JP2018190245A - 設備機器の異常診断システム - Google Patents

Abstract

【課題】取得した異常データが少ない場合でも異常診断を可能とする設備機器の異常診断システムを提供する。【解決手段】監視対象である設備機器における計測データを入力値とともに入力する入力部と、診断パターンを用いて計測データの正常または異常を判別するパターン照合部と、パターン照合部において判別された正常または異常の実績の計測データを記憶する第1のデータベースと設備機器における異常を模擬した模擬異常データを記憶する第２のデータベースとを備えて診断パターンを生成するパターン生成部とから構成され、パターン生成部は、正常の計測データにより構築された物理モデルあるいは数学モデルについて仮定の異常条件を加味して模擬異常データを生成し第２のデータベースに記憶するとともに、第２のデータベースに記憶された模擬異常データを用いて模擬の診断パターンを得ることを特徴とする。【選択図】図１

Description

本発明は、設備機器の計測データを入力として、あらかじめ用意した学習データを基に異常診断を行う設備機器の異常診断システムに関する。

設備機器の計測データを分析することにより異常を予兆段階で検知し、重大故障に至る前に対策を実施することは、故障による計画外停止を回避して損失コストを低減する上で有効である。このような設備機器を対象として異常診断を行うシステムの処理機能は大きく以下の２つに分かれる。

処理機能の１つ目は、異常検知処理である。異常検知とは正常状態からの逸脱を検知することである。この場合、正常運転時における計測データがあれば、異常検知のための判断ロジックを構築できる。正常運転時の計測データの変化パターンをあらかじめ学習しておき、計測データのパターンと学習データを比較すればよい。この処理に必要な学習内容とは、正常運転時における複数の計測データ間の因果関係が挙げられる。

設備機器に複数設置されたセンサによる計測データの間には、設計条件に応じた物理的な関係性がある。例えば、高温流体からの伝熱によって低温流体の温度を上昇させる熱交換器の場合、高温流体の温度・流量などの運転条件が一定である場合、低温流体の流量が増えれば、上昇温度が低下する等の物理的な因果関係がある。正常運転中に計測した複数センサの計測データを用いて、このような因果関係をあらかじめ学習しておき、その関係性が維持されているかを監視することで、機器の正常／異常を判別できる。

また、設備機器の計測データは、出力などの運転条件を一定にしている場合でもデータ値に揺らぎが生じるのが普通である。正常時におけるデータの揺らぎ特性、例えば、変動幅を学習しておけば、計測データの変動幅と比較することにより、正常／異常を判別することができる。以上に述べたような正常／異常の判別処理は、正常運転時における計測データを基準として実施する。

一方、処理機能の２つ目としては、診断処理が挙げられる。ここでの診断処理とは、正常／異常の判別よりも、さらに詳細な異常に関する情報を取得することである。診断処理で提供する情報の例としては、異常原因や異常箇所が挙げられる。診断処理を実施するには、設備機器に異常が発生しているときの計測データが必要である。オンラインで取り込んだ計測データの変化パターンと、あらかじめ用意した異常時の変化パターンとを照合し、現在、設備機器で発生している異常に対して、その原因や異常箇所を特定する。

設備機器に異常が発生したとき、異常診断システムが異常箇所や異常原因の情報も併せて提供することができれば、運転員が異常対応を決定する際の指針となる。例えば、システムによって特定された異常原因が軽微な事象であり、機器の運転に支障を与えるほどの重大性がないと判断すれば、運転を継続するなどの処置を取ることも可能である。また、システムによって異常箇所の情報が提供されれば、故障部品の手配など、迅速な異常対応が可能となる。以上のように、システムが異常箇所や異常原因の情報を提供することは、運転員が異常対応を判断する上で有益である。

このような異常診断を行うシステムの例として、例えば、特許文献１は、原子力プラントにおいて計測される複数の計測パラメータの相互の相関関係を表す相関値に対して、過去の運転履歴に基づいて異常事象に関連付けられる判定用のパラメータと比較することにより、異常事象を特定している。

特開２０１７−６２７３０号公報

前述したように、診断の対象となる設備機器の計測データに対して、あらかじめ用意した異常時における計測データの変化パターンと照合することにより、異常箇所や異常原因を特定することができる。

しかしながら、設備機器によっては異常発生の頻度が少なく、異常データを蓄積できないという事態が生じる。前述したように、正常／異常の判別は正常運転中のデータがあればよいため、データを蓄積することが容易である。

一方、異常事象や異常箇所の特定には異常発生時のデータが必要であるため、データの蓄積が容易ではない。また、異常データについては、異常原因ごとのデータを用意する必要がある。異常原因が異なれば、計測データの変化パターンも異なるためである。設備機器で異常が発生すると、その原因となった部品は新しいものに交換される。このため、部品の材料劣化を主原因とする異常については、同じ箇所で発生することは稀である。

以上の点から、設備機器で発生する種々の異常原因や異常箇所をカバーする異常データ一式を揃えることは困難である。このため、取得した異常データが少ない場合でも異常診断を可能とする処理方法が望まれていた。

以上のことから本発明に係る設備機器の異常診断システムは、監視対象である設備機器における計測データを入力値とともに入力する入力部と、診断パターンを用いて計測データの正常または異常を判別するパターン照合部と、パターン照合部において判別された正常または異常の実績の計測データを記憶する第1のデータベースと設備機器における異常を模擬した模擬異常データを記憶する第２のデータベースとを備えて診断パターンを生成するパターン生成部とから構成され、パターン生成部は、正常の計測データにより構築された物理モデルあるいは数学モデルについて仮定の異常条件を加味して模擬異常データを生成し第２のデータベースに記憶するとともに、第２のデータベースに記憶された模擬異常データを用いて模擬の診断パターンを得ることを特徴とする。

本発明に係る設備機器の異常診断システムによれば、設備機器で計測した異常データが不足している場合でも、異常原因や異常箇所の特定を行うための処理が実現できる。

本発明に係わる異常診断システムの概略の全体構成を示す図。 実施例１に係る異常箇所特定の処理フローの一例を示す図。 実施例２に係る異常箇所特定の処理フローの一例を示す図。 実施例３に係る異常箇所特定の処理フローの一例を示す図。 実施例４に係る異常箇所特定の処理フローの一例を示す図。 実施例５に係る異常箇所特定の処理フローの一例を示す図。 実施例６に係る異常箇所特定の処理フローの一例を示す図。 本発明の異常診断システムの適用例である設備機器が熱交換器である場合の概略構成を示す図。 熱交換器を適用例として実施した場合の模擬異常データの診断パターンリストの例を示す図。 熱交換器を適用例として実施した場合のパターン照合用データベースの例を示す図。 パターン照合部と異常評価部での動作内容を示すフローチャート。 本発明の異常診断システムの表示モニタ画面の一例を示す図。

本発明に係る設備機器の異常診断システムの構成について、図面を参照して以下に説明する。

実施例の説明に入る前に、本発明に係る設備機器の異常診断システムの概略の全体構成を図１により明らかにしておく。以下の実施例は、図１に示す全体構成の一部あるいは全部を使用して行う事ができる。

図１に示すように、異常診断システム１０３は、設備機器１０１に設置されているセンサ１０２により取得した計測データＤ１と、操作部１００内の入力媒体１１０より取得した入力値Ｄ２を一時的に計測信号データベースＤＢ１に蓄積し、その後対のデータとして取得する。

また、計測データＤ１はセンサ１０２により直接計測できる設備機器１０１のデータであるが、これに対し直接計測はしない、或はできないが、計測データＤ１などから推定しあるいは同定することが可能な情報もあることから、信号処理部１０５において推定や同定の処理を行い、推定値や同定値を信号処理結果データＤ３として、操作部１００内の入力媒体１１０より取得した入力値Ｄ２と対のデータとして異常診断システム１０３に取得する。

ここで計測データＤ１や信号処理結果データＤ３を、入力値Ｄ２と対のデータとして取得する理由は、計測データＤ１や信号処理結果データＤ３は、例えば温度が３０度であることを示す値であるが、この値は設備機器１０１の入力値Ｄ２（あるいは負荷値）の大きさを勘案しないと、正常、異常の判別が不可能であることによる。３０度は定格入力では正常値であっても、５０％入力では必ずしも正常値とは言えないことから、計測データＤ１や信号処理結果データＤ３の正常、異常の判断には入力値Ｄ２（あるいは負荷値）の大きさを対にして得る必要がある。

異常診断システム１０３に入力された入力データ（計測データＤ１、入力値Ｄ２、信号処理結果データＤ３）は、パターン照合部１０７に入力される。パターン照合部１０７では、診断パターン生成部１０４のデータベースと、設備機器１０１の現在の計測データＤ１と入力値Ｄ２の対の情報（あるいは現在の信号処理結果データＤ３と入力値Ｄ２の対の情報）を用いて、現在の計測データＤ１と一致する診断パターンＰＴを特定し、異常の発生と異常箇所を特定する。

診断パターン生成部１０４は、複数のデータベースを備えており、正常、異常についての診断パターンＰＴを生成する。診断パターン生成部１０４内のデータベースは、パターン照合部１０７において正常と判定された正常判定済みデータＤ４を記憶する正常データベースＤＢ２と、パターン照合部１０７において異常と判定された異常判定済みデータＤ５を記憶する異常事例データベースＤＢ４と、想定する模擬異常のデータを記憶する模擬異常データベースＤＢ３を備えている。

なお、正常データベースＤＢ２と異常事例データベースＤＢ４は、その時の入力値Ｄ２と対の情報としてテーブル形式にて記憶されている。またこれらから生成される診断パターンＰＴも入力値Ｄ２に対応して生成されている。このため、現在の計測データＤ１を評価するための診断パターンＰＴは、現在の入力値Ｄ２と同じ過去の入力値Ｄ２の時の過去の計測データＤ１を基準にして生成されたものが抽出されて比較の対象とされている。

このように診断パターン生成部１０４内のデータベースには、正常、異常判別後のデータ（過去データ）が蓄積されており、過去データおよび過去データと想定した異常から求められた診断パターンＰＴに基づいて、現在の計測データＤ１あるいは現在の信号処理結果データＤ３の正常、異常判別がパターン照合部１０７において実施されることになる。

また異常診断システム１０３は、特定した異常と発生箇所を診断結果データＤ６として操作部１００のモニタ画面１１１上に表示する。なお、センサ１０２の種類、設置箇所、設置数は１個に限定されず、複数設置することが好ましい。また、異常診断システム１０３の前処理部または後処理部として、信号処理部１０５や異常評価部１０８を付加することもできる。異常評価部１０８は異常評価結果データＤ８を出力し、モニタ画面１１１に表示する。

図１は、本発明において以下に説明する実施例に共通する設備機器の異常診断システムの構成を示している。図１を用いて実行する本発明のいくつかの実施形態を、図２以降の図面に基づいて詳細に説明する。なお下記実施形態における構成要素は、適宜組み合わせることが可能であり、また、実施形態が複数ある場合には、各実施形態を組み合わせることも可能である。

実施例１では、異常箇所特定の考え方の一例を説明する。図２に、異常診断システム１０３による異常箇所特定の処理フローの一例を示す。以下、実施例として、図２の処理フローに従い異常判定方法を説明する。なお図２では、図１の診断パターン生成部１０４内のデータベースのうち、正常データベースＤＢ２と模擬異常データベースＤＢ３を利用している。

図２の異常診断システム１０３は、計測信号データベースＤＢ１より計測データＤ１と入力値Ｄ２を取得し、パターン照合部１０７において、診断パターン生成部１０４で生成した診断パターンＰＴとの照合を行う。

診断パターン生成部１０４は、正常が検証され正常データベースＤＢ２に記憶された正常判定済みデータＤ４（以下実績データという）を用いて実績診断パターンＰＴＲを生成する実績診断パターン生成部１０４Ｒと、模擬データを用いて模擬診断パターンＰＴＶを生成する模擬診断パターン生成部１０４Ｖを備えている。

実績診断パターン生成部１０４Ｒは、正常データベースＤＢ２を主体に構成されている。正常データベースＤＢ２には、設備機器１０１が正常に運転している場合の計測データ値Ｄ１と運転状態（入力値Ｄ２など）が記憶されており、これらの実績データにより生成された実績診断パターンＰＴＲが実績診断パターン生成部１０４Ｒから得られる。正常データベースＤＢ２としては、当該設備機器１０１を過去運転した際の計測データの履歴や、あるいは設備機器が稼働直後であり当該設備機器の過去運転実績が少ないといった場合には、仕様が同一および類似の他の設備機器を運転した履歴を用いることができる。

模擬診断パターン生成部１０４Ｖは、模擬異常データベースＤＢ３を主体に構成されている。模擬異常データベースＤＢ３は、設備機器１０１において、任意の異常が任意の箇所で生じた場合を仮定した、仮定の異常条件２０８に基づいて、物理モデルあるいは数学モデル３０１を用いて推定した計測データの模擬値についてのデータベースであり、これが模擬診断パターン生成部１０４Ｖ内に格納されている。なお、物理モデルあるいは数学モデル３０１を形成するに当たり正常データベースＤＢ２内の正常判定済みデータＤ４が参照されている。模擬異常データベースＤＢ３は、仮定した異常と異常箇所に応じて複数用意されている。模擬異常データベースＤＢ３は、仮定した異常および異常箇所と、計測データの模擬値との組合せで模擬診断パターンＰＴＶとして生成されたものである。

このように診断パターン生成部１０４には、正常データベースＤＢ２についての実績データから生成された実績診断パターンＰＴＲと、模擬異常データベースＤＢ３についての模擬データから生成された模擬診断パターンＰＴＶが格納されている。なお実績診断パターンＰＴＲと模擬診断パターンＰＴＶを区別する必要がない場合には単に診断パターンＰＴと称するものとする。

パターン照合部１０７では、計測データＤ１と診断パターンＰＴを照合し、最も近い診断パターンＰＴを特定する。照合方法としては、例えば、データの経時変化の比較、または、決定木、または、クラスタリング処理、または、ニューラルネットワークを用いることができる。

具体的な照合方法としてデータの経時変化の比較によりデータの照合を行う場合には、異常が発生した時刻ｔ_１を含む任意の測定期間の時間差分Δｔに対しての計測データＤ１の変化量を算出し、最もΔｔに対しての変化量が近い診断パターンＰＴを特定する。計測データＤ１を複数取得している場合には、各計測データの正負が一致する診断パターンＰＴを採用する、あるいは計測データの項目に応じて優先順位に従い決定しても良い。

具体的な照合方法として決定木により診断を行う場合には、計測データＤ１の値範囲によるデータの分割の他、時間差分Δｔに対する計測データＤ１の変化量や、計測データＤ１を基に算出した物理量、状態量等を利用した分割を行っても良い。

クラスタリング処理によりデータの照合を行う場合には、例えば、ベクトル量子化、サポートベクターマシン、適応共鳴理論等を用いることが出来る。なお、クラスタリング処理の前に、計測データＤ１に対して正規化等の前処理を行っても良い。

本実施例によれば、設備機器１０１で計測したデータが不足している場合でも、設備機器１０１の異常の種類および異常箇所の特定を行うことが出来る。

図３は異常診断システム１０３による異常箇所特定の処理フローに関して、実施例１とは異なる例を示したものである。なお図３では、図１の診断パターン生成部１０４内のデータベース（正常データベースＤＢ２、模擬異常データベースＤＢ３、異常事例データベースＤＢ４）を利用している。

実施例２の診断パターン生成部１０４は、正常データベースＤＢ２、模擬異常データベースＤＢ３に加え、異常事例データベースＤＢ４を用いて診断パターンＰＴを生成している点が実施例１と異なる。異常事例データベースＤＢ４は、実績診断パターン生成部１０４Ｒ内に格納されている。なお正常データベースＤＢ２から生成された実績診断パターンＰＴＲをＰＴＲ１とし、異常事例データベースＤＢ４から生成された実績診断パターンＰＴＲをＰＴＲ２として図３には表記している。

異常事例データベースＤＢ４は、設備機器１０１が実際に異常を生じた際の計測データ値（異常判定済みデータＤ５）と、異常の種類、異常箇所をデータとして保持している。事故事例データベースＤＢ４には、設備機器１０１を過去運転して異常が生じた際の計測データの履歴や、あるいは設備機器が稼働直後であり当該設備機器の過去運転実績が少ないといった場合には、仕様が同一および類似の他の設備機器を運転し異常が生じた際の履歴を用いる。

本実施例によれば、異常事例データベースＤＢ４を用いて実績診断パターンＰＴＲ２を生成する機能を実績診断パターン生成部１０４Ｒ中に格納していることで、過去生じたことのある異常について、実態に基づいた計測データを参照することが出来る。よって、実施例１の効果に加えて、事例の存在する異常について、異常および異常箇所を特定する際の確度を向上できる。

図４は、異常診断システム１０３による異常箇所特定の処理フローに関して、実施例１に加えて、実績正常データベースＤＢ５とパラメータ調整部１１２を備える点が異なる。

図４では、診断パターン照合部１０７での診断パターン照合により、正常と検証された正常データＤ４を実績正常データＤ１０として実績正常データベースＤＢ５に蓄積する。パラメータ調整部１１２においては、実績正常データベースＤＢ５の蓄積結果と、正常データベースＤＢ２の蓄積結果を、パラメータ更新用の物理モデルあるいは数学モデル３０２に与え、物理モデルあるいは数学モデル３０１の情報を更新するためのパラメータ情報Ｄ９を得る。

この場合に、正常データベースＤＢ２の蓄積結果である正常データＤ４は、比較的に古い時代に設定され或は得られたデータであり、例えば異常診断システム設計時に初期設定されあるいは運転経験が十分でない時代に得られたデータである。これに対し実績正常データベースＤＢ５に蓄積する実績正常データＤ１０は、近年の経験値である。一般に経年劣化に伴い、当所最適に設定したはずの物理モデルあるいは数学モデル３０１も、直近の状態を反映しなくなる傾向があるので、新旧の性状データを比較してその差分により物理モデルあるいは数学モデル３０１のパラメータを調整するという意図のものである。

実施例３の構成によれば、設備機器１０１に異常が生じず、正常に運転が行われている場合、異常診断システム１０３は運転履歴を実績正常データＤ１０として蓄積する。パラメータ調整部１１２では、正常データベースＤＢ２に蓄積した正常データＤ４と実績正常データＤ１０を用いて物理モデルあるいは数学モデル３０１のフィッティングを行い、物理モデルあるいは数学モデル３０１に含まれるパラメータの最適化を行い、パラメータ情報Ｄ９を得ることができる。

本実施例では、運転時に蓄積した実績正常データＤ１０を用いて物理モデルあるいは数学モデル３０１のパラメータを更新することにより、物理モデルあるいは数学モデル３０１の精度を向上することが出来る。実施例１の効果に加えてより高い精度の模擬異常データの作成が可能となる。

図５は、異常診断システム１０３による異常箇所特定の他の処理フローに関する。ここでは、図３の実施例２において、パターン照合部１０７における診断パターン照合により得られた正常データＤ４および異常データＤ５を実績正常データベースＤＢ５および実績異常データベースＤＢ６に蓄積し、それぞれ実績正常データＤ１０および実績異常データＤ１１として、診断パターン生成部１０４の正常データベースＤＢ２あるいは異常事例データベースＤＢ４に移し、正常データベースＤＢ２あるいは異常事例データベースＤＢ４のデータにより診断パターンＰＴＲを生成する。

この場合に、診断パターン生成部１０４の正常データベースＤＢ２あるいは異常事例データベースＤＢ４の蓄積結果である正常データＤ４および異常データＤ５は、比較的に古い時代に設定され或は得られたデータであり、例えば異常診断システム設計時に初期設定されあるいは運転経験が十分でない時代に得られたデータである。これに対し実績正常データベースＤＢ５あるいは実績異常データベースＤＢ６に蓄積する実績正常データＤ１０および実績異常データＤ１１は、近年の経験値である。一般に経年劣化に伴い、当所最適に設定したはずの診断パターンＰＴＲも、直近の状態を反映しなくなる傾向があるので、最新の実績正常データＤ１０および実績異常データＤ１１も考慮することにより診断パターンＰＴＲ１、ＰＴＲ２を生成するという意図のものである。

ここでは計測データＤ１が正常と判定された場合には、実績正常データＤ１０としてデータを正常データベースＤＢ２に蓄え、これを正常データとして診断パターンに追加する。また計測データＤ１が模擬異常データの診断パターンと一致した場合には、実績異常データＤ１１としてデータを実績異常データベースＤＢ６に蓄え、診断パターンで特定された異常の種類、異常箇所と合わせて異常事例データベースＤＢ４に追加する。

本実施例によれば、異常および異常箇所の特定を行った実績正常データＤ１０と実績異常データＤ１１を診断パターン生成部１０４に追加することで、設備機器１０１を運転しながらデータベースを拡張することができる。よって、実施例１の効果に加えて、設備機器１０１を運転しながら照合する診断パターン生成部１０４の診断パターンＰＴＲを細分化でき、正常、異常の判定および異常箇所の特定について精度を向上することが出来る。

図６は、異常診断システム１０３による異常箇所特定の処理フローの他の事例に関する。図２の実施例１において、信号処理部１０５からの信号処理結果データＤ３をパターン照合部１０７に入力し、診断パターンＰＴＲの特定に用いる場合の構成を例示している。異常診断システム１０３に信号処理部１０５からの信号処理結果データＤ３を入力する点と、診断用信号処理部１０６で出力した診断用信号処理結果データＤ１３を診断パターン生成部１０４中に保持している点が異なる。

信号処理部１０５は、入力された計測データＤ１に対し信号処理を行い、信号処理結果データＤ３を出力する。診断用信号処理部１０６は、正常データベースＤＢ２内の正常データＤ４、模擬異常データベースＤＢ３内の模擬異常データＤ１２、異常事例データベースＤＢ４内の異常データＤ５に対して信号処理を行い、信号処理部１０５からの信号処理結果データＤ３に対応する診断用信号処理結果Ｄ１３を出力する。なお診断用信号処理部１０６は、信号処理部１０５で代用しても良い。また、診断用信号処理部１０６を備えず、あらかじめ診断用信号処理結果Ｄ１３を算出し、診断用データベースに格納しておいても良い。

信号処理としては、例えば、クラスタリング手法が用いられる。信号処理は単一あるいは複数の手法の組合せのいずれを用いても良い。信号処理部１０５と診断用信号処理部１０６に入力する値は、計測データＤ１の他に、正常データベースＤＢ２内の正常データＤ４、模擬異常データベースＤＢ３内の模擬異常データＤ１２、異常事例データベースＤＢ４内の異常データＤ５の一部あるいは全部を用いることができる。また、これらのデータを分割し、複数の信号処理を並列で実施し、信号処理結果データＤ３と診断用信号処理結果Ｄ１３を複数作成しても良い。

本実施例によれば、計測データＤ１に加えて、信号処理結果データＤ３を異常診断システムに入力することで、実施例１の効果に加え、診断精度を向上することができる。

図７は、異常診断システム１０３による異常箇所特定の処理フローの他の事例に関する。図２の実施例１に加えて、非計測データを推定する異常評価部１０８を備え、推定した非計測データにより、異常原因、異常箇所、異常程度（影響度）を評価する点が異なる。

異常評価部１０８は、幾つかのケースにおいて起動され、機能する。その一つはパターン照合部１０７におけるパターン照合結果が異常となった場合であり、異常の程度、つまり異常発生で設備機器１０１の運転に与える影響の大きさを把握したいという場面である。

他の起動ケースは、パターン照合部１０７におけるパターン照合が判定不能となった時である。パターン照合部１０７におけるパターン照合により計測データなどの正常、異常が判別されるが、実際にはパターン照合部１０７におけるパターン照合が判別不能となる事態がある。診断パターン生成部１０４は、可能な範囲で多くの診断パターンを想定して作成しているが、想定した診断パターンのいずれにも該当しない事例が生じた場合には、判定不能となってしまうことが考えられる。

前者のパターン照合結果が異常であるケースにおいて、異常診断システム１０３では、計測データＤ１が模擬異常データの診断パターンと一致した場合（照合結果、異常と判定）、異常評価部１０８は、入力された計測データＤ１と、入力値Ｄ２と、正常データベースＤＢ２からの診断パターンＰＴＲを、物理モデルまたは数学モデル３０１に入力し、推定非計測データＤ１５を出力する。計測データＤ１より算出した推定非計測データＤ１５と正常時の推定非計測データＤ１６の差異より、異常発生で生じる影響の大きさを算出する。

後者のパターン照合結果が判定不能であるケースにおいて、異常診断システム１０３は、計測データＤ１が診断パターン生成部１０４の診断パターンＰＴと一致しないので、正常ではない、つまり判定不能であると判断し、異常評価部１０８を起動する。

このとき異常評価部１０８は、異常原因データベースＤＢ７を参照し、箇所／原因推定部３０５において異常箇所を特定するとともに、影響度評価部３０６において影響度の大きさを算出する。例えば異常箇所／原因推定部３０５では、計測データＤ１より算出した推定非計測データＤ１５を正常時の推定非計測データＤ１６と比較し、値の差が大きいデータ項目を特定することで、異常箇所の特定を行う。異常箇所／原因推定部３０５からは、出力として異常情報Ｄ１７、正常時の非推定計測データからの変化量Ｄ１８が得られる。影響度評価部３０６では、計測データＤ１より算出した推定非計測データＤ１５と正常時の推定非計測データＤ１６の差異より、異常発生で生じる影響の大きさを算出する。異常箇所／原因推定部３０５と影響度評価部３０６の具体的な判断手法について、熱交換器の事例を挙げて後述する。

本実施例によれば、実施例１の効果に加えて、計測データＤ１が正常データベースＤＢ２および模擬異常データベースＤＢ３に含まれる診断パターンと一致しない場合であっても、異常の種類、箇所、原因の特定が可能となる。加えて、異常により生じる影響を定量的に評価することが出来る。

実施例７として、異常診断システム１０３による異常箇所特定の処理フローを、熱交換器を含む設備機器に適用し、物理モデルとして熱交換器の伝熱モデルを使用した場合の例を示す。図８に、想定した熱交換器を含む設備機器１０１を示す。

図８の設備機器の一例としての熱交換器ＨＥは、直列で接続されている２基の熱交換器ＨＥａ、ＨＥｂで構成され、これに対し、高温流体ＦＡ（入側をＦＡｉ、出側をＦＡｏとする）、低温流体ＦＢ（入側をＦＢｉ、出側をＦＢｏとする）を向流で流した場合について説明する。

熱交換器ＨＥに設置したセンサ１０２は、計測データＤ１として、高温流体ＦＡの熱交換器ＨＥａ入口の温度Ｔ_Ａ、ｉｎ、熱交換器ＨＥｂ出口の温度Ｔ_{Ａ、ｏｕｔ}、低温流体ＦＢの熱交換器ＨＥｂ入口の温度Ｔ_Ｂ、ｉｎ、流量Ｆ_Ｂ、ｉｎ、圧力Ｐ_Ｂ、ｉｎ、熱交換器ＨＥａ出口の温度Ｔ_{Ｂ、ｏｕｔ}、圧力Ｐ_{Ｂ、ｏｕｔ}、熱交換器ＨＥａと熱交換器ＨＥｂの間の温度Ｔ_Ｂ、ｍを取得している。

各計測データＤ１に関し、正常の運転時の値はＴ_{ＡＮ、ｉｎ}、Ｔ_{ＡＮ、ｏｕｔ}、Ｔ_{ＢＮ、ｉｎ}、Ｔ_{ＢＮ、ｏｕｔ}、Ｆ_{ＢＮ、ｉｎ}、Ｐ_{ＢＮ、ｉｎ}、Ｐ_{ＢＮ、ｏｕｔ}、Ｔ_ＢＮ、ｍで示した。

またここでは、熱交換器ＨＥの異常パターンの例として、汚れの付着等による熱通過率の低下、汚れや異物等による流路の異常、流体の漏洩を想定し、物理モデルあるいは数学モデル３０１により、模擬異常データベースＤＢ３を作成した。なお、熱交換器の伝熱モデルには、下記に示した対流伝熱の伝熱式を用いた。

なお、（１）（２）（３）式において、Ｑは伝熱量（Ｊｓ^−１）、Ａは伝熱面積（ｍ^２）、Ｕは伝熱効率（Ｊｍ^−２ｓ^−１Ｋ^−１）、ΔＴは対数平均温度差（Ｋ）、Ｈ_Ｂ、ｉｎは熱交換器入口の低温流体ＦＢのエンタルピー（Ｊ）、Ｈ_{Ｂ、ｏｕｔ}は熱交換器入口の低温流体ＦＢのエンタルピー（Ｊ）とする。また、添え字ｉおよびｏは熱交換器ＨＥａ、ＨＥｂに対する流入側と流出側を示す。伝熱面積Ａは該設備機器の仕様により決定する。

図８に想定した仮定の異常条件を示す。仮定の異常条件として、
１．汚れの付着等による熱通過率の低下（２０８Ａ）、
２．流路の異常（２０８Ｂ）、
３．流体の漏洩（２０８Ｃ）
が単独で発生する場合と、
４．汚れの付着による熱通過率低下と流路の異常が生じる場合（２０８Ｄ）
の計４ケースを想定した。

下記に、「１．汚れの付着等による熱通過率の低下」の異常を例として、模擬異常データベースＤＢ３の作成について述べる。なお、異常箇所や熱交換器の運転条件によって模擬異常データベースＤＢ３の算出結果は変化することから、模擬異常データベースＤＢ３は１種類の異常に対して複数の診断パターンＰＴを持つ。

「１．汚れの付着等による熱通過率の低下」：
汚れの付着等による熱通過率の低下：
図８において、熱交換器ＨＥａの一部に汚れが付着し、熱通過率が低下した場合を想定する。流体ＦＡと流体ＦＢがそれぞれ熱交換器ＨＥａと熱交換器ＨＥｂに流入する条件は「１．汚れの付着等による熱通過率の低下」の異常の有無により変化しないことから、Ｔ_Ａ、ｉｎ＝Ｔ_{ＡＮ、ｉｎ}、Ｔ_Ｂ、ｉｎ＝Ｔ_{ＢＮ、ｉｎ}、Ｆ_Ｂ、ｉｎ＝Ｆ_{ＢＮ、ｉｎ}、Ｐ_Ｂ、ｉｎ＝Ｐ_{ＢＮ、ｉｎ}とする。また、汚れの付着は熱交換器内の流体ＦＢの流れに影響を及ぼさない程度と仮定し、Ｐ_{Ｂ、ｏｕｔ}＝Ｐ_Ｂ、ｉｎ＝Ｐ_{ＢＮ、ｉｎ}と仮定した。汚れ付着により熱交換器ＨＥａの熱通過率Ｕが低下した時を仮定すると、熱交換器ＨＥｂの高温流体ＦＡの出口温度Ｔ_{Ａ、ｏｕｔ}は正常の運転時よりも高温となり、熱交換器ＨＥａの低温流体ＦＢの出口温度Ｔ_{Ｂ、ｏｕｔ}は正常の運転時よりも低温となる。Ｔ_{Ａ、ｏｕｔ}とＴ_{Ｂ、ｏｕｔ}の組合せを（１）（２）（３）式より算出する。上記により作成した診断データベースに格納する模擬異常データの例を図９に示す。

図９において、縦軸には仮定の異常条件として汚れ付着を、また異常箇所として熱交換器ＨＥａを例示している。横軸には、一貫する事例番号ごとに、計測データ、変化傾向、診断用信号処理結果データＤ１３について、具体的な数値により表示している。

この時、熱交換器ＨＥａと熱交換器ＨＥｂの間の低温流体ＦＢの温度（Ｔ_Ｂ、ｍ）は、熱交換器ＨＥａの一部の熱通過率が低下した場合には正常の運転時と同程度であるが、熱交換器ＨＥｂの熱通過率が低下した場合には正常時に比べて低い値となる。これにより、熱交換器ＨＥａと熱交換器ＨＥｂに関し、それぞれに異常が生じた場合を仮定の異常条件２０８として、模擬異常データを作成しておくことで、異常箇所の特定が可能となる。

「２．流路の異常」、「３．流体の漏洩」、「４．汚れの付着による熱通過率低下と流路の異常」についても、「１．汚れの付着等による熱通過率の低下」と同様に（１）（２）（３）式を用いて各計測データＤ１を算出する。

「２．汚れや異物等による流路の異常」：
汚れや異物等が流路に堆積し、流路の圧力損失が高くなる異常が生じた場合を例として述べる。図８より、熱交換器ＨＥｂの内部の低温流体ＦＢが流れている配管の途中で圧力損失が高くなる場合を想定する。流体ＦＡと流体ＦＢがそれぞれ熱交換器ＨＥａと熱交換器ＨＥｂに流入する時の温度（Ｔ_Ａ、ｉｎ、Ｔ_Ｂ、ｉｎ）は、異常の有無に寄らないことから、正常の運転時と同様の値をとるとする（Ｔ_Ａ、ｉｎ＝Ｔ_{ＡＮ、ｉｎ}、Ｔ_Ｂ、ｉｎ＝Ｔ_{ＢＮ、ｉｎ}）。低温流体ＦＢが流れている配管の流路の圧力損失が増加することにより、熱交換器ＨＥｂの入口の低温流体ＦＢの圧力（Ｐ_{Ｂ、ｏｕｔ}）は、正常の運転時に比べ高くなる。

「３．流体の漏洩」：
流路が腐食その他の原因により破損し、流体が漏洩した場合を例として述べる。図８より、熱交換器ＨＥｂの内部の低温流体ＦＢが流れている配管の途中で流体が漏洩し、低温流体ＦＢが高温流体ＦＡの流路に進入する場合を想定する。流体ＦＡと流体ＦＢがそれぞれ熱交換器ＨＥａと熱交換器ＨＥｂに流入する温度条件は、異常の有無に寄らないことから、正常の運転時と同様の値をとるとする（Ｔ_Ａ、ｉｎ＝Ｔ_{ＡＮ、ｉｎ}、Ｔ_Ｂ、ｉｎ＝Ｔ_{ＢＮ、ｉｎ}）。熱交換器ＨＥｂの内部では、低温流体ＦＢが高温流体ＦＡの流路に流れ込むため、熱交換器ＨＥｂの高温流体ＦＡの出口温度（Ｔ_{Ａ、ｏｕｔ}）は正常の運転時よりも低くなる。低温流体ＦＢが高温流体ＦＡの流路に一部漏洩するため、熱交換器ＨＥｂの入口の低温流体ＦＢの圧力（Ｐ_{Ｂ、ｏｕｔ}）と、熱交換器ＨＥａの出口の低温流体ＦＢの圧力（Ｐ_{Ｂ、ｏｕｔ}）が低下する。漏洩に伴い、漏洩箇所以降においては、低温流体ＦＢの流量が低下するため、熱交換器ＨＥｂおよび熱交換器ＨＥａの入口から出口までの間での温度上昇幅（（Ｔ_Ｂ、ｍ−Ｔ_Ｂ、ｉｎ）、（Ｔ_{Ｂ、ｏｕｔ}−Ｔ_Ｂ、ｍ））が正常の運転時と異なる値を示す。

「４．汚れの付着による熱通過率低下と流路の異常」：
上記に記載した、「１．汚れの付着による熱通過率低下」と、「２．流路の異常が同時に発生した場合」について例として述べる。なお、異常の発生箇所は「１．汚れの付着による熱通過率低下」と、「２．流路の異常が同時に発生した場合」での仮定と同一とする。「１．汚れの付着による熱通過率低下」より、正常の運転時に比べ、熱交換器ＨＥｂの高温流体ＦＡの出口温度（Ｔ_{Ａ、ｏｕｔ}）は高く、熱交換器ＨＥａの低温流体ＦＢの出口温度（Ｔ_{Ｂ、ｏｕｔ}）は低くなる。「２．流路の異常が同時に発生した場合」より、流路の異常が生じると、熱交換器ＨＥｂの入口の低温流体ＦＢの圧力（Ｐ_{Ｂ、ｏｕｔ}）が正常の運転時に比べ高くなる。上記より、仮定した「４．汚れの付着による熱通過率低下と流路の異常」では、正常の運転時に比べて、高温流体ＦＡの出口温度（Ｔ_{Ａ、ｏｕｔ}）と低温流体ＦＢの入口圧力（Ｐ_Ｂ、ｉｎ）が高く、熱交換器ＨＥａの低温流体ＦＢの出口温度（Ｔ_{Ｂ、ｏｕｔ}）が低くなる。

「１．汚れの付着等による熱通過率の低下」、「２．流路の異常」、「３．流体の漏洩」、「４．汚れの付着による熱通過率低下と流路の異常が生じる場合」について作成した模擬異常データベースＤＢ３は模擬した異常の種類および異常箇所と紐付けられ、診断パターンＰＴとして診断パターン生成部１０４中に格納されている。この時、異常の種類毎、あるいは異常の種類と異常箇所毎の模擬異常データベースＤＢ３の特徴をあらかじめ抽出してパターン照合用データベースＤＢ８を作成しておいても良い。

パターン照合用データベースＤＢ８としては、例えば、図１０に示した異常の種類および異常箇所に対して、各計測データＤ１の変化傾向と診断用信号処理結果を対応させたものが利用できる。該診断パターン生成部１０４およびパターン照合用データベースＤＢ８には、変化傾向および診断用信号処理結果の他に、計測データＤ１の値を、数式や四則演算等により加工した値を追加しても良い。パターン照合用データベースにより、パターン照合部１０７での計算負荷を軽減することが期待できる。

パターン照合部１０７では、正常データベースＤＢ２、模擬異常データベースＤＢ３と計測データＤ１とを照合し、計測データＤ１と一致する診断パターンＰＴを特定する。

パターン照合部１０７において、特定した診断パターンＰＴが正常データベースＤＢ２に属していた場合には、モニタ画面１１１上に熱交換器が正常に運転されていることを示す。一方、特定した診断パターンＰＴが模擬異常データベースＤＢ３に属していた場合、模擬異常データベースＤＢ３が模擬している異常の種類と箇所をモニタ画面１１１上に示す。

本実施例に対して、実施例３に記載のパラメータ調整部１１２を用いた物理・数学モデル３０１のパラメータを更新する場合について説明する。本実施例では、物理・数学モデル３０１として熱交換器の伝熱モデルを用いている。伝熱モデルに含まれるパラメータの内、例えば伝熱効率に関するパラメータを更新することで、異常に分類されない運転状況の変化や設備機器の微小な経年劣化等の影響による計測データＤ１の変動を加味することができる。

異常診断システム１０３と異常評価部１０６による異常箇所特定の処理フローを高温流体ＦＡ、低温流体ＦＢの熱交換を行う熱交換器に適用した場合の例について、図３を参照して説明する。なお、熱交換器に設置したセンサ１０２は実施例７で示した計測データＤ１と同一の項目を取得している。

計測データＤ１は計測信号データベースＤＢ１を介して、パターン照合部１０７に入力される。パターン照合部１０７では、診断パターン生成部１０４中の正常データベースＤＢ２、模擬異常データベースＤＢ３、異常事例データベースＤＢ４に対して照合を行い、診断パターンＰＴを特定する。パターン照合部１０７と異常評価部１０８での動作について、図１１のフローチャートで示す。

図１１のフローチャートの最初の処理ステップＳ１の処理は、パターン照合部１０７の処理に相当している。ここでは計測データＤ１を正常データベースＤＢ２の診断パターンと比較し、一致した場合には「正常」と判断して、処理ステップＳ６に移行してモニタ画面１１１に診断結果データＤ６を表示する。

パターン照合部１０７の処理ステップＳ１の処理で計測データＤ１が模擬異常データベースＤＢ３あるいは異常事例データベースＤＢ４の診断パターンと一致した場合には「異常」と判断して、パターン照合部１０７は異常評価部１０８の処理ステップＳ３に診断結果データＤ６を出力する。

異常評価部１０８の処理ステップＳ３の処理では、パターン照合部１０７の処理ステップＳ１の処理で特定された診断結果と、計測データＤ１を入力し、発生した異常による影響度を出力する。

異常評価部１０８の処理ステップＳ３の処理を具体的に述べると、診断結果データＤ６と計測信号データベースＤＢ１から入力される計測データＤ１を（１）（２）（３）式の対流伝熱の伝熱式を変換した物理モデルあるいは数学モデル３０１の式に入力し、推定非計測データＤ１５の値を算出する。また、正常データベースＤＢ２についても同様に、物理モデルあるいは数学モデル３０１の式に入力し、正常時の推定非計測データＤ１５として算出する。推定非計測データＤ１５としては、例えば、熱交換器ＨＥａと熱交換器ＨＥｂの伝熱量、伝熱効率、熱交換器ＨＥａと熱交換器ＨＥｂの入口および出口の高温流体ＦＡの流体流量、熱交換器ＨＥａの入口および出口の低温流体ＦＢの流体流量、熱交換器ＨＥａと熱交換器ＨＥｂでの流体流量の変化量等が挙げられる。

異常評価部１０８の処理ステップＳ４の処理では、算出した推定非計測データＤ１５と正常時の推定非計測データＤ１６の値の差異が大きい項目より、異常原因データベースＤＢ７を参照し、異常原因を推定する。なお異常評価部１０８の処理ステップＳ４の処理は、図７の異常箇所／原因推定部３０５の処理に相当している。異常原因データベースＤＢ７には、各推定非計測データＤ１５から物理的に推定できる異常原因の対応関係が格納されている。具体的には、推定非計測データＤ１５と正常時の推定非計測データＤ１６の差異が大きい項目と、その大小関係に応じて想定される物理現象ならびに異常原因がデータとして保存されている。合わせて、正常の運転時より値の変化が見られる項目と付随して変化が想定される項目および非計測データの情報が格納されている。

推定非計測データＤ１５と正常時の推定非計測データＤ１６の差異が大きい項目と、その大小関係に応じて想定される異常原因として、センサ故障について例を記載する。

センサ故障：
センサ故障が生じた場合には、計測データＤ１のうち、１つのセンサにより取得した値のみが正常運転時の値と大きな差異を持つことが特徴である。例えば、熱交換器ＨＥａの低温流体ＦＢの出口温度（Ｔ_{Ｂ、ｏｕｔ}）が正常の運転時よりも大幅に低い値を示した場合について述べる。上記の場合には、Ｔ_{Ｂ、ｏｕｔ}以外に熱交換器ＨＥａの高温流体ＦＡの入口温度（Ｔ_Ａ、ｉｎ）や熱交換器ＨＥａの低温流体ＦＢの出口圧力（Ｐ_{Ｂ、ｏｕｔ}）、非計測データである熱交換器ＨＥａ中の高温流体ＦＡ、低温流体ＦＢの流量、伝熱効率のいずれか、または複数に値の変化があることが推定される。しかし、計測データＤ１および推定非計測データＤ１５より上記の傾向が見られない場合には、異常原因としてセンサ故障が疑われる。

異常評価部１０８の処理ステップＳ５、Ｓ６の処理では、推定した異常箇所および原因を含む異常情報Ｄ１７と、算出した推定非計測データＤ１５の正常時の推定非計測データＤ１６からの変化量Ｄ１８より、影響度を評価する。なお異常評価部１０８の処理ステップＳ５、Ｓ６の処理は、図７の影響度評価部３０６の処理に相当している。

影響度は、異常発生に伴う熱交換器の異常程度の大きさや想定される２次被害、対策立案に役立つ情報として出力する。例えば、異常情報Ｄ１７が熱交換器ＨＥｂにおける低温流体ＦＢの漏洩であった場合、影響度として、低温流体ＦＢの漏洩量を算出する。加えて、漏洩時の運転条件および漏洩量より、２次被害として、例えば、高温流体ＦＡと低温流体ＦＢの混和や、低温流体ＦＢの流路異常による漏洩箇所の拡大や増加が推定される場合には、想定２次被害として出力する。異常評価部１０８の処理ステップＳ５では推定二次被害の有無を判断し、被害ありの場合には、処理ステップＳ６に移り、二次被害の影響度発生時刻などを評価する。処理ステップＳ５の処理で被害なしの場合には、処理ステップＳ６を実行しない。

図１１の処理ステップS1に戻り、パターン照合部１０７で、計測データＤ１が正常データベースＤＢ２、模擬異常データベースＤＢ３、異常事例データベースＤＢ４のいずれの診断パターンにも特定できなかった場合には、「異常の可能性」があるとして、異常評価部１０８で影響度を評価する。なお影響度を評価するにあたり、処理ステップS２において、診断パターンより異常箇所の特定を実行し、以降は処理ステップS３において影響度評価処理を実施する。異常評価部１０８では、模擬異常データベースＤＢ３あるいは異常事例データベースＤＢ４の診断パターンと一致した場合と同様に、推定非計測データＤ１５、正常時の推定非計測データＤ１６を算出し、異常原因データベースＤＢ７との照合により異常箇所および異常原因を推定する。推定した異常箇所および原因を含む異常情報D17と、算出した推定非計測データＤ１５の正常時の推定非計測データＤ１６からの変化量D18より、影響度を評価する。

特定した診断パターン１０４、影響度、推定２次被害についてモニタ画面１１１に表示し、特定した診断結果データＤ６、異常評価結果データＤ８、計測データＤ１を実績正常データＤ４あるいは実績異常データD5に登録し、診断パターン生成部１０４に格納する。

この時、実績正常データＤ４、実績異常データD5への登録および診断パターン生成部１０４への格納について、ユーサが判断し、可否を決定できる機構を設けても良い。図11の処理ステップS8は、事例登録可否をユーサが判断する処理、処理ステップS９は、診断データベース１０４に登録する処理を示している。

図１２は異常診断システム１０３で出力された診断結果データＤ６、異常評価部１０８で出力された異常評価結果データＤ８をモニタ画面１１１に表示する際の一例である。

モニタ画面１１１は入力値Ｄ２、診断結果データＤ６、異常評価結果データＤ８を運転状況表示部５００、設備機器概略図５０１、結果表示部５０２に表示する。運転状況表示部５００には、診断結果データＤ６の診断パターンＰＴを基に特定した異常の有無、種類、異常箇所を、影響評価結果データＤ８を基に推定した異常状況と想定される２次被害が出力される。設備機器概略図には、入力値Ｄ２により入力された設備情報を基に、設備機器の構成を図示する。診断結果データＤ６より、設備機器概略図の該当箇所に異常情報を表示する。結果表示部５０２には、診断結果データＤ６の詳細を表示する。他に、結果表示部には、計測データＤ１や信号処理結果データＤ３の推移を示すデータモニタリング部５０３を表示しても良い。

１００：操作部
１０１：設備機器
１０２：センサ
１０３：異常診断システム
１０４：診断データベース
１０５：信号処理部
１０６：診断用信号処理部
１０７：パターン照合部
１０８：異常評価部
１１０：入力媒体
１１１：モニタ画面
１１２：パラメータ調整部
２０８：仮定の異常条件
Ｄ１：計測データ
Ｄ２：入力値
Ｄ３：信号処理結果データ
Ｄ４：正常判定済データ
Ｄ５：異常判定済データ
Ｄ６：診断結果データ
Ｄ８：異常評価結果データ
Ｄ９：パラメータ情報
Ｄ１０：実績正常データ
Ｄ１１：実績異常データ
Ｄ１２：模擬異常データ
Ｄ１３：診断用信号処理結果
Ｄ１５：推定非計測データ
Ｄ１６：正常時の推定非計測データ
Ｄ１７：異常情報
Ｄ１８：推定非計測データＤ１５の正常時の推定非計測データＤ１６からの変化量
ＤＢ１：計測信号データベース
ＤＢ２：正常データベース
ＤＢ３：模擬異常データベース
ＤＢ４：異常事例データベース
ＤＢ５：実績正常データベース
ＤＢ６：実績異常データベース
ＤＢ７：異常原因データベース
ＤＢ８：パターン照合用データベース
ＰＴ：診断パターン
２０８Ａ：仮定の異常条件（汚れ付着）
２０８Ｂ：仮定の異常条件（流路異常）
２０８Ｃ：仮定の異常条件（漏洩）
２０８Ｄ：仮定の異常条件（汚れ付着と流路異常）
３０１：物理モデルあるいは数学モデル
ＨＥａ：熱交換器
ＨＥｂ：熱交換器
ＦＡ：高温流体
ＦＢ：低温流体

Claims (16)

1. 監視対象である設備機器における計測データを入力値とともに入力する入力部と、診断パターンを用いて前記計測データの正常または異常を判別するパターン照合部と、該パターン照合部において判別された正常または異常の実績の前記計測データを記憶する第1のデータベースと前記設備機器における異常を模擬した模擬異常データを記憶する第２のデータベースとを備えて前記診断パターンを生成するパターン生成部とから構成され、
   前記パターン生成部は、前記正常の前記計測データにより構築された物理モデルあるいは数学モデルについて仮定の異常条件を加味して前記模擬異常データを生成し前記第２のデータベースに記憶するとともに、前記第２のデータベースに記憶された模擬異常データを用いて模擬の前記診断パターンを得ることを特徴とする設備機器の異常診断システム。
2. 請求項1に記載の設備機器の異常診断システムであって、
   前記第１のデータベースに記憶された正常または異常を判別された実績の前記計測データを用いて実績の前記診断パターンを得ることを特徴とする設備機器の異常診断システム。
3. 請求項1または請求項２に記載の設備機器の異常診断システムであって、
   前記物理モデルあるいは数学モデルに対して、異なる時刻に得られた前記正常の前記計測データを与え、前記物理モデルあるいは数学モデルのパラメータを調整することを特徴とする設備機器の異常診断システム。
4. 請求項1から請求項３のいずれか1項に記載の設備機器の異常診断システムであって、
   前記第1のデータベースに記憶される正常または異常の実績の前記計測データは、パターン照合部において判別される都度追加されることを特徴とする設備機器の異常診断システム。
5. 請求項1から請求項４のいずれか1項に記載の設備機器の異常診断システムであって、
   前記計測データには、該計測データを処理して求めた信号処理結果データを含み、該信号処理結果データは前記計測データと同様に処理されることを特徴とする設備機器の異常診断システム。
6. 請求項1から請求項５のいずれか1項に記載の設備機器の異常診断システムであって、
   設備機器の異常診断システムは異常評価部を備えており、該異常評価部は前記パターン照合部におけるパターン照合の結果、前記計測データの異常を判別したとき、または前記パターン照合部におけるパターン照合の結果、正常又は異常の前記計測データに対応する前記診断パターンが存在しない時に、発生した異常により設備機器に与える影響度を求めることを特徴とする設備機器の異常診断システム。
7. 請求項６に記載の設備機器の異常診断システムであって、
   前記異常評価部は、前記パターン照合部におけるパターン照合の結果、前記計測データの異常を判別したとき、または前記パターン照合部におけるパターン照合の結果、正常又は異常の前記計測データに対応する前記診断パターンが存在しない時に、設備機器の異常箇所及び原因を推定することを特徴とする設備機器の異常診断システム。
8. 請求項1から請求項７のいずれか1項に記載の設備機器の異常診断システムであって、
   設備機器の異常診断システムはモニタ画面を備えており、該モニタ画面には異常診断システムにおける前記入力部におけるデータ、前記パターン照合部におけるデータ、前記パターン生成部におけるデータ、異常評価部におけるデータが直接または加工されて表示されることを特徴とする設備機器の異常診断システム。
9. 請求項1から請求項８のいずれか1項に記載の設備機器の異常診断システムであって、
   前記パターン照合部は、各クラスタに該当するデータ数に対して閾値を設定しておき、
   異常時の計測データとして、設備機器で実際に異常が発生したときに計測した計測データと、モデルによる異常時の計測データの推定値とを組み合わせて使用することを特徴とする設備機器の異常診断システム。
10. 請求項1から請求項９のいずれか1項に記載の設備機器の異常診断システムであって、
    オンラインで取得した設備機器の計測データまたは該計測データの信号処理結果と、正常時及び異常時における計測データまたは該計測データの信号処理結果とを比較する方法として、データの経時変化の比較、または、決定木、または、クラスタリング処理、または、ニューラルネットワークを使用することを特徴とする設備機器の異常診断システム。
11. 請求項1から請求項１０のいずれか1項に記載の設備機器の異常診断システムであって、
    設備機器の計測データをオンラインで取り込み、物理モデルまたは数学モデルを構成するパラメータのうち、計測データに対応するパラメータに値を設定することにより、非計測データに対応するパラメータの値を推定し、推定した値を基に、異常原因、または、異常箇所、または、異常程度を評価することを特徴とする設備機器の異常診断システム。
12. 請求項1から請求項１１のいずれか1項に記載の設備機器の異常診断システムであって、
    設備機器の異常診断システムは、熱交換器を有する設備を異常診断の対象とし、熱交換器の伝熱モデルを使用することを特徴とする設備機器の異常診断システム。
13. 請求項１２に記載の設備機器の異常診断システムであって、
    熱交換器の伝熱モデル内のパラメータのうち、伝熱効率に関するパラメータを設備機器の計測データ値を基に調整することを特徴とする設備機器の異常診断システム。
14. 請求項１２または請求項１３に記載の設備機器の異常診断システムであって、
    熱交換器の伝熱モデルによる模擬する異常事象として、汚れの付着による伝熱効率の低下、または、流体が流れる配管の詰まりや漏洩、または、センサ故障であることを特徴とする設備機器の異常診断システム。
15. 請求項１２から請求項１４のいずれか1項に記載の設備機器の異常診断システムであって、
    熱交換器の伝熱モデルにより推定する非計測のパラメータとして、伝熱効率、または、流体の流量、または、配管からの漏洩量、または、センサ故障時における本来の状態量であることを特徴とする設備機器の異常診断システム。
16. 請求項１２から請求項１５のいずれか1項に記載の設備機器の異常診断システムであって、
    異常診断システムおよび付帯部で特定された異常の種類、異常箇所、異常原因、異常に生じる影響、２次被害、の少なくとも一つを提供する情報提供サービスを付帯することを特徴とする設備機器の異常診断システム。

Images