本文へジャンプ

成果報告書詳細
管理番号20190000000395
タイトル平成29年度―平成30年度成果報告書 IoTを活用した新産業モデル創出基盤整備事業 IoT技術を活用した新たな産業保安システムの開発 各種データ(設備、運転、点検、テキスト、環境、熟練従業員のノウハウ等)の活用により保安を高度化するシステムの構築 高精度損傷予測モデルの研究開発
公開日2019/5/24
報告書年度2017 - 2018
委託先名日揮プラントイノベーション株式会社
プロジェクト番号P17003
部署名IoT推進部
和文要約件名:平成29年度―平成30年度成果報告書 IoTを活用した新産業モデル創出基盤整備事業/研究開発項目〔2〕IoT技術を活用した新たな産業保安システムの開発/各種データ(設備、運転、点検、テキスト、環境、熟練従業員のノウハウ等)の活用により保安を高度化するシステムの構築 高精度損傷予測モデルの研究開発

[1]事業目的
 設備保全現場において、経験の浅い技術者を補助する仕組みを構築するために、ビッグデータ解析を取り入れた配管内面腐食予測モデルを開発する。

[2]開発項目
 (1)配管内面腐食予測モデルに損傷予測機能と腐食速度推定機能を付加する。
 (2)解析結果に、最適な検査手法及び対策案などのコメントを付加する機能を構築する。
 (3)予測モデルを現地トライアルするための利用環境を構築する。

[3]実績
 開発項目(1)について
  常圧蒸留装置、および軽質油脱硫装置で発生が想定される22種類の配管内面腐食に対する損傷予測機能の開発、また、その内の7種の腐食損傷についての腐食速度推定機能の開発を行った。

 開発項目(2)について
  解析結果に対するアドバイスの出力が可能になった。また、そのアドバイス内容について業界内の熟練技術者やデータ提供元各社へヒアリングを行い、より適切なアドバイス出力内容となるよう改善した。

 開発項目(3)について
  予測モデルの動作や操作感を検証してもらうため、クラウド上で予測モデルを実行できる環境を構築した。また、データ提供元各社でその環境を使い、予測モデルに実際に触れてもらい、要望や改善点を集約した。

[4]成果
 (1)配管内面腐食予測モデルに、ニューラルネットワークによる機械予測結果と、損傷予測結果に沿った推定値出力ロジックを込みこむことにより、抜けのない損傷予測が行えるようになった。
 (2)配管内面腐食予測モデルの解析結果にアドバイスを含めて出力できるようになり、寿命評価の支援ツールとしてより使い勝手が高まった。
 (3)クラウド環境を利用した共通利用環境上で予測モデルを実行できるようになったことにより、多くの利用者が常に最新の配管内面腐食予測モデルを利用できる環境が整備された。
英文要約Title: Groundwork Project for Creating Industrial Models using IoT/Research and development of novel industrial safety systems utilizing IoT technology/Capitalize on various data (equipment, operation, inspection, text, environment, proficient experience, etc.) for building a system to improve security/Design and fabrication for sensitive analytical functions. (FY2017-FY2018) Final Report

[Purpose of development]
 In order to construct a mechanism to support inexperienced technicians at facility maintenance site, we develop a pipeline inner surface corrosion prediction model incorporating big data analysis.

[Development Items]
 (1)Add damage prediction function and corrosion speed estimation function to piping inner corrosion prediction model developed in 2016.
 (2)Establish a function to add specialist recommendation such as optimal inspection method and countermeasure proposal to the analysis reports.
 (3)Build a usage environment for local trial of the prediction model.

[Results]
Item(1):We developed prediction function and corrosion rate estimation function for seven kinds of corrosion damage names which are particularly common among 22 types of inner surface corrosion which is assumed to occur in atmospheric distillation apparatus and light oil hydrodesulphurization apparatus.
Item(2):It became possible to output specialist recommendation on the analysis reports. In addition, we interviewed experienced engineers and data providers in the industry about the recommendation output and we improved recommendation rules by using obtained information.
Item(3):In order to verify the performance and operation feeling of the prediction model, we prepared operating environment on the cloud. In addition, we summarized requests and improvement ideas from each data provider company through the actual operation on the prediction model.

[Achievement]
 (1)By combining “Damage prediction logic” with “Piping inner corrosion prediction model” using “Neural network method”, it became possible to predict damage without omission.
 (2)This model has improved its function as a support tool for life evaluation by being able to add Advice to the analysis result and output it.
 (3)By using Cloud, “Piping inner corrosion prediction model” has made it possible to become available to share with many users anytime.
ダウンロード成果報告書データベース(ユーザ登録必須)から、ダウンロードしてください。

▲トップに戻る