JP2019061412A

JP2019061412A - プラント機器監視制御システム

Info

Publication number: JP2019061412A
Application number: JP2017184475A
Authority: JP
Inventors: 良荒木; Makoto Araki
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 2017-09-26
Filing date: 2017-09-26
Publication date: 2019-04-18
Anticipated expiration: 2037-09-26
Also published as: JP6906413B2

Abstract

【課題】再送信による最新のデータの送信阻害を低減する。【解決手段】プラント機器監視制御システムは、データ収集装置から前記広域通信網を経由して送信されてくるプラントデータを保存するサーバを備え、前記データ収集装置は、再送制御がスタートして（ＳＴ０１）再送信対象のプラントデータが入着すると（ＳＴ０２）、機械学習による判定を実施し（ＳＴ０３）、この機械学習による判定の出力に基づいて、再送信対象のプラントデータを、前記サーバに向けて再送信するか、または、いったん保持するかのどちらかを選択し（ＳＴ０４）、再送信対象のプラントデータをいったん保持することを選択した場合には（ＳＴ０６）、このいったん保持した再送信対象のプラントデータは、前記サーバに向けて、次回のデータ通信時に送信する（ＳＴ０７）。【選択図】図５

Description

この発明は、プラント機器監視制御システムに係わり、特に、広域通信網によりサーバとデータ収集装置が接続されたプラント機器監視制御システムに関するものである。

プラント機器監視制御システムでは、広域通信網（または、ワールドエリアネットワーク）により、サーバとデータ収集装置が接続されている（例えば、特許文献１から５を参照）。このデータ収集装置は、プラント機器などの現場装置から、計測データや観測データを収集している。データ収集装置が、プラント機器から収集した計測データは、広域通信網を経由して、サーバに転送される。転送の際に、広域通信網の断線、または遅延により、データ収集装置から送信されたデータには欠落が生じる。

プラント機器監視制御システムは、プラント機器の遠隔監視を行っている。通信データに欠落が生じると、現在値の送信の合間に再送信が実施される。プラント機器監視制御システムでは、効率的に再送信を行うために、再送制御を行っている。例えば、特許文献１に関わるプラント機器監視制御システムにおいては、通信エラーの発生時に、再送信の頻度を変化させることにより再送制御を行っていた。

プラント機器監視制御システムは、プラント機器の遠隔監視に使われている。計測データの欠落は、正常な通信を阻害する。本発明は、プラント機器の遠隔監視における再送制御方式に関わるものである。上記したプラント機器監視制御システムの再送制御方式では、エラーが発生してから再送時間の調整を行っている。この制御方式では、再送信を実施しない期間が存在するため、再送信の効率が低かった。

特開２０１３−１９２０５５号公報特開２００４−０３２４０５号公報特開２００４―１３４９２７号公報特開２００６−２２８０４７号公報特開２００９−２３９５１１号公報

この発明は、上記のようなプラント機器監視制御システムにおける課題を解決するためになされたものであり、効率の良い再送制御を可能とするプラント機器監視制御システムを得ること目的とする。特に、プラント機器監視制御システムのデータ収集装置における、効率の良い送信制御を目標とする。

この発明にかかわるプラント機器監視制御システムは、プラントデータを発信する現場装置と、前記現場装置が発信したプラントデータを収集し、この収集したプラントデータに対して機械学習による学習と機械学習による判定を実施するデータ収集装置と、前記データ収集装置と広域通信網で接続され、前記データ収集装置から前記広域通信網を経由して送信されてくるプラントデータを受信すると、この受信したプラントデータを保存するサーバと、を備え、前記データ収集装置は、再送制御がスタートして再送信対象のプラントデータが入着すると、機械学習による判定を実施し、この機械学習による判定の出力に
基づいて、再送信対象のプラントデータを、前記サーバに向けて再送信するか、または、いったん保持するかのどちらかを選択し、再送信対象のプラントデータをいったん保持することを選択した場合には、このいったん保持した再送信対象のプラントデータは、前記サーバに向けて、次回のデータ通信時に送信することを特徴とするものである。

また、この発明にかかわるプラント機器監視制御システムは、プラントデータを発信する現場装置と、前記現場装置が発信したプラントデータを収集し、この収集したプラントデータに対して機械学習による学習と機械学習による判定を実施するデータ収集装置と、前記データ収集装置と第１の広域通信網および第２の広域通信網で接続され、前記データ収集装置から前記第１の広域通信網または前記第２の広域通信網を経由して送信されてくるプラントデータを受信すると、この受信したプラントデータを保存するサーバと、を備え、前記データ収集装置は、現在時刻とパケットサイズを入力として、前記第１の広域通信網および前記第２の広域通信網におけるデータ通信の成否を出力とする、機械学習による学習を実施し、再送制御がスタートして再送信対象のプラントデータが入着すると、現在時刻とパケットサイズを入力として機械学習による判定を実施し、この機械学習による判定を実施した結果、前記第１の広域通信網を経由したデータ通信が成功する確率が閾値よりも高ければ、再送信対象のプラントデータを、前記第１の広域通信網を経由して再送信することを選択し、前記第２の広域通信網を経由したデータ通信が成功する確率が閾値よりも高ければ、再送信対象のプラントデータを、前記第２の広域通信網を経由して再送信することを選択し、前記第１の広域通信網および前記第２の広域通信網を経由したデータ通信が成功する確率が閾値よりも低ければ、再送信対象のプラントデータをいったん保持することを選択し、再送信対象のプラントデータをいったん保持することを選択した場合には、このいったん保持した再送信対象のプラントデータは、前記サーバに向けて、次回のデータ通信時に送信することを特徴とするものである。

また、この発明にかかわるプラント機器監視制御システムは、プラントデータを発信する現場装置と、前記現場装置が発信したプラントデータを収集し、この収集したプラントデータに対して機械学習による学習と機械学習による判定を実施するデータ収集装置と、前記データ収集装置と広域通信網で接続され、前記データ収集装置からこの広域通信網を経由して送信されてくるプラントデータを受信すると、この受信したプラントデータを保存するサーバと、を備え、前記データ収集装置は、時系列データを入力とし、この時系列データの変化量の大きさに対応するように、高、中、低に３分類された重要度を出力とする、機械学習による学習を実施し、再送制御がスタートして再送信対象のプラントデータが入着すると、時系列データを入力として機械学習による判定を実施し、この機械学習による判定を実施した結果、重要度が高であれば、再送信対象のプラントデータを優先度高でいったん保持し、重要度が中であれば、再送信対象のプラントデータを優先度中でいったん保持し、重要度が低であれば、再送信対象のプラントデータを優先度低でいったん保持し、このいったん保持した再送信対象のプラントデータは、前記サーバに向けて、優先度の高いものから順番に、次回のデータ通信時に送信することを特徴とするものである。

この発明にかかわるプラント機器監視制御システムは、プラントデータを発信する現場装置と、前記現場装置が発信したプラントデータを収集し、この収集したプラントデータに対して機械学習による学習と機械学習による判定を実施するデータ収集装置と、前記データ収集装置と広域通信網で接続され、前記データ収集装置から前記広域通信網を経由して送信されてくるプラントデータを受信すると、この受信したプラントデータを保存するサーバと、を備え、前記データ収集装置は、再送制御がスタートして再送信対象のプラントデータが入着すると、機械学習による判定を実施し、この機械学習による判定の出力に基づいて、再送信対象のプラントデータを、前記サーバに向けて再送信するか、または、いったん保持するかのどちらかを選択し、再送信対象のプラントデータをいったん保持す
ることを選択した場合には、このいったん保持した再送信対象のプラントデータは、前記サーバに向けて、次回のデータ通信時に送信することを特徴とすることにより、機械学習による再送制御により効率の良い再送制御が行われる。また、再送信による最新のデータの送信の阻害や、帯域に与える負荷を低減することが可能となる。再送成否を機械学習したモデルを用いて予測することで、再送処理の失敗を低減し、効率の良い通信を実現することが可能となる。

また、この発明にかかわるプラント機器監視制御システムは、プラントデータを発信する現場装置と、前記現場装置が発信したプラントデータを収集し、この収集したプラントデータに対して機械学習による学習と機械学習による判定を実施するデータ収集装置と、前記データ収集装置と第１の広域通信網および第２の広域通信網で接続され、前記データ収集装置から前記第１の広域通信網または前記第２の広域通信網を経由して送信されてくるプラントデータを受信すると、この受信したプラントデータを保存するサーバと、を備え、前記データ収集装置は、現在時刻とパケットサイズを入力として、前記第１の広域通信網および前記第２の広域通信網におけるデータ通信の成否を出力とする、機械学習による学習を実施し、再送制御がスタートして再送信対象のプラントデータが入着すると、現在時刻とパケットサイズを入力として機械学習による判定を実施し、この機械学習による判定を実施した結果、前記第１の広域通信網を経由したデータ通信が成功する確率が閾値よりも高ければ、再送信対象のプラントデータを、前記第１の広域通信網を経由して再送信することを選択し、前記第２の広域通信網を経由したデータ通信が成功する確率が閾値よりも高ければ、再送信対象のプラントデータを、前記第２の広域通信網を経由して再送信することを選択し、前記第１の広域通信網および前記第２の広域通信網を経由したデータ通信が成功する確率が閾値よりも低ければ、再送信対象のプラントデータをいったん保持することを選択し、再送信対象のプラントデータをいったん保持することを選択した場合には、このいったん保持した再送信対象のプラントデータは、前記サーバに向けて、次回のデータ通信時に送信することを特徴とすることにより、機械学習による再送制御により効率の良い再送制御が行われる。また、再送信による最新のデータの送信の阻害や、帯域に与える負荷を低減することが可能となる。再送成否を機械学習したモデルを用いて予測することで、再送処理の失敗を低減し、効率の良い通信を実現することが可能となる。

また、この発明にかかわるプラント機器監視制御システムは、プラントデータを発信する現場装置と、前記現場装置が発信したプラントデータを収集し、この収集したプラントデータに対して機械学習による学習と機械学習による判定を実施するデータ収集装置と、前記データ収集装置と広域通信網で接続され、前記データ収集装置からこの広域通信網を経由して送信されてくるプラントデータを受信すると、この受信したプラントデータを保存するサーバと、を備え、前記データ収集装置は、時系列データを入力とし、この時系列データの変化量の大きさに対応するように、高、中、低に３分類された重要度を出力とする、機械学習による学習を実施し、再送制御がスタートして再送信対象のプラントデータが入着すると、時系列データを入力として機械学習による判定を実施し、この機械学習による判定を実施した結果、重要度が高であれば、再送信対象のプラントデータを優先度高でいったん保持し、重要度が中であれば、再送信対象のプラントデータを優先度中でいったん保持し、重要度が低であれば、再送信対象のプラントデータを優先度低でいったん保持し、このいったん保持した再送信対象のプラントデータは、前記サーバに向けて、優先度の高いものから順番に、次回のデータ通信時に送信することを特徴とすることにより、機械学習による再送制御により効率の良い再送制御が行われる。また、再送信による最新のデータの送信の阻害や、帯域に与える負荷を低減することが可能となる。再送成否を機械学習したモデルを用いて予測することで、再送処理の失敗を低減し、効率の良い通信を実現することが可能となる。

この発明の実施の形態１に関わるプラント機器監視制御システムを表している全体構成図である。この発明の実施の形態１に関わるデータ収集装置の構造を表している図である。この発明の実施の形態１に関わるプラント機器監視制御システムにおける、機械学習による学習に関係する入力と出力を示している図である。この発明の実施の形態１に関わるプラント機器監視制御システムにおける、機械学習による判定に関係する入力と出力を示している図である。この発明の実施の形態１に関わるプラント機器監視制御システムにおける、機械学習による判定のフローチャートを示している図である。この発明の実施の形態２に関わるプラント機器監視制御システムを表している全体構成図である。この発明の実施の形態２に関わるプラント機器監視制御システムにおける、機械学習による学習に関係する入力と出力を示している図である。この発明の実施の形態２に関わるプラント機器監視制御システムにおける、機械学習による判定に関係する入力と出力を示している図である。この発明の実施の形態２に関わるプラント機器監視制御システムにおける、機械学習による判定のフローチャートを示している図である。この発明の実施の形態３に関わるプラント機器監視制御システムを表している全体構成図である。この発明の実施の形態３に関わるプラント機器監視制御システムにおける、機械学習による学習に関係する入力と出力を示している図である。この発明の実施の形態３に関わるプラント機器監視制御システムにおける、機械学習による判定に関係する入力と出力を示している図である。この発明の実施の形態３に関わるプラント機器監視制御システムにおける、機械学習による判定のフローチャートを示している図である。この発明の実施の形態４に関わるプラント機器監視制御システムを表している全体構成図である。この発明の実施の形態４に関わるプラント機器監視制御システムにおける、機械学習による学習に関係する入力と出力を示している図である。この発明の実施の形態４に関わるプラント機器監視制御システムにおける、機械学習による判定に関係する入力と出力を示している図である。この発明の実施の形態４に関わるプラント機器監視制御システムにおける、機械学習による判定のフローチャートを示している図である。この発明の実施の形態５に関わるプラント機器監視制御システムを表している全体構成図である。この発明の実施の形態５に関わるプラント機器監視制御システムにおける、機械学習による学習に関係する入力と出力を示している図である。この発明の実施の形態５に関わるプラント機器監視制御システムにおける、機械学習による判定に関係する入力と出力を示している図である。この発明の実施の形態５に関わるプラント機器監視制御システムにおける、機械学習による判定のフローチャートを示している図である。

本発明の実施の形態に関わるプラント機器監視制御システムについて、図を参照しながら以下に説明する。なお、各図において、同一または同様の構成部分については同じ符号を付しており、対応する各構成部のサイズや縮尺はそれぞれ独立している。例えば構成の一部を変更した断面図の間で、変更されていない同一構成部分を図示する際に、同一構成部分のサイズや縮尺が異なっている場合もある。また、プラント機器監視制御システムの構成は、実際にはさらに複数の部材を備えているが、説明を簡単にするため、説明に必要
な部分のみを記載し、他の部分については省略している。

実施の形態１．
以下、この発明の実施の形態に関わるプラント機器監視制御システムを、図に基づいて説明する。図１は、この発明の実施の形態１によるプラント機器監視制御システム２００の全体構成を表している図である。同図において、プラント機器監視制御システム２００は、現場装置１００、データ収集装置１０１、およびサーバ１０５などから構成されている。データ収集装置１０１は、機械学習部１０２、および送信制御部１０３を備えている。現場装置１００は、データ収集装置１０１と専用の配線で接続されている。データ収集装置１０１とサーバ１０５は、広域通信網１０４（または、ワールドエリアネットワーク）により接続されている。

現場装置１００は、監視対象となっているプラント機器などを表している。プラント機器監視制御システム２００は、プラントデータを発信するプラント機器（現場装置）の遠隔監視を行っている。データ収集装置１０１は、専用配線を通して、プラント機器などの現場装置１００から計測データを収集する。広域通信網１０４は、データ収集装置１０１とサーバ１０５を連絡している。サーバ１０５は、広域通信網１０４を通じて、データ収集装置１０１から送信されてくる計測データなどのプラントデータを保存する。データ収集装置１０１において、機械学習部１０２は、再送信の制御を機械学習で学習する。データ収集装置１０１において、送信制御部１０３は、機械学習の成果を活用して、送信制御および再送制御を行う。

図２は、本実施の形態に関わるデータ収集装置１０１の内部を表している構造図である。データ収集装置１０１は、ＣＰＵ１２０とメモリ１２１を備えている。データ収集装置１０１は、ＣＰＵ１２０とメモリ１２１を備えていることにより、機械学習部１０２および送信制御部１０３の機能を、実行することができる。送信制御部１０３は、機械学習の成果を活用して、送信制御および再送制御を行うことが可能である。

本実施の形態に関わるプラント機器監視制御システムでは、データ収集装置１０１の送信制御部１０３は、現場装置１００から受信したプラント機器の計測データまたは観測データを、広域通信網１０４を経由して、サーバ１０５に送信している。また、本実施の形態に関わるプラント機器監視制御システムでは、データ収集装置１０１の機械学習部１０２は、現在時刻およびパケットサイズを入力とし、再送信の成否を出力とする学習を行い、モデルを作成している。

次に、データ収集装置１０１における学習動作について説明する。図３は、この発明の本実施の形態における、機械学習の学習に関係する入力と出力を示している。本実施の形態における、機械学習部１０２の学習方法を、同図に基づいて説明する。データ収集装置１０１は、現場装置１００からプラント機器の計測データを収集している。機械学習部１０２は、収集された計測データの、現在時刻１およびパケットサイズ２を、入力として送信制御部１０３から得ている。また、機械学習部１０２は、学習の出力として、再送信の成功する可能性（データ通信の成功３またはデータ通信の失敗４）を、送信制御部１０３から得ている。

図４は、この発明の本実施の形態に関わるデータ収集装置１０１における、機械学習による判定に関係する入力と出力を示した図である。データ収集装置１０１は、現場装置１００からプラント機器のプラントデータ（計測データや観測データ）を収集している。機械学習部１０２は、収集された計測データの、現在時刻１およびパケットサイズ２を、入力としている。また、機械学習部１０２は、出力として、再送信の成功する確率（データ通信の成功５またはデータ通信の失敗６）を得ることができる。

次に、プラント機器監視制御システム２００のデータ収集装置１０１における再送判定時の動作について、図に基づいて説明する。図５は、この発明の本実施の形態に関わる機械学習による判定のフローチャートを表している。プラント機器監視制御システム２００では、計測データをサーバ１０５に転送する際に、広域通信網１０４（ネットワーク）の断線、遅延などにより、送信される計測データに欠落が生じる。データ通信が失敗し、送信されたデータに欠落が生じると、データ収集装置１０１において、機械学習による再送制御の判定が開始する（ＳＴ０１）。欠落したデータは、現在値の送信の合間に再送信を実施する。送信制御部１０３から再送信対象のデータが入着した際（ＳＴ０２）に、機械学習部１０２で、現在時刻とパケットサイズを入力とした機械学習による判定が行われる（ＳＴ０３）。

機械学習部１０２は、機械学習の出力として、データ通信（再送信）の成功する確率を得ている。次に、機械学習部１０２は、データ通信（再送信）の成功する確率が、閾値以上かどうかを判断する（ＳＴ０４）。再送信の成功する確率が閾値以上の場合には、機械学習部１０２は、送信制御部１０３に再送信をただちに実施するように制御する（ＳＴ０５）。再送信が成功する確率が閾値よりも小さい場合には、機械学習部１０２は、再送信しないで、データをいったん保持するように送信制御部１０３を制御する（ＳＴ０６）。送信制御部１０３は、保持している未送信のデータを、次回に計測データなどのプラントデータを送信する際に、プラントデータと一緒に送信する（ＳＴ０７）。未送信のデータがいずれかの通信経路で再送信が実施されれば、機械学習による判定が終了する（ＳＴ０８）。なお、データ通信（再送信）の成功する確率が、閾値と一致した場合は、送信制御部１０３に再送信をただちに実施するように制御しているが、データをいったん保持するように送信制御部１０３を制御してもよい。

本実施の形態に関わるプラント機器監視制御システムは、広域通信網によりサーバとデータ収集装置が接続された監視制御システムにおいて、機械学習を使用して効率的な再送制御を行うデータ収集装置の再送制御方式に関わるものである。以上のように、本実施の形態に関わるプラント機器監視制御システムによれば、再送信の成否を予め判定することで、再送信が失敗する可能性が高い場合に再送信を実行しないことにより、効率的な再送制御が可能となる。従来のプラント機器監視制御システムの再送制御では、エラーが発生してから再送時間の調整を行っていたため、再送信を実施しない期間があり、再送信の効率が低かった。本実施の形態に関わるプラント機器監視制御システムは、再送の成否を機械学習したモデルを用いて予測することで、再送処理の失敗を低減し、効率の良い通信を実現することを可能とする。

すなわち、本実施の形態に関わるプラント機器監視制御システムは、プラントデータを発信する現場装置と、前記現場装置が発信したプラントデータを収集し、この収集したプラントデータに対して機械学習による学習と機械学習による判定を実施するデータ収集装置と、前記データ収集装置と広域通信網で接続され、前記データ収集装置から前記広域通信網を経由して送信されてくるプラントデータを受信すると、この受信したプラントデータを保存するサーバと、を備え、前記データ収集装置は、再送制御がスタートして再送信対象のプラントデータが入着すると、機械学習による判定を実施し、この機械学習による判定の出力に基づいて、再送信対象のプラントデータを、前記サーバに向けて再送信するか、または、いったん保持するかのどちらかを選択し、再送信対象のプラントデータをいったん保持することを選択した場合には、このいったん保持した再送信対象のプラントデータは、前記サーバに向けて、次回のデータ通信時に送信するものである。

また、本実施の形態に関わるプラント機器監視制御システムにおいて、前記データ収集装置は、機械学習による学習を実施する際には、現在時刻とパケットサイズを入力とし、
データ通信の成功とデータ通信の失敗を出力とし、機械学習による判定を実施する際には、現在時刻とパケットサイズを入力とし、データ通信の成功とデータ通信の失敗を出力とする、ものである。また、本実施の形態に関わるプラント機器監視制御システムにおいて、前記データ収集装置は、機械学習による判定を実施した結果、データ通信の成功する確率が閾値よりも高ければ、再送信対象のプラントデータを前記サーバに向けて再送信することを選択し、データ通信の成功する確率が閾値よりも低ければ、再送信対象のプラントデータをいったん保持することを選択する、ものである。

実施の形態２．
次に、実施の形態２に関わるプラント機器監視制御システム２００について、図に基づいて説明する。図６は、この発明の本実施の形態に関わるプラント機器監視制御システム２００の全体構成を表している図である。同図において、プラント機器監視制御システム２００は、現場装置１００、データ収集装置１０１、およびサーバ１０５などから構成されている。データ収集装置１０１は、機械学習部１０２、送信制御部１０３、および通信エラー検知部１０９を備えている。通信エラー検知部１０９は、通信プロトコルのエラーや通信の遅延を検知する。現場装置１００は、データ収集装置１０１と専用の配線で接続されている。データ収集装置１０１とサーバ１０５は、広域通信網１０４（または、ワールドエリアネットワーク）により接続されている。

データ収集装置１０１は、ＣＰＵ１２０とメモリ１２１を備えている。データ収集装置１０１は、ＣＰＵ１２０とメモリ１２１を備えていることにより、機械学習部１０２、送信制御部１０３、および通信エラー検知部１０９の機能を、実行することができる。送信制御部１０３は、機械学習の成果を活用して、送信制御および再送制御を行うことが可能である。本実施の形態によるプラント機器監視制御システムでは、データ収集装置１０１の機械学習部１０２は、一定時間前のプロトコルエラーと一定時間前の通信遅延を入力とし、現在時刻における通信処理の成否を出力として学習を行い、モデルを作成する。

図７は、この発明の本実施の形態に関わるデータ収集装置１０１における、機械学習の判定に関係する入力と出力を示した図である。データ収集装置１０１は、現場装置１００から計測データを収集している。機械学習部１０２は、収集されたデータの、一定時間前のプロトコルエラー４０と一定時間前の通信遅延４１を、入力としている。また、機械学習部１０２は、出力として、現在時刻における通信の成否（現在時刻におけるデータ通信の成功４２と現在時刻におけるデータ通信の失敗４３）を得る。

学習後に行われる実際の判定について図に基づいて説明する。図８は、この発明の本実施の形態における、機械学習の判定に関係する入力と出力を示した図である。再送信対象のデータが入着した際、機械学習部１０２は、現在時刻のプロトコルエラー４４と現在時刻の通信遅延４５を入力とし、一定時間後におけるデータ通信の成否（一定時間後におけるデータ通信の成功４６と一定時間後におけるデータ通信の失敗４７）を出力として得る。すなわち、機械学習部１０２は、現在時刻のプロトコルエラー４４および現在時刻の通
信遅延４５の多さから、一定時間後にデータ通信が成功する確率を判定することができる。

次に、プラント機器監視制御システム２００のデータ収集装置１０１における再送判定時の動作について、図に基づいて説明する。図９は、この発明の本実施の形態に関わる機械学習による判定のフローチャートを表している。プラント機器監視制御システム２００では、計測データをサーバ１０５に転送する際に、広域通信網１０４（ネットワーク）の断線、遅延などにより、送信される計測データに欠落が生じる。データ通信が失敗し、送信されたデータに欠落が生じると、データ収集装置１０１において、機械学習による再送制御の判定が開始する（ＳＴ０１）。欠落したデータは、現在値の送信の合間に再送信を実施する。送信制御部１０３から再送信対象のデータが入着した際（ＳＴ０２）に、機械学習部１０２で、現在時刻のプロトコルエラーと現在時刻の通信遅延を入力とした機械学習による判定が行われる（ＳＴ０３）。

機械学習部１０２は、現在時刻のプロトコルエラーと現在時刻の通信遅延を入力とし、一定時間後における通信成否の確率を出力として得ている。機械学習部１０２は、一定時間後にデータ通信が成功する確率を判定する（ＳＴ１８）。一定時間後にデータ通信が成功する可能性が閾値以上の場合、送信制御部１０３は、一定時間後に再送信を実施する（ＳＴ２０）。一定時間後にデータ通信が成功する可能性が閾値よりも低いと判定した場合、送信制御部１０３は、再送信対象のデータを送信制御部１０３にいったん保持し、直ちには再送信を実施しない（ＳＴ１９）。送信制御部１０３は、保持している未送信のデータを、次回に計測データなどのプラントデータを送信する際に、プラントデータと一緒に送信する（ＳＴ０７）。未送信のデータがいずれかの通信経路で再送信が実施されれば、機械学習による判定が終了する（ＳＴ０８）。なお、一定時間後にデータ通信（再送信）の成功する確率が、閾値と一致した場合は、送信制御部１０３に再送信をただちに実施するように制御しているが、データをいったん保持するように送信制御部１０３を制御してもよい。

本実施の形態に関わるプラント機器監視制御システムは、実施の形態１に記載のデータ収集装置の動作制御方式において、一定時間前の通信プロトコルのエラーや通信遅延の情報を元に再送を行うデータ収集装置の再送制御方式に関わるものである。以上のように、本実施の形態に関わるプラント機器監視制御システムによれば、現在の通信状態から将来の再送信成否を予測し、再送信の成功する可能性が高い場合のみ再送信を実施することで効率の良い再送処理を行うことが可能となる。

すなわち、本実施の形態に関わるプラント機器監視制御システムにおいて、前記データ収集装置は、機械学習による学習を実施する際には、一定時間前のプロトコルエラーと一定時間前の通信遅延を入力とし、現在時刻におけるデータ通信の成功と現在時刻におけるデータ通信の失敗を出力とし、機械学習による判定を実施する際には、現在時刻のプロトコルエラーと現在時刻の通信遅延を入力とし、一定時間後におけるデータ通信の成功と一定時間後におけるデータ通信の失敗を出力とする、ものである。また、本実施の形態に関わるプラント機器監視制御システムにおいて、前記データ収集装置は、機械学習による判定を実施した結果、一定時間後にデータ通信の成功する確率が閾値よりも高ければ、再送信対象のプラントデータを前記サーバに向けて一定時間後に再送信することを選択し、一定時間後にデータ通信が成功する確率が閾値よりも低ければ、再送信対象のプラントデータをいったん保持することを選択する、ものである。

実施の形態３．
次に、実施の形態３に関わるプラント機器監視制御システム２００について、図に基づいて説明する。図１０は、この発明の本実施の形態に関わるプラント機器監視制御システ
ム２００の全体構成を表している図である。同図において、プラント機器監視制御システム２００は、現場装置１００、データ収集装置１０１、およびサーバ１０５などから構成されている。データ収集装置１０１は、機械学習部１０２、送信制御部１０３、および変化量検出部１１０を備えている。変化量検出部１１０は、信号の時間あたりの変化量の合計を計算する。現場装置１００は、データ収集装置１０１と専用の配線で接続されている。データ収集装置１０１とサーバ１０５は、広域通信網１０４（または、ワールドエリアネットワーク）により接続されている。

データ収集装置１０１は、ＣＰＵ１２０とメモリ１２１を備えている。データ収集装置１０１は、ＣＰＵ１２０とメモリ１２１を備えていることにより、機械学習部１０２、送信制御部１０３、および変化量検出部１１０の機能を、実行することができる。送信制御部１０３は、機械学習の成果を活用して、送信制御および再送制御を行うことが可能である。本実施の形態によるプラント機器監視制御システムでは、データ収集装置１０１の機械学習部１０２は、現在時刻を入力とし、変化量検出部１１０の計算結果を出力として学習を行い、モデルを作成する。

図１１は、この発明の本実施の形態に関わるデータ収集装置１０１における、機械学習の学習に関係する入力と出力を示した図である。データ収集装置１０１は、現場装置１００から計測データを収集している。機械学習部１０２は、収集された計測データの、現在時刻５０を入力としている。また、機械学習部１０２は、出力として、現在時刻における通信データの変化量５１を得る。機械学習部１０２は、データの変化量が小さい場合は、計測データの重要度が低い状態であると判定する。

学習後に行われる実際の判定について図に基づいて説明する。図１２は、この発明の本実施の形態における、機械学習の判定に関係する入力と出力を示した図である。再送信対象のデータが入着した際、機械学習部１０２は、任意時刻５２を入力とし、その任意時刻における通信データの変化量５３を出力として得る。機械学習部１０２は、データの変化量が大きい場合は、再送信でない通信を実施し、データの変化量が低い状態の場合に再送処理を行うように送信制御部１０３を制御する。なお、ここでは、再送信対象のデータが入着した時刻を任意時刻と呼んでいる。この任意時刻は、入着時刻と呼びかえることができる。

図１３は、この発明の本実施の形態に関わる機械学習による判定のフローチャートを表している。プラント機器監視制御システム２００では、計測データをサーバ１０５に転送する際に、広域通信網１０４（ネットワーク）の断線、遅延などにより、送信される計測データに欠落が生じる。データ通信が失敗し、送信されたデータに欠落が生じると、データ収集装置１０１において、機械学習による再送制御の判定が開始する（ＳＴ０１）。欠落したデータは、現在値の送信の合間に再送信を実施する。送信制御部１０３から再送信対象のデータが入着した際（ＳＴ０２）に、機械学習部１０２で、任意時刻を入力とした機械学習による判定が行われる（ＳＴ０３）。

機械学習部１０２は、任意時刻を入力とし、任意時刻における通信データの変化量を出力として得ている。機械学習部１０２は、一定時間後にデータ変化量が閾値以上かどうかを判断する（ＳＴ２２）。一定時間後のデータ変化量が閾値よりも大きいと判定される場合は、再送信でない通信を実施する。すなわち、送信制御部１０３は、この再送信対象のデータを送信制御部１０３にいったん保持する（ＳＴ２３）。送信制御部１０３は、保持している未送信のデータを、次回に計測データなどのプラントデータを送信する際に、プラントデータと一緒に送信する（ＳＴ０７）。一定時間後のデータ変化量が閾値よりも小さいと判定された場合には、機械学習部１０２は、送信制御部１０３に一定時間後に再送信を実施させる（ＳＴ２４）。いずれかの経路で再送信が実施されれば、機械学習による判定が終了する（ＳＴ０８）。なお、一定時間後のデータ変化量が、閾値と一致した場合は、送信制御部１０３にデータをいったん保持するように送信制御部１０３を制御しているが、再送信を一定時間後に実施するように制御してもよい。

本実施の形態に関わるプラント機器監視制御システムは、実施の形態１に記載のデータ収集装置の動作制御方式において、計測データの重要度が低い状態の場合に再送を行うデータ収集装置の再送制御方式に関わるものである。以上のように、本実施の形態に関わるプラント機器監視制御システムによれば、データの変化量が低い場合に再送信を行うため、データ収集装置のデータ収集動作を阻害することなく再送処理を行うことが可能となる。

すなわち、本実施の形態に関わるプラント機器監視制御システムにおいて、前記データ収集装置は、機械学習による学習を実施する際には、現在時刻を入力とし、現在時刻における通信データの変化量を出力とし、機械学習による判定を実施する際には、任意時刻を入力とし、任意時刻における通信データの変化量を出力とする、ものである。また、本実施の形態に関わるプラント機器監視制御システムにおいて、前記データ収集装置は、機械学習による判定を実施した結果、一定時間後のデータ変化量が閾値よりも小さければ、再送信対象のプラントデータを前記サーバに向けて一定時間後に再送信することを選択し、一定時間後のデータ変化量が閾値よりも大きければ、再送信対象のプラントデータをいったん保持することを選択する、ものである。

実施の形態４．
次に、実施の形態４に関わるプラント機器監視制御システム２００について、図に基づいて説明する。図１４は、この発明の本実施の形態に関わるプラント機器監視制御システム２００の全体構成を表している図である。同図において、プラント機器監視制御システム２００は、現場装置１００、データ収集装置１０１、およびサーバ１０５などから構成されている。データ収集装置１０１は、機械学習部１０２、および送信制御部１０３を備えている。現場装置１００は、データ収集装置１０１と専用の配線で接続されている。データ収集装置１０１とサーバ１０５は、広域通信網Ａ１０７（第１の広域通信網）および広域通信網Ｂ１０８（第２の広域通信網）により接続されている。

現場装置１００は、監視対象となっているプラント機器などを表している。プラント機器監視制御システム２００は、プラントデータを発信するプラント機器（現場装置）の遠隔監視を行っている。データ収集装置１０１は、専用配線を通して、プラント機器などの現場装置１００から計測データを収集する。広域通信網Ａ１０７および広域通信網Ｂ１０８は、データ収集装置１０１とサーバ１０５を連絡している。サーバ１０５は、広域通信網Ａ１０７または広域通信網Ｂ１０８を通じて、データ収集装置１０１から送信されてくる計測データなどのプラントデータを保存する。データ収集装置１０１において、機械学習部１０２は、再送信の制御を機械学習で学習する。データ収集装置１０１において、送信制御部１０３は、機械学習の成果を活用して、送信制御および再送制御を行う。

データ収集装置１０１は、ＣＰＵ１２０とメモリ１２１を備えている。データ収集装置１０１は、ＣＰＵ１２０とメモリ１２１を備えていることにより、機械学習部１０２、送信制御部１０３、および変化量検出部１１０の機能を、実行することができる。送信制御部１０３は、機械学習の成果を活用して、送信制御および再送制御を行うことが可能である。本実施の形態によるプラント機器監視制御システムでは、データ収集装置１０１の機械学習部１０２は、現在時刻とパケットサイズを入力とし、広域通信網Ａと広域通信網Ｂについて、それぞれの再送信の成否を出力とする学習を行い、モデルを作成する。

図１５は、この発明の本実施の形態に関わるデータ収集装置１０１における、機械学習の学習に関係する入力と出力を示した図である。データ収集装置１０１は、現場装置１００から計測データを収集している。機械学習部１０２は、収集された計測データの、現在時刻１およびパケットサイズ２を、入力としている。また、機械学習部１０２は、出力として、広域通信網Ａ１０７と広域通信網Ｂ１０８について、それぞれの再送信の成功する可能性（広域通信網Ａの通信成功３１、広域通信網Ａの通信失敗３２、広域通信網Ｂの通信成功３３、および広域通信網Ｂの通信失敗３４）を得る。

学習後に行われる実際の判定について図に基づいて説明する。図１６は、この発明の本実施の形態における、機械学習の判定に関係する入力と出力を示した図である。機械学習部１０２は、現在時刻１とパケットサイズ２を入力として受け付けると、時系列データの通信経由に応じて、再送信の成否を出力として判定を実施する。従って、広域通信網Ａを経由して、再送信が成功した場合（広域通信網Ａの通信成功３５）あるいは失敗した場合（広域通信網Ａの通信失敗３６）、または、広域通信網Ｂを経由して、再送信が成功した場合（広域通信網Ｂの通信成功３７）あるいは失敗した場合（広域通信網Ｂの通信失敗３８）、にわけて判断することができる。

図１７は、この発明の本実施の形態に関わる機械学習による判定のフローチャートを表している。プラント機器監視制御システム２００では、計測データをサーバ１０５に転送する際に、広域通信網Ａ１０７または広域通信網Ｂ１０８の断線、遅延などにより、送信される計測データに欠落が生じる。データ通信が失敗し、送信されたデータに欠落が生じると、データ収集装置１０１において、機械学習による再送制御の判定が開始する（ＳＴ０１）。欠落したデータは、現在値の送信の合間に再送信を実施する。送信制御部１０３から再送信対象のデータが入着した際（ＳＴ０２）に、機械学習部１０２で、現在時刻とパケットサイズを入力とした機械学習による判定が行われる（ＳＴ０３）。

機械学習部１０２は、現在時刻とパケットサイズを入力とし、広域通信網Ａと広域通信網Ｂにおける、それぞれの再送信の成否を出力として学習を実施している。機械学習により学習したデータにより、最適な回線を使用するために、機械学習部１０２は、再送信が成功する確率を比較する（ＳＴ１４）。広域通信網Ａでデータ通信の成功する確率が閾値よりも高いと判定した場合には、このデータを、広域通信網Ａから再送信する（ＳＴ１６）。広域通信網Ｂでデータ通信の成功する確率が閾値よりも高いと判定した場合には、このデータを、広域通信網Ｂから再送信する（ＳＴ１７）。どちらの通信網を使用しても成功する可能性が閾値よりも低いと判定した場合、送信制御部１０３は、再送信対象のデータを送信制御部１０３にいったん保持する（ＳＴ１５）。送信制御部１０３は、保持している未送信のデータを、次回に計測データなどのプラントデータを送信する際に、プラントデータと一緒に送信する（ＳＴ０７）。未送信のデータがいずれかの通信経路で再送信が実施されれば、機械学習による判定が終了する（ＳＴ０８）。なお、広域通信網Ａでデータ通信の成功する確率と広域通信網Ｂでデータ通信の成功する確率が等しい場合は、予め、広域通信網Ａ（または広域通信網Ｂ）で再送信を実施するように決めておく。

本実施の形態に関わるプラント機器監視制御システムは、実施の形態１に記載のデータ収集装置の動作制御方式において、広域通信網の回線を複数備え、機械学習により学習したデータにより最適な回線を使用する機能を具備したデータ収集装置の再送制御方式に関わるものである。以上のように、本実施の形態に関わるプラント機器監視制御システムによれば、再送信の成功する可能性が高い回線を用いて再送信を実施することが可能となる。再送信の成功する可能性が低い場合は、不要な送信を行わないことで帯域の節約を行うことができる。

すなわち、本実施の形態に関わるプラント機器監視制御システムは、プラントデータを発信する現場装置と、前記現場装置が発信したプラントデータを収集し、この収集したプラントデータに対して機械学習による学習と機械学習による判定を実施するデータ収集装置と、前記データ収集装置と第１の広域通信網および第２の広域通信網で接続され、前記データ収集装置から前記第１の広域通信網または前記第２の広域通信網を経由して送信されてくるプラントデータを受信すると、この受信したプラントデータを保存するサーバと、を備え、前記データ収集装置は、現在時刻とパケットサイズを入力として、前記第１の広域通信網および前記第２の広域通信網におけるデータ通信の成否を出力とする、機械学習による学習を実施し、再送制御がスタートして再送信対象のプラントデータが入着すると、現在時刻とパケットサイズを入力として機械学習による判定を実施し、この機械学習による判定を実施した結果、前記第１の広域通信網を経由したデータ通信が成功する確率が閾値よりも高ければ、再送信対象のプラントデータを、前記第１の広域通信網を経由して再送信することを選択し、前記第２の広域通信網を経由したデータ通信が成功する確率が閾値よりも高ければ、再送信対象のプラントデータを、前記第２の広域通信網を経由して再送信することを選択し、前記第１の広域通信網および前記第２の広域通信網を経由したデータ通信が成功する確率が閾値よりも低ければ、再送信対象のプラントデータをいったん保持することを選択し、再送信対象のプラントデータをいったん保持することを選択した場合には、このいったん保持した再送信対象のプラントデータは、前記サーバに向けて、次回のデータ通信時に送信するものである。

実施の形態５．
次に、実施の形態５に関わるプラント機器監視制御システム２００について、図に基づいて説明する。図１８は、この発明の本実施の形態に関わるプラント機器監視制御システム２００の全体構成を表している図である。同図において、プラント機器監視制御システム２００は、現場装置１００、データ収集装置１０１、およびサーバ１０５などから構成されている。データ収集装置１０１は、機械学習部１０２、送信制御部１０３、および優先度付きキュー１０６を備えている。優先度付きキュー１０６は、再送信対象の計測データを保存しておくために設けられている。現場装置１００は、データ収集装置１０１と専用の配線で接続されている。データ収集装置１０１とサーバ１０５は、広域通信網１０４（または、ワールドエリアネットワーク）により接続されている。

データ収集装置１０１は、ＣＰＵ１２０とメモリ１２１を備えている。データ収集装置
１０１は、ＣＰＵ１２０とメモリ１２１を備えていることにより、機械学習部１０２、送信制御部１０３、および優先度付きキュー１０６の機能を、実行することができる。送信制御部１０３は、機械学習の成果を活用して、送信制御および再送制御を行うことが可能である。本実施の形態によるプラント機器監視制御システムでは、データ収集装置１０１の機械学習部１０２は、時系列データを入力とし、この時系列データの変化量を出力として学習を行い、モデルを作成する。

機械学習部１０２は、変化量の多い信号（プラントデータ）を優先度の高い信号として学習する。さらに、機械学習部１０２は、再送信データに優先度を設定するために、優先度付きキュー１０６を設定して、保存する。本実施の形態に関わる優先度付きキュー１０６では、優先度が高、中、および低に区分されている。

次に、データ収集装置１０１における動作について説明する。図１９は、この発明の本実施の形態における、機械学習の学習に関係する入力と出力を示している。機械学習部１０２の学習方法について、同図に基づいて説明する。機械学習部１０２は、判定対象信号の時系列データ１０を入力とし、この時系列データの変化量１７に応じた重要度を回答として学習モデルを作成する。機械学習部１０２は、プラントデータの時系列データが変化大１２であれば、重要度高１１であると判定する。機械学習部１０２は、プラントデータの時系列データが変化中１４であれば、重要度中１３であると判定する。さらに、機械学習部１０２は、プラントデータの時系列データが変化小１６であれば、重要度低１５であると判定する。

学習後に行われる実際の判定について図に基づいて説明する。図２０は、この発明の本実施の形態における、機械学習の判定に関係する入力と出力を示している。機械学習部１０２は、判定対象信号の時系列データ２０を入力として受け付けると、時系列データを、重要度高２１、重要度中２２、または重要度低２３、に判断することができる。機械学習部１０２は、再送信対象のデータが入着した際、その信号の時系列データを入力として、機械学習部１０２でデータの重要度を判定する。その後、重要度に応じた優先度のキューを再送データに保持する。

図２１は、この発明の本実施の形態に関わるデータ収集装置１０１における、機械学習による判定のフローチャートを表している。プラント機器監視制御システム２００では、計測データをサーバ１０５に転送する際に、広域通信網１０４（ネットワーク）の断線、遅延などにより、送信される計測データに欠落が生じる。データ通信が失敗し、送信されたデータに欠落が生じると、データ収集装置１０１において、機械学習による再送制御の判定が開始する（ＳＴ０１）。欠落したデータは、現在値の送信の合間に再送信を実施する。送信制御部１０３から再送信対象のデータが入着した際（ＳＴ０２）に、機械学習部１０２で、計測データの時系列データを入力とした機械学習による判定が行われる（ＳＴ０３）。

機械学習部１０２は、出力として、時系列データに関する重要度を得ている。機械学習部１０２は、この重要度の大きさを判定する（ＳＴ０１０）。重要度の大きさが高の場合には、機械学習部１０２は、このデータを、優先度高の送信制御部にいったん保持する（ＳＴ１１）。重要度の大きさが中の場合には、機械学習部１０２は、このデータを、優先度中の送信制御部にいったん保持する（ＳＴ１２）。重要度の大きさが低の場合には、機械学習部１０２は、このデータを、優先度低の送信制御部にいったん保持する（ＳＴ１３）。再送信データがいずれかの送信制御部に保持されたあと、送信制御部１０３は、保持している未送信のデータを、次回にプラントデータを送信する際に、優先度の高いものから、プラントデータと一緒に送信する（ＳＴ０７）。すべての未送信データが再送信されれば、機械学習による判定が終了する（ＳＴ０８）。

本実施の形態に関わるプラント機器監視制御システムは、実施の形態１に記載のデータ収集装置の動作制御方式において、計測データの重要度を学習し、優先的に再送処理を行う機能を具備するデータ収集装置の再送制御方式に関わるものである。以上のように、本実施の形態に関わるプラント機器監視制御システムによれば、重要度の高い信号を優先して送信することで、サーバ側で信号値の変化を取りこぼす可能性を低減することが可能となる。

すなわち、本実施の形態に関わるプラント機器監視制御システムは、プラントデータを発信する現場装置と、前記現場装置が発信したプラントデータを収集し、この収集したプラントデータに対して機械学習による学習と機械学習による判定を実施するデータ収集装置と、前記データ収集装置と広域通信網で接続され、前記データ収集装置からこの広域通信網を経由して送信されてくるプラントデータを受信すると、この受信したプラントデータを保存するサーバと、を備え、前記データ収集装置は、時系列データを入力とし、この時系列データの変化量の大きさに対応するように、高、中、低に３分類された重要度を出力とする、機械学習による学習を実施し、再送制御がスタートして再送信対象のプラントデータが入着すると、時系列データを入力として機械学習による判定を実施し、この機械学習による判定を実施した結果、重要度が高であれば、再送信対象のプラントデータを優先度高でいったん保持し、重要度が中であれば、再送信対象のプラントデータを優先度中でいったん保持し、重要度が低であれば、再送信対象のプラントデータを優先度低でいったん保持し、このいったん保持した再送信対象のプラントデータは、前記サーバに向けて、優先度の高いものから順番に、次回のデータ通信時に送信するものである。

なお、以上の説明では、本発明の実施の形態について説明したが、本発明は前記実施の形態に限定されるものではなく、種々の処理変更を行うことが可能である。また、本発明は、その発明の範囲内において、実施の形態を自由に組み合わせたり、各実施の形態を適宜、変形、省略することが可能である。

１００現場装置、１０１データ収集装置、１０２機械学習部、１０３送信制御部、１０４広域通信網、１０５サーバ、１０６優先度付きキュー、１０７広域通信網Ａ（第１の広域通信網）、１０８広域通信網Ｂ（第２の広域通信網）、１０９通信エラー検知部、１１０変化量検出部、１２０ＣＰＵ、１２１メモリ、２００プラント機器監視制御システム

Claims

プラントデータを発信する現場装置と、
前記現場装置が発信したプラントデータを収集し、この収集したプラントデータに対して機械学習による学習と機械学習による判定を実施するデータ収集装置と、
前記データ収集装置と広域通信網で接続され、前記データ収集装置から前記広域通信網を経由して送信されてくるプラントデータを受信すると、この受信したプラントデータを保存するサーバと、を備え、
前記データ収集装置は、
再送制御がスタートして再送信対象のプラントデータが入着すると、機械学習による判定を実施し、
この機械学習による判定の出力に基づいて、再送信対象のプラントデータを、前記サーバに向けて再送信するか、または、いったん保持するかのどちらかを選択し、
再送信対象のプラントデータをいったん保持することを選択した場合には、このいったん保持した再送信対象のプラントデータは、前記サーバに向けて、次回のデータ通信時に送信することを特徴とするプラント機器監視制御システム。
前記データ収集装置は、
機械学習による学習を実施する際には、
現在時刻とパケットサイズを入力とし、データ通信の成功とデータ通信の失敗を出力とし、
機械学習による判定を実施する際には、
現在時刻とパケットサイズを入力とし、データ通信の成功とデータ通信の失敗を出力とする、
ことを特徴とする請求項１に記載のプラント機器監視制御システム。
前記データ収集装置は、
機械学習による判定を実施した結果、
データ通信の成功する確率が閾値よりも高ければ、再送信対象のプラントデータを前記サーバに向けて再送信することを選択し、
データ通信の成功する確率が閾値よりも低ければ、再送信対象のプラントデータをいったん保持することを選択する、
ことを特徴とする請求項２に記載のプラント機器監視制御システム。
前記データ収集装置は、
機械学習による学習を実施する際には、
一定時間前のプロトコルエラーと一定時間前の通信遅延を入力とし、現在時刻におけるデータ通信の成功と現在時刻におけるデータ通信の失敗を出力とし、
機械学習による判定を実施する際には、
現在時刻のプロトコルエラーと現在時刻の通信遅延を入力とし、一定時間後におけるデータ通信の成功と一定時間後におけるデータ通信の失敗を出力とする、
ことを特徴とする請求項１に記載のプラント機器監視制御システム。
前記データ収集装置は、
機械学習による判定を実施した結果、
一定時間後にデータ通信の成功する確率が閾値よりも高ければ、再送信対象のプラントデータを前記サーバに向けて一定時間後に再送信することを選択し、
一定時間後にデータ通信が成功する確率が閾値よりも低ければ、再送信対象のプラントデータをいったん保持することを選択する、
ことを特徴とする請求項４に記載のプラント機器監視制御システム。
前記データ収集装置は、
機械学習による学習を実施する際には、
現在時刻を入力とし、現在時刻における通信データの変化量を出力とし、
機械学習による判定を実施する際には、
任意時刻を入力とし、任意時刻における通信データの変化量を出力とする、
ことを特徴とする請求項１に記載のプラント機器監視制御システム。
前記データ収集装置は、
機械学習による判定を実施した結果、
一定時間後のデータ変化量が閾値よりも小さければ、再送信対象のプラントデータを前記サーバに向けて一定時間後に再送信することを選択し、
一定時間後のデータ変化量が閾値よりも大きければ、再送信対象のプラントデータをいったん保持することを選択する、
ことを特徴とする請求項６に記載のプラント機器監視制御システム。
プラントデータを発信する現場装置と、
前記現場装置が発信したプラントデータを収集し、この収集したプラントデータに対して機械学習による学習と機械学習による判定を実施するデータ収集装置と、
前記データ収集装置と第１の広域通信網および第２の広域通信網で接続され、前記データ収集装置から前記第１の広域通信網または前記第２の広域通信網を経由して送信されてくるプラントデータを受信すると、この受信したプラントデータを保存するサーバと、を備え、
前記データ収集装置は、
現在時刻とパケットサイズを入力として、前記第１の広域通信網および前記第２の広域通信網におけるデータ通信の成否を出力とする、機械学習による学習を実施し、
再送制御がスタートして再送信対象のプラントデータが入着すると、現在時刻とパケットサイズを入力として機械学習による判定を実施し、この機械学習による判定を実施した結果、
前記第１の広域通信網を経由したデータ通信が成功する確率が閾値よりも高ければ、再送信対象のプラントデータを、前記第１の広域通信網を経由して再送信することを選択し、前記第２の広域通信網を経由したデータ通信が成功する確率が閾値よりも高ければ、再送信対象のプラントデータを、前記第２の広域通信網を経由して再送信することを選択し、前記第１の広域通信網および前記第２の広域通信網を経由したデータ通信が成功する確率が閾値よりも低ければ、再送信対象のプラントデータをいったん保持することを選択し、再送信対象のプラントデータをいったん保持することを選択した場合には、このいったん保持した再送信対象のプラントデータは、前記サーバに向けて、次回のデータ通信時に送信することを特徴とするプラント機器監視制御システム。
プラントデータを発信する現場装置と、
前記現場装置が発信したプラントデータを収集し、この収集したプラントデータに対して機械学習による学習と機械学習による判定を実施するデータ収集装置と、
前記データ収集装置と広域通信網で接続され、前記データ収集装置からこの広域通信網を経由して送信されてくるプラントデータを受信すると、この受信したプラントデータを保存するサーバと、を備え、
前記データ収集装置は、
時系列データを入力とし、この時系列データの変化量の大きさに対応するように、高、中、低に３分類された重要度を出力とする、機械学習による学習を実施し、
再送制御がスタートして再送信対象のプラントデータが入着すると、時系列データを入力として機械学習による判定を実施し、この機械学習による判定を実施した結果、
重要度が高であれば、再送信対象のプラントデータを優先度高でいったん保持し、
重要度が中であれば、再送信対象のプラントデータを優先度中でいったん保持し、
重要度が低であれば、再送信対象のプラントデータを優先度低でいったん保持し、
このいったん保持した再送信対象のプラントデータは、前記サーバに向けて、優先度の高いものから順番に、次回のデータ通信時に送信することを特徴とするプラント機器監視制御システム。