JP6250942B2 - 信頼性が改善されたオペレーションのためのシステム及び方法 - Google Patents

信頼性が改善されたオペレーションのためのシステム及び方法 Download PDF

Info

Publication number
JP6250942B2
JP6250942B2 JP2013061392A JP2013061392A JP6250942B2 JP 6250942 B2 JP6250942 B2 JP 6250942B2 JP 2013061392 A JP2013061392 A JP 2013061392A JP 2013061392 A JP2013061392 A JP 2013061392A JP 6250942 B2 JP6250942 B2 JP 6250942B2
Authority
JP
Japan
Prior art keywords
model
pfd
risk
sif
input
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.)
Active
Application number
JP2013061392A
Other languages
English (en)
Other versions
JP2013206466A (ja
JP2013206466A5 (ja
Inventor
マリア・セシリア・マッザロ
フレドリック・ウィリアム・ブロック
パブロ・エンリク・アセヴェド・ジラルディ
チャールズ・スコット・シーリング
アタヌ・タルクダール
マーク・アンドリュー・ルンクル
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
General Electric Co
Original Assignee
General Electric Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by General Electric Co filed Critical General Electric Co
Publication of JP2013206466A publication Critical patent/JP2013206466A/ja
Publication of JP2013206466A5 publication Critical patent/JP2013206466A5/ja
Application granted granted Critical
Publication of JP6250942B2 publication Critical patent/JP6250942B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
    • 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
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G05B23/0245—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a qualitative model, e.g. rule based; if-then decisions
    • G05B23/0251—Abstraction hierarchy, e.g. "complex systems", i.e. system is divided in subsystems, subsystems are monitored and results are combined to decide on status of whole system

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Control Of Turbines (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Safety Devices In Control Systems (AREA)
  • Debugging And Monitoring (AREA)

Description

本明細書で開示される主題は、オペレーションに関し、より具体的には、信頼性の高いオペレーションに関する。
ターボ機械システムを含む機械システムは、プロセスに関与する様々な構成要素及びサブシステムを含むことができる。例えば、ターボ機械は、電力生成に関与する、燃料ライン、燃焼器、タービンシステム、排気システムなどを含むことができる。構成要素及びサブシステムは更に、プロセスを監視し、プロセスが特定の安全限界内で作動しているかどうかを判定するのに好適な安全計装システム（ＳＩＳ）を含む。ＳＩＳは、現場装置（例えば、バルブ、ポンプ）などの特定の装置を自動的に作動させて、プロセスを所望の安全な範囲に戻すことができる。しかしながら、機械システムは、多数の相互に関連する構成要素及びサブシステムを含み、複雑なものとなる場合がある。従って、ＳＩＳオペレーションのようなオペレーションの信頼性を認識又は予測することは、困難で時間を要する可能性がある。
米国特許第６，２１７，０７６号明細書
最初に請求項に記載された本発明の範囲内にある特定の実施形態について以下で要約する。これらの実施形態は、特許請求した本発明の技術的範囲を限定することを意図するものではなく、むしろそれらの実施形態は、本発明の実施可能な形態の簡潔な概要を示すことのみを意図している。当然のことながら、本発明は、下記に説明した実施形態と同様のもの又は該実施形態と異なるものとすることができる様々な形態を含むことができる。
第１の実施形態において、システムは、安全システムをモデル化するよう構成されたモデルライブラリを含むことができ、該モデルライブラリは、複数のサブシステムモデルを含み、該複数のサブシステムモデルの各々が、信頼性尺度を得るよう構成されている。本システムは更に、フォールトトレランス入力と、保守整備ポリシー入力と、を含む。本システムは更に、複数のサブシステムモデル、フォールトトレランス入力、及び保守整備ポリシー入力のユーザ定義セットを使用して、装置のシステムリスクを取得するよう構成された動的リスク計算エンジン（ＤＲＣＥ）を含む。
第２の実施形態において、方法は、モデルライブラリに基づいてシステムについての複数の状態確率を予測するステップを含み、該モデルライブラリが複数のサブシステムモデルを含み、複数のサブシステムモデルの各々が、信頼性尺度を得るよう構成される。本方法は更に、システムの要求時作動失敗確率（ＰＦＤ）をコンピュータ計算するステップを含む。本方法はまた、システムのＰＦＤに基づいて平均ＰＦＤを取得するステップと、平均ＰＦＤのＮステップ前の推定値がリスク低減要因（ＲＲＦ）を上回る場合に、証明試験を命令するステップと、を含む。本方法は更に、証明試験スケジュールを出力するステップを含む。
第３の実施形態において、システムは、機械システムを制御し、該機械システムからの入力を受け取るよう構成されたコントローラを含み、コントローラが、複数のサブシステムを含み且つその各々が信頼性尺度を得るよう構成されたモデルライブラリに基づいてシステムについての複数の状態確率を予測するよう構成された非一時的機械可読命令を含む。コードは更に、システムの要求時作動失敗確率（ＰＦＤ）をコンピュータ計算するよう構成されている。コードは更に、システムのＰＦＤに基づいて平均ＰＦＤを取得し、平均ＰＦＤのＮステップ前の推定値がリスク低減要因（ＲＲＦ）を上回る場合に、証明試験を命令するよう構成されている。コードは更に、証明試験スケジュールを出力する、よう構成されている。
本発明のこれらの及びその他の特徴、態様並びに利点は、図面全体を通して同じ参照符号が同様の部分を表す添付図面を参照して以下の詳細な説明を読むと、より良好に理解されるであろう。
モデルベース信頼性システム（ＭＲＳ）の１つの実施形態のブロック図。 ターボ機械システムに通信可能に結合された、図１のＭＲＳの１つの実施形態の概略図。 複数の構成要素モデルを含む、安全計装機能（ＳＩＦ）の１つの実施形態の概略図。 安全計装システム（ＳＩＳ）モデリングツールの画面の１つの実施形態のスクリーンショットの図。 安全システムをモデル化するのに好適なＭａｒｋｏｖモデルの１つの実施形態のブロック図。 より効率的な証明試験間隔を取得するのに有用なプロセスの１つの実施形態のフローチャート。 計算したリスクに基づいて保守整備動作、稼働動作、及び／又は経済的動作を取得するのに有用なプロセスの１つの実施形態のフローチャート。 安全システムをモデル化するのに好適なＭａｒｋｏｖモデルの１つの実施形態のブロック図。
本発明の１つ又はそれ以上の特定の実施形態について、以下に説明する。これらの実施形態の簡潔な説明を行うために、本明細書では、実際の実施態様の全ての特徴については説明しないことにする。何れかの技術又は設計プロジェクトと同様に、このような何らかの実際の実装の開発において、システム及びビジネスに関連した制約への準拠など、実装毎に異なる可能性のある開発者の特定の目標を達成するために、多数の実装時固有の決定を行う必要がある点は理解されたい。更に、このような開発の取り組みは、複雑で時間を要する可能性があるが、本開示の利点を有する当業者にとっては、設計、製作、及び製造の日常的な業務である点を理解されたい。
特定の実施形態において、工業プロセス及び関連する機械装置の安全なオペレーションは、安全計装システム（ＳＩＳ）によって提供することができる。これらの実施形態において、ＳＩＳは、１つ又はそれ以上の安全計装機能（ＳＩＦ）として実装することができる。ＳＩＦは、３つの主要機能ブロック、すなわち、工業プロセスを監視するのに好適なセンサを提供する検知ブロックと、検知ブロックによって提供される監視情報に基づいて安全動作を得るのに好適なコントローラを提供するロジックソルバーブロックと、ロジックソルバーブロックのコントローラによって駆動されてプロセスを安全限界内に維持することができる最終要素（点滅光、サイレン、及び／又は遠隔作動バルブ）を提供する作動ブロックとを含むことができる。機械装置又は発電プロセスなどのプロセスにＳＩＦを実装することにより、望ましくない条件を検出してこれに応じて作動し、所望の安全度水準（ＳＩＬ）を維持することができる。例えば、Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｓｏｃｉｅｔｙ ｏｆ Ａｕｔｏｍａｔｉｏｎ（ＩＳＡ）文書Ｓ８４．０１及びＩｎｔｅｒｎａｔｉｏｎａｌ Ｅｌｅｃｔｒｏｔｅｃｈｎｉｃａｌ Ｃｏｍｍｉｓｓｉｏｎ（ＩＥＣ）文書６１５０８は、所与のＳＩＦに割り当てることができる特定のＳＩＬレベル（例えば、ＳＩＬ１、ＳＩＬ２、ＳＩＬ３、及びＳＩＬ４）を提供する。ＳＩＬレベルが高いほど、改善された安全性と相関関係にある。すなわち、ＳＩＬ４を用いたＳＩＦは、ＳＩＬ３、２、又は１を用いたＳＩＦよりもより信頼性があるとみなされる。
加えて、各ＳＩＬは、要求時作動失敗確率（ＰＦＤ）、平均故障時間（ＭＴＴＦ）、平均故障間隔（ＭＴＢＦ）、安全側故障割合（ＳＦＦ）、ハードウェア故障耐性（ＨＦＴ）、及びリスク低減要因（ＲＲＦ）などの性能尺度と相関付けられ、又はその適合に基づくことができる。例えば、連続オペレーション状態でのプロセスにおいて、ＩＥＣ６１５０８は、時間当たりのＰＦＤが約０．００１〜０．０００１、ＲＲＦが約１，０００〜１０，０００であるものとしてＳＩＬ３を定義している。従って、連続プロセスのＳＩＦ監視連続オペレーションは、ＳＩＦが上述のＲＲＦ及びＰＦＤに適合することが示すことができる場合には、ＳＩＬ３として認証することができる。場合によっては、ＲＲＦ及び／又はＰＦＤは、履歴データに基づいて取得することができる。すなわち、ＳＩＦが特定の時間量で動作することが許容されている場合には、履歴実績を用いてＲＲＦ及び／又はＰＦＤを取得することができる。しかしながら、この動作履歴による取得方法は、多大な時間を必要とする場合があり、設計中の新規のシステムでは実施できない可能性がある。
履歴的観測の代わりに、ＳＩＦ（例えば、ＰＦＤ、ＲＲＦ）の性能尺度を取得するのに好適な特定のモデル化技術を使用してもよい。例えば、故障樹解析（ＦＴＡ）、信頼度ブロック図（ＲＢＤ）、リスクグラフ、及び／又は防護層解析（ＬＯＰＡ）を用いてＳＩＦを解析し、性能尺度を取得することができる。加えて、又は代替として、Ｍａｒｋｏｖモデルを使用して、ＳＩＦを解析することができる。本明細書で記載される技術を使用する前に、特定のシステムのモデル化に焦点を合わせたモデル化の試み並びに結果として得られたモデルは、他のシステムには再利用及び／又は適用できるものではない場合がある。例えば、ニューヨーク州Ｓｃｈｅｎｅｃｔａｄｙ所在のＧｅｎｅｒａｌ Ｅｌｅｃｔｒｉｃ Ｃｏ．，から入手可能な９Ｆタービンシステムなどのタービンシステムは、顧客ニーズ、現場での選択項目、法的規制、ビジネス要件、その他などに応じた様々な構成で提供することができる。従って、９Ｆタービンの各々の設置は、選ばれた構成に基づき異なるＳＩＦセットを生じる結果となる。本明細書で開示される技術が無ければ、各設置は、以前のモデル及び関連するデータを再利用することなく特定の設置に固有の新しいモデルを用いる可能性が高い。すなわち、各設置に対するＳＩＦは、「一から」モデル化されている。本明細書で記載される技術は、Ｇｅｎｅｒａｌ Ｅｌｅｃｔｒｉｃ Ｃｏ．，から、或いはその他から提供される、７Ｆ、７ＦＡ、９ＦＡ、又は他のシステムのような他のタービンシステムで用いることができる点に留意されたい。
本明細書で記載される新規の技術により、以下でより詳細に説明するような様々な構成及びシステムをモデル化する構成要素モデルのライブラリの構築並びにライブラリの再利用が可能となる。再利用可能なモデルセットを提供することにより、特定のシステム構成のＳＩＦを解析するのに費やされる時間及び取り組みを実質的に低減することができる。更に、モデルは、ＳＩＦを解析に使用される異なる入力に提供することができる。例えば、モデルがオンライン診断入力を用いて、ＳＩＦの故障を検出し補正することができる。出力診断入力を用いて、ＳＩＦにより保護されたシステムを安全状態にすることができる。この出力診断は通常、オンライン診断とは相互排他的なものである。すなわち、検出される故障を用いて、システムを安全状態にトリップすることができる。証明試験入力を用いることができ、より効率的な証明試験スケジュールを得るのに好適である。同様に、完全改修入力を用いて、「新規」状態へのＳＩＦのより効率的な修復を得ることができる。加えて、モデルライブラリをモデリングツールが用いることができ、該モデリングツールにより、特定の構成をより容易に解析するため構成要素モデルのグラフィカル操作を可能にすることができる。例えば、様々な構成要素モデルをライブラリから選択して、ユーザが同期及び／又は非同期配列で配置し、所望の構成を構築することができる。有利には、モデリングツールは、ユーザ選択構成を自動的に解析し、性能尺度（例えば、ＰＦＤ、ＲＲＦ、ＳＩＬ）及び関連するリスクを取得することができる。
更に、動的リスク計算エンジン（ＤＲＣＥ）ツールを設けることができる。ＤＲＣＥは、例えば、本明細書で記載されるモデル（例えば、Ｍａｒｋｏｖモデル、ＦＴＡ、ＲＢＤ、リスクグラフ、ＬＯＰＡ）及びモデル入力（例えば、オンライン診断、出力診断、証明試験最適化、完全改修）を用いて、ＳＩＦに対するリスク及び関連性能尺度を取得することができる。１つの実施形態において、ＤＲＣＥツールは、ユーザ選択のＳＩＦ構成及びモデル入力をロードし、ＳＩＦの有効期間中にＳＩＦ性能尺度を更新するのに用いることができる。例えば、ＤＲＣＥは、ＳＩＦ構成要素、並びに関連する機械装置（例えば、センサ、コントローラ、最終要素）、電子ログ、紙文書ログ、稼働事象、保守整備事象、補修事象、及び同様のものなどを連続的に監視し、ＳＩＦの性能尺度を連続的に更新することができる。ＤＲＣＥは、モデル入力、性能尺度、及び信頼性導出に基づいた動作を可能にすることができる。実際に、ＤＲＣＥは、証明試験を指示するよう特定の機器を動作させ、サブシステムを安全状態にし、及び／又は可能性のあるＳＩＦ故障を補正することができる。加えて、限定ではないが、タービントリップ、全負荷遮断、速度超過事象、及び同様のものを含む、稼働上の事象のような予期しない事象の発生は、証明試験のような特定の計画事象の発生に代わる性能「クレジット」として用いることができる。すなわち、予期しない事象は、スケジュールされた試験（例えば、部分証明試験、全証明試験）の代わりに用いることができる。このようにして、履歴事象を「クレジット」として計上し、ＳＩＦ性能尺度を更新することができる。
加えて、ＤＲＣＥは、構成要素故障及び補修率、ユーザ選択のＳＩＦ構成、システム構成、及び所望のシステムレベルＲＲＦなどの入力を受け取ることができる。次いで、ＤＲＣＥは、上述のモデルライブラリの構成要素モデルを用いることにより時間経過をシミュレーションし、所望のＲＲＦに適合する保守整備スケジュール（例えば、証明試験スケジュール）を提供することができる。加えて、シミュレーション入力は、稼働事象（例えば、着火時間、温度、圧力、速度、流量、燃料使用量）及び／又は予期しない事象などのプロセス及び関連機器についての実時間又は準実時間データを含むことができる。これらの入力を用いて、より正確な信頼性予測を取得することができる。更に、ＤＲＣＥによって実施された計算は、保守整備最適化システム、稼働最適化システム、及び／又は経済的最適化システムなどの最適化システムへの入力として用いられ、及びこれを用いて最適動作（例えば、保守整備動作、稼働動作、及び／又は経済的動作）を得ることができる。例えば、保守整備をより効率的にスケジュールすることによって、シミュレーションエンジンは、予期しないダウンタイムの実質的短縮、機器稼働率の向上、コスト低減、並びに機械及びプロセス効率の改善をもたらすことができる。
上述のことを念頭に置いて、ここで図１を参照すると、本図は、センサ１２及び最終要素１４に通信可能に結合することができるモデルベース信頼性システム（ＭＲＳ）１０の１つの実施形態を示すブロック図である。ＭＲＳ１０はまた、電子ログ（例えば、保守整備データベース）、紙文書ログ、電力生産ログ、製造者記録（例えば、期待寿命データ、補修データ、改修データ）、工業記録（例えば、工業故障率データ、工業規格）、経済市場（例えば、将来の電力マーケット、キャップアンドトレード市場、「グリーン」クレジット市場）、規制システム（例えば、法規制適合システム、汚染制御システム）、保険システム（例えば、電力生産収益損失保険、事業中断保険）、保守最適化システム、稼働最適化システム、経済的最適化システム、及びその他などの他のシステムに通信可能に結合することができる。ＭＲＳ１０は、コントローラ１８のサブシステムとして設けることができ、本明細書で開示される技術を実施するためコンピュータデバイス（例えば、コントローラ１８）が使用できるコード又はコンピュータ命令を記憶する非一時的機械可読媒体を含むことができる。他の実施形態では、ＭＲＳ１０は、分散制御システム（ＤＣＳ）、生産実行システム（ＭＥＳ）、監視制御及びデータ収集（ＳＣＡＤＡ）システム、及び／又はヒューマンマシンインタフェース（ＨＭＩ）システムに含めることができる。
センサ１２は、ＳＩＦ２０への入力を提供することができ、例えば、機械装置２１に接続された、圧力センサ、温度センサ、流量センサ、ステータス及び位置インジケータ（例えば、リミットスイッチ、ホール効果スイッチ、音響近接スイッチ、線形可変差動変圧器（ＬＶＤＴ）、位置トランスデューサ）、及び同様のものを含むことができる。機械装置２１は、電力生成用機械装置（例えば、ガスタービンシステム、蒸気タービンシステム、風力タービンシステム、液体タービンシステム、燃焼エンジン、液圧エンジン、発電機）及び非電力生成用機械装置（例えば、ポンプ、バルブ）のあらゆるタイプのものとすることができる。
上述のように、ＳＩＦ２０を用いて、機械装置２１に関連する発電プロセスのようなプロセスを監視し、該プロセスを安全限界内に維持することができる。従って、ＳＩＦ２０は、センサ１２を用いてプロセスを連続的に監視することができる。次いで、コントローラ１８に含まれるロジックのようなＳＩＦ２０ロジックは、センサ１２入力に基づいて特定の動作を取得することができる。例えば、圧力測定が安全範囲外であるとみなされた場合、ＳＩＦ２０のロジックは、１つ又はそれ以上の最終要素を作動させ、圧力逃がしバルブを開くことができる。同様に、温度が所望温度限界を超えた場合、ＳＩＦ２０のロジックは、最終要素１４を作動させ、冷却流体を供給することができる。最終要素１４は、スイッチ、バルブ、モータ、ソレノイド、ポジショナー、及び機構又はシステムを移動もしくは制御するのに好適な他の装置を含むことができる。ＳＩＦ２０のロジックは、コンピュータデバイス（例えば、コントローラ１８）が使用して、センサ１２を監視し最終要素１４を作動させることができるコード又はコンピュータ命令を記憶する非一時的機械可読媒体を含むことができる。センサ１２を監視し、最終要素１４を通じてこれに応じて応答することにより、ＳＩＦ２０を用いてプロセスをより安全に作動させることができる。
使用されるプロセス及び規格（例えば、ＩＳＡ Ｓ８４．１０、ＩＥＣ６１５０８）に応じて、ＳＩＦ２０は、所望の性能尺度（例えば、ＳＩＬ、ＰＦＤ、ＲＲＦ）を可能にするよう提供することができる。従って、特定のＳＩＦ２０モデルは、Ｍａｒｋｏｖモデル、ＦＴＡ、ＲＢＤ、リスクグラフ、及び／又は防護層解析（ＬＯＰＡ）などの技術を用いて構成され、当該ＳＩＦ２０を用いてＳＩＦ２０の性能尺度を取得することができる。しかしながら、ＳＩＦ２０は、一般に、特定の機械装置２１を含む、特定のプロセスをサポートするよう設計される。例えば、ＳＩＦ２０は、アナログタコメータを有するタービンシステムの超過速度保護オペレーションをサポートするよう設計することができる。別の同様の超過速度保護オペレーションでは、デジタルタコメータを用いてもよい。一般に、ＳＩＦ２０は、類似しているが新規の機器をサポートするのに使用される新規の性能尺度に達するのに再解析を必要とする可能性がある。発電プロセスに含まれる９Ｆタービン機器のような機器の数、複雑さ、及び相互関係に起因して、ＳＩＦモデル化の取り組みは、時間及びコストの点で極めて大きくなる可能性がある。９Ｆタービンのあらゆる新たな派生物、並びにあらゆる新規の設置は新たにモデル化することができる。構成要素モデル２４、２６、２８、３０、３２、及び３４を含むモデルライブラリ２２を提供することにより、本明細書で開示される技術は、モデル化の取り組みを実質的に軽減することができる。
図示の実施形態において、構成要素モデル２４、２６、２８、３０、３２、及び３４は、ＳＩＳモデリングツール３６により作成することができる。例えば、ＳＩＳモデリングツール３６は、センサ１２及び最終要素１４についての故障率のようなプロセスで使用される機器及びシステムの詳細事項、９Ｆタービン及びサポート機器の特定の構成に関する詳細事項、発電プロセスの詳細事項、保守整備詳細事項（例えば、証明試験間隔、保守整備スケジュール、要員）、性能の所望レベル（例えば、ＳＩＬレベル）、及びその他を記述した入力を受け取ることができる。入力はまた、ＦＴＡ、ＲＢＤ、リスクグラフ、ＬＯＰＡ、及び／又はＭａｒｋｏｖモデルなどのモデル化手法を含むことができる。Ｍａｒｋｏｖモデルは、図５及び／又は８に関して以下で詳細に説明するように、状態、状態相互作用、及び時間依存性をより容易にモデル化することができる範囲で、構成要素モデル２４、２６、２８、３０、３２、及び３４の作成に特に適切とすることができる。
ＳＩＳモデリングツール３６を用いて、所望のプロセス及び機器の全ての態様を構成要素及びサブシステムとしてモデル化することができる。すなわち、特定のプロセス及び機器構成に焦点を当てた単一モデルの作成の代わりに、プロセスの様々な構成に焦点を当てた複数の構成要素モデル２４、２６、２８、３０、３２、及び３４が提供される。例えば、単一モデルの構築ではなく、速度過負荷保護サブシステムなどの所与のサブシステムにおいて、超過速度保護サブシステムの種々の実施可能な構成に基づいて、様々なモデル２４、２６、２８、３０、３２、及び３４を作成することができる。１つのＭａｒｋｏｖモデルの実施例において、種々のＸｏｏＮモデルを構築することができ、ここでＮはサブシステム中の構成要素の数を表し、Ｘは、サブシステムが設計通りに機能できるように動作可能にする必要がある構成要素の数を表す。例えば、１ｏｏ１サブシステムでは、単一の構成要素が動作可能ではない場合、システムは動作可能でないとみなされる。１ｏｏ２サブシステムでは、第１の構成要素又はチャンネルが故障する可能性があり、第２の構成要素又はチャンネルが、このサブシステムが動作を継続するように冗長オペレーションを提供することができる。同様に、２ｏｏ３サブシステムでは、第１及び第２の構成要素が、安全なオペレーションの動作条件でなければならない。４ｏｏ４サブシステムでは、４つの構成要素全てが、設計通りにサブシステムが動作するよう動作可能でなければならない。従って、モデルライブラリは、観測されるプロセスの各サブシステム又は構成要素において、ＸｏｏＮモデルを含むことができる（ここで、Ｎは、１、２、３、４、５、６、７、８、９、１０、１００、又はそれ以上）。このようにして、サブシステムは、複数回モデル化することができ、各モデルは、異なる信頼性構成を提供する。１つのモデルは、１ｏｏ１モデルとすることができ、別のモデルは１ｏｏ２モデルとすることができ、別のモデルは２ｏｏ３モデルとすることができ、などである。モデル２４、２６、２８、３０、３２、及び３４のような、結果として得られるモデルは、モデルライブラリ２２により記憶することができる。モデルライブラリ２２が６つのモデルを示しているが、それよりも多いか又は少ないモデルを用いてもよい点に留意されたい。実際に、一部のプロセスでは、モデルライブラリ２２は、数千よりも多いモデルを記憶することができる。
また、ＳＩＳモデリングツール３６を用いて、モデルライブラリにおけるモデル２４、２６、２８、３０、３２、及び３４を組み合わせることができる。例えば、モデル２４、２６、２８、３０、３２、及び３４は、以下で詳細に説明するように、より複雑なモデルを設計するために「ビルディングブロック」の構成要素モデルとして用いることができる。有利には、より大きなモデルを構築するよう組み合わせることができる構成要素モデル２４、２６、２８、３０、３２、及び３４を提供することにより、ＳＩＦ２０は、より迅速且つ容易に解析することができる。実際には、特定の信頼性構成及び／又は機器に焦点を当てたＳＩＦモデルは、既存のモデル２４、２６、２８、３０、３２、及び３４とＳＩＳモデリングツール３６を用いることにより構成され、従って、新たなモデル化を最小限に又は排除することができる。
モデル２４、２６、２８、３０、３２、及び３４は、動的リスク計算エンジン（ＤＲＣＥ）３８が使用して、ＰＦＤなどの性能尺度を取得することができる。有利には、ＤＲＣＥ３８は、センサ１２、最終要素１４、コントローラ１８、及び他のシステム１６からの入力データを組み込み、性能尺度を更新することができる。実際に、ＤＲＣＥ３８は、プロセス状態（例えば、温度、圧力、速度、流量、燃料使用量、着火時間）、予期しない事象（トリップ、運転停止、負荷遮断）、及び／又は予期される事象（例えば、スケジュールされた保守整備、交換、改修）に基づいて性能尺度を連続的に更新することができる。従って、ＤＲＣＥ３８は、実時間又は準実時間リスク評価を可能にすることができる。次いで、このリスク評価を用いて、部分的又は全証明試験の実行を命令すること、及び保守整備スケジュールを提供することを含む、特定の動作を得ることができる。この動作は、リスクの変化をもたらすことができ、ＤＲＣＥ３８によって再取得することができる。従って、ＤＲＣＥ３８は、リスクを取得すること、及び適切な動作に対して応答することに好適なフィードバックループを提供することができる。
加えて、又は代替として、ＤＲＣＥ３８によって取得されるリスクは、例えば、他のシステム１６及び／又は他のＤＲＣＥ３８に通信することができる。例えば、保守整備、動作、及び／又は経済的な決定又は動作は、ＤＲＣＥ３８によって取得されるリスクを考慮して行うことができる。この決定を用いて、保守整備の最適化、部品調達の最適化、保険コストの最小化、機器配分の最適化、要員配分の最適化、及び／又は要員トレーニング（例えば、安全トレーニング）の改善をより良好に行うことができる。保守整備最適化の実施例において、保守活動を同期することができ、保守活動を最小限にすることができ、及び／又は機器のダウンタイムを最小限にすることができる。
保守整備の同期中、ＤＲＣＥ３８によって取得されるリスクを用いて、機器に対する保守整備活動をより良好に同期させることができる。例えば、タービンブレードの交換は、シュラウド検査、タービン缶の交換、他のブレードの交換、及びその他などの他の現行リスクに基づいた他の活動と同期させることができる。同様に、保守活動の最小化は、ＤＲＣＥ３８のリスク評価に基づいて提供することができる。例えば、機器を最大所望リスクまで使用可能にする保守整備スケジュールを取得することができ、従って、所望のリスクをサポートする最小保守整備スケジュールを可能にする。同様に、機器の中断を最小限にすることができる。例えば、タービンシステムの連続オペレーションは、機器の現状の連続オペレーションのリスクを取得することにより最大にすることができる。
ＤＲＣＥ３８によって取得されるこれらのリスクはまた、複数プラント又は複数施設の最適化を可能にすることができる。例えば、第１のプラント（例えば、電力生産プラント）におけるプロセス及び機器は、第１のＤＲＣＥ３８によって監視することができ、第２のプラントにおけるプロセス及び機器は、第１のＤＲＣＥ３８に通信可能に結合された第２のＤＲＣＥ３８によって監視することができる。プラント全体にわたるリスクを取得することによって、複数プラント（又は複数の施設）オペレーション、保守整備、稼働時間、及び／又は経済状態を最適にする決定を得ることができる。例えば、第１のプラントは、耐用年数の終わりに近いとＤＲＣＥ３８が推定できる機器を含むことができ、これに応じて、第２のプラントは、第１のプラントが改修されている期間中に追加の電力を提供するよう最適化することができる。更なる詳細は、以下において図７に関して説明する。
図２に示すタービンシステム４０のような、本明細書で記載されるシステム及び方法によって解析及び／又は監視することができる、一部の例示的な機械装置２１の１つの実施形態について説明することが有用とすることができる。図示のように、タービンシステム４０は、燃焼器４２を含むことができる。燃焼器４２は、空気と混合された燃料を受け取り、燃焼器４２内の燃焼室で燃焼される。この燃焼は、高温の加圧排気ガスを生成する。燃焼器４２は、排気ガスを高圧（ＨＰ）タービン４４及び低圧（ＬＰ）タービン４６を通って排気出口４８に配向する。ＨＰタービン４４は、ＨＰロータの一部とすることができる。同様に、ＬＰタービン４６は、ＬＰロータの一部とすることができる。排気ガスがＨＰタービン４４及びＬＰタービン４６を通過すると、ガスによってタービンブレードがタービンシステム４０の軸線に沿って駆動シャフト５０を回転させる。図示のように、駆動シャフト５０は、ＨＰ圧縮機５２及びＬＰ圧縮機５４を含むタービンシステム４０の種々の構成要素に接続される。
駆動シャフト５０は、例えば、同心状に整列することができる１つ又はそれ以上のシャフトを含むことができる。駆動シャフト５０は、ＨＰタービン４４をＨＰ圧縮機５２に接続してＨＰロータを形成するシャフトを含むことができる。ＨＰ圧縮機５２は、駆動シャフト５０に結合されたブレードを含むことができる。従って、ＨＰタービン４４におけるタービンブレードの回転によって、ＨＰタービン４４をＨＰ圧縮機５２に接続するシャフトがＨＰ圧縮機５２内のブレードを回転するようになる。これによりＨＰ圧縮機５２内の空気が加圧される。同様に、駆動シャフト５０は、ＬＰタービン４６をＬＰ圧縮機５４に接続してＬＰロータを形成するシャフトを含むことができる。ＬＰ圧縮機５４は、駆動シャフト５０に結合されたブレードを含むことができる。従って、ＬＰタービン４６におけるタービンブレードの回転によって、ＬＰタービン４６をＬＰ圧縮機５４に接続するシャフトがＬＰ圧縮機５４内のブレードを回転するようになる。ＨＰ圧縮機５２及びＬＰ圧縮機５４におけるブレードの回転により、吸気口５６を介して受け取られる空気が加圧される。加圧空気は、燃焼器４２に送給されて燃料と混合され、高効率の燃焼を可能にする。従って、タービンシステム４０は、二重同心シャフト配列を含むことができ、ここでＬＰタービン４６は、駆動シャフト５０の第１のシャフト部分によってＬＰ圧縮機５４に駆動可能に接続され、他方、ＨＰタービン４４は、駆動シャフト５０の第１のシャフトの内部にあり且つ同心の第２のシャフト部分によってＨＰ圧縮機５２に同様に駆動可能に接続される。シャフト５０はまた、発電機５８にも接続することができる。発電機５８は、該発電機５８により電気的に生成される電気を配分するのに好適な配電網６０に接続することができる。
タービンシステム４０はまた、本明細書で記載されるように、タービンシステム４０のオペレーション及び性能に関連する複数のエンジンパラメータを監視するよう構成された複数のセンサ１２を含むことができる。タービンシステム４０は更に、タービンシステム４０の種々の機器を作動させるよう構成された複数の最終要素１４を含むことができる。センサ１２は、例えば、周囲温度及び周囲圧力などの環境条件、並びに、排気ガス温度、ロータ速度、エンジン温度、エンジン圧力、ガス温度、エンジン燃料流量、振動、回転構成要素と固定構成要素との間のクリアランス、圧縮機吐出圧力、排気エミッション／汚染物質、及びタービン排気圧力などのタービンシステム４０のオペレーション及び性能に関連する複数のエンジンパラメータを測定することができる。更に、センサ１２はまた、バルブ位置、及び可変幾何形状構成要素（例えば、空気入口）の幾何学的位置などの最終要素１４の情報を測定することができる。センサ１２によって取得された測定値は、ＭＲＳ１０及びコントローラ１８に送信することができる。同様に、ＭＲＳ１０及びコントローラ１８からのデータを最終要素１４に送信することができる。送信される測定値はまた、ＳＩＦ２０の一部として処理され、図３に関してより詳細に説明されるように、超過速度保護動作などの動作を取得することができる。
図３は、ＳＩＦ２０の１つの実施形態を示す概略図であり、ここでＳＩＦ２０は、ガス燃料を使用した場合の図２のタービンシステム４０に対する超過速度保護を提供するのに使用されるように図示されている。例えば、全負荷遮断中、配電網６０は、タービンシステム４０によって生成される電力を受け入れることができない可能性がある。この場合、ＳＩＦ２０の超過速度保護システムのような特定のシステムは、タービン負荷を迅速に低減すると同時に、速度超過を制限することで反応することができる。次いで、配電網６０が電力の受け入れを開始すると、タービンシステム４０は、配電網６０とタービンシステム４０の同期を最適化するのに好適な状態になるようにすることができる。本明細書で開示されるシステム及び方法は、例えば、図３に示す特定のＳＩＦ２０構成をモデル化するのに好適なモデル２４、２６、２８、３０、及び３２を提供することによって、ＳＩＦ２０をモデル化することができる。本明細書で記載される技術は、あらゆる安全システムをモデル化するのに用いることができ、超過速度保護システムに限定されない点に留意されたい。
図示の実施形態において、タービン４４のようなガスタービンは、２ｏｏ３配列の３つのセンサ１２により監視することができる。すなわち、ＳＩＦ２０は、３つのセンサ１２のうちの２つが依然として作動可能である限りオペレーションを継続することができる。従って、モデル２４は、２ｏｏ３Ｍａｒｋｏｖモデル２４を含むものとして図示されている。他の構成は、より多く又はより少ないセンサ１２を異なる配列で含むことができるので、モデル２４は、あらゆるＸｏｏＮ Ｍａｒｋｏｖモデルとすることができる。モデル２４、２６、２８、３０、及び３２が図３においてＭａｒｋｏｖモデルとして図示されているが、他の実施形態では、モデル２４、２６、２８、３０、及び３２は、付加的に、又は代替として、ＦＴＡモデル、ＲＢＤモデル、リスクグラフモデル、ＬＯＰＡモデル、又はこれらの組み合わせを含むことができる点に留意されたい。
センサ１２からのデータは、コントローラ１８に送信することができる。図示の実施形態において、コントローラ１８は、ニューヨーク州Ｓｃｈｅｎｅｃｔａｄｙ所在のＧｅｎｅｒａｌ Ｅｌｅｃｔｒｉｃ Ｃｏ．，から入手可能なＭａｒｋ ＶＩｅＳコントローラ又は何れかのタイプのコントローラなど、単一、二重、又は三重化冗長（ＴＭＲ）コントローラ１８とすることができる。Ｍａｒｋ ＶＩｅＳコントローラ１８は、例えば、様々なプロセスを自動化するのに好適なマスタースレーブ構成で３つの冗長コントローラを含むことができる。従って、制御ロジックに関連するモデル２６は、２ｏｏ３Ｍａｒｋｏｖモデルとして図示される。コントローラ１８は、モデル２８により反映される１ｏｏ１アーキテクチャにおける単一導管又はケーブル６６を通じて２つのガス燃料放出バルブ６２、６４に通信可能に結合されるように図示されている。コントローラ１８はまた、導管６７及び６９を用いて他の図示の装置と通信することができる。
コントローラ１８はまた、バルブ７４を通じてガス燃料供給部７２により供給されるガス燃料の圧力及び／又は燃料流量を制御することによってタービンオペレーションを制御するのに有用な停止／速度比バルブ（ＳＲＶ）６８及びガス燃料制御バルブ（ＧＣＶ）７０に通信可能に結合される。通気バルブ７６も図示されている。ガス燃料は、導管７８、８０、８２を通って配向され、燃焼器４２において燃焼することができる。ＳＲＶ６８は、モデル３０により図示されるように、１ｏｏ１アーキテクチャを含むことができ、ＧＣＶ７０は、モデル３２により図示されるように、４ｏｏ４アーキテクチャを含むことができる。タービンシステム４０が、ガス燃料に加えて液体燃料の使用を可能にする２系統燃料システムとすることができるので、液体燃料が液体導管９４、９６、及び９８を通じて液体燃料供給部９２により提供されたときに液体燃料オペレーションに有用なバルブ８６、８８、及び９０が図示される。潤滑油供給部１００からの潤滑油は、導管１０２、１０４、１０６、１０８、１１０、及び１１２を通じてバルブ６２、６４、６８、７０、８６、及び８８に提供することができる。
速度超過事象が生じた場合には、ＳＩＦ２０は、バルブ６２、６４、６８、７０、７４、７６、８６、８８、及び／又は９０を作動させることにより超過速度保護を自動的に提供することができる。例えば、ガスオペレーション中、圧力及び／又は燃料流量は、タービン速度を安全に低下させるのに好適な特定アルゴリズムに従ってバルブ６８及び／又は７０を用いることにより低下させ、従って、タービンブレードなどの機器間を可能性がある損傷から保護することができる。ＳＩＦ２０は、モデル２４、２６、２８、３０、及び３２によりサポートされるアーキテクチャに基づいて信頼性の異なるＳＩＬレベルで提供することができる。ＳＩＬレベルがより高いほど、信頼性の向上をもたらすことができ、他方、ＳＩＬレベルがより低いほど、コストを低減することができる。図４に示すＳＩＳモデリングツール３６の１つの実施形態のようなツールを用いて、ＳＩＦ２０をより効率的に解析し、所望のＳＩＬ構成を得ることができる。
更に、コントローラ１８に含まれるＤＲＣＥ３８を用いて、ＳＩＦ２０を監視すると同時に、使用中に現行の信頼性又は現行のリスクを取得することができる。有利には、本明細書で記載されるモデル（例えば、モデル２４、２６、２８、３０、３２、及び３４）は、リスク計算の一部として動作データ（バルブ開閉、非スケジュールの証明試験、スケジュールされた証明試験、燃焼時間、圧力、燃料利用率、流量、速度、温度）を含めることを可能にすることができる。従って、ＤＲＣＥ３８は、機械装置２１のオペレーション中にＳＩＦ２０の性能尺度（例えば、ＰＦＤ、ＭＴＴＦ、ＭＴＢＦ、ＳＦＦ、ＨＦＴ）を連続的にコンピュータ計算することができる。次いで、性能尺度を用いて、以下で図７に関して詳細に説明するように、複数プラント又は複数施設決定を含む、様々な保守整備、作動又は経済的決定又は動作を得ることができる。
ここで図４を参照すると、図面は、モデル３４の１つの実施形態を表示するＳＩＳモデリングツール３６のディスプレイ画面１１４（例えば、グラフィカルユーザインタフェース）の１つの実施形態を示している。上述のように、ＳＩＦ２０は、モデル３４を用いて解析することができる。モデル３４は、ＳＩＳモデリングツール３６を用いて既存モデル２４、２６、２８、３０、及び３２を組み合わせることにより構成することができる。実際に、ＳＩＳモデリングツール３６は、図示のモデル２４、２６、２８、３０、３２、及び３４などのモデルライブラリ２２中のモデル全ての作成及び使用を可能にするサービスのモデル化を可能にすることができる。各ＳＩＦを新たにモデル化するのではなく、構成要素モデルの中から信頼性モデルを容易に構築することによって、本明細書で記載されるシステム及び方法は、より効率的なモデル化を可能にすることができ、これはまた、モデル化エラーの最小化又は排除をもたらすことができる。
図示の実施形態において、安全性分析者又は安全エンジニアなどのユーザは、サーチ機能１１６（例えば、ソフトウェアサーチツール）を用いて、モデル２４、２６、２８、３０、及び３２などの既存の１つ又は複数のモデルを位置付けることができる。サーチ機能は、データベース（例えば、リレーショナルデータベース、ネットワークデータベース、ファイルシステム）を用いて、モデルタイプ（例えば、Ｍａｒｋｏｖ、ＦＴＡ、ＲＢＤ、リスクグラフ）、機器（例えば、速度超過機器、タービン機器、安全関連機器）、信頼性アーキテクチャ（例えば、ＸｏｏＮ）、その他によってモデルをリスト化することができる。「発見された」モデルは、例えば、インサート機能１１８（例えば、ソフトウェアインサートツール）を用いることにより、画面１１４のディスプレイ内に挿入することができる。
次いで、挿入されたモデル２４、２６、２８、３０、及び３２は、例えば、組み合わせ機能１２０及び１２２（例えば、ソフトウェアツール）を用いることにより、より大きなモデル３４に組み合わせることができる。図示の実施形態において、構成要素モデル２４、２６、及び２８は、同期的に（すなわち、直列に）組み合わせることができ、モデル３０及び３２は、非同期的に（すなわち、並列に）組み合わせることができる。例えば、速度センサ１２に関するモデル２４は、同期組み合わせ機能１２０を用いることにより、ロジックソルバー（例えば、コントローラ１８）に関するモデル２６及びガス燃料放出バルブ（例えば、バルブ６２、６４）に関連するモデル２８と同期的に組み合わせることができる。同様に、モデル３０は、非同期組み合わせ機能１２２を用いることにより、モデル３２と非同期的に組み合わせることができる。
加えて、ツール３６を用いて、ＳＩＦ２０の第１、第２、及び第３の要素グループとしてモデル２４、２６、２８、３０、及び３２のうちの１つ又はそれ以上を選択することができる。例えば、モデル２４は、ＳＩＦ２０の第１のグループ（例えば、センサグループ）として選択することができ、モデル２６は、ＳＩＦ２０の第２のグループ（例えば、ロジックソルバーグループ）として選択することができ、モデル２８、３０、及び３２は、ＳＩＦ２０の第３のグループ（例えば、最終要素グループ）として選択することができる。モデル２４、２６、２８、３０、及び３２の組み合わせによって、組み合わされたモデル３４を得ることができる。
次に、ユーザは、構成要素モデル２４、２６、２８、３０、及び３２を組み合わせることによって生成されたモデル３４を、例えば、解析機能１２４を用いることにより解析することができる。解析機能１２４は、既存のモデル２４、２６、２８、３０、及び３２を用いることにより、新規に作成したモデル３４に対する全体の性能尺度を得ることができる。自動的に取得できる一部の例示的な性能尺度は、限定ではないが、信頼性、ＰＦＤ、及びＲＲＦを含む。
モデルライブラリ２２に含まれる構成要素モデル２４、２６、２８、３０、３２、及び３４をサーチ、組み合わせ、及び解析するのに有用な技術を提供することにより、本明細書で記載されるシステム及び方法は、構成要素モデル２４、２６、２８、３０、及び３２の再利用を可能にすることができる。ライブラリ２２からの文書化され、実質的にエラーの無い構成要素モデルを再利用することによって、あらゆる数のＳＩＦ設計をより効率的な方法で解析し構成することができる。次いで、エクスポート機能１２６を用いて、例えば、ＤＲＣＥ３８が使用するためにモデル３４をエクスポートすることができる。
図５に示されるＭａｒｋｏｖモデルの実施形態のような特定のモデルタイプについて説明することが有利とすることができる。より具体的には、図５は、例えば、１ｏｏ１アーキテクチャを有する構成要素モデル２８及び／又は３０に含まれる信頼性解析で使用するのに好適な１ｏｏ１Ｍａｒｋｏｖモデル１２８を示している。モデル１２８はまた、４ｏｏ４アーキテクチャにも適用することができる。上述のように、Ｍａｒｋｏｖモデルは、状態及び状態遷移を容易に定義及び視覚化することができるので、信頼性モデルに特に適切とすることができる。加えて、本明細書で記載されるＭａｒｋｏｖモデルは、時間依存性を考慮しており、従って、ＰＦＤのような性能尺度の時間ベースの取得を確立する。更に、Ｍａｒｋｏｖモデルを用いて、状態間を遷移するのに好適な証明試験のような特定の動作を組み込むことができる。
図示の実施形態において、Ｍａｒｋｏｖモデル１２８は、システムに対する実施可能な状態１３０、１３２、１３４、１３６、及び１３８と、状態１３０、１３２、１３４、１３６、及び１３８間の実施可能な遷移経路１４０、１４２、１４４、１４６、１４８、１５０、１５２、１５４、及び１５６と、遷移レートパラメータλS、μSSD、λDD、μO、Ｃ ｘ λDU、λDUNからなるリストを含む。状態１３０（例えば、ＯＫ状態）は、既知の正常状態にあるシステムを示している。状態１３２（例えば、フェールセーフ）は、システムが安全な方法で故障した状態を示している。状態１３４（例えば、フェールＤＤ）は、システムが危険なまでに故障したが、故障が検出された状態を示している。状態１３６（例えば、フェールＤＵＲ）は、システムが非検出の状況で故障したが、補修可能である状態を示し、状態１３８（例えば、フェールＤＵＮ）は、システムが非検出で故障し、補修可能でない状態を示している。
システムは、状態から状態に状態遷移１４０、１４２、１４４、１４６、１４８、１５０、１５２、１５４、及び１５６を介して移動することができる。システムがある時点である状態にある場合、システムが同じ状態のままである確率は、それぞれの状態遷移に対して示された遷移レートλS、μSSD、λDD、μO、Ｃ ｘ λDU、λDUNに基づいて低下することになる。何れかの時点で、システムはある状態から別の状態に遷移することができる。ラムダ（すなわち、λ）遷移は、一般に、故障率に基づいており、ミュー（すなわち、μ）遷移は一般に、補修率に基づいている。１つの実施形態において、ラムダ及びミューレートは、故障及び補修率を詳述するフリート規模のデータ（例えば、タービンフリートデータ）などの経験的データに基づいている。加えて、又は代替として、ラムダ及びミューレートは、機器の機能不全のリスク及び／又は補修率を予測するのに用いることができる、低サイクル疲労（ＬＣＦ）寿命予測モデル、数値流体力学（ＣＦＤ）モデル、有限要素解析（ＦＥＡ）モデル、ソリッドモデル（例えば、パラメトリック又はノンパラメトリックモデル）、及び／又は３次元から２次元へのＦＥＡマッピングモデルなど、理論的解析に基づくことができる。
状態１３０から状態１３２への遷移レートは、λS（例えば、安全故障率）で示され、状態１３０から状態１３４への遷移レートは、λDD（例えば、危険検出故障率）で示される。同様に、状態１３０から状態１３６への遷移レートは、Ｃ ｘ λDU（例えば、補償付きの非検出故障率）で示され、状態１３０から状態１３８への遷移レートは、λDUN（例えば、補修なしの非検出故障率）で示される。
図示の実施形態において、状態１３０、１３２、１３４、１３６、及び１３８の確率分布ベクトルＳｋは、次式により導くことができる。
Ｓk ＝ ［ ｐ1k ｐ2k ｐ3k ｐ4k ｐ5k ］
ここで、ｐnは、状態ｎのシステムの確率を表す。事象間での状態の確率伝搬は、次式で求められる。
ここでＡは適切な故障及び補修率ラムダ及びミューにそれぞれ関連付けられる。加えて、Ｍａｒｋｏｖモデル１２８を用いて、ｎ時間のステップを得ることができる。すなわち、モデル化されたシステムの信頼性をシミュレートすることができ、ｎでの将来ステップを予測できるようになり、各ステップは、関連の信頼性、及び信頼性と性能尺度（例えば、ＲSIF（ｎ）， ＰＦＤSIF（ｎ）， ＰＦＤAvgSIF（ｎ））を有する。１つの実施形態において、チャップマン-コルモゴロフ（Ｃｈａｐｍａｎ−Ｋｏｌｍｏｇｏｒｏｖ）の方程式の導出は、ｎ回の信頼性及び性能尺度を計算するのに用いることができる。例えば、ｎ時のステップでの状態ｉから状態ｊへの移行の確率は、次式を用いて計算することができる。
ここで、周辺分布Ｐｒ（Ｘn ＝ ｘ）は、時間ｎでの状態１３０、１３２、１３４、１３６、及び１３８にわたる分布である。計算された確率を用いることにより、Ｍａｒｋｏｖモデル１２８を用いて、１つ又はそれ以上の性能尺度（例えば、ＲSIF（ｎ）， ＰＦＤSIF（ｎ）， ＰＦＤAvgSIF（ｎ））を予測することができる。次いで、この予測を用いて、保守整備動作（例えば、オンライン診断、出力診断、証明試験スケジュール化、全改修）、経済的動作、及び／又はプラントオペレーション動作などの特定の動作を得ることができる。例えば、証明試験（例えば、部分証明試験、完全証明試験）は、予測に基づいて命令することができる。次いで、証明試験、アラーム、又は他の事象（例えば、保守整備動作）の結果を用いて、モデル１２８を更新することができる。例えば、良好な証明試験によって、モデルが状態遷移１５２、１５４、又は１５６を介してＯＫ状態１３０に戻る結果をもたらすことができる。実際に、Ｍａｒｋｏｖモデル１２８を用いて、証明試験の実行を可能にすることができ、次いで、証明試験の結果を用いてモデル１２８を更新することができる。ＳＩＦ２０を評価するのに有用な決定（例えば、証明試験、アラーム、事象）を提供することによって、ＳＩＦ２０の信頼性を実質的に改善することができる。加えて、又は代替として、モデル１２８は、ＳＩＦ２０の故障を検出して補正することができるようにオンライン診断に使用し、故障が検出された場合にタービンシステム４０のサブシステムを安全状態にすることができるように出力診断に使用し、図６に関して以下で説明する証明試験スケジュール化に使用し、及び／又はＳＩＦ２０（及び／又はタービン１０のサブシステム）を「新規」状態に戻すことができるように完全改修に使用することができる。
図６を参照すると、本図は、本明細書で記載される技術に基づいて性能尺度及び／又は信頼性尺度をコンピュータ計算し、及びコンピュータ計算に基づいて特定の動作を得るのに用いることができるプロセス１６０を示している。プロセス１６０は、例えば、コントローラ１８によって非一時的機械可読媒体に記憶されて実行されるコード又はコンピュータ命令として実施することができる。
図示の実施形態において、ＤＲＣＥ３８は、他の入力１６２に加えて、モデルライブラリ２２に含まれるモデル２４、２６、２８、３０、３２、及び／又は３４を使用して、上述の確率分布ベクトルＳｋに含まれる確率のような、システムの状態確率を予測する（ブロック１６４）ことができる。入力１６２は、フォールトトレランス入力（例えば、ＲＲＦ）、保守整備ポリシー入力（例えば、オンライン診断）入力、出力診断入力、証明試験モデル入力、完全改修入力、及びセンサ１２入力並びに他のシステム１６の入力を含むことができる。１つの実施例において、Ｓｋ及び関連する確率は、Ｍａｒｋｏｖモデル化技術及び／又は他のモデル化技術（例えば、ＦＴＡ、ＲＢＤ、リスクグラフ、ＬＯＰＡ）を用いて求めることができる。１つの実施形態において、プロセス１６０は、次式を用いることによりシステムＰＦＤをコンピュータ計算する（ブロック１６６）ことができる。
実際に、ＳＩＦ２０のようなシステムの全体ＰＦＤは、例えば、コントローラ１８に含めることができるＤＲＣＥ３８によって自動的に取得することができる。同様に、限定ではないが、ＭＴＴＦ、ＭＴＢＦ、ＳＦＦ、及び／又はＨＦＴを含む他の性能尺度も取得することができる。
ＲＲＦ入力を提供することによって、プロセス１６０は、ユーザ又はシステムオペレータによって要求される様々な信頼性の使用を可能にすることができる。すなわち、決定１７０を用いて、システムが所望の信頼性の範囲内（例えば、所望のＲＲＦ内）で実施されているかどうかを判定することができる。システムが要求通りに実行されている（決定１７０）場合には、システムは、タイムスタンプをインクリメント（ブロック１７２）し、ブロック１６４に戻って上述のように処理を継続する。システムが所望の信頼性の範囲外で実施されている場合には、プロセス１６０は、証明試験動作などの動作の実行を命令する（ブロック１７４）ことができる。例えば、システムは、バルブを開くよう命令することができる。証明試験は、自動的に実行することができ、或いは、プロンプトの後に人間の介入によって実行されてもよい。
次いで、プロセス１６０は、証明試験の完了など、動作の結果を待機する（決定１７６）ことができる。証明試験が完了していない場合には、プロセス１６０は、タイムスタンプをインクリメントし、決定１７６に戻って繰り返すことができる。証明試験が完了すると、証明試験の結果（ブロック１８０）は、プロセス１６０への追加入力として用いることができる。例えば、現場装置データのような入力データ（ブロック１８０）を用いて、証明試験で使用される機器の性能を判定することができる。次に、プロセスは、タイムスタンプをインクリメントし（ブロック１７２）、ブロック１６４に戻って更に処理を繰り返すことができる。有利には、プロセス１６０は、証明試験間隔のスケジュールを取得することができ、所望のＲＲＦに基づいて機器の保守整備及び利用度をより効率的にすることを可能にする。１つの実施形態において、所望のＲＲＦに基づいて機器の交換を最小限にする保守整備スケジュール（例えば、証明試験）を取得することができる。保守整備動作に加えて、又は代替として、稼働及び／又は経済的動作はまた、図７に関して以下でより詳細に説明するように、計算された性能尺度に基づいて取得することができる。
図７は、モデルライブラリ２２を用いることにより取得することができた計算性能尺度（例えば、ＰＦＤ、ＭＴＴＦ、ＳＦＦ、ＨＦＴ）に基づいて、特定の保守整備動作、稼働動作、及び／又は経済的動作を取得するためにシステム及び方法を用いることができるプロセス１８２の１つの実施形態を示している。プロセス１８２は、例えば、コントローラ１８によって実行される非一時的機械可読媒体に記憶されたコード又はコンピュータ命令として実施することができる。図示の実施形態において、プロセス１８２は、モデルライブラリ２２を用いて、ＳＩＦ２０などの対象のシステムの性能尺度及び信頼性を解析するのに好適なモデル３４などのモデルを構築（ブロック１８４）することができる。新しくモデルを構築するのではなく、モデルライブラリ２２内の構成要素モデルを再利用することによって、相当な時間節減を達成することができる。実際に、以前に構成されたモデルを再利用することで、大幅な時間節減を可能にすることができる。更に、モデルライブラリ２２のモデルは、より広範囲にわたってエラーチェックし、複数回使用することができるので、エラーをモデル化するのを最小限又は排除することができる。
次に、入力１８８と共に新しいモデル１８６を使用して、信頼性及び／又は性能尺度を取得（ブロック１９０）することができる。入力１８８は、フォールトトレランス入力（例えば、ＲＲＦ）、保守整備ポリシー入力（例えば、オンライン診断）入力、出力診断入力、証明試験モデル入力、完全改修入力、及びセンサ１２入力並びに他のシステム１６の入力を含むことができる。次に、限定ではないが、Ｍａｒｋｏｖモデル、ＲＢＤ、リスクグラフ、ＬＯＰＡ、又はこれらの組み合わせを含む技術を用いて、信頼性及び／又は性能尺度（例えば、ＰＦＤ、ＭＴＴＦ、ＳＦＦ、ＨＦＴ）を取得することができる。次に、図示の実施形態において、取得された信頼性及び／又は性能尺度（ブロック１９０）は、保守最適化システム、稼働最適化システム、及び／又は経済的最適化システムを含む、最適化システムへの入力として用いることができる。次いで、上述のこれらのシステムは、信頼性及び／又は性能尺度に基づいて特定の動作を取得（ブロック１９２）することができる。例えば、保守整備動作１９４、稼働動作１９６、及び／又は経済的動作１９８を取得（ブロック１９２）することができる。
保守整備動作１９４は、以下のことを含むことができる。
１）証明試験の間の時間間隔を最小限にするが、所望の信頼性尺度（例えば、ＲＲＦ）も維持することができるより効率的な証明試験スケジュールの取得。
２）例えば、ＳＩＦ２０の保守整備をシステム１０の他のサブシステムの保守整備と同期させるのに好適な同期保守整備スケジュールの取得。種々のシステムの保守整備をＳＩＦ２０と同期させることによって、リソースの利用度を改善すると共に、時間及びコストを低減することができる。
３）交換の可能性により配列される部品の部品表（ＢＯＭ）リストの取得。例えば、交換の可能性が高いＳＩＦ２０の構成要素は、交換の可能性、交換コスト、調達時間、サプライヤーの利用率、クリティカリティ（例えば、故障木重要度）、及びその他の順序でＢＯＭにリストすることができる。
４）資産管理システム（例えば、ニューヨーク州Ａｒｍｏｎｋ所在のＩＢＭ Ｃｏ．，から入手可能なＩＢＭ Ｍａｘｉｍｏ）のような別のシステムによる入力データとして使用するための信頼性及び／又は性能尺度の導入。次に、資産管理システムは、入力データを使用して、企業全体のＳＩＦ２０評価を追跡及び管理することができる。例えば、資産管理システムによって機器状態評価レポート及び相関保守整備指導書を発行することができる。
５）複数の現場にわたる保守整備動作の取得。例えば、電力網６０の保守整備決定は、種々の現場の信頼性及び／又は性能尺度を用いることにより最適に取得することができる。
稼働動作１９６は、信頼性及び／又は性能尺度を用いて特定の機器を駆動することを含むことができる。実際に、実時間（又は準実時間）の信頼性及び／又は性能尺度を提供することにより、プラントオペレータは、稼働上の決定を行うことができる。例えば、気象条件（例えば、酷暑、暴風雪）に起因して、プラントオペレータは、予測されるリスク及び／又は性能尺度に基づいて所望の着火時間を過ぎた連続したオペレーションの利益を検討して、オペレーションの継続を決定することができる。同様に、近隣の発電プラントの予期しないシャットダウンは、予測される信頼性及び／又は性能尺度を詳細に検討した後、所望の着火時間を過ぎて連続して稼働する結果となる場合がある。稼働動作１９６はまた、送出動作も含むことができる。例えば、幾つかの発電プラントの出力の判定は、リスク関連情報を含むことができる。従って、高いリスクを持つ発電プラントにはより低い優先順位が与えられ、より低いリスクを持つ発電プラントには、より高い優先順位にすることができる。
経済的動作も取得することができる。例えば、現行の信頼性及び／又は性能尺度は、プラントリスクの保険数理による取得を助けることができる。実際に、更新されたリスク評価を提供することにより、同じタイプの全ての機器に適用する汎用コストではなく、特定場所及びプラントオペレータに適用する取得を含む、保険コストをより正確に取得することができる。同様に、プラント資本再構成決定は、現行の信頼性及び／又は性能尺度を用いることにより改善することができる。例えば、より高いリスクシステムは、低リスクのシステムと比べたときに交換のより良好な候補と判断することができる。同様に、経済的状態は、予測リスクと共に用いて稼働決定を得ることができる。例えば、電力のより高い市場価格は、要求よりもより長い機器の稼働を決定させる結果となるが、電力のより低い市場価格は、要求よりも短い機器の稼働を決定させる結果となる場合がある。同様に、キャップアンドトレード市場及び「グリーン」クレジット市場の急騰は、機器稼働率の増減させる稼働決定をもたらす場合がある。規制システム情報もまた、本明細書で記載される技術と共に用いることができる。例えば、エミッション制御システムは、予測リスクに基づいてより良好に適合させることができる。汚染制御システムの高レベルのリスクは、プラントオペレータ又はオーナが、バックアップシステムの追加及び／又は改修スケジュールの変更を行う結果となる場合がある。保守、稼働、及び／又は経済的動作１９８を取得することにより、本明細書で記載される技術は、安全なオペレーション、プラント効率、及びコスト低減を向上させることができる。
図８は、構成要素モデル２４及び／又は２６に含まれる信頼性解析のような解析に提供するため本明細書で記載されるシステム及び方法が用いることができる２ｏｏ３Ｍａｒｋｏｖモデル２００の１つの実施形態のブロック図であり、ここでは、システムがオペレーションを継続するために３つの構成要素のうちの２つが依然として作動可能である必要がある。図示の実施形態では、状態２０２、２０４、２０６、２０８、２１０、２１２、及び２１４が提供される。状態２０２は、全てのモデル化された構成要素が作動可能（例えば、ＯＫ）であることを表すことができる。状態２０４は、単一の構成要素が危険に起因して故障しているが、故障モードが検出されており、結果として劣化したオペレーションとなっている。状態２０６は、単一の構成要素が危険に起因して故障しているが、故障モードは検出されておらず、結果として劣化したオペレーションとなっている。状態２０８は、少なくとも２つの構成要素が危険に起因して故障しているが、故障モードが検出されており、劣化したオペレーションではなくシステム故障である可能性が高い。状態２１０は、少なくとも２つの構成要素が危険に起因して故障しているが、故障モードが検出されておらず、システムは劣化モードでの稼働ではなく故障している可能性が高い。しかしながら、本明細書で開示される技術は、このようなモードを検出することができ、例えば、証明試験を用いることにより補修しオペレーションを継続することができる。状態２１２は、少なくとも２つの構成要素が検出されていない故障に起因して故障しており、従って、システムは故障している可能性が高い。証明試験は、システムを補修することができない可能性がある。状態２１４は、疑似トリップ又はシャットダウンなどのフェールセーフを表すことができる。
図５に関して上述したように、故障率及び補修率としてそれぞれラムダ（すなわち、λ）及びミュー（すなわち、μ）を用いることができる。従って、状態２０２から状態２１４への遷移２１６は、３λS遷移レートを含むことができ、ここでλSは安全故障率を表す。状態２０２から状態２０８への遷移２１８は、λDDC遷移レート（例えば、危険が検出された一般的原因故障率）を含むことができる。状態２０２から状態２０４への遷移２２０は、３λDDN遷移レートを含むことができ、ここでλDDNは、危険検出された正常故障率である。同様に、状態２０４から状態２０８への遷移２２２は、２λDDN＋λDDC故障率を含むことができる。状態２０２から状態２１０への遷移２２４は、ＣλDUC故障率を含むことができ、ここでλDUCは危険が検出されていない一般的原因の故障率であり、Ｃは補償範囲である。状態２０２から状態２０６への遷移２２６は、３λDUN故障率を含むことができ、ここでλDUNは危険が検出されていない正常故障率である。
状態２０６から状態２１０への遷移２２８もまた提供され、２ＣλDUN＋ＣλDUC遷移故障率を含むことができる。状態２０４から状態２１０への遷移２３０はまた、２ＣλDUN＋ＣλDUC遷移故障率を含むことができる。状態２０４から状態２１２への遷移２３２は、２（１−Ｃ）λDUN＋（１−Ｃ）λDUC遷移レートを含むことができる。同様に、状態２０６から状態２１２への遷移２３４は、２（１−Ｃ）λDUN＋（１−Ｃ）λDUC遷移レートを含むことができる。状態２０２から状態２１２への遷移２３６は、（１−Ｃ）λDUC遷移レートを含むことができる。従って、図示のモデル２００は、Ｎステップ解析中に図示の遷移状態を用いて、例えば、状態確率分布をシミュレートすることができる。
また、補修遷移２３８及び２４０も図示されている。例えば、遷移２３８は、μSD遷移レート（例えば、システムシャットダウン及び再始動と仮定した場合の安全が検出された故障の補修レート）を含むことができる。同様に、遷移２４０は、μO遷移レート（例えば、診断中のようなシステムシャットダウンではなく、危険が検出された故障のオンライン補修レート）を含むことができる。証明試験のような他の補修に関連する遷移２４２、２４４、２４６、２４８、２５０も図示されている。実際には、証明試験を命令することにより、モデルは、遷移２４２、２４４、２４６、２４８、及び／又は２５０を通って遷移し、オペレーションを継続することができる。モデル２００を提供することにより、例えば、ＤＲＣＥ３８において３つのうちの２つの構成要素故障の自動解析を含めることができる。
本発明の技術的効果は、様々な安全システムをモデル化するのに好適な複数の構成要素モデルを含むモデルライブラリを提供することである。モデルは、様々な安全計装機能（ＳＩＦ）を解析するのに好適なより大きなモデルに組み合わせることができる。モデルは、特定の入力（オンライン診断入力、出力診断入力、証明試験モデル入力、完全改修入力）を用いて、保守整備動作を含む特定の動作を得ることができる。稼働及び／又は経済的動作もまた取得することができる。モデルは、ＳＩＦを解析し、要求時作動失敗確率（ＰＦＤ）、平均故障時間（ＭＴＴＦ）、平均故障間隔（ＭＴＢＦ）、安全側故障割合（ＳＦＦ）、ハードウェア故障耐性（ＨＦＴ）、及び／又はリスク低減要因（ＲＲＦ）などの信頼性及び／又は性能尺度を得るために、Ｍａｒｋｏｖモデル、故障樹解析（ＦＴＡ）、信頼度ブロック図（ＲＢＤ）、リスクグラフ、及び／又は防護層解析（ＬＯＰＡ）などの技術を含むことができる。
１つのプロセスの実施形態において、ＲＲＦは、所望の目標として与えることができ、プロセスは、Ｎステップ予測技術を用いて、所望のＲＲＦに適合する将来の信頼性尺度を漸次的に取得することができる。従って、所望のＲＲＦに適合するのに好適なより最適な証明試験スケジュールを取得することができる。モデルライブラリを用いて様々な保守整備、稼働及び／又は経済的動作を取得するのに好適なプロセスも提供される。
本明細書は、最良の形態を含む実施例を用いて本発明を開示し、更に、あらゆる当業者があらゆるデバイス又はシステムを実施及び利用すること並びにあらゆる包含の方法を実施することを含む本発明を実施することを可能にする。本発明の特許保護される範囲は、請求項によって定義され、当業者であれば想起される他の実施例を含むことができる。このような他の実施例は、請求項の文言と差違のない構造要素を有する場合、或いは、請求項の文言と僅かな差違を有する均等な構造要素を含む場合には、本発明の範囲内にあるものとする。
１２：センサ
１４：最終要素
１６：他のシステム
１８：コントローラ
２１：機械装置
２２：モデルライブラリ
３６：ＳＩＳモデリングツール

Claims (11)

  1. メモリに通信可能に結合されたプロセッサと、前記メモリに格納され、安全システムをモデル化するよう構成され、信頼性尺度を得るよう各々が構成された複数のサブシステムモデルを含むモデルライブラリと、
    フォールトトレランス入力と、
    保守整備ポリシー入力と、
    前記プロセッサにより実行され、
    前記複数のサブシステムモデル、前記フォールトトレランス入力、及び前記保守整備ポリシー入力のユーザ定義セットを使用して装置のシステムリスクを取得し、
    平均ＰＦＤのＮステップ前の推定値がリスク低減要因（ＲＲＦ）を上回るか否かを判断し、上回る場合に、証明試験を命令する
    よう構成された動的リスク計算エンジン（ＤＲＣＥ）と、
    を備え、
    前記システムリスクが、平均要求時作動失敗確率（ＰＦＤ）を含み、
    前記証明試験が、バルブ、バックアップシステム、装置構成要素、又はこれらの組み合わせを自動的に作動させ、証明試験スケジュールを出力するよう構成された、
    システム。
  2. 前記複数のサブシステムモデルの各々が、複数の状態及び状態遷移を使用して前記信頼性尺度をモデル化するよう構成されたＮ個のうちのＸ個（ＸｏｏＮ）Ｍａｒｋｏｖモデルを含む、請求項１に記載のシステム。
  3. 前記フォールトトレランス入力がリスク低減要因（ＲＲＦ）を含み、前記安全システムがシステム計装機能（ＳＩＦ）を含む、請求項１または２に記載のシステム。
  4. 前記保守整備ポリシー入力が、オンライン診断入力、出力診断入力、証明試験モデル入力、完全改修入力、又はこれらの組み合わせを含む、請求項１乃至３のいずれかに記載のシステム。
  5. 前記証明試験が、部分証明試験又は完全証明試験を含む、請求項１乃至４のいずれかに記載のシステム。
  6. 前記ＤＲＣＥが、前記証明試験を監視して、前記システムリスクを更新するよう構成されている、請求項１乃至５のいずれかに記載のシステム。
  7. 前記ＤＲＣＥが、アラーム、部分証明試験、完全証明試験、稼働事象、保守整備事象、又はこれらの組み合わせを用いて信頼性クレジットを得るよう構成され、該信頼性クレジットを用いて前記システムリスクを更新する、請求項１乃至６のいずれかに記載のシステム。
  8. 前記装置が、ガスタービンシステム、蒸気タービンシステム、風力タービンシステム、燃焼エンジン、液圧エンジン、デバイス、又はこれらの組み合わせを含む、請求項１乃至７のいずれかに記載のシステム。
  9. 前記システムリスクが、保守整備動作、稼働動作、経済的動作、又はこれらの組み合わせの取得のため最適化システムへの入力として提供されるよう構成される、請求項１乃至８のいずれかに記載のシステム。
  10. 複数のサブシステムモデルを含み、その各々が信頼性尺度を得るよう構成されたモデルライブラリに基づいてシステムについての複数の状態確率をプロセッサが予測するステップと、
    システムの要求時作動失敗確率（ＰＦＤ）をプロセッサがコンピュータ計算するステップと、
    前記システムのＰＦＤに基づいて平均ＰＦＤをプロセッサが取得するステップと、
    前記平均ＰＦＤのＮステップ前の推定値がリスク低減要因（ＲＲＦ）を上回る場合に、バルブ、バックアップシステム、装置構成要素、又はこれらの組み合わせを自動的に作動させる証明試験をプロセッサが命令するステップと、
    証明試験スケジュールをプロセッサが出力するステップと、
    を含む、方法。
  11. 機械システムを制御し、該機械システムからの入力を受け取るよう構成されたコントローラを備えたシステムであって、前記コントローラが、
    複数のサブシステムを含み且つその各々が信頼性尺度を得るよう構成されたモデルライブラリに基づいてシステムについての複数の状態確率を予測し、
    システムの要求時作動失敗確率（ＰＦＤ）をコンピュータ計算し、
    前記システムのＰＦＤに基づいて平均ＰＦＤを取得し、
    前記平均ＰＦＤのＮステップ前の推定値がリスク低減要因（ＲＲＦ）を上回る場合に、バルブ、バックアップシステム、装置構成要素、又はこれらの組み合わせを自動的に作動させる証明試験を命令し、
    証明試験スケジュールを出力する、
    よう構成された非一時的機械可読命令を含む、システム。
JP2013061392A 2012-03-27 2013-03-25 信頼性が改善されたオペレーションのためのシステム及び方法 Active JP6250942B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US13/431,914 US9158303B2 (en) 2012-03-27 2012-03-27 Systems and methods for improved reliability operations
US13/431,914 2012-03-27

Publications (3)

Publication Number Publication Date
JP2013206466A JP2013206466A (ja) 2013-10-07
JP2013206466A5 JP2013206466A5 (ja) 2016-05-12
JP6250942B2 true JP6250942B2 (ja) 2017-12-20

Family

ID=48190698

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2013061392A Active JP6250942B2 (ja) 2012-03-27 2013-03-25 信頼性が改善されたオペレーションのためのシステム及び方法

Country Status (3)

Country Link
US (1) US9158303B2 (ja)
EP (1) EP2645195B1 (ja)
JP (1) JP6250942B2 (ja)

Families Citing this family (39)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9069725B2 (en) 2011-08-19 2015-06-30 Hartford Steam Boiler Inspection & Insurance Company Dynamic outlier bias reduction system and method
US10557840B2 (en) 2011-08-19 2020-02-11 Hartford Steam Boiler Inspection And Insurance Company System and method for performing industrial processes across facilities
US9122253B2 (en) * 2012-11-06 2015-09-01 General Electric Company Systems and methods for dynamic risk derivation
US20140330615A1 (en) * 2013-05-03 2014-11-06 Oracle International Corporation Risk estimation of inspection sites
US9753441B2 (en) * 2013-05-13 2017-09-05 Massachusetts Institute Of Technology Controlling dynamical systems with bounded probability of failure
US10185291B2 (en) * 2013-06-28 2019-01-22 Fisher Controls International Llc System and method for shutting down a field device
US9858805B2 (en) 2013-09-24 2018-01-02 Honeywell International Inc. Remote terminal unit (RTU) with wireless diversity and related method
US9551633B2 (en) * 2013-10-15 2017-01-24 General Electric Company Systems and methods for improved reliability operations
US10248601B2 (en) * 2014-03-27 2019-04-02 Honeywell International Inc. Remote terminal unit (RTU) with universal input/output (UIO) and related method
WO2015157745A2 (en) * 2014-04-11 2015-10-15 Hartford Steam Boiler Inspection And Insurance Company Improving future reliability prediction based on system operational and performance data modelling
CN104007755B (zh) * 2014-04-11 2016-10-19 中国石油化工股份有限公司青岛安全工程研究院 应用在过程工业中的降低风险方法
US9875207B2 (en) 2014-08-14 2018-01-23 Honeywell International Inc. Remote terminal unit (RTU) hardware architecture
EP3059676B1 (en) * 2015-02-20 2019-09-11 Siemens Aktiengesellschaft A method and apparatus for analyzing the availability of a system, in particular of a safety critical system
CN104952000A (zh) * 2015-07-01 2015-09-30 华侨大学 基于马尔科夫链的风电机组运行状态模糊综合评价方法
US9836426B2 (en) 2015-08-04 2017-12-05 Honeywell International Inc. SD card based RTU
CN106054860B (zh) * 2016-06-03 2018-08-24 温州大学 一种水泵控制器测试***及ip地址自主设定方法
CN105867356B (zh) * 2016-06-03 2018-08-07 温州大学 一种水泵控制器测试***及ip地址设定方法
US10825263B2 (en) 2016-06-16 2020-11-03 Honeywell International Inc. Advanced discrete control device diagnostic on digital output modules
KR101933784B1 (ko) 2017-03-17 2018-12-28 두산중공업 주식회사 가스 터빈 실시간 시뮬레이션 시스템 및 그 방법
US10822255B2 (en) 2017-07-14 2020-11-03 Doosan Heavy Industries & Construction Co., Ld Water treatment apparatus using underwater plasma discharge and water treatment system including same
US10621674B2 (en) 2017-10-13 2020-04-14 Munich Reinsurance Company Computer-based systems employing a network of sensors to support the storage and/or transport of various goods and methods of use thereof to manage losses from quality shortfall
US11636292B2 (en) 2018-09-28 2023-04-25 Hartford Steam Boiler Inspection And Insurance Company Dynamic outlier bias reduction system and method
CN110080884B (zh) * 2018-10-31 2020-07-07 南京航空航天大学 涡扇发动机热端虚拟传感器信号生成与气路故障诊断方法
CN109670550B (zh) * 2018-12-20 2021-08-24 南方电网电力科技股份有限公司 一种配电终端检修决策方法和装置
CN109615271B (zh) * 2018-12-29 2021-11-12 国能南京电力试验研究有限公司 一种二次再热汽轮机多负荷精确耗差分析方法
CN109934486A (zh) * 2019-03-11 2019-06-25 长沙理工大学 一种提取故障耦合传播过程中多能流负荷裕度演变及其交互特征的方法
CN109902447A (zh) * 2019-04-10 2019-06-18 华能澜沧江水电股份有限公司 一种巨型水电厂状态检修模型及构建方法
CN110187989B (zh) * 2019-05-24 2022-08-09 广东致盛技术有限公司 雾环境下基于Markov Chain的容错策略选择方法
US11010222B2 (en) * 2019-08-29 2021-05-18 Sap Se Failure mode specific analytics using parametric models
CN110598316B (zh) * 2019-09-10 2021-07-27 大连理工大学 基于梁有限元模型构建屏蔽式核主泵数字样机方法
EP4028301A4 (en) 2019-09-12 2023-11-08 Thales Canada Inc. SURGE PROTECTION DEVICE
US11328177B2 (en) 2019-09-18 2022-05-10 Hartford Steam Boiler Inspection And Insurance Company Computer-based systems, computing components and computing objects configured to implement dynamic outlier bias reduction in machine learning models
US11615348B2 (en) 2019-09-18 2023-03-28 Hartford Steam Boiler Inspection And Insurance Company Computer-based systems, computing components and computing objects configured to implement dynamic outlier bias reduction in machine learning models
JP7399269B2 (ja) 2019-09-18 2023-12-15 ハートフォード スチーム ボイラー インスペクション アンド インシュアランス カンパニー 機械学習モデルにおいて動的外れ値偏り低減を実装するように構成されるコンピュータベースシステム、コンピュータコンポーネント及びコンピュータオブジェクト
CN110615109B (zh) * 2019-10-15 2021-01-15 北京理工大学 一种航空器机电复合传动***容错控制方法
CN111598381A (zh) * 2020-04-01 2020-08-28 上海歌略软件科技有限公司 一种基于马尔可夫Markov模型的SIL验算方法
EP3961407A1 (en) * 2020-08-31 2022-03-02 Siemens Aktiengesellschaft Computer-implemented method and computerized device for testing a technical system
CN113487252B (zh) * 2021-09-07 2021-11-26 江苏昌存铜业有限公司 基于大数据分析的企业安全预警及防控方法与***
WO2024094140A1 (zh) * 2022-11-04 2024-05-10 中国石油化工股份有限公司 远程测控终端及安全控制***

Family Cites Families (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS63300358A (ja) 1987-05-30 1988-12-07 Toshiba Corp 保守運用管理システム
US5216612A (en) 1990-07-16 1993-06-01 R. J. Reynolds Tobacco Company Intelligent computer integrated maintenance system and method
JPH0528160A (ja) 1991-07-19 1993-02-05 Nec Corp 保全スケジユール管理方式
US5465321A (en) * 1993-04-07 1995-11-07 The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration Hidden markov models for fault detection in dynamic systems
JP3614591B2 (ja) 1996-12-20 2005-01-26 株式会社ルネサステクノロジ 定期保全スケジューリングシステムおよびそれに用いる定期保全スケジューリング装置
US7024335B1 (en) * 1998-04-15 2006-04-04 The Texas A&M University System Condition assessment and life expectancy prediction for devices
JPH11345019A (ja) 1998-05-29 1999-12-14 Toshiba Corp プラントの保守支援装置
JP2000322399A (ja) 1999-05-12 2000-11-24 Mitsubishi Electric Corp 保守スケジュール決定方式
JP2001100822A (ja) 1999-09-27 2001-04-13 Matsushita Electronics Industry Corp メンテナンス計画作成方法
US6217076B1 (en) 1999-12-10 2001-04-17 Barbara L. Howard Maintenance scheduling and tracking system
US6735549B2 (en) * 2001-03-28 2004-05-11 Westinghouse Electric Co. Llc Predictive maintenance display system
JP2004170225A (ja) 2002-11-20 2004-06-17 Toshiba Corp プラントのライフサイクル保全計画立案システム
WO2005013098A2 (en) * 2003-08-01 2005-02-10 Invensys Systems, Inc. Continuous online safety and reliability monitoring
US7464721B2 (en) * 2004-06-14 2008-12-16 Rosemount Inc. Process equipment validation
US20060041459A1 (en) 2004-08-18 2006-02-23 The Boeing Company System, method and computer program product for total effective cost management
US7136776B2 (en) * 2004-10-29 2006-11-14 Hitachi Global Storage Technologies Netherlands B.V. Method for evaluating processes for manufacturing components
CN101185065A (zh) 2005-06-30 2008-05-21 西门子公司 优化***维护的方法和工具
US8401726B2 (en) 2006-07-20 2013-03-19 The Boeing Company Maintenance interval determination and optimization tool and method
US20080147361A1 (en) * 2006-12-15 2008-06-19 Miller Daniel H Methods and apparatus to monitor system health
EP1965281A1 (en) 2007-03-02 2008-09-03 Abb Research Ltd. Dynamic maintenance plan for an industrial robot
US20090299800A1 (en) 2008-05-30 2009-12-03 Ncr Corporation Device maintenance scheduling method and system
US8112304B2 (en) * 2008-08-15 2012-02-07 Raytheon Company Method of risk management across a mission support network
CN101764405B (zh) 2009-12-24 2012-09-12 国电南瑞科技股份有限公司 多周期多维度一体化检修计划优化与安全分析的方法
JP2011138385A (ja) 2009-12-28 2011-07-14 Canon It Solutions Inc メンテナンススケジューリングシステム、メンテナンススケジューリング装置、方法、プログラム
US8494826B2 (en) 2010-01-13 2013-07-23 The United States Postal Service Systems and methods for analyzing equipment failures and maintenance schedules
US8370046B2 (en) * 2010-02-11 2013-02-05 General Electric Company System and method for monitoring a gas turbine
US20120053984A1 (en) * 2011-08-03 2012-03-01 Kamal Mannar Risk management system for use with service agreements

Also Published As

Publication number Publication date
US9158303B2 (en) 2015-10-13
JP2013206466A (ja) 2013-10-07
US20130262064A1 (en) 2013-10-03
EP2645195B1 (en) 2021-08-11
EP2645195A3 (en) 2017-08-02
EP2645195A2 (en) 2013-10-02

Similar Documents

Publication Publication Date Title
JP6250942B2 (ja) 信頼性が改善されたオペレーションのためのシステム及び方法
US9122253B2 (en) Systems and methods for dynamic risk derivation
US9280617B2 (en) Systems and methods for improved reliability operations
EP2869152B1 (en) Systems and methods for improved reliability operations
JP6159059B2 (ja) プラント運転最適化システムおよび方法
US8370046B2 (en) System and method for monitoring a gas turbine
US10437241B2 (en) Systems and methods for generating maintenance packages
CN106404403B (zh) 用于涡轮机的分析的方法和***
US9569397B2 (en) Methods and systems for maintenance of turbomachinery
US20100257838A1 (en) Model based health monitoring of aeroderivatives, robust to sensor failure and profiling
US20140244133A1 (en) Aircraft engine systems and methods for operating same
CN109643112B (zh) 用于阀和致动器监测***的高级启动计数器模块
CN109642469B (zh) 用于阀和致动器监测***的导引状况评定模块
CN115618592A (zh) 一种电厂燃气轮机气路故障诊断方法、***、设备及终端
WO2015175181A1 (en) System and method for evaluating opportunities to extend operating durations
US10865643B2 (en) Method and system for a component lifetime counter
Tejedor et al. Advanced gas turbine asset and performance management
JP2017187018A (ja) 燃料燃焼システムのための物理パラメータを予測するためのシステムおよび方法
CN113969808A (zh) 在在线维护期间使用多种维护模式控制发电***
Mehdi et al. Model-based Reasoning Approach for Automated Failure Analysis: An Industrial Gas Turbine Application
Fentaye et al. Gas turbine prognostics via Temporal Fusion Transformer
Ki et al. Development of Easy Maintenance Assistance Solution (EMAS) for Gas Turbine
Miller et al. TT03-Computing the Safety Integrity Level (SIL) for Turbo Machinery Protection
Miyoshi et al. Hybrid Monitoring of Offshore Compression Systems
Mochi et al. Remote Diagnostics of the Alliance Gas Pipeline System Architecture and Initial Operating Experience

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20160317

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20160317

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20170118

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20170221

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20170516

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: 20171031

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20171124

R150 Certificate of patent or registration of utility model

Ref document number: 6250942

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

S111 Request for change of ownership or part of ownership

Free format text: JAPANESE INTERMEDIATE CODE: R313113

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350