JP6200816B2 - 機器診断装置、機器診断方法及び機器診断プログラム - Google Patents
機器診断装置、機器診断方法及び機器診断プログラム Download PDFInfo
- Publication number
- JP6200816B2 JP6200816B2 JP2014004909A JP2014004909A JP6200816B2 JP 6200816 B2 JP6200816 B2 JP 6200816B2 JP 2014004909 A JP2014004909 A JP 2014004909A JP 2014004909 A JP2014004909 A JP 2014004909A JP 6200816 B2 JP6200816 B2 JP 6200816B2
- Authority
- JP
- Japan
- Prior art keywords
- normal
- abnormal
- probability distribution
- cooling capacity
- diagnosis
- 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.)
- Active
Links
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Air Conditioning Control Device (AREA)
Description
その他の手段については、発明を実施するための形態のなかで説明する。
図1に沿って、吸収式冷温熱機42の構造を説明する。吸収冷温熱機42は、冷凍機の一種である。一般に、冷凍機は、圧力を制御することによって冷媒を液体から気体に状態変化させ、その際の気化熱に相当する熱を冷水から奪う。吸収型冷温熱機42は、冷媒として水を使用し、吸収剤に冷媒(水)を吸収させることによって低圧力を生み出すことに特徴がある。吸収剤としては、一般的に臭化リチウム水溶液が使用される。本実施形態の吸収式冷温熱機42もまた、このような型式の吸収式冷温熱機である。
吸収式冷温熱機42は、蒸発器51、吸収器52、凝縮器53、低温再生器54、高温再生器55、低温熱交換器56及び高温熱交換器57を有する。蒸発器51においては、伝熱面積を極端に大きくしたコイル状のチューブに対して、冷媒が滴下される。チューブ中には冷水が通っている。蒸発器51の内部は、例えば、1/100気圧前後の超低圧状態になっているため、滴下した冷媒(水)は、例えば、5℃前後の低温で容易に気化する。すると、冷媒が冷水から気化熱を奪い、その分、冷水の温度は低下する。
高温再生器55は、吸収器52から低温熱交換器56及び高温熱交換器57を経由して流れて来た吸収剤を受け取り、ボイラで重油等を燃焼させることによって、受け取った吸収剤を加熱する。すると、吸収剤から冷媒(水蒸気)が分離され、次第に吸収剤の濃度は高くなる。高濃度の吸収剤は、高温熱交換器57を経由して、低温再生器54に流れ込む。分離された水蒸気は、低温再生器54内のコイル状のチューブに流れ込む。
凝縮器53と低温再生器54とは連通しており、両者の間を冷媒(水蒸気)が通過する。凝縮器53は、冷却水が通るチューブを有する。高温再生器55から低温再生器54を経由して流れ込んだ冷媒(水蒸気)が、チューブ上で結露し、凝縮器53の底部に貯まる。貯まった冷媒(水)は、蒸発器51に流れ込む。
・冷水は、空調負荷(空調機等)において熱を吸収する。
・冷却水は、冷水の熱を吸収し、その熱を外部(冷却塔等)に逃がす。
・冷媒は、自身が状態変化することによって、冷水の熱を冷却水に逃がす仲介をする。
・吸収剤は、冷媒(水蒸気)を吸収することによって、低圧を作り出す。
なお、本実施形態においては、冷媒は水である。冷媒は、吸収剤を含まない純水の状態(凝縮器53内、蒸発器51内)→吸収剤(水溶液)に含まれる状態(吸収器52内)→吸収剤から分離された純水蒸気の状態(高温再生器55の上部の空間)→吸収剤を含まない純水の状態、というように繰り返し遷移する。
図2に沿って、機器診断装置1の構成、及び、機器診断装置1と吸収式冷温熱機42の関係を説明する。機器診断装置1は、例えばビルケアを行うサービス会社によって運営される。機器診断装置1は、一般的なコンピュータであり、中央制御装置11、入力装置12、出力装置13、主記憶装置14、補助記憶装置15及び通信装置16を有する。これらは、バスによって相互に接続されている。補助記憶装置15は、機器運転情報31(詳細後記)を記憶している。主記憶装置14における、入力データ管理部21、閾値決定部22及び診断部23はプログラムである。以降、「○○部は」と主体を記した場合は、中央制御装置11が、補助記憶装置15から各プログラムを読み出し、主記憶装置14にロードしたうえで、各プログラムの機能(詳細後記)を実現するものとする。
図3に沿って、機器運転情報31を説明する。機器運転情報31においては、データID欄101に記憶されたデータIDに関連付けて、冷温熱機ID欄102には冷温熱機IDが、冷房成績係数欄103には冷房成績係数が、高温再生器温度欄104には高温再生器温度が、高温再生器濃度欄105には高温再生器濃度が、冷水出口温度欄106には冷水出口温度が、冷却水出口温度欄107には冷却水出口温度が、取得時点欄108には取得時点が、判定欄109には判定フラグが、記憶されている。
冷温熱機ID欄102の冷温熱機IDは、吸収式冷温熱機42を一意に特定する識別子である。
冷房成績係数欄103の冷房成績係数は、以下の式1及び式2で定義される値である。なお、J/秒=kWが成り立つ。
高温再生器濃度欄105の高温再生器濃度は、高温再生器55が格納する吸収剤の濃度である。ここでは、濃度の単位は「重量%」である。
冷水出口温度欄106の冷水出口温度は、図1の△58の位置での冷水の温度である。
冷却水出口温度欄107の冷却水出口温度は、図1の△59の位置での冷却水の温度である。
判定欄109の判定フラグは、吸収式冷温熱機42に対する診断の結果である。判定フラグとしては、吸収式冷温熱機42が正常であることを示す「正常」、異常であることを示す「異常」、及び、具体的な異常状態を示すフラグ(詳細後記)がある。「*」については後記する。
本実施形態においては、確率密度関数p0は、式3の形を有する。
本実施形態においては、確率密度関数p1は、式4の形を有する。
再度、図4(b)に進む。「s1」は、5%の有意水準である。横軸とp1(x)との間の領域の面積は常に「1」である。その面積のうち、「s1」の左側の部分の面積E1は「0.05」である。したがって、実機の高温再生器温度の値「x」が、有意水準「s1」に満たない場合は、実機は正常であると考えるのが自然である。なお、有意水準は、他の値、例えば「1%」であってもかまわない。
統計学の仮説検定の考え方が、産業上応用されることは多い。仮説検定の考え方は、数学の背理法によく似ている。まず、帰無仮説が立てられる。帰無仮説は、統計結果の活用者が、「この仮説はおそらく偽であるので、最終的には棄却したい」と思うような仮説である。因みに、帰無仮説の逆の仮説を対立仮説という。対立仮説は、統計結果の活用者が、「この仮説はおそらく真であるので、最終的には採択したい」と思うような仮説である。いま、帰無仮説が「実機は正常である」であるとする。すると、対立仮説は「実機は異常である」となる。図4(a)において、実機の高温再生器温度「x」が、「s0」を超える場合、帰無仮説は棄却され、対立仮説が採択される。結局、実機は異常である、という結論が得られる。逆に、帰無仮説が「実機は異常である」であるとする。すると、対立仮説は「実機は正常である」となる。図4(b)において、実機の高温再生器温度「x」が、「s1」未満である場合、帰無仮説は棄却され、対立仮説が採択される。結局、実機は正常である、という結論が得られる。
損害額C0は、実機が異常であることを信じて実機を停止させてしまった結果顧客に生じた損害額、異常ではないのに交換してしまった交換部品の費用、新たな実機の購入費用及び古い実機の廃棄費用等である。損害額C1は、必要な緊急点検が行われないまま使用され続けた実機が突然停止してしまった結果顧客に生じた損害額、不具合が他の機器に及び余分に更新せざるを得なくなった機器の金額、サービス会社が当該顧客から得られたであろう将来収入等である。そして全体損害額Cを式5のように定義する。
・他の入力変数が一定である条件のもとで、冷却水出口温度TCDoutが高くなるほど、基準値THGoは大きくなる。
・同様に、冷水出口温度TCHoutが高くなるほど、基準値THGoは小さくなる。
・同様に、冷房能力Qが大きくなるほど、基準値THGoは大きくなる。
ちなみに、例えば、冷房能力Qが600kWであるとする。そして、冷却水出口温度TCDoutが32.5℃であり、冷水出口温度TCHoutが11.0℃であるとする(一番下の回帰直線)。このとき、基準値THGoは約120℃となる。
図5(a)に戻る。図5(a)の冷房定格能力比は、式10で定義される値である。
以降で、本実施形態の処理手順を説明する。処理手順には、(1)データ準備処理手順、(2)閾値決定処理手順、(3)診断処理手順、及び(4)冷却水入口温度・冷房成績係数推定処理手順の4つがある。(4)以外の3つは、(1)→(2)→(3)の順に実行される。(1)データ準備処理手順が実行される前提として、機器運転情報31(図3)が最新状態に更新されて補助記憶装置15に記憶されているものとする。前世代の遠隔監視システムが使用される場合、冷却水入口温度を測定できない場合がある。そこで、(4)は、(1)において、冷却水入口温度を推定したうえで、さらに冷房成績係数を推定する場合に実行される。
ステップS201において、機器診断装置1の入力データ管理部21は、診断開始指示を受け付ける。具体的には、入力データ管理部21は、出力装置13にメニュー画面(図示せず)を表示する。そして、ユーザが、メニュー画面に表示されている「冷温熱機の診断を開始する」の文字列をマウス等の入力装置12で選択するのを受け付ける。
ステップS208の処理が終了した段階で、入力データ管理部21は、データの種類ごとに、代表データを保持していることになる。因みに、このような代表データのうちの1つ(高温再生器温度についてのもの)が、前記したTHG(A,n)である。
第2に、入力データ管理部21は、前記した方法で、ΔTHGの冷房定格能力比に対する傾き、ΔXHGの冷房定格能力比に対する傾き、及び/又は、ΔTLGdの冷房定格能力比に対する傾きを取得する。
第3に、入力データ管理部21は、代表データを母集団とする平均μ0及び分散σ0 2を算出し、正規分布N(μ0,σ0 2)を示す確率密度関数を作成する。ここで作成された確率密度関数が、図4(a)の確率密度関数p0(x)となる。ただし、ΔTHGの冷房定格能力比に対する傾きについては、1つの正常サンプル機について1つの傾きが定義される。そこで、入力データ管理部21は、実機と属性が合致する(完全に合致しないまでも類似する)正常サンプル機を複数(例えば10台)特定するものとする。そして10個の傾きのサンプルを母集団とする平均μ0及び分散σ0 2を算出し、正規分布曲線N(μ0,σ0 2)を作成するものとする。ΔXHG及びΔTLGdの冷房定格能力比に対する傾きについても同様である。そして、このことは、後記する異常サンプル機の正規分布曲線N(μ1,σ1 2)の作成についても同様に当てはまる。
第2に、入力データ管理部21は、ステップS211の「第1」において特定した異常サンプル機について、ステップS202〜S209と同様の処理を実行する。ただし、ステップS202における「実機の冷温熱機ID」は、「ステップS211の「第1」において特定された異常サンプル機の冷温熱機ID」と読み替える。
第3に、入力データ管理部21は、代表データを母集団とする平均μ1及び分散σ1 2を算出し、正規分布N(μ1,σ1 2)を示す確率密度関数を作成する。ここで作成された確率密度関数が、図4(b)の確率密度関数p1(x)となる。
その後、データ準備処理手順を終了する。
1:冷房能力
2:冷房成績係数
3:冷却水出口温度
4:高温再生器濃度
5:高温再生器温度のその基準値からの差異の、冷房定格能力比に対する傾き
(以降、単に「高温再生器温度の傾き」という。)
6:高温再生器濃度のその基準値からの差異の、冷房定格能力比に対する傾き
(以降、単に「高温再生器濃度の傾き」という。)
7:低温再生器ドレン温度のその基準値からの差異の、冷房定格能力比に対する傾き
(以降、単に「低温再生器ドレン温度の傾き」という。)
図7(b)に沿って、閾値決定処理手順を説明する。
ステップS221において、機器診断装置1の閾値決定部22は、損害額を受け付ける。具体的には、閾値決定部22は、ユーザが入力装置12を介して、損害額C0及び損害額C1を入力するのを受け付ける。C0及びC1は、前記のように、全体損害額Cを算出するために使用される。そして、式6から明らかなように、C0及びC1は確率に対して乗算される重みであり、重みの水準自体が解「s」に影響を及ぼすわけではない。解「s」に影響を及ぼすのは、C0のC1に対する比率である。そこで、ユーザから「損害額C0及び損害額C1の値として適当なものがない」旨の指示を受け付けた場合、閾値決定部22は、「損害額C0=損害額C1=1」を受け付けたと見なして以降の処理に進む。この場合、E00及びE11に対する重みは、いずれも「1」となる。
図8及び図9に沿って、診断処理手順を説明する。
ステップS231において、機器診断装置1の診断部23は、流水流量を確認したか否かを判定する。具体的には、診断部23は、代表データの取得時点のうち最も新しい時点における冷水流量をユーザが確認したか否かを判定する。例えば、診断部23は、「確認した」ボタン及び「確認していない」ボタンを出力装置13に表示し、ユーザがいずれかを押下するのを受け付ける。そして、「確認していない」ボタンが押下された場合(ステップS231“NO”)、ステップS232に進む、それ以外の場合(ステップS231“YES”)、ステップS232b(図9)に進む。
第2に、診断部23は、最大冷房能力が、所定の閾値(例えば、定格値の50%)未満であるか否かを判定し、閾値未満である場合(ステップS233“YES”)、ステップS234に進み、それ以外の場合(ステップS233“NO”)、ステップS245に進む。
第2に、診断部23は、冷房成績係数が、所定の閾値(例えば、定格値の60%)未満であるか否かを判定し、閾値未満である場合(ステップS234“YES”)、ステップS235に進み、それ以外の場合(ステップS234“NO”)、ステップS239に進む。
第2に、診断部23は、高温再生器濃度が、所定の閾値(例えば、61%)未満であるか否かを判定し、閾値未満である場合(ステップS236“YES”)、ステップS237に進み、それ以外の場合(ステップS236“NO”)、ステップS239に進む。
第2に、診断部23は、冷却水出口温度が、所定の閾値(例えば、35℃)以上であるか否かを判定し、閾値以上である場合(ステップS237“YES”)、ステップS238に進み、それ以外の場合(ステップS237“NO”)、ステップS239に進む。
ステップS239において、診断部23は、高温再生器温度の傾きが閾値以上であるか否かを判定する。具体的には、第1に、診断部23は、代表データから、診断対象の実機の診断対象期間における高温再生器温度の傾き(ΔHHGの冷房定格能力比に対する傾き)を取得する。
第2に、診断部23は、高温再生器温度の傾きが所定の閾値(例えば、15)以上であるか否かを判定し、閾値以上である場合(ステップS239“YES”)、ステップS240に進み、それ以外の場合(ステップS239“NO”)、ステップS253に進む。
ステップS241において、診断部23は、高温再生器濃度の傾きが閾値以上であるか否かを判定する。具体的には、第1に、診断部23は、代表データから、診断対象の実機の診断対象期間における高温再生器濃度の傾き(ΔXHGの冷房定格能力比に対する傾き)を取得する。
第2に、診断部23は、高温再生器濃度の傾きが所定の閾値(例えば、10)以上であるか否かを判定し、閾値以上である場合(ステップS241“YES”)、ステップS242に進み、それ以外の場合(ステップS241“NO”)、ステップS244に進む。
ステップS243において、診断部23は、低温再生器ドレン温度の傾きが閾値以上であるか否かを判定する。具体的には、第1に、診断部23は、代表データから、診断対象の実機の診断対象期間における低温再生器ドレン温度の傾き(ΔTLGdの冷房定格能力比に対する傾き)を取得する。
第2に、診断部23は、低温再生器ドレン温度の傾きが、所定の閾値(例えば、15)以上であるか否かを判定し、閾値以上である場合(ステップS243“YES”)、ステップS254に進み、それ以外の場合(ステップS243“NO”)、ステップS253に進む。
ステップS245において、診断部23は、冷房成績係数が閾値未満であるか否かを判定する。当該ステップの処理は、ステップS234と同じである。但し、「第2」において、閾値未満である場合(ステップS245“YES”)、ステップS246に進み、それ以外の場合(ステップS245“NO”)、ステップS247に進む。
ステップS247において、診断部23は、高温再生器温度の傾きが閾値以上であるか否かを判定する。当該ステップの処理は、ステップS239と同じである。但し、「第2」において、閾値以上である場合(ステップS247“YES”)、ステップS248に進み、それ以外の場合(ステップS247“NO”)、ステップS253に進む。
ステップS249において、診断部23は、高温再生器濃度の傾きが閾値以上であるか否かを判定する。当該ステップの処理は、ステップS241と同じである。但し、「第2」において、閾値以上である場合(ステップS249“YES”)、ステップS250に進み、それ以外の場合(ステップS249“NO”)、ステップS252に進む。
ステップS251において、診断部23は、低温再生器ドレン温度の傾きが閾値以上であるか否かを判定する。当該ステップの処理は、ステップS243と同じである。但し、「第2」において、閾値以上である場合(ステップS251“YES”)、ステップS254に進み、それ以外の場合(ステップS251“NO”)、ステップS253に進む。
ステップS253において、診断部23は、既に立てているフラグ以外のフラグを立てないことを決定する。
ステップS255において、診断部23は、「低温再生器劣化」フラグを立てる。
ステップS256において、診断部23は、フラグを表示し記憶する。具体的には、第1に、診断部23は、既に立てているすべてのフラグを出力装置13に表示する。フラグを立てなかった場合、診断部23は、「機器は正常です。」というメッセージを出力装置13に表示する。
第2に、診断部23は、ステップS203において取得した機器運転情報31(図3)のレコードの判定欄109に、現在時点及び立てたフラグを記憶する。フラグを立てなかった場合、診断部23は、現在時点及び「正常」を記憶する。
その後、診断処理手順を終了する。
ステップS232bにおいて、診断部23は、冷水流量確認済チェッカを立てる。冷水流量確認済チェッカとは、例えば「冷水の流量が確認済である場合の閾値を用います」である。
・ステップS233bにおいて、診断部23は、閾値としてステップS233に比して厳しい値(例えば、定格値の80%)を使用する。
・ステップS234bにおいて、診断部23は、閾値としてステップS234に比して厳しい値(例えば、定格値の80%)を使用する。そして、ステップS234b“YES”の場合、ステップS236に進む。
・ステップS245bにおいて、診断部23は、閾値としてステップS245に比して厳しい値(例えば、定格値の80%)を使用する。
・図9においては、ステップS235は存在しない。
・ステップS249bにおいて、診断部23は、ステップS249b“NO”の場合、ステップS249cに進む。
・図9においては、図8にないステップS249cが存在する。
ステップS249cにおいて、診断部23は、「熱交換器穴あき」フラグを立てる。
図10に沿って、冷却水入口温度・冷房成績係数推定処理手順を説明する。当該処理手順は、冷却水入口温度が不明である場合のステップS208の例である。
ステップS271において、入力データ管理部21は、1日のうち冷房能力が最大である時刻を取得する。具体的には、入力データ管理部21は、ステップS207においてノイズを消去した時系列グラフから、ある1日のうち冷房能力が最大となっている時刻(基準時刻)を取得する。
ステップS273において、入力データ管理部21は、気象データを取得する。具体的には、入力データ管理部21は、ネットワーク2を介して外部のデータベースから、基準時刻における湿度及び外気温度を取得してステップS275に進む。または、基準時刻に対応する湿度及び外気温度が取得できない場合は、基準時刻の直前の観測時刻の湿度及び外気温度と、基準時刻の直後の観測時刻の湿度及び外気温度を取得してステップS274に進む。
ステップS275において、入力データ管理部21は、湿球温度を算出する。具体的には、入力データ管理部21は、ステップS274(S273)において取得した基準時刻の湿度及び外気温度を「湿度表」に当てはめて湿球温度を取得する。なお、湿度表とは、縦軸に乾球温度(外気温度)をとり、横軸に「乾球温度−湿球温度」をとり、交点のセルに湿度を記載した表である。
ステップS279において、入力データ管理部21は、冷房成績係数を推定する。具体的には、入力データ管理部21は、式1に対して、ステップS278において推定したボイラからの入熱量と、冷房能力をあてはめることによって、基準時刻の冷房成績係数を推定する。その後、冷却水入口温度・冷房成績係数推定処理手順を終了する。
前記の例では、入力データ管理部21は、母集団に属するすべてのデータを統計的に処理して正規分布N(μ0,σ0 2)を示す確率密度関数p0及び正規分布N(μ1,σ1 2)を示す確率密度関数p1を作成している。つまり、実際に、母集団に含まれる多くの値についての平均及び分散を計算している。
正常サンプル機及び異常サンプル機は、刻々と新たなサンプル値を発生する。よって、本来は、入力データ管理部21は、実機を診断する都度、このような処理(データ準備処理手順)を繰り返し実行することがのぞましい。しかしながら、情報処理量及び処理時間を削減するために、入力データ管理部21は、以下の処理を実行することとしてもよい。
全面見直し期間が経過する前に、入力データ管理部21がデータ準備処理手順を開始する場合は、ステップS210及びS211の処理を以下の通り簡略化する。
ステップS210において、第1に、入力データ管理部21は、出力装置13に、現在のμ0の値及び現在のσ0 2の値を表示する。
第2に、入力データ管理部21は、ユーザがμ0の更新値及びσ0 2の更新値を入力するのを受け付ける。ユーザが入力する更新値は、実値であってもよいし、「現在の値を基準にして、5%増加させた値」のような値であってもよい。
第3に、入力データ管理部21は、更新値に基づいて、確率密度関数p0を作成する。
第2に、入力データ管理部21は、ユーザがμ1の更新値及びσ1 2の更新値を入力するのを受け付ける。ユーザが入力する更新値は、実値であってもよいし、「現在の値を基準にして、5%増加させた値」のような値であってもよい。
第3に、入力データ管理部21は、更新値に基づいて、確率密度関数p1を作成する。
前記では、診断部23は、実機が「正常」又は「異常」のうちのいずれかであるかを判定している。しかしながら、バイナリな結論だけでなく、実機がその診断対象データを提示する場合における、予想損害額、正常である確率及び異常である確率がわかれば便宜である。そこで、ステップS256において、診断部23は、予想損害額、正常である確率及び異常である確率を算出し、出力装置13に表示してもよい。診断部23は、式14に基づいて予想損害額C*を算出する。
ここで、P0(t)+P1(t)=1とはならない。なぜならば、P0は、正常サンプル機の確率密度関数p0に対して実機のtを入力し算出された値であり、P1は、(別の吸収式冷温熱機である)異常サンプル機の確率密度関数p1に対して実機のtを入力し算出された値であるからである。μ0>μ1となる場合は、式14において、p0(x)dxとp1(x)dxとを相互に入れ替え、C0とC1とを相互に入れ替える。
高温再生器濃度XGHの観測値を取得できない場合もある。このとき、入力データ管理部21は、公知の方法を用いて、高温再生器温度及び低温再生器ドレン温度に基づいて、高温再生器濃度XGHを推定してもよい。入力データ管理部21は、例えば、特開平5−231743号公報(段落0015)に記載の方法を使用してもよい。
本実施形態は、以下の効果を奏する。
(1)閾値決定部22は、吸収式冷温熱機42が正常であるにもかかわらず異常であると判定される確率と、その逆の確率との和を最小化するように、診断対象データが適用される閾値を決定する。よって、全体的にみてバランスのとれた判定をすることができる。
(2)入力データ管理部21は、サンプルデータを観測値として取得する。よって、診断の精度がより高くなる。
(3)当該確率(及びその逆の確率)は、それぞれの損害額で重み付けされている。よって、より現実的な尺度で、バランスのとれた判定をすることができる。
(4)当該確率(及びその逆の確率)は、正規分布に従う。よって、標準的な統計的処理が可能になる。
(5)入力データ管理部21は、母集団の平均及び分散を見直すことによって当該確率(及びその逆の確率)の確率分布を見直す。よって、処理負担を軽くすることができる。
(6)入力データ管理部21は、診断対象データ及びサンプルデータを、稼動時点についてのデータ、安定したデータ、ノイズのないデータに絞り込む。よって、より正確な判定が可能になる。
(7)本実施形態の機器は、吸収式冷温熱機である。吸収式冷温熱機からは、多種多様な診断対象データを取得することができる。したがって、データの種類に応じて、具体的な診断結果を用意することができる。
(8)診断部23は、予想損害額、実機が正常である確率及び実機が異常である確率を算出し表示する。したがって、実機の状態を、「正常」又は「異常」というバイナリな値で判定するだけではなく、正常さ(又は異常さ)の程度を知ることができる。
(9)入力データ管理部21は、ネットワークを介して実機のデータを取得する。したがって、例えば、サービス会社が、多くの顧客が運営する多くの実機を監視し診断することが容易になる。
また、前記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によりハードウエアで実現してもよい。また、前記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウエアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリや、ハードディスク、SSD(Solid State Drive)等の記録装置、又は、ICカード、SDカード、DVD等の記録媒体に置くことができる。
また、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしもすべての制御線や情報線を示しているとは限らない。実際には殆どすべての構成が相互に接続されていると考えてもよい。
2 ネットワーク
11 中央制御装置
12 入力装置
13 出力装置
14 主記憶装置
15 補助記憶装置
21 入力データ管理部
22 閾値決定部
23 診断部
31 機器運転情報
41 中継器
42 吸収式冷温熱機
43 台数制御器
44 監視端末装置
45 制御装置
46 センサ
51 蒸発器
52 吸収器
53 凝縮器
54 低温再生器
55 高温再生器
56 低温熱交換器
57 高温熱交換器
Claims (13)
- 正常である機器の正常サンプルデータを使用して、機器が異常であることを判定するための第1の確率分布を作成し、
異常である機器の異常サンプルデータを使用して、機器が正常であることを判定するための第2の確率分布を作成する入力データ管理部と、
前記第1の確率分布に基づいて診断対象の機器である実機が異常であると判定される確率である第1の確率、及び、前記第2の確率分布に基づいて診断対象の機器である実機が正常であると判定される確率である第2の確率の和を最小にする、前記第1の確率分布及び前記第2の確率分布に共通の閾値を決定する閾値決定部と、
前記共通の閾値と、前記実機から取得した診断対象データとの大小関係に基づいて、前記実機が正常であるか否かを判定する診断部と、
を有し、
前記機器は、
吸収式冷温熱機であって、
前記診断対象データ、前記正常サンプルデータ及び前記異常サンプルデータは、
前記機器についての、
高温再生器温度のその基準値からの差異の、冷房能力が定格冷房能力に占める割合に対する傾き、
高温再生器濃度のその基準値からの差異の、冷房能力が定格冷房能力に占める割合に対する傾き、及び、
低温再生器ドレン温度のその基準値からの差異の、冷房能力が定格冷房能力に占める割合に対する傾き、
のうちの少なくとも1つを含むこと、
を特徴とする機器診断装置。 - 前記入力データ管理部は、
前記正常サンプルデータを正常な機器の観測値として取得し、
前記異常サンプルデータを異常な機器の観測値として取得すること、
を特徴とする請求項1に記載の機器診断装置。 - 前記第1の確率は、
前記実機が正常であるにもかかわらず異常と判定された場合の損害額で重み付けされており、
前記第2の確率は、
前記実機が異常であるにもかかわらず正常と判定された場合の損害額で重み付けされていること、
を特徴とする請求項2に記載の機器診断装置。 - 前記第1の確率分布及び前記第2の確率分布は、
正規分布を示すものであること、
を特徴とする請求項1に記載の機器診断装置。 - 前記入力データ管理部は、
前記第1の確率分布の平均及び分散を見直すことにより前記第1の確率分布を更新し、
前記第2の確率分布の平均及び分散を見直すことにより前記第2の確率分布を更新すること、
を特徴とする請求項1に記載の機器診断装置。 - 前記入力データ管理部は、
前記診断対象データ、前記正常サンプルデータ及び前記異常サンプルデータを、
前記実機、前記正常である機器及び前記異常である機器が実際に運転されている時点についてのデータに限定すること、
を特徴とする請求項3に記載の機器診断装置。 - 前記入力データ管理部は、
前記診断対象データ、前記正常サンプルデータ及び前記異常サンプルデータを、
所定の基準を満たす程度に安定している時系列情報に限定すること、
を特徴とする請求項6に記載の機器診断装置。 - 前記入力データ管理部は、
前記診断対象データ、前記正常サンプルデータ及び前記異常サンプルデータのノイズを除去すること、
を特徴とする請求項7に記載の機器診断装置。 - 前記診断部は、
前記診断対象データ、前記正常サンプルデータ及び前記異常サンプルデータが、前記機器についての、高温再生器温度のその基準値からの差異の、冷房能力が定格冷房能力に占める割合に対する傾きを含む場合であって、かつ、
前記冷房能力の所定の期間における最大値が所定の閾値未満であり、冷房成績係数が所定の閾値未満ではなく、かつ、前記高温再生器温度のその基準値からの差異の、前記冷房能力が定格冷房能力に占める割合に対する傾きが所定の閾値以上ではない場合、
前記実機が正常であると決定すること、
を特徴とする請求項1に記載の機器診断装置。 - 前記診断部は、
前記診断対象データ、前記第1の確率分布及び前記第2の確率分布に基づいて、前記実機の予想損害額、前記実機が正常である確率及び前記実機が異常である確率を算出すること、
を特徴とする請求項9に記載の機器診断装置。 - 前記入力データ管理部は、
前記診断対象データを含む前記実機の観測値を、ネットワークを介して取得すること、
を特徴とする請求項10に記載の機器診断装置。 - 機器診断装置の入力データ管理部は、
正常である機器の正常サンプルデータを使用して、機器が異常であることを判定するための第1の確率分布を作成し、
異常である機器の異常サンプルデータを使用して、機器が正常であることを判定するための第2の確率分布を作成し、
前記機器診断装置の閾値決定部は、
前記第1の確率分布に基づいて診断対象の機器である実機が異常であると判定される確率である第1の確率、及び、前記第2の確率分布に基づいて診断対象の機器である実機が正常であると判定される確率である第2の確率の和を最小にする、前記第1の確率分布及び前記第2の確率分布に共通の閾値を決定し、
前記機器診断装置の診断部は、
前記共通の閾値と、前記実機から取得した診断対象データとの大小関係に基づいて、前記実機が正常であるか否かを判定し、
前記機器は、
吸収式冷温熱機であって、
前記診断対象データ、前記正常サンプルデータ及び前記異常サンプルデータは、
前記機器についての、
高温再生器温度のその基準値からの差異の、冷房能力が定格冷房能力に占める割合に対する傾き、
高温再生器濃度のその基準値からの差異の、冷房能力が定格冷房能力に占める割合に対する傾き、及び、
低温再生器ドレン温度のその基準値からの差異の、冷房能力が定格冷房能力に占める割合に対する傾き、
のうちの少なくとも1つを含むこと、
を特徴とする前記機器診断装置の機器診断方法。 - 機器診断装置の入力データ管理部に対して、
正常である機器の正常サンプルデータを使用して、機器が異常であることを判定するための第1の確率分布を作成し、
異常である機器の異常サンプルデータを使用して、機器が正常であることを判定するための第2の確率分布を作成する処理を実行させ、
前記機器診断装置の閾値決定部に対して、
前記第1の確率分布に基づいて診断対象の機器である実機が異常であると判定される確率である第1の確率、及び、前記第2の確率分布に基づいて診断対象の機器である実機が正常であると判定される確率である第2の確率の和を最小にする、前記第1の確率分布及び前記第2の確率分布に共通の閾値を決定する処理を実行させ、
前記機器診断装置の診断部に対して
前記共通の閾値と、前記実機から取得した診断対象データとの大小関係に基づいて、前記実機が正常であるか否かを判定する処理を実行させ、
前記機器は、
吸収式冷温熱機であって、
前記診断対象データ、前記正常サンプルデータ及び前記異常サンプルデータは、
前記機器についての、
高温再生器温度のその基準値からの差異の、冷房能力が定格冷房能力に占める割合に対する傾き、
高温再生器濃度のその基準値からの差異の、冷房能力が定格冷房能力に占める割合に対する傾き、及び、
低温再生器ドレン温度のその基準値からの差異の、冷房能力が定格冷房能力に占める割合に対する傾き、
のうちの少なくとも1つを含むこと、
を特徴とする、前記機器診断装置を機能させるための機器診断プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014004909A JP6200816B2 (ja) | 2014-01-15 | 2014-01-15 | 機器診断装置、機器診断方法及び機器診断プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014004909A JP6200816B2 (ja) | 2014-01-15 | 2014-01-15 | 機器診断装置、機器診断方法及び機器診断プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2015132439A JP2015132439A (ja) | 2015-07-23 |
JP6200816B2 true JP6200816B2 (ja) | 2017-09-20 |
Family
ID=53899769
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014004909A Active JP6200816B2 (ja) | 2014-01-15 | 2014-01-15 | 機器診断装置、機器診断方法及び機器診断プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6200816B2 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6390205B2 (ja) * | 2014-06-25 | 2018-09-19 | 株式会社Ihi | 閾値設定装置及び閾値設定方法 |
JP6529380B2 (ja) * | 2015-08-06 | 2019-06-12 | 株式会社Nttファシリティーズ | 凝縮器診断方法 |
JP2018031558A (ja) * | 2016-08-26 | 2018-03-01 | 株式会社日立ビルシステム | 吸収冷凍機の性能診断方法 |
JP7035842B2 (ja) * | 2017-07-14 | 2022-03-15 | 株式会社明電舎 | 監視システム |
JP6959287B2 (ja) * | 2019-04-01 | 2021-11-02 | ファナック株式会社 | 監視装置、監視システムおよび監視方法 |
JP6948756B1 (ja) * | 2020-04-07 | 2021-10-13 | 川重冷熱工業株式会社 | 吸収式冷温水機の性能診断方法 |
CN113587387A (zh) * | 2021-07-19 | 2021-11-02 | 上海佐竹冷热控制技术有限公司 | 空气调节设备预警方法和系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3491449B2 (ja) * | 1996-07-04 | 2004-01-26 | 株式会社日立製作所 | 故障診断付き空気調和装置 |
JP4253648B2 (ja) * | 2005-07-06 | 2009-04-15 | 株式会社日立ビルシステム | 吸収冷温水機の性能評価方法と診断システム |
US7496472B2 (en) * | 2007-01-25 | 2009-02-24 | Johnson Controls Technology Company | Method and system for assessing performance of control systems |
MY148164A (en) * | 2009-12-31 | 2013-03-15 | Petroliam Nasional Berhad Petronas | Method and apparatus for monitoring performance and anticipate failures of plant instrumentation |
JP5525965B2 (ja) * | 2010-08-25 | 2014-06-18 | 日立アプライアンス株式会社 | 冷凍サイクル装置 |
US9250002B2 (en) * | 2011-02-28 | 2016-02-02 | Carrier Corporation | System and method for controlling an absorption chiller configured to simultaneously produce cooling and heating |
US20120245968A1 (en) * | 2011-03-21 | 2012-09-27 | Honeywell International Inc. | Building system control and equipment fault and degradation monetization and prioritization |
-
2014
- 2014-01-15 JP JP2014004909A patent/JP6200816B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2015132439A (ja) | 2015-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6200816B2 (ja) | 機器診断装置、機器診断方法及び機器診断プログラム | |
US10317261B2 (en) | Systems and methods for controlling flow rate using differential pressure measurements | |
Wang et al. | Feature selection based on Bayesian network for chiller fault diagnosis from the perspective of field applications | |
Hu et al. | A machine learning bayesian network for refrigerant charge faults of variable refrigerant flow air conditioning system | |
Braun | Automated fault detection and diagnostics for vapor compression cooling equipment | |
Cheung et al. | Simulation of fault impacts for vapor compression systems by inverse modeling. Part I: Component modeling and validation | |
Jia et al. | Characteristic physical parameter approach to modeling chillers suitable for fault detection, diagnosis, and evaluation | |
Zhao et al. | Decoupling features for fault detection and diagnosis on centrifugal chillers (1486-RP) | |
Cheung et al. | Empirical modeling of the impacts of faults on water-cooled chiller power consumption for use in building simulation programs | |
Gordon et al. | How varying condenser coolant flow rate affects chiller performance: thermodynamic modeling and experimental confirmation | |
TWI666532B (zh) | 效能預測方法 | |
US11561019B2 (en) | Performance diagnosis device and performance diagnosis method for air conditioner | |
CN115264771A (zh) | 一种空调系统及其控制方法 | |
JP6397302B2 (ja) | 機器診断装置、機器診断方法及び機器診断プログラム | |
Akpan et al. | Application and limits of a constant effectiveness model for predicting the pressure of steam condensers at off-design loads and cooling fluid temperatures | |
Yu et al. | Assessing operating statuses for chiller system with Cox regression | |
JP6812283B2 (ja) | 熱源制御システム、熱源制御システムの制御方法および演算装置 | |
Zendehboudi et al. | Data-driven modeling of residential air source heat pump system for space heating | |
WO2018163402A1 (ja) | 空気調和機の性能診断装置及び性能診断方法 | |
JP4857051B2 (ja) | 冷凍機設備の運転方法及び冷凍機を備えて成る設備 | |
Hu et al. | Identification of simplified energy performance models of variable-speed air conditioners using likelihood ratio test method | |
JP2013152624A (ja) | 診断システムおよび診断方法 | |
JP6660275B2 (ja) | 吸収式冷凍機の能力診断システム及び能力診断方法 | |
Thomas et al. | Experimentation and simulation of a small-scale adsorption cooling system in temperate climate | |
Yu et al. | Multivariate diagnosis analysis for chiller system for improving energy performance |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160425 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20160712 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170321 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170322 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170425 |
|
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: 20170801 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170828 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6200816 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |