(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】
(24)【登録日】2023-12-07
(45)【発行日】2023-12-15
(54)【発明の名称】プラント監視装置、プラント監視方法およびプログラム
(51)【国際特許分類】
G05B 23/02 20060101AFI20231208BHJP
【ＦＩ】
G05B23/02 302Y
【請求項の数】
5
(21)【出願番号】P 2022530478
(86)(22)【出願日】2021-05-31
(86)【国際出願番号】 JP2021020739
(87)【国際公開番号】W WO2021251200
(87)【国際公開日】2021-12-16
【審査請求日】2022-10-24
(31)【優先権主張番号】P 2020102395
(32)【優先日】2020-06-12
(33)【優先権主張国・地域又は機関】JP
(73)【特許権者】
【識別番号】000006208
【氏名又は名称】三菱重工業株式会社
(74)【代理人】
【識別番号】100149548
【弁理士】
【氏名又は名称】松沼 泰史
(74)【代理人】
【識別番号】100162868
【弁理士】
【氏名又は名称】伊藤 英輔
(74)【代理人】
【識別番号】100161702
【弁理士】
【氏名又は名称】橋本 宏之
(74)【代理人】
【識別番号】100189348
【弁理士】
【氏名又は名称】古都 智
(74)【代理人】
【識別番号】100196689
【弁理士】
【氏名又は名称】鎌田 康一郎
(72)【発明者】
【氏名】永野 一郎
(72)【発明者】
【氏名】斎藤 真由美
(72)【発明者】
【氏名】江口 慶治
(72)【発明者】
【氏名】青山 邦明
【審査官】影山 直洋
(56)【参考文献】
【文献】特開２０１７－２１５８６３（ＪＰ，Ａ）
【文献】特開２０１８－１７３９４８（ＪＰ，Ａ）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０５Ｂ ２３／０２
(57)【特許請求の範囲】
【請求項1】
プラントに関する複数のセンサー値毎の検出値の束を取得するセンサー値取得部と、前記複数のセンサー値毎の検出値の束が集まって構成される単位空間を基準にして、取得した前記検出値の束のマハラノビス距離を求める距離演算部と、
前記マハラノビス距離が所定の閾値以内であるか否かに応じて、前記プラントの運転状態が正常であるか異常であるかを判定するプラントの異常の有無判定部と、
前記プラントの運転状態が異常と判定された場合、前記検出値の束のうち原因と推定される少なくとも１つのセンサー値について、検出値が高いことによる異常である高値異常か、検出値が低いことによる異常である低値異常かを特定する高値異常／低値異常判定部と、
前記少なくとも１つのセンサー値ごとに、低値異常か高値異常かの別と、前記プラントに生じ得る複数の異常原因と前記複数のセンサー値との関係を保持する故障部位推定データベースとに基づいて異常原因を推定する異常原因推定部と、
推定された前記異常原因を出力する出力部と、
を有し、
前記異常原因推定部は、前記複数のセンサー値ごとに、前記故障部位推定データベースにおいて当該センサー値について特定された低値異常か高値異常かの別に関連付けられた情報量と、当該センサー値に係る望大ＳＮ比とを乗算した値を求め、求めた前記値の総和に基づいて前記異常原因を推定する、
プラント監視装置。
【請求項2】
前記検出値の束に基づいて、前記複数のセンサー値のＳＮ比を算出するＳＮ比算出部を備え、前記故障部位推定データベースは、異常原因とセンサー値とに関連付けて、異常原因の発生可能性の増加・減少を示す情報量を保持する、
請求項１に記載のプラント監視装置。
【請求項3】
プラントに関する複数のセンサー値毎の検出値の束を取得するセンサー値取得部と、
前記複数のセンサー値毎の検出値の束が集まって構成される単位空間を基準にして、取得した前記検出値の束のマハラノビス距離を求める距離演算部と、
前記マハラノビス距離が所定の閾値以内であるか否かに応じて、前記プラントの運転状態が正常であるか異常であるかを判定するプラントの異常の有無判定部と、
前記プラントの運転状態が異常と判定された場合、前記検出値の束のうち原因と推定される少なくとも１つのセンサー値について、検出値が高いことによる異常である高値異常か、検出値が低いことによる異常である低値異常かを特定する高値異常／低値異常判定部と、
前記少なくとも１つのセンサー値ごとに、低値異常か高値異常かの別と、前記プラントに生じ得る複数の異常原因と前記複数のセンサー値との関係を保持する故障部位推定データベースとに基づいて、異常原因を推定する異常原因推定部と、
推定された前記異常原因を出力する出力部と、
を有し、
前記故障部位推定データベースにおいて、高値異常／低値異常が発生した際、通常より異常原因が発生し易くなるものには正の情報量、通常より異常原因が発生し難くなる可能性があるものには負の情報量が関連付けられている、
プラント監視装置。
【請求項4】
プラントに関する複数のセンサー値毎の検出値の束を取得するステップと、前記複数のセンサー値毎の検出値の束が集まって構成される単位空間を基準にして、取得した前記検出値の束のマハラノビス距離を求めるステップと、
前記マハラノビス距離が所定の閾値以内であるか否かに応じて、前記プラントの運転状態が正常であるか異常であるかを判定するステップと、
前記プラントの運転状態が異常と判定された場合、前記検出値の束のうち原因と推定される少なくとも１つのセンサー値について、検出値が高いことによる異常である高値異常か、検出値が低いことによる異常である低値異常かを特定するステップと、
前記少なくとも１つのセンサー値ごとに、低値異常か高値異常かの別と、前記プラントに生じ得る複数の異常原因と前記複数のセンサー値との関係を保持する故障部位推定データベースとに基づいて異常原因を推定するステップと、
推定された前記異常原因を出力するステップと、
を有し、
前記異常原因を推定するステップにおいて、前記複数のセンサー値ごとに、前記故障部位推定データベースにおいて当該センサー値について特定された低値異常か高値異常かの別に関連付けられた情報量と、当該センサー値に係る望大ＳＮ比とを乗算した値を求め、求めた前記値の総和に基づいて前記異常原因を推定する、
プラント監視方法。
【請求項5】
コンピュータに、プラントに関する複数のセンサー値毎の検出値の束を取得するステップと、
前記複数のセンサー値毎の検出値の束が集まって構成される単位空間を基準にして、取得した前記検出値の束のマハラノビス距離を求めるステップと、
前記マハラノビス距離が所定の閾値以内であるか否かに応じて、前記プラントの運転状態が正常であるか異常であるかを判定するステップと、
前記プラントの運転状態が異常と判定された場合、前記検出値の束のうち原因と推定される少なくとも１つのセンサー値について、検出値が高いことによる異常である高値異常か、検出値が低いことによる異常である低値異常かを特定するステップと、
前記少なくとも１つのセンサー値ごとに、低値異常か高値異常かの別と、前記プラントに生じ得る複数の異常原因と前記複数のセンサー値との関係を保持する故障部位推定データベースとに基づいて異常原因を推定するステップと、
推定された前記異常原因を出力するステップと、
を実行させるためのプログラムであって、
前記異常原因を推定するステップにおいて、前記複数のセンサー値ごとに、前記故障部位推定データベースにおいて当該センサー値について特定された低値異常か高値異常かの別に関連付けられた情報量と、当該センサー値に係る望大ＳＮ比とを乗算した値を求め、求めた前記値の総和に基づいて前記異常原因を推定する、
プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、プラントの運転状態を監視するプラント監視装置、プラント監視方法およびプログラムに関する。
本願は、２０２０年６月１２日に、日本に出願された特願２０２０－１０２３９５号に基づき優先権を主張し、その内容をここに援用する。
本願は、２０２０年６月１２日に、日本に出願された特願２０２０－１０２３９５号に基づき優先権を主張し、その内容をここに援用する。
【背景技術】
【0002】
ガスタービン発電プラントや原子力発電プラント、あるいは化学プラントといった各種のプラントでは、プラントが正常に運転されていることを監視するため、温度や圧力といったプラントの各センサーの状態量を取得し、これらの状態量に基づきプラントの運転状態を監視しているが、異常が発生した場合には原因推定機能が求められる。
【0003】
例えば、以下の特許文献１の監視装置は、該当プラントのコンピュータから、そのプラントの各センサーの状態量をオンラインで取得し、マハラノビス－タグチ法（以下、ＭＴ法とする）などを用いて異常か否かを判定する。この監視装置は、異常と判定すると、異常の原因を特定する機能を有している。
【0004】
ＭＴ法では、複数のセンサーごとの状態量の集まりである状態量の束が複数集まって構成される単位空間を予め準備しておき、プラントから状態量の束を取得すると、単位空間を基準にして、この状態量の束のマハラノビス距離（以下、ＭＤ距離とする）を求め、このマハラノビス距離が予め定められた閾値以内であるか否かに応じて、プラントの運転状態等が正常であるか否かを判定する。
【先行技術文献】
【特許文献】
【0005】
【文献】特開２０１７－２１５８６３号公報
【発明の概要】
【発明が解決しようとする課題】
【0006】
ＭＴ法によれば、マハラノビス距離に基づいてセンサーごとの望大ＳＮ比を算出することで、マハラノビス距離が増大したセンサーを特定することができる。従来のＭＴ法はあるセンサーに着目した場合、当該センサーが高値である場合にも、低値である場合にも、マハラノビス距離は増大するため、高値／低値の異常を区別ができない。
【0007】
本開示の目的は、高値／低値とで、発生し易くなる異常と発生し難くなる異常の原因の情報を付加し、より信頼性がある故障部位推定用のデータベース作成方法および異常原因推定方法を提供するものである。
【課題を解決するための手段】
【0008】
一態様によれば、プラント監視装置は、プラントに関する複数のセンサー値毎の検出値の束を取得する取得部と、前記複数のセンサー値毎の検出値の束が集まって構成される単位空間を基準にして、前記取得部が取得した前記検出値の束のマハラノビス距離を求める距離算出部と、前記マハラノビス距離が所定の閾値以内であるか否かに応じて、前記プラントの運転状態が正常であるか異常であるかを判定する判定部と、各センサー値について望大ＳＮ比が高値または低値により発生しているかの判定部と、を有する。
【0009】
一態様によれば、故障部位推定データベースとして、特定の異常原因がセンサーの高値異常により発生し易くなるか、低値異常により発生し易くなるか、および、異常原因がセンサー値が高値の異常により発生し難くなるか、低値の異常により発生し難くなるかについての情報を付加することで実現する。
【0010】
一態様によれば、望大ＳＮ比の高値／低値異常の区別、および、本発明の故障部位推定データベースとして、特定の異常原因がセンサー値が高値／低値の異常により発生し易くなるか発生し難くなるかの情報を組合せて、より信頼性がある異常原因を推定が可能となる。
【発明の効果】
【0011】
上記態様のうち少なくとも１つの態様によれば、プラント監視装置は、センサの異常により原因が発生する可能性が低くなる事象の情報を負値に設定することで、故障の真因をより信頼性良く推定できる。
【図面の簡単な説明】
【0012】
【図1】第１の実施形態に係るプラント監視装置の概要を説明するための図である。
【図2】第１の実施形態に係るプラント監視装置の機能構成を示す概略ブロック図である。
【図3】第１の実施形態に係る故障部位推定データベースの一例を示す図である。
【図4】マハラノビス距離の概念を示す概念図である。
【図5】第１の実施形態に係る故障部位推定データベースの更新方法を示すフローチャートである。
【図6】第１の実施形態に係るプラントの監視処理を示すフローチャートである。
【図7】少なくとも１つの実施形態に係るコンピュータの構成を示す概略ブロック図である。
【発明を実施するための形態】
【0013】
〈第１の実施形態〉
図１は、第１の実施形態に係るプラント監視装置２０の概要を説明するための図である。
本実施形態に係るプラント監視装置２０は、複数の評価項目があるプラント１の運転状態を監視するための装置である。プラント監視装置２０は、プラント１の各部に設けられた検出器から評価項目ごとの状態量を示す検出値を取得する。そして、プラント監視装置２０は、マハラノビス・タグチ法を利用し、取得した検出値に基づいてプラント１の運転状態が正常であるか異常であるかを判定する。
図１は、第１の実施形態に係るプラント監視装置２０の概要を説明するための図である。
本実施形態に係るプラント監視装置２０は、複数の評価項目があるプラント１の運転状態を監視するための装置である。プラント監視装置２０は、プラント１の各部に設けられた検出器から評価項目ごとの状態量を示す検出値を取得する。そして、プラント監視装置２０は、マハラノビス・タグチ法を利用し、取得した検出値に基づいてプラント１の運転状態が正常であるか異常であるかを判定する。
【0014】
《プラントの構成》
本実施形態に係るプラント１は、ガスタービン複合発電プラントであり、ガスタービン１０と、ガスタービン発電機１１と、排熱回収ボイラ１２と、蒸気タービン１３と、蒸気タービン発電機１４と、制御装置４０と、を備える。なお、他の実施形態では、プラント１は、ガスタービン発電プラント、原子力発電プラント、化学プラントであってもよい。
本実施形態に係るプラント１は、ガスタービン複合発電プラントであり、ガスタービン１０と、ガスタービン発電機１１と、排熱回収ボイラ１２と、蒸気タービン１３と、蒸気タービン発電機１４と、制御装置４０と、を備える。なお、他の実施形態では、プラント１は、ガスタービン発電プラント、原子力発電プラント、化学プラントであってもよい。
【0015】
ガスタービン１０は、圧縮機１０１と、燃焼器１０２と、タービン１０３とを備える。
【0016】
圧縮機１０１は、吸気口から取り込んだ空気を圧縮する。圧縮機１０１には、評価項目の一つである圧縮機１０１の車室内の温度を検出するための検出器として、温度センサ１０１Ａ、１０１Ｂが設けられている。例えば、温度センサ１０１Ａは圧縮機１０１の車室入口の温度（入口空気温度）を検出し、温度センサ１０１Ｂは車室出口の温度（出口空気温度）を検出するようにしてもよい。
【0017】
燃焼器１０２は、圧縮機１０１から導入された圧縮空気に燃料Ｆを混合して燃焼させ、燃焼ガスを生成する。燃焼器１０２には、評価項目の一つである燃料Ｆの圧力を検出するための検出器として、圧力センサ１０２Ａが設けられている。
【0018】
タービン１０３は、燃焼器１０２から供給された燃焼ガスにより回転駆動する。タービン１０３には、評価項目の一つである車室内の温度を検出するための検出器として、温度センサ１０３Ａ、１０３Ｂが設けられている。例えば、温度センサ１０３Ａはタービン１０３の車室入口の温度（入口燃焼ガス温度）を検出し、温度センサ１０３Ｂは車室出口の温度（出口燃焼ガス温度）を検出するようにしてもよい。
【0019】
ガスタービン発電機１１は、タービン１０３のロータと、圧縮機１０１を介して連結され、ロータの回転により発電する。ガスタービン発電機１１には、評価項目の一つである潤滑油の温度を検出するための検出器として、温度計１１Ａが設けられている。
【0020】
排熱回収ボイラ１２は、タービン１０３から排出された燃焼ガス（排ガス）で水を加熱して、蒸気を生成する。排熱回収ボイラ１２には、評価項目の一つであるドラムの水位レベルを検出するための検出器として、レベル計１２Ａが設けられている。
【0021】
蒸気タービン１３は、排熱回収ボイラ１２からの蒸気で駆動する。蒸気タービン１３には、評価項目の一つである車室内の温度を検出するための検出器として、温度センサ１３Ａが設けられている。また、蒸気タービン１３から排出される蒸気は、復水器１３２で水に戻されて、給水ポンプを介して排熱回収ボイラ１２に送られる。
【0022】
蒸気タービン発電機１４は、蒸気タービン１３のロータ１３１と連結され、ロータ１３１の回転により発電する。蒸気タービン発電機１４には、評価項目の一つである潤滑油の温度を検出するための検出器として、温度計１４Ａが設けられている。
【0023】
なお、上述の評価項目は一例であり、これに限られることはない。プラント１の他の評価項目として、例えばガスタービン発電機１１の出力、タービン１０３の車室内の圧力、タービン１０３または蒸気タービン１３のロータの回転速度、振動等が設定されていてもよい。この場合、これら評価項目の状態量を検出する図示しない検出器がプラント１の各部に設けられる。
【0024】
制御装置４０は、プラント１の動作を制御するための装置である。また、制御装置４０は、プラント監視装置２０によりプラント１の運転状態が異常であると判定された場合、プラント監視装置２０からの制御信号に従って、プラント１各部の動作を制御するようにしてもよい。
【0025】
《構成》
図２は、第１の実施形態に係るプラント監視装置２０の機能構成を示す概略ブロック図である。
プラント監視装置２０は、センサー値取得部２０１、単位空間記憶部２０２、ＭＤ距離算出部２０３、プラントの異常の有無判定部２０４、望大ＳＮ比算出部２０５、異常センサー抽出部２０６、高値異常／低値異常の判定部２０７、故障部位推定データベース２０８、異常原因推定部２０９、異常原因出力表示部２１０を備える。
図２は、第１の実施形態に係るプラント監視装置２０の機能構成を示す概略ブロック図である。
プラント監視装置２０は、センサー値取得部２０１、単位空間記憶部２０２、ＭＤ距離算出部２０３、プラントの異常の有無判定部２０４、望大ＳＮ比算出部２０５、異常センサー抽出部２０６、高値異常／低値異常の判定部２０７、故障部位推定データベース２０８、異常原因推定部２０９、異常原因出力表示部２１０を備える。
【0026】
センサー値取得部２０１は、プラント１に設けられた複数の検出器それぞれから検出値を取得する。各検出器は複数の評価項目のそれぞれに対応している。すなわち、センサー値取得部２０１は、複数の評価項目ごとの検出値の集まりである検出値の束を取得する。センサー値取得部２０１は、所定の取得周期（例えば１分）ごとに検出値の束を取得して、単位空間記憶部に記録する。
【0027】
単位空間記憶部２０２は、正常なプラントから取得された検出値の束の組み合わせを、マハラノビス距離の単位空間として記憶する。
【0028】
ＭＤ距離算出部２０３は、センサー値取得部２０１が取得した検出値の束を諸元として、単位空間記憶部２０２が記憶する単位空間に基づいて、プラント１の状態を示すマハラノビス距離を算出する。マハラノビス距離は、単位空間として表される基準の標本と新たに得られた標本との違いの大きさを表す尺度である。
【0029】
プラントの異常の有無判定部２０４は、ＭＤ距離算出部２０３が算出したマハラノビス距離に基づいてプラント１に異常が生じているか否かを判定する。具体的には、プラントの異常の有無判定部２０４は、マハラノビス距離が所定の閾値以上である場合に、プラント１に異常が生じていると判定する。閾値には、通常３以上の値が設定される。
【0030】
望大ＳＮ比算出部２０５は、プラントの異常の有無判定部２０４がガスタービンＴに異常が生じていると判定した場合に、センサー値取得部２０１が取得した検出値の束に基づいて、タグチメソッドに係る望大ＳＮ比（Signal-Noise Ratio）を算出する。例えば、望大ＳＮ比算出部２０５は、直交表分析による項目有無の望大ＳＮ比を求める。望大ＳＮ比が大きいほど、その検出値に係る評価項目に異常がある可能性が高いと判断できる。
【0031】
異常センサー抽出部２０６は、望大ＳＮ比算出部２０５が算出した望大ＳＮ比に基づいて、マハラノビス距離の増大への寄与が高いセンサー値である少なくとも１つの異常センサーを抽出する。異常センサー抽出部２０６は、例えば、複数のセンサー値のうち望大ＳＮ比が高い上位の所定数のセンサー値を異常センサーとして抽出してよい。また例えば、異常センサー抽出部２０６は、複数のセンサー値のうち望大ＳＮ比が所定の閾値以上であるセンサー値を異常センサーとして抽出してよい。
【0032】
高値異常／低値異常の判定部２０７は、複数のセンサー値のそれぞれについて、発生した異常が、当該センサー値の検出値が高いことによる異常である高値異常か、検出値が低いことによる異常である低値異常かを特定する。つまり高値異常／低値異常の判定部２０７は、マハラノビス距離の増大が検出値の増加により生じるのか、減少により生じるのかを特定する。具体的には、高値異常／低値異常の判定部２０７は、センサー値取得部２０１が取得した検出値の束の値をセンサー値ごとに増加または減少させたときのマハラノビス距離を算出し、当該値の変化によるマハラノビス距離の増減に基づいて、高値異常か低値異常かの別を特定する。検出値の増加によりマハラノビス距離の増大が生じる場合、当該センサー値が高値異常であることが分かり、検出値の減少によりマハラノビス距離の増大が生じる場合、当該センサー値が低値異常であることが分かる。（特願2019-063575）
【0033】
故障部位推定データベース２０８は、評価項目と異常原因と高値異常か低値異常かの別との関係を表す故障部位推定データベースを作成する。図３は、第１の実施形態に係る故障部位推定データベースの一例を示す図である。具体的には、故障部位推定データベースは、高値異常および低値異常に係る各評価項目（図３の縦軸）および各異常原因（図３の横軸）について、当該異常原因が生じたときに、当該評価項目において関連付けられた異常がみられることについての情報量を保持する。情報量の値が大きいほど、関連付けられた評価項目において同様の異常がみられるときに、故障部位推定データベース２０８が記憶する情報量のうち、実際に発生した高値異常または低値異常に係る情報量は、例えば以下の式（１）によって表される。
【0034】
【数1】
【0035】
ここで、Ｉは情報量、ｘは事象の発生件数、ｗはデータの信頼度に基づく重み係数を示す。
例えば、異常原因が現実に発生し、その報告書等に基づいて異常原因が特定されたときの重み係数ｗは、保守員によって生成されたＦＴＡのデータ（ＦＴ：Fault Tree）に基づいて異常原因が特定されたときの重み係数ｗより大きくてよい。また、例えば、オフライン解析やシミュレーションなど、報告書より精度が高い手法に基づいて異常原因が特定されたときの重み係数ｗは、異常原因が現実に発生し、その報告書等に基づいて異常原因が特定されたときの重み係数ｗより大きくてよい。
例えば、異常原因が現実に発生し、その報告書等に基づいて異常原因が特定されたときの重み係数ｗは、保守員によって生成されたＦＴＡのデータ（ＦＴ：Fault Tree）に基づいて異常原因が特定されたときの重み係数ｗより大きくてよい。また、例えば、オフライン解析やシミュレーションなど、報告書より精度が高い手法に基づいて異常原因が特定されたときの重み係数ｗは、異常原因が現実に発生し、その報告書等に基づいて異常原因が特定されたときの重み係数ｗより大きくてよい。
【0036】
他方、センサー異常発生時に起こり難くなる原因は、例えば以下の式（２）によって表され負値となる。
【0037】
【数2】
【0038】
実際に発生していない高値異常または低値異常に係る情報量の算出に用いられる重みｗは、実際に発生した高値異常または低値異常に係る情報量の算出に用いられる重みｗより大きくてよい。
【0039】
異常原因推定部２０９は、故障部位推定データベースから、Ｍ＊２行Ｎ列の行列を生成する。（ここでＭ＊２の部分は高値／低値異常の区別のため２倍になる）故障部位推定データベースは、Ｍ個の評価項目と高値異常および低値異常とに関連付けて情報量を保持している。そのため、異常原因推定部２０９は、Ｍ個の評価項目のそれぞれについて、高値異常／低値異常の判定部２０７にて関連付けられた情報量を読み出すことで、Ｍ＊２行Ｎ列の行列を生成する。そして、異常原因推定部２０９は、各評価項目の望大ＳＮ比を要素とする１行Ｍ＊２列のベクトルと、生成したＭ＊２行Ｎ列の行列との乗算を行うことで、異常原因の確からしさを要素とするＮ行１列のベクトルを得る。そして、異常原因推定部２０９は、得られたＮ行１列のベクトルのうち要素の値が大きい行に係る異常原因が、プラント１に発生した異常原因であると推定する。つまり、異常原因推定部２０９は、異常原因ごとに、各評価項目の望大ＳＮ比とその項目の異常に係る情報量との加重和を算出し、当該加重和に基づいて異常原因を推定する。
【0040】
異常原因出力表示部２１０は、異常原因推定部２０９が推定した異常原因を確からしさの順に出力する。出力の例としては、ディスプレイへの表示、外部へのデータの送信、シートへの印刷、音声出力などが挙げられる。
【0041】
【0042】
図４に示すように、プラント監視装置２０のセンサー値取得部２０１が、プラント１の第１検出値および第２検出値を検出値の束Ｂとして取得すると仮定する。例えば、第１検出値は「ガスタービン出力」、第２検出値は「ボイラ水位」である。ＭＴ法では、複数の検出値の束Ｂの集合体であるデータ群を、基準データ群である単位空間Ｓとし、ある時点で取得された検出値の束Ａのマハラノビス距離Ｄを算出する。
【0043】
マハラノビス距離Ｄは、単位空間Ｓにおける検出値の分散や相関に応じて重み付けがなされた距離であり、単位空間Ｓにおけるデータ群との類似度が低いほど大きい値となる。ここで、単位空間Ｓを構成する検出値の束Ｂのマハラノビス距離の平均は１となり、プラント１の運転状態が正常である場合、検出値の束Ａのマハラノビス距離Ｄは概ね４以下に収まる。しかしながら、プラント１の運転状態が異常となると、異常の程度に応じてマハラノビス距離Ｄの値は大きくなる。
【0044】
このため、ＭＴ法では、マハラノビス距離Ｄが、予め定められた閾値Ｄｃ以内であるか否かに応じで、プラント１の運転状態が正常であるか異常であるかを判定する。例えば、検出値の束Ａ１のマハラノビス距離Ｄ１は、閾値Ｄｃ以下であるため、この検出値の束Ａ１を取得した時点におけるプラント１の運転状態は正常であると判定される。また、検出値の束Ａ２のマハラノビス距離Ｄ２は、閾値Ｄｃよりも大きいため、この検出値の束Ａ２を取得した時点におけるプラント１の運転状態は異常であると判定される。
【0045】
なお、閾値Ｄｃは、例えば単位空間Ｓを構成する複数の検出値の束Ｂそれぞれのマハラノビス距離のうち、最大のマハラノビス距離よりも大きい値に設定することが好ましい。また、このとき、プラント１の固有の特性等を考慮して、閾値Ｄｃを定めることが好ましい。閾値Ｄｃは、作業者によりプラント監視装置２０を介して変更できるようにしてもよい。
【0046】
《プラント監視装置２０の動作》
以下、プラント監視装置２０の動作について説明する。
プラント監視装置２０は、監視処理を開始する前に、プラント１が正常に運転している間、プラント１から検出値の束を収集して単位空間記憶部２０２に検出値の束を蓄積する。なお、プラント監視装置２０は、監視対象のプラント１と同様の構成を有する他のプラント１の正常時の検出値の束を取得し、単位空間記憶部２０２に記録してもよい。
以下、プラント監視装置２０の動作について説明する。
プラント監視装置２０は、監視処理を開始する前に、プラント１が正常に運転している間、プラント１から検出値の束を収集して単位空間記憶部２０２に検出値の束を蓄積する。なお、プラント監視装置２０は、監視対象のプラント１と同様の構成を有する他のプラント１の正常時の検出値の束を取得し、単位空間記憶部２０２に記録してもよい。
【0047】
（プラント１の監視処理）
単位空間記憶部２０２に単位空間が記録され、また故障部位推定データベース２０８に故障部位推定データベースが記録されると、プラント監視装置２０は、所定の監視タイミング（例えば、１時間おきのタイミング）で、以下に示す監視処理を実行する。
図６は、第１の実施形態に係るプラント１の監視処理を示すフローチャートである。
単位空間記憶部２０２に単位空間が記録され、また故障部位推定データベース２０８に故障部位推定データベースが記録されると、プラント監視装置２０は、所定の監視タイミング（例えば、１時間おきのタイミング）で、以下に示す監視処理を実行する。
図６は、第１の実施形態に係るプラント１の監視処理を示すフローチャートである。
【0048】
プラント監視装置２０が監視処理を開始すると、センサー値取得部２０１は、プラント１から検出値の束を取得する（ステップＳ３１）。ＭＤ距離算出部２０３は、ステップＳ３１で取得された検出値の束を諸元として、単位空間記憶部２０２が記憶する単位空間に基づいて、マハラノビス距離を算出する（ステップＳ３２）。
【0049】
次に、プラントの異常の有無判定部２０４は、ステップＳ３２で算出したマハラノビス距離に基づいてプラント１に異常が生じているか否かを判定する（ステップＳ３３）。プラントの異常の有無判定部２０４がプラント１に異常が生じていないと判定した場合（ステップＳ３３：ＮＯ）、プラント監視装置２０は、監視処理を終了し、次回の監視タイミングを待機する。
【0050】
他方、プラントの異常の有無判定部２０４がプラント１に異常が生じていると判定した場合（ステップＳ３３：ＹＥＳ）、望大ＳＮ比算出部２０５は、ステップＳ３１で取得された検出値の束と、ステップＳ３２で算出されたマハラノビス距離とに基づいて、各評価項目についてタグチメソッドに係る望大ＳＮ比を算出する（ステップＳ３４）。
【0051】
次に、プラント監視装置２０は、評価項目を１つずつ選択し、各評価項目について以下に示すステップＳ３６からステップＳ４１の処理を行う（ステップＳ３５）。
まず、高値異常／低値異常の判定部２０７は、ステップＳ３１で取得した検出値の束のうち、ステップＳ３５で選択されたセンサー値を所定量増加させる（ステップＳ３６）。次に、ＭＤ距離算出部２０３は、ステップＳ３６で変化させた検出値の束を諸元として、単位空間記憶部２０２が記憶する単位空間に基づいて、マハラノビス距離を算出する（ステップＳ３７）。
まず、高値異常／低値異常の判定部２０７は、ステップＳ３１で取得した検出値の束のうち、ステップＳ３５で選択されたセンサー値を所定量増加させる（ステップＳ３６）。次に、ＭＤ距離算出部２０３は、ステップＳ３６で変化させた検出値の束を諸元として、単位空間記憶部２０２が記憶する単位空間に基づいて、マハラノビス距離を算出する（ステップＳ３７）。
【0052】
高値異常／低値異常の判定部２０７は、異常センサーに係る検出値の増加によってマハラノビス距離が増大したか、減少したか、変化しないかを判定する（ステップＳ３８）。例えば、高値異常／低値異常の判定部２０７は、マハラノビス距離の差分が所定の閾値以下である場合に、マハラノビス距離が変化しないと判定してよい。
マハラノビス距離が増大した場合（ステップＳ３８：増大）、高値異常／低値異常の判定部２０７は、ステップＳ３５で抽出された異常センサーに高値異常があると判定する（ステップＳ３９）。他方、マハラノビス距離が減少した場合（ステップＳ３８：減少）、高値異常／低値異常の判定部２０７は、ステップＳ３５で抽出された異常センサーに低値異常があると判定する（ステップＳ４０）。マハラノビス距離が変化しない場合（ステップＳ３８：不変）、高値異常／低値異常の判定部２０７は、ステップＳ３５で抽出された異常センサーに分類できないと判定する（ステップＳ４１）。
マハラノビス距離が増大した場合（ステップＳ３８：増大）、高値異常／低値異常の判定部２０７は、ステップＳ３５で抽出された異常センサーに高値異常があると判定する（ステップＳ３９）。他方、マハラノビス距離が減少した場合（ステップＳ３８：減少）、高値異常／低値異常の判定部２０７は、ステップＳ３５で抽出された異常センサーに低値異常があると判定する（ステップＳ４０）。マハラノビス距離が変化しない場合（ステップＳ３８：不変）、高値異常／低値異常の判定部２０７は、ステップＳ３５で抽出された異常センサーに分類できないと判定する（ステップＳ４１）。
【0053】
異常原因推定部２０９は、故障部位推定データベース２０８を用いてＭ＊２行Ｎ列の行列を生成する（ステップＳ４２）。ステップＳ３４で算出された各評価項目の望大ＳＮ比と高値異常か低値異常かの別を加えた、１行Ｍ＊２列のベクトルと、異常原因推定部２０９、ステップＳ４２で生成したＭ＊２行Ｎ列の行列との乗算を行うことで、異常原因の確からしさを要素とするＮ行１列のベクトルを得る（ステップＳ４３）。なお、分類できないとされた望大ＳＮ比の項目は０とする。次に、異常原因推定部２０９は、各異常原因を、得られたベクトルが表す確からしさの降順にソートする（ステップＳ４４）。このとき、異常原因推定部２０９は、通常より発生し難くなる場合は負数とする。そして、異常原因出力表示部２１０は、異常原因推定部２０９が推定した異常原因を、ソートされた順に出力する（ステップＳ４５）。例えば、異常原因出力表示部２１０は、最も確からしさが高い異常原因をディスプレイに表示させ、利用者の操作により、次の異常原因の表示指令を受け付けた場合に、次に確からしさが高い異常原因をディスプレイに表示させる。また例えば、異常原因出力表示部２１０は、異常原因のリストを、確からしさの降順にシートに印刷する。
【0054】
《作用・効果》
このように、第１の実施形態によれば、プラント監視装置２０は、マハラノビス距離に基づいて異常があると判定した場合に、各センサー値の異常と、プラント１に生じ得る複数の異常原因と異常別の前記複数のセンサー値との関係を保持する故障部位推定データベースとに基づいて異常原因を推定する。
これにより、プラント監視装置２０は、各センサー値に高値側の異常があるか低値側の異常があるかで切り分けて異常原因の推定を行うことができる。したがって、プラント監視装置２０は、異常原因の推定結果に発生する可能性が低い事象を除去することができる。
このように、第１の実施形態によれば、プラント監視装置２０は、マハラノビス距離に基づいて異常があると判定した場合に、各センサー値の異常と、プラント１に生じ得る複数の異常原因と異常別の前記複数のセンサー値との関係を保持する故障部位推定データベースとに基づいて異常原因を推定する。
これにより、プラント監視装置２０は、各センサー値に高値側の異常があるか低値側の異常があるかで切り分けて異常原因の推定を行うことができる。したがって、プラント監視装置２０は、異常原因の推定結果に発生する可能性が低い事象を除去することができる。
【0055】
また、第１の実施形態に係る故障部位推定データベースは、原因と高値／低値の異常センサーとに関連付け、当該異常原因の発生可能性の増加・減少を示す情報量を保持する。そして、プラント監視装置２０は、複数のセンサー値ごとに、故障部位推定データベースにおいて当該センサー値について特定された異常に関連付けられた情報量と、当該センサー値に係る望大ＳＮ比とを乗算した値を求め、求めた値の総和に基づいて異常原因を推定する。これにより、望大ＳＮ比が高いセンサー値に係る情報量が大きい異常原因の確からしさが高くなり、望大ＳＮ比が高いセンサー値に係る情報量が小さい異常原因の確からしさが低くなる。したがって、プラント監視装置２０は、異常原因の推定結果に発生する可能性が低い事象を除去することができる。
なお、他の実施形態ではこれに限られない。例えば、他の実施形態に係るプラント監視装置２０は、各センサー値の望大ＳＮ比を要素とする１行Ｍ＊２列のベクトルと、故障部位推定データベースの値を要素とするＭ＊２行Ｎ列の行列の各行ベクトルとのコサイン類似度を算出することにより、異常の異常原因の確からしさを要素とするＮ行１列のベクトルを得てもよい。なお、コサイン類似度は、ベクトルの内積（各望大ＳＮ比と異常原因に係る情報量との加重和）を各ベクトルのノルムの積で除算した値である。例えば、他の実施形態に係るプラント監視装置２０は、行列計算によらず、異常の異常原因ごとに、各センサー値の望大ＳＮ比と異常原因の情報量との加重和を求めてもよい。
なお、他の実施形態ではこれに限られない。例えば、他の実施形態に係るプラント監視装置２０は、各センサー値の望大ＳＮ比を要素とする１行Ｍ＊２列のベクトルと、故障部位推定データベースの値を要素とするＭ＊２行Ｎ列の行列の各行ベクトルとのコサイン類似度を算出することにより、異常の異常原因の確からしさを要素とするＮ行１列のベクトルを得てもよい。なお、コサイン類似度は、ベクトルの内積（各望大ＳＮ比と異常原因に係る情報量との加重和）を各ベクトルのノルムの積で除算した値である。例えば、他の実施形態に係るプラント監視装置２０は、行列計算によらず、異常の異常原因ごとに、各センサー値の望大ＳＮ比と異常原因の情報量との加重和を求めてもよい。
【0056】
また、第１の実施形態に係る故障部位推定データベースは、異常原因と、当該異常原因が生じたときに発生する可能性が高いセンサー値の異常とに関連付けて、正の情報量を保持する。他方、第１の実施形態に係る故障部位推定データベースは、異常原因と、当該異常原因が生じたときに発生しない可能性が高いセンサー値の異常とに関連付けて、負の情報量を保持する。これにより、プラント監視装置２０は、発生しない可能性が高い異常原因の確からしさを積極的に下げることができる。したがって、プラント監視装置２０は、異常原因の推定結果に発生する可能性が低い事象を除去することができる。
なお、他の実施形態においては、これに限られない。例えば、他の実施形態に係る故障部位推定データベースは、異常原因と、当該異常原因が生じたときに発生しない可能性が高いセンサー値の異常とに関連付けて、情報量ゼロを保持してもよい。この場合にも、負の情報量を有する場合と比較して異常原因の確からしさは大きく下がらないものの、各センサー値の異常を切り分けて異常原因の推定を行うことで、異常原因の推定結果に発生する可能性が低い事象を除去することができる。
なお、他の実施形態においては、これに限られない。例えば、他の実施形態に係る故障部位推定データベースは、異常原因と、当該異常原因が生じたときに発生しない可能性が高いセンサー値の異常とに関連付けて、情報量ゼロを保持してもよい。この場合にも、負の情報量を有する場合と比較して異常原因の確からしさは大きく下がらないものの、各センサー値の異常を切り分けて異常原因の推定を行うことで、異常原因の推定結果に発生する可能性が低い事象を除去することができる。
【0057】
また、第１の実施形態に係るプラント監視装置２０は、異常原因が生じたときの前記検出値の束に基づいて、各センサー値について、特定された異常に関連付けられた情報量を増加させ、特定されなかった異常に関連付けられた情報量を減少させるように、故障部位推定データベースを更新する。これにより、プラント監視装置２０は、自動的に逆の方向に係る情報量を有する故障部位推定データベースを生成することができる。なお、他の実施形態においてはこれに限られず、負の情報量は、作業員によって手動で入力されてもよい。
【0058】
また、第１の実施形態に係るプラント監視装置２０は、複数のセンサー値のうち望大ＳＮ比が大きい少なくとも１つの異常センサーについて、情報量を更新する。これにより、プラント監視装置２０は、故障部位推定データベースにおいて各センサー値の情報量にメリハリをつけることができる。
【0059】
以上、図面を参照して一実施形態について詳しく説明してきたが、具体的な構成は上述のものに限られることはなく、様々な設計変更等をすることが可能である。すなわち、他の実施形態においては、上述の処理の順序が適宜変更されてもよい。また、一部の処理が並列に実行されてもよい。
【0060】
〈コンピュータ構成〉
図７は、少なくとも１つの実施形態に係るコンピュータの構成を示す概略ブロック図である。
コンピュータ９０は、プロセッサ９１、メインメモリ９２、ストレージ９３、インタフェース９４を備える。
上述のプラント監視装置２０は、コンピュータ９０に実装される。そして、上述した各処理部の動作は、プログラムの形式でストレージ９３に記憶されている。プロセッサ９１は、プログラムをストレージ９３から読み出してメインメモリ９２に展開し、当該プログラムに従って上記処理を実行する。また、プロセッサ９１は、プログラムに従って、上述した各記憶部に対応する記憶領域をメインメモリ９２に確保する。プロセッサ９１の例としては、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphic Processing Unit）、マイクロプロセッサなどが挙げられる。
図７は、少なくとも１つの実施形態に係るコンピュータの構成を示す概略ブロック図である。
コンピュータ９０は、プロセッサ９１、メインメモリ９２、ストレージ９３、インタフェース９４を備える。
上述のプラント監視装置２０は、コンピュータ９０に実装される。そして、上述した各処理部の動作は、プログラムの形式でストレージ９３に記憶されている。プロセッサ９１は、プログラムをストレージ９３から読み出してメインメモリ９２に展開し、当該プログラムに従って上記処理を実行する。また、プロセッサ９１は、プログラムに従って、上述した各記憶部に対応する記憶領域をメインメモリ９２に確保する。プロセッサ９１の例としては、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphic Processing Unit）、マイクロプロセッサなどが挙げられる。
【0061】
プログラムは、コンピュータ９０に発揮させる機能の一部を実現するためのものであってもよい。例えば、プログラムは、ストレージに既に記憶されている他のプログラムとの組み合わせ、または他の装置に実装された他のプログラムとの組み合わせによって機能を発揮させるものであってもよい。なお、他の実施形態においては、コンピュータ９０は、上記構成に加えて、または上記構成に代えてＰＬＤ（Programmable Logic Device）などのカスタムＬＳＩ（Large Scale Integrated Circuit）を備えてもよい。ＰＬＤの例としては、ＰＡＬ(Programmable Array Logic)、ＧＡＬ(Generic Array Logic)、ＣＰＬＤ(Complex Programmable Logic Device)、ＦＰＧＡ（Field Programmable Gate Array）が挙げられる。この場合、プロセッサ９１によって実現される機能の一部または全部が当該集積回路によって実現されてよい。このような集積回路も、プロセッサの一例に含まれる。
【0062】
ストレージ９３の例としては、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、磁気ディスク、光磁気ディスク、ＣＤ－ＲＯＭ（Compact Disc Read Only Memory）、ＤＶＤ－ＲＯＭ（Digital Versatile Disc Read Only Memory）、半導体メモリ等が挙げられる。ストレージ９３は、コンピュータ９０のバスに直接接続された内部メディアであってもよいし、インタフェース９４または通信回線を介してコンピュータ９０に接続される外部メディアであってもよい。また、このプログラムが通信回線によってコンピュータ９０に配信される場合、配信を受けたコンピュータ９０が当該プログラムをメインメモリ９２に展開し、上記処理を実行してもよい。少なくとも１つの実施形態において、ストレージ９３は、一時的でない有形の記憶媒体である。
【0063】
また、当該プログラムは、前述した機能の一部を実現するためのものであってもよい。さらに、当該プログラムは、前述した機能をストレージ９３に既に記憶されている他のプログラムとの組み合わせで実現するもの、いわゆる差分ファイル（差分プログラム）であってもよい。
【0064】
上述した実施形態に係るプラント監視装置２０は、単独のコンピュータ９０によって構成されるものであってもよいし、プラント監視装置２０の構成を複数のコンピュータ９０に分けて配置し、複数のコンピュータ９０が互いに協働することでプラント監視装置２０として機能するものであってもよい。
【0065】
〈付記〉
各実施形態に記載のプラント監視装置、プラント監視方法およびプログラムは、例えば以下のように把握され得る。
各実施形態に記載のプラント監視装置、プラント監視方法およびプログラムは、例えば以下のように把握され得る。
【0066】
（１）第１の態様によれば、プラント監視装置（２０）は、プラント（１）に関する複数のセンサー値毎の検出値の束を取得するセンサー値取得部（２０１）と、前記複数のセンサー値毎の検出値の束が集まって構成される単位空間を基準にして、前記センサー値取得部（２０１）が取得した前記検出値の束のマハラノビス距離を求める距離算出部（２０３）と、前記マハラノビス距離が所定の閾値以内であるか否かに応じて、前記プラント（１）の運転状態が正常であるか異常であるかを判定するプラントの異常の有無判定部（２０４）と、前記プラントの運転状態が異常と判定された場合、前記検出値の束のうち原因と推定される少なくとも１つのセンサー値について、検出値が高いことによる異常である高値異常か、検出値が低いことによる異常である低値異常かを特定する高値異常／低値異常判定部（２０７）と、前記少なくとも１つのセンサー値ごとに、低値異常か高値異常かの別と、前記プラントに生じ得る複数の異常原因と傾向別の前記複数のセンサー値との関係を保持する故障部位推定データベースとに基づいて、異常原因を推定する異常原因推定部（２０９）と、推定された前記異常原因を出力する出力部（２１０）と、を有する。
これにより、プラント監視装置は、各センサー値に高値側の異常があるか低値側の異常があるかで切り分けて異常原因の推定を行うことができる。したがって、プラント監視装置は、異常原因の推定結果に発生する可能性が低い事象を除去することができる。
「取得する」とは、新たに値を得ることである。例えば、「取得する」は、値を受信すること、値の入力を受け付けること、記憶媒体から値を読み出すこと、ある値から他の値を算出することなどを含む。
「特定する」とは、第１の値を用いて複数の値を取り得る第２の値を定めることである。例えば、「特定する」は、第１の値から第２の値を算出すること、故障部位推定データベースを参照して第１の値に対応する第２の値を読み出すこと、第１の値をクエリとして第２の値を検索すること、第１の値に基づいて複数の候補の中から第２の値を選択することなどを含む。
これにより、プラント監視装置は、各センサー値に高値側の異常があるか低値側の異常があるかで切り分けて異常原因の推定を行うことができる。したがって、プラント監視装置は、異常原因の推定結果に発生する可能性が低い事象を除去することができる。
「取得する」とは、新たに値を得ることである。例えば、「取得する」は、値を受信すること、値の入力を受け付けること、記憶媒体から値を読み出すこと、ある値から他の値を算出することなどを含む。
「特定する」とは、第１の値を用いて複数の値を取り得る第２の値を定めることである。例えば、「特定する」は、第１の値から第２の値を算出すること、故障部位推定データベースを参照して第１の値に対応する第２の値を読み出すこと、第１の値をクエリとして第２の値を検索すること、第１の値に基づいて複数の候補の中から第２の値を選択することなどを含む。
【0067】
（２）第２の態様によれば、第１の態様に係るプラント監視装置（２０）が、前記検出値の束に基づいて、前記複数のセンサー値の望大ＳＮ比を算出する望大ＳＮ比算出部（２０５）を備え、前記故障部位推定データベースは、異常原因とセンサー値とに関連付けて、異常原因の発生可能性の増加・減少を示す情報量を保持し、前記異常原因推定部（２０９）は、前記複数のセンサー値ごとに、前記故障部位推定データベースにおいて当該センサー値について特定された低値異常か高値異常かの別に関連付けられた情報量と、当該センサー値に係る前記望大ＳＮ比とを乗算した値を求め、求めた前記値の総和に基づいて前記異常原因を推定するものであってよい。
これにより、望大ＳＮ比が高いセンサー値に係る情報量が大きい異常原因の確からしさが高くなり、望大ＳＮ比が高いセンサー値に係る情報量が小さい異常原因の確からしさが低くなる。したがって、プラント監視装置は、異常原因の推定結果に発生する可能性が低い事象を除去することができる。
これにより、望大ＳＮ比が高いセンサー値に係る情報量が大きい異常原因の確からしさが高くなり、望大ＳＮ比が高いセンサー値に係る情報量が小さい異常原因の確からしさが低くなる。したがって、プラント監視装置は、異常原因の推定結果に発生する可能性が低い事象を除去することができる。
【0068】
（３）第３の態様によれば、第１または第２の態様に係るプラント監視装置（２０）において、前記故障部位推定データベースにおいて、異常原因と、低値異常および高値異常のうち当該異常原因が生じたときに発生する可能性が高いものとに、正の情報量が関連付けられ、異常原因と、低値異常および高値異常のうち当該異常原因が生じたときに発生しない可能性が高いものに、負の情報量が関連付けられるものであってよい。
これにより、プラント監視装置は、発生しない可能性が高い異常原因の確からしさを積極的に下げることができる。したがって、プラント監視装置は、異常原因の推定結果に発生する可能性が低い事象を除去することができる。
これにより、プラント監視装置は、発生しない可能性が高い異常原因の確からしさを積極的に下げることができる。したがって、プラント監視装置は、異常原因の推定結果に発生する可能性が低い事象を除去することができる。
【0069】
（４）第４の態様によれば、第３の態様に係るプラント監視装置において、低値異常および高値異常のうち前記故障部位推定データベースにおいて、前記異常原因が生じたときに発生しない可能性が高いものに関連付けられた情報量の絶対値は、当該異常原因が生じたときに発生する可能性が高いものに関連付けられた情報量の絶対値より大きいものであってよい。
【0070】
（５）第５の態様によれば、プログラムは、コンピュータに、プラントに関する複数のセンサー値毎の検出値の束を取得するステップと、前記複数のセンサー値毎の検出値の束が集まって構成される単位空間を基準にして、前記取得部が取得した前記検出値の束のマハラノビス距離を求めるステップと、前記マハラノビス距離が所定の閾値以内であるか否かに応じて、前記プラントの運転状態が正常であるか異常であるかを判定するステップと、前記プラントの運転状態が異常と判定された場合、前記検出値の束のうち原因と推定される少なくとも１つのセンサー値について、検出値が高いことによる異常である高値異常か、検出値が低いことによる異常である低値異常かを特定するステップと、前記少なくとも１つのセンサー値ごとに、低値異常か高値異常かの別と、前記プラントに生じ得る複数の異常原因と前記複数のセンサー値との関係を保持する故障部位推定データベースとに基づいて、異常原因を推定するステップと、推定された前記異常原因を出力するステップと、を実行させる。
【産業上の利用可能性】
【0071】
プラント監視装置は、センサの異常により原因が発生する可能性が低くなる事象の情報を負値に設定することで、故障の真因をより信頼性良く推定できる。
【符号の説明】
【0072】
１ プラント
２０ プラント監視装置
２０１ センサー値取得部
２０２ 単位空間記憶部
２０３ ＭＤ距離算出部
２０４ プラントの異常の有無判定部
２０５ 望大ＳＮ比算出部
２０６ 異常センサー抽出部
２０７ 高値異常／低値異常の判定部
２０８ 故障部位推定データベース
２０９ 異常原因推定部
２１０ 異常原因出力表示部
２０ プラント監視装置
２０１ センサー値取得部
２０２ 単位空間記憶部
２０３ ＭＤ距離算出部
２０４ プラントの異常の有無判定部
２０５ 望大ＳＮ比算出部
２０６ 異常センサー抽出部
２０７ 高値異常／低値異常の判定部
２０８ 故障部位推定データベース
２０９ 異常原因推定部
２１０ 異常原因出力表示部
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】