JP6706034B2 - 故障予兆シミュレーション装置、故障予兆シミュレーション方法、故障予兆シミュレーションシステム、及びプログラム - Google Patents
故障予兆シミュレーション装置、故障予兆シミュレーション方法、故障予兆シミュレーションシステム、及びプログラム Download PDFInfo
- Publication number
- JP6706034B2 JP6706034B2 JP2015140605A JP2015140605A JP6706034B2 JP 6706034 B2 JP6706034 B2 JP 6706034B2 JP 2015140605 A JP2015140605 A JP 2015140605A JP 2015140605 A JP2015140605 A JP 2015140605A JP 6706034 B2 JP6706034 B2 JP 6706034B2
- Authority
- JP
- Japan
- Prior art keywords
- sensor
- parameter
- measurement data
- failure sign
- database
- 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
- 238000004088 simulation Methods 0.000 title claims description 83
- 238000000034 method Methods 0.000 title claims description 28
- 238000005259 measurement Methods 0.000 claims description 96
- 239000000284 extract Substances 0.000 claims description 6
- 238000012545 processing Methods 0.000 description 47
- 238000004891 communication Methods 0.000 description 38
- 230000006870 function Effects 0.000 description 18
- 230000006399 behavior Effects 0.000 description 17
- 230000008569 process Effects 0.000 description 17
- 238000012549 training Methods 0.000 description 15
- 230000008859 change Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 14
- 230000035945 sensitivity Effects 0.000 description 13
- 238000012806 monitoring device Methods 0.000 description 12
- 238000007726 management method Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 7
- 230000004044 response Effects 0.000 description 7
- 238000013500 data storage Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 5
- 230000007423 decrease Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Description
このようなANN窓にあっては、多くのシステムの軽微な故障状態を報知するANN窓や、プラントの異常状態や主要システムの運転状態を示すANN窓が重要度に応じて数種類に色分けされているが、運転員によっては誤操作のおそれもあった。
そこで、軽微な故障または重大な故障等を模擬させ、実際の運転時にそれらの事象を収束させるために必要な技能や技術力を身に付けさせることを目的とした運転訓練用シミュレータ装置が知られている。
図15に示すように、運転訓練用シミュレーション装置200は、実際にプラントや発電所等に配置された運転装置と同様の機能を有する運転装置202を訓練対象としている。運転装置202には、複数のスイッチが配置された操作スイッチ群204と、複数の表示灯が配置された表示灯群206と、警報表示を行うためのANN窓208を備えている。
(1)インストラクタ210が運転訓練用シミュレーション装置200を操作し、訓練者212に機器故障に至る運転状態を模擬させる機能、
(2)訓練者が模擬した故障状態に対し、運転マニュアルに沿って事態を収束させるための操作を行う機能、
(3)訓練者212による操作の過程や結果が、マニュアル通りであるか否かを表す正確性、迅速性等を確認し、問題提起、アドバイス(助言)を行う機能、
(4)アドバイスに基づいて、訓練者に反復訓練を行わせる機能、
等があり、(1)〜(4)に示す機能を繰り返し訓練することで、通常の運転技能や技術力の向上、事故(機器故障)に対する対応能力の向上などの効果があった。
なお、訓練には、(a)プラントの起動操作、停止操作、(b)機器事故時の対応操作等がある。
特許文献1には、訓練室には、実機の運転監視制御盤と同等の運転訓練制御盤と、新しく付加される定検作業訓練用制御盤が設置され、運転訓練制御盤には、訓練員の操作する多数の操作スイッチが配備されると共に、状態ランプ・ANN窓・指示計・記録計・CRT等の出力装置を備えて、シミュレータ計算機で演算されたプラント状態量を反映するように構成している運転訓練シミュレータが開示されている。
本発明は、上記に鑑みてなされたもので、その目的としては、プラント内に配置された複数の機器が故障する前段階で現れる故障予兆に対して、訓練者の感受性を高めることにある。また、機器故障の影響範囲を把握できることにある。
本発明は、プラントに配置された機器を対象としたセンサからの測定データをデータベースに保存しておき、このデータベースを活用してシミュレーションすることで、異常発生時の対処方法の検討及び評価が可能になり、技術者のスキルアップに繋げることを特徴としている。
データベースの活用に際しては、
(1)過去の機器故障および予兆事象について、関係する計器・センサの抽出と、測定データの挙動をパターン化しておき、事故の予測と事故の防止のための教育に活用する。これにより、関係する計器・センサのパラメータを任意に変動させて、予兆の発生から故障に至るまでの変動を体感することができる。
(2)運転員がスキルアップしたい任意の機器に対して、その機器に関係するパラメータの種類の抽出と、どの程度プロセス値が変動したら故障予兆が表れる状態になるかを可視化する。
(3)正常運転中のパラメータ変動を再現する。
という点を特徴としている。
<第1実施形態>
図1は本発明の第1実施形態に係る故障予兆シミュレーション装置を含む予兆監視システム100の構成の一例を示す図である。
プラント(図示しない)には、複数の計測対象機器(以下、機器という)が備えられている。さらに、各機器には機器の電流、電圧、電力、流量、圧力、温度等の挙動を検出するためのセンサC−1〜C−nが備えられている。センサC−1〜C−nから出力された測定データがセンサ監視装置14(#1〜#n)に入力されている。また、センサ監視装置14(#1〜#n)にはその他のセンサ群15が接続されている。
センサ監視装置14(#1〜#n)は、それぞれネットワークN1を介して故障予兆監視装置30、データベース40に接続されている。センサ監視装置14(#1〜#n)において収集された各センサからの測定データは、それぞれネットワークN1を介して故障予兆監視装置30、データベース40に受信される。故障予兆監視装置30内には故障予兆シミュレーション装置50が備えられている。
データベース40は、各機器11の挙動を計測する複数のセンサC1〜Cnにより測定された測定データを、各センサが配置されているセンサ名と関連付けて記憶する。データベース40は、過去の通常時から故障時に至る測定データを記憶する。
予兆監視システム100は、故障予兆シミュレーション装置50、端末70−1〜70−n、プリンタ60を備えており、それぞれネットワークN2を介して接続されている。
故障予兆シミュレーション装置50は、データベース40から取得した測定データに基づいて、各センサの挙動についてのシミュレーションを行う。故障予兆シミュレーション装置50は、データベース40から取得した各センサ名を表すセンサリストを生成する。故障予兆シミュレーション装置50は、センサリストの中の何れかのセンサ名が選択された場合に、当該機器の各位置に配置されている各センサ名を表す木構造モデルを生成する。故障予兆シミュレーション装置50は、木構造モデルの中の何れか1つのセンサ名が選択されたか否かを判断する。故障予兆シミュレーション装置50は、センサ名が選択された場合に、当該センサについての測定データをデータベース40から取得し、測定データについてのパラメータを生成する。故障予兆シミュレーション装置50は、パラメータを表示するとともに、表示されたパラメータについての変動操作量を入力する。
端末70−1〜70−nは、GUI(Graphical User Interface)機能が搭載されたパーソナルコンピュータである。
プリンタ60は、故障予兆シミュレーション装置50または端末70からネットワークN2を介して出力されたセンサのパラメータ挙動やパラメータデータを記録紙に印字する。
故障予兆シミュレーション装置50は、通信制御部51、通信制御部52、主制御部53、データ記憶部55、表示制御部56、表示部57、ディスク制御部58、データベース部59を備えている。
通信制御部51は、ネットワークN1を介してイーサネット(登録商標)通信により各装置間のデータ通信を制御する。
通信制御部52は、ネットワークN2を介してイーサネット(登録商標)通信により各装置間のデータ通信を制御する。
主制御部53は、内部にROM(read only memory)、RAM(random access memory)、CPU(central processing unit)、HDD(hard disk drive)を有する主制御部53を備えている。主制御部53は、HDDからオペレーティングシステムOSを読み出してRAM上に展開してOSを起動し、OS管理下において、HDDからプログラム(処理モジュール)を読み出し、各種処理を実行する。
データ記憶部55は、データを記憶する。
表示制御部56は、表示情報に基づいてセンサリストやパラメータ等の表示画像を生成して表示部57に出力する。
表示部57は、表示制御部56から出力されるセンサリストやパラメータ等の表示画像を表示する。
ディスク制御部58は、データベース部59を制御して入出力データの読み出し、書き込みを行う。
データベース部59は、HDDやDVDからなり、データを蓄積する。
端末70に搭載された測定データ変更部70A、検索結果表示部70B、分析結果表示部70Cは、保修技術者支援アプリケーションソフトウエアを実行することにより、以下の機能を実行する。
測定データ変更部70Aは、測定データ変更モジュールを実行することにより、データベース40から取得した測定データ、もしくは新規作成されたシミュレーションに必要なデータを加工できる変更機能を実行する。
検索結果表示部70Bは、検索結果表示モジュールを実行することにより、データベース40から取得した検索結果を表示処理して端末70に出力する。
分析結果表示部70Cは、分析結果表示モジュールを実行することにより、分析エンジン部30Aに分析依頼を出力し、分析エンジン部30Aでの処理結果として返送されてきた分析結果を表示処理して端末70に出力する。
分析結果表示部70Cは、分析エンジン部30Aから取得した分析結果と、データベース管理部40Aを介してデータベース50に格納したデータとの類似確認を行うこともできる。
データベース40に搭載されたデータベース管理部40Aは、データベース管理モジュールを実行することにより、過去データ(正常時、異常時、アラーム発生時)と、シミュレーション結果データ(加工、新規作成)をHDDに格納するとともに、HDDに格納したデータを検索依頼に応じて検索して出力するまでの各工程を管理する。
故障予兆監視装置30に搭載された分析エンジン処理部30Aは、分析エンジン処理モジュールを実行することにより、分析依頼に応じて測定データ変更もしくは新規作成データを分析し、分析結果を出力する。
過去の機器故障および予兆事象について、機器に関係する計器やセンサを抽出するとともに、計器やセンサの挙動をパターン化しておき、事故の予測と事故の防止のための教育に活用する。機器に関係する計器やセンサのパラメータを任意に変動させて、故障予兆の発生から故障に至るまでのパラメータの変動を表示することを特徴点としている。
ステップS10では、分析エンジン処理部30Aは、モデル構築処理のサブルーチン(図5)をコールして実行する。この結果、データベース40には、2地点に配置されたセンサ間の測定データの関係(近似式およびフィット値)を分析対象の相関関係とした機器モデルが記憶される。
この結果、故障予兆シミュレーション装置50では、データベース40から通信制御部51を介して受信した、測定データ、測定時刻データ、センサが配置されているセンサ名を一旦データ記憶部55に記憶し、さらに、ディスク制御部58を介してデータベース59に記憶して内部データとして保存する。さらに、分析エンジン処理部30Aは、データ記憶部55から取得した複数のセンサ名を表すセンサリストを生成する。
センサリストを受信した端末70では、検索結果表示部70Bは、表示画面にセンサリストを表示する。ユーザ操作に応じて例えば「機器C」が選択された場合、端末70は、センサ名として「機器C」をネットワークN2を介して故障予兆シミュレーション装置50に送信する。
ステップS25では、分析エンジン処理部30Aは、端末70において選択されたセンサ名を通信制御部52を介して受信する。
以下、ネットワークN1、N2を介して各装置間で行われる通信、すなわち、故障予兆シミュレーション装置50に設けられた通信制御部51、52、ネットワークN1、N2を介して行われる通信については、上述した通信手法により行われるので、その説明を省略する。
ステップS35では、分析エンジン処理部30Aは、通信制御部52を介して木構造モデルデータを端末70に送信する。
木構造モデルデータを受信した端末70では、検索結果表示部70Bは、表示画面に木構造モデルデータを表示する。ユーザ操作に応じて例えばセンサ「C−1」が選択された場合、端末70は、センサ名として「C−1」を故障予兆シミュレーション装置50に送信する。
ステップS45では、分析エンジン処理部30Aは、センサ名が選択された場合に、当該センサについての測定データをデータベース40から取得し、パラメータを生成する。
ステップS50では、分析エンジン処理部30Aは、通信制御部52を介して当該センサのパラメータを端末70に送信する。
当該センサのパラメータデータを受信した端末70では、分析結果表示部70Cは、図8に示すように、表示画面にパラメータ画像を表示する。ユーザ操作に応じて例えば上下変動操作データ、実行指示が選択された場合、端末70は、上下変動操作データ、実行指示を故障予兆シミュレーション装置50に送信する。
ステップS60では、分析エンジン処理部30Aは、端末70から受信した上下変動操作データの変動量に応じて当該パラメータの変動幅を増減し、当該センサに相関関係が深いセンサを抽出し、予測したパラメータ値を生成し、通信制御部52を介して端末70に送信する。
端末70において、検索結果表示部70Bは、表示画面87の下方に「対象機種変更」ボタン90、「実行」ボタン91を表示し、クリック操作が行われることで、操作内容が故障予兆シミュレーション装置50に送信する。
ステップS65では、分析エンジン処理部30Aは、通信制御部52を介して端末70から受信した操作内容に基づいて、対象センサを変更するか否かを判断する。対象センサを変更する場合(S65、Yes)にはステップS20に戻り、上述した処理を繰り返す。対象センサを変更しない場合(S65、No)には処理を終了する。
ステップS105では、分析エンジン処理部30Aは、通信制御部51を介してデータ取得コマンドをデータベース40に送信することで、データベース管理部40Aは、各センサからセンサ監視装置14を介して出力される測定データと測定時刻データと各センサが配置されているセンサ名をデータベース40に取得させる。
ステップS110では、分析エンジン処理部30Aは、通信制御部51を介してデータ蓄積コマンドをデータベース40に送信することで、データベース管理部40Aは、センサ監視装置14から取得した測定データと測定時刻データと各センサが配置されているセンサ名をデータベース40に蓄積させる。
これにより、データベース40において、データベース管理部40Aは、各センサから取得した測定データとその測定時刻データを各センサが配置されているセンサ名と関連付けて蓄積することができる。ここで、データベース40の記憶内容を表1に示す。
ステップS165では、分析エンジン処理部30Aは、通信制御部51を介してデータ転送コマンドをデータベース40に送信することで、データベース40から正常動作時における分析期間の測定データを受信して取得し、RAMに記憶する。
ステップS170では、分析エンジン処理部30Aは、正常動作時における分析期間の測定データに基づいて、任意の2地点に配置されたセンサ間の測定データの相関関係を識別する。
ここで、分析エンジン処理部30Aは、データベース40から取得した測定2点の分析期間の測定データに基づいて、2地点に配置されたセンサ間の測定データの相関関係として、B=f(A)のような数式ベースの近似式を生成する。近似式の生成方法としては、例えば、線形回帰と呼ばれている方法を用いればよい。
分析エンジン処理部30Aは、生成した近似式と、生成時に利用した時系列データとから、実際のデータを近似式がどの程度近似できているかどうかの指標であるフィット値を生成する。線形回帰として最小二乗法を用いて近似した場合、フィット値は最小二乗法における決定係数とすることができる。
フィット値が閾値以下である場合(S175、Yes)にはステップS185に進む。一方、フィット値が閾値以下ではない場合(S175、No)にはステップS180に進む。
ステップS180では、分析エンジン処理部30Aは、2地点に配置されたセンサ間の測定データの関係(近似式およびフィット値)を分析対象の相関関係として、モデル化してデータベース40に記憶する。
ステップS185では、分析エンジン処理部30Aは、全ての任意の2地点に配置されたセンサ間の測定データで識別したか否かを判断する。全ての任意の2地点に配置されたセンサ間の測定データで識別した場合(S185、Yes)にはメインルーチンに復帰する。一方、全ての任意の2地点に配置されたセンサ間の測定データで識別が未だなしきっていない場合(S185、No)にはステップS170に進む。
端末にはGUI機能が搭載されており、図6に示すように、表示画面81上のセンサリスト内には「機器A〜D」等が表示される。なお、「機器A〜D」等は機器の名称や番号であってもよい。図6においては、例えば端末に接続されたマウス(図示しない)を用いて「機器C」欄がクリックされると、GUI機能により選択された「機器C」欄が色反転され、ユーザ操作に応じて「機器C」が選択されたことを示す。
図7に示すように、表示画面の上部には「機器C」に関係する機器モデルの名称として「機器Cモデル」と、「機器C」に関係する計器・センサ番号として「C−1 ○○部 温度」という内容が表示される。
また、図7に示すように、表示画面の中央部には計器・センサ番号として「C−1」〜「C−6」をノードとして接続された「機器C」に関係する機器モデルを模式的に表現した木構造モデルが表示されている。
なお、木構造モデルは、故障予兆シミュレーション装置50において、図5に示すモデル構築処理(モデル生成手段)により、センサリストの中の何れか1つのセンサ名が選択された場合に、当該機器の各位置に配置されている各センサを表す木構造モデルとして生成され、端末70に表示される。
詳しくは、機器モデルの各要素は、「計器・センサ番号」と「計器・センサ間の関係性」で構成される。さらに「計器・センサ番号」には、それぞれ「各計器・センサの時系列データ」が紐づいている。また、「計器・センサ間の関係性」は「各計器・センサの時系列データ」を用いて決定される。「各計器・センサの時系列データ」は、機器モデルを作成する際に設定した期間がそのまま保持される。このため、各計器・センサの全てが同じ期間の時系列データを有していることとなる。
検索結果表示部70Bは、図7に示す端末70の表示画面に対して所望のセンサ(例えばC−1)をクリック操作がされた場合、端末70に搭載されたGUI機能によりセンサ番号「C−1」が選択されると、図8に示すように、センサC−1により過去に取得された時系列データがグラフ図として表示する。
なお、図8には、表示画面の上部には計器・センサ番号として「C−1 ○○部 温度」という内容が表示される。
また、図7に示すように、表示画面の中央部には縦軸に温度(℃)横軸に時間(t)が表示され、センサC−1により過去に取得された時系列データがグラフ図(89)として表示される。
これにより、訓練者は、計器・センサの挙動を端末70の表示画面において確認することができる。
さらに、測定データ変更部70Aは、端末70に搭載されたGUI機能を用いて、表示画面83に表示されたグラフ図の一点をマウス操作により上方84又は下方85に移動しておき、表示画面の下方に表示されている「実行」ボタン86をクリック操作することで、図9に示すような2つのグラフ図を表示する。
なお、図8に示すように、表示画面83の下方に「実行」ボタン86が表示されており、クリック操作が行われることで、操作内容を故障予兆シミュレーション装置50に送信することができる。
また、本実施形態では、図7に示す端末70の表示画面に対して所望のセンサ(例えばC−1)をクリック操作がされた場合、端末70に搭載されたGUI機能によりセンサ番号「C−1」が選択されると、図8に示すように、センサC−1により過去に取得された時系列データがグラフ図として表示するように構成しているが、別の実施形態として、グラフ図(図8)に代わって例えば二次元マトリクス等を用いて異なる表示態様にしてもよい。
図9に示す時系列データのグラフ図(89)は、図8に示す位置(x,y)と同様の位置に表示されている。
グラフ図(89)を上方84操作に応じて変動幅が増加した場合に、上下変動操作データの変動量に応じて当該パラメータの変動幅を増減し、当該センサに相関関係のある他のセンサについて抽出するとともに、前記変動操作量に応じて前記他のセンサについての変動量を予測し、予測に応じたパラメータ量(88)を表示する。
なお、センサC−1に関係する各計器・センサの時系列データとして、例えばセンサC−2、C−3の時系列データ)が表示される。
図9に示すように、表示画面87の下方に「対象機種変更」ボタン90、「実行」ボタン91が表示されており、クリック操作が行われることで、操作内容を故障予兆シミュレーション装置50に送信することができる。
また、データベース40に過去の通常時から故障時に至る測定データを記憶することで、記憶された測定データを利用してシミュレーションを行うことができ、プラント内に配置された複数の機器が故障する前段階で現れる故障予兆に対して、訓練者の感受性を高めることができる。また、機器故障の影響範囲を把握することができる。
本発明の第2実施形態は、本発明の第1実施形態において用いた図1に示す予兆監視システム100に適用するものである。
図10は、本発明の第2実施形態に係る故障予兆シミュレーション装置50の動作を示すメインルーチンのフローチャートである。
所望の任意の機器に対して、当該機器に関係するセンサの種類を抽出し、どの程度測定データが変化したら故障予兆が表れるかをシミュレーションし、センサ状態を可視化することを特徴とする。
端末側では、表示画面に表示されているセンサリスト(図6)から所望の任意の機器をマウス操作により選択し、故障予兆シミュレーション装置50に機器番号を送信する。
ステップS210では、分析エンジン処理部30Aは、端末70において選択されたセンサ名(機器番号)を通信制御部52を介して受信する。
ステップS215では、分析エンジン処理部30Aは、当該機器に関係している複数のセンサを表す木構造モデルデータを生成する。
ステップS220では、分析エンジン処理部30Aは、通信制御部52を介して木構造モデルデータを端末70に送信する。
端末側では、表示画面に表示されているモデル(図7)に接続されている1つのセンサを選択し、シミュレーション装置にセンサ番号を送信する。
ステップS230では、分析エンジン処理部30Aは、当該センサと、当該センサに相関関係が深い他のセンサについての測定データをデータベース40から取得し、測定データの時間的変化を表す2つ以上のパラメータを生成する。
ステップS235では、分析エンジン処理部30Aは、通信制御部52を介して当該センサと他のセンサの測定データをパラメータ化したパラメータデータを端末70に送信する。
端末側では、図11に示すように、表示画面に表示されているセンサについてのパラメータを表示画面に表示する。このパラメータに対して、マウス操作により1点を指示しながら上方向または下方向に当該1点を移動操作することで、その移動分を表す差分データが生成される。次いで、マウス操作に応じて「実行」ボタン93が押されると、シミュレーション装置に実行指示と差分データを送信する。
ステップS245では、分析エンジン処理部30Aは、端末70から受信した上下変動操作データの変動量に応じて当該パラメータの変動幅を増減し、当該センサに相関関係が深いセンサを抽出し、予測したパラメータ値を生成し、通信制御部52を介してパラメータデータを端末70に送信する。
端末側では、表示画面に表示されているセンサについてのパラメータの変動分を再表示する。
図11に示す表示画面では、センサの測定データを変化させ、「実行」ボタン93を押すと関係するセンサの測定データが変化する。
ステップS255では、分析エンジン処理部30Aは、当該センサと他のセンサのパラメータデータにアラーム「異常レベル」を付加して通信制御部52を介して端末70に送信する。
ステップS260では、分析エンジン処理部30Aは、通信制御部52を介して当該センサと他のセンサのパラメータデータを端末70に送信する。
このように、変動されたパラメータデータが所定の閾値を越えた場合に、警告を報知することで、センサに係る過大な挙動があった場合のような故障予兆に対して、訓練者の感受性を高めることができる。また、機器故障の影響範囲を把握することができる。
ここで、上下変動操作データ、実行指示がある場合は(S265、Yes)にはステップS245に進む。一方、上下変動操作データ、実行指示がない場合(S265、No)にはステップS270に進む。
ステップS270では、分析エンジン処理部30Aは、対象センサを変更するか否かを判断する。
ここで、対象センサを変更する場合は(S270、Yes)にはステップS220に進む。一方、対象センサを変更しない場合(S270、No)には処理を終了する。
メイン計器・センサC−1と関連計器・センサC−2、C−3は、時系列データで見た結果で関係あり・なしを判断する。
例えば、メイン計器・センサC−1の値が時間tで80、時間t+1で90、時間t+2で100と言うデータであった場合に、一方の関連計器・センサC−2の値がtで70、t+1で80、t+2で90であったときに、両者の関係は「C−1の値を+1時間経過してC−2の値になる」ものと表せる。
実際は、この例よりも長い時間(t〜t+100程度)で関係性を判定する。
メイン計器・センサC−1と関連計器・センサC−2の関係が上記であった場合に、メイン計器・センサC−1のデータを変更した場合、関連計器・センサC−2の値もその関係性の法則に従って値が変動する。
上述した理由により、メイン計器・時系列データの表示画面で値を上下して「実行」ボタン93を押した場合、「C−2、C−3」の値も変動することとなる。
なお、図11に示すように、表示画面92の下方に「実行」ボタン93が表示されており、クリック操作が行われることで、操作内容を故障予兆シミュレーション装置50に送信することができる。
図12においては、メイン計器・センサの時系列データは変更せずに、関連計器・センサの時系列データを変更した場合に、「関係が崩れる」ことがある。この関係の崩れ度合いを表した図である。
このような関係崩れを示す図に対して、基本的に「関連計器・センサの時系列データ」を大きく壊せば、それに比例して大きく壊れ、ある基準(閾値)Sthを超えると「異常」と判断する。
どの程度測定データが変動したら故障予兆が表れるのかを確認する。図12に示す表示画面では、関係するセンサを変化させて、故障予知(閾値Sthを超えた異常レベルとなるかどうか)を確認する。
なお、図12に示すように、表示画面94の下方に「対象機種変更」ボタン95、「実行」ボタン96が表示されており、クリック操作が行われることで、操作内容を故障予兆シミュレーション装置50に送信することができる。
センサ閾値テーブルには、センサ番号#11〜#1Nとその閾値Sth11〜Sth1N一意に対応して記憶されており、ステップS250における判断に用いた閾値Sthをセンサ番号に応じて変更することが好ましい。
図14は、本発明の第3実施形態に係る故障予兆シミュレーション装置50の動作を示すメインルーチンのフローチャートである。なお、図14に示す符号のうち、図10に示す符号と同一のものについては同様のステップ構成であるので、その説明を省略する。
ステップS305では、分析エンジン処理部30Aは、端末70から受信した上下変動操作データの変動量に応じて当該パラメータの変動幅を増減し、当該センサ(例えば、センサC−3)に相関関係が深いセンサ(例えば、センサC−2)の予測値も変動させたパラメータを生成し、通信制御部52を介してパラメータデータを端末70に送信する。
ここで、変動操作の変動幅、データベース40から取得した他のセンサ(例えば、センサC−2)の測定データに基づいて、他のセンサ(例えば、センサC−3)の測定データにS170の結果で得られた変動操作の変動幅を加算することで、他のセンサの測定データの予測値を生成する。
端末70では、分析結果表示部70Cは、表示画面に表示されているセンサについての予測値の変動分を再表示する。
このように、変動操作の変動幅、他のセンサの測定データに基づいて、他のセンサの測定データの予測値を生成することで、任意の2地点に配置された2つのセンサに係る挙動の連動性についてのシミュレーションを行うことができ、プラント内に配置された複数の機器が故障する前段階で現れる故障予兆に対して、訓練者の感受性を高めることができる。また、機器故障の影響範囲を把握することができる。
<第1態様>
本態様の故障予兆シミュレーション装置50は、プラント内に配置された複数の計測対象機器(以下、機器という)11と、各機器11の挙動を計測する複数のセンサC1〜Cnと、各センサにより測定された測定データを、各センサが配置されているセンサ名と関連付けて記憶するデータベース40と、を備え、データベース40から取得した測定データに基づいて、各センサの挙動についてのシミュレーションを行う故障予兆シミュレーション装置であって、データベース40から取得した各センサ名を表すセンサリストを生成するセンサリスト生成手段(S15)と、センサリストの中の何れかのセンサ名が選択された場合に、各センサ名を表す木構造モデルを生成するモデル生成手段(S30)と、木構造モデルの中の何れか1つのセンサ名が選択されたか否かを判断する選択判断手段(S40)と、センサ名が選択された場合に、当該センサについての測定データをデータベースから取得し、測定データについてのパラメータを生成するパラメータ生成手段(S45)と、パラメータを表示するとともに、表示されたパラメータについての変動操作量を入力する表示操作手段(S55)と、を備え、パラメータ生成手段(S60)は、変動操作量に応じて当該パラメータを変動させるとともに、当該センサに相関関係のある他のセンサについて抽出するとともに、変動操作量に応じて他のセンサについての変動量を予測し、予測に応じたパラメータ量を表示することを特徴とする。
本態様によれば、データベース40から取得した各センサ名を表すセンサリストを生成し、センサリストの中の何れかのセンサ名が選択された場合に、各センサ名を表す木構造モデルを生成し、木構造モデルの中の何れか1つのセンサ名が選択された場合に、当該センサについての測定データをデータベース40から取得し、測定データについてのパラメータを生成し、パラメータを表示するとともに、表示されたパラメータについての変動操作量を入力し、変動操作量に応じて当該パラメータを変動させるとともに、当該センサに相関関係のある他のセンサについて抽出するとともに、変動操作量に応じて他のセンサについての変動量を予測し、予測に応じたパラメータ量を表示することで、プラント内に配置された複数の機器が故障する前段階で現れる故障予兆に対して、訓練者の感受性を高めることができる。また、機器故障の影響範囲を把握することができる。
本態様のモデル生成手段(S170)は、任意の2地点に配置されたセンサの測定データ間の相関関係を示す近似式及びフィット値が所定の閾値を超えている場合(S175)に、当該センサを木構造モデルに含めることを特徴とする。
本態様によれば、任意の2地点に配置されたセンサの測定データ間の相関関係を示す近似式及びフィット値が所定の閾値を超えている場合に、当該センサを木構造モデルに含めることで、シミュレーションを行うことができ、プラント内に配置された複数の機器が故障する前段階で現れる故障予兆に対して、相関関係の高い任意の2地点に配置されたセンサを木構造モデルに含めることができる。
本態様のパラメータ生成手段(S305)は、変動操作の変動幅、他のセンサの測定データに基づいて、他のセンサの測定データの予測値を生成することを特徴とする。
本態様によれば、変動操作の変動幅、他のセンサの測定データに基づいて、他のセンサの測定データの予測値を生成することで、任意の2地点に配置された2つのセンサに係る挙動の連動性についてのシミュレーションを行うことができ、プラント内に配置された複数の機器が故障する前段階で現れる故障予兆に対して、訓練者の感受性を高めることができる。また、機器故障の影響範囲を把握することができる。
本態様のパラメータ生成手段(S250)は、変動されたパラメータデータが所定の閾値を越えた場合(S250)に、警告を報知する機能を木構造モデルに含むことを特徴とする。
本態様によれば、変動されたパラメータデータが所定の閾値を越えた場合に、警告を報知する機能を木構造モデルに含むことで、センサに係る過大な挙動があった場合のような故障予兆に対して、訓練者の感受性を高めることができる。また、機器故障の影響範囲を把握することができる。
本態様のデータベース40は、過去の通常時から故障時に至る測定データを記憶することを特徴とする。
本態様によれば、データベース40に過去の通常時から故障時に至る測定データを記憶することで、記憶された測定データを利用してシミュレーションを行うことができ、プラント内に配置された複数の機器が故障する前段階で現れる故障予兆に対して、訓練者の感受性を高めることができる。また、機器故障の影響範囲を把握することができる。
本態様の予兆監視システム100は、第1態様乃至第5態様の何れか1つに記載の故障予兆シミュレーション装置と、故障予兆シミュレーション装置に接続された端末と、を備え、故障予兆シミュレーション装置において生成されたパラメータを端末に送信し、端末においてパラメータを表示することを特徴とする。
本態様によれば、故障予兆シミュレーション装置において生成されたパラメータを端末に送信し、端末においてパラメータを表示することで、シミュレーションを行うことができ、プラント内に配置された複数の機器が故障する前段階で現れる故障予兆に対して、訓練者の感受性を高めることができる。また、機器故障の影響範囲を把握することができる。
本態様の故障予兆シミュレーション方法は、プラント内に配置された複数の機器と、各機器の挙動を計測する複数のセンサと、各センサにより測定された測定データを、各センサが配置されているセンサ名と関連付けて記憶するデータベース40と、を備え、データベース40から取得した測定データに基づいて、各センサの挙動についてのシミュレーションを行う故障予兆シミュレーション装置の故障予兆シミュレーション方法であって、データベース40から取得した各センサ名を表すセンサリストを生成するセンサリスト生成ステップ(S15)と、センサリストの中の何れかのセンサ名が選択された場合に、各センサ名を表す木構造モデルを生成するモデル生成ステップ(S30)と、木構造モデルの中の何れか1つのセンサ名が選択されたか否かを判断する選択判断ステップ(S40)と、センサ名が選択された場合に、当該センサについての測定データをデータベース40から取得し、測定データについてのパラメータを生成するパラメータ生成ステップ(S45)と、パラメータを表示するとともに、表示されたパラメータについての変動操作量を入力する表示操作ステップ(S55)と、を実行し、パラメータ生成ステップ(S60)は、変動操作量に応じて当該パラメータを変動させるとともに、当該センサに相関関係のある他のセンサについて抽出するとともに、変動操作量に応じて他のセンサについての変動量を予測し、予測に応じたパラメータ量を表示することを特徴とする。
本態様によれば、データベース40から取得した各センサ名を表すセンサリストを生成し、センサリストの中の何れかのセンサ名が選択された場合に、各センサ名を表す木構造モデルを生成し、木構造モデルの中の何れか1つのセンサ名が選択された場合に、当該センサについての測定データをデータベース40から取得し、測定データについてのパラメータを生成し、パラメータを表示するとともに、表示されたパラメータについての変動操作量を入力し、変動操作量に応じて当該パラメータを変動させるとともに、当該センサに相関関係のある他のセンサについて抽出するとともに、変動操作量に応じて他のセンサについての変動量を予測し、予測に応じたパラメータ量を表示することで、プラント内に配置された複数の機器が故障する前段階で現れる故障予兆に対して、訓練者の感受性を高めることができる。また、機器故障の影響範囲を把握することができる。
本態様のプログラムは、第7態様に記載の各ステップをプロセッサに実行させることを特徴とするプログラム。
本態様によれば、各ステップをプロセッサに実行させることができる。
Claims (7)
- プラント内に配置された複数の機器と、前記各機器の挙動を計測する複数のセンサと、前記各センサにより測定された測定データを、前記各センサが配置されているセンサ名と関連付けて記憶するデータベースと、を備え、前記データベースから取得した測定データに基づいて、前記各センサの挙動についてのシミュレーションを行う故障予兆シミュレーション装置であって、
前記データベースから取得した前記各センサ名を表すセンサリストを生成するセンサリスト生成手段と、
前記センサリストの中の何れかのセンサ名が選択された場合に、前記各センサ名に関連する複数のセンサ情報により構成される木構造モデルを生成するモデル生成手段と、
前記木構造モデルの中の何れか1つのセンサ名が選択されたか否かを判断する選択判断手段と、
前記センサ名が選択された場合に、当該センサについての測定データを前記データベースから取得し、前記測定データについてのパラメータを生成するパラメータ生成手段と、
前記パラメータを表示するとともに、表示されたパラメータについての変動操作量を入力する表示操作手段と、を備え、
前記モデル生成手段は、任意の2地点に配置されたセンサの測定データ間の相関関係を示す近似式及びフィット値が所定の閾値を超えている場合に、当該センサを前記木構造モデルに含め、
前記パラメータ生成手段は、前記変動操作量に応じて当該パラメータを変動させるとともに、当該センサに相関関係のある他のセンサについて抽出するとともに、前記変動操作量に応じて前記他のセンサについての変動量を予測し、予測に応じたパラメータ量を表示することを特徴とする故障予兆シミュレーション装置。 - 前記パラメータ生成手段は、
前記変動操作の変動幅、前記他のセンサの測定データに基づいて、前記他のセンサの測定データの予測値を生成することを特徴とする請求項1に記載の故障予兆シミュレーション装置。 - 前記パラメータ生成手段は、
前記変動されたパラメータデータが所定の閾値を越えた場合に、警告を報知する機能を木構造モデルに含むことを特徴とする請求項1に記載の故障予兆シミュレーション装置。 - 前記データベースは、
過去の通常時から故障時に至る測定データを記憶することを特徴とする請求項1乃至3の何れか1つに記載の故障予兆シミュレーション装置。 - 請求項1乃至4の何れか1つに記載の故障予兆シミュレーション装置と、
前記故障予兆シミュレーション装置に接続された端末と、を備え、
前記故障予兆シミュレーション装置において生成された前記パラメータを前記端末に送信し、前記端末において前記パラメータを表示することを特徴とする故障予兆シミュレーションシステム。 - プラント内に配置された複数の機器と、前記各機器の挙動を計測する複数のセンサと、前記各センサにより測定された測定データを、前記各センサが配置されているセンサ名と関連付けて記憶するデータベースと、を備え、前記データベースから取得した測定データに基づいて、前記各センサの挙動についてのシミュレーションを行う故障予兆シミュレーション装置の故障予兆シミュレーション方法であって、
前記データベースから取得した前記各センサ名を表すセンサリストを生成するセンサリスト生成ステップと、
前記センサリストの中の何れかのセンサ名が選択された場合に、前記各センサ名に関連する複数のセンサ情報により構成される木構造モデルを生成するモデル生成ステップと、
前記木構造モデルの中の何れか1つのセンサ名が選択されたか否かを判断する選択判断ステップと、
前記センサ名が選択された場合に、当該センサについての測定データを前記データベースから取得し、前記測定データについてのパラメータを生成するパラメータ生成ステップと、
前記パラメータを表示するとともに、表示されたパラメータについての変動操作量を入力する表示操作ステップと、を実行し、
前記モデル生成手ステップは、任意の2地点に配置されたセンサの測定データ間の相関関係を示す近似式及びフィット値が所定の閾値を超えている場合に、当該センサを前記木構造モデルに含め、
前記パラメータ生成手段は、前記変動操作量に応じて当該パラメータを変動させるとともに、当該センサに相関関係のある他のセンサについて抽出するとともに、前記変動操作量に応じて前記他のセンサについての変動量を予測し、予測に応じたパラメータ量を表示することを特徴とする故障予兆シミュレーション方法。 - 請求項6に記載の各ステップをプロセッサに実行させることを特徴とするプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015140605A JP6706034B2 (ja) | 2015-07-14 | 2015-07-14 | 故障予兆シミュレーション装置、故障予兆シミュレーション方法、故障予兆シミュレーションシステム、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015140605A JP6706034B2 (ja) | 2015-07-14 | 2015-07-14 | 故障予兆シミュレーション装置、故障予兆シミュレーション方法、故障予兆シミュレーションシステム、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017021282A JP2017021282A (ja) | 2017-01-26 |
JP6706034B2 true JP6706034B2 (ja) | 2020-06-03 |
Family
ID=57888271
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015140605A Active JP6706034B2 (ja) | 2015-07-14 | 2015-07-14 | 故障予兆シミュレーション装置、故障予兆シミュレーション方法、故障予兆シミュレーションシステム、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6706034B2 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108389497A (zh) * | 2018-03-21 | 2018-08-10 | 四川银沙科技有限公司 | 一种图形化机器人教学培训系统 |
CN108510823A (zh) * | 2018-03-21 | 2018-09-07 | 四川银沙科技有限公司 | 一种机器人工作故障远程调试教学系统 |
US11341588B2 (en) * | 2019-09-04 | 2022-05-24 | Oracle International Corporation | Using an irrelevance filter to facilitate efficient RUL analyses for utility system assets |
US11367018B2 (en) | 2019-12-04 | 2022-06-21 | Oracle International Corporation | Autonomous cloud-node scoping framework for big-data machine learning use cases |
CN116128166B (zh) * | 2023-04-17 | 2023-06-23 | 广州云硕科技发展有限公司 | 一种用于智能交通的数据可视化处理方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11327627A (ja) * | 1998-05-13 | 1999-11-26 | Mitsubishi Electric Corp | プラント監視制御装置 |
JP2003280733A (ja) * | 2002-03-22 | 2003-10-02 | Mitsubishi Electric Corp | 監視制御システム |
JP4872944B2 (ja) * | 2008-02-25 | 2012-02-08 | 日本電気株式会社 | 運用管理装置、運用管理システム、情報処理方法、及び運用管理プログラム |
JP5814681B2 (ja) * | 2011-07-29 | 2015-11-17 | 株式会社東芝 | プラントシミュレーション装置 |
-
2015
- 2015-07-14 JP JP2015140605A patent/JP6706034B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2017021282A (ja) | 2017-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6706034B2 (ja) | 故障予兆シミュレーション装置、故障予兆シミュレーション方法、故障予兆シミュレーションシステム、及びプログラム | |
CN110262279B (zh) | 控制系统以及控制方法 | |
US5212635A (en) | Method and apparatus for measurement of manufacturing technician efficiency | |
US8515569B2 (en) | Work support system, work support method, and storage medium | |
US20130147630A1 (en) | Alarm display apparatus and alarm display method | |
CN111459700A (zh) | 设备故障的诊断方法、诊断装置、诊断设备及存储介质 | |
WO2018073960A1 (ja) | 表示方法、表示装置、および、プログラム | |
JP6489235B2 (ja) | システム分析方法、システム分析装置、および、プログラム | |
US20220382233A1 (en) | Information processing device, prediction method, and computer-readable recording medium | |
KR102024829B1 (ko) | Cart 기반의 입력변수 랭킹을 이용한 산업공정의 고장변수 식별을 위한 장치 및 방법 | |
KR101591300B1 (ko) | 원전 기기의 인간 공학 적합성 평가를 위한 장치 및 방법 | |
JP2007156344A (ja) | プラントシミュレータ | |
JP7165108B2 (ja) | 作業訓練システム及び作業訓練支援方法 | |
JP2022082277A (ja) | 検知プログラム、検知装置、および検知方法 | |
JP2002099319A (ja) | プラント診断装置 | |
US20210157707A1 (en) | Transferability determination apparatus, transferability determination method, and recording medium | |
JPS62192694A (ja) | プラント診断装置 | |
JP2015004845A (ja) | 情報処理装置 | |
US20220414555A1 (en) | Prediction system, information processing apparatus, and information processing program | |
US11893869B2 (en) | Information processing device, alarm prediction method, and computer-readable recording medium | |
TWI829908B (zh) | 提高生產效率之支援系統、方法及電腦程式 | |
WO2022162957A1 (ja) | 情報処理装置、制御システムおよびレポート出力方法 | |
WO2023139750A1 (ja) | データセット作成装置及びコンピュータ読み取り可能な記録媒体 | |
JP7222441B1 (ja) | 分析装置、分析方法及びプログラム | |
JP2023035073A (ja) | 情報処理装置、予測方法および予測プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20150901 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180614 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190530 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190604 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190716 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20191112 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191223 |
|
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: 20200428 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200515 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6706034 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |