[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

KR20190126139A - 리스크 평가 장치, 리스크 평가 방법 및 리스크 평가 프로그램 - Google Patents

리스크 평가 장치, 리스크 평가 방법 및 리스크 평가 프로그램 Download PDF

Info

Publication number
KR20190126139A
KR20190126139A KR1020197030131A KR20197030131A KR20190126139A KR 20190126139 A KR20190126139 A KR 20190126139A KR 1020197030131 A KR1020197030131 A KR 1020197030131A KR 20197030131 A KR20197030131 A KR 20197030131A KR 20190126139 A KR20190126139 A KR 20190126139A
Authority
KR
South Korea
Prior art keywords
failure
device group
group
occurrence probability
unit
Prior art date
Application number
KR1020197030131A
Other languages
English (en)
Inventor
테츠야 미타
구오샨 호우
Original Assignee
가부시키가이샤 티엘브이
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 가부시키가이샤 티엘브이 filed Critical 가부시키가이샤 티엘브이
Publication of KR20190126139A publication Critical patent/KR20190126139A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • 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
    • 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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
    • G05B19/4063—Monitoring general control system
    • 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
    • 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
    • G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
    • G05B23/0278—Qualitative, e.g. if-then rules; Fuzzy logic; Lookup tables; Symptomatic search; FMEA
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/206—Drawing of charts or graphs

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Physics (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Human Computer Interaction (AREA)
  • Computing Systems (AREA)
  • Fuzzy Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • Evolutionary Computation (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Alarm Systems (AREA)

Abstract

고장 발생 확률 및 고장이 발생했을 때의 영향도를 2축에 설정한 리스크 매트릭스를 표시하기 위한 리스크 평가 장치는, 대상으로 하는 기기군에 대하여, 현 시점으로부터의 고장 발생 확률의 경시적인 변화를 나타내는 데이터군을 취득하는 고장 발생 확률 취득부와, 대상으로 하는 기기군에 대응하는 영향도를 취득하는 영향도 취득부와, 리스크 매트릭스 상에 취득한 데이터군을 구성하는 각 고장 발생 확률에 대하여, 취득한 영향도와의 조를 플롯한 플롯도를 표시하는 화상 데이터를 생성하는 화상 데이터 생성부를 구비한다.

Description

리스크 평가 장치, 리스크 평가 방법 및 리스크 평가 프로그램
본 개시는, 고장 발생 확률 및 고장이 발생했을 때의 영향도를 2축에 설정한 리스크 매트릭스를 표시하기 위한 리스크 평가 장치, 리스크 평가 방법 및 리스크 평가 프로그램에 관한 것이다.
최근, 석유 화학 플랜트나 화력 발전 플랜트 등의 대형 설비에 있어서, 리스크를 고려한 소위 RBI(Risk-Based Inspection) 방법을 사용한 리스크 평가가 행해지고 있다(또한, RBI에 기초한 평가 방법은 API(American Petroleum Institute)에서 API581로서 표준화되어 있다). 그리고, 이러한 종류의 리스크 평가 수단으로서, 일본 특허 제5884000호 공보(특허문헌 1)에는, 고장 발생 확률 및 고장이 발생했을 때의 영향도를 2축에 설정한 리스크 매트릭스 상에 증기 플랜트에 있어서의 각 프로세스 기기에 관한 고장 발생 확률과 영향도의 조(組)를 플롯한 도면을 작성하고, 이러한 플롯도면으로부터 대상 플랜트의 리스크 평가를 행하는 것이 개시되어 있다.
일본 특허 제5884000호 공보
그러나, 상기 종래의 리스크 평가 수단에서는, 개개의 프로세스 기기에 대하여, 현 시점의 고장 발생 확률에 기초하는 플롯도를 작성하는데 그쳐, 유저에게 제시되는 플롯도의 형태에 대해서는 개선의 여지가 있다.
따라서, 보다 적합한 리스크 평가를 행할 수 있는 리스크 평가 장치, 리스크 평가 방법 및 리스크 평가의 실현이 요망된다.
본 개시에 관한 리스크 평가 장치는,
고장 발생 확률 및 고장이 발생했을 때의 영향도를 2축에 설정한 리스크 매트릭스를 표시하기 위한 리스크 평가 장치이며,
대상으로 하는 기기군에 대하여, 현 시점으로부터의 고장 발생 확률의 경시적인 변화를 나타내는 데이터군을 취득하는 고장 발생 확률 취득부와,
대상으로 하는 기기군에 대응하는 영향도를 취득하는 영향도 취득부와,
상기 리스크 매트릭스 상에 취득한 상기 데이터군을 구성하는 각 고장 발생 확률에 대하여, 취득한 상기 영향도와의 조를 플롯한 플롯도를 표시하는 화상 데이터를 생성하는 화상 데이터 생성부를 구비한다.
이 구성에 의하면, 대상으로 하는 기기군에 대하여 리스크 매트릭스 상에 있어서의 리스크의 경시적 변화를 나타낼 수 있고, 이에 의해, 장래에 걸친 리스크 평가를 할 수 있다.
이하, 본 개시에 관한 리스크 평가 장치의 적합한 형태에 대하여 설명한다. 단, 이하에 기재하는 적합한 형태의 예에 의해, 본 개시의 범위가 한정되는 것은 아니다.
하나의 형태로서, 상기 화상 데이터 생성부를, 상기 기기군 단위로 플롯한 플롯도를 표시하는 표시 데이터를 생성하는 기기군 단위 모드와, 상기 기기군을 구성하는 각 구성 단위로 플롯한 플롯도를 표시하는 표시 데이터를 생성하는 구성 단위 모드로 전환하는 모드 전환부를 구비하고, 상기 고장 발생 확률 취득부는, 상기 기기군 전체에 관한 상기 데이터군인 전체 데이터군과, 상기 기기군을 구성하는 각 구성의 각각에 관한 상기 데이터군인 개별 데이터군을 취득 가능하고, 상기 영향도 취득부는, 상기 기기군 전체에 관한 상기 영향도인 전체 영향도와, 상기 기기군을 구성하는 각 구성의 각각에 관한 상기 영향도인 개별 영향도를 취득 가능하고, 상기 화상 데이터 생성부는, 상기 기기군 단위 모드에 있을 때, 상기 리스크 매트릭스 상에 취득한 상기 전체 데이터군을 구성하는 각 고장 발생 확률에 대하여, 상기 전체 영향도와의 조를 플롯한 플롯도를 표시하는 화상 데이터를 생성하고, 상기 구성 단위 모드에 있을 때, 상기 리스크 매트릭스 상에 취득한 상기 개별 데이터군마다, 당해 개별 데이터군을 구성하는 각 고장 발생 확률에 대하여, 당해 개별 데이터군에 대응하는 상기 개별 영향도와의 조를 플롯한 플롯도를 표시하는 화상 데이터를 생성하면 바람직하다.
이 구성에 의하면, 기기군 단위 모드와 구성 단위 모드의 두개의 형태로 플롯도를 표시하는 것이 가능해진다. 그리고, 기기군 단위 모드에서는, 기기군 전체로 볼 때 어떤 리스크가 장래에 걸쳐 존재할지를 평가할 수 있다. 또한, 구성 단위 모드에서는, 개개의 구성에 관한 리스크를 평가할 수 있다. 그리고, 특히, 개개의 구성에 관한 리스크의 경시적 변화가 나타나므로, 기기군 단위 모드에서 나타난 기기군 전체의 리스크의 경시적 변화에, 기기군에 있어서의 어느 구성이 특히 기여하고 있는지 등의 정보를 아는 것도 가능해진다.
하나의 형태로서, 상기 고장 발생 확률 취득부는, 고장의 종류마다 상기 데이터군을 취득하고, 상기 영향도 취득부는, 고장의 종류마다에 대응하는 영향도를 취득하고, 상기 화상 데이터 생성부는, 고장의 종류마다, 상기 리스크 매트릭스 상에 취득한 상기 데이터군을 구성하는 각 고장 발생 확률에 대하여, 대응하는 상기 영향도와의 조를 플롯한 플롯도를 표시하는 화상 데이터를 생성하면 바람직하다.
이 구성에 의하면, 고장의 종류마다의 리스크 평가를 행할 수 있다. 그리고, 현재의 상태로 방치함으로써, 어떤 종류의 고장에 관한 리스크가 현재화할지를 알 수 있다.
하나의 형태로서, 상기 화상 데이터 생성부는, 표시시키는 플롯도 상에 리스크 파악을 위한 기준선을 겹친 플롯도를 표시하는 화상 데이터를 생성하면 바람직하다.
이 구성에 의하면, 기준선을 겹쳐서 표시함으로써, 리스크를 평가하기 쉬워진다.
본 개시에 관한 리스크 평가 방법은,
컴퓨터에 실행시키는, 고장 발생 확률 및 고장이 발생했을 때의 영향도를 2축에 설정한 리스크 매트릭스를 표시하기 위한 리스크 평가 방법이며,
대상으로 하는 기기군에 대하여, 현 시점으로부터의 고장 발생 확률의 경시적인 변화를 나타내는 데이터군을 취득하는 고장 발생 확률 취득 공정과,
대상으로 하는 기기군에 대응하는 영향도를 취득하는 영향도 취득 공정과,
상기 리스크 매트릭스 상에 취득한 상기 데이터군을 구성하는 각 고장 발생 확률에 대하여, 취득한 상기 영향도와의 조를 플롯한 플롯도를 표시하는 화상 데이터를 생성하는 화상 데이터 생성 공정을 구비한다.
본 개시에 관한 리스크 평가 프로그램은,
고장 발생 확률 및 고장이 발생했을 때의 영향도를 2축에 설정한 리스크 매트릭스를 표시하기 위한 리스크 평가 프로그램이며,
대상으로 하는 기기군에 대하여, 현 시점으로부터의 고장 발생 확률의 경시적인 변화를 나타내는 데이터군을 취득하는 고장 발생 확률 취득 기능과,
대상으로 하는 기기군에 대응하는 영향도를 취득하는 영향도 취득 기능과,
상기 리스크 매트릭스 상에 취득한 상기 데이터군을 구성하는 각 고장 발생 확률에 대하여, 취득한 상기 영향도와의 조를 플롯한 플롯도를 표시하는 화상 데이터를 생성하는 화상 데이터 생성 기능을 컴퓨터에 실현시킨다.
이들 구성에 의하면, 상기한 리스크 평가 장치와 마찬가지의 작용 효과를 얻을 수 있다.
도 1은 본 실시 형태에 관한 플랜트 감시 시스템의 개략 구성도이다.
도 2는 리스크 평가 장치의 블록도이다.
도 3은 프로세스 기기 연산부의 블록도이다.
도 4는 프로세스 기기군 연산부의 블록도이다.
도 5는 증기 이용 기기 연산부의 블록도이다.
도 6은 증기 이용 기기군 연산부의 블록도이다.
도 7은 프로세스 기기 연산부에서 구한 고장 곡선의 일례를 나타내는 그래프이다.
도 8은 파라미터를 보정했을 때의 고장 곡선에의 영향의 일례를 나타내는 그래프이다.
도 9는 증기 이용 기기군의 일례를 나타내는 개략도이다.
도 10은 리스크 매트릭스의 일례를 나타내는 도면이다.
도 11은 리스크 매트릭스의 일례를 나타내는 도면이다.
도 12는 리스크 매트릭스의 일례를 나타내는 도면이다.
도 13은 리스크 매트릭스의 일례를 나타내는 도면이다.
본 개시에 관한 리스크 평가 장치, 리스크 평가 방법 및 리스크 평가 프로그램의 실시 형태에 대하여, 도면을 참조하여 설명한다. 이하에서는, 석유 화학 플랜트나 화력 발전 플랜트 등의 증기를 이용하는 증기 플랜트(2)를 감시하는 플랜트 감시 시스템에, 본 실시 형태에 관한 리스크 평가 장치를 내장한 예에 대하여 설명한다. 먼저, 도 1에 도시한 바와 같이, 본 실시 형태에 관한 플랜트 감시 시스템에서는, 감시 서버(3)가 감시 대상으로 하는 다양한 증기 플랜트(2)로부터의 데이터를 네트워크(5)를 통하여 수집하고, 수집한 데이터를 외부의 데이터 베이스 서버(4)에 축적적으로 기억한다. 그리고, 감시 서버(3)는, 정기적으로, 또는, 유저나 관리자로부터의 지시에 따라, 수집한 데이터나 데이터 베이스 서버(4)에 기억한 데이터에 기초하여 분석이나 판정을 행하도록 되어 있고, 그 결과를 PC나 스마트폰 등의 유저 단말기(1)에 송신하거나, 유저 단말기(1)를 통하여 유저가 감시 서버(3)에 액세스함으로써, 유저에게 증기 플랜트(2)의 상태가 나타나도록 되어 있다. 또한, 분석이나 판정 결과는 데이터 베이스 서버(4)에 기억시켜서, 가일층의 분석이나 판정에 제공되도록 되어 있다. 또한, 본 실시 형태에 있어서 "배관계"란, 예를 들어 증기 트랩, 증기 배관 및 각종 밸브 등으로 구성되는 증기 시스템 전체를 포함하는 개념이다. 또한, 이러한 증기 시스템 전체를 중요한 에셋의 하나로서 보면, 본 실시 형태에 관한 리스크 평가 장치, 리스크 평가 방법 및 리스크 평가 프로그램은, 에셋 매니지먼트 방법의 하나로서 적용 가능하다.
감시 서버(3)에 수집되는 데이터의 일례에 대하여 설명하면, 감시 장치(21)가, 증기 플랜트(2)의 각 구성 요소군(22)으로부터, 각각의 구성 요소군(22)을 구성하는 각 구성 요소에 비치한 센서나 휴대용 검사기에 의한 검사에 의해 얻은 센서 데이터(압력, 전류값, 진동, 초음파, 온도, 기기의 회전수 등)나 각 구성 요소에 발생한 이벤트(운전 개시나 정지, 고장의 발생 및 그 종류, 수리나 기기 교환 등의 유지 보수 등)에 관한 이벤트 데이터 등을 수집하고, 수집한 데이터를 정기적으로 또는 연속적으로 감시 서버(3)측으로 송신하도록 되어 있다. 증기 플랜트(2)의 구성 요소로서는, 터빈, 압축기, 열교환기 등의 증기를 이용하는 증기 이용 기기, 증기 이용 기기에 증기를 수송하는 수송관이나 증기 이용 기기로부터 발생한 드레인을 배출하는 드레인관 등의 배관계, 배관계에 설치되는 증기 트랩, 제어 밸브, 펌프, 필터, 세퍼레이터 등의 프로세스 기기 등을 들 수 있다. 그리고, 이들에 관한 데이터(상기한 센서 데이터나 이벤트 데이터 등)가 감시 장치(21)에 수집되어, 각 구성 요소에 첨부된 식별 정보나 시각(時刻)과 함께 각 데이터가 감시 서버(3)에 정기적으로 송신된다.
즉, 감시 서버(3)에는, 감시 대상으로 하는 증기 플랜트(2)마다, 증기 플랜트(2)의 각 구성 요소에 대하여, 센서값의 추이나, 운전 중인지 여부, 언제 고장이 발생했는가, 어떤 종류의 고장이 발생했는가, 언제 유지 보수를 했는지에 대한 데이터가 수집된다. 그리고, 수집한 이들 데이터가 데이터 베이스 서버(4)에 축적적으로 기억됨으로써, 증기 플랜트(2)에 있어서의 역대(歷代)의 각 구성 요소에 대하여, 센서값의 추이나, 발생한 고장의 종류, 고장날 때까지의 년수, 유지 보수의 유무나 시기, 횟수와 같은 정보가 데이터 베이스 서버(4)에 저장되게 된다.
보다 상세하게는, 데이터 베이스 서버(4)는, 각 구성 요소의 식별 정보와 대응지어 이들 데이터, 각 구성 요소가 설치되는 배관계에 관련된 정보(후술하는 배관계 관련 항목에 상당), 각 구성 요소의 형식(증기 트랩에서 말하자면, 플로트 타입이나, 메커니컬 타입, 써모스태틱 타입, 써모다이내믹 타입 등)이나 성능, 설치 년수, 구성 요소에 대하여 설치되어 있는 부가적 구성 등의 구성 요소 자체에 관련된 정보(후술하는 기기 관련 항목에 상당), 프로세스 기기에 대하여 실행된 작업에 관련된 정보(후술하는 작업 관련 항목에 상당)를 축적적으로 기억한다. 또한, 도 9에 도시한 바와 같은 동일한 배관(222A)(또는 222B)에 설치되는 증기 트랩(223A 내지 223C)(또는 223D 내지 223F)끼리 등 배관계와 당해 배관계에 설치되는 복수의 프로세스 기기로 이루어지는 프로세스 기기군(도 9에 224A나 224B)이나, 증기 이용 기기(221) 및 이에 접속되는 배관(222A, 222B)에 설치되는 증기 트랩(223A 내지 223F)으로 이루어지는 구성 요소군(22) 등의 증기 이용 기기와 증기 이용 기기에 관련된 복수의 프로세스 기기군으로 이루어지는 증기 이용 기기군 등, 서로 관련된 기기군에 대해서는 하나로 정리하여 취급할 필요가 있다. 그로 인해, 데이터 베이스 서버(4)에서는, 개개의 구성 요소뿐만아니라, 프로세스 기기군이나 증기 이용 기기군 등의 기기군마다 식별 정보를 부여하고, 식별 정보와 함께 프로세스 기기군이나 증기 이용 기기군을 구성하는 각 구성 요소의 식별 정보, 대상으로 하는 기기군을 구성하는 각 구성 요소의 상호 배치 관계 등도 기억하고 있다. 그리고, 이와 같이 수집되는 데이터의 양은 방대하므로, 본 실시 형태에서는, 이러한 데이터를 기억하는데에 감시 서버(3)의 외부 데이터 베이스 서버(4)를 사용하고 있다. 또한, 데이터 베이스 서버(4)의 형태는 특별히 한정되지 않고 감시 서버(3)와 유선 또는 무선을 통하여 접속되는 서버 장치를 사용하거나, 클라우드 환경상의 클라우드 서버를 사용해도 좋다.
그리고, 본 실시 형태에서는, 감시 서버(3)가, 증기 플랜트(2)뿐만아니라, 데이터 베이스 서버(4)에 축적된 역대(歷代)의 각 구성 요소의 데이터를 이용하여, 대상 증기 플랜트(2)에 대하여 내재하는 리스크를 평가할 수 있도록 되어 있다. 구체적으로는, 리스크 평가로서, 평가 대상으로 하는 기기군에 관한 정보를 유저로부터 접수하고, 취득한 기기군에 관한 고장 발생 확률과 고장이 발생했을 때의 영향도를 연산하고, RBI의 평가 방법으로서 사용되는 고장 발생 확률 및 고장이 발생했을 때의 영향도를 2축에 설정한 리스크 매트릭스 상에 연산한 고장 발생 확률 및 영향도를 플롯하여 유저에 제공하도록 되어 있다. 그리고, 유저는 이러한 리스크 매트릭스로부터 평가 대상으로 하는 구성 요소에 내재하는 리스크를 알 수 있고, 증기 플랜트(2)에 대한 리스크 평가를 행한다. 이하, 감시 서버(3)가 구비하는 구성 중, 이러한 리스크 평가를 행하기 위한 구성에 대하여 설명한다.
먼저, 감시 서버(3)는, 일반적인 서버 장치이며, 네트워크(5)를 통한 통신을 행하기 위한 통신 인터페이스나, 서버 장치와의 사이에서 직접적인 데이터의 입출력을 행하기 위한 입출력 장치, 서버 장치의 각 부의 제어를 행하는 CPU, 각종 데이터나 프로그램을 저장하는 대용량 기억 장치인 HDD, 실행하는 프로그램 등을 일시 저장하는 메모리 등의 일반적인 하드웨어 구성을 구비하고 있다. 그리고, 본 실시 형태에서는, HDD에, 후술하는 처리를 행하기 위한 리스크 평가 프로그램이 저장되어 있고, 메모리에 일시 저장된 리스크 평가 프로그램이 CPU에 실행됨으로써, 감시 서버(3)의 각 부가, 도 2 내지 도 6에 나타내는 기능부를 구비한 리스크 평가 장치로서 기능하도록 되어 있다.
구체적으로는, 본 실시 형태에서는, 리스크 평가 프로그램이 실행됨으로써, 감시 서버(3)가, 유저로부터의 요구를 접수하는 동시에 평가 결과를 유저에 송신하는 입출력 처리부(31), 대상으로 하는 기기군의 고장 발생 확률을 연산하는 고장 발생 확률 연산 처리부(32), 대상으로 하는 기기군의 영향도를 연산하는 영향도 연산 처리부(37) 및 연산된 고장 발생 확률 및 영향도에 기초하여 유저에 제공하는 화상 데이터를 생성하는 표시 화상 연산 처리부(38)의 기능부를 구비한 리스크 평가 장치로서 구성된다(도 2). 이하, 각 기능부에 대하여 설명한다.
먼저, 입출력 처리부(31)는 리스크 평가 장치에 있어서의 인터페이스로서 기능한다. 구체적으로는, 유저로부터의 요구를 접수하고, 요구에 따른 처리를 행하게 하기 위한 지시와 함께, 접수한 요구에 포함되는, 각 기능부에서의 처리에 필요한 정보를 각 기능부에 제공하고, 또한, 표시 화상 연산 처리부(38)에서 생성된 화상 데이터를 유저에 대하여 출력하도록 되어 있다. 유저로부터의 요구에 포함되는 정보로서는, 평가 대상으로 하는 기기군의 식별 정보나 대상으로 하는 기기군에 관한 부가적 정보, 고장 발생 확률의 연산을 구하는 시점(현 시점만인가, 장래에 걸친 수년분인가 등), 어떠한 리스크 매트릭스를 표시시킬 것인가에 관한 정보를 들 수 있다.
고장 발생 확률 연산 처리부(32)는, 도 2에 도시한 바와 같이, 대상 기기군(증기 이용 기기군 등)에 포함되는 각 프로세스 기기의 고장 발생 확률을 연산하는 프로세스 기기 연산부(33)와, 프로세스 기기 연산부(33)에서 연산된 각 프로세스 기기의 고장 발생 확률에 기초하여, 대상 기기군에 포함되는 각 프로세스 기기군의 고장 발생 확률을 연산하는 프로세스 기기군 연산부(34)와, 대상 기기군에 포함되는 증기 이용 기기의 고장 발생 확률을 연산하는 증기 이용 기기 연산부(35)와, 프로세스 기기군 연산부(34)에서 연산된 각 프로세스 기기군의 고장 발생 확률이나 증기 이용 기기 연산부(35)에서 연산된 고장 발생 확률에 기초하여, 대상 기기군의 고장 발생 확률을 연산하는 연산 대상 기기군 연산부(36)를 구비하고 있다.
프로세스 기기 연산부(33)는, 도 3에 도시한 바와 같이, 대상으로 하는 대상 프로세스 기기에 대한, 시간 경과에 대한 고장 발생 확률 변화를 나타내는 대상 고장 곡선을 연산하는 대상 고장 곡선 연산부(331)와, 연산된 대상 고장 곡선에 기초하여, 대상 프로세스 기기의 고장 발생 확률을 연산하는 고장 발생 확률 연산부(339)를 구비하고 있고, 프로세스 기기마다, 미리 정한 모델과, 그 모델에 있어서의 파라미터이며 개개의 프로세스 기기에 따라 구한 파라미터에 기초하여 고장 곡선을 연산하여, 이러한 고장 곡선에 기초하여 고장 발생 확률을 연산하도록 되어 있다.
대상 고장 곡선 연산부(331)는, 대상 고장 곡선을 연산하기 위하여, 파라미터 보관부(332)와, 연산 조건 취득부(333)와, 파라미터 취득부(335)와, 보정 방법 보관부(335)와, 파라미터 보정부(336)와, 고장 곡선 연산부(337)와, 고장 곡선 보정부(338)를 구비하고 있고, 연산 대상으로 하는 개개의 프로세스 기기에 따른 파라미터를 구하고, 이에 기초하여 대상 고장 곡선을 연산하도록 되어 있다.
파라미터 보관부(332)는, 데이터 베이스 서버(4)의 연산용 데이터에 기초하여, 대상 고장 곡선의 연산을 위한 파라미터를 연산하여 보관하는 것이다. 보다 상세하게는, 프로세스 기기의 각 형식에 대하여, 당해 프로세스 기기가 설치되는 배관계에 관련된 항목인 배관계 관련 항목에 관련된 하나 또는 복수의 파라미터를 연산하여 보관하는 것이다. 그리고, 이를 위하여, 파라미터 보관부(332)는, 파라미터를 연산하는 파라미터 연산부(332a)와 연산한 파라미터를 저장하는 파라미터 저장부(332b)를 구비하고 있다.
파라미터 연산부(332a)는, 파라미터의 연산을 위하여, 먼저, 데이터 베이스 서버(4)로부터 데이터를 취득한다. 상기한 바와 같이, 데이터 베이스 서버(4)는, 증기 플랜트(2)마다의 각 구성 요소의 정보를 수집하여 보관함으로써, 다수의 프로세스 기기에 관한 다양한 정보를 기억한 것으로 되어 있고, 파라미터 연산부(332a)에서의 연산에 사용하는 연산용 데이터로서, 다수의 프로세스 기기에 관하여, 형식과, 당해 프로세스 기기가 설치되는 배관계에 관련된 항목인 배관계 관련 항목과, 고장날 때까지의 년수인 고장 년수를 프로세스 기기마다 기억한 것으로 되어 있다. 본 실시 형태에서는, 설치 관련 항목으로서, 당해 배관계의 이용 형태에 관한 항목을 사용하고 있으며, 구체적으로는, 이용 형태로서, 배관계의 용도(증기 사용 기기에 증기를 수송하는 것인가, 증기 사용 기기에서 발생한 드레인을 배출하는 것인가, 트레이스에서 사용되는 것인가 등), 흐르는 증기의 압력 크기, 직경 사이즈, 증기의 흐르는 방법(증기가 단속적으로 흐르는지의 여부, 유량의 시간 변화는 있는가 등) 등의 항목을 사용하고 있다. 또한, 고장 년수에 대해서는 고장의 종류별로 분류되어 있고, 파라미터 연산부(332a)는, 고장의 종류마다, 형식, 배관계 관련 항목 및 고장 년수를 취득하도록 되어 있다.
그리고, 파라미터 연산부(332a)는 데이터 베이스 서버(4)로부터 상기 연산용 데이터를 취득하고, 형식마다, 각 고장의 종류에 대하여, 각 배관계 관련 항목이 고장 년수에 미치는 영향의 정도를 평가하고, 배관계 관련 항목마다 영향의 정도를 수치화하여 파라미터를 구한다. 예를 들어, 배관계 관련 항목 중, 배관계의 용도나 증기의 흐르는 방법에 대해서는, 용도나 흐르는 방법마다에 대응하는 파라미터를 구하고, 흐르는 증기의 압력 크기나 직경 사이즈에 대해서는, 그 크기나 사이즈에 대하여 대, 중, 소 등의 복수단의 레벨을 설정하고, 레벨마다에 대응하는 파라미터를 구한다. 또한, 파라미터의 연산 방법은, 연산용 데이터에 기초하여, 각종 통계적 방법을 사용하여 구할 수 있고, 예를 들어 통계 분류 알고리즘, 회귀 분석, 생존 시간 해석 등을 들 수 있다. 그리고, 본 실시 형태에서는, 파라미터 연산부(332a)는, 파라미터를 산출하는데 있어서, 일례로서 생존 시간 해석을 사용하고, 연산용 데이터에 있어서의 각 프로세스 기기의 배관계 관련 항목과 고장 년수에 기초하여, 각 배관계 관련 항목을 공변량으로 하여 생존 시간 해석을 행하고, 고장 년수에 부여하는 배관계 관련 항목의 영향을 평가하고, 파라미터를 연산한다. 생존 시간 해석에 사용하는 모델로서는, 예를 들어 비례 해저드 모델이나 와이블 분포 모델 등, 각종 모델을 들 수 있다.
파라미터 저장부(332b)에는, 파라미터 연산부(332a)에서 구한 각 배관계 관련 항목에 따른 파라미터가, 고장 곡선의 연산을 위한 파라미터로서 형식·고장의 종류마다에 저장된다. 즉, 파라미터 저장부(332b)에는, 각 형식에 대하여, 고장의 종류마다, 각 배관계 관련 항목에 대응하는 하나 또는 복수의 파라미터가 저장된 상태로 되어 있다.
연산 조건 취득부(333)는, 대상 프로세스 기기에 관한 형식, 배관계 관련 항목, 후술하는 기기 관련 항목 및 후술하는 작업 관련 항목을 취득하는 것이다. 본 실시 형태에서는, 연산 조건 취득부(333)는, 입출력 처리부(31)로부터 대상으로 하는 기기군에 관한 식별 정보를 취득하고, 데이터 베이스 서버(4)로부터, 이 식별 정보에 대응하는 기기군에 포함되는 각 프로세스 기기의 형식이나 배관계 관련 항목, 후술하는 기기 관련 항목 및 작업 관련 항목을 취득하도록 되어 있다. 또한, 연산 조건 취득부(333)는, 데이터 베이스 서버(4)로부터, 각 프로세스 기기의 설치 년수를 취득함과 함께, 입출력 처리부(31)로부터 대상 고장 발생 확률을 연산시키는 시점에 관한 연산 시점 정보(현 시점의 고장 발생 확률을 연산할 것인가, 현 시점부터 장래에 걸친 복수년 분의 고장 발생 확률을 연산할 것인가 등)를 취득하도록 되어 있다. 기타, 연산 조건 취득부(333)는, 입출력 처리부(31)에 대하여 고장 발생 확률을 구하는 고장의 종류가 지시되어 있는 경우에는, 연산해야 할 고장의 종류도 취득한다.
파라미터 취득부(335)는, 취득된 대상 프로세스 기기에 관한 형식 및 배관계 관련 항목과 파라미터 보관부(332)에 보관된 파라미터에 기초하여, 대상 고장 곡선을 도출하는 연산용 파라미터를 취득한다. 이에 의해, 대상으로 하는 프로세스 기기에 따른 파라미터가 얻어진다. 또한, 파라미터 취득부(335)는, 연산 조건 취득부(333)가 연산해야 할 고장의 종류도 취득하고 있을 때에는, 취득한 고장의 종류에 관한 연산용 파라미터를 취득하고, 연산 조건 취득부(333)가 고장의 종류를 취득하고 있지 않을 때에는, 각 고장의 종류 모두에 대하여, 각각 연산용 파라미터를 취득한다. 또한, 파라미터 취득부(335)는, 파라미터 보관부(332)로부터 배관계 관련 항목과 대응하는 파라미터를 연산용 파라미터로서 취득하기만 해도 좋고, 취득한 파라미터로부터 연산용 파라미터를 산출하도록 해도 좋다.
보정 방법 보관부(335)는, 프로세스 기기 자체에 관련된 기기 관련 항목 및 프로세스 기기에 대하여 실행된 작업에 관한 작업 관련 항목과 대응하는 보정 방법을 보관하는 것이다. 즉, 파라미터 취득부(335)에서 취득한 파라미터는 배관계 관련 항목에 기초하는 것으로, 개개의 프로세스 기기의 성능(용량 등)이나, 개개의 프로세스 기기에 대하여 설치되어 있는 부가적 구성(센서, 보호 커버, 사용되어 있는 소재 등) 등, 개개의 프로세스 기기의 실정을 반영한 것으로는 되어 있지 않다. 따라서, 파라미터 보관부(332)에 보관된 파라미터나 이 파라미터에 기초하여 연산된 고장 곡선을, 대상으로 하는 프로세스 기기의 개별적 사정인 기기 관련 항목이나 작업 관련 항목에 따라 보정하기 위하여, 보정 방법 보관부(335)에 의해, 각 기기 관련 항목 및 각 작업 관련 항목과 대응하는 보정 방법을 보관한다.
기기 관련 항목으로서는, 대상 프로세스 기기에 대하여 설치된 부가적 구성에 관한 항목(센서, 보호 커버, 자동적으로 보수 작업하는 기기의 유무, 사용되어 있는 소재 등), 프로세스 기기의 설치 상태·성능에 관한 항목(주위의 환경, 워터 해머가 일어나기 쉬운 장소인가, 잘못된 설치 방법이 행해져 있지 않은가, 용량 등)을 들 수 있고, 작업 관련 항목으로서는, 보수 작업이 행해졌는지의 여부, 언제 보수 작업이 행해졌는가, 보수 작업의 종류, 행한 보수 작업의 효과 정도 등을 들 수 있다. 그리고, 상기한 바와 같이 연산 조건 취득부(333)는, 대상으로 하는 각 프로세스 기기에 관한 각 기기 관련 항목 및 각 작업 관련 항목을 취득하도록 되어 있다. 또한, 보정 방법은 특별히 한정되지 않지만, 예를 들어 각 기기 관련 항목에 대응하는 값에서 연산용 파라미터를 승산, 제산 등 적당한 연산 방법으로 보정하거나, 작업이 행해진 시점을 기점으로 하여 미리 정한 연산 수순에 따라 고장 곡선을 보정하는 것을 들 수 있다.
파라미터 보정부(336)는, 취득된 기기 관련 항목에 대응하는 보정 방법을 보정 방법 보관부(335)로부터 취득하고, 취득한 보정 방법에 기초하여, 파라미터 취득부(335)가 취득한 연산용 파라미터를 보정한다. 즉, 프로세스 기기에 관한 소위 객관적인 배관계 관련 항목에 기초하여 구한 연산용 파라미터를, 또한, 소위 주관적인 프로세스 기기 자체에 관련된 기기 관련 항목으로 보정하므로, 개개의 프로세스 기기의 실정에 입각한 연산용 파라미터를 얻을 수 있다. 또한, 도 8에, 파라미터 보정부(336)에 의해 연산용 파라미터가 보정되지 않은 경우와 보정된 경우의 일례를 나타낸다.
고장 곡선 연산부(337)는, 미리 정한 고장 곡선 산출용 모델과 보정 후의 연산용 파라미터에 기초하여, 예를 들어 도 7에 도시한 바와 같은 대상 고장 곡선을 연산한다. 또한, 사용하는 모델로서는, 정규 분포나 포아송 분포, 와이블 분포 등에 기초하는 적당한 누적 확률 분포 모델을 사용할 수 있다. 또한, 고장 곡선 연산부(337)는, 고장의 종류마다 고장 발생 확률을 연산할 경우, 대상 프로세스 기기에 대하여, 고장의 종류마다 대상 고장 곡선을 연산하도록 되어 있다.
고장 곡선 보정부(338)는, 프로세스 기기에 대하여 실행된 작업에 관한 항목인 작업 관련 항목에 기초하여, 고장 곡선 연산부(337)에서 연산된 대상 고장 곡선을 보정하는 것이다. 구체적으로는, 보수 작업이 행해지고 있던 경우, 취득된 작업 관련 항목에 대응하는 보정 방법을 보정 방법 보관부(335)로부터 취득하고, 취득한 보정 방법에 기초하여, 고장 곡선 연산부(337)에서 연산된 대상 고장 곡선을 보정한다.
고장 발생 확률 연산부(339)는, 고장 곡선 연산부(337)에서 연산된 대상 고장 곡선 또는 고장 곡선 보정부(338)에서 보정된 대상 고장 곡선과, 연산 조건 취득부(333)가 취득한 연산 시점 정보에 기초하여, 각 프로세스 기기에 대하여 고장 발생 확률을 연산한다. 예를 들어, 고장 발생 확률 연산부(339)는, 현 시점의 고장 발생 확률을 연산할 때, 대상으로 하는 프로세스 기기의 설치 년수에 대응하는 고장 발생 확률을 대상 고장 곡선으로부터 구한다(도 7 참조). 또한, 고장 발생 확률 연산부(339)는, 현 시점부터 장래에 걸친 복수년 분의 고장 발생 확률을 연산할 때는, 대상으로 하는 프로세스 기기의 설치 년수를 기준으로 하여, 그 1년 후, 2년 후 등의 각 년에 대응하는 고장 발생 확률을 대상 고장 곡선으로부터 구한다. 또한, 고장 발생 확률 연산부(339)는, 고장의 종류마다 고장 발생 확률을 연산할 경우, 대상 프로세스 기기에 대하여, 연산된 각 대상 고장 곡선에 기초하여, 고장의 종류마다 고장 발생 확률을 연산하도록 되어 있다.
이상과 같이, 프로세스 기기 연산부(33)에서는,
(1) 데이터 베이스 서버(4)의 연산용 데이터에 기초하여, 대상 고장 곡선의 연산을 위한, 배관계 관련 항목에 관련된 하나 또는 복수의 파라미터를 연산하여 보관하는 파라미터 보관 공정과,
(2) 대상 프로세스 기기에 관한 형식, 배관계 관련 항목, 기기 관련 항목, 작업 관련 항목을 취득하는 연산 조건 취득 공정과,
(3) 취득된 대상 프로세스 기기에 관한 배관계 관련 항목과 파라미터 보관 공정에서 보관된 파라미터에 기초하여, 대상 고장 곡선을 도출하는 연산용 파라미터를 취득하는 파라미터 취득 공정과,
(4) 취득된 기기 관련 항목에 대응하는 보정 방법에 기초하여, 연산용 파라미터를 보정하는 파라미터 보정 공정과,
(5) 연산용 파라미터에 기초하여, 대상 고장 곡선을 연산하는 고장 곡선 연산 공정과,
(6) 취득된 작업 관련 항목에 기초하여, 대상 고장 곡선을 연산하는 고장 곡선 보정 공정과,
(7)연산된 대상 고장 곡선에 기초하여, 대상 프로세스 기기의 고장 발생 확률을 연산하는 고장 발생 확률 연산 공정이 행해져 대상으로 하는 각 프로세스 기기에 관한 고장 발생 확률이 연산된다.
프로세스 기기군 연산부(34)는, 하나의 배관계와, 당해 배관계에 설치되는 복수의 프로세스 기기로 이루어지는 프로세스 기기군의 고장 발생 확률을 연산하는 것으로, 본 실시 형태에서는, 프로세스 기기 연산부(33)에서 연산된 각 프로세스 기기의 고장 발생 확률에 기초하여, 프로세스 기기군의 고장 발생 확률을 연산하도록 되어 있다. 그리고, 이를 위하여, 프로세스 기기군 연산부(34)는, 연산 방법 기억부(341)와, 개별 확률 취득부(342)와, 배치 관계 취득부(343)와, 고장 발생 확률 연산부(344)를 구비하고 있다(도 4).
연산 방법 기억부(341)는, 프로세스 기기군을 구성하는 각 프로세스 기기간의 배치 관계에 따른 고장 발생 확률의 연산 방법을 기억하는 것이다. 본 실시 형태에서는, 연산 방법 기억부(341)는, 연산 방법으로서, 각 프로세스 기기가 병렬 관계에 있을 때의 병렬 연산 방법과 각 프로세스 기기가 직렬 관계에 있을 때의 직렬 연산 방법을 기억하고 있다. 예를 들어, 본 실시 형태에서는, 병렬 연산 방법으로서, 병렬 관계에 있는 각 프로세스 기기의 고장 발생 확률을 곱셈하여 프로세스 기기군의 고장 발생 확률을 연산하고, 직렬 연산 방법으로서, 직렬 관계에 있는 각 프로세스 기기의 고장 발생 확률 중에서 최대의 것을 프로세스 기기군의 고장 발생 확률로서 구하도록 되어 있다.
개별 확률 취득부(342)는, 대상으로 하는 대상 프로세스 기기군에 있어서의 프로세스 기기(대상 프로세스 기기) 각각에 관한 고장 발생 확률(개별 확률)을 취득하는 것이며, 본 실시 형태에서는, 프로세스 기기 연산부(33)에서 연산된 각 프로세스 기기의 고장 발생 확률을 개별 확률로서 취득한다.
배치 관계 취득부(343)는, 대상 프로세스 기기군에 있어서의 각 대상 프로세스 기기의 상호 배치 관계인 대상 배치 관계를 취득하는 것이다. 본 실시 형태에서는, 배치 관계 취득부(343)는, 입출력 처리부(31)로부터 대상으로 하는 기기군에 관한 식별 정보를 취득하고, 데이터 베이스 서버(4)로부터, 이 식별 정보에 대응하는 기기군에 포함되는 각 프로세스 기기군의 식별 정보, 각 프로세스 기기군을 구성하는 각 프로세스 기기의 식별 정보, 각 프로세스 기기군에 있어서의 각 프로세스 기기의 배치 관계를 취득하도록 되어 있다. 즉, 배치 관계 취득부(343)는, 개별 확률 취득부(342)가 고장 발생 확률을 취득한 프로세스 기기 중, 어느 프로세스 기기가 같은 프로세스 기기군에 속하는 것인가, 동일한 프로세스 기기군에 속하는 프로세스 기기가 서로 어떤 배치 관계에 있는 것인가를 취득하도록 되어 있다.
고장 발생 확률 연산부(344)는, 배치 관계 취득부(343)에서 취득된 대상 배치 관계에 대응하는 연산 방법에 기초하여, 취득한 각 개별 확률을 사용하여 대상 프로세스 기기군의 고장 발생 확률을 연산하는 것이다. 예를 들어, 대상 프로세스 기기군에 속하는 프로세스 기기가 병렬 관계에 있을 경우에는, 개별 확률을 곱셈한 것을 대상 프로세스 기기군의 고장 발생 확률로서 연산하고, 대상 프로세스 기기군에 속하는 프로세스 기기가 직렬 관계에 있을 경우에는, 개별 확률 중 최대의 것을 대상 프로세스 기기군의 고장 발생 확률로서 연산한다. 예를 들어, 개별 확률이 P1, P2, P3일 때, 병렬 연산 방법에 의하면, 고장 발생 확률(P) = (P1 Х P2 Х P3)이 되고, 직렬 연산 방법에 의하면, 고장 발생 확률(P) = max(P1, P2, P3)이 된다.
또한, 도 9에 도시한 바와 같이, 프로세스 기기군에 따라서는, 병렬 배치 관계에 있는 일군의 프로세스 기기(이하, 병렬 기기군이라고 한다. 예를 들어 도 9에 나타내는 증기 트랩(223D)과 증기 트랩(223E)으로 이루어지는 군)가 존재하고, 이 병렬 기기군에 포함되지 않는 다른 대상 프로세스 기기(예를 들어, 도 9에 나타내는 증기 트랩(223F))가 있을 때나, 병렬 기기군이 복수 있을 때에는, 상기한 병렬 연산 방법과 직렬 연산 방법 중 한쪽만으로는 고장 발생 확률을 연산할 수 없다. 따라서, 본 실시 형태에서는, 이러한 복잡 관계(병렬 연산 방법과 직렬 연산 방법을 조합하여 고장 발생 확률을 연산할 필요가 있는 관계)가 있을 때, 배치 관계 취득부(343)는, 대상 배치 관계로서, 먼저, 하나 또는 복수의 병렬 기기군을 특정하고, 병렬 기기군을 하나의 단위로 하여, 병렬 기기군의 각각 또는 병렬 기기군과 다른 대상 프로세스 기기를 직렬 기기군으로서 특정한다. 그리고, 고장 발생 확률 연산부(344)는, 복잡 관계가 존재할 때, 병렬 연산 방법에 기초하여, 각 병렬 기기군에 대하여, 병렬 기기군을 구성하는 대상 프로세스 기기의 각 개별 확률을 사용하여, 병렬 기기군에 관한 고장 발생 확률을 연산하고, 직렬 연산 방법에 기초하여, 병렬 기기군의 각각의 고장 발생 확률 또는 하나 혹은 복수의 병렬 기기군의 고장 발생 확률과 다른 대상 프로세스 기기의 개별 확률을 사용하여, 직렬 기기군의 고장 확률을 연산함으로써, 대상 고장 발생 확률을 연산하도록 되어 있다.
예를 들어, 도 9에 있어서의 프로세스 기기군(224B)에 대해서는, 배치 관계 취득부(343)는, 대상 배치 관계로서, 먼저, 증기 트랩(223D) 및 증기 트랩(223E)를 병렬 기기군으로서 특정하고, 이 병렬 기기군과 증기 트랩(223F)을 직렬 기기군으로서 특정한다. 그리고, 증기 트랩(223D 내지 223F)의 고장 발생 확률을 각각 PD, PE, PF로 하면, 고장 발생 확률 연산부(344)는, 증기 트랩(223D) 및 증기 트랩(223E)으로 이루어지는 병렬 기기군에 대하여, 이 병렬 기기군의 고장 발생 확률(PDE)를 PDE = (PD Х PE)에 의해 구한다. 또한, 고장 발생 확률 연산부(344)는, 증기 트랩(223D) 및 증기 트랩(223E)의 병렬 기기군과 증기 트랩(F)으로 이루어지는 직렬 기기군의 고장 발생 확률(PDEF)를 PDEF = max((PD Х PE), PF)에 의해 구하고, 이를 프로세스 기기군(224B)의 고장 발생 확률로서 연산한다. 또한, 병렬 기기군이 복수 있을 때에는, 고장 발생 확률 연산부(344)는, 각 병렬 기기군에 관한 고장 발생 확률을 구하고, 구한 각 병렬 기기군의 고장 발생 확률과 병렬 기기군에 속하지 않는 대상 프로세스 기기가 있을 때는 그 개별 확률에 기초하여 직렬 연산 방법을 적용하여 고장 발생 확률을 얻는다.
또한, 도 9의 프로세스 기기군(224A)과 같이, 병렬 기기군(증기 트랩(223A 내지 223C))이 존재하고, 그 병렬 기기군 중에 서로 직렬 배치 관계에 있는 일군의 대상 프로세스 기기(증기 트랩(223B, 223C). 이하, 서브 직렬 기기군이라고 한다)가 하나 또는 복수 존재할 때에도, 병렬 연산 방법과 직렬 연산 방법 중 한쪽만으로는 고장 발생 확률을 연산할 수 없다. 따라서, 본 실시 형태에서는, 대상 배치 관계 취득부(343)는, 대상으로 하는 프로세스 기기군에 병렬 기기군 및 서브 직렬 기기군이 존재할 때, 대상 배치 관계로서, 병렬 기기군과 서브 직렬 기기군을 특정한다. 그리고, 고장 발생 확률 연산부(344)는, 병렬 기기군 및 서브 직렬 기기군이 존재할 때, 먼저 직렬 연산 방법에 기초하여, 서브 직렬 기기군을 구성하는 대상 프로세스 기기의 각 개별 확률을 사용하여, 하나 또는 복수의 서브 직렬 기기군에 관한 고장 발생 확률을 연산한다. 그리고, 병렬 연산 방법에 기초하여, 하나 또는 복수의 서브 직렬 기기군에 관한 고장 발생 확률이나, 서브 직렬 기기군에 속하지 않는 대상 프로세스 기기가 있을 때는 그 개별 확률을 사용하여, 병렬 기기군에 관한 고장 발생 확률을 연산한다.
예를 들어, 도 9의 프로세스 기기군(224A)에 대해서는, 대상 배치 관계 취득부(343)는, 대상 배치 관계로서, 증기 트랩(223A 내지 223C)을 병렬 기기군으로 특정하고, 또한 증기 트랩(223B, 223C)을 서브 직렬 기기군으로 특정한다. 그리고, 증기 트랩(223A 내지 223C)의 고장 발생 확률을 각각 PA, PB, PC로 하면, 고장 발생 확률 연산부(344)는, 증기 트랩(223B) 및 증기 트랩(223C)으로 이루어지는 서브 직렬 기기군에 대하여, 서브 직렬 기기군의 고장 발생 확률(PBC)를 PBC = max(PB, PC)에 의해 구한다. 또한, 고장 발생 확률 연산부(344)는, 증기 트랩(223A 내지 223C)으로 이루어지는 병렬 기기군의 고장 발생 확률(PABC)을 PABC = (PA Х max(PB, PC))에 의해 구하고, 이를 프로세스 기기군(224A)의 고장 발생 확률로서 연산한다. 또한, 병렬 기기군에 있어서의 병렬 관계에 있는 배관의 각각에 서브 직렬 기기군이 존재할 때는, 고장 발생 확률 연산부(344)는, 각 서브 직렬 기기군의 고장 발생 확률을 구한 뒤, 서브 직렬 기기군을 하나의 단위로 하여 병렬 연산 방법에 기초하여 병렬 기기군의 고장 발생 확률을 구한다.
또한, 병렬 기기군이 존재해도, 병렬 기기군을 구성하는 프로세스 기기의 한쪽의 성능(용량 등)이, 적용되는 증기 이용 기기에 대한 관계에서 요구되는 성능을 만족하고 있지 않는 경우(예를 들어, 증기 이용 기기로부터 배출되는 드레인의 양에 비하여 증기 트랩의 용량이 불충분한 경우 등)에는, 실제로는 병렬 관계에 있어도, 실질적으로는 병렬인 것으로서 기능하지 않게 된다. 따라서, 대상 배치 관계 취득부(343)는, 병렬 기기군이 존재할 때, 병렬 기기군을 구성하는 대상 프로세스 기기의 성능이 요구되는 성능을 만족하고 있는지를 판정하고, 적어도 병렬 관계에 있는 일측의 모든 대상 프로세스 기기의 성능이 요구되는 성능을 만족하지 않고 있을 때는, 대상 배치 관계로서, 병렬 기기군을 구성하는 대상 프로세스 기기가 직렬 관계에 있다고 특정한다.
예를 들어, 도 9에 있어서의 프로세스 기기군(224B)에 있어서, 증기 트랩(223D) 및 증기 트랩(223E)으로 이루어지는 병렬 기기군에 대하여, 증기 트랩(223D) 및 증기 트랩(223E)의 한쪽이 증기 이용 기기(221)에 대한 관계에서 요구되는 성능을 만족하고 있지 않는 경우, 대상 배치 관계 취득부(343)는, 증기 트랩(223D) 및 증기 트랩(223E)으로 이루어지는 병렬 기기군을 직렬 관계에 있다고 특정한다. 이 경우, 프로세스 기기군(224B)에 있어서의 증기 트랩(223D 내지 223F)이 모두 직렬 관계에 있다고 취급되고, 고장 발생 확률 연산부(344)는, 프로세스 기기군(224B)의 고장 발생 확률(PDEF) = max(PD, PE, PF)에 의해 구한다. 또한, 도 9에 있어서의 프로세스 기기군(224A)에 있어서, 증기 트랩(223A 내지 223C) 중, 증기 트랩(223B) 또는 증기 트랩(223C)의 성능만이 요구되는 성능을 만족하고 있지 않는 경우에는, 대상 배치 관계 취득부(343)는, 증기 트랩(223A 내지 223C)이 병렬 관계에 있다고 특정하지만, 증기 트랩(223B) 및 증기 트랩(223C)의 양쪽의 성능 또는 증기 트랩(223A)의 성능이 요구되는 성능을 만족하고 있지 않는 경우, 프로세스 기기군(224A)에 있어서의 증기 트랩(223A 내지 223C)이 모두 직렬 관계에 있다고 취급되고, 고장 발생 확률 연산부(344)는, 프로세스 기기군(224A)의 고장 발생 확률(PABC) = max(PA, PB, PC)에 의해 구한다.
이상과 같이, 프로세스 기기군 연산부(34)에서는,
(1) 프로세스 기기군을 구성하는 각 프로세스 기기간의 배치 관계에 따른 고장 발생 확률의 연산 방법을 기억하는 연산 방법 기억 공정과,
(2) 대상으로 하는 대상 프로세스 기기군에 있어서의 프로세스 기기인 대상 프로세스 기기 각각에 대하여 고장 발생 확률인 개별 확률을 취득하는 개별 확률 취득 공정과,
(3) 대상 프로세스 기기군에 있어서의 각 대상 프로세스 기기의 상호 배치 관계인 대상 배치 관계를 취득하는 배치 관계 취득 공정과,
(4) 대상 배치 관계에 대응하는 연산 방법에 기초하여, 취득한 각 개별 확률을 사용하여 대상 프로세스 기기군의 고장 발생 확률인 대상 고장 발생 확률을 연산하는 고장 발생 확률 연산 공정이 행해져, 대상으로 하는 각 프로세스 기기군에 관한 고장 발생 확률이 연산된다.
증기 이용 기기 연산부(35)는, 대상으로 하는 기기군에 포함되는 증기 이용 기기의 고장 발생 확률을 연산하는 것으로, 본 실시 형태에서는, 이를 위하여, 대상으로 하는 대상 증기 이용 기기에 관한, 시간 경과에 대한 고장 발생 확률 변화를 나타내는 대상 고장 곡선을 연산하는 대상 고장 곡선 연산부(351)와, 산출된 대상 고장 곡선에 기초하여, 대상 증기 이용 기기의 고장 발생 확률을 연산하는 고장 발생 확률 연산부(357)를 구비하고 있다(도 5).
대상 고장 곡선 연산부(351)는, 대상 고장 곡선을 연산하기 위하여, 연산 조건 취득부(352)와, 파라미터 취득부(353)와, 보정 방법 보관부(354)와, 파라미터 보정부(355)와, 고장 곡선 연산부(356)를 구비하고, 연산 대상으로 하는 증기 이용 기기에 따른 파라미터를 구하고, 이에 기초하여 대상 고장 곡선을 연산하도록 되어 있다.
연산 조건 취득부(352)는, 대상으로 하는 증기 이용 기기의 종류, 증기 이용 기기의 사용 상태에 관련된 보정 항목, 증기 이용 기기의 설치 년수, 고장 발생 확률을 연산시키는 시점에 관한 연산 시점 정보(현 시점의 고장 발생 확률을 연산할 것인가, 현 시점부터 장래에 걸친 복수년 분의 고장 발생 확률을 연산할 것인가 등)를 취득하는 것이다. 본 실시 형태에서는, 연산 조건 취득부(352)는, 입출력 처리부(31)로부터 대상으로 하는 기기군에 관한 식별 정보 및 연산 시점 정보를 취득하고, 데이터 베이스 서버(4)로부터, 이 식별 정보에 대응하는 기기군에 포함되는 증기 이용 기기의 식별 정보와, 이 식별 정보에 대응하는 증기 이용 기기의 종류, 보정 항목, 설치 년수를 취득하도록 되어 있다. 기타, 연산 조건 취득부(352)는, 입출력 처리부(31)에 대하여 고장 발생 확률을 구하는 고장의 종류가 지시되어 있는 경우에는, 연산해야 할 고장의 종류도 취득한다.
파라미터 취득부(353)는, 증기 이용 기기의 종류마다 대상 고장 곡선의 연산을 위한 파라미터를 기억하고 있는 데이터베이스(6)로부터, 대상 증기 이용 기기에 대응하는 연산용 파라미터를 취득하는 것이다. 예를 들어, 데이터베이스(6)로서는, 상기한 파라미터 보관부(332)와 같이 데이터 베이스 서버(4)에서 수집한 데이터에 기초하여 산출한 파라미터를 보관하는 것을 사용해도 좋고, 증기 이용 기기에 관한 고장 곡선을 연산하기 위한 파라미터가 보관된 데이터베이스로서 일반적으로 공개되어 있는 것을 사용해도 좋다. 본 실시 형태에서는, 파라미터 취득부(353)는, 연산 조건 취득부(352)에서 취득된 증기 이용 기기의 종류에 대응하는 연산용 파라미터를 데이터베이스(6)로부터 취득하도록 되어 있다. 또한, 파라미터 취득부(353)는, 연산 조건 취득부(352)가 연산해야 할 고장의 종류도 취득하고 있을 때에는, 취득한 고장의 종류에 관한 연산용 파라미터를 취득하고, 연산 조건 취득부(352)가 고장의 종류를 취득하고 있지 않을 때에는, 각 고장의 종류 모두에 대하여, 각각 연산용 파라미터를 취득한다.
보정 방법 보관부(354)는, 증기 이용 기기의 종류마다, 당해 증기 이용 기기의 각 보정 항목과 이에 대응하는 보정 방법을 보관하는 것이다. 본 실시 형태에서는, 보정 항목으로서, 증기 이용 기기에 대하여 설치된 부가적 구성에 관한 항목(증기 세퍼레이터 등의 부가적 구성의 유무나 관련지어진 프로세스 기기의 수 등), 증기 이용 기기의 설치 상태·사용 상태·성능에 관한 항목(사용 상태가 성능을 초과한 것이 아닌가, 워터 해머가 일어나기 쉬운 장소인가, 사용 빈도나 시간), 증기 이용 기기에 대하여 실행된 작업에 관한 항목(보수 작업이 행해졌는지의 여부, 언제 보수 작업이 행해졌는가, 보수 작업의 종류, 행한 보수 작업의 효과 정도 등)이 채용되어 있다. 또한, 보정 방법은 특별히 한정되지 않지만, 예를 들어 각 보정 항목에 대응하는 값에서 연산용 파라미터를 승산, 제산 등 적당한 연산 방법으로 보정하는 것을 들 수 있다.
파라미터 보정부(355)는, 취득된 보정 항목에 대응하는 보정 방법에 기초하여, 연산용 파라미터를 보정한다. 파라미터 보정부(355)에 의하면, 증기 이용 기기에 관한 연산용 파라미터를, 또한, 증기 이용 기기의 실정에 따른 보정 관련 항목에 기초하여 보정하므로, 개개의 프로세스 기기의 실정에 입각한 연산용 파라미터를 얻을 수 있다.
고장 곡선 연산부(356)는, 미리 정한 고장 곡선 산출용 모델과 보정 후의 연산용 파라미터에 기초하여, 대상 고장 곡선을 연산한다. 또한, 사용하는 모델로서는, 특별히 한정되지 않지만, 고장 곡선 연산부(337)와 마찬가지의 것을 사용하면 된다. 또한, 고장 곡선 연산부(356)는, 고장의 종류마다 고장 발생 확률을 연산할 경우, 증기 이용 기기에 대하여, 고장의 종류마다 대상 고장 곡선을 연산하도록 되어 있다. 또한, 고장 곡선 보정부(338)와 같이, 증기 이용 기기에 대하여 실행된 작업에 관한 항목에 기초하여, 연산된 대상 고장 곡선을 보정하도록 해도 좋다.
고장 발생 확률 연산부(357)는, 연산한 대상 고장 곡선과, 연산 조건 취득부(352)가 취득한 연산 시점 정보에 기초하여, 증기 이용 기기에 대하여 고장 발생 확률을 연산한다. 고장 발생 확률 연산부(357)는, 고장 발생 확률 연산부(339)와 마찬가지로 하여 고장 발생 확률을 연산하므로 설명은 생략한다.
이상과 같이, 증기 이용 기기 연산부(35)에서는,
(1) 대상 증기 이용 기기에 관한 형식이나 보정 항목 등을 취득하는 연산 조건 취득 공정과,
(2) 데이터베이스(6)로부터, 대상 증기 이용 기기에 대응하는 연산용 파라미터를 취득하는 파라미터 취득 공정과,
(3) 취득된 보정 항목에 대응하는 보정 방법에 기초하여, 연산용 파라미터를 보정하는 파라미터 보정 공정과,
(4) 연산용 파라미터에 기초하여, 대상 고장 곡선을 연산하는 고장 곡선 연산 공정과,
(5)연산된 대상 고장 곡선에 기초하여, 대상 프로세스 기기의 고장 발생 확률을 연산하는 고장 발생 확률 연산 공정이 행해져 대상으로 하는 증기 이용 기기에 관한 고장 발생 확률이 연산된다.
연산 대상 기기군 연산부(증기 이용 기기군 연산부에 상당)(36)는, 증기를 이용하는 증기 이용 기기와, 증기 이용 기기에 관련된 복수의 프로세스 기기군을 포함하는 일군의 증기 이용 기기군 등의 대상 기기군(연산 대상 기기군)의 고장 발생 확률을 연산하기 위하여, 프로세스 기기군의 고장 발생 확률을 취득하는 프로세스 기기군 취득부(361)와, 증기 이용 기기의 고장 발생 확률을 취득하는 증기 이용 기기 취득부(362)와, 취득한 각 프로세스 기기군의 고장 발생 확률과 증기 이용 기기의 고장 발생 확률을 사용하여 연산 대상 기기군의 고장 발생 확률을 연산하는 고장 발생 확률 연산부(363)를 구비하고 있다(도 6).
프로세스 기기군 취득부(361)는, 프로세스 기기군 연산부(34)의 고장 발생 확률 연산부(344)에서 연산된, 대상으로 하는 기기군을 구성하는 각 프로세스 기기군의 고장 발생 확률을 취득한다. 또한, 프로세스 기기군 취득부(361)는, 각 프로세스 기기군의 고장 발생 확률과 함께 식별 정보나 연산한 고장 발생 확률이 어느 시점의 것인가를 취득하도록 되어 있고, 복수의 기기군의 고장 발생 확률이나 복수의 시점의 고장 발생 확률을 연산할 경우에, 각 프로세스 기기군이 어느 연산 대상 기기군에 속하는 것인가나 각 고장 발생 확률이 언제 시점의 것인가를 식별할 수 있도록 되어 있다.
증기 이용 기기 취득부(362)는, 증기 이용 기기 연산부(35)의 고장 발생 확률 연산부(357)에 의해 연산된 고장 발생 확률을 취득한다. 그리고, 증기 이용 기기 취득부(362)는, 프로세스 기기군 취득부(361)와 마찬가지로, 증기 이용 기기의 고장 발생 확률과 함께 식별 정보나 연산한 고장 발생 확률이 어느 시점의 것인가를 취득하도록 되어 있다.
고장 발생 확률 연산부(363)는, 취득한 각 프로세스 기기군의 고장 발생 확률과 증기 이용 기기의 고장 발생 확률을 사용하여 연산 대상 기기군의 고장 발생 확률을 연산한다. 또한, 고장 발생 확률 연산부(363)는, 연산 대상 기기군이 증기 이용 기기를 포함하지 않는 트레이스 용도에 사용되는 기기군일 경우에는, 프로세스 기기군의 고장 발생 확률만을 사용하여 연산 대상 기기군의 고장 발생 확률을 연산한다. 연산 방법으로서는, 각 프로세스 기기군의 고장 발생 확률과 증기 이용 기기의 고장 발생 확률을 단순하게 곱셈하거나 해도 좋고, 프로세스 기기군 연산부(34)와 마찬가지로 하여 각각의 배치 관계를 고려한 연산 방법을 정하고, 배치 관계에 따른 연산 방법으로 고장 발생 확률을 구하도록 해도 좋고, 또한, 연산 대상 기기군에 있어서의 개별적 사정에 관한 항목을 사용하여 구한 고장 발생 확률을 보정하도록 해도 좋다. 또한, 복수의 연산 대상 기기군의 고장 발생 확률이나 복수의 시점의 고장 발생 확률을 연산할 경우에는, 동일한 연산 대상 기기군에 속하는 프로세스 기기군 및 증기 이용 기기를 식별 정보로부터 특정하여 동일한 연산 대상 기기군에 속하는 프로세스 기기군 및 증기 이용 기기의 고장 발생 확률로부터 각 연산 대상 기기군의 고장 발생 확률을 구하거나, 동일한 시점의 고장 발생 확률끼리를 조합하여 고장 발생 확률을 구하면 좋다.
이상과 같이, 고장 발생 확률 연산 처리부(32)에서는, 각 프로세스 기기, 각 프로세스 기기군, 각 증기 이용 기기 및 각 연산 대상 기기군에 관한 고장 발생 확률이 구해지고, 입출력 처리부(31)로부터의 지시에 따라, 각 프로세스 기기, 각 프로세스 기기군, 각 증기 이용 기기 및 각 연산 대상 기기군의 고장 발생 확률이, 식별 정보나 고장의 종류, 언제 시점의 고장 발생 확률인가의 정보와 함께, 표시 화상 연산 처리부(38)에 보내진다.
영향도 연산 처리부(37)는, 연산 대상 기기군 또는 각 구성 요소의 영향도를 연산하는 것이며, 연산 조건 취득부(371)와, 영향도 보관부(372)와, 영향도 취득부(373)와, 영향도 연산부(374)를 구비하고 있다.
연산 조건 취득부(371)는, 연산 대상 기기군을 구성하는 각 프로세스 기기나 증기 이용 기기의 종류나 형식을 취득하는 것이다. 본 실시 형태에서는, 연산 조건 취득부(371)는, 입출력 처리부(31)로부터 대상으로 하는 기기군에 관한 식별 정보를 취득하고, 데이터 베이스 서버(4)로부터, 이 식별 정보에 대응하는 기기군에 포함되는 각 프로세스 기기나 증기 이용 기기의 식별 정보와, 이 식별 정보에 대응하는 각 프로세스 기기나 증기 이용 기기의 종류나 형식을 취득하도록 되어 있다. 기타, 연산 조건 취득부(371)는, 입출력 처리부(31)에 대하여 고장 발생 확률을 구하는 고장의 종류가 지시되어 있는 경우에는, 연산해야 할 고장의 종류도 취득한다. 또한, 영향도 취득부(373)가 영향도를 취득하기 위한 판정 항목(고장에 의한 피해를 경감 또는 회피할 수 있는 장치 구성의 유무 등)을 정하고 있는 경우에는, 연산 조건 취득부(371)는, 그 판정 항목에 대해서도 각 프로세스 기기나 증기 이용 기기에 대하여 취득한다.
영향도 보관부(372)는, 각 프로세스 기기나 증기 이용 기기의 종류나 형식, 고장의 종류마다에 대응하는 영향도를 보관하는 것이다. 또한, 각 프로세스 기기나 증기 이용 기기의 종류나 형식마다, 소정의 판정 항목에 기초하여 영향도를 분류하여 보관하고, 판정 항목의 유무에 따라 다른 값의 영향도를 보관하도록 해도 좋다.
영향도 취득부(373)는, 영향도 보관부(372)로부터, 연산 조건 취득부(371)가 취득한 각 프로세스 기기나 증기 이용 기기의 종류나 형식에 대응하는 영향도를 취득하는 것이다. 또한, 연산 조건 취득부(371)가 판정 항목도 함께 취득하고 있는 경우에는, 영향도 취득부(373)는, 각 프로세스 기기나 증기 이용 기기의 종류나 형식과 그 판정 항목에 대응하는 영향도를 영향도 보관부(372)로부터 취득한다. 또한, 영향도 취득부(373)는, 연산 조건 취득부(371)가 연산해야 할 고장의 종류도 취득하고 있을 때에는, 취득한 고장의 종류에 관한 영향도를 취득하고, 연산 조건 취득부(371)가 고장의 종류를 취득하고 있지 않을 때에는, 각 고장의 종류 모두에 대하여, 각각 연산용 파라미터를 취득한다.
영향도 연산부(374)는, 영향도 취득부(373)에서 취득된 각 프로세스 기기나 증기 이용 기기의 영향도를, 소정의 연산 방법으로 조합하고, 프로세스 기기군이나 연산 대상 기기군의 영향도를 연산한다. 연산 방법으로서는, 단순히 가산하기만 해도 좋고, 미리 정한 모델에 따라 연산하도록 해도 좋다.
이상과 같이, 영향도 연산 처리부(37)에서는, 각 프로세스 기기, 각 프로세스 기기군, 각 증기 이용 기기 및 각 연산 대상 기기군에 관한 영향도가 구해지고, 입출력 처리부(31)로부터의 지시에 따라, 각 프로세스 기기, 각 프로세스 기기군, 각 증기 이용 기기 및 각 연산 대상 기기군의 영향도가, 식별 정보나 고장의 종류와 함께, 표시 화상 연산 처리부(38)에 보내진다.
표시 화상 연산 처리부(38)는, 대상으로 하는 기기군이나 구성 요소에 관한 고장 발생 확률을 취득하는 고장 발생 확률 취득부(381)와, 대상으로 하는 기기군이나 구성 요소에 대응하는 영향도를 취득하는 영향도 취득부(382)와, 화상 데이터의 표시 형태를 전환 가능한 모드 전환부(383)와, 화상 데이터를 생성하는 화상 데이터 생성부(384)를 구비하고 있고, 고장 발생 확률 및 고장이 발생했을 때의 영향도를 2축에 설정한 리스크 매트릭스 상에 고장 발생 확률 취득부(381)가 취득한 고장 발생 확률과 영향도 취득부(382)의 취득한 영향도의 조(즉 리스크)를 플롯한 플롯도를 표시하는 화상 데이터를 생성하는 것이다.
먼저, 모드 전환부(383)에 대하여 설명하면 모드 전환부(383)는, 생성하는 화상 데이터의 표시 형태가 다른 복수의 모드로 화상 데이터 생성부(384)를 전환하는 것이다. 모드 전환부(383)가 설정 가능한 모드로서는, 연산 대상 기기군 단위로 플롯한 플롯도를 표시하는 표시 데이터를 생성하는 연산 대상 기기군 단위 모드, 프로세스 기기군 단위로 플롯한 플롯도를 표시하는 표시 데이터를 생성하는 프로세스 기기군 단위 모드 및 기기군을 구성하는 각 구성 단위로 플롯한 플롯도를 표시하는 표시 데이터를 생성하는 구성 단위 모드의 표시 대상에 관한 3개의 모드, 이들 3개의 모드에 대한 옵션으로서, 경시적인 리스크의 변화를 플롯한 플롯도를 표시하는 표시 데이터를 생성하는 경시적 변화 표시 모드나, 플롯도와 함께 개선 항목을 표시하고, 선택된 개선 항목을 실시했을 경우의 개선 후의 리스크를 플롯한 플롯도를 표시하는 표시 데이터를 생성하는 개선 효과 표시 모드, 표시시키는 플롯도 상에 리스크 파악을 위한 기준선을 겹친 플롯도를 표시하는 기준선 표시 모드가 있다. 그리고, 모드 전환부(383)는, 입출력 처리부(31)로부터의 지시에 따라 화상 데이터 생성부(384)의 모드를 전환하도록 되어 있다.
고장 발생 확률 취득부(381)는, 고장 발생 확률 연산 처리부(32)에서 연산된 각 프로세스 기기, 각 프로세스 기기군, 각 증기 이용 기기 및 각 연산 대상 기기군의 고장 발생 확률의 동안 필요한 고장 발생 확률을 취득한다. 구체적으로는, 연산 대상 기기군 단위 모드에 있을 때는, 각 연산 대상 기기군의 고장 발생 확률(전체 고장 발생 확률이라고 한다)을 취득하고, 프로세스 기기군 단위 모드에 있을 때는, 전체 고장 발생 확률 외에 또는 이것 대신에 각 프로세스 기기군의 고장 발생 확률(중간 고장 발생 확률이라고 한다)을 취득하고, 구성 단위 모드에 있을 때는, 전체 고장 발생 확률이나 중간 고장 발생 확률 외에 또는 이것 대신에 연산 대상 기기군을 구성하는 각 구성(각 프로세스 기기나 각 증기 이용 기기) 각각에 관한 고장 발생 확률(개별 고장 발생 확률이라고 한다)을 취득한다.
또한, 고장 발생 확률 취득부(381)는, 경시적 변화 표시 모드에 있을 때는, 대상으로 하는 기기군이나 각 구성 요소에 대하여, 현 시점으로부터의 고장 발생 확률의 경시적인 변화를 나타내는 데이터군(복수 시점의 고장 발생 확률)을 취득하도록 되어 있다. 즉, 개선 효과 표시 모드에 있을 때는, 고장 발생 확률 취득부(381)는, 연산 대상 기기군 단위 모드에서는, 연산 대상 기기군 전체에 관한 데이터군인 전체 데이터군(전체 고장 발생 확률의 경시적인 변화를 나타내는 데이터군)을 취득하고, 프로세스 기기군 단위 모드에서는, 전체 데이터군 외에 또는 이것 대신에 각 프로세스 기기군에 관한 데이터군인 중간 데이터군(각 중간 고장 발생 확률의 경시적인 변화를 나타내는 데이터군)을 취득하며, 전체 데이터군이나 중간 데이터군 외에 또는 이것 대신에 연산 대상 기기군을 구성하는 각 구성(각 프로세스 기기나 증기 이용 기기) 각각에 관한 데이터군인 개별 데이터군(각개별 고장 발생 확률의 경시적인 변화를 나타내는 데이터군)을 취득하도록 되어 있다. 또한, 데이터군으로서 취득하는 고장 발생 확률은 각각 언제 시점의 고장 발생 확률인가의 정보와 대응지어져 있다.
그리고, 고장 발생 확률 취득부(381)는, 입출력 처리부(31)로부터의 지시에 따라, 고장의 종류마다 각 프로세스 기기, 각 프로세스 기기군, 각 증기 이용 기기 및 각 연산 대상 기기군의 고장 발생 확률(또는 상기한 데이터군)을 취득하도록 되어 있다.
영향도 취득부(382)는, 영향도 연산 처리부(37)에서 연산된 각 프로세스 기기, 각 프로세스 기기군, 각 증기 이용 기기 및 각 연산 대상 기기군의 영향도 중 필요한 영향도를 취득한다. 영향도 취득부(382)는, 고장 발생 확률 취득부(381)와 마찬가지로, 연산 대상 기기군 단위 모드에 있을 때는, 각 연산 대상 기기군의 영향도(전체 영향도라고 한다)를 취득하고, 프로세스 기기군 단위 모드에 있을 때는, 전체 영향도 외에 또는 이것 대신에 각 프로세스 기기군의 영향도(중간 영향도라고 한다)를 취득하고, 구성 단위 모드에 있을 때는, 전체 영향도나 중간 영향도 외에 또는 이것 대신에 연산 대상 기기군을 구성하는 각 구성(각 프로세스 기기나 각 증기 이용 기기) 각각에 관한 영향도(개별 영향도라고 한다)를 취득한다.
또한, 영향도 취득부(382)는, 입출력 처리부(31)로부터의 지시에 따라, 고장의 종류마다 각 프로세스 기기, 각 프로세스 기기군, 각 증기 이용 기기 및 각 연산 대상 기기군의 영향도를 취득하도록 되어 있다.
또한, 고장 발생 확률 취득부(381) 및 영향도 취득부(382)는, 고장 발생 확률(및 데이터군)이나 영향도와 함께, 대응하는 각 프로세스 기기, 각 프로세스 기기군, 각 증기 이용 기기 및 각 연산 대상 기기군에 관한 식별 정보나 고장의 종류를 취득하고, 화상 데이터 생성부(384)가, 동일한 식별 정보 및 고장의 종류 고장 발생 확률과 영향도의 조를(제작) 작성할 수 있도록 되어 있다.
화상 데이터 생성부(384)는, 도 10 내지 도 13에 도시한 바와 같은, 리스크 매트릭스 상에 취득한 고장 발생 확률과 영향도와의 조를 플롯한 플롯도를 표시하는 화상 데이터를 생성한다. 구체적으로는, 화상 데이터 생성부(384)는, 연산 대상 기기군 단위 모드에 있을 때는, 리스크 매트릭스 상에 취득한 전체 고장 발생 확률과 전체 영향도와의 조를 플롯한 플롯도를 표시하는 화상 데이터를 생성하고(도 10, 도 12 참조), 프로세스 기기군 단위 모드에 있을 때는, 리스크 매트릭스 상에 취득한 전체 고장 발생 확률과 전체 영향도의 조와 함께 또는 이것 대신에, 취득한 중간 고장 발생 확률과 중간 영향도와의 조를 플롯한 플롯도를 표시하는 화상 데이터를 생성하고, 프로세스 기기군 단위 모드에 있을 때는, 리스크 매트릭스 상에 취득한 전체 고장 발생 확률과 전체 영향도의 조나 중간 고장 발생 확률과 중간 영향도의 조와 함께 또는 이것 대신에, 취득한 개별 고장 발생 확률과 개별 영향도의 각 조를 플롯한 플롯도를 표시하는 화상 데이터를 생성한다(도 11, 도 13 참조).
그리고, 화상 데이터 생성부(384)는, 경시적 변화 표시 모드에 있을 때, 리스크 매트릭스 상에 연산 대상 기기군 단위 모드인가, 프로세스 기기군 단위 모드인가, 또는, 구성 단위 모드인가에 따라, 취득한 데이터군(전체 데이터군, 중간 데이터군 및 개별 데이터군)을 구성하는 각 고장 발생 확률에 대하여, 취득한 상기 영향도와의 조를 플롯한 플롯도를 표시하는 화상 데이터를 생성한다. 예를 들어, 화상 데이터 생성부(384)는, 연산 대상 기기군 단위 모드에 있을 때, 도 10에 도시하는 바와 같은, 리스크 매트릭스 상에 취득한 전체 데이터군을 구성하는 각 고장 발생 확률에 대하여, 전체 영향도와의 조를 플롯한 플롯도를 표시하는 화상 데이터를 생성한다. 또한, 화상 데이터 생성부(384)는, 구성 단위 모드에 있을 때, 도 11에 도시하는 바와 같은, 리스크 매트릭스 상에 취득한 개별 데이터군마다, 당해 개별 데이터군을 구성하는 각 고장 발생 확률에 대하여, 전체 데이터군과 전체 영향도의 조의 플롯과 함께 또는 이것 대신에, 당해 개별 데이터군에 대응하는 상기 개별 영향도와의 조를 플롯한 플롯도를 표시하는 화상 데이터를 생성한다.
이상과 같이, 표시 화상 연산 처리부(38)에서는, 경시적 변화 표시 모드에 있을 때,
(1) 연산 대상 기기군에 대하여, 현 시점으로부터의 고장 발생 확률의 경시적인 변화를 나타내는 데이터군을 취득하는 고장 발생 확률 취득 공정과,
(2) 연산 대상 기기군에 대응하는 영향도를 취득하는 영향도 취득 공정과,
(3)리스크 매트릭스 상에 취득한 데이터군을 구성하는 각 고장 발생 확률에 대하여, 취득한 영향도와의 조를 플롯한 플롯도를 표시하는 화상 데이터를 생성하는 화상 데이터 생성 공정이 행해져, 리스크의 경시적 변화가 유저에 대하여 표시되도록 되어 있다.
화상 데이터 생성부(384)는, 개선 효과 표시 모드에 있을 때는, 도 12, 도 13에 도시한 바와 같은 연산 대상 기기군에 대한 개선 항목을 나타내는 란을 플롯도와 함께 표시하는 화상 데이터를 생성한다. 그리고, 본 실시 형태에서는, 개선 항목은, 프로세스 기기에 관한 상기한 기기 관련 항목이나 작업 관련 항목, 증기 이용 기기에 관한 보정 항목에 대응한 것으로 되어 있고, 유저가 개선 항목을 하나 또는 복수 선택했을 때에는, 선택한 개선 항목(즉, 이에 대응하는 기기 관련 항목, 작업 관련 항목, 보정 항목)을 입출력 처리부(31)가 취득하도록 되어 있다(즉, 입출력 처리부(31)가 개선 항목을 취득하는 개선 항목 취득부로서 기능한다).
그리고, 입출력 처리부(31)가 개선 항목을 취득했을 때, 취득한 개선 항목에 대응하는 기기 관련 항목, 작업 관련 항목, 보정 항목이 고장 발생 확률 연산 처리부(32)(연산 조건 취득부(333, 352))에 취득되고, 파라미터 보정부(336, 355)나 고장 곡선 보정부(338)가, 대상으로 하는 프로세스 기기나 증기 이용 기기가 취득한 기기 관련 항목, 작업 관련 항목, 보정 항목을 갖는 것으로서 연산용 파라미터나 고장 곡선을 새롭게 보정한다. 그리고, 고장 발생 확률 연산 처리부(32)는, 보정한 연산용 파라미터나 고장 곡선에 기초하여, 각 프로세스 기기, 각 프로세스 기기군, 각 증기 이용 기기 및 각 연산 대상 기기군에 대하여 새롭게 고장 발생 확률을 연산하고, 이것을 개선 항목이 실시되었을 때의 기기군(각 프로세스 기기, 각 프로세스 기기군, 각 증기 이용 기기 및 각 연산 대상 기기군)의 고장 발생 확률인 개선 후 고장 발생 확률로서, 고장 발생 확률 취득부(381)에 보낸다.
고장 발생 확률 취득부(381)는, 보내진 개선 후 고장 발생 확률을 취득하고, 화상 데이터 생성부(384)는, 취득된 개선 후 고장 발생 확률에 기초하여, 리스크 매트릭스 상에 표시 중인 고장 발생 확률과 영향도의 조와 함께, 또는, 이것 대신에, 취득한 개선 후 고장 발생 확률과 영향도와의 조를 플롯한 플롯도를 표시하는 화상 데이터를 생성한다.
이상과 같이, 표시 화상 연산 처리부(38)에서는, 개선 효과 표시 모드에 있을 때,
(1) 연산 대상 기기군에 관한 고장 발생 확률을 취득하는 고장 발생 확률 취득 공정과,
(2) 연산 대상 기기군에 대응하는 영향도를 취득하는 영향도 취득 공정과,
(3)리스크 매트릭스 상에 취득한 고장 발생 확률과 영향도와의 조를 플롯한 플롯도를 표시하는 화상 데이터를 생성하는 화상 데이터 생성 공정과,
(4) 연산 대상 기기군에 대한 개선 항목을 취득하는 개선 항목 취득 공정과,
(5) 개선 항목 취득 공정에 있어서 개선 항목을 취득했을 때, 개선 항목이 실시되었을 때의 기기군의 고장 발생 확률인 개선 후 고장 발생 확률을 취득하고, 리스크 매트릭스 상에 취득한 고장 발생 확률과 영향도의 조와 함께, 또는, 이것 대신에, 취득한 개선 후 고장 발생 확률과 영향도와의 조를 플롯한 플롯도를 표시하는 화상 데이터를 생성하는 개선 후 화상 데이터 생성 공정이 행해져, 개선 전후의 리스크의 변화가 유저에 대하여 표시되도록 되어 있다.
또한, 화상 데이터 생성부(384)는, 고장의 종류마다 플롯을 행하는 경우, 도 10, 도 12에 도시한 바와 같은, 고장의 종류(누설, 막힘)마다, 리스크 매트릭스 상에 취득한 고장 발생 확률(경시적 변화 표시 모드에 있을 때는, 취득한 데이터군을 구성하는 각 고장 발생 확률)과 대응하는 영향도와의 조를 플롯한 플롯도를 표시하는 화상 데이터를 생성한다.
기타, 기준선 표시 모드에 있을 때, 화상 데이터 생성부(384)는, 도 10 내지 도 13에 도시한 바와 같이, 표시시키는 플롯도 상에 리스크 파악을 위한 기준선(7)을 겹친 플롯도를 표시하는 화상 데이터를 생성하도록 되어 있다. 이에 의해, 지표가 되는 기준선(7)과 함께 플롯도가 표시되어, 예를 들어 기준선(7)보다 상측의 영역은 고리스크이고, 기준선(7)보다 하측의 영역은 고리스크가 아닌 것으로서 시각적으로 인식할 수 있는 등, 리스크를 평가하기 쉬워진다.
이상과 같이, 리스크 평가 장치로서 기능하는 감시 서버(3)에서는, 유저 단말기(1)로부터의 지시에 따라, 대응하는 각 프로세스 기기, 각 프로세스 기기군, 각 증기 이용 기기 및 각 연산 대상 기기군에 관한 고장 발생 확률이나 영향도가 연산되고, 연산된 고장 발생 확률 및 영향도의 조를, 연산 대상으로 하는 프로세스 기기, 프로세스 기기군, 증기 이용 기기, 연산 대상 기기군의 리스크로서 플롯도 상에 표시시키도록 되어 있다. 그리고, 본 실시 형태의 감시 서버(3)(즉, 리스크 평가 장치, 리스크 평가 방법 및 리스크 평가 프로그램)에 의하면, 이하의 이점이 있다.
먼저, 프로세스 기기의 고장 발생 확률을 연산할 때, 다수의 프로세스 기기에 관한 데이터를 사용하여 연산한 파라미터에 기초한 고장 발생 곡선으로부터 고장 발생 확률을 구하도록 되어 있고, 특히, 프로세스 기기가 어떻게 사용될 것인지에 직결되고, 고장 발생 확률에 큰 영향을 주는 배관계 관련 항목에 관련된 파라미터를 연산하므로, 프로세스 기기의 특성에 의거한 고장 발생 확률을 얻을 수 있도록 되어 있다. 그리고, 프로세스 기기에 관한 모든 정보를 사용하는 것이 아니라, 프로세스 기기 자체의 사정과 관계가 없는 배관계에 관련된 객관적인 항목을 사용하므로, 동종의 데이터를 모으기 쉽고, 파라미터를 연산할 때의 정밀도도 높일 수 있다. 또한, 프로세스 기기에 관한 객관적인 배관계 관련 항목에 기초하여 구한 파라미터를, 다시, 주관적인 프로세스 기기 자체에 관련된 기기 관련 항목이나 작업 관련 항목으로 보정하므로, 파라미터의 정밀도를 효과적으로 높일 수 있고, 고정밀도로 고장 발생 확률을 연산할 수 있다.
또한, 고장 발생 확률 연산 처리부(32)에서는, 개개의 프로세스 기기의 고장 발생 확률뿐만아니라, 미리 정한 연산 방법에 의해, 프로세스 기기군이나 증기 이용 기기군과 같은 복수의 기기로 이루어지는 일군의 구성에 관한 고장 발생 확률이 구해지도록 되어 있다. 이에 의해, 개별 기기뿐만아니라, 일군의 기기군(에셋)에 관한 리스크 평가를 행할 수 있다.
표시 화상 연산 처리부(38)에서는, 대상으로 하는 기기군(에셋)에 대하여 리스크 매트릭스 상에 있어서 리스크의 경시적 변화를 나타낼 수 있도록 되어 있다. 이에 의해, 유저가 장래에 걸친 리스크 평가를 할 수 있다. 또한, 기기군 단위에 의한 플롯과 구성 단위에 의한 플롯의 형태로 플롯도를 전환하여 표시하는 것이 가능하게 되어 있고, 기기군 단위로 플롯할 때는, 기기군 전체로 볼 때 어떤 리스크가 장래에 걸쳐 존재할지를 평가할 수 있고, 구성 단위로 플롯할 때는, 개개의 구성에 관한 리스크를 평가할 수 있다. 그리고, 기기군 전체의 리스크의 경시적 변화와 함께 개개의 구성에 관한 리스크의 경시적 변화가 나타나면, 기기군 전체의 리스크의 경시적 변화에, 기기군에 있어서의 어느 구성이 특히 기여하고 있는지 등의 정보를 아는 것도 가능해진다.
표시 화상 연산 처리부(38)에서는, 개선 전후의 리스크의 변화가 유저에 대하여 나타나도록 되어 있고, 유저가 개선 필요성을 판단할 수 있게 된다. 또한, 기기군 단위에 의한 플롯과 구성 단위에 의한 플롯의 형태로 플롯도를 전환하여 표시하는 것이 가능하게 되어 있고, 개개의 구성에 관한 설비 개선의 효과를 나타낼 수 있으므로, 개개의 구성에 내재하는 리스크의 대소를 보다 적합하게 평가할 수 있다.
〔기타 실시 형태〕
마지막으로, 본 개시에 관한 리스크 평가 장치, 리스크 평가 방법 및 리스크 평가 프로그램의 기타 실시 형태에 대하여 설명한다. 또한, 이하의 각각의 실시 형태에서 개시되는 구성은, 모순이 발생하지 않는 한, 다른 실시 형태에서 개시되는 구성과 조합하여 적용하는 것도 가능하다.
(1) 상기 실시 형태에서는, 연산 조건 취득부(333, 352, 371)나 배치 관계 취득부(343)가 입출력 처리부(31)로부터 식별 정보를 취득하고, 이에 대응하는 연산 조건을 데이터 베이스 서버(4)로부터 취득하는 구성을 예로 설명했다. 그러나, 본 개시의 실시 형태는 이에 한정되지 않고, 예를 들어 입출력 처리부(31)로부터 연산 조건을 직접 취득하도록 해도 좋다.
(2) 상기 실시 형태에서는, 프로세스 기기 연산부(33)나 증기 이용 기기 연산부(35)가, 파라미터 보정부(336, 355)나 고장 곡선 보정부(338)에 의해 연산용 파라미터나 고장 곡선을 보정하는 구성을 예로 설명했다. 그러나, 본 개시의 실시 형태는 이에 한정되지 않고, 파라미터 취득부(335)가 취득한 연산용 파라미터를 보정하지 않고 고장 곡선을 연산해도 좋고, 연산 후의 고장 곡선을 보정하지 않아도 좋다.
(3) 상기 실시 형태에서는, 고장 발생 확률 연산 처리부(32)가, 각 프로세스 기기, 각 프로세스 기기군, 각 증기 이용 기기 및 각 연산 대상 기기군의 고장 발생 확률을 연산 가능한 구성을 예로 설명했다. 그러나, 본 개시의 실시 형태는 이에 한정되지 않고, 고장 발생 확률 연산 처리부(32)는 각 프로세스 기기, 각 프로세스 기기군, 각 증기 이용 기기 및 각 연산 대상 기기군의 일부만을 연산하는 것이어도 좋다.
(4) 상기 실시 형태에서는, 프로세스 기기군 연산부(34)가, 프로세스 기기 연산부(33)에서 연산된 고장 발생 확률에 기초하여 프로세스 기기군의 고장 발생 확률을 연산하는 구성을 예로 설명했다. 그러나, 본 개시의 실시 형태는 이에 한정되지 않고, 유저로부터 직접 입력된 것이나, 미리 데이터베이스에 기억된 값 등, 프로세스 기기군 연산부(34)는, 각종 구성으로부터 프로세스 기기의 고장 발생 확률을 취득해도 좋다. 마찬가지로, 연산 대상 기기군 연산부(36)나, 고장 발생 확률 취득부(381)도 각종 구성으로부터 필요한 고장 발생 확률을 취득해도 좋고, 영향도 취득부(382)도 각종 구성으로부터 필요한 영향도를 취득해도 좋다.
(5) 상기한 보정 관련 기기 항목, 작업 관련 항목, 보정 항목은 어디까지나 예시이며, 목적에 따라 적절히 변경 가능하다.
(6) 상기 실시 형태에서는, 프로세스 기기군 연산부(34)에서 설명한 연산 방법은 어디까지나 예시이며, 목적에 따라 적절히 변경 가능하다.
(7) 상기 실시 형태에서는, 화상 데이터 생성부(384)를, 연산 대상 기기군 단위 모드, 프로세스 기기군 단위 모드, 구성 단위 모드, 경시적 변화 표시 모드, 개선 효과 표시 모드, 기준선 표시 모드로 설정 가능한 구성을 예로 설명했다. 그러나, 본 개시의 실시 형태는 이에 한정되지 않고, 일부 모드만으로 설정 가능한 것이어도 좋다.
(8) 상기 실시 형태에서는, 리스크 평가 프로그램에 의해, 감시 서버(3)를, 고장 발생 확률 연산 처리부(32), 영향도 연산 처리부(37) 및 표시 화상 연산 처리부(38)를 갖는 것으로서 구성한 예로 설명했다. 그러나, 본 개시의 실시 형태는 이에 한정되지 않는다. 예를 들어, 유저 단말기(1)가 표시 화상 연산 처리부(38)를 구비하도록 하고, 감시 서버(3)로부터 고장 발생 확률이나 영향도를 취득하도록 하는 등, 유저 단말기(1)에 상기한 리스크 평가 프로그램 또는 그 일부를 저장시켜서, 유저 단말기(1)에 고장 발생 확률 연산 처리부(32), 영향도 연산 처리부(37) 및 표시 화상 연산 처리부(38)의 전부 또는 일부를 구비시키도록 해도 좋다.
(9) 상기 실시 형태에서는, 감시 서버(3)가, 외부의 데이터 베이스 서버(4)로부터 필요한 데이터를 취득하는 구성을 예로 설명했다. 그러나, 본 개시의 실시 형태는 이에 한정되지 않고, 감시 서버(3)의 기억부에 필요한 데이터를 기억시키도록 해도 좋다.
(10) 기타의 구성에 관해서도, 본 명세서에 있어서 개시된 실시 형태는 모든 점에서 예시이며, 본 개시의 범위는 그들에 의해 한정되지 않는 것으로 이해되어야 한다. 당업자라면 본 개시의 취지를 벗어나지 않는 범위에서, 적절히 개변이 가능한 것을 용이하게 이해할 수 있을 것이다. 따라서, 본 개시의 취지를 벗어나지 않는 범위에서 개변된 별도의 실시 형태도, 당연히 본 개시의 범위에 포함된다.
본 개시는, 예를 들어 플랜트의 리스크 평가를 행하는 데 이용할 수 있다.
3: 감시 서버(리스크 평가 장치)
31: 입출력 처리부
32: 고장 발생 확률 연산 처리부
33: 프로세스 기기 연산부
331: 대상 고장 곡선 연산부
332a: 파라미터 연산부
332b: 파라미터 저장부
333: 연산 조건 취득부
334: 파라미터 취득부
335: 보정 방법 보관부
336: 파라미터 보정부
337: 고장 곡선 연산부
338: 고장 발생 확률 연산부
34: 프로세스 기기군 연산부
341: 연산 방법 기억부
342: 확률 취득부
343: 배치 관계 취득부
344: 고장 발생 확률 연산부
35: 증기 이용 기기 연산부
351: 대상 고장 곡선 연산부
352: 연산 조건 취득부
353: 파라미터 취득부
354: 보정 방법 보관부
355: 파라미터 보정부
356: 고장 곡선 연산부
357: 고장 발생 확률 연산부
36: 증기 이용 기기군 연산부
361: 프로세스 기기군 취득부
362: 증기 이용 기기 취득부
363: 고장 발생 확률 연산부
37: 영향도 연산 처리부
371: 연산 조건 취득부
372: 영향도 취득부
373: 영향도 보관부
374: 영향도 연산부
38: 표시 화상 연산 처리부
381: 고장 발생 확률 취득부
382: 영향도 취득부
383: 모드 전환부
384: 화상 데이터 생성부
7: 기준선

Claims (6)

  1. 고장 발생 확률 및 고장이 발생했을 때의 영향도를 2축에 설정한 리스크 매트릭스를 표시하기 위한 리스크 평가 장치이며,
    대상으로 하는 기기군에 대하여, 현 시점으로부터의 고장 발생 확률의 경시적인 변화를 나타내는 데이터군을 취득하는 고장 발생 확률 취득부와,
    대상으로 하는 기기군에 대응하는 영향도를 취득하는 영향도 취득부와,
    상기 리스크 매트릭스 상에 취득한 상기 데이터군을 구성하는 각 고장 발생 확률에 대하여, 취득한 상기 영향도와의 조를 플롯한 플롯도를 표시하는 화상 데이터를 생성하는 화상 데이터 생성부를 구비하는, 리스크 평가 장치.
  2. 제1항에 있어서,
    상기 화상 데이터 생성부를, 상기 기기군 단위로 플롯한 플롯도를 표시하는 표시 데이터를 생성하는 기기군 단위 모드와, 상기 기기군을 구성하는 각 구성 단위로 플롯한 플롯도를 표시하는 표시 데이터를 생성하는 구성 단위 모드로 전환하는 모드 전환부를 구비하고,
    상기 고장 발생 확률 취득부는, 상기 기기군 전체에 관한 상기 데이터군인 전체 데이터군과, 상기 기기군을 구성하는 각 구성의 각각에 관한 상기 데이터군인 개별 데이터군을 취득 가능하고,
    상기 영향도 취득부는, 상기 기기군 전체에 관한 상기 영향도인 전체 영향도와, 상기 기기군을 구성하는 각 구성의 각각에 관한 상기 영향도인 개별 영향도를 취득 가능하고,
    상기 화상 데이터 생성부는,
    상기 기기군 단위 모드에 있을 때, 상기 리스크 매트릭스 상에 취득한 상기 전체 데이터군을 구성하는 각 고장 발생 확률에 대하여, 상기 전체 영향도와의 조를 플롯한 플롯도를 표시하는 화상 데이터를 생성하고,
    상기 구성 단위 모드에 있을 때, 상기 리스크 매트릭스 상에 취득한 상기 개별 데이터군마다, 당해 개별 데이터군을 구성하는 각 고장 발생 확률에 대하여, 당해 개별 데이터군에 대응하는 상기 개별 영향도와의 조를 플롯한 플롯도를 표시하는 화상 데이터를 생성하는, 리스크 평가 장치.
  3. 제1항 또는 제2항에 있어서,
    상기 고장 발생 확률 취득부는, 고장의 종류마다 상기 데이터군을 취득하고,
    상기 영향도 취득부는, 고장의 종류마다에 대응하는 영향도를 취득하고,
    상기 화상 데이터 생성부는, 고장의 종류마다, 상기 리스크 매트릭스 상에 취득한 상기 데이터군을 구성하는 각 고장 발생 확률에 대하여, 대응하는 상기 영향도와의 조를 플롯한 플롯도를 표시하는 화상 데이터를 생성하는, 리스크 평가 장치.
  4. 제1항 내지 제3항 중 어느 한 항에 있어서,
    상기 화상 데이터 생성부는, 표시시키는 플롯도 상에 리스크 파악을 위한 기준선을 겹친 플롯도를 표시하는 화상 데이터를 생성하는, 리스크 평가 장치.
  5. 컴퓨터에 실행시키는, 고장 발생 확률 및 고장이 발생했을 때의 영향도를 2축에 설정한 리스크 매트릭스를 표시하기 위한 리스크 평가 방법이며,
    대상으로 하는 기기군에 대하여, 현 시점으로부터의 고장 발생 확률의 경시적인 변화를 나타내는 데이터군을 취득하는 고장 발생 확률 취득 공정과,
    대상으로 하는 기기군에 대응하는 영향도를 취득하는 영향도 취득 공정과,
    상기 리스크 매트릭스 상에 취득한 상기 데이터군을 구성하는 각 고장 발생 확률에 대하여, 취득한 상기 영향도와의 조를 플롯한 플롯도를 표시하는 화상 데이터를 생성하는 화상 데이터 생성 공정을 구비하는, 리스크 평가 방법.
  6. 고장 발생 확률 및 고장이 발생했을 때의 영향도를 2축에 설정한 리스크 매트릭스를 표시하기 위한 리스크 평가 프로그램이며,
    대상으로 하는 기기군에 대하여, 현 시점으로부터의 고장 발생 확률의 경시적인 변화를 나타내는 데이터군을 취득하는 고장 발생 확률 취득 기능과,
    대상으로 하는 기기군에 대응하는 영향도를 취득하는 영향도 취득 기능과,
    상기 리스크 매트릭스 상에 취득한 상기 데이터군을 구성하는 각 고장 발생 확률에 대하여, 취득한 상기 영향도와의 조를 플롯한 플롯도를 표시하는 화상 데이터를 생성하는 화상 데이터 생성 기능을 컴퓨터에 실현시키는, 리스크 평가 프로그램.
KR1020197030131A 2017-03-30 2018-02-14 리스크 평가 장치, 리스크 평가 방법 및 리스크 평가 프로그램 KR20190126139A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2017068530 2017-03-30
JPJP-P-2017-068530 2017-03-30
PCT/JP2018/005031 WO2018179939A1 (ja) 2017-03-30 2018-02-14 リスク評価装置、リスク評価方法、及び、リスク評価プログラム

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020207022199A Division KR102176102B1 (ko) 2017-03-30 2018-02-14 리스크 평가 장치, 리스크 평가 방법 및 리스크 평가 프로그램

Publications (1)

Publication Number Publication Date
KR20190126139A true KR20190126139A (ko) 2019-11-08

Family

ID=63674721

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020197030131A KR20190126139A (ko) 2017-03-30 2018-02-14 리스크 평가 장치, 리스크 평가 방법 및 리스크 평가 프로그램
KR1020207022199A KR102176102B1 (ko) 2017-03-30 2018-02-14 리스크 평가 장치, 리스크 평가 방법 및 리스크 평가 프로그램

Family Applications After (1)

Application Number Title Priority Date Filing Date
KR1020207022199A KR102176102B1 (ko) 2017-03-30 2018-02-14 리스크 평가 장치, 리스크 평가 방법 및 리스크 평가 프로그램

Country Status (10)

Country Link
US (1) US10816954B2 (ko)
EP (1) EP3584657B1 (ko)
JP (1) JP6486566B2 (ko)
KR (2) KR20190126139A (ko)
ES (1) ES2896701T3 (ko)
MX (1) MX2019011480A (ko)
MY (1) MY198125A (ko)
SA (1) SA519402570B1 (ko)
SG (1) SG11201907985VA (ko)
WO (1) WO2018179939A1 (ko)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019049521A1 (ja) * 2017-09-06 2019-03-14 株式会社テイエルブイ リスク評価装置、リスク評価システム、リスク評価方法、リスク評価プログラム、及び、データ構造
US10275331B1 (en) 2018-11-27 2019-04-30 Capital One Services, Llc Techniques and system for optimization driven by dynamic resilience
US10282248B1 (en) * 2018-11-27 2019-05-07 Capital One Services, Llc Technology system auto-recovery and optimality engine and techniques
MX2021009019A (es) * 2019-01-31 2022-07-14 Tlv Co Ltd Sistema de supervision, metodo de supervision y programa de supervision para instalacion que utiliza vapor.
CN110378592A (zh) * 2019-07-12 2019-10-25 珠海培慕科技有限公司 一种动态评估设备风险的方法
US11762809B2 (en) 2019-10-09 2023-09-19 Capital One Services, Llc Scalable subscriptions for virtual collaborative workspaces

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5884000A (ja) 1981-11-13 1983-05-19 松下電器産業株式会社 衣類乾燥機

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH069009B2 (ja) * 1986-01-27 1994-02-02 株式会社日立製作所 作業スケジューリング支援装置
JPH0954613A (ja) * 1995-08-11 1997-02-25 Toshiba Corp プラント設備監視装置
US6801199B1 (en) * 2000-03-01 2004-10-05 Foliofn, Inc. Method and apparatus for interacting with investors to create investment portfolios
JP2002297709A (ja) * 2001-03-29 2002-10-11 Kansai Electric Power Co Inc:The 設備改修計画業務に対する支援方法および装置
JP2003149377A (ja) * 2001-11-19 2003-05-21 Hitachi Ltd 信頼性解析支援方法
JP2003303014A (ja) * 2002-04-09 2003-10-24 Toshiba Corp プラント機器の保守管理方法および装置
US7133727B2 (en) * 2003-08-01 2006-11-07 Invensys Systems, Inc. System and method for continuous online safety and reliability monitoring
JP4237610B2 (ja) * 2003-12-19 2009-03-11 株式会社東芝 保守支援方法及びプログラム
US7272531B2 (en) * 2005-09-20 2007-09-18 Fisher-Rosemount Systems, Inc. Aggregation of asset use indices within a process plant
JP2007328522A (ja) 2006-06-07 2007-12-20 Tokyo Electric Power Co Inc:The 故障確率算出装置、方法、及びプログラム
JP5133941B2 (ja) * 2009-05-15 2013-01-30 日本電信電話株式会社 ネットワーク管理システムおよびネットワーク管理方法、ならびにそのためのプログラム
US8731724B2 (en) * 2009-06-22 2014-05-20 Johnson Controls Technology Company Automated fault detection and diagnostics in a building management system
JP5510351B2 (ja) * 2011-02-02 2014-06-04 新日鐵住金株式会社 設備保全支援システム
EP2568348A1 (de) * 2011-09-06 2013-03-13 Siemens Aktiengesellschaft Unterstützung der Fehlerdiagnose einer Industrieanlage
US20130331963A1 (en) * 2012-06-06 2013-12-12 Rockwell Automation Technologies, Inc. Systems, methods, and software to identify and present reliability information for industrial automation devices
FR2997451B1 (fr) * 2012-10-26 2015-01-16 Snecma Systeme de surveillance d'un ensemble de composants moteur
JP2015185120A (ja) * 2014-03-26 2015-10-22 株式会社Ｎｔｔファシリティーズ 情報処理装置、情報処理方法、およびプログラム
JP5884000B1 (ja) * 2014-04-01 2016-03-15 株式会社テイエルブイ プロセスシステムのリスク評価システム、リスク評価プログラム及びリスク評価方法
JP6359960B2 (ja) 2014-12-11 2018-07-18 日本電信電話株式会社 故障予測装置、故障予測方法及び故障予測プログラム
US10599501B2 (en) * 2015-03-17 2020-03-24 Nec Corporation Information processing device, information processing method, and recording medium

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5884000A (ja) 1981-11-13 1983-05-19 松下電器産業株式会社 衣類乾燥機

Also Published As

Publication number Publication date
MX2019011480A (es) 2019-11-01
SA519402570B1 (ar) 2022-06-14
EP3584657A4 (en) 2020-04-29
EP3584657B1 (en) 2021-09-22
US20200019139A1 (en) 2020-01-16
JPWO2018179939A1 (ja) 2019-04-04
KR102176102B1 (ko) 2020-11-09
MY198125A (en) 2023-08-04
WO2018179939A1 (ja) 2018-10-04
SG11201907985VA (en) 2019-09-27
EP3584657A1 (en) 2019-12-25
JP6486566B2 (ja) 2019-03-20
ES2896701T3 (es) 2022-02-25
US10816954B2 (en) 2020-10-27
KR20200096310A (ko) 2020-08-11

Similar Documents

Publication Publication Date Title
KR102411262B1 (ko) 리스크 평가 장치, 리스크 평가 방법 및 리스크 평가 프로그램
KR102176102B1 (ko) 리스크 평가 장치, 리스크 평가 방법 및 리스크 평가 프로그램
EP2862033B1 (en) Method and system for determining life consumption of a mechanical part
JP6777069B2 (ja) 情報処理装置、情報処理方法、及び、プログラム
JP5991329B2 (ja) 制御装置、管理装置、プラント制御システム、及びデータ処理方法
JP6486567B2 (ja) リスク評価装置、リスク評価方法、及び、リスク評価プログラム
JP2019057164A (ja) プラント異常監視システム
JPWO2014091952A1 (ja) センサ監視装置、センサ監視方法、及びセンサ監視プログラム
KR102073537B1 (ko) 리스크 평가 장치, 리스크 평가 시스템, 리스크 평가 방법 및 리스크 평가 프로그램
JP6862130B2 (ja) 異常検知装置、異常検知方法、およびプログラム
KR102234054B1 (ko) 리스크 평가 장치, 리스크 평가 시스템, 리스크 평가 방법, 리스크 평가 프로그램 및 데이터 구조
JP6454826B1 (ja) リスク評価装置、リスク評価方法、及び、リスク評価プログラム
JP6482742B1 (ja) リスク評価装置、リスク評価システム、リスク評価方法、及び、リスク評価プログラム
CN115239082A (zh) 一种基于大数据的电力行业现场作业违章评估系统

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
AMND Amendment
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X601 Decision of rejection after re-examination