JP3082548B2

JP3082548B2 - 設備管理システム

Info

Publication number: JP3082548B2
Application number: JP05330999A
Authority: JP
Inventors: 芳明市川; 春夫木伏; 良和石井; 雄太郎堀; 直樹山本; 邦彦小針
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 1993-12-27
Filing date: 1993-12-27
Publication date: 2000-08-28
Anticipated expiration: 2015-08-28
Also published as: JPH07192188A

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、設備管理システムに係
り、特に多数の設備からの多数の波及アラームが発生
し、かつ複数の異常事象の重複発生を想定しなければな
らない場合に、多数のアラームを収集してその中から異
常事象に直接的に関連する重要なアラームを選別し、重
要事象情報として供給するに好適な設備管理システムに
関する。

【０００２】

【従来の技術】複数の設備に相互関連があるとき、ある
設備に異常が発生すると他の設備にも影響が現れる。こ
のような場合、各々の設備がアラームを発生するため、
アラームが連鎖的に多数発生し、どの設備が異常事象の
元となったのかがアラームだけを見た限りでは分からな
くなる。すなわち、多数のアラームの中に重要なアラー
ムが埋もれてしまう。

【０００３】一方、監視業務に慣れた監視員は、過去の
事例に基づいて発生しているアラームのパターンから事
象を同定することが可能であり、どの設備が事象の原因
であるのかを選別するすることができる。しかし、大規
模なシステムでは、この選別判断の高速化及びより一層
の正確さが求められ、監視業務の自動化が必要となって
いる。

【０００４】そこで、ニューラルネットワークなどのパ
ターン認識装置を用いてアラームパターンと異常事象
（原因となる設備）との対応付けを学習し、実際の異常
時に高速かつ正確な選別判断を可能とする方法が提案さ
れている。この一例は、IEEEトランザクションオンニ
ュークリアサイエンス４０巻１号（1993年）１１頁か
ら２０頁（IEEE Transaction on Nuclear Science, VO
L.40, NO1, pp11−20, 1993）に記載されている。

【０００５】

【発明が解決しようとする課題】上記従来技術は、パタ
ーン識別装置に全てのアラームを入力し、識別結果であ
る事象のコード番号を出力させるものであるが、アラー
ム数が数百を超える数になると識別のための時間が増大
するとともにパターン学習のための時間はさらに膨大な
ものとなる。また、学習に際しては、教師パターンの組
み合わせ的増大を避けるために、個々の事象が単独に起
ったケースを教師データとして与えるが、複数の事象が
重複して発生すると正しい識別ができない。

【０００６】本発明の目的は、多数の設備からの多数の
波及アラームが発生し、かつ複数の事象の重複発生を想
定しなければならない場合に、多数のアラームの中から
発生事象に直接的に関連する重要なアラームを高速に選
別できる設備管理システムを提供することにある。

【０００７】本発明の他の目的は、上記選別のために必
要な学習を高速化できる設備管理システムを提供するこ
とにある。

【０００８】

【課題を解決するための手段】上記の本発明の目的は、
複数の設備より発生する複数のアラームを同期性を有す
るアラーム毎に分けることによって複数のグループを設
定し、かつ設定した各グループと属するアラームに関す
る情報を出力する情報出力手段と、前記情報出力手段か
ら出力された前記情報に基づいて前記複数の設備より発
生した複数のアラームを前記グループ毎に分類する分類
手段と、前記分類手段により分類された前記複数のアラ
ームから発生事象に最も密接なアラームを各グループ毎
に選別する選別手段とを備えたことにより達成できる。

【０００９】本発明の他の目的は、選別手段がグループ
毎にニューラルネットワークを有し、そのニューラルネ
ットワークが入力された複数のアラームに基づいて発生
事象に最も密接なアラームを出力するように予め学習が
行われていることにより達成できる。

【００１０】

【作用】分類手段によって複数の設備より発生した複数
のアラームをグループ毎に分類し、かつ選別手段によっ
て分類手段により分類された複数のアラームから発生事
象に最も密接なアラームを各グループ毎に選別するの
で、多数の設備からの多数の波及アラームが発生し、か
つ複数の事象の重複発生を想定しなければならない場合
に、多数のアラームの中から発生事象に直接的に関連す
る重要なアラームのみを高速に選別することができる。

【００１１】発生事象に最も密接なアラームを出力する
ニューラルネットワークが、グループ毎に設けられてい
るので、グループ毎の学習が可能になり、上記選別のた
めに必要な学習を高速化できる。

【００１２】

【実施例】以下、図１を用いて本発明の実施例である設
備管理システムを詳細に説明する。本実施例は、相関学
習装置１，グループ化アラーム信号供給装置８，アラー
ム選別装置９，情報集約装置１０及び表示装置１１を有
する。

【００１３】相関学習装置１は、監視対象の設備に含ま
れる各エレメントＥ１，Ｅ２，Ｅ３，Ｅ４……（図２）
で発生した多数のアラーム信号の発生履歴の同期性から
相関のあるアラームをグループに分け、そのリストを作
る。グループ化アラーム信号供給装置８は、上記のアラ
ーム信号及び上記リストを入力し、このリストに基づい
てアラームをより小数のグループに分割してアラーム選
別装置９に供給する。アラーム選別装置９は、グループ
化されたアラームの発生パターンとその中で発生事象に
最も密接なアラームを関連付ける学習を行い、その結果
を用いて既学習のパターンに該当するアラームが発生し
たときには事象に最も密接なアラームのみを選別し、他
のアラームを抑制する。情報集約装置１０は、アラーム
選別装置９で選別されたアラームに基づき設備情報を検
索して、発生している事象情報を表示するために報じ装
置１１に出力する。

【００１４】相関学習装置１の構成は、図２に詳細に示
される。図２左上のエレメント群として枠で囲った部分
が監視対象とする設備の一部を示している。Ｅ１，Ｅ
２，Ｅ３，Ｅ４は設備の認識番号である。これらの設備
には相互関連があり、例えば図２では設備Ｅ１，Ｅ３及
びＥ４の間には関係があり、例えば設備Ｅ１が故障する
とアラームを発生するが、故障していない設備Ｅ３及び
Ｅ４もこれに影響されてアラームを発生する。このよう
なアラームを波及アラームと言い、故障箇所である設備
Ｅ１を同定するに際して妨げとなる。本実施例の装置の
主目的は、波及アラームを抑制し、真の故障箇所のアラ
ームだけを選別することである。一方、図２の設備Ｅ２
のような別の系統の装置は、偶然の機会を除いては設備
Ｅ１，Ｅ２及びＥ３と同時にアラームを発生することは
ない。大規模なシステムにおいては設備の数が非常に多
く、アラームの総数は膨大になる。このような大規模シ
ステムでは発生件数も多く、日常、何処かになんらかの
異常事象が発生しており、かなりの数のアラームが定常
的に検出されていることも珍しくない。故障箇所は、現
場での保守および点検を通じて、あるいは経験を積んだ
監視員によって最終的には判明する。しかしながら、こ
の判明した結果を教師データとして用いてパターン識別
を行おうとしても、一度に膨大な種類のアラームを対象
として真の故障箇所のアラームだけを選別することは困
難である。

【００１５】多数の設備が全て相互に密接に関連してい
る訳ではなく、上記の設備Ｅ１の系統と設備Ｅ２のよう
に別系統になっているものがある。この点に着目する
と、実は膨大な数のアラームがより小数のグループに分
割され得ることが分かる。この分割ないしはグループ化
は、設備の構成情報を用いて行うこともできるが、大規
模システムではこの構成情報も常に最新のものに更新さ
れているとは限らない。現場で設備の新設，変更及び保
守が行われた場合、設備の新設，変更及び保守の結果が
管理システム側に即座に通知されるとは限らない。

【００１６】そこで、本実施例における相関学習装置１
は、アラームの履歴を見てグループ分割を実施する。ま
ず、各設備で発生したアラーム信号は、一旦、アラーム
記録装置２に記憶された後、相関データベース６内の相
関テーブル６Ａを更新するために用いられる。ここで相
関テーブル６Ａは、図中に示すように設備の認識番号
（Ｅ１，Ｅ２，Ｅ３，……）と、要素（ｉ，ｊ）からな
る表である。これらのうち要素（ｉ，ｊ）だけの部分を
相関マトリクスと呼ぶことにする。相関マトリクスは行
と列が個々の設備に対応しており、アラームの相関を同
期性の観点から示したものである。例えば、必ず同時刻
に発生しているアラーム同士、及びやや時間遅れがある
ものの必ず他を伴って発生するアラーム同士は同期性が
あると考える。

【００１７】同期性判別装置３は、そのような考えに基
づいて判定し、ある設備ｉのアラームについて同期性の
ある他の設備のアラームｊを見い出す。加算装置４は、
同期性判別装置３で同期性があると判定されたある設備
ｉのアラームと他の設備のアラームｊとの相関マトリク
スの要素（ｉ，ｊ）を値ｄ(＜１.０）だけ微増する。ま
た、減算装置５は、同期性判別装置３で同期性があると
判定された以外の要素（ｉ，ｋ）、すなわちある設備ｉ
のアラームと他の設備のアラームｋとのｊ判定された同
期性のない他の全ての要素ｋとの相関マトリクスの要素
（ｉ，ｋ）を値ｄだけ減少させる。相関マトリクスの要
素（ｉ，ｋ）の値は区間［０，１.０］でクリップされ
るので、常に同期性のある設備同士に対応する要素
（ｉ，ｊ）の値はいずれ１.０になり、同期性のない設
備同士に対応する要素（ｉ，ｋ）のそれは０.０にな
る。十分な量（期間）のアラーム記録を用いてこの操作
を行うと、相関マトリクスが得られる。

【００１８】加算装置４及び減算装置５で得られたそれ
ぞれの要素（ｉ，ｊ）及び要素（ｉ，ｋ）の値は、相関
マトリクスとして相関データベース６に記憶される。相
関データベース６に記憶された相関マトリクスは、図２
に示すように、設備の認識番号（Ｅ１，Ｅ２，Ｅ３，…
…）を縦軸と横軸に配置した表で現わされる。

【００１９】この後、ブロック化装置２０７は、加算装
置４及び減算装置５で得られたそれぞれの要素（ｉ，
ｊ）及び要素（ｉ，ｋ）によって作成された相関マトリ
クスに対して、マトリクスの対称化と行と列の入れ換え
を行い、相関のある設備の認識番号をグループに分割し
てグループメンバリストとして図１のグループ化アラー
ム信号供給装置８に出力する。

【００２０】図３は、相関マトリクスの要素の値の挙動
について原理的な知見を示している。ここでは、図３
（ａ）のような設備構成を仮定する。すなわち設備Ｅ１
が確率ｐ１で障害を発生し、アラームを発生すると必ず
設備Ｅ２にも障害の影響があり、アラームを発生する。
また、これとは独立に設備Ｅ２は確率ｐ２で障害を起
し、アラームを発生する。このとき設備Ｅ１のアラーム
と設備Ｅ２のそれが同期して発生する確率Ｐｓは次によ
うに表される。

【００２１】

【数１】Ｐｓ＝ｐ１／(ｐ１＋ｐ２−ｐ１ｐ２) …（数１）また設備Ｅ２のアラームだけが発生する確率Ｐａは次の
ようになる。

【００２２】

【数２】Ｐａ＝(１−ｐ１)ｐ２／(ｐ１＋ｐ２−ｐ１ｐ２) …（数２）すると図３（ｂ）に示すように相関マトリクスの設備Ｅ
１に対応する行の、設備Ｅ２に対応する列の要素は、確
率Ｐｓで必ず増加し、いずれは１.０になる。一方、設
備Ｅ２に対応する行の設備Ｅ１に対応する列の要素のほ
うは必ずしも増加するとは限らない。設備Ｅ１と設備Ｅ
２の相関マトリクスの値は、確率Ｐｓと確立Ｐａの大小
関係に依存して増加または減少し、いずれは０.０か
１.０に落ち着く。そこで、後述するように対称化の操
作によって相関マトリクスの要素（ｉ，ｊ）または
（ｊ，ｉ）のいずれかが１.０のときには他方も１.０
に書き換える。また相関マトリクスの対角要素は言うま
でもなく常に１.０である。

【００２３】図４は、図３の直列関係に加えて並列関係
のある設備構成を例に取った場合を示してある。設備Ｅ
１が障害を発生してアラームを発生すると必ず設備Ｅ２
及びＥ３にも障害の影響がありアラームを発生する。ま
た、設備Ｅ２がアラームを発生すると必ず設備Ｅ４にも
影響を及ぼし設備Ｅ４もアラームを発生する。このとき
も図４（ｂ）に示すように必ずしも相関のあるものが全
て１.０になるわけではないが、次に述べる対称化とブ
ロック対角化によって相関のある全ての設備を拾い集め
ることができる。

【００２４】図５は、相関学習装置１内のブロック対角
化装置７の構成を示したものである。ブロック対角化装
置７は、相関データベース６から相関マトリクスのデー
タを読み出し、相関テーブル一時記憶手段２１に記憶す
る。また、相関テーブル一時記憶手段２１は、二値化相
関マトリクス作成手段２２，マトリクス対称化手段２
３，行列入れ換え手段２４での処理に必要な基本データ
（相関マトリクスのデータ等）を供給し、これらの手段
で得られた処理結果のデータを常にアップデートする。
二値化相関マトリクス作成手段２２は、相関テーブル一
時記憶手段２１から読み出した相関マトリクスの要素
（ｉ，ｊ）の値（０〜１）の連続的な値を１又は０のい
ずれかに変換する。また、ここで変換されたマトリクス
を二値化相関マトリクスと呼ぶことにする。マトリクス
対称化手段２３は、その二値化相関マトリクスを対称行
列に変換し、相関テーブル一時記憶手段２１に記憶す
る。行列入れ換え手段２４は、マトリクス対称化手段２
３で得られた対称行列をブロック対角化行列に変換し、
相関テーブル一時記憶手段２１に記憶する。入れ換えデ
ータ履歴記憶手段２５は、行列入れ換え手段２４による
ブロック対角化処理で列と行を入れ換えた履歴を記憶す
る。グループメンバーリスト作成手段２６は、相関テー
ブル一時記憶手段２１から読み出した相関マトリクスの
データ及び入れ換えデータ履歴記憶手段２５に記憶され
ているデータを用いてグループメンバリストを作成す
る。

【００２５】以下、図５におけるそれぞれの手段で実行
される処理の内容を図６〜図１０のフローチャートを用
いて詳細に説明する。

【００２６】まず、図６を用いて二値化相関マトリクス
作成手段２２が、０から１までの連続値をとる相関マト
リクス６Ａを、０または１の２値化された値をとる二値
化相関マトリクスに変換する処理方法を述べる。二値化
相関マトリクス作成手段２２は、まず、相関マトリクス
６Ａの行（設備要素）のチェック（ｉ＝１〜Ｎ）を終了
したかを判定する（処理２７）。この判定が「no」であ
れば、相関マトリクス６Ａの行（アラーム要素）のチェ
ック（ｊ＝１〜Ｎ）を終了したかを判定する（処理２
８）。この判定が「yes」であれば処理２７を再度実行
し、「no」であれば処理２９を実行する。処理２９は、
「要素（ｉ，ｊ）＜０.５」を判定する。この判定が「y
es」であればすなわち相関マトリクス６Ａの要素(ｉ，
ｊ）が０.５未満であるならば要素（ｉ，ｊ）の値は
「０」となり（処理３０）、「no」であればすなわち相
関マトリクス６Ａの要素（ｉ，ｊ）が０.５以上である
ならば要素（ｉ，ｊ）の値は「１」となる（処理３
１）。このような処理は、処理２７の判定が「yes」とな
るまで繰り返される。以上の処理によって、全ての要素
（ｉ，ｊ）に対して０または１のいずれかの値をとる二
値化相関マトリクスが作成される。

【００２７】図７は、マトリクス対称化手段２３によっ
て二値化相関マトリクスに対し行われる処理のフローで
ある。二値化相関マトリクスに対して行われる処理２７
の判定が「no」で処理２８の判定が「no」であれば、処
理３２を実行する。処理３２は、二値化相関マトリクス
に対して「要素（ｉ，ｊ）＝１または要素（ｊ，ｉ）＝
１」であるかを判定する。この判定が「yes」であれば、
要素(ｉ，ｊ)及び要素（ｊ，ｉ）をともに１に変換する
（処理３３）。処理３２の判定が「no」であれば、要素
（ｉ，ｊ）及び要素（ｊ，ｉ）をともに０に変換する
（処理３４）。このような処理は、処理２７の判定が「y
es」となるまで繰り返される。以上の処理によって、全
ての要素（ｉ，ｊ）に対する二値化相関マトリクスが対
称行列に変換される。

【００２８】図８は、行列入れ換え手段２４によって対
称行列をブロック対角化行列に変換する処理のフローで
ある。この処理は、対称行列の対角要素（ｉ，ｊ）を境
に、要素（ｉ，ｊ＋１）以降の０と、１を入れ換えるも
のである。行列入れ換え手段２４は、最初に、対称行列
をブロック対角化する前の設備ＩＤ(NEid_old)を格納す
る（処理３５）。次に、処理２７が実行される。これに
よる判定が「yes」の場合に行列入れ換え手段２４による
処理が終了し、「no」の場合には処理３６が実行され
る。処理３６は、「０を見つけるために列（アラーム要
素）のチェックが（ｊ０＝shift 〜（Ｎ−１））に対し
て終了した」かを判定する。「shift 」の初期値は
「２」である。処理３６の判定が「yes」の場合は処理４
２が実行され、「no」の場合は処理３７が実行される。

【００２９】処理３７〜４１を最初に説明する。まず、
ｉ行ｊ０列が「０」であるかが判定される（処理３
７）。第１行目からスタートして０を見つけるために、
対角要素の次の列（ｊ＋１）から０があるかどうかチェ
ックする。もし、０がなかった場合列を移動させて（ｊ
＋２，ｊ＋３……）、０があるまで行う。この処理３７
の判定が「yes」の場合すなわち０があった場合に、処理
３８の判定、すなわち「１を見つけるために列（アラー
ム要素）のチェックが（ｊ１＝（ｊ０＋１）〜Ｎ）に対
して終了した」かの判定が行われる。この判定は、０が
あった列ｊ０より以降（ｊ０＋１）に１があるかどうか
チェックするものである。この判定が「no」であると
き、ｉ行ｊ１列が「１」であるかを判定する（処理３
９）。この判定が「yes」のとき、列ｊ１と処理３７で「y
es」と判定されたときの列ｊ０とを、更にそれぞれと対
称の行ｊ０と行ｊ１とを、同時に入れ換える（処理４
０）。これらの入れ換え後のデータを用いて設備ＩＤ(N
Eid_old)を更新する（処理４１）。

【００３０】処理４２〜４６は、shift 量（最初に０を
探す列の位置）を決定するものである。これらの処理の
うち必要な処理が終了したとき、処理２７が実行され
る。

【００３１】処理３６〜４１は、第１行目の列で同様の
処理をＮ（最大設備要素数）まで行われる。もし、
「１」が第ｉ行目にない場合は、処理４２〜４６により
shift 量を決定し、２行目以降に対する処理に移動す
る。

【００３２】以下、同様の処理によりブロック対角化行
列が作成され、入れ換えデータ履歴と設備ＩＤ(NEid_ne
w)を入れ換えデータ履歴記憶手段２５に、ブロック対角
化行列を相関テーブル一時記憶装置２１へ格納する。

【００３３】グループメンバリスト作成手段２６の処理
フローを図９及び図１０に示す。グループメンバリスト
作成手段２６は、ブロック対角化行列を相関テーブル一
時記憶装置２１から読み込み、それをもとにブロック対
角化行列をグループごとに分割するブロック開始位置(B
lockTop［］)とブロック終了位置(BlockEnd［］)を算出
するものである。

【００３４】まず、処理２７を実行する。判定が「no」
の場合に、（ｉ−１）行目のブロック終了位置の列番号
を格納する（処理４７）。処理２８の判定が「no」のと
き、処理４８、すなわちブロック対角化した行列の中身
を読み込む（処理４８）。ここでは、その行列ａ（ｉ，
ｊ）をｚ₄とおく。処理４９は、ｚ₄＝１であるかを判定
する。これは、ｉ行における「１」の位置を把握するこ
とにほかならない。処理４９の判定が「yes」のとき、ｉ
行における「１」の最終列番号(block_new）をメモリに
格納する（処理５０）。この後は、処理２８の判定がな
され、これが「no」のとき（ｊ＋１）の列に対して処理
４８，４９等が実行される。

【００３５】処理２８の判定が「yes」のとき処理５１が
行われる。すなわち処理５０を行う前に格納しておいた
（ｉ−１）行における「１」の最終列番号(block_old）
と処理５０で得られたｉ行における「１」の最終列番号
(block_new）とを比較する（処理５１）。もし、ｉ行に
おける「１」の最終列番号の方が大きいならばblock_ne
w を（処理５２）、逆に（ｉ−１）行における「１」の最
終番号の方が大きい場合はblock_oldをｉ行の最終列番
号として採用する（処理５３）。

【００３６】ブロック対角化行列を分割する条件は、ｉ
行の対角線上１の列番号（ｉ行におけるそれ以降の列は
全て０であることが条件）とｉ行の１最終位置の列番号
とが等しいことである。処理５４は、ブロック対角化行
列を分割する条件を満足しているかを判定、すなわちｉ
＝B_datal であるかを判定する。この結果が「no」であ
れば、処理２７に戻る。処理５４の判定条件を満足した
場合に限り、その列番号をii（分割ブロックNO.）ブロ
ックの最終列番号(BlockEnd［ii］）とする（処理５
５）。分割ブロックNO.ii が１すなわち第一ブロックで
は、必ず開始列番号（BrockTop［ii］）は１であるため
初期値としてあらかじめ格納しておき第二ブロックから
とする（処理５６）。iiブロックの開始列番号（BrockT
op［ii］）は、（ii−１）ブロックの最終列番号(Block
End［ii−１］)より１シフトした位置である（処理５
７）。処理５７終了後、または処理５６で第一ブロック
であると判定されたときは、処理５８が実行される。

【００３７】以下、同様の処理を繰り返し、ブロックN
O.ii と、iiブロックの開始列番号(BrockTop［ii］)と
最終列番号(BlockEnd［ii］)とを算出する。

【００３８】図１１〜図１３は、二値化対称行列をブロ
ック対角化行列に変換する実例である。ここで、Ｅ１〜
Ｅ１０は設備ＩＤ、空欄は０が格納されている。図１１
は二値化対称行列を示す。ブロック対角化行列変換アル
ゴリズムによって、網掛け部分６０と６２，６１と６３
の属する列及びその列番号に対応する行をそれぞれ入れ
換え、その際に設備ＩＤも同時に入れ換える（Ｅ４とＥ
７，Ｅ５とＥ９）。

【００３９】図１２は図１１の網掛け部分のみブロック
対角化行列変換アルゴリズムによって処理したものであ
る。以下、同様な処理を行いブロック対角化行列が完成
する。図１３は、ブロック対角化行列が完成した状態を
示す。このように、グループメンバリスト作成手段２６
は、ブロック対角化行列をグループ６４，６５，６６に
分割し、ここでブロック対角化行列変換アルゴリズムに
よって変換した設備ＩＤをグループ毎に、グループメン
バリストとしてグループ化アラーム信号供給装置８に送
信する（例えばグループ６４においては、設備ＩＤ，Ｅ
１，Ｅ２，Ｅ３，Ｅ７，Ｅ９である）。

【００４０】図１４は、グループ化アラーム供給装置８
の構成を詳しく述べたものである。その内部には予め十
分な数のグループ分の信号接点群を備えている。例え
ば、図１４の例ではグループ１用に接点群６７，グルー
プ２用に接点群６８，グループ３用に接点群６９がある
が、一般的には、グループ数は後述するパターン識別装
置の数だけ用意し、接点群内の接点数はパターン識別装
置の入力の数だけ用意する。グループ化アラーム供給装
置８は、相関学習装置１から供給されるグループメンバ
リストの内容に応じて、入力されるアラーム信号をこの
グループに振り分けて接続する。ここでは、グループメ
ンバリストの最初の項目が（Ｅ１，Ｅ２，Ｅ３，Ｅ７，
Ｅ９）であるから、これらのアラーム信号をグループ１
内の接点に接続し、次の項目が（Ｅ６，Ｅ５，Ｅ１０）
であるから、これらのアラーム信号をグループ２の接点
に接続し、同様に（Ｅ４，Ｅ８）をグループ３の接点に
接続している。

【００４１】図１５は、アラーム選別装置９の構成を詳
述したものである。アラーム選別装置９は予めパターン
識別装置７０〜７３を有する。パターン識別装置７０〜
７３に各グループの信号が入力される。各パターン識別
装置は各グループ毎に入力信号から選別化アラーム信号
を生成する。選別ルールは学習により獲得されるもの
で、教師データによって各選別装置に与えられる。

【００４２】図１６はパターン識別装置７２を更に詳細
に示したものである。パターン識別装置７２は３層のニ
ューラルネットワークを用いている。図１６の例では入
力層である第１層には５個のユニットがあり、第２層に
は３個のユニット、第３層には５個のユニットがある。
第１層のユニット数から最大５つの入力信号を処理する
ことができるが、ここでは，Ｅ６，Ｅ５，Ｅ１０の３つ
のアラーム信号が入力されている。出力もこれにあわせ
てＥ６，Ｅ５，Ｅ１０に対応する信号が用意され、教師
データにあわせて入力パターンと出力パターンの変換が
行われる。変換は次のように行う。ニュウラルネットワ
ーク内のユニットｊの出力Ｏｊは次式のように演算によ
り求められる。

【００４３】

【数３】

【００４４】ここで、Ｏｉは前段の層の各ユニットｉの
出力であり、ｗｉｊは結合係数である。この例では第一
層のユニットとしては上から３つのユニットのみを用
い、第２層のユニットへの接続はこの３つのユニットか
ら出ている９本のみであるものとして演算処理を行う。
出力層（第３層）のユニットも上から３つのみを演算の
対象とする。教師データは例えばアラームの発生を１、
非発生を０で表すとき、入力が（Ｅ６＝１，Ｅ５＝１，
Ｅ１０＝１）に対して出力は（Ｅ６＝１，Ｅ５＝０，Ｅ
１０＝０）、入力が（Ｅ６＝０，Ｅ５＝１，Ｅ１０＝
１）に対して出力は（Ｅ６＝０，Ｅ５＝１，Ｅ１０＝
０）、入力が（Ｅ６＝０，Ｅ５＝０，Ｅ１０＝１）に対
して出力は（Ｅ６＝０，Ｅ５＝０，Ｅ１０＝１）などの
データを与えるものである。一般に出力は故障や障害の
原因に最も密接な設備のアラームのみに１を立てたもの
であり、入力よりは１の数が少ない。このような入出力
関係を学習的に実現するためには結合係数ｗｉｊを以下
の式に従って調整する。

【００４５】

【数４】

【００４６】ここで出力誤差は教師データと実際のニュ
ーラルネットワークとの出力の違いを示した値である。
数４に従った調整を続けて行くと、やがて教師データと
同じ入出力関係が得られるようになる。しかし、この調
整は結合係数が多いほど時間が掛かるのが通常である。
本実施例ではアラーム信号を予めグループに分割してい
るため、１台のパターン認識装置に入力される入力信号
の数および出力信号の数が限定され、調整すべき結合係
数の総数が効果的に削減される。図１６の例では入出力
信号が５個の場合結合係数は３０あるが、３個の場合は
１８個に限定される。更に経験的には第２層のユニット
数も入出力の数の約半数程度に押えることができるの
で、実際には削減した入出力信号数の２乗に比例して結
合係数の数を減らすことができる。

【００４７】図１７は情報集約装置１０の構成を更に詳
しく述べたものである。内部のアラーム集約手段７４は
まず選別化されたアラームの中から１の信号のみを集約
する。次に設備情報検索手段７５は集約されたアラーム
に関連する設備情報（アラーム以外の稼働データ，設計
データなど）を検索して、アラーム信号に付加し事象情
報として出力する。ここでは検索した設備情報を用いて
アラーム信号を加工することも可能である。例えばアラ
ームの設備コードを設備の名称に変えることは単純な照
合ロジックで実施できる。多数のアラームを入力して、
事象の原因となる故障設備名を出力するというこのよう
な機能は、事象同定をする機能であるとも言うことがで
きる。

【００４８】本実施例によれば、相関学習装置によっ
て、多数の設備から発生する波及アラームを含む多数の
アラーム信号を、統計的に同期して発生している相関の
あるアラームを複数のグループ（アラ−ム群）に分ける
ので、多数の設備から多数の波及アラームが発生し、か
つ複数の事象の重複発生を想定しなければならない場合
に、多数のアラームの中から発生事象に直接的に関連す
る重要なアラームのみを高速に選別することができる。
更に、複数のグループ群で多重故障が同時に発生した際
にも、それらを独立に識別できる。この識別は、特に、
後述するような複数のパタ−ン選別装置を有するアラー
ム選別装置を備えることによって、より確実なものとな
る。

【００４９】相関学習装置により統計的に分けられた複
数のアラ−ム群は、グループ化アラーム信号供給装置に
よって分割されて、学習のためにアラーム選別装置に入
力される。アラーム選別装置は、グループ化されたアラ
ームの発生パターンとその中で発生事象に最も密接なア
ラームを関連付ける学習を行う。複数のアラ−ム群に分
けられているので、アラーム選別装置における上記学習
が高速化できる。特に、アラーム選別装置は、複数のパ
タ−ン選別装置（ニューラルネットワークで構成）を有
するので、アラーム群ごとの学習が高速に行えると共
に、この学習結果を用いて既学習のパターンに該当する
アラームが発生したときには発生事象に最も密接なアラ
ームのみを選別し、他のアラームの出力を抑制する。情
報集約装置は、選別されたアラームに基づき該当する設
備情報を検索して、発生している事象情報を出力する。
これによって、多数のアラームの中から重要な情報のみ
を高速に抽出でき、この重要なアラームと該当する設備
とを関連付けて表示できる。

【００５０】

【発明の効果】本発明によれば、多数の設備からの多数
の波及アラームが発生し、かつ複数の事象の重複発生を
想定しなければならない場合に、多数のアラームの中か
ら発生事象に直接的に関連する重要なアラームのみを高
速に選別することができる。

【図面の簡単な説明】

【図１】本発明の一実施例である設備管理システムの構
成図である。

【図２】図１の相関学習装置の構成図である。

【図３】図１で設備構成が直列になっている場合の相関
マトリクスの要素値の挙動を示す説明図である。

【図４】図１で設備構成が並列になっている場合の相関
マトリクスの要素値の挙動を示す説明図である。

【図５】図２のブロック対角化装置の構成図である。

【図６】図５の二値化相関マトリクス作成手段における
処理手順を示す説明図である。

【図７】図５のマトリクス対称化手段における処理手順
を示す説明図である。

【図８】図５の行列入れ換え手段における処理手順を示
す説明図である。

【図９】図５のグループメンバリスト作成手段における
処理手順を示す説明図である。

【図１０】図５のグループメンバリスト作成手段におけ
る処理手順を示す説明図である。

【図１１】二値化対称行列をブロック対角化行列に変換
する例を示す説明図である。

【図１２】二値化対称行列をブロック対角化行列に変換
する例を示す説明図である。

【図１３】二値化対称行列をブロック対角化行列に変換
する例を示す説明図である。

【図１４】図１のグループ化アラーム供給装置の構成図
である。

【図１５】図１のアラーム選別装置の構成図である。

【図１６】図１５のパターン識別装置の構成図である。

【図１７】図１の情報集約装置の構成図である。

【符号の説明】

１…相関学習装置、２…アラーム記録装置、６…相関デ
ータベース、７…ブロック対角化装置、８…グループ化
アラーム信号供給装置、９…アラーム選別装置、１０…
情報集約装置、２２…二値化相関マトリクス作成手段、
２３…マトリクス対称化手段、２４…行列入れ換え手
段、２６…グループメンバリスト作成手段。

───────────────────────────────────────────────────── フロントページの続き (72)発明者石井良和茨城県日立市大みか町七丁目２番１号株式会社日立製作所エネルギー研究所内 (72)発明者堀雄太郎茨城県日立市大みか町五丁目２番１号株式会社日立製作所大みか工場内 (72)発明者山本直樹東京都千代田区神田駿河台四丁目６番地株式会社日立製作所内 (72)発明者小針邦彦神奈川県横浜市戸塚区戸塚町216番地株式会社日立製作所情報通信事業部内 (56)参考文献特開平２−59900（ＪＰ，Ａ) 特開平５−250593（ＪＰ，Ａ) (58)調査した分野(Int.Cl.⁷，ＤＢ名) G08B 23/00 - 31/00

Claims

(57)【特許請求の範囲】

【請求項１】複数の設備より発生する複数のアラームを
同期性を有するアラーム毎に分けることによって複数の
グループを設定し、かつ設定した各グループと属するア
ラームに関する情報を出力する情報出力手段と、前記情
報出力手段から出力された前記情報に基づいて前記複数
の設備より発生した複数のアラームを前記グループ毎に
分類する分類手段と、前記分類手段により分類された前
記複数のアラームから発生事象に最も密接なアラームを
各グループ毎に選別する選別手段とを備えたことを特徴
とする設備管理システム。
【請求項２】前記選別手段は、前記グループ毎にニュー
ラルネットワークを有し、前記分類手段により分類され
た前記複数のアラームを対応するグループのニューラル
ネットワークに入力して、そのニューラルネットワーク
の出力に基づいて発生事象に最も密接なアラームを選別
することを特徴とする請求項１記載の設備管理システ
ム。
【請求項３】前記選別手段のニューラルネットワーク
は、入力された複数のアラームに基づいて発生事象に最
も密接なアラームを出力するように予め学習が行われて
いることを特徴とする請求項２記載の設備管理システ
ム。
【請求項４】前記選別手段によって選別されたアラーム
に関連する設備情報を前記選別されたアラームと共に表
示する手段を有することを特徴とする請求項１乃至３の
いずれかに記載の設備管理システム。
【請求項５】複数の設備より発生する複数のアラームを
同期性を有するアラーム毎に分けることによって複数の
グループを設定し、かつ設定した各グループと属するア
ラームに関する情報を出力する情報出力手段と、前記情
報出力手段から出力された前記情報に基づいて前記複数
の設備より発生した複数のアラームを前記グループ毎に
分類する分類手段と、前記分類手段により分類された前
記複数のアラームに基づいて各グループ毎に発生事象を
同定する事象同定手段とを備えたことを特徴とする設備
管理システム。
【請求項６】前記事象同定手段は、前記グループ毎にニ
ューラルネットワークを有し、前記分類手段により分類
された前記複数のアラームを対応するグループのニュー
ラルネットワークに入力して、そのニューラルネットワ
ークの出力に基づいて発生事象を同定することを特徴と
する請求項５記載の設備管理システム。