JP2018190245A - 設備機器の異常診断システム - Google Patents
設備機器の異常診断システム Download PDFInfo
- Publication number
- JP2018190245A JP2018190245A JP2017093265A JP2017093265A JP2018190245A JP 2018190245 A JP2018190245 A JP 2018190245A JP 2017093265 A JP2017093265 A JP 2017093265A JP 2017093265 A JP2017093265 A JP 2017093265A JP 2018190245 A JP2018190245 A JP 2018190245A
- Authority
- JP
- Japan
- Prior art keywords
- abnormality
- data
- measurement data
- diagnosis system
- abnormality diagnosis
- 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
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
Description
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。
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、TA、in=TAN、in、TB、in=TBN、in、FB、in=FBN、in、PB、in=PBN、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、PB、out=PB、in=PBN、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TA、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TB、outは正常の運転時よりも低温となる。TA、outとTB、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。
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(TA、in、TB、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(TA、in=TAN、in、TB、in=TBN、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(PB、out)は、正常の運転時に比べ高くなる。
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(TA、in=TAN、in、TB、in=TBN、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(TA、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(PB、out)と、熱交換器HEaの出口の低温流体FBの圧力(PB、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((TB、m−TB、in)、(TB、out−TB、m))が正常の運転時と異なる値を示す。
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(TA、out)は高く、熱交換器HEaの低温流体FBの出口温度(TB、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(PB、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(TA、out)と低温流体FBの入口圧力(PB、in)が高く、熱交換器HEaの低温流体FBの出口温度(TB、out)が低くなる。
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(TB、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、TB、out以外に熱交換器HEaの高温流体FAの入口温度(TA、in)や熱交換器HEaの低温流体FBの出口圧力(PB、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。
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)
- 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017093265A JP6856443B2 (ja) | 2017-05-09 | 2017-05-09 | 設備機器の異常診断システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017093265A JP6856443B2 (ja) | 2017-05-09 | 2017-05-09 | 設備機器の異常診断システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018190245A true JP2018190245A (ja) | 2018-11-29 |
JP6856443B2 JP6856443B2 (ja) | 2021-04-07 |
Family
ID=64478729
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017093265A Active JP6856443B2 (ja) | 2017-05-09 | 2017-05-09 | 設備機器の異常診断システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6856443B2 (ja) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20200094514A (ko) * | 2019-01-30 | 2020-08-07 | 경기대학교 산학협력단 | 설비 오류 발생 패턴 추출 장치 및 방법 |
CN111581045A (zh) * | 2020-03-18 | 2020-08-25 | 平安科技(深圳)有限公司 | 数据库异常监测方法、装置、计算机装置及存储介质 |
JP2020148371A (ja) * | 2019-03-12 | 2020-09-17 | Jfeスチール株式会社 | 加熱炉の異常原因特定方法、加熱炉の異常原因特定装置、機械学習方法、及び加熱炉の異常原因特定モデル |
KR20210061517A (ko) * | 2019-11-19 | 2021-05-28 | 한국생산기술연구원 | 머신러닝에 의해 생성된 가상 데이터를 이용한 고장 진단 방법 및 장치 |
KR20210129927A (ko) * | 2020-04-21 | 2021-10-29 | 씨제이올리브네트웍스 주식회사 | 스마트 haccp 관리 시스템 |
JP2021174195A (ja) * | 2020-04-23 | 2021-11-01 | 日立Geニュークリア・エナジー株式会社 | 異常予兆監視システム、異常予兆監視方法、及びプログラム |
JP2021189552A (ja) * | 2020-05-26 | 2021-12-13 | 東京電力ホールディングス株式会社 | 情報処理装置、情報処理方法、プログラム及び学習済みモデルの生成方法 |
JP2022045052A (ja) * | 2020-09-08 | 2022-03-18 | 三菱重工業株式会社 | プラント運転支援システムおよびプラント運転支援方法 |
WO2022181574A1 (ja) * | 2021-02-26 | 2022-09-01 | 三菱重工業株式会社 | 発電プラントの異常要因推定方法 |
JP7462549B2 (ja) | 2020-12-23 | 2024-04-05 | 株式会社クボタ | 浸漬型膜分離装置の異常検知方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004234302A (ja) * | 2003-01-30 | 2004-08-19 | Toshiba Corp | プロセス管理装置 |
JP2005301582A (ja) * | 2004-04-09 | 2005-10-27 | Toshiba Corp | プロセス管理装置 |
WO2008114863A1 (ja) * | 2007-03-22 | 2008-09-25 | Nec Corporation | 診断装置 |
JP2016170715A (ja) * | 2015-03-13 | 2016-09-23 | 株式会社東芝 | 機器特性モデル学習装置、機器特性モデル学習方法、及びプログラム |
-
2017
- 2017-05-09 JP JP2017093265A patent/JP6856443B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004234302A (ja) * | 2003-01-30 | 2004-08-19 | Toshiba Corp | プロセス管理装置 |
JP2005301582A (ja) * | 2004-04-09 | 2005-10-27 | Toshiba Corp | プロセス管理装置 |
WO2008114863A1 (ja) * | 2007-03-22 | 2008-09-25 | Nec Corporation | 診断装置 |
JP2016170715A (ja) * | 2015-03-13 | 2016-09-23 | 株式会社東芝 | 機器特性モデル学習装置、機器特性モデル学習方法、及びプログラム |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20200094514A (ko) * | 2019-01-30 | 2020-08-07 | 경기대학교 산학협력단 | 설비 오류 발생 패턴 추출 장치 및 방법 |
KR102243372B1 (ko) | 2019-01-30 | 2021-04-22 | 경기대학교 산학협력단 | 설비 오류 발생 패턴 추출 장치 및 방법 |
JP7305378B2 (ja) | 2019-03-12 | 2023-07-10 | Jfeスチール株式会社 | 機械学習方法、加熱炉の異常原因特定モデル、加熱炉の異常原因特定方法、及び加熱炉の異常原因特定装置 |
JP2020148371A (ja) * | 2019-03-12 | 2020-09-17 | Jfeスチール株式会社 | 加熱炉の異常原因特定方法、加熱炉の異常原因特定装置、機械学習方法、及び加熱炉の異常原因特定モデル |
KR20210061517A (ko) * | 2019-11-19 | 2021-05-28 | 한국생산기술연구원 | 머신러닝에 의해 생성된 가상 데이터를 이용한 고장 진단 방법 및 장치 |
KR102265298B1 (ko) * | 2019-11-19 | 2021-06-17 | 한국생산기술연구원 | 머신러닝에 의해 생성된 가상 데이터를 이용한 고장 진단 방법 및 장치 |
CN111581045A (zh) * | 2020-03-18 | 2020-08-25 | 平安科技(深圳)有限公司 | 数据库异常监测方法、装置、计算机装置及存储介质 |
CN111581045B (zh) * | 2020-03-18 | 2024-05-28 | 平安科技(深圳)有限公司 | 数据库异常监测方法、装置、计算机装置及存储介质 |
KR20210129927A (ko) * | 2020-04-21 | 2021-10-29 | 씨제이올리브네트웍스 주식회사 | 스마트 haccp 관리 시스템 |
KR102460730B1 (ko) * | 2020-04-21 | 2022-10-28 | 씨제이올리브네트웍스 주식회사 | 스마트 haccp 관리 시스템 |
JP2021174195A (ja) * | 2020-04-23 | 2021-11-01 | 日立Geニュークリア・エナジー株式会社 | 異常予兆監視システム、異常予兆監視方法、及びプログラム |
JP7453049B2 (ja) | 2020-04-23 | 2024-03-19 | 日立Geニュークリア・エナジー株式会社 | 異常予兆監視システム、異常予兆監視方法、及びプログラム |
JP2021189552A (ja) * | 2020-05-26 | 2021-12-13 | 東京電力ホールディングス株式会社 | 情報処理装置、情報処理方法、プログラム及び学習済みモデルの生成方法 |
JP2022045052A (ja) * | 2020-09-08 | 2022-03-18 | 三菱重工業株式会社 | プラント運転支援システムおよびプラント運転支援方法 |
JP7449828B2 (ja) | 2020-09-08 | 2024-03-14 | 三菱重工業株式会社 | プラント運転支援システムおよびプラント運転支援方法 |
JP7462549B2 (ja) | 2020-12-23 | 2024-04-05 | 株式会社クボタ | 浸漬型膜分離装置の異常検知方法 |
WO2022181574A1 (ja) * | 2021-02-26 | 2022-09-01 | 三菱重工業株式会社 | 発電プラントの異常要因推定方法 |
Also Published As
Publication number | Publication date |
---|---|
JP6856443B2 (ja) | 2021-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6856443B2 (ja) | 設備機器の異常診断システム | |
JP7069269B2 (ja) | デジタル・ツイン・シミュレーション・データを利用した時系列データに基づく、大規模な産業用監視システム向けの半教師あり深層異常検出のための方法およびシステム | |
Seem | Using intelligent data analysis to detect abnormal energy consumption in buildings | |
CN107111309B (zh) | 利用监督式学习方法的燃气涡轮机故障预测 | |
US7395188B1 (en) | System and method for equipment life estimation | |
EP2064626B1 (en) | Kernel-based method for detecting boiler tube leaks | |
Wang et al. | A robust fault detection and diagnosis strategy for multiple faults of VAV air handling units | |
CN107710089B (zh) | 工厂设备诊断装置以及工厂设备诊断方法 | |
WO2014208227A1 (ja) | ボイラチューブリーク検出装置、ボイラチューブリーク検出方法、並びにこれらを用いたデータ監視センタ、情報提供サービス、ボイラプラント。 | |
US20060025961A1 (en) | Method and device for monitoring a technical installation comprising several systems, in particular an electric power station | |
JP2005339558A (ja) | タービン機械システム及びこれに類するものに対する統一品質評価を作成し、自動故障診断ツールを提供するための方法 | |
KR101843365B1 (ko) | 규칙 및 사례 기반 통합 진단 시스템 및 데이터베이스 | |
EP3584657B1 (en) | Risk assessment device, risk assessment method, and risk assessment program | |
JP5487060B2 (ja) | 故障原因診断方法及び故障原因診断装置 | |
EP3944043B1 (en) | Maintenance work assistance device | |
EP3584656B1 (en) | Risk assessment device, risk assessment method, and risk assessment program | |
JP2021089116A (ja) | 情報処理装置、情報処理方法、プログラム及び学習済みモデルの生成方法 | |
EP3627261B1 (en) | Diagnosis system and method using parallel analysis paths | |
JP6702297B2 (ja) | プロセスの異常状態診断方法および異常状態診断装置 | |
JP2016177676A (ja) | 診断装置、診断方法、診断システムおよび診断プログラム | |
WO2018003028A1 (ja) | ボイラーの故障判定装置、故障判定方法およびサービス方法 | |
JP6662222B2 (ja) | 製造プロセスの異常状態診断方法及び異常状態診断装置 | |
JP7453049B2 (ja) | 異常予兆監視システム、異常予兆監視方法、及びプログラム | |
JP2019133360A (ja) | 保守支援装置 | |
US20230394301A1 (en) | Device and method for tracking basis of abnormal state determination by using neural network model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200122 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20201130 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201208 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201224 |
|
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: 20210316 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210318 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6856443 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |