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
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、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。
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。
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。
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、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。
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。
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。
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。
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。
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。
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−[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。
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。
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−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。
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。
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。
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。
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。
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。
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。
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。
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)
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。
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。
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。
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。
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。
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。
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。
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。
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。
<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。
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、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(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。
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 |