WO2011089649A1 - 診断装置及び診断方法 - Google Patents

Abstract

診断対象の異常事象に関係するデータ項目を自動的に抽出する。 診断対象の計測信号を保存する計測信号データベースから診断対象の状態を診断するために使用する診断信号を抽出する第一の工程と、診断信号をカテゴリーに分類する第二の工程と、最新の診断信号が前記カテゴリーに属さない場合に前記カテゴリーと異なる新規カテゴリーを発生させて分類する第三の工程と、新規カテゴリーが発生する原因となったデータ項目を抽出する第四の工程と、前記データ項目と密接な関連を有する関連データ項目を抽出する第五の工程とを含む。

Description

診断装置及び診断方法

　本発明は、診断装置及び診断方法に関する。

　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を用いた診断装置は、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有する。

　特許文献１の技術においては、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（正常カテゴリー）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する。この計測データが正常カテゴリーに分類できない時は、新しいカテゴリー（新規カテゴリー）を生成する。最後に、新規カテゴリーの発生率が閾値を越えた場合に異常と診断する。

特開２００５－１６５３７５号公報

　プラント等（診断対象）に異常が発生した場合、運転員（オペレータ）は、的確に対処するため、計測データに基づいてその原因を推定する。例えば、火力発電プラントにおいては、数百～数千ものデータを計測しているため、異常事象に関係するデータを抽出する作業に時間を要する。

　本発明の目的は、診断対象の異常事象に関係するデータ項目を自動的に抽出することにある。

　本発明の診断装置は、診断対象の計測信号を保存する計測信号データベースと、前記計測信号データベースから前記診断対象の状態を診断するために使用する診断信号を抽出する処理データ抽出部と、前記診断信号を保存する基準信号データベースと、前記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部と、前記カテゴリーを正常カテゴリーとして保存する分類結果データベースと、前記処理データ抽出部で抽出した最新の前記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前記正常カテゴリーに属さない場合に前記カテゴリーと異なる新規カテゴリーを発生させて分類する診断部と、前記診断部で分類した分類結果を保存する診断結果データベースとを含む。そして、前記新規カテゴリーが発生した原因を可視化するための診断結果表示情報を作成する診断結果可視化部を有し、前記診断結果可視化部は、前記原因であるデータ項目を抽出する原因項目抽出部を含むことを特徴とする。

　本発明によれば、プラント等の異常事象に関係するデータ項目を自動的に抽出でき、異常事象の原因を推定する時間を短縮することができる。

　また、本発明によれば、熟練していない運転員であっても、プラント等に異常が発生した場合に確認すべきデータ項目を即座に判断することができる。

実施例の診断装置を示すブロック図である。 実施例の診断装置の正常状態学習モードにおける基本動作を示すフローチャートである。 実施例の診断装置の診断モードにおける基本動作を示すフローチャートである。 実施例の診断装置の正常状態学習モード及び診断モードのフローチャートを実行するタイミングを示すブロック図である。 実施例の診断装置の正常状態学習モード及び診断モードのフローチャートを実行するタイミングを示すブロック図である。 実施例の診断装置の正常状態学習モード及び診断モードのフローチャートを実行するタイミングを示すブロック図である。 図１の分類部５００及び診断部６００の実施例を示すブロック図である。 図４Ａの実施例による分類結果を示すグラフである。 計測信号データベースに保存されるデータの態様を示す表示画面である。 基準信号データベースに保存されるデータの態様を示す表示画面である。 分類結果データベースに保存されるデータの態様を示す表示画面である。 分類結果データベースに保存されるデータの態様を示す表示画面である。 実施例の火力発電プラントを示すブロック図である。 図６Ａの火力発電プラントから入手した計測信号が異常の発生により変化した場合を示すグラフである。 実施例の診断結果可視化の基本動作を示すフローチャートである。 原因項目抽出部における正常カテゴリーと新規カテゴリーとの関係を示すグラフである。 実施例における計測位置と計測値との関係を示すグラフである。 計測位置と補正係数との関係の一例を示すグラフである。 データ項目である燃料使用量と火力発電機の発電量との関係を示したグラフである。 データ項目である燃焼器の温度と火力発電機の発電量との関係を示したグラフである。 項目間の制御ロジックの例を示すブロック線図である。 各項目の配置の例を示す系統図である。 寄与度の例を示す画像表示装置の表示画面である。 寄与度の例を示す画像表示装置の表示画面である。 抽出した関連項目の例を示す画像表示装置の表示画面である。

　以下、本発明の一実施形態に係るプラント等の設備の異常を検出する診断装置及び診断方法並びにコンピュータに診断手順を実行させるためのプログラム及びそのプログラムを記録したコンピュータ読み取り可能な記録媒体を開示する。

　前記診断装置は、診断対象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診断対象の状態を診断するために使用する診断信号を抽出する処理データ抽出部と、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部と、前記カテゴリーを正常カテゴリーとして保存する分類結果データベースと、処理データ抽出部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正常カテゴリーに属さない場合に前記カテゴリーと異なる新規カテゴリーを発生させて分類する診断部と、診断部で分類した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正常カテゴリーの情報とを用いて、新規カテゴリーの生成頻度が閾値を超えた場合に警報を発生させる警報発生部とを含む。そして、新規カテゴリーが発生した原因を可視化するための診断結果表示情報を作成する診断結果可視化部を有し、診断結果可視化部は、前記原因であるデータ項目を抽出する原因項目抽出部を含む。

　前記診断装置は、さらに、診断対象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、診断対象の設計情報が保存されている設計情報データベースとを含み、診断結果可視化部は、原因項目抽出部、及び前記データ項目と密接な関連を有する関連データ項目を制御ロジックデータベース又は設計情報データベースから抽出する関連項目抽出部とを含む。

　前記診断装置において、原因項目抽出部は、正常カテゴリーと新規カテゴリーに分類されたデータとの類似度を計算し、類似度が最大となる正常カテゴリーを類似度最大カテゴリーとして抽出し、類似度最大カテゴリーと新規カテゴリーに分類されたデータとを用いてそれぞれの前記データ項目の距離を新規カテゴリーの発生への寄与度として計算し、寄与度が閾値より高い前記データ項目を原因データ項目として抽出する。

　前記診断装置において、原因項目抽出部は、発生した異常事象が移動現象によって伝播する場合の上流側の計測位置における前記データ項目又は関連データ項目について寄与度を大きくする補正を行う機能を有する。

　前記診断装置は、さらに、画像表示部を含み、画像表示部は、前記データ項目と寄与度との関係を表示可能とする。

　前記診断装置において、画像表示部は、診断対象を構成する要素機器ごとに前記データ項目の寄与度を足し合わせた結果を表示可能とする。

　前記診断方法は、診断対象の計測信号を保存する計測信号データベースから診断対象の状態を診断するために使用する診断信号を抽出する第一の工程と、診断信号をカテゴリーに分類する第二の工程と、最新の診断信号が前記カテゴリーに属さない場合に前記カテゴリーと異なる新規カテゴリーを発生させて分類する第三の工程と、新規カテゴリーが発生する原因となったデータ項目を抽出する第四の工程と、前記データ項目と密接な関連を有する関連データ項目を抽出する第五の工程とを含む。

　前記診断方法は、第一の工程から第五の工程までを繰り返す。

　前記プログラムは、コンピュータに診断対象の計測信号を保存する計測信号データベースから診断対象の状態を診断するために使用する診断信号を抽出する第一の手順と、診断信号をカテゴリーに分類する第二の手順と、最新の診断信号が前記カテゴリーに属さない場合に前記カテゴリーと異なる新規カテゴリーを発生させて分類する第三の手順と、新規カテゴリーが発生する原因となったデータ項目を抽出する第四の手順と、前記データ項目と密接な関連を有する関連データ項目を抽出する第五の手順とを実行させるためのものである。

　前記プログラムは、コンピュータに第一の手順から第五の手順までを繰り返す手順を実行させるためのものである。

　前記記録媒体は、コンピュータに診断対象の計測信号を保存する計測信号データベースから診断対象の状態を診断するために使用する診断信号を抽出する第一の手順と、診断信号をカテゴリーに分類する第二の手順と、最新の診断信号が前記カテゴリーに属さない場合に前記カテゴリーと異なる新規カテゴリーを発生させて分類する第三の手順と、新規カテゴリーが発生する原因となったデータ項目を抽出する第四の手順と、前記データ項目と密接な関連を有する関連データ項目を抽出する第五の手順とを実行させるためのプログラムを記録したコンピュータ読み取り可能なものである。

　前記記録媒体は、コンピュータに第一の手順から第五の手順までを繰り返す手順を実行させるためのプログラムを記録したコンピュータ読み取り可能なものである。

　以下、本実施形態における具体的な実施例について図を用いて説明する。

　図１は、実施例の診断装置を示すブロック図である。

　本図においては、プラント１００の状態をプラント診断装置２００により診断する。

　診断装置２００は、演算装置として処理データ抽出部４００、分類部５００、診断部６００、警報発生部７００及び診断結果可視化部８００を備えている。また、診断装置２００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、制御ロジックデータベース３５０及び設計情報データベース３６０を備えている。なお、本図においては、データベースをＤＢと略記している。ここでいうデータベースは、診断装置２００の構成要素であるが、それぞれのデータベースに記録される情報は、電子化されたものであり、通常、電子ファイル（電子データ）と呼ばれるものである。

　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及び外部出力インターフェイス２２０を備えている。そして、外部入力インターフェイス２１０を介してプラント１００の各種状態量を計測した値を含む計測信号１、並びに、キーボード９１０及びマウス９２０を含む外部入力装置９００の操作により作成される外部入力信号２を診断装置２００に入力する。また、外部出力インターフェイス２２０を介して画像表示情報１７を診断装置２００から画像表示装置９５０（画像表示部）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。

　処理データ抽出部４００においては、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。基準信号データベース３２０には、オペレータが正常と判定した期間の計測信号が保存される。

　分類部５００は、基準信号７をカテゴリーに分類する。分類結果９は、分類結果データベース３３０に保存する。分類部５００の処理内容は、図４Ａ及び４Ｂを用いて後述する。

　診断部６００においては、処理データ抽出部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、処理データ抽出部４００で抽出した最新の診断信号６と、分類結果データベース３３０に保存されている分類結果１０とを比較し、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は、新しいカテゴリー（以下、新規カテゴリーと表記する。）を発生させる。診断部６００で作成した分類結果である診断結果１２は、診断結果データベース３４０に保存する。なお、診断部６００の処理内容は、図４Ａ及び４Ｂを用いて後述する。

　警報発生部７００においては、診断結果データベース３４０に保存されている診断結果１３、分類結果データベース３３０に保存されている分類結果１４、及び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否かを判定する。

　警報発生部７００は、以下の２種類の警報を発生する判定基準を有し、これらを任意に組み合わせて警報を発生するか否かを決定する。（例えば、下記条件１及び下記条件２が両方とも成立した場合に警報を発生させる、下記条件１及び下記条件２のうちいずれかが成立した場合に警報を発生させる等）
　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：所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。

　警報発生部７００で警報を発生させる判定を行った場合、警報発生部７００は警報信号１５を外部出力インターフェイス２２０に送信する。警報信号１５は、外部出力インターフェイス２２０にて画像表示情報１７に変換され、画像表示装置９５０に表示される。

　本実施例においては、画像表示装置９５０を用いて運転員に警報を連絡するようにしてあるが、これに限定されるものではなく、まず、警報音を発生させることにより運転員に警報の発生を気づかせるようにしてもよい。また、警報音を発生させた後、又は、警報音の発生と同時に、画像表示装置９５０に画像表示情報１７を表示するように設定してもよい。

　診断結果可視化部８００は、原因項目抽出部８１０及び関連項目抽出部８２０を備えている。なお、本実施例においては、診断結果可視化部８００に原因項目抽出部８１０及び関連項目抽出部８２０の２つが含まれているが、原因項目抽出部８１０のみを含むようにしてもよい。

　原因項目抽出部８１０においては、分類結果データベース３３０に保存されている分類結果１１と、診断結果データベース３４０に保存されている診断結果１３を用いて、新規カテゴリーが発生した原因となるデータ項目を抽出する。原因項目抽出部８１０の処理内容は、図８Ａ、８Ｂ及び８Ｃを用いて後述する。

　また、関連項目抽出部８２０においては、少なくとも制御ロジックデータベース３５０に保存されている制御ロジック情報１８、若しくは設計情報データベース３６０に保存されている設計情報１９を用いて原因項目抽出部８１０で抽出したデータ項目に関連するデータ項目を抽出する。関連項目抽出部８２０の処理内容は、図９Ａ及び９Ｂを用いて後述する。

　原因項目抽出部８１０及び関連項目抽出部８２０で抽出したデータ項目は、抽出データ項目情報２０として処理データ抽出部４００に送られる。

　処理データ抽出部４００は、計測信号データベース３１０に保存されている情報から抽出データ項目情報２０に含まれるデータ項目の計測信号５を抽出する機能も有する。

　また、原因項目抽出部８１０及び関連項目抽出部８２０で抽出したデータ項目、これらのデータ項目の計測値である基準信号８、並びにデータ項目を抽出する際に情報を処理した結果は、診断結果表示情報１６として外部出力インターフェイス２２０に送信される。診断結果表示情報１６は、外部出力インターフェイス２２０にて画像表示情報１７に変換され、画像表示装置９５０に表示される。

　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、制御ロジックデータベース３５０及び設計情報データベース３６０に保存されている診断装置情報５０は、画像表示装置９５０に表示できるようになっている。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。

　なお、本実施例においては、処理データ抽出部４００、分類部５００、診断部６００、警報発生部７００、診断結果可視化部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、制御ロジックデータベース３５０、設計情報データベース３６０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、本実施例において診断対象とするプラント１００は１基であるが、１台の診断装置２００で複数基のプラント１００を診断することもできる。

　図２Ａ及び２Ｂは、図１の診断装置２００の基本動作を示すフローチャート図である。図２Ａは、正常状態学習モードを示すものであり、図２Ｂは、診断モードを示すものである。

　以下では、図１に記載されている構成要素も用いて説明する。

　診断装置２００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、及びプラント１００の状態を診断する診断モードの２つの基本動作を有する。

　図２Ａにおいて、正常状態学習モードは、ステップ１０００及び１０１０を順に行うことにより実行する。

　まず、ステップ１０００においては、処理データ抽出部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に保存される。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（運転員）がプラント１００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１０１０においては、分類部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９を分類結果データベース３３０に保存する。

　図２Ｂに示す診断モードにおいては、ステップ１１００、１１１０、１１２０、１１３０、１１４０及び１１５０を順に行うことにより実行する。

　まず、ステップ１１００においては、外部入力インターフェイス２１０を介してプラント１００からの計測信号１を診断装置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、処理データ抽出部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を診断部６００に送信する。

　ステップ１１１０においては、診断部６００を動作させ、診断結果１２を診断結果データベース３４０に送信する。

　ステップ１１２０においては、少なくとも診断結果可視化部８００を動作させ、ステップ１１１０において新規カテゴリーが発生した場合には、その原因となるデータ項目を抽出する。なお、ステップ１１２０の詳細は、図７を用いて後述する。

　ステップ１１３０においては、診断結果可視化部８００が出力した診断結果表示情報１６を外部出力インターフェイス２２０で画像表示情報１７に変換し、画像表示装置９５０に出力する。

　ステップ１１４０においては、警報発生部７００を動作させ、警報発生の可否を判定する。ステップ１１４０で警報発生可とした場合はステップ１１５０に進む。一方、警報発生否の場合は終了する。

　ステップ１１５０においては、警報発生部７００が出力した警報信号１５を外部出力インターフェイス２２０で画像表示情報１７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１００のオペレータ（運転員）に警報を通知する。

　図３Ａ、３Ｂ及び３Ｃは、診断装置２００の正常状態学習モードのフローチャート（図２Ａ）及び診断モードのフローチャート（図２Ｂ）を実行するタイミングを説明する図である。

　診断装置２００は、サンプリング周期毎にプラント１００から計測信号１を取得する。

　図３Ａにおいては、サンプリング周期毎に正常状態学習モード及び診断モードの両方を動作させて診断する。

　また、図３Ｂにおいては、所定の設定期間毎に正常状態学習モードを動作させ、サンプリング周期毎に診断モードのみを動作させて診断する。

　さらに、図３Ｃにおいては、オペレータが学習期間や診断期間を設定する操作を実施し、このタイミングで正常状態学習モード及び診断モードを動作させる。

　図４Ａは、図１の分類部５００及び診断部６００の実施例を示すブロック図である。

　以下では、分類部５００及び診断部６００に適応共鳴理論（Ａｄａｐｔｉｖｅ　Ｒｅｓｏｎａｎｃｅ　Ｔｈｅｏｒｙ：ＡＲＴ）を適用した場合について述べるが、ベクトル量子化等、他のクラスタリング手法を用いることもできる。

　本図において、分類部５００及び診断部６００は、データ前処理装置６１０及びＡＲＴモジュール６２０で構成される。データ前処理装置６１０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、その手順（工程）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。

　ここでは、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個のデータにおける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、下記式（１）で表される。

　ここで、α（０≦α＜０．５）の定数であり、上記式（１）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）は、下記式（２）で計算される。

　次に、データＮｘｉ（ｎ）及びＣＮｘｉ（ｎ）を含むデータを入力データとしてＡＲＴモジュール６２０に入力する。

　以上の手順が、データ前処理装置６１０において行われる運転データのＡＲＴモジュール６２０への入力データ変換処理に含まれる。

　ＡＲＴモジュール６２０においては、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及び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。ここで、プロトタイプとは、カテゴリーの代表値を表すものである。

　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、下記の処理１～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、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。一方、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の値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において全ての既存のカテゴリーがリセットされると、入力データが新規カテゴリーに属すると判断され、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）及び入力データｐ（又は入力データから派生したデータ）を用いて下記式（３）により更新される。

　ここで、Ｋｗは、学習率パラメータ（０＜Ｋｗ＜１）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値である。

　ＡＲＴモジュール６２０のデータ分類アルゴリズムの特徴は、上記の処理４にある。

　処理４においては、図１の分類結果データベース３３０に記録（保存）されているパターンと異なる入力データが入力された場合、記録されているパターンを変更せずに新しいパターンを記録することができる。このため、過去に学習したパターンを記録しながら、新たなパターンを記録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、過去におけるどのパターンに近いかを判定することができる。また、過去に経験したことのないパターンであれば、新規カテゴリーに分類される。

　図４Ｂは、分類結果の一例を示すグラフである。

　本図は、例として、計測データのうちの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ものである。縦軸及び横軸は、それぞれの項目の計測データを規格化して示したものである。

　計測データ６２５は、図４ＡのＡＲＴモジュール６２０によって複数のカテゴリー６３０（図４Ｂに示す円）に分割される。

　本図においては、２項目の計測データについて２次元のグラフで示したが、これに限定されるものではなく、３項目以上の計測データについて多次元の座標を用いてカテゴリーの作成を行ってもよい。

　図５Ａ、５Ｂ、５Ｃ及び５Ｄは、計測信号データベース３１０、基準信号データベース３２０及び分類結果データベース３３０（２つの場合）に保存されるデータの態様を示したものである。これらの図は、図１の画像表示装置９５０の表示画面と考えてよい。

　例えば、図５Ａの計測信号データベースの場合、表示画面５５において縦横に移動可能なスクロールボックス５６ａ及び５６ｂを用いることにより、広範囲のデータをスクロール表示することができる。

　本図に示すように、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等）の値が、サンプリング周期（縦軸の時刻）毎に保存される。

　また、図５Ｂの基準信号データベースの場合、基準１～３のデータシートを示すタブ５７ａ、５７ｂ及び５７ｃを選択することにより、基準毎に分類された項目のみをまとめて表示することができる。

　なお、分類結果データベース３３０及び診断結果データベース３４０に保存されるデータの態様は同じである。

　図１の処理データ抽出部４００においては、プラント１００の診断に使用するデータ群を計測信号データベース３１０から抽出する。

　例えば、図５Ｂにおいては、基準信号のデータ群が３つ（「基準１」、「基準２」及び「基準３」）あり、基準のタブ５７ａ、５７ｂ及び５７ｃとして「基準１」を選択した場合のデータ群が項目Ａ、項目Ｃ及び項目Ｄで構成されている状態を表示している。

　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て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ている。

　図５Ｃ及び５Ｄは、図１の分類結果データベース３３０に保存されるデータの態様を示す表示画面である。

　図５Ｃにおいては、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との関係が表示されている。一方、図５Ｄにおいては、カテゴリー番号と重み係数との関係が表示されている。

　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６Ａは、実施例の火力発電プラントを示すブロック図である。

　本図において、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及びデータ送信装置１３０を含む。ガスタービン発電機１１０は、発電機１１１、圧縮機１１２、燃焼器１１３及びタービン１１４を含む。

　発電に際しては、圧縮機１１２にて吸い込んだ空気を圧縮して圧縮空気とし、この圧縮空気を燃焼器１１３に送り、燃料と混合して燃焼する。燃焼により発生した高圧ガスを用いてタービン１１４を回転させ、発電機１１１により発電を行う。

　制御装置１２０においては、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１２０は、ガスタービン発電機１１０に設置されたセンサ（図示せず）で計測した運転データ１０２を入力データとしている。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あり、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においては、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を含む計測信号１を診断装置２００に送信する。

　図６Ｂは、図６Ａのプラント１００から取得した計測信号１が異常の発生によって変化した場合の経時変化の一例を示したものである。

　横軸に時間をとり、縦軸に計測信号、カテゴリー番号、及び新規カテゴリーの発生割合（生成頻度）をとっている。データＩ及びＩＩはそれぞれ、項目Ａ及びＢに対応している。

　この例においては、項目Ａが発電機出力であり、項目Ｂが大気温度の計測信号である。

　本図において、当初、項目Ａ及びＢは、ほぼ一定値で安定しているが、時刻ｔ１の直前においてデータＩ（項目Ａ）が減少し、次いで、時刻ｔ１の直後においてデータＩＩ（項目Ｂ）が増加した。その後、データＩＩ（項目Ｂ）が減少し、最終的にデータＩ（項目Ａ）及びデータＩＩ（項目Ｂ）ともに増加している。

　また、時刻ｔ１に至る前においては、項目Ａ及びＢのカテゴリー番号が１～４であり、基準時カテゴリー、すなわち正常カテゴリーである。これに対して、時刻ｔ１を過ぎた後においては、項目Ａ及びＢのカテゴリー番号が５～７となり、異常の発生を示す新規カテゴリーとなっている。

　これに伴い、時刻ｔ１を経過した直後から新規カテゴリーの発生割合（発生頻度）が増加し、閾値を超えて異常と診断されるに至っている。ここで、新規カテゴリーの発生割合は、所定期間で発生する新規カテゴリーの数の移動平均を用いて計算する。

　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、図１の警報発生部７００が警報を発するようにしてある。

　プラントの状態が変化して異常が発生した場合、オペレータは、的確に対処するため、計測データに基づいてその原因を推定する必要がある。

　しかし、火力プラントにおいては、数百～数千ものデータを計測しているため、状態変化に関係するデータを抽出する作業に時間を要する。

　そこで、本発明においては、診断装置２００に備えられている診断結果可視化部８００を動作させることにより、新規カテゴリーが発生する原因となっているデータ項目（原因データ項目）を抽出できるようになっている。

　これにより、プラントの状態変化時に確認すべきデータ項目を絞り込むことができ、オペレータの作業を大幅に軽減することができる。図２Ｂのステップ１１２０及び１１３０が、この機能に相当する。

　図７は、診断結果可視化の基本動作を示すフローチャートであり、図２Ｂのステップ１１２０における動作の詳細である。

　本図において、診断結果可視化は、ステップ１２００、１２１０、１２２０、１２３０、１２４０、１２５０、１２６０及び１２７０を順に行うことにより実行する。

　まず、ステップ１２００においては、図１の原因項目抽出部８１０を動作させて、新規カテゴリーが発生する原因となったデータ項目を抽出する。原因項目抽出部８１０においては、分類結果データベース３３０に保存されている分類結果１１と、診断結果データベース３４０に保存されている診断結果１３とを用いる。原因項目抽出部８１０の処理内容は、図８Ａ、８Ｂ及び８Ｃを用いて後述する。

　次に、ステップ１２１０においては、関連項目抽出の可否を判定する。関連項目を抽出する場合には、ステップ１２２０に進み、抽出しない場合は終了に進む。なお、関連項目抽出の可否は、予めオペレータが設定する。

　ステップ１２２０においては、関連項目抽出部８２０を動作させて、原因項目抽出部８１０で抽出したデータ項目に関係するデータ項目を抽出する。関連項目抽出部８２０においては、少なくとも制御ロジックデータベース３５０に保存されている制御ロジック情報１８、もしくは設計情報データベース３６０に保存されている設計情報１９を用いて、原因項目抽出部８１０で抽出したデータ項目に関連するデータ項目を抽出する。関連項目抽出部の処理内容は、図９Ａ及び９Ｂを用いて後述する。

　ステップ１２３０においては、関連項目抽出部８２０で抽出したデータ項目について、再評価の可否を判定する。ここで、再評価とは、関連項目抽出部８２０で抽出したデータ項目を含めた信号を用いて分類部５００及び診断部６００を動作させて診断することをいう。再評価する場合は、ステップ１２４０に進み、再評価しない場合は終了に進む。

　ステップ１２４０においては、処理データ抽出部４００を動作させて、関連項目抽出部８２０で抽出したデータ項目のデータを、計測信号データベース３１０から抽出する。ステップ１２５０においては、分類部５００を動作させ、ステップ１２４０で抽出したデータを分類する。

　ステップ１２６０においては、原因項目抽出部８１０を動作させ、ステップ１２５０で新規カテゴリーが発生した原因となるデータ項目を抽出する。

　ステップ１２７０においては、ステップ１２２０～ステップ１２６０の動作回数と閾値とを比較し、動作回数が閾値を超えた場合に終了に進み、それ以外の場合はステップ１２２０に戻る。

　なお、ステップ１２３０の再評価の可否、及びステップ１２７０での閾値は、予めオペレータが設定する。

　図８Ａ、８Ｂ及び８Ｃは、原因項目抽出部８１０の動作を説明するための図であり、図７のステップ１２００～ステップ１２７０の動作内容を説明するものである。

　図８Ａは、原因項目抽出部における正常カテゴリーと新規カテゴリーとの関係を示すグラフである。横軸に項目Ａをとり、縦軸に項目Ｂをとっている。

　図８Ｂは、実施例における計測位置と計測値との関係を示すグラフである。横軸に流体に関するデータの計測位置をとり、縦軸にその計測値をとっている。

　図８Ｃは、計測位置と補正係数との関係の一例を示すグラフである。横軸に流体に関するデータの計測位置をとり、縦軸にそれぞれの計測位置に対応する補正係数ｆをとっている。

　ＡＲＴにおいては、図８Ａに示すように、基準時におけるデータをいくつかの正常カテゴリーに分類する。本動作においては、新規カテゴリーが発生した場合に、対象となるデータと正常カテゴリーとの類似度を計算し、最も類似した（類似度が最大となる）正常カテゴリーを抽出する。

　類似度Ｓは、例えば下記式（４）を用いて計算し、Ｓが最も小さくなる（類似度が最小となる）正常カテゴリーを抽出する。

　ここで、ｉはデータ項目を識別するための符号であり、１≦ｉ≦ｎ（ｎはデータ項目総数）である。また、ｊは、カテゴリーを識別するための符号であり、１≦ｊ≦ｍ（ｍは正常カテゴリーの総数）である。さらに、Ｓｊは類似度、Ｄｉは対象となるデータのデータ項目ｉの値、Ｗｉｊはカテゴリーｊにおけるデータ項目ｉの重み係数である。

　次に、それぞれのデータ項目の寄与度Ｃｉを、例えば下記式（５）を用いて計算する。

　寄与度が高いデータ項目ほど、正常カテゴリーと離れているため、新規カテゴリーが発生する原因となるデータ項目といえる。

　原因項目抽出部８１０においては、寄与度が閾値より高いデータ項目を原因データ項目として抽出する。なお、この閾値はオペレータが事前に設定する値である。

　一方、カテゴリーとの距離だけでなく、計測位置を考慮して寄与度を補正するようにしてもよい。

　図８Ｂにおいては、プラント１００のある流路を流れる流体に関して上流から下流まであるデータ（計測値：例えば温度）を計測する場合を示している。α、β、γ及びωは、上流から下流までの計測位置を示している。

　本図においては、正常時を実線で示し、異常時を破線で示している。

　上流側で異常が発生した場合、下流側における計測値は、正常時と異なる値となる。

　本図の場合、計測位置βとγとの間で異常が発生している。この影響により、γ及びωの位置で計測した計測値が変化している。

　図８Ａに示す手順でデータ項目を抽出する場合、γ及びωの位置で計測したデータが抽出されるが、この寄与度は同程度となる。

　しかし、異常が発生した場所はγの方が近いため、異常が発生した原因の推定においては、γの位置で計測したデータの方がより重要である。

　そこで、この例においては、原因項目抽出部８１０に計測位置が上流であるほど寄与度が大きくなるように補正をする機能を付加し、γの位置で計測したデータを、より重要なデータ項目として判断できるようにしている。

　図８Ｃは、その例であり、上流から下流にかけて補正係数ｆを漸減させている。これにより、上流側のデータの寄与度を大きくすることができる。

　上記の補正を行った場合の寄与度Ｃｉ’については、下記式（６）を用いて算出することができる。

　ここで、ｆは補正係数である。

　本実施例においては、流体に関するデータに異常が発生した場合を例に説明したが、これに限定されるものではなく、上記の補正を適用して寄与度を計算する手法は、高温部から低温部への熱の移動、物質（気体、溶液中の溶質等を含む。）の拡散、振動（光、音等を含む。）の伝播等、発生した異常事象が移動現象によって伝播（移動）するすべての場合に適用できる。この場合において、異常事象が発生した部位に近い計測位置を上流側の計測位置と呼び、異常事象が発生した部位から遠い計測位置を下流側の計測位置と呼ぶことにする。

　本実施例においては、ＡＲＴを用いてデータ項目の抽出を行っているが、これに限定されるものではなく、本実施例と同様の考え方によって寄与度の計算、及び異常発生に関係するデータ項目の抽出を行うものであれば、ＡＲＴ以外のクラスタリング手法を用いてもよい。

　なお、図８Ａにおいては、カテゴリーをほぼ円形状となるものとして示したが、これに限定されるものではない。

　例えば、図８Ｄは、データ項目である燃料使用量と火力発電機の発電量との関係を示したグラフである。横軸に燃料使用量をとり、縦軸に発電量をとっている。

　本図の場合、燃料使用量と発電量とが比例関係にあるため、正常運転時においては、強い相関関係を示す（相関係数が１に近い。）。この場合、グラフにおけるカテゴリー６２６は細長い楕円形状となる。

　また、図８Ｅは、データ項目である燃焼器の温度と火力発電機の発電量との関係を示したグラフである。横軸に燃焼器の温度をとり、縦軸に発電量をとっている。

　本図の場合、燃焼器の温度と発電量との間に明確な関係はなく、正常運転時においては、発電量によらず、燃焼器の温度はほぼ一定値と示す。このため、この場合のカテゴリー６２７は、発電量の値によって類別して円形状としてもよい。

　図９Ａ及び９Ｂは、図１の関連項目抽出部８２０の動作を説明するための図である。

　図９Ａは、項目間の制御ロジックの例を示すブロック線図である。図９Ｂは、各項目の配置の例を示す系統図である。

　図１の関連項目抽出部８２０においては、原因項目抽出部８１０で抽出したデータ項目に関係するデータ項目を抽出する。

　まず、関連項目抽出部８２０においては、原因項目抽出部８１０で計算した寄与度の高い順に、所定の数のデータ項目を選択する。

　次に、選択したデータ項目と関連の深いデータ項目（選択したデータ項目と密接な関連を有するデータ項目）を、制御ロジックデータベース３５０に保存されている制御ロジック情報１８、又は設計情報データベース３６０に保存されている設計情報１９を用いて抽出する。

　図９Ａを用いて、図１の制御ロジックデータベース３５０に保存されている制御ロジック情報１８の例を説明する。プラント１００の例としては、図６Ａの火力発電プラントを用いる。

　図１の制御ロジックデータベース３５０には、図６Ａの制御装置１２０において運転データ１０２から制御信号１０１を計算するための制御ロジック図（データ）が保存されている。

　図９Ａは、プラント制御に広く使われている比例・積分制御の制御ロジック図の例を図１の画像表示装置９５０の表示画面に示したものである。

　この表示画面においては、項目Ａ（運転データ）と設定値との誤差を比例積分演算して項目Ｂ（制御信号）を計算する制御ロジックを示している。

　先に関連項目抽出部８２０で選択したデータ項目が、図９Ａの項目Ｂであった場合、これを算出する基となっている項目Ａは、異常事象と関連が深いデータ項目（異常事象と密接な関連を有するデータ項目）であると考えられる。そこで、関連項目抽出部８２０は、項目Ａを関連データ項目として抽出する。

　図９Ｂは、図１の設計情報データベース３６０に保存されている設計情報１９の例を図１の画像表示装置９５０の表示画面に示したものである。

　図１の設計情報データベース３６０には、図６Ａ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の配置箇所（Ｔ：温度センサ、Ｐ：圧力センサ）との関係を示す系統図が保存されている。

　先に、関連項目抽出部８２０で選択したデータ項目が図９Ｂの項目Ｅ（温度）である場合、同じ位置で計測した項目Ｆ（圧力）は異常事象と関連が深いと考えられる。また、計測位置の近い項目Ｃ、Ｄ、Ｇ、Ｈも、異常事象と関連があると予想される。そこで、関連項目抽出部は、項目Ｃ、Ｄ、Ｆ、Ｇ及びＨを関連データ項目として抽出する。

　ここで、「異常事象と関連が深い」とは、異常事象が発生した場合に異常事象の影響を強く受けることをいい、「異常事象と関連が深い」データ項目は、計測したデータが異常事象を直接的に示す可能性が高い項目（センサ等）である。このような項目を関連データ項目と呼ぶ。

　本実施例において、項目Ａは、総括的なデータ項目（運転データ）である。また、項目Ｃ、Ｄ、Ｆ、Ｇ及びＨは、具体的な系統図等の設計情報に基づくデータ項目であり、具体的なセンサ等の配置箇所（計測位置）及び計測データ等を含むデータ項目である。

　また、関連項目抽出部８２０においては、基準信号データベース３２０に保存されている基準信号８を用いて、寄与度を基に選択したデータ項目とその他のデータ項目との相関係数を求め、相関係数が閾値よりも高いデータ項目を抽出することもできる。

　図７に示したように、ステップ１２２０で関連項目を抽出した後、ステップ１２４０、１２５０及び１２６０を動作させて、関連項目抽出部８２０で抽出したデータ項目が新規カテゴリーの発生の原因となっているかどうかを再評価する。

　仮に、関連項目抽出部８２０で抽出したデータ項目が新規カテゴリーの発生と無関係である場合には、ステップ１２６０を動作させた時の寄与度が小さくなるため、異常と関係ないデータ項目であると判断できる。したがって、このデータ項目は、確認すべきデータ項目の対象外とすることができ、残ったデータ項目を確認すればよいことになる。

　図１０Ａ、１０Ｂ及び１０Ｃは、画像表示装置９５０の表示画面に寄与度等を表示した例を示したものである。

　図１０Ａは、データ項目と寄与度との関係に関する結果を表示したものである。

　この関係から、寄与度の高いデータを把握でき、異常発生時に確認すべきデータを絞り込むことができる。

　図１０Ｂは、診断対象（プラント等）を構成する要素機器ごとに配置されている計測器のデータ項目について、寄与度を足し合わせた結果（寄与度合計ポイント）を画像表示装置９５０の表示画面である。本図において、要素機器は、機器１及び機器２と記載している。

　本図においては、寄与度の加算値が機器２より機器１の方が高いことがわかる。これは、機器１において異常が発生している可能性が高いことを示している。

　また、本図においては、寄与度の加算値が高い機器（この場合、機器１）をハイライト表示することもできる。これにより、異常が発生している機器を特定しやすくすることができる。

　図１０Ｂの機器１を、マウスを用いてクリック（選択）すると、図１０Ｃに示すように機器１の詳細を画像表示装置９５０の表示画面に表示することができる。

　図１０Ｃに示すように、機器１は、ポンプ１台及び計測器４台を含む構成である。計測器で計測したデータ項目のうち、寄与度が最大となる計測器を、図１０Ｃに示すようにハイライト表示することもできる。これにより、異常が発生している箇所を特定することができる。

　以上のように関連データ項目を画像表示装置９５０の表示画面に表示する機能等により、熟練していない運転員であっても、プラント等に異常が発生した場合に確認すべきデータ項目を即座に（容易に）判断することができる。

　以上の実施例においては、プラントの診断を行うための装置若しくは方法として説明してきたが、診断の対象（診断対象）となる設備はプラントに限定されるものではなく、一個又は複数個の計測器などから発せられる複数個のデータを集積して管理（制御）する必要がある設備に適用することができる。

　この場合に、コンピュータに上記の診断装置の機能を実現させるためのプログラム、コンピュータに上記の診断方法に関する手順（工程）を実行させるためのプログラム、又はコンピュータを上記の診断装置の各部として機能させるためのプログラムも本発明に含まれるものとする。また、上記の各種のデータ又はプログラムを記録したコンピュータ読み取り可能な記録媒体、データベース等も本発明に含まれるものとする。

　本発明によれば、異常に関係するデータ項目を自動的に抽出し、異常原因を推定する時間を短縮することができる。

　本発明は、プラント等の診断装置として各種プラント等に広く適用できる。

　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：制御ロジックデータベース、３６０：設計情報データベース、４００：処理データ抽出部、５００：分類部、６００：診断部、７００：警報発生部、８００：診断結果可視化部、８１０：原因項目抽出部、８２０：関連項目抽出部、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. 　診断対象の計測信号を保存する計測信号データベースと、前記計測信号データベースから前記診断対象の状態を診断するために使用する診断信号を抽出する処理データ抽出部と、前記診断信号を保存する基準信号データベースと、前記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部と、前記カテゴリーを正常カテゴリーとして保存する分類結果データベースと、前記処理データ抽出部で抽出した最新の前記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前記正常カテゴリーに属さない場合に前記カテゴリーと異なる新規カテゴリーを発生させて分類する診断部と、前記診断部で分類した分類結果を保存する診断結果データベースと、前記診断結果データベースと前記正常カテゴリーの情報とを用いて、前記新規カテゴリーの生成頻度が閾値を超えた場合に警報を発生させる警報発生部とを含む診断装置であって、前記新規カテゴリーが発生した原因を可視化するための診断結果表示情報を作成する診断結果可視化部を有し、前記診断結果可視化部は、前記原因であるデータ項目を抽出する原因項目抽出部を含むことを特徴とする診断装置。
2. 　さらに、前記診断対象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、前記診断対象の設計情報が保存されている設計情報データベースとを含み、前記診断結果可視化部は、前記原因項目抽出部、及び前記データ項目と密接な関連を有する関連データ項目を前記制御ロジックデータベース又は前記設計情報データベースから抽出する関連項目抽出部とを含むことを特徴とする請求項１記載の診断装置。
3. 　前記原因項目抽出部は、前記正常カテゴリーと前記新規カテゴリーに分類されたデータとの類似度を計算し、前記類似度が最大となる前記正常カテゴリーを類似度最大カテゴリーとして抽出し、前記類似度最大カテゴリーと前記新規カテゴリーに分類されたデータとを用いてそれぞれの前記データ項目の距離を前記新規カテゴリーの発生への寄与度として計算し、前記寄与度が前記閾値より高い前記データ項目を原因データ項目として抽出することを特徴とする請求項１又は２に記載の診断装置。
4. 　前記原因項目抽出部は、発生した異常事象が移動現象によって伝播する場合の上流側の計測位置における前記データ項目又は前記関連データ項目について前記寄与度を大きくする補正を行う機能を有することを特徴とする請求項３記載の診断装置。
5. 　さらに、画像表示部を含み、前記画像表示部は、前記データ項目と前記寄与度との関係を表示可能であることを特徴とする請求項３又は４に記載の診断装置。
6. 　前記画像表示部は、前記診断対象を構成する要素機器ごとに前記データ項目の前記寄与度を足し合わせた結果を表示可能であることを特徴とする請求項５記載の診断装置。
7. 　診断対象の計測信号を保存する計測信号データベースから前記診断対象の状態を診断するために使用する診断信号を抽出する第一の工程と、前記診断信号をカテゴリーに分類する第二の工程と、最新の前記診断信号が前記カテゴリーに属さない場合に前記カテゴリーと異なる新規カテゴリーを発生させて分類する第三の工程と、前記新規カテゴリーが発生する原因となったデータ項目を抽出する第四の工程と、前記データ項目と密接な関連を有する関連データ項目を抽出する第五の工程とを含むことを特徴とする診断方法。
8. 　前記第一の工程から前記第五の工程までを繰り返すことを特徴とする請求項８記載の診断方法。
9. 　コンピュータに診断対象の計測信号を保存する計測信号データベースから前記診断対象の状態を診断するために使用する診断信号を抽出する第一の手順と、前記診断信号をカテゴリーに分類する第二の手順と、最新の前記診断信号が前記カテゴリーに属さない場合に前記カテゴリーと異なる新規カテゴリーを発生させて分類する第三の手順と、前記新規カテゴリーが発生する原因となったデータ項目を抽出する第四の手順と、前記データ項目と密接な関連を有する関連データ項目を抽出する第五の手順とを実行させるためのプログラム。
10. 　コンピュータに前記第一の手順から前記第五の手順までを繰り返す手順を実行させるための請求項９記載のプログラム。
11. 　コンピュータに診断対象の計測信号を保存する計測信号データベースから前記診断対象の状態を診断するために使用する診断信号を抽出する第一の手順と、前記診断信号をカテゴリーに分類する第二の手順と、最新の前記診断信号が前記カテゴリーに属さない場合に前記カテゴリーと異なる新規カテゴリーを発生させて分類する第三の手順と、前記新規カテゴリーが発生する原因となったデータ項目を抽出する第四の手順と、前記データ項目と密接な関連を有する関連データ項目を抽出する第五の手順とを実行させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体。
12. 　コンピュータに前記第一の手順から前記第五の手順までを繰り返す手順を実行させるためのプログラムを記録したコンピュータ読み取り可能な請求項１１記載の記録媒体。

Images