JP6397302B2 - 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

Description

本発明は、機器診断装置、機器診断方法及び機器診断プログラムに関する。

近時、機器の運転状態をコンピュータで制御し、熱効率を高めることが盛んに行われている。例えば、空調関連機器に関しても、コンピュータが、機器単体又は統合システム全体の省エネルギ対策を行う例が多く知られている。一般的な機器に比して、空調関連機器は、駆動部品、液体通過部品、温度変化の著しい部品を多く含むので、経年劣化が進み易い。例えば、大規模なオフィスビルの空調関連機器の劣化が進むと、当然、熱効率が低下する。さらに、突然の機能停止のような極端な場合は、経済活動に対して膨大な損害を与える。そこで、空調関連機器の劣化を予知するために、現地において、又は、遠隔地からの操作によって、日常的にきめ細かな監視、診断を行うことが重要である。

しかしながら、特に遠隔監視システムを用いる実際の診断においては、一般的に計測点数が限られる。すると、劣化している要素部分を明確に特定するのは困難となる。結局、保守員が、自身の知見と経験に基づき、劣化している要素部分を推定することが多い。この場合、推定結果は不確定要因を含むため、その推定結果に基づき保守作業が行われても、機器の性能が回復しないことがある。想定外の要素部分を修理する等の二度手間が発生することさえある。

特許文献１の発電プラントの監視・診断・検査・保全システムは、異常時の状態量を正常時の基準モデルと比較して、予め用意した感度行列を用いてモデル係数を推定し、静特性を診断する。特許文献２の吸収式冷温水機の故障診断システムは、センサ群から得られる冷媒循環温度、冷水出口温度、冷水入口温度及び冷水流量の計測値に基づいて、蒸発器の対数平均温度差と、蒸発器の対数平均温度差の正常値を計算する。そして、これらの計算結果から、蒸発器の異常度を計算する。

特開２００３−１１４２９４号公報（段落００４９、図１７） 特開平７−２３４０４８号公報（段落００１６〜００１９、図２、３）

特許文献１のシステムは、ある状態量の基準値からの偏差を求める。そして、その偏差に対して感度行列の逆行列を乗算し、モデル係数を推定する。特許文献１のシステムは、感度行列を使用してはいるものの、ある特定の要素の解明に注意が限定されている。つまり、ある機器を複数の部品の集合として把握し、どの部品が劣化するとどの状態量が変化するか、という要素分析の考え方がない。さらに、プラントの安定度が不十分であることに起因して、変動した瞬間の状態量が計測されてしまうことは多い。また、センサがノイズを取得してしまうことも多い。結果として、劣化度を示す係数が、負値等のあり得ない値となり、正確な診断ができなくなる。特許文献２のシステムは、冷媒循環温度等の複数の状態量に基づいて、蒸発器の異常度という１つの要素のみしか診断していない。

特に、診断対象の機器が診断主体から遠く離れて存在するような場合は、劣化要素を具体的に特定したうえで的確な保守部品等を現場に持ち込むことが重要である。しかしながら、特許文献１及び２のシステムは、このような課題に十分応えていない。そこで、本発明は、機器の劣化を要素別に分解し定量的に判定することによって、機器の診断を的確に行うことを目的とする。

本発明の機器診断装置は、機器の複数の劣化要素が定量化された複数の劣化度と、複数の状態量と、複数の劣化度の複数の状態量に対する感度である複数のパラメータとの関係を示す数理モデルに対して、サンプル機の複数の劣化度の計測値と、サンプル機の複数の状態量の計測値とを代入して、未知数としてのパラメータの値を決定するパラメータ決定部と、数理モデルに対して、診断対象機の複数の状態量を適用し、診断対象機の複数の劣化度を推定し、推定した複数の劣化度の値が所定の範囲に属さない場合は、推定した複数の劣化度の近似値を、所定の範囲内において取得する診断部と、を備えることを特徴とする。
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。

本発明によれば、機器の劣化を要素別に分解し定量的に判定することによって、機器の診断を的確に行うことが可能になる。

吸収式冷温熱機の構造を説明する図である。 機器診断装置の構成、及び、機器診断装置と吸収式冷温熱機の関係を説明する図である。 劣化度、状態量の偏差、及び、感度行列の関係を説明する図である。 高温再生器温度の基準値の求め方を説明する図である。 冷房定格能力比と状態量の偏差との関係を説明する図である。 感度の意味を説明する図である。 感度の意味を説明する図である。 サンプル機情報の一例を示す図である。 診断対象機情報の一例を示す図である。 データ準備処理手順のフローチャートである。 パラメータ決定処理手順のフローチャートである。 診断処理手順のフローチャートである。 状態量の日中変動を示す図である。 劣化度等の年次推移を示す図である。 本実施形態の特徴を説明する図である。

以降、本発明を実施するための形態（“本実施形態”という）を、図等を参照しながら詳細に説明する。本実施形態は、本発明を吸収式冷温熱機に適用する例である。もちろん、本発明を他の空調関連機器に適用することも可能であるし、空調関連機器以外の機器に適用することも可能である。

（吸収式冷温熱機）
図１に沿って、吸収式冷温熱機４２の構造を説明する。吸収式冷温熱機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。吸収式冷温熱機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。

吸収器５２と蒸発器５１とは連通しており、両者の間を冷媒（水蒸気）が通過する。吸収器５２においては、コイル状のチューブに対して、吸収剤が滴下される。チューブ中には冷却水が通っている。吸収剤（臭化リチウム水溶液）は、冷媒（水蒸気）を吸収する。このことによって、蒸発器５１内の低圧状態が維持される。冷媒を吸収した吸収剤は、自身の濃度を下げつつ、チューブ内の冷却水に熱を逃がす一方で、吸収器５２の底部に貯まる。冷却水は、凝縮器５３内のコイル状のチューブに流れ込む。
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、ボイラでガスや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。

低温再生器５４は、冷媒（水蒸気）が通るチューブを有する。低温再生器５４に流れ込んだ吸収剤は、冷媒によって熱せられ、再度、冷媒（水蒸気）を分離する。分離された冷媒（水蒸気）は、凝縮器５３に流れ込み、より濃度が高くなった吸収剤は、低温再生器５４の底部に貯まる。貯まった吸収剤は、低温熱交換器５６に流れ込む。チューブ内の冷媒（水蒸気）は、凝縮器５３に流れ込み、水となって貯まる。
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。

低温熱交換器５６及び高温熱交換器５７は、吸収剤が吸収器５２から高温再生器５５に流れ込むまでの過程で、高温の吸収剤の熱を低温の吸収剤に与える（ガスや重油等の燃料を節減するための予熱）。冷水等の役割を大まかにみれば、以下の通りである。
・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、冷水からの熱を、冷媒を介して吸収し、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。

多くのセンサが、吸収式冷温熱機４２を構成する各機器上、及び、各機器を接続する配管（又はコイル状のチューブ）上に設置されており、吸収式冷温熱機４２の状態量を計測する。状態量とは、機器自身の温度、冷水等の液体（気体）の温度、単位時間あたりの流量、濃度、圧力等を含むあらゆる物理量である。

（状態量の例）
本実施形態のセンサが計測する状態量の例として、例えば、高温再生器温度Ｔ_ＨＧ、高温再生器濃度ξ_ＨＧ、吸収器濃度ξ_Ａ、低温再生器ドレン温度Ｔ_ＬＧｄ、吸収器出口溶液温度Ｔ_{ｓＡｏｕｔ}、蒸発器冷媒温度Ｔ_Ｅ、凝縮器冷媒温度Ｔ_Ｃ、高温熱交換器対数平均温度差θ_ＨＸ、低温熱交換器対数平均温度差θ_ＬＸ及び高温再生器圧力Ｐ_ＨＧの１０種類を挙げることができる。

図１の●で示した複数の位置において、それぞれの状態量が計測される。例えば、あるセンサは、高温再生器５５の空間において高温再生器温度Ｔ_ＨＧを計測する。あるセンサは、高温熱交換器５７を流れる２系統の吸収剤のそれぞれ入口及び出口において、溶液の温度を計測する。さらに、当該センサは、これら４つの計測値に基づき、高温熱交換器対数平均温度差θ_ＨＸを計算する。他の状態量についても同様である。そして、図示はしないが、ポンプ、減圧弁等の補助機器が、配管上の必要位置に設置されている。

（機器診断装置等）
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、サンプル機情報３１及び診断対象機情報３２（詳細後記）を記憶している。主記憶装置１４における、データ準備部２１、パラメータ決定部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。

吸収式冷温熱機４２は、サービス会社の顧客によって運営される。通常、サービス会社は複数の顧客を有し、個々の顧客は、複数の吸収式冷温熱機４２を運営していることが多い。センサ４６は、前記したセンサである。制御装置４５は、いわゆるマイクロコンピュータであり、予め自身にロードされているプログラムにしたがって、センサ４６からの信号を受信しつつ、吸収式冷温熱機４２の運転全般を制御する。監視端末装置４４もまた、センサ４６からの信号を受信する。制御装置４５及び監視端末装置４４は、通常、１台の吸収式冷温熱機４２に対して、それぞれ１台ずつ設置される。中継器４１は、各監視端末装置４４から、センサ４６の信号を受信する。そして、ネットワーク２を介して、機器診断装置１に当該信号を送信する。台数制御器４３は、各吸収式冷温熱機４２の制御装置４５に接続されており、空調負荷の大きさ、外気温度等の環境条件等に応じて、実際に稼動させる吸収式冷温熱機４２の台数を制御する。

図２では、サービス会社の機器診断装置１が、（外部の）ネットワーク２を介して、顧客の吸収式冷温熱機４２を遠隔監視する例を説明した。サービス会社が監視センタから多くの顧客の吸収式冷温熱機４２を集中監視するほかに、顧客が自家運用の吸収式冷温熱機４２を現場で監視することもできる。すなわち、機器診断装置１が、中継器４１又は監視端末装置４４と一体になる例も可能である。

（劣化度、状態量の偏差及び感度行列の関係）
図３に沿って、劣化度、状態量の偏差、及び、感度行列の関係を説明する。一般に、劣化度及び状態量の偏差は、それぞれ、原因及び結果の関係にある。想定し数式モデル化する原因数が、真の原因数よりも少ない場合、想定していない劣化が発生すると、たとえ状態量の偏差が変化しても、その劣化を突き止めることができない。これを“観測スピルオーバ”という。これとは別に、原因数が、結果数よりも多い場合、少ないデータからより多くの原因を求めることになり、原理的に判定が不可能となる。機器診断装置１のユーザは、原因数と結果数を任意に設定することができる。しかしながら、前記の理由により、原因数と結果数を等しくすることが好ましい。そこで、図３においては、両者とも“５”としている。５種類の劣化度（ζ_Ａ，ζ_Ｃ，ζ_ＬＧ，ζ_ＨＸ，ο_ＨＸ）に対して、５種類の状態量の偏差（ΔＴ_ＨＧ，Δξ_ＨＧ，ΔＴ_ＬＧｄ，ΔＴ_{ｓＡｏｕｔ}，ΔＰ_ＨＧ）が、“５対５”の関係で対応している。偏差“Δ”の意味については直ちに後記する。

（状態量の偏差）
高温再生器温度の値を例として、偏差を詳しく説明する。いま、西暦Ｂ年においてあるサンプル機（又は診断対象機）の高温再生器温度の値がｖ個計測されたとする。すると、Ｔ_ＨＧ（Ｂ，ｎ）は、西暦Ｂ年において計測されたｖ個の高温再生器温度の値のうち、ｎ番目の値を示すことになる。Ｔ_ＨＧｏ（Ｒ_Ｑ，Ｔ_{ＣＨｏｕｔ}，Ｔ_{ＣＤｏｕｔ}）を、高温再生器温度の基準値とする。基準値とは“劣化していない状態のあるべき温度”を意味する理論値である。ここで、Ｒ_Ｑは、冷房定格能力比であり、Ｔ_{ＣＨｏｕｔ}は、冷水出口温度であり、Ｔ_{ＣＤｏｕｔ}は、冷却水出口温度である。つまり、Ｒ_Ｑ、Ｔ_{ＣＨｏｕｔ}及びＴ_{ＣＤｏｕｔ}の値が決まれば、Ｔ_ＨＧｏの値も一意に決まる。そして、高温再生器温度の偏差ΔＴ_ＨＧ（Ｂ，ｎ）を式（１）のように定義する。ΔＴ_ＨＧ（Ｂ，ｎ）は、高温再生器温度が、劣化していない場合の温度に比較してどの程度異なるかを示す。なお、冷水出口温度は、蒸発器５１を出た直後の冷水の温度であり、冷却水出口温度は、凝縮器５３を出た直後の冷却水の温度である。

図４は、冷房定格能力比Ｒ_Ｑ、冷水出口温度Ｔ_{ＣＨｏｕｔ}、冷却水出口温度Ｔ_{ＣＤｏｕｔ}及び高温再生器温度の基準値Ｔ_ＨＧｏの関係（本来は四次元的な関係である）を二次元平面で示した図である。冷房定格能力比Ｒ_Ｑは、以下の式（２）によって定義される。式（２）において、Ｃａは、冷房能力であり、Ｃｒは、定格冷房能力である。

図４は、以下のことを示している。
・冷房定格能力比Ｒ_Ｑ、冷水出口温度Ｔ_{ＣＨｏｕｔ}及び冷却水出口温度Ｔ_{ＣＤｏｕｔ}を入力し、高温再生器温度の基準値Ｔ_ＨＧｏを出力する関数を想定することができる。
・他の入力値が一定である条件のもとで、冷却水出口温度Ｔ_{ＣＤｏｕｔ}が高くなるほど、基準値Ｔ_ＨＧｏは大きくなる。
・同様に、冷水出口温度Ｔ_{ＣＨｏｕｔ}が高くなるほど、基準値Ｔ_ＨＧｏは小さくなる。
・同様に、冷房定格能力比Ｒ_Ｑが大きくなるほど、基準値Ｔ_ＨＧｏは大きくなる。
ちなみに、例えば、冷房定格能力比Ｒ_Ｑが０.８０であるとする。そして、冷却水出口温度Ｔ_{ＣＤｏｕｔ}が３５．０℃であり、冷水出口温度Ｔ_{ＣＨｏｕｔ}が８．０℃であるとする。このとき、基準値Ｔ_ＨＧｏは約１２０℃となる（図４の破線参照）。前記では、ΔＴ_ＨＧ（Ｂ，ｎ）の定義を説明した。同様にして、任意の状態量の偏差を定義することが可能である。

このような偏差（例えば、ΔＴ_ＨＧ）自身をそのまま評価することも可能である。しかしながら、吸収式冷温熱機４２が発揮している相対能力（冷房定格能力比）が大きい場合、ΔＴ_ＨＧも大きくなり、相対能力が小さい場合、ΔＴ_ＨＧも小さくなる。したがって、ある西暦年におけるΔＴ_ＨＧの、冷房定格能力比Ｒ_Ｑに対する傾きを評価すると、より正確に診断対象機全体の劣化の程度がわかることが多い。

図５に沿って、冷房定格能力比と状態量の偏差との関係を説明する。図５は、横軸を冷房定格能力比とし、縦軸を状態量の偏差（ここでは、ΔＴ_ＨＧ）とする座標平面である。この座標平面上に、各年におけるｖ個のΔＴ_ＨＧの値がプロットされている。すなわち、プロットされた点（◇等）の縦軸の値はΔＴ_ＨＧの値であり、横軸の値は、そのΔＴ_ＨＧの値が計測された時点における、吸収式冷温熱機４２の冷房定格能力比である。そして、年ごとに引いた回帰直線の傾きが、その年のΔＴ_ＨＧの傾きとなる。傾きが大きいほど、劣化が進んでいる。

図５を見ると以下のことがわかる。
・２００５年から２００８年にかけて、劣化度が低下している。これは（図５からは直接わからないが）２００５年のオフシーズンに部品交換等をしたことに起因する。
・２００８年から２０１１年にかけて劣化度が上昇している。これは（図５からは直接わからないが）２００８年のオフシーズンに部品交換等をしなかったことに起因する。
・２０１１年から２０１３年にかけても、劣化度が低下している。これは（図５からは直接わからないが）２０１１年のオフシーズンに部品交換等をしたことに起因する。
なお、どの部品が劣化したことによりΔＴ_ＨＧの傾きが大きくなったか、及び、どの部品を交換したことによりΔＴ_ＨＧの傾きが小さくなったかは不明である。

図３に戻る。図３の右列の劣化度は、上から順に、それぞれ“吸収器５２の伝熱面積の低下”、“凝縮器５３の伝熱面積の低下”、“低温再生器５４の伝熱面積の低下”、“高温熱交換器５７の伝熱面積の低下”及び“高温熱交換器５７の穴開き”という劣化要素を定量化したものである。吸収式冷温熱機４２の正常時（運用開始時）における吸収器５２の伝熱面積の値がＫ_{Ａｓｔａｒｔ}であるとする。運転時間が累積するにつれて、チューブに汚れが付着して行き、有効な伝熱面積の値は、徐々に低下する。基準値であるＫ_{Ａｓｔａｒｔ}と現在の計測値であるＫ_Ａｎｏｗとの関係は式（３）の通りである。

ここで、ζ_Ａは、０≦ζ_Ａ≦１の範囲の値をとり、チューブが新品であるときζ_Ａ＝０であり、チューブが完全に劣化したときζ_Ａ＝１である。このような範囲を有するζ_Ａが、吸収器５２の“劣化度”である。ζ_Ｃ、ζ_ＬＧ及びζ_ＨＸも同じ範囲の値をとり、ζ_Ｃ、ζ_ＬＧ及びζ_ＨＸは、それぞれ、凝縮器５３の劣化度”、低温再生器５４の劣化度、及び、高温熱交換器５７の劣化度である。

これらの各機器のうち、特に高温熱交換器５７の劣化は、“穴開き”としても現れる。穴開きが発生すると、吸収剤が本来の流路を経由せずバイパスする。つまり、図１において、本来であれば溶液の全量は、低温熱交換器５６から高温熱交換器５７の内部を通って、点５８に流れるべきである。しかしながら、穴開きが発生すると、その溶液の一部が、低温熱交換器５６から高温熱交換器５７の内部を通らずに点５９に直接流れることになる。吸収式冷温熱機４２の正常時（運用開始時）において、高温熱交換器５７での単位時間当たりの吸収剤の流量の値がＭ_ＨＧであるとする。運転時間が累積するにつれて、チューブに穴開きが発生し、拡大して行く。すると、Ｍ_ＨＧのうち、Ｍ_ＨＧｂｙがバイパスすることになる。基準値であるＭ_ＨＧと計測値であるＭ_ＨＧｂｙとの関係は式（４）の通りである。

ここで、ο_ＨＧは、０≦ο_ＨＧ≦１の範囲の値をとり、チューブが新品であるときο_ＨＧ＝０であり、チューブが完全に劣化したときο_ＨＧ＝１である。このような範囲を有するο_ＨＧが、高温熱交換器５７の“リーク率”である。なお、ζ_ＨＸは、高温熱交換器５７の劣化度であるが、より正確には、伝熱面積低下の観点から見た劣化度である。一方、ο_ＨＧは、高温熱交換器５７のリーク率であるが、これも“劣化度”であることには違いない。つまり、ある１つの機器（部品）の劣化度を異なる観点から複数定義することもできる。

図３の左列の状態量の偏差は、上から順に、高温再生器温度Ｔ_ＨＧの偏差（ΔＴ_ＨＧ）、高温再生器濃度ξ_ＨＧの偏差（Δξ_ＨＧ）、低温再生器ドレン温度Ｔ_ＬＧｄの偏差（ΔＴ_ＬＧｄ）、吸収器出口溶液温度Ｔ_{ｓＡｏｕｔ}の偏差（ΔＴ_{ｓＡｏｕｔ}）、及び、高温再生器圧力Ｐ_ＨＧの偏差（ΔＰ_ＨＧ）である。

図３の右列の劣化度と、左列の状態量の偏差とを結ぶ複数のリンクは、原因（劣化度）が結果（状態量の偏差）に及ぼす影響度である。周知のように、吸収式冷温熱機４２は、モータ等の力学的エネルギではなく、ボイラ等の熱源のみによって駆動される。このような吸収式冷温熱機４２においては、式（５）のように、各状態量の偏差が、各劣化度に起因する状態量の偏差の和として表現できる。

例えば式（５）の１行目は、高温再生器温度の偏差ΔＴ_ＨＧが、５つの項の和として表され得ることを示している。例えば、ΔＴ_ＨＧ ^（Ａ）は、高温再生器温度の偏差ΔＴ_ＨＧのうち、吸収器の伝熱面積低下に起因する部分である。ΔＴ_ＨＧ ^（Ｃ）は、高温再生器温度の偏差ΔＴ_ＨＧのうち、凝縮器の伝熱面積低下に起因する部分である。他の項についても同様であり、２行目以降についても同様である。

これらの項のうち、例えばΔＴ_ＨＧ ^（Ａ）に注目する。ΔＴ_ＨＧ ^（Ａ）自身は、劣化度ζ_Ａを入力とし、偏差ΔＴ_ＨＧの一部分を出力とする関数である。一般的に、当該関数は、高次計算、乗算、除算、指数計算、対数計算等を含み得る。つまり、当該関数は、一般的には非線形である。非線形であるΔＴ_ＨＧ ^（Ａ）の一例は式（６）の通りである。

前記したように、Ｒ_Ｑは、冷房定格能力比であり、Ｔ_{ＣＨｏｕｔ}は、冷水出口温度であり、Ｔ_{ＣＤｏｕｔ}は、冷却水出口温度である。ａ_１、ａ_２、・・・、ｂ_４及びαは係数である。なお、吸収式冷温熱機４２が半分程度の能力を出力している場合、すなわちＲ_Ｑ＝０.５である場合のΔＴ_ＨＧ ^（Ａ）が、高温再生器５５の劣化を最も正確に示していることが多い。式（６）の右辺の“（ζ_Ａ ^２＋αζ_Ａ）”を、単に“ζ_Ａ ^２”としたものが式（７）である。

式（７）の右辺は、“ζ_Ａ ^２”に対して、“[{・・・}Ｒ_Ｑ]”が乗算されている形を有する。式（７）をさらに、ΔＴ_ＨＧ ^（Ａ）＝ｆ_Ａζ_Ａ ^２と単純化して表現することができる。つまり、“ｆ_Ａ”が“[{・・・}Ｒ_Ｑ]”に相当している。同様に、ΔＴ_ＨＧ ^（Ｃ）＝ｆ_Ｃζ_Ｃ ^２、ΔＴ_ＨＧ ^（ＬＧ）＝ｆ_ＬＧζ_ＬＧ ^２、・・・と単純化して表現することができる。ここで、ｆ_Ａ、ｆ_Ｂ、ｆ_ＬＧ、・・・は、係数であり、図３の原因と結果間のリンクに相当する。前記を総合すると、式（５）の一例を式（８）の線形モデルとして表現できることがわかる。

式（８）は、“ｙ＝Ｓｘ”として表され得る。Ｓは“感度行列”であり、ｘは劣化度ベクトルであり、ｙは状態量ベクトルである。なお、ｙは本来、状態量の偏差ベクトルと呼ぶべきものであるが、以降、単に、状態量ベクトルと呼ぶ。感度行列Ｓの各成分は、各劣化度が各状態量の偏差に与える影響であり、“感度”そのものである。いま、ｙ及びＳが既知であり、Ｓの逆行列をＳ^−１とすると、Ｓ^−１ｙを計算することによって、ｘを推定することができる。なお、ベクトルとその成分を区別するために、以降、例えば劣化度ベクトルを“ｘ”と表記し、その各成分を“ｘ_ｋ”と表記することがある。

（数理モデル）
式（５）のような数式の集合を“数理モデル”と呼ぶ。式（８）は、数理モデルのうちの簡単な例である。線形モデル及び非線形モデルを含む一般的な数理モデルを式（９）で表す。

式（９）は、便宜的に１本の数式の型式で表現されている。実際の数理モデルは、複数の入力変数（ζ_Ａ，ζ_Ｃ，ζ_ＬＧ，ζ_ＨＸ，ο_ＨＸ等）、複数の出力変数（ΔＴ_ＨＧ，Δξ_ＨＧ，ΔＴ_ＬＧｄ，ΔＴ_{ｓＡｏｕｔ}，ΔＰ_ＨＧ等）及び複数のパラメータ（ｆ_Ａ，ｆ_Ｃ，ｆ_ＬＧ，・・・，ｊ_ＨＸ，ｊ_Ｏ等）を有する複数の数式の集合である。ここでのパラメータは、前記した感度を意味する。ここで“入力変数”及び“出力変数”という用語を使用するのは、因果関係の原因に相当する変数を“入力変数”といい、結果に相当する変数を“出力変数”ということが自然であるからである。当然ながら、パラメータが決定されており、入力変数又は出力変数のどちらかが既知であり他方が未知である場合、連立方程式を解くことによって未知の変数を求めることができる。なお、本実施形態は、出力変数（既知の結果）に基づいて入力変数（未知の原因）を求めるという、一見逆説的なアプローチを採用している。

（パラメータの決定及び劣化度の推定）
詳しくは後記するが、機器診断装置１は、以下のような手順で劣化度を推定する。
（１）機器診断装置１は、計測値として、サンプル機の劣化度及び状態量の偏差を取得する。あるいはシミュレーションにより、診断したい機種の劣化度に対する状態量の偏差を計算しておく。
（２）機器診断装置１は、パラメータを決定する。このとき、機器診断装置１は、数理モデルＦに対して、（１）で取得した劣化度及び無作為に発生させたパラメータの候補を代入し、状態量の偏差を算出する。そして、このように算出した状態量の偏差と（１）で取得した状態量の偏差との差分の二乗和を算出する処理を所定の回数だけ繰り返す。そして、二乗和が最小となるようなパラメータを決定することによって、数理モデルを完成させる。式（８）の線形モデルの場合は、感度行列Ｓの５×５個の成分の値を決定することとなる。

（３）機器診断装置１は、計測値として、診断の対象である診断対象機の状態量の偏差を取得する。
（４）機器診断装置１は、完成させた数理モデルＦに対して、無作為に発生させた劣化度の候補を代入し、状態量の偏差を算出する。そして、このように算出した状態量の偏差（推定値）と、（３）で取得した状態量の偏差（計測値）との差分の二乗和を算出する処理を所定の回数だけ繰り返す。そして、二乗和が最小となるような劣化度を決定する。なお、式（８）の線形モデルを使用する場合は、感度行列Ｓの逆行列Ｓ^−１を、状態量ベクトルｙに対して左から乗算することによって劣化度を決定する。感度行列及びその逆行列を使用する処理速度は、最小二乗法の処理速度よりも速い。

（感度の意味）
図６及び図７に沿って、感度の意味を説明する。図６（ａ）は、吸収器の伝熱面積の低下が、ΔＴ_ＨＧ等の各状態量の偏差に及ぼす影響を示す棒グラフである。図６（ａ）の横軸は、１０種類の状態量の偏差である。縦軸は、劣化度ζ_Ａが０から１に上昇するまでの期間に、すなわち、吸収器のチューブが新品である状態から寿命となる状態に至るまでの期間に、ΔＴ_ＨＧ等の値がどれだけ変化するかを示している。そして、この変化量が、前記した感度に他ならない。縦軸の単位系は３種類ある。したがって、単位系が異なる物理量同士を直接比較することはできない。しかしながら、縦軸の変化は、劣化が進むにつれて、得られた計測データがどれだけ変化するかを示している。

劣化度ζ_Ａが０から１に上昇するまでの期間に、ΔＴ_ＨＧは、約１４Ｋ増加し、Δξ_ＨＧは、約１重量％増加し、・・・、ΔＰ_ＨＧは、約１９ｋＰａ増加する。図６（ａ）の棒グラフをより細かく見ると以下のことがわかる。
・吸収器の劣化は、ΔＰ_ＨＧの増加として最も大きく現れる。
・吸収器の劣化は、ΔＴ_ＨＧの増加としてその次に大きく現れる。
・吸収器の劣化は、ΔＴ_ＬＧｄ及びΔＴ_{ｓＡｏｕｔ}の増加としても無視できない程度に現れる。
・吸収器の劣化は、ΔＴ_Ｅ及びΔＴ_Ｃの変化としてはほとんど現れない。

同様に、図６（ｂ）及び（ｃ）は、それぞれ、蒸発器の伝熱面積の低下及び凝縮器の伝熱面積の低下が、ΔＴ_ＨＧ等の各状態量の偏差に及ぼす影響を示す棒グラフである。図７（ａ）、（ｂ）及び（ｃ）は、それぞれ、低温再生器の伝熱面積の低下、高温熱交換器の伝熱面積の低下及び高温熱交換器の穴開きが、ΔＴ_ＨＧ等の各状態量の偏差に及ぼす影響を示す棒グラフである。これらの棒グラフを比較すると、例えば以下のことがわかる。

・ΔＴ_ＨＧ、ΔＴ_ＬＧｄ及びΔＰ_ＨＧが増加している場合、吸収器又は低温再生器が劣化している可能性が高い（図６（ａ）及び図７（ａ））。さらに、ΔＴ_{ｓＡｏｕｔ}も増加している場合、低温再生器ではなく、吸収器が劣化している可能性が高い（図６（ａ））。
・ΔＴ_Ｃが増加している場合、凝縮器が劣化している可能性が高い（図６（ｃ））。
・高温熱交換器の劣化の症状には２つのパターンがある。Δθ_ＨＸが増加していれば、伝熱面積が低下している可能性が高い（図７（ｂ））。ΔＴ_ＨＧが増加していれば、穴開きが発生している可能性が高い（図７（ｃ））。

（状態量の選択）
ユーザが状態量の偏差の種類（結果数）を任意に設定できることは前記した。そこで、実際にどの状態量の偏差を選択するかが問題になる。図６（ｃ）に注目すると、凝縮器の伝熱面積の低下ζ_Ｃの、凝縮器冷媒温度の偏差ΔＴ_Ｃに対する感度は十分大きい。したがって、１０種の状態量の偏差のうちから、ΔＴ_Ｃを選択することは一見して好ましいと考え得る。しかしながら、例えば、他のチューブからの熱が凝縮器に伝わり、凝縮器冷媒温度Ｔ_Ｃが冷却水温度より低く計測されてしまうことがある。ユーザは、このような計測誤差を考慮して状態量の偏差を選択できる。本実施形態では、ΔＴ_ＨＧ、Δξ_ＨＧ、ΔＴ_ＬＧｄ、ΔＴ_{ｓＡｏｕｔ}及びΔＰ_ＨＧが選択されている。

以上の説明では、感度は、劣化が最後まで進行する期間における状態量の偏差の変化量である。もちろん他の定義も可能である。例えば、数理モデルをより使いやすくするために、数理モデルＦにおける、ある劣化度の、ある状態量の偏差に対する偏微係数（δΔＴ_ＨＧ／δζ_Ａ等）を感度行列Ｓの各成分としてもよい。

（サンプル機情報）
図８に沿って、サンプル機情報３１を説明する。サンプル機情報３１においては、サンプル機ＩＤ欄１０１に記憶されたサンプル機ＩＤに関連付けて、高温再生器温度欄１０２には高温再生器温度Ｔ_ＨＧが、高温再生器濃度欄１０３には高温再生器濃度ξ_ＨＧが、低温再生器ドレン温度欄１０４には低温再生器ドレン温度Ｔ_ＬＧｄが、吸収器出口溶液温度欄１０５には吸収器出口溶液温度Ｔ_{ｓＡｏｕｔ}が、高温再生器圧力欄１０６には高温再生器圧力Ｐ_ＨＧが、吸収器伝熱面積劣化度欄１０７には吸収器の伝熱面積についての劣化度ζ_Ａが、凝縮器伝熱面積劣化度欄１０８には凝縮器の伝熱面積についての劣化度ζ_Ｃが、低温再生器伝熱面積劣化度欄１０９には低温再生器の伝熱面積についての劣化度ζ_ＬＧが、高温熱交換器伝熱面積劣化度欄１１０には高温熱交換器の伝熱面積についての劣化度ζ_ＨＸが、高温熱交換器リーク率欄１１１には高温熱交換器のリーク率ο_ＨＸが、計測時点欄１１２には計測時点が、記憶されている。

サンプル機ＩＤ欄１０１のサンプル機ＩＤは、サンプル機を一意に特定する識別子である。サンプル機とは、診断対象機以外の任意の機器（吸収式冷温熱機）である。
欄１０２〜欄１０６のＴ_ＨＧ等は、サンプル機についての各状態量である（偏差ではない）。これらの値は、センサによって計測される。
欄１０７〜欄１１１のζ_Ａ等は、サンプル機についての各劣化度又はリーク率である。これらの値は、実際の伝熱面積等を計測することによって取得されたものである。
計測時点欄１１２の計測時点は、欄１０２〜欄１１１の値がセンサ等によって計測された時点の西暦年月日時分秒である。
サンプル機情報３１は、別に欄を設け、その計測時点における、冷水出口温度、冷却水出口温度、冷房能力、冷水流量、及び、定格冷房能力（定数）等を記憶していてもよい（図示せず）。各欄に記載されている“・・”は、計測されたデータ値を省略的に表現している（空欄ではない）。

サンプル機ＩＤ欄１０１及び計測時点欄１１２のデータ例から明らかなように、サンプル機情報３１においては、あるサンプル機について、１日ごとに１つのレコードが記憶される。各レコードの計測時点は、その日のうち冷房能力が最大となる時点である。

（診断対象機情報）
図９に沿って、診断対象機情報３２を説明する。診断対象機情報３２の構成は、サンプル機情報３１（図８）と同じである。
診断対象機ＩＤ欄１２１に記憶されている診断対象機ＩＤは、診断対象機を一意に特定する識別子である。
欄１２２〜欄１２６のＴ_ＨＧ等は、診断対象機についての各状態量である。
欄１２７〜欄１３１のζ_Ａ等は、診断対象機についての各劣化度又はリーク率である。ただし、これらの欄は、当初空欄になっており、機器診断装置１が各劣化度及びリーク率を推定した後、それらの推定値が記憶される。
計測時点欄１３２の計測時点は、欄１２２〜欄１２６の値がセンサによって計測された時点の西暦年月日時分秒である。

一般的に、センサは所定の周期（例えば１５分ごと）で状態量を計測する。したがって、診断対象機ＩＤ欄１２１及び計測時点欄１３２のデータ例から明らかなように、診断対象機情報３２においては、ある診断対象機について、１日ごとに複数のレコードが記憶される。これらのレコードから、処理に適したデータが抽出・加工される（詳細後記）。

（処理手順）
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）パラメータ決定処理手順、及び、（３）診断処理手順の３つがある。（３）を開始するためには、（１）及び（２）が終了していることが前提となる。（１）及び（２）の前後関係は問われない。（２）を開始する前提として、サンプル機情報３１（図８）が完成した状態で補助記憶装置１５に記憶されているものとする。さらに、（１）を開始する前提として、診断対象機情報３２（図９）が、欄１２１〜欄１２６及び欄１３２にデータを有する状態で補助記憶装置１５に記憶されているものとする。

（データ準備処理手順）
図１０に沿って、データ準備処理手順を説明する。データ準備処理手順は、診断対象機情報３２に記憶されている診断対象機の各状態量から、処理に適したデータを抽出・加工するための手順である。
ステップＳ２０１において、機器診断装置１のデータ準備部２１は、診断開始指示を受け付ける。具体的には、データ準備部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“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Ｓ２０２において、データ準備部２１は、診断対象機及び診断対象期間を受け付ける。具体的には、データ準備部２１は、ユーザが入力装置１２を介して、診断対象機ＩＤ及び診断対象期間を入力するのを受け付ける。診断対象期間は、例えば、現在日を終期とし、現在日からある日数を遡った日を始期とする期間である。例えば、現在が２０１４年８月３１日であり、過去３か月の診断対象機の状態を診断する場合、ユーザは、“２０１４０６０１〜２０１４０８３１”を入力する。

ステップＳ２０３において、データ準備部２１は、診断対象機のデータを取得する。具体的には、データ準備部２１は、ステップＳ２０２において受け付けた診断対象機ＩＤ及び診断対象期間を検索キーとして、診断対象機情報３２（図９）を検索し、該当したレコードを取得する。
ステップＳ２０４において、データ準備部２１は、運転中のレコードを抽出する。運転中とは、例えば、診断対象機の高温再生器温度が所定の閾値以上である状態を言う。具体的には、データ準備部２１は、ステップＳ２０３において取得したレコードのうちから、取得時点における高温再生器温度が閾値以上であるものを抽出する。

ステップＳ２０５において、データ準備部２１は、状態量ごとの時系列グラフを作成する。具体的には、データ準備部２１は、ステップＳ２０４において抽出したレコードから、状態量（図９の欄１２２〜欄１２６）ごとの時系列グラフを作成する。この時作成される時系列グラフの例（図９の欄１２２〜欄１２６の状態量と完全に同じではない）が、図１３（ａ）及び（ｂ）である。

ステップＳ２０６において、データ準備部２１は、安定データを抽出する。具体的には、データ準備部２１は、ステップＳ２０５において作成した時系列グラフのうち、安定データである部分を抽出する。安定データの定義は様々である。安定データではない例としては、１日のうち値の変化幅が所定の閾値より大きい、時系列グラフがなだらかな曲線にならず立ち上がり点又は立下り点を有する、波の周期が日によって極端に異なる等がある。なお、診断対象機の動特性を解析することによって、一見して安定データではないと判定される部分を、安定データとして取り扱うこともできる。例えば、１日のうち、診断対象機の稼動時間帯の始期及び終期が固定されている場合は、時系列データのうち、固定されている時間帯の部分のみを抽出して安定データとしてもよい。また、時系列グラフのある部分の傾き（時系列の変化率）が所定の値を有する場合、その部分の水準が有意である場合もある。この場合は、その部分を安定データとしてもよい。

ステップＳ２０７において、データ準備部２１は、ノイズを除去する。安定データである時系列グラフのうちにも、一時的な外部環境の変化、単なる偶然（液体中の気泡の温度を計測してしまう）等に起因する“はずれ点”が存在することはよくある。具体的には、データ準備部２１は、ローパスフィルターを使用して、時系列グラフを作成しなおす。適当なローパスフィルターがない場合は、ある時点を中心とし前後それぞれ数分ずつの値を平均することによって時系列グラフを作成しなおしてもよい（移動平均法）。

ステップＳ２０８において、データ準備部２１は、代表データを取得する。具体的には、データ準備部２１は、ステップＳ２０７においてノイズを除去した時系列グラフから、１日のうち冷房能力が最大となっている時点のデータを、診断対象期間の日数に等しい数だけ抽出し、代表データとする。
ステップＳ２０８の処理が終了した段階で、データ準備部２１は、それぞれの状態量について、１日ごとに１つの代表データを保持していることになる。因みに、この代表データのうち高温再生器温度についてのものが、前記したＴ_ＨＧ（Ｂ，ｎ）である。

ステップＳ２０９において、データ準備部２１は、状態量の偏差を算出する。具体的には、データ準備部２１は、式（１）を使用して、それぞれの状態量について、その偏差（例えばΔＴ_ＨＧ（Ｂ，ｎ））を算出する。
ステップＳ２１０において、データ準備部２１は、傾きを算出する。具体的には、データ準備部２１は、各状態量の偏差の冷房定格能力比に対する傾きを算出する。

この段階で、データ準備部２１は、そのシーズン（診断対象期間）における、各状態量の偏差を、運転日ごとに保持していることになる。データ準備部２１は、診断対象機ＩＤ及び運転日の組み合わせに関連付けて、各状態量の偏差を補助記憶装置１５の“診断データ領域”（図示せず）に記憶する。さらに、この段階で、データ準備部２１は、そのシーズンにおける、各状態量の偏差の傾きを保持していることになる。データ準備部２１は、各状態量の偏差の傾きを、診断対象機ＩＤに関連付けて補助記憶装置１５の“診断データ領域”に記憶する。その後、データ準備処理手順を終了する。

（パラメータ決定処理手順）
図１１に沿って、パラメータ決定処理手順を説明する。パラメータ処理手順は、サンプル機情報３１に記憶されているサンプル機の各状態量及び各劣化度に基づいて、数理モデルのパラメータを決定するための手順である。
ステップＳ３０１において、機器診断装置１のパラメータ決定部２２は、数理モデルを取得する。具体的には、パラメータ決定部２２は、任意の数理モデルを取得する。補助記憶装置１５には、線形モデル及び非線形モデルを含む複数の数理モデルが記憶されているものとする（図示せず）。ここでは、式（８）の線形モデルが取得されたものとする。

ステップＳ３０２において、パラメータ決定部２２は、パラメータの候補を作成する。具体的には、パラメータ決定部２２は、ｆ_Ａ、ｆ_Ｃ、・・・、ｊ_ＨＸ及びｊ_οの値を無作為に発生させる。
ステップＳ３０３において、パラメータ決定部２２は、劣化度を取得する。具体的には、第１に、パラメータ決定部２２は、ステップＳ２０２において受け付けた診断対象機ＩＤを、その診断対象機と同じ型式のサンプル機のサンプル機ＩＤに変換する。
第２に、パラメータ決定部２２は、変換したサンプル機ＩＤ、及び、ステップＳ２０２において受け付けた診断対象期間を検索キーとしてサンプル機情報３１を検索し、該当したレコードの劣化度を取得する。

ステップＳ３０４において、パラメータ決定部２２は、状態量の偏差を推定する。具体的には、パラメータ決定部２２は、ステップＳ３０２において発生させたパラメータ、及び、ステップＳ３０３の“第２”において取得した劣化度を、式（８）の右辺に代入する。そして、各状態量の偏差（ΔＴ_ＨＧ、Δξ_ＨＧ、・・・、ΔＰ_ＨＧ）を算出する。
ステップＳ３０５において、パラメータ決定部２２は、計測値と推定値との差分の二乗和を算出する。具体的には、第１に、パラメータ決定部２２は、ステップＳ３０３の“第２”において取得したレコードの状態量を式（１）に代入して、サンプル機の状態量の偏差を算出する。

第２に、パラメータ決定部２２は、ステップＳ３０５の“第１”において取得した状態量の偏差（計測値）から、ステップＳ３０４において算出した状態量の偏差（推定値）を減算し、減算結果の二乗値を算出する。このとき、減算の対象である計測値及び推定値は、同じ計測時点に対応するものである。そして、パラメータ決定部２２は、状態量の偏差（ΔＴ_ＨＧ、Δξ_ＨＧ、・・・、ΔＰ_ＨＧ）ごとに、二乗値を算出する。つまり、算出された二乗値の個数は、状態量の種類の数に等しい。
第３に、パラメータ決定部２２は、二乗値の和を、ステップＳ３０２において発生させたパラメータの候補に関連付けて、主記憶装置１４に一時的に記憶する。

ステップＳ３０６において、パラメータ決定部２２は、パラメータの候補が十分記憶されたか否かを判断する。具体的には、パラメータ決定部２２は、ステップＳ３０５の“第３”において記憶された二乗値の和の個数を数える。そして、その個数が所定の閾値に達した場合（ステップＳ３０６“ＹＥＳ”）、ステップＳ３０７に進み、それ以外の場合（ステップＳ３０６“ＮＯ”）、ステップＳ３０２に戻る。

ステップＳ３０７において、パラメータ決定部２２は、パラメータを決定する。具体的には、パラメータ決定部２２は、ステップＳ３０５の“第３”において一時的に記憶された二乗値の和のうち最小であるものを特定する。そして、特定した二乗値の和に関連付けられているパラメータの候補を最終的なパラメータとして決定する。その後、パラメータ決定処理手順を終了する。なお、取得された数理モデルが非線形モデルである場合、パラメータ決定部２２は、ステップＳ３０４において、（式（８）ではなく）式（９）に対して、発生させたパラメータ及びステップＳ３０３の“第２”において取得した劣化度を代入する。その他の処理は、前記した線形モデルの場合と同じである。

（診断処理手順）
図１２に沿って、診断処理手順を説明する。診断処理手順は、診断対象機の劣化度を要素別に求めるための手順である。
ステップＳ４０１において、機器診断装置１の診断部２３は、数理モデルが線形モデルであるか否かを判断する。具体的には、診断部２３は、ステップＳ３０１において取得された数理モデルが線形モデルである場合（ステップＳ４０１“ＹＥＳ”）、ステップＳ４０２に進み、それ以外の場合（ステップＳ４０１“ＮＯ”）、ステップＳ４０６に進む。
ステップＳ４０２において、診断部２３は、感度行列の逆行列を求める。具体的には、診断部２３は、ステップＳ３０７において決定した最終的なパラメータを感度行列Ｓとし、その感度行列Ｓの逆行列Ｓ^−１を求める。

ステップＳ４０３において、診断部２３は、劣化度を推定する。具体的には、第１に、診断部２３は、補助記憶装置１５の“診断データ領域”を検索し、運転日及びステップＳ２０２において受け付けた診断対象機ＩＤに関連付けられている状態量の偏差を取得する。そして取得した状態量の偏差を状態量ベクトルｙとして式（８）の左辺に代入する。
第２に、診断部２３は、式（８）の左辺の状態量ベクトルｙに対して、左から感度行列Ｓの逆行列Ｓ^−１を乗算する。乗算結果が劣化度ベクトルｘとなる。ただし、ｘ_ｋは、本来求めるべき劣化度の二乗値である。そこで、“二乗値”の正の平方根を求めることによって、０≦劣化度≦１の範囲の劣化度を求め得るか否かが問題となる。

ステップＳ４０４において、診断部２３は、ｘの成分のうち、０未満の値又は１より大きい値を有するものが存在するか否かを判断する。具体的には、診断部２３は、ｘの成分のうち、０未満の値又は１より大きい値を有するものが存在する場合（ステップＳ４０４“ＹＥＳ”）、ステップＳ４０５に進み、それ以外の場合（ステップＳ４０４“ＮＯ”）、ステップＳ４０７に進む。

ステップＳ４０５において、診断部２３は、近似値を取得する。いま、ステップＳ４０３の“第２”において求められた劣化度ベクトルｘが、ｘ_０（ζ_Ａ ^２，ζ_Ｃ ^２，ζ_ＬＧ ^２，ζ_ＨＸ ^２，ο_ＨＸ ^２）＝（０.５，０.６，−０.１，０.７，０.８）であったとする。ζ_ＬＧ ^２の値として“−０.１”は不適である。そこで、診断部２３は、以下の基本処理又は簡易処理のうちのいずれかを使用して、劣化度ベクトルｘ（二乗値）の近似値を求める。

〈基本処理〉
（１）診断部２３は、各成分が０≦ｘ_ｋ≦１を満たすような劣化度ベクトルの近似値の候補を、所定の数だけ無作為に発生させる。
（２）診断部２３は、ｘ_０とのノルム（差分の二乗和）が最小となるような候補を近似値ｘ_１として決定する。基本処理の最小化条件を数式で表すと以下の式（１０）となる。式（１０）において、“s.t.”及び“w.r.t.”は、それぞれ“subject to”及び “with regard to”の意である。“Ｓ^−１ｙ”は、その近似値を取得するべき不適な解（ｘ_０）であり、“ｘ”は、近似値である。
ここで決定された近似値ｘ_１が、例えば、ｘ_１（０.６，０.５，０.０，０.８，０.７）のようになる場合もある。ｘ_０に比して、ｘ_１では、ζ_ＬＧ ^２が“０.０”に変化している以外に、他の成分も変化している。これは、候補の劣化度ベクトルの各成分を無作為に発生させたことに起因する。

〈簡易処理〉
（１）診断部２３は、ｘ_０の成分のうち、０≦ｘ_ｋ≦１を満たさないものを特定する。
（２）診断部２３は、 “１.０”又は“０.０”のうち特定したｘ_ｋに近い方を、特定したｘ_ｋの近似値として決定する。
ここで決定された近似値ｘ_２は、例えば、ｘ_２（０.５，０.６，０.０，０.７，０.８）である。ｘ_０に比して、ｘ_２では、ζ_ＬＧ ^２が“０.０”に変化している。それ以外の成分は変化していない。基本処理による近似値ｘ_１は、簡易処理による近似値ｘ_２に比して、より正確な劣化度を示していることが多い。ただし、基本処理の処理工数は、簡易処理の処理工数よりも多い。

診断部２３は、ステップＳ４０３〜Ｓ４０５の処理をあるシーズンのすべての運転日について繰り返し、劣化度（二乗値）の平均値を求める。さらに、すべてのシーズン（又は年）について繰り返す。なお、このとき、データ準備部２１は、データ準備処理手順をシーズン（又は年）について繰り返すものとする。

ステップＳ４０６において、診断部２３は、劣化度を推定する。具体的には、診断部２３は、以下の処理を実行する。
（１）診断部２３は、０≦ｘ_ｋ≦１を満たす劣化度ベクトルの候補を無作為に発生させる。
（２）診断部２３は、無作為に発生させた劣化度ベクトルｘを、（パラメータが既に決定しておりかつ非線形の）数理モデルＦに対して代入する。そして、数理モデルを連立方程式として任意の方法でその解を求める。求めた解が、状態量ベクトルｙの推定値となる。ここでの推定値をｙ_ｍと表記する。

（３）診断部２３は、運転日及びステップＳ２０２において受け付けた診断対象機ＩＤを検索キーとして“診断データ領域”を検索し、該当した状態量の偏差を取得する。そして取得した状態量の偏差を状態量ベクトルｙ（計測値）とする。
（４）診断部２３は、状態量ベクトルの計測値ｙと状態量ベクトルの推定値ｙ_ｍとの間のノルム（差分の二乗和）を求める。
（５）診断部２３は、（１）〜（４）の処理を所定の回数だけ繰り返し、ノルムが最小となるような劣化度ベクトルｘを求める。当該処理の最小化条件を数式で表すと式（１１）となる。
診断部２３は、ステップＳ４０６の処理をすべての運転日について繰り返し、劣化度（二乗値）の平均値を求める。さらに、すべてのシーズン（又は年）について繰り返す。なお、このとき、データ準備部２１は、データ準備処理手順をシーズン（又は年）について繰り返すものとする。

ステップＳ４０７において、診断部２３は、現時点の劣化度を表示し記憶する。具体的には、第１に、診断部２３は、式８の線形モデルが使用された場合は劣化度ベクトルｘの各成分の正の平方根を取得する。
第２に、診断部２３は、出力装置１３に、図１のような吸収式冷温熱機４２の模式図を表示する。そして、例えば、ζ_Ａ＝０.６である場合、吸収器５２を示す図形に関連付けて“０.６”を表示する。劣化度が大きくなるに従って、よりユーザの注意を促す態様でその図形及び／又は劣化度を表示する。例えば、劣化度が大きくなるに従って、図形及び／又は劣化度を表示する色彩を青→黄→赤のように変化させてもよい。
第３に、診断部２３は、診断対象機情報３２（図９）の各運転日のレコードのうち冷房能力が最大であるレコードの欄１２７〜欄１３１に、劣化度ベクトルの各成分（正の平方根）を記憶する。

ステップＳ４０８において、診断部２３は、劣化度の年次推移を表示する。具体的には、診断部２３は、各劣化度の年次推移を折れ線グラフ（図１４）として出力装置１３に表示する。図１４の横軸は年次であり、縦軸は劣化度又はリーク率である。劣化度又はリーク率は、その年のすべての運転日の平均値である。図１４を参照すると、以下のことがわかる。
・いずれの年も、吸収器の劣化度が最も大きいこと
・２０１１より前に、高温熱交換器の穴開きが発生していること。
・低温再生器の劣化が２０１１年に急激に進行していること。
・（図１４からは直接わからないが）吸収器及び凝縮器は同じ冷却水系にあるので、吸収器が劣化しているのと並行して、凝縮器も劣化している可能性があること。
ここでは、年次推移を例として説明したが、診断部２３は、月次、週次を含む任意の時系列で、劣化度を表示することができる。

ステップＳ４０９において、診断部２３は、状態量の偏差の傾きの年次推移を表示する。具体的には、診断部２３は、“診断データ領域”から年ごとの状態量の偏差の傾きを取得したうえで、図５のようなグラフを作成し、作成したグラフを出力装置１３に表示する。その後、診断処理手順を終了する。

（まとめ）
図１５に沿って、本実施形態の特徴を説明する。
・機器診断装置１は、状態量の推定値６１と状態量の基準値６３との差分である偏差の推定値６５を求める。このとき、数理モデルが使用される。当該処理は、ステップＳ４０６（２）に相当する。
・機器診断装置１は、状態量の計測値６２と状態量の基準値６３との差分である偏差の計測値６４を求める。当該処理は、ステップＳ４０６（３）に相当する。
・機器診断装置１は、偏差の計測値６４と偏差の推定値６５を比較して、それらの差分が最小になるような劣化度を求める（劣化度の要素別分解診断６６）。当該処理は、ステップＳ４０６（４）及び（５）に相当する。

（実施形態の効果）
本実施形態の機器診断装置１は、以下の効果を奏する。
（１）機器診断装置１は、機器の劣化度を要素別かつ定量的に求めることができる。
（２）機器診断装置１は、計測した状態量が“はずれ値”である場合でも、所定の数値範囲に属する劣化度を求めることができる。
（３）機器診断装置１は、特に吸収式冷温熱機４２の診断において、一般的に計測される状態量を使用することができる。

（４）機器診断装置１は、最小二乗法という一般的なアルゴリズムを使用できる。
（５）機器診断装置１は、計測された状態量から正常な場合の理論値を減算するので、正確に劣化を判断できる。
（６）機器診断装置１は、サンプル機のデータや事前のシミュレーション計算値を使用して数理モデルのパラメータを決定する。したがって、既存データを有効に活用し、客観的に劣化を判断することができる。
（７）機器診断装置１は、線形の数理モデルを使用するので、情報処理が単純になる。

（８）機器診断装置１は、診断対象機から計測したデータのノイズを除去するので、正確に劣化を判断できる。
（９）機器診断装置１は、１年のうち所定の期間における状態量を使用するので、劣化の推移を時系列で表示できる。
（１０）機器診断装置１は、機器が１日のうち最大の能力を出力している時点の状態量を使用するので、正確に劣化を判断できる。

（１１）機器診断装置１は、劣化度を劣化要素に関連付けて、劣化度に応じて態様を変化させて画面表示する。したがって、ユーザは劣化の箇所及び程度を容易に理解できる。
（１２）機器診断装置１は、劣化度を時系列で表示する。したがって、ユーザは、過去の運転履歴を見直し、将来の運転を容易に計画することができる。
（１３）機器診断装置１が使用する状態量の種類の数は、劣化度の種類の数に等しい。したがって、原理的な判定不可能を回避することができる。

なお、本発明は前記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、前記した実施例は、本発明を分かり易く説明するために詳細に説明したものであり、必ずしも説明したすべての構成を備えるものに限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。また、各実施例の構成の一部について、他の構成の追加・削除・置換をすることが可能である。
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。

１ 機器診断装置
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 データ準備部
２２ パラメータ決定部
２３ 診断部
３１ サンプル機情報
３２ 診断対象機情報
４２ 吸収式冷温熱機
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)

1. 機器の複数の劣化要素が定量化された複数の劣化度と、複数の状態量と、前記複数の劣化度の前記複数の状態量に対する感度である複数のパラメータとの関係を示す数理モデルに対して、サンプル機の前記複数の劣化度の計測値と、前記サンプル機の前記複数の状態量の計測値とを代入して、未知数としての前記パラメータの値を決定するパラメータ決定部と、
   前記数理モデルに対して、診断対象機の前記複数の状態量を適用し、前記診断対象機の前記複数の劣化度を推定し、
   前記推定した複数の劣化度の値が所定の範囲に属さない場合は、前記推定した複数の劣化度の近似値を、前記所定の範囲内において取得する診断部と、を備えること、
   を特徴とする機器診断装置。
2. 前記機器は、
   吸収式冷温熱機であり、
   前記複数の状態量は、
   高温再生器温度、高温再生器濃度、低温再生器ドレン温度、吸収器出口溶液温度、及び、高温再生器圧力のうちの少なくとも１つを含むこと、
   を特徴とする請求項１に記載の機器診断装置。
3. 前記診断部は、
   前記数理モデルを使用して、前記診断対象機の前記複数の状態量を推定し、
   前記診断対象機の前記複数の状態量の計測値と、前記推定した複数の状態量との差分を最小とする前記診断対象機の前記複数の劣化度を推定すること、
   を特徴とする請求項２に記載の機器診断装置。
4. 前記複数の状態量は、
   前記診断対象機の前記複数の状態量の計測値の、前記機器が正常である場合の当該状態量の理論値に対する偏差であること、
   を特徴とする請求項３に記載の機器診断装置。
5. 前記数理モデルは、
   前記複数の劣化度に対して前記複数のパラメータを乗算した項の総和を前記複数の状態量とする線形の数理モデルであり、
   前記診断部は、
   前記複数のパラメータを成分として有する行列の逆行列を使用して前記診断対象機の前記複数の劣化度を推定すること、
   を特徴とする請求項４に記載の機器診断装置。
6. 前記機器診断装置は、
   データ準備部を備え、
   前記データ準備部は、
   所定の期間における前記診断対象機の前記複数の状態量から、所定の基準を満たす程度に安定している安定データを抽出し、前記抽出した安定データからノイズを除去し、
   前記診断部は、
   前記ノイズを除去した安定データを前記数理モデルに対して適用し、前記診断対象機の前記複数の劣化度を推定すること、
   を特徴とする請求項５に記載の機器診断装置。
7. 前記複数の状態量は、
   １年のうち所定の期間における状態量であること、
   を特徴とする請求項６に記載の機器診断装置。
8. 前記複数の状態量は、
   前記機器が、１日のうち最大の能力を出力している時点の状態量であること、
   を特徴とする請求項７に記載の機器診断装置。
9. 前記診断部は、
   前記推定した劣化度を、劣化が生じている前記劣化要素に関連付けて、前記推定した劣化度に応じて変化する態様で画面表示すること、
   を特徴とする請求項８に記載の機器診断装置。
10. 前記診断部は、
    前記推定した劣化度を時系列で表示すること、
    を特徴とする請求項９に記載の機器診断装置。
11. 前記複数の状態量の種類の数は、
    前記複数の劣化度の種類の数に等しいこと、
    を特徴とする請求項１０に記載の機器診断装置。
12. 機器診断装置のパラメータ決定部は、
    機器の複数の劣化要素が定量化された複数の劣化度と、複数の状態量と、前記複数の劣化度の前記複数の状態量に対する感度である複数のパラメータとの関係を示す数理モデルに対して、サンプル機の前記複数の劣化度の計測値と、前記サンプル機の前記複数の状態量の計測値とを代入して、未知数としての前記パラメータの値を決定し、
    前記機器診断装置の診断部は、
    前記数理モデルに対して、診断対象機の前記複数の状態量を適用し、前記診断対象機の前記複数の劣化度を推定し、
    前記推定した複数の劣化度の値が所定の範囲に属さない場合は、前記推定した複数の劣化度の近似値を、前記所定の範囲内において取得すること、
    を特徴とする前記機器診断装置の機器診断方法。
13. 機器診断装置のパラメータ決定部に対して、
    機器の複数の劣化要素が定量化された複数の劣化度と、複数の状態量と、前記複数の劣化度の前記複数の状態量に対する感度である複数のパラメータとの関係を示す数理モデルに対して、サンプル機の前記複数の劣化度の計測値と、前記サンプル機の前記複数の状態量の計測値とを代入して、未知数としての前記パラメータの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、
    前記数理モデルに対して、診断対象機の前記複数の状態量を適用し、前記診断対象機の前記複数の劣化度を推定し、
    前記推定した複数の劣化度の値が所定の範囲に属さない場合は、前記推定した複数の劣化度の近似値を、前記所定の範囲内において取得する処理を実行させること、
    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。
    

Images