JPH0728770A

JPH0728770A - 知識生成装置

Info

Publication number: JPH0728770A
Application number: JP5195496A
Authority: JP
Inventors: Koji Yoshikawa; 幸司吉川
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 1993-07-13
Filing date: 1993-07-13
Publication date: 1995-01-31

Abstract

(57)【要約】【目的】熟練度の低いプラント等のオペレータに対し
て与える熟練したオペレータの運転支援用知識を、客観
的かつ定量的に決定する。【構成】オペレータ２が入出力装置１ａのプラントの
運転状態表示を判断してクラスタを決定する。この決定
結果は記録手段３に記録される。概念スケルトン算出手
段４は、記録手段３の記録データ３ａにもとづいて概念
スケルトン５を客観的かつ定量的に算出する。この概念
スケルトンが熟練したオペレータの運転支援用知識を作
り出す。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は、プラント等の運転を
行う熟練したオペレータの経験則にもとづいて、プラン
ト等を運転するオペレータに対し、故障診断、異常監視
及び運転等支援用知識による指示をする知識生成装置に
関するものである。

【０００２】

【従来の技術】従来の知識生成装置として、例えば「状
況認識のための共同作業モジュール」（島川博光、宇佐
見照男著、第６回ソフトウェア科学会大会予稿集、１９
８９年刊行）に記載された運転支援用知識生成装置があ
る。この装置は、例えば電力，鉄鋼など大規模プラント
において、動作中の異常を監視するために考えられたも
のである。大規模プラントでは、プラントの監視装置か
ら温度，圧力，電流，電圧などの多変量データが収集さ
れており、これらのデータの大きさは時刻とともに変化
している。したがって、熟練したオペレータは大規模プ
ラントの故障診断、異常監視、運転などを行うのに、観
測対象における時間軸上での状態遷移を常に認識してい
る。

【０００３】図２１は従来のプラントにおける運転支援
用知識生成装置の全体構成図である。図２１において、
１ａはプラントの運転状態を表示やデータの入力を行う
入出力装置、１ｂはプラント全体を制御する中央処理装
置（ＣＰＵ）、２は入出力装置１ａを監視しながら判断
し、そのプラントにおける観測対象の状況を示すクラス
タを決定し記述するオペレータ、６はプラントにおける
観測対象がどのような状態であるかを監視する複数のプ
ラントの監視装置である。これらのプラントの監視装置
６から送られてきたそれぞれの観測対象における状態
が、入出力装置１ａのＣＲＴ画面にプラントの運転状態
表示として表示されている。図２２はそのプラントの運
転状態表示として表示されるデータの構造を示す図であ
る。図２２において、１００は特徴変数であり、観測対
象からサンプルされた状態量を表現する変数である。こ
の特徴変数１００は、例えば時刻に伴って変化する温度
の変数Ｔ１，Ｔ２があるとすれば、この温度の変数Ｔ
１，Ｔ２を示している。１０１はインスタンスであり、
１つの観測対象からサンプルされた特徴変数１００の集
まりであり、観測対象の状態を表している。１０２は場
面であり、サンプル時刻とインスタンス１０１との組か
ら構成されている。１０３は時系列であり、場面１０２
を一定期間内で時間の順序に従って並べたもので、観測
対象のある期間での状態遷移を表すデータである。

【０００４】上記の特徴変数を認識するためのパターン
がスケルトンである。このスケルトンは、複数の概念ス
ケルトンと時系列スケルトンとからなる条件を満たすイ
ンスタンス１０１の集合であり、観測対象を状況認識す
るためのデータベースに記録されている。概念スケルト
ンは、プラントの多くの監視装置からの多種多様の多変
量データ（例えば、温度，電圧，電流等）を、「温度が
高く、電圧が正常な」と記述したり、「電圧が正常かつ
電圧が異常な」というように記述して、プラント等の観
測対象から取り込まれた１つのサンプルデータの状態を
判定する。観測対象の状況を示すクラスタの境界面が決
定されると、この決定によって概念スケルトンの成立を
示すぱパラメータの条件の定量的な決定がなされる。た
だし、この概念スケルトンはサンプルデータにおける時
間的変化の判定はできない。したがって、このようなた
めに時系列スケルトンが用意されている。時系列スケル
トンは、プラントの時間経過に伴う状態変化を示す条件
であり、いわゆる概念スケルトンを時間軸方向に並べた
ものに等しい。

【０００５】図２３は浴槽に温度の高い液体を入れる装
置におけるその液体の流入速度や温度の変化等を示した
スケルトンである。なお、この図２３の例では、その液
体の各操作量・被制御量の実績値と、その液体の流入速
度や温度の設定値とにおける前回のサンプルデータの変
化量が記録されているものとする。図２３において、１
０３は概念であり、概念ｔａｎｋはその液体の流入速度
や温度の変化等を記録するための特徴変数を示してい
る。１０４，１０５は概念スケルトン，時系列スケルト
ンであり、観測対象である浴槽を表すｔａｎｋと、その
液体の操作量である流入速度が操作限界値から流れる状
態までの遷移を示している。各スケルトンの記述につい
て、概要を説明すると以下のようになる。概念１０３で
は、まず、特徴変数ｔａｎｋにおける特徴変数の型を記
述する。例えば、ｉｎｔ（整数型）又はｆｌｏａｔ（実
数型）等である。次に、その液体の操作量，流入速度，
温度における変数名を記述する。例えば、ｃ＿ｆｂ、ｖ
ｘ＿ｆｂ、ｔｍｐ＿ｃｈｇ等である。更に、それら変数
の取りうる値の範囲を記述する。例えば、ｃ＿ｆｂ：＞
＝１０，＜＝１００等であり、この場合は変数ｃ＿ｆｂ
が１０から１００までの値を示している。次に、概念ス
ケルトン１０４では、特徴変数ｔａｎｋに対応するクラ
スタや不等式とその論理積・論理和・査定で表されてい
る。例えば、ｎｏｍａｌ，ｒｅｐａｉｒａｂｌｅ，ｔｍ
ｐＩｎｃｒｅｍｅｎｔｅｄが概念スケルトンの形容詞で
あるクラスタであり、ｃ＿ｆｂ：＞＝３０，＜＝４０；
が不等式である。すなわち、変数ｃ＿ｆｂのサンプルデ
ータが＞＝３０，＜＝４０の条件を満たした場合に、ク
ラスタがｎｏｍａｌに判断されることを示している。更
に、時系列スケルトン１０５では、特徴変数ｔａｎｋの
時系列スケルトンｔｏＢｅＲｅｐａｉｒｅｄが時間経過
とともに遷移する状態を示している。例えば、４５秒間
の特徴変数ｔａｎｋは、０秒時（ａｔ（０））には概念
スケルトンｔｍｐＩｎｃｒｅｍｅｎｔｅｄの状態であ
り、０から３０秒までは概念スケルトンｎｏｍａｌの状
態であり、３０秒から４５秒までは概念スケルトンＲｅ
ｐａｉｒａｂｌｅの状態であるということである。

【０００６】次に、従来の運転支援用知識生成装置にお
ける動作について図２１〜図２３を参照して説明する。
プラント運転の経験の長い熟練したオペレータ２は、ま
ず、プラントの監視装置６からサンプルされた時系列の
場面毎に、入出力装置１ａを監視しながら場面毎にマッ
チするｎｏｍａｌ（通常）、ｒｅｐａｉｒａｂｌｅ（修
復）等を決定して記述する。また、時系列スケルトン１
０５についても同様に記述する。この記述は、例えば入
出力装置１ａとオペレータ２とが対話（インタビュー）
しながら行われる。これにより、各場面にマッチする概
念スケルトンが判明する。この結果、この概念スケルト
ン１０４は、例えばプラントの監視装置６から入力され
たサンプルデータにおける操作量の変数ｃ＿ｆｂの大き
さが３５である場合、その変数の取りうる値が＞＝３
０，＜＝４０の範囲であるので、そのクラスタをｎｏｍ
ａｌ（通常）と判断して、実際にプラントを運転する経
験の浅いオペレータ２に伝える。オペレータ２は、その
結果を見てプラントに対して所定の運転操作を行う。ま
た、時系列スケルトン１０５においても、上記と同様
に、例えば観測対象となる特徴変数ｔａｎｋが０秒から
３０秒までの間に、上述した概念スケルトン１０４の＞
＝３０，＜＝４０の条件を満たすとき、そのクラスタを
ｎｏｍａｌ（通常）と判断してオペレータ２に伝える。
次に、オペレータ２は、伝えられたクラスタｎｏｍａｌ
（通常）すなわち概念スケルトン１０４が時系列スケル
トン１０５に指定された概念スケルトンと一致している
か否かを検査する。そして、オペレータ２は、この操作
を時系列スケルトン１０５内のすべての概念スケルトン
１０４に対して行い、すべてが一致すれば、時系列スケ
ルトン１０５にマッチすると判定する。以上の操作によ
り、オペレータ２はプラントの観測対象における状態遷
移の特徴を表している時系列スケルトンと図２２の時系
列１０３とがマッチするか否かを判定できる。

【０００７】

【発明が解決しようとする課題】従来の運転支援用知識
生成装置では、運転支援用知識の構成要素である概念ス
ケルトン（クラスタの境界）の記述を、熟練したオペレ
ータがパーソナルコンピュータ等で対話（インタビュ
ー）しながら自分の主観により行っていた。したがっ
て、オペレータによる自分の主観が加えられるため、客
観的な基準にもとづく知識記述がなされず、定量的な運
転支援用知識の性能判定が不可能であるという問題点が
あった。また、これらの運転支援用知識を用いて、熟練
度の低いオペレータを教育する場合、その知識を目で確
認できないため、なかなか理解できないという問題点も
あった。

【０００８】この発明は、このような課題を解消するた
めになされたもので、オペレータが運転支援用知識の作
成を、インタビューによって行う場合に、オペレータの
主観に頼ることなく客観的かつ定量的に作成できる知識
生成装置を得ることを目的とする。また、オペレータに
より作成された運転支援用知識の性能判定ができ、さら
にその運転支援用知識を表示して熟練度の低いオペレー
タへの教育が容易に行える知識生成装置を得ることを目
的とする。

【０００９】

【課題を解決するための手段】この第１の発明に係る知
識生成装置は、図１で示すように、プラントにおけるサ
ンプルデータのサンプル時刻及び多変量データを記録す
るとともに、オペレータによるクラスタの判定結果を記
録する記録手段３と、この記録手段３の記録データをク
ラスタ毎に分類してこのクラスタ毎の統計量を算出し、
この算出結果にマハラノビス平方距離の算出を含む演算
を行ってクラスタの境界面を決定する知識算出手段（概
念スケルトン算出手段４）とを備える構成とした。この
第２の発明に係る知識生成装置は、図１５で示すよう
に、知識算出手段（概念スケルトン算出手段４）による
境界面の判定結果と記録手段３による記録データの判定
結果とにもとづいて、オペレータへの支援用知識による
判別の性能を定量的に求める判別性能判定手段７を、上
記第１の発明の構成にさらに備える構成とした。この第
３の発明に係る知識生成装置は、図１８で示すように、
知識算出手段（概念スケルトン算出手段４）により決定
された境界面を視覚的に確認できるように表示する支援
用知識表示手段８を備える構成とした。

【００１０】

【作用】この第１の発明による知識生成装置は、以下の
ように作用する。まず、プラント等の各観測対象からサ
ンプルデータが集められ、ＣＲＴ等に表示される。オペ
レータはそのサンプルデータの表示を見て、観測対象の
クラスタを決定する。次に、記録手段３により、上記サ
ンプルデータにおけるサンプル時刻及び多変量データを
記録するとともに、オペレータによるクラスタを含む判
定結果を記録する。さらに、知識算出手段（概念スケル
トン算出手段４）により、記録手段の記録データをクラ
スタ毎に分類してこのクラスタ毎の統計量を算出し、こ
の算出結果にマハラノビス平方距離の算出を含む演算を
行ってクラスタの境界面を決定する。この境界面によ
り、サンプルデータから観測対象の状況を判断するオペ
レータへの支援用知識が生成される。この第２の発明に
よる知識生成装置は、判別性能判定手段７が、知識算出
手段（概念スケルトン算出手段４）による境界面の判定
結果と記録手段３で記録されたオペレータの判定結果と
にもとづいて、上記境界面による支援用知識の判別性能
を定量的に求めることにより作用する。この第３の発明
による知識生成装置は、支援用知識表示手段８が知識算
出手段（概念スケルトン算出手段４）により決定された
境界面をＣＲＴ等の座標上で表示することにより作用す
る。そして、熟練度の浅いオペレータに対し、その境界
面を視覚的に確認させる。

【００１１】

【実施例】次に、この発明の実施例を図にもとづいて説
明する。図１は、この第１の発明の一実施例（実施例
１）を示すプラントにおける運転支援用知識生成装置の
全体構成図である。図１において、１ａはプラントの運
転状態の表示やデータの入力を行う端末、１ｂはＣＰＵ
（中央処理装置）、２は入出力装置１ａを監視してサン
プルデータのクラスタを判断するオペレータ、３はオペ
レータ２によって判断されたクラスタを含むデータ（サ
ンプルデータのサンプル時刻及び多変量データ）を記録
する記録手段、４は記録手段３の記録データ３ａから概
念スケルトンを客観的かつ定量的に生成する知識算出手
段としての概念スケルトン算出手段、５はプラントの運
転支援用知識のもととなる概念スケルトンである。

【００１２】図２は図１の概念スケルトン算出手段を詳
細に示す機能ブロック図である。図２において、３１Ａ
は記録手段３から入力した記録データ３ａにもとづき、
サンプルデータをクラスタ毎に分類するデータ分類手
段、３２Ａはこのクラスタ毎に分類されたサンプルデー
タから統計量を算出する統計量算出手段、３３Ａはその
統計量からマハラノビス平方距離を算出する平方距離算
出手段、３４Ａはその算出結果から５のもととなるクラ
スタの境界面を決定する境界面決定手段である。

【００１３】図３，図４はこの実施例１の装置における
動作を示すフローチャートである。次に、この実施例１
の装置における動作を図３，図４のフローチャートを参
照して説明する。まず、プラントの監視装置６からプラ
ントの観測対象におけるサンプルデータがＣＰＵ１ｂに
取り込まれ（ステップＳ２１）、入出力装置１ａに表示
される（ステップＳ２２）。熟練したオペレータ２は表
示されたサンプルデータを見て、例えば、「温度が低
い」、「温度が通常」等の形容詞のクラスタを判断して
（ステップＳ２３）、入出力装置１ａのキーボード等か
ら記述する。この記述は、サンプルデータのサンプル時
刻（観測時刻）、多変量データとともに入出力装置１
ａ、ＣＰＵ１ｂを介して、記録手段３に記録される（ス
テップＳ２４）。次に、記録手段３から出力された記録
データ３ａは概念スケルトン算出手段４に入力される。
概念スケルトン算出手段４では、データ分類手段３１Ａ
が記録データ３ａをクラスタ毎に分類し（ステップＳ３
１）、統計量算出手段３２Ａが分類された記録データ３
ｂからクラスタ毎の多変量データの統計量を算出する
（ステップＳ３２）。この統計量は、重心ベクトルや分
散共分散行列の演算により行う。この重心ベクトルの演
算式は、

【００１４】

【数１】

【００１５】上記（１）式で表される。また、分散共分
散行列の演算式は、

【００１６】

【数２】

【００１７】上記（２）式で表される。次に、平方距離
算出手段３３Ａが任意の多変量データの任意の値につい
て、各クラスタ毎の重心ベクトルからのマハラノビス平
方距離を求める（ステップＳ３３）。ここで、マハラノ
ビス平方距離は、多変量データの値の関数となってお
り、このマハラノビス平方距離を求める演算式は、

【００１８】

【数３】

【００１９】上記（３）式で表される。次に各クラスタ
間の境界面を決定する（ステップＳ３４）。この境界面
を決定する際には、マハラノビス平方距離が最小となる
クラスタに多変量データの値を分類し、多変量空間内の
すべての多変量データの値について属するクラスタを決
定する。そして、概念スケルトンの多変量空間内での境
界面が決定され、運転支援用知識が生成される。

【００２０】図５は、例えば冷却装置の簡単なプラント
の具体的な構成を示す回路ブロック図である。図５にお
いて、５０は温度を検出するセンサＡ，Ｂ、５１はコン
トローラ、５２はドライバ、５３はファンである。セン
サＡ５０は発熱体を冷却する入口の温度を検出し、セン
サＢ５０は発熱体を冷却した出口の温度を検出してい
る。５１はセンサ５０Ａ，５０Ｂにより検出された結果
にもとづいて、ドライバ５２を制御し、ファン５３の回
転数を変化させて発熱体を冷却する制御を行うコントロ
ーラである。図６は図５の冷却装置の各部におけるサン
プルデータ時刻、多変量データ（温度）、オペレータの
判断（クラスタ）を示した図である。図６において、６
０はサンプルデータをサンプルした時刻、６１は図５の
冷却装置において、センサ５０Ａで検出された温度Ｔ１
（＝ｘ１）の変化を示し、６２はその冷却装置におい
て、センサ５０Ｂで検出された温度Ｔ２（＝ｘ２）の変
化を示し、６３は熟練したオペレータの判断を示してい
る。

【００２１】次に、図５の冷却装置にこの実施例１の装
置を使用した場合の動作について説明する。まず、図１
において、プラントの監視装置６は図５の冷却装置にお
けるセンサ５０Ａ，５０Ｂで検出された温度を一定の時
刻ごとに監視する。これらの時刻ごとの温度データはＣ
ＰＵ１ｂに取り込まれ（図３のステップＳ２１）、入出
力装置１ａに表示される。この表示は、例えば図６のよ
うに表示される（図３のステップＳ２２）。オペレータ
２はこれらの時刻ごとの温度データを見ながら、クラス
タの判断を行い、（図３のステップＳ２４）、その判断
結果を記述して入出力装置１ａから入力する。この記述
結果が図６のオペレータの判断６３である。図６のデー
タ、すなわちサンプルデータのサンプル時刻（時刻６
０）、多変量データ（温度Ｔ１，Ｔ２）、オペレータの
判断結果（オペレータの判断６３）が記録手段３に記録
される（図３のステップＳ２４）。

【００２２】次に、図２において、３１Ａがその記録デ
ータ３ａを分類する。この分類は、オペレータによる判
断ごとに分類して行われる（図４のステップＳ３１）。
すなわち、時刻１３：４０：１０から時刻１３：１４：
４０までの温度Ｔ１，Ｔ２がクラスタの「ホット」、時
刻１３：４０：５０から時刻１３：４１：２０までがク
ラスタの「ノーマル」である。この結果、ホット｛ｘ１
（Ｔ１），ｘ２（Ｔ２）は、

【００２３】

【数４】

【００２４】上記（４）式となり、ノーマル｛ｘ１（Ｔ
１），ｘ２（Ｔ２）は、

【００２５】

【数５】

【００２６】上記（５）式となる。次に、（１），
（２）式を用いて、クラスタ毎の統計量を算出する（図
４のステップＳ３２）。ここでサンプル数Ｓ＝４であ
る。この結果、（１）式により、クラスタがホットの場
合における重心ベクトルχ（バー）は、

【００２７】

【数６】

【００２８】上記（６）式となる。次に、（２）式を用
いて、クラスタがホットの場合における分散共分散行列
Ｃの要素ｃ１１，ｃ２２，ｃ１２，ｃ２１を算出する。
この算出結果は、

【００２９】

【数７】

【００３０】上記（７），（８）式となり、分散共分散
行列Ｃの算出結果は、

【００３１】

【数８】

【００３２】上記（９）式となる。同様にして、クラス
タがノーマルにおける統計量を（１），（２）式を用い
て算出すると、クラスタがノーマルの場合の重心ベクト
ルχ（バー）、分散共分散行列Ｃは、

【００３３】

【数９】

【００３４】上記（１０）式となる。次に、各クラスタ
のマハラノビス平方距離を式（３）を用いて算出する。
この結果、クラスタがホットの場合のマハラノビス平方
距離Ｄの２乗は、

【００３５】

【数１０】

【００３６】上記（１１）式となる。また、クラスタが
ノーマルの場合のマハラノビス平方距離Ｄの２乗は、

【００３７】

【数１１】

【００３８】上記（１２）式となる。これらクラスタが
ホットの場合、ノーマルの場合のマハラノビス平方距離
の算出結果から大小を比較し、この算出結果からクラス
タの境界面を決める（図４のステップＳ３４）。したが
って、マハラノビス平方距離Ｄの２乗の大小比較が

【００３９】

【数１２】

【００４０】上記（１３），（１４）式の関係を満たす
とき、マハラノビス平方距離Ｄの２乗は、

【００４１】

【数１３】

【００４２】上記（１５），（１６）式を満たす。これ
らの結果、図５の冷却装置の温度がＴ１（ｘ１）≦Ｔ２
（ｘ２）を満たすときはホット、その温度がＴ１（ｘ
１）＜Ｔ２（ｘ２）を満たすときはノーマルとなり、図
１の概念スケルトン５は、図７，８のように記述され
る。図７の概念スケルトンでは温度Ｔ１（ｘ１）≦Ｔ２
（ｘ２）の条件のとき、ホット（ｈｏｔ）と記述されて
おり、図８の概念スケルトンでは温度Ｔ１（ｘ１）＞Ｔ
２（ｘ２）の条件のとき、ノーマル（ｎｏｍａｌ）と記
述されている。また、クラスタの境界面を座標軸上に示
すと図９のように示される。図９において、６４はホッ
ト領域、６５はノーマル領域、６６は境界面（温度Ｔ１
（ｘ１）＝Ｔ２（ｘ２）であり、ｘ軸，ｙ軸はｘ１，ｘ
２におけるサンプルデータを示している。このように作
成された概念スケルトンにより、図５の冷却装置からあ
る時刻のサンプルデータ、例えば温度Ｔ１＝４０°Ｃ、
Ｔ２＝３０°Ｃのサンプルデータが運転支援用知識生成
装置に入力されると、概念スケルトンによるクラスタの
境界面の温度Ｔ１（ｘ１）＞Ｔ２（ｘ２）の条件から、
クラスタがノーマルと判断され、図１のオペレータ２に
入出力装置１ａから示される。オペレータ２は、このク
ラスタを見ながら図５の冷却装置に対して所定の処理を
する。

【００４３】以上、簡単な冷却装置のプラントに実施例
１の運転支援用知識生成装置を使用した場合について述
べたが、実際の大規模プラントでは、サンプルデータの
数も非常に多い。次に、実施例１の装置を一般用プラン
トに用いた場合について、簡単に説明する。まず、図１
０が図１の記録手段３による記録結果であり、図３のフ
ローチャートではステップＳ２４の処理結果である。図
１０において、７０はサンプルデータのサンプル時刻の
時刻変数であり、変数Ｘｔ＝０〜Ｘｔ＝５が記述されて
いる。７１は時刻であり、７０の変数Ｘｔ＝０〜Ｘｔ＝
５のそれぞれに対応している。７２は多変量データであ
り、時刻に対応してｘ１＝１４．０〜ｘｎ＝１３４．０
のｎ個の多変量データがある。７３はオペレータによる
クラスタの判断であり、ＣＯＯＬ（冷たい）、ＮＯＭＡ
Ｌ（通常）、ＨＯＴ（熱い）である。次に、図４のステ
ップＳ３１の処理により、記録データがクラスタ毎に分
類される。この結果、図１１のように、クラスタがＨＯ
Ｔ（熱い）のものがＸｔ＝３，Ｘｔ＝４、クラスタがＮ
ＯＭＡＬ（通常）のものがＸｔ＝２，Ｘｔ＝５、クラス
タがＣＯＯＬ（冷たい）のものがＸｔ＝０，Ｘｔ＝１に
分類される。

【００４４】次に、図４のステップＳ３２の処理によ
り、分類されたクラスタ毎の統計量を図１２のフローチ
ャートに従って算出する。まず、サンプルデータの個数
Ｋ＝０、重心ベクトルχ（バー）＝０の初期設定を行い
（ステップＳ４１）、Ｋ＝Ｋ＋１の和の演算を行う（ス
テップＳ４２）。次に、上述した式（１）にもとづく演
算、

【００４５】

【数１４】

【００４６】すなわち、上記（１７）式の演算を行う
（ステップＳ４３）。そして、Ｋ＝Ｓか否かを判断し、
ＹＥＳであれば終了し、ＮＯであればステップＳ４２に
戻る。次に、統計量である分散共分散行列Ｃを求める。
この行列の求め方を示したのが図１３のフローチャート
である。図１３において、まず、サンプルデータ数Ｋ＝
０、分散共分散行列Ｃの要素Ｃｉｊ＝０の初期設定を行
い（ステップＳ５１）、Ｋ＝Ｋ＋１の和の演算を行う
（ステップＳ５２）。次に上述の（２）式にもとづく演
算、

【００４７】

【数１５】

【００４８】すなわち、上記（１８）式の演算を行う
（ステップＳ５３）。そしてＫ＝Ｓか否かを判断し（ス
テップＳ５４）、ＹＥＳであれば終了し、ＮＯであれば
ステップＳ５２に戻る。次に、ステップＳ３３の処理、
すなわち各クラスタのマハラノビス平方距離の算出を図
１４のフローチャートに従って行う。まず、分散共分散
行列Ｃの要素すなわちインデックスを示す数ｉ＝ｊ＝
０、マハラノビス平方距離Ｄｍの２乗＝０の初期設定を
行う（ステップＳ６１）。次に、ｊ＝ｊ＋１、ｉ＝ｉ＋
１の和の演算を行い（ステップＳ６２，Ｓ６３）、上述
の（３）式にもとづく演算、

【００４９】

【数１６】

【００５０】すなわち、上記（１９）式の演算を行う
（ステップＳ６４）。次に、ｉ＝ｎか否かを判断し、Ｙ
ＥＳの場合はステップＳ６６に進み、ＮＯの場合はステ
ップＳ６３の処理に戻る。同様に、ｊ＝ｎか否かを判断
し、ＹＥＳの場合は終了し、ＮＯの場合はステップＳ６
２の処理に戻る。

【００５１】図１５はこの第２の発明の一実施例（実施
例２）を示すプラントの運転支援用知識生成装置であ
る。図１５において、７は知識生成手段としての概念ス
ケルトン４によるクラスタの境界面と記録手段３の記録
データ３ａによるオペレータの状況判断結果にもとづい
て、上記境界面による支援用知識の判別の性能を定量的
に求める判別性能判定手段である。他の部分は、実施例
１の装置と同じであり、同符号を付している。この判別
性能判定手段の更に詳細な機能ブロック図が図１６であ
る。図１６において、８０は記録データ３ａから多変量
データを入力する多変量データ入力手段、８１はその記
録データ３ａのオペレータによる判定結果すなわちクラ
スタを入力するオペレータ判定結果入力手段、８２はク
ラスタによりサンプルデータが判定された判定結果を入
力するクラスタによる判定結果入力手段、８３は多変量
データ入力手段８０，オペレータ判定結果入力手段８
１，クラスタによる判定結果入力手段８２から図１７に
示すような誤判別マトリクスを生成する誤判別マトリク
ス生成手段、８４は誤判別マトリクス生成手段８３で生
成されたマトリクスを用いて演算し、誤判別率Ｐｉｊを
算出するＰｉｊ算出手段である。図１７は判別性能判定
手段７により生成され、誤判別率を算出するマトリクス
の一例を示す図である。図１７のマトリクスは、記録さ
れた多変量データを概念スケルトンのクラスタの境界面
に従って分類した結果を示している。図１７において、
８５はその境界面より判定されたクラスタのインデック
スを示し、８６はオペレータによる判定のクラスタのイ
ンデックスを示している。この図において、クラスタ数
（ｉ，ｊ）は３となっている。クラスタ１に属するサン
プルデータの個数は、１行目が３５＋１０＋５＝５０個
であり、境界面は、５０個のうち３５個をクラスタに、
１０個をクラスタに、５個をクラスタ３と判定してい
る。そして、マトリクスの各成分は、記録データ３ｂの
オペレータによる判定結果と図１５の概念スケルトン算
出手段４により得られた概念スケルトンの境界面による
判定結果との対応関係を示している。また、マトリクス
の対角成分は、記録データ３ｂのオペレータによる判定
結果と概念スケルトン算出手段４より得られた境界面に
よる判定が全く同じデータの数を示している。従って、
マトリクスの対角成分の数が多いほど、境界面による判
定の的中精度が高いことになる。

【００５２】次に、この実施例２の装置の動作について
説明する。プラントのサンプルデータから５を生成する
までは実施例１の装置の動作と同じである。次に、判別
性能判定手段７は概念スケルトン算出手段４で作成され
た概念スケルトンのクラスタによる境界面による判定結
果と、記録手段３からの記録データ３ｂによるオペレー
タの判定結果を入力する。判別性能判定手段７では、多
変量データ入力手段８０が記録データ３ｂから多変量デ
ータを入力し、オペレータ判定結果入力手段８１が記録
データ３ｂからオペレータの判定結果を入力し、クラス
タによる判定結果入力手段８２が概念スケルトン５から
クラスタによるサンプルデータの判定結果を入力する。
そして、誤判別マトリクス生成手段８３は図１７で示す
誤判別表示マトリクスを生成する。Ｐｉｊ算出手段８４
はこの誤判別表示マトリクスにもとづき、

【００５３】

【数１７】

【００５４】上記（２０）式による演算を行い、概念ス
ケルトン算出手段により決定されたクラスタの境界面に
よる判定の性能を、定量的に示す指標となるＰｉｊを算
出する。また、誤判別マトリクスを分子として算出する
ものにＰｉｉ（ｉ＝１，２，・・・，Ｋ）があるが、こ
れは正答率を示しており、クラスタの境界面による判定
の的中精度を示している。したがって、Ｐｉｉは高けれ
ば高いほどよい。一方、Ｐｉｊ（ｉ≠ｊ）はクラスタの
境界面による判定の誤判別精度を示している。図１７の
例にもとづいて式（１８）を用いてＰｉｉ，Ｐｉｊを計
算すると、次のようになる。ＰｉｉはＰ１１（％）＝
｛３５／（３５＋１０＋５）｝×１００＝７０（％）、
またＰｉｊは、Ｐ１２（％）＝｛１０／（３５＋１０＋
５）｝×１００＝２０（％）、Ｐ１３（％）＝｛５／
（３５＋１０＋５）｝×１００＝１０（％）・・・，で
ある。このＰｉｊにより、従来の手法では得られなかっ
た概念スケルトンの実データ判定性能いわゆる運転支援
用知識の判定性能を定量的に求めることができる。

【００５５】図１８はこの第３の発明の一実施例（実施
例３）を示すプラントの運転支援用知識生成装置であ
る。図１８において、８は概念スケルトン５のクラスタ
の境界面を座標軸上に表示する運転支援用知識生成装置
である。他の部分の機能は実施例１の装置と同じであ
り、実施例１と同符号を付している。図１９は運転支援
用知識表示手段８の詳細な機能ブロック図である。９０
は記録手段３からの多変量データを記憶する多変量デー
タ記憶手段、９１は概念スケルトンにおけるクラスタの
境界面、名称、統計量等を記憶する記録手段、９２は多
変量データ記録手段９０や記録手段９１のデータを表示
する座標のスケールをオペレータ２が選択する座標軸選
択手段、９３はサンプルデータのプロット期間が指示さ
れるとそのプロット期間にもとづいて、座標軸選択手段
９２で選択された座標を合成する表示座標合成手段、９
４は表示座標合成手段９３からのデータにもとづいて図
１８の入出力装置１ａに表示する表示手段である。この
表示手段９４による入出力装置１ａへの表示例を示した
のが図２０である。図２０において、９５は入出力装置
１ａの運転支援用知識表示画面、９６は座標選択表示入
力部、９７はプロット期間を入力するプロット期間入力
部、９８はクラスタの境界面が表示された座標である。

【００５６】次に、この実施例３の装置における動作に
ついて図１８〜図２０を参照して説明する。記録手段３
の記録データ３ｂが運転支援用知識表示手段８に入力さ
れると、多変量データ記憶手段９０には時系列の多変量
データが記憶される。一方、記憶手段９１には概念スケ
ルトン算出手段４による概念スケルトン５のクラスタの
境界面、名称及び統計量を記憶する。このとき表示可能
な多変量は、平面画面出力であるので２変量である。オ
ペレータ２は座標軸選択入力部９６から２変量の組にお
ける座標を指示する。この指示は入出力装置２ａから運
転支援用知識表示手段８の座標軸選択手段９２に入力さ
れる。また、オペレータはプロット期間入力部９７から
運転支援用知識表示手段８の表示座標合成手段９３に対
して開始時間や終了時間の時系列のプロット期間を指示
する。表示座標合成手段９３は座標軸選択手段９２から
の座標データを合成し、表示手段９４は入出力装置１ａ
に座標の表示を指示する。この結果、図２０の運転支援
用知識表示画面９５に座標９８及びクラスタの境界面９
８ａが表示される。この表示によって経験の浅いオペレ
ータは、熟練オペレータの判断した概念スケルトンの境
界面を視界的に確認することができ、実際の運転の参考
にすることが可能となる。

【００５７】

【発明の効果】この第１の発明によれば、オペレータへ
の支援用知識を生成するもととなるクラスタの境界面
を、オペレータの主観に頼ることなく客観的かつ定量的
に決定できる構成としたため、各オペレータの主観によ
って異なる上記境界面が統一でき、信頼性の高いオペレ
ータへの支援用知識を得ることができる効果がある。こ
の第２の発明によれば、クラスタの境界面による支援用
知識の判別の性能を定量的に求めることができる構成と
したため、上記の第１の発明の効果に加えて、その支援
用知識がどれほどの性能をもつかを定量的に評価できる
効果がある。この第３の発明によれば、クラスタの境界
面をＣＲＴ等に表示することができる構成としたため、
上記の第１の発明の効果に加えて、熟練度の浅いオペレ
ータがそのクラスタの境界面を視覚的に確認することに
より、経験の必要な支援用知識を合理的に得ることがで
きる効果がある。

【図面の簡単な説明】

【図１】この第１の発明による一実施例を示すプラント
の運転支援用知識生成装置の全体構成図である。

【図２】図１の装置における概念スケルトン算出手段の
機能ブロック図である。

【図３】図１の装置における動作を示すフローチャート
である。

【図４】図１の装置における動作を示すフローチャート
である。

【図５】図１の装置に使用される具体的なプラントの回
路ブロック図である。

【図６】図５のプラントの具体的なプラントデータを示
す図である。

【図７】図１の装置を図５のプラントに使用して得られ
る概念スケルトンの記述例を示す図である。

【図８】図７と同様に、概念スケルトンの記述例を示す
図である。

【図９】図７，図８の概念スケルトンにもとづき、サン
プルデータを座標上に示した図である。

【図１０】図１の装置に使用される一般的なプラントに
よる具体的なサンプルデータを示す図である。

【図１１】図１０のサンプルデータをクラスタ毎に分け
た場合の図である。

【図１２】図１０のサンプルデータを用いて、クラスタ
毎の統計量を算出する場合のフローチャートである。

【図１３】図１２と同様に、クラスタ毎の統計量を算出
する場合のフローチャートである。

【図１４】図１０のプラントデータを用いて、各クラス
タのマハラノビス平方距離を算出する場合のフローチャ
ートである。

【図１５】この第２の発明の一実施例を示すプラント運
転知識生成装置の全体構成図である。

【図１６】図１５の装置における判別性能判定手段の機
能ブロック図である。

【図１７】図１６の判別性能判定手段で生成された誤判
別表示マトリクスを示す図である。

【図１８】この第３の発明による一実施例を示すプラン
トの運転用知識生成装置の全体構成図である。

【図１９】図１８の装置における運転支援用知識表示手
段の機能ブロック図である。

【図２０】図１９の運転支援用知識表示手段による表示
例を示す図である。

【図２１】従来のプラントの運転支援用知識生成装置の
全体構成図である。

【図２２】図２１の装置におけるデータ構造を説明する
ための図である。

【図２３】従来のプラントの運転支援用知識生成装置に
おける概念，概念スケルトン，時系列スケルトンを説明
するための図である。

【符号の説明】

１ａ入出力装置１ｂＣＰＵ２オペレータ３記録手段３ａ，３ｂ記録データ４概念スケルトン算出手段５概念スケルトン６プラントの監視装置７判別性能判定手段８運転支援用知識表示手段３１Ａデータ分類手段３２Ａ統計量算出手段３３Ａ平方距離算出手段３４Ａ境界面決定手段８０多変量データ入力手段８１オペレータ判定結果入力手段８２クラスタによる判定結果入力手段８３誤判別マトリクス生成手段８４Ｐｉｊ算出手段９０多変量データ記憶手段９１記憶手段９２座標軸選択手段９３表示座標合成手段９４表示手段

Claims

【特許請求の範囲】

【請求項１】オペレータにより、表示された観測対象
のサンプルデータからその観測対象の状況を示すクラス
タが決定されると、この決定された結果にもとづき、そ
のクラスタの境界面を客観的かつ定量的に決定してオペ
レータへの支援用知識を生成する知識生成装置であっ
て、上記サンプルデータのサンプル時刻及び多変量デー
タを記録するとともに、オペレータによるクラスタを含
む判定結果を記録する記録手段と、この記録手段の記録
データをクラスタ毎に分類してこのクラスタ毎の統計量
を算出し、この算出結果にマハラノビス平方距離の算出
を含む演算を行って上記クラスタの境界面を決定する知
識算出手段とを備えたことを特徴とする知識生成装置。
【請求項２】オペレータにより、表示された観測対象
のサンプルデータからその観測対象の状況を示すクラス
タが決定されると、この決定された結果にもとづき、そ
のクラスタの境界面を客観的かつ定量的に決定してオペ
レータへの支援用知識を生成する知識生成装置であっ
て、上記サンプルデータのサンプル時刻及び多変量デー
タを記録するとともに、オペレータによるクラスタを含
む判定結果を記録する記録手段と、この記録手段の記録
データをクラスタ毎に分類してこのクラスタ毎の統計量
を算出し、この算出結果にマハラノビス平方距離の算出
を含む演算を行って上記クラスタの境界面を決定する知
識算出手段と、この知識算出手段によるクラスタの境界
面の判定結果と上記記録データのオペレータによる判定
結果とにもとづいて、上記境界面による支援用知識の判
別の性能を定量的に求める判別性能判定手段とを備えた
ことを特徴とする知識生成装置。
【請求項３】オペレータにより、表示された観測対象
のサンプルデータからその観測対象の状況を示すクラス
タが決定されると、この決定された結果にもとづき、そ
のクラスタの境界面を客観的かつ定量的に決定してオペ
レータへの支援用知識を生成する知識生成装置であっ
て、上記サンプルデータのサンプル時刻及び多変量デー
タを記録するとともに、オペレータによるクラスタを含
む判定結果を記録する記録手段と、この記録手段の記録
データをクラスタ毎に分類してこのクラスタ毎の統計量
を算出し、この算出結果にマハラノビス平方距離の算出
を含む演算を行って上記クラスタの境界面を決定する知
識算出手段と、上記境界面を表示する支援用知識表示手
段とを備えたことを特徴とする知識生成装置。