JP6862190B2 - プロセス診断装置、プロセス診断方法及びプロセス診断システム - Google Patents
プロセス診断装置、プロセス診断方法及びプロセス診断システム Download PDFInfo
- Publication number
- JP6862190B2 JP6862190B2 JP2017010356A JP2017010356A JP6862190B2 JP 6862190 B2 JP6862190 B2 JP 6862190B2 JP 2017010356 A JP2017010356 A JP 2017010356A JP 2017010356 A JP2017010356 A JP 2017010356A JP 6862190 B2 JP6862190 B2 JP 6862190B2
- Authority
- JP
- Japan
- Prior art keywords
- abnormality
- data
- event
- diagnosed
- unit
- 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
Images
Description
具体的には、無酸素槽103では、後段の好気槽104から戻された被処理水が嫌気槽102から送られてきた被処理水に混ぜられ、空気を供給されない状態で攪拌される。無酸素槽103では、微生物の働きにより被処理水中の硝酸が窒素に分解され、大気に放出される。一般にこの処理を脱窒という。
参考文献2「C Croux, A Ruiz-Gazen ,High breakdown estimators for principal components: the projection-pursuit approach revisited ,Journal of Multivariate Analysis」
B. Scholkopf, An introduction to kernel-based learning algorithms. IEEE Trans. Pattern Anal. Machine Intell. ,12(2):181-201, March 2001.」
参考文献4「B. Scholkopf, A.J. Smola, and K.-R. Muller, Nonlinear component analysis as a kernel eigenvalue problem. Neural Computation, 10(5):1299-1319, 1998.」
1.窒素悪化(硝化阻害)の可能性 :40%
2.窒素悪化(過負荷)の可能性 :30%
3.流入過負荷の可能性 :20%
4.好気槽のNH4−N計が異常である可能性: 10%
参考文献7「P.Boskosiki,et al, "Fault Diagnostic System Based on Approximate Reasoning",Open-Access Articles」
参考文献8「B.Khaleghi, A.Khamis, F.O..Karray, "Multisensor Data Fusion:A Review of the state-of the art",Information Fusion, (2011) 」
参考文献9「P.Smets, "The Application of the Transferable Belief Model to Diagnostic Problems", International Journal of Intelligent Systems, 13: 127−157, (1998) 」
参考文献10「M.A.Kramer, "Mulfunction Diagnosis Using Quantitative Models with Non-Boolean Reasoning in Expert Systems", AIChE Journal, Vol.33, No.1, (1987) 」
2.窒素悪化(硝化阻害)の可能性 :25%
3.窒素悪化(過負荷)の可能性 :20%
4.流入過負荷の可能性 :15%
5.好気槽のNH4−N計が異常である可能性 :10%
Claims (6)
- 診断対象プロセスの状態を示すプロセス変数と、前記診断対象プロセスの異常に関して予め定義された登録事象との相関関係を示すインシデンスマトリクスの入力を受け付ける入力部と、
前記プロセス変数の時系列データであって、前記診断対象プロセスの過去の状態を示す時系列データであるオフラインデータに基づいて前記診断対象プロセスの異常検出の基準となる異常診断モデルを定義する異常診断モデル構築部と、
前記プロセス変数の時系列データであって、前記診断対象プロセスの現在の状態を示す時系列データであるオンラインデータと、前記異常診断モデルとに基づいて、前記診断対象プロセスの異常を検出する異常検出部と、
前記診断対象プロセスの異常が検出された場合に、前記異常に対する各プロセス変数の寄与の割合を示す寄与率を推定する寄与率推定部と、
前記インシデンスマトリクスと、前記寄与率推定部により推定された前記寄与率とに基づいて、前記登録事象の中から前記異常の要因である可能性のある事象を推定する事象推定部と、
を備え、
前記事象推定部は、要因が不明である異常が検出された場合、前記インシデンスマトリクスおよび前記寄与率に基づいて前記異常の要因が不明であることを推定し、
前記入力部は、前記事象推定部が前記異常について要因が不明であることを推定した場合、要因不明の前記異常に対して相関するプロセス変数を対応づける操作の入力を受け付ける、
プロセス診断装置。 - 前記異常診断モデル構築部は、前記オンラインデータから前記診断対象プロセスの異常を示す異常データを検出する際の基準を定める定義情報として、前記オフラインデータの多変量統計的プロセス管理に基づく統計量データを取得し、
前記寄与率推定部は、前記統計量データと前記オンラインデータとに基づいて前記基準となる異常検出用データを生成し、生成した前記異常検出用データと前記オンラインデータとに基づいて前記診断対象プロセスの異常有無を判定する、
請求項1に記載のプロセス診断装置。 - 前記登録事象は前記診断対象プロセスが正常な状態にあるときに観測される事象を含み、
前記事象推定部は、推定された前記寄与率に基づいて、前記異常検出部によって異常が検出されたときの診断対象プロセスの状態が正常であるか又は異常であるかを最終的に判定する、
請求項1又は2に記載のプロセス診断装置。 - 前記事象推定部は、前記異常の要因として推定したそれぞれの事象について、各事象が要因である確率を算出する、
請求項1から3のいずれか一項に記載のプロセス診断装置。 - ネットワークを介して通信可能な上位装置及び下位装置を備えるプロセス診断システムであって、
前記下位装置は、
診断対象プロセスの状態を示すプロセス変数の時系列データであって、前記診断対象プロセスの現在の状態を示す時系列データであるオンラインデータと、前記診断対象プロセスの過去の状態を示す時系列データであるオフラインデータとを取得するデータ取得部と、
前記オンラインデータと、前記上位装置から提供される異常診断モデルとに基づいて、前記診断対象プロセスの異常を検出する異常検出部と、
前記診断対象プロセスの異常が検出された場合に、前記異常に対する各プロセス変数の寄与の割合を示す寄与率を推定する寄与率推定部と、
前記上位装置から提供されるインシデンスマトリクスと、前記寄与率推定部により推定された前記寄与率とに基づいて、前記診断対象プロセスの異常に関して予め定義された登録事象の中から前記異常の要因である可能性のある事象を推定する事象推定部と、
を備え、
前記上位装置は、
前記プロセス変数と前記登録事象との相関関係を示すインシデンスマトリクスの入力を受け付ける入力部と、
前記下位装置から提供される前記オフラインデータに基づいて前記診断対象プロセスの異常検出の基準となる前記異常診断モデルを定義する異常診断モデル構築部と、
を備え、
前記事象推定部は、要因が不明である異常が検出された場合、前記インシデンスマトリクスおよび前記寄与率に基づいて前記異常の要因が不明であることを推定し、
前記入力部は、前記事象推定部が前記異常について要因が不明であることを推定した場合、要因不明の前記異常に対して相関するプロセス変数を対応づける操作の入力を受け付ける、
プロセス診断システム。 - 診断対象プロセスの状態を示すプロセス変数と、前記診断対象プロセスの異常に関して予め定義された登録事象との相関関係を示すインシデンスマトリクスの入力を受け付ける入力ステップと、
前記プロセス変数の時系列データであって、オフラインデータに基づいて前記診断対象プロセスの異常検出の基準となる異常診断モデルを定義する異常診断モデル構築ステップと、
前記プロセス変数の時系列データであって、前記診断対象プロセスの現在の状態を示す時系列データであるオンラインデータと、前記異常診断モデルとに基づいて、前記診断対象プロセスの異常を検出する異常検出ステップと、
前記診断対象プロセスの異常が検出された場合に、前記異常に対する各プロセス変数の寄与の割合を示す寄与率を推定する寄与率推定ステップと、
前記インシデンスマトリクスと、前記寄与率推定ステップにおいて推定された前記寄与率とに基づいて、前記登録事象の中から前記異常の要因である可能性のある事象を推定する事象推定ステップと、
を有し、
前記異常検出ステップにおいて要因が不明である異常が検出された場合、前記事象推定ステップでは、前記インシデンスマトリクスおよび前記寄与率に基づいて前記異常の要因が不明であることを推定し、
前記事象推定ステップにおいて前記異常について要因が不明であることが推定された場合、前記入力ステップにより、要因不明の前記異常に対して相関するプロセス変数を対応づける操作の入力を受け付ける、
プロセス診断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017010356A JP6862190B2 (ja) | 2017-01-24 | 2017-01-24 | プロセス診断装置、プロセス診断方法及びプロセス診断システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017010356A JP6862190B2 (ja) | 2017-01-24 | 2017-01-24 | プロセス診断装置、プロセス診断方法及びプロセス診断システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018120343A JP2018120343A (ja) | 2018-08-02 |
JP6862190B2 true JP6862190B2 (ja) | 2021-04-21 |
Family
ID=63045222
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017010356A Active JP6862190B2 (ja) | 2017-01-24 | 2017-01-24 | プロセス診断装置、プロセス診断方法及びプロセス診断システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6862190B2 (ja) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7163117B2 (ja) * | 2018-09-14 | 2022-10-31 | 株式会社東芝 | プロセス監視支援装置、プロセス監視支援システム、プロセス監視支援方法及びプロセス監視支援プログラム |
JP2020046873A (ja) * | 2018-09-18 | 2020-03-26 | 横河電機株式会社 | 情報処理システム、情報処理方法及び情報処理装置 |
JP7408911B2 (ja) * | 2018-10-26 | 2024-01-09 | 富士電機株式会社 | 異常検知装置及び異常検知方法 |
WO2021157666A1 (ja) | 2020-02-04 | 2021-08-12 | 株式会社ダイセル | 制御装置、制御方法及びプログラム |
EP4102421A4 (en) | 2020-02-04 | 2024-02-28 | Daicel Corp | PREDICTION DEVICE, PREDICTION METHOD AND PROGRAM |
WO2021157667A1 (ja) | 2020-02-04 | 2021-08-12 | 株式会社ダイセル | 予測装置、予測方法及びプログラム |
EP4160341A1 (en) | 2020-05-29 | 2023-04-05 | Daicel Corporation | Abnormal modulation cause identifying device, abnormal modulation cause identifying method, and abnormal modulation cause identifying program |
EP4160339A1 (en) | 2020-05-29 | 2023-04-05 | Daicel Corporation | Abnormality/irregularity cause identifying apparatus, abnormality/irregularity cause identifying method, and abnormality/irregularity cause identifying program |
EP4160342A1 (en) | 2020-05-29 | 2023-04-05 | Daicel Corporation | Abnormal modulation cause identification device, abnormal modulation cause identification method, and abnormal modulation cause identification program |
US20230213927A1 (en) | 2020-05-29 | 2023-07-06 | Daicel Corporation | Abnormal irregularity cause identifying device, abnormal irregularity cause identifying method, and abnormal irregularity cause identifying program |
JP2023092184A (ja) * | 2021-12-21 | 2023-07-03 | オムロン株式会社 | 情報処理装置、情報処理方法および情報処理プログラム |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0560596A (ja) * | 1991-09-04 | 1993-03-09 | Hitachi Ltd | 回転機器異常診断装置 |
JP2000099142A (ja) * | 1998-09-22 | 2000-04-07 | Toshiba Corp | 異常レベル判定装置 |
JP2004265009A (ja) * | 2003-02-28 | 2004-09-24 | Mitsubishi Electric Corp | 診断システム |
JP5284433B2 (ja) * | 2011-09-14 | 2013-09-11 | 株式会社東芝 | プロセス監視・診断・支援装置 |
EP3179327B1 (en) * | 2014-08-04 | 2019-10-02 | TLV Co., Ltd. | Equipment monitoring system, equipment monitoring program, and equipment monitoring method |
-
2017
- 2017-01-24 JP JP2017010356A patent/JP6862190B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2018120343A (ja) | 2018-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6862190B2 (ja) | プロセス診断装置、プロセス診断方法及びプロセス診断システム | |
JP4468269B2 (ja) | プロセス監視装置及びその方法 | |
JP5284433B2 (ja) | プロセス監視・診断・支援装置 | |
JP4762088B2 (ja) | プロセス異常診断装置 | |
Choi et al. | Nonlinear dynamic process monitoring based on dynamic kernel PCA | |
JP2017187820A (ja) | プロセス診断装置、プロセス診断方法及びコンピュータプログラム | |
CN105027014B (zh) | 工序监视诊断装置 | |
US20170121204A1 (en) | Sewage treatment monitoring system | |
JP6763831B2 (ja) | 制御システム及び制御方法 | |
Luccarini et al. | Formal verification of wastewater treatment processes using events detected from continuous signals by means of artificial neural networks. Case study: SBR plant | |
Yoo et al. | Multi‐model statistical process monitoring and diagnosis of a sequencing batch reactor | |
Huang et al. | A fast predicting neural fuzzy model for on-line estimation of nutrient dynamics in an anoxic/oxic process | |
CN107949814A (zh) | 用于废水处理工艺控制的系统和方法 | |
JP4604987B2 (ja) | 水処理プラントの運転管理方法および装置 | |
CN102807301A (zh) | 再生水厂出水水质在线监测与实时预测系统及其控制方法 | |
KR102440372B1 (ko) | 빅데이터 및 인공지능 기반의 하수처리시설의 유입수 환경 정보 관리 방법, 장치 및 컴퓨터-판독가능 기록매체 | |
KR100834187B1 (ko) | 베이지안 네트워크를 이용한 하ㆍ폐수 처리공정의 진단시스템 | |
KR102440371B1 (ko) | 빅데이터 및 인공지능 기반의 하수처리시설의 방류수 환경 정보 관리 방법, 장치 및 컴퓨터-판독가능 기록매체 | |
JP2024001315A (ja) | プロセス監視装置、プロセス監視方法及びプログラム | |
Kocijan et al. | Sequencing batch-reactor control using Gaussian-process models | |
Xu et al. | A novel long short-term memory artificial neural network (LSTM)-based soft-sensor to monitor and forecast wastewater treatment performance | |
JPWO2020021687A1 (ja) | 水処理プラント | |
JP7163117B2 (ja) | プロセス監視支援装置、プロセス監視支援システム、プロセス監視支援方法及びプロセス監視支援プログラム | |
Kaneko et al. | Data density-based fault detection and diagnosis with nonlinearities between variables and multimodal data distributions | |
JP2022025364A (ja) | プロセス監視支援装置、プロセス監視支援方法、プロセス監視支援プログラム及び端末装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20170913 Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20170913 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191206 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20201014 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201027 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201228 |
|
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: 20210302 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210331 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6862190 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |