JPH07244523A - 定常状態検出装置 - Google Patents

Abstract

(57)【要約】 【目的】 現在の運転の立ち上がり状況に基づき、定常
状態に達したか否かをリアルタイムで自動的かつ確実に
検出可能な定常状態検出装置を提供する。 【構成】 計測装置１０によって計測された被検出装置
の運転指標の時系列的なデータを、データ記憶部２２に
記憶する。定常状態における運転指標のモデルを、モデ
ル記憶部３２に記憶する。バッチ平均計算部４１は、複
数のデータを適当な大きさのバッチに分割してバッチ平
均値を計算し、情報量基準値算定部４２は、バッチ平均
値が示すパターンとモデルのパターンとを比較して、情
報量基準値を算定する。データ選択部４３は、過渡状態
のデータを除去し、定常状態判定部４４は、残ったデー
タの数が元のデータの一定割合ａよりも多い場合に、被
検出装置が定常状態に達したものと判断する。判定結果
表示部５０によって判定結果を表示する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、プラントのプロセス制
御を行う場合などにおいて、プロセスが定常的な安定し
た運転の状態である定常状態に達したことを自動的に検
出するための定常状態検出装置に関する。

【０００２】

【従来の技術】工場やプラントなど（以下、被検出装置
と呼ぶ）の生産管理やプロセス制御において、生産工程
ないしはプロセスが定常的な安定した運転の状態である
定常状態に達したことを検出することは、定常状態でし
か行えない作業の指示を出したり、多重安全系のうち高
価なものを解除するなど監視努力を弱めたりする判断を
下すために重要である。定常状態に達したとする判断が
早すぎると、作業指示や安全装置の解除が早すぎること
になり、危険である。反面、定常状態に達したとする判
断があまりに遅すぎると、作業指示や安全装置の解除が
時期を失することになり、経済性に問題が出る。

【０００３】従来のプロセス制御において、定常状態を
検出するためには、運転監視盤を見て人間が判断するの
が一般的になっている。しかし、人間は判断を誤ること
もあるので、その判断を助ける情報を提供するため、定
常状態に達したことを自動的に検出する装置が求められ
ている。また、省力化の観点からもこのような定常状態
を自動的に検出する装置の開発が望まれている。

【０００４】

【発明が解決しようとする課題】運転が定常状態に達し
たことを自動的に判断する最も簡単な方法として従来か
ら知られている方法は、被検出装置が完全停止している
状態からその運転を開始する（コールドスタートと呼ば
れる）と同時にデータの収集を行うことにより、被検出
装置が定常状態に達するまでの十分な時間を確定する方
法である。この方法では、測定誤差や諸条件の違いによ
る誤差が出るため、実験を何度か繰り返す必要がある。
このようにコールドスタートを繰り返してデータを収集
する方法は実際に使用されてはいるものの、次のような
幾つかの問題を生じる。なお、ここでは、問題点を具体
的に示す観点から、被検出装置の一例として反応窯の温
度を測定して定常状態に達したか否かを判断する場合に
ついて説明する。

【０００５】コールドスタートのためには反応窯を何
度か完全停止しなければならないが、大規模な反応窯の
場合、このような完全停止は容易ではなく、多くの時間
と費用を要する。特に、反応窯を完全停止する場合、そ
の冷却に数日を要することも稀ではなく、コールドスタ
ートを繰り返して統計的に意味のあるデータを収集する
には数か月を要する。

【０００６】収集したデータに基づいて一旦決めた基
準は、コールドスタートについて適用できても、反応窯
が部分停止した状態から運転を再開するウォームスター
トには適用できない。ウォームスタートの場合には、例
えば、反応窯は停止していても、原料の供給は他の窯が
続行しており、定常運転下と同様の安定した原料供給が
受けられる場合がある。そのような場合は、原料供給も
不安定な状況から運転を開始するコールドスタートの場
合よりもはるかに短時間で定常状態に収束するのが普通
である。したがって、このようなウォームスタートの場
合に、コールドスタートの場合のデータに基づいて決め
た基準によって定常状態に達したものと判断した場合に
は、作業指示や安全装置の解除の時期が遅れ、非常に不
経済になる。

【０００７】全面停止から運転を開始するコールドス
タートの場合についても、運転環境がデータを収集した
時とは異なるおそれがある。例えば、反応窯の温度が一
定になるまでの時間を測定したのが夏季であると、冬季
にはかなりの誤差が予想される。

【０００８】以上のような問題点は、例示した反応窯の
場合に限らず、コールドスタートからデータを収集する
定常状態の検出方法に共通のものである。そのため、現
状では、様々な条件が異なっていても被検出装置の運転
状態が定常状態に達したことを自動的に検出できるよう
な装置が求められている。しかし、被検出装置の運転状
態が定常状態に収束するには、図７〜図９に示すよう
に、被検出装置から得られるデータの挙動には、下降型
の収束（図７）、上昇型の収束（図８）、振動型の収束
（図９）などの各種のパターンがあり、しかも測定誤差
を伴って被検出装置から現実に得られる個々のデータ
は、このパターンから外れた値を取りつつ徐々に収束し
ていくものである。したがって、被検出装置に付属して
いる計測装置から得られる個々のデータの値から、運転
状態が定常状態に達したか否かを直接判定することは不
可能である。そのため、従来では、他に方法がないこと
から、やむを得ず前述のような実験を繰り返し、統計的
なデータを収集することによって定常状態に達するまで
の時間を算定する、という方法を採用している。したが
って、意味のあるデータを収集するために、数か月とい
う長時間を要している。

【０００９】本発明は、前記のような従来技術の問題点
を解決するために提案されたものであり、その目的は、
定常状態に達するまでの時間を過去の実験から一定値に
決めるのではなく、現在の運転の立ち上がり状況に基づ
き、定常状態に達したか否かをリアルタイムで自動的か
つ確実に検出可能な定常状態検出装置を提供することで
ある。

【００１０】より具体的に、請求項１の発明の目的は、
運転状態にある被検出装置から時系列的に得られるデー
タの挙動のパターンと、被検出装置が定常状態に達した
ときに同じデータがとるであろうと想定した挙動のモデ
ルパターンとを比較して、その情報量基準値を算定し、
さらに、この情報量基準値と設定値とを比較することに
より、被検出装置の運転状態が定常状態に入ったことを
確実に検出することである。

【００１１】請求項２の発明の目的は、時系列的に得ら
れた複数のデータを適当な大きさのバッチに分割し、各
バッチに属するデータの平均をとることにより、得られ
たデータの統計処理の正当性を確保して、定常状態の検
出をより精度良く行うことである。

【００１２】請求項３の発明の目的は、定常状態に達し
た被検出装置の運転状態のモデルを簡単な構造のモデル
とすることにより、被検出装置から得られた現実のデー
タのパターンとの比較をより簡単に実施し、検出効率を
向上することである。

【００１３】請求項４の発明の目的は、算定された情報
量基準値が最小になるデータよりも前のデータを、被検
出装置の運転状態が定常状態に達していないものとして
除去することにより、単に情報量基準値が設定値以下に
なったことのみを判定する場合に比較して、より確実に
定常状態の検出を行うことである。

【００１４】請求項５の発明の目的は、被検出装置から
得られたデータの総数に比較して、被検出装置の運転状
態が定常状態に達していないとして除去されたデータの
割合が多い場合には、残ったデータの数が少なくなり定
常状態検出の信頼性が損なわれるため、残ったデータの
数を、元のデータの総数の設定割合の数と比較して、よ
り信頼性の高い定常状態の検出を行うことである。

【００１５】

【課題を解決するための手段】前記の目的を達成するた
め、まず、請求項１の定常状態検出装置は、計測装置、
データ入力部、データ記憶部、モデル記憶部、情報量基
準値算定部、定常状態判定部、および判定結果表示部を
備えていることを特徴としている。このうち、計測装置
は、運転状態にある被検出装置に付属し、この被検出装
置の所定の運転指標のデータを時系列的に計測する。デ
ータ記憶部は、データ入力部から入力された時系列的な
運転指標のデータを記憶する。モデル記憶部は、被検出
装置が定常的な安定した運転の状態である定常状態に達
した場合に、データ入力部によって入力される運転指標
のデータが示すパターンを想定したモデルを運転指標の
モデルとして予め記憶する。情報量基準値算定部は、デ
ータ記憶部に記憶された被検出装置の時系列的な運転指
標のデータのパターンとモデル記憶部に記憶された運転
指標のモデルとを比較して、情報量基準値を算定する。
定常状態判定部は、情報量基準値算定部によって算定さ
れた情報量基準値が予め設定された設定値以下になった
場合に、被検出装置が定常状態に達したものと判定す
る。判定結果表示部は、定常状態判定部の判定結果を表
示する。

【００１６】請求項２の定常状態検出装置は、請求項１
の装置において、情報量基準値算定部が、データ記憶部
に記憶された被検出装置の時系列的な運転指標のデータ
を、同数のデータからなる複数のバッチに分割し、各バ
ッチに属するデータについてバッチ平均を計算するバッ
チ平均計算部を備えていることを特徴としている。

【００１７】請求項３の定常状態検出装置は、請求項１
または請求項２の装置において、モデル記憶部が、運転
指標のモデルとして、定数と確率的な誤差の和からな
り、誤差は平均０、分散σ² の正規分布に従うモデルを
記憶することを特徴としている。

【００１８】請求項４の定常状態検出装置は、請求項
１、請求項２、または請求項３の装置において、データ
選択部をさらに備えるとともに、定常状態判定部が次の
ように構成されることを特徴としている。すなわち、デ
ータ選択部は、データ記憶部に記憶された被検出装置の
時系列的な運転指標のデータのうち、情報基準値算定部
によって算定された情報量基準値が最小になるデータよ
りも前のデータを除去し、それ以降のデータを定常状態
のデータとして選択する。また、定常状態判定部は、デ
ータ選択部によって選択された定常状態のデータに基づ
いて、被検出装置が定常状態に達したものと判定するよ
うに構成される。

【００１９】請求項５の定常状態検出装置は、請求項４
の装置において、定常状態判定部が、次のように構成さ
れることを特徴としている。すなわち、定常状態判定部
が、前記データ記憶部に記憶された被検出装置の時系列
的な運転指標のデータの総数から、予め設定された設定
割合の数を求め、この数よりも前記データ選択部によっ
て選択された定常状態のデータの数が多い場合に、被検
出装置が定常状態に達したものと判定するように構成さ
れる。

【００２０】

【作用】前記のような構成を有する本発明によれば、次
のような作用が得られる。

【００２１】まず、請求項１の発明においては、運転状
態にある被検出装置に付属する計測装置によって、この
被検出装置の所定の運転指標のデータが時系列的に計測
される。この計測されたデータは、データ入力部に入力
され、データ記憶部に記憶される。一方、モデル記憶部
には、被検出装置が定常運転に達した場合に、運転指標
のデータが示すパターンを想定したモデルが、予め記憶
されている。この場合、被検出装置の運転状態が定常状
態に入ると、運転指標のデータが示すパターンはどのよ
うな形で収束するにしても単純な形に収束するので、モ
デルの想定を簡単に行うことができる。

【００２２】情報量基準値算定部では、データ記憶部に
記憶された被検出装置の時系列的な運転指標のデータが
示すパターンと、モデル記憶部に記憶された運転指標の
モデルとを比較して、情報量基準値が算定され、続く定
常状態判定部により、この情報量基準値に基づいて被検
出装置が定常状態に達したか否かが判定される。すなわ
ち、情報量基準値が小さいほどモデルがデータを良好に
説明しているので、情報量基準値算定部により被検出装
置の運転状態が定常状態に入ったことを示すモデルと、
現実の被検出装置の運転状態から得られたデータに基づ
いて情報量基準値を算定し、続く定常状態判定部におい
てこの情報量基準値を設定値と比較することにより、被
検出装置が定常状態に達したか否かを判定することがで
きる。そして、定常状態判定部は、情報量基準値が設定
値以下になった場合に、被検出装置が定常状態に達した
ものと判定する。この定常状態判定部の判定結果は、画
面表示その他の判定結果表示部によって表示される。

【００２３】請求項２の発明においては、被検出装置か
ら得られた現実の運転状態のデータに基づき情報量基準
値を算定するのに先立って、時系列的に得られた複数の
データをバッチ平均計算部によって同じ大きさのバッチ
に分割し、各バッチに属するデータについてバッチ平均
値を計算する。すなわち、統計処理の正当性は、データ
を確率変数の実現値とみなしたとき、確率的な独立性が
成り立っていることに依存する。バッチの大きさが十分
大きければ、バッチ平均値はそれぞれほとんど独立とみ
なし得るので、この各バッチ平均値が描くパターンと記
憶されているモデルのパターンとを比較して、情報量基
準値を算定することにより、独立性を有する複数のデー
タに基づいて被検出装置が定常状態に達したか否かを判
定することができる。また、バッチ平均値を取ることに
より、収束パターンから外れた個々のデータのばらつき
を吸収して、各バッチに属するデータ全体を適切に反映
した精度の高いパターンを得ることができるため、この
ような精度の高いパターンと記憶されているモデルのパ
ターンとを比較することにより、精度の高い情報量基準
値を算定することができる。

【００２４】請求項３の発明においては、運転指標のモ
デルを、定数と確率的な誤差の和から成り、誤差は平均
０、分散σ² の正規分布に従うという単純なモデルに固
定する。すなわち、被検出装置が定常運転に入ると、デ
ータの挙動が単純になり、単純なモデルによって表現で
きるので、このような単純なモデルと、被検出装置から
得られた現実のデータのパターンとの比較を、簡単に行
うことができる。

【００２５】請求項４の発明においては、データ選択部
によって、時系列的な複数のデータのうち、情報基準値
算定部によって算定された情報量基準値が最小になるデ
ータよりも前のデータを除去し、それ以降のデータを選
択する。すなわち、情報量基準値のうち、最小のものの
前にあるデータは、過渡状態（非定常状態）のデータで
ある可能性が高いため、これらのデータを除去すること
によって、定常状態のデータのみを確実に選択すること
ができる。したがって、定常状態判定部は、このデータ
選択部によって選択された定常状態のデータに基づき、
被検出装置の運転が定常状態に達したものと容易に判定
することができる。

【００２６】請求項５の発明においては、定常状態判定
部によって、元のデータの総数から、その設定割合の数
を求め、この数よりもデータ選択部において選択された
定常状態のデータの数が多いか否かを判定する。すなわ
ち、データ選択部において定常状態のデータとして選択
されたデータの数が、元のデータの総数に比べてあまり
にも少ない場合に定常状態に達したものと判断するのは
危険であるから、このような場合に、定常状態判定部
は、被検出装置が過渡状態（非定常状態）にあって定常
状態には達していないものと判定する。逆に、定常状態
のデータとして選択されたデータの数が、元のデータの
総数に比べて十分な割合を占めている場合には、定常状
態に達している可能性が高いため、このような場合に、
定常状態判定部は、被検出装置が定常状態に達したもの
と判定することができる。

【００２７】

【実施例】以下には、図面を参照して本発明による定常
状態検出装置の実施例について説明する。

【００２８】［１］実施例の構成 図１は、本発明による定常状態検出装置の一実施例の構
成を示すブロック図である。この図１に示すように、本
実施例の装置は、計測装置１０、データ入力・記憶部２
０、モデル入力・記憶部３０、処理・判定部４０、およ
び判定結果表示部５０からなる。以下には、個々の構成
要素について説明する。

【００２９】計測装置１０は、プラントにおける生産装
置を被検出装置として配置されており、被検出装置の運
転指標のデータを時系列的に計測する装置であり、通常
のセンサなどで構成されている。

【００３０】データ入力・記憶部２０は、データ入力部
２１とデータ記憶部２２から構成されている。このう
ち、データ入力部２１は、計測装置１０から送られてく
る時系列的な運転指標のデータを入力する機能部であ
り、通常のセンサやマイクロプロセサなどで構成されて
いる。データ記憶部２２は、データ入力部２１によって
入力された時系列的な運転指標のデータを記憶する機能
部であり、通常の電子計算機の記憶機能を利用するなど
して構成されている。

【００３１】モデル入力・記憶部３０は、モデル入力部
３１とモデル記憶部３２から構成されている。モデル入
力部３１は、被検出装置が定常的な安定した運転の状態
である定常状態に達した場合に、データ入力部によって
入力される運転指標のデータが示すパターンを想定した
モデルを運転指標のモデルとして入力する機能部であ
り、通常のセンサやマイクロプロセサなどで構成されて
いる。モデル記憶部３２は、モデル入力部３１によって
入力された定常状態の運転指標のモデルを記憶する機能
部であり、通常の電子計算機の記憶機能を利用するなど
して構成されている。

【００３２】処理・判定部４０は、データ記憶部２２に
記憶されたデータを処理して、非検出装置が定常状態に
達したか否かを自動的に判定する機能部であり、本実施
例の中核をなす。この処理・判定部４０は、バッチ平均
計算部４１、情報量基準値算定部４２、データ選択部４
３、および定常状態判定部４４を備えており、通常の電
子計算機のＣＰＵを利用するなどして構成されている。

【００３３】このうち、バッチ平均計算部４１は、時系
列的に得られ、データ記憶部２２に記憶された複数の運
転指標のデータを予め決めた同じ大きさのバッチに分割
し、各バッチに属するデータについてバッチ平均を計算
する機能部である。情報量基準値算定部４２は、バッチ
平均計算部４１によって計算された各バッチ平均値が描
くパターンとモデル記憶部３２に記憶された運転指標の
モデルとを比較して、各バッチの情報量基準値を算定す
る機能部である。データ選択部４３は、各バッチ以降に
関する情報量基準値のうち、情報量基準値が最小になる
バッチよりも前のバッチを除去し、それ以降のバッチに
含まれるデータを定常状態のデータとして選択する機能
部である。定常状態判定部４４は、元のデータの数、す
なわち、データ記憶部２２に記憶された被検出装置の時
系列的な運転指標のデータの総数から、予め設定された
一定割合（設定割合）ａの数を求め、この数よりもデー
タ選択部４３によって選択された定常状態のデータの数
が多い場合に、被検出装置が定常状態に達したものと判
定する機能部である。

【００３４】判定結果表示部５０は、定常状態判定部４
４の判定結果を人間にわかるように表示する装置であっ
て、通常の電子計算機の画面表示機能を利用したり、通
常の計器表示板の画面表示機能、ランプ、信号、メータ
などを利用して構成されている。

【００３５】［２］実施例の作用 以上のような構成を有する本実施例の定常状態検出装置
の作用は、次の通りである。

【００３６】［２−１］装置の動作の概略 プラントの被検出装置に配置された計測装置１０からは
一定時間毎、あるいはプラントの状態が変化する毎に、
計測された運転指標のデータがデータ入力・記憶部２０
のデータ入力部２１に入力される。この場合、計測装置
１０で計測される運転指標のデータの挙動は、図７〜図
９に示すように、下降型の収束（図７）、上昇型の収束
（図８）、振動型の収束（図９）などのパターンを示
す。これらのパターンは、運転開始から定常状態に収束
する途中の運転指標の典型的な変化の様子であり、実際
にはより複雑な変化をする場合も多い。

【００３７】次に、このような時系列的な運転指標のデ
ータは、データ入力部２１からデータ記憶部２２に渡さ
れ、記憶される。以下には、この時系列的なデータが一
定時間毎に得られる場合について説明する。これは、本
実施例の定常状態検出装置の動作の説明を簡単にするた
めである。そして、データ記憶部２２は、時系列的なデ
ータを、図３に示すような表の形で記憶する。この図３
において、時刻ｋはｋ番目の計測時刻を表す。運転を開
始した時刻をｔ₀ 、計測間隔をΔとすると、ｋ番目の計
測時刻は、時刻ｔ_k ＝ｔ₀ ＋ｋΔとして表される。

【００３８】一方、モデル入力・記憶部３０において
は、操作者によって、定常状態における運転指標のデー
タが示すパターンを想定したモデルが、運転指標のモデ
ルとしてモデル入力部３１に入力される。この場合、運
転指標のモデルとしては、定数と確率的な誤差の和から
なり、誤差は平均０、分散σ² の正規分布に従うモデル
が入力される。そして、このように入力された運転指標
のモデルは、モデル入力部３１からモデル記憶部３２に
渡され、記憶される。

【００３９】続いて、処理・判定部４０は、データ記憶
部２２に図３の表の形で記憶された時系列的なデータに
関して後述するような一連の処理を行い、ｎ番目のデー
タの計測時刻ｎが、すでに定常状態に入っているか否か
を判定し、その結果を判定結果表示部５０に送る。最終
的に、判定結果表示部５０は、処理・判定部４０から受
け取った判定結果を表示する。

【００４０】［２−２］処理・判定部４０の動作 図２は、本実施例の中核である処理・判定部４０の動作
を示すフローチャートである。このうち、ステップ１１
０〜１６０はバッチ平均計算部４１の動作、ステップ１
７０〜２１０は情報量基準値算定部４２の動作、ステッ
プ２２０〜２６０はデータ選択部４３の動作、ステップ
２７０〜２９０は定常状態判定部４４の動作をそれぞれ
示している。以下には、この図２に従って、処理・判定
部４０の動作を説明する。

【００４１】［２−２−１］バッチ平均計算部４１の動
作 最初に、バッチ平均計算部４１は、ステップ１１０にお
いて、図５のデータｘ₁ ，ｘ₂ ，…，ｘ_n の数ｎを変数
ｍの値とする。そして、ステップ１２０以下ではデータ
を表の終りから同数のデータからなる同じ大きさのグル
ープに分割する。その分割した一つのグループをバッチ
という。バッチの数ｂを幾つにするかは、予め決めてお
く。

【００４２】データの分割に当たって、バッチ平均計算
部４１はまず、ステップ１２０，１３０，１４０におい
て、変数ｍがバッチの数ｂで割り切れるようにする。す
なわち、ステップ１２０において、変数ｍがバッチの数
ｂで割り切れる場合には、この変数ｍをそのまま使用す
る。また、このステップ１２０において、変数ｍがバッ
チの数ｂで割り切れない場合には、ステップ１３０にお
いて、変数ｍをバッチの数ｂで割った余りの数（ｍ ｍ
ｏｄ ｂ）のデータを、データ表の始めの方ｘ₁ ，
ｘ₂ ，から捨てて、続くステップ１４０で、残ったデー
タの数を改めて変数ｍとする。

【００４３】次に、バッチ平均計算部４１は、ステップ
１５０において、残ったデータ…，ｘ_n-1 ，ｘ_n を、実
際に、ｂ個のバッチｙ₁ ，ｙ₂ ，…に分割する。この場
合、各バッチｙ_i は同数のデータからなる。続いて、バ
ッチ平均計算部４１は、ステップ１６０において、各バ
ッチｙ_i に属するデータｘ_i1，ｘ_i2，…について、次の
式（１）により、バッチ平均ｚ_i を計算し、求めたバッ
チ平均_i のデータを情報量基準値算定部４２に渡す。

【数１】 なお、ここでバッチ平均を取るのは、次の意味がある。
すなわち、以後の手順で行われる統計処理の正当性は、
データを確率変数の実現値とみなしたとき、確率的な独
立性が成り立っていることに依存している。ここで、バ
ッチの大きさが十分大きければ、バッチ平均はそれぞれ
ほとんど独立とみなし得る。

【００４４】［２−２−２］情報量基準値算定部４２の
動作 最初に、情報量基準値算定部４２は、ステップ１７０に
おいて、変数ｋを１とする初期化をしてから、ステップ
１８０，１９０，２００，２１０からなる繰り返し計算
に入る。この繰り返し計算について以下に説明する。

【００４５】情報量基準値算定部４２はまず、ステップ
１８０において、バッチ平均ｚ₁ ，…，ｚ_b のうち、ｋ
番目からｂ番目までのバッチ平均ｚ_k ，…，ｚ_b を用い
て、情報量基準値を計算する。ここで、情報量基準値と
は、モデルの複雑さとデータの持つ情報との釣り合いを
計る統計量であり、この情報量基準値が小さいほどモデ
ルがデータを良好に説明していることを表す。また、情
報量基準値が大きいことは、次のことを意味する可能性
がある。 １．モデルが複雑なのに対してデータが少なすぎる。す
なわち、データにモデルを支持するに十分なだけの情報
量がない。 ２．モデルが単純なのに対してデータが多すぎる。すな
わち、データの挙動はモデルから予想されるほど単純で
はない。

【００４６】また、前述したように、モデル記憶部３２
に記憶された運転指標のモデルは固定されており、この
モデルは、定数と確率的な誤差の和から構成されてい
る。すなわち、バッチ平均ｚ_i は、次の式（２）に示す
ような構造を持っており、誤差は平均０、分散σ² の正
規分布に従うというモデルである。

【数２】ｚ_i ＝平均＋誤差_i ・・・ （２） ここで、正規分布を仮定する根拠は、各バッチの大きさ
ｍ／ｂが十分に大きければ、よく知られた中心極限定理
により、バッチ平均ｚ_i は正規分布に従うことがわかっ
ているからである。なお、この式（１）にいうところの
平均は、バッチ平均ｚ_i の平均、すなわち、次の式
（３）で表される値である。

【数３】

【００４７】以上のように、本実施例においては、モデ
ルが極めて単純なものに固定されているので、データが
少なすぎることによって情報量基準値が大きいという可
能性は無視してよい。したがって、情報量基準値が大き
いということは、データの挙動に比べてモデルが単純す
ぎるということを意味する。本実施例においては、情報
量基準値のこの性質を利用して、情報量基準値が予め設
定された設定値よりも大きい場合に、運転指標のデータ
が定数と確率的な誤差の和としては表しがたい、すなわ
ち、定常状態に達していない、ということを検出する。

【００４８】また、情報量基準としては、赤池の情報量
基準ＡＩＣ、竹内の情報量基準ＴＩＣなど、いろいろな
変形が知られており、各々に特徴がある。ここでは一例
として、Schwarz の情報量基準ＢＩＣ（Bayesian infor
mation criterion）を用いた場合について説明する。こ
の情報量基準値ＢＩＣは、次の式（４）によって定義さ
れる。

【００４９】

【数４】ＢＩＣ ＝ −２ log（最大尤度）＋ｐ logＮ ｐ：パラメタの数 Ｎ：データの数 ・・・ （４） この場合、データの数Ｎは、バッチ平均ｚ_i を一つのデ
ータ点として扱うので、ｎではなく、次の式（５）に示
すように、変数ｋからｂまでのバッチの数ｂ−ｋ＋１と
して表される。

【数５】Ｎ ＝ ｂ−ｋ＋１ ・・・ （５） さらに、パラメタの数は平均と分散σ² の２つである。

【００５０】このうち、平均の最尤推定は、次の式
（６）によって与えられる。

【数６】 また、分散の最尤推定は、次の式（７）によって与えら
れる。

【数７】 したがって、最大対数尤度は、尤度関数をＬとした場合
に、次の式（８）によって与えられる。

【数８】 結局、情報量基準値ＢＩＣは、次の式（９）によって与
えられることになる。

【数９】

【００５１】情報量基準値算定部４２は、以上のように
ステップ１８０で計算された情報量基準値ＢＩＣを、ス
テップ１９０において、ｋ番目からｂ番目までのバッチ
平均ｚ_k ，…，ｚ_b を用いたｋ番目の情報量基準値ｃ_k
として表す。すなわち、この情報量基準値ｃ_k は、次の
式（１０）によって表される。

【数１０】

【００５２】次に、情報量基準値算定部４２は、ステッ
プ２００において、変数ｋの値がｂ−１に達したか否か
を判定する。すなわち、ｋ＝ｂでは分散σ² の推定がで
きないので、ｂ−１までで止めているのである。そし
て、情報量基準値算定部４２は、変数ｋの値がｂ−１に
至るまでは、ステップ２１０において変数ｋを１だけ増
やして、ステップ１８０，１９０を繰り返す。最終的
に、ステップ２００において、変数ｋの値がｂ−１に達
した場合には、情報量基準値算定部４２は、求めた情報
量基準値ｃ_k のデータをデータ選択部４３に渡す。

【００５３】［２−２−３］データ選択部４３の動作 最初に、データ選択部４３は、ステップ２２０におい
て、１番目（変数ｋ＝１）からｂ−１番目（変数ｋ＝ｂ
−１）までの各情報量基準値ｃ₁ ，ｃ_{2 ，}…，ｃ_b-1 の
うち、最小のものをｃ_h とする。すなわち、まず、１番
目（変数ｋ＝１）からｂ−１番目（変数ｋ＝ｂ−１）ま
での各情報量基準値ｃ₁ ，ｃ_{2 ，}…，ｃ_{b- 1} について、
変数ｋを横軸、情報量基準値ｃ_k を縦軸にとってグラフ
を描くと、例えば、図４のようになる。この場合、グラ
フの右側に行くほど少ないデータ点を使って情報量基準
値ｃ_k を計算していることになる。したがって、仮に、
前述した式（２）のモデルが成り立っているならば、図
４のグラフは右上がりになるはずである。しかしなが
ら、図４はそのような単調増加になっていないので、デ
ータの中に前述したモデルが成り立っていない部分があ
ることが分かる。モデルが成り立っていない理由は、デ
ータの左端の方に定常状態でないデータが含まれている
からである可能性が高い。

【００５４】これに対して、本実施例の装置の本質的な
目的は、現在の状態が定常状態であるか否かを検出する
ことである。図４のグラフにおいて、この内容を検出す
るためには、データが左側の過渡部分と右側の定常部分
とからなると考え、データ全体に対して定常部分がどれ
だけ大きな部分を占めるかを調べればよい。

【００５５】そして、このように、データ全体から定常
部分を抜き出すためには、データｘ₁ ，ｘ₂ ，…，ｘ_n
を始めから順に少しずつ捨てていって、図４のグラフが
右上がりになった時点で、捨てられずに残ったデータは
定常状態のデータであると判断すればよい。したがっ
て、１番目（変数ｋ＝１）からｂ−１番目（変数ｋ＝ｂ
−１）までの各情報量基準値ｃ₁ ，ｃ₂ ，…，ｃ_b-1 の
うち最小のものである情報量基準値ｃ_h の番号ｈが最初
を示す１でないならば、過渡状態にあるデータが混ざっ
ている可能性が高いことを示すので、もっとデータを捨
てる必要がある。

【００５６】ステップ２３０において、データ選択部４
３は、このように、情報量基準値ｃ_k が最小になるデー
タが最初のデータであるか否かを判断する。すなわち、
データ選択部４３は、ステップ２３０において、最初の
情報量基準値ｃ₁ が最小である（ｈ＝１）場合には、残
りのデータはすべて定常であると判断する。また、最初
の情報量基準値ｃ₁ 以外のデータが最小である（ｈ≠
１）場合には、このように情報量基準値ｃ_k が最小にな
るデータよりも前に非定常のデータがあると判断する。

【００５７】データ選択部４３は、ステップ２３０でデ
ータに非定常のデータが含まれると判断した場合、ステ
ップ２４０，２５０，２６０でデータを捨てる。

【００５８】すなわち、データ選択部４３はまず、ステ
ップ２４０において、情報量基準値ｘ_k が最小になるｈ
番目のバッチｙ_h よりも前のバッチｙ₁ ，…，ｙ_h-1 を
捨てる。データ選択部４４は次に、ステップ２５０にお
いて、残ったｈ番目からｂ番目までのバッチｙ_h ，ｙ
_k+1 ，…，ｙ_b に含まれるデータの数ｍ−（ｈ−１）
（ｍ／ｂ）を特定し、この数によって残りデータの数ｍ
を定義し直す。データ選択部４３はさらに、ステップ２
６０において、残ったデータの番号を付け替えて、
ｘ₁ ，…，ｘ_m とする。最終的に、ステップ２３０にお
いて、データに定常のもののみを含むと判断した場合に
は、データ選択部４３は、残ったデータを定常状態のデ
ータとして、定常状態判定部４４に渡す。

【００５９】［２−２−４］定常状態判定部４４の動作 定常状態判定部４４は、ステップ２７０〜２９０で、現
時点で被検出装置がすでに定常状態に入っているとする
か否かの最終判定を行う。すなわち、残った定常状態の
データが、元のｎ個あったデータ点に比べてあまりにも
少なくなっている場合には、すでに定常状態に入ってい
ると判断するのは危険なので、まだ過渡運転中であると
考える。逆に、残った定常状態のデータが元のｎ個あっ
たデータの総数のうちの大きな割合を占める場合には、
すでに定常状態に入っていると判断する。

【００６０】まず、定常状態判定部４４は、ステップ２
７０において、残ったｍ個のデータが、元のデータ総数
ｎ個の一定割合ａよりも多いか否かを判定する。このス
テップ２７０において、残ったｍ個のデータが一定割合
ａ以下である場合には、ステップ２８０において、被検
出装置が定常状態に入っていないと判断する。逆に、ス
テップ２７０において、残ったｍ個のデータが一定割合
よりａよりも多い場合には、ステップ２９０において、
被検出装置が定常状態に入っていると判断する。そし
て、このステップ２８０またはステップ２９０の時点
で、定常状態判定部４４の動作が終了し、処理・判定部
４０全体の動作が完了する。また、定常状態判定部４４
による判定結果は、判定結果表示部５０に引き渡され
る。

【００６１】［２−３］判定結果表示部５０の動作 判定結果表示部５０は、定常状態判定部４４による判定
結果を表示する。図６は、判定結果表示部５０による判
定結果の表示例を示す説明図であり、データのグラフ表
示上に定常状態と過渡状態との境界線を示すとともに、
文字によって定常状態に達したことを説明している。

【００６２】［３］実施例の効果 以上述べたように、本実施例においては、計測装置１０
によって測定された被検出装置の運転指標のデータが、
データ入力・記憶部２０に記憶される一方で、被検出装
置の定常状態における運転指標のモデルが、モデル入力
・記憶部３０に記憶され、処理・判定部４０によって運
転指標のデータと運転指標のモデルとを比較することに
よって、被検出装置が定常状態に達したか否かが自動的
に判定され、判定結果表示部５０にその結果が表示され
る。

【００６３】すなわち、まず、本実施例においては、処
理・判定部４０によって、運転状態にある被検出装置か
ら時系列的に得られるデータの挙動のパターンと、予め
記憶させたモデルとを比較することにより、被検出装置
が定常状態に達したか否かをリアルタイムで自動的かつ
確実に検出することができる。この場合、モデルの構造
が簡単であるため、現実のデータのパターンとの比較が
容易に実施でき、検出効率が高くなっている。

【００６４】特に、本実施例においては、バッチ平均計
算部４１により、時系列的に得られた複数のデータを適
当な大きさのバッチに分割し、各バッチに属するデータ
の平均を取ることにより、得られたデータの統計処理の
正当性を確保して、定常状態の検出をより精度良く行う
ことができる。また、情報量基準値算定部４２によって
算定された情報量基準値が最小になるデータよりも前の
データを、データ選択部４３により、被検出装置の運転
状態が定常状態に達していないものとして除去すること
により、単に情報量基準値が設定値以下になったことの
みを判定する場合に比較して、より確実に定常状態の検
出を行うことができる。さらに、データ選択部４３によ
って定常状態のデータとして選択されたデータの数を、
定常状態判定部４４によって、元のデータの総数の設定
割合の数と比較することにより、選択されたデータの数
が元のデータの総数に比べて十分な割合を有する場合に
のみ、定常状態に達したものと判定することができるた
め、より信頼性の高い定常状態の検出を行うことができ
る。

【００６５】［４］他の実施例 なお、本発明は、前記実施例に限定されるものではな
く、各機能部の具体的な構成や手順は自由に選択可能で
ある。

【００６６】まず、前記実施例においては、計測装置１
０において時系列的なデータが一定時間毎に得られる場
合について説明したが、データを不定間隔で得る場合に
ついても同様の機能を得ることができる。そのための方
法はいろいろある。一例をあげるなら、不定間隔の時系
列データは内挿によって一定間隔に置き直すことができ
るので、データ入力部２１によって不定間隔を一定間隔
に交換してからデータ記憶部２２に記憶すればよい。

【００６７】一方、前記実施例においては、情報量基準
値の算定に当たってバッチ平均を求めたが、バッチの代
表値で正規分布に従うものなら何でもよいので、例え
ば、バッチの加重平均を取る方法などを採用することも
可能である。また、前記実施例においては、時系列的な
データから連続的なバッチを構成したが、データのバッ
チの取り方はこれに限定されるものではなく、例えば、
複数のバッチを構成するデータの一部が重複するか、あ
るいは逆にバッチとバッチの間のデータを捨てるように
してバッチを取ることなども可能である。さらに、運転
指標のモデルは、正規分布に従うモデルに限定されるも
のではなく、対象となるプラントや運転指標に応じて、
例えばサインカーブなどの各種のパターンのモデルが考
えられ、それに応じてモデルの構造を示す式も適宜変更
される。

【００６８】また、前記実施例においては、定常状態の
判定に情報量基準の算定法の１つであるSchwarz のＢＩ
Ｃを用いている。しかし、ＡＩＣなどの他の情報量基準
の算定法を用いても良いことはいうまでもない。例え
ば、ＡＩＣは、次の式（１１によって定義される。

【００６９】

【数１１】ＡＩＣ ＝ −２ log（最大尤度）＋２ｐ ・・・ （１１） したがって、このＡＩＣを求める場合には、図２の手順
はそのままで、情報量基準値ｃ_k を求める式として、前
記式（１０）に代えて、次の式（１２）を使用すること
になる。

【００７０】

【数１２】 そしてまた、情報量基準よりも古くからある統計手法で
ある、様々な統計的検定法を用いても良い。

【００７１】一方、判定結果表示部５０は、図６の表示
例のようにデータのグラフ表示上に示しても良いし、色
別で表示することも可能である。また、別途、計器やラ
ンプを設けるなど、周知の各種の表示方法を自由に選択
して使用することができる。

【００７２】

【発明の効果】以上説明したように、本発明によれば、
定常状態に達するまでの時間を過去の実験から一定値に
決めるのではなく、現在の運転の立ち上がり状況に基づ
き、定常状態に達したか否かをリアルタイムで自動的か
つ確実に検出可能な定常状態検出装置を提供することが
できる。したがって、プラントの運転開始時において
は、運転に携わる人間の判断ミスに左右されることな
く、長すぎも短すぎもしない程よいならし運転期間を表
示することができるため、その表示に基づいて作業指示
や安全装置の解除を適切な時期に行うことができ、経済
性を向上することができる。

【図面の簡単な説明】

【図１】本発明による定常状態検出装置の一実施例の構
成を示すブロック図。

【図２】図１の定常状態検出装置の中核である処理・判
定部４０の動作を示すフローチャート。

【図３】図１の定常状態検出装置の計測装置１０によっ
て得られ、データ記憶部２２に記憶されるデータの一例
を説明する説明図。

【図４】図１の定常状態検出装置の情報量基準値算定部
４２によって得られた情報量基準値ｃ_k の変数ｋに対す
る関係を示すグラフであり、特に、最小情報量基準値が
データの始めでない場合を説明するためのグラフ。

【図５】図１の定常状態検出装置の情報量基準値算定部
４２によって得られた情報量基準値ｃ_k の変数ｋに対す
る関係を示すグラフであり、特に、最小情報量基準値が
データの始めである場合を説明するためのグラフ。

【図６】図１の定常状態検出装置の判定結果表示部５０
による判定結果の表示例を示す説明図。

【図７】被検出装置から得られたデータの挙動パターン
の一例を示す図であり、特に、下降型の収束パターンを
示すグラフ。

【図８】被検出装置から得られたデータの挙動パターン
の一例を示す図であり、特に、上昇型の収束パターンを
示すグラフ。

【図９】被検出装置から得られたデータの挙動パターン
の一例を示す図であり、特に、振動型の収束パターンを
示すグラフ。

【符号の説明】

１０…計測装置 ２０…データ入力・記憶部 ２１…データ入力部 ２２…データ記憶部 ３０…モデル入力・記憶部 ３１…モデル入力部 ３２…モデル記憶部 ４０…処理・判定部 ４１…バッチ平均計算部 ４２…情報量基準値算定部 ４３…データ選択部 ４４…定常状態判定部 ５０…判定結果表示部

Claims (5)

【特許請求の範囲】
1. 【請求項１】 運転状態にある被検出装置に付属し、こ
   の被検出装置の所定の運転指標のデータを時系列的に計
   測する計測装置と、 前記計測装置で計測された時系列的な運転指標のデータ
   を入力するデータ入力部と、 前記データ入力部から入力された時系列的な運転指標の
   データを記憶するデータ記憶部と、 前記被検出装置が定常的な安定した運転の状態である定
   常状態に達した場合に、前記データ入力部によって入力
   される運転指標のデータが示すパターンを想定したモデ
   ルを運転指標のモデルとして予め記憶するモデル記憶部
   と、 前記データ記憶部に記憶された被検出装置の時系列的な
   運転指標のデータのパターンと前記モデル記憶部に記憶
   された運転指標のモデルとを比較して、情報量基準値を
   算定する情報量基準値算定部と、 前記情報量基準値算定部によって算定された情報量基準
   値が予め設定された設定値以下である場合に、被検出装
   置が定常状態に達したものと判定する定常状態判定部
   と、 前記定常状態判定部の判定結果を表示する判定結果表示
   部と、 を備えていることを特徴とする定常状態検出装置。
2. 【請求項２】 前記情報量基準値算定部が、前記データ
   記憶部に記憶された被検出装置の時系列的な運転指標の
   データを、同数のデータからなる複数のバッチに分割
   し、各バッチに属するデータについてバッチ平均を計算
   するバッチ平均計算部を備えていることを特徴とする請
   求項１に記載の定常状態検出装置。
3. 【請求項３】 前記モデル記憶部が、運転指標のモデル
   として、定数と確率的な誤差の和からなり、誤差は平均
   ０、分散σ² の正規分布に従うモデルを記憶することを
   特徴とする請求項１または請求項２に記載の定常状態検
   出装置。
4. 【請求項４】 前記データ記憶部に記憶された被検出装
   置の時系列的な運転指標のデータのうち、前記情報基準
   値算定部によって算定された情報量基準値が最小になる
   データよりも前のデータを除去し、それ以降のデータを
   定常状態のデータとして選択するデータ選択部を備え、 前記定常状態判定部が、前記データ選択部によって選択
   された定常状態のデータに基づいて、被検出装置が定常
   状態に達したものと判定するように構成される、 ことを特徴とする請求項１、請求項２、または請求項３
   に記載の定常状態検出装置。
5. 【請求項５】 前記定常状態判定部が、前記データ記憶
   部に記憶された被検出装置の時系列的な運転指標のデー
   タの総数から、予め設定された設定割合の数を求め、こ
   の数よりも前記データ選択部によって選択された定常状
   態のデータの数が多い場合に、被検出装置が定常状態に
   達したものと判定するように構成されることを特徴とす
   る請求項４に記載の定常状態検出装置。