JPH0474930A - プロセス異常診断方法 - 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】 〔産業上の利用分野〕 本発明はプロセス異常診断方法に係り、石油化学プラン
ト等の大規模プロセスの運転管理などに利用できる。

〔背景技術〕

石油化学プラント等の大規模プロセスにおいては、複雑
な系内の故障や外乱等による各種の異常発生を完全にな
くすことは困難であり、プロセスの運転管理の際には多
様な異常事態に適宜対処する必要がある。

ここで、プロセスに表れる異常事態は基準状態との比較
監視等により適宜検知できるが、顕在化した異常事態を
招いた異常原因は別に存在することが多く、異常事態へ
の対処にあたっては潜在的な異常原因を診断する必要が
ある。

さらに、各部が複雑に相互関連するプロセスでは、その
一部に何らかの異常が発生するとその影響により他の異
常が順次連鎖的に進展することになり、異常診断ないし
適切な対処を迅速に行う必要がある。

このような要求に対し、プロセス異常診断システムが導
入されており、系内の異常の早期検知および警報、進展
予測、原因や対処の指示等に及ぶ異常診断処理の自動化
が図られている。

ところで、複雑なプロセスでは何らかの異常事態を引き
起こした原因を特定することがきわめて難しい。このた
め、プロセス異常診断システムでは、系内の事象の相互
関連や因果関係を含めた論理的な診断知識を蓄積してお
き、検知された異常事態を診断知識に照合し、当該異常
を招いた原因を診断する方法が採用される。

このような診断知識の蓄積にあたっては次のような手法
が採用されている。

第一の手法は、熟練技術者の経験的現場知識、例えば「
への状況ではＢの異常を生じやすい」や「Ｃの異常はＤ
が原因であることが多い」といった主観的知識データを
収集し、オペラビリティスタディあるいはＰＴＡ　　（
Ｆａｕｌｔ　Ｔｒｅｅ　Ａｎａｒｙｓｉｓ）やＥＴＡ　
（Ｅｖｅｎｔ　Ｔｒｅｅ　Ａｎａｒｙｓｉｓ）等により
解析し、客観的な診断知識として蓄積するものである。

第二の手法は、プロセスにおける厳密な物理化学工学的
因果律に基づいて計算機上に実際の系に対応した挙動を
示す仮想的モデル（ダイナミックシミュレータ）を構築
しておき、このモデルに各種の異常原因を設定して定量
的なシミュレーションを行い、様々な異常形態等を診断
知識として蓄積するものである。

第三の手法は、定性推論と呼ばれる手法であり、プロセ
スをその機器構成に基づいてモデル化し、熟練技術者の
経験的知識等に基づいて事象に関する挙動予測シミュレ
ーションを行うことにより、定量的な問題を保留して原
因と結果等の専ら定性的な因果関係ルールを診断知識と
して蓄積するものである。

〔発明が解決しようとする課題〕

ところで、前述した第一ないし第三の手法には、それぞ
れ次のような問題がある。

第一の手法では、多数の熟練技術者に対して経験的知識
を収集し、それらを評価抽出して再構成する等の手順か
必要であり、診断知識の蓄積に多大な時間および労力が
必要となる。また、各技術者の誤認や重要項目の脱落な
ど、診断知識の信頼性に問題か生じる恐れがある。

第二の手法では、プロセスに存在する膨大な変量および
因果関係を包含したダイナミックモデルを構築するため
に多大な労力および時間が必要である。また、大規模な
ダイナミックモデルを実行するためには高性能の計算機
が不可欠であり、環境的に大きな制約を受けるものとな
る。

第三の手法では、そもそも定性推論が近年研究を進めら
れているものであり、技術的に確立されていないという
問題がある。

例えば、モデル化にあたり、機器をノードとし配管をア
ークとして有向グラフで表すもの、経験的知識に物理原
理を加えてパラメータネットワーク化するもの、プロセ
ス流体を基本としてポンプやバルブ等の制御要素を加え
たもの等、様々なものが提案されている。しかし、各々
はモデルに基づく挙動予測にあたって演算が複雑であっ
たり、制約か大きく実際的でない等の問題がある。

また、得られる診断知識はあくまで定性的であり、定量
的な表現でないため現場技術者等には理解しにくく、プ
ロセス異常診断としての実際の運用にあたっての問題が
ある。

本発明の目的は、適切な診断知識の獲得ないし運用が簡
単かつ確実に行えるプロセス異常診断方法を提供するこ
とにある。

〔課題を解決するための手段〕

本発明は、プロセスの機器構成に基づき、プロセス内の
事象を表すノードを各々の関連を表すアークで結んで有
向グラフ化し、さらに各アークに各ノード間の影響の程
度を表す影響係数を設定したネットワークモデルを構築
する。そして、前記モデルに対し、任意の異常原因を表
す原因数値を該当するノードに設定し、当該ノードから
順次アークの流れに沿って、値の設定されたノードから
下流ノードへと設定された値と途中のアークの影響係数
との積を送るとともに、積を送られたノードは上流の全
てのノードからの積の総和を自身の値として設定するこ
とを繰返し、値が設定されたノードおよび各々に設定さ
れた値を記録する。さらに、記録された結果から診断知
識を蓄積し、蓄積された診断知識に基づいて当該プロセ
スの異常診断を行う、という各手順を備えて構成された
ものである。

ここで、プロセス内の事象としては、配管およびバルブ
やポンプ等の機器における流量、圧力、温度、レベル等
の状態量のほか、各機器およびそのコントローラ等の調
節機器の機能、さらには系内に発生する各種の現象など
が挙げられる。

そして、モデル化にあたっては、−数的な事象を表すノ
ードに加え、調整機器の機能に応じた専用ノードや、条
件に応じて変化するポンプトリ・ノブ等の現象を示す状
態遷移ノード等を併用することが望ましい。

また、各事象の関連としては、配管による物理的な関連
であるとか、制御系における機能的な関連などの相関的
な因果関係が挙げられる。

これらの事象および関連のうち、機器構成から明らかな
もの以外、特に現象的なものや特殊な事象については、
熟練技術者の経験的知識を利用して設定することが望ま
しい。

さらに、影響係数としては、先の事象と後の事象との変
化比率が挙げられ、例えば−１，０から１．０の範囲と
して、熟練技術者の経験的知識に基づいて適宜設定する
ことが望ましい。

また、原因数値は適宜な概略値であればよく、想定した
異常原因に対応するノードにその値を設定すればよい。

この際、診断知識としては変化の大小や正負等が判る程
度で充分であるため、影響係数および原因数値としては
実際のプロセスに対応した概略値を利用すればよい。

〔作　用〕

本発明においては、ノードおよびアークによる有向グラ
フ式のネットワークモデルを用いることで、様々な原因
に基づく定性的な因果関係ルールか簡単に得られ、診断
知識として蓄積されることになる。また、ノードにはプ
ロセス内の現象等をも組み込むことで、実際のプロセス
を反映したネットワークモデルが構築され、より適切な
診断知識が蓄積されることになる。さらに、アークには
ノード間の影響係数を設定することで、診断知識として
蓄積される定性的な因果関係ルールに定量的な要素が付
加され、実際のプロセスに対してより適切な異常診断が
行えることになる。

一方、本発明においては前述のようなネットワークモデ
ルを用いた診断知識の蓄積を行うことにより、前記第二
の手法のような厳密なダイナミックシミュレータに比べ
て構築が容易であるうえ、前記第一の手法のような単な
る経験的知識ベースよりも簡単に客観的な診断知識を蓄
積することが可能となる。これらにより前記目的が達成
される。

〔実施例〕

以下、本発明の一実施例を図面に基づいて説明する。

第１図には、本発明に基づく異常診断システムｌが示さ
れている。

ここで、異常診断システム１は、プロセス２に異常が生
じた際にその内容や程度等を診断する異常診断実行部Ｉ
Ｏを備えている。

異常診断実行部１０は、プロセス２の運転状態を常時監
視して異常事態を検知する監視部１１と、検知された異
常事態を診断する診断部１２と、診断の際に診断部１２
で参照される診断知識１３とを備えている。診断知識１
３には原因診断知識１４と進展予測知識１５とが個別に
記録され、診断部１２は各々を利用して異常原因の診断
および異常の進展予測を行う。なお、診断部１２には異
常処理システム３が接続され、異常処理システム３は診
断結果に応じて警報を発したりプロセス２に対応を指示
する等の処置を行う。

一方、異常診断システム１は、予め異常診断実行部１０
に診断知識■３を設定しておくための診断知識生成部２
０を備えている。

診断知識生成部２０はネットワークモデル生成部３０を
備えるとともに、得られたネットワークモデルに基づい
て因果関係を推論する推論用シミュレータ２１を備えて
いる。

このうち、ネットワークモデル生成部３０は、機器構成
モデル作成部３１．異常原因モデル作成部３２゜影響モ
デル作成部３３．ネットワークモデル編集部３４を備え
ている。

機器構成モデル作成部３１には機器構成データ外部入力
部３１Ｂが接続され１．外部入力部３１Ｂには表示部４
１および操作部４２が接続されている。この操作部４２
より熟練技術者４３が機器構成モデルを入力する。作成
部３１は、流量や圧力などの物理的変量をノードとし、
各ノードか増加減少した時に影響を受けるノードをアー
クで結び、その影響の程度を影響係数としてアークに設
定し、有向グラフにより機器構成をモデル化する。

異常原因モデル作成部３２には異常原因データ外部入力
部３２Ｂが接続されている。機器構成モデル作成部３１
で作成されたノード以外の異常が考えられる場合、外部
入力部３２Ｂに接続されている表示部４１および操作部
４２を介して外部の熟練技術者１３の経験的知識に基づ
く異常原因データか入力される。作成部３２は、外部入
力部３２Ｂのデータを参照し、先に作成部３１で得られ
た機器構成モデルに異常原因のノードおよびアークを追
加して異常原因のモデル化を行う。

影響モデル作成部３３には影響データ外部入力部３３Ｂ
が接続されている。外部入力部３３Ｂには表示部４１お
よび操作部４２を介して外部の熟練技術者４３の経験的
知識に基づく異常進展などの影響データが入力される。

作成部３３は、外部入力部３３Ｂのデータを参照し、先
に作成部３２で得られたモデルに影響のノードおよび影
響係数を設定したアークを追加してモデル化を行う。

なお、各作成部３１．３２．３３においては、モデル化
にあたって各ノードに属性が設定される。例えば、−船
釣な状態量は通常ノードに設定されるが、調節計のよう
に設定値との関係で変化するもの、特にＰＩＤ式のよう
に積分制御を含んで以前の入力に影響されるもの等は専
用ノードに設定する。さらに、しきい値との関係で変化
するもの、例えばポンプトリップ等のように一定の条件
下でのみ発現する事象については状態遷移ノードに設定
する。

ネットワークモデル編集部３４は、先に作成部３３で得
られたモデルの妥当性を外部の熟練技術者４３が経験的
知識に基づいて検討するために、当該モデルおよびシミ
ュレーション結果３６を表示部４１に表示し、必要に応
じて操作部４２から当該モデルの修正が可能である。

第２図には、ネットワークモデルファイル３５における
モデルの表現形式の一例が示されている。

図において、ファイル３５はノード毎の項目群５０の集
合とされ、各項目群５０はノードの属性５１．名称５２
といったそのノード自身についての項目と、そのノード
から延びるアークの影響係数５４．接続先のノードの名
称５５といった接続関係を表す項目により構成される。

なお、アークの影響係数５４および接続先ノード名称５
５は、当該ノードに接続されたアークの数たけ設定され
る。従って、任意のノードについて、該当する項目群５
ｏを検索して接続先ノード名称５５から接続関係を順次
追ってゆけば、各アークの影響係数５４および各ノード
の属性５１゜名称５２が得られ、ネットワークとして把
握することか可能である。

一方、推論用シミュレータ２１は、ネットワークモデル
ファイル３５に接続され、ネットワークモデルファイル
３５の一つのノードに原因数値を設定し、異常伝播追跡
シミュレーションの結果から原因と影響の大きなものの
関係を整理した因果関係ルール２３を作成する。他のノ
ードについても原因数値を設定し、シミュレーションを
実施して同様なルール２３を蓄積し、プロセス２におけ
る因果関係知識２４を生成する。

なお、得られた因果関係知識２４は、原因が発生した時
の現象の知識であることがら、原因診断用に現象から原
因を診断する知識である。この因果関係知識２４は、実
行部１０の原因診断知識１４として再構成される。

また、シミュレーション結果３６において状態遷移ノー
ドか発現しているものについては、シミュレーション結
果３６より主要な状態を選び、イベントツリー（ＥＴ）
の知識２５として整理する。このイベントツリーの知識
２５に進展時の対処メツセージ等を設定し、これにより
実行部１０の進展予測知識１５が作成される。

次に、本実施例における具体的なネットワーク生成につ
いて説明する。

第３図には、モデル化を行う対象となる部分プロセス６
０が示されている。図において、貯槽６１は所定の液体
を貯留するものであり、その実レベルＬＡ＋はレベル計
６１Ａで計測され、通常はレベル計指示ＬＩ＋　＝ＬＡ
＋である。

ここで、貯槽６１には液体を追加供給する入口側配管６
２が接続されている。配管６２の実流量ＦＡ、は流量計
６２Ａで計測され、通常は流量計指示Ｆ１．−ＦＡＩで
ある。また、配管６２には調節弁６３が設置され、その
開度Ｃ■１はＰＩＤ式の調節計６４により調整される。

調節計６４は、入力ＰＶＩが予め設定した値ＳＶ＋　と
なるように出力ＭＶ＋を調節するものであり、ここでは
レベル計指示ＬＩ＋に応じて調節弁開度Ｃ■１を加減す
ることで貯槽６１のレベルを一定に維持するように作動
する。

さらに、貯槽６１には貯留された流体を抜き出す出口側
配管６５が接続されている。配管６５にはポンプ６６が
介装され、その実流量ＦＡｚは流量計６５Ａで計測され
、通常は流量計指示ＦＩｚ　＝ＦＡ！である。

また、配管６５には調節弁６７が設置され、その開度Ｃ
Ｖ’ｔはＰＩＤ式の調節計、６８により調整される。調
節計６８は、入力Ｐ■２が設定した値ＳＶｚとなるよう
に出力ＭＶ２を調節するものであり、ここでは流量計指
示ＦＩ２に応じて調節弁開度ＣＶ！を加減することで貯
槽６１からの抜き出し流量を一定に維持するように作動
する。

第４図には、プロセス６０に基づいて生成されたモデル
７０が示されている。

モデル７０の生成にあたっては、プロセス６０の機器構
成に基づいて各部の機能や相互関連を考慮し、基本的な
事象を抽出する。そして、各事象に応じてノードを設定
し、各事象の関連に応じてアークで接続する。

例えば、レベル計６１Ａの指示Ｌｉｔは、通常は貯槽６
１の実レベルＬＡＩに対応するが、指示ＬＩ＋が実レベ
ルＬＡ＋に一致しない異常が考えられる。このため、実
レベルＬＡ＋およびレベル計指示ＬＩ＋を表すノード７
１．７２を設定し、実レベルＬＡ＋からレベル計指示Ｌ
Ｉ＋に向かうアーク７１Ａを設定する。

この際、設定するノードについては、各事象の機能に基
づいてノード属性を設定する。

例えば、調節計６４の出力は、入力となるレベル計指示
ＬＩ＋の増減に直接関係なく、設定値Ｓ■、とレベル計
指示Ｌ１＋　との大小関係に応じて調整されるものであ
り、かつ積分制御であるため過去の入力に応じても変化
するものである。従って、調節計６４に対してはその機
能に応じたＰＩＤ属性のノード７３を設定する。

また、出口側配管６５は実流量ＦＡ２に応じた液体の抜
き取りにより貯槽６１の実レベルＬＡ＋を下げるように
働くが、実レベルＬＡ＋が下がってポンプ６６か空引き
を生じた際（ポンプトリップＰＴ）には実流量ＦＡ２が
零となる。このような一定条件下で発現する事象に対し
てはその性質に応じた状態遷移属性（ＭＯＲＥ属性）の
ノード８１を設定する。

さらに、各アークにはそれぞれ影響係数を設定する。影
響係数としては、各ノードの事象間の影響関係に応じて
正負の別をつけ、かつ影響の程度に応じて数値化し、例
えば−１，０〜１．０の連続値または分散値で表示する
。第４図における各アークは全て強い影響関係となるの
で影響係数は−１，０または１．０の何れかとなってい
る。

これらの手順に基づいて、プロセス６０を順次モデル化
することで、第４図のようなネットワークモデル７０が
生成される。

次に、ネットワークモデル７０における具体的な診断知
識生成について説明する。

まず、何らかの異常原因を該当するノードに原因数値を
設定する。例えば、異常原因がレベル計６１Ａの高誤指
示（指示Ｌ１．が実レベルＬＡ＋より高くなる異常）で
あるとする。

ここで、増加現象を＋１００、現象現象を−１００で表
すと、高誤指示はレベル指示値（第４図のノード７２）
の値が実レベル（同ノード７１）の値とは関係な（増加
することから、第４図のノード７２に＋１００を設定し
、ノード７１の値は設定されないようにする。そして、
ノード７２の値と影響係数の積を下流のノード７３に設
定し、以下同様に値が設定されたノードから順に設定さ
れた値と影響係数の積を下流のノードに設定することを
繰返し行い、その結果を記録する。

例えば、ノード７２において１００であれば、アーク７
２Ａが−１，０であるからノード７３は−１００である
。

ノド７３はＰＩＤ属性のノードであるので、次のノード
７５にはノード７３の値（−１００）とアーク７３Ａの
影響係数（＋１．０）の積を直接設定するのではなく、
時間経過に応じて−２０，−４０，−６０，−８０，−
１００となるように徐々に設定することになる。また、
このノード７３では出力値を制限しており、ノード７５
への出力は−１００で一定となる。以下同様な追跡計算
を行うことで第１表のような結果が得られる。なお、表
中の＊印は原因のノードを示す。

第１表 この表によれば、ΔＬＩのノード７９に設定した異常に
起因するＬｌ、ないしＣＶ２の各ノード７２〜８６にお
ける状態変化が明らかとなり、各々の因果関係を把握す
ることができる。

一方、表中のステップ１は異常発生直後を表すものであ
り、ステップ２はステップ１て状態遷移ノードであるポ
ンプトリップＰＴがあるしきい値以上となって状態遷移
が発現した状態を示すものである。ステップ１において
は、ポンプ６６か正常に作動しており、ポンプ６６の下
流ではレベル計誤指示の影響が生じないことが理解され
る。ステップ２においては、貯槽６１の液体が空になる
ことでポンプ６６に空引きＦＴが生じ、その影響が以降
に及ぶように遷移することが理解される。

このような本実施例によれば、次に示すような効果があ
る。

すなわち、プロセスをノードおよびアークによる有向グ
ラフによりモデル化し、このモデルに適宜な原因を設定
して影響伝播を追跡することで、任意の原因に対する結
果つまり因果関係ルールおよびイベントツリーの知識を
取得することができ、診断知識として蓄積することがで
きる。

この際、アークには影響係数を設定し、単なる伝播する
影響内容といった定性的な項目のみならず、数値により
影響の定量的な把握が可能となり、診断知識としてより
明瞭かつ直観的に理解しやすいものとすることができる
。

また、モデル化には機器構成のみならず現象等について
も含めるとともに、ポンプトリップを表す状態遷移ノー
ド等の採用により実態に即した表現を行うことができ、
プロセスを適切に表すモデル化を行うことかでき、診断
知識の有効性や信頼性を高めることができる。

さらに、ノードやアークの設定および影響係数の設定に
熟練技術者の経験的知識を導入することにより、実態に
即したモデル化を効率よく行うことができる。

ところで、前記実施例におけるモデル化の例では、アー
クに設定する影響数値を−１，０か１．０かの何れかと
したが、例えば次のような場合には中間的な数値を用い
る。

第５図において、貯槽９１には配管９２から一定の流量
Ｆｌで流体か供給され、配管９３から一定の流量Ｆ２で
流体が抜き出されているプロセス９０があるとする。こ
のようなプロセス９０をモデル化すると第６図に示すモ
デル９４となる。

第６図において、ノード９５は配管９２による張り込み
流量Ｆ１を表し、ノード９６は貯槽９１のレベルＬを表
し、ノード９７は配管９３による抜き出し流量Ｆ２を表
す。

モデル９４の設定にあたっては、流量Ｆ１が増加すれば
レベルＬが上昇するため、ノード９５からノード９６に
向かってアーク９５Ａを設定し、その影響係数は１．０
とする。また、流量Ｆ２が増加すればレベルＬが下降す
るため、ノード９７からノード９６に向かってアーク９
７Ａを設定し、その影響係数は−１，０とする。一方、
配管９３に抜ける流体の圧力は貯槽９１のレベルＬに応
じて変化する。このため、ノード９６からノード９７に
向かってアーク９６Ａを設定する。しかし、その影響は
アーク９５Ａ、　９７Ａに比べて小さなものであるため
、その影響係数は例えば０゜４等とする。この際の設定
には熟練技術者の経験的知識が有効である。

なお、本発明は前記実施例に限定されるものではなく、
前記実施例の機能手順を実現するハードウェア等は既存
のもの適宜利用すればよく、また対象となるプロセスも
適宜選択すればよい。

さらに、使用するノード属性の種類やファイル化の形式
等は適用するプロセスや環境に応じて適宜選択すればよ
い。

〔発明の効果〕

以上に述べたように、本発明によれば、プロセスに対応
したモデル化か行え、特に熟練技術者の経験的知識を利
用して定性的な推論に概略定量的な情報を付加すること
かでき、適切な診断知識の獲得ないし運用が簡単かつ確
実に行えるようにできる。

【図面の簡単な説明】

第１図は本発明の一実施例の構成を示すブロック図、第
２図は同実施例でのモデルのファイル表現形式を示す模
式図、第３図は同実施例の具体的説明で対象とするプロ
セスを示す構成図、第４図は同実施例における前記プロ
セスのモデルを示す線図、第５図は本発明の変形例を示
すプロセスの構成図、第６図は同変形例におけるモデル
化を示す線図である。 ■・・・異常診断システム、２，６０・・・プロセス、
１３゜２４・・・診断知識、７０・・・ネットワークモ
デル、７１〜８６・・・ノード、７１Ａ〜８６Ａ・・・
アーク。

Claims (1)

【特許請求の範囲】
1. （１）プロセスの機器構成に基づき、プロセス内の事象
   を表すノードを各々の関連を表すアークで結んで有向グ
   ラフ化し、さらに各アークに各ノード間の影響の程度を
   表す影響係数を設定したネットワークモデルを構築し、 前記モデルに対し、任意の異常原因を表す原因数値を該
   当するノードに設定し、当該ノードから順次アークの流
   れに沿って、値の設定されたノードから下流ノードへと
   設定された値と途中のアークの影響係数との積を送ると
   ともに、積を送られたノードは上流の全てのノードから
   の積の総和を自身の値として設定することを繰返し、値
   が設定されたノードおよび各々に設定された値を記録し
   、記録された結果から診断知識を蓄積し、蓄積された診
   断知識に基づいて当該プロセスの異常診断を行うことを
   特徴とするプロセス異常診断方法。