーション装置に実行指示と差分データを送信する。
In step S225, the analysis
In step S230, the analysis
In step S235, the analysis
On the terminal side, as shown in FIG. 11, the parameters for the sensors displayed on the display screen are displayed on the display screen. With respect to this parameter, by moving one point in the upward or downward direction while designating one point by a mouse operation, difference data representing the amount of movement is generated. Next, when an “execute”
ステップＳ２４０では、分析エンジン処理部３０Ａは、当該センサのパラメータデータへの上下変動操作に関連した上下変動操作データ、実行指示を端末７０から通信制御部５２を介して受信する。
ステップＳ２４５では、分析エンジン処理部３０Ａは、端末７０から受信した上下変動操作データの変動量に応じて当該パラメータの変動幅を増減し、当該センサに相関関係が深いセンサを抽出し、予測したパラメータ値を生成し、通信制御部５２を介してパラメータデータを端末７０に送信する。
端末側では、表示画面に表示されているセンサについてのパラメータの変動分を再表示する。
図１１に示す表示画面では、センサの測定データを変化させ、「実行」ボタン９３を押すと関係するセンサの測定データが変化する。
In step S240, the analysis
In step S245, the analysis
On the terminal side, the variation of the parameter for the sensor displayed on the display screen is displayed again.
In the display screen shown in FIG. 11, when the measurement data of the sensor is changed and the “execute”
ステップＳ２５０では、分析エンジン処理部３０Ａは、変動後のパラメータデータは閾値Ｓｔｈを越えたか否かを判断する。ここで、変動後のパラメータデータは閾値Ｓｔｈを越えた場合は（Ｓ２５０、Ｙｅｓ）にはステップＳ２５５に進む。一方、変動後のパラメータデータが閾値Ｓｔｈ以下である場合（Ｓ２５０、Ｎｏ）にはステップＳ２６０に進む。
ステップＳ２５５では、分析エンジン処理部３０Ａは、当該センサと他のセンサのパラメータデータにアラーム「異常レベル」を付加して通信制御部５２を介して端末７０に送信する。
ステップＳ２６０では、分析エンジン処理部３０Ａは、通信制御部５２を介して当該センサと他のセンサのパラメータデータを端末７０に送信する。
このように、変動されたパラメータデータが所定の閾値を越えた場合に、警告を報知することで、センサに係る過大な挙動があった場合のような故障予兆に対して、訓練者の感受性を高めることができる。また、機器故障の影響範囲を把握することができる。
In step S250, the analysis
In step S <b> 255, the analysis
In step S260, the analysis
In this way, when the changed parameter data exceeds a predetermined threshold, a warning is notified, so that the trainer's sensitivity to failure signs such as when there is excessive behavior related to the sensor. Can be increased. It is also possible to grasp the range of influence of equipment failure.
ステップＳ２６５では、分析エンジン処理部３０Ａは、端末７０から上下変動操作データ、実行指示があるか否かを判断する。
ここで、上下変動操作データ、実行指示がある場合は（Ｓ２６５、Ｙｅｓ）にはステップＳ２４５に進む。一方、上下変動操作データ、実行指示がない場合（Ｓ２６５、Ｎｏ）にはステップＳ２７０に進む。
ステップＳ２７０では、分析エンジン処理部３０Ａは、対象センサを変更するか否かを判断する。
ここで、対象センサを変更する場合は（Ｓ２７０、Ｙｅｓ）にはステップＳ２２０に進む。一方、対象センサを変更しない場合（Ｓ２７０、Ｎｏ）には処理を終了する。
In step S265, the analysis
Here, when there is an up / down movement operation data and an execution instruction (S265, Yes), the process proceeds to step S245. On the other hand, if there is no up / down movement operation data and no execution instruction (S265, No), the process proceeds to step S270.
In step S270, the analysis
If the target sensor is to be changed (S270, Yes), the process proceeds to step S220. On the other hand, if the target sensor is not changed (S270, No), the process ends.
図１１は、図８に示すメイン計器・センサＣ−１と相関関係が深い関連計器・センサＣ−２、Ｃ−３の関係性を示すグラフ図である。
メイン計器・センサＣ−１と関連計器・センサＣ−２、Ｃ−３は、時系列データで見た結果で関係あり・なしを判断する。
例えば、メイン計器・センサＣ−１の値が時間ｔで８０、時間ｔ＋１で９０、時間ｔ＋２で１００と言うデータであった場合に、一方の関連計器・センサＣ−２の値がｔで７０、ｔ＋１で８０、ｔ＋２で９０であったときに、両者の関係は「Ｃ−１の値を＋１時間経過してＣ−２の値になる」ものと表せる。
実際は、この例よりも長い時間（ｔ〜ｔ＋１００程度）で関係性を判定する。
メイン計器・センサＣ−１と関連計器・センサＣ−２の関係が上記であった場合に、メイン計器・センサＣ−１のデータを変更した場合、関連計器・センサＣ−２の値もその関係性の法則に従って値が変動する。
上述した理由により、メイン計器・時系列データの表示画面で値を上下して「実行」ボタン９３を押した場合、「Ｃ−２、Ｃ−３」の値も変動することとなる。
なお、図１１に示すように、表示画面９２の下方に「実行」ボタン９３が表示されており、クリック操作が行われることで、操作内容を故障予兆シミュレーション装置５０に送信することができる。
FIG. 11 is a graph showing the relationship between the related measuring instruments / sensors C-2 and C-3 having a deep correlation with the main measuring instrument / sensor C-1 shown in FIG.
The main instrument / sensor C-1 and the related instruments / sensors C-2, C-3 determine whether they are related or not based on the results of the time series data.
For example, when the value of the main instrument / sensor C-1 is 80 at time t, 90 at
Actually, the relationship is determined in a longer time (about t to t + 100) than this example.
When the relationship between the main instrument / sensor C-1 and the related instrument / sensor C-2 is as described above, when the data of the main instrument / sensor C-1 is changed, the value of the related instrument / sensor C-2 is also changed. The value fluctuates according to the law of relationship.
For the above-described reason, when the “execute”
As shown in FIG. 11, an “execution”
図１２は、２つのセンサ間での関係の崩れ度合いを表した図である。
図１２においては、メイン計器・センサの時系列データは変更せずに、関連計器・センサの時系列データを変更した場合に、「関係が崩れる」ことがある。この関係の崩れ度合いを表した図である。
このような関係崩れを示す図に対して、基本的に「関連計器・センサの時系列データ」を大きく壊せば、それに比例して大きく壊れ、ある基準（閾値）Ｓｔｈを超えると「異常」と判断する。
どの程度測定データが変動したら故障予兆が表れるのかを確認する。図１２に示す表示画面では、関係するセンサを変化させて、故障予知（閾値Ｓｔｈを超えた異常レベルとなるかどうか）を確認する。
なお、図１２に示すように、表示画面９４の下方に「対象機種変更」ボタン９５、「実行」ボタン９６が表示されており、クリック操作が行われることで、操作内容を故障予兆シミュレーション装置５０に送信することができる。
FIG. 12 is a diagram showing the degree of collapse of the relationship between two sensors.
In FIG. 12, when the time series data of the related instrument / sensor is changed without changing the time series data of the main instrument / sensor, the relation may be lost. It is a figure showing the collapse degree of this relationship.
In contrast to the diagram showing such a disruption of relations, if the “related instrument / sensor time-series data” is basically broken, it will be greatly broken in proportion to it, and if it exceeds a certain standard (threshold) S th , “abnormal” Judge.
Check how much the measurement data fluctuates and a sign of failure appears. In the display screen shown in FIG. 12, the related sensor is changed to check the failure prediction (whether the abnormal level exceeds the threshold Sth ).
As shown in FIG. 12, a “change target model” button 95 and an “execute”
図１３は、センサ番号とそのセンサに対応する閾値Ｓｔｈを示すセンサ閾値テーブルを示す図である。
センサ閾値テーブルには、センサ番号＃１１〜＃１Ｎとその閾値Ｓｔｈ１１〜Ｓｔｈ１Ｎ一意に対応して記憶されており、ステップＳ２５０における判断に用いた閾値Ｓｔｈをセンサ番号に応じて変更することが好ましい。
FIG. 13 is a diagram showing a sensor threshold value table indicating the sensor number and the threshold value Sth corresponding to the sensor.
The sensor threshold table, sensor number #. 11 to # 1N and its threshold S th11 ~S th1N are stored in correspondence with the unique, be changed according to the threshold S th used in the determination in step S250 the sensor number Is preferred.
＜第３実施形態＞
図１４は、本発明の第３実施形態に係る故障予兆シミュレーション装置５０の動作を示すメインルーチンのフローチャートである。なお、図１４に示す符号のうち、図１０に示す符号と同一のものについては同様のステップ構成であるので、その説明を省略する。
ステップＳ３０５では、分析エンジン処理部３０Ａは、端末７０から受信した上下変動操作データの変動量に応じて当該パラメータの変動幅を増減し、当該センサ（例えば、センサＣ−３）に相関関係が深いセンサ（例えば、センサＣ−２）の予測値も変動させたパラメータを生成し、通信制御部５２を介してパラメータデータを端末７０に送信する。
ここで、変動操作の変動幅、データベース４０から取得した他のセンサ（例えば、センサＣ−２）の測定データに基づいて、他のセンサ（例えば、センサＣ−３）の測定データにＳ１７０の結果で得られた変動操作の変動幅を加算することで、他のセンサの測定データの予測値を生成する。
端末７０では、分析結果表示部７０Ｃは、表示画面に表示されているセンサについての予測値の変動分を再表示する。
このように、変動操作の変動幅、他のセンサの測定データに基づいて、他のセンサの測定データの予測値を生成することで、任意の２地点に配置された２つのセンサに係る挙動の連動性についてのシミュレーションを行うことができ、プラント内に配置された複数の機器が故障する前段階で現れる故障予兆に対して、訓練者の感受性を高めることができる。また、機器故障の影響範囲を把握することができる。
<Third Embodiment>
FIG. 14 is a flowchart of a main routine showing the operation of the failure
In step S305, the analysis
Here, based on the fluctuation range of the fluctuation operation and the measurement data of the other sensor (for example, sensor C-2) acquired from the
In the terminal 70, the analysis result display unit 70C redisplays the fluctuation amount of the predicted value for the sensor displayed on the display screen.
As described above, by generating the predicted value of the measurement data of the other sensor based on the fluctuation range of the fluctuation operation and the measurement data of the other sensor, the behavior of the two sensors arranged at two arbitrary points is determined. It is possible to perform a simulation of the interlocking property, and it is possible to increase the sensitivity of the trainee with respect to a failure sign that appears at a stage before a plurality of devices arranged in the plant fail. It is also possible to grasp the range of influence of equipment failure.
＜本発明の実施態様例と効果＞
＜第１態様＞
本態様の故障予兆シミュレーション装置５０は、プラント内に配置された複数の計測対象機器（以下、機器という）１１と、各機器１１の挙動を計測する複数のセンサＣ１〜Ｃｎと、各センサにより測定された測定データを、各センサが配置されているセンサ名と関連付けて記憶するデータベース４０と、を備え、データベース４０から取得した測定データに基づいて、各センサの挙動についてのシミュレーションを行う故障予兆シミュレーション装置であって、データベース４０から取得した各センサ名を表すセンサリストを生成するセンサリスト生成手段（Ｓ１５）と、センサリストの中の何れかのセンサ名が選択された場合に、各センサ名を表す木構造モデルを生成するモデル生成手段（Ｓ３０）と、木構造モデルの中の何れか１つのセンサ名が選択されたか否かを判断する選択判断手段（Ｓ４０）と、センサ名が選択された場合に、当該センサについての測定データをデータベースから取得し、測定データについてのパラメータを生成するパラメータ生成手段（Ｓ４５）と、パラメータを表示するとともに、表示されたパラメータについての変動操作量を入力する表示操作手段（Ｓ５５）と、を備え、パラメータ生成手段（Ｓ６０）は、変動操作量に応じて当該パラメータを変動させるとともに、当該センサに相関関係のある他のセンサについて抽出するとともに、変動操作量に応じて他のセンサについての変動量を予測し、予測に応じたパラメータ量を表示することを特徴とする。
本態様によれば、データベース４０から取得した各センサ名を表すセンサリストを生成し、センサリストの中の何れかのセンサ名が選択された場合に、各センサ名を表す木構造モデルを生成し、木構造モデルの中の何れか１つのセンサ名が選択された場合に、当該センサについての測定データをデータベース４０から取得し、測定データについてのパラメータを生成し、パラメータを表示するとともに、表示されたパラメータについての変動操作量を入力し、変動操作量に応じて当該パラメータを変動させるとともに、当該センサに相関関係のある他のセンサについて抽出するとともに、変動操作量に応じて他のセンサについての変動量を予測し、予測に応じたパラメータ量を表示することで、プラント内に配置された複数の機器が故障する前段階で現れる故障予兆に対して、訓練者の感受性を高めることができる。また、機器故障の影響範囲を把握することができる。
<Examples of Embodiments and Effects of the Present Invention>
<First aspect>
The failure
According to this aspect, a sensor list representing each sensor name acquired from the
＜第２態様＞
本態様のモデル生成手段（Ｓ１７０）は、任意の２地点に配置されたセンサの測定データ間の相関関係を示す近似式及びフィット値が所定の閾値を超えている場合（Ｓ１７５）に、当該センサを木構造モデルに含めることを特徴とする。
本態様によれば、任意の２地点に配置されたセンサの測定データ間の相関関係を示す近似式及びフィット値が所定の閾値を超えている場合に、当該センサを木構造モデルに含めることで、シミュレーションを行うことができ、プラント内に配置された複数の機器が故障する前段階で現れる故障予兆に対して、相関関係の高い任意の２地点に配置されたセンサを木構造モデルに含めることができる。
<Second aspect>
The model generation means (S170) of this aspect, when the approximate expression indicating the correlation between the measurement data of the sensors arranged at two arbitrary points and the fit value exceed a predetermined threshold (S175), Is included in the tree structure model.
According to this aspect, when the approximate expression indicating the correlation between the measurement data of the sensors arranged at two arbitrary points and the fit value exceed a predetermined threshold, the sensor is included in the tree structure model. Include a sensor that is placed at any two highly correlated points in the tree structure model for a failure sign that can be simulated and that appears before the failure of multiple devices placed in the plant Can do.
＜第３態様＞
本態様のパラメータ生成手段（Ｓ３０５）は、変動操作の変動幅、他のセンサの測定データに基づいて、他のセンサの測定データの予測値を生成することを特徴とする。
本態様によれば、変動操作の変動幅、他のセンサの測定データに基づいて、他のセンサの測定データの予測値を生成することで、任意の２地点に配置された２つのセンサに係る挙動の連動性についてのシミュレーションを行うことができ、プラント内に配置された複数の機器が故障する前段階で現れる故障予兆に対して、訓練者の感受性を高めることができる。また、機器故障の影響範囲を把握することができる。
<Third aspect>
The parameter generation means (S305) of this aspect generates a predicted value of the measurement data of the other sensor based on the fluctuation range of the fluctuation operation and the measurement data of the other sensor.
According to this aspect, the predicted value of the measurement data of the other sensor is generated based on the fluctuation range of the fluctuation operation and the measurement data of the other sensor, so that the two sensors arranged at two arbitrary points are related. Simulation of behavioral linkage can be performed, and the trainee's sensitivity can be increased with respect to a failure sign that appears at a stage before failure of a plurality of devices arranged in the plant. It is also possible to grasp the range of influence of equipment failure.
＜第４態様＞
本態様のパラメータ生成手段（Ｓ２５０）は、変動されたパラメータデータが所定の閾値を越えた場合（Ｓ２５０）に、警告を報知する機能を木構造モデルに含むことを特徴とする。
本態様によれば、変動されたパラメータデータが所定の閾値を越えた場合に、警告を報知する機能を木構造モデルに含むことで、センサに係る過大な挙動があった場合のような故障予兆に対して、訓練者の感受性を高めることができる。また、機器故障の影響範囲を把握することができる。
<4th aspect>
The parameter generation means (S250) of this aspect is characterized in that the tree structure model includes a function for notifying a warning when the changed parameter data exceeds a predetermined threshold (S250).
According to this aspect, when the changed parameter data exceeds a predetermined threshold value, the tree structure model includes a warning notification function so that a failure sign as in the case where there is an excessive behavior related to the sensor. In contrast, the sensitivity of the trainer can be increased. It is also possible to grasp the range of influence of equipment failure.
＜第５態様＞
本態様のデータベース４０は、過去の通常時から故障時に至る測定データを記憶することを特徴とする。
本態様によれば、データベース４０に過去の通常時から故障時に至る測定データを記憶することで、記憶された測定データを利用してシミュレーションを行うことができ、プラント内に配置された複数の機器が故障する前段階で現れる故障予兆に対して、訓練者の感受性を高めることができる。また、機器故障の影響範囲を把握することができる。
<5th aspect>
The
According to this aspect, by storing the measurement data from the past normal time to the time of failure in the
＜第６態様＞
本態様の予兆監視システム１００は、第１態様乃至第５態様の何れか１つに記載の故障予兆シミュレーション装置と、故障予兆シミュレーション装置に接続された端末と、を備え、故障予兆シミュレーション装置において生成されたパラメータを端末に送信し、端末においてパラメータを表示することを特徴とする。
本態様によれば、故障予兆シミュレーション装置において生成されたパラメータを端末に送信し、端末においてパラメータを表示することで、シミュレーションを行うことができ、プラント内に配置された複数の機器が故障する前段階で現れる故障予兆に対して、訓練者の感受性を高めることができる。また、機器故障の影響範囲を把握することができる。
<Sixth aspect>
The
According to this aspect, the parameter generated in the failure predictor simulation apparatus can be transmitted to the terminal, and the parameter can be displayed on the terminal to perform the simulation, before a plurality of devices arranged in the plant fail. It is possible to increase the trainee's sensitivity to failure signs that appear in stages. It is also possible to grasp the range of influence of equipment failure.
＜第７態様＞
本態様の故障予兆シミュレーション方法は、プラント内に配置された複数の機器と、各機器の挙動を計測する複数のセンサと、各センサにより測定された測定データを、各センサが配置されているセンサ名と関連付けて記憶するデータベース４０と、を備え、データベース４０から取得した測定データに基づいて、各センサの挙動についてのシミュレーションを行う故障予兆シミュレーション装置の故障予兆シミュレーション方法であって、データベース４０から取得した各センサ名を表すセンサリストを生成するセンサリスト生成ステップ（Ｓ１５）と、センサリストの中の何れかのセンサ名が選択された場合に、各センサ名を表す木構造モデルを生成するモデル生成ステップ（Ｓ３０）と、木構造モデルの中の何れか１つのセンサ名が選択されたか否かを判断する選択判断ステップ（Ｓ４０）と、センサ名が選択された場合に、当該センサについての測定データをデータベース４０から取得し、測定データについてのパラメータを生成するパラメータ生成ステップ（Ｓ４５）と、パラメータを表示するとともに、表示されたパラメータについての変動操作量を入力する表示操作ステップ（Ｓ５５）と、を実行し、パラメータ生成ステップ（Ｓ６０）は、変動操作量に応じて当該パラメータを変動させるとともに、当該センサに相関関係のある他のセンサについて抽出するとともに、変動操作量に応じて他のセンサについての変動量を予測し、予測に応じたパラメータ量を表示することを特徴とする。
本態様によれば、データベース４０から取得した各センサ名を表すセンサリストを生成し、センサリストの中の何れかのセンサ名が選択された場合に、各センサ名を表す木構造モデルを生成し、木構造モデルの中の何れか１つのセンサ名が選択された場合に、当該センサについての測定データをデータベース４０から取得し、測定データについてのパラメータを生成し、パラメータを表示するとともに、表示されたパラメータについての変動操作量を入力し、変動操作量に応じて当該パラメータを変動させるとともに、当該センサに相関関係のある他のセンサについて抽出するとともに、変動操作量に応じて他のセンサについての変動量を予測し、予測に応じたパラメータ量を表示することで、プラント内に配置された複数の機器が故障する前段階で現れる故障予兆に対して、訓練者の感受性を高めることができる。また、機器故障の影響範囲を把握することができる。
<Seventh aspect>
The failure sign simulation method according to this aspect includes a plurality of devices arranged in a plant, a plurality of sensors that measure the behavior of each device, and measurement data measured by each sensor. A failure sign simulation method of a failure sign simulation apparatus that performs a simulation on the behavior of each sensor based on measurement data acquired from the
According to this aspect, a sensor list representing each sensor name acquired from the
＜第８態様＞
本態様のプログラムは、第７態様に記載の各ステップをプロセッサに実行させることを特徴とするプログラム。
本態様によれば、各ステップをプロセッサに実行させることができる。
<Eighth aspect>
A program according to this aspect causes a processor to execute each step according to the seventh aspect.
According to this aspect, each step can be executed by the processor.
１４…センサ監視装置、１５…センサ群、３０…故障予兆監視装置、４０…データベース、５０…故障予兆シミュレーション装置、５１…通信制御部、５３…主制御部、５４…操作部、５５…データ記憶部、５６…表示制御部、５７…表示部、５８…ディスク制御部、５９…データベース部、６０…プリンタ、７０…端末、８１…表示画面、１００…予兆監視システム
DESCRIPTION OF
Claims (8)
前記データベースから取得した前記各センサ名を表すセンサリストを生成するセンサリスト生成手段と、
前記センサリストの中の何れかのセンサ名が選択された場合に、前記各センサ名を表す木構造モデルを生成するモデル生成手段と、
前記木構造モデルの中の何れか１つのセンサ名が選択されたか否かを判断する選択判断手段と、
前記センサ名が選択された場合に、当該センサについての測定データを前記データベースから取得し、前記測定データについてのパラメータを生成するパラメータ生成手段と、
前記パラメータを表示するとともに、表示されたパラメータについての変動操作量を入力する表示操作手段と、を備え、
前記パラメータ生成手段は、前記変動操作量に応じて当該パラメータを変動させるとともに、当該センサに相関関係のある他のセンサについて抽出するとともに、前記変動操作量に応じて前記他のセンサについての変動量を予測し、予測に応じたパラメータ量を表示することを特徴とする故障予兆シミュレーション装置。 A plurality of devices arranged in the plant, a plurality of sensors for measuring the behavior of each device, and measurement data measured by each sensor are stored in association with the name of the sensor in which each sensor is arranged. A failure sign simulation device that performs a simulation on the behavior of each sensor based on measurement data acquired from the database,
Sensor list generating means for generating a sensor list representing each sensor name acquired from the database;
Model generation means for generating a tree structure model representing each sensor name when any sensor name in the sensor list is selected;
Selection determination means for determining whether any one sensor name in the tree structure model is selected;
When the sensor name is selected, parameter measurement means for acquiring measurement data for the sensor from the database and generating a parameter for the measurement data;
Display operation means for displaying the parameter and inputting a variable operation amount for the displayed parameter,
The parameter generation unit varies the parameter according to the variable operation amount, extracts another sensor correlated with the sensor, and changes the variable amount for the other sensor according to the variable operation amount. A failure sign simulation apparatus characterized by displaying a parameter amount corresponding to the prediction.
任意の２地点に配置されたセンサの測定データ間の相関関係を示す近似式及びフィット値が所定の閾値を超えている場合に、当該センサを前記木構造モデルに含めることを特徴とする請求項１に記載の故障予兆シミュレーション装置。 The model generation means includes
The approximate structure indicating a correlation between measured data of sensors arranged at two arbitrary points and a fit value exceeding a predetermined threshold include the sensor in the tree structure model. The failure sign simulation apparatus according to 1.
前記変動操作の変動幅、前記他のセンサの測定データに基づいて、前記他のセンサの測定データの予測値を生成することを特徴とする請求項１に記載の故障予兆シミュレーション装置。 The parameter generation means includes
The failure sign simulation apparatus according to claim 1, wherein a predicted value of measurement data of the other sensor is generated based on a fluctuation range of the fluctuation operation and measurement data of the other sensor.
前記変動されたパラメータデータが所定の閾値を越えた場合に、警告を報知する機能を木構造モデルに含むことを特徴とする請求項１に記載の故障予兆シミュレーション装置。 The parameter generation means includes
2. The failure sign simulation apparatus according to claim 1, wherein the tree structure model includes a function of notifying a warning when the changed parameter data exceeds a predetermined threshold value.
過去の通常時から故障時に至る測定データを記憶することを特徴とする請求項１乃至４の何れか１つに記載の故障予兆シミュレーション装置。 The database is
5. The failure sign simulation apparatus according to claim 1, wherein measurement data from a past normal time to a failure is stored.
前記故障予兆シミュレーション装置に接続された端末と、を備え、
前記故障予兆シミュレーション装置において生成された前記パラメータを前記端末に送信し、前記端末において前記パラメータを表示することを特徴とする故障予兆シミュレーションシステム。 The failure sign simulation device according to any one of claims 1 to 5,
A terminal connected to the failure sign simulation device,
A failure sign simulation system, wherein the parameter generated in the failure sign simulation apparatus is transmitted to the terminal, and the parameter is displayed on the terminal.
前記データベースから取得した前記各センサ名を表すセンサリストを生成するセンサリスト生成ステップと、
前記センサリストの中の何れかのセンサ名が選択された場合に、前記各センサ名を表す木構造モデルを生成するモデル生成ステップと、
前記木構造モデルの中の何れか１つのセンサ名が選択されたか否かを判断する選択判断ステップと、
前記センサ名が選択された場合に、当該センサについての測定データを前記データベースから取得し、前記測定データについてのパラメータを生成するパラメータ生成ステップと、
前記パラメータを表示するとともに、表示されたパラメータについての変動操作量を入力する表示操作ステップと、を実行し、
前記パラメータ生成ステップは、前記変動操作量に応じて当該パラメータを変動させるとともに、ことを特徴とする故障予兆シミュレーション方法。 A plurality of devices arranged in the plant, a plurality of sensors for measuring the behavior of each device, and measurement data measured by each sensor are stored in association with the name of the sensor in which each sensor is arranged. A failure sign simulation method of a failure sign simulation apparatus that performs simulation on the behavior of each sensor (operation of each device) based on measurement data acquired from the database,
A sensor list generating step for generating a sensor list representing each sensor name acquired from the database;
A model generation step of generating a tree structure model representing each of the sensor names when any one of the sensor names in the sensor list is selected;
A selection determination step for determining whether any one sensor name in the tree structure model is selected;
A parameter generation step of acquiring measurement data for the sensor from the database when the sensor name is selected, and generating a parameter for the measurement data;
A display operation step of displaying the parameter and inputting a variable operation amount for the displayed parameter; and
In the failure sign simulation method, the parameter generation step varies the parameter according to the variable operation amount.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2015140605A JP6706034B2 (en) | 2015-07-14 | 2015-07-14 | Failure sign simulation device, failure sign simulation method, failure sign simulation system, and program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2015140605A JP6706034B2 (en) | 2015-07-14 | 2015-07-14 | Failure sign simulation device, failure sign simulation method, failure sign simulation system, and program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2017021282A true JP2017021282A (en) | 2017-01-26 |
| JP6706034B2 JP6706034B2 (en) | 2020-06-03 |
Family
ID=57888271
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2015140605A Active JP6706034B2 (en) | 2015-07-14 | 2015-07-14 | Failure sign simulation device, failure sign simulation method, failure sign simulation system, and program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6706034B2 (en) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108389497A (en) * | 2018-03-21 | 2018-08-10 | 四川银沙科技有限公司 | A kind of graphical robot teaching's training system |
| CN108510823A (en) * | 2018-03-21 | 2018-09-07 | 四川银沙科技有限公司 | A kind of robot job failure remote debugging tutoring system |
| US11341588B2 (en) * | 2019-09-04 | 2022-05-24 | Oracle International Corporation | Using an irrelevance filter to facilitate efficient RUL analyses for utility system assets |
| CN116128166A (en) * | 2023-04-17 | 2023-05-16 | 广州云硕科技发展有限公司 | Data visualization processing method and device for intelligent traffic |
| US11720823B2 (en) | 2019-12-04 | 2023-08-08 | Oracle International Corporation | Generating recommended processor-memory configurations for machine learning applications |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11327627A (en) * | 1998-05-13 | 1999-11-26 | Mitsubishi Electric Corp | Plant monitoring and controlling device |
| JP2003280733A (en) * | 2002-03-22 | 2003-10-02 | Mitsubishi Electric Corp | Supervisory control system |
| JP2009199533A (en) * | 2008-02-25 | 2009-09-03 | Nec Corp | Operation management device, operation management system, information processing method, and operation management program |
| JP2013029785A (en) * | 2011-07-29 | 2013-02-07 | Toshiba Corp | Plant simulation device |
-
2015
- 2015-07-14 JP JP2015140605A patent/JP6706034B2/en active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11327627A (en) * | 1998-05-13 | 1999-11-26 | Mitsubishi Electric Corp | Plant monitoring and controlling device |
| JP2003280733A (en) * | 2002-03-22 | 2003-10-02 | Mitsubishi Electric Corp | Supervisory control system |
| JP2009199533A (en) * | 2008-02-25 | 2009-09-03 | Nec Corp | Operation management device, operation management system, information processing method, and operation management program |
| JP2013029785A (en) * | 2011-07-29 | 2013-02-07 | Toshiba Corp | Plant simulation device |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108389497A (en) * | 2018-03-21 | 2018-08-10 | 四川银沙科技有限公司 | A kind of graphical robot teaching's training system |
| CN108510823A (en) * | 2018-03-21 | 2018-09-07 | 四川银沙科技有限公司 | A kind of robot job failure remote debugging tutoring system |
| US11341588B2 (en) * | 2019-09-04 | 2022-05-24 | Oracle International Corporation | Using an irrelevance filter to facilitate efficient RUL analyses for utility system assets |
| US11720823B2 (en) | 2019-12-04 | 2023-08-08 | Oracle International Corporation | Generating recommended processor-memory configurations for machine learning applications |
| CN116128166A (en) * | 2023-04-17 | 2023-05-16 | 广州云硕科技发展有限公司 | Data visualization processing method and device for intelligent traffic |
Also Published As
| Publication number | Publication date |
|---|---|
| JP6706034B2 (en) | 2020-06-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6706034B2 (en) | Failure sign simulation device, failure sign simulation method, failure sign simulation system, and program | |
| US8698616B2 (en) | Monitor control system | |
| US8830052B2 (en) | Alarm display apparatus and alarm display method | |
| CN111459700A (en) | Method and apparatus for diagnosing device failure, diagnostic device, and storage medium | |
| JPH08234832A (en) | Device and method for monitoring and diagnostic plant | |
| CN101802731A (en) | A system and a computer implemented method for automatically displaying process information in an industrial control system | |
| JP2012150787A5 (en) | ||
| JP2000259223A (en) | Plant monitoring device | |
| JP3980760B2 (en) | Plant monitoring device | |
| JP6880560B2 (en) | Failure prediction device, failure prediction method and failure prediction program | |
| US20220382233A1 (en) | Information processing device, prediction method, and computer-readable recording medium | |
| KR101591300B1 (en) | Apparatus and method for verification human factors of nuclear energy instrument | |
| AU2023203898B2 (en) | Method For Managing Plant, Plant Design Device, And Plant Management Device | |
| KR102024829B1 (en) | System and Method for Fault Isolation in Industrial Processes using CART based variable ranking | |
| JP2002099319A (en) | Plant diagnosing device | |
| JP2002015000A (en) | Device for deciding similarity of multivariable time series data | |
| US20210157707A1 (en) | Transferability determination apparatus, transferability determination method, and recording medium | |
| JP2010122133A (en) | Lambda FAILURE SPOT DETERMINATION SYSTEM AND METHOD FOR DETERMINING FAILURE SPOT | |
| WO2023190457A1 (en) | Support device, statistical model generation device, support method and support program | |
| JP7222441B1 (en) | Analysis device, analysis method and program | |
| US20220383723A1 (en) | Information processing device, alarm prediction method, and computer-readable recording medium | |
| JP2023035073A (en) | Information processing device, prediction method, and prediction program | |
| Azevedo et al. | Web-based tool for predicting the Remaining Useful Lifetime of Aircraft Components | |
| JP2022165744A (en) | Analyzing system, learning device, anomaly sign detection system, anomaly sign detection method, and program | |
| Walters et al. | An evaluation of task network modeling for use in simulating situation awareness |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20150901 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180614 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190530 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190604 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190716 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20191112 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191223 |
|
| 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: 20200428 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200515 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6706034 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |