JP6875602B2 - Maintenance support equipment, maintenance support programs and maintenance support methods - Google Patents
Maintenance support equipment, maintenance support programs and maintenance support methods Download PDFInfo
- Publication number
- JP6875602B2 JP6875602B2 JP2020522645A JP2020522645A JP6875602B2 JP 6875602 B2 JP6875602 B2 JP 6875602B2 JP 2020522645 A JP2020522645 A JP 2020522645A JP 2020522645 A JP2020522645 A JP 2020522645A JP 6875602 B2 JP6875602 B2 JP 6875602B2
- Authority
- JP
- Japan
- Prior art keywords
- probability
- wall thickness
- margin
- thickness
- wall
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N17/00—Investigating resistance of materials to the weather, to corrosion, or to light
-
- 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
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Environmental Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental & Geological Engineering (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Automation & Control Theory (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
Description
本発明は、プラントの構造物の保全方式や検査仕様等の決定を支援するための保全支援装置、保全支援用プログラム及び保全支援方法に関する。 The present invention relates to a maintenance support device for supporting determination of a maintenance method, inspection specifications, etc. of a plant structure, a maintenance support program, and a maintenance support method.
従来、例えば、プラントの構造物の保全方式や検査仕様等の決定を支援するための技術としては、例えば、構造物の種類に応じた腐食速度の推定値と、構造物の使用期間及び初期板厚とから、構造物の寿命を推定する技術がある(例えば、非特許文献1参照。)。 Conventionally, for example, as a technique for supporting determination of a maintenance method, inspection specifications, etc. of a structure of a plant, for example, an estimated value of a corrosion rate according to the type of the structure, a period of use of the structure, and an initial plate are used. There is a technique for estimating the life of a structure from the thickness (see, for example, Non-Patent Document 1).
しかしながら、非特許文献1に記載の技術では、構造物の寿命を推定できるものの、寿命に到達する確率、つまり構造物が使用不能状態となる確率を算出するという観点がなかった。それゆえ、構造物の保全方式や検査仕様等を適切に決定することが困難であった。
本発明は、上記のような点に着目し、プラントの構造物が使用不能状態となる確率を提示可能な保全支援装置、保全支援用プログラム及び保全支援方法を提供することを目的とする。However, in the technique described in
Focusing on the above points, an object of the present invention is to provide a maintenance support device, a maintenance support program, and a maintenance support method capable of presenting the probability that a plant structure becomes unusable.
上記課題を解決するために、本発明の一態様は、(a)プラントの構造物の属性及び初期板厚を含むデータを取得する取得部と、(b)取得部で取得したデータが含む属性に基づき、構造物の保温材下腐食による減肉深さの予測値を算出する減肉深さ予測部と、(c)取得部で取得したデータが含む初期板厚から減肉深さ予測部で算出した減肉深さの予測値を減算した減算結果である、余裕肉厚の予測値を算出する余裕肉厚算出部と、(d)予め定められた複数の数値範囲と、保温材下腐食によって構造物が使用不能状態となる確率を示す複数の確率指標とを対応づけて記憶している確率情報記憶装置と、(e)確率情報記憶装置を参照し、複数の数値範囲のうちから、余裕肉厚算出部で算出した余裕肉厚の予測値を含む数値範囲を特定し、特定した数値範囲に対応づけられている確率指標を取得する確率情報取得部と、(f)確率情報取得部で取得した確率指標を出力する出力部と、を備える保全支援装置であることを要旨とする。ここで、保温材下腐食とは、プラントの構造物(配管、熱交換器、塔、槽等)、例えば炭素鋼製もしくは低合金鋼製の構造物の保温材で覆われている部分に生じる腐食である。 In order to solve the above problems, one aspect of the present invention includes (a) an acquisition unit for acquiring data including attributes and initial plate thickness of the plant structure, and (b) attributes included in the data acquired by the acquisition unit. The wall thinning depth prediction unit that calculates the predicted value of the wall thinning depth due to corrosion under the heat insulating material of the structure, and (c) the wall thinning depth prediction unit from the initial plate thickness included in the data acquired by the acquisition unit. The margin wall thickness calculation unit that calculates the predicted value of the margin wall thickness, which is the subtraction result obtained by subtracting the predicted value of the wall thinning depth calculated in (d), (d) a plurality of predetermined numerical ranges, and under the heat insulating material. Refer to the probability information storage device that stores a plurality of probability indexes indicating the probability that the structure becomes unusable due to corrosion in association with each other, and (e) the probability information storage device, and select from a plurality of numerical ranges. , The probability information acquisition unit that specifies the numerical range including the predicted value of the margin thickness calculated by the margin thickness calculation unit and acquires the probability index associated with the specified numerical range, and (f) the probability information acquisition. The gist is that it is a maintenance support device equipped with an output unit that outputs the probability index acquired by the unit. Here, the corrosion under the heat insulating material occurs in the structure of the plant (pipes, heat exchangers, towers, tanks, etc.), for example, the portion of the structure made of carbon steel or low alloy steel covered with the heat insulating material. It is corrosion.
また、本発明の他の態様は、(a)コンピュータを、プラントの構造物の属性及び初期板厚を含むデータを取得する取得部、(b)取得部で取得したデータが含む属性に基づき、構造物の保温材で覆われている部分の保温材下腐食による減肉深さの予測値を算出する減肉深さ予測部、(c)取得部で取得したデータが含む初期板厚から減肉深さ予測部で算出した減肉深さの予測値を減算した減算結果である、余裕肉厚の予測値を算出する余裕肉厚算出部、(d)予め定められた複数の数値範囲と、保温材下腐食によって構造物が使用不能状態となる確率を示す複数の確率指標とを対応づけて記憶している確率情報記憶装置を参照し、複数の数値範囲のうちから、余裕肉厚算出部で算出した余裕肉厚の予測値を含む数値範囲を特定し、特定した数値範囲に対応づけられている確率指標を取得する確率情報取得部、(e)及び確率情報取得部で取得した確率指標を出力する出力部として機能させるための保全支援用プログラムであることを要旨とする。 In addition, another aspect of the present invention is based on (a) an acquisition unit for acquiring data including attributes and initial plate thickness of a plant structure, and (b) attributes included in the data acquired by the acquisition unit. The wall thinning depth prediction unit that calculates the predicted value of the wall thinning depth due to corrosion under the heat insulating material in the part covered with the heat insulating material of the structure, (c) Decreased from the initial plate thickness included in the data acquired by the acquisition unit The margin thickness calculation unit that calculates the prediction value of the margin thickness, which is the subtraction result of subtracting the prediction value of the wall reduction depth calculated by the wall depth prediction unit, (d) a plurality of predetermined numerical ranges. , Calculate the margin wall thickness from a plurality of numerical ranges by referring to the probability information storage device that stores a plurality of probability indexes indicating the probability that the structure becomes unusable due to corrosion under the heat insulating material. The probability information acquisition unit, (e), and the probability information acquisition unit that specify the numerical range including the predicted value of the margin thickness calculated in the unit and acquire the probability index associated with the specified numerical range. The gist is that it is a maintenance support program to function as an output unit that outputs indicators.
また、本発明の他の態様は、(a)プラントの構造物の属性及び初期板厚を含むデータを取得することと、(b)前記取得したデータが含む属性に基づき、前記構造物の保温材下腐食による減肉深さの予測値を算出することとと、(c)前記取得したデータが含む初期板厚から前記減肉深さの予測値を減算した減算結果である、余裕肉厚の予測値を算出することと、(d)予め定められた複数の数値範囲と、保温材下腐食によって前記構造物が使用不能状態となる確率を示す複数の確率指標とを対応づけて記憶している確率情報を参照することと、(e)前記複数の数値範囲のうちから、前記余裕肉厚の予測値を含む数値範囲を特定し、特定した数値範囲に対応づけられている確率指標を取得することとと、(f)前記確率指標を出力することと、を含む、保全支援方法であることを要旨とする。 In addition, another aspect of the present invention is to (a) acquire data including the attributes and initial plate thickness of the structure of the plant, and (b) keep the structure warm based on the attributes included in the acquired data. Margin thickness, which is the result of calculating the predicted value of the wall thinning depth due to submaterial corrosion and (c) subtracting the predicted value of the wall thinning depth from the initial plate thickness included in the acquired data. And (d) a plurality of predetermined numerical ranges and a plurality of probabilistic indexes indicating the probability that the structure becomes unusable due to corrosion under the heat insulating material are stored in association with each other. (E) From the plurality of numerical ranges, a numerical range including the predicted value of the margin thickness is specified, and a probability index associated with the specified numerical range is obtained. The gist is that it is a maintenance support method including acquisition and (f) output of the probability index.
本発明の一態様によれば、プラントの構造物が使用不能状態となる確率を提示可能な保全支援装置、保全支援用プログラム及び保全支援方法を提供することができる。 According to one aspect of the present invention, it is possible to provide a maintenance support device, a maintenance support program, and a maintenance support method capable of presenting the probability that the structure of the plant becomes unusable.
以下、本開示に係る保全支援装置、保全支援用プログラム及び保全支援方法について、図面を参照しつつ説明する。本開示に係る保全支援装置は、プラントの構造物の保全方式や検査仕様等の決定を支援する保全支援サービスを実施するための保全支援システムを構成している。構造物とは、例えば、保温材で覆われた配管、熱交換器、塔、槽である。後述するように、本開示に係る保全支援システムは、保全支援装置とサービス利用端末とを備える。保全支援装置は、サービス利用端末からデータを取得し、取得したデータを基に、構造物の保全や修理の必要性の程度を示す指標として、保温材下腐食によって構造物が使用不能状態となる確率を示す確率情報を取得し、取得した確率情報を、データ送信元のサーバ利用者端末に送信する。 Hereinafter, the maintenance support device, the maintenance support program, and the maintenance support method according to the present disclosure will be described with reference to the drawings. The maintenance support device according to the present disclosure constitutes a maintenance support system for implementing maintenance support services that support determination of maintenance methods, inspection specifications, etc. of plant structures. The structure is, for example, a pipe, a heat exchanger, a tower, or a tank covered with a heat insulating material. As will be described later, the maintenance support system according to the present disclosure includes a maintenance support device and a service use terminal. The maintenance support device acquires data from the service use terminal, and based on the acquired data, the structure becomes unusable due to corrosion under the heat insulating material as an index indicating the degree of necessity for maintenance and repair of the structure. The probability information indicating the probability is acquired, and the acquired probability information is transmitted to the server user terminal of the data transmission source.
また、本開示に係る保全支援装置は、予め収集された構造物の属性に関する情報、及び、腐食度合いに関する情報を含む測定データに基づいて、保全対象の構造物の腐食度合いを予測するための予測モデルを生成する。 In addition, the maintenance support device according to the present disclosure predicts the degree of corrosion of the structure to be maintained based on the measurement data including the information on the attributes of the structure collected in advance and the information on the degree of corrosion. Generate a model.
なお、以下に示す実施形態は、本発明の技術的思想を具体化するための方法や装置を例示するものであって、本発明の技術的思想は、構成要素の構造、配置等を、下記のものに特定するものでない。本発明の技術的思想は、請求の範囲に記載された請求項が規定する技術的範囲内で、種々の変更を加えることができる。 It should be noted that the embodiments shown below exemplify methods and devices for embodying the technical idea of the present invention, and the technical idea of the present invention describes the structure, arrangement, etc. of the components as follows. It is not specific to the thing. The technical idea of the present invention may be modified in various ways within the technical scope specified by the claims.
(構成)
図1、図2に示すように、保全支援システム1は、保全支援装置2と、サービス利用端末3とを備えている。保全支援装置2及びサービス利用端末3は、インターネット等の通信路4を介して、互いに情報を送受信可能に構成されている。(Constitution)
As shown in FIGS. 1 and 2, the
(保全支援装置)
保全支援装置2は、例えば、保全支援サービスのサービス提供者が所有しているサーバ装置である。保全支援装置2としては、例えば、Webサーバ(コンピュータ)を採用できる。(Maintenance support device)
The
図1に示すように、保全支援装置2は、記憶装置5及びプロセッサを含む演算装置6、及び、通信路4(ネットワーク)を介して他の装置(例えば、後述するサービス利用端末3)と情報の送受信を行う通信インタフェース(以下、「通信I/F」と称する。)30等のハードウェア資源を備えている。保全支援装置2は、演算装置6が、記憶装置5に記憶された所定のプロブラム及びデータに基づく情報処理を実行することにより、少なくとも保全対象物の腐食度合いを推定するように構成されている。本開示において、保全対象物の腐食の度合いとして、減肉深さを用いる。
演算装置6は、ハードウェアプロセッサとしてのCPU(Central Processing Unit)6a、RAM(Random Access Memory)6b、及び、ROM(Read Only Memory)6cを含む。演算装置6は、記憶装置5に記憶された所定のデータ及び所定のプログラムを用いた、特定の情報処理を実行する。なお、ハードウェアプロセッサとしては、CPUに限定されず、GPU、ASIC、FPGA等の各種プロセッサを用いることができる。As shown in FIG. 1, the
The
記憶装置5は、ハードディスクドライブ、ソリッドステートドライブ等のメモリにより構成される補助記憶装置である。記憶装置5は、演算装置6による特定の情報処理に必要な所定のプログラム、及び、所定のデータを記憶している。本開示において、記憶装置5は、演算装置6が保全支援処理、確率情報の生成処理、予測モデルの生成処理、等の所定の情報処理を実行するためのプログラム9、及び、確率情報7、測定データ10、学習結果データ35を記憶している。確率情報7、測定データ10、プログラム9、学習結果データ35のそれぞれは、記憶装置5の所定の領域、例えば、確率情報記憶領域、測定データ記憶領域及びプログラム記憶領域に分けて記憶されていてもよい。また、確率情報7、測定データ10、プログラム9、学習結果データ35のそれぞれが、別個に構成された確率情報記憶装置、測定データ記憶装置、プログラム記憶装置に、ぞれぞれ記憶されるように構成されていてもよい。 The
なお、所定のデータ、及び、所定のプログラムは、常時記憶装置5に記憶されていなくてもよい。例えば、演算装置6が特定の情報処理を実行するときに、その一部または全部を、通信路4を介して他の装置から取得してもよい。また、所定のデータ、及び、所定のプログラムは、演算装置6が特定の情報処理を実行するときに、後述のドライブ31を介して記憶媒体32から読み込んでもよい。 The predetermined data and the predetermined program may not be stored in the
通信I/F30は、例えば、有線LANモジュール、無線LANモジュール等であり、通信路4を介して他の装置と有線又は無線通信を行うためのインタフェースである。本開示において、通信I/Fは、通信路4を介して、後述のサービス利用端末3及び他の装置(図示せず)から所定のデータ等を受信するように構成されている。 The communication I /
保全支援装置2は、入力装置33、表示装置(出力装置)34をさらに備えていてもよい。入力装置33としては、マウス、キーボード、タッチパネル等を用いることができる。また、表示装置(出力装置)34としてはディスプレイ、スピーカ等を用いることができる。また、保全支援装置2は、CDドライブ、DVDドライブ等の、記憶媒体32に記憶されたデータ及びプログラムを読み込むためのドライブ31をさらに備えていてもよい。 The
確率情報記憶領域には、後述する保全支援処理に用いられる確率情報7が記憶されている。本開示において、確率情報7は、基準肉厚の候補値、腐食が生じたときの肉厚の予測値が取り得る数値範囲、構造物の保全や修理の必要性の程度を示す指標としての確率、を含む。 In the probability information storage area,
基準肉厚は、保全対象の構造物が満たすべき肉厚(板厚)であって、保全支援処理におけるリスクの算出の前に予め定められたパラメータである。本開示において、基準肉厚は、一又は複数の候補値として設定される。複数の候補値は互いに異なるように設定される。基準肉厚の候補値は、例えば、後述する必要肉厚または管理肉厚に基づいて定めることができる。 The standard wall thickness is the wall thickness (plate thickness) that the structure to be maintained should satisfy, and is a parameter determined in advance before the calculation of the risk in the maintenance support processing. In the present disclosure, the reference wall thickness is set as one or more candidate values. A plurality of candidate values are set so as to be different from each other. The candidate value of the reference wall thickness can be determined based on, for example, the required wall thickness or the controlled wall thickness described later.
必要肉厚とは、例えば、法規制や準拠すべき規格により定められた肉厚の値である。法規制や準拠すべき規格としては、例えば、運転時における構造物の内部の圧力等に応じ、構造物に必要とされる肉厚が定められている法規制や規格が挙げられる。管理肉厚は、プラントの構造物を管理する保全主体が任意に設定する肉厚である。管理肉厚は、必要肉厚を用いてもよく、必要肉厚にある一定の値を加えたり、安全率を乗算したり等して、必要肉厚よりも大きい値に設定されてもよい。管理肉厚は、例えば、延性破壊の生ずる肉厚である必要肉厚や、構造物の補修の是非を判断するためにプラントの管理者が必要肉厚よりも安全側に(厚く)規定した肉厚を採用できる。 The required wall thickness is, for example, a value of the wall thickness defined by laws and regulations and standards to be complied with. Examples of laws and regulations and standards to be complied with include laws and regulations and standards in which the wall thickness required for a structure is determined according to the pressure inside the structure during operation. The control wall thickness is a wall thickness arbitrarily set by the maintenance entity that manages the structure of the plant. The required wall thickness may be used as the control wall thickness, or may be set to a value larger than the required wall thickness by adding a certain value to the required wall thickness, multiplying by a safety factor, or the like. The controlled wall thickness is, for example, the required wall thickness that causes ductile fracture, or the wall thickness specified by the plant manager on the safe side (thick) than the required wall thickness in order to determine whether or not to repair the structure. Thickness can be adopted.
確率情報記憶領域は、確率情報7として、図3に示すように、予め定められた複数の数値範囲b1、b2、b3、b4、b5、b6、b7、b8を、基準肉厚の候補値a1、a2と対応づけて記憶している。本開示において、複数の数値範囲b1、b2、b3、b4、b5、b6、b7、b8は、保温材下腐食の進行によっても残存する肉厚(余裕肉厚)の予測値(予測余裕肉厚)の数値範囲であるが、これに限定されない。予測余裕肉厚の算出は、予め収集された測定データによって生成される予測モデルを用いて行われる。ここで、本開示において、複数の数値範囲b1、b2、b3、b4、b5、b6、b7、b8のそれぞれは、同一の予測モデルを用いて設定される値である。予測余裕肉厚の算出方法は、図10等を用いて後述する。 As the
図3では、基準肉厚の候補値a1、a2として、「0mm」、「1mm」が用いられている。また数値範囲b1〜b8は、図10に示した余裕肉厚の予測値が取り得る範囲を区分する数値範囲である。 In FIG. 3, “0 mm” and “1 mm” are used as the candidate values a1 and a2 for the reference wall thickness. Further, the numerical ranges b1 to b8 are numerical ranges that divide the range in which the predicted value of the margin thickness shown in FIG. 10 can be taken.
また、確率情報記憶領域には、構造物の保全、修理の必要性の程度を示す指標が記憶されている。本開示において、確率情報記憶領域は、保温材下腐食によって構造物が使用不能状態となる確率を示す複数の確率指標c1、c2、c3、c4、c5、c6、c7、c8を、保全、修理の必要性の程度を示す指標として記憶している。確率指標c1、c2、c3、c4、c5、c6、c7、c8は、基準肉厚及び複数の数値範囲と対応づけられ、記憶されている。 Further, in the probability information storage area, an index indicating the degree of necessity of maintenance and repair of the structure is stored. In the present disclosure, the probability information storage area maintains and repairs a plurality of probability indexes c1, c2, c3, c4, c5, c6, c7, and c8 indicating the probability that the structure becomes unusable due to corrosion under the heat insulating material. It is memorized as an index showing the degree of necessity of. The probability indexes c1, c2, c3, c4, c5, c6, c7, and c8 are associated with the reference wall thickness and a plurality of numerical ranges and are stored.
確率指標c1〜c8としては、例えば、保温材下腐食によって構造物が使用不能状態となる確率を示すランク(例えば、「A」「B」「C」「D」)を採用できる。ランク「A」は確率「0.1%未満」を示し、ランク「B」は確率「0.1%以上1%未満」を示し、ランク「C」は確率「1%以上10%未満」を示し、ランク「D」は確率「10%以上」を示すものとする。すなわち、ランク「A」「B」「C」「D」のうち、ランク「A」からランク「D」に向けて、順に、構造物が使用不能状態となる確率が高くなることを示す。 As the probability indexes c1 to c8, for example, ranks (for example, "A", "B", "C", "D") indicating the probability that the structure becomes unusable due to corrosion under the heat insulating material can be adopted. Rank "A" indicates a probability of "less than 0.1%", rank "B" indicates a probability of "0.1% or more and less than 1%", and rank "C" indicates a probability of "1% or more and less than 10%". It is assumed that the rank "D" indicates the probability "10% or more". That is, it is shown that the probability that the structure becomes unusable increases in order from the rank "A" to the rank "D" among the ranks "A", "B", "C", and "D".
また、複数の数値範囲b1〜b8と、複数の確率指標c1〜c8とは、互いに対応づけられている。図3では、数値範囲b1に確率指標c1が対応づけられ、以下同様に、数値範囲b2に確率指標c2が対応づけられ、数値範囲b3に確率指標c3が対応づけられ、数値範囲b4に確率指標c4が対応づけられ、数値範囲b5に確率指標c5が対応づけられ、数値範囲b6に確率指標c6が対応づけられ、数値範囲b7に確率指標c7が対応づけられ、数値範囲b8に確率指標c8が対応づけられている。 Further, the plurality of numerical values ranges b1 to b8 and the plurality of probability indexes c1 to c8 are associated with each other. In FIG. 3, the numerical range b1 is associated with the probability index c1, the numerical range b2 is associated with the probability index c2, the numerical range b3 is associated with the probability index c3, and the numerical range b4 is associated with the probability index. c4 is associated, the numerical range b5 is associated with the probability index c5, the numerical range b6 is associated with the probability index c6, the numerical range b7 is associated with the probability index c7, and the numerical range b8 is associated with the probability index c8. It is associated.
なお、本開示に係る保全支援装置2では、図3に示すように、確率指標c1〜c8として、使用不能状態となる確率を示すランク(「A」「B」「C」「D」)を用いる例を示したが、他の構成を採用することもできる。例えば、図4に示すように、確率指標c1〜c8として、使用不能状態となる確率を示す数値(例えば、「0.1%未満」「0.1%以上1%未満」「1%以上10%未満」「10%以上」)を用いてもよい。
また、数値範囲b1〜b8は、後述する数値範囲設定処理によって設定される。In the
Further, the numerical ranges b1 to b8 are set by the numerical range setting process described later.
これによれば、基準肉厚の候補値の値が大きいことは、保全対象の構造物に対して、保全や修理が必要な条件を厳しく設定していること、換言すると、より安全側に設定しているすることを示す。これにより、余裕肉厚の予測値(予測余裕肉厚)の数値が相対的に大きい場合でも、使用不能状態となる確率は同等またはそれよりも高く設定されることになる。例えば、図3及び図4に示すように、基準肉厚の候補値a1(「0」)と、基準肉厚の候補値a2(「1」)とは、候補値a2の方が厳しい条件である。ここで、候補値a1の予測余裕肉厚の数値範囲b4は「0〜2mm」であり、候補値a2の予測余裕肉厚の数値範囲b8は「0〜4mm」であり、かつ、いずれの数値範囲に対しても、確率指標はランクD(10%以上)が対応づけられている。すなわち、基準肉厚の候補値a2は、候補値a1と比較して保全や修理が必要な条件を相対的に厳しく設定しており、これにより、候補値a1に対応する予測余裕肉厚の数値範囲b4よりも大きな値を含む数値範囲b8に対して、同じ確率指標であるランクD(10%以上)が対応づけられている。 According to this, the large value of the candidate value of the standard wall thickness means that the conditions requiring maintenance and repair are strictly set for the structure to be maintained, in other words, it is set on the safer side. Show that you are doing. As a result, even when the predicted value of the margin wall thickness (predicted margin wall thickness) is relatively large, the probability of becoming unusable is set to be equal to or higher than that. For example, as shown in FIGS. 3 and 4, the candidate value a1 (“0”) of the reference wall thickness and the candidate value a2 (“1”) of the reference wall thickness are under the condition that the candidate value a2 is stricter. is there. Here, the numerical range b4 of the predicted margin wall thickness of the candidate value a1 is "0 to 2 mm", and the numerical range b8 of the predicted margin wall thickness of the candidate value a2 is "0 to 4 mm", and any numerical value. Rank D (10% or more) is associated with the range as the probability index. That is, the candidate value a2 of the reference wall thickness sets the conditions requiring maintenance and repair relatively stricter than the candidate value a1, and thus the numerical value of the predicted margin wall thickness corresponding to the candidate value a1. Rank D (10% or more), which is the same probability index, is associated with the numerical range b8 containing a value larger than the range b4.
測定データ記憶領域には、図5に示すように、プラントの構造物の保温材下腐食による減肉深さの測定値d、その構造物の属性e1、e2、…、及びその構造物の初期板厚fを含む測定データ10が多数記憶されている。構造物の属性とは、プラントの構造物の特徴を示す何らかの情報であって、腐食度合い(発生確率、進行速さ、腐食深さ等)を変動させる因子となる情報である。構造物の属性e1、e2、…としては、例えば、構造物の使用期間及び温度等の数値属性、構造物の種類、環境(海からの距離、冷水塔からの距離、年間降雨量等)、塗装有無及び塗装種類、並びに保温材の種類等の質的属性の少なくともいずれかを用いることができる。また、初期板厚fとしては、例えば、保温材下腐食がされる前の構造物の実測肉厚を用いることができる。また、例えば、設計図に記載されている構造物の公称肉厚を採用することができる。 In the measurement data storage area, as shown in FIG. 5, the measured value d of the wall thinning depth due to corrosion under the heat insulating material of the structure of the plant, the attributes e1, e2, ... Of the structure, and the initial stage of the structure. A large number of
測定データ10は、種々のプラントの検査の際に取得されたデータである。なお、後述する測定データ10を用いる情報処理の開始後に、測定データ10を取得するために種々のプラントで検査を行うことは可能ではある。しかしながら、多量のデータを種々のプラントでの検査により短期間で収集することは、困難な場合が多い。したがって、種々のプラントにおける過去の検査時に取得したデータを、後述する情報処理の開始前に、予め収集し、記憶装置5に記憶しておくことが好ましい。
また、測定データ記憶領域は、サービス利用端末3等から、測定データ10を随時収集し、記憶している測定データ10の総数を継続的に増加させるように構成されている。
プログラム記憶領域には、プロセッサが実行可能な保全支援プログラムを記憶している。また、記憶装置5は、上述のように、保全支援プログラムの実行に必要な各種データを記憶している。The
Further, the measurement data storage area is configured to collect
The maintenance support program that can be executed by the processor is stored in the program storage area. Further, as described above, the
演算装置6は、サービス利用端末3から送信され、保全支援の対象物である構造物のデータ16と、プログラム記憶領域に記憶された確率情報の出力用の保全支援プログラムとを用いて、保全支援処理を実行する。これにより、取得部11、減肉深さ予測部12、余裕肉厚算出部13、確率指標取得部14、出力部15等が実現される。なお、前述のように、データ16は、サービス利用端末3等の他の装置から通信路4を介して受信するだけでなく、保全支援装置2に対して、例えば、ドライブ31を用いて記憶媒体から読み込んだり、また、例えば、入力装置33を用いて直接入力されてもよい。 The
サービス利用端末3から送信され、保全支援の対象物である構造物のデータであって、当該構造物が使用不能状態となるか否かの判定用のデータ16は、保全対象物の属性に関するデータを含む。したがって、データ16は、測定データ10と異なり、減肉深さが未知である構造物のデータである。データ16は、例えば、図6に示すように、プラントの構造物の属性g1、g2、…、初期板厚h、及び、基準肉厚として管理肉厚iを含む情報群を採用できる。管理肉厚iとしては、例えば、プラントの構造物の内部圧力がほとんどない場合には、「0mm」を用いることができる。また、例えば、構造物の内部圧力がある場合には、管理肉厚として、「1mm」を用いることができる。 The
演算装置6は、記憶装置5、通信I/F30等の他のハードウェア資源と協働して確率情報出力処理を実行することで、取得部11、減肉深さ予測部12、余裕肉厚算出部13、確率指標取得部14、出力部15等を実現する。確率情報出力処理の詳細については後述する。 The
また、演算装置6は、図3に示した数値範囲b1〜b8の設定・更新の指示と、数値範囲b1〜b8の設定用の保全支援プログラムとを用いて、数値範囲設定処理を実行する。これにより、機械学習部17、予測減肉深さ算出部18、予測値算出部19、実余裕肉厚算出部20、境界値設定部21等が実現される。数値範囲b1〜b8の設定・更新の指示は、サービス提供者、または、サービス利用者が、保全支援装置2の入力装置33を操作したり、保全支援装置2と通信路4を介して接続された他の装置を操作したりすることにより行われる。 Further, the
演算装置6は、記憶装置5、通信I/F30等の他のハードウェア資源と協働して数値範囲設定処理を実行することで、予測減肉深さ算出部18、予測値算出部19、実余裕肉厚算出部20、境界値設定部21等を実現する。数値範囲設定処理の詳細については後述する。 The
(サービス利用端末)
サービス利用端末3は、保全支援サービスのサービス利用者が利用する端末装置である。サービス利用端末3としては、例えば、パーソナルコンピュータ、スマートフォン、タブレット等を用いることができる。サービス利用端末3は、キーボードやマウス、タッチパネル等の入力装置22、各種情報の出力装置の一例として、各種情報を表示するディスプレイ(表示装置)23、記憶装置24、プロセッサ(図示せず)を有する演算装置25、通信路4(ネットワーク)を介して他の装置(例えば、後述するサービス利用端末3)と情報の送受信を行う通信インタフェース(以下、「通信I/F」と称する。)42等のハードウェア資源を備えている。(Service terminal)
The
記憶装置24は、演算装置25で実行可能な1または2以上のプログラムを記憶している。さらに、記憶装置24は、プログラムの実行に必要な各種データを記憶する。演算装置25は、保全支援装置2に設けられた演算装置6と同様の構成としてよい。また、演算装置6は、演算処理の種別等に応じて、種々のプロセッサを用いて構成してよい。また、記憶装置24は、保全支援装置2に設けられた記憶装置5と同様の構成としてよい。また、通信I/F42は、保全支援装置2に設けられた通信I/Fと同様の構成としてよい。なお、サービス利用端末3は、CDドライブ、DVDドライブ等の、記憶媒体41に記憶されたデータ及びプログラムを読み込むためのドライブ40をさらに備えていてもよい。 The
演算装置25は、他のハードウェア資源と協働して、サービス利用端末3に対する、保全支援サービスの利用を要求する操作を検出し、記憶装置24からプログラムを読み出して実行する。これにより、データ送信部26及び確率情報表示部27、データ受信部28、取得部29等が実現される。 The
取得部29は、確率指標c1〜c8を得たいプラントの構造物の属性g1、g2、…、初期板厚h及び基準肉厚としての管理肉厚iを含むデータ16の入力を受け付ける。データ16は、サービス利用者が入力装置22を用いて入力する。データ16に含まれる基準肉厚に関する情報は、確率指標c1〜c8を得たいプラントの構造物の保全主体が任意に瀬一定し得る、当該構造物に許容される肉厚(以下、「許容肉厚」と称する)に関する情報である。 The acquisition unit 29 accepts the input of
データ送信部26は、入力されたデータ16を、通信I/F42を介して保全支援装置2に送信する。なお、データ16は、例えば、ドライブ40を介して記憶媒体41から読み込まれてもよい。 The
データ受信部28は、保全支援装置2から送信される確率指標c1〜c8を、通信I/F42を介して受信する。 The
確率情報表示部27は、図7に示すように、受信した確率指標c1〜c8をディスプレイ23に表示させる。これにより、確率指標c1〜c8をサービス利用者に提示することができる。 As shown in FIG. 7, the probability information display unit 27 displays the received probability indexes c1 to c8 on the
(確率情報出力処理)
次に、取得部11、減肉深さ予測部12、余裕肉厚算出部13、確率指標取得部14、出力部15等が実行する確率情報出力処理について説明する。前述のように、確率情報を出力する処理は、保全支援装置2の演算装置6が、所定のデータ及び所定のプログラムに基づく特定の情報処理を実行することにより、取得部11、減肉深さ予測部12、余裕肉厚算出部13、確率指標取得部14、出力部15等を実現することで達成される。(Probability information output processing)
Next, the probability information output process executed by the acquisition unit 11, the wall thinning
図8に示すように、ステップS101でデータを取得する処理を行う。ステップS101では、取得部11が、サービス利用端末3から送信されるデータ16(構造物の属性g1、g2、…、初期板厚h、管理肉厚i)を取得する。 As shown in FIG. 8, the process of acquiring data is performed in step S101. In step S101, the acquisition unit 11 acquires the data 16 (structure attributes g1, g2, ..., Initial plate thickness h, management wall thickness i) transmitted from the
続いてステップS102に移行して、減肉深さの予測値を算出する処理を行う。ステップS102では、減肉深さ予測部12が、ステップS101で取得したデータ16が含む属性g1、g2、…に基づき、構造物の保温材下腐食による減肉深さの予測値を算出する。減肉深さの予測値の算出方法としては、例えば、図9に示すように、構造物の属性g1、g2、…を基に保温材下腐食による減肉深さの予測値を算出する予測モデル50を使用する方法を用いることができる。予測モデル50としては、例えば、記憶装置5が記憶している測定データ10を基に、機械学習で導出されたモデルを採用できる。 Subsequently, the process proceeds to step S102 to calculate the predicted value of the wall thinning depth. In step S102, the wall thinning
続いてステップS103に移行して、余裕肉厚の予測値を算出する処理を行う。ステップS103では、余裕肉厚算出部13が、図10に示すように、ステップS101で取得したデータ16が含む初期板厚hから、ステップS102で算出した減肉深さの予測値を減算した減算結果(以下、「余裕肉厚の予測値」と称する。)を算出する。図10には、構造物が配管である場合の「初期板厚」、「減肉深さの予測値」、「余裕肉厚の予測値」が図示されている。 Subsequently, the process proceeds to step S103 to calculate the predicted value of the margin thickness. In step S103, as shown in FIG. 10, the margin
続いてステップS104に移行して、確率情報を取得する処理を行う。ステップS104では、確率指標取得部14が、記憶装置5を参照し、複数の数値範囲b1〜b8のうちから、ステップS103で算出した余裕肉厚の予測値を含む数値範囲を特定する。具体的には、まず図11に示すように、記憶装置5から、ステップS101で取得したデータ16が含む基準肉厚としての管理肉厚iと同一の基準肉厚の候補値a1(またはa2)に対応する複数の数値範囲b1〜b4(またはb5〜b8)と複数の確率指標c1〜c4(またはc5〜c8)とを読み出す(ステップS201)。続いて、読み出した複数の数値範囲b1〜b4(またはb5〜b8)と複数の確率指標c1〜c4(またはc5〜c8)とを参照し、その複数の数値範囲b1〜b4(またはb5〜b8)のうちから、ステップS103で算出した余裕肉厚の予測値を含む数値範囲b1(またはb2〜b8の何れか)を特定する(ステップS202)。続いて、特定した数値範囲b1(またはb2〜b8の何れか)に対応づけられている確率指標c1(またはc2〜c8の何れか)を取得する(ステップS203)。図11には、データ16が含む基準肉厚としての管理肉厚iが「0mm」であり、余裕肉厚の予測値が「3mm」である場合が図示されている。 Subsequently, the process proceeds to step S104 to acquire probability information. In step S104, the probability
続いてステップS105に移行して、確率情報を出力する処理を行う。ステップS105では、出力部15が、ステップS104で取得した確率指標c1(またはc2〜c8の何れか)を、データ16の送信元のサービス利用端末3に出力(送信)した後、この確率情報出力処理を終了する。なお、前述のように、確率情報の出力は、保全支援装置2が有する出力装置34に対して行われてもよい。 Subsequently, the process proceeds to step S105 to output probability information. In step S105, the
(数値範囲設定処理)
次に、機械学習部17、予測減肉深さ算出部18、予測値算出部19、実余裕肉厚算出部20、境界値設定部21等が実行する数値範囲設定処理について説明する。前述のように、数値範囲を設定する処理は、保全支援装置2の演算装置6が、所定のデータ及び所定のプログラムに基づく特定の情報処理を実行することにより、機械学習部17、予測減肉深さ算出部18、予測値算出部19、実余裕肉厚算出部20、境界値設定部21等を実現することで達成される。
図12に示すように、ステップS301で予測モデル50を生成する処理を行う。本開示において、ステップS301では、機械学習部17が、記憶装置5が記憶している多数の測定データ10に基づき、予測モデル50を生成する。予測モデル50の生成方法としては、例えば、機械学習のアルゴリズムに基づく方法を採用できる。(Numerical range setting process)
Next, the numerical range setting process executed by the machine learning unit 17, the predicted wall thinning
As shown in FIG. 12, a process of generating the
具体的には、まず、測定データ10が含む構造物の属性e1、e2、…を説明変数とし、測定データ10が含む減肉深さの測定値dを目的変数として、機械学習のアルゴリズムを用いることで、説明変数と目的変数との関係を学習した予測モデル50を導出する。すなわち、機械学習部17は、特定の構造物の属性e1、e2、…と、属性e1、e2、…に対応づけられた当該特定の構造物の減肉深さの測定値dと、の組が複数含まれる訓練データ(学習データ)を用いた機械学習により、予測モデル50を生成する。訓練データは、測定データ10に基づいて生成することができる。 Specifically, first, a machine learning algorithm is used with the attributes e1, e2, ... Of the structure included in the
予測モデル50(学習器)としては、予測精度が高く、ソースコードの公開されているモデルを利用して機械学習を行うことが好ましい。例えば、予測モデル50として、ニューラルネットワークを用いることができる。学習器の一例であるニューラルネットワークは、入力側から順に、入力層、中間層(隠れ層)、出力層を備える。なお、中間層は1層に限られず、2層以上の中間層を備えていてよい。 As the prediction model 50 (learner), it is preferable to perform machine learning using a model whose prediction accuracy is high and whose source code is open to the public. For example, a neural network can be used as the
各層は、それぞれ一又は複数のニューロンを備えている。例えば、入力層のニューロンの数は、学習器に入力される構造物の属性e1、e2、を示す情報の種別数に応じて、適宜設定することができる。入力層の一又は複数のニューロンに入力される値は、属性e1、e2、…の種類により適宜設定される。例えば、属性e1、e2、…が構造物の使用期間や使用温度等、数値で表現される属性である場合には、当該数値を入力層のニューロンに入力することができる。また、属性e1、e2、…が構造物の種類、環境等の数値で表現されない属性である場合には、これを予め定めた一定の法則で数値化し、当該数値を入力層のニューロンに入力することができる。例えば、属性e1、e2、…が構造物の種類を示し、構造物の種類として、配管、熱交換機、塔、槽が含まれる場合、配管、熱交換機、塔、槽のそれぞれに互いに異なる数値を対応づけて、当該数値を入力層のニューロンに入力する。例えば、配管は1、熱交換機は2、塔は3、槽は4、とする。中間層のニューロンの数は、予測モデル50が出力すべき減肉深さの予測値の予測精度、予測に係る処理速度、予測モデル50の学習にかかる時間等に応じて適宜設定することができる。出力層は、例えば、減肉深さの予測値を数値として出力する単一のニューロンによって構成されてよい。また、出力層に複数のニューロンを設けてもよい。例えば、各ニューロンに対して、互いに異なる減肉深さの数値幅を対応づけ、各ニューロンは、当該対応づけられた数値幅となり得る確率を出力するようにしてもよい。この場合、予測モデル50は、各ニューロンに対応づけられた減肉深さの数値幅及び確率とから算出される平均値を出力するように構成してよい。 Each layer comprises one or more neurons, respectively. For example, the number of neurons in the input layer can be appropriately set according to the number of types of information indicating the attributes e1 and e2 of the structure input to the learner. The values input to one or more neurons in the input layer are appropriately set according to the types of attributes e1, e2, .... For example, when the attributes e1, e2, ... Are attributes expressed numerically such as the period of use of the structure and the operating temperature, the numerical values can be input to the neurons of the input layer. If the attributes e1, e2, ... Are attributes that are not expressed numerically, such as the type of structure and environment, they are quantified according to a predetermined rule and the numerical values are input to the neurons in the input layer. be able to. For example, attributes e1, e2, ... Indicates the type of structure, and when the type of structure includes piping, heat exchanger, tower, and tank, different numerical values are assigned to each of piping, heat exchanger, tower, and tank. Correspondingly, the numerical value is input to the neurons in the input layer. For example, the number of pipes is 1, the number of heat exchangers is 2, the number of towers is 3, and the number of tanks is 4. The number of neurons in the intermediate layer can be appropriately set according to the prediction accuracy of the predicted value of the wall thinning depth to be output by the
各ニューロンには閾値が設定され、基本的には各入力と各重みとの積の和が閾値を超えているか否かによって各ニューロンの出力が決定される。機械学習部17は、訓練データに含まれる、属性e1、e2、…と減肉深さの測定値dとの組を読み出す。機械学習部17は、属性を入力すると、減肉深さの測定値dに対応する出力値を出力するように学習器を学習させ、予測モデル50を生成する。 A threshold is set for each neuron, and the output of each neuron is basically determined by whether or not the sum of the products of each input and each weight exceeds the threshold. The machine learning unit 17 reads out a set of the attributes e1, e2, ... And the measured value d of the wall thinning depth included in the training data. When the attribute is input, the machine learning unit 17 trains the learner to output an output value corresponding to the measured value d of the wall thinning depth, and generates a
このようなニューラルネットワークの構成(例えば、ニューラルネットワークの層数、各層におけるニューロンの個数、ニューロン同士の結合関係、各ニューロンの伝達関数)、各ニューロン間の結合の重み、各ニューロンの閾値を示す情報は、学習結果データとして、記憶装置5に記憶される。 Information indicating the configuration of such a neural network (for example, the number of layers of the neural network, the number of neurons in each layer, the connection relationship between neurons, the transmission function of each neuron), the weight of the connection between each neuron, and the threshold value of each neuron. Is stored in the
続いてステップS302に移行して、予測減肉深さを算出する処理を行う。本開示において、ステップS302では、予測減肉深さ算出部18が、予測モデル50を用いて、記憶装置5が記憶している測定データ10毎に、その測定データ10が含む属性e1、e2、…を基に減肉深さの予測値(以下、「予測減肉深さ」と称する。)を算出する。具体的には、まず、予測減肉深さ算出部18が、測定データ記憶領域に記憶されている測定データ10を1つ読み出す。続いて、読み出した測定データ10が含む属性e1、e2、…に基づき、予測モデル50を用いて、減肉深さの予測値(予測減肉深さ)を算出する。そして、このような「測定データ10の読み出し」→「予測減肉深さの算出」のフローを、残りの全ての測定データ10に繰り返し実行する。 Subsequently, the process proceeds to step S302 to calculate the predicted wall thinning depth. In the present disclosure, in step S302, the predicted wall thinning
続いてステップS303に移行して、余裕肉厚の予測値を算出する処理を行う。本開示において、ステップS303では、予測値算出部19が、測定データ記憶領域に記憶されている測定データ10毎に、図13に示すように、その測定データ10が含む初期板厚fから、その測定データ10に対応する予測減肉深さを減算した減算結果である余裕肉厚の予測値(以下「予測余裕肉厚」と称する。)を算出する。具体的には、まず、測定データ記憶領域に記憶されている測定データ10を1つ読み出す。続いて、読み出した測定データ10(以下、「読出データ」と称する。)に含まれる初期板厚fから、その読出データ(測定データ10)を基にステップS302で算出された予測減肉深さを減算して、予測余裕肉厚を算出する。そして、このような「測定データ10の読み出し」→「予測余裕肉厚の算出」のフローを、残りの全ての測定データ10に繰り返し実行する。図13には、構造物が配管である場合の「予測減肉深さ」「予測余裕肉厚」等が図示されている。 Subsequently, the process proceeds to step S303 to calculate the predicted value of the margin wall thickness. In the present disclosure, in step S303, the predicted
続いてステップS304に移行して、測定値に基づいて算出される余裕肉厚の実際値を算出する処理を行う。本開示において、ステップS304では、実余裕肉厚算出部20が、測定データ記憶領域に記憶されている測定データ10毎に、図14に示すように、その測定データ10が含む初期板厚fから、その測定データ10が含む減肉深さの測定値dを減算した減算結果である余裕肉厚の実際値(以下、「実余裕肉厚」と称する。)を算出する。具体的には、まず、実余裕肉厚算出部20が、測定データ記憶領域に記憶されている測定データ10を1つ読み出す。続いて、読み出した測定データ10が含む初期板厚fから、測定データ10が含む減肉深さの測定値dを減算して実余裕肉厚を算出する。そして、このような「測定データ10の読み出し」→「実余裕肉厚の算出」のフローを、残りの全ての測定データ10に繰り返し実行する。図14には、構造物が配管である場合の「減肉深さの測定値」「実余裕肉厚」等が図示されている。 Subsequently, the process proceeds to step S304 to calculate the actual value of the margin thickness calculated based on the measured value. In the present disclosure, in step S304, the actual margin wall
続いてステップS305に移行して、複数の数値範囲及び確率情報を設定する処理を行う。本開示において、ステップS305では、境界値設定部21が、確率情報記憶領域に記憶されている複数の数値範囲b1〜b8を設定する。前述のように、本開示において、複数の数値範囲b1〜b8は、予測余裕肉厚の数値範囲を示す。具体的には、まず基準肉厚の候補値a1、a2毎に、複数の数値範囲b1〜b8のそれぞれに対して、その数値範囲b1(またはb2〜b8の何れか)に含まれる予測余裕肉厚に対応する実余裕肉厚のうちに、その候補値a1(またはa2)以下の実余裕肉厚が含まれる割合が、数値範囲b1(またはb2〜b8の何れか)に対応づけられている確率指標c1(またはc2〜c8の何れか)が示す確率(「0.1%未満」「0.1%以上1%未満」「1%以上10%未満」「10%以上」等)と同一の数値となるように複数の数値範囲b1〜b8を区分する境界値を設定する。 Subsequently, the process proceeds to step S305 to set a plurality of numerical ranges and probability information. In the present disclosure, in step S305, the boundary
ここで、図15(d)に示すように、数値範囲b1(以下、「第1の数値範囲b1」と称する。)と数値範囲b2(以下、「第2の数値範囲b2」と称する。)との間の第1の境界値j、第2の数値範囲b2と数値範囲b3(以下、「第3の数値範囲b3」と称する。)との間の第2の境界値k、第3の数値範囲b3と数値範囲b4(以下、「第4の数値範囲b4」と称する。)との間の第3の境界値lの設定手順について説明する。まず第1の境界値jとして仮の数値を設定する。続いて、図15(a)に示すように、ステップS303で算出した予測余裕肉厚のうちから、仮に設定した第1の境界値jを基に定まる第1の数値範囲b1に含まれる予測余裕肉厚を特定する。続いて、ステップS304で算出した実余裕肉厚のうちから、特定した予測余裕肉厚に対応する実余裕肉厚を特定する。 Here, as shown in FIG. 15 (d), a numerical range b1 (hereinafter referred to as "first numerical range b1") and a numerical range b2 (hereinafter referred to as "second numerical range b2"). First boundary value j between and, second boundary value k between the second numerical range b2 and the numerical range b3 (hereinafter, referred to as "third numerical range b3"), third The procedure for setting the third boundary value l between the numerical range b3 and the numerical range b4 (hereinafter, referred to as “fourth numerical range b4”) will be described. First, a tentative numerical value is set as the first boundary value j. Subsequently, as shown in FIG. 15A, the prediction margin included in the first numerical range b1 determined based on the tentatively set first boundary value j from the prediction margin wall thickness calculated in step S303. Identify the wall thickness. Subsequently, from the actual margin wall thickness calculated in step S304, the actual margin wall thickness corresponding to the specified predicted margin wall thickness is specified.
実余裕肉厚の特定方法としては、例えば、予測余裕肉厚を算出した条件におけるCUI減肉深さより、実余裕肉厚を算出する。続いて、特定した実余裕肉厚のうちに、選択した管理肉厚(0mm)以下の実余裕肉厚が含まれる割合を算出する。続いて、算出結果を考慮して、算出される割合が「0.1%」に近づくように、第1の境界値jを変更する。言い換えると、図16に示すように、特定した実余裕肉厚の累積確率を近似直線51で表したときに、近似直線51において実余裕肉厚を、選択した管理肉厚(0mm)と同じ値としたときの累積確率の値が「0.1%」に近づくように第1の境界値jを変更する。そして、このような「予測余裕肉厚の特定」→「実余裕肉厚の特定」→「境界値の変更」のフローを繰り返し実行し、算出される割合が「0.1%」となる第1の境界値jを求める。 As a method for specifying the actual margin wall thickness, for example, the actual margin wall thickness is calculated from the CUI thinning depth under the condition in which the predicted margin wall thickness is calculated. Subsequently, the ratio of the specified actual margin wall thickness including the actual margin wall thickness of the selected control wall thickness (0 mm) or less is calculated. Subsequently, the first boundary value j is changed so that the calculated ratio approaches "0.1%" in consideration of the calculation result. In other words, as shown in FIG. 16, when the cumulative probability of the specified actual margin wall thickness is represented by the approximate
続いて、第2の境界値kとして仮の数値を設定する。続いて、図15(b)に示すように、ステップS303で算出した予測余裕肉厚のうちから、第1の境界値jと、仮に設定した第2の境界値kとを基に定まる第2の数値範囲b2に含まれる予測余裕肉厚を特定する。続いて、ステップS304で算出した実余裕肉厚のうちから、特定した予測余裕肉厚に対応する実余裕肉厚を特定する。続いて、特定した実余裕肉厚のうちに、選択した管理肉厚(0mm)以下の実余裕肉厚が含まれる割合を算出する。続いて、算出結果を考慮して、算出される割合が「1%」に近づくように、第2の境界値kを変更する。言い換えると、図16に示すように、特定した実余裕肉厚の累積確率を近似直線52で表したときに、近似直線52において実余裕肉厚を、選択した管理肉厚(0mm)と同じ値としたときの累積確率の値が「1%」に近づくように、第2の境界値kを変更する。そして、このような「予測余裕肉厚の特定」→「実余裕肉厚の特定」→「境界値の変更」のフローを繰り返し実行し、算出される割合が「1%」となる第2の境界値kを求める。
なお、図16において、実余裕肉厚に負値が含まれているのは、初期板厚fとして公称肉厚が入力されたが、実際の構造物の肉厚が公称肉厚よりも厚かったためと考えられる。Subsequently, a tentative numerical value is set as the second boundary value k. Subsequently, as shown in FIG. 15B, the second boundary value j determined from the predicted margin wall thickness calculated in step S303 and the second boundary value k tentatively set are determined. The predicted margin wall thickness included in the numerical range b2 of is specified. Subsequently, from the actual margin wall thickness calculated in step S304, the actual margin wall thickness corresponding to the specified predicted margin wall thickness is specified. Subsequently, the ratio of the specified actual margin wall thickness including the actual margin wall thickness of the selected control wall thickness (0 mm) or less is calculated. Subsequently, the second boundary value k is changed so that the calculated ratio approaches "1%" in consideration of the calculation result. In other words, as shown in FIG. 16, when the cumulative probability of the specified actual margin wall thickness is represented by the approximate
In addition, in FIG. 16, the reason why the actual margin wall thickness includes a negative value is that the nominal wall thickness is input as the initial plate thickness f, but the wall thickness of the actual structure is thicker than the nominal wall thickness. it is conceivable that.
続いて、第3の境界値lとして仮の数値を設定する。続いて、図15(c)に示すように、ステップS303で算出した予測余裕肉厚のうちから、第2の境界値kと、仮に設定した第3の境界値lとを基に定まる第3の数値範囲b3に含まれる予測余裕肉厚を特定する。続いて、ステップS304で算出した実余裕肉厚のうちから、特定した予測余裕肉厚に対応する実余裕肉厚を特定する。続いて、特定した実余裕肉厚のうちに、選択した管理肉厚(0mm)以下の実余裕肉厚が含まれる割合を算出する。続いて、算出結果を考慮して、算出される割合が「10%」に近づくように第3の境界値lを変更する。言い換えると、図16に示すように、特定した実余裕肉厚の累積確率を近似直線53で表したときに、近似直線53において実余裕肉厚を、選択した管理肉厚(0mm)と同じ値としたときの累積確率の値が「10%」に近づくように、第3の境界値lを変更する。そしてこのような「予測余裕肉厚の特定」→「実余裕肉厚の特定」→「境界値の変更」のフローを繰り返し実行し、算出される割合が「10%」となる第3の境界値lを求める。 Subsequently, a tentative numerical value is set as the third boundary value l. Subsequently, as shown in FIG. 15C, a third boundary value k determined based on the second boundary value k and the tentatively set third boundary value l from the predicted margin wall thickness calculated in step S303. The predicted margin wall thickness included in the numerical range b3 of is specified. Subsequently, from the actual margin wall thickness calculated in step S304, the actual margin wall thickness corresponding to the specified predicted margin wall thickness is specified. Subsequently, the ratio of the specified actual margin wall thickness including the actual margin wall thickness of the selected control wall thickness (0 mm) or less is calculated. Subsequently, in consideration of the calculation result, the third boundary value l is changed so that the calculated ratio approaches "10%". In other words, as shown in FIG. 16, when the cumulative probability of the specified actual margin wall thickness is represented by the approximate
このような手順により、図15(d)に示すように、数値範囲b1〜b4を区分する第1の境界値j、第2の境界値k及び第3の境界値lを設定することができる。
なお、数値範囲b5〜b8の境界値についても、同様の手順を用いて設定できる。
続いて、境界値設定部21が、設定した境界値を基に、数値範囲b1〜b8を設定して記憶装置5に記憶させた後、この数値範囲設定処理を終了する。なお、記憶装置5に既に数値範囲b1〜b8が記憶されている場合には、新しく求めた数値範囲b1〜b8を、記憶装置5が記憶している数値範囲b1〜b8に上書きする。By such a procedure, as shown in FIG. 15D, the first boundary value j, the second boundary value k, and the third boundary value l that divide the numerical ranges b1 to b4 can be set. ..
The boundary values in the numerical ranges b5 to b8 can also be set by using the same procedure.
Subsequently, the boundary
ステップ305に示す数値範囲及び確率指標を設定する処理は、換言すると、以下のように表現できる。 In other words, the process of setting the numerical range and the probability index shown in step 305 can be expressed as follows.
数値範囲及び確率情報を設定する処理の前に、ステップS301〜S304に示すように、測定データ10について、実余裕肉厚と予測余裕肉厚とを算出する。なお、実余裕肉厚及び予測余裕肉厚の算出は、すべての測定データ10に対して行われなくてもよく、確率情報7を生成するのに十分な量の測定データ10について、実余裕肉厚及び予測余裕肉厚の算出を行えばよい。例えば、1000個の測定データ10について実余裕肉厚及び予測余裕肉厚の算出を行い、算出された実余裕肉厚及び予測余裕肉厚に基づいて確率情報7を生成することができる。 Before the process of setting the numerical range and the probability information, as shown in steps S301 to S304, the actual margin wall thickness and the predicted margin wall thickness are calculated for the
算出された実余裕肉厚と予測余裕肉厚との組が複数含まれるデータ群を、所定の条件が満たされるように、予測余裕肉厚の数値範囲によって複数に区分する。データ群を区分する当該複数の数値範囲を、確率情報7の複数の数値範囲として設定する。ここで、所定の条件とは、ある数値範囲で区分けされたデータ群に占める、実余裕肉厚が基準肉厚の候補値以下であるデータの割合が、確率指標に規定する予め定められた所定の基準を満たすことである。所定の基準には、前述のように、確率、ランク等の定量的、または、定性的な基準を適宜採用することができる。 A data group including a plurality of pairs of the calculated actual margin wall thickness and the predicted margin wall thickness is divided into a plurality of data groups according to the numerical range of the predicted margin wall thickness so that a predetermined condition is satisfied. The plurality of numerical ranges that divide the data group are set as a plurality of numerical ranges of the
例えば、予測余裕肉厚についての第1の数値範囲b1は、当該第1の数値範囲b1によって区分された第1のデータ群に占める、実余裕肉厚が基準肉厚の候補値(例えば、0mm)以下であるデータの割合が、第1の基準(例えば、0.1%未満)となるような数値範囲に設定される。図15に示すように、当該第1の数値範囲b1は、例えば、8mm以上である。 For example, in the first numerical range b1 for the predicted margin wall thickness, the actual margin wall thickness occupies the first data group classified by the first numerical range b1 and the actual margin wall thickness is a candidate value of the reference wall thickness (for example, 0 mm). ) The percentage of data below is set in a numerical range that serves as the first criterion (eg, less than 0.1%). As shown in FIG. 15, the first numerical range b1 is, for example, 8 mm or more.
また、予測余裕肉厚についての第2の数値範囲b2は、当該第2の数値範囲b2によって区分された第2のデータ群に占める、実余裕肉厚が基準肉厚の候補値(例えば、0mm)以下であるデータの割合が、第2の基準(例えば、0.1%以上1%未満)となるような数値範囲に設定される。図15に示すように、当該第2の数値範囲b2は、例えば、5mm以上8mm未満である。 Further, in the second numerical range b2 for the predicted margin wall thickness, the actual margin wall thickness occupies the second data group classified by the second numerical range b2, and the actual margin wall thickness is a candidate value of the reference wall thickness (for example, 0 mm). ) The ratio of the data below is set in a numerical range that serves as a second criterion (for example, 0.1% or more and less than 1%). As shown in FIG. 15, the second numerical range b2 is, for example, 5 mm or more and less than 8 mm.
以下同様に、第3の数値範囲b3及び第4の数値範囲b4が設定される。すなわち、第3の数値範囲b3は、当該第3の数値範囲b3によって区分された第3のデータ群に占める、実余裕肉厚が基準肉厚の候補値(例えば、0mm)以下であるデータの割合が、第3の基準(例えば、1%以上10%未満)となるような数値範囲に設定される。また、第4の数値範囲d4は、当該第4の数値範囲d4によって区分された第4のデータ群に占める、実余裕肉厚が基準肉厚の候補値(例えば、0mm)以下であるデータの割合が、第4の基準(例えば、10%以上)となるような数値範囲に設定される。図15によれば、第3の数値範囲d3は2mm以上5mm未満であり、第4の数値範囲d4は0mm以上2mm未満である。 Similarly, the third numerical range b3 and the fourth numerical range b4 are set. That is, the third numerical range b3 is the data in which the actual margin wall thickness is equal to or less than the candidate value (for example, 0 mm) of the reference wall thickness in the third data group classified by the third numerical range b3. The ratio is set in a numerical range that serves as a third criterion (for example, 1% or more and less than 10%). Further, the fourth numerical range d4 is the data in which the actual margin wall thickness is equal to or less than the candidate value (for example, 0 mm) of the reference wall thickness in the fourth data group classified by the fourth numerical range d4. The ratio is set in a numerical range that serves as a fourth criterion (for example, 10% or more). According to FIG. 15, the third numerical range d3 is 2 mm or more and less than 5 mm, and the fourth numerical range d4 is 0 mm or more and less than 2 mm.
上述のように、予測余裕肉厚についての複数の数値範囲、及び、当該数値範囲を規定する境界値が設定される。これを、一又は複数の基準肉厚の候補値に対して行う。 As described above, a plurality of numerical ranges for the predicted margin wall thickness and a boundary value that defines the numerical range are set. This is done for one or more reference wall thickness candidate values.
すなわち、本開示においては、プラント構造物が使用不能状態となる可能性の高さを示す指標として、実余裕肉厚が基準肉厚の候補値以下となるデータの割合を確率指標として用いている。 That is, in the present disclosure, as an index indicating the high possibility that the plant structure becomes unusable, the ratio of data in which the actual margin wall thickness is equal to or less than the candidate value of the reference wall thickness is used as a probability index. ..
ここで、複数の数値範囲は、プラント構造物が使用不能状態となる可能性の高さを示す指標が、順に増大(または減少)するように設定されることが好ましい。なお、前述のように、確率指標に規定する予め定められた所定の基準は、その数値の種別、及び、表示形式は特に限定されない。例えば、図3に示すように、所定の基準を定性的なランクとして表示してもよく、また、図4に示すように、確率として表示してもよい。また、本開示では、データ群を4つの数値範囲により区分することとしたが、その個数は特に限定されない。さらに、隣接する数値範囲及び確率指標の値は、一部が重複していてもよい。 Here, it is preferable that the plurality of numerical ranges are set so that the index indicating the high possibility that the plant structure becomes unusable increases (or decreases) in order. As described above, the predetermined standard defined in the probability index is not particularly limited in the type of the numerical value and the display format. For example, as shown in FIG. 3, a predetermined criterion may be displayed as a qualitative rank, or as shown in FIG. 4, it may be displayed as a probability. Further, in the present disclosure, the data group is divided into four numerical ranges, but the number thereof is not particularly limited. Further, the values of adjacent numerical ranges and probability indexes may partially overlap.
(動作その他)
次に、本開示に係る保全支援システム1における、保全支援サービスの提供時の動作を説明する。以下、基準肉厚として、管理肉厚iを用いた例を示す。
まず、サービス利用者が、サービス利用端末3を操作し、図17に示すように、サービス利用端末3が、通信路4を介して、図6に示したデータ16(属性g1、g2、…、初期板厚h、管理肉厚i)を保全支援装置2に送信したとする(ステップS401)。すると、保全支援装置2が、送信されてきたデータ16を受信し(ステップS402)、取得したデータ16が含む属性g1、g2、…に基づき、予測モデル50を用いて、構造物の保温材下腐食による減肉深さの予測値を算出する(ステップS403)。続いて、保全支援装置2が、図10に示すように、取得したデータ16が含む初期板厚hから、算出した減肉深さの予測値を減算して、余裕肉厚の予測値を算出する(ステップS404)。(Operation and others)
Next, the operation at the time of providing the maintenance support service in the
First, the service user operates the service-using
続いて、保全支援装置2が、確率情報記憶領域を参照し、図3に示した複数の数値範囲b1〜b8のうちから、算出した余裕肉厚の予測値を含む数値範囲を特定し(ステップS405)、特定した数値範囲に対応づけられている確率指標を取得する(ステップS406)。ここで、図18(a)に示すように、データ16が含む管理肉厚iが「0mm」であり、余裕肉厚の予測値が「3mm」であった場合、余裕肉厚の予測値「3mm」を含む数値範囲として数値範囲b3が特定され、数値範囲b3に対応づけられている確率指標c3であるランク「C」が取得される。一方、図18(b)に示すように、データ16が含む管理肉厚iが「1mm」であり、余裕肉厚の予測値が「3mm」であった場合、余裕肉厚の予測値「3mm」を含む数値範囲として数値範囲b8が特定され、数値範囲b8に対応づけられている確率指標c8であるランク「D」が取得される。すなわち、データ16が含んでいる管理肉厚iに応じて異なるランク(ランク「C」「D」等)が取得される。続いて、保全支援装置2が、取得した確率指標を、通信路4を介してデータ16の送信元のサービス利用端末3に出力(送信)する(ステップS407)。 Subsequently, the
続いて、サービス利用端末3が、送信されてきた確率指標を受信し(ステップS408)、受信した確率指標をディスプレイ23に表示させる(ステップS409)。これにより、サービス利用者は、保温材下腐食によって構造物が使用不能状態となる確率を知ることができ、プラントの構造物の保全方式や検査仕様等をより適切に決定することができる。 Subsequently, the
次に、本開示に係る保全支援システム1における、予測モデル50及び数値範囲b1〜b8の設定時の動作を説明する。
まず、サービス提供者が、保全支援装置2を操作し、保全支援装置2が、数値範囲設定処理を実行し、図19に示すように、測定データ記憶領域に記憶されている多数の測定データ10を基に、機械学習のアルゴリズムを用いて、属性e1、e2、…と減肉深さの測定値dとの関係を学習した予測モデル50を導出する(ステップS501)。続いて、保全支援装置2が、導出した予測モデル50を用いて、測定データ記憶領域に記憶されている図5に示した測定データ10毎に、その測定データ10が含む属性e1、e2、…を基に減肉深さの予測値(予測減肉深さ)を算出する(ステップS502)。続いて、保全支援装置2が、測定データ記憶領域に記憶されている測定データ10毎に、図13に示すように、その測定データ10が含む初期板厚fから、その測定データ10に対応する予測減肉深さを減算した減算結果(予測余裕肉厚)を算出する(ステップS503)。Next, the operation at the time of setting the
First, the service provider operates the
続いて、保全支援装置2が、測定データ記憶領域に記憶されている測定データ10毎に、その測定データ10が含む初期板厚fから、その測定データ10が含む減肉深さの測定値dを減算した減算結果(実余裕肉厚)を算出する(ステップS504)。続いて、保全支援装置2が、管理肉厚の候補値a1、a2毎に、複数の数値範囲b1〜b8を区分する境界値を設定し(ステップS505)、設定した境界値を基に、数値範囲b1〜b8を設定して確率情報記憶領域に記憶させる(ステップS506)。これにより、測定データ10の増加に応じて、予測モデル50及び数値範囲b1〜b8を更新することができ、サービス利用者に、より精度の高い確率情報を知らせることができる。 Subsequently, for each
なお、予測モデル50及び数値範囲b1〜b8の設定時の動作の例を示したが、例えば、予測モデル50及び数値範囲b1〜b8の更新時に同様の動作を行うようにしてもよい。予測モデル50及び数値範囲b1〜b8の更新は、例えば、記憶されている測定データ10の数が、前回の更新時から所定数(例えば、100)増えた場合に行うようにする。 Although an example of the operation when the
以上説明したように、本開示に係る保全支援装置2では、複数の数値範囲b1〜b8と、保温材下腐食によって構造物が使用不能状態となる確率を示す複数の確率指標c1〜c8とを対応づけて記憶している確率情報記憶領域を参照し、複数の数値範囲b1〜b8のうちから、算出した余裕肉厚の予測値を含む数値範囲を特定し、特定した数値範囲に対応づけられている確率指標を取得する確率指標取得部14と、取得した確率指標を出力する出力部15とを備えるようにした。それゆえ、プラントの構造物が使用不能状態となる確率を提示可能な保全支援装置2を提供できる。そして、保全支援装置2を用いることで、保温材下腐食によって構造物が使用不能状態となる確率を知ることができ、プラントの構造物の保全方式や検査仕様等をより適切に決定できる。 As described above, in the
また同様に、プラントの構造物が使用不能状態となる確率を提示でき、プラントの構造物の保全方式や検査仕様等をより適切に決定可能な保全支援用プログラムを提供できる。
また、本開示に係る保全支援装置2では、データ16は、基準肉厚として、例えば、管理肉厚iを含むようにした。また、確率情報記憶領域には、複数の管理肉厚の候補値a1、a2のそれぞれ毎に、複数の数値範囲b1〜b8と複数の確率指標c1〜c8とを記憶するようにした。さらに、確率指標取得部14は、確率情報記憶領域に記憶されている、取得部11で取得したデータ16が含む管理肉厚iと同一の管理肉厚の候補値a1(またはa2)に対応する複数の数値範囲b1〜b8と複数の確率指標c1〜c8とを参照し、その複数の数値範囲b1〜b8のうちから、余裕肉厚算出部13で算出した余裕肉厚の予測値を含む数値範囲b1(またはb2〜b8の何れか)を特定し、特定した数値範囲b1(またはb2〜b8の何れか)に対応づけられている確率指標c1(またはc2〜c8の何れか)を取得するようにした。それゆえ、構造物の管理肉厚iに応じた確率指標を出力できる。Similarly, it is possible to present the probability that the structure of the plant will be in an unusable state, and to provide a maintenance support program that can more appropriately determine the maintenance method, inspection specifications, etc. of the structure of the plant.
Further, in the
そのため、例えば、構造物の内部圧力が低く、データ16に管理肉厚iとして「0mm」が含まれている場合には、構造物の肉厚が「0mm」になる確率指標を提示できる。また、例えば、構造物の内部圧力が高く、データ16に管理肉厚iとして例えば「1mm」が含まれている場合には、構造物の肉厚が「1mm」になる確率指標を提示できる。したがって、保温材下腐食によって構造物が使用不能状態となる確率をより高精度に知ることができ、プラントの構造物の保全方式や検査仕様等をより適切に決定することができる。 Therefore, for example, when the internal pressure of the structure is low and the
さらに、本開示に係る保全支援装置2では、減肉深さ予測部12は、属性g1、g2、…を基に減肉深さの予測値を算出する予測モデル50を用いて、取得部11で取得したデータ16が含む属性g1、g2、…を基に減肉深さの予測値を算出する。また、プラントの構造物の保温材下腐食による減肉深さの測定値d、構造物の属性e1、e2、…及び構造物の初期板厚fを含む測定データ10を多数記憶している測定データ記憶領域を備えるようにした。さらに、予測モデル50を用いて、測定データ10毎に、測定データ10が含む属性e1、e2、…を基に減肉深さの予測値(予測減肉深さ)を算出する予測減肉深さ算出部18を備えるようにした。また、測定データ10毎に、その測定データ10が含む初期板厚fから、その測定データ10に対応する予測減肉深さを減算した減算結果(予測余裕肉厚)を算出する予測値算出部19を備えるようにした。さらに、測定データ10毎に、その測定データ10が含む初期板厚fから、その測定データ10が含む減肉深さの測定値dを減算した減算結果(実余裕肉厚)を算出する実余裕肉厚算出部20を備えるようにした。 Further, in the
また、管理肉厚の候補値a1、a2毎に、複数の数値範囲b1〜b8のそれぞれに対して、その数値範囲b1(またはb2〜b8の何れか)に含まれる予測余裕肉厚に対応する実余裕肉厚のうちに、その管理肉厚以下の実余裕肉厚が含まれる割合が、その数値範囲b1(またはb2〜b8の何れか)に対応づけられている確率指標c1(またはc2〜c8の何れか)が示す確率と同一の数値となるように、複数の数値範囲b1〜b8を区分する境界値を設定する境界値設定部21を備えるようにした。それゆえ、例えば、数値範囲b1〜b8を適切に設定でき、サービス利用者により精度の高い確率指標を提示できる。 Further, for each of the candidate values a1 and a2 of the management wall thickness, for each of the plurality of numerical values ranges b1 to b8, the predicted margin wall thickness included in the numerical range b1 (or any of b2 to b8) is supported. Probability index c1 (or c2-) in which the ratio of the actual margin wall thickness that includes the actual margin wall thickness equal to or less than the control wall thickness is associated with the numerical range b1 (or either b2 to b8). A boundary
また、本開示に係る保全支援装置2では、記憶装置5が記憶している測定データ10が含む構造物の属性e1、e2、…を説明変数とし、測定データ10が含む減肉深さの測定値dを目的変数として、機械学習のアルゴリズムを用いて、説明変数と目的変数との関係を学習した予測モデル50を導出する機械学習部17を備えるようにした。それゆえ、保全支援装置2(コンピュータ)に予測モデル50を導き出させることができ、比較的少ない手間でより精度の高い予測モデル50を得ることができる。
さらに、本開示に係る保全支援装置2では、確率指標c1〜c8として、構造物が使用不能状態となる確率を示すランク、確率を示す数値を用いるようにした。例えば、確率を示すランク「A」「B」「C」「D」を用いることで、確率をより直感的に把握できる。また、例えば、確率を示す数値「0.1%未満」「0.1%以上1%未満」「1%以上10%未満」「10%以上」を用いることで、確率をより正確に把握できる。Further, in the
Further, in the
(変形例)
(1)なお、上記実施形態では、保全支援装置2とサービス利用端末3とを備える保全支援システム1を構成し、サービス利用者に確率指標c1〜c8を提示する例を示したが、他の構成を採用することもできる。例えば、1台の保全支援装置2内で各種処理を行うように構成して、サービス利用者に確率指標c1〜c8を提示する構成ととしてもよい。
(2)また、上記実施形態では、予測モデル50として、属性e1、e2、…と減肉深さの測定値dとから、機械学習によって導出したモデルを用いる例を示したが、他の構成を採用することもできる。例えば、統計的手法によって導出したモデルを用いてもよい。(Modification example)
(1) In the above embodiment, an example is shown in which the
(2) Further, in the above embodiment, an example of using a model derived by machine learning from the attributes e1, e2, ... And the measured value d of the wall thinning depth is shown as the
1…保全支援システム、2…保全支援装置、3…サービス利用端末、4…通信路、5…記憶装置、6…演算装置、7…確率情報、9…プログラム、10…測定データ、11…取得部、12…減肉深さ予測部、13…余裕肉厚算出部、14…確率指標取得部、15…出力部、16…データ、17…機械学習部、18…予測減肉深さ算出部、19…予測値算出部、20…実余裕肉厚算出部、21…境界値設定部、22…入力装置、23…ディスプレイ(出力装置)、24…記憶装置、25…演算装置、26…データ送信部、27…確率情報表示部、28…データ受信部、29…取得部、30…通信I/F、31…ドライブ、32…記憶媒体、33…入力装置、34…出力装置、35…学習結果データ、40…ドライブ、41…記憶媒体、42…通信I/F、50…予測モデル、51〜53…近似直線、a1、a2…管理肉厚の候補値、b1〜b8…数値範囲、c1〜c8…確率情報、d…減肉深さの測定値、e1、e2…属性、f…初期板厚、g1、g2…属性、h…初期板厚、i…管理肉厚、j…第1の境界値、k…第2の境界値、l…第3の境界値 1 ... maintenance support system, 2 ... maintenance support device, 3 ... service use terminal, 4 ... communication path, 5 ... storage device, 6 ... arithmetic device, 7 ... probability information, 9 ... program, 10 ... measurement data, 11 ... acquisition Unit, 12 ... Wall thinning depth prediction unit, 13 ... Margin wall thickness calculation unit, 14 ... Probability index acquisition unit, 15 ... Output unit, 16 ... Data, 17 ... Machine learning unit, 18 ... Predicted wall thickness reduction depth calculation unit , 19 ... Predicted value calculation unit, 20 ... Actual margin thickness calculation unit, 21 ... Boundary value setting unit, 22 ... Input device, 23 ... Display (output device), 24 ... Storage device, 25 ... Calculation device, 26 ... Data Transmission unit, 27 ... Probability information display unit, 28 ... Data reception unit, 29 ... Acquisition unit, 30 ... Communication I / F, 31 ... Drive, 32 ... Storage medium, 33 ... Input device, 34 ... Output device, 35 ... Learning Result data, 40 ... drive, 41 ... storage medium, 42 ... communication I / F, 50 ... prediction model, 51 to 53 ... approximate straight lines, a1, a2 ... candidate values for management wall thickness, b1 to b8 ... numerical range, c1 ~ C8 ... Probability information, d ... Measured value of wall thinning depth, e1, e2 ... Attribute, f ... Initial plate thickness, g1, g2 ... Attribute, h ... Initial plate thickness, i ... Control wall thickness, j ... First Boundary value, k ... second boundary value, l ... third boundary value
Claims (7)
前記取得部で取得したデータが含む属性に基づき、前記構造物の保温材下腐食による減肉深さの予測値を算出する減肉深さ予測部と、
前記取得部で取得したデータが含む初期板厚から前記減肉深さ予測部で算出した減肉深さの予測値を減算した減算結果である、余裕肉厚の予測値を算出する余裕肉厚算出部と、
予め定められた複数の数値範囲と、保温材下腐食によって前記構造物が使用不能状態となる確率を示す複数の確率指標とを対応づけて記憶している確率情報記憶装置と、
前記確率情報記憶装置を参照し、前記複数の数値範囲のうちから、前記余裕肉厚算出部で算出した余裕肉厚の予測値を含む数値範囲を特定し、特定した数値範囲に対応づけられている確率指標を取得する確率指標取得部と、
前記確率指標取得部で取得した確率指標を出力する出力部と、を備える保全支援装置。An acquisition unit that acquires data including the attributes and initial plate thickness of the plant structure,
Based on the attributes included in the data acquired by the acquisition unit, the wall thinning depth prediction unit that calculates the predicted value of the wall thinning depth due to corrosion under the heat insulating material of the structure, and the wall thinning depth prediction unit.
The margin wall thickness for calculating the margin wall thickness prediction value, which is the subtraction result of subtracting the wall thickness reduction depth prediction value calculated by the wall reduction depth prediction unit from the initial plate thickness included in the data acquired by the acquisition unit. Calculation unit and
A probability information storage device that stores a plurality of predetermined numerical values in association with a plurality of probability indexes indicating the probability that the structure becomes unusable due to corrosion under a heat insulating material.
With reference to the probability information storage device, a numerical range including the predicted value of the margin thickness calculated by the margin thickness calculation unit is specified from the plurality of numerical ranges, and is associated with the specified numerical range. The probability index acquisition unit that acquires the probability index that exists,
A maintenance support device including an output unit that outputs a probability index acquired by the probability index acquisition unit.
前記確率情報記憶装置は、予め定められた複数の基準肉厚の候補値のそれぞれ毎に、前記複数の数値範囲と前記複数の確率指標とを記憶しており、
前記確率指標取得部は、前記確率情報記憶装置が記憶している、前記取得部で取得したデータが含む基準肉厚と同一の、または最も近い前記基準肉厚の候補値に対応する複数の数値範囲と複数の確率指標とを参照し、当該複数の数値範囲のうちから、前記余裕肉厚算出部で算出した余裕肉厚の予測値を含む数値範囲を特定し、特定した数値範囲に対応づけられている確率指標を取得する請求項1に記載の保全支援装置。The data includes the required wall thickness or a wall thickness set to be larger than the required wall thickness as a reference wall thickness.
The probability information storage device stores the plurality of numerical values and the plurality of probability indexes for each of a plurality of predetermined reference wall thickness candidate values.
The probability index acquisition unit has a plurality of numerical values corresponding to the candidate values of the reference wall thickness which is the same as or closest to the reference wall thickness included in the data acquired by the probability information storage device. With reference to the range and a plurality of probability indexes, a numerical range including the predicted value of the margin thickness calculated by the margin thickness calculation unit is specified from the plurality of numerical ranges, and the numerical range is associated with the specified numerical range. The maintenance support device according to claim 1, wherein the probability index is acquired.
プラントの構造物の保温材下腐食による減肉深さの測定値、当該構造物の属性及び当該構造物の初期板厚を含む測定データを多数記憶している測定データ記憶装置と、
前記予測モデルを用いて、前記測定データ毎に、当該測定データが含む属性を基に前記減肉深さの予測値である、予測減肉深さを算出する予測減肉深さ算出部と、
前記測定データ毎に、当該測定データが含む初期板厚から、当該測定データに対応する予測減肉深さを減算した減算結果である、予測余裕肉厚を算出する予測値算出部と、
前記測定データ毎に、当該測定データが含む初期板厚から、当該測定データが含む減肉深さの測定値を減算した減算結果である、実余裕肉厚を算出する実余裕肉厚算出部と、
前記基準肉厚の候補値毎に、前記複数の数値範囲のそれぞれに対して、当該数値範囲に含まれる前記予測余裕肉厚に対応する前記実余裕肉厚のうちに、当該基準肉厚以下の前記実余裕肉厚が含まれる割合が、当該数値範囲に対応づけられている確率指標が示す確率と同一の数値となるように、前記複数の数値範囲を区分する境界値を設定する境界値設定部と、を備える請求項2に記載の保全支援装置。The wall-thinning depth prediction unit uses a prediction model that calculates a predicted value of the wall-thinning depth based on the attributes, and uses the prediction model of the wall-thinning depth based on the attributes included in the data acquired by the acquisition unit. Calculate the predicted value,
A measurement data storage device that stores a large number of measurement data including the measured value of the wall thinning depth due to corrosion under the heat insulating material of the structure of the plant, the attributes of the structure, and the initial plate thickness of the structure.
Using the prediction model, for each measurement data, a predicted wall thinning depth calculation unit that calculates the predicted wall thinning depth, which is a predicted value of the wall thinning depth based on the attributes included in the measurement data,
For each measurement data, a prediction value calculation unit for calculating a prediction margin wall thickness, which is a subtraction result obtained by subtracting the predicted wall thinning depth corresponding to the measurement data from the initial plate thickness included in the measurement data.
For each measurement data, a subtraction result obtained by subtracting the measured value of the wall thinning depth included in the measurement data from the initial plate thickness included in the measurement data, and an actual margin thickness calculation unit for calculating the actual margin wall thickness. ,
For each candidate value of the reference wall thickness, for each of the plurality of numerical values, the actual margin wall thickness corresponding to the predicted margin wall thickness included in the numerical range is equal to or less than the standard wall thickness. Boundary value setting that sets the boundary value that divides the plurality of numerical ranges so that the ratio including the actual margin wall thickness is the same as the probability indicated by the probability index associated with the numerical range. The maintenance support device according to claim 2, further comprising a unit.
プラントの構造物の属性及び初期板厚を含むデータを取得する取得部、
前記取得部で取得したデータが含む属性に基づき、前記構造物の保温材で覆われている部分の保温材下腐食による減肉深さの予測値を算出する減肉深さ予測部、
前記取得部で取得したデータが含む初期板厚から前記減肉深さ予測部で算出した減肉深さの予測値を減算した減算結果である、余裕肉厚の予測値を算出する余裕肉厚算出部、
予め定められた複数の数値範囲と、保温材下腐食によって前記構造物が使用不能状態となる確率を示す複数の確率指標とを対応づけて記憶している確率情報記憶装置を参照し、前記複数の数値範囲のうちから、前記余裕肉厚算出部で算出した余裕肉厚の予測値を含む数値範囲を特定し、特定した数値範囲に対応づけられている確率指標を取得する確率指標取得部、
及び前記確率指標取得部で取得した確率指標を出力する出力部として機能させるための保全支援用プログラム。Computer,
Acquisition unit that acquires data including the attributes and initial plate thickness of the plant structure,
The wall thinning depth prediction unit, which calculates the predicted value of the wall thinning depth due to corrosion under the heat insulating material in the portion of the structure covered with the heat insulating material, based on the attributes included in the data acquired by the acquisition unit.
The margin wall thickness for calculating the margin wall thickness prediction value, which is the subtraction result of subtracting the wall thickness reduction depth prediction value calculated by the wall reduction depth prediction unit from the initial plate thickness included in the data acquired by the acquisition unit. Calculation unit,
Referencing the probability information storage device that stores a plurality of predetermined numerical values in association with a plurality of probability indexes indicating the probability that the structure becomes unusable due to corrosion under the heat insulating material. From the numerical range of, the probability index acquisition unit that specifies the numerical range including the predicted value of the margin thickness calculated by the margin thickness calculation unit and acquires the probability index associated with the specified numerical range.
And a maintenance support program for functioning as an output unit that outputs the probability index acquired by the probability index acquisition unit.
前記取得したデータが含む属性に基づき、前記構造物の保温材下腐食による減肉深さの予測値を算出することとと、
前記取得したデータが含む初期板厚から前記減肉深さの予測値を減算した減算結果である、余裕肉厚の予測値を算出することと、
予め定められた複数の数値範囲と、保温材下腐食によって前記構造物が使用不能状態となる確率を示す複数の確率指標とを対応づけて記憶している確率情報を参照することと、
前記複数の数値範囲のうちから、前記余裕肉厚の予測値を含む数値範囲を特定し、特定した数値範囲に対応づけられている確率指標を取得することとと、
前記確率指標を出力することと、を含む、
保全支援方法。Acquiring data including the attributes and initial plate thickness of the plant structure,
Based on the attributes included in the acquired data, the predicted value of the wall thinning depth due to corrosion under the heat insulating material of the structure is calculated, and
To calculate the predicted value of the margin wall thickness, which is the subtraction result of subtracting the predicted value of the wall thinning depth from the initial plate thickness included in the acquired data.
Referencing the probability information stored in association with a plurality of predetermined numerical ranges and a plurality of probability indexes indicating the probability that the structure becomes unusable due to corrosion under the heat insulating material.
From the plurality of numerical ranges, the numerical range including the predicted value of the margin thickness is specified, and the probability index associated with the specified numerical range is acquired.
To output the probability index, including
Maintenance support method.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018106475 | 2018-06-01 | ||
JP2018106475 | 2018-06-01 | ||
PCT/JP2019/021869 WO2019230975A1 (en) | 2018-06-01 | 2019-05-31 | Maintenance support device, maintenance support program, and maintenance support method |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2019230975A1 JPWO2019230975A1 (en) | 2021-03-18 |
JP6875602B2 true JP6875602B2 (en) | 2021-05-26 |
Family
ID=68697616
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020522645A Active JP6875602B2 (en) | 2018-06-01 | 2019-05-31 | Maintenance support equipment, maintenance support programs and maintenance support methods |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6875602B2 (en) |
WO (1) | WO2019230975A1 (en) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2023081548A (en) * | 2021-12-01 | 2023-06-13 | 株式会社クボタ | Buried pipe leakage accident rate predication device, buried pipe leakage accident rate prediction method and program |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02306135A (en) * | 1989-05-20 | 1990-12-19 | Idemitsu Kosan Co Ltd | Decision of corrosion condition of plant equipment |
JPH08178172A (en) * | 1994-12-27 | 1996-07-12 | Toshiba Corp | Calculation and evaluation of thickness reduction caused by erosion and corrosion of equipment and piping device |
JP3832142B2 (en) * | 1999-06-24 | 2006-10-11 | 株式会社日立製作所 | Pipe thickness reduction management system |
JP2006201844A (en) * | 2005-01-18 | 2006-08-03 | Toshiba Corp | Deteriorating status evaluation system and method for plant |
GB0722534D0 (en) * | 2007-11-16 | 2007-12-27 | Advanced Eng Solutions Ltd | Pipeline condition detecting method and apparatus |
JP6844969B2 (en) * | 2016-07-29 | 2021-03-17 | 旭化成株式会社 | Maintenance support equipment and maintenance support programs |
JP6825846B2 (en) * | 2016-08-10 | 2021-02-03 | 旭化成株式会社 | Maintenance support equipment, maintenance support programs, and maintenance support methods |
CN109115635B (en) * | 2018-10-31 | 2021-02-02 | 国电锅炉压力容器检验有限公司 | Method and device for estimating service life of high-temperature thick-wall pipeline |
-
2019
- 2019-05-31 WO PCT/JP2019/021869 patent/WO2019230975A1/en active Application Filing
- 2019-05-31 JP JP2020522645A patent/JP6875602B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
WO2019230975A1 (en) | 2019-12-05 |
JPWO2019230975A1 (en) | 2021-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wan et al. | Direct interval forecasting of wind power | |
JP5768834B2 (en) | Plant model management apparatus and method | |
EP3671201B1 (en) | An improved method for evaluating pipe condition | |
US20170193460A1 (en) | Systems and methods for predicting asset specific service life in components | |
US20120078823A1 (en) | Abnormality diagnosis filter generator | |
US11796992B2 (en) | Condition-based method for malfunction prediction | |
JP6875602B2 (en) | Maintenance support equipment, maintenance support programs and maintenance support methods | |
Xu et al. | Applying survival analysis to pipeline data: Gaps and challenges | |
JP6830043B2 (en) | Parameter estimation device, equipment failure prediction device, optimal measure search device, method, and program | |
Zou et al. | Bayesian model averaging for probabilistic SN curves with probability distribution model form uncertainty | |
JP2016177676A (en) | Diagnosis device, diagnosis method, diagnosis system and diagnosis program | |
Roh et al. | Steam trap maintenance-prioritizing model based on big data | |
JP2021167791A (en) | Failure prediction system | |
Al Rashdan et al. | Development of a Technology Roadmap for Online Monitoring of Nuclear Power Plants | |
JP2009230209A (en) | Performance evaluation device for soft sensor | |
Zhou et al. | Condition-based maintenance modeling for a two-stage deteriorating system with random changes based on stochastic process | |
JP6642431B2 (en) | Flow rate prediction device, mixture ratio estimation device, method, and computer-readable recording medium | |
Huang et al. | Confidence-based quantitative risk analysis for offshore accidental hydrocarbon release events | |
Ahmad | Designing accelerated life tests for generalised exponential distribution with log-linear model | |
CN113360486B (en) | Data prediction method, device, electronic equipment and medium | |
RU2653286C2 (en) | Method of forecasting crisis situations in control of multiparameter processes | |
WO2023286445A1 (en) | Corrosion management system, estimation method, and program | |
Nwadinobi et al. | Improved Markov stable state simulation for maintenance planning | |
JP2021162476A (en) | Thickness reduction diagnostic system for valve, thickness reduction diagnostic method for valve and thickness reduction diagnostic service for valve | |
US20230081471A1 (en) | Information processing device, information processing method, and non-transitory computer readable medium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200916 |
|
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: 20210406 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210422 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6875602 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |