JP5621967B2 - 異常データ分析システム - Google Patents

Description

本発明は、収集した計測データを分析して異常データを決定するための異常データ分析システムに関する。

発電プラントや製造プラントなどの各種プラントにおいては異常の発生が避けられない。このプラント異常は、例えばプラント機器の一部が停止する異常や、プラント機器の各種物理対象についての計測データが上下限値を逸脱しアラームが発生する異常などである。プラント異常が発生した場合、正常な状態に戻すため、技術者が計測データを調査し、異常原因を特定する必要があった。

このような異常原因の特定に関し、特にプロセス系プラントの異常を診断する装置の従来技術が、例えば、特許文献１（特開２００８−５９２７０号公報，発明の名称「プロセス異常診断装置及びプロセス監視システム」）に開示されている。特許文献１の従来技術では、統計量データに含まれる異常データと正常データとの割合に関する事前情報を生成し、この事前情報を使用して、統計量データの異常状態と正常状態の判定を行うための閾値を決定し、閾値及び統計量データを使用して、対象プロセスの異常を診断する装置である。

特開２００８−５９２７０号公報（段落番号００１０〜００１２）

異常が発生する原因は様々であるが、典型的な異常であれば容易に原因を推測することができる。例えば、ある１個の計測装置が故障し、その計測データのみが異常な値になった場合である。その場合は、異常な値になった計測データを出力している計測装置が故障したと容易に推測できる。

一方、タンク、配管や制御装置などプラントを構成するプラント機器（以下、本明細書中ではこれらを単にプラント機器という）が故障した場合は、故障したプラント機器を推測することが難しい。この場合、このプラント機器に関連する他のプラント機器の“複数”の計測データが通常とは異なる値になる。例えばプロセス系のプラントにおけるあるプラント機器に異常が生じると、そのプラント機器の下流側にある多くのプラント機器に異常を示す計測データが出力され、また、プロセス制御でフィードバック制御がなされている場合には上流へもその影響が及び、全体的に異常を示す計測データが出力されることもある。

加えて、一連の複数のプラント機器からなるプラントでは、あるプラント機器で異常が発生したような場合であっても、そのプラント機器の計測装置では異常が検出できずに、下流にある他のプラント機器の計測装置で異常が検出されることもある。このような場合、異常の原因の特定はさらに容易ではなかった。特に実際のプラントでは、複雑な経路を経ることが多く、ある計測装置での異常計測が遠い箇所にあるプラント機器の異常の原因であることもあり、異常の特定が容易ではなかった。

さらに、計測データが上下限を超えた場合に異常と判定されるというものであるが、上限および下限を適切に設定していないと正常・異常の判定も正確ではないという問題がある。この上限および下限の設定は、現状では作業者の過去の経験等に基づいて設定されるというものであり、多くの計測データに対して常に適切に閾値を設定することは困難である。計測装置で設定した上下限により故障装置を推測することは必ずしも正確ではなかった。

結局、異常が発生した場合には、現状ではマニュアル記載の手順に基づく手順による原因推定を行っていた。具体的には、計測データ全てを表示し、熟練技術者が通常と異なる計測データを経験的・感覚的に洗い出す作業を行い、さらにこの計測データを用い、通常と異なるデータの組み合わせ等に基づいて、故障装置を推測していた。したがって、原因の特定に手間および時間を要するものであった。
さらに、最初に推測したプラント機器に異常がなかった場合には、再度、同様の作業を繰り返す必要があり、故障装置を特定するまでにさらに時間を要するものであった。

また、特許文献１に記載の装置では、多数データによる統計学的な手法を用いて原因を特定するというものであって判定ロジックが複雑であり、原因特定に時間を要するという問題があった。より簡素化した判定ロジックを採用し、迅速に原因を特定したいという要請があった。

そこで、本発明は上記した問題に鑑みてなされたものであり、その目的は、簡素な判定ロジックで異常の原因に関する計測データを特定し、迅速な原因特定に寄与する異常データ分析システムを提供することにある。

本発明の請求項１に係る発明の異常データ分析システムによれば、
複数のプラント機器にそれぞれ設けられる複数の計測装置を備え、複数の計測装置から出力されるそれぞれの計測データと、予め設定される閾値により前記計測データからプラント機器が正常か異常かが判断されて設定されるフラグデータと、を用いて、異常を表している異常データを推定する異常データ分析システムであって、
いずれかのプラント機器の異常を表すフラグデータが出力された期間を異常期間とし、また、全てのプラント機器の正常を表すフラグデータが出力された期間を正常期間とする期間設定手段と、
仮正常か仮異常かを判断する仮閾値を設定し、ある計測装置の計測データおよび仮閾値に基づいて、正常期間にて仮正常に分類される当該計測装置の計測データの個数ａと、正常期間にて仮異常に分類される当該計測装置の計測データの個数ｂと、異常期間にて仮異常に分類される当該計測装置の計測データの個数ｃと、異常期間にて仮正常に分類される当該計測装置の計測データの個数ｄと、を決定してｂ／ａ＋ｄ／ｃによる誤分類比率の算出を、全てのまたは所定の複数の計測データについて値の異なる所定個数の仮閾値を用いて行い、値の異なる仮閾値のそれぞれから得られた誤分類比率のうち最小の誤分類比率を当該計測装置の誤分類比率として算出し、この計測装置の誤分類比率の算出を全計測装置について行う誤分類比率算出手段と、
全計測装置の誤分類比率の中から最小の誤分類比率を有する計測装置からの計測データを異常データとする異常データ決定手段と、
を備えることを特徴とする。

また、本発明の請求項２に係る発明の異常データ分析システムによれば、
請求項１に記載の異常データ分析システムにおいて、
前記誤分類比率の大きさ順に表示するとともに異常データについて明示する表示手段を備えることを特徴とする。

また、本発明の請求項３に係る発明の異常データ分析システムによれば、
請求項１または請求項２に記載の異常データ分析システムにおいて、
前記誤分類比率の大きさ順に、散布図、および／または、度数分布を表示するとともに異常データについて明示する表示手段を備えることを特徴とする。

本発明によれば、簡素な判定ロジックで異常の原因に関する計測データを特定し、迅速な原因特定に寄与する異常データ分析システムを提供することができる。

本発明を実施するための形態の異常データ分析システムの全体構成を説明する構成図である。 データベースのデータ構造の説明図である。 決定原理を説明する説明図である。 誤分類比率算出のフローチャートである。 異常データの表示を説明する説明図である。 本発明を実施するための他の形態の異常データ分析システムの全体構成を説明する構成図である。 異常データの表示を説明する説明図である。 異常データの表示を説明する説明図である。

続いて、本発明を実施するための形態について図を参照しつつ以下に説明する。まず、異常データ分析システム１００の全体構造について図１を参照しつつ説明する。異常データ分析システム１００は、図１に示すように、計測装置１，２，・・・，ｎ、通信経路１０、データ収集装置２０、データベース３０、異常データ分析装置４０を備える。

計測装置１，２，・・・，ｎ（ｎは自然数）は、それぞれプラント機器１，２，・・・，ｎに設置されており、それぞれのプラント機器内における物理対象についての計測データを随時計測して出力する。また、計測データを監視して異常を検知する機能を有する。例えば、液面が下限液面から上限液面までの範囲にあるときは正常であるとしてフラグデータを正常を表す０を設定する。また、下限液面を下回る、また、上限液面を上回るときは異常であるとしてフラグデータを異常を表す１を設定する。なお、計測データは一つの物理対象に限定するものではなく、例えば、温度、液面、濃度のように異なる物理対象であっても良い。また、一のプロセス機器に一の計測装置が設置されるものとして説明しているが、一のプロセス機器に複数の計測装置が設置されるものとしても良い。また、閾値も上下限がある場合のみならず、上限のみ、または、下限のみの場合であっても良い。これら計測データおよびフラグデータは、通信経路１０を経て、データ収集装置２０へ出力される。

通信経路１０は、計測装置１，２，・・・，ｎ、データ収集装置２０、異常データ分析装置４０と通信可能に接続されており、これら装置間でデータ通信を可能とする。

データ収集装置２０は、通信経路１０と接続されており、計測装置１，２，・・・，ｎから送信された計測データおよびフラグデータを収集する。ある計測装置についてみると、所定期間毎（例えば１時間毎）の計測データおよびフラグデータを収集する。そして、全ての計測装置についてこのようなデータ収集を行う。

データベース３０は、データ収集装置２０が収集したデータを登録する。このデータベースは、例えば、図２で示すようなデータ構造を有している。図２のデータ構造では１時間置きにデータを取得したものとして図示している。ここで総合フラグデータとは、計測装置１，２，・・・，ｎのうちのいずれかの計測装置で異常を表すフラグデータが出力されているならば異常とするものであり、各計測装置のフラグデータのＯＲデータである。

異常データ分析装置４０は、図１で示すように、さらに期間設定手段４１、誤分類比率算出手段４２、異常データ決定手段４３、表示手段４４を備える。データ収集装置２０を介してデータベース３０から必要なデータを読み出して、後述するような異常データの決定を行い、異常データを作業者に明示する。

続いて異常分析について説明する。まず分析原理について説明する。この異常分析では誤分類の概念を利用する。ここで、プラント機器のみ異常発生し、計測装置は正常に動作していることを前提とする。また、説明の具体化のため、異常として計測データが急速に小さい値になっていく場合を想定する。

ここで異常が発生した異常期間を想定する。
例えば、図３（ａ）で示すように、各計測装置のフラグデータのＯＲを算出する。図２のデータならば、総合フラグデータが０時〜２０時までをプラント全体の正常期間とし、２０時〜２４時までをプラント全体の異常期間と設定する。

ここである計測装置では異常検知用の閾値が正しく設定されており、プラント機器に発生した異常を瞬時に検出したような場合を想定する。この場合、図３（ｂ）で示すように、総合フラグデータの変化とともに、下限の閾値を下回る挙動を示す。０時〜２０時までの正常期間においては下限閾値から上限閾値までの間に入る正常な計測データが得られ、また、２０時〜２４時までの異常期間においては下限閾値を下回る異常な計測データが得られるような挙動となっている。なお、図示しないが上限閾値を上回るような場合も異常な計測データが得られることとなる。

そして、誤分類比率を算出する。誤分類比率は次式のように表される。

［数１］
誤分類比率＝ｂ／ａ＋ｄ／ｃ

ここにａは、正常期間にて正常に分類される計測装置の計測データの個数ａである。また、ｂは、正常期間にて異常に分類される計測装置の計測データの個数ｂである。また、ｃは、異常期間にて異常に分類される計測装置の計測データの個数ｃである。また、ｄは、異常期間にて正常に分類される計測装置の計測データの個数ｄである。

ここに、図３（ｂ）で示すような変数では、０時〜２０時までの正常期間においては下限閾値から上限閾値までの間に入る正常な計測データの個数ａと、２０時〜２４時までの異常期間においては下限閾値を下回る異常な計測データの個数ｃと、が算出される。

しかしながら、０時〜２０時までの正常期間においては下限閾値を下回る異常な計測データの個数ｂと、２０時〜２４時までの異常期間においては下限閾値から上限閾値までの間に入る正常な計測データの個数ｄと、はともに０個である。

故に誤分類比率＝ｂ／ａ＋ｄ／ｃ＝０となる。換言すると、誤分類比率＝ｂ／ａ＋ｄ／ｃが０もしくは０に近い値であるということは、この計測装置のプラント機器が異常になるとともに計測データも異常を表したことから異常の原因に最も近い計測データと考察され、異常データ候補とすることができる。

しかしながら、閾値は技術者により設定されているが、設定のずれがあることが殆どである。このように設定のずれがある場合について説明する。図３（ｃ）で示すように、下限の閾値を望ましい値よりも低く設定した場合を想定する。

この場合、０時〜２０時までの正常期間において下限閾値から上限閾値までの間に入る正常な計測データの個数ａと、２０時〜２４時までの異常期間において下限閾値から上限閾値までの間に入る正常な計測データの個数ｄと、２０時〜２４時までの異常期間において下限閾値を下回る異常な計測データの個数ｃと、が算出される。

しかしながら、０時〜２０時までの正常期間において下限閾値を下回る異常な計測データの個数ｂは０個である。

故に誤分類比率＝ｂ／ａ＋ｄ／ｃ＝ｄ／ｃとなる。換言すると、閾値を低く設定すると誤分類比率＝ｄ／ｃというように０を上回る。

続いて同様に設定のずれがある場合について説明する。図３（ｄ）で示すように、下限の閾値を望ましい値よりも高く設定した場合を想定する。

この場合、０時〜２０時までの正常期間において下限閾値から上限閾値までの間に入る正常な計測データの個数ａと、０時〜２０時までの正常期間において下限閾値を下回る異常な計測データの個数ｂと、２０時〜２４時までの異常期間において下限閾値を下回る異常な計測データの個数ｃと、が算出される。

しかしながら、２０時〜２４時までの異常期間において下限閾値から上限閾値までの間に入る正常な計測データの個数ｄは０個である。

故に誤分類比率＝ｂ／ａ＋ｄ／ｃ＝ｂ／ａとなる。換言すると、閾値を高く設定すると誤分類比率＝ｂ／ａというように０を上回る。
このように誤分類比率が最も小さい（つまり０に最も近い）ときが最も良好に閾値が設定されていることが理解できる。

このように誤分類比率が最も小さい（つまり０に最も近い）ときの計測データを異常を表す計測データとして推測可能な点に着目し、計測データの分析を行う。すなわち、計測装置の閾値とは別に仮閾値を設定して仮正常か仮異常かを判断して正常期間にて仮正常に分類される当該計測装置の計測データの個数ａと、正常期間にて仮異常に分類される当該計測装置の計測データの個数ｂと、異常期間にて仮異常に分類される当該計測装置の計測データの個数ｃと、異常期間にて仮正常に分類される当該計測装置の計測データの個数ｄとから誤分類比率を算出する。

仮閾値は所定大きさで増加していく。例えば、技術者が設定した下限の閾値を５０としたとき、５０から１５０まで１刻みで増加する仮閾値を１００個設定する。そして、１個の仮閾値（最初は５０）を用いて上記ａ，ｂ，ｃ，ｄを求めて誤分類比率を算出する。以下仮閾値（次は５１）を増加させて上記ａ，ｂ，ｃ，ｄを求めて同様に誤分類比率を算出し、以下同様にして１００個の誤分類比率を算出する。そして、これら１００個の誤分類比率のうち値が０値または０に近い値が出現したときは、仮閾値と同じ閾値が設定されていたならば、この計測データは異常なプラント機器における計測装置からの計測データとして判断されたものであると推定し、０に近い値が出現しないときはこの計測データは正常なプラント機器における計測装置からの計測データであるとする。
このような処理を全ての計測装置に行って、これら計測装置の中で最も誤分類が小さい値が出現した計測データが、異常が出現したプラント機器に設置された計測装置から出力された計測データであって異常データとして推定するというものである。

なお、異常として計測データが急速に小さくなっていく場合のみ説明したが、計測データが急速に大きくなって上限の閾値を超えるような場合でも同様の処理を行って誤分類比率が０に近いときの計測データを異常データとして設定することができる。閾値を超えるとは下限の閾値を下回る、または、上限の閾値を上回るということであり、同様に考えることができるため、重複する説明を省略する。また、閾値が上限のみ、または、下限のみの場合も同様に分析できる。この場合も同様に考えることができるため、重複する説明を省略する。

続いて、この原理に基づく算出について説明する。
異常データ分析装置４０は、データの読み出しを行う読み出し手段として機能する。データベース３０から全ての計測装置の所定期間の計測データおよびフラグデータを取得する。ある計測装置についてたとえば期間を１日とし、一時間毎の計測データ・フラグデータで計２４個の計測データ・フラグデータを取得する。そしてｎ個の計測装置についてｎ×２４個の計測データ・フラグデータを取得する。
なお、データベース３０にフラグデータを格納せず、データベース３０または異常データ分析装置４０に閾値を格納し、異常データ分析装置４０で格納された閾値を用いてフラグデータを生成しても良い。

異常データ分析装置４０は、全ての計測装置１，２，・・・，ｎについてのフラグデータを参照し、いずれかの計測装置で異常を表すフラグデータが出力された期間をプラント全体での異常期間とし、また、全ての計測装置で正常を表すフラグデータが出力された期間をプラント全体での正常期間とする手段（期間設定手段４１）として機能する。異常期間では総合フラグデータは異常を表す１になり、また、正常期間では総合フラグデータは正常を表す０になる。

異常データ分析装置４０は、誤分類比率を算出する手段（誤分類比率算出手段４２）として機能する。誤分類比率算出については図４のフローチャートを参照しつつ説明する。まず計測装置を表すｎについて初期値ｎ＝１に設定する（ステップＳ１）。これで最初は計測装置１について誤分類比率を算出することとなる。

続いて、仮閾値を変化させる初期値ｍ＝１に設定する（ステップＳ２）。例えば仮閾値をＧ＋ｍＧ／Ｍとし、ｍを増加させることで仮閾値を変化させる。ｍの最大値をＭとすると仮閾値は最小値（＝Ｇ）から最大値（＝２Ｇ）まで等間隔で変更するものとなる。続いてこの仮閾値における誤分類比率を算出する（ステップＳ３）。誤分類比率は次式のようになる。

［数２］
誤分類比率（ｍ）＝（個数ｂ／個数ａ＋個数ｄ／個数ｃ）／２
ｍ：１〜Ｍ

なお個数ａとは、正常期間にて仮正常に分類される計測装置１の計測データの個数ａである。個数ｂとは、正常期間にて仮異常に分類される計測装置１の計測データの個数ｂである。個数ｃとは、異常期間にて仮異常に分類される計測装置１の計測データの個数ｃである。個数ｄとは、異常期間にて仮正常に分類される計測装置１の計測データの個数ｄである。そして仮正常か仮異常かは仮閾値により決定される。例えば、仮閾値を上回れば仮正常、下回れば仮異常というように決定される。

続いてｍ＝ｍ＋１として（ステップＳ４）、ｍが最大値Ｍと一致するまで（ステップＳ５）以下同様に誤分類比率を算出していき、Ｍについての誤分類比率の算出後（ステップＳ３）に、ｍが最大値Ｍと一致したときに誤分類比率の算出を終了する（ステップＳ５）。続いてこの計測装置１の計測データにて計算した誤分類比率の中の最小の誤分類比率を算出する（ステップＳ６）。算出式は次式のようになる。

［数３］
計測装置１の誤分類比率
＝min(誤分類比率(1)，誤分類比率(2)，・・・，誤分類比率(m），・・・，誤分類比率(M))

続いてｎ＝ｎ＋１として（ステップＳ７）、計測装置２の誤分類比率を算出する。以下、同様にしてｎが最大値Ｎと一致するまで（ステップＳ８）計測装置ｎの誤分類比率を算出していき（ステップＳ６）、ｎが最大値Ｎと一致したときに誤分類比率の算出を終了する（ステップＳ８）。

続いてこの異常データ分析装置４０は、全計測装置１，・・・，ｎの誤分類比率の中から最小の誤分類比率を有する計測装置を決定し、この計測装置からの計測データを異常データとする手段（異常データ決定手段４３）として機能する。

異常データ分析装置４０は、最小の誤分類比率を表示する手段（表示手段４４）として機能する。
異常データ分析装置４０はディスプレイ装置を内蔵しており、誤分類比率の小さい順位で表示を行う。

図５はディスプレイ装置の画面表示例である。画面上の左上側にある異常要因候補一覧は、Ｎ項目あるデータの中から、誤分類比率の小さい順に上から表示している。上位に表示されているデータ項目は、誤分類比率が小さいものであって、故障等に関連する可能性の高いデータである。

画面上の右側にある散布図一覧は、全データの散布図と、度数分布を示す。異常要因候補一覧の順に表示している。つまり、左上の図は、（１）と（１）の計測データであるので、散布図ではなく、度数分布が表示されている。左端の上から２番目は、計測データ（１）と（２）の散布図である。同様に左端の上から３番目は、計測データ（１）と（３）の散布図である。

なお、上段の左から２番目の図は、計測データ（１）と（２）の散布図であるが、左端にある散布図とはｘ座標とｙ座標が入れ替わっている。これら図の表示している黒点や黒棒は異常データ、白点や白棒は正常データを示している。このように異常要因候補順に作図してあるので、異常の発生していそうな計測データを優先的に見つけることが可能になる。異常分析はこのようなものである。

なお、ここで、プラント機器のみ異常発生し、計測装置は正常に動作していることを前提として説明した。しかしながら、プラント機器は正常に動作し、一部の計測装置に異常が発生している場合がある。この場合でも、本発明の実施形態によれば、異常が発生した計測装置の誤分類比率が０に近づくため、容易に計測装置の異常を抽出することができる。勿論、複数の計測装置が故障した場合も同様である。

また、あるプラント機器と計測装置とが同時に異常が発生したときは、例えば、爆発等目視可能な異常であることが殆どであり、考慮しなくても良い。

続いて他の形態について説明する。図６は他の形態の異常データ分析システム２００の全体構成である。図１はプラント内部でクローズした形態であるのに対し、図６はデータ収集装置２０、データベース３０、異常データ分析装置４０を含むモニタリング装置６０をネットワーク５０を介して他の箇所に配置し、プラントをリモートで監視する形態としたのが相違点である。システム形態は異なるが、構成要素は同一であるので、相違点のみ説明する。

プラント側にあるデータ収集装置２０は、逐次計測データ・フラグデータを収集し、データを蓄積する点では、先に説明した形態と同じである。しかし本形態では、ネットワーク５０を通してプラント外のモニタリング装置６０にこれら計測データ・フラグデータを伝送する点が相違している。

モニタリング装置６０側でも、データ収集装置２０を持っている。プラント側から送信されてくる計測データ・フラグデータを受信し、モニタリング装置６０側のデータベース３０にデータを保存する。そして、先に説明した同じ手法の異常データ分析を異常データ分析装置４０が行う。
このような本形態を採用することで、遠くのプラントも監視できる利点がある。また、モニタリング装置１つだけで、多くのプラントを監視できる利点がある。

続いて本発明の異常データ分析システムを火力プラントのデータに適用した実施例を説明する。
データ項目としては、数十項目ある。異常データ分析装置４０が、データベース３０から収集するデータは、以下のようにした。
異常データ：実際にはアラーム発生直前の６点のデータ
正常データ：異常直前の１時間前から２０日分のデータを定格運転したときのデータ

図７と図８とは異常データ分析システムのディスプレイ装置で表示された図であり、原因候補の上位３つのデータの散布図である。異常データ（■）が正常データ（◇）と異なる部分にプロットされている。このように、通常と異なる計測データを適切に候補として抽出できていることを示している。
この結果を熟練技術者が見ることにより、アラーム直前に、どの計測装置が通常と異なる状態になったか容易に把握することができ、その結果どの装置がどのような状態になったため故障したかを推測できる。

以上本発明の異常データ分析装置１００，２００について説明した。これら装置では各種の変形形態が可能である。例えば先の形態では計測装置１，２，・・・，ｎがフラグデータを出力するものとして説明したが、計測装置１，２，・・・，ｎがフラグデータを出力せずに、図示しないプラント制御装置を通信経路１０に接続し、このプラント制御装置により正常か異常かを判断させるようにしても良い。

このようなプラント制御装置では、計測装置の状態を監視しており、異常な値を検知した場合は、その期間のデータが異常であると判断し、異常を識別するためのフラグデータをデータベース３０に保存する。異常判断の条件は、プラント制御装置が、計測装置ごとに設定されている上下限範囲を超える場合、もしくは計測装置の値の変化が上下限範囲を超える場合、を異常と判断するというものである。なお、本処理における異常判断の閾値は人間が判断したものであるが、この場合でも仮閾値を用いる異常分析で正確に異常分析される。このような構成を採用しても本発明の実施が可能である。

以上、本発明の異常データ分析システムについて説明した。本発明の異常データ分析システムによれば、あるプラント機器の異常から全体に異常が生じるような計測データが出力されたとしても、原因に最も近い計測データを異常データとし、プラント機器を特定することが可能となる。特に、通常と異なる計測データを容易かつ迅速に見つけることができる。その結果、故障となった装置を早く見つけることが可能になり、早くプラントを正常化させることが可能になる。

また、本発明は、異常データを自動的に表示することで、技術者の異常特定作業を支援する。この結果、知識ベースに定義していない故障に対しても、早く故障原因を推測することが可能になる。

また、本発明では、計測装置における上下限閾値については技術者が事前に決定したままの上下限閾値とし、先に説明したように仮閾値により誤分類比率を決定するようにしているため、計測装置等に改造を施す必要がなく、表示系部分を追加するだけでよい利点がある。また、技術者が事前に決定した上下限閾値が最適な値でなくても、与えられた条件の中で最も妥当そうな異常データ候補を定量的に抽出することが可能であり、作業が大幅に短縮されるという利点がある。

本発明は、特に実際のプラントのように複雑なプラントで異常が発生したときであっても異常の原因を特定することが可能となっており、プラントの保守・管理等の分野で好適である。

１００，２００：異常データ分析システム
１，２，・・・，ｎ：計測装置
１０：通信経路
２０：データ収集装置
３０：データベース
４０：異常データ分析装置
４１：期間設定手段
４２：誤分類比率算出手段
４３：異常データ分析手段
４４：表示手段
５０：ネットワーク

Claims (3)

1. 複数のプラント機器にそれぞれ設けられる複数の計測装置を備え、複数の計測装置から出力されるそれぞれの計測データと、予め設定される閾値により前記計測データからプラント機器が正常か異常かが判断されて設定されるフラグデータと、を用いて、異常を表している異常データを推定する異常データ分析システムであって、
   いずれかのプラント機器の異常を表すフラグデータが出力された期間を異常期間とし、また、全てのプラント機器の正常を表すフラグデータが出力された期間を正常期間とする期間設定手段と、
   仮正常か仮異常かを判断する仮閾値を設定し、ある計測装置の計測データおよび仮閾値に基づいて、正常期間にて仮正常に分類される当該計測装置の計測データの個数ａと、正常期間にて仮異常に分類される当該計測装置の計測データの個数ｂと、異常期間にて仮異常に分類される当該計測装置の計測データの個数ｃと、異常期間にて仮正常に分類される当該計測装置の計測データの個数ｄと、を決定してｂ／ａ＋ｄ／ｃによる誤分類比率の算出を、全てのまたは所定の複数の計測データについて値の異なる所定個数の仮閾値を用いて行い、値の異なる仮閾値のそれぞれから得られた誤分類比率のうち最小の誤分類比率を当該計測装置の誤分類比率として算出し、この計測装置の誤分類比率の算出を全計測装置について行う誤分類比率算出手段と、
   全計測装置の誤分類比率の中から最小の誤分類比率を有する計測装置からの計測データを異常データとする異常データ決定手段と、
   を備えることを特徴とする異常データ分析システム。
2. 請求項１に記載の異常データ分析システムにおいて、
   前記誤分類比率の大きさ順に表示するとともに異常データについて明示する表示手段を備えることを特徴とする異常データ分析システム。
3. 請求項１または請求項２に記載の異常データ分析システムにおいて、
   前記誤分類比率の大きさ順に、散布図、および／または、度数分布を表示するとともに異常データについて明示する表示手段を備えることを特徴とする異常データ分析システム。

Images