特許 6048688 イベント解析装置、イベント解析方法およびコンピュータプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】6048688

(24)【登録日】2016年12月2日

(45)【発行日】2016年12月21日

(54)【発明の名称】イベント解析装置、イベント解析方法およびコンピュータプログラム

(51)【国際特許分類】

   G05B 23/02 20060101AFI20161212BHJP

   G06N 7/00 20060101ALI20161212BHJP

   G06F 19/00 20110101ALI20161212BHJP

【ＦＩ】

   G05B23/02 301V

   G06N7/00 150

   G06F19/00 130

【請求項の数】7

【全頁数】18

(21)【出願番号】特願2014-238695(P2014-238695)

(22)【出願日】2014年11月26日

(65)【公開番号】特開2016-99930(P2016-99930A)

(43)【公開日】2016年5月30日

【審査請求日】2015年11月6日

(73)【特許権者】

【識別番号】000006507

【氏名又は名称】横河電機株式会社

(72)【発明者】

【氏名】宮田 有二

(72)【発明者】

【氏名】櫻庭 祐一

【審査官】 牧 初

(56)【参考文献】

【文献】 特開２０１４−２１１８３７（ＪＰ，Ａ）

【文献】 特開２０１０−１２２８４７（ＪＰ，Ａ）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０５Ｂ ２３／００−２３／０２

Ｇ０６Ｆ １９／００

Ｇ０６Ｎ ７／００

(57)【特許請求の範囲】

【請求項1】

プラントで発生するイベントを解析するイベント解析装置であって、
アラームであるか操作であるかの属性を含むイベント毎に発生の有無を時系列で示したイベントマトリクスに基づいて、イベント同士の関連度を算出し、特定のイベントを基点イベントとして、そのイベントと関連度の高いイベントを関連イベントとしてグルーピングした関連イベントグループを、各イベントについて作成する関連イベントグループ作成部と、
各関連イベントグループについて、前記イベントマトリクスに基づいてベイジアンネットワークによる確率付因果関係モデルを構築する因果関係モデル構築部と、
改善候補とするイベントの条件を、基点イベントと関連イベントの属性および基点イベントと関連イベント間の条件付確率で定めた改善候補パターンの設定を受け付ける改善候補パターン受付部と、
前記構築されたイベント毎の確率付因果関係モデルから、設定された改善候補パターンのいずれかに合致する確率付因果関係モデルを抽出するパターン解析部と、
を備えたことを特徴とするイベント解析装置。

【請求項2】

前記関連イベントグループ作成部は、
前記イベントマトリクスを、所定の基準時間幅のブロックに分割し、ブロック毎の各イベントの発生の有無に基づいてイベントの個別発生確率とイベント同士の同時発生確率とを算出し、前記個別発生確率と前記同時発生確率とから求められる相互情報量を前記イベント同士の関連度として用いることを特徴とする請求項１に記載のイベント解析装置。

【請求項3】

前記改善候補パターンは、関連イベントを基点イベントに対する原因側イベントと結果側イベントとに区別し、原因側イベントと結果側イベントのそれぞれについて属性および条件付確率の条件が定められることを特徴とする請求項１または２に記載のイベント解析装置。

【請求項4】

前記改善候補パターンは、関連イベントが存在しないことを条件として設定可能であることを特徴とする請求項１〜３のいずれか１項に記載のイベント解析装置。

【請求項5】

前記改善候補パターンは、関連イベントに対して条件を定めないことが設定可能であることを特徴とする請求項１〜４のいずれか１項に記載のイベント解析装置。

【請求項6】

プラントで発生するイベントを解析するイベント解析方法であって、
アラームであるか操作であるかの属性を含むイベント毎に発生の有無を時系列で示したイベントマトリクスに基づいて、イベント同士の関連度を算出し、特定のイベントを基点イベントとして、そのイベントと関連度の高いイベントを関連イベントとしてグルーピングした関連イベントグループを、各イベントについて作成する関連イベントグループ作成ステップと、
各関連イベントグループについて、前記イベントマトリクスに基づいてベイジアンネットワークによる確率付因果関係モデルを構築する因果関係モデル構築ステップと、
改善候補とするイベントの条件を、基点イベントと関連イベントの属性および基点イベントと関連イベント間の条件付確率で定めた改善候補パターンの設定を受け付ける改善候補パターン受付ステップと、
前記構築されたイベント毎の確率付因果関係モデルから、設定された改善候補パターンのいずれかに合致する確率付因果関係モデルを抽出するパターン解析ステップと、
を有することを特徴とするイベント解析方法。

【請求項7】

プラントで発生するイベントを解析するイベント解析装置として情報処理装置を機能させるコンピュータプログラムであって、
アラームであるか操作であるかの属性を含むイベント毎に発生の有無を時系列で示したイベントマトリクスに基づいて、イベント同士の関連度を算出し、特定のイベントを基点イベントとして、そのイベントと関連度の高いイベントを関連イベントとしてグルーピングした関連イベントグループを、各イベントについて作成する関連イベントグループ作成部、
各関連イベントグループについて、前記イベントマトリクスに基づいてベイジアンネットワークによる確率付因果関係モデルを構築する因果関係モデル構築部、
改善候補とするイベントの条件を、基点イベントと関連イベントの属性および基点イベントと関連イベント間の条件付確率で定めた改善候補パターンの設定を受け付ける改善候補パターン受付部、
前記構築されたイベント毎の確率付因果関係モデルから、設定された改善候補パターンのいずれかに合致する確率付因果関係モデルを抽出するパターン解析部、としてさらに上記情報処理装置を機能させることを特徴とするコンピュータプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、プラントで発生したアラームやオペレータの操作等のイベントの因果関係を解析して、改善候補を抽出するするイベント解析装置イベント解析方法およびコンピュータプログラムに関する。

【背景技術】

【0002】

プラントに分散配置されたフィールドコントローラ等の制御システムを用いてセンサやアクチュエータ等のフィールド機器群を制御する分散制御システム等において、プラントで発生したアラームやオペレータの操作等のイベントを取得し、解析するイベント解析装置が知られている。

【0003】

イベント解析装置では、各イベントの発生件数や頻度などを統計的に扱っており、プラントの操業担当者や操業コンサルタント等は、イベント解析装置を利用して、例えば、頻発するアラームや多く行なわれる操作等の情報を取得し、イベント全体の傾向を把握することで、プラントの操業改善や安全性の向上を図っている。

【0004】

近年では、単独のイベントの解析のみならず、複数の異なるイベント間の関係について解析する手法が提案されている。例えば、特許文献１には、収集したイベントログから、各イベントの個別発生確率とイベントの組み合わせ毎の同時発生確率とを算出し、得られた条件付確率に基づいてベイジアンネットワークを構築することが記載されている。

【0005】

ここで、ベイジアンネットワークは、因果関係を確率により記述するグラフィカルモデルの１つで、複雑な因果関係の推論を有向グラフ構造により表わすとともに、個々の変数の関係を条件付確率で表す確率推論のモデルである。

【0006】

図１９は、イベントＥ１、Ｅ２、Ｅ３の因果的な特徴を表わしたベイジアンネットワークの例である。本図に示すように、ベイジアンネットワークは、各イベントがノードで示され、ノード同士が一方向の矢印で結ばれた形式で表わされる。ベイジアンネットワークにおいて、各ノードには、確率が付されており、矢印の終点となるノードには、親ノードとの間の条件付確率が付される。

【0007】

本図の例では、イベントＥ１が発生する確率は０．１％であり、イベントＥ２が発生する確率は０．２％であることが示されている。また、矢印の終点となるイベントＥ３については条件付確率が付されており、イベントＥ１、イベントＥ２がともに発生している場合にイベントＥ３が発生する確率は９５％であること等が示されている。

【0008】

本例において、イベントＥ１に着目した場合、矢印の終点であるイベントＥ３は、結果側イベントであり、イベントＥ３に着目した場合、矢印の起点であるイベントＥ１とイベントＥ２とが原因側イベントとなる。

【0009】

ベイジアンネットワークからは、例えば、原因側イベントＥ１が発生したときに結果側イベントＥ３が発生する確率に加え、結果側イベントＥ３が発生したときに原因側イベントＥ１が発生していた確率も求めることができる。

【0010】

特許文献１に記載されたイベント解析装置は、ユーザが、着目したいイベントを指定すると、イベントログに基づいて、指定されたイベントに関連するイベントを抽出してベイジアンネットワークを生成し、関連するイベントとの因果関係を確率的に表示する。

【0011】

これにより、ユーザは、着目したいイベントの因果関係を把握し、必要に応じて、操作手順やアラーム設定の改善を行なうことができるようになる。例えば、因果関係が強く連鎖的に起きるアラーム群については、それらのアラーム群をまとめて扱うことでアラームの発生回数を減らすことができる。また、あるアラームの発生を原因とした特定の操作がある場合には、アラーム対応操作の自動化等を図ることができる。

【先行技術文献】

【特許文献】

【0012】

【特許文献1】特開２０１４−１２７０９３号公報

【非特許文献】

【0013】

【非特許文献1】J.Pearl “Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference”, Morgan Kaufmann 1988,Chapter 2 BAYESIAN INFERENCE

【非特許文献2】須鎗 弘樹 ベイジアンネットワーク入門(1) MEDICAL IMAGING TECHNOLOGY Vol.21 No.4 September 2003,p315-318

【発明の概要】

【発明が解決しようとする課題】

【0014】

上述のように、特許文献１に記載されたイベント解析装置を用いることにより、着目したいイベントの因果関係を把握し、必要に応じて、操作手順やアラーム設定の改善を行なうことができるようになる。

【0015】

ところで、特許文献１に記載されたイベント解析装置では、着目したいイベントはユーザが指定する。このため、あらかじめ改善ターゲットのイベントが決まっている場合には、そのイベントの因果関係を把握することで、即座に改善の要否を判断することができる。

【0016】

しかしながら、改善ターゲットが決まっておらず、プラント内の改善候補のイベントを探し出す場合には、各イベントについて因果関係を把握して改善の要否を判断しなければならず、改善候補の抽出に手間と時間が必要となる。

【0017】

そこで、本発明は、プラントで発生するイベントの因果関係に基づいて改善候補のイベントを抽出する作業を支援することを目的とする。

【課題を解決するための手段】

【0018】

上記課題を解決するため、本発明の第１の態様であるイベント解析装置は、プラントで発生するイベントを解析するイベント解析装置であって、アラームであるか操作であるかの属性を含むイベント毎に発生の有無を時系列で示したイベントマトリクスに基づいて、イベント同士の関連度を算出し、特定のイベントを基点イベントとして、そのイベントと関連度の高いイベントを関連イベントとしてグルーピングした関連イベントグループを、各イベントについて作成する関連イベントグループ作成部と、各関連イベントグループについて、前記イベントマトリクスに基づいてベイジアンネットワークによる確率付因果関係モデルを構築する因果関係モデル構築部と、改善候補とするイベントの条件を、基点イベントと関連イベントの属性および基点イベントと関連イベント間の条件付確率で定めた改善候補パターンの設定を受け付ける改善候補パターン受付部と、前記構築されたイベント毎の確率付因果関係モデルから、設定された改善候補パターンのいずれかに合致する確率付因果関係モデルを抽出するパターン解析部と、を備えたことを特徴とする。
ここで、前記関連イベントグループ作成部は、前記イベントマトリクスを、所定の基準時間幅のブロックに分割し、ブロック毎の各イベントの発生の有無に基づいてイベントの個別発生確率とイベント同士の同時発生確率とを算出し、前記個別発生確率と前記同時発生確率とから求められる相互情報量を前記イベント同士の関連度として用いることができる。
また、前記改善候補パターンは、関連イベントを基点イベントに対する原因側イベントと結果側イベントとに区別し、原因側イベントと結果側イベントのそれぞれについて属性および条件付確率の条件が定められるようにしてもよい。
また、前記改善候補パターンは、関連イベントが存在しないことを条件として設定可能としてもよい。
また、前記改善候補パターンは、関連イベントに対して条件を定めないことが設定可能としてもよい。
上記課題を解決するため、本発明の第２の態様であるイベント解析方法はプラントで発生するイベントを解析するイベント解析方法であって、アラームであるか操作であるかの属性を含むイベント毎に発生の有無を時系列で示したイベントマトリクスに基づいて、イベント同士の関連度を算出し、特定のイベントを基点イベントとして、そのイベントと関連度の高いイベントを関連イベントとしてグルーピングした関連イベントグループを、各イベントについて作成する関連イベントグループ作成ステップと、各関連イベントグループについて、前記イベントマトリクスに基づいてベイジアンネットワークによる確率付因果関係モデルを構築する因果関係モデル構築ステップと、改善候補とするイベントの条件を、基点イベントと関連イベントの属性および基点イベントと関連イベント間の条件付確率で定めた改善候補パターンの設定を受け付ける改善候補パターン受付ステップと、前記構築されたイベント毎の確率付因果関係モデルから、設定された改善候補パターンのいずれかに合致する確率付因果関係モデルを抽出するパターン解析ステップと、を有することを特徴とする。
上記課題を解決するため、本発明の第３の態様であるコンピュータプログラムは、プラントで発生するイベントを解析するイベント解析装置として情報処理装置を機能させるコンピュータプログラムであって、アラームであるか操作であるかの属性を含むイベント毎に発生の有無を時系列で示したイベントマトリクスに基づいて、イベント同士の関連度を算出し、特定のイベントを基点イベントとして、そのイベントと関連度の高いイベントを関連イベントとしてグルーピングした関連イベントグループを、各イベントについて作成する関連イベントグループ作成部、各関連イベントグループについて、前記イベントマトリクスに基づいてベイジアンネットワークによる確率付因果関係モデルを構築する因果関係モデル構築部、改善候補とするイベントの条件を、基点イベントと関連イベントの属性および基点イベントと関連イベント間の条件付確率で定めた改善候補パターンの設定を受け付ける改善候補パターン受付部、前記構築されたイベント毎の確率付因果関係モデルから、設定された改善候補パターンのいずれかに合致する確率付因果関係モデルを抽出するパターン解析部、としてさらに上記情報処理装置を機能させることを特徴とする。

【発明の効果】

【0019】

本発明によれば、プラントで発生するイベントの因果関係に基づいて改善候補のイベントを抽出する作業を支援することができる。

【図面の簡単な説明】

【0020】

【図1】本実施形態に係るイベント解析システムの構成を示すブロック図である。

【図2】イベントログ収集装置の動作について説明するフローチャートである。

【図3】イベントログの例を示す図である。

【図4】イベントマトリクスの例を示す図である。

【図5】イベント解析装置の動作について説明するフローチャートである。

【図6】関連イベントグループ作成処理について説明するフローチャートである。

【図7】各イベントの個別発生確率の例を示す図である。

【図8】イベントペア毎の同時確率の例を示す図である。

【図9】抽出されたイベントペアの例を示す図である。

【図10】作成された関連イベントグループの例を示す図である。

【図11】改善候補選定処理について説明するフローチャートである。

【図12】イベントＡが基点イベントである関連イベントグループのベイジアンネットワークの例を示す図である。

【図13】ベイジアンネットワークの他の例を示す図である。

【図14】改善候補パターンの定義フォーマット例を説明する図である。

【図15】アラーム対応操作に対応した改善候補パターンとベイジアンネットワークの例を示す図である。

【図16】放置アラームに対応した改善候補パターンとベイジアンネットワークの例を示す図である。

【図17】連鎖アラームに対応した改善候補パターンとベイジアンネットワークの例を示す図である。

【図18】解析結果表示の例を示す図である。

【図19】ベイジアンネットワークの例を示す図である。

【発明を実施するための形態】

【0021】

本発明の実施の形態について図面を参照して説明する。図１は、本実施形態に係るイベント解析システム１０の構成を示すブロック図である。本図に示すように、イベント解析システム１０は、イベントログ収集装置２０、イベントログデータベース３０、イベント解析装置１００を備えて構成される。イベント解析システム１０は、複数台の機器で構成してもよいし、１台の機器で構成してもよい。

【0022】

イベントログ収集装置２０は、イベントログ収集部２１とイベントログ変換部２２とを備えている。イベントログ収集部２１は、プラントで稼働している制御システムやヒストリアンからイベントログを収集する。イベントログには、イベント発生した日時、イベントが発生した機器の識別子（タグ）、イベント種類の識別子等が含まれる。イベント種類は、そのイベントのカテゴリが「操作」であるのか「アラーム」であるかに区別される。ただし、区分するカテゴリは「操作」「アラーム」に限られない。

【0023】

イベントログ変換部２２は、イベントログ収集部２１が収集したイベントログをイベントログデータベース３０に記録する。イベントログ変換部２２は、イベントログを記録する際に、イベント解析装置１００が行なう解析に適した形式にイベントログを変換する。

【0024】

具体的には、縦方向にイベントログの最小時間単位の時間軸を展開し、横方向に機器の識別子とイベント種類の識別子とを結合した項目を並べたマトリクスを作成する。そして、イベントログに含まれるイベントについて、発生した日時と発生した機器およびイベント種類とに対応するカラムにチェックを入力した形式に変換する。

【0025】

以降では、イベントログを変換したデータを「イベントマトリクス」と称し、機器とイベント種類との組み合わせを「イベント」と称する。例えば、機器「ＴＡＧ１」で発生した「ＡＬＡＲＭ１」は、イベント「ＴＡＧ１：ＡＬＡＲＭ１」と表わされる。すなわち、同じイベント種類であっても発生した機器が異なれば別のイベントとして扱うものとする。

【0026】

イベント解析装置１００は、関連イベントグループ作成部１１０、因果関係モデル構築部１２０、パターン解析部１３０、表示部１４０、改善候補パターン受付部１５０を備えている。

【0027】

なお、イベント解析装置１００は、パーソナルコンピュータ、サーバコンピュータ等の汎用的な情報処理装置を用いて構成することができる。すなわち、情報処理装置は、以下に説明するような処理を行なうためのコンピュータプログラムを実行することにより、イベント解析装置１００として機能することができる。もちろん、イベント解析装置１００は、専用装置として構成してもよい。

【0028】

関連イベントグループ作成部１１０は、イベントマトリクスに基づいて、イベント同士の関連度を算出し、関連イベントグループを各イベントについて作成する。ここで、関連イベントグループは、中心となるイベントと関連度の高いイベントとをグルーピングしたものである。中心となるイベントを基点イベントと称し、関連度の高いイベントを関連イベントと称する。

【0029】

因果関係モデル構築部１２０は、各関連イベントグループについて、イベントマトリクスに基づいてベイジアンネットワークによる確率付因果関係モデルを構築する。

【0030】

改善候補パターン受付部１５０は、改善候補パターン１５４の設定をユーザから受け付ける。ここで、改善候補パターン１５４は、改善候補とするイベントの条件を、基点イベントと関連イベントの属性および基点イベントと関連イベント間の条件付確率で定めたパターンである。

【0031】

パターン解析部１３０は、イベント毎の確率付因果関係モデルから、設定された改善候補パターンのいずれかに合致する確率付因果関係モデルを抽出する。

【0032】

表示部１４０は、パターン解析部１３０の解析結果や、操作メニュー等の表示制御を行ない、表示画像データを内蔵あるいは外部に接続された表示装置に出力する。

【0033】

次に、イベント解析システム１０の動作について説明する。まず、イベントログ収集装置２０の動作について図２のフローチャートを参照して説明する。イベントログ収集部２１は、所定の収集タイミングになると（Ｓ１１：Ｙｅｓ）、制御システム、ヒストリアン等からイベントログを収集する（Ｓ１２）。

【0034】

イベントログは、図３に一例を示すように、イベントが発生した日時、機器識別子（タグ）、イベント識別子を含んでいる。本図の例では、２０１４年１０月２１日１８時００分００秒に、機器「ＴＡＧ１」で、アラーム「ＡＬＲＭ１」が発生し、同０３秒に、機器「ＴＡＧ２」に対して操作「ＯＰ１」を行なったこと等が示されている。イベントログを収集するタイミングは、一定周期、ユーザからの指示、所定のトリガー等とすることができ、あらかじめ定めておくようにする。

【0035】

イベントログを収集すると、イベントログ変換部２２が、イベントログに基づいてイベントマトリクスを作成する（Ｓ１３）。上述のように、イベントマトリクスは、縦方向にイベントログの最小時間単位の時間軸を展開し、横方向にイベントを並べたマトリクスを作成し、イベントログに含まれるイベントについて、発生した日時と発生した機器およびイベント種類とに対応するカラムにチェックを入力した形式に変換したものである。

【0036】

図４は、図３に示したイベントログを変換したイベントマトリクスを示している。ここでは、イベントログの最小時間単位を１秒としているため、イベントマトリクスの縦方向は、１秒間刻みとなっている。また、横方向は、機器の識別子とイベント種類の識別子とを結合したイベントを並べるため、「ＴＡＧ１：ＡＬＲＭ１」「ＴＡＧ２：ＡＬＡＲＭ３」「ＴＡＧ２：ＯＰ１」といったカラムが生成されている。実際には、横方向に、機器とイベント種類との組合わせ分のカラムが作成される。

【0037】

本例では、２０１４年１０月２１日１８時００分００秒に、機器「ＴＡＧ１」で、アラーム「ＡＬＲＭ１」が発生しているため、対応するカラムにチェック（「○」）が入力されている。同様に、２０１４年１０月２１日１８時００分０３秒に、機器「ＴＡＧ２」に対して操作「ＯＰ１」が行なわれているため、対応するカラムにチェックが入力されている。

【0038】

イベントマトリクスを作成すると、イベントログ変換部２２は、作成したイベントマトリクスをイベントログデータベース３０に記録する（Ｓ１４）。このとき、過去のデータも使用できるように、追加記録していくことが望ましい。そして、イベントログ収集部２１が次の収集タイミングを待つ（Ｓ１１）。

【0039】

次に、イベント解析装置１００の動作について図５のフローチャートを参照して説明する。本動作は、例えば、ユーザがイベント解析装置１００に対してイベント解析指示を行なうことで開始する。

【0040】

本図に示すように、イベント解析装置１００では、関連イベントグループを作成し（Ｓ１００）、改善候補を抽出し（Ｓ２００）、抽出された改善候補を表示する（Ｓ３００）という一連の動作が行なわれる。

【0041】

まず、関連イベントグループ作成処理（Ｓ１００）について、図６のフローチャートを参照して説明する。関連イベントグループは、２つのイベントを組にしたイベントペアをすべての組合せについて作成して、各イベントペアの関連度を算出し、関連度の高いイベントペアでグルーピングを行なうことで作成する。

【0042】

ここで、ベイジアンネットワークの構築は確率を基にしているため、関連イベントグループ作成でも確率を基にした関連度を用いるものとする。確率を基にした関連度としては、相互情報量や情報量基準等が挙げられる。本発明はいずれも使用することができるが、以下では、相互情報量を関連度として用いた場合について説明する。

【0043】

なお、イベントＸとイベントＹとの相互情報量Ｉ（Ｘ，Ｙ）は、イベントＸの発生確率をｐ（ｘ）、イベントＹの発生確率をｐ（ｙ）、イベントＸとイベントＹの同時発生確率をｐ（ｘ，ｙ）とすると［数１］で定義される。

【数1】

このように、相互情報量の算出には、各イベントの個別発生確率、イベント間の同時発生確率が必要となる。これらの確率を算出するため、本実施形態では、ある時間幅、例えば、１０分、１時間等を基準時間幅として定める。すなわち、発生確率は、基準時間内に発生する確率を表わすものとしている。

【0044】

図６のフローチャートに示すように、関連イベントグループ作成部１１０は、イベントログデータベース３０に記録されている最新のイベントマトリクスを参照する（Ｓ１０１）。そして、イベントマトリクスの時間軸の開始から終了までを基準時間幅で複数のブロックに分割する（Ｓ１０２）。

【0045】

なお、基準時間幅は、解析対象のプラントに応じて定めることができる。例えば、流量、圧力など遅れ要素がない機器が中心となるプラントを解析する場合は、基準時間幅は短くすることが望ましい。一方で、温度など一次遅れ要素がある機器が中心となるプラントを解析する場合は、基準時間幅を長くすることが望ましい。

【0046】

また、プラントに様々な機器が存在する場合には、単一の基準時間幅でなく、複数の基準時間幅を定めて、それぞれの時間幅に応じた関連度算出を行なうようにしてもよい。この処理を容易にするため、イベントマトリクスは、イベントログの最小時間単位で時間軸を展開している。

【0047】

処理対象のイベントを定め、各ブロックについて、対象のイベントが１回でも発生しているかどうかを判断し、イベントが発生しているブロック数をカウントする。そのカウント値を全期間のブロック数で割ることにより、対象のイベントについての発生確率を算出することができる。この処理を全イベントに対して行なうことで、図７に示すような各イベントの個別発生確率を算出することができる（Ｓ１０３）。

【0048】

次に、２つのイベントを組み合せてイベントペアを作成し、両方のイベントとも発生しているブロック数をカウントする。そのカウント値を全期間のブロック数で割ることにより、対象のイベントペアについての同時確率を算出する。この処理をすべてのイベントペアに対して行なうことで、図８に示すような各イベントペアの同時発生確率を算出することができる（Ｓ１０４）。

【0049】

そして、イベントの個別発生確率と、イベントペアの同時発生確率とから、イベントペア毎に相互情報量を算出する（Ｓ１０５）。相互情報量の算出は、［数１］にしたがって行なうことができる。

【0050】

すべてのイベントペアから、算出された相互情報量が所定の基準値以上のイベントペアを抽出する（Ｓ１０６）。抽出されたイベントペアは、イベント同士の関連性が強いと考えられるペアである。図９は、抽出されたイベントペアの例を示している。本図の例では、イベントＡとイベントＢのイベントペア、イベントＡとイベントＣのイベントペア等が抽出されている。

【0051】

最後に、抽出されたイベントペアを、イベント毎にまとめて関連イベントグループを作成する（Ｓ１０７）。関連イベントグループは、イベント毎に作成する。例えば、図１０に示すように、イベントＡについては、抽出されたイベントペアのうち、イベントＡが含まれているイベントペアを対象に、イベントＡと、イベントＡのペア相手のイベントとを合わせてイベントＡの関連イベントグループとする。

【0052】

ここで、イベントＡを基点イベントと称し、他のイベントを関連イベントと称する。イベントＢ以降についても同様である。例えば、イベントＡとイベントＢのイベントペアが抽出された場合、イベントＡを基点イベントとする関連イベントグループの関連イベントにイベントＢが含まれ、イベントＢを基点イベントとする関連イベントグループの関連イベントにイベントＡが含まれることになる。

【0053】

本図の例では、イベントＡを基点イベントとした関連イベントグループに、関連イベントとしてイベントＢ、イベントＣ、イベントＧ等が含まれ、イベントＢを基点イベントとした関連イベントグループに、関連イベントとしてイベントＡ、イベントＨ、イベントＧ等が含まれている。また、イベントＰのように関連イベントが存在しない関連イベントグループも存在し得る。

【0054】

次に、改善候補抽出処理（図５：Ｓ２００）について、図１１のフローチャートを参照して説明する。改善候補抽出処理（Ｓ２００）では、改善候補パターン受付部１５０が、ユーザから改善候補パターン１５４の設定を受け付ける（Ｓ２０１）。なお、本処理は、関連イベントグループ作成処理（Ｓ１００）に先立ち行なうようにしてもよい。

【0055】

上述のように、改善候補パターン１５４は、改善候補とするイベントの条件を、基点イベントと関連イベントの属性および基点イベントと関連イベント間の条件付確率で定めたパターンである。改善候補パターン１５４は複数個設定することができる。改善候補パターン１５４の詳細については、便宜上後述する。

【0056】

関連イベントグループ作成処理（Ｓ１００）により、それぞれのイベントが基点イベントとなった関連イベントグループが作成されている。これらの関連イベントグループから、処理対象とする関連イベントグループを設定する（Ｓ２０２）。関連イベントグループは、任意の順序で設定することができる。

【0057】

因果関係モデル構築部１２０は、処理対象となった関連イベントグループについて因果関係モデル、すなわち、ベイジアンネットワークを構築する（Ｓ２０３）。ベイジアンネットワークは、従来の手法を用いて構築することができる。

【0058】

例えば、処理（Ｓ１０１）〜（Ｓ１０４）と同様にイベントマトリクスに基づいて各イベントの個別確率と各イベントペアの同時発生確率を算出する。そして、これらに基づいて各イベント間の条件付確率を算出してベイジアンネットワークを構築することができる。ここで、条件付確率は、イベントＡが起きた場合にイベントＢが起きる確率であり、イベントＡ、イベントＢの個別発生確率と、イベントＡ、イベントＢの同時発生確率とからベイズの定理により算出することができる。

【0059】

基点イベントとの関連度が高いイベントである関連イベントは、基点イベントに対する矢印の方向により基点イベントに対する原因側イベントと、基点イベントに対する結果側イベントに区分することができる。

【0060】

図１２は、イベントＡが基点イベントである関連イベントグループのベイジアンネットワークの例を示している。本図の例では、イベントＢ、イベントＭ、イベントＫが原因側イベントとして区分けされ、イベントＣ、イベントＮ、イベントＯ、イベントＧ、イベントＪが結果側イベントとして区分けされている。イベントＭ、イベントＮ、イベントＯのように、基点イベントとの間に他の関連イベントが介在している場合もある。

【0061】

また、図１３（ａ）に示すように、基点イベントのみで関連イベントが存在しないベイジアンネットワークが生成される場合もある。各イベントは、操作かアラームの属性を有しているため、図１３（ｂ）に示すように、原因側イベントの関連イベントがすべてアラームであり、結果側イベントの関連イベントがすべて操作であるようなベイジアンネットワークが生成される場合もある。

【0062】

なお、図１２、図１３では省略しているが、各矢印には条件付確率に関する情報が付されている。例えば、図１２において、イベントＢが発生した場合にイベントＡが発生する確率や、イベントＡが発生したときに、イベントＢが発生していた確率等である。

【0063】

次に、作成されたベイジアンネットワークが、処理（Ｓ２０１）で設定された改善候補パターン１５４のいずれかに合致しているかどうかを解析する（図１１：Ｓ２０４）。この処理は、パターン解析部１３０が行なう。

【0064】

ここで、改善候補パターン１５４について説明する。図１４は、改善候補パターン１５４の定義フォーマット例を説明する図である。本図に示すように、改善候補パターン１５４は、１）基点イベント、２）関連イベント、３）原因側イベント、４）結果側イベントを項目とした抽出条件を定義したものである。ただし、他の項目を用いて抽出条件を定義してもよい。

【0065】

改善候補パターン１５４で定められた抽出条件を満たすベイジアンネットワークの関連イベントグループが改善候補パターン１５４に合致するものとして、改善候補として抽出されることになる。

【0066】

１）基点イベントは、基点イベントの属性がアラームであるか操作であるかの条件を示す。２）関連イベントは、関連イベントとして含まれる複数のイベントの属性の条件を示す。例えば、「アラームのみ」「アラームのみ ｏｒ 不存在」「操作のみ」「無条件」等を設定することができる。ここで、「不存在」は、関連イベントが存在しないことを条件としたものであり、「無条件」は、関連イベントの属性は条件とせずに、どちらでもよいことを表わしている。

【0067】

３）原因側イベントは、原因側の関連イベントの属性および条件付確率に関する条件であり、属性についての「アラームのみ」「アラームのみ ｏｒ 不存在」「操作のみ」「無条件」等という条件に加えて、条件付確率の条件を設定することができる。

【0068】

条件付確率の条件は、例えば、原因側イベントが発生したときに基点イベントが発生する確率が基準値以上であるという条件、基点イベントが発生したときに原因側イベントが発生していた確率が基準値以上であるという条件、原因側イベントが発生したときに基点イベントが発生する確率と基点イベントが発生したときに原因側イベントが発生していた確率の両方が基準値以上であるという条件、無条件等を設定することができる。原因側イベントが複数ある場合には、すべての原因側イベントが条件を満たしている必要があるものとする。基準値については適宜調整することができる。

【0069】

４）結果側イベントは、結果側の関連イベントの属性および条件付確率に関する条件であり、属性についての「アラームのみ」「アラームのみ ｏｒ 不存在」「操作のみ」「無条件」等という条件に加えて、条件付確率の条件を設定することができる。

【0070】

条件付確率の条件は、例えば、基点イベントが発生したときに結果側イベントが発生する確率が基準値以上であるという条件、結果側イベントが発生したときに基点イベントが発生していた確率が基準値以上であるという条件、基点イベントが発生したときに結果側イベントが発生する確率と結果側イベントが発生したときに基点イベントが発生していた確率の両方が基準値以上であるという条件、無条件等を設定することができる。結果側イベントが複数ある場合には、すべての結果側イベントが条件を満たしている必要があるものとする。基準値については適宜調整することができる。

【0071】

例えば、改善候補のイベントの例としてアラーム対応操作が挙げられる。アラーム対応操作は、あるアラームの発生を原因とした特定の操作であり、例えば、プラントの状態を復帰させるための操作である。このような基点イベントの関連イベントグループを改善候補として抽出することで、アラーム対応操作の自動化やアラームの設定見直しを図り、オペレータの負荷を低減させることができる。

【0072】

図１５（ａ）は、アラーム対応操作に対応した改善候補パターン１５４の例を示し、図１５（ｂ）は、このパターンに合致するベイジアンネットワークの例を示している。アラーム対応操作に対応した改善候補パターン１５４では、１）基点イベントとして「操作」を条件とし、３）原因側イベントとして「アラームのみ」であり、基点イベントが発生したときに原因側イベントが発生していた確率が基準値以上であることを条件としている。２）関連イベント、４）結果側イベントについては、判定に不要であるため、条件を問わない。

【0073】

また、改善候補のイベントの例として放置アラームが挙げられる。放置アラームは、アラームが発生しているにも関わらず、対応操作がとられていないアラームである。このような基点イベントの関連イベントグループを改善候補として抽出することで、アラーム設定の削除や設定見直し等の検討を行なうことができる。

【0074】

図１６（ａ）は、放置アラームに対応した改善候補パターン１５４の例を示し、図１６（ｂ）（ｃ）は、このパターンに合致するベイジアンネットワークの例を示している。放置アラームに対応した改善候補パターン１５４では、１）基点イベントとして「アラーム」を条件とし、２）関連イベントとして「アラームのみ ｏｒ 不存在」を条件としている。３）原因側イベント、４）結果側イベントについては、判定に不要であるため、条件を問わない。

【0075】

また、改善候補のイベントの例として連鎖アラームが挙げられる。連鎖アラームは、１つの異常事象に対して連鎖的に発生する複数のアラームである。このような基点イベントの関連イベントグループを改善候補として抽出することで、不必要に発生しているアラームの設定見直し、アラームの集約等の検討を行なうことができる。

【0076】

図１７（ａ）は、連鎖アラームに対応した改善候補パターン１５４の例を示し、図１７（ｂ）は、このパターンに合致するベイジアンネットワークの例を示している。連鎖アラームに対応した改善候補パターン１５４では、１）基点イベントとして「アラーム」を条件とし、２）関連イベントとして「アラームのみ」を条件としている。３）原因側イベント、４）結果側イベントについては、「アラームのみ ｏｒ 不存在」としており、アラームのみの場合には、両方向の確率とも高いことを条件としている。

【0077】

改善候補パターン１５４は、これらの例に限られず、種々のパターンを採用することができ、後から追加することも可能である。また、そのプラントに特有の問題に対応した改善候補パターン１５４を適宜作成して設定することも可能である。

【0078】

パターン解析部１３０が、作成されたベイジアンネットワークが改善候補パターン１５４のいずれかに合致しているかどうかを解析し（図１１：Ｓ２０４）、合致している改善候補パターン１５４がある場合には（Ｓ２０５：Ｙｅｓ）、そのベイジアンネットワークの基点イベントを改善候補として抽出する（Ｓ２０６）。

【0079】

未処理の関連イベントグループがある場合には（Ｓ２０７：Ｙｅｓ）、処理対象の関連イベントグループを設定し（Ｓ２０２）、以降の処理を繰り返す。未処理の関連イベントグループがない場合には（Ｓ２０７：Ｎｏ）、改善候補抽出処理（図５：Ｓ２００）を終了する。

【0080】

改善候補抽出処理（Ｓ２００）が終了すると、表示部１４０が、抽出された改善候補の表示を行なう（Ｓ３００）。図１８（ａ）は、改善候補表示画面の一例を示している。本図では、タブにより、アラーム対応操作の改善候補パターンで抽出された基点イベントの表示と、連鎖アラームの改善候補パターンで抽出された基点イベントの表示と、放置アラームの改善候補パターンで抽出された基点イベントの表示とを切り替えることができるようになっている。

【0081】

表示された基点イベントについては、発生した頻度や関連イベント数が示される。関連イベントがある基点イベントには三角形の記号が付され、この記号がクリック等により指示されると、展開されて関連イベントが表示される。

【0082】

基点イベントには、表示対象のチェック欄が設けられており、画面中の「因果関係図表示」ボタンがクリックされると、図１８（ｂ）に示すように、チェックされている基点イベントについてのベイジアンネットワークが表示される。

【0083】

ベイジアンネットワークの表示では、図１８（ｃ）に凡例を示すように、アラームイベントを円形のノードで表わし、操作イベントを矩形のノードで表わし、ノード内に発生頻度を示している。また、ノードを結ぶ有向線には、有向線の起点側のイベントが発生したときに終点側のイベントが発生する確率と、終点側のイベントが発生したときに、起点側のイベントが発生した確率とを表示している。

【0084】

また、表示部１４０は、抽出されたイベントの表示のみならず、作成されたベイジアンネットワークに基づく情報を表示するようにしてもよい。例えば、通常運用時に、あるアラームが発生した際に、そのアラームを基点イベントとしたベイジアンネットワークが作成されている場合には、そのベイジアンネットワークを表示して、原因として考えられるイベントをオペレータに示したり、結果として起きる可能性が高いイベントや対応して行なうべき操作等をオペレータに示すことができる。

【0085】

以上説明したように、本実施形態のイベント解析装置１００によれば、イベントログに基づいて、関連度の高いイベントグループを対象にベイジアンネットワークを構築し、改善候補パターンに合致するイベントを自動的に抽出する。このため、プラントで発生するイベントの因果関係に基づいて改善候補のイベントを抽出する作業を支援することができる。

【符号の説明】

【0086】

１０…イベント解析システム、２０…イベントログ収集装置、２１…イベントログ収集部、２２…イベントログ変換部、３０…イベントログデータベース、１００…イベント解析装置、１１０…関連イベントグループ作成部、１２０…因果関係モデル構築部、１３０…パターン解析部、１４０…表示部、１５０…改善候補パターン受付部、１５４…改善候補パターン

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】

【図17】

【図18】

【図19】