特許 6875602 保全支援装置、保全支援用プログラム及び保全支援方法

(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】6875602

(24)【登録日】2021年4月26日

(45)【発行日】2021年5月26日

(54)【発明の名称】保全支援装置、保全支援用プログラム及び保全支援方法

(51)【国際特許分類】

   G01N 17/00 20060101AFI20210517BHJP

【ＦＩ】

   G01N17/00

【請求項の数】7

【全頁数】22

(21)【出願番号】特願2020-522645(P2020-522645)

(86)(22)【出願日】2019年5月31日

(86)【国際出願番号】JP2019021869

(87)【国際公開番号】WO2019230975

(87)【国際公開日】20191205

【審査請求日】2020年9月16日

(31)【優先権主張番号】特願2018-106475(P2018-106475)

(32)【優先日】2018年6月1日

(33)【優先権主張国】JP

【国等の委託研究の成果に係る記載事項】（出願人による申告）平成２９年度および平成３０年度、国立研究開発法人新エネルギー・産業技術総合開発機構「ＩｏＴを活用した新産業モデル創出基盤整備事業／研究開発項目（２） ｌｏＴ技術を活用した新たな産業保安システムの開発／各種データ（設備、運転、点検、テキスト、環境、熟練従業員のノウハウ等）の活用により保安を高度化するシステムの構築のうち、化学プラントにおける保温材下腐食発生予測モデルの高精度化と実証に関する研究開発」委託研究、産業技術力強化法第１９条の適用を受ける特許出願

(73)【特許権者】

【識別番号】000000033

【氏名又は名称】旭化成株式会社

(74)【代理人】

【識別番号】100103850

【弁理士】

【氏名又は名称】田中 秀▲てつ▼

(74)【代理人】

【識別番号】100066980

【弁理士】

【氏名又は名称】森 哲也

(72)【発明者】

【氏名】中原 正大

【審査官】 山口 剛

(56)【参考文献】

【文献】 特開２０１８−０２５４９７（ＪＰ，Ａ）

【文献】 特開２０１８−０１７７０４（ＪＰ，Ａ）

【文献】 特開２００１−０１２６９８（ＪＰ，Ａ）

【文献】 特開平０８−１７８１７２（ＪＰ，Ａ）

【文献】 特開平０２−３０６１３５（ＪＰ，Ａ）

【文献】 特開２００６−２０１８４４（ＪＰ，Ａ）

【文献】 米国特許出願公開第２０１０／０３００１８４（ＵＳ，Ａ１）

【文献】 中国特許出願公開第１０９１１５６３５（ＣＮ，Ａ）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０１Ｎ １７／００

Ｇ０５Ｂ ２３／０２

(57)【特許請求の範囲】

【請求項1】

プラントの構造物の属性及び初期板厚を含むデータを取得する取得部と、
前記取得部で取得したデータが含む属性に基づき、前記構造物の保温材下腐食による減肉深さの予測値を算出する減肉深さ予測部と、
前記取得部で取得したデータが含む初期板厚から前記減肉深さ予測部で算出した減肉深さの予測値を減算した減算結果である、余裕肉厚の予測値を算出する余裕肉厚算出部と、
予め定められた複数の数値範囲と、保温材下腐食によって前記構造物が使用不能状態となる確率を示す複数の確率指標とを対応づけて記憶している確率情報記憶装置と、
前記確率情報記憶装置を参照し、前記複数の数値範囲のうちから、前記余裕肉厚算出部で算出した余裕肉厚の予測値を含む数値範囲を特定し、特定した数値範囲に対応づけられている確率指標を取得する確率指標取得部と、
前記確率指標取得部で取得した確率指標を出力する出力部と、を備える保全支援装置。

【請求項2】

前記データは、必要肉厚、または前記必要肉厚よりも大きく設定された肉厚を基準肉厚として含み、
前記確率情報記憶装置は、予め定められた複数の基準肉厚の候補値のそれぞれ毎に、前記複数の数値範囲と前記複数の確率指標とを記憶しており、
前記確率指標取得部は、前記確率情報記憶装置が記憶している、前記取得部で取得したデータが含む基準肉厚と同一の、または最も近い前記基準肉厚の候補値に対応する複数の数値範囲と複数の確率指標とを参照し、当該複数の数値範囲のうちから、前記余裕肉厚算出部で算出した余裕肉厚の予測値を含む数値範囲を特定し、特定した数値範囲に対応づけられている確率指標を取得する請求項１に記載の保全支援装置。

【請求項3】

前記減肉深さ予測部は、前記属性を基に前記減肉深さの予測値を算出する予測モデルを用いて、前記取得部で取得したデータが含む属性を基に前記減肉深さの予測値を算出し、
プラントの構造物の保温材下腐食による減肉深さの測定値、当該構造物の属性及び当該構造物の初期板厚を含む測定データを多数記憶している測定データ記憶装置と、
前記予測モデルを用いて、前記測定データ毎に、当該測定データが含む属性を基に前記減肉深さの予測値である、予測減肉深さを算出する予測減肉深さ算出部と、
前記測定データ毎に、当該測定データが含む初期板厚から、当該測定データに対応する予測減肉深さを減算した減算結果である、予測余裕肉厚を算出する予測値算出部と、
前記測定データ毎に、当該測定データが含む初期板厚から、当該測定データが含む減肉深さの測定値を減算した減算結果である、実余裕肉厚を算出する実余裕肉厚算出部と、
前記基準肉厚の候補値毎に、前記複数の数値範囲のそれぞれに対して、当該数値範囲に含まれる前記予測余裕肉厚に対応する前記実余裕肉厚のうちに、当該基準肉厚以下の前記実余裕肉厚が含まれる割合が、当該数値範囲に対応づけられている確率指標が示す確率と同一の数値となるように、前記複数の数値範囲を区分する境界値を設定する境界値設定部と、を備える請求項２に記載の保全支援装置。

【請求項4】

前記測定データ記憶装置が記憶している測定データが含む構造物の属性を説明変数とし、前記測定データが含む減肉深さの測定値を目的変数として、機械学習のアルゴリズムを用いて、前記説明変数と前記目的変数との関係を学習した前記予測モデルを導出する機械学習部を備える請求項３に記載の保全支援装置。

【請求項5】

前記確率指標は、前記確率を示すランク、または前記確率を示す数値であることを特徴とする請求項１から４の何れか１項に記載の保全支援装置。

【請求項6】

コンピュータを、
プラントの構造物の属性及び初期板厚を含むデータを取得する取得部、
前記取得部で取得したデータが含む属性に基づき、前記構造物の保温材で覆われている部分の保温材下腐食による減肉深さの予測値を算出する減肉深さ予測部、
前記取得部で取得したデータが含む初期板厚から前記減肉深さ予測部で算出した減肉深さの予測値を減算した減算結果である、余裕肉厚の予測値を算出する余裕肉厚算出部、
予め定められた複数の数値範囲と、保温材下腐食によって前記構造物が使用不能状態となる確率を示す複数の確率指標とを対応づけて記憶している確率情報記憶装置を参照し、前記複数の数値範囲のうちから、前記余裕肉厚算出部で算出した余裕肉厚の予測値を含む数値範囲を特定し、特定した数値範囲に対応づけられている確率指標を取得する確率指標取得部、
及び前記確率指標取得部で取得した確率指標を出力する出力部として機能させるための保全支援用プログラム。

【請求項7】

プラントの構造物の属性及び初期板厚を含むデータを取得することと、
前記取得したデータが含む属性に基づき、前記構造物の保温材下腐食による減肉深さの予測値を算出することとと、
前記取得したデータが含む初期板厚から前記減肉深さの予測値を減算した減算結果である、余裕肉厚の予測値を算出することと、
予め定められた複数の数値範囲と、保温材下腐食によって前記構造物が使用不能状態となる確率を示す複数の確率指標とを対応づけて記憶している確率情報を参照することと、
前記複数の数値範囲のうちから、前記余裕肉厚の予測値を含む数値範囲を特定し、特定した数値範囲に対応づけられている確率指標を取得することとと、
前記確率指標を出力することと、を含む、
保全支援方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、プラントの構造物の保全方式や検査仕様等の決定を支援するための保全支援装置、保全支援用プログラム及び保全支援方法に関する。

【背景技術】

【0002】

従来、例えば、プラントの構造物の保全方式や検査仕様等の決定を支援するための技術としては、例えば、構造物の種類に応じた腐食速度の推定値と、構造物の使用期間及び初期板厚とから、構造物の寿命を推定する技術がある（例えば、非特許文献１参照。）。

【先行技術文献】

【非特許文献】

【0003】

【非特許文献1】「化学プラントにおける断熱材下の外面腐食の実機検査結果の解析と発生可能性推定方法の検討」、材料と環境、５９、２９１−２９７（２０１０）

【発明の概要】

【発明が解決しようとする課題】

【0004】

しかしながら、非特許文献１に記載の技術では、構造物の寿命を推定できるものの、寿命に到達する確率、つまり構造物が使用不能状態となる確率を算出するという観点がなかった。それゆえ、構造物の保全方式や検査仕様等を適切に決定することが困難であった。
本発明は、上記のような点に着目し、プラントの構造物が使用不能状態となる確率を提示可能な保全支援装置、保全支援用プログラム及び保全支援方法を提供することを目的とする。

【課題を解決するための手段】

【0005】

上記課題を解決するために、本発明の一態様は、（ａ）プラントの構造物の属性及び初期板厚を含むデータを取得する取得部と、（ｂ）取得部で取得したデータが含む属性に基づき、構造物の保温材下腐食による減肉深さの予測値を算出する減肉深さ予測部と、（ｃ）取得部で取得したデータが含む初期板厚から減肉深さ予測部で算出した減肉深さの予測値を減算した減算結果である、余裕肉厚の予測値を算出する余裕肉厚算出部と、（ｄ）予め定められた複数の数値範囲と、保温材下腐食によって構造物が使用不能状態となる確率を示す複数の確率指標とを対応づけて記憶している確率情報記憶装置と、（ｅ）確率情報記憶装置を参照し、複数の数値範囲のうちから、余裕肉厚算出部で算出した余裕肉厚の予測値を含む数値範囲を特定し、特定した数値範囲に対応づけられている確率指標を取得する確率情報取得部と、（ｆ）確率情報取得部で取得した確率指標を出力する出力部と、を備える保全支援装置であることを要旨とする。ここで、保温材下腐食とは、プラントの構造物（配管、熱交換器、塔、槽等）、例えば炭素鋼製もしくは低合金鋼製の構造物の保温材で覆われている部分に生じる腐食である。

【0006】

また、本発明の他の態様は、（ａ）コンピュータを、プラントの構造物の属性及び初期板厚を含むデータを取得する取得部、（ｂ）取得部で取得したデータが含む属性に基づき、構造物の保温材で覆われている部分の保温材下腐食による減肉深さの予測値を算出する減肉深さ予測部、（ｃ）取得部で取得したデータが含む初期板厚から減肉深さ予測部で算出した減肉深さの予測値を減算した減算結果である、余裕肉厚の予測値を算出する余裕肉厚算出部、（ｄ）予め定められた複数の数値範囲と、保温材下腐食によって構造物が使用不能状態となる確率を示す複数の確率指標とを対応づけて記憶している確率情報記憶装置を参照し、複数の数値範囲のうちから、余裕肉厚算出部で算出した余裕肉厚の予測値を含む数値範囲を特定し、特定した数値範囲に対応づけられている確率指標を取得する確率情報取得部、（ｅ）及び確率情報取得部で取得した確率指標を出力する出力部として機能させるための保全支援用プログラムであることを要旨とする。

【0007】

また、本発明の他の態様は、（ａ）プラントの構造物の属性及び初期板厚を含むデータを取得することと、（ｂ）前記取得したデータが含む属性に基づき、前記構造物の保温材下腐食による減肉深さの予測値を算出することとと、（ｃ）前記取得したデータが含む初期板厚から前記減肉深さの予測値を減算した減算結果である、余裕肉厚の予測値を算出することと、（ｄ）予め定められた複数の数値範囲と、保温材下腐食によって前記構造物が使用不能状態となる確率を示す複数の確率指標とを対応づけて記憶している確率情報を参照することと、（ｅ）前記複数の数値範囲のうちから、前記余裕肉厚の予測値を含む数値範囲を特定し、特定した数値範囲に対応づけられている確率指標を取得することとと、（ｆ）前記確率指標を出力することと、を含む、保全支援方法であることを要旨とする。

【発明の効果】

【0008】

本発明の一態様によれば、プラントの構造物が使用不能状態となる確率を提示可能な保全支援装置、保全支援用プログラム及び保全支援方法を提供することができる。

【図面の簡単な説明】

【0009】

【図1】本発明の一態様に係る保全支援システムのハードウェアブロック図である。

【図2】本発明の一態様に係る保全支援システムの機能ブロック図である。

【図3】確率情報記憶領域に記憶された記憶情報の一例を示す図である。

【図4】変形例に係る確率情報記憶領域に記憶された記憶情報を示す図である。

【図5】測定データの内容の一例を示す図である。

【図6】保全支援の対象となる構造物に関するデータの内容の一例を示す図である。

【図7】ディスプレイの表示態様の一例を示す図である。

【図8】確率情報出力処理を示すフローチャートである。

【図9】予測モデルの一例を示すブロック図である。

【図10】余裕肉厚の予測値を説明するための構造物の断面図である。

【図11】確率情報の取得処理を説明するための図である。

【図12】数値範囲設定処理を示すフローチャートである。

【図13】予測余裕肉厚を説明するための構造物の断面図である。

【図14】実余裕肉厚を説明するための構造物の断面図である。

【図15】第１〜第３の境界値の設定方法を説明するための図であり、（ａ）は第１の境界値の設定方法を説明するための図であり、（ｂ）は第２の境界値の設定方法を説明するための図であり、（ｃ）は第３の境界値の設定方法を説明するための図であり、（ｄ）は第１〜第４の数値範囲と第１〜第３の境界値との関係を説明するための図である。

【図16】第１〜第３の境界値の設定方法を説明するための図である。

【図17】保全システムの動作のシーケンスを示すフローチャートである。

【図18】確率情報の取得手順を説明するための図であり、（ａ）は管理肉厚が「０ｍｍ」の場合を示す図であり、（ｂ）は管理肉厚が「１ｍｍ」の場合を示す図である。

【図19】保全システムの動作のシーケンス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】

【0010】

以下、本開示に係る保全支援装置、保全支援用プログラム及び保全支援方法について、図面を参照しつつ説明する。本開示に係る保全支援装置は、プラントの構造物の保全方式や検査仕様等の決定を支援する保全支援サービスを実施するための保全支援システムを構成している。構造物とは、例えば、保温材で覆われた配管、熱交換器、塔、槽である。後述するように、本開示に係る保全支援システムは、保全支援装置とサービス利用端末とを備える。保全支援装置は、サービス利用端末からデータを取得し、取得したデータを基に、構造物の保全や修理の必要性の程度を示す指標として、保温材下腐食によって構造物が使用不能状態となる確率を示す確率情報を取得し、取得した確率情報を、データ送信元のサーバ利用者端末に送信する。

【0011】

また、本開示に係る保全支援装置は、予め収集された構造物の属性に関する情報、及び、腐食度合いに関する情報を含む測定データに基づいて、保全対象の構造物の腐食度合いを予測するための予測モデルを生成する。

【0012】

なお、以下に示す実施形態は、本発明の技術的思想を具体化するための方法や装置を例示するものであって、本発明の技術的思想は、構成要素の構造、配置等を、下記のものに特定するものでない。本発明の技術的思想は、請求の範囲に記載された請求項が規定する技術的範囲内で、種々の変更を加えることができる。

【0013】

（構成）
図１、図２に示すように、保全支援システム１は、保全支援装置２と、サービス利用端末３とを備えている。保全支援装置２及びサービス利用端末３は、インターネット等の通信路４を介して、互いに情報を送受信可能に構成されている。

【0014】

（保全支援装置）
保全支援装置２は、例えば、保全支援サービスのサービス提供者が所有しているサーバ装置である。保全支援装置２としては、例えば、Ｗｅｂサーバ（コンピュータ）を採用できる。

【0015】

図１に示すように、保全支援装置２は、記憶装置５及びプロセッサを含む演算装置６、及び、通信路４（ネットワーク）を介して他の装置（例えば、後述するサービス利用端末３）と情報の送受信を行う通信インタフェース（以下、「通信Ｉ／Ｆ」と称する。）３０等のハードウェア資源を備えている。保全支援装置２は、演算装置６が、記憶装置５に記憶された所定のプロブラム及びデータに基づく情報処理を実行することにより、少なくとも保全対象物の腐食度合いを推定するように構成されている。本開示において、保全対象物の腐食の度合いとして、減肉深さを用いる。
演算装置６は、ハードウェアプロセッサとしてのＣＰＵ（Central Processing Unit）６ａ、ＲＡＭ（Random Access Memory）６ｂ、及び、ＲＯＭ（Read Only Memory）６ｃを含む。演算装置６は、記憶装置５に記憶された所定のデータ及び所定のプログラムを用いた、特定の情報処理を実行する。なお、ハードウェアプロセッサとしては、ＣＰＵに限定されず、ＧＰＵ、ＡＳＩＣ、ＦＰＧＡ等の各種プロセッサを用いることができる。

【0016】

記憶装置５は、ハードディスクドライブ、ソリッドステートドライブ等のメモリにより構成される補助記憶装置である。記憶装置５は、演算装置６による特定の情報処理に必要な所定のプログラム、及び、所定のデータを記憶している。本開示において、記憶装置５は、演算装置６が保全支援処理、確率情報の生成処理、予測モデルの生成処理、等の所定の情報処理を実行するためのプログラム９、及び、確率情報７、測定データ１０、学習結果データ３５を記憶している。確率情報７、測定データ１０、プログラム９、学習結果データ３５のそれぞれは、記憶装置５の所定の領域、例えば、確率情報記憶領域、測定データ記憶領域及びプログラム記憶領域に分けて記憶されていてもよい。また、確率情報７、測定データ１０、プログラム９、学習結果データ３５のそれぞれが、別個に構成された確率情報記憶装置、測定データ記憶装置、プログラム記憶装置に、ぞれぞれ記憶されるように構成されていてもよい。

【0017】

なお、所定のデータ、及び、所定のプログラムは、常時記憶装置５に記憶されていなくてもよい。例えば、演算装置６が特定の情報処理を実行するときに、その一部または全部を、通信路４を介して他の装置から取得してもよい。また、所定のデータ、及び、所定のプログラムは、演算装置６が特定の情報処理を実行するときに、後述のドライブ３１を介して記憶媒体３２から読み込んでもよい。

【0018】

通信Ｉ／Ｆ３０は、例えば、有線ＬＡＮモジュール、無線ＬＡＮモジュール等であり、通信路４を介して他の装置と有線又は無線通信を行うためのインタフェースである。本開示において、通信Ｉ／Ｆは、通信路４を介して、後述のサービス利用端末３及び他の装置（図示せず）から所定のデータ等を受信するように構成されている。

【0019】

保全支援装置２は、入力装置３３、表示装置（出力装置）３４をさらに備えていてもよい。入力装置３３としては、マウス、キーボード、タッチパネル等を用いることができる。また、表示装置（出力装置）３４としてはディスプレイ、スピーカ等を用いることができる。また、保全支援装置２は、ＣＤドライブ、ＤＶＤドライブ等の、記憶媒体３２に記憶されたデータ及びプログラムを読み込むためのドライブ３１をさらに備えていてもよい。

【0020】

確率情報記憶領域には、後述する保全支援処理に用いられる確率情報７が記憶されている。本開示において、確率情報７は、基準肉厚の候補値、腐食が生じたときの肉厚の予測値が取り得る数値範囲、構造物の保全や修理の必要性の程度を示す指標としての確率、を含む。

【0021】

基準肉厚は、保全対象の構造物が満たすべき肉厚（板厚）であって、保全支援処理におけるリスクの算出の前に予め定められたパラメータである。本開示において、基準肉厚は、一又は複数の候補値として設定される。複数の候補値は互いに異なるように設定される。基準肉厚の候補値は、例えば、後述する必要肉厚または管理肉厚に基づいて定めることができる。

【0022】

必要肉厚とは、例えば、法規制や準拠すべき規格により定められた肉厚の値である。法規制や準拠すべき規格としては、例えば、運転時における構造物の内部の圧力等に応じ、構造物に必要とされる肉厚が定められている法規制や規格が挙げられる。管理肉厚は、プラントの構造物を管理する保全主体が任意に設定する肉厚である。管理肉厚は、必要肉厚を用いてもよく、必要肉厚にある一定の値を加えたり、安全率を乗算したり等して、必要肉厚よりも大きい値に設定されてもよい。管理肉厚は、例えば、延性破壊の生ずる肉厚である必要肉厚や、構造物の補修の是非を判断するためにプラントの管理者が必要肉厚よりも安全側に（厚く）規定した肉厚を採用できる。

【0023】

確率情報記憶領域は、確率情報７として、図３に示すように、予め定められた複数の数値範囲ｂ１、ｂ２、ｂ３、ｂ４、ｂ５、ｂ６、ｂ７、ｂ８を、基準肉厚の候補値ａ１、ａ２と対応づけて記憶している。本開示において、複数の数値範囲ｂ１、ｂ２、ｂ３、ｂ４、ｂ５、ｂ６、ｂ７、ｂ８は、保温材下腐食の進行によっても残存する肉厚（余裕肉厚）の予測値（予測余裕肉厚）の数値範囲であるが、これに限定されない。予測余裕肉厚の算出は、予め収集された測定データによって生成される予測モデルを用いて行われる。ここで、本開示において、複数の数値範囲ｂ１、ｂ２、ｂ３、ｂ４、ｂ５、ｂ６、ｂ７、ｂ８のそれぞれは、同一の予測モデルを用いて設定される値である。予測余裕肉厚の算出方法は、図１０等を用いて後述する。

【0024】

図３では、基準肉厚の候補値ａ１、ａ２として、「０ｍｍ」、「１ｍｍ」が用いられている。また数値範囲ｂ１〜ｂ８は、図１０に示した余裕肉厚の予測値が取り得る範囲を区分する数値範囲である。

【0025】

また、確率情報記憶領域には、構造物の保全、修理の必要性の程度を示す指標が記憶されている。本開示において、確率情報記憶領域は、保温材下腐食によって構造物が使用不能状態となる確率を示す複数の確率指標ｃ１、ｃ２、ｃ３、ｃ４、ｃ５、ｃ６、ｃ７、ｃ８を、保全、修理の必要性の程度を示す指標として記憶している。確率指標ｃ１、ｃ２、ｃ３、ｃ４、ｃ５、ｃ６、ｃ７、ｃ８は、基準肉厚及び複数の数値範囲と対応づけられ、記憶されている。

【0026】

確率指標ｃ１〜ｃ８としては、例えば、保温材下腐食によって構造物が使用不能状態となる確率を示すランク（例えば、「Ａ」「Ｂ」「Ｃ」「Ｄ」）を採用できる。ランク「Ａ」は確率「０．１％未満」を示し、ランク「Ｂ」は確率「０．１％以上１％未満」を示し、ランク「Ｃ」は確率「１％以上１０％未満」を示し、ランク「Ｄ」は確率「１０％以上」を示すものとする。すなわち、ランク「Ａ」「Ｂ」「Ｃ」「Ｄ」のうち、ランク「Ａ」からランク「Ｄ」に向けて、順に、構造物が使用不能状態となる確率が高くなることを示す。

【0027】

また、複数の数値範囲ｂ１〜ｂ８と、複数の確率指標ｃ１〜ｃ８とは、互いに対応づけられている。図３では、数値範囲ｂ１に確率指標ｃ１が対応づけられ、以下同様に、数値範囲ｂ２に確率指標ｃ２が対応づけられ、数値範囲ｂ３に確率指標ｃ３が対応づけられ、数値範囲ｂ４に確率指標ｃ４が対応づけられ、数値範囲ｂ５に確率指標ｃ５が対応づけられ、数値範囲ｂ６に確率指標ｃ６が対応づけられ、数値範囲ｂ７に確率指標ｃ７が対応づけられ、数値範囲ｂ８に確率指標ｃ８が対応づけられている。

【0028】

なお、本開示に係る保全支援装置２では、図３に示すように、確率指標ｃ１〜ｃ８として、使用不能状態となる確率を示すランク（「Ａ」「Ｂ」「Ｃ」「Ｄ」）を用いる例を示したが、他の構成を採用することもできる。例えば、図４に示すように、確率指標ｃ１〜ｃ８として、使用不能状態となる確率を示す数値（例えば、「０．１％未満」「０．１％以上１％未満」「１％以上１０％未満」「１０％以上」）を用いてもよい。
また、数値範囲ｂ１〜ｂ８は、後述する数値範囲設定処理によって設定される。

【0029】

これによれば、基準肉厚の候補値の値が大きいことは、保全対象の構造物に対して、保全や修理が必要な条件を厳しく設定していること、換言すると、より安全側に設定しているすることを示す。これにより、余裕肉厚の予測値（予測余裕肉厚）の数値が相対的に大きい場合でも、使用不能状態となる確率は同等またはそれよりも高く設定されることになる。例えば、図３及び図４に示すように、基準肉厚の候補値ａ１（「０」）と、基準肉厚の候補値ａ２（「１」）とは、候補値ａ２の方が厳しい条件である。ここで、候補値ａ１の予測余裕肉厚の数値範囲ｂ４は「０〜２ｍｍ」であり、候補値ａ２の予測余裕肉厚の数値範囲ｂ８は「０〜４ｍｍ」であり、かつ、いずれの数値範囲に対しても、確率指標はランクＤ（１０％以上）が対応づけられている。すなわち、基準肉厚の候補値ａ２は、候補値ａ１と比較して保全や修理が必要な条件を相対的に厳しく設定しており、これにより、候補値ａ１に対応する予測余裕肉厚の数値範囲ｂ４よりも大きな値を含む数値範囲ｂ８に対して、同じ確率指標であるランクＤ（１０％以上）が対応づけられている。

【0030】

測定データ記憶領域には、図５に示すように、プラントの構造物の保温材下腐食による減肉深さの測定値ｄ、その構造物の属性ｅ１、ｅ２、…、及びその構造物の初期板厚ｆを含む測定データ１０が多数記憶されている。構造物の属性とは、プラントの構造物の特徴を示す何らかの情報であって、腐食度合い（発生確率、進行速さ、腐食深さ等）を変動させる因子となる情報である。構造物の属性ｅ１、ｅ２、…としては、例えば、構造物の使用期間及び温度等の数値属性、構造物の種類、環境（海からの距離、冷水塔からの距離、年間降雨量等）、塗装有無及び塗装種類、並びに保温材の種類等の質的属性の少なくともいずれかを用いることができる。また、初期板厚ｆとしては、例えば、保温材下腐食がされる前の構造物の実測肉厚を用いることができる。また、例えば、設計図に記載されている構造物の公称肉厚を採用することができる。

【0031】

測定データ１０は、種々のプラントの検査の際に取得されたデータである。なお、後述する測定データ１０を用いる情報処理の開始後に、測定データ１０を取得するために種々のプラントで検査を行うことは可能ではある。しかしながら、多量のデータを種々のプラントでの検査により短期間で収集することは、困難な場合が多い。したがって、種々のプラントにおける過去の検査時に取得したデータを、後述する情報処理の開始前に、予め収集し、記憶装置５に記憶しておくことが好ましい。
また、測定データ記憶領域は、サービス利用端末３等から、測定データ１０を随時収集し、記憶している測定データ１０の総数を継続的に増加させるように構成されている。
プログラム記憶領域には、プロセッサが実行可能な保全支援プログラムを記憶している。また、記憶装置５は、上述のように、保全支援プログラムの実行に必要な各種データを記憶している。

【0032】

演算装置６は、サービス利用端末３から送信され、保全支援の対象物である構造物のデータ１６と、プログラム記憶領域に記憶された確率情報の出力用の保全支援プログラムとを用いて、保全支援処理を実行する。これにより、取得部１１、減肉深さ予測部１２、余裕肉厚算出部１３、確率指標取得部１４、出力部１５等が実現される。なお、前述のように、データ１６は、サービス利用端末３等の他の装置から通信路４を介して受信するだけでなく、保全支援装置２に対して、例えば、ドライブ３１を用いて記憶媒体から読み込んだり、また、例えば、入力装置３３を用いて直接入力されてもよい。

【0033】

サービス利用端末３から送信され、保全支援の対象物である構造物のデータであって、当該構造物が使用不能状態となるか否かの判定用のデータ１６は、保全対象物の属性に関するデータを含む。したがって、データ１６は、測定データ１０と異なり、減肉深さが未知である構造物のデータである。データ１６は、例えば、図６に示すように、プラントの構造物の属性ｇ１、ｇ２、…、初期板厚ｈ、及び、基準肉厚として管理肉厚ｉを含む情報群を採用できる。管理肉厚ｉとしては、例えば、プラントの構造物の内部圧力がほとんどない場合には、「０ｍｍ」を用いることができる。また、例えば、構造物の内部圧力がある場合には、管理肉厚として、「１ｍｍ」を用いることができる。

【0034】

演算装置６は、記憶装置５、通信Ｉ／Ｆ３０等の他のハードウェア資源と協働して確率情報出力処理を実行することで、取得部１１、減肉深さ予測部１２、余裕肉厚算出部１３、確率指標取得部１４、出力部１５等を実現する。確率情報出力処理の詳細については後述する。

【0035】

また、演算装置６は、図３に示した数値範囲ｂ１〜ｂ８の設定・更新の指示と、数値範囲ｂ１〜ｂ８の設定用の保全支援プログラムとを用いて、数値範囲設定処理を実行する。これにより、機械学習部１７、予測減肉深さ算出部１８、予測値算出部１９、実余裕肉厚算出部２０、境界値設定部２１等が実現される。数値範囲ｂ１〜ｂ８の設定・更新の指示は、サービス提供者、または、サービス利用者が、保全支援装置２の入力装置３３を操作したり、保全支援装置２と通信路４を介して接続された他の装置を操作したりすることにより行われる。

【0036】

演算装置６は、記憶装置５、通信Ｉ／Ｆ３０等の他のハードウェア資源と協働して数値範囲設定処理を実行することで、予測減肉深さ算出部１８、予測値算出部１９、実余裕肉厚算出部２０、境界値設定部２１等を実現する。数値範囲設定処理の詳細については後述する。

【0037】

（サービス利用端末）
サービス利用端末３は、保全支援サービスのサービス利用者が利用する端末装置である。サービス利用端末３としては、例えば、パーソナルコンピュータ、スマートフォン、タブレット等を用いることができる。サービス利用端末３は、キーボードやマウス、タッチパネル等の入力装置２２、各種情報の出力装置の一例として、各種情報を表示するディスプレイ（表示装置）２３、記憶装置２４、プロセッサ（図示せず）を有する演算装置２５、通信路４（ネットワーク）を介して他の装置（例えば、後述するサービス利用端末３）と情報の送受信を行う通信インタフェース（以下、「通信Ｉ／Ｆ」と称する。）４２等のハードウェア資源を備えている。

【0038】

記憶装置２４は、演算装置２５で実行可能な１または２以上のプログラムを記憶している。さらに、記憶装置２４は、プログラムの実行に必要な各種データを記憶する。演算装置２５は、保全支援装置２に設けられた演算装置６と同様の構成としてよい。また、演算装置６は、演算処理の種別等に応じて、種々のプロセッサを用いて構成してよい。また、記憶装置２４は、保全支援装置２に設けられた記憶装置５と同様の構成としてよい。また、通信Ｉ／Ｆ４２は、保全支援装置２に設けられた通信Ｉ／Ｆと同様の構成としてよい。なお、サービス利用端末３は、ＣＤドライブ、ＤＶＤドライブ等の、記憶媒体４１に記憶されたデータ及びプログラムを読み込むためのドライブ４０をさらに備えていてもよい。

【0039】

演算装置２５は、他のハードウェア資源と協働して、サービス利用端末３に対する、保全支援サービスの利用を要求する操作を検出し、記憶装置２４からプログラムを読み出して実行する。これにより、データ送信部２６及び確率情報表示部２７、データ受信部２８、取得部２９等が実現される。

【0040】

取得部２９は、確率指標ｃ１〜ｃ８を得たいプラントの構造物の属性ｇ１、ｇ２、…、初期板厚ｈ及び基準肉厚としての管理肉厚ｉを含むデータ１６の入力を受け付ける。データ１６は、サービス利用者が入力装置２２を用いて入力する。データ１６に含まれる基準肉厚に関する情報は、確率指標ｃ１〜ｃ８を得たいプラントの構造物の保全主体が任意に瀬一定し得る、当該構造物に許容される肉厚（以下、「許容肉厚」と称する）に関する情報である。

【0041】

データ送信部２６は、入力されたデータ１６を、通信Ｉ／Ｆ４２を介して保全支援装置２に送信する。なお、データ１６は、例えば、ドライブ４０を介して記憶媒体４１から読み込まれてもよい。

【0042】

データ受信部２８は、保全支援装置２から送信される確率指標ｃ１〜ｃ８を、通信Ｉ／Ｆ４２を介して受信する。

【0043】

確率情報表示部２７は、図７に示すように、受信した確率指標ｃ１〜ｃ８をディスプレイ２３に表示させる。これにより、確率指標ｃ１〜ｃ８をサービス利用者に提示することができる。

【0044】

（確率情報出力処理）
次に、取得部１１、減肉深さ予測部１２、余裕肉厚算出部１３、確率指標取得部１４、出力部１５等が実行する確率情報出力処理について説明する。前述のように、確率情報を出力する処理は、保全支援装置２の演算装置６が、所定のデータ及び所定のプログラムに基づく特定の情報処理を実行することにより、取得部１１、減肉深さ予測部１２、余裕肉厚算出部１３、確率指標取得部１４、出力部１５等を実現することで達成される。

【0045】

図８に示すように、ステップＳ１０１でデータを取得する処理を行う。ステップＳ１０１では、取得部１１が、サービス利用端末３から送信されるデータ１６（構造物の属性ｇ１、ｇ２、…、初期板厚ｈ、管理肉厚ｉ）を取得する。

【0046】

続いてステップＳ１０２に移行して、減肉深さの予測値を算出する処理を行う。ステップＳ１０２では、減肉深さ予測部１２が、ステップＳ１０１で取得したデータ１６が含む属性ｇ１、ｇ２、…に基づき、構造物の保温材下腐食による減肉深さの予測値を算出する。減肉深さの予測値の算出方法としては、例えば、図９に示すように、構造物の属性ｇ１、ｇ２、…を基に保温材下腐食による減肉深さの予測値を算出する予測モデル５０を使用する方法を用いることができる。予測モデル５０としては、例えば、記憶装置５が記憶している測定データ１０を基に、機械学習で導出されたモデルを採用できる。

【0047】

続いてステップＳ１０３に移行して、余裕肉厚の予測値を算出する処理を行う。ステップＳ１０３では、余裕肉厚算出部１３が、図１０に示すように、ステップＳ１０１で取得したデータ１６が含む初期板厚ｈから、ステップＳ１０２で算出した減肉深さの予測値を減算した減算結果（以下、「余裕肉厚の予測値」と称する。）を算出する。図１０には、構造物が配管である場合の「初期板厚」、「減肉深さの予測値」、「余裕肉厚の予測値」が図示されている。

【0048】

続いてステップＳ１０４に移行して、確率情報を取得する処理を行う。ステップＳ１０４では、確率指標取得部１４が、記憶装置５を参照し、複数の数値範囲ｂ１〜ｂ８のうちから、ステップＳ１０３で算出した余裕肉厚の予測値を含む数値範囲を特定する。具体的には、まず図１１に示すように、記憶装置５から、ステップＳ１０１で取得したデータ１６が含む基準肉厚としての管理肉厚ｉと同一の基準肉厚の候補値ａ１（またはａ２）に対応する複数の数値範囲ｂ１〜ｂ４（またはｂ５〜ｂ８）と複数の確率指標ｃ１〜ｃ４（またはｃ５〜ｃ８）とを読み出す（ステップＳ２０１）。続いて、読み出した複数の数値範囲ｂ１〜ｂ４（またはｂ５〜ｂ８）と複数の確率指標ｃ１〜ｃ４（またはｃ５〜ｃ８）とを参照し、その複数の数値範囲ｂ１〜ｂ４（またはｂ５〜ｂ８）のうちから、ステップＳ１０３で算出した余裕肉厚の予測値を含む数値範囲ｂ１（またはｂ２〜ｂ８の何れか）を特定する（ステップＳ２０２）。続いて、特定した数値範囲ｂ１（またはｂ２〜ｂ８の何れか）に対応づけられている確率指標ｃ１（またはｃ２〜ｃ８の何れか）を取得する（ステップＳ２０３）。図１１には、データ１６が含む基準肉厚としての管理肉厚ｉが「０ｍｍ」であり、余裕肉厚の予測値が「３ｍｍ」である場合が図示されている。

【0049】

続いてステップＳ１０５に移行して、確率情報を出力する処理を行う。ステップＳ１０５では、出力部１５が、ステップＳ１０４で取得した確率指標ｃ１（またはｃ２〜ｃ８の何れか）を、データ１６の送信元のサービス利用端末３に出力（送信）した後、この確率情報出力処理を終了する。なお、前述のように、確率情報の出力は、保全支援装置２が有する出力装置３４に対して行われてもよい。

【0050】

（数値範囲設定処理）
次に、機械学習部１７、予測減肉深さ算出部１８、予測値算出部１９、実余裕肉厚算出部２０、境界値設定部２１等が実行する数値範囲設定処理について説明する。前述のように、数値範囲を設定する処理は、保全支援装置２の演算装置６が、所定のデータ及び所定のプログラムに基づく特定の情報処理を実行することにより、機械学習部１７、予測減肉深さ算出部１８、予測値算出部１９、実余裕肉厚算出部２０、境界値設定部２１等を実現することで達成される。
図１２に示すように、ステップＳ３０１で予測モデル５０を生成する処理を行う。本開示において、ステップＳ３０１では、機械学習部１７が、記憶装置５が記憶している多数の測定データ１０に基づき、予測モデル５０を生成する。予測モデル５０の生成方法としては、例えば、機械学習のアルゴリズムに基づく方法を採用できる。

【0051】

具体的には、まず、測定データ１０が含む構造物の属性ｅ１、ｅ２、…を説明変数とし、測定データ１０が含む減肉深さの測定値ｄを目的変数として、機械学習のアルゴリズムを用いることで、説明変数と目的変数との関係を学習した予測モデル５０を導出する。すなわち、機械学習部１７は、特定の構造物の属性ｅ１、ｅ２、…と、属性ｅ１、ｅ２、…に対応づけられた当該特定の構造物の減肉深さの測定値ｄと、の組が複数含まれる訓練データ（学習データ）を用いた機械学習により、予測モデル５０を生成する。訓練データは、測定データ１０に基づいて生成することができる。

【0052】

予測モデル５０（学習器）としては、予測精度が高く、ソースコードの公開されているモデルを利用して機械学習を行うことが好ましい。例えば、予測モデル５０として、ニューラルネットワークを用いることができる。学習器の一例であるニューラルネットワークは、入力側から順に、入力層、中間層（隠れ層）、出力層を備える。なお、中間層は１層に限られず、２層以上の中間層を備えていてよい。

【0053】

各層は、それぞれ一又は複数のニューロンを備えている。例えば、入力層のニューロンの数は、学習器に入力される構造物の属性ｅ１、ｅ２、を示す情報の種別数に応じて、適宜設定することができる。入力層の一又は複数のニューロンに入力される値は、属性ｅ１、ｅ２、…の種類により適宜設定される。例えば、属性ｅ１、ｅ２、…が構造物の使用期間や使用温度等、数値で表現される属性である場合には、当該数値を入力層のニューロンに入力することができる。また、属性ｅ１、ｅ２、…が構造物の種類、環境等の数値で表現されない属性である場合には、これを予め定めた一定の法則で数値化し、当該数値を入力層のニューロンに入力することができる。例えば、属性ｅ１、ｅ２、…が構造物の種類を示し、構造物の種類として、配管、熱交換機、塔、槽が含まれる場合、配管、熱交換機、塔、槽のそれぞれに互いに異なる数値を対応づけて、当該数値を入力層のニューロンに入力する。例えば、配管は１、熱交換機は２、塔は３、槽は４、とする。中間層のニューロンの数は、予測モデル５０が出力すべき減肉深さの予測値の予測精度、予測に係る処理速度、予測モデル５０の学習にかかる時間等に応じて適宜設定することができる。出力層は、例えば、減肉深さの予測値を数値として出力する単一のニューロンによって構成されてよい。また、出力層に複数のニューロンを設けてもよい。例えば、各ニューロンに対して、互いに異なる減肉深さの数値幅を対応づけ、各ニューロンは、当該対応づけられた数値幅となり得る確率を出力するようにしてもよい。この場合、予測モデル５０は、各ニューロンに対応づけられた減肉深さの数値幅及び確率とから算出される平均値を出力するように構成してよい。

【0054】

各ニューロンには閾値が設定され、基本的には各入力と各重みとの積の和が閾値を超えているか否かによって各ニューロンの出力が決定される。機械学習部１７は、訓練データに含まれる、属性ｅ１、ｅ２、…と減肉深さの測定値ｄとの組を読み出す。機械学習部１７は、属性を入力すると、減肉深さの測定値ｄに対応する出力値を出力するように学習器を学習させ、予測モデル５０を生成する。

【0055】

このようなニューラルネットワークの構成（例えば、ニューラルネットワークの層数、各層におけるニューロンの個数、ニューロン同士の結合関係、各ニューロンの伝達関数）、各ニューロン間の結合の重み、各ニューロンの閾値を示す情報は、学習結果データとして、記憶装置５に記憶される。

【0056】

続いてステップＳ３０２に移行して、予測減肉深さを算出する処理を行う。本開示において、ステップＳ３０２では、予測減肉深さ算出部１８が、予測モデル５０を用いて、記憶装置５が記憶している測定データ１０毎に、その測定データ１０が含む属性ｅ１、ｅ２、…を基に減肉深さの予測値（以下、「予測減肉深さ」と称する。）を算出する。具体的には、まず、予測減肉深さ算出部１８が、測定データ記憶領域に記憶されている測定データ１０を１つ読み出す。続いて、読み出した測定データ１０が含む属性ｅ１、ｅ２、…に基づき、予測モデル５０を用いて、減肉深さの予測値（予測減肉深さ）を算出する。そして、このような「測定データ１０の読み出し」→「予測減肉深さの算出」のフローを、残りの全ての測定データ１０に繰り返し実行する。

【0057】

続いてステップＳ３０３に移行して、余裕肉厚の予測値を算出する処理を行う。本開示において、ステップＳ３０３では、予測値算出部１９が、測定データ記憶領域に記憶されている測定データ１０毎に、図１３に示すように、その測定データ１０が含む初期板厚ｆから、その測定データ１０に対応する予測減肉深さを減算した減算結果である余裕肉厚の予測値（以下「予測余裕肉厚」と称する。）を算出する。具体的には、まず、測定データ記憶領域に記憶されている測定データ１０を１つ読み出す。続いて、読み出した測定データ１０（以下、「読出データ」と称する。）に含まれる初期板厚ｆから、その読出データ（測定データ１０）を基にステップＳ３０２で算出された予測減肉深さを減算して、予測余裕肉厚を算出する。そして、このような「測定データ１０の読み出し」→「予測余裕肉厚の算出」のフローを、残りの全ての測定データ１０に繰り返し実行する。図１３には、構造物が配管である場合の「予測減肉深さ」「予測余裕肉厚」等が図示されている。

【0058】

続いてステップＳ３０４に移行して、測定値に基づいて算出される余裕肉厚の実際値を算出する処理を行う。本開示において、ステップＳ３０４では、実余裕肉厚算出部２０が、測定データ記憶領域に記憶されている測定データ１０毎に、図１４に示すように、その測定データ１０が含む初期板厚ｆから、その測定データ１０が含む減肉深さの測定値ｄを減算した減算結果である余裕肉厚の実際値（以下、「実余裕肉厚」と称する。）を算出する。具体的には、まず、実余裕肉厚算出部２０が、測定データ記憶領域に記憶されている測定データ１０を１つ読み出す。続いて、読み出した測定データ１０が含む初期板厚ｆから、測定データ１０が含む減肉深さの測定値ｄを減算して実余裕肉厚を算出する。そして、このような「測定データ１０の読み出し」→「実余裕肉厚の算出」のフローを、残りの全ての測定データ１０に繰り返し実行する。図１４には、構造物が配管である場合の「減肉深さの測定値」「実余裕肉厚」等が図示されている。

【0059】

続いてステップＳ３０５に移行して、複数の数値範囲及び確率情報を設定する処理を行う。本開示において、ステップＳ３０５では、境界値設定部２１が、確率情報記憶領域に記憶されている複数の数値範囲ｂ１〜ｂ８を設定する。前述のように、本開示において、複数の数値範囲ｂ１〜ｂ８は、予測余裕肉厚の数値範囲を示す。具体的には、まず基準肉厚の候補値ａ１、ａ２毎に、複数の数値範囲ｂ１〜ｂ８のそれぞれに対して、その数値範囲ｂ１（またはｂ２〜ｂ８の何れか）に含まれる予測余裕肉厚に対応する実余裕肉厚のうちに、その候補値ａ１（またはａ２）以下の実余裕肉厚が含まれる割合が、数値範囲ｂ１（またはｂ２〜ｂ８の何れか）に対応づけられている確率指標ｃ１（またはｃ２〜ｃ８の何れか）が示す確率（「０．１％未満」「０．１％以上１％未満」「１％以上１０％未満」「１０％以上」等）と同一の数値となるように複数の数値範囲ｂ１〜ｂ８を区分する境界値を設定する。

【0060】

ここで、図１５（ｄ）に示すように、数値範囲ｂ１（以下、「第１の数値範囲ｂ１」と称する。）と数値範囲ｂ２（以下、「第２の数値範囲ｂ２」と称する。）との間の第１の境界値ｊ、第２の数値範囲ｂ２と数値範囲ｂ３（以下、「第３の数値範囲ｂ３」と称する。）との間の第２の境界値ｋ、第３の数値範囲ｂ３と数値範囲ｂ４（以下、「第４の数値範囲ｂ４」と称する。）との間の第３の境界値ｌの設定手順について説明する。まず第１の境界値ｊとして仮の数値を設定する。続いて、図１５（ａ）に示すように、ステップＳ３０３で算出した予測余裕肉厚のうちから、仮に設定した第１の境界値ｊを基に定まる第１の数値範囲ｂ１に含まれる予測余裕肉厚を特定する。続いて、ステップＳ３０４で算出した実余裕肉厚のうちから、特定した予測余裕肉厚に対応する実余裕肉厚を特定する。

【0061】

実余裕肉厚の特定方法としては、例えば、予測余裕肉厚を算出した条件におけるＣＵＩ減肉深さより、実余裕肉厚を算出する。続いて、特定した実余裕肉厚のうちに、選択した管理肉厚（０ｍｍ）以下の実余裕肉厚が含まれる割合を算出する。続いて、算出結果を考慮して、算出される割合が「０．１％」に近づくように、第１の境界値ｊを変更する。言い換えると、図１６に示すように、特定した実余裕肉厚の累積確率を近似直線５１で表したときに、近似直線５１において実余裕肉厚を、選択した管理肉厚（０ｍｍ）と同じ値としたときの累積確率の値が「０．１％」に近づくように第１の境界値ｊを変更する。そして、このような「予測余裕肉厚の特定」→「実余裕肉厚の特定」→「境界値の変更」のフローを繰り返し実行し、算出される割合が「０．１％」となる第１の境界値ｊを求める。

【0062】

続いて、第２の境界値ｋとして仮の数値を設定する。続いて、図１５（ｂ）に示すように、ステップＳ３０３で算出した予測余裕肉厚のうちから、第１の境界値ｊと、仮に設定した第２の境界値ｋとを基に定まる第２の数値範囲ｂ２に含まれる予測余裕肉厚を特定する。続いて、ステップＳ３０４で算出した実余裕肉厚のうちから、特定した予測余裕肉厚に対応する実余裕肉厚を特定する。続いて、特定した実余裕肉厚のうちに、選択した管理肉厚（０ｍｍ）以下の実余裕肉厚が含まれる割合を算出する。続いて、算出結果を考慮して、算出される割合が「１％」に近づくように、第２の境界値ｋを変更する。言い換えると、図１６に示すように、特定した実余裕肉厚の累積確率を近似直線５２で表したときに、近似直線５２において実余裕肉厚を、選択した管理肉厚（０ｍｍ）と同じ値としたときの累積確率の値が「１％」に近づくように、第２の境界値ｋを変更する。そして、このような「予測余裕肉厚の特定」→「実余裕肉厚の特定」→「境界値の変更」のフローを繰り返し実行し、算出される割合が「１％」となる第２の境界値ｋを求める。
なお、図１６において、実余裕肉厚に負値が含まれているのは、初期板厚ｆとして公称肉厚が入力されたが、実際の構造物の肉厚が公称肉厚よりも厚かったためと考えられる。

【0063】

続いて、第３の境界値ｌとして仮の数値を設定する。続いて、図１５（ｃ）に示すように、ステップＳ３０３で算出した予測余裕肉厚のうちから、第２の境界値ｋと、仮に設定した第３の境界値ｌとを基に定まる第３の数値範囲ｂ３に含まれる予測余裕肉厚を特定する。続いて、ステップＳ３０４で算出した実余裕肉厚のうちから、特定した予測余裕肉厚に対応する実余裕肉厚を特定する。続いて、特定した実余裕肉厚のうちに、選択した管理肉厚（０ｍｍ）以下の実余裕肉厚が含まれる割合を算出する。続いて、算出結果を考慮して、算出される割合が「１０％」に近づくように第３の境界値ｌを変更する。言い換えると、図１６に示すように、特定した実余裕肉厚の累積確率を近似直線５３で表したときに、近似直線５３において実余裕肉厚を、選択した管理肉厚（０ｍｍ）と同じ値としたときの累積確率の値が「１０％」に近づくように、第３の境界値ｌを変更する。そしてこのような「予測余裕肉厚の特定」→「実余裕肉厚の特定」→「境界値の変更」のフローを繰り返し実行し、算出される割合が「１０％」となる第３の境界値ｌを求める。

【0064】

このような手順により、図１５（ｄ）に示すように、数値範囲ｂ１〜ｂ４を区分する第１の境界値ｊ、第２の境界値ｋ及び第３の境界値ｌを設定することができる。
なお、数値範囲ｂ５〜ｂ８の境界値についても、同様の手順を用いて設定できる。
続いて、境界値設定部２１が、設定した境界値を基に、数値範囲ｂ１〜ｂ８を設定して記憶装置５に記憶させた後、この数値範囲設定処理を終了する。なお、記憶装置５に既に数値範囲ｂ１〜ｂ８が記憶されている場合には、新しく求めた数値範囲ｂ１〜ｂ８を、記憶装置５が記憶している数値範囲ｂ１〜ｂ８に上書きする。

【0065】

ステップ３０５に示す数値範囲及び確率指標を設定する処理は、換言すると、以下のように表現できる。

【0066】

数値範囲及び確率情報を設定する処理の前に、ステップＳ３０１〜Ｓ３０４に示すように、測定データ１０について、実余裕肉厚と予測余裕肉厚とを算出する。なお、実余裕肉厚及び予測余裕肉厚の算出は、すべての測定データ１０に対して行われなくてもよく、確率情報７を生成するのに十分な量の測定データ１０について、実余裕肉厚及び予測余裕肉厚の算出を行えばよい。例えば、１０００個の測定データ１０について実余裕肉厚及び予測余裕肉厚の算出を行い、算出された実余裕肉厚及び予測余裕肉厚に基づいて確率情報７を生成することができる。

【0067】

算出された実余裕肉厚と予測余裕肉厚との組が複数含まれるデータ群を、所定の条件が満たされるように、予測余裕肉厚の数値範囲によって複数に区分する。データ群を区分する当該複数の数値範囲を、確率情報７の複数の数値範囲として設定する。ここで、所定の条件とは、ある数値範囲で区分けされたデータ群に占める、実余裕肉厚が基準肉厚の候補値以下であるデータの割合が、確率指標に規定する予め定められた所定の基準を満たすことである。所定の基準には、前述のように、確率、ランク等の定量的、または、定性的な基準を適宜採用することができる。

【0068】

例えば、予測余裕肉厚についての第１の数値範囲ｂ１は、当該第１の数値範囲ｂ１によって区分された第１のデータ群に占める、実余裕肉厚が基準肉厚の候補値（例えば、０ｍｍ）以下であるデータの割合が、第１の基準（例えば、０．１％未満）となるような数値範囲に設定される。図１５に示すように、当該第１の数値範囲ｂ１は、例えば、８ｍｍ以上である。

【0069】

また、予測余裕肉厚についての第２の数値範囲ｂ２は、当該第２の数値範囲ｂ２によって区分された第２のデータ群に占める、実余裕肉厚が基準肉厚の候補値（例えば、０ｍｍ）以下であるデータの割合が、第２の基準（例えば、０．１％以上１％未満）となるような数値範囲に設定される。図１５に示すように、当該第２の数値範囲ｂ２は、例えば、５ｍｍ以上８ｍｍ未満である。

【0070】

以下同様に、第３の数値範囲ｂ３及び第４の数値範囲ｂ４が設定される。すなわち、第３の数値範囲ｂ３は、当該第３の数値範囲ｂ３によって区分された第３のデータ群に占める、実余裕肉厚が基準肉厚の候補値（例えば、０ｍｍ）以下であるデータの割合が、第３の基準（例えば、１％以上１０％未満）となるような数値範囲に設定される。また、第４の数値範囲ｄ４は、当該第４の数値範囲ｄ４によって区分された第４のデータ群に占める、実余裕肉厚が基準肉厚の候補値（例えば、０ｍｍ）以下であるデータの割合が、第４の基準（例えば、１０％以上）となるような数値範囲に設定される。図１５によれば、第３の数値範囲ｄ３は２ｍｍ以上５ｍｍ未満であり、第４の数値範囲ｄ４は０ｍｍ以上２ｍｍ未満である。

【0071】

上述のように、予測余裕肉厚についての複数の数値範囲、及び、当該数値範囲を規定する境界値が設定される。これを、一又は複数の基準肉厚の候補値に対して行う。

【0072】

すなわち、本開示においては、プラント構造物が使用不能状態となる可能性の高さを示す指標として、実余裕肉厚が基準肉厚の候補値以下となるデータの割合を確率指標として用いている。

【0073】

ここで、複数の数値範囲は、プラント構造物が使用不能状態となる可能性の高さを示す指標が、順に増大（または減少）するように設定されることが好ましい。なお、前述のように、確率指標に規定する予め定められた所定の基準は、その数値の種別、及び、表示形式は特に限定されない。例えば、図３に示すように、所定の基準を定性的なランクとして表示してもよく、また、図４に示すように、確率として表示してもよい。また、本開示では、データ群を４つの数値範囲により区分することとしたが、その個数は特に限定されない。さらに、隣接する数値範囲及び確率指標の値は、一部が重複していてもよい。

【0074】

（動作その他）
次に、本開示に係る保全支援システム１における、保全支援サービスの提供時の動作を説明する。以下、基準肉厚として、管理肉厚ｉを用いた例を示す。
まず、サービス利用者が、サービス利用端末３を操作し、図１７に示すように、サービス利用端末３が、通信路４を介して、図６に示したデータ１６（属性ｇ１、ｇ２、…、初期板厚ｈ、管理肉厚ｉ）を保全支援装置２に送信したとする（ステップＳ４０１）。すると、保全支援装置２が、送信されてきたデータ１６を受信し（ステップＳ４０２）、取得したデータ１６が含む属性ｇ１、ｇ２、…に基づき、予測モデル５０を用いて、構造物の保温材下腐食による減肉深さの予測値を算出する（ステップＳ４０３）。続いて、保全支援装置２が、図１０に示すように、取得したデータ１６が含む初期板厚ｈから、算出した減肉深さの予測値を減算して、余裕肉厚の予測値を算出する（ステップＳ４０４）。

【0075】

続いて、保全支援装置２が、確率情報記憶領域を参照し、図３に示した複数の数値範囲ｂ１〜ｂ８のうちから、算出した余裕肉厚の予測値を含む数値範囲を特定し（ステップＳ４０５）、特定した数値範囲に対応づけられている確率指標を取得する（ステップＳ４０６）。ここで、図１８（ａ）に示すように、データ１６が含む管理肉厚ｉが「０ｍｍ」であり、余裕肉厚の予測値が「３ｍｍ」であった場合、余裕肉厚の予測値「３ｍｍ」を含む数値範囲として数値範囲ｂ３が特定され、数値範囲ｂ３に対応づけられている確率指標ｃ３であるランク「Ｃ」が取得される。一方、図１８（ｂ）に示すように、データ１６が含む管理肉厚ｉが「１ｍｍ」であり、余裕肉厚の予測値が「３ｍｍ」であった場合、余裕肉厚の予測値「３ｍｍ」を含む数値範囲として数値範囲ｂ８が特定され、数値範囲ｂ８に対応づけられている確率指標ｃ８であるランク「Ｄ」が取得される。すなわち、データ１６が含んでいる管理肉厚ｉに応じて異なるランク（ランク「Ｃ」「Ｄ」等）が取得される。続いて、保全支援装置２が、取得した確率指標を、通信路４を介してデータ１６の送信元のサービス利用端末３に出力（送信）する（ステップＳ４０７）。

【0076】

続いて、サービス利用端末３が、送信されてきた確率指標を受信し（ステップＳ４０８）、受信した確率指標をディスプレイ２３に表示させる（ステップＳ４０９）。これにより、サービス利用者は、保温材下腐食によって構造物が使用不能状態となる確率を知ることができ、プラントの構造物の保全方式や検査仕様等をより適切に決定することができる。

【0077】

次に、本開示に係る保全支援システム１における、予測モデル５０及び数値範囲ｂ１〜ｂ８の設定時の動作を説明する。
まず、サービス提供者が、保全支援装置２を操作し、保全支援装置２が、数値範囲設定処理を実行し、図１９に示すように、測定データ記憶領域に記憶されている多数の測定データ１０を基に、機械学習のアルゴリズムを用いて、属性ｅ１、ｅ２、…と減肉深さの測定値ｄとの関係を学習した予測モデル５０を導出する（ステップＳ５０１）。続いて、保全支援装置２が、導出した予測モデル５０を用いて、測定データ記憶領域に記憶されている図５に示した測定データ１０毎に、その測定データ１０が含む属性ｅ１、ｅ２、…を基に減肉深さの予測値（予測減肉深さ）を算出する（ステップＳ５０２）。続いて、保全支援装置２が、測定データ記憶領域に記憶されている測定データ１０毎に、図１３に示すように、その測定データ１０が含む初期板厚ｆから、その測定データ１０に対応する予測減肉深さを減算した減算結果（予測余裕肉厚）を算出する（ステップＳ５０３）。

【0078】

続いて、保全支援装置２が、測定データ記憶領域に記憶されている測定データ１０毎に、その測定データ１０が含む初期板厚ｆから、その測定データ１０が含む減肉深さの測定値ｄを減算した減算結果（実余裕肉厚）を算出する（ステップＳ５０４）。続いて、保全支援装置２が、管理肉厚の候補値ａ１、ａ２毎に、複数の数値範囲ｂ１〜ｂ８を区分する境界値を設定し（ステップＳ５０５）、設定した境界値を基に、数値範囲ｂ１〜ｂ８を設定して確率情報記憶領域に記憶させる（ステップＳ５０６）。これにより、測定データ１０の増加に応じて、予測モデル５０及び数値範囲ｂ１〜ｂ８を更新することができ、サービス利用者に、より精度の高い確率情報を知らせることができる。

【0079】

なお、予測モデル５０及び数値範囲ｂ１〜ｂ８の設定時の動作の例を示したが、例えば、予測モデル５０及び数値範囲ｂ１〜ｂ８の更新時に同様の動作を行うようにしてもよい。予測モデル５０及び数値範囲ｂ１〜ｂ８の更新は、例えば、記憶されている測定データ１０の数が、前回の更新時から所定数（例えば、１００）増えた場合に行うようにする。

【0080】

以上説明したように、本開示に係る保全支援装置２では、複数の数値範囲ｂ１〜ｂ８と、保温材下腐食によって構造物が使用不能状態となる確率を示す複数の確率指標ｃ１〜ｃ８とを対応づけて記憶している確率情報記憶領域を参照し、複数の数値範囲ｂ１〜ｂ８のうちから、算出した余裕肉厚の予測値を含む数値範囲を特定し、特定した数値範囲に対応づけられている確率指標を取得する確率指標取得部１４と、取得した確率指標を出力する出力部１５とを備えるようにした。それゆえ、プラントの構造物が使用不能状態となる確率を提示可能な保全支援装置２を提供できる。そして、保全支援装置２を用いることで、保温材下腐食によって構造物が使用不能状態となる確率を知ることができ、プラントの構造物の保全方式や検査仕様等をより適切に決定できる。

【0081】

また同様に、プラントの構造物が使用不能状態となる確率を提示でき、プラントの構造物の保全方式や検査仕様等をより適切に決定可能な保全支援用プログラムを提供できる。
また、本開示に係る保全支援装置２では、データ１６は、基準肉厚として、例えば、管理肉厚ｉを含むようにした。また、確率情報記憶領域には、複数の管理肉厚の候補値ａ１、ａ２のそれぞれ毎に、複数の数値範囲ｂ１〜ｂ８と複数の確率指標ｃ１〜ｃ８とを記憶するようにした。さらに、確率指標取得部１４は、確率情報記憶領域に記憶されている、取得部１１で取得したデータ１６が含む管理肉厚ｉと同一の管理肉厚の候補値ａ１（またはａ２）に対応する複数の数値範囲ｂ１〜ｂ８と複数の確率指標ｃ１〜ｃ８とを参照し、その複数の数値範囲ｂ１〜ｂ８のうちから、余裕肉厚算出部１３で算出した余裕肉厚の予測値を含む数値範囲ｂ１（またはｂ２〜ｂ８の何れか）を特定し、特定した数値範囲ｂ１（またはｂ２〜ｂ８の何れか）に対応づけられている確率指標ｃ１（またはｃ２〜ｃ８の何れか）を取得するようにした。それゆえ、構造物の管理肉厚ｉに応じた確率指標を出力できる。

【0082】

そのため、例えば、構造物の内部圧力が低く、データ１６に管理肉厚ｉとして「０ｍｍ」が含まれている場合には、構造物の肉厚が「０ｍｍ」になる確率指標を提示できる。また、例えば、構造物の内部圧力が高く、データ１６に管理肉厚ｉとして例えば「１ｍｍ」が含まれている場合には、構造物の肉厚が「１ｍｍ」になる確率指標を提示できる。したがって、保温材下腐食によって構造物が使用不能状態となる確率をより高精度に知ることができ、プラントの構造物の保全方式や検査仕様等をより適切に決定することができる。

【0083】

さらに、本開示に係る保全支援装置２では、減肉深さ予測部１２は、属性ｇ１、ｇ２、…を基に減肉深さの予測値を算出する予測モデル５０を用いて、取得部１１で取得したデータ１６が含む属性ｇ１、ｇ２、…を基に減肉深さの予測値を算出する。また、プラントの構造物の保温材下腐食による減肉深さの測定値ｄ、構造物の属性ｅ１、ｅ２、…及び構造物の初期板厚ｆを含む測定データ１０を多数記憶している測定データ記憶領域を備えるようにした。さらに、予測モデル５０を用いて、測定データ１０毎に、測定データ１０が含む属性ｅ１、ｅ２、…を基に減肉深さの予測値（予測減肉深さ）を算出する予測減肉深さ算出部１８を備えるようにした。また、測定データ１０毎に、その測定データ１０が含む初期板厚ｆから、その測定データ１０に対応する予測減肉深さを減算した減算結果（予測余裕肉厚）を算出する予測値算出部１９を備えるようにした。さらに、測定データ１０毎に、その測定データ１０が含む初期板厚ｆから、その測定データ１０が含む減肉深さの測定値ｄを減算した減算結果（実余裕肉厚）を算出する実余裕肉厚算出部２０を備えるようにした。

【0084】

また、管理肉厚の候補値ａ１、ａ２毎に、複数の数値範囲ｂ１〜ｂ８のそれぞれに対して、その数値範囲ｂ１（またはｂ２〜ｂ８の何れか）に含まれる予測余裕肉厚に対応する実余裕肉厚のうちに、その管理肉厚以下の実余裕肉厚が含まれる割合が、その数値範囲ｂ１（またはｂ２〜ｂ８の何れか）に対応づけられている確率指標ｃ１（またはｃ２〜ｃ８の何れか）が示す確率と同一の数値となるように、複数の数値範囲ｂ１〜ｂ８を区分する境界値を設定する境界値設定部２１を備えるようにした。それゆえ、例えば、数値範囲ｂ１〜ｂ８を適切に設定でき、サービス利用者により精度の高い確率指標を提示できる。

【0085】

また、本開示に係る保全支援装置２では、記憶装置５が記憶している測定データ１０が含む構造物の属性ｅ１、ｅ２、…を説明変数とし、測定データ１０が含む減肉深さの測定値ｄを目的変数として、機械学習のアルゴリズムを用いて、説明変数と目的変数との関係を学習した予測モデル５０を導出する機械学習部１７を備えるようにした。それゆえ、保全支援装置２（コンピュータ）に予測モデル５０を導き出させることができ、比較的少ない手間でより精度の高い予測モデル５０を得ることができる。
さらに、本開示に係る保全支援装置２では、確率指標ｃ１〜ｃ８として、構造物が使用不能状態となる確率を示すランク、確率を示す数値を用いるようにした。例えば、確率を示すランク「Ａ」「Ｂ」「Ｃ」「Ｄ」を用いることで、確率をより直感的に把握できる。また、例えば、確率を示す数値「０．１％未満」「０．１％以上１％未満」「１％以上１０％未満」「１０％以上」を用いることで、確率をより正確に把握できる。

【0086】

（変形例）
（１）なお、上記実施形態では、保全支援装置２とサービス利用端末３とを備える保全支援システム１を構成し、サービス利用者に確率指標ｃ１〜ｃ８を提示する例を示したが、他の構成を採用することもできる。例えば、１台の保全支援装置２内で各種処理を行うように構成して、サービス利用者に確率指標ｃ１〜ｃ８を提示する構成ととしてもよい。
（２）また、上記実施形態では、予測モデル５０として、属性ｅ１、ｅ２、…と減肉深さの測定値ｄとから、機械学習によって導出したモデルを用いる例を示したが、他の構成を採用することもできる。例えば、統計的手法によって導出したモデルを用いてもよい。

【符号の説明】

【0087】

１…保全支援システム、２…保全支援装置、３…サービス利用端末、４…通信路、５…記憶装置、６…演算装置、７…確率情報、９…プログラム、１０…測定データ、１１…取得部、１２…減肉深さ予測部、１３…余裕肉厚算出部、１４…確率指標取得部、１５…出力部、１６…データ、１７…機械学習部、１８…予測減肉深さ算出部、１９…予測値算出部、２０…実余裕肉厚算出部、２１…境界値設定部、２２…入力装置、２３…ディスプレイ（出力装置）、２４…記憶装置、２５…演算装置、２６…データ送信部、２７…確率情報表示部、２８…データ受信部、２９…取得部、３０…通信Ｉ／Ｆ、３１…ドライブ、３２…記憶媒体、３３…入力装置、３４…出力装置、３５…学習結果データ、４０…ドライブ、４１…記憶媒体、４２…通信Ｉ／Ｆ、５０…予測モデル、５１〜５３…近似直線、ａ１、ａ２…管理肉厚の候補値、ｂ１〜ｂ８…数値範囲、ｃ１〜ｃ８…確率情報、ｄ…減肉深さの測定値、ｅ１、ｅ２…属性、ｆ…初期板厚、ｇ１、ｇ２…属性、ｈ…初期板厚、ｉ…管理肉厚、ｊ…第１の境界値、ｋ…第２の境界値、ｌ…第３の境界値

【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】