図面 (/)

技術 稼動率予測装置及び稼動率予測方法

出願人 三菱重工業株式会社
発明者 松本俊作中馬康晴山内恒樹野口裕華子
出願日 2015年1月8日 (4年6ヶ月経過) 出願番号 2015-002606
公開日 2016年7月11日 (3年0ヶ月経過) 公開番号 2016-126728
状態 特許登録済
技術分野 特定用途計算機 制御系の試験・監視
主要キーワード 積算停止 故障要素 フィッティングデータ 想定どおり 故障リスク 想定寿命 軸受けベアリング 予想装置
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2016年7月11日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (13)

課題

少ない実績データに基づいて精度よく稼動率予測できる稼動率予測装置及び稼動率予測方法を提供する。

解決手段

故障率に関連する評価項目のレベル故障係数との対応関係を規定した初期故障リスクマトリクス24a、24b、24cを記憶した、リスクマトリクス記憶手段24と、構成要素の評価項目に関するレベルから、マップ24a、24b、24cに基づいて構成要素の故障係数を設定する、故障係数設定手段25と、故障係数を使用して構成要素の故障率を推定する、故障率算出手段26と、複数の構成要素のそれぞれの故障率に基づいて予測対象機械ステムの稼動率を推定する、プラント稼動率算出手段27とを備える。初期故障用リスクマトリクス24a、24b、24cは、プラント稼動率算出手段27により推定された類似機械システムの稼動率の実績に合うようにフィッティングされている。

概要

背景

近年、火力発電プラント原子力発電プラント化学プラントなどの各種プラント航空機ロケット船舶などの各種機械ステムでは、稼動率保証を要求されることが増加するとともに、競合先との競争力強化するために稼動率の向上が必要とされている。このため、機械システムメーカにとって、保証稼動率を達成できるか否かを正確に見極めることや、稼動率を向上させるために適切な対策を講じることが重要であり、このためには、製品の稼動率を定量的に精度よく評価する手法を確立する必要がある。

機械システムの稼動率を定量的に精度よく評価するための従来の手法として、RAM分析と呼ばれる手法がある。RAM分析では、Reliability (信頼性)、Availability(稼動率)、Maintainability(保全性)の3つの視点より、保全計画生産性コストに関して最適な状態で行われているかを保全履歴データより分析・評価するものである。具体的には、機械システム全体の系統図に基づいて、機械システム冗長性を考慮して機械システムの構成要素の相互間の故障つながりを示す信頼性ブロック図を作成し、構成要素毎に故障率データ復旧時間などを入力してシミュレーションを行って機械システム全体の稼動率を評価する。

この他、稼動率を定量的に評価するのに適用可能な技術として、特許文献1に記載された技術がある。特許文献1に記載された技術では、プラントを構成する機器に想定される故障事象をTree展開した故障連関展開Treeを作成し、この故障連関展開Treeを使用して運転履歴情報に基づいて該当機器の不信頼度(ある時刻までに故障している確率)を確率論的寿命評価手段により予測する。

概要

少ない実績データに基づいて精度よく稼動率を予測できる稼動率予測装置及び稼動率予測方法を提供する。故障率に関連する評価項目のレベルと故障係数との対応関係を規定した初期故障リスクマトリクス24a、24b、24cを記憶した、リスクマトリクス記憶手段24と、構成要素の評価項目に関するレベルから、マップ24a、24b、24cに基づいて構成要素の故障係数を設定する、故障係数設定手段25と、故障係数を使用して構成要素の故障率を推定する、故障率算出手段26と、複数の構成要素のそれぞれの故障率に基づいて予測対象機械システムの稼動率を推定する、プラント稼動率算出手段27とを備える。初期故障用リスクマトリクス24a、24b、24cは、プラント稼動率算出手段27により推定された類似機械システムの稼動率の実績に合うようにフィッティングされている。

目的

本発明は、上記のような課題に鑑み創案されたもので、少ない実績データに基づいて精度よく稼動率を予測できるようにした、稼動率予測装置及び稼動率予測方法を提供する

効果

実績

技術文献被引用数
0件
牽制数
0件

この技術が所属する分野

(分野番号表示ON)※整理標準化データをもとに当社作成

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

複数の構成要素からなる予測対象機械ステム稼動率予測する、稼動率予測装置であって、前記複数の構成要素は、それぞれ、故障率に関連する評価項目についてレベルが評価され、前記評価項目のレベルと故障係数との対応関係を規定したマップを記憶した、マップ記憶手段と、前記構成要素の前記評価項目に関するレベルから、前記マップに基づいて前記構成要素の前記故障係数を設定する、故障係数設定手段と、前記故障係数を使用して前記構成要素の故障率を推定する、故障率推定手段と、前記複数の構成要素のそれぞれの前記故障率に基づいて前記予測対象機械システムの前記稼動率を推定する、稼動率推定手段とを備え、前記マップは、前記稼動率推定手段により推定された類似機械システムの稼動率の実績に合うようにフィッティングされた、ことを特徴とする、稼動率予測装置。

請求項2

前記マップ記憶手段は、初期故障係数を算出するための初期故障用マップと、偶発故障係数を算出するための偶発故障用マップと、経年劣化故障係数を算出するための経年劣化用マップとを記憶し、前記故障係数設定手段は、前記構成要素について、前記初期故障用マップを使用して前記初期故障係数を設定し、前記偶発故障用マップを使用して前記偶発故障係数を設定し、前記経年劣化故障用マップを使用して前記経年劣化故障係数を設定し、前記故障率推定手段は、前記初期故障係数を使用して前記初期故障率を推定し、前記偶発故障係数を使用して前記偶発故障率を推定し、前記経年劣化故障係数を使用して前記経年劣化故障率を算出し、前記故障率を、初期故障率,偶発故障率及び経年劣化故障率の合計として算出することを特徴とする、請求項1に記載の稼動率予測装置。

請求項3

前記マップ記憶手段は、前記初期故障用マップとして、前記初期故障係数と、前記構成要素の負荷の大きさ及び前記構成要素の新規性との対応関係を規定したマップを記憶し、前記故障係数設定手段は、前記初期故障用マップに基づいて、前記構成要素の負荷の大きさ及び前記構成要素の新規性より、前記構成要素の前記初期故障係数を設定することを特徴とする、請求項2に記載の稼動率予測装置。

請求項4

前記マップ記憶手段は、前記偶発故障用マップとして、前記偶発故障係数と、前記構成要素の異常負荷の発生頻度及び前記構成要素の異常負荷の影響の大きさとの対応関係を規定したマップを記憶し、前記故障係数設定手段は、前記偶発故障用マップに基づいて、前記構成要素の異常負荷の発生頻度及び前記構成要素の異常負荷の影響の大きさにより、前記構成要素の前記偶発故障係数を設定することを特徴とする、請求項2又は3に記載の稼動率予測装置。

請求項5

前記マップ記憶手段は、前記経年劣化故障用マップとして、前記経年劣化故障係数と、前記構成要素の設計の不確かさとの対応関係を規定したマップを記憶し、前記故障係数設定手段は、前記経年劣化故障用マップに基づいて、前記構成要素の設計の不確かさにより、前記構成要素の前記経年劣化故障係数を設定することを特徴とする、請求項2〜4の何れか1項に記載の稼動率予測装置。

請求項6

前記構成要素の前記故障率と、前記類似機械システムにおける前記故障要素が故障してから復旧するまでにかかった復旧時間の実績及び積算停止時間の実績に基づいて、前記構成要素のそれぞれについて前予測対象機械システムの停止に対する影響度を推定する、影響度推定手段を備えたことを特徴とする、請求項2〜5の何れか1項に記載の稼動率予測装置。

請求項7

前記稼動率予測対象機械システムの運転情報を定期的に蓄積する運転情報蓄積手段から故障情報を取得して、前記故障情報に基づいて前記故障係数を更新する故障係数補正手段を備えたことを特徴とする、請求項1〜6の何れか1項に記載の稼動率予測装置。

請求項8

前記稼動率予測対象機械システムがプラントであり、前記類似機械システムが類似プラントであることを特徴とする、請求項1〜7の何れか1項に記載の稼動率予測装置。

請求項9

複数の構成要素からなる機械システムの稼動率を予測する、稼動率の予測方法であって、故障係数を使用して推定された複数の構成要素のそれぞれの故障率に基づいて類似機械システムの稼動率の実績を再現できるように、前記故障係数と、前記故障率に関連する評価項目のレベルとの対応関係を規定したマップを作成する、第1ステップと、前記構成要素の評価項目についてのレベルから前記マップに基づいて前記複数の構成要素の前記故障係数をそれぞれ設定し、前記複数の構成要素の故障率を推定する、第2ステップと、前記複数の構成要素のそれぞれの前記故障率に基づいて前記予測対象機械システムの前記稼動率を算出する、第3ステップとを備えた、稼動率予測方法。

技術分野

0001

本発明は、複数の構成要素からなる機械ステム稼動率予測を行う、稼動率予測装置及び稼動率予測方法に関する。

背景技術

0002

近年、火力発電プラント原子力発電プラント化学プラントなどの各種プラント航空機ロケット船舶などの各種機械システムでは、稼動率の保証を要求されることが増加するとともに、競合先との競争力強化するために稼動率の向上が必要とされている。このため、機械システムメーカにとって、保証稼動率を達成できるか否かを正確に見極めることや、稼動率を向上させるために適切な対策を講じることが重要であり、このためには、製品の稼動率を定量的に精度よく評価する手法を確立する必要がある。

0003

機械システムの稼動率を定量的に精度よく評価するための従来の手法として、RAM分析と呼ばれる手法がある。RAM分析では、Reliability (信頼性)、Availability(稼動率)、Maintainability(保全性)の3つの視点より、保全計画生産性コストに関して最適な状態で行われているかを保全履歴データより分析・評価するものである。具体的には、機械システム全体の系統図に基づいて、機械システム冗長性を考慮して機械システムの構成要素の相互間の故障つながりを示す信頼性ブロック図を作成し、構成要素毎に故障率データ復旧時間などを入力してシミュレーションを行って機械システム全体の稼動率を評価する。

0004

この他、稼動率を定量的に評価するのに適用可能な技術として、特許文献1に記載された技術がある。特許文献1に記載された技術では、プラントを構成する機器に想定される故障事象をTree展開した故障連関展開Treeを作成し、この故障連関展開Treeを使用して運転履歴情報に基づいて該当機器の不信頼度(ある時刻までに故障している確率)を確率論的寿命評価手段により予測する。

先行技術

0005

特開2003−303243

発明が解決しようとする課題

0006

上記の従来技術は、稼動率や故障率の予測に、故障率や復旧時間や運転履歴情報などの故障実績データを使用するため、既に類似構成又は同一構成の機器が稼動してその故障実績が豊富蓄積されているようなものであれば、その故障実績を参照して稼動率や故障率を精度良く予測できる。しかし、新技術を含む機械システムでは、故障実績として参照できるようなデータが十分に蓄積されていないため、上記従来技術では稼動率を精度よく予測するのは困難であるという課題がある。

0007

また、故障の形態には、稼動初期発生件数が多く、時間が経つにつれ発生件数が急激に減少する初期故障,稼動時間に関わらす一定の確率で発生する偶発故障及び稼動時間が進み寿命近くなると発生件数が急激に上昇する経年劣化による故障がある。上記RAM分析では、偶発故障のみ考慮し、上記の特許文献1の技術では、このような故障の形態に着目していないため、何れの技術においても、稼動時間に応じて変化する故障率を正確に予測することができない。

0008

本発明は、上記のような課題に鑑み創案されたもので、少ない実績データに基づいて精度よく稼動率を予測できるようにした、稼動率予測装置及び稼動率予測方法を提供することを目的とする。

課題を解決するための手段

0009

[1]上記の目的を達成するために、本発明の稼動率予測装置は、複数の構成要素からなる予測対象機械システムの稼動率を予測する、稼動率予測装置であって、前記複数の構成要素は、それぞれ、故障率に関連する評価項目についてレベルが評価され、前記評価項目のレベルと故障係数との対応関係を規定したマップを記憶した、マップ記憶手段と、前記構成要素の前記評価項目に関するレベルから、前記マップに基づいて前記構成要素の前記故障係数を設定する、故障係数設定手段と、前記故障係数を使用して前記構成要素の故障率を推定する、故障率推定手段と、前記複数の構成要素のそれぞれの前記故障率に基づいて前記予測対象機械システムの前記稼動率を推定する、稼動率推定手段とを備え、前記マップは、前記稼動率推定手段により推定された類似機械システムの稼動率の実績に合うようにフィッティングされたことを特徴としている。

0010

[2]前記マップ記憶手段は、初期故障係数を算出するための初期故障用マップと、偶発故障係数を算出するための偶発故障用マップと、経年劣化故障係数を算出するための経年劣化用マップとを記憶し、前記故障係数設定手段は、前記構成要素について、前記初期故障用マップを使用して前記初期故障係数を設定し、前記偶発故障用マップを使用して前記偶発故障係数を設定し、前記経年劣化故障用マップを使用して前記経年劣化故障係数を設定し、前記故障率推定手段は、前記初期故障係数を使用して前記初期故障率を推定し、前記偶発故障係数を使用して前記偶発故障率を推定し、前記経年劣化故障係数を使用して前記経年劣化故障率を算出し、前記故障率を、初期故障率,偶発故障率及び経年劣化故障率の合計として算出することが好ましい。

0011

[3]前記マップ記憶手段は、前記初期故障用マップとして、前記初期故障係数と、前記構成要素の負荷の大きさ及び前記構成要素の新規性との対応関係を規定したマップを記憶し、前記故障係数設定手段は、前記初期故障用マップに基づいて、前記構成要素の負荷の大きさ及び前記構成要素の新規性より、前記構成要素の前記初期故障係数を設定することが好ましい。

0012

[4]前記マップ記憶手段は、前記偶発故障用マップとして、前記偶発故障係数と、前記構成要素の異常負荷の発生頻度及び前記構成要素の異常負荷の影響の大きさとの対応関係を規定したマップを記憶し、前記故障係数設定手段は、前記偶発故障用マップに基づいて、前記構成要素の異常負荷の発生頻度及び前記構成要素の異常負荷の影響の大きさにより、前記構成要素の前記偶発故障係数を設定することが好ましい。

0013

[5]前記マップ記憶手段は、前記経年劣化故障用マップとして、前記経年劣化故障係数と、前記構成要素の設計の不確かさとの対応関係を規定したマップを記憶し、前記故障係数設定手段は、前記経年劣化故障用マップに基づいて、前記構成要素の設計の不確かさにより、前記構成要素の前記経年劣化故障係数を設定することが好ましい。

0014

[6]前記構成要素の前記故障率と、前記類似機械システムにおける前記故障要素が故障してから復旧するまでにかかった復旧時間の実績及び積算停止時間の実績に基づいて、前記構成要素のそれぞれについて前予測対象機械システムの停止に対する影響度を推定する、影響度推定手段を備えることが好ましい。
[7]前記稼動率予測対象機械システムの運転情報を定期的に蓄積する運転情報蓄積手段から故障情報を取得して、前記故障情報に基づいて前記故障係数を更新する故障係数補正手段を備えることが好ましい。

0015

[8]前記稼動率予測対象機械システムがプラントであり、前記類似機械システムが類似プラントであることが好ましい。
[9]上記の目的を達成するために、本発明のプラントの稼動率予測方法は、複数の構成要素からなる機械システムの稼動率を予測する、稼動率の予測方法であって、故障係数を使用して推定された複数の構成要素のそれぞれの故障率に基づいて類似機械システムの稼動率の実績を再現できるように、前記故障係数と、前記故障率に関連する評価項目のレベルとの対応関係を規定したマップを作成する、第1ステップと、前記構成要素の評価項目についてのレベルから前記マップに基づいて前記複数の構成要素の前記故障係数をそれぞれ設定し、前記複数の構成要素の故障率を推定する、第2ステップと、前記複数の構成要素のそれぞれの前記故障率に基づいて前記予測対象機械システムの前記稼動率を算出する、第3ステップとを備えたことを特徴としている。

発明の効果

0016

本発明によれば、複数の構成要素のそれぞれについて故障率に関連する評価項目のレベルを評価し、複数の構成要素のそれぞれについて、前記レベルから、類似機械システムの稼動率の実績に基づくマップを使用して故障係数を設定し、ひいては故障率を算出する。そして、この複数の構成要素の故障率に基づいて、予測対象機械システムの稼動率を予測する。
複数の構成要素のそれぞれについて評価された評価項目のレベルと、類似機械システムの稼動率の実績に基づくマップとを使用して、最終的に予測対象機械システムの稼動率を予測するので、少ない稼動率の実績に基づいて精度よく今後の稼動率を予測できる。

図面の簡単な説明

0017

本発明の各実施形態に係る石炭焚きボイラの全体構成を示す模式的側面図である。
本発明の第1実施形態に係るプラントの稼動率予測装置の構成を示す機能ブロック図である。
本発明の第1実施形態に係るプラントの稼動率予測装置に係るデータセットの一例を示す模式図である。
本発明の第1実施形態に係る初期故障率h1(t)の算出方法を説明するための図であって、(a)は初期故障用のリスクマトリクスを示す図、(b)は(a)の初期故障用のリスクマトリクスを使用して作成した初期故障率カーブを示す図である。
本発明の第1実施形態に係る偶発故障率h2(t)の算出方法を説明するための図であって、(a)は偶発故障用のリスクマトリクスを示す図、(b)は(a)の偶発故障用のリスクマトリクスを使用して作成した偶発故障率ラインを示す図である。
本発明の第1実施形態に係る経年故障率h3(t)の算出方法を説明するための図であって、(a)は経年故障用のリスクマトリクスを示す図、(b)は(a)の経年故障用のリスクマトリクスを使用して作成した経年故障率カーブを示す図である。
本発明の第1実施形態としてのプラントの稼動率予測装置による故障率の予測値と、従来方法による故障率の予測値とを比較して示す模式図である。
本発明の第1実施形態としてのプラントの稼動率予測装置によるプラント稼動率の予測値と、従来方法によるプラント稼動率の予測値と、プラント稼動率の実績とを比較して示す模式図である。
本発明の第2実施形態に係るプラントの稼動率予測装置の構成を示す機能ブロック図である。
本発明の第2実施形態に係るプラント停止への影響度を構成機器毎に示す模式図である。
本発明の第3実施形態に係るプラントの稼動率予測装置の構成を示す機能ブロック図である。
本発明の第3実施形態に係る運転日誌システムの入力例を示す模式図である。

実施例

0018

以下、図面を参照して、本発明の実施の形態について説明する。なお、以下に示す各実施形態はあくまでも例示に過ぎず、以下の実施形態で明示しない種々の変形や技術の適用を排除する意図はない。以下の実施形態の各構成は、それらの趣旨を逸脱しない範囲で種々変形して実施することができるとともに、必要に応じて取捨選択することができ、あるいは適宜組み合わせることが可能である。
以下の各実施形態では、本発明の稼動率予測装置及び稼動率予測方法をボイラプラントに適用した例を説明する。

0019

[1.第1実施形態]
[1−1.ボイラプラントの全体構成]
本発明に係る予想対象機械システムとしてのボイラプラント(以下、予測対象プラントともいう)1の全体構成を、図1を参照して説明する。
ボイラプラント1は、石炭を燃料とするボイラ2を有する。ボイラ2は、内部に火炉燃焼室)3が形成される火炉壁4と、火炉壁4の下部に多段(ここでは上段中段及び下段の3段)に設置された微粉炭バーナ(以下、単にバーナという)5と、火炉3の出口部近傍に取り付けられ二段燃焼用の空気を火炉に供給するアディショナルエアノズル6と、火炉3の出口に連結された煙道7と、火炉3の上部から煙道7に向かってこの順に並ぶ過熱器8,再熱器9及びエコノマイザ10と、火炉3の上部に設けられたドラム11とを備えている。

0020

火炉壁4は、管軸方向を上下方向に向けた水管(図示略)が複数並ぶ水冷壁として構成されている。各水管は上下各端部が図示しないヘッダ上昇管及び降水管を介してドラム11に接続されている。
ボイラプラント1は、さらにバーナ5に微粉炭を供給するための微粉炭供給手段12と、バーナ5とアディショナルエアノズル6に燃焼用空気を供給する空気供給手段13と、ボイラ2から排出された燃焼排ガスを外部に排出するための排ガスライン14とが備えられている。
微粉炭供給手段12は、図1では上段及び中段のバーナ5については省略しているが、バーナ5の段ごとに設けられている。微粉炭供給手段12は、石炭バンカ12aと、微粉炭機12bと、微粉炭機12bとバーナ5とを接続する微粉炭管12cと、微粉炭機12bの出口において微粉炭管12cに介装されるオンオフバルブ12dを備えている。

0021

空気供給手段13には、空気を加圧して供給する押込通風機13aと、火炉壁4の外側に設けられた風箱13bと、押込通風機13aと風箱13bおよびアディショナルエアノズル6とを接続する空気ダクト13cと、再生式空気予熱器13dの空気側とが備えられている。

0022

排ガスライン14は、排ガスダクト14aと、燃焼排ガスの流通方向で上流側からこの順に排ガスダクト14aに介装された脱硝装置14b,上記再生式空気予熱器13dの燃焼排ガス側,電気集塵機14c,誘引通風機14d及び脱硫装置14eと、排ガスダクト14aの下流端が接続する煙突14fとを備えている。
すなわち、ボイラプラント1は、図1に示す上記の構成機器(構成要素)1〜14を備えて構成されている。

0023

以上の構成により、ボイラプラント1では、ボイラ2において、押込通風機13aにより外部から取り込まれた空気が加圧されて送り出され、この空気は、空気ダクト13cを流通して再生式空気予熱器13dで燃焼排ガスと熱交換して加熱された後に、風箱13bを介して各バーナ5に供給されるとともに、アディショナルエアノズル6に供給される。
また、石炭バンカ12aの石炭は、微粉炭機12bに供給されて粉砕され、燃焼に適した大きさ(例えば、数μm〜数百μm)の微粉炭とされる。微粉炭は図示しない空気源から供給される加圧搬送空気と混合して微粉炭混合気となって微粉炭管12cを介してバーナ5へ気流搬送される。

0024

バーナ5は、燃焼用空気と微粉炭混合気を火炉3に噴射する。バーナ5から噴射された燃焼用空気と微粉炭混合気は、バーナ5の噴射口において火炎を形成するとともに、燃焼ガスを発生する。燃焼ガスは火炉3を上昇し、過熱器8及び再熱器9をこの順に通過し、誘引通風機14dにより誘引されて火炉3から煙道7に排出される。

0025

煙道7のエコノマイザ10を通過した燃焼排ガスは、排ガスダクト14aを流通し、脱硝装置14bにより窒素酸化物(NOx)を除去され、再生式空気予熱器13dにより燃焼用空気と熱交換して熱量を回収され(冷却され)、電気集塵機14cにより除塵され、脱硫装置14eにより硫黄酸化物SOx)を除去された後、煙突14fから大気に排出される。

0026

また、図示しない給水ポンプから供給された水が、煙道7に配置されたエコノマイザ10で燃焼ガスと熱交換して予熱された後、火炉壁4へと送られる。火炉壁4へと送られた水は、バーナ5の火炎の放射熱や燃焼ガスの顕熱により加熱されて、水と飽和蒸気とからなる気液二相流となる。この気液二相流は、ドラム11により飽和蒸気と飽和水とに分離される。飽和水は火炉壁4に送り返され再び過熱される。飽和蒸気は、過熱器8に導入され、バーナ5の火炎の放射熱及び燃焼ガスの顕熱によって加熱され、過熱蒸気となる。この過熱蒸気は、主蒸気管8aを介して発電用蒸気タービンに供給され、蒸気タービンでの膨張過程中途で取り出された蒸気は、低温再熱蒸気管を介して再熱器9に導入され、燃焼ガスによって再度過熱されて高温再熱蒸気管を介して再び蒸気タービンに供給される(蒸気タービン,低温再熱蒸気管及び高温再熱蒸気管は図示略)。

0027

[1−2.プラントの稼動率予測装置の構成]
本発明の第1実施形態に係るプラントの稼動率予測装置20の構成を、図2を参照して説明する。

0028

先ず、本実施形態のプラントの稼動率予測装置20の概略を説明する。
稼動率予測装置20は、予測対象プラント1の各構成機器の故障率に基づいて、予測対象プラント1の稼動率(以下、プラント稼動率ともいう)を予測するものである。そして、稼動率予測装置20は、各構成機器の故障率を、初期故障の故障率(以下、初期故障率という)と、偶発故障の故障率(以下、偶発故障率という)と、経年劣化による故障(以下、経年劣化故障という)の故障率(以下、経年劣化故障率という)との合計値として算出する。

0029

ここで、「初期故障とは」、設計不良,製造不良,材料選択不良,据付不良などの潜在していて実施後に現出する不良に起因して、稼動初期に生じる故障形態である。「偶発故障」とは、時間的にランダムに発生する故障形態であり、稼動時期に関わらずほぼ一定の故障率で生じる故障形態である。「経年劣化故障」とは、摩耗や疲労などの経年劣化に起因して主に稼動期間の後半に生じる故障形態である。

0030

そして、初期故障率,偶発故障率及び経年劣化故障率は、初期故障用のリスクマトリクス(初期故障用マップ)24a,偶発故障用のリスクマトリクス(偶発故障用マップ)24b,経年劣化故障用のリスクマトリクス(経年劣化故障用マップ)24cを使用して算出される。これらのリスクマトリクス24a,24b,24cは、類似プラントの故障実績にあうようにフィッティングされている。リスクマトリクス24a,24b,24cについては詳しく後述する。

0031

ここで、本願でいう類似プラント(類似機械システム)とは、予想対象プラント1における新技術と共通又は類似の技術が使用されているプラントをいう。典型的な類似プラントは、予想対象プラント1の実証プラント及び試験プラントである。
実証プラントとは、予想対象プラント1に対して、スケールダウン及び構成の簡略化の少なくとも一方を図ったものである。試験プラントとは、同様に、予想対象プラント1に対して、スケールダウン及び構成の簡略化の少なくとも一方を図ったものであるが、実証プラントよりもスケールダウン及び構成の簡略化の程度が大きいものをいう。本実施形態では、故障実績を参照する類似プラントに実証プラントを使用している。
また、新技術とは、予想対象プラント1又は類似プラントにおいて初めて採用される技術又は予想対象プラント1及び類似プラント以外に採用実績が殆どない技術をいう。

0032

以下、本実施形態のプラントの稼動率予測装置20について詳しく説明する。
稼動率予測装置20は、図2に示すように、キーボードマウス又は記録媒体読取装置などにより構成される入力手段21と、それぞれソフトウェアにより構成される評価情報記憶手段22,リスクマトリクス作成手段23,リスクマトリクス記憶手段(マップ記憶手段)24,故障係数設定手段25,故障率算出手段(故障率推定手段)26及びプラント稼動率算出手段(プラント稼動率推定手段)27と、モニタプリンタなどにより構成される外部出力手段28とを備えて構成されている。

0033

なお、入力手段21,評価情報記憶手段22及びリスクマトリクス作成手段23は、稼動率予測装置20の構成要素として必須ではなく、稼動率予測装置20と独立した装置としてもよい。この場合、入力手段21,評価情報記憶手段22及びリスクマトリクス作成手段23からなる別装置によりリスクマトリクスを作成し、これを稼動率予測装置20のリスクマトリクス記憶手段24に記憶させれば良い。

0034

入力手段21から、既に稼動している実証プラントの評価情報を取得することで、図3に示すようなデータセット22Aが作成されて評価情報記憶手段22に記憶される。
このデータセット22Aは、FMEA(Failure Mode and Effect Analysis:故障モード影響解析)に必要な項目により構成されるFMEAシートであり、横並びのデータが1組のデータ組を構成している。以下、このデータセット22AをFMEAシート22Aという。
FMEAシート22Aについてさらに説明する。FMEAシート22Aには、故障実績毎に、「構成機器」,「新技術」,「設計想定寿命耐用年数)」,「故障形態」,「故障による稼動率への影響度」,「故障マトリクス」及び「対策の効果」の項目について情報が入力され蓄積されている。

0035

「構成機器」の項目には故障を起こした構成機器の名称が入力されている。「新技術」の項目には、構成機器が、新技術を含んでいると評価された場合には「1」が入力され、新技術を含んでいないと評価された場合には「2」が入力されている。「設計想定寿命(耐用年数)」の項目には、対応する構成機器の設計段階で想定されていた寿命が入力されている。
「故障形態」の項目には、「初期故障」,「偶発故障」及び「経年劣化」(経年劣化故障)の何れであるかが評価され入力されている。

0036

「故障による稼動率への影響度」の項目は、「運転可能出力P_a」と「復旧時間t_r」との二つの項目から構成されている。「運転可能出力P_a」には、その構成機器の故障時に実証プラントが発生できた出力が入力されており、プラントがトリップしたときには0()が入力されている。「復旧時間t_r」には構成機器の復旧までに要した時間が入力されている。

0037

「故障マトリクス」の項目は、「初期故障評価」,「偶発故障評価」及び「経年劣化評価」の3つの項目に分かれている。これらの項目における評価は、故障状況や、開発者施工者など実証プラントや予想対象プラント1について知見を有する者(以下、知見者ともいう)の意見に基づいて評価される。特に「新技術」の項目に「1」を入力された構成機器については知見者に対して詳細にヒアリングが行われて慎重に評価される。

0038

「初期故障評価」は、「故障形態」が「初期故障」である場合に評価される項目である。「初期故障評価」には、「負荷の大きさX_1」と「新規性X_2」との二つの評価項目がある。
「負荷の大きさX_1」とは、構成機器の負荷のレベルの評価である。本願でいう負荷とは、広義の負荷であり、構成機器の出力負荷のみならず、構成機器が受ける荷重や、構成機器の環境温度や、構成機器の環境の腐食しやすさなど構成機器が受けるストレスを含むものである。「負荷の大きさX_1」の評価項目へは、負荷が想定よりも小さいと評価された場合には、低負荷を意味する「1」が入力され、負荷が想定どおりであると評価された場合には、中負荷を意味する「2」が入力され、負荷が想定よりも大きいと評価された場合は、高負荷を意味する「3」が入力される。

0039

「新規性X_2」とは、構成機器が、量産品及び非量産品の何れであるのか、同種のプラント(ここではボイラプラント)での使用実績があるのかの2つの観点に基づく評価項目である。「負荷の大きさX_1」の評価項目へは、構成機器が量産品で実績が有ると評価された場合には、「新規性X_2」が低レベルである(換言すれば信頼性が高い)ことを意味する「1」が入力され、構成機器が非量産品で実績が有ると評価された場合には、「新規性X_2」が中レベルであることを意味する「2」が入力され、構成機器が非量産品で実績が無いと評価された場合には、「新規性X_2」が高レベルである(換言すれば信頼性が低い)との評価を意味する「3」が入力される。

0040

「偶発故障評価」は、「故障形態」が「偶発故障」である場合に評価される項目である。「偶発故障評価」の評価項目には、「異常負荷の発生頻度Y_1」と「異常負荷の影響の大きさY_2」との二つの評価項目がある。
「異常負荷の発生頻度Y_1」は、構成機器が過大な負荷を被る頻度の評価である。「異常負荷の発生頻度Y_1」の評価項目へは、この発生頻度が、低頻度(例えば20年に1回以下の発生頻度)と評価されれば「1」が入力され、中頻度(例えば20年に1回を越え且つ1月に1回以下の発生頻度)と評価されれば「2」が入力され、高頻度(例えば1月に1回を越える発生頻度)と評価されれば「3」が入力される。

0041

「異常負荷の影響の大きさY_2」は、対応する構成機器が過大な負荷を被った場合にプラントに影響を及ぼすレベルの評価項目であり、ここでは、過大な負荷を何回被った場合にプラントがトリップするかを目安としている。「異常負荷の影響の大きさY_2」の項目へは、対応する構成機器が異常負荷を何回被ったとしてもプラントがトリップしないと評価されれば、「異常負荷の影響の大きさY_2」のレベルは低レベルであると評価されて「1」が入力され、対応する構成機器が異常負荷を複数回繰り返して被るとプラントがトリップすると評価されれば「異常負荷の影響の大きさY_2」のレベルは中レベルであると評価されて「2」が入力され、対応する構成機器が異常負荷を1回被っただけでもプラントがトリップすると評価されれば、「異常負荷の影響の大きさY_2」のレベルは高レベルであると評価されて「1」が入力される。

0042

「経年劣化評価」の項目は、「故障形態」が「経年劣化」である場合に評価される項目である。「経年劣化評価」の項目には「設計の不確かさZ」の一つの評価項目がある。
ここでは、経年劣化により故障が起きるまでには相当の時間が掛かるので、実証プラントでも未だ経年劣化故障の実績がないため、構成機器の負荷のばらつきと、構成機器の強度のばらつきとから経年劣化を評価している。これは、構成機器の負荷のばらつきと構成機器の強度のばらつきが大きいほど、想定していた設計条件が実際の条件から外れる可能性が高く、経年劣化の進行が想定していたよりも速く進行して経年劣化故障率が高くなるからである。本発明では、この構成機器の負荷のばらつきと構成機器の強度のばらつきとを「設計の不確かさZ」と表現している。構成機器の負荷のばらつきは、実証プラントにおける構成機器の劣化の進行の程度により評価し、構成機器の強度のばらつきは材料試験により得られたデータベースに基づき評価している。

0043

さらに、本実施形態では、「設計の不確かさZ」に、経年劣化の進行が想定より早いことの原因が明確であるか否かを考慮している。これは、経年劣化の原因が不明である場合には、想定外の理由により経年劣化の進行がさらに速くなる可能性があるためである。
具体的には、「設計の不確かさZ」の評価項目へは、経年劣化の進行速度が想定どおりであれば、「設計の不確かさZ」は低レベルであると評価されて「1」が入力され、経年劣化の進行速度が想定を越えているがその原因が明確であれば、「設計の不確かさZ」は中レベルであると評価されて「2」が入力され、経年劣化の進行速度が想定を越え且つその原因が不明であれば、「設計の不確かさZ」は高レベルであると評価されて「3」が入力される。

0044

「対策の効果」の項目へは、故障が生じたとしても、作業の習熟作業要領に見直しにより防止できると評価された故障については「A」が入力され、試運転期間に講じられた対策により防止できると評価された故障については「B」が入力され、対策を講じることができない又は対策を講じても依然としてリスクが残存すると評価された故障については「C」が入力される。「対策の効果」が「A」又は「B」と評価され、予測対象プラント1に対して対策が講じられている場合には、この故障実績は、予測対象プラント1への稼動率W(t)の予測には反映されない。

0045

「初期故障評価」における「負荷の大きさX_1」及び「新規性X_2」、「偶発故障評価」における「異常負荷の発生頻度Y_1」及び「異常負荷の影響の大きさY_2」、並びに「経年劣化評価」における「設計の不確かさZ」の各評価項目は、初期故障率,偶発故障率,経年劣化故障率に影響する度合い(リスク)が低い順に「1」,「2」又は「3」と評価される(換言すれば故障のリスクが高いほど大きい数値が付される)。
すなわち、これらの各評価項目X_1,X_2,Y_1, Y_2,Zは、本発明における初期故障率,偶発故障率,経年劣化故障率に関連する評価項目であり、これらの評価項目X_1,X_2,Y_1, Y_2,Zに付される「1」,「2」又は「3」の数値は、本発明における評価項目についてのレベルである。

0046

また、構成機器に初期故障が生じ無かった場合には、その構成機器における「負荷の大きさX_1」及び「新規性X_2」は、それぞれ最も故障リスクの低い「1」と評価され、構成機器に偶発故障が生じ無かった場合には、その構成機器における「異常負荷の発生頻度Y_1」及び「異常負荷の影響の大きさY_2」は、それぞれ最もリスクの低い「1」と評価され、構成機器に経年劣化の兆候が見られ無かった場合には、その構成機器における「設計の不確かさZ」は最もリスクの低い「1」と評価される。

0047

したがって、各構成機器は、「負荷の大きさX_1」,「新規性X_2」,「異常負荷の発生頻度Y_1」,「異常負荷の影響の大きさY_2」及び「設計の不確かさZ」のそれぞれについて「1」,「2」,「3」の何れかの評価がなされることになる。そして、これらの実証プラントの構成機器について評価は実績データ蓄積情報に蓄積されている。

0048

以下、構成機器として「バーナ」,「オンオフバルブ」及び「火炉壁」を取り上げて具体的な評価例を説明する。

0049

(a)バーナ
バーナは、図1のバーナ5に相当するものである。バーナ自体は量産品で実績があったが、その冷却管構造が新しい構造であり知見がなかったため冷却管取付施工要領不適切であった。これにより、バーナ本体の熱負荷が大きくなり焼損に至った。焼損の発生後、冷却管の取付施工要領が見直され、同様の故障は発生していない。
この例では、冷却管構造が新しい構造であるため「新技術」の項目に新技術を含むことを意味する「1」が入力され、取付施工要領の不適切といった潜在していた不良に起因するものであるため「故障形態」は「初期故障」と評価される。「初期故障」であることから、「初期故障評価」の「負荷の大きさX_1」及び「新規性X_2」の二項目について評価される。ここでは、「負荷の大きさX_1」には、バーナ本体が焼損にまで至ったことから高負荷と評価されて「3」が入力され、「新規性X_2」には、バーナ自体は量産品で実績があったため新規性は低いと評価されて「1」が入力される。

0050

「対策の効果」の項目には、冷却管の取付施工要領が見直し後は同様の故障が発生していないことから、習熟により再発が無いと評価されて「A」が入力される。予測対象プラント1においても同様の対策が講じられることから、このバーナの故障実績データは、予測対象プラント1の稼動率の予想には反映されない。すなわち後述のリスクマトリクスのフィッティングデータには使用されない。

0051

(b)オンオフバルブ
オンオフバルブは、図1のオンオフバルブ12dに相当するものである。オンオフバルブは、偶発的に、1年に1回程度の頻度で、微粉炭を噛み込み(弁可動部や摺動部に微粉炭が入り込み)、弁可動部がスティックする(膠着する)ことがある。スティックが生じるとオンオフバルブに過剰な負荷が掛かり、スティックが数回繰り返されると、オンオフバルブに損傷が生じ正常に動作しなくなり、プラントのトリップを招く可能性もある。現状では実証プラント及び予測対象プラント1ではこの微粉炭の噛み込みに対して有効な対策が講じられていない。

0052

この例では、オンオフバルブの故障は、偶発的な微粉炭に噛み込みに起因するものであるため「故障形態」は「偶発故障」と評価され、「偶発故障」であることから、「偶発故障評価」の「異常負荷の発生頻度Y_1」及び「異常負荷の影響の大きさY_2」の二項目について評価される。ここでは、「異常負荷の発生頻度Y_1」には、発生頻度は中頻度と評価されて「2」が入力され、「異常負荷の影響の大きさY_2」には、複数回の故障でプラントのトリップを招くと評価されて中レベルを意味する「2」が入力される。
また、現状では噛み込みに対して有効な対策が講じられていないことから、「対策の効果」の項目には、故障のリスクが残存していると評価されて「C」が入力される。予想対象プラント1においても有効な対策が講じられていないことから、このオンオフバルブの故障実績は、予想対象プラント1の稼動率の予想に反映される。すなわち後述のリスクマトリクスのフィッティングデータに使用される。

0053

(c)火炉壁
火炉壁は、図1の火炉壁4に相当するものである。実証プラントにおける5年間の稼動後の検査において、耐用年数が10年とされる火炉壁にき裂が多数発見された。
この例では、き裂は実証プラント1の稼動による経年変化であるため「故障形態」は「経年劣化」と評価される。「経年劣化」と評価されたことから、「経年劣化評価」の「設計の不確かさZ」について評価される。経年変化の速度は想定していたよりも速かったものの原因は明確であると評価されて「設計の不確かさZ」の項目に中レベルを意味する「2」が入力される。
また、現状では火炉壁のき裂に対して有効な対策が講じられていないことから、「対策の効果」の項目には、故障のリスクが残存していると評価されて「C」が入力される。予想対象プラント1においても有効な対策が講じられていないことから、この火炉壁の故障実績データは、予想対象プラント1の稼動率の予想に反映される。すなわち後述のリスクマトリクスのフィッティングデータに使用される。

0054

リスクマトリクス作成手段23は、実証プラントの各構成機器の機器故障率h(t)から求まるプラント稼動率W(t)が、実証プラントの稼動実績を再現できるように、後述の初期故障用のリスクマトリクス24a,偶発故障用のリスクマトリクス24b,経年劣化故障用のリスクマトリクス24cを作成する。
より具体的には、機器故障率h(t)を、初期故障率h1(t),偶発故障率h2(t)及び経年劣化故障率h3(t)の合計値として求める〔h(t)=h1(t)+h2(t)+h3(t)〕。そして、各構成機器のそれぞれの機器故障率h(t)に基づいて実証プラント全体の稼動率W(t)を求め、このプラント稼動率W(t)が実証プラントの稼動実績に近似するように、初期故障用のリスクマトリクス24a(詳細にはリスクマトリクス24aによって規定される初期故障係数k11〜k33の値)、偶発故障用のリスクマトリクス24b(詳細にはリスクマトリクス24bによって規定される偶発故障係数C11〜C33の値)、及び経年劣化故障用のリスクマトリクス24c(詳細にはリスクマトリクス24cによって規定される経年劣化故障係数としての対数標準偏差σ1〜σ3の値)を調整するのである。

0055

以下、各リスクマトリクス24a,24b,24cについて説明しつつ、リスクマトリクス作成手段23についてさらに説明する。

0056

初期故障用のリスクマトリクス24aは、図4(a)に示すように、2次元マトリクスであり、行及び列が、それぞれ、前述した図3に示すFMEAシート22Aの「負荷の大きさX_1」及び「新規性X_2」に対応するものである。上述した通り、実証プラントの構成機器について「負荷の大きさX_1」及び「新規性X_2」について評価がなされており、この評価は評価情報記憶手段22に記憶されている。リスクマトリクス作成手段23は、評価情報記憶手段22から各構成機器の「負荷の大きさX_1」及び「新規性X_2」に関する評価を取得し、この評価に応じて構成機器をリスクマトリクス24a中の欄X11〜X33の中の対応する欄に振り分ける。例えば、上述の実証プラントにおけるバーナの初期故障の例では、予測対象プラント1では対策済みなのでリスクマトリクス24aに反映させないが、仮に反映させるとすれば、「負荷の大きさX_1」が「3」、「新規性X_2」が「1」なので欄X13に振り分けられる。

0057

そして、各構成機器の初期故障率h1(t)が、以下に示すワイブル分布に基づく故障率算出式(1)により、稼動時間t,形状母数(初期故障係数)k及び尺度母数λを使用して算出される。このワイブル分布に基づく故障率算出式(1)は、故障率を一定の精度で再現・予測できることが知られている。



ここで、リスクマトリクス24aの欄X11〜X33内に記入されているk11〜k33は、上式(1)の形状母数kとして使用される具体的な数値であり、時間とともに故障率が低くなる初期故障率を算出する場合には1未満の正数で設定される。上記バーナの例では、バーナの形状母数kには、欄X13に割り当てられたk13が使用される。

0058

図4(b)は、上式(1)により3つの異なる値の形状母数kを使用して求めた故障率カーブの例である。この図4(b)からも明らかなように形状母数kが1未満の正数では形状母数kの値が小さいほど初期故障率h1は高い傾向を示す。リスクマトリクス24aでは、形状母数k11〜k33は、「負荷の大きさX_1」が高くなるほど(図4(a)で上になるほど)小さい値に設定され(k11>k12>k13、k21>k22>k23、k31>k32>k33)、「新規性X_2」のレベルが高くなるほど(図4(a)で右になるほど)小さい値が設定されるようになっている(k11>k21>k31、k12>k22>k32、k13>k23>k33)。すなわち、「負荷の大きさX_1」のレベルが高く「新規性X_2」のレベルが高くなるほど、初期故障率h1(t)が高くなるように形状母数k11〜k33が設定されるようになっている。

0059

リスクマトリクス作成手段23は、これらの係数k11〜k33を用いて得られた各構成機器の故障率に基づくプラント稼動率が、実証プラントの実績を精度よく再現できるように形状母数k11〜k33の具体的な数値を決定して、リスクマトリクス24aを作成する。図4(a)における括弧内の数値は、リスクマトリクス作成手段23により決定された係数k11〜k33の具体的な数値の一例であり、これに限定されるものではない。

0060

なお、上のワイブル分布に基づく故障率算出式(1)は、形状母数kを1とすると下式(2)となる。すなわち、稼動時間tに対して機器故障率h(t)が一定となる偶発故障率を一定の精度で算出することが可能となる。ここでは、実証プラントの稼動時間が数年経過して故障率ひいては稼動率が略一定となった時期における故障率を下式(2)の機器故障率h(t)に代入し、逆算して尺度母数λを求めている。

0061

偶発故障用のリスクマトリクス24bは、図5(a)に示すように、2次元マトリクスであり、行及び列が、それぞれ、前述した図3に示すFMEAシート22Aの「異常負荷の発生頻度Y_1」及び「異常負荷の影響の大きさY_2」に対応する。上述した通り、実証プラントの構成機器について「異常負荷の発生頻度Y_1」及び「異常負荷の影響の大きさY_2」について評価がなされており、この評価は評価情報記憶手段22に記憶されている。リスクマトリクス作成手段23は、評価情報記憶手段22から各構成機器の「異常負荷の発生頻度Y_1」及び「異常負荷の影響の大きさY_2」に関する評価を取得し、この評価に応じて構成機器をリスクマトリクス24b中の欄Y11〜Y33の中の対応する欄に振り分ける。例えば、上述のオンオフバルブの偶発故障の例では、「異常負荷の発生頻度Y_1」が「2」、「異常負荷の影響の大きさY_2」が「2」なので欄Y22に振り分けられる。

0062

そして、各構成機器の偶発故障率h2(t)が、下式(3)により、偶発故障係数C,従来の火力発電用のボイラプラントの従来偶発故障率h2_0を使用して算出される。なお、従来偶発故障率h2_0に用いられる従来の火力発電用のボイラプラント(以下、従来プラントという)は、予測対象のボイラプラント1と構成の類似するものが好ましい。



ここで、リスクマトリクス24bの欄Y11〜Y33内に記入されているC11〜C33は、上式(3)の故障係数Cとして使用される具体的な数値である。上記オンオフバルブの例では、オンオフバルブの故障係数Cには、欄Y22に割り当てられたC22が使用される。

0063

図5(b)は、上式(3)により3つの異なる値の偶発故障係数Cを使用して求めた故障率ラインの例である。上式(3)及び図5(b)からも明らかなように偶発故障係数Cが大きいほど偶発故障率h2(t)は高い傾向を示す。リスクマトリクス24bでは、偶発故障係数C11〜C33は、「異常負荷の発生頻度Y_1」が高くなるほど(図5(a)で上になるほど)大きい値が設定され(C11図5(a)で右になるほど)大きい値が設定されている(C11 ここで、リスクマトリクス24bの各欄Y11〜Y33内に記入されているC11〜C33は、上式(3)の偶発故障係数Cとして使用される具体的な数値である。リスクマトリクス作成手段23は、これらの係数C11〜C33を用いて得られた各構成機器の故障率に基づくプラント稼動率が、実証プラントの実績を精度よく再現できるように、故障係数C11〜C33の具体的な数値を決定して、リスクマトリクス24bを作成する。図5(a)における括弧内の数値は、リスクマトリクス作成手段23により決定された係数C11〜C33の具体的な数値の一例であり、これに限定されるものではない。

0064

経年劣化故障率予想用のリスクマトリクス24cは、図6(a)に示すように、一次元マトリクスであり、その行は、前述した図3に示すFMEAシート22Aの「設計の不確かさZ」に対応するものである。上述した通り実証プラントの構成機器について「設計の不確かさZ」について評価がなされており、この評価は評価情報記憶手段22に記憶されている。リスクマトリクス作成手段23は、評価情報記憶手段22から各構成機器の「設計の不確かさZ」に関する評価を取得し、この評価に応じて構成機器をリスクマトリクス24c中の欄Z1〜Z3の中の対応する欄に振り分ける。例えば、上述の火炉壁の偶発故障の例では、「設計の不確かさZ」が「2」なので欄Z2に振り分けられる。上述したとおり「設計の不確かさZ」は構成機器の負荷や強度のばらつきを意味し、欄Z1〜Z3内に記入されている予想対象プラントの構成機器の経年劣化故障率を予想するためのるσ1〜σ3は、構成機器の負荷や強度のばらつきの大きさを示す対数標準偏差である。

0065

ここで、リスクマトリクス24cの欄Z1〜Z3内に記入されている対数標準偏差σ1〜σ3は、下式(4)の故障係数としての対数標準偏差σに使用される具体的な数値である。上記火炉壁の例では、火炉壁の対数標準偏差σには、欄Z2に割り当てられたσ2が使用される。
そして、経年劣化故障率h3(t)は、対数正規分布モデル化されており、下式(4)により、経年劣化故障係数としての対数標準偏差σ,対数平均μ及び誤差関数erfを使用して算出され、対数標準偏差σに、具体的な数値であるσ1〜σ3の何れかが代入され算出される。対数平均μは、構成機器の設計想定寿命が、対数正規分布の95%下限値に一致するように設定される。すなわち対数標準偏差σと95%下限値との2条件が与えられることから対数平均μを求めることができる。



図6(b)は、上式(4)により3つの異なる値の対数標準偏差σを使用して求めた故障率ラインの例であり、図6(b)からも明らかなように対数標準偏差σが大きいほど経年劣化故障率h3(t)は高い傾向を示す。リスクマトリクス24cでは、対数標準偏差σ1〜σ3は、「設計の不確かさZ」が高くなるほど(図6(a)で上になるほど)大きい値が設定されている(σ1<σ2<σ3)。すなわち、「設計の不確かさZ」が高いほど経年変化故障率h3(t)が高くなるように対数標準偏差σ1〜σ3が設定されている。
リスクマトリクス作成手段23は、これらの対数標準偏差σ1〜σ33を用いて得られた各構成機器の故障率に基づくプラント稼動率が、実証プラントの実績を精度よく再現できるように対数標準偏差σ1〜σ3の具体的な数値を決定して、リスクマトリクス24cを作成する。図6(a)における括弧内の数値は、リスクマトリクス作成手段23により決定された対数標準偏差σ1〜σ3の具体的な数値の一例であり、これに限定されるものではない。

0066

リスクマトリクス記憶手段24は、リスクマトリクス作成手段23より情報を取得してリスクマトリクス作成手段23により作成されたリスクマトリクス24a,24b,24cを記憶する手段である。

0067

故障係数設定手段25は、リスクマトリクス記憶手段24により記憶されたリスクマトリクス24a,24b,24cを使用して、図1に示す予想対象プラント1の各構成機器の機器故障率h(t)を算出するものである。
故障係数設定手段25には、入力手段21から、予想対象プラント1の各構成機器について、初期故障評価(つまり「負荷の大きさX_1」及び「新規性X_2」)、偶発故障評価(つまり「異常負荷の発生頻度Y_1」及び「異常負荷の影響の大きさY_2」)及び経年劣化評価(つまり「設計の不確かさZ」)が入力される。

0068

これらの各評価項目X_1,X_2,Y_1,Y_2,Zは、実証プラントと同様の構成機器については、特段事情がなければ、対応する実証プラントの構成機器と同じ値が入力される。特段の事情とは、例えば、予想対象プラント1の構成機器が実証プラントの構成機器と相違し、その相違から、評価項目のレベルに違が生じることが知見者により当然に予想できる場合などの事情である。
さらに、実証プラントに同様のものがない構成機器については、知見者の意見に基づいて各評価項目X_1,X_2,Y_1,Y_2,Zの各レベルが設定され入力される。
故障係数設定手段25は、各構成機器について、その各評価項目X_1,X_2,Y_1及びZから、リスクマトリクス作成手段23に記憶された各リスクマトリクス24a,24b,24cに基づいて各故障係数k,C,σを設定する。

0069

故障率算出手段26は、各構成機器における各故障係数k,C,σを故障係数設定手段25から取得し、上式(1),(3),(4)により、測定対象プラント1における各構成機器の初期故障率h1(t),偶発故障率h2(t)及び経年劣化により故障率h3(t)ひいてはこれらのトータルの機器故障率h(t)を算出する(h(t)=h1(t)+h2(t)+h3(t))。

0070

プラント稼動率算出手段27は、故障率算出手段26から各構成機器における機器故障率h(t)を取得し、構成機器の相互間の故障のつながりに基づいて予め設定された手法を用いて予想対象プラント1の稼動率W(t)を予想(算出)する。構成機器の相互間の故障のつながりは、背景技術で説明したRAM分析と同様に、プラント全体の系統図に基づいて作成された信頼性ブロック図により予め求めておく。
外部出力手段28は、コンピュータに接続されたモニタやプリンタであり、プラント稼動率算出手段27により算出された稼動率W(t)を稼動時間tに対する稼動率カーブとして表示する。

0071

例えば、予想対象プラント1に予備の押込通風機13aがあるなどして押込通風機13aが並列複数台ある場合には、押込通風機13aが一台故障しても他の押込通風機13aにより燃焼空気をバーナ5に供給できるのでプラントが完全に停止してしまうことはない。したがって、プラント稼動率W(t)を算出する際には、押込通風機13aの機器故障率h(t)の影響度を低めに設定して算出する。
一方、予想対象プラント1に押込通風機13aが一台しかない場合には、押込通風機13aが故障すると燃焼空気をバーナ5に供給できないので予想対象プラント1がトリップ(停止)してしまう。したがって、プラント稼動率W(t)を算出する際には、押込通風機13aの機器故障率h(t)の影響度を高めに設定して算出する。

0072

このように、本稼動率予測装置20における予測対象プラントの稼動率W(t)の予測は、構成機器の相互間の故障のつながりを考慮しつつ各構成機器における機器故障率h(t)に基づいて予想対象プラント1の稼動率W(t)を予想する点では従来のRAM分析と共通する。しかし、本稼動率予測装置20における予測は、実証プラントの故障実績を予測対象プラントの稼動率W(t)の予測に反映するに当たって、実証プラントの構成機器の故障が、初期故障,偶発故障及び劣化故障の何れの故障形態に分類され、且つ、各構成機器が故障率h1(t),h2(t),h3(t)に影響を与える評価項目X_1,X_2,Y_1,Y_2,Zにおいてどの程度のレベルに該当するのかが分析される点で従来のRAM分析とは大きく異なる(以下、本稼動率予測装置20における稼動率W(t)の予測を知識ベースRAM分析ともいう)。

0073

[1−3.プラントの稼動率予測方法]
本実施形態のプラントの稼動率予測装置20によるプラントの稼動率予測方法を図2図6を参照して説明する。
入力手段21から実証プラントの構成機器における故障実績が入力され、これが評価情報記憶手段22に蓄積される。リスクマトリクス作成手段23は、評価情報記憶手段22に蓄積された実証プラントの故障実績を参照し、初期故障用のリスクマトリクス24a,偶発故障用のリスクマトリクス24b及び経年劣化故障用のリスクマトリクス24cを、この実証プラントの稼動率の実績にフィッティングさせることで作成する。

0074

すなわち、リスクマトリクス作成手段23は、初期故障用のリスクマトリクス24aにより規定される形状母数k11〜k33,偶発故障用のリスクマトリクス24bにより規定される偶発故障係数C11〜C33及び経年劣化故障用のリスクマトリクス24cにより規定される対数標準偏差σ1〜σ3を、実証プラントの稼動率の実績を精度よく再現できるように具体的な数値として設定する。
リスクマトリクス記憶手段24は、リスクマトリクス作成手段23により作成されたリスクマトリクス24a,24b,24cを記憶し、故障係数設定手段25は、リスクマトリクス記憶手段24に記憶されたリクスマトリクス24a,24b,24cを参照して、予想対象プラント1の構成機器について、それぞれ、形状母数k,偶発故障係数C及び対数標準偏差σを設定する。

0075

次いで、故障率算出手段26は、故障係数設定手段25により設定された形状母数k,偶発故障係数C及び対数標準偏差σに基づいて、予想対象プラント1の構成機器について、それぞれ、初期故障率h1(t),偶発故障率h2(t)及び経年劣化故障率h3(t)ひいては機器故障率h(t)を算出する。
図7は、故障率算出手段26により算出された(知識ベースRAM分析に基づいて予想した)構成機器の機器故障率h(t)を、従来のRAM分析に基づいて予想した構成機器の故障率h_RAM(t)とともに示す図である。図7からも明らかなように、従来のRAM分析に基づく構成機器の故障率h_RAM(t)が偶発故障しか考慮していないため稼動時間tに関わらず一定となっているのに対し、本予想装置20による知識ベースRAM分析に基づく構成機器の機器故障率h(t)では、稼動初期,稼動中期及び稼動後期(寿命近くの時期)にかけての故障率の挙動を精度よく再現できている。

0076

すなわち、本予想装置20による構成機器の機器故障率h(t)では、稼動初期(以下、初期故障期間ともいう)には、稼動しはじめに多発し時間経過に伴い発生件数が急減する初期故障が故障の主要因となり、稼動中期(以下、偶発故障期間ともいう)には、故障率が略一定の小さい値となる偶発故障が故障の主要因となり、稼動後期(以下、経年劣化故障期間ともいう)には、発生件数が急増する経年劣化故障が故障の主要因となるといった、稼動時間tに伴う故障率hの挙動を精度よく再現できている。

0077

そして、プラント稼動率算出手段27は、故障率算出手段26により算出された(知識ベースRAM分析に基づいて予想した)予想対象プラント1の構成機器の機器故障率h(t)より、予想対象プラント1のプラント稼動率W(t)を予想(算出)し、例えば図8に示すような稼動時間tに対する稼動率曲線として外部出力手段28に出力する。なお、図8では、比較のために、プラント稼動率算出手段27(予想装置20)により算出したプラント稼動率W(t)とともに、従来のRAM分析に基づいて予想したプラント稼動率W_RAM(t)及びリスクマトリクス24A,24b,24cのフィッティングに使用された実証プラントの稼動率の実績W1,W2,W3,W4を示している。

0078

図8からも明らかなように、従来のRAM分析に基づくプラント稼動率W_RAM(t)は、実証プラントの稼動率の実績W1,W2,W3,W4との誤差が大きい。さらに、従来のRAM分析に基づくプラント稼動率W_RAM(t)は、偶発故障しか考慮していないため稼動時間tに関わらず一定となっており、稼動時間が少ない内は稼動率が低くなるといった実績W1,W2,W3,W4の挙動を再現できていない。これに対し、本予想装置20による知識ベースRAM分析に基づくW(t)では、実証プラントの稼動率の実績W1,W2,W3,W4との誤差も少なく、稼動時間tに対する稼動率の実績W1,W2,W3,W4の挙動を精度よく再現できている。
なお、図8では、稼動初期から稼動中期にかけての稼動率の予測を示しており、経年劣化故障が急増する稼動後期の稼動率については示していない。

0079

[1−4.効果]
第1実施形態のプラントの稼動率予測装置(プラントの稼動率予測方法)によれば、少ない実績データに基づいて今後の稼動率W(t)を精度よく予測できるという利点がある。
すなわち、構成機器の各故障率h1(t),h2(t),h3(t)に関連する評価項目X_1,X_2,Y_1,Y_2,Zのレベル(詳細には故障率に影響を与える大きさのレベル)と、構成機器の故障率h1(t),h2(t),h3(t)の大きさに相関する故障係数k,C,σとの対応関係がリスクマトリクス24a,24b,24cにより規定されている。故障に関連する評価項目X_1,X_2,Y_1,Y_2,Zが構成機器の故障率に影響するレベルに応じて細分化されて構成されたリスクマトリクス24a,24b,24cに、実証プラントの稼動率の実績W1,W2,W3,W4を落とし込むことで(構成機器の故障率に影響する度合いに応じて系統立てて細分化されたリスクマトリクス24a,24b,24cにより故障係数k,C,σを規定し、この故障係数k,C,σを、実証プラントの稼動率の実績W1,W2,W3,W4を精度よく再現できるように設定することで)、実績が少ない場合でも故障係数k,C,σに一定の信頼性を確保することができる。したがって少ない実績に基づいて今後の稼動率W(t)を精度よく予測できる。

0080

また、初期故障率h1(t),偶発故障率h2(t)及び経年劣化故障率h3(t)の故障傾向の異なる故障を別々に算出し、初期故障率h1(t),偶発故障率h2(t)及び経年劣化故障率h3(t)の合計を機器故障率h(t)としているので、稼動時間tに応じて傾向の変わる機器故障率h(t)ひいては予想対象プラント1のプラント稼動率W(t)を精度よく予想することができるという利点がある。

0081

また、近年では、プラントメーカとプラントの納入先企業との間でプラントの稼動率に関する契約が結ばれることがある。このような契約では、例えば、プラントの実稼動率が保障稼動率を下回った場合は、プラントメーカが納入先企業に違約金支払い、逆にプラントの実稼動率が、保障稼動率又は保障稼動率とは別に規定された稼動率を超えた場合には、納入先企業からプラントメーカに稼動率超過達成ボーナスが支払われる。
本プラントの稼動率予測装置(プラントの稼動率予測方法)では従来よりも精度よく予測対象プラント1の稼動率W(t)を予測できるので、保障稼動率を達成できる確率や、保障稼動率を達成できない未達成リスクを精度よく評価することができる利点がある。これにより、プラントメーカ、納入先企業の双方が、契約内容事業性を定量的に精度よく評価することが可能となる。
また、稼動率に応じて顧客(納入先企業)にとっての事業投資価値に関するNPV内部収益率)やIPR(正味現在価値)などの経済性指標を確率論的に算出することができる。

0082

[2.第2実施形態]
本発明のプラントの稼動率予測装置及び予測方法について、図9及び図10を参照して説明する。なお、第1実施形態と同一要素については同一の符号を付し、その説明を省略する。
なお、本実施形態に係る予測対象プラント1は、第1実施形態と同様に図1に示すように構成されており、その説明を省略する。

0083

[2−1.プラントの稼動率予測装置の構成]
本実施形態のプラントの稼動率予測装置20Aは、図9に示すように構成されており、図2に示す第1実施形態の稼動率予測装置20に対し、影響度算出手段29が追加された構成となっている。
影響度算出手段29は、故障率算出手段26から各構成機器の機器故障率h(t)を取得するとともに、評価情報記憶手段22に記憶されたFMEAシート21A(図3参照)から、実証プラントの対応する構成機器が故障したときの運転可能出力P_a及び復旧時間t_rを取得する。また、影響度算出手段29は、運転可能出力P_aが0(零)のときの復旧時間t_r、すなわち実証プラントがトリップしたときの時間を積算することにより、実証プラントの停止時間の積算時間t_tripを算出する。
そして、影響度算出手段29は、各構成機器のプラント停止への影響度E_tripを、復旧時間t_rと積算停止時間t_tripとから下式(5)により算出する。
E_trip=h(t)×t_r/t_trip ・・・(5)

0084

なお、構成機器の復旧時間t_rは、予想対象プラント1の構成機器の復旧時間が、実証プラントの対応する構成機器の復旧時間と相違することが明らかであるなど特段の事情があれば、実証プラントの対応する構成機器の復旧時間を補正した時間を使用しても良い。
なお、復旧時間t_rとは、実証プラントにおいて実際に故障がおきた際に復旧に要した時間である。実証プラントにおいて構成機器に故障が生じなかった場合は、予測対象プラント1の対応する構成機器の復旧時間t_rひいては影響度E_tripは0(零)である。

0085

そして、影響度算出手段29は、各構成機器の影響度E_tripを外部出力手段29に出力し、外部出力手段29は、例えば図10に示すように各構成機器の影響度E_tripを、影響度E_tripの大きい順に並べてこれを表示または印刷する。なお、図10では、バーナ,脱硝設備及び押込通風機以外の構成機器については名称の表記を省略している。
これにより、影響度E_tripが大きくプラント稼動率W(t)を低下させるリスクの高い高リスク機器と、影響度E_tripが小さくプラント稼動率W(t) を低下させるリスクの低い低リスク機器とに分けることができる。
この他の構成は第1実施形態と同様なので説明を省略する。

0086

[2−2.効果]
第2実施形態のプラントの稼動率予測装置及び予測方法によれば、第1実施形態のプラントの稼動率予測装置及び予測方法と同様の効果が得られることに加え、次のような効果が得られる。
つまり、各構成機器の影響度E_tripを算出することにより、影響度E_tripが大きい構成機器と、影響度E_tripが小さい構成機器とに分けることができる。換言すれば、プラント稼動率W(t)を低下させるリスクが高く、対策の必要な高リスク機器と、プラント稼動率W(t) を低下させるリスクは低く、対策の不要な低リスク機器とに分けることができる。そして、高リスク機器に対して必要な対策を講じることで効率的にプラント稼動率W(t)を向上させることができる。

0087

図10に示す例では、バーナ5が最も影響度E_tripの大きな構成機器であり、次いで脱硝設備14b,押込通風機13aの順に影響度E_tripが大きい。ここでは、バーナに対しては、検査間隔及び消耗品定期交換の間隔を短くするといった対策を講じ、脱硝装置14bに対しては、納期に時間のかかる予備品を確保しておくといった対策を講じ、押込通風機13aについては予備機を設けて2系列化するといった対策を講じている。

0088

このような対策を講じた構成機器については、各リスクマトリクス24a,24b,24cにおける評価項目X_1,X_2,Y_1,Y_2,Zの各レベルや、信頼性ブロック図ひいては機器故障率h(t)からプラント稼動率W(t)を算出するための手法が適宜修正される。そして、この修正を反映して再度プラント稼動率W(t)を算出し、プラント稼動率W(t)がそれでも目標稼動率を達成できなかった場合は、対策を講じる構成機器の範囲の拡大や対策のレベルアップ(例えば消耗品の定期交換の間隔の短期化)を行う。逆に、過剰に目標稼動率を上回るような場合は、対策を講じる構成機器の範囲の縮小や対策のレベルダウン(例えば消耗品の定期交換の間隔の長期化)を行う。つまり、構成機器に講じた対策を定量的に評価することができ、対策を講じる構成機器の範囲や対策のレベルを合理的に選定することができる。

0089

[3.第3実施形態]
本発明のプラントの稼動率予測装置及び予測方法について図11及び図12を参照して説明する。なお、第1実施形態と同一要素については同一の符号を付し、その説明を省略する。
なお、本実施形態に係る予測対象プラント1は、第1実施形態と同様に図1に示すように構成されており、その説明を省略する。

0090

[3−1.プラントの稼動率予測装置の構成]
本実施形態のプラントの稼動率予測装置20Bは、図11に示すように構成されており、図1に示す第1実施形態の稼動率予測装置20に対し、故障係数補正手段25aが追加された構成となっている。故障係数補正手段25aは、運転日誌システム30から入力された運転情報を、運転情報蓄積手段31を介して取得し、この運転情報に基づいて故障係数k,c,σを補正する。
ここで、運転日誌システム30は、その日のイベントなどの運転情報を順次入力するためのものであり、例えば予測対象プラント1の中央制御室に配置されている。運転日誌システム30は、ここでは図12に示すように、イベントの開始時刻、イベントの終了時刻、イベントの対象機器イベントカテゴリイベント内容プラント負荷、及び備考入力項目を有している。図12に示された例では、18時02分に、微粉炭機が、給炭機軸受けベアリング不良による故障のため停止し、20時02分に復旧したことが入力されている。
運転日誌システム30により入力された運転情報は、運転情報蓄積手段31に逐次蓄積されていく。

0091

故障係数補正手段25aは、運転情報蓄積手段31から、逐次、或いは数日おきに運転情報を取得し、取得した運転情報の中に、故障に関する情報がある場合は、これを故障係数に反映させる。
図12に示す例では、給炭機軸受けベアリング不良により微粉炭機12が故障し、この故障は偶発故障に属するものなので、故障係数補正手段25aは、補正係数設定手段により設定された微粉炭機12の偶発故障係数Cに補正係数を乗じる又は加算することで偶発故障係数Cを補正する。この補正係数は、例えば、微粉炭機12における正常運転が行われた時間と復旧時間との比などに基づいて決定することができる。

0092

なお、故障係数補正手段25aは、リスクマトリクス記憶手段24に記憶された各リスクマトリクス24a,24b,24cにおいて、各評価項目に基づいて規定されるk11〜k13,k21〜k23,k31〜k33を変更するようにしても良い。すなわち、リスクマトリクス24a,24b,24c自体を補正するようにしても良い。

0093

[3−2.効果]
第3実施形態のプラントの稼動率予測装置及び予測方法によれば、第1実施形態のプラントの稼動率予測装置及び予測方法と同様の効果が得られることに加え、次のような効果が得られる。
つまり、運転情報蓄積手段31から取得した故障に関する情報に基づいて故障係数保障手段25aが、故障係数を補正(更新)するので、予測対象プラント1自体の運転実績にあわせて故障係数が逐次更新されるようになり、一層精度よく機器故障率h(t)ひいてはプラント稼動率W(t)を予想できるようになる。

0094

[4.その他]
本発明のプラントの稼動率予測装置及び予測方法は上述の各実施形態に限定されず、例えば以下のような態様をとることもできる。

0095

(1)上記の各実施形態では、リスクマトリクス24a,24b,24cのフィッティングに使用する類似プラントに実証プラントを1つ使用したが、類似プラントは複数でも良い。例えば、実証プラント及び試験プラントの2つのプラントを類似プラントとしてその両実績をリスクマトリクス24a,24b,24cのフィッティングに使用しても良い。また、予想対象プラントが新技術を複数有する場合に、新技術の一部分を含む類似プラントの新技術に関わる実績と、新技術の他の部分を含む別の類似プラントの新技術に関わる実績とをリスクマトリクス24a,24b,24cのフィッティングに使用しても良い。

0096

(2)上記の各実施形態では、本発明の構成要素としてバーナやオンオフバルブなどを例示したが、構成要素は、このような機器単位である必要はなく、構成要素を、機器をさらに細分化した部品単位としても良い。例えば、オンオフバルブをさらに細分化して、弁体,弁体の駆動部分,弁座などを構成要素としても良い。

0097

(3)各故障係数k,C,σを設定するための評価項目(換言すれば各リスクマトリクス24a,24b,24cの評価軸)の種類や数は上記実施形態に限定されない。例えば、偶発故障係数Cを設定するための評価項目として、「構成機器に関する設計規格維持規格が整っているか否か」や、「構成機器の完成度(新製品か、技術的に成熟した製品化)」を、上記実施形態における評価項目である「異常負荷の発生頻度Y_1」や「異常負荷の大きさY_2」に替えて或いは加えて使用しても良い。
また、各リスクマトリクス24a,24b,24cの行数列数(すなわちリスクマトリクス24a,24b,24cの細分化の程度)は上記実施形態に限定されない。例えば、初期故障用のリスクマトリクス24aを、4×4のマトリクスとしてもよい。

0098

(4)予測対象プラント1の全ての構成機器について、故障率h(t)をリスクマトリクス24a,24b,24cを使用して算出しなくても良い。例えば、既に実績が多数あり、信頼性の高い既知の故障率カーブがある構成機器については、この既知の故障率カーブを使用しても良い。

0099

(5)上記各実施形態では、本発明の稼動率予測装置及び稼動率予測方法を微粉炭焚ボイラプラントの稼動率の予測に適用したが、本発明の稼動率予測装置及び稼動率予測方法は、発電プラント,原子力発電プラント,化学プラントなどの各種プラントや、航空機,ロケット,船舶などの各種機械システムの稼動率の予測にも適用することができる。要するに、稼動率の予測対象となるものは何ら限定されるものではない。

0100

1ボイラプラント(予測対象機械システム、予測対象プラント)
20,20A,20B稼動率予測装置
24a初期故障用のリスクマトリクス(初期故障用マップ)
24b偶発故障用のリスクマトリクス(偶発故障用マップ)
24c経年劣化故障用のリスクマトリクス(経年劣化故障用マップ)
24 リスクマトリクス記憶手段(マップ記憶手段)
25 故障係数設定手段
25a 故障係数補正手段
26故障率算出手段(故障率推定手段)
27プラント稼動率算出手段(プラント稼動率推定手段)
31運転情報蓄積手段
32 故障係数補正手段
C,C11〜C33 偶発故障係数
E_trip 構成機械システムのプラント停止への影響度
h(t)知識ベースRAM分析に基づいて予想した機器故障率
h_RAM(t) 従来のRAM分析に基づいて予想した故障率
h1(t) 初期故障率
h2(t) 偶発故障率
h3(t) 経年劣化故障率
k,k11〜k33形状母数(初期故障係数)
W(t) 知識ベースRAM分析に基づいて予想したプラント稼動率
X_1負荷の大きさ
X_2新規性
Y_1 異常負荷の発生頻度
Y_2 異常負荷の影響の大きさ
Z 設計の不確かさ
σ,σ1〜σ3対数標準偏差(経年劣化故障係数)

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

関連する公募課題

ページトップへ

技術視点だけで見ていませんか?

この技術の活用可能性がある分野

分野別動向を把握したい方- 事業化視点で見る -

(分野番号表示ON)※整理標準化データをもとに当社作成

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

関連する挑戦したい社会課題一覧

この 技術と関連する公募課題

関連する公募課題一覧

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ