JP7064085B2 - プラント異常監視システム、および、プラント異常監視方法 - Google Patents
プラント異常監視システム、および、プラント異常監視方法 Download PDFInfo
- Publication number
- JP7064085B2 JP7064085B2 JP2017217596A JP2017217596A JP7064085B2 JP 7064085 B2 JP7064085 B2 JP 7064085B2 JP 2017217596 A JP2017217596 A JP 2017217596A JP 2017217596 A JP2017217596 A JP 2017217596A JP 7064085 B2 JP7064085 B2 JP 7064085B2
- Authority
- JP
- Japan
- Prior art keywords
- abnormality
- detection model
- determination
- weight value
- total
- 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
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Description
プラントの運転状態を示す複数の運転データに基づいて異常を監視するプラント異常監視システムであって、
前記複数の運転データを含む監視運転データに対して、相互に異なる異常判定手法を実行する複数の検知モデルをそれぞれ適用することにより得られる複数の検知モデル判定結果を取得するよう構成される検知モデル判定結果取得部と、
前記複数の検知モデル判定結果、および前記複数の検知モデルの各々に対して予め設定されている重み値に基づいて前記異常の有無を判定するよう構成される異常判定部と、
前記異常判定部によって前記異常が有ると判定された場合に通知するよう構成される異常通知部と、を備える。
前記異常判定部は、前記複数の検知モデル判定結果のうちの正常の検知モデル判定結果を取得した前記検知モデルの重み値の合計である正常重み値合計と、前記複数の検知モデル判定結果のうちの異常の検知モデル判定結果を取得した前記検知モデルの重み値の合計である異常重み値合計との差異に基づいて、前記異常の有無を判定する。
上記(2)の構成によれば、複数の検知モデル判定結果から、複数の検知モデルを正常判定グループと異常判定グループとに分け、そのグループごとに重み値の合計を算出する。こうして得られた正常重み値合計と異常重み値合計との大小に応じて、総合的な正常、異常の判定を行う。これによって、プラントにおける異常の有無を総合的に判定することができる。
前記異常判定部は、前記正常重み値合計が前記異常重み値合計よりも大きい場合に正常と判定し、前記正常重み値合計が前記異常重み値合計以下の場合に異常と判定する。
上記(3)の構成によれば、プラントにおける異常の有無を総合的に判定することができる。
前記重み値は、過去に発生した前記異常の種類別の前記複数の検知モデルの各々による検知率が高いほど大きな値を有する。
上記(4)の構成によれば、重み値は、複数の検知モデルの各々による異常の検知率に基づいて異常事象(異常の種類)毎に設定されると共に、検知率が高いほど大きな値を有する。よって、例えば正常重み値合計と異常重み値合計の大小により総合的に異常判定を行う場合などには、検知率の高い検知モデルほど各合計への寄与が大きくなる。このように、検知率を各合計に反映することにより、異常の有無の総合的な判定を適切に行うことができる。
前記異常判定部による前記異常の有無の判定結果と、前記異常の有無の実際の確認結果とが異なる場合に前記重み値の再設定を決定する重み値再決定部を、さらに備える。
上記(5)の構成によれば、異常判定部による総合的な判定結果が現実の状況と異なる場合には、重み値の修正を行うようにする。これによって、異常の有無の総合的な判定の精度の維持、向上を図ることができる。
前記重み値再決定部によって前記重み値の再設定が決定された場合には、前記実際の確認結果と異なる判定をした前記検知モデルの前記重み値と、前記実際の確認結果と一致する判定をした前記検知モデルの前記重み値との差が大きくなるように前記重み値を再設定する重み値再設定部を、さらに備える。
上記(6)の構成によれば、重み値再設定部は、現実の状況と異なる判定をした検知モデルの重み値が、現実の状況と一致する判定をした検知モデルの重み値に対して、相対的に小さくなるように重み値を修正する。これによって、異常の有無の総合的な判定の精度の維持、向上を図ることができる。
前記重み値再設定部は、前記異常判定部によって異常有りが判定された場合において前記実際の確認結果が異常無しである場合には、前記複数の検知モデル判定結果のうちの前記異常有りを判定した前記検知モデル判定結果を取得した前記検知モデルの前記重み値を小さくするか、
前記異常判定部によって異常無しが判定された場合において前記実際の確認結果が異常有りである場合には、前記複数の検知モデル判定結果のうちの前記異常無しを判定した前記検知モデル判定結果を取得した前記検知モデルの前記重み値を小さくするかの少なくとも一方を実行するように構成される。
上記(7)の構成によれば、現実の状況と異なる判定をした検知モデルの重み値が、現実の状況と一致する判定をした検知モデルの重み値に対して、相対的に小さくなるように重み値を修正することができる。
前記異常通知部は、前記複数の検知モデル判定結果のうちの正常の検知モデル判定結果を取得した前記検知モデルの重み値の合計である正常重み値合計よりも、前記複数の検知モデル判定結果のうちの異常の検知モデル判定結果を取得した前記検知モデルの重み値の合計である異常重み値合計の方が大きく、かつ、前記正常重み値合計と前記異常重み値合計との差異が閾値以上の場合に緊急対応を要請するための緊急異常アラームを通知する。
上記(8)の構成によれば、総合的に異常を判定した場合において、正常重み値合計と異常重み値合計との差分などの差異に応じて、緊急異常アラームの通知の必要性を判定する。これによって、緊急な異常であるか否かも含めて、プラントの運転員や管理者などに異常を報知することができる。
過去に取得された前記複数の運転データに基づいて作成された、複数の前記異常判定手法にそれぞれ対応した前記複数の検知モデルを、さらに備える。
上記(9)の構成によれば、複数の検知モデルを備えることにより、例えば他システムからの複数の検知モデル判定結果の入力を待つ必要が生じるなどを回避して、リアルタイムなどの適時の異常監視を行うことができる。
前記複数の検知モデル判定結果は、予め設定された閾値との比較により前記異常の有無を判定するための異常スコアを算出する異常スコア算出型の検知モデルによって取得された判定結果と、予め定められた前記運転データの予測値を算出する予測値算出型の検知モデルによって取得された判定結果との両方を含む。
プラントの運転状態を示す複数の運転データに基づいて異常を監視するプラント異常監視方法であって、
前記複数の運転データを含む監視運転データに対して、相互に異なる異常判定手法を実行する複数の検知モデルをそれぞれ適用することにより得られる複数の検知モデル判定結果を取得する検知モデル判定結果取得ステップと、
前記複数の検知モデル判定結果、および前記複数の検知モデルの各々に対して予め設定されている重み値に基づいて前記異常の有無を判定する異常判定ステップと、
前記異常判定ステップによって前記異常が有ると判定された場合に通知する異常通知ステップと、を備える。
前記異常判定ステップは、前記複数の検知モデル判定結果のうちの正常の検知モデル判定結果を取得した前記検知モデルの重み値の合計である正常重み値合計と、前記複数の検知モデル判定結果のうちの異常の検知モデル判定結果を取得した前記検知モデルの重み値の合計である異常重み値合計との差異に基づいて、前記異常の有無を判定する。
上記(12)の構成によれば、上記(2)と同様の効果を奏する。
前記異常判定ステップは、前記正常重み値合計が前記異常重み値合計よりも大きい場合に正常と判定し、前記正常重み値合計が前記異常重み値合計以下の場合に異常と判定する。
上記(13)の構成によれば、上記(3)と同様の効果を奏する。
前記重み値は、過去に発生した前記異常の種類別の前記複数の検知モデルの各々による検知率が高いほど大きな値を有する。
上記(14)の構成によれば、上記(4)と同様の効果を奏する。
前記異常判定ステップによる前記異常の有無の判定結果と、前記異常の有無の実際の確認結果とが異なる場合に前記重み値の再設定を決定する重み値再決定ステップを、さらに備える。
上記(15)の構成によれば、上記(5)と同様の効果を奏する。
前記重み値再決定ステップによって前記重み値の再設定が決定された場合には、前記実際の確認結果と異なる判定をした前記検知モデルの前記重み値と、前記実際の確認結果と一致する判定をした前記検知モデルの前記重み値との差が大きくなるように前記重み値を再設定する重み値再設定ステップを、さらに備える。
上記(16)の構成によれば、上記(6)と同様の効果を奏する。
前記重み値再設定ステップは、前記異常判定ステップによって異常有りが判定された場合において前記実際の確認結果が異常無しである場合には、前記複数の検知モデル判定結果のうちの前記異常有りを判定した前記検知モデル判定結果を取得した前記検知モデルの前記重み値を小さくするか、
前記異常判定ステップによって異常無しが判定された場合において前記実際の確認結果が異常有りである場合には、前記複数の検知モデル判定結果のうちの前記異常無しを判定した前記検知モデル判定結果を取得した前記検知モデルの前記重み値を小さくするかの少なくとも一方を実行するように構成される。
上記(17)の構成によれば、上記(7)と同様の効果を奏する。
前記異常通知ステップは、前記複数の検知モデル判定結果のうちの正常の検知モデル判定結果を取得した前記検知モデルの重み値の合計である正常重み値合計よりも、前記複数の検知モデル判定結果のうちの異常の検知モデル判定結果を取得した前記検知モデルの重み値の合計である異常重み値合計の方が大きく、かつ、前記正常重み値合計と前記異常重み値合計との差異が閾値以上の場合に緊急対応を要請するための緊急異常アラームを通知する。
上記(18)の構成によれば、上記(8)と同様の効果を奏する。
過去に取得された前記複数の運転データに基づいて作成された、複数の前記異常判定手法にそれぞれ対応した前記複数の検知モデルを、さらに備える。
上記(19)の構成によれば、上記(9)と同様の効果を奏する。
前記複数の検知モデル判定結果は、予め設定された閾値との比較により前記異常の有無を判定するための異常スコアを算出する異常スコア算出型の検知モデルによって取得された判定結果と、予め定められた前記運転データの予測値を算出する予測値算出型の検知モデルによって取得された判定結果との両方を含む。
例えば、「ある方向に」、「ある方向に沿って」、「平行」、「直交」、「中心」、「同心」或いは「同軸」等の相対的或いは絶対的な配置を表す表現は、厳密にそのような配置を表すのみならず、公差、若しくは、同じ機能が得られる程度の角度や距離をもって相対的に変位している状態も表すものとする。
例えば、「同一」、「等しい」及び「均質」等の物事が等しい状態であることを表す表現は、厳密に等しい状態を表すのみならず、公差、若しくは、同じ機能が得られる程度の差が存在している状態も表すものとする。
例えば、四角形状や円筒形状等の形状を表す表現は、幾何学的に厳密な意味での四角形状や円筒形状等の形状を表すのみならず、同じ効果が得られる範囲で、凹凸部や面取り部等を含む形状も表すものとする。
一方、一の構成要素を「備える」、「具える」、「具備する」、「含む」、又は、「有する」という表現は、他の構成要素の存在を除外する排他的な表現ではない。
図1に示すように、プラント異常監視システム1は、検知モデル判定結果取得部2と、異常判定部3と、異常通知部4と、を備える。プラント異常監視システム1はコンピュータで構成されており、図示しないCPU(プロセッサ)や、ROMやRAMといったメモリや記憶装置14(外部記憶装置)を備えている。そして、メモリ(主記憶装置)にロードされたプログラムの命令に従ってCPUが動作(データの演算など)することで、プラント異常監視システム1が備える上記の各機能部を実現する。上記の機能部について、それぞれ説明する。
幾つかの実施形態では、異常通知部4から出力される異常アラームWは、異常の緊急度に応じて緊急異常アラームWeと通常異常アラームWnとが使い分けられても良い。具体的には、図3に示すように、異常通知部4は、上述した正常重み値合計Snよりも、上述した異常重み値合計Saの方が大きく、かつ、正常重み値合計Snと異常重み値合計Saとの差異が閾値以上の場合(Sa>Sn、かつ、Sa-Sn≧閾値)に緊急対応を要請するための緊急異常アラームWeを通知するよう構成されても良い。上記の閾値は0以外の数値である。また、通常異常アラームWnは、緊急異常アラームWe以外で、かつ、緊急性が相対的に低い異常を通知するための異常アラームWである。これらの緊急異常アラームWeと通常異常アラームWnとは、ディスプレイへの表示形式、音の大小、LEDなどの発光態様の少なくとも1つが異なっていたり、緊急異常アラームWeは少なくとも音による警報が有る一方で通常異常アラームWnはなかったりするなど、報知の態様が異なる。そして、緊急性が高いほど、運転員には緊急対応が求められる。
図8に示すフローに従ってプラント異常監視方法を説明する。なお、図8のフローは、プラント9から運転履歴Hを取得する度に行うものとする。
例えば、図1に示す実施形態では、プラント異常監視システム1が複数のプラント9に対して共通して設けられているが、他の幾つかの実施形態では、プラント9毎にプラント異常監視システム1がそれぞれ設けられていて良い。
12 運転データ収集部
14 記憶装置
16 出力装置
2 検知モデル判定結果取得部
22 検知モデル
3 異常判定部
4 異常通知部
5 再決定部
6 重み値再設定部
9 プラント
D 運転データ
Dt 監視運転データ
H 運転履歴
V 重み値
R 検知モデル判定結果
Rc 総合診断結果
Sa 異常重み値合計
Sn 正常重み値合計
Dr 検知率
L 閾値
W 異常アラーム
We 緊急異常アラーム
Wn 通常異常アラーム
t 時刻
Claims (18)
- プラントの運転状態を示す複数の運転データに基づいて異常を監視するプラント異常監視システムであって、
前記複数の運転データを含む監視運転データに対して、相互に異なる異常判定手法を実行する複数の検知モデルをそれぞれ適用することにより得られる複数の検知モデル判定結果を取得するよう構成される検知モデル判定結果取得部と、
前記複数の検知モデル判定結果、および前記複数の検知モデルの各々と複数種類の前記異常の各々とに対応付けて予め設定されている重み値に基づいて前記異常の有無を判定するよう構成される異常判定部と、
前記異常判定部によって前記複数種類の前記異常の少なくとも1つが有ると判定された場合に通知するよう構成される異常通知部と、を備え、
前記異常判定部は、前記複数の検知モデル判定結果のうちの正常の検知モデル判定結果を取得した前記検知モデルの重み値の合計である正常重み値合計と、前記複数の検知モデル判定結果のうちの前記異常の検知モデル判定結果を取得した前記検知モデルの重み値の合計である異常重み値合計との差異に基づいて、前記複数種類の前記異常の少なくとも1つの有無を判定することを特徴とするプラント異常監視システム。 - 前記異常判定部は、前記正常重み値合計が前記異常重み値合計よりも大きい場合に正常と判定し、前記正常重み値合計が前記異常重み値合計以下の場合に異常と判定することを特徴とする請求項1に記載のプラント異常監視システム。
- 前記重み値は、過去に発生した前記異常の種類別の前記複数の検知モデルの各々による検知率が高いほど大きな値を有することを特徴とする請求項1または2に記載のプラント異常監視システム。
- 前記異常判定部による前記異常の有無の判定結果と、前記異常の有無の実際の確認結果とが異なる場合に前記重み値の再設定を決定する重み値再決定部を、さらに備えることを特徴とする請求項1~3のいずれか1項に記載のプラント異常監視システム。
- 前記重み値再決定部によって前記重み値の再設定が決定された場合には、前記実際の確認結果と異なる判定をした前記検知モデルの前記重み値と、前記実際の確認結果と一致する判定をした前記検知モデルの前記重み値との差が大きくなるように前記重み値を再設定する重み値再設定部を、さらに備えることを特徴とする請求項4に記載のプラント異常監視システム。
- 前記重み値再設定部は、前記異常判定部によって異常有りが判定された場合において前記実際の確認結果が異常無しである場合には、前記複数の検知モデル判定結果のうちの前記異常有りを判定した前記検知モデル判定結果を取得した前記検知モデルの前記重み値を小さくするか、
前記異常判定部によって異常無しが判定された場合において前記実際の確認結果が異常有りである場合には、前記複数の検知モデル判定結果のうちの前記異常無しを判定した前記検知モデル判定結果を取得した前記検知モデルの前記重み値を小さくするかの少なくとも一方を実行するように構成されることを特徴とする請求項5に記載のプラント異常監視システム。 - 前記異常通知部は、前記複数の検知モデル判定結果のうちの正常の検知モデル判定結果を取得した前記検知モデルの重み値の合計である正常重み値合計よりも、前記複数の検知モデル判定結果のうちの異常の検知モデル判定結果を取得した前記検知モデルの重み値の合計である異常重み値合計の方が大きく、かつ、前記正常重み値合計と前記異常重み値合計との差異が閾値以上の場合に緊急対応を要請するための緊急異常アラームを通知することを特徴とする請求項1~6のいずれか1項に記載のプラント異常監視システム。
- 過去に取得された前記複数の運転データに基づいて作成された、複数の前記異常判定手法にそれぞれ対応した前記複数の検知モデルを、さらに備えることを特徴とする請求項1~7のいずれか1項に記載のプラント異常監視システム。
- 前記複数の検知モデル判定結果は、予め設定された閾値との比較により前記異常の有無を判定するための異常スコアを算出する異常スコア算出型の検知モデルによって取得された判定結果と、予め定められた前記運転データの予測値を算出する予測値算出型の検知モデルによって取得された判定結果との両方を含むことを特徴とする請求項1~8のいずれか1項に記載のプラント異常監視システム。
- プラントの運転状態を示す複数の運転データに基づいて異常を監視するプラント異常監視方法であって、
前記複数の運転データを含む監視運転データに対して、相互に異なる異常判定手法を実行する複数の検知モデルをそれぞれ適用することにより得られる複数の検知モデル判定結果を取得する検知モデル判定結果取得ステップと、
前記複数の検知モデル判定結果、および前記複数の検知モデルの各々と複数種類の前記異常の各々とに対応付けて対して予め設定されている重み値に基づいて前記異常の有無を判定する異常判定ステップと、
前記異常判定ステップによって前記複数種類の前記異常の少なくとも1つが有ると判定された場合に通知する異常通知ステップと、を備え、
前記異常判定ステップは、前記複数の検知モデル判定結果のうちの正常の検知モデル判定結果を取得した前記検知モデルの重み値の合計である正常重み値合計と、前記複数の検知モデル判定結果のうちの異常の検知モデル判定結果を取得した前記検知モデルの重み値の合計である異常重み値合計との差異に基づいて、前記複数種類の前記異常の少なくとも1つの有無を判定することを特徴とするプラント異常監視方法。 - 前記異常判定ステップは、前記正常重み値合計が前記異常重み値合計よりも大きい場合に正常と判定し、前記正常重み値合計が前記異常重み値合計以下の場合に異常と判定することを特徴とする請求項10に記載のプラント異常監視方法。
- 前記重み値は、過去に発生した前記異常の種類別の前記複数の検知モデルの各々による検知率が高いほど大きな値を有することを特徴とする請求項10または11に記載のプラント異常監視方法。
- 前記異常判定ステップによる前記異常の有無の判定結果と、前記異常の有無の実際の確認結果とが異なる場合に前記重み値の再設定を決定する重み値再決定ステップを、さらに備えることを特徴とする請求項10~12のいずれか1項に記載のプラント異常監視方法。
- 前記重み値再決定ステップによって前記重み値の再設定が決定された場合には、前記実際の確認結果と異なる判定をした前記検知モデルの前記重み値と、前記実際の確認結果と一致する判定をした前記検知モデルの前記重み値との差が大きくなるように前記重み値を再設定する重み値再設定ステップを、さらに備えることを特徴とする請求項13に記載のプラント異常監視方法。
- 前記重み値再設定ステップは、前記異常判定ステップによって異常有りが判定された場合において前記実際の確認結果が異常無しである場合には、前記複数の検知モデル判定結果のうちの前記異常有りを判定した前記検知モデル判定結果を取得した前記検知モデルの前記重み値を小さくするか、
前記異常判定ステップによって異常無しが判定された場合において前記実際の確認結果が異常有りである場合には、前記複数の検知モデル判定結果のうちの前記異常無しを判定した前記検知モデル判定結果を取得した前記検知モデルの前記重み値を小さくするかの少なくとも一方を実行するように構成されることを特徴とする請求項14に記載のプラント異常監視方法。 - 前記異常通知ステップは、前記複数の検知モデル判定結果のうちの正常の検知モデル判定結果を取得した前記検知モデルの重み値の合計である正常重み値合計よりも、前記複数の検知モデル判定結果のうちの異常の検知モデル判定結果を取得した前記検知モデルの重み値の合計である異常重み値合計の方が大きく、かつ、前記正常重み値合計と前記異常重み値合計との差異が閾値以上の場合に緊急対応を要請するための緊急異常アラームを通知することを特徴とする請求項10~15のいずれか1項に記載のプラント異常監視方法。
- 過去に取得された前記複数の運転データに基づいて作成された、複数の前記異常判定手法にそれぞれ対応した前記複数の検知モデルを、さらに備えることを特徴とする請求項10~16のいずれか1項に記載のプラント異常監視方法。
- 前記複数の検知モデル判定結果は、予め設定された閾値との比較により前記異常の有無を判定するための異常スコアを算出する異常スコア算出型の検知モデルによって取得された判定結果と、予め定められた前記運転データの予測値を算出する予測値算出型の検知モデルによって取得された判定結果との両方を含むことを特徴とする請求項10~17のいずれか1項に記載のプラント異常監視方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017217596A JP7064085B2 (ja) | 2017-11-10 | 2017-11-10 | プラント異常監視システム、および、プラント異常監視方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017217596A JP7064085B2 (ja) | 2017-11-10 | 2017-11-10 | プラント異常監視システム、および、プラント異常監視方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019091113A JP2019091113A (ja) | 2019-06-13 |
JP7064085B2 true JP7064085B2 (ja) | 2022-05-10 |
Family
ID=66836330
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017217596A Active JP7064085B2 (ja) | 2017-11-10 | 2017-11-10 | プラント異常監視システム、および、プラント異常監視方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7064085B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7359608B2 (ja) * | 2019-09-12 | 2023-10-11 | アズビル株式会社 | 情報提示装置、情報提示方法、および情報提示システム |
KR102525954B1 (ko) * | 2022-12-09 | 2023-04-27 | 주식회사 루트시스템 | 생산 설비의 결함파라미터 및 결함범위 도출 장치 및 방법 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003208219A (ja) | 2002-01-10 | 2003-07-25 | Yamatake Building Systems Co Ltd | 異常検知装置および方法 |
WO2009107805A1 (ja) | 2008-02-27 | 2009-09-03 | 三菱重工業株式会社 | プラント状態監視方法、プラント状態監視用コンピュータプログラム、及びプラント状態監視装置 |
JP2015127914A (ja) | 2013-12-27 | 2015-07-09 | 三菱重工業株式会社 | 予測システム、監視システム、運転支援システム、ガスタービン設備及び予測方法 |
WO2017038373A1 (ja) | 2015-09-01 | 2017-03-09 | 株式会社テイエルブイ | 分析システム、及び、分析方法 |
JP6331507B2 (ja) | 2014-03-12 | 2018-05-30 | 日本ゼオン株式会社 | 消臭システム、消臭剤及び消臭性繊維製品 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3147586B2 (ja) * | 1993-05-21 | 2001-03-19 | 株式会社日立製作所 | プラントの監視診断方法 |
-
2017
- 2017-11-10 JP JP2017217596A patent/JP7064085B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003208219A (ja) | 2002-01-10 | 2003-07-25 | Yamatake Building Systems Co Ltd | 異常検知装置および方法 |
WO2009107805A1 (ja) | 2008-02-27 | 2009-09-03 | 三菱重工業株式会社 | プラント状態監視方法、プラント状態監視用コンピュータプログラム、及びプラント状態監視装置 |
JP2015127914A (ja) | 2013-12-27 | 2015-07-09 | 三菱重工業株式会社 | 予測システム、監視システム、運転支援システム、ガスタービン設備及び予測方法 |
JP6331507B2 (ja) | 2014-03-12 | 2018-05-30 | 日本ゼオン株式会社 | 消臭システム、消臭剤及び消臭性繊維製品 |
WO2017038373A1 (ja) | 2015-09-01 | 2017-03-09 | 株式会社テイエルブイ | 分析システム、及び、分析方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2019091113A (ja) | 2019-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6884078B2 (ja) | プラント異常監視システム | |
JP6116466B2 (ja) | プラントの診断装置及び診断方法 | |
JP6037954B2 (ja) | ボイラチューブリーク検出装置、ボイラチューブリーク検出方法、並びにこれらを用いたデータ監視センタ、情報提供サービス、ボイラプラント。 | |
JP6304767B2 (ja) | 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 | |
JP6523815B2 (ja) | プラント診断装置及びプラント診断方法 | |
JP7064085B2 (ja) | プラント異常監視システム、および、プラント異常監視方法 | |
JP2002155708A (ja) | 発電プラントのガイダンス提供システムおよび方法 | |
JP6674033B2 (ja) | プラント異常診断装置及びプラント異常診断システム | |
JP2011209847A (ja) | プラント異常診断システム | |
KR20210109206A (ko) | 원전의 지능형 상태감시 방법 및 시스템 | |
CN114484409A (zh) | 一种火电厂炉管泄漏事故的预警方法及装置 | |
Wrest et al. | Instrument surveillance and calibration verification through plant wide monitoring using autoassociative neural networks | |
Li et al. | Model-based monitoring and fault diagnosis of fossil power plant process units using group method of data handling | |
JP6943698B2 (ja) | プラント異常箇所推定システム | |
Li et al. | Design of sensor placement for an integral pressurized water reactor using fault diagnostic observability and reliability criteria | |
WO2018003028A1 (ja) | ボイラーの故障判定装置、故障判定方法およびサービス方法 | |
JP7121592B2 (ja) | プラント監視システムおよびプラント監視方法 | |
KR20240062310A (ko) | 실시간 효율계산 프로그램이 설치된 산업용 보일러 관리시스템 | |
Kim | On-line process failure diagnosis: The necessity and a comparative review of the methodologies | |
JP2023105972A (ja) | 故障予兆監視システムおよび故障予兆監視方法 | |
Affelt et al. | Hybrid Analytics Solution for Power Plant Operations | |
Chou et al. | Experiences with an expert system technology for real-time monitoring and diagnosis of industrial processes | |
CN115823929A (zh) | 换热控制系统、方法、装置及相关产品 | |
Craik | Detection of leaks in steam lines by distributed fibre-optic temperature sensing (DTS) | |
JPH05141206A (ja) | 発電プラントの性能診断方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A625 | Written request for application examination (by other person) |
Free format text: JAPANESE INTERMEDIATE CODE: A625 Effective date: 20200928 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210608 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210610 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210714 |
|
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: 20220104 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20220121 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220203 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7064085 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |