JPWO2011039823A1 - プラント診断装置 - Google Patents

Abstract

本発明の目的は、オペレータの操作履歴情報に基づいて、診断に使用するデータ項目を選定する診断装置を提供することにある。このために、プラントの計測信号と、オペレータが外部入力装置を用いて操作を行なったときの操作信号とを入力し、画像表示装置にプラントの状態を表示情報として表示するプラント診断装置において、プラントの計測信号を保存する計測信号データベースと、オペレータが外部入力装置を用いて操作を行なったときの操作信号を記憶する操作履歴データベースと、プラントの異常発生時に、オペレータが前記外部入力装置を用いて行なった操作により画像表示装置に表示された表示情報の中から、プラントの診断に使用するデータ項目を抽出する学習手段とを有する。

Description

本発明は、プラントの異常を検出するプラント診断装置に関するものである。

プラントの診断装置は、プラントに異常な過渡事象や事故等が生じた際に、プラントからの計測データを基に、その異常や事故の発生を検知する。

特許文献１には、適応共鳴理論（Ａｄａｐｔｉｖｅ Ｒｅｓｏｎａｎｃｅ Ｔｈｅｏｒｙ：ＡＲＴ）を用いた診断装置が開示されている。ＡＲＴでは、多次元のデータを、その類似度に応じてカテゴリーに分類する機能を持つ。特許文献１の技術では、まず、ＡＲＴを用いて、正常時の計測データを複数のカテゴリーに分類する。次に、現在の計測データをＡＲＴでカテゴリーに分類し、このカテゴリーが正常時に生成された複数のカテゴリーとは異なる場合に、異常と診断する。

特開２００５−１６５３７５号公報

一般に、プラントにはセンサーが多数取り付けられている。プラントの規模が大きくなると、センサーの数は数千にもなる場合がある。数千もの計測データをリアルタイムにカテゴリーに分類するには、膨大な計算コストがかかるため、通常はいくつかのデータを選んで診断に使用する。

しかし、プラントには固有の特性があるため、診断に使用するデータ項目を全て事前に選定することは難しい。また、診断に使用するデータ項目の選定によっては、異常発生後も選定した計測値が変化せずに警報が発生しない可能性がある。

また、プラントの運転状態が正常であっても、過去に経験したことがない計測値がＡＲＴに入力されると新規カテゴリーが発生して警報が発生する可能性がある。正常状態で警報が発生することは望ましいことではない。

このように、異常であるにも関わらず警報がされない、あるいは正常であるにも関わらず警報が出てしまうといった問題を解決するには、「診断に使用するデータ項目を全て事前に選定」しておくことが有効ではあるが、実際問題としては有効なデータ項目あるいはその組み合わせを如何にして得るかという点で問題がある。

この点、プラントのオペレータは長年の経験を通じて多くの有効な知見を体得しているはずであるが、意識下にあるこれらの知見をどのようにして顕在化させ、「診断に使用するデータ項目」として抽出するかという点で問題が残る。

以上のことから、本発明の目的は、診断に使用するデータ項目を事前に適切に選定し、さらには正常状態で警報が発生することを抑制することが可能なプラント診断装置を提供することにある。

上記の課題を解決するため、本発明の診断装置は以下の特徴を持つ。

本発明においては、プラントの計測信号と、オペレータが外部入力装置を用いて操作を行なったときの操作信号とを入力し、画像表示装置にプラントの状態を表示情報として表示するプラント診断装置において、プラント診断装置は、プラントの計測信号を保存する計測信号データベースと、オペレータが前記外部入力装置を用いて操作を行なったときの操作信号を記憶する操作履歴データベースと、プラントの異常発生時に、オペレータが前記外部入力装置を用いて行なった操作により画像表示装置に表示された表示情報の中から、プラントの診断に使用するデータ項目を抽出する学習手段を有する。

また、プラント診断装置の学習手段は、プラントの異常発生時に、画像表示装置に表示された表示画面の表示時間から、当該画面に表示されている表示情報の重み付けを行ないプラントの診断に使用するデータ項目を抽出する処理データ項目決定部を備えてもよい。

また、プラント診断装置は、抽出されたデータ項目を前記画像表示装置に表示し、プラント診断の監視項目に追加することの判別に供してもよい。

また、プラント診断装置はプラントの制御ロジックを保存する制御ロジックデータベースと、設計情報を保存する設計情報データベースを備えており、これらのデータベースの保存情報が画像表示装置に表示情報として表示されてもよい。

本発明においては、プラントの計測信号を保存する計測信号データベースと、計測信号データベースからプラントの状態を診断するのに使用する診断信号を抽出する処理データ抽出手段と、処理データ抽出手段で抽出した診断信号を保存する基準信号データベースと、基準信号データベースに保存されているデータをカテゴリーに分類する分類手段と、分類手段で分類した結果を保存する分類結果データベースと、処理データ抽出手段で抽出した最新の診断信号が、分類結果データベースに保存されているカテゴリーに属さない場合に新しいカテゴリーを発生させて分類する診断手段と、診断手段での分類結果を保存する診断結果データベースと、診断結果データベースと分類結果データベースに保存されているカテゴリーの情報を用いて、ある一定期間内における新規カテゴリーの生成頻度が、一定値（閾値）を超えた時に警報を発生させる警報発生手段を備えたプラント診断装置において、マウス、キーボードから成る外部入力装置からの外部入力信号を保存する操作履歴データベースと、操作履歴データベースに保存されている操作履歴情報に基づいて、処理データ抽出手段で抽出するデータ項目を決定する処理データ項目決定部を有する学習手段を備えた。

本発明においては、プラントの計測信号を保存する計測信号データベースと、計測信号データベースからプラントの状態を診断するのに使用する基準信号を抽出する処理データ抽出手段と、処理データ抽出手段で抽出した基準信号を保存する基準信号データベースと、基準信号データベースに保存されているデータをカテゴリーに分類する分類手段と、分類手段で分類した結果を保存する分類結果データベースと、処理データ抽出手段で抽出した最新の診断信号が、分類結果データベースに保存されているカテゴリーに属さない場合に新しいカテゴリーを発生させて分類する診断手段と、診断手段での分類結果を保存する診断結果データベースと、診断結果データベースと前記分類結果データベースに保存されているカテゴリーの属性を正常か異常かに定義し、カテゴリーの属性を保存するカテゴリー属性データベースと、診断結果データベース、分類結果データベース、カテゴリー属性データベースに保存されている情報を用いて、ある一定期間内における異常属性のカテゴリーの生成頻度が、一定値（閾値）を超えた時に警報を発生させる警報発生手段を備えたプラント診断装置において、マウス、キーボードから成る外部入力装置からの外部入力信号を保存する操作履歴データベースと、操作履歴データベースに保存されている操作履歴情報に基づいて、処理データ抽出手段で抽出するデータ項目を決定する処理データ項目決定部と、カテゴリーの属性を正常か異常に決定するカテゴリー属性決定部の少なくとも１つの決定部を有する学習手段を備えた。

また、プラント診断装置は、プラントを制御するための制御ロジック情報が保存されている制御ロジックデータベースと、プラントの設計情報が保存されている設計情報データベースを備え、学習手段では制御ロジックデータベースに保存されている制御ロジック情報と、設計情報データベースに保存されている設計情報も合わせて処理してもよい。

また、プラント診断装置は、診断装置内のデータベースに保存されている情報を表示する画像表示装置を有し、操作履歴データベースには、少なくとも操作を実施した時刻と、画像表示装置に表示されている画面の関係が保存されているのがよい。

またプラント診断装置は、処理データ項目決定部では、少なくとも画像表示装置に表示された画面に関係するデータ項目と画面が表示されていた期間に基づいて、データ項目の重要度を計算し、重要度が高いデータ項目を抽出する機能を有し、処理データ抽出手段では、処理データ項目決定手段で抽出した重要度が高いデータ項目のデータを計測信号データベースから抽出するのがよい。

またプラント診断装置は、処理データ項目決定部では、少なくとも画像表示装置に表示された画面に関係するデータ項目と画面が表示されていた期間に基づいて、データ項目の重要度を計算し、重要度が高いデータ項目を抽出する機能を有し、処理データ項目決定手段で抽出した重要度が高いデータ項目のデータを画像表示装置上に表示し、外部入力装置からの操作でデータ項目を追加、削除してデータ項目を決定し、処理データ抽出手段では、外部入力装置からの操作で決定したデータ項目のデータを計測信号データベースから抽出してもよい。

またプラント診断装置は、カテゴリー属性決定部では、カテゴリー毎に画面が表示されていた期間の割合のデータを保持し、表示されていた期間の割合のデータの類似性に基づいて、カテゴリーの属性を異常から正常に変更する機能を有し、警報発生手段では異常の属性を持つカテゴリーの発生割合が一定値を超えた時に警報を発生させるのがよい。

またプラント診断装置において、カテゴリー属性決定部ではカテゴリー毎に画面が表示されていた期間の割合のデータを保持し、表示されていた期間の割合のデータの類似性に基づいて、カテゴリーの属性を異常から正常に変更する機能と、画像表示装置上に表示されたカテゴリーの属性を前記外部入力装置からの入力された外部入力信号に基づいて修正する機能を持つのがよい。

診断に使用するデータ項目を事前に適切に設定でき、診断性能が向上する。また、不必要な警報の発生を抑制できる。

本発明の診断装置を示すブロック図である。 診断装置の正常状態学習モードにおける基本動作を説明するフローチャート図である。 診断装置の診断モードにおける基本動作を説明するフローチャート図である。 分類手段５００、及び診断手段６００の一実施例を説明するブロック図である。 図４での分類結果の一例を説明する図である。 計測信号データベース、基準信号データベース、分類結果データベースに保存されるデータの態様を説明する図である。 本発明の適用されるプラントとして火力発電プラントを示す図である。 図７のプラントから入手した計測信号が異常発生により変化したときの一例を横軸に時間経過をとって示す図である。 異常時に警報が発生しない事例示す図である。 異常時に警報が発生する事例示す図である。 正常時に警報が発生する事例示す図である。 学習手段８００の動作を説明するフローチャート図である。 プラント１００のオペレータが画像表示装置９５０に表示させる画面の例を示す図である。 操作履歴データベース３５０に保存されるデータの態様として時刻と画面表示タイミングを示す図である。 操作履歴データベース３５０に保存されるデータの態様として表示時間とデータ項目を示す図である。 処理データ項目決定部８１０の動作結果を示す図である。 ステップＳ１２２０で画像表示装置９５０に表示されるデータ項目追加画面の例を示す図である。 データ項目が追加される前の分類手段５００、及び診断手段６００を説明する図である。 データ項目をＡＲＴモジュールを１つ追加したときの分類手段５００、及び診断手段６００を説明する図である。 １つのＡＲＴモジュールに入力するデータ項目を２から４に変更したときの分類手段５００、及び診断手段６００を説明する図である。 カテゴリー属性データベース８３０に保存されるデータの態様とステップＳ１２４０で画像表示装置に表示されるカテゴリー属性修正画面の例を説明する図面である。 カテゴリー属性を修正した結果の動作例を説明する図である。

本発明の診断装置について、図面を参照して説明する。

図１は、本発明のプラント診断装置を示すブロック図であり、プラント１００をプラント診断装置２００で診断する。

診断装置２００には、演算装置として処理データ抽出手段４００、分類手段５００、診断手段６００、警報発生手段７００、学習手段８００を備えている。

また、診断装置２００には、データベースとして計測信号データベース３１０、基準信号データベース３２０、分類結果データベース３３０、診断結果データベース３４０、操作履歴データベース３５０、制御ロジックデータベース３６０、設計情報データベース３７０、カテゴリー属性データベース３８０を備えている。

これらのデータベースは種々の目的のために用意されているが、特に「診断に使用するデータ項目を事前に適切に設定」するために、操作履歴データベース３５０が設けられている。つまり、本発明では異常発生時のオペレータの行動（画像表示装置９５０に向かって行なうキーボード９１０やマウス９２０を用いた各種操作）は、オペレータの長年の知見を反映したものではないかという前提に立っている。従って、このときの操作履歴を操作履歴データベース３５０に蓄え、解析することで診断に使用するデータ項目を得る。

また、診断装置２００は、外部とのインターフェイスとして外部入力インターフェイス２１０、外部出力インターフェイス２２０を備えている。

そして、診断装置２００には、外部入力インターフェイス２１０を介して、プラント１００から該プラントの各種状態量を計測した計測信号１、及びキーボード９１０、マウス９２０で構成される外部入力装置９００の操作で作成される外部入力信号２を入力する。また、診断装置２００から、外部出力インターフェイス２２０を介して、画像表示データ１４を画像表示装置９５０に出力する。

外部入力インターフェイス２１０を介して入力された計測信号３は、計測信号データベース３１０に保存される。

処理データ抽出手段４００では、計測信号データベース３１０に保存されている計測信号５から診断に使用する診断信号６を抽出し、基準信号データベース３２０に保存する。

分類手段５００は、基準信号７をカテゴリーに分類する。分類結果８は、分類結果データベース３３０に保存する。分類手段５００の処理内容は、図４を用いて後述する。

診断手段６００では、処理データ抽出手段４００で抽出した最新の診断信号６が、分類結果データベース３３０に属する場合は、診断信号６をそのカテゴリーに分類する。一方、処理データ抽出手段４００で抽出した最新の診断信号６が、分類結果データベース３３０に保存されているカテゴリーに属さない場合に新しいカテゴリーを発生させて、診断信号６を分類する。診断手段６００で作成した分類結果である診断結果１０は、診断結果データベース３４０に保存する。診断手段６００の処理内容は、図４を用いて後述する。

カテゴリー属性データベース３８０には、分類結果データベース３３０、診断結果データベース３４０に保存されているカテゴリーの属性が保存されている。カテゴリーの属性は、正常と異常がある。分類結果データベース３３０に保存されているカテゴリーの属性は正常である。また、診断結果データベース３４０に保存されているカテゴリーの内、診断手段６００で発生した新規カテゴリーの初期属性は異常である。これらのカテゴリーの属性は、学習手段８００を用いて修正できる。学習手段８００における、この修正方法については、図１２を用いて後述する。

警報発生手段７００では、診断結果データベース３４０に保存されている診断結果１１と、分類結果データベース３３０に保存されている分類結果１２、カテゴリー属性データベース３８０に保存されているカテゴリー属性情報２５、計測信号データベース３１０に保存されている最新の時刻の計測信号４を用いて、警報を発生させるかどうかを判定する。

警報発生手段７００は、以下の３種類の警報を発生する判定基準を持ち、これらを任意に組み合わせて警報を発生するかどうかを決定する。（例えば、条件１と条件２が両方とも成立した時に警報を発生させる、条件１と条件２のいずれかが成立した時に警報を発生させる、など）
条件１：最新の時刻の計測信号４が、定められた範囲（閾値）を逸脱する。
条件２：ある一定期間内における新規カテゴリーの生成頻度が、一定値（閾値）を超える。
条件３：ある一定期間内における異常属性のカテゴリーの生成頻度が、一定値（閾値）を超える。

警報発生手段７００で警報を発生させる判定に決定した場合、警報発生手段７００は警報信号１３を外部出力インターフェイス２２０に送信する。警報信号１３は、外部出力インターフェイス２２０にて画像表示情報１４に変換され、画像表示装置９５０に表示される。

また、外部入力信号２０は、操作履歴データベース３５０に保存する。

学習手段８００は、処理データ項目決定部８１０、カテゴリー属性決定部８２０で構成される。尚、本実施例では、学習手段８００に処理データ項目決定部８１０、カテゴリー属性決定部８２０の２つが含まれているが、いずれか一方のみを含むようにしてもよい。

処理データ項目決定部８１０では、少なくとも操作履歴データベース３５０に保存されている情報を用いて、処理データ抽出手段４００で抽出するデータ項目を決定する。この処理データ項目情報２４は、処理データ抽出手段４００に送信される。

また、カテゴリー属性決定部８２０では、少なくとも操作履歴データベース３５０に保存されている情報を用いて、カテゴリーの属性を正常か異常に決定する。カテゴリー属性情報３０はカテゴリー属性データベース３８０に保存される。

尚、処理データ項目決定部８１０、及びカテゴリー属性決定部８２０は、必要に応じてプラント１００の制御ロジックが保存されている制御ロジックデータベース３６０、及びプラント１００の設計情報が保存されている設計情報データベース３７０、分類結果データベース３３０、診断結果データベース３４０の情報を用いることもできる。

また、計測信号データベース３１０、基準信号データベース３２０、分類結果データベース３３０、診断結果データベース３４０、操作履歴データベース３５０、制御ロジックデータベース３６０、設計情報データベース３７０に保存されている診断装置情報５０は、画像表示装置９５０に表示できる。また、これらの情報は、必要に応じて外部入力装置９００を用いて修正することもできる。

尚、本実施例では、処理データ抽出手段４００、分類手段５００、診断手段６００、警報発生手段７００、学習手段８００、計測信号データベース３１０、基準信号データベース３２０、分類結果データベース３３０、診断結果データベース３４０、操作履歴データベース３５０、制御ロジックデータベース３６０、設計情報データベース３７０、カテゴリー属性データベース３８０が全て診断装置２００の内部にあるが、これらの一部を診断装置２００の外部に配置し、データのみを通信するようにしてもよい。

また、本実施例では診断対象とするプラントは１つであるが、診断装置２００で複数のプラントを診断することもできる。

図２と図３は、診断装置２００の基本動作を説明するフローチャート図である。診断装置２００では、基準信号データベース３２０に保存されている情報を基に正常時のデータをカテゴリーに分類する正常状態学習モードと、プラント１００の状態を診断する診断モードの２つの基本動作を持つ。正常状態学習モード、および診断モードは、計測信号のサンプリング周期、もしくは予めオペレータが設定した周期ごとに、それぞれ独立に動作させる。なお、図２は正常状態学習モード、図３は診断モードの動作を説明するフローチャート図である。

このうち正常状態学習モードでは、図２に示すように、ステップＳ１０００、Ｓ１０１０を組み合わせて実行する。まず、ステップＳ１０００では、処理データ抽出手段４００を動作させ、計測信号データベース３１０の計測信号５から、診断信号６を抽出する。診断信号６は基準信号データベース３２０に保存する。基準信号データベース３２０に保存されるデータは、オペレータがプラントの運転状態を正常と判定した期間のデータである。

次に、ステップＳ１０１０では、分類手段５００を動作させ、基準信号データベース３２０に保存されている基準信号７を分類し、分類結果８を分類結果データベース３３０に保存する。

診断モードでは、図３に示すように、ステップＳ１１００、Ｓ１１１０、Ｓ１１２０、Ｓ１１３０を組み合わせて実行する。

まず、ステップＳ１０００では、プラント１００からの計測信号１を、外部入力インターフェイス２１０を介して診断装置２００に取り込み、計測信号３を計測信号データベース３１０に保存する。次に処理データ抽出手段４００を動作させ、計測信号データベース３１０から計測信号５を抽出し、時刻が最新の診断信号６を診断手段６００に送信する。

ステップＳ１０１０では、診断手段６００を動作させ、診断結果１０を診断結果データベース３４０に送信する。

ステップＳ１０２０では、警報発生手段７００を動作させ、警報発生の可否を判定する。ステップＳ１０２０で警報発生可とした場合はステップＳ１０３０に進み、警報発生否の場合はステップＳ１０００に戻る。

ステップＳ１０３０では、警報発生手段７００が出力した警報信号１３を、外部出力インターフェイス２２０で画像表示情報１４に変換し、画像表示装置９５０に出力する。これにより、プラントオペレータに警報を通知する。

図４は、分類手段５００、及び診断手段６００の一実施例を説明するブロック図である。ここでは、分類手段５００、及び診断手段６００に適応共鳴理論（Ａｄａｐｔｉｖｅ Ｒｅｓｏｎａｎｃｅ Ｔｈｅｏｒｙ：ＡＲＴ）を適用した時について述べるが、他のクラスタリング手法（ベクトル量子化等）を用いることもできる。

分類手段５００と診断手段６００は、図４に示すデータ前処理装置６１０とＡＲＴモジュール６２０で構成されるフローチャートをそれぞれ実行する。データ前処理装置６１０では、運転データをＡＲＴモジュール６２０の入力データに変換する。以下にそのステップについて説明する。

まず、計測項目毎に最大値及び最小値を計算する。計算した最大値及び最小値を用いてデータを正規化する。

正規化の方法についてプラントのプロセス量ｘｉを例に説明する。ｘｉのデータ数がＮ個でｎ番目の計測値をｘｉ（ｎ）とする。また、Ｎ個のデータの中の最大値及び最小値をそれぞれＭａｘ＿ｉ、Ｍｉｎ＿ｉとすると、正規化したデータＮｘｉ（ｎ）は（１）式で求められる。
Ｎｘｉ（ｎ）＝α＋（１−α）×（ｘｉ（ｎ）−Ｍｉｎ＿ｉ）／（Ｍａｘ＿ｉ−Ｍｉｎ＿ｉ） …（１）
ここで、α（０≦α＜０．５）の定数であり、（１）式によりデータは［α、１−α］の範囲に正規化される。次に、正規化したデータの補数を計算し、入力データに加える。

正規化データＮｘｉ（ｎ）の補数ＣＮｘｉ（ｎ）を（２）式で計算する。
ＣＮｘｉ（ｎ）＝１−Ｎｘｉ（ｎ） …（２）
次に、データＮｘｉ（ｎ）及びＣＮｘｉ（ｎ）からなるデータを入力データとしてＡＲＴモジュール６２０に入力する。以上が、データ前処理装置６１０における運転データのＡＲＴモジュール６２０への入力データ変換処理である。

ＡＲＴモジュール６２０では、入力データを複数のカテゴリーに分類する。ＡＲＴモジュール６２０は、Ｆ０レイヤー６２１、Ｆ１レイヤー６２２、Ｆ２レイヤー６２３、メモリー６２４、及び選択サブシステム６２５を備え、これらは相互に結合している。Ｆ１レイヤー６２２とＦ２レイヤー６２３は重み係数を介して結合しており、重み係数は入力データが分類されるカテゴリーのプロトタイプ（原型）を表している。

次に、ＡＲＴモジュール６２０のアルゴリズムについて説明する。ＡＲＴモジュール６２０に入力データが入力された場合のアルゴリズムの概要は、次の処理１ないし処理５のようになる。

処理１：Ｆ０レイヤー６２１により入力ベクトルを正規化し、また、ノイズを除去する。

処理２：Ｆ１レイヤー６２２に入力された入力データと重み係数との比較により、ふさわしいカテゴリーの候補を選択する。

処理３：選択サブシステム６２５で選択したカテゴリーの妥当性がパラメータρとの比により評価される。妥当と判断されれば、入力データはそのカテゴリーに分類され、処理４に進む。妥当と判断されなければ、そのカテゴリーはリセットされ、他のカテゴリーからふさわしいカテゴリーの候補を選択する（処理２の処理を繰り返す）。パラメータρの値を大きくするとカテゴリーの分類が細かくなり、ρを小さくすると分類が粗くなる。このパラメータρを、ビジランス（ｖｉｇｉｌａｎｃｅ）パラメータと呼ぶ。

処理４：処理２で、全ての既存のカテゴリーがリセットされると、新規カテゴリーと判断され、新規カテゴリーのプロトタイプを表す新しい重み係数を生成する。

処理５：入力データがカテゴリーＪに分類されると、カテゴリーＪに対応する重み係数ＷＪ（ｎｅｗ）は過去の重み係数ＷＪ（ｏｌｄ）と入力データｐ（または、入力データから派生したデータ）から（３）式で更新する。
ＷＪ（ｎｅｗ）＝Ｋｗ・ｐ＋（１−Ｋｗ）・ＷＪ（ｏｌｄ） …（３）
ここで、Ｋｗは学習率パラメータであり、入力ベクトルを新しい重み係数に反映させる度合いを決定する。

ＡＲＴモジュール６２０のデータ分類アルゴリズムの特徴は処理４の処理にある。処理４により、記憶しているパターンと異なる入力データが入力された場合、記憶しているパターンは変更せず新しいパターンを記憶することができる。このため、過去に学習したパターンを記憶しながら、新たなパターンを記憶することが可能となる。

このように、入力データとして予め与えた運転データを与えると、ＡＲＴモジュール６２０は与えられたパターンを学習する。したがって、学習済みのＡＲＴモジュール６２０に新たな入力データが入力されると、上記アルゴリズムにより、過去のどのパターンに近いかを判定できる。また、過去に経験したことのないパターンであれば、新しいカテゴリーに分類される。

図５は、分類結果の一例を説明する図である。図５では、計測データの２項目を表示したものであり、２次元のグラフで表記した。計測データは、ＡＲＴモジュール６２０によって、複数のカテゴリー６３０（図５中の円）に分割される。

図６は、計測信号データベース３１０、基準信号データベース３２０、分類結果データベース３３０に保存されるデータの態様を説明する図である。この図６は、図１の画像表示装置９５０に表示するときの、表示画面と考えてよい。従って、図６の例えば計測信号データベース３１０において、縦横の画面上のスクロール３０１によって、より広範囲のデータをスクロール表示することができる。また、基準信号データベース３２０において、基準のタブ３０２を選択することで、この基準に分類された項目のみを纏めて表示することができる。尚、診断結果データベース３４０と分類結果データベース３３０に保存されるデータの態様は同じである。また、これらのデータベースのデータは、図６、さらには後述する図１３、図１４、図１５、図１６、図２０に示すような各種の形態に加工されて表示情報に変換され、画像表示装置に表示される。

図６上段は、計測信号データベース３１０に保存されるデータの態様を説明する図面である。図６上段に示すように、計測信号データベース３１０には、プラント１００で計測した複数のデータ項目（項目Ａ，Ｂ，Ｃ他）の値が、サンプリング周期（縦軸の時刻）毎に保存される。

図６中段は、基準信号データベース３２０に保存されるデータの態様を説明する図面である。図１の処理データ抽出手段４００では、プラント１００の診断に使用するデータ群を、図６上段の計測信号データベース３１０から抽出する。例えば、図６中段では、基準信号のデータ群が３つ （「基準１」「基準２」「基準３」） あり、基準のタブ３０２として「基準１」を選択した時のデータ群は項目Ａ、項目Ｃ、項目Ｄで構成されていることを意味する。

このように、計測信号データベース３１０には、全データ項目の計測値が１つのデータ群として時系列的に保存されているのに対して、基準信号データベース３２０には基準に従って選択され、限られたデータ項目の計測値が、複数のデータ群として時系列的に保存される。

図６下段は、分類結果データベース３３０に保存されるデータの態様を説明する図面である。分類結果データベース３３０には、時刻と、その時刻におけるデータが分類されたカテゴリー番号の関係（図６下段左）、及びカテゴリー番号と重み係数の関係（図６下段右）が保存される。分類結果データベース３３０には、基準信号データベース３２０に保存されているデータ群毎の分類結果が保存される。

図７は、本発明の適用されるプラントとして火力発電プラントを示している。図７に示すように、火力発電プラント１００は、ガスタービン発電機１１０、制御装置１２０、データ送信装置１３０からなる。ガスタービン発電機１１０は、発電機１１１、圧縮機１１２、燃焼器１１３、タービン１１４で構成される。圧縮機１１２で生成した圧縮空気を燃焼器１１３に送り、燃料と混合して燃焼器１１３で燃焼する。燃焼により発生した高圧ガスにより、タービン１１４が回転し、発電機１１１で発電する。

制御装置１２０では、電力需要に応じてガスタービン発電機１１０の出力を制御する。また、制御装置１１０は、ガスタービン発電機１１０に設置されたセンサー（図示せず）で計測した運転データ１０２を入力している。運転データ１０２は、吸気温度、燃料投入量、タービン排ガス温度、タービン回転数、発電機発電量、タービン軸振動などの状態量で、サンプリング周期毎に計測している。また、大気温度などの気象情報も計測している。制御装置１２０では、これらの運転データ１０２を用いて、ガスタービン発電機１１０を制御するための制御信号１０１を算出する。信号データ送信装置１３０は、制御装置１２０で計測した運転データ１０２、及び制御装置１２０で算出した制御信号１０１で構成される計測信号１を、診断装置２００に送信する。

図８に、図７のプラントから入手した計測信号が異常発生により変化したときの一例を横軸に時間経過をとって示している。図８に示すように、診断装置２００内の診断手段６００には、例えば項目Ａとして発電機出力、及び項目Ｂとして大気温度の計測信号が入力される。この例では、当初項目ＡとＢはほぼ一定値で安定しているが、その後時刻ｔ１で項目Ａが減少し、次いで項目Ｂが増加したのち減少し、最終的に両項目ともに増加するような変動をしたものとする。

係る計測信号の変化のときに、図２の正常状態学習モードにおいて、基準データを分類手段５００に入力してカテゴリーに分類した結果、図８の時刻ｔ１に至る前の状態では項目ＡとＢのカテゴリー分類は、１番から４番のカテゴリーに分類された（基準時カテゴリー）とする。

その後、現在の計測データを診断手段６００で逐次カテゴリーに分類すると、図８の異常発生より前の時間帯では、計測信号４はカテゴリー番号１〜４のいずれかに属し、異常発生後は、正常時にはないカテゴリー（新規カテゴリー５，６，７）に属する。

図８において、ある一定期間で発生する新規カテゴリー数の移動平均で計算する新規カテゴリーの発生割合は、異常発生後から上昇する。警報発生手段７００では、新規カテゴリーの発生割合が予め設定された閾値を超えると警報を発生する。

図８の例のように、異常発生に伴って診断に使用したデータ項目の計測値が変化して警報を発生できれば、警報で異常発生をオペレータに伝えることが可能となる。また、異常発生前のカテゴリーは全て基準時のカテゴリーに分類されているため、本例では正常状態で警報は発生しない。

一般に、プラントにはセンサーが多数取り付けられており、計測データの項目数は数千にもなる場合がある。数千ものデータ項目をリアルタイムにカテゴリーに分類するには、膨大な計算コストがかかるため、通常はいくつかのデータ項目を選んで診断に使用する。

しかし、プラントには固有の特性があるため、診断に使用するデータ項目を全て事前に選定することは難しい。また、診断に使用するデータ項目の選定によっては、異常発生後も選定した計測値が変化せずに警報が発生しない可能性がある。

また、プラントの運転状態が正常であっても、過去に経験したことがない計測値がＡＲＴに入力されると新規カテゴリーが発生して警報が発生する可能性がある。正常状態で警報が発生することは望ましいことではない。

以上のことから、通常発生しうるいくつかの事象について説明をすると、図９に示した異常時に警報が発生しない事例、図１０に示した異常時に警報が発生する事例、図１１に示した正常時に警報が発生する事例が想定される。

本発明の診断装置２００には、異常時に警報が発生しないこと、及び正常時に警報が発生することを防ぐため、学習手段８００が搭載されている。学習手段８００の動作については、後で図１２を用いて説明する。

図９は、項目Ａ、及び項目Ｂのデータを診断した時の結果であり、図１０は図９と同じ時刻で入力した項目Ｃ、及び項目Ｄのデータを診断した時の結果である。また、図９、図１０共に、正常時の基準カテゴリーの番号は１とする。

図９では、異常発生後も項目Ａ、及び項目Ｂ共に計測値が変らない。そのため、診断手段６００で計測値を分類しても、異常発生の前後で分類されるカテゴリーは同じとなる。この場合、警報発生手段７００では警報を発生しない。

図１０は、図９と同じ時間帯における項目Ｃ、及び項目Ｄの計測値を診断した結果である。項目Ｃ、及び項目Ｄの計測値は、異常発生後に大きく変化しており、新規カテゴリー（カテゴリー番号２〜４）が生成され、警報も生成される。

このように、異常発生時に警報を発生させるためには、診断に使用するデータ項目を適切に選定する必要がある。項目Ａ及び項目Ｂには異常の影響が現れないが、項目Ｃ及び項目Ｄには顕著に現れるといった関係を利用して、何を診断に使用するかを選定する必要がある。本発明の学習手段８００内の処理データ項目決定部８１０には、計測信号データベース３１０に保存されているデータ項目から、診断に使用するデータ項目を選定する機能を持つ。

図１１は、正常時に警報が発生する事例を説明する図面である。図１１では、正常時の基準カテゴリーの番号は１とし、プラント状態は正常とする。図１１に示すように、項目Ｅのデータが微小に変化し診断手段６００で計測値を分類した結果、新規カテゴリー（カテゴリー番号２）が生成された。その結果、正常状態であっても警報が発生する。

プラントの異常をオペレータに通知するための警報が、正常時に発生することは望ましくない。従って、２番のカテゴリーが発生しても警報が発生しないようにする必要がある。本発明のカテゴリー属性決定部８２０では、カテゴリーの属性を異常と正常に区別する機能を持つ。

以下では、処理データ項目決定部８１０、及びカテゴリー属性決定部８２０で構成される学習手段８００の動作内容を述べる。

図１２は、学習手段８００の動作を説明するフローチャート図である。図１２に示すように、本フローチャートはステップＳ１２００、Ｓ１２１０、Ｓ１２２０、Ｓ１２３０、Ｓ１２４０、Ｓ１２５０を組み合わせて実行する。ただし、説明の前提として、図１の操作履歴データベース３５０には、プラント１００のオペレータが外部入力装置９００を用いて操作した結果（例えば、画像表示装置９５０に表示された画面の情報、制御パラメータの調整など）が保存されている。

なお、図１２のフローチャートをいつどういうタイミングで起動し、使用するかであるが、これは現実に異常が発生していまだ事態が収集していない段階で行なうのではなく、その後に安定した状態であのときの異常が何であったのかを見直すときに実行するのが良い。

まず、ステップＳ１２００では、学習手段８００は操作履歴データベース３５０から、操作履歴情報２１を取得する。

ステップＳ１２１０では学習手段８００を構成する図１の処理データ項目決定部８１０、カテゴリー属性決定部８２０を動作させる。処理データ項目決定部８１０では、処理データ抽出手段４００で抽出するデータ項目を決定する。また、カテゴリー属性決定部８２０では、カテゴリーの属性を決定する。

ステップＳ１２２０では、処理データ項目決定部８１０で決定したデータ項目を画像表示装置９５０に表示する。プラント１００のオペレータは、表示されたデータ項目を確認し、データ項目を追加するかどうか決定する。データ項目を追加する場合はステップＳ１２３０に進み、処理データ抽出手段４００で抽出するデータ項目を追加する。データ項目を追加しない場合はステップＳ１２４０に進む。

ステップＳ１２４０では、カテゴリー属性決定部８２０で決定したカテゴリー属性を画像表示装置９５０に表示する。プラント１００のオペレータは、表示されたカテゴリー属性を確認し、カテゴリー属性データベース３８０に保存されているカテゴリー属性を変更するかどうか決定する。カテゴリー属性を変更する場合はステップＳ１２４０に進み、カテゴリー属性を変更する。カテゴリー属性を変更しない場合は、終了となる。

尚、本実施例ではステップＳ１２２０、Ｓ１２４０でオペレータにデータ項目追加の可否、及びカテゴリー属性変更の可否を問い合わせるようにしているが、これを省き、自動的にデータ項目の追加、及びカテゴリー属性の変更が実行されるようにしてもよい。また、ステップＳ１２２０、Ｓ１２３０か、ステップＳ１２４０、Ｓ１２５０のいずれかを本フローチャートから除外し、処理データ項目決定部８１０かカテゴリー属性決定部８２０のいずれか１つだけ動作させるようにしてもよい。

以下、プラント１００のオペレータが画像表示装置９５０に表示させる画面の例を図１３、操作履歴データベース３５０に保存されるデータの態様を図１４、処理データ項目決定部８１０の動作を図１５、ステップＳ１２２０で画像表示装置９５０に表示されるデータ項目追加画面の例を図１６、ステップＳ１２３０でデータ項目が追加された時の分類手段５００、及び診断手段６００の変化を図１７から図１９、カテゴリー属性データベース８３０に保存されるデータの態様とステップＳ１２４０で画像表示装置に表示されるカテゴリー属性修正画面の例を図２０、カテゴリー属性を修正した結果の動作例を図２１で説明する。

図１３は、プラント１００のオペレータが画像表示装置９５０に表示させる画面の例であり、同図上段は、図１の計測信号データベース３１０に保存されている情報を用いて画像表示装置９５０に表示情報として表示させた時の画面の例である。計測信号データベース３１０には、図６上段で述べたように時刻とデータ項目の計測値の関係が保存されている。この情報が、本例では図１３上段項目ＡとＢのように横軸を時間軸としたトレンドグラフとして表示されている。この画面から、各計測信号の経時変化が視覚確認できる。

図１３中段は、図１の制御ロジックデータベース３６０に保存されている情報を画像表示装置９５０に表示情報として表示させた時の画面の例である。制御ロジックデータベース３６０には、図７の制御装置１２０において、運転データ１０２から制御信号１０１を計算するためのロジック図が保存されている。図１３中段にはプラント制御に広く使われている比例・積分制御のロジック図の例を示してある。この画面では、運転データ１として項目Ｃをとり、設定値との誤差を比例積分演算して制御信号１（項目Ｄ）とする運転データと制御信号の関係が視覚確認できる。

図１３下段は、図１の設計情報データベース３７０に保存されている情報を画像表示装置９５０に表示情報として表示させた時の画面の例である。設計情報データベース３７０には、図７のガスタービン発電機１１０の設計情報が保存されており、例えば流体の経路とセンサーの配置位置（Ｔ：温度センサー、Ｐ：圧力センサー）の関係を示す系統図が保存されている。

プラント１００のオペレータは、正常時には図１３に示した情報を図１の画像表示装置９５０に表示させ、プラント１００の運転状態を常時監視している。

しかるに異常発生時には、オペレータは、異常の原因を特定し、更には異常を収束して安定化させるべく、異常に関係すると思われるトレンドグラフ、制御ロジック図、系統図等を、キーボード９１０、マウス９２０を用いて適宜選択し、表示させながら対応を図ったはずである。

従って、このときのオペレータによる画像表示装置９５０の操作は、オペレータの意識下の知見に基づいたものになっていたはずである。目の前に展開されている異常状態なら、オペレータがその経験上気になる他のプロセス量などとの関係がどうなっているかを逐次追いかけながら確認していったはずである。こういったものの中には、未だ明確に認識されていない「診断に使用するデータ項目」が含まれている可能性が高いと思われる。

本発明の処理データ項目決定部８１０では、オペレータが画像表示装置９５０に表示させた情報を基に、異常に関係するデータ項目を決定する。また、操作履歴データベース３５０には、正常時、及び異常時にオペレータが画像表示装置９５０に表示させた画面の情報が保存されている。カテゴリー属性決定部では、この情報を基に、カテゴリーの属性が正常か異常かを判定する。

図１４は、操作履歴データベース３５０に保存されるデータの態様を説明する図面である。同図（ａ）に示すように、図１の操作履歴データベース３５０には時刻と画面が表示されたタイミング（表示ＯＮ）と、消去されたタイミング（表示ＯＦＦ）の情報が関連づけされて保存されている。例えば、画面１は７月１日の１０：００から同日の１１：３０までの間、表示が行なわれていた。画面２は同日の１０：１３から１０：４５までの間表示が行なわれていた。

また、同図（ｂ）に示すように、画面毎に表示時間と、表示された画面に関係するデータ項目の情報が保存されている。表示時間は、図１４（ａ）に示すように、表示ＯＦＦの時刻から表示ＯＮの時刻を減算することで求めることができる。画面１では関係するデータ項目としてＡとＢが、１時間３０分表示されていた。また画面２では関係するデータ項目としてＣとＤが、３２分間表示されていた。

なお、関連するデータ項目は、図１３に示す図面上に表示されるデータ項目である。例えば、図１３の画面９５０に表示された関係するデータ項目は、上段画面のトレンドグラフでは項目ＡとＢ、図１３中段の制御ロジックに関係するデータ項目は項目ＣとＤ、図１３下段の系統図に関係するデータ項目は項目Ｅ、Ｆ、Ｇ、Ｈ、Ｉ、Ｊである。

尚、本実施例では、画面が表示されたタイミングと消去されたタイミングを操作履歴データベース３５０に保存するようにしたが、マウスをクリックした回数、設定値の値を確認した回数など、外部入力装置９００を用いた操作に関する情報を全て保存してもよい。

また、プラント１００を複数人のオペレータで操作する場合、オペレータ毎にＩＤを付与し、操作履歴データベース３５０にはオペレータ毎の操作内容を保存するようにしても良い。

図１５は、処理データ項目決定部８１０の動作結果を説明する図面である。処理データ項目決定部では、操作履歴データベース３５０に保存されている情報を用いて、ある一定期間のデータ項目の重要度を計算する。

データ項目の重要度は、例えば次の（４）式で計算する。
Ｓ ＝ α×Ｔ …（４）
ここで、Ｓはデータ項目の重要度、αは重み係数、Ｔはデータ項目に関係する画面の表示時間である。また、次の（５）式を用いてデータ項目の重要度を計算してもよい。
Ｓ ＝ α×Ｔ＋β×Ｃ …（５）
ここで、βは重み係数、Ｃはデータ項目に関係する画面でマウスがクリックされた回数である。

かかる演算の結果、図１５では項目ＡとＢの重要度をそれぞれ５４，４３とし、項目ＣとＤの重要度を３２とした。データ項目決定部８１０では、「重要度の高いデータ項目が異常発生を検知するのに有効なデータ項目である」と判断し、重要度の高い順に一定数（例えば１０個）のデータ項目を抽出する。

図１６は、ステップＳ１２２０で画像表示装置９５０に表示されるデータ項目追加画面の例を説明する図面である。図１６上段では、処理データ項目決定部８１０で抽出したデータ項目を重要度の高い順に表示し、オペレータに診断に使用するデータに追加するかどうか確認する。

具体的には画面９５０のゾーンＺ１に２００９年７月１日０時０分のポンプ異常に関連した報告である旨を表示し、ゾーン２に趣旨説明「上記異常と同類の異常を検知するため、下記データ項目を追加することをお勧めします。」を行なう。ゾーン３には、データ項目がその名称と共に表示され、かつ処理データ項目決定部８１０で計算したデータ項目の重要度を併せて表記する。オペレータは、これらの表示なりデータを見ながら、追加する場合は、チェックボックス１２２３のチェックマークを確認して「追加する」ボタン１２２１をクリックし、追加しない場合は「キャンセル」ボタン１２２２をクリックする。

また、図１６上段の画面上において、処理データ項目決定部８１０で抽出したデータ項目を削除すること、及びデータ項目を追加することもできる。データ項目を削除したい時は、チェックボックス１２２３からチェックマークをはずす。また、データ項目を追加する場合はボタン１２２４をクリックして、計測信号データベース３１０に保存されている任意のデータ項目を追加できる。

図１６下段は処理データ項目決定部８１０を用いずに、診断に使用するデータ項目を全て手動で設定する際の画面である。プラント１００から計測するデータ項目の数は、プラントの規模によって異なるが、大規模なプラントとなると数千ものデータ項目がある。これらのデータ項目の中から、診断に使用するデータ項目を１つ１つ選定するには、多大な時間を要する。本発明の処理データ項目決定部８１０を用いることで、診断に使用するデータ項目を選定する時間を短縮できる。

図１７から図１９は、図１２のステップＳ１２３０でデータ項目が追加された時の分類手段５００、及び診断手段６００の変化を説明する図面である。図１７はデータ項目が追加される前の分類手段５００、及び診断手段６００を説明する図である。入力データ数は２である。本実施例では、ステップＳ１２３０でデータ項目が２つ追加され、入力データ数が４になった時の分類手段５００、及び診断手段６００の変化を説明する。

図１８では、ＡＲＴモジュールを１つ追加し、このＡＲＴモジュールに追加された２つの入力データを入力してカテゴリーを作成する。図１９では、１つのＡＲＴモジュールに入力するデータ項目を２から４に変更する。

このように、本発明ではＡＲＴモジュールを追加して診断に使用するデータ項目を追加する方式、及び１つのＡＲＴモジュールに入力するデータ項目を増やして診断に使用するデータ項目を追加する方式のいずれかを用いる。

図２０は、カテゴリー属性データベース８３０に保存されるデータの態様とステップＳ１２４０で画像表示装置に表示されるカテゴリー属性修正画面の例を説明する図面である。

図２０上段に示すように、カテゴリー属性データベース８３０には、カテゴリー番号（１から６）、カテゴリー属性（正常、異常）、画面表示時間割合（％）の関係がデータ項目Ａ、Ｂ、Ｃとともに保存されている。

前述の通り、診断手段６００を動作させた時に発生した新規カテゴリーの初期属性が異常である。カテゴリー属性決定部８２０は、画面表示時間割合の情報を基に、カテゴリー属性が異常のカテゴリーを正常のカテゴリーに変更する機能を持つ。カテゴリー属性決定部８２０では、以下の（６）式を用いて、正常カテゴリーと異常カテゴリーの類似度を計算する。この類似度が閾値以下の場合、カテゴリーの属性を異常から正常に修正する。
ＳＩ＝（ＴＡ１−ＴＡ２）^２＋（ＴＢ１−ＴＢ２）^２＋（ＴＣ１−ＴＣ２）^２ …（６）
ここで、ＳＩは類似度、ＴＡ１は正常カテゴリーが発生している時における画面１の表示時間、ＴＡ２は異常カテゴリーが発生している時における画面１の表示時間、ＴＢ１は正常カテゴリーが発生している時における画面２の表示時間、ＴＢ２は異常カテゴリーが発生している時における画面２の表示時間、ＴＣ１は正常カテゴリーが発生している時における画面３の表示時間、ＴＣ２は異常カテゴリーが発生している時における画面３の表示時間である。

図１１で述べたように、属性が異常のカテゴリーが発生している場合でも、プラントの運転状態が正常である場合がある。この場合、オペレータは警報が発生しても異常とは判断せず、従って画像表示装置９５０に表示されている画面はカテゴリー属性が正常の時と同じである。そこで、カテゴリーの属性を異常から正常に修正することで、不要な警報が発生し続けることを抑制できる。

図２０下段の表示は、ステップＳ１２４０で画像表示装置に表示されるカテゴリー属性修正画面の例を説明する図面である。画面上にはこの画面での要望事項「下記カテゴリーを正常カテゴリーに追加します。よろしいですか？」が表示され、図１１のときの計測信号と共にこのときのカテゴリー番号が表示される。図の例では、カテゴリー番号２に分類された３点の情報をカテゴリー１に修正することの是非を確認している。オペレータは、修正する場合は、「はい」ボタン１２４１をクリックし、修正しない場合は「いいえ」ボタン１２４３をクリックする。

図２１は、カテゴリー属性を修正した結果の動作例を説明する図面である。時刻ｔ１では、新規カテゴリー（カテゴリー番号２）が発生し、警報が発生した。その後、カテゴリー属性決定部８２０を動作させ、カテゴリー番号２の属性を正常に変化させた。その結果、時刻ｔ２では警報が発生しない。時刻ｔ３では、属性を正常に分類しなおしたカテゴリー２以上のカテゴリー３に相当する事象が発生した。このため、時刻ｔ３において警報が発令された。

また、警報発生手段７００では、カテゴリー情報に基づいて警報を発生させる機能に加え、計測値が閾値を超えると警報を発生させる機能を持つ。計測値が閾値を超えると警報を発生させる機能とカテゴリー情報に基づいて警報を発生させる機能を連携させ、時刻ｔ２で警報が発生しないようにすることもできる。
以上述べたように、本発明の学習手段８００は、オペレータの操作履歴情報に基づいて、診断に使用するデータ項目の選定、及び警報発生の条件決定を自動的に実施する。これにより、診断精度の向上、及び不要な警報を除外することが可能となる。

正常時の誤報をなくし、異常時に確実に警報することができるので、プラントの診断装置としての信頼度を高くできることから各種プラントに広く適用することができる。

１００ プラント
２００ 診断装置
２１０ 外部入力インターフェイス
２２０ 外部出力インターフェイス
３１０ 計測信号データベース
３２０ 基準信号データベース
３３０ 分類結果データベース
３４０ 診断結果データベース
３５０ 操作履歴データベース
３６０ 制御ロジックデータベース
３７０ 設計情報データベース
３８０ カテゴリー属性データベース
４００ 処理データ抽出手段
５００ 分類手段
６００ 診断手段
７００ 警報発生手段
８００ 学習手段
８１０ 処理データ項目決定部
８２０ カテゴリー属性決定部
９００ 外部入力装置
９１０ キーボード
９２０ マウス
９５０ 画像表示装置

Claims (12)

1. プラントの計測信号と、オペレータが外部入力装置を用いて操作を行なったときの操作信号とを入力し、画像表示装置にプラントの状態を表示情報として表示するプラント診断装置において、
   プラント診断装置は、前記プラントの計測信号を保存する計測信号データベースと、
   オペレータが前記外部入力装置を用いて操作を行なったときの操作信号を記憶する操作履歴データベースと、
   前記プラントの異常発生時に、オペレータが前記外部入力装置を用いて行なった操作により前記画像表示装置に表示された表示情報の中から、プラントの診断に使用するデータ項目を抽出する学習手段と、
   を有することを特徴とするプラント診断装置。
2. 第１項記載のプラント診断装置において、
   前記学習手段は、前記プラントの異常発生時に、前記画像表示装置に表示された表示画面の表示時間から、当該画面に表示されている表示情報の重み付けを行ないプラントの診断に使用するデータ項目を抽出する処理データ項目決定部を備えることを特徴とするプラント診断装置。
3. 第１項あるいは第２項記載のプラント診断装置において、
   前記抽出されたデータ項目を前記画像表示装置に表示し、プラント診断の監視項目に追加することの判別に供することを特徴とするプラント診断装置。
4. 第１項乃至第３項のいずれかに記載のプラント診断装置において、
   プラント診断装置は、前記プラントの制御ロジックを保存する制御ロジックデータベースと、設計情報を保存する設計情報データベースを備えており、これらのデータベースの保存情報が前記画像表示装置に表示情報として表示されることを特徴とするプラント診断装置。
5. プラントの計測信号を保存する計測信号データベースと、
   該計測信号データベースからプラントの状態を診断するのに使用する診断信号を抽出する処理データ抽出手段と、該処理データ抽出手段で抽出した診断信号を保存する基準信号データベースと、該基準信号データベースに保存されているデータをカテゴリーに分類する分類手段と、該分類手段で分類した結果を保存する分類結果データベースと、前記処理データ抽出手段で抽出した最新の診断信号が、前記分類結果データベースに保存されているカテゴリーに属さない場合に新しいカテゴリーを発生させて分類する診断手段と、該診断手段での分類結果を保存する診断結果データベースと、該診断結果データベースと前記分類結果データベースに保存されているカテゴリーの情報を用いて、ある一定期間内における新規カテゴリーの生成頻度が、一定値（閾値）を超えた時に警報を発生させる警報発生手段を備えたプラント診断装置において、
   マウス、キーボードから成る外部入力装置からの外部入力信号を保存する操作履歴データベースと、該操作履歴データベースに保存されている操作履歴情報に基づいて、前記処理データ抽出手段で抽出するデータ項目を決定する処理データ項目決定部を有する学習手段を備えたことを特徴とするプラント診断装置。
6. プラントの計測信号を保存する計測信号データベースと、該計測信号データベースからプラントの状態を診断するのに使用する基準信号を抽出する処理データ抽出手段と、該処理データ抽出手段で抽出した基準信号を保存する基準信号データベースと、該基準信号データベースに保存されているデータをカテゴリーに分類する分類手段と、該分類手段で分類した結果を保存する分類結果データベースと、前記処理データ抽出手段で抽出した最新の診断信号が、前記分類結果データベースに保存されているカテゴリーに属さない場合に新しいカテゴリーを発生させて分類する診断手段と、該診断手段での分類結果を保存する診断結果データベースと、該診断結果データベースと前記分類結果データベースに保存されているカテゴリーの属性を正常か異常かに定義し、前記カテゴリーの属性を保存するカテゴリー属性データベースと、前記診断結果データベース、前記分類結果データベース、前記カテゴリー属性データベースに保存されている情報を用いて、ある一定期間内における異常属性のカテゴリーの生成頻度が、一定値（閾値）を超えた時に警報を発生させる警報発生手段を備えたプラント診断装置において、
   マウス、キーボードから成る外部入力装置からの外部入力信号を保存する操作履歴データベースと、該操作履歴データベースに保存されている操作履歴情報に基づいて、前記処理データ抽出手段で抽出するデータ項目を決定する処理データ項目決定部と、カテゴリーの属性を正常か異常に決定するカテゴリー属性決定部の少なくとも１つの決定部を有する学習手段を備えたことを特徴とするプラント診断装置。
7. 請求項５あるいは請求項６に記載されたプラント診断装置において、
   前記プラントを制御するための制御ロジック情報が保存されている制御ロジックデータベースと、前記プラントの設計情報が保存されている設計情報データベースを備え、前記学習手段では前記制御ロジックデータベースに保存されている制御ロジック情報と、前記設計情報データベースに保存されている設計情報も合わせて処理することを特徴とするプラント診断装置。
8. 請求項５あるいは請求項６に記載されたプラント診断装置において、
   前記診断装置内のデータベースに保存されている情報を表示する画像表示装置を有し、前記操作履歴データベースには、少なくとも操作を実施した時刻と、前記画像表示装置に表示されている画面の関係が保存されていることを特徴としたプラント診断装置。
9. 請求項７に記載されたプラント診断装置において、
   前記処理データ項目決定部では、少なくとも前記画像表示装置に表示された画面に関係するデータ項目と画面が表示されていた期間に基づいて、データ項目の重要度を計算し、重要度が高いデータ項目を抽出する機能を有し、前記処理データ抽出手段では、処理データ項目決定手段で抽出した重要度が高いデータ項目のデータを計測信号データベースから抽出することを特徴としたプラント診断装置。
10. 請求項７に記載されたプラント診断装置において、
    前記処理データ項目決定部では、少なくとも前記画像表示装置に表示された画面に関係するデータ項目と画面が表示されていた期間に基づいて、データ項目の重要度を計算し、重要度が高いデータ項目を抽出する機能を有し、前記処理データ項目決定手段で抽出した重要度が高いデータ項目のデータを画像表示装置上に表示し、前記外部入力装置からの操作でデータ項目を追加、削除してデータ項目を決定し、前記処理データ抽出手段では、前記外部入力装置からの操作で決定したデータ項目のデータを計測信号データベースから抽出することを特徴としたプラント診断装置。
11. 請求項７に記載されたプラント診断装置において、
    前記カテゴリー属性決定部では、カテゴリー毎に画面が表示されていた期間の割合のデータを保持し、表示されていた期間の割合のデータの類似性に基づいて、カテゴリーの属性を異常から正常に変更する機能を有し、前記警報発生手段では異常の属性を持つカテゴリーの発生割合が一定値を超えた時に警報を発生させることを特徴としたプラント診断装置。
12. 請求項７に記載されたプラント診断装置において、
    前記カテゴリー属性決定部ではカテゴリー毎に画面が表示されていた期間の割合のデータを保持し、表示されていた期間の割合のデータの類似性に基づいて、カテゴリーの属性を異常から正常に変更する機能と、画像表示装置上に表示されたカテゴリーの属性を前記外部入力装置からの入力された外部入力信号に基づいて修正する機能を持つことを特徴としたプラント診断装置。

Images