WO2018003028A1 - ボイラーの故障判定装置、故障判定方法およびサービス方法 - Google Patents
ボイラーの故障判定装置、故障判定方法およびサービス方法 Download PDFInfo
- Publication number
- WO2018003028A1 WO2018003028A1 PCT/JP2016/069270 JP2016069270W WO2018003028A1 WO 2018003028 A1 WO2018003028 A1 WO 2018003028A1 JP 2016069270 W JP2016069270 W JP 2016069270W WO 2018003028 A1 WO2018003028 A1 WO 2018003028A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- boiler
- feature amount
- data
- failure determination
- failure
- Prior art date
Links
Images
Classifications
-
- 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
- F22B37/42—Applications, arrangements, or dispositions of alarm or automatic safety devices
Definitions
- Boilers are used in thermal power plants and the like.
- a boiler is a heat source device that transfers heat obtained by burning fuel or exhaust heat from other devices (for example, a gas turbine) to a fluid such as water or steam to transfer the fluid to higher-temperature steam. Or it has a heat exchange device which changes to warm water (hot water) or the like.
- the first feature amount is acquired based on data related to the first boiler that is the failure determination target, and at least related to the second boiler other than the first boiler.
- a feature quantity acquisition unit that acquires the second feature quantity based on data including data, and one or both of the first feature quantity and the second feature quantity acquired by the feature quantity acquisition unit
- a standardization unit that performs standardization with respect to the first feature amount based on a result of the standardization performed by the standardization unit, using the second feature amount, Judgment is made.
- a sensor that detects data on various types of characteristics may be used.
- the characteristics detected by the sensor the characteristics related to the boilers 511 and 512 are used.
- the characteristics relating to the boilers 511 and 512 for example, characteristics relating to the boilers 511 and 512 themselves may be used, or characteristics relating to the usage environment of the boilers 511 and 512 may be used.
- the output unit 23 has a function of outputting information.
- the output unit 23 may include, for example, a display device that displays and outputs information on a screen, or a speaker device that outputs information with sound.
- the output unit 23 receives the information output from the failure determination device 11 and outputs the input information.
- the standardization unit 113 does not perform standardization processing on other feature values of the feature value data input from the feature value acquisition unit 112 with respect to the boiler 511 that is the target of failure determination, and maintains the features as they are.
- the quantity data is output to the failure determination unit 116.
- the failure state learning unit 115 uses the characteristic amount obtained based on the data collected by the operation data collection unit 111 to define the normal and abnormal operation states of the boiler by a statistical analysis method. (In the present embodiment, this is referred to as failure state learning), and a reference for determining failure is generated.
- the failure state learning unit 115 may perform learning using a feature amount obtained based on data (for example, failure case data) collected in the past by another system. In this case, the collected data or the feature value data is supplied from the outside to the failure determination system 1 (for example, the operation data collection unit 111, the storage unit 114, or the failure state learning unit 115).
- the failure determination unit 116 determines a failure using the same statistical analysis method as the statistical analysis method used for learning in the failure state learning unit 115.
- the failure determination unit 116 determines failure using logistic regression analysis.
- the learning result information includes, for example, model formula and logistic coefficient information in logistic regression analysis.
- the feature amount data related to the boiler 511 that is the target of the failure determination includes feature amount data used in the logistic regression analysis.
- the formula (2) and the formula (3) In the example, data of four different types of feature quantities (feature quantity X 1 , feature quantity X 2 , feature quantity X 3 , feature quantity X 4 ) are included.
- the failure determination unit 116 uses the learning result information as a failure determination criterion, and compares the criterion with the result of substituting the feature value data related to the boiler 511 to be subjected to the failure determination into the model formula. Determine the failure.
- the feature amount data regarding the boiler 511 that is the target of failure determination is the behavior (change) when the learning boiler moves from a normal state to an abnormal state. Whether to approximate, or the degree of approximation is determined.
- the failure determination unit 116 changes the feature value data related to the boiler 511 that is the target of failure determination to the behavior (change) when the learning boiler moves from a normal state to an abnormal state. If it is determined to be approximate, it is determined (determined) that there is a failure (failure has occurred), and if it is determined not to approximate the behavior, it is determined that there is no failure (no failure has occurred) (determination). To do.
- the degree of approximation with respect to the behavior (change) when the boiler related to learning shifts from a normal state to an abnormal state with respect to feature amount data regarding the boiler 511 that is a target of failure determination. Determine (for example, calculate).
- a value of failure probability (for example, failure probability P shown in Expression (3)) may be used.
- failure probability P failure probability P shown in Expression (3)
- the degree of abnormality gradually increases, and in this embodiment, it is possible to specify the degree of abnormality as a failure probability.
- each sensor can also be provided at the installation location of the boiler to be monitored by the sensor.
- the communication between the own device sensor group 21 or the other device sensor group 22 (each sensor) and the failure determination device 11 may be performed, for example, via a wired cable, or via wireless communication. It may be done. Further, the communication may be performed via a relay device, for example.
- each processing unit (operation data collection unit 111, feature amount acquisition unit 112, standardization unit 113, storage unit 114, failure state learning unit 115, failure determination unit 116) provided in the failure determination apparatus 11 is implemented in, for example, the present embodiment. It may be provided in one housing as in the form, or may be provided in a distributed manner in another housing.
- the failure determination device 11 includes a processing unit (operation data collection unit 111, feature amount acquisition unit 112, standardization unit 113, storage unit 114, failure state learning unit 115, failure provided in the present embodiment.
- a configuration including at least the failure determination unit 116 may be used, or a configuration including at least the failure state learning unit 115 and the failure determination unit 116 may be used, or at least a standardization unit. 113 and the failure determination unit 116 may be used, or a configuration including at least the standardization unit 113, the failure state learning unit 115, and the failure determination unit 116 may be used.
- the failure determination unit 116 based on the result of the learning process performed by the failure state learning unit 115, the feature amount related to the boiler 511 to be subjected to the failure determination (if standardization is performed, after the standardization) A failure is determined for the feature amount (step S14).
- the failure determination unit 116 outputs information on the failure determination result (step S15). The information is output by the output unit 23.
- the failure determination unit 116 may include a feature amount related to another boiler 512 when a failure has occurred in another boiler 512 in the past (even if a feature amount related to another boiler is included as another example). 4) and the characteristic obtained from the characteristic value related to the boiler 511 that is currently subject to failure determination, the failure probability (in the example of FIG. Characteristic 211) is obtained.
- the learning result based on both data when the boiler is in a normal state and data when the boiler is in an abnormal state.
- the model formula obtained from the feature quantity related to the boiler 511 that is the target of the failure determination is similar to the behavior when the failure occurs or the degree of similarity.
- the “computer system” here includes an OS (Operating System) or hardware such as peripheral devices.
- the “computer-readable storage medium” is a portable medium such as a flexible disk, a magneto-optical disk, a ROM (Read Only Memory), a CD (Compact Disc) -ROM, or a hard disk built in a computer system. Refers to the device. Further, the “computer-readable storage medium” means a volatile memory (RAM: Random Access) inside a computer system that becomes a server or a client when a program is transmitted via a network such as the Internet or a communication line such as a telephone line. Memory that holds a program for a certain period of time, such as Memory).
- the program may be transmitted from a computer system storing the program in a storage device or the like to another computer system via a transmission medium or by a transmission wave in the transmission medium.
- the “transmission medium” for transmitting the program refers to a medium having a function of transmitting information, such as a network (communication network) such as the Internet or a communication line (communication line) such as a telephone line.
- the above program may be for realizing a part of the functions described above.
- the program may be a so-called difference file (difference program) that can realize the above-described functions in combination with a program already stored in the computer system.
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Thermal Sciences (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
実施形態のボイラーの故障判定装置では、故障判定対象の第１のボイラーに関するデータに基づく第１の特徴量、および少なくとも前記第１のボイラー以外の第２のボイラーに関するデータを含むデータに基づく第２の特徴量のうちの一方または両方について標準化が行われた結果に基づいて、前記第１の特徴量について、前記第２の特徴量を用いて、故障の判定を行う、故障判定部と、を備える。
Description
本発明は、ボイラーの故障判定装置、故障判定方法およびサービス方法に関する。
火力発電所などでボイラー（ｂｏｉｌｅｒ）が用いられている。
ボイラーは、熱源機器であり、燃料を燃焼させて得られた熱、あるいは他の機器（例えばガスタービン）からの排熱を水、あるいは蒸気等の流体に伝えることで当該流体をより高温の水蒸気あるいは温水（湯）等に換える熱交換装置を有する。
ボイラーは、熱源機器であり、燃料を燃焼させて得られた熱、あるいは他の機器（例えばガスタービン）からの排熱を水、あるいは蒸気等の流体に伝えることで当該流体をより高温の水蒸気あるいは温水（湯）等に換える熱交換装置を有する。
ここで、ボイラーチューブリークは、ボイラーを構成するチューブ（管）が損傷し、当該チューブの内部を流れる流体（例えば、水あるいは蒸気など）が漏洩する不具合である。この漏洩がボイラーの内部で発生した場合には、異常音の発生あるいは煙突からの蒸気の噴出によって認知することができるときもある。しかしながら、この漏洩が見落とされることもあり、特に、漏洩量が少ない場合には、ボイラーの内部の漏洩状況を把握することができず、見落とされることが多かった。
ボイラーの運転が漏洩状態のまま継続されると、例えば、経済的な損失が発生し、不具合の拡大によって修理費用が増加することもあった。
ボイラーの運転が漏洩状態のまま継続されると、例えば、経済的な損失が発生し、不具合の拡大によって修理費用が増加することもあった。
ボイラーチューブリークへの対策として、技術者が現場のパトロールを行ってボイラーの異常を発見することが考えられている。この場合、技術者がパトロールを行う必要があり、人的なリソースが継続的に必要となる。
また、ボイラーチューブリークへの対策として、ボイラーに漏洩音あるいはドレン水を検出する設備を設置して監視することが考えられている。この場合、ボイラーに専用の設備を設置するために、設置および保守のコストが必要となる。
また、ボイラーチューブリークへの対策として、ボイラーに漏洩音あるいはドレン水を検出する設備を設置して監視することが考えられている。この場合、ボイラーに専用の設備を設置するために、設置および保守のコストが必要となる。
また、特許文献１には、ボイラーチューブリーク検出装置が開示されている。当該ボイラーチューブリーク検出装置では、ボイラープラントの状態量を計測した計測信号がデータ項目別に保存される計測信号データベースと、ボイラープラントの運転状態の変化を検知する状態変化検知部と、状態変化検知部で検知した変化をリークか否か評価する検知内容評価部を備える。そして、当該ボイラーチューブリーク検出装置では、状態変化検知部には、計測信号データベースから第一の計測信号データが入力され、データ項目の一部を監視グループとしてグループ化する監視データ抽出部と、ボイラープラントの運転パターンを識別する運転パターン評価部と、識別された運転パターンごとにかつ監視グループごとに、グループ化されたデータ項目に属する第一の計測信号データを分類して診断モデルを構築する分類部と、診断モデルと第二の計測信号を比較することで運転状態が変化したことを検知する検知部を備える。また、当該ボイラーチューブリーク検出装置では、監視データ抽出部がグループ化するデータ項目に、ボイラープラントの複数ある熱交換器のメタル温度が含まれる。
しかしながら、ボイラーにおいてチューブリークのような故障が発生することが少なく、過去に発生した故障のデータを十分に得られない場合があった。また、過去に故障が発生したことがないボイラーについて、故障の判定を行うことが困難な場合があった。
本発明が解決しようとする課題は、過去に発生した故障のデータが少ない場合、あるいは、過去に故障が発生したことがないボイラーを対象とする場合においても、故障の判定を行うことが可能なボイラーの故障判定装置、故障判定方法およびサービス方法を提供することである。
一態様として、ボイラーの故障判定装置は、故障判定対象の第１のボイラーに関するデータに基づく第１の特徴量、および少なくとも前記第１のボイラー以外の第２のボイラーに関するデータを含むデータに基づく第２の特徴量のうちの一方または両方について標準化が行われた結果に基づいて、前記第１の特徴量について、前記第２の特徴量を用いて、故障の判定を行う、故障判定部を備える。
一態様として、ボイラーの故障判定装置において、前記故障判定対象の前記第１のボイラーに関するデータに基づいて前記第１の特徴量を取得し、少なくとも前記第１のボイラー以外の前記第２のボイラーに関するデータを含むデータに基づいて前記第２の特徴量を取得する特徴量取得部と、前記特徴量取得部により取得された前記第１の特徴量および前記第２の特徴量のうちの一方または両方について標準化を行う標準化部と、を備え、前記故障判定部は、前記標準化部により行われた標準化の結果に基づいて、前記第１の特徴量について、前記第２の特徴量を用いて、故障の判定を行う。
一態様として、ボイラーの故障判定装置において、前記故障判定部は、前記標準化の結果に基づいて、前記第１の特徴量および前記第２の特徴量のそれぞれが所定のモデルにあてはめられた結果に基づいて、故障の判定を行う。
一態様として、ボイラーの故障判定装置において、前記第２のボイラーに関するデータは、前記第２のボイラーが正常な状態であるときにおけるデータと、前記第２のボイラーが異常な状態であるときにおけるデータとの両方を含む。
一態様として、ボイラーの故障判定方法は、故障判定対象の第１のボイラーに関するデータに基づく第１の特徴量、および少なくとも前記第１のボイラー以外の第２のボイラーに関するデータを含むデータに基づく第２の特徴量のうちの一方または両方について標準化が行われた結果に基づいて、前記第１の特徴量について、前記第２の特徴量を用いて、故障の判定を行う。
一態様として、サービス方法は、上記のボイラーの故障判定方法により行われた故障の判定の結果に基づいて、所定のサービスを提供する。
ボイラーの故障判定装置、故障判定方法およびサービス方法によると、過去に発生した故障のデータが少ない場合、あるいは、過去に故障が発生したことがないボイラーを対象とする場合においても、故障の判定を行うことが可能である。
以下、図面を参照し、ボイラーの故障判定装置、故障判定方法およびサービス方法を説明する。
［ボイラーの故障判定システム］
図１は、実施形態に係るボイラー５１１の故障判定システム１の構成を示した図である。
故障判定システム１は、故障判定装置１１と、自装置センサー群２１と、他装置センサー群２２と、出力部２３を備える。
また、図１には、本実施形態において故障の判定を行う対象となるボイラー５１１と、故障の判定を行う対象となるボイラー５１１以外のボイラーであるボイラー（以下で、「他のボイラー」とも呼ぶ。）５１２を示してある。本実施形態では、故障の判定を行う対象となるボイラー５１１以外のボイラーとして、１個のボイラーを示すが、他の構成例として、２個以上のボイラーが用いられてもよい。
図１は、実施形態に係るボイラー５１１の故障判定システム１の構成を示した図である。
故障判定システム１は、故障判定装置１１と、自装置センサー群２１と、他装置センサー群２２と、出力部２３を備える。
また、図１には、本実施形態において故障の判定を行う対象となるボイラー５１１と、故障の判定を行う対象となるボイラー５１１以外のボイラーであるボイラー（以下で、「他のボイラー」とも呼ぶ。）５１２を示してある。本実施形態では、故障の判定を行う対象となるボイラー５１１以外のボイラーとして、１個のボイラーを示すが、他の構成例として、２個以上のボイラーが用いられてもよい。
自装置センサー群２１は、故障の判定を行う対象となるボイラー５１１に関するデータを検出する複数のセンサーを有する。自装置センサー群２１は、それぞれのセンサーにより検出されたデータを故障判定装置１１の運転データ収集部１１１に出力する。
他装置センサー群２２は、故障の判定を行う対象となるボイラー５１１以外のボイラー（他のボイラー）５１２に関するデータを検出する複数のセンサーを有する。他装置センサー群２２は、それぞれのセンサーにより検出されたデータを故障判定装置１１の運転データ収集部１１１に出力する。
なお、故障の判定を行う対象となるボイラー５１１以外のボイラーが複数個用いられる場合には、他装置センサー群２２は、それぞれのボイラーごとに、当該ボイラーに関するデータを検出する複数のセンサーを有する。
他装置センサー群２２は、故障の判定を行う対象となるボイラー５１１以外のボイラー（他のボイラー）５１２に関するデータを検出する複数のセンサーを有する。他装置センサー群２２は、それぞれのセンサーにより検出されたデータを故障判定装置１１の運転データ収集部１１１に出力する。
なお、故障の判定を行う対象となるボイラー５１１以外のボイラーが複数個用いられる場合には、他装置センサー群２２は、それぞれのボイラーごとに、当該ボイラーに関するデータを検出する複数のセンサーを有する。
ここで、自装置センサー群２１が有するセンサーとしては、様々なデータを検出するセンサーが用いられてもよい。
同様に、他装置センサー群２２が有するセンサーとしては、様々なデータを検出するセンサーが用いられてもよい。
自装置センサー群２１および他装置センサー群２２は、それぞれ、異なる種類の特性のデータを検出する複数のセンサーを有してもよい。自装置センサー群２１が有する複数のセンサーの種類（検出対象の特性）と他装置センサー群２２が有する複数のセンサーの種類（検出対象の特性）とは、すべてが一致してもよく、または、一部が一致してもよい。
自装置センサー群２１と他装置センサー群２２は同時に備える必要はなく、他装置センサー群２２が別の時期に検出したデータを予め運転データ収集部１１１へ入力しておいてもよい。
同様に、他装置センサー群２２が有するセンサーとしては、様々なデータを検出するセンサーが用いられてもよい。
自装置センサー群２１および他装置センサー群２２は、それぞれ、異なる種類の特性のデータを検出する複数のセンサーを有してもよい。自装置センサー群２１が有する複数のセンサーの種類（検出対象の特性）と他装置センサー群２２が有する複数のセンサーの種類（検出対象の特性）とは、すべてが一致してもよく、または、一部が一致してもよい。
自装置センサー群２１と他装置センサー群２２は同時に備える必要はなく、他装置センサー群２２が別の時期に検出したデータを予め運転データ収集部１１１へ入力しておいてもよい。
センサーとしては、様々な種類の特性に関するデータを検出するセンサーが用いられてもよい。センサーにより検出する特性としては、ボイラー５１１、５１２に関する特性が用いられる。ボイラー５１１、５１２に関する特性としては、例えば、ボイラー５１１、５１２自体に関する特性が用いられてもよく、あるいは、ボイラー５１１、５１２の使用環境に関する特性が用いられてもよい。
所定の特性に関するデータとしては、例えば、当該特性を測定した値のデータ（測定データ）が用いられてもよく、または、当該特性の目標値のデータ（目標データ）が用いられてもよく、または、これらに代替可能な類似の値のデータ（類似のデータ）が用いられてもよい。
所定の特性に関する値として、ボイラーの本体を流れる水あるいは蒸気の流量、圧力、温度のうちの１以上に関する値が用いられてもよい。
所定の特性に関する値として、ボイラーの本体に接続される系統を流れる水あるいは蒸気の流量、圧力、温度のうちの１以上に関する値が用いられてもよい。
所定の特性に関する値として、ボイラーに取り込まれる空気、燃料、燃焼ガス、または、ボイラーから排出される排ガスの温度、流量、粉じん量、化学的成分のうちの１以上に関する値が用いられてもよい。
所定の特性に関する値として、ボイラーあるいはプラント全体の負荷、出力、熱効率のうちの１以上に関する値が用いられてもよい。
所定の特性に関する値として、ボイラーの補機の負荷、利用率、熱効率のうちの１以上に関する値が用いられてもよい。
所定の特性に関する値として、ボイラーに供給される補給水の流量に関する値が用いられてもよい。
所定の特性に関する値として、ボイラーを構成する管のメタル温度に関する値が用いられてもよい。
所定の特性に関する値として、ボイラーの本体に接続される系統を流れる水あるいは蒸気の流量、圧力、温度のうちの１以上に関する値が用いられてもよい。
所定の特性に関する値として、ボイラーに取り込まれる空気、燃料、燃焼ガス、または、ボイラーから排出される排ガスの温度、流量、粉じん量、化学的成分のうちの１以上に関する値が用いられてもよい。
所定の特性に関する値として、ボイラーあるいはプラント全体の負荷、出力、熱効率のうちの１以上に関する値が用いられてもよい。
所定の特性に関する値として、ボイラーの補機の負荷、利用率、熱効率のうちの１以上に関する値が用いられてもよい。
所定の特性に関する値として、ボイラーに供給される補給水の流量に関する値が用いられてもよい。
所定の特性に関する値として、ボイラーを構成する管のメタル温度に関する値が用いられてもよい。
また、それぞれのセンサーは、例えば、一定周期のタイミングなどのように所定のタイミングごとにデータを検出して、検出されたデータを運転データ収集部１１１に出力する。複数の様々なセンサーによりデータを検出するタイミングは、同じであってもよく、または、異なってもよい。例えば、複数の異なるボイラー（本実施形態では、ボイラー５１１、５１２）について、同じ種類の特性のデータを検出するセンサーによりデータを検出するタイミングは、同じであってもよく、または、異なってもよい。
なお、このようなタイミングとしては、任意のタイミングが用いられてもよく、例えば、１分ごとの周期のタイミング、あるいは、５分ごとの周期のタイミングあるいは、１時間ごとの周期のタイミングなどが用いられてもよい。
なお、このようなタイミングとしては、任意のタイミングが用いられてもよく、例えば、１分ごとの周期のタイミング、あるいは、５分ごとの周期のタイミングあるいは、１時間ごとの周期のタイミングなどが用いられてもよい。
出力部２３は、情報を出力する機能を有する。出力部２３は、例えば、情報を画面に表示出力するディスプレイ装置、あるいは、情報を音で出力するスピーカ装置などを含んでもよい。
出力部２３は、故障判定装置１１から出力された情報を入力し、入力された情報を出力する。
出力部２３は、故障判定装置１１から出力された情報を入力し、入力された情報を出力する。
［ボイラーの故障判定装置］
故障判定装置１１は、運転データ収集部１１１と、特徴量取得部１１２と、標準化部１１３と、記憶部１１４と、故障状態学習部１１５と、故障判定部１１６を備える。
故障判定装置１１は、運転データ収集部１１１と、特徴量取得部１１２と、標準化部１１３と、記憶部１１４と、故障状態学習部１１５と、故障判定部１１６を備える。
運転データ収集部１１１は、自装置センサー群２１が有するセンサーから出力されたデータを入力する。また、運転データ収集部１１１は、他装置センサー群２２が有するセンサーから出力されたデータを入力する。これにより、運転データ収集部１１１では、入力されたデータが収集される。このデータは、例えば、それぞれのボイラー５１１、５１２の運転のために日常的に計測されているデータ（運転データ）に相当する。本実施形態では、自装置センサー群２１が有するセンサーから出力されるデータが、故障の判定を行う対象となるボイラー５１１に関するデータであり、監視の対象となる。
運転データ収集部１１１は、入力されたデータを特徴量取得部１１２に出力する。本実施形態では、運転データ収集部１１１は、それぞれのボイラー５１１、５１２ごとに、当該ボイラー５１１、５１２に関するデータを特徴量取得部１１２に出力する。
運転データ収集部１１１は、入力されたデータを特徴量取得部１１２に出力する。本実施形態では、運転データ収集部１１１は、それぞれのボイラー５１１、５１２ごとに、当該ボイラー５１１、５１２に関するデータを特徴量取得部１１２に出力する。
ここで、運転データ収集部１１１は、入力されたデータに対して所定の処理を行った後に、当該処理が行われたデータを特徴量取得部１１２に出力してもよい。
当該所定の処理として、例えば、データのフィルタリングの処理と、データの平滑化の処理のうちの一方または両方が用いられてもよい。データの平滑化の処理としては、例えば、データの移動平均を求める処理が用いられてもよい。
当該所定の処理として、例えば、データのフィルタリングの処理と、データの平滑化の処理のうちの一方または両方が用いられてもよい。データの平滑化の処理としては、例えば、データの移動平均を求める処理が用いられてもよい。
特徴量取得部１１２は、運転データ収集部１１１から入力されたデータに基づいて、特徴量を取得する。特徴量取得部１１２は、取得された特徴量のデータを標準化部１１３に出力する。
本実施形態では、特徴量取得部１１２は、それぞれのボイラー５１１、５１２ごとに、当該ボイラーに関する特徴量を取得する。
本実施形態では、特徴量取得部１１２は、それぞれのボイラー５１１、５１２ごとに、当該ボイラーに関する特徴量を取得する。
ここで、運転データ収集部１１１から特徴量取得部１１２には、それぞれのボイラー５１１、５１２ごとに、１種類以上のデータが入力される。そして、特徴量取得部１１２は、それぞれのボイラー５１１、５１２ごとに、所定の１種類のデータまたは所定の２種類以上のデータに基づいて、特徴量を取得する。
例えば、特徴量取得部１１２は、所定の１種類のデータをそのまま特徴量として使用してもよい。あるいは、特徴量取得部１１２は、所定の１種類のデータに対して所定の変換を行った結果のデータを特徴量として使用してもよい。
また、特徴量取得部１１２は、所定の２種類以上のデータを所定の関数に代入して得られた結果のデータを特徴量として使用してもよい。当該関数としては、様々な関数が用いられてもよい。
また、特徴量取得部１１２は、それぞれのボイラー５１１、５１２ごとに、１種類または２種類以上の特徴量を取得する。
また、特徴量取得部１１２は、所定の２種類以上のデータを所定の関数に代入して得られた結果のデータを特徴量として使用してもよい。当該関数としては、様々な関数が用いられてもよい。
また、特徴量取得部１１２は、それぞれのボイラー５１１、５１２ごとに、１種類または２種類以上の特徴量を取得する。
ここで、特徴量取得部１１２は、あらかじめ設定された条件に基づいて、運転データ収集部１１１から入力されたデータから特徴量を取得する。一例として、設定された条件として、所定の１種類のデータをそのまま特徴量として使用する条件（データの種類）が用いられてもよい。他の例として、設定された条件として、所定の１種類のデータに対して所定の変換を行った結果のデータを特徴量として使用する条件（データの種類と、変換式）が用いられてもよい。他の例として、設定された条件として、所定の２種類以上のデータを所定の関数に代入して得られた結果のデータを特徴量として使用する条件（２種類以上のデータの種類と、関数）が用いられてもよい。
本実施形態では、説明を簡易化するために、特徴量取得部１１２は、それぞれのボイラー５１１、５１２ごとに、複数種類の特徴量を取得し、すべてのボイラー５１１、５１２について同じ種類（その種類が複数ある）の特徴量を取得する場合を示す。なお、特徴量取得部１１２は、それぞれのボイラー５１１、５１２ごとに、任意の種類の特徴量を取得してもよいが、本実施形態では、少なくとも１種類の特徴量についてはボイラー５１１と他のボイラー５１２とで共通に取得する。
標準化部１１３は、特徴量取得部１１２から入力された特徴量のデータについて、所定の特徴量については標準化の処理を行い、標準化の処理が行われた特徴量のデータを記憶部１１４に出力する。また、標準化部１１３は、特徴量取得部１１２から入力された特徴量のデータについて、他の特徴量については標準化の処理を行わず、そのままの特徴量のデータを記憶部１１４に出力する。
また、標準化部１１３は、故障の判定を行う対象となるボイラー５１１に関して、特徴量取得部１１２から入力された特徴量のデータについて、所定の特徴量については標準化の処理を行い、標準化の処理が行われた特徴量のデータを故障判定部１１６に出力する。また、標準化部１１３は、故障の判定を行う対象となるボイラー５１１に関して、特徴量取得部１１２から入力された特徴量のデータについて、他の特徴量については標準化の処理を行わず、そのままの特徴量のデータを故障判定部１１６に出力する。
また、標準化部１１３は、故障の判定を行う対象となるボイラー５１１に関して、特徴量取得部１１２から入力された特徴量のデータについて、所定の特徴量については標準化の処理を行い、標準化の処理が行われた特徴量のデータを故障判定部１１６に出力する。また、標準化部１１３は、故障の判定を行う対象となるボイラー５１１に関して、特徴量取得部１１２から入力された特徴量のデータについて、他の特徴量については標準化の処理を行わず、そのままの特徴量のデータを故障判定部１１６に出力する。
ここで、特徴量取得部１１２から標準化部１１３には、それぞれのボイラー５１１、５１２ごとに、１種類以上の特徴量のデータが入力される。
また、標準化部１１３は、あらかじめ設定された条件に基づいて、ある特徴量について標準化の処理を行うか否かを判定する。一例として、設定された条件として、それぞれのボイラー５１１、５１２ごとに、すべての種類の特徴量について、標準化の処理を行うこと、または、標準化の処理を行わないことを定める条件が用いられてもよい。他の例として、設定された条件として、それぞれの特徴量の種類ごとに、すべてのボイラー５１１、５１２について、標準化の処理を行うこと、または、標準化の処理を行わないことを定める条件が用いられてもよい。他の例として、設定された条件として、それぞれのボイラー５１１、５１２ごとに、および、それぞれの特徴量の種類ごとに、標準化の処理を行うこと、または、標準化の処理を行わないことを定める条件が用いられてもよい。
なお、一例として、すべての特徴量について標準化の処理を行う構成が用いられてもよい。
また、標準化部１１３は、あらかじめ設定された条件に基づいて、ある特徴量について標準化の処理を行うか否かを判定する。一例として、設定された条件として、それぞれのボイラー５１１、５１２ごとに、すべての種類の特徴量について、標準化の処理を行うこと、または、標準化の処理を行わないことを定める条件が用いられてもよい。他の例として、設定された条件として、それぞれの特徴量の種類ごとに、すべてのボイラー５１１、５１２について、標準化の処理を行うこと、または、標準化の処理を行わないことを定める条件が用いられてもよい。他の例として、設定された条件として、それぞれのボイラー５１１、５１２ごとに、および、それぞれの特徴量の種類ごとに、標準化の処理を行うこと、または、標準化の処理を行わないことを定める条件が用いられてもよい。
なお、一例として、すべての特徴量について標準化の処理を行う構成が用いられてもよい。
本実施形態では、標準化部１１３は、標準化の処理として、複数の異なるボイラー５１１、５１２に関する同じ種類の特徴量について、平均値および標準偏差が同じになるように、当該特徴量を変換する処理を行う。本実施形態では、標準化部１１３は、複数の異なるボイラー５１１、５１２に関する同じ種類の特徴量のそれぞれについて標準化の処理を行う。他の構成例として、標準化部１１３は、複数の異なるボイラー５１１、５１２に関する同じ種類の特徴量のうちの任意の一部のみ（一部のボイラーに関する特徴量のみ）について標準化の処理を行ってもよい。
また、複数の種類の特徴量について、例えば、標準化の処理の変換式（変換後の平均値および標準偏差）が同じであってもよく、または、特徴量の種類ごとに、標準化の処理の変換式（変換後の平均値および標準偏差のうちの一方または両方）が異なってもよい。
また、複数の種類の特徴量について、例えば、標準化の処理の変換式（変換後の平均値および標準偏差）が同じであってもよく、または、特徴量の種類ごとに、標準化の処理の変換式（変換後の平均値および標準偏差のうちの一方または両方）が異なってもよい。
標準化の処理の一例として、変換後における特徴量の平均値を０とし標準偏差を１とする場合を示す。
あるボイラー（本実施形態では、ボイラー５１１またはボイラー５１２）に関するある種類の特徴量について、標準化の処理が行われる前における特徴量をＸｂとし、標準化の処理が行われた後における特徴量（変換後の特徴量）をＸａとすると、式（１）を演算する処理が標準化の処理として用いられる。
あるボイラー（本実施形態では、ボイラー５１１またはボイラー５１２）に関するある種類の特徴量について、標準化の処理が行われる前における特徴量をＸｂとし、標準化の処理が行われた後における特徴量（変換後の特徴量）をＸａとすると、式（１）を演算する処理が標準化の処理として用いられる。
ここで、平均値０および標準偏差１の標準化の処理は一例であり、平均値および標準偏差のそれぞれとしては任意の値が用いられてもよい。
このような標準化の処理を行うと、レベルやばらつき（尺度）が異なるそれぞれの特徴量の分布を、平均値０および標準偏差１の分布となるように、変換することができる。本実施形態では、故障の判定を行う対象となるボイラー５１１と他のボイラー５１２とで、同じ種類の特徴量を比較することが可能なように、標準化部１１３は、同じ種類の特徴量について同じ標準化の処理（同じ平均値および標準偏差となるように変換する処理）を行う。
このような標準化の処理を行うと、レベルやばらつき（尺度）が異なるそれぞれの特徴量の分布を、平均値０および標準偏差１の分布となるように、変換することができる。本実施形態では、故障の判定を行う対象となるボイラー５１１と他のボイラー５１２とで、同じ種類の特徴量を比較することが可能なように、標準化部１１３は、同じ種類の特徴量について同じ標準化の処理（同じ平均値および標準偏差となるように変換する処理）を行う。
なお、複数の異なるボイラー（本実施形態では、ボイラー５１１、５１２）に関する同じ種類の特徴量について、任意の１個のボイラーに関する特徴量の平均値および標準偏差を標準として、当該１個のボイラーに関する特徴量については標準化の処理を行わずに、他のボイラーに関する特徴量について標準化の処理（当該１個のボイラーに合わせる処理）を行ってもよい。
また、仮想的なボイラーを想定して、当該仮想的なボイラーにおける平均値および標準偏差を標準として、標準化の処理が行われてもよい。
また、仮想的なボイラーを想定して、当該仮想的なボイラーにおける平均値および標準偏差を標準として、標準化の処理が行われてもよい。
また、運転データ収集部１１１により収集されるボイラー（本実施形態では、ボイラー５１１、５１２）に関するデータとして、当該ボイラーが正常な状態であるときにおけるデータと、当該ボイラーが異常な状態であるときにおけるデータがある場合には、例えば、当該ボイラーが正常な状態であるときにおけるデータを用いて標準化が行われると好ましい場合がある。他の構成例として、当該ボイラーが正常な状態であるときにおけるデータと、当該ボイラーが異常な状態であるときにおけるデータとの両方を用いて標準化が行われてもよい。
記憶部１１４は、標準化部１１３から入力された特徴量のデータを記憶する。
ここで、標準化部１１３から記憶部１１４には、それぞれのボイラー５１１、５１２ごとに、特徴量のデータが入力される。当該特徴量のデータは、標準化部１１３により標準化の処理が行われたものについては標準化の処理が行われた特徴量のデータであり、標準化部１１３により標準化の処理が行われていないものについては標準化の処理が行われていない特徴量（特徴量取得部１１２により取得された特徴量）のデータである。
記憶部１１４は、それぞれのボイラー５１１、５１２ごとに、それぞれの特徴量の種類ごとに、標準化部１１３から入力された特徴量のデータを記憶する。
記憶部１１４には、それぞれのボイラー５１１、５１２ごとに、それぞれの特徴量の種類ごとに、時系列で続く特徴量のデータが蓄積（記憶）される。
ここで、標準化部１１３から記憶部１１４には、それぞれのボイラー５１１、５１２ごとに、特徴量のデータが入力される。当該特徴量のデータは、標準化部１１３により標準化の処理が行われたものについては標準化の処理が行われた特徴量のデータであり、標準化部１１３により標準化の処理が行われていないものについては標準化の処理が行われていない特徴量（特徴量取得部１１２により取得された特徴量）のデータである。
記憶部１１４は、それぞれのボイラー５１１、５１２ごとに、それぞれの特徴量の種類ごとに、標準化部１１３から入力された特徴量のデータを記憶する。
記憶部１１４には、それぞれのボイラー５１１、５１２ごとに、それぞれの特徴量の種類ごとに、時系列で続く特徴量のデータが蓄積（記憶）される。
故障状態学習部１１５は、記憶部１１４に記憶された特徴量のデータに基づいて、所定の学習の処理を行う。本実施形態では、当該学習の処理として、教師ありの学習の処理が用いられる。
故障状態学習部１１５は、学習の結果の情報を故障判定部１１６に出力する。
故障状態学習部１１５は、学習の結果の情報を故障判定部１１６に出力する。
ここで、本実施形態では、「故障」は、ボイラーが完全に壊れて使用不可能な状態ばかりでなく、ボイラーに異常が発生して正常ではなくなっている状態も含む。すなわち、本実施形態では、「故障」は、ボイラーが正常な状態ではなくなり当該ボイラーに異常が発生し始めたときから当該ボイラーが完全に壊れるまでの間における任意の状態を含む。
また、本実施形態では、ボイラーの故障の一例は、チューブリークである。
また、本実施形態では、ボイラーの故障の一例は、チューブリークである。
本実施形態では、故障状態学習部１１５は、ボイラーが正常である状態における特徴量のデータと、当該ボイラーが異常である状態における特徴量のデータとの両方に基づいて、学習を行う。具体例として、故障状態学習部１１５は、あるボイラーが正常である状態から異常な状態（当該ボイラーに異常が発生した状態）へ移行していくときにおける特徴量のデータに基づいて、学習を行う
ここで、学習は、例えば、１個のボイラーに関する特徴量のデータに基づいて行われてもよく、または、２個以上の異なるボイラーに関する特徴量のデータに基づいて行われてもよい。
また、学習は、例えば、故障の判定を行う対象となるボイラー５１１以外のボイラー（他のボイラー５１２）に関する特徴量のデータに基づいて行われてもよく、または、故障の判定を行う対象となるボイラー５１１に関する特徴量のデータと、他のボイラー５１２に関する特徴量のデータとの両方に基づいて行われてもよい。
他の構成例として、故障の判定を行う対象となるボイラー５１１に関する特徴量のデータに基づいて学習が行われる場合があってもよい。
なお、本実施形態では、標準化部１１３に入力されるすべての特徴量のデータ（標準化の処理が行われるものは標準化の処理の後のデータ）について記憶部１１４に記憶する構成としたが、少なくとも学習に使用されるデータが記憶部１１４に記憶されればよい。
また、学習は、例えば、故障の判定を行う対象となるボイラー５１１以外のボイラー（他のボイラー５１２）に関する特徴量のデータに基づいて行われてもよく、または、故障の判定を行う対象となるボイラー５１１に関する特徴量のデータと、他のボイラー５１２に関する特徴量のデータとの両方に基づいて行われてもよい。
他の構成例として、故障の判定を行う対象となるボイラー５１１に関する特徴量のデータに基づいて学習が行われる場合があってもよい。
なお、本実施形態では、標準化部１１３に入力されるすべての特徴量のデータ（標準化の処理が行われるものは標準化の処理の後のデータ）について記憶部１１４に記憶する構成としたが、少なくとも学習に使用されるデータが記憶部１１４に記憶されればよい。
ここで、故障状態学習部１１５には、例えば、故障したボイラー（本実施形態では、例えば、他のボイラー５１２）を特定する情報、および当該ボイラーが故障したタイミングを特定する情報が入力される。故障状態学習部１１５は、これらの情報に基づいて、あるボイラーが正常な状態から異常な状態へ移行していくときにおける特徴量のデータを、記憶部１１４に記憶されたデータのなかから、特定することができる。これらの情報は、例えば、オペレータ（人）が操作部（キーボードあるいはマウスなど）を操作することで故障状態学習部１１５に入力されてもよく、任意の装置（記憶媒体でもよい。）から出力された当該情報が故障状態学習部１１５に入力されてもよい。
なお、それぞれのボイラー５１１、５１２を特定する情報としては、例えば、識別情報のように、任意の情報が用いられてもよい。また、タイミングを特定する情報としては、例えば、生年月日時刻の情報のように、任意の情報が用いられてもよい。
なお、それぞれのボイラー５１１、５１２を特定する情報としては、例えば、識別情報のように、任意の情報が用いられてもよい。また、タイミングを特定する情報としては、例えば、生年月日時刻の情報のように、任意の情報が用いられてもよい。
このように、故障状態学習部１１５は、運転データ収集部１１１により収集されたデータに基づいて得られた特徴量を用いて、ボイラーの正常時及び異常時の運転状態を統計的解析手法により定義（本実施形態では、このことを故障状態の学習と呼ぶ。）し、故障を判定する基準を生成する。
他の構成例として、故障状態学習部１１５は、他のシステムによって過去に収集されたデータ（例えば、故障事例のデータ）に基づいて得られた特徴量を用いて、学習を行ってもよい。この場合、当該収集されたデータあるいは当該特徴量のデータが外部から故障判定システム１（例えば、運転データ収集部１１１、あるいは記憶部１１４、あるいは故障状態学習部１１５など）に供給される。
他の構成例として、故障状態学習部１１５は、他のシステムによって過去に収集されたデータ（例えば、故障事例のデータ）に基づいて得られた特徴量を用いて、学習を行ってもよい。この場合、当該収集されたデータあるいは当該特徴量のデータが外部から故障判定システム１（例えば、運転データ収集部１１１、あるいは記憶部１１４、あるいは故障状態学習部１１５など）に供給される。
ここで、故障状態学習部１１５において使用される統計的解析手法について説明する。
当該統計的解析手法としては、様々な手法が用いられてもよく、例えば、ロジスティック回帰、重回帰分析、決定木分析、ニューラルネットワーク分析、ＳＶＭ（サポートベクターマシン）分析などの手法が用いられてもよい。
当該統計的解析手法としては、様々な手法が用いられてもよく、例えば、ロジスティック回帰、重回帰分析、決定木分析、ニューラルネットワーク分析、ＳＶＭ（サポートベクターマシン）分析などの手法が用いられてもよい。
具体例として、教師あり学習におけるロジスティック回帰分析におけるモデル式の一例を式（２）に示し、故障確率Ｐの一例を式（３）に示す。
式（２）および式（３）の例では、４個の異なる種類の特徴量（特徴量Ｘ１、特徴量Ｘ２、特徴量Ｘ３、特徴量Ｘ４）が用いられている。また、ｂ０～ｂ４は回帰係数である。また、ｅは自然対数の底（ネイピア数）である。
式（２）および式（３）の例では、４個の異なる種類の特徴量（特徴量Ｘ１、特徴量Ｘ２、特徴量Ｘ３、特徴量Ｘ４）が用いられている。また、ｂ０～ｂ４は回帰係数である。また、ｅは自然対数の底（ネイピア数）である。
ここで、それぞれの種類の特徴量（特徴量Ｘ１、特徴量Ｘ２、特徴量Ｘ３、特徴量Ｘ４）について行われる標準化の処理は、標準化の処理の後における平均値および標準偏差が同じであってもよく、または、特徴量の種類ごとに異なっていてもよい。ロジスティック回帰分析では、平均値０および標準偏差１とする標準化が好ましい場合がある。
なお、故障状態学習部１１５は、１種類の統計的解析手法を使用して分析を行ってもよく、または、２種類以上の統計的解析手法を使用して分析を行ってもよい。例えば、ニューラルネットワーク分析などにおいて、平均値１００および標準偏差１０などとする標準化が用いられてもよい。
また、故障状態学習部１１５により行われる学習の期間としては、様々な期間が用いられてもよい。
なお、故障状態学習部１１５は、１種類の統計的解析手法を使用して分析を行ってもよく、または、２種類以上の統計的解析手法を使用して分析を行ってもよい。例えば、ニューラルネットワーク分析などにおいて、平均値１００および標準偏差１０などとする標準化が用いられてもよい。
また、故障状態学習部１１５により行われる学習の期間としては、様々な期間が用いられてもよい。
故障判定部１１６は、故障状態学習部１１５から学習の結果の情報を入力するとともに、標準化部１１３から故障の判定を行う対象となるボイラー５１１に関する特徴量のデータ（標準化の処理が行われるものは標準化の処理の後のデータ）を入力する。
そして、故障判定部１１６は、故障状態学習部１１５から入力された学習の結果の情報に基づいて、標準化部１１３から入力された故障の判定を行う対象となるボイラー５１１に関する特徴量のデータについて、故障の判定を行う。
また、故障判定部１１６は、故障の判定を行う対象となるボイラー５１１に関して、故障の判定の結果の情報を出力部２３に出力する。
そして、故障判定部１１６は、故障状態学習部１１５から入力された学習の結果の情報に基づいて、標準化部１１３から入力された故障の判定を行う対象となるボイラー５１１に関する特徴量のデータについて、故障の判定を行う。
また、故障判定部１１６は、故障の判定を行う対象となるボイラー５１１に関して、故障の判定の結果の情報を出力部２３に出力する。
ここで、故障の判定を行う対象となるボイラー５１１に関する特徴量のデータとしては、学習の結果の情報に対応した種類の特徴量のデータが用いられる。すなわち、故障の判定を行う対象となるボイラー５１１に関して、学習で使用された特徴量と同じ種類の特徴量（１種類以上の特徴量）のデータが判定に用いられる。
なお、故障状態学習部１１５から故障判定部１１６に入力される学習の結果の情報としては、少なくとも故障判定部１１６における故障の判定の処理に使用される情報を含めばよい。同様に、標準化部１１３から故障判定部１１６に入力される特徴量のデータとしては、少なくとも故障判定部１１６における故障の判定の処理に使用されるデータを含めばよい。
なお、故障状態学習部１１５から故障判定部１１６に入力される学習の結果の情報としては、少なくとも故障判定部１１６における故障の判定の処理に使用される情報を含めばよい。同様に、標準化部１１３から故障判定部１１６に入力される特徴量のデータとしては、少なくとも故障判定部１１６における故障の判定の処理に使用されるデータを含めばよい。
故障判定部１１６は、故障状態学習部１１５における学習に使用される統計的解析手法と同じ統計的解析手法を使用して、故障の判定を行う。
具体例として、故障判定部１１６は、ロジスティック回帰分析を使用して、故障の判定を行う。この場合、学習の結果の情報としては、例えば、ロジスティック回帰分析におけるモデル式および回帰係数の情報を含む。また、この場合、故障の判定を行う対象となるボイラー５１１に関する特徴量のデータとしては、当該ロジスティック回帰分析に使用される特徴量のデータを含み、一例として、式（２）および式（３）の例では、４個の異なる種類の特徴量（特徴量Ｘ１、特徴量Ｘ２、特徴量Ｘ３、特徴量Ｘ４）のデータを含む。
具体例として、故障判定部１１６は、ロジスティック回帰分析を使用して、故障の判定を行う。この場合、学習の結果の情報としては、例えば、ロジスティック回帰分析におけるモデル式および回帰係数の情報を含む。また、この場合、故障の判定を行う対象となるボイラー５１１に関する特徴量のデータとしては、当該ロジスティック回帰分析に使用される特徴量のデータを含み、一例として、式（２）および式（３）の例では、４個の異なる種類の特徴量（特徴量Ｘ１、特徴量Ｘ２、特徴量Ｘ３、特徴量Ｘ４）のデータを含む。
故障判定部１１６は、学習の結果の情報を故障の判定の基準として、当該基準と、故障の判定を行う対象となるボイラー５１１に関する特徴量のデータをモデル式に代入した結果とを比較して、故障の判定を行う。具体例として、ロジスティック回帰分析では、故障の判定を行う対象となるボイラー５１１に関する特徴量のデータが、学習に係るボイラーが正常な状態から異常な状態へ移行していくときにおける振舞い（変化）に近似するか否か、または、これらの近似度を決定する。
一例として、故障判定部１１６は、故障の判定を行う対象となるボイラー５１１に関する特徴量のデータが、学習に係るボイラーが正常な状態から異常な状態へ移行していくときにおける振舞い（変化）に近似すると判定した場合には故障が有る（故障が発生した）と決定（判定）し、当該振舞いに近似しないと判定した場合には故障が無い（故障が発生していない）と決定（判定）する。
他の例として、故障の判定を行う対象となるボイラー５１１に関する特徴量のデータについて、学習に係るボイラーが正常な状態から異常な状態へ移行していくときにおける振舞い（変化）との近似度を決定（例えば、演算）する。当該近似度としては、例えば、故障確率（例えば、式（３）に示される故障確率Ｐ）の値が用いられてもよい。
一例として、ボイラーにおけるチューブリークの故障では、通常、徐々に異常の度合いが上昇していき、本実施形態では、このような異常の度合いを故障確率として特定することが可能である。
他の例として、故障の判定を行う対象となるボイラー５１１に関する特徴量のデータについて、学習に係るボイラーが正常な状態から異常な状態へ移行していくときにおける振舞い（変化）との近似度を決定（例えば、演算）する。当該近似度としては、例えば、故障確率（例えば、式（３）に示される故障確率Ｐ）の値が用いられてもよい。
一例として、ボイラーにおけるチューブリークの故障では、通常、徐々に異常の度合いが上昇していき、本実施形態では、このような異常の度合いを故障確率として特定することが可能である。
教師ありの統計的解析手法を使用した故障の判定では、例えば、異常の徴候を捉える１種類以上の特徴量を使用して分析を行うことで、特定の故障を検出する能力を高くすることができる。
出力部２３は、故障判定部１１６から入力された情報（故障の判定の結果の情報）に基づいて、故障の判定を行う対象となるボイラー５１１に関して、故障の判定の結果に関する情報を出力する。当該情報を出力する態様としては、例えば、当該情報をディスプレイ装置の画面に表示出力する態様、あるいは、当該情報をスピーカ装置から音出力する態様などのうちの１以上が用いられてもよい。
一例として、出力部２３は、故障の有無に応じて異なる情報を出力してもよい。具体的には、出力部２３は、故障が有る場合と、故障が無い場合とで、異なる情報を出力してもよい。例えば、出力部２３は、故障が有る場合に、警報（警告）となる情報を出力することが可能である。
他の例として、出力部２３は、故障の進行の度合い（例えば、故障確率）に応じて異なる情報を出力してもよい。具体的には、出力部２３は、故障の進行の度合いと１個以上の所定の閾値との大小関係に応じて異なる情報を出力してもよい。具体例として、出力部２３は、故障の進行の度合いの範囲（例えば、０％以上２０％未満の範囲、２０％以上４０％未満の範囲、４０％以上６０％未満の範囲、６０％以上８０％未満の範囲、８０％以上１００％以下の範囲）のそれぞれに応じて、異なる情報を出力してもよい。出力部２３は、故障の進行の度合いが大きい場合（例えば、４０％以上の範囲である場合など）に、警報（警告）となる情報を出力することが可能である。
他の例として、出力部２３は、故障の進行の度合い（例えば、故障確率）に応じて異なる情報を出力してもよい。具体的には、出力部２３は、故障の進行の度合いと１個以上の所定の閾値との大小関係に応じて異なる情報を出力してもよい。具体例として、出力部２３は、故障の進行の度合いの範囲（例えば、０％以上２０％未満の範囲、２０％以上４０％未満の範囲、４０％以上６０％未満の範囲、６０％以上８０％未満の範囲、８０％以上１００％以下の範囲）のそれぞれに応じて、異なる情報を出力してもよい。出力部２３は、故障の進行の度合いが大きい場合（例えば、４０％以上の範囲である場合など）に、警報（警告）となる情報を出力することが可能である。
ここで、本実施形態に係るボイラーの故障判定システム１は、遠隔監視に適用されてもよい。
例えば、複数のボイラー（本実施形態では、ボイラー５１１、５１２）のうちの一部または全部が、故障判定装置１１に対して遠隔に存在してもよい。この場合、例えば、自装置センサー群２１が有するセンサーは、監視（本実施形態では、故障の判定のための監視）の対象となるボイラー５１１の設置場所（例えば、ボイラーの内部または周辺の外部）に設けられる。また、例えば、他装置センサー群２２が有するセンサーは、当該センサーによる監視（本実施形態では、故障の判定に利用するための監視）の対象となるボイラー（本実施形態では、他のボイラー５１２）の設置場所に設けられる。このように、それぞれのセンサーは、当該センサーによる監視の対象となるボイラーの設置場所に設けることもできる。
また、自装置センサー群２１あるいは他装置センサー群２２（それぞれのセンサー）と故障判定装置１１との間の通信は、例えば、有線のケーブルを介して行われてもよく、または、無線を介して行われてもよい。また、当該通信は、例えば、中継装置を介して行われてもよい。
例えば、複数のボイラー（本実施形態では、ボイラー５１１、５１２）のうちの一部または全部が、故障判定装置１１に対して遠隔に存在してもよい。この場合、例えば、自装置センサー群２１が有するセンサーは、監視（本実施形態では、故障の判定のための監視）の対象となるボイラー５１１の設置場所（例えば、ボイラーの内部または周辺の外部）に設けられる。また、例えば、他装置センサー群２２が有するセンサーは、当該センサーによる監視（本実施形態では、故障の判定に利用するための監視）の対象となるボイラー（本実施形態では、他のボイラー５１２）の設置場所に設けられる。このように、それぞれのセンサーは、当該センサーによる監視の対象となるボイラーの設置場所に設けることもできる。
また、自装置センサー群２１あるいは他装置センサー群２２（それぞれのセンサー）と故障判定装置１１との間の通信は、例えば、有線のケーブルを介して行われてもよく、または、無線を介して行われてもよい。また、当該通信は、例えば、中継装置を介して行われてもよい。
また、故障判定装置１１に備えられる各処理部（運転データ収集部１１１、特徴量取得部１１２、標準化部１１３、記憶部１１４、故障状態学習部１１５、故障判定部１１６）は、例えば、本実施形態のように１個の筐体に収容されて設けられてもよく、または、別の筐体に収容されて分散されて設けられてもよい。
なお、他の構成例として、故障判定装置１１は、本実施形態において備えられる処理部（運転データ収集部１１１、特徴量取得部１１２、標準化部１１３、記憶部１１４、故障状態学習部１１５、故障判定部１１６）のうち、少なくとも故障判定部１１６を備える構成が用いられてもよく、あるいは、少なくとも故障状態学習部１１５および故障判定部１１６を備える構成が用いられてもよく、あるいは、少なくとも標準化部１１３および故障判定部１１６を備える構成が用いられてもよく、あるいは、少なくとも標準化部１１３、故障状態学習部１１５および故障判定部１１６を備える構成が用いられてもよい。
なお、他の構成例として、故障判定装置１１は、本実施形態において備えられる処理部（運転データ収集部１１１、特徴量取得部１１２、標準化部１１３、記憶部１１４、故障状態学習部１１５、故障判定部１１６）のうち、少なくとも故障判定部１１６を備える構成が用いられてもよく、あるいは、少なくとも故障状態学習部１１５および故障判定部１１６を備える構成が用いられてもよく、あるいは、少なくとも標準化部１１３および故障判定部１１６を備える構成が用いられてもよく、あるいは、少なくとも標準化部１１３、故障状態学習部１１５および故障判定部１１６を備える構成が用いられてもよい。
また、本実施形態に係るボイラーの故障判定システム１では、故障判定装置１１により行われた故障の判定の結果に基づいてサービスを提供することが行われてもよい。
当該サービスとしては、様々なサービスが用いられてもよく、例えば、故障の判定を行う対象となるボイラー５１１について得られた故障の判定の結果に応じて当該ボイラー５１１に関して行われるサービスが用いられる。
このようなサービスとしては、例えば、故障の判定の結果に関する情報などの通知、助言、ボイラー５１１のパトロール、ボイラー５１１の修理、ボイラー５１１の部品の発注などのうちの１以上が用いられてもよい。
当該サービスとしては、様々なサービスが用いられてもよく、例えば、故障の判定を行う対象となるボイラー５１１について得られた故障の判定の結果に応じて当該ボイラー５１１に関して行われるサービスが用いられる。
このようなサービスとしては、例えば、故障の判定の結果に関する情報などの通知、助言、ボイラー５１１のパトロール、ボイラー５１１の修理、ボイラー５１１の部品の発注などのうちの１以上が用いられてもよい。
例えば、故障の判定の結果として得られた故障確率の値に応じて、提供するサービスの内容を切り替えることが行われてもよい。
一例として、故障確率が２０％未満であるときにはサービス（ここでは、故障確率に基づくサービスのこと）は無く、故障確率が２０％に達したら担当者に通知（例えば、警告）を行うサービスを開始するとともに、対象のボイラー５１１を監視者が見に行くサービスを行い、故障確率が４０％に達したら対象のボイラー５１１を監視者が見に行く頻度（パトロールの頻度）を上げるサービスを行い、故障確率が６０％に達したら対象のボイラー５１１を修理するサービスを行い、故障確率が８０％に達したら対象のボイラー５１１の運転を停止させるサービスを行う、といったことが可能である。なお、それぞれのサービスは任意の内容であってもよく、また、それぞれのサービスを行うタイミング（ここでは、故障確率の閾値）は任意の値であってもよい。
一例として、故障確率が２０％未満であるときにはサービス（ここでは、故障確率に基づくサービスのこと）は無く、故障確率が２０％に達したら担当者に通知（例えば、警告）を行うサービスを開始するとともに、対象のボイラー５１１を監視者が見に行くサービスを行い、故障確率が４０％に達したら対象のボイラー５１１を監視者が見に行く頻度（パトロールの頻度）を上げるサービスを行い、故障確率が６０％に達したら対象のボイラー５１１を修理するサービスを行い、故障確率が８０％に達したら対象のボイラー５１１の運転を停止させるサービスを行う、といったことが可能である。なお、それぞれのサービスは任意の内容であってもよく、また、それぞれのサービスを行うタイミング（ここでは、故障確率の閾値）は任意の値であってもよい。
［ボイラーの故障判定装置における処理］
図２は、実施形態に係るボイラーの故障判定装置１１において行われる学習のための処理の手順の一例を示した図である。
運転データ収集部１１１は、データ（運転データ）を収集する（ステップＳ１）。当該データは、少なくとも故障の判定を行う対象となるボイラー５１１以外のボイラー（他のボイラー５１２）に関するデータを含む。
特徴量取得部１１２は、運転データ収集部１１１により取得されたデータに基づいて、特徴量を取得する（ステップＳ２）。
標準化部１１３は、特徴量取得部１１２により取得された特徴量に関して、標準化の処理を行う（ステップＳ３）。
記憶部１１４は、特徴量取得部１１２により取得された特徴量について、当該特徴量そのままのデータ、または、当該特徴量に対して標準化の処理が行われた後の特徴量のデータを記憶する（ステップＳ４）。
故障状態学習部１１５は、記憶部１１４に記憶された特徴量のデータに基づいて、教師ありの学習を行う（ステップＳ５）。
図２は、実施形態に係るボイラーの故障判定装置１１において行われる学習のための処理の手順の一例を示した図である。
運転データ収集部１１１は、データ（運転データ）を収集する（ステップＳ１）。当該データは、少なくとも故障の判定を行う対象となるボイラー５１１以外のボイラー（他のボイラー５１２）に関するデータを含む。
特徴量取得部１１２は、運転データ収集部１１１により取得されたデータに基づいて、特徴量を取得する（ステップＳ２）。
標準化部１１３は、特徴量取得部１１２により取得された特徴量に関して、標準化の処理を行う（ステップＳ３）。
記憶部１１４は、特徴量取得部１１２により取得された特徴量について、当該特徴量そのままのデータ、または、当該特徴量に対して標準化の処理が行われた後の特徴量のデータを記憶する（ステップＳ４）。
故障状態学習部１１５は、記憶部１１４に記憶された特徴量のデータに基づいて、教師ありの学習を行う（ステップＳ５）。
図３は、実施形態に係るボイラーの故障判定装置１１において行われる判定のための処理の手順の一例を示した図である。
運転データ収集部１１１は、故障の判定を行う対象となるボイラー５１１に関するデータ（運転データ）を収集する（ステップＳ１１）。
特徴量取得部１１２は、運転データ収集部１１１により取得されたデータに基づいて、特徴量を取得する（ステップＳ１２）。
標準化部１１３は、特徴量取得部１１２により取得された特徴量に関して、標準化を行うことが定められている場合には、標準化の処理を行う（ステップＳ１３）。なお、標準化部１１３は、特徴量取得部１１２により取得された特徴量に関して、標準化を行うことが定められていない場合には、標準化の処理を行わない。
故障判定部１１６は、故障状態学習部１１５により行われた学習の処理の結果に基づいて、故障の判定を行う対象となるボイラー５１１に関する特徴量（標準化が行われた場合には標準化の後の特徴量）について、故障の判定を行う（ステップＳ１４）。
故障判定部１１６は、故障の判定結果に関する情報を出力する（ステップＳ１５）。当該情報は、出力部２３により表示出力などされる。
運転データ収集部１１１は、故障の判定を行う対象となるボイラー５１１に関するデータ（運転データ）を収集する（ステップＳ１１）。
特徴量取得部１１２は、運転データ収集部１１１により取得されたデータに基づいて、特徴量を取得する（ステップＳ１２）。
標準化部１１３は、特徴量取得部１１２により取得された特徴量に関して、標準化を行うことが定められている場合には、標準化の処理を行う（ステップＳ１３）。なお、標準化部１１３は、特徴量取得部１１２により取得された特徴量に関して、標準化を行うことが定められていない場合には、標準化の処理を行わない。
故障判定部１１６は、故障状態学習部１１５により行われた学習の処理の結果に基づいて、故障の判定を行う対象となるボイラー５１１に関する特徴量（標準化が行われた場合には標準化の後の特徴量）について、故障の判定を行う（ステップＳ１４）。
故障判定部１１６は、故障の判定結果に関する情報を出力する（ステップＳ１５）。当該情報は、出力部２３により表示出力などされる。
なお、本実施形態では、図２に示されるステップＳ１の処理、ステップＳ２の処理、ステップＳ３の処理は、それぞれ、図３に示されるステップＳ１１の処理、ステップＳ１２の処理、ステップＳ１３の処理と、共通の処理（同じ処理、または、類似する処理）としてまとめて行われてもよく、または、別個な処理として行われてもよい。
図４は、実施形態に係る時間に対する故障確率の変化の特性２１１の一例を示す図である。
図４に示されるグラフでは、横軸は時刻（時間の経過）を表わしており、縦軸は故障確率を表わしている。また、特性２１１は、教師あり学習で使用されるモデル式（一例として、ロジスティック回帰分析におけるモデル式）に故障の判定を行う対象となるボイラー５１１に関する特徴量を代入した結果（図４の例では、故障確率の計算結果）の特性を表わしている。
図４の例では、特性２１１は、ボイラー５１１に発生した異常（故障）が時刻の進みに応じて進展していく様子を表わしている。
図４に示されるグラフでは、横軸は時刻（時間の経過）を表わしており、縦軸は故障確率を表わしている。また、特性２１１は、教師あり学習で使用されるモデル式（一例として、ロジスティック回帰分析におけるモデル式）に故障の判定を行う対象となるボイラー５１１に関する特徴量を代入した結果（図４の例では、故障確率の計算結果）の特性を表わしている。
図４の例では、特性２１１は、ボイラー５１１に発生した異常（故障）が時刻の進みに応じて進展していく様子を表わしている。
図４の例では、故障判定部１１６は、過去に他のボイラー５１２に故障が発生したときにおける当該他のボイラー５１２に関する特徴量（他の例として、別のボイラーに関する特徴量が含まれてもよい。）を用いて学習した結果の特性と、現在において故障の判定を行う対象となるボイラー５１１に関する特徴量から得られた特性とに基づいて、故障確率（図４の例では、故障確率の特性２１１）を求める。
図５は、ボイラー５１１の故障の一例を示す概略図である。
概略的な構成として、ボイラー５１１は、熱源５３１と、給水路５５１と、蒸気路５５２を備える。給水路５５１により水が給水され、当該水が熱源５３１により蒸気に変換され、当該蒸気が蒸気路５５２により外部に供給される。図５の例では、給水路５５１と蒸気路５５２との間の部分に故障個所５７１が発生している。図５の例では、故障個所５７１で、チューブリークが発生している。
概略的な構成として、ボイラー５１１は、熱源５３１と、給水路５５１と、蒸気路５５２を備える。給水路５５１により水が給水され、当該水が熱源５３１により蒸気に変換され、当該蒸気が蒸気路５５２により外部に供給される。図５の例では、給水路５５１と蒸気路５５２との間の部分に故障個所５７１が発生している。図５の例では、故障個所５７１で、チューブリークが発生している。
［実施形態のまとめ］
以上のように、本実施形態に係るボイラーの故障判定システム１における故障判定装置１１では、特徴量に関する標準化の処理を行うことにより、故障の判定を行う対象となるボイラー５１１以外のボイラー（本実施形態では、他のボイラー５１２）に関する特徴量を用いて、故障の判定を行う対象となるボイラー５１１について故障の判定を行うことができる。このため、例えば、故障の判定を行う対象となるボイラー５１１において故障が発生したことがない場合においても、故障が発生したことがある他のボイラー５１２に関する情報に基づいて、故障の判定を行うことが可能である。
以上のように、本実施形態に係るボイラーの故障判定システム１における故障判定装置１１では、特徴量に関する標準化の処理を行うことにより、故障の判定を行う対象となるボイラー５１１以外のボイラー（本実施形態では、他のボイラー５１２）に関する特徴量を用いて、故障の判定を行う対象となるボイラー５１１について故障の判定を行うことができる。このため、例えば、故障の判定を行う対象となるボイラー５１１において故障が発生したことがない場合においても、故障が発生したことがある他のボイラー５１２に関する情報に基づいて、故障の判定を行うことが可能である。
本実施形態に係るボイラーの故障の判定を行う技術は、例えば、実際に運用されているボイラーの数が多くない場合、あるいは、実際に運用されている複数のボイラーの大きさまたは形式などが異なる場合、あるいは、実際に運用されているボイラーにおいて故障が発生した事例が少ない場合などに、特に有効である。
また、本実施形態に係るボイラーの故障判定システム１における故障判定装置１１では、ボイラーが正常な状態であるときにおけるデータと当該ボイラーが異常な状態であるときにおけるデータとの両方に基づく学習の結果に基づいて、故障の判定を行う対象となるボイラー５１１に関する特徴量から得られるモデル式が、故障が発生したときの振舞いに類似するか否か、あるいは、類似する度合いを求めるため、このような直接的な類似度の推定により、故障の判定の精度の向上あるいは故障の判定の速度の向上を図ることができる。
具体例として、本実施形態に係る故障判定装置１１では、教師ありの学習が用いられているため、例えば、教師無しの学習が用いられる場合と比べて、確度を高めることが可能である。一例として、教師無しの学習であるクラスタ分析手法では、運転状態の属性分けの処理を行う必要があり、クラスタ分類の処理を行う必要があるが、本実施形態では、このような必要性を無くすことが可能である。また、クラスタ分析手法では故障または非故障といった2値情報だけを得ることが可能であるが、本実施形態では、故障度合いを故障確率として得ることが可能である。
また、本実施形態に係るボイラーの故障判定システム１における故障判定装置１１では、例えば、故障（例えば、チューブリーク）の検知のために専用の計測設備を導入しなくても、故障の判定が可能であり、故障の判定を行う対象となるボイラー５１１における故障の拡大（異常の程度の拡大）あるいは経済損失の拡大を防止することが可能である。
一構成例として、ボイラーの故障判定装置（図１の例では、故障判定装置１１）は、故障判定対象の第１のボイラー（図１の例では、ボイラー５１１）に関するデータに基づく特徴量（第１の特徴量）、および少なくとも第１のボイラー以外の第２のボイラー（図１の例では、他のボイラー５１２）に関するデータを含むデータに基づく特徴量（第２の特徴量）のうちの一方または両方について標準化が行われた結果に基づいて、第１の特徴量について、第２の特徴量を用いて、故障の判定を行う、故障判定部（図１の例では、故障判定部１１６）を備える。
一構成例として、ボイラーの故障判定装置において、故障判定対象の第１のボイラーに関するデータに基づいて第１の特徴量を取得し、少なくとも第１のボイラー以外の第２のボイラーに関するデータを含むデータに基づいて第２の特徴量を取得する特徴量取得部（図１の例では、特徴量取得部１１２）と、特徴量取得部により取得された第１の特徴量および第２の特徴量のうちの一方または両方について標準化を行う標準化部（図１の例では、標準化部１１３）と、を備え、故障判定部は、標準化部により行われた標準化の結果に基づいて、第１の特徴量について、第２の特徴量を用いて、故障の判定を行う。
一構成例として、ボイラーの故障判定装置において、故障判定部は、標準化の結果に基づいて、第１の特徴量および第２の特徴量のそれぞれが所定のモデル（本実施形態では、例えば、ロジスティック回帰分析などのモデル）にあてはめられた結果に基づいて、故障の判定を行う。
一構成例として、ボイラーの故障判定装置において、第２のボイラーに関するデータは、第２のボイラーが正常な状態であるときにおけるデータと、第２のボイラーが異常な状態であるときにおけるデータとの両方を含む。
一構成例として、ボイラーの故障判定方法（図１の例では、故障判定装置１１において行われる故障の判定の方法）は、故障判定対象の第１のボイラーに関するデータに基づく第１の特徴量、および少なくとも第１のボイラー以外の第２のボイラーに関するデータを含むデータに基づく第２の特徴量のうちの一方または両方について標準化が行われた結果に基づいて、第１の特徴量について、第２の特徴量を用いて、故障の判定を行う。
一構成例として、サービス方法（図１の例では、故障判定装置１１による故障の判定の結果に基づいて行われるサービス）は、上記したボイラーの故障判定方法により行われた故障の判定の結果に基づいて、所定のサービスを提供する。
一構成例として、サービス方法（図１の例では、故障判定装置１１による故障の判定の結果に基づいて行われるサービス）は、上記したボイラーの故障判定方法により行われた故障の判定の結果に基づいて、所定のサービスを提供する。
ここで、以上に説明した装置（例えば、故障判定装置１１、自装置センサー群２１、あるいは他装置センサー群２２など）における任意の処理部を実現するためのプログラムを、コンピュータ読み取り可能な記憶媒体（記録媒体）に記憶（記録）し、そのプログラムをコンピュータシステムに読み込ませて実行するようにしてもよい。記憶媒体は、一例として、非一時的記憶媒体である。
例えば、ＣＰＵ（Ｃｅｎｔｒａｌ ＰｒｏｃｅｓｓｉｎｇＵｎｉｔ）等のプロセッサと、プロセッサが実行するプログラムを格納するメモリを備えて制御を行う構成が用いられてもよい。
例えば、ＣＰＵ（Ｃｅｎｔｒａｌ ＰｒｏｃｅｓｓｉｎｇＵｎｉｔ）等のプロセッサと、プロセッサが実行するプログラムを格納するメモリを備えて制御を行う構成が用いられてもよい。
なお、ここでいう「コンピュータシステム」とは、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）あるいは周辺機器等のハードウェアを含むものとする。
また、「コンピュータ読み取り可能な記憶媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＣＤ（Ｃｏｍｐａｃｔ Ｄｉｓｃ）－ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記憶媒体」とは、インターネット等のネットワークあるいは電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（ＲＡＭ：Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）のように、一定時間プログラムを保持しているものも含むものとする。
また、「コンピュータ読み取り可能な記憶媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＣＤ（Ｃｏｍｐａｃｔ Ｄｉｓｃ）－ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記憶媒体」とは、インターネット等のネットワークあるいは電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（ＲＡＭ：Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）のように、一定時間プログラムを保持しているものも含むものとする。
また、上記のプログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）あるいは電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。
また、上記のプログラムは、前述した機能の一部を実現するためのものであってもよい。さらに、上記のプログラムは、前述した機能をコンピュータシステムにすでに記憶されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。
また、上記のプログラムは、前述した機能の一部を実現するためのものであってもよい。さらに、上記のプログラムは、前述した機能をコンピュータシステムにすでに記憶されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。
また、ＣＰＵ等のプロセッサと、プロセッサが実行するプログラムを格納するメモリを備えて制御を行う構成に代えて、ＬＳＩ（Ｌａｒｇｅ Ｓｃａｌｅ Ｉｎｔｅｇｒａｔｉｏｎ）あるいはＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ ＩｎｔｅｇｒａｔｅｄＣｉｒｃｕｉｔ）等のハードウェアにより制御を行う構成が用いられてもよい。
以上、この発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。
１…故障判定システム、１１…故障判定装置、２１…自装置センサー群、２２…他装置センサー群、２３…出力部、１１１…運転データ収集部、１１２…特徴量取得部、１１３…標準化部、１１４…記憶部、１１５…故障状態学習部、１１６…故障判定部、２１１…特性、５１１、５１２…ボイラー、５３１…熱源、５５１…給水路、５５２…蒸気路、５７１…故障個所
Claims (6)
- 故障判定対象の第１のボイラーに関するデータに基づく第１の特徴量、および少なくとも前記第１のボイラー以外の第２のボイラーに関するデータを含むデータに基づく第２の特徴量のうちの一方または両方について標準化が行われた結果に基づいて、前記第１の特徴量について、前記第２の特徴量を用いて、故障の判定を行う、故障判定部を備える、
ボイラーの故障判定装置。 - 前記故障判定対象の前記第１のボイラーに関するデータに基づいて前記第１の特徴量を取得し、少なくとも前記第１のボイラー以外の前記第２のボイラーに関するデータを含むデータに基づいて前記第２の特徴量を取得する特徴量取得部と、
前記特徴量取得部により取得された前記第１の特徴量および前記第２の特徴量のうちの一方または両方について標準化を行う標準化部と、を備え、
前記故障判定部は、前記標準化部により行われた標準化の結果に基づいて、前記第１の特徴量について、前記第２の特徴量を用いて、故障の判定を行う、
請求項１に記載のボイラーの故障判定装置。 - 前記故障判定部は、前記標準化の結果に基づいて、前記第１の特徴量および前記第２の特徴量のそれぞれが所定のモデルにあてはめられた結果に基づいて、故障の判定を行う、
請求項１または請求項２のいずれか１項に記載のボイラーの故障判定装置。 - 前記第２のボイラーに関するデータは、前記第２のボイラーが正常な状態であるときにおけるデータと、前記第２のボイラーが異常な状態であるときにおけるデータとの両方を含む、
請求項１から請求項３のいずれか１項に記載のボイラーの故障判定装置。 - 故障判定対象の第１のボイラーに関するデータに基づく第１の特徴量、および少なくとも前記第１のボイラー以外の第２のボイラーに関するデータを含むデータに基づく第２の特徴量のうちの一方または両方について標準化が行われた結果に基づいて、前記第１の特徴量について、前記第２の特徴量を用いて、故障の判定を行う、
ボイラーの故障判定方法。 - 請求項５に記載のボイラーの故障判定方法により行われた故障の判定の結果に基づいて、所定のサービスを提供する、
サービス方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/JP2016/069270 WO2018003028A1 (ja) | 2016-06-29 | 2016-06-29 | ボイラーの故障判定装置、故障判定方法およびサービス方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/JP2016/069270 WO2018003028A1 (ja) | 2016-06-29 | 2016-06-29 | ボイラーの故障判定装置、故障判定方法およびサービス方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| WO2018003028A1 true WO2018003028A1 (ja) | 2018-01-04 |
Family
ID=60785162
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/JP2016/069270 WO2018003028A1 (ja) | 2016-06-29 | 2016-06-29 | ボイラーの故障判定装置、故障判定方法およびサービス方法 |
Country Status (1)
| Country | Link |
|---|---|
| WO (1) | WO2018003028A1 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7396212B2 (ja) | 2020-06-16 | 2023-12-12 | 住友金属鉱山株式会社 | ボイラーの伝熱水管の漏洩検知方法 |
| JP7468074B2 (ja) | 2020-03-31 | 2024-04-16 | 三浦工業株式会社 | 管理システム、及びサーバ部 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH1122909A (ja) * | 1997-06-30 | 1999-01-26 | Hitachi Ltd | 熱交換器の細管漏洩検出方法 |
| JP2004211923A (ja) * | 2002-12-27 | 2004-07-29 | Jfe Engineering Kk | ボイラの伝熱水管の破孔検知方法 |
-
2016
- 2016-06-29 WO PCT/JP2016/069270 patent/WO2018003028A1/ja active Application Filing
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH1122909A (ja) * | 1997-06-30 | 1999-01-26 | Hitachi Ltd | 熱交換器の細管漏洩検出方法 |
| JP2004211923A (ja) * | 2002-12-27 | 2004-07-29 | Jfe Engineering Kk | ボイラの伝熱水管の破孔検知方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7468074B2 (ja) | 2020-03-31 | 2024-04-16 | 三浦工業株式会社 | 管理システム、及びサーバ部 |
| JP7396212B2 (ja) | 2020-06-16 | 2023-12-12 | 住友金属鉱山株式会社 | ボイラーの伝熱水管の漏洩検知方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101955305B1 (ko) | 희소 코딩 방법론을 활용한 가스 터빈 센서 고장 검출 | |
| EP3055747B1 (en) | Correlation and annotation of time series data sequences to extracted or existing discrete data | |
| WO2018207973A1 (ko) | 발전 설비의 자동 진단 시스템 및 자동 진단 방법 | |
| JP6856443B2 (ja) | 設備機器の異常診断システム | |
| US20050096759A1 (en) | Distributed power generation plant automated event assessment and mitigation plan determination process | |
| JP2010504501A (ja) | ボイラー管漏洩を検出するカーネルベースの方法 | |
| JP6088131B2 (ja) | タービン性能診断システム及び方法 | |
| JP2010536099A (ja) | 関連するアプリケーションに対する故障パターンマッチング相互参照のためのファジー分類方法 | |
| JP6523815B2 (ja) | プラント診断装置及びプラント診断方法 | |
| WO2015026166A1 (ko) | 비정상 데이터 예측 방법 및 이 방법을 수행하기 위한 프로그램이 저장된 컴퓨터 판독가능한 저장매체 | |
| Zhang et al. | A fault early warning method for auxiliary equipment based on multivariate state estimation technique and sliding window similarity | |
| JP7238921B2 (ja) | 設備診断方法 | |
| Liu et al. | Bayesian long short-term memory model for fault early warning of nuclear power turbine | |
| JP6482743B1 (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 | |
| KR20180024333A (ko) | 기기 이상징후 사전감지 방법 및 시스템 | |
| KR102470112B1 (ko) | 원전의 지능형 상태감시 방법 및 시스템 | |
| WO2018003028A1 (ja) | ボイラーの故障判定装置、故障判定方法およびサービス方法 | |
| JP2021089116A (ja) | 情報処理装置、情報処理方法、プログラム及び学習済みモデルの生成方法 | |
| JP6574533B2 (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 | |
| Li et al. | Model-based monitoring and fault diagnosis of fossil power plant process units using group method of data handling | |
| CN110506245A (zh) | 诊断装置以及诊断方法 | |
| Lu et al. | Integration of wavelet decomposition and artificial neural network for failure prognosis of reciprocating compressors | |
| JP7453049B2 (ja) | 異常予兆監視システム、異常予兆監視方法、及びプログラム | |
| JP2014026327A (ja) | 実稼働データによる機器の状態診断装置 | |
| 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 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| 121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 16907261 Country of ref document: EP Kind code of ref document: A1 |
|
| NENP | Non-entry into the national phase |
Ref country code: DE |
|
| NENP | Non-entry into the national phase |
Ref country code: JP |
|
| 122 | Ep: pct application non-entry in european phase |
Ref document number: 16907261 Country of ref document: EP Kind code of ref document: A1 |