知財求人 - 知財ポータルサイト「IP Force」
(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】P2024122550
(43)【公開日】2024-09-09
(54)【発明の名称】制御装置、制御方法および制御プログラム
(51)【国際特許分類】
G05B 23/02 20060101AFI20240902BHJP
【ＦＩ】
G05B23/02 V
G05B23/02 302R
【審査請求】未請求
【請求項の数】9
【出願形態】ＯＬ
(21)【出願番号】P 2023030146
(22)【出願日】2023-02-28
(71)【出願人】
【識別番号】000006507
【氏名又は名称】横河電機株式会社
(74)【代理人】
【識別番号】110002147
【氏名又は名称】弁理士法人酒井国際特許事務所
(72)【発明者】
【氏名】内門 知博
【テーマコード（参考）】
3C223
【Ｆターム（参考）】
3C223AA01
3C223BA03
3C223CC02
3C223DD03
3C223EA04
3C223EB01
3C223EB02
3C223FF02
3C223FF22
3C223FF26
3C223FF45
(57)【要約】
【課題】プラントの制御システムの性能を向上すること。
【解決手段】制御装置２０は、プラントに含まれるフィールド機器１０からセンサ値を受信し、センサ値に基づいてプラントの状態を診断し、センサ値に基づいてプラントの制御に用いるプロセス値の算出と、フィールド機器１０の状態の診断とを実行する。
【選択図】図１
【解決手段】制御装置２０は、プラントに含まれるフィールド機器１０からセンサ値を受信し、センサ値に基づいてプラントの状態を診断し、センサ値に基づいてプラントの制御に用いるプロセス値の算出と、フィールド機器１０の状態の診断とを実行する。
【選択図】図１
【特許請求の範囲】
【請求項1】
制御対象についての設備に含まれるデバイスから第１データを受信する受信部と、
前記第１データに基づいて、前記設備の状態を診断する診断部と、
前記第１データに基づいて、前記設備の制御に用いる第２データの算出と、前記デバイスの状態の診断とを実行する実行部と、
を備える制御装置。
前記第１データに基づいて、前記設備の状態を診断する診断部と、
前記第１データに基づいて、前記設備の制御に用いる第２データの算出と、前記デバイスの状態の診断とを実行する実行部と、
を備える制御装置。
【請求項2】
前記受信部は、
前記第１データとして前記デバイスが取得したセンサデータを受信し、
前記診断部は、
前記センサデータに第１周波数特性を有する第１フィルタを適用して得られたデータに基づいて、前記設備の状態を診断し、
前記実行部は、
前記センサデータに第２周波数特性を有する第２フィルタを適用して得られたデータに基づいて、前記第２データとしてプロセスデータを算出し、
前記センサデータにバンドパスフィルタ第３周波数特性を有する第３フィルタを適用して得られたデータに基づいて、前記デバイスの状態を診断する、
請求項１に記載の制御装置。
前記第１データとして前記デバイスが取得したセンサデータを受信し、
前記診断部は、
前記センサデータに第１周波数特性を有する第１フィルタを適用して得られたデータに基づいて、前記設備の状態を診断し、
前記実行部は、
前記センサデータに第２周波数特性を有する第２フィルタを適用して得られたデータに基づいて、前記第２データとしてプロセスデータを算出し、
前記センサデータにバンドパスフィルタ第３周波数特性を有する第３フィルタを適用して得られたデータに基づいて、前記デバイスの状態を診断する、
請求項１に記載の制御装置。
【請求項3】
前記設備は、プラントを制御する制御設備であり、
前記デバイスは、前記プラントに設置された、前記プラントの制御に用いられるフィールド機器であり、
前記診断部は、
前記フィールド機器が取得したセンサデータを説明変数、前記プラントの異常の発生有無を目的変数とする機械学習によって生成された機械学習モデルに、前記受信部によって受信された前記センサデータを入力することで、前記プラントの異常の有無を出力する、
請求項１または２に記載の制御装置。
前記デバイスは、前記プラントに設置された、前記プラントの制御に用いられるフィールド機器であり、
前記診断部は、
前記フィールド機器が取得したセンサデータを説明変数、前記プラントの異常の発生有無を目的変数とする機械学習によって生成された機械学習モデルに、前記受信部によって受信された前記センサデータを入力することで、前記プラントの異常の有無を出力する、
請求項１または２に記載の制御装置。
【請求項4】
前記受信部は、
前記センサデータに影響を及ぼす周辺環境データをさらに受信し、
前記診断部は、
前記フィールド機器が取得した前記センサデータおよび前記周辺環境データを説明変数、前記プラントの異常の発生有無を目的変数とする機械学習によって生成された前記機械学習モデルに、前記受信部によって受信された前記センサデータおよび前記周辺環境データを入力することで、前記プラントの異常の有無を出力する、
請求項３に記載の制御装置。
前記センサデータに影響を及ぼす周辺環境データをさらに受信し、
前記診断部は、
前記フィールド機器が取得した前記センサデータおよび前記周辺環境データを説明変数、前記プラントの異常の発生有無を目的変数とする機械学習によって生成された前記機械学習モデルに、前記受信部によって受信された前記センサデータおよび前記周辺環境データを入力することで、前記プラントの異常の有無を出力する、
請求項３に記載の制御装置。
【請求項5】
前記設備は、プラントを制御する制御設備であり、
前記デバイスは、前記プラントに設置された、前記プラントの制御に用いられるフィールド機器であり、
前記実行部は、
前記フィールド機器が取得したセンサデータを説明変数、前記フィールド機器の異常の発生有無を目的変数とする機械学習によって生成された機械学習モデルに、前記受信部によって受信された前記センサデータを入力することで、前記フィールド機器の異常の有無を出力する、
請求項１または２に記載の制御装置。
前記デバイスは、前記プラントに設置された、前記プラントの制御に用いられるフィールド機器であり、
前記実行部は、
前記フィールド機器が取得したセンサデータを説明変数、前記フィールド機器の異常の発生有無を目的変数とする機械学習によって生成された機械学習モデルに、前記受信部によって受信された前記センサデータを入力することで、前記フィールド機器の異常の有無を出力する、
請求項１または２に記載の制御装置。
【請求項6】
前記フィールド機器は、圧力センサ機器であり、
前記実行部は、
前記圧力センサ機器が取得した圧力センサデータおよび振動センサデータを説明変数、前記圧力センサ機器の異常の発生確率を目的変数とする機械学習によって生成された前記機械学習モデルに、前記受信部によって受信された前記圧力センサデータおよび前記振動センサデータを入力することで、前記圧力センサ機器の異常の有無を出力する、
請求項５に記載の制御装置。
前記実行部は、
前記圧力センサ機器が取得した圧力センサデータおよび振動センサデータを説明変数、前記圧力センサ機器の異常の発生確率を目的変数とする機械学習によって生成された前記機械学習モデルに、前記受信部によって受信された前記圧力センサデータおよび前記振動センサデータを入力することで、前記圧力センサ機器の異常の有無を出力する、
請求項５に記載の制御装置。
【請求項7】
前記実行部は、
前記デバイスの個体差を調整するためのデバイスパラメータ、または前記設備の利用者によって調整される利用者パラメータのうち少なくとも１つを用いて、前記第２データとしてプロセスデータを算出する、
請求項１または２に記載の制御装置。
前記デバイスの個体差を調整するためのデバイスパラメータ、または前記設備の利用者によって調整される利用者パラメータのうち少なくとも１つを用いて、前記第２データとしてプロセスデータを算出する、
請求項１または２に記載の制御装置。
【請求項8】
コンピュータが、
制御対象についての設備に含まれるデバイスから第１データを受信し、
前記第１データに基づいて、前記設備の状態を診断し、
前記第１データに基づいて、前記設備の制御に用いる第２データの算出と、前記デバイスの状態の診断とを実行する、
処理を実行する制御方法。
制御対象についての設備に含まれるデバイスから第１データを受信し、
前記第１データに基づいて、前記設備の状態を診断し、
前記第１データに基づいて、前記設備の制御に用いる第２データの算出と、前記デバイスの状態の診断とを実行する、
処理を実行する制御方法。
【請求項9】
コンピュータに、
制御対象についての設備に含まれるデバイスから第１データを受信し、
前記第１データに基づいて、前記設備の状態を診断し、
前記第１データに基づいて、前記設備の制御に用いる第２データの算出と、前記デバイスの状態の診断とを実行する、
処理を実行させる制御プログラム。
制御対象についての設備に含まれるデバイスから第１データを受信し、
前記第１データに基づいて、前記設備の状態を診断し、
前記第１データに基づいて、前記設備の制御に用いる第２データの算出と、前記デバイスの状態の診断とを実行する、
処理を実行させる制御プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、制御装置、制御方法および制御プログラムに関する。
【背景技術】
【0002】
プラントの運転制御として、フィールド機器と制御装置とを用いた制御システムが知られている。例えば、フィールド機器は、圧力センサ値や振動センサ値などのセンサ値（適宜、「センサデータ」）を収集し、センサ値に基づき圧力値や振動値などのプロセス値（適宜、「プロセスデータ」）の生成や機器診断を実行する。制御装置は、フィールド機器からプロセス値や機器診断結果を取得し、これらに基づいて、プラントの運転制御やプラント全体の異常診断等を実行する。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２００４－０７８８１１号公報
【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、制御システムの性能を向上することは難しい。例えば、プラントに設置されるフィールド機器のリソースには制限があるので、高分解能のセンサ値を取得しつつ、プロセス値や機器診断結果の精度を高めることは困難である。
【0005】
本発明は、上記に鑑みてなされたものであって、制御システムの性能を向上することを目的とする。
【課題を解決するための手段】
【0006】
本発明は、制御対象についての設備に含まれるデバイスから第１データを受信する受信部と、前記第１データに基づいて、前記設備の状態を診断する診断部と、前記第１データに基づいて、前記設備の制御に用いる第２データの算出と、前記デバイスの状態の診断とを実行する実行部と、を備える制御装置を提供する。
【0007】
また、本発明は、コンピュータが、制御対象についての設備に含まれるデバイスから第１データを受信し、前記第１データに基づいて、前記設備の状態を診断し、前記第１データに基づいて、前記設備の制御に用いる第２データの算出と、前記デバイスの状態の診断とを実行する、処理を実行する制御方法を提供する。
【0008】
また、本発明は、コンピュータに、制御対象についての設備に含まれるデバイスから第１データを受信し、前記第１データに基づいて、前記設備の状態を診断し、前記第１データに基づいて、前記設備の制御に用いる第２データの算出と、前記デバイスの状態の診断とを実行する、処理を実行させる制御プログラムを提供する。
【発明の効果】
【0009】
本発明によれば、制御システムの性能を向上することができるという効果がある。
【図面の簡単な説明】
【0010】
【図1】実施形態に係る制御システムの構成例および処理例を示す図である。
【図2】実施形態に係る制御システムの各装置の構成例を示すブロック図である。
【図3】実施形態に係るエンジニアリングツールによって作成されるプログラムの一例を示す図である。
【図4】実施形態に係る制御システムのデータ処理の一例を示す図である。
【図5】実施形態に係る機器診断処理における機械学習モデルの入力データの具体例を示す図である。
【図6】実施形態に係る機器診断処理における機械学習モデルの出力データの具体例を示す図である。
【図7】実施形態に係るシステム診断処理における機械学習モデルの入力データの具体例１を示す図である。
【図8】実施形態に係るシステム診断処理における機械学習モデルの入力データの具体例２を示す図である。
【図9】実施形態に係るシステム診断処理における機械学習モデルの入力データの具体例３を示す図である。
【図10】実施形態に係るシステム診断処理における機械学習モデルの出力データの具体例を示す図である。
【図11】参考技術に係る平均化処理によるデータ前処理を説明する図である。
【図12】実施形態に係るハミング窓ＦＩＲフィルタによるデータ前処理の一例を示す図である。
【図13】実施形態に係る制御システムの制御処理全体の流れの一例を示すフローチャートである。
【図14】実施形態の変形例に係る制御システムの各装置の構成例を示すブロック図である。
【図15】実施形態および実施形態の変形例に係るハードウェア構成例を示すブロック図である。
【発明を実施するための形態】
【0011】
以下に、本発明の一実施形態に係る制御装置、制御方法および制御プログラムを、図面を参照して詳細に説明する。なお、本発明は、以下に説明する実施形態により限定されるものではない。
【0012】
〔実施形態〕
以下に、実施形態に係る制御システム１０００の構成および処理、制御システム１００の各装置の構成および処理、制御システム１０００の各処理の具体例、制御システム１０００の処理の流れを順に説明し、最後に実施形態の効果を説明する。
以下に、実施形態に係る制御システム１０００の構成および処理、制御システム１００の各装置の構成および処理、制御システム１０００の各処理の具体例、制御システム１０００の処理の流れを順に説明し、最後に実施形態の効果を説明する。
【0013】
〔１．制御システム１０００の構成および処理〕
図１を用いて、実施形態に係る制御システム１０００の構成および処理を詳細に説明する。図１は、実施形態に係る制御システム１０００の構成例および処理例を示す図である。以下に、制御システム１０００全体の構成例、制御システム１０００の処理例、参考技術の制御システムの問題点を順に説明し、最後に制御システム１０００の効果について説明する。なお、実施形態では、プラントに設置されるデバイスであるフィールド機器１０を使用する工場生産遠隔監視を一例にして説明するが、デバイスや利用分野を限定するものではなく、電力モニタ、風力発電、上下水モニタ、河川監視等の環境計測遠隔監視に適用することもできる。
図１を用いて、実施形態に係る制御システム１０００の構成および処理を詳細に説明する。図１は、実施形態に係る制御システム１０００の構成例および処理例を示す図である。以下に、制御システム１０００全体の構成例、制御システム１０００の処理例、参考技術の制御システムの問題点を順に説明し、最後に制御システム１０００の効果について説明する。なお、実施形態では、プラントに設置されるデバイスであるフィールド機器１０を使用する工場生産遠隔監視を一例にして説明するが、デバイスや利用分野を限定するものではなく、電力モニタ、風力発電、上下水モニタ、河川監視等の環境計測遠隔監視に適用することもできる。
【0014】
（１－１．制御システム１０００全体の構成例）
制御システム１０００は、複数のフィールド機器１０、制御装置２０およびエンジニアリングツール３０を有する。ここで、フィールド機器１０と制御装置２０とエンジニアリングツール３０とは、図示しない所定の通信網を介して、有線または無線により通信可能に接続される。なお、所定の通信網には、インターネットや専用線等の各種通信網を採用することができる。
制御システム１０００は、複数のフィールド機器１０、制御装置２０およびエンジニアリングツール３０を有する。ここで、フィールド機器１０と制御装置２０とエンジニアリングツール３０とは、図示しない所定の通信網を介して、有線または無線により通信可能に接続される。なお、所定の通信網には、インターネットや専用線等の各種通信網を採用することができる。
【0015】
フィールド機器１０は、プラント現場に設置される。また、制御装置２０は、プラントを管理するプラント計器室に設置される。なお、図１に示した制御システム１０００には、複数台の制御装置２０が含まれてもよい。
【0016】
図１の例では、フィールド機器１０が圧力センサ機器によって実現される場合を示したが、温度センサ機器、流量センサ機器、差圧センサ機器、振動センサ機器等であってもよい。また、図１の例では、制御装置２０がサーバ装置によって実現される場合を示したが、ＤＣＳ（Distributed Control System）、ＰＬＣ（Programmable Logic Controller）、クラウドシステム等により実現されてもよい。
【0017】
（１－２．制御システム１０００全体の処理例）
上記のような制御システム１０００全体の処理例について説明する。以下では、設定パラメータ受付処理、センサ値取得処理、センサ値送信処理、入力演算処理、システム診断処理、制御演算処理、制御情報送信処理の順に説明する。なお、下記の処理は、異なる順序で実行することもできる。また、下記の処理のうち、省略される処理があってもよい。
上記のような制御システム１０００全体の処理例について説明する。以下では、設定パラメータ受付処理、センサ値取得処理、センサ値送信処理、入力演算処理、システム診断処理、制御演算処理、制御情報送信処理の順に説明する。なお、下記の処理は、異なる順序で実行することもできる。また、下記の処理のうち、省略される処理があってもよい。
【0018】
（１－２－１．設定パラメータ受付処理）
制御装置２０は、エンジニアリング時において、設定パラメータ受付処理を実行する（ステップＳ１）。例えば、制御装置２０は、設定パラメータとして、プログラムや設定パラメータ等のエンジニアリング内容を設定するエンジニアリングツール３０を介してユーザ調整パラメータを受け付ける。ここで、ユーザ調整パラメータとは、メンテナンス実施者によってエンジニアリングツール３０を介して、プロセス値等の入力演算結果を確認しながら所望の入力演算結果となるように調整されたパラメータである。
制御装置２０は、エンジニアリング時において、設定パラメータ受付処理を実行する（ステップＳ１）。例えば、制御装置２０は、設定パラメータとして、プログラムや設定パラメータ等のエンジニアリング内容を設定するエンジニアリングツール３０を介してユーザ調整パラメータを受け付ける。ここで、ユーザ調整パラメータとは、メンテナンス実施者によってエンジニアリングツール３０を介して、プロセス値等の入力演算結果を確認しながら所望の入力演算結果となるように調整されたパラメータである。
【0019】
また、制御装置２０は、設定パラメータとして、工場調整パラメータを製造工場データベース（不図示）からダウンロードすることによって受け付ける。ここで、工場調整パラメータとは、フィールド機器１０の製造工場の校正作業で算出されたセンサ個体差を補正するパラメータであって、後述するプロセス値算出処理に利用されるパラメータである。
【0020】
（１－２－２．センサ値取得処理）
フィールド機器１０は、通常動作時において、センサ値取得処理を実行する（ステップＳ２）。ここで、センサ値とは、フィールド機器１０が取得するプラントの稼働に関する情報であって、圧力センサ値、温度センサ値、流量センサ値、差圧センサ値、振動センサ値等のセンサ生値である。例えば、圧力センサ機器であるフィールド機器１０ａは、プラントにおいて、圧力センサ値を１ミリ秒ごとに取得する。また、振動センサ機器であるフィールド機器１０ｂは、プラントにおいて、振動センサ値を１ミリ秒ごとに取得する。
フィールド機器１０は、通常動作時において、センサ値取得処理を実行する（ステップＳ２）。ここで、センサ値とは、フィールド機器１０が取得するプラントの稼働に関する情報であって、圧力センサ値、温度センサ値、流量センサ値、差圧センサ値、振動センサ値等のセンサ生値である。例えば、圧力センサ機器であるフィールド機器１０ａは、プラントにおいて、圧力センサ値を１ミリ秒ごとに取得する。また、振動センサ機器であるフィールド機器１０ｂは、プラントにおいて、振動センサ値を１ミリ秒ごとに取得する。
【0021】
（１－２－３．センサ値送信処理）
フィールド機器１０は、通常動作時において、センサ値送信処理を実行する（ステップＳ３）。例えば、圧力センサであるフィールド機器１０ａは、６４ミリ秒単位でバッファリングした圧力センサ値を制御装置２０に送信する。また、振動センサであるフィールド機器１０ｂは、６４ミリ秒単位でバッファリングした振動センサ値を制御装置２０に送信する。
フィールド機器１０は、通常動作時において、センサ値送信処理を実行する（ステップＳ３）。例えば、圧力センサであるフィールド機器１０ａは、６４ミリ秒単位でバッファリングした圧力センサ値を制御装置２０に送信する。また、振動センサであるフィールド機器１０ｂは、６４ミリ秒単位でバッファリングした振動センサ値を制御装置２０に送信する。
【0022】
（１－２－４．入力演算処理）
制御装置２０は、通常動作時において、入力演算処理を実行する（ステップＳ４）。例えば、制御装置２０は、以下のように汎用演算処理、および機器固有演算処理を実行する。
制御装置２０は、通常動作時において、入力演算処理を実行する（ステップＳ４）。例えば、制御装置２０は、以下のように汎用演算処理、および機器固有演算処理を実行する。
【0023】
（１－２－４－１．汎用演算処理）
制御装置２０は、通常動作時において、汎用演算処理を実行する。例えば、制御装置２０は、受信したセンサ値にＦＩＲ（Finite Impulse Response）フィルタ処理を適用することによって、データ前処理を実行する。このとき、制御装置２０は、ＦＩＲフィルタ処理として、ローパスフィルタ、バンドパスフィルタ、ハイパスフィルタ等を適用することによって、データ前処理を実行する。
制御装置２０は、通常動作時において、汎用演算処理を実行する。例えば、制御装置２０は、受信したセンサ値にＦＩＲ（Finite Impulse Response）フィルタ処理を適用することによって、データ前処理を実行する。このとき、制御装置２０は、ＦＩＲフィルタ処理として、ローパスフィルタ、バンドパスフィルタ、ハイパスフィルタ等を適用することによって、データ前処理を実行する。
【0024】
（１－２－４－２．機器固有演算処理）
制御装置２０は、通常動作時において、機器固有演算処理を実行する。例えば、制御装置２０は、機器固有演算処理の１つであるプロセス値演算処理として、フィルタ処理後のセンサ値からプロセス値を生成する。ここで、プロセス値とは、センサ値から生成されるプラントの制御に用いられる情報であって、例えば圧力値、温度値、流量値、差圧値、振動値等の算出値である。
制御装置２０は、通常動作時において、機器固有演算処理を実行する。例えば、制御装置２０は、機器固有演算処理の１つであるプロセス値演算処理として、フィルタ処理後のセンサ値からプロセス値を生成する。ここで、プロセス値とは、センサ値から生成されるプラントの制御に用いられる情報であって、例えば圧力値、温度値、流量値、差圧値、振動値等の算出値である。
【0025】
また、制御装置２０は、機器固有演算処理の１つである機器診断処理として、フィルタ処理後のセンサ値からフィールド機器１０の状態を診断し、機器診断結果を生成する。ここで、機器診断結果とは、フィールド機器１０等のデバイスの状態を示す情報であって、例えばデバイスが異常状態であれば「１」、デバイスが正常状態であれば「０」等の判定結果で表わされる。このとき、制御装置２０は、フィルタ処理後の複数のセンサ値を用いてフィールド機器１０の状態を診断し、機器診断結果を生成してもよい。例えば、制御装置２０は、フィルタ処理後の圧力センサ値および振動センサ値を用いて、圧力センサであるフィールド機器１０ａの異常の有無を判定してもよい。また、制御装置２０は、フィルタ処理後のセンサ値を説明変数、フィールド機器１０の異常の発生確率を目的変数とする機械学習により生成された機械学習モデルを用いて、機器診断結果を生成してもよい。
【0026】
（１－２－５．システム診断処理）
制御装置２０は、通常動作時において、システム診断処理を実行する（ステップＳ５）。例えば、制御装置２０は、フィルタ処理後のセンサ値と周辺情報（適宜、「周辺環境データ」）とを用いてプラントの状態を診断し、システム診断結果を生成する。ここで、周辺情報とは、センサ値の取得に影響を及ぼす環境に関する情報であって、例えばプラント周辺の気象情報やプラント周辺で実施されている工事に関する情報等である。このとき、制御装置２０は、フィルタ処理後のセンサ値と周辺情報とを説明変数、プラントの異常の発生確率を目的変数とする機械学習により生成された機械学習モデルを用いて、システム診断結果を生成してもよい。
制御装置２０は、通常動作時において、システム診断処理を実行する（ステップＳ５）。例えば、制御装置２０は、フィルタ処理後のセンサ値と周辺情報（適宜、「周辺環境データ」）とを用いてプラントの状態を診断し、システム診断結果を生成する。ここで、周辺情報とは、センサ値の取得に影響を及ぼす環境に関する情報であって、例えばプラント周辺の気象情報やプラント周辺で実施されている工事に関する情報等である。このとき、制御装置２０は、フィルタ処理後のセンサ値と周辺情報とを説明変数、プラントの異常の発生確率を目的変数とする機械学習により生成された機械学習モデルを用いて、システム診断結果を生成してもよい。
【0027】
（１－２－６．制御演算処理）
制御装置２０は、通常動作時において、制御演算処理を実行する（ステップＳ６）。例えば、制御装置２０は、プロセス値を用いて制御情報（適宜、「制御データ」）を生成する。ここで、制御情報とは、プラントのフィールド機器１０を制御するための情報であって、アクチュエータ等の出力系のフィールド機器１０を制御する制御信号等である。
制御装置２０は、通常動作時において、制御演算処理を実行する（ステップＳ６）。例えば、制御装置２０は、プロセス値を用いて制御情報（適宜、「制御データ」）を生成する。ここで、制御情報とは、プラントのフィールド機器１０を制御するための情報であって、アクチュエータ等の出力系のフィールド機器１０を制御する制御信号等である。
【0028】
（１－２－７．制御情報送信処理）
制御装置２０は、通常動作時において、制御情報送信処理を実行する（ステップＳ７）。例えば、制御装置２０は、生成した制御情報をアクチュエータ等の出力系のフィールド機器１０に送信し、フィールド機器１０を制御する。
制御装置２０は、通常動作時において、制御情報送信処理を実行する（ステップＳ７）。例えば、制御装置２０は、生成した制御情報をアクチュエータ等の出力系のフィールド機器１０に送信し、フィールド機器１０を制御する。
【0029】
（１－３．制御システム１０００の効果）
以下では、参考技術の概要および問題点について説明した上で、制御システム１０００の効果について説明する。
以下では、参考技術の概要および問題点について説明した上で、制御システム１０００の効果について説明する。
【0030】
（１－３－１．参考技術の概要）
参考技術に係る制御システム１０００Ｐでは、以下のような制御処理が実行される。第１に、参考技術に係るフィールド機器１０Ｐは、プラントにおいて、圧力センサ値、温度センサ値、流量センサ値、差圧センサ値、振動センサ値等のセンサ値を取得する。第２に、フィールド機器１０Ｐは、フィールド機器１０Ｐに保存されている工場調整パラメータ等の設定パラメータを取得する。第３に、フィールド機器１０Ｐは、機器固有演算処理を実行する。このとき、フィールド機器１０Ｐは、センサ値からプロセス値を生成し、保存する。また、フィールド機器１０Ｐは、センサ値からフィールド機器１０Ｐ自体の状態の診断、すなわち機器診断を実行し、機器診断結果を保存する。第４に、フィールド機器１０Ｐは、機器固有演算結果であるプロセス値や機器診断結果を、参考技術に係る制御装置２０Ｐに送信する。
参考技術に係る制御システム１０００Ｐでは、以下のような制御処理が実行される。第１に、参考技術に係るフィールド機器１０Ｐは、プラントにおいて、圧力センサ値、温度センサ値、流量センサ値、差圧センサ値、振動センサ値等のセンサ値を取得する。第２に、フィールド機器１０Ｐは、フィールド機器１０Ｐに保存されている工場調整パラメータ等の設定パラメータを取得する。第３に、フィールド機器１０Ｐは、機器固有演算処理を実行する。このとき、フィールド機器１０Ｐは、センサ値からプロセス値を生成し、保存する。また、フィールド機器１０Ｐは、センサ値からフィールド機器１０Ｐ自体の状態の診断、すなわち機器診断を実行し、機器診断結果を保存する。第４に、フィールド機器１０Ｐは、機器固有演算結果であるプロセス値や機器診断結果を、参考技術に係る制御装置２０Ｐに送信する。
【0031】
第５に、制御装置２０Ｐは、プロセス値や機器診断結果等の機器固有演算結果を受信する。第６に、制御装置２０Ｐは、受信したプロセス値を用いてプラントの状態を診断し、診断結果を保存する。第７に、制御装置２０Ｐは、プロセス値を用いて制御情報を生成し、制御情報を保存する。第８に、制御装置２０Ｐは、生成した制御情報をアクチュエータ等の出力系のフィールド機器１０Ｐに送信し、フィールド機器１０Ｐを制御する。
【0032】
（１－３－２．参考技術の制御処理の問題点）
上記の参考技術のように、フィールド機器１０Ｐによって生成されたプロセス値や機器診断結果を用いた制御処理には、以下の問題点がある。第１に、参考技術の制御処理では、空間（サイズ）、規格、コスト等の制約により、フィールド機器１０Ｐの電力およびハードウェアリソースが制限されるという問題点がある。例えば、参考技術の制御処理では、演算機能や診断機能のパフォーマンスが制限される。また、参考技術の制御処理では、フィールド機器１０Ｐに演算や診断等の処理があることで、センサ値取得処理に利用できるリソースが少なくなる。また、参考技術の制御処理では、フィールド機器１０Ｐの電力およびハードウェアリソースに制限があるので、機能拡張や追加用にリソースを確保することができず、製品開発後の機能拡張や追加が容易でない。すなわち、参考技術の制御処理では、プロセスオートメーションの現場においてＤＸ（digital transformation）対応が求められているのに対して、その対応のために必要なセンサ値の多種類化や分解能改善をするためのリソースも確保できない。
上記の参考技術のように、フィールド機器１０Ｐによって生成されたプロセス値や機器診断結果を用いた制御処理には、以下の問題点がある。第１に、参考技術の制御処理では、空間（サイズ）、規格、コスト等の制約により、フィールド機器１０Ｐの電力およびハードウェアリソースが制限されるという問題点がある。例えば、参考技術の制御処理では、演算機能や診断機能のパフォーマンスが制限される。また、参考技術の制御処理では、フィールド機器１０Ｐに演算や診断等の処理があることで、センサ値取得処理に利用できるリソースが少なくなる。また、参考技術の制御処理では、フィールド機器１０Ｐの電力およびハードウェアリソースに制限があるので、機能拡張や追加用にリソースを確保することができず、製品開発後の機能拡張や追加が容易でない。すなわち、参考技術の制御処理では、プロセスオートメーションの現場においてＤＸ（digital transformation）対応が求められているのに対して、その対応のために必要なセンサ値の多種類化や分解能改善をするためのリソースも確保できない。
【0033】
第２に、参考技術の制御処理では、機能追加、修正、変更等のメンテナンス作業にコスト（時間、費用）がかかるという問題点がある。例えば、制御システム１０００Ｐの利用者やメンテナンス実施者にとっては、参考技術の制御処理では、仮にフィールド機器１０Ｐに機能を多く搭載できたとしても、搭載する機能が多くなると、その分だけ機能の追加、修正、変更の機会が増えることになる。すなわち、参考技術の制御処理では、機器交換もしくはファームウェアアップデートにより、機器ファームウェアを変更することは可能であるが、機器台数に比例して対応コスト（時間、費用）がかかる。一方、制御システム１０００Ｐの開発者にとっては、参考技術の制御処理では、機能追加、修正、変更等のために実施する機器ファームウェアの開発は、品質確保を優先するために、組み込み機器のファームウェア全体のテスト（規格認証等も含む）が必要となり、コストがかかる大がかりな開発となりやすい。
【0034】
（１－３－３．制御システム１０００の概要）
実施形態に係る制御システム１０００では、以下のような制御処理が実行される。第１に、制御装置２０は、設定パラメータ受付処理を実行する。第２に、フィールド機器１０は、センサ値取得処理を実行する。第３に、フィールド機器１０は、センサ値送信処理を実行する。第４に、制御装置２０は、入力演算処理を実行する。このとき、制御装置２０は、入力演算処理として、汎用演算処理、および機器固有演算処理（プロセス値演算処理、機器診断処理）を実行する。第５に、制御装置２０は、システム診断処理を実行する。第６に、制御装置２０は、制御演算処理を実行する。第７に、制御装置２０は、制御情報送信処理を実行する。
実施形態に係る制御システム１０００では、以下のような制御処理が実行される。第１に、制御装置２０は、設定パラメータ受付処理を実行する。第２に、フィールド機器１０は、センサ値取得処理を実行する。第３に、フィールド機器１０は、センサ値送信処理を実行する。第４に、制御装置２０は、入力演算処理を実行する。このとき、制御装置２０は、入力演算処理として、汎用演算処理、および機器固有演算処理（プロセス値演算処理、機器診断処理）を実行する。第５に、制御装置２０は、システム診断処理を実行する。第６に、制御装置２０は、制御演算処理を実行する。第７に、制御装置２０は、制御情報送信処理を実行する。
【0035】
（１－３－４．制御システム１０００の効果）
実施形態に係る制御システム１０００では、以下のような制御機能や診断機能であるシステム性能を向上する効果、およびメンテナンス性を向上する効果がある。
実施形態に係る制御システム１０００では、以下のような制御機能や診断機能であるシステム性能を向上する効果、およびメンテナンス性を向上する効果がある。
【0036】
（システム性能向上）
第１に、制御システム１０００の制御装置２０では、フィールド機器１０と比較して電力やハードウェアリソースの制約が厳しくないので、フィールド機器１０より高速かつ高精度に演算でき、プロセス値精度の向上、プロセス値更新周期の短縮、異常診断や予知診断性能の向上を実現できる。特に、制御システム１０００は、プロセス値精度向上の具体例として、ＣＰＵ（Central Processing Unit）クロックを上げることによってタイマの時間分解能を高められ、かつパルス幅の測定精度が上がるので、高精度な測定であってタイマ時間分解能が必要となる測定で有効である。
第１に、制御システム１０００の制御装置２０では、フィールド機器１０と比較して電力やハードウェアリソースの制約が厳しくないので、フィールド機器１０より高速かつ高精度に演算でき、プロセス値精度の向上、プロセス値更新周期の短縮、異常診断や予知診断性能の向上を実現できる。特に、制御システム１０００は、プロセス値精度向上の具体例として、ＣＰＵ（Central Processing Unit）クロックを上げることによってタイマの時間分解能を高められ、かつパルス幅の測定精度が上がるので、高精度な測定であってタイマ時間分解能が必要となる測定で有効である。
【0037】
第２に、制御システム１０００のフィールド機器１０は、プロセス値演算、機器診断等の演算処理を行わないので、センサ値取得処理に対して電力およびハードウェアリソースを利用できる。そのため、制御システム１０００は、センサデータ分解能を高めたり、センサ値更新周期を速めたりできるので、プロセス値精度の向上、プロセス値更新周期の短縮、異常診断や予知診断性能の向上を実現できる。
【0038】
第３に、制御システム１０００は、複数のフィールド機器１０のセンサ値を活用することで、より高度な診断が可能となる。例えば、制御装置２０は、圧力センサ機器である「フィールド機器１」からの圧力センサ値と振動センサ機器である「フィールド機器２」からの振動センサ値とを用いて、「フィールド機器１」のセンサ故障診断を行うこともできる。すなわち、制御システム１０００は、圧力センサ故障診断に振動等の周辺情報が加わることで、周辺環境の影響による誤判定率を低減でき、診断性能を高められる。
【0039】
（メンテナンス性向上）
第１に、制御システム１０００は、機器固有演算機能（プロセス値演算機能、機器診断機能）の追加、修正、変更等が必要になった際に、フィールド機器１０ごとに対応する必要はなく制御装置２０で対応するのみでよいので、追加、修正、変更等が容易である。
第１に、制御システム１０００は、機器固有演算機能（プロセス値演算機能、機器診断機能）の追加、修正、変更等が必要になった際に、フィールド機器１０ごとに対応する必要はなく制御装置２０で対応するのみでよいので、追加、修正、変更等が容易である。
【0040】
第２に、制御システム１０００は、設定パラメータを制御装置２０が保持しているので、機器交換時にパラメータ移行作業が不要で、機器交換が容易となる。
【0041】
第３に、制御システム１０００は、制御装置２０の診断機能（異常診断機能、予知診断機能等）の追加、修正、変更等が必要になった際に、フィールド機器１０ごとに対応する必要はなく制御装置２０で対応するのみでよいので、追加、修正、変更等が容易である。なお、診断機能は、利用者、利用環境、技術変化等によって要求は変わってくるので、診断機能の拡張容易性は重要である。
【0042】
第４に、制御システム１０００は、フィールド機器１０の機能が少なくなるので、フィールド機器１０の内部の部品数を少なくでき、部品改廃リスクを低減できる。また、制御システム１０００は、フィールド機器１０の部品数が少なくなることで、コスト削減、省電力化、小型化等にも寄与する。そして、制御システム１０００は、フィールド機器１０の省電力化、小型化等を可能とすることによって、防爆設計の難易度を緩和する。
【0043】
〔２．制御システム１０００の各装置の構成および処理〕
図２を用いて、図１に示した制御システム１０００が有する各機器の構成および処理について説明する。図２は、実施形態に係る制御システム１０００の各装置の構成例を示すブロック図である。以下では、実施形態に係る制御システム１０００全体の構成例を説明した上で、フィールド機器１０の構成例および処理例、制御装置２０の構成例および処理例、ならびにエンジニアリングツール３０の構成例および処理例を詳細に説明する。
図２を用いて、図１に示した制御システム１０００が有する各機器の構成および処理について説明する。図２は、実施形態に係る制御システム１０００の各装置の構成例を示すブロック図である。以下では、実施形態に係る制御システム１０００全体の構成例を説明した上で、フィールド機器１０の構成例および処理例、制御装置２０の構成例および処理例、ならびにエンジニアリングツール３０の構成例および処理例を詳細に説明する。
【0044】
（２－１．制御システム１０００全体の構成例）
図２を用いて、プラント等のシステムを制御する制御システム１０００全体の構成例について説明する。図２に示すように、制御システム１０００は、フィールド機器１０（１０ａ、１０ｂ）、制御装置２０およびエンジニアリングツール３０を有する。制御装置２０は、フィールド機器１０およびエンジニアリングツール３０と、所定の通信網によって通信可能に接続されている。
図２を用いて、プラント等のシステムを制御する制御システム１０００全体の構成例について説明する。図２に示すように、制御システム１０００は、フィールド機器１０（１０ａ、１０ｂ）、制御装置２０およびエンジニアリングツール３０を有する。制御装置２０は、フィールド機器１０およびエンジニアリングツール３０と、所定の通信網によって通信可能に接続されている。
【0045】
（２－２．制御システム１０００全体の処理例）
図３および図４を用いて、プラント等のシステムを制御する制御システム１０００全体の処理例について説明する。以下では、制御システム１０００の制御装置２０によって実行されるプログラム、および制御システム１０００のデータ処理について説明する。
図３および図４を用いて、プラント等のシステムを制御する制御システム１０００全体の処理例について説明する。以下では、制御システム１０００の制御装置２０によって実行されるプログラム、および制御システム１０００のデータ処理について説明する。
【0046】
図３を用いて、制御装置２０がエンジニアリングツール３０から取得するエンジニアリング内容の１つであるプログラムについて説明する。図３は、実施形態に係るエンジニアリングツール３０によって作成されるプログラムの一例を示す図である。
【0047】
図３（１）の例に示すプログラムでは、制御装置２０は、プラントにおいてフィールド機器１０から差圧センサ値（Ｆｃ、Ｆｒ）を受信し、プラント周辺の気象情報や工事情報等の周辺環境に関する周辺情報をさらに受信し、差圧センサ値および周辺情報を用いて「診断１」を実行する。このとき、制御装置２０は、周辺情報をフィールド機器１０から受信してもよいし、インターネット上から受信してもよい。すなわち、図３（１）の例に示すプログラムは、フィールド機器１０から差圧センサ値等のセンサ値を受信し、センサ値に影響を及ぼす周辺環境に関する気象情報や工事情報等の周辺情報を受信し、受信したセンサ値および周辺情報をもとにプラントの異常の有無の判定等のシステムの状態を診断する処理を実行する。
【0048】
図３（２）の例に示すプログラムでは、制御装置２０は、プラントにおいてフィールド機器１０から差圧センサ値（Ｆｃ、Ｆｒ）を受信し、差圧センサ値を用いて「プロセス値演算」を実行し、「機器診断」を実行し、「制御演算」を実行し、「出力（制御対象用）」を実行する。すなわち、図３（２）の例に示すプログラムは、フィールド機器１０から差圧センサ値等のセンサ値を受信し、センサ値をもとに差圧値等のプロセス値を算出し、センサ値をもとにプラントの異常の有無の判定等のシステムの状態を診断し、プロセス値をもとにプラントのフィールド機器１０を制御するための制御情報（制御データ）を生成する。
【0049】
図３（３）の例に示すプログラムでは、制御装置２０は、プラントにおいてフィールド機器１０から振動センサ値を受信し、差圧センサ値および振動センサ値を用いて「診断２」を実行する。すなわち、図３（３）の例に示すプログラムは、フィールド機器１０から差圧センサ値や振動センサ値等の複数のセンサ値を受信し、受信した複数のセンサ値をもとにプラントの異常の有無の判定等のシステムの状態を診断する処理を実行する。
【0050】
【0051】
図４（１）の例に示すデータ処理では、フィールド機器１０は、プラントにおいてセンサ値を取得する。このとき、フィールド機器１０は、更新周期１ミリ秒でセンサ値を取得する。また、フィールド機器１０は、更新周期６４ミリ秒で６４個のセンサ値をバッファリングする。このとき、フィールド機器１０は、参考技術に係るフィールド機器と比較して、より早い更新周期でセンサ値を取得することができる。
【0052】
図４（２）～（４）の例に示すデータ処理では、フィールド機器１０および制御装置２０は、フィールド通信を実行する。このとき、フィールド機器１０は、バッファリングした６４個のセンサ値を制御装置２０に送信する。また、制御装置２０は、更新周期６４ミリ秒で送信された６４個のセンサ値を取得する。
【0053】
図４（５）の例に示すデータ処理では、制御装置２０は、汎用演算（ＦＩＲフィルタ処理）として、更新周期６４ミリ秒でローパスフィルタを適用してセンサ値を前処理する。このとき、制御装置２０は、１／６４の間隔でデータを間引く（ダウンサンプリング）。
【0054】
図４（６）の例に示すデータ処理では、制御装置２０は、図４（５）の処理で前処理されたデータを用いて、機器固有演算としてプロセス値演算を実行する。このとき、制御装置２０は、更新周期６４ミリ秒でプロセス値を算出し、算出したプロセス値を用いて制御情報を生成する制御演算を実行する。
【0055】
図４（７）の例に示すデータ処理では、制御装置２０は、汎用演算（ＦＩＲフィルタ処理）として、更新周期１ミリ秒でバンドパスフィルタを適用してデータを前処理する。このとき、制御装置２０は、前処理したセンサ値を用いて機器の状態を診断する機器診断を実行する。
【0056】
図４（８）の例に示すデータ処理では、制御装置２０は、汎用演算（ＦＩＲフィルタ処理）として、更新周期１ミリ秒でハイパスフィルタを適用してデータを前処理する。このとき、制御装置２０は、前処理したセンサ値を用いてシステムの状態を診断するシステム診断を実行する。
【0057】
（２－３．フィールド機器１０の構成例および処理例）
図２を用いて、プラントに設置される、プラントの運用に用いられるデバイスであるフィールド機器１０の構成例および処理例について説明する。以下では、フィールド機器１０として、フィールド機器１０ａの構成例および処理例について説明するが、フィールド機器１０ｂも同様である。フィールド機器１０は、センサ１００、デジタル変換部１１０、制御部１２０、記憶部１３０および通信部１４０を有する。なお、フィールド機器１０は、フィールド機器１０の管理者等から各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示するための表示部（例えば、液晶ディスプレイ等）を有してもよい。
図２を用いて、プラントに設置される、プラントの運用に用いられるデバイスであるフィールド機器１０の構成例および処理例について説明する。以下では、フィールド機器１０として、フィールド機器１０ａの構成例および処理例について説明するが、フィールド機器１０ｂも同様である。フィールド機器１０は、センサ１００、デジタル変換部１１０、制御部１２０、記憶部１３０および通信部１４０を有する。なお、フィールド機器１０は、フィールド機器１０の管理者等から各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示するための表示部（例えば、液晶ディスプレイ等）を有してもよい。
【0058】
（２－３－１．センサ１００）
センサ１００は、圧力センサ、温度センサ、流量センサ、差圧センサ、振動センサ等で実現され、当該フィールド機器１０へ入力されたアナログ信号を検出する。
センサ１００は、圧力センサ、温度センサ、流量センサ、差圧センサ、振動センサ等で実現され、当該フィールド機器１０へ入力されたアナログ信号を検出する。
【0059】
（２－３－２．デジタル変換部１１０）
デジタル変換部１１０は、アナログ－デジタル変換回路等で実現され、センサ１００が検出したアナログ信号をデジタル信号に変換する。また、デジタル変換部１１０は、パルスカウンタ等で実現され、センサ１００が検出したパルス信号をデジタル信号に変換する。
デジタル変換部１１０は、アナログ－デジタル変換回路等で実現され、センサ１００が検出したアナログ信号をデジタル信号に変換する。また、デジタル変換部１１０は、パルスカウンタ等で実現され、センサ１００が検出したパルス信号をデジタル信号に変換する。
【0060】
（２－３－３．制御部１２０）
制御部１２０は、当該フィールド機器１０全体の制御を司る。制御部１２０は、取得部１２１を有する。ここで、制御部１２０は、例えば、ＣＰＵやＭＰＵ（Micro Processing Unit）等の電子回路やＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現され得る。
制御部１２０は、当該フィールド機器１０全体の制御を司る。制御部１２０は、取得部１２１を有する。ここで、制御部１２０は、例えば、ＣＰＵやＭＰＵ（Micro Processing Unit）等の電子回路やＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現され得る。
【0061】
（２－３－３－１．取得部１２１）
取得部１２１は、センサ値を取得する。例えば、取得部１２１は、センサ１００によって検出され、デジタル変換部１１０によって変換された、圧力センサ値、温度センサ値、流量センサ値、差圧センサ値、振動センサ値等のセンサ値のデジタル信号を取得する。なお、取得部１２１は、取得したセンサ値を記憶部１３０に格納する。
取得部１２１は、センサ値を取得する。例えば、取得部１２１は、センサ１００によって検出され、デジタル変換部１１０によって変換された、圧力センサ値、温度センサ値、流量センサ値、差圧センサ値、振動センサ値等のセンサ値のデジタル信号を取得する。なお、取得部１２１は、取得したセンサ値を記憶部１３０に格納する。
【0062】
具体的な例について説明すると、取得部１２１は、圧力センサであるセンサ１００によって検出され、デジタル変換部１１０によって変換された圧力センサ値を、｛＃１：「圧力センサ値ＰＳ００１」，＃２：「圧力センサ値ＰＳ００２」，＃３：「圧力センサ値ＰＳ００３」，＃４：「圧力センサ値ＰＳ００４」，＃５：「圧力センサ値ＰＳ００５」，＃６：「圧力センサ値ＰＳ００６」，・・・｝を１ミリ秒ごとに取得し、センサ値１３１として記憶部１３０に格納する。
【0063】
（２－３－４．記憶部１３０）
記憶部１３０は、制御部１２０が動作する際に参照する各種情報や、制御部１２０が動作した際に取得した各種情報を記憶する。記憶部１３０は、センサ値１３１を記憶する。ここで、記憶部１３０は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置等で実現され得る。なお、図２の例では、記憶部１３０は、フィールド機器１０の内部に設置されているが、フィールド機器１０の外部に設置されてもよいし、複数の記憶部が設置されていてもよい。
記憶部１３０は、制御部１２０が動作する際に参照する各種情報や、制御部１２０が動作した際に取得した各種情報を記憶する。記憶部１３０は、センサ値１３１を記憶する。ここで、記憶部１３０は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置等で実現され得る。なお、図２の例では、記憶部１３０は、フィールド機器１０の内部に設置されているが、フィールド機器１０の外部に設置されてもよいし、複数の記憶部が設置されていてもよい。
【0064】
（２－３－４－１．センサ値１３１）
センサ値１３１は、取得部１２１によって取得されたセンサ値である。例えば、センサ値１３１は、圧力センサ値、温度センサ値、流量センサ値、差圧センサ値、振動センサ値等のセンサ値のデジタル信号である。
センサ値１３１は、取得部１２１によって取得されたセンサ値である。例えば、センサ値１３１は、圧力センサ値、温度センサ値、流量センサ値、差圧センサ値、振動センサ値等のセンサ値のデジタル信号である。
【0065】
具体的な例について説明すると、センサ値１３１は、圧力センサであるセンサ１００によって検出され、デジタル変換部１１０によって変換された圧力センサ値｛＃１：「圧力センサ値ＰＳ００１」，＃２：「圧力センサ値ＰＳ００２」，＃３：「圧力センサ値ＰＳ００３」，＃４：「圧力センサ値ＰＳ００４」，＃５：「圧力センサ値ＰＳ００５」，＃６：「圧力センサ値ＰＳ００６」，・・・｝である。
【0066】
（２－３－５．通信部１４０）
通信部１４０は、他の装置との間でのデータ通信を司る。例えば、通信部１４０は、ルータ等を介して、制御装置２０の通信部２５０ｂとの間でフィールド通信４０を行う。また、通信部１４０は、図示しないオペレータの端末との間でデータ通信を行うことができる。
通信部１４０は、他の装置との間でのデータ通信を司る。例えば、通信部１４０は、ルータ等を介して、制御装置２０の通信部２５０ｂとの間でフィールド通信４０を行う。また、通信部１４０は、図示しないオペレータの端末との間でデータ通信を行うことができる。
【0067】
具体的な例について説明すると、通信部１４０は、６４ミリ秒単位でバッファリングした圧力センサ値｛＃１：「圧力センサ値ＰＳ００１」，＃２：「圧力センサ値ＰＳ００２」，＃３：「圧力センサ値ＰＳ００３」，＃４：「圧力センサ値ＰＳ００４」，＃５：「圧力センサ値ＰＳ００５」，＃６：「圧力センサ値ＰＳ００６」，・・・｝を、制御装置２０に送信する。
【0068】
（２－４．制御装置２０の構成例および処理例）
図２を用いて、プラントに設置されるフィールド機器１０の制御を司る制御装置２０の構成例および処理例について説明する。制御装置２０は、制御部２００、記憶部２４０および通信部２５０を有する。なお、制御装置２０は、制御装置２０の管理者等から各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示するための表示部（例えば、液晶ディスプレイ等）を有してもよい。
図２を用いて、プラントに設置されるフィールド機器１０の制御を司る制御装置２０の構成例および処理例について説明する。制御装置２０は、制御部２００、記憶部２４０および通信部２５０を有する。なお、制御装置２０は、制御装置２０の管理者等から各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示するための表示部（例えば、液晶ディスプレイ等）を有してもよい。
【0069】
（２－４－１．制御部２００）
制御部２００は、当該制御装置２０全体の制御を司る。制御部２００は、入力演算部２１０、制御演算部２２０および診断部２３０を有する。ここで、制御部２００は、例えば、ＣＰＵやＭＰＵ等の電子回路やＡＳＩＣやＦＰＧＡ等の集積回路により実現され得る。
制御部２００は、当該制御装置２０全体の制御を司る。制御部２００は、入力演算部２１０、制御演算部２２０および診断部２３０を有する。ここで、制御部２００は、例えば、ＣＰＵやＭＰＵ等の電子回路やＡＳＩＣやＦＰＧＡ等の集積回路により実現され得る。
【0070】
（２－４－３－１．入力演算部２１０）
入力演算部２１０は、各種情報を受け付ける受付部として機能する。また、入力演算部２１０は、各種情報を受信する受信部として機能する。また、入力演算部２１０は、各種情報を取得する取得部として機能する。また、入力演算部２１０は、固有機器演算部２１１および汎用演算部２１２を有し、各種処理を実行する実行部として機能する。
入力演算部２１０は、各種情報を受け付ける受付部として機能する。また、入力演算部２１０は、各種情報を受信する受信部として機能する。また、入力演算部２１０は、各種情報を取得する取得部として機能する。また、入力演算部２１０は、固有機器演算部２１１および汎用演算部２１２を有し、各種処理を実行する実行部として機能する。
【0071】
（各種情報受付処理）
入力演算部２１０は、エンジニアリング時に、エンジニアリングツール３０から通信部２５０ａを介してデータ通信４１に含まれるプログラムを受け付ける。例えば、入力演算部２１０は、エンジニアリングツール３０を使用してプラントを管理するプラント管理者によって作成されたプログラムを受け付け、制御部２００を実行させるプログラムとして設定する。
入力演算部２１０は、エンジニアリング時に、エンジニアリングツール３０から通信部２５０ａを介してデータ通信４１に含まれるプログラムを受け付ける。例えば、入力演算部２１０は、エンジニアリングツール３０を使用してプラントを管理するプラント管理者によって作成されたプログラムを受け付け、制御部２００を実行させるプログラムとして設定する。
【0072】
入力演算部２１０は、エンジニアリング時に、エンジニアリングツール３０から通信部２５０ａを介してデータ通信４１に含まれる設定パラメータを受け付ける。例えば、入力演算部２１０は、デバイスの個体差を調整するためのデバイスパラメータである工場調整パラメータを製造工場データベースからダウンロードすることによって受け付け、機器固有情報２４１として記憶部２４０に格納する。また、入力演算部２１０は、設定パラメータとして、エンジニアリングツール３０を介して、システムの利用者によって調整される利用者パラメータであるユーザ調整パラメータを受け付け、機器固有情報２４１として記憶部２４０に格納する。
【0073】
ここで、入力演算部２１０が受け付ける設定パラメータについて説明する。設定パラメータは、記憶部２４０によって記憶される機器固有情報２４１の情報であって、工場調整パラメータおよびユーザ調整パラメータの２種類がある。設定パラメータは、「プロセス値演算」に用いられるパラメータである。実施形態に係る制御システム１０００では、フィールド機器１０が設定パラメータを保持しないので、制御装置２０が設定パラメータの取得や設定を実行することができる。
【0074】
すなわち、入力演算部２１０は、エンジニアリング時に、工場の校正作業で算出されたセンサ個体差を補正するデバイスパラメータであって、プロセス値算出に利用する工場調整パラメータを、製造工場データベース等よりダウンロードする。なお、参考技術では、工場調整パラメータは、フィールド機器１０ごとに書き込まれる。
【0075】
また、入力演算部２１０は、エンジニアリング時に、機器固有情報２４１の確認、変更等ができるエンジニアリングツール３０を介してユーザ調整パラメータを受け付ける。このとき、メンテナンス実施者等は、エンジニアリングツール３０を接続し、プロセス値等の入力演算結果を確認しながら、所望の入力演算結果となるようにユーザ調整パラメータの調整を行う。
【0076】
一方、入力演算部２１０は、通常動作時、すなわち制御処理時には、記憶部２４０の機器固有情報２４１を参照し、設定パラメータ（工場調整パラメータ、ユーザ調整パラメータ）を取得する。
【0077】
（各種情報受信処理）
入力演算部２１０は、制御対象についての設備に含まれるデバイスから第１データを受信する。例えば、入力演算部２１０は、第１データとしてデバイスが測定したセンサデータ（センサ値）を受信する。また、入力演算部２１０は、さらにセンサデータに影響を及ぼす周辺環境データ（周辺情報）を受信する。このとき、入力演算部２１０は、フィールド機器１０（１０ａ、１０ｂ）から通信部２５０ｂを介してフィールド通信４０に含まれるセンサ値、周辺情報等を取得する。なお、入力演算部２１０は、受信したセンサ値および周辺情報を記憶部２４０の機器固有情報２４１として格納する。
入力演算部２１０は、制御対象についての設備に含まれるデバイスから第１データを受信する。例えば、入力演算部２１０は、第１データとしてデバイスが測定したセンサデータ（センサ値）を受信する。また、入力演算部２１０は、さらにセンサデータに影響を及ぼす周辺環境データ（周辺情報）を受信する。このとき、入力演算部２１０は、フィールド機器１０（１０ａ、１０ｂ）から通信部２５０ｂを介してフィールド通信４０に含まれるセンサ値、周辺情報等を取得する。なお、入力演算部２１０は、受信したセンサ値および周辺情報を記憶部２４０の機器固有情報２４１として格納する。
【0078】
具体的な例について説明すると、入力演算部２１０は、フィールド機器１０ａから６４ミリ秒ごとに圧力センサ値｛＃１：「圧力センサ値ＰＳ００１」，＃２：「圧力センサ値ＰＳ００２」，＃３：「圧力センサ値ＰＳ００３」，＃４：「圧力センサ値ＰＳ００４」，＃５：「圧力センサ値ＰＳ００５」，＃６：「圧力センサ値ＰＳ００６」，・・・｝を受信し、記憶部２４０の機器固有情報２４１のうち、フィールド機器１０ａから受信した機器固有情報２４１ａのセンサ値として格納する。また、入力演算部２１０は、フィールド機器１０ｂから６４ミリ秒ごとに振動センサ値｛＃１：「振動センサ値ＶＳ００１」，＃２：「振動センサ値ＶＳ００２」，＃３：「振動センサ値ＶＳ００３」，＃４：「振動センサ値ＶＳ００４」，＃５：「振動センサ値ＶＳ００５」，＃６：「振動センサ値ＶＳ００６」，・・・｝を受信し、記憶部２４０の機器固有情報２４１のうち、フィールド機器１０ｂから受信した機器固有情報２４１ｂのセンサ値として格納する。
【0079】
（固有機器演算処理）
入力演算部２１０の固有機器演算部２１１は、デバイスに関する固有機器演算処理を実行する。例えば、固有機器演算部２１１は、プロセス値算出処理を実行する。また、固有機器演算部２１１は、機器診断処理を実行する。
入力演算部２１０の固有機器演算部２１１は、デバイスに関する固有機器演算処理を実行する。例えば、固有機器演算部２１１は、プロセス値算出処理を実行する。また、固有機器演算部２１１は、機器診断処理を実行する。
【0080】
（固有機器演算処理１：プロセス値算出処理）
固有機器演算部２１１は、デバイスから受信した第１データに基づいて、デバイスを含む設備の制御に用いる第２データとしてプロセスデータ（プロセス値）の算出を実行する。このとき、固有機器演算部２１１は、デバイスが取得したセンサデータ（センサ値）にローパスフィルタ等の第２周波数特性を有する第２フィルタを適用して得られたデータに基づいて、プロセス値を算出する。また、固有機器演算部２１１は、デバイスの個体差を調整するためのデバイスパラメータである工場調整パラメータ、またはシステムの利用者によって調整される利用者パラメータであるユーザ調整パラメータのうち少なくとも１つを用いて、プロセス値を算出する。なお、固有機器演算部２１１は、算出したプロセス値を記憶部２４０の機器固有情報２４１の入力演算結果として格納する。
固有機器演算部２１１は、デバイスから受信した第１データに基づいて、デバイスを含む設備の制御に用いる第２データとしてプロセスデータ（プロセス値）の算出を実行する。このとき、固有機器演算部２１１は、デバイスが取得したセンサデータ（センサ値）にローパスフィルタ等の第２周波数特性を有する第２フィルタを適用して得られたデータに基づいて、プロセス値を算出する。また、固有機器演算部２１１は、デバイスの個体差を調整するためのデバイスパラメータである工場調整パラメータ、またはシステムの利用者によって調整される利用者パラメータであるユーザ調整パラメータのうち少なくとも１つを用いて、プロセス値を算出する。なお、固有機器演算部２１１は、算出したプロセス値を記憶部２４０の機器固有情報２４１の入力演算結果として格納する。
【0081】
（固有機器演算処理２：機器診断処理）
固有機器演算部２１１は、デバイスから受信した第１データに基づいて、設備に含まれるデバイスの状態の診断を実行する。このとき、固有機器演算部２１１は、デバイスが取得したセンサ値にバンドパスフィルタ等の第３周波数特性を有する第３フィルタを適用して得られたデータに基づいて、デバイスの状態を診断する。なお、固有機器演算部２１１は、センサ値にローパスフィルタ、ハイパスフィルタ等を適用して得られたデータに基づいて、デバイスの状態を診断してもよい。
固有機器演算部２１１は、デバイスから受信した第１データに基づいて、設備に含まれるデバイスの状態の診断を実行する。このとき、固有機器演算部２１１は、デバイスが取得したセンサ値にバンドパスフィルタ等の第３周波数特性を有する第３フィルタを適用して得られたデータに基づいて、デバイスの状態を診断する。なお、固有機器演算部２１１は、センサ値にローパスフィルタ、ハイパスフィルタ等を適用して得られたデータに基づいて、デバイスの状態を診断してもよい。
【0082】
固有機器演算部２１１は、フィールド機器１０が取得したセンサ値を説明変数、フィールド機器１０の異常の発生有無（０，１）を目的変数とする機械学習によって生成された機械学習モデルに、受信したセンサ値を入力することで、フィールド機器１０の異常の有無を出力する。例えば、固有機器演算部２１１は、シリコンレゾナント圧力センサ機器等のフィールド機器１０が取得した圧力センサ値および振動センサ値を説明変数、フィールド機器１０の異常の発生有無（０，１）を目的変数とする機械学習によって生成された機械学習モデルに、受信した圧力センサ値および振動センサ値を入力することで、フィールド機器１０の異常の有無を出力する。
【0083】
ここで、図５および図６を用いて、上記の機械学習モデルを用いた機器診断処理の入力データおよび出力データについて説明する。図５は、実施形態に係る機器診断処理における機械学習モデルの入力データの具体例を示す図である。図６は、実施形態に係る機器診断処理における機械学習モデルの出力データの具体例を示す図である。
【0084】
図５を用いて、機器診断処理として、圧力センサ機器の異常検出処理等における機械学習モデルの入力データについて説明する。図５の例において、機器診断処理における機械学習モデルの入力データ（教師データ）は、フィールド機器１０ａが取得した圧力センサ値である「ｘ１（機器１圧力センサ値）」、フィールド機器１０ａの近くに設置されるフィールド機器１０ｂが取得した振動センサ値である「ｘ２（機器２振動センサ値）」、出力する正解値（正解データ）である「ｙｔ（出力 正解値）」の組合せで構成される。ここで、「ｘ１（機器１圧力センサ値）」の値は、圧力センサ値であるデジタル信号強度を示す。また、「ｘ２（機器２振動センサ値）」の値は、振動センサ値であるデジタル信号強度を示す。また、「ｙｔ（出力 正解値）」の値は、「０」が正常状態、「１」が異常状態を示す。
【0085】
すなわち、図５では、｛ｘ１（機器１圧力センサ値）：「１０」，ｘ２（機器２振動値）：「２」，ｙｔ（出力 正解値）：「０」｝、｛ｘ１（機器１圧力センサ値）：「１５」，ｘ２（機器２振動値）：「４」，ｙｔ（出力 正解値）：「０」｝、｛ｘ１（機器１圧力センサ値）：「１２０」，ｘ２（機器２振動センサ値）：「２」，ｙｔ（出力 正解値）：「０」｝、｛ｘ１（機器１圧力センサ値）：「１３０」，ｘ２（機器２振動センサ値）：「４」，ｙｔ（出力 正解値）：「０」｝、｛ｘ１（機器１圧力センサ値）：「１０００」，ｘ２（機器２振動センサ値）：「１００」，ｙｔ（出力 正解値）：「０」｝、｛ｘ１（機器１圧力センサ値）：「１０００」，ｘ２（機器２振動センサ値）：「３」，ｙｔ（出力 正解値）：「１」｝等が含まれる入力データの例が示されている。例えば、上記の入力データにおいて、圧力センサ値が大きい場合でも（例：「１０００」）、振動センサ値も大きければ（例：「１００」）、圧力センサ機器であるフィールド機器１０ａは異常状態ではない（例：「０」）と正解値がラベリングされている。
【0086】
上記の入力データで訓練することによって生成された機械学習モデルは、圧力センサ値および振動センサ値の入力に応じて、圧力センサ機器であるフィールド機器１０ａの異常の有無の「ｙｐ（出力 確率値）」および「判定結果」を出力する。
【0087】
図６を用いて、機器診断処理として、圧力センサ機器の異常検出処理等における機械学習モデルの出力データについて説明する。図６の例において、機器診断処理における機械学習モデルの出力データ（機器診断結果）は、フィールド機器１０ａが取得した圧力センサ値である「ｘ１（機器１圧力センサ値）」、フィールド機器１０ａの近くに設置されるフィールド機器１０ｂが取得した振動センサ値である「ｘ２（機器２振動センサ値）」、機器診断結果である「ｙｐ（出力 確率値）」、機器診断結果である「判定結果」の組合せで構成される。ここで、「ｘ１（機器１圧力センサ値）」の値は、圧力センサ値であるデジタル信号強度を示す。また、「ｘ２（機器２振動センサ値）」の値は、振動センサ値であるデジタル信号強度を示す。また、「ｙｐ（出力 確率値）」の値は、０≦ｙｐ≦１となる確率値を示す。また、「判定結果」の値は、「０」が正常状態、「１」が異常状態を示す。
【0088】
すなわち、図６では、｛ｘ１（機器１圧力センサ値）：「１２」，ｘ２（機器２振動センサ値）：「２」，ｙｐ（出力 確率値）：「０．０１」，判定結果：「０」｝、｛ｘ１（機器１圧力センサ値）：「１４」，ｘ２（機器２振動センサ値）：「４」，ｙｐ（出力 確率値）：「０．０２」，判定結果：「０」｝、｛ｘ１（機器１圧力センサ値）：「１２５」，ｘ２（機器２振動センサ値）：「２」，ｙｐ（出力 確率値）：「０．２」，判定結果：「０」｝、｛ｘ１（機器１圧力センサ値）：「１３５」，ｘ２（機器２振動センサ値）：「４」，ｙｐ（出力 確率値）：「０．２３」，判定結果：「０」｝、｛ｘ１（機器１圧力センサ値）：「１００４」，ｘ２（機器２振動センサ値）：「１００」，ｙｐ（出力 確率値）：「０．２２」，判定結果：「０」｝、｛ｘ１（機器１圧力センサ値）：「１００４」，ｘ２（機器２振動センサ値）：「３」，ｙｐ（出力 確率値）：「０．８８」，判定結果：「１」｝等が含まれる出力データの例が示されている。
【0089】
上記の入力データで訓練することによって生成された２値分類の訓練済みの機械学習モデルは、「ｘ１（機器１圧力センサ値）」および「ｘ２（機器２振動センサ値）」の入力に応じて、「ｙｐ（出力 確率値）」を出力し、ｙｐ≧０．５であれば「判定結果」を「１」とし、圧力センサ機器であるフィールド機器１０ａを異常状態と出力する。
【0090】
上記の図６の入力データを用いた機械学習を行うことによって、機器診断処理においてフィールド機器１０の故障の検出精度を向上することができる。
【0091】
（汎用演算処理）
入力演算部２１０の汎用演算部２１２は、データに関する汎用演算処理を実行する。例えば、汎用演算部２１２は、最大最小判定処理を実行する。また、汎用演算部２１２は、フィルタ処理を実行する。
入力演算部２１０の汎用演算部２１２は、データに関する汎用演算処理を実行する。例えば、汎用演算部２１２は、最大最小判定処理を実行する。また、汎用演算部２１２は、フィルタ処理を実行する。
【0092】
（汎用演算処理１：最大最小判定処理）
汎用演算部２１２は、デバイスから受信したデータのうち、最大値および最小値の判定を実行する。このとき、汎用演算部２１２は、デバイスから受信したデータの最大値が所定の上限値以上の場合には、当該データを不適切なデータとして削除する。また、汎用演算部２１２は、デバイスから受信したデータの最小値が所定の下限値以下の場合には、当該データを不適切なデータとして削除する。
汎用演算部２１２は、デバイスから受信したデータのうち、最大値および最小値の判定を実行する。このとき、汎用演算部２１２は、デバイスから受信したデータの最大値が所定の上限値以上の場合には、当該データを不適切なデータとして削除する。また、汎用演算部２１２は、デバイスから受信したデータの最小値が所定の下限値以下の場合には、当該データを不適切なデータとして削除する。
【0093】
（汎用演算処理２：フィルタ処理）
汎用演算部２１２は、デバイスが取得したセンサ値にローパスフィルタ等の第２周波数特性を有する第２フィルタを適用して、前処理を実行する。また、汎用演算部２１２は、デバイスが取得したセンサ値にバンドパスフィルタ等の第３周波数特性を有する第３フィルタを適用して、前処理を実行する。汎用演算部２１２は、デバイスが取得したセンサ値にハイパスフィルタ等の第１周波数特性を有する第１フィルタを適用して、前処理を実行する。
汎用演算部２１２は、デバイスが取得したセンサ値にローパスフィルタ等の第２周波数特性を有する第２フィルタを適用して、前処理を実行する。また、汎用演算部２１２は、デバイスが取得したセンサ値にバンドパスフィルタ等の第３周波数特性を有する第３フィルタを適用して、前処理を実行する。汎用演算部２１２は、デバイスが取得したセンサ値にハイパスフィルタ等の第１周波数特性を有する第１フィルタを適用して、前処理を実行する。
【0094】
ここで、図１１および図１２、ならびに下記（１）式および（２）式に表わす数式を用いて、汎用演算部２１２が実行するデータの前処理について説明する。図１１は、参考技術に係る平均化処理によるデータ前処理を説明する図である。図１２は、実施形態に係るハミング窓ＦＩＲフィルタによるデータ前処理の一例を示す図である。
【0095】
下記（１）式は、ＦＩＲフィルタによるデータ前処理の一般式を示す。
【0096】
【数1】
【0097】
下記（２）式は、移動平均フィルタによるデータ前処理の一般式を示す。
【0098】
【数2】
【0099】
なお、上記（１）式および（２）式において、「Ｋ」は、フィルタ次数を表わす。
【0100】
まず、参考技術に係る平均化処理によるデータ前処理について説明する。参考技術ではＣＰＵリソースに限りがあるので、データ前処理には「平均化処理」がよく用いられる。その理由は、ＦＩＲフィルタの一般式である上記（１）式において、平均化処理では、フィルタ係数ｈ［］をメモリで保持する必要がなく、全配列を加算した後にデータサイズで除算することで平均化処理を適用できるためである。しかしながら、上記の平均化処理は、ＣＰＵリソース（メモリ容量、ＣＰＵプロセス数）を節約できる半面、図１１に示すように、周波数特性において阻止域で比較的大きいリップルが発生する。
【0101】
一方、実施形態に係る制御装置２０では、ＣＰＵリソースの問題は少ないので、一般のＦＩＲフィルタ（ハミング窓ＦＩＲフィルタ）を実装でき、上記の平均化処理よりもよい周波数特性を有するフィルタを設計できる。
【0102】
例えば、差圧伝送器では、電気的ノイズや機器が振動することによる高周波ノイズが、センサ値に乗ることがある。参考技術の平均化処理では、高周波ノイズを除去しようとした場合、阻止域のリップルの影響で本来除去したい高周波ノイズ成分が残ってしまい（図１１参照）、圧力値等のプロセス値の精度低下を招く。一方、実施形態に係る制御装置２０では、ハミング窓ＦＩＲフィルタ等の一般のＦＩＲフィルタを用いることによって阻止域リップルはほとんど発生しておらず、高周波ノイズ成分をきれいに除去できるので（図１２参照）、圧力値等のプロセス値の精度が向上できる。
【0103】
また、フィールド機器１０と制御装置２０とで搭載されるＣＰＵパフォーマンスに違いがあるので、圧力値等のプロセス値の精度が向上できる。
【0104】
（２－４－３－２．制御演算部２２０）
制御演算部２２０は、プロセス値に基づいて、制御演算を実行する。例えば、制御演算部２２０は、プロセス値として算出された圧力値が所定値を超過する場合には、圧力値を抑制するようにアクチュエータ等のフィールド機器１０を制御する制御情報を生成し、対応するフィールド機器１０に送信する。また、制御演算部２２０は、上述した入力演算部２１０の固有機器演算部２１１によってフィールド機器１０の異常が判定された場合や、後述する診断部２３０によってプラントの異常が判定された場合には、対応する異常を抑制するようにアクチュエータ等のフィールド機器１０を制御する制御情報を生成し、対応するフィールド機器１０に送信する。なお、制御演算部２２０は、生成した制御情報を記憶部２４０の制御情報２４３として格納する。
制御演算部２２０は、プロセス値に基づいて、制御演算を実行する。例えば、制御演算部２２０は、プロセス値として算出された圧力値が所定値を超過する場合には、圧力値を抑制するようにアクチュエータ等のフィールド機器１０を制御する制御情報を生成し、対応するフィールド機器１０に送信する。また、制御演算部２２０は、上述した入力演算部２１０の固有機器演算部２１１によってフィールド機器１０の異常が判定された場合や、後述する診断部２３０によってプラントの異常が判定された場合には、対応する異常を抑制するようにアクチュエータ等のフィールド機器１０を制御する制御情報を生成し、対応するフィールド機器１０に送信する。なお、制御演算部２２０は、生成した制御情報を記憶部２４０の制御情報２４３として格納する。
【0105】
（２－４－３－３．診断部２３０）
診断部２３０は、システムに含まれるデバイスから受信されたデータに基づいて、デバイスが含まれるシステムの状態を診断する。例えば、デバイスが取得したセンサデータ（センサ値）にハイパスフィルタ等の第１周波数特性を有する第１フィルタを適用して得られたデータに基づいて、デバイスが含まれるシステムの状態を診断する。なお、診断部２３０は、システム診断結果を記憶部２４０のシステム診断結果２４２として格納する。
診断部２３０は、システムに含まれるデバイスから受信されたデータに基づいて、デバイスが含まれるシステムの状態を診断する。例えば、デバイスが取得したセンサデータ（センサ値）にハイパスフィルタ等の第１周波数特性を有する第１フィルタを適用して得られたデータに基づいて、デバイスが含まれるシステムの状態を診断する。なお、診断部２３０は、システム診断結果を記憶部２４０のシステム診断結果２４２として格納する。
【0106】
診断部２３０は、フィールド機器１０が取得したセンサ値を説明変数、プラントの異常の発生有無（０，１）を目的変数とする機械学習によって生成された機械学習モデルに、受信されたセンサ値を入力することで、プラントの異常の有無を判定する。また、診断部２３０は、フィールド機器１０が取得したセンサ値および周辺環境データ（周辺情報）を説明変数、プラントの異常の発生有無（０，１）を目的変数とする機械学習によって生成された機械学習モデルに、受信されたセンサ値および周辺情報を入力することで、プラントの異常の有無を出力する。
【0107】
ここで、図７～図１０を用いて、上記の機械学習モデルを用いたシステム診断処理の入力データおよび出力データについて説明する。図７～図９は、実施形態に係るシステム診断処理における機械学習モデルの入力データの具体例を示す図である。図１０は、実施形態に係るシステム診断処理における機械学習モデルの出力データの具体例を示す図である。
【0108】
図７を用いて、システム診断処理として、圧力センサ機器の異常検出処理等における機械学習モデルの入力データについて説明する。図７の例において、システム診断処理における機械学習モデルの入力データ（教師データ）は、フィールド機器１０ａが取得した圧力センサ値である「ｘ１（機器１圧力センサ値）」、出力する正解値（正解データ）である「ｙｔ（出力 正解値）」の組合せで構成される。ここで、「ｘ１（機器１圧力値）」の値は、圧力センサ値であるデジタル信号強度を示す。また、「ｙｔ（出力 正解値）」の値は、「０」が正常状態、「１」が異常状態を示す。
【0109】
すなわち、図７では、｛＃１，ｘ１（機器１圧力センサ値）：「１０」，ｙｔ（出力 正解値）：「０」｝、｛＃２，ｘ１（機器１圧力センサ値）：「１５」，ｙｔ（出力 正解値）：「０」｝、｛＃３，ｘ１（機器１圧力センサ値）：「１２０」，ｙｔ（出力 正解値）：「０」｝、｛ｘ１（機器１圧力センサ値）：「１３０」，ｙｔ（出力 正解値）：「０」｝、｛＃４，ｘ１（機器１圧力センサ値）：「１０００」，ｙｔ（出力 正解値）：「０」｝、｛＃５，ｘ１（機器１圧力センサ値）：「５００」，ｙｔ（出力 正解値）：「１」｝等が含まれる、振動に関する周辺情報が付加されていない入力データの例が示されている。
【0110】
図８を用いて、システム診断処理として、圧力センサ機器の異常検出処理等における機械学習モデルの入力データについて説明する。図８の例において、システム診断処理における機械学習モデルの入力データ（教師データ）は、フィールド機器１０ａが取得した圧力センサ値である「ｘ１（機器１圧力センサ値）」、フィールド機器１０ａの近くに設置されるフィールド機器１０ｂが取得した周辺情報と位置付けられる振動センサ値である「ｘ２（機器２振動センサ値）」、出力する正解値（正解データ）である「ｙｔ（出力 正解値）」の組合せで構成される。ここで、「ｘ１（機器１圧力センサ値）」の値は、圧力センサ値であるデジタル信号強度を示す。また、「ｘ２（機器２振動センサ値）」の値は、振動センサ値であるデジタル信号強度を示す。また、「ｙｔ（出力 正解値）」の値は、「０」が正常状態、「１」が異常状態を示す。
【0111】
すなわち、図８では、｛＃１，ｘ１（機器１圧力センサ値）：「１０」，ｘ２（機器２振動センサ値）：「２」，ｙｔ（出力 正解値）：「０」｝、｛＃２，ｘ１（機器１圧力センサ値）：「１５」，ｘ２（機器２振動センサ値）：「４」，ｙｔ（出力 正解値）：「０」｝、｛＃３，ｘ１（機器１圧力センサ値）：「１２０」，ｘ２（機器２振動センサ値）：「２」，ｙｔ（出力 正解値）：「０」｝、｛ｘ１（機器１圧力センサ値）：「１３０」，ｘ２（機器２振動センサ値）：「４」，ｙｔ（出力 正解値）：「０」｝、｛＃４，ｘ１（機器１圧力センサ値）：「１０００」，ｘ２（機器２振動センサ値）：「１００」，ｙｔ（出力 正解値）：「０」｝、｛＃５，ｘ１（機器１圧力センサ値）：「５００」，ｘ２（機器２振動センサ値）：「３」，ｙｔ（出力 正解値）：「１」｝等が含まれる、振動に関する周辺情報が付加されている入力データの例が示されている。
【0112】
図７および図８の例において、「＃５」がフィールド機器１０ａの近くで大きな振動が発生している状態の入力データとすると、「＃５」では、フィールド機器１０ａの異常状態ではなく、周辺環境の影響により圧力センサ値が異常状態となっている。したがって、図７の例（周辺情報なし）では、「＃５」および「＃６」で比較した場合、「ある一定以上の圧力センサ値（例：７００以上）になったらセンサ異常なし」と判断するような機械学習モデルが生成され、所望の機械学習モデルとならない可能性がある。一方、図８の例（周辺情報あり）では、周辺情報を付加した入力データでは、「振動センサ値が大きい場合には圧力センサ異常なし」との判断が可能となる。
【0113】
上記の図８の周辺情報を利用した入力データを用いることによって、システム診断処理においてフィールド機器１０のセンサ等の故障判定を行う際にセンサ故障と誤判定されることを回避し、機器センサ故障なのか、周辺環境による影響なのかの切り分けが可能となり、診断性能を高められる。
【0114】
図９を用いて、システム診断処理として、キャビテーション検出処理等における機械学習モデルの入力データについて説明する。図９の例において、システム診断処理における機械学習モデルの入力データ（教師データ）は、フィールド機器１０ａが取得したハイパスフィルタ適用後の差圧センサ値である「ｘ１（Ｆｃ’）」、フィールド機器１０ａが取得したハイパスフィルタ適用後の差圧センサ値である「ｘ２（Ｆｒ’）」、フィールド機器１０ｂが取得した圧力センサ値である「ｘ１（Ｆｃ’）」、フィールド機器１０ａの近くに設置されるフィールド機器１０ｂが取得した周辺情報と位置付けられる振動センサ値である「ｘ３（機器２振動センサ値）」、出力する正解値（正解データ）である「ｙｔ（出力 正解値）」の組合せで構成される。ここで、「ｘ１（Ｆｃ’）」の値は、フィルタ処理後の差圧センサ値であるデジタル信号強度を示す。また、「ｘ２（Ｆｒ’）」の値は、フィルタ処理後の差圧センサ値であるデジタル信号強度を示す。また、「ｘ３（機器２振動センサ値）」の値は、振動センサ値であるデジタル信号強度を示す。また、「ｙｔ（出力 正解値）」の値は、「０」がキャビテーションの発生がない状態、「１」がキャビテーションの発生がある状態を示す。なお、差圧センサ値において、ハイパスフィルタ適用後の「Ｆｃ’」および「Ｆｒ’」を利用するのは、キャビテーションは差圧センサ値の高周波成分に特徴が現れると考えられるためである。
【0115】
すなわち、図９では、｛＃１，ｘ１（Ｆｃ’）：「１０」，ｘ２（Ｆｒ’）：「４０」，ｘ３（機器２振動センサ値）：「２」，ｙｔ（出力 正解値）：「０」｝、｛＃２，ｘ１（Ｆｃ’）：「１５」，ｘ２（Ｆｒ’）：「５０」，ｘ３（機器２振動センサ値）：「４」，ｙｔ（出力 正解値）：「０」｝、｛＃３，ｘ１（Ｆｃ’）：「１２０」，ｘ２（Ｆｒ’）：「４０」，ｘ３（機器２振動センサ値）：「２」，ｙｔ（出力 正解値）：「０」｝、｛＃４，ｘ１（Ｆｃ’）：「１３０」，ｘ２（Ｆｒ’）：「３４」，ｘ３（機器２振動センサ値）：「４」，ｙｔ（出力 正解値）：「０」｝、｛＃５，ｘ１（Ｆｃ’）：「１０００」，ｘ２（Ｆｒ’）：「１００」，ｘ３（機器２振動センサ値）：「１００」，ｙｔ（出力 正解値）：「０」｝、｛＃６，ｘ１（Ｆｃ’）：「１０００」，ｘ２（Ｆｒ’）：「１０４」，ｘ３（機器２振動センサ値）：「３」，ｙｔ（出力 正解値）：「１」｝等が含まれる、振動に関する周辺情報が付加されている入力データの例が示されている。例えば、上記の入力データにおいて、ハイパスフィルタ適用後の差圧センサ値(Ｆｃ’、Ｆｒ’)が大きい場合でも（例：「１０００」）、振動センサ値も大きければ（例：「１００」）、キャビテーション発生ではなく、振動等の周辺環境によるもの（例：「０」）と正解値がラベリングされている。
【0116】
上記の入力データで訓練することによって生成された機械学習モデルは、複数の差圧センサ値および振動センサ値の入力に応じて、キャビテーションの発生の有無の「ｙｐ（出力 確率値）」および「判定結果」を出力する。
【0117】
図１０を用いて、システム診断処理として、キャビテーション検出処理等における機械学習モデルの出力データについて説明する。図１０の例において、システム診断処理における機械学習モデルの出力データ（システム診断結果）は、フィールド機器１０ａが取得したハイパスフィルタ適用後の差圧センサ値である「ｘ１（Ｆｃ’）」、フィールド機器１０ａが取得したハイパスフィルタ適用後の差圧センサ値である「ｘ２（Ｆｒ’）」、フィールド機器１０ａの近くに設置されるフィールド機器１０ｂが取得した周辺情報と位置付けられる振動センサ値である「ｘ３（機器２振動センサ値）」、システム診断結果である「ｙｐ（出力 確率値）」、システム診断結果である「判定結果」の組合せで構成される。ここで、「ｘ１（Ｆｃ’）」の値は、ハイパスフィルタ処理後の差圧センサ値であるデジタル信号強度を示す。また、「ｘ２（Ｆｒ’）」の値は、ハイパスフィルタ処理後の差圧センサ値であるデジタル信号強度を示す。また、「ｘ３（機器２振動センサ値）」の値は、振動センサ値であるデジタル信号強度を示す。また、「ｙｐ（出力 確率値）」の値は、０≦ｙｐ≦１となる確率値を示す。また、「判定結果」の値は、「０」がキャビテーションの発生がない状態、「１」がキャビテーションの発生がある状態を示す。
【0118】
すなわち、図１０では、｛＃１，ｘ１（Ｆｃ’）：「１２」，ｘ２（Ｆｒ’）：「４１」，ｘ３（機器２振動センサ値）：「２」，ｙｔ（出力 確率値）：「０．０１」，判定結果：「０」｝、｛＃２，ｘ１（Ｆｃ’）：「１４」，ｘ２（Ｆｒ’）：「４４」，ｘ３（機器２振動センサ値）：「４」，ｙｐ（出力 確率値）：「０．０２」，判定結果：「０」｝、｛＃３，ｘ１（Ｆｃ’）：「１２５」，ｘ２（Ｆｒ’）：「３４」，ｘ３（機器２振動センサ値）：「２」，ｙｐ（出力 確率値）：「０．２」，判定結果：「０」｝、｛＃４，ｘ１（Ｆｃ’）：「１３５」，ｘ２（Ｆｒ’）：「５６」，ｘ３（機器２振動センサ値）：「４」，ｙｐ（出力 確率値）：「０．２３」，判定結果：「０」｝、｛＃５，ｘ１（Ｆｃ’）：「１００４」，ｘ２（Ｆｒ’）：「１１１」，ｘ３（機器２振動センサ値）：「１００」，ｙｐ（出力 確率値）：「０．２２」，判定結果：「０」｝、｛＃６，ｘ１（Ｆｃ’）：「１００４」，ｘ２（Ｆｒ’）：「１０２」，ｘ３（機器２振動センサ値）：「３」，ｙｐ（出力 確率値）：「０．８８」，判定結果：「１」｝等が含まれる出力データの例が示されている。
【0119】
上記の入力データで訓練することによって生成された２値分類の訓練済みの機械学習モデルは、「ｘ１（Ｆｃ’）」、「ｘ２（Ｆｒ’）」および「ｘ３（機器２振動センサ値）」の入力に応じて、「ｙｐ（出力 確率値）」を出力し、ｙｐ≧０．５であれば「判定結果」を「１」とし、キャビテーションの発生を判定する。
【0120】
上記の図９の周辺情報を利用した入力データを用いた機械学習を行うことによって、システム診断処理においてキャビテーションの発生の検出精度を向上することができる。
【0121】
（２－４－３－４．記憶部２４０）
記憶部２４０は、制御部２００が動作する際に参照する各種情報や、制御部２００が動作した際に取得した各種情報を記憶する。記憶部２４０は、センサ値、設定パラメータ、入力演算結果等を含む機器固有情報２４１、システム診断結果２４２および制御情報２４３を記憶する。ここで、記憶部２４０は、例えば、ＲＡＭ、フラッシュメモリ等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置等で実現され得る。なお、図２の例では、記憶部２４０は、制御装置２０の内部に設置されているが、制御装置２０の外部に設置されてもよいし、複数の記憶部が設置されていてもよい。
記憶部２４０は、制御部２００が動作する際に参照する各種情報や、制御部２００が動作した際に取得した各種情報を記憶する。記憶部２４０は、センサ値、設定パラメータ、入力演算結果等を含む機器固有情報２４１、システム診断結果２４２および制御情報２４３を記憶する。ここで、記憶部２４０は、例えば、ＲＡＭ、フラッシュメモリ等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置等で実現され得る。なお、図２の例では、記憶部２４０は、制御装置２０の内部に設置されているが、制御装置２０の外部に設置されてもよいし、複数の記憶部が設置されていてもよい。
【0122】
（２－５．エンジニアリングツール３０の構成例および処理例）
図２を用いて、エンジニアリングツール３０の構成例および処理例について説明する。例えば、エンジニアリングツール３０は、プラントを管理する計器室に設置される制御装置２０に接続され、プラント管理者等の操作をもとにエンジニアリング内容の生成を実行する情報処理装置である。
図２を用いて、エンジニアリングツール３０の構成例および処理例について説明する。例えば、エンジニアリングツール３０は、プラントを管理する計器室に設置される制御装置２０に接続され、プラント管理者等の操作をもとにエンジニアリング内容の生成を実行する情報処理装置である。
【0123】
エンジニアリングツール３０は、制御装置２０の通信部２５０ａを介してデータ通信４１に含まれるプログラムを送信する。例えば、エンジニアリングツール３０は、プラントを管理するプラント管理者の操作によってプログラムを作成し、制御部２００を実行させるプログラムとして制御装置２０に送信する。
【0124】
また、エンジニアリングツール３０は、機器固有情報２４１の確認、変更等し、ユーザ調整パラメータを生成する。このとき、メンテナンス実施者等は、エンジニアリングツール３０を接続し、プロセス値等の入力演算結果を確認しながら、所望の入力演算結果となるようにユーザ調整パラメータの調整を行う。
【0125】
〔３．制御システム１０００の処理の流れ〕
図１３を用いて、実施形態に係る制御システム１０００の処理の流れについて説明する。図１３は、実施形態に係る制御システム１０００の制御処理全体の流れの一例を示すフローチャートである。以下では、フィールド機器１０の処理であるステップＳ１０１～Ｓ１０２の処理、制御装置２０の処理であるステップＳ１０３～Ｓ１１１の処理の順に説明する。なお、下記のステップＳ１０１～Ｓ１１１の処理は、異なる順序で実行することもできる。また、下記のステップＳ１０１～Ｓ１１１の処理のうち、省略される処理があってもよい。
図１３を用いて、実施形態に係る制御システム１０００の処理の流れについて説明する。図１３は、実施形態に係る制御システム１０００の制御処理全体の流れの一例を示すフローチャートである。以下では、フィールド機器１０の処理であるステップＳ１０１～Ｓ１０２の処理、制御装置２０の処理であるステップＳ１０３～Ｓ１１１の処理の順に説明する。なお、下記のステップＳ１０１～Ｓ１１１の処理は、異なる順序で実行することもできる。また、下記のステップＳ１０１～Ｓ１１１の処理のうち、省略される処理があってもよい。
【0126】
（３－１．フィールド機器１０の処理）
実施形態に係るフィールド機器１０の処理の流れについて説明する。第１に、フィールド機器１０は、センサ値取得処理を実行する（ステップＳ１０１）。第２に、フィールド機器１０は、センサ値送信処理を実行する（ステップＳ１０２）。
実施形態に係るフィールド機器１０の処理の流れについて説明する。第１に、フィールド機器１０は、センサ値取得処理を実行する（ステップＳ１０１）。第２に、フィールド機器１０は、センサ値送信処理を実行する（ステップＳ１０２）。
【0127】
（３－２．制御装置２０の処理）
実施形態に係る制御装置２０の処理の流れについて説明する。第１に、制御装置２０は、センサ値受信処理を実行する（ステップＳ１０３）。第２に、制御装置２０は、設定パラメータ取得処理を実行する（ステップＳ１０４）。第３に、制御装置２０は、固有機器演算処理（プロセス値算出処理、機器診断処理）、汎用演算処理を含む入力演算処理を実行する（ステップＳ１０５）。第４に、制御装置２０は、プロセス値、機器診断結果、フィルタ処理済みセンサ値等の入力演算結果を保存する入力演算結果保存処理を実行する（ステップＳ１０６）。第５に、制御装置２０は、システム診断処理を実行する（ステップＳ１０７）。第６に、制御装置２０は、システム診断結果を保存するシステム診断結果保存処理を実行する（ステップＳ１０８）。第７に、制御装置２０は、制御演算処理を実行する（ステップＳ１０９）。第８に、制御装置２０は、制御情報等を含む制御演算結果を保存するシステム制御演算結果保存処理を実行する（ステップＳ１１０）。第９に、制御装置２０は、制御情報送信処理を実行し（ステップＳ１１１）、処理を終了する。
実施形態に係る制御装置２０の処理の流れについて説明する。第１に、制御装置２０は、センサ値受信処理を実行する（ステップＳ１０３）。第２に、制御装置２０は、設定パラメータ取得処理を実行する（ステップＳ１０４）。第３に、制御装置２０は、固有機器演算処理（プロセス値算出処理、機器診断処理）、汎用演算処理を含む入力演算処理を実行する（ステップＳ１０５）。第４に、制御装置２０は、プロセス値、機器診断結果、フィルタ処理済みセンサ値等の入力演算結果を保存する入力演算結果保存処理を実行する（ステップＳ１０６）。第５に、制御装置２０は、システム診断処理を実行する（ステップＳ１０７）。第６に、制御装置２０は、システム診断結果を保存するシステム診断結果保存処理を実行する（ステップＳ１０８）。第７に、制御装置２０は、制御演算処理を実行する（ステップＳ１０９）。第８に、制御装置２０は、制御情報等を含む制御演算結果を保存するシステム制御演算結果保存処理を実行する（ステップＳ１１０）。第９に、制御装置２０は、制御情報送信処理を実行し（ステップＳ１１１）、処理を終了する。
【0128】
〔４．実施形態の変形例および適用例〕
実施形態の変形例および適用例について説明する。以下では、実施形態の変形例、実施形態の各種の適用例について説明する。
実施形態の変形例および適用例について説明する。以下では、実施形態の変形例、実施形態の各種の適用例について説明する。
【0129】
（４－１．実施形態の変形例）
図１４を用いて、図２に示した制御システム１０００の変形例である制御システム２０００について説明する。図１４は、実施形態の変形例に係る制御システム２０００の各装置の構成例を示すブロック図である。以下では、制御システム１０００の変形例である制御システム２０００について、実施形態に係る制御システム１０００とは異なる構成を中心に説明する。
図１４を用いて、図２に示した制御システム１０００の変形例である制御システム２０００について説明する。図１４は、実施形態の変形例に係る制御システム２０００の各装置の構成例を示すブロック図である。以下では、制御システム１０００の変形例である制御システム２０００について、実施形態に係る制御システム１０００とは異なる構成を中心に説明する。
【0130】
制御システム１０００の制御装置２０内の診断部２３０は、図１４に示すように制御装置２０とは異なる制御装置５１に接続してもよい。ここで、制御装置５１に接続された診断部５００は、制御装置２０の記憶部２４０の各種情報を利用してシステム診断処理を実行する。このとき、制御装置５１は、制御部５０の診断部５００を用いて、イーサネット（登録商標）等を利用した通信部２５０ｃのデータ通信４２を介して各種情報を取得する。
【0131】
上記のように制御装置２０と制御装置５１とを別装置とすることで、より高度な診断の実現が期待できる。例えば、複数の制御装置で制御システムが構築されている場合、制御装置ごとのデータのみを利用した異常診断や予知診断では、プラント全体のデータが揃っていないので、診断性能が落ちてしまう。そこで、診断部を別装置に配置して、複数の制御装置のデータを利用できるようにすることで、システム全体のデータを利用してＡＩ等の診断処理を実行でき、より高度な診断処理を実現できる。
【0132】
（４－２．実施形態の各種適用例）
実施形態の各種の適用例について説明する。以下では、制御システム１０００および制御システム２０００の制御処理に適用可能な各種適用例について説明する。
実施形態の各種の適用例について説明する。以下では、制御システム１０００および制御システム２０００の制御処理に適用可能な各種適用例について説明する。
【0133】
制御システム１０００および制御システム２０００において、複数のフィールド機器１０のセンサ値を活用して、仮想的なフィールド機器１０を実現できる。具体例１として、圧力伝送器（高圧側）と圧力伝送器（低圧側）とから、差圧伝送器を実現することができる。具体例２として、差圧伝送器と温度伝送器（温度補正用）とから、温度補正に温度伝送器のプロセス値を利用する差圧伝送器を実現することができる。具体例３として、差圧伝送器と圧力伝送器と温度伝送器とから、差圧式流量伝送器を実現することができる。
【0134】
制御システム１０００および制御システム２０００において、通信部１４０、通信部２５０（２５０ａ、２５０ｂ、２５０ｃ）は、共通の通信インタフェースであってもよい。例えば、通信部１４０および通信部２５０（２５０ａ、２５０ｂ、２５０ｃ）は、共通イーサネットベースの通信インタフェースを利用することができる。また、通信部１４０および通信部２５０ｂでは、イーサネットベースのフィールド通信（ＰＲＯＦＩＮＥ等）を利用することができる。また、通信部１４０の物理層には、イーサネット－ＡＰＬ（Advanced Physical Layer）を利用することで防爆にも対応可能となる。また、通信部１４０にイーサネット－ＡＰＬを利用した場合、通信部２５０ｂでもイーサネット－ＡＰＬに対応する必要が出てくるが、ＡＰＬパワースイッチ（標準イーサネット１０００ＢＡＳＥ－Ｔ等に変換）を経由することで、通信部１４０は、標準イーサネットのインタフェースとすることができる。一方、通信部２５０ａおよび通信部２５０ｃは、汎用インターネットプロトコル（ＴＣＰ／ＩＰ、ＨＴＴＰ、ＭＱＴＴ等）を利用する。
【0135】
制御システム１０００および制御システム２０００において、制御装置２０および制御装置５１は、オンプレミスでもよいし、クラウド環境であってもよい。
【0136】
〔５．実施形態の効果〕
最後に、実施形態の効果について説明する。以下では、実施形態に係る処理に対応する効果１～７について説明する。
最後に、実施形態の効果について説明する。以下では、実施形態に係る処理に対応する効果１～７について説明する。
【0137】
（５－１．効果１）
第１に、上述した実施形態に係る処理では、制御装置２０は、制御対象についての設備に含まれるデバイスから第１データを受信し、第１データに基づいて設備の状態を診断し、第１データに基づいて設備の制御に用いる第２データの算出と、デバイスの状態の診断とを実行する。このため、本処理では、制御システムの性能を向上することができる。
第１に、上述した実施形態に係る処理では、制御装置２０は、制御対象についての設備に含まれるデバイスから第１データを受信し、第１データに基づいて設備の状態を診断し、第１データに基づいて設備の制御に用いる第２データの算出と、デバイスの状態の診断とを実行する。このため、本処理では、制御システムの性能を向上することができる。
【0138】
（５－２．効果２）
第２に、上述した実施形態に係る処理では、制御装置２０は、第１データとしてデバイスが取得したセンサ値を受信し、センサ値にハイパスフィルタ等の第１周波数特性を有する第１フィルタを適用して得られたデータに基づいてシステムの状態を診断し、センサ値にローパスフィルタ等の第２周波数特性を有する第２フィルタを適用して得られたデータに基づいて第２データとしてプロセス値を算出し、センサ値にバンドパスフィルタ等の第３周波数特性を有する第３フィルタを適用して得られたデータに基づいてデバイスの状態を診断する。このため、本処理では、複数のフィルタ処理を行ったデータを用いて、制御システムの性能を向上することができる。
第２に、上述した実施形態に係る処理では、制御装置２０は、第１データとしてデバイスが取得したセンサ値を受信し、センサ値にハイパスフィルタ等の第１周波数特性を有する第１フィルタを適用して得られたデータに基づいてシステムの状態を診断し、センサ値にローパスフィルタ等の第２周波数特性を有する第２フィルタを適用して得られたデータに基づいて第２データとしてプロセス値を算出し、センサ値にバンドパスフィルタ等の第３周波数特性を有する第３フィルタを適用して得られたデータに基づいてデバイスの状態を診断する。このため、本処理では、複数のフィルタ処理を行ったデータを用いて、制御システムの性能を向上することができる。
【0139】
（５－３．効果３）
第３に、上述した実施形態に係る処理では、制御装置２０は、制御対象についての設備は、プラントを制御する制御設備であり、デバイスは、プラントに設置されたプラントの制御に用いられるフィールド機器１０であり、フィールド機器１０が取得したセンサ値を説明変数、プラントの異常の発生有無（０，１）を目的変数とする機械学習によって生成された機械学習モデルに、受信したセンサ値を入力することで、プラントの異常の有無を判定する。このため、本処理では、プラントにおいて取得したフィールド機器１０のセンサ値を用いた機械学習モデルによってシステムの異常を出力し、制御システムの性能を向上することができる。
第３に、上述した実施形態に係る処理では、制御装置２０は、制御対象についての設備は、プラントを制御する制御設備であり、デバイスは、プラントに設置されたプラントの制御に用いられるフィールド機器１０であり、フィールド機器１０が取得したセンサ値を説明変数、プラントの異常の発生有無（０，１）を目的変数とする機械学習によって生成された機械学習モデルに、受信したセンサ値を入力することで、プラントの異常の有無を判定する。このため、本処理では、プラントにおいて取得したフィールド機器１０のセンサ値を用いた機械学習モデルによってシステムの異常を出力し、制御システムの性能を向上することができる。
【0140】
（５－４．効果４）
第４に、上述した実施形態に係る処理では、制御装置２０は、センサ値に影響を及ぼす周辺情報をさらに受信し、フィールド機器１０が取得したセンサ値および周辺情報を説明変数、プラントの異常の発生有無（０，１）を目的変数とする機械学習によって生成された機械学習モデルに、受信したセンサ値および周辺情報を入力することで、プラントの異常の有無を判定する。このため、本処理では、プラントにおいて取得したフィールド機器１０のセンサ値と周辺環境に関する情報を用いた機械学習モデルによってシステムの異常を出力し、制御システムの性能を向上することができる。
第４に、上述した実施形態に係る処理では、制御装置２０は、センサ値に影響を及ぼす周辺情報をさらに受信し、フィールド機器１０が取得したセンサ値および周辺情報を説明変数、プラントの異常の発生有無（０，１）を目的変数とする機械学習によって生成された機械学習モデルに、受信したセンサ値および周辺情報を入力することで、プラントの異常の有無を判定する。このため、本処理では、プラントにおいて取得したフィールド機器１０のセンサ値と周辺環境に関する情報を用いた機械学習モデルによってシステムの異常を出力し、制御システムの性能を向上することができる。
【0141】
（５－５．効果５）
第５に、上述した実施形態に係る処理では、制御装置２０は、制御対象についての設備は、プラントを制御する制御設備であり、デバイスは、プラントに設置されたプラントの制御に用いられるフィールド機器１０であり、フィールド機器１０が取得したセンサ値を説明変数、フィールド機器１０の異常の発生有無（０，１）を目的変数とする機械学習によって生成された機械学習モデルに、受信したセンサ値を入力することで、フィールド機器１０の異常の有無を出力する。このため、本処理では、プラントにおいて取得したフィールド機器１０のセンサ値を用いた機械学習モデルによってフィールド機器１０の異常を判定し、制御システムの性能を向上することができる。
第５に、上述した実施形態に係る処理では、制御装置２０は、制御対象についての設備は、プラントを制御する制御設備であり、デバイスは、プラントに設置されたプラントの制御に用いられるフィールド機器１０であり、フィールド機器１０が取得したセンサ値を説明変数、フィールド機器１０の異常の発生有無（０，１）を目的変数とする機械学習によって生成された機械学習モデルに、受信したセンサ値を入力することで、フィールド機器１０の異常の有無を出力する。このため、本処理では、プラントにおいて取得したフィールド機器１０のセンサ値を用いた機械学習モデルによってフィールド機器１０の異常を判定し、制御システムの性能を向上することができる。
【0142】
（５－６．効果６）
第６に、上述した実施形態に係る処理では、制御装置２０は、フィールド機器１０は、圧力センサ機器であり、フィールド機器１０が取得した圧力センサ値および振動センサ値を説明変数、圧力センサデータの異常の発生有無（０，１）を目的変数とする機械学習によって生成された機械学習モデルに、受信した圧力センサデータおよび振動センサデータを入力することで、圧力センサデータの異常の有無を判定する。このため、本処理では、プラントにおいて取得した圧力センサ機器のセンサ値と周辺環境に関する情報を用いた機械学習モデルによって圧力センサ機器の異常を出力し、制御システムの性能を向上することができる。
第６に、上述した実施形態に係る処理では、制御装置２０は、フィールド機器１０は、圧力センサ機器であり、フィールド機器１０が取得した圧力センサ値および振動センサ値を説明変数、圧力センサデータの異常の発生有無（０，１）を目的変数とする機械学習によって生成された機械学習モデルに、受信した圧力センサデータおよび振動センサデータを入力することで、圧力センサデータの異常の有無を判定する。このため、本処理では、プラントにおいて取得した圧力センサ機器のセンサ値と周辺環境に関する情報を用いた機械学習モデルによって圧力センサ機器の異常を出力し、制御システムの性能を向上することができる。
【0143】
（５－７．効果７）
第７に、上述した実施形態に係る処理では、制御装置２０は、デバイスの個体差を調整するためのデバイスパラメータ、または設備の利用者によって調整される利用者パラメータのうち少なくとも１つを用いて、プロセス値を算出する。このため、本処理では、各種パラメータを用いて精度の高いプロセス値を算出することによって、制御システムの性能を向上することができる。
第７に、上述した実施形態に係る処理では、制御装置２０は、デバイスの個体差を調整するためのデバイスパラメータ、または設備の利用者によって調整される利用者パラメータのうち少なくとも１つを用いて、プロセス値を算出する。このため、本処理では、各種パラメータを用いて精度の高いプロセス値を算出することによって、制御システムの性能を向上することができる。
【0144】
〔システム〕
上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。
上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。
【0145】
また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散や統合の具体的形態は図示のものに限られない。つまり、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。
【0146】
さらに、各装置にて行なわれる各処理機能は、その全部または任意の一部が、ＣＰＵおよび当該ＣＰＵにて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現され得る。
【0147】
〔ハードウェア〕
次に、制御装置である制御装置２０のハードウェア構成例を説明する。なお、他の装置も同様のハードウェア構成とすることができる。図１５は、実施形態に係るハードウェア構成例を説明する図である。図１５に示すように、制御装置２０は、通信装置２０ａ、ＨＤＤ（Hard Disk Drive）２０ｂ、メモリ２０ｃ、プロセッサ２０ｄを有する。また、図１２に示した各部は、バス等で相互に接続される。
次に、制御装置である制御装置２０のハードウェア構成例を説明する。なお、他の装置も同様のハードウェア構成とすることができる。図１５は、実施形態に係るハードウェア構成例を説明する図である。図１５に示すように、制御装置２０は、通信装置２０ａ、ＨＤＤ（Hard Disk Drive）２０ｂ、メモリ２０ｃ、プロセッサ２０ｄを有する。また、図１２に示した各部は、バス等で相互に接続される。
【0148】
【0149】
プロセッサ２０ｄは、図２および図１４に示した各処理部と同様の処理を実行するプログラムをＨＤＤ２０ｂ等から読み出してメモリ２０ｃに展開することで、図２等で説明した各機能を実行するプロセスを動作させる。例えば、このプロセスは、制御装置２０が有する各処理部と同様の機能を実行する。具体的には、プロセッサ２０ｄは、入力演算部２１０、制御演算部２２０、診断部２３０等と同様の機能を有するプログラムをＨＤＤ２０ｂ等から読み出す。そして、プロセッサ２０ｄは、入力演算部２１０、制御演算部２２０、診断部２３０等と同様の処理を実行するプロセスを実行する。
【0150】
このように、制御装置２０は、プログラムを読み出して実行することで各種処理方法を実行する装置として動作する。また、制御装置２０は、媒体読取装置によって記録媒体から上記プログラムを読み出し、読み出された上記プログラムを実行することで上記した実施形態と同様の機能を実現することもできる。なお、この他の実施形態でいうプログラムは、制御装置２０によって実行されることに限定されるものではない。例えば、他のコンピュータまたはサーバがプログラムを実行する場合や、これらが協働してプログラムを実行するような場合にも、本発明を同様に適用することができる。
【0151】
このプログラムは、インターネットなどのネットワークを介して配布することができる。また、このプログラムは、ハードディスク、フレキシブルディスク（ＦＤ）、ＣＤ－ＲＯＭ、ＭＯ（Magneto－Optical disk）、ＤＶＤ（Digital Versatile Disc）などのコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行することができる。
【0152】
〔その他〕
開示される技術特徴の組合せのいくつかの例を以下に記載する。
開示される技術特徴の組合せのいくつかの例を以下に記載する。
【0153】
（１）制御対象についての設備に含まれるデバイスから第１データを受信する受信部と、前記第１データに基づいて、前記設備の状態を診断する診断部と、前記第１データに基づいて、前記設備の制御に用いる第２データの算出と、前記デバイスの状態の診断とを実行する実行部と、を備える制御装置。
【0154】
（２）前記受信部は、前記第１データとして前記デバイスが取得したセンサデータを受信し、前記診断部は、前記センサデータに第１周波数特性を有する第１フィルタを適用して得られたデータに基づいて、前記設備の状態を診断し、前記実行部は、前記センサデータに第２周波数特性を有する第２フィルタを適用して得られたデータに基づいて、前記第２データとしてプロセスデータを算出し、前記センサデータに第３周波数特性を有する第３フィルタを適用して得られたデータに基づいて、前記デバイスの状態を診断する、（１）に記載の制御装置。
【0155】
（３）前記設備は、プラントを制御する制御設備であり、前記デバイスは、前記プラントに設置された、前記プラントの制御に用いられるフィールド機器であり、前記診断部は、前記フィールド機器が取得したセンサデータを説明変数、前記プラントの異常の発生有無を目的変数とする機械学習によって生成された機械学習モデルに、前記受信部によって受信された前記センサデータを入力することで、前記プラントの異常の有無を出力する、（１）または（２）に記載の制御装置。
【0156】
（４）前記受信部は、前記センサデータに影響を及ぼす周辺環境データをさらに受信し、前記診断部は、前記フィールド機器が取得した前記センサデータおよび前記周辺環境データを説明変数、前記プラントの異常の発生有無を目的変数とする機械学習によって生成された機械学習モデルに、前記受信部によって受信された前記センサデータおよび前記周辺環境データを入力することで、前記プラントの異常の有無を出力する、（３）に記載の制御装置。
【0157】
（５）前記設備は、プラントを制御する制御設備であり、前記デバイスは、前記プラントに設置された、前記プラントの制御に用いられるフィールド機器であり、前記実行部は、前記フィールド機器が取得したセンサデータを説明変数、前記フィールド機器の異常の発生有無を目的変数とする機械学習によって生成された機械学習モデルに、前記受信部によって受信された前記センサデータを入力することで、前記フィールド機器の異常の有無を出力する、（１）～（４）のいずれか１つに記載の制御装置。
【0158】
（６）前記フィールド機器は、圧力センサ機器であり、前記実行部は、前記圧力センサ機器が取得した圧力センサデータおよび振動センサデータを説明変数、前記圧力センサ機器の異常の発生有無を目的変数とする機械学習によって生成された機械学習モデルに、前記受信部によって受信された前記圧力センサデータおよび前記振動センサデータを入力することで、前記圧力センサ機器の異常の有無を出力する、（５）に記載の制御装置。
【0159】
（７）前記実行部は、前記デバイスの個体差を調整するためのデバイスパラメータ、または前記設備の利用者によって調整される利用者パラメータのうち少なくとも１つを用いて、前記第２データとしてプロセスデータを算出する、（１）～（６）のいずれか１つに記載の制御装置。
【0160】
（８）コンピュータが、制御対象についての設備に含まれるデバイスから第１データを受信し、前記データに基づいて、前記設備の状態を診断し、前記第１データに基づいて、前記設備の制御に用いる第２データの算出と、前記第１デバイスの状態の診断とを実行する、処理を実行する制御方法。
【0161】
（９）コンピュータに、制御対象についての設備に含まれるデバイスから第１データを受信し、前記第１データに基づいて、前記設備の状態を診断し、前記第１データに基づいて、前記設備の制御に用いる第２データの算出と、前記デバイスの状態の診断とを実行する、処理を実行させる制御プログラム。
【符号の説明】
【0162】
１０ フィールド機器
１００ センサ
１１０ デジタル変換部
１２０ 制御部
１２１ 取得部
１３０ 記憶部
１４０ 通信部
２０ 制御装置
２００ 制御部
２１０ 入力演算部
２１１ 固有機器演算部
２１２ 汎用演算部
２２０ 制御演算部
２３０ 診断部
２４０ 記憶部
２５０ 通信部
５０ 制御部
５１ 制御装置
５００ 診断部
１０００ 制御システム
１００ センサ
１１０ デジタル変換部
１２０ 制御部
１２１ 取得部
１３０ 記憶部
１４０ 通信部
２０ 制御装置
２００ 制御部
２１０ 入力演算部
２１１ 固有機器演算部
２１２ 汎用演算部
２２０ 制御演算部
２３０ 診断部
２４０ 記憶部
２５０ 通信部
５０ 制御部
５１ 制御装置
５００ 診断部
１０００ 制御システム
【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】