(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】2024-07-02
(45)【発行日】2024-07-10
(54)【発明の名称】プラント設備の診断方法及び装置
(51)【国際特許分類】
G05B 23/02 20060101AFI20240703BHJP
【ＦＩ】
G05B23/02 T
【請求項の数】
9
(21)【出願番号】P 2020138502
(22)【出願日】2020-08-19
(65)【公開番号】P2022034688
(43)【公開日】2022-03-04
【審査請求日】2023-04-12
(73)【特許権者】
【識別番号】000004400
【氏名又は名称】オルガノ株式会社
(74)【代理人】
【識別番号】100123788
【弁理士】
【氏名又は名称】宮崎 昭夫
(74)【代理人】
【識別番号】100127454
【弁理士】
【氏名又は名称】緒方 雅昭
(72)【発明者】
【氏名】河原 賢吾
【審査官】影山 直洋
(56)【参考文献】
【文献】特開２０１４－０４８６９７（ＪＰ，Ａ）
【文献】特開２０１８－１６００９３（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】
コンピュータが、プラント設備の状態を示す指標データを取得し、
前記指標データを時系列に保存し、
前記時系列に保存された前記指標データに基づいて、前記指標データを連続型確率変数とする確率密度関数を生成し、
前記確率密度関数から前記指標データの相対的な出やすさを示す計算値を算出し、
時間的に連続する前記計算値の積の経時変化に基づいて、前記プラント設備で異常の発生が予測されるか否かを判定するプラント設備の診断方法。
【請求項2】
前記コンピュータが、前記計算値の積が予め設定された第１の閾値よりも大きい場合、前記プラント設備が正常であると判定し、前記計算値の積が前記第１の閾値以下である場合、前記プラント設備で異常の発生が予測されると判定する請求項１に記載のプラント設備の診断方法。
【請求項3】
前記コンピュータが、前記計算値の積の経時変化が予め設定された第２の閾値よりも小さい場合、前記プラント設備が正常であると判定し、前記計算値の積が前記第２の閾値以上である場合、前記プラント設備で異常の発生が予測されると判定する請求項１または２に記載のプラント設備の診断方法。
【請求項4】
前記コンピュータが、前記プラント設備で異常の発生が予測されると判定した場合、前記プラント設備の運転方法を変更する請求項１から３のいずれか１項に記載のプラント設備の診断方法。
【請求項5】
前記コンピュータが、前記プラント設備で異常の発生が予測されると判定した場合、前記プラント設備の運転工程を変更する請求項１から４のいずれか１項に記載のプラント設備の診断方法。
【請求項6】
前記コンピュータが、前記プラント設備で異常の発生が予測されると判定した場合、前記プラント設備の運転条件を変更する請求項１から５のいずれか１項に記載のプラント設備の診断方法。
【請求項7】
前記コンピュータが、前記プラント設備で異常の発生が予測されると判定した場合、該判定の結果を外部へ通知する請求項１から６のいずれか１項に記載のプラント設備の診断方法。
【請求項8】
前記計算値が、前記指標データの確率密度または確率である請求項１から７のいずれか１項に記載のプラント設備の診断方法。
【請求項9】
プラント設備の状態を示す指標データを取得する取得部と、前記取得部で取得された前記指標データを時系列に保存する記録部と、
前記記録部に保存された前記指標データに基づいて、前記指標データを連続型確率変数とする確率密度関数を生成する生成部と、
前記生成部で生成された前記確率密度関数から前記指標データの相対的な出やすさを示す計算値を算出する算出部と、
前記算出部で算出された、時間的に連続する前記計算値の積の経時変化に基づいて、前記プラント設備で異常の発生が予測されるか否かを判定する診断部と、
を有するプラント設備の診断装置。
【発明の詳細な説明】
【技術分野】
【0001】
本発明はプラント設備の診断方法及び装置に関する。
【背景技術】
【0002】
化学プラント、石油プラント、水処理プラント等の各種のプラント設備には、様々な計測器が設置されており、それらの計測器から得られる測定データを用いて、圧力、水量、熱、化学物質の濃度等が監視される。また、プラント設備では、様々な計測器を用いた観測結果に基づいて、異常の発生をより高度に検知する、または異常の内容を診断する、異常検知・診断システムの導入も進んでいる（例えば、特許文献１及び２参照）。
【先行技術文献】
【特許文献】
【0003】
【文献】特開２０１９－１５３０４５号公報
【文献】特開２０２０－２７５３２号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
上述した特許文献１は、計測器から得られる測定データの信頼性を高めることで、プラント設備や計測器で発生している異常を精度良く検知し、プラント設備の運転管理を適切に行うための技術を提案したものである。また、特許文献２もプラント設備や計測器で発生している異常を精度良く検知するための技術を提案したものである。
【0005】
プラント設備には、例えば水処理プラントのように重要な社会インフラも存在する。そのため、プラント設備では、発生している異常を精度良く検知するだけでなく、異常の発生を予測して、実際に異常が発生する前に対処できるようにすることが望ましい。上記特許文献１及び２に記載された技術は、プラント設備における異常の発生を予測するものではない。
【0006】
本発明は上述したような背景技術が有する課題を解決するためになされたものであり、異常の発生を予測できるプラント設備の診断方法及び装置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】
【0007】
上記目的を達成するため本発明のプラント設備の診断方法は、コンピュータが、
プラント設備の状態を示す指標データを取得し、
前記指標データを時系列に保存し、
前記時系列に保存された前記指標データに基づいて、前記指標データを連続型確率変数とする確率密度関数を生成し、
前記確率密度関数から前記指標データの相対的な出やすさを示す計算値を算出し、
時間的に連続する前記計算値の積の経時変化に基づいて、前記プラント設備で異常の発生が予測されるか否かを判定する方法である。
プラント設備の状態を示す指標データを取得し、
前記指標データを時系列に保存し、
前記時系列に保存された前記指標データに基づいて、前記指標データを連続型確率変数とする確率密度関数を生成し、
前記確率密度関数から前記指標データの相対的な出やすさを示す計算値を算出し、
時間的に連続する前記計算値の積の経時変化に基づいて、前記プラント設備で異常の発生が予測されるか否かを判定する方法である。
【0008】
一方、本発明のプラント設備の診断装置は、
プラント設備の状態を示す指標データを取得する取得部と、
前記取得部で取得された前記指標データを時系列に保存する記録部と、
前記記録部に保存された前記指標データに基づいて、前記指標データを連続型確率変数とする確率密度関数を生成する生成部と、
前記生成部で生成された前記確率密度関数から前記指標データの相対的な出やすさを示す計算値を算出する算出部と、
前記算出部で算出された、時間的に連続する前記計算値の積の経時変化に基づいて、前記プラント設備で異常の発生が予測されるか否かを判定する診断部と、
を有する。
プラント設備の状態を示す指標データを取得する取得部と、
前記取得部で取得された前記指標データを時系列に保存する記録部と、
前記記録部に保存された前記指標データに基づいて、前記指標データを連続型確率変数とする確率密度関数を生成する生成部と、
前記生成部で生成された前記確率密度関数から前記指標データの相対的な出やすさを示す計算値を算出する算出部と、
前記算出部で算出された、時間的に連続する前記計算値の積の経時変化に基づいて、前記プラント設備で異常の発生が予測されるか否かを判定する診断部と、
を有する。
【発明の効果】
【0009】
本発明によれば、プラント設備における異常の発生を予測できる。
【図面の簡単な説明】
【0010】
【図1】本発明のプラント設備の診断装置の一構成例を示すブロック図である。
【図3】本発明の診断方法による処理の一例を示すフローチャートである。
【図4】本発明の診断装置による運転方法の変更処理の一例を示すフローチャートである。
【図5】本発明の診断装置で保存される指標データの一例を示すテーブル図である。
【図6】本発明の診断装置で算出される確率密度関数の生成に必要なパラメータの一例を示すテーブル図である。
【図7】本発明の診断装置で算出される計算値の一例を示すテーブル図である。
【図8】本発明の診断装置で算出される計算値の積の一例を示すテーブル図である。
【図9】プラント設備の診断に用いる閾値の一例を示すテーブルである。
【図10】本発明の診断装置による診断結果の一例を示すテーブル図である。
【図11】本発明の診断装置による診断結果の一例を時系列に示したグラフである。
【図12】本発明の診断装置による診断結果の一例を時系列に示したグラフである。
【発明を実施するための形態】
【0011】
次に本発明について図面を用いて説明する。
【0012】
プラント設備が正常に運転している状態において、該プラント設備に設置された計測器（センサ）から時系列に得られる測定データは、ある確率分布に従っており、例えば、その移動平均を中心に正規分布に従って分布すると考えられる。本発明では、時系列に得られた測定データのうち、時間的に連続する、ある時刻及びその1つ前（過去）の時刻に得られた測定データが、それ以前の測定データの移動平均から大きく外れているとき（例えば、正規分布における±２σ以上、σは移動標準偏差）、プラント設備にてそれまでとは異なる事象が起きており、「異常」の兆候があると判定する。測定データが移動平均から大きく外れているか否かの判定には、該測定データの相対的な出やすさを示す確率密度または確率を用いる。そして、「異常」の兆候がある場合、すなわち「異常」の発生が予測される場合は、該「異常」の発生を抑制するために、プラント設備の運転方法や運転条件等を切り替える。
【0013】
【0014】
図１で示すように、本発明の診断装置１は、取得部１１、記録部１２、生成部１３、算出部１４、診断部１５、通告部１６及び変更部１７を備え、プラント設備２に設置された計測器である複数のセンサ３（図１に示す例では、センサ３１～３３）の測定データに基づいて、該プラント設備２の運転を管理する装置である。図１は、プラント設備２に３つのセンサ３１～３３が設置された例を示しているが、プラント設備２に設置されるセンサ３の数は幾つであってもよい。
【0015】
取得部１１は、プラント設備２に設置されたセンサ３毎の測定データである、該プラント設備２の状態を示す指標データを取得する。取得部１１は、例えばセンサ３毎の指標データを予め設定された所定の周期毎に取得すればよい。取得部１１は、センサ３から診断装置１へ送信される１つまたは複数の指標データを、インターネット等の周知の通信ネットワークを介して取得してもよい。
【0016】
センサ３には、例えば、圧力センサ、流量センサ、温度センサ、湿度センサ、速度センサ、振動センサ、電流センサ、電圧センサ、ガスセンサ、画像センサ、色彩センサ、超音波センサ、レベルセンサ、物質センサ等が用いられる。
【0017】
物質センサの検知対象としては、ｐＨ、ＴＯＣ（Total Organic Carbon）、ＢＯＤ（Biochemical Oxygen Demand）、ＣＯＤ（Chemical Oxygen Demand）、電気伝導度、濁度、色度、アルミニウム、ホウ素、銅、クロム、バナジウム、鉄、マンガン、ニッケル、銀、スズ、亜鉛、鉛、ヒ素、カドミウム、水銀、コバルト、モリブデン、シリカ、シアン、水酸化物、亜硝酸、硝酸、亜硫酸、硫化物、硫酸、全窒素、有機体窒素、硝酸性窒素、亜硝酸性窒素、全リン、リン酸、アンモニウム、リチウム、カリウム、ナトリウム、カルシウム、マグネシウム、塩化物、臭化物、ヨウ化物、遊離残留塩素、結合残留塩素、総残留塩素、活性酸素、過酸化水素、アスコルビン酸、キレート剤、界面活性剤、グルコース、ポリマー、ホルムアルデヒド等が考えられる。
【0018】
指標データには、カルシウム塩及び／またはマグネシウム塩の含有量を示す指標となる硬度、あるいは炭酸水素塩、炭酸塩、水酸化物等のアルカリ成分の含有量を示す指標となる酸消費量、あるいは水に溶けている強酸、炭酸、有機酸及び水酸化物として沈殿する金属元素等の含有量を示す指標となるアルカリ消費量、あるいは酸素、過酸化水素、水素、亜硫酸等の酸化剤または還元剤の含有量を示す指標となる酸化還元電位等を用いてもよい。硬度、酸消費量、アルカリ消費量、酸化還元電位等の値は、周知の方法を用いて測定すればよい。また、指標データには、例えば、圧力差のように、同一種類の複数のセンサの測定データから算出した値を用いてもよい。
【0019】
記録部１２には、取得部１１で取得されたセンサ３毎の指標データが時系列に保存される。また、記録部１２には、診断装置１内で算出された計算結果や診断結果等が保存される。
【0020】
生成部１３は、記録部１２で保存された指標データを用いて、該指標データを連続型確率変数とする確率密度関数を指標データの取得時刻毎にそれぞれ生成する。確率密度関数は、時系列に得られる各指標データが、その移動平均を中心に正規分布に従って分布するものとして、下記式（１）を用いて生成する。確率密度関数は、指標データの移動平均μ及び移動標準偏差σをそれぞれ算出し、該算出したμ及びσの値を下記式（１）に代入することで得ることができる。時刻ｔにおける移動平均μは、例えば該時刻ｔから過去の所定の時間（例えば、２４時間）までに得られた全ての指標データの平均値を用いればよい。また、時刻ｔにおける移動標準偏差σは、例えば該時刻ｔから過去の所定の時間（例えば、２４時間）までに得られた全ての指標データから求めた標準偏差を用いればよい。
【0021】
【数1】
【0022】
診断部１５は、上述した時間的に連続する２つの指標データが、それ以前の指標データの移動平均から大きく外れているか否かの判定に用いる、時刻ｔにおける計算値と、１つ前（過去）の時刻ｔ－１における計算値との積を計算する。例えば、指標データを1分間隔で取得している場合、診断部１５は、時刻ｔにおける確率密度ｆ（ｘｔ）と、１分前の時刻ｔ－１における確率密度ｆ（ｘｔ－１）とを乗算して積ｆ（ｘｔ）×ｆ（ｘｔ－１）を算出する。
【0023】
さらに、診断部１５は、算出した確率密度の積ｆ（ｘｔ）×ｆ（ｘｔ－１）と予め設定された閾値とを比較することで、監視対象であるプラント設備２で異常の発生が予測されるか否かを判定する。具体的には、診断部１５は、確率密度の積ｆ（ｘｔ）×ｆ（ｘｔ－１）が、予め設定された閾値（第１の閾値）よりも大きければ「正常」と判定し、第１の閾値以下であれば「異常」と判定する。あるいは、診断部１５は、時刻ｔにおける確率密度の積ｆ（ｘｔ）×ｆ（ｘｔ－１）と、１分前の時刻ｔ－１における確率密度の積ｆ（ｘｔ－１）×ｆ（ｘｔ－２）との経時変化を計算し、該積の経時変化が予め設定された閾値（第２の閾値）よりも小さければ「正常」と判定し、該積の経時変化が第２の閾値以上であれば「異常」と判定する。確率密度の積の経時変化は、例えば該積の経時変化を示す「傾き」を計算することで求めればよい。
【0024】
なお、ここで言う判定結果における「異常」とは、監視対象であるプラント設備２で「異常」の兆候がある状態、すなわち「異常」の発生が予測される状態であり、該プラント設備２で実際に「異常」が発生している状態を指すものではない。
【0025】
診断部１５は、算出部１４で算出された確率の積を予め設定された閾値（第１の閾値）と比較することで、プラント設備２で異常の発生が予測されるか否かを判定してもよい。あるいは、診断部１５は、確率の積の経時変化（を示す傾き）を予め設定された閾値（第２の閾値）と比較することで、プラント設備２で異常の発生が予測されるか否かを判定してもよい。
【0026】
通告部１６は、診断部１５で「異常」と判定された場合、「異常」の発生が予測される旨を診断結果として外部へ通知する。通告部１６は、診断部１５で「正常」と判定された場合も、「正常」である旨を診断結果として外部へ通知してもよい。通告部１６は、例えばディスプレイ装置や警告灯等を用いて、プラント設備２の管理者等に診断結果を通知すればよい。
【0027】
変更部１７は、診断部１５で「異常」と判定された場合、プラント設備２における運転方法、運転工程または運転条件の少なくともいずれか一つを変更する。
【0028】
図１に示した診断装置１は、それぞれの機能をハードウェア（電子回路）等で実現してもよいが、例えば図２で示す情報処理装置（コンピュータ）１００を用いることで容易に実現できる。図２は、図１に示した診断装置の実現例を示すブロック図である。
【0029】
図２で示す情報処理装置１００は、ＣＰＵ（Central Processing Unit）１０１、メモリ１０２、通信装置１０３、ユーザインターフェース（ＵＩ）１０４及び補助記憶装置（記憶装置）１０５を備え、メモリ１０２、通信装置１０３、ユーザインターフェース（ＵＩ）１０４及び補助記憶装置１０５と、ＣＰＵ１０１とが、バス１０６を介してそれぞれ接続された構成である。
【0030】
補助記憶装置１０５には、図１に示した診断装置１が備える各種機能を実現するためのプログラム１０７が保存されると共に、センサ３から取得した指標データ、並びに情報処理装置（コンピュータ）１００で求めた計算結果や診断結果等が保存される。
【0031】
図１に示した取得部１１の機能は、図２に示すＣＰＵ（処理装置）１０１が通信装置１０３を用いてセンサ３で測定された指標データを取得することで実現できる。図１に示した記録部１２の機能は、補助記憶装置１０５で実現できる。図１に示した生成部１３、算出部１４、診断部１５及び変更部１７の機能は、図２に示すＣＰＵ（処理装置）１０１が、補助記憶装置１０５で保存されたプログラム１０７を読み出し、該プログラム１０７にしたがって処理を実行することで実現できる。図１に示した通告部１６の機能は、図２に示すＣＰＵ（処理装置）１０１が、診断部１５の診断結果をユーザインターフェース（ＵＩ）１０４に接続された不図示のディスプレイ装置等に表示することで実現できる。
【0032】
図３は、本発明の診断方法による処理の一例を示すフローチャートである。
【0033】
図３で示すように、診断装置１は、センサ３毎の測定データである、プラント設備２の状態を示す指標データを取得し（ステップＳ１）、該指標データを時系列に保存する（ステップＳ２）。
【0034】
続いて、診断装置１は、保存している指標データに基づいて、指標データを取得した時刻ｔにおける確率密度関数をそれぞれ生成し（ステップＳ３）、該確率密度関数に時刻ｔで取得した指標データを代入して確率密度を算出する。あるいは、診断装置１は、時刻ｔで取得した指標データを上端または下端とする、所定の範囲の指標データの積分区間で確率密度関数を積分することで確率を算出する（ステップＳ４）。
【0035】
次に、診断装置１は、指標データを取得した時刻ｔにおける計算値（確率密度または確率）と１つ前の時刻ｔ－１における計算値との積を計算する（ステップＳ５）。
【0036】
続いて、診断装置１は、計算値の積が予め設定された閾値（第１の閾値）よりも大きいか否かを判定し（ステップＳ６）、計算値の積が第１の閾値よりも大きい場合はプラント設備２が「正常」と判定して（ステップＳ７）処理を終了する。また、診断装置１は、計算値の積が第１の閾値以下の場合はプラント設備２が「異常」と判定する（ステップＳ８）。図３では、ステップＳ６にて、計算値の積と第１の閾値とを比較する処理例を示しているが、診断装置１は、計算値の積の経時変化と第２の閾値とを比較してプラント設備２が「正常」または「異常」であるかを判定してもよい。
【0037】
プラント設備２が「正常」または「異常」であるかの判定には、確率密度の積だけを用いてもよく、確率の積だけを用いてもよく、確率密度の積と確率の積の両方を用いてもよい。また、プラント設備２が「正常」または「異常」であるかの判定には、計算値（確率密度または確率）の積だけを用いてもよく、計算値の積の経時変化だけを用いてもよく、計算値の積と計算機の積の経時変化の両方を用いてもよい。
【0038】
診断装置１は、プラント設備２が「異常」と判定した場合、該プラント設備２の管理者等に「異常」の発生が予測される旨を通知し（ステップＳ９）、プラント設備２の運転方法、運転工程または運転条件の少なくともいずれか一つを変更して（ステップＳ１０）処理を終了する。
【0039】
以下、プラント設備２が水処理プラントである場合を例にして、該プラント設備２の運転方法、運転工程または運転条件を変更する処理の一例を、図４を用いて説明する。
【0040】
なお、運転方法の変更とは、他の単位操作に切り替えることである。例えば、逆浸透膜ろ過運転を実行している状態から除濁膜ろ過運転または砂ろ過運転に切り替えることを指す。
【0041】
運転工程の変更とは、同一の単位操作において、他の運転工程へ切り替えることである。例えば、除濁膜ろ過運転において、通水工程を実施していた状態から逆洗浄工程または薬品洗浄工程へ切り替えることである。プラント設備２が複数の運転系列を備えている場合、運転工程の変更には、主として利用する主運転系列から冗長用の副運転系列へ切り替える運転系列の切替工程を含めてもよい。
【0042】
運転条件の変更とは、同一の単位操作及び運転工程において、他の運転条件に切り替えることである。例えば、除濁膜ろ過運転の通水工程において、任意の運転条件を採用していた状態から、流量、圧力、回収率等を変更することである。あるいは、例えば洗浄工程において、洗浄時間や洗浄薬剤の濃度等を変更することである。
【0043】
【0044】
図４で示すように、診断装置１は、プラント設備２を「異常」と判定し、現行の運転方法から第１の運転方法に切り替えると（ステップＳ１１）、第１の判定条件を満たしているか否かを判定する（ステップＳ１２）。第１の判定条件を満たしている場合、診断装置１は、運転方法の変更処理を終了する。第１の判定条件を満たしていない場合、診断装置１は、第２の運転方法に切り替える（ステップＳ１３）。
【0045】
診断装置１は、第２の運転方法に切り替えると、第２の判定条件を満たしているか否かを判定する（ステップＳ１４）。第２の判定条件を満たしている場合、診断装置１は、運転方法の変更処理を終了する。第２の判定条件を満たしていない場合、診断装置１は、第３の運転方法に切り替える（ステップＳ１５）。
【0046】
診断装置１は、第３の運転方法に切り替えると、第３の判定条件を満たしているか否かを判定する（ステップＳ１６）。第３の判定条件を満たしている場合、診断装置１は、運転方法の変更処理を終了する。第３の判定条件を満たしていない場合、診断装置１は、適切な運転方法が無い旨をプラント設備２の管理者等に通知して（ステップＳ１７）処理を終了する。
【0047】
第１の運転方法は、例えば除濁膜ろ過運転である。第２の運転方法は、例えば砂ろ過運転である。第３の運転方法は、例えばフィルターろ過運転である。
【0048】
第１、第２及び第３の判定条件を用いた判定処理では、例えば、運転方法の切り替え後に得られる確率密度の積ｆ（ｘｔ）×ｆ（ｘｔ－１）が予め設定された閾値（第１の閾値）よりも大きいか否かを判定すればよい。
【0049】
運転工程または運転条件を変更する場合も、図４で示す処理手順にしたがって変更処理を実行すればよい。その場合、運転工程の変更処理では、図４で示した処理手順における第１～第３の運転方法に代えて第１～第３の運転工程を用いればよい。同様に、運転条件の変更処理では、図４で示した処理手順における第１～第３の運転方法に代えて第１～第３の運転条件を用いればよい。
【0050】
第１の運転工程は、例えば薬品添加通水工程である。第２の運転工程は、例えば逆洗浄工程である。第３の運転工程は、例えば薬品洗浄工程である。第１の運転条件は、例えば運転流量である。第２の運転条件は、例えば運転圧力である。第３の運転条件は、例えば回収率である。
【0051】
運転工程または運転条件の変更処理における第１、第２及び第３の判定条件には、上記運転方法の変更処理と同様に、運転工程または運転条件の切り替え後に得られる確率密度の積ｆ（ｘｔ）×ｆ（ｘｔ－１）が予め設定された閾値（第１の閾値）よりも大きいか否かの判定条件を用いればよい。
【0052】
図４では、運転方法を３段階に切り替える例を示しているが、運転方法は、プラント設備２が備える装置や施設に応じて、１つまたは複数の段階に切り替えればよい。運転工程及び運転条件も３段階に切り替える必要はなく、プラント設備２が備える装置や施設に応じて、１つまたは複数の段階に切り替えればよい。
【0053】
図５は、本発明の診断装置で保存される指標データの一例を示すテーブル図であり、図６は、本発明の診断装置で算出される確率密度関数の生成に必要なパラメータの一例を示すテーブル図である。図７は、本発明の診断装置で算出される計算値の一例を示すテーブル図であり、図８は、本発明の診断装置で算出される計算値の積の一例を示すテーブル図である。図９は、プラント設備の診断に用いる閾値の一例を示すテーブルであり、図１０は、本発明の診断装置による診断結果の一例を示すテーブル図である。
【0054】
上述したように、診断装置１は、所定の周期毎にセンサ３から指標データを取得し、取得した指標データを時系列に保存する。図５は、時系列に保存された指標データの一例を示しており、第１のセンサ（圧力センサ）から１０分間隔で取得した指標データ（圧力ｘ１，ｔ）と第２のセンサ（圧力センサ）から１０分間隔で取得した指標データ（圧力ｘ２，ｔ）とをそれぞれ示している。
【0055】
診断装置１は、保存した指標データを用いて、確率密度関数の生成に必要な移動平均μ及び移動標準偏差σをセンサ３毎にそれぞれ算出する。図６は、第１のセンサの指標データから１０分間隔で算出した移動平均μ１，ｔ及び移動標準偏差σ１，ｔの一例、並びに第２のセンサの指標データから１０分間隔で算出した移動平均μ２、ｔ及び移動標準偏差σ２、ｔの一例をそれぞれ示している。図６に示す移動平均μ１、ｔ及びμ２、ｔは、指標データのそれぞれの取得時刻ｔにおける２４時間前からの全ての指標データの平均値である。また、図６に示す移動標準偏差σ１、ｔ及びσ２、ｔは、指標データのそれぞれの取得時刻ｔにおける２４時間前からの全ての指標データの標準偏差である。
【0056】
診断装置１は、算出した移動平均μ及び移動標準偏差σを用いて確率密度関数を生成し、該確率密度関数を用いてセンサ毎の計算値（確率密度または確率）をそれぞれ算出する。図７は、第１のセンサの確率密度関数から１０分間隔で算出した確率密度ｆ（ｘ１，ｔ）の一例と、第２のセンサの確率密度関数から１０分間隔で算出した確率密度ｆ（ｘ２，ｔ）の一例とをそれぞれ示している。
【0057】
診断装置１は、算出した計算値（確率密度または確率）の積をセンサ３毎にそれぞれ算出する。あるいは、診断装置１は、上記指標データの取得時刻毎に、算出した計算値（確率密度または確率）の積の経時変化をセンサ３毎にそれぞれ算出する。図８は、１０分間隔で算出した、第１のセンサの確率密度の積ｆ（ｘ１，ｔ）×ｆ（ｘ１，ｔ－１）の一例と、第２のセンサの確率密度の積ｆ（ｘ２，ｔ）×ｆ（ｘ２，ｔ－１）の一例とをそれぞれ示している。
【0058】
図９で示すように、診断装置１は、監視対象となるプラント設備２の状態の診断に用いる、予め設定された閾値を保存する。閾値は、上述したように、時間的に連続する２つの指標データが、それ以前の指標データの移動平均から大きく外れているか否かを判定できるような値に決定すればよい。
【0059】
具体的には、計算値（確率密度または確率）の積ｆ（ｘｔ）×ｆ（ｘｔ－１）を判定に用いる場合、閾値（第1の閾値）には、例えば、所定の期間（例えば１日または１週間）における計算値の積ｆ（ｘｔ）×ｆ（ｘｔ－１）の平均値の０．００１倍～０．９倍の値を用いればよい。また、計算値の積の経時変化を判定に用いる場合、閾値（第２の閾値）には、例えば、所定の期間（例えば１日または１週間）における計算値の積の経時変化の平均値の０．００１倍～０．９倍の値を用いればよい。閾値は、プラント設備２の管理者や診断装置１の製造会社等が決定して診断装置１に保存してもよく、所定の期間における計算値の積の平均値または計算値の積の経時変化の平均値に基づいて、診断装置１が決定して保存してもよい。
【0060】
上述したように、本発明の診断装置１は、上記指標データの取得時刻毎に、計算値の積または計算値の積の経時変化と、所定の閾値とを比較することで、監視対象となるプラント設備２の状態を判定する。図１０は、第１のセンサの確率密度の積ｆ（ｘ１，ｔ）×ｆ（ｘ１，ｔ－１）と第１の閾値とを比較した診断結果の一例と、第２のセンサの確率密度の積ｆ（ｘ２，ｔ）×ｆ（ｘ２，ｔ－１）と第１の閾値とを比較した診断結果の一例とをそれぞれ示している。
【0061】
図１１及び図１２は、本発明の診断装置による診断結果の一例を時系列に示したグラフである。図１１は、図５～図８及び図１０で示した第１のセンサの指標データに基づく診断結果を示し、図１２は、図５～図８及び図１０で示した第２のセンサの指標データに基づく診断結果を示している。図１１及び図１２では、診断結果がグラフの右軸の値で示され、「正常」の場合は「０」で示され、「異常」の場合は「１」で示されている。
【0062】
図１１で示す例において、第１のセンサでは「異常」が検知されないことが示されており、図１２で示す例において、第２のセンサでは圧力が上昇する前に「異常」と判定されている、すなわち「異常」の発生が予測されていることが分かる。
【0063】
本発明によれば、時系列に取得した指標データから該指標データを連続型確率変数とする確率密度関数を生成し、該確率密度関数から指標データの相対的な出やすさを示す計算値（確率密度または確率）を算出する。そして、時間的に連続する、該計算値の積または該積の経時変化を所定の閾値と比較することで、監視対象であるプラント設備２で「異常」の兆候があるか否かを判定できる。すなわち、プラント設備２で異常の発生が予測されるか否かを判定できる。したがって、本発明によれば、監視対象であるプラント設備２における異常の発生を予測できる。
【0064】
また、本発明によれば、既存の１つのセンサ３から時系列に得られる指標データを用いてプラント設備２における異常の発生を予測できるため、異常の発生の予測用にプラント設備２に追加のセンサ３を設ける必要がない。そのため、プラント設備２のコストの上昇が抑制される。
【0065】
さらに、本発明によれば、診断結果に基づいてプラント設備２の運転方法、運転工程または運転条件を切り替えることで、該プラント設備２にて実際に異常が発生するのを抑制できる。
【符号の説明】
【0066】
１ 診断装置
２ プラント設備
３、３１、３２、３３ センサ
１１ 取得部
１２ 記録部
１３ 生成部
１４ 算出部
１５ 診断部
１６ 通告部
１７ 変更部
１００ 情報処理装置
１０１ ＣＰＵ
１０２ メモリ
１０３ 通信装置
１０４ ユーザインターフェース
１０５ 補助記憶装置
１０６ バス
１０７ プログラム
２ プラント設備
３、３１、３２、３３ センサ
１１ 取得部
１２ 記録部
１３ 生成部
１４ 算出部
１５ 診断部
１６ 通告部
１７ 変更部
１００ 情報処理装置
１０１ ＣＰＵ
１０２ メモリ
１０３ 通信装置
１０４ ユーザインターフェース
１０５ 補助記憶装置
１０６ バス
１０７ プログラム
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】