JP4430384B2

JP4430384B2 - 設備の診断装置及び診断方法

Info

Publication number: JP4430384B2
Application number: JP2003399394A
Authority: JP
Inventors: 嘉成堀; 昭彦山田
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 2003-11-28
Filing date: 2003-11-28
Publication date: 2010-03-10
Anticipated expiration: 2023-11-28
Also published as: JP2005165375A

Description

本発明は、設備の診断装置及び診断方法にかかり、特に複数の機器から構成される設備の診断装置及び診断方法に関する。

例えば、特許文献１には、各事象の時系列パターンをデータベースに格納しておき、オンラインで計測した時系列パターンと類似度の高いパターンを前記データベースに格納したパターンから探して現在の状態を診断する診断装置が示されている。また、この装置では、データベースに事象毎に着目すべき計測項目が格納されている。従って、着目すべき項目のみでパターンの類似度を求めることができるため、状態判定とは無関係な計測項目の値に影響されることなく精度良く類似パターンを検索することができる。このため、想定された事象については効率よく類似パターンを特定することができる。
特開２００２−９９３１９号公報

しかしながら、前記文献に示す技術では、プラントが様々な運転パターンで運用される場合は、その運転パターン毎に異常事象のパターンをデータベースに格納しておく必要がある。また、想定していない異常事象が発生した場合には、類似パターンを検索することができず、異常箇所を特定することは困難である。

本発明はこれらの問題点に鑑みてなされたもので、予め想定した異常事象以外の異常事象が発生した場合においても、その異常個所を絞り込むことができる診断装置及び診断方法を提供する。

本発明は上記課題を解決するため、次のような手段を採用した。

設備を構成する各機器毎に設定した計測項目毎の運転データを記録したデータベースと、計測項目毎の運転データ間における因果関係をもとに運転データを複数のカテゴリーに分類する運転データ分類手段と、前記各計測項目毎の運転データ間における因果関係を表す計測項目関連図と、前記計測項目関連図をもとに前記機器毎に設定する計測項目を指定する計測項目指定手段と、前記指定手段により設定した計測項目をもとに、前記データベースを参照して、前記指定手段により指定した計測項目における運転データと類似する類似事例を検索する類似事例検索手段と、状態診断手段を備え、該状態診断手段は、正常時及び異常時の運転データとして記憶したデータとは異なる新規カテゴリの運転データを取得したとき、前記指定手段により指定した項目の類似事例を、前記類似事例検索手段により検索し、類似事例があれば類似事例のある計測項目に対して、設備の信号の流れにおける下流側の機器が、これまでに記憶した運転状態とは異なる運転状態であると判定する。

本発明は、以上の構成を備えるため、予め想定した異常事象以外の異常事象が発生した場合においても、その異常個所を絞り込むことができる診断装置及び診断方法を提供することができる。

以下、最良の実施形態を添付図面を参照しながら説明する。図１は本発明の第１の実施形態にかかる設備異常診断装置を説明する図である。図において、１は異常診断装置１０の診断対象となる設備である。２はデータベースであり、設備１の運転データを時系列に取得して格納する。３はデータ分類装置であり、取得した運転データを異常の程度を含む複数のカテゴリーに分類する。４は計測項目指定手段であり、異常箇所（異常機器）を特定するに必要な計測項目を指定する。５は各計測項目毎の運転データ間における因果関係を表す計測項目関連図、６は予め設定した計測項目をもとにデータベース２を参照して、前記計測項目における運転データに類似する類似事例を検索する検索手段、７は検索結果を表示する表示手段である。

設備１は診断対象であり、複数の機器から構成されている。また、複数の機器にはそれぞれ計測装置が設置されており、計測された運転データはデータベース２及びデータ分類装置３に送られる。

データベース２には設備１から送られた運転データを記録する。データのサンプリング間隔は１分である。また、データベース２には運転データの外に運転データをデータ分類装置３で分類した結果も記録する。

データ分類装置３は適応共鳴理論を用いたデータ分類装置である。この装置は、予め正常状態及び異常状態の運転データを入力して変数間の因果関係を学習しておくことにより、新規に入力したデータがこれまでと同じ傾向のデータであるか否かを判定することができる。

計測項目関連図２は、例えば、後述する図２に示す系統図であり、設備を構成する機器（Ａ〜Ｅ）及び計測項目（ｘ１〜ｘ７）の関連を表している。この系統図は表示手段７に表示する。これによりオペレータは計測項目間の因果関係を知ることができる。また、計測項目関連図２を参照することにより、設備の異常個所を特定するために必要な計測項目をより確実に指定することができる。

図２は設備の系統図である。図２に示すように設備は、Ａ〜Ｅの５台の機器から構成されている。また、各機器の入出力部に計測装置が設置されており、ｘ１ないしｘ７の７つの状態量を計測している。対象設備を１つのシステムとして見た場合、入力はｘ１及びｘ２であり、出力はｘ７である。また、機器Ｄの出力は機器Ｃの入力になっており、フィードバック系を構成している。また、データベース２には設備１の運転データであるｘ１からｘ７の７つの計測値が記録されている。

図３は、データ分類装置の詳細を説明する図、図４は、図３に示すデータ前処理装置３１の処理（アルゴリズム）を説明する図である。データ分類装置３は適応共鳴理論（Adaptive Resonance Theory：ＡＲＴ）を用いたデータ分類装置であり、図３に示すようにデータ前処理装置３１及びＡＲＴモジュール３２を備える。

データ前処理装置３１では、図４に示すアルゴリズムに従い、運転データをＡＲＴモジュール３２の入力データに変換する。以下にそのステップについて説明する。

まず、ステップ３１１において、計測項目毎に最大値及び最小値を計算する。ステップ３１１において、計算した最大値及び最小値をデータベース２に記録する。ステップ３１２において、ステップ３１１で求めた最大値及び最小値を用いてデータを正規化する。

正規化の方法についてｘｉを例に説明する。ｘｉＤＡＴＡ１のデータ数がＮ個でｎ番目の計測値をｘｉ（ｎ）とする。また、Ｎ個のデータの中の最大値及び最小値をそれぞれＭａｘ＿ｉ，Ｍｉｎ＿ｉすると、正規化したデータＮｘｉ（ｎ）は次式で計算する。

Ｎｘｉ（ｎ）＝α＋（１−α）×（ｘｉ（ｎ）−Ｍｉｎ＿ｉ）／（Ｍａｘ＿ｉ−Ｍｉｎ＿ｉ）（式１）
ここで、α（０≦α＜０．５）の定数であり、式１によりデータは［α，１−α］の範囲に正規化される。本実施形態ではα＝０．２とした。

ステップ３１３において、ステップ３１２で正規化したデータの補数を計算し、入力データに加える。正規化データＮｘｉ（ｎ）の補数ＣＮｘｉ（ｎ）を次式で計算する。

ＣＮｘｉ（ｎ）＝１− Ｎｘｉ（ｎ）（式２）
次に、ステップ３１４において、ステップ３１２及びステップ３１３で作成したデータＮｘｉ（ｎ）及びＣＮｘｉ（ｎ）からなる１４項目のデータを入力データとしてＡＲＴモジュール３２に入力する。

次に、図３を参照してＡＲＴモジュール３２の詳細を説明する。ＡＲＴモジュール３２では、前述のように入力データを複数のカテゴリーに分類する。ＡＲＴモジュール３２は、Ｆ０レイヤー、Ｆ１レイヤー、Ｆ２レイヤー及びOrienting Subsystemをそなえ、これらは相互に結合している。Ｆ１レイヤーとＦ２レイヤーは重み係数を介して結合しており、重み係数は入力データが分類されるカテゴリーのプロトタイプ（原型）を表している。

次にＡＲＴモジュールのアルゴリズムについて説明する。ＡＲＴモジュールに入力データが入力された場合のアルゴリズムの概要は、次のステップ１ないしステップ５のようになる。

ステップ１：Ｆ０レイヤーにより入力ベクトルの大きさが１になるように正規化され、また、ノイズが除去される。

ステップ２：Ｆ１レイヤーに入力された入力データと重み係数との比較により、ふさわしいカテゴリーの候補が選択される。

ステップ３：Orienting Subsystemで選択したカテゴリーの妥当性がパラメータρとの比較により評価される。妥当と判断されれば、入力データはそのカテゴリーに分類され、ステップ４に進む。妥当と判断されなければ、そのカテゴリーはリセットされ、他のカテゴリーからふさわしいカテゴリーの候補が選択される（ステップ１の処理を繰り返す）。パラメータρの値を大きくするとカテゴリーの分類が細かくなり、ρを小さくすると分類が粗くなる。

ステップ４：ステップ２で、全ての既存のカテゴリーがリセットされると、新規カテゴリーと判断され、新規カテゴリーのプロトタイプを表す新しい重み係数を生成する。

ステップ５：入力データがカテゴリーＪに分類されると、カテゴリーＪに対応する重み係数ＷＪ^{（ｎｅｗ）}は過去の重み係数ＷＪ^{（ｏｌｄ）}と入力データｐ（または、入力データから派生したデータ）から次式で更新される。

ＷＪ^{（ｎｅｗ）} ＝Ｋｗ・ｐ＋（１−Ｋｗ）・ＷＪ^{（ｏｌｄ）} 式（３）
ここで、Ｋｗは学習率パラメータであり、入力ベクトルを新しい重み係数に反映させる度合いを決定する。

ＡＲＴモジュールのデータ分類アルゴリズムの特徴はステップ４の処理にある。ステップ３の処理により、記憶しているパターンと異なる入力データが入力された場合、記憶しているパターンは変更せず新しいパターンを記憶することができる。このため、過去に学習したパターンを記憶しながら、新たなパターンを記憶することが可能となる。

このように、入力データとして予め与えた運転データを与えると、ＡＲＴモジュール３２は与えられたパターンを学習する。したがって、学習済みのＡＲＴモジュール３２に新たな入力データが入力されると、上記アルゴリズムにより、過去のどのパターンに近いかを判定できる。また、過去に経験したことのないパターンであれば、新しいカテゴリーに分類される。

本実施形態では、正常時のデータを予め学習させておき、新規カテゴリーが発生した場合に含まれるデータが正常時の運転データなのか異常データなのかの程度を判定させる方式とした。

図５は、計測項目関連図（図２）を参照して計測項目を指定する手順を説明する図である。計測項目関連図は図２に示すように機器の構成及び計測データの名称が模式的に描かれたものであり、計測データは計測位置に記されている。このため計測項目関連図２を参照することにより計測項目間の関係を直感的に理解することが可能となる。なお、本実施形態では、機器の内部の計測データが含まれていないが、１つの機器の内部に複数の計測項目がある場合には、これらの関係が直感的に理解できるように機器を複数のモジュールに分割し、計測項目間の関連を記した図を利用するとよい。

計測項目指定手段４は、計測項目関連図２を利用して設備の異常個所を特定するために必要な計測項目を選択する。この例の場合、例えば表示手段７に計測項目関連図（図２）を表示し、マウス等のポインティングデバイスの操作によって表示装置７の画面上で計測項目を選択する。図５に選択画面の例を示す。この選択画面上には、計測項目関連図２と上流選択ボタン５１、決定ボタン５２及びキャンセルボタン５３がある。計測項目を選択する場合には、ポインティングデバイスの操作により、画面上のポインタ５４を移動させ、必要なデータをクリックするかポインタ５４で領域を選択する。選択された計測項目は項目名の色が変化し、選択されたことを示す。図５の例では、ｘ５〜ｘ７までの項目が選択されている。決定ボタン５１を押すと選択したデータが類似度計算の指標として決定される。選択したデータに誤りがあった場合、キャンセルボタン５３を押すと選択した項目がリセットされる。また、上流選択ボタン５１を押すと、ポインティングデバイス操作で選択された項目の上流に位置する項目が選択される。図５の状態で上流選択ボタン５１を押すと、ｘ１〜ｘ４が選択される。

また、本実施の形態においては、構成機器を選択することで、その出力に当たる変数を選択できるようになっている。例えば、機器Ａを指定するとｘ３が選択でき、機器Ｃを指定するとｘ５が選択できる。機器Ｃ，Ｄ，Ｅを選択した場合にはｘ５〜ｘ７の項目が選択される。

また、類似事例検索手段６は、計測項目指定部５で指定された項目に着目し、データベース中から類似データを検索する。本実施形態においては非類似度（距離）Ｄ（ｎ）を次式で計算し、距離Ｄ（ｎ）が閾値Ｄ＿ｓｔｄよりも小さいものを類似事例として選択した。

Ｄ（ｎ）＝ Σａｉ（Ｎｘｉ（ｎ）−Ｎｘｉ^＊）式（４）
ただし、Ｎｘｉ^＊：基準となるデータ
ａｉ＝１（項目ｘｉが選択された場合）、０（項目ｘｉが選択されない場合）本実施形態においては、式（４）で示したように、距離をユークリッド距離で計算した。これは、本実施形態においては各計測項目を正規化して利用しているためである。このような正規化処理がなされていない場合は、式（４）のａｉ＝ｗｉ（項目ｘｉが選択された場合）とした、重み付き距離を計算しても良い。

なお、本実施形態においては、ＡＲＴモジュール３２に入力したデータＮｘｉ（ｎ）を基に距離を計算したが、ＡＲＴモジュール３２の重み係数を基に距離を計算しても良い。重み係数は各カテゴリーに含まれる複数個の入力データを代表するベクトルであるため、重み係数の数はデータ数ｎよりも大幅に少なくなる。したがって、重み係数を基に距離を計算する場合、入力データを基に距離を計算する場合に比べて、計算負荷を大幅に小さくすることが可能となる。また、本実施形態においては、類似事例検索範囲は全入力データとしたが、検索範囲を限定しても良い。

図６は、検索結果を表示する表示画面の例を説明する図である。図は、ｘ１〜ｘ４を基準データとして類似事例を検索した結果を示す。図において、７１は基準データ表示画面、７２は類似事例表示画面、７３は詳細表示ボタンである。基準データ表示画面７１には距離を計算するときに基準としたデータが示される。また、類似事例表示画面７２には、類似事例の件数及び類似事例として選ばれたデータの平均値が表示される。基準データ表示画面７１と類似事例表示画面７２のデータを比較することで異常の箇所を特定することができる。その判定方法について以下に説明する。

この例では、データ分類手段が新規カテゴリーの発生を検出したため、計測項目指定手段４はｘ１〜ｘ４を基準データとして、この基準データ部分（ｘ１〜ｘ４）が類似するデータを類似事例として抽出する。その結果、類似事例表示画面７２に示すように、１８件の類似データが抽出された。この結果の意味することは、「データｘ１〜ｘ７から総合的に判断するとこれまでに経験したことがない事象が発生しているが、ｘ１〜ｘ４までのデータは過去に経験したことがある」ということである。すなわち、図５に示す機器Ｃ，Ｄ，Ｅのいずれかの特性が変化し項目ｘ５〜ｘ７に変化があったと推測される。次にｘ５〜ｘ７の項目について基準データと類似データの平均値を比較すると項目ｘ７のみが偏差が大きくなっていることがわかる。従って、機器Ｅの特性が変化した可能性が高いことが分かる。

このように、本実施形態によれば、オペレータが着目したサブシステムの上流側のデータを基準とした類似事例を検索することで、初めて経験する異常事象であってもその箇所を特定することが可能となる。なお、必要であれば、詳細表示ボタン７３により選択された類似データの全てを詳細表示画面７４として画面上に表示することも可能である。また、本実施例においては、新規カテゴリーが発生したデータを基準データとして利用した例について説明したが、データベース中に含まれる任意のデータが基準データとして利用可能である。

図７は、本発明の第２の実施形態にかかる設備異常診断装置を説明する図である。図において、８は状態診断手段であり、異常個所の特定を自動的に行う。なお、図において、図１示される部分と同様に機能する部分については同一符号を付してその説明を省略する。

状態診断手段８は、データ分類手段３が取得した運転データを新規カテゴリーに分類すると、計測項目指定手段４により計測項目を指定し、指定した計測項目をもとに類似事例検索手段を用いて類似事例を検索する。状態診断手段８は、類似事例検索の計測項目を上流側から順次下流側に変更して処理を繰り返すことにより異常機器の特定を行うことができる。

図８は、状態診断手段８の処理を説明する図である。まず、ステップ８１１において、設備の入力条件を基準とした類似事例を検索する。ここで、入力条件とは複数の機器からなる設備をひとつのシステムと見た場合に「入力」に当たる項目である。図２に示した設備の場合、ｘ１及びｘ２が入力条件に当たる。ステップ８１２において、この入力条件で類似事例を検索し、類似事例の有無を判定する。類似事例がなければ入力条件がこれまでのデータと異なっていることを意味する。すなわち、設備中の機器に故障が発生したために運転データが新規カテゴリー分類されたわけではなく、前記設備がこれまでにない運転条件（新運転条件）で運転されたと判断する。

一方、類似事例があった場合、設備の運転条件はこれまでに経験したものと同じであるため、いずれかの機器の特性が変化したと考えられる。そこで、ステップ８１３において機器Ｘの下流のデータを基準として類似度を計算する。このとき、機器Ｘは上流側から順に選ぶ。図２に示す計測項目関連図の例では機器Ａを選択し、計測項目としては、ｘ３を選ぶ。また、ｘ３を基準とした類似事例を検索する場合、ステップ８１２で検索した類似事例のみから検索する。

次にステップ８１４において、類似事例の有無を判定する。判定の結果、類似事例がなければ、項目ｘ３がこれまでのデータと異なっていることが分かる。すなわち、項目ｘ１はこれまでに経験した値であるが、ｘ３は経験したことがない値であることがわかり、これらのことから機器Ａの特性が変化したことがわかる。

ただし、この状態では、機器Ｂに特性の変化があったか否かは不明であるため、ステップ８１６において、機器Ａを取り除いた、機器Ｂから機器Ｅを新たな設備と考えて同様の処理を繰り返すことで、機器特性に変化があった機器を特定することができる。

ステップ８１４において、類似事例があった場合には、ステップ８１５において、残りデータ有無を判定し、残りデータが存在する場合にはステップ８１３に戻り、徐々に下流のデータを基準とした判定を実施する。以上の処理を特性が変化した機器が特定されるか、データがなくなるまで繰り返す。以上の処理により、初めて経験する事象であっても特性が変化した機器を特定することが可能となる。

図９は、特性が変化した機器を特定する過程を表示する表示例を説明する図である。ここでは特性が変化した機器、変化しなかった機器及び変化したか否かわからない機器を色分けした。そして図８に示す処理の進行状況に合わせて表示色を変化させる。

図９（ａ）は新規カテゴリーが発生し機器の特定ができていない状況であり、例えば、全ての機器は黄色に色付けされている。図９（ｂ）は機器Ａの特性変化有りを判定し、機器Ｂの特性変化なしを判定し状況であり、機器Ａ、機器Ｂはそれぞれ他の異なる色に色づけして表示する。このように機器特性が変化した機器毎にその特定の過程を表示するので、オペレータは異常診断装置の推論過程を確認することが可能となる。

なお、計測項目を指定する場合、ポインティングデバイス操作により指定する例について説明したが、マウス等のポインティングデバイス操作によるものに限定されるものではなく、キーボード操作、タッチパネル操作により計測項目を指定することができる。また、異常診断装置は設備に併設されている例について説明したが、インターネットなどを介して設備の計測信号を受信し遠隔地で診断する遠隔診断装置であっても良い。

以上説明したように、本実施形態によれば、複数の機器からなる設備の診断において、新規の異常事象が発生した場合においても特性が変化した機器異常が発生した機器を特定することができる。

本発明の第１の実施形態にかかる設備異常診断装置を説明する図である。設備の系統図である。データ分類装置の詳細を説明する図である。データ前処理装置３１の処理を説明する図である。計測項目関連図を参照して計測項目を指定する手順を説明する図である。検索結果を表示する表示画面の例を説明する図である。第２の実施形態にかかる設備異常診断装置を説明する図である。状態診断手段８の処理を説明する図である。特性が変化した機器を特定する過程を表示する表示例を説明する図である。

符号の説明

１設備
２データベース
３データ分類手段
４計測項目指定手段
５計測項目間関連図
６類似事例検索手段
７表示手段
８状態診断手段
３データ分類手段
１０異常診断装置
３１データ前処理装置
３２ＡＲＴモジュール

Claims

設備を構成する各機器毎に設定した計測項目毎の運転データを記録したデータベースと、
計測項目毎の運転データ間における因果関係をもとに運転データを複数のカテゴリーに分類する運転データ分類手段と、
前記各計測項目毎の運転データ間における因果関係を表す計測項目関連図と、
前記計測項目関連図をもとに前記機器毎に設定する計測項目を指定する計測項目指定手段と、
前記指定手段により設定した計測項目をもとに、前記データベースを参照して、前記指定手段により指定した計測項目における運転データと類似する類似事例を検索する類似事例検索手段と、
状態診断手段を備え、該状態診断手段は、正常時及び異常時の運転データとして記憶したデータとは異なる新規カテゴリの運転データを取得したとき、前記指定手段により指定した項目の類似事例を、前記類似事例検索手段により検索し、類似事例があれば類似事例のある計測項目に対して、設備の信号の流れにおける下流側の機器が、これまでに記憶した運転状態とは異なる運転状態であると判定することを特徴とする設備の診断装置。
請求項１記載の設備の診断装置において、
前記指定手段は、計測項目を前記計測項目関連図の各機器をポインティングデバイスで指示することにより指定することを特徴とする設備の診断装置。
設備を構成する各機器毎に設定した計測項目毎の運転データをデータベースに記録し、
前記各計測項目毎の運転データ間における因果関係を表す計測項目関連図を表示し、
前記計測項目関連図をもとに前記機器毎に設定する計測項目を指定し、
前記設定された計測項目をもとに、前記データベースを参照して、前記設定された計測項目における運転データと類似する類似事例を検索し、類似事例があれば類似事例のある計測項目に対して、設備の信号の流れにおける下流側の機器が、これまでに記憶した運転状態とは異なる運転状態であると判定することを特徴とする設備の診断方法。