WO2020003598A1 - プラント診断システムおよび方法 - Google Patents

プラント診断システムおよび方法 Download PDF

Info

Publication number
WO2020003598A1
WO2020003598A1 PCT/JP2019/006466 JP2019006466W WO2020003598A1 WO 2020003598 A1 WO2020003598 A1 WO 2020003598A1 JP 2019006466 W JP2019006466 W JP 2019006466W WO 2020003598 A1 WO2020003598 A1 WO 2020003598A1
Authority
WO
WIPO (PCT)
Prior art keywords
plant
model
analysis result
analysis
predetermined
Prior art date
Application number
PCT/JP2019/006466
Other languages
English (en)
French (fr)
Inventor
山本　浩貴
嘉成 堀
林　喜治
矢敷　達朗
恩敬 金
山内　博史
Original Assignee
株式会社日立製作所
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 株式会社日立製作所 filed Critical 株式会社日立製作所
Priority to CN201980033391.8A priority Critical patent/CN112136088A/zh
Publication of WO2020003598A1 publication Critical patent/WO2020003598A1/ja

Links

Images

Classifications

    • 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

Definitions

  • the present invention relates to a plant diagnosis system and method.
  • Patent Documents 1 to 3 For example, long-term stable operation is expected in plants such as petroleum refining plants, chemical plants, and water treatment plants. To this end, systems for diagnosing a plant have been proposed (Patent Documents 1 to 3).
  • Patent Document 1 provides a system that collects operation / maintenance field data from a plurality of power plants via a network, and monitors and diagnoses power plants that are excellent in operability and economy.
  • Patent Document 2 discloses a plant monitoring device applicable to various abnormalities in a plant.
  • Patent Document 3 describes a method of diagnosing an abnormality in consideration of a history of manufacturing, inspection, or operation of a plant.
  • Patent Literatures 1 to 3 do not analyze in consideration of the deterioration characteristics of the materials of the devices constituting the plant, and therefore have room for improvement in the reliability of diagnosis.
  • the present invention has been made in view of the above problems, and an object of the present invention is to provide a plant diagnosis system and a method capable of improving the reliability of diagnosis.
  • a plant diagnostic system is a plant diagnostic system for diagnosing a plant, and a data acquisition unit that acquires predetermined operation data of the plant, and converts predetermined operation data into a predetermined model.
  • a first analysis unit that calculates a first analysis result by performing a simulation process based on the first analysis result; and a second analysis unit that calculates a second analysis result based on a result obtained by statistically processing predetermined operation data and the first analysis result.
  • Unit, and an analysis result information output unit that outputs predetermined analysis result information based on the first analysis result and the second analysis result, wherein the predetermined model is a plant model that describes the behavior of the entire plant; And a material model related to a material constituting each device.
  • a first analysis result obtained by performing a simulation process using a predetermined model including a plant model, an equipment / piping model, and a material model, and a result obtained by statistically processing predetermined operation data are used.
  • a second analysis result, and predetermined analysis result information can be output based on the first analysis result and the second analysis result, thereby improving reliability.
  • FIG. 3 is a block diagram illustrating a relationship between an equipment / piping model and an equipment / piping model simulator.
  • FIG. 3 is a block diagram illustrating a relationship between a material model, an equipment / piping model, and an equipment / piping model simulator. It is explanatory drawing which determines presence or absence of abnormality using a three-dimensional analysis model. 4 shows an example of a screen provided to a user. It is explanatory drawing which shows the process outline of a plant diagnosis system.
  • the plant diagnostic system 1 can be applied to a fluid handling plant such as a petroleum refinery plant, a chemical plant, a power plant, a water treatment plant, and a pharmaceutical manufacturing plant.
  • a fluid handling plant such as a petroleum refinery plant, a chemical plant, a power plant, a water treatment plant, and a pharmaceutical manufacturing plant.
  • the fluid include water, petroleum, seawater, chemicals, steam, and gas.
  • Automotive factories, machining plants, and the like also use fluids such as steam or oil and gas.
  • the plant diagnosis system 1 according to the present embodiment can be used.
  • a predetermined model having a three-layer structure of a plant model 131, an equipment / piping model 132, and a material model 133 is used, and the result of giving operation data to the predetermined model is sent to a statistical analysis model (inductive analysis model) 14. input.
  • the plant diagnosis system 1 can diagnose the operation state after a predetermined time with high reliability.
  • equipment includes, for example, devices such as valves, reaction vessels, distillation columns, and heat exchangers, as well as connection structures such as pipes, joints, and orifices.
  • an inductive (statistical) analysis 14 and a deduction using sensor data output from the plant 2 are performed.
  • the physical (physical) analysis 13 is linked.
  • the plant diagnosis system 1 can quickly detect an abnormality of the plant 2. Further, the plant diagnosis system 1 can estimate the cause and location of the abnormality and the remaining life of the equipment and the plant by evaluating the deterioration characteristics of the equipment and the materials constituting the plant 2.
  • the plant diagnostic system 1 of the present embodiment includes at least a data acquisition unit 11 to which each sensor data of the plant 2 is input, analysis units 13 and 14 for analyzing data a priori and inductively, and an analysis result output unit 16 And
  • the deductive analysis unit 13 includes a plant model 131 that describes the behavior of the entire plant constructed in the cyber space, a model 132 of a device constituting the plant, and a model 133 of a material constituting the device. Thereby, the state of each part of the plant 2 after an arbitrary operation time is visualized.
  • the plant diagnostic system 1 can use plant configuration data describing the configuration of the plant 2.
  • the plant configuration data includes, for example, a process flow diagram, a piping instrumentation diagram, an isometric diagram, and a three-dimensional design diagram.
  • the plant model 131 is described based on a process flow diagram, and is a model that describes the state of the plant 2 from sensor data and / or a simulation that describes the operating state of each part of the plant from the chemical operation handled by the plant 2. is there.
  • the equipment / pipe model 132 is composed of equipment / pipe arrangement drawings described based on a pipe instrumentation diagram or an isometric diagram.
  • the device / piping model 132 describes macro one-dimensional fluid attribute calculation information output from the plant model 131 and micro three-dimensional fluid attribute calculation information resulting from the shape of each device part. Part of the macro one-dimensional fluid attribute calculation information of the equipment / pipe model 132 is obtained by reducing the micro three-dimensional fluid attribute calculation information.
  • the material model 133 is calculated from the database 17 that stores information on the material constituting the device and the fluid attribute information of each part of each device.
  • the material model 133 describes the state of the material after any operating time.
  • the material model 133 can also be called a material property model that describes the properties of a material.
  • the operation data of the plant can include inspection data generated by the inspection device 3 that inspects the state of the plant 2. Inspections are performed regularly or irregularly.
  • the plant diagnosis system 1 attempts to match the state of the plant with the inspection data. That is, the plant diagnosis system 1 can correct the models 131 to 133 of the a priori analysis unit 13 by using the inspection data.
  • the material information managed by the material database 17 is information describing the action of the fluid on the material.
  • the action of the fluid includes, for example, corrosion and erosion.
  • the degree of corrosion of a device made of a certain material by the fluid differs.
  • the analysis result information output unit 16 is, for example, at least one of a result of diagnosing an abnormal part of the plant 2, a result of specifying a cause of the abnormality, a result of optimizing a maintenance plan, and a result of optimizing operation. Is output.
  • the a priori analysis unit (physical analysis unit) 13 based on the degradation behavior of the material and the inductive analysis unit (statistical analysis unit) 14 based on the actual data (sensor data) can be linked to obtain analysis result information.
  • diagnosis of a plant abnormality, identification of the cause of the abnormality, correction of a maintenance plan, correction of an operation plan, and the like are performed.
  • FIG. 1 is a functional block diagram of the entire system including the plant diagnostic system 1.
  • the plant diagnosis system 1 can be composed of one or a plurality of computers as described later with reference to FIG.
  • the plant diagnostic system 1 acquires data D11 (sensor data) from each sensor 21 arranged in the plant 2 via the communication network CN.
  • the plant diagnosis system 1 diagnoses the plant 2 from a predetermined viewpoint based on the sensor data D11 and the drawing data D12 indicating the configuration of the plant 2.
  • the plant diagnostic system 1 can also match the models 131 to 133 with the actual state of the plant 2 by receiving the inspection data D13 from the inspection device 3 that inspects the state of the plant 2.
  • the plant diagnosis system 1 can be provided for each plant, or a plurality of plants 2 can be managed by one plant diagnosis system 1.
  • the functional configuration of the plant diagnostic system 1 will be described with reference to FIG.
  • the plant diagnostic system 1 includes, for example, a data acquisition unit 11, an operation data storage unit 12, a deductive analysis unit 13, an inductive analysis unit 14, an analysis result storage unit 15, and an analysis result information output unit 16 as described later. Prepare.
  • the data acquisition unit 11 has a function of acquiring operation data.
  • the operation data includes sensor data D11 and inspection data D13.
  • the sensor data D11 is output from each sensor 21 installed in the plant 2.
  • the sensor 21 include a temperature sensor, a pressure sensor, a pH meter, a flow meter, a flow meter, a dissolved oxygen meter, and a color sensor.
  • the data of one or a plurality of sensors 21 may be received by a field instrument (a controller, a sequencer, a data logger, or the like) and transmitted from the field instrument to the plant diagnostic system 1.
  • the inspection data D13 is generated by the inspection device 3 possessed by the inspector or the like and sent to the data acquisition unit 11.
  • the inspection device 3 include an ultrasonic thickness gauge, a magnetic thickness gauge, and an X-ray inspection device that measure the degree of thinning or corrosion.
  • the inspection device 3 of the present embodiment measures parameters that can be used for correcting a model used in the a priori analysis unit 13.
  • the operation data storage unit 12 stores the operation data D11 and D13 received from the data acquisition unit 11.
  • the deductive analysis unit 13 as the “first analysis unit” outputs a first analysis result by performing a simulation process on the sensor data D11 and the drawing data D12 based on predetermined models 131 to 133.
  • the deductive analysis unit 13 includes a plant model 131, an equipment / piping model 132, and a material model 133, as described later. Further, the deductive analysis unit 13 is connected to a material database 17 and an equipment / piping model simulator 18.
  • the recursive analyzer 14 as the “second analyzer” is configured to calculate each sensor data D11 and / or data obtained by calculating the sensor data D11 and / or output the first data output from the a priori analyzer 13.
  • the analysis results are processed mathematically and statistically. Thereby, the recursive analysis unit 14 calculates the second analysis result and stores it in the analysis result storage unit 15.
  • the analysis result storage unit 15 that stores the analysis result stores the first analysis result from the deductive analysis unit 13 and the second analysis result from the recursive analysis unit 14.
  • the analysis result information output unit 16 creates and outputs analysis result information based on the first analysis result and the second analysis result stored in the analysis result storage unit 15.
  • the analysis result information is not limited to the information of the first analysis result and the information of the second analysis result. For example, the remaining life of each part of the plant 2, the distribution of the remaining life, the proposal of the maintenance plan review, the proposal of the operation plan correction, and the like. And / or processing information calculated from information on the first analysis result and / or information on the second analysis result.
  • the analysis result information is sent to, for example, a terminal of an operator who operates the plant diagnosis system 1 or an external system (not shown) for planning and managing a production plan.
  • the sensor data D11 such as the temperature, pressure, flow rate, and differential pressure of the fluid flowing in the plant 2 is acquired in time series from each sensor 21 installed in the plant 2 and transmitted to the plant diagnosis system 1. You. At least a part of the sensor data D11 acquired by the data acquisition unit 11 is introduced into the recursive analysis model 14, and is output to the analysis result storage unit 15 by statistical processing.
  • the analysis result storage unit 15 is used to output analysis results related to plant diagnosis and operation such as abnormality determination, life estimation, operation optimization, and the like to the analysis result utilization means 5.
  • At least a part of the sensor data D11 is sent to the a priori analysis model 13.
  • the deductive analysis unit 13 After performing a predetermined analysis process on the received sensor data D11, the deductive analysis unit 13 sends the analysis result (first analysis result) to the recursive analysis model 14.
  • the deductive analysis model 13 has a plant model 131, an equipment / piping model 132, and a material model 133 as “predetermined models”.
  • the plant model 131 and the equipment / piping model 132 are configured based on the drawing data D12 stored in the drawing data storage unit 22.
  • the drawing data storage unit 22 may be provided in the plant diagnosis system 1 or may be provided in a system different from the plant diagnosis system 1. A part of the contents stored in the drawing data storage unit 22 in another system may be copied and used in the plant diagnosis system 1.
  • the drawing data D12 includes, for example, a process flow diagram (PFD diagram), an instrumentation diagram (P & ID diagram), an isometric diagram, a 3D-CAD diagram, and the like of the plant 2.
  • PFD diagram process flow diagram
  • P & ID diagram instrumentation diagram
  • isometric diagram 3D-CAD diagram
  • the plant model 131 is mainly based on the process flow diagram and the instrumentation diagram, and describes the behavior of the chemical species component and the behavior of the utility system.
  • the behavior of the chemical species component occurs based on, for example, the material balance and reaction of the chemical process, the flow of heat, and the like.
  • the behavior of the utility system is, for example, the behavior of a utility system such as steam or electric power.
  • the plant model 131 predicts and calculates data other than the sensor data D11 based on the information of the sensor data D11 and a calculation result by a chemical process simulator (not shown).
  • the equipment / piping model 132 is mainly configured based on an isometric diagram and a 3D-CAD diagram.
  • the device / piping model 132 calculates the temperature, flow rate, pressure, and the like of the fluid that actually flows through the device (including the piping).
  • the equipment / piping model 132 is based on the sensor information obtained by the plant model 131 and the calculation results by the chemical process simulator, and also takes into account the actual layout of the equipment and the piping, the configuration information of the equipment, and the like. The temperature, flow rate, pressure, etc. of the fluid flowing through are determined.
  • the equipment / piping model simulator 18 performs a three-dimensional analysis, and then extracts a feature amount. Then, information is transmitted to the equipment / piping model 132. For example, the “portion where the flow velocity is the fastest” calculated by the equipment / piping model simulator 18 is extracted, and the “portion where the flow velocity is the fastest” is transmitted to the equipment / piping model 132 as a feature value.
  • the material model 133 is a model that describes a phenomenon that causes material deterioration, such as corrosion, cracking, or erosion.
  • Examples of the model 133 include, for example, flow accelerated corrosion, droplet collision erosion, external surface corrosion, galvanic corrosion, and pitting corrosion.
  • the material model 133 based on the flow, temperature, pressure, pH, dissolved oxygen amount, drain amount, droplet particle system, and the like input from the equipment / piping model 132, when these conditions are compounded, For example, the rate of thinning due to corrosion or the like is calculated. Information such as the amount of thickness reduction under each condition necessary to calculate the thickness reduction rate and the like is extracted from the material database 17.
  • the calculated values obtained from the above models 131 to 133 are stored in the analysis result storage unit 15 via the a priori analysis unit 13 via the recursive analysis unit 14, and in the case where the calculated values are stored in the analysis result storage unit 15 from the deductive analysis unit 13. It may be sent directly and stored. That is, the calculated values obtained by the respective models 131 to 133 are sent to the recursive analysis unit 14, which is a recursive analysis model, and are statistically processed together with the sensor data D11. The result of the statistical processing is stored in the analysis result storage unit 15. Alternatively, the calculated values obtained by the models 131 to 133 are directly sent to the analysis result storage unit 15 and stored.
  • FIG. 2 is an example of a hardware configuration of a computer that realizes the plant diagnosis system 1.
  • the computer includes, for example, a microprocessor (CPU: Central Processing Unit) 101, a memory 102, an auxiliary storage device 103, a communication interface unit 104, and a user interface unit 105.
  • the auxiliary storage device 103 stores a computer program P1 for implementing the functions 11 to 16 of the plant diagnosis system 1 and various data D1 used in the plant diagnosis system 1.
  • the function as the plant diagnostic system 1 is realized by the microprocessor 101 reading the computer program P1 into the memory 102 and executing it.
  • the communication interface unit 104 is communicably connected to each sensor 21 of the plant 2 via the communication network CN.
  • a device for exchanging information with a user (operator) of the plant diagnosis system 1 is connected to the user interface unit 105.
  • the user interface unit 105 includes an information input device and an information output device. Examples of the information input device include a keyboard, a mouse, a touch panel, and a voice input device.
  • the information output device includes, for example, a display, a printer, a voice synthesizer, and the like.
  • a computer terminal (operator terminal) 4 may be connected to the plant diagnosis system 1. Thereby, the plant diagnostic system 1 and the operator can exchange information via the computer terminal 4.
  • the computer terminal 4 may be a so-called desktop computer terminal or a tablet-type mobile terminal.
  • FIG. 3 shows an example of the plant model 131.
  • FIG. 3 shows a virtual plant in which the raw material is separated into four fractions using a distillation column.
  • the liquid raw material in the raw material tank 23 is sent to the distillation column 26 by the pump 24.
  • the liquid raw material is heated by the heat exchanger 25 before being sent from the pump 24 to the distillation column 26.
  • the flow rate of the heated steam supplied from the heated steam pipe 27 (1) to the heat exchanger 25 is adjusted by the flow control valve 29.
  • the liquid raw material is heated by the heat from the pipe 27 (1) through which the heating steam flows.
  • the water vapor heated from the liquid material flows out to the pipe 27 (2).
  • the heated liquid raw material is sent to the distillation column 26 to obtain four types of fractions 28A to 28D.
  • sensors 21 (1) to 21 (7) are installed at various parts of the plant, and these sensors 21 measure data such as temperature (T), flow rate (F), and pressure (P). To the plant diagnostic system 1. Some sensors 21 (4) measure temperature, flow rate, and pressure, while other sensors 21 (1)-(5), (7) measure only temperature and flow rate. It is assumed that the sensor 21 (6) is not actually provided.
  • the plant diagnosis system 1 of the present embodiment predicts the missing data T6 and F6 by using the plant model 131 and other sensor data. Further, according to the plant diagnosis system 1 of the present embodiment, since the plant model 131 is used, it is possible to predict a change in each sensor data D11 including the shortage data T6 and F6 during a future operation.
  • the heat transfer coefficient of the heat exchanger 25 is obtained from the relationship between the temperature change when the liquid raw material passes through the heat exchanger, the flow rate of the liquid raw material, the temperature and the flow rate of steam. You can also. As described above, by calculating the characteristic amount (such as the heat transfer coefficient) of the equipment included in the plant 2 and passing it to the inductive analysis unit 14, the inductive analysis unit 14 can perform more detailed analysis.
  • FIG. 4 shows an example of the equipment / piping model 132.
  • FIG. 5 shows a calculation example by the equipment / piping model simulator 18.
  • the equipment / pipe model 132 shown in FIG. 4 schematically shows a pipe route from the equipment corresponding to the node N1 to the equipment corresponding to the node N11.
  • the equipment / piping model 132 is drawn based on an isometric drawing that is an actual construction drawing, and is obtained by performing a one-dimensional flow analysis.
  • the fluid (liquid material or the like) flowing out of the device at the node N1 flows into the device at the node N11 via the nodes N2 to N10.
  • the head pressure and the flow velocity at each of the nodes N1 to N11 are calculated using a one-dimensional analysis model.
  • FIG. 5 shows an example of a three-dimensional flow analysis by the equipment / piping model simulator 18.
  • FIG. 5 shows an analysis example of the flow in the orifice 271.
  • the equipment / piping model simulator 18 extracts the characteristic amount at a point where the flow is severe (the characteristic amount at the orifice 271.
  • the characteristic amount extracted by the equipment / piping model simulator 18 is introduced to the equipment / piping model 132.
  • the accuracy of the equipment / piping model 132 is improved.
  • the target of three-dimensional flow analysis is not limited to orifices.
  • piping having a complicated shape such as an elbow joint or a valve may be an analysis target.
  • Devices such as a pump, a compressor, and a heat exchanger may be analyzed.
  • FIG. 6 shows the connection relationship between the equipment / piping model 132 and the equipment / piping model simulator 18.
  • FIG. 6 shows the relationship between a calculation unit 181 that calculates an equipment / piping model simulator, a database 182 that stores data used by the equipment / piping model simulator, and a mechanism 183 that determines whether an existing model exists. I have.
  • the equipment / piping model simulator 18 described in FIG. 5 requires an enormous amount of time to output a complicated simulation result. For this reason, in FIG. 1, the equipment / pipe model simulator 18 is arranged outside the flow of the sensor data D11.
  • the calculation results of the equipment / piping model simulator calculation unit 181 are stored in the database 182 as needed. An appropriate calculation result by the equipment / piping model simulator 18 is transmitted to the equipment / piping model 132. If a usable calculation result is not stored in the database 182, the calculation is newly performed by the equipment / piping model simulator calculation unit 181. The calculation result is stored in the database 182.
  • Whether or not the calculation result by the equipment / piping model simulator 18 already exists is determined by the existing model presence / absence determination mechanism 183. If an existing model exists (YES), the existing model is read from the database 182. On the other hand, when the existing model does not exist (NO), a new calculation is performed by the equipment / piping model simulator calculation unit 181, and the calculation result is stored in the database 182.
  • FIG. 7 shows the relationship between the material model 133, the equipment / piping model 132, and the equipment / piping model simulator 18.
  • the material property evaluation mechanism 1331 is connected to the equipment / piping model 132, the equipment / piping model simulator 18, and the material database 17. Further, the material property evaluation mechanism 1331 can use the device material specification 1332.
  • the equipment material specification 1332 is specification data of equipment and piping materials.
  • the equipment / piping model 132 and the equipment / piping model simulator 18 cooperate in that the extracted feature amount is utilized. That is, the feature extracted by the equipment / piping model simulator 18 is reflected on the equipment / piping model 132.
  • the material model 133 can cooperate with either the equipment / piping model 132 or the equipment / piping model simulator 18. That is, the material model 133 can be applied to the flow field after the characteristic amount is extracted as in the equipment / pipe model 132, or a detailed three-dimensional The material model 133 can be applied to the flow field.
  • the material model 133 includes data such as fluid flow, temperature, pressure, and vibration obtained from the equipment / piping model 132 or the equipment / piping model simulator 18 and material information of the material constituting the pipe obtained from the equipment material specification 1332. From this, the degradation state of the analysis target device or piping is calculated. The calculation result of the material model 133 is output as an output result 1333.
  • the explanation is made using the example of flow accelerated corrosion in piping.
  • the fluid flow velocity, temperature, pressure, pH, dissolved oxygen amount, or their distribution is input to the material model 133.
  • the equipment material specification 1332 the type of fluid flowing through the pipe and the type of material constituting the pipe are input to the material model 133.
  • the material property evaluation mechanism 1331 is provided with a calculation formula of the wall thinning rate due to the flow accelerated corrosion shown in Expression 1 below.
  • a material reduction rate suitable for those values is searched from the material database 17.
  • the searched thinning rate is calculated by Expression 1 and output to the output result 1333. If an appropriate value does not exist after the search, the value can be estimated and returned by interpolation.
  • the calculation can be performed by storing parameters necessary for the calculation in the material database 17 in the same manner as described above.
  • the recursive analyzer 14 of the present embodiment analyzes data using, for example, adaptive resonance theory (ART).
  • ART adaptive resonance theory
  • the inductive analysis unit 14 can classify the driving state Y into a plurality of categories using adaptive resonance theory (ART). Since one of “normal” and “abnormal” is associated with the category, the recursive analyzer 14 can detect an abnormality in the operating state Y. A method for detecting an abnormality will be further described.
  • ART adaptive resonance theory
  • the inductive analysis unit 14 collects a plurality of samples of the operating state Y. This sample is a set of operating states Y when the plant 2 is known to be “normal” or “abnormal”.
  • the operating state Y is assumed to be a matrix of n rows and m columns. That is, the driving information Y has n number of n-dimensional elements for the time points.
  • the recursive analyzer 14 assumes an n-dimensional space, and assigns the values of n elements to each coordinate axis of the space, thereby doting m points in the space.
  • FIG. 8 shows an example where the n-dimensional space is a three-dimensional space.
  • abnormality 2 on the upper left side of FIG. 8, for example, a plurality of points when an abnormality such as “flooding of the atmospheric distillation column” occurs concentrate on a certain position in the space.
  • abnormality 1 on the right side of FIG. 8 a plurality of points in the case where the abnormality “weeping of the atmospheric distillation column” occurs are concentrated at some other position in the space. I do.
  • plants having the same season in which the plant is used plants having the same plant user, etc., gather near each other.
  • the recursive analysis unit 14 of this embodiment classifies the m points into groups having a short distance from each other.
  • the operating state Y of the diagnosis target may be a result (actual data) obtained as a result of actually operating the plant 2 or a result (simulated data) simulated by the recursive analyzer 14.
  • the recursive analysis unit 14 specifies a category (sphere) that includes the dot point by doting the point indicating the operating state Y of the diagnosis target in the n-dimensional space described above. Assuming that the plurality of operating states Y to be diagnosed are also a matrix of n rows and m columns, the category is specified at every m time points.
  • FIG. 9 shows a user interface screen provided by the plant model 131 and a flow of usage. As described below, the remaining life of the plant 2 can be diagnosed, for example, in the flow of Step 1 to Step 4.
  • the plant diagnosis system 1 is configured based on 3D-CAD. As a result of the calculation by the plant diagnosis system 1, an alarm is displayed at a corresponding location on the 3D-CAD, particularly at a location where the remaining life is estimated to be short.
  • step 1 when the user designates a location (for example, piping) where an alarm is displayed, parameters required for calculation, such as fluid conditions (temperature, pressure, flow rate, etc.) and piping information of the location, are displayed. Displayed in a pop-up window. Further, past data of the driving pattern at the corresponding place can be displayed below the 3D-CAD.
  • a location for example, piping
  • parameters required for calculation such as fluid conditions (temperature, pressure, flow rate, etc.) and piping information of the location.
  • Step 2 a one-dimensional model (1D model), a 3D model (three-dimensional model), and a calculation result can be displayed. That is, the plant diagnosis system 1 can display details of the three-dimensional analysis, details of the one-dimensional model, distribution of the flow velocity, the dissolved oxygen concentration, and the like by the fluid analysis calculation.
  • the plant diagnostic system 1 displays the distribution of the thinning rate calculated based on the flow rate and the dissolved oxygen concentration data, and the thinning amount integrated based on the operating conditions up to now. It can also be done.
  • Step 4 the plant diagnosis system 1 calculates a time (remaining life) until the thickness dimension of the pipe reaches the limit value based on the integrated value of the wall thickness reduction and the predicted deceleration speed. , Can also be displayed as a graph.
  • FIG. 10 shows an outline of processing of the plant diagnosis system 1. As an example, a case of diagnosing flow accelerated corrosion will be described.
  • the plant model 131 outputs trend data composed of past data and predicted data based on the history of operation data and simulation processing.
  • the processing result is delivered to the material model 133. That is, in the device / piping model 132, a three-dimensional template is prepared. The value of the device size information is determined by the 3D-CAD data information.
  • the characteristic amount of the most critical part is extracted and converted into a one-dimensional model.
  • the characteristic amounts here include, for example, flow velocity, temperature, pressure, pH, DO (dissolved oxygen amount), and the like.
  • the material model 133 selection of the deterioration mode, reference to the fluid property database, reference to the piping material database, and calculation of the corrosion rate are performed. That is, in the material model 133, when a deterioration mode such as corrosion or erosion is selected, a fluid state quantity necessary for the selected mode is extracted from the fluid property database.
  • a deterioration mode such as corrosion or erosion
  • a fluid state quantity necessary for the selected mode is extracted from the fluid property database.
  • the fluid physical property database for example, physical properties of water, steam, a mixture of water and steam, seawater, process fluid, and the like are stored in a database, and are called up as needed.
  • the plant diagnosis system 1 can calculate and display the distribution of the accumulated thinning amount and the remaining life.
  • the inventors analyzed piping in the plant 2 due to accelerated flow corrosion in order to verify the accuracy of the plant diagnostic system 1.
  • a description will be given of a measurement example of wall thinning corrosion of a pipe when a pipe attached to a certain pump is extracted as a corrosion example.
  • Equation 2 the amount of wall thinning (m) due to flow accelerated corrosion is defined as a function of temperature and flow rate (m0), and the effect of other parameters is multiplied as a correction coefficient to obtain actual operating environment conditions.
  • the lower wall thickness (m) was determined.
  • dissolved oxygen concentration (DO) and the pH "2 ppb" and "9.5", which are the measurement results of the previous target plant, were used.
  • the material of the piping to be analyzed was carbon steel for pressure piping, and the Cr concentration was 0.001 mass%. 0.001 mass% was used as the Cr concentration, and Kc1, which is the shape factor of the straight tube obstruction, was selected as the shape factor.
  • the corrected wall loss (m) was calculated to be 0.17 mm / year.
  • the reliability of the plant diagnosis system 1 can be improved.
  • a second analysis result can be calculated, and predetermined analysis result information can be output based on the first analysis result and the second analysis result, thereby improving reliability.
  • an analysis result is obtained by linking an a priori analysis unit (physical analysis unit) 13 based on the degradation behavior of a material and an inductive analysis unit (statistical analysis unit) 14 based on actual data (sensor data). Information can be obtained. Accordingly, in the present embodiment, based on the analysis result information obtained by the cooperation of the plurality of analysis units 13 and 14, abnormality diagnosis of the plant, identification of the cause of the abnormality, correction of the maintenance plan, correction of the operation plan, and the like are performed. Can be.
  • the present invention is not limited to the above embodiment. Those skilled in the art can make various additions and changes without departing from the scope of the present invention.
  • the above embodiment is not limited to the configuration example illustrated in the accompanying drawings.
  • the configuration and the processing method of the embodiment can be appropriately changed within a range that achieves the object of the present invention.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

診断の信頼性を向上できるプラント診断システムを提供すること。　プラント診断システム（１）は、プラント（２）についての所定の運転データ（Ｄ１１）を取得するデータ取得部（１１）と、所定の運転データを所定のモデルに基づいてシミュレーション処理することにより、第１解析結果を算出する第１解析部（１３）と、所定の運転データを統計処理した結果と第１解析結果とに基づいて、第２解析結果を算出する第２解析部（１４）と、第１解析結果と第２解析結果とに基づいて所定の解析結果情報を出力する解析結果情報出力部（１６）とを備え、所定のモデルは、プラント全体の挙動を記述するプラントモデル（１３１）と、プラントを構成する各機器に関する機器・配管モデル（１３２）と、各機器を構成する材料に関する材料モデル（１３３）とを含む。

Description

プラント診断システムおよび方法
　本発明は、プラント診断システムおよび方法に関する。
　例えば、石油精製プラント、化学プラント、水処理プラント等のプラントでは、長期にわたる安定運用が期待されている。このために、プラントを診断するシステムが提案されている（特許文献１～３）。
　特許文献１は、複数の発電プラントから運転・保守フィールドデータをネットワーク経由で収集し、運用性と経済性に優れた発電プラントを監視したり診断したりするシステムを提供する。
　特許文献２は、プラントの種々の異常に対して適用可能なプラント監視装置を開示している。
　特許文献３には、プラントの製造や点検または運転等の履歴を考慮して、異常を診断する方法が記載されている。
特開２００３－１１４２９４号公報 特開２０１０－４９３５９号公報 特開平６－３３１５０７号公報
　特許文献１～３に記載の従来技術は、プラントを構成する各機器の材料の劣化特性まで考慮して解析していないため、診断の信頼性に改善の余地がある。
　本発明は、上述の問題に鑑みてなされたもので、その目的は、診断の信頼性を向上できるようにしたプラント診断システムおよび方法を提供することにある。
　前記課題を解決すべく、本発明に従うプラント診断システムは、プラントを診断するプラント診断システムであって、プラントについての所定の運転データを取得するデータ取得部と、所定の運転データを所定のモデルに基づいてシミュレーション処理することにより、第１解析結果を算出する第１解析部と、所定の運転データを統計処理した結果と第１解析結果とに基づいて、第２解析結果を算出する第２解析部と、第１解析結果と第２解析結果とに基づいて所定の解析結果情報を出力する解析結果情報出力部とを備え、所定のモデルは、プラント全体の挙動を記述するプラントモデルと、プラントを構成する各機器に関する機器・配管モデルと、各機器を構成する材料に関する材料モデルとを含む。
　本発明によれば、プラントモデルと機器・配管モデル及び材料モデルを含む所定のモデルを用いてシミュレーション処理することにより得られる第１解析結果と、所定の運転データを統計処理した結果とに基づいて、第２解析結果を算出し、第１解析結果と第２解析結果とに基づいて所定の解析結果情報を出力することができ、信頼性が向上する。
プラント診断システムを含む全体システムの機能ブロック図である。 プラント診断システムを実現するハードウェア構成図である。 プラントモデルを示す説明図である。 機器・配管モデルを示す説明図である。 機器・配管モデルシミュレータの出力結果を示す説明図である。 機器・配管モデルと機器・配管モデルシミュレータとの関係を示すブロック図である。 材料モデルと機器・配管モデルと機器・配管モデルシミュレータとの関係を示すブロック図である。 三次元の解析モデルを用いて異常の有無を判定する説明図である。 ユーザに提供される画面の例を示す。 プラント診断システムの処理概要を示す説明図である。
　以下、図面に基づいて、本発明の実施の形態を説明する。本実施形態では、後述のように、プラント２の実際の状態から算出される演算結果を帰納的解析モデル１４へ反映させることにより、高い信頼性を持つ診断を可能とする。
　本実施形態に係るプラント診断システム１は、例えば、石油精製プラント、化学プラント、電力プラント、水処理プラント、医薬品製造プラント等の流体を取り扱うプラントに適用することができる。流体としては、例えば、水、石油、海水、化学薬品、蒸気、ガス等がある。自動車工場、機械加工工場等においても、水蒸気または石油、ガスといった流体を使用する。それらの流体が機器へ加える作用の影響を診断する場合、本実施形態に係るプラント診断システム１を用いることができる。
　本実施例では、プラントモデル１３１と機器・配管モデル１３２および材料モデル１３３の三層構造を持つ所定モデルを用い、運転データを所定モデルへ与えた結果を統計解析モデル（帰納的解析モデル）１４へ入力する。これにより、本実施形態に係るプラント診断システム１は、所定時間後の運転状態を信頼性高く診断できる。以下の説明では、「機器」には、例えば、バルブ、反応槽、蒸留塔、熱交換機といった装置のほかに、配管、継ぎ手、オリフィスといった接続構造も含む。
　本実施形態では、いわゆるＩｏＴ（Internet of Things）を活用してプラントの運転または保守を適切に行うために、プラント２から出力されるセンサーデータを用いた帰納的（統計的）な解析１４と演繹的（物理的）な解析１３とを連携させる。
　これにより、本実施形態に係るプラント診断システム１は、プラント２の異常をいち早く検知することができる。さらに、プラント診断システム１は、プラント２を構成する機器や材料の劣化特性を評価することにより、異常の生じた原因や場所、機器やプラントの余寿命を推定できる。
　本実施形態のプラント診断システム１は、少なくとも、プラント２の各センサデータが入力されるデータ取得部１１と、データを演繹的及び帰納的に解析する解析部１３，１４と、解析結果出力部１６とを含む。
　演繹的解析部１３は、サイバー空間上に構築されたプラント全体の挙動を記述するプラントモデル１３１、プラントを構成する機器のモデル１３２、機器を構成する材料のモデル１３３とを含む。これにより、プラント２の各部位の任意の運転時間後の状態が可視化される。
　プラント診断システム１は、プラント２の構成を記述するプラント構成データを利用することができる。プラント構成データは、例えば、プロセスフロー図、配管計装図、アイソメトリック図、三次元設計図を含む。
　プラントモデル１３１は、プロセスフロー図を基に記述され、センサデータ、及び／または、プラント２が取扱う化学操作からプラント各部の操業中の状態を記述するシミュレーションから、プラント２の状態を記述するモデルである。
　機器・配管モデル１３２は、配管計装図、または、アイソメトリック図を基に記述される機器・配管配置図から構成される。機器・配管モデル１３２は、プラントモデル１３１から出力されるマクロな一次元流体属性計算情報と、各機器の部位の形状に起因するミクロな三次元流体属性計算情報とを記述する。機器・配管モデル１３２のマクロな一次元流体属性計算情報の一部は、ミクロな三次元流体属性計算情報を縮約することにより得られる。
　材料モデル１３３は、機器を構成する材質情報を蓄積するデータベース１７と、各機器の各部位の流体属性情報とから計算される。材料モデル１３３は、材料の任意の運転時間後の状態を記述する。材料モデル１３３は、材料の物性を記述する材料物性モデルと呼ぶこともできる。
　プラントの運転データには、プラント２の状態を検査する検査装置３で生成される検査データを含めることができる。検査は、定期的または不定期に実施される。プラント診断システム１は、検査データによりプラントの状態の整合を図る。すなわち、プラント診断システム１は、検査データを用いることにより、演繹的解析部１３のモデル１３１～１３３を補正することができる。
　材料データベース１７で管理する材料情報は、材料に対する流体の作用を記述する情報である。流体の作用としては、例えば、腐食、浸食がある。流体の性質（種類、温度、圧力、ｐＨ、流速、溶存酸素量、不純物の含有量等）によって、ある材料の機器がその流体により腐食等する程度は異なる。
　解析結果情報出力部１６は、例えば、プラント２の異常部位を診断した結果、異常の原因を特定した結果、保守計画を最適化した結果、運転を最適化した結果のうちの少なくともいずれか一つを出力する。
　このように構成される本実施形態によれば、材料の劣化挙動に基づく演繹的解析部（物理的解析部）１３と実データ（センサデータ）に基づく帰納的解析部（統計解析部）１４とを連携させて解析結果情報を得ることができる。これにより本実施形態では、複数の解析部１３，１４の連携により得られた解析結果情報に基づいて、プラントの異常診断、異常の原因特定、保守計画の修正、運転計画の修正等を行うことができる。
　図１～図１０を用いて第１実施例を説明する。図１は、プラント診断システム１を含む全体システムの機能ブロック図である。
　プラント診断システム１は、図２で後述するように、一つまたは複数の計算機から構成することができる。プラント診断システム１は、プラント２に配置された各センサ２１からのデータＤ１１（センサデータ）を通信ネットワークＣＮを介して取得する。プラント診断システム１は、センサデータＤ１１とプラント２の構成を示す図面データＤ１２とに基づいて、プラント２を所定の観点で診断する。プラント診断システム１は、プラント２の状態を検査する検査装置３から検査データＤ１３を受け取ることにより、モデル１３１～１３３をプラント２の実態に合わせることもできる。
　プラント診断システム１は、プラント単位で設けることもできるし、複数のプラント２を一つのプラント診断システム１で管理することもできる。
　図１を用いて、プラント診断システム１の機能構成を説明する。プラント診断システム１は、例えば、それぞれ後述するように、データ取得部１１、運転データ記憶部１２、演繹的解析部１３、帰納的解析部１４、解析結果記憶部１５、解析結果情報出力部１６を備える。
　データ取得部１１は、運転データを取得する機能である。運転データは、センサデータＤ１１と検査データＤ１３とを含む。
　センサデータＤ１１は、プラント２に設置された各センサ２１から出力される。センサ２１には、例えば、温度センサ、圧力センサ、ｐＨ計、流速計、流量計、溶存酸素量計、色彩センサ等がある。一つまたは複数のセンサ２１のデータを現場計器（コントローラ、シーケンサ、データーロガー等）で受信し、現場計器からプラント診断システム１へ送信してもよい。
　検査データＤ１３は、検査員等が所持する検査装置３により生成されて、データ取得部１１へ送られる。検査装置３としては、例えば、減肉または腐食の程度を計測する超音波厚さ計、磁気式厚さ計、Ｘ線検査装置等がある。本実施例の検査装置３は、演繹的解析部１３で使用するモデルの補正に使用することのできるパラメータを計測する。
　運転データ記憶部１２は、データ取得部１１から受領した運転データＤ１１，Ｄ１３を記憶する。
　「第１解析部」としての演繹的解析部１３は、センサデータＤ１１および図面データＤ１２を所定のモデル１３１～１３３に基づいてシミュレーション処理することにより、第１解析結果を出力する。演繹的解析部１３は、後述のように、プラントモデル１３１、機器・配管モデル１３２、材料モデル１３３を有する。さらに演繹的解析部１３は、材料データベース１７と機器・配管モデルシミュレータ１８とに接続されている。
　「第２解析部」としての帰納的解析部１４は、各センサデータＤ１１及び／またはセンサデータＤ１１を演算して得られたデータ、及び／または、演繹的解析部１３からの出力される第１解析結果とを数学的、統計的に処理する。これにより、帰納的解析部１４は、第２解析結果を算出し、解析結果記憶部１５へ記憶させる。
　解析結果を記憶する解析結果記憶部１５は、演繹的解析部１３からの第１解析結果と、帰納的解析部１４からの第２解析結果とが記憶される。解析結果情報出力部１６は、解析結果記憶部１５に記憶された第１解析結果および第２解析結果に基づいて解析結果情報を作成し、出力する。解析結果情報には、第１解析結果の情報および第２解析結果の情報に限らず、例えば、プラント２の各部の余寿命、余寿命の分布、保守計画見直しの提案、運転計画修正の提案といった、第１解析結果の情報及び／または第２解析結果の情報から算出される加工情報も含めることができる。解析結果情報は、例えば、プラント診断システム１を操作するオペレータの端末または、生産計画を立案管理する外部システム（不図示）へ送られる。
　上述の通り、プラント２に設置された各センサ２１より、プラント２内を流れる流体の温度、圧力、流量、差圧などのセンサデータＤ１１が時系列に取得されて、プラント診断システム１へ送信される。データ取得部１１により取得されたセンサデータＤ１１の少なくとも一部は、帰納的解析モデル１４に導入され、統計的な処理により解析結果記憶部１５に出力される。解析結果記憶部１５を活用し、異常の判定や寿命の推定、運転最適化などのプラント診断、運用に関わる解析結果を解析結果の活用手段５に出力する。
　センサデータＤ１１の少なくとも一部は、演繹的解析モデル１３に送られる。演繹的解析部１３は、受け取ったセンサデータＤ１１について所定の解析処理を実施した後に、その解析結果（第１解析結果）を帰納的解析モデル１４へ送る。
　演繹的解析モデル１３は、「所定のモデル」としてのプラントモデル１３１、機器・配管モデル１３２、材料モデル１３３を有する。
　プラントモデル１３１と機器・配管モデル１３２とは、図面データ記憶部２２に記憶された図面データＤ１２に基づいて構成される。図面データ記憶部２２は、プラント診断システム１内に設けてもよいし、あるいは、プラント診断システム１とは別のシステム内に設けられてもよい。別システム内の図面データ記憶部２２の記憶内容の一部を、プラント診断システム１内にコピーして使用してもよい。
　図面データＤ１２には、例えば、プラント２のプロセスフロー図（ＰＦＤ図）、機器計装図（Ｐ＆ＩＤ図）、アイソメトリック図、３Ｄ－ＣＡＤ図などが含まれる。
　プラントモデル１３１は、主にプロセスフロー図と機器計装図とを基に構成されるもので、化学種成分の挙動や用益系の挙動が記述される。化学種成分の挙動は、例えば、化学プロセスの物質収支や反応、熱の出入り等に基づいて発生する。用益系の挙動とは、例えば水蒸気、電力等の用益系の挙動である。プラントモデル１３１は、センサデータＤ１１の情報と化学プロセスシミュレータ（不図示）による計算結果とを基に、センサデータＤ１１以外の他のデータを予測して演算する。
　機器・配管モデル１３２は、主として、アイソメトリック図と３Ｄ－ＣＡＤ図とに基づいて構成される。機器・配管モデル１３２は、実際に機器（配管を含む）を実際に流れる流体の温度、流量、圧力等を算出する。
　すなわち機器・配管モデル１３２は、プラントモデル１３１で得られたセンサ情報と化学プロセスシミュレータによる計算結果とに基づき、機器および配管の実際の取り回しと機器の構成情報等も加味して、実際に配管内を流れる流体の温度、流量、圧力等を求める。本実施例では、より詳細に三次元的な流れ解析を行い、その解析結果を抽出してモデルとして活用するために、機器・配管モデルシミュレータ１８によって三次元解析を行った後、特徴量を抽出して機器・配管モデル１３２へ情報を伝達する。例えば、機器・配管モデルシミュレータ１８により計算された「流速の最も早くなる部分」を抽出し、「流速の最も早くなる部分」を特徴量として機器・配管モデル１３２へ伝達する。
　材料モデル１３３は、腐食、亀裂または浸食等の、材料的な劣化の要因となる現象を記述するモデルである。モデル１３３の例として、例えば、流れ加速腐食、液滴衝突エロージョン、外面腐食、ガルバニック腐食、孔食腐食等がある。
　材料モデル１３３では、機器・配管モデル１３２から入力される流れ、温度、圧力、ｐＨ、溶存酸素量、ドレイン量、液滴粒子系等を基に、これらの条件が複合的に生じた際の、例えば、腐食等による減肉速度を計算する。この減肉速度等を計算するために必要な各条件の減肉量等の情報は、材料データベース１７より抽出する。
　以上のモデル１３１～１３３から求められる計算値は、演繹的解析部１３から帰納的解析部１４を経て解析結果記憶部１５に記憶される場合と、演繹的解析部１３から解析結果記憶部１５へ直接送られて記憶される場合とがある。すなわち、各モデル１３１～１３３で得られた計算値は、帰納的解析モデルである帰納的解析部１４に送られて、センサデータＤ１１と一緒に統計的に処理される。統計処理された結果は解析結果記憶部１５に記憶される。あるいは、モデル１３１～１３３で求められた計算値は、解析結果記憶部１５へ直接送られて記憶される。
　図２は、プラント診断システム１を実現する計算機のハードウェア構成例である。計算機は、例えば、マイクロプロセッサ（図中、CPU：Central Processing Unit）１０１と、メモリ１０２と、補助記憶装置１０３と、通信インターフェース部１０４と、ユーザインターフェース部１０５とを備える。補助記憶装置１０３には、プラント診断システム１の各機能１１～１６を実現するためのコンピュータプログラムＰ１と、プラント診断システム１で使用する各種データＤ１とが記憶されている。マイクロプロセッサ１０１がコンピュータプログラムＰ１をメモリ１０２に読み出して実行することにより、プラント診断システム１としての機能が実現される。
　通信インターフェース部１０４は、通信ネットワークＣＮを介して、プラント２の各センサ２１と通信可能に接続される。ユーザインターフェース部１０５には、プラント診断システム１のユーザ（オペレータ）との間で情報を交換する装置が接続される。ユーザインターフェース部１０５は、情報入力装置と情報出力装置とを含む。情報入力装置には、例えば、キーボード、マウス、タッチパネル、音声入力装置等がある。情報出力装置には、例えば、ディスプレイ、プリンタ、音声合成装置等がある。記憶媒体にデータを読み書きする装置を用いることにより、プラント診断システム１内で算出された解析結果を外部へ出力したり、あるいは、外部からプラント診断システム１へコンピュータプログラムまたはデータを入力したりすることもできる。
　図１０に示すように、コンピュータ端末（オペレータ端末）４をプラント診断システム１へ接続してもよい。これにより、プラント診断システム１とオペレータとは、コンピュータ端末４を介して情報を交換できる。コンピュータ端末４は、いわゆるデスクトップ型のコンピュータ端末でもよいし、タブレット型等のモバイル端末でもよい。
　図３～図７を用いて演繹的解析部１３の構成を説明する。図３は、プラントモデル１３１の例を示す。図３は、原料を、蒸留塔を用いて４つの溜分に分離する仮想プラントを示している。
　原料タンク２３の液体原料は、ポンプ２４により蒸留塔２６へ送られる。液体原料は、ポンプ２４から蒸留塔２６へ送られるまでの間に、熱交換器２５により加熱される。液体原料の温度Ｔ２を所定温度に保持するために、加熱蒸気配管２７（１）から熱交換器２５へ供給される加熱水蒸気の流量を流量制御弁２９で調整する。
　熱交換器２５では、加熱蒸気の流れる配管２７（１）からの熱により、液体原料が加熱される。液体原料を加熱した水蒸気は配管２７（２）に流出する。加熱された液体原料が蒸留塔２６へ送られることにより、４種類の留分２８Ａ～２８Ｄを得る。
　図３の例では、プラントの各所にセンサ２１（１）～２１（７）が設置されており、これらセンサ２１は、温度（Ｔ）、流量（Ｆ）、圧力（Ｐ）といったデータを測定してプラント診断システム１へ送信する。或るセンサ２１（４）は温度、流量、圧力を測定するが、他のセンサ２１（１）～（５），（７）は温度と流量だけを測定する。センサ２１（６）は実際には設けられていないものとする。
　例えばセンサ２１（６）が存在しない場合、通常のプラント診断システムは、溜分Ｃの温度Ｔ６、流量Ｆ６のデータを取得することができない。そこで、本実施例のプラント診断システム１は、プラントモデル１３１と他のセンサデータとを用いることにより、不足しているデータＴ６，Ｆ６を予測する。さらに、本実施例のプラント診断システム１によれば、プラントモデル１３１を用いるため、不足データＴ６，Ｆ６を含む各センサデータＤ１１の将来の運転時における変化を予測することができる。
　さらに、本実施例では、例えば、熱交換器２５の熱伝達率を、液体原料が熱交換器を通過する際の温度変化と、液体原料の流量と、水蒸気の温度および流量との関係から求めることもできる。このように、プラント２に含まれる機器の特徴量（熱伝達率等）を計算して帰納的解析部１４へ渡すことにより、帰納的解析部１４ではより詳細に解析することができる。
　図４に、機器・配管モデル１３２の例を示す。図５に、機器・配管モデルシミュレータ１８による計算例を示す。
　図４に示す機器・配管モデル１３２は、ノードＮ１に相当する機器からノードＮ１１に相当する機器に至る配管の経路を模式化して示す。機器・配管モデル１３２は、実際の施工図面であるアイソメトリック図を基に作図されており、一次元の流れ解析を実施することにより得られる。
　ノードＮ１の機器から流れ出た流体（液体原料等）は、各ノードＮ２～Ｎ１０を経由してノードＮ１１の機器に流入する。図４の例では、各ノードＮ１－Ｎ１１におけるヘッド圧や流速を、一次元解析モデルを用いて計算する。
　ここで、仮にノードＮ８とノードＮ９との間に、例えばオリフィス２７１が設けられており、流量が調整されていたとすると、オリフィス２７１を通過する部分の流れは複雑になり、通常の直管とは違った流れが生じる。これにより、配管材料に対して過酷な流れの場が形成されることがある。そこで、本実施例では三次元の流れ解析を実施する。
　図５は、機器・配管モデルシミュレータ１８による三次元流れ解析の例である。図５では、オリフィス２７１における流れの解析例を示す。機器・配管モデルシミュレータ１８は、流れが過酷な点（オリフィス２７１での特徴量を抽出する。機器・配管モデルシミュレータ１８により抽出された特徴量は、機器・配管モデル１３２に導入される。これにより機器・配管モデル１３２の精度が向上する。
　三次元流れ解析の対象はオリフィスに限らない。例えば、エルボ継ぎ手、バルブ等の複雑な形状を有する配管を解析対象としてもよい。ポンプ、圧縮機、熱交換器等の機器を解析対象にしてもよい。
　図６に、機器・配管モデル１３２と機器・配管モデルシミュレータ１８との接続関係を示す。図６には、機器・配管モデルシミュレータを計算する計算部１８１と、機器・配管モデルシミュレータで使用するデータを記憶するデータベース１８２と、既存モデルの有無を判定する機構１８３との関係が示されている。
　図５で述べた機器・配管モデルシミュレータ１８は、複雑なシミュレーション結果を出力するのに膨大な時間を必要とする。このため、図１では、機器・配管モデルシミュレータ１８を、センサデータＤ１１の流れの外に配置している。
　機器・配管モデルシミュレータ計算部１８１の計算結果は、データベース１８２に随時保管される。機器・配管モデルシミュレータ１８による適切な計算結果は、機器・配管モデル１３２に送信される。もし使用可能な計算結果がデータベース１８２に保存されていなければ、機器・配管モデルシミュレータ計算部１８１によって新たに計算される。その計算結果はデータベース１８２に保存される。
　機器・配管モデルシミュレータ１８による計算結果が既に存在するか否かは、既存モデル有無判定機構１８３にて判定される。既存モデルが存在する場合（YES）には、その既存モデルがデータベース１８２より読み出される。これに対し、既存モデルが存在しない場合（NO）には、機器・配管モデルシミュレータ計算部１８１により新たに計算され、その計算結果がデータベース１８２に保存される。
　図７に、材料モデル１３３と機器・配管モデル１３２と機器・配管モデルシミュレータ１８との関係を示す。
　材料特性評価機構１３３１は、機器・配管モデル１３２と、機器・配管モデルシミュレータ１８と、材料データベース１７とに接続されている。さらに、材料特性評価機構１３３１は、機器材料仕様１３３２を使用することができる。機器材料仕様１３３２は、機器および配管の材料の仕様データである。
　上述の通り、機器・配管モデル１３２と機器・配管モデルシミュレータ１８とは、抽出された特徴量を活かす点で連携する。すなわち、機器・配管モデルシミュレータ１８で抽出された特徴量は、機器・配管モデル１３２に反映される。
　これに対し、材料モデル１３３は、機器・配管モデル１３２または機器・配管モデルシミュレータ１８のいずれとも連携することができる。すなわち、機器・配管モデル１３２のように特徴量が抽出された後の流れ場に対して、材料モデル１３３を適用することもできるし、あるいは、機器・配管モデルシミュレータ１８のように詳細な三次元流れ場に対して材料モデル１３３を適用することもできる。
　材料モデル１３３は、機器・配管モデル１３２若しくは機器・配管モデルシミュレータ１８より得られた流体の流れ、温度、圧力、振動等のデータと、機器材料仕様１３３２より得られる配管を構成する材料の材質情報とから、解析対象の機器や配管の劣化状況を算出する。材料モデル１３３の算出結果は、出力結果１３３３として出力される。
　配管の流れ加速腐食を例にあげて説明する。機器・配管モデル１３２若しくは機器・配管モデルシミュレータ１８より、流体の流速、温度、圧力、ｐＨ、溶存酸素量若しくはそれらの分布が材料モデル１３３に入力される。さらに、機器材料仕様１３３２より、配管を流れる流体の種類と、配管を構成する材料の種類とが材料モデル１３３に入力される。材料特性評価機構１３３１には、下記の式１に示す流れ加速腐食による減肉速度の計算式が与えられている。
　　（減肉速度）＝ｆ（流速、温度、圧力、ｐＨ、溶存酸素量）・・・(式１)
　材料特性評価機構１３３１に入力された各値より、それらの値に適した減肉速度が材料データベース１７から検索される。検索された減肉速度は、式１により計算されて出力結果１３３３に出力される。検索しても適切な値が存在しなかった場合には、内挿により値を推定して返すことも可能である。
　ここでは、流れ加速腐食について記述したが、液滴衝突エロージョンを解析する場合には、流速、流体の圧力、温度等から得られるドレイン液滴の粒径分布と、ドレイン液滴の速度、流体に接触する部分を形成する材料の硬度などが必要なパラメータとなる。
　振動その他の機械的な要因による破断等を解析する場合も前記同様に、計算に必要なパラメータを材料データベース１７に蓄えることにより、計算できる。
　図７の例では、材料データベース１７を用いる場合を説明したが、これに代えて、熱力学的な溶解の理論式等を用いて記述することも可能である。
　次に、帰納的解析モデルである帰納的解析部１４の処理を説明する。本実施例の帰納的解析部１４は、例えば、適応共鳴理論（Adaptive Resonance Theory：ＡＲＴ）を用いてデータを解析する。
　（異常診断）
　帰納的解析部１４は、適応共鳴理論（Adaptive Resonance Theory：ＡＲＴ）を使用して、運転状態Ｙを複数のカテゴリに分類することができる。カテゴリには“正常”または“異常”のいずれか一つが関連付けられているため、帰納的解析部１４は、運転状態Ｙの異常を検出することができる。異常を検出する方法についてさらに説明する。
　（＃１：サンプルの収集）
　帰納的解析部１４は、運転状態Ｙのサンプルを複数収集する。このサンプルは、プラント２が“正常”または“異常”であることが既知である場合における運転状態Ｙの集合である。
　（＃２：サンプルの分類）
　運転状態Ｙは、ｎ行ラｍ列のマトリクスであるとする。つまり、運転情報Ｙは、ｍ個の時点分のｎ次元の要素を有する。帰納的解析部１４は、ｎ次元の空間を想定し、その空間の各座標軸にｎ個の要素の値をそれぞれ割り当てることによって、空間内にｍ個の点をドットする。
　図８は、ｎ次元空間が三次元空間である場合の例を示す。図８の左上側に「異常２」として示すように、例えば“常圧蒸留塔のフラッティング”という異常が発生している場合の複数の点は、空間内のある位置に集中する。他の例として図８の右側に「異常１」として示すように、“常圧蒸留塔のウィーピング”という異常が発生している場合の複数の点は、空間内の他のある位置に集中する。プラント２が正常である場合の点についても、例えばプラントが使用される季節が同じもの同士、プラントの使用者が同じもの同士等が、近くに集まることになる。
　そこで、本実施例の帰納的解析部１４は、ｍ個の点を相互に距離が近いもの同士でグループ分けする。グループの数は特に制限されない。個々のグループは、“異常１”、“異常２”、“異常３”、・・・、“正常１”、“正常２”、“正常３”、・・・のいずれかのカテゴリに対応している。各カテゴリは、ｎ次元空間内における“球”を形成する。帰納的解析部１４は、このカテゴリが特定できれば、例えば“カテゴリ異常１＝常圧蒸留塔のフラッティング”のように、異常の具体的な内容を検出できる。
　（＃３：診断）
　診断対象となる複数の運転状態Ｙがあるとする。診断対象の運転状態Ｙは、実際にプラント２が稼働した結果取得されたもの（実データ）であってもよいし、帰納的解析部１４がシミュレーションした結果（模擬データ）であってもよい。帰納的解析部１４は、上述したｎ次元空間内に診断対象の運転状態Ｙを示す点をドットすることにより、ドットされた点が含まれるカテゴリ（球）を特定する。診断対象となる複数の運転状態Ｙもまたｎ行ｍ列のマトリクスであるとすると、カテゴリは、ｍ個の時点ごとに特定される。
　図９を用いて、プラントモデル１３１が提供するユーザーインターフェース画面と使用方法の流れを示す。以下に述べるように、例えばステップ１～ステップ４という流れで、プラント２の余寿命等を診断することができる。
　プラント診断システム１は、３Ｄ－ＣＡＤをベースとして構成される。プラント診断システム１の計算結果として、特に余寿命が短いと推定された場所については、３Ｄ－ＣＡＤ上の該当場所にアラームが表示される。
　ステップ１に矢印で示すように、ユーザが、アラーム表示された場所（例えば配管）を指定すると、その場所の流体条件(温度、圧力、流量等)および配管情報等の、計算に必要なパラメータがポップアップウインドウに表示される。さらに３Ｄ－ＣＡＤの下側には、該当場所における運転パターンの過去データを表示させることもできる。
　ステップ２に示すように、一次元モデル（１Ｄモデル）と３Ｄモデル（三次元モデル）および計算結果を表示させることもできる。すなわち、プラント診断システム１は、流体解析計算により、三次元解析の詳細と、一次元モデルの詳細と、流速や溶存酸素濃度の分布などを表示可能である。
　ステップ３に示すように、プラント診断システム１は、流速および溶存酸素濃度のデータを元に計算された減肉速度の分布と、これまでの運転条件に基づいて積算された減肉量とを表示させることもできる。
　ステップ４に示すように、プラント診断システム１は、減肉量の積算値と予測された減速速度に基づいて、配管の厚さ寸法が限界値に到達するまでの時間（余寿命）を算出し、グラフとして表示することもできる。
　図１０は、プラント診断システム１の処理概要を示す。一例として、流れ加速腐食を診断する場合を説明する。プラントモデル１３１は、運転データの履歴とシミュレーション処理とにより、過去データと予測データとからなるトレンドデータを出力する。
　機器・配管モデル１３２では、例えば、三次元形状のテンプレートからの選択と、三次元解析処理と、一次元モデルへの変換処理とが行われ、その処理結果が材料モデル１３３へ引き渡される。すなわち、機器・配管モデル１３２では、三次元形状のテンプレートが用意されている。機器のサイズ情報は、３Ｄ－ＣＡＤデータ情報により値が決定される。機器・配管モデル１３２での詳細計算により、最もクリティカルな部分（流れによる腐食の最も生じやすい部分）の特徴量が抽出されて一次元モデルへ変換される。ここでの特徴量には、例えば、流速、温度、圧力、ｐＨ、ＤＯ（溶存酸素量）等がある。
　材料モデル１３３では、劣化モードの選択と、流体物性データベースの参照と、配管材料データベースの参照と、腐食速度の計算とが行われる。すなわち、材料モデル１３３では、腐食やエロージョン等の劣化モードが選択されると、選択されたモードに必要な流体状態量が流体物性データベースから抽出される。流体物性データベースでは、例えば水、蒸気、水と蒸気の混合体、海水、プロセス流体などの物性がデータベース化されており、必要に応じて呼び出される。
　配管材料データベースでは、例えば鉄鋼、ステンレス、高耐熱合金などの、配管（機器を含む）に使用される材料の物性がデータベース化されている。材料モデル１３３では、材料物性データベースから呼び出したデータに基づいて、腐食速度や腐食の分布が計算される。これにより、プラント診断システム１は、累積減肉量と余寿命の分布を算出して表示させることができる。
　ここで、発明者らは、プラント診断システム１の精度を検証するため、プラント２内の流れ加速腐食による配管の解析を行った。あるポンプに付属する配管が、腐食例として抽出された場合の配管の減肉腐食の測定例を説明する。
　液層の水が、オリフィスと、オリフィスの直後に存在する９０度エルボとを流れており、オリフィスとエルボとで生じる乱流によって、流れ加速腐食が進行したと考えられる例である。平均の減肉速度を稼働日数と時間とから算出し、最大の減肉速度を計算したところ、０．７３ｍｍ／年という値が得られた。
　流れ加速腐食に影響を及ぼす因子として、温度、流速、ｐＨ、溶存酸素量（ＤＯ）、配管部材金属中のＣｒ濃度、形状を抽出した。
　式２に示すように、流れ加速腐食による減肉量（ｍ）を温度と流速との関数として規定し（ｍ０）、その他のパラメータによる影響を補正係数として乗算することにより、実際の使用環境条件下での減肉量（ｍ）を求めた。
　　m = m0(Temp, FR )* fph*fDO(Temp)*fCr*fKc　・・・（式２）
　　　m: FACによる減肉量（補正後）
　　　m0: FACによる減肉量（補正前）
　　　Temp：温度
　　　FR：流速
　　　fpH ：pHによる補正係数
　　　fDO ：DO（溶存酸素両）による補正係数
　　　fCr ：Cr含有量による補正係数
　　　fKc ：形状による補正係数
　腐食例として抽出されたポンプのミニマムフロー管のアイソメトリック図から、圧力損失と流速とを一次元解析により計算し、測定データに基づいて温度を推定した。この結果、温度は１１８．７度、圧力は１．９６ＭＰａ、平均の流速は２．５９ミリ／秒と推定された。
　さらに溶存酸素濃度（ＤＯ）とｐＨとの参照値として、以前の対象プラントでの測定結果である「２ｐｐｂ」と「９．５」とを用いた。解析対象の配管の材質は、圧力配管用炭素鋼であり、Ｃｒ濃度として０．００１ｍａｓｓ％を用いた。Ｃｒ濃度として０．００１ｍａｓｓ％を用い、形状因子として直管障害部の形状因子であるＫｃ１を選択した。この結果、補正後の減肉量（ｍ）は０．１７ｍｍ/年と計算できた。
　このように構成される本実施例によれば、プラント診断システム１の信頼性を向上することができる。
　本実施例によれば、プラントモデル１３１と機器・配管モデル１３２及び材料モデル１３３を含む所定のモデルを用いてシミュレーション処理することにより得られる第１解析結果と、所定の運転データを統計処理した結果とに基づいて、第２解析結果を算出し、第１解析結果と第２解析結果とに基づいて所定の解析結果情報を出力することができ、信頼性が向上する。
　本実施例によれば、材料の劣化挙動に基づく演繹的解析部（物理的解析部）１３と実データ（センサデータ）に基づく帰納的解析部（統計解析部）１４とを連携させて解析結果情報を得ることができる。これにより本実施例では、複数の解析部１３，１４の連携により得られた解析結果情報に基づいて、プラントの異常診断、異常の原因特定、保守計画の修正、運転計画の修正等を行うことができる。
　なお、本発明は、上述した実施形態に限定されない。当業者であれば、本発明の範囲内で、種々の追加や変更等を行うことができる。上述の実施形態において、添付図面に図示した構成例に限定されない。本発明の目的を達成する範囲内で、実施形態の構成や処理方法は適宜変更することが可能である。
　また、本発明の各構成要素は、任意に取捨選択することができ、取捨選択した構成を具備する発明も本発明に含まれる。さらに特許請求の範囲に記載された構成は、特許請求の範囲で明示している組合せ以外にも組み合わせることができる。
　１：プラント診断システム、２：プラント、３：検査装置、４：コンピュータ端末、１１：データ取得部、１２：運転データ記憶部、１３：演繹的解析部、１４：帰納的解析部、１５：解析結果記憶部、１６：解析結果情報出力部、１７：材料データベース、１８：機器・配管モデルシミュレータ、２１：センサ、２２：図形データ記憶部、１３１：プラントモデル、１３２：機器・配管モデル、１３３：材料モデル

Claims (12)

  1. 　プラントを診断するプラント診断システムであって、
    　前記プラントについての所定の運転データを取得するデータ取得部と、
    　前記所定の運転データを所定のモデルに基づいてシミュレーション処理することにより、第１解析結果を算出する第１解析部と、
    　前記所定の運転データを統計処理した結果と前記第１解析結果とに基づいて、第２解析結果を算出する第２解析部と、
    　前記第１解析結果と前記第２解析結果とに基づいて所定の解析結果情報を出力する解析結果情報出力部とを備え、
    　前記所定のモデルは、前記プラント全体の挙動を記述するプラントモデルと、前記プラントを構成する各機器に関する機器・配管モデルと、前記各機器を構成する材料に関する材料モデルとを含む、
    プラント診断システム。
  2. 　前記第２解析部は、前記プラントの所定の領域について所定時間後の運転状態を前記第２解析結果として算出する、
    請求項１に記載のプラント診断システム。
  3. 　前記所定の運転データには、前記プラントに設置されたセンサからのセンサデータが含まれる、
    請求項１に記載のプラント診断システム。
  4. 　前記所定の運転データには、前記プラントを検査した結果である検査データさらに含まれている、
    請求項３に記載のプラント診断システム。
  5. 　前記第１解析部は、前記検査データに基づいて前記所定のモデルを修正する、
    請求項４に記載のプラント診断システム。
  6. 　前記第１解析部は、前記プラントの構成を示すプラント構成データを利用することにより前記所定のモデルを生成し、
    　前記プラント構成データは、プロセスフロー図と、配管計装図と、アイソメトリック図と、三次元設計図とを含み、
    　前記プラントモデルは、前記プロセスフロー図に基づいて記述されるモデルであって、かつ、前記運転データ及び／または前記プラントが取扱う化学操作から、前記プラントの操業中の状態を記述するシミュレーション処理を実施することにより前記プラントの状態を記述するモデルであり、
    　前記機器・配管モデルは、前記配管計装図または前記アイソメトリック図に基づいて記述される機器・配管配置図の情報のうち少なくともいずれかを用いて構成されるモデルであって、前記プラントモデルから出力されるマクロな一次元流体の属性を示す一次元流体属性計算情報と、前記各機器の形状のうち流体の流れる所定部位の形状に起因するミクロな三次元流体の属性を示す三次元流体属性計算情報とを記述するモデルであり、
    　前記材料モデルは、前記各機器を構成する材料の情報を蓄積する材料データベースと前記三次元流体属性計算情報とから計算される、材料の任意の運転時間後の状態を記述するモデルである、
    請求項１に記載のプラント診断システム。
  7. 　前記材料データベースは、流体による材料の減肉を記述した情報を記憶する、
    請求項６に記載のプラント診断システム。
  8. 　前記一次元流体属性計算情報の少なくとも一部は、前記三次元流体属性計算情報を縮約することにより得られる、
    請求項６に記載のプラント診断システム。
  9. 　前記解析結果情報出力部は、
    　　前記プラントのうち解析対象の領域が指定されると、
    　　前記指定された解析対象の領域についての流体の状態を前記所定のモデルを用いて計算し、
    　　前記計算された流体の状態と前記材料データベースとに基づいて減肉を予測し、
    　　前記予測された減肉に基づいて前記解析対象の領域の余寿命を計算し、
    　　前記算出された余寿命を出力する、
    請求項７に記載のプラント診断システム。
  10. 　前記解析結果情報出力部は、前記解析結果情報として、前記プラントの異常を診断した結果、異常の原因を特定した結果、前記プラントの保守計画を最適化した結果、前記プラントの運転を最適化した結果のうち、少なくともいずれか一つを出力する、
    請求項１に記載のプラント診断システム。
  11. 　前記プラントは、石油精製プラント、化学プラント、電力プラント、水処理プラントまたは医薬品製造プラントのうちのいずれかである、
    請求項１に記載のプラント診断システム。
  12. 　計算機システムを用いてプラントを診断するプラント診断方法であって、
    　前記計算機システムは、
    　　前記プラント全体の挙動を記述するプラントモデルと、前記プラントを構成する各機器に関する機器・配管モデルと、前記各機器を構成する材料に関する材料モデルとを含む所定のモデルを保持しており、
    　　前記プラントについての所定の運転データを取得し、
    　　前記所定の運転データを所定のモデルに基づいてシミュレーション処理することにより、第１解析結果を算出し、
    　　前記所定の運転データを統計処理した結果と前記第１解析結果とに基づいて、第２解析結果を算出し、
    　　前記第１解析結果と前記第２解析結果とに基づき所定の解析結果情報を出力する、
    プラント診断方法。
PCT/JP2019/006466 2018-06-28 2019-02-21 プラント診断システムおよび方法 WO2020003598A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201980033391.8A CN112136088A (zh) 2018-06-28 2019-02-21 成套设备诊断系统以及方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018-122960 2018-06-28
JP2018122960A JP7161872B2 (ja) 2018-06-28 2018-06-28 プラント診断システム

Publications (1)

Publication Number Publication Date
WO2020003598A1 true WO2020003598A1 (ja) 2020-01-02

Family

ID=68986290

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/006466 WO2020003598A1 (ja) 2018-06-28 2019-02-21 プラント診断システムおよび方法

Country Status (3)

Country Link
JP (1) JP7161872B2 (ja)
CN (1) CN112136088A (ja)
WO (1) WO2020003598A1 (ja)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7380393B2 (ja) 2020-03-31 2023-11-15 株式会社プロテリアル バルブの減肉診断システム、バルブの減肉診断方法およびバルブの減肉診断サービス
JP7433171B2 (ja) 2020-09-08 2024-02-19 三菱重工業株式会社 表示装置、プラント運転支援システムおよびプラント運転支援方法
WO2023175711A1 (ja) * 2022-03-15 2023-09-21 日揮株式会社 プラント構造物腐食予測装置、推論装置、機械学習装置、情報予測装置、プラント構造物腐食予測方法、推論方法、機械学習方法及び情報予測方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07103400A (ja) * 1993-10-07 1995-04-18 Toshiba Corp 配管系統のモデリング方法
JP2001280599A (ja) * 2000-03-31 2001-10-10 Hitachi Ltd 発電プラント配管の寿命予測方法
JP2005332360A (ja) * 2004-04-22 2005-12-02 Yokogawa Electric Corp プラント運転支援装置
JP2017138919A (ja) * 2016-02-05 2017-08-10 横河電機株式会社 プラント性能評価装置、プラント性能評価システム、およびプラント性能評価方法
WO2017154744A1 (ja) * 2016-03-11 2017-09-14 株式会社日立製作所 生産設備経営最適化装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5469131B2 (ja) * 2011-07-19 2014-04-09 株式会社日立製作所 プラントの診断方法及び装置。

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07103400A (ja) * 1993-10-07 1995-04-18 Toshiba Corp 配管系統のモデリング方法
JP2001280599A (ja) * 2000-03-31 2001-10-10 Hitachi Ltd 発電プラント配管の寿命予測方法
JP2005332360A (ja) * 2004-04-22 2005-12-02 Yokogawa Electric Corp プラント運転支援装置
JP2017138919A (ja) * 2016-02-05 2017-08-10 横河電機株式会社 プラント性能評価装置、プラント性能評価システム、およびプラント性能評価方法
WO2017154744A1 (ja) * 2016-03-11 2017-09-14 株式会社日立製作所 生産設備経営最適化装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
YONEDA, KIMITOSHI ET AL.: "Development of Pipe Wall Thinning Prediction Software 'FALSET", RESEARCH REPORT OF CRIEPI RESEARCH REPORT: L11007, ENTIRE TEXT OF REPORT, June 2012 (2012-06-01), Retrieved from the Internet <URL:https://criepi.denken.or.jp/jp/kenkikaku/report/download/c9H31hB7wSqYmpydLC3IFjeFnyXfJcB9/L11007.pdf> [retrieved on 20190517] *

Also Published As

Publication number Publication date
JP2020004087A (ja) 2020-01-09
JP7161872B2 (ja) 2022-10-27
CN112136088A (zh) 2020-12-25

Similar Documents

Publication Publication Date Title
WO2020003598A1 (ja) プラント診断システムおよび方法
KR102169561B1 (ko) 데이터 클린징 시스템 및 공급물 조성을 추론하기 위한 방법
EP1393136B1 (en) Method for monitoring and detecting sensor failure in oil and gas production system
CN113518922A (zh) 用于评估管道状况的改进的方法
Sharif et al. Process plant condition monitoring and fault diagnosis
CN109298633A (zh) 基于自适应分块非负矩阵分解的化工生产过程故障监测方法
JP3890916B2 (ja) 弁管理システム
CN106200624A (zh) 基于交叉分段pca的工业锅炉故障诊断方法
Ayubali et al. A phenomenological model for predicting long-term high temperature creep life of materials from short-term high temperature creep test data
JPH08178172A (ja) 機器及び配管装置類のエロージョン・コロージョンによる減肉計算及び評価法
JP7097263B2 (ja) プラントデータ解析システム
Bagajewicz A review of techniques for instrumentation design and upgrade in process plants
Yuan et al. Variable correlation analysis-based convolutional neural network for far topological feature extraction and industrial predictive modeling
US10429828B2 (en) Plant simulation device and plant simulation method with first parameter adjustable at start and second parameter adjustable during operation of the plant
JP6840026B2 (ja) 熱交換器の異常診断方法、異常診断システム、及びその制御装置
Khan et al. Particle filter based prognosis study for predicting remaining useful life of steam generator tubing
Loyola-Fuentes et al. Classification and estimation of unmeasured process variables in crude oil pre-heat trains subject to fouling deposition
CN105718620A (zh) 换流阀冷却系统关键元器件可靠性统计分析的建模方法
CN116384732A (zh) 场站管道风险智能评估方法、系统、存储介质及计算设备
WO2021257719A1 (en) Dynamic online process flow diagraming
JP2004302709A (ja) 弁の保全管理方法及びその支援システム
Nair et al. Sensor fault isolation in a liquid flow process using Kalman filter
US20220308016A1 (en) Piping wall thinning prediction system, piping soundness evaluation system, and method
WO2011148431A1 (ja) プラント診断装置及びこれを用いた診断方法
Sansana et al. A functional data-driven approach to monitor and analyze equipment degradation in multiproduct batch processes

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: 19826461

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19826461

Country of ref document: EP

Kind code of ref document: A1