JP3219116B2 - Error diagnosis method - Google Patents

Description

【発明の詳細な説明】DETAILED DESCRIPTION OF THE INVENTION

【０００１】[0001]

【産業上の利用分野】本発明は、石油化学等の工業プロ
セスに設置されるプロセス制御システムに内蔵して使用
され、工業プロセスの異常診断あるいは故障診断等に用
いられる異常診断方法に関し、特にプロセスデータから
プロセスの正常と異常とを識別する境界値を容易に求め
る方法を実現するものである。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to an abnormality diagnosis method which is used in a process control system installed in an industrial process such as petrochemical or the like and is used for abnormality diagnosis or failure diagnosis of an industrial process. This realizes a method for easily obtaining a boundary value for discriminating between normal and abnormal processes from data.

【０００２】[0002]

【従来の技術】種々の工業プロセスには図１０に示すよ
うな分散型プロセス制御システムを設置することが多
い。対象となるプロセスＰから温度、圧力、流量等のプ
ロセスデータをフイールドコントロールステーション
（ＦＣＳ）１１１に入力して、これらのデータに制御演
算を施して、弁開度制御信号やリレー接点信号等を出力
する。2. Description of the Related Art Various industrial processes are often provided with a distributed process control system as shown in FIG. Process data such as temperature, pressure, and flow rate from the target process P is input to a field control station (FCS) 111, and these data are subjected to a control operation to output a valve opening control signal, a relay contact signal, and the like. I do.

【０００３】オペレータステーション（ＯＰＳ）１１２
では、オペレータが前記の入出力信号の監視やプロセス
の運転操作等を行う。同一出願人による特願平４−８５
３２８異常診断方法は、上記の温度、圧力、流量等のプ
ロセスデータに許される上限及び下限値を経験により予
め求め、また上限値または下限値の隣合う２点間の値は
直線で近似して求め、上記のプロセスデータと照合して
異常診断を行うものである。The operator station (OPS) 112
Then, the operator monitors the input / output signals and operates the process. Japanese Patent Application No. 4-85 filed by the same applicant
In the 328 abnormality diagnosis method, the upper limit and the lower limit allowed for the process data such as the temperature, the pressure, and the flow rate are previously obtained by experience, and the value between two adjacent points of the upper limit or the lower limit is approximated by a straight line. Then, the abnormality diagnosis is performed by collating with the above process data.

【０００４】更に汎用ワークステーション１１３を設置
して、ＡＩ手法により異常診断や故障診断を行う方法が
あり、システム稼働中に得られたデータに予め作成して
おいたプロダクションルール（ＩＦ ＴＨＥＮ ＲＵＬ
Ｅとも呼ばれる）を主体とした異常診断アルゴリズムを
適用して、プロセスやシステム内で発生した異常や故障
を発見するものである。Further, there is a method in which a general-purpose workstation 113 is installed and an abnormality diagnosis or a failure diagnosis is performed by the AI method. A production rule (IF THEN RUL) prepared in advance on data obtained while the system is operating.
E), and discovers abnormalities or failures that have occurred in the process or system by applying an abnormality diagnostic algorithm mainly based on E).

【０００５】[0005]

【発明が解決しようとする課題】上記のようなＡＩ手法
を用いた異常診断方式では幅広い異常診断が可能になっ
たが、異常診断アルゴリズムを構築する際、プロセスの
正常と異常との識別境界値を決定することが難しく、ま
たオペレータがＡＩ手法を理解することも含めて多くの
時間を要するという問題があった。The abnormality diagnosis method using the AI method as described above enables a wide range of abnormality diagnosis. However, when constructing an abnormality diagnosis algorithm, a threshold value for discriminating between normal and abnormal processes is considered. Is difficult to determine, and it takes much time for the operator to understand the AI method.

【０００６】本発明の目的は、上記の様な問題点を解決
するために、オペレータにとって理解しやすく、短い時
間に簡単にプロセスの正常と異常との識別境界値を決定
でき、しかも最適な基準に基づいてプロセスの正常と異
常を判断できる異常診断方法を実現することである。SUMMARY OF THE INVENTION It is an object of the present invention to solve the above-mentioned problems and to make it easy for an operator to understand, to easily determine a discrimination boundary value between a normal process and an abnormal process in a short time , and to determine an optimal reference value. Process based on normal and abnormal
It is an object of the present invention to realize an abnormality diagnosis method that can always determine .

【０００７】[0007]

【課題を解決するための手段】上記のような目的を達成
するために本発明は、対象とするプロセスから順次計測
データを収集して、前記プロセスが異常であるか否かを
診断する異常診断方法において、 （ａ）収集保存しているプロセスの計測データを順次プ
ロットして、対象とするデータの範囲をＬ個の区間に等
分割する手順と、 （ｂ）第１区間の始点を起点としてＬ個の区間につい
て、それぞれデータ各点からの距離との差の二乗和が最
少になる折れ線函数を求める手順と、 （ｃ）第２区間の始点を起点としてＬ個の区間につい
て、それぞれデータ各点からの距離との差の二乗和が最
少になる折れ線函数を求め、以下同様にして第Ｌ区間の
始点を起点とした場合まで折れ線関数を求める手順と、 （ｄ）第１区間の始点を起点とした場合にＬ個の区間に
ついてそれぞれ求めたデータ各点からの距離の差の二乗
和の合計をＳＵＭ１とし、同様にしてＳＵＭ２からＳＵ
ＭＬまで求め、ＳＵＭ１からＳＵＭＬの中で最小値にな
るものについての折れ線函数を中央折れ線函数とする手
順と、 （ｅ）上記のようにして求めた中央折れ線函数の各区間
毎に中央折れ線函数からの標準偏差σを求める手順と、 （ｆ）上記標準偏差σのうち最大のものを共通標準偏差
値として、経験値係数αを乗じて、上限、下限の各折れ
線函数を作成する手順と、 （ｇ）この上限、下限の各折れ線函数で挟まれる範囲に
存在しない計測データに基づいてプロセスが異常である
と診断して信号を出力する手順とを有することを特徴と
する異常診断方法である。In order to achieve the above object, the present invention sequentially collects measurement data from a target process and determines whether the process is abnormal. In the abnormality diagnosis method for diagnosing, (a) a procedure of sequentially plotting measurement data of a collected and stored process and equally dividing a range of target data into L sections; Starting from the starting point,
Then, a procedure for finding a polygonal function that minimizes the sum of squares of the difference from the distance from each point of the data, and (c) starting from the start point of the second section as the starting point
Then , a polygonal function that minimizes the sum of squares of the difference from the distance from each data point is obtained , and the same applies to the L-th section in the same manner.
A procedure for obtaining a polygonal line function until the start point is set as a starting point;
The square of the difference of the distance from each point
The sum of the sum is defined as SUM1, and similarly from SUM2 to SU
ML and the minimum value from SUM1 to SUML
The line function of the object as the central line function
Common standard deviation and procedures, the largest of (f) the standard deviation σ to obtain a forward, a standard deviation σ from the center fold line function for each section of the central fold line function obtained as (e) above (G) multiplying the empirical value coefficient α as the value to create each of the upper and lower broken line functions; and (g) the process is abnormal based on the measurement data that does not exist in the range between the upper and lower broken line functions. And outputting a signal after diagnosing the abnormality.

【０００８】[0008]

【作用】この発明では、収集保存しているプロセスの計
測データを順次プロットして、対象とするデータの範囲
をＬ個の区間に等分割する。 Ｌ個の区間の中で、第１区
間の始点を起点としてＬ個の区間について、それぞれデ
ータ各点からの距離との差の二乗和が最少になる折れ線
函数を求める。 第２区間の始点を起点としてＬ個の区間
について、それぞれデータ各点からの距離との差の二乗
和が最少になる折れ線函数を求める。以下同様にして第
Ｌ区間の始点を起点とした場合まで折れ線関数を求め
る。 第１区間の始点を起点とした場合にＬ個の区間につ
いてそれぞれ求めたデータ各点からの距離の差の二乗和
の合計をＳＵＭ１とする。同様にしてＳＵＭ２からＳＵ
ＭＬまで求める。ＳＵＭ１からＳＵＭＬの中で最小値に
なるものについての折れ線函数を中央折れ線函数とす
る。このようにして求めた中央折れ線函数は、対象とす
る全区間（Ｌ個の区間）のデータを最もよく近似した折
れ線函数である。 According to the present invention, the total of the collected and stored processes is calculated.
Measurement data is plotted sequentially, and the range of the target data
Is equally divided into L sections. First section of L sections
Starting from the start point between the L segments,
Line that minimizes the sum of squares of the difference from the distance from each point
Find a function. L sections starting from the start point of the second section
For each, the square of the difference from the distance from each data point
Find the linear function that minimizes the sum. And so on
Find the line function until the start point of the L section
You. If the starting point of the first section is the starting point,
Sum of squares of the difference in distance from each point
Is set to SUM1. Similarly, from SUM2 to SU
Find up to ML. From SUM1 to the minimum value in SUML
Assume that the line function of
You. The central line function obtained in this way is the target
Of the best approximation of the data of all sections (L sections)
Is a linear function.

【０００９】前記の中央折れ線函数と当該中央折れ線函
数の作成に使用した計測データとの間の標準偏差を求
め、そのうちの最大のものを共通標準偏差値とし経験値
係数αを乗じて、各区間につきプロセスの異常限界であ
る上限、下限の各折れ線函数を作成しているので、対象
とする計測の範囲で診断は連続して行えるし、計測デー
タのバラツキによる誤診を少なくすることもできる。The above-described central polygonal function and the central polygonal function
Calculate the standard deviation between the measurement data used to create the numbers , and multiply the maximum value as the common standard deviation value by the empirical coefficient α, and calculate the upper and lower limits that are the process abnormal limits for each section. Since the line function is created, diagnosis can be performed continuously within the range of the target measurement, and erroneous diagnosis due to variation in measurement data can be reduced.

【００１０】運転中の計測データがこの上限、下限を表
す各折れ線函数で挟まれる範囲に存在しない場合にプロ
セスが異常であると診断して信号を出力する。このプロ
セスの異常限界を表す上限、下限の各折れ線函数の作成
には予め一定の周期でサンプリングし、保存してある運
転データを使用するので変化に即応することができる。If the measured data during operation does not exist in the range between the broken line functions representing the upper and lower limits, the process is diagnosed as abnormal and a signal is output. Since the upper and lower broken line functions representing the abnormal limit of this process are created at regular intervals and sampling operation data is used, it is possible to respond immediately to changes.

【００１１】[0011]

【実施例】以下図面を用いて本発明を説明する。図１は
本発明の方法を実現する機能ブロック図である。通常本
発明の機能はソフトウエア的に実現されるものである。
そのために汎用ワークステーション１１３はマンマシン
インタフェースとして使用する。BRIEF DESCRIPTION OF THE DRAWINGS FIG. FIG. 1 is a functional block diagram for realizing the method of the present invention. Usually, the functions of the present invention are realized by software.
Therefore, the general-purpose workstation 113 is used as a man-machine interface.

【００１２】プロセスＰからフイールドコントロールス
テーション（ＦＣＳ）１１１を経由して温度、圧力その
他のプロセスデータを一定の周期で収集保存するデータ
収集部１１、データ収集部１１の動作を規定するデータ
収集ジェネレータ１２、データ収集部１１から診断の為
の知識ベースを作成する目的のデータを記憶させるプロ
セスデータ保存部１３、対象とするデータの異常診断条
件を決定する異常監視範囲決定部１４、ワークステーシ
ョンの専用画面を使用して、異常診断に必要とされるデ
ータ、タグナンバー、異常診断条件を定義して登録する
異常診断定義ファイル１５、異常診断知識ベースを作成
する異常診断知識ベースジェネレータ１６、異常診断の
ための条件が記述されている簡易異常診断知識ベース１
７、データ収集部１１から送られたプロセスデータと簡
易異常診断知識ベース１７の内容を比較して異常か否か
を診断する異常診断部１８、異常診断の結果を表示する
異常診断表示部１９とから構成される。A data collection unit 11 that collects and stores temperature, pressure, and other process data from the process P via a field control station (FCS) 111 at regular intervals, and a data collection generator 12 that defines the operation of the data collection unit 11 A process data storage unit 13 for storing target data for creating a knowledge base for diagnosis from the data collection unit 11, an abnormality monitoring range determining unit 14 for determining an abnormality diagnosis condition of target data, and a dedicated screen of a workstation. , An abnormality diagnosis definition file 15 for defining and registering data, tag numbers, and abnormality diagnosis conditions required for abnormality diagnosis, an abnormality diagnosis knowledge base generator 16 for creating an abnormality diagnosis knowledge base, and an abnormality diagnosis Simple abnormality diagnosis knowledge base 1 describing the conditions of
7. An abnormality diagnosis unit 18 that compares the process data sent from the data collection unit 11 with the contents of the simple abnormality diagnosis knowledge base 17 to determine whether there is an abnormality, and an abnormality diagnosis display unit 19 that displays the result of the abnormality diagnosis. Consists of

【００１３】異常診断を開始すると、プロセスＰからフ
イールドコントロールステーション（ＦＣＳ）１１１を
経由して温度、圧力その他のプロセスデータを一定の周
期で収集しプロセスデータ保存部１３へ保存したあと異
常診断部１８へ処理を移す。異常診断部１８はプロセス
データと簡易異常診断知識ベース１７の内容を参照して
プロセスの異常を診断し、診断結果を異常診断表示部１
９によりワークステーション１１３の画面に表示する。When the abnormality diagnosis is started, temperature, pressure, and other process data from the process P via the field control station (FCS) 111 are collected at a fixed cycle, and stored in the process data storage unit 13. Move the process to The abnormality diagnosis unit 18 diagnoses a process abnormality by referring to the process data and the contents of the simple abnormality diagnosis knowledge base 17 and displays the diagnosis result in the abnormality diagnosis display unit 1.
9 is displayed on the screen of the workstation 113.

【００１４】異常監視範囲決定部１４が、対象とするデ
ータの異常診断条件を決定する動作は、プロセスデータ
保存部１３に保存されているデータを基にして、後に説
明する中央折れ線函数３１を求め、次に監視範囲を決定
することである。この結果により異常診断定義ファイル
１５へ監視範囲を設定する。図２は本発明の処理動作の
ＳＴＥＰを示す。The operation of the abnormality monitoring range determination unit 14 to determine the abnormality diagnosis condition of the target data is performed by obtaining a central polygonal line function 31 described later based on the data stored in the process data storage unit 13. Then, the monitoring range is determined. The monitoring range is set in the abnormality diagnosis definition file 15 based on the result. FIG. 2 shows a STEP of the processing operation of the present invention.

【００１５】ＳＴＥＰ１〜４の、収集したデータから折
れ線函数を求める処理は特許請求の範囲（ａ）〜（ｃ）
に、ＳＴＥＰ５の、中央折れ線函数３１を求める処理は
（ｄ）に、ＳＴＥＰ６の、標準偏差を求める処理は
（ｅ）に、ＳＴＥＰ７の、監視範囲を決定する処理は
（ｆ）に、ＳＴＥＰ８〜９の異常診断をして結果を出力
する処理は（ｇ）にそれぞれ対応する。Claims (a) to (c) in which the processing for obtaining the polygonal line function from the collected data in STEPs 1 to 4 are described below.
The processing for obtaining the central polygonal line function 31 in STEP 5 is shown in (d), the processing for obtaining the standard deviation in STEP 6 is shown in (e), the processing for determining the monitoring range in STEP 7 is shown in (f), and the processing in STEPs 8-9. The process of diagnosing the abnormality and outputting the result corresponds to (g).

【００１６】次に本発明にかかる異常診断方法の原理を
説明する。先ず最初に、プロセスの運転条件、例えば燃
料流量を増加させて各部の温度を上昇なせるなどの操
作、を変えてプロセスから所定の計測データを得る。図
３はプロセスから収集し保存してあった計測データを順
次プロットしたもので、対象とするデータの範囲Ｘ₀〜
Ｘ_LをＬ個の区間に等分割することを示す。この基本と
なる計測データについて下記に説明する中央折れ線函数
を求める。図３のＸ₀〜Ｘ_Lはプロセスの運転条件の変動
範囲に相当する。所定の条件Ｘで運転中に計測値Ｙが上
記の中央折れ線函数から求めた監視範囲を離脱した場合
を異常と診断するものである。Next, the principle of the abnormality diagnosis method according to the present invention will be described. First, predetermined measurement data is obtained from the process by changing the operating conditions of the process, for example, the operation of increasing the temperature of each part by increasing the fuel flow rate. FIG. 3 is a graph in which measurement data collected and stored from the process is sequentially plotted, and the range of target data X ₀ to
Indicating that equally divide the X _L into L intervals. A central polygonal function described below is obtained for the basic measurement data. X ₀ to X _L in FIG. 3 corresponds to the variation range of the process operating conditions. An abnormality is diagnosed when the measured value Y deviates from the monitoring range obtained from the above-described central polygonal line function during operation under the predetermined condition X.

【００１７】以下に最小二乗法の直線回帰分析の手法を
用いて、中央折れ線函数を求めるアルゴリズムを（１）
項に、監視範囲を求めるアルゴリズムを（２）項にＳＴ
ＥＰを追って詳しく説明する。 （１）中央折れ線函数を表すアルゴリズムを求める。図
３はプロセスから収集し保存してあった計測データを順
次プロットしたもので、対象とするデータの範囲Ｘ₀〜
Ｘ_LをＬ個の区間に等分割することを示す。（ＳＴＥＰ
２〜３） 運転条件Ｘのときの計測値がＹである。ＸとＹの関係は
範囲Ｘ₀〜Ｘ_Lの小さい範囲では一次函数で表されるもの
と考えられる。全範囲はＬ等分してそれぞれの一次函数
を求める。An algorithm for obtaining a central polygonal line function using the method of linear regression analysis of the least squares method will be described below (1).
In the section, the algorithm for obtaining the monitoring range is described in the section (2), ST.
This will be described in detail following the EP. (1) Find an algorithm that represents the central polygonal line function. FIG. 3 is a graph in which measurement data collected and stored from the process is sequentially plotted, and the range of target data X ₀ to
Indicating that equally divide the X _L into L intervals. (STEP
2-3) The measured value under the operating condition X is Y. Relationship between X and Y is considered to be represented by a linear function is a small range of the range X ₀ to X _L. The entire range is divided into L equal parts to obtain the respective primary functions.

【００１８】図４は対象とするデータの範囲Ｘ₀〜Ｘ_Lの
中の第Ｋ区間を拡大して示し、その中にｋ₁〜ｋ_nのｎ個
のデータがあることを示す。この区間内のデータを折れ
線函数Ｙ＝ａＸ＋ｂで代表させると、データ各点とこの
折れ線函数３１との距離の残差の二乗和（以下Ｓで表
す）が最少になる場合のａ及びｂで表したＹ＝ａＸ＋ｂ
（式１）がこれらのデータを最も正しく表すものとな
る。このａ及びｂは下記の式で求まるものである。 Ｙ＝ａＸ＋ｂ 式１ 各区間内にｎ個のデータがあるものとし、Σは区間毎に
ｉ＝１からｉ＝ｎまでのｎ回の和を表す記号とする。[0018] Figure 4 is an enlarged view of the first K domain in a range X ₀ to X _L of the data of interest, indicating that there are n data k ₁ to k _n therein. If the data in this section is represented by a polygonal line function Y = aX + b, it is expressed by a and b when the sum of squares of the residual of the distance between each data point and the polygonal line function 31 is minimized (hereinafter represented by S). Y = aX + b
(Equation 1) represents these data most correctly. A and b are determined by the following equations. Y = aX + b Equation 1 Assume that there are n pieces of data in each section, and 記号 is a symbol representing the sum of n times from i = 1 to i = n for each section.

【００１９】また接続点のＸ及びＹの関係は図３のとお
りである。第Ｋ区間のａ、ｂ、Ｓをａ_k、ｂ_k、Ｓ_kで表
し計算には次の式を使用する。 ａ_k＝（ΣＸ_iΣＹ_i−ｎΣＸ_iＹ_i）／（（ΣＸ_i）²−ｎΣＸ_i ²） 式２ ｂ_k＝１／ｎ×（ΣＹ_i−ａ_kΣＸ_i） 式３ Ｓ_k＝Σ（Ｙ_i−（ａ_kＸ_i＋ｂ_k））² 式４ 図５は、第Ｋ区間以降及び以前の区間では先に決定した
折れ線とつながることを制約条件として、区間内のデー
タ各点からの距離との残差の二乗和が最少になる合計Ｌ
個の折れ線函数を求める動作を示す。FIG. 3 shows the relationship between X and Y at the connection points. The a, b, and S of the K-th section are represented by a _k , b _k , and S _k , and the following equation is used for calculation. a _k = (ΣX _i ΣY _i -nΣX _i Y _i ) / ((ΣX _i ) ² -nΣX _i ² ) Formula _{2 b k = 1 / n ×} (ΣY i -a k ΣX i) Formula _{3 S k = Σ (Y i} - (a k X i + b k)) 2 Equation 4 FIG. 5 shows that the total L that minimizes the sum of squares of the residual with the distance from each data point in the section under the constraint that connection to the polygonal line determined earlier in the section after the K-th section and before is used as a constraint.
The operation of obtaining the polygonal line functions will be described.

【００２０】この制約条件があるため、第Ｋ区間の前後
の区間で適用する計算式は異なる。第Ｋ＋１の区間から
ａ、ｂ、Ｓの計算を始めるときは次の式を使用する。 ａ_k+1＝Σ（（Ｘ_k−Ｘ_i）（Ｙ_k−Ｙ_i））／Σ（Ｘ_k−Ｘ_i）² 式５ ｂ_k+1＝Ｙ_k−ａ_k+1Ｘ_k 式６ Ｓ_k+1＝Σ（Ｙ_i−（ａ_k+1Ｘ_i＋ｂ_k+1））² 式７ 第Ｋ−１の区間からａ、ｂ、Ｓの計算を始めるときは次
の式を使用する。 ａ_k-1＝Σ（（Ｘ_k-1−Ｘ_i）（Ｙ_K-1−Ｙ_i））／Σ（Ｘ_k-1−Ｘ_i）² 式８ ｂ_k-1＝Ｙ_k-1−ａ_k-1Ｘ_k-1 式９ Ｓ_k-1＝Σ（Ｙ_i−（ａ_k-1Ｘ_i＋ｂ_k-1））² 式１０ 図６は、第１区間、第２区間・・・第Ｌ区間の始点を起
点として各々Ｌ個の区間内でデータ各点からの距離との
残差の二乗和Ｓを求める折れ線函数のマトリクスを示
す。上記の式２〜式１０に基づきこの各欄を計算する。
（ＳＴＥＰ４） ここでＳＵＭｌ’、ａｌ’、ｂｌ’、Ｓｌ’をｌ’＝１
−Ｌとしたときに、ＳＵＭ₁は第１区間を始点として第
Ｌ区間迄の各区間を直線近似する折れ線函数を表す
ａ₁、ｂ₁〜ａ_L、ｂ_L及びＳ₁〜Ｓ_Lを示す欄である。例え
ばＬを６とし、第４区間を起点とすると、起点番号ｌ’
は４となり、順に６までのａ₄〜ａ₆、ｂ₄〜ｂ₆、Ｓ₄〜
Ｓ₆を求める。次にｌ’−１から逆順に１までのａ₃〜ａ
₁、ｂ₃〜ｂ₁、Ｓ₃〜Ｓ₁を求める。このようにして、ａ₁
〜ａ₆、ｂ₁〜ｂ₆、Ｓ₁〜Ｓ₆を求める。このようにし
て、ＳＵＭ_Lは第Ｌ区間の始点を起点として第Ｌ−１区
間の最後のデータ迄の各区間の折れ線を表すａ、ｂ、及
びＳを示す欄である。Due to these constraints, the calculation formulas applied in the sections before and after the K-th section are different. The following equation is used to start the calculation of a, b, and S from the (K + 1) th section. a _{k + 1} = Σ ((X _k −X _i ) (Y _k −Y _i )) / Σ (X _k −X _i ) ² Equation 5 b _{k + 1} = Y _k −a _{k + 1} X _k Equation 6 S _{k + 1} = Σ (Y _i − (a _{k + 1} X _i + b _{k + 1} )) ² Equation 7 When starting the calculation of a, b, and S from the K−1 section, the following equation is used. . a _k−1 = Σ ((X _k−1 −X _i ) (Y _K−1 −Y _i )) / Σ (X _k−1 −X _i ) ² Equation 8 b _k−1 = Y _k−1 − a _k−1 X _k−1 Equation 9 S _k−1 = Σ (Y _i − (a _k−1 X _i + b _k−1 )) ² Equation 10 FIG. 6 shows a first section, a second section,. 13 shows a matrix of a polygonal function for calculating a sum of squares S of a difference from a distance from each data point in each of L sections starting from a start point of the L-th section. Each of these fields is calculated based on the above equations 2 to 10.
(STEP 4) Here, SUMl ', al', bl ', and Sl' are represented by l '= 1.
When a -L, SUM ₁ shows the _{a 1, b 1 ~a L,} b L and S ₁ to S _L representing a polygonal line function that linearly approximates the each section until the L section of the first section as the starting point Column. For example, if L is 6, and the fourth section is the starting point, the starting point number l ′
Is 4, and a _{4 to} a ₆ , b _{4 to} b ₆ , S ₄ to
Determine the S _6. Next, a ₃ -a from l′−1 to 1 in reverse order
₁ , b _{3 to} b ₁ and S _{3 to} S ₁ are obtained. Thus, a ₁
Ａa ₆ , b ₁ b ₆ and S ₁ 〜S ₆ are obtained. In this manner, SUM _L is a column indicating a, b, and S representing a polygonal line in each section from the start point of the L-th section to the last data of the L-1 section.

【００２１】ここで第１区間を起点にしてＬ全区間につ
いて求めたＳ₁〜Ｓ_Lの合計をＳＵＭ ₁とする。同様にし
て第Ｌ区間までの各区間の始点を起点にもつそれぞれの
Ｓ₁〜Ｓ_Lの合計を求めてＳＵＭ₂〜ＳＵＭ_Lとする。この
ＳＵＭ₁からＳＵＭ_Lの中で最少となる欄にある第１区間
のａ₁、ｂ₁〜第Ｌ区間のａ_L、ｂ_Lをそれぞれの区間の折
れ線函数Ｙ＝ａＸ＋ｂのａ及びｂとして採用すれば対象
とする全区間のデータを最も良く近似すると考える。こ
れを中央折れ線函数と言う。（ＳＴＥＰ５） それぞれの区間のこの折れ線函数をＹ₁、Ｙ₂、・・Ｙ_L
で表す。 （２）監視範囲を表すアルゴリズムを計算する。Here, starting from the first section, all L sections
S₁~ S_LSum of ₁And Likewise
Of each section up to the L-th section
S₁~ S_LSUM for the sum of_Two~ SUM_LAnd this
SUM₁To SUM_L1st section in the smallest column of
A₁, B₁~ A of the L-th section_L, B_LFor each section
If it is adopted as a and b of the linear function Y = aX + b
It is considered that the data of all the sections is best approximated. This
This is called the central polygonal function. (STEP5) This line function of each section is Y₁, Y_Two, ... Y_L
Expressed by (2) Calculate an algorithm representing the monitoring range.

【００２２】図７に第１区間から第Ｌ区間までの各区間
毎にプロセスデータと上記中央折れ線函数からの標準偏
差を求める動作を第１区間から第Ｌ区間まで繰り返すこ
とを示す。（ＳＴＥＰ６） 計算は次の式を使用する。 σ_k＝［Σ（Ｙ_i−（ａ_kＸ_i＋ｂ_k））²−［Σ（Ｙ_i−（ａ_kＸ_i＋ｂ_k））］² ／ｎ］／（ｎ−１） の平方根 式１１ 図８は各区間毎にプロセスデータと中央折れ線函数から
求めた標準偏差σの中から最大のものを共通標準偏差値
σ_maxとして選び、経験値係数αを乗じて、第１区間か
ら第Ｌ区間の区間ごとに上限、下限の各折れ線函数を作
成する手順を示す。FIG. 7 shows that the operation of obtaining the process data and the standard deviation from the central polygonal line function is repeated for each section from the first section to the L-th section from the first section to the L-th section. (STEP 6) The following formula is used for the calculation. σ _k = [Σ (Y _i − ( _ak X _i + b _k )) ² − [Σ (Y _i − ( _ak X _i + b _k ))] ² / n] / (n−1) FIG. 8 shows that, for each section, the largest one among the standard deviations σ obtained from the process data and the central polygonal line function is selected as the common standard deviation value σ _max , multiplied by the empirical coefficient α, and the first to the L-th section. The procedure for creating each of the upper and lower polygonal line functions for each section of will be described.

【００２３】次の通り計算をする。 第１区間の監視範囲の上限折れ線函数Ｙ_HIGH1＝Ｙ₁＋σ
_max×α 〜第Ｌ区間の監視範囲の上限折れ線函数Ｙ_HIGHL＝Ｙ_L＋
σ_max×α 第１監視範囲の下限折れ線函数Ｙ_LOW1＝Ｙ₁−σ_max×α 〜第Ｌ監視範囲の下限折れ線函数Ｙ_LOWL＝Ｙ_L−σ_max×
α Ｘ軸の両端にある監視限界は異常監視範囲決定部１４に
より予め設定する。The calculation is performed as follows. Upper limit line function Y _HIGH1 = Y ₁ + σ of the monitoring range of the first section
_max × α to the upper limit polygonal function Y _HIGHL = Y _L +
sigma _max × alpha lower polygonal line function Y of the first monitoring range _{LOW1 = Y 1 -σ max × α} ~ the L monitoring range of the lower limit polygonal line function Y _LOWL = Y _L -σ _max ×
The monitoring limits at both ends of the α X-axis are set in advance by the abnormality monitoring range determination unit 14.

【００２４】上記のようにして得られた上限、下限の各
折れ線函数は異常診断定義ファイルに設定される。（Ｓ
ＴＥＰ７〜８）図９は上記のようにして求めた中央折れ
線函数は３１、上限折れ線函数は９２、下限折れ線函数
は９３で示している。計測データが上限折れ線函数９２
と下限折れ線函数９３で挟まれる範囲に存在しない場合
にプロセスは異常であると診断して信号を出力する。The upper and lower broken line functions obtained as described above are set in the abnormality diagnosis definition file. (S
(TEP 7 to 8) FIG. 9 shows the central polygonal function obtained as described above as 31, the upper limit polynomial function as 92, and the lower polynomial function as 93. Measurement data is upper limit line function 92
If the process does not exist in the range between the lower limit linear function 93 and the lower limit line function 93, the process is diagnosed as abnormal and a signal is output.

【００２５】図１０は本発明の異常診断方法を内蔵した
分散型プロセス制御システムの例を示す。対象となるプ
ロセスＰから温度、圧力、流量等のプロセスデータをフ
イールドコントロールステーション（ＦＣＳ）１１１に
入力して、これらのデータに制御演算を施して、弁開度
制御信号やリレー接点信号等を出力する。オペレータス
テーション（ＯＰＳ）１１２では、オペレータが前記の
入出力信号の監視やプロセスの運転操作等を行う。FIG. 10 shows an example of a distributed process control system incorporating the abnormality diagnosis method of the present invention. Process data such as temperature, pressure, and flow rate from the target process P is input to a field control station (FCS) 111, and these data are subjected to a control operation to output a valve opening control signal, a relay contact signal, and the like. I do. In the operator station (OPS) 112, an operator monitors the input / output signals and operates the process.

【００２６】汎用ワークステーション１１３は異常診断
や故障診断等特定の作業を行うための専用操作卓であ
る。The general-purpose workstation 113 is a dedicated console for performing specific operations such as abnormality diagnosis and failure diagnosis.

【００２７】[0027]

【発明の効果】本発明によれば、運転中に保存したデー
タを用いて、プロセスが正常であるか否かの監視範囲を
決定するため、経年変化等による監視範囲の変更や運転
条件の変更に伴なって異常限界を変更するために上限、
下限の各折れ線函数を変更する要求にも速やかな対応が
可能である。また、対象とする全区間のデータを最もよ
く近似した中央折れ線函数をもとに判断をしているた
め、最適な基準に基づいてプロセスの正常と異常を判断
できる。 According to the present invention, a monitoring range for determining whether or not a process is normal is determined by using data stored during operation. The upper limit to change the abnormal limit with the
It is possible to promptly respond to a request to change each lower-order linear function. In addition, the data of all target sections
Judgment is made based on the approximate central line function
To determine whether the process is normal or abnormal based on optimal criteria
it can.

【００２８】また経験を基にして監視範囲や異常限界を
合理的にかつ容易に決定することができる。保存データ
や監視範囲をワークステーションの専用画面へ表示する
ことにも適しているので視覚的把握にも便利である。以
上のように、異常診断及び故障診断を実現する方法とし
ては比較的簡単に、かつ短時間に結果を得られるのでシ
ステムの構築が簡便であり、保守性及び信頼性の向上に
も顕著な効果がある。The monitoring range and the abnormal limit can be rationally and easily determined based on experience. It is also suitable for displaying stored data and monitoring range on a dedicated screen of the workstation, so that it is convenient for visual grasp. As described above, as a method for realizing the abnormality diagnosis and the failure diagnosis, the result can be obtained relatively easily and in a short time, so that the system can be easily constructed, and the remarkable effect is also provided for the improvement of the maintainability and reliability. There is.

【図面の簡単な説明】[Brief description of the drawings]

【図１】本発明の方法を実現する機能ブロック図であ
る。FIG. 1 is a functional block diagram for realizing the method of the present invention.

【図２】本発明の処理動作手順を示す。FIG. 2 shows a processing operation procedure of the present invention.

【図３】保存している対象プロセスデータをプロットし
た例を示す。FIG. 3 shows an example in which stored target process data is plotted.

【図４】図３の区間Ｋを拡大した説明図である。FIG. 4 is an explanatory diagram in which a section K in FIG. 3 is enlarged.

【図５】残差の二乗の和を求める動作を示す流れ図であ
る。FIG. 5 is a flowchart showing an operation for obtaining a sum of squares of residuals.

【図６】折れ線函数のマトリクスを示す図である。FIG. 6 is a diagram showing a matrix of polygonal functions.

【図７】標準偏差演算処理を示す流れ図である。FIG. 7 is a flowchart showing a standard deviation calculation process.

【図８】上下限折れ線函数の決定処理の流れ図である。FIG. 8 is a flowchart of a process for determining upper and lower limit polygonal line functions.

【図９】中央折れ線と上下限折れ線の関係を示す図であ
る。FIG. 9 is a diagram showing a relationship between a center polygonal line and upper and lower polygonal lines.

【図１０】システム構成図である。FIG. 10 is a system configuration diagram.

【符号の説明】[Explanation of symbols]

１１ データ収集部 １２ データ収集ジェネレータ １３ プロセスデータ保存部 １４ 異常監視範囲決定部 １５ 異常診断定義ファイル １６ 異常診断知識ベースジェネレ−タ １７ 簡易異常診断知識ベース １８ 異常診断部 １９ 異常診断表示部 ３１ プロセスデータを代表する折れ線函数 ４２ Ｋ区間の上限折れ線函数 ４３ Ｋ区間の下限折れ線函数 ９２ 上限折れ線函数 ９３ 下限折れ線函数 １１１ フイールドコントロールステーション（ＦＣ
Ｓ）、Ｐはプロセス １１２ オペレータステーション（ＯＰＳ） １１３ 汎用ワークステーションReference Signs List 11 data collection unit 12 data collection generator 13 process data storage unit 14 abnormality monitoring range determination unit 15 abnormality diagnosis definition file 16 abnormality diagnosis knowledge base generator 17 simple abnormality diagnosis knowledge base 18 abnormality diagnosis unit 19 abnormality diagnosis display unit 31 process data Line function that represents the equation 42 Upper limit line function in the K section 43 Lower limit line function in the K section 92 Upper limit line function 93 Lower limit line function 111 Field control station (FC
S) and P are processes 112 Operator station (OPS) 113 General-purpose workstation

───────────────────────────────────────────────────── フロントページの続き (58)調査した分野(Int.Cl.⁷，ＤＢ名) G05B 23/02 G06F 17/17 ──────────────────────────────────────────────────続 き Continued on front page (58) Field surveyed (Int.Cl. ⁷ , DB name) G05B 23/02 G06F 17/17

Claims (1)

(57)【特許請求の範囲】(57) [Claims] 【請求項１】対象とするプロセスから順次計測データを
収集して、前記プロセスが異常であるか否かを診断する
異常診断方法において、 （ａ）収集保存しているプロセスの計測データを順次プ
ロットして、対象とするデータの範囲をＬ個の区間に等
分割する手順と、 （ｂ）第１区間の始点を起点としてＬ個の区間につい
て、それぞれデータ各点からの距離との差の二乗和が最
少になる折れ線函数を求める手順と、 （ｃ）第２区間の始点を起点としてＬ個の区間につい
て、それぞれデータ各点からの距離との差の二乗和が最
少になる折れ線函数を求め、以下同様にして第Ｌ区間の
始点を起点とした場合まで折れ線関数を求める手順と、 （ｄ）第１区間の始点を起点とした場合にＬ個の区間に
ついてそれぞれ求めたデータ各点からの距離の差の二乗
和の合計をＳＵＭ１とし、同様にしてＳＵＭ２からＳＵ
ＭＬまで求め、ＳＵＭ１からＳＵＭＬの中で最小値にな
るものについての折れ線函数を中央折れ線函数とする手
順と、 （ｅ）上記のようにして求めた中央折れ線函数の各区間
毎に中央折れ線函数からの標準偏差σを求める手順と、 （ｆ）上記標準偏差σのうち最大のものを共通標準偏差
値として、経験値係数αを乗じて、上限、下限の各折れ
線函数を作成する手順と、 （ｇ）この上限、下限の各折れ線函数で挟まれる範囲に
存在しない計測データに基づいてプロセスが異常である
と診断して信号を出力する手順とを有することを特徴と
する異常診断方法。1. An abnormality diagnosis method for sequentially collecting measurement data from a target process and diagnosing whether the process is abnormal, comprising: (a) sequentially plotting measurement data of a collected and stored process; (B) dividing the range of the target data into L sections equally; and (b) starting from the start point of the first section as a starting point.
Then, a procedure for finding a polygonal function that minimizes the sum of squares of the difference from the distance from each point of the data, and (c) starting from the start point of the second section as the starting point
Then , a polygonal function that minimizes the sum of squares of the difference from the distance from each data point is obtained , and the same applies to the L-th section in the same manner.
A procedure for obtaining a polygonal line function until the start point is set as a starting point;
The square of the difference of the distance from each point
The sum of the sum is defined as SUM1, and similarly from SUM2 to SU
ML and the minimum value from SUM1 to SUML
The line function of the object as the central line function
Common standard deviation and procedures, the largest of (f) the standard deviation σ to obtain a forward, a standard deviation σ from the center fold line function for each section of the central fold line function obtained as (e) above (G) multiplying the empirical value coefficient α as the value to create each of the upper and lower broken line functions; and (g) the process is abnormal based on the measurement data that does not exist in the range between the upper and lower broken line functions. And outputting a signal.