JP2012009038A - Maintenance planning method - Google Patents
Maintenance planning method Download PDFInfo
- Publication number
- JP2012009038A JP2012009038A JP2011163588A JP2011163588A JP2012009038A JP 2012009038 A JP2012009038 A JP 2012009038A JP 2011163588 A JP2011163588 A JP 2011163588A JP 2011163588 A JP2011163588 A JP 2011163588A JP 2012009038 A JP2012009038 A JP 2012009038A
- Authority
- JP
- Japan
- Prior art keywords
- probability
- units
- parts
- plant
- product
- 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.)
- Granted
Links
- 238000012423 maintenance Methods 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000013439 planning Methods 0.000 title claims abstract description 17
- 238000007689 inspection Methods 0.000 claims abstract description 42
- 238000009826 distribution Methods 0.000 claims abstract description 31
- 238000003860 storage Methods 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims description 24
- 230000008439 repair process Effects 0.000 claims description 18
- 230000001186 cumulative effect Effects 0.000 claims description 17
- 238000005315 distribution function Methods 0.000 claims description 12
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 8
- 238000001276 Kolmogorov–Smirnov test Methods 0.000 claims description 4
- 241000196324 Embryophyta Species 0.000 description 50
- 230000006870 function Effects 0.000 description 30
- 238000010586 diagram Methods 0.000 description 8
- 238000001816 cooling Methods 0.000 description 7
- 238000004088 simulation Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 244000256297 Euphorbia tirucalli Species 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
本発明は、長期にわたって保守が必要な原子力プラントや石油プラント、化学プラントなどの各種プラントや製品の保守計画の方法に関するものであり、特に事故に至るか至らないか、検査が必要か否か等の保守計画上重要な状態の近傍の確率を従来よりも詳しく、しかも大量の演算を行うことなく求めることができるようにした保守計画方法に関するものである。 The present invention relates to a maintenance planning method for various plants and products such as nuclear plants, petroleum plants, and chemical plants that require maintenance over a long period of time. Especially, whether or not an accident occurs or whether inspection is necessary, etc. The present invention relates to a maintenance planning method in which the probability in the vicinity of an important state in the maintenance plan can be obtained in more detail than before and can be obtained without performing a large amount of computation.
原子力プラントや石油プラント、化学プラントなどの各種プラント、及び航空機などの償却年数が長い一部の大型製品は、故障時に周囲に与える影響が大きいため、適切な保守が必要不可欠である。そのため、償却期間中に定期的な保守点検を行い、プラントや製品を構成する部品やユニットの寿命や疲労度合いなどを考慮しながら、検査、補修、交換などを行うようにすることが一般的に行われている。しかし、このような従来の定期的な保守点検は、単純に1年、3年、5年といった一定年毎に行うということを決めて検査を実施していたため、交換を近々行わなければならない部品やユニットがあっても交換が次の定期点検まで持ち越され、その間に故障が生成してその改修や復帰に多額の出費を迫られたり信用を失態するなどの事態が生じることがあった。また逆に、寿命が来て交換したばかりの部品やユニットがあっても検査を実施したり、交換しなくてもよい部品やユニットを交換して不要な費用を掛けてしまうといったこともあった。 Various plants such as nuclear power plants, petroleum plants, chemical plants, and some large-scale products such as aircraft that have a long depreciation period have a large influence on the surroundings at the time of failure, and thus appropriate maintenance is essential. For this reason, it is common to perform periodic maintenance and inspections during the depreciation period, and to perform inspections, repairs, replacements, etc. while considering the life and fatigue level of the parts and units that make up the plant and product. Has been done. However, since such conventional periodic maintenance inspections were performed by simply deciding that they would be performed every fixed year, such as one year, three years, or five years, parts that must be replaced soon. Even if there are units or units, the replacement was carried over until the next periodic inspection, and during that time a failure occurred, causing a large amount of money to be repaired or restored, and lost credit. Conversely, even if there are parts or units that have reached the end of their life and have been replaced, inspections may be performed, or parts or units that do not need to be replaced may be replaced, resulting in unnecessary costs. .
そのため従来から、長期にわたる償却期間中にどのように保守を実施したら効果的であるか検討が行われてきており、例えば特許文献1及び2に開示されている。特許文献1はプラントや製品の償却期間全般にわたる保守計画を定量的にコストの観点をいれて計画できるようにした保守計画に関するものであり、プラントや製品の償却期間を短期保守期間に区切り、各短期保守期間毎にその期間の終了時における前記プラントや製品を構成するユニットや部品に関する状態を損傷確率を元に算出し、該算出結果に基づいて前記短期保守期間の開始時の検査・補修を行うユニットや部品を選定すると共に検査費用と補修費用を前記演算手段で算出し、それを償却年度まで繰り返すことで、保守のユニットや部品を選択すると共に保守費用を算出するようにした保守計画に関するものである。
For this reason, conventionally, it has been studied how it is effective to perform maintenance during a long depreciation period, which is disclosed in
また、特許文献2はプラントを構成する機器の破損・性能低下・機能停止によるリスクコストを予測し、運用による利得と比較しながら最適な運用方法を選択し支持する保守計画に関するものであり、プラント機器のイベントツリーと故障事象に対する不信頼度とを関連付けて予め記憶した故障統計データベースを基にプラント機器のイベントツリーにしたがって運転パラメータに対応した不信頼度を計算するイベントシミュレーション手段と、イベントツリーにしたがって不信頼度と復旧コストとの積を累計してリスクコストを計算するリスクコスト計算手段と、リスクコストと運転継続により予定される利得との比較から運転条件の適否を判定する運転方法判定手段と、前記運転方法は定手段により判定された運転方法に応じてプラント機器に指定運転条件を指示する運転方法指示手段とをそなえた保守計画に関するものである。
しかしながら、特許文献1に開示された技術及び特許文献2に開示された技術は何れもプラントや機器の保守計画を行うことは可能であるものの、例えば事故に至るか至らないか、検査が必要か否か等の保守計画上重要な状態の近傍の確率のみを詳しく求めたい場合においても、乱数を一様に生成させなければならないため、保守計画上重要な状態の近傍のみならず全ての場合について詳しく求めなければならず、従って大量の乱数を必要とし、その結果演算処理に多大な負荷がかかるため、計算に時間がかかるとともに能力の大きな演算手段を使用せねばならなくなり、保守計画を行うためのコストが大きくなる。特に演算にモンテカルロシミュレーションを用いる場合は、モンテカルロシミュレーションは誤差がサンプル数の平方根に反比例するため収束時間が非常に遅く、例えば1桁精度を上げようとすると100倍の計算時間が必要となり、計算時間の問題は無視できない。
However, although both the technique disclosed in
従って、本発明はかかる従来技術の問題に鑑み、検査が必要か否か等の保守計画上重要な状態の近傍の確率を従来よりも詳しく、しかも大量の演算を行うことなく求めることができるようにした保守計画方法を提供することを目的とする。 Therefore, in view of the problems of the prior art, the present invention can determine the probability of the vicinity of an important state in the maintenance plan, such as whether inspection is necessary, in more detail than before, and without performing a large amount of calculations. The purpose is to provide a maintenance planning method.
上記課題を解決するため本発明においては、プラントや製品を構成する部品やユニットの損傷状態を、プラントや製品を構成する部品やユニットに関する損傷状態の確率のデータを元に演算して算出し、該算出結果に基づいて検査・補修を行う部品やユニットを選定する保守計画方法であって、プラントや製品を構成する部品やユニットを類似構造の部品やユニット毎に分類してグループ分けし、該グループ毎に部品やユニットの一部を抜き取って損傷状態の分布L*の検査を行う第1のステップと、プラントや製品を構成する部品やユニットの実証データに基づき作成した損傷状態の分布L′nの複数のデータを記憶手段に記憶するとともに、前記損傷状態の分布L*と複数のL′nそれぞれの一致度を判断して、L*ともっとも一致度の高いL′nを選定する第2のステップと、前記第2のステップで選定したL′nを元に、前記第1のステップで抜き取った部品やユニットと同グループであり且つ前記第1のステップで抜き取らなかった部品やユニットの損傷状態を演算する第3のステップとを備え、前記第3のステップで演算した部品やユニットの損傷状態の結果を元に、前記第1のステップで抜き取らなかった部品やユニットの検査・補修を行う部品やユニットを選定することを特徴とする。
In order to solve the above problems, in the present invention, the damage state of the parts and units constituting the plant and product is calculated and calculated based on the data of the probability of the damage state regarding the parts and units constituting the plant and product, A maintenance planning method for selecting parts and units to be inspected and repaired based on the calculation results, wherein parts and units constituting a plant or product are classified and grouped into parts or units having similar structures. A first step of extracting a part or part of each unit for each group and inspecting the damage state distribution L *, and a damage state distribution L ′ created based on the demonstration data of the parts and units constituting the plant or product stores in the storage means a plurality of data of n, to determine the distribution L * and a plurality of L 'n each matching degree of the damage state, L * a most matching score Based on the 'second steps, the second of the selected L in the step of selecting the n' n, a component or a unit of the same group was withdrawn in the first step and the first step higher L And a third step of calculating the damage state of the part or unit that was not extracted in
第2ステップで、第1ステップで検査を行った損傷状態の分布L*と、プラントや製品を構成する部品やユニットの実証データに基づき作成した損傷状態の分布L′nの複数のデータを比較して一致度を判断し、L*ともっとも一致度の高いL′nを選定することで、L*が実証データのどの分布にもっとも近いか判断することができる。ここで、L′nは例えば前記部品やユニットのロット、製品データ、納入品質書、使用場所、使用条件等に基づいて決めることができる。
そして第3のステップで第2のステップで選定したL′nを元に前記第1のステップで抜き取った部品やユニットと同グループであり且つ前記第1のステップで抜き取らなかった部品やユニットの損傷状態を演算することで、抜き取り検査を行わなかった部品やユニットについても損傷状態を演算して求めることができる。即ち、多くの部品の一部を抜き取り、抜き取った一部の状態から全体の分布状態を推定することができる。
In the second step, the damage state distribution L * inspected in the first step is compared with a plurality of data of the damage state distribution L ′ n created based on the demonstration data of the parts and units constituting the plant or product. By determining the degree of coincidence and selecting L ′ n having the highest degree of coincidence with L *, it is possible to determine which distribution of the proof data is closest to L *. Here, L′ n can be determined based on, for example, the lot of the part or unit, product data, delivery quality document, use place, use condition, and the like.
In the third step, based on L ′ n selected in the second step, damage to parts or units that are in the same group as the part or unit extracted in the first step and not extracted in the first step. By calculating the state, it is possible to calculate and determine the damage state even for parts and units that have not undergone sampling inspection. That is, a part of many parts is extracted, and the entire distribution state can be estimated from the extracted state.
さらに、前記第2のステップで行うL*とL′nの一致度の判断を、コルモゴロフ−スミルノフ検定を用いて行うことを特徴とする。
コルモゴロフ−スミルノフ検定は統計学における仮説検定の一種であり、有限個の標本に基づいて、2つの母集団が異なるものであるかどうかを調べるために有効である。
Further, the degree of coincidence between L * and L′ n performed in the second step is determined by using a Kolmogorov-Smirnov test.
The Kolmogorov-Smirnov test is a kind of hypothesis test in statistics, and is effective for examining whether two populations are different based on a finite number of samples.
また、前記損傷状態の分布L′nは、プラントや製品を構成する部品やユニットの損傷状態に関する実証データに基づいて、検査・補修が必要となる損傷状態に重みを持たせた重み付け確率密度関数wを求める第1のステップと、0以上且つ1以下の一様乱数un又は超一様乱数u*n(以下一様乱数等とよぶ)を生成するとともに、該一様乱数等を前記重み付け確率密度関数wの累積分布関数の累積確率とし、該一様乱数等に対応する確率変数znを求める第2のステップと、前記プラントや製品を構成する部品やユニットに関する損傷状態の確率に関するデータを記憶手段に記憶し、該損傷状態の確率に関するデータから、前記znを乱数としてモンテカルロシミュレーションにより、前記プラントや製品を構成する部品やユニットの損傷状態の重み付け確率を演算する第3のステップと、前記重み付け確率密度関数wに基づいて重み付け復元値Wを求め、該復元値Wと前記第4のステップで求めた損傷状態の重み付け確率からプラントや製品を構成する部品やユニットの損傷状態の確率を演算する第5のステップと、を備え前記第5のステップで演算したユニットの状態の確率を元に演算して算出することを特徴とする。
このことにより、大量の演算を行うことなく、保守計画上重要な部分について詳しくもとめた分布L′nを算出することができるため、保守計画上重要な部分近傍についてのL*とL′nの比較精度が向上する。
Further, the damage state distribution L ′ n is a weighted probability density function in which weights are given to damaged states that need to be inspected and repaired based on empirical data on the damaged states of parts and units constituting the plant or product. a first step of obtaining w, and generating a uniform random number u n or a super uniform random number u * n (hereinafter referred to as a uniform random number) of 0 or more and 1 or less, and the uniform random number or the like is weighted A second step for obtaining a random variable z n corresponding to the uniform random number or the like as a cumulative probability of the cumulative distribution function of the probability density function w, and data relating to a probability of a damage state relating to a part or unit constituting the plant or product stored in the storage means, the data on the probability of the damage state by Monte Carlo simulation of the z n as a random number, parts and units constituting the plant or product A third step of calculating a weighted probability of the damaged state, a weighted restoration value W is obtained based on the weighted probability density function w, and a plant is obtained from the restored value W and the weighted probability of the damaged state obtained in the fourth step. And a fifth step of calculating the probability of damage of parts and units constituting the product, and calculating and calculating based on the probability of the state of the unit calculated in the fifth step. .
This makes it possible to calculate the distribution L ′ n obtained in detail for the important parts in the maintenance plan without performing a large amount of calculations, so that L * and L ′ n for the vicinity of the important parts in the maintenance plan can be calculated. Comparison accuracy is improved.
以上記載のごとく本発明の保守計画方法は、検査が必要か否か等の保守計画上重要な状態の近傍の確率を従来よりも詳しく、しかも大量の演算を行うことなく求めることができるという利点がある。 As described above, the maintenance planning method of the present invention has the advantage that the probability of the vicinity of an important state in the maintenance plan, such as whether inspection is necessary, can be obtained in more detail than before, and without performing a large amount of computation. There is.
以下、図面を参照して本発明の好適な実施例を例示的に詳しく説明する。但しこの実施例に記載されている構成部品の寸法、材質、形状、その相対的配置等は特に特定的な記載がない限りは、この発明の範囲をそれに限定する趣旨ではなく、単なる説明例に過ぎない。 Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the drawings. However, the dimensions, materials, shapes, relative arrangements, and the like of the components described in this embodiment are not intended to limit the scope of the present invention unless otherwise specified, but are merely illustrative examples. Not too much.
図1は、実施例1における保守計画方法をブロック図で示したものである。1はプラントや製品を構成する部品やユニットの損傷状態に関する実証データに基づいて所望の損傷状態に重みを持たせた重み付け確率密度関数wを決定する重み付け確率密度関数決定手段であり、2は前記重み付け確率密度関数wに基づき、前記所望の損傷状態に重みを持たせた乱数である重み付けランダム変数znを発生させる重み付けランダム変数発生装置であり、3は前記重み付けランダム変数znを乱数として、予めデータベース6に収容したプラントや製品の損傷状態の確率に関するデータからモンテカルロシミュレーションによって前記所望の損傷状態に重みを持たせたプラントや製品を構成する部品やユニットの損傷状態の重み付け確率を演算する重み付け確率演算装置であり、4は前記重み付け確率密度関数wに基づいて重み付けを復元する復元値Wを求めるとともに、該復元値Wと前記損傷状態の重み付け確率からプラントや製品を構成する部品やユニットの損傷状態の確率を演算する損傷確率演算手段であり、5は前記部品やユニットの損傷状態の確率からプラントや製品を構成する部品やユニットの損傷状態を演算して算出し、該算出結果に基づいて検査・補修を行う部品やユニットを選定する保守計画手段である。
以下、図1に示したブロック図の流れに沿って詳細に説明する。
FIG. 1 is a block diagram illustrating a maintenance planning method according to the first embodiment. 1 is a weighted probability density function determining means for determining a weighted probability density function w that gives a weight to a desired damage state based on demonstration data on the damage state of parts and units constituting the plant or product. Based on a weighted probability density function w, a weighted random variable generator that generates a weighted random variable z n that is a random number weighted to the desired damage state, 3 is the weighted random variable z n as a random number, Weighting for calculating the weighting probability of the damage state of the parts or units constituting the plant or product weighted to the desired damage state by the Monte Carlo simulation from the data regarding the damage state probability of the plant or product previously stored in the
Hereinafter, it will be described in detail along the flow of the block diagram shown in FIG.
まず重み付け確率密度関数決定手段1で、重み付け確率密度関数wを決定する。図2は重み付け確率密度関数wを求める流れを示したフローチャートである。図2において、まずステップS11で仮の重み付け確率密度関数w′を適当に設定する。次のステップS12では、ステップS11で設定した仮の重み付け確率密度関数w′からモンテカルロシミュレーションを用いて確率密度関数Iを求める。 First, the weighted probability density function determining means 1 determines the weighted probability density function w. FIG. 2 is a flowchart showing a flow for obtaining the weighted probability density function w. In FIG. 2, first, a temporary weighted probability density function w ′ is appropriately set in step S11. In the next step S12, a probability density function I is obtained from the provisional weighted probability density function w ′ set in step S11 by using Monte Carlo simulation.
そして次のステップS13では前記確率密度関数Iのピークとなるときの確率変数と保守計画上重要な確率変数を比較し一致するか否かを判断する。ここで一致とは完全一致でもよいが、適当な範囲をもたせてその範囲内であれば一致と判断してもよい。
ステップS13でYESと判断すると、ステップS14へ進み、ステップS14では判断時点での仮の重み付け確率密度関数w′を重み付け密度関数wとして決定する。ステップS13でNOと判断すると後述するステップS15へ進む。
ここで、保守計画上重要な確率変数とは、特に詳しく調べる必要のあるプラントや製品を構成する部品やユニットの損傷状態に対応する確率変数であり、特に詳しく調べる必要のある損傷状態はプラントや製品、部品やユニット及びその使用目的によって異なるが、例えば部品の亀裂状態であれば、検査が必要となる亀裂深さ、補修が必要となる亀裂深さ、事故発生に至る亀裂深さ等が挙げられ、実証データに基づいて決定される。このように特に詳しく調べる必要のある損傷状態は実証データに基づいて決定されるため、実証データが多く収集されている例えば、検査が必要となる亀裂深さ、補修が必要となる亀裂深さ等を用いることが好ましい。
In the next step S13, the probability variable at the peak of the probability density function I is compared with a probability variable important in the maintenance plan to determine whether or not they match. Here, the coincidence may be a complete coincidence, but an appropriate range may be provided and the coincidence may be determined within the range.
If YES is determined in the step S13, the process proceeds to a step S14. In the step S14, the provisional weighting probability density function w ′ at the determination time is determined as the weighting density function w. If NO is determined in step S13, the process proceeds to step S15 described later.
Here, a random variable important in the maintenance plan is a random variable corresponding to a damage state of a part or unit constituting a plant or product that needs to be examined in detail. Depending on the product, part or unit and the purpose of use, for example, if the part is cracked, the crack depth that requires inspection, the crack depth that requires repair, the crack depth that leads to the occurrence of an accident, etc. Determined based on empirical data. Damage conditions that need to be examined in particular in this way are determined based on demonstration data, so a lot of demonstration data is collected, for example, crack depth that requires inspection, crack depth that requires repair, etc. Is preferably used.
次いでステップS15では前記確率密度関数Iのピークの確率変数が前記保守計画上重要な確率変数より大きいか否かを判断する。ステップS15でYESと判断すると、前記確率密度関数Iのピークの確率変数が大きいので、ステップS16で確率密度関数Iのピークの確率変数が下がるように仮の重み付け変数w′を変更して再度ステップS12に戻る。一方ステップS15でNOと判断すると、前記確率密度関数Iのピークの確率変数が小さいので、ステップS17で確率密度関数Iのピークの確率変数が下がるように仮の重み付け確率変数w′を変更して再度ステップS12に戻る。
このようにステップS11〜ステップS17を繰り返すことで、重み付け密度関数wが決定される。
Next, in step S15, it is determined whether or not the peak random variable of the probability density function I is larger than the random variable important in the maintenance plan. If YES is determined in step S15, the probability variable of the probability density function I has a large probability variable. Therefore, in step S16, the temporary weighting variable w ′ is changed so that the probability variable of the peak of the probability density function I decreases. Return to S12. On the other hand, if NO is determined in step S15, the peak probability variable of the probability density function I is small. Therefore, in step S17, the temporary weighted probability variable w ′ is changed so that the peak probability variable of the probability density function I decreases. The process returns to step S12 again.
Thus, the weighting density function w is determined by repeating Steps S11 to S17.
次に重み付けランダム変数発生装置2で、重み付けランダム変数znを発生させる。図3(A)は前記重み付け確率変数wの一例を表したグラフであり、縦軸は確率、横軸は確率変数を表している。また図3(B)は図3(A)に示した重み付け確率変数wの累積分布関数を表したグラフであり、縦軸は累積確率、横軸は確率変数を表している。
Then weighting random
重み付けランダム変数発生装置2ではまず、図3(A)に一例を示したような前記重み付け確率密度関数決定手段1で決定した重み付け確立密度関数wを、図3(B)に示したような累積分布関数に変換する。次に0以上且つ1以下のn個の一様乱数un又は超一様乱数u*n(以下一様乱数等とよびunで表す)を生成し、それぞれを図3(B)に示した累積分布関数の累積確率に当てはめる。図3(B)にはn個のunのうちの一つであるuiのみを示している。このようにして累積確率に当てはめたunに対応する確率変数znを累積分布関数から求める。図3(B)には前記uiに対応する確率変数ziのみを示している。
このようにして求めたznを重み付けランダム変数と定義する。
In the weighted
Z n obtained in this way is defined as a weighted random variable.
次に重み付け確率演算手段3で、重み付け確率を演算して算出する。前記重み付けランダム変数発生装置2で発生させた重み付けランダム変数znを乱数の代替とし、データベース6に収納したプラントや製品を構成する部品やユニットに関する損傷状態の確率から、確率変数xn(wn)を発生させ、モンテカルロシミュレーションによってプラントや製品を構成する部品やユニットの損傷状態の重み付け確率を演算して算出する。
Next, the weighting probability calculating means 3 calculates and calculates the weighting probability. The weighted random variable z n generated by the weighted random
ここで、前記確率変数xn(wn)は以下のように発生させる。図4(A)はプラントや製品を構成する部品やユニットに関する損傷状態の確率密度関数の一例を表したグラフであり、縦軸は確率、横軸は確率変数を表している。また図4(B)は図4(A)に示した確率密度関数の累積分布関数を表したグラフであり、縦軸は累積確率、横軸は確率変数を表している。前記重み付けランダム変数znをそれぞれ図4(B)に示した累積分布関数の累積確率に当てはめる。図4(B)にはn個のznのうちの一つであるziのみを示している。このようにして累積確率に当てはめたznに対応する確率変数を累積分布関数から求めることによって、確率変数xn(wn)を発生させることができる。 Here, the random variable x n (w n ) is generated as follows. FIG. 4A is a graph showing an example of a probability density function of damage states related to parts and units constituting a plant or a product, where the vertical axis represents probability and the horizontal axis represents random variables. FIG. 4B is a graph showing the cumulative distribution function of the probability density function shown in FIG. 4A, where the vertical axis represents the cumulative probability and the horizontal axis represents the random variable. Each of the weighted random variables z n is applied to the cumulative probability of the cumulative distribution function shown in FIG. FIG. 4B shows only z i which is one of n z n . In this way, the random variable x n (w n ) can be generated by determining the random variable corresponding to z n fitted to the cumulative probability from the cumulative distribution function.
またここで、データベース6に収納したプラントや製品を構成する部品やユニットに関する損傷状態の確率とは、例えば損傷が発生する確率、発生した損傷が進展する確率、発生した損傷を検知する確率等を挙げることができ、このうち1つ又は2つ以上の確率を用いている。
また、重み付け確率演算手段3で演算して算出されるプラントや製品を構成する部品やユニットの損傷状態の重み付け確率は、検査が必要となる重み付け確率、補修が必要となる重み付け確率、事故に至る重み付け確率等が挙げられる。
In addition, here, the probability of the damage state regarding the parts and units constituting the plant or product stored in the
Further, the weighting probability of the damage state of the parts or units constituting the plant or product calculated by the weighting probability calculating means 3 is the weighting probability that requires inspection, the weighting probability that requires repair, or an accident. The weighting probability is given.
しかし、このようにして偏りのある変数である重み付けランダム変数znを乱数の代替に用いてモンテカルロシミュレーションによって重み付け確率演算手段3で求めたプラントや製品を構成する部品やユニットの損傷状態の重み付け確率は、プラントや製品を構成する部品やユニットの損傷状態の確率そのものを表しているものではない。そこで、損傷状態確率演算装置4で、前記プラントや製品を構成する部品やユニットの重み付け損傷状態の確率から重みを復元してプラントや製品を構成する部品やユニットの損傷状態の確率を演算して算出する。
However, the weighted probability of the damage state of the parts and units constituting the plant and product obtained by the weighted probability calculation means 3 by the Monte Carlo simulation using the weighted random variable z n which is a biased variable in this way as a substitute for the random number. Does not represent the probability of damage of the parts and units constituting the plant or product. Therefore, the damage state
損傷状態確率演算装置4では以下のようにして重みを復元してプラントや製品を構成する部品やユニットの損傷状態の確率を演算して算出している。ここではプラントや製品を構成する部品やユニットの損傷状態の確率の一例として、部品に発生する亀裂の深さを算出して事故発生確率を算出する例を挙げる。
The damage state
まず、モンテカルロシミュレーションに用いるべきn個の確率変数は数1で表すことができる。
また、シミュレーション結果の亀裂深さLは数4で表すことができ、
次に、保守計画手段5で、前記損傷状態確率演算手段4で演算して算出したプラントや製品を構成する部品やユニットの損傷状態の確率から、プラントや製品を構成する部品やユニットの損傷状態を算出し、該算出結果を元に検査・補修を行う部品やユニットを選定する。 Next, the maintenance plan means 5 calculates the damage state probability calculation means 4 and calculates the damage state of the parts and units constituting the plant and product from the damage state probability of the parts and units constituting the plant and product. And a part or unit to be inspected / repaired is selected based on the calculation result.
本実施例1の保守計画方法は、プラントや製品を構成する部品やユニットの保守計画であればどのような部品やユニットに対しても適用することができるが、特に保守にあたり、重大な損傷に繋がるため損傷を起こすと大きな復旧費用が発生する部品やユニットであり、且つ補修基準が調整可能な部品やユニットに用いることが好ましい。補修基準が調整可能とは、例えば検査の方法が複数有り、検査で見つけた亀裂長に応じて補修する場合に、補修が必要と判断する亀裂長の基準を自主的に決められる場合等をいう。 The maintenance planning method of the first embodiment can be applied to any part or unit as long as it is a maintenance plan for parts and units constituting a plant or product. It is preferable to use a part or unit that is connected to a part or unit that causes a large recovery cost if damage occurs because of the connection, and the repair criteria can be adjusted. The repair criteria can be adjusted, for example, when there are multiple inspection methods, and when repairs are made according to the crack length found in the inspection, it is possible to determine the criteria for the crack length that the repair is deemed necessary. .
このような好ましい具体例として、例えばガスタービンの焼却器の尾筒の亀裂検査が挙げられる。ガスタービンの焼却炉の尾筒の亀裂検査は、検査の方法によってどの程度の長さの亀裂であれば実際の亀裂の長さと検査で検出される亀裂の長さの誤差がどの程度となるかの関係の基本データが整理されており、また補修が必要とされる検査で検出される亀裂の深さの基準も決められている。そのため、複数の検査手法及び補修手法についてシミュレーションを行い、重大損傷に至るか否かという保守管理上重要な状態の近傍に重みをもたせて有効な検査・補修策を選定すると効果的である。 As such a preferable specific example, for example, crack inspection of a tail cylinder of an incinerator of a gas turbine can be given. In the inspection of cracks in the incinerator of a gas turbine, how long is the crack depending on the inspection method, and what is the error between the actual crack length and the crack length detected in the inspection? The basic data of the relationship is organized, and the criteria for the depth of cracks detected in inspections that require repair are determined. Therefore, it is effective to perform simulations on a plurality of inspection methods and repair methods, and to select effective inspection / repair measures by giving weights in the vicinity of an important state in terms of maintenance management whether or not serious damage will occur.
図5は実施例2における保守計画方法をブロック図で示したものである。11はプラントや製品を構成する部品やユニットを類似構造の部品やユニット毎に分類してグループ分けする分類手段であり、12は前記分類したグループ毎に部品やユニットの一部を抜き取って損傷状態の分布L*の検査を行う検査手段であり、13は前記損傷状態の分布L*と記憶手段14に記憶されたプラントや製品を構成する部品やユニットの実証データに基づき作成した複数の損傷状態の分布L′nとの一致度を判断して、L*と最も一致度の高いL′nを選定する選定手段であり、15は前記選定手段14で選定されたL′nを元に前記検査手段12で抜き取った部品やユニットと同グループであり且つ前記検査手段12で抜き取らなかった部品やユニットの損傷状態を演算する演算手段であり、16は前記部品やユニットの損傷状態に基づいて検査・補修を行う部品やユニットを選定する手段である。
以下図5に示したブロック図の流れに沿って詳細に説明する。
FIG. 5 is a block diagram showing the maintenance planning method according to the second embodiment. 11 is a classification means for classifying parts and units constituting a plant or product into parts and units having similar structures and grouping them, and 12 is a damaged state by extracting a part of the parts and units for each of the classified groups. Is an inspection means for inspecting the distribution L * of the gas, and
Hereinafter, a detailed description will be given along the flow of the block diagram shown in FIG.
まず分類手段11で、プラントや製品を構成する部品やユニットを類似構造の部品やユニット毎に分類してグループ分けをする。 First, the classification means 11 classifies the parts and units constituting the plant and products into parts and units having similar structures.
次に検査手段12で、前記分類手段11で分類したグループ毎に部品やユニットの一部を抜き取り損傷状態の分布L*を検査によって求める。抜き取り個数は特に限定されるものではないが、多過ぎると抜き取り及び検査のコストが大きくなり、小さすぎると後述するL*と最も一致度の高いL′nを正確に選定することができず保守管理精度が落ちるため、要求されるコストと保守管理精度に応じて抜き取り個数を決めるとよい。
Next, the
次に選定手段13で、前記検査手段12で検査して得た損傷状態の分布L*を、記憶手段14に記憶されプラントや製品を構成する部品のユニットの実証データに基づき作成した複数の損傷状態の分布L′nと比較し一致度を判断する。一致度の判断には仮説検定の一種であるコルモゴロフ−スミルノフ検定を用いる。 Next, a plurality of damages created by the selection means 13 based on the verification data of the unit of the parts constituting the plant and the product are stored in the storage means 14 with the damage state distribution L * obtained by the inspection means 12. The degree of coincidence is determined by comparison with the state distribution L ′ n . Kolmogorov-Smirnov test, which is a kind of hypothesis test, is used to determine the degree of coincidence.
ここで、記憶手段14に収納されているプラントや製品を構成する部品やユニットの実証データに基づき作成した損傷状態の分布L′nについて説明する。図6は記憶手段4に収納されたL′nの概念図である。図6に示したように記憶手段14には(1)〜(M)のM種類のデータが収納されており、それぞれ異なる損傷発生時期確率分布と発生頻度を有している。そして前記(1)〜(M)のM種類のデータはそれぞれ前記損傷発生時期確率と発生頻度に関するパラメータ(mi、σi)(iは1からMの整数)及び該パラメータ(mi、σi)に対応する損傷状態の分布関数L′(mi、σi)を有しており、該L′(mi、σi)が前記L′nに相当する。
Here, the damage state distribution L ′ n created based on the verification data of the parts and units constituting the plant and product stored in the storage means 14 will be described. FIG. 6 is a conceptual diagram of L ′ n stored in the storage means 4. As shown in FIG. 6, M types of data (1) to (M) are stored in the
また図6に示した損傷発生時期確率分布及び発生頻度は実証データに基づいて決めており、実証データとは、例えば製品の部品であれば部品の設計データ、納入品質データ、生産ロット、使用条件等が該当する。
また図6においては、パラーメータ(mi、σi)及び損傷状態の分布L′(mi、σi)を求めるために、損傷発生時期確率分布及び発生頻度を用いたが、この2種類だけでなく例えば損傷の進展の確率分布等を加えて3種類以上のデータからパラメータ及び損傷状態の分布を求めてもよい。
また、図1に示した損傷状態確率演算手段4で求めたプラントや製品を構成する部品やユニットの損傷状態の確率を元に、前記パラメータ及び損傷状態の分布を求めるようにしてもよい。
Moreover, the damage occurrence probability distribution and occurrence frequency shown in FIG. 6 are determined on the basis of demonstration data. For example, in the case of a product part, the part design data, delivery quality data, production lot, use condition Etc.
Further, in FIG. 6, in order to obtain the parameters (m i , σ i ) and the damage state distribution L ′ (m i , σ i ), the damage occurrence time probability distribution and the occurrence frequency are used. Alternatively, for example, a probability distribution of damage progress may be added to obtain parameters and damage state distributions from three or more types of data.
Further, the distribution of the parameters and the damage state may be obtained based on the damage state probability of the parts and units constituting the plant or product obtained by the damage state probability calculation means 4 shown in FIG.
次に演算手段15で、前記選定手段14で選定されたL′nを元に前記検査手段12で抜き取った部品やユニットと同グループであり且つ前記検査手段12で抜き取らなかった部品やユニットの損傷状態を演算して算出し、保守計画手段16で前記演算手段で算出した部品やユニットの損傷状態に基づいて検査・補修を行う部品やユニットを選定する。 Next, the calculation means 15 is in the same group as the parts and units extracted by the inspection means 12 based on L ′ n selected by the selection means 14 and is damaged by the inspection means 12 and has not been extracted. The state is calculated by calculation, and the maintenance plan means 16 selects a part or unit to be inspected / repaired based on the damage state of the part or unit calculated by the calculation means.
本実施例2の保守計画方法は、プラントや製品を構成する部品やユニットの保守計画であればどのような部品やユニットに対しても利用できるが、特に好ましい具体例として焼却器尾筒の冷却穴が挙げられる。通常冷却穴は焼却器尾筒に数十個空いており、それぞれの穴から亀裂が発生する可能性がある。本実施例2の保守計画方法を適用しない場合は全数検査を実施することになるが、焼却器の置かれる状態即ち焼却器と冷却穴の位置関係によって亀裂の発生、成長のしやすさが異なるという実績がある。そこでその実績に応じたL′nを複数用意し、冷却穴のうちいくつかの亀裂を検査することで他の冷却穴の亀裂を演算して算出することができる。また、焼却器と冷却穴がどのような位置関係であるときに亀裂が成長しやすいかも既知であるため、亀裂が成長しやすい冷却穴の検査をしておくことで、残りの冷却穴の亀裂は前記検査結果に対してどのような分散に相当するかを実績データからモデル化することができる。前記モデル化したモデルを用いてシミュレーションを行うことで、抜き取り率に応じて亀裂の損傷相当の深さへの成長率を比較し、最適抜きと利率の選定や抜き取り部位の選定にシミュレーションを利用することが可能となる。 The maintenance planning method of the second embodiment can be used for any part or unit as long as it is a maintenance plan for parts and units constituting a plant or product. A hole is mentioned. Usually, there are dozens of cooling holes in the incinerator tail tube, and cracks may occur from each hole. When the maintenance planning method of the second embodiment is not applied, 100% inspection will be performed, but the ease of crack generation and growth varies depending on the state where the incinerator is placed, that is, the positional relationship between the incinerator and the cooling hole. There is a track record. Therefore, by preparing a plurality of L ′ n corresponding to the results and inspecting some cracks in the cooling holes, it is possible to calculate and calculate cracks in other cooling holes. In addition, since it is also known what kind of positional relationship between the incinerator and the cooling holes, cracks are likely to grow, so by inspecting the cooling holes where cracks are likely to grow, the cracks in the remaining cooling holes Can model from the actual data what kind of dispersion corresponds to the inspection result. By performing simulation using the modeled model, the growth rate to the depth corresponding to the crack damage is compared according to the sampling rate, and the simulation is used for selecting the optimal rate, selecting the interest rate, and selecting the sampling site. It becomes possible.
検査が必要か否か等の保守計画上重要な状態の近傍の確率を従来よりも詳しく、しかも大量の演算を行うことなく求めることができるため、プラントや製品の部品やユニットの保守管理計画に用いることができる。 Probability in the vicinity of important states in maintenance plans, such as whether inspection is necessary, can be determined in more detail than before, and without requiring a large amount of computation, so it can be used for maintenance management plans for parts and units of plants and products. Can be used.
1 重み付け確率密度決定手段
2 重み付けランダム変数発生装置
3 重み付け確率演算手段
4 損傷状態確率演算手段
5 保守計画手段
11 分類手段
12 検査手段
13 選定手段
14 記憶手段
15 演算手段
16 保守計画手段
DESCRIPTION OF
Claims (3)
プラントや製品を構成する部品やユニットを類似構造の部品やユニット毎に分類してグループ分けし、該グループ毎に部品やユニットの一部を抜き取って損傷状態の分布L*の検査を行う第1のステップと、
プラントや製品を構成する部品やユニットの実証データに基づき作成した損傷状態の分布L′nの複数のデータを記憶手段に記憶するとともに、前記損傷状態の分布L*と複数のL′nそれぞれの一致度を判断して、L*ともっとも一致度の高いL′nを選定する第2のステップと、
前記第2のステップで選定したL′nを元に、前記第1のステップで抜き取った部品やユニットと同グループであり且つ前記第1のステップで抜き取らなかった部品やユニットの損傷状態を演算する第3のステップとを備え、
前記第3のステップで演算した部品やユニットの損傷状態の結果を元に、前記第1のステップで抜き取らなかった部品やユニットの検査・補修を行う部品やユニットを選定することを特徴とする保守計画方法。 Calculate the damage status of the parts and units that make up the plant and product based on the data of the probability of damage status related to the parts and units that make up the plant and product, and perform inspection and repair based on the calculation results A maintenance planning method for selecting parts and units,
A part or unit constituting a plant or product is classified and grouped for each part or unit having a similar structure, and a part of the part or unit is extracted for each group to inspect the damage state distribution L *. And the steps
A plurality of data of the damage state distribution L ′ n created based on the demonstration data of the parts and units constituting the plant and the product are stored in the storage means, and the damage state distribution L * and each of the plurality of L ′ n are stored. A second step of determining the degree of coincidence and selecting L ′ n having the highest degree of coincidence with L *;
Based on L ′ n selected in the second step, the damage state of the part or unit that is in the same group as the part or unit extracted in the first step and was not extracted in the first step is calculated. A third step,
Maintenance is characterized in that, based on the result of the damage state of the parts and units calculated in the third step, the parts and units for inspection / repair of the parts and units not extracted in the first step are selected. Planning method.
プラントや製品を構成する部品やユニットの損傷状態に関する実証データに基づいて、検査・補修が必要となる損傷状態に重みを持たせた重み付け確率密度関数wを求める第1のステップと、
0以上且つ1以下の一様乱数un又は超一様乱数u*n(以下一様乱数等とよぶ)を生成するとともに、該一様乱数等を前記重み付け確率密度関数wの累積分布関数の累積確率とし、該一様乱数等に対応する確率変数znを求める第2のステップと、
前記プラントや製品を構成する部品やユニットに関する損傷状態の確率に関するデータを記憶手段に記憶し、該損傷状態の確率に関するデータから、前記znを乱数としてモンテカルロシミュレーションにより、前記プラントや製品を構成する部品やユニットの損傷状態の重み付け確率を演算する第3のステップと、
前記重み付け確率密度関数wに基づいて重み付け復元値Wを求め、該復元値Wと前記第4のステップで求めた損傷状態の重み付け確率からプラントや製品を構成する部品やユニットの損傷状態の確率を演算する第5のステップと、を備え、
前記第5のステップで演算したユニットの状態の確率を元に演算して算出することを特徴とする請求項1又は2記載の保守計画方法。
The damage state distribution L ′ n is
A first step of obtaining a weighted probability density function w weighted to a damaged state that requires inspection / repair based on demonstration data on a damaged state of a part or unit constituting a plant or product;
A uniform random number u n or super uniform random number u * n (hereinafter referred to as a uniform random number) of 0 or more and 1 or less is generated, and the uniform random number or the like is represented by a cumulative distribution function of the weighted probability density function w. A second step for determining a random variable z n corresponding to the uniform random number, etc., as a cumulative probability;
Data relating to the probability of damage state relating to the parts and units constituting the plant and product is stored in a storage means, and the plant and product are constituted by Monte Carlo simulation using z n as a random number from the data relating to the probability of damage state. A third step of calculating a weighted probability of the damage state of the part or unit;
The weighted restoration value W is obtained based on the weighted probability density function w, and the damage state probability of the parts and units constituting the plant or product is calculated from the restoration value W and the weighting probability of the damage state obtained in the fourth step. A fifth step of calculating,
The maintenance planning method according to claim 1, wherein the maintenance planning method is calculated based on the unit state probability calculated in the fifth step.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011163588A JP5345184B2 (en) | 2011-07-26 | 2011-07-26 | Maintenance planning method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011163588A JP5345184B2 (en) | 2011-07-26 | 2011-07-26 | Maintenance planning method |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007044749A Division JP4885008B2 (en) | 2007-02-23 | 2007-02-23 | Maintenance planning method |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2012009038A true JP2012009038A (en) | 2012-01-12 |
JP5345184B2 JP5345184B2 (en) | 2013-11-20 |
Family
ID=45539425
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011163588A Active JP5345184B2 (en) | 2011-07-26 | 2011-07-26 | Maintenance planning method |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5345184B2 (en) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105303347A (en) * | 2015-10-26 | 2016-02-03 | 烟台宝井钢材加工有限公司 | Decoiling line planning method |
CN112435215A (en) * | 2017-04-11 | 2021-03-02 | 创新先进技术有限公司 | Vehicle loss assessment method based on image, mobile terminal and server |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02103602A (en) * | 1988-06-10 | 1990-04-16 | Babcock Hitachi Kk | Diagnosis supporting device |
JPH08160035A (en) * | 1994-12-02 | 1996-06-21 | Hitachi Ltd | Method and apparatus for controlling life of high temperature part of gas turbine |
JP2005026250A (en) * | 2003-06-30 | 2005-01-27 | Toyota Motor Corp | Method and device for predicting crack initiating timing in soldered junction |
JP2005037370A (en) * | 2003-06-23 | 2005-02-10 | Tokyo Electric Power Co Inc:The | Method and program for reliability assessment |
-
2011
- 2011-07-26 JP JP2011163588A patent/JP5345184B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02103602A (en) * | 1988-06-10 | 1990-04-16 | Babcock Hitachi Kk | Diagnosis supporting device |
JPH08160035A (en) * | 1994-12-02 | 1996-06-21 | Hitachi Ltd | Method and apparatus for controlling life of high temperature part of gas turbine |
JP2005037370A (en) * | 2003-06-23 | 2005-02-10 | Tokyo Electric Power Co Inc:The | Method and program for reliability assessment |
JP2005026250A (en) * | 2003-06-30 | 2005-01-27 | Toyota Motor Corp | Method and device for predicting crack initiating timing in soldered junction |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105303347A (en) * | 2015-10-26 | 2016-02-03 | 烟台宝井钢材加工有限公司 | Decoiling line planning method |
CN112435215A (en) * | 2017-04-11 | 2021-03-02 | 创新先进技术有限公司 | Vehicle loss assessment method based on image, mobile terminal and server |
CN112435215B (en) * | 2017-04-11 | 2024-02-13 | 创新先进技术有限公司 | Image-based vehicle damage assessment method, mobile terminal and server |
Also Published As
Publication number | Publication date |
---|---|
JP5345184B2 (en) | 2013-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108375715B (en) | Power distribution network line fault risk day prediction method and system | |
Andrawus et al. | Wind turbine maintenance optimisation: principles of quantitative maintenance optimisation | |
US8109150B2 (en) | Crack-propagation prediction method and program | |
Li et al. | Opportunistic maintenance for offshore wind farms with multiple-component age-based preventive dispatch | |
Besnard et al. | Reliability-Centred Asset Maintenance—A step towards enhanced reliability, availability, and profitability of wind power plants | |
US7840376B2 (en) | Risk-based design and maintenance systems and methods | |
CN103018063B (en) | Bridge random fatigue life prediction method based on Mittag-Leffler distribution | |
Malekzehtab et al. | Damage detection in an offshore jacket platform using genetic algorithm based finite element model updating with noisy modal data | |
CN111523785A (en) | Power system dynamic security assessment method based on generation countermeasure network | |
EP2486520A1 (en) | Asset management system with asset maintenance planning | |
CN106372299B (en) | A kind of pipeline method for predicting residual useful life based on inverse Gaussian process and EM-PF | |
CN107545110B (en) | Dynamic stress accelerated life test profile compiling method | |
Bangalore et al. | An approach for self evolving neural network based algorithm for fault prognosis in wind turbine | |
Florian et al. | Planning of operation & maintenance using risk and reliability based methods | |
Dawid et al. | Review of Markov models for maintenance optimization in the context of offshore wind | |
CN109614669A (en) | Net grade Bridge performance assessment prediction method | |
JP4885008B2 (en) | Maintenance planning method | |
CN106228026A (en) | A kind of predicting residual useful life algorithm based on optimum degenerative character amount | |
JP5345184B2 (en) | Maintenance planning method | |
CN114839492A (en) | Method and device for identifying GIS partial discharge type based on MOBILE NETV3 | |
Nielsen et al. | Bayesian networks as a decision tool for O&M of offshore wind turbines | |
KR20210044657A (en) | Method of preserving the prediction of a device through distribution chart | |
Shafiee et al. | A multi-criteria decision model to mitigate the operational risks of offshore wind infrastructures | |
CN112578232B (en) | Lightning early warning method and lightning early warning equipment of wind generating set | |
WO2019130469A1 (en) | Maintenance design assistance system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20121004 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20121106 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130107 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20130402 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130628 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20130705 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20130723 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130813 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 5345184 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |