JP2022133074A - Valve operation abnormality detection system, valve operation abnormality detection method and program - Google Patents
Valve operation abnormality detection system, valve operation abnormality detection method and program Download PDFInfo
- Publication number
- JP2022133074A JP2022133074A JP2021031919A JP2021031919A JP2022133074A JP 2022133074 A JP2022133074 A JP 2022133074A JP 2021031919 A JP2021031919 A JP 2021031919A JP 2021031919 A JP2021031919 A JP 2021031919A JP 2022133074 A JP2022133074 A JP 2022133074A
- Authority
- JP
- Japan
- Prior art keywords
- valve
- opening
- time
- control valve
- arrival time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000005856 abnormality Effects 0.000 title claims abstract description 102
- 238000001514 detection method Methods 0.000 title claims abstract description 54
- 230000002159 abnormal effect Effects 0.000 claims abstract description 22
- 238000010801 machine learning Methods 0.000 claims description 33
- 230000006399 behavior Effects 0.000 claims description 21
- 238000007493 shaping process Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 14
- 238000000605 extraction Methods 0.000 description 13
- 238000000034 method Methods 0.000 description 12
- 239000000843 powder Substances 0.000 description 12
- 230000008569 process Effects 0.000 description 8
- 239000003245 coal Substances 0.000 description 7
- 230000008859 change Effects 0.000 description 3
- 230000006837 decompression Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 238000002309 gasification Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 239000012159 carrier gas Substances 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
Description
本開示は、弁動作異常検知システム、弁動作異常検知方法およびプログラムに関する。 The present disclosure relates to a valve operation abnormality detection system, a valve operation abnormality detection method, and a program.
従来、種々のプロセスにおいて、管理すべきプロセス量をモニタしておき、モニタしたプロセス量に基づいて設備に異常が発生しているか否かを判定するための技術が知られている。例えば、特許文献1には、半導体基板処理において、温度といったモニタデータに対して、基準値と基準値に対する上下限値で規定されるバンド範囲を予め設定しておき、モニタデータがバンド範囲を超えた回数が閾値以上である場合に、異常が発生していると判定する管理方法が記載されている。
2. Description of the Related Art Conventionally, in various processes, techniques are known for monitoring process variables to be managed and determining whether or not there is an abnormality in equipment based on the monitored process variables. For example, in
ところで、例えば石炭ガス化複合発電設備(IGCC:Integrated Coal Gasification Combined Cycle)といったプラント設備においては、様々な装置や配管、貯留部等に複数の制御弁が設けられる。このような制御弁には、弁の摩耗や弁体の固着といった不具合が発生する可能性があり、制御弁の開閉動作を正常に行えているか否かを監視することが必要となる。 By the way, in a plant facility such as an Integrated Coal Gasification Combined Cycle (IGCC) facility, for example, a plurality of control valves are provided in various devices, pipes, reservoirs, and the like. In such a control valve, problems such as wear of the valve and sticking of the valve body may occur, and it is necessary to monitor whether the opening and closing operation of the control valve is performed normally.
ここで、監視対象とする制御弁が特定のパターンで開閉動作する場合、制御弁の開度の時系列データにおいて、特許文献1に記載の方法のように開度の基準値に対する上下限値のバンド範囲を予め設定しておくことで、弁の開閉動作の異常検知を行うことが考えられる。しかしながら、制御弁を特定のパターンで開閉動作する場合であっても、例えばプラント設備の処理負荷といったパラメータの変動に応じて、制御弁の開度の時系列データが時間軸方向において変動する場合がある。このように、制御弁の開閉動作のパターンに時間軸方向の変動が許容される場合、開度に対するバンド範囲を比較的に大きく設けなければ、正常動作を異常と検知する可能性がある。一方で、開度に対するバンド範囲を大きく設定することは、異常検知の感度低下を招く可能性がある。
Here, when the control valve to be monitored opens and closes in a specific pattern, in the time-series data of the opening of the control valve, as in the method described in
本開示は、上記に鑑みてなされたものであって、制御弁の開閉動作の異常検知をより精度良く行うことを目的とする。 The present disclosure has been made in view of the above, and an object of the present disclosure is to more accurately detect an abnormality in the opening/closing operation of a control valve.
上述した課題を解決し、目的を達成するために、本開示は、予め定められた開閉パターンに従って開閉制御される制御弁について、弁開度が閉状態から規定開度となるまでに許容される時間範囲である到達許容時間を設定する条件設定部と、前記制御弁について、前記弁開度が閉状態から前記規定開度となるまでの時間が前記到達許容時間の範囲内である場合、前記制御弁が正常であると判定し、前記弁開度が前記規定開度となるまでの時間が前記到達許容時間の範囲外である場合、前記制御弁が異常であると判定する異常判定部と、を備える。 In order to solve the above-described problems and achieve the object, the present disclosure provides a control valve that is controlled to open and close according to a predetermined opening and closing pattern, and the degree of opening of the valve is allowed from a closed state to a specified degree of opening. a condition setting unit for setting an allowable arrival time that is a time range; an abnormality determination unit that determines that the control valve is normal, and determines that the control valve is abnormal when the time required for the valve opening to reach the specified opening is outside the range of the allowable arrival time; , provided.
上述した課題を解決し、目的を達成するために、本開示は、予め定められた開閉パターンに従って開閉制御される制御弁について、弁開度が閉状態から規定開度となるまでに許容される時間範囲である到達許容時間を設定し、前記制御弁について、前記弁開度が閉状態から前記規定開度となるまでの時間が前記到達許容時間の範囲内である場合、前記制御弁が正常であると判定し、前記弁開度が前記規定開度となるまでの時間が前記到達許容時間の範囲外である場合、前記制御弁が異常であると判定する。 In order to solve the above-described problems and achieve the object, the present disclosure provides a control valve that is controlled to open and close according to a predetermined opening and closing pattern, and the degree of opening of the valve is allowed from a closed state to a specified degree of opening. An allowable arrival time, which is a time range, is set, and if the time required for the valve opening to reach the specified opening from the closed state is within the allowable arrival time, the control valve is normal. If the time required for the valve opening to reach the specified opening is outside the range of the allowable arrival time, it is determined that the control valve is abnormal.
上述した課題を解決し、目的を達成するために、本開示は、予め定められた開閉パターンに従って開閉制御される制御弁について、弁開度が閉状態から規定開度となるまでに許容される時間範囲である到達許容時間を設定し、前記制御弁について、前記弁開度が閉状態から前記規定開度となるまでの時間が前記到達許容時間の範囲内である場合、前記制御弁が正常であると判定し、前記弁開度が前記規定開度となるまでの時間が前記到達許容時間の範囲外である場合、前記制御弁が異常であると判定する、ことをコンピュータに実行させる。 In order to solve the above-described problems and achieve the object, the present disclosure provides a control valve that is controlled to open and close according to a predetermined opening and closing pattern, and the degree of opening of the valve is allowed from a closed state to a specified degree of opening. An allowable arrival time, which is a time range, is set, and if the time required for the valve opening to reach the specified opening from the closed state is within the allowable arrival time, the control valve is normal. and the control valve is determined to be abnormal when the time required for the valve opening to reach the specified opening is outside the range of the allowable arrival time.
本開示にかかる弁動作異常検知システム、弁動作異常検知方法およびプログラムは、制御弁の開閉動作の異常検知をより精度良く行うことができる、という効果を奏する。 The valve operation abnormality detection system, the valve operation abnormality detection method, and the program according to the present disclosure have the effect of being able to more accurately detect an abnormality in the opening/closing operation of the control valve.
以下に、本開示にかかる弁動作異常検知システム、弁動作異常検知方法およびプログラムの実施形態を図面に基づいて詳細に説明する。なお、この実施形態によりこの発明が限定されるものではない。 EMBODIMENT OF THE INVENTION Below, embodiment of the valve-operation abnormality detection system, the valve-operation abnormality detection method, and the program concerning this indication is described in detail based on drawing. In addition, this invention is not limited by this embodiment.
[第一実施形態]
図1は、第一実施形態にかかる弁動作異常検知システムの一例を示す概略図である。弁動作異常検知システム100は、対象となる制御弁の開閉動作の異常を検知するためのシステムである。
[First embodiment]
FIG. 1 is a schematic diagram showing an example of the valve operation abnormality detection system according to the first embodiment. The valve operation
本実施形態において異常検知の対象となる制御弁および制御弁を備えた設備について説明する。図2は、異常検知の対象となる制御弁を備えた貯留ホッパを示す説明図である。貯留ホッパ1は、石炭ガス化複合発電設備(以下、「IGCC」と称する)において、紛体として燃料となる石炭(微粉炭)を貯留する貯留槽である。なお、紛体は、石炭に限らない。また、貯留ホッパ1は、紛体を貯留するものに限らず、気体または液体を貯留するものであってもよい。また、貯留ホッパ1は、IGCC以外のプラント設備に用いられるものであってもよい。
A control valve that is subject to abnormality detection in the present embodiment and equipment provided with the control valve will be described. FIG. 2 is an explanatory diagram showing a storage hopper equipped with a control valve that is subject to abnormality detection. The
貯留ホッパ1は、図示するように、供給ラインL1、出口ラインL2、加圧ラインL3および減圧ラインL4が接続される。供給ラインL1は、貯留ホッパ1の内部に紛体を供給するためのラインであり、供給を調整するための制御弁として供給弁2が設けられている。出口ラインL2は、次工程へと紛体を送出するためのラインであり、送出を調整するための制御弁として出口弁3が設けられている。加圧ラインL3および減圧ラインL4は、紛体を搬送するための搬送気体(例えば窒素等)を貯留ホッパ1内に出し入れして内圧を変化させるためのラインである。搬送空気の出し入れのための制御弁として、加圧ラインL3には、加圧弁4が設けられ、減圧ラインL4には、減圧弁5が設けられている。
The
紛体を貯留する貯留ホッパ1に接続されたラインに設けられる各制御弁は、気体や液体の貯留槽に接続されるものに比べて、紛体(固体)による目詰まりといった動作不良が発生しやすい傾向にある。そのため、これらの制御弁について、開閉動作が正常に行われているか否かを適切にモニタリングすることが望ましい。本実施形態では、制御弁の1つとして、減圧弁5を対象とした異常検知について説明する。なお、減圧弁5に限らず、供給弁2、出口弁3または加圧弁4を対象として異常検知を行ってもよい。
Each control valve provided in the line connected to the
図3は、減圧弁の開閉動作パターンの一例を示す説明図である。図示するように、本実施形態において、減圧弁5は、一定の時間間隔を空けて、同じ開閉動作を繰り返すように設定されている。すなわち、弁開度0%から弁開度100%まで開いた後、弁開度100%から弁開度0%まで閉じる動作を一定時間ごとに繰り返す。このように、本実施形態では、予め定められた特定の開閉動作のパターンで制御される制御弁の異常検知を対象とする。なお、図3に示すパターンは、一例にすぎず、弁開度を何%の範囲内で開閉するかは、対象となる制御弁の使用の態様に応じたものでよい。また、パターン間の時間間隔は、一定である必要はなく、対象となる制御弁の使用の態様に応じたものでよい。
FIG. 3 is an explanatory diagram showing an example of an opening/closing operation pattern of a pressure reducing valve. As shown in the figure, in this embodiment, the
図4は、減圧弁の開閉動作パターンの1サイクルを複数並べてプロットした一例を示す説明図である。すなわち、図4は、減圧弁5の開閉制御において、1サイクルごとの開始時点(図4の時刻0:00)を揃えて時系列に重ねて並べている。図4中の実線は、IGCCの定格処理負荷運転時における減圧弁5の弁開度の挙動を示す。一方、図4中の破線および一点鎖線は、定格処理負荷よりも低い処理負荷でIGCCを運転させたときの減圧弁5の弁開度の挙動を示す。減圧弁5は、図示しない制御装置から入力される開度指令値に従って開閉動作するが、実際には、図4に示すように、弁開度の挙動は完全には一致せず、ある程度のばらつきが発生する。また、図中の実線と破線および一点鎖線とに示すように、IGCCを定格処理負荷よりも低い処理負荷で運転させた場合には、IGCCを定格処理負荷で運転させる場合に比べて、減圧弁5の弁開度の挙動が遅れることになる。これは、IGCCを定格処理負荷よりも低い処理負荷で運転させる場合、貯留ホッパ1から次工程へと単位時間あたりに送出する紛体(微粉炭)の量が低下するためである。したがって、本実施形態の減圧弁5は、IGCCの処理負荷に応じて、弁開度の1サイクルの挙動が時間軸方向において変動する。このとき、弁開度が上下限値を定めたバンド範囲内に収まっているか否かで減圧弁5の正常および異常を判定すると、バンド範囲を大きくとる必要があり、異常検知の精度が落ちてしまう可能性がある。以下、このように弁開度の1サイクルの挙動が時間軸方向において変動する減圧弁5について、異常検知を行うための構成および方法について、説明する。
FIG. 4 is an explanatory diagram showing an example in which a plurality of cycles of opening and closing operation patterns of a pressure reducing valve are arranged and plotted. That is, in FIG. 4, in the opening/closing control of the
(弁動作異常検知システム)
図1の説明に戻る。弁動作異常検知システム100は、対象となる制御弁の開閉動作の異常を検知するためのシステムである。弁動作異常検知システム100は、コンピュータであり、記憶部10と、制御部20とを備える。なお、弁動作異常検知システム100は、マウスやキーボード等のデータ入力のためのインターフェース、ディスプレイ等の表示装置を備えてもよい。
(Valve operation abnormality detection system)
Returning to the description of FIG. The valve operation
記憶部10は、制御部20の演算内容やプログラムなどの各種情報を記憶するメモリであり、例えば、RAM(Random Access Memory)と、ROM(Read Only Memory)のような主記憶装置と、HDD(Hard Disk Drive)などの外部記憶装置とのうち、少なくとも1つ含む。
The
制御部20は、演算装置、すなわちCPU(Central Processing Unit)である。制御部20は、図1に示すように、データ取得部21と、データ整形部22と、特徴量抽出部23と、条件設定部24と、異常判定部25とを備えている。制御部20は、記憶部10からプログラム(ソフトウェア)を読み出して実行することで、データ取得部21、データ整形部22、特徴量抽出部23、条件設定部24および異常判定部25を実現し、各種処理を実行する。
The
(データ取得部)
データ取得部21は、異常検知の対象となる制御弁、すなわち減圧弁5の弁開度のデータを複数取得する。ここで、弁開度とは、減圧弁5の実際の弁開度を直接計測した値に限らず、減圧弁5の開度状態を反映した他のプロセス量に基づいて算出される値を含む。他のプロセス量とは、例えば減圧弁5を流れる紛体の流量等であるが、これに限られない。さらに、弁開度のデータは、他のプロセス量(例えば流量)を直接に用いてもよい。いずれにせよ、図4に示したような減圧弁5の開閉動作の挙動を反映した値であればよい。以下、弁開度に関するデータを扱う場合は、すべて同様である。弁開度のデータは、減圧弁5の開閉制御を行う図示しない制御装置から入力される。データ取得部21は、取得した弁開度のデータをデータ整形部22に出力する。
(data acquisition part)
The data acquisition unit 21 acquires a plurality of valve opening degree data of the control valve, that is, the
(データ整形部)
データ整形部22は、減圧弁5の過去の弁開度のデータに基づいて、時系列データD(図4参照)を作成するデータ整形部である。時系列データDは、データ取得部21で取得された減圧弁5の弁開度のデータを所定の時間範囲で切り出したデータである。本実施形態では、時系列データDは、図4の実線、破線または一点鎖線で示した弁開度の1サイクルの挙動のデータとなる。時系列データDを切り出す際には、対象となるデータの変化自体を捉えてもよいし、他の信号(例えば減圧弁5のオンオフ信号)に基づいて弁開度の1サイクルの挙動を捉えてもよい。データ整形部22は、作成した時系列データDを特徴量抽出部23に出力する。
(Data shaping section)
The data shaping section 22 is a data shaping section that creates the time-series data D (see FIG. 4) based on the past valve opening data of the
(特徴量抽出部)
特徴量抽出部23は、時系列データDに基づいて、弁開度が閉状態から規定開度V(図4参照)となるまでの時間を特徴量として抽出する。規定開度Vは、予めユーザーにより設定される減圧弁5の弁開度であり、記憶部10に記憶されている。なお、上述したように、弁開度のデータは、減圧弁5の開閉動作の挙動を反映した値であればよいため、規定開度Vについても同様であり、他のプロセス量(例えば流量)等を用いてもよい。本実施形態では、4つの規定開度V1、V2、V3、V4が設定されている。規定開度V1、V2、V3、V4は、減圧弁5を全開にしたときの開度を100%としたとき、V1=20%、V2=40%、V3=60%、V4=80%に設定される。なお、規定開度Vの数および値は、任意に設定してよい。本実施形態では、規定開度Vをより細かく多数設定する場合に比べて、数をまびいて計算処理負荷を低減させている。特徴量抽出部23は、例えば図4の実線、破線および一点鎖線で示す時系列データDについて、弁開度が0%から各規定開度Vに到達するまでの実時間を抽出する。特徴量抽出部23は、抽出した特徴量を条件設定部24および異常判定部25に出力する。
(Feature quantity extraction unit)
Based on the time-series data D, the feature
(条件設定部)
条件設定部24は、複数の特徴量に統計処理を施して、到達許容時間T(図4参照)を設定する。到達許容時間Tは、弁開度が閉状態から規定開度Vとなるまでに許容される時間範囲であり、異常判定部25において異常判定の基準となる時間である。条件設定部24は、図1に示すように、機械学習部24Aを有する。
(Condition setting part)
The condition setting unit 24 sets the permissible arrival time T (see FIG. 4) by performing statistical processing on the plurality of feature amounts. The allowable arrival time T is a time range that is allowed for the valve opening degree to reach the specified opening degree V from the closed state, and is a reference time for abnormality determination in the abnormality determination unit 25 . The condition setting unit 24 has a machine learning unit 24A, as shown in FIG.
機械学習部24Aは、教師無し機械学習により、特徴量を随時蓄積して、蓄積した複数の特徴量に統計処理を施して、到達許容時間Tを設定する。なお、ここでの教師無し機械学習とは、蓄積されたすべてのデータを用いて到達許容時間Tを設定することを意味する。教師有り機械学習については、第二実施形態において説明する。機械学習部24Aは、IGCCの稼働中において、特徴量抽出部23が抽出した特徴量を蓄積し、統計処理を施す。統計処理は、例えば、蓄積された特徴量の標準偏差をσとすると、特徴量の平均値に対して±3σの範囲とするといったように、周知の統計手法を用いればよい。機械学習部24Aは、すべての規定開度V1、V2、V3、V4について、到達許容時間Tを設定する。図4に示す例では、規定開度V1に対応した到達許容時間T1、規定開度V2に対応した到達許容時間T2、規定開度V3に対応した到達許容時間T3、規定開度V4に対応した到達許容時間T4が設定されることになる。条件設定部24は、以上のように設定した到達許容時間Tを異常判定部25に出力する。
The machine learning unit 24A accumulates feature amounts at any time by unsupervised machine learning, performs statistical processing on the accumulated plurality of feature amounts, and sets the permissible arrival time T. Note that unsupervised machine learning here means setting the permissible arrival time T using all the accumulated data. Supervised machine learning will be described in the second embodiment. The machine learning unit 24A accumulates feature amounts extracted by the feature
機械学習部24Aによる学習モードは、ユーザーの指示に基づいてオンオフすることができる。ユーザーが学習モードをオンにしたときには、機械学習部24Aは、機械学習により、特徴量を随時蓄積して、蓄積した特徴量に基づいて到達許容時間Tを更新する。一方、ユーザーが学習モードをオフにしたときは、特徴量の蓄積および到達許容時間Tの更新を一旦停止し、それまでに設定された値が到達許容時間Tとして固定される。 The learning mode by the machine learning section 24A can be turned on and off based on the user's instruction. When the user turns on the learning mode, the machine learning unit 24A accumulates feature amounts as needed by machine learning, and updates the permissible arrival time T based on the accumulated feature amounts. On the other hand, when the user turns off the learning mode, the accumulation of the feature amount and the updating of the permissible arrival time T are temporarily stopped, and the permissible arrival time T is fixed at the value set up to that point.
(異常判定部)
異常判定部25は、異常検知の対象となる制御弁、すなわち減圧弁5について、特徴量と到達許容時間Tとに基づいて、正常に動作しているか否かを判定する。具体的には、異常判定部25は、特徴量抽出部23で抽出された特徴量、すなわち現在制御されている減圧弁5の弁開度が閉状態から規定開度Vとなるまでの時間を取得する。そして、異常判定部25は、現在制御されている減圧弁5の特徴量、すなわち現在制御されている減圧弁5の弁開度が閉状態から規定開度V(V1、V2、V3、V4)となるまでの時間が、対応した到達許容時間T(T1、T2、T3、T4)の範囲内であるか否かを判定する。異常判定部25は、特徴量が各到達許容時間Tの範囲内である場合、減圧弁5が正常であると判定し、特徴量が各到達許容時間Tの範囲外である場合、減圧弁5が異常であると判定する。
(Abnormality determination unit)
The abnormality determination unit 25 determines whether or not the control valve subject to abnormality detection, ie, the
図5を参照しながら、異常判定部25による異常検知判定について、より詳細に説明する。図5は、減圧弁の開閉動作パターンの1サイクルの弁開度について、正常例と異常例とを複数並べてプロットした一例を示す説明図である。図中の実線は、減圧弁5が正常である場合の弁開度の挙動例を示す。一方、図中の点線および破線は、減圧弁5が異常である場合の弁解度の挙動例である。点線の場合、減圧弁5に何らかのひっかかりが生じ、正常時に比べて開動作に時間がかかっている。また、破線の場合、減圧弁5の開動作が途中で止まってしまっている。図5の実線で示す正常例では、規定開度V1、V2、V3、V4に到達する時間が各到達許容時間T1、T2、T3、T4の範囲内にあるため、異常判定部25は、減圧弁5が正常であると判定する。一方、図5の点線で示す異常例では、規定開度V2に到達するまでの時間が到達許容時間T2の範囲外となるため、異常判定部25は、減圧弁5に異常が発生していると判定する。また、図5の破線で示す異常例では、到達許容時間T2、T3、T4を過ぎても、弁開度が規定開度V2、V3、V4に到達していないことから、異常判定部25は、減圧弁5に異常が発生していると判定する。
The abnormality detection determination by the abnormality determination unit 25 will be described in more detail with reference to FIG. 5 . FIG. 5 is an explanatory diagram showing an example in which a plurality of normal cases and abnormal cases are plotted side by side regarding the valve opening degree of one cycle of the opening/closing operation pattern of the pressure reducing valve. A solid line in the figure shows an example of the valve opening behavior when the
このように、減圧弁5の異常検知に用いる基準を時間軸方向で規定した到達許容時間Tとすることで、例えば図4の破線および一点鎖線で示す低処理負荷時の例のように、減圧弁5の開閉動作の挙動が時間軸方向に変動したとしても、減圧弁5が正常に動作していると判定しやすくなる。また、図5の点線および破線で示すような異常例では、いずれかのタイミングで到達許容時間Tの範囲内に弁開度の挙動が収まらないことになり、減圧弁5の異常を検知することができる。
In this way, by setting the permissible arrival time T defined in the direction of the time axis as the reference used for detecting an abnormality of the
(弁動作異常検知方法)
次に、第一実施形態にかかる弁動作異常検知方法について、図6を参照しながら説明する。図6は、第一実施形態にかかる弁動作異常検知方法の一例を示すフローチャートである。図6に示す処理は、制御部20により所定時間ごとに繰り返し実行される。
(Valve operation abnormality detection method)
Next, the valve operation abnormality detection method according to the first embodiment will be described with reference to FIG. FIG. 6 is a flow chart showing an example of the valve operation abnormality detection method according to the first embodiment. The processing shown in FIG. 6 is repeatedly executed by the
制御部20は、ステップS1として、データ取得部21により、現在の減圧弁5の弁開度のデータを取得する。弁開度のデータは、減圧弁5の開閉制御を行う図示しない制御装置から入力される。上述したように、弁開度のデータは、実際の弁開度を直接計測した値に限らず、減圧弁5の開閉動作の挙動を反映した値であればよい。データ取得部21は、取得した弁開度のデータをデータ整形部22に出力する。
In step S<b>1 , the
制御部20は、ステップS2として、データ整形部22により、時系列データDを作成する。上述したように、時系列データDは、図4の実線、破線および一点鎖線で示した弁開度の1サイクルの挙動のデータとなる。データ整形部22は、作成した時系列データDを特徴量抽出部23に出力する。
The
制御部20は、ステップS3として、特徴量抽出部23により、弁開度が閉状態から規定開度Vとなるまでの時間を特徴量として抽出する。規定開度Vは、図4に示すように、本実施形態ではV1=20%、V2=40%、V3=60%、V4=80%に設定される。特徴量抽出部23は、時系列データDについて、弁開度が0%から各規定開度Vに到達するまでの実時間を特徴量として抽出し、抽出した特徴量を条件設定部24および異常判定部25に出力する。
In step S3, the
制御部20は、ステップS4として、学習モードがオンであるか否かを判定する。学習モードは、ユーザーの指示に基づいてオンオフが切替られる。制御部20は、学習モードがオンになっていると判定した場合(ステップS4でYes)、ステップS5として、教師無し機械学習により、特徴量に基づいて到達許容時間Tを設定する。具体的には、条件設定部24の機械学習部24Aにおいて、ステップS3で抽出された特徴量を複数蓄積し、蓄積した複数の特徴量に周知の統計処理を施して、到達許容時間Tを設定する。機械学習部24Aは、すべての規定開度V1、V2、V3、V4について、対応した到達許容時間T1、T2、T3、T4を設定する。なお、本ルーチンの開始直後には、十分に特徴量が蓄積されていないことになるため、事前に過去の弁開度のデータを用いて特徴量を蓄積しておき、統計処理を行って予め到達許容時間Tを設定しておけばよい。条件設定部24は、以上のように設定した到達許容時間Tを異常判定部25に出力し、ステップS6に進む。
At step S4, the
一方、制御部20は、学習モードがオフになっていると判定した場合(ステップS4でNo)、機械学習による到達許容時間Tの更新を行わずに、ステップS6へと進む。すなわち、本ルーチンが十分な時間にわたって実行され、到達許容時間Tが機械学習によって十分に更新されている場合には、ユーザー判断により学習モードをオフにしてもよい。この場合、それまでに設定された到達許容時間Tが固定された値として設定される。また、上述したように、事前に過去の弁開度のデータを複数取得しておき、特徴量を複数蓄積しておいて、統計処理によって予め到達許容時間Tを設定しておく場合にも、ユーザー判断により学習モードをオフにしてもよい。
On the other hand, if the
制御部20は、ステップS6として、異常判定部25により、減圧弁5の弁開度が到達許容時間Tの範囲内に規定開度Vに到達したか否かを判定する。言い換えると、異常判定部25は、ステップS3で抽出した特徴量が到達許容時間Tの範囲内であるか否かを判定する。異常判定部25は、特徴量が各到達許容時間T1、T2、T3、T4の範囲内である場合(ステップS6でYes)、ステップS7として、減圧弁5が正常であると判定する。一方、異常判定部25は、特徴量が各到達許容時間T1、T2、T3、T4の範囲外である場合(ステップS6でNo)、ステップS8として、減圧弁5が異常であると判定する。
In step S6, the abnormality determination unit 25 of the
以上の処理により、減圧弁5の開閉動作の挙動が正常または異常であるか、リアルタイムに判定することができる。なお、異常判定部25は、判定結果を図示しない表示部に出力し、表示部に結果を表示させる。それにより、ユーザーが表示結果を見て、減圧弁5について異常が発生しているか否かを判断し、異常がある場合には、減圧弁5の点検を行うといった対応を取ることができる。
Through the above processing, it is possible to determine in real time whether the behavior of the opening/closing operation of the
以上説明したように、第一実施形態にかかる弁動作異常検知システム100は、予め定められた開閉パターンに従って開閉制御される減圧弁5(制御弁)について、弁開度が閉状態から規定開度Vとなるまでに許容される時間範囲である到達許容時間Tを設定する条件設定部24と、減圧弁5について、弁開度が閉状態から規定開度Vとなるまでの時間が到達許容時間Tの範囲内である場合、減圧弁5が正常であると判定し、弁開度が規定開度Vとなるまでの時間が到達許容時間Tの範囲外である場合、減圧弁5が異常であると判定する異常判定部25を備える。
As described above, in the valve operation
この構成により、減圧弁5の開閉動作において、弁開度が規定開度Vとなるまでに許容される時間範囲としての到達許容時間Tを規定し、弁開度の変化が到達許容時間Tの範囲内におさまるか否かで減圧弁5の正常および異常を判定することができる。そのため、減圧弁5の開閉動作の挙動が時間軸方向において変動したとしても、到達許容時間Tの範囲を必要以上に大きく設定しなくても、減圧弁5の正常動作を異常と検知したり、異常動作の検知を取り漏らしたりする可能性を低減させることができる。したがって、本実施形態にかかる弁動作異常検知システム100および弁動作異常検知方法によれば、減圧弁5(制御弁)の開閉動作の異常検知をより精度良く行うことが可能となる。
With this configuration, in the opening and closing operation of the
また、第一実施形態にかかる弁動作異常検知システム100は、減圧弁5の弁開度のデータを取得するデータ取得部21と、弁開度のデータを所定の時間範囲で切り出した時系列データDを作成するデータ整形部22と、複数の時系列データDにおいて弁開度が閉状態から規定開度Vとなるまでの時間を特徴量として抽出する特徴量抽出部23と、をさらに備え、条件設定部24は、複数の特徴量に統計処理を施して、到達許容時間Tを設定する。この構成により、弁開度の開閉動作の挙動データを複数用いて、統計処理によって実態にあわせた到達許容時間Tを設定することが可能となる。
Further, the valve operation
また、条件設定部24は、機械学習により、到達許容時間Tを随時更新する。この構成により、機械学習によって、到達許容時間Tを随時更新し、異常検知の精度向上を図ることができる。 In addition, the condition setting unit 24 updates the permissible arrival time T as needed by machine learning. With this configuration, it is possible to update the permissible arrival time T at any time by machine learning and improve the accuracy of abnormality detection.
なお、第一実施形態では、条件設定部24が時系列データDに基づいて到達許容時間Tを設定するものとしたが、到達許容時間Tの設定手法は、これに限られない。例えば、条件設定部24は、対象となる減圧弁5(制御弁)および減圧弁5が使用される設備であるIGCCの設計情報に基づいて、予め決定された時間を到達許容時間Tとして設定してもよい。つまり、ユーザーが、減圧弁5の仕様、IGCCでの使用条件といった設計情報に基づいて、弁開度が規定開度Vに到達するまでに必要とされる時間のばらつきを予め決定しておき、その時間を到達許容時間Tとして設定してもよい。
In the first embodiment, the condition setting unit 24 sets the permissible arrival time T based on the time-series data D, but the method for setting the permissible arrival time T is not limited to this. For example, the condition setting unit 24 sets a predetermined time as the permissible arrival time T based on design information of the targeted pressure reducing valve 5 (control valve) and IGCC, which is equipment in which the
[第二実施形態]
図7は、第二実施形態にかかる弁動作異常検知システムの一例を示す概略図である。第二実施形態にかかる弁動作異常検知システム200は、第一実施形態にかかる弁動作異常検知システム100の構成に加えて、正否結果取得部26を備えている。弁動作異常検知システム200の他の構成は、弁動作異常検知システム100と同様であるため、同じ構成については同一の符号を付し、説明を省略する。
[Second embodiment]
FIG. 7 is a schematic diagram showing an example of the valve operation abnormality detection system according to the second embodiment. A valve operation abnormality detection system 200 according to the second embodiment includes a correctness
(正否結果取得部)
正否結果取得部26は、異常判定部25による判定の正否結果を取得する。ここで、判定の正否結果とは、図6のステップS3からステップS5における判定結果が正しいものであったか否かを確認した結果である。例えば、減圧弁5が異常であると判定された場合に、ユーザーが事後的に減圧弁5を点検する。このとき、実際に減圧弁5が異常であれば正否結果は正であり、実際には減圧弁5が正常であれば正否結果は否となる。また、減圧弁5が正常であると判定された場合に、例えば貯留ホッパ1まわりで何らかの異常が発生し、点検の結果、それが減圧弁5の異常に起因するものであった場合にも、正否結果は否となる。このように、事後的に図6のステップS3からステップS5における判定結果が正しいものであったか否かを確認した正否結果を、ユーザーが弁動作異常検知システム200に入力する。言い換えると、弁動作異常検知システム200に、過去の減圧弁5の弁開度のデータについて、判定結果が正の場合と否の場合とがカテゴリ分けされた情報が入力される。正否結果取得部26は、ユーザーにより入力された正否結果を取得し、取得した正否結果を機械学習部24Aへと出力する。なお、ユーザーは、図示しないIGCCの制御装置に正否結果を入力してもよく、正否結果取得部26は、図示しないIGCCの制御装置から正否結果の情報を取得してもよい。
(Acquisition unit of correct/incorrect result)
The correct/incorrect
第二実施形態において、機械学習部24Aは、正否結果取得部26から入力された正否結果を機械学習に反映させた教師有り機械学習により、到達許容時間Tを設定する。すなわち、機械学習部24Aは、蓄積している各時系列データDの特徴量に関して、判定結果が正の場合と否の場合とでカテゴリ分けされた情報を得る。それにより、機械学習部24Aは、機械学習を行うとき、判定結果が否にカテゴリ分けされた特徴量を削除した上で、蓄積した特徴量に統計処理を施して到達許容時間Tを設定する。
In the second embodiment, the machine learning unit 24A sets the permissible arrival time T by supervised machine learning in which the correct/incorrect result input from the correct/incorrect
図8は、第二実施形態にかかる弁動作異常検知方法の一例を示すフローチャートである。図8のステップS1からステップS4は、図6のステップS1からステップS4と同様の処理であり、図8のステップS7からステップS9は、図6のステップS6からステップS8と同様の処理であるため、説明を省略する。 FIG. 8 is a flow chart showing an example of the valve operation abnormality detection method according to the second embodiment. Steps S1 to S4 in FIG. 8 are the same processes as steps S1 to S4 in FIG. 6, and steps S7 to S9 in FIG. 8 are the same processes as steps S6 to S8 in FIG. , the description is omitted.
制御部20は、学習モードがオンになっていると判定した場合(ステップS4でYes)、ステップS5として、正否結果取得部26により、異常判定部25による判定の正否結果を取得する。上述したように、判定の正否結果は、ユーザーにより入力される。そして、制御部20は、ステップS6として、取得した判定の正否結果を機械学習に反映させる教師有り機械学習により、特徴量に基づいて到達許容時間を設定する。具体的には、上述したように、機械学習部24Aは、蓄積している各時系列データDの特徴量に関して、判定結果が否にカテゴリ分けされた特徴量を削除した上で、蓄積した特徴量に統計処理を施して到達許容時間Tを設定する。
When the
以上説明したように、第二実施形態にかかる弁動作異常検知システム200では、条件設定部24は、異常判定部25による判定の正否結果を取得し、正否結果を機械学習に反映させて到達許容時間Tを設定する。この構成により、機械学習において、異常判定部25での判定結果が実際の現象とは異なっていた特徴量のデータを考慮しないようにして、到達許容時間Tをより適切に設定することができる。 As described above, in the valve operation abnormality detection system 200 according to the second embodiment, the condition setting unit 24 acquires the result of the determination by the abnormality determination unit 25, reflects the result in machine learning, and allows the arrival of the data. Set time T. With this configuration, in machine learning, the permissible arrival time T can be set more appropriately by not considering the data of the feature quantity for which the determination result of the abnormality determination unit 25 is different from the actual phenomenon.
第一実施形態、第二実施形態では、IGCCの処理負荷の変動に関わらず、到達許容時間Tを設定するものとしたが、到達許容時間Tは、処理負荷に応じた値に設定されてもよい。すなわち、条件設定部24は、第一実施形態、第二実施形態で説明した到達許容時間Tを、さらに、IGCCの処理負荷の関数として規定してもよい。図9は、IGCCの処理負荷に応じた到達許容時間を規定したマップの一例を示す説明図である。図示するように、条件設定部24は、規定開度V(V1、V2、V3、V4)ごとに、処理負荷と到達許容時間Tとの関係を規定したマップに従って、到達許容時間Tを設定する。 In the first embodiment and the second embodiment, the permissible arrival time T is set regardless of fluctuations in the processing load of the IGCC. good. That is, the condition setting unit 24 may further define the permissible arrival time T described in the first and second embodiments as a function of the processing load of the IGCC. FIG. 9 is an explanatory diagram showing an example of a map that defines permissible arrival times according to IGCC processing loads. As shown, the condition setting unit 24 sets the permissible arrival time T according to a map that defines the relationship between the processing load and the permissible arrival time T for each specified opening V (V1, V2, V3, V4). .
規定開度V4(=80%)のマップを参照しながら、より詳細に説明する。図中の実線は、統計処理により到達許容時間Tを決定する際の特徴量の平均値であり、破線および点線は、当該平均値に対する±3σの範囲を示している。このとき、処理負荷に応じて、平均値および±3σの範囲、すなわち到達許容時間Tが変化するように、予め関数を決定しておく。具体的には、関数は、処理負荷が大きくなるほど平均値および±3σの範囲が低下する傾向に規定される。また、処理負荷が大きくなるほど±3σの範囲が広がる傾向に規定される。それにより、図示するように、例えば処理負荷が100%のときの到達許容時間Tは、処理負荷が50%のときの到達許容時間Tよりも短く、かつ、±3σの範囲が広くなる。これは、処理負荷が大きいほど減圧弁5の開弁速度が速くなる(規定開度Vまで開く時間が短くなる)こと、および、開弁速度が速くなることに起因して規定開度Vまで開く時間にばらつきが生じやすいためである。このように、規定開度Vごとに、処理負荷に応じた関数で到達許容時間Tを規定することで、到達許容時間Tを処理負荷に対応した範囲に規定することができ、到達許容時間Tが不必要に大きく設定しなくとも済む。その結果、異常検知の精度をより向上させることが可能となる。 A more detailed description will be given with reference to a map for the prescribed opening V4 (=80%). The solid line in the figure is the average value of the feature amount when the allowable arrival time T is determined by statistical processing, and the dashed and dotted lines indicate the range of ±3σ with respect to the average value. At this time, a function is determined in advance such that the average value and the range of ±3σ, that is, the permissible arrival time T, changes according to the processing load. Specifically, the function is defined so that the average value and the range of ±3σ decrease as the processing load increases. Also, it is defined that the range of ±3σ widens as the processing load increases. As a result, as shown in the figure, the permissible arrival time T when the processing load is 100% is shorter than the permissible arrival time T when the processing load is 50%, and the range of ±3σ is widened. This is because the greater the processing load, the faster the valve opening speed of the pressure reducing valve 5 (the shorter the time it takes to open to the specified opening V), and the faster the valve opening speed. This is because the opening time tends to vary. Thus, by defining the permissible arrival time T with a function corresponding to the processing load for each specified degree of opening V, the permissible arrival time T can be defined within a range corresponding to the processing load. does not need to be set unnecessarily large. As a result, it is possible to further improve the accuracy of abnormality detection.
この場合、機械学習において到達許容時間Tを設定する際に、特徴量を処理負荷ごとにカテゴリ分けしておき、カテゴリ分けされた特徴量ごとに統計処理を行って、処理負荷に応じた到達許容時間Tを設定するものとしてもよい。 In this case, when setting the permissible arrival time T in machine learning, the feature values are categorized by processing load, statistical processing is performed for each categorized feature value, and the permissible arrival time T is determined according to the processing load. A time T may be set.
また、ここでは、処理負荷に応じた関数で到達許容時間Tを規定するものとしたが、到達許容時間は、時間軸方向における減圧弁5(制御弁)の開閉動作の挙動に影響を与える何らかのパラメータに応じた関数で規定されてもよい。例えば、IGCCにおいては、処理負荷に代えて、消費されるカロリーに応じた関数で到達許容時間Tを規定してもよい。また、貯留ホッパ1に貯留される紛体(ここでは、微粉炭)の種類によって、開閉動作の挙動に影響が生じうる場合、紛体の種類に応じて到達許容時間Tを変化させてもよい。
Also, here, the permissible arrival time T is defined by a function according to the processing load, but the permissible arrival time is defined as something that affects the behavior of the opening and closing operation of the pressure reducing valve 5 (control valve) in the direction of the time axis. It may be defined by a function according to parameters. For example, in IGCC, instead of the processing load, the permissible arrival time T may be defined as a function corresponding to consumed calories. If the behavior of the opening/closing operation may be affected by the type of powder (here, pulverized coal) stored in the
1 貯留ホッパ
2 供給弁
3 出口弁
4 加圧弁
5 減圧弁
10 記憶部
20 制御部
21 データ取得部
22 データ整形部
23 特徴量抽出部
24 条件設定部
24A 機械学習部
25 異常判定部
26 正否結果取得部
100,200 弁動作異常検知システム
D 時系列データ
L1 供給ライン
L2 出口ライン
L3 加圧ライン
L4 減圧ライン
T,T1,T2,T3,T4 到達許容時間
V,V1,V2,V3,V4 規定開度
1
Claims (8)
前記制御弁について、前記弁開度が閉状態から前記規定開度となるまでの時間が前記到達許容時間の範囲内である場合、前記制御弁が正常であると判定し、前記弁開度が前記規定開度となるまでの時間が前記到達許容時間の範囲外である場合、前記制御弁が異常であると判定する異常判定部と、
を備える弁動作異常検知システム。 a condition setting unit that sets an allowable arrival time, which is a time range allowed for the valve opening degree to reach a specified opening degree from a closed state, for a control valve whose opening and closing is controlled according to a predetermined opening and closing pattern;
Regarding the control valve, if the time required for the valve opening to reach the specified opening from the closed state is within the range of the allowable arrival time, the control valve is determined to be normal, and the valve opening is determined to be normal. an abnormality determination unit that determines that the control valve is abnormal when the time until the opening reaches the specified opening is outside the range of the allowable arrival time;
valve operation abnormality detection system.
前記弁開度のデータを所定の時間範囲で切り出した時系列データを作成するデータ整形部と、
複数の前記時系列データにおいて弁開度が閉状態から前記規定開度となるまでの時間を特徴量として抽出する特徴量抽出部と、
をさらに備え、
前記条件設定部は、複数の前記特徴量に統計処理を施して、前記到達許容時間を設定する請求項1に記載の弁動作異常検知システム。 a data acquisition unit that acquires data on the degree of valve opening of the control valve;
a data shaping unit that creates time-series data obtained by extracting the valve opening data in a predetermined time range;
a feature amount extracting unit that extracts, as a feature amount, the time from the closed state of the valve opening to the specified opening in the plurality of time-series data;
further comprising
2. The valve operation abnormality detection system according to claim 1, wherein the condition setting unit sets the permissible arrival time by performing statistical processing on the plurality of feature quantities.
前記制御弁について、前記弁開度が閉状態から前記規定開度となるまでの時間が前記到達許容時間の範囲内である場合、前記制御弁が正常であると判定し、前記弁開度が前記規定開度となるまでの時間が前記到達許容時間の範囲外である場合、前記制御弁が異常であると判定する弁動作異常検知方法。 For a control valve that is controlled to open and close according to a predetermined opening and closing pattern, setting an allowable arrival time, which is a time range allowed for the valve opening degree to reach a specified opening degree from a closed state,
Regarding the control valve, if the time required for the valve opening to reach the specified opening from the closed state is within the range of the allowable arrival time, the control valve is determined to be normal, and the valve opening is determined to be normal. A valve operation abnormality detection method for determining that the control valve is abnormal when the time required for reaching the specified degree of opening is outside the range of the allowable arrival time.
前記制御弁について、前記弁開度が閉状態から前記規定開度となるまでの時間が前記到達許容時間の範囲内である場合、前記制御弁が正常であると判定し、前記弁開度が前記規定開度となるまでの時間が前記到達許容時間の範囲外である場合、前記制御弁が異常であると判定する、
ことをコンピュータに実行させるプログラム。 For a control valve that is controlled to open and close according to a predetermined opening and closing pattern, setting an allowable arrival time, which is a time range allowed for the valve opening degree to reach a specified opening degree from a closed state,
Regarding the control valve, if the time required for the valve opening to reach the specified opening from the closed state is within the range of the allowable arrival time, the control valve is determined to be normal, and the valve opening is determined to be normal. If the time required to reach the specified degree of opening is outside the range of the allowable arrival time, it is determined that the control valve is abnormal;
A program that makes a computer do something.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021031919A JP2022133074A (en) | 2021-03-01 | 2021-03-01 | Valve operation abnormality detection system, valve operation abnormality detection method and program |
PCT/JP2022/008555 WO2022186185A1 (en) | 2021-03-01 | 2022-03-01 | Valve operation abnormality detection system, valve operation abnormality detection method, and program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021031919A JP2022133074A (en) | 2021-03-01 | 2021-03-01 | Valve operation abnormality detection system, valve operation abnormality detection method and program |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022133074A true JP2022133074A (en) | 2022-09-13 |
Family
ID=83154778
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021031919A Pending JP2022133074A (en) | 2021-03-01 | 2021-03-01 | Valve operation abnormality detection system, valve operation abnormality detection method and program |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP2022133074A (en) |
WO (1) | WO2022186185A1 (en) |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017126248A (en) * | 2016-01-15 | 2017-07-20 | アズビル株式会社 | Valve operation checking device and method |
US11080660B2 (en) * | 2017-03-20 | 2021-08-03 | The Boeing Company | Data-driven unsupervised algorithm for analyzing sensor data to detect abnormal valve operation |
-
2021
- 2021-03-01 JP JP2021031919A patent/JP2022133074A/en active Pending
-
2022
- 2022-03-01 WO PCT/JP2022/008555 patent/WO2022186185A1/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2022186185A1 (en) | 2022-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8099672B2 (en) | System and method for continuous online safety and reliability monitoring | |
US8019570B2 (en) | System and method for continuous online safety and reliability monitoring | |
US7275018B2 (en) | Method of condition monitoring | |
US20130197854A1 (en) | System and method for diagnosing machine tool component faults | |
US6295478B1 (en) | Manufacturing process change control apparatus and manufacturing process change control method | |
EP2510443B1 (en) | Automation management system and method | |
CN110837893A (en) | Apparatus, method and storage medium | |
EP3859455B1 (en) | Learning apparatus, learning method, learning program, determination apparatus, determination method, determination program, and computer readable medium | |
CN111597223A (en) | Fault early warning processing method, device and system | |
US20210319368A1 (en) | Fault diagnosis for diagnosis target system | |
WO2013041440A1 (en) | System and method for plant wide asset management | |
EP3002651A1 (en) | Monitoring means and monitoring method for monitoring at least one step of a process run on an industrial site | |
US5949676A (en) | Method and system for diagnosing the behavior of a machine controlled by a discrete event control system | |
US11250349B2 (en) | System for generating learning data | |
CN113093670A (en) | Instrument control state monitoring method, system and monitoring platform | |
CN117350379A (en) | Method and system for judging abnormal state of oil immersed transformer | |
WO2022186185A1 (en) | Valve operation abnormality detection system, valve operation abnormality detection method, and program | |
CN109243652A (en) | A kind of nuclear power plant system compressed air require data validity judges system and method | |
US20160195872A1 (en) | System for Assisting Operation at the Time of Plant Accident and Method for Assisting Operation at the Time of Plant Accident | |
US7818146B2 (en) | Method and device for the diagnosis of technical devices disposed within an industrial installation | |
CN116520798A (en) | Method, device, equipment and storage medium for diagnosing fault of regulating door | |
EP4068031A1 (en) | Health assessment method for an aircraft system and apparatus therefor | |
US10503162B2 (en) | System and method for plant control based on fluid quality | |
JPH04152220A (en) | Method and device for failure sensing | |
WO2005013098A2 (en) | Continuous online safety and reliability monitoring |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20220119 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20231027 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240806 |