JP2020077296A - プラント点検計画最適化装置及び方法 - Google Patents

Abstract

【課題】プラントの未来の運転状況の不確定性を考慮して、予測モデルによる劣化状態の不確かさを定量化し、それを考慮した上で機器が故障した時のリスク、予測モデル精度向上、点検コストの観点から点検箇所・方法を最適化するプラント点検計画最適化装置及び方法を提供する。【解決手段】プラントの操業のバラツキを予測するプラント操業予測部と、プラントの操業のバラツキと、前回点検における劣化状態と予測モデルのパラメータの確率分布を用いて、プラントの複数の点検予定個所の劣化の確率分布を予測する劣化確率分布予測部と、複数の点検予定個所の劣化の確率分布を用いて、選択指標に応じて点検予定個所の中から選択した点検個所を選択する点検箇所最適化部と、選択した点検個所及び点検手法を提示する出力部とを備えていることを特徴とするプラント点検計画最適化装置。【選択図】図２

Description

本発明は、発電、製薬、化学などの各種プラントの操業を支援することに係り、特にプラントの劣化を予測するモデルを用いて、点検計画を最適化するプラント点検計画最適化装置及び方法に関する。

化学・石油プラントや、発電プラントなどの大規模なプラントでは、定期点検を行う箇所が数千〜数万あり点検に伴うコストが大きい。また、点検を行う際はプラントを一時的に止めたりする必要があるため、点検期間のプラント停止に伴う損失額も大きい。したがって、定期点検のコストや工数を低減することが求められている。

これに対して、特許文献１では、プラントを構成する各機器の使用実績情報および更新実績情報に基づき、検査・更新時期を機器毎に設定する方法が提案されている。

また、特許文献２では、プラントを構成する各機器の故障確率分布を点検データにより修正し、機器の点検や更新をする時期を最適化している。

特開２０１４−１３９７７４号公報 特開２００４−１９１３５９号公報

特許文献１、特許文献２ともに、過去の実績データや公開情報に基づき、機器の劣化や余寿命の確率分布を予測するモデルを構築し、検査・更新の計画を最適化している。

ここで、劣化や余寿命の確率分布の予測を行う際は、プラントの未来の運転状況の不確定性を考慮する必要あるが、特許文献１、特許文献２に記載されている方法では考慮ができていない。

また、計測データにより劣化や余寿命の確率分布は修正しているが、予測モデルの更新はされておらず、予測モデルの精度が悪いと、正確な劣化や余寿命の確率分布の予測ができない。

以上の理由により、特許文献１、特許文献２に記載の方法では、未来の劣化や余寿命の確率分布が精度良く予測できない。

本発明はこのような事情を鑑みてなされたもので、プラントの未来の運転状況の不確定性を考慮して、予測モデルによる劣化状態の不確かさを定量化し、それを考慮した上で機器が故障した時のリスク、予測モデル精度向上、点検コストの観点から点検箇所・方法を最適化するプラント点検計画最適化装置及び方法を提供するものである。そして、その点検から得られた計測データを用いて予測モデルの精度向上を行なう。

以上のことから本発明においては「プラントの操業のバラツキを予測するプラント操業予測部と、プラントの操業のバラツキと、前回点検における劣化状態と予測モデルのパラメータの確率分布を用いて、プラントの複数の点検予定個所の劣化の確率分布を予測する劣化確率分布予測部と、複数の点検予定個所の劣化の確率分布を用いて、選択指標に応じて点検予定個所の中から選択した点検個所を選択する点検箇所最適化部と、選択した点検個所及び点検手法を提示する出力部とを備えていることを特徴とするプラント点検計画最適化装置」としたものである。

また本発明においては「プラントの操業のバラツキを予測し、プラントの操業のバラツキと、前回点検における劣化状態と予測モデルのパラメータの確率分布を用いて、プラントの複数の点検予定個所の劣化の確率分布を予測し、複数の点検予定個所の劣化の確率分布を用いて、選択指標に応じて点検予定個所の中から選択した点検個所を選択し、選択した点検個所及び点検手法を提示することを特徴とするプラント点検計画最適化方法」としたものである。

本発明によれば、プラントの未来の運転状況の不確定性を考慮した予測に基づいた点検計画としているので、さらに高精度のプラント点検コストおよび工数の低減を図ることができる。

本発明によるプラント点検最適化装置の構成例を示す図。 演算処理部１０３における各処理機能間の接続、処理関係を示す図。 点検最適化手段１０７内の詳細構成例を示す図。 図２、図３に具体構成例を示したプラント点検最適化装置１００における全体的な処理を示すフローチャート。 トレードオフ調整パラメータの設定を行う表示画面の一例を示す図。 点検計画最適化部１０７により最適化された点検箇所と方法の結果を表示する表示画面の一例を示す図。

次に、本発明の実施例について、適宜図面を参照しながら詳細に説明する。

図１は本発明によるプラント点検計画最適化装置の構成例を示す図である。なお、本発明のプラント点検計画最適化装置は、その機能により点検員による点検計画決定を支援する情報を提供するものであるので、プラント点検計画最適化装置自体がプラント操業支援装置ということができる。

プラント点検計画最適化装置１００は計算機システムにより構成されるので、ハード構成的には入力部１０１、出力部１０２、演算処理部１０３、記憶部１０４から構成されている。

このうち入力部１０１は、キーボード、マウス等の種々の入力装置であり、プラント点検計画最適化装置１００の利用者である例えば点検員がプラント点検計画最適化装置１００に対して何らかのデータを入力する時や、プラントの制御器などで取得されているセンサデータなどをプラント点検計画最適化装置１００に入力するために使われる。

出力部１０２は、ディスプレイ装置等の出力デバイスであり、演算処理部１０３による処理の過程や結果、あるいはプラント点検計画最適化装置１００の利用者のための対話的な処理のための画面を表示する。

記憶部１０４は具体的には、ハードディクスなどの記憶手段であり、観測モデルデータベースＤＢ１などを備えている。観測モデルデータベースＤＢ１には、点検方法・点絵箇所に応じた観測モデルデータが格納されている。ここで、観測モデルとは、特定の点検方法・点検箇所における計測データと、プラントの劣化状態との関連を表す数学モデルである。したがって、観測モデルデータベースＤＢ１は点検個所ごとに準備された観測モデル群とその計測データにより構成されている。

演算処理部１０３は、具体的には、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）であり、プラント点検計画最適化装置１００における情報処理を実行する。演算処理部１０２における処理内容を機能的に表すと図１に示すように、プラント操業予測部１０５、劣化確率分布予測部１０６、点検計画最適化部１０７、パラメータ修正部１０８、観測モデル選択部１０９により構成されている。

図２は、演算処理部１０３における各処理機能間の接続、処理関係を示す図であるので、以降は図２を用いて各機能とそのつながりについて説明する。なお図２に示す機能は、最適なプラント計画を提案するプラント点検計画最適化部１００ａと点検計画を修正して最適化するプラント点検計画最適化修正部１００ｂとで構成され、全体としてプラント点検計画最適化装置１００を構成したものということができる。

プラント点検計画最適化部１００ａは、プラント操業予測部１０５と劣化確率分布予測部１０６と点検計画最適化部１０７により構成されている。

プラント点検計画最適化部１００ａのうち、プラント操業予測部１０５では、プラントの制御器などで取得されているプラント操業に関わるセンサデータから、前回の点検以降のプラントの操業状態とそのバラツキを操業バラツキ推定値として予測する。操業状態とそのバラツキは、確率分布として表す。

劣化確率分布予測部１０６では、プラント操業予測部１０５からの操業バラツキ推定値のほかに、劣化予測モデルからの情報（劣化予測モデルのパラメータの確率分布）と、事前分布の情報（前回の点検時のプラント劣化状態）を入力している。劣化確率分布予測部１０６は、前回の点検時のプラント劣化状態と劣化予測モデルのパラメータの確率分布と、プラントの操業状態とそのバラツキを表す操業状態の確率分布から、劣化状態を予測モデルを用いて、劣化状態の確率分布を予測して劣化確率分布予測値とする。なお、初回点検時前など、前回点検時のプラントの劣化状態やパラメータの確率分布が取得できない場合は、設計データや類似機種データなどによりプラントの劣化状態やパラメータの確率分布（事前分布）を設定する。

なお劣化確率分布予測部１０６は、後述するプラント点検計画最適化修正部１００ｂ内のパラメータ修正部１０９からパラメータ修正値を入手して、劣化確率分布予測値の修正に利用している。

点検計画最適化部１０７では、劣化確率分布予測部１０６からの劣化確率分布予測値以外に、点検方法ごとのコスト、機器ごとの故障影響度、トレードオフ調整パラメータの情報を予め入手している。点検計画最適化部１０７は、プラントの劣化状態の確率分布の予測から、点検方法のコスト、点検対象となるプラントを構成する機器が故障した場合の影響度、物理モデルの精度向上ためのデータ取得をどれだけ重要視するかを表すトレードオフ調整パラメータに基づき、点検箇所・点検方法を最適化し、最適化した点検箇所・点検方法の情報を出力部１０２であるディスプレイ装置等に表示して点検員に提示する。

プラント点検計画最適化装置１００の利用者である例えば点検員は、プラント点検計画最適化部１００ａが提示した点検個所と点検方法を参照して実際に点検を実行し、その結果である点検データをプラント点検計画最適化装置１００に入力する。

プラント点検計画最適化修正部１００ｂは、観測モデル選択部１０８と観測モデルデータベースＤＢ１とパラメータ修正部１０９により構成されている。

プラント点検計画最適化修正部１００ｂのうち、観測モデル選択部１０８は、点検計画最適化部１０７から出力された点検箇所と方法に基づき、観測モデルデータベースＤＢ１から適切な観測モデルを選択する。つまり、点検個所ごとに準備された観測モデル群とその計測データにより構成された観測モデルデータベースＤＢ１から、指定された点検個所に対応する観測モデルとその計測データを選択する。

パラメータ修正部１０９では、点検員が与える点検データと、観測モデル選択部１０８からの観測モデルと、劣化確率分布予測部１０６からの劣化確率分布予測値を入力とし、これらに基づき、劣化予測モデルのパラメータや劣化確率分布の修正を行うためのパラメータ修正値や劣化確率分布修正値を算出する。なおパラメータ修正値や劣化確率分布修正値は、プラント点検計画最適化部１００ａ内の劣化確率分布予測部１０６に与えられて、パラメータや劣化確率分布の修正を行う。パラメータや劣化確率分布の修正は、例えばベイズ推定を用いる。

点検計画最適化部１０７の詳細構成例を図３に示す。点検計画最適化部１０７は、最適化部３０１、リスク計算部３０２、モデル改善度計算部３０３、コスト計算部３０４から構成されている。

計画最適化部３０１は、リスク計算部３０２が計算するリスクと、モデル改善度計算部３０２が計算するモデル改善の指標と、コスト計算部３０４が計算する点検コストと、並びにあらかじめ設定されたトレードオフ調整パラメータの情報に基づき点検箇所と点検方法を最適化し、その値を出力する。

計画最適化部３０１における上記の機能は、想定した複数の点検個所について、その全てを点検対象として点検員に提示するのではなく、点検しなかったときのリスクと、点検に要するコストの観点からその両方を満足する組み合わせの点検個所・方法を選択して提示するものであるということができる。さらにはモデル改善の指標も、点検個所・方法を選択する際の要素としたものである。

計画最適化部３０１の出力は点検員に対して可視的に提示されるために使用され、また点検個所の情報は、リスク計算部３０２、モデル改善度計算部３０２、コスト計算部３０４における処理のために提供され、点検方法の情報はモデル改善度計算部３０２、コスト計算部３０４における処理のために提供される。

リスク計算部３０２は、プラントを構成する機器が故障した際の故障影響度（例えば外部から予め設定された情報）と、その機器に対する劣化確率分布（劣化確率分布予測部１０６の出力）から計算される故障確率の積を計算することによりリスクを計算する。またリスクを計算する際に、計画最適化部３０１で求めた点検個所の情報を利用する。なお配管の肉厚が薄くなっており、次回点検までの破断の可能性が高いなどのハイリスクの点検個所は次回点検の必然性は高いが、肉厚が十分にある個所では次回の点検の必要性は低いということができる。

モデル改善度計算部３０３は、計画最適化部３０１から与えられた点検箇所・方法から、モデルの精度がどれだけ改善するかの指標（モデル改善度）を計算する。例えば、与えられた点検箇所の劣化確率分布の分散の和を指標とする。なお点検箇所・方法によっては、モデル改善度が高まる場合と、モデル改善度に構成しない場合とが考えられる。モデル改善度計算にあたり、点検方法ごとの精度（例えば外部から予め設定された情報）と、その機器に対する劣化確率分布（劣化確率分布予測部１０６の出力）の情報を利用する。

コスト計算部３０４では、計画最適化部３０１から与えられた点検箇所・方法から、点検に必要なコストを計算する。点検個所によっては、特殊な点検手法を採用する必要があり、時間や費用の面で高コストになる場合があり、あるいは一般的な簡便な手法で低コストで実現できる場合もある。コスト計算にあたり、点検個所、方法ごとのコスト（例えば外部から予め設定された情報）の情報を利用する。

図４は、図２、図３に具体構成例を示したプラント点検最適化装置１００における全体的な処理を示すフローチャートである。

このフローチャートを用いた説明においては、具体的なプラントを例示し、各種物理量や数式を用いて具体的に説明を行う。ここでは具体的なプラントとして、発電、化学、製薬などの産業用プラントにおける配管の点検を想定する。産業用プラントの配管の点検箇所は数百から数万箇所点におよび、その点検コストは非常に大きい。また、点検中はプラントを停止する必要があるので、プラント停止に関わるロスコストも発生することになる。したがって、配管の点検箇所数を減らすことは重要である。

配管の点検計画の最適化を考えるにあたり、配管の主な劣化の原因は腐食による減肉である。そこで、本適用事例では、プラントの運用状態から配管の残存肉厚を予測できるモデルが与えられた時に、その不確かさを考慮して配管の点検計画を最適化するプラント点検計画最適化装置を考える。

本適用事例では、ｔ回目の点検を最適化することを考える。ここで、ｔ−１回目の点検時の配管の残存肉厚をｘ_ｔ−１として、ｘ_ｔ−１＝［ｘ_ｔ−１（ξ_１），ｘ_ｔ−１（ξ_２），・・・ｘ_ｔ−１（ξ_ｎ）］で表す。ここでｘ_ｔ（ξ_ｉ）は位置ξ_ｉにおける配管の残存肉厚で、ξ_ｉは、複数の配管点検個所の位置を示している。またｔ−１回目からｔ回目の点検間の運転条件ｕ_{ｔ−１：ｔ}が与えられた時に、ｔ回目の点検における、配管の残存肉厚をｘ_ｔ−１として、ｘ_ｔ＝［ｘ_ｔ（ξ_１），ｘ_ｔ（ξ_２），・・・ｘ_ｔ（ξ_ｎ）］を予測するモデルｘ_ｔ＝ｆ（ｘ_ｔ，ｕ_{ｔ−１：ｔ}，θ）が与えられたとする。θは物理モデルθのパラメータである。

上記適用事例の前提において、図４のフローチャートでは処理ステップＳ４０１に示すように、まずプラント操業予測部１０５が前回点検以降のプラントの操業状態を予測し、その確率分布を出力する。

本適用事例では、まず、プラント操業予測部１０５が、ｔ−１回目からｔ回目の点検の間の、プラント制御器などで取得されるセンサデータなどから運用条件ｕ_{ｔ−１：ｔ}の確率分布ｐ（ｕ_{ｔ−１：ｔ}）を計算する。また、過去のセンサデータから、ｔ回目からｔ＋１回目の点検の間の、未来の運用条件ｕ_{ｔ：ｔ＋１}の確率分布ｐ（ｕ_{ｔ：ｔ＋１}）を予測する。以下、ｐ（ｕ_{ｔ−１：ｔ}）とｐ（ｕ_{ｔ：ｔ＋１}）を合わせて、ｐ（ｕ_{ｔ−１：ｔ＋１}）と記す。

プラント操業予測部１０５における処理は、要するに配管の残存肉厚に影響を与えた過去（ｔ−１回目からｔ回目の点検間）の運用条件ｕ_{ｔ−１：ｔ}が、未来においても同様に適用されると仮定したとしても、実際には未来の次回点検までの期間（ｔ回目からｔ＋１回目の点検間）にそのまま適用されるとは限らないことから、未来の運用条件のバラツキの範囲を想定することにしたものである。運用条件のバラツキとは、例えば単位時間（例えば１か月）当たりの操業時間の変化、運転温度、圧力、負荷などのプロセス量の変化に代表される運転条件の変化、プラント構成機器の交換、メンテなどによる機器特性変更などであり、未来の運用条件ｕ_{ｔ：ｔ＋１}の確率分布ｐ（ｕ_{ｔ：ｔ＋１}）とは、これらの変動要因によるプラント操業のバラツキを求めたものということができる。

図４のフローチャートでは処理ステップＳ４０２に示すように、次に劣化確率分布予測部１０６において、前回点検時に推定された劣化（図２の事前分布）と劣化予測モデルのパラメータの確率分布と、プラント操業推定予測部１０５で予測されたプラントの操業状態の確率分布（図２の操業バラツキ推定値）から、次回以降の点検におけるプラントの劣化確率分布を予測する。

なお、具体事例によれば、前回点検時に推定された劣化（図２の事前分布）とはｔ−１回目の点検時における残存肉厚とパラメータ予測値の確率分布ｐ（ｘ_ｔ−１，θ／ｙ_ｔ−１）であり、劣化予測モデルのパラメータの確率分布とは物理モデルｘ_ｔ＝ｆ（ｘ_ｔ−１，ｕ_{ｔ−１：ｔ}，θ）であり、プラント操業推定予測部１０５で予測されたプラントの操業状態の確率分布（図２の操業バラツキ推定値）とは確率分布ｐ（ｕ_{ｔ−１：ｔ＋１}）を意味している。

処理ステップＳ４０２に対応する劣化確率分布予測部１０６の処理においては、確率分布ｐ（ｕ_{ｔ−１：ｔ＋１}）と、物理モデルｘ_ｔ＝ｆ（ｘ_ｔ−１，ｕ_{ｔ−１：ｔ}，θ）と、ｔ−１回目の点検時における残存肉厚とパラメータ予測値の確率分布ｐ（ｘ_ｔ−１，θ／ｙ_ｔ−１）から、ｔ回目の点検時、ｔ−１回目の点検時における残存肉厚の確率分布ｐ（ｘ_ｔ，｜ｙ_ｔ−１）、ｐ（ｘ_ｔ＋１，｜ｙ_ｔ−１）をそれぞれ計算する。

ここで、ｙｔはｔ回目の点検時の計測データであり、上記の確率分布ｐ（Ａ｜Ｂ）はＢ（ここではｙｔ）が与えられた時のＡ（ここではｘ_ｔ）の条件付確率を表している。具体的には、（１）式の積分を計算する。

そして、ｐ（ｘ_ｔ，｜ｙ_ｔ−１）、ｐ（ｘ_ｔ＋１，｜ｙ_ｔ−１）を、それぞれ（２）、（３）式で計算する。

ここで、（１）式のｐ（ｘ_ｔ，ｘ_ｔ＋１｜θ，ｘ_ｔ−１，ｕ_{ｔ−１：ｔ＋１}）は物理モデルから構築される確率モデルである。例えば、ｐ（ｘ_ｔ，｜ｘ_ｔ−１，ｕ_{ｔ−１：ｔ，}θ）が（４）式のように物理モデルを使って書けるとする。

ここで、Ｎｎ（μ，Ｖ）は平均μ，分散Ｖのｎ次元多変量正規分布を，Ｉｎはｎ×ｎの単位行列を表している。（４）式を繰り返し実行すると、（５）式のようになる。

ここで、ｕ_{ｔ−１：ｔ}＝［ｕ^Ｔ _{ｔ−１：ｔ}，ｕ^Ｔ _{ｔ＋１：ｔ}］の関係を用いた。なおＴはベクトルの転置を表す。

図４のフローチャートでは処理ステップＳ４０３に示すように、次に点検計画最適化部１０７が、プラント劣化確率分布の予測から、次回以降の点検で点検を行う箇所と方法を出力部１０２から出力する。

具体的には例えば、点検計画最適化部１０７が残存肉厚の確率分布ｐ（ｘ_ｔ，｜ｙ_ｔ−１）、ｐ（ｘ_ｔ＋１，｜ｙ_ｔ−１）を与えているので、配管の複数個所における残存肉厚が既に推定されている。

したがって次段階では、理想的には全ての点検予定の配管個所（点検予定個所）に対して、推定値を検証すべく実プラントにおける点検を実行することを提案すればよいが、すべての点検個所の検証を提案するのではなく、より現実的には最適な選択された点検個所の検証を提案することが望ましい。

この場合の選択の観点の一つは、コストとリスクというトレードオフの関係にある要素に関して、いずれを重視した点検とするのかをトレードオフ調整パラメータに基づいて決定するものである。また他の選択の観点は、予測モデルの予測精度の向上が期待できる個所を点検個所として点検するというものである。点検個所を選択する上での上記観点であるコストとリスクのトレードオフの関係にある要素、あるいは予測モデルの予測精度の要素は、選択個所の選択指標であるということができる。選択指標はあらかじめ設定可能であり、そのいずれか、あるいは双方により選択個所を選択することができる。

このため点検計画最適化部１０７は、点検方法毎のコスト、配管のリークが発生した場合のプラント操業に対する影響、トレードオフ調整パラメータに基づき、最適な点検をする位置ξ_ｊ１，ξ_ｊ２，・・・ξ_ｊｎと、その方法ζ_ｊ１，ζ_ｊ２，・・・ζ_ｊｍを計算する。ここで、ｍ≦ｎである。また同様に点検計画最適化部１０７は、点検の結果予測モデルの予測精度の向上が期待できる点検個所を選択する。なお、トレードオフの観点からの選択と予測精度の観点からの選択は、いずれかを採用してもよいし、双方を同時に選択要素とするものであってもよい。

本適用事例の場合、点検方法毎のコスト、配管リークが発生した場合のプラント操業に対する影響は事前に分かるので、点検計画最適化部１０７にあらかじめ入力しておいても良い。トレードオフ調整パラメータに関しては、点検のたびに、利用者が設定をしても良い。

点検計画最適化部１０７において、コストやリスクを考慮して最終的に選択された点検個所、方法は、プラント点検計画最適化装置１００に付属する出力部（例えばディスプレイ装置）１０２に表示される。また出力部１０２には、利用者である点検員が予め設定しておく各種の情報も例えば選択的に表示されており、これらの事前設定情報を入力部１０１（例えばキーボード、あるいはタッチパネル）の操作によりプラント点検計画最適化装置１００に入力する。

図５には、事前設定情報の一例としてトレードオフ調整パラメータの設定を行う表示画面の一例を示している。図５ではスライドバー５０１で、トレードオフ調整パラメータを１〜５の間で調整する画面の例を示している。なおトレードオフ調整パラメータが２とは、コストが２０％、リスクが８０％の重みで点検個所を評価することを意味しており、リスク重視で点検個所を選択することを意味している。

図６には、点検計画最適化部１０７により最適化された点検箇所と方法の結果を表示する表示画面の一例を示している。この例では、点検対象となる配管ｐｉｐｅ（ｐｉｐｅ１からｐｉｐｅ９）のうち選択された配管ｐｉｐｅ３、５，９−１１が、配管図上でハイライト表示（図示の例では濃度が高く表示）されるようになっている。また、選択された配管には吹き出しで点検方法が指定されている。

図４の処理ステップＳ４０４に戻る。処理ステップＳ４０４では、出力部１０２に出力された点検箇所・方法に従い、点検員が点検を行い、点検データｙ_ｔ＝［ｙ_ｔ（ξ_ｊ１），ｙ_ｔ（ξ_ｊ２），・・・ｙ_ｔ（ξ_ｊｎ）］を取得する。

続いて、処理ステップＳ４０５に示すように、取得した点検データを、点検員が入力部１０１を介して、パラメータ修正部１０８に入力する。

そのうえで図４のフローチャートでは処理ステップＳ４０６に示すように、観測モデル選択部１０９は、点検計画最適化部１０７が出力した点検箇所・方法に対応する観測モデルｙ_ｔ＝ｇ（ｘ_ｔ，θ）を観測モデルデータベースＤＢ１から選択する。

そして処理ステップＳ４０７に示すように、パラメータ修正部１０８が点検データｙ_ｔと観測モデルｙ_ｔ＝ｇ（ｘ_ｔ，θ）に基づき、残存肉厚の修正値ｐ（ｘ_ｔ｜ｙ_ｔ）とパラメータの確率分布の修正値ｐ（θ｜ｙ_ｔ）を計算する。具体的には、まず、ベイズの定理を用いてｐ（ｘ_ｔ，θ｜ｙ_ｔ）を（６）式を用いて計算する。

次に、ｐ（ｘ_ｔ，θ｜ｙ_ｔ）から残存肉厚の修正値ｐ（ｘ_ｔ｜ｙ_ｔ）とパラメータの確率分布の修正値ｐ（θ｜ｙ_ｔ）を（７）（８）式を用いて計算する。

ここで、ｐ（ｙ_ｔ｜ｘ_ｔ，θ）は観測モデルから構築される確率モデルであり、例えば（９）式のようなモデルが考えられる。

以上の一連の処理により、図２の劣化確率分布予測部１０６における予測精度は向上され、次回の予測時の精度向上に貢献することができる。上記を通じて、本発明によればプラントの未来の運転状況の不確定性を考慮した予測に基づいた点検計画としているので、さらに高精度のプラント点検コストおよび工数の低減を図ることができる。

１００：プラント点検計画最適化装置
１００ａ：プラント点検計画最適化部
１００ｂ:プラント点検計画最適化修正部
１０１：入力部
１０２：出力部
１０３：演算処理部
１０４：記憶部
１０５：プラント操業予測部
１０６：劣化確率分布予測部
１０７：点検計画最適化部
１０８：パラメータ修正部
１０９：観測モデル選択部
ＤＢ１：観測モデルデータベース
３０１最適化部
３０２：リスク計算部
３０３：モデル改善度計算部
３０４：コスト計算部

Claims (8)

1. プラントの操業のバラツキを予測するプラント操業予測部と、前記プラントの操業のバラツキと、前回点検における劣化状態と予測モデルのパラメータの確率分布を用いて、プラントの複数の点検予定個所の劣化の確率分布を予測する劣化確率分布予測部と、前記複数の点検予定個所の劣化の確率分布を用いて、選択指標に応じて前記点検予定個所の中から選択した点検個所を選択する点検箇所最適化部と、選択した前記点検個所及び点検手法を提示する出力部とを備えていることを特徴とするプラント点検計画最適化装置。
2. 請求項１に記載のプラント点検計画最適化装置であって、
   前記プラント操業予測部は、プラントのセンサデータを用いてプラントの操業のバラツキを予測することを特徴とするプラント点検計画最適化装置。
3. 請求項１または請求項２に記載のプラント点検計画最適化装置であって、
   前記点検箇所最適化部は、前記複数の点検予定個所の劣化の確率分布を用いて、前記点検予定個所における点検実施時のコスト並びに点検対象となるプラントを構成する機器が故障した場合の影響度を求め、前記選択指標は前記コストと前記影響度のトレードオフ調整パラメータであることを特徴とするプラント点検計画最適化装置。
4. 請求項１から請求項３のいずれか１項に記載のプラント点検計画最適化装置であって、
   前記点検箇所最適化部は、前記複数の点検予定個所の劣化の確率分布を用いて、前記予測モデルの予測精度を求め、前記選択指標は前記予測精度であり予測精度の向上がの向上が期待できる点検予定個所を点検個所として選択することを特徴とするプラント点検計画最適化装置。
5. 請求項１から請求項４のいずれか１項に記載のプラント点検計画最適化装置であって、
   前記出力部に提示された前記点検個所及び点検手法に応じて点検員が実施した点検結果を入力する入力部と、前記出力部に提示された前記点検個所の特性を表す観測モデルと、前記入力部からの点検結果とを用いて前記劣化確率分布予測部を調整するパラメータ修正部を備えていることを特徴とするプラント点検計画最適化装置。
6. 請求項５に記載のプラント点検計画最適化装置であって、
   前記パラメータ修正部は、前記劣化確率分布予測部における劣化の確率分布やパラメータの確率分布を修正することを特徴とするプラント点検計画最適化装置。
7. プラントの操業のバラツキを予測し、前記プラントの操業のバラツキと、前回点検における劣化状態と予測モデルのパラメータの確率分布を用いて、プラントの複数の点検予定個所の劣化の確率分布を予測し、前記複数の点検予定個所の劣化の確率分布を用いて、選択指標に応じて前記点検予定個所の中から選択した点検個所を選択し、選択した前記点検個所及び点検手法を提示することを特徴とするプラント点検計画最適化方法。
8. 請求項７に記載のプラント点検計画最適化方法であって、
   前記提示された前記点検個所及び点検手法に応じて点検員が実施した点検結果と、前記提示された前記点検個所の特性を表す観測モデルとを用いて前記劣化の確率分布を修正することを特徴とするプラント点検計画最適化方法。

Images