JP2010218301A - 異常診断装置、異常診断方法及び異常診断プログラム - Google Patents

Abstract

【課題】回帰分析により化学プラントの状態を推定し、異常な状態が発生したと判定された場合には、自動的に異常の原因を特定することができる異常診断装置を提供する。
【解決手段】プラントの異常を診断するために、プラント内の測定対象を測定した測定値に基づいて回帰分析を行うことにより、異常検出対象の推定値を求め、該推定値を予め決められたしきい値と比較することにより異常発生を予測する異常診断装置であって、異常検出対象の推定値に大きく寄与している測定値を特定する測定値特定手段を備えた。
【選択図】図１

Description

本発明は、プラントに異常が発生しているか否かを診断し、発生した異常の原因を特定する異常診断装置、異常診断方法、異常診断プログラムに関する。

近年、プロセス制御を採用している化学プラントの複雑化・特殊化が進んでいる一方で、オペレーティング現場では少人数化に拍車がかかっている。複雑かつ汎用化されていないプラントの監視を少人数で実施するのは非常に難しく、プラント停止警報等が発報されて初めて化学プラントの異変が表面化する事例が多い。また、化学プラントの異常運転は重大な経済的損失を伴う可能性がある。そのため早期に異常を検知し、原因を特定するシステムが非常に有用となる。

従来技術にあっては、化学プラントを対象として、主成分分析（ＰＣＡ；principal component analysis）を使用した異常予測方法（例えば、特許文献１参照）、また、回帰分析（ＰＬＳ；Partial Least Squares）を使用した異常予測方法（例えば、特許文献２参照）などがある。ＰＣＡもＰＬＳも多変量解析の一種であり、入力変数と出力変数との関係をモデル化し、新たな入力変数で出力変数を推定することができる。ＰＬＳに関しては、多重共線性に影響されない特質を利用して、化学プラントの状態推定（ソフトセンサー）として使用されている（例えば、特許文献２参照）。

特許文献１、２に記載の方法は、化学プラント内の何らかの測定値を推定し、実際の測定値と比較することで異常を検知する方法である。特許文献３に記載の方法は、化学プラント内でリアルタイムで測定できない物理量を推定し、プラント操業に役立てる方法である。これらは、多変量解析を利用して何らかの状態を推定する点では同等の技術であり、近年は、化学プラントにおいて、異常検知や状態推定に活用されている。

特表２００８−５１２７９２号公報 特開２００６−３５０６９８号公報 特開２００７−００４７６９号公報

ところで、化学プラントにおいては異常を早期に検知することに加え、早期に検知した異常の原因を推定することが重要である。しかしながら、従来技術では、異常を検知するのみであり、異常状態を発生させている原因を特定することができないという問題がある。事前に異常が検知できたとしても、原因が分からなければ化学プラントの稼働停止、装置の損傷などの状態を回避することができない。化学プラントは複雑なプロセスが重なり合っているものが多く、異常原因を特定することが難しい。また、近年はベテランオペレータが不足している化学プラントもあり、異常原因を自動的に検知する方法が要望されている。

本発明は、このような事情に鑑みてなされたもので、ＰＬＳ（Partial Least Squares）等の回帰分析により化学プラントの状態を推定し、異常な状態が発生したと判定された場合には、自動的に異常の原因を特定することができる異常診断装置、異常診断方法及び異常診断プログラムを提供することを目的とする。

本発明は、プラントの異常を診断するために、前記プラント内の測定対象を測定した測定値に基づいて回帰分析を行うことにより、異常検出対象の推定値を求め、該推定値を予め決められたしきい値と比較することにより異常発生を予測する異常診断装置であって、前記異常検出対象の推定値に大きく寄与している前記測定値を特定する測定値特定手段を備えたことを特徴とする。

本発明は、プラントの異常を診断するために、前記プラント内の測定対象を測定した測定値に基づいて回帰分析を行うことにより、異常検出対象の推定値を求め、該推定値を予め決められたしきい値と比較することにより異常発生を予測する異常診断装置における異常診断方法であって、前記異常検出対象の推定値に大きく寄与している前記測定値を特定する測定値特定ステップを有することを特徴とする。

本発明は、プラントの異常を診断するために、前記プラント内の測定対象を測定した測定値に基づいて回帰分析を行うことにより、異常検出対象の推定値を求め、該推定値を予め決められたしきい値と比較することにより異常発生を予測する異常診断装置上で動作する異常診断プログラムであって、前記異常検出対象の推定値に大きく寄与している前記測定値を特定する測定値特定ステップをコンピュータに行わせることを特徴とする。

本発明によれば、プラント内の測定対象を測定した測定値に基づいて回帰分析を行うことにより、異常検出対象の推定値を求め、この推定値を予め決められたしきい値と比較することにより異常発生を予測する異常診断装置において、異常検出対象の推定値に大きく寄与している測定値を特定し、出力するようにしたため、プラント内で異常が発生した場合の異常原因を特定することができる。これにより、プラント内に異常が発生した場合、迅速に異常回避措置をとることが可能になるという効果が得られる。

本発明の一実施形態の構成を示すブロック図である。 図１に示す異常診断装置２の処理動作を示すフローチャートである。 図１に示すデータベース２２に記憶されるプラントデータの一例を示す説明図である。 図１に示すプラント１の一例を示す系統図である。 製品ガスの純度の予測値と実測値を対比して示した説明図である。 推定結果に寄与した各測定値の強度を示す説明図である。

以下、図面を参照して、本発明の一実施形態による異常診断装置を説明する。図１は同実施形態の構成を示すブロック図である。この図において、符号１は、プロセス制御によって稼働する化学プラント（以下、プラントと称する）であり、本発明による異常診断装置が行う異常診断の対象となるプラントである。符号２は、プラント１の異常診断を行う異常診断装置であり、コンピュータ装置で構成する。符号２１は、プラント操業時に、プラント１内に備えてられているセンサ（図示せず）から出力されるプラントの状態を示す測定データ（これを実プラントデータという）を入力する実プラントデータ入力部である。符号２２は、実プラントデータ入力部２１が入力した実プラントデータを保存しておくデータベースであり、記憶装置で構成する。符号２３は、データベース２２に記憶されているデータからＰＬＳモデルを決定するＰＬＳモデル決定部である。符号２４は、ＰＬＳモデル決定部２３が決定したＰＬＳモデルデータを記憶するＰＬＳモデル記憶部である。符号２５は、ＰＬＳモデル記憶部２４に記憶されているＰＬＳモデルデータを使用して、被説明変数の推定値を求めて出力するＰＬＳ推定処理部である。

符号２６は、ＰＬＳ推定処理部２５が出力する被説明変数推定値を記憶する被説明変数推定値記憶部である。符号２７は、実プラントデータ入力部２１に保持されている実プラントデータ（被説明変数）と、被説明変数推定値とを比較することにより異常判定を行う異常判定処理部である。符号２８は、異常判定処理部２７において異常発生と判定された場合に出力される異常発生警報情報を表示する表示部であり、ディスプレイ装置で構成する。表示部２８には、音声によって警報発生を知らせるようにしてもよい。符号２９は、異常判定処理部２７において異常発生と判定された場合に、発生した異常の原因を解析して特定する異常原因解析部である。符号３０は、異常原因解析部２９が特定した説明変数を表示する表示部である。表示部３０は、表示部２８と兼用してもよい。

次に、図２を参照して、図１に示す異常診断装置２の処理動作を説明する。まず、実プラントデータ入力部２１は、プラント１の実プラントデータを入力し（ステップＳ１）、データベース２２に記憶する。ここでいう実プラントデータとは、プラント１内に備えられているセンサが出力する測定データのことであり、例えば、配管内の圧力を測定する圧力センサの測定値である。ここで、図３を参照して、図１に示すデータベース２２のテーブル構造を説明する。データベース２２は、図３に示すように、ｍ個の測定点（センサの取付位置）について、時刻ａ１、ａ２、…、ａＮにおけるＮ個の時系列データから構成されて記憶される。図３において、ｘが各センサの測定値である。

次に、ＰＬＳモデル決定部２３は、データベース２２に記憶されている複数の実プラントデータを、推定に使用する説明変数と推定する対象の被説明変数に分けることにより、ＰＬＳモデルを決定して、決定したＰＬＳモデルデータをＰＬＳモデル記憶部２４へ記憶する（ステップＳ２）。被説明変数は、プラント１の生産物の品質や量に関するものを選択するのが望ましい。ここで、ＰＬＳモデル決定部２３のＰＬＳモデル決定処理について説明する。

今、Ｎを標本数（時系列データ数）、ｍ、ｎをそれぞれ説明変数の数、被説明変数（＝推定したい変数）の数とし、Ｘは説明変数のデータ行列（Ｎ×ｍ；（１）式）、Ｙは被説明変数のデータ行列（Ｎ×ｎ；（２）式）とする。

なお、被説明変数Ｙと説明変数Ｘは標準化処理をされているものとする。

ここで、被説明変数Ｙは、説明変数Ｘと重回帰パラメータα（ｍ×ｎ行列）を使用して、（３）式のようにあらわせると仮定する。
Ｙ＝Ｘ・α ・・・（３）
ここで、Ｘにおけるｍ個の説明変数のうちある変数の間に共線性があるとする。このときαは最小二乗法では推定できない。そこで、Ｘの階層をｒ（ｒａｎｋＸ≦ｍ）として、（４）式のように特異値分解できるものとする。

（４）式のｔはＸＸ^Ｔの特異点に対応した固有ベクトル（Ｎ次）、ｐはＸ^ＴＸの特異点に対応した固有ベクトル（ｍ次）である。

（３）式に（４）式を代入すると（５）式のようになる。

ここまでの展開では、ｔはＹから独立して決められるように見えるが、ＹとＸの関係を考慮して決められる。

各行列を次のようにまとめる。
Ｔ＝（ｔ_１ ｔ_２ ・・・ ｔ_ｒ）；Ｎ×ｒ次のスコア行列
Ｐ＝（ｐ_１ ｐ_２ ・・・ Ｐ_ｒ）；ｍ×ｒ次の負荷量行列
Ｗ＝（Ｗ_１ Ｗ_２ ・・・ Ｗ_ｒ）；ｍ×ｒ次の係数行列
Ｑ＝（ｑ_１ ｑ_２ ・・・ ｑ_ｒ）；ｎ×ｒ次の負荷量行列

ＸのＴによる特異値分解とスコア行列Ｔは（６）、（７）式のように表せる。
Ｘ＝ＴＰ^Ｔ ・・・（６）
Ｔ＝ＸＷ^Ｔ ・・・（７）

よって、（６）、（７）式から（８）式のようになる。
Ｔ（Ｐ^ＴＷ）＝ＸＷ ・・・（８）

行列Ｐ^ＴＷはその対角要素が全て１のｒ×ｒ次の三角行列であり、正則なので逆行列が存在する。よって（９）式のようにスコア行列Ｔを求めることができる。
Ｔ＝ＸＷ（Ｐ^ＴＷＴ）^−１ ・・・（９）

一方、Ｙ＝ＴＱ^Ｔ＋Ｅであるから、（９）式を代入すると（１０）式になる。
Ｙ＝ＸＷ（Ｐ^ＴＷ）^−１Ｑ^Ｔ＋Ｅ ・・・（１０）

よって、重回帰パラメータαは、（１１）式のように表すことができる。
α＝Ｗ（Ｐ^ＴＷ）^−１Ｑ^Ｔ

（１１）式の関係を満たす負荷量行列Ｐ、Ｑ、係数行列Ｗを決定することが、ＰＬＳモデル決定処理である。

また、過去から現在の説明変数から未来の被説明変数が推定可能なプロセスの場合（例えば現在から２時間前のデータから未来の被説明変数が推定可能な場合）は、動的ＰＬＳを採用すれば未来の被説明変数が推定できるので、異常を検知するという意味ではさらに好ましい。

次に、ＰＬＳ推定処理部２５は、ＰＬＳモデル記憶部２４に記憶されているＰＬＳモデルデータと、実プラントデータ入力部２１に保持されているプラント１の実プラントデータの説明変数を使用して、被説明変数の推定処理を実施する（ステップＳ３）。この処理は（３）式、（１１）式を使用すれば実施可能である。ＰＬＳ推定処理部２５は、被説明変数推定値を、被説明変数推定値記憶部２６に記憶する。

次に、異常判定処理部２７は、被説明変数推定値記憶部２６に記憶されている推定被説明変数と、実プラントデータ入力部２１に保持している測定被説明変数（実プラントデータ）を比較して異常を検知する処理を実施する（ステップＳ４）。この場合は、推定した被説明変数と測定した被説明変数との差の絶対値がある一定の値以上になった場合に異常とみなすものとする。この際の閾値は、被説明変数の標準偏差の数倍程度が好ましい。また、動的ＰＬＳを採用する場合は、未来の被説明変数を推定することが可能なので、推定した未来の被説明変数とプラントの警報閾値と比較する方法でも良い。異常判定処理部２７は、異常が検知されたか否かを判定し（ステップＳ５）、異常が検知されなければ、ステップＳ１に戻り、処理を繰り返す。

一方、異常を検知した場合、異常判定処理部２７は、異常が発生したことを示す警報情報を表示部２８に表示する（ステップＳ６）ことによりオペレータに対して異常発生を知らせるとともに、異常原因解析部２９に対して、異常が検知されたことを通知する。

異常検知の通知を受けると、異常原因解析部２９は、異常原因の解析を行う（ステップＳ７）。被説明変数の予測はＹ＝ＴＱ^Ｔで算出されるために、スコア行列Ｔと負荷量行列Ｑ^Ｔの積を分解し予測結果に大きく寄与している説明変数を解析によって求めれば、異常原因である説明変数を特定することができる。

ここで、異常原因解析部２９が、スコア行列Ｔと負荷量行列ＱＴの積の分解処理を行うことにより、予測結果に大きく寄与している説明変数を見つけ出す処理動作を説明する。

Ｎを標本数、ｒをＸの階層、ｎを被説明変数の数として、ＴＱ^Ｔを詳細に表現すれば、（１２）式のようになる。

ゆえに、上記Ｎ×ｎ行列のｉｊ成分は（１３）式のようになる。
（Ｔ・Ｑ^Ｔ）_ｉｊ＝ｔ_ｉ１ｑ_ｊ１＋ｔ_ｉ２ｑ_ｊ２ ・・・ ＋ｔ_ｉｒｑ_ｊｒ ・・・（１３）

一方、Ｗ・（Ｐ^ＴＴ）^−１のｍ×ｒ行列をまとめてＺとして、（９）式を置き変えると、（１４）次式のように展開できる。

今、（１３）式の時刻ｈの推定値においてｋ列目の被説明変数の異常の原因を解析する場合、（１５）式の要素うち、一番絶対値が大きなｔ_ｈｒｑ_ｋｒは潜在変数成分ｒをｆとする。
Ｙ_ｈｋ＝（ＴＱ^Ｔ）_ｈｋ＝ｔ_ｈ１ｑ_ｋ１＋ｔ_ｈ２ｑ_ｋ２ ・・・ ＋ｔ_ｈｒｑ_ｋｒ ・・・（１５）

（１４）式と（１５）式より、ｔ_ｈｆを説明変数ＸとＺ成分で（１６）式のように表現できる。
ｔ_ｈｆ＝ｘ_ｈ１Ｚ_１ｆ＋ｘ_ｈ２Ｚ_２ｆ ・・・＋ｘ_ｈｍＺ_ｍｆ ・・・（１６）

（１６）式において、大きなｘ_ｈｍ・ｚ_ｍｆ成分におけるｘ_ｈｍが、推定値に大きく寄与している説明変数になる。推定値に大きく寄与している説明変数を特定すると、異常原因解析部２９は、特定した説明変数を表示部３０に表示することにより、オペレータに対して、異常原因候補を知らせる（ステップＳ８）。

次に、図１に示す異常診断装置により、異常の発生の予測と、その異常の原因を特定する動作を実施した例について説明する。図４は、本発明による異常診断装置によって異常診断を行う対象プラントの系統図である。図４において、被説明変数は、製品ガスの純度を計測する純度センサの値である。説明変数は、系統内に設けられたセンサの測定値であり、図４に示す温度センサの出力である温度１〜３、流量センサの出力である流量１〜４、圧力センサの出力である圧力１〜５、液面センサの出力である液面１、２が相当する。このように、ＰＬＳモデルを決定し、図１に示す異常診断装置により、被説明変数（製品ガスの純度）を予測した結果を図５に示す。図５に示すように、時刻１２時直前までは、予測値と実測値が良く合っている。しかし、１２時の時点で、予測値が異常値を示し、異常を検知している。予測値は、２時間後の値を予測しているため、１２時に異常を検知した予測値は、１０時の時点で算出されていることになる。実測値は、１５時から異常値を示すため、５時間前に異常を検知できることが分かる。

図６は、異常原因解析部２９が、１２時における予測値の異常が説明変数の何処に起因するものであるかを解析して求めた結果を示す図である。図６に示すように、圧力４、圧力５、液面２及び圧力３の強度が高いことが分かる。図４を参照すると、この結果に寄与した各測定値の強度が高いのは、全て排ガス筒周辺の測定値であることが分かる。説明変数である圧力４、圧力５、液面２及び圧力３の値と、そのセンサ取付位置情報が表示部３０に表示されることになる。オペレータは、この表示を目視することにより、異常が排ガス筒周辺で発生していることを知ることができる。

以上説明したように、プラント内の測定対象を測定した測定値に基づいて回帰分析を行うことにより、異常検出対象の推定値を求め、この推定値を予め決められたしきい値と比較することにより異常発生を予測する異常診断装置において、異常検出対象の推定値に大きく寄与している測定値を特定し、特定された測定値の測定対象を特定して出力するようにしたため、プラント内異常が発生した場合の異常原因を特定することができる。これにより、プラント内に異常が発生した場合、迅速に異常回避措置をとることが可能になる。

なお、図１における実プラントデータ入力部２１、ＰＬＳモデル決定部２３、ＰＬＳ推定処理部２５、異常判定処理部２７及び異常原因解析部２９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異常診断処理及び異常原因解析処理を行ってもよい。なお、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、ホームページ提供環境（あるいは表示環境）を備えたＷＷＷシステムも含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ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。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（ＲＡＭ）のように、一定時間プログラムを保持しているものも含むものとする。

また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。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よい。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、いわゆる差分ファイル（差分プログラム）であってもよい。

１・・・化学プラント、２・・・異常診断装置、２１・・・実プラントデータ入力部、２２・・・データベース、２３・・・ＰＬＳモデル決定部、２４・・・ＰＬＳモデル記憶部、２５・・・ＰＬＳ推定処理部、２６・・・被説明変数推定値記憶部、２７・・・異常判定部、２８・・・表示部、２９・・・異常原因解析部、３０・・・表示部

Claims (3)

1. プラントの異常を診断するために、前記プラント内の測定対象を測定した測定値に基づいて回帰分析を行うことにより、異常検出対象の推定値を求め、該推定値を予め決められたしきい値と比較することにより異常発生を予測する異常診断装置であって、
   前記異常検出対象の推定値に大きく寄与している前記測定値を特定する測定値特定手段を備えたことを特徴とする異常診断装置。
2. プラントの異常を診断するために、前記プラント内の測定対象を測定した測定値に基づいて回帰分析を行うことにより、異常検出対象の推定値を求め、該推定値を予め決められたしきい値と比較することにより異常発生を予測する異常診断装置における異常診断方法であって、
   前記異常検出対象の推定値に大きく寄与している前記測定値を特定する測定値特定ステップを有することを特徴とする異常診断方法。
3. プラントの異常を診断するために、前記プラント内の測定対象を測定した測定値に基づいて回帰分析を行うことにより、異常検出対象の推定値を求め、該推定値を予め決められたしきい値と比較することにより異常発生を予測する異常診断装置上で動作する異常診断プログラムであって、
   前記異常検出対象の推定値に大きく寄与している前記測定値を特定する測定値特定ステップをコンピュータに行わせることを特徴とする異常診断プログラム。

Images