JP6853617B2 - 故障予兆監視方法 - Google Patents
故障予兆監視方法 Download PDFInfo
- Publication number
- JP6853617B2 JP6853617B2 JP2015140604A JP2015140604A JP6853617B2 JP 6853617 B2 JP6853617 B2 JP 6853617B2 JP 2015140604 A JP2015140604 A JP 2015140604A JP 2015140604 A JP2015140604 A JP 2015140604A JP 6853617 B2 JP6853617 B2 JP 6853617B2
- Authority
- JP
- Japan
- Prior art keywords
- failure sign
- measurement data
- sensor
- monitoring
- failure
- 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
- 238000000034 method Methods 0.000 title claims description 197
- 238000012544 monitoring process Methods 0.000 title claims description 99
- 230000008569 process Effects 0.000 claims description 161
- 238000012360 testing method Methods 0.000 claims description 133
- 238000005259 measurement Methods 0.000 claims description 106
- 238000001514 detection method Methods 0.000 claims description 59
- 238000012545 processing Methods 0.000 claims description 48
- 230000005856 abnormality Effects 0.000 claims description 28
- 238000012806 monitoring device Methods 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000003542 behavioural effect Effects 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 7
- 230000000875 corresponding effect Effects 0.000 claims description 7
- 238000004886 process control Methods 0.000 claims description 6
- 230000002596 correlated effect Effects 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 description 57
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 28
- 230000006399 behavior Effects 0.000 description 24
- 239000003921 oil Substances 0.000 description 23
- 238000013500 data storage Methods 0.000 description 22
- 238000007689 inspection Methods 0.000 description 17
- 239000011159 matrix material Substances 0.000 description 14
- 238000001816 cooling Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 12
- 238000002347 injection Methods 0.000 description 10
- 239000007924 injection Substances 0.000 description 10
- 230000002159 abnormal effect Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 238000002955 isolation Methods 0.000 description 9
- 239000000446 fuel Substances 0.000 description 7
- 238000012790 confirmation Methods 0.000 description 6
- 239000000498 cooling water Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000010248 power generation Methods 0.000 description 5
- 239000013535 sea water Substances 0.000 description 5
- 230000001629 suppression Effects 0.000 description 5
- 238000004378 air conditioning Methods 0.000 description 4
- KGBXLFKZBHKPEV-UHFFFAOYSA-N boric acid Chemical compound OB(O)O KGBXLFKZBHKPEV-UHFFFAOYSA-N 0.000 description 4
- 239000004327 boric acid Substances 0.000 description 4
- 239000007921 spray Substances 0.000 description 4
- 238000005728 strengthening Methods 0.000 description 4
- 238000009423 ventilation Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000012417 linear regression Methods 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 238000000746 purification Methods 0.000 description 3
- 238000007789 sealing Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000001994 activation Methods 0.000 description 2
- 230000000740 bleeding effect Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000010723 turbine oil Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 239000011692 calcium ascorbate Substances 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000011049 filling Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- PPASLZSBLFJQEF-RKJRWTFHSA-M sodium ascorbate Substances [Na+].OC[C@@H](O)[C@H]1OC(=O)C(O)=C1[O-] PPASLZSBLFJQEF-RKJRWTFHSA-M 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Description
本発明は、プラントに配置された機器の故障予兆を監視するのに好適な故障予兆監視方法に関する。
従来、原子力発電所、火力発電所、水力発電所等のプラントには、複数の機器が配置されており、これらの機器に対して保守点検を行い、機器に故障が生じている場合には修理を行うことにしている。
また、このような保守点検よりも早い段階において、プラントの運転中に担当者が機器の状態を監視するための測定データの変化等を確認しながら機器の故障予兆を発見していた。
さらに、機器の故障予兆については、個々の機器に対して予め設定されているしきい値との比較を行い、機器から取得した測定値がしきい値より大きくなった場合に、警報を発生させ、当該機器に対して修理を行っていた。
担当者は、制御盤または機器に設けられた計器を対象として、中央操作室では例えば１回／ｈ、現場では１回／日程度の監視頻度で目視による監視を行っていた。
また、プラントの中央操作室には、警報表示盤に設けられたＡＮＮ窓において、プラント異常やシステム動作状態について分類・体系化して表示しており、ＡＮＮ発生点のある計器は、ＡＮＮ発生後に、決められた手順に沿って対応することになっていた。
また、このような保守点検よりも早い段階において、プラントの運転中に担当者が機器の状態を監視するための測定データの変化等を確認しながら機器の故障予兆を発見していた。
さらに、機器の故障予兆については、個々の機器に対して予め設定されているしきい値との比較を行い、機器から取得した測定値がしきい値より大きくなった場合に、警報を発生させ、当該機器に対して修理を行っていた。
担当者は、制御盤または機器に設けられた計器を対象として、中央操作室では例えば１回／ｈ、現場では１回／日程度の監視頻度で目視による監視を行っていた。
また、プラントの中央操作室には、警報表示盤に設けられたＡＮＮ窓において、プラント異常やシステム動作状態について分類・体系化して表示しており、ＡＮＮ発生点のある計器は、ＡＮＮ発生後に、決められた手順に沿って対応することになっていた。
特許文献１には、プラントまたは設備の異常を早期に検知する異常検知方法であって、複数のセンサから観測データを取得し、正常データからなる学習データをモデル化し、観測データとモデル化した前記学習データとの類似度により観測データの異常の有無を検知し、各センサ信号の影響度の評価、判定条件ルールの構築、異常に応じたセンサ信号の選択と表示を行うという技術が開示されている。
従来、例えば機器の故障予兆に関しては、担当者による目視確認に頼った監視体制を採用していた。このため、担当者の熟練度に依存した監視項目もあり、このような監視項目では担当者の熟練度により評価結果が一定ではなかった。
また、中央操作室においては、ＡＮＮ発生以前に異常の予兆を検知することが困難であった。
さらに、上述したように、１回／１ｈ、１回／１日等の監視頻度を採用しており、リアルタイムに監視することが困難であった。
また、観測データをモニタし、設定したしきい値と比較して異常を検知する場合、測定対象の物理量に着目してしきい値を設定するため、意図しない異常は検知が困難であり、見逃しが発生する場合があった。
本発明は、上記に鑑みてなされたもので、その目的は、プラントに備えられている機器の故障予兆を担当者に依存したバラツキがなく、一定の検知精度があり、機器の故障予兆を敏速に検知することができることにある。
また、中央操作室においては、ＡＮＮ発生以前に異常の予兆を検知することが困難であった。
さらに、上述したように、１回／１ｈ、１回／１日等の監視頻度を採用しており、リアルタイムに監視することが困難であった。
また、観測データをモニタし、設定したしきい値と比較して異常を検知する場合、測定対象の物理量に着目してしきい値を設定するため、意図しない異常は検知が困難であり、見逃しが発生する場合があった。
本発明は、上記に鑑みてなされたもので、その目的は、プラントに備えられている機器の故障予兆を担当者に依存したバラツキがなく、一定の検知精度があり、機器の故障予兆を敏速に検知することができることにある。
上記課題を解決するたに、請求項１記載の発明は、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センサと、前記各センサにより測定された測定データに基づいて、前記各機器の故障予兆を監視する故障予兆監視装置と、を備え、前記故障予兆監視装置による故障予兆監視方法であって、前記故障予兆監視装置は、前記プラントの起動工程における運転内容に基づいて、前記起動工程内を複数の期間に区切っておき、前記測定データに基づいて、前記各期間が終了する毎に挙動状態の妥当性について確認することにより、前記各機器の故障予兆箇所を表示する問題箇所表示処理ステップと、前記各期間における挙動状態が妥当であると確認した場合に、次の期間に移行する工程管理ステップと、を実行することを特徴とする。
本発明によれば、プラントに備えられている機器の故障予兆を担当者に依存したバラツキがなく、一定の検知精度があり、機器の故障予兆を敏速に検知することができる。
以下、本発明を図面に示した実施の形態により詳細に説明する。
本発明は、プラントに備えられている機器の故障予兆を担当者に依存したバラツキがなく、一定の検知精度があり、機器の故障予兆を敏速に検知するために、以下の構成を有する。
すなわち、本発明の故障予兆監視方法は、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センサと、各センサにより測定された測定データに基づいて、各機器の故障予兆を監視する故障予兆監視装置と、を備え、故障予兆監視装置による故障予兆監視方法であって、故障予兆監視装置は、プラントの起動工程における運転内容に基づいて、起動工程内を複数の期間に区切っておき、測定データに基づいて、各期間が終了する毎に挙動状態の妥当性について確認することにより、各機器の故障予兆箇所を表示する問題箇所表示処理ステップと、各期間における挙動状態が妥当であると確認した場合に、次の期間に移行する工程管理ステップと、を実行することを特徴とする。
以上の構成を備えることにより、プラントに備えられている機器の故障予兆を担当者に依存したバラツキがなく、一定の検知精度があり、機器の故障予兆を敏速に検知することができる。
上記の本発明の特徴に関して、以下、図面を用いて詳細に説明する。
本発明は、プラントに備えられている機器の故障予兆を担当者に依存したバラツキがなく、一定の検知精度があり、機器の故障予兆を敏速に検知するために、以下の構成を有する。
すなわち、本発明の故障予兆監視方法は、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センサと、各センサにより測定された測定データに基づいて、各機器の故障予兆を監視する故障予兆監視装置と、を備え、故障予兆監視装置による故障予兆監視方法であって、故障予兆監視装置は、プラントの起動工程における運転内容に基づいて、起動工程内を複数の期間に区切っておき、測定データに基づいて、各期間が終了する毎に挙動状態の妥当性について確認することにより、各機器の故障予兆箇所を表示する問題箇所表示処理ステップと、各期間における挙動状態が妥当であると確認した場合に、次の期間に移行する工程管理ステップと、を実行することを特徴とする。
以上の構成を備えることにより、プラントに備えられている機器の故障予兆を担当者に依存したバラツキがなく、一定の検知精度があり、機器の故障予兆を敏速に検知することができる。
上記の本発明の特徴に関して、以下、図面を用いて詳細に説明する。
図１は、本発明の実施形態に係るプラント１０の構成について説明するための模式図である。本実施形態はプラントの一例として原子力発電所に設けられた原子炉やタービンに適用するものである。
原子炉建物１１には、原子炉１３を備えている。この原子炉１３には、原子炉格納容器１５、原子力圧力容器１７（蒸気１７ａ、水１７ｂ）、蒸気乾燥器１９、気水分離器２１、燃料集合体２３、制御棒２５、再循環ポンプ２６、及び圧力抑制室２７が備えられている。
タービン建物３１には、タービン３３、発電機３５、復水器３７（水３７ａ）、放水口３９、取水口４１（復水器冷却水４１ａ）、ポンプ４３、給水ポンプ４５が備えられている。
再循環ポンプ２６には、例えば異なる３箇所の位置にセンサＳｅ１〜Ｓｅ３が備えられており、センサＳｅ１〜Ｓｅ３が検出した測定データをセンサ監視装置５１＃１に出力する。
なお、図１においては、再循環ポンプ２６に備えられたセンサＳｅ１〜Ｓｅ３が検出した測定データをセンサ監視装置５１＃１に送信することを示しているが、本実施形態では、原子炉建物１１やタービン建物３１等に配置された夫々の機器に備えられた複数のセンサが検出した測定データをセンサ監視装置５１に出力するように構成することとする。
原子炉建物１１には、原子炉１３を備えている。この原子炉１３には、原子炉格納容器１５、原子力圧力容器１７（蒸気１７ａ、水１７ｂ）、蒸気乾燥器１９、気水分離器２１、燃料集合体２３、制御棒２５、再循環ポンプ２６、及び圧力抑制室２７が備えられている。
タービン建物３１には、タービン３３、発電機３５、復水器３７（水３７ａ）、放水口３９、取水口４１（復水器冷却水４１ａ）、ポンプ４３、給水ポンプ４５が備えられている。
再循環ポンプ２６には、例えば異なる３箇所の位置にセンサＳｅ１〜Ｓｅ３が備えられており、センサＳｅ１〜Ｓｅ３が検出した測定データをセンサ監視装置５１＃１に出力する。
なお、図１においては、再循環ポンプ２６に備えられたセンサＳｅ１〜Ｓｅ３が検出した測定データをセンサ監視装置５１＃１に送信することを示しているが、本実施形態では、原子炉建物１１やタービン建物３１等に配置された夫々の機器に備えられた複数のセンサが検出した測定データをセンサ監視装置５１に出力するように構成することとする。
図２は、本発明の実施形態に係るプラント１０に設けられた機器の故障予兆を監視するためのシステム５０を示すブロック図である。
本実施形態のシステム５０には、センサ監視装置５１＃１〜５１＃ｎ、ネットワークＮ１、分析サーバ５３、ネットワークＮ２、及び複数のクライアント端末５５＃１〜５５＃ｎが備えられている。
センサ監視装置５１は、それぞれネットワークＮ１を介して分析サーバ５３に接続されている。センサ監視装置５１（＃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を介して分析サーバ５３に受信される。
分析サーバ５３は、センサ監視装置５１から取得した測定データに基づいて、プラント１０内に配置された複数の機器の故障予兆を監視する。
分析サーバ５３は、プラント１０の起動工程における運転内容に基づいて、起動工程内を複数の期間に区切っておき、測定データに基づいて、各期間が終了する毎に挙動状態の妥当性について確認することにより、各機器の故障予兆箇所を表示し、各期間における挙動状態が妥当であると確認した場合に、次の期間に移行する。
本実施形態のシステム５０には、センサ監視装置５１＃１〜５１＃ｎ、ネットワークＮ１、分析サーバ５３、ネットワークＮ２、及び複数のクライアント端末５５＃１〜５５＃ｎが備えられている。
センサ監視装置５１は、それぞれネットワークＮ１を介して分析サーバ５３に接続されている。センサ監視装置５１（＃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を介して分析サーバ５３に受信される。
分析サーバ５３は、センサ監視装置５１から取得した測定データに基づいて、プラント１０内に配置された複数の機器の故障予兆を監視する。
分析サーバ５３は、プラント１０の起動工程における運転内容に基づいて、起動工程内を複数の期間に区切っておき、測定データに基づいて、各期間が終了する毎に挙動状態の妥当性について確認することにより、各機器の故障予兆箇所を表示し、各期間における挙動状態が妥当であると確認した場合に、次の期間に移行する。
分析サーバ５３は、各センサの測定データをリアルタイムに監視することにより各機器の故障予兆を検知して、問題箇所を表示する。
分析サーバ５３は、プラント１０のＣＲパターン変更工程、又は停止工程における運転内容に基づいて、該工程内を複数の期間に区切っておき、測定データに基づいて、期間が終了する毎に挙動状態の妥当性について確認することにより、各機器の故障予兆箇所を表示し、各期間における挙動状態が妥当であると確認した場合に、次の期間に移行する。
分析サーバ５３は、プラントの試運転工程において、各センサの測定データをリアルタイムに監視することにより各機器の故障予兆を検知し、複数の機器の何れか１つの故障予兆を検知した場合に、測定データに基づいて、挙動状態の妥当性について確認することにより、各機器の故障予兆箇所を表示する。
クライアント端末５５−１〜５５−ｎは、表示部及び操作部を備え、表示部上に表示されたグラフ、アイコンを操作部により操作するという構成の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。
分析サーバ５３には、通信制御部６１、通信制御部６３、主制御部６５、操作部６７、データ記憶部６９、表示制御部７１、表示部７３、ディスク制御部７５、データベース部７７、及びバス７９が備えられている。
分析サーバ５３は、プラント１０のＣＲパターン変更工程、又は停止工程における運転内容に基づいて、該工程内を複数の期間に区切っておき、測定データに基づいて、期間が終了する毎に挙動状態の妥当性について確認することにより、各機器の故障予兆箇所を表示し、各期間における挙動状態が妥当であると確認した場合に、次の期間に移行する。
分析サーバ５３は、プラントの試運転工程において、各センサの測定データをリアルタイムに監視することにより各機器の故障予兆を検知し、複数の機器の何れか１つの故障予兆を検知した場合に、測定データに基づいて、挙動状態の妥当性について確認することにより、各機器の故障予兆箇所を表示する。
クライアント端末５５−１〜５５−ｎは、表示部及び操作部を備え、表示部上に表示されたグラフ、アイコンを操作部により操作するという構成の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。
分析サーバ５３には、通信制御部６１、通信制御部６３、主制御部６５、操作部６７、データ記憶部６９、表示制御部７１、表示部７３、ディスク制御部７５、データベース部７７、及びバス７９が備えられている。
通信制御部６１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６３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６５は、内部にＲＯＭ（read only memory）、ＲＡＭ（random access memory）、ＣＰＵ（central processing unit）、ＨＤＤ（hard disk drive）を備えている。主制御部６５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。
操作部６７は、ユーザのキーボードやマウス等への操作に対応する操作信号を主制御部６５に供給する。
データ記憶部６９は、ＲＡＭを有し、データを記憶する。
表示制御部７１は、表示情報に基づいて画面データやグラフ等の表示画像を生成して表示部７３に出力する。
表示部７３は、表示制御部７１から出力される画面データやグラフ等の表示画像を表示する。
ディスク制御部７５は、データベース部７７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７７は、ＨＤＤからなり、データを蓄積する。
主制御部６５は、内部にＲＯＭ（read only memory）、ＲＡＭ（random access memory）、ＣＰＵ（central processing unit）、ＨＤＤ（hard disk drive）を備えている。主制御部６５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。
操作部６７は、ユーザのキーボードやマウス等への操作に対応する操作信号を主制御部６５に供給する。
データ記憶部６９は、ＲＡＭを有し、データを記憶する。
表示制御部７１は、表示情報に基づいて画面データやグラフ等の表示画像を生成して表示部７３に出力する。
表示部７３は、表示制御部７１から出力される画面データやグラフ等の表示画像を表示する。
ディスク制御部７５は、データベース部７７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７７は、ＨＤＤからなり、データを蓄積する。
図３は、本発明の実施形態に係るプラント１０の各運転工程と出力との関係を示すグラフ図である。
図３に示すグラフ図は、縦軸に電力の出力量を表し、横軸に時間を表す。このグラフ図には、プラントの運転工程として、プラントを起動する際の出力量を表す［１］起動工程、プラントが定常状態に移行した際の出力量を表す［２］定常工程、プラントを運転中に制御棒２５のパターンを変更した際の出力量を表す［３］ＣＲパターン変更工程、プラントを定常状態から停止状態に移行する際の出力量を表す［４］停止工程、プラントの各箇所についての設備点検を行う際の停止状態を表す［５］設備点検工程等が示されている。
図３に示すグラフ図は、縦軸に電力の出力量を表し、横軸に時間を表す。このグラフ図には、プラントの運転工程として、プラントを起動する際の出力量を表す［１］起動工程、プラントが定常状態に移行した際の出力量を表す［２］定常工程、プラントを運転中に制御棒２５のパターンを変更した際の出力量を表す［３］ＣＲパターン変更工程、プラントを定常状態から停止状態に移行する際の出力量を表す［４］停止工程、プラントの各箇所についての設備点検を行う際の停止状態を表す［５］設備点検工程等が示されている。
図３に示す［１］起動工程では、時刻ｔ０〜ｔ１までの時間を複数の期間に分割して表すことが可能であり、［４］停止工程でも、同様に時刻ｔ４〜ｔ５までの時間を複数の期間に分割して表すことが可能である。
なお、本実施形態においては、プラント１０を対象として説明するが、このようなプラントに代わって、系統でもよい。ここで、系統とは、個々の機器を順序立てて並べ、全体が一繋がりのものとして機能するようにまとめたもの(システム)を表し、例えば、ポンプ、配管、弁、負荷などの一連の機器をいう。なお、本実施形態では、系統として、原子炉蒸気発生系統、制御系統、放射線モニタ系統、炉心冷却系統、原子炉取扱機器、原子炉補助系統、制御盤、燃料、廃棄物処理系統、プラント系統、プラント補助系統、所内電気系統、送受電系統、原子炉格納容器及び付帯設備、各種建物及び付帯設備、取水設備及び付帯設備、構内諸設備などを扱うこととする。
なお、本実施形態においては、プラント１０を対象として説明するが、このようなプラントに代わって、系統でもよい。ここで、系統とは、個々の機器を順序立てて並べ、全体が一繋がりのものとして機能するようにまとめたもの(システム)を表し、例えば、ポンプ、配管、弁、負荷などの一連の機器をいう。なお、本実施形態では、系統として、原子炉蒸気発生系統、制御系統、放射線モニタ系統、炉心冷却系統、原子炉取扱機器、原子炉補助系統、制御盤、燃料、廃棄物処理系統、プラント系統、プラント補助系統、所内電気系統、送受電系統、原子炉格納容器及び付帯設備、各種建物及び付帯設備、取水設備及び付帯設備、構内諸設備などを扱うこととする。
＜関係性モデル＞
ここで、本実施形態において採用される関係性モデルの構築手法、すなわち、各センサから取得した測定データに基づいて、２点のセンサ間の関係を表す関係性モデルを構築する手法について説明する。
まず、各センサから取得した測定データから、機器について測定された測定データ間に、相関関係があるかどうかを識別する。
ここでは、２点の測定点（センサ）の一定時間の時系列データから、２点間の相関関係として、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、線形回帰と呼ばれている方法を用いればよい。
例えば、ある期間に渡って合計した予測値と測定値ｙ（ｔ）の差（絶対値）が最小になるように、式（１）に示す近似式（予測式）の係数（ａ１，ａ２，・・・，ｂ０，ｂ１，・・・ｃ）を決定する。
・・・式（１）
なお、近似式については、線形回帰法の他にも様々な方法が提案されており、何れの手法を採用してもよい。
ここで、本実施形態において採用される関係性モデルの構築手法、すなわち、各センサから取得した測定データに基づいて、２点のセンサ間の関係を表す関係性モデルを構築する手法について説明する。
まず、各センサから取得した測定データから、機器について測定された測定データ間に、相関関係があるかどうかを識別する。
ここでは、２点の測定点（センサ）の一定時間の時系列データから、２点間の相関関係として、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、線形回帰と呼ばれている方法を用いればよい。
例えば、ある期間に渡って合計した予測値と測定値ｙ（ｔ）の差（絶対値）が最小になるように、式（１）に示す近似式（予測式）の係数（ａ１，ａ２，・・・，ｂ０，ｂ１，・・・ｃ）を決定する。
・・・式（１）
なお、近似式については、線形回帰法の他にも様々な方法が提案されており、何れの手法を採用してもよい。
さらに、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を表すフィット値を生成する。線形回帰法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。
次に、フィット値と予め定められたしきい値を比較し、しきい値以上であれば、２点間の関係（近似式およびフィット値）を関係性モデルとして採用すればよい。
例えば、主制御部６５は、測定値、測定値の平均値、予測値、設定パラメータ（基準値）に基づいて、式（２）に従って、
・・・式（２）
を算出する。ここで、左辺はフィット値を表し、右辺は基準値を表す。
定性的には、左辺は時系列データを予測式（式（１））を用いて予測できた割合を表しており、時系列データを８０％予測できる場合を関係性があるとするならば、ｆｔｈ＝０．８とすればよい。
なお、基準値として、正常状態における測定値の平均値、又は標準偏差値を用いてもよい。
次に、フィット値と予め定められたしきい値を比較し、しきい値以上であれば、２点間の関係（近似式およびフィット値）を関係性モデルとして採用すればよい。
例えば、主制御部６５は、測定値、測定値の平均値、予測値、設定パラメータ（基準値）に基づいて、式（２）に従って、
・・・式（２）
を算出する。ここで、左辺はフィット値を表し、右辺は基準値を表す。
定性的には、左辺は時系列データを予測式（式（１））を用いて予測できた割合を表しており、時系列データを８０％予測できる場合を関係性があるとするならば、ｆｔｈ＝０．８とすればよい。
なお、基準値として、正常状態における測定値の平均値、又は標準偏差値を用いてもよい。
図４は、本発明の実施形態に係る分析サーバ５３による問題箇所表示処理を示すメインフローチャートである。
本実施形態では、図３に示すように、プラントの運転工程を５工程に分割しておき、夫々の工程において問題箇所を表示するように構成されている。
まず、問題箇所表示処理において、ステップＳ１０では、主制御部６５は、プラント制御装置（図示しない）から現在の運転工程を通信制御部６１を介して取得する。このプラント制御装置は、プラント１０に配置されている各機器を制御する装置であって、運転工程として例えば５工程を表すタグ情報を分析サーバ５３に出力する。
ステップＳ１５では、主制御部６５は、プラント制御装置から取得した運転工程が［１］起動工程、［２］定常運転工程、［３］ＣＲパターン変更工程、［４］停止工程、［５］設備点検工程の何れか１つかを判断する。
［２］定常運転工程と判断した場合、ステップＳ２０では、主制御部６５は、サブルーチンである故障予兆検知処理（Ｓ６００）をコールする。一方、［５］設備点検工程と判断した場合、ステップＳ２５では、主制御部６５は、サブルーチンである設備点検処理（Ｓ９００）をコールする。他方、［１］［３］［４］と判断した場合、ステップＳ３０では、主制御部６５は、サブルーチンである二次元マトリクス表示処理（準備処理）（Ｓ１００）をコールする。
上記サブルーチンから復帰した場合にステップＳ３２に進む。
本実施形態では、図３に示すように、プラントの運転工程を５工程に分割しておき、夫々の工程において問題箇所を表示するように構成されている。
まず、問題箇所表示処理において、ステップＳ１０では、主制御部６５は、プラント制御装置（図示しない）から現在の運転工程を通信制御部６１を介して取得する。このプラント制御装置は、プラント１０に配置されている各機器を制御する装置であって、運転工程として例えば５工程を表すタグ情報を分析サーバ５３に出力する。
ステップＳ１５では、主制御部６５は、プラント制御装置から取得した運転工程が［１］起動工程、［２］定常運転工程、［３］ＣＲパターン変更工程、［４］停止工程、［５］設備点検工程の何れか１つかを判断する。
［２］定常運転工程と判断した場合、ステップＳ２０では、主制御部６５は、サブルーチンである故障予兆検知処理（Ｓ６００）をコールする。一方、［５］設備点検工程と判断した場合、ステップＳ２５では、主制御部６５は、サブルーチンである設備点検処理（Ｓ９００）をコールする。他方、［１］［３］［４］と判断した場合、ステップＳ３０では、主制御部６５は、サブルーチンである二次元マトリクス表示処理（準備処理）（Ｓ１００）をコールする。
上記サブルーチンから復帰した場合にステップＳ３２に進む。
ステップＳ３２では、主制御部６５は、［１］起動工程がタイミングｔ１、［３］ＣＲパターン変更工程がタイミングｔ３、［４］停止工程がタイミングｔ５の何れかであるかを判断する。ここで、［１］起動工程がタイミングｔ１、［３］ＣＲパターン変更工程がタイミングｔ３、［４］停止工程がタイミングｔ５の何れかである場合（Ｓ３２、Ｙｅｓ）に処理を終了する。一方、［１］起動工程がタイミングｔ１、［３］ＣＲパターン変更工程がタイミングｔ３、［４］停止工程がタイミングｔ５の何れかではない場合（Ｓ３２、Ｎｏ）にステップＳ３５に進む。
ステップＳ３５では、主制御部６５は、サブルーチンであるコアインバリアント比較処理（比較開始）（Ｓ２００）をコールする。上記サブルーチンから復帰した場合にステップＳ４０に進む。
ステップＳ４０では、主制御部６５は、結果を表示部７３に表示する。
上記サブルーチンから復帰した場合にステップＳ４５に進む。
ステップＳ４５では、主制御部６５は、過去の同一作業時と比較して大きな差異があるか否かを判断する。
ここで、過去の同一作業時と比較して大きな差異がある場合（Ｓ４５、あり）ステップＳ５０に進み、一方、過去の同一作業時と比較して大きな差異がない場合（Ｓ４５、なし）ステップＳ３２に戻る。
ステップＳ４０では、主制御部６５は、結果を表示部７３に表示する。
上記サブルーチンから復帰した場合にステップＳ４５に進む。
ステップＳ４５では、主制御部６５は、過去の同一作業時と比較して大きな差異があるか否かを判断する。
ここで、過去の同一作業時と比較して大きな差異がある場合（Ｓ４５、あり）ステップＳ５０に進み、一方、過去の同一作業時と比較して大きな差異がない場合（Ｓ４５、なし）ステップＳ３２に戻る。
ステップＳ５０では、主制御部６５は、比較結果に基づいて、問題が発生していそうな箇所を表示部７３に表示する（関連パラメータの選定）。
ステップＳ５５では、主制御部６５は、異常状態か否かを判断する。
ここで、異常状態である場合（Ｓ５５、Ｙｅｓ）ステップＳ６０に進み、一方、異常状態ではない場合（Ｓ５５、Ｎｏ）ステップＳ３２に戻る。
ステップＳ６０では、主制御部６５は、サブルーチンである異常予兆の影響範囲についての自動抽出処理（Ｓ５００）をコールする。
上記サブルーチンから復帰した場合にステップＳ３２に進む。
ステップＳ５５では、主制御部６５は、異常状態か否かを判断する。
ここで、異常状態である場合（Ｓ５５、Ｙｅｓ）ステップＳ６０に進み、一方、異常状態ではない場合（Ｓ５５、Ｎｏ）ステップＳ３２に戻る。
ステップＳ６０では、主制御部６５は、サブルーチンである異常予兆の影響範囲についての自動抽出処理（Ｓ５００）をコールする。
上記サブルーチンから復帰した場合にステップＳ３２に進む。
ここで、ＣＲパターン変更工程に代表される定期試験工程における試験項目について説明する。
試験項目として、Ｒ−［１］原子炉保護系には（１）ハーフスクラム試験がある。Ｒ−［２］制御棒駆動系には（１）挿入、引抜（ノッチ）試験、（２）スクラム排出水容器隔離試験、（３）制御棒駆動水ポンプ予備機起動試験がある。
Ｒ−［３］核計装系には（１）中性子源領域、中性子計装（ＳＲＭ）試験、（２）中間領域 中性子計装（ＩＲＭ）試験、（３）出力領域 中性子計装（ＡＰＲＭ）試験，（４）起動領域 中性子計装（ＳＲＮＭ）試験がある。Ｒ−［４］ 主蒸気系には（１）主蒸気隔離弁１０％閉試験がある。Ｒ−［５］ 低圧炉心スプレイ系には（１）電動弁作動試験、（２）ポンプ手動起動試験、（３）試験可能逆止弁作動試験がある。Ｒ−［６］ 低圧注水系には（１）電動弁作動試験、（２）ポンプ手動起動試験、（３）試験可能逆止弁作動試験がある。Ｒ−［７］ 高圧炉心スプレイ系には（１）電動弁作動試験（含 補機海水系）、（２）ポンプ手動起動試験（含 補機冷却系、海水系）、（３）試験可能逆止弁作動試験がある。
試験項目として、Ｒ−［１］原子炉保護系には（１）ハーフスクラム試験がある。Ｒ−［２］制御棒駆動系には（１）挿入、引抜（ノッチ）試験、（２）スクラム排出水容器隔離試験、（３）制御棒駆動水ポンプ予備機起動試験がある。
Ｒ−［３］核計装系には（１）中性子源領域、中性子計装（ＳＲＭ）試験、（２）中間領域 中性子計装（ＩＲＭ）試験、（３）出力領域 中性子計装（ＡＰＲＭ）試験，（４）起動領域 中性子計装（ＳＲＮＭ）試験がある。Ｒ−［４］ 主蒸気系には（１）主蒸気隔離弁１０％閉試験がある。Ｒ−［５］ 低圧炉心スプレイ系には（１）電動弁作動試験、（２）ポンプ手動起動試験、（３）試験可能逆止弁作動試験がある。Ｒ−［６］ 低圧注水系には（１）電動弁作動試験、（２）ポンプ手動起動試験、（３）試験可能逆止弁作動試験がある。Ｒ−［７］ 高圧炉心スプレイ系には（１）電動弁作動試験（含 補機海水系）、（２）ポンプ手動起動試験（含 補機冷却系、海水系）、（３）試験可能逆止弁作動試験がある。
Ｒ−［８］ 原子炉隔離時冷却系には（２）ポンプ手動起動試験、（３）試験可能逆止弁作動試験がある。Ｒ−［９］ ほう酸水注入系には（１）電動弁作動試験、（２）ポンプ手動起動試験がある。Ｒ−［１０］ 格納容器冷却系には（１）電動弁作動試験（含 原子炉補機冷却系）、（２）ポンプ手動起動試験がある。 Ｒ−［１１］ 原子炉補機冷却系には（１）原子炉補機冷却水ポンプ及び原子炉補機海水ポンプ手動起動試験がある。
Ｒ−［１２］ 非常用ガス処理系には（１）手動起動試験がある。Ｒ−［１３］ 可燃性ガス濃度制御系には（１）電動弁作動試験、（２）ブロワ手動起動試 常温作動試験）がある。Ｒ−［１４］ 燃料プール補給水系には（１）ポンプ運転試験がある。
Ｒ−［１５］ サプレッションプール浄化系には（１）ポンプ手動起動試験がある。Ｔ−［１］ タービン主弁類には（１）主塞止弁１０％閉試験、（２）タービンバイパス弁微開試験、（３）抽気逆止弁およびドレン弁作動試験、（４）インターセプト弁微閉試験がある。Ｔ−［２］ タービン保安装置には（１）ロックアウトによる非常調速機オイルトリップ試験、（２）スラスト保護装置作動試験、（３）パワーロードアンバランス回路試験、（４）バックアップ過速度回路試験、（５）タービンマスタートリップ電磁弁作動試験がある。
Ｒ−［１２］ 非常用ガス処理系には（１）手動起動試験がある。Ｒ−［１３］ 可燃性ガス濃度制御系には（１）電動弁作動試験、（２）ブロワ手動起動試 常温作動試験）がある。Ｒ−［１４］ 燃料プール補給水系には（１）ポンプ運転試験がある。
Ｒ−［１５］ サプレッションプール浄化系には（１）ポンプ手動起動試験がある。Ｔ−［１］ タービン主弁類には（１）主塞止弁１０％閉試験、（２）タービンバイパス弁微開試験、（３）抽気逆止弁およびドレン弁作動試験、（４）インターセプト弁微閉試験がある。Ｔ−［２］ タービン保安装置には（１）ロックアウトによる非常調速機オイルトリップ試験、（２）スラスト保護装置作動試験、（３）パワーロードアンバランス回路試験、（４）バックアップ過速度回路試験、（５）タービンマスタートリップ電磁弁作動試験がある。
Ｔ−［３］ タービン油圧系には（１）油ポンプ自動起動試験、（２）ジャッキング油ポンプ運転試験、（３）主油タンク油位警報試験、（４）タービン油ろ過ポンプ運転試験、（５）タービン油移送ポンプ運転試験、（６）制御油ポンプ予備機自動起動試験がある。Ｔ−［４］ 給水系には（１）ＲＦＰ・Ｔ 非常用油ポンプ自動起動試験、（２）ＲＦＰ・Ｔ スラスト保護装置作動試験、（３）ＲＦＰ・Ｔ 主油ポンプ予備機自動起動試験、（４）ＲＦＰ・Ｔ 低圧および高圧蒸気止め弁開閉試験、（５）ＲＦＰ・Ｔ 油タンク油位警報試験、（６）ＲＦＰ・Ｔ ロックアウトによる非常調速機オイルトリップ試験がある。Ｔ−［５］ 循環水系には（１）循環水配管取水側および放水側サイフォン破壊弁作動試験がある。Ｅ−［１］ 発電機には（１）非常用密封油ポンプ自動起動試験、（２）密封油差圧警報試験、（３）密封油フロートトラップ作動試験、（４）固定子冷却水ポンプ自動起動試験、（５）軸封部Ｎ２ガス封入弁作動試験がある。
Ｅ−［２］ 非常用電源には（１）ディーゼル発電機手動起動試験、（２）燃料供給系確認試験、（３）起動用空気圧縮機自動起動試験、（４）燃料移送ポンプ作動試験がある。Ｅ−［３］ 所内蓄電池には（１）パイロット蓄電池確認試験、（２）充電器確認試験がある。Ｅ−［４］ 電気関係・その他には（１）開閉所空気圧縮機自動起動試験がある。Ｓ−［１］ 計装用圧縮空気系には（１）計装用空気圧縮機自動起動試験および所内空気・計装用連絡弁・所内空気遮断弁作動試験がある。Ｓ−［２］ 所内用圧縮空気系には（１）所内用空気圧縮機自動起動試験がある。Ｓ−［３］ 空調換気系には（１）中央制御室空調換気系隔離運転および外気取入運転試験がある。Ｓ−［４］ 消火系には（１）消火ポンプ作動試験がある。
Ｅ−［２］ 非常用電源には（１）ディーゼル発電機手動起動試験、（２）燃料供給系確認試験、（３）起動用空気圧縮機自動起動試験、（４）燃料移送ポンプ作動試験がある。Ｅ−［３］ 所内蓄電池には（１）パイロット蓄電池確認試験、（２）充電器確認試験がある。Ｅ−［４］ 電気関係・その他には（１）開閉所空気圧縮機自動起動試験がある。Ｓ−［１］ 計装用圧縮空気系には（１）計装用空気圧縮機自動起動試験および所内空気・計装用連絡弁・所内空気遮断弁作動試験がある。Ｓ−［２］ 所内用圧縮空気系には（１）所内用空気圧縮機自動起動試験がある。Ｓ−［３］ 空調換気系には（１）中央制御室空調換気系隔離運転および外気取入運転試験がある。Ｓ−［４］ 消火系には（１）消火ポンプ作動試験がある。
上述した試験項目に加えて、原子力発電プラントにおける試験項目について説明する。
Ｒ−３０１原子炉緊急停止系には、（１）スクラムテストスイッチによるトリップ論理回路試験がある。Ｒ−３０２制御棒駆動系には、（１）制御棒挿入、引抜試験（ＣＲ駆動試験）、（２）制御棒駆動水ポンプ予備機起動試験がある。
Ｒ−３０３原子炉核計装系には、（１）ＳＲＮＭ機能試験、（２）ＡＰＲＭ機能試験がある。
Ｒ−３０４主蒸気系には、（１）主蒸気隔離弁１０％閉試験がある。Ｒ−３０５高圧炉心注水系には、（１）高圧炉心注水ポンプ手動起動試験（高定格容量運転）、（２）高圧炉心注水系電動弁作動試験（含 試験可能逆止弁作動試験）がある。
Ｒ−３０６残留熱除去系には、（１）低圧注水系ポンプ手動起動試験（含 格納容器スプレイ冷却系）、（２）低圧注水系電動弁作動試験（含 試験可能逆止弁作動試験，格納容器スプレイ冷却系）
Ｒ−３０７ほう酸水注入系には、（１）ほう酸水注入ポンプ手動起動試験（純水使用）、（２）ほう酸水注入系電動弁作動試験がある。
Ｒ−３０８原子炉隔離時冷却系には、（１）原子炉隔離時冷却系ポンプ手動起動試験、（２）原子炉隔離時冷却系電動弁作動試験（含 試験可能逆止弁作動試験）がある。
Ｒ−３０９非常用ガス処理系には、（１）非常用ガス処理系手動起動試験がある。
Ｒ−３０１原子炉緊急停止系には、（１）スクラムテストスイッチによるトリップ論理回路試験がある。Ｒ−３０２制御棒駆動系には、（１）制御棒挿入、引抜試験（ＣＲ駆動試験）、（２）制御棒駆動水ポンプ予備機起動試験がある。
Ｒ−３０３原子炉核計装系には、（１）ＳＲＮＭ機能試験、（２）ＡＰＲＭ機能試験がある。
Ｒ−３０４主蒸気系には、（１）主蒸気隔離弁１０％閉試験がある。Ｒ−３０５高圧炉心注水系には、（１）高圧炉心注水ポンプ手動起動試験（高定格容量運転）、（２）高圧炉心注水系電動弁作動試験（含 試験可能逆止弁作動試験）がある。
Ｒ−３０６残留熱除去系には、（１）低圧注水系ポンプ手動起動試験（含 格納容器スプレイ冷却系）、（２）低圧注水系電動弁作動試験（含 試験可能逆止弁作動試験，格納容器スプレイ冷却系）
Ｒ−３０７ほう酸水注入系には、（１）ほう酸水注入ポンプ手動起動試験（純水使用）、（２）ほう酸水注入系電動弁作動試験がある。
Ｒ−３０８原子炉隔離時冷却系には、（１）原子炉隔離時冷却系ポンプ手動起動試験、（２）原子炉隔離時冷却系電動弁作動試験（含 試験可能逆止弁作動試験）がある。
Ｒ−３０９非常用ガス処理系には、（１）非常用ガス処理系手動起動試験がある。
Ｒ−３１０可燃性ガス濃度制御系には、（１）可燃性ガス濃度制御系電動弁作動試験、（２）可燃性ガス濃度制御系ブロワ常温作動試験がある。
Ｒ−３１１中央制御室換気空調系には、（１）中央制御室換気空調系隔離運転および外気取入運転試験がある。
Ｒ−３１２サプレッションプール浄化系には、（１）サプレッションプール浄化ポンプ手動起動試験がある。
Ｒ−３１３原子炉補機冷却水系、補機冷却海水系には、（１）原子炉補機冷却水ポンプおよび原子炉補機冷却海水ポンプ手動起動試験がある。
Ｔ−３０１タービンには、（１）タービン主蒸気止め弁個弁１０％閉試験、（２）タービンバイパス弁個弁微開試験、（３）抽気逆止弁および抽気管ドレン弁作動試験、（４）タービンインタ−セプト弁微閉試験、（５）ロックアウトによるオイルトリップ試験、（６）パワーロードアンバランス回路試験、（７）タービンバックアップ過速度回路試験、（８）タービンマスタートリップ電磁弁試験、（９）油ポンプ自動起動試験、（１０）ジャッキング油ポンプ起動試験、（１１）制御油ポンプ自動起動試験がある。
Ｔ−３０２循環水系には、（１）循環水配管取水側および放水側サイフォン破壊弁作動試験がある。
Ｒ−３１１中央制御室換気空調系には、（１）中央制御室換気空調系隔離運転および外気取入運転試験がある。
Ｒ−３１２サプレッションプール浄化系には、（１）サプレッションプール浄化ポンプ手動起動試験がある。
Ｒ−３１３原子炉補機冷却水系、補機冷却海水系には、（１）原子炉補機冷却水ポンプおよび原子炉補機冷却海水ポンプ手動起動試験がある。
Ｔ−３０１タービンには、（１）タービン主蒸気止め弁個弁１０％閉試験、（２）タービンバイパス弁個弁微開試験、（３）抽気逆止弁および抽気管ドレン弁作動試験、（４）タービンインタ−セプト弁微閉試験、（５）ロックアウトによるオイルトリップ試験、（６）パワーロードアンバランス回路試験、（７）タービンバックアップ過速度回路試験、（８）タービンマスタートリップ電磁弁試験、（９）油ポンプ自動起動試験、（１０）ジャッキング油ポンプ起動試験、（１１）制御油ポンプ自動起動試験がある。
Ｔ−３０２循環水系には、（１）循環水配管取水側および放水側サイフォン破壊弁作動試験がある。
Ｔ−３０３原子炉給水ポンプ駆動用蒸気タービンには、（１）ＲＦＰ−Ｔ主油ポンプ予備機自動起動試験、（２）ＲＦＰ−Ｔ非常用油ポンプ自動起動試験、（３）ＲＦＰ−Ｔ低圧蒸気止め弁半閉および高圧蒸気止め弁全閉試験、（４）ＲＦＰ−Ｔスラスト保護装置作動試験、（５）ＲＦＰ−Ｔロックアウトによる非常調速機オイルトリップ試験がある。
Ｅ−３０１発電機および発電機補機には、（１）非常用密封油ポンプ自動起動試験、（２）密封油差圧警報試験、（３）固定子冷却水ポンプ予備機自動起動試験がある。
Ｅ−３０２非常用ディーゼル発電設備 、（１）非常用ディーゼル発電機手動起動試験、（２）非常用ディーゼル発電設備 燃料油系確認試験、（３）非常用ディーゼル発電設備 燃料移送ポンプ作動試験、（４）非常用ディーゼル発電設備 空気圧縮機自動起動試験がある。
Ｅ−３０３蓄電池には、（１）パイロット蓄電池確認試験がある。
Ｓ−３０１計装用圧縮空気系には、（１）計装用圧縮空気系空気圧縮機自動起動試験、（２）ＳＡ→ＩＡ連絡弁作動試験がある。
Ｓ−３０２消火系には、（１）消火ポンプ作動試験がある。
Ｅ−３０１発電機および発電機補機には、（１）非常用密封油ポンプ自動起動試験、（２）密封油差圧警報試験、（３）固定子冷却水ポンプ予備機自動起動試験がある。
Ｅ−３０２非常用ディーゼル発電設備 、（１）非常用ディーゼル発電機手動起動試験、（２）非常用ディーゼル発電設備 燃料油系確認試験、（３）非常用ディーゼル発電設備 燃料移送ポンプ作動試験、（４）非常用ディーゼル発電設備 空気圧縮機自動起動試験がある。
Ｅ−３０３蓄電池には、（１）パイロット蓄電池確認試験がある。
Ｓ−３０１計装用圧縮空気系には、（１）計装用圧縮空気系空気圧縮機自動起動試験、（２）ＳＡ→ＩＡ連絡弁作動試験がある。
Ｓ−３０２消火系には、（１）消火ポンプ作動試験がある。
図５は、本発明の実施形態に係る分析サーバ５３による二次元マトリクス表示処理（準備処理）のサブルーチン（Ｓ１００）を示すフローチャートである。
ステップＳ１０５では、主制御部６５は、データベースから測定データを取得する。すなわち、主制御部６５は、データベース部７７に記憶されているデータベースから測定データをデータ記憶部６９に取得する。
これにより、主制御部６５は、データベースから取得した計測項目ＩＤと測定データとその測定時刻データを計測項目名と関連付けてデータ記憶部６９に取得することができる。ここで、測定データの内容を表１に示す。
ステップＳ１０５では、主制御部６５は、データベースから測定データを取得する。すなわち、主制御部６５は、データベース部７７に記憶されているデータベースから測定データをデータ記憶部６９に取得する。
これにより、主制御部６５は、データベースから取得した計測項目ＩＤと測定データとその測定時刻データを計測項目名と関連付けてデータ記憶部６９に取得することができる。ここで、測定データの内容を表１に示す。
ステップＳ１１０では、主制御部６５は、系統を基準にして監視パラメータ群を抽出し、データ記憶部６９に記憶する。
この結果、データ記憶部６９には、監視パラメータ群が記憶される。
ステップＳ１１５では、主制御部６５は、相関関係にある各センサの表示位置を縦軸方向及び横軸方向の位置に夫々配置した二次元マトリクス表を作成し、表示制御部７１から表示部７３に表示する。
ステップＳ１２０では、主制御部６５は、比較する期間を決定する。
この結果、データ記憶部６９には、監視パラメータ群が記憶される。
ステップＳ１１５では、主制御部６５は、相関関係にある各センサの表示位置を縦軸方向及び横軸方向の位置に夫々配置した二次元マトリクス表を作成し、表示制御部７１から表示部７３に表示する。
ステップＳ１２０では、主制御部６５は、比較する期間を決定する。
ステップＳ１２５では、主制御部６５は、基準となる過去の正常操作期間において、式（２）に従って、全ての監視パラメータ間の関係性の強さを表すフィット値を算出する。
ステップＳ１３０では、主制御部６５は、フィット値の基準値（平均値、標準偏差値）を算出し、データ記憶部６９に記憶する。
この結果、データ記憶部６９には、フィット値、フィット値の基準値が記憶される。
次いで、当該サブルーチンでの処理を終了して復帰する。
ステップＳ１３０では、主制御部６５は、フィット値の基準値（平均値、標準偏差値）を算出し、データ記憶部６９に記憶する。
この結果、データ記憶部６９には、フィット値、フィット値の基準値が記憶される。
次いで、当該サブルーチンでの処理を終了して復帰する。
図６は、本発明の実施形態に係る分析サーバ５３によるコアインバリアント比較処理（比較開始）のサブルーチン（Ｓ２００）を示すフローチャートである。
なお、コアインバリアント比較処理（比較開始）は、［５］設備点検工程後の試運転処理に適用するものである。
まず、ステップＳ２０５では、主制御部６５は、サブルーチンである監視処理（Ｓ３００）をコールする。このサブルーチンでは、主制御部６５は、点検前の状態で作成した関係性モデルによるインバリアント監視処理を実行する。
上記サブルーチンから復帰した場合にステップＳ２１０に進む。
ステップＳ２１０では、主制御部６５は、データ記憶部６９から比較対象期間のフィット値と基準値（平均値、又は標準偏差値）とをデータ記憶部６９に読み込み、比較対象期間のフィット値と基準値とを比較する。
ステップＳ２１５では、主制御部６５は、通常と異なる状態か否かを判断する。例えば、フィット値が基準値よりも大きいか否かを判断する。
ここで、フィット値が基準値よりも大きい場合（Ｓ２１５、Ｙｅｓ）ステップＳ２２０に進み、一方、フィット値が基準値よりも大きくない場合（Ｓ２１５、Ｎｏ）ステップＳ２２５に進む。
なお、コアインバリアント比較処理（比較開始）は、［５］設備点検工程後の試運転処理に適用するものである。
まず、ステップＳ２０５では、主制御部６５は、サブルーチンである監視処理（Ｓ３００）をコールする。このサブルーチンでは、主制御部６５は、点検前の状態で作成した関係性モデルによるインバリアント監視処理を実行する。
上記サブルーチンから復帰した場合にステップＳ２１０に進む。
ステップＳ２１０では、主制御部６５は、データ記憶部６９から比較対象期間のフィット値と基準値（平均値、又は標準偏差値）とをデータ記憶部６９に読み込み、比較対象期間のフィット値と基準値とを比較する。
ステップＳ２１５では、主制御部６５は、通常と異なる状態か否かを判断する。例えば、フィット値が基準値よりも大きいか否かを判断する。
ここで、フィット値が基準値よりも大きい場合（Ｓ２１５、Ｙｅｓ）ステップＳ２２０に進み、一方、フィット値が基準値よりも大きくない場合（Ｓ２１５、Ｎｏ）ステップＳ２２５に進む。
ステップＳ２２０では、主制御部６５は、二次元マトリクス表の関係性を示す交点を赤色で表示する。
ステップＳ２２５では、主制御部６５は、二次元マトリクス表の関係性を示す交点を白色で表示する。
この結果、図１４（ａ）〜（ｄ）に示すように、赤色と白色とに色分けされた二次元マトリクス表が表示部７３に表示される。なお、本実施形態では、赤色と白色とに色分けされた二次元マトリクス表を表示するように構成しているが、他の異なる２色を用いて表示するように構成してもよい。
ステップＳ２３０では、主制御部６５は、全てのマトリクス（対象）について比較したか否かを判断する。
ステップＳ２２５では、主制御部６５は、二次元マトリクス表の関係性を示す交点を白色で表示する。
この結果、図１４（ａ）〜（ｄ）に示すように、赤色と白色とに色分けされた二次元マトリクス表が表示部７３に表示される。なお、本実施形態では、赤色と白色とに色分けされた二次元マトリクス表を表示するように構成しているが、他の異なる２色を用いて表示するように構成してもよい。
ステップＳ２３０では、主制御部６５は、全てのマトリクス（対象）について比較したか否かを判断する。
ここで、全てのマトリクス（対象）について比較した場合（Ｓ２３０、Ｙｅｓ）ステップＳ２３７に進み、一方、未だ全てのマトリクス（対象）について比較していない場合（Ｓ２３０、Ｎｏ）ステップＳ２３５に進む。
ステップＳ２３５では、主制御部６５は、次のマトリクス（対象）を指定し、ステップＳ２１０に戻る。
ステップＳ２３７では、主制御部６５は、データベース化が必要か否かを判断する。データベース化が必要である場合（Ｓ２３７、Ｙｅｓ）ステップＳ２４０に進む。一方、データベース化が必要ではない場合（Ｓ２３７、Ｎｏ）当該サブルーチンでの処理を終了して復帰する。
なお、データベース化が必要か否かを問い合わせるメッセージを表示部７３に表示しておき、操作部６７を用いてＧＵＩ機能により担当者の意志を確認してもよい。
ステップＳ２３５では、主制御部６５は、次のマトリクス（対象）を指定し、ステップＳ２１０に戻る。
ステップＳ２３７では、主制御部６５は、データベース化が必要か否かを判断する。データベース化が必要である場合（Ｓ２３７、Ｙｅｓ）ステップＳ２４０に進む。一方、データベース化が必要ではない場合（Ｓ２３７、Ｎｏ）当該サブルーチンでの処理を終了して復帰する。
なお、データベース化が必要か否かを問い合わせるメッセージを表示部７３に表示しておき、操作部６７を用いてＧＵＩ機能により担当者の意志を確認してもよい。
ステップＳ２４０では、主制御部６５は、比較結果は過去と同じか否かを判断する。
ここで、比較結果は過去と同じである場合（Ｓ２４０、Ｙｅｓ）ステップＳ２４５に進み、一方、比較結果は過去と同じではない場合（Ｓ２４０、Ｎｏ）ステップＳ２５５に進む。
ステップＳ２４５では、主制御部６５は、サブルーチンである関係性モデル作成処理（再作成）（Ｓ４００）をコールする。
上記サブルーチンから復帰した場合にステップＳ２５０に進む。
ステップＳ２５０では、主制御部６５は、作成した関係性モデルを監視モデルとしてデータ記憶部６９に設定する。
ステップＳ２５５では、主制御部６５は、過去と同一ではないと判断された場合、原因箇所の特定作業を促すメッセージを表示部７３に表示する。
例えば、主制御部６５は、表示制御部７１を介して「表示画面を確認して原因箇所を特定して下さい。」というメッセージを表示部７３に表示する。
次いで、当該サブルーチンでの処理を終了して復帰する。
ここで、比較結果は過去と同じである場合（Ｓ２４０、Ｙｅｓ）ステップＳ２４５に進み、一方、比較結果は過去と同じではない場合（Ｓ２４０、Ｎｏ）ステップＳ２５５に進む。
ステップＳ２４５では、主制御部６５は、サブルーチンである関係性モデル作成処理（再作成）（Ｓ４００）をコールする。
上記サブルーチンから復帰した場合にステップＳ２５０に進む。
ステップＳ２５０では、主制御部６５は、作成した関係性モデルを監視モデルとしてデータ記憶部６９に設定する。
ステップＳ２５５では、主制御部６５は、過去と同一ではないと判断された場合、原因箇所の特定作業を促すメッセージを表示部７３に表示する。
例えば、主制御部６５は、表示制御部７１を介して「表示画面を確認して原因箇所を特定して下さい。」というメッセージを表示部７３に表示する。
次いで、当該サブルーチンでの処理を終了して復帰する。
本実施形態によれば、分析サーバ５３は、プラント１０の起動工程における運転内容に基づいて、起動工程内を複数の期間ｔ０〜ｔ１に区切っておき、測定データに基づいて、各期間が終了する毎に挙動状態の妥当性について確認することにより、各機器の故障予兆箇所を表示し、各期間における挙動状態が妥当であると確認した場合に、次の期間に移行することで、各機器の故障予兆箇所を表示できるので、プラントに備えられている機器の故障予兆を担当者に依存したバラツキがなく、一定の検知精度があり、機器の故障予兆を敏速に検知することができる。
この結果、起動工程等の長期間連続して複数のイベントを監視する必要があるような場合、監視機能の強化に大きな効果を得ることができる。
この結果、起動工程等の長期間連続して複数のイベントを監視する必要があるような場合、監視機能の強化に大きな効果を得ることができる。
本実施形態によれば、分析サーバ５３は、プラントのＣＲパターン変更工程、又は停止工程における運転内容に基づいて、該工程内を複数の期間ｔ４０〜ｔ５に区切っておき、測定データに基づいて、期間が終了する毎に挙動状態の妥当性について確認することにより、各機器の故障予兆箇所を表示し、各期間における挙動状態が妥当であると確認した場合に、次の期間に移行することで、各期間における挙動状態が妥当であると確認できるので、プラントに備えられている機器の故障予兆を担当者に依存したバラツキがなく、一定の検知精度があり、機器の故障予兆を敏速に検知することができる。
本実施形態によれば、各センサＳｅ１〜Ｓｅｎにより測定された測定データを取得し、測定データに基づいて、監視パラメータ群を抽出し、監視パラメータ群に含まれる各センサの測定データ間の相関関係の強さを示すフィット値を算出し、基準となる過去の正常状態において取得した複数回のフィット値の平均値及び標準偏差を算出し、正常状態におけるフィット値の平均値及び標準偏差値と、期間のフィット値とを比較することにより挙動状態の妥当性について確認することができるので、プラントに備えられている機器の故障予兆を担当者に依存したバラツキがなく、一定の検知精度があり、機器の故障予兆を敏速に検知することができる。
図７は、本発明の実施形態に係る分析サーバ５３による監視処理のサブルーチン（Ｓ３００）を示すフローチャートである。
監視処理において、ステップＳ３０５では、主制御部６５は、監視処理に用いる関係性モデルはデータ記憶部６９に設定済みか否かを判断する。
ここで、関係性モデルがデータ記憶部６９に設定済みである場合（Ｓ３０５、Ｙｅｓ）ステップＳ３１０に進み、一方、関係性モデルがデータ記憶部６９に設定済みではない場合（Ｓ３０５、Ｎｏ）、当該サブルーチンでの処理を終了して復帰する。
ステップＳ３１０では、主制御部６５は、センサ監視装置５１から測定データを取得する。
ステップＳ３１５では、主制御部６５は、取得した測定データに同様の傾向が現れているか否かを判断する。
ここで、測定データに同様の傾向が現れている場合（Ｓ３１５、Ｙｅｓ）、当該サブルーチンでの処理を終了して復帰する。一方、測定データに同様の傾向が現れていない場合（Ｓ３１５、Ｎｏ）ステップＳ３２０に進む。
ステップＳ３２０では、主制御部６５は、データベース部７７から異常要因の候補を抽出し、データ記憶部６９に記憶する。
次いで、当該サブルーチンでの処理を終了して復帰する。
監視処理において、ステップＳ３０５では、主制御部６５は、監視処理に用いる関係性モデルはデータ記憶部６９に設定済みか否かを判断する。
ここで、関係性モデルがデータ記憶部６９に設定済みである場合（Ｓ３０５、Ｙｅｓ）ステップＳ３１０に進み、一方、関係性モデルがデータ記憶部６９に設定済みではない場合（Ｓ３０５、Ｎｏ）、当該サブルーチンでの処理を終了して復帰する。
ステップＳ３１０では、主制御部６５は、センサ監視装置５１から測定データを取得する。
ステップＳ３１５では、主制御部６５は、取得した測定データに同様の傾向が現れているか否かを判断する。
ここで、測定データに同様の傾向が現れている場合（Ｓ３１５、Ｙｅｓ）、当該サブルーチンでの処理を終了して復帰する。一方、測定データに同様の傾向が現れていない場合（Ｓ３１５、Ｎｏ）ステップＳ３２０に進む。
ステップＳ３２０では、主制御部６５は、データベース部７７から異常要因の候補を抽出し、データ記憶部６９に記憶する。
次いで、当該サブルーチンでの処理を終了して復帰する。
図８は、本発明の実施形態に係る分析サーバ５３による異常予兆の影響範囲についての自動抽出処理のサブルーチン（Ｓ５００）を示すフローチャートである。
異常予兆の影響範囲についての自動抽出処理において、ステップＳ５０５では、主制御部６５は、異常予兆が閾値を越えた時に担当者に報知するためにアラーム発生する。
ステップＳ５１０では、主制御部６５は、異常予兆に関係するセンサ、系統の不具合事例の情報についてデータベース部７７を検索する。
異常予兆の影響範囲についての自動抽出処理において、ステップＳ５０５では、主制御部６５は、異常予兆が閾値を越えた時に担当者に報知するためにアラーム発生する。
ステップＳ５１０では、主制御部６５は、異常予兆に関係するセンサ、系統の不具合事例の情報についてデータベース部７７を検索する。
ステップＳ５１５では、主制御部６５は、データベース部７７から類似事象を抽出する。
ステップＳ５２０では、主制御部６５は、異常箇所を表示部７３に表示する。
ステップＳ５２２では、主制御部６５は、データベース化が必要か否かを判断する。データベース化が必要である場合（Ｓ５２２、Ｙｅｓ）ステップＳ５２５に進む。一方、データベース化が必要ではない場合（Ｓ５２２、Ｎｏ）当該サブルーチンでの処理を終了して復帰する。
なお、データベース化が必要か否かを問い合わせるメッセージを表示部７３に表示しておき、操作部６７を用いてＧＵＩ機能により担当者の意志を確認してもよい。
ステップＳ５２５では、主制御部６５は、今までの処理ステップを実行する過程において取得した取得データ、故障箇所を特定するための故障箇所特定情報、異常を検知した際の異常検知情報（ノウハウ）を、各工程を表す工程タグ、及びタイムスタンプとともに記憶するデータベースを生成し、レコード番号を付加してデータベース部７７に記憶する。
ステップＳ５２０では、主制御部６５は、異常箇所を表示部７３に表示する。
ステップＳ５２２では、主制御部６５は、データベース化が必要か否かを判断する。データベース化が必要である場合（Ｓ５２２、Ｙｅｓ）ステップＳ５２５に進む。一方、データベース化が必要ではない場合（Ｓ５２２、Ｎｏ）当該サブルーチンでの処理を終了して復帰する。
なお、データベース化が必要か否かを問い合わせるメッセージを表示部７３に表示しておき、操作部６７を用いてＧＵＩ機能により担当者の意志を確認してもよい。
ステップＳ５２５では、主制御部６５は、今までの処理ステップを実行する過程において取得した取得データ、故障箇所を特定するための故障箇所特定情報、異常を検知した際の異常検知情報（ノウハウ）を、各工程を表す工程タグ、及びタイムスタンプとともに記憶するデータベースを生成し、レコード番号を付加してデータベース部７７に記憶する。
次いで、当該サブルーチンでの処理を終了して復帰する。
本実施形態によれば、各ステップを実行する過程において取得可能なデータ、故障予兆箇所を表示するための故障箇所表示情報、異常を検知した際の異常検知情報、故障予兆箇所の表示情報を、各工程を表すタグ、及びタイムスタンプとともに記憶するデータベースを生成することで、今後における故障予兆箇所に対する特定精度を向上することができる。
図９は、本発明の実施形態に係る分析サーバ５３による故障予兆検知処理のサブルーチン（Ｓ６００）を示すフローチャートである。
故障予兆検知処理において、ステップＳ６０５では、主制御部６５は、監視期間は終了か否かを判断する。監視期間を終了する場合（Ｓ６０５、Ｙｅｓ）は当該サブルーチンでの処理を終了して復帰する。一方、監視期間が終了していない場合（Ｓ６０５、Ｎｏ）はステップＳ６１５に進む。
なお、監視期間は終了か否かを問い合わせるメッセージを表示部７３に表示しておき、操作部６７を用いてＧＵＩ機能により担当者の意志を確認してもよい。
ステップＳ６１５では、主制御部６５は、サブルーチンであるインバリアント監視によるリアルタイム監視処理（Ｓ７００）をコールする。
上記サブルーチンから復帰した場合にステップＳ６２０に進む。
ステップＳ６２０では、主制御部６５は、兆候ありか又は予兆ありかを判断する。すなわち、主制御部６５は、崩れたインバリアントの合計値（アノマリスコア）が許容範囲を超えたか否かを判断する。
ここで、崩れたインバリアントの合計値が許容範囲を超えた場合（Ｓ６２０、Ｙｅｓ）にはステップＳ６２５に進む。一方、崩れたインバリアントの合計値が許容範囲を超えていない場合（Ｓ６２０、Ｎｏ）にはステップＳ６０５に戻る。
ステップＳ６２５では、主制御部６５は、サブルーチンである異常予兆の影響範囲についての自動抽出処理（Ｓ５００）をコールする。
上記サブルーチンから復帰した場合にステップＳ６３０に進む。
故障予兆検知処理において、ステップＳ６０５では、主制御部６５は、監視期間は終了か否かを判断する。監視期間を終了する場合（Ｓ６０５、Ｙｅｓ）は当該サブルーチンでの処理を終了して復帰する。一方、監視期間が終了していない場合（Ｓ６０５、Ｎｏ）はステップＳ６１５に進む。
なお、監視期間は終了か否かを問い合わせるメッセージを表示部７３に表示しておき、操作部６７を用いてＧＵＩ機能により担当者の意志を確認してもよい。
ステップＳ６１５では、主制御部６５は、サブルーチンであるインバリアント監視によるリアルタイム監視処理（Ｓ７００）をコールする。
上記サブルーチンから復帰した場合にステップＳ６２０に進む。
ステップＳ６２０では、主制御部６５は、兆候ありか又は予兆ありかを判断する。すなわち、主制御部６５は、崩れたインバリアントの合計値（アノマリスコア）が許容範囲を超えたか否かを判断する。
ここで、崩れたインバリアントの合計値が許容範囲を超えた場合（Ｓ６２０、Ｙｅｓ）にはステップＳ６２５に進む。一方、崩れたインバリアントの合計値が許容範囲を超えていない場合（Ｓ６２０、Ｎｏ）にはステップＳ６０５に戻る。
ステップＳ６２５では、主制御部６５は、サブルーチンである異常予兆の影響範囲についての自動抽出処理（Ｓ５００）をコールする。
上記サブルーチンから復帰した場合にステップＳ６３０に進む。
ステップＳ６３０では、主制御部６５は、問題箇所の特定作業を促すメッセージを表示部７３に表示する。例えば、主制御部６５は、表示制御部７１を介して「問題箇所の特定作業を行って下さい。」というメッセージを表示部７３に表示することで、アラーム通報する。
ステップＳ６３５では、主制御部６５は、異常予兆の影響範囲に関連するパラメータの時間的変化を表示部７３に表示する。
ステップＳ６４０では、主制御部６５は、監視強化用の関係性モデルを並行使用する。（監視強化）
ステップＳ６３５では、主制御部６５は、異常予兆の影響範囲に関連するパラメータの時間的変化を表示部７３に表示する。
ステップＳ６４０では、主制御部６５は、監視強化用の関係性モデルを並行使用する。（監視強化）
ステップＳ６４５では、主制御部６５は、異常状態か否かを判断する。
ここで、異常状態である場合（Ｓ６４５、Ｙｅｓ）ステップＳ６５０に進み、一方、異常状態ではない場合（Ｓ６４５、Ｎｏ）ステップＳ６５５に進む。
ステップＳ６５０では、主制御部６５は、対象箇所への処置を促すメッセージを表示部７３に表示する。例えば、主制御部６５は、表示制御部７１を介して「対象箇所へ処置を施して下さい。」というメッセージを表示部７３に表示する。
ステップＳ６５５では、主制御部６５は、サブルーチンである関係性モデル作成処理（Ｓ４００）をコールする。
上記サブルーチンから復帰した場合にステップＳ６０５に進む。
ここで、異常状態である場合（Ｓ６４５、Ｙｅｓ）ステップＳ６５０に進み、一方、異常状態ではない場合（Ｓ６４５、Ｎｏ）ステップＳ６５５に進む。
ステップＳ６５０では、主制御部６５は、対象箇所への処置を促すメッセージを表示部７３に表示する。例えば、主制御部６５は、表示制御部７１を介して「対象箇所へ処置を施して下さい。」というメッセージを表示部７３に表示する。
ステップＳ６５５では、主制御部６５は、サブルーチンである関係性モデル作成処理（Ｓ４００）をコールする。
上記サブルーチンから復帰した場合にステップＳ６０５に進む。
本実施形態によれば、分析サーバ５３は、各センサの測定データをリアルタイムに監視することにより各機器の故障予兆を検知して、問題箇所を表示することができるので、プラントに備えられている機器の故障予兆を担当者に依存したバラツキがなく、一定の検知精度があり、機器の故障予兆を敏速に検知することができる。
図１０は、本発明の実施形態に係る分析サーバ５３によるインバリアント監視によるリアルタイム監視処理のサブルーチン（Ｓ７００）を示すフローチャートである。
インバリアント監視によるリアルタイム監視処理において、ステップＳ７０５では、主制御部６５は、データベース部７７に記憶されているデータベースから定常運転工程に対応した関係性モデルをデータ記憶部６９に取得する。
ステップＳ７１０では、主制御部６５は、センサ監視装置５１から測定データを取得する。
ステップＳ７１５では、主制御部６５は、各センサの測定データに対して、式（１）に従って関係性モデルを用いて関係性が予測される各センサの予測値を算出する。
インバリアント監視によるリアルタイム監視処理において、ステップＳ７０５では、主制御部６５は、データベース部７７に記憶されているデータベースから定常運転工程に対応した関係性モデルをデータ記憶部６９に取得する。
ステップＳ７１０では、主制御部６５は、センサ監視装置５１から測定データを取得する。
ステップＳ７１５では、主制御部６５は、各センサの測定データに対して、式（１）に従って関係性モデルを用いて関係性が予測される各センサの予測値を算出する。
ステップＳ７２０では、主制御部６５は、各センサの測定データと予測値との差分値を算出する。
ステップＳ７２５では、主制御部６５は、差分値が許容範囲を超えることにより発生するインバリアント（不変関係）の崩れを算出する。ここで、許容範囲とは、予測値の下限値から上限値までの範囲を表すものであり、各センサの測定データと予測値との差（差分値）が許容範囲を超えた場合に異常発生があることとする。
ステップＳ７３０では、主制御部６５は、崩れたインバリアントの合計値（アノマリスコア）を算出する。次いで、当該サブルーチンでの処理を終了して復帰する。
ステップＳ７２５では、主制御部６５は、差分値が許容範囲を超えることにより発生するインバリアント（不変関係）の崩れを算出する。ここで、許容範囲とは、予測値の下限値から上限値までの範囲を表すものであり、各センサの測定データと予測値との差（差分値）が許容範囲を超えた場合に異常発生があることとする。
ステップＳ７３０では、主制御部６５は、崩れたインバリアントの合計値（アノマリスコア）を算出する。次いで、当該サブルーチンでの処理を終了して復帰する。
本実施形態によれば、プラント１０の定常運転工程に対応して、各センサの測定データ間にある相互の関係性を表す機器における正常動作時の測定データの関係性モデルをモデル記憶手段に複数記憶させ、各センサの測定データに対して、関係性モデルを用いて関係性が予測される各センサの予測値を算出し、各センサの測定データと予測値との差分値を算出し、差分値が許容範囲を超えることにより発生するインバリアント（不変関係）の崩れを検出することにより各機器の故障予兆を検知することができるので、プラントに備えられている機器の故障予兆を担当者に依存したバラツキがなく、一定の検知精度があり、機器の故障予兆を敏速に検知することができる。
図１１は、本発明の実施形態に係る分析サーバ５３による設備点検処理のサブルーチン（Ｓ９００）を示すフローチャートである。
設備点検処理において、ステップＳ９０５では、主制御部６５は、サブルーチンである関係性モデル作成処理（Ｓ４００）をコールする。
上記サブルーチンから復帰した場合にステップＳ９１０に進む。
ステップＳ９１０では、主制御部６５は、サブルーチンであるインバリアント監視によるリアルタイム監視処理（Ｓ７００）をコールする。
上記サブルーチンから復帰した場合にステップＳ９１５に進む。
設備点検処理において、ステップＳ９０５では、主制御部６５は、サブルーチンである関係性モデル作成処理（Ｓ４００）をコールする。
上記サブルーチンから復帰した場合にステップＳ９１０に進む。
ステップＳ９１０では、主制御部６５は、サブルーチンであるインバリアント監視によるリアルタイム監視処理（Ｓ７００）をコールする。
上記サブルーチンから復帰した場合にステップＳ９１５に進む。
ステップＳ９１５では、主制御部６５は、問題発生か否かを判断する。
ここで、問題発生がある場合（Ｓ９１５、Ｙｅｓ）ステップＳ９４０に進み、一方、問題発生がない場合（Ｓ９１５、Ｎｏ）ステップＳ９２０に進む。
問題発生がない場合、ステップＳ９２０では、主制御部６５は、設備点検を促すメッセージを表示部７３に表示する。例えば、主制御部６５は、表示制御部７１を介して「設備点検を行って下さい。」というメッセージを表示部７３に表示する。
ステップＳ９２５では、主制御部６５は、設備点検が終了か否かを判断する。
ここで、設備点検が終了した場合（Ｓ９２５、Ｙｅｓ）ステップＳ９３０に進み、一方、設備点検が終了してない場合（Ｓ９２５、Ｎｏ）ステップＳ９２０に戻る。
ステップＳ９３０では、主制御部６５は、サブルーチンである関係性モデル作成処理（Ｓ４００）をコールする。
上記サブルーチンから復帰した場合にステップＳ９３５に進む。
ステップＳ９３５では、主制御部６５は、関係性モデル作成処理（Ｓ４００）により作成された関係性モデルをディスク制御部７５を介してデータベース部７７に記憶する。
次いで、当該サブルーチンでの処理を終了して復帰する。
ここで、問題発生がある場合（Ｓ９１５、Ｙｅｓ）ステップＳ９４０に進み、一方、問題発生がない場合（Ｓ９１５、Ｎｏ）ステップＳ９２０に進む。
問題発生がない場合、ステップＳ９２０では、主制御部６５は、設備点検を促すメッセージを表示部７３に表示する。例えば、主制御部６５は、表示制御部７１を介して「設備点検を行って下さい。」というメッセージを表示部７３に表示する。
ステップＳ９２５では、主制御部６５は、設備点検が終了か否かを判断する。
ここで、設備点検が終了した場合（Ｓ９２５、Ｙｅｓ）ステップＳ９３０に進み、一方、設備点検が終了してない場合（Ｓ９２５、Ｎｏ）ステップＳ９２０に戻る。
ステップＳ９３０では、主制御部６５は、サブルーチンである関係性モデル作成処理（Ｓ４００）をコールする。
上記サブルーチンから復帰した場合にステップＳ９３５に進む。
ステップＳ９３５では、主制御部６５は、関係性モデル作成処理（Ｓ４００）により作成された関係性モデルをディスク制御部７５を介してデータベース部７７に記憶する。
次いで、当該サブルーチンでの処理を終了して復帰する。
問題発生がある場合、ステップＳ９４０では、主制御部６５は、サブルーチンである問題箇所特定処理（Ｓ１１００）をコールする。
上記サブルーチンから復帰した場合にステップＳ９４５に進む。
ステップＳ９４５では、主制御部６５は、問題箇所に対して問題対処を促すメッセージを表示部７３に表示する。例えば、主制御部６５は、表示制御部７１を介して「問題箇所がありますので、問題対処を行って下さい。」というメッセージを表示部７３に表示する。
ステップＳ９５０では、主制御部６５は、問題対処が終了したか否かを判断する。
ここで、問題対処が終了した場合（Ｓ９５０、Ｙｅｓ）ステップＳ９１０に進み、一方、問題対処が終了していない場合（Ｓ９５０、Ｎｏ）ステップＳ９４５に戻る。
上記サブルーチンから復帰した場合にステップＳ９４５に進む。
ステップＳ９４５では、主制御部６５は、問題箇所に対して問題対処を促すメッセージを表示部７３に表示する。例えば、主制御部６５は、表示制御部７１を介して「問題箇所がありますので、問題対処を行って下さい。」というメッセージを表示部７３に表示する。
ステップＳ９５０では、主制御部６５は、問題対処が終了したか否かを判断する。
ここで、問題対処が終了した場合（Ｓ９５０、Ｙｅｓ）ステップＳ９１０に進み、一方、問題対処が終了していない場合（Ｓ９５０、Ｎｏ）ステップＳ９４５に戻る。
図１２は、本発明の実施形態に係る分析サーバ５３によるインバリアント監視によるリアルタイム監視処理のサブルーチン（Ｓ１０００）を示すフローチャートである。
インバリアント監視によるリアルタイム監視処理において、ステップＳ１００５では、主制御部６５は、ディスク制御部７５を介してデータベース部７７から設備点検工程に対応した関係性モデルをデータ記憶部６９に取得する。
ステップＳ１０１０では、主制御部６５は、センサ監視装置５１から測定データを取得する。
ステップＳ１０１５では、主制御部６５は、各センサの測定データに対して、式（１）に従って関係性モデルを用いて関係性が予測される各センサの予測値を算出する。
ステップＳ１０２５では、主制御部６５は、各センサの測定データと予測値との差分値を算出する。
ステップＳ１０３０では、主制御部６５は、差分値が予めデータ記憶部６９に設定しておいた許容範囲を超えることにより発生するインバリアント（不変関係）の崩れを検出する。
ステップＳ１０３５では、主制御部６５は、崩れたインバリアントの合計値（アノマリスコア）を算出する。
ステップＳ１０４０では、主制御部６５は、結果を表示部７３に表示する。
この結果、図１４（ａ）〜（ｅ）に示すように、各時点での表示画面を表示部７３に表示して、担当者に目視確認させることができる。
次いで、当該サブルーチンでの処理を終了して復帰する。
インバリアント監視によるリアルタイム監視処理において、ステップＳ１００５では、主制御部６５は、ディスク制御部７５を介してデータベース部７７から設備点検工程に対応した関係性モデルをデータ記憶部６９に取得する。
ステップＳ１０１０では、主制御部６５は、センサ監視装置５１から測定データを取得する。
ステップＳ１０１５では、主制御部６５は、各センサの測定データに対して、式（１）に従って関係性モデルを用いて関係性が予測される各センサの予測値を算出する。
ステップＳ１０２５では、主制御部６５は、各センサの測定データと予測値との差分値を算出する。
ステップＳ１０３０では、主制御部６５は、差分値が予めデータ記憶部６９に設定しておいた許容範囲を超えることにより発生するインバリアント（不変関係）の崩れを検出する。
ステップＳ１０３５では、主制御部６５は、崩れたインバリアントの合計値（アノマリスコア）を算出する。
ステップＳ１０４０では、主制御部６５は、結果を表示部７３に表示する。
この結果、図１４（ａ）〜（ｅ）に示すように、各時点での表示画面を表示部７３に表示して、担当者に目視確認させることができる。
次いで、当該サブルーチンでの処理を終了して復帰する。
本実施形態によれば、各センサＳｅ１〜Ｓｅｎの測定データに対して、関係性モデルを用いて関係性が予測される各センサの予測値を算出し、各センサの測定データと予測値との差分値を算出し、差分値が許容範囲を超えることにより発生するインバリアント（不変関係）の崩れを検出することにより各機器の故障予兆を検知することができるので、プラントに備えられている機器の故障予兆を担当者に依存したバラツキがなく、一定の検知精度があり、機器の故障予兆を敏速に検知することができる。
本実施形態によれば、関係性モデルとして、各センサＳｅ１〜Ｓｅｎの特性毎にグループ化したセンサ群についての相関性を監視範囲とした互いに異なる第１関係性モデル乃至第ｎ関係性モデルと、をデータベース部７７に記憶し、各センサの測定データと、各センサに対した第１関係性モデル乃至第ｎ関係性モデルとに基づいて、各センサの測定データをリアルタイムに同時並行して監視することができるので、プラントに備えられている機器の故障予兆を担当者に依存したバラツキがなく、一定の検知精度があり、機器の故障予兆を敏速に検知することができる。
本実施形態によれば、相関関係にある各センサの表示位置を縦軸方向及び横軸方向の位置に夫々配置して、夫々の交点位置にインバリアント（不変関係）の崩れの有無を表示することができるので、プラントに備えられている機器の故障予兆を担当者に依存したバラツキがなく、一定の検知精度があり、機器の故障予兆を敏速に検知することができる。
本実施形態によれば、崩れたインバリアントの合計値（アノマリスコア）を算出し、合計値が許容範囲を超えたか否かを判定し、合計値が許容範囲を超えたことが判定された場合に、アラームを通報することができるので、プラントに備えられている機器の故障予兆を担当者に依存したバラツキがなく、一定の検知精度があり、機器の故障予兆を敏速に検知することができる。
図１３は、本発明の実施形態に係る分析サーバ５３による問題箇所特定処理のサブルーチン（Ｓ１１００）を示すフローチャートである。以下、主制御部６５は、ステップＳ１１０５−１〜Ｓ１１０５−ｎからステップＳ１１１５−１〜Ｓ１１１５−ｎまでの処理においては並列処理を行うこととし、同様の処理内容については、その説明を省略する。
ステップＳ１１０５−１では、主制御部６５は、ディスク制御部７５を介してデータベース部７７から第１関係性モデルをデータ記憶部６９に取得する。
ステップＳ１１１０−１では、主制御部６５は、サブルーチンである故障予兆検知処理（Ｓ６００）をコールする。
上記サブルーチンから復帰した場合にステップＳ１１１５−１に進む。
ステップＳ１１０５−１では、主制御部６５は、ディスク制御部７５を介してデータベース部７７から第１関係性モデルをデータ記憶部６９に取得する。
ステップＳ１１１０−１では、主制御部６５は、サブルーチンである故障予兆検知処理（Ｓ６００）をコールする。
上記サブルーチンから復帰した場合にステップＳ１１１５−１に進む。
ステップＳ１１１５−１では、主制御部６５は、検知結果に基づいて、判定フラグを生成する。すなわち、検知結果が異常である場合に判定フラグとして異常フラグ（ＮＧ）をデータ記憶部６９に設定する。この結果、データ記憶部６９には、第１関係性モデル〜第ｎ関係性モデルと、夫々の判定フラグが設定される。
次いで、ステップＳ１１２５では、主制御部６５は、結果を表示部７３に表示する。次いで、当該サブルーチンでの処理を終了して復帰する。
本実施形態によれば、分析サーバ５３は、プラントの試運転工程において、各センサの測定データをリアルタイムに監視することにより各機器の故障予兆を検知し、複数の機器の何れか１つの故障予兆を検知した場合に、測定データに基づいて、挙動状態の妥当性について確認することにより、各機器の故障予兆箇所を表示することができるので、プラントに備えられている機器の故障予兆を担当者に依存したバラツキがなく、一定の検知精度があり、機器の故障予兆を敏速に検知することができる。
図１４（ａ）〜（ｅ）は、本発明の実施形態に係る分析サーバ５３による分析結果を示す図である。図１４（ａ）は、表示画面１０１、表示対象の時刻及び表示ボタン１０３、アノマリスコアグラフ１０３ａ、検索条件１０５、全インバリアント一覧又は不具合インバリアント一覧１０７を示す表示画面例である。図１４（ａ）に示すアノマリスコアグラフ１０３ａ上の所望の点をクリックすると、そのクリック点の時刻での二次元マトリクス（ｂ）〜（ｅ）に表示が移行する。
二次元マトリクス表示処理では、フィット値が基準値よりも大きい場合に、二次元マトリクス表の関係性を示す交点を赤色で表示し、フィット値が基準値よりも大きくない場合に、二次元マトリクス表の関係性を示す交点を白色で表示するように構成されている。
図１４（ｂ）はある時点において赤色で表示された交点が少し出始めた表示画面例１０９ａであり、図１４（ｃ）は図１４（ｂ）の時点から時間が少し進み赤色で表示された交点が増加した表示画面例１０９ｂであり、図１４（ｄ）は分析サーバ５３による検知タイミング（Ｓ１０３０）を示す表示画面例１０９ｃであり、図１４（ｅ）は担当者による検知タイミングを示す表示画面例１０９ｄである。
なお、本実施形態では、赤色と白色とに色分けされた二次元マトリクス表を表示するように構成しているが、他の異なる２色を用いて表示するように構成してもよい。
二次元マトリクス表示処理では、フィット値が基準値よりも大きい場合に、二次元マトリクス表の関係性を示す交点を赤色で表示し、フィット値が基準値よりも大きくない場合に、二次元マトリクス表の関係性を示す交点を白色で表示するように構成されている。
図１４（ｂ）はある時点において赤色で表示された交点が少し出始めた表示画面例１０９ａであり、図１４（ｃ）は図１４（ｂ）の時点から時間が少し進み赤色で表示された交点が増加した表示画面例１０９ｂであり、図１４（ｄ）は分析サーバ５３による検知タイミング（Ｓ１０３０）を示す表示画面例１０９ｃであり、図１４（ｅ）は担当者による検知タイミングを示す表示画面例１０９ｄである。
なお、本実施形態では、赤色と白色とに色分けされた二次元マトリクス表を表示するように構成しているが、他の異なる２色を用いて表示するように構成してもよい。
従来技術にあっては、観測データをモニタし、設定したしきい値と比較して異常を検知する場合、測定対象の物理量に着目してしきい値を設定するため、意図しない異常は検知が困難であり、見逃しが発生する場合があった。
これに対して、本実施形態によれば、従来技術において設定されたしきい値による異常検知タイミングよりも以前のわずかな測定データの変位から各機器の故障予兆箇所を表示できるので、プラントに備えられている機器の故障予兆を担当者に依存したバラツキがなく、一定の検知精度があり、機器の故障予兆を敏速に検知することができる。
この結果、影響範囲の分析にかかる時間や労力等の担当者への負担を軽減することができる。同時に、プラントに設けられた各機器に加わる負担を軽減することができる。
これに対して、本実施形態によれば、従来技術において設定されたしきい値による異常検知タイミングよりも以前のわずかな測定データの変位から各機器の故障予兆箇所を表示できるので、プラントに備えられている機器の故障予兆を担当者に依存したバラツキがなく、一定の検知精度があり、機器の故障予兆を敏速に検知することができる。
この結果、影響範囲の分析にかかる時間や労力等の担当者への負担を軽減することができる。同時に、プラントに設けられた各機器に加わる負担を軽減することができる。
＜本発明の実施態様例の構成、作用、効果＞
＜第１態様＞
本態様の故障予兆監視方法は、プラント１０内に配置された複数の機器と、各機器の挙動を計測するセンサＳｅ１〜Ｓｅｎと、各センサにより測定された測定データに基づいて、各機器の故障予兆を監視する分析サーバ５３（故障予兆監視装置）と、を備え、分析サーバ５３による故障予兆監視方法であって、分析サーバ５３は、図４、図６に示すフローチャートのように、プラント１０の起動工程における運転内容に基づいて、起動工程内を複数の期間ｔ０〜ｔ１に区切っておき、測定データに基づいて、各期間が終了する毎に挙動状態の妥当性について確認することにより、各機器の故障予兆箇所を表示する問題箇所表示処理ステップ（図４）と、各期間における挙動状態が妥当であると確認した場合に、次の期間に移行する工程管理ステップ（Ｓ２３５）と、を実行することを特徴とする。
本態様によれば、分析サーバ５３は、プラント１０の起動工程における運転内容に基づいて、起動工程内を複数の期間ｔ０〜ｔ１に区切っておき、測定データに基づいて、各期間が終了する毎に挙動状態の妥当性について確認することにより、各機器の故障予兆箇所を表示し、各期間における挙動状態が妥当であると確認した場合に、次の期間に移行することで、各機器の故障予兆箇所を表示できるので、プラントに備えられている機器の故障予兆を担当者に依存したバラツキがなく、一定の検知精度があり、機器の故障予兆を敏速に検知することができる。
この結果、起動工程等の長期間連続して複数のイベントを監視する必要があるような場合、監視機能の強化に大きな効果を得ることができる。
＜第１態様＞
本態様の故障予兆監視方法は、プラント１０内に配置された複数の機器と、各機器の挙動を計測するセンサＳｅ１〜Ｓｅｎと、各センサにより測定された測定データに基づいて、各機器の故障予兆を監視する分析サーバ５３（故障予兆監視装置）と、を備え、分析サーバ５３による故障予兆監視方法であって、分析サーバ５３は、図４、図６に示すフローチャートのように、プラント１０の起動工程における運転内容に基づいて、起動工程内を複数の期間ｔ０〜ｔ１に区切っておき、測定データに基づいて、各期間が終了する毎に挙動状態の妥当性について確認することにより、各機器の故障予兆箇所を表示する問題箇所表示処理ステップ（図４）と、各期間における挙動状態が妥当であると確認した場合に、次の期間に移行する工程管理ステップ（Ｓ２３５）と、を実行することを特徴とする。
本態様によれば、分析サーバ５３は、プラント１０の起動工程における運転内容に基づいて、起動工程内を複数の期間ｔ０〜ｔ１に区切っておき、測定データに基づいて、各期間が終了する毎に挙動状態の妥当性について確認することにより、各機器の故障予兆箇所を表示し、各期間における挙動状態が妥当であると確認した場合に、次の期間に移行することで、各機器の故障予兆箇所を表示できるので、プラントに備えられている機器の故障予兆を担当者に依存したバラツキがなく、一定の検知精度があり、機器の故障予兆を敏速に検知することができる。
この結果、起動工程等の長期間連続して複数のイベントを監視する必要があるような場合、監視機能の強化に大きな効果を得ることができる。
＜第２態様＞
本態様の故障予兆監視方法は、プラント１０内に配置された複数の機器と、各機器の挙動を計測するセンサＳｅ１〜Ｓｅｎと、各センサにより測定された測定データに基づいて、各機器の故障予兆を監視する分析サーバ５３（故障予兆監視装置）と、を備え、分析サーバ５３による故障予兆監視方法であって、分析サーバ５３は、図９に示すフローチャートのように、各センサの測定データをリアルタイムに監視することにより各機器の故障予兆を検知して、問題箇所を表示する故障予兆検知ステップ（Ｓ６００）を実行することを特徴とする。
本態様によれば、分析サーバ５３は、各センサの測定データをリアルタイムに監視することにより各機器の故障予兆を検知して、問題箇所を表示することができるので、プラントに備えられている機器の故障予兆を担当者に依存したバラツキがなく、一定の検知精度があり、機器の故障予兆を敏速に検知することができる。
本態様の故障予兆監視方法は、プラント１０内に配置された複数の機器と、各機器の挙動を計測するセンサＳｅ１〜Ｓｅｎと、各センサにより測定された測定データに基づいて、各機器の故障予兆を監視する分析サーバ５３（故障予兆監視装置）と、を備え、分析サーバ５３による故障予兆監視方法であって、分析サーバ５３は、図９に示すフローチャートのように、各センサの測定データをリアルタイムに監視することにより各機器の故障予兆を検知して、問題箇所を表示する故障予兆検知ステップ（Ｓ６００）を実行することを特徴とする。
本態様によれば、分析サーバ５３は、各センサの測定データをリアルタイムに監視することにより各機器の故障予兆を検知して、問題箇所を表示することができるので、プラントに備えられている機器の故障予兆を担当者に依存したバラツキがなく、一定の検知精度があり、機器の故障予兆を敏速に検知することができる。
＜第３態様＞
本態様の故障予兆監視方法は、プラント１０内に配置された複数の機器と、各機器の挙動を計測するセンサＳｅ１〜Ｓｅｎと、各センサにより測定された測定データに基づいて、各機器の故障予兆を監視する分析サーバ５３（故障予兆監視装置）とを備え、分析サーバ５３による故障予兆監視方法であって、分析サーバ５３は、図４、図６に示すフローチャートのように、プラントのＣＲパターン変更工程、又は停止工程における運転内容に基づいて、該工程内を複数の期間ｔ４０〜ｔ５に区切っておき、測定データに基づいて、期間が終了する毎に挙動状態の妥当性について確認することにより、各機器の故障予兆箇所を表示する問題箇所表示処理ステップ（図４）と、各期間における挙動状態が妥当であると確認した場合に、次の期間に移行する工程管理ステップ（Ｓ２３５）と、を実行することを特徴とする。
本態様によれば、分析サーバ５３は、プラントのＣＲパターン変更工程、又は停止工程における運転内容に基づいて、該工程内を複数の期間ｔ４０〜ｔ５に区切っておき、測定データに基づいて、期間が終了する毎に挙動状態の妥当性について確認することにより、各機器の故障予兆箇所を表示し、各期間における挙動状態が妥当であると確認した場合に、次の期間に移行することで、各期間における挙動状態が妥当であると確認できるので、プラントに備えられている機器の故障予兆を担当者に依存したバラツキがなく、一定の検知精度があり、機器の故障予兆を敏速に検知することができる。
本態様の故障予兆監視方法は、プラント１０内に配置された複数の機器と、各機器の挙動を計測するセンサＳｅ１〜Ｓｅｎと、各センサにより測定された測定データに基づいて、各機器の故障予兆を監視する分析サーバ５３（故障予兆監視装置）とを備え、分析サーバ５３による故障予兆監視方法であって、分析サーバ５３は、図４、図６に示すフローチャートのように、プラントのＣＲパターン変更工程、又は停止工程における運転内容に基づいて、該工程内を複数の期間ｔ４０〜ｔ５に区切っておき、測定データに基づいて、期間が終了する毎に挙動状態の妥当性について確認することにより、各機器の故障予兆箇所を表示する問題箇所表示処理ステップ（図４）と、各期間における挙動状態が妥当であると確認した場合に、次の期間に移行する工程管理ステップ（Ｓ２３５）と、を実行することを特徴とする。
本態様によれば、分析サーバ５３は、プラントのＣＲパターン変更工程、又は停止工程における運転内容に基づいて、該工程内を複数の期間ｔ４０〜ｔ５に区切っておき、測定データに基づいて、期間が終了する毎に挙動状態の妥当性について確認することにより、各機器の故障予兆箇所を表示し、各期間における挙動状態が妥当であると確認した場合に、次の期間に移行することで、各期間における挙動状態が妥当であると確認できるので、プラントに備えられている機器の故障予兆を担当者に依存したバラツキがなく、一定の検知精度があり、機器の故障予兆を敏速に検知することができる。
＜第４態様＞
本態様の故障予兆監視方法は、プラント１０内に配置された複数の機器と、各機器の挙動を計測するセンサＳｅ１〜Ｓｅｎと、各センサにより測定された測定データに基づいて、各機器の故障予兆を監視する分析サーバ５３（故障予兆監視装置）と、を備え、分析サーバ５３による故障予兆監視方法であって、図１１、図１３に示すフローチャートのように、分析サーバ５３は、プラントの試運転工程において、各センサの測定データをリアルタイムに監視することにより各機器の故障予兆を検知する故障予兆検知ステップ（Ｓ９００）と、故障予兆検知ステップにより複数の機器の何れか１つの故障予兆を検知した場合に、測定データに基づいて、挙動状態の妥当性について確認することにより、各機器の故障予兆箇所を表示する問題箇所表示処理ステップ（Ｓ１１００）と、を実行することを特徴とする。
本態様によれば、分析サーバ５３は、プラントの試運転工程において、各センサの測定データをリアルタイムに監視することにより各機器の故障予兆を検知し、複数の機器の何れか１つの故障予兆を検知した場合に、測定データに基づいて、挙動状態の妥当性について確認することにより、各機器の故障予兆箇所を表示することができるので、プラントに備えられている機器の故障予兆を担当者に依存したバラツキがなく、一定の検知精度があり、機器の故障予兆を敏速に検知することができる。
本態様の故障予兆監視方法は、プラント１０内に配置された複数の機器と、各機器の挙動を計測するセンサＳｅ１〜Ｓｅｎと、各センサにより測定された測定データに基づいて、各機器の故障予兆を監視する分析サーバ５３（故障予兆監視装置）と、を備え、分析サーバ５３による故障予兆監視方法であって、図１１、図１３に示すフローチャートのように、分析サーバ５３は、プラントの試運転工程において、各センサの測定データをリアルタイムに監視することにより各機器の故障予兆を検知する故障予兆検知ステップ（Ｓ９００）と、故障予兆検知ステップにより複数の機器の何れか１つの故障予兆を検知した場合に、測定データに基づいて、挙動状態の妥当性について確認することにより、各機器の故障予兆箇所を表示する問題箇所表示処理ステップ（Ｓ１１００）と、を実行することを特徴とする。
本態様によれば、分析サーバ５３は、プラントの試運転工程において、各センサの測定データをリアルタイムに監視することにより各機器の故障予兆を検知し、複数の機器の何れか１つの故障予兆を検知した場合に、測定データに基づいて、挙動状態の妥当性について確認することにより、各機器の故障予兆箇所を表示することができるので、プラントに備えられている機器の故障予兆を担当者に依存したバラツキがなく、一定の検知精度があり、機器の故障予兆を敏速に検知することができる。
＜第５態様＞
本態様の問題箇所表示処理ステップは、図４、図５及び図６に示すフローチャートのように、各センサＳｅ１〜Ｓｅｎにより測定された測定データを取得する取得ステップ（Ｓ１０５）と、測定データに基づいて、監視パラメータ群を抽出する抽出ステップ（Ｓ１１０）と、監視パラメータ群に含まれる各センサの測定データ間の相関関係の強さを示すフィット値を算出するフィット値算出ステップ（Ｓ１２５）と、基準となる過去の正常状態において取得した複数回のフィット値の平均値及び標準偏差を算出する算出ステップ（Ｓ１３０）と、正常状態におけるフィット値の平均値及び標準偏差値と、期間のフィット値とを比較する比較ステップ（Ｓ２１５）と、を実行することにより挙動状態の妥当性について確認することを特徴とする。
本態様によれば、各センサＳｅ１〜Ｓｅｎにより測定された測定データを取得し、測定データに基づいて、監視パラメータ群を抽出し、監視パラメータ群に含まれる各センサの測定データ間の相関関係の強さを示すフィット値を算出し、基準となる過去の正常状態において取得した複数回のフィット値の平均値及び標準偏差を算出し、正常状態におけるフィット値の平均値及び標準偏差値と、期間のフィット値とを比較することにより挙動状態の妥当性について確認することができるので、プラントに備えられている機器の故障予兆を担当者に依存したバラツキがなく、一定の検知精度があり、機器の故障予兆を敏速に検知することができる。
本態様の問題箇所表示処理ステップは、図４、図５及び図６に示すフローチャートのように、各センサＳｅ１〜Ｓｅｎにより測定された測定データを取得する取得ステップ（Ｓ１０５）と、測定データに基づいて、監視パラメータ群を抽出する抽出ステップ（Ｓ１１０）と、監視パラメータ群に含まれる各センサの測定データ間の相関関係の強さを示すフィット値を算出するフィット値算出ステップ（Ｓ１２５）と、基準となる過去の正常状態において取得した複数回のフィット値の平均値及び標準偏差を算出する算出ステップ（Ｓ１３０）と、正常状態におけるフィット値の平均値及び標準偏差値と、期間のフィット値とを比較する比較ステップ（Ｓ２１５）と、を実行することにより挙動状態の妥当性について確認することを特徴とする。
本態様によれば、各センサＳｅ１〜Ｓｅｎにより測定された測定データを取得し、測定データに基づいて、監視パラメータ群を抽出し、監視パラメータ群に含まれる各センサの測定データ間の相関関係の強さを示すフィット値を算出し、基準となる過去の正常状態において取得した複数回のフィット値の平均値及び標準偏差を算出し、正常状態におけるフィット値の平均値及び標準偏差値と、期間のフィット値とを比較することにより挙動状態の妥当性について確認することができるので、プラントに備えられている機器の故障予兆を担当者に依存したバラツキがなく、一定の検知精度があり、機器の故障予兆を敏速に検知することができる。
＜第６態様＞
本態様の故障予兆検知ステップ（Ｓ６００）は、図９、図１０に示すフローチャートのように、プラント１０の定常運転工程に対応して、各センサの測定データ間にある相互の関係性を表す機器における正常動作時の測定データの関係性モデルをモデル記憶手段に複数記憶させるモデル記憶ステップ（Ｓ６５５）と、各センサの測定データに対して、関係性モデルを用いて関係性が予測される各センサの予測値を算出する予測値算出ステップ（Ｓ７１５）と、各センサの測定データと予測値との差分値を算出する差分値算出ステップ（Ｓ７２０）と、差分値が許容範囲を超えることにより発生するインバリアント（不変関係）の崩れを検出する崩れ検出ステップ（Ｓ７２５）と、を実行することにより各機器の故障予兆を検知することを特徴とする。
本態様によれば、プラント１０の定常運転工程に対応して、各センサの測定データ間にある相互の関係性を表す機器における正常動作時の測定データの関係性モデルをモデル記憶手段に複数記憶させ、各センサの測定データに対して、関係性モデルを用いて関係性が予測される各センサの予測値を算出し、各センサの測定データと予測値との差分値を算出し、差分値が許容範囲を超えることにより発生するインバリアント（不変関係）の崩れを検出することにより各機器の故障予兆を検知することができるので、プラントに備えられている機器の故障予兆を担当者に依存したバラツキがなく、一定の検知精度があり、機器の故障予兆を敏速に検知することができる。
本態様の故障予兆検知ステップ（Ｓ６００）は、図９、図１０に示すフローチャートのように、プラント１０の定常運転工程に対応して、各センサの測定データ間にある相互の関係性を表す機器における正常動作時の測定データの関係性モデルをモデル記憶手段に複数記憶させるモデル記憶ステップ（Ｓ６５５）と、各センサの測定データに対して、関係性モデルを用いて関係性が予測される各センサの予測値を算出する予測値算出ステップ（Ｓ７１５）と、各センサの測定データと予測値との差分値を算出する差分値算出ステップ（Ｓ７２０）と、差分値が許容範囲を超えることにより発生するインバリアント（不変関係）の崩れを検出する崩れ検出ステップ（Ｓ７２５）と、を実行することにより各機器の故障予兆を検知することを特徴とする。
本態様によれば、プラント１０の定常運転工程に対応して、各センサの測定データ間にある相互の関係性を表す機器における正常動作時の測定データの関係性モデルをモデル記憶手段に複数記憶させ、各センサの測定データに対して、関係性モデルを用いて関係性が予測される各センサの予測値を算出し、各センサの測定データと予測値との差分値を算出し、差分値が許容範囲を超えることにより発生するインバリアント（不変関係）の崩れを検出することにより各機器の故障予兆を検知することができるので、プラントに備えられている機器の故障予兆を担当者に依存したバラツキがなく、一定の検知精度があり、機器の故障予兆を敏速に検知することができる。
＜第７態様＞
本態様の故障予兆検知ステップ（Ｓ９００）は、図１１、図１２に示すフローチャートのように、各センサＳｅ１〜Ｓｅｎの測定データに対して、関係性モデルを用いて関係性が予測される各センサの予測値を算出する予測値算出ステップ（Ｓ１０１５）と、各センサの測定データと予測値との差分値を算出する差分値算出ステップ（Ｓ１０２５）と、差分値が許容範囲を超えることにより発生するインバリアント（不変関係）の崩れを検出する崩れ検出ステップ（Ｓ１０３０）と、を実行することにより各機器の故障予兆を検知することを特徴とする。
本態様によれば、各センサＳｅ１〜Ｓｅｎの測定データに対して、関係性モデルを用いて関係性が予測される各センサの予測値を算出し、各センサの測定データと予測値との差分値を算出し、差分値が許容範囲を超えることにより発生するインバリアント（不変関係）の崩れを検出することにより各機器の故障予兆を検知することができるので、プラントに備えられている機器の故障予兆を担当者に依存したバラツキがなく、一定の検知精度があり、機器の故障予兆を敏速に検知することができる。
本態様の故障予兆検知ステップ（Ｓ９００）は、図１１、図１２に示すフローチャートのように、各センサＳｅ１〜Ｓｅｎの測定データに対して、関係性モデルを用いて関係性が予測される各センサの予測値を算出する予測値算出ステップ（Ｓ１０１５）と、各センサの測定データと予測値との差分値を算出する差分値算出ステップ（Ｓ１０２５）と、差分値が許容範囲を超えることにより発生するインバリアント（不変関係）の崩れを検出する崩れ検出ステップ（Ｓ１０３０）と、を実行することにより各機器の故障予兆を検知することを特徴とする。
本態様によれば、各センサＳｅ１〜Ｓｅｎの測定データに対して、関係性モデルを用いて関係性が予測される各センサの予測値を算出し、各センサの測定データと予測値との差分値を算出し、差分値が許容範囲を超えることにより発生するインバリアント（不変関係）の崩れを検出することにより各機器の故障予兆を検知することができるので、プラントに備えられている機器の故障予兆を担当者に依存したバラツキがなく、一定の検知精度があり、機器の故障予兆を敏速に検知することができる。
＜第８態様＞
本態様の故障予兆監視方法は、図８に示すフローチャートのように、各ステップを実行する過程において取得可能なデータ、故障予兆箇所を表示するための故障箇所表示情報、異常を検知した際の異常検知情報、故障予兆箇所の表示情報を、各工程を表すタグ、及びタイムスタンプとともに記憶するデータベースを生成するデータベース生成ステップ（Ｓ５２５）を実行することを特徴とする。
本態様によれば、各ステップを実行する過程において取得可能なデータ、故障予兆箇所を表示するための故障箇所表示情報、異常を検知した際の異常検知情報、故障予兆箇所の表示情報を、各工程を表すタグ、及びタイムスタンプとともに記憶するデータベースを生成することで、今後における故障予兆箇所に対する特定精度を向上することができる。
本態様の故障予兆監視方法は、図８に示すフローチャートのように、各ステップを実行する過程において取得可能なデータ、故障予兆箇所を表示するための故障箇所表示情報、異常を検知した際の異常検知情報、故障予兆箇所の表示情報を、各工程を表すタグ、及びタイムスタンプとともに記憶するデータベースを生成するデータベース生成ステップ（Ｓ５２５）を実行することを特徴とする。
本態様によれば、各ステップを実行する過程において取得可能なデータ、故障予兆箇所を表示するための故障箇所表示情報、異常を検知した際の異常検知情報、故障予兆箇所の表示情報を、各工程を表すタグ、及びタイムスタンプとともに記憶するデータベースを生成することで、今後における故障予兆箇所に対する特定精度を向上することができる。
＜第９態様＞
本態様のモデル記憶ステップ（Ｓ９３０、Ｓ４００）は、図１１乃至図１３に示すフローチャートのように、関係性モデルとして、各センサＳｅ１〜Ｓｅｎの特性毎にグループ化したセンサ群についての相関性を監視範囲とした互いに異なる第１関係性モデル乃至第ｎ関係性モデルと、をデータベース部７７に記憶（Ｓ９３５）し、問題箇所表示ステップ（Ｓ１１００）は、各センサの測定データと、各センサに対した第１関係性モデル乃至第ｎ関係性モデルとに基づいて、各センサの測定データをリアルタイムに同時並行して監視することを特徴とする。
本態様によれば、関係性モデルとして、各センサＳｅ１〜Ｓｅｎの特性毎にグループ化したセンサ群についての相関性を監視範囲とした互いに異なる第１関係性モデル乃至第ｎ関係性モデルと、をデータベース部７７に記憶し、各センサの測定データと、各センサに対した第１関係性モデル乃至第ｎ関係性モデルとに基づいて、各センサの測定データをリアルタイムに同時並行して監視することができるので、プラントに備えられている機器の故障予兆を担当者に依存したバラツキがなく、一定の検知精度があり、機器の故障予兆を敏速に検知することができる。
本態様のモデル記憶ステップ（Ｓ９３０、Ｓ４００）は、図１１乃至図１３に示すフローチャートのように、関係性モデルとして、各センサＳｅ１〜Ｓｅｎの特性毎にグループ化したセンサ群についての相関性を監視範囲とした互いに異なる第１関係性モデル乃至第ｎ関係性モデルと、をデータベース部７７に記憶（Ｓ９３５）し、問題箇所表示ステップ（Ｓ１１００）は、各センサの測定データと、各センサに対した第１関係性モデル乃至第ｎ関係性モデルとに基づいて、各センサの測定データをリアルタイムに同時並行して監視することを特徴とする。
本態様によれば、関係性モデルとして、各センサＳｅ１〜Ｓｅｎの特性毎にグループ化したセンサ群についての相関性を監視範囲とした互いに異なる第１関係性モデル乃至第ｎ関係性モデルと、をデータベース部７７に記憶し、各センサの測定データと、各センサに対した第１関係性モデル乃至第ｎ関係性モデルとに基づいて、各センサの測定データをリアルタイムに同時並行して監視することができるので、プラントに備えられている機器の故障予兆を担当者に依存したバラツキがなく、一定の検知精度があり、機器の故障予兆を敏速に検知することができる。
＜第１０態様＞
本態様の問題箇所表示処理ステップは、図１２に示すフローチャートのように、相関関係にある各センサの表示位置を縦軸方向及び横軸方向の位置に夫々配置して、夫々の交点位置にインバリアント（不変関係）の崩れの有無を表示する表示ステップ（Ｓ１０００）を実行することを特徴とする。
本態様によれば、相関関係にある各センサの表示位置を縦軸方向及び横軸方向の位置に夫々配置して、夫々の交点位置にインバリアント（不変関係）の崩れの有無を表示することができるので、プラントに備えられている機器の故障予兆を担当者に依存したバラツキがなく、一定の検知精度があり、機器の故障予兆を敏速に検知することができる。
本態様の問題箇所表示処理ステップは、図１２に示すフローチャートのように、相関関係にある各センサの表示位置を縦軸方向及び横軸方向の位置に夫々配置して、夫々の交点位置にインバリアント（不変関係）の崩れの有無を表示する表示ステップ（Ｓ１０００）を実行することを特徴とする。
本態様によれば、相関関係にある各センサの表示位置を縦軸方向及び横軸方向の位置に夫々配置して、夫々の交点位置にインバリアント（不変関係）の崩れの有無を表示することができるので、プラントに備えられている機器の故障予兆を担当者に依存したバラツキがなく、一定の検知精度があり、機器の故障予兆を敏速に検知することができる。
＜第１１態様＞
本態様の故障予兆検知ステップは、図９、図１０に示すフローチャートのように、崩れたインバリアントの合計値（アノマリスコア）を算出する合計値算出ステップ（Ｓ７３０）と、合計値が許容範囲を超えたか否かを判定する判定ステップ（Ｓ６２０）と、を実行し、判定ステップにより合計値が許容範囲を超えたことが判定された場合に、アラームを通報することを特徴とする。
本態様によれば、崩れたインバリアントの合計値（アノマリスコア）を算出し、合計値が許容範囲を超えたか否かを判定し、合計値が許容範囲を超えたことが判定された場合に、アラームを通報することができるので、プラントに備えられている機器の故障予兆を担当者に依存したバラツキがなく、一定の検知精度があり、機器の故障予兆を敏速に検知することができる。
本態様の故障予兆検知ステップは、図９、図１０に示すフローチャートのように、崩れたインバリアントの合計値（アノマリスコア）を算出する合計値算出ステップ（Ｓ７３０）と、合計値が許容範囲を超えたか否かを判定する判定ステップ（Ｓ６２０）と、を実行し、判定ステップにより合計値が許容範囲を超えたことが判定された場合に、アラームを通報することを特徴とする。
本態様によれば、崩れたインバリアントの合計値（アノマリスコア）を算出し、合計値が許容範囲を超えたか否かを判定し、合計値が許容範囲を超えたことが判定された場合に、アラームを通報することができるので、プラントに備えられている機器の故障予兆を担当者に依存したバラツキがなく、一定の検知精度があり、機器の故障予兆を敏速に検知することができる。
１０…プラント、１１…原子炉建物、１３…原子炉、１５…原子炉格納容器、１７…原子力圧力容器、１９…蒸気乾燥機、２１…気水分離器、２３…燃料集合体、２５…制御棒、２６…再循環ポンプ、２７…圧力抑制室、３１…タービン建物、３３…タービン、３５…発電機、３７…復水器、３９…放水口、４１…取水口、４３…ポンプ、４５…給水ポンプ、５１…センサ監視装置、５０…システム、５３…分析サーバ、５５…クライアント端末、６１…通信制御部、６５…主制御部、６７…操作部、６９…データ記憶部、７１…表示制御部、７３…表示部、７５…ディスク制御部、７７…データベース部
Claims (11)
- 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センサと、
前記各センサにより測定された測定データに基づいて、前記各機器の故障予兆を監視する故障予兆監視装置と、を備え、前記故障予兆監視装置による故障予兆監視方法であって、
前記故障予兆監視装置は、
前記プラントの起動工程における運転内容に基づいて、前記起動工程内を複数の期間に区切っておき、前記測定データに基づいて、前記各期間が終了する毎に挙動状態の妥当性について確認することにより、前記各機器の故障予兆箇所を表示する問題箇所表示処理ステップと、
前記各期間における挙動状態が妥当であると確認した場合に、次の期間に移行する工程管理ステップと、を実行することを特徴とする故障予兆監視方法。 - 前記故障予兆監視装置は、
前記各センサの測定データをリアルタイムに監視することにより前記各機器の故障予兆を検知して、問題箇所を表示する故障予兆検知ステップを実行することを特徴とする請求項１に記載の故障予兆監視方法。 - 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センサと、
前記各センサにより測定された測定データに基づいて、前記各機器の故障予兆を監視する故障予兆監視装置と、を備え、前記故障予兆監視装置による故障予兆監視方法であって、
前記故障予兆監視装置は、
前記プラントのＣＲパターン変更工程、又は停止工程における運転内容に基づいて、当該工程内を複数の期間に区切っておき、前記測定データに基づいて、前記期間が終了する毎に挙動状態の妥当性について確認することにより、前記各機器の故障予兆箇所を表示する問題箇所表示処理ステップと、
前記各期間における挙動状態が妥当であると確認した場合に、次の期間に移行する工程管理ステップと、を実行することを特徴とする故障予兆監視方法。 - 前記プラントの試運転工程において、
前記各センサの測定データをリアルタイムに監視することにより前記各機器の故障予兆を検知する故障予兆検知ステップと、
前記故障予兆検知ステップにより前記複数の機器の何れか１つの故障予兆を検知した場合に、前記測定データに基づいて、挙動状態の妥当性について確認することにより、前記各機器の故障予兆箇所を表示する問題箇所表示処理ステップと、を実行することを特徴とする請求項１に記載の故障予兆監視方法。 - 前記問題箇所表示処理ステップは、
前記各センサにより測定された測定データを取得する取得ステップと、
前記測定データに基づいて、監視パラメータ群を抽出する抽出ステップと、
前記監視パラメータ群に含まれる各センサの測定データ間の相関関係の強さを示すフィット値を算出するフィット値算出ステップと、
基準となる過去の正常状態において取得した複数回のフィット値の平均値及び標準偏差を算出する算出ステップと、
前記正常状態における前記フィット値の平均値及び標準偏差値と、前記期間のフィット値とを比較する比較ステップと、を実行することにより挙動状態の妥当性について確認することを特徴とする請求項１、３、４の何れか１つに記載の故障予兆監視方法。 - 前記故障予兆検知ステップは、
前記プラントの定常運転工程に対応して、前記各センサの測定データ間にある相互の関係性を表す前記機器における正常動作時の測定データの関係性モデルをモデル記憶手段に複数記憶させるモデル記憶ステップと、
前記各センサの測定データに対して、前記関係性モデルを用いて関係性が予測される前記各センサの予測値を算出する予測値算出ステップと、
前記各センサの測定データと前記予測値との差分値を算出する差分値算出ステップと、
前記差分値が許容範囲を超えることにより発生するインバリアントの崩れを検出する崩れ検出ステップと、を実行することにより前記各機器の故障予兆を検知することを特徴とする請求項２に記載の故障予兆監視方法。 - 前記故障予兆検知ステップは、
前記各センサの測定データに対して、前記プラントの定常運転工程に対応して、前記各センサの測定データ間にある相互の関係性を表す前記機器における正常動作時の測定データの関係性を示す関係性モデルを用いて関係性が予測される前記各センサの予測値を算出する予測値算出ステップと、
前記各センサの測定データと前記予測値との差分値を算出する差分値算出ステップと、
前記差分値が許容範囲を超えることにより発生するインバリアントの崩れを検出する崩れ検出ステップと、を実行することにより前記各機器の故障予兆を検知することを特徴とする請求項４に記載の故障予兆監視方法。 - 前記各ステップを実行する過程において取得可能なデータ、故障予兆箇所を表示するための故障箇所表示情報、異常を検知した際の異常検知情報、故障予兆箇所の表示情報を、前記各工程を表すタグ、及びタイムスタンプとともに記憶するデータベースを生成するデータベース生成ステップを実行することを特徴とする請求項１乃至４の何れか１つに記載の故障予兆監視方法。
- 前記モデル記憶ステップは、前記関係性モデルとして、
前記各センサの特性毎にグループ化したセンサ群についての相関性を監視範囲とした互いに異なる第１関係性モデル乃至第ｎ関係性モデルと、を記憶し、
前記問題箇所表示処理ステップは、
前記各センサの測定データと、前記各センサに対した第１関係性モデル乃至第ｎ関係性モデルとに基づいて、前記各センサの測定データをリアルタイムに同時並行して監視することを特徴とする請求項６に記載の故障予兆監視方法。 - 前記問題箇所表示処理ステップは、
相関関係にある各センサの表示位置を縦軸方向及び横軸方向の位置に夫々配置して、夫々の交点位置にインバリアントの崩れの有無を表示する表示ステップを実行することを特徴とする請求項１、３、４の何れか１つに記載の故障予兆監視方法。 - 前記故障予兆検知ステップは、
崩れたインバリアントの合計値を算出する合計値算出ステップと、
前記合計値が許容範囲を超えたか否かを判定する判定ステップと、を実行し、
前記判定ステップにより合計値が許容範囲を超えたことが判定された場合に、アラームを通報することを特徴とする請求項２に記載の故障予兆監視方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2015140604A JP6853617B2 (ja) | 2015-07-14 | 2015-07-14 | 故障予兆監視方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2015140604A JP6853617B2 (ja) | 2015-07-14 | 2015-07-14 | 故障予兆監視方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2017021702A JP2017021702A (ja) | 2017-01-26 |
| JP6853617B2 true JP6853617B2 (ja) | 2021-03-31 |
Family
ID=57889839
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2015140604A Active JP6853617B2 (ja) | 2015-07-14 | 2015-07-14 | 故障予兆監視方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6853617B2 (ja) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6909413B2 (ja) * | 2017-04-27 | 2021-07-28 | 日本電気株式会社 | 因果関係学習方法、プログラム、装置および異常分析システム |
| JP6753818B2 (ja) * | 2017-06-19 | 2020-09-09 | 日本電信電話株式会社 | 検知装置および検知方法 |
| US10346228B2 (en) * | 2017-07-12 | 2019-07-09 | Siemens Aktiengesellschaft | Method and system for deviation detection in sensor datasets |
| KR101907656B1 (ko) * | 2017-08-29 | 2018-10-12 | 주식회사 아모티 | 전기차 충전기 고장관리 운영 시스템 |
| US11293989B2 (en) | 2018-03-15 | 2022-04-05 | Nec Corporation | Anomaly detection device, anomaly detection method, and recording medium |
| US20220156137A1 (en) * | 2019-03-26 | 2022-05-19 | Nec Corporation | Anomaly detection method, anomaly detection apparatus, and program |
| JP7290480B2 (ja) * | 2019-06-10 | 2023-06-13 | 株式会社日立プラントサービス | 状態監視装置 |
| JP7423911B2 (ja) * | 2019-06-11 | 2024-01-30 | 中国電力株式会社 | 監視支援システムおよび監視支援方法 |
| JP2021111207A (ja) * | 2020-01-14 | 2021-08-02 | 中国電力株式会社 | プラント性能評価システムおよびプラント性能評価方法 |
| JP7482651B2 (ja) | 2020-03-04 | 2024-05-14 | キヤノン株式会社 | 情報処理装置、監視方法、プログラムおよび物品製造方法 |
| JP7423396B2 (ja) * | 2020-04-13 | 2024-01-29 | キヤノン株式会社 | 情報処理装置、検出方法、プログラム、基板処理システム、及び物品の製造方法 |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3384730B2 (ja) * | 1997-11-20 | 2003-03-10 | 株式会社日立製作所 | 水車発電機の状態監視方法及びその装置 |
| JP3766208B2 (ja) * | 1998-07-09 | 2006-04-12 | 株式会社東芝 | プロセスデータ監視装置 |
| JP3799217B2 (ja) * | 2000-06-22 | 2006-07-19 | 株式会社日立製作所 | 発電設備の運用管理システム及び保守管理サービス方法 |
| JP3612472B2 (ja) * | 2000-06-22 | 2005-01-19 | 株式会社日立製作所 | 遠隔監視診断システム、及び遠隔監視診断方法 |
| US20020183971A1 (en) * | 2001-04-10 | 2002-12-05 | Wegerich Stephan W. | Diagnostic systems and methods for predictive condition monitoring |
| JP5108116B2 (ja) * | 2009-01-14 | 2012-12-26 | 株式会社日立製作所 | 装置異常監視方法及びシステム |
| JP5363927B2 (ja) * | 2009-09-07 | 2013-12-11 | 株式会社日立製作所 | 異常検知・診断方法、異常検知・診断システム、及び異常検知・診断プログラム |
| JP6304767B2 (ja) * | 2012-12-14 | 2018-04-04 | 日本電気株式会社 | センサ監視装置、センサ監視方法、及びセンサ監視プログラム |
| WO2014091955A1 (ja) * | 2012-12-14 | 2014-06-19 | 日本電気株式会社 | 制御棒監視システム、および制御棒監視方法 |
| JP6308591B2 (ja) * | 2012-12-14 | 2018-04-11 | 日本電気株式会社 | 監視装置、監視方法、及びプログラム |
| JP5855036B2 (ja) * | 2013-02-28 | 2016-02-09 | 三菱電機株式会社 | 設備点検順位設定装置 |
-
2015
- 2015-07-14 JP JP2015140604A patent/JP6853617B2/ja active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2017021702A (ja) | 2017-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6853617B2 (ja) | 故障予兆監視方法 | |
| KR102118966B1 (ko) | 발전소 고장 예측 및 진단시스템과 그 방법 | |
| JP2012168799A (ja) | プラント監視装置およびプラント監視方法 | |
| JP2010191641A (ja) | プラント監視用の方法、プログラム及び装置 | |
| JP2018190245A (ja) | 設備機器の異常診断システム | |
| CN102789676B (zh) | 一种基于报警证据融合的工业报警器设计方法 | |
| KR20190115953A (ko) | 편차의 변화율을 이용한 발전 설비의 위험도 진단 시스템 및 방법 | |
| JP4922265B2 (ja) | プラント監視装置およびプラント監視方法 | |
| CN106872172A (zh) | 航空发动机试验安全参数监视的实时判别方法及系统 | |
| CN111312420A (zh) | 故障诊断方法及装置 | |
| JPH08152912A (ja) | プラント運転支援装置 | |
| Nobakhti et al. | Dynamic reliability assessment of a complex recovery system using fault tree, fuzzy inference and discrete event simulation | |
| US20160195872A1 (en) | System for Assisting Operation at the Time of Plant Accident and Method for Assisting Operation at the Time of Plant Accident | |
| CN110513160B (zh) | 一种汽轮机进水、进冷安全报警及预警方法 | |
| JP2020201764A (ja) | 監視支援システムおよび監視支援方法 | |
| JP2020176883A (ja) | 保守管理システムおよび保守管理方法 | |
| US11886831B2 (en) | Data sorting device and method, and monitoring and diagnosis device | |
| JPH1124728A (ja) | プラント状態予測装置 | |
| HU et al. | Quantitative HAZOP analysis for gas turbine compressor based on fuzzy information fusion | |
| KR102195266B1 (ko) | 음향신호를 이용한 플랜트 설비의 결함 진단 방법 | |
| JP7476920B2 (ja) | 情報処理装置、情報出力方法及び情報出力プログラム | |
| KR102517036B1 (ko) | 증기 발생기 전열관 검사 장치 및 방법 | |
| JP7308768B2 (ja) | プラント監視システムおよびプラント監視方法 | |
| JP7413205B2 (ja) | 自律管制制御装置、自律管制制御システム、および設計方法 | |
| Kim et al. | MOAS: A real-time operator advisory system |
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: 20190523 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190702 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190820 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200204 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200331 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200901 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201007 |
|
| 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: 20210309 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210312 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6853617 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |