工序监视诊断装置制造方法及图纸

本发明专利技术提供一种监视诊断装置，能够进行状态变化或异常状态的预兆检测，通过将在监视上操作人员着眼的指标与MSPC结合，由此能够进行操作人员更容易明白的状态监视、异常诊断。具有数据收集/保存部（2），收集并保持通过多个工序传感器按照规定周期计测的对象工序的状态量、操作量形成的多个计测变量的时间序列数据，并具备：工序模型构建/供给部（4），使用该保存的多个计测变量的过去的时间序列数据，构建并供给工序监视模型；以及工序监视/诊断部（6），使用从数据收集/保存部（2）提取的在线数据和上述所构建的工序监视模型来监视工序的状态，检测状态变化或异常征兆，从而对工序进行监视并诊断。

【技术实现步骤摘要】
【国外来华专利技术】工序监视诊断装置
本专利技术涉及一种工序监视诊断装置，具有能够对下水处理工序、排水处理工序、污泥消化工序、净水工序、供配水工序、化学工序等工序系统的状态变化或异常预兆进行检测的诊断算法。
技术介绍
在下水处理工序、污泥消化工序、净水工序、供配水工序等水处理/水运用工序、石油化学工序或者半导体制造工序等工序的运转管理中，要求有会在实现工序的规定目标性能的基础上带来节能、省成本的运用。在此，作为规定目标性能的例子，在下水处理工序中可以列举遵守排放水质基准，在污泥消化工序中可以列举确保生成能量(甲烷、氢等)的规定产生量，在净水工序中可以列举遵守基于消毒、杀菌等的供配水水质基准，在石油化学工序中可以列举达成石油等精制产品成品率的规定目标值，在半导体制造工序中可以列举达成半导体产品成品率的规定目标值以上；等等。此外，作为节能、省成本运用的例子，在下水处理工序中可以列举减少鼓风机、泵的驱动电力、药品注入量，在污泥消化工序中可以列举产生能量效率的最大化，在净水工序中可以列举药品注入量的最小化，在石油化学工序、半导体制造工序中可以列举成品率的最大化等。为了实现这些，对与目标性能相关的工序的状态进行监视以便不陷于不能够达成规定目标那样的状态，迅速检测阻碍达成规定目标那样的状态变化或异常状态并事先采取对策，这是运转管理上的关键点。此外，为了进行会在达成规定目标的基础上带来节能、省成本的运用，需要将与目标性能、节能、省成本相关的工序状态始终保持为良好状态，并迅速检测可能要从良好状态偏离那样的工序状态变化。作为对这种工序的状态变化或异常进行诊断的方法，已知一种主要在石油化学工序的领域发展起来的使用了“多变量统计解析方法”的、被称为多变量统计工序监视(MSPC：Multi－VariateStatisticalProcessControl)的方法(例如参照非专利文献1、专利文献1、专利文献2、专利文献3)。MSPC有时也被称为化学计量学方法，是MSPC中最基本的方法，并且作为经常被利用的方法，广泛使用基于主成分分析(PCA：PrincipalComponentAnalysis)的方法。此外，作为使基于PCA的方法发展起来的方法，还使用对主成分回归(PCR：PrincipalComponentRegression)、潜变量投影法/偏最小二乘法(PLS：ProjectiontoLatentStructure/PartialLeastSquare)等进行了利用的监视方法(参照上述非专利文献1)。这些方法基于如下思考方式：根据大量计测数据，利用大量工序数据间的相关信息，生成通常数个的少量的统计量数据，根据所生成的少量的统计量数据来检测工序状态的变化。例如，在利用了PCA的MSPC中，利用PCA来生成相关较强的数据集合(数据的部分空间)，通过针对该部分空间内的数据的(与品质工学领域的田口法所使用的马氏距离(Mahalanobisdistance)类似的概念的)被称为T2统计量的统计量、以及表示各时刻的数据从该部分空间背离何种程度的被称为Q统计量的统计量，来进行工序的状态监视。在构建这种状态监视/异常诊断系统时，采取的顺序如下。首先，在选定了在成为对象的工序中计测的大量计测变量的全部或者监视所需要的几个变量的基础上，离线地输入选定的计测变量的(被积蓄在数据服务器等中的)时间序列数据，而构建/识别监视/诊断模型。然后，向构建的监视/诊断模型在线地输入相同的计测变量的时间序列数据。然后，例如，在基于PCA的监视方法中，按照规定的顺序，进行工序的状态变化或异常的检测(状态变化/异常的检测)，推测成为其主要原因的计测变量(主要原因分离)。然后，通常情况下，被提示了检测和主要原因分离结果的操作人员确定状态变化/异常的真正的主要原因，并对该状况采取对策。这种先进的状态监视/异常诊断方法在石油化学工序领域等中被先驱地使用，但在上下水道工序等领域中完全未普及。对通常工序的运用、运转进行管理的工序管理者或操作人员，通过趋势图表等对上述诊断系统所利用的计测变量的时间序列数据进行监视，在趋势图表上监视工序的状态变化或异常。此外，在此基础上，对根据计测变量、工厂的构造数据来计算的几个管理指标、性能指标进行监视的情况也较多。例如，在下水处理工序领域中，存在根据计测变量、即污泥浓度、流量、构造物的容积来计算的被称为SRT(污泥滞留时间)的管理指标，操作人员边关注该管理指标边进行工厂的运用。作为其他例子，在上水工序的领域中，在日本水道协会(JWWA)拟定的水道事业方针中，提出了通过被称为性能指数(PI)的性能指标来评价净水、供配水工序的性能。现有技术文献专利文献专利文献1：日本特开平8-241121号公报专利文献2：日本特开2004-303007号公报专利文献3：日本特开2007-65883号公报非专利文献非专利文献1：URL：http://tech.chase-dream.com/spc.html
技术实现思路
专利技术要解决的课题这种管理指标、性能指标，是将与工厂的性能、稳定运转相关的工厂的某个特征良好地表现的指标，对操作人员、工厂管理者来说是有用的信息。但是，主要在石油化学工序领域中利用的以往的基于MSPC的状态监视系统，与基于这些管理指标进行的工厂监视并未取得匹配性。此外，管理指标良好地表现工厂的某个特征，因此虽然管理指标的变化与工厂的状态变化具有非常深的关联，但是在以往的MSPC中未考虑这种管理指标。此外，关于工序的状态变化，多数情况下，与对工序的计测变量的数据进行直接监视相比，对将计测数据实施了非线性计算后的值、计测数据的微分值或积分值、或者计测数据的部分信息或周期性信息进行监视的能够更适当地掌握工序状态。例如，在下水处理工序领域中，虽然存在用于对微生物的活性状态进行监视的被称为呼吸速度计的设备，但是设置呼吸速度计的处理场很少，作为代替指标，也有时通过对溶存氧(DO)浓度的微分值(变化率)进行监视来掌握微生物的活性状态。作为另一个例子，在上水的配水工序中漏水成为问题，为了掌握该漏水量的概算值，有时使用仅净水需要较少的夜间时间段的配水量数据来掌握漏水量的概算值。作为其他例子，在上水、下水中存在因人的生活类型引起的日变动，按照每个时间段来对其进行监视的话能够更好地捕捉工序的状态变化。但是，在以往的MSPC中，使用计测变量的全部项目或者所选择的项目的全部数据来构建监视系统。专利技术要解决的课题为，提供一种工序监视诊断装置，能够提高基于MSPC的状态监视性能、即能够进行状态变化或异常状态的预兆检测，通过将在监视上操作人员着眼的指标与MSPC结合，由此能够进行操作人员更容易明白的状态监视、异常诊断。用于解决课题的手段本专利技术的工序监视诊断装置的特征在于，具备：数据收集/保存部，收集并保持由设置在对象工序中的多个工序传感器以规定周期来计测的上述对象工序的状态量、操作量构成的多个计测变量的时间序列数据；工序模型构建/供给部，使用上述数据收集/保存部所保存的多个计测变量的过去的时间序列数据，构建工序监视模型并进行供给；以及工序监视/诊断部，使用从上述数据收集/保存部提取的在线数据和由上述工序模型构建/供给部构建的工序监视模型，对工序的状态进行监视，对状态变化或异常征兆进行检测，本文档来自技高网...

【技术保护点】
一种监视诊断装置，其特征在于，具备：数据收集/保存部，收集并保持多个计测变量的时间序列数据，该多个计测变量由设置在对象工序中的多个工序传感器以规定周期来计测的上述对象工序的状态量、操作量构成；工序模型构建/供给部，使用上述数据收集/保存部所保存的多个计测变量的过去的时间序列数据，构建工序监视模型并进行供给；以及工序监视/诊断部，使用从上述数据收集/保存部提取的在线数据和由上述工序模型构建/供给部构建的工序监视模型，对工序的状态进行监视，对状态变化或异常征兆进行检测，上述工序模型构建/供给部具备：选择变量决定部，根据上述数据收集/保存部所保存的多个计测变量的过去的时间序列数据，选择为了构建上述工序监视模型所需要的全部变量或者一部分变量；变量变换式决定部，根据上述数据收集/保存部所保存的多个计测变量，设定用于得到在上述对象工序的运转上有用的管理指标、对工序的状态变化或异常征兆的早期检测有用的指标的规定的变换式；数据规格化参数决定部，决定参数ai和bi，该参数ai和bi用于对于由上述选择变量决定部选择的选择变量、从通过使用上述变量变换式决定部的公式而变换后的过去的变换变量的时间序列数据中除去了异常值等异常数据的上述选择变量、以及上述变换变量的正常时间序列数据，通过（xi（t）－ai）/bi将数据规格化；诊断模型构建部，定义如下公式，该公式用于对于使用由上述规格化参数决定部决定的规格化参数进行了规格化的数据，利用以主成分分析（PCA）、主成分回归（PCR）、偏最小二乘法（PLS）为代表的多变量解析方法之一，生成至少一个以上诊断用统计量数据；以及统计量阈值设定部，用于检测相对于由上述诊断模型构建部生成的上述一个以上的诊断用统计量数据的状态变化，上述工序监视/诊断部具有：变量选择部，从上述数据收集/保存部依次取出与由上述选择变量决定部决定的选择变量对应的当前数据；变量变换部，使用由上述变量变换式决定部决定的变量变换式，进行用于从上述数据收集/保存部的当前数据得到当前时刻的指标的变量变换；数据规格化部，将使用由上述规格化参数决定部决定的规格化参数而选择的变量及变换后的变量的在线数据规格化；统计量监视部，根据由该数据规格化部规格化后的在线数据，基于由上述诊断模型构建部定义的统计量生成式，生成统计量数据并设为能够监视该统计量数据的状态；以及状态变化检测部，在由统计量监视部生成的在线的统计量数据超过由上述统计量阈值设定部决定的阈值的情况下，检测为工序的状态变化或异常；其中，xi：第i个选择变量/变换变量，ai：表示相对于第i个选择变量/变换变量的偏移的常量（偏移参数），bi：表示相对于第i个选择变量/变换变量的比例的常量（比例参数）。...

【技术特征摘要】
【国外来华专利技术】2010.12.28 JP 2010-2930481.一种工序监视诊断装置，其特征在于，具备：数据收集/保存部，收集并保存由设置在对象工序中的多个工序传感器以规定周期来计测的上述对象工序的状态量、操作量构成的多个计测变量的时间序列数据；工序模型构建/供给部，使用上述数据收集/保存部所保存的多个计测变量的过去的时间序列数据，构建工序监视模型并进行供给；以及工序监视/诊断部，使用从上述数据收集/保存部提取的在线数据和由上述工序模型构建/供给部构建的工序监视模型，对工序的状态进行监视，对状态变化或异常征兆进行检测，上述工序模型构建/供给部具备：选择变量决定部，根据上述数据收集/保存部所保存的多个计测变量的过去的时间序列数据，选择为了构建上述工序监视模型所需要的全部变量或者一部分变量；变量变换式决定部，根据上述数据收集/保存部所保存的多个计测变量，设定用于得到在上述对象工序的运转上有用的管理指标、对工序的状态变化或异常征兆的早期检测有用的指标的规定的变换式；数据规格化参数决定部，决定参数ai和bi，该参数ai和bi用于对于由上述选择变量决定部选择的选择变量、从通过使用上述变量变换式决定部的公式而变换后的过去的变换变量的时间序列数据中除去了包括异常值的异常数据的上述选择变量、以及上述变换变量的正常时间序列数据，通过(xi(t)－ai)/bi将数据规格化；诊断模型构建部，定义统计量生成式，该统计量生成式用于对于使用由上述规格化参数决定部决定的规格化参数进行了规格化的数据，利用以主成分分析(PCA)、主成分回归(PCR)、偏最小二乘法(PLS)为代表的多变量解析方法之一，生成一个以上诊断用统计量数据；以及统计量阈值设定部，用于检测相对于由上述诊断模型构建部生成的上述一个以上的诊断用统计量数据的状态变化，上述工序监视/诊断部具有：变量选择部，从上述数据收集/保存部依次取出与由上述选择变量决定部决定的选择变量对应的当前数据；变量变换部，使用由上述变量变换式决定部决定的变量变换式，进行用于从上述数据收集/保存部的当前数据得到当前时刻的指标的变量变换；数据规格化部，将使用由上述规格化参数决定部决定的规格化参数而选择的变量及变换后的变量的在线数据规格化；统计量监视部，根据由该数据规格化部规格化后的在线数据，基于由上述诊断模型构建部定义的上述统计量生成式，生成统计量数据并设为能够监视该统计量数据的状态；以及状态变化检测部，在由统计量监视部生成的在线的统计量数据超过由上述统计量阈值设定部决定的阈值的情况下，检测为工序的状态变化或异常；其中，xi：第i个选择变量/变换变量，t：时刻，ai：表示相对于第i个选择变量/变换变量的偏移的常量，bi：表示相对于第i个选择变量/变换变量的比例的常量。2.如权利要求1所述的工序监视诊断装置，其特征在于，上述工序模型构建/供给部还具有：状态变化主要原因贡献量式设定部，从上述选择变量和上述变换变量中推测产生状态变化时的主要原因，上述工序监视/诊断部还具有：主要原因项目推测部，在由上述状态变化检测部检测到工序的状态变化或异常的情况下，通过上述状态变化主要原因贡献量式设定部所设定的贡献量运算，推测成为被检测出的上述工序的状态变化或异常的主要原因的变量。3.如权利要求1所述的工序监视诊断装置，其特征在于，变量变换式决定部含有从包含积和商的非线性变换、微分/差分变换、积分/累计变换、规定周期的抽选变换、规定周期的内插变换、管理指标/性能指标变换之中选取的一个以上的变换式。4.如权利要求1所述的工序监视诊断装置，其特征在于，在上述选择变量决定部及上述变量选择部的处理前的阶段，进行如下处理：对于上述数据收集/保存部所收集/保存的工序计测变量，...

【专利技术属性】
技术研发人员：山中理，横川胜也，长岩明弘，山本胜也，平冈由纪夫，佐野胜实，佐佐木稔，桥本敏一，
申请(专利权)人：株式会社东芝，
类型：
国别省市：