プロセス監視・診断・支援装置
【課題】 対象プロセスに依存しない形で、異常時の対策支援情報を提供する。
【解決手段】 実施形態のプロセス監視・診断支援装置は、異常検出手段、異常要因変数分離手段および異常対策支援情報提供手段を備えている。前記異常検出手段は、所定時刻の前記ｎ個のプロセス変数の時系列データ、および定義に従って当該所定時刻の時系列データに対応する異常検出用データを生成し、当該所定時刻のデータの異常の有無を診断する。前記異常要因変数分離手段は、前記診断の結果、異常有りの場合には当該所定時刻の時系列データの寄与量を計算し、前記計算した寄与量および前記第１ルールに基づいて当該所定時刻の時系列データから異常要因候補変数を分離抽出する。前記異常対策支援情報提供手段は、前記分離抽出された異常要因候補変数と、前記相関情報と、前記第２および前記第３ルールとに基づいて、前記対策支援情報を提供する。
【解決手段】 実施形態のプロセス監視・診断支援装置は、異常検出手段、異常要因変数分離手段および異常対策支援情報提供手段を備えている。前記異常検出手段は、所定時刻の前記ｎ個のプロセス変数の時系列データ、および定義に従って当該所定時刻の時系列データに対応する異常検出用データを生成し、当該所定時刻のデータの異常の有無を診断する。前記異常要因変数分離手段は、前記診断の結果、異常有りの場合には当該所定時刻の時系列データの寄与量を計算し、前記計算した寄与量および前記第１ルールに基づいて当該所定時刻の時系列データから異常要因候補変数を分離抽出する。前記異常対策支援情報提供手段は、前記分離抽出された異常要因候補変数と、前記相関情報と、前記第２および前記第３ルールとに基づいて、前記対策支援情報を提供する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明の実施形態は、下水処理プロセス、排水処理プロセス、汚泥消化プロセス、浄水プロセス、給配水プロセス、化学プロセス、鉄鋼プロセスなどのプロセス系の監視において、異常時などの非定常時にプラントオペレータを支援し得るプロセス監視・診断・支援装置に関する。
【背景技術】
【０００２】
下水処理プロセス、汚泥消化プロセス、浄水プロセス、給配水プロセスなどの水処理/水運用プロセスや石油化学プロセス、鉄鋼プロセス、あるいは半導体製造プロセスなどのプロセス系のプラントでは、複数のプロセス状態を測定する複数のオンラインセンサが設置されている。プロセス監視装置（ＳＣＡＤＡ： Supervisory Control And Data Acquisition）は、通常プロセス系に設置されたセンサ群の計測により得られるプロセスデータ（流量、温度、水質、操作量など）を時系列データ（トレンドグラフ）に変換する。これをプラント管理者（マネージャー）や運転員（オペレータ）が監視することにより、プロセスの状態を把握し、プロセスの運転変更や制御を行っている。各々のプロセスデータの時系列データには、通常、管理限界等と呼ばれる上下限値が設定されており、この管理限界を超えた場合にアラームが発報される。このアラームに基づいてプラントマネージャーやオペレータはプラント運用の確認・見直しを行う。この様なアラーム発報に基づく運転管理はプラント運用の基本である。
【０００３】
さらに一歩進んだプラントの運転管理では、単純なプロセス非定常時の対応だけでなく、プロセスの所定目標性能を達成した上で省エネルギ・省コストに繋がる運用が求められる。ここで所定目標とは、例えば下水処理であれば放流水質規制の遵守などに対応し、浄水処理であれば、浄水中の残留塩素濃度が所定上限以下であることやクリプトスポリジウムに代表される様な病原性微生物が存在しないことなどが所定目標となる。また、化学プロセスや鉄鋼プロセスにおいては、製品（石油精製品や鉄鋼）の品質（例えば純度や強度など）を所定の範囲に維持することが所定目標に対応する。この際、所定目標の未達状態に陥らない様に目標性能に関するプロセスの状態を監視し、所定目標の達成を阻害する様な状態変化や異常状態を素早く検知し事前に対策をとることが運転管理上の重要なポイントとなる。さらに、所定目標達成を制約とした上で省エネ・省コストにつながる運用を行うためには、目標性能や省エネ・省コストに関するプロセス状態を常に良好な状態に保ち、良好な状態から逸脱しそうなプロセス状態変化を素早く検知する必要がある。
【０００４】
このようなプロセスの状態変化や異常を診断する方法として、石油化学プロセスや鉄鋼プラントの分野で利用されてきた「多変量統計解析手法」を用いた多変量統計的プロセス監視（ＭＳＰＣ：Multi-Variate Statistical Process Control）と呼ばれる方法が知られている。
【０００５】
ＭＳＰＣの中で最も良く利用される手法として、主成分分析（ＰＣＡ：Principal Component Analysis）と潜在変数射影法／部分最小二乗法（ＰＬＳ：Projection to Latent Structure/Partial Least Square）が知られている。
【０００６】
ＭＳＰＣでは、ＰＣＡやＰＬＳなどの多変量解析を用いて、(1)プラントの異常兆候の検出(Fault Detection)と、(2)異常要因となるプロセス変数（データ）の推定(Fault Isolation)、を行うことを主な目的としている。
【０００７】
上記(1)については、複数のプロセス変数の相関情報を利用することにより、一つの変数では検出できない軽微な異常の兆候を検出することが可能になる。
【０００８】
上記(2)については、複数のプロセス変数から合成した異常検出用データ（Ｑ統計量やホテリング(Hotelling)のＴ2統計量と呼ばれる）で異常を検出した後に、この異常検出用データに対する各プロセスデータの寄与度を表す寄与量というものを利用することにより、異常要因の候補となるプロセス変数（データ）を推定する。
【０００９】
この様に、ＭＳＰＣを用いると、従来の個別のプロセス変数に対する単純な管理限界による監視（生産ライン等の監視では、ＭＰＳＣと対比してＳＰＣ（Statistical Process Control）と呼ばれることもある）と比較して、よりプラントマネージャーやオペレータにとって有用なアドバンストな監視・診断を行うことができる。
【００１０】
一方、プラントマネージャーやオペレータなどユーザ側からは、上記の(1)異常兆候の検出や(2)異常要因変数推定だけでなく、プロセスで何らかの異常が生じた場合に彼らがどういう対策をとれば良いかという対策支援情報に対する更に進んだ強い潜在的なニーズがある。このニーズは、特にプラントオペレータが非熟練の場合に強く、単に「異常の兆候が認められる。」という情報や「異常を示しているプロセス変数は○○と△△である。」という診断情報では不十分であり、「異常兆候が認められ、その要因となる変数は○○と△△であると考えられるので、□□という対策をとることを推奨する。」という形の支援情報を求めている。
【先行技術文献】
【特許文献】
【００１１】
【特許文献１】特開２００８−５９２７０号公報
【発明の概要】
【発明が解決しようとする課題】
【００１２】
このような支援情報のニーズと上記(1)(2)のＦＤＩとの間には大きなギャップがある。その理由は、ＦＤＩは「多変量解析などの統計的な手法」を利用して対象プロセスに依存せずにある程度機械的に（≒エンジニアリングを介さずに自動的に）診断を行うことができるのに対し、対策支援情報の提供では一般に対象プロセスに対する知識とそれを用いたエンジニアリングが必要であると考えられている点にある。
【００１３】
対策支援情報を出すための異常原因推定方法は、［１］経験的方法（デシジョンツリー、パターン学習など）、［２］論理的方法（物理モデル、フォルトツリー等利用）、［３］知識工学的方法（エキスパートシステム、ノウハウ抽出）などに分類されることが多いが、いずれの方法を用いる際にも、何らかの形で対象プロセスに関する知識、あるいは対象プロセスを運用しているオペレータの知識などを必要とする。これにより、プロセスの非定常状態（異常状態）の真因究明と対策支援を行おうとすると、対象プロセス毎に診断システムの作りこみを行うための多大なエンジニアリングが必要となる。このような対象プロセスの特徴に依存した開発を必要とすることが、非定常時の対策支援システム開発の進展を妨げる一つの重要な阻害要因となっていると考えられる。
【００１４】
本発明が解決しようとする課題は、対象プロセスに依存しない形で、異常時の対策支援情報を提供し得るプロセス監視・診断・支援装置を提供することである。
【課題を解決するための手段】
【００１５】
実施形態のプロセス監視・診断支援装置は、データ収集保存手段、プロセス変数分類手段、プロセス変数相関定義手段、異常検出用データ定義手段、異常検出用データ寄与量定義手段、異常時対策支援情報定義手段、異常検出手段、異常要因変数分離手段および異常対策支援情報提供手段を備えている。
【００１６】
前記データ収集保存手段は、対象プロセスの状態量又は操作量を計測するｎ個（但し、ｎ≧２）のセンサから計測結果を示すｎ個のプロセス変数の時系列データを収集して保存する。
【００１７】
前記プロセス変数分類手段は、前記ｎ個のプロセス変数を、前記状態量であって性能指標を表すｐ個（但し、１≦ｐ＜ｎ）の出力変数Ｙと、前記操作量を表すL個（但し、１≦L＜ｎ）の入力変数Ｕと、前記状態量であって管理・監視値を表すｍ個（但し、０≦ｍ＜ｎ）の中間変数Ｚとに分類した結果を示す分類情報を記憶する。
【００１８】
前記プロセス変数相関定義手段は、前記分類情報および前記ｎ個のプロセス変数の所定期間に亘る時系列データから、前記分類した結果を含んで当該ｎ個のプロセス変数相互間の相関を示す相関情報を定義する。
【００１９】
前記異常検出用データ定義手段は、前記ｎ個のプロセス変数の所定期間に亘る時系列データから、前記ｎ個よりも少ないｑ個（但し、１≦ｑ≪ｎ）の異常検出用データを生成する式と、前記異常検出用データに基づいて異常の有無又は異常強度の判断を行う判断基準とを定義する。
【００２０】
前記異常検出用データ寄与量定義手段は、前記異常検出用データに対する前記ｎ個のプロセス変数の時系列データの各々の寄与量を定義する。
【００２１】
前記異常時対策支援情報定義手段は、異常時の異常要因候補となるプロセス変数である異常要因候補変数のうちの所定の上位の異常要因候補変数を抽出する第１ルールと、前記抽出した異常要因候補変数を前記相関情報に基づいて前記出力変数Ｙと前記入力変数Ｕと前記中間変数Ｚとに分類する第２ルールと、当該分類した結果に応じて異常時の対策を支援するメッセージを含む対策支援情報を提供する第３ルールとを定義する。
【００２２】
前記異常検出手段は、前記保存された所定時刻の前記ｎ個のプロセス変数の時系列データ、および前記異常検出用データ定義手段の定義に従って当該所定時刻の時系列データに対応する異常検出用データを生成し、この異常検出用データに基づいて、当該所定時刻のデータの異常の有無を診断する。
【００２３】
前記異常要因変数分離手段は、前記診断の結果、異常有りの場合には前記寄与量の定義に基づいて当該所定時刻の時系列データの寄与量を計算し、前記計算した寄与量および前記第１ルールに基づいて当該所定時刻の時系列データから異常要因候補変数を分離抽出する。
【００２４】
前記異常対策支援情報提供手段は、前記分離抽出された異常要因候補変数と、前記相関情報と、前記第２ルールおよび前記第３ルールとに基づいて、前記対策支援情報を提供する。
【図面の簡単な説明】
【００２５】
【図１】第１の実施形態に係るプロセス監視・診断・支援装置の基本的なシステム構成を示す模式図である。
【図２】プロセス変数分離ユーザインターフェイスの例を示す模式図である。
【図３】相関判定ルールの例１を示す模式図である。
【図４】相関判定ルールの例２を示す模式図である。
【図５】相関判定ルールの例３を示す模式図である。
【図６】プロセス変数相関定義インターフェイス部の例を示す模式図である。
【図７】異常要因候補分類ルールを示す模式図である。
【図８】異常対策支援メッセージ生成ルールの一例を示す模式図である。
【図９】異常対策支援メッセージ生成ルールの一例を示す模式図である。
【図１０】異常発生時に異常対策支援メッセージが生成される作用を説明するための模式図である。
【図１１】対策支援メッセージの一例を示す模式図である。
【図１２】その他の実施形態におけるシステム構成の一例を示す概要図である。
【図１３】その他の実施形態におけるシステム構成の一例を示す概要図である。
【図１４】その他の実施形態におけるシステム構成の一例を示す概要図である。
【発明を実施するための形態】
【００２６】
以下、図面を参照して各実施形態を説明する。なお、以下のプロセス監視・診断・支援装置は、ハードウェア構成、又はハードウェア資源とソフトウェアとの組合せ構成のいずれでも実施可能となっている。組合せ構成のソフトウェアとしては、予めネットワーク又は記憶媒体からプロセス監視・診断・支援装置となるコンピュータにインストールされ、プロセス監視・診断・支援装置の機能を実現させるためのプログラムが用いられる。
【００２７】
＜第１の実施形態＞
図１は、第１の実施形態に係るプロセス監視・診断・支援装置が適用されたプロセス監視システムの基本的な構成を示す模式図である。
【００２８】
このプロセス監視システムは、例えば、窒素およびリン除去を目的とした下水高度処理プロセス１を対象プロセスとし、当該対象プロセスの状態量又は操作量を計測するｎ個（但し、ｎ≧２）のセンサから計測結果を示すｎ個のプロセス変数の時系列データを収集して保存するプロセス計測データ収集・保存部２を含むプロセス監視・診断・支援装置を有している。本実施形態は、その目的から、対象プロセスに依存しないものであるが、実施イメージをより明確にするために、下水処理プロセスを対象として説明する。即ち、下水処理プロセスを対象とした実施は本質的な制約ではない。
【００２９】
下水高度処理プロセス１は、最初沈澱池１０１、嫌気槽１０２、無酸素槽１０３、好気槽１０４および最終沈澱池１０５を有する。また、下水高度処理プロセス１は、最初沈澱池余剰汚泥引きぬきポンプおよびその引き抜き流量センサ１１１、好気槽１０４に酸素を供給するブロワおよびその供給空気流量センサ１１２、循環ポンプおよびその循環流量センサ１１３、返送汚泥ポンプおよびその返送流量センサ１１４、および最終沈澱池余剰汚泥引きぬきポンプおよびその引き抜き流量センサ１１５のそれぞれを、アクチュエータおよびその操作量センサとして有する。
【００３０】
さらに、下水高度処理システム１は、雨量センサ１２１、流入下水量を計測する下水流入量センサ１２２、流入下水に含まれる全窒素量を計測する流入ＴＮセンサ１２３、流入下水に含まれる全リン量を計測する流入ＴＰセンサ１２４、流入下水に含まれる有機物量を計測する流入ＵＶセンサあるいは流入ＣＯＤセンサ１２５、嫌気槽１０２のＯＲＰを計測する嫌気槽ＯＲＰセンサ１２６、嫌気槽１０２のｐＨを計測する嫌気槽ＰＨセンサ１２７、無酸素槽１０３のＯＲＰを計測する無酸素槽ＯＲＰセンサ１２８、無酸素槽１０３のｐＨを計測する無酸素槽ｐＨセンサ１２９、好気槽１０４のリン酸濃度を計測するリン酸センサ１２１０、好気槽１０４の溶存酸素濃度を計測するＤＯセンサ１２１１、好気槽１０４のアンモニア濃度を計測するアンモニアセンサ１２１２、反応槽１０２〜１０４の少なくとも１ヶ所の槽で活性汚泥量を計測するＭＬＳＳセンサ１２１３、反応槽１０２〜１０４の少なくとも１ヶ所の槽で水温を計測する水温センサ１２１４、最終沈澱池１０５から引きぬかれる汚泥量の固形物濃度を計測する余剰汚泥ＳＳセンサ１２１５、最終沈澱池１０５から放流される放流水のＳＳ濃度を計測する放流ＳＳセンサ１２１６、最終沈澱池１０５の汚泥界面レベルを計測する汚泥界面センサ１２１７、放流下水量を計測する下水放流量センサ１２１８、放流下水に含まれる全窒素量を計測する放流ＴＮセンサ１２１９、放流下水に含まれる全リン量を計測する放流ＴＰセンサ１２２０、および放流下水に含まれる有機物量を計測する放流ＵＶセンサあるいは放流ＣＯＤセンサ１２２１のそれぞれを、プロセスセンサとして有する。
【００３１】
ここで、前述の各種アクチュエータ１１１〜１１５は、所定の周期で動作している。また、各種アクチュエータ１１１〜１１５の操作量センサ群、および各種プロセスセンサ１２１〜１２２１は所定の周期で計測を行っている。
【００３２】
プロセス監視・診断・支援装置は、各種アクチュエータ１１１〜１１５の操作量センサ群、および各種プロセスセンサ１２１〜１２２１から所定の周期で得られるプロセス変数の時系列データ（プロセスデータ）を収集してメモリに保持するプロセス計測データ収集・保存部２を有する。
【００３３】
さらに、プロセス監視・診断・支援装置は、プロセス変数登録部３、プロセス変数分類ユーザインターフェイス部４、異常診断モデル構築部５、プロセス変数相関定義インターフェイス部６、異常監視・診断・対策支援部７、異常対策記録保持部８およびユーザインターフェイス部９を備えている。
【００３４】
プロセス変数登録部３は、各種アクチュエータ１１１〜１１５の操作量センサ群、および各種プロセスセンサ１２１〜１２２１で計測している各プロセス変数の中から、本実施形態のプロセス監視・診断・支援装置を構築するために必要なプロセス変数の名称を登録する。
【００３５】
プロセス変数分類ユーザインターフェイス部４は、プロセス変数登録部３で登録されたプロセス変数の一覧を表示し、その中のプロセス変数を入力変数Ｕと出力変数Ｙと中間変数Ｘに分類するためのユーザインターフェイスである。補足すると、プロセス変数分類ユーザインターフェイス部４は、ｎ個のプロセス変数の名称を表示し、この表示中に、ユーザの操作に応じて、プロセス変数分類部５１における入力変数と出力変数と中間変数を選択する。
【００３６】
異常診断モデル構築部５は、各種アクチュエータ１１１〜１１５の操作量センサ群、および各種プロセスセンサ１２１〜１２２１で計測するプロセス変数の中で、プロセス変数登録部３で登録したプロセス変数の過去の時系列データを、プロセス計測データ収集・保存部２でから抽出し、異常診断モデルを構築する。
【００３７】
プロセス変数相関定義インターフェイス部６は、異常診断モデル構築部５で定義されるプロセス変数間の相関情報をユーザに提示し、ユーザがその情報を修正することができるユーザインターフェイスである。
【００３８】
異常監視・診断・対策支援部７は、各種アクチュエータ１１１〜１１５の操作量センサ群、および各種プロセスセンサ１２１〜１２２１で計測するプロセス変数の中で、プロセス変数登録部３で登録したプロセス変数の現在の時系列データを、プロセス計測データ収集・保存部２から抽出し、異常診断モデル構築部５で定義した機能を用いて異常兆候の検出とその要因変数候補の抽出と異常対策の支援情報を提供する。
【００３９】
異常対策記録保持部８は、異常監視・診断・対策支援部７からの情報に基づいて実際に行った対策結果を保持する。補足すると、異常対策記録保持部８は、異常対策支援情報提供部７４により提供された対策支援情報を提示した後、ユーザが行った操作を記録する。ここで、異常対策記録保持部８は、対策支援情報が提供されると、時系列データおよび分類情報に基づいて、現在時刻以前の入力変数Ｕの値、出力変数Ｙの値および中間変数Ｚの値と、当該対策支援情報とを提示する。また、異常対策記録保持部８は、対策支援情報を提示した後、ユーザが行った操作としての入力変数Ｕの操作記録と、出力変数Ｙの値と、中間変数Ｚの値とを継続的に記録する。
【００４０】
ユーザインターフェイス部９は、プロセス変数登録部３とプロセス変数分類ユーザインターフェイス部４とプロセス変数相関定義インターフェイス部６とを含み、異常監視・診断・対策支援部７からの情報をプラントマネージャーやオペレータに通知し、対策支援情報に基づいた対策の指示をプラントに指令信号として送り、さらに異常対策記録保持部８に記録操作の指示を送ることを可能としている。
【００４１】
異常診断モデル構築部５は、プロセス変数分類部５１、過去（オフライン）データ抽出部５２、プロセス変数相関定義部５３、異常検出用データ定義部５４、異常検出用データ寄与量定義部５５および異常時対策支援情報定義部５６を備えている。
【００４２】
プロセス変数分類部５１は、図２に示すように、プロセス変数分類ユーザインターフェイス部４の入力に従って、プロセス変数を入力変数と出力変数と中間変数に分類し、その情報を異常対策時に供給する。補足すると、プロセス変数分類部５１は、ｎ個のプロセス変数を、状態量であって性能指標を表すｐ個（但し、１≦ｐ＜ｎ）の出力変数Ｙと、操作量を表すL個（但し、１≦L＜ｎ）の入力変数Ｕと、状態量であって管理・監視値を表すｍ個（但し、０≦ｍ＜ｎ）の中間変数Ｚとに分類した結果を示す分類情報を記憶する機能をもっている。
【００４３】
過去（オフライン）データ抽出部５２は、プロセス計測データ収集・保存部２からプロセス変数登録部３で登録された変数の過去のオフラインデータを抽出する。
【００４４】
プロセス変数相関定義部５３は、過去（オフライン）データ抽出部５２で抽出されたオフラインデータを用いて、プロセス変数登録部３で定義されたプロセス変数間の相関情報を定義する。補足すると、プロセス変数相関定義部５３は、分類情報およびｎ個のプロセス変数の所定期間に亘る時系列データから、図３〜図６に示すように、当該分類情報が示す分類した結果を含んで当該ｎ個のプロセス変数相互間の相関を示す相関情報を定義する。なお、プロセス変数相関定義部５３は、ｎ個のプロセス変数の所定期間に亘る時系列データの相関行列又は主成分負荷行列に基づいて、相関情報を定義してもよい。また、プロセス変数相関定義部５３は、ｎ個のプロセス変数相互間の相関の有無あるいは強度を表すｎ行ｎ列のテーブルを相関情報として備えてもよい。この場合、プロセス変数相関定義インターフェイス部６は、ユーザの操作に応じて、この相関情報のテーブルを表示すると共に、当該テーブルの内容を修正する。
【００４５】
異常検出用データ定義部５４は、過去（オフライン）データ抽出部５２で抽出されたオフラインデータを用いて、異常検出用データの合成方法を定義する。補足すると、異常検出用データ定義部５４は、ｎ個のプロセス変数の所定期間に亘る時系列データから、ｎ個よりも少ないｑ個（但し、１≦ｑ≪ｎ）の異常検出用データを生成する式と、異常検出用データに基づいて異常の有無又は異常強度の判断を行う判断基準とを定義する。
【００４６】
ここで、異常検出用データ定義部５４は、主成分分析（ＰＣＡ）、潜在変数射影法（ＰＬＳ）、主成分回帰（ＰＣＲ）、正準相関解析（ＣＶＡ）、マハラノビス距離、ロバスト主成分分析（Robust ＰＣＡ）、カーネル主成分分析（Kernel ＰＣＡ）、判別分析、ファジィC-meansクラスタリング、K-meansクラスタリング、サポートベクトルマシン（ＳＶＭ）、リレバンスベクトルマシン（ＲＶＭ）および部分空間法のうちの少なくとも一つ以上の方法を用いて異常検出用データを生成する式を定義してもよい。
【００４７】
異常検出用データ寄与量定義部５５は、異常検出用データ定義部５４で定義された異常検出用データに対するプロセス変数登録部３で登録されたプロセス変数の寄与量（ｎ個のプロセス変数の時系列データの各々の寄与量）を定義する。なお、異常検出用データ寄与量定義部５５は、ｎ個のプロセス変数の中の着目するプロセス変数ｋの寄与量（但し、ｋ＝１，２，…，ｎ）を、以下の［ａ］〜［ｃ］のいずれかにより定義してもよい。
【００４８】
［ａ］異常検出用データ定義部５４により定義された異常検出用データからプロセス変数ｋが張る空間へ射影することによって定義する。
［ｂ］異常検出用データをｎ個の成分の和に分解し、プロセス変数ｋのみが影響を与えるｋ番目の成分として定義する。
［ｃ］独立性成分分析を用いて定義する。
【００４９】
異常時対策支援情報定義部５６は、プロセス変数分類部５１からの入力変数と出力変数と中間変数の分類情報と、プロセス変数相関定義部５３で定義されたプロセス変数間の相関情報と、異常検出用データ寄与量定義部５５で定義された寄与量に関する情報から、異常時における対策方法をアドバイスするための支援情報を出すためのルールを定義する。
【００５０】
補足すると、異常時対策支援情報定義部５６は、異常時の異常要因候補となるプロセス変数である異常要因候補変数のうちの所定の上位の異常要因候補変数を抽出する第１ルールと、図７に示すように、抽出した異常要因候補変数を相関情報に基づいて出力変数Ｙと入力変数Ｕと中間変数Ｚとに分類する第２ルールと、図８および図９に示すように、当該分類した結果に応じて異常時の対策を支援するメッセージを含む対策支援情報を提供する第３ルールとを定義する。
【００５１】
ここで、第２ルールとしては、抽出された異常要因候補変数を、分類情報に基づいて、入力変数Ｕに属する入力要因変数ＦＵ、出力変数Ｙに属する出力要因変数ＦＹ、中間変数Ｚに属する中間要因変数ＦＺに分類するルールを含んでもよい。
【００５２】
第３ルールとしては、第４ルールＡ、第５ルールＢおよび第６ルールＣを含んでもよい。
【００５３】
第４ルールＡは、異常要因候補変数に出力要因変数ＦＹを含む場合には、当該出力要因変数ＦＹが悪化していることを通知すると共に、相関情報により当該出力要因変数ＦＹと相関があると定義された入力変数Ｕの値を確認し見直す様促すメッセージを含む対策支援情報を提供する旨を規定している。
【００５４】
また、第４ルールＡとしては、当該入力変数Ｕに入力要因変数ＦＵが含まれる場合には、当該入力要因変数ＦＵを重点的に見直す様に促すメッセージを含む対策支援情報を提供する旨を規定することが好ましい。
【００５５】
また、第４ルールＡとしては、相関情報により当該出力要因変数ＦＹと相関があると定義された中間変数Ｚ（一般には複数個）を管理し、中間変数Ｚに中間要因変数ＦＺが含まれる場合には、当該中間要因変数ＦＺの値の管理を正常値に戻す様に促すメッセージを含む対策支援情報を提供する旨を規定することが更に好ましい。
【００５６】
第５ルールＢは、異常要因候補変数に出力要因変数ＦＹを含まないが入力要因変数ＦＵを含む場合には、当該入力要因変数ＦＵが通常時から逸脱した異常状態であり、この入力要因変数ＦＵで表される操作量を見直す様促すと共に、相関情報により当該入力要因変数ＦＵと相関があると定義された出力変数Ｙが今後悪化する可能性があることを通知するメッセージを含む対策支援情報を提供する旨を規定している。
【００５７】
また、第５ルールＢとしては、この規定に加え、相関情報により当該入力要因変数ＦＵと相関があると定義された中間変数Ｚについても今後悪化する可能性があることと、中間変数Ｚの中に中間要因変数ＦＺが含まれる場合には、この悪化要因が当該入力要因変数ＦＵによって引き起こされた可能性があることとを通知するメッセージを含む対策支援情報を提供する旨を規定することが更に好ましい。
【００５８】
第６ルールＣは、異常要因変数が中間要因変数ＦＺのみである場合には、当該中間要因変数ＦＺが悪化していることを通知すると共に、相関情報により当該中間要因変数ＦＺと相関があると定義された出力変数Ｙが今後悪化する可能性があることを通知するメッセージを含む対策支援情報を提供する旨を規定している。
【００５９】
また、第６ルールＣとしては、この規定に加え、相関情報により当該中間要因変数ＦＺと相関があると定義された入力変数Ｕの値を確認し、操作変更の必要性を検討することを促すメッセージを含む旨を規定することが更に好ましい。
【００６０】
一方、異常監視・診断・対策支援部７は、現在（オンライン）データ抽出部７１、異常検出部７２、異常要因変数分離部７３および異常対策支援情報提供部７４を備えている。
【００６１】
現在（オンライン）データ抽出部７１は、プロセス計測データ収集・保存部２に保存された各種時系列データの中から、プロセス変数登録部３で登録された変数の現在のオンラインデータを抽出する。
【００６２】
異常検出部７２は、現在（オンライン）データ抽出部７１で抽出されたオンラインデータを、異常検出用データ定義部５４で定義された異常検出用データの演算式に入力して異常検出用データを生成することにより現在の異常度を調べ、予め設定した異常・正常の判断基準に従って、異常の有無を検出する。補足すると、異常検出部７２は、保存された所定時刻のｎ個のプロセス変数の時系列データ、および異常検出用データ定義手段の定義に従って当該所定時刻の時系列データに対応する異常検出用データを生成し、この異常検出用データに基づいて、当該所定時刻のデータの異常の有無を検出（診断）する。
【００６３】
異常要因変数分離部７３は、異常検出部７２において異常が検出された場合、異常検出用データ寄与量定義部５５で定義された各プロセス変数の異常に対する寄与度を計算する。補足すると、異常要因変数分離部７３は、異常検出部７２による検出（診断）の結果、異常有りの場合には寄与量の定義に基づいて当該所定時刻の時系列データの寄与量を計算し、当該計算した寄与量および異常時対策支援情報定義部５６の第１ルールに基づいて当該所定時刻の時系列データから異常要因候補変数を分離抽出する。
【００６４】
異常対策支援情報提供部７４は、図１０および図１１に示すように、異常要因変数分離部７３で抽出された所定の上位の異常要因候補となるプロセス変数の情報と、相関情報と、異常時対策支援情報定義部５６で定義した第２ルールおよび第３ルールに従って、異常時の対策支援情報をユーザインターフェイス部９を通してオペレータに提供する。
【００６５】
次に、以上のように構成されたプロセス監視システムの作用を説明する。
【００６６】
まず、下水高度処理プロセス１では、各種アクチュエータ１１１〜１１５の操作量センサ群、および各種プロセスセンサ１２１〜１２２１によって、所定の周期でプロセスの情報が計測されている。これらの計測情報は、プロセス計測データ収集・保存部２によって、予め決められたフォーマットに従って、時系列データとして保存されている。
【００６７】
プロセス監視・診断・支援装置を構築する際、まず、プロセス変数登録部３では、プロセス計測データ収集・保存部２に保存されており、各種アクチュエータ１１１〜１１５の操作量センサ群、および各種プロセスセンサ１２１〜１２２１で計測されている項目の中で、どの変数をプロセス監視・診断・支援装置を構成する際に利用するかを定義する。
【００６８】
例えば、好気槽１０４に酸素を供給するブロワおよびその供給空気流量センサ１１２に対応する“［１］空気供給量”、循環ポンプおよびその循環流量センサ１１３に対応する“［２］循環流量”、返送汚泥ポンプおよびその返送流量センサ１１４に対応する“［３］返送流量”、最終沈澱池余剰汚泥引きぬきポンプおよびその引き抜き流量センサ１１５に対応する“［４］余剰流量”、雨量センサ１２１に対応する“［５］雨量”、流入下水量を計測する下水流入量センサ１２２に対応する“［６］下水流入量”、流入下水に含まれる全窒素量を計測する流入ＴＮセンサ１２３に対応する“［７］流入ＴＮ”、流入下水に含まれる全リン量を計測する流入ＴＰセンサ１２４に対応する“［８］流入ＴＰ”、流入下水に含まれる有機物量を計測する流入ＵＶセンサあるいは流入ＣＯＤセンサ１２５に対応する“［９］流入ＵＶ”、嫌気槽１０２のＯＲＰを計測する嫌気槽ＯＲＰセンサ１２６に対応する“［１０］嫌気槽ＯＲＰ”、嫌気槽１０２のｐＨを計測する嫌気槽ＰＨセンサ１２７に対応する“［１１］嫌気槽ｐＨ”、無酸素槽１０３のＯＲＰを計測する無酸素槽ＯＲＰセンサ１２８に対応する“［１２］無酸素槽ＯＲＰ”、無酸素槽１０３のｐＨを計測する無酸素槽ｐＨセンサ１２９に対応する“［１３］無酸素槽ｐＨ”、好気槽１０４のリン酸濃度を計測するリン酸センサ１２１０に対応する“［１４］好気ＰＯ４−Ｐ”、好気槽１０４の溶存酸素濃度を計測するＤＯセンサ１２１１に対応する“［１５］好気槽ＤＯ”、好気槽１０４のアンモニア濃度を計測するアンモニアセンサ１２１２に対応する“［１６］好気槽ＮＨ４−Ｎ”、反応槽１０２〜１０４の少なくとも１ヶ所の槽で活性汚泥量を計測するＭＬＳＳセンサ１２１３に対応する“［１７］好気槽ＭＬＳＳ”、反応槽１０２〜１０４の少なくとも１ヶ所の槽で水温を計測する水温センサ１２１４に対応する“［１８］反応槽水温”、放流下水に含まれる全窒素量を計測する放流ＴＮセンサ１２１９に対応する“［１９］放流ＴＮ”、放流下水に含まれる全リン量を計測する放流ＴＰセンサ１２２０に対応する“［２０］放流ＴＰ”を利用する変数として登録する。この登録をユーザが容易に実施できるように監視画面上などのＧＵＩとして登録画面を構築しておくことが好ましい。
【００６９】
このようなプロセス変数を登録する機能が、プロセス変数登録部３の作用である。
【００７０】
次にプロセス変数分類ユーザインターフェイス部４では、図２に示す様な登録されたプロセス変数の一覧表を監視画面上のＧＵＩとして表示し、その中で、入力変数と出力変数と中間変数を選択できるようにしておく。図２では、入力変数、出力変数、中間変数の欄に○を付けて示しているが、実際の監視画面（ＧＵＩ）構築時には、チェックボックスの様なものでチェックするようにしておく。また、デフォルト状態を中間変数としておいて、その中から、入力変数と出力変数だけを選択できるようにしておく方がチェックする労力を省略でき、効率的である。このようなＧＵＩが請求項２に対応するプロセス分類ユーザインターフェイスの例であり、プロセス変数分類ユーザインターフェイス部４の作用の例である。
【００７１】
次に、プロセス変数分類部５１では、プロセス変数登録部３で登録された変数をプロセス変数分類ユーザインターフェイス部４でチェックした基準に従って、登録したプロセス変数を、プロセスの操作量を表す入力変数と、プロセスの性能指標を表す出力変数と、プロセスの管理値などに対応する中間変数の３つに分類する。
【００７２】
上記の例の場合は例えば下記の様に分類する。
【００７３】
入力変数：［１］空気供給量、［２］循環流量、［３］返送流量、［４］余剰流量。
【００７４】
出力変数：［１９］放流ＴＮ、［２０］放流ＴＰ。
【００７５】
中間変数：［５］雨量、［６］下水流入量、［７］流入ＴＮ、［８］流入ＴＰ、［９］流入ＵＶ、［１０］、嫌気槽ＯＲＰ、［１１］嫌気槽ｐＨ、［１２］無酸素槽ＯＲＰ、［１３］無酸素槽ｐＨ、［１４］好気槽ＰＯ４−Ｐ、［１５］好気槽ＤＯ、［１６］好気槽ＮＨ４−Ｎ、［１７］好気槽ＭＬＳＳ、［１８］反応槽水温。
【００７６】
入力変数は、ブロワ（送風機）やポンプを操作させることによって直接変化させることのできる変数であり、このようなもの以外には、薬品類の注入量や下水処理プロセスに水をくみ上げる揚水量（揚水ポンプ）なども入力変数となり得る。
【００７７】
出力変数は、下水処理の直接的な目的が放流水質を規制値範囲内に維持することであるので、上記の様な放流水質が出力変数となる。上記以外にも監視すべき放流水質があれば、それも出力変数となり得る。さらに、放流水質に放流水量を掛けた放流水質負荷量なども出力変数となり得る。さらには、電力量などを監視している場合には消費電力量やそれを処理量で割ったエネルギ原単位なども出力変数となり得る。
【００７８】
中間変数は、上記に示した通り、プロセスの状態やプロセスへの入力される外乱要素を表すものであり、上記の様な直接的な管理・監視値だけでなく、これらを用いて変換される管理値を中間変数として定義してもよい。典型的な例としては、ＨＲＴ（水理学的滞留時間）、ＳＲＴ（汚泥滞留時間）、Ａ−ＳＲＴ（好気槽汚泥滞留時間）、あるいはＢＯＳ−ＳＳ負荷、など下水処理プロセス特有の管理値である。これらの値を予め計算する式を組み込むことにより、これらを中間変数として含めても良い。
【００７９】
なお、中間変数と出力変数の分類の客観的な基準はなくやや主観的であるが、このプロセス監視・診断・支援装置を構築する当事者の判断で、適宜定義してよい。
【００８０】
これが、プロセス変数分類部５１の作用である。
【００８１】
次に、過去（オフライン）データ抽出部５２では、プロセス計測データ収集・保存部２に保存されている過去のプロセスデータの中から、プロセス変数登録部３で登録された変数の所定の期間にわたる過去のデータを抽出する。この際、「所定の期間」はユーザが適宜選択しやすいように、プロセス変数登録部３と共に監視画面上などのＧＵＩとして実装しておくことが好ましい。以下、ここで抽出した過去の時系列データをＸと記載することにする。このＸは行方向に変数（上記の場合［１］〜［２０］の変数）、列方向に上記で定義した「所定の期間」にわたる時系列サンプル（時系列データ）を持つ行列であり、以下、説明に際しては変数の数をｎ、時系列データ数をｍとする。従って、Ｘはｍ×ｎの時系列データである。これが、過去（オフライン）データ抽出部５２の作用である。
【００８２】
次に、プロセス変数相関定義部５３では、過去（オフライン）データ抽出部５２で抽出したXから欠測データやアウトライアの除去や、物理的な次元の異なる複数の監視項目（監視モデル構成変数）の正規化（＝平均値を引いて分散で割る）などを適切に行った上でＸの相関行列を求める。この際、必要に応じてデシメーション（時系列サンプルを所定の周期で間引くこと）なども行っても良く、この場合は時系列データ数ｍが変化することになるが、以下では、このように適切に処理されたデータを改めてＸと記述する。Ｘの相関行列は、各変数が正規化されている場合には分散共分散行列と一致し、単純に以下の式で計算できる。
【００８３】
相関行列 Ｓ＝ＸT Ｘ （１）
（１）式はプロセス変数の数ｎ×ｎの行列を表し、その各要素は−１から１までの相関係数を表す実数となる。また相関係数の定義より、対角要素は全て１（自分自身との相関係数は１）な対称行列（ａとｂの相関とｂとａの相関は同じ）となる。この（１）式の相関係数に対して適当な基準を設けて、相関の有無や強度を定義しておく。最も単純な定義は、相関の有無を基準とするものであり、例えば、図３に示すように、相関判定ルール（例１）を定義できる。
【００８４】
ここで、Ｔｈは相関の有無を判断する基準で、例えば、Ｔｈ＝０．５やＴｈ＝０．７（Ｔｈ２≒０．５）などとすれば良い。また、相関有＝１、相関無＝０や相関有＝○、相関無＝×という様に適当な表現形式を用いる。また、ＳＳは、相関の有無を表す行列であり、これがプロセス変数相関定義部５３で定義される行列の例である。
【００８５】
他の例としては、相関の強度を何段階かにわけて判断するものであり、例えば、３段階に分ける場合には、図４に示すように、相関判定ルール（例２）を設定してもよい。
【００８６】
ここで、Ｔｈ１とＴｈ２は、０＜Ｔｈ２＜Ｔｈ１＜１を満たす閾値であり、例えばＴｈ１＝０．７、Ｔｈ２＝０．５などとして設定すれば良い。また、強相関＝２、弱相関＝１、相関無＝０や強相関＝◎、弱相関＝○、相関無＝×という様に適当な表現形式を用いることができる。
【００８７】
さらに、単純に各変数同士の相関という観点からだけでなく、後述する主成分分析のローディング行列を用いて各変数間の関係の有無（あるいは強さ）を定義することもできる。全変数を考慮したサイズｎ×ｎ主成分ローディングをＰaとし、そのｋ行ｊ列をＰa（ｋ,ｊ）と記載することにする。
【００８８】
Ｐa（ｋ,ｊ）は、ローディング行列Ｐaが正規直交行列になるという性質から、その要素は−１から１までの範囲の値をとり、また、Ｐaのｋ行で定義される第ｉ主成分（以下、Ｐa（ｋ,：）と記述）の２乗和Σ_｛ｊ＝１｝＾｛１５｝Ｐa（ｋ,ｊ）2は、１となる。これは、Ｐa（ｋ,ｊ）2の平均値が１／ｎであることを意味する。この性質を利用すると、各々の変数の関係の有無を図５に示すような相関判定ルール（例３）で決定することができる。
【００８９】
上記では、主成分ローディング行列（主成分負荷行列）の第ｋ行に示される第ｋ主成分の平均値よりも大きいもの同士は互いに関連しているという基準で関係性を規定しているものである。もちろん、平均値１／ｎを適宜修正して異なる閾値とすることもできるし、相関判定ルールの例２の様に複数の閾値で関係の強さを定義することもできる。
【００９０】
この様にしてプロセス変数間の関係（あるいは相関）の強さを定義した例を図６に示す。プロセス変数相関定義部５３では、何らかの機械的な手段で結果的に図６に示す様にプロセス変数間の相関が定義される。この際、注意すべきことは、プロセス変数分類部５１で分類した入力変数と中間変数と出力変数を図６に示すように分類して保持しておくことであり、このことが後述の異常時対策支援を行う際のポイントとなる。
【００９１】
上記の実施形態は、請求項５に対応するプロセス変数定義手段の例となっている。以上がプロセス変数相関定義部５３の作用である。
【００９２】
この際、図６に示す様なプロセス変数間の相関を表す表が監視画面上のＧＵＩを通してユーザに提示されていることが望ましい。この場合、プロセス変数相関定義インターフェイス部６によって、この表の中の相関の有無や強さをユーザが適宜書き換えられる様にしておく。そうすると、上記の様に機械的に決定された相関関係に対して、ユーザが疑問を感じて適宜修正したい場合に、容易にユーザの要求をシステムの中に反映させることができる。この際、予めユーザに相関の有無を定義することを要求するのではなく、あくまでも機械的に定義された相関に対してユーザがカスタマイズしたい場合に、それを可能にするように構成されている点が本実施形態のポイントである。
【００９３】
この作用が請求項６に対応するユーザインターフェイスの例であり、プロセス変数相関定義インターフェイス部６の作用例である。
【００９４】
次に、異常検出用データ定義部５４では、多変量解析や機械学習の様々な方法を過去（オフライン）データ抽出部５２で抽出したＸに適用することによって、少数の異常検出用データを生成する。ここで重要なことはこの異常検出用データがＸから生成されており、従ってｎ個のプロセス変数の情報を含んでいることと、異常検出用データがｎよりもずっと少ない１〜２個程度の少数になっていることである。
【００９５】
このような方法として、プロセス診断技術として良く使われている方法は、ＭＳＰＣ（多変量統計的プロセス管理）と呼ばれ、通常主成分分析（ＰＣＡ）や潜在変数射影法（ＰＬＳ）を利用してＱ統計量やＴ2統計量と呼ばれる異常検出用データを合成している。
【００９６】
ＰＣＡはｎ個全ての変数を同等の変数として扱うのに対し、ＰＬＳはｎ個の変数を入力変数と出力変数に分離して扱う点が異なっている。
【００９７】
本実施形態では、プロセス変数を入力変数と出力変数と中間変数に分類しているが、これは、診断後の異常対策支援に用いるために分類しているものであり、この分類とは関係なくＰＣＡあるいはＰＬＳのいずれの方法を用いることもできる。ＰＣＡを適用する場合には、既に定義した入力変数と出力変数と中間変数を全く区別することなく適用すれば良い。ＰＬＳを用いる場合には、分類済の中間変数を入力変数か出力変数に再度振り分けることによって適用する。ＰＬＳの代わりに、ＰＣＡと重回帰分析を組み合わせたＰＣＲを利用することもできる。その他にも、複数のプロセス変数が繰り返し異なる場所で計測されている場合などには、正準相関解析（ＣＶＡ）を用いることもできる。このような例としては、例えば、水温、ｐＨ、導電率、硝酸、濁度、という５つの変数が水処理プロセスの複数の箇所で繰り返し測定されている様な場合が挙げられる。
【００９８】
また、データの中にアウトライアなどが多量に含まれることが想定される場合には、例えば非特許文献１「Mia Hubert , Peter J. Rousseeuw , Karlien V , “ROBPCA: a New Approach to Robust Principal Component Analysis (2005) ”Technometrics」および非特許文献２「C Croux, A Ruiz-Gazen 、High breakdown estimators for principal components: the projection-pursuit approach revisited ,Journal of Multivariate Analysis」などのアウトライアに対するロバスト性を考慮した様々なロバストＰＣＡアルゴリズムを用いてもよい。あるいは、これを拡張してロバストＰＬＳとして用いても良い。
【００９９】
さらに、データ間に強い非線形の相関が想定される様な場合には、例えば、非特許文献３「K.-R. Muller, S. Mika, G. Ratsch, K. Tsuda, and B. Scholkopf, An introduction to kernel-based learning algorithms. IEEE Trans. Pattern Anal. Machine Intell. ,12(2):181.201, March 2001.」および非特許文献４「B. Scholkopf, A.J. Smola, and K.-R. Muller, Nonlinear component analysis as a kernel eigenvalue problem. Neural Computation, 10(5):1299.1319, 1998.」などに記載されているカーネルＰＣＡなどの非線形性を考慮したＰＣＡやこれを拡張してカーネルＰＬＳとして用いても良い。さらに、非線形性とアウトライアの問題が両方存在している場合には、ロバストＰＣＡとカーネルＰＣＡを組み合わせた方法を用いることも可能である。
【０１００】
また、ＭＳＰＣと類似の技術として、品質工学の分野で用いられるタグチ法などマハラノビス距離を用いて検出用データを生成することもできる。なお、マハラノビス距離を用いた検出用データは後述するＰＣＡを用いたホテリングのＴ2統計量と本質的に同等のものであり、ＰＣＡを用いた方法では、ＰＣＡにより次元を低次元に落としている点が異なる。ただし、マハラノビス距離を用いた方法でも数値的安定化のために低次元化する場合があるので、本質的にはＴ2統計量とほぼ同一のものである。
【０１０１】
また、異常検出をあるデータを正常クラスと異常クラスに識別する2クラスのクラスタリング問題としてとらえることにより、機械学習の分野で利用される各種のクラスタリングの技術を用いることができる。このようなものとして、判別分析、K-meansクラスタリング、ファジィC-meansクラスタリングの様なクラスタリングを用いてもよいし、サポートベクトルマシン（ＳＶＭ）やベイズ推論を利用したリレバンスベクトルマシン（ＲＶＭ）を２クラスのクラスタリングとして適用しても良い。これらのクラスタリングを利用する場合には、異常検出用データを適切に定義する必要があるが、最も単純な方法として、クラスタリングによって分離した正常クラスの中心からの距離を異常検出用データとして定義することができる。
【０１０２】
その他の機械学習分野の技術としては、画像認識の分野で良く用いられる部分空間法の技術を適用することもできる。この際、部分空間法で定義される「類似度」という概念を異常検出用データとして用いることができる。すなわち、正常データと類似度が遠いデータを異常データとして定義して利用することができる。ただし、類似度の概念は、後述するＰＣＡによるＱ統計量というものと非常に近い概念であり、Ｑ統計量が診断対象のあるデータから低次元の空間への距離を示す「異常度」を表すのに対し、類似度は、診断対象のあるデータを低次元空間への射影した量であり、あるデータが低次元空間とどの程度近いかを表す「正常度」となっている。これらは、互いに直交する補空間の量となっており、互いに変換可能であるので、原理的にはほぼ同じことである。
【０１０３】
その他にも、上記の手法を様々な形で組み合わせて異常検出用データを合成することができる。例えば、ＰＣＡと重回帰分析を組み合わせたＰＣＲの重回帰分析の部分をサポートベクトルマシンを回帰分析に拡張したサポートベクトル回帰（ＳＶＲ）に置換する、もしくは回帰問題に適用したＲＶＭに置換するなどの組み合わせを行ってもよい。
【０１０４】
いずれにしろ、異常検出用データ定義部５４では、少数の異常検出用データがＸから生成されていることが重要であり、その方法としては、どのような方法を用いても良い。
【０１０５】
以下では、後続の作用説明のため、通常のＰＣＡを用いた場合の異常検出用データ生成の具体的な計算式を記載する。ＰＣＡを用いると、Ｘは以下の様に分解できる。
【数１】
【０１０６】
Ｔa∈Ｒm×nは、ｍ個のサンプル（あるいは時系列データ）と、ｎ個の主成分数からなるスコア行列と呼ばれる行列であり、Ｐa∈Ｒn×nは、ｎ個の構成変数と、ｎ個の主成分との関係を示すローディング行列と呼ばれる行列である。Ｔ∈Ｒm×pは、ｐ≪ｎ個の主成分で打ち切ったＴaの部分行列であり通常はスコア行列と呼んでいる。同様に、Ｐ∈Ｒn×pは、ｎ個の変量に対してｐ≪ｎ個で打ち切った主成分との関係を表すＰaの部分行列であり、通常はこのＰをローディング行列と呼んでいる。また、Ｅ∈Ｒm×nはｍ個のサンプル（あるいは時系列データ）とｎ個の変量からなる誤差行列であり、ｐ≪ｎで主成分を打ち切った場合の誤差を表す。
【０１０７】
以下では、ＴaとＴ、ＰaとＰを明確に区別し、ＴaとＰaを各々スコア行列、ローディング行列と呼び、ＴとＰをそれぞれ主要スコア行列、主要ローディング行列と呼ぶことにする。これらを用いて異常検出用データとして以下のＱ統計量とホテリング（Hotelling）のＴ2統計量を定義する。
【０１０８】
Ｑ統計量：
Ｑ（ｘ（ｔ））＝ｘT（ｔ）（Ｉ−ＰＰT）ｘ（ｔ） （３）
ホテリングのＴ2統計量：
Ｔ2（ｘ（ｔ））＝ｘT（ｔ）ＰTΛ-1Ｐｘ（ｔ） （４）
ここで、Λは主成分の分散を対角要素として持つ行列であり、分散を正規化していることを意味する。また、Ｉは適当なサイズの単位行列である。また、ｘ（ｔ）は、行列Ｘのｔ番目の要素である。後述する異常監視・診断の際には、このｘ（ｔ）がオンラインで計測されてくるプロセスデータに置き換わって計算される。（３）式と（４）式が、異常検出用データ定義部５４で定義される異常検出用データの例であり、ここでは、２つの異常検出用データを用いることになる。
【０１０９】
さらに、これらの統計量に対して異常と正常を識別する判断基準としてのしきい値を設定しておく。このしきい値の設定値は状態変化や異常兆候の検出に大きく関わるため、その設定方法は重要であるが、本実施形態のアイデアとは関係しないため、典型的な設定方法のみを記載しておく。
【０１１０】
もし、過去のオフラインデータに対して何ら事前情報が無い場合には、デフォルトの設定法として、Ｑ統計量の統計的信頼限界値とホテリングのＴ2統計量に関する統計的信頼限界値を用いることができる（非特許文献５：C.Rosen “Monitoring Wastewater Treatment Systems", Lic.Thesis, Dept. of Industrial Electrical Engineering and Automation, Lund University, Lund, Sweden (1998)）。
【０１１１】
これらは、以下の様に書くことができる。
【数２】
【０１１２】
ここで、ｐはモデルの中に残された変数の数である。ｃαは、信頼区間の限界が１−αである場合の標準正規分布の標準偏差のずれ（例：α＝０．０１の場合、２．５３，α＝０．０５の場合、１．９６）である。また、λiはΛの対角要素である（つまり、Θiは、誤差項に含まれる各成分のｉ乗和である。）。
【数３】
【０１１３】
ここで、ｐは選択した（＝モデルの中に残された）変数の数であり、ｍは全変数の数である。Ｆ（ｐ, ｍ−ｐ, α）は、自由度が（ｐ, ｍ−ｐ）であり、信頼限界をα（＝０．０１あるいは０．０５とすることが多い）とした場合のＦ分布である。
【０１１４】
以上が、異常検出用データ定義部５４の作用の例であり、請求項３に対応するものである。
【０１１５】
次に、異常検出用データ寄与量定義部５５では、（３）式や（４）式で定義された統計量（異常検出用データ）に対する各診断モデルの入力変数の寄与量の定義式を設定する。
【０１１６】
寄与量の定義方法も複数あるが、例えば、以下の様に定義することができる。
【０１１７】
Ｑ統計量の寄与量：
Ｑcont（ｎ,ｔ）＝ｘT（ｔ,ｎ）Ｆ（：,ｎ）TＦ（：,ｎ）ｘ（ｔ,ｎ） （７）
Ｆ＝（Ｉ−ＰＰT）
ホテリングのＴ2統計量の寄与量：
Ｔ2cont（ｎ,ｔ）＝ｘT（ｔ）ＰTΛ-1Ｐ（：,ｎ）ｘ（ｔ,ｎ） （８）
ここで、ｎはｎ番目変数という意味であり、ｔはある時刻を表す変数である。（７）式と（８）式を用いると、プロセス変数各々が異常検出用データの値に対してどの程度寄与しているかを計算することができる。（７）式はＱ統計量のｎ番目のプロセス変数の軸への射影になっており、（８）式は単純な射影ではないが、Ｔ2統計量をｎ個の各変数成分の和に巧みに分解したものになっている。
【０１１８】
異常検出用データとして、Ｑ統計量やＴ2統計量でないものを用いる場合には、（７）式や（８）式に類似する考え方で寄与量を適切に定義する必要がある。
【０１１９】
品質工学で用いられるマハラノビス距離を用いる場合には、タグチ法で用いられている感度解析的な方法を用いて寄与量を定義することができる。
【０１２０】
クラスタリング手法を適用する場合には、前述のとおり異常検出用データを正常クラスの中心からの距離として定義しておけば、この距離に対する各プロセス変数が貢献する成分を寄与量として定義することができる。例えば、ユークリッド距離で定義する場合には、正常クラスの中心から診断データまでの距離をＤとすると、Ｄ2＝Ｄ12＋Ｄ22＋Ｄ32＋…＋Ｄn2、Ｄi2、ｉ＝１，２，…，ｎは診断データの各成分の距離、と分解して、Ｄi2を寄与量として定義することができる。
【０１２１】
その他には、異常検出後に独立性成分分析（ＩＣＡ）を利用してどのデータが異常を引き起こしている可能性が高いかを分析し、寄与量を陽に定義しなくても結果的にいくつかの異常要因候補となるプロセス変数を抽出できるようにしておいても良い。
【０１２２】
どのような方法を用いるにせよ、異常検出用データ寄与量定義部５５では、ある診断データに対して、異常検出用データ定義部５４で定義した方法に従って計算されたその診断データの異常検出用データを入力すれば、どのプロセス変数が異常要因となる可能性が高いかを順位づけして出力できるような仕組みを有している必要があり、それが実現できればどのような方法であってもかまわない。
【０１２３】
上記の作用が請求項４に対応するものであり、異常検出用データ寄与量定義部５５の作用例である。
【０１２４】
次に異常時対策支援情報定義部５６では、異常検出用データ寄与量定義部５５の出力として供給される異常要因の可能性が高い順に順位づけされたプロセス変数の情報と、プロセス変数相関定義部５３からの情報に基づいて異常対策の支援となる情報を提供するためのルールを構築しておく。
【０１２５】
はじめに、順位づけされた異常要因の候補変数の中から、ある所定のルールに従って上位の要因候補を抽出する。最も単純なルールは、上位数個（例えば３個）の異常要因候補を上位要因候補として抽出するルールとしておく。この方法では、異常要因候補の順位情報だけを用いており、どの程度異常度が強いかということが考慮されていないので、異常度の高いものを抽出するようにする方法の方がより好ましい。例えば、寄与量の平均値μと標準偏差σを計算しておき、平均μからの距離がｋσ（例えばｋ＝３）を超える変数を異常要因候補とするなどのルールを設定しておけば良い。この際μとσは異常検出時の診断対象データに対して計算してもよいし、ある所定の期間の寄与量データから予め計算しておいてもよい。前者の場合には、異常データを必ず含む（∵異常検出時だから）ため、いくつかのデータを捨てて計算するトリム平均やトリム分散などの何らかのロバスト化処理を施しておくことが好ましい。また、上記２つを組み合わせて異常度の高いものの中から最大３個までを候補として挙げるというルールにしておいてもかまわない。いずれにしろ、まずいくつかの上位異常要因候補を抽出することが異常時対策支援情報定義部５６で定義する１番目のルールである。
【０１２６】
次に抽出された異常要因候補変数を図６に示す入力変数と出力変数と中間変数に分類するというルールを設定する。例えば、１番目のルールで上位３つの変数を抽出するという定義を採用した場合、この３つの変数が入力変数と出力変数と中間変数のどれに属するかを図６の表と対応させることにより分類する。これは、容易に実現でき、異常要因候補変数（ベクトル）をＦＸ、この中の入力変数（ベクトル）をＦＵ、中間変数（ベクトル）をＦＺ、出力変数（ベクトル）をＦＹとすると、単純に図７に示す如き、異常要因候補分類ルールを適用すればよい。
【０１２７】
ここで、［ ］は空ベクトル、［Ａ Ｂ］はベクトルＡとベクトルＢをつなげたベクトルを表す。
【０１２８】
このように２つ目のルールでは、異常要因候補変数ＦＸを入力変数ＦＵ、出力変数ＦＹ、中間変数ＦＺに分類する。
【０１２９】
次に、これらの入力変数ＦＵ、出力変数ＦＹ、中間変数ＦＺを用いて対策を支援する情報を提供するためのテンプレートを作成する。これが３つめのルールである。ここでのポイントは、入力変数ＦＵ、出力変数ＦＹ、中間変数ＦＺを図６の相関行列と対応させて、支援メッセージを出す仕組みを持つことであり、特に、オペレータがどのような対策をすればよいかという支援メッセージを組み込むことである。オペレータにとっては、異常時に今自分がどのような操作を行うべきなのかという情報と、オペレータが重要視している性能指標がどのような状態でありどのように変化する可能性があるのか、という情報が重要な情報であると考えられるため、例えば、図８および図９に示すような異常対策支援メッセージ生成ルールのテンプレートを作成する。
【０１３０】
このようなメッセージテンプレートは、対象プラントに関する特別な知識を全く必要とせず、単にプロセス変数を入力変数と出力変数と中間変数に分類するということと、各プロセス変数間の関係の有無を表すテーブルを用いるだけで作成できることがポイントである。また、前述した通り、プロセス変数間の関係の有無を表すテーブル作成も相関行列や主成分ローディング行列などから自動的に生成できる。従って、このようなメッセージテンプレートを作っておけば、このテンプレートに従って、異常時の対策支援情報を自動的に提供できることになる。
【０１３１】
以上の実施形態が請求項７に対応するものであり、異常時対策支援情報定義部５６の作用例である。
【０１３２】
上記の手順に従って、異常診断モデル構築部５での異常監視・診断・対策支援モデルの構築が完了する。次に、異常監視・診断・対策支援部７では、異常診断モデル構築部５で構築した異常監視・診断・対策支援モデルを供給してもらい、このモデルを用いて異常の検出・要因変数推定および対策支援情報の提供を行う。
【０１３３】
まずプロセス計測データ収集・保存部２で収集している診断を行いたい時点（以下現時点あるいは現在という）のオンラインデータを現在データ（オンラインデータ）抽出部７１で抽出する。この現在（オンライン）データ抽出部７１で抽出した現在データを用いて、異常監視・診断・対策支援部７ではプロセス状態の監視を行い、状態に変化があったり異常の兆候が認められた場合にはそれを検出する。
【０１３４】
次に異常検出部７２では、まず、プロセス変数登録部３で登録した変数に対応する現時点のデータを取り出し、各変数の平均や分散などを用いて適当に正規化しておく。また、必要に応じて、アウトライアの除去を行っておく。そして、（３）式と（４）式で定義したＱ統計量とＴ2統計量のＸ（ｔ）に代入することによって現時点のＱ統計量とＴ2統計量を監視する。この統計量は時間の経過と共に時々刻々と変化するので、時系列グラフ（トレンドグラフ）の様な形で監視してもよい。そして、現時点のＱ統計量あるいはＴ2統計量が（５）式と（６）式で定義したしきい値を超えた場合に、プロセスに状態変化が生じたと判断する。これが、異常検出部７２の作用例である。
【０１３５】
次に、異常要因変数分離部７３では、異常検出部７２でプロセスの異常を検出した場合、その時刻における異常検出用データ、すなわち、その時刻の（３）式と（４）式のＱ統計量とＴ2統計量を入力し、（７）式と（８）式の寄与量を計算する。そして、各プロセス変数について、どの変数の寄与量が大きいかを順位づけておく。これが異常要因変数分離部７３の作用の例である。
【０１３６】
異常検出部７２の作用と異常要因変数分離部７３の作用は、通常のＰＣＡを用いたＭＳＰＣの作用そのものである。
【０１３７】
次に、異常対策支援情報提供部７４では、異常要因変数分離部７３で順位づけられたプロセス変数のデータと異常時対策支援情報定義部５６で定義された異常時の対策支援メッセージテンプレートを用いた異常時の対策支援情報を提供する。
【０１３８】
具体的な実施イメージを示すため、図１０を用いて、簡単化した場合のメッセージが生成される作用を述べる。図１０においては、説明を簡単にするため、図６のプロセス変数相関図を簡単化したものを用いている。
【０１３９】
まず、上位の異常要因候補ＦＸとして、放流ＴＰと風量と溶存酸素濃度ＤＯが抽出されたとする。放流ＴＰは出力変数ＦＹに分類され、風量は入力変数ＦＵに分類され、溶存酸素濃度ＤＯは中間変数ＦＺに分類される。すると、異常時対策支援情報定義部５６で定義された異常時の対策支援メッセージテンプレートを用いて図１１に示すように、対策支援メッセージが生成される。
【０１４０】
本実施形態では、異常要因候補変数ＦＸが出力変数ＦＹ、中間変数ＦＺ、入力変数ＦＵに一つずつ分類され、かつそれらが全て関連している最も簡単な例を示したが、そうでない場合にも、異常時対策支援情報定義部５６で定義された異常時の対策支援メッセージテンプレートに従って、支援メッセージが自動的にユーザインターフェイス部９を通してオペレータなどのユーザに提供される。このようなメッセージを提供する作用が異常対策支援情報提供部７４の実施形態の作用である。これにより、異常監視・診断・対策支援部７の作用が完了する。
【０１４１】
次に、異常対策支援情報を提供されたユーザは、支援情報に基づいて何らかの操作を行うが、その操作記録などの対策記録を保存しておくとさらに好ましい。これが異常対策記録保持部８の作用である。例えば、上記メッセージに従って、風量を調整した場合、風量と調整したという記録を自動的に保存する。さらに、オペレータが入力できるような欄をユーザインターフェイス部９上に設け、風量をどのように調整し、その結果放流ＴＰの改善がどの程度認められたのかの記録や風量を調整したことに伴う弊害（副作用）等の記録を記録できるようにしておく。この異常対策記録保持部８では、どの操作量が調整されたかという記録と、どの性能指標の対策であったかの記録と、どの管理項目の対策であったかの記録を残せるようにしておき、操作量や性能指標や管理項目で検索を掛けられる様な機能を持つとなお好ましい。また、オペレータの記録に対してキーワードで検索できる機能を持っているとなお良い。これが、異常対策記録保持部８の実施形態の作用例である。
【０１４２】
また、この機能がついている場合、異常対策支援情報提供部７４では、この機能に対して自動検索をかけ、ある操作量や性能指標や管理指標の過去の記録一覧を表示できるようにしておけるとよい。例えば、放流リン濃度時の過去の異常対策リスト、風量異常時の過去の異常対策リスト、溶存酸素濃度ＤＯ異常時の過去の異常対策リストの一覧が提示できるようになっているとなお良い。これが、請求項８に対応する作用例である。
【０１４３】
以上によって、異常の監視・診断・対策支援の作用が完了する。
【０１４４】
上述したように本実施形態によれば、プロセス監視・診断・支援装置が異常診断モデル構築部５および異常監視・診断・対策支援部７を備えた構成により、対象プロセスに依存しない形で、異常時の対策支援情報を提供することができる。
【０１４５】
補足すると、今までの監視・診断手法では、異常兆候の検出と要因変数の分離だけしか行えない、あるいは、対策支援情報を提供しようとすると多大なエンジニアリングを要していたのに対し、本実施形態の手法を用いると、殆どエンジニアリングを発生させることなく、異常検出・要因変数分離に加えて異常時の対策支援情報をほぼ機械的に提供することができる。
【０１４６】
すなわち、本実施形態によれば、診断システムに入力するプロセス変数を定義し、このプロセス変数を入力変数と出力変数と中間変数に分類すること以外のエンジニアリングをほとんど介在させずに、ＳＣＡＤＡなどで収集されているプラントの監視データのみから機械的（≒エンジニアリングを介在させず自動的に）にデータ処理を通すだけの処理により、対象プロセスに依存しない形で、プロセスの異常時・非定常時にプラントオペレータやプラントマネージャー等のユーザに対して対策支援情報を提供することができる。
【０１４７】
また、ｎ個のプロセス変数の名称を表示し、この表示中に、ユーザの操作に応じて、プロセス変数分類部５１における入力変数と出力変数と中間変数を選択するプロセス変数分類ユーザインタフェイス部４を備えた場合に、プロセス変数の分類をユーザがＧＵＩ上で容易に実施することができる。
【０１４８】
さらに、異常検出用データ定義部５４としては、主成分分析（ＰＣＡ）、潜在変数射影法（ＰＬＳ）、主成分回帰（ＰＣＲ）、正準相関解析（ＣＶＡ）、マハラノビス距離、ロバスト主成分分析（Robust ＰＣＡ）、カーネル主成分分析（Kernel ＰＣＡ）、判別分析、ファジィC-meansクラスタリング、K-meansクラスタリング、サポートベクトルマシン（ＳＶＭ）、リレバンスベクトルマシン（ＲＶＭ）および部分空間法のうちの少なくとも一つ以上の方法を用いて異常検出用データを生成する式を定義する場合に、対象プロセスに依存しない形で、非定常時の対策支援情報を提供する旨の前述した効果を、既存の多変量解析や機械学習の技術を援用して、システマティックに提供することができる。また、対象プロセスに関連する知識を必要としない統計的なＦＤＩ手法であるＭＳＰＣをベースとして、プロセスの非定常時・異常時に、オペレータやマネージャーに対してどのような対策をとればよいかを示す具体的な対策支援情報を提供することができる。
【０１４９】
また、異常検出用データ寄与量定義部５５としては、ｎ個のプロセス変数の中の着目するプロセス変数ｋの寄与量（但し、ｋ＝１，２，…，ｎ）を、［ａ］異常検出用データ定義部５４により定義された異常検出用データから当該プロセス変数ｋが張る空間へ射影することによって定義するか、［ｂ］異常検出用データをｎ個の成分の和に分解し、当該プロセス変数ｋのみが影響を与えるｋ番目の成分として定義するか、又は［ｃ］独立性成分分析を用いて定義する場合に、対象プロセスに依存しない形で、非定常時の対策支援情報を提供する旨の前述した効果を、さらにシステマティックに提供することができる。
【０１５０】
また、プロセス変数相関定義部５３としては、ｎ個のプロセス変数の所定期間に亘る時系列データの相関行列又は主成分負荷行列に基づいて、相関情報を定義する場合に、プロセス変数間の関係の有無あるいは強さを、データから機械的かつシステマティックに容易に定義することができる。また、異常検出用データ定義部５４における多変量解析などの手法の多くは、異常検出用データ作成時に分散共分散行列や主成分負荷行列を作成する操作を行うため、診断モデル構築時に、若干の修正を加えるだけで機械的にプロセス変数間の関係を定義することができる。
【０１５１】
また、プロセス変数相関定義部５３がｎ個のプロセス変数相互間の相関の有無あるいは強度を表すｎ行ｎ列のテーブルを相関情報として有し、プロセス変数相関定義インターフェイス部６が、ユーザの操作に応じて、このテーブルを表示すると共に、当該テーブルの内容を修正する場合には、データドリブンによって構築したプロセス監視・診断・支援装置の前述した効果がプラントマネージャーやオペレータなどのユーザにとって満足できないものである場合や、ユーザが修正を行いたい場合にプロセス変数相関定義ユーザインターフェイス部６を通して容易に修正することができる。
【０１５２】
また、異常時対策支援情報定義部５６に第２〜第６ルールが定義された場合に、前述した効果のより具体的な形として、異常時にユーザがどの操作量を確認し必要に応じて調整すればよいかという支援情報を与えることができ、さらに、この操作量によってどのようなプロセス監視データが影響を受けやすいか（例、放流水質などの性能指標が今後どうなっていく可能性があるのか）という情報をユーザに提供することができる。
【０１５３】
また、異常対策記録保持部８を備えた場合には、支援情報が提供された時、過去の類似事例において、どのような対策がなされたかを、プラントオペレータ・マネージャが参照することができ、具体的な対策を容易に行うことが出来るようになる。
【０１５４】
＜その他の実施形態の構成＞
図１２〜図１４は、それぞれ、第１の実施形態に述べた図１の下水高度処理プロセス１を対象とする監視システムを、インターネットや電話などの公衆回線あるいは専用回線などの通信回線を通して実現するシステム構成の一例を示している。通信回線は有線あるいは無線であるが、主に無線回線で実現されていることを想定している。図１２〜図１４の実施形態の構成における構成要素は、図１の構成の構成要素とほぼ同じであるが、通信回線を介して機能が分割されている点が異なり、これに伴い、図１３および図１４においては、遠隔監視操作端末１０を新たに有している。
【０１５５】
図１２に示す構成では、下水高度処理プロセス１で計測しているデータの収集と下水高度処理プロセス１の各種アクチュエータ１１１〜１１５による各操作量の操作は、当該処理場で実施されるが、その他は通信回線を通して物理的に離れた場所に存在するセンタ装置１１で実施される。
【０１５６】
すなわち、図１２に示す構成は、プロセス計測データ収集・保存部２に有線又は無線の通信回線を通して接続されたセンタ装置１１を更に備えている。各部３，４，５，６，７，９は、センタ装置１１に実装されている。センタ装置１１は、プロセス計測データ収集・保存部２に保存されたｎ個のプロセス変数の時系列データを通信回線を通して収集してユーザに提示し、ユーザの操作に応じて入力変数Ｕを操作する場合には、当該入力変数Ｕの操作信号を通信回線を通して下水高度処理プロセス１に送信する。
【０１５７】
図１３に示す構成は、図１２とは異なり、通信回線を通して異常時の対策支援情報の受信とこの情報に基づいて判断した結果を再び通信回線を通して下水高度処理プロセス１に送信する遠隔監視操作端末１０を有する構成となっている。この遠隔監視操作端末１０は複数存在してよく、下水高度処理プロセス１の運転管理を行う複数人のプラントマネージャーやオペレータがこの端末を保有することができる。
【０１５８】
すなわち、図１３に示す構成は、異常対策支援情報提供部７４および下水高度処理プロセス１に有線又は無線の通信回線を通して接続された遠隔監視操作端末１０を更に備えている。監視操作端末１０は、異常対策支援情報提供部７４から通信回線を通して提供された対策支援情報をユーザに提示し、ユーザの操作に応じて入力変数Ｕを操作する場合には、当該入力変数Ｕの操作信号を通信回線を通して下水高度処理プロセス１に送信する。
【０１５９】
図１４に示す構成は、図１２と図１３を合成して発展させた構成となっており、下水高度処理プロセス１では、データの収集と操作量の操作が行われ、通信回線を通してセンタで診断が行われる。このセンタでは、複数の処理プロセスに対する診断を行う。さらに、遠隔監視操作端末１０を有しており、センタで診断され対策支援情報を通信回線をとおしてこの遠隔監視操作端末１０に送信し、遠隔監視操作端末１０から再び通信回線を通して、いずれかの処理プロセスに対する操作指令を行うことができる。
【０１６０】
すなわち、図１４に示す構成は、下水高度処理プロセス１がｗ箇所ある場合（但し、ｗ＝１，２，…ｗ）、プロセス計測データ収集・保存部２をｗ個設け、当該ｗ個のプロセス計測データ収集・保存部２を個別にｗ箇所の下水高度処理プロセス１に配置している。また、各プロセス計測データ収集・保存部２に有線又は無線の通信回線を通して接続されたセンタ装置１１と、異常対策支援情報提供部７４および各下水高度処理プロセス１に有線又は無線の通信回線を通して個別に接続されたｗ個以上の遠隔監視操作端末１０とを更に備えている。センタ装置１１は、各プロセス計測データ収集・保存部２に保存されたｎ個のプロセス変数の時系列データを通信回線を通して収集して第１ユーザ（センタ装置１１のユーザ）に提示し、第１ユーザの操作に応じて入力変数Ｕを操作する場合には、当該入力変数Ｕの操作信号を通信回線を通して下水高度処理プロセス１に送信する。各遠隔監視操作端末１１は、異常対策支援情報提供部７４から通信回線を通して提供された対策支援情報を第２ユーザ（遠隔監視操作端末１１のユーザ）に提示し、当該第２ユーザの操作に応じて入力変数Ｕを操作する場合には、当該入力変数Ｕの操作信号を通信回線を通して下水高度処理プロセス１に送信する。
【０１６１】
次に、以上のように構成されたその他の実施形態の作用について説明する。
【０１６２】
なお、その他の実施形態の基本的な作用は、第１の実施形態の作用と同一であるため、異なる部分を中心に述べる。
【０１６３】
はじめに図１２に示す構成の実施形態の作用を説明する。センタ装置１１では、予めプロセス変数登録部３において、異常診断モデル構築に必要となるプロセス変数を登録しておき、この登録情報を処理場に送っておく。処理場ではこの登録されたプロセス変数の情報を保持しており、適宜参照できるようになっている。また、異常診断モデル構築部５の過去（オフライン）データ抽出部５２と異常監視・診断・対策支援部７の現在（オンライン）データ抽出部７１は、下水高度処理プロセス１側のプロセス計測データ収集・保存部２に付随する形で保有している。
【０１６４】
次に異常診断モデル構築を行うが、過去（オフライン）データ抽出部５２で抽出した所定期間にわたる登録変数の時系列データが通信回線を通してセンタ装置１１に送信され、センタ装置１１において、第１の実施形態の作用に示した手順に従って異常診断モデルが構築される。
【０１６５】
次に異常監視・診断・対策支援部７において、診断を行う時刻（以下、「現在」という）で診断が行われる。ここでは、まず処理場において現在（オンライン）データ抽出部７１で現在の登録変数のデータが抽出され、これが通信回線を通してセンタ装置１１に送られる。センタ装置１１では、第１の実施形態の作用に示した手順に従って、異常の検出・要因分離・支援情報の生成が実施され、それがユーザインターフェイス部９を通してオペレータなどのユーザに提示される。
【０１６６】
次に、対策支援情報に基づいてオペレータは、対象プロセスの性能指標や管理値を確認すると同時に、操作量を変更する必要がある場合には、操作量の変更指令を決定し、この情報を通信回線を通して下水高度処理プロセス１に伝える。
【０１６７】
下水高度処理プロセス１では、受信した指令情報に基づいて自動あるいは手動で操作量の変更が行われる。処理場が無人の場合には自動で操作量の変更が行われ、有人の場合には、処理場のオペレータが指令情報を確認した上で手動で変更するかあるいは自動で変更される。
【０１６８】
なお、センタ装置は、処理場とは物理的に離れた場所に設置されている監視室に配置されたコンピュータを想定しているが、センタ装置１１で実施する機能を有してさえいれば、例えば携帯電話や携帯ＰＣの様な移動端末に各部３〜７，９が実装されていても良い。
【０１６９】
これが図１２に示す構成の実施形態の作用である。
【０１７０】
次に図１３に示す構成の実施形態の作用を説明する。
【０１７１】
まず、下水高度処理プロセス１のある処理場において、第１の実施形態の作用に示した手順に従って異常診断モデルが構築され、続いて、同じく下水高度処理プロセス１のある処理場において、第１の実施形態の作用に示した手順に従って、異常の検出・要因分離・支援情報の生成が実施される。ここまでは、第１の実施形態の作用と全く同じである。
【０１７２】
次に、生成された対策支援情報のみが、通信回線を通して遠隔監視操作端末１０を保有するプラントオペレータやマネージャーに送信される。この際、複数人のオペレータやマネージャーが遠隔監視操作端末１０を保有していてもよく、この場合には、ブロードキャスト方式で対策支援情報が提供される。
【０１７３】
次に、この情報を受信したオペレータやプラントマネージャーは、操作量の変更の必要性の有無を判断し、必要がある場合は操作量の変更指令を決定し、この情報を通信回線を通して下水高度処理プロセス１に伝える。この際、複数人が遠隔監視操作端末１０を保有する場合には、どの端末からの指令を優先するかという操作量指令に対する優先順位を有していることが望ましい。また、この方式では、対策支援情報のみを受信するため、対象プロセスの性能指標や管理値を確認することができないが、異常対策支援情報受信時にのみ遠隔監視操作端末１０を通してオペレータが確認したい性能指標や管理値のデータの送信要求を処理場に対して行う機能を有していることが望ましい。
【０１７４】
最後に、下水高度処理プロセス１では、受信した指令情報に基づいて自動あるいは手動で操作量の変更が行われる。処理場が無人の場合には自動で操作量の変更が行われ、有人の場合には、処理場のオペレータが指令情報を確認した上で手動で変更するかあるいは自動で変更される。
【０１７５】
なお、この実施形態では遠隔監視操作端末１０は主に携帯電話や携帯ＰＣなどのモバイル端末を想定しているが、上記の仕組みを持つ物理的に固定された場所に存在する監視室などのセンタに存在する固定端末でも良く、図１２の実施形態との本質的な相違点は、機能分担の切り分け方である。
【０１７６】
これが図１３に示す構成の実施形態の作用である。
【０１７７】
次に図１４に示す構成の実施形態の作用を説明する。
【０１７８】
センタ装置１１では、予めプロセス変数登録部３において、異常診断モデル構築に必要となるプロセス変数を登録しておき、この登録情報を処理場に送っておく。図１２の実施形態との相違点は、処理場が複数存在することであり、センタ装置１１は複数の処理場を一括して遠隔で監視している。従ってプロセス変数の登録は処理場数分行うが、これは各々の処理場毎に定義してもよく、また共通のプロセス変数を登録しても良い。各処理場では、この登録されたプロセス変数の情報を保持しており、適宜参照できるようになっている。また、異常診断モデル構築部５の過去（オフライン）データ抽出部５２と異常監視・診断・対策支援部７の現在（オンライン）データ抽出部７１は、下水高度処理プロセス１側のプロセス計測データ収集・保存部２に付随する形で保有している。
【０１７９】
次に異常診断モデル構築を行うが、各処理場から、過去（オフライン）データ抽出部５２で抽出した所定期間にわたる登録変数の時系列データが通信回線を通してセンタ装置１１に送信され、センタ装置１１において、第１の実施形態の作用に示した手順に従って、各々の処理場毎の異常診断モデルが構築される。
【０１８０】
次に異常監視・診断・対策支援部７において、診断を行う時刻（以下、「現在」という）で診断が行われる。ここでは、まず各々の処理場において現在（オンライン）データ抽出部７１で現在の登録変数のデータが抽出され、これが通信回線を通してセンタ装置１１に送られる。センタ装置１１では、第１の実施形態の作用に示した手順に従って、異常の検出・要因分離・支援情報の生成が実施される。この際、参照すべき異常診断モデルは処理場毎に切り替える必要があるが、検出・診断・対策支援の操作は診断モデルの切り替え以外は一つのアルゴリズムとして実装することができる。
【０１８１】
対策支援情報が生成されると、この生成された情報はユーザインターフェイス部９を通してオペレータなどのユーザに提示される。この際、センタ装置１１が配置された監視室以外の場所にいるオペレータやマネージャーが遠隔監視操作端末１０を保有していてもよく、この場合は同時に生成された対策支援情報が、通信回線を通して遠隔監視操作端末１０を保有するプラントオペレータやマネージャーにも送信される。この際、複数人のオペレータやマネージャーが遠隔監視操作端末１０を保有していてもよく、この場合には、ブロードキャスト方式で対策支援情報が提供される。
【０１８２】
次に、対策支援情報に基づいてオペレータは、対象プロセスの性能指標や管理値を確認すると同時に、操作量を変更する必要がある場合には、操作量の変更指令を決定し、この情報を通信回線を通して下水高度処理プロセス１に伝える。遠隔監視操作端末１０を保有するオペレータやマネージャーがいる場合には、センタあるいは遠隔端末のいずれの指令を優先するか、あるいは、遠隔端末を保有者が複数人いる場合には、どの指令を優先するかという操作量指令に対する優先順位を有していることが望ましい。
【０１８３】
最後に、下水高度処理プロセス１では、受信した指令情報に基づいて自動あるいは手動で操作量の変更が行われる。処理場が無人の場合には自動で操作量の変更が行われ、有人の場合には、処理場のオペレータが指令情報を確認した上で手動で変更するかあるいは自動で変更される。
【０１８４】
以上が図１４に示す構成の実施形態の作用である。
【０１８５】
図１２〜図１４に示す構成の実施形態の効果は以下のとおりである。
【０１８６】
図１２に示す構成によれば、下水処理プラントとこれを運用管理するプラントオペレータやプラントマネージャーとが物理的に離れている場所にいる場合にも、第１の実施形態の効果と同様の効果を得ることができる。
【０１８７】
図１３に示す構成によれば、図１２の仕組みにおいてセンタ側の計算負荷低減を指向したものであり、第１の実施形態の効果に加え、大きな計算負荷をかけることが難しい携帯型の簡易端末でも、プロセス監視で最も必要な異常時の情報とその対策の遠隔での実施が可能になる。また、異常時にのみ通信回線を利用するため、通信回線の負荷の低減も同時にでき、通信回線のトラフィックの混雑を回避することに貢献でき、また、トラフィックが混雑している場合でも重要な情報（異常時の情報）の通信の確保をしやすくなる。
【０１８８】
補足すると、図１３に示す構成によれば、プラントオペレータやプラントマネージャーが対象プラントから物理的に離れている場合で、かつ、通信回線のトラフィックの混雑が予想される様な場合にても、対象プロセスで生じる重要な異常を検出し、それに対する対処を行うことができる（ただし、その代償として、計測しているプロセス変数全ての時系列データの監視を行うことは諦める。）。
【０１８９】
図１４に示す構成によれば、図１２と図１３の構成をさらに機能分割し、また、複数の処理場の監視を一括して行うことを指向したものであるが、この様な構成を採用することにより、遠隔サービス（クラウドサービス）として、第１の実施形態の作用効果を提供することができる。
【０１９０】
すなわち、図１４に示す構成によれば、複数箇所のプラントの監視・診断・支援を１か所あるいは少数箇所の監視室に配置されたセンタ装置１１において実施することができ、クラウドサービスなどとして第１の実施形態の効果を実現することができる。また、プラントオペレータやプラントマネージャーが対象プラントから物理的に離れている場合にも、プラントの監視・診断・対策支援を行うことができる。
【０１９１】
以上説明した少なくとも一つの実施形態によれば、プロセス監視・診断・支援装置が異常診断モデル構築部５および異常監視・診断・対策支援部７を備えた構成により、対象プロセスに依存しない形で、異常時の対策支援情報を提供することができる。
【０１９２】
なお、本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。
【符号の説明】
【０１９３】
１…下水高度処理プロセス、１０１…最初沈澱池、１０２…嫌気槽、１０３…無酸素槽、１０４…好気槽、１０５…最終沈澱池、２…プロセス計測データ収集・保存部、３…プロセス変数登録部、４…プロセス変数分類ユーザインターフェイス部、５…異常診断モデル構築部、５１…プロセス変数分類部、５２…過去（オフライン）データ抽出部、５３…プロセス変数相関定義部、５４…異常検出用データ定義部、５５…異常検出用データ寄与量定義部、５６…異常時対策支援情報定義部、６…プロセス変数相関定義インターフェイス部、７…異常監視・診断・対策支援部、７１…現在（オンライン）データ抽出部、７２…異常検出部、７３…異常要因変数分離部、７４…異常対策支援情報提供部、８…異常対策記録保持部、９…ユーザインターフェイス部、１０…遠隔監視操作端末、１１１〜１１５…アクチュエータおよび操作量センサ群、１２１〜１２２１…プロセスセンサ。
【技術分野】
【０００１】
本発明の実施形態は、下水処理プロセス、排水処理プロセス、汚泥消化プロセス、浄水プロセス、給配水プロセス、化学プロセス、鉄鋼プロセスなどのプロセス系の監視において、異常時などの非定常時にプラントオペレータを支援し得るプロセス監視・診断・支援装置に関する。
【背景技術】
【０００２】
下水処理プロセス、汚泥消化プロセス、浄水プロセス、給配水プロセスなどの水処理/水運用プロセスや石油化学プロセス、鉄鋼プロセス、あるいは半導体製造プロセスなどのプロセス系のプラントでは、複数のプロセス状態を測定する複数のオンラインセンサが設置されている。プロセス監視装置（ＳＣＡＤＡ： Supervisory Control And Data Acquisition）は、通常プロセス系に設置されたセンサ群の計測により得られるプロセスデータ（流量、温度、水質、操作量など）を時系列データ（トレンドグラフ）に変換する。これをプラント管理者（マネージャー）や運転員（オペレータ）が監視することにより、プロセスの状態を把握し、プロセスの運転変更や制御を行っている。各々のプロセスデータの時系列データには、通常、管理限界等と呼ばれる上下限値が設定されており、この管理限界を超えた場合にアラームが発報される。このアラームに基づいてプラントマネージャーやオペレータはプラント運用の確認・見直しを行う。この様なアラーム発報に基づく運転管理はプラント運用の基本である。
【０００３】
さらに一歩進んだプラントの運転管理では、単純なプロセス非定常時の対応だけでなく、プロセスの所定目標性能を達成した上で省エネルギ・省コストに繋がる運用が求められる。ここで所定目標とは、例えば下水処理であれば放流水質規制の遵守などに対応し、浄水処理であれば、浄水中の残留塩素濃度が所定上限以下であることやクリプトスポリジウムに代表される様な病原性微生物が存在しないことなどが所定目標となる。また、化学プロセスや鉄鋼プロセスにおいては、製品（石油精製品や鉄鋼）の品質（例えば純度や強度など）を所定の範囲に維持することが所定目標に対応する。この際、所定目標の未達状態に陥らない様に目標性能に関するプロセスの状態を監視し、所定目標の達成を阻害する様な状態変化や異常状態を素早く検知し事前に対策をとることが運転管理上の重要なポイントとなる。さらに、所定目標達成を制約とした上で省エネ・省コストにつながる運用を行うためには、目標性能や省エネ・省コストに関するプロセス状態を常に良好な状態に保ち、良好な状態から逸脱しそうなプロセス状態変化を素早く検知する必要がある。
【０００４】
このようなプロセスの状態変化や異常を診断する方法として、石油化学プロセスや鉄鋼プラントの分野で利用されてきた「多変量統計解析手法」を用いた多変量統計的プロセス監視（ＭＳＰＣ：Multi-Variate Statistical Process Control）と呼ばれる方法が知られている。
【０００５】
ＭＳＰＣの中で最も良く利用される手法として、主成分分析（ＰＣＡ：Principal Component Analysis）と潜在変数射影法／部分最小二乗法（ＰＬＳ：Projection to Latent Structure/Partial Least Square）が知られている。
【０００６】
ＭＳＰＣでは、ＰＣＡやＰＬＳなどの多変量解析を用いて、(1)プラントの異常兆候の検出(Fault Detection)と、(2)異常要因となるプロセス変数（データ）の推定(Fault Isolation)、を行うことを主な目的としている。
【０００７】
上記(1)については、複数のプロセス変数の相関情報を利用することにより、一つの変数では検出できない軽微な異常の兆候を検出することが可能になる。
【０００８】
上記(2)については、複数のプロセス変数から合成した異常検出用データ（Ｑ統計量やホテリング(Hotelling)のＴ2統計量と呼ばれる）で異常を検出した後に、この異常検出用データに対する各プロセスデータの寄与度を表す寄与量というものを利用することにより、異常要因の候補となるプロセス変数（データ）を推定する。
【０００９】
この様に、ＭＳＰＣを用いると、従来の個別のプロセス変数に対する単純な管理限界による監視（生産ライン等の監視では、ＭＰＳＣと対比してＳＰＣ（Statistical Process Control）と呼ばれることもある）と比較して、よりプラントマネージャーやオペレータにとって有用なアドバンストな監視・診断を行うことができる。
【００１０】
一方、プラントマネージャーやオペレータなどユーザ側からは、上記の(1)異常兆候の検出や(2)異常要因変数推定だけでなく、プロセスで何らかの異常が生じた場合に彼らがどういう対策をとれば良いかという対策支援情報に対する更に進んだ強い潜在的なニーズがある。このニーズは、特にプラントオペレータが非熟練の場合に強く、単に「異常の兆候が認められる。」という情報や「異常を示しているプロセス変数は○○と△△である。」という診断情報では不十分であり、「異常兆候が認められ、その要因となる変数は○○と△△であると考えられるので、□□という対策をとることを推奨する。」という形の支援情報を求めている。
【先行技術文献】
【特許文献】
【００１１】
【特許文献１】特開２００８−５９２７０号公報
【発明の概要】
【発明が解決しようとする課題】
【００１２】
このような支援情報のニーズと上記(1)(2)のＦＤＩとの間には大きなギャップがある。その理由は、ＦＤＩは「多変量解析などの統計的な手法」を利用して対象プロセスに依存せずにある程度機械的に（≒エンジニアリングを介さずに自動的に）診断を行うことができるのに対し、対策支援情報の提供では一般に対象プロセスに対する知識とそれを用いたエンジニアリングが必要であると考えられている点にある。
【００１３】
対策支援情報を出すための異常原因推定方法は、［１］経験的方法（デシジョンツリー、パターン学習など）、［２］論理的方法（物理モデル、フォルトツリー等利用）、［３］知識工学的方法（エキスパートシステム、ノウハウ抽出）などに分類されることが多いが、いずれの方法を用いる際にも、何らかの形で対象プロセスに関する知識、あるいは対象プロセスを運用しているオペレータの知識などを必要とする。これにより、プロセスの非定常状態（異常状態）の真因究明と対策支援を行おうとすると、対象プロセス毎に診断システムの作りこみを行うための多大なエンジニアリングが必要となる。このような対象プロセスの特徴に依存した開発を必要とすることが、非定常時の対策支援システム開発の進展を妨げる一つの重要な阻害要因となっていると考えられる。
【００１４】
本発明が解決しようとする課題は、対象プロセスに依存しない形で、異常時の対策支援情報を提供し得るプロセス監視・診断・支援装置を提供することである。
【課題を解決するための手段】
【００１５】
実施形態のプロセス監視・診断支援装置は、データ収集保存手段、プロセス変数分類手段、プロセス変数相関定義手段、異常検出用データ定義手段、異常検出用データ寄与量定義手段、異常時対策支援情報定義手段、異常検出手段、異常要因変数分離手段および異常対策支援情報提供手段を備えている。
【００１６】
前記データ収集保存手段は、対象プロセスの状態量又は操作量を計測するｎ個（但し、ｎ≧２）のセンサから計測結果を示すｎ個のプロセス変数の時系列データを収集して保存する。
【００１７】
前記プロセス変数分類手段は、前記ｎ個のプロセス変数を、前記状態量であって性能指標を表すｐ個（但し、１≦ｐ＜ｎ）の出力変数Ｙと、前記操作量を表すL個（但し、１≦L＜ｎ）の入力変数Ｕと、前記状態量であって管理・監視値を表すｍ個（但し、０≦ｍ＜ｎ）の中間変数Ｚとに分類した結果を示す分類情報を記憶する。
【００１８】
前記プロセス変数相関定義手段は、前記分類情報および前記ｎ個のプロセス変数の所定期間に亘る時系列データから、前記分類した結果を含んで当該ｎ個のプロセス変数相互間の相関を示す相関情報を定義する。
【００１９】
前記異常検出用データ定義手段は、前記ｎ個のプロセス変数の所定期間に亘る時系列データから、前記ｎ個よりも少ないｑ個（但し、１≦ｑ≪ｎ）の異常検出用データを生成する式と、前記異常検出用データに基づいて異常の有無又は異常強度の判断を行う判断基準とを定義する。
【００２０】
前記異常検出用データ寄与量定義手段は、前記異常検出用データに対する前記ｎ個のプロセス変数の時系列データの各々の寄与量を定義する。
【００２１】
前記異常時対策支援情報定義手段は、異常時の異常要因候補となるプロセス変数である異常要因候補変数のうちの所定の上位の異常要因候補変数を抽出する第１ルールと、前記抽出した異常要因候補変数を前記相関情報に基づいて前記出力変数Ｙと前記入力変数Ｕと前記中間変数Ｚとに分類する第２ルールと、当該分類した結果に応じて異常時の対策を支援するメッセージを含む対策支援情報を提供する第３ルールとを定義する。
【００２２】
前記異常検出手段は、前記保存された所定時刻の前記ｎ個のプロセス変数の時系列データ、および前記異常検出用データ定義手段の定義に従って当該所定時刻の時系列データに対応する異常検出用データを生成し、この異常検出用データに基づいて、当該所定時刻のデータの異常の有無を診断する。
【００２３】
前記異常要因変数分離手段は、前記診断の結果、異常有りの場合には前記寄与量の定義に基づいて当該所定時刻の時系列データの寄与量を計算し、前記計算した寄与量および前記第１ルールに基づいて当該所定時刻の時系列データから異常要因候補変数を分離抽出する。
【００２４】
前記異常対策支援情報提供手段は、前記分離抽出された異常要因候補変数と、前記相関情報と、前記第２ルールおよび前記第３ルールとに基づいて、前記対策支援情報を提供する。
【図面の簡単な説明】
【００２５】
【図１】第１の実施形態に係るプロセス監視・診断・支援装置の基本的なシステム構成を示す模式図である。
【図２】プロセス変数分離ユーザインターフェイスの例を示す模式図である。
【図３】相関判定ルールの例１を示す模式図である。
【図４】相関判定ルールの例２を示す模式図である。
【図５】相関判定ルールの例３を示す模式図である。
【図６】プロセス変数相関定義インターフェイス部の例を示す模式図である。
【図７】異常要因候補分類ルールを示す模式図である。
【図８】異常対策支援メッセージ生成ルールの一例を示す模式図である。
【図９】異常対策支援メッセージ生成ルールの一例を示す模式図である。
【図１０】異常発生時に異常対策支援メッセージが生成される作用を説明するための模式図である。
【図１１】対策支援メッセージの一例を示す模式図である。
【図１２】その他の実施形態におけるシステム構成の一例を示す概要図である。
【図１３】その他の実施形態におけるシステム構成の一例を示す概要図である。
【図１４】その他の実施形態におけるシステム構成の一例を示す概要図である。
【発明を実施するための形態】
【００２６】
以下、図面を参照して各実施形態を説明する。なお、以下のプロセス監視・診断・支援装置は、ハードウェア構成、又はハードウェア資源とソフトウェアとの組合せ構成のいずれでも実施可能となっている。組合せ構成のソフトウェアとしては、予めネットワーク又は記憶媒体からプロセス監視・診断・支援装置となるコンピュータにインストールされ、プロセス監視・診断・支援装置の機能を実現させるためのプログラムが用いられる。
【００２７】
＜第１の実施形態＞
図１は、第１の実施形態に係るプロセス監視・診断・支援装置が適用されたプロセス監視システムの基本的な構成を示す模式図である。
【００２８】
このプロセス監視システムは、例えば、窒素およびリン除去を目的とした下水高度処理プロセス１を対象プロセスとし、当該対象プロセスの状態量又は操作量を計測するｎ個（但し、ｎ≧２）のセンサから計測結果を示すｎ個のプロセス変数の時系列データを収集して保存するプロセス計測データ収集・保存部２を含むプロセス監視・診断・支援装置を有している。本実施形態は、その目的から、対象プロセスに依存しないものであるが、実施イメージをより明確にするために、下水処理プロセスを対象として説明する。即ち、下水処理プロセスを対象とした実施は本質的な制約ではない。
【００２９】
下水高度処理プロセス１は、最初沈澱池１０１、嫌気槽１０２、無酸素槽１０３、好気槽１０４および最終沈澱池１０５を有する。また、下水高度処理プロセス１は、最初沈澱池余剰汚泥引きぬきポンプおよびその引き抜き流量センサ１１１、好気槽１０４に酸素を供給するブロワおよびその供給空気流量センサ１１２、循環ポンプおよびその循環流量センサ１１３、返送汚泥ポンプおよびその返送流量センサ１１４、および最終沈澱池余剰汚泥引きぬきポンプおよびその引き抜き流量センサ１１５のそれぞれを、アクチュエータおよびその操作量センサとして有する。
【００３０】
さらに、下水高度処理システム１は、雨量センサ１２１、流入下水量を計測する下水流入量センサ１２２、流入下水に含まれる全窒素量を計測する流入ＴＮセンサ１２３、流入下水に含まれる全リン量を計測する流入ＴＰセンサ１２４、流入下水に含まれる有機物量を計測する流入ＵＶセンサあるいは流入ＣＯＤセンサ１２５、嫌気槽１０２のＯＲＰを計測する嫌気槽ＯＲＰセンサ１２６、嫌気槽１０２のｐＨを計測する嫌気槽ＰＨセンサ１２７、無酸素槽１０３のＯＲＰを計測する無酸素槽ＯＲＰセンサ１２８、無酸素槽１０３のｐＨを計測する無酸素槽ｐＨセンサ１２９、好気槽１０４のリン酸濃度を計測するリン酸センサ１２１０、好気槽１０４の溶存酸素濃度を計測するＤＯセンサ１２１１、好気槽１０４のアンモニア濃度を計測するアンモニアセンサ１２１２、反応槽１０２〜１０４の少なくとも１ヶ所の槽で活性汚泥量を計測するＭＬＳＳセンサ１２１３、反応槽１０２〜１０４の少なくとも１ヶ所の槽で水温を計測する水温センサ１２１４、最終沈澱池１０５から引きぬかれる汚泥量の固形物濃度を計測する余剰汚泥ＳＳセンサ１２１５、最終沈澱池１０５から放流される放流水のＳＳ濃度を計測する放流ＳＳセンサ１２１６、最終沈澱池１０５の汚泥界面レベルを計測する汚泥界面センサ１２１７、放流下水量を計測する下水放流量センサ１２１８、放流下水に含まれる全窒素量を計測する放流ＴＮセンサ１２１９、放流下水に含まれる全リン量を計測する放流ＴＰセンサ１２２０、および放流下水に含まれる有機物量を計測する放流ＵＶセンサあるいは放流ＣＯＤセンサ１２２１のそれぞれを、プロセスセンサとして有する。
【００３１】
ここで、前述の各種アクチュエータ１１１〜１１５は、所定の周期で動作している。また、各種アクチュエータ１１１〜１１５の操作量センサ群、および各種プロセスセンサ１２１〜１２２１は所定の周期で計測を行っている。
【００３２】
プロセス監視・診断・支援装置は、各種アクチュエータ１１１〜１１５の操作量センサ群、および各種プロセスセンサ１２１〜１２２１から所定の周期で得られるプロセス変数の時系列データ（プロセスデータ）を収集してメモリに保持するプロセス計測データ収集・保存部２を有する。
【００３３】
さらに、プロセス監視・診断・支援装置は、プロセス変数登録部３、プロセス変数分類ユーザインターフェイス部４、異常診断モデル構築部５、プロセス変数相関定義インターフェイス部６、異常監視・診断・対策支援部７、異常対策記録保持部８およびユーザインターフェイス部９を備えている。
【００３４】
プロセス変数登録部３は、各種アクチュエータ１１１〜１１５の操作量センサ群、および各種プロセスセンサ１２１〜１２２１で計測している各プロセス変数の中から、本実施形態のプロセス監視・診断・支援装置を構築するために必要なプロセス変数の名称を登録する。
【００３５】
プロセス変数分類ユーザインターフェイス部４は、プロセス変数登録部３で登録されたプロセス変数の一覧を表示し、その中のプロセス変数を入力変数Ｕと出力変数Ｙと中間変数Ｘに分類するためのユーザインターフェイスである。補足すると、プロセス変数分類ユーザインターフェイス部４は、ｎ個のプロセス変数の名称を表示し、この表示中に、ユーザの操作に応じて、プロセス変数分類部５１における入力変数と出力変数と中間変数を選択する。
【００３６】
異常診断モデル構築部５は、各種アクチュエータ１１１〜１１５の操作量センサ群、および各種プロセスセンサ１２１〜１２２１で計測するプロセス変数の中で、プロセス変数登録部３で登録したプロセス変数の過去の時系列データを、プロセス計測データ収集・保存部２でから抽出し、異常診断モデルを構築する。
【００３７】
プロセス変数相関定義インターフェイス部６は、異常診断モデル構築部５で定義されるプロセス変数間の相関情報をユーザに提示し、ユーザがその情報を修正することができるユーザインターフェイスである。
【００３８】
異常監視・診断・対策支援部７は、各種アクチュエータ１１１〜１１５の操作量センサ群、および各種プロセスセンサ１２１〜１２２１で計測するプロセス変数の中で、プロセス変数登録部３で登録したプロセス変数の現在の時系列データを、プロセス計測データ収集・保存部２から抽出し、異常診断モデル構築部５で定義した機能を用いて異常兆候の検出とその要因変数候補の抽出と異常対策の支援情報を提供する。
【００３９】
異常対策記録保持部８は、異常監視・診断・対策支援部７からの情報に基づいて実際に行った対策結果を保持する。補足すると、異常対策記録保持部８は、異常対策支援情報提供部７４により提供された対策支援情報を提示した後、ユーザが行った操作を記録する。ここで、異常対策記録保持部８は、対策支援情報が提供されると、時系列データおよび分類情報に基づいて、現在時刻以前の入力変数Ｕの値、出力変数Ｙの値および中間変数Ｚの値と、当該対策支援情報とを提示する。また、異常対策記録保持部８は、対策支援情報を提示した後、ユーザが行った操作としての入力変数Ｕの操作記録と、出力変数Ｙの値と、中間変数Ｚの値とを継続的に記録する。
【００４０】
ユーザインターフェイス部９は、プロセス変数登録部３とプロセス変数分類ユーザインターフェイス部４とプロセス変数相関定義インターフェイス部６とを含み、異常監視・診断・対策支援部７からの情報をプラントマネージャーやオペレータに通知し、対策支援情報に基づいた対策の指示をプラントに指令信号として送り、さらに異常対策記録保持部８に記録操作の指示を送ることを可能としている。
【００４１】
異常診断モデル構築部５は、プロセス変数分類部５１、過去（オフライン）データ抽出部５２、プロセス変数相関定義部５３、異常検出用データ定義部５４、異常検出用データ寄与量定義部５５および異常時対策支援情報定義部５６を備えている。
【００４２】
プロセス変数分類部５１は、図２に示すように、プロセス変数分類ユーザインターフェイス部４の入力に従って、プロセス変数を入力変数と出力変数と中間変数に分類し、その情報を異常対策時に供給する。補足すると、プロセス変数分類部５１は、ｎ個のプロセス変数を、状態量であって性能指標を表すｐ個（但し、１≦ｐ＜ｎ）の出力変数Ｙと、操作量を表すL個（但し、１≦L＜ｎ）の入力変数Ｕと、状態量であって管理・監視値を表すｍ個（但し、０≦ｍ＜ｎ）の中間変数Ｚとに分類した結果を示す分類情報を記憶する機能をもっている。
【００４３】
過去（オフライン）データ抽出部５２は、プロセス計測データ収集・保存部２からプロセス変数登録部３で登録された変数の過去のオフラインデータを抽出する。
【００４４】
プロセス変数相関定義部５３は、過去（オフライン）データ抽出部５２で抽出されたオフラインデータを用いて、プロセス変数登録部３で定義されたプロセス変数間の相関情報を定義する。補足すると、プロセス変数相関定義部５３は、分類情報およびｎ個のプロセス変数の所定期間に亘る時系列データから、図３〜図６に示すように、当該分類情報が示す分類した結果を含んで当該ｎ個のプロセス変数相互間の相関を示す相関情報を定義する。なお、プロセス変数相関定義部５３は、ｎ個のプロセス変数の所定期間に亘る時系列データの相関行列又は主成分負荷行列に基づいて、相関情報を定義してもよい。また、プロセス変数相関定義部５３は、ｎ個のプロセス変数相互間の相関の有無あるいは強度を表すｎ行ｎ列のテーブルを相関情報として備えてもよい。この場合、プロセス変数相関定義インターフェイス部６は、ユーザの操作に応じて、この相関情報のテーブルを表示すると共に、当該テーブルの内容を修正する。
【００４５】
異常検出用データ定義部５４は、過去（オフライン）データ抽出部５２で抽出されたオフラインデータを用いて、異常検出用データの合成方法を定義する。補足すると、異常検出用データ定義部５４は、ｎ個のプロセス変数の所定期間に亘る時系列データから、ｎ個よりも少ないｑ個（但し、１≦ｑ≪ｎ）の異常検出用データを生成する式と、異常検出用データに基づいて異常の有無又は異常強度の判断を行う判断基準とを定義する。
【００４６】
ここで、異常検出用データ定義部５４は、主成分分析（ＰＣＡ）、潜在変数射影法（ＰＬＳ）、主成分回帰（ＰＣＲ）、正準相関解析（ＣＶＡ）、マハラノビス距離、ロバスト主成分分析（Robust ＰＣＡ）、カーネル主成分分析（Kernel ＰＣＡ）、判別分析、ファジィC-meansクラスタリング、K-meansクラスタリング、サポートベクトルマシン（ＳＶＭ）、リレバンスベクトルマシン（ＲＶＭ）および部分空間法のうちの少なくとも一つ以上の方法を用いて異常検出用データを生成する式を定義してもよい。
【００４７】
異常検出用データ寄与量定義部５５は、異常検出用データ定義部５４で定義された異常検出用データに対するプロセス変数登録部３で登録されたプロセス変数の寄与量（ｎ個のプロセス変数の時系列データの各々の寄与量）を定義する。なお、異常検出用データ寄与量定義部５５は、ｎ個のプロセス変数の中の着目するプロセス変数ｋの寄与量（但し、ｋ＝１，２，…，ｎ）を、以下の［ａ］〜［ｃ］のいずれかにより定義してもよい。
【００４８】
［ａ］異常検出用データ定義部５４により定義された異常検出用データからプロセス変数ｋが張る空間へ射影することによって定義する。
［ｂ］異常検出用データをｎ個の成分の和に分解し、プロセス変数ｋのみが影響を与えるｋ番目の成分として定義する。
［ｃ］独立性成分分析を用いて定義する。
【００４９】
異常時対策支援情報定義部５６は、プロセス変数分類部５１からの入力変数と出力変数と中間変数の分類情報と、プロセス変数相関定義部５３で定義されたプロセス変数間の相関情報と、異常検出用データ寄与量定義部５５で定義された寄与量に関する情報から、異常時における対策方法をアドバイスするための支援情報を出すためのルールを定義する。
【００５０】
補足すると、異常時対策支援情報定義部５６は、異常時の異常要因候補となるプロセス変数である異常要因候補変数のうちの所定の上位の異常要因候補変数を抽出する第１ルールと、図７に示すように、抽出した異常要因候補変数を相関情報に基づいて出力変数Ｙと入力変数Ｕと中間変数Ｚとに分類する第２ルールと、図８および図９に示すように、当該分類した結果に応じて異常時の対策を支援するメッセージを含む対策支援情報を提供する第３ルールとを定義する。
【００５１】
ここで、第２ルールとしては、抽出された異常要因候補変数を、分類情報に基づいて、入力変数Ｕに属する入力要因変数ＦＵ、出力変数Ｙに属する出力要因変数ＦＹ、中間変数Ｚに属する中間要因変数ＦＺに分類するルールを含んでもよい。
【００５２】
第３ルールとしては、第４ルールＡ、第５ルールＢおよび第６ルールＣを含んでもよい。
【００５３】
第４ルールＡは、異常要因候補変数に出力要因変数ＦＹを含む場合には、当該出力要因変数ＦＹが悪化していることを通知すると共に、相関情報により当該出力要因変数ＦＹと相関があると定義された入力変数Ｕの値を確認し見直す様促すメッセージを含む対策支援情報を提供する旨を規定している。
【００５４】
また、第４ルールＡとしては、当該入力変数Ｕに入力要因変数ＦＵが含まれる場合には、当該入力要因変数ＦＵを重点的に見直す様に促すメッセージを含む対策支援情報を提供する旨を規定することが好ましい。
【００５５】
また、第４ルールＡとしては、相関情報により当該出力要因変数ＦＹと相関があると定義された中間変数Ｚ（一般には複数個）を管理し、中間変数Ｚに中間要因変数ＦＺが含まれる場合には、当該中間要因変数ＦＺの値の管理を正常値に戻す様に促すメッセージを含む対策支援情報を提供する旨を規定することが更に好ましい。
【００５６】
第５ルールＢは、異常要因候補変数に出力要因変数ＦＹを含まないが入力要因変数ＦＵを含む場合には、当該入力要因変数ＦＵが通常時から逸脱した異常状態であり、この入力要因変数ＦＵで表される操作量を見直す様促すと共に、相関情報により当該入力要因変数ＦＵと相関があると定義された出力変数Ｙが今後悪化する可能性があることを通知するメッセージを含む対策支援情報を提供する旨を規定している。
【００５７】
また、第５ルールＢとしては、この規定に加え、相関情報により当該入力要因変数ＦＵと相関があると定義された中間変数Ｚについても今後悪化する可能性があることと、中間変数Ｚの中に中間要因変数ＦＺが含まれる場合には、この悪化要因が当該入力要因変数ＦＵによって引き起こされた可能性があることとを通知するメッセージを含む対策支援情報を提供する旨を規定することが更に好ましい。
【００５８】
第６ルールＣは、異常要因変数が中間要因変数ＦＺのみである場合には、当該中間要因変数ＦＺが悪化していることを通知すると共に、相関情報により当該中間要因変数ＦＺと相関があると定義された出力変数Ｙが今後悪化する可能性があることを通知するメッセージを含む対策支援情報を提供する旨を規定している。
【００５９】
また、第６ルールＣとしては、この規定に加え、相関情報により当該中間要因変数ＦＺと相関があると定義された入力変数Ｕの値を確認し、操作変更の必要性を検討することを促すメッセージを含む旨を規定することが更に好ましい。
【００６０】
一方、異常監視・診断・対策支援部７は、現在（オンライン）データ抽出部７１、異常検出部７２、異常要因変数分離部７３および異常対策支援情報提供部７４を備えている。
【００６１】
現在（オンライン）データ抽出部７１は、プロセス計測データ収集・保存部２に保存された各種時系列データの中から、プロセス変数登録部３で登録された変数の現在のオンラインデータを抽出する。
【００６２】
異常検出部７２は、現在（オンライン）データ抽出部７１で抽出されたオンラインデータを、異常検出用データ定義部５４で定義された異常検出用データの演算式に入力して異常検出用データを生成することにより現在の異常度を調べ、予め設定した異常・正常の判断基準に従って、異常の有無を検出する。補足すると、異常検出部７２は、保存された所定時刻のｎ個のプロセス変数の時系列データ、および異常検出用データ定義手段の定義に従って当該所定時刻の時系列データに対応する異常検出用データを生成し、この異常検出用データに基づいて、当該所定時刻のデータの異常の有無を検出（診断）する。
【００６３】
異常要因変数分離部７３は、異常検出部７２において異常が検出された場合、異常検出用データ寄与量定義部５５で定義された各プロセス変数の異常に対する寄与度を計算する。補足すると、異常要因変数分離部７３は、異常検出部７２による検出（診断）の結果、異常有りの場合には寄与量の定義に基づいて当該所定時刻の時系列データの寄与量を計算し、当該計算した寄与量および異常時対策支援情報定義部５６の第１ルールに基づいて当該所定時刻の時系列データから異常要因候補変数を分離抽出する。
【００６４】
異常対策支援情報提供部７４は、図１０および図１１に示すように、異常要因変数分離部７３で抽出された所定の上位の異常要因候補となるプロセス変数の情報と、相関情報と、異常時対策支援情報定義部５６で定義した第２ルールおよび第３ルールに従って、異常時の対策支援情報をユーザインターフェイス部９を通してオペレータに提供する。
【００６５】
次に、以上のように構成されたプロセス監視システムの作用を説明する。
【００６６】
まず、下水高度処理プロセス１では、各種アクチュエータ１１１〜１１５の操作量センサ群、および各種プロセスセンサ１２１〜１２２１によって、所定の周期でプロセスの情報が計測されている。これらの計測情報は、プロセス計測データ収集・保存部２によって、予め決められたフォーマットに従って、時系列データとして保存されている。
【００６７】
プロセス監視・診断・支援装置を構築する際、まず、プロセス変数登録部３では、プロセス計測データ収集・保存部２に保存されており、各種アクチュエータ１１１〜１１５の操作量センサ群、および各種プロセスセンサ１２１〜１２２１で計測されている項目の中で、どの変数をプロセス監視・診断・支援装置を構成する際に利用するかを定義する。
【００６８】
例えば、好気槽１０４に酸素を供給するブロワおよびその供給空気流量センサ１１２に対応する“［１］空気供給量”、循環ポンプおよびその循環流量センサ１１３に対応する“［２］循環流量”、返送汚泥ポンプおよびその返送流量センサ１１４に対応する“［３］返送流量”、最終沈澱池余剰汚泥引きぬきポンプおよびその引き抜き流量センサ１１５に対応する“［４］余剰流量”、雨量センサ１２１に対応する“［５］雨量”、流入下水量を計測する下水流入量センサ１２２に対応する“［６］下水流入量”、流入下水に含まれる全窒素量を計測する流入ＴＮセンサ１２３に対応する“［７］流入ＴＮ”、流入下水に含まれる全リン量を計測する流入ＴＰセンサ１２４に対応する“［８］流入ＴＰ”、流入下水に含まれる有機物量を計測する流入ＵＶセンサあるいは流入ＣＯＤセンサ１２５に対応する“［９］流入ＵＶ”、嫌気槽１０２のＯＲＰを計測する嫌気槽ＯＲＰセンサ１２６に対応する“［１０］嫌気槽ＯＲＰ”、嫌気槽１０２のｐＨを計測する嫌気槽ＰＨセンサ１２７に対応する“［１１］嫌気槽ｐＨ”、無酸素槽１０３のＯＲＰを計測する無酸素槽ＯＲＰセンサ１２８に対応する“［１２］無酸素槽ＯＲＰ”、無酸素槽１０３のｐＨを計測する無酸素槽ｐＨセンサ１２９に対応する“［１３］無酸素槽ｐＨ”、好気槽１０４のリン酸濃度を計測するリン酸センサ１２１０に対応する“［１４］好気ＰＯ４−Ｐ”、好気槽１０４の溶存酸素濃度を計測するＤＯセンサ１２１１に対応する“［１５］好気槽ＤＯ”、好気槽１０４のアンモニア濃度を計測するアンモニアセンサ１２１２に対応する“［１６］好気槽ＮＨ４−Ｎ”、反応槽１０２〜１０４の少なくとも１ヶ所の槽で活性汚泥量を計測するＭＬＳＳセンサ１２１３に対応する“［１７］好気槽ＭＬＳＳ”、反応槽１０２〜１０４の少なくとも１ヶ所の槽で水温を計測する水温センサ１２１４に対応する“［１８］反応槽水温”、放流下水に含まれる全窒素量を計測する放流ＴＮセンサ１２１９に対応する“［１９］放流ＴＮ”、放流下水に含まれる全リン量を計測する放流ＴＰセンサ１２２０に対応する“［２０］放流ＴＰ”を利用する変数として登録する。この登録をユーザが容易に実施できるように監視画面上などのＧＵＩとして登録画面を構築しておくことが好ましい。
【００６９】
このようなプロセス変数を登録する機能が、プロセス変数登録部３の作用である。
【００７０】
次にプロセス変数分類ユーザインターフェイス部４では、図２に示す様な登録されたプロセス変数の一覧表を監視画面上のＧＵＩとして表示し、その中で、入力変数と出力変数と中間変数を選択できるようにしておく。図２では、入力変数、出力変数、中間変数の欄に○を付けて示しているが、実際の監視画面（ＧＵＩ）構築時には、チェックボックスの様なものでチェックするようにしておく。また、デフォルト状態を中間変数としておいて、その中から、入力変数と出力変数だけを選択できるようにしておく方がチェックする労力を省略でき、効率的である。このようなＧＵＩが請求項２に対応するプロセス分類ユーザインターフェイスの例であり、プロセス変数分類ユーザインターフェイス部４の作用の例である。
【００７１】
次に、プロセス変数分類部５１では、プロセス変数登録部３で登録された変数をプロセス変数分類ユーザインターフェイス部４でチェックした基準に従って、登録したプロセス変数を、プロセスの操作量を表す入力変数と、プロセスの性能指標を表す出力変数と、プロセスの管理値などに対応する中間変数の３つに分類する。
【００７２】
上記の例の場合は例えば下記の様に分類する。
【００７３】
入力変数：［１］空気供給量、［２］循環流量、［３］返送流量、［４］余剰流量。
【００７４】
出力変数：［１９］放流ＴＮ、［２０］放流ＴＰ。
【００７５】
中間変数：［５］雨量、［６］下水流入量、［７］流入ＴＮ、［８］流入ＴＰ、［９］流入ＵＶ、［１０］、嫌気槽ＯＲＰ、［１１］嫌気槽ｐＨ、［１２］無酸素槽ＯＲＰ、［１３］無酸素槽ｐＨ、［１４］好気槽ＰＯ４−Ｐ、［１５］好気槽ＤＯ、［１６］好気槽ＮＨ４−Ｎ、［１７］好気槽ＭＬＳＳ、［１８］反応槽水温。
【００７６】
入力変数は、ブロワ（送風機）やポンプを操作させることによって直接変化させることのできる変数であり、このようなもの以外には、薬品類の注入量や下水処理プロセスに水をくみ上げる揚水量（揚水ポンプ）なども入力変数となり得る。
【００７７】
出力変数は、下水処理の直接的な目的が放流水質を規制値範囲内に維持することであるので、上記の様な放流水質が出力変数となる。上記以外にも監視すべき放流水質があれば、それも出力変数となり得る。さらに、放流水質に放流水量を掛けた放流水質負荷量なども出力変数となり得る。さらには、電力量などを監視している場合には消費電力量やそれを処理量で割ったエネルギ原単位なども出力変数となり得る。
【００７８】
中間変数は、上記に示した通り、プロセスの状態やプロセスへの入力される外乱要素を表すものであり、上記の様な直接的な管理・監視値だけでなく、これらを用いて変換される管理値を中間変数として定義してもよい。典型的な例としては、ＨＲＴ（水理学的滞留時間）、ＳＲＴ（汚泥滞留時間）、Ａ−ＳＲＴ（好気槽汚泥滞留時間）、あるいはＢＯＳ−ＳＳ負荷、など下水処理プロセス特有の管理値である。これらの値を予め計算する式を組み込むことにより、これらを中間変数として含めても良い。
【００７９】
なお、中間変数と出力変数の分類の客観的な基準はなくやや主観的であるが、このプロセス監視・診断・支援装置を構築する当事者の判断で、適宜定義してよい。
【００８０】
これが、プロセス変数分類部５１の作用である。
【００８１】
次に、過去（オフライン）データ抽出部５２では、プロセス計測データ収集・保存部２に保存されている過去のプロセスデータの中から、プロセス変数登録部３で登録された変数の所定の期間にわたる過去のデータを抽出する。この際、「所定の期間」はユーザが適宜選択しやすいように、プロセス変数登録部３と共に監視画面上などのＧＵＩとして実装しておくことが好ましい。以下、ここで抽出した過去の時系列データをＸと記載することにする。このＸは行方向に変数（上記の場合［１］〜［２０］の変数）、列方向に上記で定義した「所定の期間」にわたる時系列サンプル（時系列データ）を持つ行列であり、以下、説明に際しては変数の数をｎ、時系列データ数をｍとする。従って、Ｘはｍ×ｎの時系列データである。これが、過去（オフライン）データ抽出部５２の作用である。
【００８２】
次に、プロセス変数相関定義部５３では、過去（オフライン）データ抽出部５２で抽出したXから欠測データやアウトライアの除去や、物理的な次元の異なる複数の監視項目（監視モデル構成変数）の正規化（＝平均値を引いて分散で割る）などを適切に行った上でＸの相関行列を求める。この際、必要に応じてデシメーション（時系列サンプルを所定の周期で間引くこと）なども行っても良く、この場合は時系列データ数ｍが変化することになるが、以下では、このように適切に処理されたデータを改めてＸと記述する。Ｘの相関行列は、各変数が正規化されている場合には分散共分散行列と一致し、単純に以下の式で計算できる。
【００８３】
相関行列 Ｓ＝ＸT Ｘ （１）
（１）式はプロセス変数の数ｎ×ｎの行列を表し、その各要素は−１から１までの相関係数を表す実数となる。また相関係数の定義より、対角要素は全て１（自分自身との相関係数は１）な対称行列（ａとｂの相関とｂとａの相関は同じ）となる。この（１）式の相関係数に対して適当な基準を設けて、相関の有無や強度を定義しておく。最も単純な定義は、相関の有無を基準とするものであり、例えば、図３に示すように、相関判定ルール（例１）を定義できる。
【００８４】
ここで、Ｔｈは相関の有無を判断する基準で、例えば、Ｔｈ＝０．５やＴｈ＝０．７（Ｔｈ２≒０．５）などとすれば良い。また、相関有＝１、相関無＝０や相関有＝○、相関無＝×という様に適当な表現形式を用いる。また、ＳＳは、相関の有無を表す行列であり、これがプロセス変数相関定義部５３で定義される行列の例である。
【００８５】
他の例としては、相関の強度を何段階かにわけて判断するものであり、例えば、３段階に分ける場合には、図４に示すように、相関判定ルール（例２）を設定してもよい。
【００８６】
ここで、Ｔｈ１とＴｈ２は、０＜Ｔｈ２＜Ｔｈ１＜１を満たす閾値であり、例えばＴｈ１＝０．７、Ｔｈ２＝０．５などとして設定すれば良い。また、強相関＝２、弱相関＝１、相関無＝０や強相関＝◎、弱相関＝○、相関無＝×という様に適当な表現形式を用いることができる。
【００８７】
さらに、単純に各変数同士の相関という観点からだけでなく、後述する主成分分析のローディング行列を用いて各変数間の関係の有無（あるいは強さ）を定義することもできる。全変数を考慮したサイズｎ×ｎ主成分ローディングをＰaとし、そのｋ行ｊ列をＰa（ｋ,ｊ）と記載することにする。
【００８８】
Ｐa（ｋ,ｊ）は、ローディング行列Ｐaが正規直交行列になるという性質から、その要素は−１から１までの範囲の値をとり、また、Ｐaのｋ行で定義される第ｉ主成分（以下、Ｐa（ｋ,：）と記述）の２乗和Σ_｛ｊ＝１｝＾｛１５｝Ｐa（ｋ,ｊ）2は、１となる。これは、Ｐa（ｋ,ｊ）2の平均値が１／ｎであることを意味する。この性質を利用すると、各々の変数の関係の有無を図５に示すような相関判定ルール（例３）で決定することができる。
【００８９】
上記では、主成分ローディング行列（主成分負荷行列）の第ｋ行に示される第ｋ主成分の平均値よりも大きいもの同士は互いに関連しているという基準で関係性を規定しているものである。もちろん、平均値１／ｎを適宜修正して異なる閾値とすることもできるし、相関判定ルールの例２の様に複数の閾値で関係の強さを定義することもできる。
【００９０】
この様にしてプロセス変数間の関係（あるいは相関）の強さを定義した例を図６に示す。プロセス変数相関定義部５３では、何らかの機械的な手段で結果的に図６に示す様にプロセス変数間の相関が定義される。この際、注意すべきことは、プロセス変数分類部５１で分類した入力変数と中間変数と出力変数を図６に示すように分類して保持しておくことであり、このことが後述の異常時対策支援を行う際のポイントとなる。
【００９１】
上記の実施形態は、請求項５に対応するプロセス変数定義手段の例となっている。以上がプロセス変数相関定義部５３の作用である。
【００９２】
この際、図６に示す様なプロセス変数間の相関を表す表が監視画面上のＧＵＩを通してユーザに提示されていることが望ましい。この場合、プロセス変数相関定義インターフェイス部６によって、この表の中の相関の有無や強さをユーザが適宜書き換えられる様にしておく。そうすると、上記の様に機械的に決定された相関関係に対して、ユーザが疑問を感じて適宜修正したい場合に、容易にユーザの要求をシステムの中に反映させることができる。この際、予めユーザに相関の有無を定義することを要求するのではなく、あくまでも機械的に定義された相関に対してユーザがカスタマイズしたい場合に、それを可能にするように構成されている点が本実施形態のポイントである。
【００９３】
この作用が請求項６に対応するユーザインターフェイスの例であり、プロセス変数相関定義インターフェイス部６の作用例である。
【００９４】
次に、異常検出用データ定義部５４では、多変量解析や機械学習の様々な方法を過去（オフライン）データ抽出部５２で抽出したＸに適用することによって、少数の異常検出用データを生成する。ここで重要なことはこの異常検出用データがＸから生成されており、従ってｎ個のプロセス変数の情報を含んでいることと、異常検出用データがｎよりもずっと少ない１〜２個程度の少数になっていることである。
【００９５】
このような方法として、プロセス診断技術として良く使われている方法は、ＭＳＰＣ（多変量統計的プロセス管理）と呼ばれ、通常主成分分析（ＰＣＡ）や潜在変数射影法（ＰＬＳ）を利用してＱ統計量やＴ2統計量と呼ばれる異常検出用データを合成している。
【００９６】
ＰＣＡはｎ個全ての変数を同等の変数として扱うのに対し、ＰＬＳはｎ個の変数を入力変数と出力変数に分離して扱う点が異なっている。
【００９７】
本実施形態では、プロセス変数を入力変数と出力変数と中間変数に分類しているが、これは、診断後の異常対策支援に用いるために分類しているものであり、この分類とは関係なくＰＣＡあるいはＰＬＳのいずれの方法を用いることもできる。ＰＣＡを適用する場合には、既に定義した入力変数と出力変数と中間変数を全く区別することなく適用すれば良い。ＰＬＳを用いる場合には、分類済の中間変数を入力変数か出力変数に再度振り分けることによって適用する。ＰＬＳの代わりに、ＰＣＡと重回帰分析を組み合わせたＰＣＲを利用することもできる。その他にも、複数のプロセス変数が繰り返し異なる場所で計測されている場合などには、正準相関解析（ＣＶＡ）を用いることもできる。このような例としては、例えば、水温、ｐＨ、導電率、硝酸、濁度、という５つの変数が水処理プロセスの複数の箇所で繰り返し測定されている様な場合が挙げられる。
【００９８】
また、データの中にアウトライアなどが多量に含まれることが想定される場合には、例えば非特許文献１「Mia Hubert , Peter J. Rousseeuw , Karlien V , “ROBPCA: a New Approach to Robust Principal Component Analysis (2005) ”Technometrics」および非特許文献２「C Croux, A Ruiz-Gazen 、High breakdown estimators for principal components: the projection-pursuit approach revisited ,Journal of Multivariate Analysis」などのアウトライアに対するロバスト性を考慮した様々なロバストＰＣＡアルゴリズムを用いてもよい。あるいは、これを拡張してロバストＰＬＳとして用いても良い。
【００９９】
さらに、データ間に強い非線形の相関が想定される様な場合には、例えば、非特許文献３「K.-R. Muller, S. Mika, G. Ratsch, K. Tsuda, and B. Scholkopf, An introduction to kernel-based learning algorithms. IEEE Trans. Pattern Anal. Machine Intell. ,12(2):181.201, March 2001.」および非特許文献４「B. Scholkopf, A.J. Smola, and K.-R. Muller, Nonlinear component analysis as a kernel eigenvalue problem. Neural Computation, 10(5):1299.1319, 1998.」などに記載されているカーネルＰＣＡなどの非線形性を考慮したＰＣＡやこれを拡張してカーネルＰＬＳとして用いても良い。さらに、非線形性とアウトライアの問題が両方存在している場合には、ロバストＰＣＡとカーネルＰＣＡを組み合わせた方法を用いることも可能である。
【０１００】
また、ＭＳＰＣと類似の技術として、品質工学の分野で用いられるタグチ法などマハラノビス距離を用いて検出用データを生成することもできる。なお、マハラノビス距離を用いた検出用データは後述するＰＣＡを用いたホテリングのＴ2統計量と本質的に同等のものであり、ＰＣＡを用いた方法では、ＰＣＡにより次元を低次元に落としている点が異なる。ただし、マハラノビス距離を用いた方法でも数値的安定化のために低次元化する場合があるので、本質的にはＴ2統計量とほぼ同一のものである。
【０１０１】
また、異常検出をあるデータを正常クラスと異常クラスに識別する2クラスのクラスタリング問題としてとらえることにより、機械学習の分野で利用される各種のクラスタリングの技術を用いることができる。このようなものとして、判別分析、K-meansクラスタリング、ファジィC-meansクラスタリングの様なクラスタリングを用いてもよいし、サポートベクトルマシン（ＳＶＭ）やベイズ推論を利用したリレバンスベクトルマシン（ＲＶＭ）を２クラスのクラスタリングとして適用しても良い。これらのクラスタリングを利用する場合には、異常検出用データを適切に定義する必要があるが、最も単純な方法として、クラスタリングによって分離した正常クラスの中心からの距離を異常検出用データとして定義することができる。
【０１０２】
その他の機械学習分野の技術としては、画像認識の分野で良く用いられる部分空間法の技術を適用することもできる。この際、部分空間法で定義される「類似度」という概念を異常検出用データとして用いることができる。すなわち、正常データと類似度が遠いデータを異常データとして定義して利用することができる。ただし、類似度の概念は、後述するＰＣＡによるＱ統計量というものと非常に近い概念であり、Ｑ統計量が診断対象のあるデータから低次元の空間への距離を示す「異常度」を表すのに対し、類似度は、診断対象のあるデータを低次元空間への射影した量であり、あるデータが低次元空間とどの程度近いかを表す「正常度」となっている。これらは、互いに直交する補空間の量となっており、互いに変換可能であるので、原理的にはほぼ同じことである。
【０１０３】
その他にも、上記の手法を様々な形で組み合わせて異常検出用データを合成することができる。例えば、ＰＣＡと重回帰分析を組み合わせたＰＣＲの重回帰分析の部分をサポートベクトルマシンを回帰分析に拡張したサポートベクトル回帰（ＳＶＲ）に置換する、もしくは回帰問題に適用したＲＶＭに置換するなどの組み合わせを行ってもよい。
【０１０４】
いずれにしろ、異常検出用データ定義部５４では、少数の異常検出用データがＸから生成されていることが重要であり、その方法としては、どのような方法を用いても良い。
【０１０５】
以下では、後続の作用説明のため、通常のＰＣＡを用いた場合の異常検出用データ生成の具体的な計算式を記載する。ＰＣＡを用いると、Ｘは以下の様に分解できる。
【数１】
【０１０６】
Ｔa∈Ｒm×nは、ｍ個のサンプル（あるいは時系列データ）と、ｎ個の主成分数からなるスコア行列と呼ばれる行列であり、Ｐa∈Ｒn×nは、ｎ個の構成変数と、ｎ個の主成分との関係を示すローディング行列と呼ばれる行列である。Ｔ∈Ｒm×pは、ｐ≪ｎ個の主成分で打ち切ったＴaの部分行列であり通常はスコア行列と呼んでいる。同様に、Ｐ∈Ｒn×pは、ｎ個の変量に対してｐ≪ｎ個で打ち切った主成分との関係を表すＰaの部分行列であり、通常はこのＰをローディング行列と呼んでいる。また、Ｅ∈Ｒm×nはｍ個のサンプル（あるいは時系列データ）とｎ個の変量からなる誤差行列であり、ｐ≪ｎで主成分を打ち切った場合の誤差を表す。
【０１０７】
以下では、ＴaとＴ、ＰaとＰを明確に区別し、ＴaとＰaを各々スコア行列、ローディング行列と呼び、ＴとＰをそれぞれ主要スコア行列、主要ローディング行列と呼ぶことにする。これらを用いて異常検出用データとして以下のＱ統計量とホテリング（Hotelling）のＴ2統計量を定義する。
【０１０８】
Ｑ統計量：
Ｑ（ｘ（ｔ））＝ｘT（ｔ）（Ｉ−ＰＰT）ｘ（ｔ） （３）
ホテリングのＴ2統計量：
Ｔ2（ｘ（ｔ））＝ｘT（ｔ）ＰTΛ-1Ｐｘ（ｔ） （４）
ここで、Λは主成分の分散を対角要素として持つ行列であり、分散を正規化していることを意味する。また、Ｉは適当なサイズの単位行列である。また、ｘ（ｔ）は、行列Ｘのｔ番目の要素である。後述する異常監視・診断の際には、このｘ（ｔ）がオンラインで計測されてくるプロセスデータに置き換わって計算される。（３）式と（４）式が、異常検出用データ定義部５４で定義される異常検出用データの例であり、ここでは、２つの異常検出用データを用いることになる。
【０１０９】
さらに、これらの統計量に対して異常と正常を識別する判断基準としてのしきい値を設定しておく。このしきい値の設定値は状態変化や異常兆候の検出に大きく関わるため、その設定方法は重要であるが、本実施形態のアイデアとは関係しないため、典型的な設定方法のみを記載しておく。
【０１１０】
もし、過去のオフラインデータに対して何ら事前情報が無い場合には、デフォルトの設定法として、Ｑ統計量の統計的信頼限界値とホテリングのＴ2統計量に関する統計的信頼限界値を用いることができる（非特許文献５：C.Rosen “Monitoring Wastewater Treatment Systems", Lic.Thesis, Dept. of Industrial Electrical Engineering and Automation, Lund University, Lund, Sweden (1998)）。
【０１１１】
これらは、以下の様に書くことができる。
【数２】
【０１１２】
ここで、ｐはモデルの中に残された変数の数である。ｃαは、信頼区間の限界が１−αである場合の標準正規分布の標準偏差のずれ（例：α＝０．０１の場合、２．５３，α＝０．０５の場合、１．９６）である。また、λiはΛの対角要素である（つまり、Θiは、誤差項に含まれる各成分のｉ乗和である。）。
【数３】
【０１１３】
ここで、ｐは選択した（＝モデルの中に残された）変数の数であり、ｍは全変数の数である。Ｆ（ｐ, ｍ−ｐ, α）は、自由度が（ｐ, ｍ−ｐ）であり、信頼限界をα（＝０．０１あるいは０．０５とすることが多い）とした場合のＦ分布である。
【０１１４】
以上が、異常検出用データ定義部５４の作用の例であり、請求項３に対応するものである。
【０１１５】
次に、異常検出用データ寄与量定義部５５では、（３）式や（４）式で定義された統計量（異常検出用データ）に対する各診断モデルの入力変数の寄与量の定義式を設定する。
【０１１６】
寄与量の定義方法も複数あるが、例えば、以下の様に定義することができる。
【０１１７】
Ｑ統計量の寄与量：
Ｑcont（ｎ,ｔ）＝ｘT（ｔ,ｎ）Ｆ（：,ｎ）TＦ（：,ｎ）ｘ（ｔ,ｎ） （７）
Ｆ＝（Ｉ−ＰＰT）
ホテリングのＴ2統計量の寄与量：
Ｔ2cont（ｎ,ｔ）＝ｘT（ｔ）ＰTΛ-1Ｐ（：,ｎ）ｘ（ｔ,ｎ） （８）
ここで、ｎはｎ番目変数という意味であり、ｔはある時刻を表す変数である。（７）式と（８）式を用いると、プロセス変数各々が異常検出用データの値に対してどの程度寄与しているかを計算することができる。（７）式はＱ統計量のｎ番目のプロセス変数の軸への射影になっており、（８）式は単純な射影ではないが、Ｔ2統計量をｎ個の各変数成分の和に巧みに分解したものになっている。
【０１１８】
異常検出用データとして、Ｑ統計量やＴ2統計量でないものを用いる場合には、（７）式や（８）式に類似する考え方で寄与量を適切に定義する必要がある。
【０１１９】
品質工学で用いられるマハラノビス距離を用いる場合には、タグチ法で用いられている感度解析的な方法を用いて寄与量を定義することができる。
【０１２０】
クラスタリング手法を適用する場合には、前述のとおり異常検出用データを正常クラスの中心からの距離として定義しておけば、この距離に対する各プロセス変数が貢献する成分を寄与量として定義することができる。例えば、ユークリッド距離で定義する場合には、正常クラスの中心から診断データまでの距離をＤとすると、Ｄ2＝Ｄ12＋Ｄ22＋Ｄ32＋…＋Ｄn2、Ｄi2、ｉ＝１，２，…，ｎは診断データの各成分の距離、と分解して、Ｄi2を寄与量として定義することができる。
【０１２１】
その他には、異常検出後に独立性成分分析（ＩＣＡ）を利用してどのデータが異常を引き起こしている可能性が高いかを分析し、寄与量を陽に定義しなくても結果的にいくつかの異常要因候補となるプロセス変数を抽出できるようにしておいても良い。
【０１２２】
どのような方法を用いるにせよ、異常検出用データ寄与量定義部５５では、ある診断データに対して、異常検出用データ定義部５４で定義した方法に従って計算されたその診断データの異常検出用データを入力すれば、どのプロセス変数が異常要因となる可能性が高いかを順位づけして出力できるような仕組みを有している必要があり、それが実現できればどのような方法であってもかまわない。
【０１２３】
上記の作用が請求項４に対応するものであり、異常検出用データ寄与量定義部５５の作用例である。
【０１２４】
次に異常時対策支援情報定義部５６では、異常検出用データ寄与量定義部５５の出力として供給される異常要因の可能性が高い順に順位づけされたプロセス変数の情報と、プロセス変数相関定義部５３からの情報に基づいて異常対策の支援となる情報を提供するためのルールを構築しておく。
【０１２５】
はじめに、順位づけされた異常要因の候補変数の中から、ある所定のルールに従って上位の要因候補を抽出する。最も単純なルールは、上位数個（例えば３個）の異常要因候補を上位要因候補として抽出するルールとしておく。この方法では、異常要因候補の順位情報だけを用いており、どの程度異常度が強いかということが考慮されていないので、異常度の高いものを抽出するようにする方法の方がより好ましい。例えば、寄与量の平均値μと標準偏差σを計算しておき、平均μからの距離がｋσ（例えばｋ＝３）を超える変数を異常要因候補とするなどのルールを設定しておけば良い。この際μとσは異常検出時の診断対象データに対して計算してもよいし、ある所定の期間の寄与量データから予め計算しておいてもよい。前者の場合には、異常データを必ず含む（∵異常検出時だから）ため、いくつかのデータを捨てて計算するトリム平均やトリム分散などの何らかのロバスト化処理を施しておくことが好ましい。また、上記２つを組み合わせて異常度の高いものの中から最大３個までを候補として挙げるというルールにしておいてもかまわない。いずれにしろ、まずいくつかの上位異常要因候補を抽出することが異常時対策支援情報定義部５６で定義する１番目のルールである。
【０１２６】
次に抽出された異常要因候補変数を図６に示す入力変数と出力変数と中間変数に分類するというルールを設定する。例えば、１番目のルールで上位３つの変数を抽出するという定義を採用した場合、この３つの変数が入力変数と出力変数と中間変数のどれに属するかを図６の表と対応させることにより分類する。これは、容易に実現でき、異常要因候補変数（ベクトル）をＦＸ、この中の入力変数（ベクトル）をＦＵ、中間変数（ベクトル）をＦＺ、出力変数（ベクトル）をＦＹとすると、単純に図７に示す如き、異常要因候補分類ルールを適用すればよい。
【０１２７】
ここで、［ ］は空ベクトル、［Ａ Ｂ］はベクトルＡとベクトルＢをつなげたベクトルを表す。
【０１２８】
このように２つ目のルールでは、異常要因候補変数ＦＸを入力変数ＦＵ、出力変数ＦＹ、中間変数ＦＺに分類する。
【０１２９】
次に、これらの入力変数ＦＵ、出力変数ＦＹ、中間変数ＦＺを用いて対策を支援する情報を提供するためのテンプレートを作成する。これが３つめのルールである。ここでのポイントは、入力変数ＦＵ、出力変数ＦＹ、中間変数ＦＺを図６の相関行列と対応させて、支援メッセージを出す仕組みを持つことであり、特に、オペレータがどのような対策をすればよいかという支援メッセージを組み込むことである。オペレータにとっては、異常時に今自分がどのような操作を行うべきなのかという情報と、オペレータが重要視している性能指標がどのような状態でありどのように変化する可能性があるのか、という情報が重要な情報であると考えられるため、例えば、図８および図９に示すような異常対策支援メッセージ生成ルールのテンプレートを作成する。
【０１３０】
このようなメッセージテンプレートは、対象プラントに関する特別な知識を全く必要とせず、単にプロセス変数を入力変数と出力変数と中間変数に分類するということと、各プロセス変数間の関係の有無を表すテーブルを用いるだけで作成できることがポイントである。また、前述した通り、プロセス変数間の関係の有無を表すテーブル作成も相関行列や主成分ローディング行列などから自動的に生成できる。従って、このようなメッセージテンプレートを作っておけば、このテンプレートに従って、異常時の対策支援情報を自動的に提供できることになる。
【０１３１】
以上の実施形態が請求項７に対応するものであり、異常時対策支援情報定義部５６の作用例である。
【０１３２】
上記の手順に従って、異常診断モデル構築部５での異常監視・診断・対策支援モデルの構築が完了する。次に、異常監視・診断・対策支援部７では、異常診断モデル構築部５で構築した異常監視・診断・対策支援モデルを供給してもらい、このモデルを用いて異常の検出・要因変数推定および対策支援情報の提供を行う。
【０１３３】
まずプロセス計測データ収集・保存部２で収集している診断を行いたい時点（以下現時点あるいは現在という）のオンラインデータを現在データ（オンラインデータ）抽出部７１で抽出する。この現在（オンライン）データ抽出部７１で抽出した現在データを用いて、異常監視・診断・対策支援部７ではプロセス状態の監視を行い、状態に変化があったり異常の兆候が認められた場合にはそれを検出する。
【０１３４】
次に異常検出部７２では、まず、プロセス変数登録部３で登録した変数に対応する現時点のデータを取り出し、各変数の平均や分散などを用いて適当に正規化しておく。また、必要に応じて、アウトライアの除去を行っておく。そして、（３）式と（４）式で定義したＱ統計量とＴ2統計量のＸ（ｔ）に代入することによって現時点のＱ統計量とＴ2統計量を監視する。この統計量は時間の経過と共に時々刻々と変化するので、時系列グラフ（トレンドグラフ）の様な形で監視してもよい。そして、現時点のＱ統計量あるいはＴ2統計量が（５）式と（６）式で定義したしきい値を超えた場合に、プロセスに状態変化が生じたと判断する。これが、異常検出部７２の作用例である。
【０１３５】
次に、異常要因変数分離部７３では、異常検出部７２でプロセスの異常を検出した場合、その時刻における異常検出用データ、すなわち、その時刻の（３）式と（４）式のＱ統計量とＴ2統計量を入力し、（７）式と（８）式の寄与量を計算する。そして、各プロセス変数について、どの変数の寄与量が大きいかを順位づけておく。これが異常要因変数分離部７３の作用の例である。
【０１３６】
異常検出部７２の作用と異常要因変数分離部７３の作用は、通常のＰＣＡを用いたＭＳＰＣの作用そのものである。
【０１３７】
次に、異常対策支援情報提供部７４では、異常要因変数分離部７３で順位づけられたプロセス変数のデータと異常時対策支援情報定義部５６で定義された異常時の対策支援メッセージテンプレートを用いた異常時の対策支援情報を提供する。
【０１３８】
具体的な実施イメージを示すため、図１０を用いて、簡単化した場合のメッセージが生成される作用を述べる。図１０においては、説明を簡単にするため、図６のプロセス変数相関図を簡単化したものを用いている。
【０１３９】
まず、上位の異常要因候補ＦＸとして、放流ＴＰと風量と溶存酸素濃度ＤＯが抽出されたとする。放流ＴＰは出力変数ＦＹに分類され、風量は入力変数ＦＵに分類され、溶存酸素濃度ＤＯは中間変数ＦＺに分類される。すると、異常時対策支援情報定義部５６で定義された異常時の対策支援メッセージテンプレートを用いて図１１に示すように、対策支援メッセージが生成される。
【０１４０】
本実施形態では、異常要因候補変数ＦＸが出力変数ＦＹ、中間変数ＦＺ、入力変数ＦＵに一つずつ分類され、かつそれらが全て関連している最も簡単な例を示したが、そうでない場合にも、異常時対策支援情報定義部５６で定義された異常時の対策支援メッセージテンプレートに従って、支援メッセージが自動的にユーザインターフェイス部９を通してオペレータなどのユーザに提供される。このようなメッセージを提供する作用が異常対策支援情報提供部７４の実施形態の作用である。これにより、異常監視・診断・対策支援部７の作用が完了する。
【０１４１】
次に、異常対策支援情報を提供されたユーザは、支援情報に基づいて何らかの操作を行うが、その操作記録などの対策記録を保存しておくとさらに好ましい。これが異常対策記録保持部８の作用である。例えば、上記メッセージに従って、風量を調整した場合、風量と調整したという記録を自動的に保存する。さらに、オペレータが入力できるような欄をユーザインターフェイス部９上に設け、風量をどのように調整し、その結果放流ＴＰの改善がどの程度認められたのかの記録や風量を調整したことに伴う弊害（副作用）等の記録を記録できるようにしておく。この異常対策記録保持部８では、どの操作量が調整されたかという記録と、どの性能指標の対策であったかの記録と、どの管理項目の対策であったかの記録を残せるようにしておき、操作量や性能指標や管理項目で検索を掛けられる様な機能を持つとなお好ましい。また、オペレータの記録に対してキーワードで検索できる機能を持っているとなお良い。これが、異常対策記録保持部８の実施形態の作用例である。
【０１４２】
また、この機能がついている場合、異常対策支援情報提供部７４では、この機能に対して自動検索をかけ、ある操作量や性能指標や管理指標の過去の記録一覧を表示できるようにしておけるとよい。例えば、放流リン濃度時の過去の異常対策リスト、風量異常時の過去の異常対策リスト、溶存酸素濃度ＤＯ異常時の過去の異常対策リストの一覧が提示できるようになっているとなお良い。これが、請求項８に対応する作用例である。
【０１４３】
以上によって、異常の監視・診断・対策支援の作用が完了する。
【０１４４】
上述したように本実施形態によれば、プロセス監視・診断・支援装置が異常診断モデル構築部５および異常監視・診断・対策支援部７を備えた構成により、対象プロセスに依存しない形で、異常時の対策支援情報を提供することができる。
【０１４５】
補足すると、今までの監視・診断手法では、異常兆候の検出と要因変数の分離だけしか行えない、あるいは、対策支援情報を提供しようとすると多大なエンジニアリングを要していたのに対し、本実施形態の手法を用いると、殆どエンジニアリングを発生させることなく、異常検出・要因変数分離に加えて異常時の対策支援情報をほぼ機械的に提供することができる。
【０１４６】
すなわち、本実施形態によれば、診断システムに入力するプロセス変数を定義し、このプロセス変数を入力変数と出力変数と中間変数に分類すること以外のエンジニアリングをほとんど介在させずに、ＳＣＡＤＡなどで収集されているプラントの監視データのみから機械的（≒エンジニアリングを介在させず自動的に）にデータ処理を通すだけの処理により、対象プロセスに依存しない形で、プロセスの異常時・非定常時にプラントオペレータやプラントマネージャー等のユーザに対して対策支援情報を提供することができる。
【０１４７】
また、ｎ個のプロセス変数の名称を表示し、この表示中に、ユーザの操作に応じて、プロセス変数分類部５１における入力変数と出力変数と中間変数を選択するプロセス変数分類ユーザインタフェイス部４を備えた場合に、プロセス変数の分類をユーザがＧＵＩ上で容易に実施することができる。
【０１４８】
さらに、異常検出用データ定義部５４としては、主成分分析（ＰＣＡ）、潜在変数射影法（ＰＬＳ）、主成分回帰（ＰＣＲ）、正準相関解析（ＣＶＡ）、マハラノビス距離、ロバスト主成分分析（Robust ＰＣＡ）、カーネル主成分分析（Kernel ＰＣＡ）、判別分析、ファジィC-meansクラスタリング、K-meansクラスタリング、サポートベクトルマシン（ＳＶＭ）、リレバンスベクトルマシン（ＲＶＭ）および部分空間法のうちの少なくとも一つ以上の方法を用いて異常検出用データを生成する式を定義する場合に、対象プロセスに依存しない形で、非定常時の対策支援情報を提供する旨の前述した効果を、既存の多変量解析や機械学習の技術を援用して、システマティックに提供することができる。また、対象プロセスに関連する知識を必要としない統計的なＦＤＩ手法であるＭＳＰＣをベースとして、プロセスの非定常時・異常時に、オペレータやマネージャーに対してどのような対策をとればよいかを示す具体的な対策支援情報を提供することができる。
【０１４９】
また、異常検出用データ寄与量定義部５５としては、ｎ個のプロセス変数の中の着目するプロセス変数ｋの寄与量（但し、ｋ＝１，２，…，ｎ）を、［ａ］異常検出用データ定義部５４により定義された異常検出用データから当該プロセス変数ｋが張る空間へ射影することによって定義するか、［ｂ］異常検出用データをｎ個の成分の和に分解し、当該プロセス変数ｋのみが影響を与えるｋ番目の成分として定義するか、又は［ｃ］独立性成分分析を用いて定義する場合に、対象プロセスに依存しない形で、非定常時の対策支援情報を提供する旨の前述した効果を、さらにシステマティックに提供することができる。
【０１５０】
また、プロセス変数相関定義部５３としては、ｎ個のプロセス変数の所定期間に亘る時系列データの相関行列又は主成分負荷行列に基づいて、相関情報を定義する場合に、プロセス変数間の関係の有無あるいは強さを、データから機械的かつシステマティックに容易に定義することができる。また、異常検出用データ定義部５４における多変量解析などの手法の多くは、異常検出用データ作成時に分散共分散行列や主成分負荷行列を作成する操作を行うため、診断モデル構築時に、若干の修正を加えるだけで機械的にプロセス変数間の関係を定義することができる。
【０１５１】
また、プロセス変数相関定義部５３がｎ個のプロセス変数相互間の相関の有無あるいは強度を表すｎ行ｎ列のテーブルを相関情報として有し、プロセス変数相関定義インターフェイス部６が、ユーザの操作に応じて、このテーブルを表示すると共に、当該テーブルの内容を修正する場合には、データドリブンによって構築したプロセス監視・診断・支援装置の前述した効果がプラントマネージャーやオペレータなどのユーザにとって満足できないものである場合や、ユーザが修正を行いたい場合にプロセス変数相関定義ユーザインターフェイス部６を通して容易に修正することができる。
【０１５２】
また、異常時対策支援情報定義部５６に第２〜第６ルールが定義された場合に、前述した効果のより具体的な形として、異常時にユーザがどの操作量を確認し必要に応じて調整すればよいかという支援情報を与えることができ、さらに、この操作量によってどのようなプロセス監視データが影響を受けやすいか（例、放流水質などの性能指標が今後どうなっていく可能性があるのか）という情報をユーザに提供することができる。
【０１５３】
また、異常対策記録保持部８を備えた場合には、支援情報が提供された時、過去の類似事例において、どのような対策がなされたかを、プラントオペレータ・マネージャが参照することができ、具体的な対策を容易に行うことが出来るようになる。
【０１５４】
＜その他の実施形態の構成＞
図１２〜図１４は、それぞれ、第１の実施形態に述べた図１の下水高度処理プロセス１を対象とする監視システムを、インターネットや電話などの公衆回線あるいは専用回線などの通信回線を通して実現するシステム構成の一例を示している。通信回線は有線あるいは無線であるが、主に無線回線で実現されていることを想定している。図１２〜図１４の実施形態の構成における構成要素は、図１の構成の構成要素とほぼ同じであるが、通信回線を介して機能が分割されている点が異なり、これに伴い、図１３および図１４においては、遠隔監視操作端末１０を新たに有している。
【０１５５】
図１２に示す構成では、下水高度処理プロセス１で計測しているデータの収集と下水高度処理プロセス１の各種アクチュエータ１１１〜１１５による各操作量の操作は、当該処理場で実施されるが、その他は通信回線を通して物理的に離れた場所に存在するセンタ装置１１で実施される。
【０１５６】
すなわち、図１２に示す構成は、プロセス計測データ収集・保存部２に有線又は無線の通信回線を通して接続されたセンタ装置１１を更に備えている。各部３，４，５，６，７，９は、センタ装置１１に実装されている。センタ装置１１は、プロセス計測データ収集・保存部２に保存されたｎ個のプロセス変数の時系列データを通信回線を通して収集してユーザに提示し、ユーザの操作に応じて入力変数Ｕを操作する場合には、当該入力変数Ｕの操作信号を通信回線を通して下水高度処理プロセス１に送信する。
【０１５７】
図１３に示す構成は、図１２とは異なり、通信回線を通して異常時の対策支援情報の受信とこの情報に基づいて判断した結果を再び通信回線を通して下水高度処理プロセス１に送信する遠隔監視操作端末１０を有する構成となっている。この遠隔監視操作端末１０は複数存在してよく、下水高度処理プロセス１の運転管理を行う複数人のプラントマネージャーやオペレータがこの端末を保有することができる。
【０１５８】
すなわち、図１３に示す構成は、異常対策支援情報提供部７４および下水高度処理プロセス１に有線又は無線の通信回線を通して接続された遠隔監視操作端末１０を更に備えている。監視操作端末１０は、異常対策支援情報提供部７４から通信回線を通して提供された対策支援情報をユーザに提示し、ユーザの操作に応じて入力変数Ｕを操作する場合には、当該入力変数Ｕの操作信号を通信回線を通して下水高度処理プロセス１に送信する。
【０１５９】
図１４に示す構成は、図１２と図１３を合成して発展させた構成となっており、下水高度処理プロセス１では、データの収集と操作量の操作が行われ、通信回線を通してセンタで診断が行われる。このセンタでは、複数の処理プロセスに対する診断を行う。さらに、遠隔監視操作端末１０を有しており、センタで診断され対策支援情報を通信回線をとおしてこの遠隔監視操作端末１０に送信し、遠隔監視操作端末１０から再び通信回線を通して、いずれかの処理プロセスに対する操作指令を行うことができる。
【０１６０】
すなわち、図１４に示す構成は、下水高度処理プロセス１がｗ箇所ある場合（但し、ｗ＝１，２，…ｗ）、プロセス計測データ収集・保存部２をｗ個設け、当該ｗ個のプロセス計測データ収集・保存部２を個別にｗ箇所の下水高度処理プロセス１に配置している。また、各プロセス計測データ収集・保存部２に有線又は無線の通信回線を通して接続されたセンタ装置１１と、異常対策支援情報提供部７４および各下水高度処理プロセス１に有線又は無線の通信回線を通して個別に接続されたｗ個以上の遠隔監視操作端末１０とを更に備えている。センタ装置１１は、各プロセス計測データ収集・保存部２に保存されたｎ個のプロセス変数の時系列データを通信回線を通して収集して第１ユーザ（センタ装置１１のユーザ）に提示し、第１ユーザの操作に応じて入力変数Ｕを操作する場合には、当該入力変数Ｕの操作信号を通信回線を通して下水高度処理プロセス１に送信する。各遠隔監視操作端末１１は、異常対策支援情報提供部７４から通信回線を通して提供された対策支援情報を第２ユーザ（遠隔監視操作端末１１のユーザ）に提示し、当該第２ユーザの操作に応じて入力変数Ｕを操作する場合には、当該入力変数Ｕの操作信号を通信回線を通して下水高度処理プロセス１に送信する。
【０１６１】
次に、以上のように構成されたその他の実施形態の作用について説明する。
【０１６２】
なお、その他の実施形態の基本的な作用は、第１の実施形態の作用と同一であるため、異なる部分を中心に述べる。
【０１６３】
はじめに図１２に示す構成の実施形態の作用を説明する。センタ装置１１では、予めプロセス変数登録部３において、異常診断モデル構築に必要となるプロセス変数を登録しておき、この登録情報を処理場に送っておく。処理場ではこの登録されたプロセス変数の情報を保持しており、適宜参照できるようになっている。また、異常診断モデル構築部５の過去（オフライン）データ抽出部５２と異常監視・診断・対策支援部７の現在（オンライン）データ抽出部７１は、下水高度処理プロセス１側のプロセス計測データ収集・保存部２に付随する形で保有している。
【０１６４】
次に異常診断モデル構築を行うが、過去（オフライン）データ抽出部５２で抽出した所定期間にわたる登録変数の時系列データが通信回線を通してセンタ装置１１に送信され、センタ装置１１において、第１の実施形態の作用に示した手順に従って異常診断モデルが構築される。
【０１６５】
次に異常監視・診断・対策支援部７において、診断を行う時刻（以下、「現在」という）で診断が行われる。ここでは、まず処理場において現在（オンライン）データ抽出部７１で現在の登録変数のデータが抽出され、これが通信回線を通してセンタ装置１１に送られる。センタ装置１１では、第１の実施形態の作用に示した手順に従って、異常の検出・要因分離・支援情報の生成が実施され、それがユーザインターフェイス部９を通してオペレータなどのユーザに提示される。
【０１６６】
次に、対策支援情報に基づいてオペレータは、対象プロセスの性能指標や管理値を確認すると同時に、操作量を変更する必要がある場合には、操作量の変更指令を決定し、この情報を通信回線を通して下水高度処理プロセス１に伝える。
【０１６７】
下水高度処理プロセス１では、受信した指令情報に基づいて自動あるいは手動で操作量の変更が行われる。処理場が無人の場合には自動で操作量の変更が行われ、有人の場合には、処理場のオペレータが指令情報を確認した上で手動で変更するかあるいは自動で変更される。
【０１６８】
なお、センタ装置は、処理場とは物理的に離れた場所に設置されている監視室に配置されたコンピュータを想定しているが、センタ装置１１で実施する機能を有してさえいれば、例えば携帯電話や携帯ＰＣの様な移動端末に各部３〜７，９が実装されていても良い。
【０１６９】
これが図１２に示す構成の実施形態の作用である。
【０１７０】
次に図１３に示す構成の実施形態の作用を説明する。
【０１７１】
まず、下水高度処理プロセス１のある処理場において、第１の実施形態の作用に示した手順に従って異常診断モデルが構築され、続いて、同じく下水高度処理プロセス１のある処理場において、第１の実施形態の作用に示した手順に従って、異常の検出・要因分離・支援情報の生成が実施される。ここまでは、第１の実施形態の作用と全く同じである。
【０１７２】
次に、生成された対策支援情報のみが、通信回線を通して遠隔監視操作端末１０を保有するプラントオペレータやマネージャーに送信される。この際、複数人のオペレータやマネージャーが遠隔監視操作端末１０を保有していてもよく、この場合には、ブロードキャスト方式で対策支援情報が提供される。
【０１７３】
次に、この情報を受信したオペレータやプラントマネージャーは、操作量の変更の必要性の有無を判断し、必要がある場合は操作量の変更指令を決定し、この情報を通信回線を通して下水高度処理プロセス１に伝える。この際、複数人が遠隔監視操作端末１０を保有する場合には、どの端末からの指令を優先するかという操作量指令に対する優先順位を有していることが望ましい。また、この方式では、対策支援情報のみを受信するため、対象プロセスの性能指標や管理値を確認することができないが、異常対策支援情報受信時にのみ遠隔監視操作端末１０を通してオペレータが確認したい性能指標や管理値のデータの送信要求を処理場に対して行う機能を有していることが望ましい。
【０１７４】
最後に、下水高度処理プロセス１では、受信した指令情報に基づいて自動あるいは手動で操作量の変更が行われる。処理場が無人の場合には自動で操作量の変更が行われ、有人の場合には、処理場のオペレータが指令情報を確認した上で手動で変更するかあるいは自動で変更される。
【０１７５】
なお、この実施形態では遠隔監視操作端末１０は主に携帯電話や携帯ＰＣなどのモバイル端末を想定しているが、上記の仕組みを持つ物理的に固定された場所に存在する監視室などのセンタに存在する固定端末でも良く、図１２の実施形態との本質的な相違点は、機能分担の切り分け方である。
【０１７６】
これが図１３に示す構成の実施形態の作用である。
【０１７７】
次に図１４に示す構成の実施形態の作用を説明する。
【０１７８】
センタ装置１１では、予めプロセス変数登録部３において、異常診断モデル構築に必要となるプロセス変数を登録しておき、この登録情報を処理場に送っておく。図１２の実施形態との相違点は、処理場が複数存在することであり、センタ装置１１は複数の処理場を一括して遠隔で監視している。従ってプロセス変数の登録は処理場数分行うが、これは各々の処理場毎に定義してもよく、また共通のプロセス変数を登録しても良い。各処理場では、この登録されたプロセス変数の情報を保持しており、適宜参照できるようになっている。また、異常診断モデル構築部５の過去（オフライン）データ抽出部５２と異常監視・診断・対策支援部７の現在（オンライン）データ抽出部７１は、下水高度処理プロセス１側のプロセス計測データ収集・保存部２に付随する形で保有している。
【０１７９】
次に異常診断モデル構築を行うが、各処理場から、過去（オフライン）データ抽出部５２で抽出した所定期間にわたる登録変数の時系列データが通信回線を通してセンタ装置１１に送信され、センタ装置１１において、第１の実施形態の作用に示した手順に従って、各々の処理場毎の異常診断モデルが構築される。
【０１８０】
次に異常監視・診断・対策支援部７において、診断を行う時刻（以下、「現在」という）で診断が行われる。ここでは、まず各々の処理場において現在（オンライン）データ抽出部７１で現在の登録変数のデータが抽出され、これが通信回線を通してセンタ装置１１に送られる。センタ装置１１では、第１の実施形態の作用に示した手順に従って、異常の検出・要因分離・支援情報の生成が実施される。この際、参照すべき異常診断モデルは処理場毎に切り替える必要があるが、検出・診断・対策支援の操作は診断モデルの切り替え以外は一つのアルゴリズムとして実装することができる。
【０１８１】
対策支援情報が生成されると、この生成された情報はユーザインターフェイス部９を通してオペレータなどのユーザに提示される。この際、センタ装置１１が配置された監視室以外の場所にいるオペレータやマネージャーが遠隔監視操作端末１０を保有していてもよく、この場合は同時に生成された対策支援情報が、通信回線を通して遠隔監視操作端末１０を保有するプラントオペレータやマネージャーにも送信される。この際、複数人のオペレータやマネージャーが遠隔監視操作端末１０を保有していてもよく、この場合には、ブロードキャスト方式で対策支援情報が提供される。
【０１８２】
次に、対策支援情報に基づいてオペレータは、対象プロセスの性能指標や管理値を確認すると同時に、操作量を変更する必要がある場合には、操作量の変更指令を決定し、この情報を通信回線を通して下水高度処理プロセス１に伝える。遠隔監視操作端末１０を保有するオペレータやマネージャーがいる場合には、センタあるいは遠隔端末のいずれの指令を優先するか、あるいは、遠隔端末を保有者が複数人いる場合には、どの指令を優先するかという操作量指令に対する優先順位を有していることが望ましい。
【０１８３】
最後に、下水高度処理プロセス１では、受信した指令情報に基づいて自動あるいは手動で操作量の変更が行われる。処理場が無人の場合には自動で操作量の変更が行われ、有人の場合には、処理場のオペレータが指令情報を確認した上で手動で変更するかあるいは自動で変更される。
【０１８４】
以上が図１４に示す構成の実施形態の作用である。
【０１８５】
図１２〜図１４に示す構成の実施形態の効果は以下のとおりである。
【０１８６】
図１２に示す構成によれば、下水処理プラントとこれを運用管理するプラントオペレータやプラントマネージャーとが物理的に離れている場所にいる場合にも、第１の実施形態の効果と同様の効果を得ることができる。
【０１８７】
図１３に示す構成によれば、図１２の仕組みにおいてセンタ側の計算負荷低減を指向したものであり、第１の実施形態の効果に加え、大きな計算負荷をかけることが難しい携帯型の簡易端末でも、プロセス監視で最も必要な異常時の情報とその対策の遠隔での実施が可能になる。また、異常時にのみ通信回線を利用するため、通信回線の負荷の低減も同時にでき、通信回線のトラフィックの混雑を回避することに貢献でき、また、トラフィックが混雑している場合でも重要な情報（異常時の情報）の通信の確保をしやすくなる。
【０１８８】
補足すると、図１３に示す構成によれば、プラントオペレータやプラントマネージャーが対象プラントから物理的に離れている場合で、かつ、通信回線のトラフィックの混雑が予想される様な場合にても、対象プロセスで生じる重要な異常を検出し、それに対する対処を行うことができる（ただし、その代償として、計測しているプロセス変数全ての時系列データの監視を行うことは諦める。）。
【０１８９】
図１４に示す構成によれば、図１２と図１３の構成をさらに機能分割し、また、複数の処理場の監視を一括して行うことを指向したものであるが、この様な構成を採用することにより、遠隔サービス（クラウドサービス）として、第１の実施形態の作用効果を提供することができる。
【０１９０】
すなわち、図１４に示す構成によれば、複数箇所のプラントの監視・診断・支援を１か所あるいは少数箇所の監視室に配置されたセンタ装置１１において実施することができ、クラウドサービスなどとして第１の実施形態の効果を実現することができる。また、プラントオペレータやプラントマネージャーが対象プラントから物理的に離れている場合にも、プラントの監視・診断・対策支援を行うことができる。
【０１９１】
以上説明した少なくとも一つの実施形態によれば、プロセス監視・診断・支援装置が異常診断モデル構築部５および異常監視・診断・対策支援部７を備えた構成により、対象プロセスに依存しない形で、異常時の対策支援情報を提供することができる。
【０１９２】
なお、本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。
【符号の説明】
【０１９３】
１…下水高度処理プロセス、１０１…最初沈澱池、１０２…嫌気槽、１０３…無酸素槽、１０４…好気槽、１０５…最終沈澱池、２…プロセス計測データ収集・保存部、３…プロセス変数登録部、４…プロセス変数分類ユーザインターフェイス部、５…異常診断モデル構築部、５１…プロセス変数分類部、５２…過去（オフライン）データ抽出部、５３…プロセス変数相関定義部、５４…異常検出用データ定義部、５５…異常検出用データ寄与量定義部、５６…異常時対策支援情報定義部、６…プロセス変数相関定義インターフェイス部、７…異常監視・診断・対策支援部、７１…現在（オンライン）データ抽出部、７２…異常検出部、７３…異常要因変数分離部、７４…異常対策支援情報提供部、８…異常対策記録保持部、９…ユーザインターフェイス部、１０…遠隔監視操作端末、１１１〜１１５…アクチュエータおよび操作量センサ群、１２１〜１２２１…プロセスセンサ。
【特許請求の範囲】
【請求項１】
対象プロセスの状態量又は操作量を計測するｎ個（但し、ｎ≧２）のセンサから計測結果を示すｎ個のプロセス変数の時系列データを収集して保存するデータ収集保存手段と、
前記ｎ個のプロセス変数を、前記状態量であって性能指標を表すｐ個（但し、１≦ｐ＜ｎ）の出力変数Ｙと、前記操作量を表すL個（但し、１≦L＜ｎ）の入力変数Ｕと、前記状態量であって管理・監視値を表すｍ個（但し、０≦ｍ＜ｎ）の中間変数Ｚとに分類した結果を示す分類情報を記憶するプロセス変数分類手段と、
前記分類情報および前記ｎ個のプロセス変数の所定期間に亘る時系列データから、前記分類した結果を含んで当該ｎ個のプロセス変数相互間の相関を示す相関情報を定義するプロセス変数相関定義手段と、
前記ｎ個のプロセス変数の所定期間に亘る時系列データから、前記ｎ個よりも少ないｑ個（但し、１≦ｑ≪ｎ）の異常検出用データを生成する式と、前記異常検出用データに基づいて異常の有無又は異常強度の判断を行う判断基準とを定義する異常検出用データ定義手段と、
前記異常検出用データに対する前記ｎ個のプロセス変数の時系列データの各々の寄与量を定義する異常検出用データ寄与量定義手段と、
異常時の異常要因候補となるプロセス変数である異常要因候補変数のうちの所定の上位の異常要因候補変数を抽出する第１ルールと、前記抽出した異常要因候補変数を前記相関情報に基づいて前記出力変数Ｙと前記入力変数Ｕと前記中間変数Ｚとに分類する第２ルールと、当該分類した結果に応じて異常時の対策を支援するメッセージを含む対策支援情報を提供する第３ルールとを定義する異常時対策支援情報定義手段と、
前記保存された所定時刻の前記ｎ個のプロセス変数の時系列データ、および前記異常検出用データ定義手段の定義に従って当該所定時刻の時系列データに対応する異常検出用データを生成し、この異常検出用データに基づいて、当該所定時刻のデータの異常の有無を診断する異常検出手段と、
前記診断の結果、異常有りの場合には前記寄与量の定義に基づいて当該所定時刻の時系列データの寄与量を計算し、前記計算した寄与量および前記第１ルールに基づいて当該所定時刻の時系列データから異常要因候補変数を分離抽出する異常要因変数分離手段と、
前記分離抽出された異常要因候補変数と、前記相関情報と、前記第２ルールおよび前記第３ルールとに基づいて、前記対策支援情報を提供する異常対策支援情報提供手段と、
を備えたことを特徴とするプロセス監視・診断・支援装置。
【請求項２】
請求項１に記載のプロセス監視・診断・支援装置において、
前記ｎ個のプロセス変数の名称を表示し、この表示中に、ユーザの操作に応じて、前記プロセス変数分類手段における入力変数と出力変数と中間変数を選択するプロセス変数分類ユーザインターフェイス手段を更に備えたことを特徴とするプロセス監視・診断・支援装置。
【請求項３】
請求項１に記載のプロセス監視・診断・支援装置において、
前記異常検出用データ定義手段は、主成分分析（ＰＣＡ）、潜在変数射影法（ＰＬＳ）、主成分回帰（ＰＣＲ）、正準相関解析（ＣＶＡ）、マハラノビス距離、ロバスト主成分分析（Robust ＰＣＡ）、カーネル主成分分析（Kernel ＰＣＡ）、判別分析、ファジィC-meansクラスタリング、K-meansクラスタリング、サポートベクトルマシン（ＳＶＭ）、リレバンスベクトルマシン（ＲＶＭ）および部分空間法のうちの少なくとも一つ以上の方法を用いて前記異常検出用データを生成する式を定義することを特徴とするプロセス監視・診断・支援装置。
【請求項４】
請求項３に記載のプロセス監視・診断・支援装置において、
前記異常検出用データ寄与量定義手段は、前記ｎ個のプロセス変数の中の着目するプロセス変数ｋの寄与量（但し、ｋ＝１，２，…，ｎ）を、［ａ］前記異常検出用データ定義手段により定義された異常検出用データから前記プロセス変数ｋが張る空間へ射影することによって定義するか、［ｂ］異常検出用データをｎ個の成分の和に分解し、前記プロセス変数ｋのみが影響を与えるｋ番目の成分として定義するか、又は［ｃ］独立性成分分析を用いて定義することを特徴とするプロセス監視・診断・支援装置。
【請求項５】
請求項１に記載のプロセス監視・診断・支援装置において、
前記プロセス変数相関定義手段は、前記ｎ個のプロセス変数の所定期間に亘る時系列データの相関行列又は主成分負荷行列に基づいて、前記相関情報を定義することを特徴とするプロセス監視・診断・支援装置。
【請求項６】
請求項１に記載のプロセス監視・診断・支援装置において、
前記プロセス変数相関定義手段は、前記ｎ個のプロセス変数相互間の相関の有無あるいは強度を表すｎ行ｎ列のテーブルを前記相関情報として備えており、
前記ユーザの操作に応じて、このテーブルを表示すると共に、前記テーブルの内容を修正するプロセス変数相関定義インターフェイス手段（６）を更に備えたことを特徴とするプロセス監視・診断・支援装置。
【請求項７】
請求項１に記載のプロセス監視・診断・支援装置において、
前記第２ルールは、前記抽出された異常要因候補変数を、前記分類情報に基づいて、前記入力変数Ｕに属する入力要因変数ＦＵ、前記出力変数Ｙに属する出力要因変数ＦＹ、前記中間変数Ｚに属する中間要因変数ＦＺに分類するルールを含み、
前記第３ルールは、
前記異常要因候補変数に前記出力要因変数ＦＹを含む場合には、当該出力要因変数ＦＹが悪化していることを通知すると共に、前記相関情報により当該出力要因変数ＦＹと相関があると定義された入力変数Ｕの値を確認し見直す様促すメッセージを含む対策支援情報を提供する第４ルールＡと、
前記異常要因候補変数に前記出力要因変数ＦＹを含まないが前記入力要因変数ＦＵを含む場合には、当該入力要因変数ＦＵが通常時から逸脱した異常状態であり、この入力要因変数ＦＵで表される操作量を見直す様促すと共に、前記相関情報により当該入力要因変数ＦＵと相関があると定義された出力変数Ｙが今後悪化する可能性があることを通知するメッセージを含む対策支援情報を提供する第５ルールＢと、
前記異常要因変数が前記中間要因変数ＦＺのみである場合には、当該中間要因変数ＦＺが悪化していることを通知すると共に、前記相関情報により当該中間要因変数ＦＺと相関があると定義された出力変数Ｙが今後悪化する可能性があることを通知するメッセージを含む対策支援情報を提供する第６ルールＣと、
を含んでいることを特徴とするプロセス監視・診断・支援装置。
【請求項８】
請求項１に記載のプロセス監視・診断・支援装置において、
前記異常対策支援情報提供手段により提供された対策支援情報を提示した後、前記ユーザが行った操作を記録する異常対策記録保持手段を更に備えており、
前記異常対策記録保持手段は、
前記対策支援情報が提供されると、前記時系列データおよび前記分類情報に基づいて、現在時刻以前の入力変数Ｕの値、出力変数Ｙの値および中間変数Ｚの値と、当該対策支援情報とを提示する手段と、
前記対策支援情報を提示した後、前記ユーザが行った操作としての入力変数Ｕの操作記録と、出力変数Ｙの値と、中間変数Ｚの値とを継続的に記録することを特徴とするプロセス監視・診断・支援装置。
【請求項９】
請求項１に記載のプロセス監視・診断・支援装置において、
前記データ収集保存手段に有線又は無線の通信回線を通して接続されたセンタ装置を更に備え、
前記プロセス変数分類手段、前記プロセス変数相関定義手段、前記異常検出用データ定義手段、前記異常検出用データ定義手段、前記異常検出用データ寄与量定義手段、前記異常検出手段、前記異常要因変数分離手段および前記異常対策支援情報提供手段は、前記センタ装置に実装されており、
前記センタ装置は、前記データ収集保存手段に保存されたｎ個のプロセス変数の時系列データを前記通信回線を通して収集してユーザに提示し、前記ユーザの操作に応じて前記入力変数Ｕを操作する場合には、当該入力変数Ｕの操作信号を前記通信回線を通して前記対象プロセスに送信することを特徴とするプロセス監視・診断・支援装置。
【請求項１０】
請求項１に記載のプロセス監視・診断・支援装置において、
前記異常対策支援情報提供手段および前記対象プロセスに有線又は無線の通信回線を通して接続された監視操作端末を更に備え、
前記監視操作端末は、前記異常対策支援情報提供手段から前記通信回線を通して提供された対策支援情報をユーザに提示し、前記ユーザの操作に応じて前記入力変数Ｕを操作する場合には、当該入力変数Ｕの操作信号を前記通信回線を通して前記対象プロセスに送信することを特徴とするプロセス監視・診断・支援装置。
【請求項１１】
請求項１に記載のプロセス監視・診断・支援装置において、
前記対象プロセスがｗ箇所ある場合（但し、ｗ＝１，２，…ｗ）、前記データ収集保存手段をｗ個設け、当該ｗ個のデータ収集保存手段を個別に前記ｗ箇所の対象プロセスに配置し、
前記各データ収集保存手段に有線又は無線の通信回線を通して接続されたセンタ装置と、
前記異常対策支援情報提供手段および前記各対象プロセスに有線又は無線の通信回線を通して個別に接続されたｗ個以上の監視操作端末とを更に備え、
前記センタ装置は、前記各データ収集保存手段に保存されたｎ個のプロセス変数の時系列データを前記通信回線を通して収集して第１ユーザに提示し、前記第１ユーザの操作に応じて前記入力変数Ｕを操作する場合には、当該入力変数Ｕの操作信号を前記通信回線を通して前記対象プロセスに送信し、
前記各監視操作端末は、前記異常対策支援情報提供手段から前記通信回線を通して提供された対策支援情報を第２ユーザに提示し、前記第２ユーザの操作に応じて前記入力変数Ｕを操作する場合には、当該入力変数Ｕの操作信号を前記通信回線を通して前記対象プロセスに送信することを特徴とするプロセス監視・診断・支援装置。
【請求項１２】
メモリを備えたプロセス監視・診断・支援装置に用いられるプログラムであって、
前記プロセス監視・診断・支援装置を、
対象プロセスの状態量又は操作量を計測するｎ個（但し、ｎ≧２）のセンサから計測結果を示すｎ個のプロセス変数の時系列データを収集して前記メモリに保存するデータ収集保存手段、
前記ｎ個のプロセス変数を、前記状態量であって性能指標を表すｐ個（但し、１≦ｐ＜ｎ）の出力変数Ｙと、前記操作量を表すL個（但し、１≦L＜ｎ）の入力変数Ｕと、前記状態量であって管理・監視値を表すｍ個（但し、０≦ｍ＜ｎ）の中間変数Ｚとに分類した結果を示す分類情報を記憶するプロセス変数分類手段、
前記分類情報および前記ｎ個のプロセス変数の所定期間に亘る時系列データから、前記分類した結果を含んで当該ｎ個のプロセス変数相互間の相関を示す相関情報を定義するプロセス変数相関定義手段、
前記ｎ個のプロセス変数の所定期間に亘る時系列データから、前記ｎ個よりも少ないｑ個（但し、１≦ｑ≪ｎ）の異常検出用データを生成する式と、前記異常検出用データに基づいて異常の有無又は異常強度の判断を行う判断基準とを定義する異常検出用データ定義手段、
前記異常検出用データに対する前記ｎ個のプロセス変数の時系列データの寄与量を定義する異常検出用データ寄与量定義手段、
異常時の異常要因候補となるプロセス変数である異常要因候補変数のうちの所定の上位の異常要因候補変数を抽出する第１ルールと、前記抽出した異常要因候補変数を前記相関情報に基づいて前記出力変数Ｙと前記入力変数Ｕと前記中間変数Ｚとに分類する第２ルールと、当該分類した結果に応じて異常時の対策を支援するメッセージを含む対策支援情報を提供する第３ルールとを定義する異常時対策支援情報定義手段、
前記保存された所定時刻の前記ｎ個のプロセス変数の時系列データ、および前記異常検出用データ定義手段の定義に従って当該所定時刻の時系列データに対応する異常検出用データを生成し、この異常検出用データに基づいて、当該所定時刻のデータの異常の有無を診断する異常検出手段、
前記診断の結果、異常有りの場合には前記寄与量の定義に基づいて当該所定時刻の時系列データの寄与量を計算し、前記計算した寄与量および前記第１ルールに基づいて当該所定時刻の時系列データから異常要因候補変数を分離抽出する異常要因変数分離手段、
前記分離抽出された異常要因候補変数と、前記相関情報と、前記第２ルールおよび前記第３ルールとに基づいて、前記対策支援情報を提供する異常対策支援情報提供手段、
として機能させるためのプログラム。
【請求項１】
対象プロセスの状態量又は操作量を計測するｎ個（但し、ｎ≧２）のセンサから計測結果を示すｎ個のプロセス変数の時系列データを収集して保存するデータ収集保存手段と、
前記ｎ個のプロセス変数を、前記状態量であって性能指標を表すｐ個（但し、１≦ｐ＜ｎ）の出力変数Ｙと、前記操作量を表すL個（但し、１≦L＜ｎ）の入力変数Ｕと、前記状態量であって管理・監視値を表すｍ個（但し、０≦ｍ＜ｎ）の中間変数Ｚとに分類した結果を示す分類情報を記憶するプロセス変数分類手段と、
前記分類情報および前記ｎ個のプロセス変数の所定期間に亘る時系列データから、前記分類した結果を含んで当該ｎ個のプロセス変数相互間の相関を示す相関情報を定義するプロセス変数相関定義手段と、
前記ｎ個のプロセス変数の所定期間に亘る時系列データから、前記ｎ個よりも少ないｑ個（但し、１≦ｑ≪ｎ）の異常検出用データを生成する式と、前記異常検出用データに基づいて異常の有無又は異常強度の判断を行う判断基準とを定義する異常検出用データ定義手段と、
前記異常検出用データに対する前記ｎ個のプロセス変数の時系列データの各々の寄与量を定義する異常検出用データ寄与量定義手段と、
異常時の異常要因候補となるプロセス変数である異常要因候補変数のうちの所定の上位の異常要因候補変数を抽出する第１ルールと、前記抽出した異常要因候補変数を前記相関情報に基づいて前記出力変数Ｙと前記入力変数Ｕと前記中間変数Ｚとに分類する第２ルールと、当該分類した結果に応じて異常時の対策を支援するメッセージを含む対策支援情報を提供する第３ルールとを定義する異常時対策支援情報定義手段と、
前記保存された所定時刻の前記ｎ個のプロセス変数の時系列データ、および前記異常検出用データ定義手段の定義に従って当該所定時刻の時系列データに対応する異常検出用データを生成し、この異常検出用データに基づいて、当該所定時刻のデータの異常の有無を診断する異常検出手段と、
前記診断の結果、異常有りの場合には前記寄与量の定義に基づいて当該所定時刻の時系列データの寄与量を計算し、前記計算した寄与量および前記第１ルールに基づいて当該所定時刻の時系列データから異常要因候補変数を分離抽出する異常要因変数分離手段と、
前記分離抽出された異常要因候補変数と、前記相関情報と、前記第２ルールおよび前記第３ルールとに基づいて、前記対策支援情報を提供する異常対策支援情報提供手段と、
を備えたことを特徴とするプロセス監視・診断・支援装置。
【請求項２】
請求項１に記載のプロセス監視・診断・支援装置において、
前記ｎ個のプロセス変数の名称を表示し、この表示中に、ユーザの操作に応じて、前記プロセス変数分類手段における入力変数と出力変数と中間変数を選択するプロセス変数分類ユーザインターフェイス手段を更に備えたことを特徴とするプロセス監視・診断・支援装置。
【請求項３】
請求項１に記載のプロセス監視・診断・支援装置において、
前記異常検出用データ定義手段は、主成分分析（ＰＣＡ）、潜在変数射影法（ＰＬＳ）、主成分回帰（ＰＣＲ）、正準相関解析（ＣＶＡ）、マハラノビス距離、ロバスト主成分分析（Robust ＰＣＡ）、カーネル主成分分析（Kernel ＰＣＡ）、判別分析、ファジィC-meansクラスタリング、K-meansクラスタリング、サポートベクトルマシン（ＳＶＭ）、リレバンスベクトルマシン（ＲＶＭ）および部分空間法のうちの少なくとも一つ以上の方法を用いて前記異常検出用データを生成する式を定義することを特徴とするプロセス監視・診断・支援装置。
【請求項４】
請求項３に記載のプロセス監視・診断・支援装置において、
前記異常検出用データ寄与量定義手段は、前記ｎ個のプロセス変数の中の着目するプロセス変数ｋの寄与量（但し、ｋ＝１，２，…，ｎ）を、［ａ］前記異常検出用データ定義手段により定義された異常検出用データから前記プロセス変数ｋが張る空間へ射影することによって定義するか、［ｂ］異常検出用データをｎ個の成分の和に分解し、前記プロセス変数ｋのみが影響を与えるｋ番目の成分として定義するか、又は［ｃ］独立性成分分析を用いて定義することを特徴とするプロセス監視・診断・支援装置。
【請求項５】
請求項１に記載のプロセス監視・診断・支援装置において、
前記プロセス変数相関定義手段は、前記ｎ個のプロセス変数の所定期間に亘る時系列データの相関行列又は主成分負荷行列に基づいて、前記相関情報を定義することを特徴とするプロセス監視・診断・支援装置。
【請求項６】
請求項１に記載のプロセス監視・診断・支援装置において、
前記プロセス変数相関定義手段は、前記ｎ個のプロセス変数相互間の相関の有無あるいは強度を表すｎ行ｎ列のテーブルを前記相関情報として備えており、
前記ユーザの操作に応じて、このテーブルを表示すると共に、前記テーブルの内容を修正するプロセス変数相関定義インターフェイス手段（６）を更に備えたことを特徴とするプロセス監視・診断・支援装置。
【請求項７】
請求項１に記載のプロセス監視・診断・支援装置において、
前記第２ルールは、前記抽出された異常要因候補変数を、前記分類情報に基づいて、前記入力変数Ｕに属する入力要因変数ＦＵ、前記出力変数Ｙに属する出力要因変数ＦＹ、前記中間変数Ｚに属する中間要因変数ＦＺに分類するルールを含み、
前記第３ルールは、
前記異常要因候補変数に前記出力要因変数ＦＹを含む場合には、当該出力要因変数ＦＹが悪化していることを通知すると共に、前記相関情報により当該出力要因変数ＦＹと相関があると定義された入力変数Ｕの値を確認し見直す様促すメッセージを含む対策支援情報を提供する第４ルールＡと、
前記異常要因候補変数に前記出力要因変数ＦＹを含まないが前記入力要因変数ＦＵを含む場合には、当該入力要因変数ＦＵが通常時から逸脱した異常状態であり、この入力要因変数ＦＵで表される操作量を見直す様促すと共に、前記相関情報により当該入力要因変数ＦＵと相関があると定義された出力変数Ｙが今後悪化する可能性があることを通知するメッセージを含む対策支援情報を提供する第５ルールＢと、
前記異常要因変数が前記中間要因変数ＦＺのみである場合には、当該中間要因変数ＦＺが悪化していることを通知すると共に、前記相関情報により当該中間要因変数ＦＺと相関があると定義された出力変数Ｙが今後悪化する可能性があることを通知するメッセージを含む対策支援情報を提供する第６ルールＣと、
を含んでいることを特徴とするプロセス監視・診断・支援装置。
【請求項８】
請求項１に記載のプロセス監視・診断・支援装置において、
前記異常対策支援情報提供手段により提供された対策支援情報を提示した後、前記ユーザが行った操作を記録する異常対策記録保持手段を更に備えており、
前記異常対策記録保持手段は、
前記対策支援情報が提供されると、前記時系列データおよび前記分類情報に基づいて、現在時刻以前の入力変数Ｕの値、出力変数Ｙの値および中間変数Ｚの値と、当該対策支援情報とを提示する手段と、
前記対策支援情報を提示した後、前記ユーザが行った操作としての入力変数Ｕの操作記録と、出力変数Ｙの値と、中間変数Ｚの値とを継続的に記録することを特徴とするプロセス監視・診断・支援装置。
【請求項９】
請求項１に記載のプロセス監視・診断・支援装置において、
前記データ収集保存手段に有線又は無線の通信回線を通して接続されたセンタ装置を更に備え、
前記プロセス変数分類手段、前記プロセス変数相関定義手段、前記異常検出用データ定義手段、前記異常検出用データ定義手段、前記異常検出用データ寄与量定義手段、前記異常検出手段、前記異常要因変数分離手段および前記異常対策支援情報提供手段は、前記センタ装置に実装されており、
前記センタ装置は、前記データ収集保存手段に保存されたｎ個のプロセス変数の時系列データを前記通信回線を通して収集してユーザに提示し、前記ユーザの操作に応じて前記入力変数Ｕを操作する場合には、当該入力変数Ｕの操作信号を前記通信回線を通して前記対象プロセスに送信することを特徴とするプロセス監視・診断・支援装置。
【請求項１０】
請求項１に記載のプロセス監視・診断・支援装置において、
前記異常対策支援情報提供手段および前記対象プロセスに有線又は無線の通信回線を通して接続された監視操作端末を更に備え、
前記監視操作端末は、前記異常対策支援情報提供手段から前記通信回線を通して提供された対策支援情報をユーザに提示し、前記ユーザの操作に応じて前記入力変数Ｕを操作する場合には、当該入力変数Ｕの操作信号を前記通信回線を通して前記対象プロセスに送信することを特徴とするプロセス監視・診断・支援装置。
【請求項１１】
請求項１に記載のプロセス監視・診断・支援装置において、
前記対象プロセスがｗ箇所ある場合（但し、ｗ＝１，２，…ｗ）、前記データ収集保存手段をｗ個設け、当該ｗ個のデータ収集保存手段を個別に前記ｗ箇所の対象プロセスに配置し、
前記各データ収集保存手段に有線又は無線の通信回線を通して接続されたセンタ装置と、
前記異常対策支援情報提供手段および前記各対象プロセスに有線又は無線の通信回線を通して個別に接続されたｗ個以上の監視操作端末とを更に備え、
前記センタ装置は、前記各データ収集保存手段に保存されたｎ個のプロセス変数の時系列データを前記通信回線を通して収集して第１ユーザに提示し、前記第１ユーザの操作に応じて前記入力変数Ｕを操作する場合には、当該入力変数Ｕの操作信号を前記通信回線を通して前記対象プロセスに送信し、
前記各監視操作端末は、前記異常対策支援情報提供手段から前記通信回線を通して提供された対策支援情報を第２ユーザに提示し、前記第２ユーザの操作に応じて前記入力変数Ｕを操作する場合には、当該入力変数Ｕの操作信号を前記通信回線を通して前記対象プロセスに送信することを特徴とするプロセス監視・診断・支援装置。
【請求項１２】
メモリを備えたプロセス監視・診断・支援装置に用いられるプログラムであって、
前記プロセス監視・診断・支援装置を、
対象プロセスの状態量又は操作量を計測するｎ個（但し、ｎ≧２）のセンサから計測結果を示すｎ個のプロセス変数の時系列データを収集して前記メモリに保存するデータ収集保存手段、
前記ｎ個のプロセス変数を、前記状態量であって性能指標を表すｐ個（但し、１≦ｐ＜ｎ）の出力変数Ｙと、前記操作量を表すL個（但し、１≦L＜ｎ）の入力変数Ｕと、前記状態量であって管理・監視値を表すｍ個（但し、０≦ｍ＜ｎ）の中間変数Ｚとに分類した結果を示す分類情報を記憶するプロセス変数分類手段、
前記分類情報および前記ｎ個のプロセス変数の所定期間に亘る時系列データから、前記分類した結果を含んで当該ｎ個のプロセス変数相互間の相関を示す相関情報を定義するプロセス変数相関定義手段、
前記ｎ個のプロセス変数の所定期間に亘る時系列データから、前記ｎ個よりも少ないｑ個（但し、１≦ｑ≪ｎ）の異常検出用データを生成する式と、前記異常検出用データに基づいて異常の有無又は異常強度の判断を行う判断基準とを定義する異常検出用データ定義手段、
前記異常検出用データに対する前記ｎ個のプロセス変数の時系列データの寄与量を定義する異常検出用データ寄与量定義手段、
異常時の異常要因候補となるプロセス変数である異常要因候補変数のうちの所定の上位の異常要因候補変数を抽出する第１ルールと、前記抽出した異常要因候補変数を前記相関情報に基づいて前記出力変数Ｙと前記入力変数Ｕと前記中間変数Ｚとに分類する第２ルールと、当該分類した結果に応じて異常時の対策を支援するメッセージを含む対策支援情報を提供する第３ルールとを定義する異常時対策支援情報定義手段、
前記保存された所定時刻の前記ｎ個のプロセス変数の時系列データ、および前記異常検出用データ定義手段の定義に従って当該所定時刻の時系列データに対応する異常検出用データを生成し、この異常検出用データに基づいて、当該所定時刻のデータの異常の有無を診断する異常検出手段、
前記診断の結果、異常有りの場合には前記寄与量の定義に基づいて当該所定時刻の時系列データの寄与量を計算し、前記計算した寄与量および前記第１ルールに基づいて当該所定時刻の時系列データから異常要因候補変数を分離抽出する異常要因変数分離手段、
前記分離抽出された異常要因候補変数と、前記相関情報と、前記第２ルールおよび前記第３ルールとに基づいて、前記対策支援情報を提供する異常対策支援情報提供手段、
として機能させるためのプログラム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【公開番号】特開２０１３−６１８５３（Ｐ２０１３−６１８５３Ａ）
【公開日】平成２５年４月４日（２０１３．４．４）
【国際特許分類】
【出願番号】特願２０１１−２００５８７（Ｐ２０１１−２００５８７）
【出願日】平成２３年９月１４日（２０１１．９．１４）
【出願人】（０００００３０７８）株式会社東芝 (54,554)
【Ｆターム（参考）】
【公開日】平成２５年４月４日（２０１３．４．４）
【国際特許分類】
【出願日】平成２３年９月１４日（２０１１．９．１４）
【出願人】（０００００３０７８）株式会社東芝 (54,554)
【Ｆターム（参考）】
[ Back to top ]