JP2019133454A - 装置の異常検出方法 - Google Patents
装置の異常検出方法 Download PDFInfo
- Publication number
- JP2019133454A JP2019133454A JP2018015773A JP2018015773A JP2019133454A JP 2019133454 A JP2019133454 A JP 2019133454A JP 2018015773 A JP2018015773 A JP 2018015773A JP 2018015773 A JP2018015773 A JP 2018015773A JP 2019133454 A JP2019133454 A JP 2019133454A
- Authority
- JP
- Japan
- Prior art keywords
- operation data
- statistic
- time
- abnormality
- detection method
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 claims abstract description 129
- 230000008569 process Effects 0.000 claims abstract description 112
- 230000005856 abnormality Effects 0.000 claims abstract description 85
- 238000000491 multivariate analysis Methods 0.000 claims abstract description 16
- 238000001179 sorption measurement Methods 0.000 claims description 121
- 238000005259 measurement Methods 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 claims description 6
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 65
- 229910001873 dinitrogen Inorganic materials 0.000 description 37
- 239000007789 gas Substances 0.000 description 32
- 230000008929 regeneration Effects 0.000 description 25
- 238000011069 regeneration method Methods 0.000 description 25
- 230000000052 comparative effect Effects 0.000 description 17
- 239000002994 raw material Substances 0.000 description 16
- 229910052757 nitrogen Inorganic materials 0.000 description 14
- 238000012360 testing method Methods 0.000 description 14
- 238000004088 simulation Methods 0.000 description 13
- 239000003463 adsorbent Substances 0.000 description 12
- 230000002159 abnormal effect Effects 0.000 description 11
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 10
- 239000001301 oxygen Substances 0.000 description 10
- 229910052760 oxygen Inorganic materials 0.000 description 10
- 238000000926 separation method Methods 0.000 description 9
- 230000002829 reductive effect Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 230000007423 decrease Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 238000010923 batch production Methods 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 3
- 230000006866 deterioration Effects 0.000 description 3
- 238000000513 principal component analysis Methods 0.000 description 3
- 238000012847 principal component analysis method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000036962 time dependent Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- MYMOFIZGZYHOMD-UHFFFAOYSA-N Dioxygen Chemical compound O=O MYMOFIZGZYHOMD-UHFFFAOYSA-N 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 229910001882 dioxygen Inorganic materials 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002808 molecular sieve Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- URGAHOPLAPQHLN-UHFFFAOYSA-N sodium aluminosilicate Chemical compound [Na+].[Al+3].[O-][Si]([O-])=O.[O-][Si]([O-])=O URGAHOPLAPQHLN-UHFFFAOYSA-N 0.000 description 1
Abstract
Description
例えば、回転機器の場合、回転機器自体又はその周囲の部位に振動を計測する計測器を設け、この計測器によって振動値を連続して収集し、解析する。トレンドデータを解析した結果、振動値に増加傾向が見られた場合に、振動値の変動幅と時間によって、回転機器がいつ故障するのか、故障の予兆を検知することができる。このように、プラントに関するいわゆる連続系のデータに対しては、主成分分析や部分的最少二乗法等の多変量解析手法を適用した異常の検出が可能である。
[1]2以上の工程の切り替えを繰り返し行う装置における運転状態の異常を検出する装置の異常検出方法であって、
前記運転状態を監視するための連続して収集した任意の運転データから、任意の工程の開始時、任意の工程の終了時、及び1サイクル中の3分の1以上の時間を有する任意の工程における任意の時点、の少なくとも1種の運転データを抽出し、
多変量解析手法により、正常時の前記運転データを用いて得られた正常時のモデルに、正常時の前記運転データと、現在の前記運転データとを入力し、それぞれの運転データの統計量を算出し、
現在の運転データの統計量が、前記正常時の運転データの統計量と乖離する場合に、運転状態の異常として検出することを特徴とする装置の異常検出方法である。
[2]前記運転データの抽出が、任意の工程の開始時、及び前記任意の工程と異なる工程の終了時である[1]に記載の装置の異常検出方法である。
[3]前記運転データの抽出が、前記任意の工程の開始時及び前記任意の工程と同一工程であって1サイクル中の3分の1以上の時間を有する任意の工程における任意の時点、並びに前記任意の工程の終了時及び前記任意の工程と異なる工程であって1サイクル中の3分の1以上の時間を有する任意の工程における任意の時点、の少なくともいずれかである[1]に記載の装置の異常検出方法である。
[4]前記乖離が、前記正常時の運転データ及び前記現在の運転データの、Q統計量及びT2統計量の少なくともいずれかを算出し、これらの差が予め定めた範囲から外れた状態である[1]から[3]のいずれかに記載の装置の異常検出方法である。
[5]前記運転データが、前記装置に設けられた1以上の計測機器の測定値である[1]から[4]のいずれかに記載の装置の異常検出方法である。
[6]2以上の前記測定値を収集し、前記Q統計量及び前記T2統計量の少なくともいずれかに対する各測定値の寄与度を、下記式(3)及び下記式(4)の少なくともいずれかにより算出することにより、運転状態の異常に寄与している測定箇所を特定する[5]に記載の装置の異常検出方法である。
[8]前記装置が、圧力変動吸着装置、及び温度変動吸着装置の少なくともいずれかである[1]から[7]のいずれかに記載の装置の異常検出方法である。
また、前記装置の付帯装置としては、空気圧縮機等のガス供給装置などが挙げられる。なお、上述した機器が1つである場合、機器そのものが監視対象となる装置であってもよい。
主成分分析手法としては、例えば、統計解析向けのオープンソースソフトウェアであるR言語やOctave等のプログラミング言語などが挙げられる。
閾値としては、例えば、正常時の運転データの統計値の平均値に、前記平均値の標準偏差の値の3倍の数値を足した値[平均値+(標準偏差×3)]により求めることができる。
以下、本発明の装置の異常検出方法を適用した第1の実施形態である窒素ガス発生装置の異常検出方法について、図面を用いて詳細に説明する。なお、以下の説明で用いる図面は、特徴をわかりやすくするために、便宜上特徴となる部分を拡大して示している場合があり、各構成要素の寸法比率などが実際と同じであるとは限らない。
先ず、本発明を適用した一実施形態である窒素ガス発生装置の異常検出方法において、これに用いる窒素ガス発生装置の構成の一例について説明する。図1は、本実施形態に用いる窒素ガス発生装置1の構成を示す系統図である。本実施形態に用いる窒素ガス発生装置1は、PSA分離方法(圧力変動式吸着法)を実施するために好適なPSA分離装置である。
次に、窒素ガス発生装置1を用いて、空気中から酸素と窒素とを分離して窒素ガスを取り出す方法について説明する。ここで、図2は、各工程における各開閉弁の開閉状態と、各吸着塔の圧力変動の状態を示したタイムチャートである。
吸着工程では、先ず、原料ガス圧縮機2によって圧縮された原料ガス(原料空気)を吸着塔4Aに供給し、吸着塔4A内部の圧力を例えば0.8MPaG程度に高める。この際、吸着塔4Bでは後述する再生工程が行われている。
取り出された窒素は、製品タンク5に一度貯留された後、製品窒素流量調整弁15によって流量が調整された後、製品窒素として外部へと導出される。
吸着工程が終了した後は、均圧工程に移行する。均圧工程は、吸着工程終了後の吸着塔4Aと再生工程終了後の吸着塔4Bを連通させることで、吸着塔4A内のガスを移動させる工程である。すなわち、均圧工程では、吸着工程によって昇圧した吸着塔4A内の圧力を、再生工程によって例えば大気圧程度にまで減圧した吸着塔4Bが回収する工程である。
吸着塔4A,4B内の圧力がほぼ等しくなったら均圧工程を終了し、再生工程に移行する。再生工程は、吸着塔4A内の圧力を、例えば大気圧程度にまで下げてガス分離用吸着剤に吸着されていた酸素を脱離させ、ガス分離用吸着剤を再生させる工程である。この際、吸着塔4Bでは吸着工程が行われている。
再生工程を終えて、再度、均圧工程に移行する。今回は、吸着塔4Bの圧力を吸着塔4Aで回収することとなり、均圧ガスの移動方向は逆となるが、その他は上述した均圧工程と同様の工程を行う。
均圧工程が終了すると吸着工程に移行し、以降は上記各工程を周期的に繰り返す。
本実施形態の異常検出方法は、吸着工程、均圧工程、再生工程を繰り返して行う吸着塔4A,4Bを有する窒素ガス発生装置1において、窒素ガス発生装置1に設けられた各種計測機器(流量計6,7、圧力計8〜11、温度計12,13、濃度計14)の測定値を運転データとして収集し、これを解析して異常状態を検知するものである。
また、圧力スイング吸着式のガス発生装置1では、1サイクルの間において圧力値の変動幅が非常に大きいため、従来から公知の主成分分析や部分的最少二乗法等の多変量解析手法を適用した異常検出が困難である。
(比較例1)
図1に示すような窒素ガス発生装置1において、計測機器を用いて圧力、流量、濃度の運転データを1秒間間隔で収集し、その運転データを用いて多変量解析することで故障の予兆の検知が可能かどうかを検証した。
具体的には、空気圧縮機2の異常による原料空気の供給能力不足を想定し、窒素ガス発生装置1への空気導入量が低下した状態で模擬試験を行って検証した。
また、図5は、窒素ガス発生装置1が正常運転状態において、圧力、流量、濃度などの運転データを「1秒間ごと」に収集し、そのデータから多変量解析を行い正常状態としてモデル化したT2統計量の値である。
また、図6は、空気圧縮機2の異常を想定した模擬試験データと、図4で得られた正常状態の運転データとを比較解析して得られたQ統計量の値である。
また、図7は、空気圧縮機2の異常を想定した模擬試験データと、図5で得られた正常状態の運転データとを比較解析して得られたT2統計量の値である。
また、図8は、空気圧縮機2の異常を想定した模擬試験データのQ統計量とT2統計量との値から、計測機器のどの箇所がずれの要因であるか寄与の度合いを解析した結果である。
さらに、下記表1は、Q統計量及びT2統計量の3時間分のデータにおける正常時の運転データの平均値及び標準偏差、正常時のモデルに現在の運転データを入力して得られた現在の運転データの統計量、並びに異常の有無を示す。
なお、正常時の運転データの閾値は、正常時の運転データの統計値の平均値に、前記平均値の標準偏差の値の3倍の数値を足した値[平均値+(標準偏差×3)]により求めた。
次いで、比較例1で得られた運転データの中から、吸着塔4Aの吸着圧力が最大値となる時点(すなわち、吸着塔4Aの吸着工程の終了時)の各計測機器のデータを抽出し、その抽出した運転データ(正常時の運転データ、及び現在の運転データ)を正常時のモデルに入力し、統計量を算出して故障の予兆の検知が可能かどうかを検証した。
また、図10は、正常状態の図4のデータから吸着塔4Aの吸着圧力が最大値となる時点の各計測機器のデータを抽出したときのT2統計量の経時変化を示す図である。
また、図12は、空気圧縮機2の異常を想定した模擬試験データと、図10で得られた正常状態の運転データとを比較解析して得られたT2統計量の値である。
次いで、比較例1で得られた運転データの中から、1サイクル中の3分の1未満の時間を有する任意の工程(均圧工程)における任意の時における各計測機器のデータを抽出し、その抽出した運転データ(正常時の運転データ、及び現在の運転データ)を正常時のモデルに入力し、統計量を算出して故障の予兆の検知が可能かどうかを検証した。
本発明の装置の異常検出方法を適用した他の実施形態としては、温度変動吸着(Thermal Swing Adsorption:TSA)装置の異常検出方法が挙げられる。TSA装置においても、運転サイクル中、吸着塔の加熱、冷却を繰り返すことから、本発明の異常検出方法は有効な手段である。
2…原料ガス(空気)圧縮機
3…レシーバタンク
4A,4B…吸着塔
5…製品タンク
6,7…流量計(MFM:マスフローメーター)
8〜11…圧力計
12,13…温度計
14…濃度計
AV1〜AV6…開閉弁
Claims (8)
- 2以上の工程の切り替えを繰り返し行う装置における運転状態の異常を検出する装置の異常検出方法であって、
前記運転状態を監視するための連続して収集した任意の運転データから、任意の工程の開始時、任意の工程の終了時、及び1サイクル中の3分の1以上の時間を有する任意の工程における任意の時点、の少なくとも1種の運転データを抽出し、
多変量解析手法により、正常時の前記運転データを用いて得られた正常時のモデルに、正常時の前記運転データと、現在の前記運転データとを入力し、それぞれの運転データの統計量を算出し、
現在の運転データの統計量が、前記正常時の運転データの統計量と乖離する場合に、運転状態の異常として検出することを特徴とする装置の異常検出方法。 - 前記運転データの抽出が、任意の工程の開始時、及び前記任意の工程と異なる工程の終了時である請求項1に記載の装置の異常検出方法。
- 前記運転データの抽出が、前記任意の工程の開始時及び前記任意の工程と同一工程であって1サイクル中の3分の1以上の時間を有する任意の工程における任意の時点、並びに前記任意の工程の終了時及び前記任意の工程と異なる工程であって1サイクル中の3分の1以上の時間を有する任意の工程における任意の時点、の少なくともいずれかである請求項1に記載の装置の異常検出方法。
- 前記乖離が、前記正常時の運転データ及び前記現在の運転データの、Q統計量及びT2統計量の少なくともいずれかを算出し、これらの差が予め定めた範囲から外れた状態である請求項1から3のいずれかに記載の装置の異常検出方法。
- 前記運転データが、前記装置に設けられた1以上の計測機器の測定値である請求項1から4のいずれかに記載の装置の異常検出方法。
- 2以上の前記測定値を収集し、前記Q統計量及び前記T2統計量の少なくともいずれかに対する各測定値の寄与度を、下記式(3)及び下記式(4)の少なくともいずれかにより算出することにより、運転状態の異常に寄与している測定箇所を特定する請求項5に記載の装置の異常検出方法。
- 前記運転データ、検出した結果、及び運転状態の異常に寄与している測定箇所の少なくとも1種を、有線又は無線回線によって遠隔監視する請求項6に記載の装置の異常検出方法。
- 前記装置が、圧力変動吸着装置、及び温度変動吸着装置の少なくともいずれかである請求項1から7のいずれかに記載の装置の異常検出方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018015773A JP2019133454A (ja) | 2018-01-31 | 2018-01-31 | 装置の異常検出方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018015773A JP2019133454A (ja) | 2018-01-31 | 2018-01-31 | 装置の異常検出方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2019133454A true JP2019133454A (ja) | 2019-08-08 |
Family
ID=67547506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018015773A Pending JP2019133454A (ja) | 2018-01-31 | 2018-01-31 | 装置の異常検出方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2019133454A (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102187288B1 (ko) * | 2020-04-20 | 2020-12-04 | (주)테크윈시스템 | 공정감시제어의 입력오류 및 제어오류 대응 기반 시스템 |
WO2021210654A1 (ja) * | 2020-04-15 | 2021-10-21 | 株式会社 東芝 | プロセス監視装置、プロセス監視方法及びプログラム |
CN115237081A (zh) * | 2022-09-22 | 2022-10-25 | 蘑菇物联技术(深圳)有限公司 | 确定具有异常的后处理设备的方法、设备和介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002239330A (ja) * | 2001-02-16 | 2002-08-27 | Advan Riken:Kk | 圧力スイング吸着式ガス発生装置 |
JP2004232968A (ja) * | 2003-01-30 | 2004-08-19 | Mitsubishi Electric Corp | 空調運転監視システム、異常検出方法および異常検出装置 |
JP2006281072A (ja) * | 2005-03-31 | 2006-10-19 | Hitachi Ltd | 気体分離装置 |
JP2008018307A (ja) * | 2006-07-11 | 2008-01-31 | Taiyo Nippon Sanso Corp | 制御装置、及び異常検出方法 |
JP2008167917A (ja) * | 2007-01-11 | 2008-07-24 | Teijin Pharma Ltd | 酸素濃縮装置およびその異常監視方法 |
WO2009001775A1 (ja) * | 2007-06-27 | 2008-12-31 | Sharp Kabushiki Kaisha | 異常要因特定方法およびシステム、上記異常要因特定方法をコンピュータに実行させるためのプログラム、並びに上記プログラムを記録したコンピュータ読み取り可能な記録媒体 |
JP2009020717A (ja) * | 2007-07-12 | 2009-01-29 | Omron Corp | 状態監視方法及び状態監視装置並びにプログラム |
JP2016164772A (ja) * | 2015-02-26 | 2016-09-08 | 富士電機株式会社 | プロセス監視装置、プロセス監視方法及びプログラム |
JP2017033470A (ja) * | 2015-08-05 | 2017-02-09 | 株式会社日立パワーソリューションズ | 異常予兆診断システム及び異常予兆診断方法 |
-
2018
- 2018-01-31 JP JP2018015773A patent/JP2019133454A/ja active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002239330A (ja) * | 2001-02-16 | 2002-08-27 | Advan Riken:Kk | 圧力スイング吸着式ガス発生装置 |
JP2004232968A (ja) * | 2003-01-30 | 2004-08-19 | Mitsubishi Electric Corp | 空調運転監視システム、異常検出方法および異常検出装置 |
JP2006281072A (ja) * | 2005-03-31 | 2006-10-19 | Hitachi Ltd | 気体分離装置 |
JP2008018307A (ja) * | 2006-07-11 | 2008-01-31 | Taiyo Nippon Sanso Corp | 制御装置、及び異常検出方法 |
JP2008167917A (ja) * | 2007-01-11 | 2008-07-24 | Teijin Pharma Ltd | 酸素濃縮装置およびその異常監視方法 |
WO2009001775A1 (ja) * | 2007-06-27 | 2008-12-31 | Sharp Kabushiki Kaisha | 異常要因特定方法およびシステム、上記異常要因特定方法をコンピュータに実行させるためのプログラム、並びに上記プログラムを記録したコンピュータ読み取り可能な記録媒体 |
JP2009020717A (ja) * | 2007-07-12 | 2009-01-29 | Omron Corp | 状態監視方法及び状態監視装置並びにプログラム |
JP2016164772A (ja) * | 2015-02-26 | 2016-09-08 | 富士電機株式会社 | プロセス監視装置、プロセス監視方法及びプログラム |
JP2017033470A (ja) * | 2015-08-05 | 2017-02-09 | 株式会社日立パワーソリューションズ | 異常予兆診断システム及び異常予兆診断方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021210654A1 (ja) * | 2020-04-15 | 2021-10-21 | 株式会社 東芝 | プロセス監視装置、プロセス監視方法及びプログラム |
US20210325842A1 (en) * | 2020-04-15 | 2021-10-21 | Kabushiki Kaisha Toshiba | Process monitoring device, process monitoring method, and program |
JP7379671B2 (ja) | 2020-04-15 | 2023-11-14 | 株式会社東芝 | プロセス監視装置、プロセス監視方法及びプログラム |
KR102187288B1 (ko) * | 2020-04-20 | 2020-12-04 | (주)테크윈시스템 | 공정감시제어의 입력오류 및 제어오류 대응 기반 시스템 |
CN115237081A (zh) * | 2022-09-22 | 2022-10-25 | 蘑菇物联技术(深圳)有限公司 | 确定具有异常的后处理设备的方法、设备和介质 |
CN115237081B (zh) * | 2022-09-22 | 2022-12-02 | 蘑菇物联技术(深圳)有限公司 | 确定具有异常的后处理设备的方法、设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2019133454A (ja) | 装置の異常検出方法 | |
CN102112201B (zh) | 吸附床再加压控制方法 | |
JP4721234B2 (ja) | 真空ポンプの傾向監視及び診断解析方法、その傾向監視及び診断解析システム、及びその方法を行うコンピュータプログラムを含むコンピュータ可読記憶媒体 | |
JP6291161B2 (ja) | ロータ異常の検出 | |
KR20070045217A (ko) | 정지마찰의 감지 및 정량 | |
CN112005069B (zh) | 冷冻干燥处理和装备健康状况监测 | |
JP2007536490A (ja) | 構成要素モデルおよび時間スケール直交展開を使用したセンサ障害の診断および予知 | |
JP7430024B2 (ja) | ガスを濃縮するためのシステムおよび方法 | |
JP2017128805A (ja) | 高炉の操業方法 | |
JP2004124765A (ja) | 回転機の寿命予測方法及び回転機を有する製造装置 | |
KR102144444B1 (ko) | 뉴럴 네트워크 기반 압력변동흡착장치 내 비정상 작동 감지 시스템 및 그 감지 방법 | |
CN115993247B (zh) | 基于时间序列分解和保序回归的钻机主轴轴承健康状态评估方法 | |
US7509233B2 (en) | Diagnostics for identifying a malfunctioning component in an air compressor system onboard a locomotive | |
JP6952622B2 (ja) | 性能評価方法、性能評価装置、及び性能評価システム | |
KR102285117B1 (ko) | 멀티 노점계를 이용한 흡착식 제습장치의 공정 절환 제어 방법 | |
JP4041395B2 (ja) | 故障検出装置及び故障検出方法 | |
CN110431496B (zh) | 评估装置、评估系统、评估方法和计算机可读存储介质 | |
KR100905235B1 (ko) | 진공펌프의 고장 방지 및 예보유지를 위한 정밀진단 기법과그 구현 시스템. | |
JP4980323B2 (ja) | プラント制御診断装置、方法及びプログラム | |
JP2022516479A (ja) | 圧力下または真空下のガスネットワーク内の漏れを検出するための方法、およびガスネットワーク | |
JP2015179454A (ja) | 予測システム、監視システム、運転支援システム、ガスタービン設備及び予測方法 | |
GB2459319A (en) | Calculating steam loss by comparison of a vibration signal to a previously generated record that correlates vibration and leakage quantity | |
CN105910806A (zh) | 加注泵早期健康状态监测方法 | |
JP2006350698A (ja) | 異常診断装置、異常診断方法、異常診断プログラム | |
US11745138B2 (en) | Health management of membrane gas separation systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20201106 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201201 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210831 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210907 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211022 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220301 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20220906 |