JP2020177571A - 異常予兆診断装置、異常予兆診断方法及び異常予兆診断プログラム - Google Patents

Abstract

【課題】将来においてプラントが異常になる時期及び異常の程度を予測する。【解決手段】本発明の異常予兆診断装置は、プラントから取得される計測値を、計測値が相互に類似するもの同士で複数のカテゴリに分類する分類部と、プラントが正常であることが既知である期間において取得された計測値が属する正常カテゴリ以外の予兆カテゴリに属する計測値を、正常カテゴリに属する計測値と比較した結果である特徴量を算出する算出部と、算出した特徴量を将来の時系列で予測する予測部と、予測した特徴量に対して所定の閾値を適用することによってプラントが異常となる将来の時期を推定する推定部と、を備えることを特徴とする。【選択図】図１０

Description

本発明は、異常予兆診断装置、異常予兆診断方法及び異常予兆診断プログラムに関する。

機器が劣化し正常に稼働できなくなると、その機器を修理・更新することになる。修理・更新が計画的に実行できれば問題はない。しかしながら、大規模な生産ラインに組み込まれている機器が突然停止したような場合、その修理・更新は、予想外の手間及び費用を必要とし、企業経営に大きな影響を及ぼす。そこで、機器が本格的な異常に陥る前にその予兆を検出し、予防的に修理・更新を行うことが重要である。

特許文献１の診断装置は、プラントの診断に先立ち、プラントが正常であることが既知である時点においてプラントから取得した状態量を用いて、正常モデルを構築しておく。当該診断装置は、同様にして、予兆モデル及び異常モデルも構築しておく。当該診断装置は、診断対象時点においてプラントから取得した状態量が、正常モデル、予兆モデル又は異常モデルのいずれに分類されるかを判定する。当該診断装置は、診断対象時点においてプラントから取得した状態量が、正常モデル、予兆モデル又は異常モデルのいずれにも分類さない場合、プラントは過去に経験したことがない未知状態である旨を表示する。

国際公開第２０１２／０７３２８９号

プラントが一見正常であるように見えても、異常に至る予兆を示していることがある。この場合、プラントのユーザとしては、本格的な異常に至るまでの猶予期間がどの程度あるかを知りたくなる。なぜならば、猶予期間の長さによって、具体的な対策が変わってくるからである。

しかしながら、特許文献１の診断装置は、過去の計測値に基づき正常モデル、予兆モデル及び異常モデルを予め構築しておき、プラントの現在の計測値が、３種類のモデルのいずれに分類されるかを診断するに過ぎない。当該診断装置は、仮に現在の計測値が予兆モデルに分類されると判断しても、将来のどの時刻に計測値が異常モデルに分類されるかを予測するものではない。
そこで、本発明は、将来においてプラントが異常になる時期及び異常の程度を予測することを目的とする。

本発明の異常予兆診断装置は、プラントから取得される計測値を、計測値が相互に類似するもの同士で複数のカテゴリに分類する分類部と、プラントが正常であることが既知である期間において取得された計測値が属する正常カテゴリ以外の予兆カテゴリに属する計測値を、正常カテゴリに属する計測値と比較した結果である特徴量を算出する算出部と、算出した特徴量を将来の時系列で予測する予測部と、予測した特徴量に対して所定の閾値を適用することによってプラントが異常となる将来の時期を推定する推定部と、を備えることを特徴とする。
その他の手段については、発明を実施するための形態のなかで説明する。

本発明によれば、将来においてプラントが異常になる時期及び異常の程度を予測することができる。

異常予兆診断装置の構成を説明する図である。 プラントの構成を説明する図である。 計測値の分類を説明する図である。 計測値情報を説明する図である。 診断結果情報を説明する図である。 適応共鳴理論を用いたクラスタリングを説明する図である。 異常度及び寄与度を説明する図である。 将来の異常度が閾値に達する時刻を説明する図である。 将来の異常度が閾値に達する時刻を説明する図である。 将来の異常度が閾値に達する時刻を説明する図である。 処理手順のフローチャートである。

以降、本発明を実施するための形態（“本実施形態”という）を、図等を参照しながら詳細に説明する。本実施形態は、化学製品を生産するプラントの診断を行う例である。しかしながら、本発明は、それ以外の対象にも適用可能である。

（異常予兆診断装置の構成）
図１は、異常予兆診断装置１の構成を説明する図である。異常予兆診断装置１は、一般的なコンピュータであり、中央制御装置１１、入力装置１２、出力装置１３、主記憶装置１４、補助記憶装置１５及び通信装置１６を備える。これらは、バスで相互に接続されている。補助記憶装置１５は、計測値情報３１及び診断結果情報３２を格納している。補助記憶装置１５は、異常予兆診断装置１から独立した構成であってもよい。

主記憶装置１４における、前処理部２１、分類部２２、算出部２３、予測部２４、推定部２５及び表示処理部２６は、プログラムである。以降において、“○○部は”と動作主体を記した場合、それは、中央制御部１１が補助記憶装置１５から“○○部”での処理に使用する情報を読み出して主記憶装置１４に記憶したうえで、後記する処理を実行することを意味する。異常予兆診断装置１は、通常、プラント監視センタ（図示せず）等に配置される。なお、請求項における分類部は、ここでの前処理部２１及び分類部２２を含む概念である。

本実施形態のプラント２は、化学製品を生産する設備の集合である（詳細後記）。計測・制御装置３は、プラント２の各所に配置されたセンサ等から、流量、温度、圧力等の計測値を取得し、ネットワーク４を介して又はネットワーク４を介さず直接、計測値を異常予兆診断装置１に送信する。計測・制御装置３は、流量、温度、圧力等の計測値がそれらの目標値となるように、プラント２の配管に配置されている弁の開度等を制御する。

（プラント）
図２は、プラント２の構成を説明する図である。プラント２は、原料Ａ及び原料Ｂを反応させて製品Ｃを生産する。工程の上流には、原料Ａを貯蔵するタンク４１及び原料Ｂを貯蔵するタンク４２が存在し、下流には、製品Ｃを貯蔵するタンク４３が存在する。

原料Ａは、タンク４１からポンプ４４Ａ及びバルブ４５Ａを経由して反応装置４６に送られる。原料Ｂは、タンク４２からポンプ４４Ｂ及びバルブ４５Ｂを経由して反応装置４６に送られる。反応装置４６は、原料Ａ及び原料Ｂを反応させて製品Ｃを生産する。製品Ｃは、タンク４３に送られる。反応装置４６の反応速度は、反応装置４６の温度によって変化する。反応装置４６は冷却装置４８を有しており、冷却水の流量は、バルブ４７の開度によって制御される。

バルブ４５Ａと反応装置４６との間の配管に流量計ＦＡが配置されている。流量計ＦＡは、原料Ａの流量を計測し、その計測値に基づいて、計測・制御装置３（図１）は、バルブ４５Ａの開度を制御する。バルブ４５Ｂと反応装置４６との間の配管に流量計ＦＢが配置されている。流量計ＦＢは、原料Ｂの流量を計測し、その計測値に基づいて、計測・制御装置３は、バルブ４５Ｂの開度を制御する。圧力計Ｐは、反応装置４６の圧力を計測する。反応装置４６の出口に温度計Ｔが配置されている。温度計Ｔは、反応装置４６の出口の温度を計測し、その計測値に基づいて、計測・制御装置３は、バルブ４７の開度を制御する。すると、反応装置４６に流入する冷却水の流量が変化する。

（計測値の分類）
図３は、計測値の分類を説明する図である。本実施形態の異常予兆診断装置１は、クラスタリング技術の１つである適応共鳴理論（Adaptive Resonance Theory）を用いて、計測値を複数のカテゴリに分類する。適応共鳴理論を用いた分類については、特許文献１にも記載されている。計測値は、一般的に時系列のベクトルである。ベクトルの各成分は、流量、圧力、温度等の計測値である。異常予兆診断装置１は、多次元空間にこれらのベクトルを示す点を描画し、その位置が近接するもの同士、つまり、計測値が相互に類似するもの同士を同じカテゴリに分類する。

図３の横軸は、上図５１においても下図５２においても時間である。図３の縦軸は、上図５１においては計測値であり、下図５２においてはカテゴリである。横軸の時間は、プラント状態が正常であることが既知である正常期間、及び、プラント状態が正常であるか否かが既知ではない診断期間に分かれている。正常期間は、診断期間における計測値を比較する基準となる計測値のサンプルを収集する期間でもある。その意味で、正常期間は、“学習”期間とも呼ばれる。上図５１において、原料Ａの流量の変化を示す実線のグラフＦＡ、及び、原料Ｂの流量の変化を示す破線のグラフＦＢが描画されている。反応装置の圧力及び出口温度も同時に計測されている。しかしながら、説明の単純化のために、ここでは、これらは捨象されている。

グラフＦＡ及びグラフＦＢは、両者に共通の警報上限値及び警報下限値の間で上下している。警報下限値から警報上限値までの範囲を、その中間値を境界線として“大”及び“小”に２分すると、以下のように、４種類の“大”及び“小”の組合せが想定され得る。
（ＦＡ，ＦＢ）＝（大，小），（小，小），（小，大），（大，大）

正常期間のうち期間５３の６つの時刻において、組合せは、“（ＦＡ，ＦＢ）＝（大，小）”であった。そこで、異常予兆診断装置１は、この組合せを“カテゴリ１”に分類し、分類結果である６つの“◆”を下図５２に描画した。正常期間のうち期間５４の４つの時刻において、組合せは、“（ＦＡ，ＦＢ）＝（小，小）”であった。そこで、異常予兆診断装置１は、この組合せを“カテゴリ２” に分類し、分類結果である４つの“◆”を下図５２に描画した。正常期間のうち期間５５の２つの時刻において、組合せは、“（ＦＡ，ＦＢ）＝（小，大）”であった。そこで、異常予兆診断装置１は、この組合せを“カテゴリ３”に分類し、分類結果である２つの“◆”を下図５２に描画した。

正常期間において、異常予兆診断装置１は、計測値をカテゴリ１、カテゴリ２及びカテゴリ３のうちのいずれかに分類したことになる。これらのカテゴリ間における計測値の相違は、運転条件、運転環境等の相違に起因する。

診断期間のうち期間５６の３つの時刻において、組合せは、“（ＦＡ，ＦＢ）＝（小，小）”であった。そこで、異常予兆診断装置１は、この組合せを既知の（学習済の）“カテゴリ２”に分類し、分類結果である３つの“◆”を下図５２に描画した。診断期間のうち期間５７の３つの時刻において、組合せは、“（ＦＡ，ＦＢ）＝（大，大）”であった。この組合せは、正常期間においては出現していない。そこで、異常予兆診断装置１は、この組合せを新規の“カテゴリ４”に分類し、分類結果である３つの“■”を下図５２に描画した。なお、異常予兆診断装置１は、前記のように２種類の計測値の大小関係に基づき計測値の組合せを分類する他に、２種類の計測値の差分に基づき計測値の組合せを分類してもよい。

（計測値情報）
図４は、計測値情報３１を説明する図である。計測値情報３１においては、計測値ＩＤ欄１０１に記憶された計測値ＩＤに関連付けて、計測値種類欄１０２には計測値の種類が、時刻欄１０３には時刻が、計測値欄１０４には計測値が記憶されている。
計測値ＩＤ欄１０１の計測値ＩＤは、計測値を一意に特定する識別子である。本実施形態の計測値ＩＤは、例えば“ＦＡ”のように、それがどの種類の計測値であるかが直ちにわかるようになっている。

計測値種類欄１０２の計測値の種類は、“原料Ａ流量”、“原料Ｂ流量”、“反応装置圧力”及び“反応装置出口温度”のうちのいずれかである。当然のことながら、計測値の種類は、プラントの内容によって異なる。ここに掲げたものは、あくまでも一例である。
時刻欄１０３の時刻は、計測値が流量計、圧力計、温度計等によって計測された時点の年月日時分秒である。なお、流量は、単位時間当たりの体積又は質量で定義される。つまり、流量を計測するためには、ある時間幅（例えば５秒）が必要になる。ここでの時刻は、そのような時間幅の始点の時刻を示す。
計測値欄１０４の計測値は、流量計、圧力計、温度計等が計測した計測値そのものである。“＃”は、異なる値を省略的に示している（以降においても同様）。

図４を見ると、２０１９年３月１日１０時００分００秒以降５分ごとに、各計測値（ＦＡ、ＦＢ、Ｐ及びＴ）が同時に計測されていることがわかる。

（診断結果情報）
図５は、診断結果情報３２を説明する図である。診断結果情報３２においては、計測値ベクトル欄１１１に記憶された計測値ベクトルに関連付けて、時刻欄１１２には時刻が、カテゴリ欄１１３にはカテゴリが、異常度欄１１４には異常度が、寄与度欄１１５には寄与度が記憶されている。

計測値ベクトル欄１１１の計測値ベクトルは、各計測値（ＦＡ、ＦＢ、Ｐ及びＴ）を成分として有するベクトルである。説明の単純化のため、ここでの計測値ベクトルは、２次元ベクトルであり、その成分は例えば、原料Ａ流量及び原料Ｂ流量であるとする。計測値ベクトルは、現在時刻までのレコード（行）に記憶されている。
時刻欄１１２の時刻は、図４の時刻と同じである。時刻は、過去から現在を経て将来に至るまで、２４時間ごとに並んでいる。ここでの２４時間は、あくまでも一例に過ぎない。因みに、レコード１１６までが、図３の正常（学習）期間に相当し、レコード１１７〜１１９が、図３の診断期間に相当する。

カテゴリ欄１１３のカテゴリは、図３の説明で前記したカテゴリである。添え字“ＮＥＷ”は、そのカテゴリが正常（学習）期間には出現しなかったことを示す。カテゴリは、現在時刻までのレコード（行）に記憶されている。

異常度欄１１４の異常度は、一般的には、プラントが正常であることが既知である期間において取得された計測値が属する正常カテゴリ以外の予兆カテゴリに属する計測値を、正常カテゴリに属する計測値と比較した結果であり、請求項における特徴量に相当する。ここでの正常カテゴリは、カテゴリ１〜３に相当し、予兆カテゴリは、カテゴリ４に相当する。

異常度の一例は、多次元空間（２次元平面を含む）における、診断対象の計測値ベクトルと、その計測値ベクトルに最も近いカテゴリの代表点（クラスタの重心等）との距離である。予兆カテゴリに属する計測値ベクトルに対して異常度が実際に算出され、さらに、将来の時刻のレコードについても、異常度が予測される（詳細後記）。“＃”を囲んでいる“〈 〉”又は“〈〈 〉〉”は、その値が予測値であることを示す。“〈〈 〉〉”については、さらに詳細を後記する。なお、距離は、あくまでも異常度の一例である。他の例としては、ベクトルの内積、ベクトルの余弦類似度等が挙げられる。

寄与度欄１１５の寄与度は、異常度に対する各計測値の貢献度である。異常度が前記した距離である場合、寄与度は、その距離を多次元空間の各軸に投影した長さを成分として有するベクトルであり、その次元数は、計測値ベクトルの次元数に等しい（詳細後記）。予兆カテゴリに属する計測値ベクトルに対して算出された異常度に対して、寄与度が算出される。寄与度の成分に付された“＊”は、その成分の値がすべての成分のうち最大であることを示している。

（適応共鳴理論を用いたクラスタリング）
図６は、適応共鳴理論を用いたクラスタリングを説明する図である。異常予兆診断装置１は、多次元の計測値を示す点を多次元空間に描画する。計測値には時刻が関連付けられており、描画された点の数が時刻の数に相当する。図６の２次元平面もまた、多次元空間のうち最も単純な説明目的の例であり、横軸に原料Ａの流量ＦＡを有し、縦軸に原料Ｂの流量ＦＢを有する。異常予兆診断装置１は、正常（学習）期間において取得された計測値を示す複数の点を、カテゴリ１、カテゴリ２及びカテゴリ３に分類している。

診断期間においても、異常予兆診断装置１は、計測値を示す点を多次元空間に描画して行く。これらの点は、カテゴリ１、カテゴリ２又はカテゴリ３のいずれかに属する場合もあり、いずれにも属さない場合もある。これらの点のうち３個は、正常期間には未知であったカテゴリ４に属している。ユーザは、原料Ａの流量及び原料Ｂの流量がともに高水準になるような状態が発生していることを知る。

（異常度及び寄与度）
図７は、異常度及び寄与度を説明する図である。図７の縦軸、横軸及びカテゴリ１〜４は、図６と同じである。診断期間における計測値●８５が、正常期間には未知であるカテゴリ４に属する場合、ユーザは、次のことを知りたいと考える。
・その計測値が既知のどのカテゴリから見てどの程度異常であるか。
・複数種類の計測値（原料Ａの流量、原料Ｂの流量等）のうち、その異常に最も寄与しているものは何であるか。

そこで、まず異常予兆診断装置１は、次の処理を行い、異常度を算出する。
（１）異常予兆診断装置１は、カテゴリ１の代表点◇８６ａ、カテゴリ２の代表点◇８６ｂ及びカテゴリ３の代表点◇８６ｃを特定する。ここで、代表点（代表値）とは、例えば、各カテゴリに属する計測値の中央値（最小値＋（最大値−最小値）／２）、平均値（重心）等である。
（２）異常予兆診断装置１は、特定した各代表点◇と計測値●８５との距離を算出し、これらを異常度の候補とする。異常度の候補の数は、既知のカテゴリの数に一致する。
（３）異常予兆診断装置１は、算出した異常度の候補のうち、最小のものを“異常度”とする。図７の例では、計測値●８５とカテゴリ３の代表点◇８６ｃとの距離が異常度８７となる。

続いて、異常予兆診断装置１は、次の処理を行い、寄与度を算出する。
（４）異常予兆診断装置１は、異常度８７を、横軸方向に対する成分及び縦軸方向に対する成分に分解する。ここで“軸方向に対する成分に分解する”とは、異常度８７を各軸に投影した長さを求めることである。
（５）異常予兆診断装置１は、長さ８８ａを原料Ａの流量の寄与度とし、長さ８８ｂを原料Ｂの流量の寄与度とする。

一般的に、多次元空間における異常度は、多次元空間の任意の座標軸に対して投影され得る。つまり、寄与度の数は、多次元空間の次元数に一致する。前記したように、計測値は、多次元空間の各軸の値を成分に有する計測値ベクトルとして表される。したがって、異常度は、診断対象の計測値ベクトルから、その計測値ベクトルに最も近いカテゴリの代表点◇の位置ベクトルを減算した結果のベクトル（減算結果ベクトル）の大きさであるといえる。さらに、寄与度は、減算結果ベクトルの任意の成分そのものであるといえる。

（将来の異常度が閾値に達する時刻）
図８、図９及び図１０は、将来の異常度が閾値に達する時刻を説明する図である。まず図８に注目する。図８の横軸は、時間であり、縦軸は異常度である。縦軸には、異常度の閾値が設定されている（後記する図９及び図１０においても同様）。異常度が閾値に達すると、プラントは単に異常の“予兆”を示すに留まらず、“異常”状態となり実害を発生させる。異常予兆診断装置１は、異常度が閾値に達したとき、出力装置１３に警報を発する。なお、異常予兆診断装置１は、将来の異常度が閾値に達する厳密な時刻（時分秒）を推定する他に、厳密な時刻を含む前後の大まかな時期（年月日等）を推定してもよい。請求項における“時期”は、ここでの時刻及び時期を含む概念である。説明が煩雑になるのを避けるため、以降では、“時刻”で統一する。

異常予兆診断装置１は、座標平面に異常度のグラフ６１を描画する。グラフ６１の横軸の終点は、現在時刻である。グラフ６１の横軸の始点は、遅くとも計測値ベクトルが予兆カテゴリに属し始めた時刻（図５のレコード１１８）である。現在時刻に至るまで、異常度は閾値に達していない。しかしながら、計測値ベクトルが予兆カテゴリに属するようになると、それまでの期間とは有意に異なる速度で異常度が上昇し始めることが経験的にわかっている。

図９に注目する。異常予兆診断装置１は、グラフ６１のうち、計測値ベクトルが予兆カテゴリに属している区間を使用して、近似グラフ６２を描画する。近似グラフ６２は、時間を入力（説明）変数とし、異常度を出力（目的）変数とする任意の関数である。この関数は、最も単純な場合、１次関数である。異常予兆診断装置１は、例えば、予兆カテゴリに属している複数の“（時刻，異常度）”の組合せを使用して回帰分析を行うことにより、近似グラフ６２を作成する。近似グラフ６２は、将来における計測値ベクトルの異常度の予測値を示している。異常予兆診断装置１は、予兆カテゴリに属している複数の“（時刻，異常度）”の組合せが属する任意の参照期間をユーザが指定するのを受け付けてもよい。なぜならば、当該参照期間に応じて、近似グラフの傾きが変化し得るからである。

図１０に注目する。異常予兆診断装置１は、近似グラフ６２と閾値を示す水平線との交点の横軸座標ｔ＊を求める。このことは、時刻ｔ＊においてプラントが異常状態になることを異常予兆診断装置１が推定していることを意味する。現在時刻から時刻ｔ＊までには、Δｔの猶予期間が存在する。ユーザは、猶予期間の間に何らかの対策を講じることになる。対策の例として、プラントの保守に必要な資材及び人材の確保、異常発生時刻を先延ばしするためのプラントの運転条件の変更等、が挙げられる。

（処理手順）
図１１は、処理手順のフローチャートである。処理手順を開始する前提として、補助記憶装置１５は、計測値情報３１（図４）を、正常（学習）期間及び診断期間について記憶しているものとする。
ステップＳ２０１において、異常予兆診断装置１の前処理部２１は、正常期間のカテゴリを学習する。具体的には、第１に、前処理部２１は、補助記憶装置１５から計測値情報３１を読み出す。診断対象となるプラントが複数存在する場合、前処理部２１は、ユーザがそのうちの１つを入力装置１２を介して選択するのを受け付けてもよい。

第２に、前処理部２１は、ユーザが入力装置１２を介して正常期間を入力するのを受け付ける。正常期間は、プラントが正常であることが既知である期間である。仮に、正常期間としたい期間中に、プラントが異常であることが既知である期間が部分的に含まれる場合、ユーザは、その期間を除外した期間を正常期間として入力する。以降の説明を単純化するため、ここで除外された期間はなかったものとする。
第３に、前処理部２１は、ステップＳ２０１の“第１”において読み出した計測値情報３１から、ステップＳ２０１の“第２”において受け付けた正常期間に該当するレコードを抽出する。

第４に、前処理部２１は、ステップＳ２０１の“第３”において抽出した計測値情報３１のレコードに基づいて、多次元空間において計測値を示す点を描画し、複数のクラスタ（カテゴリを示す球）を作成する。この段階で、前処理部２１は、多次元空間において、図６のカテゴリ１、カテゴリ２及びカテゴリ３を描画していることになる。前処理部２１は、予めユーザが入力装置１２を介してクラスタの大きさを調整するパラメータρを受け付けておいてもよい。パラメータρは、クラスタの半径の逆数に相当する値（０＜ρ≦１）であり、パラメータρの値が大きいほど、クラスタの半径が小さくなり、カテゴリの数が大きくなる傾向がある。

第５に、前処理部２１は、診断結果情報３２（図５）を作成する。このとき、前処理部２１は、図５の診断結果情報３２のうち、最初のレコードからレコード１１６までを作成し、補助記憶装置１５に記憶することになる。これらのレコードの異常度欄１１４及び寄与度欄１１５は空欄のままである。

ステップＳ２０２において、前処理部２１は、診断期間の計測値を取得する。具体的には、第１に、前処理部２１は、ユーザが入力装置１２を介して診断期間を入力するのを受け付ける。診断期間は、プラントが正常であるか否かが既知ではない期間であり、通常、正常（学習）期間に続く期間である。
第２に、前処理部２１は、ステップＳ２０１の“第１”において読み出した計測値情報３１から、ステップＳ２０２の“第１”において受け付けた診断期間に該当するレコードを抽出する。

ステップＳ２０３において、異常予兆診断装置１の分類部２２は、診断期間の計測値を分類する。具体的には、分類部２２は、ステップＳ２０２の“第２”において抽出したレコードに基づいて、多次元空間において計測値を示す点を描画する。そして、分類部２２は、描画した点を、既知のカテゴリ１、カテゴリ２、カテゴリ３、又は、これら以外のカテゴリ４（予兆カテゴリ）のいずれかに分類する。このとき、分類部２２は、図３の上図５１及び下図５２並びに図６の座標平面（空間）図を出力装置１３に表示してもよい。

ステップＳ２０４において、異常予兆診断装置１の算出部２３は、異常度及び寄与度を算出する。具体的には、第１に、算出部２３は、図７の説明において前記した方法で、異常度及び寄与度を、予兆カテゴリに属する点ごとに算出する。
第２に、算出部２３は、診断結果情報３２（図５）のレコードを追加する。このとき、算出部２３は、図５の診断結果情報３２のレコード１１７〜１１９を作成し、補助記憶装置１５に記憶することになる。

ステップＳ２０５において、異常予兆診断装置１の予測部２４は、近似グラフ６２を算出する。具体的には、予測部２４は、図９の説明において前記した方法で、近似グラフ６２を示す関数を算出する。つまり、近似グラフ６２が１次関数である場合、予測部２４は、その１次関数の傾き及び切片を算出することになる。このとき、予測部２４は、図８のような座標平面を出力装置１３に表示して、過去の異常度の推移をユーザに示したうえで、ユーザが前記した参照期間を入力するのを受け付けてもよい。

ステップＳ２０６において、予測部２４は、将来の異常度を予測する。具体的には、第１に、予測部２４は、ステップＳ２０５において算出した近似グラフ６２を、図９の座標平面に描画する。つまり、予測部２４は、現在時刻までの計測値を使用して算出した関数（近似グラフ６２）を、将来に対して適用（外挿）する。
第２に、予測部２４は、診断結果情報３２（図５）のレコードを追加する。このとき、予測部２４は、図５の診断結果情報３２のレコード１２０以降を作成し、補助記憶装置１５に記憶することになる。これらのレコードの時刻欄１１２及び異常度欄１１４以外の欄は空白のままである。

ステップＳ２０７において、異常予兆診断装置１の推定部２５は、異常度が閾値に達する将来の時刻を推定する。具体的には、第１に、推定部２５は、図１０における近似グラフ６２と閾値を示す水平線との交点の横軸座標ｔ＊、及び、現在時刻から時刻ｔ＊までの猶予期間Δｔを推定する。
第２に、推定部２５は、診断結果情報３２（図５）のレコードを修正する。このとき、推定部２５は、図５の診断結果情報３２のレコード１２０以降の異常度のうち、閾値に達しているもの（レコード１２１以降）を“〈〈 〉〉”で括る。

ステップＳ２０８において、異常予兆診断装置１の表示処理部２６は、診断結果を表示する。具体的には、表示処理部２６は、ステップＳ２０７の“第１”において推定した時刻ｔ＊及び猶予期間Δｔを出力装置１３に表示する。表示処理部２６は、正常カテゴリのクラスタ、予兆カテゴリのクラスタ、異常度及び寄与度を示す図７を作成し、出力装置１３に表示してもよい。さらに、表示処理部２６は、時刻ｔ＊及び猶予期間Δｔを示す図１０を作成し、出力装置１３に表示してもよい。ユーザは、当該猶予期間Δｔのうちに、最も寄与度が大きい原因に対して、どのような対策を講じるかを決定することになる。
その後、処理手順を終了する。

（変形例）
近似グラフ６２が１次関数であり、その傾きが負値である場合、ステップＳ２０７の“第１”において、推定部２５は、異常度が閾値に達する将来の時刻を推定できなくなる。この場合、ステップＳ２０８において表示処理部２６は、例えば以下のようなメッセージを出力装置１３に表示してもよい。
・“当面、異常が発生する見込みはありません。”
・“プラントは、過去に経験したことのない正常状態に入りました。”

（本実施形態の効果）
本実施形態の異常予兆診断装置の効果は以下の通りである。
（１）異常予兆診断装置は、プラントが実際に異常となる将来の時刻を推定できる。
（２）異常予兆診断装置は、実績のある適応共鳴理論を使用する他のアプリケーションと連携できる。
（３）異常予兆診断装置は、異常度を画面上の距離としてわかり易く表示できる。
（４）異常予兆診断装置は、関数を使用して、将来異常度が閾値に達する時刻を簡便に推定できる。

なお、本発明は前記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、前記した実施例は、本発明を分かり易く説明するために詳細に説明したものであり、必ずしも説明したすべての構成を備えるものに限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。また、各実施例の構成の一部について、他の構成の追加・削除・置換をすることが可能である。

また、前記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によりハードウエアで実現してもよい。また、前記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウエアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリや、ハードディスク、ＳＳＤ（Solid State Drive）等の記録装置、又は、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に置くことができる。
また、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしもすべての制御線や情報線を示しているとは限らない。実際には殆どすべての構成が相互に接続されていると考えてもよい。

１ 異常予兆診断装置
２ プラント
３ 計測・制御装置
４ ネットワーク
１１ 中央制御装置
１２ 入力装置
１３ 出力装置
１４ 主記憶装置
１５ 補助記憶装置
１６ 通信装置
２１ 前処理部
２２ 分類部
２３ 算出部
２４ 予測部
２５ 推定部
２６ 表示処理部
３１ 計測値情報
３２ 診断結果情報

Claims (6)

1. プラントから取得される計測値を、前記計測値が相互に類似するもの同士で複数のカテゴリに分類する分類部と、
   前記プラントが正常であることが既知である期間において取得された前記計測値が属する正常カテゴリ以外の予兆カテゴリに属する計測値を、前記正常カテゴリに属する計測値と比較した結果である特徴量を算出する算出部と、
   前記算出した特徴量を将来の時系列で予測する予測部と、
   前記予測した特徴量に対して所定の閾値を適用することによって前記プラントが異常となる将来の時期を推定する推定部と、
   を備えることを特徴とする異常予兆診断装置。
2. 前記分類部は、
   適応共鳴理論を使用すること、
   を特徴とする請求項１に記載の異常予兆診断装置。
3. 前記算出部は、
   前記予兆カテゴリに属する計測値と、前記正常カテゴリに属する計測値との距離
   を前記特徴量とすること、
   を特徴とする請求項２に記載の異常予兆診断装置。
4. 前記予測部は、
   時間と前記特徴量との関係を関数で近似すること、
   を特徴とする請求項３に記載の異常予兆診断装置。
5. 異常予兆診断装置の分類部は、
   プラントから取得される計測値を、前記計測値が相互に類似するもの同士で複数のカテゴリに分類し、
   前記異常予兆診断装置の算出部は、
   前記プラントが正常であることが既知である期間において取得された前記計測値が属する正常カテゴリ以外の予兆カテゴリに属する計測値を、前記正常カテゴリに属する計測値と比較した結果である特徴量を算出し、
   前記異常予兆診断装置の予測部は、
   前記算出した特徴量を将来の時系列で予測し、
   前記異常予兆診断装置の推定部は、
   前記予測した特徴量に対して所定の閾値を適用することによって前記プラントが異常となる将来の時期を推定すること、
   を特徴とする異常予兆診断装置の異常予兆診断方法。
6. 異常予兆診断装置の分類部に対し、
   プラントから取得される計測値を、前記計測値が相互に類似するもの同士で複数のカテゴリに分類する処理を実行させ、
   前記異常予兆診断装置の算出部に対し、
   前記プラントが正常であることが既知である期間において取得された前記計測値が属する正常カテゴリ以外の予兆カテゴリに属する計測値を、前記正常カテゴリに属する計測値と比較した結果である特徴量を算出する処理を実行させ、
   前記異常予兆診断装置の予測部に対し、
   前記算出した特徴量を将来の時系列で予測する処理を実行させ、
   前記異常予兆診断装置の推定部に対し、
   前記予測した特徴量に対して所定の閾値を適用することによって前記プラントが異常となる将来の時期を推定するする処理を実行させること、
   を特徴とする異常予兆診断装置を機能させるための異常予兆診断プログラム。

Images