知財求人 - 知財ポータルサイト「IP Force」
▶ 株式会社東芝の特許一覧 ▶ 東芝電機サービス株式会社の特許一覧
(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】2024-09-06
(45)【発行日】2024-09-17
(54)【発明の名称】プラント監視支援装置
(51)【国際特許分類】
G05B 23/02 20060101AFI20240909BHJP
【ＦＩ】
G05B23/02 T
【請求項の数】
7
(21)【出願番号】P 2020160705
(22)【出願日】2020-09-25
(65)【公開番号】P2022053847
(43)【公開日】2022-04-06
【審査請求日】2023-06-20
(73)【特許権者】
【識別番号】000003078
【氏名又は名称】株式会社東芝
(73)【特許権者】
【識別番号】598076591
【氏名又は名称】東芝インフラシステムズ株式会社
(74)【代理人】
【識別番号】110003708
【氏名又は名称】弁理士法人鈴榮特許綜合事務所
(72)【発明者】
【氏名】山中 理
(72)【発明者】
【氏名】平岡 由紀夫
【審査官】今井 貞雄
(56)【参考文献】
【文献】特開２０１３－０６１８５３（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】
所定周期で計測された対象プロセスのプロセスデータから２以上の変数値を収集し、前記変数値の時系列データを保存するデータ収集・保存部と、前記データ収集・保存部から、一又は多変数の前記時系列データを抽出可能なデータ抽出部と、
前記データ抽出部によって抽出された一又は多変数の前記時系列データを用いて複数の類似度を算出する類似度算出部と、
前記複数の類似度を要素とする類似度行列を視覚化した類似度マップを表示するためのデータを生成する類似度マップ生成部と、を備え、
前記類似度算出部は、多変数の前記時系列データに含まれる監視時点における複数の前記変数の情報から、前記複数の変数同士の変数類似度を算出する変数類似度算出部を含み、
前記類似度マップ生成部は、前記変数類似度算出部にて生成された複数の前記変数類似度を要素とする変数類似度行列を視覚化した変数類似度マップを表示するためのデータを生成する変数類似度マップ生成部を含み、
ユーザが前記変数類似度マップ上で前記変数を選択する操作情報に基づいて、同時に監視する複数の前記変数を選択するトレンド監視変数選択部と、
前記トレンド監視変数選択部により選択された複数の前記変数のトレンドグラフを表示するデータを生成するトレンドグラフ表示部と、を備える、プラント監視支援装置。
【請求項2】
前記変数類似度の算出に用いられる複数の前記変数の情報は、複数の前記変数の前記時系列データに含まれる前記変数値、複数の前記変数の名称、および、前記対象プロセスのアラーム情報の少なくともいずれかを含む、請求項１記載のプラント監視支援装置。
【請求項3】
前記変数類似度マップ生成部は、任意の一つの前記変数と他の複数の前記変数との前記変数類似度の値に応じて複数の前記変数に対応する要素を配置した前記変数類似度行列を可視化した前記変数類似度マップのデータを生成し、前記トレンド監視変数選択部は、任意の一つの前記変数に対して前記変数類似度の高い順に所定数の前記変数を更に選択する、請求項１記載のプラント監視支援装置。
【請求項4】
前記変数類似度マップ生成部は、前記変数類似度の高い変数群によるクラスタを生成し、前記クラスタ毎に前記変数が並ぶように前記要素を配置した前記変数類似度行列を可視化する前記変数類似度マップのデータを生成し前記トレンド監視変数選択部は、前記クラスタに含まれる複数の前記変数を同時監視する変数を選択する、請求項１記載のプラント監視支援装置。
【請求項5】
前記類似度算出部は、前記多変数の前記時系列データに含まれる任意の変数の前記時系列データを、時間方向における所定の周期で複数期間に分割した第２時系列データの、前記複数期間のそれぞれに対応する値同士の時間類似度を算出する時間類似度算出部を含み、前記類似度マップ生成部は、前記時間類似度算出部にて生成された複数の前記時間類似度を要素とする時間類似度行列を視覚化した時間類似度マップを表示するためのデータを生成する時間類似度マップ生成部を含み、
ユーザが前記時間類似度マップ上で監視期間を選択する操作情報に基づいて、前記複数期間の少なくとも一つを選択するトレンド監視期間選択部と、
前記トレンド監視期間選択部により選択された前記期間を前記監視期間とするトレンドグラフを表示するデータを生成するトレンドグラフ表示部と、を更に備える請求項１記載のプラント監視支援装置。
【請求項6】
前記時間類似度は、前記第２時系列データに基づく行列の正準角類似度、前記第２時系列データに基づく行列の代表値のベクトル間の相関係数による類似度、および、ミンコフスキー距離に基づく類似度、の少なくともいずれかを含む、請求項５記載のプラント監視支援装置。
【請求項7】
前記トレンド監視期間選択部は、前記操作情報に基づいて、基準とする前記監視期間と、基準とする前記監視期間と比較監視を行う前記監視期間とを選択する、請求項５記載のプラント監視支援装置。【発明の詳細な説明】
【技術分野】
【0001】
本発明の実施形態は、プラント監視支援装置に関する。
【背景技術】
【0002】
下水処理プロセス、汚泥消化プロセス、浄水プロセス、給配水プロセスなどの水処理/水運用プロセスや石油化学プロセス、鉄鋼プロセス、半導体製造プロセス、あるいは医薬品製造プロセス系のプラントでは、複数のプロセス状態を測定する複数のオンラインセンサが設置されている。
【0003】
プロセス監視装置（SCADA: Supervisory Control And Data Acquisition）は、通常プロセス系に設置されたセンサ群の計測により得られるプロセスデータ（流量、温度、圧力、水質、操作量など）を時系列データ（トレンドグラフ）に変換する。これをプラント管理者（マネージャー）や運転員（オペレータ）が監視することにより、プロセスの状態を把握し、プロセスの運転変更や制御を行っている。
【0004】
プラント監視は、一般に、プロセスのアウトプットの性能を良好に維持しながら、できる限り省エネルギーで、かつ、プラントのトラブルを回避しながら安全かつ効率的にプラントを運用することを目的に行われる。
【0005】
例えば、下水処理プロセスにおいては、アウトプットである放流水質を良好な状態に維持しながらできる限り省電力・省薬品コストで運用することが望まれる。同時に、プロセスの過程での何らかのトラブルにより、水処理ができない状況になることを回避する様に気を付けて運用が行われる。また、石油化学プロセスや鉄鋼の圧延プロセスなどでは、製品（石油精製製品や圧延された鉄材など）の品質を担保しながら、できる限り省エネ・省コストで効率的に生産することが望まれる。この際、プラントが何らかのトラブルなどで停止するダウンタイムを最小化しながら、良品質の製品の歩留まり（収率）を上げて生産することが省コスト運用にもつながる。
【0006】
このようなプラント監視における異常兆候の検出と対応は、プラントのトラブルを回避して安全に運用することを実現するだけでなく、上述した様にトラブル回避によりダウンタイムを最小化して省コスト運用することにも間接的につながる。
【0007】
プラント監視において、例えば各々のプロセスデータの時系列データには、管理限界等と呼ばれる上下限値が設定されており、この管理限界を超えた場合にアラームが発報される。プラントマネージャーやオペレータは、このアラームに基づいてプラント運用の確認・見直しを行う。上述の様なアラーム発報に基づく運転管理において、統計を用いて2σ、3σ（σは監視したいデータの標準偏差）などの基準で管理する方法は、しばしば統計的プロセス管理（SPC：Statistical Process Control）と呼ばれる。
【0008】
アラーム発報に基づく運転管理を行う場合には、設定した管理限界値に応じて、軽故障（軽警報）、重故障（重警報）などが発報されるが、管理限界値を厳しく設定した場合に頻繁に誤アラーム(False Alarm)が発生するいわゆる「アラームの洪水」の問題や、逆に管理限界値を緩く設定した場合に異常兆候の検出を見逃す未アラーム（Missed Alarm）による異常時の対応遅れやそれに伴う重大な故障やプラントの停止リスクの問題がある。
【0009】
このような状況に対応するための技術として、石油化学プロセスや鉄鋼プラントの分野で利用されてきた「多変量統計解析手法」を用いた多変量統計的プロセス監視（MSPC：Multi-Variate Statistical Process Control）と呼ばれる方法が知られている。MSPCでは、主成分分析（PCA：Principal Component Analysis）や潜在変数射影法／部分最小二乗法（PLS：Projection to Latent Structure/Partial Least Square）などの多変量解析を用いて、プラントの異常兆候の検出(Fault Detection)と、異常要因となるプロセス監視変数（データ）の推定(Fault Isolation)とを行うことを主な目的としている。
【0010】
実際のプラント運用の現場の多くでは、トレンドグラフによる時系列データ監視と、管理限界を用いたSPCにより異常検知が行われている。この状況において、新たにMSPCの様なアドバンストな多変量解析技術をプラント運用の現場に組み込んでいく際には、SPCをMSPCで完全に置き換えるという様な、プラント運転管理者にとって不連続な変化は、実際のユーザである運転員に不必要な混乱を与えることになる。
【0011】
そのため、従来のトレンドグラフによる時系列データ監視やSPCによるプラント監視と、MSPCとを連続的に（シームレス）につなげる仕組みとして、MSPCで検出した異常兆候をトレンド監視に結びつけるプラント監視方法が提案されている。具体的には、MSPCと従来から行っているトレンド監視とを関連づけ、異常兆候が検出されたときに、運転員に「今トレンド監視すべき変数は何か」という情報を付加したトレンド監視を実現することが提案されている。この様に、「異常兆候の検出」という情報をトリガーとして、運転管理者が見るべきデータをガイダンスするトレンド監視のナビゲーションシステムによれば、プラント監視をより効率的に行うことが出来るとともに、非熟練運転員に対して有用なナビゲーションを行うことができる。
【先行技術文献】
【特許文献】
【0012】
【文献】特開２００４－３０３００７号公報
【非特許文献】
【0013】
【文献】W.Hu et al、 An Application of Advanced Alarm Management Tools to an Oil Sand Extraction Plant、 Preprints of 9th International Symposium on Advanced Control of Chemical Process、 IFAC 2015
【発明の概要】
【発明が解決しようとする課題】
【0014】
一方、プラント監視は必ずしも異常時にだけ行われるだけでなく、通常運用時にも行われており、監視している大半の時間帯は異常ではない通常運用状態であるといってよい。このような通常運用時においても有用なトレンド監視のナビゲーションシステムがあると、プラント監視をより効率的に行うことが可能になると同時に、必ずしも監視対象のプラントの知識が豊富でない非熟練運転員にとっては、きわめて有用な情報となると考えられる。
【0015】
本発明の実施形態は上記事情を鑑みて成されたものであって、プロセスの監視を行う管理者に有用なナビゲーション情報を与えるプラント監視支援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】
【0016】
実施形態によるプラント監視支援装置は、所定周期で計測された対象プロセスのプロセスデータから２以上の変数値を収集し、前記変数値の時系列データを保存するデータ収集・保存部と、前記データ収集・保存部から、一又は多変数の時系列データを抽出可能なデータ抽出部と、前記データ抽出部によって抽出された一又は多変数の前記時系列データを用いて複数の類似度を算出する類似度算出部と、前記複数の類似度を要素とする類似度行列を視覚化した類似度マップを表示するためのデータを生成する類似度マップ生成部と、を備え、前記類似度算出部は、多変数の前記時系列データに含まれる監視時点における複数の前記変数の情報から、前記複数の変数同士の変数類似度を算出する変数類似度算出部を含み、前記類似度マップ生成部は、前記変数類似度算出部にて生成された複数の前記変数類似度を要素とする変数類似度行列を視覚化した変数類似度マップを表示するためのデータを生成する変数類似度マップ生成部を含み、ユーザが前記変数類似度マップ上で前記変数を選択する操作情報に基づいて、同時に監視する複数の前記変数を選択するトレンド監視変数選択部と、前記トレンド監視変数選択部により選択された複数の前記変数のトレンドグラフを表示するデータを生成するトレンドグラフ表示部と、を備える。
【図面の簡単な説明】
【0017】
【発明を実施するための形態】
【0018】
以下、複数の実施形態のプラント監視支援装置について図面を参照して詳細に説明する。以下で説明するプラント監視支援装置は、例えば、下水処理プロセス、排水処理プロセス、汚泥消化プロセス、浄水プロセス、給配水プロセス、化学プロセス、鉄鋼プロセスなどのプロセス系の監視装置に適用することが可能である。
【0019】
プラントの監視において、通常、運転管理者・運転員は、自身の判断で選択した「ある監視変数」のデータをトレンドグラフで監視している。その際、「選択した変数の過去のデータ」や「選択した変数と関連のあるデータ」を参照しながら、監視を行うことが多い。例えば、運転管理者・運転員は、選択した変数のトレンドグラフを監視しながら、「昨日の同時刻のデータ」、「先週の同時刻のデータ」もしくは「１年前の同日付近のデータ」などを参照しながら監視を行う場合がある。
【0020】
また、例えば浄水・配水処理において、運転管理者・運転員が「ポンプ吐出流量」を監視している場合に、そのポンプで汲み出す配水池、あるいはポンプで送水する先の配水池の「水位」を同時監視することがある。
【0021】
あるいは、運転管理者・運転員は、下水処理において、「ブロワの風量」と一緒に「ブロワ回転数」や「ブロワ電力」を同時に監視したり、「ブロワの風量」と同時に反応槽内に存在する「溶存酸素濃度」、さらには、溶存酸素濃度に影響を受ける各種の「水質濃度」を同時に監視したりすることがある。
【0022】
このように、同一変数の異なる時間帯のデータの同時監視や、ある変数と関連を持つ変数の同時監視は、プラントを適切に運用するうえで、きわめて重要な意味を持つ。この際、例えば「昨日」「一週間前」「一年前」といった規則的に時間をずらしたデータは検索もしやすく、これを同時に監視することは容易である。一方で、例えば、任意のプラント監視時点と同じような運用を行っていた過去のデータを検索することは必ずしも容易でない。
【0023】
また、何らかの関連を持つ変数を同時監視する場合、例えば、「流量」と「水位」、「ブロワ／ポンプの電力」と「回転数」と「流量」、など直接的に因果関係や相関関係を持つことが大多数の運転管理者・運転員にとって明らかなときには、これらを同時監視することは比較的容易である。一方で、例えば、「ブロワ風量」と「水質」、などの様に、対象プロセスに関するある程度の知識を持つ運転管理者・運転員でないと理解できない何らかの関係性を持つ変数の同時監視は、特に非熟練の運転管理者や運転員にとって容易ではない。
【0024】
そこで、以下に説明する実施形態では、このように、非熟練の運転管理者や運転員によってプラント監視が行われる様な状況で、「選択した変数の過去のデータ」や「選択した変数と関連のあるデータ」の参照が必ずしも容易でないようなときに、監視すべきトレンドデータのナビゲーション情報を運転管理者・運転員に提供し、ガイダンスする機能を備えたプラント監視支援装置について説明する。
【0025】
以下、実施形態のプラント監視支援装置について、図面を参照して説明する。
図１は、一実施形態のプラント監視支援装置の一構成例を概略的に示す図である。
ここでは、実施形態のプラント監視支援装置を、窒素およびリン除去を目的とした下水高度処理プロセスを対象とする監視システムに適用した一例を示している。なお、本実施形態のプラント監視支援装置は、下水高度処理プロセスを対象とするものに限定されるものではなく、１種類又は２種類以上の計測項目の時系列データが存在する任意のプロセスを対象とすることができる。
図１は、一実施形態のプラント監視支援装置の一構成例を概略的に示す図である。
ここでは、実施形態のプラント監視支援装置を、窒素およびリン除去を目的とした下水高度処理プロセスを対象とする監視システムに適用した一例を示している。なお、本実施形態のプラント監視支援装置は、下水高度処理プロセスを対象とするものに限定されるものではなく、１種類又は２種類以上の計測項目の時系列データが存在する任意のプロセスを対象とすることができる。
【0026】
下水高度処理プロセス１は、最初沈澱池１０１、嫌気槽１０２、無酸素槽１０３、好気槽１０４及び最終沈澱池１０５を有する。処理対象の下水（以下「被処理水」という。）は、最初沈澱池１０１、嫌気槽１０２、無酸素槽１０３、好気槽１０４、最終沈澱池１０５の順に送水され処理される。
【0027】
最初沈澱池１０１は、下水高度処理プロセス１に送られてくる被処理水の貯水池である。最初沈澱池１０１では、沈澱により比重の重い固形物が被処理水から分離される。
嫌気槽１０２は、有機物を分解する微生物を被処理水に投入するための水槽である。嫌気槽１０２において、被処理水は空気が供給されない状態で攪拌される。これにより、微生物に体内のリンを吐き出させる。一般にこの処理をリン吐出という。
嫌気槽１０２は、有機物を分解する微生物を被処理水に投入するための水槽である。嫌気槽１０２において、被処理水は空気が供給されない状態で攪拌される。これにより、微生物に体内のリンを吐き出させる。一般にこの処理をリン吐出という。
【0028】
無酸素槽１０３は、被処理水から窒素を除去するための水槽である。具体的には、無酸素槽１０３では、後段の好気槽１０４から戻された被処理水が嫌気槽１０２から送られてきた被処理水に混ぜられ、空気を供給されない状態で攪拌される。無酸素槽１０３では、微生物の働きにより被処理水中の硝酸が窒素に分解され、大気に放出される。一般にこの処理を脱窒という。
【0029】
好気槽１０４は、被処理水中の有機物の分解と、リンの除去及びアンモニアの硝化とを行うための水槽である。具体的には、被処理水に空気を供給して微生物を活性化させ、微生物に有機物を分解させるとともに、微生物に被処理水中のリンを吸収させる。嫌気状態でリンを吐出しその代りに有機物を蓄積した状態の微生物は、活性化されることにより吐き出した以上のリンを吸収するため、被処理水中のリンが除去される。また、好気槽１０４では、被処理水に空気が供給されることによりアンモニアが硝酸に分解される。一般にこの処理を硝化という。
【0030】
最終沈澱池１０５は、リンの除去及びアンモニアの硝化が行われた被処理水の貯水池である。最終沈澱池１０５では沈澱によって被処理水に残存する固形物が分離され、上澄みの清澄水が処理済みの水として放流される。
下水高度処理プロセス１は、最初沈澱池余剰汚泥引き抜きポンプ１１１、ブロワ１１２、循環ポンプ１１３、返送汚泥ポンプ１１４、及び、最終沈澱池余剰汚泥引き抜きポンプ１１５を備える。
下水高度処理プロセス１は、最初沈澱池余剰汚泥引き抜きポンプ１１１、ブロワ１１２、循環ポンプ１１３、返送汚泥ポンプ１１４、及び、最終沈澱池余剰汚泥引き抜きポンプ１１５を備える。
【0031】
最初沈澱池余剰汚泥引き抜きポンプ１１１は、最初沈澱池１０１から沈澱した汚泥を引き抜いて除去するポンプである。最初沈澱池余剰汚泥引き抜きポンプ１１１は、引き抜いた汚泥の流量を計測する流量センサを有する。
ブロワ１１２は、好気槽１０４に酸素を供給する送風機である。ブロワ１１２は、供給した空気の流量を計測する流量センサを有する。
循環ポンプ１１３は、被処理水を好気槽１０４から無酸素槽１０３に返送するポンプである。循環ポンプ１１３は、返送した被処理水の流量を計測する流量センサを有する。
ブロワ１１２は、好気槽１０４に酸素を供給する送風機である。ブロワ１１２は、供給した空気の流量を計測する流量センサを有する。
循環ポンプ１１３は、被処理水を好気槽１０４から無酸素槽１０３に返送するポンプである。循環ポンプ１１３は、返送した被処理水の流量を計測する流量センサを有する。
【0032】
返送汚泥ポンプ１１４は、最終沈澱池１０５から沈澱した汚泥の一部を引き抜いて嫌気槽１０２に返送するポンプである。返送汚泥ポンプ１１４は、返送した汚泥の流量を計測する流量センサを有する。
最終沈澱池余剰汚泥引き抜きポンプ１１５は、最終沈澱池１０５から沈澱した汚泥を引き抜いて除去するポンプである。最終沈澱池余剰汚泥引き抜きポンプ１１５は、引き抜いた汚泥の流量を計測する流量センサを有する。
最終沈澱池余剰汚泥引き抜きポンプ１１５は、最終沈澱池１０５から沈澱した汚泥を引き抜いて除去するポンプである。最終沈澱池余剰汚泥引き抜きポンプ１１５は、引き抜いた汚泥の流量を計測する流量センサを有する。
【0033】
また、下水高度処理プロセス１は、雨量センサ１２１、下水流入量センサ１２２、流入ＴＮセンサ１２３、流入ＴＰセンサ１２４、流入有機物センサ１２５、ＯＲＰセンサ１２６、嫌気槽ｐＨセンサ１２７、無酸素槽ＯＲＰセンサ１２８、無酸素槽ｐＨセンサ１２９、リン酸センサ１３０、ＤＯセンサ１３１、アンモニアセンサ１３２、ＭＬＳＳセンサ１３３、水温センサ１３４、余剰汚泥ＳＳセンサ１３５、放流ＳＳセンサ１３６、汚泥界面センサ１３７、下水放流量センサ１３８、放流ＴＮセンサ１３９、放流ＴＰセンサ１４０、及び、放流有機物センサ１４１を備える。
【0034】
雨量センサ１２１は、下水高度処理プロセス１に流入する付近の雨量を計測するセンサである。下水流入量センサ１２２は、下水高度処理プロセス１に流入する下水（以下「流入下水」という。）の流量を計測するセンサである。流入ＴＮセンサ１２３は、流入下水に含まれる全窒素量（ＴＮ）を計測するセンサである。流入ＴＰセンサ１２４は、流入下水に含まれる全リン量（ＴＰ）を計測するセンサである。流入有機物センサ１２５は、流入下水に含まれる有機物量を計測するＵＶ（吸光度）センサ又はＣＯＤ（化学的酸素要求量）センサである。
【0035】
ＯＲＰセンサ１２６は、嫌気槽１０２のＯＲＰ（酸化－還元電位）を計測するセンサである。嫌気槽ｐＨセンサ１２７は、嫌気槽１０２のｐＨを計測するセンサである。
無酸素槽ＯＲＰセンサ１２８は、無酸素槽１０３のＯＲＰを計測するセンサである。無酸素槽ｐＨセンサ１２９は、無酸素槽１０３のｐＨを計測するセンサである。
リン酸センサ１２１０は、好気槽１０４のリン酸濃度を計測するセンサである。ＤＯセンサ１２１１は、好気槽１０４の溶存酸素濃度（ＤＯ）を計測するセンサである。アンモニアセンサ１２１２は、好気槽１０４のアンモニア濃度を計測するセンサである。
無酸素槽ＯＲＰセンサ１２８は、無酸素槽１０３のＯＲＰを計測するセンサである。無酸素槽ｐＨセンサ１２９は、無酸素槽１０３のｐＨを計測するセンサである。
リン酸センサ１２１０は、好気槽１０４のリン酸濃度を計測するセンサである。ＤＯセンサ１２１１は、好気槽１０４の溶存酸素濃度（ＤＯ）を計測するセンサである。アンモニアセンサ１２１２は、好気槽１０４のアンモニア濃度を計測するセンサである。
【0036】
ＭＬＳＳセンサ１２１３は、嫌気槽１０２、無酸素槽１０３又は好気槽１０４の少なくとも一箇所で活性汚泥濃度（ＭＬＳＳ）を計測するセンサである。図１では、ＭＬＳＳセンサ１２１３は嫌気槽１０２に設置された例を示している。
水温センサ１２１４は、無酸素槽１０３又は好気槽１０４の少なくとも一箇所で水温を計測するセンサである。図１では、水温センサ１２１４は無酸素槽１０３に設置された例を示している。
水温センサ１２１４は、無酸素槽１０３又は好気槽１０４の少なくとも一箇所で水温を計測するセンサである。図１では、水温センサ１２１４は無酸素槽１０３に設置された例を示している。
【0037】
余剰汚泥ＳＳセンサ１２１５は、最終沈澱池１０５から引き抜かれる汚泥の固形物（ＳＳ）濃度を計測するセンサである。放流ＳＳセンサ１２１６は、最終沈澱池１０５から放流される水のＳＳ濃度を計測するセンサである。汚泥界面センサ１２１７は、最終沈澱池１０５の汚泥界面レベルを計測するセンサである。
下水放流量センサ１２１８は、放流水の流量を計測するセンサである。放流ＴＮセンサ１２１９は、放流水に含まれる全窒素量を計測するセンサである。放流ＴＰセンサ１２２０は、放流水に含まれる全リン量を計測するセンサである。放流有機物センサ１２２１は、放流水に含まれる有機物量を計測するＵＶセンサ又はＣＯＤセンサである。
下水放流量センサ１２１８は、放流水の流量を計測するセンサである。放流ＴＮセンサ１２１９は、放流水に含まれる全窒素量を計測するセンサである。放流ＴＰセンサ１２２０は、放流水に含まれる全リン量を計測するセンサである。放流有機物センサ１２２１は、放流水に含まれる有機物量を計測するＵＶセンサ又はＣＯＤセンサである。
【0038】
なお、上記の最初沈澱池余剰汚泥引き抜きポンプ１１１、ブロワ１１２、循環ポンプ１１３、返送汚泥ポンプ１１４及び最終沈澱池余剰汚泥引き抜きポンプ１１５など機器のそれぞれは所定周期の制御で動作する。また、最初沈澱池余剰汚泥引き抜きポンプ１１１、ブロワ１１２、循環ポンプ１１３、返送汚泥ポンプ１１４及び最終沈澱池余剰汚泥引き抜きポンプ１１５の機器それぞれが有する流量センサを含む上記の各センサは、所定周期でセンシング対象を計測する。以下、最初沈澱池余剰汚泥引き抜きポンプ１１１、ブロワ１１２、循環ポンプ１１３、返送汚泥ポンプ１１４及び最終沈澱池余剰汚泥引き抜きポンプ１１５のそれぞれが有する流量センサを総称して操作量センサと称し、その他のセンサを総称してプロセスセンサと称する。
【0039】
下水高度処理プロセス１や他の多くのプラント（鉄鋼プラント、石油化学プラント、食品プラント、製薬プロセス、半導体製造プロセス、発電プラント、交通監視設備、空調監視設備、など）では、プロセスの状態を表す量や運転操作に関わる量など多数のセンサが設置され所定の周期で計測を行っているものが多い。各操作量センサ及び各プロセスセンサは、所定周期のセンシングによって得られた計測データをプロセスデータとしてデータ収集・保存部２に送信する。
【0040】
本実施形態のプラント監視支援装置は、データ収集・保存部２と、データ抽出部３と、変数類似度算出部４と、変数類似度マップ生成部５と、トレンド監視変数選択部６と、データ分割部７と、時間類似度算出部８と、時間類似度マップ生成部９と、トレンド監視期間選択部１０と、トレンドグラフ表示部１１と、を備えている。
【0041】
なお、本実施形態のプラント監視支援装置は、少なくとも１つのプロセッサと、プロセッサにより実行されるプログラムが記憶されたメモリと、を備え、ソフトウエアにより若しくはソフトウエアとハードウエアとの組み合わせにより、以下に説明する種々の機能を実現可能に構成されている。
【0042】
データ収集・保存部２は、下水高度処理プロセス１の各操作量センサ及び各プロセスセンサから、計測データ（プロセスデータ）を周期的に受信する。すなわち、データ収集・保存部２は、複数の変数値を周期的に受信する。なお、データ収集・保存部２は、各操作量センサ及び各プロセスセンサで計測されたプロセスデータを直接受信してもよく、各操作量センサ及び各プロセスセンサにより所定周期で計測されたプロセスデータが記録された記録媒体等を介して、複数の変数値を取得してもよい。
【0043】
データ抽出部３は、類似度計算用データ抽出部３１と、プロセス監視用データ抽出部２１と、を備えている。
類似度計算用データ抽出部３１は、所定の周期で若しくは外部からの要求により、データ収集・保存部２から所定期間および所定変数（一又は多変数）のプロセスデータ（時系列データ）を抽出する。なお、類似度計算用データ抽出部３１で抽出されたプロセスデータは、後述の変数類似度および時間類似度の算出に用いられる。
類似度計算用データ抽出部３１は、所定の周期で若しくは外部からの要求により、データ収集・保存部２から所定期間および所定変数（一又は多変数）のプロセスデータ（時系列データ）を抽出する。なお、類似度計算用データ抽出部３１で抽出されたプロセスデータは、後述の変数類似度および時間類似度の算出に用いられる。
【0044】
プロセス監視用データ抽出部３２は、所定の周期で若しくは外部からの要求により、データ収集・保存部２からトレンド監視用のプロセスデータ（時系列データ）を抽出する。なお、プロセス監視用データ抽出部３２で抽出されたプロセスデータは、後述のトレンドグラフ表示部１１により、トレンドグラフとして運転管理者・運転員に提示され得る。
【0045】
変数類似度算出部４は、類似度計算用データ抽出部３１により抽出されたＭ（正の整数）個の変数のデータの中のＭ個以下の所定の数（例えばｍ（正の整数）とする）の変数のデータを用いて、後述する方法で変数間の類似度（変数類似度）を計算する。
【0046】
変数類似度マップ生成部５は、変数類似度算出部４において計算された変数類似度を可視化する機能を備える。変数類似度マップ生成部５は、例えば、変数類似度をｍ行ｍ列の類似度行列として表現し、この類似度行列をｍ×ｍの等値線図などのマップとして可視化するデータを生成する。変数類似度マップ生成部５は、例えば、類似度行列の要素に対応する矩形状の領域を、行列の配列に対応するように格子状に並べたマップにおいて、それぞれの領域に対応する変数類似度の値に応じた色で表示するためのデータを生成する。
【0047】
トレンド監視変数選択部６は、変数類似度マップ生成部５で生成されたデータを受信し、変数類似度マップと同時に監視すべきトレンドグラフ複数の変数（変数郡）を選択する。トレンド監視変数選択部６は、選択した変数郡についての変数類似度マップを表示するデータを、トレンドグラフ表示部１１へ送信する。トレンド監視変数選択部６は、例えば、ユーザの操作により入力された指令に基づいてプロセスデータから変数郡を選択してもよく、予め設定された複数の変数をプロセスデータから自動的に変数郡として選択してもよい。
【0048】
データ分割部７は、データ分割数指定部７１と、データ分離部７２と、を備えている。
データ分割数指定部７１は、類似度計算用データ抽出部３１により抽出されたプロセスデータの中から所定の数（＝ｍ）の変数のデータを、時間方向において分割する数（＝ｋ）を設定する。
データ分離部７２は、ｍ個の変数の時系列データを、時間方向における所定の周期で、データ分割数指定部７１により設定されたｋセットのｍ変数の時系列データ（第２時系列データ）に分離する。
データ分割数指定部７１は、類似度計算用データ抽出部３１により抽出されたプロセスデータの中から所定の数（＝ｍ）の変数のデータを、時間方向において分割する数（＝ｋ）を設定する。
データ分離部７２は、ｍ個の変数の時系列データを、時間方向における所定の周期で、データ分割数指定部７１により設定されたｋセットのｍ変数の時系列データ（第２時系列データ）に分離する。
【0049】
時間類似度算出部８は、データ分割部７で分割されたｋセットのｍ変数の時系列データから、ｋ個の時間方向の類似度（時間類似度）を算出する。なお、時間類似度の算出方法については、後に詳細に説明する。
時間類似度マップ生成部９は、時間類似度算出部８により算出された時間方向の類似度を、ｋ×ｋの行列の類似度行列として表現し、これをｋ×ｋの等値線図などのマップとして表示可能なデータを生成する。時間類似度マップ生成部９は、例えば、類似度行列の要素に対応する矩形状の領域を、行列の配列に対応するように格子状に並べたマップにおいて、それぞれの領域に対応する時間類似度の値に応じた色で表示するためのデータを生成する。
時間類似度マップ生成部９は、時間類似度算出部８により算出された時間方向の類似度を、ｋ×ｋの行列の類似度行列として表現し、これをｋ×ｋの等値線図などのマップとして表示可能なデータを生成する。時間類似度マップ生成部９は、例えば、類似度行列の要素に対応する矩形状の領域を、行列の配列に対応するように格子状に並べたマップにおいて、それぞれの領域に対応する時間類似度の値に応じた色で表示するためのデータを生成する。
【0050】
トレンド監視期間選択部１０は、時間類似度マップ生成部９で生成されたデータを受信し、時間類似度マップ生成部９上でトレンド監視を行う期間を選択する。トレンド監視期間選択部１０は、選択した期間について、時間類似度マップを表示するデータを、トレンドグラフ表示部１１へ送信する。トレンド監視期間選択部１０は、例えば、ユーザの操作により入力された指令に基づいてプロセスデータから期間を選択してもよく、予め設定された期間をプロセスデータから自動的に選択してもよい。
【0051】
トレンドグラフ表示部１１は、トレンド監視変数選択部６から受信したデータを用いて、選択された変数郡の変数類似度マップを表示させることができる。また、トレンドグラフ表示部１１は、トレンドグラフ監視期間選択部１０から受信したデータを用いて、選択された期間の時間類似度マップ表示させることができる。なお、トレンドグラフ表示部１１は、例えばプロセス監視用データ抽出部３２から受信したデータを用いて、トレンドグラフを表示させることも可能である。トレンドグラフ表示部１１は、表示手段を備えていてもよい。また、トレンドグラフ表示部１１は、外部の表示手段に類似度マップやトレンドグラフを表示させてもよい。
【0052】
次に、上述のプラント監視支援装置の動作の一例について説明する。
なお、本実施形態のプラント監視支援装置では、下水高度処理プロセス１の操作量センサ１１１～１１５と各種プロセスセンサ１２１～１２２１とによって、所定の周期ＴＨ（例：ＴＨ＝１分）でプロセスの情報が計測されているものとする。
データ収集・保存部２は、計測されたプロセス情報（計測情報）を周期的に取得し、予め決められたフォーマットに従って時系列データとして保存する。
なお、本実施形態のプラント監視支援装置では、下水高度処理プロセス１の操作量センサ１１１～１１５と各種プロセスセンサ１２１～１２２１とによって、所定の周期ＴＨ（例：ＴＨ＝１分）でプロセスの情報が計測されているものとする。
データ収集・保存部２は、計測されたプロセス情報（計測情報）を周期的に取得し、予め決められたフォーマットに従って時系列データとして保存する。
【0053】
データ抽出部３の類似度計算用データ抽出部３１は、操作量センサ１１１～１１５と各種プロセスセンサ１２１～１２２１とに対応する項目のデータと、その名称ラベル（「流入ＴＮ」「嫌気槽ＯＲＰ」など）とを、別途指定する所定の期間Ｔ０～Ｔ１、もしくは、所定の周期ＴＬの時系列データとして取得する。
【0054】
所定の期間（ＴＨ＝１分として）の一例として、類似度計算用データ抽出部３１は、Ｔ０＝２０１９年１月１日０：００、Ｔ１＝２０１９年１２月３１日２３：５９とした場合、２０１９年の１年間分の時系列データを指定することができる。また、類似度計算用データ抽出部３１は、所定の周期ＴＬを例えば３０日（もしくは１か月）と指定すると、３０日（もしくは１か月）毎のデータを定期的に抽出することができる。
【0055】
以下では、このようにして抽出されたデータセットをＬ×Ｍの行列としてＸ０、対応する変数の名称ラベルを１×ＭのベクトルとしてＸ０ｌａｂｅｌと記載することにする。また、後述する変数類似度や時間類似度の算出にアラーム類似度を用いる場合には、類似度計算用データ抽出部３１は、行列Ｘ０に付随する情報として、行列Ｘ０と同時に各変数に対する警報（アラーム）のデジタル時系列情報としてＬ×Ｍの警報行列Ｆ０も同時に抽出しておく。
【0056】
ここで、Ｌは抽出した時系列データのデータ点数、Ｍは変数の数である。本実施形態のプラント監視支援装置では、Ｍは、最初沈澱池余剰汚泥引き抜きポンプ（引き抜き流量センサを含む）１１１～１２２１、放流下水に含まれる有機物量を計測する放流ＵＶセンサあるいは放流ＣＯＤセンサ、までの２５変数に相当する数であり、Ｍ＝２５である。実際の中規模以上の下水処理施設では、複数の水処理系列（中規模以上の処理場では、水処理はプールのコース（レーン）の様に並列して行われる場合が多く、各コースに相当するものを「系」と呼び、例えば１系、２系、・・・と名付けている）から成っている事が多いため、例えば、大規模処理場で１０系列あるとすると、プラント監視支援装置により監視可能な変数の数ｍは、２５０（＝２５×１０）となる。
【0057】
また、下水処理以外の他のプラント（発電プラント、石油化学プラントなど）においても数百～数千変数になることはまれでない。本実施形態のプラント監視支援装置は、そのような「多変量」の監視を行う場合に、特にその効果を発揮することができる。
【0058】
また、データ点数Ｌについては、オンラインセンサの計測周期ＴＨが、例えば１分の場合で、１年間分のデータを選択した場合、行列Ｘ０の行数Ｌは、５２５,６００（＝６０×２４×３６５）となる。
【0059】
なお、以降の説明において、行列Ｘ０と変数ラベルＸ０ｌａｂｅｌとは以下の様に表すものとする。
類似度計算用データ抽出部３１は、上記のように類似度計算用の行列Ｘ０と変数ラベルＸ０ｌａｂｅｌとを抽出することができる。
【数1】
【0060】
次に、変数類似度算出部４の動作の一例について説明する。
変数類似度算出部４は、行列Ｘ０と変数ラベルＸ０ｌａｂｅｌとの少なくとも一方を用いて変数類似度を算出することができる。変数類似度は、各変数（本実施形態では上記の２５変数）のそれぞれが互いにどの程度類似しているかを表す指標であり、典型的には、２つの変数の時系列データに基づいて定義される。例えば、変数類似度算出部４は、２つの時系列データの「距離」あるいは「内積」に基づく変数類似度指標を、変数類似度として算出することが可能である。
変数類似度算出部４は、行列Ｘ０と変数ラベルＸ０ｌａｂｅｌとの少なくとも一方を用いて変数類似度を算出することができる。変数類似度は、各変数（本実施形態では上記の２５変数）のそれぞれが互いにどの程度類似しているかを表す指標であり、典型的には、２つの変数の時系列データに基づいて定義される。例えば、変数類似度算出部４は、２つの時系列データの「距離」あるいは「内積」に基づく変数類似度指標を、変数類似度として算出することが可能である。
【0061】
前者の「距離」に基づく変数類似度指標を算出する方法では、行列Ｘ０の中の２つの時系列データベクトルをｘ＝ｘｃｉとｙ＝ｘｃｊとすると、例えば、この２つのベクトルのユークリッド距離（Ｌ２距離）、マンハッタン距離（Ｌ１距離）、チェビシェフ距離（Ｌ∞距離）、などを含むミンコフスキー距離（Ｌｐ（ｐ＝１、２、…、∞）距離）を｜ｘ－ｙ｜ｐとすることができる。ここで、｜・｜はベクトルのノルムを表すことにし、｜・｜ｐはｐノルムを意味することとする。また、データ間の物理的な大きさのばらつきを考慮する場合には、各変数のデータを標準偏差で割って標準化した標準化ユークリッド距離、あるいは、変数間の相関を考慮して調整したマハラノビス距離を用いることも可能である。
【0062】
次に、後者の「内積」に基づく変数類似度指標を算出する方法について説明する。なお、以下の説明において、「ｘTｙ」によりｘとｙとの内積を表すものとする。データ間のばらつきを調整するために、例えば、各ベクトルのノルムで正規化した、ｘＴｙ／（｜ｘ｜｜ｙ｜）を内積値として用いることができる。これは、コサイン類似度と呼ばれる指標である。さらに、各データの平均をゼロにする様にしてコサイン類似度を計算したものは、いわゆる（ピアソンの）相関係数に相当し、この相関係数を変数類似度としてもよい。あるいは、相関係数の符号を無視して相関の強弱を類似度指標としたいときには、相関係数の絶対値もしくは相関係数の２乗で定義される決定係数などを、変数類似度の指標として用いることも可能である。さらに、必ずしも内積に基づく指標とはならないが、ピアソンの相関係数を、スピアマンの順位相関などのノンパラメトリック相関係数や、各種のロバスト相関係数、あるいは、それらの絶対値や２乗をとることで符号情報を消去した相関指標、などを変数類似度指標とすることもできる。
【0063】
また、変数類似度指標は、必ずしも時系列データ（行列Ｘ０）から算出する必要はなく、例えば、変数の名称の類似度として変数ラベルＸ０ｌａｂｅｌから編集距離（レーベンシュタイン距離）を算出して、これを変数類似度指標としてもよい。
【0064】
また、例えば非特許文献１などに記載されているような、各変数のアラームがどの程度同時に発報されていたかを示すアラーム類似度を、警報行列Ｆ０を用いて算出して、変数類似度の指標として用いることもできる。
【0065】
また、上記の各変数類似度指標は、採用する指標によりとりうる値の存在範囲が異なり。さらに、例えば「距離」と「相関係数」との様に、類似と非類似との方向性が逆である場合もある。すなわち、「距離」は０である場合が完全一致であり、「距離」の値が大きくなると非類似であるのに対し、「相関係数」は１であるときに完全一致であり、０であるときに完全不一致である。このため、何等かの方法で基準（指標の取りうる値の範囲と、類似と非類似との方向性）を揃えておく方が好ましい。
【0066】
以下の説明では、変数類似度指標は、０のときに完全不一致、１のときに完全一致となる様に正規化した指標として説明する。このような変換の例は、例えば、以下の様にすることができる。すなわち、距離の様に０で完全一致し正の値しかとらない指標の場合には、その指標値をｄとすると、下記式（３）により、ｄ＝０の場合にｄ´＝１、ｄ＝∞の場合にｄ’＝０となる様に変換することができる。
ｄ´＝ｅｘｐ（－ｄ／σ)…………………………………………………………………（３）
ここで、σは正の可調整パラメータである。
ｄ´＝ｅｘｐ（－ｄ／σ)…………………………………………………………………（３）
ここで、σは正の可調整パラメータである。
【0067】
また、相関係数の様に正負の符号を両方とる場合には、この指標をｒとすると、下記式（４）により、とり得る値の範囲を０以上１以下となるように変換することができる。
ｒ´＝（ｍａｘ（ｒ）－ｒ）／（ｍａｘ（ｒ）－ｍｉｎ（ｒ））
＝（１－ｒ）／２……………………………………………………………………（４）
ｒ´＝（ｍａｘ（ｒ）－ｒ）／（ｍａｘ（ｒ）－ｍｉｎ（ｒ））
＝（１－ｒ）／２……………………………………………………………………（４）
【0068】
上記ように指標を正規化することにより、複数種類の指標を適切に組み合わせて、変数の類似度を定義することも可能となる。一例として、例えば、データの絶対値相関の近さとデータの名称の近さとを組み合わせて類似度を定義したい場合、各指標として、各々、相関係数絶対値をｒ、正規化した編集距離をｌとすると、下記式（５ａ）および式（５ｂ）により、複数種類の類似度指標を組み合わせた変数類似度指標ｂを生成することができる。
ｂ＝ｒ×ｌ………………………………………………………………………………（５ａ）
ｂ＝（α×ｒ＋（１－α）×ｌ）（０＜α＜１、α＝０．５で通常の平均）…（５ｂ）
ｂ＝ｒ×ｌ………………………………………………………………………………（５ａ）
ｂ＝（α×ｒ＋（１－α）×ｌ）（０＜α＜１、α＝０．５で通常の平均）…（５ｂ）
【0069】
なお、複数種類の類似度指標を組み合わせるのではなく、複数種類の変数類似度を各々定義して同時に（並列に）監視したい場合には、例えば後述する変数類似度マップの表示において、表示する変数類似度を切り替えられるようにしておくことが好ましい。
以上の様な操作により、変数類似度算出部４は、ｘとｙとの類似度を定義することができ、これをＭ個の変数の全ての組み合わせ（＝（Ｍ－１）×Ｍ／２）について計算することができる。
以上の様な操作により、変数類似度算出部４は、ｘとｙとの類似度を定義することができ、これをＭ個の変数の全ての組み合わせ（＝（Ｍ－１）×Ｍ／２）について計算することができる。
【0070】
次に、変数類似度マップ生成部５の動作の一例について説明する。
変数類似度マップ生成部５は、変数類似度算出部４で算出した（Ｍ－１）×Ｍ／２個の変数類似度を、対角線に対して対称になるように配置し、各変数自身の類似度（上記の正規化を行った場合には、必ず１となる）を対角に配置して、Ｍ×Ｍ（＝（Ｍ－１）×Ｍ／２×２＋Ｍ）の類似度行列として表す。
変数類似度マップ生成部５は、変数類似度算出部４で算出した（Ｍ－１）×Ｍ／２個の変数類似度を、対角線に対して対称になるように配置し、各変数自身の類似度（上記の正規化を行った場合には、必ず１となる）を対角に配置して、Ｍ×Ｍ（＝（Ｍ－１）×Ｍ／２×２＋Ｍ）の類似度行列として表す。
【0071】
類似度行列において、例えば、１行目の１列目には、第１変数と第Ｍ変数との変数類似度が配置され、１行目の２列目には、第１変数と第（Ｍ－１）変数との変数類似度が配置されるように、順次１行目の（Ｍ－１）列目まで変数類似度が並び、１行目のＭ列目には、第１変数と第１変数との類似度（＝１）が配置される。２行目からＭ行目までの各行についても同様である。換言すると、類似度行列において、１行目とＭ列目とが同じ変数に対応し、２行目と（Ｍ－１）列目とが同じ変数に対応し、…、Ｍ行目と１列目とが同じ変数に対応するように、順次、変数類似度が配置される。
変数類似度マップ生成部５は、例えば上記のような類似度行列に対応する変数類似度マップを表示するためのデータを生成する。
変数類似度マップ生成部５は、例えば上記のような類似度行列に対応する変数類似度マップを表示するためのデータを生成する。
【0072】
図２は、監視画面上に表示された変数類似度マップの一例を概略的に示す図である。
この例では、変数類似度マップは、Ｍ行Ｍ列の類似度行列を構成する変数類似度の各要素に対応する矩形状の領域を、それぞれの要素に対応する位置に格子状に並べたマップであり、対応する変数類似度の値に応じた色で矩形状の領域が色分けされている。図２の例では、変数類似度の値が１である領域が赤色で表示され、変数類似度の値が０である領域が青色で表示されるように、変数類似度の値に応じて青色、緑色、黄色、赤色と徐々に変化するように各領域が色分けされている。
この例では、変数類似度マップは、Ｍ行Ｍ列の類似度行列を構成する変数類似度の各要素に対応する矩形状の領域を、それぞれの要素に対応する位置に格子状に並べたマップであり、対応する変数類似度の値に応じた色で矩形状の領域が色分けされている。図２の例では、変数類似度の値が１である領域が赤色で表示され、変数類似度の値が０である領域が青色で表示されるように、変数類似度の値に応じて青色、緑色、黄色、赤色と徐々に変化するように各領域が色分けされている。
【0073】
このように、変数類似度の値に応じて、マップ上の対応する領域を色分けすることにより、運転管理者・運転員は、提示される監視画面上にて変数値同士がどの程度似ているか視覚的に把握でき、例えば、トレンドグラフからは気づくことが難しいような変数の挙動を確認することができる。
【0074】
図３は、監視画面上に表示された変数類似度マップの他の例を概略的に示す図である。
ここでは、ある程度類似度の高い変数間の関係を強調するために、類似度に所定の閾値を設け、その閾値以下の値は０として(又は０と同じ色となるように)変数類似度マップを表示した例を示している。例えば図３では、類似度の閾値を０．５とし、０．５以下の値のものを０として（又は０と同じ色となるように）表示している。
ここでは、ある程度類似度の高い変数間の関係を強調するために、類似度に所定の閾値を設け、その閾値以下の値は０として(又は０と同じ色となるように)変数類似度マップを表示した例を示している。例えば図３では、類似度の閾値を０．５とし、０．５以下の値のものを０として（又は０と同じ色となるように）表示している。
【0075】
また、よりシンプルな表現にするために、例えば、類似度が０．５以上のものを１とし（又は１と同じ色となるように）、０．５未満のものを０として（又は０と同じ色となるように）、２色でマップを色分けして表示してもよい。このようにすると、変数間の類似性の情報量は低下するものの、運転管理者・運転員は類似性の強い変数を簡単に見つけることが可能になる。
【0076】
図２や図３の様な表示形式では、類似性の高い変数と類似性の低い変数がこのマップ上に散在している。通常、各変数は、監視システム上に登録された順番などで選択されていると考えられ、この順序でマップを作成すると、図２や図３のようなマップになることが多いと考えられる。そこで、変数の順序を並べ替えて、関係性の高い変数群をまとめて表示することも好ましい。
【0077】
図４は、監視画面上に表示された変数類似度マップの他の例を概略的に示す図である。
ここでは、図２に示した変数類似度マップにおいて、類似度の高い変数郡がまとめて表示されるように変数の順序を並び替えた変数類似度マップの一例を示している。
ここでは、図２に示した変数類似度マップにおいて、類似度の高い変数郡がまとめて表示されるように変数の順序を並び替えた変数類似度マップの一例を示している。
【0078】
図５は、監視画面上に表示された変数類似度マップの他の例を概略的に示す図である。
ここでは、図３に示した変数類似度マップにおいて、類似度の高い変数郡がまとめて表示されるように変数の順序を並び替えた変数類似度マップの一例を示している。
ここでは、図３に示した変数類似度マップにおいて、類似度の高い変数郡がまとめて表示されるように変数の順序を並び替えた変数類似度マップの一例を示している。
【0079】
このように変数群の並べ替えは、例えば、スペクトルクラスタリング手法を使えば容易に行うことができる。具体的には、変数類似度マップ生成部５は、以下の様な手順で変数の並べ替えを行うことができる。
【0080】
まず、変数類似度マップ生成部５は、変数類似度マップに用いた類似度行列をスペクトルクラスタリングで用いる隣接行列Ｗと見なして、この隣接行列Ｗの各行の和を対角要素として持つ次数行列Ｄを作成する。そして、グラフラプラシアンＬをＬ＝Ｄ－Ｗで定義する。
【0081】
次に、変数類似度マップ生成部５は、必要に応じて、グラフラプラシアンＬを対称化グラフラプラシアンＬｓ（＝Ｄ－１／２ＬＤ－１／２）、あるいはランダムウォークグラフラプラシアンＬｒ（＝Ｄ－１Ｌ）などの変換を行った上で、固有値分解を行い、グラフラプラシアンＬあるいはＬｓあるいはランダムウォークグラフラプラシアンＬｒの固有ベクトルからなる行列Ｖを求める。
【0082】
そして、クラスタリングのクラス数Ｋを指定した上で、行列Ｖの全ての行について、１列目からＫ列目までを取り出した部分行列Ｖ（：、１：Ｋ）に対して、一般的に使われる適切なクラスタリング手法、例えば、Ｋ－ｍｅａｎｓクラスタリングなどを適用して、部分行列Ｖ（：、１：Ｋ）の各行をＫ個のクラスのいずれかに分類する。なお、上記部分行列の表記は、行列変数名（行開始位置：行終了位置、列開始位置：列終了位置）としたものである。
【0083】
部分行列Ｖ（：、１：Ｋ）の各行番号は、類似度行列の各変数に対応する（１行目は１番目の変数、２行目は２番目の変数、など）ので、同じクラスに分類された変数をまとめるように並べ替えると、図４および図５の様な表示が可能になる。
【0084】
上記のように変数を並び替えることで、関連性の高い（類似度の高い）変数群をまとめたマップとしてプラント監視画面上に表示することができる。また、類似度の高い変数郡をまとめて表示するマップとすることで、後述するようにトレンド監視変数選択部６における変数選択も容易になる。
【0085】
次に、トレンド監視変数選択部６の動作の一例について説明する。
トレンド監視変数選択部６は、変数類似度マップ生成部５で作成したマップのデータを用いて、例えば運転管理者・運転員に変数類似度マップを提示し、運転管理者・運転員の操作に基づいて、同時にトレンド監視すべき変数群を選択する。
この際、例えば図４および図５に示すように、関連のある（類似度の高い）変数がクラスタ化されている場合は、トレンド監視変数選択部６は、このクラスタ化された情報を利用して、同時にトレンド監視すべき変数を選択することが好ましい。
トレンド監視変数選択部６は、変数類似度マップ生成部５で作成したマップのデータを用いて、例えば運転管理者・運転員に変数類似度マップを提示し、運転管理者・運転員の操作に基づいて、同時にトレンド監視すべき変数群を選択する。
この際、例えば図４および図５に示すように、関連のある（類似度の高い）変数がクラスタ化されている場合は、トレンド監視変数選択部６は、このクラスタ化された情報を利用して、同時にトレンド監視すべき変数を選択することが好ましい。
【0086】
図６は、図５に示す変数類似度マップにおいて、トレンド監視変数を選択する機能の一例を説明するための図である。
なお図６では、説明のため変数類似度マップの色分けを省略して表示している。変数類似度マップ上の枠ＡＲ１、ＡＲ２、ＡＲ３の各々で囲んだ箇所は、各クラスタを表している。このケースでは、変数を３つのクラスに分類している（上記のクラス数Ｋ＝３に対応）。
なお図６では、説明のため変数類似度マップの色分けを省略して表示している。変数類似度マップ上の枠ＡＲ１、ＡＲ２、ＡＲ３の各々で囲んだ箇所は、各クラスタを表している。このケースでは、変数を３つのクラスに分類している（上記のクラス数Ｋ＝３に対応）。
【0087】
トレンド監視変数選択部６は、例えば、運転管理者・運転員が、監視画面上において図中の各枠ＡＲ１、ＡＲ２、ＡＲ３で囲んだ領域に対応する変数名称箇所の付近をマウスオーバー又は指で接触したときに、対応するクラスタの変数の名称を枠で囲んだブロックと、類似度マップ上の対応する枠ＡＲ１、ＡＲ２、ＡＲ３で囲んだブロックとが自動表示されるように表示を制御する。そこで、運転管理者・運転員がマウスをクリック又は指で画面をタップして選択すると、トレンド監視変数選択部６は、操作情報（クリック又はタップされた画面の位置情報を含む）を取得し、クリック又はタップされたクラスの変数群をトレンドグラフで同時監視する変数として一括して選択することができる。トレンド監視変数選択部６は、選択された変数郡のトレンドグラフを表示するための情報をトレンドグラフ表示部１１へ送信する。
【0088】
この例において、例えば、運転管理者・運転員により枠ＡＲ１で囲んだ変数群が一括して選択されると、これらの相互に類似度の高い変数群が一括してトレンドグラフで表示される。従って、運転管理者・運転員は、類似度の高い変数を同時に監視することが可能になる。
【0089】
一方、図６中の枠ＡＲ３で囲んだ部分の変数も一つのクラスとして分類されているが、図５を参照すると、これらの変数間には互いに強い類似性は見られない。これは、クラス数Ｋ＝３として分類したときに、強い類似性を持つ枠ＡＲ１と枠ＡＲ２とに囲まれた変数郡のクラスに入らなかった変数群が残りのクラスとして選択されたからであると考えられる。このような場合には、枠ＡＲ３により囲まれた変数群を同時に監視しても、特に強い関連性がみられないと思われる。
【0090】
また、図５を参照すると、枠ＡＲ１、ＡＲ２、ＡＲ３のいずれにも囲まれなかった変数にも、ところどころ類似性の高い箇所が認められる。そこで、トレンド監視変数選択部６は、例えば枠ＡＲ１や枠ＡＲ２に囲まれた類似性の高い一つのブロック（以下単位ブロック）を一つが選択されたときに、この単位ブロックに対応する２つの変数のトレンドグラフを更に比較監視することができるように構成されてもよい。この場合には、トレンド監視変数選択部６は、選択された変数郡のトレンドグラフを表示するための情報と合わせて、選択された単位ブロックに対応する変数のトレンドグラフを表示するための情報をトレンドグラフ表示部１１へ送信することができる。
【0091】
図７Ａおよび図７Ｂは、図２に示す変数類似度マップにおいて、トレンド監視変数を選択する機能の他の例を説明するための図である。
運転管理者・運転員がある特定の監視変数に着目しているときには、運転管理者・運転員はその変数に関連する変数群のトレンドグラフを同時に監視することを要求すると考えられる。
運転管理者・運転員がある特定の監視変数に着目しているときには、運転管理者・運転員はその変数に関連する変数群のトレンドグラフを同時に監視することを要求すると考えられる。
【0092】
そこで、本実施形態のプラント監視支援装置では、運転管理者・運転員が類似度マップの横軸もしくは縦軸にある着目したい特定の変数名をマウス等でクリック（若しくは指でタップ）した操作情報を取得したときに、トレンド監視変数選択部６は、この変数が類似度マップの左下端（もしくは右上端）に配置するとともに、この変数に対して類似度の高い順に変数名称を並べ替え、類似度マップの配置を変更して表示させる。例えば図７Ａおよび図７Ｂでは、運転管理者・運転員により「変数１０」を選択する操作が行われた際の表示例を示している。
【0093】
図２に示す変数類似度マップにおいて、例えば図７Ａに示すように、運転管理者・運転員により「変数１０」を選択する操作が行われると、トレンド監視変数選択部６は、図７Ｂに示すように変数類似度マップの表示を更新する。図７Ｂでは、変数１０は、例えば変数類似度マップの横軸における左端であって縦軸における下端に配置されている。他の変数は、「変数１０」との類似度の高い順に「変数１０」の近くに配置されるように変数名称が並べ替えられる。
【0094】
更に、トレンド監視変数選択部６は、更新した変数類似度マップの左下端に、正方形の範囲指定枠ＡＲを表示させる。範囲指定枠ＡＲのサイズは操作により可変であり、運転管理者・運転員は、範囲指定枠ＡＲの角や辺をマウス等でドラッグすることにより移動させて、選択した「変数１０」と同時に表示する変数群を指定する操作を行うことができる。このようにして、運転管理者・運転員は、選択した変数と同時にトレンド監視する変数群を選択する操作を行うことができる。この場合、トレンド監視変数選択部６は、選択された変数および変数郡のトレンドグラフを表示するための情報をトレンドグラフ表示部１１へ送信することができる。
【0095】
なお、この例では、図２に示す変数類似度マップにおいて特定の変数を選択する動作を一例として説明したが、予めクラスタリングを行った図４（もしくは図５）に示す変数類似度マップにおいて特定の変数を選択する操作を可能としてもよい。
【0096】
また、トレンド監視変数選択部６は、様々な変数類似度マップを切り替えて表示可能に構成されていてもよい。例えば、図６、図７Ａ、および、図７Ｂでは、変数類似度マップの表示を切り替えるためのタブＴ１－Ｔ４を例示している。これらの例では、例えば、相関類似度と、ユークリッド類似度と、アラーム類似度と、名称類似度との中から、変数類似度マップとして表示させる類似度の種類を選択可能としている。トレンド監視変数選択部６は、運転管理者・運転員によりタブＴ１－Ｔ４が選択された操作情報を取得し、表示させる変数類似度マップを切り替えることができる。
【0097】
このようにすると、「相関係数の意味で相互に関連のあるもの」、「距離の意味で相互に関連のあるもの」、「アラームを同時に発報しやすいもの」、「変数の名称が近いもの」、など複数の異なる基準で定義された類似度を用いて、同時にトレンド監視を行った方が良い変数群の選択が容易になる。
【0098】
次に、トレンドグラフ表示部１１の動作の一例について説明する。
トレンドグラフ表示部１１は、選択された変数群のトレンドグラフが、プラントの運転管理者・運転員などが監視する監視画面上に一括して表示し得る。
トレンドグラフ表示部１１は、選択された変数群のトレンドグラフが、プラントの運転管理者・運転員などが監視する監視画面上に一括して表示し得る。
【0099】
図８および図９は、トレンド監視変数選択部により選択された変数のトレンドグラフを監視画面上に表示した例を示す図である。
図８では、トレンド監視変数選択部６により８つの変数が選択されたときの、トレンドグラフの表示例を示している。なお、図８に示す例では、各監視変数のいわゆるトレンドグラフをリアルタイムで表示するととともに、その通常の変動幅も合わせて表示して監視時点のトレンドが通常時と比較してどのような状態であるかを一目でわかるようにしている。この様な表示方法がより好ましいが、通常の変動幅の表示は省略しても構わない。
図８では、トレンド監視変数選択部６により８つの変数が選択されたときの、トレンドグラフの表示例を示している。なお、図８に示す例では、各監視変数のいわゆるトレンドグラフをリアルタイムで表示するととともに、その通常の変動幅も合わせて表示して監視時点のトレンドが通常時と比較してどのような状態であるかを一目でわかるようにしている。この様な表示方法がより好ましいが、通常の変動幅の表示は省略しても構わない。
【0100】
図９では、選択した変数が変数類似度マップ生成部５により算出された一つの単位ブロックである場合に、２つの変数を同時に監視画面に表示した例を示している。
なお、図８および図９に示す例では、トレンドグラフ表示部１１は、「リアルタイム」モードと「ヒストリカル」モードとの表示モードにて、トレンドグラフを表示させることが可能である。「リアルタイム」モードは、実際の監視時におけるプラントの運用状況を監視するための表示モードである。「ヒストリカル」モードは、過去の特定の時点におけるプラントの状況を確認するための表示モードである。また、トレンドグラフ表示部１１は、さらに、表示モードとして「リプレイ」モードでトレンドグラフを表示するよう構成されていてもよい。「リプレイ」モードは、過去のある期間のトレンドグラフの動きを、監視時点をずらしながら（通常は早送りで）監視するためのモードである。
なお、図８および図９に示す例では、トレンドグラフ表示部１１は、「リアルタイム」モードと「ヒストリカル」モードとの表示モードにて、トレンドグラフを表示させることが可能である。「リアルタイム」モードは、実際の監視時におけるプラントの運用状況を監視するための表示モードである。「ヒストリカル」モードは、過去の特定の時点におけるプラントの状況を確認するための表示モードである。また、トレンドグラフ表示部１１は、さらに、表示モードとして「リプレイ」モードでトレンドグラフを表示するよう構成されていてもよい。「リプレイ」モードは、過去のある期間のトレンドグラフの動きを、監視時点をずらしながら（通常は早送りで）監視するためのモードである。
【0101】
次に、任意の変数について時間方向の比較監視を行う際の、本実施形態のプラント監視支援装置の動作の一例について説明する。
時間方向の比較監視は、例えば、監視時点の一昨日の同時刻のデータとの比較監視、一週間前の同曜日同時刻のデータとの比較監視、一年前の同日の同時刻もしくはほぼ一年前の同時期の同曜日同時刻のデータとの比較監視などである。これらの比較監視は、例えば、現在の運用状態の良否や傾向を判断する上で有用な情報となり得る。そこで本実施形態のプラント監視支援装置では、例えば、現在の運用状況と似たような過去の状況における変数値との比較監視、あるいは、逆に似ていない過去の状況における変数値との比較監視、などを行いたい場合に、運転管理者・運転員に比較監視のための情報を提供することを可能としている。
時間方向の比較監視は、例えば、監視時点の一昨日の同時刻のデータとの比較監視、一週間前の同曜日同時刻のデータとの比較監視、一年前の同日の同時刻もしくはほぼ一年前の同時期の同曜日同時刻のデータとの比較監視などである。これらの比較監視は、例えば、現在の運用状態の良否や傾向を判断する上で有用な情報となり得る。そこで本実施形態のプラント監視支援装置では、例えば、現在の運用状況と似たような過去の状況における変数値との比較監視、あるいは、逆に似ていない過去の状況における変数値との比較監視、などを行いたい場合に、運転管理者・運転員に比較監視のための情報を提供することを可能としている。
【0102】
以下では、上記時間方向の比較監視のための情報を提示する仕組みについて、（１）式の類似度計算用データを用いる方法を一例として説明する。
まず、データ分割部７の動作の一例について説明する。データ分割部７は、（１）式のデータＸ０を時間方向に分割する。
まず、データ分割部７の動作の一例について説明する。データ分割部７は、（１）式のデータＸ０を時間方向に分割する。
【0103】
先に述べたように、例えば、１分単位の計測データを１年分集めたデータがＸ０であるとすると、データ分割数指定部７１では、時間方向のデータの類似性を調べる時間単位を考慮してデータの分割数を指定する。具体的には、例えば、１日単位で類似性を調べたい場合には、データ分割数ＫをＫ＝３６５と指定する。
【0104】
次に、データ分離部７２では、データＸ０を、データ分割数指定部７１により指定されたＫ（＝３６５）セットのデータになる様に分割する。すなわち、下記（６）式に示す様に、データＸ０をＸ０＿１～Ｘ０＿３６５の３６５個の部分行列に分割する。
ここで、Ｘ０＿１～Ｘ０＿３６５は、各々１分単位の１日分のデータから構成される１４４０×Ｍ（２６）のサイズの部分行列である。これが、７２データ分離機能の作用の例である。
【数2】
【0105】
次に、時間類似度算出部８の動作の一例について説明する。時間類似度算出部８は、時間方向の類似度を計算する。
この方法としては、大きく分けて、以下の２つの方法がある。一つは、Ｘ０＿１～Ｘ０＿３６５の各行列の類似度を適宜定義して、行列同士の類似度を求める方法である。もう一つは、Ｘ０＿１～Ｘ０＿３６５から各日の代表値を算出して１×Ｍのベクトルにした上で、変数類似度の計算と同じ様にベクトルの類似度を算出する方法である。
この方法としては、大きく分けて、以下の２つの方法がある。一つは、Ｘ０＿１～Ｘ０＿３６５の各行列の類似度を適宜定義して、行列同士の類似度を求める方法である。もう一つは、Ｘ０＿１～Ｘ０＿３６５から各日の代表値を算出して１×Ｍのベクトルにした上で、変数類似度の計算と同じ様にベクトルの類似度を算出する方法である。
【0106】
前者の場合、時間類似度算出部８は、例えば、以下の様に時間類似度を計算することができる。はじめに、Ｘ０＿１～Ｘ０＿３６５の各部分行列に対して主成分分析を適用し、ローディング行列と呼ばれる行列を各々求める。ローディング行列は、第１主成分～第Ｍ主成分までの主成分軸と呼ばれる方向を表すベクトルから構成される行列になっており、通常は、主成分分析を行うと、Ｍよりも小さい値のＭ’（＜＜Ｍ）個の主成分でデータの大半を説明することができる。時間類似度算出部８は、通常の主成分分析で一般的に行われている累積寄与率などの指標でＭ’を決定し、ローディング行列の第１主成分から第Ｍ’主成分方向の方向ベクトルから構成されるローディング行列の部分行列（ローディング部分行列）を求める。
【0107】
図１０は、ローディング部分行列の正準角について説明するための図である。
このようにして求めた３６５個のローディング部分行列の類似度として、正準角を用いる方法が知られており、各々の正準角を求めることでこれを類似度とする。正準角は、第１～第Ｍ’主成分の各軸が構成する部分空間ＳＰＡ、ＳＰＢ同士の角度θを表す指標であって、ベクトルの類似度であるコサイン類似度を行列に拡張した様な指標であり、異常検出などの分野で用いられる。
このようにして求めた３６５個のローディング部分行列の類似度として、正準角を用いる方法が知られており、各々の正準角を求めることでこれを類似度とする。正準角は、第１～第Ｍ’主成分の各軸が構成する部分空間ＳＰＡ、ＳＰＢ同士の角度θを表す指標であって、ベクトルの類似度であるコサイン類似度を行列に拡張した様な指標であり、異常検出などの分野で用いられる。
【0108】
以上の方法により、時間類似度算出部８は、ある特定の日と別の日との部分行列同士の類似度を定義することができる。時間類似度算出部８は、上記方法によりすべての日の組み合わせ、すなわちＫ（Ｋ－１）／２個の組み合わせについて計算することで、時間類似度を算出することができる。
【0109】
このような部分行列を直接比較する方法とは別に、後者の様にベクトル同士の類似度として時間類似度を定義することもできる。この場合は、まず、はじめに、時間類似度算出部８は、日単位の代表データを生成する。Ｘ０＿１～Ｘ０＿３６５の部分行列は、各々変数（列）毎に、１日分の１４４０点のデータで構成されているので、時間類似度算出部８は、まず、変数毎に日単位の代表データを生成する。最も単純な方法は、各列の平均値で日単位の代表値を算出するものであるが、異常値などを含んでいる可能性があるため、時間類似度算出部８は、適宜一日の中央値や刈込平均（トリム平均）などの異常値に対してロバストな方法で代表値を求める方法を採用することができる。あるいは、時間類似度算出部８は、ロバスト統計の各手法を使って、よりロバスト性が高く効率の良い推定法、例えばホッジス・レーマン推定やブートストラップ推定などの方法を用いてもよい。また、時間類似度算出部８は、例えば６０分毎に時間単位の代表値を中央値で求めたうえで、２４点の各時間の平均を求めるなど、２段階（多段階）のステップを踏む推定を行ってもよい。
【0110】
どのような手法を用いる場合でも、Ｘ０＿１～Ｘ０＿３６５の１４４０×Ｍのサイズの部分行列は１×Ｍのサイズのベクトルに置き換えることができる。時間類似度算出部８は、算出した１×Ｍのサイズのベクトルを、下記（７）式の様にＸｄとして定義する。
このベクトルＸｄは、各行が日単位の代表値ベクトルである行列であるので、時間類似度算出部８は、名称の類似度である編集類似度を除いて、変数類似度の定義と全く同様に、ベクトル毎の類似度を定義することができる。
【数3】
【0111】
なお、アラーム類似度については、時間類似度算出部８は、時間方向を見ることで時間類似度を定義することも可能である。すなわち、対象のデータベクトルをｘ＝ｘｒ＿ｉとｙ＝ｘｒ＿ｊとすると、時間類似度算出部８は、この２つのベクトルのユークリッド距離（Ｌ２距離）、マンハッタン距離（Ｌ１距離）、チェビシェフ距離（Ｌ∞距離）、などを含むミンコフスキー距離（Ｌｐ距離）、などの距離に基づく類似度や、コサイン類似度、相関係数、相関係数の絶対値もしくは相関係数の２乗で定義される決定係数などの内積に基づく類似度、で時間方向の類似度を計算することができる。
【0112】
なお、時間方向の類似度を計算する場合は、上記（７）式におけるｘｒｉの各要素はＭ個の各変数の値であり、一般的には物理的な次元が互いに異なるため、変数毎に、標準偏差や平均などを用いて正規化しておくことが一般的には好ましい。また、このようにベクトルの類似度を計算する場合は、ベクトル毎に計算を行ってもよいが、例えば、相関係数の様に一括して相関係数行列を計算することも可能である。一括して計算する場合、時間類似度算出部８は、時間類似度の計算は、（７）式の行列の行と列を入れ替える転置操作を行った上で、（１）式と同じ計算を行うことで相関係数行列の計算を実行できる。
【0113】
上記では、時間類似度算出部８は、（６）式や（７）式はＭ個の全ての変数を含むベクトルの類似度を算出するものとして説明したが、Ｍ個の中から監視に用いる変数Ｍ’≦Ｍ個のみを選択して類似度を計算することも可能である。特に、変数選択を行ってトレンド監視を行う場合には、必ずしもＭ個全ての変数を含む時間類似度を計算するのではなく、
選択した変数に連動して時間類似度の計算を変化させる方が、より好ましい場合がある。
選択した変数に連動して時間類似度の計算を変化させる方が、より好ましい場合がある。
【0114】
次に、時間類似度マップ生成部９の動作の一例について説明する。
時間類似度マップ生成部９は、例えば、時間類似度算出部８で算出した（Ｋ－１）×Ｋ／２個の時間方向の類似度を、対角線に対して対称になるよう配置し、各日（又は時間）自身の類似度（上述の正規化を行った場合には、必ず１となる）を対角に配置して、Ｋ×Ｋ（＝（Ｋ－１）×Ｋ／２×２＋Ｋ）の類似度行列として表す。
時間類似度マップ生成部９は、例えば、時間類似度算出部８で算出した（Ｋ－１）×Ｋ／２個の時間方向の類似度を、対角線に対して対称になるよう配置し、各日（又は時間）自身の類似度（上述の正規化を行った場合には、必ず１となる）を対角に配置して、Ｋ×Ｋ（＝（Ｋ－１）×Ｋ／２×２＋Ｋ）の類似度行列として表す。
【0115】
類似度行列において、例えば、１行目の１列目には、第１時間と第Ｋ時間との時間類似度が配置され、１行目の２列目には、第１時間と第（Ｋ－１）時間との時間類似度が配置されるように、順次１行目の（Ｋ－１）列目まで時間類似度が並び、１行目のＫ列目には、第１時間と第１時間との類似度（＝１）が配置される。２行目からＫ行目までの各行についても同様である。換言すると、類似度行列において、１行目とＫ列目とが同じ時間に対応し、２行目と（Ｋ－１）列目とが同じ時間に対応し、…、Ｋ行目と１列目とが同じ時間に対応するように、順次、時間類似度が配置される。
【0116】
時間類似度マップ生成部９は、例えば上記のような類似度行列に対応する時間類似度マップを表示するためのデータを生成する。
図１１および図１２は、監視画面上に表示された時間類似度マップの一例を概略的に示す図である。図１１および図１２では、Ｋ＝５５（５５日）とした場合の時間類似度マップの一例を示している。
図１１および図１２は、監視画面上に表示された時間類似度マップの一例を概略的に示す図である。図１１および図１２では、Ｋ＝５５（５５日）とした場合の時間類似度マップの一例を示している。
【0117】
この例では、時間類似度マップは、Ｋ行Ｋ列の類似度行列を構成する時間類似度の各要素に対応する矩形状の領域を、それぞれの要素に対応する位置に格子状に並べたマップであり、対応する時間類似度の値に応じた色で矩形状の領域が色分けされている。図１１および図１２の例では、例えば時間類似度の値が１である領域が赤色で表示され、変数類似度の値が０である領域が青色で表示されるように、変数類似度の値に応じて青色、緑色、黄色、赤色と徐々に変化するように各領域が色分けされている。
【0118】
このように、変数類似度の値に応じて、マップ上の対応する領域を色分けすることにより、運転管理者・運転員は、提示される監視画面上にて各時間における値同士がどの程度似ているか視覚的に把握でき、例えば、トレンドグラフからは気づくことが難しいような変数の挙動を確認することができる。
【0119】
例えば図１１の様な時間類似度マップは、プラントの運用状態が安定しているが、あるタイミングでプラントの運用を変更した場合や、プラント停止などのダウンタイムがあるような場合に見られる典型的な類似度マップであり、ある特定の日を境に状態が大きく変わっていることがわかる。
【0120】
一方、図１２の様な時間類似度マップは、類似度マップの左下から右上にかけての対角方向の付近だけの類似度だけが高くなっており、プラントの運用状態が日々少しずつ変化していく様な場合に典型的に見られる類似度マップである。
【0121】
このように、運転管理者・運転員は、時間類似度マップを見ることにより、プラントの運用状態がどのように変化してきているかの全体像を一見してとらえることができ、この時間類似度マップを監視するだけでも、日々の運用がどうなっているかの概要を把握することができる。
【0122】
なお、図１１や図１２では、Ｋ＝５５日とした例を示したが、例えば、Ｋ＝３６５日として１年間の動きを全体でとらえられる様にしておくことや、Ｋ＝１か月としておき１か月の動きを全体で把握できるようにしておくことなどができる。
【0123】
もちろん、変数類似度マップの場合と同様に、ある程度類似度の高い変数間の関係を強調するために、類似度に所定の閾値を設け、その閾値以下の値は０として表示することや、類似の有無の判定閾値を設けて２色（類似有と類似無とで色分けした２色）で表示することも可能である。しかしながら、時間類似度マップは、上述のように時間経過とともに、どのように類似度が変化していくかの全体像を把握する性格のものであるため、必ずしもこのような処理が時間類似度マップを見やすくするものではない。
【0124】
また、変数類似度の場合は、ある特定の変数について類似度の高い順にソーティングを行ったり、クラスタリングを行って類似度の高い変数群をまとめたりする処理を導入しているが、時間類似度マップの場合は、時間経過という一つの軸を持っているので、この情報を維持したそのままのマップにしておく方が一般的には適切であると考えられるが、必要に応じて、クラスタリング処理やソーティング処理を行ってマップを修正することを妨げるものではない。
【0125】
次に、トレンド監視期間選択部１０の動作の一例について説明する。
トレンド監視期間選択部１０は、時間類似度マップ生成部９で生成されたデータを利用して、トレンドの比較監視を行う期間の選択を行う。
トレンド監視期間選択部１０は、時間類似度マップ生成部９で生成されたデータを利用して、トレンドの比較監視を行う期間の選択を行う。
【0126】
図１３は、トレンド監視期間選択部の動作の一例について説明するための図である。
図１３において、時間類似度マップ上において行方向（横軸）に沿って延びたバー２０６は、時間類似度マップの列方向（縦軸）上で現在トレンド監視を行っている時点に対応する位置に配置されている。例えば、トレンド監視でリアルタイム監視を行っている場合は、このバー２０６は常に「現在」の位置（マップの上端）に配置されている。
図１３において、時間類似度マップ上において行方向（横軸）に沿って延びたバー２０６は、時間類似度マップの列方向（縦軸）上で現在トレンド監視を行っている時点に対応する位置に配置されている。例えば、トレンド監視でリアルタイム監視を行っている場合は、このバー２０６は常に「現在」の位置（マップの上端）に配置されている。
【0127】
なお、時間類似度マップは変数類似度マップとは異なり、時間の経過とともに、常に更新されていくことを前提としている。すなわち、時間類似度マップを１日単位の時間刻みで作成している場合には、１日単位でこの時間類似度マップは更新され、マップの上部と右部の端は常に「現在（＝当日）」となっている。このため、リアルタイム監視の場合には、常に「現在」の箇所にバー２０６が表示されている。一方、ヒストリカル監視を行う場合や、リプレイ監視を行う場合には、管理者・運転員などのユーザは、指定した日時に対応する位置にバー２０６を移動させる。また、時間類似度マップは、トレンド監視機能と連動するので、管理者・運転員が時間類似度マップ上でバー２０６の位置をずらすことにより、リアルタイム監視とヒストリカル監視とのモードを切り替え可能としてもよい。
【0128】
さらに、管理者・運転員は、トレンド監視を行っている日を表すバー２０６上で、比較監視したい日時を、日時指定部２０７をスライドさせることで指定することができる。例えば、管理者・運転員がリアルタイム監視を行っているときに、例えば図１３に示す様な位置に日時指定部２０７を移動することで、現在と異なる状態であると考えられる日を指定することができる。あるいは、管理者・運転員がヒストリカル監視を行う様にバー２０６を「現在」の位置から下側に移動させた後に、日時指定部２０７の位置をバー２０６上で比較監視したい日時の位置にスライドさせることで、変化が起こったと考えられる箇所を比較監視の対象として選定することができる。
【0129】
トレンド監視期間選択部１０は、管理者・運転員の操作情報に基づいて、バー２０６および日時指定部２０７の位置を特定し、トレンド監視（若しくはヒストリカル監視）を行う日時と比較監視を行う日時とを選択することができる。
【0130】
なお、図１３に示す様に、トレンド監視期間選択部１０においても、複数の時間類似度マップを切り替えることができるような機能を設けることが好ましい。
例えば図１３では、時間類似度マップの表示を切り替えるためのタブＴ５－Ｔ９を例示している。例えばタブＴ１－Ｔ８は、正準角類似度と、Ｌ∞類似度と、Ｌ２類似度と、相関類似度とから、時間類似度マップとして表示させる類似度の種類を選択可能としている。トレンド監視期間選択部１０は、運転管理者・運転員によりタブＴ５－Ｔ８のいずれかが選択された操作情報を取得し、表示させる変数類似度マップを切り替えることができる。このようにすると、複数の異なる基準で定義された類似度を用いて、同時にトレンド監視を行った方が良い日時の選択が容易になる。
例えば図１３では、時間類似度マップの表示を切り替えるためのタブＴ５－Ｔ９を例示している。例えばタブＴ１－Ｔ８は、正準角類似度と、Ｌ∞類似度と、Ｌ２類似度と、相関類似度とから、時間類似度マップとして表示させる類似度の種類を選択可能としている。トレンド監視期間選択部１０は、運転管理者・運転員によりタブＴ５－Ｔ８のいずれかが選択された操作情報を取得し、表示させる変数類似度マップを切り替えることができる。このようにすると、複数の異なる基準で定義された類似度を用いて、同時にトレンド監視を行った方が良い日時の選択が容易になる。
【0131】
また、例えば、時間類似度マップを年間のマップとした場合には、年度を切り替えて過去の年度に遡ることができる機能を有していることが好ましく、時間類似度マップを月単位で表示する場合には、過去の月に遡ることができる機能を有していることが好ましい。
【0132】
そこで図１３では、トレンド監視で比較対象としたい年度を選択するためのタブＴ９を例示している。運転管理者・運転員は、タブＴ９に表示される年度を選択することにより、表示する時間類似度マップを切り替える。トレンド監視期間選択部１０は、運転管理者・運転員によりタブＴ９で監視年度のいずれかが選択された操作情報を取得し、表示させる変数類似度マップを切り替えることができる。このような機能により、運転管理者・運転員がトレンド監視で比較対象としたい日を選択することがより容易になる。
【0133】
図１４は、トレンド監視期間選択部の動作の他の例について説明するための図である。
トレンド監視期間選択部１０は、図１４に示す様に、トレンド監視を行っている時点、すなわち、図１３のバー２０６に対応する時点で、時間類似度マップを折りたたんで、一行のマップとして表示してもよい。また、トレンド監視期間選択部１０は、一行でのマップ表示と、図１３の様な格子状のマップ表示とを相互に切り替え可能な機能を有していてもよい。図１４の様に一行のマップを表示することにより、運転管理者・運転員は、日時指定部１０７を一行のマップ上で行方向にスライドさせることにより、比較監視を行いたい日をより容易に選択することが可能になる。
トレンド監視期間選択部１０は、図１４に示す様に、トレンド監視を行っている時点、すなわち、図１３のバー２０６に対応する時点で、時間類似度マップを折りたたんで、一行のマップとして表示してもよい。また、トレンド監視期間選択部１０は、一行でのマップ表示と、図１３の様な格子状のマップ表示とを相互に切り替え可能な機能を有していてもよい。図１４の様に一行のマップを表示することにより、運転管理者・運転員は、日時指定部１０７を一行のマップ上で行方向にスライドさせることにより、比較監視を行いたい日をより容易に選択することが可能になる。
【0134】
また、先に述べた様に、時間類似度マップは、変数類似度マップと異なり、通常は、時間の経過とともに更新していくことを前提としているので、ヒストリカル表示の様に過去にさかのぼる場合には、図１３に示した様な監視時点を表すバー２０６を示すのではなく、ヒストリカル表示として指定した日を現在になるように、マップの形状を変えずに時間をシフトするような時間類似度マップとし、比較監視を行いたい日を指定できるようにしてもよい。
【0135】
さらに、上記の例では、比較監視の対象としたい日を指定するのは、一つの日時指定部２０７をスライドさせて選択した日を想定して記載したが、所定の上限値を設けて、複数日を比較対象の日として選定可能としておいてもよい。その場合には、トレンド監視期間選択部１０は、例えばバー２０６上に複数の日時指定部２０７を配置して、それぞれをスライドさせて比較対象の日を選択可能とする。
【0136】
次に、トレンドグラフ表示部１１の動作の一例について説明する。
なお、トレンドグラフ表示部１１について、既に記載した説明と重複する動作については、以下では詳細な説明は省略する。トレンドグラフ表示部１１において、比較対象として選定したデータと、現在トレンド監視をしているデータを同時に表示して、選択した変数のトレンドを比較監視するための表示データを生成する。
なお、トレンドグラフ表示部１１について、既に記載した説明と重複する動作については、以下では詳細な説明は省略する。トレンドグラフ表示部１１において、比較対象として選定したデータと、現在トレンド監視をしているデータを同時に表示して、選択した変数のトレンドを比較監視するための表示データを生成する。
【0137】
図１５は、現在の監視データと比較監視対象のデータとのトレンドグラフを監視画面上に表示した一例を概略的に示す図である。
ここで示した例は、２つの変数について、トレンド監視期間選択部１０により類似度の高い日時を比較対象として選択したときの表示例であり、比較監視対象のデータのトレンドグラフＧ４と現在の監視データのトレンドグラフＧ３との動きが似ている場合である。トレンド監視期間選択部１０において、類似度の低い日時のデータを選択した場合には、一般には、比較監視対象のデータと現在の監視データとの挙動は大きく異なるものとなる。なお、図１５では、トレンドデータの変動幅Ｇ１と典型的な変動パターンＧ２も同時に示しており、この様なデータも同時に表示してもよい。トレンドデータの変動幅Ｇ１と典型的な変動パターンＧ２は省略しても構わない。
ここで示した例は、２つの変数について、トレンド監視期間選択部１０により類似度の高い日時を比較対象として選択したときの表示例であり、比較監視対象のデータのトレンドグラフＧ４と現在の監視データのトレンドグラフＧ３との動きが似ている場合である。トレンド監視期間選択部１０において、類似度の低い日時のデータを選択した場合には、一般には、比較監視対象のデータと現在の監視データとの挙動は大きく異なるものとなる。なお、図１５では、トレンドデータの変動幅Ｇ１と典型的な変動パターンＧ２も同時に示しており、この様なデータも同時に表示してもよい。トレンドデータの変動幅Ｇ１と典型的な変動パターンＧ２は省略しても構わない。
【0138】
また、トレンド監視期間選択部１０で示した作用の例では、比較対象のデータを「日」で選択したが、時刻については、「現在」の監視時刻と同期するようにしておくことがデフォルトであり、リアルタイム表示の場合は、「現在」がリアルタイムで変化していくため、これに同期して、比較データも変化していくように表示され得る。また、ヒストリカル表示の場合は、指定した時刻におけるトレンドグラフは時刻を止めたまま表示されるので、比較監視対象のデータも指定した時刻で止まったままで表示され得る。また、リプレイモードの場合には、指定した期間、監視時点のデータと比較監視対象のデータとのトレンドグラフは同期して変化するように表示され得る。
【0139】
また、図１５では、例えばトレンド監視変数選択部６で、一つの単位ブロックが選定されて２つの変数を比較監視する場合を想定した表示となっているが、必ずしも変数類似度マップに基づいて監視する変数が選択されている必要はなく、通常のトレンド監視で、ある特定の変数を監視している場合にでも、トレンド監視期間選択部１０により、比較監視する期間のデータを指定することができる。
【0140】
上記のように、本実施形態のプラント監視支援装置によれば、プラント監視を行うプラント運転管理者・運転員に対して、同時に監視を行う方が良いと思われる変数群を可視化して提示して、比較監視を行う変数の選択を容易にすることが出来る。また、本実施形態のプラント監視支援装置によれば、プラント監視を行うプラント運転管理者・運転員に対して、比較して監視を行う方が良いと考えられる期間を可視化して提示して、比較監視を行う日時の選択を容易にすることができる。
【0141】
すなわち、本実施形態のプラント監視支援装置によれば、「プラントの監視変数」と「プラントの監視期間」に関する全体の情報を類似度マップで可視化して提示することで、運転管理者・運転員は、従来の微視的なトレンド監視では、把握することが難しかったプラントの運用状態の全体像を巨視的、俯瞰的にとらえることが可能になる。また、プラントの俯瞰情報とトレンド監視による詳細な情報を相互に行き来するプラント監視のフレームワークを提供することは、間接的に、プラントで異常が発生した場合の気づきを早める事ができたり、より効率的なプラント運用の方法を発見したりすることにつながり得る。したがって、上記の様な可視化情報を運転管理者に対して提示することで、プラント監視の効率が良くなるだけでなく、特に非熟練のプラント運転員でも、対象とするプラント監視を容易に行うことが可能になる。
【0142】
上記のように、本実施形態によれば、プロセスの監視を行う管理者に有用なナビゲーション情報を与えるプラント監視支援装置を提供することができる。
【0143】
本発明のいくつかの実施形態を説明したが、これらの実施形態は、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は意図していない。これら新規な実施形態は、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。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、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。
［付記１］
所定周期で計測された対象プロセスのプロセスデータから２以上の変数値を収集し、前記変数値の時系列データを保存するデータ収集・保存部と、
前記データ収集・保存部から、一又は多変数の前記時系列データを抽出可能なデータ抽出部と、
前記データ抽出部によって抽出された一又は多変数の前記時系列データを用いて複数の類似度を算出する類似度算出部と、
前記複数の類似度を要素とする類似度行列を視覚化した類似度マップを表示するためのデータを生成する類似度マップ生成部と、を備えたプラント監視支援装置。
［付記２］
前記類似度算出部は、多変数の前記時系列データに含まれる監視時点における複数の前記変数の情報から、前記複数の変数同士の変数類似度を算出する変数類似度算出部を含み、
前記類似度マップ生成部は、前記変数類似度算出部にて生成された複数の前記変数類似度を要素とする変数類似度行列を視覚化した変数類似度マップを表示するためのデータを生成する変数類似度マップ生成部を含み、
ユーザが前記変数類似度マップ上で前記変数を選択する操作情報に基づいて、同時に監視する複数の前記変数を選択するトレンド監視変数選択部と、
前記トレンド監視変数選択部により選択された複数の前記変数のトレンドグラフを表示するデータを生成するトレンドグラフ表示部と、を更に備える付記１記載のプラント監視支援装置。
［付記３］
前記変数類似度の算出に用いられる複数の前記変数の情報は、複数の前記変数の前記時系列データに含まれる前記変数値、複数の前記変数の名称、および、前記対象プロセスのアラーム情報の少なくともいずれかを含む、付記２記載のプラント監視支援装置。
［付記４］
前記変数類似度マップ生成部は、任意の一つの前記変数と他の複数の前記変数との前記変数類似度の値に応じて複数の前記変数に対応する要素を配置した前記変数類似度行列を可視化した前記変数類似度マップのデータを生成し、
前記トレンド監視変数選択部は、任意の一つの前記変数に対して前記変数類似度の高い順に所定数の前記変数を更に選択する、付記２記載のプラント監視支援装置。
［付記５］
前記変数類似度マップ生成部は、前記変数類似度の高い変数群によるクラスタを生成し、前記クラスタ毎に変数が並ぶように前記要素を配置した前記変数類似度行列を可視化する前記変数類似度マップのデータを生成し
前記トレンド監視変数選択部は、前記クラスタに含まれる複数の前記変数を同時監視する変数を選択する、付記２記載のプラント監視支援装置。
［付記６］
前記類似度算出部は、前記多変数の前記時系列データに含まれる任意の変数の前記時系列データを、時間方向における所定の周期で複数期間に分割した第２時系列データの、前記複数期間のそれぞれに対応する値同士の時間類似度を算出する時間類似度算出部を含み、
前記類似度マップ生成部は、前記時間類似度算出部にて生成された複数の前記時間類似度を要素とする時間類似度行列を視覚化した時間類似度マップを表示するためのデータを生成する時間類似度マップ生成部を含み、
ユーザが前記時間類似度マップ上で監視期間を選択する操作情報に基づいて、前記複数期間の少なくとも一つを選択するトレンド監視期間選択部と、
前記トレンド監視期間選択部により選択された前記期間を前記監視期間とするトレンドグラフを表示するデータを生成するトレンドグラフ表示部と、を更に備える付記１又は付記２記載のプラント監視支援装置。
［付記７］
前記時間類似度は、前記第２時系列データに基づく行列の正準角類似度、前記第２時系列データに基づく行列の代表値のベクトル間の相関係数による類似度、および、ミンコフスキー距離に基づく類似度、の少なくともいずれかを含む、付記６記載のプラント監視支援装置。
［付記８］
前記トレンド監視期間選択部は、前記操作情報に基づいて、基準とする前記監視期間と、基準とする前記監視期間と比較監視を行う前記監視期間とを選択する、付記６記載のプラント監視支援装置。
［付記１］
所定周期で計測された対象プロセスのプロセスデータから２以上の変数値を収集し、前記変数値の時系列データを保存するデータ収集・保存部と、
前記データ収集・保存部から、一又は多変数の前記時系列データを抽出可能なデータ抽出部と、
前記データ抽出部によって抽出された一又は多変数の前記時系列データを用いて複数の類似度を算出する類似度算出部と、
前記複数の類似度を要素とする類似度行列を視覚化した類似度マップを表示するためのデータを生成する類似度マップ生成部と、を備えたプラント監視支援装置。
［付記２］
前記類似度算出部は、多変数の前記時系列データに含まれる監視時点における複数の前記変数の情報から、前記複数の変数同士の変数類似度を算出する変数類似度算出部を含み、
前記類似度マップ生成部は、前記変数類似度算出部にて生成された複数の前記変数類似度を要素とする変数類似度行列を視覚化した変数類似度マップを表示するためのデータを生成する変数類似度マップ生成部を含み、
ユーザが前記変数類似度マップ上で前記変数を選択する操作情報に基づいて、同時に監視する複数の前記変数を選択するトレンド監視変数選択部と、
前記トレンド監視変数選択部により選択された複数の前記変数のトレンドグラフを表示するデータを生成するトレンドグラフ表示部と、を更に備える付記１記載のプラント監視支援装置。
［付記３］
前記変数類似度の算出に用いられる複数の前記変数の情報は、複数の前記変数の前記時系列データに含まれる前記変数値、複数の前記変数の名称、および、前記対象プロセスのアラーム情報の少なくともいずれかを含む、付記２記載のプラント監視支援装置。
［付記４］
前記変数類似度マップ生成部は、任意の一つの前記変数と他の複数の前記変数との前記変数類似度の値に応じて複数の前記変数に対応する要素を配置した前記変数類似度行列を可視化した前記変数類似度マップのデータを生成し、
前記トレンド監視変数選択部は、任意の一つの前記変数に対して前記変数類似度の高い順に所定数の前記変数を更に選択する、付記２記載のプラント監視支援装置。
［付記５］
前記変数類似度マップ生成部は、前記変数類似度の高い変数群によるクラスタを生成し、前記クラスタ毎に変数が並ぶように前記要素を配置した前記変数類似度行列を可視化する前記変数類似度マップのデータを生成し
前記トレンド監視変数選択部は、前記クラスタに含まれる複数の前記変数を同時監視する変数を選択する、付記２記載のプラント監視支援装置。
［付記６］
前記類似度算出部は、前記多変数の前記時系列データに含まれる任意の変数の前記時系列データを、時間方向における所定の周期で複数期間に分割した第２時系列データの、前記複数期間のそれぞれに対応する値同士の時間類似度を算出する時間類似度算出部を含み、
前記類似度マップ生成部は、前記時間類似度算出部にて生成された複数の前記時間類似度を要素とする時間類似度行列を視覚化した時間類似度マップを表示するためのデータを生成する時間類似度マップ生成部を含み、
ユーザが前記時間類似度マップ上で監視期間を選択する操作情報に基づいて、前記複数期間の少なくとも一つを選択するトレンド監視期間選択部と、
前記トレンド監視期間選択部により選択された前記期間を前記監視期間とするトレンドグラフを表示するデータを生成するトレンドグラフ表示部と、を更に備える付記１又は付記２記載のプラント監視支援装置。
［付記７］
前記時間類似度は、前記第２時系列データに基づく行列の正準角類似度、前記第２時系列データに基づく行列の代表値のベクトル間の相関係数による類似度、および、ミンコフスキー距離に基づく類似度、の少なくともいずれかを含む、付記６記載のプラント監視支援装置。
［付記８］
前記トレンド監視期間選択部は、前記操作情報に基づいて、基準とする前記監視期間と、基準とする前記監視期間と比較監視を行う前記監視期間とを選択する、付記６記載のプラント監視支援装置。
【符号の説明】
【0144】
１…下水高度処理プロセス、２…データ収集・保存部、３…データ抽出部、３１…類似度計算用データ抽出部、３２…プロセス監視用データ抽出部、４…変数類似度算出部、５…変数類似度マップ生成部、６…トレンド監視変数選択部、７…データ分割部、７１…データ分割数指定部、７２…データ分離部、８…時間類似度算出部、９…時間類似度マップ生成部、１０…トレンド監視期間選択部、１１…トレンドグラフ表示部、２１…プロセス監視用データ抽出部、１０１…最初沈澱池、１０２…嫌気槽、１０３…無酸素槽、１０４…好気槽、１０５…最終沈澱池、１１１～１１５…操作量センサ、１２１～１２２１…プロセスセンサ、２０６…バー、２０７…日時指定部。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7A】
【図7B】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
