JP2023023347A - 異常診断システム、異常診断装置、異常診断方法、及びプログラム - Google Patents
異常診断システム、異常診断装置、異常診断方法、及びプログラム Download PDFInfo
- Publication number
- JP2023023347A JP2023023347A JP2021128793A JP2021128793A JP2023023347A JP 2023023347 A JP2023023347 A JP 2023023347A JP 2021128793 A JP2021128793 A JP 2021128793A JP 2021128793 A JP2021128793 A JP 2021128793A JP 2023023347 A JP2023023347 A JP 2023023347A
- Authority
- JP
- Japan
- Prior art keywords
- abnormality diagnosis
- data
- learning
- abnormality
- plant
- 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
- 230000005856 abnormality Effects 0.000 title claims abstract description 199
- 238000003745 diagnosis Methods 0.000 title claims abstract description 196
- 238000000034 method Methods 0.000 title claims description 35
- 230000010354 integration Effects 0.000 claims abstract description 6
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 238000010801 machine learning Methods 0.000 claims description 11
- 238000000491 multivariate analysis Methods 0.000 claims description 10
- 238000010586 diagram Methods 0.000 claims description 6
- 230000015572 biosynthetic process Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 238000003786 synthesis reaction Methods 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000002194 synthesizing effect Effects 0.000 description 2
- 238000003070 Statistical process control Methods 0.000 description 1
- 238000010420 art technique Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Abstract
Description
プラントの動作モードとは、プラント(より正確には、プラントを構成する機器又は機器群)をどのように動作させるかを表す動作方法のことである。例えば、プラントとして蒸気ボイラーを想定した場合、動作モードとして、蒸気ボイラー内の圧力が高いときの動作モードである圧力高モードや蒸気ボイラー内の圧力が低いときの動作モードである圧力低モード等が挙げられる。また、例えば、プラントとしてガス配管を想定した場合、動作モードとして、配管内のガスの温度が高いときの動作モードであるガス温度高モードや配管内のガスの温度が低いときの動作モードであるガス温度低モード等が挙げられる。ただし、これらは一例であって、動作モードはプラントの種類や種別等に応じて様々なものが存在し得る。また、異常診断対象となるプラントにおいて、どのような動作モードが存在するかは既知であるものとする。
本実施形態に係る異常診断システム1の全体構成を図2に示す。図2に示すように、本実施形態に係る異常診断システム1には、異常診断装置10と、プラント20と、計測器30と、制御装置40とが含まれる。また、異常診断装置10と計測器30は通信ネットワークを介して通信可能に接続される。同様に、異常診断装置10と制御装置40は通信ネットワークを介して通信可能に接続される。
本実施形態に係る異常診断装置10のハードウェア構成を図3に示す。図3に示すように、本実施形態に係る異常診断装置10は、入力装置301と、表示装置302と、外部I/F303と、通信I/F304と、プロセッサ305と、メモリ装置306とを有する。これらの各ハードウェアは、それぞれがバス307を介して通信可能に接続されている。
本実施形態に係る異常診断処理部100の機能構成を図4に示す。図4に示すように、本実施形態に係る異常診断処理部100には、入出力部110と、モデル学習部120と、異常診断部130とが含まれる。
本実施形態に係るモデル学習処理について図5を参照しながら説明する。なお、運転データベース200には、プラント20の過去の運転データが格納されているものとする。
本実施形態に係る異常診断処理について図6を参照しながら説明する。この異常診断処理は、例えば、新たな運転データが運転データベース200に格納される毎に繰り返し実行される。なお、上記のモデル学習処理により動作モード毎の異常診断モデルが作成されているものとする。
以上のように、本実施形態に係る異常診断システム1は、プラント20の動作モード毎に異常診断モデルを学習した上で、動作モード毎に異常診断を行ってそれらの診断結果から最終的な異常診断結果を得る。これにより、プラント20に様々な動作モードが存在する場合であっても、これらの動作モードを考慮した異常診断が可能となり、異常診断を精度良く行うことができるようになる。
10 異常診断装置
20 プラント
30 計測器
40 制御装置
100 異常診断処理部
110 入出力部
120 モデル学習部
121 学習用データ取得部
122 動作モード分類部
123 学習部
130 異常診断部
131 診断用データ取得部
132 診断部
133 総合部
200 運転データベース
301 入力装置
302 表示装置
303 外部I/F
303a 記録媒体
304 通信I/F
305 プロセッサ
306 メモリ装置
307 バス
Claims (12)
- 複数の動作モードが存在するプラントの異常診断を行う異常診断システムであって、
前記プラントの過去の運転データを表す学習用データで構成されるデータセットを入力する第1の入力部と、
前記データセットを構成する各学習用データについて、前記学習用データを、前記複数の動作モードのうちのいずれかの動作モードに分類する分類部と、
前記動作モード毎に、前記動作モードに分類された学習用データを用いて、前記異常診断を行うためのモデルを学習する学習部と、
前記プラントの運転データを表す診断用データを入力する第2の入力部と、
前記動作モード毎に、前記診断用データと前記動作モードに対応するモデルとを用いて、前記プラントの異常診断を行う異常診断部と、
前記動作モード毎に行われた異常診断の結果を総合した総合異常診断結果を作成する総合部と、
を有する異常診断システム。 - 前記分類部は、
前記学習用データに含まれる状態変数の中から、前記動作モードを特定するための状態変数である主たる変数と、前記主たる変数に関連する状態変数である関連変数とを選択し、
前記主たる変数と前記関連変数に基づいて、前記学習用データを、前記複数の動作モードのうちのいずれかの動作モードに分類する、請求項1に記載の異常診断システム。 - 前記分類部は、
前記主たる変数及び前記関連変数をそれぞれ軸とする空間上に前記学習用データをプロットした散布図をユーザに提示し、
前記散布図に対する前記ユーザの選択操作により前記学習用データを、前記複数の動作モードのうちのいずれかの動作モードに分類する、請求項2に記載の異常診断システム。 - 前記分類部は、
前記複数の動作モードの各動作モードの開始時刻及び終了時刻に基づいて、前記学習用データを、前記複数の動作モードのうちのいずれかの動作モードに分類する、請求項1又は2に記載の異常診断システム。 - 前記分類部は、
前記学習用データに含まれる前記主たる変数の値と前記関連変数の値とで構成されるデータを用いて、前記データ間の類似度を算出し、
算出した前記類似度が所定の範囲内である前記データに対応する学習用データ同士を同一の動作モードに分類することで、前記学習用データを、前記複数の動作モードのうちのいずれかの動作モードに分類する、請求項2に記載の異常診断システム。 - 前記分類部は、
前記学習用データに含まれる前記主たる変数の値と前記関連変数の値とで構成されるデータをクラスタリングし、同一のクラスタに属する前記データに対応する学習用データ同士を同一の動作モードに分類することで、前記学習用データを、前記複数の動作モードのうちのいずれかの動作モードに分類する、請求項2に記載の異常診断システム。 - 前記学習部は、
前記動作モード毎に、前記動作モードに分類された学習用データを用いて、多変量解析の手法又は機械学習の手法により前記モデルを学習する、請求項1乃至6の何れか一項に記載の異常診断システム。 - 前記異常診断部は、
前記多変量解析の手法により前記モデルが学習された場合、前記動作モード毎に、前記診断用データに対応する所定の統計量と、前記統計量に対する閾値との比率を算出し、
前記総合部は、
前記複数の動作モードのうち、前記比率が1よりも大きく、かつ、前記比率が最も小さい動作モードを特定し、特定した動作モードで異常が発生したことを表す総合異常診断結果を作成する、請求項7に記載の異常診断システム。 - 前記異常診断部は、
前記機械学習の手法により前記モデルが作成された場合、前記動作モード毎に、正常又は異常のいずれかを表す値を算出し、
前記総合部は、
前記動作モード毎に算出された前記値の論理和若しくは論理積、又は異常を表す値の割合に基づいて、前記総合異常診断結果を作成する、請求項7に記載の異常診断システム。 - 複数の動作モードが存在するプラントの異常診断を行う異常診断装置であって、
前記プラントの過去の運転データを表す学習用データで構成されるデータセットを入力する第1の入力部と、
前記データセットを構成する各学習用データについて、前記学習用データを、前記複数の動作モードのうちのいずれかの動作モードに分類する分類部と、
前記動作モード毎に、前記動作モードに分類された学習用データを用いて、前記異常診断を行うためのモデルを学習する学習部と、
前記プラントの運転データを表す診断用データを入力する第2の入力部と、
前記動作モード毎に、前記診断用データと前記動作モードに対応するモデルとを用いて、前記プラントの異常診断を行う異常診断部と、
前記動作モード毎に行われた異常診断の結果を総合した総合異常診断結果を作成する総合部と、
を有する異常診断装置。 - 複数の動作モードが存在するプラントの異常診断を行う異常診断装置が、
前記プラントの過去の運転データを表す学習用データで構成されるデータセットを入力する第1の入力手順と、
前記データセットを構成する各学習用データについて、前記学習用データを、前記複数の動作モードのうちのいずれかの動作モードに分類する分類手順と、
前記動作モード毎に、前記動作モードに分類された学習用データを用いて、前記異常診断を行うためのモデルを学習する学習手順と、
前記プラントの運転データを表す診断用データを入力する第2の入力手順と、
前記動作モード毎に、前記診断用データと前記動作モードに対応するモデルとを用いて、前記プラントの異常診断を行う異常診断手順と、
前記動作モード毎に行われた異常診断の結果を総合した総合異常診断結果を作成する総合手順と、
を実行する異常診断方法。 - 複数の動作モードが存在するプラントの異常診断を行う異常診断装置に、
前記プラントの過去の運転データを表す学習用データで構成されるデータセットを入力する第1の入力手順と、
前記データセットを構成する各学習用データについて、前記学習用データを、前記複数の動作モードのうちのいずれかの動作モードに分類する分類手順と、
前記動作モード毎に、前記動作モードに分類された学習用データを用いて、前記異常診断を行うためのモデルを学習する学習手順と、
前記プラントの運転データを表す診断用データを入力する第2の入力手順と、
前記動作モード毎に、前記診断用データと前記動作モードに対応するモデルとを用いて、前記プラントの異常診断を行う異常診断手順と、
前記動作モード毎に行われた異常診断の結果を総合した総合異常診断結果を作成する総合手順と、
を実行させるプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021128793A JP7052914B1 (ja) | 2021-08-05 | 2021-08-05 | 異常診断システム、異常診断装置、異常診断方法、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021128793A JP7052914B1 (ja) | 2021-08-05 | 2021-08-05 | 異常診断システム、異常診断装置、異常診断方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7052914B1 JP7052914B1 (ja) | 2022-04-12 |
JP2023023347A true JP2023023347A (ja) | 2023-02-16 |
Family
ID=81260100
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021128793A Active JP7052914B1 (ja) | 2021-08-05 | 2021-08-05 | 異常診断システム、異常診断装置、異常診断方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7052914B1 (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004234302A (ja) * | 2003-01-30 | 2004-08-19 | Toshiba Corp | プロセス管理装置 |
JP2011070635A (ja) * | 2009-08-28 | 2011-04-07 | Hitachi Ltd | 設備状態監視方法およびその装置 |
JP2011145846A (ja) * | 2010-01-14 | 2011-07-28 | Hitachi Ltd | 異常検知方法、異常検知システム、及び異常検知プログラム |
JP2014096050A (ja) * | 2012-11-09 | 2014-05-22 | Toshiba Corp | プロセス監視診断装置、プロセス監視診断プログラム |
-
2021
- 2021-08-05 JP JP2021128793A patent/JP7052914B1/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004234302A (ja) * | 2003-01-30 | 2004-08-19 | Toshiba Corp | プロセス管理装置 |
JP2011070635A (ja) * | 2009-08-28 | 2011-04-07 | Hitachi Ltd | 設備状態監視方法およびその装置 |
JP2011145846A (ja) * | 2010-01-14 | 2011-07-28 | Hitachi Ltd | 異常検知方法、異常検知システム、及び異常検知プログラム |
JP2014096050A (ja) * | 2012-11-09 | 2014-05-22 | Toshiba Corp | プロセス監視診断装置、プロセス監視診断プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP7052914B1 (ja) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7162442B2 (ja) | プロセス及び製造業における業績評価指標のデータに基づく最適化のための方法及びシステム | |
JP6555061B2 (ja) | クラスタリングプログラム、クラスタリング方法、および情報処理装置 | |
US11761792B2 (en) | Machine learning model development with interactive model evaluation | |
Xu et al. | Health status assessment and failure prediction for hard drives with recurrent neural networks | |
Hachicha et al. | A survey of control-chart pattern-recognition literature (1991–2010) based on a new conceptual classification scheme | |
Reis et al. | Assessing the value of information of data‐centric activities in the chemical processing industry 4.0 | |
JP5684941B1 (ja) | 異常予兆診断装置及び異常予兆診断方法 | |
US11858651B2 (en) | Machine learning model development with interactive feature construction and selection | |
US11367016B2 (en) | Machine learning model development with interactive model building | |
US11544493B2 (en) | Machine learning model development with interactive exploratory data analysis | |
WO2018140337A1 (en) | A unifying semi-supervised approach for machine condition monitoring and fault diagnosis | |
JP2012256311A (ja) | 外れ値検出装置、外れ値検出方法、プログラム及び車両故障診断システム | |
JPWO2019239542A1 (ja) | 異常検知装置、異常検知方法及び異常検知プログラム | |
US20220121988A1 (en) | Computing Platform to Architect a Machine Learning Pipeline | |
JP7052914B1 (ja) | 異常診断システム、異常診断装置、異常診断方法、及びプログラム | |
US11727021B2 (en) | Process control tool for processing big and wide data | |
US20220147039A1 (en) | Event analytics in modular industrial plants | |
EP3644241B1 (en) | Interactive machine learning model development | |
JP7371802B1 (ja) | 異常診断システム、異常診断装置、異常診断方法、及びプログラム | |
CN115427986A (zh) | 用于从大容量、高速流式数据动态生成预测分析的算法学习引擎 | |
JP2021028751A (ja) | 故障予兆診断システムおよび方法 | |
US20240142922A1 (en) | Analysis method, analysis program and information processing device | |
Wang et al. | Enhanced process fault diagnosis through integrating neural networks and Andrews plot | |
Malagoli et al. | Visual query specification and interaction with industrial engineering data | |
WO2019131017A1 (ja) | 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 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210805 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20210805 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211116 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211217 |
|
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: 20220301 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220314 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7052914 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |