特開2020-201764(P2020-201764A)IP Force 特許公報掲載プロジェクト 2015.5.11 β版

知財求人 - 知財ポータルサイト「IP Force」

▶ 中国電力株式会社の特許一覧
特開2020-201764監視支援システムおよび監視支援方法
<>
  • 特開2020201764-監視支援システムおよび監視支援方法 図000003
  • 特開2020201764-監視支援システムおよび監視支援方法 図000004
  • 特開2020201764-監視支援システムおよび監視支援方法 図000005
  • 特開2020201764-監視支援システムおよび監視支援方法 図000006
  • 特開2020201764-監視支援システムおよび監視支援方法 図000007
  • 特開2020201764-監視支援システムおよび監視支援方法 図000008
  • 特開2020201764-監視支援システムおよび監視支援方法 図000009
  • 特開2020201764-監視支援システムおよび監視支援方法 図000010
  • 特開2020201764-監視支援システムおよび監視支援方法 図000011
< >
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】特開2020-201764(P2020-201764A)
(43)【公開日】2020年12月17日
(54)【発明の名称】監視支援システムおよび監視支援方法
(51)【国際特許分類】
   G05B 23/02 20060101AFI20201120BHJP
   G21C 17/00 20060101ALI20201120BHJP
【FI】
   G05B23/02 301X
   G21C17/00 110
【審査請求】未請求
【請求項の数】5
【出願形態】OL
【全頁数】15
(21)【出願番号】特願2019-108873(P2019-108873)
(22)【出願日】2019年6月11日
【新規性喪失の例外の表示】特許法第30条第2項適用申請有り 一般社団法人日本保全学会、日本保全学会第15回学術講演会要旨集、平成30年7月10日発行 日本保全学会第15回学術講演会、平成30年7月11日開催 NHKニュースおはよう日本、平成31年2月3日放送 日本工業出版株式会社、検査技術2019年6月号、令和1年6月1日発行
(71)【出願人】
【識別番号】000211307
【氏名又は名称】中国電力株式会社
(74)【代理人】
【識別番号】100126561
【弁理士】
【氏名又は名称】原嶋 成時郎
(72)【発明者】
【氏名】林 司
(72)【発明者】
【氏名】谷川 稔
(72)【発明者】
【氏名】山本 敬之
(72)【発明者】
【氏名】重本 佳孝
(72)【発明者】
【氏名】宮 健三
(72)【発明者】
【氏名】高瀬 健太郎
(72)【発明者】
【氏名】児玉 典子
【テーマコード(参考)】
2G075
3C223
【Fターム(参考)】
2G075BA03
2G075CA02
2G075EA01
2G075EA02
2G075FB18
2G075FB19
2G075FC05
2G075GA18
3C223AA03
3C223BA03
3C223CC02
3C223CC03
3C223DD03
3C223EA01
3C223FF27
3C223FF42
3C223GG01
3C223GG03
3C223HH08
(57)【要約】      (修正有)
【課題】プラントの異常を予兆の段階で検知したときに、運転員に過去の事象の原因、進展、対処法が記載された事象データを示して、運転員の予兆事象への対処を支援し、事象の進展を未然に防ぐことを目的とする。
【解決手段】監視支援システム1によれば、故障予兆監視システム22のアラームおよび異常情報を受けると、人工知能プラットフォーム40が、予兆の原因となった事象と関連性の高い過去の事象を事象データベースから検索し、検索結果を出力することができるので、原子力発電所の運転員に検索結果が示す過去の事象から、予兆の原因究明と原因除去等の対処にあたって参照できる資料を示すことができ、経験の浅い運転員であっても、故障の予兆の段階で、原因の推定や今後の事象の進展を予測することが容易となる。
【選択図】図1
【特許請求の範囲】
【請求項1】
監視対象となるプラントの機器や系統である機器系統にセンサが設けられ、前記機器系統が正常時の各センサ間の関係性を表す監視モデルを作成し、実働する前記機器系統について前記監視モデルを基にして前記各センサ間の関係性の崩れを検知し、前記各センサ間の関係性の崩れが所定の数以上あったときに前記監視対象となるプラントの異常の予兆と判定し、アラームと関係性の崩れのあった異常箇所を示す異常情報とを出力する故障予兆監視手段と、
前記監視対象となるプラントを含む複数のプラントの運転に関する情報が記憶された外部サーバから、前記運転に関する情報を取得し、前記運転に関する情報に含まれるデータを人工知能による学習機能によって整理し、分類して事象データベースに記憶するデータベース構築手段と、
前記故障予兆監視手段が前記異常情報を出力すると、前記異常情報から検索条件を作成し、前記事象データベースを検索して前記異常情報と関連性の高い過去の事象を検索して検索結果として出力する検索手段と、
前記検索結果を表示する表示手段と、
を備えたことを特徴とする監視支援システム。
【請求項2】
前記検索手段は、人工知能による学習機能によって前記事象データベースに記憶されたデータに含まれる用語を分析し、前記異常情報に示された前記異常箇所と対応する1以上の同意語に置き換えるためのキーワード変換テーブルを作成し、前記キーワード変換テーブルを用いて前記異常情報から検索条件を作成する、
ことを特徴とする請求項1に記載の監視支援システム。
【請求項3】
前記データベース構築手段は、前記監視対象となるプラントの前記運転に関する情報に含まれない過去の記録情報を取得して、前記記録情報に含まれるデータを人工知能による学習機能によって整理し、分類して前記事象データベースに記憶する、
ことを特徴とする請求項1または2に記載の監視支援システム。
【請求項4】
前記検索条件を入力する入力手段を備えたことを特徴とする請求項1から3のいずれか1項に記載の監視支援システム。
【請求項5】
監視対象となるプラントの機器や系統である機器系統にセンサが設けられ、前記機器系統が正常時の各センサ間の関係性を表す監視モデルを作成し、実働する前記機器系統について前記監視モデルを基にして前記各センサ間の関係性の崩れを検知し、前記各センサ間の関係性の崩れが所定の数以上あったときに前記監視対象となるプラントの異常の予兆と判定し、アラームと関係性の崩れのあった異常箇所を示す異常情報とを出力する故障予兆監視ステップと、
前記監視対象となるプラントを含む複数のプラントの運転に関する情報が記憶された外部サーバから、前記運転に関する情報を取得し、前記運転に関する情報に含まれるデータを人工知能による学習機能によって整理し、分類して事象データベースに記憶するデータベース構築ステップと、
前記異常情報が出力されると、前記異常情報から検索条件を作成し、前記事象データベースを検索して前記異常情報と関連性の高い過去の事象を検索して検索結果として出力する検索ステップと、
前記検索結果を表示する表示ステップと、
を備えたことを特徴とする監視支援方法。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、発電所など各種プラントの故障予兆を監視する故障予兆監視システムの運用を支援するための監視支援システムおよび監視支援方法に関する。
【背景技術】
【0002】
発電所の発電プラントには、蒸気タービンやボイラーなどの各種の機器や給排気系のような系統(「機器系統」という)が使用されている。発電プラントはこれらの機器系統により発電を行っている。こうした発電プラントでは、例えばSIAT技術(System Invariant Analysis Technology:インバリアント解析技術)を応用したシステムにより、プラントの各機器系統に設けられている機器や系統について、故障の予兆を監視している(例えば、特許文献1参照。)。この故障予兆監視システムによれば、プラントの各機器系統に設置されている各種のセンサからの計測値を次のように用いている。
【0003】
故障予兆監視システムは、プラントが正常に動いている場合の各種のセンサからの計測値を基に、センサ間の相関関係のような関係性(不変関係、インバリアントともいう)を調べる。そして、故障予兆監視システムは、センサ間の関係性の強さを表す監視モデルをプラント全体、または機器系統ごと、あるいは状態(点検中、起動中、定格運転中、定期試験中、停止中など)ごとに作成する。この後、監視システムは、監視モデルを基にしたセンサの予測値と、定期的に取得した実測値とにより、センサ間の関係性を監視し、関係性に崩れ(変化)があると、監視システムはアラーム(警報)を通知する。
【0004】
特許文献1の技術を利用した従来の監視システムでは、プラント全体の監視モデル、機器系統ごとの監視モデルなど、複数の監視モデルを同時に動作させて、プラント全体および重要な機器系統を監視し、プラントの異常を予兆の段階で早期に検知することを可能としている。
【0005】
このように、関係性の崩れを検知する手法によれば、従来のしきい値監視による検知より早期に予兆の段階で異常を検知でき、事象が拡大する前に処置を行うことが可能となる。
【先行技術文献】
【特許文献】
【0006】
【特許文献1】特開2017−021702号公報
【発明の概要】
【発明が解決しようとする課題】
【0007】
しかしながら、上記のような故障予兆監視システムによって、プラントの異常を予兆の段階で早期に検知したとしても、検知した異常の原因究明、対処方法導出および進展予測などについては、豊富な経験を有する運転員や保修員等のベテラン技術者に依存しているのが実情である。今後、技術者の世代交代、ベテラン技術者の大量退職等を考慮すると、検知した事象の正確な把握、原因究明等を人に依存し続けることは好ましくない。そこで、ベテラン技術者の培ったノウハウに代替するようなシステムを構築し、ベテランの運転員のマンパワーに対する依存を軽減することが求められている。
【0008】
本発明は、プラントの異常を予兆の段階で検知したときに、運転員に過去の事象の原因、進展、対処法を示して、運転員の予兆事象への対処を支援し、事象の進展を未然に防ぐことを目的とする。
【課題を解決するための手段】
【0009】
上記課題を解決するために請求項1に記載の発明は、監視対象となるプラントの機器や系統である機器系統にセンサが設けられ、前記機器系統が正常時の各センサ間の関係性を表す監視モデルを作成し、実働する前記機器系統について前記監視モデルを基にして前記各センサ間の関係性の崩れを検知し、前記各センサ間の関係性の崩れが所定の数以上あったときに前記監視対象となるプラントの異常の予兆と判定し、アラームと関係性の崩れのあった異常箇所を示す異常情報とを出力する故障予兆監視手段と、前記監視対象となるプラントを含む複数のプラントの運転に関する情報が記憶された外部サーバから、前記運転に関する情報を取得し、前記運転に関する情報に含まれるデータを人工知能による学習機能によって整理し、分類して事象データベースに記憶するデータベース構築手段と、前記故障予兆監視システムが前記異常情報を出力すると、前記異常情報から検索条件を作成し、前記事象データベースを検索して前記異常情報と関連性の高い過去の事象を検索して検索結果として出力する検索手段と、前記検索結果を表示する表示手段と、を備えたことを特徴とする。
【0010】
請求項2に記載の発明は請求項1に記載の監視支援システムであって、前記検索手段は、人工知能による学習機能によって前記データベースに記憶されたデータに含まれる用語を分析し、前記異常情報に示された前記異常箇所と対応する1以上の同意語に置き換えるためのキーワード変換テーブルを作成し、前記キーワード変換テーブルを用いて前記異常情報から検索条件を作成する、ことを特徴とする。
【0011】
請求項3に記載の発明は請求項1または2に記載の監視支援システムであって、前記データベース構築手段は、前記監視対象となるプラントの前記トラブル情報に含まれない事象記録または過去の作業記録情報を取得して、前記作業記録情報に含まれるデータを人工知能による学習機能によって整理し、分類して前記事象データベースに記憶する、ことを特徴とする。
【0012】
請求項4に記載の発明は、請求項1から3のいずれか1項に記載の監視支援システムであって、前記検索条件を入力する入力手段を備えたことを特徴とする。
【0013】
請求項5に記載の発明は、監視対象となるプラントの機器や系統である機器系統にセンサが設けられ、前記機器系統が正常時の各センサ間の関係性を表す監視モデルを作成し、実働する前記機器系統について前記監視モデルを基にして前記各センサ間の関係性の崩れを検知し、前記各センサ間の関係性の崩れが所定の数以上あったときに前記監視対象となるプラントの異常の予兆と判定し、アラームと関係性の崩れのあった異常箇所を示す異常情報とを出力する故障予兆監視ステップと、前記監視対象となるプラントを含む複数のプラントの運転に関する情報が記憶された外部サーバから、前記運転に関する情報を取得し、前記運転に関する情報に含まれるデータを人工知能による学習機能によって整理し、分類して事象データベースに記憶するデータベース構築ステップと、前記異常情報が出力されると、前記異常情報から検索条件を作成し、前記事象データベースを検索して前記異常情報と関連性の高い過去の事象を検索して検索結果として出力する検索ステップと、前記検索結果を表示する表示ステップと、を備えたことを特徴とする監視支援方法である。
【発明の効果】
【0014】
請求項1または5に記載の発明によれば、故障予兆監視システムのアラームを受けると、予兆の原因となった事象と関連性の高い過去の事象を事象データベースから検索し、検索結果を出力することができるので、原子力プラントの運転員に検索結果が示す過去の事象から、予兆の原因究明と原因除去等の対処にあたって参照できる資料を示すことができ、経験の浅い運転員であっても、故障の予兆の段階で、原因の推定や今後の事象の進展の予測を容易に行うことができる。結果として、プラントの運転、保守の負担を軽減することができ、設備管理、運転管理の品質向上を図ることが可能となる。
【0015】
請求項2に記載の発明によれば、人工知能の学習機能により、キーワード変換テーブルを作成することで、「用語の揺らぎ」が考慮され、より精度の高い検索が可能となる。
【0016】
請求項3に記載の発明によれば、外部のサーバに登録されていないオリジナルのデータも事象データベースに取り入れることで、学習データの量を増やすことができ、学習精度が上がることで、検索精度を向上させることができる。
【0017】
請求項4に記載の発明によれば、検索条件を入力できるので、より関連性の高い情報を絞り込んで検索できる。
【図面の簡単な説明】
【0018】
図1】この発明の実施の形態に係る原子力プラントに設けられた監視支援システムを示す概略構成図である。
図2】この発明の実施の形態に係る連携サーバと人工知能プラットフォームの機能構成を示すブロック図である。
図3】事象データベースに記憶されるデータを説明する図である。
図4】キーワード変換テーブルを示す図であり、(a)は追加学習前、(b)は追加学習後である。
図5】生成された検索パターンの一例を示す図である。
図6】生成された検索パターンの一例を示す図である。
図7】監視支援システムにおける事象データベースの作成から検索結果を出力するまでのフローチャートである。
図8】検索結果の表示画面を示す図である。
図9】監視支援システムの追加学習工程を示すフローチャートである。
【発明を実施するための形態】
【0019】
以下、この発明を図示の実施の形態に基いて説明する。
【0020】
図1図9は、この発明の実施の形態に係る監視支援システムを示す。図1は、監視支援システム1の構成を示す概略構成図である。図1に示す監視支援システム1は、原子力発電所で用いられる故障予兆監視システム22が検知した予兆をもとに、過去の関連する事象を検索して提示することで故障予兆監視システム22の運用を支援するシステムである。
【0021】
本実施の形態の監視支援システム1は原子力プラント21と、故障予兆監視システム22と、連携サーバ30と、人工知能プラットフォーム40と、ユーザ端末50とからなる。連携サーバ30は、所内ネットワークを通じて故障予兆監視システム22と接続され、インターネット等の通信ネットワークNを通じて人工知能プラットフォーム40と接続されている。さらに連携サーバ30はユーザ端末50と通信可能に接続されている。
【0022】
原子力プラント21は、原子力発電プラントであり、図示を省略しているが、原子炉、タービン、発電機、ポンプや配管などの多数の機器や系統を備えている。原子力プラント21には、各機器系統の状態を調べるために、各種のセンサが設置されている。各センサによって計測された計測値は故障予兆監視システム22に送られる。
【0023】
故障予兆監視システム22は、原子力プラント21のセンサが計測した計測値をリアルタイムで監視し、原子力プラント21のトラブルを予兆の段階で検知するシステムである。故障予兆監視システム22は、原子力プラント21が正常に動いている場合の各センサからの計測値を基に、センサ間の計測値の関係性(不変関係、インバリアントともいう)を調べる。そして、故障予兆監視システム22は、センサ間の関係性の強さを表す監視モデルをプラント全体、または機器系統ごと、あるいは状態(点検中、起動中、定格運転中、定期試験中、停止中など)ごとに作成する。この後、故障予兆監視システム22は、監視モデルを基にしたセンサの予測値と、定期的に取得した実測値とにより、センサ間の関係性を監視し、関係性に崩れ(変化)があると、故障予兆監視システム22はアラーム(警報)と異常情報とを出力する。異常情報とは、故障予兆監視システム22は、関係性の崩れのあった複数の要因箇所から予兆の主な要因となっているものを選択し、異常情報として要因箇所名を出力する。
【0024】
連携サーバ30は、故障予兆監視システム22と人工知能プラットフォーム40を連携させるために機能する中間サーバである。連携サーバ30は故障予兆監視システム22がアラームを受信すると、アラームと共に出力された異常情報の要因箇所名を人工知能プラットフォーム40に送り、検索の指示をする。
【0025】
人工知能プラットフォーム40は、複数の人工知能サービスを実行するコンピュータであって、インターネット等の通信ネットワークNを介して外部のサーバやデータベースなどからデータを収集することが可能なクラウドネットワーク上に構成され、通信ネットワークNを介して外部サーバ60と社内データベース70に接続されている。人工知能プラットフォーム40によって実行される人工知能サービスは主として、原子力施設のトラブル等情報を取得し、整理して分類してデータベースを構築する人工知能サービスと、集められたデータから用語を分析し検索条件を生成するためのキーワード変換テーブルを作成するため人工知能サービスと、データベースから関連性の高い事象を検索する人工知能サービスとの3つの人工機能サービスによって機能する。人工知能プラットフォーム40は外部のWebサイトやデータベース等から原子力施設のトラブル等情報を収集し、過去のトラブルを整理して、分類し、記憶装置に記憶して事象データベース41を構築する。
【0026】
ユーザ端末50は検索結果等を表示するディスプレイと、各種入力を行うキーボードとマウスを備えたPCであり、保修員によって操作が行われる。
【0027】
図2の機能ブロック図を参照して連携サーバ30および人工知能プラットフォーム40の機能を説明する。
【0028】
図2に示すように、連携サーバ30は、受信部31と、処理部32と、通信部33と、入出力部34とを備える。受信部31は故障予兆監視システム22のアラームおよび異常情報の要因箇所名を受信する部分である。処理部32はCPUからなり、各種情報を処理し、通信部33と入出力部34を機能させる。通信部33は、人工知能プラットフォーム40と通信ネットワークNを介して通信可能に接続され、連携サーバ30と人工知能プラットフォーム40とのデータの送受信を行う。入出力部34は後述するユーザ端末50と通信可能に接続されデータを送受信する。
【0029】
人工知能プラットフォーム40は事象データベース41と、データ取得部42と、データベース構築部43と、キーワード変換テーブル作成部44と、キーワード変換テーブルメモリ45と、検索部46と、通信部47とによって構成される。
【0030】
事象データベース41は過去の事象記録、例えば過去の事象の原因、進展、対処法が記載された事象データを記憶するクラウドネットワーク上に構築された記憶装置である。
【0031】
データ取得部42は、通信ネットワークNを介して原子力発電所のトラブル等が公表されているWebサイトやデータベースから、原子力発電所のトラブル等が記載されたデータを取得する。原子力発電所のトラブル等が記載されたトラブル等情報のデータは、様々な種類・形式が含まれる非構造化・非定型的データであり、継時的に新たな情報が追加されていく、いわゆるビッグデータである。本実施の形態では、取得するデータとして一般社団法人原子力安全推進協会が公開する原子力施設情報公開ライブラリー「ニューシア(NUCIA)」(登録商標)を利用する。ニューシアは、原子力発電所や原子燃料サイクル施設の運転に関する情報を広く共有化するためのWebサイトである。ニューシアにおいては、原子炉施設の故障が原因で原子炉を停止したり、基準を超える放射性物質の漏れが発生したりした場合など、法令に基づき国への報告が必要となる事象をトラブルと呼んでおり、トラブルの内容や原因、対策などを「トラブル情報」と呼んでいる。このサイトへはさらに、機器・配管の小さなひび割れなど、国へ報告する必要のない軽微な事象であるが、保安活動の向上の観点から電力各社で共有化するだけでなく、産官学でも情報共有化することが有益な情報が「保全品質情報」が登録されている。本実施の形態ではニューシアに登録されているデータの内、上記の「トラブル情報」に「保全品質情報」を含めた「トラブル等情報」を取得するデータとして採用している。
【0032】
さらにデータ取得部42は、発電所のオリジナルデータとして、ニューシアに登録する要件に満たない事象記録や、過去の保修、保守、点検の作業記録である過去事象情報を記憶している社内データベース70からもデータを取得する。
【0033】
データベース構築部43は人工知能モジュールとして機能し、データ取得部42によって取得したデータを解析して、過去の事象の原因、進展、対処法等が整理された事象データとして事象データベース41に記憶する。すなわちデータベース構築部43は、データ取得部42が取得したデータを1件ごとに、テキストの用語、文脈を人工知能が分析し、事象を検索しやすいようにデータの内容をカテゴリ毎に整理して記憶する。
【0034】
ここで、図3によって事象データベース41のデータ構造について説明する。
【0035】
事象データベース41に記憶されるデータには会社名データがある。会社名データは原子力発電所を運用している電力会社名が記録されている。
【0036】
事象データベース41に記憶されているデータには発電所名データがある。発電所名データは発電所名が記録されている。
【0037】
事象データベース41に記憶されているデータには件名データがある。件名データには事象の件名が記録されている。
【0038】
事象データベース41に記憶されているデータには国への法令報告根拠データがある。国への法令報告根拠データには事象の報告根拠となっている法令が記憶される。例えば「実用炉規則134条第3号」というように記憶され、根拠法令の無い「保全品質情報」や独自の運転記録である場合は「無し」と記憶される。
【0039】
事象データベース41に記憶されているデータには国際原子力事象評価尺度がある。国際原子力事象評価尺度(INES)は、国際原子力機関(IAEA)と経済協力開発機構原子力機関(OECD/NEA)が定めた尺度で、原子力施設等の異常事象や事故を、その深刻度に応じて分類したもので、深刻度の低いものから順に0〜7のカテゴリに分けられたものが記憶される。
【0040】
事象データベース41に記憶されているデータには事象発生箇所データがある。事象発生個所データは、事象の発生個所を示すもので「設備」、「系統」、「機器」、「部品」の4つの階層によって、例えば、「設備:原子炉冷却系統設備」「系統:一次冷却系」「機器:熱交換器・冷却器装置>蒸気発生器」「部品:伝熱管」というように記憶される。
【0041】
事象データベース41に記憶されているデータには事象発生時の状況データがある。事象発生時の状況データには、事象の発生時の状況を示すテキストデータが記憶されている。例えば「定格熱出力一定運転中の○○原子力発電所2号機において、○月×日、原子炉圧力と原子炉熱出力の変化を運転員が確認した。現場を確認した結果、タービン建物2階の主油タンク室床面に水溜りと、C−主蒸気圧力検出器付近からの水の漏えいを確認したため、当該検出器の元弁を閉止したところ、漏えいは停止した。」というようなテキストデータが記載されている。
【0042】
事象データベース41に記憶されているデータには原因調査の概要データがある。原因調査の概要データには、原因調査を実施した報告内容が記憶されている。例えば、「(1)外観検査および浸透探傷検査(2)放射線透過検査(3)エネルギー分散蛍光X線分析(4)破面ミクロ観察(5)機械的性質(6)ブルドン管母材成分分析(7)低サイクル疲労試験および破壊靭性試験」といったテキストデータが記憶されている。
【0043】
事象データベースに記憶されているデータには事象の原因データがある。事象の原因データには原因調査の結果が記憶されている。例えば、「漏えいの原因調査を行った結果、ブルドン管の材質、強度など材料に問題はなく、成型、加工を行う際、ブルドン管の型くずれを防ぐために使用するハンダ材(Bi、Pb、Sn、Cdなど)が完全に抜取れず、極わずかであるが内部に残存したことに伴い、ハンダ成分であるBiが誘発した低融点金属割れが主要因となり、割れが生じ漏えいしたものと推定した。」といったテキストデータが記憶される。
【0044】
事象データベース41に記憶されているデータには原因分類データがある。原因分類データには事象の原因をカテゴリ毎に分類したカテゴリ名が記憶されている。例えば、「保守・施工不良>保守不良」といったように記憶される。
【0045】
事象データベース41に記載されているデータには再発防止対策データがある。「事象の原因」において記載した原因に対して行った再発防止対策について記憶されている。
【0046】
また、図示はしないが事象データベース41には他に参考資料データ、プラント状況データ、分析用情報データ、関連情報データ等のデータが記憶されている。
【0047】
このようにデータ取得部42によって取得されたデータは人工知能機能によって解析され、カテゴリごとに整理された事象データとして、1件毎に、事象データベース41に記憶される。
【0048】
キーワード変換テーブル作成部44は、人工知能モジュールとして機能し、キーワード変換テーブルを作成する。キーワード変換テーブルは、故障予兆監視システム22が検知した関係性の崩れの要因となった要因箇所名を示す特定文字列を、対応する任意の文字列に置き換えるためのデータ変換表であって、キーワード変換テーブルによって要因箇所名の集合を検索パターンに置き換える。キーワード変換テーブル作成部44は、事象データベースの事象データに含まれる用語を分析し、故障予兆監視システム22が監視しているセンサ、すなわち要因箇所と対応する用語を選ぶ。
【0049】
図4(a)に示すように、例えば、要因箇所名を示す特定文字列を「PLR系」とすると、事象データベース41の事象データの中での用語の頻出度合い、使用傾向等を人工知能が解析し、同じ意味をもつ用語として、「原子炉再循環系」を見つける。この場合キーワード変換テーブル作成部44は特定文字列を「PLR系」としたときの対応する任意の文字列を「PLR系」、「原子炉再循環系」としてキーワード変換テーブルを作成する。キーワード変換テーブルによって作成されたキーワード変換テーブルは、キーワード変換テーブルメモリ45に記憶される。キーワード変換テーブル作成部44は学習によって、「PLR系」や「原子炉再循環系」の用語と同一の文脈で「原子炉冷却再循環系」といった用語が用いられていると学習すると、図4(b)に示すように対応する任意の文字列に「原子炉冷却再循環系」を追加する。キーワード変換テーブル作成部44が作成したキーワード変換テーブルは、キーワード変換テーブルメモリ45に記憶される。
【0050】
検索部46は、人工知能モジュールとして機能し、故障予兆監視システム22が出力した異常情報をもとに、事象データベース41から関連性の高い事象データを検索する。故障予兆監視システム22のアラームの関係性の崩れの要因となった要因箇所を受けると、キーワード変換テーブルメモリ45からキーワード変換テーブルを読み出し、要因箇所からキーワード検索パターンを生成する。キーワード検索パターンを例示すると、図5で示すように、「主蒸気ヘッダ圧力」が箇所情報だとすると、「主蒸気ヘッダ圧力」を「系統レベル」、「機器レベル」、「部位・物理量レベル」の三つの検索レベルに分け、「[系統レベル/主蒸気]and[機器レベル/主蒸気ヘッダ]and[部位・物理量レベル/圧力]」というような検索パターンとなる。
【0051】
通信部47は、連携サーバ30を介して、故障予兆監視システム22およびユーザ端末50との通信を行い。また、クラウドネットワーク上から他のWebサーバや外部データベースとの通信を行う。
【0052】
つぎにこの監視支援システム1における事象データベースの作成から検索結果を出力するまでのフローを図7に沿って説明する。
【0053】
故障予兆監視システム22は原子力プラント21の運転監視用計算機が出力するプラントセンサー情報の監視を行う(ステップS1)。故障予兆監視システム22は所定の数以上の各センサ間の関係性の崩れを検知すると、(ステップS2)、故障予兆事象をキーワード化する(ステップS3)。そして人工知能プラットフォーム40に連携サーバ30を介して人工知能プラットフォーム40にアラームとキーワードを含む異常情報が伝達される(ステップS4)。
【0054】
故障予兆監視システム22による監視と平行して、人工知能プラットフォーム40のデータ取得部42は、ニューシアの登録情報が記憶されている外部サーバ60および発電所内独自のデータが記憶されている社内データベース70から、事象データベース41の作成に必要なデータを検索して取得する(ステップS5)。取得されたデータは、データベース構築部43の人工知能によって解析されカテゴリ毎に整理された事象データとして、1件ごとに事象データベース41に記憶され、事象データベース41が作成される(ステップS6)。
【0055】
人工知能プラットフォーム40のキーワード変換テーブル作成部44は、事象データに含まれる用語を分析し、キーワード変換テーブルを作成する。作成されたキーワード変換テーブルはキーワード変換テーブルメモリ45に記憶される。
【0056】
人工知能プラットフォーム40は事象データベース41に記憶されている多数の事象データを用いてデータベース構築部43、キーワード変換テーブル作成部44、検索部46の学習を行う。特定用語についての時系列での頻出度合い、用語間の関連性や関連度合い、さらには感情分析など様々な分析を行う。データベース構築部43は、人工知能によって事象データを解析し、その内容について様々な角度で分類する。キーワード変換テーブル作成部44は事象データの要因箇所名についての時系列での頻出度合い、用語間の関連性や関連度合いを分析し、キーワード変換テーブルの要因箇所に対応する文字列を更新する。
【0057】
人工知能プラットフォーム40はキーワードを受信すると、事象データベース41の検索を行う。まず、検索部46が、キーワード変換テーブルメモリ45からキーワード変換テーブルを読み出し、受信したキーワードをキーワード変換テーブルによって対応する語句に変換して検索パターンを生成する。そして検索部46はステップ6で生成された検索パターンをもとにした検索条件によって事象データベースを検索する(ステップS7)。この時、検索条件は、単に要因箇所に対応するキーワードではなく、文脈での検索条件を作成することも出来る。例えば「温度が異常に上昇した」事象と、「温度が適切に上昇しなかった」事象があったとすると、「温度」「上昇」というキーワードの組み合わせの検索では双方とも該当してしまうが、「温度が異常に上昇した」というようにキーワードを文書にして検索することができる。
【0058】
検索部46が、事象データベース41から類似事象他を検索して数件から数十件に絞り込むと(ステップS8)、検索結果を連携サーバ30に送信し、連携サーバ30は、ユーザ端末50にデータを送信する。そして、ユーザ端末50が検索結果を出力する(ステップS9)。検索結果は、ディスプレイ上に図8で示すような画面で、検索結果が関連性の高いものから順に表示される。検索結果のタイトルを選択すると、事象データを閲覧することができる。このように保修員は、ディスプレイに表示された検索結果を選択し、情報を得る。
【0059】
ユーザ端末50を操作する保修員は表示された検索結果を確認し、検索結果の件数や内容に過不足がないか確認する(ステップS10)。
【0060】
過不足が無ければ運転員、保修員他に検索結果を提示し(ステップS11)、検索結果を故障予兆監視システム内のデータベースへフィードバックする(ステップS12)。
【0061】
ここで検索結果に過不足があれば追加で絞り込みや広げて検索することができる。例えば検索結果が少ない、あるいは関連性のあるものではない場合はor検索をすることで、関連性の高い事象を検索する。逆に検索結果が多い場合は、キーワードをand検索で加えることで、検索結果を絞り込むことができる。また、この追加検索の際に、「圧力が上昇した例」等の文脈で検索して絞り込んでもよい。このように保修員は追加のキーワードを入力して、キーワード検索の追加、修正を行う(ステップS13)。人工知能プラットフォーム40はキーワード検索の追加、修正をもとに再検索を行う(ステップS5〜S10)。
【0062】
人工知能プラットフォーム40のデータ取得部42は外部サーバ60および社内データベース70に定期的にアクセスして、新たな情報が追加されていると、新たな事象データとして取得し、データベース構築部43が事象データベースに記憶する。新しい事象データが追加されると追加学習を行う。
【0063】
また、検索結果についてフィードバックがされると、これらのデータを学習データに追加して追加学習を行う。
【0064】
ここで追加学習のフローを図9に沿って説明する。例えば、保修員は、今回起こった事象についての対処が完了すると報告書を作成する。報告書はニューシアへの登録要件を満たせばニューシアに登録され、登録要件を満たさなければ所内データベースに登録される。取得部は、定期的にニューシアおよび所内データベースから情報を取得する。新しい事象が登録されていた場合は、取得部はこの新しい情報を取得し、データベース構築手段は、新しい事象をデータベースに分類して登録する。またユーザ端末50などから直接入力してもよい。このように、監視支援システム1の人工知能プラットフォーム40は事象データと検索結果のフィードバックを学習データにして、検索に最適なように事象データベースの分析、分類を行う(ステップS110)。
【0065】
追加検索の入力が行われたときは、連携サーバ30は、追加検索の内容を人工知能プラットフォーム40に送信する。追加検索の内容を受けると、検索部46は追加の検索内容を検索パターンに追加して事象データベース41を検索する。さらにキーワード変換テーブル作成部44は、追加検索の内容を学習データに追加して、キーワード変換テーブルを更新する。例えば、or検索の場合は検索に不足があった、事象データベース内の関連性の高い用語が変換テーブルに含まれていなかったことを学習して、キーワード変換テーブルを更新する。and検索をした場合は検索結果が過剰であったと判断し、例えば、キーワード変換テーブルの変換候補ワードから関連性の低いと考えられるワードを削除するなどしてキーワード変換テーブルを更新する(ステップS120)。
【0066】
更新された事象データベース41の事象データを用いて、検索部は追加学習を行う(S130)。
【0067】
以上で説明したように、本実施の形態に係る監視支援システムおよび監視支援方法によれば、故障予兆監視システム22のアラームを受けると、予兆の原因となった事象と関連性の高い過去の事象を事象データベース41から検索し、検索結果を出力することができるので、原子力プラントの運転員に検索結果が示す過去の事象から、予兆の原因究明と原因除去等の対処にあたって参照できる資料を示すことができ、経験の浅い運転員、保修員であっても、故障の予兆の段階で、原因の推定や今後の事象の進展の予測を容易に行うことができる。結果として、プラントの運転、保守の負担を軽減することができ、設備管理、運転管理の品質向上を図ることが可能となる。
【0068】
また、人工知能プラットフォーム40の学習機能により、事象データベース41は検索しやすいように整理されて分類され、キーワード変換テーブルは検索結果のフィードバックや事象データベース41に追加されたデータを学習して更新するので、漏れがなく精度の高い検索が可能となる。また、事象データベース41は、人工知能の学習機能によって分類されている為、素早い検索が可能となる。検索部46はキーワードの集合だけでなく文脈を入力することでの検索が可能であり、異常情報と関連性の高い事象に絞り込むことができる。
【0069】
以上、この発明の実施の形態について説明したが、具体的な構成は、上記の実施の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の変更等があっても、この発明に含まれる。
【0070】
例えば、故障予兆監視システム22は関係性の崩れの合計値(アノマリスコア)が一定値を超えるとアラームを出力する構成とし、合計値の内、関係性の崩れの値の大きい上位要因箇所を元に検索パターンを生成してもよい。
【0071】
上記の実施の形態では、国内のトラブル等データが集積されたニューシアからデータを取得しているが、それだけに限らず、例えば、海外のトラブル等データが集積された日本語以外の言語によるデータが集積されたサーバやデータベースを加えてもよい。また、セキュリティ対策としてデータダイオードの設置や、データの暗号化などを採用してもよい。
【符号の説明】
【0072】
1 監視支援システム
21 原子力プラント
22 故障予兆監視システム
30 連携サーバ
31 受信部
32 処理部
33 通信部
34 入出力部
40 人工知能プラットフォーム
41 事象データベース
42 データ取得部
43 データベース構築部
44 キーワード変換テーブル作成部
45 キーワード変換テーブルメモリ
46 検索部
47 通信部
50 ユーザ端末
60 外部サーバ
70 社内データベース
N 通信ネットワーク
図1
図2
図3
図4
図5
図6
図7
図8
図9