JPS60173612A - 故障源推定方式 - Google Patents
故障源推定方式Info
- Publication number
- JPS60173612A JPS60173612A JP59028530A JP2853084A JPS60173612A JP S60173612 A JPS60173612 A JP S60173612A JP 59028530 A JP59028530 A JP 59028530A JP 2853084 A JP2853084 A JP 2853084A JP S60173612 A JPS60173612 A JP S60173612A
- Authority
- JP
- Japan
- Prior art keywords
- failure
- source
- sensor
- devices
- propagation
- 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
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Monitoring And Testing Of Nuclear Reactors (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
〔発明の利用分野〕
本発明は、原子カプラント、化学プラントなど複数個の
機器から構成される系において、単一故障（故障源が１
個）が発生した場合、設置されたセンサ情報（不作動も
含む）から故障源である機器を推定する故障源推定方式
に関する。
機器から構成される系において、単一故障（故障源が１
個）が発生した場合、設置されたセンサ情報（不作動も
含む）から故障源である機器を推定する故障源推定方式
に関する。
従来の故障源推定方式（たとえば、特開昭５８−１９７
５１３号）は、センサが示す正常、異常の情報は。
５１３号）は、センサが示す正常、異常の情報は。
すべて正しいという前提が必要であった。このため、セ
ンサ自身の故障によって誤報が出た場合は、（１）誤っ
た故障源を推定したり、（２）故障源を推定できないと
いう欠点があった。
ンサ自身の故障によって誤報が出た場合は、（１）誤っ
た故障源を推定したり、（２）故障源を推定できないと
いう欠点があった。
これを改良するため、（２）の問題点を解決できる故障
源推定方式（特開昭５８−８７４３１）があるが、セン
サ情報の反転と再計算をくり返すため、長い計算時間が
必要であった。
源推定方式（特開昭５８−８７４３１）があるが、セン
サ情報の反転と再計算をくり返すため、長い計算時間が
必要であった。
本発明の目的は、計算時間の短縮をはかるため、センサ
の誤作動（正常を異常と表示）は扱えないものの、不作
動（異常を正常と表示）を扱え、かつ不作動のセンサも
推定できる故障源推定方式を提供することにある。
の誤作動（正常を異常と表示）は扱えないものの、不作
動（異常を正常と表示）を扱え、かつ不作動のセンサも
推定できる故障源推定方式を提供することにある。
なお、故障発生時にセンサの誤作動を扱うことは、多重
故障の同時発生を扱うことと同等になり。
故障の同時発生を扱うことと同等になり。
この確率は極めて小さいため、現実性は小さいと考えら
れる。
れる。
このような目的を達成するために、本発明は、複数個の
機器からなる系において、２機器間に直接的な故障波及
関係を与え、行列演算を行うことによって、全機器間で
の直接的・間接的な波及関係をめ、この波及関係に、セ
ンサから得られる異常情報と正常情報とそれらの検知時
刻を与え、故障源を推定するものである。この際、正常
情報の利用によって、故障源候補が存在しなくなれば、
それは不作動のセンサとみなして、故障源を推定する。
機器からなる系において、２機器間に直接的な故障波及
関係を与え、行列演算を行うことによって、全機器間で
の直接的・間接的な波及関係をめ、この波及関係に、セ
ンサから得られる異常情報と正常情報とそれらの検知時
刻を与え、故障源を推定するものである。この際、正常
情報の利用によって、故障源候補が存在しなくなれば、
それは不作動のセンサとみなして、故障源を推定する。
〔発明の実施例〕
以下、本発明の一実施例を第１図から第５図により詳細
に説明する。
に説明する。
第１図は本発明による故障推定装置を実現するプラント
系の一実施例の構成を示すものである。
系の一実施例の構成を示すものである。
第１図において、プラント１０１は、複数個の構成機器
１０２と、その中のいくらかの機器の状態を検出するた
めのセンサ１０３とからなる。これらのセンサ１０３は
各構成機器１０２の動作状態、たとえば流量、温度２周
波数などの信号１０４を検出し、検出信号１０５を各セ
ンサ１０３に対応した異常検知器１０６からなる異常検
知装置１０７に出力する。異常検知装置１０７には、あ
らかじめ各信号が正常か異常かを判定する基準信号が記
憶されており、基準信号と検出信号１０５を比較し、各
検出信号１０５が正常か異常かの判定結果の信号１０８
を故障推定装置１０９に出力する。故障源推定装置１０
９では、一定の時間毎に信号１０８シチエツクし、正常
信号から異常信号に変化した場合にはその時刻を記憶す
る。オペレータコンソール１１０がら演算指示信号１１
１が出力されると、故障源推定装置１０９では、演算指
示信号１１１に応じて、信号１０８と正常信号から異常
信号に変化した時刻と初期データ入力装置１１２がら入
力された故障波及方向、波及時間、波及確率、各機器の
故障率に対応した信号１１３とに基づいて、故障源の推
定と故障源である可能性に一位づけ、または故障源の推
定と不作動のセンサの推定結果を信号１１４により表示
装置１１５に出力表示する。
１０２と、その中のいくらかの機器の状態を検出するた
めのセンサ１０３とからなる。これらのセンサ１０３は
各構成機器１０２の動作状態、たとえば流量、温度２周
波数などの信号１０４を検出し、検出信号１０５を各セ
ンサ１０３に対応した異常検知器１０６からなる異常検
知装置１０７に出力する。異常検知装置１０７には、あ
らかじめ各信号が正常か異常かを判定する基準信号が記
憶されており、基準信号と検出信号１０５を比較し、各
検出信号１０５が正常か異常かの判定結果の信号１０８
を故障推定装置１０９に出力する。故障源推定装置１０
９では、一定の時間毎に信号１０８シチエツクし、正常
信号から異常信号に変化した場合にはその時刻を記憶す
る。オペレータコンソール１１０がら演算指示信号１１
１が出力されると、故障源推定装置１０９では、演算指
示信号１１１に応じて、信号１０８と正常信号から異常
信号に変化した時刻と初期データ入力装置１１２がら入
力された故障波及方向、波及時間、波及確率、各機器の
故障率に対応した信号１１３とに基づいて、故障源の推
定と故障源である可能性に一位づけ、または故障源の推
定と不作動のセンサの推定結果を信号１１４により表示
装置１１５に出力表示する。
なお、初期データは一部入力しておけば、データの変更
を行わない限り、再入力の必要はない。
を行わない限り、再入力の必要はない。
第２図は、第１図の故障源推定装置１０９での処理の流
れの一例を示すフローチャートである。
れの一例を示すフローチャートである。
いま、対象が第３図に示すような故障の波及網で表わさ
れたとする。図中Ｘｌは機器、枠印はセンサ設置個所、
矢印は故障の波及方向、矢印上の数字は故障の波及時間
を表わしている。この関係を行列表現すると第４図に示
すようになる。この行列をＡ” （ａ ］ ｔ ｌｙ
Ｊ ＝１．２ ・・’＊ １９とすると、たとえば、行
列Ａの１行２列目の１００の機器ｌから機器２へ故障の
影響が直接波及し、その時間が１００秒であることを示
すことになる。空白部分は直接波及がないことを意味し
、演算上はωとして扱う。
れたとする。図中Ｘｌは機器、枠印はセンサ設置個所、
矢印は故障の波及方向、矢印上の数字は故障の波及時間
を表わしている。この関係を行列表現すると第４図に示
すようになる。この行列をＡ” （ａ ］ ｔ ｌｙ
Ｊ ＝１．２ ・・’＊ １９とすると、たとえば、行
列Ａの１行２列目の１００の機器ｌから機器２へ故障の
影響が直接波及し、その時間が１００秒であることを示
すことになる。空白部分は直接波及がないことを意味し
、演算上はωとして扱う。
以上で、第２図のブロック１１６による入力データの変
換が終了する。
換が終了する。
次に、第２図のブロック１１７による故障波及網の構成
を行なう。
を行なう。
行列Ａは２機器間の直接的な故障波及関係（波及時間と
波及方向）を表わしている。この行列Ａから、任意の２
点間の最短故障波及時間どその波及経路をめる。これに
は、既知の４を短距離と最短路をめる解法（伊理正夫、
占林隆：ネットワーク理論、［１科技連出版社、 １９
７６、 ｉ、＋ ｐ 、 ＝１ ’７−５２を参照）に
よりめることができる、１得られた任意の２点間の最短
故障波及時間を行列で表わすと第５図となる。行列の中
の空白部分は波及がないことを意味し、演算上はＩＪＪ
どして扱う。第５図に示す行列Ｂをめる時、同時に最短
時間故障波及経路がまる。
波及方向）を表わしている。この行列Ａから、任意の２
点間の最短故障波及時間どその波及経路をめる。これに
は、既知の４を短距離と最短路をめる解法（伊理正夫、
占林隆：ネットワーク理論、［１科技連出版社、 １９
７６、 ｉ、＋ ｐ 、 ＝１ ’７−５２を参照）に
よりめることができる、１得られた任意の２点間の最短
故障波及時間を行列で表わすと第５図となる。行列の中
の空白部分は波及がないことを意味し、演算上はＩＪＪ
どして扱う。第５図に示す行列Ｂをめる時、同時に最短
時間故障波及経路がまる。
ブロック１１８では以下の方法で故障源ｔｌ定を行う。
いま、センサ５１．．５２＝５５が異常、他は正常を示
しているとすると、Ｎｅ ｔ ＸＨｔ ｘｌから矢印の
方向を逆にたどり、その経路上にある要素の共通部分を
める。この例ではＸｌとなる。
しているとすると、Ｎｅ ｔ ＸＨｔ ｘｌから矢印の
方向を逆にたどり、その経路上にある要素の共通部分を
める。この例ではＸｌとなる。
次にブロック１１９で、正常情報を用いて、ブロック】
１８でめた故障源候補を以下の方法でしぼる。すなわち
、ブロック１１８でめた要素ＸＩから異常を示す要素Ｘ
ｇ ｙ Ｘ ＋９ ｔ ” Ｉまでの最大時間と正常
を示す要素Ｘ ＩＢ ｔ Ｘ １７までの最小時間を比
較し、最小時間の方が最大時間よりも大きい場合は、現
時点でｘｌを故障源候補ではないと断定できないため、
ｘｌを候補に含める。本例のように最大時間（４００）
の方が最小時間（３００）より大きい場合は、ｘｌが故
障源であるためには、Ｘ１７（ＸＩからの波及時間が３
００のもの）は異常を示していなければならないという
理由から、Ｘ、を故障源候補からはずす。
１８でめた故障源候補を以下の方法でしぼる。すなわち
、ブロック１１８でめた要素ＸＩから異常を示す要素Ｘ
ｇ ｙ Ｘ ＋９ ｔ ” Ｉまでの最大時間と正常
を示す要素Ｘ ＩＢ ｔ Ｘ １７までの最小時間を比
較し、最小時間の方が最大時間よりも大きい場合は、現
時点でｘｌを故障源候補ではないと断定できないため、
ｘｌを候補に含める。本例のように最大時間（４００）
の方が最小時間（３００）より大きい場合は、ｘｌが故
障源であるためには、Ｘ１７（ＸＩからの波及時間が３
００のもの）は異常を示していなければならないという
理由から、Ｘ、を故障源候補からはずす。
ブロック１１８でめた候補が複数個ある場合は、各候補
についてブロック１１９の操作を行う。
についてブロック１１９の操作を行う。
この結果、候補が残オＬば、次のブロック１２１へ移る
が、候補がすべてはずされた場合は解がないことになる
。ぞこで、正常４ｇ号を出しているセンサに不作動のも
のがあると考える。本例では、ｘｌが候補からはずされ
ると解がなくなるため、ｘｌを候補からばずしてしまう
正常（白妙表示センサすなわちＸｌ７に設置されている
センサが不作動とみなす。
が、候補がすべてはずされた場合は解がないことになる
。ぞこで、正常４ｇ号を出しているセンサに不作動のも
のがあると考える。本例では、ｘｌが候補からはずされ
ると解がなくなるため、ｘｌを候補からばずしてしまう
正常（白妙表示センサすなわちＸｌ７に設置されている
センサが不作動とみなす。
結局、本例では、推定故障源はＸｌで不作動センサはＸ
ｌ７に設置されているものという結果をブロック１２３
により表示する。
ｌ７に設置されているものという結果をブロック１２３
により表示する。
ブロック１２１と１２２の方法は特開昭５８−１ ’Ｊ
７５１．３号と同じであるため省呻する。
７５１．３号と同じであるため省呻する。
本実施例によれば、
（１）複数個の機器から構成されるプラントを対象とし
、設置できるセンサの数が限られており、故障波及関係
にフィードバックループが含ま扛でいても故障源の推定
が可能、 （２）不作動のセンサが含まれる場合にも尻をめること
が可能、 （３）従来の方法よりも、短時間で解をめることが可能
、 という効果がある。
、設置できるセンサの数が限られており、故障波及関係
にフィードバックループが含ま扛でいても故障源の推定
が可能、 （２）不作動のセンサが含まれる場合にも尻をめること
が可能、 （３）従来の方法よりも、短時間で解をめることが可能
、 という効果がある。
以上述べたように、本発明によれば、
（ａ）センサ（異常検知装置）がプラン１−構成機器の
一部にしか設置されていないプラントにおいても故障源
を推定可能、 （ｂ）異常検知時刻、演算開始時刻、故障波及時間と正
常信号を利用して、故障源候補を精選することが可能、 （ｃ）各機器の故障波及確率を用いて、故障源である可
能性の優先度づけが可能、 （ｄ）不作動のセンサが含まれる場合にも故障源を推定
することが可能、 となり、従来方法では短時間ではできなかった、不作動
センサを含む場合の故障源推定が可能となるので、故障
発生時の原因発見が速くなり適切な対策を施せるという
効果がある。
一部にしか設置されていないプラントにおいても故障源
を推定可能、 （ｂ）異常検知時刻、演算開始時刻、故障波及時間と正
常信号を利用して、故障源候補を精選することが可能、 （ｃ）各機器の故障波及確率を用いて、故障源である可
能性の優先度づけが可能、 （ｄ）不作動のセンサが含まれる場合にも故障源を推定
することが可能、 となり、従来方法では短時間ではできなかった、不作動
センサを含む場合の故障源推定が可能となるので、故障
発生時の原因発見が速くなり適切な対策を施せるという
効果がある。
第１図は本発明の故障源推定方式によるプラント系の一
実施例の構成図、第２図は第１図の故障態推定装置での
処理の一例を示すフローチャート、第３図はポンプ設備
の故障波及網と設置センサの位置を示す図、第４図は故
障波及関連行列を示す図、第５図は最短故障波及時間行
列を示′す図であ第 ｌＩ２１ 第 Ｚ 口 第 ３ 図 ｆｆ１４［２１
実施例の構成図、第２図は第１図の故障態推定装置での
処理の一例を示すフローチャート、第３図はポンプ設備
の故障波及網と設置センサの位置を示す図、第４図は故
障波及関連行列を示す図、第５図は最短故障波及時間行
列を示′す図であ第 ｌＩ２１ 第 Ｚ 口 第 ３ 図 ｆｆ１４［２１
Claims (1)
- プラントを構成する複数個の機器のうち、特定の機器に
設置されたセンサからの情報により、故障源とする機器
を推定するプラントの故障源推定方式において、全機器
間での故障波及関係をめ、求められた故障波及関係と上
記センサの情報から得られた正常、異常情報をそれらの
検知時刻とにもとづいて、故障源を推定する際、不作動
のセンサがあっても推定可能とするとともに、不作動の
センナも推定する故障源推定手段と、隣接２機器間の故
障波及方向、波及時間など初期データの入力装置とプラ
ントにおける流量、電圧などの状態量が正常か異常かを
判定できる異常検知手段とを設けたことを特徴とする故
障源推定方式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP59028530A JPS60173612A (ja) | 1984-02-20 | 1984-02-20 | 故障源推定方式 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP59028530A JPS60173612A (ja) | 1984-02-20 | 1984-02-20 | 故障源推定方式 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPS60173612A true JPS60173612A (ja) | 1985-09-07 |
Family
ID=12251217
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP59028530A Pending JPS60173612A (ja) | 1984-02-20 | 1984-02-20 | 故障源推定方式 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS60173612A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5499604A (en) * | 1993-12-17 | 1996-03-19 | Toyota Jidosha Kabushiki Kaisha | Positive crank ventilation apparatus for an engine system |
-
1984
- 1984-02-20 JP JP59028530A patent/JPS60173612A/ja active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5499604A (en) * | 1993-12-17 | 1996-03-19 | Toyota Jidosha Kabushiki Kaisha | Positive crank ventilation apparatus for an engine system |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Salahshoor et al. | Centralized and decentralized process and sensor fault monitoring using data fusion based on adaptive extended Kalman filter algorithm | |
| EP3051374A1 (en) | Information processing device and analysis method | |
| KR102025145B1 (ko) | 플랜트 데이터 예측 장치 및 방법 | |
| JP6655926B2 (ja) | 異常診断システム | |
| JP3980760B2 (ja) | プラント監視装置 | |
| US7653515B2 (en) | Expert knowledge methods and systems for data analysis | |
| EP1550155A1 (en) | Expert knowledge methods and systems for data analysis | |
| Gruzlikov et al. | Event monitoring of parallel computations | |
| US5150367A (en) | Composite range constraint propagation control | |
| JPS60173612A (ja) | 故障源推定方式 | |
| JP2016080585A (ja) | プラント状態解析装置 | |
| JP2006285734A (ja) | 制御装置の診断方法 | |
| JPS61173313A (ja) | プラントの故障原因推定方式 | |
| JP5726100B2 (ja) | 制御ロジック管理装置 | |
| AU2020240693A1 (en) | Assist device, display device, assist method and assist program | |
| JP2010015274A (ja) | プロセスデータ表示システムおよびプロセスデータ表示方法 | |
| JPS60167007A (ja) | プラントの故障原因推定方式 | |
| JP2001067122A (ja) | ラダープログラム診断方法及び設備診断装置 | |
| JPS61245210A (ja) | プラントの故障原因推定方式 | |
| JP4266965B2 (ja) | 移動経路諸元推定方法 | |
| JPS59214913A (ja) | プラントの故障源推定方式 | |
| JPS6083108A (ja) | プラントの故障原因推定方式 | |
| JPS59214914A (ja) | 故障源推定方式 | |
| JPS61175709A (ja) | プラントの故障波及範囲予測方式 | |
| JPS60107111A (ja) | プラントの故障波及範囲予測方式 |