JP2015162140A - Diagnostic system of plant and control device - Google Patents
Diagnostic system of plant and control device Download PDFInfo
- Publication number
- JP2015162140A JP2015162140A JP2014037692A JP2014037692A JP2015162140A JP 2015162140 A JP2015162140 A JP 2015162140A JP 2014037692 A JP2014037692 A JP 2014037692A JP 2014037692 A JP2014037692 A JP 2014037692A JP 2015162140 A JP2015162140 A JP 2015162140A
- Authority
- JP
- Japan
- Prior art keywords
- plant
- control device
- diagnostic
- signal
- control
- 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
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
Description
本発明はプラントと制御装置の診断装置、診断方法に関する。 The present invention relates to a diagnosis device and a diagnosis method for a plant and a control device.
火力や原子力に代表される発電プラントや、医薬品・食品・化学プラントに代表される産業プラントでは、プラントの安定的な運用のために、多くのプロセス信号を監視対象としている。 In power plants represented by thermal power and nuclear power, and industrial plants represented by pharmaceuticals, foods and chemical plants, many process signals are monitored for stable operation of the plant.
具体的には、プラントの状態を把握するために、圧力・温度・流量・水位などを計測する計測器を各部に設置し、得られた計測信号値を運転員に表示する。また、ほとんどのプラントでは、異常や不具合対策、あるいは、保守の観点から、得られた信号値を専用の計算機であるデータ収録装置に保存する。 Specifically, in order to grasp the state of the plant, a measuring instrument for measuring pressure, temperature, flow rate, water level, etc. is installed in each part, and the obtained measurement signal value is displayed to the operator. Also, in most plants, the obtained signal values are stored in a data recording device, which is a dedicated computer, from the viewpoint of abnormality or failure countermeasures or maintenance.
運転員はプラントの状態に変化があった場合、関連するプロセス信号の値にも変化がないかどうかを確認するため、監視画面上に該当プロセス信号の値を表示する。また、必要であれば、プロセス計算機に格納された該当プロセス信号の過去の値を監視画面上に表示する。通常は、プラントの運転制御装置と監視装置が一体になっており、リアルタイムでプラント状態の監視や制御が実施できるようになっている。 When there is a change in the state of the plant, the operator displays the value of the corresponding process signal on the monitoring screen in order to check whether the value of the related process signal is also changed. If necessary, the past value of the corresponding process signal stored in the process computer is displayed on the monitoring screen. Usually, the plant operation control device and the monitoring device are integrated, and the plant state can be monitored and controlled in real time.
最近は、異常状態が発生するまえに、プラントの異常兆候を予測する装置やその方法が多数検討されている。また、経年劣化の有無を把握して、プラントのメンテナンス計画に活用する技術が検討されている。特許文献１には、適応共鳴理論（Adaptive Resonance Theory：ART）を用いた診断装置が開示されている。ここでARTとは、多次元のデータをその類似度に応じてカテゴリに分類する理論である。 Recently, many apparatuses and methods for predicting abnormal signs of a plant before an abnormal state occurs have been studied. In addition, a technique for grasping the presence or absence of aging deterioration and utilizing it for a maintenance plan of a plant is being studied. Patent Document 1 discloses a diagnostic apparatus using adaptive resonance theory (ART). ART is a theory that classifies multidimensional data into categories according to their similarity.
特許文献１の技術においては、まずARTを用いて正常時の計測データを複数のカテゴリ（正常カテゴリ）に分類する。次に、現在の計測データをARTに入力してカテゴリに分類する。この計測データが正常カテゴリに分類できない時は、新しいカテゴリ（新規カテゴリ）を生成する。新規カテゴリの発生は、プラントの状態が変化したことを意味する。そこで、特許文献１の診断装置では、異常兆候の発生を新規カテゴリの発生で判断している。 In the technique of Patent Document 1, first, normal measurement data is classified into a plurality of categories (normal categories) using ART. Next, the current measurement data is input to ART and classified into categories. When this measurement data cannot be classified into normal categories, a new category (new category) is generated. The occurrence of a new category means that the state of the plant has changed. Therefore, in the diagnostic device of Patent Document 1, the occurrence of an abnormal sign is determined by the occurrence of a new category.
一方、安全操業を確保する上で、制御システムのセキュリティ対策が急務となっている。制御装置がウイルスに感染すると、プラントの操作信号を計算する制御ロジックが書き換えられる可能性がある。ウイルスに感染した制御ロジックを用いて計算した操作信号を用いると、プラントを誤って操作する危険がある。また、操作信号が変化すると、プラントで計測する計測信号の値も変化する。 On the other hand, in order to ensure safe operation, security measures for the control system are urgently needed. When the control device is infected with a virus, the control logic for calculating the operation signal of the plant may be rewritten. If an operation signal calculated by using a control logic infected with a virus is used, there is a risk of operating the plant by mistake. Further, when the operation signal changes, the value of the measurement signal measured in the plant also changes.
経年劣化や機器異常でプラントの特性が変化した場合、もしくはウイルス感染により制御装置の状態が変化した場合には、計測信号と操作信号が共に変化する。そのため、運転員は問題が発生した場合に制御プログラムの処理に異常があるのか、プラントに異常があるのかを判断する必要がある。特許文献２では、プラントデータ制御条件が不成立となった場合にプラントデータあるいは処理データをグラフ、もしくは表にして表示する技術が公開されており、制御条件が不成立になった原因が演算処理部の異常かプラント側の異常かを判定するための情報を運転員に提供している。また、特許文献３には制御装置のリプレース前後の制御ロジックの動作が同じであることを場内で確認するため、リプレース前後の制御ロジックに試験用の入力を与え、計算結果が一致するかどうかを確認する技術が公開されている。 When the characteristics of the plant change due to aging or equipment abnormality, or when the state of the control device changes due to virus infection, both the measurement signal and the operation signal change. Therefore, the operator needs to determine whether there is an abnormality in the processing of the control program or an abnormality in the plant when a problem occurs. Patent Document 2 discloses a technique for displaying plant data or processing data as a graph or a table when plant data control conditions are not established. The cause of the failure of the control conditions is that of the arithmetic processing unit. Information is provided to the operator to determine whether there is an abnormality or an abnormality on the plant side. Further, in Patent Document 3, in order to confirm that the operation of the control logic before and after the replacement of the control device is the same, a test input is given to the control logic before and after the replacement, and whether or not the calculation results match. The technology to check is public.
先に述べた通り、プラントの特性が変化した場合、制御装置の状態が変化した場合には計測信号と操作信号が共に変化するため、この事象を区別するには詳細なデータ解析が必要であり、原因究明に時間を要するという問題がある。 As mentioned earlier, if the plant characteristics change, or if the controller status changes, both the measurement signal and the operation signal change, so detailed data analysis is necessary to distinguish this event. There is a problem that it takes time to investigate the cause.
特許文献１の方法では、データの傾向が変化したことを検知することはできるが、その原因がプラント側にあるのか制御装置側にあるのかを区別できない。また特許文献２の方法では、診断するタイミングがプラントデータ制御の条件が不成立の時である。しかし、ウイルスはいつ制御装置に侵入するか不明であり、ウイルス検知のためにはリアルタイムでの診断が必要である。また、本方式では制御ロジックが書き換えられたかどうかは判定できない。特許文献３の方法は、制御ロジックに試験用の入力を与える必要があるが、プラント運転中に試験用の入力を制御ロジックに与えることができないため、ウイルス検知に活用することは難しい。 With the method of Patent Document 1, it is possible to detect that the data trend has changed, but it is not possible to distinguish whether the cause is on the plant side or the control device side. In the method of Patent Document 2, the diagnosis timing is when the conditions for plant data control are not satisfied. However, it is unclear when the virus enters the control device, and real-time diagnosis is necessary for virus detection. Further, in this method, it cannot be determined whether the control logic has been rewritten. In the method of Patent Document 3, it is necessary to give a test input to the control logic. However, since the test input cannot be given to the control logic during plant operation, it is difficult to use it for virus detection.
本発明の目的は、信号が変化した原因がプラント側にあるのか、制御ロジック側にあるのかを区別することで、運転員よる原因究明の時間を短縮することにある。 An object of the present invention is to shorten the time for investigating the cause by an operator by distinguishing whether the cause of the signal change is on the plant side or on the control logic side.
上述の課題を解決するため、本発明のプラントと制御装置の診断装置は、プラントにて計測された計測信号及び制御装置で生成された操作信号の少なくとも一方が変化した原因が、プラントの状態変化及び制御ロジックの状態変化のどちらであるかを診断することを特徴とする。 In order to solve the above-described problems, the plant and control device diagnosis apparatus according to the present invention is caused by a change in the state of the plant caused by a change in at least one of a measurement signal measured in the plant and an operation signal generated in the control device. And whether the state of the control logic is changed.
信号が変化した原因がプラント側にあるのか、制御ロジック側にあるのかを区別することで、運転員よる原因究明の時間を短縮できる。 By distinguishing whether the cause of the signal change is on the plant side or on the control logic side, the time for investigating the cause can be shortened.
本発明の実施例である診断装置について、図面を参照して以下に説明する。 A diagnostic apparatus according to an embodiment of the present invention will be described below with reference to the drawings.
図１は、本発明の実施例である診断装置を説明するブロック図である。診断装置４００を用いて、プラント１００と制御装置２００の状態を診断する。 FIG. 1 is a block diagram illustrating a diagnostic apparatus that is an embodiment of the present invention. The diagnosis device 400 is used to diagnose the state of the plant 100 and the control device 200.
プラント１００には種々の計測機器が設置されており、これらの計測機器で計測した計測信号１は制御装置２００に送信される。制御装置２００では、プラント１００を所望の運転状態に制御するため、操作信号２を計算してプラント１００に送信する。制御装置２００で受信した計測信号１と、制御装置２００で計算した操作信号２を含む信号３はデータ収録装置３００に送信されて保存される。尚、信号３には制御装置２００で計算した任意の信号を含めても良い。 Various measuring devices are installed in the plant 100, and the measurement signal 1 measured by these measuring devices is transmitted to the control device 200. In the control device 200, the operation signal 2 is calculated and transmitted to the plant 100 in order to control the plant 100 to a desired operation state. The signal 3 including the measurement signal 1 received by the control device 200 and the operation signal 2 calculated by the control device 200 is transmitted to the data recording device 300 and stored. The signal 3 may include an arbitrary signal calculated by the control device 200.
診断装置４００は、演算装置として計測信号抽出手段５００、データ分類手段６００、操作信号抽出手段７００、診断手段８００を備える。また、診断装置４００には、データベースとして信号データベース４３０、分類結果データベース４４０を備える。尚、図１においてはデータベースをDBと略記している。 The diagnosis apparatus 400 includes a measurement signal extraction unit 500, a data classification unit 600, an operation signal extraction unit 700, and a diagnosis unit 800 as arithmetic units. The diagnostic apparatus 400 includes a signal database 430 and a classification result database 440 as databases. In FIG. 1, the database is abbreviated as DB.
信号データベース４３０、分類結果データベース４４０には電子化された情報を保存しており、通常電子ファイル(電子データ)と呼ばれる形態で情報を保存する。 Electronic information is stored in the signal database 430 and the classification result database 440, and the information is stored in a form called a normal electronic file (electronic data).
また、診断装置４００は、外部とのインターフェイスとして外部入力インターフェイス４１０、及び外部出力インターフェイス４２０を備えている。そして、外部入力インターフェイス４１０を介してデータ収録装置３００に保存されている信号４と、運転管理室９００に備えられているキーボード９２０及びマウス９３０で構成される外部入力装置９１０の操作で作成する外部入力信号５を診断装置４００に取り込む。また、外部出力インターフェイス４２０を介して、画像表示情報１６を運転管理室９００に備えられている画像表示装置９４０に出力する。 The diagnostic apparatus 400 includes an external input interface 410 and an external output interface 420 as interfaces with the outside. Then, the signal 4 stored in the data recording device 300 via the external input interface 410 and the external created by the operation of the external input device 910 composed of the keyboard 920 and the mouse 930 provided in the operation management room 900. The input signal 5 is taken into the diagnostic device 400. Further, the image display information 16 is output to the image display device 940 provided in the operation management room 900 via the external output interface 420.
診断装置４００に取り込まれた信号６は、信号データベース４３０に保存する。 The signal 6 captured by the diagnostic apparatus 400 is stored in the signal database 430.
診断装置４００は、モデル構築処理と診断処理の二つの処理モードを持つ。モデル構築処理モードでは、正常状態の信号を用いて、診断モデルを構築する。診断モデルはクラスタリング技術により構築され、正常状態の信号がいくつかのデータグループに分類される。診断処理モードでは、診断する時刻の信号を処理する。計測信号が正常状態の時と同じ特性であれば、診断モデルのデータグループのいずれか１つに分類される。特性が異なる場合は、診断モデルのデータグループには属さないことになる。 The diagnostic apparatus 400 has two processing modes, model construction processing and diagnostic processing. In the model construction processing mode, a diagnostic model is constructed using a normal state signal. The diagnostic model is constructed by a clustering technique, and normal state signals are classified into several data groups. In the diagnosis processing mode, a signal at the time of diagnosis is processed. If the measurement signal has the same characteristics as in the normal state, it is classified into one of the data groups of the diagnostic model. If the characteristics are different, they do not belong to the diagnostic model data group.
モデル構築処理モードの動作を以下に述べる。 The operation of the model construction processing mode is described below.
モデル構築処理モードでは、状態変化の検知に用いる監視モデルを構築する。まず、計測信号抽出手段５００を動作させて、所定期間の計測信号８を信号データベース４３０から抽出する。計測信号抽出手段５００で抽出した計測信号１０はデータ分類手段６００に送信する。データ分類手段６００では計測信号１０をクラスタリング技術により分類する。分類結果である分類結果情報１２は分類結果データベース４４０に送信し、保存する。 In the model construction processing mode, a monitoring model used for detecting a state change is constructed. First, the measurement signal extraction unit 500 is operated to extract the measurement signal 8 for a predetermined period from the signal database 430. The measurement signal 10 extracted by the measurement signal extraction unit 500 is transmitted to the data classification unit 600. The data classification unit 600 classifies the measurement signal 10 using a clustering technique. The classification result information 12 that is the classification result is transmitted to the classification result database 440 and stored.
次に、操作信号抽出手段７００を動作させて、所定期間の操作信号９を信号データベース４３０から抽出する。計測信号抽出手段７００で抽出した操作信号１１はデータ分類手段６００に送信する。データ分類手段６００では操作信号１１をクラスタリング技術により分類する。分類結果である分類結果情報１２は分類結果データベース４４０に送信し、保存する。なお、操作信号抽出手段７００では、操作信号だけでなく制御装置２００で計算した任意の信号を抽出し、データ分類手段６００では操作信号と制御装置２００で計算した任意の信号をクラスタリング技術によって分類するようにしても良い。また、計測信号と操作信号をそれぞれ任意のグループに分け、各グループ毎に診断モデルを構築するようにしても良い。 Next, the operation signal extraction unit 700 is operated to extract the operation signal 9 for a predetermined period from the signal database 430. The operation signal 11 extracted by the measurement signal extraction unit 700 is transmitted to the data classification unit 600. The data classification unit 600 classifies the operation signals 11 using a clustering technique. The classification result information 12 that is the classification result is transmitted to the classification result database 440 and stored. The operation signal extraction unit 700 extracts not only the operation signal but also an arbitrary signal calculated by the control device 200, and the data classification unit 600 classifies the operation signal and the arbitrary signal calculated by the control device 200 by a clustering technique. You may do it. Further, the measurement signal and the operation signal may be divided into arbitrary groups, and a diagnostic model may be constructed for each group.
このように、本実施例の診断装置４００では、計測信号と操作信号をそれぞれ個別に分類する。 Thus, in the diagnostic apparatus 400 of the present embodiment, the measurement signal and the operation signal are individually classified.
以上がモデル構築処理モードの動作である。 The above is the operation in the model construction processing mode.
次に、診断処理モードの動作を述べる。 Next, the operation in the diagnostic processing mode will be described.
診断処理モードでは、診断する時間の計測信号と操作信号をそれぞれ計測信号抽出手段５００と操作信号抽出手段７００で抽出する。その後、モデル構築処理モードで構築した診断モデルを参照しながらデータ分類手段６００にて診断する時間の計測信号と操作信号を分類する。その分類結果に基づいて、診断手段８００にてプラント１００と制御装置２００の状態を診断する。診断結果情報１５は外部出力インターフェイス４２０に出力する。 In the diagnostic processing mode, the measurement signal and the operation signal of the time to be diagnosed are extracted by the measurement signal extraction unit 500 and the operation signal extraction unit 700, respectively. Thereafter, the time measurement signal and the operation signal to be diagnosed by the data classification means 600 are classified while referring to the diagnosis model constructed in the model construction processing mode. Based on the classification result, the diagnosis unit 800 diagnoses the state of the plant 100 and the control device 200. The diagnosis result information 15 is output to the external output interface 420.
モデル構築処理モード、及び診断処理モードを実行するタイミングは任意に設定できる。 The timing for executing the model construction processing mode and the diagnostic processing mode can be arbitrarily set.
例えば、計測信号のサンプリング周期毎にモデル構築処理モードと診断処理モードの両方を動作させて診断する。計測信号を取得する毎に診断モデルを更新することで、常に最新のモデルを用いた診断が可能である。しかし、モデル構築に用いるデータ量が多い時は、本処理に時間を要するため、サンプリング周期内に計算が終了しない可能性がある。このような場合は、所定の設定期間毎にモデル構築処理モードを動作させ、サンプリング周期毎に診断処理モードのみを動作させて診断することもできる。また、モデル構築処理モード、診断処理モードを実施するための外部入力信号５を診断装置４００に入力することで、任意のタイミングでモデル構築処理モードと診断処理モードを動作させることもできる。 For example, diagnosis is performed by operating both the model construction processing mode and the diagnostic processing mode at every sampling period of the measurement signal. Diagnosis using the latest model is always possible by updating the diagnosis model every time the measurement signal is acquired. However, when the amount of data used for model construction is large, this process takes time, and thus the calculation may not be completed within the sampling period. In such a case, the diagnosis can be performed by operating the model construction processing mode for each predetermined setting period and operating only the diagnostic processing mode for each sampling period. Further, by inputting the external input signal 5 for executing the model construction processing mode and the diagnostic processing mode to the diagnostic apparatus 400, the model construction processing mode and the diagnostic processing mode can be operated at an arbitrary timing.
なお、本実施例の診断装置４００においては、計測信号抽出手段５００、データ分類手段６００、操作信号抽出手段７００、診断手段８００、信号データベース４３０、分類結果データベース４４０が診断装置４００の内部に備えられているが、これらの一部の装置を診断装置４００の外部に配置し、データのみを装置間で通信するようにしてもよい。 In the diagnosis apparatus 400 of this embodiment, the measurement signal extraction means 500, the data classification means 600, the operation signal extraction means 700, the diagnosis means 800, the signal database 430, and the classification result database 440 are provided inside the diagnosis apparatus 400. However, some of these devices may be arranged outside the diagnostic device 400 so that only data is communicated between the devices.
また、診断装置４００に設置された信号データベース４３０、分類結果データベース４４０、に保存されているデータベース情報５０は、運転管理室９００とデータ通信できるようになっており、データベースの情報を画像表示装置９４０に表示できる。また、これらの情報は、キーボード９２０とマウス９３０で構成する外部入力装置９１０を操作して生成する外部入力信号２で修正できる。 In addition, the database information 50 stored in the signal database 430 and the classification result database 440 installed in the diagnostic apparatus 400 can communicate with the operation management room 900, and the database information is stored in the image display apparatus 940. Can be displayed. These pieces of information can be corrected by an external input signal 2 generated by operating an external input device 910 including a keyboard 920 and a mouse 930.
また、本発明の実施形態として、診断装置４００を動作させて得られた情報を運転員に提供する情報提供サービス、診断装置４００を搭載した運転制御装置も含まれる。また、本実施例ではプラント１００と制御装置２００の信号を用いて診断モデルを構築しているが、データ収録装置３００にプラント１００と制御装置２００を模擬するシミュレータのデータを保存しておき、このデータを用いて診断モデルを構築するようにしても良い。 In addition, as an embodiment of the present invention, an information providing service for providing information obtained by operating the diagnostic device 400 to an operator and an operation control device equipped with the diagnostic device 400 are also included. In the present embodiment, a diagnostic model is constructed using signals from the plant 100 and the control device 200. However, simulator data for simulating the plant 100 and the control device 200 is stored in the data recording device 300, and this model is stored. A diagnosis model may be constructed using data.
図２は診断装置４００の動作フローチャート図である。 FIG. 2 is an operation flowchart of the diagnostic apparatus 400.
モデル構築処理モードでは、ステップ１０００、１０１０、１０２０、１０３０、１０４０、１０５０を組み合わせて実行する。また、診断処理モードではステップ１０００、１０１０、１０２０、１０３０、１０４０、１０５０、１０６０、１０７０を組み合わせて実行する。 In the model construction processing mode, steps 1000, 1010, 1020, 1030, 1040, and 1050 are executed in combination. In the diagnostic processing mode, steps 1000, 1010, 1020, 1030, 1040, 1050, 1060, and 1070 are executed in combination.
ステップ１０００では、データ収録装置３００に保存されている信号４を、外部入力インターフェイス４１０を介して診断装置４００に取り込み、信号６を信号データベース４３０に保存する。 In step 1000, the signal 4 stored in the data recording device 300 is taken into the diagnostic device 400 via the external input interface 410 and the signal 6 is stored in the signal database 430.
ステップ１０１０では、計測信号抽出手段５００を動作させて、所定期間の計測信号８を信号データベース４３０から抽出する。計測信号抽出手段５００で抽出した計測信号１０はデータ分類手段６００に送信する。 In step 1010, the measurement signal extraction unit 500 is operated to extract the measurement signal 8 for a predetermined period from the signal database 430. The measurement signal 10 extracted by the measurement signal extraction unit 500 is transmitted to the data classification unit 600.
ステップ１０２０ではデータ分類手段６００を動作させて計測信号１０をクラスタリング技術により分類する。分類結果である分類結果情報１２は分類結果データベース４４０に送信し、保存する。 In step 1020, the data classification means 600 is operated to classify the measurement signal 10 by the clustering technique. The classification result information 12 that is the classification result is transmitted to the classification result database 440 and stored.
ステップ１０３０では、操作信号抽出手段７００を動作させて所定期間の操作信号９を信号データベース４３０から抽出する。計測信号抽出手段７００で抽出した操作信号１１はデータ分類手段６００に送信する。 In step 1030, the operation signal extraction unit 700 is operated to extract the operation signal 9 for a predetermined period from the signal database 430. The operation signal 11 extracted by the measurement signal extraction unit 700 is transmitted to the data classification unit 600.
ステップ１０４０では、データ分類手段６００を動作させて操作信号１１をクラスタリング技術により分類する。分類結果である分類結果情報１２は分類結果データベース４４０に送信し、保存する。 In step 1040, the data classification means 600 is operated to classify the operation signals 11 using a clustering technique. The classification result information 12 that is the classification result is transmitted to the classification result database 440 and stored.
ステップ１０５０では動作モードを判定する。モデル構築処理モードの場合は終了し、診断処理モードの場合はステップ１０６０に進む。尚、モデル構築処理モードと診断処理モードが動作するタイミングは、運転員によって任意に設定できる。 In step 1050, the operation mode is determined. If it is in the model construction processing mode, the process ends. If it is in the diagnostic processing mode, the process proceeds to step 1060. The timing at which the model construction processing mode and the diagnostic processing mode operate can be arbitrarily set by the operator.
ステップ１０６０では診断手段８００を動作させて、プラント１００と制御装置２００の状態を診断し、診断結果情報１５を外部出力インターフェイス４２０に出力する。診断手段８００の動作内容については、図６を用いて後述する。診断結果情報１５は外部出力インターフェイス４２０にて画像表示情報１６に変換し、画像表示装置９４０に表示する。 In step 1060, the diagnosis unit 800 is operated to diagnose the states of the plant 100 and the control device 200, and the diagnosis result information 15 is output to the external output interface 420. The operation content of the diagnosis unit 800 will be described later with reference to FIG. The diagnosis result information 15 is converted into image display information 16 by the external output interface 420 and displayed on the image display device 940.
ステップ１０７０では終了判定を実施し、終了判定を満足する場合は診断処理モードを終了する。終了条件を満たさない場合は、ステップ１０００に戻る。ここで終了条件とは、予めユーザによって定められた条件である。例えばステップ１０００〜ステップ１０７０の繰り返し回数が所定の値を超えた時に診断モードを終了する。 In step 1070, an end determination is performed. If the end determination is satisfied, the diagnostic processing mode is ended. If the end condition is not satisfied, the process returns to step 1000. Here, the end condition is a condition determined in advance by the user. For example, the diagnosis mode is terminated when the number of repetitions of step 1000 to step 1070 exceeds a predetermined value.
このように、本実施例の診断装置４００では、計測信号と操作信号をそれぞれ個別に分類する。そして、それぞれの分類結果に基づいて診断することで、信号が変化したことの原因がプラント側にあるのか、制御装置側にあるのかを区別する。具体的な区別方法は、図６を用いて後述する。 Thus, in the diagnostic apparatus 400 of the present embodiment, the measurement signal and the operation signal are individually classified. And it diagnoses based on each classification result, and discriminate | determines whether the cause of having changed the signal exists in the plant side or the control apparatus side. A specific distinguishing method will be described later with reference to FIG.
図３は、データ分類手段６００を説明する図である。 FIG. 3 is a diagram for explaining the data classification unit 600.
本実施例では、信号を分類する技術として、適応共鳴理論（Ａｄａｐｔｉｖｅ Ｒｅｓｏｎａｎｃｅ Ｔｈｅｏｒｙ：ＡＲＴ）を適用した場合について述べる。尚、ベクトル量子化、サポートベクターマシン等、他のクラスタリング手法を用いることもできる。 In the present embodiment, a case where adaptive resonance theory (ART) is applied as a technique for classifying signals will be described. It should be noted that other clustering methods such as vector quantization and support vector machine can be used.
図３(a)に示すように、データ分類機能はデータ前処理装置６１０とＡＲＴモジュール６２０で構成する。データ前処理装置６１０は、運転データをＡＲＴモジュール６２０の入力データに変換する。 As shown in FIG. 3A, the data classification function includes a data preprocessing device 610 and an ART module 620. The data preprocessing device 610 converts the operation data into input data for the ART module 620.
以下に、前記データ前処理装置６１０及びＡＲＴモジュール６２０によるそれらの手順について説明する。 Hereinafter, those procedures performed by the data preprocessing device 610 and the ART module 620 will be described.
まず、データ前処理装置６１０において、計測項目毎にデータを正規化する。計測信号を正規化したデータＮｘｉ（ｎ）及び正規化したデータの補数ＣＮｘｉ（ｎ）（＝１−Ｎｘｉ（ｎ））を含むデータを入力データIi（ｎ）とする。この入力データIi（ｎ）が、ＡＲＴモジュール６２０に入力される。 First, the data preprocessing device 610 normalizes data for each measurement item. Data including normalized data Nxi (n) of the measurement signal and the complement of the normalized data CNxi (n) (= 1−Nxi (n)) is defined as input data Ii (n). This input data Ii (n) is input to the ART module 620.
ＡＲＴモジュール６２０においては、入力データである計測信号１０、もしくは操作信号１１を複数のカテゴリに分類する。 In the ART module 620, the measurement signal 10 or the operation signal 11 as input data is classified into a plurality of categories.
ＡＲＴモジュール６２０は、Ｆ０レイヤー６２１、Ｆ１レイヤー６２２、Ｆ２レイヤー６２３、メモリ６２４及び選択サブシステム６２５を備え、これらは相互に結合している。Ｆ１レイヤー６２２及びＦ２レイヤー６２３は、重み係数を介して結合している。重み係数は、入力データが分類されるカテゴリのプロトタイプ（原型）を表している。ここで、プロトタイプとは、カテゴリの代表値を表すものである。 The ART module 620 includes an F0 layer 621, an F1 layer 622, an F2 layer 623, a memory 624, and a selection subsystem 625, which are coupled to each other. The F1 layer 622 and the F2 layer 623 are connected via a weighting factor. The weighting coefficient represents a prototype (prototype) of a category into which input data is classified. Here, the prototype represents a representative value of the category.
次に、ＡＲＴモジュール６２０のアルゴリズムについて説明する。 Next, the algorithm of the ART module 620 will be described.
ＡＲＴモジュール６２０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、下記の処理１〜処理５のようになる。 The outline of the algorithm when input data is input to the ART module 620 is as shown in the following processing 1 to processing 5.
処理１：Ｆ０レイヤー６２１により入力ベクトルを正規化し、ノイズを除去する。 Process 1: The input vector is normalized by the F0 layer 621, and noise is removed.
処理２：Ｆ１レイヤー６２２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の候補を選択する。 Process 2: A suitable category candidate is selected by comparing the input data input to the F1 layer 622 with the weighting factor.
処理３：選択サブシステム６２５で選択したカテゴリの妥当性がパラメータρとの比により評価される。妥当と判断されれば、入力データはそのカテゴリに分類され、処理４に進む。一方、妥当と判断されなければ、そのカテゴリはリセットされ、他のカテゴリからふさわしいカテゴリの候補を選択する（処理２を繰り返す）。パラメータρの値を大きくするとカテゴリの分類が細かくなり、ρの値を小さくすると分類が粗くなる。このパラメータρをビジランス（ｖｉｇｉｌａｎｃｅ）パラメータと呼ぶ。 Process 3: The validity of the category selected by the selection subsystem 625 is evaluated by the ratio with the parameter ρ. If it is determined to be valid, the input data is classified into the category, and the process proceeds to process 4. On the other hand, if it is not determined to be valid, the category is reset, and an appropriate category candidate is selected from the other categories (repeat process 2). Increasing the value of parameter ρ makes the category classification finer, and decreasing the value of ρ makes the classification coarse. This parameter ρ is referred to as a vigilance parameter.
処理４：処理２において全ての既存のカテゴリがリセットされると、入力データが新規カテゴリに属すると判断され、新規カテゴリのプロトタイプを表す新しい重み係数を生成する。 Process 4: When all the existing categories are reset in Process 2, it is determined that the input data belongs to the new category, and a new weighting factor representing the prototype of the new category is generated.
処理５：入力データがカテゴリＪに分類されると、カテゴリＪに対応する重み係数ＷＪ（ｎｅｗ）は、過去の重み係数ＷＪ（ｏｌｄ）及び入力データｐ（又は入力データから派生したデータ）を用いて下記式（１）により更新される。
ＷＪ(ｎｅｗ)＝Ｋｗ・ｐ＋(１−Ｋｗ)・ＷＪ(ｏｌｄ) ・・・（１）
ここで、Ｋｗは、学習率パラメータ（０＜Ｋｗ＜１）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値である。
Process 5: When input data is classified into category J, weight coefficient WJ (new) corresponding to category J uses past weight coefficient WJ (old) and input data p (or data derived from input data). And updated by the following equation (1).
WJ (new) = Kw.p + (1-Kw) .WJ (old) (1)
Here, Kw is a learning rate parameter (0 <Kw <1), and is a value that determines the degree to which the input vector is reflected in the new weighting factor.
尚、式（１）及び後述する式（２）乃至式（１２）の各演算式は前記ＡＲＴモジュール６２０に組み込まれている。 It should be noted that equations (1) and equations (2) to (12) described later are incorporated in the ART module 620.
ＡＲＴモジュール６２０のデータ分類アルゴリズムの特徴は、上記の処理４にある。 The feature of the data classification algorithm of the ART module 620 is the processing 4 described above.
処理４においては、学習した時のパターンと異なる入力データが入力された場合、記録されているパターンを変更せずに新しいパターンを記録することができる。このため、過去に学習したパターンを記録しながら、新たなパターンを記録することが可能となる。 In process 4, when input data different from the learned pattern is input, a new pattern can be recorded without changing the recorded pattern. Therefore, it is possible to record a new pattern while recording a pattern learned in the past.
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６２０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６２０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、過去におけるどのパターンに近いかを判定することができる。また、過去に経験したことのないパターンであれば、新規カテゴリに分類される。 As described above, when the operation data given in advance is given as input data, the ART module 620 learns the given pattern. Therefore, when new input data is input to the learned ART module 620, it is possible to determine which pattern in the past is close by the above algorithm. If the pattern has never been experienced before, it is classified into a new category.
図３(b)は、F0レイヤー６２１の構成を示すブロック図である。ａF0レイヤー６２１では、入力データＩiを各時刻で再度正規化し、F1レイヤー６２１、及び選択サブシステム６２５に入力する正規化入力ベクトルｕiを作成する。 FIG. 3B is a block diagram showing the configuration of the F0 layer 621. In the aF0 layer 621, the input data I i is normalized again at each time, and a normalized input vector u i input to the F1 layer 621 and the selection subsystem 625 is created.
始めに、入力データＩiから、式(２)に従ってｗi 0を計算する。ここで、ａは定数である。 First, w i 0 is calculated from the input data I i according to the equation (2). Here, a is a constant.
次に、ｗi 0を正規化したｘi 0を、式(３)を用いて計算する。ここで、||・||はノルムを表す記号である。 Next, x i 0 obtained by normalizing w i 0 is calculated using equation (3). Here, || · || is a symbol representing the norm.
そして、式(４)を用いて、ｘiからノイズを除去したｖi 0を計算する。ただし、θはノイズを除去するための定数である。式(４)の計算により、微小な値は0となるため、入力データのノイズが除去される。 Then, using equation (4), v i 0 obtained by removing noise from x i is calculated. However, θ is a constant for removing noise. Since the minute value becomes 0 by the calculation of the equation (4), noise of the input data is removed.
最後に、式(５)を用いて正規化入力ベクトルｕi 0を求める。ｕi 0はF1レイヤーの入力となる。 Finally, a normalized input vector u i 0 is obtained using Equation (5). u i 0 is input to the F1 layer.
図３(c)は、F1レイヤー６２２の構成を示すブロック図である。F1レイヤー６２２では、式(５)で求めたｕi 0を短期記憶として保持し、F2レイヤー７２２に入力するρiを計算する。F2レイヤーの計算式をまとめて式(６)〜式(１２)に示す。ただし、ａ、ｂは定数、f(・)は式(４)で示した関数、ＴjはF2レイヤー６２３で計算する適合度である。 FIG. 3C is a block diagram showing the configuration of the F1 layer 622. In the F1 layer 622, u i 0 obtained by the equation (5) is held as a short-term memory, and ρ i input to the F2 layer 722 is calculated. The formulas for calculating the F2 layer are collectively shown in formulas (6) to (12). However, a and b are constants, f (·) is a function shown in Expression (4), and T j is a fitness calculated by the F2 layer 623.
ただし、 However,
図４はデータ分類手段６００で計測信号１０、もしくは操作信号１１を分類した結果を説明する図である。 FIG. 4 is a diagram for explaining the result of classifying the measurement signal 10 or the operation signal 11 by the data classification unit 600.
図４(a)は、計測信号１０、もしくは操作信号１１を、カテゴリに分類した結果を説明する図である。横軸は、時間、縦軸は計測信号、カテゴリ番号である。図４(b)は、データ分類手段６００にてカテゴリに分類した分類結果の一例を示す図である。 FIG. 4A is a diagram for explaining the result of classifying the measurement signal 10 or the operation signal 11 into categories. The horizontal axis represents time, and the vertical axis represents measurement signals and category numbers. FIG. 4B is a diagram illustrating an example of a classification result classified into categories by the data classification unit 600.
図４(b)は、一例として、計測信号のうちの２項目を表示したものであり、２次元のグラフで表記した。また、縦軸及び横軸は、それぞれの項目の計測信号を規格化して示した。 FIG. 4B shows, as an example, two items of measurement signals, which are represented by a two-dimensional graph. In addition, the vertical axis and the horizontal axis indicate the measurement signals of the respective items normalized.
計測信号は、図３(a)のＡＲＴモジュール６２０によって複数のカテゴリ６３０（図６(b)に示す円）に分割される。１つの円が、１つのカテゴリに相当する。 The measurement signal is divided into a plurality of categories 630 (circles shown in FIG. 6B) by the ART module 620 in FIG. One circle corresponds to one category.
本実施例では、計測信号は４つのカテゴリに分類されている。カテゴリ番号１は、項目Ａの値が大きく、項目Ｂの値が小さいグループ、カテゴリ番号２は、項目Ａ、項目Ｂの値が共に小さいグループ、カテゴリ番号３は項目Ａの値が小さく、項目Ｂの値が大きいグループ、カテゴリ番号４は項目Ａ、項目Ｂの値が共に大きいグループである。 In this embodiment, measurement signals are classified into four categories. Category number 1 is a group in which item A has a large value and item B has a small value, category number 2 is a group in which both items A and B have small values, category number 3 has a small value in item A, and item B A group with a large value of, category number 4 is a group with a large value for both items A and B.
図４(a)に示すように、診断開始前の正常期間のデータは、カテゴリ１〜３に分類された。監視開始後の前半のデータはカテゴリ２に分類されており、モデルデータと同じカテゴリである。この場合、データの傾向が同じであることから、状態は変化していないと判断する。一方、監視開始後の後半のデータはカテゴリ４に分類されており、モデルデータと異なるカテゴリに分類されている。データの傾向が異なることから、プラントの状態が変化したと判断する。 As shown to Fig.4 (a), the data of the normal period before the diagnosis start were classified into the categories 1-3. The first half of data after the start of monitoring is classified into category 2, which is the same category as the model data. In this case, since the data trends are the same, it is determined that the state has not changed. On the other hand, the latter half of data after the start of monitoring is classified into category 4, and is classified into a category different from the model data. Since the data trends are different, it is determined that the state of the plant has changed.
尚、本実施例においては、２項目の計測信号をカテゴリに分類する例を述べたが、３項目以上の計測信号について多次元の座標を用いてカテゴリに分類することもできる。 In the present embodiment, an example in which two items of measurement signals are classified into categories has been described. However, three or more items of measurement signals can be classified into categories using multidimensional coordinates.
図５は計測信号データベース４３０と、分類結果データベース４４０に保存されているデータの態様を説明する図である。 FIG. 5 is a diagram for explaining aspects of data stored in the measurement signal database 430 and the classification result database 440.
図５(a)に示すように、計測信号データベース４３０には、計測信号と操作信号（図では、データ項目Ａ、Ｂ、Ｃを記載）の値が、サンプリング周期（縦軸の時刻）毎に保存される。 As shown in FIG. 5 (a), in the measurement signal database 430, the values of the measurement signal and the operation signal (in the figure, data items A, B, and C) are shown for each sampling period (time on the vertical axis). Saved.
表示画面４３１において縦横に移動可能なスクロールボックス４３２及び４３３を用いることにより、広範囲のデータをスクロール表示することができる。 By using scroll boxes 432 and 433 that can move vertically and horizontally on the display screen 431, a wide range of data can be scroll-displayed.
図５(b)に示すように、分類結果データベース４４０には、カテゴリの重み係数(表示画面４４１)、時刻と計測信号分類時のカテゴリ番号と操作信号分類時のカテゴリ番号(表示画面４４２)、操作信号分類時のカテゴリ番号と計測信号分類時のカテゴリ番号の関係(表示画面４４３)、計測信号分類時のカテゴリ番号と、操作信号分類時のカテゴリ番号の関係(表示画面４４４)を保存する。分類結果データベース４４０に保存されている分類結果情報１４を用いて、診断手段８００ではプラント１００と制御装置２００の状態を診断する。 As shown in FIG. 5 (b), the classification result database 440 includes a category weighting factor (display screen 441), a time, a category number at the time of measurement signal classification, and a category number at the time of operation signal classification (display screen 442), The relationship between the category number at the time of operation signal classification and the category number at the time of measurement signal classification (display screen 443), and the relationship between the category number at the time of measurement signal classification and the category number at the time of operation signal classification (display screen 444) are stored. Using the classification result information 14 stored in the classification result database 440, the diagnosis unit 800 diagnoses the states of the plant 100 and the control device 200.
図６は、診断手段８００の動作フローチャート図であり、図２のステップ１０６０の詳細な動作を説明する図である。ステップ１０６０では、図６(a)で示したフローと図６(b)で示したフローを同時に動作させてプラントと制御装置の状態が変化したかどうかを診断する。図６(a)はプラントの状態を診断するフローチャート図であり、図６(b)は制御装置の状態を診断するフローチャート図である。 FIG. 6 is a flowchart of the operation of the diagnostic unit 800, and is a diagram for explaining the detailed operation of step 1060 in FIG. In step 1060, the flow shown in FIG. 6 (a) and the flow shown in FIG. 6 (b) are simultaneously operated to diagnose whether the state of the plant and the control device has changed. 6A is a flowchart for diagnosing the state of the plant, and FIG. 6B is a flowchart for diagnosing the state of the control device.
まず、図６(a)の動作について説明する。 First, the operation of FIG. 6A will be described.
ステップ１１００では、診断処理モードを動作させた時の操作信号を分類したカテゴリが過去と同じかどうかを判定する。同じ場合はステップ１１１０に進み、異なる場合はステップ１１４０に進む。 In step 1100, it is determined whether or not the category into which the operation signal when the diagnostic processing mode is operated is the same as the past. If they are the same, go to Step 1110; otherwise, go to Step 1140.
ステップ１１１０では、分類結果データベース４４０を参照し、同じ操作信号カテゴリ番号における計測信号カテゴリを抽出し、診断処理モードを動作させた時の計測信号を分類したカテゴリと一致するかどうかを判定する。一致する場合はステップ１１３０に進み、一致しない場合はステップ１１２０に進む。 In step 1110, the classification result database 440 is referred to, the measurement signal category in the same operation signal category number is extracted, and it is determined whether or not the measurement signal when the diagnostic processing mode is operated matches the classified category. If they match, the process proceeds to step 1130, and if they do not match, the process proceeds to step 1120.
ステップ１１２０に進んだ場合はプラントの状態変化検知と診断し、ステップ１１３０に進んだ場合は正常状態と診断し、ステップ１１４０に進んだ場合は予兆状態と診断する。 When the process proceeds to step 1120, it is diagnosed as detection of a change in the state of the plant. When the process proceeds to step 1130, it is diagnosed as a normal state, and when it proceeds to step 1140, it is diagnosed as a sign state.
ステップ１１２０でプラントの状態変化と判定することの妥当性を以下に述べる。モデル構築処理モードにおいて、操作信号カテゴリ番号が１の時の計測信号カテゴリ番号は図５(b)の画面４４３より、１、２、５のいずれかである。診断処理モードにおいて、操作信号カテゴリ番号が１に分類され、計測信号カテゴリ番号が上記以外となった場合、プラントに入力するデータ傾向は同じだがプラントから出力されるデータの傾向が異なることを意味する。 この原因は、経年劣化、機器故障によりプラント特性が変化したと考えられるため、本実施例ではプラントの状態変化と判定する。 The validity of determining that the state of the plant has changed in step 1120 will be described below. In the model construction processing mode, the measurement signal category number when the operation signal category number is 1 is any one of 1, 2, and 5 on the screen 443 in FIG. In the diagnostic processing mode, when the operation signal category number is classified as 1 and the measurement signal category number is other than the above, it means that the tendency of data input to the plant is the same, but the tendency of data output from the plant is different. . The cause of this is thought to be that the plant characteristics have changed due to aging degradation or equipment failure, so in this embodiment it is determined that the state of the plant has changed.
次に、図６(b)の動作について説明する。 Next, the operation of FIG. 6B will be described.
ステップ１２００では、診断処理モードを動作させた時の計測信号を分類したカテゴリが過去と同じかどうかを判定する。同じ場合はステップ１２１０に進み、異なる場合はステップ１２４０に進む。 In step 1200, it is determined whether or not the category into which the measurement signal when the diagnostic processing mode is operated is the same as the past. If they are the same, the process proceeds to step 1210, and if they are different, the process proceeds to step 1240.
ステップ１２１０では、分類結果データベース４４０を参照し、同じ計測信号カテゴリ番号における操作信号カテゴリを抽出し、診断処理モードを動作させた時の操作信号を分類したカテゴリと一致するかどうかを判定する。一致する場合はステップ１２３０に進み、一致しない場合はステップ１２２０に進む。 In step 1210, the classification result database 440 is referred to, the operation signal category in the same measurement signal category number is extracted, and it is determined whether or not the operation signal when the diagnostic processing mode is operated matches the classified category. If they match, the process proceeds to step 1230. If they do not match, the process proceeds to step 1220.
ステップ１２２０に進んだ場合は制御装置の状態変化検知と診断し、ステップ１２３０に進んだ場合は正常状態と診断し、ステップ１２４０に進んだ場合は予兆状態と診断する。 When the process proceeds to step 1220, it is diagnosed that the state of the control device has been detected, when it proceeds to step 1230, it is diagnosed as a normal state, and when it proceeds to step 1240, it is diagnosed as a predictive state.
ステップ１２２０で制御装置の状態変化と判定することの妥当性を以下に述べる。モデル構築処理モードにおいて、計測信号カテゴリ番号が１の時の操作信号カテゴリ番号は図５(b)の画面４４４より１、２、４のいずれかである。診断処理モードにおいて、計測信号カテゴリ番号が１に分類され、操作信号カテゴリ番号が上記以外となった場合、制御装置に入力するデータ傾向は同じだが制御装置から出力されるデータの傾向が異なることを意味する。この原因は、ウイルスにより制御ロジックが書き換えられたためであると考えられるため、本実施例では制御装置の状態変化と判定する。 The validity of determining that the state of the control device has changed in step 1220 will be described below. In the model construction processing mode, the operation signal category number when the measurement signal category number is 1 is any one of 1, 2, and 4 from the screen 444 in FIG. In the diagnostic processing mode, when the measurement signal category number is classified as 1 and the operation signal category number is other than the above, the data trend input to the control device is the same, but the data trend output from the control device is different. means. This cause is considered to be because the control logic is rewritten by a virus, so in this embodiment, it is determined that the state of the control device has changed.
本実施例の診断装置４００は上記の方法で診断するので、制御装置に対する入力(計測信号)が同じなのに制御装置の出力(操作信号)が正常時と異なるときは、制御ロジックが変化した場合と判定し、プラントに対する入力(操作信号)が同じなのにプラントの出力(計測信号)が正常時と異なるときは、プラントの特性が変化したと判定する。また、信号ノイズによる誤判定を抑制するため、ARTなどのクラスタリング技術を活用している。 Since the diagnosis apparatus 400 of the present embodiment diagnoses by the above method, when the output (operation signal) of the control apparatus is different from the normal state even though the input (measurement signal) to the control apparatus is the same, the control logic changes. If the plant output (measurement signal) is different from the normal time even though the input (operation signal) to the plant is the same, it is determined that the characteristics of the plant have changed. In addition, clustering technology such as ART is used to suppress erroneous determination due to signal noise.
図７は、制御装置の状態変化を検知した際に、変化した制御ロジックを特定する方法を説明する図である。 FIG. 7 is a diagram illustrating a method for identifying the changed control logic when a change in the state of the control device is detected.
図７(a)は制御装置２００に搭載されている制御ロジックと、データ収録装置３００で記録する信号３の例を説明する図である。本実施例の診断装置４００では、データ分類手段６００にて過去の運転データに基づきロジック毎の入出力関係を記憶しておき、入出力関係が過去と異なるロジックを抽出することができる。 FIG. 7A is a diagram for explaining an example of the control logic mounted on the control device 200 and the signal 3 recorded by the data recording device 300. In the diagnosis apparatus 400 of the present embodiment, the data classification means 600 can store the input / output relationship for each logic based on the past operation data, and can extract the logic whose input / output relationship is different from the past.
例えば、信号２７０aと信号２７０bを入力とした診断モデルで新規カテゴリが発生した場合はロジックA２２０、信号２７０bと信号２７０cを入力とした診断モデルで新規カテゴリが発生した場合はロジックB２３０、信号２７０bと信号２７０dを入力とした診断モデルで新規カテゴリが発生した場合はロジックC２４０が変化したと診断する。 For example, when a new category is generated in the diagnostic model having the signals 270a and 270b as inputs, the logic A220 is generated when the new category is generated in the diagnostic model having the signals 270b and 270c as inputs. When a new category occurs in the diagnostic model with 270d as an input, it is diagnosed that the logic C240 has changed.
このように、本実施例の診断装置４００では、入出力関係が過去と異なるロジックを抽出することができ、ウイルス感染で書き換えられた制御ロジックの情報を運転員に提供できる。 As described above, in the diagnosis apparatus 400 according to the present embodiment, logic having an input / output relationship different from the past can be extracted, and information on control logic rewritten due to virus infection can be provided to the operator.
図７(b)は正常な制御ロジックを説明する図である。本制御ロジックは、変化率制限器(RL)２２１と、比例積分制御器(PI)２２２で構成している。図７(c)(d)は、ウイルスによって変更された制御ロジックの例である。図７(c)は変化率制限器(RL)が削除されており、図７(d)は比例ゲインの値が書き換えられている。このように制御ロジックが変更されるとロジックの入出力関係が変わるため、本実施例の診断装置４００で状態変化を検知できる。また、変更前後の制御ロジックの画像を比較する図面認識技術を活用して、書き換えられた内容を特定する機能を診断手段８００に加えても良い。 FIG. 7B illustrates a normal control logic. This control logic includes a rate-of-change limiter (RL) 221 and a proportional-plus-integral controller (PI) 222. FIGS. 7C and 7D are examples of control logic changed by a virus. In FIG. 7C, the change rate limiter (RL) is deleted, and in FIG. 7D, the value of the proportional gain is rewritten. When the control logic is changed in this way, the input / output relationship of the logic changes, so that the state change can be detected by the diagnostic apparatus 400 of the present embodiment. Further, a function for identifying the rewritten contents may be added to the diagnosis unit 800 by utilizing a drawing recognition technique for comparing the images of the control logic before and after the change.
図８は、画像表示装置９４０に表示する画面を説明する図である。 FIG. 8 is a diagram for explaining a screen displayed on the image display device 940.
図８(a)に示すように、図６のフローチャートを動作させて得られた診断結果９５０を画面に表示する。すなわち、プラントにて計測された計測信号及び制御装置で生成された操作信号の少なくとも一方が変化した原因が、プラントの状態変化及び制御ロジックの状態変化のどちらであるかを診断した結果を表示させる指令信号を画像表示装置９４０に送信する。正常判定時にはボックス９５１、制御装置状態変化判定時にはボックス９５２、プラント状態変化時にはボックス９５３、予兆状態検知時にはボックス９５４の色を変えて強調表示し、プラント１００の運転員に診断結果を通知する。 As shown in FIG. 8A, the diagnosis result 950 obtained by operating the flowchart of FIG. 6 is displayed on the screen. That is, the result of diagnosing whether the cause of the change in at least one of the measurement signal measured in the plant and the operation signal generated in the control device is a change in the state of the plant or a change in the state of the control logic is displayed. The command signal is transmitted to the image display device 940. The color of the box 951 is changed when the normal state is determined, the box 952 is determined when the state of the control device is changed, the box 953 is changed when the state of the plant is changed, and the box 954 is changed and highlighted when the predictive state is detected.
図８(b)は、制御ロジックの状態変化を検知した時に、動作の変化したロジックを抽出した結果を表示する画面である。状態変化が起きた制御ロジックを表示させる指令信号を画像表示装置９４０に送信することで、図７で説明した方式を用いて抽出した制御ロジックA９６１を強調して表示し、運転員に状態が変化した制御ロジックを通知する。 FIG. 8B is a screen that displays the result of extracting the logic whose operation has changed when a change in the state of the control logic is detected. By sending a command signal for displaying the control logic in which the state change has occurred to the image display device 940, the control logic A961 extracted using the method described in FIG. 7 is highlighted and displayed, and the state changes to the operator. Notify the control logic.
本実施例の画像表示装置９４０には上述した画面の他にも、計測信号、操作信号のトレンドグラフや各種データベースの情報を表示し、運転員がプラント１００と制御装置２００の状態を把握できる。以上説明した本実施例のプラントと制御装置の診断装置は、プラント１００で計測された計測信号８(計測信号１０)及び制御装置２００で生成された操作信号９(操作信号１１)をカテゴリに分類するデータ分類手段６００と、データ分類手段６００の分類結果に基づいて、正常か、プラント特性が変化したか、制御ロジックが変化したかを区別する診断手段８００を備えている。このような診断装置によれば、信号が変化した原因がプラント特性の変化によるものか、制御ロジックの変化によるものかを区別できる。すなわち、プラントの経年劣化や異常と、制御装置へのウイルス感染を区別でき、運転員が原因究明に要する時間を短縮できる。 In addition to the screen described above, the image display device 940 of the present embodiment displays trend graphs of measurement signals and operation signals and information on various databases, so that the operator can grasp the state of the plant 100 and the control device 200. The diagnosis apparatus for the plant and the control device of the present embodiment described above classifies the measurement signal 8 (measurement signal 10) measured by the plant 100 and the operation signal 9 (operation signal 11) generated by the control device 200 into categories. And a data classification means 600 for determining whether the data is normal, the plant characteristics have changed, or the control logic has been changed based on the classification result of the data classification means 600. According to such a diagnostic apparatus, it is possible to distinguish whether the cause of the change in the signal is due to a change in plant characteristics or a change in control logic. That is, it is possible to distinguish between aged deterioration and abnormality of the plant and virus infection to the control device, and the time required for the operator to investigate the cause can be shortened.
本実施例の診断手段８００は、モデル構築処理モードでの所定期間である第一の期間の分類結果と、診断処理モードで診断する時間である第二の期間の分類結果を比較するものである。具体的には図６で示したように、計測信号と操作信号とのカテゴリの関係が、第一の期間と第二の期間で同じ場合は正常と判定し（ステップ１１３０、１２３０）、計測信号のカテゴリの関係が同じで操作信号のカテゴリの関係に相違がある場合は制御ロジックが変化したと判定し（ステップ１２２０）、操作信号のカテゴリの関係が同じで計測信号のカテゴリの関係に相違がある場合はプラント特性変化と判断する（ステップ１１２０）。 The diagnosis unit 800 according to the present embodiment compares the classification result of the first period that is a predetermined period in the model construction processing mode and the classification result of the second period that is the time for diagnosis in the diagnosis processing mode. . Specifically, as shown in FIG. 6, when the relationship between the category of the measurement signal and the operation signal is the same in the first period and the second period, it is determined that the measurement signal is normal (steps 1130 and 1230). If the relationship between the categories of the operation signals is the same and the relationship between the categories of the operation signals is different, it is determined that the control logic has changed (step 1220). If there is, it is determined that the plant characteristic has changed (step 1120).
本実施例はさらに、データ分類手段の分類結果を保存する分類結果データベース４４０を備え、操作信号は、制御装置２００で複数の制御ロジックに基づいて生成されるものであり、データ分類手段６００は、制御ロジックの入出力毎のカテゴリに分類した結果を分類結果データベース４４０に送るものである。このような構成とすれば、図７を用いて説明したように、入出力関係が過去と異なるロジックを抽出することができる。診断手段８００が制御ロジックが変化したと判定した際に、分類結果データベース４４０の情報に基づいて変化した制御ロジックを特定することができるため、運転員が原因究明に要する時間をより短縮できるとともに、適切な処置を検討することができる。 The present embodiment further includes a classification result database 440 for storing the classification result of the data classification means, and the operation signal is generated by the control device 200 based on a plurality of control logics. The result of classification into categories for each input / output of the control logic is sent to the classification result database 440. With such a configuration, as described with reference to FIG. 7, it is possible to extract a logic whose input / output relationship is different from the past. When the diagnostic means 800 determines that the control logic has changed, the control logic that has changed can be identified based on the information in the classification result database 440, so that the time required for the operator to investigate the cause can be further reduced, Appropriate treatment can be considered.
本発明は、診断装置として、火力発電プラント、原子力発電プラントなど、各種プラントに適用可能である。 The present invention is applicable to various plants such as a thermal power plant and a nuclear power plant as a diagnostic device.
１ ・・・ 計測信号
２ ・・・ 操作信号
３ ・・・ 信号
４ ・・・ 信号
５ ・・・ 外部入力信号
６ ・・・ 信号
７ ・・・ 時刻情報
８ ・・・ 計測信号
９ ・・・ 操作信号
１０ ・・・ 計測信号
１１ ・・・ 操作信号
１２ ・・・ 分類結果情報
１３ ・・・ 分類結果情報
１４ ・・・ 分類結果情報
１５ ・・・ 診断結果情報
１６ ・・・ 画像表示情報
５０ ・・・ データベース情報
１００ ・・・ プラント
２００ ・・・ 制御装置
３００ ・・・ データ収録装置
４００ ・・・ 診断装置
４１０ ・・・ 外部入力インターフェイス
４２０ ・・・ 外部出力インターフェイス
４３０ ・・・ 計測信号データベース
４４０ ・・・ 分類結果データベース
５００ ・・・ 計測信号抽出手段
６００ ・・・ データ分類手段
７００ ・・・ 操作信号抽出手段
８００ ・・・ 診断手段
９００ ・・・ 運転管理室
９１０ ・・・ 外部入力装置
９２０ ・・・ キーボード
９３０ ・・・ マウス
９４０ ・・・ 画像表示装置
1 ... Measurement signal 2 ... Operation signal 3 ... Signal 4 ... Signal 5 ... External input signal 6 ... Signal 7 ... Time information 8 ... Measurement signal 9 ... Operation signal 10 ... Measurement signal 11 ... Operation signal 12 ... Classification result information 13 ... Classification result information 14 ... Classification result information 15 ... Diagnosis result information 16 ... Image display information 50・ ・ ・ Database information 100 ・ ・ ・ Plant 200 ・ ・ ・ Control device 300 ・ ・ ・ Data recording device 400 ・ ・ ・ Diagnostic device 410 ・ ・ ・ External input interface 420 ・ ・ ・ External output interface 430 ・ ・ ・ Measurement signal database 440 ... Classification result database 500 ... Measurement signal extraction means 600 ... Data classification means 700 ... Operation signal extraction means 800 ... Diagnosis Means 900 ... Operation management room 910 ... External input device 920 ... Keyboard 930 ... Mouse 940 ... Image display device
Claims (10)
プラントにて計測された計測信号及び制御装置で生成された操作信号の少なくとも一方が変化した原因が、プラントの状態変化及び制御ロジックの状態変化のどちらであるかを診断した結果を表示させる指令信号を送信することを特徴としたプラントと制御装置の診断装置。 In plant and control system diagnostic equipment,
Command signal that displays the result of diagnosing whether the change in the state of the plant or the change in the state of the control logic is caused by at least one of the measurement signal measured at the plant or the operation signal generated by the control device A diagnostic device for a plant and a control device, characterized in that
状態変化が起きた制御ロジックを表示させる指令信号を送信することを特徴としたプラントと制御装置の診断装置。 In the plant and control device diagnostic device according to claim 1,
A plant and control device diagnostic device, wherein a command signal for displaying a control logic in which a state change has occurred is transmitted.
プラントで計測された計測信号及び制御装置で生成された操作信号をカテゴリに分類するデータ分類手段と、
前記データ分類手段の分類結果に基づいて、正常か、プラント特性が変化したか、制御ロジックが変化したか、を区別する診断手段を備えたことを特徴としたプラントと制御装置の診断装置。 In plant and control system diagnostic equipment,
Data classification means for classifying measurement signals measured at the plant and operation signals generated by the control device into categories;
A diagnostic apparatus for a plant and a control apparatus, comprising diagnostic means for distinguishing whether normal, plant characteristics have changed, or control logic has changed based on a classification result of the data classification means.
前記診断手段は、第一の期間の分類結果と第二の期間の分類結果を比較するものであることを特徴とするプラントと制御装置の診断装置。 In the plant and control device diagnostic device according to claim 3,
The diagnostic device for a plant and a control device, wherein the diagnostic means compares the classification result of the first period and the classification result of the second period.
前記診断手段は、前記計測信号と操作信号とのカテゴリの関係が、前記第一の期間と前記第二の期間で同じ場合は正常と判定し、
前記計測信号のカテゴリの関係が同じで前記操作信号のカテゴリの関係に相違がある場合は制御ロジック変化と判定し、
前記操作信号のカテゴリの関係が同じで前記計測信号のカテゴリの関係に相違がある場合はプラント特性変化と判断することを特徴とするプラントと制御装置の診断装置。 In the plant and control device diagnostic device according to claim 4,
The diagnostic unit determines that the category relationship between the measurement signal and the operation signal is normal when the first period and the second period are the same,
If the measurement signal category relationship is the same and the operation signal category relationship is different, it is determined as a control logic change,
The plant and control device diagnosis apparatus, wherein the operation signal category relationship is the same and the measurement signal category relationship is determined to be a change in plant characteristics.
前記データ分類手段の分類結果を保存する分類結果データベースを備え、
前記操作信号は、複数の制御ロジックに基づいて生成されるものであり、
前記データ分類手段は、前記制御ロジックの入出力毎のカテゴリに分類した結果を前記分類結果データベースに送ることを特徴とするプラントと制御装置の診断装置。 In the plant and control device diagnostic device according to claim 5,
A classification result database for storing classification results of the data classification means;
The operation signal is generated based on a plurality of control logics,
The said data classification means sends the result classified into the category for every input / output of the said control logic to the said classification result database, The diagnostic apparatus of the plant and control apparatus characterized by the above-mentioned.
前記診断手段が制御ロジック変化と判定した際に、前記分類結果データベースの情報に基づいて変化した制御ロジックを特定することを特徴とするプラントと制御装置の診断装置。 In the plant and control device diagnostic device according to claim 6,
A diagnostic device for a plant and a control device, wherein when the diagnostic means determines that the control logic has changed, the changed control logic is identified based on information in the classification result database.
第一の期間にプラントで計測された計測信号及び制御装置で生成された操作信号をカテゴリに分類して診断モデルを構築し、
第二の期間にプラントで計測された計測信号及び制御装置で生成された操作信号をカテゴリに分類し、前記診断モデルと比較することを特徴とするプラントと制御装置の診断方法。 In the diagnosis method of the plant and the control device,
A diagnostic model is constructed by classifying measurement signals measured in the plant during the first period and operation signals generated by the control device into categories,
A diagnostic method for a plant and a control device, wherein the measurement signal measured by the plant in the second period and the operation signal generated by the control device are classified into categories and compared with the diagnostic model.
前記計測信号と操作信号とのカテゴリの関係が、前記第一の期間と前記第二の期間で同じ場合は正常と判定し、
前記計測信号のカテゴリの関係が同じで前記操作信号のカテゴリの関係に相違がある場合は制御ロジック変化と判定し、
線機操作信号のカテゴリの関係が同じで前記計測信号のカテゴリの関係に相違がある場合はプラント特性変化と判断することを特徴とするプラントと制御装置の診断方法。 In the plant and control device diagnosis method according to claim 8,
When the category relationship between the measurement signal and the operation signal is the same in the first period and the second period, it is determined to be normal,
If the measurement signal category relationship is the same and the operation signal category relationship is different, it is determined as a control logic change,
A plant and control device diagnosis method, characterized in that when the relationship between categories of the wire machine operation signal is the same and there is a difference in the category relationship between the measurement signals, it is determined that the plant characteristic has changed.
制御ロジック変化と判定した際に、制御ロジック毎の入出力データを分類した結果に基づいて、変化した制御ロジックを特定することを特徴とするプラントと制御装置の診断方法。 The plant and control device diagnosis method according to claim 9,
A method for diagnosing a plant and a control device, characterized in that when the control logic is determined to be changed, the changed control logic is identified based on a result of classifying input / output data for each control logic.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014037692A JP6200833B2 (en) | 2014-02-28 | 2014-02-28 | Diagnostic equipment for plant and control equipment |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014037692A JP6200833B2 (en) | 2014-02-28 | 2014-02-28 | Diagnostic equipment for plant and control equipment |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2015162140A true JP2015162140A (en) | 2015-09-07 |
| JP6200833B2 JP6200833B2 (en) | 2017-09-20 |
Family
ID=54185183
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2014037692A Active JP6200833B2 (en) | 2014-02-28 | 2014-02-28 | Diagnostic equipment for plant and control equipment |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6200833B2 (en) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017187820A (en) * | 2016-03-31 | 2017-10-12 | 株式会社東芝 | Process diagnostic device, process diagnostic method, and computer program |
| JPWO2017061028A1 (en) * | 2015-10-09 | 2018-07-05 | 株式会社日立製作所 | Anomaly detection device |
| WO2019167375A1 (en) * | 2018-03-01 | 2019-09-06 | 株式会社日立製作所 | Diagnosis device and diagnosis method |
| WO2019207766A1 (en) * | 2018-04-27 | 2019-10-31 | 株式会社日立製作所 | Control device and control method |
| JP2020067953A (en) * | 2018-10-26 | 2020-04-30 | 富士電機株式会社 | Abnormality detecting apparatus and abnormality detecting method |
| CN111272454A (en) * | 2018-12-04 | 2020-06-12 | 日立环球生活方案株式会社 | Abnormality diagnosis device and abnormality diagnosis method |
| KR20200131597A (en) * | 2019-05-14 | 2020-11-24 | 두산중공업 주식회사 | Apparatus and method for plant control |
| JP2022522278A (en) * | 2019-02-22 | 2022-04-15 | ビ－エイイ－ システムズ パブリック リミテッド カンパニ－ | Bespoke detection model |
| US11366627B2 (en) | 2017-12-18 | 2022-06-21 | Mitsubishi Electric Corporation | Display control device, display system, display device, and display method |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR3014956B1 (en) * | 2013-12-12 | 2015-12-25 | Renault Sas | DEVICE AND METHOD FOR CONTROLLING THE OPERATION OF AN EXHAUST GAS RECIRCULATION VALVE USING THE IGNITION FEED MANAGEMENT DEVICE |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS53131374A (en) * | 1977-04-22 | 1978-11-16 | Hitachi Ltd | Abnormality detecting apparatus of automatic control apparatus |
| JPH08320726A (en) * | 1995-05-24 | 1996-12-03 | Hitachi Ltd | Method and device for diagnosing and analyzing control system |
| JP2007041982A (en) * | 2005-08-05 | 2007-02-15 | Toshiba Corp | Plant warning system and plant warning method |
-
2014
- 2014-02-28 JP JP2014037692A patent/JP6200833B2/en active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS53131374A (en) * | 1977-04-22 | 1978-11-16 | Hitachi Ltd | Abnormality detecting apparatus of automatic control apparatus |
| JPH08320726A (en) * | 1995-05-24 | 1996-12-03 | Hitachi Ltd | Method and device for diagnosing and analyzing control system |
| JP2007041982A (en) * | 2005-08-05 | 2007-02-15 | Toshiba Corp | Plant warning system and plant warning method |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10956251B2 (en) | 2015-10-09 | 2021-03-23 | Hitachi, Ltd. | Abnormality detection device |
| JPWO2017061028A1 (en) * | 2015-10-09 | 2018-07-05 | 株式会社日立製作所 | Anomaly detection device |
| JP2017187820A (en) * | 2016-03-31 | 2017-10-12 | 株式会社東芝 | Process diagnostic device, process diagnostic method, and computer program |
| US11366627B2 (en) | 2017-12-18 | 2022-06-21 | Mitsubishi Electric Corporation | Display control device, display system, display device, and display method |
| JP2019153018A (en) * | 2018-03-01 | 2019-09-12 | 株式会社日立製作所 | Diagnostic device and diagnostic method |
| CN111542792A (en) * | 2018-03-01 | 2020-08-14 | 株式会社日立制作所 | Diagnostic device and diagnostic method |
| JP7180985B2 (en) | 2018-03-01 | 2022-11-30 | 株式会社日立製作所 | Diagnostic device and diagnostic method |
| WO2019167375A1 (en) * | 2018-03-01 | 2019-09-06 | 株式会社日立製作所 | Diagnosis device and diagnosis method |
| WO2019207766A1 (en) * | 2018-04-27 | 2019-10-31 | 株式会社日立製作所 | Control device and control method |
| JP2020067953A (en) * | 2018-10-26 | 2020-04-30 | 富士電機株式会社 | Abnormality detecting apparatus and abnormality detecting method |
| JP7408911B2 (en) | 2018-10-26 | 2024-01-09 | 富士電機株式会社 | Anomaly detection device and anomaly detection method |
| CN111272454A (en) * | 2018-12-04 | 2020-06-12 | 日立环球生活方案株式会社 | Abnormality diagnosis device and abnormality diagnosis method |
| CN111272454B (en) * | 2018-12-04 | 2022-03-29 | 日立环球生活方案株式会社 | Abnormality diagnosis device and abnormality diagnosis method |
| JP2022522278A (en) * | 2019-02-22 | 2022-04-15 | ビ－エイイ－ システムズ パブリック リミテッド カンパニ－ | Bespoke detection model |
| JP7247358B2 (en) | 2019-02-22 | 2023-03-28 | ビ－エイイ－ システムズ パブリック リミテッド カンパニ－ | Bespoke detection model |
| KR102249868B1 (en) * | 2019-05-14 | 2021-05-11 | 두산중공업 주식회사 | Apparatus and method for plant control |
| KR20200131597A (en) * | 2019-05-14 | 2020-11-24 | 두산중공업 주식회사 | Apparatus and method for plant control |
Also Published As
| Publication number | Publication date |
|---|---|
| JP6200833B2 (en) | 2017-09-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6200833B2 (en) | Diagnostic equipment for plant and control equipment | |
| EP2905665B1 (en) | Information processing apparatus, diagnosis method, and program | |
| JP6672132B2 (en) | Lift diagnostic system, lift diagnostic device, and lift diagnostic method | |
| JP5544418B2 (en) | Plant diagnostic device, diagnostic method, and diagnostic program | |
| JP5946572B1 (en) | Abnormal sign diagnosis system and abnormality sign diagnosis method | |
| US11782430B2 (en) | Abnormality diagnosis method, abnormality diagnosis device and non-transitory computer readable storage medium | |
| CN104471542B (en) | The hidden Kalman filter of differentiation for the classification of the sensing data flowed in Stateful Inspection | |
| JP6871877B2 (en) | Information processing equipment, information processing methods and computer programs | |
| JP2015170121A (en) | Abnormality diagnosis device and program | |
| JP2013140135A (en) | Abnormality detection apparatus for periodic driving system, processing apparatus including periodic driving system, abnormality detection method for periodic driving system, and computer program | |
| JP6778132B2 (en) | Abnormality diagnosis system for equipment | |
| JPWO2012073289A1 (en) | PLANT DIAGNOSIS DEVICE AND PLANT DIAGNOSIS METHOD | |
| CN107710089B (en) | Plant equipment diagnosis device and plant equipment diagnosis method | |
| JP2019079356A (en) | Abnormality detection system and abnormality detection method | |
| CN108369416B (en) | Abnormality diagnosis system | |
| JP6674033B2 (en) | Plant abnormality diagnosis device and plant abnormality diagnosis system | |
| JP6714498B2 (en) | Equipment diagnosis device and equipment diagnosis method | |
| US11188047B2 (en) | Automatic visual and acoustic analytics for event detection | |
| JP6685124B2 (en) | Diagnostic device and diagnostic method | |
| TW202045898A (en) | Analysis apparatus, analysis method, and non-transitory computer readable storage medium | |
| JP2023106472A (en) | Abnormality detection device and abnormality detection method | |
| KR20210006832A (en) | Method and apparatus for machine fault diagnosis | |
| JP6785715B2 (en) | Normal / abnormal discrimination device, normal / abnormal discrimination method, and normal / abnormal discrimination system | |
| US11783233B1 (en) | Detection and visualization of novel data instances for self-healing AI/ML model-based solution deployment | |
| US20240232714A1 (en) | Detection and visualization of novel data instances for self-healing ai/ml model-based solution deployment |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160621 |
|
| RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20170110 |
|
| RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20170112 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170411 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170418 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170612 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170704 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170713 |
|
| 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: 20170801 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170828 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6200833 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |