JPS6118011A - 機器故障診断方法 - Google Patents
機器故障診断方法Info
- Publication number
- JPS6118011A JPS6118011A JP59137207A JP13720784A JPS6118011A JP S6118011 A JPS6118011 A JP S6118011A JP 59137207 A JP59137207 A JP 59137207A JP 13720784 A JP13720784 A JP 13720784A JP S6118011 A JPS6118011 A JP S6118011A
- Authority
- JP
- Japan
- Prior art keywords
- failure
- load
- failure mode
- probability
- cause
- 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
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Test And Diagnosis Of Digital Computers (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、大型プラントの機器故障診断に係り、特に徴
候観測の確からしさを考慮した機器故障診断方法に関す
るものである。
候観測の確からしさを考慮した機器故障診断方法に関す
るものである。
1つの機器には一般に幾通りもの故障の仕方がある。例
えば、「スイッチSIは開いたまま固着して動かなくな
る」、「スイッチS、は閉じたまま固着して動かなくな
る」等である。ここで、゛スイッチS、゛は機器であり
、開いたまま固層して動かなくなる“、”閉じたまま固
着して動かなくなる”等は現象である。1つの機器と1
つの現象の組合せを故障モードと呼ぶことにする。
えば、「スイッチSIは開いたまま固着して動かなくな
る」、「スイッチS、は閉じたまま固着して動かなくな
る」等である。ここで、゛スイッチS、゛は機器であり
、開いたまま固層して動かなくなる“、”閉じたまま固
着して動かなくなる”等は現象である。1つの機器と1
つの現象の組合せを故障モードと呼ぶことにする。
故障モードの間には因果関係のあるものがある。
例えば、“「弁V、が漏洩する」(原因)と「機器E、
は作動しない」 (結果)°等である。これらの因果関
係のある故障モード’!r、”AND”関係及びOR“
関係まで考慮して樹木状に整理したものが故障樹木、原
因結果樹木、あるいは現象樹木であり、また、網状に整
理したものが事象ネットワークである。第1図の(a)
は故障樹木、Φ)は事象ネットワークの例で、両者共、
同じ因果関係全表わしている。すなわち、故障モード1
,2゜3のすべてが起る( A N l)関係)と故障
モード5が起る。故障モード4,5.6の何れかが起る
(OEt関係)と故障モードlOが起る。また、故障モ
ード3が起ると故障モード8、シたがって、故障モード
11が起る。故障モードio、xiの何れかが起ると故
障モード12が起る。lなお、第1図(a)において、
記号ムはAND関係を、また、記号凸はOR関係を表わ
している。第1図(b)では分岐枝間の二重円弧がAN
D関係を表わし、それ以外の箇所がOR,関係を表わし
ている。
は作動しない」 (結果)°等である。これらの因果関
係のある故障モード’!r、”AND”関係及びOR“
関係まで考慮して樹木状に整理したものが故障樹木、原
因結果樹木、あるいは現象樹木であり、また、網状に整
理したものが事象ネットワークである。第1図の(a)
は故障樹木、Φ)は事象ネットワークの例で、両者共、
同じ因果関係全表わしている。すなわち、故障モード1
,2゜3のすべてが起る( A N l)関係)と故障
モード5が起る。故障モード4,5.6の何れかが起る
(OEt関係)と故障モードlOが起る。また、故障モ
ード3が起ると故障モード8、シたがって、故障モード
11が起る。故障モードio、xiの何れかが起ると故
障モード12が起る。lなお、第1図(a)において、
記号ムはAND関係を、また、記号凸はOR関係を表わ
している。第1図(b)では分岐枝間の二重円弧がAN
D関係を表わし、それ以外の箇所がOR,関係を表わし
ている。
大型プラントの機器故障診断では樹木あるいはネットワ
ーク上の故障モードの幾つかを機器故障の徴候として指
摘する。そして、徴候から因果関係を原因側にたどり、
末端(最原因tIIIl )故障モードの中で単位時間
当りの発生確率の最大のものを故障原因とする。例えば
第1図(b)で点線部分を無視し、故障モード1Oft
徴候とすると故障モード5、したがって、故障モード1
,2.3のすべてが故障原因とされる。また、故障モー
ド1O911の2つを徴候とすると故障モード3のみが
共通の故障原因となる。
ーク上の故障モードの幾つかを機器故障の徴候として指
摘する。そして、徴候から因果関係を原因側にたどり、
末端(最原因tIIIl )故障モードの中で単位時間
当りの発生確率の最大のものを故障原因とする。例えば
第1図(b)で点線部分を無視し、故障モード1Oft
徴候とすると故障モード5、したがって、故障モード1
,2.3のすべてが故障原因とされる。また、故障モー
ド1O911の2つを徴候とすると故障モード3のみが
共通の故障原因となる。
ところで、上記の従来技術には4つの欠点があった。第
1の欠点は徴候観m+1の確からしさが故障原因推定に
反映されないことである。徴候とは字義の如く°きざし
“全意味し、本来あいまいなものである。徴候が明りよ
うであれば故障原因も自ずから明らかなことが多い。し
たがって、あいまいな徴候から故障原因全推定すること
こそ故障診断の本来の任務である。
1の欠点は徴候観m+1の確からしさが故障原因推定に
反映されないことである。徴候とは字義の如く°きざし
“全意味し、本来あいまいなものである。徴候が明りよ
うであれば故障原因も自ずから明らかなことが多い。し
たがって、あいまいな徴候から故障原因全推定すること
こそ故障診断の本来の任務である。
第2の欠点は徴候が観1111Iされたとぎり事実が故
障モード発生確率に反映されていないことである。
障モード発生確率に反映されていないことである。
ある徴候が観測された場合とされない場合で故障モード
の発生確率は異なるに違いない。
の発生確率は異なるに違いない。
第3の欠点は誤った徴候が入力されると正しい故障原因
が見つからないことである。これはすべての徴候が1つ
の共通原因に起因すると仮定されているためである。
が見つからないことである。これはすべての徴候が1つ
の共通原因に起因すると仮定されているためである。
第4の欠点はある徴候が観測されないと言うネガティブ
な意味での情報が扱えないことである。
な意味での情報が扱えないことである。
徴候がないことが明らかであれば、その徴候の起因とな
る原因を考えなくて工く、原因探索の範囲を限定するこ
とができる。
る原因を考えなくて工く、原因探索の範囲を限定するこ
とができる。
本発明けこれらの従来技術の欠点を改善するためになさ
れたもので、徴候観測の確からしさ、条件付き確率、お
よびネガティブ情報を総合的に考慮して、唯一つの共通
原因だけでなく幾つかの分散原因を同時に推定すること
のできる機器故障原因探索法を提供することにある。
れたもので、徴候観測の確からしさ、条件付き確率、お
よびネガティブ情報を総合的に考慮して、唯一つの共通
原因だけでなく幾つかの分散原因を同時に推定すること
のできる機器故障原因探索法を提供することにある。
本発明は、故障樹木や事象ネットワーク上のすべての故
障モードに、徴候から原因側にたどった時の到達の可能
性、徴候が観測されたと酊う条件の下での発生確率、徴
候観測の確からしさの幾何平均を掛は合せて作った荷重
を割り当て、荷重の最大のものを故障原因とすることを
特徴とするものである。
障モードに、徴候から原因側にたどった時の到達の可能
性、徴候が観測されたと酊う条件の下での発生確率、徴
候観測の確からしさの幾何平均を掛は合せて作った荷重
を割り当て、荷重の最大のものを故障原因とすることを
特徴とするものである。
以下、初めに本発明になる荷重計算法を示し、次にそれ
を実現するための装置のブロック線図を示す。最後に具
体的実施例について図面を用いて詳細に説明する。
を実現するための装置のブロック線図を示す。最後に具
体的実施例について図面を用いて詳細に説明する。
いま、故障樹木や事象ネットワーク上の故障モードta
++J等で表わし、この中、徴候として指定されたもの
を上付き記号骨を付けて、aI4I。
++J等で表わし、この中、徴候として指定されたもの
を上付き記号骨を付けて、aI4I。
b、4′等と書くことにする。そして、徴候観測の確か
らしさ全くaI〉、くb1″′シ等で表わし、区間(0
,1)の中の実数を割り当てるものとする。
らしさ全くaI〉、くb1″′シ等で表わし、区間(0
,1)の中の実数を割り当てるものとする。
すなわち、aI + al”+ bJ 、bJl等は故
障モードの名称であり、<a、”>、 <b、’>は観
測の確からしさを示す数値である。観測の確からしさけ
、徴候が確実に観測される場合を11 まったく観測さ
れない場合を0とし、その中間の場合を徴候を観測した
人の主観により決定する。
障モードの名称であり、<a、”>、 <b、’>は観
測の確からしさを示す数値である。観測の確からしさけ
、徴候が確実に観測される場合を11 まったく観測さ
れない場合を0とし、その中間の場合を徴候を観測した
人の主観により決定する。
いま、5個の徴候bJ′、(j=1,2.・・・、J)
がそれぞれ観測の確からしさくb:>で観測されたもの
とする。そして、この5個の徴候の中のに個(k=1,
2.・・・、J)が1つの共通原因から生じたものとす
る。自然数の楽&(1,2,・・・。
がそれぞれ観測の確からしさくb:>で観測されたもの
とする。そして、この5個の徴候の中のに個(k=1,
2.・・・、J)が1つの共通原因から生じたものとす
る。自然数の楽&(1,2,・・・。
J)からに個をとる組合せの数t−L(ミXCk)とし
、その中の第を番目の組合せをFlとすれば、Ft=i
ft、、ft宜、・・・、fth)・・曲・・・・・・
(1)である。ただし、右辺の各要素f t 、/、
(k/ =1゜2、・・・、k)は自然数1,2.・・
・、Jの中の1つ、すなわち、 ’tk’((1,2,・・・e J )、 (k’=t
、 2.・・・、k)(2)である。
、その中の第を番目の組合せをFlとすれば、Ft=i
ft、、ft宜、・・・、fth)・・曲・・・・・・
(1)である。ただし、右辺の各要素f t 、/、
(k/ =1゜2、・・・、k)は自然数1,2.・・
・、Jの中の1つ、すなわち、 ’tk’((1,2,・・・e J )、 (k’=t
、 2.・・・、k)(2)である。
この時、故障モードa、がk flftの徴候の共通原
因であることに対する荷重<q、、”>kを次式で与え
ることにする。
因であることに対する荷重<q、、”>kを次式で与え
ることにする。
・・・・・・・・・・・・(4)
ただし、あるlに対し4.!TFtくb7〉=0となる
a、の荷重<q、i>k は0とする。
a、の荷重<q、i>k は0とする。
ここに、記号、T <bi>けj Ftである工)
Cat うなすべての< b 3 >について積をとること、す
なわち、 Tr <b:> <b:tI><b:t2>−<b
jtk>・−・(5)jεFt j Ftであるような徴候Hの観測の確からしあるよ
うなすべてのb″1の積集合、すなわち、である。式(
6)の具体的な意味は「徴候b:t1.b″′tt2゜
・・・、bltkがすべて観測されたコと直うことであ
る。このような意味金式(6)のように書き表わすのは
個々の徴候”tub’、 (k’ ”1.2.・・・、
k)が1つの集合を表わしているとぼう考えに基づいて
いる。実際、故障樹木(または、事象ネットワーク)の
末端(最原因11!l)の故障モードの和集合またはし
たと6う条件の下での故障モードa、が単位時間に発生
する条件付き確率、すなわち、[徴候b”tt+ 、
b”tI2. ・、 b’:tb カfへ”(iQ測す
tt、りJ ト酊う条件の下でのalが単位時間に発生
する条件率である。ただ1−1故障樹木(または、事象
ネットワーク)上の末端最原因側)故障モードの単位時
間当り事前発生確率は与えられているものとする。
Cat うなすべての< b 3 >について積をとること、す
なわち、 Tr <b:> <b:tI><b:t2>−<b
jtk>・−・(5)jεFt j Ftであるような徴候Hの観測の確からしあるよ
うなすべてのb″1の積集合、すなわち、である。式(
6)の具体的な意味は「徴候b:t1.b″′tt2゜
・・・、bltkがすべて観測されたコと直うことであ
る。このような意味金式(6)のように書き表わすのは
個々の徴候”tub’、 (k’ ”1.2.・・・、
k)が1つの集合を表わしているとぼう考えに基づいて
いる。実際、故障樹木(または、事象ネットワーク)の
末端(最原因11!l)の故障モードの和集合またはし
たと6う条件の下での故障モードa、が単位時間に発生
する条件付き確率、すなわち、[徴候b”tt+ 、
b”tI2. ・、 b’:tb カfへ”(iQ測す
tt、りJ ト酊う条件の下でのalが単位時間に発生
する条件率である。ただ1−1故障樹木(または、事象
ネットワーク)上の末端最原因側)故障モードの単位時
間当り事前発生確率は与えられているものとする。
記号u (a、l 、ハ bJ”)は故障樹木(または
、JεFt 事象ネットワーク)上で徴候から原因側に探索した時の
故障モードa1への到達の可能性である。
、JεFt 事象ネットワーク)上で徴候から原因側に探索した時の
故障モードa1への到達の可能性である。
すなわち、jcvtであるすべての徴候b:の何れから
も“AND”関係または“OR”関係を経て到達するこ
とのできる故障モードa、に対してu == 1 、そ
れ以外の場合はu=gとする。ただし、”AND”関係
よりも原因側にあり、直接または間接にAND“関係を
構成する故障モードの1つalが A b:から到達
可能であれば at、を)ypt 含み、かつ、当該” AND“関係を満足するすべての
故障モードa、も n b:から到達可能でめJ+F
z るとして、alに対してu = 1とする。
も“AND”関係または“OR”関係を経て到達するこ
とのできる故障モードa、に対してu == 1 、そ
れ以外の場合はu=gとする。ただし、”AND”関係
よりも原因側にあり、直接または間接にAND“関係を
構成する故障モードの1つalが A b:から到達
可能であれば at、を)ypt 含み、かつ、当該” AND“関係を満足するすべての
故障モードa、も n b:から到達可能でめJ+F
z るとして、alに対してu = 1とする。
以上の荷重計算法を徴候数J=5、その中の2個(すな
わち、k=2)が共通原因から起因する場合について説
明する。5個の徴候から2個をとる組合せの数はT、=
sCz = I Oで次のように与えられる。
わち、k=2)が共通原因から起因する場合について説
明する。5個の徴候から2個をとる組合せの数はT、=
sCz = I Oで次のように与えられる。
Fl=(1,2+、 F’2=(l、 31.・・・+
Fl。=44.s)・・・・・・・・・(8) これに対し故障モードa、が原因である荷重は式(3)
から で与えられる。式(9)の中括弧の中は次の10通りの
値をもつ。
Fl。=44.s)・・・・・・・・・(8) これに対し故障モードa、が原因である荷重は式(3)
から で与えられる。式(9)の中括弧の中は次の10通りの
値をもつ。
t=xの時+q(atlb−ハb−)!t=No凋’
q(a+ l b4^b:)2式(lO)はそれぞれ意
味のあるものである。たとえばt=1の時、2つの徴候
す、とb2の共通原因がa、であるための荷重を表わし
ている。しく10) たがって、式(10)の10通りの荷重を別々に考える
こともできるが、それでは煩雑にすぎるので式(3)の
方式ではその中の最大値をとることにしている。
q(a+ l b4^b:)2式(lO)はそれぞれ意
味のあるものである。たとえばt=1の時、2つの徴候
す、とb2の共通原因がa、であるための荷重を表わし
ている。しく10) たがって、式(10)の10通りの荷重を別々に考える
こともできるが、それでは煩雑にすぎるので式(3)の
方式ではその中の最大値をとることにしている。
次にブロック線図に工す説明する。第2商は本発明にな
る鍮器故障診断法を実現するための装置のブロック線図
である。図中、楕円は入力情報であり矩形が演算器であ
る。捷た、とくに引出し線のない矢印は単なる情報の流
れを示しでいる。
る鍮器故障診断法を実現するための装置のブロック線図
である。図中、楕円は入力情報であり矩形が演算器であ
る。捷た、とくに引出し線のない矢印は単なる情報の流
れを示しでいる。
本装置には、初めに、”1f−then 規則″の形
で与えられる故障モード間の因果関係の集ム13が入力
される。1f−then規則とは、前掲の例ケ用いれば
°もしくif シ、「升V1 が漏洩する」(原因)と
、<then>f機器E、は作動しない」(結果)”と
gつだものである。この1f−then規則tAND関
係及びOR関係を考慮して自動的につないで故障樹木(
または、原因結果樹木、現象樹木、事象ネットワーク)
を作るのが故障樹木(または、原因結果樹木、現象樹木
、事象ネットワーク)作成器14である。以下、括弧内
を省略する。機器故障徴候とは故障樹木上で徴候として
とくに指定された故障モードのことである。破線15t
まこのことを意味している。幾つかの徴候b7.(j=
x、2.・・・、J)とその観測の確がらしさく 11
m >の集合16が入力として与えられるものとする
。゛まだ、故障樹木の末端(最原因側)故障モードの単
位時間当り発生確率(事前確率)の集合17も入力とし
てあらかじめ与えられているものとする。
で与えられる故障モード間の因果関係の集ム13が入力
される。1f−then規則とは、前掲の例ケ用いれば
°もしくif シ、「升V1 が漏洩する」(原因)と
、<then>f機器E、は作動しない」(結果)”と
gつだものである。この1f−then規則tAND関
係及びOR関係を考慮して自動的につないで故障樹木(
または、原因結果樹木、現象樹木、事象ネットワーク)
を作るのが故障樹木(または、原因結果樹木、現象樹木
、事象ネットワーク)作成器14である。以下、括弧内
を省略する。機器故障徴候とは故障樹木上で徴候として
とくに指定された故障モードのことである。破線15t
まこのことを意味している。幾つかの徴候b7.(j=
x、2.・・・、J)とその観測の確がらしさく 11
m >の集合16が入力として与えられるものとする
。゛まだ、故障樹木の末端(最原因側)故障モードの単
位時間当り発生確率(事前確率)の集合17も入力とし
てあらかじめ与えられているものとする。
さて、k設定器18は5個の徴候の中で共通原因から起
因するものの数を定める。徴候組合せ作成器19け、1
個の徴候の中のに個をとった時にできる組合せFt T
(Z =1 + 2+・・・、■、)を作成する。
因するものの数を定める。徴候組合せ作成器19け、1
個の徴候の中のに個をとった時にできる組合せFt T
(Z =1 + 2+・・・、■、)を作成する。
徴候確度幾何平均作成器20けに個の徴候作成器21に
移るのであるが、それエリ以前に次のような準備演算が
実行される。
移るのであるが、それエリ以前に次のような準備演算が
実行される。
すなわち、故障樹木上のすべての故障モードを、それぞ
れ自分自身、または、他の故障モードで構成される集合
と見なし、集合算演算器22により末端故障モードの和
及び積の形に整即する。この部分は後に具体例金柑いて
詳細に説明される。その後で故障モード事前確率計算器
23にエリすべての故障モードの学位時間当り発生確率
(事前確率)が計算される。この時、末端故障モード発
生確率17が用いられる。条件付き確率作成器24条件
の下での単位時間当り発生確率をすべての故障モードに
ついて求めるもので、事前確率計算器23で与えられる
事前確率が用いられる。
れ自分自身、または、他の故障モードで構成される集合
と見なし、集合算演算器22により末端故障モードの和
及び積の形に整即する。この部分は後に具体例金柑いて
詳細に説明される。その後で故障モード事前確率計算器
23にエリすべての故障モードの学位時間当り発生確率
(事前確率)が計算される。この時、末端故障モード発
生確率17が用いられる。条件付き確率作成器24条件
の下での単位時間当り発生確率をすべての故障モードに
ついて求めるもので、事前確率計算器23で与えられる
事前確率が用いられる。
要なデータの半分が用意されたことになる。残りを準備
することである。これは到達可能性探索器各故障モード
まで実際にたどることで実現される。
することである。これは到達可能性探索器各故障モード
まで実際にたどることで実現される。
式(3)、 (4)の説明において、あるtに対しキo
となる故障モードa、の荷重<q:+ 〉bll: O
とするのであった。これは徴候確度幾何平均作成器20
において1.T <b:〉=oとなる場合をテqFt エツジl−でおき、情報バス26を通して到達可能性探
索器25に伝えることで実現される。すなわち、この場
合には到達可能性探索の結果の如何に筈の故障モードa
、の荷重くq″′−r〉hk自動的に0にすることがで
きる。
となる故障モードa、の荷重<q:+ 〉bll: O
とするのであった。これは徴候確度幾何平均作成器20
において1.T <b:〉=oとなる場合をテqFt エツジl−でおき、情報バス26を通して到達可能性探
索器25に伝えることで実現される。すなわち、この場
合には到達可能性探索の結果の如何に筈の故障モードa
、の荷重くq″′−r〉hk自動的に0にすることがで
きる。
を作成するものである。徴候確度幾何平均作成器2oか
らq e k J’、 TT < b 1 >作成器
27マー?’ij:徴eFz 候組合せの数りだけl繰返しバス28全通1−で繰返さ
れる。すべての徴候組合せについて器30で故障モード
aIの荷重<Qa+〉b k決定する。徴候確度幾何芒
均作成器20から荷重決定器30までは故障モードの数
1だけI繰返しパス31全通して繰返される。
らq e k J’、 TT < b 1 >作成器
27マー?’ij:徴eFz 候組合せの数りだけl繰返しバス28全通1−で繰返さ
れる。すべての徴候組合せについて器30で故障モード
aIの荷重<Qa+〉b k決定する。徴候確度幾何芒
均作成器20から荷重決定器30までは故障モードの数
1だけI繰返しパス31全通して繰返される。
荷重順位決定器32は荷重の大きな順に故障モード金並
べる。k設定器18から荷重順位決定器32まではkの
最大値Jだけに繰返しバス33を通して繰返される。最
後に故障原因推定器34によりに毎の故障原因が推定さ
れる。
べる。k設定器18から荷重順位決定器32まではkの
最大値Jだけに繰返しバス33を通して繰返される。最
後に故障原因推定器34によりに毎の故障原因が推定さ
れる。
以下、沸騰水型原子力発電所の制御棒駆動系金側にとり
、本発明になる機器故障診断方法を説明する。
、本発明になる機器故障診断方法を説明する。
第3図は制御棒駆動系の配管系統(制御棒挿入時)を示
したものである。駆動水ヘッダー35より供給される駆
動水36は、手動弁37、逆止弁38、電磁切換弁39
、手動弁40を通って制御棒駆動機構41の下部42に
流入し制御棒43を押し上げる。この時、制御棒駆動機
構上部44に貯っていた水は手動弁45、電磁切換弁4
6、手動弁47を通って排出水48として排出される。
したものである。駆動水ヘッダー35より供給される駆
動水36は、手動弁37、逆止弁38、電磁切換弁39
、手動弁40を通って制御棒駆動機構41の下部42に
流入し制御棒43を押し上げる。この時、制御棒駆動機
構上部44に貯っていた水は手動弁45、電磁切換弁4
6、手動弁47を通って排出水48として排出される。
この場合、電磁切換弁39と46は開いており電磁切換
弁49と50は閉じている。それに対し制御棒引抜き時
には電磁切換弁49と50が開いており電磁切換弁39
と46が閉じている。そして、駆動水36け手FJIJ
4P37、逆止弁38から電磁切換弁49、手動弁45
′!il−通り制御棒駆動機構上部44に流入して制御
棒43を押し下ける。制御棒駆動機構下部42に貯って
いた水は手動弁40、電磁切換弁50、手動弁47を通
って排出水48として排出される。スクラム(炉緊急停
止)時には通常は閉じている空気作動弁51.52が開
き、アキュムレータ53内の水が制御棒駆動機構下部4
2に急速に注入される。なお、図中、54はスクラム供
給水、55はスクラム排出水、56は冷却水、57は駆
動水流量計である。
弁49と50は閉じている。それに対し制御棒引抜き時
には電磁切換弁49と50が開いており電磁切換弁39
と46が閉じている。そして、駆動水36け手FJIJ
4P37、逆止弁38から電磁切換弁49、手動弁45
′!il−通り制御棒駆動機構上部44に流入して制御
棒43を押し下ける。制御棒駆動機構下部42に貯って
いた水は手動弁40、電磁切換弁50、手動弁47を通
って排出水48として排出される。スクラム(炉緊急停
止)時には通常は閉じている空気作動弁51.52が開
き、アキュムレータ53内の水が制御棒駆動機構下部4
2に急速に注入される。なお、図中、54はスクラム供
給水、55はスクラム排出水、56は冷却水、57は駆
動水流量計である。
第4図は制御棒駆動系の配管系統に関する事象ネットワ
ークの一部を取り出したものでOR関係のみから成り立
っている。実線楕円は運転中観測可能な故障モードを、
また、点線楕円は定検中観測可能な故障モードを表わし
ている。
ークの一部を取り出したものでOR関係のみから成り立
っている。実線楕円は運転中観測可能な故障モードを、
また、点線楕円は定検中観測可能な故障モードを表わし
ている。
(ケース1)
いま、故障モード58(駆動水圧力高)が徴候として観
測され、観測の確からしさけ0.9であったとする。つ
まり、式(3)において徴候の数はJ=1で、徴候す、
が故障モード58のことであり<b−>が0.9である
。5個の徴候からに個をとる組合せはに=lt、かあり
得ないので組合せの数はL ” + C+=1、組合せ
はTi’1=(l)唯一つとなる。
測され、観測の確からしさけ0.9であったとする。つ
まり、式(3)において徴候の数はJ=1で、徴候す、
が故障モード58のことであり<b−>が0.9である
。5個の徴候からに個をとる組合せはに=lt、かあり
得ないので組合せの数はL ” + C+=1、組合せ
はTi’1=(l)唯一つとなる。
そこで、式(3)の中で
となるから、故障モードa、に対する荷重は式(3)。
(4)式から
<Qal> H=Q (al l b、” ) <b、
”> −−−−−−−−−(12)q(atl
b+”)=f’(atlb+”) *u(a、lb、
) −(13)で与えられる。a、は事象ネットワー
ク上の徴候以外の全故障モードである。この中、徴候す
−から原因側にたどって到達し得る故障モードは59(
駆動水流量制御不良)、60(流量制御弁故障)、61
(流量制量計器故障)、62(IA空気源喪失)、63
(IA系統異常)で、これらの故障モードに対して式(
13)中の到達の可能性u(a、1b−)はlとなる。
”> −−−−−−−−−(12)q(atl
b+”)=f’(atlb+”) *u(a、lb、
) −(13)で与えられる。a、は事象ネットワー
ク上の徴候以外の全故障モードである。この中、徴候す
−から原因側にたどって到達し得る故障モードは59(
駆動水流量制御不良)、60(流量制御弁故障)、61
(流量制量計器故障)、62(IA空気源喪失)、63
(IA系統異常)で、これらの故障モードに対して式(
13)中の到達の可能性u(a、1b−)はlとなる。
それ以外の故障モードに対してけu (al lb、”
)= 0 ト!ル。
)= 0 ト!ル。
式(13)の中の確率p(a、Ib−)は徴候す−が観
測されたと言う条件の下での故障モードa、の単位時間
当り発生確率で、式(7)からである。式(14)右辺
の確率は事前確率であり次のように与えられる。
測されたと言う条件の下での故障モードa、の単位時間
当り発生確率で、式(7)からである。式(14)右辺
の確率は事前確率であり次のように与えられる。
簡単のためalの添番号iに上記の故障モード番号をそ
のま1代用することにする。い普、事象ネットワークの
末端にある3つの故障モード60゜61.63e独立と
し、それらの事前発生確率が1)(a、、)=1.0X
10−’ 、 p(a、、)=0.9X10’。
のま1代用することにする。い普、事象ネットワークの
末端にある3つの故障モード60゜61.63e独立と
し、それらの事前発生確率が1)(a、、)=1.0X
10−’ 、 p(a、、)=0.9X10’。
p(”all) = 0.9 X 10− ’
”−””(15)と与えられるものとする。第4図の
関係はすべてOR関係であるから、他の故障モードは末
端故障モードに工り次のように与えられる。
”−””(15)と与えられるものとする。第4図の
関係はすべてOR関係であるから、他の故障モードは末
端故障モードに工り次のように与えられる。
al12 ” ” 6 B +
”5o=aaovaa+V”a2=aaoVaa+Va
as+ 19’(16)bl”!! a5s” aI
Io= aaoV a61V aa3したがって、故障
モードの積は asQへb+=”so rXaso:ass:aeo%
7 a61υa63゜a6oAb:=a6o八(aao
V ”a+V aas ) = aa[1+a61ハb
+=aa+ 八(”eoV aa+υa63 ) :
ae+a62ハb+”aa3 へb?=aasハ(a6
0υa61 va68)=a63ass八bンーaas
・・・・・・・・・・
・・(17)となる。故障モードa601 a61+
a6B は独立としているから、その和の確率は 1) (aa0 V a61υa63):l (l
p(aao))D p(aa+))(l I)(aas
))=0.0010099 (
18)である。式(14)の条件付き確率は次のように
与えられる。
as+ 19’(16)bl”!! a5s” aI
Io= aaoV a61V aa3したがって、故障
モードの積は asQへb+=”so rXaso:ass:aeo%
7 a61υa63゜a6oAb:=a6o八(aao
V ”a+V aas ) = aa[1+a61ハb
+=aa+ 八(”eoV aa+υa63 ) :
ae+a62ハb+”aa3 へb?=aasハ(a6
0υa61 va68)=a63ass八bンーaas
・・・・・・・・・・
・・(17)となる。故障モードa601 a61+
a6B は独立としているから、その和の確率は 1) (aa0 V a61υa63):l (l
p(aao))D p(aa+))(l I)(aas
))=0.0010099 (
18)である。式(14)の条件付き確率は次のように
与えられる。
p(8m6 lb”: )”1.0 + P (aa。
lb+ )=0.990゜p(861lb?)=OJ3
91X10−”、 p(aas I b:)=0.89
1XlO−’・・・・・・・・・(19) したがって、各故障モードに対する荷重は式(12)%
式% となり、他の故障モードに対しては0となる。したがっ
て、徴候が1つの故障モード58のみの場合は、もつと
も荷重の大きいものとして故障モード59が故障原因の
第1候補に選ばれる。第2候補は故障モード60、第3
候補は故障モード62と63、第4候補は故障モード6
1である。
91X10−”、 p(aas I b:)=0.89
1XlO−’・・・・・・・・・(19) したがって、各故障モードに対する荷重は式(12)%
式% となり、他の故障モードに対しては0となる。したがっ
て、徴候が1つの故障モード58のみの場合は、もつと
も荷重の大きいものとして故障モード59が故障原因の
第1候補に選ばれる。第2候補は故障モード60、第3
候補は故障モード62と63、第4候補は故障モード6
1である。
(ケース2)
ところで、第3候補である故障モード62あるいは63
が真の故障原因であったとすると、故障モード58の外
に故障モード64(空気作動弁51誤開)、故障モード
65(空気作動弁52誤開)が徴候として観測されなけ
ればならない。そこで、ケースlの徴候に加えて故障モ
ード65が徴候す−として観測された場合の実施例金示
す。
が真の故障原因であったとすると、故障モード58の外
に故障モード64(空気作動弁51誤開)、故障モード
65(空気作動弁52誤開)が徴候として観測されなけ
ればならない。そこで、ケースlの徴候に加えて故障モ
ード65が徴候す−として観測された場合の実施例金示
す。
ただし、観測の確からしさは<b−>=l、Qとする。
(2o)
この場合、徴候の数はJ=2である。5個の徴候からに
個をとる組合せにはに=2の場合とに=1の場合の2つ
がある。
個をとる組合せにはに=2の場合とに=1の場合の2つ
がある。
(J=2.に=2の場合)
つまり、2つの徴候の中の2つ共が共通の原因から起因
すると考えた場合で、組合せの数はL−1IC2”1%
組合せはp+=(t、z)唯一つとなる。式(3)の中
で ・・・・・・・・・(21) となるから、故障モードa、に対する荷重は<Q” 、
−)=Q (晴b′?−)・E丁;ご; ・・・・・
・(22)で与えられる。b7Ab:すなわち、2つの
徴候b−とbNの両方から致達可能なものは故障モード
ロ2と63であり、到達可能性u(al1−ハb;)は
これらの故障モードに対し1.0、他の故障モードに対
し0となる。
すると考えた場合で、組合せの数はL−1IC2”1%
組合せはp+=(t、z)唯一つとなる。式(3)の中
で ・・・・・・・・・(21) となるから、故障モードa、に対する荷重は<Q” 、
−)=Q (晴b′?−)・E丁;ご; ・・・・・
・(22)で与えられる。b7Ab:すなわち、2つの
徴候b−とbNの両方から致達可能なものは故障モード
ロ2と63であり、到達可能性u(al1−ハb;)は
これらの故障モードに対し1.0、他の故障モードに対
し0となる。
式(23)の中の条件付き確率は
でめる。ここで、
b;三aea=aa4= ant” aas
・・”・・・・(25)であるから、徴候及び故障モ
ードの積はb−ハb:” (aa0 afil a
6s) a6B”a63allllハb?ハb:=
aa8 * al。ハb7^b;=φ 。
・・”・・・・(25)であるから、徴候及び故障モ
ードの積はb−ハb:” (aa0 afil a
6s) a6B”a63allllハb?ハb:=
aa8 * al。ハb7^b;=φ 。
a61^bマ^b:=φ 、aa、^b?ハ”t =
a6B +a63^b7凸b:” al13 + ”
64^b−〇”ニーaas・・・・・・・・・(26) である。ただし、φは空巣合′t−表わしてしる。条件
付き確率p (a、 l b”、/)b: )は次のよ
うに与えられる。
a6B +a63^b7凸b:” al13 + ”
64^b−〇”ニーaas・・・・・・・・・(26) である。ただし、φは空巣合′t−表わしてしる。条件
付き確率p (a、 l b”、/)b: )は次のよ
うに与えられる。
p (as。1b;凸bt)=1−(L p(aao
lb7ハb″:)=o 。
lb7ハb″:)=o 。
p(aa + l b :凸b:)= 0 + p
(astl b”r^b:)=t、o。
(astl b”r^b:)=t、o。
p(aas I b?ハb:)=1.0. p(aa
41b?^b:)=t、o−(27)また、J瓦「=7
「さ: fr = 0.949 である。そこで、2つ
の徴候の共通原因であることに対する荷重は式(22)
、 (23)より次のようになる。
41b?^b:)=t、o−(27)また、J瓦「=7
「さ: fr = 0.949 である。そこで、2つ
の徴候の共通原因であることに対する荷重は式(22)
、 (23)より次のようになる。
<Q a62〉2 = <Q a63>2 = 0.9
49 ・・・・・・(28)他の故障モードに
対する荷重はすべて0となる。
49 ・・・・・・(28)他の故障モードに
対する荷重はすべて0となる。
したがって、共通原因として考えられるのは故障モード
62または63以外にはあり得ないことが荷重計算から
直ちに分る。
62または63以外にはあり得ないことが荷重計算から
直ちに分る。
(J=2.に=1の場合)
つ捷り、2つの徴候が別々の原因に起因すると考えた場
合で、組合せの数はL=2CI=2 、組合せはF+
=(l )、 Ft =(2)の2つとなる。
合で、組合せの数はL=2CI=2 、組合せはF+
=(l )、 Ft =(2)の2つとなる。
式(3)の中で
・・・・・・・・・・・・(29)
であるから、故障モードa、に対する荷重は<q:、>
、=max(q (a、 lb”、 ) <b”、>、
q(a、 l b;)<b:>)・・・・・・・・・
・・・(30) Q(at1bW)−p(”tlJ)・u(allb7)
+ (J=L 2)・・・・・・・・・・・・(31) で与えられる。F、はケースlの場合に外ならないので
F2に対してのみ考察し、後でF、とF2に対する結果
の大きい方を採用すればよい。
、=max(q (a、 lb”、 ) <b”、>、
q(a、 l b;)<b:>)・・・・・・・・・
・・・(30) Q(at1bW)−p(”tlJ)・u(allb7)
+ (J=L 2)・・・・・・・・・・・・(31) で与えられる。F、はケースlの場合に外ならないので
F2に対してのみ考察し、後でF、とF2に対する結果
の大きい方を採用すればよい。
さて、F、の場合、徴候す−からの到達可能性”(al
lb:)は故障モード62,63.64に対して1.0
、他の故障モードに対し0である。故障モードの積は a5゜Ab;−at a60 n b: =φ 。
lb:)は故障モード62,63.64に対して1.0
、他の故障モードに対し0である。故障モードの積は a5゜Ab;−at a60 n b: =φ 。
a6.ハb;=φ 、a6.凸b:=a、1゜a63凸
””” ” 63 + a64凸b: = aas
・・・”・(32)であるから条件付き確率は、 p (atl。I b2)=p(aat l b:)=
1) (aa31b: )=p (aa4 l b:)
=1.g・・・・・・・・・・・・(33) で、他の故障モードに対しては0である。したがッテ、
Q (at I b: )<b:> は故障モード62
゜63.64に対して1,0、他の故障モードに対しく
24) て0となる。そこで、荷重はこの値とケースlの値の大
きな方をとり次のように与えられる。
””” ” 63 + a64凸b: = aas
・・・”・(32)であるから条件付き確率は、 p (atl。I b2)=p(aat l b:)=
1) (aa31b: )=p (aa4 l b:)
=1.g・・・・・・・・・・・・(33) で、他の故障モードに対しては0である。したがッテ、
Q (at I b: )<b:> は故障モード62
゜63.64に対して1,0、他の故障モードに対しく
24) て0となる。そこで、荷重はこの値とケースlの値の大
きな方をとり次のように与えられる。
くq、、。>、=0.9.<Qaa。〉、=0.891
゜<q:、、>、 = 0.802 X 10−” 。
゜<q:、、>、 = 0.802 X 10−” 。
くQ:62〉l :<qa6g>、=<q:、、>、
=l、Q ・・・・・・(34)すなわち、この場合
、故障原因としてもつとも可能性の高いのは故障モード
62,63.64の何れかであり、次が故障モード59
、その次が故障モード60であり、故障モード61が原
因である可能性はほとんど悪いことになる。式(20)
と式(34)を較べれば、後者は第2の徴候b2″″の
影#を強く反映していることが分る。
=l、Q ・・・・・・(34)すなわち、この場合
、故障原因としてもつとも可能性の高いのは故障モード
62,63.64の何れかであり、次が故障モード59
、その次が故障モード60であり、故障モード61が原
因である可能性はほとんど悪いことになる。式(20)
と式(34)を較べれば、後者は第2の徴候b2″″の
影#を強く反映していることが分る。
第4図において故障モード65が観測されなか゛つた場
合に本発明になる荷重計算法を適用した例を示す。この
場合、徴候はbτ三a!1111b:三a6Bで観測確
度を< b”、 >= 0.9 、 <b:)=Q、Q
とすればよい。J=2であるから1(=2とに=1の2
つの場合が考えられる。
合に本発明になる荷重計算法を適用した例を示す。この
場合、徴候はbτ三a!1111b:三a6Bで観測確
度を< b”、 >= 0.9 、 <b:)=Q、Q
とすればよい。J=2であるから1(=2とに=1の2
つの場合が考えられる。
(J=2.に=2の場合)
式(22)から荷重<q:、>2はすべての故障モード
に対して0となる。徴候b;は観測されていないのであ
るから、bl とb;の共通原因となるような故障モー
ドは存在してはならない筈で、上記の結果はこのことを
正しく与えている。
に対して0となる。徴候b;は観測されていないのであ
るから、bl とb;の共通原因となるような故障モー
ドは存在してはならない筈で、上記の結果はこのことを
正しく与えている。
(J=2.に=1の場合)
式(30)においてq(a、lb:)<b:> Uス
ヘでの故障モードに対して0となるので、この式の範囲
内ではケースlの結果と同じになる。ただ、式−ドa、
の荷重<q’:、>htoとするのであった。
ヘでの故障モードに対して0となるので、この式の範囲
内ではケースlの結果と同じになる。ただ、式−ドa、
の荷重<q’:、>htoとするのであった。
式(30)において<b:>= 6である。
u(allb:)40となる故障モードはa6!+
a611+a64である。そこで、ケースlの結果の中
、これらの故障モードの荷重を0で置き直して次の結果
を得る。
a611+a64である。そこで、ケースlの結果の中
、これらの故障モードの荷重を0で置き直して次の結果
を得る。
<q、!、>、=Q、9.<q、6o>、=Q、891
1くQ”aa+〉+=0.802XIQ−3゜<q:6
.>、=<q:6.>、=<q:、、)= 0 ・・
団・(35)ケースlの結果の中、故障原因の第3候補
a6゜とa63けあり得ないこととして除かれることが
分る。
1くQ”aa+〉+=0.802XIQ−3゜<q:6
.>、=<q:6.>、=<q:、、)= 0 ・・
団・(35)ケースlの結果の中、故障原因の第3候補
a6゜とa63けあり得ないこととして除かれることが
分る。
以上述べてきたように、本発明によれば徴候観測の確か
らしさ、徴候が観測されたと言う条件付き確率、ネガテ
ィブ情報を総合的に判断して、機器故障の共通原因およ
び分散原因を同時に推定できると1う効果がある。また
、種々のケースに対し式(3)で与えられる荷重を計算
すれば工く、そのため機器診断装置全単純化することが
できると言う効果がめる。
らしさ、徴候が観測されたと言う条件付き確率、ネガテ
ィブ情報を総合的に判断して、機器故障の共通原因およ
び分散原因を同時に推定できると1う効果がある。また
、種々のケースに対し式(3)で与えられる荷重を計算
すれば工く、そのため機器診断装置全単純化することが
できると言う効果がめる。
第1図(a)、(b)はそれぞれ故障樹木および事象ネ
ットワークの例の説明図、第2図は本発明の機器故障診
断方法を実施するための装置のブロック線図、第3図は
第2図の方法を実施する沸騰水型原子力発電所の制御棒
駆動系の配管系統図、第4図は同系統の事象ネットワー
クの一部の説明図である。 18・・・k設定器、19・・・徴候組合せ作成器、2
0作成器、22・・・集合算演算器、23・・・故障モ
ード事前確率計算器、24・・・条件付き確率作成器、
25・・・到達可能性探索器、26・・・情報バス、2
7ス、29・・・最大q、k・f]〒−1171判別器
。 Gpt
ットワークの例の説明図、第2図は本発明の機器故障診
断方法を実施するための装置のブロック線図、第3図は
第2図の方法を実施する沸騰水型原子力発電所の制御棒
駆動系の配管系統図、第4図は同系統の事象ネットワー
クの一部の説明図である。 18・・・k設定器、19・・・徴候組合せ作成器、2
0作成器、22・・・集合算演算器、23・・・故障モ
ード事前確率計算器、24・・・条件付き確率作成器、
25・・・到達可能性探索器、26・・・情報バス、2
7ス、29・・・最大q、k・f]〒−1171判別器
。 Gpt
Claims (1)
- 1、ゴール代数を適用して求めた故障モード発生確率と
機器故障徴候の観測の確からしさからフオールト・ツリ
ー上の各故障モード毎に荷重を計算し、荷重の大きなも
のを故障原因とするもので、機器故障の共通原因だけで
なく幾つかの多重原因も同時に推定することができるよ
うに構成することを特徴とする機器故障診断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP59137207A JPS6118011A (ja) | 1984-07-04 | 1984-07-04 | 機器故障診断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP59137207A JPS6118011A (ja) | 1984-07-04 | 1984-07-04 | 機器故障診断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPS6118011A true JPS6118011A (ja) | 1986-01-25 |
Family
ID=15193290
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP59137207A Pending JPS6118011A (ja) | 1984-07-04 | 1984-07-04 | 機器故障診断方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPS6118011A (ja) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS616630U (ja) * | 1984-06-19 | 1986-01-16 | マツダ株式会社 | エンジンの吸気装置 |
JPS6190210A (ja) * | 1984-10-11 | 1986-05-08 | Nippon Atom Ind Group Co Ltd | プラント異常診断装置 |
JPS6173025U (ja) * | 1984-10-19 | 1986-05-17 | ||
JPS6357885A (ja) * | 1986-08-27 | 1988-03-12 | Kensetsusho Kinkichihou Kensetsukyoku | ポンプ設備の故障発見装置 |
JPH01274209A (ja) * | 1988-04-26 | 1989-11-02 | Mitsubishi Heavy Ind Ltd | プラント故障診断装置 |
JPH022406A (ja) * | 1988-06-13 | 1990-01-08 | Mitsubishi Heavy Ind Ltd | プラント故障診断装置 |
JPH02146629A (ja) * | 1988-11-29 | 1990-06-05 | Matsushita Electric Ind Co Ltd | 故障診断装置と推論装置 |
JP2000288877A (ja) * | 1999-04-05 | 2000-10-17 | Toshiba Corp | データ間の因果関係導出システム及びデータベースに於ける因果関係導出方法 |
JP2017529811A (ja) * | 2014-07-16 | 2017-10-05 | トゥプル,インコーポレイテッド | ビッグデータ環境におけるリソース管理 |
-
1984
- 1984-07-04 JP JP59137207A patent/JPS6118011A/ja active Pending
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS616630U (ja) * | 1984-06-19 | 1986-01-16 | マツダ株式会社 | エンジンの吸気装置 |
JPH0343388Y2 (ja) * | 1984-06-19 | 1991-09-11 | ||
JPS6190210A (ja) * | 1984-10-11 | 1986-05-08 | Nippon Atom Ind Group Co Ltd | プラント異常診断装置 |
JPH0512724B2 (ja) * | 1984-10-11 | 1993-02-18 | Tokyo Shibaura Electric Co | |
JPS6173025U (ja) * | 1984-10-19 | 1986-05-17 | ||
JPH0346185Y2 (ja) * | 1984-10-19 | 1991-09-30 | ||
JPS6357885A (ja) * | 1986-08-27 | 1988-03-12 | Kensetsusho Kinkichihou Kensetsukyoku | ポンプ設備の故障発見装置 |
JPH01274209A (ja) * | 1988-04-26 | 1989-11-02 | Mitsubishi Heavy Ind Ltd | プラント故障診断装置 |
JPH022406A (ja) * | 1988-06-13 | 1990-01-08 | Mitsubishi Heavy Ind Ltd | プラント故障診断装置 |
JPH02146629A (ja) * | 1988-11-29 | 1990-06-05 | Matsushita Electric Ind Co Ltd | 故障診断装置と推論装置 |
JP2000288877A (ja) * | 1999-04-05 | 2000-10-17 | Toshiba Corp | データ間の因果関係導出システム及びデータベースに於ける因果関係導出方法 |
JP2017529811A (ja) * | 2014-07-16 | 2017-10-05 | トゥプル,インコーポレイテッド | ビッグデータ環境におけるリソース管理 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
FitzGerald et al. | Large-scale QA-SRL parsing | |
Cooper | A method for using belief networks as influence diagrams | |
KAwsky et al. | Maximum likelihood prediction | |
Düntsch et al. | Relations algebras in qualitative spatial reasoning | |
CN114785666B (zh) | 一种网络故障排查方法与系统 | |
Cai et al. | Bayesian networks for reliability engineering | |
Wunderlich et al. | Structure learning methods for Bayesian networks to reduce alarm floods by identifying the root cause | |
JPS6118011A (ja) | 機器故障診断方法 | |
da Rocha et al. | Inference in polytrees with sets of probabilities | |
Gupta et al. | Deep learning for industrial AI: Challenges, new methods and best practices | |
US7328200B2 (en) | Apparatus, method, and computer program product for converting decision flowcharts into decision probabilistic graphs | |
Srivastava et al. | Argument mining using BERT and self-attention based embeddings | |
CN113051408B (zh) | 一种基于信息增强的稀疏知识图谱推理方法 | |
Leite et al. | Granular approach for evolving system modeling | |
Zhu et al. | Modified Grey Variable Weight Clustering Method Based on Standard Deviation and Its Application. | |
Zaitseva et al. | Reliability evaluation of multi-state system based on incompletely specified data and structure function | |
Chaudhuri | A visual technique to analyze flow of information in a machine learning system | |
CN114021469A (zh) | 一种基于混合序列网络进行一段炉过程监测的方法 | |
Shi et al. | Nuclear power plant fault diagnosis based on genetic-RBF neural network | |
Uddin et al. | Qualitative Sentiment Analysis of YouTube Contents based on User Reviews | |
Yang et al. | An Intelligent Risk Assessment Model Based on NLP | |
Jensen | Bayesian graphical models | |
Ma et al. | Quality-Oriented Efficient Distributed Kernel-Based Monitoring Strategy for Nonlinear Plant-Wide Industrial Processes | |
Taromi et al. | A risk-based approach to robust economic-statistical design of control charts under duncan’s economic model | |
CN115640374A (zh) | 基于深度特征融合的句子级关系抽取方法及装置 |