JP2020004087A - プラント診断システムおよび方法 - Google Patents

Abstract

【課題】診断の信頼性を向上できるプラント診断システムを提供すること。【解決手段】プラント診断システム１は、プラント２についての所定の運転データＤ１１を取得するデータ取得部１１と、所定の運転データを所定のモデルに基づいてシミュレーション処理することにより、第１解析結果を算出する第１解析部１３と、所定の運転データを統計処理した結果と第１解析結果とに基づいて、第２解析結果を算出する第２解析部１４と、第１解析結果と第２解析結果とに基づいて所定の解析結果情報を出力する解析結果情報出力部１６とを備え、所定のモデルは、プラント全体の挙動を記述するプラントモデル１３１と、プラントを構成する各機器に関する機器・配管モデル１３２と、各機器を構成する材料に関する材料モデル１３３とを含む。【選択図】図１

Description

本発明は、プラント診断システムおよび方法に関する。

例えば、石油精製プラント、化学プラント、水処理プラント等のプラントでは、長期にわたる安定運用が期待されている。このために、プラントを診断するシステムが提案されている（特許文献１〜３）。

特許文献１は、複数の発電プラントから運転・保守フィールドデータをネットワーク経由で収集し、運用性と経済性に優れた発電プラントを監視したり診断したりするシステムを提供する。

特許文献２は、プラントの種々の異常に対して適用可能なプラント監視装置を開示している。

特許文献３には、プラントの製造や点検または運転等の履歴を考慮して、異常を診断する方法が記載されている。

特開２００３−１１４２９４号公報 特開２０１０−４９３５９号公報 特開平６−３３１５０７号公報

特許文献１〜３に記載の従来技術は、プラントを構成する各機器の材料の劣化特性まで考慮して解析していないため、診断の信頼性に改善の余地がある。

本発明は、上述の問題に鑑みてなされたもので、その目的は、診断の信頼性を向上できるようにしたプラント診断システムおよび方法を提供することにある。

前記課題を解決すべく、本発明に従うプラント診断システムは、プラントを診断するプラント診断システムであって、プラントについての所定の運転データを取得するデータ取得部と、所定の運転データを所定のモデルに基づいてシミュレーション処理することにより、第１解析結果を算出する第１解析部と、所定の運転データを統計処理した結果と第１解析結果とに基づいて、第２解析結果を算出する第２解析部と、第１解析結果と第２解析結果とに基づいて所定の解析結果情報を出力する解析結果情報出力部とを備え、所定のモデルは、プラント全体の挙動を記述するプラントモデルと、プラントを構成する各機器に関する機器・配管モデルと、各機器を構成する材料に関する材料モデルとを含む。

本発明によれば、プラントモデルと機器・配管モデル及び材料モデルを含む所定のモデルを用いてシミュレーション処理することにより得られる第１解析結果と、所定の運転データを統計処理した結果とに基づいて、第２解析結果を算出し、第１解析結果と第２解析結果とに基づいて所定の解析結果情報を出力することができ、信頼性が向上する。

プラント診断システムを含む全体システムの機能ブロック図である。 プラント診断システムを実現するハードウェア構成図である。 プラントモデルを示す説明図である。 機器・配管モデルを示す説明図である。 機器・配管モデルシミュレータの出力結果を示す説明図である。 機器・配管モデルと機器・配管モデルシミュレータとの関係を示すブロック図である。 材料モデルと機器・配管モデルと機器・配管モデルシミュレータとの関係を示すブロック図である。 三次元の解析モデルを用いて異常の有無を判定する説明図である。 ユーザに提供される画面の例を示す。 プラント診断システムの処理概要を示す説明図である。

以下、図面に基づいて、本発明の実施の形態を説明する。本実施形態では、後述のように、プラント２の実際の状態から算出される演算結果を帰納的解析モデル１４へ反映させることにより、高い信頼性を持つ診断を可能とする。

本実施形態に係るプラント診断システム１は、例えば、石油精製プラント、化学プラント、電力プラント、水処理プラント、医薬品製造プラント等の流体を取り扱うプラントに適用することができる。流体としては、例えば、水、石油、海水、化学薬品、蒸気、ガス等がある。自動車工場、機械加工工場等においても、水蒸気または石油、ガスといった流体を使用する。それらの流体が機器へ加える作用の影響を診断する場合、本実施形態に係るプラント診断システム１を用いることができる。

本実施例では、プラントモデル１３１と機器・配管モデル１３２および材料モデル１３３の三層構造を持つ所定モデルを用い、運転データを所定モデルへ与えた結果を統計解析モデル（帰納的解析モデル）１４へ入力する。これにより、本実施形態に係るプラント診断システム１は、所定時間後の運転状態を信頼性高く診断できる。以下の説明では、「機器」には、例えば、バルブ、反応槽、蒸留塔、熱交換機といった装置のほかに、配管、継ぎ手、オリフィスといった接続構造も含む。

本実施形態では、いわゆるＩｏＴ（Internet of Things）を活用してプラントの運転または保守を適切に行うために、プラント２から出力されるセンサーデータを用いた帰納的（統計的）な解析１４と演繹的（物理的）な解析１３とを連携させる。

これにより、本実施形態に係るプラント診断システム１は、プラント２の異常をいち早く検知することができる。さらに、プラント診断システム１は、プラント２を構成する機器や材料の劣化特性を評価することにより、異常の生じた原因や場所、機器やプラントの余寿命を推定できる。

本実施形態のプラント診断システム１は、少なくとも、プラント２の各センサデータが入力されるデータ取得部１１と、データを演繹的及び帰納的に解析する解析部１３，１４と、解析結果出力部１６とを含む。

演繹的解析部１３は、サイバー空間上に構築されたプラント全体の挙動を記述するプラントモデル１３１、プラントを構成する機器のモデル１３２、機器を構成する材料のモデル１３３とを含む。これにより、プラント２の各部位の任意の運転時間後の状態が可視化される。

プラント診断システム１は、プラント２の構成を記述するプラント構成データを利用することができる。プラント構成データは、例えば、プロセスフロー図、配管計装図、アイソメトリック図、三次元設計図を含む。

プラントモデル１３１は、プロセスフロー図を基に記述され、センサデータ、及び／または、プラント２が取扱う化学操作からプラント各部の操業中の状態を記述するシミュレーションから、プラント２の状態を記述するモデルである。

機器・配管モデル１３２は、配管計装図、または、アイソメトリック図を基に記述される機器・配管配置図から構成される。機器・配管モデル１３２は、プラントモデル１３１から出力されるマクロな一次元流体属性計算情報と、各機器の部位の形状に起因するミクロな三次元流体属性計算情報とを記述する。機器・配管モデル１３２のマクロな一次元流体属性計算情報の一部は、ミクロな三次元流体属性計算情報を縮約することにより得られる。

材料モデル１３３は、機器を構成する材質情報を蓄積するデータベース１７と、各機器の各部位の流体属性情報とから計算される。材料モデル１３３は、材料の任意の運転時間後の状態を記述する。材料モデル１３３は、材料の物性を記述する材料物性モデルと呼ぶこともできる。

プラントの運転データには、プラント２の状態を検査する検査装置３で生成される検査データを含めることができる。検査は、定期的または不定期に実施される。プラント診断システム１は、検査データによりプラントの状態の整合を図る。すなわち、プラント診断システム１は、検査データを用いることにより、演繹的解析部１３のモデル１３１〜１３３を補正することができる。

材料データベース１７で管理する材料情報は、材料に対する流体の作用を記述する情報である。流体の作用としては、例えば、腐食、浸食がある。流体の性質（種類、温度、圧力、ｐＨ、流速、溶存酸素量、不純物の含有量等）によって、ある材料の機器がその流体により腐食等する程度は異なる。

解析結果情報出力部１６は、例えば、プラント２の異常部位を診断した結果、異常の原因を特定した結果、保守計画を最適化した結果、運転を最適化した結果のうちの少なくともいずれか一つを出力する。

このように構成される本実施形態によれば、材料の劣化挙動に基づく演繹的解析部（物理的解析部）１３と実データ（センサデータ）に基づく帰納的解析部（統計解析部）１４とを連携させて解析結果情報を得ることができる。これにより本実施形態では、複数の解析部１３，１４の連携により得られた解析結果情報に基づいて、プラントの異常診断、異常の原因特定、保守計画の修正、運転計画の修正等を行うことができる。

図１〜図１０を用いて第１実施例を説明する。図１は、プラント診断システム１を含む全体システムの機能ブロック図である。

プラント診断システム１は、図２で後述するように、一つまたは複数の計算機から構成することができる。プラント診断システム１は、プラント２に配置された各センサ２１からのデータＤ１１（センサデータ）を通信ネットワークＣＮを介して取得する。プラント診断システム１は、センサデータＤ１１とプラント２の構成を示す図面データＤ１２とに基づいて、プラント２を所定の観点で診断する。プラント診断システム１は、プラント２の状態を検査する検査装置３から検査データＤ１３を受け取ることにより、モデル１３１〜１３３をプラント２の実態に合わせることもできる。

プラント診断システム１は、プラント単位で設けることもできるし、複数のプラント２を一つのプラント診断システム１で管理することもできる。

図１を用いて、プラント診断システム１の機能構成を説明する。プラント診断システム１は、例えば、それぞれ後述するように、データ取得部１１、運転データ記憶部１２、演繹的解析部１３、帰納的解析部１４、解析結果記憶部１５、解析結果情報出力部１６を備える。

データ取得部１１は、運転データを取得する機能である。運転データは、センサデータＤ１１と検査データＤ１３とを含む。

センサデータＤ１１は、プラント２に設置された各センサ２１から出力される。センサ２１には、例えば、温度センサ、圧力センサ、ｐＨ計、流速計、流量計、溶存酸素量計、色彩センサ等がある。一つまたは複数のセンサ２１のデータを現場計器（コントローラ、シーケンサ、データーロガー等）で受信し、現場計器からプラント診断システム１へ送信してもよい。

検査データＤ１３は、検査員等が所持する検査装置３により生成されて、データ取得部１１へ送られる。検査装置３としては、例えば、減肉または腐食の程度を計測する超音波厚さ計、磁気式厚さ計、Ｘ線検査装置等がある。本実施例の検査装置３は、演繹的解析部１３で使用するモデルの補正に使用することのできるパラメータを計測する。

運転データ記憶部１２は、データ取得部１１から受領した運転データＤ１１，Ｄ１３を記憶する。

「第１解析部」としての演繹的解析部１３は、センサデータＤ１１および図面データＤ１２を所定のモデル１３１〜１３３に基づいてシミュレーション処理することにより、第１解析結果を出力する。演繹的解析部１３は、後述のように、プラントモデル１３１、機器・配管モデル１３２、材料モデル１３３を有する。さらに演繹的解析部１３は、材料データベース１７と機器・配管モデルシミュレータ１８とに接続されている。

「第２解析部」としての帰納的解析部１４は、各センサデータＤ１１及び／またはセンサデータＤ１１を演算して得られたデータ、及び／または、演繹的解析部１３からの出力される第１解析結果とを数学的、統計的に処理する。これにより、帰納的解析部１４は、第２解析結果を算出し、解析結果記憶部１５へ記憶させる。

解析結果を記憶する解析結果記憶部１５は、演繹的解析部１３からの第１解析結果と、帰納的解析部１４からの第２解析結果とが記憶される。解析結果情報出力部１６は、解析結果記憶部１５に記憶された第１解析結果および第２解析結果に基づいて解析結果情報を作成し、出力する。解析結果情報には、第１解析結果の情報および第２解析結果の情報に限らず、例えば、プラント２の各部の余寿命、余寿命の分布、保守計画見直しの提案、運転計画修正の提案といった、第１解析結果の情報及び／または第２解析結果の情報から算出される加工情報も含めることができる。解析結果情報は、例えば、プラント診断システム１を操作するオペレータの端末または、生産計画を立案管理する外部システム（不図示）へ送られる。

上述の通り、プラント２に設置された各センサ２１より、プラント２内を流れる流体の温度、圧力、流量、差圧などのセンサデータＤ１１が時系列に取得されて、プラント診断システム１へ送信される。データ取得部１１により取得されたセンサデータＤ１１の少なくとも一部は、帰納的解析モデル１４に導入され、統計的な処理により解析結果記憶部１５に出力される。解析結果記憶部１５を活用し、異常の判定や寿命の推定、運転最適化などのプラント診断、運用に関わる解析結果を解析結果の活用手段５に出力する。

センサデータＤ１１の少なくとも一部は、演繹的解析モデル１３に送られる。演繹的解析部１３は、受け取ったセンサデータＤ１１について所定の解析処理を実施した後に、その解析結果（第１解析結果）を帰納的解析モデル１４へ送る。

演繹的解析モデル１３は、「所定のモデル」としてのプラントモデル１３１、機器・配管モデル１３２、材料モデル１３３を有する。

プラントモデル１３１と機器・配管モデル１３２とは、図面データ記憶部２２に記憶された図面データＤ１２に基づいて構成される。図面データ記憶部２２は、プラント診断システム１内に設けてもよいし、あるいは、プラント診断システム１とは別のシステム内に設けられてもよい。別システム内の図面データ記憶部２２の記憶内容の一部を、プラント診断システム１内にコピーして使用してもよい。

図面データＤ１２には、例えば、プラント２のプロセスフロー図（ＰＦＤ図）、機器計装図（Ｐ＆ＩＤ図）、アイソメトリック図、３Ｄ−ＣＡＤ図などが含まれる。

プラントモデル１３１は、主にプロセスフロー図と機器計装図とを基に構成されるもので、化学種成分の挙動や用益系の挙動が記述される。化学種成分の挙動は、例えば、化学プロセスの物質収支や反応、熱の出入り等に基づいて発生する。用益系の挙動とは、例えば水蒸気、電力等の用益系の挙動である。プラントモデル１３１は、センサデータＤ１１の情報と化学プロセスシミュレータ（不図示）による計算結果とを基に、センサデータＤ１１以外の他のデータを予測して演算する。

機器・配管モデル１３２は、主として、アイソメトリック図と３Ｄ−ＣＡＤ図とに基づいて構成される。機器・配管モデル１３２は、実際に機器（配管を含む）を実際に流れる流体の温度、流量、圧力等を算出する。

すなわち機器・配管モデル１３２は、プラントモデル１３１で得られたセンサ情報と化学プロセスシミュレータによる計算結果とに基づき、機器および配管の実際の取り回しと機器の構成情報等も加味して、実際に配管内を流れる流体の温度、流量、圧力等を求める。本実施例では、より詳細に三次元的な流れ解析を行い、その解析結果を抽出してモデルとして活用するために、機器・配管モデルシミュレータ１８によって三次元解析を行った後、特徴量を抽出して機器・配管モデル１３２へ情報を伝達する。例えば、機器・配管モデルシミュレータ１８により計算された「流速の最も早くなる部分」を抽出し、「流速の最も早くなる部分」を特徴量として機器・配管モデル１３２へ伝達する。

材料モデル１３３は、腐食、亀裂または浸食等の、材料的な劣化の要因となる現象を記述するモデルである。モデル１３３の例として、例えば、流れ加速腐食、液滴衝突エロージョン、外面腐食、ガルバニック腐食、孔食腐食等がある。

材料モデル１３３では、機器・配管モデル１３２から入力される流れ、温度、圧力、ｐＨ、溶存酸素量、ドレイン量、液滴粒子系等を基に、これらの条件が複合的に生じた際の、例えば、腐食等による減肉速度を計算する。この減肉速度等を計算するために必要な各条件の減肉量等の情報は、材料データベース１７より抽出する。

以上のモデル１３１〜１３３から求められる計算値は、演繹的解析部１３から帰納的解析部１４を経て解析結果記憶部１５に記憶される場合と、演繹的解析部１３から解析結果記憶部１５へ直接送られて記憶される場合とがある。すなわち、各モデル１３１〜１３３で得られた計算値は、帰納的解析モデルである帰納的解析部１４に送られて、センサデータＤ１１と一緒に統計的に処理される。統計処理された結果は解析結果記憶部１５に記憶される。あるいは、モデル１３１〜１３３で求められた計算値は、解析結果記憶部１５へ直接送られて記憶される。

図２は、プラント診断システム１を実現する計算機のハードウェア構成例である。計算機は、例えば、マイクロプロセッサ（図中、CPU：Central Processing Unit）１０１と、メモリ１０２と、補助記憶装置１０３と、通信インターフェース部１０４と、ユーザインターフェース部１０５とを備える。補助記憶装置１０３には、プラント診断システム１の各機能１１〜１６を実現するためのコンピュータプログラムＰ１と、プラント診断システム１で使用する各種データＤ１とが記憶されている。マイクロプロセッサ１０１がコンピュータプログラムＰ１をメモリ１０２に読み出して実行することにより、プラント診断システム１としての機能が実現される。

通信インターフェース部１０４は、通信ネットワークＣＮを介して、プラント２の各センサ２１と通信可能に接続される。ユーザインターフェース部１０５には、プラント診断システム１のユーザ（オペレータ）との間で情報を交換する装置が接続される。ユーザインターフェース部１０５は、情報入力装置と情報出力装置とを含む。情報入力装置には、例えば、キーボード、マウス、タッチパネル、音声入力装置等がある。情報出力装置には、例えば、ディスプレイ、プリンタ、音声合成装置等がある。記憶媒体にデータを読み書きする装置を用いることにより、プラント診断システム１内で算出された解析結果を外部へ出力したり、あるいは、外部からプラント診断システム１へコンピュータプログラムまたはデータを入力したりすることもできる。

図１０に示すように、コンピュータ端末（オペレータ端末）４をプラント診断システム１へ接続してもよい。これにより、プラント診断システム１とオペレータとは、コンピュータ端末４を介して情報を交換できる。コンピュータ端末４は、いわゆるデスクトップ型のコンピュータ端末でもよいし、タブレット型等のモバイル端末でもよい。

図３〜図７を用いて演繹的解析部１３の構成を説明する。図３は、プラントモデル１３１の例を示す。図３は、原料を、蒸留塔を用いて４つの溜分に分離する仮想プラントを示している。

原料タンク２３の液体原料は、ポンプ２４により蒸留塔２６へ送られる。液体原料は、ポンプ２４から蒸留塔２６へ送られるまでの間に、熱交換器２５により加熱される。液体原料の温度Ｔ２を所定温度に保持するために、加熱蒸気配管２７（１）から熱交換器２５へ供給される加熱水蒸気の流量を流量制御弁２９で調整する。

熱交換器２５では、加熱蒸気の流れる配管２７（１）からの熱により、液体原料が加熱される。液体原料を加熱した水蒸気は配管２７（２）に流出する。加熱された液体原料が蒸留塔２６へ送られることにより、４種類の留分２８Ａ〜２８Ｄを得る。

図３の例では、プラントの各所にセンサ２１（１）〜２１（７）が設置されており、これらセンサ２１は、温度（Ｔ）、流量（Ｆ）、圧力（Ｐ）といったデータを測定してプラント診断システム１へ送信する。或るセンサ２１（４）は温度、流量、圧力を測定するが、他のセンサ２１（１）〜（５），（７）は温度と流量だけを測定する。センサ２１（６）は実際には設けられていないものとする。

例えばセンサ２１（６）が存在しない場合、通常のプラント診断システムは、溜分Ｃの温度Ｔ６、流量Ｆ６のデータを取得することができない。そこで、本実施例のプラント診断システム１は、プラントモデル１３１と他のセンサデータとを用いることにより、不足しているデータＴ６，Ｆ６を予測する。さらに、本実施例のプラント診断システム１によれば、プラントモデル１３１を用いるため、不足データＴ６，Ｆ６を含む各センサデータＤ１１の将来の運転時における変化を予測することができる。

さらに、本実施例では、例えば、熱交換器２５の熱伝達率を、液体原料が熱交換器を通過する際の温度変化と、液体原料の流量と、水蒸気の温度および流量との関係から求めることもできる。このように、プラント２に含まれる機器の特徴量（熱伝達率等）を計算して帰納的解析部１４へ渡すことにより、帰納的解析部１４ではより詳細に解析することができる。

図４に、機器・配管モデル１３２の例を示す。図５に、機器・配管モデルシミュレータ１８による計算例を示す。

図４に示す機器・配管モデル１３２は、ノードＮ１に相当する機器からノードＮ１１に相当する機器に至る配管の経路を模式化して示す。機器・配管モデル１３２は、実際の施工図面であるアイソメトリック図を基に作図されており、一次元の流れ解析を実施することにより得られる。

ノードＮ１の機器から流れ出た流体（液体原料等）は、各ノードＮ２〜Ｎ１０を経由してノードＮ１１の機器に流入する。図４の例では、各ノードＮ１−Ｎ１１におけるヘッド圧や流速を、一次元解析モデルを用いて計算する。

ここで、仮にノードＮ８とノードＮ９との間に、例えばオリフィス２７１が設けられており、流量が調整されていたとすると、オリフィス２７１を通過する部分の流れは複雑になり、通常の直管とは違った流れが生じる。これにより、配管材料に対して過酷な流れの場が形成されることがある。そこで、本実施例では三次元の流れ解析を実施する。

図５は、機器・配管モデルシミュレータ１８による三次元流れ解析の例である。図５では、オリフィス２７１における流れの解析例を示す。機器・配管モデルシミュレータ１８は、流れが過酷な点（オリフィス２７１での特徴量を抽出する。機器・配管モデルシミュレータ１８により抽出された特徴量は、機器・配管モデル１３２に導入される。これにより機器・配管モデル１３２の精度が向上する。

三次元流れ解析の対象はオリフィスに限らない。例えば、エルボ継ぎ手、バルブ等の複雑な形状を有する配管を解析対象としてもよい。ポンプ、圧縮機、熱交換器等の機器を解析対象にしてもよい。

図６に、機器・配管モデル１３２と機器・配管モデルシミュレータ１８との接続関係を示す。図６には、機器・配管モデルシミュレータを計算する計算部１８１と、機器・配管モデルシミュレータで使用するデータを記憶するデータベース１８２と、既存モデルの有無を判定する機構１８３との関係が示されている。

図５で述べた機器・配管モデルシミュレータ１８は、複雑なシミュレーション結果を出力するのに膨大な時間を必要とする。このため、図１では、機器・配管モデルシミュレータ１８を、センサデータＤ１１の流れの外に配置している。

機器・配管モデルシミュレータ計算部１８１の計算結果は、データベース１８２に随時保管される。機器・配管モデルシミュレータ１８による適切な計算結果は、機器・配管モデル１３２に送信される。もし使用可能な計算結果がデータベース１８２に保存されていなければ、機器・配管モデルシミュレータ計算部１８１によって新たに計算される。その計算結果はデータベース１８２に保存される。

機器・配管モデルシミュレータ１８による計算結果が既に存在するか否かは、既存モデル有無判定機構１８３にて判定される。既存モデルが存在する場合（YES）には、その既存モデルがデータベース１８２より読み出される。これに対し、既存モデルが存在しない場合（NO）には、機器・配管モデルシミュレータ計算部１８１により新たに計算され、その計算結果がデータベース１８２に保存される。

図７に、材料モデル１３３と機器・配管モデル１３２と機器・配管モデルシミュレータ１８との関係を示す。

材料特性評価機構１３３１は、機器・配管モデル１３２と、機器・配管モデルシミュレータ１８と、材料データベース１７とに接続されている。さらに、材料特性評価機構１３３１は、機器材料仕様１３３２を使用することができる。機器材料仕様１３３２は、機器および配管の材料の仕様データである。

上述の通り、機器・配管モデル１３２と機器・配管モデルシミュレータ１８とは、抽出された特徴量を活かす点で連携する。すなわち、機器・配管モデルシミュレータ１８で抽出された特徴量は、機器・配管モデル１３２に反映される。

これに対し、材料モデル１３３は、機器・配管モデル１３２または機器・配管モデルシミュレータ１８のいずれとも連携することができる。すなわち、機器・配管モデル１３２のように特徴量が抽出された後の流れ場に対して、材料モデル１３３を適用することもできるし、あるいは、機器・配管モデルシミュレータ１８のように詳細な三次元流れ場に対して材料モデル１３３を適用することもできる。

材料モデル１３３は、機器・配管モデル１３２若しくは機器・配管モデルシミュレータ１８より得られた流体の流れ、温度、圧力、振動等のデータと、機器材料仕様１３３２より得られる配管を構成する材料の材質情報とから、解析対象の機器や配管の劣化状況を算出する。材料モデル１３３の算出結果は、出力結果１３３３として出力される。

配管の流れ加速腐食を例にあげて説明する。機器・配管モデル１３２若しくは機器・配管モデルシミュレータ１８より、流体の流速、温度、圧力、ｐＨ、溶存酸素量若しくはそれらの分布が材料モデル１３３に入力される。さらに、機器材料仕様１３３２より、配管を流れる流体の種類と、配管を構成する材料の種類とが材料モデル１３３に入力される。材料特性評価機構１３３１には、下記の式１に示す流れ加速腐食による減肉速度の計算式が与えられている。

（減肉速度）＝ｆ（流速、温度、圧力、ｐＨ、溶存酸素量）・・・(式１)

材料特性評価機構１３３１に入力された各値より、それらの値に適した減肉速度が材料データベース１７から検索される。検索された減肉速度は、式１により計算されて出力結果１３３３に出力される。検索しても適切な値が存在しなかった場合には、内挿により値を推定して返すことも可能である。

ここでは、流れ加速腐食について記述したが、液滴衝突エロージョンを解析する場合には、流速、流体の圧力、温度等から得られるドレイン液滴の粒径分布と、ドレイン液滴の速度、流体に接触する部分を形成する材料の硬度などが必要なパラメータとなる。

振動その他の機械的な要因による破断等を解析する場合も前記同様に、計算に必要なパラメータを材料データベース１７に蓄えることにより、計算できる。

図７の例では、材料データベース１７を用いる場合を説明したが、これに代えて、熱力学的な溶解の理論式等を用いて記述することも可能である。

次に、帰納的解析モデルである帰納的解析部１４の処理を説明する。本実施例の帰納的解析部１４は、例えば、適応共鳴理論（Adaptive Resonance Theory：ＡＲＴ）を用いてデータを解析する。

（異常診断）

帰納的解析部１４は、適応共鳴理論（Adaptive Resonance Theory：ＡＲＴ）を使用して、運転状態Ｙを複数のカテゴリに分類することができる。カテゴリには“正常”または“異常”のいずれか一つが関連付けられているため、帰納的解析部１４は、運転状態Ｙの異常を検出することができる。異常を検出する方法についてさらに説明する。

（＃１：サンプルの収集）

帰納的解析部１４は、運転状態Ｙのサンプルを複数収集する。このサンプルは、プラント２が“正常”または“異常”であることが既知である場合における運転状態Ｙの集合である。

（＃２：サンプルの分類）

運転状態Ｙは、ｎ行ラｍ列のマトリクスであるとする。つまり、運転情報Ｙは、ｍ個の時点分のｎ次元の要素を有する。帰納的解析部１４は、ｎ次元の空間を想定し、その空間の各座標軸にｎ個の要素の値をそれぞれ割り当てることによって、空間内にｍ個の点をドットする。

図８は、ｎ次元空間が三次元空間である場合の例を示す。図８の左上側に「異常２」として示すように、例えば“常圧蒸留塔のフラッティング”という異常が発生している場合の複数の点は、空間内のある位置に集中する。他の例として図８の右側に「異常１」として示すように、“常圧蒸留塔のウィーピング”という異常が発生している場合の複数の点は、空間内の他のある位置に集中する。プラント２が正常である場合の点についても、例えばプラントが使用される季節が同じもの同士、プラントの使用者が同じもの同士等が、近くに集まることになる。

そこで、本実施例の帰納的解析部１４は、ｍ個の点を相互に距離が近いもの同士でグループ分けする。グループの数は特に制限されない。個々のグループは、“異常１”、“異常２”、“異常３”、・・・、“正常１”、“正常２”、“正常３”、・・・のいずれかのカテゴリに対応している。各カテゴリは、ｎ次元空間内における“球”を形成する。帰納的解析部１４は、このカテゴリが特定できれば、例えば“カテゴリ異常１＝常圧蒸留塔のフラッティング”のように、異常の具体的な内容を検出できる。

（＃３：診断）

診断対象となる複数の運転状態Ｙがあるとする。診断対象の運転状態Ｙは、実際にプラント２が稼働した結果取得されたもの（実データ）であってもよいし、帰納的解析部１４がシミュレーションした結果（模擬データ）であってもよい。帰納的解析部１４は、上述したｎ次元空間内に診断対象の運転状態Ｙを示す点をドットすることにより、ドットされた点が含まれるカテゴリ（球）を特定する。診断対象となる複数の運転状態Ｙもまたｎ行ｍ列のマトリクスであるとすると、カテゴリは、ｍ個の時点ごとに特定される。

図９を用いて、プラントモデル１３１が提供するユーザーインターフェース画面と使用方法の流れを示す。以下に述べるように、例えばステップ１〜ステップ４という流れで、プラント２の余寿命等を診断することができる。

プラント診断システム１は、３Ｄ−ＣＡＤをベースとして構成される。プラント診断システム１の計算結果として、特に余寿命が短いと推定された場所については、３Ｄ−ＣＡＤ上の該当場所にアラームが表示される。

ステップ１に矢印で示すように、ユーザが、アラーム表示された場所（例えば配管）を指定すると、その場所の流体条件(温度、圧力、流量等)および配管情報等の、計算に必要なパラメータがポップアップウインドウに表示される。さらに３Ｄ−ＣＡＤの下側には、該当場所における運転パターンの過去データを表示させることもできる。

ステップ２に示すように、一次元モデル（１Ｄモデル）と３Ｄモデル（三次元モデル）および計算結果を表示させることもできる。すなわち、プラント診断システム１は、流体解析計算により、三次元解析の詳細と、一次元モデルの詳細と、流速や溶存酸素濃度の分布などを表示可能である。

ステップ３に示すように、プラント診断システム１は、流速および溶存酸素濃度のデータを元に計算された減肉速度の分布と、これまでの運転条件に基づいて積算された減肉量とを表示させることもできる。

ステップ４に示すように、プラント診断システム１は、減肉量の積算値と予測された減速速度に基づいて、配管の厚さ寸法が限界値に到達するまでの時間（余寿命）を算出し、グラフとして表示することもできる。

図１０は、プラント診断システム１の処理概要を示す。一例として、流れ加速腐食を診断する場合を説明する。プラントモデル１３１は、運転データの履歴とシミュレーション処理とにより、過去データと予測データとからなるトレンドデータを出力する。

機器・配管モデル１３２では、例えば、三次元形状のテンプレートからの選択と、三次元解析処理と、一次元モデルへの変換処理とが行われ、その処理結果が材料モデル１３３へ引き渡される。すなわち、機器・配管モデル１３２では、三次元形状のテンプレートが用意されている。機器のサイズ情報は、３Ｄ−ＣＡＤデータ情報により値が決定される。機器・配管モデル１３２での詳細計算により、最もクリティカルな部分（流れによる腐食の最も生じやすい部分）の特徴量が抽出されて一次元モデルへ変換される。ここでの特徴量には、例えば、流速、温度、圧力、ｐＨ、ＤＯ（溶存酸素量）等がある。

材料モデル１３３では、劣化モードの選択と、流体物性データベースの参照と、配管材料データベースの参照と、腐食速度の計算とが行われる。すなわち、材料モデル１３３では、腐食やエロージョン等の劣化モードが選択されると、選択されたモードに必要な流体状態量が流体物性データベースから抽出される。流体物性データベースでは、例えば水、蒸気、水と蒸気の混合体、海水、プロセス流体などの物性がデータベース化されており、必要に応じて呼び出される。

配管材料データベースでは、例えば鉄鋼、ステンレス、高耐熱合金などの、配管（機器を含む）に使用される材料の物性がデータベース化されている。材料モデル１３３では、材料物性データベースから呼び出したデータに基づいて、腐食速度や腐食の分布が計算される。これにより、プラント診断システム１は、累積減肉量と余寿命の分布を算出して表示させることができる。

ここで、発明者らは、プラント診断システム１の精度を検証するため、プラント２内の流れ加速腐食による配管の解析を行った。あるポンプに付属する配管が、腐食例として抽出された場合の配管の減肉腐食の測定例を説明する。

液層の水が、オリフィスと、オリフィスの直後に存在する９０度エルボとを流れており、オリフィスとエルボとで生じる乱流によって、流れ加速腐食が進行したと考えられる例である。平均の減肉速度を稼働日数と時間とから算出し、最大の減肉速度を計算したところ、０．７３ｍｍ／年という値が得られた。

流れ加速腐食に影響を及ぼす因子として、温度、流速、ｐＨ、溶存酸素量（ＤＯ）、配管部材金属中のＣｒ濃度、形状を抽出した。

式２に示すように、流れ加速腐食による減肉量（ｍ）を温度と流速との関数として規定し（ｍ０）、その他のパラメータによる影響を補正係数として乗算することにより、実際の使用環境条件下での減肉量（ｍ）を求めた。

m = m₀(Temp, FR )* f_ph*f_DO(Temp)*f_Cr*f_Kc ・・・（式２）
m: FACによる減肉量（補正後）
m₀: FACによる減肉量（補正前）
Temp：温度
FR：流速
f_pH ：pHによる補正係数
f_DO ：DO（溶存酸素両）による補正係数
f_Cr ：Cr含有量による補正係数
f_Kc ：形状による補正係数

腐食例として抽出されたポンプのミニマムフロー管のアイソメトリック図から、圧力損失と流速とを一次元解析により計算し、測定データに基づいて温度を推定した。この結果、温度は１１８．７度、圧力は１．９６ＭＰａ、平均の流速は２．５９ミリ／秒と推定された。

さらに溶存酸素濃度（ＤＯ）とｐＨとの参照値として、以前の対象プラントでの測定結果である「２ｐｐｂ」と「９．５」とを用いた。解析対象の配管の材質は、圧力配管用炭素鋼であり、Ｃｒ濃度として０．００１ｍａｓｓ％を用いた。Ｃｒ濃度として０．００１ｍａｓｓ％を用い、形状因子として直管障害部の形状因子であるＫｃ１を選択した。この結果、補正後の減肉量（ｍ）は０．１７ｍｍ/年と計算できた。

このように構成される本実施例によれば、プラント診断システム１の信頼性を向上することができる。

本実施例によれば、プラントモデル１３１と機器・配管モデル１３２及び材料モデル１３３を含む所定のモデルを用いてシミュレーション処理することにより得られる第１解析結果と、所定の運転データを統計処理した結果とに基づいて、第２解析結果を算出し、第１解析結果と第２解析結果とに基づいて所定の解析結果情報を出力することができ、信頼性が向上する。

本実施例によれば、材料の劣化挙動に基づく演繹的解析部（物理的解析部）１３と実データ（センサデータ）に基づく帰納的解析部（統計解析部）１４とを連携させて解析結果情報を得ることができる。これにより本実施例では、複数の解析部１３，１４の連携により得られた解析結果情報に基づいて、プラントの異常診断、異常の原因特定、保守計画の修正、運転計画の修正等を行うことができる。

なお、本発明は、上述した実施形態に限定されない。当業者であれば、本発明の範囲内で、種々の追加や変更等を行うことができる。上述の実施形態において、添付図面に図示した構成例に限定されない。本発明の目的を達成する範囲内で、実施形態の構成や処理方法は適宜変更することが可能である。

また、本発明の各構成要素は、任意に取捨選択することができ、取捨選択した構成を具備する発明も本発明に含まれる。さらに特許請求の範囲に記載された構成は、特許請求の範囲で明示している組合せ以外にも組み合わせることができる。

１：プラント診断システム、２：プラント、３：検査装置、４：コンピュータ端末、１１：データ取得部、１２：運転データ記憶部、１３：演繹的解析部、１４：帰納的解析部、１５：解析結果記憶部、１６：解析結果情報出力部、１７：材料データベース、１８：機器・配管モデルシミュレータ、２１：センサ、２２：図形データ記憶部、１３１：プラントモデル、１３２：機器・配管モデル、１３３：材料モデル

Claims (12)

1. プラントを診断するプラント診断システムであって、
   前記プラントについての所定の運転データを取得するデータ取得部と、
   前記所定の運転データを所定のモデルに基づいてシミュレーション処理することにより、第１解析結果を算出する第１解析部と、
   前記所定の運転データを統計処理した結果と前記第１解析結果とに基づいて、第２解析結果を算出する第２解析部と、
   前記第１解析結果と前記第２解析結果とに基づいて所定の解析結果情報を出力する解析結果情報出力部とを備え、
   前記所定のモデルは、前記プラント全体の挙動を記述するプラントモデルと、前記プラントを構成する各機器に関する機器・配管モデルと、前記各機器を構成する材料に関する材料モデルとを含む、
   プラント診断システム。
2. 前記第２解析部は、前記プラントの所定の領域について所定時間後の運転状態を前記第２解析結果として算出する、
   請求項１に記載のプラント診断システム。
3. 前記所定の運転データには、前記プラントに設置されたセンサからのセンサデータが含まれる、
   請求項１に記載のプラント診断システム。
4. 前記所定の運転データには、前記プラントを検査した結果である検査データさらに含まれている、
   請求項３に記載のプラント診断システム。
5. 前記第１解析部は、前記検査データに基づいて前記所定のモデルを修正する、
   請求項４に記載のプラント診断システム。
6. 前記第１解析部は、前記プラントの構成を示すプラント構成データを利用することにより前記所定のモデルを生成し、
   前記プラント構成データは、プロセスフロー図と、配管計装図と、アイソメトリック図と、三次元設計図とを含み、
   前記プラントモデルは、前記プロセスフロー図に基づいて記述されるモデルであって、かつ、前記運転データ及び／または前記プラントが取扱う化学操作から、前記プラントの操業中の状態を記述するシミュレーション処理を実施することにより前記プラントの状態を記述するモデルであり、
   前記機器・配管モデルは、前記配管計装図または前記アイソメトリック図に基づいて記述される機器・配管配置図の情報のうち少なくともいずれかを用いて構成されるモデルであって、前記プラントモデルから出力されるマクロな一次元流体の属性を示す一次元流体属性計算情報と、前記各機器の形状のうち流体の流れる所定部位の形状に起因するミクロな三次元流体の属性を示す三次元流体属性計算情報とを記述するモデルであり、
   前記材料モデルは、前記各機器を構成する材料の情報を蓄積する材料データベースと前記三次元流体属性計算情報とから計算される、材料の任意の運転時間後の状態を記述するモデルである、
   請求項１に記載のプラント診断システム。
7. 前記材料データベースは、流体による材料の減肉を記述した情報を記憶する、
   請求項６に記載のプラント診断システム。
8. 前記一次元流体属性計算情報の少なくとも一部は、前記三次元流体属性計算情報を縮約することにより得られる、
   請求項６に記載のプラント診断システム。
9. 前記解析結果情報出力部は、
   前記プラントのうち解析対象の領域が指定されると、
   前記指定された解析対象の領域についての流体の状態を前記所定のモデルを用いて計算し、
   前記計算された流体の状態と前記材料データベースとに基づいて減肉を予測し、
   前記予測された減肉に基づいて前記解析対象の領域の余寿命を計算し、
   前記算出された余寿命を出力する、
   請求項７に記載のプラント診断システム。
10. 前記解析結果情報出力部は、前記解析結果情報として、前記プラントの異常を診断した結果、異常の原因を特定した結果、前記プラントの保守計画を最適化した結果、前記プラントの運転を最適化した結果のうち、少なくともいずれか一つを出力する、
    請求項１に記載のプラント診断システム。
11. 前記プラントは、石油精製プラント、化学プラント、電力プラント、水処理プラントまたは医薬品製造プラントのうちのいずれかである、
    請求項１に記載のプラント診断システム。
12. 計算機システムを用いてプラントを診断するプラント診断方法であって、
    前記計算機システムは、
    前記プラント全体の挙動を記述するプラントモデルと、前記プラントを構成する各機器に関する機器・配管モデルと、前記各機器を構成する材料に関する材料モデルとを含む所定のモデルを保持しており、
    前記プラントについての所定の運転データを取得し、
    前記所定の運転データを所定のモデルに基づいてシミュレーション処理することにより、第１解析結果を算出し、
    前記所定の運転データを統計処理した結果と前記第１解析結果とに基づいて、第２解析結果を算出し、
    前記第１解析結果と前記第２解析結果とに基づき所定の解析結果情報を出力する、
    プラント診断方法。

Images