CN114761582A - 生产设备的监视方法、生产设备的监视装置以及生产设备的运行方法 - Google Patents

Abstract

本发明所涉及的生产设备的监视方法对配置于多个生产基地的多个同种的生产设备的运行状况进行监视，上述生产设备的监视方法包括：数据信息整备步骤，在该步骤中，按每个生产基地集中生产设备的运行数据；数据集成步骤，在该步骤中，将在数据信息整备步骤中集中的运行数据集成于被配置在数据集成地的计算机；数据解析步骤，在该步骤中，使用在数据集成步骤中集成的当前的运行数据和过去的运行数据，对各生产设备的当前的运行状况进行解析；以及运行状况判定步骤，在该步骤中，基于数据解析步骤的解析结果来判定各生产设备有无运行异常。

Description

生产设备的监视方法、生产设备的监视装置以及生产设备的 运行方法

技术领域

本发明涉及对配置于多个生产基地的多个同种的生产设备的运行状况进行监视的生产设备的监视方法、生产设备的监视装置以及生产设备的运行方法。

背景技术

在为了生产产品而需要许多大规模的生产设备的制造业中，若将生产设备集中到一个地方，则需要很大的场地，在发生了地震等重大灾害的情况下存在生产完全停止的风险，因此，有时使生产基地分散在国内、根据情况分散在海外的各地进行生产。在这种情况下，在各个生产基地中制定生产计划，根据生产计划进行生产设备的运行。

有时钢铁行业的钢铁厂也配置于多个地点。在钢铁厂中的从上层工序至下层工序为止的生产设备集中的所谓的综合钢铁厂中，例如制造铁源的高炉、进行由高炉制造出的铁水的成分调整的转炉、将熔化的铁凝固为板状的板坯的连续铸造设备以及将板坯进一步拉伸成薄板状的热轧设备等生产设备在各钢铁厂相同地配置的情况较多。这样的生产设备的运行中的异常判定迄今为止在各生产基地中按每个生产设备进行，分别对异常进行处置。

通常，生产设备一边由运行操作人员检查各运行数据一边运行。而且，在判断为运行异常的情况下，以不使异常扩大的方式变更运行条件而实现设备运转的稳定化。作为高炉的异常检测技术，例如存在专利文献1记载的技术。具体而言，对于通过对设置于高炉的炉体的炉身部的多个压力计数据进行主成分分析而得到的第2主成分以下的成分亦即Q统计量而言，若高炉的通气性被阻碍，则伴随着炉身压力变动，值变大。因此，在专利文献1记载的技术中，对预先收集的正常时的Q统计量设定阈值，在Q统计量超过阈值时判定为高炉产生了运行异常。

专利文献1：日本特开2017-128805号公报

近年来，由于企业的经营合理化引起的人员减少、国内劳动人口的减少之类的背景，运行操作人员的人数也减少。本来当产生了运行异常时，需要暂时停止运行等，而且迅速地采取必要措施而解决问题，但若运行操作人员的人数少则，运行所伴有的大量工作将集中于少数的运行操作人员。另外，在这样的少人数的运行应对中，异常时的运行技术的传递被耽搁，尽管生产设备存在异常但没有被注意到该状况而继续运行，作为其结果，有时产生更大的问题，长时间的停工和至恢复为止耗费很大成本。另外，产品的制造变困难，引起产品的销售数量的减少。基于这样的背景，针对各种工艺而正在开发上述那样的异常检测技术。然而，重要的是这样的异常检测技术被可靠地运用且以不产生重大的设备问题的方式反映于运行。

发明内容

本发明是鉴于上述课题而完成的，其目的在于提供不需要许多人力且能够高精度地检测生产设备的运行异常并迅速地处置运行异常的生产设备的监视方法、生产设备的监视装置以及生产设备的运行方法。

本发明所涉及的生产设备的监视方法对配置于多个生产基地的多个同种的生产设备的运行状况进行监视，上述生产设备的监视方法包括：数据信息整备步骤，在该步骤中，按每个生产基地集中生产设备的运行数据；数据集成步骤，在该步骤中，将在上述数据信息整备步骤中集中的运行数据集成于被配置在数据集成地的计算机；数据解析步骤，在该步骤中，使用在上述数据集成步骤中集成的当前的运行数据和过去的运行数据，对各生产设备的当前的运行状况进行解析；以及运行状况判定步骤，在该步骤中，基于上述数据解析步骤的解析结果来判定各生产设备有无运行异常。

也可以是，上述运行数据的项目数、项目名称以及单位在生产设备间通用。

也可以是，上述运行状况判定步骤包括如下步骤：基于在上述数据解析步骤中从运行数据导出的指数来判定生产设备有无运行异常。

也可以是，上述数据信息整备步骤包括如下步骤：对元数据进行集中，上述元数据至少包括生产设备的得到了上述运行数据的时刻的运行条件数据，上述数据集成步骤包括如下步骤：将在上述数据信息整备步骤中集中的元数据集成于上述计算机，上述数据解析步骤包括如下步骤：通过对从当前的运行得到的元数据与还包括在其他生产基地得到的元数据在内的过去的元数据进行比较，提取过去的运行条件进行与当前的运行条件的规定时间的变化相似的变化的期间，上述运行状况判定步骤包括如下步骤：通过在上述数据解析步骤中提取的期间的当前的运行数据与过去的运行数据的比较，判定生产设备有无运行异常。

也可以是，上述运行状况判定步骤包括如下步骤：使用同一尺度化的运行指标、运行数据以及运行条件中的至少一者的元数据来判定有无运行异常。

也可以是，包括：对集中的运行数据以及该运行数据的解析结果进行显示的步骤。

本发明所涉及的生产设备的监视装置对配置于多个生产基地的多个同种的生产设备的运行状况进行监视，上述生产设备的监视装置具备：数据信息整备单元，其按每个生产基地集中生产设备的运行数据；数据集成单元，其对由上述数据信息整备单元集中的运行数据进行集成；数据解析单元，其使用由上述数据集成单元集成的当前的运行数据和过去的运行数据，对各生产设备的当前的运行状况进行解析；以及运行状况判定单元，其基于上述数据解析单元的解析结果来判定各生产设备有无运行异常。

本发明所涉及的生产设备的运行方法利用了本发明所涉及的生产设备的监视方法，上述生产设备的运行方法包括如下步骤：基于上述运行状况判定步骤中的判定结果来使生产设备运行。

根据本发明所涉及的生产设备的监视方法、生产设备的监视装置以及生产设备的运行方法，不需要许多人力且能够高精度地检测生产设备的运行异常并迅速处置运行异常。

附图说明

图1是表示本发明的一实施方式的生产设备的监视系统的结构的框图。

图2是表示图1所示的生产设备的监视系统的变形例的结构的框图。

图3是表示本发明的一实施方式的设备监视处理的流程的流程图。

具体实施方式

钢铁厂主要由制造作为产品的原料的板坯的上层工序设备、制造最终产品的下层工序设备、使电力、燃料气体、水等循环的能源设备构成。上层工序设备包括：保管原料的铁矿石、其他原料的原料堆场；由煤制造焦碳的焦炉、烧结细小铁矿石的烧结工厂、使这些原料高温燃烧而制造铁水的高炉、运输铁水的鱼雷车、用于运输该鱼雷车的铁路设备、进行铁水的成分调整的预处理设备、调整铁水中的碳量而生成钢水的转炉、进行二次精炼的炉、使钢水最终凝固为板坯的连续铸造设备等生产设备。

下层工序设备包括：加热板坯而制造薄钢带的热轧设备、一边反复钢带的加热、冷却一边拉伸成较薄来制造具有规定强度的钢板的冷轧设备、对冷轧工序中得到的钢板实施镀覆处理的镀覆设备、将热轧工序中得到的钢板卷起并焊接板端彼此等而制造管的造管设备、制造被称为建材用的型钢的产品组的型钢制造设备等生产设备。

能源设备包括：提炼从高炉、焦碳得到的气体的设备、使用提炼出的气体进行发电的发电设备、将气体向发电设备输送的气体管以及输送冷却各种炉、被加热了的产品的水的输水管等生产设备。

这样存在许多生产设备，并且各设备的设置需要较大的场地，因此，具备上层工序设备以及下层工序设备的综合钢铁厂需要非常大的场地面积。因此，由于一个钢铁厂的钢铁产品的制造量不满足需求，所以需要在多个钢铁厂中制造钢铁产品。在这样的情况下，有时为了容易对钢铁产品的用户供给产品而在需要大量钢铁产品的用户附近建立钢铁厂，也有时为了避免因大规模灾害引起的停工而在多个生产基地建立钢铁厂来制造钢铁产品。

钢铁厂的各生产设备设置有许多测定生产设备的状况的传感器、测定制造出的钢铁产品的状况的传感器，在每天的运行中，基于由这样的传感器测定出的数据，由运行操作人员设定钢铁产品所需的制造条件而运行。以下，以上层工序设备的高炉的运行为例子进行说明。

通常，对于高炉而言，以从炉顶以适当的装入速度装入成为原料的铁矿石、烧结矿、焦碳等的方式控制炉顶料仓的开度，以成为预期的装入物分布的方式设定装入装置的倾斜、转速而使上述高炉运转。对于临时存积于设置在炉顶的炉顶料仓的原料而言，依次测定重量并管理装入量。另外，对于装入的原料而言，通过微波轮廓仪测定装入后的原料表面形状，进行分布是否正确的确认。在高炉中，从处于炉腹部的沿圆周方向设置有多个的风口吹入热风。吹入的热风一边与下降的原料进行热交换一边向炉顶部流动。此时，若装入的原料如预期那样的分布，则多个设置于炉体的压力计的数据示出大致相同的行为。进而，通过设置于炉顶的探测器测定达到炉顶的气体的温度、成分，来确认炉内的气体流动如预期那样，原料正常地进行化学反应而制造铁水。

对于从风口吹入的热风，进行风量、温度、水分、富氧量等的设定，并测定吹入压力。而且，从设置于风口内的喷枪吹入煤粉，设定煤粉的吹入量。另外，在风口设置有用于监视炉内的状况的相机，依次拍摄风口内的图像。另外，还测定风口的温度。并且，安装有用于监视炉体的温度的许多温度计，依次测定温度。而且，也测定在用于冷却炉体的冷却板中流动的冷却水的量、温度、冷却板的温度。另外，制造出的铁水与同时在炉内生成的炉渣一起从炉下部的铁水排出孔向炉外排出。也记录有从铁水排出孔开始铁水排出的时刻以及铁水排出结束的时刻。从铁水排出孔排出的铁水和炉渣在铁水沟中根据比重的不同而分离，铁水被注入鱼雷车。

另外，炉渣流入炉渣处理设备，被水冷或者空冷并存积。铁水在刚从高炉排出之后，被测定温度，也被进行铁水所含的硅的量的测定。而且，通过负载传感器测定流入鱼雷车的铁水的重量。另外，也测定炉渣的碱度以及排出量。在最终产品制造设备等中，将各生产线的运转速度、炉的温度、产品的加热时间、镀覆的单位面积重量设定量等制造条件、从传感器得到的产品的缺陷、形状、其他的产品特性评价数据等被认为是运行数据组的一部分，高炉中所说的产品替换为铁水、炉渣即可。

这样的运行条件、传感器数据、与产品相关的信息以能够由运行操作人员监视的方式被集中于控制用计算机(也称为过程控制计算机)，与一个时间印章(时间信息)一起被记录。在高炉的过程控制计算机的内部，以记录的数据为基础，计算较好地示出高炉的状态的通气阻力指数、气体利用率之类的指数等，并与附随于各设备的传感器数据、与铁水、炉渣相关的测定数据、运行条件一起被记录。即便为处于远隔地的高炉，也进行大致相同的运行，得到相同的运行数据组。

以下，参照附图，说明对监视被配置于多个生产基地的多个高炉的运行状况的处理应用了本发明的本发明的一实施方式的生产设备的监视系统。需要说明的是，本实施方式虽对监视被配置于多个生产基地的多个高炉的运行状况的处理应用了本发明，但本发明的应用范围不限定于本实施方式，能够广泛应用于所有监视被配置于多个生产基地的多个同种生产设备的运行状况的处理。

〔结构〕

首先，参照图1以及图2，对本发明的一实施方式的生产设备的监视系统的结构进行说明。图1是表示本发明的一实施方式的生产设备的监视系统的结构的框图。图2是表示图1所示的生产设备的监视系统的变形例的结构的框图。

如图1所示，本发明的一实施方式的生产设备的监视系统1是监视被设置于多个生产基地的多个高炉(高炉A～高炉X)的运行状况的系统，具备：按每个高炉设置的对表示高炉、由高炉制造的铁水的状况的数据进行测定的高炉传感器2(高炉A传感器～高炉X传感器)；与高炉传感器2电连接的每个生产基地的过程控制计算机3；与过程控制计算机3电连接的每个生产基地的边缘服务器计算机4；以及经由电通信线路而与各边缘服务器计算机4连接的全局数据服务器计算机5。

此处，过程控制计算机3、边缘服务器计算机4以及全局数据服务器计算机5由公知的信息处理装置构成。全局数据服务器计算机5配置于任意的生产基地或者生产基地以外的场所。其中，全局数据服务器计算机5的配置场所(数据集成地)不是在物理上限定于一个场所，也可以分成多个地点的场所。需要说明的是，如图2所示，也可以是，将传感器数据处理专用计算机6a，PLC(可编程逻辑控制器：Programmable Logic Controller)6b，DCS(分布式控制系统：Distributed Control System)6c等装置与高炉传感器2连接，并经由这些装置将高炉传感器2与边缘服务器计算机4电连接。

具有这样的结构的生产设备的监视系统1通过执行以下所示的设备监视处理，不需要许多人力且能够高精度地检测高炉的运行异常并迅速地处置高炉的运行异常。以下，参照图3所示的流程图，对执行该设备监视处理时的生产设备的监视系统1的动作进行说明。

〔设备监视处理〕

图3是表示本发明的一实施方式的设备监视处理的流程的流程图。图3所示的设备监视处理在开始了高炉的运行的时间点开始，设备监视处理进入步骤S1的处理。

在步骤S1的处理中，过程控制计算机3将运行数据组集中向边缘服务器计算机4发送，边缘服务器计算机4将从过程控制计算机3发送的运行数据组保存于硬盘、光盘、USB存储器等数据存储单元。此处，运行数据组是指同时刻得到的高炉的运行数据以及元数据。运行数据是指由高炉传感器2测定出的数据以及/或者基于由高炉传感器2测定出的数据而计算出的各种指数。另外，元数据是指高炉的得到运行数据的时刻的运行条件数据、设定值、运行状况以及关注的运行数据以外的运行数据。需要说明的是，优选运行数据以及元数据的项目数、项目名称以及单位在多个生产基地之间全部相同而实现通用化。

过程控制计算机3为了执行模型计算、各种设备的控制、数据的收集、处理等而负荷大。除此之外，若经由电通信线路将运行数据组向全局数据服务器计算机5发送，则根据电通信线路的拥堵状况而产生待机时间，可能对高炉的运行产生影响。因此，在本实施方式中，在电通信线路上的距离近的位置设置边缘服务器计算机4，并经由电通信线路而将过程控制计算机3与边缘服务器计算机4连接。然后，运行数据组暂时保存于边缘服务器计算机4，如后述那样，全局数据服务器计算机5经由电通信线路对保存于边缘服务器计算机4的运行数据组进行集成。需要说明的是，在生产设备的监视系统1为图2所示的结构的情况下，边缘服务器计算机4也保存从传感器数据处理专用计算机6a、PLC6b、DCS6c等装置发送的数据。由此，步骤S1的处理结束，设备监视处理进入步骤S2的处理。

在步骤S2的处理中，全局数据服务器计算机5经由电通信线路每隔规定时间(在跟踪高炉的各传感器的变化的情况下例如每隔1分钟)读取保存于各边缘服务器计算机4的记录有运行数据组的电子文件。需要说明的是，也可以是，边缘服务器计算机4每隔规定时间将记录有运行数据组的电子文件向全局数据服务器计算机5发送。由此，步骤S2的处理结束，设备监视处理进入步骤S3的处理。

在步骤S3的处理中，全局数据服务器计算机5将步骤S2的处理中读取到的各高炉的运行数据组保存于硬盘、光盘、USB存储器等集中数据记录装置。此时，全局数据服务器计算机5使各高炉的运行数据组的时刻同步，以能够对同时刻的各高炉的运行数据组彼此进行比较。另外，在运行数据组的数据项目的名称、单位不同的情况下，全局数据服务器计算机5通过转换为预先决定的名称、单位而统一名称、单位。由此，步骤S3的处理结束，设备监视处理进入步骤S4的处理。

在步骤S4的处理中，全局数据服务器计算机5通过对保存于集成数据记录装置的各高炉的运行数据组进行解析来解析各高炉的运行状况。具体而言，能够通过根据压力数据计算的通气阻力指数、根据压力数据计算的Q统计量、根据气体分析值计算的气体利用率以及根据存在于高炉的多个风口的图像数据的亮度计算的Q统计量的炉周方向的不一致等来了解高炉的运行状况。另外，根据将炉身压力与炉顶的压力之差除以炉的体积得到的通气阻力也能够检测高炉的运行状况。另外，对从炉顶得到的气体成分进行分析而得到的表示CO与CO₂的成分比的气体利用率等也是表示高炉的运行状况的一个指标。若关注高炉炉下部，则对反映以高炉炉下部的热平衡计算为基础的高炉内的热状态的炉热指数进行计算，用于能够比铁水温度更快地判断高炉内的反应的状况。此外，运行数据组还存在能够了解高炉的运行状况的许多数据，根据将它们作为时间序列数据处理时的移动平均值、距预先求出的平均值的标准偏差的变化、多个数据彼此的相加、相减等，也能够判断高炉的运行状况。

全局数据服务器计算机5通过对各高炉的运行数据组执行上述的解析，来计算表示各高炉的运行状况的指数。需要说明的是，优选全局数据服务器计算机5在解析结束后，将表示各高炉的运行状况的指数与运行数据组一起向集中数据记录装置保存。另外，也可以是，使边缘服务器计算机4执行该步骤S4的处理，边缘服务器计算机4使表示高炉的运行状况的指数包含于运行数据组。由此，步骤S4的处理结束，设备监视处理进入步骤S5的处理。

在步骤S5的处理中，全局数据服务器计算机5将表示各高炉的运行状况的指数、运行数据组以可知其时间变化的方式显示于液晶显示器装置等的数据显示单元。需要说明的是，优选全局数据服务器计算机5使表示各高炉的运行状况的指数、运行数据组同时显示于数据显示单元而能够对表示各高炉的运行状况的指数、运行数据组进行比较。另外，能够任意设定显示数据的期间，由此从长期趋势到短期趋势均能够作为参照，容易了解各高炉的运行状况的推移，这样较佳。根据这样的处理，容易判断高炉的运行状况是否良好，并且容易推测高炉的运行状况将来怎样变化。由此，步骤S5的处理结束，设备监视处理进入步骤S6的处理。

在步骤S6的处理中，全局数据服务器计算机5基于表示各高炉的运行状况的指数等，判定各高炉的运行状况的良好与否。此时，全局数据服务器计算机5将在高炉的何处产生异常以及是什么种类的异常一起判定较佳。具体而言，在高炉中，炉内的通气性良好对于持续稳定的运行较为重要。然而，有时由于某种原因在炉内的气体流动紊乱的情况下产生卡顶、崩料、喷涌(日文：吹抜け)之类的异常。“卡顶”是原料没有正常下降而停止的现象，在“卡顶”消除时产生崩料，或者从炉下部的风口吹入的高温的气体由于某种原因而急剧向炉上部喷出。在高炉的炉体设置有许多炉身压力计，通过对炉身压力计的数据进行主成分分析而得到的Q统计量是表示相对于在运行状况正常时能够获取的压力数据的分布的脱离度的指标。因此，通过对Q统计量设定阈值，能够判定运行异常。另外，在判定为运行异常时，通过参照所有炉身压力数据能够知道产生了压力的紊乱的方向。此处，在成为计算Q统计量的前提的主成分分析中，各数据基于通过各数据的平均值以及标准偏差而标准化的数据来进行模型化。因此，Q统计量的判断不是设备固有的，能够根据设备通用的尺度进行异常判定。

另外，作为判断高炉炉内的通气状态的指标，存在通气阻力指数。通气阻力指数通过计算将风口的热风的吹入压力与炉顶的压力之差除以炉容积的值而获得。对于通气阻力指数而言，若设定阈值，则也能够判定运行异常。而且，通过取代风口的吹入压力而使用炉上部、中部、炉身下部的压力传感器的测定值将区域分为上部、中部、下部进行评价，也能够知道在哪个部位产生通气的异常。然而，其他生产基地的生产设备的规格各自不同的情况较多。此时，即便通过相同的指数评价运行状况，也可能难以瞬时判定是否存在异常。因此，对于从规格不同的同种的生产设备得到的指数而言，通过利用相同的尺度评价，能够降低错误判定的可能性。若考虑高炉，则由于高炉的体积、形状不同，所以设置压力传感器、温度计的位置、数量等也不同，因此，认为得到的指数、变动幅度在各个生产设备中不同。

因此，将从运行数据得到且判定设备的运行状况的指数作为第1指数，对过去的生产状况中认为设备正常的期间得到的第1指数的平均值进行计算。通过将依次得到的第1指数除以该平均值来计算第2指数，由此对相互不同的同种的生产设备的设备状况的比较变得容易，能够瞬时判定异常。需要说明的是，虽然计算平均值所使用的数据的期间也取决于生产设备的种类，但可以针对一个月～几个月左右的第1指数来计算平均值，而且在环境温度等受到影响那样的情况下，也可以考虑季节变动因素针对一年左右的期间的第1指数来计算平均值。另外，这样的向相同尺度的转换也可以是统计归一化即将从运行数据减去平均值的值除以标准偏差那样的方法。本说明书中，将这样的处理称为各种指标、运行数据的同一尺度化。上述的通气阻力指数、压力传感器之外的各种传感器观测量等可以进行同一尺度化而利用。

另外，期望从高炉出来的铁水的温度大致恒定，但在运行中产生了异常的情况下，有时铁水温度过低而导致铁水以及炉渣无法从铁水排出孔排出。这样的问题被称为炉冷事故，至恢复为止耗费较长时间，也导致产品的制造停滞，导致大幅减产。为了防止这样的事故，能够通过炉热指数TQ这样的指数判定运行异常。炉热指数TQ能够通过以下所示的数式(1)来计算。而且，对炉热指数TQ，与通气阻力指数的情况同样地设定阈值，在炉热指数TQ低于阈值的情况下判定为运行异常。

TQ＝(Q1+Q2)-(Q3+Q4+Q5+Q6)+(Q7-Q8-Q9)…(1)

此处，Q1表示送风显热，Q2表示风口尖端碳燃烧热，Q3表示送风水分分解热，Q4表示溶液损失反应热，Q5表示热损失，Q6表示PC(煤粉)分解热，Q7表示焦碳/熔融物带入显热，Q8表示生成气体带出显热，Q9表示焦碳带出显热。针对炉热指数，也由于高炉的炉体的构造上的不同给予影响，所以也可以与通气阻力指数同样地利用同一尺度化的炉热指数，以便能够各设备通用地进行比较。

全局数据服务器计算机5准备多个异常判定算法，依次评价从同一高炉得到的运行数据组。需要说明的是，也可以是，全局数据服务器计算机5通过对从当前的运行得到的元数据与也包含在其他生产基地得到的元数据的过去的元数据进行比较，提取过去的操作运行条件产生与当前的运行条件的规定时间的变化相似的变化的期间，基于提取出的期间的生产设备的运行状况，判定生产设备有无运行异常。此处，作为元数据，除了包括装入物分布、送风流量、富氧量、煤粉流量、焦碳比、送风水分、送风温度、送风压力等在内的运行条件之外，还可举出操作条件等。这些元数据也包括并保存将按每个设备而成为不同尺度的数据同一尺度化的数据，因此，即便设备不同也能够用于异常诊断。

另外，人也可以介入运行状况的判定。在该情况下，准备在判定为运行异常时输入运行异常的输入装置。由此，能够使表示判断为运行异常的情况下的异常的标签与时间序列数据同步地与时间印章一起记录。在这种情况下，根据不同的标签，能够记录各种异常状态。另外，也可以是，在全局数据服务器计算机5的异常判定处理负荷高的情况下，准备与全局数据服务器计算机5的正下方相连的异常判定用计算机，使异常判定用计算机执行异常判定处理。另外，也可以是，全局数据服务器计算机5通过将在步骤S6的处理中判定为高炉的运行状况正常时的运行数据组作为学习数据进行学习，构建以运行数据组为输入值且以高炉的运行状况的判定值为输出值的学习模型，基于通过将当前的运行数据组输入学习模型而输出的高炉的运行状况的判定值来判定高炉的运行状况。

并且，也可以是，使用使上述的人输入的异常标签和各设备中的运行指标(除通气阻力指数、炉热指数之外)、运行数据以及运行条件中的至少一个元数据同一尺度化的数据，构建用于异常诊断的机械学习模型，判定高炉的运行状况。通过表示运行的指数等将各设备特有的运行数据通用化，然后进行同一尺度化，能够基于利用了所有设备的数据的大量的数据而模型化。由此，即便在各个设备中产生频次低，也能够构建基于整体数据进行的异常判定的机械学习模型。由此，步骤S6的处理结束，设备监视处理进入步骤S7的处理。

在步骤S7的处理中，全局数据服务器计算机5对被判定为运行异常的高炉的运行操作人员通知与产生的异常的种类以及异常的产生部位相关的信息。例如在基于Q统计量、通气阻力的异常判定中，怀疑由于原料性状引起的可能性，在基于炉热指数的异常检测中，怀疑排渣性的异常等。被通知了高炉的运行状况的异常的运行操作人员迅速转移到用于恢复的行动。作为向运行操作人员的异常传递单元，能够例示出：在与相同的电通信线路连接的专用的个人计算机、平板终端等准备表示异常信息的画面并在在该画面显示异常信息的方法、利用邮件等向运行操作人员所拥有的移动电话、智能手机终端告知的方法。

需要说明的是，全局数据服务器计算机5也可以向各高炉的运行操作人员通知运行状况持续良好的状态还是正趋向恶化的方向等判定。另外，处于除产生异常的生产基地以外的生产基地的运行操作人员也可以采取用于处置产生异常的生产基地的异常的行动。并且，也可以是，预先决定针对产生了异常时的高炉的行动方式、操作量，由此能够自动执行行动。

另外，在产生了异常的情况下，认为引入有相同的生产设备的其他生产基地也可能产生同种的异常。另外，在不同的生产基地使用了相同的原料时，认为也可能在多个生产基地产生相同的异常。因此，期望异常信息不仅向产生了异常的生产基地，还向其他生产基地的运行操作人员作为提醒信息而传递。根据这样的处理，其他生产基地的运行操作人员或者设备担当者能够事先判断是否产生相同的异常，能够在产生大问题之前进行应对。由此，步骤S7的处理结束，一系列的设备监视处理结束。

以上，对应用了由本发明人完成的发明的实施方式进行了说明，但不是通过作为基于本实施方式的本发明的公开的一部分的叙述以及附图来限定本发明。即，由本领域技术人员等基于本实施方式完成的其他实施方式、实施例以及应用技术等也全部包含于本发明的范畴内。

工业上的可利用性

根据本发明，能够提供不需要许多人力且能够高精度地检测生产设备的运行异常并迅速处置运行异常的生产设备的监视方法、生产设备的监视装置以及生产设备的运行方法。

附图标记说明

1...生产设备的监视系统；2...高炉传感器；3...过程控制计算机；4...边缘服务器计算机；5...全局数据服务器计算机。

Claims (8)

1.一种生产设备的监视方法，对配置于多个生产基地的多个同种的生产设备的运行状况进行监视，

所述生产设备的监视方法的特征在于，包括：

数据信息整备步骤，在该步骤中，按每个生产基地集中生产设备的运行数据；

数据集成步骤，在该步骤中，将在所述数据信息整备步骤中集中的运行数据集成于被配置在数据集成地的计算机；

数据解析步骤，在该步骤中，使用在所述数据集成步骤中集成的当前的运行数据和过去的运行数据，对各生产设备的当前的运行状况进行解析；以及

运行状况判定步骤，在该步骤中，基于所述数据解析步骤的解析结果来判定各生产设备有无运行异常。

2.根据权利要求1所述的生产设备的监视方法，其特征在于，

所述运行数据的项目数、项目名称以及单位在生产设备间通用。

3.根据权利要求1或2所述的生产设备的监视方法，其特征在于，

所述运行状况判定步骤包括如下步骤：基于在所述数据解析步骤中从运行数据导出的指数来判定生产设备有无运行异常。

4.根据权利要求1～3中任一项所述的生产设备的监视方法，其特征在于，

所述数据信息整备步骤包括如下步骤：对元数据进行集中，所述元数据至少包括生产设备的得到了所述运行数据的时刻的运行条件数据，

所述数据集成步骤包括如下步骤：将在所述数据信息整备步骤中集中的元数据集成于所述计算机，

所述数据解析步骤包括如下步骤：通过对从当前的运行得到的元数据与还包括在其他生产基地得到的元数据在内的过去的元数据进行比较，提取过去的运行条件进行与当前的运行条件的规定时间的变化相似的变化的期间，

所述运行状况判定步骤包括如下步骤：通过在所述数据解析步骤中提取的期间的当前的运行数据与过去的运行数据的比较，判定生产设备有无运行异常。

5.根据权利要求1～4中任一项所述的生产设备的监视方法，其特征在于，

所述运行状况判定步骤包括如下步骤：使用同一尺度化的运行指标、运行数据以及运行条件中的至少一者的元数据来判定有无运行异常。

6.根据权利要求1～5中任一项所述的生产设备的监视方法，其特征在于，

包括：对集中的运行数据以及该运行数据的解析结果进行显示的步骤。

7.一种生产设备的监视装置，对配置于多个生产基地的多个同种的生产设备的运行状况进行监视，

所述生产设备的监视装置的特征在于，具备：

数据信息整备单元，其按每个生产基地集中生产设备的运行数据；

数据集成单元，其对由所述数据信息整备单元集中的运行数据进行集成；

数据解析单元，其使用由所述数据集成单元集成的当前的运行数据和过去的运行数据，对各生产设备的当前的运行状况进行解析；以及

运行状况判定单元，其基于所述数据解析单元的解析结果来判定各生产设备有无运行异常。

8.一种生产设备的运行方法，利用了权利要求1～6中任一项所述的生产设备的监视方法，

所述生产设备的运行方法的特征在于，包括如下步骤：

基于所述运行状况判定步骤中的判定结果来使生产设备运行。

Images