JPH06309584A - Plant operation support device - Google Patents

Plant operation support device

Info

Publication number
JPH06309584A
JPH06309584A JP10085893A JP10085893A JPH06309584A JP H06309584 A JPH06309584 A JP H06309584A JP 10085893 A JP10085893 A JP 10085893A JP 10085893 A JP10085893 A JP 10085893A JP H06309584 A JPH06309584 A JP H06309584A
Authority
JP
Grant status
Application
Patent type
Prior art keywords
data
database
event
abnormality
process
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.)
Pending
Application number
JP10085893A
Other languages
Japanese (ja)
Inventor
Nobuyuki Intou
Hideo Ohashi
Fujiko Shioda
信之 因藤
秀郎 大橋
富士子 潮田
Original Assignee
Toshiba Corp
株式会社東芝
Priority date (The priority date 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 date listed.)
Filing date
Publication date

Links

Abstract

PURPOSE:To automatically display monitor data like a system diagram or a trend graph related to abnormality diagnosis and to perform predictive diagnosis before the occurrence of alarm to present a countermeasure. CONSTITUTION:This device is provided with a knowledge base 21 where diagnostic knowledge and a system diagram ID and a trend graph ID related to each event are preserved, an inference engine 23 which refers to the knowledge base 21 and a process data base 17 to diagnose the abnormality, a route discriminating and related data selecting means 27 which discriminates an event occurrence route to the abnormality in accordance with the diagnosis result and selects the trend graph ID and the system diagram to be displayed, a history data base 19 which collects process data corresponding to each trend graph ID to preserve the history, a guidance data base 29 where guidance messages are preserved, a system diagram data base 31 where system diagram information is preserved, and a display control means 35 which takes out display information from data bases based on discrimination and selection results to display it on a display device 33.

Description

【発明の詳細な説明】 DETAILED DESCRIPTION OF THE INVENTION

【0001】 [0001]

【産業上の利用分野】本発明は、プラント運転を支援する装置に係り、特にプロセスデータを用いてプラントの異常もしくは異常傾向をとらえて原因診断を行い、適切な操作ガイドを表示するプラント運転支援装置に関する。 The present invention relates to relates to a device for supporting the plant operation, in particular performed cause diagnostic capture the abnormal or abnormal trends plant using the process data, plant operation supporting for displaying appropriate operation guides apparatus on.

【0002】 [0002]

【従来の技術】プラントは、その大容量化、複雑化に伴い、運転の信頼性向上が重要な課題になってきている。 BACKGROUND OF THE INVENTION plant, its capacity, due to the complexity, improve reliability of the operation has become an important issue.
これに対応して、プラントにおいて警報等の異常が発生した場合、その時点でのプラント状態に応じた適切な対処方法を運転員に提示するためのプラント運転支援装置が開発されている。 Correspondingly, when an abnormality alarm or the like occurs, plant operation supporting device for presenting appropriate response method according to the plant state at that time to the operating personnel have been developed in the plant.

【0003】このようなプラント運転支援装置では、プラントに異常が発生したとき、その時のプロセスデータを用い、たとえば図2に示すような事象間の関連性を示す因果関係ツリーに基づいて、異常(たとえば事象1) [0003] In such a plant operation supporting device, when an abnormality in the plant has occurred, using a process data at that time, for example on the basis of the causal relation tree showing the relationship between events shown in FIG. 2, the abnormality ( For example, event 1)
の原因を診断し、事象発生経路を特定して、その事象発生経路の末端事象を異常原因とする異常原因診断処理を行い、診断結果として、推論した異常原因とともにこの原因に対する運転の操作ガイダンスを表示している。 Cause Diagnose and, identifies the event generating path, the end event of the event occurrence path performs abnormality cause diagnosis processing for the abnormality cause, as a diagnosis result, the operation guidance of the driver for this reason with abnormal cause inferred it's shown.

【0004】そして、このようなプラント運転支援装置において、異常時に重要データを自動表示する機能として、警報となったポイントが登録されているトレンドグラフ画面を警報発生時に自動表示する機能が従来より実現されている。 [0004] Then, in such a plant operation supporting device, as a function of automatically displaying the important data abnormality, the ability to automatically display the trend graph screen points became alarm is registered when alarm is realized conventionally It is. また、トレンドグラフの代わりに系統図を自動表示することも既存の技術である。 It is also conventional technique for automatically displaying a system diagram in place of the trend graph. この技術の目的は、あるポイントが警報になったとき、関連するポイントも同時に傾向表示することにより、運転員の異常状況の把握を容易とすることである。 The purpose of this technique is, when a point becomes the alarm, by the associated points also tend displayed simultaneously, it is to facilitate the understanding of the abnormal situation of the operator.

【0005】すなわち、上述した従来技術では、ある警報が発生したとき、原因を診断し、その原因名と対応操作ガイダンスを表示するとともに、その警報ポイントに予め割り付けてあるトレンドグラフ画面および系統図を関連データとして表示出力することができる。 Namely, in the prior art described above, when a warning has occurred, to diagnose the cause, and displays a corresponding operation guidance and their causes name, a trend graph screen and system diagram are allocated in advance to the alert point it can be displayed and output as the related data.

【0006】ところで、ある警報が発生したとき、その原因は複数考えられるものであり、その原因により関連データとして同時監視すべきトレンドグラフポイントは変わってくる。 [0006] By the way, when there is an alarm occurs, the cause is one that is more thought, simultaneous trend graph point should be monitored varies as the related data by the cause. 同様のことは、系統図についてもいえることである。 The same is also true for system diagram. すなわち、事象発生経路が異なれば、原因およびその原因に対する操作ガイダンスが異なり、原因の確認または操作のために監視しておく必要のある関連プロセスデータも異なってくる。 That, different events occur path, different operation guidance for the cause and its causes, related process data are also different that must be monitored for confirmation or operations cause.

【0007】従来技術では、警報ポイントが決まると、 [0007] In the prior art, when the alarm point is determined,
自動表示されるトレンドグラフや系統図は予め登録してあるものに限定されてしまうため、必ずしも真に必要なポイントまたは系統図に絞り込んで表示できないことがあり、運転員に依存せざるを得ないという問題(以下、 Since the trend graph or system diagram is automatically displayed is limited to those registered in advance, may not be displayed by narrowing down necessarily true point or system diagram required, inevitably depend on the operator problem (below,
第1の課題という。 That the first problem. )があった。 )was there.

【0008】また、プラントにおいて警報が発生した場合、その時点でのプラント状態により、対応操作不可能となる場合がある。 Further, when the alarm in the plant occurs, the plant state at that time, it may become corresponding inoperable. このため、警報が発生する前に警報の兆候があるかどうかを判断し、その兆候がある場合、 Therefore, to determine whether there are indications of an alarm before the alarm is generated, if there is the indication,
そのプラントの予測診断を行い、その診断結果を用いて、プラント状態に応じた適切な操作を行う必要がある。 Making predictions diagnosis of the plant, using the result of the diagnosis, it is necessary to take appropriate action in accordance with the plant state.

【0009】従来のプラント運転支援装置は、すでに述べたように、プラントに警報が発生したときのプロセスデータを用いて警報発生の原因を診断し、その原因が判明した後で診断結果である前記原因に対して運転の操作ガイダンスを表示していた。 [0009] Conventional plant operation supporting device, as already mentioned, to diagnose the cause of the alarm generation using the process data when alarm plant has occurred, a diagnostic result after the cause has been found the It has been displaying an operation guidance of operation for the cause.

【0010】このように、従来のプラント運転支援装置では、異常診断が起動されるのは警報の発生をとらえた通知によるものであり、また、警報発生時のプロセスデータを使用して診断を行うという思想で実施していたため、警報の内容によっては既に対応操作不可能となる場合があるという問題(以下、第2の課題という。)があった。 [0010] Thus, in the conventional plant operation supporting device, the abnormality diagnosis is started is due notification that capture the emission of an alarm, also performs diagnostics using the process data upon alarm because it was performed at idea, a problem that is sometimes already a corresponding operation impossible by the contents of the alarm (hereinafter referred to as a second problem.) had.

【0011】 [0011]

【発明が解決しようとする課題】本発明は、上記第1の課題を解決するためになされたもので、診断結果である原因名と対応操作ガイダンスと同時に、真に必要なポイントのトレンドグラフおよび系統図を自動的に運転員に提供することができるプラント運転支援装置を提供することを目的とする。 [0008] The present invention, the first problem was made in order to solve, at the same time cause name a diagnosis result to the corresponding operation guidance and truly point trend graph required and and to provide a plant operation supporting device that can provide a system diagram automatically operator.

【0012】また本発明は、上記第2の課題を解決するためになされたもので、警報が発生する前に、警報が発生する可能性のあるものに対してプロセスデータのシミュレーションと予測診断を行い、操作ガイダンスを表示することができるプラント運転支援装置を提供することを目的とする。 [0012] The present invention has been made to solve the above second problem, before the alarm is generated, the predictive diagnosis and simulation of the process data to those that might alert occurs conducted, and an object thereof is to provide a plant operation supporting device capable of displaying an operation guidance.

【0013】 [0013]

【課題を解決するための手段】本発明は、上記第1の課題を解決するために、プラントで発生した異常を診断してその原因を探索するプラント運転支援装置において、 The present invention SUMMARY OF], in order to solve the above first problem, in the plant operation supporting device for searching the cause to diagnose abnormality occurring in the plant,
異常原因を探索するために、プラントで発生する事象間の因果関係を示す因果関係ツリー情報および各事象について発生か否かを判断するための情報を含む診断知識を保存するとともに、事象ごとに関連データを指定する関連データIDが設定されている知識ベースと、プラントからプロセスデータを入力するプロセスデータ入力手段と、このプロセスデータ入力手段によって入力されたプロセスデータを更新保存するプロセスデータベースと、 To explore the cause of abnormality, together with the stores the diagnostic knowledge including information for determining whether generated causality tree information and each event indicating the causal relationship between events that occur in the plant, associated with each event a knowledge base related data ID for specifying the data has been set, and process data input unit for inputting process data from the plant, and process database for updating store process data input by the process data input unit,
このプロセスデータベース内のプロセスデータと知識ベース内の診断知識に基づいて、診断対象の異常と因果関係にある各事象について、発生か否かを推論する推論エンジンと、この推論エンジンによる推論結果および知識ベースに保存されている因果関係ツリー情報により、異常に至る事象発生経路を求め、この経路上の事象についてそれぞれ設定されている関連データIDを知識ベースから取り出し表示優先順に選定する経路判定・関連データ選定手段と、事象ごとに対応する操作ガイダンスを記したガイダンスメッセージを保存するガイダンスデータベースと、関連データIDごとに対応する関連データを保存する関連データベースと、経路判定・関連データ選定手段から判定された事象発生経路および選定された関連データIDを受 Based on the diagnostic knowledge of the process data and knowledge base in this process in a database, for each event in the anomaly and causality diagnosed, the inference engine infers whether generation or not, the inference by the inference engine results and knowledge the causal relation tree information stored in the base determines the event occurrence path abnormal, the route determination and related data to select the display priority order takes out the relevant data ID set respectively for events on the path from the knowledge base and selecting means, and guidance database that stores guidance message that describes the operation guidance corresponding to each event, a relational database that stores the associated data corresponding to each association data ID, it is determined from the route determination and related data selecting means receiving the event occurrence route and selected the relevant data ID 取り、事象発生経路の末端事象を原因として、この原因に対応するガイダンスメッセージをガイダンスデータベースから取り出すとともに、関連データIDに対応する関連データを関連データベースから取り出し、異常原因、その原因に対応する操作ガイダンスおよび関連データを表示装置に表示する表示制御手段とを具備することを特徴とする。 Taken as the cause of the end event of the event generation path, takes out a guidance message corresponding to the cause from the guidance database, retrieve the relevant data corresponding to the relevant data ID from the related database, abnormality cause, operation guidance corresponding to the cause and characterized by comprising a display control means for displaying on the display device related data.

【0014】また本発明は、上記構成のプラント運転支援装置において、関連データが系統図情報およびトレンドグラフ情報の少なくとも1つであり、関連データベースとして、系統図IDごとに対応する系統図情報を保存する系統図データベースと、トレンドグラフIDごとに対応するポイントのプロセスデータをプロセスデータ入力手段を介して周期的に収集し履歴保存する履歴データベースの少なくとも1つを具備し、表示制御手段は、トレンドグラフIDを受け取ったとき履歴データベースから対応するポイントの履歴データを周期的に読み込みトレンドグラフとして表示装置に更新表示し、系統図ID [0014] The present invention is stored in the plant operation supporting apparatus having the above structure, the relevant data is at least one of system diagram information and the trend graph information, as related databases, the system diagram information corresponding to each system diagram ID comprising a system diagram database, at least one of periodically collected history database that stores history via the process data input unit process data corresponding points for each trend graph ID to the display control means, the trend graph historical data of the corresponding points from the history database when it receives the ID periodically updated on the display device as a loading trend graphs, system diagram ID
を受け取ったとき系統図データベースから対応する系統図情報を取り出し表示装置に表示するとともに、該系統図に対応するポイントのプロセスデータをプロセスデータベースから周期的に読み込み、表示装置の系統図画面に更新表示することを特徴とする。 And displays on the display device retrieves the corresponding system diagram information from the system diagram database upon receipt of the periodically read from the process database process data points corresponding to the system diagram, updated and displayed on the system diagram screen of a display device characterized in that it.

【0015】さらに本発明は、上記構成のプラント運転支援装置において、表示制御手段は、表示すべき系統図情報が複数のとき、対話要求にて表示切り替え可能に処理して表示装置に表示し、トレンドグラフとして表示すべきポイントが複数のとき、ポイント別に色を変えて表示するとともに、ポイント数が可能表示色数を越えたときは、可能表示色数にて区切りページ扱いにして対話要求にて表示切り替え可能に処理して表示装置に表示することを特徴とする。 [0015] The present invention provides a plant operation supporting device of the above configuration, the display control means, when system diagram information to be displayed is plural, and the display device the display can be switched treated to at dialog request, when points to be displayed as a trend graph of a plurality, and displays a different color for each point, if the result exceeds the number of displayable colors points, at interact with the separator page handling at displayable colors requested number and displaying on the display device by processing to be display switching.

【0016】また本発明は、上記第2の課題を解決するために、プラントの異常の発生を予測し、予測した異常に対する診断を行うプラント運転支援装置であって、プラントからプロセスデータを入力するプロセスデータ入力手段と、このプロセスデータ入力手段によって入力されたプロセスデータを更新保存するプロセスデータベースと、このプロセスデータベースから異常の予測に必要なプロセスデータを収集する異常予測用データ収集手段と、この異常予測用データ収集手段によって収集されたプロセスデータを異常予測用データとして履歴保存する異常予測用履歴データベースと、プロセスデータベースから異常診断に必要なプロセスデータをシミュレーション用に収集するシミュレーション用データ収集手段と、 [0016] The present invention, in order to solve the second object, to predict the occurrence of a plant upset, a plant operation supporting apparatus for performing diagnosis for abnormalities expected, enter process data from the plant and process data input means, a process database for updating stored input process data by the process data input unit, and abnormal calculation data collecting means for collecting process data required for the prediction of abnormality from the process database, the anomaly and abnormal prediction history database for historical store process data collected by the calculation data acquisition means as an abnormality calculation data, and simulation data collection means for collecting process data required for abnormality diagnosis process database for simulation,
このシミュレーション用データ収集手段によって収集されたプロセスデータをシミュレーション用データとして履歴保存するシミュレーション用履歴データベースと、 A simulation history database for historical store process data collected as simulation data by the simulation data collection means,
異常傾向にあるか否かを判断するための異常判断基準値を予め保存する異常傾向判断データベースと、異常予測用履歴データベースおよび異常傾向判断データベースを参照して異常傾向にあるか否かを判断する異常予測手段と、この異常予測手段によって予測された異常に関与する履歴データをシミュレーション用履歴データベースから抽出する履歴データ抽出手段と、この履歴データ抽出手段によって抽出された履歴データを保存する抽出履歴データベースと、この抽出履歴データベースを参照して異常発生が予測される時点のプロセスデータの予測値を算出するシミュレーション手段と、このシミュレーション手段によって算出されたプロセスデータの予測値を保存する予測データベースと、異常原因を探索するための診断知識を保存す Determining an abnormal tendency determination database for previously store abnormality determination reference value for determining whether an abnormal tendency, whether with reference to the abnormality prediction history database and abnormal tendency determination database is in an abnormal tendency and abnormal prediction means, extracting history database that stores the history data extraction unit for extracting history data involved abnormal predicted by the abnormality prediction means from the historical database for simulation, historical data extracted by the history data extracting means When, and simulation means for calculating a predicted value of the process data at the time of abnormality occurrence with reference to the extracted history database is predicted, a prediction database that stores a predicted value of the process data calculated by the simulation means, abnormality to save the diagnostic knowledge to search for the cause 知識ベースと、予測データベースおよび知識ベースを参照して予測された異常に対する原因を推論する推論エンジンと、各原因に対応する操作ガイダンスを記したガイダンスメッセージを保存するガイダンスデータベースと、この推論エンジンによって推論された結果に基づいて対応するガイダンスメッセージをガイダンスデータベースから取り出し、推論された結果とともに表示装置に表示する表示制御手段とを具備することを特徴とする。 And knowledge base, and inference engine that infers the cause for predicted by referring to the prediction database and knowledge base abnormalities, and guidance database that stores guidance message that describes the operation guidance corresponding to each cause, deduced by the inference engine It has been removed corresponding guidance message from the guidance database based on the results, characterized by comprising a display control means for displaying on the display device with the results inferred.

【0017】 [0017]

【作用】上記第1の課題を解決するための構成において、プロセスデータ入力手段によりプラントからプロセスデータが採取され、プロセスデータベースに保存される。 [Action] In the configuration for solving the above-mentioned first problem, the process data from the plant by the process data input unit is taken and stored in the process database. 知識ベースには、予め診断知識としてプラントで発生する事象間の因果関係を示す因果関係ツリー情報と各事象ごとに発生か否かを判断するための情報が登録されるとともに、事象ごとに関連する系統図情報およびトレンドグラフ情報等の表示データを指定するIDが設定される。 The knowledge base, together with information for determining whether generated for each event and causal relationship tree information indicating a causal relationship between events occurring in the plant is registered in advance as diagnostic knowledge associated with each event ID for designating a display data such as system diagram information and trend graph information are set. 推論エンジンは、プラントの異常、例えば警報発生により起動され、プロセスデータベースと知識ベースを参照しながら、診断対象の因果関係ツリーにおける各事象について、それぞれ発生しているか否かを判断し、 The inference engine, the abnormality of the plant, for example, is activated by the alarm, with reference to the process database and knowledge base, for each event in the causality tree diagnosed, it is determined whether the respectively generated,
発生していると判断した事象の情報を診断データファイルに保存する。 To save the information of the event it is determined that occurred in the diagnostic data file. 経路判定・関連データ選定手段は、診断データファイルを参照しながら因果関係ツリーに基づいて、異常に至る事象発生経路を求め、この経路上の事象について設定されている関連データのIDを知識ベースから取り出し、表示優先順に選定して、判定した事象発生経路とともに表示制御手段に渡す。 Route determination and related data selecting means, based on the causal relation tree with reference to the diagnostic data file, obtains the event occurrence path to abnormal, the ID of the associated data set for the event on the path from the knowledge base removed and selected in the display priority order, with the determined event occurrence paths pass to the display control unit. 表示制御手段は、 Display control means,
受け取った事象発生経路の末端事象を異常の原因とし、 The end event of the received event occurrence pathway cause abnormal,
この原因に対応するガイダンスメッセージをガイダンスデータベースから取り出すとともに、受け取ったIDに基づいて、系統図IDのときは対応する系統図情報を系統図データベースから取り出し、トレンドグラフIDのときは対応するポイントの履歴データを履歴データベースから取り出して、原因および操作ガイダンスとともに、関連する系統図およびトレンドグラフ等の監視データを表示装置に表示する。 Is taken out guidance message corresponding to the cause from the guidance database, based on the received ID, when the system diagram ID Obtain an system diagram information from the system diagram database, the corresponding point in the history when the trend graph ID data taken out from the history database, along with causes and operation guidance is displayed on the display device monitoring data, such as associated system diagram and the trend graph.

【0018】この構成により、異常診断の確認および対応操作のために必要な監視データが絞り込まれて自動的に表示されるため、監視データを選定し表示させるため対話操作が不要となり、運転員の負担が軽減される。 [0018] With this arrangement, the abnormality to be automatically displayed narrowed monitoring data required for confirmation and the corresponding operation diagnosis, interaction for displaying selected monitoring data is not required, the operator the burden is reduced.

【0019】また、上記第2の課題を解決するための構成においては、異常予測用データ収集手段によりプロセスデータベースから異常の予測に必要なプロセスデータが抽出され異常予測用データとして異常予測用履歴データベースに履歴保存される。 Further, in the above-described structure for solving the second problem, the abnormal process data required for prediction from the process database of abnormality by the calculation data collecting means is extracted abnormal prediction history database as abnormal calculation data is the history stored in. また一方、シミュレーション用データ収集手段によりプロセスデータベースから異常診断に必要なプロセスデータが抽出されシミュレーション用データとしてシミュレーション用履歴データベースに履歴保存される。 On the other hand, the process data required for abnormality diagnosis process database by simulation data collecting means is the history stored in the history database for simulation as the extracted simulation data. 異常予測手段は、異常予測用履歴データベースを用いて所定時間後のデータ値を予測し異常傾向判断データベースに保存されている警報制限値等の判断基準値と比較して、異常傾向にあるか否かを判断する。 Abnormality predicting means compares the determination reference values ​​such as alarm limit values ​​stored in the predicted abnormal trends determined database data values ​​after a predetermined time using the abnormality prediction history database, or in an abnormal tendency not or the judges. 履歴データ抽出手段は、異常傾向にあると判断された事象に関係するプロセスデータの履歴データをシミュレーション用履歴データベースから取り込み、抽出履歴データベースに保存する。 History data extraction unit captures the history data of the process data related to are events judged to be in abnormal trends from the historical database for simulation and stored in the extraction history database. ミュレーション手段は、抽出履歴データベースを用いて予測データを生成し、予測データベースに保存する。 Simulation means using the extracted history database generates prediction data, is stored in the prediction database. この予測データを基に推論エンジンが警報発生の兆候の通知を予測データベースより受けて、知識ベースを参照したプラントの予測診断を行い、診断データファイルへ保存する。 Notification of signs of the inference engine alarm generating the prediction data based on receive than expected database, making predictions diagnosis of plant with reference to the knowledge base, stores the diagnostic data file. この診断データファイルとガイダンスデータベースを参照して表示制御手段は、予測診断結果とその操作ガイダンスを表示装置に表示する。 The diagnostic data file and guidance referring to the display control means database, and displays it on the display device predictive diagnosis results and operation guidance.

【0020】この構成により、プラントが実際に警報を発生する前に、その兆候をとらえて、警報発生を予測し、その予測した警報について診断することができるので、事前に適切な対応操作をすることが可能となる。 [0020] With this configuration, before the plant is actually generating an alarm, it captures the signs, to predict the alarm occurs, it is possible to diagnose the alarm was the prediction, the appropriate response operation in advance it becomes possible.

【0021】 [0021]

【実施例】次に、図面を参照しながら本発明の実施例を説明する。 EXAMPLES Next, an example of the present invention with reference to the drawings.

【0022】図1は、本発明の第1の実施例のプラント運転支援装置11を示すもので、プラント13からプロセスデータを入力するプロセスデータ入力手段15と、 [0022] FIG. 1 shows a first embodiment of a plant operation supporting device 11 of the present invention, a process data input unit 15 for inputting the process data from the plant 13,
入力されたプロセスデータを保存するプロセスデータベース17と、入力されたプロセスデータの中からトレンドグラフとして表示されるプラント13のポイント(以下、トレンドグラフポイントという。)のプロセスデータを周期的に収集し、一定時間前から現在までの履歴データをトレンドグラフポイント別に保存する履歴データベース19と、異常原因を探索するための診断知識を保存する知識ベース21と、知識ベース21およびプロセスデータベース17を参照して異常の診断を行う推論エンジン23と、推論エンジン23から出力された診断データを保存する診断データファイル25と、診断データファイル25に保存された診断データを用いて、診断起動のきっかけとなった異常発生に関する事象発生経路を判定するとともに A process database 17 to store the input process data, points of the plant 13 to be displayed as a trend graph from the input process data (hereinafter, referred to as trend graph points.) The process data periodically collected, a history database 19 that stores historical data up to the present by the trend graph point before a predetermined time, the knowledge base 21 for storing the diagnostic knowledge to explore the cause of the abnormality, the abnormality with reference to the knowledge base 21 and the process database 17 the inference engine 23 to perform diagnosis, and diagnostic data file 25 for storing the diagnostic data output from the inference engine 23, diagnosed using diagnostic data stored in the data file 25, abnormality that triggered the diagnosis start with determining the event occurrence pathway for 関連データとして表示すべきトレンドグラフポイントID、系統図IDを選定し表示優先順を決定する経路判定・関連データ選定手段27と、各事象に対応したガイダンスメッセージが予め登録されているガイダンスデータベース29と、系統図情報を保存する系統図データベース31と、経路判定・関連データ選定手段27によって判定された事象発生経路および選定された関連データのIDに基づいて、履歴データベース19、ガイダンスデータベース29、系統図データベース31から表示情報を取出し、表示装置33へ診断結果およびガイダンスメッセージとともに関連するトレンドグラフおよび系統図を表示する表示制御手段35によって構成されている。 Trend graph point ID to be displayed as the associated data, a route determination and related data selecting means 27 for determining the display priority order and select a system diagram ID, a guidance database 29 to the guidance message corresponding to each event is registered in advance , a system diagram database 31 that stores system diagram information, based on the ID of the associated data which has been the event generating path and selection determined by the route determination and related data selecting means 27, the history database 19, guidance database 29, system diagram retrieves the indication information from the database 31 is constituted by a display control unit 35 for displaying a trend graph and system diagram associated with the diagnosis result and a guidance message on the display device 33.

【0023】上記構成において、知識ベース21には、 [0023] In the above structure, the knowledge base 21,
たとえば図2に示すような因果関係ツリーで記述される診断知識が格納されている。 For example a diagnostic knowledge described by causal tree as shown in FIG. 2 is stored. 図2に示す因果関係ツリーにおいて、事象1は診断を開始するきっかけとなる異常、たとえばプラントにおいて警報を発生した事象である。 In causal relation tree shown in FIG. 2, event 1 is abnormality that triggers the start the diagnosis, for example, an event that caused the alarm in the plant. 事象5、事象6、事象7、事象8、事象9は、事象1に対する最終的な原因と考えられるものである。 Event 5, event 6, event 7, event 8, event 9 is what is considered to be the ultimate cause for event 1. 事象2、事象3、事象4は、各原因を探索する過程で中間に位置する事柄や現象である。 Event 2, Event 3, event 4 is a matter and phenomena located in the middle in the process of searching for each cause. そして、これらの事象は相互の関係の強さを示す関係度K11〜K32を持って配列される。 Then, these events are arranged with a degree of relationship K11~K32 indicating the strength of the mutual relationship. この関係度は0〜1の間の数値で表され、数値の大きいものほど関係が強くなる。 The degree of relationship is represented by a number between 0 and 1, the relationship as larger numbers increases.

【0024】各事象には、図3に示すように、プロセスデータからその事象が発生している確かさ(以下、自己成立度という。)を算出するための診断ロジック41 [0024] Each event, as shown in FIG. 3, the certainty that an event has occurred from the process data diagnosis logic 41 for calculating (hereinafter, referred to as self-established degree.)
と、発生しているか否かの判断基準となるしきい値43 When, the criterion for determining whether occurring threshold 43
と、その事象に対応した処置を示すガイダンスメッセージのメッセージID45と、その事象に対応して監視すべき系統図画面の系統図ID47およびトレンドグラフのトレンドグラフポイントID49が予め設定される。 When a message ID45 guidance message indicating a treatment corresponding to the event, a trend graph point ID49 of system diagram ID47 and trend graph system diagram screen to be monitored corresponding to the event is set in advance.
ガイダンスメッセージはメッセージIDごとにガイダンスデータベース29に保存されている。 Guidance message is stored in the guidance database 29 for each message ID.

【0025】推論エンジン23は、たとえば警報発生により起動され、プロセスデータベース17に保存されているプラントからのプロセスデータと知識ベース21に保存されている前述の診断知識に基づいて、警報事象1 The inference engine 23, for example, is activated by the alarm generation, based on the diagnostic knowledge described above stored in the process data and knowledge base 21 from the plant stored in the process database 17, alarm event 1
につながる全ての事象について発生している確かさ(以下、事象成立度という。)を計算し、しきい値との比較によりどの事象が発生しているかを診断して、この診断した結果を診断データファイル25に保存する。 Confidence occurring for all events leading to (hereinafter, referred to as events establishment of.) Is calculated, to diagnose what event by comparison with a threshold value occurs, diagnose the diagnostic result to save the data file 25.

【0026】経路判定・関連データ選定手段27は、診断データファイル25に保存された診断データを用いて、前述の因果関係ツリーに従って上位事象から下位事象につながる発生事象の経路を特定し、特定した事象発生経路上の末端事象を異常原因として、その末端事象に対応するメッセージIDを取出すとともに、特定した事象発生経路上の全事象についてそれぞれ対応する系統図IDおよびトレンドグラフポイントIDを重複のないように取出し、より上位の事象に登録されているIDを表示優先順位の高いものとして選定する。 The path determination-related data selecting means 27, the diagnostic data file 25 by using the diagnostic data stored in, and identify the path for generating events leading to the lower event from order event according causal relation tree described above, were identified as abnormality cause the end event on an event generation path, with taking a message ID corresponding to the terminal events, internal use of duplicate system diagram ID and trend graph point ID corresponding respectively for all events on the specified event occurs path the extraction, to select the ID registered in more events higher as high display priority.

【0027】次に、上記構成のプラント運転支援装置の作用を説明する。 Next, the operation of the plant operation supporting apparatus having the above structure.

【0028】プラント13に異常、たとえば警報が発生することにより、推論エンジン23が起動される。 The plant 13 to the abnormality, for example, by an alarm is generated, the inference engine 23 is started. 推論エンジン23は、プラント13に警報が発生したときのプロセスデータをプロセスデータベース17から取り出し、知識ベース21に格納されている警報事象1の因果関係ツリーに基づいて、因果関係ツリー内の各事象の発生の確かさ、すなわち事象成立度を計算する。 Inference engine 23, a process data when the alert occurs in the plant 13 is taken out from the process database 17, based on the alarm event 1 causality tree stored in the knowledge base 21, of each event in the causality tree certainty of occurrence, namely to calculate the event establishment of. 本実施例では、推論エンジン23は、自己成立度と波及成立度をそれぞれ計算し、これらの成立度のいずれか大きい方を事象成立度として採用する。 In this embodiment, the inference engine 23, a ripple establishment of self satisfied degree calculated respectively, to adopt whichever of these establishment of large as an event established degree.

【0029】ここで、自己成立度と波及成立度の算出方法を説明すると、自己成立度は、各事象で設定されている図3に示すような診断ロジック41に従ってプラントデータにより算出される事象の発生の確かさである。 [0029] Here, explaining the method of calculating the spillover establishment of self-establishment degree self satisfied degree, of events that are calculated by the plant data in accordance with the diagnostic logic 41 shown in FIG. 3 that is set in each event it is the certainty of occurrence. 波及成立度は、下位事象の事象成立度と上位事象に対する関係度から算出される上位事象の発生の確かさであり、 Ripple satisfied degree, a certainty of occurrence of the upper event is calculated from the relationship degree for phenomenon establishment degree and order event lower events,
下位事象の発生が上位事象に及ぼす影響の度合いを示す。 The occurrence of sub-events indicative of the degree of impact on the higher-level events. したがって、図2の因果関係ツリーにおいて、最終的な原因である末端の事象5、事象6、事象7、事象8、事象9には波及成立度は存在せず、自己成立度が事象成立度となる。 Therefore, the causal relation tree of FIG. 2, final causes a is event-terminal 5, event 6, event 7, event 8, absent spillover establishment of the event 9, the self-establishment degree and events satisfied degree Become.

【0030】自己成立度は、図3に示すような診断ロジック41により算出される。 [0030] Self-established degree is calculated by the diagnostic logic 41 shown in FIG. たとえば図3に示す診断ロジック41においては、事象1の診断要因X、Yの確かさ(以下、確信度という。)に対してOR関係50を適用して得られるZの値を事象1の自己成立度としている。 In the diagnostic logic 41 shown in FIG. 3, for example, diagnostic factor X events 1, certainty of Y (hereinafter, referred confidence.) OR relationship 50 applied to the value of event 1 own Z obtained against are the established level. すなわち、X、Yの確信度をa1(X)、a1(Y)とし、 That, X, the confidence of the Y a1 (X), and a1 (Y),
Zの値すなわち事象1の自己成立度をa1 とすると、a When Z values ​​i.e. the self-establishment of the event 1 and a1, a
1(X)、a1(Y)のうち大きい方の値がa1 として出力される。 1 (X), the value of the larger of a1 (Y) is output as a1. このOR関係50は、maxの演算を用いた次式 a1 =max(a1(X)、a1(Y)) で表される。 The OR relationship 50, the following equation a1 = max with operations max (a1 (X), a1 (Y)) represented by. X、Yの確信度は、それぞれ対応するプロセスデータから導出される異常の程度を示すもので、通常0〜1の間の数値で表され、数値が大きいほど異常の度合いが高い。 X, confidence of Y may show the extent anomalies derived from the corresponding process data, represented by a number between normal 0-1, a high degree of numerical larger the abnormality.

【0031】波及成立度は、下位事象の事象成立度と上位事象に対する関係度から算出される。 [0031] The spread establishment degree is calculated from the degree of relationship to the events established the degree and order event of sub-events. たとえば、同一の事象にぶら下がる下位事象の事象成立度にそれぞれ関係度をかけ、その中の最大値をその上位事象の波及成立度とする。 For example, each multiplied by the degree of relationship to the event establishment of the lower event pendant to the same event, the maximum value among them and spread establishment of the order event. 図1の因果関係ツリーに示す事象1を例にとると、その波及成立度a2 は、事象2および事象3の事象成立度をそれぞれcf2 、cf3 、また事象1に対する下位事象2および事象3の関係度をそれぞれK11、K12とすれば、次式 a2 =max(K11×cf2 、K12×cf3 ) により算出される。 Taking event 1 shown in causal relation tree of FIG. 1 as an example, the spillover establishment of a2 is, cf2 events establishment of the event 2 and event 3 respectively, cf3, also the relationship of the lower event 2 and event 3 for Event 1 if degree of the respective K11, K12, is calculated by the following equation a2 = max (K11 × cf2, K12 × cf3).

【0032】このように、末端事象を除く事象には、それぞれ2つの成立度、すなわち自己成立度と波及成立度が存在する。 [0032] Thus, the events except for the end event, the two established degrees respectively, that is, spread established degree of self-establishment of the presence. 最終的な事象の発生の確かさすなわち事象成立度は、自己成立度と波及成立度のうちどちらか値の大きいものを採用する。 Certainty That event establishment of the occurrence of the final events employs larger of either the value of the ripple establishment of self-establishment degree. たとえば事象1の事象成立度を For example, an event establishment of the Event 1
cf1 とすると、事象1の自己成立度a1 および波及成立度a2 から、事象成立度cf1 は次式 cf1 =max(a1 、a2 ) により与えられる。 When cf1, from the self-establishment of a1 and spillover establishment of a2 event 1, event establishment of cf1 is given by: cf1 = max (a1, a2).

【0033】本実施例では、プロセスデータから求められる自己成立度のみならず下位事象の成立度から求められる波及成立度も考慮にいれて事象成立度を決定しているので、より信頼性の高い事象成立度を得ることができる。 [0033] In this embodiment, since the ripple established degree obtained from establishment of the lower event not self satisfied degree obtained from the process data only be taken into consideration and determines the event establishment degree, more reliable it is possible to obtain an event establishment degree.

【0034】再び推論エンジン23の動作に戻って、以下、図4および図5に示すフローチャートを参照して説明する。 [0034] Returning again to the operation of the inference engine 23 will now be described with reference to the flowchart shown in FIGS. 図4に示すように、推論エンジン23は、警報発生により起動されると、プロセスデータベース17内のプロセスデータと、知識ベース21内の警報事象1の因果関係ツリーを参照して、予め設定された診断順序に従って事象の自己成立度を算出する(ステップ51)。 As shown in FIG. 4, the inference engine 23 is activated by the alarm, the process data in the process database 17, with reference to the causal relation tree alarm event 1 in the knowledge base 21, a preset It calculates the self establishment of the event in accordance with the diagnostic sequence (step 51).
全事象の自己成立度を算出すると、末端事象の側から、 After calculating the self establishment of the entire event, from the side of the terminal events,
事象成立度となる自己成立度と、上位事象に対する関係度とにより上位事象の波及成立度を算出し(ステップ5 And self-establishment degree the event satisfied degree, to calculate the spread establishment of the order event by the relationship degree for the upper event (Step 5
3)、先に得られた自己成立度と波及成立度を比較して大きい方をその事象の事象成立度とする(ステップ5 3), the larger by comparing the spread establishment of self-establishment of previously obtained and event establishment of the event (Step 5
5)。 5). この事象成立度を、図3に示すような事象ごとに予め設定されているしきい値43と比較し(ステップ5 This phenomenon establishment degree, compared to a threshold 43 that is preset for each event as shown in FIG. 3 (Step 5
7)、事象成立度がそのしきい値43より大ならば成立、すなわち事象は発生していると判定する。 7) holds if larger than event establishment of its threshold 43, that determines that the event has occurred. 成立と判定した事象は順次診断データファイル25に保存する(ステップ59)。 Establishment and determination of events is stored in sequential diagnostic data file 25 (step 59).

【0035】このように、推論エンジン23は、各事象ごとに事象成立度を計算して成立/不成立を判断し、成立した事象については、逐次その事象名称とそのメッセージIDを、事象成立度および事象のつながりを判断するための上位事象との関係度とともに診断データファイル25に保存する。 [0035] Thus, the inference engine 23 determines the establishment / not established by calculating the event establishment of each event, for the establishment of events sequentially the event name and the message ID, event establishment of and to save the diagnostic data file 25 along with the degree of relationship with the host events for determining the connection of events. 全ての事象について診断が終了した場合、あるいは途中で診断が終了した場合には、診断終了を通知するために、たとえばNULLコードを診断データファイル25に送信し保存する。 If the case is diagnosed for all events it has been completed, or the way the diagnostic is completed, in order to notify the diagnosis end, stores and sends for example a NULL code to the diagnostic data file 25.

【0036】NULLコードが送信されると、経路判定・関連データ選定手段27は、診断データファイル25 [0036] If the NULL code is transmitted, the route determination and related data selecting means 27, the diagnostic data file 25
を参照しながら因果関係ツリーに従って、どの経路における事象が発生しているかを判断する。 According causal relation tree with reference to, to determine events in which path has occurred. それは、図5に示すような手順で行われる。 It is performed in the procedure as shown in FIG. まず、警報事象から出発し(ステップ61)、下位事象へと順次事象成立度がしきい値を越えた事象を探し(ステップ63)、発生している事象をたどって経路を求める(ステップ65)。 First, starting from the alarm event (step 61), looking sequentially events event established degree exceeds the threshold value and to the lower event (step 63) to determine the path by following the events occurring (step 65) . この経路検索作業は、下位事象に事象成立度がしきい値を越えたものがない事象または末端事象で終了し、警報事象からその検索終了事象までを事象発生経路とする。 The route search task, event establishment of the lower event ends at event or end event there is nothing beyond the threshold, the until the search end event and event generation path from the alarm event.

【0037】なお、因果関係ツリー内に複数の事象発生経路が存在する場合、たとえば下位事象に事象成立度がしきい値を越えた事象が複数存在する場合には、ステップ64にてどの経路が優先するかを計算によって判断する。 [0037] Incidentally, if there are a plurality of events occur paths in the causal relation tree, for example, when the event event established degree exceeds the threshold value to the lower event there are multiple, what route at Step 64 determining by calculation or priority. 各階層において、事象成立度と関係度の積の高い方を優先して採用し、経路を求める(ステップ65)。 In each layer, adopted with priority higher the product of the degree of relationship event satisfied degree, determine the route (step 65). このようにして、第1の経路の検索が終了した後、次に事象成立度と関係度の積の高いものを採用して2番目の事象発生経路を求める(ステップ67)。 Thus, after the search of the first path is completed, then adopt a high product of events establishment of the degree of relationship obtain the second event occurs path (step 67). 事象発生経路として求めた順に、第1事象発生経路、第2事象発生経路、…、第n事象発生経路と順位付けが行われる。 In the order determined as an event generation path, first event generation path, the second event generation path, ..., n-th event generated path and ranking are performed.

【0038】次に、経路判定・関連データ選定手段27 Next, the route determination and related data selecting means 27
における事象発生経路の判定方法を、図2に示す因果関係ツリーを例にあげて具体的に説明する。 Method of determining an event occurs pathway in the specifically described as an example causal tree shown in FIG. 図2において、各事象の右肩に付した数字は事象成立度であり、斜線のある事象は事象成立度がしきい値を越えたものを示す。 2, numerals as those in the right shoulder of each event is an event satisfied degree, events of hatching indicates what event established degree exceeds a threshold value. この因果関係ツリーでは、次の5つの経路が存在する。 This causal relationship tree, there are five paths.

【0039】(1) 警報事象1−事象2−事象4−事象8 (2) 警報事象1−事象2−事象4−事象9 (3) 警報事象1−事象2−事象5 (4) 警報事象1−事象3−事象6 (5) 警報事象1−事象3−事象7 第1ステップとして、警報事象1にぶら下がる事象は事象2と事象3があるので、このうち事象成立度がしきい値を越えた事象2を採用する。 [0039] (1) alarm event 1 event 2 events 4- event 8 (2) alarm event 1 event 2 events 4- event 9 (3) alarm event 1 event 2 events 5 (4) alarm event as 1- event 3- event 6 (5) alarm event 1- event 3 events 7 first step, since the event hanging the alarm event 1 is an event 2 and event 3, the one event establishment of threshold to adopt the event 2 beyond.

【0040】第2ステップとして、事象2にぶら下がる事象は事象4と事象5であり、両方とも事象成立度がしきい値を越えているので、次の計算を行う。 [0040] As a second step, event pendant to the event 2 is an event 4 and event 5, since both events established degree exceeds the threshold value, the following calculation is performed. ここで、事象2−事象4間の関係度K21、事象2−事象5間の関係度K22はともに0.8とする。 Here, the event 2 events 4 between the degree of relationship K21, the degree of relationship K22 between events 2 events 5 are both 0.8.

【0041】事象4による影響の度合い=関係度×事象4の事象成立度=0.8×0.6=0.48 事象5による影響の度合い=関係度×事象5の事象成立度=0.8×0.7=0.56 上記計算により、影響の度合いの大きい事象5を採用する。 [0041] The degree of the impact of events 4 = degree of relationship × events establishment of the event 4 = 0.8 × 0.6 = 0.48 degree of the impact of the event 5 = degree of relationship × events 5 events establishment of = 0. the 8 × 0.7 = 0.56 above calculation, adopting the large events 5 of the degree of influence.

【0042】第3ステップとして、事象5にぶら下がる事象はなし。 [0042] As a third step, hanging to the event 5 events None. したがって、第1事象発生経路は、 警報事象1−事象2−事象5 と求められる。 Accordingly, the first event occurs path is determined and alarm event 1 event 2 events 5.

【0043】第4ステップとして、事象4にぶら下がる事象は事象8と事象9であるので、事象成立度がしきい値を越えた事象8を採用する。 [0043] As a fourth step, since the event pendant to the event 4 is the event 8 and event 9, employing an event 8 event established degree exceeds a threshold value.

【0044】第5ステップとして、事象8にぶら下がる事象はなし。 [0044] As a fifth step, hang in events 8 events without. したがって、第2事象発生経路は、 警報事象1−事象2−事象4−事象8 と求められる。 Therefore, the second event occurs path is determined and alarm event 1 event 2 events 4 events 8.

【0045】したがって、図2の例では、原因事象として事象5、事象8の順に表示される。 [0045] Thus, in the example of FIG. 2, the event 5 as cause event is displayed in the order of events 8.

【0046】経路判定・関連データ選定手段27は、このようにして事象発生経路を求めた後、事象発生経路の末端事象について知識ベース21に予め登録されているメッセージIDを取出すとともに、事象発生経路上の全事象についてそれぞれ知識ベース21に予め登録されている系統図IDおよびトレンドグラフポイントIDを重複のないように取出し、系統図IDおよびトレンドグラフポイントIDについては、より上位の事象に設定されているIDから順に表示優先順として並べて、表示制御手段35に判定した事象発生経路とともに渡す。 The path determination-related data selection means 27, after obtaining the event occurrence route in this way, with taking the message ID that is registered in advance in the knowledge base 21 for end event event generation path, event generating path retrieves the system diagram ID and trend graph point ID is previously registered in the knowledge base 21 respectively for all events on so as not overlap, for system diagram ID and trend graph point ID, it is set to a more events top from ID that are side by side as a display priority order in sequence, and passes along with the event occurrence path determination to the display control unit 35.

【0047】表示制御手段35は、表示装置33へ経路判定・関連データ選定手段27によって決定された事象発生経路を順位付けして表示し、その経路の末端事象を異常(警報)の原因として表示する。 The display control means 35, event occurrence route determined by the route determination and related data selecting means 27 to the display device 33 displays ranks, displaying a terminal event of the path as a cause of the abnormality (alarm) to. 同時に、原因として特定された事象のメッセージIDに対応するガイダンスメッセージをガイダンスデータベース29から取り出し、原因とともに表示装置33に表示する。 At the same time, take out the guidance message corresponding to the message ID of the specified event as the cause from the guidance database 29, and displays on the display device 33 together with the cause. ガイダンスデータベース29の構成は、たとえば図6に示す通りである。 Configuration guidance database 29 is as shown in FIG. 6, for example.

【0048】さらに、表示制御手段35は、経路判定・ [0048] Furthermore, the display control unit 35, route determination and
関連データ選定手段27から受け取ったトレンドグラフポイントIDに基づいて、履歴データベース19から対応する履歴データを読み込み、トレンドグラフにして識別のためにポイントごとに色を変えて表示装置33に周期更新表示する。 Based on the trend graph point ID received from the associated data selecting means 27 reads the corresponding historical data from the historical database 19, periodically updates the display device 33 in different colors for each point for identification in the trend graph . 表示色の関係から同時に表示しきれない場合は、可能表示色数にて区切りページ扱いとして対話要求にて表示切り替えを行えるように処理して表示装置33へ表示出力する。 If that can not be displayed simultaneously from the relationship of the display colors, displayable treated to allow the display switching by interaction required as a separator page handles to display output to a display device 33 at the number of colors. 履歴データベース19の構成は、たとえば図7に示す通りである。 Structure of history database 19 is as shown in FIG. 7 for example.

【0049】また、経路判定・関連データ選定手段27 [0049] The route determination and related data selecting means 27
から受け取った系統図IDに基づいて、系統図データベース31から対応する系統図画面情報を取り出し、表示装置33に表示するとともに、その系統図に対する現在値データをプロセスデータベース17から読み込み、表示装置33の系統図画面の所定の位置に周期更新表示する。 Based on the system diagram ID received from, taken out system diagram screen information corresponding the system diagram database 31, and displays on the display device 33 reads the current value data for the system diagram from a process database 17, a display device 33 periodically updated and displayed at a predetermined position on the system diagram screen. なお、経路判定・関連データ選定手段27から多数の系統図IDを受け取り、表示エリアの関係で同時に表示しきれない場合は、対話要求にて系統図の表示切り替えが行えるよう処理する。 Incidentally, it receives a number of system diagram ID from the route determination and related data selecting means 27, if that can not be displayed simultaneously in relation to the display area, treating them to enable display switching of system diagram in dialog request. 系統図データベース31の構成は、たとえば図8に示す通りである。 Configuration of system diagram database 31 is as shown in FIG. 8, for example.

【0050】このようにして表示されるCRT表示画面例を図9に示す。 [0050] A CRT display screen example displayed this way in FIG. 図9において、符号70は系統図切り替え用およびトレンドグラフのページ切り替え用の対話要求機能を有するエリアである。 9, reference numeral 70 is an area having a conversation request function for paging a system diagram switching and trend graph.

【0051】以上の説明からも明らかなように、本実施例によれば、推論エンジン23が各事象について成立度を診断し、その結果に基づいて、経路判定・関連データ選定手段27が事象発生経路を検索し、事象発生経路の末端事象である異常の原因、原因に対応する操作ガイドを求めるとともに、事象発生経路に対応した関連プロセスデータを選定して表示装置33に表示されるので、運転員に監視すべきデータが自動的に提供され、真に必要なポイントを探し出す労力が軽減される。 [0051] As is clear from the above description, according to this embodiment, the inference engine 23 to diagnose the establishment of each event, based on the result, the route determination and related data selecting means 27 is event occurrence Find the path, terminal events in which abnormal cause of event generation path portions to determine the corresponding operation guide of the cause, because it is displayed on the display device 33 to select the relevant process data corresponding to the event occurrence route, operated data to be monitored are provided automatically to personnel, labor is reduced to find a truly necessary points.

【0052】図10は、本発明の第2の実施例のプラント運転支援装置101を示すもので、プラント13からプロセスデータを入力するプロセスデータ入力手段15 [0052] Figure 10 shows a plant operation supporting apparatus 101 of the second embodiment of the present invention, the process data input unit 15 for inputting the process data from the plant 13
と、入力されたプロセスデータを保存するプロセスデータベース17と、プロセスデータベース17からプラント異常の予測に必要なプロセスデータを収集する異常予測用データ収集手段103と、収集された異常予測用データを履歴保存する異常予測用履歴データベース105 When a process database 17 to store the input process data, history saving an abnormal calculation data collection unit 103 for collecting process data required for the prediction of the plant abnormality process database 17, the collected abnormality calculation data abnormal prediction for history database 105
と、プロセスデータベース17から異常診断に必要なプロセスデータをシミュレーション用に収集するシミュレーション用データ収集手段107と、収集されたシミュレーション用データを履歴保存するシミュレーション用履歴データベース109と、異常傾向にあるか否かを判断するための警報制限値等の判断基準値を予め保存する異常傾向判断データベース111と、異常予測用履歴データベース105および異常傾向判断データベース11 If either the simulation data collection means 107 for collecting process data required for abnormality diagnosis process database 17 for simulation, the collected simulation data and simulation history database 109 history storage, in an abnormal tendency not abnormal tendency determination database 111 that previously stored the criterion value such as alarm limits for determining whether the abnormality prediction history database 105 and the abnormality tendency determination database 11
1を参照して異常傾向にあるか否かを判断する異常予測手段113と、異常予測手段113によって予測された異常に関与する履歴データをシミュレーション用履歴データベース109から抽出する履歴データ抽出手段11 An abnormality prediction means 113 for determining whether an abnormal tendency with reference to 1, history data extraction means 11 for extracting history data involved in predicted by the abnormality prediction unit 113 abnormality simulation history database 109
5と、抽出された履歴データを保存する抽出履歴データベース117と、抽出履歴データベース117を参照して異常発生が予測される時点のプロセスデータの予測値を算出するシミュレーション手段119と、算出されたプロセスデータの予測値を保存し、推論エンジン23を起動する予測データベース121と、異常原因を探索するための診断知識を保存する知識ベース21と、異常発生または異常発生予測により知識ベース21およびプロセスデータベース17または予測データベース121を参照してその異常について診断を行う推論エンジン23 5, the extraction history database 117 for storing the extracted history data, and simulation means 119 referring to abnormal extraction history database 117 to calculate the predicted value of the process data at the time to be predicted, the calculated process Save the predicted value of the data, the prediction database 121 to start the inference engine 23, the knowledge base 21 for storing the diagnostic knowledge to explore the cause of the abnormality, abnormality or abnormal predicted by knowledge base 21 and the process database 17 or reference to the prediction database 121 inference engine 23 to perform diagnosis for the abnormality
と、推論エンジン23から出力された診断データを保存する診断データファイル25と、各異常原因に対応したガイダンスメッセージが予め登録されているガイダンスデータベース29と、診断データファイル25およびガイダンスデータベース29を参照して表示装置33へ診断結果およびガイダンスメッセージを表示する表示制御手段35′によって構成されている。 When a diagnostic data file 25 for storing the diagnostic data output from the inference engine 23, a guidance database 29 to the guidance message corresponding to the abnormality cause are registered in advance, refer to the diagnostic data file 25 and guidance database 29 It is constituted by the diagnosis result and the display control unit 35 to display the guidance message "to the display device 33 Te.

【0053】次に、上記構成のプラント運転支援装置の作用を説明する。 Next, the operation of the plant operation supporting apparatus having the above structure.

【0054】異常予測用データ収集手段103は、図1 [0054] abnormal prediction for data collection means 103, as shown in FIG. 1
1に示すように、プロセスデータベース17を参照してプラント13から入力されたn個のプロセスデータの中からプラント異常の予測に必要なi個のポイントのプロセスデータを異常予測用データAとして一定周期T 1で収集する。 As shown in 1, constant cycle i number of points of the process data required for prediction of a plant anomaly among the n pieces of process data that is input by referring to the process database 17 from the plant 13 as an abnormality calculation data A collect T 1.

【0055】異常予測用データ収集手段103によって収集された異常予測用データAは、異常予測用履歴データベース105に一定時間Δt 1保存される。 [0055] Failure Failure calculation data A collected by the calculation data collection unit 103 is a predetermined time Delta] t 1 stored in the abnormality prediction history database 105. すなわち、異常予測用履歴データベース105には、各ポイントの異常予測用データAごとに一定時間Δt 1前から現時点tまでの(Δt 1 /T 1 )個の履歴データが保存され、その履歴データは一定周期T 1で更新される。 That is, the abnormality prediction history database 105, (Δt 1 / T 1 ) pieces of historical data from a certain time Delta] t 1 before each abnormality calculation data A of each point to the present time t is stored, the history data It is updated at a fixed period T 1. 異常予測用履歴データベース105内のデータ構成例を図1 Figure a data configuration example of the abnormality in the prediction history database 105 1
2に示す。 2 shows.

【0056】また、シミュレーション用データ収集手段107は、図13に示すように、プロセスデータベース17を参照してプラント13から入力されたn個のプロセスデータの中から異常診断に必要なj個のポイントのプロセスデータをシミュレーション用データBとして一定周期T 2で収集する。 [0056] Moreover, simulation data collection means 107, as shown in FIG. 13, j-number points needed to abnormality diagnosis from among the n pieces of process data input process database 17 from the plant 13 with reference the process data as the simulation data B collected at a predetermined period T 2.

【0057】シミュレーション用データ収集手段107 [0057] simulation for data collection means 107
によって収集されたシミュレーション用データBは、シミュレーション用履歴データベース109に一定時間Δ Simulation data B collected by a certain time simulation history database 109 delta
2保存される。 t 2 is stored. すなわち、シミュレーション用履歴データベース109には、図14に示すように、各ポイントのシミュレーション用データBごとに一定時間Δt 2 That is, the simulation history database 109, as shown in FIG. 14, a predetermined time for each simulation data B for each point Delta] t 2
前から現時点tまでの(Δt 2 /T 2 )個の履歴データが保存され、一定周期T 2で更新される。 To date t (Δt 2 / T 2) pieces of historical data stored from the previous and updated at a fixed period T 2.

【0058】異常予測手段113は、運転員による任意の予測診断要求により、異常予測用履歴データベース1 [0058] abnormality predicting means 113, by any predictive diagnosis request by the operator, the abnormality prediction history database 1
05を参照して、たとえば1次回帰分析を用いて予測関数を生成し、プラント状態が現時点tから時間Δt 3後のt+Δt 3に異常状態、たとえば警報を発生する傾向にあるかどうかを求める。 05 See, for example, to generate a prediction function using a linear regression analysis, the abnormal condition t + Delta] t 3 after time Delta] t 3 plant state from the present time t, a determination of whether example tends to generate an alarm. なお、異常予測手段113の起動は、運転員による予測診断要求以外にも、異常傾向検出機能を設けて異常傾向があらわれたとき自動的に起動されるようにしてもよい。 Note that activation of the abnormality prediction unit 113, in addition to predicting diagnosis request by the operator, it may be automatically activated when appeared abnormal trend by providing an abnormal tendency detection.

【0059】ここで生成される予測関数f(x)は、 f(x)=a+bx で表される。 [0059] prediction function f generated here (x) is represented by f (x) = a + bx. この式中のxに予測した時間t+Δt 3を当てはめると、その時の予測値が f(t+Δt 3 )=a+b(t +Δt 3 ) となる。 Applying time t + Delta] t 3 predicted to x in this formula, the predicted value at that time is f (t + Δt 3) = a + b (t + Δt 3). なお、a、bは1次回帰分析で求められる常数である。 Incidentally, a, b is a constant which is determined by linear regression analysis.

【0060】このようにして求められた予測値が警報傾向にあるかどうかは、異常傾向判断データベース111 [0060] Whether the predicted values ​​obtained in this manner is in the alarm trends, abnormal tendency determination database 111
に異常予測用データに対応してあらかじめ設定されている異常傾向判断値との比較により判断される。 In response to abnormal calculation data it is determined by comparing the abnormal tendency determination value set in advance to. 異常傾向判断データベース111の構成は、図15に示す通りである。 Configuration of the abnormal tendency determination database 111 is shown in FIG. 15.

【0061】異常予測手段113は、プラント13が異常、たとえば警報発生傾向にあると判断した場合は、履歴データ抽出手段115を起動する。 [0061] abnormality predicting means 113, when the plant 13 is abnormal, for example, was determined to be in alarm trends, to start the historical data extracting means 115. 異常予測手段11 Abnormal prediction means 11
3の上記処理フローを図16に示す。 3 of the process flow shown in FIG. 16.

【0062】履歴データ抽出手段115は、異常予測手段113の判断結果に基づいて、その警報に関するシミュレーション用データのみをシミュレーション用履歴データベース109から取り込み、抽出履歴データベース117に保存する。 [0062] The history data extraction unit 115, based on the determination result of the abnormality prediction means 113 captures only simulation data relating to the alert from the simulation history database 109 stores the extracted history database 117.

【0063】シミュレーション手段119は、抽出履歴データベース117を参照しながら、たとえば1次回帰分析を用いてプロセスデータの予測関数を生成し、現時点tから時間Δt 4後のt+Δt 4にどのようなプロセスデータ予測値となるかを求める。 [0063] simulation means 119, with reference to the extracted history database 117, for example, linear regression analysis was used to generate a prediction function of the process data, what process data in time Delta] t after 4 t + Delta] t 4 from the present t ask whether the predicted value. 求められる予測関数g(x)は以下の形になる。 Prediction determined function g (x) is equal to or less than the form. 予測関数g(x)=c+dx (式中、c、dは1次回帰分析で求められる常数) この式のxに求めたい時間t+Δt 4を当てはめると、 Prediction function g (x) = c + dx ( wherein, c, constant d are obtained by linear regression analysis) Applying want time t + Delta] t 4 that required for x in this formula,
プロセスデータ予測値は g(t+Δt 4 )=c+d(t+Δt 4 ) となる。 Process data prediction value is g (t + Δt 4) = c + d (t + Δt 4).

【0064】求められたプロセスデータ予測値は、予測データベース121へ保存される。 [0064] Process data prediction value determined is stored into the prediction database 121. 予測データベース1 Prediction database 1
21の構成は、図17に示す通りである。 Construction of 21 is as shown in FIG. 17.

【0065】推論エンジン23は、予測データベース1 [0065] inference engine 23, prediction database 1
21から警報傾向発生の通知を受けると、診断知識を保存する知識ベース21とプロセスデータの予測値を保存する予測データベース121を参照しながら診断を行い、診断結果を出力する。 When notified of the alarm trends generated from 21, to diagnose with reference to the prediction database 121 to store the prediction value of the knowledge base 21 and processes the data to store the diagnostic knowledge, and outputs the diagnosis result. この診断結果は診断データファイル25に保存される。 The diagnostic results are stored in the diagnostic data file 25. なお、推論エンジン23は、 In addition, the inference engine 23,
プラント13に実際に警報が発生したときも、従来どうり起動され、知識ベース21とプロセスデータベース1 Even when actually alerts the plant 13 is generated, is conventionally sense activation, knowledge base 21 and the process database 1
7に基づいて異常診断を行う。 The abnormality diagnosis based on the 7.

【0066】表示制御手段35′は、診断データファイル25を参照して、その診断結果に対応するガイダンスメッセージをガイダンスデータベース29から検索し、 [0066] The display control unit 35 'refers to the diagnostic data file 25, retrieves the guidance message corresponding to the result of the diagnosis from the guidance database 29,
表示装置33に診断結果ともにそのガイダンスメッセージを表示する。 Both diagnostic results on the display device 33 displays the guidance message.

【0067】次に、火力発電プラントの1警報である「真空低」を例に挙げて本実施例の作用を図18、図1 Next, FIG operation of the present embodiment by taking a 1 alarm thermal power plant a "vacuum low" in Example 18, FIG. 1
9、図20を用いてより具体的に説明する。 9 will be described more specifically with reference to FIG. 20.

【0068】図18は、警報「真空低」Aの原因を診断するための因果関係ツリーを表したものである。 [0068] FIG. 18 is a representation of a causal relationship tree for diagnosing the cause of the alarm "vacuum low" A.

【0069】また、「真空低」Aの傾向予測に必要なプロセスデータを「復水器の真空度」とすると、このデータは、プロセスデータベース17から異常予測データ収集手段103によって、異常予測用履歴データベース1 [0069] Further, when the "vacuum low" process data required for trend prediction of A to "vacuum condenser", this data is by abnormal prediction data collecting unit 103 from the process database 17, the abnormality prediction history database 1
05に一定周期で取り込まれる。 It is taken at a constant period to 05. たとえば、この時の周期を1分周期とし、5分前までのデータを取り込んだ場合には、異常予測用履歴データベース105は図19に示すようなデータ構成になる。 For example, the period of time this was a 1 minute period, when captured data of up to 5 minutes before the abnormality prediction history database 105 is a data structure shown in FIG. 19.

【0070】運転員が任意に予測診断要求を行った時点で、異常予測手段113はこの図19の異常予測用データ履歴データベース105を用いて1次回帰分析を行う。 [0070] When the operator has performed an arbitrary predicted diagnosis request, the abnormality prediction unit 113 performs the linear regression analysis using the abnormal calculation data history database 105 in FIG. 19. その結果、予測関数f(x)は以下のようになる。 As a result, the prediction function f (x) is as follows. 予測関数f(x)= 688− 6.7x このとき、たとえば10分後の予測値f(10)は、 f(10)= 688− 6.7*10 = 621 となる。 Prediction function f (x) = 688- 6.7x this time, for example after 10 minutes predicted value f (10) becomes f (10) = 688- 6.7 * 10 = 621.

【0071】この予測値を異常傾向判断データベース1 [0071] The predicted value abnormal tendency judgment database 1
11に格納されている「復水器の真空度」の警報傾向判断値と比較することにより、警報が発生する傾向にあるかどうかが判断される。 By comparing with the alarm trends determined value of the "vacuum condenser" stored in the 11, whether there is a tendency that an alarm is generated or not. 警報傾向判断値を 630とし、 6 The alarm trend judgment value is set to 630, 6
30≧f(10)のときに警報傾向であると判断するとすると、この場合は 630> 621であるため、警報が発生する傾向にあると判断される。 When it is determined that the alarm trend at 30 ≧ f (10), since in this case 630> is 621, it is determined that there is a tendency that an alarm is generated.

【0072】異常予測手段113により警報「真空低」 [0072] warning by the abnormality prediction means 113 "vacuum low"
Aが発生傾向にあると判断されると、履歴データ抽出手段115によりシミュレーション用履歴データベース1 When A is determined to be in generating trend simulation history database 1 by the history data extraction unit 115
09から「真空低」Aの予測診断に必要なプロセスデータ、たとえば「復水器入口冷却水流量」、「タービングランド蒸気圧力」が抽出され、図20に示すように、抽出履歴データベース117へ保存される。 "Vacuum Low" A process data required for prognosticating from 09, for example, "condenser inlet cooling water flow rate", "turbine gland steam pressure" is extracted, as shown in FIG. 20, save the extracted history database 117 It is.

【0073】シミュレーション手段119は、抽出履歴データベース117に保存されている履歴データを用いて1次回帰分析を行い、10分後のデータを予測する。 [0073] simulation means 119 performs a linear regression analysis using the history data stored in the extracted history database 117, to predict the data after 10 minutes. その結果、変動のあるプロセスデータ「タービングランド蒸気圧力」の予測関数g(x)は以下のようになる。 As a result, the prediction function g Process Data "turbine gland steam pressure" with a variation (x) is as follows.

【0074】予測関数g(x)= 0.207− 0.016x このとき、10分後の予測値g(10)は、 g(10)= 0.207− 0.016*10 = 0.047 となる。 [0074] prediction function g (x) = 0.207- 0.016x this time, 10 minutes after the predicted value g (10) is a g (10) = 0.207- 0.016 * 10 = 0.047.

【0075】この予測値は予測データベース121に保存され、推論エンジン23は、この予測データを使って予測診断を行う。 [0075] The predicted values ​​are stored in the prediction database 121, the inference engine 23 performs predictive diagnostics with this prediction data. 警報「真空低」Aの例では、「タービングランド蒸気圧力」が10分後には正常である圧力より低くなり、「タービングランド蒸気圧力低下」Hが原因で警報「真空低」Aが発生すると予測される。 Alarm In the example of "vacuum low" A, "the turbine gland steam pressure" is lower than the pressure is normal after 10 minutes, 'the turbine gland steam pressure drop "H is predicted alarm" vacuum low "A is caused by It is.

【0076】以上の説明からも明らかなように、この実施例によれば、異常予測手段113および履歴データ抽出手段115により、ミュレーション用履歴データベース109から警報が発生する傾向にある事象に関するものだけを抽出履歴データベース117に取り込むことにより、シミュレーションの高速化が図れる。 [0076] As apparent from the above description, according to this embodiment, the abnormality prediction means 113 and the history data extraction unit 115, only relates to events from simulation for history database 109 tends to alarm occurs the by incorporating the extracted history database 117, speed of the simulation can be achieved.

【0077】また、このシミュレーションによるプロセスデータ予測値を参照してプラントの診断を行うことにより、プラントに警報が発生する前に操作ガイダンスを表示することができ、運転員は事前に適切な対応処置をとることができる。 [0077] Further, by performing the diagnosis of the plant with reference to the process data prediction value according to the simulation, it is possible to display the operation guidance before warning the plant occurs, the operator will advance appropriate corrective action it is possible to take.

【0078】 [0078]

【発明の効果】上記したように、本発明によれば、推論エンジンによる診断結果に基づいて、経路判定・関連データ選定手段が事象発生経路を検索し、事象発生経路の末端事象である異常の原因および原因に対応する操作ガイドを求めるとともに、事象発生経路に対応した関連プロセスデータを選定することにより、診断状況に応じて適切な操作ガイドダンスおよび監視すべき関連データを運転員に自動的に提示することができる。 As described above, according to the present invention, according to the present invention, based on the diagnosis result by the inference engine, the route determination and associated data selecting means searches the event occurrence pathway abnormality is a terminal event initiating event path causes and with obtaining the corresponding operation guide to cause, by selecting the relevant process data corresponding to the event occurrence path, automatically related data to be proper operation guide dance and monitoring in accordance with the diagnostic status to the operator it can be presented.

【0079】また、本発明によれば、異常予測手段によりプラントの警報発生前に警報の発生を予測し、シミュレーション手段により発生傾向にある警報に対してのみプラントデータの予測値を求め、この予測データに基づいてプラントの予測異常診断を行うことにより、プラントの運転員に対して警報発生する前に操作ガイダンスを表示することができるため、今後発生する可能性のある警報に対して事前に対応することができる。 Further, according to the present invention, the abnormality by the prediction means predicts the occurrence of an alarm before the alarm generation plant, obtains a predicted value of the plant data only for the alarm on the occurrence tendency by simulation means, this prediction by performing prediction abnormality diagnosis of the plant based on the data, it is possible to display the operation guidance before alarm against operator of the plant, it corresponds to advance relative to the alarm that may occur future can do.

【図面の簡単な説明】 BRIEF DESCRIPTION OF THE DRAWINGS

【図1】本発明の第1の実施例のプラント運転支援装置を示すブロック図である。 1 is a block diagram illustrating a plant operation supporting device of the first embodiment of the present invention.

【図2】因果関係ツリーの一例を示す図である。 2 is a diagram showing an example of the causal relation tree.

【図3】知識ベースに格納される事象データの構成を例示する図である。 3 is a diagram illustrating the configuration of event data stored in the knowledge base.

【図4】推論エンジンの動作を説明するフローチャートである。 4 is a flowchart for explaining the operation of the inference engine.

【図5】経路判定・関連データ選定手段の経路判定動作を説明するフローチャートである。 5 is a flowchart for explaining the path determination operation of the route determination and related data selecting means.

【図6】ガイダンスデータベースの構成を例示する図である。 6 is a diagram illustrating the configuration of a guidance database.

【図7】履歴データベースの構成を例示する図である。 7 is a diagram illustrating the configuration of a history database.

【図8】系統図データベースの構成を例示する図である。 8 is a diagram illustrating the configuration of a system diagram database.

【図9】CRT表示画面を例示する図である。 9 is a diagram illustrating a CRT display screen.

【図10】本発明の第2の実施例のプラント運転支援装置を示すブロック図である。 10 is a block diagram illustrating a plant operation supporting device of the second embodiment of the present invention.

【図11】異常予測用データ収集手段によるプロセスデータベースから異常予測用データの抽出例を示す図である。 11 is a diagram showing an example of extraction of abnormal calculation data from a process database by abnormal calculation data collection means.

【図12】異常予測用履歴データベースの構成を例示する図である。 12 is a diagram illustrating the configuration of an abnormality prediction history database.

【図13】シミュレーション用データ収集手段によるプロセスデータベースからシミュレーション用データの抽出例を示す図である。 13 is a diagram showing an example of extraction of simulation data from a process database simulated data acquisition means.

【図14】シミュレーション用履歴データベースの構成を例示する図である。 14 is a diagram illustrating the configuration of a history database for simulation.

【図15】異常傾向判断データベースの構成を例示する図である。 15 is a diagram illustrating the configuration of an abnormality tendency determination database.

【図16】異常予測手段の動作を説明するフローチャートである。 16 is a flowchart for explaining the operation of the abnormality prediction means.

【図17】予測データベースの構成を例示する図である。 17 is a diagram illustrating the configuration of a prediction database.

【図18】「真空低」の原因を診断するための因果関係ツリーを例示する図である。 18 is a diagram illustrating the causal relationship tree for diagnosing the cause of the "vacuum low".

【図19】「真空低」の傾向予測に必要なプロセスデータを保存した異常予測用履歴データベースの一例を示す図である。 19 is a diagram showing an example of an abnormality prediction history database that saves the process data required for trend prediction of "vacuum low".

【図20】「真空低」の警報に関する抽出履歴データベースの一例を示す図である。 20 is a diagram showing an example of extracting the history database of alarm "vacuum low".

【符号の説明】 DESCRIPTION OF SYMBOLS

13………プラント 15………プロセスデータ入力手段 17………プロセスデータベース 19………履歴データベース 21………知識ベース 23………推論エンジン 25………診断データファイル 27………経路判定・関連データ選定手段 29………ガイダンスデータベース 31………系統図データベース 33………表示装置 35、35′………表示制御手段 103………異常予測用データ収集手段 105………異常予測用履歴データベース 107………シミュレーション用データ収集手段 109………シミュレーション用履歴データベース 111………異常傾向判断データベース 113………異常予測手段 115………履歴データ抽出手段 117………抽出履歴データベース 119………シミュレーション手段 121……… 13 ......... plant 15 ......... process data input unit 17 ......... process database 19 ......... history database 21 ......... knowledge base 23 ......... inference engine 25 ......... diagnostic data file 27 ......... path determination - related data selecting means 29 ......... guidance database 31 ......... system diagram database 33 ......... display device 35, 35 '......... display control unit 103 ......... abnormality calculation data acquisition unit 105 ......... abnormality prediction use history database 107 ......... simulation data collection unit 109 ......... simulation history database 111 ......... abnormal tendency determination database 113 ......... abnormality predicting unit 115 ......... history data extraction unit 117 ......... extracted history database 119 ......... simulation means 121 ......... 測データベース Measurement database

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl. 5識別記号 庁内整理番号 FI 技術表示箇所 G06F 15/20 8724−5L ────────────────────────────────────────────────── ─── front page continued (51) Int.Cl. 5 in identification symbol Agency Docket No. FI art display portion G06F 15/20 8724-5L

Claims (4)

    【特許請求の範囲】 [The claims]
  1. 【請求項1】 プラントで発生した異常を診断してその原因を探索するプラント運転支援装置において、 異常原因を探索するために、プラントで発生する事象間の因果関係を示す因果関係ツリー情報および各前記事象について発生か否かを判断するための情報を含む診断知識を保存するとともに、前記事象ごとに関連データを指定する関連データIDが設定されている知識ベースと、 プラントからプロセスデータを入力するプロセスデータ入力手段と、 このプロセスデータ入力手段によって入力されたプロセスデータを更新保存するプロセスデータベースと、 このプロセスデータベース内のプロセスデータと前記知識ベース内の診断知識に基づいて、診断対象の前記異常と因果関係にある各事象について、発生か否かを推論する推論エンジ 1. A plant operation supporting device for searching the cause to diagnose abnormality occurring in the plant, in order to explore the cause of the abnormality, the causal relation tree information and each indicating the causal relationship between events that occur in the plant as well as save the diagnostic knowledge including information for determining whether generated for the event, and knowledge base related data ID for specifying the related data for each of the event is set, the process data from the plant and process data input means for inputting a process database for updating store process data input by the process data input unit, based on the diagnostic knowledge of the process data within the knowledge base in the process database, the diagnostic object for each event in the anomaly and causality inference engine that infers whether generated or not と、 この推論エンジンによる推論結果および前記知識ベースに保存されている因果関係ツリー情報により、前記異常に至る事象発生経路を求め、この経路上の事象についてそれぞれ設定されている関連データIDを前記知識ベースから取り出し表示優先順に選定する経路判定・関連データ選定手段と、 前記事象ごとに対応する操作ガイダンスを記したガイダンスメッセージを保存するガイダンスデータベースと、 前記関連データIDごとに対応する関連データを保存する関連データベースと、 前記経路判定・関連データ選定手段から判定された事象発生経路および選定された関連データIDを受け取り、 When, by the causal relation tree information stored inference result and the knowledge base according to the inference engine, the determined events occur path to abnormal, the knowledge related data ID set respectively for events on this path saving and path determination-related data selecting means for selecting the display priority order is taken out from the base, and guidance database that stores guidance message that describes the operation guidance corresponding to each of the event, the relevant data corresponding to each of the relevant data ID and related database that receives the determined event occurrence route and selected the relevant data ID from the route determination and related data selecting means,
    前記事象発生経路の末端事象を原因として、この原因に対応するガイダンスメッセージを前記ガイダンスデータベースから取り出すとともに、前記関連データIDに対応する関連データを前記関連データベースから取り出し、異常原因、その原因に対応する操作ガイダンスおよび関連データを表示装置に表示する表示制御手段とを具備することを特徴とするプラント運転支援装置。 Causes the terminal events of the event generation path, takes out a guidance message corresponding to the cause from the guidance database, retrieve the relevant data corresponding to the relevant data ID from the relational database, the abnormality cause, corresponding to the cause plant operation supporting apparatus characterized by comprising a display control means for displaying on a display device an operation guidance and associated data.
  2. 【請求項2】 請求項1記載のプラント運転支援装置において、 前記関連データが系統図情報およびトレンドグラフ情報の少なくとも1つであり、 前記関連データベースとして、 系統図IDごとに対応する系統図情報を保存する系統図データベースと、 トレンドグラフIDごとに対応するポイントのプロセスデータを前記プロセスデータ入力手段を介して周期的に収集し履歴保存する履歴データベースの少なくとも1つを具備し、 前記表示制御手段は、トレンドグラフIDを受け取ったとき前記履歴データベースから対応するポイントの履歴データを周期的に読み込みトレンドグラフとして前記表示装置に更新表示し、系統図IDを受け取ったとき前記系統図データベースから対応する系統図情報を取り出し前記表示装置に表示するととも 2. A plant operation supporting apparatus according to claim 1, wherein the related data is at least one of system diagram information and the trend graph information, as the relational database, the system diagram information corresponding to each system diagram ID a system diagram database that stores, comprising at least one historical database to store collected process data points corresponding to each trend graph ID the process data input unit periodically through history, the display control unit the history data of the corresponding points from the history database when it receives a trend graph ID periodically the display updated and displayed on a read trend graph, the corresponding system diagram from the system diagram database when it receives a system diagram ID together when displayed on the display device retrieves the information 、該系統図に対応するポイントのプロセスデータを前記プロセスデータベースから周期的に読み込み、前記表示装置の系統図画面に更新表示することを特徴とするプラント運転支援装置。 Periodically reads process data points corresponding to the flow diagram from the process database, the display plant operation supporting device and updates the display on the system diagram screen of the device.
  3. 【請求項3】 請求項2記載のプラント運転支援装置において、前記表示制御手段は、表示すべき系統図情報が複数のとき、対話要求にて表示切り替え可能に処理して前記表示装置に表示し、トレンドグラフとして表示すべきポイントが複数のとき、ポイント別に色を変えて表示するとともに、前記ポイント数が可能表示色数を越えたときは、可能表示色数にて区切りページ扱いにして対話要求にて表示切り替え可能に処理して前記表示装置に表示することを特徴とするプラント運転支援装置。 3. A plant operation supporting apparatus according to claim 2, wherein said display control means, when system diagram information to be displayed is plural, displayed on the display device the display can be switched treated to at dialog request when the point to be displayed as a trend graph of a plurality, and displays a different color for each point, when the number of points exceeds the possible number of display colors, interactive requests in the separator page handling at displayable color number plant operation supporting device and displaying on the display device by processing to be display switching at.
  4. 【請求項4】 プラントの異常の発生を予測し、予測した異常に対する診断を行うプラント運転支援装置であって、 プラントからプロセスデータを入力するプロセスデータ入力手段と、 このプロセスデータ入力手段によって入力されたプロセスデータを更新保存するプロセスデータベースと、 このプロセスデータベースから異常の予測に必要なプロセスデータを収集する異常予測用データ収集手段と、 この異常予測用データ収集手段によって収集されたプロセスデータを異常予測用データとして履歴保存する異常予測用履歴データベースと、 前記プロセスデータベースから異常診断に必要なプロセスデータをシミュレーション用に収集するシミュレーション用データ収集手段と、 このシミュレーション用データ収集手段によって収集された 4. predicting the occurrence of a plant upset, a plant operation supporting apparatus for performing diagnosis for abnormalities predicted, and process data input unit for inputting process data from the plant, is input by the process data input means and process database for updating store process data, and abnormal calculation data collecting means for collecting process data required for the prediction of abnormality from the process database, the process data collected by the abnormality calculation data collecting means abnormality prediction and abnormal prediction history database for historical stored as use data, and simulation data collection means for collecting process data required for abnormality diagnosis from the process database for simulation, collected by the simulation data collection means プロセスデータをシミュレーション用データとして履歴保存するシミュレーション用履歴データベースと、 異常傾向にあるか否かを判断するための異常判断基準値を予め保存する異常傾向判断データベースと、 前記異常予測用履歴データベースおよび異常傾向判断データベースを参照して異常傾向にあるか否かを判断する異常予測手段と、 この異常予測手段によって予測された異常に関与する履歴データを前記シミュレーション用履歴データベースから抽出する履歴データ抽出手段と、 この履歴データ抽出手段によって抽出された履歴データを保存する抽出履歴データベースと、 この抽出履歴データベースを参照して異常発生が予測される時点のプロセスデータの予測値を算出するシミュレーション手段と、 このシミュレーション手段に A simulation history database for historical store process data as the simulation data, the abnormality tendency determination database for previously store abnormality determination reference value for determining whether an abnormal trend, the abnormality prediction history database and abnormal an abnormality predicting means with reference to the trend determination database to determine whether there are any abnormal trends, and historical data extracting means for extracting the history data involved abnormal predicted by the abnormality prediction means from the historical database for the simulation an extraction history database that stores history data extracted by the history data extraction unit, and simulation means for abnormality by referring to the extraction history database to calculate the predicted value of the process data at the time to be predicted, the simulation the means って算出されたプロセスデータの予測値を保存する予測データベースと、 異常原因を探索するための診断知識を保存する知識ベースと、 前記予測データベースおよび知識ベースを参照して前記予測された異常に対する原因を推論する推論エンジンと、 各原因に対応する操作ガイダンスを記したガイダンスメッセージを保存するガイダンスデータベースと、 この推論エンジンによって推論された結果に基づいて対応するガイダンスメッセージを前記ガイダンスデータベースから取り出し、推論された結果とともに表示装置に表示する表示制御手段とを具備することを特徴とするプラント運転支援装置。 A prediction database that stores a predicted value of the process data calculated I, and knowledge base for storing the diagnostic knowledge to explore the cause of the abnormality, the cause for the predicted abnormal by referring to the prediction database and knowledge base an inference engine for inferring, and guidance database that stores guidance message that describes the operation guidance corresponding to each cause, taken out guidance message corresponding based on the results inferred by the inference engine from the guidance database, be inferred plant operation supporting apparatus characterized by comprising a display control means for displaying on the display device together with the result.
JP10085893A 1993-04-27 1993-04-27 Plant operation support device Pending JPH06309584A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP10085893A JPH06309584A (en) 1993-04-27 1993-04-27 Plant operation support device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP10085893A JPH06309584A (en) 1993-04-27 1993-04-27 Plant operation support device

Publications (1)

Publication Number Publication Date
JPH06309584A true true JPH06309584A (en) 1994-11-04

Family

ID=14285016

Family Applications (1)

Application Number Title Priority Date Filing Date
JP10085893A Pending JPH06309584A (en) 1993-04-27 1993-04-27 Plant operation support device

Country Status (1)

Country Link
JP (1) JPH06309584A (en)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001154726A (en) * 1999-09-17 2001-06-08 General Electric Co <Ge> Intelligent type analysis system and method for electric device filled with fluid
JP2007047878A (en) * 2005-08-05 2007-02-22 Toshiba Corp Information gathering system
JP2008004112A (en) * 2007-07-31 2008-01-10 Dainippon Screen Mfg Co Ltd Substrate processing system, substrate processor, program, and recording medium
JP2008244819A (en) * 2007-03-27 2008-10-09 Pioneer Electronic Corp Signal processor
WO2009150950A1 (en) * 2008-06-12 2009-12-17 株式会社日立製作所 Plant monitoring control device and event analysis support method
US8219548B2 (en) 2006-11-27 2012-07-10 Hitachi, Ltd. Data processing method and data analysis apparatus
JP2012180831A (en) * 2011-03-02 2012-09-20 General Electric Co <Ge> Method and system for analysis of turbomachinery
JP2014059597A (en) * 2012-09-14 2014-04-03 Mitsubishi Chemicals Corp Drawing program, drawing method and drawing device
JP2016106302A (en) * 2011-05-05 2016-06-16 イージスアナリティカルコーポレーション System for designating, displaying and selecting types of process parameters and product outcome parameters

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001154726A (en) * 1999-09-17 2001-06-08 General Electric Co <Ge> Intelligent type analysis system and method for electric device filled with fluid
JP2007047878A (en) * 2005-08-05 2007-02-22 Toshiba Corp Information gathering system
US8219548B2 (en) 2006-11-27 2012-07-10 Hitachi, Ltd. Data processing method and data analysis apparatus
JP2008244819A (en) * 2007-03-27 2008-10-09 Pioneer Electronic Corp Signal processor
JP2008004112A (en) * 2007-07-31 2008-01-10 Dainippon Screen Mfg Co Ltd Substrate processing system, substrate processor, program, and recording medium
JP4642817B2 (en) * 2007-07-31 2011-03-02 大日本スクリーン製造株式会社 A substrate processing system, the substrate processing apparatus, program and recording medium
WO2009150950A1 (en) * 2008-06-12 2009-12-17 株式会社日立製作所 Plant monitoring control device and event analysis support method
JP2009301249A (en) * 2008-06-12 2009-12-24 Hitachi Ltd Plant monitoring and control system and event analysis support method
JP2012180831A (en) * 2011-03-02 2012-09-20 General Electric Co <Ge> Method and system for analysis of turbomachinery
CN106404403A (en) * 2011-03-02 2017-02-15 通用电气公司 Method and system for analysis of turbomachinery
JP2016106302A (en) * 2011-05-05 2016-06-16 イージスアナリティカルコーポレーション System for designating, displaying and selecting types of process parameters and product outcome parameters
JP2014059597A (en) * 2012-09-14 2014-04-03 Mitsubishi Chemicals Corp Drawing program, drawing method and drawing device

Similar Documents

Publication Publication Date Title
US6615367B1 (en) Method and apparatus for diagnosing difficult to diagnose faults in a complex system
US6748304B2 (en) Method and apparatus for improving fault isolation
US5327349A (en) Method and apparatus for analyzing and recording downtime of a manufacturing process
US5768614A (en) Monitored state display unit for monitoring state change of various events occurring on communication network
US5754451A (en) Preventative maintenance and diagonstic system
US5349674A (en) Automated enrollment of a computer system into a service network of computer systems
US4954964A (en) Apparatus and method for expert analysis of metal failure with automated visual aide
US20040199573A1 (en) System and method for remote diagnosis of distributed objects
US20080125877A1 (en) Process data collection system configuration for process plant diagnostics development
US20040158367A1 (en) Vehicle monitoring and reporting system and method
US20030005486A1 (en) Health monitoring display system for a complex plant
US7089154B2 (en) Automatic machinery fault diagnostic method and apparatus
US6981182B2 (en) Method and system for analyzing fault and quantized operational data for automated diagnostics of locomotives
US6543007B1 (en) Process and system for configuring repair codes for diagnostics of machine malfunctions
US7133804B2 (en) Maintenance request systems and methods
US5689416A (en) Computer system monitoring apparatus
US6947797B2 (en) Method and system for diagnosing machine malfunctions
US7225193B2 (en) Method and apparatus for retrieving event data related to an activity
US20040205398A1 (en) Complex system diagnostic service model selection method and apparatus
US6622264B1 (en) Process and system for analyzing fault log data from a machine so as to identify faults predictive of machine failures
US5089978A (en) Automatic plant state diagnosis system including a display selection system for selecting displays responsive to the diagnosis
US6295488B1 (en) Method and device for locating faults and malfunctions in a complex system
US6970804B2 (en) Automated self-learning diagnostic system
US5369756A (en) Fault tree displaying method and process diagnosis support system
JP2000259223A (en) Plant monitoring device