JP2019057164A - プラント異常監視システム - Google Patents
プラント異常監視システム Download PDFInfo
- Publication number
- JP2019057164A JP2019057164A JP2017181598A JP2017181598A JP2019057164A JP 2019057164 A JP2019057164 A JP 2019057164A JP 2017181598 A JP2017181598 A JP 2017181598A JP 2017181598 A JP2017181598 A JP 2017181598A JP 2019057164 A JP2019057164 A JP 2019057164A
- Authority
- JP
- Japan
- Prior art keywords
- abnormality
- operation data
- monitoring
- plant
- 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
Abstract
Description
プラントの運転状態を示す複数の運転データに基づいて異常を監視するプラント異常監視システムであって、
前記複数の運転データを含む監視運転データに基づいて算出される異常度である監視異常度に基づいて前記プラントにおける異常兆候の有無を判定する異常兆候判定部と、
前記異常兆候判定部によって前記異常兆候が有ると判定された場合に、前記監視運転データと、過去に取得された前記異常兆候を示す前記複数の運転データを含む少なくとも1つの参照運転データとの比較に基づいて前記プラントの異常診断を行う異常診断部と、を備え、
前記異常診断部は、
前記監視運転データを構成する前記複数の運転データの各々について前記監視異常度に対する寄与度を算出すると共に、前記監視運転データのうち、算出した前記寄与度である監視寄与度の大きい上位N個(Nは2以上の整数を示す。)の前記運転データにより構成される診断対象データ群を抽出する診断対象データ群抽出部と、
前記診断対象データ群と、前記参照運転データを構成する前記複数の運転データの各々について前記参照運転データに基づいて算出される前記異常度に対する前記寄与度である参照寄与度の大きい上位M個(Mは2以上の整数を示す。)の前記運転データにより構成される診断参照データ群との合致指標を算出する合致指標算出部と、
前記合致指標が合致判定閾値以上となる前記参照運転データに基づいて前記プラントの前記異常を予測する異常予測部と、を有する。
前記合致指標は、前記診断対象データ群または前記診断参照データ群を構成する前記運転データの前記監視寄与度の合計に対する、前記診断対象データ群および前記診断参照データ群の双方に属するi個の運転データ(但し、i≦N、M)についての前記監視寄与度の合計の割合を含む。
上記(2)の構成によれば、合致指標の算出に寄与度を用いることで、監視運転データから抽出される診断対象データ群と、参照運転データから抽出される診断参照データ群との合致指標を適切に評価することができる。
前記合致指標は、前記診断対象データ群および前記診断参照データ群の双方に属するi個の運転データ(但し、i≦NまたはM)の数の、前記N個または前記M個の数に対する割合を含む。
上記(3)の構成によれば、合致指標を、監視運転データから抽出される診断対象データ群および参照運転データから抽出される診断参照データ群に共通する運転データの種類の割合として算出することで、合致指標を適切に評価することができる。
前記合致指標は、前記診断参照データ群または前記診断対象データ群を構成する前記運転データに対して前記参照寄与度または前記監視寄与度が大きいほど大きい値となるポイント値を付与した際に、前記診断対象データ群および前記診断参照データ群の双方に属するi個の前記運転データ(但し、i≦NまたはM)についての前記ポイント値の合計を含む。
上記(4)の構成によれば、合致指標の算出にポイント値を用いることで、監視運転データから抽出される診断対象データ群と、参照運転データから抽出される診断参照データ群との合致指標を適切に評価することができる。このポイント値は、診断参照データ群を構成する運転データの寄与度が大きいほど大きいため、診断対象データ群と診断参照データ群とに共通する運転データの種類により合致指標を算出するよりも、寄与度の大きさの順位を反映した合致指標を算出することができる。
前記異常度は、マハラノビス距離であり、
前記寄与度は、前記運転データのSN比である。
上記(5)の構成によれば、異常兆候の検知をマハラノビス距離に基づいて適切に行うことができると共に、診断対象データ群と診断参照データ群とのマッチングをSN比に基づいて適切に行うことができる。
前記参照運転データを記憶する運転データ記憶部を、さらに備える。
上記(6)の構成によれば、参照運転データを、過去に生じた異常の異常兆候を示す情報として確実に保管することができる。
前記参照運転データは、前記監視運転データが取得された前記プラントとは異なる他のプラントの前記運転状態を示すデータである。
上記(7)の構成によれば、他のプラントで生じた異常の異常兆候を示す参照運転データを用いて診断を実行する。つまり、参照運転データをプラント間で共有しており、他プラントで発生済の異常であって自プラントで未発生である異常についても、異常が発生する前に異常を予測することができる。
プラントの運転状態を示す複数の運転データに基づいて異常を監視するプラント異常監視方法であって、
前記複数の運転データを含む監視運転データに基づいて算出される異常度である監視異常度に基づいて前記プラントにおける異常兆候の有無を判定する異常兆候判定工程と、
前記異常兆候判定工程によって前記異常兆候が有ると判定された場合に、前記監視運転データと、過去に取得された前記異常兆候を示す前記複数の運転データを含む少なくとも1つの参照運転データとの比較に基づいて前記プラントの異常診断を行う異常診断工程と、を備え、
前記異常診断工程は、
前記監視運転データを構成する前記複数の運転データの各々について前記監視異常度に対する寄与度を算出すると共に、前記監視運転データのうち、算出した前記寄与度である監視寄与度の大きい上位N個(Nは2以上の整数を示す。)の前記運転データにより構成される診断対象データ群を抽出する診断対象データ群抽出工程と、
前記診断対象データ群と、前記参照運転データを構成する前記複数の運転データの各々について前記参照運転データに基づいて算出される前記異常度に対する前記寄与度である参照寄与度の大きい上位M個(Mは2以上の整数を示す。)の前記運転データにより構成される診断参照データ群との合致指標を算出する合致指標算出工程と、
前記合致指標が合致判定閾値以上となる前記参照運転データに基づいて前記プラントの前記異常を予測する異常予測工程と、を有する。
例えば、「ある方向に」、「ある方向に沿って」、「平行」、「直交」、「中心」、「同心」或いは「同軸」等の相対的或いは絶対的な配置を表す表現は、厳密にそのような配置を表すのみならず、公差、若しくは、同じ機能が得られる程度の角度や距離をもって相対的に変位している状態も表すものとする。
例えば、「同一」、「等しい」及び「均質」等の物事が等しい状態であることを表す表現は、厳密に等しい状態を表すのみならず、公差、若しくは、同じ機能が得られる程度の差が存在している状態も表すものとする。
例えば、四角形状や円筒形状等の形状を表す表現は、幾何学的に厳密な意味での四角形状や円筒形状等の形状を表すのみならず、同じ効果が得られる範囲で、凹凸部や面取り部等を含む形状も表すものとする。
一方、一の構成要素を「備える」、「具える」、「具備する」、「含む」、又は、「有する」という表現は、他の構成要素の存在を除外する排他的な表現ではない。
図1に示すように、プラント異常監視システム1は、異常兆候判定部3と、異常診断部4と、を備える。プラント異常監視システム1はコンピュータで構成されており、図示しないCPU(プロセッサ)や、ROMやRAMといったメモリや記憶装置14(外部記憶装置)を備えている。そして、メモリ(主記憶装置)にロードされたプログラムの命令に従ってCPUが動作(データの演算など)することで、プラント異常監視システム1が備える上記の各機能部を実現する。上記の機能部について、それぞれ説明する。
なお、図1〜図3に示す実施形態では、図1に示すように、上記の参照運転データDrは、異常兆候事例として、プラント異常監視システム1が備える記憶装置14に記憶されている。また、参照運転データDrを構成する過去の複数の運転データ(参照運転データDr)の各々の寄与度C(参照寄与度Cr)は、参照運転データDrを記憶装置14に記憶する際に予め算出することにより、参照運転データDrと共に記憶装置14に記憶されている。他の幾つかの実施形態では、参照運転データDrのみが記憶装置14に記憶されていても良い。
図4に示すフローに従ってプラント異常監視方法を説明する。なお、図4のフローは、プラント9から運転履歴Hを取得する度に行うものとする。
幾つかの実施形態では、図3(b)に示すように、合致指標Rmは、診断対象データ群Gtまたは診断参照データ群Grを構成する運転データDの監視寄与度Ctの合計(図3(b)ではSa)に対する、診断対象データ群Gtおよび診断参照データ群Grの双方に属するi個の運転データD(但し、i≦N、M)についての監視寄与度Ctの合計(図3(b)ではSp)の割合を含む。図3に示す実施形態では、図3(b)に示すように、診断対象データ群Gtを構成する運転データDの監視寄与度Ctの合計をSaとして、合致指標Rmを、Rm=Sp÷Saで算出している。他の幾つかの実施形態では、診断参照データ群Grを構成する運転データDの参照寄与度Crの合計をSaとして、同様の演算式により合致指標Rmを算出しても良い。その他の幾つかの実施形態では、上記の演算式を含む他の演算式で合致指標Rmを算出しても良い。
幾つかの実施形態では、図1に示すように、プラント異常監視システム1は、参照運転データDrを記憶する運転データ記憶部15を、さらに備える。図1に示す実施形態では、運転データ記憶部15は、記憶装置14に形成されている。これによって、参照運転データDrを、過去に生じた異常の異常兆候Sを示す情報として確実に保管することができる。
例えば、図1に示す実施形態では、プラント異常監視システム1が複数のプラント9に対して共通して設けられているが、他の幾つかの実施形態では、プラント9毎にプラント異常監視システム1がそれぞれ設けられていて良い。
12 運転データ収集部
14 記憶装置
15 運転データ記憶部
16 表示装置
2 異常監視部
21 異常度算出部
22 異常検知部
3 異常兆候判定部
4 異常診断部
5 診断対象データ群抽出部
6 合致指標算出部
7 異常予測部
9 プラント
H 運転履歴
D 運転データ
Dr 参照運転データ
Dt 監視運転データ
S 異常兆候
T 異常度
Tt 監視異常度
La 異常判定閾値
Ls 異常兆候判定閾値
C 寄与度
Cr 参照寄与度
Ct 監視寄与度
Gr 診断参照データ群
Gt 診断対象データ群
Rm 合致指標
V 合致判定閾値
Claims (8)
- プラントの運転状態を示す複数の運転データに基づいて異常を監視するプラント異常監視システムであって、
前記複数の運転データを含む監視運転データに基づいて算出される異常度である監視異常度に基づいて前記プラントにおける異常兆候の有無を判定する異常兆候判定部と、
前記異常兆候判定部によって前記異常兆候が有ると判定された場合に、前記監視運転データと、過去に取得された前記異常兆候を示す前記複数の運転データを含む少なくとも1つの参照運転データとの比較に基づいて前記プラントの異常診断を行う異常診断部と、を備え、
前記異常診断部は、
前記監視運転データを構成する前記複数の運転データの各々について前記監視異常度に対する寄与度を算出すると共に、前記監視運転データのうち、算出した前記寄与度である監視寄与度の大きい上位N個(Nは2以上の整数を示す。)の前記運転データにより構成される診断対象データ群を抽出する診断対象データ群抽出部と、
前記診断対象データ群と、前記参照運転データを構成する前記複数の運転データの各々について前記参照運転データに基づいて算出される前記異常度に対する前記寄与度である参照寄与度の大きい上位M個(Mは2以上の整数を示す。)の前記運転データにより構成される診断参照データ群との合致指標を算出する合致指標算出部と、
前記合致指標が合致判定閾値以上となる前記参照運転データに基づいて前記プラントの前記異常を予測する異常予測部と、を有することを特徴とするプラント異常監視システム。 - 前記合致指標は、前記診断対象データ群または前記診断参照データ群を構成する前記運転データの前記監視寄与度の合計に対する、前記診断対象データ群および前記診断参照データ群の双方に属するi個の運転データ(但し、i≦N、M)についての前記監視寄与度の合計の割合を含むことを特徴とする請求項1に記載のプラント異常監視システム。
- 前記合致指標は、前記診断対象データ群および前記診断参照データ群の双方に属するi個の運転データ(但し、i≦NまたはM)の数の、前記N個または前記M個の数に対する割合を含むことを特徴とする請求項1に記載のプラント異常監視システム。
- 前記合致指標は、前記診断参照データ群または前記診断対象データ群を構成する前記運転データに対して前記参照寄与度または前記監視寄与度が大きいほど大きい値となるポイント値を付与した際に、前記診断対象データ群および前記診断参照データ群の双方に属するi個の前記運転データ(但し、i≦NまたはM)についての前記ポイント値の合計を含むことを特徴とする請求項1に記載のプラント異常監視システム。
- 前記異常度は、マハラノビス距離であり、
前記寄与度は、前記運転データのSN比であることを特徴とする請求項1〜4のいずれか1項に記載のプラント異常監視システム。 - 前記参照運転データを記憶する運転データ記憶部を、さらに備えることを特徴とする請求項1〜5のいずれか1項に記載のプラント異常監視システム。
- 前記参照運転データは、前記監視運転データが取得された前記プラントとは異なる他のプラントの前記運転状態を示すデータであることを特徴とする請求項1〜6のいずれか1項に記載のプラント異常監視システム。
- プラントの運転状態を示す複数の運転データに基づいて異常を監視するプラント異常監視方法であって、
前記複数の運転データを含む監視運転データに基づいて算出される異常度である監視異常度に基づいて前記プラントにおける異常兆候の有無を判定する異常兆候判定工程と、
前記異常兆候判定工程によって前記異常兆候が有ると判定された場合に、前記監視運転データと、過去に取得された前記異常兆候を示す前記複数の運転データを含む少なくとも1つの参照運転データとの比較に基づいて前記プラントの異常診断を行う異常診断工程と、を備え、
前記異常診断工程は、
前記監視運転データを構成する前記複数の運転データの各々について前記監視異常度に対する寄与度を算出すると共に、前記監視運転データのうち、算出した前記寄与度である監視寄与度の大きい上位N個(Nは2以上の整数を示す。)の前記運転データにより構成される診断対象データ群を抽出する診断対象データ群抽出工程と、
前記診断対象データ群と、前記参照運転データを構成する前記複数の運転データの各々について前記参照運転データに基づいて算出される前記異常度に対する前記寄与度である参照寄与度の大きい上位M個(Mは2以上の整数を示す。)の前記運転データにより構成される診断参照データ群との合致指標を算出する合致指標算出工程と、
前記合致指標が合致判定閾値以上となる前記参照運転データに基づいて前記プラントの前記異常を予測する異常予測工程と、を有することを特徴とするプラント異常監視方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017181598A JP6884078B2 (ja) | 2017-09-21 | 2017-09-21 | プラント異常監視システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017181598A JP6884078B2 (ja) | 2017-09-21 | 2017-09-21 | プラント異常監視システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019057164A true JP2019057164A (ja) | 2019-04-11 |
JP6884078B2 JP6884078B2 (ja) | 2021-06-09 |
Family
ID=66107546
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017181598A Active JP6884078B2 (ja) | 2017-09-21 | 2017-09-21 | プラント異常監視システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6884078B2 (ja) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021241580A1 (ja) | 2020-05-29 | 2021-12-02 | 株式会社ダイセル | 異常変調原因特定装置、異常変調原因特定方法及び異常変調原因特定プログラム |
WO2021241579A1 (ja) | 2020-05-29 | 2021-12-02 | 株式会社ダイセル | 異常変調原因特定装置、異常変調原因特定方法及び異常変調原因特定プログラム |
WO2021241578A1 (ja) | 2020-05-29 | 2021-12-02 | 株式会社ダイセル | 異常変調原因特定装置、異常変調原因特定方法及び異常変調原因特定プログラム |
WO2021241576A1 (ja) | 2020-05-29 | 2021-12-02 | 株式会社ダイセル | 異常変調原因特定装置、異常変調原因特定方法及び異常変調原因特定プログラム |
JP2022534070A (ja) * | 2019-05-29 | 2022-07-27 | エヌイーシー ラボラトリーズ アメリカ インク | グラディエントベースのセンサ識別を利用した障害予測 |
WO2023026668A1 (ja) * | 2021-08-26 | 2023-03-02 | 株式会社カネカ | 監視システム |
WO2023233926A1 (ja) * | 2022-06-03 | 2023-12-07 | オムロン株式会社 | 異常予兆検知装置、異常予兆の検知方法およびプログラム |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016125947A (ja) * | 2015-01-07 | 2016-07-11 | 三菱重工業株式会社 | 風力発電設備の診断システム及び診断方法 |
JP2017062730A (ja) * | 2015-09-25 | 2017-03-30 | 三菱重工業株式会社 | 異常診断システム |
-
2017
- 2017-09-21 JP JP2017181598A patent/JP6884078B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016125947A (ja) * | 2015-01-07 | 2016-07-11 | 三菱重工業株式会社 | 風力発電設備の診断システム及び診断方法 |
JP2017062730A (ja) * | 2015-09-25 | 2017-03-30 | 三菱重工業株式会社 | 異常診断システム |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022534070A (ja) * | 2019-05-29 | 2022-07-27 | エヌイーシー ラボラトリーズ アメリカ インク | グラディエントベースのセンサ識別を利用した障害予測 |
WO2021241580A1 (ja) | 2020-05-29 | 2021-12-02 | 株式会社ダイセル | 異常変調原因特定装置、異常変調原因特定方法及び異常変調原因特定プログラム |
WO2021241579A1 (ja) | 2020-05-29 | 2021-12-02 | 株式会社ダイセル | 異常変調原因特定装置、異常変調原因特定方法及び異常変調原因特定プログラム |
WO2021241578A1 (ja) | 2020-05-29 | 2021-12-02 | 株式会社ダイセル | 異常変調原因特定装置、異常変調原因特定方法及び異常変調原因特定プログラム |
WO2021241576A1 (ja) | 2020-05-29 | 2021-12-02 | 株式会社ダイセル | 異常変調原因特定装置、異常変調原因特定方法及び異常変調原因特定プログラム |
WO2023026668A1 (ja) * | 2021-08-26 | 2023-03-02 | 株式会社カネカ | 監視システム |
WO2023233926A1 (ja) * | 2022-06-03 | 2023-12-07 | オムロン株式会社 | 異常予兆検知装置、異常予兆の検知方法およびプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP6884078B2 (ja) | 2021-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6884078B2 (ja) | プラント異常監視システム | |
Di Maio et al. | Combining relevance vector machines and exponential regression for bearing residual life estimation | |
JP4832609B1 (ja) | 異常予兆診断装置および異常予兆診断方法 | |
JP6486566B2 (ja) | リスク評価装置、リスク評価方法、及び、リスク評価プログラム | |
JP6472581B1 (ja) | リスク評価装置、リスク評価方法、及び、リスク評価プログラム | |
SE522545C2 (sv) | System, anordning och förfarande för diagnostisering av flödesprocesser | |
JP6304767B2 (ja) | センサ監視装置、センサ監視方法、及びセンサ監視プログラム | |
JP7031743B2 (ja) | 異常検知装置 | |
WO2007038533A2 (en) | System to predict corrosion and scaling, program product, and related methods | |
CN109643112A (zh) | 用于阀和致动器监测系统的高级启动计数器模块 | |
CN109642469A (zh) | 用于阀和致动器监测系统的导引状况评定模块 | |
Zhou et al. | A dynamic reliability-centered maintenance analysis method for natural gas compressor station based on diagnostic and prognostic technology | |
Garcia | Improving heat exchanger supervision using neural networks and rule based techniques | |
CN109661628A (zh) | 用于阀和致动器监测系统的固体颗粒侵蚀指示器模块 | |
KR102005138B1 (ko) | 기기 이상징후 사전감지 방법 및 시스템 | |
JP6674033B2 (ja) | プラント異常診断装置及びプラント異常診断システム | |
JP6486567B2 (ja) | リスク評価装置、リスク評価方法、及び、リスク評価プログラム | |
JP7064085B2 (ja) | プラント異常監視システム、および、プラント異常監視方法 | |
JP6454826B1 (ja) | リスク評価装置、リスク評価方法、及び、リスク評価プログラム | |
KR102470112B1 (ko) | 원전의 지능형 상태감시 방법 및 시스템 | |
JP2015081695A (ja) | 炭素含有燃料熱交換器の監視・運転方法 | |
Suzuki et al. | An anomaly detection system for advanced maintenance services | |
JP7358791B2 (ja) | プラント監視システムおよびプラント監視方法 | |
De Almeida et al. | Detecting an abnormality in a recovery boiler using dynamic multivariate data analysis with parallel coordinate plots | |
AL-DAHIDI et al. | Development of data-driven methods for prognostics and health management under variable operational conditions in industrial equipment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A625 | Written request for application examination (by other person) |
Free format text: JAPANESE INTERMEDIATE CODE: A625 Effective date: 20200828 |
|
TRDD | Decision of grant or rejection written | ||
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210421 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210427 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210511 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6884078 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |