JP6723944B2 - プラントデータ分類装置、プラントデータ表示処理装置及びプラント制御システム - Google Patents
プラントデータ分類装置、プラントデータ表示処理装置及びプラント制御システム Download PDFInfo
- Publication number
- JP6723944B2 JP6723944B2 JP2017043821A JP2017043821A JP6723944B2 JP 6723944 B2 JP6723944 B2 JP 6723944B2 JP 2017043821 A JP2017043821 A JP 2017043821A JP 2017043821 A JP2017043821 A JP 2017043821A JP 6723944 B2 JP6723944 B2 JP 6723944B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- category
- evaluation index
- unit
- classification
- 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
- 238000012545 processing Methods 0.000 title claims description 46
- 238000011156 evaluation Methods 0.000 claims description 186
- 238000000034 method Methods 0.000 claims description 50
- 238000004364 calculation method Methods 0.000 claims description 30
- 238000013507 mapping Methods 0.000 claims description 12
- 230000003044 adaptive effect Effects 0.000 claims description 9
- 230000007423 decrease Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 29
- 239000013598 vector Substances 0.000 description 12
- 230000006870 function Effects 0.000 description 7
- 238000005259 measurement Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 239000000126 substance Substances 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
- G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23211—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with adaptive number of clusters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Probability & Statistics with Applications (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
本発明は、プラント設備の温度、圧力などの運転データを表示するプラントデータ分類装置、プラントデータ表示処理装置及びプラント制御システムに関する。
発電プラントや化学プラント等には、プラントの監視及び制御を目的として、温度計、圧力計及び流量計などの多くのセンサーが設置されている。近年、これらのセンサーの計測データを活用し、プラントの運用効率や製品(プラント設備、プラント設備を構成する機器など)の収率等を向上させたいという要求が大きくなっている。
プラントの運用効率や製品の収率などの評価指標(性能指標)を向上させるには、プラントの状態と、評価指標との関係をモデル化(可視化)する必要がある。
モデル化を実現する技術として、例えば特許文献1には、操作パラメーターをX軸、条件パラメーターをY軸、評価パラメーターをZ軸に示して、各パラメーターの関係をモデル化する方法が記載されている。各パラメーターの関係を可視化するデータ表示方法も示されている。
プラントを構成する設備や機器の数が多くなると、プラントの計測点の数は非常に多くなる。この非常に多くの計測点のデータ(多次元データ)を分類する方法として、データクラスタリング技術がある。例えば特許文献2には、適応共鳴理論(ART)というクラスタリング技術を用いて、多次元の運転データを複数のカテゴリー(以下「ARTカテゴリー」)に分類する異常診断方法が記されている。特許文献2に記載の技術は、ARTカテゴリーに属するデータの教師カテゴリーが複数個存在する場合に、重み係数ベクトルの修正操作又は警戒係数の変更操作の少なくともいずれか一方を実施し、入力データを再度分類する。
しかしながら、特許文献1に記載の技術では、操作パラメーターの項目と条件パラメーターの項目を合わせた数が3以上となった場合に、これらのパラメーターの関係を可視化することは非常に難しい。
特許文献2に記載の技術は、不必要にARTカテゴリーを増加させないで多次元のデータを分類することができる。しかし、特許文献2には、プラントの状態と評価指標との関係をモデル化することについて記載されていない。
上記の状況から、多次元の運転データの状態を分類したカテゴリーとプラントの評価指標との関係を適切にモデル化する手法が要望されていた。
本発明の一態様のプラントデータ分類装置は、プラントの運転データを格納する運転データデータベースと、該運転データデータベースから取得した多次元の運転データを類似度に応じたカテゴリーに分類し、分類結果のカテゴリーを出力するデータ分類部と、運転データデータベースに格納された運転データの値からカテゴリーの評価指標を計算する評価指標計算部と、を備える。さらに、上記プラントデータ分類装置は、データ分類部から出力されたカテゴリー毎に評価指標計算部で求められたカテゴリーの評価指標のばらつきを計算し、その評価指標のばらつきが基準値以下であるか否かを判定する分類結果評価部と、該分類結果評価部においてその評価指標のばらつきが基準値を超えると判定された場合に、データ分類部のカテゴリーの大きさを規定するパラメーターの値を、カテゴリーの大きさが小さくなる方向に変更するパラメーター変更部と、を備える。
また本発明の一態様のプラントデータ表示処理装置は、上記のプラントデータ分類装置に、更に、分類結果表示処理部を備える。分類結果表示処理部は、各カテゴリーに含まれる運転データから、カテゴリー毎に運転データの代表値を計算し、当該運転データの代表値の類似度に応じて各カテゴリーの識別情報を2次元にマッピングし、マッピングしたカテゴリーの識別情報を第1の軸及び第2の軸からなる平面に表し、上記評価指標計算部で求めたカテゴリーの評価指標を第3の軸に表した3次元の画像データを生成する。
また本発明の一態様のプラント制御システムは、上記のプラントデータ表示処理装置に、更に、プラントに対する入力操作を受け付けて入力操作に応じた操作信号を出力する操作部と、該操作部から入力された操作信号に基づいてプラントの制御を行う制御装置と、を備える。
本発明の少なくとも一態様によれば、多次元の運転データの状態をより確実にカテゴリーに分類することができる。そのため、多次元の運転データの状態を分類したカテゴリーとプラントの評価指標との関係を適切にモデル化できる。
上記した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。
上記した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。
以下、本発明を実施するための形態の例について、添付図面を参照しながら説明する。各図において実質的に同一の機能又は構成を有する構成要素については、同一の符号を付して重複する説明を省略する。
[検討]
初めに発明者らは、特許文献2に記載の技術を応用して、プラントの状態(カテゴリー番号)と評価指標の関係を可視化する方法を考えた。
初めに発明者らは、特許文献2に記載の技術を応用して、プラントの状態(カテゴリー番号)と評価指標の関係を可視化する方法を考えた。
図1は、プラントの状態としてのカテゴリー番号と評価指標(代表値)の関係を表す表示形態例を示す。
図1に示すように、横軸にカテゴリー番号、縦軸に各カテゴリーに含まれる運転データに基づきカテゴリー毎に評価指標の代表値(例えば平均値)をとることで、プラントの状態(カテゴリー番号)と評価指標の関係を可視化することができる。
図1に示すように、横軸にカテゴリー番号、縦軸に各カテゴリーに含まれる運転データに基づきカテゴリー毎に評価指標の代表値(例えば平均値)をとることで、プラントの状態(カテゴリー番号)と評価指標の関係を可視化することができる。
また、単に特許文献2に記載の技術を利用しただけでは、条件によっては、プラントの状態と評価指標のモデル化の精度が低下する場合がある。これは、各カテゴリーに分類された運転データに基づき評価指標のばらつきが大きい場合である。図2にその一例を示す。
図2は、図1のカテゴリー番号と評価指標(代表値)の関係を表す表示形態例に、当該カテゴリー内の運転データごとの評価指標を重ねた図である。
図2にひし形でプロットしたデータは、各カテゴリーに分類された運転データに基づく評価指標を示す。例えば、カテゴリー番号1に分類された運転データに基づく評価指標は、カテゴリー番号3,4等の場合と比較して、非常にばらつきが大きいことがわかる。このように、評価指標のばらつきが大きい場合には、カテゴリー番号と評価指標の関係を適切にモデル化できない。
図2にひし形でプロットしたデータは、各カテゴリーに分類された運転データに基づく評価指標を示す。例えば、カテゴリー番号1に分類された運転データに基づく評価指標は、カテゴリー番号3,4等の場合と比較して、非常にばらつきが大きいことがわかる。このように、評価指標のばらつきが大きい場合には、カテゴリー番号と評価指標の関係を適切にモデル化できない。
そこで、発明者らは、多次元の運転データの状態を分類したカテゴリーとプラントの評価指標との関係を適切にモデル化する方法について検討を重ねた結果、以下に説明する構成を発明した。
<1.第1の実施形態>
[プラント制御装置の全体構成]
図3は、第1の実施形態に係るデータ分類装置を含むプラント制御システムの構成例を示すブロック図である。
[プラント制御装置の全体構成]
図3は、第1の実施形態に係るデータ分類装置を含むプラント制御システムの構成例を示すブロック図である。
第1の実施形態に係るプラント制御システム1は、図3に示すように、プラント10の運転データの分類処理及び分類結果の表示処理を行うデータ分類装置20(プラントデータ分類装置及びプラントデータ表示処理装置の一例)、表示部22、制御装置30及び操作部31を備える。
データ分類装置20は、運転データデータベース201、データ分類部202、評価指標計算部203、分類結果評価部204、パラメーター変更部205、及び分類結果表示処理部206を含む。
運転データデータベース201は、不図示の入力インターフェースを介して入力される、プラント10を構成する設備や機器の温度、圧力、流量などの計測データの時系列データを格納する。また、運転データデータベース201は、制御装置30より入力される、バルブ開度などの操作量データや制御の設定値データの時系列データを格納する。以下、計測データ、操作量データ、設定値データを合わせて「運転データ」と呼ぶ。ただし、計測データを運転データと記載することもある。
データ分類部202は、運転データデータベース201から取得した多次元の運転データを、クラスタリング技術を用いて類似度に応じたカテゴリーに分類し、分類結果のカテゴリーを評価指標計算部203及び分類結果評価部204に出力する。本実施形態では、一例として適応共鳴理論(Adaptive Resonance Theory:以下「ART」と称する)を用いる。
評価指標計算部203は、運転データデータベース201に格納された運転データの値から、データ分類部202で分類された各カテゴリーの評価指標を計算する。本実施形態では、評価指標の一つとして製品の収率を計算する。
分類結果評価部204では、データ分類部202で分類された運転データのカテゴリー情報と評価指標計算部203で求めた評価指標とを用いて、各カテゴリーに分類された運転データに基づき評価指標のばらつきを計算する。そして、分類結果評価部204は、評価指標のばらつきが基準値以下であるか否かを判定し、判定結果をパラメーター変更部205へ出力する。求めた各カテゴリーのばらつきが全て基準値以下であれば、分類結果表示処理部206による表示処理が行われる。一方、基準値を超えるばらつきがあった場合には、分類結果評価部204は、その旨をパラメーター変更部205に通知する。なお、本実施形態では、一例として各カテゴリーに分類された運転データに基づく評価指標の最大値から最小値を引いた値をばらつきの指標とする。
パラメーター変更部205は、分類結果評価部204においてばらつきが基準値以下ではないと判定された場合に、データ分類部202のカテゴリーの大きさを規定するパラメーターの値を変更する。本実施形態は、運転データのカテゴリー分類に一例として適応共鳴理論(ART)を利用し、ARTのカテゴリーの大きさが小さくなるように、ARTのパラメーターである警戒係数を大きくする。
パラメーター変更部205によりパラメーターの値が変更された場合、データ分類部202は、変更後のパラメーターを用いて運転データをカテゴリーに再度分類する。次いで、評価指標計算部203は、再分類されたカテゴリーに基づいて、カテゴリーの評価指標を再計算する。そして、分類結果評価部204は、評価指標計算部203で再度求められたカテゴリーの評価指標のばらつきを計算し、該評価指標のばらつきが基準値以下であるか否かを再判定する。
分類結果表示処理部206は、分類された各カテゴリーに含まれる運転データから、カテゴリー毎に運転データの代表値を計算し、運転データの代表値の類似度に応じて各カテゴリーの情報(カテゴリー識別情報)を2次元に写像(マッピング)する。そして、分類結果表示処理部206は、マッピングしたカテゴリーの情報を第1の軸(X軸)及び第2の軸(Y軸)からなる平面に表し、評価指標計算部203で求めたカテゴリーの評価指標を第3の軸(Z軸)に表した3次元の画像データを生成(グラフ化)する。
表示部22は、分類結果表示処理部206で生成された、カテゴリー番号と評価指標との関係を表す画像データを画面に表示する。
操作部21は、監視員の操作内容に基づいて、分類結果評価部204において分類結果を評価する際の条件を変更する。また、操作部21は、監視員の操作内容に基づいて、パラメーター変更部205がパラメーター(例えば警戒係数)を変更する際のステップ幅を調整したり、パラメーターの値を直接入力したりする。
制御装置30は、運転データデータベース201に格納されたプラント10の運転データに基づいて、プラント10の監視及び制御を行う。また、制御装置30は、操作部31から入力される操作信号に応じてプラント10の制御を行う。
操作部31は、監視員の入力操作を受け付けて、入力操作に応じた操作信号を制御装置30に入力する。
以下、本発明の第1の実施形態について詳細に説明する。
(系統図の例)
図4は、プラント構成の一例を示す系統図である。
以下、プラント10として化学プラントを例に説明する。図4は、表示部22の画面に表示される化学プラントの系統図の一例である。系統図は、例えば系統図作成用CADソフトで作成された電子ファイルであり、系統図には、機器、接続配管、主要な計測機器が記載されている。系統図は、配管計装線図または、P&ID(Piping & Instrument Flow
Diagram)とも呼ばれる。系統図には、機器(図4では反応器R1〜R4)、機器間を接続する配管、計測器などの情報が記載されている。なお、図4において、計測器にはF1,P1,T1などのタグがついている。本実施形態では、Fが流量計、Pが圧力計、Tが温度計を示している。図4に示す系統には、28個の計測器が設けられている。図4において化学プラントを例示したが、発電プラントや医薬プラントなどでもよい。
図4は、プラント構成の一例を示す系統図である。
以下、プラント10として化学プラントを例に説明する。図4は、表示部22の画面に表示される化学プラントの系統図の一例である。系統図は、例えば系統図作成用CADソフトで作成された電子ファイルであり、系統図には、機器、接続配管、主要な計測機器が記載されている。系統図は、配管計装線図または、P&ID(Piping & Instrument Flow
Diagram)とも呼ばれる。系統図には、機器(図4では反応器R1〜R4)、機器間を接続する配管、計測器などの情報が記載されている。なお、図4において、計測器にはF1,P1,T1などのタグがついている。本実施形態では、Fが流量計、Pが圧力計、Tが温度計を示している。図4に示す系統には、28個の計測器が設けられている。図4において化学プラントを例示したが、発電プラントや医薬プラントなどでもよい。
(運転データの例)
図5は、運転データデータベースに格納されている運転データの例を示す。
運転データ201aは、時刻毎の流量、圧力、温度の値が保存された時系列データである。図5の例では、第1反応器入口流量、第1反応器入口圧力などのようにプラント10の系統図(図4)の各部位で計測された計測データが、例えば1分間隔で保存されている。
図5は、運転データデータベースに格納されている運転データの例を示す。
運転データ201aは、時刻毎の流量、圧力、温度の値が保存された時系列データである。図5の例では、第1反応器入口流量、第1反応器入口圧力などのようにプラント10の系統図(図4)の各部位で計測された計測データが、例えば1分間隔で保存されている。
データ分類部202は、データクラスタリング技術を用いて、運転データデータベース201から取得した多次元の運転データを類似度に応じたカテゴリーに分類する。そして、データ分類部202は、分類結果(本実施形態ではカテゴリー番号)を、評価指標計算部203及び分類結果表示処理部206に出力する。データクラスタリング技術として、いくつかの手法が提案されているが、本実施形態では、適応共鳴理論(ART)を用いた。
ARTネットワーク(ARTモジュール)は、入力データaを入力すると、ARTカテゴリーj(例えばjは自然数)を出力する。ただし、分類手法をARTに限定するものではなく、カテゴリー毎にパラメーターを調整して該当カテゴリーの大きさを変更できるものであれば他のデータクラスタリング技術を用いてもよい。
ARTネットワーク(ARTモジュール)は、入力データaを入力すると、ARTカテゴリーj(例えばjは自然数)を出力する。ただし、分類手法をARTに限定するものではなく、カテゴリー毎にパラメーターを調整して該当カテゴリーの大きさを変更できるものであれば他のデータクラスタリング技術を用いてもよい。
(運転データの分類方法)
図6は、適応共鳴理論(ART)を利用した運転データの分類方法の概要を示す。図6上段のグラフの横軸は時刻、縦軸は運転データの値を表す。また図6下段のグラフの横軸は時刻、縦軸はカテゴリー番号を表す。
図6は、適応共鳴理論(ART)を利用した運転データの分類方法の概要を示す。図6上段のグラフの横軸は時刻、縦軸は運転データの値を表す。また図6下段のグラフの横軸は時刻、縦軸はカテゴリー番号を表す。
ARTは、人間のパターン認識アルゴリズムを模擬したモデルであり、多次元のデータをその類似度に応じて複数のカテゴリーに分類することができる。ARTの構成については、公知の文献等に記載されているため、詳細な説明を割愛し、ARTを使ったデータの分類方法についてのみ図6を用いて説明する。ARTを用いたデータ分類方法の一例は、例えば特開2005−258649号公報に記載されている。
一般にARTに入力する運転データは4次元以上のデータであるが、ここでは、データを単純化し、図6上段に示す2次元の時系列データ(データ1、データ2)を分類する場合について考える。この時系列データの各時刻におけるデータは、データ1、データ2の2次元のデータとなる。
この2次元のデータをデータ分類部202(ART)に入力すると、例えば、データ1の値が大きくかつデータ2の値が小さい領域1のデータは、あるカテゴリー(カテゴリー1)に分類される(図6下段)。また、領域2のデータは、領域1のデータとはデータ1とデータ2の関係が異なるため、別のカテゴリー(カテゴリー2)として分類される。同様にして、領域3、領域4のデータは、それぞれ別のカテゴリーとして分類される。本実施形態では、図5に示した28項目のデータを入力項目としてARTにより分類した。
なお、本実施形態では、カテゴリーを番号(数字)により識別したが、何らかの記号を用いて識別すればよい。即ち、番号はカテゴリーの識別情報の一例である。また、番号を囲む円(球)等の図形は、該当カテゴリーの位置を示すものであって自カテゴリーと他のカテゴリーを区別し得る情報であるから、広い意味で識別情報に含まれる。
評価指標計算部203は、運転データデータベース201に格納された運転データの値からプラント10の評価指標を計算する。本実施形態では、プラント10の評価指標として製品(図4の系統)の収率を計算した。具体的には、図5に示す運転データ201aのうち、流量計F1で計測された反応器R1の入口流量である第1反応器入口流量、及び、流量計F12で計測された反応器R4の出口流量である第4反応器出口流量の値を式(1)に適用する。
製品の収率=K×(流量計F12の値)/(流量計F1の値) ・・・・・(1)
ここで、Kは、理論式から求めた係数であり、理想的な運転状態では、製品の収率が100%となる。
ここで、Kは、理論式から求めた係数であり、理想的な運転状態では、製品の収率が100%となる。
(評価指標データの例)
図7は、評価指標データの一例を示す図である。図7に示す評価指標データ203aは、図5の運転データ201aの取得タイミングに対応して、例えば数分間隔(図では1分)で評価指標(収率)の計算及び記録がなされる。
図7は、評価指標データの一例を示す図である。図7に示す評価指標データ203aは、図5の運転データ201aの取得タイミングに対応して、例えば数分間隔(図では1分)で評価指標(収率)の計算及び記録がなされる。
[分類結果評価部]
分類結果評価部204について説明する。分類結果評価部204では、まず、データ分類部202で分類されたカテゴリー毎に、評価指標計算部203で求めた複数の評価指標のばらつきを計算する。本実施形態では、複数の評価指標の最大値から最小値を引いた値(レンジ)、又は分散をばらつきの指標とし、いずれかを選択できるものとした。最大値から最小値を引いた値を利用する場合、例えば、カテゴリー1に分類された運転データに基づく評価指標の最大値が0.98、最小値が0.97とすると、カテゴリー1のばらつきは、0.01となる。
分類結果評価部204について説明する。分類結果評価部204では、まず、データ分類部202で分類されたカテゴリー毎に、評価指標計算部203で求めた複数の評価指標のばらつきを計算する。本実施形態では、複数の評価指標の最大値から最小値を引いた値(レンジ)、又は分散をばらつきの指標とし、いずれかを選択できるものとした。最大値から最小値を引いた値を利用する場合、例えば、カテゴリー1に分類された運転データに基づく評価指標の最大値が0.98、最小値が0.97とすると、カテゴリー1のばらつきは、0.01となる。
次に、このようにして求めた各カテゴリーの評価指標のばらつきが妥当であるか否かを判定する。本実施形態では、全カテゴリーについて評価指標のばらつきが基準値以下であった場合には、ばらつきが妥当であると判断し、分類結果表示処理部206の処理を実施する。また、評価指標のばらつきが基準値を超えるカテゴリーがあった場合には、ばらつきが妥当でないと判断し、パラメーター変更部205によりパラメーターを変更する。
パラメーター変更部205では、ARTのカテゴリーの大きさを規定するパラメーターである警戒係数ρの値を、現状の値ρ1からρ2に変更する。本実施形態では、式(2)に従いパラメーターの値を変更する。
ρ2=ρ1+Δρ ・・・・・(2)
以上のように警戒係数ρを変更し、再度データ分類部202で運転データを分類することにより、同一カテゴリーに含まれる運転データに基づく評価指標のばらつきは小さくなり、最終的には、全カテゴリーの評価指標のばらつきが基準値以下となる。このように分類された結果の例を図8に示す。
図8は、分類結果評価部204の計算結果に基づく、カテゴリー番号と評価指標(代表値)の関係を表す表示形態例を示す。
図8は、図2と同じ運転データを、より大きな警戒係数で分類した結果である。その結果、カテゴリー数が6個から12個に増加し、各カテゴリーの評価指標のばらつきが減少した。図8のカテゴリー1,2は図2のカテゴリー1が2つに分かれたものである。同様に、カテゴリー3,4は図2のカテゴリー2に対応し、カテゴリー5,6は図2のカテゴリー3に対応し、カテゴリー7,8は図2のカテゴリー4に対応し、カテゴリー9,10は図2のカテゴリー5に対応し、カテゴリー11,12は図2のカテゴリー6に対応する。本図のように分類できれば、カテゴリーと評価指標の関係が適切にモデル化できていると考えられる。
図8は、図2と同じ運転データを、より大きな警戒係数で分類した結果である。その結果、カテゴリー数が6個から12個に増加し、各カテゴリーの評価指標のばらつきが減少した。図8のカテゴリー1,2は図2のカテゴリー1が2つに分かれたものである。同様に、カテゴリー3,4は図2のカテゴリー2に対応し、カテゴリー5,6は図2のカテゴリー3に対応し、カテゴリー7,8は図2のカテゴリー4に対応し、カテゴリー9,10は図2のカテゴリー5に対応し、カテゴリー11,12は図2のカテゴリー6に対応する。本図のように分類できれば、カテゴリーと評価指標の関係が適切にモデル化できていると考えられる。
なお、警戒係数は1より小さい(ρ<1)という制限があるため、警戒係数ρの最大値を規定し、パラメーター変更部205はρが1以上とならないように変更するものとする。また、本実施形態では、変更時のステップ幅(増加幅)であるΔρを固定値としたが、例えば、評価指標のばらつきの値と基準値の偏差が大きい場合にはΔρを大きく、偏差が小さい場合はΔρを小さくするなど、可変としてもよい。監視員は、操作部21を操作してΔρを変更する。
なお、評価指標のばらつきの指標を評価指標の最大値と最小値の差分値とするか、分散とするかの選択及びその基準値の設定は、図9に示す設定画面により設定する。また、分類した結果の評価指標の平均値とばらつきは、図10の表示画面で確認することができる。
図9は、ばらつき指標に関する設定画面の例を示す。
設定画面W1のバラツキ指標の種類に対する設定部s1において、監視員は操作部21を使用して、ラジオボタンにより「最大値−最小値」又は「分散」を選択することができる。また、ばらつき指標の基準値の設定部s2において、監視員は操作部21を使用して、任意の基準値を入力することができる。
設定画面W1のバラツキ指標の種類に対する設定部s1において、監視員は操作部21を使用して、ラジオボタンにより「最大値−最小値」又は「分散」を選択することができる。また、ばらつき指標の基準値の設定部s2において、監視員は操作部21を使用して、任意の基準値を入力することができる。
図10は、分類結果の評価指標の平均値とばらつきを表示する表示画面の例を示す。
図10に示す表示画面W2では、「カテゴリー番号」、「データ数」、「評価指標の平均値」及び「評価指標のばらつき」の項目が表示される。監視員は、カテゴリー毎に評価指標の平均値とばらつきを視認可能である。
図10に示す表示画面W2では、「カテゴリー番号」、「データ数」、「評価指標の平均値」及び「評価指標のばらつき」の項目が表示される。監視員は、カテゴリー毎に評価指標の平均値とばらつきを視認可能である。
[分類結果表示処理部の処理]
分類結果表示処理部206は、カテゴリー番号とプラント10の運転データに基づく評価指標との関係をグラフ化する。
分類結果表示処理部206は、カテゴリー番号とプラント10の運転データに基づく評価指標との関係をグラフ化する。
図11は、分類結果表示処理部206の表示処理(グラフ化)を示すフローチャートである。
まずステップS1において、分類結果表示処理部206は、データ分類部202で分類された各カテゴリーに含まれる運転データを元に、カテゴリー毎に運転データ、及び評価指標の代表値を計算する。即ち、分類結果表示処理部206は、各カテゴリーに含まれる各項目の運転データの代表値を計算するとともに、その運転データに基づき評価値を計算する。
まずステップS1において、分類結果表示処理部206は、データ分類部202で分類された各カテゴリーに含まれる運転データを元に、カテゴリー毎に運転データ、及び評価指標の代表値を計算する。即ち、分類結果表示処理部206は、各カテゴリーに含まれる各項目の運転データの代表値を計算するとともに、その運転データに基づき評価値を計算する。
本実施形態で用いた運転データは、一例として図4に示す28項目(計測器)からサンプリングしたデータである。例えば、カテゴリー1に含まれるデータが100点(100サンプリング点)あったとすると、流量計F1による第1反応器入口流量、圧力計P1による第1反応器入口圧力といった項目毎に100点のデータの平均値を計算する。
また、評価指標は、式(1)により求めた製品の収率であり、評価指標についても同様に100点の平均値を算出する。
なお、本実施形態では、代表値として平均値を採用したが、中央値など他の代表値を採用してもよい。
次にステップS2において、ステップS1で計算されたカテゴリー間の運転データの各項目の代表値の類似度に応じて、各カテゴリーに含まれる運転データの各項目の代表値を2次元にマッピングする(写像)。なお以下の説明において、各カテゴリーに含まれる運転データの各項目の代表値を2次元にマッピングすることを「カテゴリー番号を2次元にマッピングする」と記すことがある。
本実施形態では、運転データの代表値をマッピングする方法として、自己組織化マップを利用する。自己組織化マップは、ニューラルネットワークの一種で、高次元のデータを1〜3次元空間にマッピングする手法であり、高次元の空間内の位置関係を、低次元の空間内で再現しようとするものである。
[自己組織化マップの概要]
ここで、自己組織化マップの概要について説明する。
図12は、n次元のデータ(Xj1〜Xjn)を2次元にマッピングする場合の構成を示す。
図12は、適応共鳴理論の説明図である。
ここで、自己組織化マップの概要について説明する。
図12は、n次元のデータ(Xj1〜Xjn)を2次元にマッピングする場合の構成を示す。
図12は、適応共鳴理論の説明図である。
図12に示すように、自己組織化マップでは、入力データを入力する入力層と、入力データをマッピングする出力層の2つの層を備える。入力データ及びマッピング後のデータは、ノードとも呼ばれる。入力データを2次元にマッピングする場合には、出力層ではノードが2次元(例えば格子状)に配置される。即ち、出力層の各ノードの位置が、各カテゴリーの位置に対応する。
本実施形態では、入力層に入力される各データXj1〜Xjnは、カテゴリーごとの運転データの各項目(図6)の代表値に相当する。入力層の各ノードは、出力層の各ノードと重み係数mi1〜minを介して接続されている。なお、図12では、図が煩雑になるのを避けるため、入力層の各入力データと出力層のi番目のノードとの接続関係のみを記載している。
次に、自己組織化マップのアルゴリズムについて説明する。自己組織化マップでは、次の3つのステップ(1)〜(3)により、n次元のデータを出力層にマッピングする。
ステップ(1):
出力層における全てのノードの重み係数ベクトルmiの中から、入力データの重み係数mi1〜minに基づく重み係数ベクトルと最も類似している重み係数ベクトルmcを探し出し、そのノードを勝者とする。重み係数ベクトルは「参照ベクトル」とも呼ばれる。
ステップ(2):
勝者のノード及びその近傍のノードの重み係数ベクトルmiを、入力データの重み係数mi1〜minに基づく重み係数ベクトルに近くなるように更新する。
ステップ(3):
入力データが与えられる度にステップ(1)、(2)を繰り返す。
出力層における全てのノードの重み係数ベクトルmiの中から、入力データの重み係数mi1〜minに基づく重み係数ベクトルと最も類似している重み係数ベクトルmcを探し出し、そのノードを勝者とする。重み係数ベクトルは「参照ベクトル」とも呼ばれる。
ステップ(2):
勝者のノード及びその近傍のノードの重み係数ベクトルmiを、入力データの重み係数mi1〜minに基づく重み係数ベクトルに近くなるように更新する。
ステップ(3):
入力データが与えられる度にステップ(1)、(2)を繰り返す。
重み係数ベクトルminの初期値は乱数を発生させて決定する。その後はステップ(1)〜(3)により、出力層において近くに配置されているノード同士は互いに類似の重み係数ベクトルを持つようになり、遠くに配置されているノード同士は互いに異なる重み係数ベクトルを持つようになる。したがって、入力層に入力したデータ(Xj1〜Xjn)を、出力層の重み係数ベクトルが最も近いノードの位置に配置することで、n次元のデータを2次元にマッピングすることができる。
なお、本実施形態では、分類結果表示処理部206におけるマッピング方法に自己組織化マップを採用したが、多次元データをマッピングする方法は、自己組織化マップに限定されるものでなく、例えば多次元尺度法などの別の手段を利用してもよい。多次元尺度法は、分類対象物間の類似度あるいは距離に変換可能な親近性データを、2次元あるいは3次元空間に配置する手法で、類似した分類対象物を近くに、そうでない分類対象物を遠くに配置する。
[2次元空間へのマッピング例]
図13は、カテゴリー番号を2次元空間にマッピングした例を示す図である。
図13の2次元空間50に示された数字はカテゴリー番号であり、カテゴリー番号は各カテゴリーに含まれる運転データの各項目の代表値を元にマッピングされる。したがって、本図から、例えば3番のカテゴリーは、4番及び5番にも近いが、9番にも近いということがわかる。また、7番と8番のカテゴリーは、番号は近いが、空間(ユークリッド距離)上は大きく離れていることが分かる。
図13は、カテゴリー番号を2次元空間にマッピングした例を示す図である。
図13の2次元空間50に示された数字はカテゴリー番号であり、カテゴリー番号は各カテゴリーに含まれる運転データの各項目の代表値を元にマッピングされる。したがって、本図から、例えば3番のカテゴリーは、4番及び5番にも近いが、9番にも近いということがわかる。また、7番と8番のカテゴリーは、番号は近いが、空間(ユークリッド距離)上は大きく離れていることが分かる。
図11のフローチャートの説明に戻る。ステップS3において、分類結果表示処理部206は、ステップS2でマッピングした2次元のカテゴリー番号をX軸及びY軸からなるXY平面に表し、評価指標計算部203で求めた評価指標の代表値をZ軸に表した3次元グラフを作成する。作成した3次元グラフの例を図14に示す。
[カテゴリー番号及び評価指標の3次元表示]
図14は、カテゴリー番号と評価指標の関係を表す3次元グラフの例を示す図である。
図14は、カテゴリー番号と評価指標の関係を表す3次元グラフの例を示す図である。
X軸(第1の軸)とY軸(第2の軸)を含むXY平面は、図12に示したカテゴリーの類似度の関係をマッピングした例を示している。本実施形態では、XY平面は4×4のドットを有し、分類されたカテゴリーが16点のドットのいずれかの上に描画されるようにしたが、この例に限らない。Z軸(第3の軸)の評価指標は、製品の収率であり、本実施形態では0.9から1.0の間の値をとる。例えば、本実施形態に係るカテゴリー番号と評価指標の代表値の対応は以下のとおりである。なお以降の説明において、各カテゴリーの評価指標の代表値を「評価値」と記すことがある。
番号1;0.97、番号2;0.93、番号3;0.92、番号4;0.94、番号5;0.92、番号6;0.98、番号7;1.00、番号8;0.91、番号9;1.00、番号10;0.99、番号11;0.96、番号12;0.96
図14のような3次元グラフ60により、カテゴリー(プラントの状態)間の関係が明確になるとともに、評価指標が高いカテゴリーの位置を可視化することができる。例えば、現在の運転データのカテゴリーが4番であるとき、1番、6番又は9番のカテゴリーになるようにプラントを操作すると評価指標が高くなり、逆に3番のカテゴリーの状態に近づくと評価指標が低下するということを、監視員は直観的に理解できる。
なお、図14の3次元グラフ60では、隣接するカテゴリー番号の評価値が連続している(繋がっている)が、柱状グラフを用いて評価指標の代表値を各カテゴリーの位置に合わせて離散的に表示してもよい。
[プラント制御システムの動作]
次に、プラント制御システム1の動作例を説明する。
図15は、データ分類装置20の動作例を示すフローチャートである。
初めにデータ分類部202は、運転データデータベース201から受信した多次元の運転データを、ARTによりカテゴリーに分類する(S11)。次に、評価指標計算部203は、各カテゴリーに分類された運転データに基づき評価指標を計算する(S12)。次に、分類結果評価部204は、カテゴリー毎に評価指標のばらつきを計算する(S13)。
次に、プラント制御システム1の動作例を説明する。
図15は、データ分類装置20の動作例を示すフローチャートである。
初めにデータ分類部202は、運転データデータベース201から受信した多次元の運転データを、ARTによりカテゴリーに分類する(S11)。次に、評価指標計算部203は、各カテゴリーに分類された運転データに基づき評価指標を計算する(S12)。次に、分類結果評価部204は、カテゴリー毎に評価指標のばらつきを計算する(S13)。
ここで、分類結果評価部204は、全てのカテゴリーの評価指標のばらつきが基準値以下であるか否かを判定する(S14)。全てのカテゴリーでばらつきが基準値以下である場合には(S14のYES)、分類結果表示処理部206は、分類結果を表示する処理を行う(S15)。ステップS15の処理が終了したら、本フローチャートの一連の処理を終了する。
一方、評価指標のばらつきが基準値を超えたカテゴリーが存在する場合には(S14のNO)、パラメーター変更部205は、カテゴリーの大きさを規定するパラメーター(警戒係数)を全カテゴリー共通で変更する(S16)。この場合は、式(2)に従い警戒係数を大きくする。そして、ステップS16の処理後、ステップS11に進み、再度運転データの分類、評価指標の計算、評価指標のばらつきの計算及び判定を行う。
[第1の実施形態の効果]
上述の構成を備える第1の実施形態に係るデータ分類装置20よれば、入力された運転データを分類し、各カテゴリー毎に分類に用いた運転データに基づく評価指標のばらつきを評価する。データ分類装置20は、評価指標のばらつきが基準値を超えるカテゴリーが存在する場合には、データ分類部202のカテゴリーの大きさを規定するパラメーターを変更し、運転データを再度分類する。それにより、多次元の運転データの状態をより確実にカテゴリーに分類することができるため、多次元の運転データの状態を分類したカテゴリーとプラントの評価指標との関係を適切にモデル化できる。即ち、プラント10の多次元の運転データのカテゴリー間の関係が明確となる。また、カテゴリーと評価指標の関係を組み合わせて2次元空間又は3次元空間で表示できる。このため、第1の実施形態に係るプラント制御システム1は、監視員によるプラント10の評価指標を向上させるための操作をより適切に支援することが可能となる。その結果、プラント10の運用効率を向上させることができる。
上述の構成を備える第1の実施形態に係るデータ分類装置20よれば、入力された運転データを分類し、各カテゴリー毎に分類に用いた運転データに基づく評価指標のばらつきを評価する。データ分類装置20は、評価指標のばらつきが基準値を超えるカテゴリーが存在する場合には、データ分類部202のカテゴリーの大きさを規定するパラメーターを変更し、運転データを再度分類する。それにより、多次元の運転データの状態をより確実にカテゴリーに分類することができるため、多次元の運転データの状態を分類したカテゴリーとプラントの評価指標との関係を適切にモデル化できる。即ち、プラント10の多次元の運転データのカテゴリー間の関係が明確となる。また、カテゴリーと評価指標の関係を組み合わせて2次元空間又は3次元空間で表示できる。このため、第1の実施形態に係るプラント制御システム1は、監視員によるプラント10の評価指標を向上させるための操作をより適切に支援することが可能となる。その結果、プラント10の運用効率を向上させることができる。
<2.第2の実施形態>
次に本発明の第2の実施形態について述べる。第2の実施形態は、カテゴリーの大きさを規定するパラメーターの変更を、カテゴリー単位で行う構成としたものである。
次に本発明の第2の実施形態について述べる。第2の実施形態は、カテゴリーの大きさを規定するパラメーターの変更を、カテゴリー単位で行う構成としたものである。
図16は、第2の実施形態に係るデータ分類装置を含むプラント制御システムの構成例を示すブロック図である。
第2の実施形態に係るデータ分類装置20Aが第1の実施形態と異なる点は、第1にデータ分類部202Aで用いるクラスタリング技術が、カテゴリーの大きさをカテゴリー毎に決定できるものを用いる点である。第2に、分類結果評価部204A及びパラメーター変更部205Aで、カテゴリー毎に、パラメーターの変更の要否を判定し、パラメーターを変更する点である。
第2の実施形態に係るデータ分類装置20Aが第1の実施形態と異なる点は、第1にデータ分類部202Aで用いるクラスタリング技術が、カテゴリーの大きさをカテゴリー毎に決定できるものを用いる点である。第2に、分類結果評価部204A及びパラメーター変更部205Aで、カテゴリー毎に、パラメーターの変更の要否を判定し、パラメーターを変更する点である。
以下に、第2の実施形態と第2の実施形態の相違点について詳細に説明する。
第2の実施形態では、データ分類部202Aに、分類の詳細度を示す警戒係数ρをカテゴリー毎に設定できるARTモデルを用いた。即ち、第1の実施形態で用いたARTモデルでは、全てのカテゴリーに対し、同一の警戒係数ρを持つが、第2の実施形態で用いたARTモデルでは、カテゴリーj(例えばjは自然数)に対し、1つの警戒係数ρjを持つ。ρjの初期値は同一の値に設定されているが、パラメーター変更部205Aで警戒係数を変更する際には、警戒係数ρjを個別に調整することができる。
第2の実施形態では、データ分類部202Aに、分類の詳細度を示す警戒係数ρをカテゴリー毎に設定できるARTモデルを用いた。即ち、第1の実施形態で用いたARTモデルでは、全てのカテゴリーに対し、同一の警戒係数ρを持つが、第2の実施形態で用いたARTモデルでは、カテゴリーj(例えばjは自然数)に対し、1つの警戒係数ρjを持つ。ρjの初期値は同一の値に設定されているが、パラメーター変更部205Aで警戒係数を変更する際には、警戒係数ρjを個別に調整することができる。
第2の実施形態における分類結果評価部204Aでは、評価指標のばらつきが妥当であるか否かをカテゴリー毎に判定する。ばらつきの妥当性の評価の方法は、第1の実施形態と同様であり、カテゴリーjに分類された運転データに基づき評価指標のばらつきを計算し、図9の設定画面W1で設定した評価指標のばらつきの基準値と比較して妥当性を評価する。ここでは、評価指標のばらつきが基準値を上回ったカテゴリーは、分類結果が妥当でないと判定される。分類結果評価部204Aは、評価指標のばらつきが基準値を超えたカテゴリーの情報(Cj)をパラメーター変更部205Aへ通知する。
パラメーター変更部205Aでは、分類結果が妥当でないと判定されたカテゴリーjのみ警戒係数ρjを変更する。警戒係数ρjの変更方法は、第1の実施形態と同様であり、現状の値ρj1を値ρj2に変更する。本実施形態では、式(3)に従いパラメーターの値を変更した。なお、本実施形態では、Δρは固定値としたが、可変としてもよい。
ρj2=ρj1+Δρ ・・・・・(3)
図17は、データ分類装置20Aの動作例を示すフローチャートである。
図17のステップS21〜S25の処理は、図15のステップS11〜S15の処理と同じであるため、説明を割愛する。
図17のステップS21〜S25の処理は、図15のステップS11〜S15の処理と同じであるため、説明を割愛する。
ステップS24において評価指標のばらつきが基準値を超えたカテゴリーが存在する場合には(S24のNO)、パラメーター変更部205Aは、該当カテゴリーに対し、カテゴリーの大きさを規定するパラメーター(警戒係数)を変更する(S26)。そして、ステップS26の処理後、ステップS21に進み、データ分類部202Aがカテゴリー毎に設定されたパラメーター(警戒係数)に基づいてすべての運転データを再度分類する。その後、データ分類装置202Aは、データ分類部202Aの再分類結果に基づいて、評価指標の計算、評価指標のばらつきの計算及び判定を再度行う。
[第2の実施形態の効果]
次に、第2の実施形態の効果を第1の実施形態と比較して説明する。ここでは、説明を分かりやすくするため、運転データは、データA、データBの2次元のデータとする。
次に、第2の実施形態の効果を第1の実施形態と比較して説明する。ここでは、説明を分かりやすくするため、運転データは、データA、データBの2次元のデータとする。
まず、第1の実施形態のデータ分類装置20で分類した結果について説明する。図18は、第1の実施形態に係る運転データの分類結果を示す説明図であり、警戒係数ρが初期値の状態で分類された運転データを示す。ここでは、データが6つのカテゴリーC1〜C6に分類されている。各カテゴリーの評価指標は図2に示す内容であり、カテゴリー1、及びカテゴリー2のデータのばらつきが大きい。
図19は、第1の実施形態に係る運転データの再分類結果を示す説明図である。第1の実施形態では、警戒係数ρを大きくして再度データを分類することで、全てのカテゴリーの大きさが小さくなり、図19に示すように、データが細かく分類される。その結果、各カテゴリーの評価指標のばらつきは、図8に示すように基準値以下となる。ただし、図19では、図18と比べ、カテゴリーに属さないデータ領域が増加している。
図20は、第1の実施形態に係る分類結果の問題点を示す説明図であり、該当するデータ領域を模式的に破線で示しており、データがこの領域に入ると、データ分類部202(図3)はカテゴリーを判別できない。プラント制御システム1のデータ分類装置20は、プラント10の状態と評価指標の関係をモデル化し、プラント10の運転データがどのような状態にあるかを判別するために利用する。したがって、図20の破線で示した領域のように、カテゴリーを判別できない領域が多くなることは好ましくない。
第2の実施形態に係るデータ分類装置20Aではこの問題が改善される。第2の実施形態でも、警戒係数ρjが初期値の状態で分類した結果は、第1の実施形態と同じ分類結果となるため、初回のデータの分類状態は図18のようになり、各カテゴリーと評価指標の関係は図2となる。ただし、第2の実施形態では、評価指標のばらつきが大きいカテゴリーC1とカテゴリーC2の警戒係数ρ11とρ21のみを変更し、すべてのデータを再分類する。その分類結果を図21に示す。
図21は、第2の実施形態に係る運転データの再分類結果を示す説明図である。
図21に示すように、第2の実施形態の再分類方法により、評価指標のばらつきが大きいカテゴリーC1のデータがカテゴリーC11,C12に分類され、またカテゴリーC2のデータがカテゴリーC21,C22に分類される。全体の分類結果は、カテゴリーの大きさが大きいものと小さいものが混在する。そのため、カテゴリーを判別できない領域は第1の実施形態に比べて少なくなる効果がある。それゆえ、データ分類部202Aは、入力データをより確実にいずれかのカテゴリーに分類することができる。
図21に示すように、第2の実施形態の再分類方法により、評価指標のばらつきが大きいカテゴリーC1のデータがカテゴリーC11,C12に分類され、またカテゴリーC2のデータがカテゴリーC21,C22に分類される。全体の分類結果は、カテゴリーの大きさが大きいものと小さいものが混在する。そのため、カテゴリーを判別できない領域は第1の実施形態に比べて少なくなる効果がある。それゆえ、データ分類部202Aは、入力データをより確実にいずれかのカテゴリーに分類することができる。
図22は、図21の分類結果に基づくカテゴリー番号と評価指標の関係例を表した説明図である。図22に示すように、各カテゴリーに分類されたデータの評価指標のばらつきは基準値以下に抑えられ、カテゴリー番号と評価指標の関係を適切にモデル化できる。即ち、第2の実施形態に係るデータ分類装置20Aは、初期に分類されたカテゴリーの評価指標にばらつきがあってもばらつきを基準値以下に抑えることが可能であり、よりロバストなデータ分類装置である。
[各装置のハードウェア構成]
図23は、第1の実施形態及び第2の実施形態に係るプラントの各装置のハードウェア構成例を示すブロック図である。
ここでは、プラント制御システム1に示されたデータ分類装置20,20A、制御装置30を構成するコンピューター70のハードウェア構成を説明する。なお、各装置の機能、使用目的に合わせてコンピューター70の各部は取捨選択される。
[各装置のハードウェア構成]
図23は、第1の実施形態及び第2の実施形態に係るプラントの各装置のハードウェア構成例を示すブロック図である。
ここでは、プラント制御システム1に示されたデータ分類装置20,20A、制御装置30を構成するコンピューター70のハードウェア構成を説明する。なお、各装置の機能、使用目的に合わせてコンピューター70の各部は取捨選択される。
コンピューター70は、バス74にそれぞれ接続されたCPU(Central Processing Unit)71、ROM(Read Only Memory)72、RAM(Random Access Memory)73を備える。さらに、コンピューター70は、表示部75、操作部76、不揮発性ストレージ77、ネットワークインターフェース78を備える。
CPU71は、本実施形態に係る各機能を実現するソフトウェアのプログラムコードをROM72から読み出して実行する。なお、コンピューター70は、CPU71の代わりに、MPU(Micro-Processing Unit)等の処理装置を備えるようにしてもよい。RAM
73には、演算処理の途中に発生した変数やパラメーター等が一時的に書き込まれる。
73には、演算処理の途中に発生した変数やパラメーター等が一時的に書き込まれる。
表示部75は、例えば、液晶ディスプレイモニタであり、コンピューター70で行われる処理の結果等を表示する。この表示部75は、図3の表示部22に相当する。操作部76には、例えば、キーボード、マウス又はタッチパネル等が用いられ、監視員が所定の操作入力、指示を行うことが可能である。また操作部76は、操作キーやボタンスイッチなどの操作子でもよい。この操作部76は、図3の操作部21又は操作部31に相当する。
不揮発性ストレージ77としては、例えば、HDD(Hard Disk Drive)、SSD(Solid State Drive)、フレキシブルディスク、光ディスク、光磁気ディスク、CD−ROM、CD−R、磁気テープ、不揮発性のメモリカード等が用いられる。この不揮発性ストレージ77には、OS(Operating System)、各種のパラメーターやデータの他に、コンピューター70を機能させるためのプログラムが記録されていてもよい。例えば不揮発性ストレージ77には、運転データデータベース201のデータや評価指標データ203a等が記憶されている。
ネットワークインターフェース58には、例えば、NIC(Network Interface Card)等が用いられ、LAN等のネットワークNを介して各装置間で各種のデータを送受信することが可能である。
なお、データ分類装置20,20Aの全部又は一部と、制御装置30の全部又は一部とを一つのコンピューターで構成してもよい。
<3.その他>
さらに、本発明は上述した各実施形態例に限られるものではなく、特許請求の範囲に記載した本発明の要旨を逸脱しない限りにおいて、その他種々の応用例、変形例を取り得ることは勿論である。
さらに、本発明は上述した各実施形態例に限られるものではなく、特許請求の範囲に記載した本発明の要旨を逸脱しない限りにおいて、その他種々の応用例、変形例を取り得ることは勿論である。
例えば、上述した実施形態例は本発明を分かりやすく説明するために装置及びシステムの構成を詳細且つ具体的に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施形態例の構成の一部を他の実施形態例の構成に置き換えることは可能である。また、ある実施形態例の構成に他の実施形態例の構成を加えることも可能である。また、各実施形態例の構成の一部について、他の構成の追加、削除、置換をすることも可能である。
また、上記の各構成、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ェアで実現してもよい。また、上記の各構成、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ェ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、製品上必ずしも全ての制御線や情報線を示しているとは限らない。実際には殆ど全ての構成が相互に接続されていると考えてもよい。
また、本明細書において、時系列的な処理を記述する処理ステップは、記載された順序に沿って時系列的に行われる処理はもちろん、必ずしも時系列的に処理されなくとも、並列的あるいは個別に実行される処理(例えば、並列処理あるいはオブジェクトによる処理)をも含むものである。
1…プラント制御システム、10…プラント、 20,20A…データ分類装置、 30…表示部、 40…制御装置、 41…操作部、 50…2次元空間、 60…3次元グラフ、 70…コンピューター、 71…CPU、 72…2次元グラフ、 73…3次元グラフ、 81…2次元グラフ、82…2次元グラフ、 91…2次元平面、 201…運転データデータベース、 201a…運転データ、 202…データ分類部、 203…評価指標計算部、 203a…評価指標データ、 204…分類結果表示処理部、205,205A…パラメーター変更部、C1〜C6,C11,C12,C61,C62…カテゴリー
Claims (7)
- プラントの運転データを格納する運転データデータベースと、
前記運転データデータベースから取得した多次元の前記運転データを類似度に応じたカテゴリーに分類し、分類結果の前記カテゴリーを出力するデータ分類部と、
前記運転データデータベースに格納された前記運転データの値から前記カテゴリーの評価指標を計算する評価指標計算部と、
前記データ分類部から出力された前記カテゴリー毎に前記評価指標計算部で求められた前記カテゴリーの評価指標のばらつきを計算し、該評価指標のばらつきが基準値以下であるか否かを判定する分類結果評価部と、
前記分類結果評価部において前記評価指標のばらつきが基準値を超えると判定された場合に、前記データ分類部の前記カテゴリーの大きさを規定するパラメーターの値を、前記カテゴリーの大きさが小さくなる方向に変更するパラメーター変更部と、を備える
プラントデータ分類装置。 - 前記パラメーター変更部により前記パラメーターの値が変更された場合、前記データ分類部は、変更後のパラメーターを用いて前記運転データをカテゴリーに再度分類し、前記評価指標計算部は、前記データ分類部で再分類された前記カテゴリーに基づいて、前記カテゴリーの評価指標を再度計算し、前記分類結果評価部は、前記評価指標計算部で再度求められた前記カテゴリーの評価指標のばらつきを計算し、該評価指標のばらつきが前記基準値以下であるか否かを再度判定する
請求項1に記載のプラントデータ分類装置。 - 前記パラメーター変更部は、前記分類結果評価部により判定された前記評価指標のばらつきが基準値を超えるカテゴリーに対し、前記データ分類部における該当カテゴリーの前記パラメーターの値を、該当カテゴリーの大きさが小さくなる方向に変更する
請求項1又は2に記載のプラントデータ分類装置。 - 前記データ分類部における多次元の前記運転データの分類は、適応共鳴理論を利用して行われる
請求項1に記載のプラントデータ分類装置。 - プラントの運転データを格納する運転データデータベースと、
前記運転データデータベースから取得した多次元の前記運転データを類似度に応じたカテゴリーに分類し、分類結果の前記カテゴリーを出力するデータ分類部と、
前記運転データデータベースに格納された前記運転データの値から前記カテゴリーの評価指標を計算する評価指標計算部と、
前記データ分類部から出力された前記カテゴリー毎に前記評価指標計算部で求められた前記カテゴリーの評価指標のばらつきを計算し、該評価指標のばらつきが基準値以下であるか否かを判定する分類結果評価部と、
前記分類結果評価部において前記評価指標のばらつきが基準値を超えると判定された場合に、前記データ分類部の前記カテゴリーの大きさを規定するパラメーターの値を、前記カテゴリーの大きさが小さくなる方向に変更するパラメーター変更部と、
各カテゴリーに含まれる前記運転データから、前記カテゴリー毎に前記運転データの代表値を計算し、当該運転データの代表値の類似度に応じて各カテゴリーの識別情報を2次元にマッピングし、マッピングした前記カテゴリーの識別情報を第1の軸及び第2の軸からなる平面に表し、前記評価指標計算部で求めた前記カテゴリーの評価指標を第3の軸に表した3次元の画像データを生成する分類結果表示処理部と、
を備えるプラントデータ表示処理装置。 - 前記分類結果表示処理部により前記カテゴリーの識別情報をマッピングする方法は、自己組織化マップ又は多次元尺度法である
請求項5に記載のプラントデータ表示処理装置。 - プラントの運転データを格納する運転データデータベースと、
前記運転データデータベースから取得した多次元の前記運転データを類似度に応じたカテゴリーに分類し、分類結果の前記カテゴリーを出力するデータ分類部と、
前記運転データデータベースに格納された前記運転データの値から前記カテゴリーの評価指標を計算する評価指標計算部と、
前記データ分類部から出力された前記カテゴリー毎に前記評価指標計算部で求められた前記カテゴリーの評価指標のばらつきを計算し、該評価指標のばらつきが基準値以下であるか否かを判定する分類結果評価部と、
前記分類結果評価部において前記評価指標のばらつきが基準値を超えると判定された場合に、前記データ分類部の前記カテゴリーの大きさを規定するパラメーターの値を、前記カテゴリーの大きさが小さくなる方向に変更するパラメーター変更部と、
各カテゴリーに含まれる前記運転データから、前記カテゴリー毎に前記運転データの代表値を計算し、当該運転データの代表値の類似度に応じて各カテゴリーの識別情報を2次元にマッピングし、マッピングした前記カテゴリーの識別情報を第1の軸及び第2の軸からなる平面に表し、前記評価指標計算部で求めた前記カテゴリーの評価指標を第3の軸に表した3次元の画像データを生成する分類結果表示処理部と、
前記プラントに対する入力操作を受け付けて前記入力操作に応じた操作信号を出力する操作部と、
前記操作部から入力された前記操作信号に基づいて前記プラントの制御を行う制御装置と、
を備えるプラント制御システム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017043821A JP6723944B2 (ja) | 2017-03-08 | 2017-03-08 | プラントデータ分類装置、プラントデータ表示処理装置及びプラント制御システム |
PCT/JP2017/036227 WO2018163488A1 (ja) | 2017-03-08 | 2017-10-05 | プラントデータ分類装置、プラントデータ表示処理装置及びプラント制御システム |
US16/489,244 US11334058B2 (en) | 2017-03-08 | 2017-10-05 | Plant data classification device, plant data display processing device, and plant control system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017043821A JP6723944B2 (ja) | 2017-03-08 | 2017-03-08 | プラントデータ分類装置、プラントデータ表示処理装置及びプラント制御システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018147360A JP2018147360A (ja) | 2018-09-20 |
JP6723944B2 true JP6723944B2 (ja) | 2020-07-15 |
Family
ID=63448502
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017043821A Active JP6723944B2 (ja) | 2017-03-08 | 2017-03-08 | プラントデータ分類装置、プラントデータ表示処理装置及びプラント制御システム |
Country Status (3)
Country | Link |
---|---|
US (1) | US11334058B2 (ja) |
JP (1) | JP6723944B2 (ja) |
WO (1) | WO2018163488A1 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7034874B2 (ja) | 2018-09-26 | 2022-03-14 | 株式会社日立製作所 | プロセス状態解析装置及びプロセス状態表示方法 |
JP7239354B2 (ja) * | 2019-03-12 | 2023-03-14 | 株式会社日立製作所 | データ分類装置 |
CN110135592B (zh) * | 2019-05-16 | 2023-09-19 | 腾讯科技(深圳)有限公司 | 分类效果确定方法、装置、智能终端及存储介质 |
JP7330058B2 (ja) * | 2019-10-18 | 2023-08-21 | 株式会社日立製作所 | 性能診断システム及びその応用システム |
JP7502096B2 (ja) * | 2020-06-23 | 2024-06-18 | 株式会社日立製作所 | 解析装置、解析方法及びコンピュータプログラム |
US20240004935A1 (en) * | 2020-12-03 | 2024-01-04 | Merck Sharp & Dohme Llc | Chemistry, Manufacturing, and Controls Change Assessment System |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1992014197A1 (en) * | 1991-02-08 | 1992-08-20 | Kabushiki Kaisha Toshiba | Model forecasting controller |
US5566273A (en) * | 1993-12-30 | 1996-10-15 | Caterpillar Inc. | Supervised training of a neural network |
JPH11338848A (ja) * | 1998-05-26 | 1999-12-10 | Ffc:Kk | データ異常検出装置 |
US7552005B2 (en) * | 2004-03-16 | 2009-06-23 | Honeywell International Inc. | Method for fault diagnosis of a turbine engine |
JP4402645B2 (ja) | 2005-12-06 | 2010-01-20 | 株式会社山武 | 制御系解析装置およびプログラム |
JP5097739B2 (ja) | 2009-03-31 | 2012-12-12 | 株式会社日立製作所 | プラントの異常診断装置及び異常診断方法 |
EP2780769B1 (en) * | 2011-11-18 | 2015-10-21 | ABB Technology AG | Method and arrangement for configuring a system for monitoring the performance of a control loop of an industrial plant |
US10074079B2 (en) * | 2013-08-01 | 2018-09-11 | Alpha Beta Analytics, LLC | Systems and methods for automated analysis, screening and reporting of group performance |
JP6053175B2 (ja) * | 2013-11-27 | 2016-12-27 | 株式会社日立製作所 | 異常検出機能を有する淡水化システム |
JP5684941B1 (ja) * | 2014-07-31 | 2015-03-18 | 株式会社日立パワーソリューションズ | 異常予兆診断装置及び異常予兆診断方法 |
-
2017
- 2017-03-08 JP JP2017043821A patent/JP6723944B2/ja active Active
- 2017-10-05 WO PCT/JP2017/036227 patent/WO2018163488A1/ja active Application Filing
- 2017-10-05 US US16/489,244 patent/US11334058B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US11334058B2 (en) | 2022-05-17 |
WO2018163488A1 (ja) | 2018-09-13 |
JP2018147360A (ja) | 2018-09-20 |
US20200012269A1 (en) | 2020-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6723944B2 (ja) | プラントデータ分類装置、プラントデータ表示処理装置及びプラント制御システム | |
JP6654119B2 (ja) | プラントデータ表示処理装置及びプラント制御システム | |
JP5946573B1 (ja) | 異常予兆診断システム及び異常予兆診断方法 | |
Gajjar et al. | A data-driven multidimensional visualization technique for process fault detection and diagnosis | |
JP7239354B2 (ja) | データ分類装置 | |
CA2810941C (en) | Method for providing with a score an object, and decision-support system | |
JP5533894B2 (ja) | 外れ値検出装置、外れ値検出方法、プログラム及び車両故障診断システム | |
US11657121B2 (en) | Abnormality detection device, abnormality detection method and computer readable medium | |
JP6952660B2 (ja) | 更新支援装置、更新支援方法およびプログラム | |
JP2014081767A (ja) | 状態診断方法、および、状態診断装置 | |
JP6927770B2 (ja) | プラント操作支援装置、および、プラント操作支援方法 | |
JP6602013B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
JP5155740B2 (ja) | モニタリング条件決定装置、モニタリング条件の決定方法および監視診断装置 | |
Ghosh et al. | a Neuro-fuzzy based Classification Method | |
WO2019073512A1 (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 | |
JP5447831B2 (ja) | 診断装置および診断方法 | |
JP7532922B2 (ja) | データ解析プログラム、データ解析方法およびデータ解析装置 | |
JP7233258B2 (ja) | 異常診断装置 | |
Kunzer et al. | The digital twin landscape at the crossroads of predictive maintenance, machine learning and physics based modeling | |
Yang et al. | Multiple kernel learning based feature selection for process monitoring | |
JP7052914B1 (ja) | 異常診断システム、異常診断装置、異常診断方法、及びプログラム | |
Malingen et al. | Modelling membrane curvature generation using mechanics and machine learning | |
Yeh et al. | Estimation of a data-collection maturity model to detect manufacturing change | |
CN116611211B (zh) | 由电子设备执行的追踪曲面交线方法及装置、电子设备 | |
Sheriff | Novel Data-Based and Model-Based Algorithms for Process Monitoring and Equipment Degradation Tracking |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190702 |
|
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: 20200616 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200624 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6723944 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |