JPH04299422A - 異常診断方法 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、化学プラント等のシス
テムにおける異常を診断する方法に関する。

【０００２】

【従来の技術】従来、システムの異常を診断するために
多く用いられる方法として、故障の症状とその場合の異
常原因との対応表から成る故障辞書を使用して異常の原
因を特定する方法が知られている。ここで使用する故障
辞書を作成するには、次の２方法がある。

【０００３】（１）　対象とするシステムのエキスパー
トが経験により作成する。

【０００４】（２）　過去に発生した異常の情報を保存
しておいて利用する。

【０００５】そして、最終的に異常の原因を求めるため
に、故障辞書のような表（テーブル）形式のデータから
求めるものを決定するルールが用いられるが、そのよう
なルールを生成する手法としては知識獲得支援ツールを
用いることが知られている。これは、訓練用の事例（属
性とそれに対する値と分類内容とが組になっている）の
集合（データ）を基にして、それらを分類するような効
率の良いルールを生成する方法である。

【０００６】一方、診断対象となるプロセスの定性的な
モデルとして符号付有向グラフ（ＳＤＧ）を用意し、そ
れを用いて異常を診断する方法も知られている（化学工
学論文集　　第１０巻　　第２号　　第　２３３〜２３
９　頁　　１９８４）。

【０００７】符号付有向グラフとは、制御対象の状態変
数に対応する点と、状態変数間の因果関係を表現する有
向枝と、有向枝に付された符号とで構成されるもので、
その有向枝の符号は、有向枝の始点に対応する状態変数
が増大（減少）すると終点に対応する状態変数が増大（
減少）する場合には“＋”、有向枝の始点に対応する状
態変数が増大（減少）すると終点に対応する状態変数が
減少（増大）する場合には“−”と定義される。

【０００８】この符号付有向グラフを用いる診断方法で
は、システムの各測定点に設けられたセンサからの情報
に基づいて各点の状態を次のような５段階符号のパター
ンで表現することにより、異常原因の候補を求めて異常
診断をすることが提案されている。

【０００９】 “−”　　：−の異常状態（状態変数が正常値より低い
）“−？”：−のあいまいな状態（状態変数が正常値よ
り低いが、異常と断定できない） “０”　　：正常状態（状態変数が正常値である）“＋
？”：＋のあいまいな状態（状態変数が正常値より高い
が、異常と断定できない） “＋”　　：＋の異常状態（状態変数が正常値より高い
）この方法によれば、あるセンサが異常を検知したかど
うかがわからない時は、“＋？”又は“−？”の符号を
許すことにより、しきい（閾）値の決め方がある程度悪
くても診断可能であり、少ない工数で対象プロセスの定
性的なモデルを用意するだけで、過去に起こったことの
ない異常の診断もできるという利点がある。

【００１０】

【発明が解決しようとする課題】しかしながら、故障辞
書を作成するために用いられる前記（１）　の方法には
、その作成に多大な工数がかかる上に誤りが生じやすい
という問題点があり、一方、前記（２）　の方法では、
過去に起こったことのない異常には対応できないという
問題点がある。

【００１１】また、従来のルール生成方法によると、各
分類内容が更に何らかの要素（故障辞書においては、異
常の原因）を持つ場合には、その要素の数を最適化する
ようなルールは生成しない。故障辞書からルールを作成
する際には、なるべく少ない質問数（浅いルール）で異
常の原因を絞り込むことにより、分類された各クラスの
要素数を最小にすることが望まれるが、従来は各クラス
の要素数については考えていないため、そのような要求
は実現できないという問題点があった。

【００１２】更に、符号付有向グラフを用いる異常診断
では、上記のような５段階評価による診断の際、“−？
”及び“＋？”のあいまいな状態については、異常状態
にどの程度近いかということは評価せず、“−？”は“
−”と、“＋？”は“＋”とそれぞれ同じ異常状態であ
るとみなして、異常原因の候補を考えられる限り全部挙
げるようにしている。そのため、異常の原因の候補を多
数出力しやすく、しかも診断に時間がかかるという問題
点があった。

【００１３】従って、本発明の目的は、人間が経験的な
知識（過去に起こった異常を含む）から作成していた故
障辞書を診断対象システムの符号付有向グラフから自動
的に作成する異常診断方法を提供することにある。

【００１４】本発明のもう１つの目的は、属性とそれに
対する値とを持つテーブル形式の多くのデータの集合か
ら、各クラスの要素数を最適化したルールを生成する方
法を提供することにある。

【００１５】

【課題を解決するための手段】本発明は、診断対象とな
るシステムの測定点の状態量を検出するセンサからの検
出信号により当該システムの異常診断を行う方法におい
て、前記センサからの検出信号に対応したパターンを生
成し、符号付有向グラフによる診断アルゴリズムにより
前記パターンに対する原因の候補の集合を求め、以上の
ステップを起こり得る測定点のパターンに対して繰り返
し、あるパターンとそれに対する原因の候補を故障辞書
として出力することを特徴とする。

【００１６】本発明は又、診断対象となるシステムの状
態量を表わすデータから生成したルールを使用して前記
システムの異常診断を行う方法において、前記データを
分類することができる属性を選択し、その属性によって
データを分類して各分類内容の和集合をとり、その要素
数の最大値を求める手順を、データが分類可能な属性の
全てについて実行し、前記属性の各々について得られた
要素数の最大値を最小にする属性を求め、その属性を新
たな属性としてデータを分類し、必要なルールの深さに
達した時にそれまでの分類結果を出力することにより、
ルールを生成することを特徴とする。

【００１７】

【作用】本発明によれば、初めに、システムの各測定点
に対して起こり得るパターンを一つ生成する。次に、符
号付有向グラフによる診断アルゴリズムにより、前記パ
ターンに対する原因の候補の集合を求める。以上のステ
ップを、起こり得る測定点の符号のパターンに対して繰
り返す。このパターンは、各測定点に対して例えば＋、
０、−の３種類を考えた場合、測定点の数をｍ個とすれ
ば、３ｍ　個存在する。次に、あるパターンとそれに対
する原因の候補をリストとして出力する。このリストが
故障辞書である。かくして、異常診断に必要な故障辞書
が自動的に作成される。

【００１８】また、故障辞書のようなデータの集合から
ルールを生成する際には、初めに、前記データを分類す
ることができる属性を選択し、その属性によってデータ
を分類して各分類内容の和集合をとり、その要素数の最
大値を求める。以上の手順をデータが分類可能な属性の
全てについて実行する。その結果、分類可能な属性の各
々について得られた要素数の最大値を最小にする属性を
求め、その属性を新たな属性としてデータを分類する。 この分類が要求されるルールの深さに達した時にそれま
での分類結果がルールとして出力される。かくして、属
性とそれに対する値とを持つテーブル形式のデータの集
合から分類した要素数が最小になるルール、すなわち、
できるだけ少ない質問数で異常の原因を絞り込むルール
が生成される。

【００１９】更に、上記の方法で生成されたルールの構
造を所定の形式に変換する手順を加えることにより、ル
ールを見やすく表示したり、異常診断に用いるコンピュ
ータに適合するプログラミング言語に変換することがで
きる。

【００２０】

【実施例】図１は、診断対象となるシステムと本発明の
方法を実施する装置を示す。

【００２１】診断対象システム１の各測定点にはセンサ
２ａ，２ｂ，２ｃ，・・・　が設けられ、各センサで検
出した信号は、通信装置３を介して、本発明の方法を実
行するコンピュータ４に送られる。

【００２２】コンピュータ４は、本発明の実施例として
以下で説明する診断アルゴリズムを実行する装置であり
、複数のセンサ２ａ，２ｂ，２ｃ，・・・　からの検出
信号に対応するパターンを生成するパターン生成部と、
生成されたパターンに対して故障辞書により診断を行い
、得られた診断結果の和集合を演算して最終的な診断結
果として出力する診断部とを構成するソフトウエアを備
える。

【００２３】コンピュータ４に内蔵されたパターン生成
部では、複数のセンサ２ａ，２ｂ，２ｃ，・・・　の各
々に対して、前述の“＋”、“０”、“−”で示す領域
を規定するしきい値を予め設定しておき、各センサから
通信装置３を介して送られた検出信号が各しきい値の間
のどの領域又は範囲に属するかにより、３種類の符号（
＋，０，−）のパターンを生成する。

【００２４】図２は、上記のように生成したパターンに
対して故障辞書を自動作成するアルゴリズムを示す。

【００２５】初めに、パターン数Ｊを１に設定し（ステ
ップ１）、パターン生成部により、各センサからの検出
信号に基づいて上記の５段階（又は３段階）しきい値に
よるパターンを１つ発生する（ステップ２）。

【００２６】次に、符号付有向グラフによる診断アルゴ
リズムに従って前記パターンに対する原因の候補の集合
を求める。候補の数が１以上であれば、そのパターンと
候補を故障辞書に加える（ステップ３）。

【００２７】上記のステップ２及び３は、起こり得る測
定点の符号のパターンに対して繰り返される。すなわち
、各測定点に対して上記の＋、０、−の３種類を考えた
場合、測定点の数をｍ個とすれば、パターンは３ｍ　個
存在するので、Ｊ＝３ｍ　か否かをチェックし（ステッ
プ４）、“Ｎｏ”であれば、パターン数Ｊ＝Ｊ＋１とし
て（ステップ５）、ステップ２に戻り、次のパターンを
生成する。こうして、あるパターンとそれに対する原因
の候補をリスト（故障辞書）として出力することができ
る。この故障辞書作成動作は、Ｊ＝３ｍ　となったとき
終了する。

【００２８】故障辞書は、例えば４個のセンサＳ１　，
Ｓ２　，Ｓ３，Ｓ４　を持つシステムに対して、次のよ
うなセンサのパターンと異常の原因（候補）との対応表
で構成される。

【００２９】

【表１】　　故障辞書 　　ここで、＋、０、−はそれぞれ増加した異常状態、
正常状態、減少した異常状態を表わす。

【００３０】図３は、本発明により異常を診断するシス
テムの例として、小型貫流式ボイラーの概略構成を示す
図である。

【００３１】図において、ボイラ１０は燃料系と水系に
分けられる。燃料系はオイルタンク１１からオイルポン
プ１２を介して燃料のオイルを供給する系統、水系は水
タンク１３からポンプ１４を介して水を供給する系統で
ある。ボイラ１０の水系側には、発生した蒸気を送給す
るための配管１５が接続されると共に、蒸気圧を検出す
る圧力センサ１６と、このセンサからの検出出力を受け
て蒸気圧を制御するために燃料供給量を調節する制御信
号をオイルポンプ１２に送る圧力コントローラ１７が設
けられている。更に、ボイラ１０内の水位１８を検出す
るレベルセンサ１９と、このセンサ１９からの検出出力
を受けて水位を制御するために水供給量を調節する制御
信号をポンプ１４に送るレベルコントローラ２０が設け
られている。

【００３２】図４は、図３のボイラーシステムの符号付
有向グラフを示す。図４には、図３で省略されたセンサ
出力も示してある。

【００３３】図５は、図４の符号付有向グラフ内の記号
と、それらの点が診断の結果、原因の候補となった場合
にそれらの記号が表わす意味とを示す。

【００３４】図６は、図２の故障辞書自動生成アルゴリ
ズムを用いて、図４の符号付有向グラフから故障辞書を
自動生成した結果の一部を示す。これは、各測定点にお
けるセンサ出力ＣＰ、ＣＬ、ＳＰ１　、ＳＰ２　、ＳＬ
１　、ＳＬ２　に対するパターンを生成し、それらのパ
ターンの組み合わせに異常の原因を対応させたものであ
る。

【００３５】次に、上記の故障辞書のようなデータの集
合からルールを生成する方法について説明する。

【００３６】図７は、データからルールを作成する手順
を示す。

【００３７】初めに、ルールの深さをｄとし（ステップ
１）、ｄ＝０か否かをチェックする（ステップ２）。こ
こで、ｄ＝０はルールが要求された深さに達したことを
示す。ルールの深さは通常３ないし４である。ステップ
２でｄ＝０ならば、それまでの結果を出力して終了する
（ステップ７）。

【００３８】ｄ＝０でなければ、後述の「属性選択」動
作を行う（ステップ３）。そして、選択された属性によ
ってデータが分類可能かどうかを調べ（ステップ４）、
分類できなければ、それまでの結果を出力して終了する
（ステップ７）。データが分類可能であれば、ルールの
深さをｄ−１とし（ステップ５）、その属性の値によっ
てデータを分類し（ステップ６）、ステップ２に戻る。

【００３９】「属性選択」の手順は、図８に示す通りで
ある。すなわち、選択可能な属性を全て試したか否かを
チェックし（ステップ１１）、“Ｎｏ”であれば、デー
タの中でまだ選択されていない属性を１つ選択し（ステ
ップ１２）、その選択した属性の値によってデータを分
類し（ステップ１３）、その分類内容の和集合をとり、
その要素数を求め（ステップ１４）、要素数の最大値を
求める（ステップ１５）。その後、ステップ１１に戻る
ことにより、全ての選択されていない属性についてステ
ップ１１〜１５の手順を繰り返す。こうして求められた
要素数の最大値を最小にするような属性を新たな属性と
して出力する（ステップ１６）。

【００４０】図９は、ルール生成の具体例として、属性
が３つあるとき深さ２のルールを生成する場合を示す。

【００４１】この場合、属性は３つのセンサ出力ｓ１　
、ｓ２　、ｓ３　で、それらの値（パターン）とそれら
に対する結果とから成るテーブルについて、ｓ１　の値
は“＋”で変化せず、分類不可能であり、ｓ２　及びｓ
３　の値で分類可能である。そして、ｓ２の値による分
類では要素（異常の原因）の数の最大値が５、ｓ３　の
値による分類では要素（異常の原因）の数の最大値が６
となる。故に、要素数の小さいｓ２　が選択される。

【００４２】図１０は、上記の手順で生成されたルール
を示す。すなわち、ｓ１　＝“＋”のときｓ２　の値を
チェックし、その値に応じて結論を得る。この場合、ｓ
２　＝“＋”ならば｛ａ，ｂ，ｃ｝となり、ｓ２　＝“
０”ならば｛ｇ，ｉ，ｊ，ｋ，ｌ｝となる。

【００４３】次に、図１１に示すようにリスト形式で生
成されたルールの構造を所定の形式に変換する手順を説
明する。

【００４４】この方法によって生成されたルールは、図
１１ｃのようなリスト構造をしている。このリストの基
本的な要素は、深さが１のルールであり、図１１ａのよ
うな形をしている。これを基本要素と呼ぶ。深さが２以
上になると、図１１ｂのように、｛異常の原因｝の部分
が｛基本要素｝又は｛基本要素の組｝で置き換わる。こ
れをリストが「入れ子」になっているという。図１１ｃ
の例でいえば、基本要素｛ｓ２，‘＋’，｛ａ，ｂ，ｃ
｝｝と｛ｓ２，‘０’，｛ｇ，ｉ，ｊ，ｋ，ｌ｝｝の組
が｛基本要素の組｝となって、入れ子のリスト｛ｓ２，
‘＋’，｛基本要素の組｝｝を構成している。

【００４５】図１２は、図１１のルールを見やすく表示
するため、図１３に示すように深さに応じてインデント
を付けた形式に変換する手順を示す。

【００４６】図１２について説明すると、初めにリスト
の最初の要素を見る（ステップ１）。次に、要素の深さ
を求め（ステップ２）、その深さの数だけ制御コード（
タブコードなど）を出力する（ステップ３）。次に、第
１、２番目の要素を出力し（ステップ４）、第３番目の
要素を調べる。すなわち、３番目の要素は分類内容のみ
（リストが入れ子になっていない）かどうかをチェック
し（ステップ５）、“Ｙｅｓ”ならば、その分類内容を
出力し（ステップ６）、現在の位置がリストの最後であ
るかどうか調べる（ステップ７）。そして、最後であれ
ば終了となる。一方、３番目の要素が分類内容のみでな
いとき、又は現在の位置がリストの最後でないときは、
次の要素（入れ子になっているリストの最初の要素）を
見て（ステップ８）、ステップ２に戻る。

【００４７】図１３は、図１１ｃのリストを図１２の方
法によって変換したものである。ここでは、ルールの深
さに応じてインデントが付けられており、同じ深さの異
常が一目でわかるようになっている。

【００４８】このように、リスト形式で表現されたルー
ルの構造を、別の見やすい表示形式に変換することがで
きる。また、異常診断に用いるコンピュータに適合する
プログラミング言語に変換することも可能である。

【００４９】

【発明の効果】以上のように、本発明によれば、故障辞
書を対象システムの符号付有向グラフから自動的に作成
するようにしたので、次の効果が得られる。

【００５０】故障辞書作成の工数が減少し、誤りのない
故障辞書が作成できる。

【００５１】生成した故障辞書は、人間がチェックし、
起こり得ない部分を取り除くことにより、更に精度の高
い故障辞書を作成することができる。

【００５２】符号付有向グラフによるモデルではカバー
できないような故障現象に対しては、故障辞書に付け加
えることにより、全体として更に精度の高い診断が可能
となる。

【００５３】また、診断対象となるシステムの状態量を
表わすデータから所定のアルゴリズムに従ってルールが
自動的に生成されるので、ルールの作成に要する工数が
大幅に減少するる共に、生成されたルールはできるだけ
少ない質問数で結論が得られるものとなる。

【００５４】更に、生成したルールの構造を変換するこ
とにより、ＣＲＴ等の表示装置に見やすく表示して専門
家によるルールのチェックを容易にし、或は生成したル
ールを既存のコンピュータを用いる異常診断システムに
組み込むことが可能となる。

【図面の簡単な説明】

【図１】診断対象となるシステムと本発明の方法を実施
する装置を示すブロック図。

【図２】生成したパターンに対して故障辞書を自動作成
する手順を示すフローチャート。

【図３】異常を診断する対象システムの例としてボイラ
ーの概略構成を示す図。

【図４】図３のボイラーの符号付有向グラフを示す図。

【図５】図４の符号付有向グラフ内の記号と、それらの
点が原因の候補となった場合にそれらの記号が表す意味
とを示す図。

【図６】図２の故障辞書自動生成手順を用いて、図４の
符号付有向グラフから故障辞書を自動生成した結果の一
部を示す図。

【図７】データの集合からルールを作成する手順を示す
フローチャート。

【図８】図７における「属性選択」の動作内容を示すフ
ローチャート。

【図９】属性が３つあるとき深さ２のルールを生成する
場合の説明図。

【図１０】図７の手順で生成されたルールを示す図。

【図１１】リスト形式で表現されたルールを示す図。

【図１２】リスト形式で生成されたルールを深さに応じ
てインデントを付けた形式に変換する手順を示すフロー
チャート。

【図１３】深さに応じてインデントを付けた形式に変換
されたルールを示す図。

【符号の説明】

１…診断対象システム、２ａ，２ｂ，２ｃ…センサ、３
…通信装置、４…コンピュータ、１１…オイルタンク、
１２…オイルポンプ、１３…水タンク、１４…ポンプ、
１５…配管、１６…圧力センサ、１７…水タンク、１４
…圧力コントローラ、１８…ボイラ水位、１９…レベル
センサ、２０…レベルコントローラ。

Claims (2)

【特許請求の範囲】
1. 【請求項１】診断対象となるシステムの測定点の状態量
   を検出するセンサからの検出信号により当該システムの
   異常診断を行う方法において、前記センサからの検出信
   号に対応したパターンを生成し、符号付有向グラフによ
   る診断アルゴリズムにより前記パターンに対する原因の
   候補の集合を求め、以上のステップを起こり得る測定点
   のパターンに対して繰り返し、あるパターンとそれに対
   する原因の候補を故障辞書として出力することを特徴と
   する異常診断方法。
2. 【請求項２】診断対象となるシステムの状態量を表わす
   データから生成したルールを使用して前記システムの異
   常診断を行う方法において、前記データを分類すること
   ができる属性を選択し、その属性によってデータを分類
   して各分類内容の和集合をとり、その要素数の最大値を
   求める手順を、データが分類可能な属性の全てについて
   実行し、前記属性の各々について得られた要素数の最大
   値を最小にする属性を求め、その属性を新たな属性とし
   て前記データを分類し、必要なルールの深さに達した時
   にそれまでの分類結果を出力することにより、ルールを
   生成することを特徴とする異常診断方法。