JP2017138789A - 設備診断装置、設備診断方法及び設備診断プログラム - Google Patents

設備診断装置、設備診断方法及び設備診断プログラム Download PDF

Info

Publication number
JP2017138789A
JP2017138789A JP2016019066A JP2016019066A JP2017138789A JP 2017138789 A JP2017138789 A JP 2017138789A JP 2016019066 A JP2016019066 A JP 2016019066A JP 2016019066 A JP2016019066 A JP 2016019066A JP 2017138789 A JP2017138789 A JP 2017138789A
Authority
JP
Japan
Prior art keywords
data
equipment
facility
production
unit
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2016019066A
Other languages
English (en)
Other versions
JP6350554B2 (ja
Inventor
祥 藤田
Sho Fujita
祥 藤田
友定　伸浩
Nobuhiro Tomosada
伸浩 友定
一馬 竹中
Kazuma Takenaka
一馬 竹中
伸也 加藤
Shinya Kato
伸也 加藤
太郎 監物
Taro KEMMOTSU
太郎 監物
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yokogawa Electric Corp
Original Assignee
Yokogawa Electric Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Yokogawa Electric Corp filed Critical Yokogawa Electric Corp
Priority to JP2016019066A priority Critical patent/JP6350554B2/ja
Priority to EP17747147.1A priority patent/EP3413154B1/en
Priority to PCT/JP2017/000427 priority patent/WO2017134983A1/ja
Priority to US16/074,942 priority patent/US11003178B2/en
Publication of JP2017138789A publication Critical patent/JP2017138789A/ja
Application granted granted Critical
Publication of JP6350554B2 publication Critical patent/JP6350554B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G05B17/02—Systems involving the use of models or simulators of said systems electric
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32201—Build statistical model of past normal proces, compare with actual process
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/37—Measurements
    • G05B2219/37537—Virtual sensor
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

【課題】設備の状態を正確に診断する、設備診断装置、設備診断方法及び設備診断プログラムを提供する。【解決手段】設備診断装置は、プラントにおいて実行されるプロセスの状態を示すプロセスデータを取得するプロセスデータ取得部と、プラントにおける生産状況を示す生産データを取得する生産データ取得部と、取得されたプロセスデータに基づき、プロセスにおいて稼働する設備の動作状態を推定する状態情報を生成する状態情報生成部と、取得されたプロセスデータ又は生成された状態情報、並びに取得された生産データに基づき、設備の動作状態を判定する判定部とを備える。【選択図】図２

Description

本発明は、設備診断装置、設備診断方法及び設備診断プログラムに関する。
従来、プラント、工場等においては、工業プロセスにおける各種のプロセスデータを用いてプロセス制御が行われている。プロセス制御には、例えば、圧力、温度、流量等の工業プロセスから測定されるプロセスデータが用いられる。工業プロセスは、ポンプ、モータ、コンプレッサ等の各種の設備を含み、バルブの開閉や設備の運転制御などによって、各種プロセス値を制御することにより操業される。工業プロセスに含まれる各種の設備は、診断装置によって故障が診断される。診断装置は、各種センサを用いて設備の振動、温度、騒音等を測定し、測定結果に基づき設備の動作状態を解析して設備を診断する。
診断装置には、大きく分けて、設備に設置されたセンサをオンラインで常時モニタするオンライン診断システムと、作業者が巡回点検で使用するハンディ診断装置がある。オンライン診断システムにおいては、設備に専用のセンサを取付けて、センサが測定したデータを専用の装置で収集し、専用のソフトウェアで解析し、診断結果に基づき設備の故障を表示器に表示等することにより作業者に報知する。オンライン診断システムにおいては、例えば、振動診断システム、ロッドドロップ診断システム、Ｐ−Ｖ（Ｐｒｅｓｓｕｒｅ−Ｖｏｌｕｍｅ）分析システム等がある。ハンディ診断装置を用いた設備診断においては、作業者が診断対象の機器を巡回し、ハンディ端末にて振動などのデータを測定し、測定したデータを基に設備を診断する。
下記の特許文献１には、機器、施設に関する温度、圧力、出力、振動、ｐＨ、電導度、流量等の運転情報を自動計測し、過去の運転情報と比較することにより要注意データをモニタに表示する異常データの発見方法が記載されている。
また、下記の特許文献２には、監視対象設備にセンサを取付け、測定された時系列のデータに基づきイベントデータを抽出し、監視対象設備の監視・診断を行う監視システムが記載されている。
特開２０１０−０４９５１７号公報 特開２００９−２７０８４３号公報
しかし、従来の診断装置においては、設備の負荷状況、温湿度等の稼働環境等が変動するとセンサで測定した測定結果も変動するため、測定結果に基づく設備の状態を正確に診断できない場合があった。
本発明は、上記の課題に基づいてなされたものであり、設備の状態を正確に診断する、設備診断装置、設備診断方法及び設備診断プログラムを提供することを目的とする。
上記の課題を解決するため、本発明の設備診断装置は、プラントにおいて実行されるプロセスの状態を示すプロセスデータを取得するプロセスデータ取得部と、前記プラントにおける生産状況を示す生産データを取得する生産データ取得部と、取得された前記プロセスデータ若しくは前記生産データ、又は前記プロセスデータ及び前記生産データに基づき、前記プロセスにおいて稼働する設備の動作状態を推定する状態情報を生成する状態情報生成部と、取得された前記プロセスデータ又は生成された前記状態情報、並びに取得された前記生産データに基づき、前記設備の動作状態を判定する判定部とを備える。
また、本発明の設備診断装置において、取得された前記プロセスデータ及び前記生産データに基づき、判定モデルを作成する判定モデル作成部と、生成された前記状態情報に基づき、作成された前記判定モデルを選択する判定モデル選択部とをさらに備え、前記判定部は、選択された前記判定モデルを用いて前記設備の動作状態を判定する。
また、本発明の設備診断装置において、前記設備に取付けられたセンサが測定した設備データを収集する設備データ収集部をさらに備える。
また、本発明の設備診断装置において、前記判定モデル作成部は、収集された前記設備データにさらに基づき、判定モデルを作成する。
また、本発明の設備診断装置において、前記判定モデル選択部は、生成された前記状態情報又は収集された前記設備データに基づき判定モデルを選択する。
上記の課題を解決するため、本発明の設備診断方法は、プラントにおいて実行されるプロセスの状態を示すプロセスデータを取得するプロセスデータ取得ステップと、前記プラントにおける生産状況を示す生産データを取得する生産データ取得ステップと、取得された前記プロセスデータ若しくは前記生産データ、又は前記プロセスデータ及び前記生産データに基づき、前記プロセスにおいて稼働する設備の動作状態を推定する状態情報を生成する状態情報生成ステップと、取得された前記プロセスデータ又は生成された前記状態情報、並びに取得された前記生産データに基づき、前記設備の動作状態を判定する判定ステップとを含む。
上記の課題を解決するため、本発明の設備診断プログラムは、プラントにおいて実行されるプロセスの状態を示すプロセスデータを取得するプロセスデータ取得処理と、前記プラントにおける生産状況を示す生産データを取得する生産データ取得処理と、取得された前記プロセスデータ若しくは前記生産データ、又は前記プロセスデータ及び前記生産データに基づき、前記プロセスにおいて稼働する設備の動作状態を推定する状態情報を生成する状態情報生成処理と、取得された前記プロセスデータ又は生成された前記状態情報、並びに取得された前記生産データに基づき、前記設備の動作状態を判定する判定処理とをコンピュータに実行させる。
本発明によれば、設備の状態を正確に診断する、設備診断装置、設備診断方法及び設備診断プログラムを提供することができる。
実施形態における設備診断システムの構成の一例を示したブロック図である。 実施形態における設備診断装置の構成の一例を示したブロック図である。 実施形態における設備診断装置の動作の一例を示したフローチャートである。 実施形態における設備診断装置の第１の判定モデルの選択例を示した図である。 実施形態における設備診断装置の第２の判定モデルの選択例を示した図である。
以下、本発明の実施形態における設備診断装置、設備診断方法及び設備診断プログラムについて、図面を参照して説明する。
先ず、図１を用いて、設備診断システムの構成を説明する。図１は、実施形態における設備診断システムの構成の一例を示したブロック図である。
図１において、設備診断システム１は、設備診断装置５１を有する。設備診断システム１は、設備診断装置５１を有するシステムであり、本実施形態では、ＥＲＰ（Ｅｎｔｅｒｐｒｉｓｅ Ｒｅｓｏｕｒｃｅ Ｐｌａｎｎｉｎｇ：基幹系情報システム）１１、ＭＥＳ（Ｍａｎｕｆａｃｔｕｒｉｎｇ Ｅｘｅｃｕｔｉｏｎ Ｓｙｓｔｅｍ：製造実行システム）１２、プロセス制御機器１３、設備制御装置１４、プロセス機器２１、設備３１、設備センサ３２、解析・診断システム４１及びハンディターミナル４２をさらに有する場合を例示する。
ＥＲＰ１１は、プラントを操業する企業の持つ人材、資金、設備、資材、情報等の資源を統合的に管理する。ＥＲＰ１１は、工業プロセスにおける生産品目毎の生産計画、原材料の調達状況等の情報を有している。本実施形態においてＥＲＰ１１が有する生産計画等の情報を「ＥＲＰ情報」という。ＥＲＰ情報は、例えば、企業における経営部門、業務部門等に企業の各部門から利用される。ＥＲＰ１１は、ＥＲＰ情報に基づき、ＭＥＳ１２に対してプラントの操業に用いる情報を出力する。一方、ＥＲＰ１１は、ＭＥＳ１２からプラントの操業実績等の情報を取得する。
また、ＥＲＰ１１は、生産計画に基づく生産日時における気象条件を示す気象データを取得する。取得した気象データはＥＲＰ情報に含まれるものとする。ＥＲＰ１１は、気象データを図示しない気象データ提供装置から取得する。気象データ提供装置とは、例えば、プラントが設置された地域又は場所の気温、湿度、気圧、落雷の有無、地震の有無等の気象条件を記録する装置である。プロセス機器２１で処理される原材料、中間生成物、製品等は気象条件によって体積、温度、粘度、硬度、レベル、化学反応量等が変化する場合がある。原材料等が気象条件によって変化をすると、プロセス機器２１における処理量、設備３１の負荷等が影響を受ける場合がある。ＥＲＰ１１は、生産計画に基づき、所定のタイミングで気象データを取得する。なお、本実施形態において気象データは、ＥＲＰ１１が気象データ提供装置から取得するものとして説明したが、気象データの収集方法は任意である。気象データは、例えば、ＭＥＳ１２、プロセス制御機器１３、設備診断装置５１が取得するようにしてもよい。ＥＲＰ１１は、ＥＲＰ情報を設備診断装置５１に提供する。図１図示点線は、各装置から提供される情報を設備診断装置５１が取得することを示している。
ＭＥＳ１２は、ＥＲＰ１１から取得したプラントの管理に用いる情報に基づきプラントを管理する。ＭＥＳ１２は、ＥＲＰから取得した情報等に基づき、プラントを操業して製品を生産するための情報（生産情報）を生成する。生産情報には、製品を生産するスケジュール等の生産管理情報が含まれる。ＭＥＳ１２は、生成した生産情報をプロセス制御機器１３及び設備制御装置１４に出力する。一方、ＭＥＳ１２は、プロセス制御機器１３及び設備制御装置１４からプラントの稼働状況を示す稼働情報を取得する。ＭＥＳ１２は、プロセス制御機器１３及び設備制御装置１４から取得した稼働情報に基づき、製品の生産実績を管理することができる。ＭＥＳ１２は、ＭＥＳ１２が管理する生産実績等の情報をＥＲＰ１１に対して提供することができる。また、ＭＥＳ１２は、取得した稼働情報に基づき、プロセス制御機器１３が制御するプロセス機器２１の動作状況及び設備制御装置１４が制御する設備３１の動作状況を把握して、生産する製品の品質を管理することができる。ＭＥＳ１２が生成する生産情報、プロセス制御機器１３及び設備制御装置１４から取得した稼動情報等、ＭＥＳ１２が有する情報を「ＭＥＳ情報」という。ＭＥＳ１２はＭＥＳ情報を設備診断装置５１に提供する。ＭＥＳ情報には、製品を生産するためのプラントの操業予定又は操業実績が含まれる。プラントの操業実績には、各プロセス機器２１及び各設備３１の稼働状況を示す情報を含ものとする。ＭＥＳ１２が提供する各プロセス機器２１及び各設備３１の稼働状況には、例えば、各プロセス機器２１及び各設備３１の時間毎の負荷状況（例えば、高負荷状態、低負荷状態等の情報）、生産数量、メンテナンス後の経過日時、プラントの稼働時間等の情報を含んでいてもよい。
プロセス制御機器１３は、ＭＥＳ１２から取得した生産情報等に基づき、プロセス機器２１を制御する。プロセス制御機器１３は、例えば、ＤＣＳ（Ｄｉｓｔｒｉｂｕｔｅｄ Ｃｏｎｔｒｏｌ Ｓｙｓｔｅｍ：分散型制御システム）、ＦＡ（Ｆａｃｔｏｒｙ Ａｕｔｏｍａｔｉｏｎ）コンピュータ、ＰＬＣ（Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｃｏｎｔｒｏｌｌｅｒ）等である。プロセス制御機器１３は、プロセス機器２１に対して動作指示を出力する。プロセス制御機器１３がプロセス機器２１に対して出力する動作指示は、プロセス機器２１の仕様に基づく。動作指示は、例えば、４〜２０ｍＡの電流値による指示値、ＯＮ／ＯＦＦ指示等であってもよい。また、プロセス制御機器１３は、プロセス機器２１からプロセスデータを取得する。プロセス制御機器１３がプロセス機器２１から取得するプロセスデータとしては、例えば、温度、圧力、変位量、流量、レベル、電流、電圧、液体分析データ、気体分析データ、ｐＨ、電導度、濃度等である。プロセス制御機器１３は、プロセス機器２１から、例えば、４〜２０ｍＡの電流値、リレーのＯＮ／ＯＦＦによる接点出力等によりプロセスデータを取得することができる。プロセス制御機器１３は、プロセス機器２１から取得したプロセスデータを設備診断装置５１に提供する。
プロセス機器２１は、プロセス制御機器１３によって制御される機器である。図１では、プロセス機器２１に２１ａ、２１ｂ又は２１ｃ等の符号を付して、プラントには複数のプロセス機器２１が含まれることを示している。プロセス機器２１は、例えば、プロセス制御機器１３からの出力に基づき動作するアクチュエータである。アクチュエータは、例えば、ポンプ、バルブ、モータ等であり、モータ駆動装置等を含んでいてもよい。また、プロセス機器２１は、プロセス制御機器１３に対してプロセス値を出力する計測器である。計測器は、例えば、温度計、圧力計、変位量計、流量計、レベル計、電流計、電圧計等である。また、計測器は、ｐＨ計、導電率計、近赤外分光分析計、液体密度計、濁度計、残留塩素計等の液分析計であってもよい。また、計測器は、レーザガス分析計、酸素濃度計、ガスクロマトグラフ、ガス熱量計等のガス分析計であってもよい。
設備制御装置１４は、ＭＥＳ１２から取得した生産情報等に基づき、設備３１を制御する。設備制御装置１４は、例えば、ＦＡコンピュータ、ＰＬＣ等である。設備制御装置１４は、プロセス制御機器１３と同様に設備３１に対して動作指示を出力する。
設備３１は、設備制御装置１４によって制御される機器である。図１では、設備３１に３１ａ、３１ｂ又は３１ｃ等の符号を付して、プラントには複数の設備３１が含まれることを示している。設備３１は、例えば、エアコンプレッサ、ポンプ、ロボット、コンベア、ファン、タービン、ジェネレータ、モータ、ブロワー等である。
設備センサ３２は、設備の診断をするためのセンサである。設備センサ３２は、例えば、設備の振動を検出する振動センサ、設備から発生する音を検出する音響センサ、設備の発熱を検出する温度センサ、設備の超音波を検出する超音波センサやＡＥ（Ａｃｏｕｓｔｉｃ Ｅｍｉｓｓｉｏｎ）センサ等である。設備センサ３２は、設備３１に取付けられる。図１では、設備３１ａに設備センサ３２ａが取付けられ、設備３１ｂに設備センサ３２ｂが取付けられ、設備３１ｃに設備センサ３２ｃが取付けられていることを示している。
設備センサ３２ａ及び設備センサ３２ｂは、設備３１ａ及び設備３１ｂに取付けられて診断用の設備データを測定する専用のセンサである。設備センサ３２ａ及び設備センサ３２ｂで測定された設備データは、解析・診断システム４１によって取得される。解析・診断システム４１は、設備センサ３２ａ及び設備センサ３２ｂで測定された設備データを常時モニタして、設備３１ａ及び設備３１ｂをオンラインで診断するオンライン診断装置である。解析・診断システム４１は、例えば、所定の時間間隔で設備センサ３２ａ及び設備センサ３２ｂから設備データを取得する。解析・診断システム４１は、取得した設備データを専用のソフトウェアで解析して設備３１ａ及び設備３１ｂの診断を行う。診断とは、例えば、設備データに基づく、設備の劣化、設備の故障、設備の故障の予兆等の検知である。解析・診断システム４１は、例えば、設備３１の振動を診断するシステム、設備３１の軸受けのロッドドロップを診断するシステム、エアコンプレッサのシリンダ内部の圧力と体積の関係からエアコンプレッサの運転状態を分析するシステムである。解析・診断システム４１は、設備診断装置５１に設備センサデータを提供する。設備センサデータには、設備センサ３２ａ及び設備センサ３２ｂから取得した設備データ、設備データに基づき診断した診断結果等を含むものとする。以下の説明では、設備センサデータは「設備データ」と省略する場合もある。
設備センサ３２ｃは、ハンディターミナル４２に接続されたセンサである。ハンディターミナル４２は、設備３１ｃを診断する作業者によって携行される。作業者は設備センサ３２ｃを設備３１ｃに取付け、ハンディターミナル４２の解析機能を用いて設備３１ｃの診断を行う。ハンディターミナル４２は、設備診断装置５１に設備センサデータを提供する。設備センサデータには、設備センサ３２ｃから取得した設備データ、設備データに基づき診断した診断結果等を含むものとする。なお、ハンディターミナル４２から設備診断装置５１への設備センサデータの提供は、例えば、記録メディアを介して、無線通信を介して、又は接続ケーブルを介して行うことができる。
設備診断装置５１は、ＥＲＰ１１からＥＲＰ情報を取得する。設備診断装置５１は、ＭＥＳ１２からＭＥＳ情報を取得する。設備診断装置５１は、プロセス制御機器１３からプロセスデータを取得する。また、設備診断装置５１は、設備制御装置１４及びハンディターミナル４２から設備センサデータを取得する。ここで、設備診断装置５１がＥＲＰ１１から取得するＥＲＰ情報とＭＥＳ１２から取得するＭＥＳ情報を合せて「生産データ」という。
以上で、図１を用いた、設備診断システムの構成の説明を終了する。
次に、図２を用いて、図１で説明した設備診断装置５１の構成を説明する。図２は、実施形態における設備診断装置５１の構成の一例を示したブロック図である。
図２において、設備診断装置５１は、生産状況収集部１０１、生産状況保存部１０２、生産状況ＤＢ（Ｄａｔａｂａｓｅ）１０３、仮想設備データ変換部１１１、設備データ収集部１１２、設備データ保存部１１３、設備データＤＢ１１４、データ検索部１１５、判定モデル作成部１２１、判定モデル選択部１２２、判定部１３１、結果出力部１３２、判定結果履歴ＤＢ１３３、対応入力部１３４、保全データ収集部１４１、保全データ保存部１４２及び保全データＤＢ１４３の各機能を有する。判定部１３１は、一次判定部１３１１、要因切分部１３１２、及び原因解析部１３１３の各機能を有する。設備診断装置５１の上記各機能は、設備診断装置５１の図示しないＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）によって実行されるソフトウェアによって実施することができる。すなわち、設備診断装置５１の上記各機能は、プログラムとして図示しない記憶部に記憶されて、ＣＰＵによって実行されるものであってもよい。
生産状況収集部１０１は、ＥＲＰ１１とＭＥＳ１２から生産データを収集する。また、生産状況収集部１０１は、プロセス制御機器１３からプロセスデータを収集する。生産状況収集部１０１は、生産データ及びプロセスデータの収集を所定の収集条件において実施する。所定の収集条件とは、例えば、所定の時刻になったとき、生産データに変更が生じたとき、又は作業者によるデータの収集の操作があったとき等である。生産データを収集する所定の収集条件及びプロセスデータを収集する所定の収集条件は、同じものであっても異なるものであってもよい。例えば、プロセスデータを収集する所定の収集条件は、プロセス制御機器１３からプロセスデータの送信があったとき、プラントにおいて生産する製品のバッチが切替わったとき、プロセス機器２１の負荷に変動があったき等の条件であってもよい。生産状況収集部１０１は、収集した生産データ及びプロセスデータを生産状況保存部１０２に出力する。
生産状況保存部１０２は、生産状況収集部１０１から取得した生産データ及びプロセスデータを生産状況ＤＢ１０３に保存する。
生産状況ＤＢ１０３は、生産データ及びプロセスデータを記録する。生産データ及びプロセスデータは生産状況ＤＢ１０３における所定の記録方式においてお互いが対応付けられて記録される。生産状況ＤＢ１０３に記録された生産データ及びプロセスデータは、判定モデル作成部１２１から参照することができる。
仮想設備データ変換部１１１は、ＥＲＰ１１とＭＥＳ１２から取得された生産データとプロセス制御機器１３から取得したプロセスデータを生産状況ＤＢ１０３から取得する。また、仮想設備データ変換部１１１は、設備センサデータを設備データＤＢ１１４から取得する。仮想設備データ変換部１１１は、取得した生産データ又はプロセスデータの少なくとも１つのデータに基づき仮想設備データを生成する。従って、仮想設備データ変換部１１１は、生産データ及びプロセスデータの両方のデータに基づき仮想設備データを生成してもよい。仮想設備データ変換部１１１は、生産データ又はプロセスデータを仮想設備データに変換することにより仮想設備データを生成する。
また、仮想設備データ変換部１１１は、生産データ又はプロセスデータの少なくとも１つのデータに加えて、取得した設備センサデータにさらに基づいて仮想設備データを生成することができる。仮想設備データを生成するときにさらに設備センサデータに基づくことにより、より詳細な設備の動作状態を推定することができる。
また、より大きな概念として設備を診断する場合、部分的には設備センサデータがあるが、他の部分は仮想設備データとなる場合がある。例えば、脱硫装置全体として隈なく設備データが取得されている訳ではないが、構成要素であるモータには振動計がついている場合などが考えられる。このような場合は、モータについては設備データを活用し、他の構成部分については仮想設備データを生成することで、脱硫装置全体の動作状態を推定した設備診断を実現する。
仮想設備データとは、生産データ及びプロセスデータから設備の動作状態を推定する状態情報であって、設備を簡易診断するために用いられる。通常、設備の状態を測定するには、例えば、設備の内部に設備センサを取付けて設備センサによって測定された設備データに基づき設備を診断する。しかし、測定する設備データによっては、設備センサの取付けが困難となる、取付ける設備センサが高額になる等の不具合が生じる場合があった。例えば、エアコンプレッサのＰ−Ｖ特性を測定するためには、高温高圧となるシリンダ内部に直接圧力センサを取付けて、シリンダのストロークを正確に測定する変位角センサを取付ける必要があり、設備センサの取付けには高いコストが掛かってしまう。
仮想設備データ変換部１１１は、例えば、エアコンプレッサの入口側及び出口側に取付けられた圧力計、流量計、温度計等によって測定されたプロセスデータを取得する。仮想設備データ変換部１１１は、取得した上記プロセスデータに基づき、エアコンプレッサのＰ−Ｖ特性を代替する仮想設備データを生成する。仮想設備データ変換部１１１は、生成した仮想設備データを判定部１３１に提供する。判定部１３１は、仮想設備データに基づき、エアコンプレッサの内部状態を推定して簡易診断を行う。
設備データ収集部１１２は、解析・診断システム４１（又はハンディターミナル４２）から設備センサデータを取得する。設備データ収集部１１２は、設備センサ３２から設備センサデータを直接取得するようにしてもよい。設備データ収集部１１２は、設備センサデータの取得を所定の条件において実施する。所定の条件とは、例えば、所定の時刻になったとき、設備センサデータに所定の変化があったとき、解析・診断システム４１又はハンディターミナル４２から診断結果において設備３１の異常を検出したとき、又は作業者によるデータの収集の操作があったとき等である。設備データ収集部１１２は、取得した設備センサデータを、設備データ保存部１１３に出力する。また、設備データ収集部１１２が取得した設備センサデータは、データ検索部１１５を介して判定部１３１に自動入力される。
設備データ保存部１１３は、設備データ収集部１１２から取得した設備センサデータを設備毎に設備データＤＢ１１４に保存する。設備データ保存部１１３は、例えば、設備３１ａと設備センサ３２ａから取得された設備センサデータを対応付けて保存する。
設備データＤＢ１１４は、設備毎の設備センサデータを記録する。記録された設備センサデータは、仮想設備データ変換部１１１、判定モデル作成部１２１、判定モデル選択部１２２及び判定部１３１から参照することができる。
データ検索部１１５は、自動入力された設備センサデータあるいは仮想設備データ、又は操作者（ユーザ）によって手動入力された情報に基づき、生産状況ＤＢ１０３、設備データＤＢ１１４、保全データＤＢ１４３を検索して参照し、検索結果を判定部１３１に出力する。例えば、データ検索部１１５は、操作者から特定の設備３１を選択して手動診断を行う操作入力がされた場合に、特定された設備３１の生産データ、プロセスデータ、設備センサデータ及び保全データを検索して、検索された生産データ、プロセスデータ、設備センサデータ及び保全データを判定部１３１に出力する。
判定モデル作成部１２１は、生産状況ＤＢ１０３に記録された生産データ若しくはプロセスデータ、設備データＤＢ１１４に記録された設備センサデータ、又は保全データＤＢ１４３に記録された保全データに基づき、判定モデルを作成する。判定モデルとは、生産データに基づくプラントの生産状況、プロセスデータに基づくプロセス状況、設備センサデータに基づく設備の状況等、設備３１に影響を与える様々なパラメータから、その組み合わせによる特徴をモデル化したものである。モデル化に際しては、データ全体の中から条件が類似する母集団を分離・抽出することにより、特徴を顕著化する。したがって、判定モデルは、そのデータを特徴づける条件に応じて複数存在してよい。判定モデルには、管理するパラメータ及びその閾値、そのパラメータを用いて解析する演算式やアルゴリズム等を含んでいてもよい。判定モデル作成部１２１は、例えば、生産データに基づき生産状況を分類し、生産状況毎にプロセスデータ及び設備センサデータの閾値と診断のためのアルゴリズムを決定し、決定した閾値とアルゴリズムを含む判定モデルを生産状況毎に作成する。判定モデル作成部１２１は、作成した判定モデルを判定モデル選択部１２２から参照可能に記録する。
判定モデル選択部１２２は、生産状況ＤＢ１０３に記録された生産データ若しくはプロセスデータ、設備データＤＢ１１４に記録された設備センサデータ、又は保全データＤＢ１４３に記録された保全データに基づき、判定モデル作成部１２１で作成された複数の判定モデルの中から一の判定モデルを選択する。判定モデル選択部１２２は、例えば、判定部１３１に入力された生産データに基づき、判定部１３１に入力された設備センサデータ及び仮想設備データに係る生産状況と生産状況が類似する判定モデルを選択する。判定モデル選択部１２２は、生産データに基づくプラントの生産状況、プロセスデータに基づくプロセス状況、設備センサデータに基づく設備の状況等に基づき、母集団の特徴が類似している判定モデルを選択する。判定モデル選択部１２２は、選択した判定モデルを判定部１３１に通知する。
判定部１３１は、判定モデル選択部１２２が選択した判定モデルを用いて、データ検索部１１５で検索された生産データ、プロセスデータ、設備センサデータ又は保全データに基づき設備３１の動作状態を判定する。判定部１３１は、選択された判定モデルのパラメータの閾値、アルゴリズムを用いて、生産データ、プロセスデータ、設備センサデータ又は保全データに基づき、設備が正常であるか又は異常であるかの判定を行い、異常であると判断した場合には異常の原因を解析する。判定部１３１は、生産データ、プロセスデータ、設備センサデータ又は保全データの１つ以上のデータを用いることができる。判定部１３１は、例えば、生産データ及びプロセスデータに基づき判定をする。判定部１３１は、一次判定部１３１１、要因切分部１３１２及び原因解析部１３１３を有する。
一次判定部１３１１は、決定された判定モデルを用いて、入力された生産データ、プロセスデータ、設備センサデータ又は保全データに基づきに基づき、正常又は異常の一次判定を行う。判定部１３１は、一次判定部１３１１において正常と判断した場合、正常判定の診断結果を結果出力部１３２に出力する。一方、判定部１３１は、一次判定部１３１１において異常と判断した場合、要因切分部１３１２による要因切り分け処理を実行する。
要因切分部１３１２は、一次判定部１３１１において異常と判断された場合において、判断された異常が生産データに基づくプロセスの変動によるものか（プロセス要因）、設備の異常によるものか（設備要因）を切り分ける要因判定を行う。要因切分部１３１２は、判定モデル選択部１２２において選択された判定モデルを用いて、生産データに含まれるプロセスにおける生産状況、プロセスデータに基づくプロセス状況、プロセスを実行する設備の運転状況、設備センサデータの状況又は保全データ等から要因判定を行う。要因切分部１３１２は、判定モデル選択部１２２において選択された判定モデルを用いて要因判定を行うことにより、プロセス要因による異常を切り分けることができるので、判定精度を向上させることができる。プロセス要因とは、例えば、設備には異常がないにもかかわらず、運転側で急激なプロセス変動の操作を行ったことにより、非定常状態が発生し、設備の管理閾値を超えたために発生したアラームなどである。従来の方法では、プロセス側の操作指示を統合していないため、人が都度その履歴を確認し、切り分け作業を実施する必要があった。
原因解析部１３１３は、要因切分部１３１２において判定された要因に基づき、原因を解析する。例えば、要因切分部１３１２においてプロセス要因による異常と判定された場合、原因解析部１３１３は、異常と判定されたプロセスについて異常の原因を解析する。また、要因切分部１３１２において設備要因による異常と判定された場合、原因解析部１３１３は、異常と判定された設備３１について異常の原因を解析する。原因解析部１３１３は、解析結果を結果出力部１３２に出力する。
結果出力部１３２は、判定部１３１から出力された判定結果を図示しない表示装置等に表示出力する。また、結果出力部１３２は、判定部１３１から出力された判定結果を判定結果履歴ＤＢ１３３に保存する。さらに、結果出力部１３２は、判定部１３１から出力された判定結果を対応入力部１３４に出力する。
対応入力部１３４は、結果出力部１３２から取得した判定結果に対応した設備の保全データを入力可能にする。
対応入力部１３４は、保全データの入力方法として、例えば、表示出力された判定結果を視認した作業者に対して、判定された設備に関する事項を入力可能にする。例えば、判定結果において異常の原因が設備要因であると判定された場合、対応入力部１３４は、表示装置に異常と判定された設備についての手動入力欄を表示する。手動入力欄は、プルダウンメニュー、ラジオボタン又はチェックボックス等の選択によるもの、フリーワードによるテキスト入力によるもの等であってもよい。手動入力欄には、例えば、その設備に関する消耗品の交換履歴、部品交換履歴、注油履歴、故障履歴等のメンテナンス記録を入力してもよい。
また、手動入力欄には、目視、触診、聴診等の作業者の官能による検査結果等の作業者による付加情報を入力することができる。また、対応入力部１３４は、判定された設備の写真、各種設備データ等を入力可能としてもよい。対応入力部１３４は、上記の様な保全データを入力可能とすることにより、作業者のノウハウ等、測定器等では困難な情報を収集することが可能となる。例えば、判定部１３１の判定においては設備要因の異常であると判定された場合であっても作業差が設備の動作状態を直接確認した結果異常ではないと判断する場合がある。対応入力部１３４は、作業者が直接確認した設備の動作状態と判定結果とを対応付けて入力可能とすることにより、判定結果と作業者のノウハウとを対応付けて蓄積し、判定にフィードバックすることができる。対応入力部１３４は、入力された保全データを保全データ保存部１４２に出力する。
保全データ収集部１４１は、保全管理システム６１から保全管理データを取得する。また、保全データ収集部１４１は、解析・診断システム４１又はハンディターミナル４２から設備センサで計測された設備センサデータを取得してもよい。
ここで、保全管理システム６１とは、設備の保全計画、保全結果等の保全データを管理するシステムである。保全管理システム６１は、例えば、ＥＲＰ１１又はＭＥＳ１２の一機能として実施してもよい。
また、保全データ収集部１４１は、設備台帳６２を参照して、設備情報を取得する。設備台帳６２は、例えばＥＲＰ１１又はＭＥＳ１２の一機能として実施してもよい。設備情報には、例えば、図１で説明した設備３１ａ、設備３１ｂ、設備３１ｃ等の設備（機器）毎のスペック等の情報が含まれる。保全データ収集部１４１は、収集した設備センサデータ、保全データ及び設備情報を保全データ保存部１４２に出力する。
保全データ保存部１４２は、対応入力部１３４から取得した保全データ及び保全データ収集部１４１から収集した設備センサデータ、保全データ及び設備情報（これらの情報を「保全」）を保全データＤＢに保存する。保全データ保存部１４２は、上記の保全データ、設備センサデータ及び設備情報を対応付けて保存する。すなわち、保全データ保存部１４２は、設備の動作状態を判定した判定結果と保全データとを対応付けて保存する。
保全データＤＢ１４３は、保全データ保存部１４２から保存された上記保全データ等を記憶する。保全データＤＢに記憶された保全データ等は、判定モデル作成部１２１又は判定モデル選択部１２２、及び判定部１３１から参照される。
以上、説明したように、設備診断装置５１は、解析・診断システム４１、保全管理システム６１等の設備診断装置５１の外部から取得した情報に対して、設備診断装置５１の内部からフィードバックされた情報を反映させて、判定モデルの作成、判定モデルの選択、判定の判断を自動的に修正している。
なお、設備診断装置５１が有する、生産状況収集部１０１、生産状況保存部１０２、生産状況ＤＢ（Ｄａｔａｂａｓｅ）１０３、仮想設備データ変換部１１１、設備データ収集部１１２、設備データ保存部１１３、設備データＤＢ１１４、データ検索部１１５、判定モデル作成部１２１、判定モデル選択部１２２、判定部１３１、結果出力部１３２、判定結果履歴ＤＢ１３３、対応入力部１３４、保全データ収集部１４１、保全データ保存部１４２及び保全データＤＢ１４３の各機能はソフトウェアによって実現される場合を説明したが、設備診断装置５１が有する上記１つ以上の機能は、ハードウェアによって実現されるものであっても良い。また、設備診断装置５１が有する上記各機能は、１つの機能を複数の機能に分割して実施してもよい。また、設備診断装置５１が有する上記各機能は、２つ以上の機能を１つの機能に集約して実施してもよい。
以上で、図２を用いた、設備診断装置５１の構成の説明を終了する。
次に、図３を用いて、設備診断装置５１の動作を説明する。図３は、実施形態における設備診断装置の動作の一例を示したフローチャートである。
図３において、ステップＳ１１〜ステップＳ１５の処理は、設備診断装置５１において実行される判定モデルを作成するまでの準備処理を示している。ステップＳ１６の処理は、判定モデル選択処理の準備処理として、保全データを更新する保全データ更新処理を示している。ステップＳ１７の処理は、判定モデル選択処理の準備処理として、仮想設備データを生成する仮想設備データ変換処理を示している。また、ステップＳ２１〜ステップＳ３１の処理は、設備診断装置５１において実行される設備診断処理を示している。なお、図３の説明において、図２で説明した設備診断装置５１の各機能を参照する。
［準備処理］
準備処理において、先ず、設備診断装置５１は、プロセス制御機器１３からプロセスデータを取得するとともに、ＥＲＰ１１又はＭＥＳ１２から生産データを取得する（ステップＳ１１）。設備診断装置５１は、取得したプロセスデータと生産データを生産状況ＤＢ１０３に保存する。プロセスデータ及び生産データの取得は、オンラインで取得することができる。但し、プロセスデータ及び生産データの取得は、オフラインで取得してもよい、また、プロセスデータ及び生産データの取得は、作業者が紙面等から情報を読取って手動で入力するようにしてもよい。また、プロセスデータ及び生産データは、プロセスデータ及び生産データを逐次（リアルタイム）で取得しても、一括（バッチ）で取得してもよい。
次に、設備診断装置５１は、解析・診断システム４１又はハンディターミナル４２から設備センサで計測された設備センサデータを取得して、設備データＤＢに保存する（ステップＳ１２）。設備センサデータの取得は、オンラインで取得することができる。但し、設備センサデータの取得は、オフラインで取得してもよい、また、設備センサデータの取得は、作業者が紙面等から情報を読取って手動で入力するようにしてもよい。また、設備センサデータは、設備センサデータを逐次（リアルタイム）で取得しても、一括（バッチ）で取得してもよい。
次に、設備診断装置５１は、生産状況ＤＢ１０３に保存された生産データ又はプロセスデータの少なくとも１つのデータに基づき、仮想設備データを生成する（ステップＳ１４）。設備診断装置５１は、生産データ又はプロセスデータの少なくとも１つのデータに加えて、設備センサデータにさらに基づいて仮想設備データを生成してもよい。
次に、設備診断装置５１は、保全管理システム６１から保全データを取得し、設備台帳６２から設備情報を取得し、さらに、対応入力部１３４から保全データを取得して、取得したこれらの情報を保全ＤＢ１４３に保存する（ステップＳ１５）。設備診断装置５１は、解析・診断システム４１等から設備センサデータを取得してその設備の保全データと対応させて保存してもよい。
次に、設備診断装置５１は、保存されたプロセスデータ及び生産データ、保存された設備センサデータ、変換された仮想設備データ、保存された保全データ等に基づき、判定モデルを作成する（ステップＳ１３）。設備診断装置５１は、生産状況ＤＢ、設備データＤＢ保全データＤＢ、又は仮想設備データから、判定モデルのパラメータや閾値を算出するために使用すべき母集団を解析、抽出して、同一母集団として扱うべきデータを選別することにより判定モデルを作成する。例えば、設備診断装置５１は、生産データが類似したデータを母集団として判定モデルを作成する。設備診断装置５１は、母集団を複数作成して解析した場合、解析した母集団の数に対応して複数の判定モデルを作成する。例えば、生産データに基づき母集団を３つに分類して作成した場合、３つの判定モデルが作成される。
［保全データ更新処理］
保全データ更新処理において、設備診断装置５１は、ステップＳ３１の対応入力処理において出力される保全データを収集して、保全データＤＢに保存する（ステップＳ１６）。対応入力処理において出力される保全データは、判定結果に対応付けられて作業者によって入力される。または判定結果は外部のシステムから取り込む形であっても構わない。保全データＤＢに保存された保全データは、後述するステップＳ２４の判定モデル選択処理において参照される。
［仮想設備データ変換処理］
仮想設備データ変換処理において、設備診断装置５１は、ステップＳ１４と同様に、生産状況ＤＢ１０３に保存された生産データ又はプロセスデータの少なくとも１つのデータに基づき、仮想設備データを生成する（ステップＳ１７）。設備診断装置５１は、生産データ又はプロセスデータの少なくとも１つのデータに加えて、設備センサデータにさらに基づいて仮想設備データを生成してもよい。なお、ステップＳ１４の仮想設備データ変換処理とステップＳ１７の仮想設備データ変換処理は、同じ処理として説明したが、上記２つの処理は異なる処理であってもよい。すなわち、判定モデルを作成するときに用いる仮想設備データと判定モデルを選択するときに用いる仮想設備データとは、異なるものであってもよい。
［設備診断処理］
設備診断処理において、先ず、設備診断装置５１は、プロセス制御機器１３から取得したプロセスデータを仮想設備データに変換して仮想設備データを生成する（ステップＳ２１）。仮想設備データへの変換は、プロセスデータを取得したときに実行される。
次に、設備診断装置５１は、生成した仮想設備データ及び設備センサデータに基づき、オフライン診断を行う（ステップＳ２２）。オフライン診断は、仮想設備データ又は設備センサデータのいずれか１つにおいて実行してもよい。オフライン診断は、作業者により手動入力操作により実行される。従って、オフライン診断の実行は任意である。
次に、設備診断装置５１は、生成した仮想設備データ及び設備センサデータに基づき、オンライン診断を行う（ステップＳ２３）。オンライン診断は、仮想設備データ又は設備センサデータのいずれか１つにおいて実行してもよい。オンライン診断は、所定の周期（定周期）において自動的に実行される。
ステップＳ２２又はステップＳ２３の処理を実行した後、設備診断装置５１は、生産データ、仮想設備データ、設備センサデータ又は保全データのいずれか１つ以上のデータに基づき、判定モデルを選択する（ステップＳ２４）。判定モデルの選択は、生産データに基づくプラントにおける生産状況、仮想設備データに基づくプロセス状況、設備センサデータに基づく設備の状況、保全データに基づく保全の状況等に基づき実行される。ステップＳ２４の処理において選択された判定モデルは、以下の判定処理において用いられる。
次に、設備診断装置５１は、選択された判定モデルに基づき、１次判定を実行する（ステップＳ２５）。一次判定は、判定モデルの閾値とアルゴリズムを参照することにより、仮想設備データ又は設備センサデータの１つ以上のデータに基づき設備が正常であるか異常であるかを判定する。１次判定において、正常であると判断した場合（ステップＳ２５：正常）、設備診断装置５１は、設備が正常である旨の判定結果を表示装置に表示する（ステップＳ２６）。表示装置は、例えば、プラントの制御盤に設置されるランプ、表示器等である。また、設備診断装置５１は、設備が正常である旨の判定結果を他システムへ出力する（ステップＳ３０）。他システムとは、例えば、ＥＲＰ１１．ＭＥＳ１２、又はプロセス制御機器１３等である。
一方、１次判定において、異常であると判断した場合（ステップＳ２５：異常）、設備診断装置５１は、異常の要因がプロセス要因であるか設備要因であるかを判断する（ステップＳ２７）。設備診断装置５１は、生産データに基づくプラントの生産状況、プロセスデータに基づくプロセス状況、設備センサデータに基づく設備の状況等に基づき要因を判断する。設備診断装置５１は、ステップＳ２４の処理において選択された判定モデルの閾値とアルゴリズムを参照することにより、仮想設備データ又は設備センサデータの１つ以上のデータに基づき要因を判定する。
ステップＳ２７の処理において、異常がプロセス要因であると判断された場合（ステップＳ２７：プロセス要因）、設備診断装置５１は、プロセスデータ等に基づきより詳細な原因解析を実施する（ステップＳ２８）。設備診断装置５１は、ステップＳ２８の処理において実施された原因解析の結果を表示装置に表示する（ステップＳ２６）。また、設備診断装置５１は、ステップＳ２８の処理において実施された原因解析の結果を他システムへ出力する（ステップＳ３０）。
一方、異常が設備要因であると判断された場合（ステップＳ２７：設備要因）、設備診断装置５１は、設備センサデータ等に基づきより詳細な原因解析を実施する（ステップＳ２９）。設備診断装置５１は、ステップＳ２９の処理において実施された原因解析の結果を表示装置に表示する（ステップＳ２６）。また、設備診断装置５１は、ステップＳ２９の処理において実施された原因解析の結果を他システムへ出力する（ステップＳ３０）。
ステップＳ２６の処理を実行した後、設備診断装置５１は、設備が正常である旨の判定結果、ステップＳ２８の処理において実施された原因解析の結果、又はステップＳ２９の処理において実施された原因解析の結果に基づき、対応入力処理を実行する（ステップＳ３１）。ステップＳ３１の対応入力処理は、設備が正常である旨の判定結果、ステップＳ２８の処理において実施された原因解析の結果、又はステップＳ２９の処理において実施された原因解析の結果にそれぞれ対応した設備の保全データを入力可能にする。すなわち、作業者は、設備が異常である場合に限らず、判定結果が正常である場合、異常がプロセス要因である場合においても自らのノウハウを記録することができる。
以上で、図３を用いた、設備診断装置５１の動作の説明を終了する。
次に、図４を用いて、設備診断装置５１の第１の判定モデルの選択例を説明する。図４は、実施形態における設備診断装置の第１の判定モデルの選択例を示した図である。
図４において例示する判定モデルのパラメータは、「Ｔａｇ１：温度」で示す１次元である。判定モデルのパラメータは設備センサデータとして取得される温度データである。判定モデルＡは、温度範囲がＴ１〜Ｔ３の判定モデルである。判定モデルＢは、温度範囲がＴ２〜Ｔ５の判定モデルである。判定モデルＣは、温度範囲がＴ４〜Ｔ６の判定モデルである。
判定モデル選択部１２２は、生産データに基づく生産負荷が「低負荷」のときには判定モデルＡを選択し、生産データに基づく生産負荷が「中負荷」のときには判定モデルＢを選択し、生産データに基づく生産負荷が「高負荷」のときには判定モデルＣを選択する。
判定部１３１は、判定モデルＡが選択されたときは、設備センサデータがＴ１〜Ｔ３の範囲内にあるときには設備３１が正常であると判定し、設備センサデータがＴ１〜Ｔ３の範囲外にあるときには設備３１が異常であると判定する。
また、判定部１３１は、判定モデルＢが選択されたときは、設備センサデータがＴ２〜Ｔ５の範囲内にあるときには設備３１が正常であると判定し、設備センサデータがＴ２〜Ｔ５の範囲外にあるときには設備３１が異常であると判定する。
また、判定部１３１は、判定モデルＣが選択されたときは、設備センサデータがＴ４〜Ｔ６の範囲内にあるときには設備３１が正常であると判定し、設備センサデータがＴ４〜Ｔ６の範囲外にあるときには設備３１が異常であると判定する。
以上で、図４を用いた、設備診断装置５１の第１の判定モデルの選択例の説明を終了する。
次に、図５を用いて、設備診断装置５１の第２の判定モデルの選択例を説明する。図５は、実施形態における設備診断装置の第２の判定モデルの選択例を示した図である。
図５において例示する判定モデルのパラメータは、「Ｔａｇ２：圧力」及び「Ｔａｇ３：流量」で示す２次元である。判定モデルのパラメータはプロセスデータとして取得される圧力データ及び流量データである。判定モデルＤ、判定モデルＥ及び判定モデルＦは、それぞれ図示する圧力と流量の範囲の判定モデルである。
判定モデル選択部１２２は、プロセスにおけるフィード流量で例示するプロセスデータとメンテナンス実施後の経過日数で例示する生産データに基づき判定モデルを選択する。
例えば、判定モデル選択部１２２は、フィード流量とメンテナンス後経過日数が以下の条件の場合に判定モデルＤ、Ｅ又はＦを選択する。
先ず、判定モデル選択部１２２は、フィード流量が５０ｍ３以上であって、かつメンテナンス後経過日数が９０日未満である場合、判定モデルＤを選択する。
判定モデル選択部１２２は、フィード流量が１００ｍ３以上であって、かつメンテナンス後経過日数が３６５日以上である場合、判定モデルＥを選択する。
また、判定モデル選択部１２２は、フィード流量及びメンテナンス後経過日数が上記の条件以外である場合、判定モデルＦを選択する。
判定部１３１は、圧力データ及び流量データが、判定モデルとして選択された図５図示楕円の範囲内にあるときには、設備３１が正常であると判定し、圧力データ及び流量データが、判定モデルとして選択された図示楕円の範囲外にあるときには、設備３１が異常であると判定する。
以上で、図５を用いた、設備診断装置５１の第２の判定モデルの選択例の説明を終了する。
なお、本実施形態で説明した装置を構成する機能を実現するためのプログラムを、コンピュータ読み取り可能な記録媒体に記録して、当該記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより、本実施形態の上述した種々の処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものであってもよい。また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、フラッシュメモリ等の書き込み可能な不揮発性メモリ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。
さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（例えばＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ））のように、一定時間プログラムを保持しているものも含むものとする。また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。また、上記プログラムは、前述した機能の一部を実現するためのものであっても良い。さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現するもの、いわゆる差分ファイル（差分プログラム）であっても良い。
以上、本発明の実施形態について、図面を参照して説明してきたが、具体的な構成はこの実施形態に限定されるものではなく、本発明の趣旨を逸脱しない範囲においての種々の変更も含まれる。
１・・・設備診断システム
１１・・・ＥＲＰ
１２・・・ＭＥＳ
１３・・・プロセス制御機器
１４・・・設備制御装置
２１・・・プロセス機器
３１・・・設備
３２・・・設備センサ
４１・・・解析・診断システム
４２・・・ハンディターミナル
５１・・・設備診断装置
１０１・・・生産状況収集部
１０２・・・生産状況保存部
１０３・・・生産状況ＤＢ
１１１・・・仮想設備データ変換部
１１２・・・設備データ収集部
１１３・・・設備データ保存部
１１４・・・設備データＤＢ
１１５・・・データ検索部
１２１・・・判定モデル作成部
１２２・・・判定モデル選択部
１３１・・・判定部
１３１１・・・一次判定部
１３１２・・・要因切分部
１３１３・・・原因解析部
１３２・・・結果出力部
１３３・・・判定結果履歴ＤＢ

Claims (9)

  1. プラントにおいて実行されるプロセスの状態を示すプロセスデータを取得するプロセスデータ取得部と、
    前記プラントにおける生産状況を示す生産データを取得する生産データ取得部と、
    取得された前記プロセスデータ若しくは前記生産データ、又は前記プロセスデータ及び前記生産データに基づき、前記プロセスにおいて稼働する設備の動作状態を推定する状態情報を生成する状態情報生成部と、
    取得された前記プロセスデータ又は生成された前記状態情報、並びに取得された前記生産データに基づき、前記設備の動作状態を判定する判定部と
    を備える設備診断装置。
  2. 取得された前記プロセスデータ及び前記生産データに基づき、判定モデルを作成する判定モデル作成部と、
    生成された前記状態情報に基づき、作成された前記判定モデルを選択する判定モデル選択部と
    をさらに備え、
    前記判定部は、選択された前記判定モデルを用いて前記設備の動作状態を判定する、請求項１に記載の設備診断装置。
  3. 前記設備に取付けられたセンサが測定した設備データを収集する設備データ収集部をさらに備える、請求項２に記載の設備診断装置。
  4. 前記判定モデル作成部は、収集された前記設備データにさらに基づき、判定モデルを作成する、請求項３に記載の設備診断装置。
  5. 前記判定モデル選択部は、生成された前記状態情報又は収集された前記設備データに基づき、判定モデルを選択する、請求項３又は４に記載の設備診断装置。
  6. 判定された前記動作状態に対応した前記設備の保全データを収集して保存する保全データ保存部をさらに備え、
    前記判定モデル作成部は、保存された前記保全データにさらに基づき、判定モデルを作成する、請求項２から５のいずれか一項に記載の設備診断装置。
  7. 前記保全データ保存部は、前記設備のメンテナンスデータ又は前記設備の故障データの少なくともいずれかのデータを含む前記保全データを収集して保存する、請求項６に記載の設備診断装置。
  8. プラントにおいて実行されるプロセスの状態を示すプロセスデータを取得するプロセスデータ取得ステップと、
    前記プラントにおける生産状況を示す生産データを取得する生産データ取得ステップと、
    取得された前記プロセスデータ若しくは前記生産データ、又は前記プロセスデータ及び前記生産データに基づき、前記プロセスにおいて稼働する設備の動作状態を推定する状態情報を生成する状態情報生成ステップと、
    取得された前記プロセスデータ又は生成された前記状態情報、並びに取得された前記生産データに基づき、前記設備の動作状態を判定する判定ステップと
    を含む設備診断方法。
  9. プラントにおいて実行されるプロセスの状態を示すプロセスデータを取得するプロセスデータ取得処理と、
    前記プラントにおける生産状況を示す生産データを取得する生産データ取得処理と、
    取得された前記プロセスデータ若しくは前記生産データ、又は前記プロセスデータ及び前記生産データに基づき、前記プロセスにおいて稼働する設備の動作状態を推定する状態情報を生成する状態情報生成処理と、
    取得された前記プロセスデータ又は生成された前記状態情報、並びに取得された前記生産データに基づき、前記設備の動作状態を判定する判定処理と
    をコンピュータに実行させるための設備診断プログラム。
JP2016019066A 2016-02-03 2016-02-03 設備診断装置、設備診断方法及び設備診断プログラム Active JP6350554B2 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2016019066A JP6350554B2 (ja) 2016-02-03 2016-02-03 設備診断装置、設備診断方法及び設備診断プログラム
EP17747147.1A EP3413154B1 (en) 2016-02-03 2017-01-10 Equipment diagnostic device, equipment diagnostic method, and equipment diagnostic program
PCT/JP2017/000427 WO2017134983A1 (ja) 2016-02-03 2017-01-10 設備診断装置、設備診断方法及び設備診断プログラム
US16/074,942 US11003178B2 (en) 2016-02-03 2017-01-10 Facility diagnosis device, facility diagnosis method, and facility diagnosis program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2016019066A JP6350554B2 (ja) 2016-02-03 2016-02-03 設備診断装置、設備診断方法及び設備診断プログラム

Publications (2)

Publication Number Publication Date
JP2017138789A true JP2017138789A (ja) 2017-08-10
JP6350554B2 JP6350554B2 (ja) 2018-07-04

Family

ID=59499508

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016019066A Active JP6350554B2 (ja) 2016-02-03 2016-02-03 設備診断装置、設備診断方法及び設備診断プログラム

Country Status (4)

Country Link
US (1) US11003178B2 (ja)
EP (1) EP3413154B1 (ja)
JP (1) JP6350554B2 (ja)
WO (1) WO2017134983A1 (ja)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019079160A (ja) * 2017-10-23 2019-05-23 ファナック株式会社 状態判定装置
WO2019235351A1 (ja) * 2018-06-04 2019-12-12 日本電気株式会社 設備監視システム、設備監視方法、及び、記録媒体
JP2020027329A (ja) * 2018-08-09 2020-02-20 パナソニックＩｐマネジメント株式会社 設備診断システム及び設備診断方法
JP2020046873A (ja) * 2018-09-18 2020-03-26 横河電機株式会社 情報処理システム、情報処理方法及び情報処理装置
JP2020095425A (ja) * 2018-12-12 2020-06-18 横河電機株式会社 検出装置、検出方法、および、検出プログラム
WO2020152741A1 (ja) * 2019-01-21 2020-07-30 三菱電機株式会社 異常要因推定装置、異常要因推定方法、及びプログラム
JP2021184242A (ja) * 2020-05-22 2021-12-02 株式会社日立製作所 オンラインプログラム更新のためのスケジューリングシステムおよび方法
WO2023090741A1 (ko) * 2021-11-16 2023-05-25 한국에너지기술연구원 열량계 이상 판단 장치 및 그 방법

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7086693B2 (ja) * 2018-04-19 2022-06-20 Ｉｈｉ運搬機械株式会社 機器保守方法及び装置
JP6887407B2 (ja) * 2018-08-28 2021-06-16 横河電機株式会社 装置、プログラム、プログラム記録媒体、および方法
CN113614665B (zh) * 2019-04-25 2024-10-01 Abb瑞士股份有限公司 使用人工智能在过程工业中进行生产核算的方法和系统
CN113449008B (zh) * 2020-03-27 2023-06-06 华为技术有限公司 一种建模方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013084251A (ja) * 2011-09-19 2013-05-09 Fisher Rosemount Systems Inc 多段データ偏析を使った推論処理モデリング、品質予測、および故障検出
WO2013132939A1 (ja) * 2012-03-07 2013-09-12 東京エレクトロン株式会社 評価装置及びコンピュータプログラム

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5864773A (en) 1995-11-03 1999-01-26 Texas Instruments Incorporated Virtual sensor based monitoring and fault detection/classification system and method for semiconductor processing equipment
US6163761A (en) * 1996-02-15 2000-12-19 Henkel Corporation System for monitoring and controlling production and method therefor
US6876948B1 (en) * 1998-11-12 2005-04-05 Jan Bryan Smith Method for assessing plant capacity
DE60113073T2 (de) * 2000-03-10 2006-08-31 Smiths Detection Inc., Pasadena Steuerung für einen industriellen prozes mit einer oder mehreren multidimensionalen variablen
US8914300B2 (en) * 2001-08-10 2014-12-16 Rockwell Automation Technologies, Inc. System and method for dynamic multi-objective optimization of machine selection, integration and utilization
US6738682B1 (en) * 2001-09-13 2004-05-18 Advances Micro Devices, Inc. Method and apparatus for scheduling based on state estimation uncertainties
US7065422B1 (en) 2002-06-28 2006-06-20 Advanced Micro Devices, Inc. Method and apparatus for system state classification
JP5091308B2 (ja) * 2008-04-09 2012-12-05 三菱電機株式会社 グラフィックユーザインタフェース装置
JP5161645B2 (ja) 2008-04-30 2013-03-13 株式会社東芝 時系列データ監視システム
JP5253039B2 (ja) 2008-08-22 2013-07-31 中国電力株式会社 発電プラントにおける異常データの早期発見方法
WO2011085203A1 (en) * 2010-01-08 2011-07-14 Fluor Technologies Corporation Systems for estimating new industrial plant operational readiness costs
JP5439265B2 (ja) * 2010-04-20 2014-03-12 株式会社日立製作所 異常検知・診断方法、異常検知・診断システム、及び異常検知・診断プログラム
JP5522491B2 (ja) * 2011-12-13 2014-06-18 横河電機株式会社 アラーム表示装置およびアラーム表示方法
US20140325292A1 (en) 2013-04-29 2014-10-30 Enernoc, Inc. Virtual data point creation mechanism for a building management fault detection system
US9678505B2 (en) * 2013-10-14 2017-06-13 Invensys Systems, Inc. Line management in manufacturing execution system
US9465387B2 (en) * 2015-01-09 2016-10-11 Hitachi Power Solutions Co., Ltd. Anomaly diagnosis system and anomaly diagnosis method

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013084251A (ja) * 2011-09-19 2013-05-09 Fisher Rosemount Systems Inc 多段データ偏析を使った推論処理モデリング、品質予測、および故障検出
WO2013132939A1 (ja) * 2012-03-07 2013-09-12 東京エレクトロン株式会社 評価装置及びコンピュータプログラム

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10981315B2 (en) 2017-10-23 2021-04-20 Fanuc Corporation State determination device
JP2019079160A (ja) * 2017-10-23 2019-05-23 ファナック株式会社 状態判定装置
JP7063382B2 (ja) 2018-06-04 2022-05-09 日本電気株式会社 設備監視システム、設備監視方法、及び、設備監視プログラム
JPWO2019235351A1 (ja) * 2018-06-04 2021-06-10 日本電気株式会社 設備監視システム、設備監視方法、及び、設備監視プログラム
WO2019235351A1 (ja) * 2018-06-04 2019-12-12 日本電気株式会社 設備監視システム、設備監視方法、及び、記録媒体
JP2020027329A (ja) * 2018-08-09 2020-02-20 パナソニックＩｐマネジメント株式会社 設備診断システム及び設備診断方法
JP7228780B2 (ja) 2018-08-09 2023-02-27 パナソニックＩｐマネジメント株式会社 設備診断システム及び設備診断方法
JP2020046873A (ja) * 2018-09-18 2020-03-26 横河電機株式会社 情報処理システム、情報処理方法及び情報処理装置
JP2020095425A (ja) * 2018-12-12 2020-06-18 横河電機株式会社 検出装置、検出方法、および、検出プログラム
WO2020152741A1 (ja) * 2019-01-21 2020-07-30 三菱電機株式会社 異常要因推定装置、異常要因推定方法、及びプログラム
JP2021184242A (ja) * 2020-05-22 2021-12-02 株式会社日立製作所 オンラインプログラム更新のためのスケジューリングシステムおよび方法
JP7209033B2 (ja) 2020-05-22 2023-01-19 株式会社日立製作所 オンラインプログラム更新のためのスケジューリングシステムおよび方法
US11630452B2 (en) 2020-05-22 2023-04-18 Hitachi, Ltd. Scheduling system and method for online program update
WO2023090741A1 (ko) * 2021-11-16 2023-05-25 한국에너지기술연구원 열량계 이상 판단 장치 및 그 방법

Also Published As

Publication number Publication date
US20190033840A1 (en) 2019-01-31
EP3413154A1 (en) 2018-12-12
US11003178B2 (en) 2021-05-11
JP6350554B2 (ja) 2018-07-04
EP3413154B1 (en) 2024-03-27
EP3413154A4 (en) 2019-09-04
WO2017134983A1 (ja) 2017-08-10

Similar Documents

Publication Publication Date Title
JP6350554B2 (ja) 設備診断装置、設備診断方法及び設備診断プログラム
CN105987822B (zh) 用于预测装备故障的方法和系统
US20040199573A1 (en) System and method for remote diagnosis of distributed objects
US10699248B2 (en) Inspection management system and inspection management method
US20120330499A1 (en) Acoustic diagnostic of fielded turbine engines
CN109839915A (zh) 诊断装置、诊断方法及存储介质
US20120259585A1 (en) Methods and systems for monitoring operation of equipment
JP6504089B2 (ja) 工程監視装置、工程監視システム、工程監視方法、工程監視プログラム及び記録媒体
KR20140130540A (ko) 설비들의 그룹의 조건 모니터링을 위한 방법 및 시스템
JP2006292734A (ja) 検査装置用の判定モデル作成支援装置および検査装置ならびに耐久試験装置および耐久試験方法
JP2012528392A (ja) 多変数プロセス制御においてモデルの品質を推定しモデルを適応させる装置およびその方法
US20130173202A1 (en) Systems and Methods for Dynamic Prognostication of Machine Conditions for Rotational Motive Equipment
JP6540531B2 (ja) 監視装置及び監視装置の制御方法
JP6714498B2 (ja) 設備診断装置及び設備診断方法
US20210012242A1 (en) Assessing conditions of industrial equipment and processes
JP2009086896A (ja) コンピュータの障害予測システムおよび障害予測方法
US11900223B2 (en) Device and method for monitoring a system
JP6540532B2 (ja) 監視装置及び監視装置の制御方法
CN117151677A (zh) 用于维护设备的装置、方法和非临时性计算机可读介质
US10156844B1 (en) System and method for new equipment configuration and sound monitoring
JP2003050618A (ja) プロセス機器管理方法およびプロセス機器管理装置
JP2009238190A (ja) メンテナンス計画支援システム
JPWO2020129818A1 (ja) 機械設備診断システム、機械設備診断方法、および機械設備診断プログラム
JP6887407B2 (ja) 装置、プログラム、プログラム記録媒体、および方法
US20210241190A1 (en) System and Method for Tracking, Recording and Monitoring Flow of Work Processes of Manufacturing, Assembly and Fabrication

Legal Events

Date Code Title Description
A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20171205

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20180129

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: 20180508

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20180521

R150 Certificate of patent or registration of utility model

Ref document number: 6350554

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150