特許 7542500 妥当性確認方法、妥当性確認システム及びプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-08-22

(45)【発行日】2024-08-30

(54)【発明の名称】妥当性確認方法、妥当性確認システム及びプログラム

(51)【国際特許分類】

   G05B 23/02 20060101AFI20240823BHJP

【ＦＩ】

G05B23/02 R

【請求項の数】 11

(21)【出願番号】P 2021146770

(22)【出願日】2021-09-09

(65)【公開番号】P2023039583

(43)【公開日】2023-03-22

【審査請求日】2023-12-13

(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】平井 俊輔

(72)【発明者】

【氏名】永田 英隆

(72)【発明者】

【氏名】尾▲崎▼ 和基

(72)【発明者】

【氏名】森田 克明

【審査官】岩▲崎▼ 優

(56)【参考文献】

【文献】特開２０２１－１５７５９７（ＪＰ，Ａ）

【文献】特開２０２２－０６１６８９（ＪＰ，Ａ）

【文献】特開２０１９－１９７３２９（ＪＰ，Ａ）

【文献】特開２０１２－００８７４４（ＪＰ，Ａ）

【文献】特開２０１２－２５２５１９（ＪＰ，Ａ）

【文献】米国特許出願公開第２０１７／１４６９８３（ＵＳ，Ａ１）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０５Ｂ ２３／００－２３／０２

(57)【特許請求の範囲】

【請求項1】

確率論的リスク評価モデルから出力される第１のカットセットの特徴量を演算し、前記特徴量に基づくクラスタリングを実行して第１のクラスタ群を算出するステップと、
確認対象の確率論的リスク評価モデルから出力される第２のカットセットの特徴量を演算するステップと、
前記第１のカットセットに前記第２のカットセットを追加して、前記第１のカットセットの特徴量と前記第２のカットセットの特徴量とに基づくクラスタリングを実行し、第２のクラスタ群を算出するステップと、
前記第２のクラスタ群の各クラスタに含まれる前記第１のカットセットおよび前記第２のカットセットと、前記各クラスタの各々に対応する前記第１のクラスタ群のクラスタに含まれる前記第１のカットセットと、に基づいて、前記第１のクラスタ群と前記第２のクラスタ群の対応するクラスタ同士を比較して、前記第２のクラスタ群のうちの確認を要するクラスタを特定するステップと、
を有する妥当性確認方法。

【請求項2】

前記特定するステップの前に、前記第１のクラスタ群の各々についてそのクラスタの特徴を表す情報を設定するステップ、
をさらに有する請求項１に記載の妥当性確認方法。

【請求項3】

前記第２のクラスタ群における前記第２のカットセットが含まれないクラスタを、前記確認を要するクラスタとして特定する、
請求項１から請求項２の何れか１項に記載の妥当性確認方法。

【請求項4】

前記第２のクラスタ群における前記第２のカットセットのみを含むクラスタを、前記確認を要するクラスタとして特定する、
請求項１から請求項３の何れか１項に記載の妥当性確認方法。

【請求項5】

前記第２のクラスタ群における前記第２のカットセットが含まれるクラスタについて、当該クラスタの前記第２のカットセットの確率と、当該クラスタに対応する前記第１のクラスタ群のクラスタに含まれる各カットセットの確率との差が所定の閾値以上の場合、前記第２のカットセットが含まれるクラスタを、前記確認を要するクラスタとして特定する、
請求項１から請求項４の何れか１項に記載の妥当性確認方法。

【請求項6】

前記特定するステップの後に、前記第１のクラスタ群の各々について設定した特徴を表す情報を修正するステップ、
をさらに有し、
前記特徴を表す情報を修正するステップでは、前記第２のクラスタ群における前記第２のカットセットのみを含むクラスタについて特徴を表す情報を設定する、
請求項１から請求項５の何れか１項に記載の妥当性確認方法。

【請求項7】

前記特定したクラスタに基づいて、前記確認対象の確率論的リスク評価モデルを修正するステップ、をさらに有する、
請求項１から請求項６の何れか１項に記載の妥当性確認方法。

【請求項8】

前記確率論的リスク評価モデルを修正するステップでは、
前記第２のクラスタ群における前記第２のカットセットが含まれないクラスタについて、当該クラスタに対応する前記第１のクラスタ群のクラスタに含まれるカットセットに関連するフォリトツリーまたはイベントツリーを提示する、
請求項７に記載の妥当性確認方法。

【請求項9】

前記第１のクラスタ群を算出するステップでは、複数のプラントの全てに共通する前記第１のカットセットを含むクラスタと、前記複数のプラントのうちの一部に共通する前記第１のカットセットを含むクラスタと、前記プラントごとに当該プラントに固有の前記第１のカットセットのみを含むクラスタと、を算出し、
前記第２のクラスタ群を算出するステップでは、前記複数のプラントに確認対象のプラントを加えた全ての前記プラントに共通する前記第２のカットセットを含むクラスタと、全ての前記プラントのうちの一部に共通する前記第２のカットセットを含むクラスタと、全ての前記プラントごとに当該プラントに固有の前記第２のカットセットのみを含むクラスタと、を算出する、
請求項１から請求項８の何れか１項に記載の妥当性確認方法。

【請求項10】

確率論的リスク評価モデルから出力される第１のカットセットの特徴量を演算し、前記特徴量に基づくクラスタリングを実行して第１のクラスタ群を算出する手段と、
確認対象の確率論的リスク評価モデルから出力される第２のカットセットの特徴量を演算する手段と、
前記第１のカットセットに前記第２のカットセットを追加して、前記第１のカットセットの特徴量と前記第２のカットセットの特徴量とに基づくクラスタリングを実行し、第２のクラスタ群を算出する手段と、
前記第２のクラスタ群の各クラスタに含まれる前記第１のカットセットおよび前記第２のカットセットと、前記各クラスタの各々に対応する前記第１のクラスタ群のクラスタに含まれる前記第１のカットセットと、に基づいて、前記第１のクラスタ群と前記第２のクラスタ群の対応するクラスタ同士を比較して、前記第２のクラスタ群のうちの確認を要するクラスタを特定する手段と、
を有する妥当性確認システム。

【請求項11】

コンピュータに、
確率論的リスク評価モデルから出力される第１のカットセットの特徴量を演算し、前記特徴量に基づくクラスタリングを実行して第１のクラスタ群を算出するステップと、
確認対象の確率論的リスク評価モデルから出力される第２のカットセットの特徴量を演算するステップと、
前記第１のカットセットに前記第２のカットセットを追加して、前記第１のカットセットの特徴量と前記第２のカットセットの特徴量とに基づくクラスタリングを実行し、第２のクラスタ群を算出するステップと、
前記第２のクラスタ群の各クラスタに含まれる前記第１のカットセットおよび前記第２のカットセットと、前記各クラスタの各々に対応する前記第１のクラスタ群のクラスタに含まれる前記第１のカットセットと、に基づいて、前記第１のクラスタ群と前記第２のクラスタ群の対応するクラスタ同士を比較して、前記第２のクラスタ群のうちの確認を要するクラスタを特定するステップと、
を実行させるプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、確率論的リスク評価モデルの妥当性確認方法、妥当性確認システム及びプログラムに関する。

【背景技術】

【0002】

原子力発電プラントのリスク評価に確率論的リスク評価（Probabilistic Risk Assessment:ＰＲＡ）モデル（以下、ＰＲＡモデルと記載する。）が用いられることがある（特許文献１）。リスク評価の精度を保つため、ＰＲＡモデルに基づいて生成される頂上事象のカットセットの妥当性を確認する必要がある。

【0003】

特許文献２には、トレーニングデータの特徴ベクトルをクラスタリングし、クラスタリングされた特徴ベクトルを用いて、認識すべきデータの特徴ベクトルを補間演算した後に音声認識モデルに入力して、音声認識モデルを最適に調整する技術が記載されている。

【先行技術文献】

【特許文献】

【0004】

【文献】特許第５４８００３３号公報

【文献】国際公開第２０１８／００５８５８号

【発明の概要】

【発明が解決しようとする課題】

【0005】

原子力発電プラントのＰＲＡモデルから出力される頂上事象のカットセットの数は、１プラントあたり数万から数十万になることがある。膨大な数のカットセットを効率よく確認する方法が求められている。

【0006】

本開示は、上記課題を解決することができる妥当性確認方法、妥当性確認システム及びプログラムを提供する。

【課題を解決するための手段】

【0007】

本開示の妥当性確認方法は、確率論的リスク評価モデルから出力される第１のカットセットの特徴量を演算し、前記特徴量に基づくクラスタリングを実行して第１のクラスタ群を算出するステップと、確認対象の確率論的リスク評価モデルから出力される第２のカットセットの特徴量を演算するステップと、前記第１のカットセットに前記第２のカットセットを追加して、前記第１のカットセットの特徴量と前記第２のカットセットの特徴量とに基づくクラスタリングを実行し、第２のクラスタ群を算出するステップと、前記第２のクラスタ群の各クラスタに含まれる前記第１のカットセットおよび前記第２のカットセットと、前記各クラスタの各々に対応する前記第１のクラスタ群のクラスタに含まれる前記第１のカットセットと、に基づいて、前記第１のクラスタ群と前記第２のクラスタ群の対応するクラスタ同士を比較して、前記第２のクラスタ群のうちの確認を要するクラスタを特定するステップと、を有する。

【0008】

また、本開示の妥当性確認システムは、確率論的リスク評価モデルから出力される第１のカットセットの特徴量を演算し、前記特徴量に基づくクラスタリングを実行して第１のクラスタ群を算出する手段と、確認対象の確率論的リスク評価モデルから出力される第２のカットセットの特徴量を演算する手段と、前記第１のカットセットに前記第２のカットセットを追加して、前記第１のカットセットの特徴量と前記第２のカットセットの特徴量とに基づくクラスタリングを実行し、第２のクラスタ群を算出する手段と、前記第２のクラスタ群の各クラスタに含まれる前記第１のカットセットおよび前記第２のカットセットと、前記各クラスタの各々に対応する前記第１のクラスタ群のクラスタに含まれる前記第１のカットセットと、に基づいて、前記第１のクラスタ群と前記第２のクラスタ群の対応するクラスタ同士を比較して、前記第２のクラスタ群のうちの確認を要するクラスタを特定する手段と、を有する。

【0009】

また、本開示のプログラムは、コンピュータに、確率論的リスク評価モデルから出力される第１のカットセットの特徴量を演算し、前記特徴量に基づくクラスタリングを実行して第１のクラスタ群を算出するステップと、確認対象の確率論的リスク評価モデルから出力される第２のカットセットの特徴量を演算するステップと、前記第１のカットセットに前記第２のカットセットを追加して、前記第１のカットセットの特徴量と前記第２のカットセットの特徴量とに基づくクラスタリングを実行し、第２のクラスタ群を算出するステップと、前記第２のクラスタ群の各クラスタに含まれる前記第１のカットセットおよび前記第２のカットセットと、前記各クラスタの各々に対応する前記第１のクラスタ群のクラスタに含まれる前記第１のカットセットと、に基づいて、前記第１のクラスタ群と前記第２のクラスタ群の対応するクラスタ同士を比較して、前記第２のクラスタ群のうちの確認を要するクラスタを特定するステップと、を実行させる。

【発明の効果】

【0010】

上述の妥当性確認方法、妥当性確認システム及びプログラムによれば、ＰＲＡモデルの妥当性を効率的に確認することができる。

【図面の簡単な説明】

【0011】

【図1】実施形態に係る妥当性確認システムの一例を示すブロック図である。

【図2】実施形態に係る妥当性確認処理の一例を示す図である。

【図3】実施形態に係る頂上事象のカットセットを説明するための図である。

【図4】実施形態に係るカットセットの一例を示す図である。

【図5】実施形態に係る階層的クラスタリングについて説明する図である。

【図6】実施形態の第１のカットセットから作成されたグループを例示する図である。

【図7】実施形態の第１のカットセットおよび第２のカットセットから作成されたグループを例示する図である。

【図8】実施形態に係る不足カットセットの抽出処理について説明する図である。

【図9】実施形態の妥当性確認システムのハードウェア構成の一例を示す図である。

【発明を実施するための形態】

【0012】

＜実施形態＞
以下、本開示の妥当性確認システムについて、図１～図９を参照しながら説明する。
（システム構成）
図１は、実施形態に係る妥当性確認システムの一例を示すブロック図である。
妥当性確認システム１は、ＰＲＡモデルを構成する頂上事象のカットセットの妥当性を確認する作業を支援する。図示するように妥当性確認システム１は、ＰＲＡモデル管理装置１０と、妥当性確認支援装置２０とを備える。ＰＲＡモデル管理装置１０と妥当性確認支援装置２０は通信可能に接続されている。

【0013】

（ＰＲＡモデル管理装置の構成）
ＰＲＡモデル管理装置１０は、カットセット出力部１１と、修正受付部１２と、記憶部１３とを備える。
カットセット出力部１１は、ＰＲＡモデルを解析して、頂上事象のカットセットを出力する。頂上事象とは、例えば、原子力発電プラントにおける重大な事故事象である。頂上事象のカットセットとは、頂上事象を引き起こす、１または複数の基事象の組合せである。基事象は、例えば、ポンプの起動失敗、逆止弁の開失敗など、重大な事故事象に繋がる個々の事故事象である。以下、頂上事象のカットセットを単にカットセットと記載する。例えば、原子力発電プラントの場合、ＰＲＡモデルから出力されるカットセットの数は、数万から数十万になることがある。ＰＲＡモデルから出力される複数のカットセットをカットセットリストと呼ぶ。
修正受付部１２は、ＰＲＡモデルに対する修正指示を受け付け、ＰＲＡモデルを修正する。
記憶部１３は、ＰＲＡモデルを記憶する。ＰＲＡモデルには、ＦＴ（Fault Tree）やＥＴ（Event Tree）が含まれている。

【0014】

（妥当性確認支援装置の構成）
妥当性確認支援装置２０は、カットセット取得部２１と、入力受付部２２と、制御部２３と、特徴量演算部２４と、クラスタリング部２５と、出力部２６と、記憶部２７と、を備える。

【0015】

カットセット取得部２１は、ＰＲＡモデル管理装置１０が出力したカットセットを取得する。
入力受付部２２は、キーボード、マウス、タッチパネル、ボタン等の入力装置を用いて入力された各種の設定情報、処理の実行を指示する指示情報などを受け付ける。入力部５１は、受け付けた入力の内容を制御部２３に出力する。

【0016】

制御部２３は、特徴量演算部２４、クラスタリング部２５、出力部２６を用いてカットセットの妥当性確認支援処理を実行する。より具体的には、制御部２３は、参照用の１つ又は複数のプラントのＰＲＡモデルから出力されたカットセット（第１のカットセットとよぶ。）を分類してできたグループと、チェック対象の１つ又は複数のプラントのＰＲＡモデルから出力されたカットセット（第２のカットセットとよぶ。）を第1のカットセットに加えて同様に分類したときにできたグループを比較し、チェック対象のプラントのＰＲＡモデルに欠けているカットセットを抽出する。また、制御部２３は、同じグループに分類された第１のカットセットと第２のカットセットの発生確率が大きく異なるような場合にそれらのカットセットを抽出する。制御部２３は、抽出したカットセットを技術者に提示する。

【0017】

特徴量演算部２４は、カットセット取得部２１が取得した各カットセットの特徴量を演算する。具体的には、カットセットに含まれる基事象のＩＤ（識別情報）は、所定のルールに従ってコード化されているが、コード化されたテキストデータを所定の単位に分節し、分節された文字列を単語、カットセットを文書のように扱って、ｔｆｉｄｆやｗｏｒｄ２ｖｅｃ等のテキスト分析を用いて、カットセットに出現する単語に基づく特徴量を演算する。演算結果の特徴量は、ベクトルとして表される。このベクトルの各要素は、基事象ＩＤから分節して得られる文字列（単語）についてテキスト分析した値である。

【0018】

クラスタリング部２５は、特徴量演算部２４が演算したカットセットの特徴量に基づいて、例えば、階層的クラスタリングを実行し、ＰＲＡモデルから生成された全カットセットを、類似するカットセット同士に分類する。

【0019】

出力部２６は、クラスタリングの結果、制御部２３が抽出した情報などを表示装置に表示したり、電子データとして出力したりする。
記憶部２７は、カットセット、処理中のデータなどを記憶する。

【0020】

（動作）
次に図２～図８を用いて、妥当性確認システム１の動作について説明する。
図２は、実施形態に係る妥当性確認処理の一例を示す図である。
妥当性確認システム１の動作は、比較参照用のプラントＡ～ＣのＰＲＡモデルから出力された第１のカットセットをテキスト分析と階層的クラスタリングによって特徴別に分類する処理（ステップＳ１～Ｓ５）と、チェック対象のプラントＤのＰＲＡモデルから出力された第２のカットセットをテキスト分析した結果を第１のカットセットに対するテキスト分析の結果に加えて階層的クラスタリングを実行し、２つの階層的クラスタリングの結果を比較して差分を抽出し、チェック対象のプラントのＰＲＡモデルの修正などを実施する処理（ステップＳ６～Ｓ１９）の２段階で構成されている。以下、これらの処理について説明する。

【0021】

＜比較参照用のデータベース作成＞
記憶部１３には、予めプラントＡ～ＤのＰＲＡモデルが記録されているとする。技術者が、ＰＲＡモデル管理装置１０へ参照用のＰＲＡモデルのカットセットリストを出力するよう指示する。カットセット出力部１１は、記憶部１３から比較参照用のＰＲＡモデルを読み出して、第１のカットセットを出力する（ステップＳ１）。例えば、比較参照用のＰＲＡモデルとは、事前に技術者によって妥当であることが確認されたプラントＡ～ＣのＰＲＡモデルである。図３を参照してカットセットについて説明する。

【0022】

図３は、実施形態に係る頂上事象のカットセットを説明するための図である。
図３にＰＲＡモデルに含まれるＦＴの一例を示す。図３の円で示したＡ～Ｅは基事象を示し、四角で示したＰ～Ｑは中間事象を示し、ＯＲゲートは、基事象Ａ、Ｃ、中間事象Ｐの何れかが発生すると、頂上事象が発生することを示す。下のＡＮＤゲートは、基事象Ｂと中間事象Ｑが発生すると、中間事象Ｐが発生することを示している。さらに下のＡＮＤゲートは、基事象Ｄと基事象Ｅが発生すると、中間事象Ｑが発生することを示している。図３のＦＴの場合、頂上事象を引き起こすカットセットは、（１）基事象Ａ、（２）基事象Ｂ、基事象Ｄ、基事象Ｅの組合せ、（３）基事象Ｃである。ＰＲＡモデル管理装置１０のカットセット出力部１１は、例えば、図３のＦＴに基づいて、カットセット１（基事象Ａ）、カットセット２（基事象Ｂ、基事象Ｄ、基事象Ｅ）、カットセット３（基事象Ｃ）を含むカットセットリストを出力する。

【0023】

妥当性確認支援装置２０では、カットセット取得部２１が、カットセット出力部１１によって出力されたプラントＡ～Ｃに関する第１のカットセットを取得する（ステップＳ２）。記憶部２７は、第１のカットセットを記憶する。図４を参照してカットセットの妥当性の確認について説明する。

【0024】

図４は、実施形態に係るカットセットの一例を示す図である。
図４に図３のＦＴに基づくカットセットを示す。ＩＤはカットセットのＩＤ、発生確率はカットセットの事象が発生する確率、基事象はカットセットに含まれる基事象を示す。図４の例の場合、ＩＤ＝１は、図３で説明したカットセット１に相当し、確率はＸ１％、このカットセットを構成する基事象は基事象Ａである。確率の算出方法については、公知のため説明しないが、例えば、図３のＦＴ及び図示しないＥＴに基づいて算出することができる。例えば、ＩＤ=２のカットセット（図３で説明したカットセット２に相当）の場合、カットセット２の事象が発生する確率Ｘ２％は、基事象Ｂ、基事象Ｄ、基事象Ｅが発生する確率に基づいて算出される。確率は、リスクの大きさを示す。ここで、Ｘ１％＞Ｘ３％＞Ｘ２％が成立するとする。図４に例示するカットセットは３個の為、技術者は全てを確認することができるが、カットセットが全部で数万個あり、カットセット１の確率Ｘ１％とカットセット３の確率Ｘ３％が確率の観点から数万個のうちの上位（例えば、上から１００個以内）に入り、カットセット２の確率Ｘ２％が数万個のうちの下位に順位付けられるとする。確率が大きいカットセットは、それだけ頂上事象（事故）を引き起こしやすいという意味で重要である。その為、技術者は、例えば、確率が高い（リスクが高い）カットセットから順に妥当性の確認を行う。

【0025】

図３のＦＴに誤りがあり、図３の一番下のＡＮＤゲートはＯＲゲートが正しいとする。この場合、カットセット２は誤りであって、正しいＦＴから出力されるカットセットリストには、基事象Ｂと基事象Ｄから構成されるカットセット２ａと、基事象Ｂと基事象Ｅから構成されるカットセット２ｂと、上記のカットセット１と、カットセット３と、が含まれる。カットセット２ａの確率をＸ２ａ％、カットセット２ｂの確率をＸ２ｂ％とし、例えば、確率Ｘ２ａ％が上位に順位付けられるとするならば、本来であれば、高リスクのカットセット２ａは技術者によって確認されるはずのカットセットである。しかし、ＰＲＡモデル（例えば、ＦＴ）の誤りにより、カットセットの確率が小さく算出されている場合、技術者の確認の対象から漏れる可能性がある。仮にＰＲＡモデルが正しく、カットセット２ａが出力されていれば、カットセット２ａに関する基事象Ｂと基事象Ｄについて、注意が向けられ、リスク情報活用の観点に基づき、頂上事象の発生確率を低減するための対策を講じることが可能となる。しかし、ＰＲＡモデルの誤りにより、発生確率が高いカットセット２ａが出力されない場合、カットセット２ａは見過ごされ、それが原因でリスク低減のための対策が講じられない可能性がある。妥当性確認支援装置２０は、チェック対象のプラントＤのＰＲＡモデルから出力されたカットセットについて、発生確率の高低に関わらず、広い範囲のカットセットを対象に妥当性の確認が行えるよう、比較参照用のプラントＡ～ＣのＰＲＡモデルから出力された第１のカットセットとの比較によって差異があるカットセットを抽出し、技術者へ提示する。

【0026】

次に技術者の指示により、制御部２３が、特徴量演算部２４、クラスタリング部２５、出力部２６を使って、チェック対象のプラントＤのカットセットの妥当性確認支援処理を実行する。プラントＤのカットセットのチェックに先立って、制御部２３は、比較参照用のプラントＡ～Ｃの第１のカットセットをグループに分類し、グループごとにその特徴を設定する処理を行う（ステップＳ３～Ｓ５）。これにより、適切なカットセットのグループとその特徴をデータベース化する。そして、その後に、プラントＤのカットセットの妥当性を、このデータベースに基づいて評価する。

【0027】

まず、特徴量演算部２４が、カットセット取得部２１が取得した第１のカットセットのそれぞれについて、テキスト分析しベクトル化する処理を実行する（ステップＳ３）。基事象はコード化されたテキストデータとして表すことができる。例えば、基事象ＡのＩＤは、図４に例示するように“Ａａ１ｂｂｂ１０５２Ａ”である。例えば、先頭の３桁“Ａａ１”はプラントの系統ＩＤ、次の４桁”ｂｂｂ１”は故障モードＩＤ、最後の４桁“０５２Ａ”は故障に関する機器番号を示している。このように基事象ＩＤには、故障事象が生じた機器、系統、故障の種類に関する情報が含まれている。そこで、カットセットを文章として捉え、カットセットに含まれる各基事象の基事象ＩＤを、系統ＩＤ、故障モードＩＤ、機器番号等の意味のある要素（単語）に分節して、これらの単語のカットセットにおける重要度や意味をテキスト分析によって分析し、その分析結果をカットセットの特徴量として扱う。このような考えに基づいて、特徴量演算部２４は、カットセットに含まれる基事象のテキストデータに対してテキスト分析を行って、カットセットを数値化、ベクトル化する。後述するように、カットセットをベクトル化することにより、ベクトルの近接性（テキストの類似性）に基づいてカットセットを分類することができるようになる。

【0028】

次にカットセットの特徴量の演算、つまり、カットセットのベクトル化の一例について具体的に説明する。説明の便宜のため、カットセットリストには、カットセット１～３のみが含まれ、カットセット１は基事象Ａのみ、カットセット２は基事象Ｂのみ、カットセット３は基事象Ｃのみを含むものとする。基事象Ａ～Ｃの基事象ＩＤを図４に示す。まず、各カットセットのベクトルの次元を、全カットセット（カットセット１～３）に存在する全ての基事象（基事象Ａ～Ｃ）の基事象ＩＤを分節して得られる要素（単語）の数とする。具体的には、基事象ＡのＩＤは、“Ａａ１”、“ｂｂｂ１”、“０５２Ａ”に分節され、基事象ＢのＩＤは、“Ａａ１”、“ｄｄｄ２”、“０５２Ａ”に分節され、基事象ＣのＩＤは、“Ａａ２”、“ｃｃｃ３”、“０２４Ｂ”に分節されることから、要素の数は、“Ａａ１”、“Ａａ２”、“ｂｂｂ１”、“ｃｃｃ３”、“ｄｄｄ２”、“０５２Ａ”、“０２４Ｂ”の７つとなり、ベクトルの次元数は７となる。例えば、特徴量演算部２４は、カットセット１～３のそれぞれについて（単語“Ａａ１”についてのテキスト分析値、単語“Ａａ２”についてのテキスト分析値、単語“ｂｂｂ１”についてのテキスト分析値、単語“ｃｃｃ３”についてのテキスト分析値、単語“ｄｄｄ２”についてのテキスト分析値、単語“０５２Ａ”についてのテキスト分析値、単語“０２４Ｂ”についてのテキスト分析値）で表されるベクトルを作成する。テキスト分析とは、例えば、ｔｆｉｄｆである。例えば、カットセット１のベクトルの要素の１つ目、単語“Ａａ１”についてのｔｆｉｄｆによるテキスト分析値は、以下の式によって演算することができる。

【0029】

ｔｆ（“Ａａ１”、カットセット１）＝カットセット１（“Ａａ１ｂｂｂ１０５２Ａ”）内における“Ａａ１”の出現回数／カットセット１の全ての単語（“Ａａ１”と、”ｂｂｂ１“と、”０５２Ａ”）の出現回数の和・・・（１）
ｉｄｆ（“Ａａ１”）＝ｌｏｇ（総カットセット数（＝３）／単語“Ａａ１”が出現するカットセット数（＝２））・・・（２）
カットセット１の１つ目の要素のテキスト分析値（ｔｆｉｄｆ）＝ｔｆ（“Ａａ１”、カットセット１）×ｉｄｆ（“Ａａ１”）＝式（１）×式（２）・・・（３）

【0030】

あるカットセット内での出現回数は多いが（ｔｆが大きい）、他のカットセットには出現していない（ｉｄｆが大きい）単語は、ｔｆｉｄｆによるテキスト分析値が大きくなる。また、それ以外の単語はｔｆｉｄｆが小さくなる。例えば、複数のカットセットに出現している単語は、各カットセットの特徴を表しているとは言えないためｔｆｉｄｆの値は小さい。一方、特定のカットセットのみに出現している単語は、カットセットの特徴を表していると言えるためｔｆｉｄｆの値は大きくなる。ｔｆｉｄｆにより、カットセットにおける単語の重要度を算出できる。このような性質を有するｔｆｉｄｆによる分析値を各要素とするベクトルを作成することで、基事象ＩＤを構成するテキスト（単語の組合せ）の観点からカットセットの特徴を表すことができる。ベクトルの要素の値は、ｗｏｒｄ２ｖｅｃによって演算してもよい。

【0031】

特徴量演算部２４が、各カットセットを表すベクトルを演算すると、次にクラスタリング部２５が、全ての第１のカットセットのベクトルを対象に階層的クラスタリングを行って、ベクトルが類似するカットセット同士を同じクラスタに分類する（ステップＳ４）。クラスタリング部２５は、ベクトルの距離が近いカットセット同士で集合(クラスタ)にしていく過程を、最終的に全カットセットが１つのクラスタに統合されるまで繰り返す。この処理は、カットセットに含まれる単語のテキスト分析結果が、基事象の組み合わせの類似度を表すと想定して、カットセットをカテゴライズするために行う。図５にクラスタリングの結果の一例を示す。制御部２３は、階層的クラスタリングによって生成したクラスタ群を、任意の階層（図５の閾値Ｌ１）で分割し、所望の数のグループに分ける。図５の樹形図（デンドログラム）に記載したＣ１～Ｃ３の各々が、閾値Ｌ１で分割したときに生成されるグループである。閾値Ｌ１は、予め定められていてもよいし、分割後のグループ数が予め定められていて、このグループ数に応じて、制御部２３が閾値Ｌ１を設定してもよい。また、このグループ数は、例えば、各グループに含まれるカットセットが複数のプラントに共通の特徴を表すもの同士が分類されたグループと、各プラントに固有の特徴だけが分類されたグループに分離されるように繰り返し調整され、設定されてもよい。
より具体的には、例えば、プラントの系統機能やヒューマンエラーの種類ごとに分類されるように、複数のプラントの共通する１つの故障に関するカットセットが１つのグループに分類されるように閾値Ｌ１を調整する。図５の例では、Ｃ１はプラントＡ～Ｂに共通の特徴が分類されたグループ、Ｃ２はプラントＡ～Ｃに共通の特徴が分類されたグループ、Ｃ３はプラントＡに固有の特徴が分類されたグループである。

【0032】

図６に階層化クラスタリングの結果、作成されたグループの一例を示す。グループＧ１はプラントＡ～Ｃに共通のカットセットのグループであり、グループＧ２はプラントＡ，Ｃに共通のカットセットのグループであり、グループＧ３はプラントＢ，Ｃに共通のカットセットのグループであり、グループＧ４はプラントＡ，Ｂに共通のカットセットのグループであり、グループＧ５はプラントＡに固有のカットセットのグループであり、グループＧ６はプラントＢに固有のカットセットのグループであり、グループＧ７はプラントＣに固有のカットセットのグループである。図６では、便宜的に各グループが１つのみ記載されているが、実際には、Ｇ１～Ｇ７の各グループは、複数存在することが多い。

【0033】

次に制御部２３が、各グループの特徴を設定する（ステップＳ５）。例えば、グループＧ１に分類されるカットセットが、プラントＡ～Ｃに共通する「ＸＸポンプによる注入失敗」という基事象を含むカットセットであれば、技術者は、グループＧ１について、グループの特徴「ＸＸポンプによる注入失敗」を妥当性確認支援装置２０に入力する。制御部２３は、入力受付部２２を通じて「ＸＸポンプによる注入失敗」を取得し、グループＧ１と対応付けて記憶部２７に記録する（後述するように、図８に例示するグループ管理情報３０を更新する。）。技術者は、他のグループＧ２～Ｇ７についても各グループに分類されるカットセットを分析して、各グループの特徴を設定する。ステップＳ５の特徴を設定する処理は、技術者が手動で行うほか、制御部２３が自動で処理してもよい。例えば、カットセットの基事象コード（図４）を構成する文字列の一部とグループの特徴とが対応付けて登録されたグループ特徴設定テーブルが記憶部２７に記録されている。制御部２３は、グループＧ１に分類された全カットセットの基事象コードから共通する文字列を抽出して、抽出した文字列に基づいて記憶部２７のグループ特徴設定テーブルを参照し、抽出した文字列に対応する特徴を読み出す。そして、制御部２３は、読み出したグループの特徴をグループＧ１と対応付けて記憶部２７に記録することにより、グループＧ１の特徴を設定する。グループ特徴設定テーブルの登録内容は、知見を有する技術者が予め設定しておいてもよい。あるいは、制御部２３が、技術者が手動でグループＧ１～Ｇ７の特徴を設定した際に、例えば、そのグループの特徴量と設定された特徴を記憶部２７に記録しておき、情報が蓄積された段階で特徴量と特徴の関係を学習して学習済みモデルを構築する。そして、制御部２３は、ステップＳ４で分類された各グループに対応する１つ又は複数の特徴量と学習済みモデルとに基づいて、各グループの特徴を設定してもよい。

【0034】

また、制御部２３は、図８に例示する、記憶部２７が記憶するグループ管理情報３０の「グループＮｏ」、「特徴」、「グループに含まれるプラント」の各項目を設定する。「グループＮｏ」、「特徴」には、ステップＳ５で設定した内容が設定される。「グループに含まれるプラント」項目の丸印は、そのグループに丸印が付いたプラントのカットセットが含まれていることを示す。制御部２３は、各グループに分類されたカットセットの基事象コード（例えば、先頭３桁）を解析することによって、各グループにどのプラントのカットセットが分類されているかを算出し、「グループに含まれるプラント」項目の値を設定する。以上の処理によって、プラントＡ～ＣのＰＲＡモデルから出力されたカットセットのグループとその特徴がデータベース化される。具体的には、図６に例示する各グループと、図８のグループ管理情報３０が、比較参照用のデータベースとして利用される。

【0035】

＜チェック対象のプラントのカットセットの妥当性確認＞
次に技術者が、ＰＲＡモデル管理装置１０へチェック対象のプラントＤのＰＲＡモデルのカットセットリストを出力するよう指示する。カットセット出力部１１は、記憶部１３からチェック対象のプラントＤのＰＲＡモデルを読み出して、第２のカットセットを出力する（ステップＳ６）。妥当性確認支援装置２０では、カットセット取得部２１が、第２のカットセットを取得する（ステップＳ７）。記憶部２７は、第２のカットセットを記憶する。次に特徴量演算部２４が、第２のカットセットのそれぞれについて、テキスト分析しベクトル化する処理を実行する（ステップＳ８）。ステップＳ８の処理は、処理対象がプラントＤの第２のカットセットとなるだけであってステップＳ３の処理と同様である。次にクラスタリング部２５が、ステップＳ３にて算出された第１のカットセットのベクトルと、ステップＳ８にて算出された第２のカットセットのベクトルと、を対象に階層的クラスタリングを行って、ベクトルが類似するカットセット同士を同じグループに分類する（ステップＳ９）。ステップＳ９の階層的クラスタリングの処理自体は、処理対象が第１のカットセットおよび第２のカットセットから算出されるベクトルとなるだけであってステップＳ４の処理と同様である。ただし、ステップＳ９では、階層的クラスタリングによって作成されるグループが、ステップＳ４で作成されたグループと対比可能なように閾値Ｌ１（図５）を調整し、グループを作成する。対比可能にグループを作成するとは、例えば、ステップＳ４で作成されたグループとステップＳ９で作成されたグループを各グループの構成要素（カットセット）が類似するもの同士で比較した場合に、プラントＡ～Ｃのカットセットについては両者がなるべく一致するような結果となるようにグループを作成することをいう。また、技術者は、プラントＤのカットセットのみを含むグループ、プラントＡ，Ｄのカットセットのみを含むグループ、・・・などが新たに作成されることを考慮して閾値Ｌ１を調整する。

【0036】

例えば、クラスタリング部２５は、ステップＳ４において、複数のプラントＡ～Ｃの全てに共通するカットセットを含むグループと、プラントＡ～Ｃのうちの一部に共通するカットセットを含むグループと、プラントＡ～Ｃごとにプラント固有のカットセットのみを含むグループとを算出し、ステップＳ９において、プラントＡ～Ｄの全てに共通するカットセットを含むグループと、プラントＡ～Ｄのうちの一部に共通するカットセットを含むグループと、プラントＡ～Ｄごとにプラント固有のカットセットのみを含むグループとを算出する。

【0037】

図７にステップＳ１０の結果作成されたグループの一例を示す。グループＧ１－１は、図６のグループＧ１に対応し、プラントＡ～Ｄに共通のカットセットのグループである。図示する領域Ｇ１´はグループＧ１－１の一部であり、グループＧ１－１にはプラントＤのカットセットが付加されていることを概念的に表している。同様にグループＧ３－１は、図６ではプラントＢ，Ｃのカットセットのみを含むグループＧ３に対応し、さらにプラントＤのカットセットが付加（領域Ｇ３´）されてプラントＢ～Ｄのカットセットを含むグループとなったことを表している。グループＧ５－１についても同様である。グループＧ４，Ｇ６，Ｇ７については図６の状態と同様であり、プラントＤのカットセットのみで構成されたグループＧ８が新たに作成されている。

【0038】

第１のカットセットと第２のカットセットのクラスタリングが完了すると、次に制御部２３が、チェック対象のプラントＤのカットセットが含まれないグループを抽出する（ステップＳ１０）。制御部２３は、ステップＳ９にて作成された各グループのカットセット（例えば、基事象コードの先頭３桁）を確認して、プラントＤのカットセットが含まれるかどうかを判定し、その結果を、図８に例示するグループ管理情報３０の「チェック対象のプラント（Ｄ）が含まれるか？」項目に設定する。そして、制御部２３は、プラントＤが含まれないグループを抽出する。例えば、図８の例であればグループＮｏ＝Ｇ２のグループはプラントＤのカットセットを含まないグループである。出力部２６は、プラントＤのカットセットを含まないグループの一覧を表示装置等へ出力する。技術者は、プラントＤのカットセットを含まないグループが妥当かどうかを判断する（ステップＳ１１）。技術者は、抽出されたグループの特徴とプラントＤの特性を踏まえ、当該グループにプラントＤのカットセットが含まれないことが妥当かどうか確認を行う。例えば、抽出されたカットセットがプラントＡ，Ｃ，Ｄに共通するカットセットの場合、技術者は、グループＧ２にプラントＤのカットセットが含まれていないことを妥当ではないと判断する。「妥当ではない」と判断される場合（ステップＳ１１；Ｎｏ）、本来は出現すべきはずのカットセットが得られていないことになる。原因として、プラントＤのＰＲＡモデルに不足するカットセットに関するＦＴが欠けていたり、ＦＴが存在したとしてもそのＦＴの構造が誤っていたりすることが考えられる。技術者は、チェック対象のプラントＤのＰＲＡモデルを修正する（ステップＳ１２）。このとき、制御部２３は、ＰＲＡモデル管理装置１０に問い合わせてグループＧ２のカットセットに関連するＦＴやＥＴを取得して、参考情報としてこれらを表示してもよい。この場合のＦＴは、対象のカットセットの出力元となるＦＴである。また、ＥＴは、ＦＴの頂上事象をヘディングに含むＥＴである。技術者は、参考情報として提示されたＦＴやＥＴを参照しながら、提示されたものと同様のＥＴやＦＴがプラントＤのＰＲＡモデルに存在するかどうかや、同様のＦＴが存在する場合にはその構成に誤りが無いかどうかを確認してＰＲＡモデルを修正する。技術者は、ＰＲＡモデル管理装置１０にＰＲＡモデルの修正情報を入力する。ＰＲＡモデル管理装置１０の修正受付部１２は、ＰＲＡモデルの修正情報を取得し、修正情報に基づいて、記憶部１３のＰＲＡモデルを修正する。一方、「妥当」と判断される場合（ステップＳ１１；Ｙｅｓ）、ステップＳ１２の処理は実施しない。

【0039】

次に制御部２３は、確率が乖離しているチェック対象のカットセットを抽出する（ステップＳ１３）。制御部２３は、チェック対象のプラントＤのカットセットが含まれているグループ（プラントＤのカットセットのみで構成されたグループＧ８は除く。）について、プラントＤのカットセットの確率（図４の確率）と他のプラントの同じ種類のカットセットの確率を比較して、両者が所定の閾値以上乖離していないかどうかを確認する。例えば、グループＧ２の「ＸＸ信号送信失敗」という特徴に関係して、グループＧ２には、ＸＸ信号を送信する制御装置の故障によってＸＸ信号送信失敗が起こることを示すカットセットが存在するとする。このような場合に制御装置の故障確率がプラントＤと他のプラントとで例えば２桁以上違う場合、制御部２３は、プラントＤの当該カットセットを抽出する。出力部２６は、抽出されたプラントＤのカットセットと確率、他のプラントにおける同じ種類のカットセットの確率を表示装置等へ出力する。技術者は、プラントＤのカットセットの確率が妥当かどうかを判断する（ステップＳ１４）。技術者は、プラントＤの特性を踏まえ、プラントＤの当該カットセットの発生確率が妥当かどうかを判断する。「妥当ではない」と判断される場合（ステップＳ１４；Ｎｏ）、原因としてプラントＤのＰＲＡモデルの当該事象の発生確率が誤っていることが考えられる。技術者は、チェック対象のプラントＤのＰＲＡモデルを修正する（ステップＳ１５）。ステップＳ１２と同様に、制御部２３は、プラントＡ，Ｃの関連するＦＴをＰＲＡモデル管理装置１０から取得して、参考情報として表示してもよい。技術者は、ＰＲＡモデル管理装置１０にＰＲＡモデルの修正情報を入力する。ＰＲＡモデル管理装置１０の修正受付部１２は、ＰＲＡモデルの修正情報を取得し、修正情報に基づいて、記憶部１３のＰＲＡモデルを修正する。一方、「妥当」と判断される場合（ステップＳ１４；Ｙｅｓ）、ステップＳ１５の処理は実施しない。

【0040】

次に制御部２３は、ＰＲＡモデルを修正したかどうかを判定する（ステップＳ１６）。例えば、技術者によって修正情報が入力されると、ＰＲＡモデル管理装置１０はＰＲＡモデルが修正されたことを示す信号を妥当性確認支援装置２０へ出力するように構成されていて、制御部２３は、この信号を受信したか否かに基づいて、ステップＳ１６の判定を行ってもよい。ＰＲＡモデルを修正した場合（ステップＳ１６；Ｙｅｓ）、修正後のプラントＤのＰＲＡモデルに基づいて、ステップＳ６からの処理を再度実行する。プラントＤのＰＲＡモデルの修正を行って、プラントＤのＰＲＡモデルが妥当なものとなると、ステップＳ１１、Ｓ１４の判定において妥当と判定され、ＰＲＡモデルの修正が不要となる。

【0041】

ＰＲＡモデルの修正を行わなかった場合（ステップＳ１６；Ｎｏ）、つまり、プラントＤのカットセットが、プラントＡ～Ｃのカットセットと比較して妥当だと判断された場合、制御部２３は、プラントＤのカットセットのみを含むカットセットグループＧ８を抽出する（ステップＳ１７）。制御部２３は、ステップＳ９で作成された各カットセットグループを確認し、プラントＤのカットセットだけで構成されたグループを抽出する。なお、図８では、グループＧ８は一つだけ記載されているが、プラントＤに固有のグループは複数存在してもよい。出力部２６は、抽出されたグループＧ８を表示装置等へ出力する。

【0042】

次に制御部２３が、チェック対象のプラントＤに固有のグループの特徴を設定する（ステップＳ１８）。技術者は、ステップＳ１７で抽出されたグループに対して、特徴を設定する。制御部２３は、設定された特徴を、入力受付部２２を通じて取得し、グループＧ８と特徴とを対応付けて記憶部２７に記録する（グループ管理情報３０を更新する。）。ステップＳ５で説明したように、この処理は、制御部２３が自動処理によって実行してもよい。また、制御部２３が設定した特徴を、出力部２６を通じて表示装置等へ出力し、制御部２３が設定した特徴で問題が無いかどうかの最終的な判断を技術者が行ってもよい。

【0043】

なお、ここでは、プラントＤのカットセットのみを含むグループについて、その特徴を設定することとしたが、例えば、知見を有する技術者が、プラントＤのカットセットのみを含むグループを確認したときに、本来は他のプラントにも共通するはずのカットセットがプラントＤのカットセットのみを含むグループＧ８として抽出されていることに気が付くといったこと起こり得る。そのような場合には、技術者は、ステップＳ１１～ステップＳ１２と同様にして、プラントＤのＰＲＡモデルの修正を行うことができる。また、ＰＲＡモデルの修正を行った場合には、技術者が、妥当性確認支援装置２０に対して所定の操作を行って、ステップＳ６からの処理を再度行うようにする。

【0044】

次に出力部２６は、制御部２３の指示により、全てのグループについて設定された特徴を出力し、各グループの特徴の更新を受け付ける。例えば、グループＧ１について、プラントＤのカットセットが加わることにより、特徴自体は変化せずとも、特徴の記載を修正した方が好ましいような場合がある。技術者は、必要に応じて、既存のグループの特徴を更新する（ステップＳ１９）。制御部２３は、入力受付部２２を通じて、更新された特徴を取得し、グループ管理情報３０を更新する。これにより、プラントＡ～Ｃに加えて、プラントＤのカットセットの特徴付けがデータベース（グループ管理情報３０）に反映される。今後、新たなチェック対象としてプラントＥのＰＲＡモデルの妥当性確認を行う際には、プラントＡ～Ｄに基づいて構築されたデータベースに基づいて、ステップＳ６からの処理を実施することにより、妥当性確認を行うことができる。このように本実施形態によれば、データベースを拡張しつつ、データベースと比較することにより、チェック対象のプラントのカットセットの妥当性確認を行うことができる。

【0045】

（効果）
ＰＲＡモデルから出力されるカットセットは、１プラントあたり数十万規模で生成されることがある。そのすべての妥当性や必要なカットセットが得られていることを技術者が手作業で確認することは困難である。本実施形態によれば、本来は出現すべきカットセットの不足を他のプラントとの比較により効率的に検知することができる。また、プラント間のカットセットの比較により、ＰＲＡモデルの入力条件（ＦＴ，ＥＴおよびそれらの構成）の不備の有無を相互に確認でき、プラント間で整合性のとれた評価を行うことができる。例えば、ステップＳ１６でＮｏと判定された状態で得られているカットセットを妥当なものと評価してもよい。また、不足カットセットの確認や不備に対する修正を行うとともにチェック対象プラントのカットセット（グループＧ８）の特徴付けを行うことで、カットセットの特徴付けデータベース（グループ管理情報３０）を拡大していくことが可能である。また、技術者が手作業で数十万規模のカットセットを確認する場合、リスクが上位のカットセットから優先的に確認することが多い。これに対し、本実施形態によれば、全カットセットに対する階層的クラスタリングにより、全体から基事象の組み合わせの観点で代表的なカットセットを満遍なく抽出し、カットセットの妥当性の確認を行うことができる。これにより、リスクの高低に関わらず、全体的に偏りなくカットセットの確認を行うことができる。

【0046】

また、カットセットの確認作業は、安全性向上の観点から技術者によって継続的に実行される作業である。本実施形態の妥当性確認システム１を導入することによって（特にデータベース（グループ管理情報３０）の拡大、見直しを継続的に行うことによって）、確認作業の効率化、省力化の効果を長期的に享受することができる。

【0047】

上記実施形態では、原子力発電プラントにおいて作成されたＰＲＡモデルのカットセットの確認作業を省力化・効率化するについて述べた。上述の通り、原子力発電プラントでは、カットセットの数が数万～数十万に達することがあり、本実施形態のＰＲＡモデルの妥当性確認方法は有効である。しかし、妥当性確認システム１の適用分野は、原子力プラントに限定されない。ＰＲＡモデルを用いてリスク評価を行うどのような産業分野にも適用が可能である。また、階層的クラスタリングの具体的手法についても特に上記した手法に限定するものでは無く、同様の手法を用いることができる。

【0048】

図９は、妥当性確認システムのハードウェア構成の一例を示す図である。
コンピュータ９００は、ＣＰＵ９０１、主記憶装置９０２、補助記憶装置９０３、入出力インタフェース９０４、通信インタフェース９０５を備える。
上述のＰＲＡモデル管理装置１０、妥当性確認支援装置２０は、コンピュータ９００に実装される。そして、上述した各機能は、プログラムの形式で補助記憶装置９０３に記憶されている。ＣＰＵ９０１は、プログラムを補助記憶装置９０３から読み出して主記憶装置９０２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、ＣＰＵ９０１は、プログラムに従って、記憶領域を主記憶装置９０２に確保する。また、ＣＰＵ９０１は、プログラムに従って、処理中のデータを記憶する記憶領域を補助記憶装置９０３に確保する。

【0049】

なお、ＰＲＡモデル管理装置１０、妥当性確認支援装置２０の全部または一部の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより各機能部による処理を行ってもよい。ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、ＣＤ、ＤＶＤ、ＵＳＢ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。また、このプログラムが通信回線によってコンピュータ９００に配信される場合、配信を受けたコンピュータ９００が当該プログラムを主記憶装置９０２に展開し、上記処理を実行しても良い。また、上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであってもよい。
ＰＲＡモデル管理装置１０、妥当性確認支援装置２０は、それぞれ通信可能な複数のコンピュータ９００によって構成されていても良い。また、ＰＲＡモデル管理装置１０、妥当性確認支援装置２０が１台のコンピュータ９００によって構成されていても良い。

【0050】

以上のとおり、本開示に係るいくつかの実施形態を説明したが、これら全ての実施形態は、例として提示したものであり、発明の範囲を限定することを意図していない。これらの実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で種々の省略、置き換え、変更を行うことができる。これらの実施形態及びその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

【0051】

例えば、上記実施例では、比較参照用のＰＲＡモデルをプラントＡ～Ｃとしたが、プラントＡ～Ｃの何れか１つだけでもよい。またチェック対象のＰＲＡモデルについてもプラントＤの１つだけではなく２つ以上を同時に評価してもよい。

【0052】

＜付記＞
各実施形態に記載の確率論的リスク評価モデル（ＰＲＡモデル）の妥当性確認方法、妥当性確認システム１及びプログラムは、例えば以下のように把握される。

【0053】

（１）第１の態様に係る確率論的リスク評価モデル（ＰＲＡモデル）の妥当性確認方法は、確率論的リスク評価モデルから出力される第１のカットセットの特徴量を演算し（Ｓ３）、前記特徴量に基づくクラスタリングを実行して第１のクラスタ群（例えば、図６のグループＧ１～Ｇ７）を算出するステップ（Ｓ４）と、確認対象の確率論的リスク評価モデル（プラントＤのＰＲＡモデル）から出力される第２のカットセットの特徴量を演算するステップ（Ｓ８）と、前記第１のカットセットに前記第２のカットセットを追加して、前記第１のカットセットの特徴量と前記第２のカットセットの特徴量とに基づくクラスタリングを実行し、第２のクラスタ群（図７のグループＧ１－１～Ｇ８）を算出するステップ（Ｓ９）と、前記第２のクラスタ群の各クラスタに含まれる前記第１のカットセットおよび前記第２のカットセットと、前記各クラスタの各々に対応する前記第１のクラスタ群のクラスタに含まれる前記第１のカットセットと、に基づいて、前記第１のクラスタ群と前記第２のクラスタ群の対応するクラスタ同士を比較して、前記第２のクラスタ群のうちの確認を要するクラスタを特定するステップ（Ｓ１０、Ｓ１３）と、を有する。

【0054】

これにより、１プラントから数十万規模のカットセットが生成される場合であっても、カットセットを網羅的にプラント間で比較し、確認を要するカットセットを見出すことができる。例えば不足カットセットや確率が異常なカットセットの情報からＰＲＡモデルの不備を見出すことができる。また、カットセットの特徴量を演算し数値化することにより、全カットセットを対象にクラスタリングを行うことができる。全てのカットセットを対象に階層的クラスタリングを行うことにより、全体を代表的するカットセットを抽出することができる。代表的なカットセットを抽出して確認作業を行うので偏りなく省力的にカットセットの確認を行うことができる。

【0055】

（２）第２の態様に係る妥当性確認方法は、（１）の妥当性確認方法であって、前記特定するステップの前に、前記第１のクラスタ群の各々についてそのクラスタの特徴を表す情報を設定するステップ、をさらに有する。

【0056】

これにより、技術者が妥当性を確認したカットセット群の特徴に基づいて、チェック対象のカットセットの妥当性を効率よく判断することができる。

【0057】

（３）第３の態様に係る妥当性確認方法は、（１）～（２）の妥当性確認方法であって、前記第２のクラスタ群（グループ群）における前記第２のカットセットが含まれないクラスタ（グループ）を、前記確認を要するクラスタとして特定する。
これにより、プラント間のカットセットの比較によって不足カットセットを見出すことができる。

【0058】

（４）第４の態様に係る妥当性確認方法は、（１）～（３）の妥当性確認方法であって、 前記第２のグループ群における前記第２のカットセットのみを含むクラスタ（グループ）を、前記確認を要するクラスタ（グループ）として特定する（Ｓ１７）。
これにより、チェック対象のプラントに固有のカットセットの内容を確認し、必要に応じて修正や特徴づけを行うことができる。

【0059】

（５）第５の態様に係る妥当性確認方法は、（１）～（４）の妥当性確認方法であって、 前記第２のクラスタ群における前記第２のカットセットが含まれるクラスタについて、当該クラスタの前記第２のカットセットの確率と、当該クラスタに対応する前記第１のクラスタ群のクラスタに含まれる各カットセットの確率との差が所定の閾値以上の場合、前記第２のカットセットが含まれるクラスタを、前記確認を要するクラスタとして特定する（Ｓ１３）。
これにより、妥当性が確認されたカットセットの確率と大きく異なる確率が割り当てられたカットセットを見つけ出し、修正することができる。

【0060】

（６）第６の態様に係る妥当性確認方法は、（１）～（５）の妥当性確認方法であって、記特定するステップの後に、前記第１のクラスタ群の各々について設定した特徴を表す情報を修正するステップ、をさらに有し、前記修正するステップでは、前記第２のクラスタ群における前記第２のカットセットのみを含むグループについて特徴を表す情報を設定する。
これにより、データベースを拡大することができる。

【0061】

（７）第７の態様に係る妥当性確認方法は、（１）～（６）の妥当性確認方法であって、 前記特定したグループに基づいて、前記チェック対象の確率論的リスク評価モデルを修正するステップ（Ｓ１２、Ｓ１５）、をさらに有する。
これにより、効率的にチェック対象のＰＲＡモデルの誤りに気づき、ＰＲＡモデルを修正することができる。

【0062】

（８）第７の態様に係る妥当性確認方法は、（７）の妥当性確認方法であって、前記修正するステップでは、前記第２のクラスタ群における前記第２のカットセットが含まれないクラスタについて、当該クラスタに対応する前記第１のクラスタ群のクラスタに含まれるカットセットに関連するフォリトツリーまたはイベントツリーを提示する。
これにより、技術者は、妥当性が確認された他のプラントのＰＲＡモデルが備える類似するＦＴ，ＥＴを参考にしながら、ＰＲＡモデルの修正を行うことができる。

【0063】

（９）第９の態様に係る妥当性確認方法は、（１）～（８）の妥当性確認方法であって、前記第１のクラスタ群を算出するステップでは、複数のプラントの全てに共通する前記第１のカットセットを含むクラスタ（図６のＧ１）と、前記複数のプラントのうちの一部に共通する前記第１のカットセットを含むクラスタ（図６のＧ２～Ｇ４）と、前記プラントごとに当該プラントに固有の前記第１のカットセットのみを含むクラスタ（図６のＧ５～Ｇ７）と、を算出し、前記第２のクラスタ群を算出するステップでは、前記複数のプラントに確認対象のプラントを加えた全ての前記プラントに共通する前記第２のカットセットを含むクラスタ（図７のＧ１－１）と、全ての前記プラントのうちの一部に共通する前記第２のカットセットを含むクラスタ（図７のＧ２、Ｇ３－１、Ｇ４、Ｇ５－１）と、全ての前記プラントごとに当該プラントに固有の前記第２のカットセットのみを含むクラスタ（図７のＧ６～Ｇ８）と、を算出する。
これにより、チェック対象のプラントＤのカットセットを既存の比較対象のプラントＡ～Ｃのカットセットと比較しやすくなる。

【0064】

（１０）第１０の態様に係る妥当性確認システムは、確率論的リスク評価モデルから出力される第１のカットセットの特徴量を演算し（特徴量演算部２４）、前記特徴量に基づくクラスタリングを実行して第１のクラスタ群（グループ群、例えば図６のグループＧ１～Ｇ７）を算出する手段（クラスタリング部２５）と、確認対象の確率論的リスク評価モデルから出力される第２のカットセットの特徴量を演算する手段（特徴量演算部２４）と、前記第１のカットセットに前記第２のカットセットを追加して、前記第１のカットセットの特徴量と前記第２のカットセットの特徴量とに基づくクラスタリングを実行し、第２のクラスタ群（グループ群、例えば図７のグループＧ１－１～Ｇ８）を算出する手段（クラスタリング部２５）と、前記第２のクラスタ群の各クラスタに含まれる前記第１のカットセットおよび前記第２のカットセットと、前記各クラスタの各々に対応する前記第１のクラスタ群のクラスタに含まれる前記第１のカットセットと、に基づいて、前記第１のクラスタ群と前記第２のクラスタ群の対応するクラスタ同士を比較して、前記第２のクラスタ群のうちの確認を要するクラスタを特定する手段（制御部２３）と、を有する。

【0065】

（１１）第１１の態様に係るプログラムは、コンピュータ９００に、確率論的リスク評価モデルから出力される第１のカットセットの特徴量を演算し、前記特徴量に基づくクラスタリングを実行して第１のクラスタ群を算出するステップと、確認対象の確率論的リスク評価モデルから出力される第２のカットセットの特徴量を演算するステップと、前記第１のカットセットに前記第２のカットセットを追加して、前記第１のカットセットの特徴量と前記第２のカットセットの特徴量とに基づくクラスタリングを実行し、第２のクラスタ群を算出するステップと、前記第２のクラスタ群の各クラスタに含まれる前記第１のカットセットおよび前記第２のカットセットと、前記各クラスタの各々に対応する前記第１のクラスタ群のクラスタに含まれる前記第１のカットセットと、に基づいて、前記第１のクラスタ群と前記第２のクラスタ群の対応するクラスタ同士を比較して、前記第２のクラスタ群のうちの確認を要するクラスタを特定するステップと、を実行させる。

【符号の説明】

【0066】

１・・・妥当性確認システム
１０・・・ＰＲＡモデル管理装置
１１・・・カットセット出力部
１２・・・修正受付部
１３・・・記憶部
２０・・・妥当性確認支援装置
２１・・・カットセット取得部
２２・・・入力受付部
２３・・・制御部
２４・・・特徴量演算部
２５・・・クラスタリング部
２６・・・出力部
２７・・・記憶部
９００・・・コンピュータ
９０１・・・ＣＰＵ
９０２・・・主記憶装置
９０３・・・補助記憶装置
９０４・・・入出力インタフェース
９０５・・・通信インタフェース

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】