JPH0991037A - 故障診断装置 - Google Patents
故障診断装置Info
- Publication number
- JPH0991037A JPH0991037A JP24729295A JP24729295A JPH0991037A JP H0991037 A JPH0991037 A JP H0991037A JP 24729295 A JP24729295 A JP 24729295A JP 24729295 A JP24729295 A JP 24729295A JP H0991037 A JPH0991037 A JP H0991037A
- Authority
- JP
- Japan
- Prior art keywords
- failure
- diagnosis
- cdm
- tree
- knowledge
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000006243 chemical reaction Methods 0.000 claims abstract description 18
- 238000002405 diagnostic procedure Methods 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 10
- 239000011159 matrix material Substances 0.000 description 5
- 238000000926 separation method Methods 0.000 description 5
- 238000012795 verification Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 239000003507 refrigerant Substances 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 208000035475 disorder Diseases 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 206010000210 abortion Diseases 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Safety Devices In Control Systems (AREA)
Abstract
(57)【要約】
【課題】警報毎に故障木診断法及びＣＤＭ診断法の何れ
か適した診断方法を選択でき、ＣＤＭ診断方法の場合で
も故障木形式による原因を追及を可能とする。 【解決手段】プラント１からの故障情報は診断装置１０
に送られ、知識選択手段１１に入力される。知識選択手
段１１は、故障情報に基づいて故障木による故障診断を
行なうか、ＣＤＭによる故障診断を行なうかを判定し、
故障木診断手段１２またはＣＤＭ診断手段２１を起動す
る。故障木診断手段１２が起動されると、故障木診断知
識１３を参照して故障の診断を行ない、その診断結果を
表示手段１４に表示する。ＣＤＭ診断手段２１が起動さ
れると、ＣＤＭ知識診断知識２２を参照して故障の診断
を行ない、その診断結果を故障木変換手段２３に出力す
る。この故障木変換手段２３は、ＣＤＭ診断の過程を故
障木の形式に変換して表示手段１４に表示する。
か適した診断方法を選択でき、ＣＤＭ診断方法の場合で
も故障木形式による原因を追及を可能とする。 【解決手段】プラント１からの故障情報は診断装置１０
に送られ、知識選択手段１１に入力される。知識選択手
段１１は、故障情報に基づいて故障木による故障診断を
行なうか、ＣＤＭによる故障診断を行なうかを判定し、
故障木診断手段１２またはＣＤＭ診断手段２１を起動す
る。故障木診断手段１２が起動されると、故障木診断知
識１３を参照して故障の診断を行ない、その診断結果を
表示手段１４に表示する。ＣＤＭ診断手段２１が起動さ
れると、ＣＤＭ知識診断知識２２を参照して故障の診断
を行ない、その診断結果を故障木変換手段２３に出力す
る。この故障木変換手段２３は、ＣＤＭ診断の過程を故
障木の形式に変換して表示手段１４に表示する。
Description
【０００１】
【発明の属する技術分野】本発明は、例えば火力、原子
力、上下水道、化学、冷熱などの各種プラント及び機器
等の故障を診断する故障診断装置に関する。
力、上下水道、化学、冷熱などの各種プラント及び機器
等の故障を診断する故障診断装置に関する。
【０００２】
【従来の技術】従来、例えば火力、原子力、上下水道、
化学、冷熱などの各種プラント及び機器等の故障を診断
する故障診断装置として実用化されている主な診断法に
は、故障木診断法とマトリックス診断法がある。故障木
診断法は、「蒸発器圧力低」というトップ現象と観測事
象「フロート室冷媒の有無」などの観測データから「フ
ロート室冷媒なし」という値に基づいて、順に故障原因
を絞り込んで行くものである。そのフローのサンプル図
には、図９に示すようなものがある。図９は、冷凍機の
診断例を示したもので、故障木解析で使われる故障木と
類似しているが、トップから原因に向かってのツリー分
岐に必ず観測事象の値、例えば「フロート室冷媒の有
無」がＹｅｓ（成立）かＮｏ（不成立）のような形で場
合を分けて絞り込んでいる。この故障木診断法の場合、
診断知識となるフローチャートは、設計者が予め、故障
木解析などの知識を基に作成する必要があり、手間のか
かる作業となる。しかし、作成された知識は論理的であ
るため、診断結果の説明としては解りやすいという特徴
を持っている。
化学、冷熱などの各種プラント及び機器等の故障を診断
する故障診断装置として実用化されている主な診断法に
は、故障木診断法とマトリックス診断法がある。故障木
診断法は、「蒸発器圧力低」というトップ現象と観測事
象「フロート室冷媒の有無」などの観測データから「フ
ロート室冷媒なし」という値に基づいて、順に故障原因
を絞り込んで行くものである。そのフローのサンプル図
には、図９に示すようなものがある。図９は、冷凍機の
診断例を示したもので、故障木解析で使われる故障木と
類似しているが、トップから原因に向かってのツリー分
岐に必ず観測事象の値、例えば「フロート室冷媒の有
無」がＹｅｓ（成立）かＮｏ（不成立）のような形で場
合を分けて絞り込んでいる。この故障木診断法の場合、
診断知識となるフローチャートは、設計者が予め、故障
木解析などの知識を基に作成する必要があり、手間のか
かる作業となる。しかし、作成された知識は論理的であ
るため、診断結果の説明としては解りやすいという特徴
を持っている。
【０００３】一方、マトリックス診断法は、図１０に示
すように観測事象を縦軸に、原因候補を横軸にし両者を
例えば「０−１００」（０：相関がない。１００：完全
に相関がある。５０：どちらともいえない。）で表した
ＣＤＭ（Cause Diagnosis Matrix）に基づいて原因候補
を求めるものである。
すように観測事象を縦軸に、原因候補を横軸にし両者を
例えば「０−１００」（０：相関がない。１００：完全
に相関がある。５０：どちらともいえない。）で表した
ＣＤＭ（Cause Diagnosis Matrix）に基づいて原因候補
を求めるものである。
【０００４】この診断法の特徴は、経験的な知識を比較
的定式化しやすいところにある。即ち、「故障原因がこ
のようにものの時にはこのような観測事象が観測され
た。」といった経験知識を集め、相関度を過去の経験に
基づき当てはめていくものである。
的定式化しやすいところにある。即ち、「故障原因がこ
のようにものの時にはこのような観測事象が観測され
た。」といった経験知識を集め、相関度を過去の経験に
基づき当てはめていくものである。
【０００５】経験的知識が豊富であれば、比較的容易に
診断知識を作成できる。しかし、相関係数は、経験的な
ものがベースであるから必ずしも論理的ではなく、作成
知識の検証という面では故障木に比べると劣っている。
診断知識を作成できる。しかし、相関係数は、経験的な
ものがベースであるから必ずしも論理的ではなく、作成
知識の検証という面では故障木に比べると劣っている。
【０００６】以上をまとめると、故障木診断では、知識
の作成が難しいが、できた知識の検証や、説明機能は優
れている。マトリックス診断は、知識の作成は比較的容
易であるが、知識の検証、説明機能という点で問題があ
る。
の作成が難しいが、できた知識の検証や、説明機能は優
れている。マトリックス診断は、知識の作成は比較的容
易であるが、知識の検証、説明機能という点で問題があ
る。
【０００７】図１１（ａ）は故障木ベース診断装置、図
１１（ｂ）はＣＤＭベース診断装置の構成例を示したも
のである。図１１（ａ）に示す故障木ベース診断装置
は、プラント１からの「蒸発器圧力低」といった警報に
より診断装置２が起動され、故障木選択手段３に入力さ
れる。プラント１からの警報にはどの故障木を用いて診
断するかのテーブルがあり、それに基づいて故障木診断
手段４を起動する。この故障木診断手段４は、プラント
１からのデータとオペレータからの観測結果に基づき故
障木診断知識５を用いて診断を行ない、表示手段６に結
果を表示する。
１１（ｂ）はＣＤＭベース診断装置の構成例を示したも
のである。図１１（ａ）に示す故障木ベース診断装置
は、プラント１からの「蒸発器圧力低」といった警報に
より診断装置２が起動され、故障木選択手段３に入力さ
れる。プラント１からの警報にはどの故障木を用いて診
断するかのテーブルがあり、それに基づいて故障木診断
手段４を起動する。この故障木診断手段４は、プラント
１からのデータとオペレータからの観測結果に基づき故
障木診断知識５を用いて診断を行ない、表示手段６に結
果を表示する。
【０００８】図１１（ｂ）に示すＣＤＭベース診断装置
は、プラント１からの警報により診断装置２′が起動さ
れ、ＣＤＭ選択手段３′に入力される。このＣＤＭ選択
手段３′は、警報に含まれるテーブルに基づいてＣＤＭ
診断手段４′を起動する。このＣＤＭ診断手段４′は、
プラント１からのデータとオペレータからの観測結果に
基づきＣＤＭ診断知識５′を用いて診断を行ない、表示
手段６′に結果を表示する。
は、プラント１からの警報により診断装置２′が起動さ
れ、ＣＤＭ選択手段３′に入力される。このＣＤＭ選択
手段３′は、警報に含まれるテーブルに基づいてＣＤＭ
診断手段４′を起動する。このＣＤＭ診断手段４′は、
プラント１からのデータとオペレータからの観測結果に
基づきＣＤＭ診断知識５′を用いて診断を行ない、表示
手段６′に結果を表示する。
【０００９】上記表示手段６，６′による表示例を図１
２に示す。画面の上部に観測事象（兆候データ）の入力
部があり、下部は原因候補を確信度と共に表示するよう
になっている。センサにより観測事象の値が決められる
ものは自動で入力されている。
２に示す。画面の上部に観測事象（兆候データ）の入力
部があり、下部は原因候補を確信度と共に表示するよう
になっている。センサにより観測事象の値が決められる
ものは自動で入力されている。
【００１０】
【発明が解決しようとする課題】上記したように故障木
診断装置は、作成された知識は論理的であり、診断結果
の説明としては解りやすいという特徴を持っているが、
診断知識となるフローチャートは、設計者が予め故障木
解析などの知識を基に作成する必要があり、作業が非常
に面倒であるという問題がある。
診断装置は、作成された知識は論理的であり、診断結果
の説明としては解りやすいという特徴を持っているが、
診断知識となるフローチャートは、設計者が予め故障木
解析などの知識を基に作成する必要があり、作業が非常
に面倒であるという問題がある。
【００１１】また、ＣＤＭ診断装置は、経験的知識が豊
富であれば、比較的容易に診断知識を作成できるという
利点があるが、相関係数は経験的なものがベースである
から必ずしも論理的ではなく、作成知識の検証、説明機
能という点で故障木に比較して劣るという問題がある。
富であれば、比較的容易に診断知識を作成できるという
利点があるが、相関係数は経験的なものがベースである
から必ずしも論理的ではなく、作成知識の検証、説明機
能という点で故障木に比較して劣るという問題がある。
【００１２】本発明は上記の課題を解決するためになさ
れたもので、警報毎に故障木診断法あるいはＣＤＭ診断
法の何れか適した診断方法を選択でき、ＣＤＭ診断法の
知識の検証、説明機能という点で劣っている点を解決
し、診断作成時間の低減と共に、診断結果がＣＤＭ診断
方法の場合でも故障木形式で原因を追及でき、診断結果
を容易に確認し得る故障診断装置を提供することを目的
とする。
れたもので、警報毎に故障木診断法あるいはＣＤＭ診断
法の何れか適した診断方法を選択でき、ＣＤＭ診断法の
知識の検証、説明機能という点で劣っている点を解決
し、診断作成時間の低減と共に、診断結果がＣＤＭ診断
方法の場合でも故障木形式で原因を追及でき、診断結果
を容易に確認し得る故障診断装置を提供することを目的
とする。
【００１３】
【課題を解決するための手段】本発明に係る故障診断装
置は、故障診断対象から故障情報を受け、その故障情報
に対して故障木による故障診断を行なうかＣＤＭによる
故障診断を行なうかを判定する知識選択手段と、故障木
診断手段と、故障木診断知識と、ＣＤＭ診断手段と、Ｃ
ＤＭ診断知識と、ＣＤＭ診断の過程を故障木の形式に変
換する故障木変換手段とを有することを特徴とする。
置は、故障診断対象から故障情報を受け、その故障情報
に対して故障木による故障診断を行なうかＣＤＭによる
故障診断を行なうかを判定する知識選択手段と、故障木
診断手段と、故障木診断知識と、ＣＤＭ診断手段と、Ｃ
ＤＭ診断知識と、ＣＤＭ診断の過程を故障木の形式に変
換する故障木変換手段とを有することを特徴とする。
【００１４】（作用）知識選択手段は、プラントからの
警報により、その警報が故障木による診断知識か、ＣＤ
Ｍによる診断知識かを判定し、判定した診断方法により
診断を行ない、診断結果を表示手段に表示する。ＣＤＭ
診断を選択したときは、その診断結果を故障木変換手段
を用いて故障木に変換した上で表示手段に表示する。
警報により、その警報が故障木による診断知識か、ＣＤ
Ｍによる診断知識かを判定し、判定した診断方法により
診断を行ない、診断結果を表示手段に表示する。ＣＤＭ
診断を選択したときは、その診断結果を故障木変換手段
を用いて故障木に変換した上で表示手段に表示する。
【００１５】
【発明の実施の形態】以下、図面を参照して本発明の一
実施形態を説明する。図１は、本発明の一実施形態に係
る故障診断装置の構成を示すブロック図である。プラン
ト１からの警報（故障情報）は診断装置１０に送られ、
知識選択手段１１に入力される。この知識選択手段１１
は、プラント１からの故障情報に基づいて故障木による
故障診断を行なうか、ＣＤＭによる故障診断を行なうか
を判定し、その判定結果に基づいて故障木診断手段１２
またはＣＤＭ診断手段２１を起動する。故障木診断手段
１２は、知識選択手段１１により起動されると、故障木
診断知識１３を参照して故障の診断を行ない、その診断
結果を表示手段１４に表示する。ＣＤＭ診断手段２１
は、知識選択手段１１により起動されると、ＣＤＭ知識
診断知識２２を参照して故障の診断を行ない、その診断
結果を故障木変換手段２３に出力する。この故障木変換
手段２３は、ＣＤＭ診断の過程を故障木の形式に変換し
て表示手段１４に表示する。
実施形態を説明する。図１は、本発明の一実施形態に係
る故障診断装置の構成を示すブロック図である。プラン
ト１からの警報（故障情報）は診断装置１０に送られ、
知識選択手段１１に入力される。この知識選択手段１１
は、プラント１からの故障情報に基づいて故障木による
故障診断を行なうか、ＣＤＭによる故障診断を行なうか
を判定し、その判定結果に基づいて故障木診断手段１２
またはＣＤＭ診断手段２１を起動する。故障木診断手段
１２は、知識選択手段１１により起動されると、故障木
診断知識１３を参照して故障の診断を行ない、その診断
結果を表示手段１４に表示する。ＣＤＭ診断手段２１
は、知識選択手段１１により起動されると、ＣＤＭ知識
診断知識２２を参照して故障の診断を行ない、その診断
結果を故障木変換手段２３に出力する。この故障木変換
手段２３は、ＣＤＭ診断の過程を故障木の形式に変換し
て表示手段１４に表示する。
【００１６】次に上記実施形態の動作を説明する。プラ
ント１は、センサ検出信号が上限値を越えたときに警報
を発生する。この警報は、符号化された故障情報であ
り、例えば図２に示すようなデータファイルを構成して
いる。即ち、警報は、「診断タイプ」、「ＦＴ／ＣＤＭ
番号」、「ＴＡＧＮｏ」、「判定タイプ」、「質問文名
称」等からなり、行の先頭データである「診断タイプ」
が「Ｆ」で始まる場合は故障木診断を示し、「Ｃ」で始
まる場合はＣＤＭ診断を示している。上記プラント１で
発生した警報は、診断装置１０へ入力される。
ント１は、センサ検出信号が上限値を越えたときに警報
を発生する。この警報は、符号化された故障情報であ
り、例えば図２に示すようなデータファイルを構成して
いる。即ち、警報は、「診断タイプ」、「ＦＴ／ＣＤＭ
番号」、「ＴＡＧＮｏ」、「判定タイプ」、「質問文名
称」等からなり、行の先頭データである「診断タイプ」
が「Ｆ」で始まる場合は故障木診断を示し、「Ｃ」で始
まる場合はＣＤＭ診断を示している。上記プラント１で
発生した警報は、診断装置１０へ入力される。
【００１７】診断装置１０は、図３のフローチャートに
示すようにプラント１が警報を発生すると（ステップＡ
１）、その警報の種別を知識選択手段１１で判定し（ス
テップＡ２）、警報が故障木知識（ＦＴ）であるか、Ｃ
ＤＭ用のデータ（知識）であるかを警報の１文字目の
「Ｆ」または「Ｃ」で判定する（ステップＡ３）。知識
選択手段１１は、警報の１文字目が「Ｆ」であれば、故
障木診断手段１２を起動し（ステップＡ４）、１文字目
が「Ｃ」であればＣＤＭ診断手段２１を起動する（ステ
ップＡ５）。故障木診断手段１２が起動されると、故障
木診断知識１３を参照して故障の診断を行ない、その診
断結果を表示手段１４に表示する（ステップＡ７）。ま
た、ＣＤＭ診断手段２１が起動された場合は、ＣＤＭ知
識診断知識２２を参照して故障の診断を行ない、その診
断の過程を故障木変換手段２３により故障木の形式に変
換して表示手段１４に表示する（ステップＡ６，Ａ
７）。
示すようにプラント１が警報を発生すると（ステップＡ
１）、その警報の種別を知識選択手段１１で判定し（ス
テップＡ２）、警報が故障木知識（ＦＴ）であるか、Ｃ
ＤＭ用のデータ（知識）であるかを警報の１文字目の
「Ｆ」または「Ｃ」で判定する（ステップＡ３）。知識
選択手段１１は、警報の１文字目が「Ｆ」であれば、故
障木診断手段１２を起動し（ステップＡ４）、１文字目
が「Ｃ」であればＣＤＭ診断手段２１を起動する（ステ
ップＡ５）。故障木診断手段１２が起動されると、故障
木診断知識１３を参照して故障の診断を行ない、その診
断結果を表示手段１４に表示する（ステップＡ７）。ま
た、ＣＤＭ診断手段２１が起動された場合は、ＣＤＭ知
識診断知識２２を参照して故障の診断を行ない、その診
断の過程を故障木変換手段２３により故障木の形式に変
換して表示手段１４に表示する（ステップＡ６，Ａ
７）。
【００１８】上記故障木診断手段１２による場合は、従
来から診断過程を故障木の形式で見ることができる。以
下、故障木診断法による原因の探索について、図４を例
として説明する。図４において、ＡＮＤはＡＮＤロジッ
ク、ＯＲはＯＲロジックである。また、ｍｉはObservat
ion 、ＸｉはFault 、ｆｉはFault rates である。
来から診断過程を故障木の形式で見ることができる。以
下、故障木診断法による原因の探索について、図４を例
として説明する。図４において、ＡＮＤはＡＮＤロジッ
ク、ＯＲはＯＲロジックである。また、ｍｉはObservat
ion 、ＸｉはFault 、ｆｉはFault rates である。
【００１９】(1) プラント警報より、頂上のｍ′F が成
立（ｍF が異常）、ｍE が成立（ｍE が正常）したとす
る。 (2) 次にｍ′B を評価し、ｍ′B が成立（ｍB が異常）
であれば、更に下層へと原因を探索する。
立（ｍF が異常）、ｍE が成立（ｍE が正常）したとす
る。 (2) 次にｍ′B を評価し、ｍ′B が成立（ｍB が異常）
であれば、更に下層へと原因を探索する。
【００２０】(3) ｍ′B が不成立（ｍB が正常）なら
ば、下層への探索は打ち切る。 (4) 上層の中間のｘA ，ｘB またはｍA の成立が不明の
場合は、その下層のｘA やｘB の成立も不明とする。
ば、下層への探索は打ち切る。 (4) 上層の中間のｘA ，ｘB またはｍA の成立が不明の
場合は、その下層のｘA やｘB の成立も不明とする。
【００２１】(5) ｍ′B が不明で、ｍD が成立のとき
は、成立した中間のｘC ，ｘD の方から先に探索する。 (6) ｍ′B 及びｍ′D の両方とも不明のときは、それぞ
れ下層にある全ての故障事象の故障確率の和、すなわ
ち、ｆA ＋ｆB とｆC ＋ｆD を比べ、大きい方から優先
して探索する。
は、成立した中間のｘC ，ｘD の方から先に探索する。 (6) ｍ′B 及びｍ′D の両方とも不明のときは、それぞ
れ下層にある全ての故障事象の故障確率の和、すなわ
ち、ｆA ＋ｆB とｆC ＋ｆD を比べ、大きい方から優先
して探索する。
【００２２】(7) 原因が１つも探索できないとき、ある
観測事象を１つだけ反転させ、故障確率の最も高い故障
事象が原因となる順に診断を行なう。 (8) 診断は、少なくとも１つの観測事象の成立または不
成立が入力されるタイミングで、オペレータの判断で繰
り返し診断を実行する。
観測事象を１つだけ反転させ、故障確率の最も高い故障
事象が原因となる順に診断を行なう。 (8) 診断は、少なくとも１つの観測事象の成立または不
成立が入力されるタイミングで、オペレータの判断で繰
り返し診断を実行する。
【００２３】(9) 不明な観測とは、未観測または観測し
たが成否の判定がつかない場合を意味する。 (10)原因の確からしさを計算する。
たが成否の判定がつかない場合を意味する。 (10)原因の確からしさを計算する。
【００２４】(11)２重故障に対しては、信号の伝達の上
流の故障が先に探索される。しかし、迅速に原因を取り
除く保守を行なうことによって、再診断で２つ目の故障
も探索される。
流の故障が先に探索される。しかし、迅速に原因を取り
除く保守を行なうことによって、再診断で２つ目の故障
も探索される。
【００２５】上記のようにして故障木診断法による原因
の探索が行なわれる。また、ＣＤＭ知識診断知識２２に
より診断が行なわれた場合は、故障木変換手段２３によ
り故障木への変換が行なわれる。この故障木変換手段２
３による変換処理は、例えば図５に示すフローチャート
に従って行なわれる。故障木変換のアルゴリズムとして
は、情報エントロピＥによるデータ分離を用いる。エン
トロピＥとは、本来熱力学や統計物理の分野で定義され
た概念で、無秩序あるいは不規則さの順位や程度を表し
ているが、情報理論では未知の度合いを表す概念として
導入されたものである。情報エントロピＥは、１回の試
行によって得られる情報量の期待値として定義される。
原因がＸである生起確率をｒ（０≦ｒ≦１．０）とする
とき、ｘの情報量Ｉ（ｒ）＝−log2ｒ（単位ビット）。
その期待値（重み付平均）としてエントロピをｆ（ｒ）
＝−ｒ log2 ｒで定義する。ｆは、「ｆ（０）＝０、ｆ
（０．５）＝０．５、ｆ（１）＝０」となる図６に示す
ような関数である。
の探索が行なわれる。また、ＣＤＭ知識診断知識２２に
より診断が行なわれた場合は、故障木変換手段２３によ
り故障木への変換が行なわれる。この故障木変換手段２
３による変換処理は、例えば図５に示すフローチャート
に従って行なわれる。故障木変換のアルゴリズムとして
は、情報エントロピＥによるデータ分離を用いる。エン
トロピＥとは、本来熱力学や統計物理の分野で定義され
た概念で、無秩序あるいは不規則さの順位や程度を表し
ているが、情報理論では未知の度合いを表す概念として
導入されたものである。情報エントロピＥは、１回の試
行によって得られる情報量の期待値として定義される。
原因がＸである生起確率をｒ（０≦ｒ≦１．０）とする
とき、ｘの情報量Ｉ（ｒ）＝−log2ｒ（単位ビット）。
その期待値（重み付平均）としてエントロピをｆ（ｒ）
＝−ｒ log2 ｒで定義する。ｆは、「ｆ（０）＝０、ｆ
（０．５）＝０．５、ｆ（１）＝０」となる図６に示す
ような関数である。
【００２６】ｒ＝１／ｅ＝０．３６８で最大値０．５３
をとる。エントロピは乱雑さの程度を表す量であるか
ら、或る原因候補の集合に対して、その集合の持つエン
トロピが小さければ、確度が高い予測ができる。これは
エントロピが０になれば、原因候補が１つに絞られると
いうことを意味している。
をとる。エントロピは乱雑さの程度を表す量であるか
ら、或る原因候補の集合に対して、その集合の持つエン
トロピが小さければ、確度が高い予測ができる。これは
エントロピが０になれば、原因候補が１つに絞られると
いうことを意味している。
【００２７】故障木変換処理に際しては、まず、分離前
の情報エントロピを計算する（ステップＢ１）。故障木
診断手段１２により例えば図７に示すようなＣＤＭ診断
の結果が得られた場合、分離前のエントロピＥは、発生
頻度の正常、異常の比が３／８：５／８であるから、 Ｅ＝ｆ（３／８）＋ｆ（５／８） ＝（−３／８ log2 ３／８）＋（−５／８ log2 ５／８） ＝０．９５４４（ビット） になる。
の情報エントロピを計算する（ステップＢ１）。故障木
診断手段１２により例えば図７に示すようなＣＤＭ診断
の結果が得られた場合、分離前のエントロピＥは、発生
頻度の正常、異常の比が３／８：５／８であるから、 Ｅ＝ｆ（３／８）＋ｆ（５／８） ＝（−３／８ log2 ３／８）＋（−５／８ log2 ５／８） ＝０．９５４４（ビット） になる。
【００２８】次に観測事象Ａｉによる分離後のエントロ
ピＥｉを計算し（ステップＢ２）、最大のエントロピＥ
minｉを探す（ステップＢ３）。そして、エントロピＥ
minｉとなる観測事象で分離し（ステップＢ４）、未使
用観測事象が有るか否かをチェックし（ステップＢ
５）、未使用観測事象が有ればステップＢ１に戻って同
様の処理を繰り返して実行する。すなわち、各観測事象
で分離前と分離後のエントロピを比較し、最もエントロ
ピの小さくなる観測事象を選択する。観測事象が幾つか
の属性値を持っている場合には、それぞれのエントロピ
の重み付平均値で比較する。これを全ての観測事象につ
いて繰り返すことにより、故障木に変換する（ステップ
Ｂ６）。図８は、以上の変換結果例を示したものであ
る。このように故障木変換手段２３により故障木への変
換処理を行なうことにより、ＣＤＭ診断法の場合でも診
断結果の追及が可能となる。
ピＥｉを計算し（ステップＢ２）、最大のエントロピＥ
minｉを探す（ステップＢ３）。そして、エントロピＥ
minｉとなる観測事象で分離し（ステップＢ４）、未使
用観測事象が有るか否かをチェックし（ステップＢ
５）、未使用観測事象が有ればステップＢ１に戻って同
様の処理を繰り返して実行する。すなわち、各観測事象
で分離前と分離後のエントロピを比較し、最もエントロ
ピの小さくなる観測事象を選択する。観測事象が幾つか
の属性値を持っている場合には、それぞれのエントロピ
の重み付平均値で比較する。これを全ての観測事象につ
いて繰り返すことにより、故障木に変換する（ステップ
Ｂ６）。図８は、以上の変換結果例を示したものであ
る。このように故障木変換手段２３により故障木への変
換処理を行なうことにより、ＣＤＭ診断法の場合でも診
断結果の追及が可能となる。
【００２９】
【発明の効果】以上詳記したように本発明によれば、Ｃ
ＤＭ診断法（マトリックス診断法）の知識の検証、説明
機能という点で劣っていた点を解決し、かつ、故障木診
断法及びＣＤＭ診断法の何れかを問題毎に適した方を選
択でき、診断作成時間を低減できると共に、ＣＤＭ診断
法の場合でも診断結果を追及できるようになり、診断結
果を容易に確認することができる。
ＤＭ診断法（マトリックス診断法）の知識の検証、説明
機能という点で劣っていた点を解決し、かつ、故障木診
断法及びＣＤＭ診断法の何れかを問題毎に適した方を選
択でき、診断作成時間を低減できると共に、ＣＤＭ診断
法の場合でも診断結果を追及できるようになり、診断結
果を容易に確認することができる。
【図１】本発明の一実施形態に係る故障診断装置の構成
を示すブロック図。
を示すブロック図。
【図２】同実施形態におけるプラントから出力される故
障情報の例を示す図。
障情報の例を示す図。
【図３】同実施形態における処理動作を示すフローチャ
ート。
ート。
【図４】同実施形態における故障木診断法による原因の
探索例を説明するための図。
探索例を説明するための図。
【図５】同実施形態における故障木変換手段の処理例を
示すフローチャート。
示すフローチャート。
【図６】同実施形態における情報エントロピを示す図。
【図７】同実施形態におけるＣＤＭ診断による表示例を
示す図。
示す図。
【図８】同実施形態における故障木変換手段の変換例を
示す図。
示す図。
【図９】診断用故障木の例を示すフローチャート。
【図１０】ＣＤＭ診断の例を示す図。
【図１１】（ａ）は従来の故障木診断装置の構成例を示
す図、（ｂ）は従来のＣＤＭ診断装置の構成例を示す
図。
す図、（ｂ）は従来のＣＤＭ診断装置の構成例を示す
図。
【図１２】従来の故障診断装置の画面表示例を示す図。
１ プラント １０ 診断装置 １１ 知識選択手段 １２ 故障木診断手段 １３ 故障木診断知識 １４ 表示手段 ２１ ＣＤＭ診断手段 ２２ ＣＤＭ知識診断知識 ２３ 故障木変換手段
Claims (1)
- 【請求項１】 故障診断対象から故障情報を受け、その
故障情報に対して故障木による故障診断を行なうかＣＤ
Ｍによる故障診断を行なうかを判定する知識選択手段
と、故障木診断手段と、故障木診断知識と、ＣＤＭ診断
手段と、ＣＤＭ診断知識と、ＣＤＭ診断の過程を故障木
の形式に変換する故障木変換手段とを有することを特徴
とする故障診断装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP24729295A JPH0991037A (ja) | 1995-09-26 | 1995-09-26 | 故障診断装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP24729295A JPH0991037A (ja) | 1995-09-26 | 1995-09-26 | 故障診断装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0991037A true JPH0991037A (ja) | 1997-04-04 |
Family
ID=17161271
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP24729295A Pending JPH0991037A (ja) | 1995-09-26 | 1995-09-26 | 故障診断装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0991037A (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003099109A (ja) * | 2001-09-20 | 2003-04-04 | Denso Corp | 組立工程設計システム |
| WO2004029744A1 (ja) * | 2002-09-27 | 2004-04-08 | Kabushiki Kaisha Toshiba | プラント制御系の異常診断システム、異常診断方法 |
| JP2004303247A (ja) * | 2003-03-28 | 2004-10-28 | Fisher Rosemount Syst Inc | プロセス安全システムで使用するための原因結果マトリックスの機能ブロック実装 |
| CN118500538A (zh) * | 2024-07-18 | 2024-08-16 | 茌平鲁环汽车散热器有限公司 | 一种汽车散热翅片工作状况监测方法 |
-
1995
- 1995-09-26 JP JP24729295A patent/JPH0991037A/ja active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003099109A (ja) * | 2001-09-20 | 2003-04-04 | Denso Corp | 組立工程設計システム |
| WO2004029744A1 (ja) * | 2002-09-27 | 2004-04-08 | Kabushiki Kaisha Toshiba | プラント制御系の異常診断システム、異常診断方法 |
| US7212952B2 (en) | 2002-09-27 | 2007-05-01 | Kabushiki Kaisha Toshiba | System and method for diagnosing abnormalities in plant control system |
| JP2004303247A (ja) * | 2003-03-28 | 2004-10-28 | Fisher Rosemount Syst Inc | プロセス安全システムで使用するための原因結果マトリックスの機能ブロック実装 |
| CN118500538A (zh) * | 2024-07-18 | 2024-08-16 | 茌平鲁环汽车散热器有限公司 | 一种汽车散热翅片工作状况监测方法 |
| CN118500538B (zh) * | 2024-07-18 | 2024-11-01 | 茌平鲁环汽车散热器有限公司 | 一种汽车散热翅片工作状况监测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115601661B (zh) | 一种用于城市动态监测的建筑物变化检测方法 | |
| CN115187832B (zh) | 一种基于深度学习与格拉姆角场图像的能源系统故障诊断方法 | |
| CN115577114A (zh) | 一种基于时序知识图谱的事件检测方法和装置 | |
| Estivill-Castro et al. | Data mining techniques for autonomous exploration of large volumes of geo-referenced crime data | |
| CN115375968B (zh) | 一种针对行星齿轮箱的故障诊断方法 | |
| CN113378967B (zh) | 一种基于卷积神经网络与迁移学习的结构健康监测多元数据异常诊断方法 | |
| CN118261584B (zh) | 基于多参量数据的变压器状态评估方法及系统 | |
| CN102818948B (zh) | 基于模糊故障诊断和相关性模型诊断的合成诊断方法 | |
| CN109858140A (zh) | 一种基于信息熵离散型贝叶斯网络冷水机组故障诊断方法 | |
| CN113032238A (zh) | 基于应用知识图谱的实时根因分析方法 | |
| CN120234211B (zh) | 一种智能数据质量监控方法和系统 | |
| CN113254249A (zh) | 冷站故障分析方法、装置、及存储介质 | |
| CN110297469A (zh) | 基于重采样的集成特征选择算法的生产线故障判断方法 | |
| CN119671074B (zh) | 一种地下水环境监测井全流程数据管理方法和系统 | |
| CN114821976B (zh) | 一种多要素岩溶塌陷的智能预报系统 | |
| CN118094324A (zh) | 一种时频域图像数据驱动的滚动轴承故障诊断方法 | |
| CN120067859A (zh) | 基于多物理场耦合的煤与瓦斯突出灾害预测方法及装置 | |
| CN106971027B (zh) | 一种基于dr-bn模型的冷水机组故障特征选择方法 | |
| CN112833336A (zh) | 一种面向楼宇间供水管道泄漏的监测方法和系统 | |
| JPH0991037A (ja) | 故障診断装置 | |
| Roberts et al. | Data engineering for predictive machine learning of stormwater infrastructure conditions | |
| CN114995350B (zh) | 一种高炉炼铁过程故障监测方法、装置及存储介质 | |
| CN116778688A (zh) | 机房告警事件处理方法、装置、设备及存储介质 | |
| Zhang et al. | Towards intelligent fault diagnosis under small sample condition via a signals augmented semi-supervised learning framework | |
| CN118333154A (zh) | 面向交通大模型的知识图谱优化方法和系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20030902 |