JP2020128834A - 加熱炉の異常原因特定方法、加熱炉の異常原因特定装置、機械学習方法、及び加熱炉の異常原因特定モデル - Google Patents
加熱炉の異常原因特定方法、加熱炉の異常原因特定装置、機械学習方法、及び加熱炉の異常原因特定モデル Download PDFInfo
- Publication number
- JP2020128834A JP2020128834A JP2019021117A JP2019021117A JP2020128834A JP 2020128834 A JP2020128834 A JP 2020128834A JP 2019021117 A JP2019021117 A JP 2019021117A JP 2019021117 A JP2019021117 A JP 2019021117A JP 2020128834 A JP2020128834 A JP 2020128834A
- Authority
- JP
- Japan
- Prior art keywords
- abnormality
- operation data
- cause
- heating furnace
- data
- 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
Landscapes
- Regulation And Control Of Combustion (AREA)
Abstract
Description
まず、図1〜図3を参照して、本発明の一実施形態である加熱炉の異常原因特定システムの構成について説明する。図1は、本発明の一実施形態である加熱炉の異常原因特定システムの構成を示すブロック図である。図2(a),(b)はそれぞれ、操業データ及び加熱炉の異常原因の一例を示す図である。図3は、操業データDBの構成を示す模式図である。
次に、図6を参照して、本発明の一実施形態である異常原因特定処理について説明する。図6は、本発明の一実施形態である異常原因特定処理の流れを示すフローチャートである。
本実施例では、加熱炉のO2濃度異常の原因特定を行った。加熱炉のO2濃度異常の原因としては、Mガス流量計異常、空気流量計異常、O2濃度計異常、侵入空気増加、切替弁異常、バーナタイル破損があるが、これらの異常原因のうち、Mガス流量計異常以外の異常原因は過去に発生しておらず、実績の操業データが存在しないので、模擬データを生成した。また、Mガス流量計異常については、実績の操業データがあるが、模擬データの判定精度を確認するため、模擬データを生成して機械学習を行った。機械学習には、各異常原因の模擬データ及び正常時の操業データを用いた。この学習内容に対して、Mガス流量計異常発生時の実際の操業データを用いて判定を行った。結果、判定精度は100%となり、模擬データを使用しても高精度で異常原因を判定可能であることが確認できた。
2 加熱炉
3 操業データ取得部
4 異常原因特定装置
5 出力装置
6 操業データデータベース(操業データDB)
7 機械学習部
41 異常原因特定モデル
71 模擬データ生成部
Claims (6)
- 加熱炉で発生した異常の原因を特定する加熱炉の異常原因特定方法であって、
加熱炉の操業データを取得する取得ステップと、
加熱炉の操業データを入力変数、加熱炉の異常の原因を出力変数とするモデルであって、異常の原因に対応する操業データの実績がない又は所定数以上の操業データの実績が得られていない異常の原因については、正常時の実績の操業データに基づいて作成された模擬の操業データが用いられて機械学習された異常原因特定モデルに対して、前記取得ステップにおいて取得された操業データを入力することにより、加熱炉で発生した異常の原因を特定する特定ステップと、
を含むことを特徴とする加熱炉の異常原因特定方法。 - 前記異常原因特定モデルは、ディープラーニングを用いて機械学習されることを特徴とする請求項1に記載の加熱炉の異常原因特定方法。
- 加熱炉で発生した異常の原因を特定する加熱炉の異常原因特定装置であって、
加熱炉の操業データを取得する取得手段と、
加熱炉の操業データを入力変数、加熱炉の異常の原因を出力変数とするモデルであって、異常の原因に対応する操業データの実績がない又は所定数以上の操業データの実績が得られていない異常の原因については、正常時の実績の操業データに基づいて作成された模擬の操業データが用いられて機械学習された異常原因特定モデルに対して、前記取得手段が取得した操業データを入力することにより、加熱炉で発生した異常の原因を特定する特定手段と、
を備えることを特徴とする加熱炉の異常原因特定装置。 - 加熱炉の正常時の操業データに基づいて過去に実績がない異常の原因が発生した場合の加熱炉の操業データを模擬データとして作成するステップと、
加熱炉の正常時の操業データと前記模擬データとを用いて、加熱炉の操業データを入力変数、加熱炉の異常の原因を出力変数とする異常原因特定モデルを機械学習させるステップと、
を含むことを特徴とする機械学習方法。 - 前記操業データを模擬データとして作成するステップは、加熱炉内の物質収支及び/又は熱収支に基づいて操業データ間の関係を示す操業データ間モデルを作成すると共に、実績又は模擬の操業データを前記操業データ間モデルに適用して模擬データを作成することを特徴とする請求項4に記載の機械学習方法。
- 請求項4又は5に記載の機械学習方法によって機械学習されたことを特徴とする加熱炉の異常原因特定モデル。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019021117A JP7031623B2 (ja) | 2019-02-08 | 2019-02-08 | 加熱炉の異常原因特定方法、加熱炉の異常原因特定装置、機械学習方法、及び加熱炉の異常原因特定モデル |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019021117A JP7031623B2 (ja) | 2019-02-08 | 2019-02-08 | 加熱炉の異常原因特定方法、加熱炉の異常原因特定装置、機械学習方法、及び加熱炉の異常原因特定モデル |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020128834A true JP2020128834A (ja) | 2020-08-27 |
JP7031623B2 JP7031623B2 (ja) | 2022-03-08 |
Family
ID=72174437
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019021117A Active JP7031623B2 (ja) | 2019-02-08 | 2019-02-08 | 加熱炉の異常原因特定方法、加熱炉の異常原因特定装置、機械学習方法、及び加熱炉の異常原因特定モデル |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7031623B2 (ja) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS63150706A (ja) * | 1986-12-16 | 1988-06-23 | Mitsubishi Heavy Ind Ltd | 熱制御システム故障原因推定予測装置 |
JP2019016209A (ja) * | 2017-07-07 | 2019-01-31 | 株式会社東芝 | 診断装置、診断方法およびコンピュータプログラム |
-
2019
- 2019-02-08 JP JP2019021117A patent/JP7031623B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS63150706A (ja) * | 1986-12-16 | 1988-06-23 | Mitsubishi Heavy Ind Ltd | 熱制御システム故障原因推定予測装置 |
JP2019016209A (ja) * | 2017-07-07 | 2019-01-31 | 株式会社東芝 | 診断装置、診断方法およびコンピュータプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP7031623B2 (ja) | 2022-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8532795B2 (en) | Method and system for offline code validation | |
US20210264076A1 (en) | Information processing system and simulation method | |
US8116990B2 (en) | Method and system for real-time prognosis analysis and usage based residual life assessment of turbine engine components and display | |
JP6050599B2 (ja) | 装置の動作監視のための方法およびシステム | |
JP4423617B2 (ja) | プラント制御装置 | |
US20070043539A1 (en) | Abnormality monitoring system and abnormality monitoring method | |
US20220091597A1 (en) | Analysis system and analysis method | |
JP2018190245A (ja) | 設備機器の異常診断システム | |
WO2014054051A1 (en) | Health monitoring system for a process plant and a method thereof | |
JP6702297B2 (ja) | プロセスの異常状態診断方法および異常状態診断装置 | |
JP2022003664A (ja) | 情報処理装置、プログラム及び監視方法 | |
US20240035915A1 (en) | Method for monitoring a slip-ring seal assembly, and slip-ring seal assembly | |
JP2011060012A (ja) | プラント監視装置およびプラント監視方法 | |
JP2020128834A (ja) | 加熱炉の異常原因特定方法、加熱炉の異常原因特定装置、機械学習方法、及び加熱炉の異常原因特定モデル | |
JP7305378B2 (ja) | 機械学習方法、加熱炉の異常原因特定モデル、加熱炉の異常原因特定方法、及び加熱炉の異常原因特定装置 | |
CA3013822A1 (en) | Detection of temperature sensor failure in turbine systems | |
CN110431496B (zh) | 评估装置、评估系统、评估方法和计算机可读存储介质 | |
JP6535215B2 (ja) | 省エネルギー効果試算装置および方法 | |
JP6825753B1 (ja) | 高炉の異常判定装置、高炉の異常判定方法、及び高炉の操業方法 | |
JP7157004B2 (ja) | 設備保全管理システム | |
JP2003193808A (ja) | 発電プラントの診断方法および診断システム | |
JP6005555B2 (ja) | プラントの運転監視装置、その運転監視方法、及びその運転監視プログラム | |
JP7270220B2 (ja) | ガス器具故障診断システム | |
CN117387925B (zh) | 一种阻尼器性能连续测试方法及系统 | |
TWI829908B (zh) | 提高生產效率之支援系統、方法及電腦程式 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200923 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210616 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210803 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210830 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220125 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220207 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7031623 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |