JP2022061689A - 妥当性確認方法、妥当性確認システム及びプログラム - Google Patents
妥当性確認方法、妥当性確認システム及びプログラム Download PDFInfo
- Publication number
- JP2022061689A JP2022061689A JP2020169782A JP2020169782A JP2022061689A JP 2022061689 A JP2022061689 A JP 2022061689A JP 2020169782 A JP2020169782 A JP 2020169782A JP 2020169782 A JP2020169782 A JP 2020169782A JP 2022061689 A JP2022061689 A JP 2022061689A
- Authority
- JP
- Japan
- Prior art keywords
- cut
- event
- sets
- correct answer
- cut set
- 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
- 238000012790 confirmation Methods 0.000 title claims abstract description 136
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000000116 mitigating effect Effects 0.000 claims abstract description 47
- 238000010200 validation analysis Methods 0.000 claims description 34
- 238000004364 calculation method Methods 0.000 claims description 21
- 230000001364 causal effect Effects 0.000 claims description 21
- 238000012937 correction Methods 0.000 claims description 16
- 238000013210 evaluation model Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 43
- 238000012545 processing Methods 0.000 description 11
- 239000013598 vector Substances 0.000 description 11
- 238000012502 risk assessment Methods 0.000 description 10
- 239000000284 extract Substances 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 239000000498 cooling water Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000002826 coolant Substances 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
以下、本開示の妥当性確認システムについて、図1~図7を参照しながら説明する。
(システム構成)
図1は、実施形態に係る妥当性確認システムの一例を示すブロック図である。
妥当性確認システム1は、確率論的リスク評価モデル(以下、PRAモデルと呼ぶ。)を構成する頂上事象のカットセットの妥当性確認作業を支援する。図示するように妥当性確認システム1は、PRAモデル管理装置10と、正解カットセット作成装置20と、妥当性確認支援装置30とを備える。PRAモデル管理装置10と正解カットセット作成装置20は、妥当性確認支援装置30と通信可能に接続されている。
PRAモデル管理装置10は、カットセット出力部11と、修正受付部12と、記憶部13とを備える。
カットセット出力部11は、PRAモデルを解析して、頂上事象のカットセットを出力する。頂上事象とは、例えば、原子力発電プラントにおける重大な事故事象である。頂上事象のカットセットとは、頂上事象を引き起こす1つまたは複数の基事象の組合せである。基事象とは、例えば、ポンプの起動失敗、逆止弁の開失敗など、重大な事故事象に繋がる個々の故障・失敗事象である。以下、頂上事象のカットセットを単にカットセットと記載する。例えば、原子力発電プラントの場合、PRAモデルから出力されるカットセットの数は、数万から数十万になることがある。PRAモデルから出力される複数のカットセットをカットセットリストと呼ぶ。
修正受付部12は、PRAモデルに対する修正指示を受け付け、PRAモデルを修正する。
記憶部13は、PRAモデルを記憶する。PRAモデルには、FT(Fault Tree)(図3)やET(Event Tree)が含まれている。
正解カットセット作成装置20は、正解カットセット作成部21と、記憶部22と、を備える。
正解カットセット作成部21は、PRAモデルがリスク評価の対象とする頂上事象に関して、その頂上事象に至る事象の進展を示すETから正しい(妥当な)カットセットを作成する。正解カットセット作成部21が作成する正しいカットセットを、正解カットセットとよぶ。
記憶部22は、正解カットセットの元となるETを記憶する(図4)。
妥当性確認支援装置30は、カットセット取得部31と、正解カットセット取得部32と、特徴量演算部33と、階層的クラスタリング部34と、制御部35と、出力部36と、記憶部37と、を備える。
カットセット取得部31は、PRAモデル管理装置10が出力した確認対象のカットセットを取得する。
正解カットセット取得部32は、正解カットセット作成装置20が出力した正解カットセットを取得する。
制御部35は、確認対象カットセットの妥当性確認処理の制御を行う。例えば、制御部35は、階層的クラスタリングによって生成された複数クラスタの中から、技術者による確認対象のクラスタ(不適切なカットセットが含まれると考えられるクラスタ)を抽出したり、確認対象カットセットを事故シーケンス別に分類して、分類後のグループごとに階層的クラスタリングを実行したりする。
記憶部37は、カットセットリスト、正解カットセット、処理中のデータなどを記憶する。
次に図2を用いて、妥当性確認システム1を用いたカットセット妥当性確認処理の概要について説明する。
図2は、実施形態に係る妥当性確認処理の全体の概要を示す図である。
まず、PRAモデル管理装置10が、ある頂上事象(例えば、炉心損傷)のPRAモデルからカットセットを抽出し、出力する(S1)。図3にPRAモデルの一例を示す。図3の円で示したA~Eは基事象を示し、四角で示したP~Qは中間事象を示し、ORゲートは、基事象A、C、中間事象Pの何れかが発生すると、頂上事象が発生することを示す。2つのANDゲートのうち、上のANDゲートは、基事象Bと中間事象Qが発生すると、中間事象Pが発生することを示している。下のANDゲートは、基事象Dと基事象Eが発生すると、中間事象Qが発生することを示している。図3のFTの場合、頂上事象を引き起こすカットセットは、(1)基事象A、(2)基事象B、基事象D、基事象Eの組合せ、(3)基事象Cである。PRAモデル管理装置10は、例えば、図3のFTに基づいて、カットセット1(基事象A)、カットセット2(基事象B、基事象D、基事象E)、カットセット3(基事象C)を含むカットセットリストを出力する(S1)。
次に、妥当性確認システム1の動作について説明する。
図6は、実施形態に係る妥当性確認処理の一例を示すフローチャートである。
(正解カットセットの作成)
まず、技術者が確認対象の起因事象を選定し、選定した起因事象と確認対象の頂上事象を正解カットセット作成装置20へ入力する。正解カットセット作成装置20では、正解カットセット作成部21が、入力された起因事象と頂上事象を取得し(S11)、その起因事象から頂上事象へ至るまでのETを記憶部22から読み出す。次に正解カットセット作成部21は、読み出したETに基づいて、事故シーケンスを選定する(S12)。記憶部22には、ETの事故シーケンスごとに発生確率又は発生頻度が設定されている。例えば、図4のETの場合、炉心損傷1~4のそれぞれに至る事故シーケンスごとに、その事故シーケンスが発生する発生確率が設定されている。正解カットセット作成部21は、それぞれの事故シーケンスの発生確率を閾値と比較して、閾値以上の事故シーケンスを選定する。発生確率の低い事故シーケンスに関するカットセットは、確認対象カットセットにも含まれていない可能性がある為、予め対象としない。
次に技術者が、PRAモデル管理装置10へカットセットリストを出力するよう指示する。カットセット出力部11は、記憶部13からPRAモデル(図3)を読み出して、PRAモデルに基づいてカットセットリストを抽出する(S16)。カットセットリストの抽出には、一般的に提供されているツールを使用することができる。カットセット出力部11は、カットセットリストを妥当性確認支援装置30へ出力する。妥当性確認支援装置30では、カットセット取得部31が、カットセットリストを取得し、記憶部37に書き込む。
なお、S11~15までの処理と、S16の処理の順番は逆でもよいし、同時並行的に行ってもよい。
コンピュータ900は、CPU901、主記憶装置902、補助記憶装置903、入出力インタフェース904、通信インタフェース905を備える。
上述のPRAモデル管理装置10、正解カットセット作成装置20、妥当性確認支援装置30は、それぞれコンピュータ900に実装される。そして、上述した各機能は、プログラムの形式で補助記憶装置903に記憶されている。CPU901は、プログラムを補助記憶装置903から読み出して主記憶装置902に展開し、当該プログラムに従って上記処理を実行する。また、CPU901は、プログラムに従って、記憶領域を主記憶装置902に確保する。また、CPU901は、プログラムに従って、処理中のデータを記憶する記憶領域を補助記憶装置903に確保する。
各実施形態に記載の確率論的リスク評価モデルの妥当性確認方法、妥当性確認システム1及びプログラムは、例えば以下のように把握される。
これにより、正解カットセットを含むクラスタに適切である可能性が高いカットセットを集約して、これらを確認対象から除外することができる。また、正解カットセットを含まないクラスタに不適切である可能性が高いカットセットを集約し、確認対象のカットセットを限定することができる。これにより、確認対象カットセットが十数万個以上存在する場合でも、効率よくカットセットの妥当性確認を行うことができる。
正解カットセットを含まないクラスタからカットセットを選択して妥当性の確認を行うことで、高い確率で不適切なカットセットを発見し、PRAモデルを修正することができる。
正解カットセットを含むクラスタに属するカットセットを正とみなし適切とのマーキング(第1識別情報)を行って階層的クラスタリングを行うことで、適切と考えられるカットセットの範囲を広げ、不適切と考えられるカットセットを更に絞り込むことができる。
(3)の妥当性確認方法による効果に加え、階層的クラスタリングの要する計算負荷を低減することができるので、確認対象カットセットが膨大となった場合でも、効率よく処理することができる。
適切とマーキングされたカットセットを含まないクラスタからカットセットを選択して妥当性の確認を行うことで、高い確率で不適切なカットセットを発見し、PRAモデルを修正することができる。
これにより、各カットセットを表す文字列における単語の組合せによって示される当該カットセットの特徴を適切に表した(保持した)特徴量を演算することができ、階層的クラスタリングにおいて、適切なカットセットと、不適切なカットセットに精度よく分離することができる。
これにより、正解カットセットを作成することができる。
PRAモデルから抽出されるカットセットリストには、発生確率又は発生頻度が低いカットセットが含まれていない。(8)、(9)の態様によれば、確認対象カットセットに無い、発生確率又は発生頻度が低い、不要な正解カットセットの作成を抑制し、データ量を抑え、計算負荷を抑制することができる。
11・・・カットセット出力部
12・・・修正受付部
13・・・記憶部
20・・・正解カットセット作成装置
21・・・正解カットセット作成部
22・・・記憶部
30・・・妥当性確認支援装置
31・・・カットセット取得部
32・・・正解カットセット取得部
33・・・特徴量演算部
34・・・階層的クラスタリング部
35・・・制御部
36・・・出力部
37・・・記憶部
900・・・コンピュータ
901・・・CPU、
902・・・主記憶装置、
903・・・補助記憶装置、
904・・・入出力インタフェース
905・・・通信インタフェース
Claims (11)
- 頂上事象への事象の進展を示すイベントツリーのヘディングに設定された起因事象および緩和機能について、前記起因事象が発生する要因と、前記緩和機能が失敗する要因とを前記イベントツリーの構造に基づき組み合わせて作成された正解カットセットを複数取得するステップと、
前記頂上事象のPRAモデルを構成するカットセットである確認対象カットセットを複数取得するステップと、
複数の前記確認対象カットセットおよび複数の前記正解カットセットのそれぞれについて、特徴量を演算するステップと、
複数の前記確認対象カットセットに複数の前記正解カットセットを加えたカットセットの集合について、前記特徴量に基づく階層的クラスタリングを行う第1のクラスタリング実行ステップと、
前記第1のクラスタリング実行ステップの前記階層的クラスタリングによって生成されたクラスタのうち、前記正解カットセットを含まないクラスタを出力する第1の出力ステップと、
を有する妥当性確認方法。 - 前記第1の出力ステップによって出力された前記クラスタに含まれる前記確認対象カットセットについての妥当性の確認結果を取得するステップと、
前記確認結果が妥当ではない場合、前記PRAモデルの修正情報を受け付けるステップと、
をさらに有する請求項1に記載の妥当性確認方法。 - 前記第1のクラスタリング実行ステップで生成された前記クラスタに含まれる前記確認対象カットセットのそれぞれについて、前記正解カットセットを含む前記クラスタに属する場合には第1識別情報を付し、前記正解カットセットを含まない前記クラスタに属する場合には第2識別情報を付すステップと、
前記第1識別情報又は前記第2識別情報を付した全ての複数の前記確認対象カットセットについて、前記特徴量に基づく階層的クラスタリングを行う第2のクラスタリング実行ステップと、
前記第2のクラスタリング実行ステップの前記階層的クラスタリングによって生成されたクラスタのうち、前記第2識別情報が付された前記確認対象カットセットだけを含むクラスタを出力する第2の出力ステップと、
をさらに有する請求項1又は請求項2に記載の妥当性確認方法。 - 前記第1のクラスタリング実行ステップで生成された前記クラスタに含まれる前記確認対象カットセットのそれぞれについて、前記正解カットセットを含む前記クラスタに属する場合には第1識別情報を付し、前記正解カットセットを含まない前記クラスタに属する場合には第2識別情報を付すステップと、
前記第1識別情報又は前記第2識別情報を付した全ての前記確認対象カットセットを、前記事象の進展の類型ごとに分類するステップと、
前記分類するステップによって分類したグループごとに前記特徴量に基づく階層的クラスタリングを行う第2のクラスタリング実行ステップと、
前記第2のクラスタリング実行ステップの前記階層的クラスタリングによって生成されたクラスタのうち、前記第2識別情報が付された前記確認対象カットセットだけを含むクラスタを出力する第2の出力ステップと、
をさらに有する請求項1又は請求項2に記載の妥当性確認方法。 - 前記第2の出力ステップによって出力された前記クラスタに含まれる前記確認対象カットセットについての妥当性の確認結果を取得するステップと、
前記確認結果が妥当ではない場合、前記PRAモデルの修正情報を受け付けるステップと、
をさらに有する請求項3又は請求項4に記載の妥当性確認方法。 - 前記特徴量の演算は、前記確認対象カットセットおよび前記正解カットセットの文字列がどのような単語をどのように組み合わせて構成されているかをベクトル化することによって行う、
請求項1から請求項5の何れか1項に記載の妥当性確認方法。 - 前記イベントツリーのヘディングに設定された起因事象および緩和機能について、前記起因事象が発生する要因と、前記緩和機能が失敗する失敗要因とを複数設定した失敗要因情報を取得し、前記起因事象が発生する要因と前記緩和機能ごとの前記失敗要因とを前記イベントツリーの構造に基づいて組み合わせて、前記正解カットセットを複数作成するステップ、
をさらに有する請求項1から請求項6の何れか1項に記載の妥当性確認方法。 - 前記正解カットセットを複数作成するステップでは、
前記起因事象と前記緩和機能を前記イベントツリーの構造に基づいて組み合わせた前記事象の進展の類型の発生確率又は発生頻度に基づいて、前記発生確率又は発生頻度が所定の閾値以上の前記事象の進展の類型について、前記正解カットセットを作成する、
請求項7に記載の妥当性確認方法。 - 前記正解カットセットを複数作成するステップでは、
前記正解カットセットを構成する前記起因事象が発生する要因の発生確率又は発生頻度と、前記緩和機能が失敗する要因の発生確率又は発生頻度とに基づいて当該正解カットセットの発生確率又は発生頻度を計算し、当該発生確率又は当該発生頻度が所定の閾値以下の場合、当該正解カットセットを作成しない、
請求項7または請求項8に記載の妥当性確認方法。 - 頂上事象への事象の進展を示すイベントツリーのヘディングに設定された起因事象および緩和機能について、前記起因事象が発生する要因と、前記緩和機能が失敗する要因とを前記イベントツリーの構造に基づき組み合わせて作成された正解カットセットを複数取得する正解カットセット取得部と、
前記頂上事象のPRAモデルを構成するカットセットである確認対象カットセットを複数取得するカットセット取得部と、
複数の前記確認対象カットセットおよび複数の前記正解カットセットのそれぞれについて、特徴量を演算する特徴量演算部と、
複数の前記確認対象カットセットに複数の前記正解カットセットを加えたカットセットの集合について、前記特徴量に基づく階層的クラスタリングを行う階層的クラスタリング部と、
前記階層的クラスタリングによって生成されたクラスタのうち、前記正解カットセットを含まないクラスタを出力する出力部と、
を有する妥当性確認システム。 - コンピュータに、
頂上事象への事象の進展を示すイベントツリーのヘディングに設定された起因事象および緩和機能について、前記起因事象が発生する要因と、前記緩和機能が失敗する要因とを前記イベントツリーの構造に基づき組み合わせて作成された正解カットセットを複数取得するステップと、
前記頂上事象のPRAモデルを構成するカットセットである確認対象カットセットを複数取得するステップと、
複数の前記確認対象カットセットおよび複数の前記正解カットセットのそれぞれについて、特徴量を演算するステップと、
複数の前記確認対象カットセットに複数の前記正解カットセットを加えたカットセットの集合について、前記特徴量に基づく階層的クラスタリングを行うステップと、
前記階層的クラスタリングによって生成されたクラスタのうち、前記正解カットセットを含まないクラスタを出力するステップと、
を実行させるプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020169782A JP7413225B2 (ja) | 2020-10-07 | 2020-10-07 | 妥当性確認方法、妥当性確認システム及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020169782A JP7413225B2 (ja) | 2020-10-07 | 2020-10-07 | 妥当性確認方法、妥当性確認システム及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022061689A true JP2022061689A (ja) | 2022-04-19 |
JP7413225B2 JP7413225B2 (ja) | 2024-01-15 |
Family
ID=81210565
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020169782A Active JP7413225B2 (ja) | 2020-10-07 | 2020-10-07 | 妥当性確認方法、妥当性確認システム及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7413225B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115456788A (zh) * | 2022-11-07 | 2022-12-09 | 支付宝(杭州)信息技术有限公司 | 一种风险群组的检测方法、装置及设备 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150143176A1 (en) | 2012-05-17 | 2015-05-21 | Nec Corporation | Identification system, identification method, and program |
JP6066081B2 (ja) | 2013-09-03 | 2017-01-25 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | フォールトツリーを生成する装置及び方法 |
WO2016088180A1 (ja) | 2014-12-01 | 2016-06-09 | 東京電力ホールディングス株式会社 | 設備の保守管理方法 |
-
2020
- 2020-10-07 JP JP2020169782A patent/JP7413225B2/ja active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115456788A (zh) * | 2022-11-07 | 2022-12-09 | 支付宝(杭州)信息技术有限公司 | 一种风险群组的检测方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
JP7413225B2 (ja) | 2024-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9021304B2 (en) | Fault analysis rule extraction device, fault analysis rule extraction method and storage medium | |
CN102089762B (zh) | 用于集成电路的基于模型的设计及布局的方法及系统 | |
US11126789B2 (en) | Method to convert a written procedure to structured data, and related systems and methods | |
US10504035B2 (en) | Reasoning classification based on feature pertubation | |
Bonidia et al. | Feature extraction approaches for biological sequences: a comparative study of mathematical features | |
CN114936158B (zh) | 一种基于图卷积神经网络的软件缺陷定位方法 | |
US9921947B2 (en) | Test selection method and test selection apparatus | |
JP6281491B2 (ja) | テキストマイニング装置、テキストマイニング方法及びプログラム | |
US20170091082A1 (en) | Test db data generation apparatus | |
CN116305158A (zh) | 一种基于切片代码依赖图语义学习的漏洞识别方法 | |
CN111045670B (zh) | 一种二进制代码与源代码间复用关系的识别方法与装置 | |
JP7413225B2 (ja) | 妥当性確認方法、妥当性確認システム及びプログラム | |
US20230206085A1 (en) | Processing device, processing method and processing program | |
JP5962367B2 (ja) | フォールトツリー生成プログラム | |
US20220334941A1 (en) | Pattern extraction and rule generation apparatus, method, and program | |
CN107688727B (zh) | 生物序列聚类和全长转录组中转录本亚型识别方法和装置 | |
JP2007249826A (ja) | テスト項目生成装置 | |
JP6121828B2 (ja) | 静的解析装置、静的解析方法、および、コンピュータ・プログラム | |
JP7181043B2 (ja) | 故障診断装置、故障診断方法、及び故障診断プログラム | |
CN114428720A (zh) | 基于p-k的软件缺陷预测方法、装置、电子设备及介质 | |
JP6571239B1 (ja) | 検証装置及び検証用プログラム | |
JP2023039583A (ja) | 妥当性確認方法、妥当性確認システム及びプログラム | |
JP6660333B2 (ja) | 情報抽出装置、情報抽出方法及び情報抽出プログラム | |
Pomeranz | Improving the accuracy of defect diagnosis with multiple sets of candidate faults | |
JP2023157600A (ja) | 閾値設定方法、類似文字列判定方法、閾値設定装置、類似文字列判定装置及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230116 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231025 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231031 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231128 |
|
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: 20231212 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231227 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7413225 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |