JP4427302B2 - Plant maintenance plan generation system, plant maintenance plan generation method - Google Patents
Plant maintenance plan generation system, plant maintenance plan generation method Download PDFInfo
- Publication number
- JP4427302B2 JP4427302B2 JP2003383048A JP2003383048A JP4427302B2 JP 4427302 B2 JP4427302 B2 JP 4427302B2 JP 2003383048 A JP2003383048 A JP 2003383048A JP 2003383048 A JP2003383048 A JP 2003383048A JP 4427302 B2 JP4427302 B2 JP 4427302B2
- Authority
- JP
- Japan
- Prior art keywords
- maintenance
- plant
- plan
- constraint condition
- storage unit
- 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.)
- Expired - Fee Related
Links
- 238000012423 maintenance Methods 0.000 title claims description 381
- 238000000034 method Methods 0.000 title claims description 177
- 230000009467 reduction Effects 0.000 claims description 48
- 238000003860 storage Methods 0.000 claims description 45
- 238000011156 evaluation Methods 0.000 claims description 29
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 12
- 238000012067 mathematical method Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 238000012854 evaluation process Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 description 65
- 230000009471 action Effects 0.000 description 15
- 230000008859 change Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 108090000623 proteins and genes Proteins 0.000 description 4
- 230000001186 cumulative effect Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000011438 discrete method Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002986 genetic algorithm method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000004580 weight loss Effects 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本発明は、発電プラント等の保守計画を立てる際に用いて好適なプラント保守計画生成システム、プラント保守計画の生成方法に関する。 The present invention relates to a plant maintenance plan generation system and a plant maintenance plan generation method suitable for use in making a maintenance plan for a power plant or the like.
発電プラント等をはじめとする各種プラントにおいては、長期にわたって破損や故障を防ぐため、保守を計画的に行う必要がある。
特に、発電プラントにおいては、近年、リスクベースメンテナンスと呼ばれる、プラントの故障リスクと保守コストをうまくバランスさせる考え方が注目されている。
このような考え方を用いたものとして、例えば特許文献１、２に示すようなものがある。
これらはいずれも、構造物やプラント設備の保守を経済的に行うため、採用する対策方法等を検討しようというものである。
In various plants such as a power plant, maintenance is required to be planned in order to prevent damage and breakdown over a long period of time.
In particular, in power plants, in recent years, a concept called risk-based maintenance that balances plant failure risk and maintenance costs has attracted attention.
For example, Patent Documents 1 and 2 disclose the use of such a concept.
All of these are intended to examine measures to be adopted in order to economically maintain structures and plant equipment.
ところが、上記特許文献１、２に開示された手法はいずれも概念的、抽象的なものである。
また、実際に、発電プラントの保守を行う場合、毎年、保守に費やすことのできるコスト（予算）や、保守を行うためにプラントの稼働を停止できる日数等に制約（以下、これを制約条件と称する）があるのが通常である。
例えば、経済性、保守を行うことによるリスク低減の効果を考慮すると、ある部位（１）の保守を、プラント稼働開始後２年目に行うのが最適であるとし、その保守に１００万円要するとする。また、他の部位（２）、（３）についても、保守を、プラント稼働開始後２年目に行うのが最適であり、それぞれその保守に１００万円要するとする。一方、発電プラントの保守のための予算が年間２００万円であった場合、部位（１）、（２）、（３）の保守を２年目に行うと予算オーバとなってしまい、プラントの運営上の制約から、このような保守を実際に行うことはできないのである。同様に、部位（１）、（２）、（３）の保守を同年に行うことによって、プラントの稼働を停止させなければならない日数が、制約条件によって決められた日数をオーバする場合も、そのような保守を行うことはできない。
実際に最適な保守計画を立てるには、経済性だけでなく、このような制約条件をも考慮する必要があるが、従来の手法ではこのような点までは考慮していないのが実状である。
However, the methods disclosed in Patent Documents 1 and 2 are both conceptual and abstract.
In addition, when actually carrying out maintenance of a power plant, there are restrictions on the cost (budget) that can be spent on maintenance every year, the number of days that the plant can be shut down for maintenance, etc. Usually).
For example, considering the economic and risk reduction effects of maintenance, it is optimal to perform maintenance of a certain part (1) in the second year after the start of plant operation. Then. In addition, for the other parts (2) and (3), it is optimal to perform maintenance in the second year after the start of plant operation, and it is assumed that each maintenance requires 1 million yen. On the other hand, if the budget for maintenance of the power plant is 2 million yen per year, the maintenance of the parts (1), (2), (3) in the second year will result in budget overrun. Because of operational constraints, this kind of maintenance cannot actually be performed. Similarly, if maintenance of the parts (1), (2), (3) is performed in the same year, the number of days for which the operation of the plant must be stopped exceeds the number of days determined by the constraints. Such maintenance cannot be performed.
In order to make an optimum maintenance plan, it is necessary to consider not only economic efficiency but also such constraints, but the conventional method does not take such points into consideration. .
また、上記したように経済性、制約条件を考慮して最適な保守計画を立てるには、プラントの個々の部位に対し、どのようなタイミングで、どのような手法により保守を行うのかを決める必要がある。
ここで、一つの部位に対し、保守を行う方法は複数あることが多い。これら複数の方法では、コストが異なるのはもちろん、その保守を行ったことによって故障等が発生するリスクを低減できる期間も異なることもある。例えば、方法（ａ）では、５年後にまた保守の必要が生じるが、方法（ｂ）では、２０年後まで保守の必要が生じない、等といったことである。
例えば、プラントの耐用年数を６０年、保守対象部位を２００箇所、それぞれの部位に対する保守方法が複数あるとすると、これらの順列・組み合わせは膨大なものとなり、コンピュータを用いて最適な保守計画を立てるにしても、膨大な時間とコストが必要となってしまう。
本発明は、このような技術的課題に基づいてなされたもので、最適な保守計画を、迅速かつ低コストで作成することのできるプラント保守計画生成システム、プラント保守計画の生成方法を提供することを目的とする。
In addition, as described above, in order to create an optimal maintenance plan in consideration of economic efficiency and constraints, it is necessary to decide at what timing and by what method maintenance is performed for each part of the plant. There is.
Here, there are many methods for performing maintenance on one part. In these plural methods, not only the cost is different, but also the period during which the risk of failure or the like can be reduced by performing the maintenance may be different. For example, the method (a) requires maintenance again after 5 years, but the method (b) does not require maintenance until 20 years later.
For example, if the useful life of a plant is 60 years, the maintenance target parts are 200 places, and there are a plurality of maintenance methods for each part, these permutations and combinations become enormous, and an optimal maintenance plan is made using a computer. However, enormous time and cost are required.
The present invention has been made based on such a technical problem, and provides a plant maintenance plan generation system and a plant maintenance plan generation method capable of creating an optimal maintenance plan quickly and at low cost. With the goal.
このような目的に対し、本出願人は、制約条件を考慮しながら、最適な保守計画を立てる手法を、既に提案している（特許文献３参照）。 For this purpose, the present applicant has already proposed a method for creating an optimum maintenance plan while taking into account the constraint conditions (see Patent Document 3).
しかしながら、この手法においても、制約条件を考慮し、実際にどのように保守計画を立てるのか、といった具体的な部分までは踏み込んでいない。
本発明は、このような点を鑑み、さらに具体化を図ったものである。
However, this method does not go into the concrete part, such as how to actually make a maintenance plan in consideration of constraint conditions.
The present invention has been made more specific in view of such points.
すなわち、本発明は、プラントの保守計画を生成するプラント保守計画生成システムであって、プラントの保守部位に関する情報（保守部位の耐用機関等）が格納されたプラント情報格納部と、プラントの保守部位における一つの保守作業に対する複数の保守方法およびそれに要する費用を含む情報が格納された保守情報格納部と、プラントに保守を行う際の制約条件を記憶した制約条件記憶部と、プラント情報格納部に格納された保守部位に関する情報、保守情報格納部に格納された保守方法および費用を含む情報、および制約条件記憶部に記憶された制約条件に基づき、プラントの保守計画を生成する計画生成部と、を備えることを特徴とする。
このように、プラントの保守計画を生成するに際し、制約条件を考慮することで、より最適な保守計画を立てることができる。
ここで、計画生成部は、プラントの保守計画として、プラントのそれぞれの保守部位に対して保守を行う時期と保守方法を決定するのが好ましい。
また、制約条件記憶部には、制約条件として、少なくとも、一定期間にプラントの保守に費やすことのできる費用の限度額と、プラントの保守のためにプラントの稼働を停止できる限度期間とを記憶しておく。そして、計画生成部では、予め導入されたコンピュータプログラムに基づき、プラントのそれぞれの保守部位に対して保守を行う時期と複数の保守方法のうち採用する保守方法の組み合わせに基づき、保守を行うことでのリスク低減量を算出するリスク低減量算出処理と、計画生成部が、リスク低減量算出処理でリスク低減量を算出するために用いた、保守を行う時期と保守方法の組み合わせを採用したときに生じる制約条件違反を評価する制約条件違反評価処理と、計画生成部が、リスク低減量算出処理および制約条件違反評価処理で検討する保守を行う時期と保守方法の組み合わせを変動させ、リスク低減量および制約条件違反の評価に基づき、プラントの保守計画を生成する保守計画生成処理と、を実行し、保守計画生成処理では、リスク低減量および制約条件違反の評価を比較するための数式を数理的手法で解くことで、プラントのそれぞれの保守部位に対して保守を行う時期と保守方法の組み合わせを決定してプラントの保守計画を生成し、数式を解くときには、保守を行う時期を表す変数と、保守方法を表す変数を補間により連続化させ、解を求めることを特徴とする。
That is, the present invention is a plant maintenance plan generation system that generates a maintenance plan for a plant, and includes a plant information storage unit that stores information on a maintenance part of the plant (such as a service engine of a maintenance part), and a maintenance part of the plant A maintenance information storage unit storing information including a plurality of maintenance methods for one maintenance work and costs required for the maintenance, a constraint condition storage unit storing constraint conditions when performing maintenance on the plant, and a plant information storage unit A plan generation unit that generates a maintenance plan for the plant based on the stored maintenance site information, information including the maintenance method and cost stored in the maintenance information storage unit, and the constraint condition stored in the constraint condition storage unit; It is characterized by providing.
In this way, when generating a maintenance plan for a plant, a more optimal maintenance plan can be established by considering the constraint conditions.
Here, it is preferable that the plan generation unit determines a maintenance timing and a maintenance method for each maintenance part of the plant as a plant maintenance plan.
In addition, the constraint condition storage unit stores at least a limit amount of expenses that can be spent on the maintenance of the plant for a certain period and a limit period that can stop the operation of the plant for the maintenance of the plant. Keep it. Then, the plan generation unit performs maintenance based on a combination of the maintenance method to be used among a plurality of maintenance methods and the maintenance time for each maintenance part of the plant based on a computer program introduced in advance. When the risk reduction amount calculation process for calculating the risk reduction amount and the plan generator adopts the combination of maintenance timing and maintenance method used to calculate the risk reduction amount in the risk reduction amount calculation process The constraint violation evaluation process that evaluates the constraint violation that occurs and the plan generation unit vary the combination of the maintenance method and the timing of the maintenance that is examined in the risk reduction calculation process and the constraint violation evaluation process. A maintenance plan generation process for generating a maintenance plan for the plant based on the evaluation of the violation of the constraint condition. The maintenance plan of the plant is determined by solving the mathematical formulas for comparing the reduction amount and evaluation of the violation of the constraint conditions with a mathematical method, and determining the combination of maintenance timing and maintenance method for each maintenance part of the plant. Is generated and a mathematical expression is solved, a variable representing a maintenance period and a variable representing a maintenance method are made continuous by interpolation to obtain a solution.
本発明は、プラントの保守部位に関する情報が格納されたプラント情報格納部と、プラントの保守部位における一つの保守作業に対する複数の保守方法およびそれに要する費用を含む情報が格納された保守情報格納部と、プラントに保守を行う際の制約条件を記憶した制約条件記憶部と、プラント情報格納部に格納された保守部位に関する情報、保守情報格納部に格納された保守方法および費用を含む情報、および制約条件記憶部に記憶された制約条件に基づき、プラントの保守計画を生成する計画生成部と、を備えたプラント保守計画生成システムにおいて、予め導入されたプログラムに基づいてコンピュータ装置によって実行されるプラント保守計画の生成方法として捉えることもできる。そのような生成方法は、計画生成部が、プラントのそれぞれの保守部位に対して保守を行う時期と複数の保守方法のうち採用する保守方法の組み合わせに基づき、保守を行うことでのリスク低減量を算出するリスク低減量算出ステップと、計画生成部が、リスク低減量算出ステップでリスク低減量を算出するために用いた、保守を行う時期と保守方法の組み合わせを採用したときに生じる制約条件違反を評価する制約条件違反評価ステップと、計画生成部が、リスク低減量算出ステップおよび制約条件違反評価ステップで検討する保守を行う時期と保守方法の組み合わせを変動させ、リスク低減量および制約条件違反の評価に基づき、プラントの保守計画を生成する保守計画生成ステップと、を含むことを特徴とする。
ここで、リスク低減量とは、保守を行わなかった場合に比較し、保守を行うことで低減できるリスクを定量化するものであり、例えば、保守を行わなかった場合に発生が予想される損害によって必要となる損害コストと、保守を行った場合にリスクを低減することで低減できる損害低減額、および保守に要する保守コストとから求めることができる。もちろん、リスクを定量化できるのであれば、他のパラメータを用いても良い。
The present invention relates to a plant information storage unit storing information related to a maintenance part of a plant, a maintenance information storage part storing information including a plurality of maintenance methods for one maintenance work in the maintenance part of the plant and costs required for the maintenance. , A constraint condition storage unit that stores constraint conditions when performing maintenance on the plant, information on maintenance parts stored in the plant information storage unit, information including maintenance methods and costs stored in the maintenance information storage unit, and constraints In a plant maintenance plan generation system comprising a plan generation unit for generating a plant maintenance plan based on the constraint conditions stored in the condition storage unit, plant maintenance executed by a computer device based on a program introduced in advance It can also be understood as a plan generation method. Such a generation method is based on a combination of the maintenance period used by the plan generation unit for each maintenance part of the plant and the maintenance method employed among a plurality of maintenance methods. Risk reduction amount calculation step for calculating the risk and violation of constraints that occur when the plan generator adopts the combination of maintenance time and maintenance method used to calculate the risk reduction amount in the risk reduction amount calculation step The constraint condition violation evaluation step for evaluating the risk reduction amount and the plan generation unit vary the combination of the maintenance method and the maintenance method to be examined in the risk reduction amount calculation step and the constraint condition violation evaluation step. And a maintenance plan generation step for generating a maintenance plan for the plant based on the evaluation.
Here, the risk reduction amount quantifies the risk that can be reduced by performing maintenance compared to when maintenance is not performed. For example, damage that is expected to occur when maintenance is not performed Can be obtained from the damage cost required by the customer, the amount of damage reduction that can be reduced by reducing the risk when maintenance is performed, and the maintenance cost required for maintenance. Of course, other parameters may be used as long as the risk can be quantified.
そして、保守計画生成ステップでは、リスク低減量が最大で、かつ制約条件違反が生じない保守を行う時期と保守方法の組み合わせを求めるのが好ましい。さらに、リスク低減量および制約条件違反の評価を比較するため数式を数理的手法で解くことで、プラントのそれぞれの保守部位に対して保守を行う時期と保守方法の組み合わせを決定する。このとき、通常、保守は１年目、２年目、３年目といった期毎に管理するのが通常であるため離散的な整数値となり、保守方法も、方法（ａ）、方法（ｂ）、方法（ｃ）等といった離散的である。リスク低減量および制約条件違反の評価を比較するため数式を数理的手法で解くには、これらを変数として取り扱う必要があるため、保守を行う時期を表す離散的な変数と、保守方法を表す離散的な変数を、補間により連続化させて解を求める。その場合、数式を解くことで求めた解を再離散させて最終解を求め、保守を行う時期および保守方法の組み合わせを決定する。
またその場合、保守を行う時期を表す変数と、保守方法を表す変数の座標系において、数式を解くことで求めた解の座標に最も近い座標格子点の座標を、最終解とすることができる。
In the maintenance plan generation step, it is preferable to obtain a combination of a maintenance time and a maintenance method in which the risk reduction amount is maximum and the constraint condition is not violated. Furthermore, the combination of maintenance method and maintenance method for each maintenance part of the plant is determined by solving mathematical formulas by mathematical methods to compare the risk reduction amount and the evaluation of constraint condition violation. At this time, the maintenance is usually managed every period such as the first year, the second year, and the third year, and thus becomes a discrete integer value. The maintenance methods are also the method (a) and the method (b). , Method (c), etc. are discrete. Solving mathematical formulas with mathematical methods to compare risk reduction and constraint violation evaluation requires handling these as variables, so discrete variables that indicate when maintenance is performed and discrete methods that indicate maintenance methods The solution is obtained by making continuous variables continuous by interpolation . In this case, the final solution is obtained by re-discretizing the solution obtained by solving the mathematical formula, and the combination of the maintenance timing and the maintenance method is determined.
In that case, in the coordinate system of the variable indicating the maintenance time and the variable indicating the maintenance method, the coordinates of the coordinate grid point closest to the coordinates of the solution obtained by solving the mathematical formula can be set as the final solution. .
また、本発明は、プラントの保守部位に関する情報が格納されたプラント情報格納部と、プラントの保守部位における一つの保守作業に対する複数の保守方法およびそれに要する費用を含む情報が格納された保守情報格納部と、プラントに保守を行う際の制約条件を記憶した制約条件記憶部と、プラント情報格納部に格納された保守部位に関する情報、保守情報格納部に格納された保守方法および費用を含む情報、および制約条件記憶部に記憶された制約条件に基づき、プラントの保守計画を生成する計画生成部と、を備えたプラント保守計画生成システムにおいて、予め導入されたプログラムに基づいて実行されるプラント保守計画の生成方法であって、計画生成部が、プラントのそれぞれの保守部位において、保守を行うことでのリスク低減量が最大となる、保守時期および保守方法の組み合わせを求めるステップと、計画生成部が、複数の保守方法を変動させ、プラントに対して保守を行う際の制約条件を満足させる組み合わせを求めるステップと、複数の保守部位間で保守時期を入れ替え、リスク低減量を最大とする保守時期および保守方法の組み合わせを求めるステップと、制約条件を満足し、かつリスク低減量を最大とする保守時期および保守方法の組み合わせに基づき、プラントの保守計画を生成するステップと、を含むことを特徴とするプラント保守計画の生成方法として捉えることもできる。そして、制約条件を満足する保守時期および保守方法の組み合わせを求めた後では、複数の保守部位間で保守時期を入れ替え、リスク低減量を最大とする保守時期および保守方法の組み合わせを求めるステップをさらに実行する。これは、組み合わせを変動させることで、制約条件を満足するようになったものの、リスク低減量が必ずしも最大とはなっていないことがあるからである。
さらに、複数の保守部位間での保守時期の入れ替えを所定回数だけ行い、これら所定回数入れ替えたうちでリスク低減量を最大とする保守時期および保守方法の組み合わせを求めることもできる。
In addition, the present invention provides a plant information storage unit that stores information related to a maintenance part of the plant, and a maintenance information storage that stores information including a plurality of maintenance methods for one maintenance work in the maintenance part of the plant and costs required for the maintenance. A constraint condition storage unit that stores a constraint condition when performing maintenance on the plant, information on a maintenance part stored in the plant information storage unit, information including a maintenance method and cost stored in the maintenance information storage unit, And a plant maintenance plan generation system comprising: a plan generation unit that generates a plant maintenance plan based on the constraint conditions stored in the constraint condition storage unit; and a plant maintenance plan that is executed based on a program introduced in advance The risk that the plan generator will perform maintenance at each maintenance site of the plant A step of obtaining a combination of maintenance time and maintenance method that maximizes the weight loss, and a step of obtaining a combination in which the plan generation unit varies a plurality of maintenance methods and satisfies a constraint condition when performing maintenance on the plant; , Replacing the maintenance time between multiple maintenance parts, obtaining the combination of maintenance time and maintenance method that maximizes the risk reduction amount, and the maintenance time and maintenance method that satisfies the constraints and maximizes the risk reduction amount And a step of generating a plant maintenance plan based on the combination of the above. After obtaining a combination of maintenance time and maintenance method that satisfies the constraints, the step of replacing the maintenance time between a plurality of maintenance parts and further obtaining a combination of the maintenance time and the maintenance method that maximizes the risk reduction amount is further performed. Execute. This is because the amount of risk reduction may not always be the maximum although the constraint condition is satisfied by changing the combination.
Furthermore, the maintenance time can be replaced between a plurality of maintenance parts a predetermined number of times, and a combination of the maintenance time and the maintenance method that maximizes the risk reduction amount can be obtained after the predetermined number of replacements.
本発明によれば、制約条件を考慮した最適な保守計画を作成することが可能となる。 According to the present invention, it is possible to create an optimal maintenance plan in consideration of the constraint conditions.
以下、添付図面に示す実施の形態に基づいてこの発明を詳細に説明する。
図１は、本実施の形態におけるプラント保守計画を生成するために用いる保守計画生成システム１０の機能的な構成を説明するための図である。
この図１に示すように、保守計画生成システム１０は、いわゆるコンピュータ装置からなり、予めインストールされた保守計画生成用プログラムに基づき、コンピュータ装置のＣＰＵやメモリが協働することで、最適な保守計画を生成するための処理を実行する。この保守計画生成システム１０を機能的に捉えると、保守の対象となるプラントに関する情報（耐用年数、保守対象部位等）が格納されたプラント情報格納部１１と、プラントの各保守対象部位に対する保守方法や、それに要する費用等に関する情報が格納される保守情報格納部１２と、プラントに保守を行うに際して予め設定された制約条件を記憶した制約条件記憶部１３と、後に詳述するような処理を実行することで保守計画を生成する計画生成部１４と、を備える。
Hereinafter, the present invention will be described in detail based on embodiments shown in the accompanying drawings.
FIG. 1 is a diagram for explaining a functional configuration of a maintenance plan generation system 10 used for generating a plant maintenance plan in the present embodiment.
As shown in FIG. 1, a maintenance plan generation system 10 includes a so-called computer device. Based on a maintenance plan generation program installed in advance, the CPU and the memory of the computer device cooperate to provide an optimal maintenance plan. Execute the process to generate. When this maintenance plan generation system 10 is functionally grasped, a plant information storage unit 11 in which information (a useful life, a maintenance target part, etc.) relating to a maintenance target plant is stored, and a maintenance method for each maintenance target part of the plant Also, a maintenance information storage unit 12 that stores information related to costs required for it, a constraint condition storage unit 13 that stores preset constraint conditions when performing maintenance on the plant, and a process that will be described in detail later And a plan generation unit 14 for generating a maintenance plan.
さて、計画生成部１４における、保守計画を生成するための処理について、以下に説明する。
計画生成部１４では、保守計画を生成するにあたり、以下に示すような評価関数の式（１）を用い、最適な保守計画を決定する。
Now, processing for generating a maintenance plan in the plan generation unit 14 will be described below.
In generating the maintenance plan, the plan generation unit 14 determines an optimal maintenance plan using an evaluation function formula (1) as shown below.
上式（１）において、第１項は目的関数であり、第２項はペナルティ関数である。
最適な保守計画を計画するには、評価関数が最大となる解を求める。これには、目的関数が最大値となり、かつペナルティ関数が０である（ペナルティ関数が０を上回る場合、制約条件を不満足となる）解を求めるのが理想的である。
In the above equation (1), the first term is an objective function, and the second term is a penalty function.
In order to plan an optimum maintenance plan, a solution that maximizes the evaluation function is obtained. For this purpose, it is ideal to obtain a solution in which the objective function has the maximum value and the penalty function is 0 (when the penalty function exceeds 0, the constraint condition is not satisfied).
ここで、目的関数を説明するにあたり、ＮＰＶ（Net Present Value：正味現在価値）について説明する。
図２は、ある部位（１）における、リスクコストの変位を示す図であり、横軸がプラントの稼働開始後の経過年数、横軸の終端がプラントの耐用年数（廃却予定年）であり、縦軸がリスクコストである。リスクコストは、事故や故障等によって必要となるコストの期待値（リスクを表す値）である。図中符号（イ）のケースは、プラントの稼働開始後、保守を全く行わなかった場合を示しており、年が経過すると、事故や故障が発生する確率が高まり、期待値、すなわちリスクが高まっている。一方、符号（ロ）のケースでは、１年経過時に、方法（ａ）による保守を行っている。保守を行うことで、１年経過時に、保守を行うことで、その保守に要したコストが加算され、期待値が急激に上昇している。しかしその後は、１年経過時に行った保守により、故障や事故の生じる可能性が低下し、リスクコストの上昇度合いが、符号（イ）の場合に比較して低くなるのである。
さらに、図中符号（ハ）、（ニ）は、この部位（１）に対し、１年経過時に、方法（ｂ）、方法（ｃ）による保守を行った場合のリスクコストの変移を示している。ここで、方法（ｂ）は、方法（ａ）よりも低コストでありながら、それによるその後のリスク低減降下が小さく、リスクコストの上昇率が方法（ａ）よりも高い。一方、方法（ｃ）は、方法（ａ）よりもコストが高く、それによるその後のリスク低減降下が大きく、リスクコストの上昇率が方法（ａ）よりも低くなっている。
このように、一つの部位（１）において、保守を行うか否か、保守を行う場合には、採用する方法により、リスクコストの変移が変る。リスクコストが低いほど、事故や故障による損害、および保守に要するコストが押えられ、プラントを経済的に稼働させることができるので、このリスクコストを用い評価関数として表す。
Here, in describing the objective function, NPV (Net Present Value) will be described.
FIG. 2 is a diagram showing the displacement of the risk cost in a certain part (1), where the horizontal axis is the number of years since the start of plant operation, and the end of the horizontal axis is the useful life of the plant (year to be abolished) The vertical axis is the risk cost. The risk cost is an expected value (a value representing risk) required for an accident or failure. The case indicated by the symbol (a) in the figure indicates that no maintenance was performed after the plant started operation. As the year passes, the probability that an accident or failure will increase and the expected value, that is, the risk will increase. ing. On the other hand, in the case of reference (b), the maintenance by the method (a) is performed when one year has passed. By performing maintenance, when maintenance is performed, the cost required for the maintenance is added, and the expected value is rapidly increased. However, after that, the maintenance performed after the passage of one year reduces the possibility of a failure or an accident, and the degree of increase in risk cost is lower than in the case of sign (a).
Further, in the figure, symbols (c) and (d) indicate changes in risk cost when maintenance is performed by the method (b) and the method (c) when one year has passed for the part (1). Yes. Here, the method (b) is lower in cost than the method (a), but the subsequent risk reduction drop is small, and the increase rate of the risk cost is higher than that in the method (a). On the other hand, the method (c) has a higher cost than the method (a), and the subsequent risk reduction drop is large, and the increase rate of the risk cost is lower than the method (a).
As described above, whether or not maintenance is performed in one part (1). When maintenance is performed, the transition of the risk cost varies depending on the method employed. The lower the risk cost, the more damages caused by accidents and breakdowns and the cost required for maintenance can be suppressed, and the plant can be operated economically. Therefore, this risk cost is used as an evaluation function.
また、図３（ａ）〜（ｃ）に示すように、一つの部位（１）において、方法（ａ）で保守を行うにしても、その保守時期によって、リスクコストの低減量（ＮＰＶ）は変る。したがって、図３（ｄ）に示すような、一つの部位（１）において、方法（ａ）で保守を行う場合、リスクコストの低減量が最大となる時期に保守を行うのが好ましい。 Further, as shown in FIGS. 3A to 3C, even if maintenance is performed by the method (a) in one part (1), the reduction amount (NPV) of the risk cost depends on the maintenance time. Change. Therefore, in the case where the maintenance is performed by the method (a) in one part (1) as shown in FIG. 3D, it is preferable to perform the maintenance at the time when the reduction amount of the risk cost is maximized.
プラントは、Ｎc個の部位Ｃ1，Ｃ2，…，ＣNcから成るものとする。各部位Ｃjに関する、各ｔ年での累積破損確率ＰCj（ｔ）は、予め材料強度等の解析により求められる既知のものであり、プラント情報格納部１１に格納されているものとする。累積破損確率ＰCj（ｔ）は、ｔ年までに部位Ｃjが破損する確率である。
各部位Ｃjに対する保守方法の一つをｙjで表し、ｘj年に行う保守ｙjのコストをＭCj（ｘj，ｙj）で表すものとする。
リスクコストの評価では、将来発生するコストを全て現在価値に割り戻して計算する。これには、金利をｒ、現在をｔ0年とすると、ｘj年に保守ｙjを行った場合のコストＭCj（ｘj，ｙj）の現在価値は、次式で表される。
The plant is composed of N c parts C 1 , C 2 ,..., C Nc . It is assumed that the cumulative failure probability P Cj (t) for each part C j in each t year is a known value obtained in advance by analysis of material strength or the like and is stored in the plant information storage unit 11. The cumulative damage probability P Cj (t) is the probability that the part C j will be damaged by year t.
Represents one service method for each part C j in y j, the cost of maintenance y j performing the x j year shall be represented by M Cj (x j, y j ).
In risk cost evaluation, all future costs are recalculated to present value. To do this, the interest rate r, and the current and t 0 years, cost M Cj (x j, y j ) in the case of performing the maintenance y j to x j year is the present value of, it is expressed by the following equation.
ここで、このような部位Ｃjに対する最適な対策案の決定方法について説明する。なお、対策案とは、保守の有無と、保守を行う場合には保守方法と保守年を示すものとする。
プラントの廃却予定年をｔdとし、廃却予定年までに保守を多くても１回だけ行うものとする。また、廃却予定年まで１回も保守しない場合を「放置」と呼ぶ。
ｘj年目に保守ｙjをする場合の、廃却予定年ｔdまでの総期待コスト（損害コストと保守に要するコストの和）は、次式で表すことができる。
Here, a method for determining an optimum countermeasure plan for such a part C j will be described. The measure proposal indicates whether maintenance is performed and, when maintenance is performed, a maintenance method and a maintenance year.
The planned plant retirement year is t d, and maintenance is performed only once at most by the planned retirement year. In addition, the case where maintenance is not performed once until the planned disposal date is referred to as “Leave”.
The total expected cost (sum of damage cost and cost required for maintenance) up to the scheduled disposal year t d when maintenance y j is performed in year x j can be expressed by the following equation.
なお、Ｄ0 Cj（ｔ）は、部位Ｃjが、ｔ年目に破損した場合の損害コスト（期待損害コスト）を、〔数２〕と同様にして現在価値に割り戻したものである。
また、ＰM Cj（ｔ−ｘj，ｙj）は、保守ｙjをｘj年目に行った場合の、ｔ年目における部位Ｃjの累積破損確率を表したものである。放置する場合も同じ枠組みで議論するために、放置の場合は、
ｘj＝ｔd＋１
もしくは
ｙj＝０
で表すことにする。
D 0 Cj (t) is obtained by dividing the damage cost (expected damage cost) when the part C j is damaged in the t-th year into the present value in the same manner as [Expression 2].
P M Cj (t−x j , y j ) represents the cumulative failure probability of the part C j in the t-th year when the maintenance y j is performed in the x j-th year. In order to discuss in the same framework even if left unattended,
x j = t d +1
Or y j = 0
It will be expressed as
一方、この部位を放置した場合、廃却予定年までの総期待コストは、期待累積損害コストと一致し、次式となる。 On the other hand, if this part is left unattended, the total expected cost up to the year of scheduled disposal will match the expected accumulated damage cost and is
ここで、単一の部位Ｃjに関する最適な意思決定は、〔数３〕が最小値となる保守年ｘjと保守方法ｙjを選択することである。 Here, the optimum decision regarding the single part C j is to select the maintenance year x j and the maintenance method y j in which [Equation 3] is the minimum value.
ところで、実際には、対象となるプラントも複数あり、それぞれ最適な保守計画を立てるための意思決定しなければならない部位数も多数ある。
そこで、プラントを表す記号ｉを導入し、部位をＣi,jと表し、保守年、保守方法をｘi,j，ｙi,jと表す。複数プラント全体での意思決定変数を、全てのｉ，ｊに関するベクトル変数で表すと、次式のようになる。
By the way, there are actually a plurality of target plants, and there are a large number of parts that have to be determined for making an optimum maintenance plan.
Therefore, a symbol i representing a plant is introduced, a part is represented as C i, j, and a maintenance year and a maintenance method are represented as x i, j , y i, j . If the decision variables for the entire plant are expressed as vector variables for all i and j, the following equation is obtained.
これを、より簡単に表すため、次式を用いる。 In order to express this more simply, the following equation is used.
ここで、Ｎc（ｉ）はプラントｉの部位数、Ｎpはプラント数である。廃却予定年もプラントごとに異なるため、ｔdiと表す。
このように、最適な保守計画を立てるベクトル変数は、変数の次元が非常に高いものとなる。
Here, N c (i) is the number of parts of the plant i, and N p is the number of plants. Since the year of planned disposal varies from plant to plant, it is expressed as t di .
As described above, the vector variable for making an optimum maintenance plan has a very high variable dimension.
さて、上記〔数４〕で表される、全てのプラントの全ての部位を放置した場合と、それぞれの部位に何らかの保守を行った場合との差の総和から、リスクコストの低減額を得ることができ、これを正味現在価値とし、次式で表すことができる。 Now, a reduction in risk cost is obtained from the sum of the difference between the case where all the parts of all the plants represented by the above [Equation 4] are left and the case where some maintenance is performed on each part. This is the net present value, which can be expressed by the following equation.
最適な保守計画を立てるには、上記〔数７〕が最大値となる解、すなわち対策（保守年、保守方法）を求めればよい。
各部位が独立に扱える（ある部位に対して行う保守が他の部位に影響を及ぼさない）場合、部位ごとに、ＮＰＶi,jが最大となる対策を求め、これを全ての部位、全てのプラントで集めたものが、上記〔数７〕が最大となる意思決定である。
In order to make an optimum maintenance plan, a solution in which the above [Equation 7] is the maximum value, that is, a countermeasure (maintenance year, maintenance method) may be obtained.
If each part can be handled independently (maintenance performed on a part does not affect other parts), for each part, a measure that maximizes NPV i, j is sought. What is collected at the plant is the decision that maximizes the above [Equation 7].
ところが、実際のプラントの運用には、毎年割り当てることのできる保守コストの上限等、様々な制約条件が存在するため、単純に、各部位を独立に扱ってＮＰＶi,jが最大となる対策を求め、これを全ての部位、全てのプラントで集めたものを、上記〔数７〕が最大となる解とし、意思決定とすることはできない。
本実施の形態では、制約条件として、以下に示すような量を定義する。
However, since there are various constraints such as the upper limit of maintenance costs that can be allocated every year in actual plant operation, simply take measures to maximize NPV i, j by handling each part independently. What is obtained and collected in all parts and all plants is the solution that maximizes the above [Equation 7], and cannot be determined.
In the present embodiment, the following amounts are defined as the constraint conditions.
（１）各年の各プラントの保守費用、
（２）各年の保守のためにプラントを停止する日数（停止日数は、複数の部位があっても並行して保守できるので、その年に保守を行う部位に対する停止日数の最大値を採用するのが好ましい）、
（３）各年の事故によるプラントの停止日数の期待値、
（４）各年のプラント毎、部位毎の破損確率。
これら（１）〜（４）の制約条件に係わる項目の量(数値)は、〔数８〕〜〔数１１〕で表すことができ、制約条件は、〔数１２〕〜〔数１５〕で表すことができる。
(1) Maintenance costs for each plant in each year,
(2) Number of days to stop the plant for maintenance each year (The number of days to stop can be maintained in parallel even if there are multiple parts, so the maximum number of days to stop for parts to be maintained in that year is adopted. Are preferred),
(3) Expected number of plant shutdown days due to accidents each year,
(4) Damage probability for each plant and site for each year.
The quantity (numerical value) of items related to the constraint conditions (1) to (4) can be expressed by [Equation 8] to [Equation 11], and the constraint conditions are represented by [Equation 12] to [Equation 15]. Can be represented.
ここで、δ（ａ＝ｂ）は、ａ＝ｂが成り立てば１、成り立たなければ０となる関数とする。また、Ｈi,j（ｙi,j），Ｌi,j（ｙi,j）を、それぞれプラントｉの部位ｊに保守ｙi,jを行う費用、保守日数とする。また、Ｑi,jを、プラントｉの部位Ｃjが破損した場合にプラントｉが停止する日数とする。
また、ＬｉｍＣｏｓｔi（ｔ），ＬｉｍＤａｙi（ｔ），ＬｉｍＳｔｏｐi（ｔ），ＬｉｍＦａｕｌｔi,j（ｔ）は、それぞれの制約条件（１）〜（４）の上限値（ｔ＝１〜ｔd年に定義される）である。
Here, δ (a = b) is a function that is 1 if a = b holds and 0 if it does not hold. Also, let H i, j (y i, j ) and L i, j (y i, j ) be the cost and maintenance days for performing maintenance y i, j on part j of plant i, respectively. Further, let Q i, j be the number of days that the plant i stops when the part C j of the plant i is damaged.
Also, LimCost i (t), LimDay i (t), LimStop i (t), and LimFault i, j (t) are the upper limit values (t = 1 to t d ) of the respective constraint conditions (1) to (4). Defined in year).
制約条件は、大きく２つのタイプに分けることができる。制約条件（１）、（２）は、対策として保守の実施年が特定の年に集中しないことを求めるものである。保守を実施することにより、その年の保守費用に関する制約条件（１）や、プラント停止日数に関する制約条件（２）に抵触する可能性があるため、保守年を分散させたり、放置とすることが制約条件（１）、（２）を満足する方向に作用する。
一方、制約条件（３）、（４）は、対策によって廃却年までの破損確率が小さいことを求めるものであり、積極的に保守をすることが制約条件を満足する方向に作用する。
Restrictions can be roughly divided into two types. Constraints (1) and (2) require that the year of maintenance is not concentrated on a specific year as a countermeasure. Since maintenance may cause conflicts with constraints (1) regarding maintenance costs for the year and constraints (2) regarding the number of days of plant shutdown, maintenance years may be dispersed or left unattended. This acts in a direction that satisfies the constraints (1) and (2).
On the other hand, constraint conditions (3) and (4) require that the probability of breakage until the year of retirement is small as a countermeasure, and active maintenance acts in a direction that satisfies the constraint conditions.
つまり、最適な保守計画を得るには、〔数７〕が最大値となり、かつ、〔数１２〕〜〔数１５〕を満足するのが好ましい。
しかし、計画生成部１４において最適解を求めるにあたっては、〔数１２〕〜〔数１５〕を満足しているか否か、不適合度を定量的に評価する必要がある。そこで、以下に示すような〔数１６〕で表されるペナルティ関数を用いる。
That is, in order to obtain an optimum maintenance plan, it is preferable that [Equation 7] is the maximum value and [Equation 12] to [Equation 15] are satisfied.
However, in obtaining the optimal solution in the plan generation unit 14, it is necessary to quantitatively evaluate the degree of nonconformity as to whether [Equation 12] to [Equation 15] are satisfied. Therefore, a penalty function represented by [Equation 16] as shown below is used.
この〔数１６〕において、関数φ（ｘ）は、次式のとおりである。つまり、〔数１２〕〜〔数１５〕の制約条件（１）〜（４）を満足していれば０、満足しない場合には、それに応じた数値ｘが出力される。また、ω1，ω2，ω3，ω4は、適当な正の重みである。 In this [Expression 16], the function φ (x) is as follows. That is, 0 is satisfied if the constraints (1) to (4) of [Equation 12] to [Equation 15] are satisfied, and if not, the numerical value x corresponding to the constraint is output. Further, ω 1 , ω 2 , ω 3 , and ω 4 are appropriate positive weights.
さて、〔数１〕の解を得るにあたり、本実施の形態では、メメティックアルゴリズム手法を採用する。
〔数１〕の解となる保守年、保守方法は離散的な点である。つまり、保守年ｘi,jは、「１．２年目」といった数値ではなく、「１年目」、「５年目」といった整数値であり、保守方法ｙi,jは、「方法（ａ）」、「方法（ｂ）」といった、同じく整数的なものであり、中間値（「方法（ａ）と方法（ｂ）の間」等）はあり得ない。このように、目的関数や評価関数に関する情報として、変数が具体的な整数値を取ったときの関数値しか使えないため、目的関数の微分や勾配情報等を利用した、数理的に理論付けされた非線形計画手法等は採用できない。また、厳密解法である分枝限定法は、変数次元が大きすぎることから、解を求めるのに適しているとは言いがたい。
Now, in obtaining the solution of [Formula 1], in this embodiment, a memetic algorithm method is adopted.
The maintenance year and the maintenance method that are the solutions of [Equation 1] are discrete points. That is, the maintenance year x i, j is not a numerical value such as “1.2 years” but an integer value such as “first year” or “fifth year”, and the maintenance method y i, j is “method ( “a)” and “method (b)” are also integers, and there are no intermediate values (such as “between method (a) and method (b)”). In this way, only the function value when the variable takes a specific integer value can be used as information about the objective function or evaluation function, so it is mathematically theorized using the differentiation of the objective function, gradient information, etc. Non-linear programming methods cannot be adopted. In addition, the branch and bound method, which is an exact solution, cannot be said to be suitable for obtaining a solution because the variable dimension is too large.
このような問題の性質から、汎用的解法としては、メタ戦略手法が有効である。メタ戦略手法は、シミュレーティドアニーリング法（ＳＡ法）やタブーサーチ法、遺伝的アルゴリズム等の探索法や、そのハイブリッド手法が提案されており、特徴が系統的に分析されている（柳浦睦憲、茨木俊秀、「組み合わせ最適化−メタ戦略を中心として−」、朝倉書店、２００１年）。
本実施の形態で採用するメメティックアルゴリズム手法は、解探索を広範囲で効率よく行うために、遺伝的アルゴリズム法（ＧＡ法）により分散型で解空間の多様な部分を探索する機能と、個々の遺伝子の探索範囲の近傍で効率よく局所的な最適解を発見するシンプレックス法（J. A. Nelder and R. Mead, "A simplex method for function minimization", Computer Journal, Vol.7, pp.308-318, 1965.）とを組み合わせたものである。
もちろん、ＳＡ法やＧＡ法等の汎用的解法を用いることも可能である。
Because of the nature of such problems, the meta strategy method is effective as a general solution. Meta-strategy methods have been proposed such as search methods such as the Simulated Annealing Method (SA Method), Tabu Search Method, Genetic Algorithm, etc., and their hybrid methods, and their features have been systematically analyzed (Yasuo Yanagiura, Toshihide Ibaraki, “Combinatorial Optimization-Focusing on Meta Strategies”, Asakura Shoten, 2001).
The memetic algorithm method employed in the present embodiment has a function for searching various parts of the solution space in a distributed manner by using a genetic algorithm method (GA method), in order to perform a solution search in a wide range and efficiently. Simplex method for efficiently finding local optimal solution in the vicinity of gene search range (JA Nelder and R. Mead, "A simplex method for function minimization", Computer Journal, Vol.7, pp.308-318, 1965 .).
Of course, a general solution such as the SA method or the GA method can also be used.
ところで、〔数１〕の評価関数は、前記したように離散的な整数値であるが、上記したような汎用的解法を活用するためには、解空間を離散的な整数値に限定しないほうが好都合な場合がある。そこで、整数値で定義された評価関数を補間し、実数値で定義できるように拡張するのが好ましい。以下、その具体的方法について説明する。
成分が全て整数である、〔数５〕で表されるベクトル変数を、変数の座標系の格子点上にある、ということにする。このベクトル変数が格子点上に無いことも許す場合、格子点上に限定した場合との違いを明確にするため、次の〔数１８〕のように表す。
By the way, the evaluation function of [Equation 1] is a discrete integer value as described above. However, in order to utilize the general-purpose solution as described above, the solution space should not be limited to a discrete integer value. Sometimes it is convenient. Therefore, it is preferable that the evaluation function defined by the integer value is interpolated and extended so that it can be defined by the real value. The specific method will be described below.
A vector variable represented by [Equation 5] whose components are all integers is assumed to be on a lattice point of the coordinate system of the variable. When this vector variable is allowed not to be on a lattice point, it is expressed as the following [Equation 18] in order to clarify the difference from the case where it is limited to a lattice point.
補間方法として、ここでは最も単純な線形補完法をとる。このとき、補間に必要な周囲の点は、変数の次元数をｎとすると、ｎ＋１点であり、これらの格子点群をシンプレックスと称する。
まず〔数１８〕の各成分ｘiを四捨五入して得られる格子点を次式で表す。
Here, the simplest linear interpolation method is used as the interpolation method. At this time, the surrounding points necessary for the interpolation are n + 1 points where the number of dimensions of the variable is n, and these lattice point groups are referred to as simplex.
First, lattice points obtained by rounding off each component x i in [Equation 18] are expressed by the following equation.
ベクトルｘがベクトルＸ０からｉ番目の成分方向にどれだけ離れているかを表す量ａiを次式とする。 An amount a i representing how far the vector x is from the vector X0 in the i-th component direction is represented by the following equation.
ｉ番目の成分方向の単位ベクトルを次式で表す。 The unit vector in the i-th component direction is expressed by the following equation.
そのとき、ベクトル変数は、次式の〔数２２〕となる。 At that time, the vector variable is expressed by the following equation (22).
ｉ＝１，２,…，ｎに対し、次式の〔数２３〕を設定する。ここで、ｓｉｇｎ（ｘ）は、ｘがゼロ以上なら１、負なら−１をとる関数とする。 For i = 1, 2,..., n, the following equation (23) is set. Here, sign (x) is a function that takes 1 if x is greater than or equal to zero and -1 if negative.
〔数２２〕のベクトル変数に対する評価値を、シンプレックスを構成する格子点と、それぞれの格子点での関数値を使って表すと以下のようになる。 The evaluation value for the vector variable of [Equation 22] is expressed as follows using the lattice points constituting the simplex and the function values at the respective lattice points.
ただし、Δｆｉは以下のとおりである。 However, Δfi is as follows.
このようにして、格子点上に無いベクトル変数の周囲のシンプレックスを〔数２２〕で求め、関数値を〔数２４〕で表すことで、格子点上に無いベクトル変数の補間を行うことができる。
このような補間方法により、保守方法と保守年のみの２次元とした場合における変数の補間を図４に表し、より高次元（例えば３次元）になる複数部位の補間を図５（ａ）に表す。
In this way, by calculating the simplex around the vector variable not on the lattice point by [Equation 22] and expressing the function value by [Equation 24], it is possible to interpolate the vector variable not on the lattice point. .
With such an interpolation method, the interpolation of variables when the maintenance method and the maintenance year are only two-dimensional is shown in FIG. 4, and the interpolation of a plurality of parts having higher dimensions (for example, three dimensions) is shown in FIG. To express.
このようにして、最適解を求める段階では、補間により連続化させた変数を扱うが、最終的に求めるべき解は離散的な解である。そこで、連続化させた変数により最適解を求めた後、これを例えば四捨五入により再離散化させて最終的な解を求める。
このとき、解空間が３次元以上になると、図５（ａ）、（ｂ）に示すように、連続化させた変数により求めた最適解が、シンプレックスを構成する格子点群を頂点とする仮想立体Ｖの内部に入らない場合がある。
具体例を挙げると、３次元の解空間において、最適解の座標が、〔数２６〕のベクトル変数で表され、εを０．５より小さい正の数とすると、この座標は、格子点（０，０，０）に最も近く、その周囲のシンプレックスの頂点は、〔数２７〕となる。ここで、図５（ａ）、（ｂ）に示した範囲Ｑは、四捨五入により、〔数２６〕のベクトル変数で表される最適解の座標が、格子点（０，０，０）に再離散化される範囲を示すものである。
In this way, at the stage of obtaining the optimum solution, variables that are made continuous by interpolation are handled, but the solution to be finally obtained is a discrete solution. Therefore, after obtaining an optimal solution using the continuous variables, the final solution is obtained by re-discretizing the solution by rounding off, for example.
At this time, when the solution space becomes three-dimensional or more, as shown in FIGS. 5A and 5B, the optimum solution obtained from the continuous variables is a virtual with the lattice point group constituting the simplex as a vertex. The solid V may not enter the interior.
As a specific example, in the three-dimensional solution space, the coordinates of the optimal solution are expressed by the vector variable of [Equation 26], and when ε is a positive number smaller than 0.5, the coordinates are represented by lattice points ( [0, 0, 0) closest to the vertex of the surrounding simplex is expressed by [Equation 27]. Here, in the range Q shown in FIGS. 5A and 5B, the coordinates of the optimal solution represented by the vector variable of [Equation 26] are restored to the lattice point (0, 0, 0) by rounding off. It shows the range to be discretized.
ここで例えばε＝０．１とすると、図５にも示すように、最適解の点Ｐの座標（０．４９，０．４９，０．４９）は、シンプレックスの格子点群を頂点とする仮想立体Ｖの立体の中に入らない。 If, for example, ε = 0.1, as shown in FIG. 5, the coordinates (0.49, 0.49, 0.49) of the point P of the optimal solution are the vertexes of the lattice points of the simplex. It does not enter the virtual solid V.
このように、シンプレックスの格子点群を頂点とする仮想立体Ｖの内部に入らない点Ｐを〔数２４〕で補間すると、連続化させた変数により求めた最適解（上記の例では座標（０．４９，０．４９，０．４９））は制約条件を満足するものの、これを再離散化させて求めた最終的な解（上記の例では最も近い格子点（０，０，０））は制約条件を満足しない不都合が生じることがある。
例えば、シンプレックスの各頂点でのペナルティ関数値が〔数２８〕の場合、〔数２４〕の定義にしたがってペナルティ関数値を計算すると、〔数２９〕となる。
As described above, when the point P that does not enter the virtual solid V having the simplex lattice point group as the vertex is interpolated by [Equation 24], the optimum solution (coordinate (0 in the above example) obtained by the continuous variables is obtained. .49, 0.49, 0.49)) satisfy the constraints, but the final solution obtained by re-discretization (the closest grid point (0, 0, 0) in the above example) May cause inconveniences that do not satisfy the constraints.
For example, when the penalty function value at each vertex of the simplex is [Equation 28], calculating the penalty function value according to the definition of [Equation 24] yields [Equation 29].
ペナルティ関数は、制約条件を満足する場合にゼロ、満足しない場合に負となるべき関数であり、正となることに意味はない。しかもこの場合には、最も近い格子点が制約条件を満足していないのであれば、〔数２９〕でペナルティ関数値は負となるべきである。 The penalty function is a function that should be zero when the constraint condition is satisfied, and negative when the constraint condition is not satisfied, and does not have a positive meaning. In this case, if the closest lattice point does not satisfy the constraint condition, the penalty function value should be negative in [Equation 29].
そこで、以下のような手法を採用するのが好ましい。
まず、目的関数の定義を、〔数３０〕のとおりとする。
Therefore, it is preferable to adopt the following method.
First, the objective function is defined as [Equation 30].
ここで、ｓｈｒｉｎｋ（ｘ）は、連続化させた変数により求めた最適解の点Ｐを示すベクトル関数ｘの方向を保存したまま、大きさ（長さ）を縮めてシンプレックスの格子点群を頂点とする仮想立体Ｖの内部に入れる変換である。ここで、最も近い格子点から、連続化させた変数により求めた最適解の点Ｐまでの距離は〔数３１〕である。また、最も近い格子点から、連続化させた変数により求めた最適解の点Ｐを示すベクトル関数ｘの方向が、シンプレックスの格子点群を頂点とする仮想立体Ｖの表面Ｖｓと交差する点Ｐ’までの距離は、〔数３２〕のように定められる。ここで、‖・‖はユークリッド距離である。 Here, shrink (x) is a vertex of the simplex lattice point group by reducing the size (length) while preserving the direction of the vector function x indicating the optimal solution point P obtained by the continuous variable. Conversion into the virtual solid V. Here, the distance from the closest lattice point to the point P of the optimum solution obtained by the continuous variable is [Equation 31]. Also, the point P at which the direction of the vector function x indicating the optimal solution point P obtained from the nearest lattice point from the nearest lattice point intersects the surface Vs of the virtual solid V having the simplex lattice point group as a vertex. The distance to 'is determined as [Equation 32]. Here, ‖ and ‖ are Euclidean distances.
ここで、変数の次元数がｎ≧３では、〔数３１〕の数値＜〔数３２〕の数値となるが、これが連続化させた変数により求めた最適解の点Ｐがシンプレックス内部に無い原因である。そこで、ｓｈｒｉｎｋ（ｘ）を、〔数３３〕のように定義する。 Here, when the number of dimensions of the variable is n ≧ 3, the numerical value of [Equation 31] <the numerical value of [Equation 32]. However, this is the reason why the point P of the optimum solution obtained by the continuous variable is not in the simplex. It is. Therefore, shrink (x) is defined as [Equation 33].
すると、〔数３１〕は、次式のとおりとなる。 Then, [Equation 31] is as follows.
これにより、連続化させた変数により求めた最適解の点Ｐを、シンプレックスの格子点群を頂点とする仮想立体Ｖの表面Ｖｓと交差する点Ｐ’に置き換えることになる。
このような、〔数３３〕によって表されるｓｈｒｉｎｋ（ｘ）を、〔数３０〕に用い、これを目的関数とすることで、連続化させた変数により求めた最適解の点Ｐに最も近い格子点が制約条件を満足し無い場合にも、〔数３０〕のペナルティ関数が負となる。
As a result, the point P ′ of the optimum solution obtained from the continuous variables is replaced with a point P ′ that intersects the surface Vs of the virtual solid V having the simplex lattice point group as a vertex.
By using such a shrink (x) represented by [Equation 33] in [Equation 30] and using this as an objective function, it is closest to the point P of the optimum solution obtained by the continuous variable. Even when the lattice point does not satisfy the constraint condition, the penalty function of [Equation 30] is negative.
このように、計画生成部１４においては、〔数３０〕を用いることで、連続化させた変数により求めた最適解の点Ｐを求め、最適解の点Ｐに最も近い格子点を、目的関数の解として求める。 In this way, the plan generation unit 14 obtains the optimum solution point P obtained from the continuous variables by using [Equation 30], and obtains the lattice point closest to the optimum solution point P as the objective function. As a solution of
ところで、解空間は、変数要素によってそれぞれ値の範囲が異なる。例えば、一つの部位に対する保守方法は、多くても１０程度である。一方、保守年は、１年から６０年程度まで変化する。また、複数プラントを同時に扱う場合、これらはさらにプラントによって範囲が異なる。
こうした解空間の範囲の不均一性は、メタ戦略を適用する場合に不都合となることがある。
そこで、本実施の形態では、解空間が無限に繰り返されるように拡張する。拡張した空間での評価関数は、〔数３５〕のとおりとなる。
By the way, the value range of the solution space differs depending on the variable element. For example, the maintenance method for one part is about 10 at most. On the other hand, the maintenance year varies from 1 year to about 60 years. In addition, when a plurality of plants are handled at the same time, they have different ranges depending on the plants.
Such non-uniformity of the solution space can be inconvenient when applying a meta strategy.
Therefore, in the present embodiment, the solution space is expanded so as to be repeated infinitely. The evaluation function in the expanded space is as shown in [Equation 35].
ここで、ＵＸi,jは変数ｘi,jの上限、ＵＹi,jは変数ｙi,jの上限である（下限は１）。また、ｘ％％ｙは、ｘをｙで割った余りである。このように、解を探索していくうちに解空間の上限を超えた場合に、その剰余をとることで、空間が無限に繰り返されていく構造に拡張される。 Here, UX i, j is the upper limit of the variable x i, j and UY i, j is the upper limit of the variable y i, j (the lower limit is 1). X %% y is the remainder of dividing x by y. In this way, when the upper limit of the solution space is exceeded while searching for a solution, the remainder is expanded to a structure in which the space is repeated infinitely.
また、上記のように解を探索していく際には、保守年ｘi,j、保守方法ｙi,jを変えながら、評価関数が最大となる最適解を探すわけであるが、このとき、保守年ｘi,jは、当然のことながら、昇順あるいは降順で変化させていくのが通常である。一方、保守方法ｙi,jの場合、数値ではなく、単に方法（ａ）、（ｂ）、（ｃ）といった保守の内容に、数字や符号が付され、適宜順序で並べられているだけなので、そのままの順序で、必ずしも効率のよい探索が行えるとは限らない。このため、保守方法については、目的関数の最適解の探索に適した順序に並べ替えるのが好ましい。
部位Ｃi,jの保守方法を｛１，２，…，Ｎai.j｝とし、その順序を、
σ＝｛σ（１），σ（２），…，σ（Ｎai.j）｝
で表す。
順序σ＝｛σ（１），σ（２），…，σ（Ｎai.j）｝の評価関数は、目的関数ＮＰＶの変化量の和であり、これは〔数３６〕で表すことができる。
In addition, when searching for a solution as described above, the optimal solution that maximizes the evaluation function is searched while changing the maintenance year x i, j and the maintenance method y i, j. The maintenance year x i, j is normally changed in ascending or descending order as a matter of course. On the other hand, in the case of the maintenance method y i, j , the maintenance contents such as the methods (a), (b), and (c) are not numerical values, but numbers and signs are simply added and arranged in the appropriate order. However, efficient search is not always performed in the same order. Therefore, the maintenance methods are preferably rearranged in an order suitable for searching for the optimal solution of the objective function.
The maintenance method of the part C i, j is {1, 2,..., N ai.j }, and the order is
σ = {σ (1), σ (2),..., σ (N ai.j )}
Represented by
The evaluation function of the order σ = {σ (1), σ (2),..., Σ (N ai.j )} is the sum of the amount of change of the objective function NPV, which can be expressed by [ Equation 36]. it can.
ただし、σ（０）およびσ（Ｎai.j＋１）は放置を表す。保守方法の数が１０程度以下であれば、処理の負荷も軽いため、順番を総当りで調べ、〔数３６〕が最小値となる順序σ＝｛σ（１），σ（２），…，σ（Ｎai.j）｝を求める。
この〔数３６〕では、一つの部位Ｃi,jに限定して検討を行い、順序σ＝｛σ（１），σ（２），…，σ（Ｎai.j）｝で並んだ方法ｙi,jにおいて、互いに前後するものの差を求め、この差が最小となる順序の並びを見つけるのである。
このようにして求められる、〔数３６〕が最小値となる順序σ＝｛σ（１），σ（２），…，σ（Ｎai.j）｝に保守方法ｙi,jを並び替え、この状態で解の探索を行う。これにより、それぞれの部位Ｃi,jにおける目的関数ＮＰＶの曲線の変化がなだらかになり、局所的に突出したりするのを防止できる。
However, σ (0) and σ (N ai.j +1) represent neglect. If the number of maintenance methods is about 10 or less, the processing load is also light. Therefore, the order is checked as a brute force and the order σ = {σ (1), σ (2),. , Σ (N ai.j )}.
In this [ Formula 36], the examination is limited to one part C i, j , and the methods are arranged in the order σ = {σ (1), σ (2),..., Σ (N ai.j )}. In y i, j , the difference between those before and after each other is obtained, and the sequence in which the difference is minimized is found.
The maintenance methods y i, j are rearranged in the order σ = {σ (1), σ (2),..., Σ (N ai.j )} in which [ Equation 36] has the minimum value. The solution is searched in this state. Thereby, the change of the curve of the objective function NPV in each part C i, j becomes gentle, and it can be prevented that it protrudes locally.
さて、このようにして並び替えを行った目的関数、ペナルティ関数、評価関数の形状例を図６（ａ）〜（ｃ）に示す。これらの関数は、〔数６〕で表されるような高次元空間に定義される関数であるが、図６の例では、そのうち二つの変数ｘ1,1，ｘ1,6の平面での形状を例示する。これは、広範囲で制約違反が生じている例である。
安全志向性の強い制約条件において、破損確率の制約条件を満足しない場合には、部位の保守年を変化させると、評価関数に局所的に大きな谷ができる。図７（ａ）〜（ｃ）はその例である。この図７で生じている谷は、例えば、１年に二つの部位を同時に保守できないという制約条件に対し、二つの部位の保守年が重なったためである。
最適解を得るための探索には、谷の内部形状よりも、解探索において谷に入らないことが重要である。
Examples of shapes of the objective function, penalty function, and evaluation function that have been rearranged in this way are shown in FIGS. These functions are functions defined in a high-dimensional space represented by [Equation 6]. In the example of FIG. 6, two of the variables x 1,1 and x 1,6 are in the plane. The shape is illustrated. This is an example in which a constraint violation has occurred in a wide range.
If the constraint condition with a strong safety orientation does not satisfy the constraint condition of the failure probability, a large valley is locally formed in the evaluation function by changing the maintenance year of the part. FIGS. 7A to 7C are examples thereof. The valley generated in FIG. 7 is because, for example, the maintenance years of the two parts overlap each other with respect to the constraint that the two parts cannot be simultaneously maintained in one year.
For the search for obtaining an optimal solution, it is more important that the valley does not enter the solution search than the internal shape of the valley.
最適解の解探索には、前略したようにメタ戦略を用いるのが好ましいが、特に、ＳＣＧＡ（Simplex Coding Genetic Algorithm）と呼ばれるＧＡ法を大局的探索に用い、局所探索には、シンプレックス法を用いるのが好ましい。
この手法では、解空間の次元をｎとすると、ｎ＋１個の頂点からなるシンプレックスを１つの遺伝子として定義する。そして、このような遺伝子を複数発生させ、ＳＣＧＡ法により大局的に解空間を評価する。このとき、遺伝子はその近傍を少しずつ値を変えながら、シンプレックス法による局所探索も行う。
前述したように、評価関数には制約条件による谷が存在することがある。シンプレックス法では、頂点を移動する際に他の頂点での評価値を参照できるので谷に落ちるような移動を避けることができる。仮に全ての頂点が谷の底にある状態からスタートしても、谷の勾配を利用して谷から抜け出す方向への探索が可能である。
計画生成部１４では、このような、ＳＣＧＡ法による大局的探索と、シンプレックス法による局所探索を繰り返した後、最終探索として、それまでに求めた最適シンプレックスを使い、Kelleyの改良法（C. T. Kelley, Iterative Methods for Optimization, SIAM, Frontiers in Applied Mathematics, 18, 1999.）による探索を行う。この改良法による探索は、シンプレックス法で収束の停滞を検知すると、シンプレックスの最良の頂点を除く他の頂点を、座標系に沿って取り直し、探索を行うものである。
このようにして、計画生成部１４において、最終的な最適解を求めることで、プラントの最適な保守計画を生成することができる。
It is preferable to use a meta-strategy for the optimal solution search as previously described. In particular, the GA method called SCGA (Simplex Coding Genetic Algorithm) is used for global search, and the simplex method is used for local search. Is preferred.
In this method, if the dimension of the solution space is n, a simplex consisting of n + 1 vertices is defined as one gene. A plurality of such genes are generated, and the solution space is evaluated globally by the SCGA method. At this time, the gene also performs local search by the simplex method while changing its value little by little.
As described above, the evaluation function may have valleys due to constraints. In the simplex method, when moving vertices, evaluation values at other vertices can be referred to, so that movement that falls in a valley can be avoided. Even if all the vertices start from the bottom of the valley, it is possible to search in a direction to escape from the valley using the gradient of the valley.
The plan generation unit 14 repeats the global search by the SCGA method and the local search by the simplex method, and then uses the optimal simplex obtained so far as the final search, and improves the Kelley method (CT Kelley, (Iterative Methods for Optimization, SIAM, Frontiers in Applied Mathematics, 18, 1999.) In the search by this improved method, when a stagnation of convergence is detected by the simplex method, the other vertices except the best vertex of the simplex are re-acquired along the coordinate system and searched.
In this way, an optimal maintenance plan for the plant can be generated by obtaining a final optimal solution in the plan generation unit 14.
ところで、実用上のケースの中には、制約条件は厳しくなく、複数部位の保守が互いに影響することも少ない場合がある。このようなケースに対しては、以下に示すようなアドホックな解法を採用し、計画生成部１４にて最適解を探索するのが好ましい。
図８は、計画生成部１４において、〔数１〕をアドホックな解法で解き、解を求めるための処理の流れを示すものである。
この図８に示すように、まずは、各プラントの各部位毎に、単独で、最適な保守アクションを求める(ステップＳ１０１)。
そして、個々のプラント、部位において、求められた保守アクションをそれぞれ採用した場合に、全体として制約条件を満足するか否か、つまり〔数１６〕で表されるペナルティ関数の数値が０であるか否かを判定する(ステップＳ１０２)。
By the way, in practical cases, the constraint conditions are not strict, and maintenance of a plurality of parts may hardly affect each other. For such a case, it is preferable to employ an ad hoc solution as described below and search for an optimal solution by the plan generation unit 14.
FIG. 8 shows the flow of processing for solving [Equation 1] by an ad hoc solution and obtaining a solution in the plan generation unit 14.
As shown in FIG. 8, first, an optimum maintenance action is obtained independently for each part of each plant (step S101).
Then, when the obtained maintenance action is adopted in each plant and part, whether or not the constraint condition is satisfied as a whole, that is, whether the numerical value of the penalty function represented by [Equation 16] is 0. It is determined whether or not (step S102).
その結果、「Ｙｅｓ」、つまりペナルティ関数の数値が０であり、制約条件違反が無ければ、ステップＳ１０１で求めた、各プラントの各部位毎に最適な保守アクションをそのまま組み合わせることで、最適な保守計画を解として求めることができる。 As a result, if the value of “Yes”, that is, the penalty function is 0 and there is no violation of the constraint condition, the optimum maintenance action is obtained by combining the optimum maintenance actions for each part of each plant as obtained in step S101. The plan can be obtained as a solution.
一方、ステップＳ１０２において、「Ｎｏ」、つまりペナルティ関数の数値が０ではなく、制約条件違反がある場合、続いて、各部位の保守アクションを制約条件への適合度が向上するように変化させる(ステップＳ１０３)。
これには、図９に示すように、各部位において、保守年、保守方法を変化させる。具体的には、最適な保守アクションとして選択された保守年を、＋１、−１、＋２、−２というように前後させながら変化させる。また保守方法も、選択された保守方法から、その前後に変化させていく。
On the other hand, if “No”, that is, if the numerical value of the penalty function is not 0 and there is a constraint condition violation in step S102, then the maintenance action of each part is changed so that the degree of conformity to the constraint condition is improved ( Step S103).
For this, as shown in FIG. 9, the maintenance year and the maintenance method are changed in each part. Specifically, the maintenance year selected as the optimum maintenance action is changed while moving back and forth, such as +1, -1, +2, and -2. Also, the maintenance method is changed before and after the selected maintenance method.
このようにして、保守アクションの保守年あるいは保守方法を変化させる毎に、その保守アクションをそれぞれ採用した場合に、全体として制約条件を満足するか否か、つまり〔数１６〕で表されるペナルティ関数の数値が０であるか否かを判定する(ステップＳ１０４)。そして、制約条件を満足するまで、ステップＳ１０３を繰り返す。 In this way, each time the maintenance action is changed or the maintenance method is changed, when the maintenance action is adopted, whether or not the constraint condition is satisfied as a whole, that is, the penalty expressed by [Equation 16]. It is determined whether or not the function value is 0 (step S104). Then, step S103 is repeated until the constraint conditions are satisfied.
ステップＳ１０４をクリアし、制約条件を満足する保守アクションが見つかった時点で、続いて、目的関数を最大にする条件を探索する。ステップＳ１０４が「Ｙｅｓ」となった保守アクションは、制約条件を満足しているというだけであり、〔数７〕の目的関数の値が最大値より大幅に低いことが有り得るからである。
これにはまず、任意の２つの部位の保守アクションにおいて、保守年を交換する(ステップＳ１０５)。保守アクションにおいて、保守方法ではなく保守年を交換するのは、保守方法を交換した場合、必要なコストが部位によって異なるため、制約条件（１）を満足しない可能性が高いからである。
そして、制約条件を満足し、かつ目的関数が向上する保守アクションがあればこれを記憶する(ステップＳ１０６、Ｓ１０７)。このようにして、２つの部位の組み合わせを変えつつ、順次検討を行っていくことで、各部位について、制約条件を満足しながら、目的関数が、記憶されているものより大きくなるもの（保守年）を探す。
When step S104 is cleared and a maintenance action satisfying the constraint condition is found, a condition for maximizing the objective function is subsequently searched. This is because the maintenance action in which Step S104 is “Yes” only satisfies the constraint condition, and the value of the objective function of [Equation 7] may be significantly lower than the maximum value.
For this, first, the maintenance year is exchanged in the maintenance action of any two parts (step S105). In the maintenance action, the maintenance year is exchanged instead of the maintenance method because, when the maintenance method is exchanged, the necessary cost differs depending on the part, and therefore it is highly possible that the constraint condition (1) is not satisfied.
Then, if there is a maintenance action that satisfies the constraint condition and improves the objective function, this is stored (steps S106 and S107). In this way, by sequentially examining while changing the combination of the two parts, the objective function becomes larger than the stored one while satisfying the constraint condition for each part (maintenance year) )
このステップＳ１０５〜Ｓ１０７を一定回数繰り返し(ステップＳ１０８)、その中で、制約条件を満足しながら目的関数が最大となるものを、〔数１〕の解、つまり最適な保守計画を構成する保守アクションとするのである。 Steps S105 to S107 are repeated a certain number of times (step S108). Among them, the one that maximizes the objective function while satisfying the constraint condition is the maintenance action that constitutes the solution of [Equation 1], that is, the optimum maintenance plan. It is.
このようなアドホックな解法を取ることで、数理的手法を用いなくとも、解を探索することが可能となり、その処理を迅速に行うことができる。
また、ステップＳ１０７において、目的関数が少しでも大きい解が得られるように行う探索を一定回数に制限している。これにより、部位、保守年、保守方法の組み合わせだけでも膨大である場合にも、処理に時間がかかるのを抑制することができる。
By taking such an ad hoc solution, it becomes possible to search for a solution without using a mathematical method, and the processing can be performed quickly.
In step S107, the search performed so that a solution with a large objective function is obtained is limited to a certain number of times. Thereby, even when only a combination of a part, a maintenance year, and a maintenance method is enormous, it can suppress that processing takes time.
なお、上記実施の形態では、最適解を探索するために用いる数理的手法の例を挙げたが、効率よく最適解を探索することができるのであれば、適宜他の手法を採用することもできる。
これ以外にも、本発明の主旨を逸脱しない限り、上記実施の形態で挙げた構成を取捨選択したり、他の構成に適宜変更することが可能である。
In the above embodiment, an example of a mathematical method used for searching for an optimal solution has been described. However, other methods can be appropriately employed as long as the optimal solution can be searched efficiently. .
In addition to this, as long as it does not depart from the gist of the present invention, the configuration described in the above embodiment can be selected or changed to another configuration as appropriate.
１０…保守計画生成システム、１１…プラント情報格納部、１２…保守情報格納部、１３…制約条件記憶部、１４…計画生成部 DESCRIPTION OF SYMBOLS 10 ... Maintenance plan production | generation system, 11 ... Plant information storage part, 12 ... Maintenance information storage part, 13 ... Restriction condition memory | storage part, 14 ... Plan production | generation part
Claims (7)
前記プラントの保守部位に関する情報が格納されたプラント情報格納部と、
前記プラントの前記保守部位における一つの保守作業に対する複数の保守方法およびそれに要する費用を含む情報が格納された保守情報格納部と、
前記プラントに保守を行う際の制約条件を記憶した制約条件記憶部と、
前記プラント情報格納部に格納された前記保守部位に関する情報、前記保守情報格納部に格納された前記保守方法および費用を含む情報、および前記制約条件記憶部に記憶された前記制約条件に基づき、前記プラントの保守計画を生成する計画生成部と、
を備え、
前記制約条件記憶部には、前記制約条件として、少なくとも、一定期間に前記プラントの保守に費やすことのできる費用の限度額と、前記プラントの保守のために当該プラントの稼働を停止できる限度期間とが記憶され、
前記計画生成部が、予め導入されたコンピュータプログラムに基づき、前記プラントのそれぞれの前記保守部位に対して保守を行う時期と前記複数の保守方法のうち採用する保守方法の組み合わせに基づき、保守を行うことでのリスク低減量を算出するリスク低減量算出処理と、
前記計画生成部が、前記リスク低減量算出処理で前記リスク低減量を算出するために用いた、前記保守を行う時期と前記保守方法の組み合わせを採用したときに生じる制約条件違反を評価する制約条件違反評価処理と、
前記計画生成部が、前記リスク低減量算出処理および前記制約条件違反評価処理で検討する前記保守を行う時期と前記保守方法の組み合わせを変動させ、前記リスク低減量および前記制約条件違反の評価に基づき、前記プラントの保守計画を生成する保守計画生成処理と、を実行し、
前記保守計画生成処理では、前記リスク低減量および前記制約条件違反の評価を比較するための数式を数理的手法で解くことで、前記プラントのそれぞれの保守部位に対して前記保守を行う時期と前記保守方法の組み合わせを決定して前記プラントの保守計画を生成し、
前記数式を解くときには、前記保守を行う時期を表す変数と、前記保守方法を表す変数を補間により連続化させ、解を求めることを特徴とするプラント保守計画生成システム。 A plant maintenance plan generation system for generating a maintenance plan for a plant,
A plant information storage unit in which information on the maintenance part of the plant is stored;
A maintenance information storage unit storing information including a plurality of maintenance methods for one maintenance work in the maintenance site of the plant and the cost required for the maintenance method;
A constraint storage unit that stores a constraint when performing maintenance on the plant;
Based on the information on the maintenance part stored in the plant information storage unit, the information including the maintenance method and cost stored in the maintenance information storage unit, and the constraint condition stored in the constraint condition storage unit, A plan generator for generating a maintenance plan for the plant;
With
In the constraint condition storage unit, as the constraint condition, at least a limit amount of expenses that can be spent on maintenance of the plant in a certain period, and a limit period that can stop the operation of the plant for maintenance of the plant, Is remembered,
The plan generation unit performs maintenance based on a combination of the maintenance method employed among the plurality of maintenance methods based on a computer program introduced in advance and maintenance of each maintenance part of the plant. Risk reduction amount calculation processing for calculating the risk reduction amount by
A constraint condition for evaluating a constraint condition violation that occurs when the plan generation unit employs a combination of the maintenance time and the maintenance method used to calculate the risk reduction amount in the risk reduction amount calculation process The violation assessment process,
The plan generation unit varies the combination of the maintenance method and the timing of the maintenance to be examined in the risk reduction amount calculation process and the constraint condition violation evaluation process, and based on the risk reduction amount and the evaluation of the constraint condition violation A maintenance plan generation process for generating a maintenance plan for the plant,
In the maintenance plan generation process, by solving mathematical formulas for comparing the risk reduction amount and the evaluation of the constraint condition violation with a mathematical method, the maintenance time for each maintenance part of the plant and the Determine a combination of maintenance methods and generate a maintenance plan for the plant,
A plant maintenance plan generation system characterized in that, when solving the mathematical expression, a variable representing a time for performing the maintenance and a variable representing the maintenance method are made continuous by interpolation to obtain a solution .
前記プラントの前記保守部位における一つの保守作業に対する複数の保守方法およびそれに要する費用を含む情報が格納された保守情報格納部と、
前記プラントに保守を行う際の制約条件を記憶した制約条件記憶部と、
前記プラント情報格納部に格納された前記保守部位に関する情報、前記保守情報格納部に格納された前記保守方法および費用を含む情報、および前記制約条件記憶部に記憶された前記制約条件に基づき、前記プラントの保守計画を生成する計画生成部と、を備えたプラント保守計画生成システムにおいて、予め導入されたプログラムに基づいて実行されるプラント保守計画の生成方法であって、
前記計画生成部が、前記プラントのそれぞれの前記保守部位に対して保守を行う時期と前記複数の保守方法のうち採用する保守方法の組み合わせに基づき、保守を行うことでのリスク低減量を算出するリスク低減量算出ステップと、
前記計画生成部が、前記リスク低減量算出ステップで前記リスク低減量を算出するために用いた、前記保守を行う時期と前記保守方法の組み合わせを採用したときに生じる制約条件違反を評価する制約条件違反評価ステップと、
前記計画生成部が、前記リスク低減量算出ステップおよび前記制約条件違反評価ステップで検討する前記保守を行う時期と前記保守方法の組み合わせを変動させ、前記リスク低減量および前記制約条件違反の評価に基づき、前記プラントの保守計画を生成する保守計画生成ステップと、
を含み、
前記保守計画生成ステップでは、前記リスク低減量および前記制約条件違反の評価を比較するための数式を数理的手法で解くことで、前記プラントのそれぞれの保守部位に対して前記保守を行う時期と前記保守方法の組み合わせを決定して前記プラントの保守計画を生成し、
前記数式を解くときには、前記保守を行う時期を表す変数と、前記保守方法を表す変数を補間により連続化させ、解を求めることを特徴とするプラント保守計画の生成方法。 A plant information storage unit that stores information on maintenance parts of the plant;
A maintenance information storage unit storing information including a plurality of maintenance methods for one maintenance work in the maintenance site of the plant and the cost required for the maintenance method;
A constraint storage unit that stores a constraint when performing maintenance on the plant;
Based on the information on the maintenance part stored in the plant information storage unit, the information including the maintenance method and cost stored in the maintenance information storage unit, and the constraint condition stored in the constraint condition storage unit, In a plant maintenance plan generation system comprising a plan generation unit for generating a plant maintenance plan, a plant maintenance plan generation method executed based on a program introduced in advance,
The plan generation unit calculates a risk reduction amount due to maintenance based on a combination of a maintenance time for each maintenance part of the plant and a maintenance method adopted among the plurality of maintenance methods. A risk reduction calculation step;
A constraint condition for evaluating a constraint condition violation that occurs when the plan generation unit employs a combination of the maintenance timing and the maintenance method used to calculate the risk reduction amount in the risk reduction amount calculation step. A violation assessment step,
The plan generation unit varies the combination of the maintenance method and the maintenance method examined in the risk reduction amount calculation step and the constraint condition violation evaluation step, and based on the risk reduction amount and the evaluation of the constraint condition violation A maintenance plan generation step for generating a maintenance plan for the plant;
Including
In the maintenance plan generation step, a mathematical formula for comparing the risk reduction amount and the evaluation of violation of the constraint condition is solved by a mathematical method, thereby performing the maintenance on each maintenance part of the plant, and Determine a combination of maintenance methods and generate a maintenance plan for the plant,
A method for generating a plant maintenance plan, wherein, when solving the mathematical formula, a variable representing a time for performing the maintenance and a variable representing the maintenance method are made continuous by interpolation to obtain a solution.
前記プラントの前記保守部位における一つの保守作業に対する複数の保守方法およびそれに要する費用を含む情報が格納された保守情報格納部と、
前記プラントに保守を行う際の制約条件を記憶した制約条件記憶部と、
前記プラント情報格納部に格納された前記保守部位に関する情報、前記保守情報格納部に格納された前記保守方法および費用を含む情報、および前記制約条件記憶部に記憶された前記制約条件に基づき、前記プラントの保守計画を生成する計画生成部と、を備えたプラント保守計画生成システムにおいて、予め導入されたプログラムに基づいて実行されるプラント保守計画の生成方法であって、
前記計画生成部が、前記プラントのそれぞれの前記保守部位において、保守を行うことでのリスク低減量が最大となる、保守時期および保守方法の組み合わせを求めるステップと、
前記計画生成部が、前記複数の保守方法を変動させ、前記プラントに対して保守を行う際の制約条件を満足させる組み合わせを求めるステップと、
複数の保守部位間で前記保守時期を入れ替え、前記リスク低減量を最大とする前記保守時期および前記保守方法の組み合わせを求めるステップと、
前記制約条件を満足し、かつ前記リスク低減量を最大とする前記保守時期および前記保守方法の組み合わせに基づき、前記プラントの保守計画を生成するステップと、
を含むことを特徴とするプラント保守計画の生成方法。 A plant information storage unit that stores information on maintenance parts of the plant;
A maintenance information storage unit storing information including a plurality of maintenance methods for one maintenance work in the maintenance site of the plant and the cost required for the maintenance method;
A constraint storage unit that stores a constraint when performing maintenance on the plant;
Based on the information on the maintenance part stored in the plant information storage unit, the information including the maintenance method and cost stored in the maintenance information storage unit, and the constraint condition stored in the constraint condition storage unit, In a plant maintenance plan generation system comprising a plan generation unit for generating a plant maintenance plan, a plant maintenance plan generation method executed based on a program introduced in advance,
The plan generation unit obtains a combination of maintenance time and maintenance method that maximizes the risk reduction amount by performing maintenance in each maintenance part of the plant; and
The plan generation unit varies the plurality of maintenance methods, and obtains a combination that satisfies a constraint condition when performing maintenance on the plant; and
Replacing the maintenance time between a plurality of maintenance parts, obtaining a combination of the maintenance time and the maintenance method that maximizes the amount of risk reduction; and
Generating a maintenance plan for the plant based on a combination of the maintenance time and the maintenance method that satisfies the constraints and maximizes the amount of risk reduction;
A method for generating a plant maintenance plan, comprising:
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003383048A JP4427302B2 (en) | 2003-11-12 | 2003-11-12 | Plant maintenance plan generation system, plant maintenance plan generation method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003383048A JP4427302B2 (en) | 2003-11-12 | 2003-11-12 | Plant maintenance plan generation system, plant maintenance plan generation method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2005148955A JP2005148955A (en) | 2005-06-09 |
| JP4427302B2 true JP4427302B2 (en) | 2010-03-03 |
Family
ID=34691930
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2003383048A Expired - Fee Related JP4427302B2 (en) | 2003-11-12 | 2003-11-12 | Plant maintenance plan generation system, plant maintenance plan generation method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4427302B2 (en) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5000735B2 (en) * | 2010-02-16 | 2012-08-15 | 住友林業株式会社 | Material assignment system |
| US9008895B2 (en) | 2012-07-18 | 2015-04-14 | Honeywell International Inc. | Non-deterministic maintenance reasoner and method |
| US11900287B2 (en) | 2017-05-25 | 2024-02-13 | Johnson Controls Tyco IP Holdings LLP | Model predictive maintenance system with budgetary constraints |
| US11636429B2 (en) | 2017-05-25 | 2023-04-25 | Johnson Controls Tyco IP Holdings LLP | Model predictive maintenance systems and methods with automatic parts resupply |
| US11416955B2 (en) | 2017-05-25 | 2022-08-16 | Johnson Controls Tyco IP Holdings LLP | Model predictive maintenance system with integrated measurement and verification functionality |
| US11747800B2 (en) | 2017-05-25 | 2023-09-05 | Johnson Controls Tyco IP Holdings LLP | Model predictive maintenance system with automatic service work order generation |
| US11409274B2 (en) | 2017-05-25 | 2022-08-09 | Johnson Controls Tyco IP Holdings LLP | Model predictive maintenance system for performing maintenance as soon as economically viable |
| WO2018217251A1 (en) | 2017-05-25 | 2018-11-29 | Johnson Controls Technology Company | Model predictive maintenance system for building equipment |
| JP2021009694A (en) * | 2019-06-28 | 2021-01-28 | ジョンソン コントロールズ テクノロジー カンパニーＪｏｈｎｓｏｎ Ｃｏｎｔｒｏｌｓ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏｍｐａｎｙ | Model predicting maintenance system involving budget restrictions |
| US11480360B2 (en) | 2019-08-06 | 2022-10-25 | Johnson Controls Tyco IP Holdings LLP | Building HVAC system with modular cascaded model |
| JP7449780B2 (en) | 2020-06-05 | 2024-03-14 | 株式会社日立製作所 | Pipeline renewal support device and pipeline renewal support method |
-
2003
- 2003-11-12 JP JP2003383048A patent/JP4427302B2/en not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2005148955A (en) | 2005-06-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Atamtürk et al. | A conic integer programming approach to stochastic joint location-inventory problems | |
| Hota et al. | Short-term hydrothermal scheduling through evolutionary programming technique | |
| García et al. | A KNN quantum cuckoo search algorithm applied to the multidimensional knapsack problem | |
| JP4427302B2 (en) | Plant maintenance plan generation system, plant maintenance plan generation method | |
| Enea et al. | The facility layout problem approached using a fuzzy model and a genetic search | |
| Andresen et al. | Simulated annealing and genetic algorithms for minimizing mean flow time in an open shop | |
| Shaheen et al. | Optimal economic power and heat dispatch in Cogeneration Systems including wind power | |
| Flapper et al. | On the optimal control of manufacturing and remanufacturing activities with a single shared server | |
| Roque et al. | A hybrid biased random key genetic algorithm approach for the unit commitment problem | |
| Toffolo et al. | Stochastic local search with learning automaton for the swap-body vehicle routing problem | |
| Marandi et al. | Network configuration multi-factory scheduling with batch delivery: A learning-oriented simulated annealing approach | |
| Deb et al. | Multi-scenario, multi-objective optimization using evolutionary algorithms: Initial results | |
| Mahmudy et al. | Optimization of multi-stage distribution process using improved genetic algorithm | |
| Burke et al. | A multi-stage approach for the thermal generator maintenance scheduling problem | |
| Najafi et al. | Scheduling a project to minimize costs of material requirements | |
| Wang et al. | A possibilistic approach to the modeling and resolution of uncertain closed-loop logistics | |
| Wu et al. | Scheduling deteriorating jobs to minimize the makespan on a single machine | |
| Ho et al. | A genetic algorithm for the generalised transportation problem | |
| JP2019105973A (en) | Maintenance plan generation system | |
| Tian et al. | Optimization of continuous dynamic facility layout problem with budget constraints | |
| Lee et al. | Hybrid priority-based genetic algorithm for multi-stage reverse logistics network | |
| Zanic et al. | Safety as objective in multicriterial structural optimization | |
| Han et al. | Evolutionary algorithms for solving unconstrained multilevel lot-sizing problem with series structure | |
| Chávez et al. | A Parallel Population Repair Genetic Algorithm for Power Economic Dispatch | |
| Yazdi et al. | A multi-objective vibration damping meta-heuristic algorithm for multi-objective p-robust supply chain problem with travel time |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20061109 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20090302 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090401 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090519 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090617 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090909 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20091106 |
|
| 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: 20091126 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20091214 |
|
| R151 | Written notification of patent or utility model registration |
Ref document number: 4427302 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121218 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131218 Year of fee payment: 4 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| LAPS | Cancellation because of no payment of annual fees |