本文へジャンプ

成果報告書詳細
管理番号20190000000306
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 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 ―運転データ等による異常検知・事故予測システム―
公開日2019/6/21
報告書年度2017 - 2018
委託先名国立大学法人鳥取大学 日本電気株式会社 国立大学法人筑波大学
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 ―運転データ等による異常検知・事故予測システム・br>
本事業では、石油精製事業所を対象として、新たな手法によって事業所に蓄積された情報を分析・活用し、発生頻度の高い事象向けに事故予兆システムを研究開発する。また、発生頻度の少ない事故や未発生事故の分析を可能とし、重大事故の発生を未然に防ぐ活動に繋げることで、自主保安力の向上に寄与する。

以下に、各開発項目の活動成果を示す。

1.確率推論に基づくリアルタイム事故予兆システム(担当:国立大学法人 鳥取大学)
(1)機械学習により、事故やインシデントに関わる化学理論とヒヤリハット(HH)間の紐付け精度の向上を図った。
(2)インバリアント分析技術により、プロセスの異常を検知して得られた発報TAG(異常を示すセンサの識別番号)情報と確率推論(複雑に関連する因果関係を確率的に分析して推論するAI技術)によるリアルタイムリスクアセスメントシステムを開発し、製造現場における事故予知効果を検証して実用化した。
(3)プラットフォーム向けに、HHと事故報告書(JPEC-SAFER)の連携データを用いた新規事故予兆分析システムを試作した。

2.インバリアント分析技術によるオンライン異常予兆検知(担当:日本電気株式会社)
(1)モデル事業所実環境でのオンライン異常予兆検知の検証を行い、2装置で合計4件以上の予兆を検知。単純な閾値監視では検知困難な異常に対し91時間前に予兆を捕捉。
(2)確率推論に異常センサ情報を通知する連携を行い、リアルタイムリスクアセスメントシステムを用いた早期リスク検討を可能とした。
(3)インバリアント分析技術の現場適用可否を業務フローに基づき机上で検討、業務適用に問題がないことを確認した。

3.発生頻度の低い事故の予兆(担当:国立大学法人 筑波大学)
発生頻度の低い事故予兆知識を獲得するために、実際のプロセス変動データを用いたプロセスシミュレータを構築した。そして、ヒヤリハット記録から代表的な事故発生シナリオとして「LC弁運転モードの設定自動変更によるプラント変動およびストレーナ異常からのオペレータ操作ミス誘発シナリオ」を作成した。また、参加型シミュレーションモデルを構築し、その分析から希少な事故予兆シナリオを抽出しヒヤリハットを発見するゲーミング実験環境を準備した。これらのシミュレータ実験およびヒヤリハット発見ゲームから、原料流路で差圧異常が発生したときに稀に発生する5件のヒヤリハットと、事故予兆につながる8件のヒヤリハットを発見した。

4.未発生事故リスクの評価技術の開発(担当(再委託先):国立研究開発法人 産業技術総合研究所)
(1)ヒヤリハット報告テキストデータから事象の典型的起承転結のパターンを抽出する技術を開発した。ヒヤリハット報告文2,296件に対して、シーンの分散表現の自然言語処理を行い、ヒヤリハットの起承転結パターンを抽出できた。
(2)自社と他社のヒヤリハット報告テキストデータとを比較し、リスクのある自社未発生事故シナリオを指摘する技術を開発し有効性を検証した。JPEC-SAFER収録の重大事故報告書425件とヒヤリハット報告文とを照合し、ヒヤリハットの内容に最も類似した、既存の他社重大事故を指摘する技術を開発し有効性を検証した。
英文要約Title: Groundwork Project for Creating Industrial Models using IoT. Research and development of novel industrial safety systems utilizing IoT technology. Development of Safety System Sophisticated by Utilizing Various Kinds of Data (Facility, Operation, Inspection, Text, Environment, Know-how of Skilled Workers, etc.) - Abnormality Symptom Detection and Accident Prediction System Using Operation Data - (FY2017-FY2018) Final Report.

The activity results of each development item are shown as follows.

1. Prediction of an accident showing infrequent outbreak (Tottori University)
(1) The string charge account precision between the “Hiyari-hatto”and the chemical theory of the accident was improved by the machine learning technique.
(2) The real-time risk assessment system based on the abnormally detective information by the invariant analysis and the accident prediction by the probabilistic inference was developed. The efficacy was inspected and the practical use was accomplished.
(3) The accident analysis system using the multi-database (HH and JPEC-SAFER) for platforms was produced experimentally.

2. Online abnormality sign detection by “Invariant Analysis Technology (IAT)” (NEC Corporation)
(1) As the results of online inspection, the success of sign detection was confirmed with 4 or more cases on 2 different systems. One of them caught the sign of abnormality 91 hours before.
(2) Immediate risk assessment can be performed by the implemented cooperative system between probabilistic inference program (Bayesian network) and IAT.
(3) Application of IAT system to real field operation was found feasible by desk study.

3. Prediction of an accident with a low occurrence (Tsukuba University)
A process simulator has been developed to find knowledge related to expected accidents with a low frequency of occurrence.
(1) Accident precursor scenarios that cause process variation due to an automatic change of LC valve operation mode and mistakes due to strainer abnormality were extracted from Hiyari-Hatto(HH) reports.
(2) As a result, the process simulator found five rarely expected incidents when differential pressure abnormality occurs in the material flow path, and the incidents discovery game also found eight incidents.

4. Development of the estimation technology of un-heard-of accident risks (National Institute of Advanced Industrial Science and Technology)
(1) We developed software to analyze scenes described in incident reports with distributed expression. Typical accident progresses were extracted with clustering analysis to observe typical incident patterns.
(2) We developed software to detect risk of un-heard-of accident. Comparing reports of disasters of JPEC-SAFER database, it detects hidden accident candidates that can be regarded as plausible worse development of particular incident reports.
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