JP7072131B1 - 流量推定システム - Google Patents

Abstract

流量推定システム１００は、推定対象となるスチームトラップ２のドレン流量を推定する。流量推定システム１００は、スチームトラップ２の現場Ｓにおいて、診断員が測定したスチームトラップ２の振動情報と、振動情報が測定されたときのスチームトラップ２の作動状態から診断員が判定したスチームトラップ２のドレン流量とを関連付けた現場データが蓄積されていく蓄積部２１と、推定対象となるスチームトラップ２の振動情報を検出するプローブ１８、蓄積部２１の現場データと、プローブ１８によって検出された振動情報とに基づいて推定対象となるスチームトラップ２のドレン流量を推定する推定部１５を有する推定装置１０とを備えている。

Description

本開示の技術は、流量推定システムに関する。

従来より、ドレントラップなどの弁を通過する流体の流量を推定する装置が知られている。例えば特許文献１に開示されている推定装置は、弁の振動を検出して、予め記憶されている流量と振動との相関関係から、実際の流量を推定する。また、特許文献２に開示されている測定装置は、ドレントラップなどの弁の振動と蒸気漏洩量との関係から、弁の作動良否を判定する。

特開平９－１９６７１６号公報 特開昭６３－１９５４９８号公報

ところで、前述した特許文献１のような推定装置では、流量と振動の相関関係は、主として実験データに基づいて生成されていることから、データ量が少なく、特に、様々な環境条件に応じたデータが少ない。そのため、流量の推定精度は十分ではなく、推定精度を向上させたいという要望がある。また、特許文献２のような測定装置では、ドレン流量が多いときに発生する振動を検出した場合、正常にドレンが排出されている状態であるにも拘わらず、作動不良の（即ち、蒸気が漏れている）状態であると誤判定してしまう虞がある。このようなとき、ドレンの流量を把握することができれば、作動良否に関する誤判定を抑制することができる。このようなことからも、流量の高い推定精度が望まれる。

本開示の技術は、かかる事情に鑑みてなされたものであり、その目的は、ドレントラップにおけるドレン流量の推定精度を向上させることができる流量推定システムを提供することにある。

本開示の技術は、推定対象となるドレントラップのドレン流量を推定する流量推定システムである。流量推定システムは、蓄積部と、推定装置とを備えている。前記蓄積部は、ドレントラップの現場において、診断員が測定した該ドレントラップの振動情報と、前記振動情報が測定されたときの該ドレントラップの作動状態から前記診断員が判定した該ドレントラップのドレン流量とを関連付けた現場データが蓄積されていく。前記推定装置は、前記推定対象となるドレントラップの振動情報を検出する検出部、前記蓄積部の前記現場データと、前記検出部によって検出された振動情報とに基づいて前記推定対象となるドレントラップのドレン流量を推定する推定部を有する。

前記の流量推定システムによれば、ドレントラップにおけるドレン流量の推定精度を向上させることができる。

図１は、流量推定システムの概略構成を示すブロック図である。 図２は、蓄積部における現場データの一例を示す図である。 図３は、推定モデルの入出力を示す概念図である。 図４は、推定装置によるドレン流量の推定動作を示すフローチャートである。 図５は、表示部における表示態様の一例を示す図である。

以下、例示的な実施形態を図面に基づいて詳細に説明する。

本実施形態の流量推定システム１００は、例えば蒸気システム等に設けられるスチームトラップ２におけるドレン流量を推定する。スチームトラップ２は、ドレントラップの一例であり、例えばドレン配管１に設けられている。スチームトラップ２は、ドレン配管１からドレンが流入してきた場合はそのドレンを下流側へ流出させる一方、ドレン配管１から蒸気が流入してきた場合はその蒸気の流出を阻止する、いわゆる自動弁である。

図１に示すように、流量推定システム１００は、推定装置１０と、サーバ装置２０とを備えている。推定装置１０とサーバ装置２０とは、ネットワークＮを介して通信可能である。ネットワークＮは、インターネットなどの広域通信ネットワークである。

推定装置１０は、スチームトラップ２におけるドレン流量、即ち、スチームトラップ２を通過しているドレン流量を推定する携帯用の装置である。具体的に、推定装置１０は、装置本体１１およびプローブ１８を有している。

プローブ１８は、推定対象となるスチームトラップ２の振動情報（例えば、振動レベル）を検出する検出部の一例である。プローブ１８は、例えばスチームトラップ２のケーシングに押し当てられることで、スチームトラップ２の振動情報を検出する。プローブ１８は、ケーブル１８ａを介して装置本体１１と接続されている。プローブ１８によって検出された振動情報は、ケーブル１８ａを介して装置本体１１に出力される。推定対象となるスチームトラップ２とは、ドレン流量が推定されるスチームトラップ２である。

なお、装置本体１１とプローブ１８とは、一体に形成されていてもよい。また、装置本体１１とプローブ１８とは、Bluetooth（登録商標）等の無線通信規格によって無線で接続されていてもよい。

装置本体１１は、プローブ１８によって検出された振動情報に基づいて、スチームトラップ２におけるドレン流量を推定する。装置本体１１は、ネットワークＮを介して サーバ装置２０と通信可能である。具体的に、装置本体１１は、入力部１２と、記憶部１３と、表示部１４と、推定部１５と、修正部１６とを有している。

入力部１２は、ユーザである診断員からの入力操作を受け付ける。入力部１２は、入力操作に応じた入力信号を出力する。入力部１２は、例えば、入力キー、または後述する表示部１４に重ね合わされるタッチパネルである。

記憶部１３は、各種プログラム及び各種データを記憶する、コンピュータに読み取り可能な記憶媒体である。記憶部１３は、ハードディスク等の磁気ディスク、ＣＤ－ＲＯＭおよびＤＶＤ等の光ディスク、または半導体メモリによって形成されている。記憶部１３は、後述するサーバ装置２０の学習部２２で生成された推定モデルＭ等を記憶する。また、記憶部１３は、後述する推定部１５によって出力されたドレン流量等、および修正部１６によって修正されたドレン流量も記憶する。

表示部１４は、推定部１５によって出力されたドレン流量と、そのドレン流量の確信度を表示する。ドレン流量の確信度は、記憶部１３に記憶されている推定モデルＭの正解率を示す情報の一例である。表示部１４は、例えば、液晶ディスプレイまたは有機ＥＬディスプレイである。

推定部１５は、後述する蓄積部２１の現場データに基づいて、プローブ１８によって検出された振動情報からドレン流量を推定する。具体的に、推定部１５は、プローブ１８によって検出された振動情報を、後述する学習部２２によって生成された推定モデルＭに入力することで、推定されるドレン流量を出力する。より詳しくは、推定部１５は、プローブ１８によって検出された振動情報と、プローブ１８が検出したときの推定対象となるスチームトラップ２の圧力とを、学習部２２によって生成された推定モデルＭに入力することで、推定されるドレン流量を出力する。

修正部１６は、推定部１５によって出力されたドレン流量を診断員の入力操作に応じて修正する。より詳しくは、修正部１６は、診断員が判定したドレン流量が診断員によって入力部１２から入力されることで、推定部１５によって出力されたドレン流量を、入力部１２から入力されたドレン流量に修正する。推定部１５および修正部１６は、例えば、マイクロコンピュータまたはプロセッサと、各種半導体メモリとによって実現される。

サーバ装置２０は、現場Ｓで取得されたスチームトラップ２の振動情報およびドレン流量を含む現場データを蓄積していくと共に、蓄積した現場データを用いて前述の推定モデルＭを生成および更新する。サーバ装置２０は、例えば、クラウドサーバである。具体的に、サーバ装置２０は、蓄積部２１と、学習部２２とを有している。

蓄積部２１は、スチームトラップ２の現場Ｓにおいて、診断員が測定したスチームトラップ２の振動情報と、前記振動情報が測定されたときのスチームトラップ２の作動状態から診断員が判定したスチームトラップ２のドレン流量とを関連付けた現場データが蓄積されていく。スチームトラップ２の現場Ｓとは、スチームトラップ２が実際に設置されて稼働している場所である。

診断員は、各現場Ｓにおけるスチームトラップ２の点検時やメンテナンス時において、スチームトラップ２の作動状態を診断し、その診断結果を客先へ報告等している。例えば、診断員は、スチームトラップ２を診断するために、振動測定器によってスチームトラップ２の振動情報（以下、単に「振動情報」ともいう）を測定する。また、診断員は、スチームトラップ２の作動状態からドレン流量を判定する。スチームトラップ２の作動状態は、例えば、スチームトラップ２の作動音や、ドレンの流れ状態である。スチームトラップ２の作動音は、例えば聴診器によって測定される。ドレンの流れ状態は、例えば、スチームトラップ２の下流に接続されているドレン配管１内を目視することで把握される。診断員は、これらのスチームトラップ２の作動状態からドレン流量を判定する。こうして、各現場Ｓにて取得されたスチームトラップ２に関する各種情報が現場データとして蓄積部２１に逐次蓄積されていく。

なお、ドレン流量は流量測定器によって測定することも考えられるが、流量測定器は高価であり、また流量測定器のドレン配管１等への取付作業が手間であることから、診断員によりドレン流量を判定することが効果的である。

具体的に、蓄積部２１の現場データは、図２に示すように、振動情報とドレン流量とが関連付けされている。より詳しくは、現場データは、振動情報、圧力およびドレン流量が関連付けされている。圧力は、診断員が振動情報を測定したときのスチームトラップ２の流体圧力であり、例えば、入口側のドレン配管１に設けられている圧力計によって測定されるスチームトラップ２の入口圧力である。ドレン流量は、数値ではなく、程度で表されている。本実施形態では、ドレン流量の程度は、「大」「中」「小」の３段階で表される。なお、ドレン流量の程度は、２段階または４段階以上で表すようにしてもよい。

さらに、蓄積部２１の現場データは、現場Ｓにおいてスチームトラップ２のドレン流量を判定した診断員の熟練度を示す診断員レベルも関連付けされている。本実施形態では、診断員レベルは、熟練度が高い順に「１」「２」「３」の３段階で表している。当然ながら、診断員の熟練度が高いほど、ドレン流量の判定精度は高い。なお、診断員レベルは、２段階または４段階以上で表すようにしてもよい。このように振動情報、圧力、ドレン流量および診断員レベルを関連付けけした現場データは、スチームトラップ２の型式ごとに区分されている（図２に示す「型式Ａ」、「型式Ｂ」、「型式Ｃ」参照）。

また、蓄積部２１は、推定装置１０の修正部１６による修正後のドレン流量と、修正部１６による修正前のドレン流量を推定部１５が出力したときに推定モデルＭに入力された振動情報とを関連付けて蓄積する。つまり、本実施形態では、推定装置１０によって推定されたドレン流量が診断員の入力操作によって修正された場合は、修正後のドレン流量が現場データとして蓄積部２１に蓄積される。そのため、推定装置１０によって推定されたドレン流量が適切でないと診断員が判断した場合、診断員が判定したドレン流量が蓄積部２１の現場データとして反映される。

学習部２２は、蓄積部２１の現場データにおける振動情報を入力としドレン流量を出力とする教師データを用いて機械学習させた推定モデルＭを生成する。具体的に、学習部２２は、データ選択部２３と、モデル生成部２４とを有している。

データ選択部２３は、モデル生成部２４が推定モデルＭを生成するために必要な教師データを、蓄積部２１の現場データから選択して作成する。より詳しくは、データ選択部２３は、蓄積部２１の現場データにおける振動情報および圧力を入力としドレン流量を出力とする教師データを作成する。また、本実施形態では、データ選択部２３は、モデル生成部２４がスチームトラップ２の型式ごとに推定モデルＭを生成するために、スチームトラップ２の型式ごとに教師データを作成する。

また、本実施形態では、データ選択部２３は、蓄積部２１の現場データのうち、所定の熟練度以上の診断員レベルが関連付けされた現場データを教師データとして選択する。例えば、蓄積部２１の現場データのうち、診断員レベルが「２」以上の現場データを対象として教師データが作成される。そのため、全ての診断員レベル（この例では、診断員レベル「３」以上）の現場データを対象とする場合に比べて、ドレン流量に関して判定精度の高い教師データが作成される。

モデル生成部２４は、データ選択部２３によって作成された教師データを用いて、機械学習させた推定モデルＭを生成する。図３に示すように、推定モデルＭは、振動情報および圧力を入力とし、推定されるドレン流量を出力とする。推定モデルＭは、ニューラルネットワークなどの公知の機械学習アルゴリズムを利用して、振動情報および圧力とドレン流量との関係を学習させる教師あり機械学習により生成される学習済みモデルである。

学習部２２では、例えば定期的に、データ選択部２３によって教師データが更新され、モデル生成部２４によって推定モデルＭが更新される。

以上のように構成された流量推定システム１００では、診断員が推定装置１０を操作することにより、推定装置１０が、推定対象となるスチームトラップ２のドレン流量を推定する。推定装置１０の記憶部１３には、モデル生成部２４によって生成された最新の推定モデルＭが格納されている。例えば、推定装置１０は、ネットワークＮを介してサーバ装置２０から推定モデルＭをダウンロードすることで、記憶部１３に格納する。より詳しくは、記憶部１３には、スチームトラップ２の各型式に対応する複数種の推定モデルＭが格納される。

具体的に、推定装置１０によるドレン流量の推定動作について、図４のフローチャートを参照しながら説明する。

現場Ｓにおいて、診断員は、推定対象となるスチームトラップ２の振動情報を推定装置１０によって検出する（ステップＳ１）。具体的に、診断員が推定装置１０のプローブ１８をスチームトラップ２のケーシングに押し当てることによって、プローブ１８がスチームトラップ２の振動情報を検出する。プローブ１８によって検出された振動情報は、装置本体１１に出力される。

続くステップＳ２において、診断員は、圧力および型式を推定装置１０に入力する。具体的に、診断員は、例えばドレン配管１に設けられている圧力計から推定対象となるスチームトラップ２の圧力（即ち、入口圧力）を読み取り、読み取った圧力を入力部１２によって入力する。また、診断員は、推定対象となるスチームトラップ２の型式を入力部１２によって入力する。

続くステップＳ３では、推定部１５が、推定対象となるスチームトラップ２のドレン流量を推定する。具体的に、推定部１５は、入力部１２によって入力されたスチームトラップ２の型式に対応する推定モデルＭを記憶部１３から読み出す。そして、推定部１５は、プローブ１８から出力された振動情報および入力部１２によって入力された圧力を、記憶部１３から読み出した推定モデルＭに入力することで、推定されるドレン流量（詳しくは、ドレン流量の程度）を出力する。

続くステップＳ４では、推定部１５によって出力されたドレン流量の程度が、図５に示すように表示部１４に表示される。本実施形態では、ドレン流量の程度は「大」であることが表示されている。また、このステップＳ４では、推定部１５によって出力されたドレン流量（ドレン流量の程度）の確信度も表示部１４に表示される。つまり、推定部１５が記憶部１３から読み出した推定モデルＭの正解率が表示部１４に表示される。本実施形態では、確信度は「８０％」であることが表示されている。

続くステップＳ５では、修正部１６が、診断員の修正指示があったか否かを判定する。診断員は、表示部１４に表示されたドレン流量の程度が適切であると判断した場合はそのドレン流量の程度の修正指示を行わず、表示部１４に表示されたドレン流量の程度が適切ではないと判断した場合はそのドレン流量の程度の修正指示を行う。

具体的に、本実施形態の表示部１４には、前述したドレン流量の程度および確信度に加え、ＯＫボタン１４ａおよび修正ボタン１４ｂも表示される。ＯＫボタン１４ａおよび修正ボタン１４ｂは、タッチパネル式のボタンである。診断員は、表示部１４に表示されたドレン流量の程度が適切であると判断した場合は、ＯＫボタン１４ａを押す。つまり、診断員は、表示部１４に表示されたドレン流量の程度が、診断員自身が判定したドレン流量の程度と同程度ある場合は、修正指示を行わずＯＫボタン１４ａを押す。そうすると、ステップＳ５において、修正部１６は修正指示がなかったと判定し、ドレン流量の推定動作が終了する。こうして、推定部１５によって出力されたドレン流量の程度は妥当であると認定される。

また、診断員は、表示部１４に表示されたドレン流量の程度が適切ではないと判断した場合は、修正ボタン１４ｂを押す。つまり、診断員は、表示部１４に表示されたドレン流量の程度が、診断員自身が判定したドレン流量の程度と異なる場合は、修正ボタン１４ｂを押すことで修正指示を行う。そうすると、ステップＳ５において、修正部１６は修正指示があったと判定し、ステップＳ６へ移行する。

ステップＳ６では、修正部１６が、表示部１４に表示されたドレン流量の程度（即ち、推定部１５によって出力されたドレン流量の程度）を修正する。具体的に、診断員は、自身が判定したドレン流量の程度を入力部１２によって入力する。その際、診断員は、自身の診断員レベルも入力部１２によって入力する。修正部１６では、この診断員の入力操作を受けると、表示部１４に表示されたドレン流量の程度が、診断員が入力部１２によって入力したドレン流量の程度に修正される。

続くステップＳ７では、記憶部１３が、修正後のドレン流量等を記憶する。具体的に、修正後のドレン流量の程度と、修正前のドレン流量の程度を推定部１５が出力したときに推定モデルＭに入力された振動情報とが関連付けられて、記憶部１３に記憶される。より詳しくは、推定モデルＭに入力された振動情報および圧力と、修正後のドレン流量の程度と、診断員が入力した診断員レベルとが関連付けられて、記憶部１３に記憶される。

続くステップＳ８では、蓄積部２１の現場データが更新される。ステップＳ７で記憶部１３に記憶されたドレン流量の程度や振動情報等は、例えばネットワークＮを介してサーバ装置２０の蓄積部２１に新たな現場データとして蓄積される。そのため、蓄積部２１の現場データが精度の高いデータとして更新される。特に、診断員レベルの高い診断員が修正した場合は、現場データがより高精度なデータとして更新される。こうしてステップＳ８が完了すると、ドレン流量の推定動作が終了する。

以上のように、前記実施形態の流量推定システム１００は、推定対象となるスチームトラップ２（ドレントラップ）のドレン流量を推定するシステムである。流量推定システム１００は、蓄積部２１と、推定装置１０とを備えている。蓄積部２１は、スチームトラップ２の現場Ｓにおいて、診断員が測定したスチームトラップ２の振動情報と、振動情報が測定されたときのスチームトラップ２の作動状態から診断員が判定したスチームトラップ２のドレン流量とを関連付けた現場データが蓄積されていく。推定装置１０は、推定対象となるスチームトラップ２の振動情報を検出するプローブ１８（検出部）、蓄積部２１の現場データと、プローブ１８によって検出された振動情報とに基づいて推定対象となるスチームトラップ２のドレン流量（ドレン流量の程度）を推定する推定部１５を有する。

この構成によれば、スチームトラップ２の各現場において取得した現場データに基づいてドレン流量を推定する。そのため、蓄積部２１には、様々な環境条件が加味された現場データが大量に蓄積される。そうした現場データに基づいてドレン流量を推定するため、ドレン流量（ドレン流量の程度）の推定精度を向上させることができる。したがって、例えば、経験の浅い診断員であっても容易に推定精度の高いドレン流量を得ることができる。

また、ドレン流量の推定精度を向上させることができることから、前述した特許文献２のような測定装置では、ドレン流量を精度良く把握することができる。そのため、例えば、正常にドレンが排出されている状態であるにも拘わらず、作動不良の（即ち、蒸気が漏れている）状態であると誤判定してしまうことを抑制することができる。したがって、作動良否の判定精度を向上させることができる。

また、前記実施形態の流量推定システム１００は、蓄積部２１の現場データにおける振動情報を入力としドレン流量を出力とする教師データを用いて機械学習させた推定モデルＭを生成する学習部２２をさらに備えている。そして、推定部１５は、プローブ１８によって検出された振動情報を、学習部２２によって生成された推定モデルＭに入力することで、推定されるドレン流量を出力する。

この構成によれば、蓄積部２１の現場データを教師データとして機械学習させた推定モデルＭを用いてドレン流量を推定するようにしたので、推定精度をより向上させることができる。

また、前記実施形態の流量推定システム１００において、蓄積部２１の現場データは、診断員が振動情報を測定したときのスチームトラップ２の圧力も関連付けされている。学習部２２の教師データは、蓄積部２１の現場データにおける振動情報および圧力を入力としドレン流量を出力とするものである。推定部１５は、プローブ１８によって検出された振動情報と、プローブ１８が検出したときの推定対象となるスチームトラップ２の圧力とを、学習部２２によって生成された推定モデルＭに入力することで、推定されるドレン流量を出力する。

この構成によれば、振動情報を測定したときのスチームトラップ２の圧力も現場データとして加えるようにした。そのため、より現場Ｓの環境条件に即した現場データを蓄積部２１に蓄積していくことができる。したがって、ドレン流量（ドレン流量の程度）の推定精度をより向上させることができる。

また、前記実施形態の流量推定システム１００において、蓄積部２１の現場データは、スチームトラップ２の現場Ｓにおいてスチームトラップ２のドレン流量を判定した診断員の熟練度を示す診断員レベルも関連付けされている。学習部２２は、蓄積部２１の現場データのうち、所定の熟練度以上の診断員レベルが関連付けされた現場データを教師データとして選択する。

この構成によれば、より熟練度の高い診断員の知見を反映した教師データを作成することができる。そのため、ドレン流量に関して精度の高い教師データひいては推定モデルＭを構築することができる。したがって、ドレン流量（ドレン流量の程度）の推定精度をより向上させることができる。

また、前記実施形態の流量推定システム１００において、推定装置１０は、入力操作を受けて、推定部１５によって出力されたドレン流量を修正する修正部１６をさらに有している。蓄積部２１は、修正部１６による修正後のドレン流量と、修正部１６による修正前のドレン流量を推定部１５が出力したときに推定モデルＭに入力された振動情報とを関連付けて蓄積する。

この構成によれば、より熟練度の高い診断員の知見を蓄積部２１の現場データに反映させることができる。そのため、蓄積部２１の現場データが精度の高いデータとして更新されるので、高精度な推定モデルＭを生成、更新することができる。よって、ドレン流量（ドレン流量の程度）の推定精度をより向上させることができる。

また、前記実施形態の流量推定システム１００において、推定装置１０は、推定部１５によって出力されたドレン流量と、推定モデルＭの正解率を示す情報とを表示する表示部１４をさらに有している。

この構成によれば、推定されたドレン流量およびその確信度を容易に視認することができる。そのため、装置の信頼度が高まる。

また、前記実施形態の流量推定システム１００において、振動情報が測定されたときのスチームトラップ２の作動状態は、スチームトラップ２の作動音である。

この構成によれば、振動情報だけではドレン流量を判定し難いところ、スチームトラップ２の作動音を考慮することで、ドレン流量を高精度に判定することができる。

（その他の実施形態）
以上のように、本出願において開示する技術の例示として、前記実施形態を説明した。しかしながら、本開示における技術は、これに限定されず、適宜、変更、置き換え、付加、省略などを行った実施の形態にも適用可能である。また、前記実施形態で説明した各構成要素を組み合わせて、新たな実施の形態とすることも可能である。また、添付図面および詳細な説明に記載された構成要素の中には、課題解決のために必須な構成要素だけでなく、前記技術を例示するために、課題解決のためには必須でない構成要素も含まれ得る。そのため、それらの必須ではない構成要素が添付図面や詳細な説明に記載されていることをもって、直ちに、それらの必須ではない構成要素が必須であるとの認定をするべきではない。

例えば、教師データとしては、圧力を省略して振動情報だけを入力とし、ドレン流量（ドレン流量の程度）を出力とするものであってもよい。

また、蓄積部２１には、現場データに加え、例えば、実験室で取得した各種情報も蓄積するようにしてもよい。

また、現場データとして、圧力に代えて、作動回数を加えるようにしてもよい。具体的に、蓄積部２１の現場データは、振動情報、作動回数およびドレン流量（ドレン流量の程度）が関連付けされている。作動回数は、診断員が振動情報を測定したときのスチームトラップ２の所定時間内の作動回数である。作動回数とは、スチームトラップ２がドレンを排出する動作の回数である。所定時間内の作動回数が多いほど、ドレン流量は増加する傾向にある。

この場合、学習部２２の教師データは、蓄積部２１の現場データにおける振動情報および作動回数を入力としドレン流量を出力とするものである。推定部１５は、プローブ１８によって検出された振動情報と、プローブ１８が検出したときの推定対象となるスチームトラップ２の所定時間内の作動回数とを、学習部２２によって生成された推定モデルＭに入力することで、推定されるドレン流量を出力する。このような構成においても、ドレン流量の推定精度を向上させることができる。

また、スチームトラップ２の圧力および作動回数の両方を現場データとして採用するようにしてもよい。

また、現場データとして、診断員レベルを省略するようにしてもよい。

また、現場データとして、例えばスチームトラップ２の温度を加えるようにし、教師データの入力として前述の温度を加えるようにしてもよい。

以上説明したように、本開示の技術は、流量推定システムについて有用である。

１００ 流量推定システム
２ スチームトラップ（ドレントラップ）
１０ 推定装置
１４ 表示部
１５ 推定部
１６ 修正部
１８ プローブ（検出部）
２１ 蓄積部
２２ 学習部
Ｓ 現場

Claims (8)

1. 推定対象となるドレントラップのドレン流量を推定する流量推定システムであって、
   ドレントラップの現場において、診断員が測定した該ドレントラップの振動情報と、前記振動情報が測定されたときの該ドレントラップの作動状態から前記診断員が判定した該ドレントラップのドレン流量とを関連付けた現場データが蓄積されていく蓄積部と、
   前記推定対象となるドレントラップの振動情報を検出する検出部、前記蓄積部の前記現場データと、前記検出部によって検出された振動情報とに基づいて前記推定対象となるドレントラップのドレン流量を推定する推定部を有する推定装置とを備えている
   ことを特徴とする流量推定システム。
2. 請求項１に記載の流量推定システムにおいて、
   前記蓄積部の現場データにおける振動情報を入力としドレン流量を出力とする教師データを用いて機械学習させた推定モデルを生成する学習部をさらに備え、
   前記推定部は、前記検出部によって検出された振動情報を、前記学習部によって生成された前記推定モデルに入力することで、推定されるドレン流量を出力する
   ことを特徴とする流量推定システム。
3. 請求項２に記載の流量推定システムにおいて、
   前記推定装置は、入力操作を受けて、前記推定部によって出力されたドレン流量を修正する修正部をさらに有し、
   前記蓄積部は、前記修正部による修正後のドレン流量と、前記修正部による修正前のドレン流量を前記推定部が出力したときに前記推定モデルに入力された振動情報とを関連付けて蓄積する
   ことを特徴とする流量推定システム。
4. 請求項２または３に記載の流量推定システムにおいて、
   前記蓄積部の現場データは、前記診断員が振動情報を測定したときの前記ドレントラップの所定時間内の作動回数も関連付けされており、
   前記学習部の教師データは、前記蓄積部の現場データにおける振動情報および作動回数を入力としドレン流量を出力とするものであり、
   前記推定部は、前記検出部によって検出された振動情報と、前記検出部が検出したときの前記推定対象となるドレントラップの所定時間内の作動回数とを、前記学習部によって生成された前記推定モデルに入力することで、推定されるドレン流量を出力する
   ことを特徴とする流量推定システム。
5. 請求項２または３に記載の流量推定システムにおいて、
   前記蓄積部の現場データは、前記診断員が振動情報を測定したときの前記ドレントラップの圧力も関連付けされており、
   前記学習部の教師データは、前記蓄積部の現場データにおける振動情報および圧力を入力としドレン流量を出力とするものであり、
   前記推定部は、前記検出部によって検出された振動情報と、前記検出部が検出したときの前記推定対象となるドレントラップの圧力とを、前記学習部によって生成された前記推定モデルに入力することで、推定されるドレン流量を出力する
   ことを特徴とする流量推定システム。
6. 請求項２乃至５の何れか１項に記載の流量推定システムにおいて、
   前記蓄積部の現場データは、前記ドレントラップの現場において前記ドレントラップのドレン流量を判定した前記診断員の熟練度を示す診断員レベルも関連付けされており、
   前記学習部は、前記蓄積部の現場データのうち、所定の熟練度以上の診断員レベルが関連付けされた現場データを前記教師データとして選択する
   ことを特徴とする流量推定システム。
7. 請求項２乃至６の何れか１項に記載の流量推定システムにおいて、
   前記推定装置は、前記推定部によって出力されたドレン流量と、前記推定モデルの正解率を示す情報とを表示する表示部をさらに有している
   ことを特徴とする流量推定システム。
8. 請求項１乃至７の何れか１項に記載の流量推定システムにおいて、
   前記振動情報が測定されたときの前記ドレントラップの作動状態は、前記ドレントラップの作動音である
   ことを特徴とする流量推定システム。
   
   

Images