JP2020190994A - Facility maintenance management system - Google Patents
Facility maintenance management system Download PDFInfo
- Publication number
- JP2020190994A JP2020190994A JP2019096859A JP2019096859A JP2020190994A JP 2020190994 A JP2020190994 A JP 2020190994A JP 2019096859 A JP2019096859 A JP 2019096859A JP 2019096859 A JP2019096859 A JP 2019096859A JP 2020190994 A JP2020190994 A JP 2020190994A
- Authority
- JP
- Japan
- Prior art keywords
- corrosion rate
- corrosion
- file
- management system
- actual measurement
- 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 36
- 230000007797 corrosion Effects 0.000 claims abstract description 99
- 238000005260 corrosion Methods 0.000 claims abstract description 99
- 238000005259 measurement Methods 0.000 claims abstract description 58
- 238000004458 analytical method Methods 0.000 claims abstract description 32
- 238000011156 evaluation Methods 0.000 claims description 40
- 230000007774 longterm Effects 0.000 claims description 10
- 238000007670 refining Methods 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000007689 inspection Methods 0.000 abstract description 15
- 238000000034 method Methods 0.000 abstract description 8
- 238000007726 management method Methods 0.000 description 27
- 238000004891 communication Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000007639 printing Methods 0.000 description 5
- 239000012530 fluid Substances 0.000 description 4
- 238000011158 quantitative evaluation Methods 0.000 description 4
- 238000013500 data storage Methods 0.000 description 3
- 230000006866 deterioration Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000005504 petroleum refining Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
- General Factory Administration (AREA)
Abstract
Description
本発明は、たとえば、プラント等に配置された配管などの設備の保全管理を行う設備保全管理システムに関する。 The present invention relates to, for example, an equipment maintenance management system that performs maintenance management of equipment such as pipes arranged in a plant or the like.
プラント等では、腐食等の劣化現象のため設備や配管から内部流体が漏えいする事故がしばしば発生する。そのため、設備や配管の肉厚を適切に管理する必要があるが、肉厚測定には相応の工数や費用がかかるため、劣化が進行していない設備や配管に対して検査を行なうことは非効率である。 In plants and the like, accidents in which internal fluid leaks from equipment and piping often occur due to deterioration phenomena such as corrosion. Therefore, it is necessary to properly manage the wall thickness of equipment and piping, but since measuring the wall thickness requires a considerable amount of man-hours and costs, it is not possible to inspect equipment and piping that have not progressed. Efficiency.
一方、劣化の進んだ設備や配管の検査を怠ると内部流体の漏えいが発生し円滑なプラント運営ができなくなる。このため、設備や配管の劣化状況を予測して、効率的な検査計画を立案することが重要である。 On the other hand, if inspection of deteriorated equipment and piping is neglected, internal fluid leakage will occur and smooth plant operation will not be possible. Therefore, it is important to predict the deterioration status of equipment and piping and formulate an efficient inspection plan.
ここで、検査計画の立案には、過去の肉厚測定データのトレンドから腐食速度を推定し、設備や配管の余寿命（あとどれくらいの期間で穴が開くか）を推定することにより、次に検査すべき時期及び箇所を決定する方法がある。 Here, in formulating the inspection plan, the corrosion rate is estimated from the trend of the past wall thickness measurement data, and the remaining life of the equipment and piping (how long the hole will be opened) is estimated next. There is a way to determine when and where to inspect.
また、腐食速度の推定方法としては、長期肉厚評価（初期肉厚と最新肉厚との減肉量に基づく評価）、短期肉厚評価（直近２点間の減肉量に基づく評価）、回帰肉厚評価（全肉厚データの線形回帰直線による評価）などの方法がある。 In addition, as a method for estimating the corrosion rate, long-term wall thickness evaluation (evaluation based on the initial wall thickness and the latest wall thickness reduction amount), short-term wall thickness evaluation (evaluation based on the wall loss amount between the latest two points), There are methods such as regression wall thickness evaluation (evaluation of total wall thickness data using a linear regression line).
一方、最近は、ニューラルネットワーク等の高度数学を用いるＡＩ技術が、腐食速度の予測に用いられる場合がある。
現在は、これらの技術及びその組み合わせにより、プラントのベテラン検査員が検査計画を立案している状況である。
なお、上述の技術に係る先行技術文献としては、下記の特許文献１、２が存在する。
On the other hand, recently, AI technology using advanced mathematics such as a neural network may be used for predicting the corrosion rate.
Currently, veteran inspectors of plants are formulating inspection plans using these technologies and their combinations.
The following patent documents 1 and 2 exist as prior art documents related to the above-mentioned technique.
しかしながら、長期腐食率等の実測の腐食速度(実測腐食速度)は、測定を行っていない部位の肉厚はわからないため、想定外の場所で腐食が進行し漏えいしたり、あるいは、測定値の記入ミスなどにより誤った評価をしてしまうという問題がある。 However, as for the measured corrosion rate (measured corrosion rate) such as the long-term corrosion rate, since the wall thickness of the part that has not been measured is not known, corrosion progresses in an unexpected place and leaks, or the measured value is entered. There is a problem that an incorrect evaluation is made due to a mistake or the like.
また、ＡＩによって予測される腐食速度(予測腐食速度)は、測定を行っていない部位の腐食速度を予測できるものの、基本的には高度な数学を使った平均値の算出であるため、同じ入力変数をもつ大多数の低腐食部のデータに引っ張られ、予測腐食速度が小さくなる場合がある。 In addition, the corrosion rate predicted by AI (predicted corrosion rate) can predict the corrosion rate of the part that has not been measured, but it is basically the calculation of the average value using advanced mathematics, so the same input The predicted corrosion rate may be reduced by being pulled by the data of the majority of low corrosion areas with variables.
さらに、文献を基に推測される腐食速度(理論腐食速度)は、同じ環境の最大腐食速度や最大公約数的な腐食速度を知ることができるものの、実測の肉厚データを反映したものではないため、誤差が大きくなる場合がある。 Furthermore, the corrosion rate estimated based on the literature (theoretical corrosion rate) does not reflect the measured wall thickness data, although the maximum corrosion rate and the greatest common divisor corrosion rate in the same environment can be known. Therefore, the error may become large.
以上のような制約があるため、これまでのベテラン検査員は、自らの経験（理論腐食速度の推定に相当する過去の経験）と現場の肉厚測定に基づく実測腐食速度から、装置の劣化状況を総合的に判断し、検査計画を立てるのが常であった。ところが、このようなベテラン検査員の引退に伴い、現在では信頼性の高い検査計画を立案することが難しくなってきている。 Due to the above restrictions, veteran inspectors have been able to determine the deterioration status of the equipment based on their own experience (past experience equivalent to the estimation of the theoretical corrosion rate) and the actual corrosion rate based on the on-site wall thickness measurement. It was usual to make a comprehensive judgment and make an inspection plan. However, with the retirement of such veteran inspectors, it is now difficult to formulate a highly reliable inspection plan.
本発明の目的は、想定外の漏えい事故の発生を防止するだけでなく、検査点や検査頻度を削減すると共にメンテナンスコストを削減可能な設備保全管理システムを提供することである。 An object of the present invention is to provide a facility maintenance management system that can not only prevent the occurrence of unexpected leakage accidents, but also reduce inspection points and inspection frequencies and reduce maintenance costs.
本発明の設備保全管理システムは、
データの解析を行う解析サーバと、解析サーバとネットワークを介して接続されている端末とを備える設備保全管理システムであって、
前記端末が、
対象設備の実測履歴である肉厚測定データに基づく実測ファイル、および環境ごとに想定される理論腐食速度を含む損傷予測用データと対象設備の運転データに基づく損傷予測用ファイルを作成する機能を有し、
前記解析サーバが、
前記端末から前記ネットワークを介して前記実測ファイル、前記損傷予測用ファイルを受信する受信部と、
前記実測ファイルを用いて前記対象設備の腐食率を実測値として算出し、前記実測値および前記運転データを用いて前記対象設備の予測腐食速度である予測値を算出し、かつ前記損傷予測用ファイルを用いて前記対象設備の理論腐食速度である理論値を算出する解析部と
を備えることを特徴とする。
The equipment maintenance management system of the present invention
A facility maintenance management system that includes an analysis server that analyzes data and a terminal that is connected to the analysis server via a network.
The terminal
It has a function to create an actual measurement file based on the wall thickness measurement data which is the actual measurement history of the target equipment, and a damage prediction file based on the damage prediction data including the theoretical corrosion rate assumed for each environment and the operation data of the target equipment. And
The analysis server
A receiving unit that receives the measured file and the damage prediction file from the terminal via the network.
The corrosion rate of the target equipment is calculated as an actual measurement value using the actual measurement file, the predicted value which is the predicted corrosion rate of the target equipment is calculated using the actual measurement value and the operation data, and the damage prediction file is used. It is characterized by including an analysis unit for calculating a theoretical value which is a theoretical corrosion rate of the target equipment using the above.
また、本発明の設備保全管理システムは、
前記解析サーバが、
さらに、前記解析部により算出された前記実測値、前記予測値、および前記理論値を用いて、前記対象設備の腐食系統ごとの腐食評価を行う評価部と、
前記腐食評価の結果を前記端末に送信する結果送信部と
を備えることを特徴とする。
Further, the equipment maintenance management system of the present invention is
The analysis server
Further, an evaluation unit that evaluates corrosion for each corrosion system of the target equipment by using the measured value, the predicted value, and the theoretical value calculated by the analysis unit.
It is characterized by including a result transmission unit that transmits the result of the corrosion evaluation to the terminal.
また、本発明の設備保全管理システムは、
前記評価部が、前記対象設備の腐食系統ごとの腐食評価に所定のコメントを付することを特徴とする。
Further, the equipment maintenance management system of the present invention is
The evaluation unit is characterized in that a predetermined comment is added to the corrosion evaluation for each corrosion system of the target equipment.
また、本発明の設備保全管理システムは、
前記解析部が、ＡＩ技術を用いて前記予測値を算出することを特徴とする。
Further, the equipment maintenance management system of the present invention is
The analysis unit is characterized in that the predicted value is calculated by using the AI technique.
また、本発明の設備保全管理システムは、
前記対象設備の腐食率が、長期腐食率、短期腐食率、および回帰腐食率の中の少なくとも一つであることを特徴とする。
Further, the equipment maintenance management system of the present invention is
The target equipment is characterized in that the corrosion rate is at least one of a long-term corrosion rate, a short-term corrosion rate, and a regression corrosion rate.
また、本発明の設備保全管理システムは、
前記対象設備が、石油精製プラントであることを特徴とする。
Further, the equipment maintenance management system of the present invention is
The target facility is an oil refining plant.
本発明によれば、想定外の漏えい事故の発生を防止するだけでなく、検査に要する労力を削減すると共にメンテナンスコストを削減可能な設備保全管理システムを提供することができる。 According to the present invention, it is possible to provide a facility maintenance management system that can not only prevent the occurrence of an unexpected leakage accident, but also reduce the labor required for inspection and the maintenance cost.
以下、図面を参照して、本発明の実施の形態に係る設備保全管理システムについて、石油精製プラント設備の配管の内面腐食管理を行う場合を例に説明する。図１は、実施の形態に係る設備保全管理システムの管理対象となる石油精製プラント設備の配管系統図の一部を示す図である。図１において、たとえば、反応系には、反応塔と加熱炉が含まれ、これらが配管で接続されている。かかる配管において複数の定点が設定されており、定点について定期的に肉厚の実測がなされる。また、図１において、番号が付された四角枠は腐食系統を示す。たとえば、反応系は、２Ｅａ、２Ｅｂ、２Ｆａ、２Ｆｂ、２Ｆｃの５つの腐食系統に区分されている。この腐食系統内に単数または複数の定点が含まれる。このように腐食系統を定義することにより、問題がある定点がどこにあるのかを概括的に把握することが可能となり、腐食傾向の把握、問題個所への速やかな対応が可能となる。 Hereinafter, the equipment maintenance management system according to the embodiment of the present invention will be described with reference to the drawings, taking as an example the case where the inner surface corrosion control of the piping of the oil refining plant equipment is performed. FIG. 1 is a diagram showing a part of a piping system diagram of an oil refining plant facility to be managed by the facility maintenance management system according to the embodiment. In FIG. 1, for example, the reaction system includes a reaction tower and a heating furnace, which are connected by piping. A plurality of fixed points are set in such piping, and the wall thickness is regularly measured at the fixed points. Further, in FIG. 1, the numbered square frames indicate the corrosion system. For example, the reaction system is divided into five corrosion systems, 2Ea, 2Eb, 2Fa, 2Fb, and 2Fc. This corrosion system contains one or more fixed points. By defining the corrosion system in this way, it is possible to roughly grasp where the fixed point having a problem is, grasp the corrosion tendency, and promptly respond to the problematic part.
図２は、実施の形態に係る設備保全管理システムを示すブロック図である。図２に示すように、設備保全管理システム２は、利用者の端末４、データベースを備えたデータベースサーバ５、および石油精製プラント設備の腐食評価を行う解析サーバ６を備え、これらがネットワーク８を介して接続されている。 FIG. 2 is a block diagram showing a facility maintenance management system according to the embodiment. As shown in FIG. 2, the equipment maintenance management system 2 includes a user terminal 4, a database server 5 equipped with a database, and an analysis server 6 for evaluating corrosion of oil refining plant equipment, which are connected via a network 8. Is connected.
ここで、図３に示すように、端末４は、端末４の各部を制御する制御部１０を備えている。制御部１０には、ネットワーク８を介してデータベースサーバ５や解析サーバ６との通信を行う通信部１２、端末４上で作成されたファイルを記憶するファイル記憶部１９、および腐食解析の事前準備に必要な情報を入力する表示画面２０、印刷部２２が接続されている。なお、制御部１０においては、たとえば、商品名「Ａ−ＭＩＳ」などの配管肉厚管理用の公知のプログラムを利用することができる。 Here, as shown in FIG. 3, the terminal 4 includes a control unit 10 that controls each unit of the terminal 4. The control unit 10 includes a communication unit 12 that communicates with the database server 5 and the analysis server 6 via the network 8, a file storage unit 19 that stores a file created on the terminal 4, and preparations for corrosion analysis. A display screen 20 for inputting necessary information and a printing unit 22 are connected. In the control unit 10, for example, a known program for pipe wall thickness management such as the trade name "A-MIS" can be used.
また、図４に示すように、データベースサーバ５は、各データベースを統括する制御部１３、ネットワーク８を介して端末４や解析サーバ６との通信を行う通信部１７、実測値記録データベース１４、損傷予測用データベース１６、運転データベース１８を備えている。これら三つのデータベースは、実際には一つのオラクルデータベース上に存在する仮想的なデータベース（複数のデータベースの集合体）であるが、ここでは便宜上、図４に示すようにそれぞれのデータベースを区別して説明する。 Further, as shown in FIG. 4, the database server 5 includes a control unit 13 that controls each database, a communication unit 17 that communicates with a terminal 4 and an analysis server 6 via a network 8, a measured value recording database 14, and damage. It includes a prediction database 16 and an operation database 18. These three databases are actually virtual databases (aggregates of a plurality of databases) existing on one Oracle database, but for convenience, each database will be described separately as shown in FIG. To do.
ここで、実測値記録データベース１４は、石油精製プラント設備の配管の肉厚の実測履歴である肉厚測定データを記録するデータベースである。この肉厚測定データには、たとえば、図５に示すように、配管の各定点の肉厚と実測年月日などが記録されている。この肉厚測定データ１５は、各定点において肉厚の定点観測が行われるたびに追加更新される。 Here, the actual measurement value recording database 14 is a database that records the wall thickness measurement data, which is the actual measurement history of the wall thickness of the piping of the oil refining plant equipment. In this wall thickness measurement data, for example, as shown in FIG. 5, the wall thickness of each fixed point of the pipe and the actual measurement date are recorded. The wall thickness measurement data 15 is additionally updated every time a fixed point observation of the wall thickness is performed at each fixed point.
損傷予測用データベース１６は、配管の理論腐食速度などの損傷予測用データを記録するデータベースである。記録される理論腐食速度は、たとえば、日本高圧力技術協会発行のＨＰＩＳ Ｚ１０７、アメリカ石油学会発行のＡＰＩ ＲＰ ５８１のような学会規格の文献等に記載されている環境ごとに想定される最大腐食速度や最大公約数的な腐食速度である。なお、損傷予測用データベース１６には、後述する損傷予測用ファイル４２（定性評価入力表）のブランクシートも記憶されている。 The damage prediction database 16 is a database for recording damage prediction data such as the theoretical corrosion rate of pipes. The recorded theoretical corrosion rate is the maximum corrosion rate assumed for each environment described in academic society standard documents such as HPIS Z107 published by the Japan High Pressure Technology Association and API RP 581 published by the American Petroleum Society. And the greatest common divisor corrosion rate. The damage prediction database 16 also stores a blank sheet of the damage prediction file 42 (qualitative evaluation input table), which will be described later.
運転データベース１８は、たとえば、運転温度、配管材質、配管サイズ、配管形状、使用年数、腐食系統、流れ状態、配管内を通過する流体の流速、および運転圧力等の石油精製プラント設備の運転データを記録するデータベースである。なお、運転データの多くは配管の定点ごとに設定されるが、運転温度や流速については、定点ごとではなく腐食系統ごとの代表値である場合がある。 The operation database 18 stores operation data of oil refining plant equipment such as operating temperature, piping material, piping size, piping shape, years of use, corrosion system, flow condition, flow velocity of fluid passing through the piping, and operating pressure. It is a database to record. Most of the operation data is set for each fixed point of the pipe, but the operating temperature and the flow velocity may be representative values for each corrosion system instead of each fixed point.
また、上述の実測値記録データベース１４、損傷予測用データベース１６、運転データベース１８は、各社の石油精製プラント設備ごとに存在する。 Further, the above-mentioned actual measurement value recording database 14, damage prediction database 16, and operation database 18 exist for each oil refining plant facility of each company.
解析サーバ６は、図６に示すように、解析サーバ６の各部を制御する制御部３０（解析部、評価部）を備えている。制御部３０には、ネットワーク８を介して端末４との通信を行う通信部３２（受信部、結果送信部）、データ記憶部３３、およびコメント記憶部３４が接続されている。 As shown in FIG. 6, the analysis server 6 includes a control unit 30 (analysis unit, evaluation unit) that controls each unit of the analysis server 6. The control unit 30 is connected to a communication unit 32 (reception unit, result transmission unit), a data storage unit 33, and a comment storage unit 34 that communicate with the terminal 4 via the network 8.
次に、実施の形態に係る設備保全管理システム２における一連の処理について図７、８に示すフローチャートを用いて説明する。まず、表示画面２０にメニュー画面（図示せず）が表示され、利用者が「解析開始」ボタン（図示せず）をクリックすると、端末４の制御部１０は、ネットワーク８を介してデータベースサーバ５の実測値記録データベース１４から肉厚測定データ１５をダウンロードする（ステップＳ１）。ここで、利用者は、読み出された肉厚測定データ１５の内容を印刷部２２で印刷するなどして確認し、不足しているデータがある場合には、不足しているデータを肉厚測定データ１５に追加する。 Next, a series of processes in the equipment maintenance management system 2 according to the embodiment will be described with reference to the flowcharts shown in FIGS. 7 and 8. First, a menu screen (not shown) is displayed on the display screen 20, and when the user clicks the "analysis start" button (not shown), the control unit 10 of the terminal 4 enters the database server 5 via the network 8. The wall thickness measurement data 15 is downloaded from the actual measurement value recording database 14 of the above (step S1). Here, the user confirms by printing the contents of the read wall thickness measurement data 15 on the printing unit 22 or the like, and if there is insufficient data, the missing data is thickened. It is added to the measurement data 15.
次に、制御部１０は、この肉厚測定データ１５を解析可能なように標準化し、標準化された肉厚測定データ１５を用いて、図９に示すような、実測ファイル４０を作成する（ステップＳ２）。作成された実測ファイル４０は、ファイル記憶部１９に記憶される。 Next, the control unit 10 standardizes the wall thickness measurement data 15 so that it can be analyzed, and creates an actual measurement file 40 as shown in FIG. 9 using the standardized wall thickness measurement data 15 (step). S2). The created actual measurement file 40 is stored in the file storage unit 19.
実測ファイル４０が作成されると表示画面２０にメニュー画面が表示され、利用者が「損傷予測シート出力」ボタン（図示せず）をクリックすると、図１０に示すような、損傷予測用ファイル４２のブランクシートが、ネットワーク８を介してデータベースサーバ５の損傷予測用データベース１６から端末４にダウンロードされ、表示画面２０に表示される（ステップＳ３）。利用者は、損傷予測用ファイル４２のブランクシートの左側に表示されているＢ範囲の個々の質問に対し、「○」（ｙｅｓ）または「×」（ｎｏ）の回答を配管のラインＮＯごとに入力する。ここで、ラインＮＯは各配管の管理単位である。 When the actual measurement file 40 is created, a menu screen is displayed on the display screen 20, and when the user clicks the "damage prediction sheet output" button (not shown), the damage prediction file 42 as shown in FIG. The blank sheet is downloaded from the damage prediction database 16 of the database server 5 to the terminal 4 via the network 8 and displayed on the display screen 20 (step S3). The user answers "○" (yes) or "×" (no) to each question in the B range displayed on the left side of the blank sheet of the damage prediction file 42 for each piping line number. input. Here, the line NO is a management unit of each pipe.
利用者がすべての質問に回答すると、再び表示画面２０にメニュー画面が表示される。ここで、利用者が「ファイル作成」ボタン（図示せず）をクリックすると、制御部１０は、損傷予測用データベース１６に記録されている損傷予測用データをデータベースサーバ５からダウンロードし（ステップＳ４）、図１０に示すように、損傷予測用ファイル４２の中央に示される「損傷分類結果出力列」に管理単位であるラインＮＯごとの損傷分類結果を出力する。なお、損傷分類は、Ｂ範囲に入力された回答に基づいて出力される。次に、損傷予測用ファイル４２の右側に表示されているＣ範囲の空欄に損傷分類結果ごとの運転データの数値が入力されると、損傷予測用ファイル４２が完成する（ステップＳ５）。完成した損傷予測用ファイル４２は、ファイル記憶部１９に記憶される。 When the user answers all the questions, the menu screen is displayed again on the display screen 20. Here, when the user clicks the "file creation" button (not shown), the control unit 10 downloads the damage prediction data recorded in the damage prediction database 16 from the database server 5 (step S4). , As shown in FIG. 10, the damage classification result for each line number, which is a management unit, is output to the "damage classification result output string" shown in the center of the damage prediction file 42. The damage classification is output based on the answer input in the B range. Next, when the numerical value of the operation data for each damage classification result is input in the blank of the C range displayed on the right side of the damage prediction file 42, the damage prediction file 42 is completed (step S5). The completed damage prediction file 42 is stored in the file storage unit 19.
次に、制御部１０は、ファイル記憶部１９から実測ファイル４０および損傷予測用ファイル４２を読み出し、これらを統合して、腐食評価ファイル（図示せず）を作成する（ステップＳ６）。なお、腐食評価ファイルには実測ファイル４０および損傷予測用ファイル４２が含まれており、腐食評価ファイルから実測ファイル４０、損傷予測用ファイル４２を独立して読み出すことが可能である。 Next, the control unit 10 reads the actual measurement file 40 and the damage prediction file 42 from the file storage unit 19, integrates them, and creates a corrosion evaluation file (not shown) (step S6). The corrosion evaluation file includes the actual measurement file 40 and the damage prediction file 42, and the actual measurement file 40 and the damage prediction file 42 can be independently read from the corrosion evaluation file.
ここで、利用者が表示画面２０の表示をメニュー画面に切り換え、解析実行ボタン（図示せず）をクリックすると、制御部１０は、通信部１２を介して腐食評価ファイルを解析サーバ６に送信する（ステップＳ７）。 Here, when the user switches the display of the display screen 20 to the menu screen and clicks the analysis execution button (not shown), the control unit 10 transmits the corrosion evaluation file to the analysis server 6 via the communication unit 12. (Step S7).
また、解析サーバ６は、通信部３２を介して腐食評価ファイルを受信すると、制御部３０により、腐食評価モデルを用いて、実測値、予測値、および理論値を算出するための解析を行う。 Further, when the analysis server 6 receives the corrosion evaluation file via the communication unit 32, the control unit 30 performs an analysis for calculating the actually measured value, the predicted value, and the theoretical value by using the corrosion evaluation model.
実測値評価において、制御部３０は、腐食評価ファイルに含まれる実測ファイル４０を用いて、実測値を算出する。具体的には、下記の数式（数式（１））に基づいて配管の各定点の単位時間当たりの腐食率である長期腐食率を実測値として算出する（ステップＳ８）。
長期腐食率＝（ｄ２−ｄ１）／ｈ … （数式１）
In the actual measurement value evaluation, the control unit 30 calculates the actual measurement value using the actual measurement file 40 included in the corrosion evaluation file. Specifically, the long-term corrosion rate, which is the corrosion rate per unit time of each fixed point of the pipe, is calculated as an actual measurement value based on the following mathematical formula (mathematical formula (1)) (step S8).
Long-term corrosion rate = (d2-d1) / h ... (Formula 1)
ここで、ｄ１、ｄ２は、それぞれ今回実測された肉厚、元肉厚を示し、ｈは運転開始から今回実測（ｄ１）までの時間に対応する設備の運転時間を示している。 Here, d1 and d2 indicate the wall thickness and the original wall thickness actually measured this time, respectively, and h indicates the operation time of the equipment corresponding to the time from the start of operation to the actual measurement (d1) this time.
制御部３０は、実測値を算出すると、腐食評価ファイルを元に検査点数、検査回数を算出する（ステップＳ９）。また、腐食評価ファイルを用いて、図１１に示す定量評価入力表４６を作成し（ステップＳ１０）、データ記憶部３３に記憶する。 When the control unit 30 calculates the measured value, it calculates the number of inspection points and the number of inspections based on the corrosion evaluation file (step S9). Further, using the corrosion evaluation file, the quantitative evaluation input table 46 shown in FIG. 11 is created (step S10) and stored in the data storage unit 33.
この実測値評価により、実測の腐食速度、データのばらつき、測定回数などの情報からデータの信頼度が評価される。 By this measurement value evaluation, the reliability of the data is evaluated from the information such as the actual corrosion rate, the variation of the data, and the number of measurements.
また、予測値評価において、制御部３０は、実測値評価において算出された長期腐食率、および運転データ（ステップＳ５にて損傷予測用ファイル４２に含まれている。）を用いて、運転データに示される項目（運転温度、配管材質、配管サイズ、配管形状、使用年数、腐食系統、流れ状態、および配管内を通過する流体の流速）ごとの予測値を算出する（ステップＳ１１）。なお、予測値の算出は、たとえば、ニューラルネットワークなどのＡＩ技術を用いて行われる。この予測値により、グループ化された環境ごとの腐食速度が予測される。算出された予測値は、定量評価入力表４６に入力される（ステップＳ１０）。 Further, in the predicted value evaluation, the control unit 30 uses the long-term corrosion rate calculated in the measured value evaluation and the operation data (included in the damage prediction file 42 in step S5) as the operation data. Predicted values for each of the indicated items (operating temperature, pipe material, pipe size, pipe shape, years of use, corrosion system, flow condition, and flow velocity of fluid passing through the pipe) are calculated (step S11). The predicted value is calculated using, for example, an AI technique such as a neural network. This predicted value predicts the corrosion rate for each grouped environment. The calculated predicted value is input to the quantitative evaluation input table 46 (step S10).
また、理論値評価において、制御部３０は、腐食評価ファイルに含まれる損傷予測用ファイル４２を用いて、損傷分類ごとに発生し得る理論腐食速度を理論値として算出する（ステップＳ１２）。算出された理論値は、定量評価入力表４６に入力される（ステップＳ１０）。 Further, in the theoretical value evaluation, the control unit 30 calculates the theoretical corrosion rate that can occur for each damage classification as a theoretical value by using the damage prediction file 42 included in the corrosion evaluation file (step S12). The calculated theoretical value is input to the quantitative evaluation input table 46 (step S10).
次に、制御部３０は、実測値、予測値、理論値、検査個所数、および検査回数を所定の条件式にて数値化し、腐食系統ごとに、この数値をたとえば５段階にランキングする。次に、各ランクに紐づけられている複数のコメントの中から最も適切なコメントをコメント記憶部３４から読み出し、図１２に示す、肉厚測定結果評価表４８を作成する（ステップＳ１３）。次に、制御部３０は、この肉厚測定結果評価表４８のデータを通信部３２を介して端末４に送信する。端末４は、肉厚測定結果評価表４８のデータを受信すると、印刷部２２により肉厚測定結果評価表４８を印刷する。 Next, the control unit 30 quantifies the measured value, the predicted value, the theoretical value, the number of inspection points, and the number of inspections by a predetermined conditional expression, and ranks these values in, for example, five stages for each corrosion system. Next, the most appropriate comment from the plurality of comments associated with each rank is read from the comment storage unit 34, and the wall thickness measurement result evaluation table 48 shown in FIG. 12 is created (step S13). Next, the control unit 30 transmits the data of the wall thickness measurement result evaluation table 48 to the terminal 4 via the communication unit 32. When the terminal 4 receives the data of the wall thickness measurement result evaluation table 48, the printing unit 22 prints the wall thickness measurement result evaluation table 48.
この実施の形態に係る設備保全管理システム２によれば、実測値、予測値、および理論値の３種類の解析を行い、これらを比較することにより、ベテラン検査員と同程度の評価を行うことができるため、想定外の漏えい事故の発生を防止するだけでなく、検査に要する労力を削減すると共にメンテナンスコストを削減することができる。 According to the equipment maintenance management system 2 according to this embodiment, three types of analysis, an actual measurement value, a predicted value, and a theoretical value, are performed, and by comparing these, an evaluation equivalent to that of a veteran inspector is performed. This not only prevents the occurrence of unexpected leakage accidents, but also reduces the labor required for inspection and the maintenance cost.
なお、上述の実施の形態においては、実測値評価において、腐食率として長期腐食率を算出しているが、短期腐食率や回帰腐食率を算出するようにしてもよい。ここで、短期腐食率とは、直近２回の測定値から算出される腐食速度である。長期腐食率が運転期間中の平均腐食傾向を示すのに対して、短期腐食率は、直近の腐食傾向を示すものである。また、回帰腐食率とは、全肉厚データの最小二乗法による回帰直線に基づく腐食率である。長期腐食率が元肉厚と最新値の２点から単純計算される腐食率であるのに対して、回帰腐食率は、全データに基づくより信頼性の高い腐食率である。これら３種の腐食率は、お互いに補完する特徴を有しているため、複数利用することにより、より高度な設備管理が期待できる。 In the above-described embodiment, the long-term corrosion rate is calculated as the corrosion rate in the actual measurement value evaluation, but the short-term corrosion rate and the regression corrosion rate may be calculated. Here, the short-term corrosion rate is the corrosion rate calculated from the values measured twice in the last two times. The long-term corrosion rate shows the average corrosion tendency during the operation period, while the short-term corrosion rate shows the latest corrosion tendency. The regression corrosion rate is a corrosion rate based on a regression line obtained by the least squares method of total wall thickness data. The long-term corrosion rate is a corrosion rate that is simply calculated from the two points of the original wall thickness and the latest value, while the regression corrosion rate is a more reliable corrosion rate based on all the data. Since these three types of corrosion rates have characteristics that complement each other, more advanced equipment management can be expected by using a plurality of them.
２ 設備保全管理システム
４ 端末
５ データベースサーバ
６ 解析サーバ
８ ネットワーク
１０ 制御部
１２ 通信部
１３ 制御部
１４ 実測値記録データベース
１５ 肉厚測定データ
１６ 損傷予測用データベース
１７ 通信部
１８ 運転データベース
１９ ファイル記憶部
２０ 表示画面
２２ 印刷部
３０ 制御部
３２ 通信部
３３ データ記憶部
３４ コメント記憶部
４０ 実測ファイル
４２ 損傷予測用ファイル
４６ 定性評価入力表
４８ 肉厚測定結果評価表
2 Equipment maintenance management system 4 Terminal 5 Database server 6 Analysis server 8 Network 10 Control unit 12 Communication unit 13 Control unit 14 Measured value recording database 15 Wall thickness measurement data 16 Damage prediction database 17 Communication unit 18 Operation database 19 File storage unit 20 Display screen 22 Printing unit 30 Control unit 32 Communication unit 33 Data storage unit 34 Comment storage unit 40 Actual measurement file 42 Damage prediction file 46 Qualitative evaluation input table 48 Wall thickness measurement result evaluation table
Claims (6)
前記端末は、
対象設備の実測履歴である肉厚測定データに基づく実測ファイル、および環境ごとに想定される理論腐食速度を含む損傷予測用データと対象設備の運転データに基づく損傷予測用ファイルを作成する機能を有し、
前記解析サーバは、
前記端末から前記ネットワークを介して前記実測ファイル、前記損傷予測用ファイルを受信する受信部と、
前記実測ファイルを用いて前記対象設備の腐食率を実測値として算出し、前記実測値および前記運転データを用いて前記対象設備の予測腐食速度である予測値を算出し、かつ前記損傷予測用ファイルを用いて前記対象設備の理論腐食速度である理論値を算出する解析部と
を備えることを特徴とする設備保全管理システム。 A facility maintenance management system including an analysis server that analyzes data and a terminal connected to the analysis server via a network.
The terminal
It has a function to create an actual measurement file based on the wall thickness measurement data which is the actual measurement history of the target equipment, and a damage prediction file based on the damage prediction data including the theoretical corrosion rate assumed for each environment and the operation data of the target equipment. And
The analysis server
A receiving unit that receives the measured file and the damage prediction file from the terminal via the network.
The corrosion rate of the target equipment is calculated as an actual measurement value using the actual measurement file, the predicted value which is the predicted corrosion rate of the target equipment is calculated using the actual measurement value and the operation data, and the damage prediction file is used. A facility maintenance management system including an analysis unit that calculates a theoretical value which is a theoretical corrosion rate of the target facility using the above.
前記解析部により算出された前記実測値、前記予測値、および前記理論値を用いて、前記対象設備の腐食系統ごとの腐食評価を行う評価部と、
前記腐食評価の結果を前記端末に送信する結果送信部と
を備えることを特徴とする請求項１記載の設備保全管理システム。 The analysis server
An evaluation unit that evaluates corrosion for each corrosion system of the target equipment using the measured value, the predicted value, and the theoretical value calculated by the analysis unit.
The equipment maintenance management system according to claim 1, further comprising a result transmission unit that transmits the result of the corrosion evaluation to the terminal.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019096859A JP7157004B2 (en) | 2019-05-23 | 2019-05-23 | Equipment maintenance management system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019096859A JP7157004B2 (en) | 2019-05-23 | 2019-05-23 | Equipment maintenance management system |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2020190994A true JP2020190994A (en) | 2020-11-26 |
| JP7157004B2 JP7157004B2 (en) | 2022-10-19 |
Family
ID=73453745
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019096859A Active JP7157004B2 (en) | 2019-05-23 | 2019-05-23 | Equipment maintenance management system |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7157004B2 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7450309B1 (en) | 2023-04-28 | 2024-03-15 | フジ地中情報株式会社 | AI pipe deterioration prediction system, AI pipe deterioration prediction method, and AI pipe deterioration prediction program |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4998208A (en) * | 1987-03-16 | 1991-03-05 | The Standard Oil Company | Piping corrosion monitoring system calculating risk-level safety factor producing an inspection schedule |
| JP2002073155A (en) * | 2000-08-31 | 2002-03-12 | Toshiba Corp | Device and method for diagnosing operation of plant equipment |
| JP2004252781A (en) * | 2003-02-20 | 2004-09-09 | Japan Energy Corp | Modeling data forming method of corrosion velocity estimation system and device |
| JP2006201844A (en) * | 2005-01-18 | 2006-08-03 | Toshiba Corp | Deteriorating status evaluation system and method for plant |
| JP2007109070A (en) * | 2005-10-14 | 2007-04-26 | Toshiba Corp | Life diagnosis/maintenance management system for plant |
| JP2014202603A (en) * | 2013-04-04 | 2014-10-27 | 札幌施設管理株式会社 | Piping evaluation method |
-
2019
- 2019-05-23 JP JP2019096859A patent/JP7157004B2/en active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4998208A (en) * | 1987-03-16 | 1991-03-05 | The Standard Oil Company | Piping corrosion monitoring system calculating risk-level safety factor producing an inspection schedule |
| JP2002073155A (en) * | 2000-08-31 | 2002-03-12 | Toshiba Corp | Device and method for diagnosing operation of plant equipment |
| JP2004252781A (en) * | 2003-02-20 | 2004-09-09 | Japan Energy Corp | Modeling data forming method of corrosion velocity estimation system and device |
| JP2006201844A (en) * | 2005-01-18 | 2006-08-03 | Toshiba Corp | Deteriorating status evaluation system and method for plant |
| JP2007109070A (en) * | 2005-10-14 | 2007-04-26 | Toshiba Corp | Life diagnosis/maintenance management system for plant |
| JP2014202603A (en) * | 2013-04-04 | 2014-10-27 | 札幌施設管理株式会社 | Piping evaluation method |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7450309B1 (en) | 2023-04-28 | 2024-03-15 | フジ地中情報株式会社 | AI pipe deterioration prediction system, AI pipe deterioration prediction method, and AI pipe deterioration prediction program |
Also Published As
| Publication number | Publication date |
|---|---|
| JP7157004B2 (en) | 2022-10-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10534329B2 (en) | System and method for improving performance of a plant with a furnace | |
| RU2690886C2 (en) | Data cleaning system and method for determining raw material composition | |
| US10839115B2 (en) | Cleansing system for a feed composition based on environmental factors | |
| KR102069958B1 (en) | Systems and Methods for Tuning Process Models | |
| KR102065231B1 (en) | Advanced Data Purification Systems and Methods | |
| MacCarthy et al. | A review of non‐standard applications of statistical process control (SPC) charts | |
| EP3514700A1 (en) | Dynamic outlier bias reduction system and method | |
| KR20100042293A (en) | System and methods for continuous, online monitoring of a chemical plant or refinery | |
| JP4747002B2 (en) | Aging risk evaluation method for structural equipment, and a method, apparatus and program for issuing an aged risk warning for structural equipment using this evaluation method | |
| US10963797B2 (en) | System for analyzing machine data | |
| EP2894529A2 (en) | Remote diagnostic system | |
| Kirchen et al. | Metrics for the evaluation of data quality of signal data in industrial processes | |
| Tien et al. | Study of a risk-based piping inspection guideline system | |
| JP2020190994A (en) | Facility maintenance management system | |
| Heydari et al. | A dynamic model to assess the role of site supervision systems in the safety performance of construction projects | |
| CN111837082B (en) | Ultrasonic flow meter pre-diagnosis using near real-time conditions | |
| CN113757223A (en) | Method and system for analyzing reliability of hydraulic component, computer device and storage medium | |
| Lukens et al. | The role of transactional data in prognostics and health management work processes | |
| Martins | Maintenance management of a production line-a case study in a furniture industry | |
| JPH10104385A (en) | Surveillance method and system for transmitter in plant | |
| Nwadinobi et al. | Improved Markov stable state simulation for maintenance planning | |
| RU19942U1 (en) | UNIFIED DEVICE CHERNYAKOV / PETRUSHIN FOR EVALUATING THE EFFICIENCY OF ORGANIZATIONAL-TECHNICAL SYSTEMS | |
| JP6388487B2 (en) | Maintenance evaluation system | |
| CN115907060A (en) | Safety production early warning device and method for petrochemical enterprises | |
| Colombo et al. | Well as a Service–Is it Possible to Produce with Safety, Reliability, and Cost Efficiency? |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20190605 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211119 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220831 |
|
| 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: 20220920 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221006 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7157004 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |