KR102073537B1 - 리스크 평가 장치, 리스크 평가 시스템, 리스크 평가 방법 및 리스크 평가 프로그램 - Google Patents

리스크 평가 장치, 리스크 평가 시스템, 리스크 평가 방법 및 리스크 평가 프로그램 Download PDF

Info

Publication number
KR102073537B1
KR102073537B1 KR1020197032073A KR20197032073A KR102073537B1 KR 102073537 B1 KR102073537 B1 KR 102073537B1 KR 1020197032073 A KR1020197032073 A KR 1020197032073A KR 20197032073 A KR20197032073 A KR 20197032073A KR 102073537 B1 KR102073537 B1 KR 102073537B1
Authority
KR
South Korea
Prior art keywords
failure
risk
target
installation location
installation
Prior art date
Application number
KR1020197032073A
Other languages
English (en)
Other versions
KR20190126186A (ko
Inventor
요시야스 후지와라
Original Assignee
가부시키가이샤 티엘브이
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
Application filed by 가부시키가이샤 티엘브이 filed Critical 가부시키가이샤 티엘브이
Publication of KR20190126186A publication Critical patent/KR20190126186A/ko
Application granted granted Critical
Publication of KR102073537B1 publication Critical patent/KR102073537B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • 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
    • 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
    • G05B23/0243—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 model based detection method, e.g. first-principles knowledge model
    • G05B23/0245—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 model based detection method, e.g. first-principles knowledge model based on a qualitative model, e.g. rule based; if-then decisions
    • G05B23/0251—Abstraction hierarchy, e.g. "complex systems", i.e. system is divided in subsystems, subsystems are monitored and results are combined to decide on status of whole system
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01K—STEAM ENGINE PLANTS; STEAM ACCUMULATORS; ENGINE PLANTS NOT OTHERWISE PROVIDED FOR; ENGINES USING SPECIAL WORKING FLUIDS OR CYCLES
    • F01K13/00—General layout or general methods of operation of complete plants
    • F01K13/003—Arrangements for measuring or testing
    • 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
    • G05B23/0243—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 model based detection method, e.g. first-principles knowledge model
    • G05B23/0254—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 model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
    • 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
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16T—STEAM TRAPS OR LIKE APPARATUS FOR DRAINING-OFF LIQUIDS FROM ENCLOSURES PREDOMINANTLY CONTAINING GASES OR VAPOURS
    • F16T1/00—Steam traps or like apparatus for draining-off liquids from enclosures predominantly containing gases or vapours, e.g. gas lines, steam lines, containers
    • F16T1/38—Component parts; Accessories
    • F16T1/48—Monitoring arrangements for inspecting, e.g. flow of steam and steam condensate
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F22—STEAM GENERATION
    • F22B—METHODS OF STEAM GENERATION; STEAM BOILERS
    • F22B35/00—Control systems for steam boilers
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F22—STEAM GENERATION
    • F22B—METHODS OF STEAM GENERATION; STEAM BOILERS
    • F22B37/00—Component parts or details of steam boilers
    • F22B37/02—Component parts or details of steam boilers applicable to more than one kind or type of steam boiler
    • F22B37/38—Determining or indicating operating conditions in steam boilers, e.g. monitoring direction or rate of water flow through water tubes
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/31—From computer integrated manufacturing till monitoring
    • G05B2219/31461—Use risk analysis to identify process parts that should be specially monitored

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Debugging And Monitoring (AREA)

Abstract

리스크 평가 장치는, 각 프로세스 기기에 대한 복수회의 진단 결과를, 당해 프로세스 기기의 설치 개소와 관련지은 상태에서 축적하여 기억하는 진단 결과 기억부와, 당해 프로세스 기기의 고장 발생 확률을 연산하기 위한 연산 모델을 저장하는 연산 모델 기억부(334)와, 대상의 설치 개소에 설치된 역대 프로세스 기기의 진단 결과에 기초하여, 당해 설치 개소에의 설치로부터 기준 기간의 경과 후에 있어서 고장나 있는 프로세스 기기의 비율인 고장 비율을 구하는 고장 비율 연산부(335)와, 연산 모델에 기초하여, 대상의 설치 개소에 있어서의 프로세스 기기에 대한 기준 기간에 있어서의 고장 발생 확률을 연산하는 고장 발생 확률 연산부(336)와, 연산된 고장 비율과 고장 발생 확률을 비교하여, 대상의 설치 개소에 있어서의 프로세스 기기의 리스크 지표값을 연산하는 리스크 지표값 연산부(33)를 구비한다.

Description

리스크 평가 장치, 리스크 평가 시스템, 리스크 평가 방법 및 리스크 평가 프로그램
본 개시는, 증기 플랜트에 대한 리스크 평가를 위한 리스크 평가 장치, 리스크 평가 시스템, 리스크 평가 방법 및 리스크 평가 프로그램에 관한 것이다.
최근, 석유 화학 플랜트나 화력 발전 플랜트 등의 증기 플랜트에 있어서, 리스크를 고려한 소위 RBI(Risk-Based Inspection) 방법을 사용한 리스크 평가가 행해지고 있다(또한, RBI에 기초한 평가 방법은 API(American Petroleum Institute)에 있어서 API581로서 표준화되어 있다). 그리고 이러한 리스크 평가에서는, 일본 특허 제 5884000호 공보(특허문헌 1)에도 개시되어 있는 바와 같이, 각 기기의 고장 발생 용이성(고장 발생 확률) 및 고장이 발생했을 때의 영향도의 2개의 값에 기초하여 각 기기의 리스크를 평가하는 것이 행해지고 있다.
또한, 증기 플랜트에 설치되는 증기 트랩 등의 프로세스 기기의 고장 발생 용이성은, 기기 그 자체 뿐만아니라 설치되는 개소의 환경에도 영향을 받을 수 있다는 점에서, 일본 특허 제 5010472호 공보(특허문헌 2)에는, 플랜트의 소정 개소에 설치된 기기에 대해서, 대상의 설치 개소에 설치된 역대 프로세스 기기의 진단 결과를 사용하여, 개개의 기기가 아니라 설치 개소에 착안하여, 기기의 고장 발생 용이성을 구하는 것이 제안되어 있다.
일본 특허 제 5884000호 공보(또는, 대응하는 미국 특허 출원 공개 제2017/024267호 명세서) 일본 특허 제 5010472호 공보(또는, 대응하는 미국 특허 제 8914252호 명세서)
상기한 바와 같이 설치 개소의 환경도 거기에 설치되는 프로세스 기기의 고장 발생 용이성에 영향을 줄 수 있는 바, 증기 플랜트에는 프로세스 기기의 고장 발생 용이성에 큰 영향을 주는 설치 개소도 존재하며, 이러한 설치 개소를 파악하는 것이 증기 플랜트의 리스크 평가에 있어서 중요해진다. 그러나, 특허문헌 2에 개시되어 있는 바와 같이, 설치 개소에 착안하여 기기의 고장 발생 용이성을 구할 경우, 설치 개소의 환경도 가미되어 고장 발생 용이성을 구할 수 있지만, 구해진 고장 발생 용이성이 설치 개소의 영향을 받은 것인가까지는 알 수 없다.
따라서, 프로세스 기기의 고장 발생 용이성에 큰 영향을 주는 설치 개소를 파악 가능한 리스크 평가 장치, 리스크 평가 방법, 리스크 평가 프로그램 및 데이터 구조의 실현이 요망된다.
본 개시에 관한 리스크 평가 장치는,
증기 플랜트에 대한 리스크 평가를 위한 리스크 평가 장치이며,
대상의 상기 증기 플랜트에 있어서의 배관계에 설치되는 각 프로세스 기기에 대한 복수회의 진단 결과를, 당해 프로세스 기기의 설치 개소와 관련지은 상태에서 축적되어 기억하는 진단 결과 기억부와,
대상 프로세스 기기의 설치 기간에 기초하여 당해 프로세스 기기의 고장 발생 확률을 연산하기 위한 연산 모델을 저장하는 연산 모델 기억부와,
대상의 설치 개소에 설치된 역대 프로세스 기기의 진단 결과에 기초하여, 역대의 각 프로세스 기기 중, 당해 설치 개소에의 설치로부터 기준 기간의 경과 후에 있어서 고장나 있는 프로세스 기기의 비율인 고장 비율을 구하는 고장 비율 연산부와,
상기 연산 모델에 기초하여, 상기 대상의 설치 개소에 있어서의 프로세스 기기에 대한 상기 기준 기간에 있어서의 고장 발생 확률을 연산하는 고장 발생 확률 연산부와,
연산된 상기 고장 비율과 상기 고장 발생 확률을 비교하여, 상기 대상의 설치 개소에 있어서의 프로세스 기기의 고장 발생 용이성을 나타내는 리스크 지표값을 연산하는 리스크 지표값 연산부를 구비한다.
연산 모델에 기초하여 구해진 고장 발생 확률은, 소위 일반적인 것이며, 대상 프로세스 기기가 설치되는 설치 개소의 환경에 기인하는 특유의 영향까지 반영한 것이 아니며, 한편, 역대의 각 프로세스 기기 중, 당해 설치 개소에의 설치로부터 기준 기간의 경과 후에 있어서 고장나 있는 프로세스 기기의 비율인 고장 비율은, 설치 개소의 환경도 가미되어 구해진 기기의 고장 발생 용이성이 된다. 그로 인해, 고장 발생 확률에 비하여 고장 비율쪽이 높은 것 같은 경우에는, 설치 개소의 환경이 프로세스 기기의 고장 발생 용이성에 큰 영향을 주고 있다고 할 수 있다. 따라서, 이 구성에 의하면, 고장 비율과 고장 발생 확률을 비교하기 때문에, 프로세스 기기의 고장 발생 용이성에 큰 영향을 주는 설치 개소를 파악하는 것이 가능해진다.
이하, 본 개시에 관한 리스크 평가 장치의 적합한 형태에 대하여 설명한다. 단, 이하에 기재하는 적합한 형태예에 의해, 본 개시의 범위가 한정되는 것은 아니다.
고장 비율과 고장 발생 확률을 비교했을 때, 고장 비율쪽이 높다 하더라도, 오차에 의한 것일 우려가 있다. 따라서, 하나의 형태로서, 상기 리스크 지표값 연산부는, 상기 고장 발생 확률에 비하여 상기 고장 비율이 소정 값 이상 높을 때, 대상 프로세스 기기의 고장 발생 용이성에 관하여 상기 설치 개소에 의한 영향이 존재하는 것으로 하여, 상기 리스크 지표값을 연산하면 바람직하다.
이 구성에 의하면, 단순히 고장 비율과 고장 발생 확률의 대소 관계 뿐만아니라, 고장 발생 확률에 비하여 고장 비율이 소정 값 이상 높을 때, 고장 발생 용이성에 관하여 설치 개소에 의한 영향이 존재하는 것으로 인정한다. 이에 의해, 고장 발생 확률에 비하여 고장 비율쪽이 오차 범위 내를 초과하여 높은 것 같은 경우에 비로소, 설치 개소의 환경이 프로세스 기기의 고장 발생 용이성에 큰 영향을 주고 있다고 인정할 수 있고, 오차에 의한 경우를 배제하는 것이 가능해진다.
하나의 형태로서, 상기 고장 비율 연산부는, 역대 프로세스 기기에 복수 종류의 프로세스 기기가 포함될 때, 종류마다 상기 고장 비율을 연산하고, 상기 고장 발생 확률 연산부는, 역대 프로세스 기기에 복수 종류의 프로세스 기기가 포함될 때, 종류마다 상기 고장 발생 확률을 연산하고, 상기 리스크 지표값 연산부는, 종류마다 상기 고장 비율과 연산된 상기 고장 발생 확률을 비교하여, 상기 대상의 설치 개소에 있어서의 상기 리스크 지표값을 연산하면 바람직하다.
이 구성에 의하면, 역대 프로세스 기기에 복수 종류의 프로세스 기기가 포함되는 경우에도, 종류마다 고장 비율과 고장 발생 확률을 비교하기 때문에, 적절하게 리스크 지표값을 연산할 수 있다.
본 개시에 관한 리스크 평가 시스템은,
증기 플랜트에 대한 리스크 평가를 위한 리스크 평가 시스템이며,
대상의 상기 증기 플랜트에 있어서의 배관계에 설치되는 각 프로세스 기기에 대한 복수회의 진단 결과를, 당해 프로세스 기기의 설치 개소와 관련지은 상태에서 축적되어 기억하는 진단 결과 기억부와,
대상 프로세스 기기의 설치 기간에 기초하여 당해 프로세스 기기의 고장 발생 확률을 연산하기 위한 연산 모델을 저장하는 연산 모델 기억부와,
대상의 설치 개소에 설치된 역대 프로세스 기기의 진단 결과에 기초하여, 역대의 각 프로세스 기기 중, 당해 설치 개소에의 설치로부터 기준 기간의 경과 후에 있어서 고장나 있는 프로세스 기기의 비율인 고장 비율을 구하는 고장 비율 연산부와,
상기 연산 모델에 기초하여, 상기 대상의 설치 개소에 있어서의 프로세스 기기에 대한 상기 기준 기간에 있어서의 고장 발생 확률을 연산하는 고장 발생 확률 연산부와,
연산된 상기 고장 비율과 상기 고장 발생 확률을 비교하여, 상기 대상의 설치 개소에 있어서의 프로세스 기기의 고장 발생 용이성을 나타내는 리스크 지표값을 연산하는 리스크 지표값 연산부를 구비한다.
본 개시에 관한 리스크 평가 방법은,
컴퓨터에 실행시키는, 증기 플랜트에 대한 리스크 평가를 위한 리스크 평가 방법이며,
대상의 상기 증기 플랜트에 있어서의 배관계에 설치되는 각 프로세스 기기에 대한 복수회의 진단 결과를, 당해 프로세스 기기의 설치 개소와 관련지은 상태에서 축적되어 기억하는 진단 결과 기억 공정과,
대상 프로세스 기기의 설치 기간에 기초하여 당해 프로세스 기기의 고장 발생 확률을 연산하기 위한 연산 모델을 저장하는 연산 모델 기억 공정과,
대상의 설치 개소에 설치된 역대 프로세스 기기의 진단 결과에 기초하여, 역대의 각 프로세스 기기 중, 당해 설치 개소에의 설치로부터 기준 기간의 경과 후에 있어서 고장나 있는 프로세스 기기의 비율인 고장 비율을 구하는 고장 비율 연산 공정과,
상기 연산 모델에 기초하여, 상기 대상의 설치 개소에 있어서의 프로세스 기기에 대한 상기 기준 기간에 있어서의 고장 발생 확률을 연산하는 고장 발생 확률 연산 공정과,
연산된 상기 고장 비율과 상기 고장 발생 확률을 비교하여, 상기 대상의 설치 개소에 있어서의 프로세스 기기의 고장 발생 용이성을 나타내는 리스크 지표값을 연산하는 리스크 지표값 연산 공정을 구비한다.
본 개시에 관한 컴퓨터로 읽을 수 있는 매체에 저장된 리스크 평가 프로그램은,
컴퓨터에 실행시키는, 증기 플랜트에 대한 리스크 평가를 위한 리스크 평가 프로그램이며,
대상의 상기 증기 플랜트에 있어서의 배관계에 설치되는 각 프로세스 기기에 대한 복수회의 진단 결과를, 당해 프로세스 기기의 설치 개소와 관련지은 상태에서 축적되어 기억하는 진단 결과 기억 기능과,
대상 프로세스 기기의 설치 기간에 기초하여 당해 프로세스 기기의 고장 발생 확률을 연산하기 위한 연산 모델을 저장하는 연산 모델 기억 기능과,
대상의 설치 개소에 설치된 역대 프로세스 기기의 진단 결과에 기초하여, 역대의 각 프로세스 기기 중, 당해 설치 개소에의 설치로부터 기준 기간의 경과 후에 있어서 고장나 있는 프로세스 기기의 비율인 고장 비율을 구하는 고장 비율 연산 기능과,
상기 연산 모델에 기초하여, 상기 대상의 설치 개소에 있어서의 프로세스 기기에 대한 상기 기준 기간에 있어서의 고장 발생 확률을 연산하는 고장 발생 확률 연산 기능과,
연산된 상기 고장 비율과 상기 고장 발생 확률을 비교하여, 상기 대상의 설치 개소에 있어서의 프로세스 기기의 고장 발생 용이성을 나타내는 리스크 지표값을 연산하는 리스크 지표값 연산 기능을 상기 컴퓨터에 실행시킨다.
이 구성에 의하면, 상기한 리스크 평가 장치와 마찬가지의 작용 효과를 얻을 수 있다.
도 1은 본 실시 형태에 관한 플랜트 감시 시스템의 개략 구성도이다.
도 2는 리스크 평가 장치의 블록도이다.
도 3은 기기군의 일례를 나타내는 개략도이다.
도 4는 리스크 정보 연산부의 일례를 나타내는 블록도이다.
도 5는 기기군 리스크 정보 연산부의 일례를 나타내는 블록도이다.
본 개시에 관한 리스크 평가 장치, 리스크 평가 시스템, 리스크 평가 방법 및 리스크 평가 프로그램의 실시 형태에 대해서, 도면을 참조하여 설명한다. 이하에서는, 석유 화학 플랜트나 화력 발전 플랜트 등의 증기를 이용하는 증기 플랜트(2)을 감시하는 플랜트 감시 시스템에, 본 실시 형태에 관한 리스크 평가 장치를 내장한 예에 대하여 설명한다.
먼저, 도 1에 도시한 바와 같이, 본 실시 형태에 관한 플랜트 감시 시스템에서는, 본 실시 형태에 관한 리스크 평가 장치로서 기능하는 감시 서버(3)가, 감시 대상으로 하는 각종 증기 플랜트(2)로부터의 데이터를 네트워크(4)를 통하여 수집하고, 수집한 데이터를 내부의 데이터베이스에 축적적으로 기억한다. 그리고, 감시 서버(3)는, 소정의 타이밍, 또는, 유저나 관리자로부터의 지시에 따라, 수집한 데이터나 데이터베이스에 기억한 데이터에 기초하여 분석이나 판정을 행하도록 되어 있고, 그 결과를 PC나 스마트폰 등의 유저 단말기(1)에 송신하거나, 유저 단말기(1)를 통하여 유저가 감시 서버(3)에 액세스함으로써, 유저에게 플랜트(2)의 상태가 나타나도록 되어 있다. 또한, 분석이나 판정의 결과는 데이터베이스에 기억시켜서, 가일층의 분석이나 판정에 제공되도록 되어 있다. 또한, 본 실시 형태에 있어서 "배관계"라 함은, 예를 들어 증기 트랩, 증기 배관 및 각종 밸브 등으로 구성되는 증기 시스템 전체를 포함하는 개념이다. 또한, 이러한 증기 시스템 전체를 중요한 에셋　중의 하나로서 받아들아면, 본 실시 형태에 관한 리스크 평가 장치, 리스크 평가 시스템, 리스크 평가 방법, 리스크 평가 프로그램 및 데이터 구조는, 에셋 매니지먼트 방법의 하나로서 적용 가능하다.
증기 플랜트(2)는, 구성 요소로서, 터빈, 압축기, 열교환기 등의 증기를 이용하는 증기 이용 기기(21), 증기 이용 기기(21)에 증기를 수송하는 수송관이나 증기 이용 기기(21)로부터 발생한 드레인을 배출하는 드레인관 등의 배관계(22), 배관계(22)에 설치되는 증기 트랩, 제어 밸브, 펌프, 필터, 세퍼레이터 등의 프로세스 기기(23) 등을 구비하고 있다. 이에 의해, 증기 플랜트(2)에서는, 도 1에 도시한 바와 같은, 개개의 증기 이용 기기(21)(또는 일련의 처리를 실행하기 위하여 일체의 관계에 있는 복수의 증기 이용 기기(21))를 중심으로 하는 기기군(증기 이용 기기(21)와, 당해 증기 이용 기기(21)에 접속된 배관계(22)와, 그 배관계(22)에 설치된 각 프로세스 기기(23)를 구비하여 구성되는 것)(24)이 하나 또는 복수 형성된 상태로 되어 있고, 개개의 기기군(24)마다, 또는, 복수의 기기군(24)으로 연계하여, 증기 플랜트(2)가 목적으로 하는 처리(이)가 행해지도록 되어 있다.
또한, 증기 플랜트(2)는, 감시 서버(3)와 네트워크(4)를 통하여 통신 가능한 PC 등의 컴퓨터로 이루어지는 감시 장치(25)를 갖고 있으며, 증기 플랜트(2)에서는, 감시 장치(25)에 의해 증기 플랜트(2)의 각 구성 요소에 관한 데이터를 수집하고, 수집한 데이터를 감시 서버(3)에 송신하도록 되어 있다. 이와 같이 하여, 감시 서버(3)에는, 증기 플랜트(2)의 각 구성 요소에 관한 각종 데이터가 수집되고, 이러한 데이터에 기초하여 감시 서버(3)에 의한 분석·판정이 행해지도록 되어 있다.
그리고, 특히, 본 실시 형태에서는, 각 구성 요소로부터 수집하는 데이터 중, 프로세스 기기(23)가 정상적으로 기능하고 있는지 여부의 진단 결과가 포함된다. 구체적으로는, 증기 플랜트(2)에서는, 프로세스 기기(23)의 상태에 관한 점검과 이에 기초하는 진단이 소정의 간격으로 행해지고 있고, 본 실시 형태에서는, 그 진단 결과가 감시 장치(25)에 수집되고, 또한 감시 서버(3)에 송신되도록 되어 있다.
프로세스 기기(23)에 대하여 행해지는 진단에 대하여 설명하면 프로세스 기기(23)는, 증기 플랜트(2)를 흐르는 증기로부터 드레인이나 기타 불순물을 제거하여 배출하거나, 증기의 흐름을 제어하는 것이며, 배관계(22)의 각처에 설치되어 있다. 그리고, 프로세스 기기(23)가 고장나 있는 경우, 증기 플랜트(2)의 운전에 손실이 발생하고, 또한, 이를 방치하면 증기 플랜트(2)가 운전 불능이 될 우려가 있다. 그로 인해, 증기 플랜트(2)에서는, 휴대용 검사기에 의해(프로세스 기기(23) 자체에 센서가 구비되어 있는 경우에는 당해 센서에 의해) 개개의 프로세스 기기(23)의 상태(온도나 진동 등)를 검출하고, 검출 결과에 기초하여 각 프로세스 기기(23)가 정상적으로 기능하고 있는지 여부를 판정한다고 하는 내용의 진단을 어느 정도의 간격으로 반복 실행하도록 되어 있다. 그리고, 이러한 진단을 거쳐서 고장나 있다고 판명된 프로세스 기기(23)에 대해서는 교환 또는 수리가 행해지고, 이에 의해, 증기 플랜트(2)의 상태를 양호하게 유지할 수 있도록 되어 있다. 또한, 진단 간격은 목적에 따라서 적절히 설정되고, 수개월마다 또는 1년마다, 또는 그보다 단기간의 경우도 있는가 하면 프로세스 기기(23)의 설치 기간 등에 따라서 간격이 변경되는 경우도 있다.
본 실시 형태에서는, 이와 같이 하여 얻어진 각 프로세스 기기(23)에 대한 검출 결과나 고장 유무 등의 진단 결과가, 당해 프로세스 기기(23)의 식별 정보와 관련지은 상태에서 감시 장치(25)에 수집되고, 각회의 진단마다, 감시 서버(3)에 송신되도록 되어 있다. 또한, 도시는 생략되어 있으나, 감시 서버(3)에는, 복수의 증기 플랜트(2)로부터, 이러한 진단 결과가 송신되도록 되어 있다.
그리고, 본 실시 형태에서는, 감시 서버(3)는, 수집한 진단 결과를 사용하여 각 증기 플랜트(2)에 대한 리스크 평가를 행하도록 되어 있다. 구체적으로는, 감시 서버(3)는, 개개의 프로세스 기기(23)가 아니라, 그 프로세스 기기(23)가 설치된 설치 개소에 착안한 리스크 평가를 행하도록 되어 있고, 나아가 이에 기초하여, 기기군(24)단위에 의한 리스크를 평가하도록 되어 있다. 이하에서는, 감시 서버(3)가 구비하는 구성 중, 이러한 리스크 평가를 행하기 위한 구성에 대하여 설명한다.
먼저, 감시 서버(3)는, 일반적인 서버 장치이며, 네트워크(4)를 통한 통신을 행하기 위한 통신 인터페이스나, 서버 장치와의 사이에서 직접적인 데이터의 입출력을 행하기 위한 입출력 장치, 서버 장치의 각 부의 제어를 행하는 CPU, 각종 데이터나 프로그램을 저장하는 대용량 기억 장치인 HDD, 실행하는 프로그램 등을 일시 저장하는 메모리 등의 일반적인 하드웨어 구성을 구비하고 있다. 그리고, 본 실시 형태에서는, HDD에, 후술하는 처리를 행하기 위한 리스크 평가 프로그램이 저장되어 있고, 메모리에 일시 저장된 리스크 평가 프로그램이 CPU에 실행됨으로써, 감시 서버(3)의 각 부가, 도 2에 도시하는 기능부를 구비한 리스크 평가 장치로서 기능하도록 되어 있다.
구체적으로는, 본 실시 형태에서는, 리스크 평가 프로그램이 실행됨으로써, 감시 서버(3)가, 감시 장치(25)로부터 송신되는 데이터를 취득하는 입출력 처리부(31), 취득한 데이터 등의 다양한 데이터를 저장하는 데이터베이스부(32), 프로세스 기기(23)의 고장 발생 용이성에 관한 리스크 정보를 연산하는 리스크 정보 연산부(33) 및 대상으로 하는 기기군(24)에 대한 고장 발생 용이성에 관한 기기군 리스크 정보를 연산하는 기기군 리스크 정보 연산부(34)의 각 기능부를 구비한 리스크 평가 장치로서 구성된다(도 2). 이하, 각 기능부에 대하여 설명한다.
먼저, 입출력 처리부(31)는 리스크 평가 장치에 있어서의 인터페이스로서 기능한다. 구체적으로는, (a) 감시 장치(25)로부터 송신되는 데이터를 취득하고, 취득한 데이터를 데이터베이스부(32)에 저장하거나, (b) 유저로부터의 요구를 접수하고, 리스크 정보 연산부(33)나 기기군 리스크 정보 연산부(34)에 연산을 행하게 하거나, 요구에 따른 평가 결과를 유저에 대하여 출력하거나, (c) 유저로부터의 지시에 따라서 데이터베이스부(32)의 편집·갱신을 행하는 등, 각종 처리를 행하도록 되어 있다.
데이터베이스부(32)는, 증기 플랜트(2)마다 데이터관리를 행하도록 되어 있고, 대상 증기 플랜트(2)의 각 구성 요소에 관한 식별 정보 등의 각종 정보를 저장하는 기기 정보 기억부(321)와, 기기군(24)마다, 당해 기기군(24)의 구성에 관한 기기군 정보를 저장하는 기기군 정보 기억부(322)와, 감시 장치(25)로부터 송신되는 각 프로세스 기기(23)의 진단 결과를 저장하는 진단 결과 기억부(323)와, 리스크 정보 연산부(33)에 의해 연산된 리스크 정보를 저장하는 리스크 정보 기억부(324)와, 기기군 리스크 정보 연산부(34)에 의해 연산된 기기군 리스크 정보를 저장하는 기기군 리스크 정보 기억부(325)를 구비하고 있다.
기기 정보 기억부(321)는, 예를 들어 증기 이용 기기(21)에 관해서는, 각 증기 이용 기기(21)의 식별 정보와 대응지어, 그 기종(터빈, 압축기, 열교환기 등)이나 형식에 관한 정보, 설치 연수에 관한 정보(설치 일시 등)를 저장하고 있다. 또한, 프로세스 기기(23)에 관해서는, 기기 정보 기억부(321)는, 예를 들어 각 프로세스 기기(23)의 식별 정보와 대응지어, 그 기종(증기 트랩, 제어 밸브 등)이나 형식에 관한 정보, 설치 조건(통과하는 증기의 온도나 압력 등)이나 용도에 관한 정보, 설치 년수(설치 일시 등)에 관한 정보, 설치 개소에 대한 정보(본 실시 형태에서는 설치 개소에 부여된 식별 정보)를 저장하고 있다. 또한, 기기 정보 기억부(321)는, 입출력 처리부(31)를 통하여, 유저로부터의 지시에 따라서 편집·갱신되도록 되어 있고, 예를 들어 대상 증기 플랜트(2)에 관하여, 구성 요소의 교환을 행한 경우에는, 그 교환 후의 구성 요소에 관한 항목을 추가적으로 작성하고, 그 구성 요소에 관한 정보를 새롭게 저장하는 등의 소정의 처리를 실행 가능하게 되어 있다. 또한, 교환 후 기기 정보를 저장해도, 교환 전 기기 정보도 남기 때문에, 기기 정보 기억부(321)는, 현재의 증기 플랜트(2)에 설치되어 있는 각 구성 요소에 관한 정보뿐만아니라, 과거에 증기 플랜트(2)에 설치되어 있었던 역대의 각 구성 요소에 관한 정보도 저장하도록 되어 있다.
기기군 정보 기억부(322)는, 기기군(24)마다 식별 정보를 부여하고, 식별 정보와 함께, 기기군(24)을 구성하는 각 구성 요소의 식별 정보(프로세스 기기(23)에 관해서는 더불어 설치 개소에 대한 식별 정보도 포함한다), 당해 기기군을 구성하는 증기 이용 기기(21), 배관계(22), 프로세스 기기(23)의 종별, 대상으로 하는 기기군(24)을 구성하는 각 프로세스 기기(23) 사이의 배치 관계 등의 각 구성 요소간의 상호 배치 관계 등도 기억하고 있다(즉, 기기군 정보 기억부(322)는, 기기군(24)마다, 당해 기기군(24)을 구성하는 각 프로세스 기기(23) 사이의 배치 관계를 저장하는 배치 관계 기억부로서 기능한다).
진단 결과 기억부(323)는, 감시 장치(25)로부터 진단 결과가 송신될 때마다, 각 프로세스 기기(23)의 진단 결과를 축적적으로 저장한다. 그리고, 진단 결과 기억부(323)에서는, 개개의 프로세스 기기(23) 마다가 아니라, 대상 증기 플랜트(2)에 있어서 프로세스 기기(23)가 설치되는 설치 개소마다 데이터의 관리가 행해지도록 되어 있다. 구체적으로는, 진단 결과 기억부(323)는, 설치 개소에 부여된 식별 정보(이하, 설치 개소 식별 정보라 한다)와 관련지어, 설치 개소마다, 당해 설치 개소에 설치된 역대 프로세스 기기(23)에 대한 진단 결과가 개개의 프로세스 기기(23)의 식별 정보(이하, 기기 식별 정보라 한다)와 함께 축적되어 기억되도록 되어 있다. 그리고, 입출력 처리부(31)는, 감시 장치(25)로부터 송신된 진단 결과를 취득했을 때에는, 진단 결과 기억부(323)에, 개개의 프로세스 기기(23)의 진단 결과를, 개개의 프로세스 기기(23)의 기기 식별 정보에 대응하는 설치 개소 식별 정보와 관련지어, 기기 식별 정보와 함께 추가적으로 저장하도록 되어 있다. 이에 의해, 진단 결과 기억부(323)는, 대상 증기 플랜트(2)에 있어서의 각 프로세스 기기(23)에 대한 복수회의 진단 결과를, 당해 프로세스 기기(23)의 설치 개소와 관련지은 상태에서 축적하여 기억하도록 되어 있다.
리스크 정보 기억부(324)는, 리스크 정보 연산부(33)에 의해 연산된, 설치 개소마다의 당해 설치 개소에 있어서의 프로세스 기기(23)의 고장 발생 용이성에 관한 리스크 정보를 저장한다. 구체적으로는, 리스크 정보 기억부(324)에는, 리스크 정보 연산부(33)에 의해 연산된 리스크 정보가, 설치 개소 식별 정보와 관련지은 상태에서 저장되어 있다.
기기군 리스크 정보 기억부(325)는, 기기군 리스크 정보 연산부(34)에 의해 연산된, 기기군(24)마다의 당해 기기군(24)의 고장 발생 용이성에 관한 기기군 리스크 정보를 저장한다. 구체적으로는, 기기군 리스크 정보 기억부(325)에는, 기기군 리스크 정보 연산부(34)에 의해 연산된 기기군 리스크 정보가, 대응하는 기기군(24)에 부여된 식별 정보와 관련지은 상태에서 저장되어 있다.
이와 같이, 데이터베이스부(32)의 데이터 구조는, 대상 증기 플랜트(2)에 있어서의 각 프로세스 기기(23)에 대한 복수회의 진단 결과가, 당해 프로세스 기기(23)의 설치 개소와 관련지어진 상태에서 축적 보존된 진단 결과 데이터와, 설치 개소마다의 당해 설치 개소에 있어서의 프로세스 기기(23)의 고장 발생 용이성에 관한 리스크 정보로 이루어지는 리스크 정보 데이터와, 기기군(24)마다의 당해 기기군(24)의 고장 발생 용이성에 관한 기기군 리스크 정보로 이루어지는 기기군 리스크 정보 데이터를 구비한 것으로 되어 있다.
리스크 정보 연산부(33)는, 진단 결과 기억부(323)에 기억된 대상의 설치 개소에 설치된 역대 프로세스 기기(23)의 진단 결과에 기초하여, 당해 설치 개소에 있어서의 프로세스 기기(23)의 고장 발생 용이성에 관한 리스크 정보를 연산하는 것이다. 구체적으로는, 리스크 정보 연산부(33)는, 진단 결과 기억부(323)로부터 진단 결과를 취득하는 진단 결과 취득부(331)와, 설치 개소에 있어서의 프로세스 기기(23)의 고장 발생 용이성을 나타내는 리스크 지표값을 연산하는 리스크 지표값 연산부(332)와, 당해 리스크 지표값의 정확도를 나타내는 신뢰도를 연산하는 신뢰도 연산부(333)를 구비하고, 리스크 정보로서 리스크 지표값과 신뢰도를 연산하도록 되어 있다.
진단 결과 취득부(331)는, 진단 결과 기억부(323)로부터 진단 결과를 취득하는 것이며, 연산 대상으로 하는 설치 개소에 대한 진단 결과를 취득한다.
리스크 지표값 연산부(332)는, 소정의 기준으로, 진단 결과 기억부(323)로부터 진단 결과를 취득한 설치 개소에 대해서, 당해 설치 개소에 있어서의 프로세스 기기(23)의 고장 발생 용이성을 나타내는 리스크 지표값을 연산하는 것이다.
먼저, 리스크 지표값으로서는, 0 내지 100이나 0 내지 10 등의 임의의 수치 범위에서 고장 발생 용이성을 수치화한 것이나, 별로 고장을 일으키지 않는 설치 개소를 리스크 "소”, 고장나기 쉬운 설치 개소를 리스크 "중”, 특히 고장나기 쉬운 설치 개소를 리스크 "대”로 하는 등으로 하고, 이에 따라서 A, B, C 등의 문자나 ○, △, Х 등의 기호로 설치 개소에 랭크를 부여한 것을 들 수 있다.
또한, 리스크 지표값의 연산 방법으로서는, 대상으로 하는 기간이나 진단 횟수에 대한, 고장으로 진단된 것의 횟수나 비율, 또는 그 동안에 그 설치 개소에 설치된 역대 프로세스 기기(23)의 개수(또는 교환 횟수)를 구하고, 구한 값 그 자체를 리스크 지표값으로 하거나, 그 값의 대소나 미리 정한 임계치를 초과하는지 여부로부터 고장 발생 용이성의 랭크를 부여하는 것을 들 수 있다. 또한, 고장 횟수나 비율, 고장이 발생하는 빈도, 고장의 종류(예를 들어 프로세스 기기(23)가 증기 트랩인 경우에는, 누설 고장인지 막힘 고장인지 등), 고장난 기기의 기종이나 형식 등, 이들 중 하나 또는 복수 항목을 파라미터로 하여 고장 발생 용이성을 수치화하거나, 랭크 부여를 행하도록 해도 좋다.
신뢰도 연산부(333)는, 리스크 지표값 연산부(332)에서 구한 각 리스크 지표값의 정확도를 나타내는 신뢰도를 연산하는 것이다. 즉, 리스크 지표값을 구하더라도, 연산에 사용된 진단 데이터의 개수가 많은 것과 적은 것에서는, 많은 쪽이 오차가 적고 정밀도가 높다고 할 수 있다. 그로 인해, 구한 리스크 지표값이 구체적으로 어느 정도 신뢰할 수 있는 것인지라는 관점도 필요해지고, 신뢰도 연산부(333)에 의해 신뢰도를 연산한다.
신뢰도로서는, 리스크 지표값과 마찬가지로, 0 내지 100이나 0 내지 10 등의 임의의 수치 범위에서 리스크 지표값의 정확도를 수치화한 것이나, A, B, C 등의 문자나 ○, △, Х 등의 기호로 리스크 지표값의 정확도를 랭크 부여한 것을 들 수 있다.
또한, 신뢰도 연산부(333)는, 하나 또는 복수의 항목에 대해서, 그 수의 대소에 기초하여 리스크 지표값의 정확도를 수치화 또는 랭크 부여하는 등에 의해 신뢰도의 연산을 행한다. 그리고, 신뢰도의 연산에 사용하는 항목은 다양한 것을 사용할 수 있지만, 예를 들어 다음 항목 1 내지 3을 들 수 있다.
먼저, 항목 1로서는, 대상의 설치 개소에 대한 진단 결과가 존재하는 역대 프로세스 기기(23)의 개수를 들 수 있다. 진단 결과가 존재하는 프로세스 기기(23)의 개수가 많을수록, 연산되는 리스크 지표값의 정밀도는 높아지기 때문이다. 즉, 대상으로 하는 설치 개소에 대하여 10회분의 진단 결과가 존재하고, 그 중 합계 4대의 프로세스 기기(23)에 대한 진단 결과가 존재하는 경우(즉, 10회의 진단 동안에 그 설치 개소에 4대의 프로세스 기기(23)가 설치되어 온 것을 의미한다), 항목 1의 수는 4가 된다.
이어서, 항목 2로서는, 대상의 설치 개소에 대한 진단 빈도를 들 수 있다. 진단 빈도를 작은 것으로 할수록, 개개의 프로세스 기기(23)가 고장날 때까지의 기간을 보다 정확하게 파악할 수 있기 때문이다. 빈도로서는, 진단 간격이나 년평균 등을 들 수 있고, 예를 들어 진단 간격이 대략 일정한 경우에는(예를 들어 반년 간격 등), 그 간격이나 년평균을 항목 2로서 계상한다. 또한, 진단 간격에 편차가 있는 경우에는, 년평균을 항목 2로서 계상할 수 있다. 예를 들어, 3년 동안에 합계 12회의 진단이 행해진 등의 경우에는, 년평균 진단 횟수는 4회가 된다. 또한, 1년 이상의 간격으로 진단이 행해진 등의 경우, 년평균은 소수점 이하로 된다.
또한, 항목 3으로서, 대상의 상기 설치 개소에 대한 각 진단 결과의 편차를 들 수 있다. 얻어진 진단 결과에 편차가 적을수록, 연산되는 리스크 지표값의 정밀도는 높다고 할 수 있기 때문이다. 편차는 통계학적 방법을 사용하면 되고, 예를 들어 표준 편차를 사용할 수 있다.
상기 항목 1 내지 3을 사용한 경우, 항목 1에 대해서는 수가 클수록, 진단 결과가 존재하는 프로세스 기기(23)의 개수가 많아지게 되고, 리스크 지표값의 정확도가 높은 쪽으로 기운다. 그리고, 항목 2가 간격일 경우에는 수가 작을수록, 또한, 항목 2가 년평균일 경우에는 수가 클수록, 진단 빈도가 작은 것으로 되게 되고, 리스크 지표값의 정확도가 높은 쪽으로 기운다. 또한, 예를 들어 항목 3이 표준 편차일 경우에는 수가 작을수록, 진단 결과에 편차가 적어지게 되고, 리스크 지표값의 정확도가 높은 쪽으로 기운다. 그리고, 신뢰도 연산부(333)는, 이러한 각 항목의 수의 대소와 리스크 지표값의 정확도의 관계에 기초하여, 하나 또는 복수의 항목을 사용하여, 소정의 기준에 기초하여, 리스크 지표값의 정확도를 수치화 또는 랭크 부여를 하도록 되어 있다. 또한, 신뢰도 연산부(333)는, 하나 또는 복수의 항목에 대해서, 그 항목의 수치 자체를 신뢰도로서 도출해도 좋다.
그리고, 리스크 정보 연산부(33)는, 이상과 같이 하여 연산된 리스크 지표값과 신뢰도를, 리스크 정보로서, 설치 개소 식별 정보와 관련지은 상태에서 리스크 정보 기억부(324)에 저장하도록 되어 있다. 이에 의해, 리스크 정보 기억부(324)에는, 프로세스 기기(23)의 설치 개소마다 리스크 정보가 저장된다.
기기군 리스크 정보 연산부(34)는, 대상의 기기군(24)을 구성하는 각 프로세스 기기(23)의 설치 개소에 있어서의 리스크 정보에 기초하여, 대상의 기기군(24)에 대한 고장 발생 용이성에 관한 기기군 리스크 정보를 연산하는 것이며, 연산용 정보 취득부(341)와, 연산 방법 기억부(342)와, 연산부(343)를 구비하고 있다. 즉, 증기 이용 기기(21), 배관계(22) 및 프로세스 기기(23)를 포함하는 기기군(24) 내에서는, 증기 이용 기기(21)에 유입되거나 또는 증기 이용 기기(21)로부터 유출되는 증기에 영향을 주는 프로세스 기기(23)에 대한 고장이 기기군(24)의 고장 발생 용이성을 평가하는 데 있어서 지배적인 것으로 된다. 또한, 프로세스 기기(23)의 고장 발생 용이성은 설치되는 개소의 환경에도 영향을 받게 된다. 그로 인해, 기기군 리스크 정보 연산부(34)에서는, 대상의 기기군(24)을 구성하는 각 프로세스 기기(23)에 대한 설치 개소에 착안한 리스크 정보에 기초하여, 당해 기기군(24)의 리스크 정보를 연산하도록 되어 있다.
연산용 정보 취득부(341)는, 기기군 리스크 정보의 연산에 필요한 정보를 데이터베이스부(32)로부터 취득하는 것이며, 연산 대상으로 하는 기기군(24)을 구성하는 증기 이용 기기(21)의 종별이나, 당해 기기군(24)을 구성하는 각 프로세스 기기(23) 사이의 배치 관계 등의 기기군 정보나, 당해 기기군(24)을 구성하는 각 프로세스 기기(23)에 대한 리스크 정보를 취득한다.
연산 방법 기억부(342)는, 연산 대상으로 하는 기기군(24)을 구성하는 각 프로세스 기기(23) 사이의 배치 관계에 따른, 기기군 리스크 정보를 연산하기 위한 연산 방법을 저장하는 것으로 되어 있다. 본 실시 형태에서는, 기기군 리스크 정보로서, 대상의 기기군(24)에 대한 고장 발생 용이성을 나타내는 기기군 리스크 지표값을 연산하도록 되어 있고, 기기군 리스크 지표값을 연산하기 위해서, 연산 방법으로서, 기기군(24) 중, 하나의 배관계(22)와, 당해 배관계(22)에 설치되는 복수의 프로세스 기기(23)로 이루어지는 프로세스 기기군의 리스크 지표값을 연산하는 연산 방법을 저장하고 있다. 구체적으로는, 각 프로세스 기기(23)가 병렬 관계에 있을 때의 병렬 연산 방법과 각 프로세스 기기(23)가 직렬 관계에 있을 때의 직렬 연산 방법을 저장하고 있다. 예를 들어, 본 실시 형태에서는, 각 프로세스 기기(23)의 리스크 지표값을 연산용으로 규격화한 후, 병렬 연산 방법으로서, 병렬 관계에 있는 각 프로세스 기기(23)의 규격화 후의 리스크 지표값을 곱셈하여 프로세스 기기군의 리스크 지표값을 연산하고, 직렬 연산 방법으로서, 직렬 관계에 있는 각 프로세스 기기(23)의 규격화 후의 리스크 지표값 중에서 최대의 것을 프로세스 기기군의 리스크 지표값으로서 구하도록 되어 있다. 또한, 리스크 지표값을 연산용으로 규격화하는 것은, 리스크 지표값은 알기 쉬운 형태로 하기 때문에 반드시 연산에 적합한 것으로는 되어 있지 않고, 연산에 적합한 것으로 하기 위해서이다. 예를 들어, 리스크 지표값이 고장 발생 용이성을 수치화한 것인 경우에는 정규화를 행하고, 리스크 지표값이 고장 발생 용이성을 랭크 부여한 것인 경우에는 랭크에 따른 수치로 변환하면 좋다.
연산부(343)는, 연산용 정보 취득부(341)에서 취득된 대상의 기기군(24)에 있어서의 각 프로세스 기기(23) 사이의 배치 관계에 대응하는 연산 방법을 사용하여, 당해 기기군(24)의 기기군 리스크 정보를 연산하는 것이다. 구체적으로는, 기기군(24)을 구성하는 프로세스 기기군(동일 배관계(22)에 설치된 일군의 프로세스 기기(23)를 말한다. 예를 들어, 도 3의 부호 26A나 26B)마다, 대응하는 연산 방법을 사용하여 리스크 지표값을 연산한 후, 연산한 프로세스 기기군의 리스크 지표값에 기초하여 기기군 리스크 지표값을 연산하도록 되어 있다. 예를 들어, 프로세스 기기군에 속하는 프로세스 기기(23)가 병렬 관계에 있을 경우에는, 규격화 후의 리스크 지표값을 곱셈한 것을 프로세스 기기군의 리스크 지표값으로서 연산하고, 프로세스 기기군에 속하는 프로세스 기기(23)가 직렬 관계에 있을 경우에는, 규격화 후의 리스크 지표값 중 최대의 것을 프로세스 기기군의 규격화 후의 리스크 지표값으로서 연산한다. 예를 들어, 규격화 후의 리스크 지표값이 P1, P2, P3일 때, 병렬 연산 방법에 의하면, 프로세스 기기군의 리스크 지표값(P) = (P1ХP2ХP3)가 되고, 직렬 연산 방법에 의하면, 프로세스 기기군의 리스크 지표값(P) = max(P1, P2, P3)가 된다.
또한, 도 3에 도시하는 기기군(24)의 배관계(22B)와 같이, 하나의 배관계(22B)에, 병렬의 배치 관계에 있는 일군의 프로세스 기기(이하, 병렬 기기군이라고 칭한다)(23D, 23E)가 존재함과 함께, 이 병렬 기기군에 포함되지 않는 다른 프로세스 기기(23F)가 있을 때나, 하나의 배관계에 병렬 기기군이 복수 있을 때에는, 상기한 병렬 연산 방법과 직렬 연산 방법 중 한쪽만으로는 고장 발생 확률을 연산할 수 없다. 따라서, 본 실시 형태에서는, 연산 방법 기억부(342)가 이러한 경우의 연산 방법도 저장하고 있고, 이 연산 방법에 기초하여, 연산부(343)는, 다음과 같이 하여 프로세스 기기군의 리스크 지표값을 연산하도록 되어 있다. 먼저, 연산부(343)는, 병렬 연산 방법에 기초하여, 각 병렬 기기군에 대해서, 병렬 기기군을 구성하는 개개의 프로세스 기기(23)의 규격화 후의 리스크 지표값을 사용하여, 병렬 기기군에 대한 리스크 지표값을 연산한다. 그리고, 직렬 연산 방법에 기초하여, 병렬 기기군의 각각의 리스크 지표값 또는 하나 혹은 복수의 병렬 기기군의 리스크 지표값과 다른 프로세스 기기(23)의 리스크 지표값을 사용하여, 프로세스 기기군의 리스크 지표값을 연산하도록 되어 있다.
예를 들어, 도 3에 도시하는 배관계(22B)와 이에 설치되는 프로세스 기기(23D 내지 23F)로 이루어지는 프로세스 기기군(26B)에 대해서는, 프로세스 기기(23D 내지 23F)의 규격화 후의 리스크 지표값을 각각 PD, PE, PF로 하면, 연산부(343)는, 병렬 연산 방법에 기초하여, 프로세스 기기(23D, 23E)로 이루어지는 병렬 기기군의 리스크 지표값(PDE)을 PDE = (PDХPE)에 의해 구하고, 직렬 연산 방법에 기초하여, 이 병렬 기기군의 리스크 지표값(PDE)과 프로세스 기기(23F)의 규격화 후의 리스크 지표값(PF)으로부터 프로세스 기기군(26B)의 리스크 지표값(PDEF)을 PDEF = max((PDХPE), PF)에 의해 연산한다.
또한, 도 3에 도시하는 기기군(24)의 배관계(22A)와 같이, 병렬 기기군(프로세스 기기(23A 내지 23C)가 존재하고, 그 병렬 기기군의 열 중에, 서로 직렬의 배치 관계에 있는 일군의 대상 프로세스 기기(23B, 23C)(이하, 서브 직렬 기기군이라 칭한다)가 존재하는 열이 있을 때에도, 병렬 연산 방법과 직렬 연산 방법 중 한쪽만으로는 고장 발생 확률을 연산할 수 없다.
따라서, 본 실시 형태에서는, 연산 방법 기억부(342)가 이러한 경우의 연산 방법도 저장하고 있고, 이 연산 방법에 기초하여, 연산부(343)는, 다음과 같이 하여 프로세스 기기군의 리스크 지표값을 연산하도록 되어 있다. 먼저, 연산부(343)는, 먼저 직렬 연산 방법에 기초하여, 서브 직렬 기기군이 존재하는 열에 대해서, 서브 직렬 기기군을 구성하는 프로세스 기기(23)의 규격화 후의 각 리스크 지표값을 사용하여, 서브 직렬 기기군에 대한 리스크 지표값을 연산한다. 그리고, 병렬 연산 방법에 기초하여, 서브 직렬 기기군에 대한 리스크 지표값과, 서브 직렬 기기군에 속하지 않는 프로세스 기기(23)가 있을 때는 그 리스크 지표값을 사용하여, 병렬 기기군에 대한 리스크 지표값을 연산한다.
예를 들어, 도 3에 도시하는 배관계(22A)와 이에 설치되는 프로세스 기기(23A 내지 23C)로 이루어지는 프로세스 기기군(26A)에 대해서는, 프로세스 기기(23A 내지 23C)의 규격화 후의 리스크 지표값을 각각 PA, PB, PC로 하면, 연산부(343)는, 직렬 연산 방법에 기초하여, 프로세스 기기(23B, 23C)로 이루어지는 서브 직렬 기기군에 대해서, 서브 직렬 기기군의 리스크 지표값(PBC)를 PBC = max(PB, PC)에 의해 구한다. 또한, 연산부(343)는, 병렬 연산 방법에 기초하여, 프로세스 기기(23A 내지 23C)로 이루어지는 프로세스 기기군(26A)의 리스크 지표값(PABC)를 PABC = (PAХmax(PB, PC))에 의해 연산한다. 또한, 병렬 기기군에 있어서의 병렬 관계에 있는 열의 각각에 서브 직렬 기기군이 존재할 때는, 연산부(343)는, 각 서브 직렬 기기군의 리스크 지표값을 구한 뒤, 서브 직렬 기기군을 1단위로 하여 병렬 연산 방법에 기초하여 병렬 기기군의 리스크 지표값을 구한다.
그리고, 연산부(343)는, 이와 같이 하여 연산한 각 프로세스 기기군의 리스크 지표값에 기초하여 기기군 리스크 지표값을 연산한다. 그 연산 방법으로서는, 각 프로세스 기기군의 리스크 지표값을 단순히 곱하거나, 각각의 그 중 최댓값을 구하도록 해도 좋다. 또한, 각각의 배치 관계를 고려한 연산 방법을 정하고, 배치 관계에 따른 연산 방법으로 리스크 지표값을 구하도록 해도 좋다. 기타, 각 프로세스 기기군의 리스크 지표값 뿐만아니라, 증기 이용 기기(21)의 리스크 지표값도 구하여, 증기 이용 기기(21)의 리스크 지표값도 사용하여 기기군 리스크 정보를 연산하도록 해도 좋다. 이 경우, 증기 이용 기기(21)의 리스크 지표값의 연산은, 예를 들어 증기 이용 기기(21)의 종류마다 고장 발생 확률의 연산을 위한 식이나 파라미터를 기억하고 있는 데이터베이스를 이용하여, 기기 정보 기억부(321)에 저장되어 있는 정보에 기초하여 대상의 증기 이용 기기(21)의 고장 발생 확률을 연산하고, 이 고장 발생 확률로부터 증기 이용 기기(21)의 리스크 지표값을 구함으로써 행할 수 있다. 또한, 증기 이용 기기(21)의 리스크 지표값은, 메인으로 사용되는 기기에 대해서는 높게 설정하고, 서브로 사용되는 기기에 대해서는 낮게 설정하는 등, 단순히 그 기기가 고장났을 때의 증기 플랜트(2)의 운전에 미치는 영향도에 기초하여 설정해도 좋다.
또한, 기기군 리스크 정보 연산부(34)는, 기기군 리스크 정보로서, 기기군 리스크 지표값의 정확도를 나타내는 신뢰도를 구하도록 해도 좋다. 신뢰도의 연산 방법으로서는, 대상의 기기군(24)을 구성하는 각 프로세스 기기(23)의 신뢰도가 공통일 경우에는, 각 프로세스 기기(23)의 신뢰도를 기기군(24)의 신뢰도로 하고, 각 프로세스 기기(23)의 신뢰도가 다른 경우에는, 각 프로세스 기기(23)의 신뢰도의 평균값이나, 각 프로세스 기기(23)의 신뢰도 중 최저 신뢰도를 기기군(24)의 신뢰도로 하는 것을 들 수 있다.
그리고, 기기군 리스크 정보 연산부(34)는, 이상과 같이 하여 연산된 기기군 리스크 정보(기기군 리스크 지표값과 신뢰도)를, 기기군 식별 정보와 관련지은 상태에서 기기군 리스크 정보 기억부(325)에 저장하도록 되어 있다.
또한, 본 실시 형태에서는, 리스크 정보 연산부(33)는, 진단 결과 기억부(323)가 갱신될 때마다(즉, 감시 장치(25)로부터 송신되는 진단 결과가 새롭게 저장될 때마다), 새롭게 리스크 지표값과 신뢰도를 연산하고, 새로운 리스크 지표값과 신뢰도를 리스크 정보 기억부(324)에 저장하도록 되어 있고, 또한, 기기군 리스크 정보 연산부(34)는, 리스크 정보 기억부(324)가 갱신될 때마다(즉, 새로운 리스크 지표값과 신뢰도가 새롭게 저장될 때마다), 새롭게 기기군 리스크 정보를 연산하도록 되어 있다. 그리고, 이에 수반하여, 데이터베이스부(32)에서는, 리스크 정보 기억부(324)에 저장되는 리스크 정보 데이터는 진단 결과 데이터의 갱신과 연동하여 갱신되고, 기기군 리스크 정보 기억부(325)에 저장되는 기기군 리스크 정보 데이터는 리스크 정보 데이터의 갱신과 연동하여 갱신되도록 되어 있다.
이상과 같이 하여, 감시 서버(3)에서는, (1) 대상 증기 플랜트(2)에 있어서의 각 프로세스 기기(23)에 대한 복수회의 진단 결과를, 당해 프로세스 기기(23)의 설치 개소와 관련지은 상태에서 축적하여 기억하는 진단 결과 기억 공정과, (2) 대상의 설치 개소에 설치된 역대 프로세스 기기(23)의 진단 결과에 기초하여, 당해 설치 개소에 있어서의 프로세스 기기(23)의 고장 발생 용이성에 관한 리스크 정보(본 실시 형태에서는 리스크 지표값과 신뢰도)를 연산하는 리스크 정보 연산 공정과, (3) 대상의 기기군(24)을 구성하는 각 프로세스 기기(23)의 설치 개소에 있어서의 리스크 정보에 기초하여, 대상의 기기군(24)에 대한 고장 발생 용이성에 관한 기기군 리스크 정보를 연산하는 기기군 리스크 정보 연산 공정이 행해지고, 수집한 진단 결과에 기초하여, 각 증기 플랜트(2)에 대한 리스크 정보가 데이터베이스부(32)에 저장되도록 되어 있다. 그리고, 유저는, 감시 서버(3)에 대하여 리스크 정보를 요구함으로써, 입출력 처리부(31)를 통하여 요구에 따른 평가 결과가 유저에 대하여 출력되어, 유저가 대상 증기 플랜트(2)에 대한 리스크 평가를 행하는 것이 가능하게 되어 있다.
또한, 부가적 구성으로서, 프로세스 기기(23)의 고장 발생 확률을 연산하기 위한 연산 모델이 요구되고 있는 등의 경우에는, 리스크 정보 연산부(33)를 도 4에 도시한 바와 같이 구성하고, 연산 모델로부터 구한 고장 발생 확률과, 대상의 설치 개소에 설치된 역대 프로세스 기기(23)의 진단 결과에 기초하는 고장 비율을 비교하여 리스크 지표값을 연산하도록 해도 좋다.
도 4에 도시하는 리스크 정보 연산부(33)에 대하여 설명하면 도 2에 도시하는 것에 더하여, 고장 발생 확률을 연산하기 위한 연산 모델을 저장하는 연산 모델 기억부(334)와, 진단 결과에 기초하여, 당해 설치 개소에 관하여, 기준 기간의 경과 후에 있어서 고장나 있는 프로세스 기기(23)의 비율인 고장 비율을 구하는 고장 비율 연산부(335)와, 연산 모델에 기초하여 고장 발생 확률을 연산하는 고장 발생 확률 연산부(336)를 구비하고, 리스크 지표값 연산부(332)가, 연산된 고장 비율과 고장 발생 확률을 비교하여 리스크 지표값을 연산하도록 되어 있다.
연산 모델 기억부(334)는, 대상 프로세스 기기(23)의 설치 기간에 기초하여 당해 프로세스 기기(23)의 고장 발생 확률을 연산하기 위한 연산 모델을 저장하는 것이다. 예를 들어, 대상 증기 플랜트(2)에 한정되지 않고, 다수의 증기 플랜트에 대해서, 거기에 설치된 프로세스 기기(23)에 대한 고장에 이르기까지의 년수에 관한 데이터가 있을 경우, 통계학적 방법을 사용함으로써 대상으로 하는 프로세스 기기(23)에 대해서, 설치 기간을 파라미터로 하는 고장 발생 확률의 연산 모델을 도출할 수 있다. 연산 모델 기억부(334)는, 이러한 연산 모델을 저장하는 것이다. 또한, 연산 모델 기억부(334)에 저장되는 연산 모델은, 설치 기간만을 파라미터로 하는 단순한 것이어도 좋지만, 설치 기간 외에, 기기 정보 기억부(321)에 저장하는 각 프로세스 기기(23)의 형식이나 용도 등의 프로세스 기기(23)의 종류에 관한 하나 또는 복수의 항목을 파라미터로 하는 상세한 연산 모델이어도 좋다. 상세한 연산 모델이라면, 기기 정보 기억부(321)에 저장된 각종 정보에 기초하여, 프로세스 기기(23)의 종류에 따른 고장 발생 확률을 연산가능하게 되어 있고, 또한, 고정밀도로 고장 발생 확률을 구하는 것이 가능해진다. 또한, 프로세스 기기(23)의 기종이나 형식 등 종류마다 연산 모델이 요구된 경우에는, 연산 모델 기억부(334)는, 당해 종류마다 연산 모델을 저장하도록 되어 있다.
고장 비율 연산부(335)는, 대상의 설치 개소에 설치된 역대 프로세스 기기(23)의 진단 결과에 기초하여, 역대의 각 프로세스 기기(23) 중, 당해 설치 개소에의 설치로부터 기준 기간의 경과 후에 있어서 고장나 있는 프로세스 기기(23)의 비율인 고장 비율을 구한다. 예를 들어, 대상의 설치 개소에 5대의 프로세스 기기(23)가 설치되어 있고, 반년 간격으로 진단이 행해지고, 진단 결과가, 2년 경과 시에 고장나 있는 것이 2대, 2년반 경과 시에 고장나 있는 것이 1대, 3년 경과 시에 고장나 있는 것이 1대, 4년 경과 시에 고장나 있는 것이 1대, 인 것 같은 경우, 3년 경과 시를 기준 기간으로 하면, 5대 중 4대가 고장나 있는 것으로 되어, 고장 비율은 8할(80%)이 된다. 이와 같이 하여, 고장 비율 연산부(335)는, 기준 기간에 대한 고장 비율을 설치 개소마다 구한다. 기준 기간은 적어도 진단 간격보다도 긴 기간이 필요해지지만 특별히 한정되지 않고 대상으로 하는 설치 개소에 따라서 적절히 설정하면 좋다.
고장 발생 확률 연산부(336)는, 연산 모델 기억부(334)에 저장된 연산 모델에 기초하여, 대상의 설치 개소에 있어서의 프로세스 기기(23)에 대한 기준 기간에 있어서의 고장 발생 확률을 연산하는 것이다. 구체적으로는, 예를 들어 대상의 설치 개소에 설치된 프로세스 기기(23)에 대해서, 연산 모델의 파라미터가 되는 항목을 기기 정보 기억부(321)로부터 추출하고, 추출한 데이터에 기초하여, 기준 기간에 있어서의 고장 발생 확률을 연산한다. 또한, 연산 모델 기억부(334)에, 기종이나 형식 등 종류마다 연산 모델이 저장되어 있는 경우, 고장 발생 확률 연산부(336)는, 대상으로 하는 프로세스 기기(23)에 대응하는 연산 모델을 사용하여 고장 발생 확률을 연산한다.
리스크 지표값 연산부(332)는, 연산된 고장 비율과 고장 발생 확률을 비교하여, 대상의 설치 개소에 있어서의 프로세스 기기(23)의 리스크 지표값을 연산하도록 되어 있다. 즉, 고장 발생 확률 연산부(336)에 의해 연산 모델에 기초하여 구해진 고장 발생 확률은, 소위 일반적인 것이며, 대상 프로세스 기기(23)가 설치되는 설치 개소의 환경에 기인하는 특유의 영향까지 반영한 것은 아니다. 한편, 고장 비율 연산부(335)에서 구해지는 고장 비율은, 설치 개소의 환경도 가미되어 구해진 기기의 고장 발생 용이성이 된다. 그로 인해, 고장 발생 확률에 비하여 고장 비율쪽이 높은 것 같은 경우에는, 설치 개소의 환경이 프로세스 기기(23)의 고장 발생 용이성에 큰 영향을 주고 있다고 할 수 있다. 따라서, 리스크 지표값 연산부(332)는, 고장 비율과 고장 발생 확률을 비교함으로써, 프로세스 기기(23)의 고장 발생 용이성에 큰 영향을 주는 설치 개소를 파악하고, 고장나기 쉬운 설치 개소를 특정하도록 되어 있다.
그리고, 고장 비율과 고장 발생 확률을 비교했을 때, 고장 비율쪽이 높더라도, 오차에 의한 것일 우려가 있으므로, 리스크 지표값 연산부(332)는, 고장 발생 확률에 비하여 고장 비율이 소정 값 이상 높을 때, 대상 프로세스 기기(23)의 고장 발생 용이성에 관하여 설치 개소에 의한 영향이 존재하는 것으로 하여, 리스크 지표값을 연산하도록 되어 있다. 즉, 리스크 지표값 연산부(332)는, 고장 비율과 고장 발생 확률의 대소를 단순히 비교하는 것이 아니라, 그 괴리 정도에 기초하여 리스크 지표값을 연산하도록 되어 있다. 그리고, 리스크 지표값을 연산하는데, 복수단의 임계치를 설치해 두고, 고장 비율이 고장 발생 확률로부터 어느 정도 괴리되어 있는지에 따라, 고장 발생 용이성을 랭크 부여하도록 해도 좋다.
또한, 진단 결과에 포함되는 역대 프로세스 기기(23) 중에, 기종이나 형식 등 종류가 다른 복수종의 프로세스 기기(23)가 포함되는 경우, 프로세스 기기(23)의 종류마다 고장 비율이나 고장 발생 확률을 구하고, 그 종류마다 비교를 행하는 것이 바람직하다. 그로 인해, 고장 비율 연산부(335)는, 역대 프로세스 기기(23)에 복수 종류의 프로세스 기기(23)가 포함될 때, 종류마다 고장 비율을 연산하고, 고장 발생 확률 연산부(336)는, 역대 프로세스 기기(23)에 복수 종류의 프로세스 기기(23)가 포함될 때, 종류마다 고장 발생 확률을 연산하고, 상기 리스크 지표값 연산부(332)는, 종류마다 연산된 고장 비율과 고장 발생 확률을 비교하여, 대상의 설치 개소에 있어서의 리스크 지표값을 연산하도록 되어 있다.
이상과 같이, 도 4에 도시하는 리스크 지표값 연산부(332)에서는,
(1) 대상 프로세스 기기(23)의 설치 기간에 기초하여 당해 프로세스 기기(23)의 고장 발생 확률을 연산하기 위한 연산 모델을 저장하는 연산 모델 기억 공정과,
(2) 대상의 설치 개소에 설치된 역대 프로세스 기기(23)의 진단 결과에 기초하여, 역대의 각 프로세스 기기(23) 중, 당해 설치 개소에의 설치로부터 소정 기간 경과 후에 있어서 고장나 있는 프로세스 기기(23)의 비율인 고장 비율을 구하는 고장 비율 연산 공정과,
(3) 연산 모델에 기초하여, 대상의 설치 개소에 있어서의 프로세스 기기(23)에 대한 소정 기간에 있어서의 고장 발생 확률을 연산하는 고장 발생 확률 연산 공정과,
(4) 고장 비율과 연산된 고장 발생 확률을 비교하여, 대상의 설치 개소에 있어서의 프로세스 기기(23)의 고장 발생 용이성을 나타내는 리스크 지표값을 연산하는 리스크 지표값 연산 공정이 행해지고, 대상의 설치 개소마다 리스크 지표값을 연산하도록 되어 있다.
또한, 부가적 구성으로서, 기기군 리스크 정보 연산부(34)를 도 5와 같이 구성하고, 대상으로 하는 기기군(24)에 대한 진단 결과가 기준을 만족하지 않은 경우에도, 이 기기군(24)과 일치 또는 유사한 기기군(24)에 대한 기기군 리스크 정보를 대상의 기기군(24)에 대한 기기군 리스크 정보로서 구하도록 해도 좋다. 이에 대하여 설명하면, 설치 개소에 착안한 리스크 정보를 고정밀도로 구하기 위해서는, 어느 정도의 대수의 프로세스 기기(23)에 대한 진단 결과가 있는 등, 일정한 기준을 만족하고 있는 것이 바람직하고, 연산 대상으로 하는 기기군(24)을 구성하는 프로세스 기기(23)에 대한 진단 결과가 기준을 만족하고 있지 않은 경우에는 고정밀도로 리스크 정보를 구할 수 없다. 무엇보다, 기기군(24)의 고장 발생 용이성은 그 기기군(24)의 구성(각 기기의 종별이나 배치 관계 등)에 어느 정도 의존하기 때문에, 대상으로 하는 기기군(24)의 고장 발생 용이성은, 이에 일치 또는 유사한 기기군(24)의 고장 발생 용이성으로부터 어느 정도 추측할 수 있다. 그로 인해, 기기군 리스크 정보 연산부(34)를 도 5와 같이 구성하고, 대상의 기기군(24)과 일치 또는 유사한 기기군(24)에 대한 기기군 리스크 정보를 대상의 기기군(24)에 대한 기기군 리스크 정보로서 구함으로써, 대상으로 하는 기기군(24)에 대하여 리스크 평가를 적절하게 실시할 수 있다.
도 5에 도시하는 기기군 리스크 정보 연산부(34)에 대하여 설명하면, 도 2에 도시하는 것에 더하여, 연산 대상으로 하는 기기군(24)을 구성하는 프로세스 기기(23)에 대한 진단 결과가 기준을 만족하고 있는지 여부를 판정하는 판정부(344)와, 대상으로 하는 기기군(24)과 유사한 기기군(24)의 기기군 리스크 정보를 취득하는 기기군 리스크 정보 취득부(345)를 구비하고 있다.
판정부(344)는, 대상의 기기군(24)에 대해서, 당해 기기군(24)을 구성하는 각 프로세스 기기(23)에 대하여 축적된 진단 결과가, 소정의 기준을 만족하고 있는지 여부를 판정하는 것이다. 예를 들어, 판정부(344)는, 축적된 진단 결과에 대해서, 진단 횟수, 진단 결과가 존재하는 프로세스 기기(23)의 개수, 진단 빈도, 진단 결과의 편차 등의 하나 또는 복수의 항목이 미리 정한 기준을 만족하고 있는지에 의해 판정을 행한다. 판정에 사용하는 항목은 특별히 한정되지 않지만, 판정부(344)는, 리스크 정보 기억부(324)에 저장된 각 프로세스 기기(23)에 대한 신뢰도나 기기군 리스크 정보 기억부(325)에 저장된 대상의 기기군(24)에 대한 신뢰도를 판정에 사용하는 항목으로 하고, 신뢰도가 소정의 기준을 만족하고 있는지에 의해 판정을 행하도록 해도 좋다.
기기군 리스크 정보 취득부(345)는, 판정부(344)에서 기준을 만족하고 있지 않다고 판정되었을 때, 당해 기기군(24)에 있어서의 기기군 정보와 일치 또는 소정 기준 이상 유사한 기기군 정보를 갖고, 또한, 판정부(344)에서 기준을 만족하고 있다고 판정된 다른 기기군(24)에 대한 기기군 리스크 정보를 구하고, 구한 기기군 리스크 정보를 대상의 기기군(24)에 대한 기기군 리스크 정보로 하도록 되어 있다.
구체적으로는, 본 실시 형태에서는, 기기군 리스크 정보 취득부(345)는, 연산용 정보 취득부(341)에서 취득한 대상의 기기군(24)의 기기군 정보와, 기기군 정보 기억부(322)에 저장되어 있는 다른 기기군(24)의 기기군 정보를 비교하고, 대상의 기기군(24)의 기기군 정보와 일치 또는 소정 기준 이상 유사한 다른 기기군(24)의 식별 정보나 이를 구성하는 프로세스 기기(23)의 식별 정보를 기기군 정보 기억부(322)로부터 추출한다. 또한, 기기군 정보의 비교에 사용하는 항목은 특별히 한정되지 않지만, 예를 들어 본 실시 형태에서는, 기기군(24)을 구성하는 증기 이용 기기(21)나 프로세스 기기(23)의 종별과, 당해 기기군(24)을 구성하는 각 프로세스 기기(23) 사이의 배치 관계를 비교하도록 되어 있다. 또한, 대상의 기기군(24)의 기기군 정보와 일치 또는 소정 기준 이상 유사한 다른 기기군(24)이 복수인 경우에는, 모든 기기군(24)에 대해서, 기기군(24)의 식별 정보나 이것을 구성하는 프로세스 기기(23)의 식별 정보를 추출한다.
또한, 기기군 리스크 정보 취득부(345)는, 기기군 리스크 정보 기억부(325)나 리스크 정보 기억부(324)를 참조하여, 추출한 식별 정보에 대응하는 기기군(24)이나 프로세스 기기(23)에 대한 신뢰도가 기준을 만족하고 있는지를 판정하고, 기준을 만족하고 있는 기기군(24)에 대한 기기군 리스크 정보를 취득한다. 또한, 대상의 기기군(24)의 기기군 정보와 일치 또는 소정 기준 이상 유사한 다른 기기군(24)이 복수 있고, 그 중에서 대응하는 기기군(24)이나 프로세스 기기(23)에 대한 신뢰도가 기준을 만족하고 있는 기기군(24)이 복수인 경우에는, 대상의 기기군(24)의 기기군 정보와 일치하는 또는 가장 유사한 기기군 정보를 갖는 기기군(24)이나, 가장 신뢰도가 높은 기기군(24)에 대한 기기군 리스크 정보를 취득하면 좋다.
그리고, 기기군 리스크 정보 취득부(345)는, 취득한 기기군 리스크 정보를, 대상의 기기군(24)에 대한 기기군 리스크 정보로서, 기기군 식별 정보와 관련지은 상태에서 기기군 리스크 정보 기억부(325)에 저장하도록 되어 있다. 이 경우, 기기군 리스크 정보 기억부(325)는, 기기군 리스크 정보를, 기기군 리스크 정보 취득부(345)에 의해 취득한 것인지, 연산부(343)에 의해 연산한 것인지를 식별 가능하게 하여 저장하도록 되어 있다.
그리고, 도 5에 도시하는 기기군 리스크 정보 연산부(34)에서는, 우선, 연산용 정보 취득부(341)에서 취득한 정보에 기초하여 판정부(344)에 의해 판정을 행하고, 판정부(344)에서 기준을 만족하고 있다고 판정되었을 때, 연산부(343)에 의해, 대상의 기기군(24)을 구성하는 각 프로세스 기기(23)의 설치 개소에 있어서의 리스크 정보에 기초하여, 기기군 리스크 정보를 연산하고, 판정부(344)에서 상기 기준을 만족하고 있지 않다고 판정되었을 때, 기기군 리스크 정보 취득부(345)에 의해 기기군 리스크 정보가 구해지도록 되어 있다.
〔기타 실시 형태〕
마지막으로, 본 개시에 관한 리스크 평가 장치, 리스크 평가 시스템, 리스크 평가 방법 및 리스크 평가 프로그램의 기타 실시 형태에 대하여 설명한다. 또한, 이하의 각각의 실시 형태에서 개시되는 구성은, 모순이 발생하지 않는 한, 다른 실시 형태에서 개시되는 구성과 조합하여 적용하는 것도 가능하다.
(1) 상기 실시 형태에서는, 감시 서버(3) 단일체로 일련의 처리를 행하는 구성을 예로 들어 설명했다. 그러나, 본 개시의 실시 형태는 이에 한정되지 않고, 예를 들어 진단 결과나 리스크 정보 등의 데이터베이스부(32)에서 기억하고 있었던 정보를, 하나 또는 복수의 외부 데이터 베이스 서버에 기억시키고, 감시 서버(3)가 필요에 따라서 데이터 베이스 서버로부터 연산을 위하여 정보를 취득하는 등, 복수의 장치로 이루어지는 리스크 평가 시스템을 사용하여, 감시 서버(3)에서 행하고 있었던 처리를 복수의 장치에서 분산하여 행하도록 해도 좋다.
(2) 상기 실시 형태에 있어서 나타낸, 리스크 정보 연산부(33)나 기기군 리스크 정보 연산부(34)에서 행하는 연산 처리는 어디까지나 예시이며, 목적에 따라서 적절히 변경 가능하다. 예를 들어, 리스크 정보 연산부(33)는, 리스크 정보로서, 신뢰도는 연산하지 않고, 리스크 지표값만을 연산하도록 해도 좋다.
(3) 상기 실시 형태에서는, 기기군 리스크 정보 연산부(34)에 의해 기기군 리스크 정보를 연산하는 구성을 예로 들어 설명했다. 그러나, 본 개시의 실시 형태는 이에 한정되지 않고, 기기군 리스크 정보 연산부(34)를 갖지 않고, 기기군 리스크 정보를 연산하지 않아도 좋다.
(4) 기타 구성에 관해서도, 본 명세서에 있어서 개시된 실시 형태는 모든 점에서 예시이며, 본 개시의 범위는 그들에 의해 한정되지 않는 것으로 이해되어야 한다. 당업자라면 본 개시의 취지를 벗어나지 않는 범위에서, 적절히 개변 가능한 것을 용이하게 이해할 수 있을 것이다. 따라서, 본 개시의 취지를 벗어나지 않는 범위에서 개변된 별도의 실시 형태도, 당연히 본 개시의 범위에 포함된다.
본 개시는, 예를 들어 플랜트의 리스크 평가를 행하는데 이용할 수 있다.
2: 증기 플랜트
22: 배관계
23: 프로세스 기기
3: 감시 서버(리스크 평가 장치)
33: 리스크 정보 연산부
334: 연산 모델 기억부
335: 고장 비율 연산부
336: 고장 발생 확률 연산부

Claims (6)

  1. 증기 플랜트에 대한 리스크 평가를 위한 리스크 평가 장치이며,
    대상의 상기 증기 플랜트에 있어서의 배관계에 설치되는 각 프로세스 기기에 대한 복수회의 진단 결과를, 당해 프로세스 기기의 설치 개소와 관련지은 상태에서 축적하여 기억하는 진단 결과 기억부와,
    대상 프로세스 기기의 설치 기간에 기초하여 당해 프로세스 기기의 고장 발생 확률을 연산하기 위한 연산 모델을 저장하는 연산 모델 기억부와,
    대상의 설치 개소에 설치된 역대 프로세스 기기의 진단 결과에 기초하여, 역대의 각 프로세스 기기 중, 당해 설치 개소에의 설치로부터 기준 기간의 경과 후에 있어서 고장나 있는 프로세스 기기의 비율인 고장 비율을 구하는 고장 비율 연산부와,
    상기 연산 모델에 기초하여, 상기 대상의 설치 개소에 있어서의 프로세스 기기에 대한 상기 기준 기간에 있어서의 고장 발생 확률을 연산하는 고장 발생 확률 연산부와,
    연산된 상기 고장 비율과 상기 고장 발생 확률을 비교하여, 상기 대상의 설치 개소에 있어서의 프로세스 기기의 고장 발생 용이성을 나타내는 리스크 지표값을 연산하는 리스크 지표값 연산부를 구비하는, 리스크 평가 장치.
  2. 제1항에 있어서,
    상기 리스크 지표값 연산부는, 상기 고장 발생 확률에 비하여 상기 고장 비율이 소정 값 이상 높을 때, 대상 프로세스 기기의 고장 발생 용이성에 관하여 상기 설치 개소에 의한 영향이 존재하는 것으로 하여, 상기 리스크 지표값을 연산하는, 리스크 평가 장치.
  3. 제1항에 있어서,
    상기 고장 비율 연산부는, 역대 프로세스 기기에 복수 종류의 프로세스 기기가 포함될 때, 종류마다 상기 고장 비율을 연산하고, 상기 고장 발생 확률 연산부는, 역대 프로세스 기기에 복수 종류의 프로세스 기기가 포함될 때, 종류마다 상기 고장 발생 확률을 연산하고, 상기 리스크 지표값 연산부는, 종류마다 상기 고장 비율과 연산된 상기 고장 발생 확률을 비교하여, 상기 대상의 설치 개소에 있어서의 상기 리스크 지표값을 연산하는, 리스크 평가 장치.
  4. 증기 플랜트에 대한 리스크 평가를 위한 리스크 평가 시스템이며,
    대상의 상기 증기 플랜트에 있어서의 배관계에 설치되는 각 프로세스 기기에 대한 복수회의 진단 결과를, 당해 프로세스 기기의 설치 개소와 관련지은 상태에서 축적하여 기억하는 진단 결과 기억부와,
    대상 프로세스 기기의 설치 기간에 기초하여 당해 프로세스 기기의 고장 발생 확률을 연산하기 위한 연산 모델을 저장하는 연산 모델 기억부와,
    대상의 설치 개소에 설치된 역대 프로세스 기기의 진단 결과에 기초하여, 역대의 각 프로세스 기기 중, 당해 설치 개소에의 설치로부터 기준 기간의 경과 후에 있어서 고장나 있는 프로세스 기기의 비율인 고장 비율을 구하는 고장 비율 연산부와,
    상기 연산 모델에 기초하여, 상기 대상의 설치 개소에 있어서의 프로세스 기기에 대한 상기 기준 기간에 있어서의 고장 발생 확률을 연산하는 고장 발생 확률 연산부와,
    연산된 상기 고장 비율과 상기 고장 발생 확률을 비교하여, 상기 대상의 설치 개소에 있어서의 프로세스 기기의 고장 발생 용이성을 나타내는 리스크 지표값을 연산하는 리스크 지표값 연산부를 구비하는, 리스크 평가 시스템.
  5. 컴퓨터에 실행시키는, 증기 플랜트에 대한 리스크 평가를 위한 리스크 평가 방법이며,
    대상의 상기 증기 플랜트에 있어서의 배관계에 설치되는 각 프로세스 기기에 대한 복수회의 진단 결과를, 당해 프로세스 기기의 설치 개소와 관련지은 상태에서 축적하여 기억하는 진단 결과 기억 공정과,
    대상 프로세스 기기의 설치 기간에 기초하여 당해 프로세스 기기의 고장 발생 확률을 연산하기 위한 연산 모델을 저장하는 연산 모델 기억 공정과,
    대상의 설치 개소에 설치된 역대 프로세스 기기의 진단 결과에 기초하여, 역대의 각 프로세스 기기 중, 당해 설치 개소에의 설치로부터 기준 기간의 경과 후에 있어서 고장나 있는 프로세스 기기의 비율인 고장 비율을 구하는 고장 비율 연산 공정과,
    상기 연산 모델에 기초하여, 상기 대상의 설치 개소에 있어서의 프로세스 기기에 대한 상기 기준 기간에 있어서의 고장 발생 확률을 연산하는 고장 발생 확률 연산 공정과,
    연산된 상기 고장 비율과 상기 고장 발생 확률을 비교하여, 상기 대상의 설치 개소에 있어서의 프로세스 기기의 고장 발생 용이성을 나타내는 리스크 지표값을 연산하는 리스크 지표값 연산 공정을 구비하는, 리스크 평가 방법.
  6. 컴퓨터에 실행시키는, 증기 플랜트에 대한 리스크 평가를 위한 컴퓨터로 읽을 수 있는 매체에 저장된 리스크 평가 프로그램이며,
    대상의 상기 증기 플랜트에 있어서의 배관계에 설치되는 각 프로세스 기기에 대한 복수회의 진단 결과를, 당해 프로세스 기기의 설치 개소와 관련지은 상태에서 축적하여 기억하는 진단 결과 기억 기능과,
    대상 프로세스 기기의 설치 기간에 기초하여 당해 프로세스 기기의 고장 발생 확률을 연산하기 위한 연산 모델을 저장하는 연산 모델 기억 기능과,
    대상의 설치 개소에 설치된 역대 프로세스 기기의 진단 결과에 기초하여, 역대의 각 프로세스 기기 중, 당해 설치 개소에의 설치로부터 기준 기간의 경과 후에 있어서 고장나 있는 프로세스 기기의 비율인 고장 비율을 구하는 고장 비율 연산 기능과,
    상기 연산 모델에 기초하여, 상기 대상의 설치 개소에 있어서의 프로세스 기기에 대한 상기 기준 기간에 있어서의 고장 발생 확률을 연산하는 고장 발생 확률 연산 기능과,
    연산된 상기 고장 비율과 상기 고장 발생 확률을 비교하여, 상기 대상의 설치 개소에 있어서의 프로세스 기기의 고장 발생 용이성을 나타내는 리스크 지표값을 연산하는 리스크 지표값 연산 기능을 상기 컴퓨터에 실행시키는, 컴퓨터로 읽을 수 있는 매체에 저장된 리스크 평가 프로그램.
KR1020197032073A 2017-09-06 2018-07-19 리스크 평가 장치, 리스크 평가 시스템, 리스크 평가 방법 및 리스크 평가 프로그램 KR102073537B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JPJP-P-2017-171491 2017-09-06
JP2017171491 2017-09-06
PCT/JP2018/027123 WO2019049523A1 (ja) 2017-09-06 2018-07-19 リスク評価装置、リスク評価システム、リスク評価方法、及び、リスク評価プログラム

Publications (2)

Publication Number Publication Date
KR20190126186A KR20190126186A (ko) 2019-11-08
KR102073537B1 true KR102073537B1 (ko) 2020-02-04

Family

ID=65633896

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020197032073A KR102073537B1 (ko) 2017-09-06 2018-07-19 리스크 평가 장치, 리스크 평가 시스템, 리스크 평가 방법 및 리스크 평가 프로그램

Country Status (10)

Country Link
US (1) US20200202236A1 (ko)
EP (1) EP3598258B1 (ko)
JP (1) JP6482743B1 (ko)
KR (1) KR102073537B1 (ko)
ES (1) ES2878267T3 (ko)
MX (1) MX2019011027A (ko)
MY (1) MY196482A (ko)
SA (1) SA519410106B1 (ko)
SG (1) SG11201907987PA (ko)
WO (1) WO2019049523A1 (ko)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102234054B1 (ko) * 2017-09-06 2021-03-30 가부시키가이샤 티엘브이 리스크 평가 장치, 리스크 평가 시스템, 리스크 평가 방법, 리스크 평가 프로그램 및 데이터 구조
CN110400001B (zh) * 2019-06-12 2023-01-06 广东电网有限责任公司 一种基于风险评估的高压电缆巡检周期优化方法
KR102254312B1 (ko) * 2020-09-18 2021-05-21 가나이엔지 주식회사 빅데이터 및 ai 기반 가로등 포털 운영 시스템
CN113837625B (zh) * 2021-09-27 2024-04-02 内蒙古电力(集团)有限责任公司电力调度控制分公司 电网连锁故障的风险定量评估方法、装置及设备

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015185120A (ja) 2014-03-26 2015-10-22 株式会社Ｎｔｔファシリティーズ 情報処理装置、情報処理方法、およびプログラム

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5010472B1 (ko) 1970-10-08 1975-04-22
JP3443618B2 (ja) * 2000-11-01 2003-09-08 株式会社テイエルブイ 蒸気トラップ販売・保守用システムの動作方法、及び、蒸気トラップ販売・保守用集計システム
EP1914689B1 (en) * 2005-07-25 2019-09-11 TLV Company, Limited Analysis system used in a maintenance inspection operation
US7272531B2 (en) * 2005-09-20 2007-09-18 Fisher-Rosemount Systems, Inc. Aggregation of asset use indices within a process plant
JP4699344B2 (ja) * 2005-12-07 2011-06-08 三菱重工業株式会社 プラント設備の機器保守計画方法
JP2007328522A (ja) * 2006-06-07 2007-12-20 Tokyo Electric Power Co Inc:The 故障確率算出装置、方法、及びプログラム
AU2010337991B2 (en) * 2009-12-31 2014-06-26 Abb Schweiz Ag Method and control system for scheduling load of a power plant
JP2012079068A (ja) * 2010-09-30 2012-04-19 Toshiba Corp 監視制御方法、プログラム、装置、およびシステム
JP5884000B1 (ja) * 2014-04-01 2016-03-15 株式会社テイエルブイ プロセスシステムのリスク評価システム、リスク評価プログラム及びリスク評価方法
KR101823849B1 (ko) * 2015-05-21 2018-01-30 미쓰비시덴키 가부시키가이샤 원격 감시 장치, 원격 감시 보수 시스템, 원격 감시 방법, 및 기록 매체에 저장된 원격 감시 프로그램

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015185120A (ja) 2014-03-26 2015-10-22 株式会社Ｎｔｔファシリティーズ 情報処理装置、情報処理方法、およびプログラム

Also Published As

Publication number Publication date
EP3598258A1 (en) 2020-01-22
SA519410106B1 (ar) 2022-06-12
EP3598258B1 (en) 2021-05-19
ES2878267T3 (es) 2021-11-18
MX2019011027A (es) 2019-11-11
US20200202236A1 (en) 2020-06-25
KR20190126186A (ko) 2019-11-08
MY196482A (en) 2023-04-14
WO2019049523A1 (ja) 2019-03-14
SG11201907987PA (en) 2019-09-27
EP3598258A4 (en) 2020-06-17
JPWO2019049523A1 (ja) 2019-11-07
JP6482743B1 (ja) 2019-03-13

Similar Documents

Publication Publication Date Title
KR102073537B1 (ko) 리스크 평가 장치, 리스크 평가 시스템, 리스크 평가 방법 및 리스크 평가 프로그램
JP6304767B2 (ja) センサ監視装置、センサ監視方法、及びセンサ監視プログラム
EP3584657B1 (en) Risk assessment device, risk assessment method, and risk assessment program
WO2016208315A1 (ja) プラント診断装置及びプラント診断方法
KR102102346B1 (ko) 함정설비의 상태기반 정비지원 시스템 및 방법
JP6472581B1 (ja) リスク評価装置、リスク評価方法、及び、リスク評価プログラム
KR102234054B1 (ko) 리스크 평가 장치, 리스크 평가 시스템, 리스크 평가 방법, 리스크 평가 프로그램 및 데이터 구조
KR20110116378A (ko) 산업설비의 공정 여유도 감시 시스템용 데이터 수집 방법 및 그 저장매체
US20210224383A1 (en) Abnormality detection device
US20230280240A1 (en) Abnormality diagnosis device and abnormality diagnosis method
Karuppusamy Machine learning approach to predictive maintenance in manufacturing industry-a comparative study
JP6482742B1 (ja) リスク評価装置、リスク評価システム、リスク評価方法、及び、リスク評価プログラム
JP2018205992A (ja) 機器診断システム
Beduschi et al. Optimizing rotating equipment maintenance through machine learning algorithm
JP6980034B2 (ja) 装置寿命評価方法
JP6454826B1 (ja) リスク評価装置、リスク評価方法、及び、リスク評価プログラム
JP2020009080A (ja) 機器状態監視システム及び機器状態監視方法
Hafaifa et al. Reliability modeling based on incomplete data: oil pump application
JP4427519B2 (ja) プラント監視システム及び方法。

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant